利用区间估计模型监测上市公司财务风险
——基于ST企业的经验数据

2018-03-03 01:49副教授

财会月刊 2018年4期

（副教授），

一、引言

自1990年上海、深圳证券交易所成立以来，我国证券市场取得了巨大的成就，截至2016年7月我国境内上市公司达到了2900家。我国资本市场的快速发展为上市公司带来了无限的发展机遇，但同时也加大了上市公司的竞争压力，风险和危机接踵而至。1998年证监会颁布了《关于上市公司状况异常期间的股票特别处理方式的通知》，要求证券交易所对“状况异常”的上市公司实行股票交易的特殊处理（Special Treatment，简称ST）。根据国泰安数据库统计，到目前为止我国沪深两市A股被执行特殊处理的上市公司多达861家，其中有683家公司是因为财务状况异常，连续两年亏损、资产缩水或超过两年正在调整期。可见，我国上市公司存在较为严重的财务问题，财务风险水平较高，致使投资人和企业面临较高的投资风险甚至遭受巨大损失，进而使上市公司以及证券市场的健康平稳发展受到威胁。

财务风险监测是“触按企业经营活动的手指”，是企业疾病的探测器，其不仅可以帮助上市公司管理当局及时发现公司的异常财务状况，有针对性地调整公司投融资以及经营战略，避开或化解企业财务危机，还可以帮助投资者和债权人了解上市公司的财务状况，做出正确的投资及信贷决策，保护投资者的利益。因此，我国证券市场迫切需要建立一个能够监测上市公司财务风险的系统，以提高证券市场对上市公司的监管效率，帮助投资人、债权人等企业利益相关者监测企业的财务和经营状况。

二、文献回顾

国外对于财务风险的研究始于20世纪30年代。著名的有Beaver（1966）提出的单变量判定模型，其以美国1954～1964年间79家经营失败和79家经营正常的企业为样本，通过采用统计方法对两组企业的财务风险指标进行对比分析，发现资产收益率、负债保障率和资产负债率对企业的财务风险具有良好的预测性。Altman（1968）提出的多元Z值计分模型，以营运资产期末总资产比、留存收益期末总资产比、息税前利润总负债比、股东权益市场价值期末总负债比、销售收入平均总资产比等五个财务指标建立多元模型，通过数理统计的方法对五个财务指标进行赋权，得出具有综合评价效果的Z分值，提高了财务危机预测的准确率。Altman、Haldeman（1977）提出了ZETA模型，利用该模型对1969～1975年间53家破产企业和58家非破产企业进行风险预测，预测结果表明这种模型的准确率明显高于多元Z值计分模型。Ohlson（1980）利用Logistic模型对105家经营失败的公司进行回归，其回归结果表明企业的资产规模、资产负债率、净资产收益率、流动比率、速动比率对企业的财务风险有很好的预测效果。Tama（1991）利用建立的包含输入层、隐藏层和输出层三层结构的人工神经网络模型对财务风险进行预警，该模型具有很好的外界适应性，但是理论性不足。

国内关于财务风险的研究始于20世纪80年代中期。最早对企业财务风险进行预测的是吴世农、黄世忠（1986），他们构建了单变量模型对破产企业的财务风险进行了预测，从资产变现能力、盈利能力、资产使用效率、负债状况等方面构建财务指标，并通过区间估计模型以及线性判定模型对破产企业和非破产企业进行对比分析，发现净利率、流动比率、负债比率、资本运用率、资本报酬率能够对企业的破产情况作出预测。周首华、杨济华和王平（1996）将现金流量变动指标加入Z分数模型，构建了多元财务风险预警模型——F模型，使用案例分析方法证实了F模型在破产企业预测中的有效性。陈静（1999）使用27家ST和非ST企业的数据，选用资产负债率、流动比率、总资产收益率、净资产收益率等指标分别对财务风险预测的单变量模型和多变量模型进行验证，认为虽然这些模型仍存在局限性，但不失为一种简单而有效的预测方法，这一结论具有重要实践意义。郑玉华、崔晓东（2013）从公司盈利能力、公司发展潜力、公司偿债能力、公司营运能力、公司投资价值等方面构建了公司财务预警的Logit模型。万希宁、苏秋根（2003）从盈利能力、偿债能力、资产管理能力、成长能力、现金能力等方面对上市公司财务失败预警进行分析。张玲（2000）、罗澜（2012）采用Z分数模型对财务风险进行预测。杨淑娥、徐伟刚（2003）使用主成分分析法建立了Y分数模型。陈晓和陈怡鸿（2000）、姜秀华和李华中（2001）、王琳和周心（2007）、吕佳男和贾炜莹（2009）运用Logistic模型预测我国上市公司财务风险。杨保安（2001）、周敏（2002）、李志毅（2003）、杨淑娥和黄礼（2005）、徐玖平和李晓峰（2006）、周辉仁等（2010）、陈敏（2012）采用神经网络模型对财务风险进行预测。丁香乾和石硕（2004）、杨鑫（2010）、叶肖剑（2010）、翟凡萍等（2013）等采用层次分析法对企业财务风险进行评价。

