上市公司财务危机预警模型构建研究

王占龙

摘要：为构建财务危机的预警模型，本文以我国证券市场制造业ST公司作为研究样本，选取2011-2015年40个ST公司和非ST公司作为建模样本，并从偿债能力、营运能力、发展能力、获取现金流能力以及营运能力5个方面选取了27个财务指标，先对其进行描述性分析，其次通过相关性分析，从中选取显著性强的6个财务指标作为模型变量进入回归，构建logistics模型并选取了10家ST公司和10家非ST公司结果对模型进行检验，结果证明该模型预测精度较好。

关键词：财务危机；预警模型；logistics分析

一个有效的财务危机预警模型对于管理者、投资人和债权人都有着重要的意义。本文从沪深A股市场上选取2011-2015年40家ST公司作为样本，按1：1配对原则选取40家财务状况正常的公司进行配对，筛选相关财务指标构建上市公司财务危机预警模型，并随机选取10家公司检验了这一模型的有效性，为制造业财务危机预警提供了可靠的思路。

一、设计研究

（一）样本选择

本文选取深沪两地A股上市公司作为研究对象，为了减少行业差别对预警模型的影响和基于样本选取的充分性，笔者选取了制造业ST公司作为危机样本，并按照1：1配对原则选取了非ST公司作为健康公司进行配对。并预留10组ST公司作为检测样本对模型进行检验。

危机样本选取原则：

在沪深A股市场上选取2011-2015年制造业财务危机公司作为样本，其中，剔除B股、H股以及由于其他状况被ST的公司，以及数据不全的公司。

配对样本选取：按照1：1配对原则选取非ST公司作為配对样本。配对的公司与ST公司行业相同（若同产业无配对行业则采取相近行业），会计年度相同，资产规模相近。

检验样本选取：选取2015年被首次ST的10家上市公司作为检验样本对财务危机预警模型预测结果进行检验。

（二）数据选取

本文研究数据主要来源于巨潮资讯网，同花顺财经和网易财经，所有数据均由笔者亲自整理。

（三）财务指标的选取

本文从偿债能力、盈利能力、现金流量、发展能力和营运能力5个方面选取指标（如表1）。

二、财务危机预警实证性研究

（一）描述性分析检验

对40家ST公司和非ST公司连续5年27个财务指标运用stata12.0软件进行数学上的描述性分析后发现，ST和非ST公司在这些指标上存在差异，但是不同指标产生的显著性差异不同。总体上来说，非ST公司的财务指标要优于ST公司。具体分析如下：

偿债能力：从偿债能力来看，ST公司的短期偿债能力要弱于非ST公司，依靠自有资金偿还债务存在困难。营运资金/总资产和利息保障倍数为负值且明显低于非ST公司，长期负债/营运资金，现金比率和产权比率也与非ST公司之间存在显著差异。

盈利能力：ST公司盈利能力明显弱于非ST公司，且销售毛利率、销售净利率、资本收益率、净资产收益率及每股净资产为负值，说明ST公司常年亏损，甚至资不抵债。

获取现金能力：非ST公司依靠主营业务收入获取现金能力明显优于ST公司，且根据现金债务总额比，用现金偿还债务的能力也明显强于ST公司，说明在公司主营业务上ST公司缺乏竞争力。除此以外，从总资产现金回收率来看，ST公司投入的资产并没有给公司带来更多的现金流入，说明ST公司所拥有的资产缺乏创造利润的能力，且可能存在贬值风险。

从发展能力来看，ST公司净利润增长率和主营业务增长率明显低于非ST公司，说明ST公司是因为缺乏核心业务竞争力才陷入财务危机的。

从营运能力来看，ST公司的应收账款周转率明显低于非ST公司，说明ST公司资产管理和运营效率存在问题，可能拥有较多坏账。

（二）相关性性分析

1.反映企业偿债能力相关性分析结果

X1和X2，X7，X3和X5，X8有很强的相关性，剔除X1，X3，X7以及X8，留下X2，X4，X5和X6进入下一轮筛选。

2.反映企业盈利能力相关性分析结果

X10，X12，X13与较多指标相关性均超过0.5，所以剔除X10，X12，X13，留下X9，X11，X14进入下一轮筛选。

3.反映企业现金流量相关性结果分析

X15和X18与较多指标存在相关性，剔除X15，X18，留下X16和X17进入下一轮筛选。

4.反映企业发展能力相关性结果分析

X19和X22具有很强相关性，经比较留下X20，X21和X22进入下一轮筛选。

5.反映企业营运能力相关性结果分析

X23和X24，X25和X26相关性较强，经比较留下X24，X25，X26和X27进入下一轮筛选。

综上，经过相关性分析，共留下X2，X4，X5，X6，X9，X11，X14，X16，X17，X20，X21，X22，X24，X25，X26，X27共16个指标。

（三）显著性分析

经显著性分析发现只有X5、X9、X14、X16、X24和X26显著性水平低于5%，进入财务危机预警模型，形成变量。

三、Logistic回归模型构建

（一）财务危机回归模型描述

将经过相关性分析和显著性分析后的X5、X9、X14、X16、X24、X26这5个变量为自变量，企业是否具有财务风险为因变量（ST公司为1，非ST公司为0）构建财务危机预警模型。

