基于资产负债表的我国上市公司财务风险预测研究

邓明君，彭 韧

(1.湖南科技大学 大数据与智能决策研究中心，湖南 湘潭 411201；2.湖南科技大学 商学院，湖南 湘潭411201)

一、引言

一家公司的财务稳健对公司自身至关重要。对于投资者而言，财务困境具有负面传导效应[1]。一旦公司出现财务困境，即意味着在经济上处于不活跃状态、拥有负资产账户或濒临破产，这可能会损害其贷款人、股东和股东贷款人的财务结构，并造成整个公司经济上的损失。例如，2006年开始的次贷危机不仅让美国深受其害，并迅速波及全世界。因此，预测一家公司是否将出现财务危机，并采取足够的措施防止其经营失败，这些成为分析师的重要工作。

1990年中国A股创立，目前已成为全球第二大资本市场，是全球成长速度最快的资本市场之一。作为典型新兴市场的中国资本市场，上市公司的亏损面和亏损额呈逐年递增的趋势，每年新增的ST公司数目呈上升趋势，上市公司存在的经营业绩危机及其引发的潜在市场风险不容忽视。2020年新增的ST公司、*ST公司、终止上市公司分别为14家、110家、20家；沪深交易所“史上最严”退市新规在2021年落地，这对陷入财务危机和经营不善的公司产生了很大威胁。其中，触发“1元退市新规”的上市公司有5家、触发“期末净资产为负值”的财务类退市风险警示指标的上市公司有24家、触发“净利润为负值且营收低于1亿元”的财务类退市指标的上市公司有73家。2021年第一季度至第三季度新增的ST公司、*ST公司、终止上市公司分别为31家、73家、22家①。受各方面因素的影响，世界500强企业恒大集团，在2020年遭遇严重的债务危机。恒大集团提交给广东省政府的《关于恳请支持重大资产重组项目的情况报告》显示，恒大集团有息负债8 355亿元，在128家金融机构借款2 323亿元，其中在民生银行、农业银行、浙商银行等的借款金额均超过百亿元。根据港股恒大2020年的年报，恒大资产总额达2.3万亿元，其中负债总额为1.95万亿元，负债率为85%。恒大巨额的债务如果出现问题，对国家金融系统的影响无疑是巨大的。因此，作为世界第二大经济体，从长远来讲，宏观上我国要建立应对自身金融体系的风险控制系统，以控制未来突发事件带来的经济冲击；微观上我国更要建立企业财务风险的预警机制，有效促进实体经济健康发展和资本市场稳定运行。

二、文献回顾

(一)国外相关研究回顾

一直以来，国外学者对公司财务风险预测研究较多，相关文献主要采用两种研究方法：一是基于市场的方法，该方法依赖于投资者对企业的市场估值。在基于市场的方法中，公司的股票价格被用于估计违约概率[2]，即当一家公司的市场价值低于一定的负债账面价值时，则认为该公司破产，不少学者尝试应用此方法来估计不同国家不同公司的违约概率[3-5]。二是基于会计的方法，该方法使用从财务报表中获得的比率来评估企业的稳健程度[6]。本文重点回顾基于会计的公司财务风险预测研究。

基于会计的方法。20世纪初，国外学者们采用单变量衡量标准来区分财务困境公司和有偿付能力的公司[7]。1968年，Altman开创性地构建了用于综合评估公司财务风险水平和违约概率的综合指数，并通过引入多元判别分析(Multivariate discriminant analysis，MDA)，从财务报表中获得几个财务比率，使用统计技术对各种单变量比率进行加权，将其转换为一个分数(Altman-Z值)，用于表示公司违约可能性的大小，并运用该方法将1946年至1965年在纽约证券交易所上市的33家破产公司与33家有偿付能力的公司区分开来[8-10]。Altman-Z值也由此成为企业破产文献中最常用的统计工具。随后多年，众多学者应用Altman-Z值对美国上市公司财务风险进行评估，例如：Deakin[9]评估了1962年至1966年纽约证交所上市的32家破产公司和32家有偿付能力的公司；Moyer[11]评估了1965年至1975年上市的54家公司；Blum[12]评估了1954年至1968年上市的115家公司；Dambolena和Khoury[13]评估了1969年至1975年上市的68家公司 。也有不少国外学者使用Altman-Z值预测美国以外其他发达国家和发展中国家上市公司的财务风险[14-17]。尽管Altman-Z值在不同国家的公司文献中被广泛使用，但Altman-Z值是从纽约证券交易所(NYSE)上市的美国制造业公司中得出的。那么，Altman-Z值是否可以有效地用于其他国家或行业的公司违约分析[18-19]，这是一个值得商榷的问题，因为不同国家的公司，特别是新兴市场的公司与美国公司的行为不同，原始的Altman-Z值可能无法充分反映这些经济体公司的独特特征[20-21]。目前，也有几十篇论文修改了Altman-Z值模型来研究发展中国家。这些文章使用了相同的变量，但重新计算了系数或使用新的代表性变量和相关系数，例如：Pascale[22]采用了不同资产负债表比率的MDA，该模型预测乌拉圭制造业企业财务风险的成功率接近90%；Rashid和Abbas[23]使用MDA开发了一个新的财务风险模型，从巴基斯坦非金融公司的24个比率中选择了3个新的资产负债表比率，模型在预测1996年至2006年52家公司的财务风险方面达到了76.9%的准确率；Pervan等[24]将MDA应用于3个资产负债表比率，使用其模型预测克罗地亚78家破产公司的准确率达到79.5%；Thai等[25]使用马来西亚证券交易所30家公司的新系数重新估算了Altman-Z值模型，准确率为76.7%。为了有效衡量反映在新兴市场公司资产负债表上的财务风险，Olak[26]构建了一个多元企业评估(Multivariate Firm Assessment，MFA)分数模型，其评分通过应用MDA于土耳其伊斯坦布尔交易所(BIST)上市的非金融公司的7个选定的资产负债表比率而产生，能够有效地分析土耳其公司的总体财务风险，其公司财务风险预测准确率较定制的Altman-Z值提高了3%。