通过上述研究可以发现，对财务风险进行预测的模型大体分为两类：一类是基于财务风险预测指标回归分析的F、Z分数模型；另一类是对财务风险进行评分的层次分析以及神经网络模型。在这两种方法中，第一种分析方法只局限于某一个数据点，在评价财务风险时局限性比较大，不能大致划分财务风险的区间界限，无法对可能存在潜在风险或者处于风险初期的企业进行预测；第二种方法可以分层次对财务风险进行分析，但是分析过程依赖于专家的打分，数据比较难获取。

本文认为，从财务指标入手，通过构建不同的风险预测模型对财务风险进行预测更具有实践操作性。但在财务指标的选取中大部分学者关注的是企业的利润指标，对现金流指标的考虑略显不足。周首华等（1996）在Z分数模型中引入了对现金流的考虑，但是仅考虑了现金流对企业盈利能力的影响。本文在参考前期各位学者研究的基础上，通过修正财务风险预测指标，将利润指标与现金流指标结合使用，并通过建立平均数区间点估计模型对财务风险和财务健康的企业进行对比风险预测，以期为企业财务风险的监控提供新的思路。

三、财务风险监测模型的建立

如何对企业的财务风险进行监测？如何预测企业是否发生财务风险？本文通过对比前期学者的研究，发现大部分学者都是通过构建财务指标对企业进行财务风险的预警，并且相对于主观判断的指标而言，反映企业财务状况的财务风险指标更易获取，对于企业财务风险监测的实践来说容易实现。因此，本文认为对企业财务风险进行监测最直接的、最容易得到的证据便是反映企业财务运行状况的财务指标。对于财务风险的预测，必须将预测指标和相关预测标准进行结合，因此划分企业财务风险异常、财务正常的指标区间理论上能够成为对财务风险进行监测的有效方法。将企业面临财务风险时指标的临界值以及临界区间进行划分，从而形成企业财务正常、可能面临财务风险以及财务风险异常的预测区间。借鉴Beaver（1966）的单变量判定模型以及吴世农、黄世忠（1986）的单变量预测模型，本文运用平均数区间估计法建立预测企业财务风险的模型。

对于企业的财务风险监测，我们不仅要对财务风险进行风险预测值的点估计，而且希望估计出风险预测值的范围，并确定这个范围包含财务风险的可信程度，即对企业财务风险预测进行区间估计。

设总体（财务风险异常企业或财务正常企业）X的分布函数为F（x；θ），含有未知参数θ，θ ∈ Θ，（Θ是θ可能的取值范围），对于给定值a（0＜a＜1），若由来自X的样本x1，x2，…，xn确定的两个统计量θ=θ（x1，x2，…，xn）和θ=θ（x1，x2，…，xn），（θ＜θ），则对于任意的θ ∈ Θ，满足 P｛θ（x1，x2，…，xn）＜θ＜θ（x1，x2，…，xn）｝≥1-α，则随机区间（θ，θ）是θ的置信水平为1-α的置信区间。假设：①ST（财务状况异常）企业（X1）和非ST（财务状况正常）企业（X2）其财务指标的分布具有显著的统计差别；②两个总体均服从于正态分布；③随机地从两个总体中各抽取一个样本，两个样本之间是相互独立的；④两个样本的样本量均小于30，即n1＜30，n2＜30。

满足上述条件后，如果对总体X1和X2进行多次重复抽样，则总体X1和X2对应的均值符合以下条件和分别服从（n1-1）和（n2-1）的两个t分布。其中：μ1、μ2分别表示总体X1和X2的均值分别表示总体X1和X2的样本均值；S1和S2分别表示总体X1和X2的样本标准差；n1、n2表示总体X1和X2的样本量。由此可推断：