Stata12.0运行结果（如表2）：

根據表2可推出logistic回归方程为

Ln{P/（1-p）}=0.0487+2.2116X5-2.4646X9-0.1303X14-1.6498X16-0.0064X24-0.7793X26

基于以上财务危机预警模型的建立，本文结论如下：

1. Stata12.0在回归模型中显示LR chi2 （6）=298.07，Prob > chi2 = 0.0000表明显著性水平为0.0000，说明模型整体检验十分显著，并模型参数估计均以10%的显著性通过检验，反映得到的估计参数值得信任。

2.从变量系数来看，财务危机的发生和所有变量均成正负关系。本文将ST公司P值定义为1，非ST公司变量定义为0，因此相关系数为正的变量与财务危机的发生成正相关关系，相关系数为负的变量与财务危机的发生成负相关关系。在该模型中，资产负债率越高，财务危机发生的概率越高；销售毛利率越高，每股净资产越高，主营业务收入现金含量越高，应收账款周转率和总资产周转率越高，发生财务危机的概率越低。

3.从财务指标预警情况来看，偿债能力中的资产负债率指标，盈利能力中的销售毛利率指标，获取现金流量能力中的主营业务收入现金含量指标，以及营运能力中的总资产周转率指标均有良好的预测效果。发展能力无一指标进入财务危机预警模型，说明虽然ST公司和非ST公司在增长率之间存在差别，但发展能力在短期内对财务危机预测能力不强。

（二）财务危机预警模型检验

利用得到的logistics回归模型，对20家上市公司（10家ST公司和10家非ST公司）的检验样本（以2015年财务数据为原始数据）进行预测，具体步骤如下：

1.将所有检验样本的原始数据代入模型，计算P值

2.将计算所得P值与0.5相比较，若大于0.5认为是ST，若小于0.5则认为财务状况良好，不存在财务危机

3.将预测结果与公司真实情况比较，计算得出模型精度。

检验结果如表3所示：

从检验结果可以看出本文构建的模型对上市公司财务危机具有较好的预测性。

四、研究结论

本文依据上市公司公开财务数据，以上市公司是否被ST作为判断是否发生财务危机的标准，将上市公司相关财务指标作为自变量引入logistics回归模型，建立了上市公司财务危机预警模型，取得较好的预测效果。研究成果如下：

（一） ST公司和非ST公司在偿债能力、盈利能力、获取现金流量能力，发展能力和营运能力5个方面的27个财务指标中存在差异，但最具识别性的指标为偿债能力中的资产负债率指标，盈利能力中的销售毛利率指标，获取现金流量能力中的主营业务收入现金含量指标，以及营运能力中的总资产周转率指标。其中，资产负债率与财务危机发生成正相关，其余模型变量财务指标均与财务危机是否发生成负相关关系。

（二）本文在研究过程中发现ST公司存在数据缺失，在寻找匹配样本时，由于ST连年亏损使得资产规模缩水，能在资产规模上与ST公司相匹配的正常企业多为新上市的不久的企业（5年左右），除此以外，ST公司财务信息披露不如非ST公司完整，多数ST公司存在净利润亏损—盈利—亏损循环，究其原因是由于处置固定资产导致的营业外收支增加，这些都表明ST公司可能倾向于粉饰自身报表。

（三）本文主要是从制造业方面对企业财务危机预警模型进行研究，本文在研究中发现ST企业大多为化工行业，存在较多的固定资产，且不同制造业之间存在财务指标的差异，如酿酒行业就存在较多的存货。

（四）本文在检验模型中发现，若检验当年企业存在盈利，则模型难以判别是否存在财务危机。

参考文献：

[1]岳上植，张广柱.上市公司财务危机预警模型构建研究[J].会计之友（下旬刊），2009，01：79-84.

[2]连晓丽.我国A股上市公司财务危机预警模型实证研究[D].厦门大学，2014.

（作者单位：均胜集团有限公司）