于是可推得μ1、μ2在置信水平为1-α的置信区间分别为：和

图1 指标值越大越好的区间

图2 指标值越小越好的区间

如图1和图2所示，ST企业财务风险的区间为：当指标值越大越好时，风险区间点为X1+安全区间点为 X2-指标值越小越好时，风险区间点为安全区间点为

四、实证分析

1.研究样本与数据的选取。本文以沪深两市A股制造业企业作为样本对企业财务风险进行分析。假定2016年被ST的制造业企业为财务风险异常企业，并根据选定财务风险异常企业的规模、证监会2012行业划分标准以及企业的主营业务检索与财务风险异常企业相互配比选取财务正常企业。本文所抽取的研究样本如表1所示。

表1 样本企业组

假定第t年是企业财务风险异常（被ST）的年度，那么第t-1和t-2两个年度企业连续两年出现经营亏损。当t-1年出现经营亏损时，即第二次出现经营亏损，企业的财务风险异常便已确定，不需要监测。如果t-2年即第一次出现经营亏损，需要对企业亏损的暂时性和持续性进行分析，对企业的财务风险进行分析监测，因此应着重观测t-2年的数据。ST企业连续两年的亏损通常是以前多年经营不善的累积效果，特别是亏损出现的前两至三年即t-3、t-4和t-5年。因此本文以t-5～t-1共5年的数据为测试样本，其中t-1年为监测年，其他年度为测试年度。本文选取2016年被ST的企业作为财务风险异常的企业，并考虑上述财务风险的形成以及财务风险的不确定性，选取ST企业及配比企业2011～2015年的财务数据进行研究。

本文的数据来源于国泰安数据库、万得资讯、东吴证券三个网站中收录的上市公司资料。

2.财务指标的建立。借鉴以往学者的研究以及基于上市公司数据的可获得性，本文从企业的偿债能力、盈利能力、现金流量能力、资产管理能力等方面筛选企业财务风险监测指标。鉴于传统的利润指标很容易被操控，而企业的现金流量可以作为企业利润质量的衡量，因此充分考虑现金流量指标，将现金流量指标与利润指标结合，以更加准确地衡量企业的财务风险。具体指标选取如表2所示。

3.实证分析。本文对ST企业和非ST企业上述财务指标进行了对比式区间点估计的测算。

（1）描述性统计。对ST企业和非ST企业的指标均值点的测算结果如表3。通过表3对ST企业与非ST企业财务指标均值的描述，我们发现存在财务风险异常的企业与财务正常的企业2011～2015年（t-5～t-1年）的指标均值均有明显差异。ST企业净资产收益率2011～2015年期间有四年为负值，只有2013年勉强为正值，但是数值比较小，仅为0.0176；而非ST企业的净资产收益率这五年比较稳定，均维持在0.1126～0.1429左右。ST企业净资产现金收益率五年的指标值都处于0.1以下；而非ST企业基本维持在0.1以上，且大部分在0.14以上，只有2011年不是很高，指标值为0.0627。ST企业每股经营现金流的指标值五年期间基本处于0.1左右，只有2013年偏高，上升到了0.3096；非ST企业一直比较稳定地维持在0.7左右，只有2011年偏低，为0.2721，但仍大于ST企业的指标值。ST企业资产负债率的指标值基本维持在0.6以上，只有2013年指标值有所下降，为0.5918；非ST企业稳定在0.3414～0.4009。ST企业债务保障率指标值基本在0.07以下；而非ST企业的指标值均维持在0.3左右，只有2011年为0.1262。ST企业现金比率各年指标值在0.3203～0.6181；而非ST企业各年均值均高于ST企业，维持在0.5781～0.9273。ST企业与非ST企业流动比率的差异也很明显，ST企业指标值在1.5231～1.6474，只有2011年略高，为1.8676；而非ST企业均维持在2以上。ST企业总资产周转率维持在0.5左右；而非ST企业在0.8左右。

表2 财务指标及其说明

从上述指标的分析可以观察到：①ST企业糟糕的经营业绩并不是一种偶然的现象，而是长期经营管理不善的积累。2011～2015年（t-5～t-1年）ST企业的指标值均小于非ST企业，并且这种结果具有持续性，并不是某一年出现的偶然情况。从上述财务指标的预判效应可以看出，非ST企业的经营效益长期优于ST企业，因此本文认为ST企业的经营不善、财务风险异常并不是偶然出现的，而是长期的、持续的经营管理不善造成的。这种财务风险是由于企业持续多年的盈利能力弱、资产负债率高、现金流量低、偿债能力低、资产周转慢以及经营能力低下等造成的。②ST企业在经营管理出现问题后曾寻求过改善。单独从ST企业2011～2015年的指标分析中可以发现，ST企业在2013年的各财务指标均要好于相邻的年度，出现了一个改善，但是2014、2015年的连续亏损将其之前的改善付诸东流。本文分析得出，ST企业在经历了t-5和t-4年的经营不善后，在t-3年为防止企业被过早ST而进行了业绩的改善，但是这种改善最终并没有扭转企业经营管理不善的局面，即企业前期经营不善造成的财务风险已经非常严重，没有办法在短期内得到缓解。③另外，从上述指标值中可以发现，ST企业2011年（t-5年）各指标值与非ST企业相比，差距要略微小于除2013年（t-3年）的其他年度，因此可以推断，ST企业财务风险异常源于长期的、持续的经营管理不善，这种财务风险异常可能在t-5年就出现，但当时的风险明显要弱于其他年度，属于财务风险异常的初期。

（2）财务风险预测模型——区间点估计模型的实证分析。样本企业各财务指标的区间点估计结果如表4所示。

根据区间点估计的财务风险预测模型，利用Excel求出各个财务指标的区间点估计值。本文将财务预测模型区间估计的置信水平α设为1）=2.0484，进一步求出的指标值（见表4）。通过表4的区间点估计值可以发现，净资产收益率、每股经营现金流、资产负债率、债务保障率均能很好地区分ST企业与非ST企业的区间点，即能够对财务风险异常以及财务正常进行明显的区分。对于净资产现金收益率、现金比率、流动比率、总资产周转率几个指标，由于ST企业与非ST企业之间存在较大的重合区间即模糊区间，在此区间内无法对财务风险异常和财务正常进行判断区分，因此在进行财务风险区间估计的时候不考虑这几类指标。进一步分析可以发现，无法通过上述四个指标区分财务风险的原因主要是财务风险异常企业的离散程度比较大，导致风险异常企业的标准差比较大。剔除模糊指标后，本文采用净资产收益率、每股经营现金流、资产负债率、债务保障率四个指标区分财务风险异常企业和财务正常企业的指标区间，大体区分为三个区间：财务安全区间、财务危险区间、财务异常区间，如表5所示。

表3 样本企业均值点估计

表4 样本企业区间点估计

本文根据2016年28家被ST的制造业企业及与其相配比的29家非ST制造业企业的相关数据计算求得t-5～t-1年各指标值的风险异常区间、危险区间、安全区间。风险异常区间是指企业发生财务风险概率大的区间，如果企业的指标值在风险异常区间，那么企业很可能已经存在财务风险；危险区间是风险异常区间与安全区间的中间区间，在此区间企业发生财务风险的概率中等，即企业的指标值如果在危险区间，说明企业的财务风险很可能正在形成，但是还没有明显地表现出来；安全区间是指企业发生财务风险概率较小的区间，企业的指标值处于安全区间说明企业财务状况比较稳定，企业的盈利能力、偿债能力均较高，现金流量状况较好，暂时不会面临较大的财务风险。

4.财务风险预测区间的检测。

（1）单变量检验。根据上述财务风险区间的划分，本文以28个ST企业为实验对象，以验证上述风险区间划分的准确率。考虑到在进行企业财务风险监测时，应保持谨慎的态度，因此本文将风险异常和危险区间的企业均作为风险异常企业进行重点观测。具体验证结果如表6所示。

从单变量分析的角度看，表6的检测结果表明，在财务风险异常的区间预测中，各财务指标的预测准确率大多维持在70%以上。净资产收益率和债务保障率的预测准确率要明显优于每股经营现金流和资产负债率，并且企业越接近被ST年度，财务指标的预测效果越好。如：债务保障率的误判率2011年为39.3%，2012及2013年为14.3%，2014年降到0；净资产收益率的误判率2011年为21.4%，2012为17.9%，2013年降为0，2014年上升为3.5%，可能是企业出于规避被ST的考虑而对收益进行了调整，使得2014年净资产收益率有所上升。综上，单从一个指标判断企业的财务风险是不完备的，而将二者结合起来考虑能够更加准确地预测企业的财务风险。

表5 样本企业风险区间

表6 财务风险误判率

（2）多变量检验。从多变量角度分析，由于在财务风险预测中多个指标有时会出现相互冲突的情况，因此本文考虑采用多个变量分析的结果来对财务风险进行预测。以同一年度内两个或两个以上指标的预测值为标准进行判断，如果同一年度，两个或两个以上指标值处于财务风险异常区域，就判断企业本年度存在财务风险。测试结果如表7所示。两个指标的多变量分析预测结果与净资产收益率和债务保障率指标的判断结果很接近，准确率在80%以上。

从对ST企业均值点测算结果得知，企业的财务风险异常并不是暂时形成的，而是长期的经营管理不善的积累，因此对财务风险异常的预测需要将连续几年的财务风险预测结果进行综合考虑。本文简要地假设以企业被ST年度的前五年的预测结果中t-5～t-2年中的指标值两年或者两年以上处于风险异常区域为财务风险异常的判断标准，测试结果如表8所示。财务指标如果只考虑时间预测的准确率在75%以上，相对于多变量指标预测和单变量预测要略低一些。

表7 多变量综合财务风险误判率

表8 多年度持续财务风险预测误判率

五、结论

1.从财务预测指标的整体看：财务风险异常企业的各个指标均值从t-5～t年均弱于配比的财务正常企业的指标值，说明财务风险异常企业的风险并不是短期的、暂时的突发风险，而是企业长期经营管理不善造成的财务风险的累积效果。因此，在对企业财务风险进行监测时，应对企业的财务风险预测结果进行长期观测，以企业各年度财务风险预测值的特征推断财务风险是否异常。另外，从企业内部管理来看，当企业财务风险指标值出现在预测的危险区间时，企业的管理层就需要深度考虑企业是否存在经营或财务方面的问题，并积极寻求相关的改革措施。

2.从财务预测指标的波动分析：越接近企业被ST的年度，财务风险异常企业与财务正常企业之间指标值的差距越大，而远离ST的年度，两者之间指标值的差异将会缩小，特别是t-5年，各指标值的差距均小于其后的年度。由此可以推断出企业财务风险异常出现初期特征的时间，本文预测大概在被ST年度之前的5～7年。另外，风险异常企业在第t-3年，各指标值出现了较大波动，可以推测，企业在t-3年对自身的财务风险已经知晓，并努力地寻求改进，以防止被ST，但是企业前期由经营管理不善导致的风险积累，使企业在改善的道路上举步维艰，以致在t-3～t-2年又回归到经营不善的状态。

3.以财务风险预测的区间点估计模型对企业财务风险进行区间预测，通过各财务指标区间估计的准确性可以发现，在所有测试指标中，反映盈利能力的净资产收益率、反映偿债能力的资产负债率和债务保障率以及反映现金流的每股经营现金流指标均能够对财务风险进行预测。在指标误判率的检测中可以发现，净资产收益率和债务保障率两个指标在越接近被ST年度，指标预测的准确率越高。

4.由于本文采用多指标变量对财务风险进行预测，各个指标值之间有时会产生冲突，因此结合每一年度各指标值的综合结果对企业的财务风险进行预测，在接近企业被ST的t-2和t-3年，财务风险异常的误判率为0，在t-4和t-5年的误判率只有7.14%和14.29%，相对于单指标预测，多指标预测的准确性明显提高。

5.由于财务风险异常的形成是企业财务风险多年积累的结果，因此在财务风险异常的预测中，以企业同一指标多年的预测结果综合考虑，发现企业的净资产收益率和债务保障率对风险异常企业的预测误判率为0，每股经营现金流和资产负债率的误判率较单指标有所改进，但资产负债率仍然较高。

周首华，杨济华，王平..论财务危机的预警分析——F分数模式［J］..会计研究，1996（8）..

葛家澍，占美松..企业财务报告分析必须着重关注的几个财务信息——流动性、财务适应性、预期现金净流入、盈利能力和市场风险［J］..会计研究，2008（5）..

吴世农，黄世忠..企业破产的分析指标和预测模型［J］..经济问题研究，1987（6）..

陈静..上市公司财务恶化预测的实证分析［J］..会计研究，1999（4）..

沈友娣，沈旺..我国创业板中小企业财务风险评价指标有效性［J］..技术经济，2012（7）..

沈亭，王淑慧..层次分析法在公司财务风险评价中的运用［J］..经济研究导刊，2010（13）..

秦占荣..我国中小企业财务风险问题研究［J］..企业改革与管理，2015（4）..

郑玉华，崔晓东..公司财务预警Logit模型指标选择与实证分析［J］..财会月刊，2013（24）..