除了MDA方法以外，逻辑回归方法(Logistic)在基于财务报表的企业财务危机预测模型的研究中也得到了广泛的应用。在这种方法中，公司财务风险是基于公司的会计数据和其他几种控制措施来进行评估的[27-29]。近年来国外使用Logistic回归的研究已经深入到对跨国或全球破产预警模型的构建，他们试图建立一个通用模型，不局限于计算单个国家企业债务违约的概率，而将眼光投向了整合多个国家计算地区性的财务风险，例如：Alaminos等[30]开发了适用于世界各地公司的全球财务风险模型，以及适用于亚洲、欧洲和美洲公司的区域财务模式，发现全球模型在财务风险预测准确性方面优于区域模型，原因在于公司财务特征日益全球化，财务风险指标已在全球范围内趋同。除了全球模型外，Fernández-Gámez等[31]还调查了特定国家因素在解释欧盟企业违约中的作用，结果表明特定国家的宏观经济因素和监管因素，如通货膨胀、风险溢价和政府规模等，显著提高了财务危机预测的准确率。

(二)国内相关研究回顾

国内对多元财务危机预测模型的应用研究起步较晚。周首华等[32]认为Altman-Z值模型在构建时没有充分考虑到现金流量变动等方面的问题，他们运用MDA方法在Altman-Z值模型的基础上建立了F分数模型。针对中国房地产上市公司，Wang和Campbell[19]测试了Altman原始模型，使用Altman比率重新估计模型、使用新比率修正模型的预测精度，发现修正后的模型比其他模型准确得多。针对中国科技型上市公司，张蔚虹和朱海霞[33]以2011年的20家ST公司，以及与其同行业、资产总额基本相同的20家非ST公司为样本，基于ST公司宣布特别处理前三年及非ST公司相对应年度的财务数据计算得出Altman-Z值，认为Altman-Z值模型对这些公司的财务风险预警有效。近年来国内不少学者综合考虑影响企业财务危机的各项财务因素和非财务因素，构建了基于TEI@I方法论的企业财务风险预警模型、面向特征因果分析的CFW-Boost企业财务风险预警模型，并利用其他预警模型进行对比测试，测试准确率为69%～86%[34-35]。

国内学者基于Logistic回归的财务风险预警研究也在不断深入。杨青龙等[36]对企业财务危机预测指标进行筛选后，分别利用传统的Logistic回归和机器学习方法建立了企业财务危机预警模型。杨贵军等[37]将Benford引入财务预警Logistic模型，提出Benford因子的一种构造方法，建立企业财务风险预警Benford-Logistic模型，提高了财务风险预警Logistic模型的预测准确性。吴静和袁芳英[38]应用Logistic财务风险预警模型对2016—2018年A股非金融上市公司进行实证研究，发现引入公司治理和股权质押率变量能有效提高预警模型的预测准确率。

(三) 文献述评

建立财务风险预警模型的历史由来已久，在Altman之后有众多学者试图建立更加完善的预警系统。公司财务风险预测的方法更加多样化，甚至加入了人工智能模型和大数据挖掘，在财务风险预警模型的建立过程中也加入了大量非财务指标，这虽然提升了公司财务风险预测的精确度，但方法过于复杂，以及一些非财务指标数据难以获取，从而导致这些模型难以被推广应用。到目前为止，国外已经建立了比较完善且可以被广泛应用的财务风险预警模型。我国研究起步较晚，模型的指标体系还在日益完善，样本拟合度越来越高，预测精度也在不断提高，但还有提升的空间。鉴于此，本文提出应用Olak[26]定制的Altman-Z值模型和MFA分数模型，对我国上市公司财务风险进行预测，比较两者预测性能的差异。同时，本文还将进一步探究MFA分数模型与宏观经济因素之间的关系。

三、研究设计

(一)样本选取与数据来源

上市公司负有财务披露的义务。本文以上市公司作为研究对象，以2011—2020年中国沪深两所A股非金融上市公司年度财务数据为原始研究样本，共4 025家公司。为了检测Altman-Z值模型和MFA分数模型的性能，我们需要一组有财务困境的公司名单和一组财务稳健的公司名单作为配对样本。对于有财务困境的样本选取，我们从上述样本中随机选取了2020年被归类为ST的49家公司。对于第二组财务稳健的公司，我们相应选取了拥有相似资产、同一行业的公司，它们唯一的显著区别在于是否陷入了财务困境。

(二)模型介绍

1. Altman-Z值模型

Altman[8]在22项财务指标中筛选出5个财务风险相关变量：营运资本和总资产比率；股票的市值与总负债比率；留存收益和总资产比率；息税前利润和总资产比率；总销售额和总资产比率。并通过计算出的Z值对公司是否陷入财务危机进行预测，其线性函数如下：

AltmanZ-score=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5，其中：

X1=营运资本/总资产；

X2=留存收益/总资产；

X3=息税前利润/总资产；

X4=股票的市场价值/总负债；

X5=销售收入/总资产。

如果一家公司的Z值低于1.81，则该公司将被归类为陷入财务危机的企业，并且有可能在未来一段时间内面临破产。如果Z值大于2.675，则表明该公司经营状况较好、财务健康，未来几年破产概率较小；而当1.81≤Z≤2.675时，则表明企业处于运营状况的灰色区域，表明企业的经营状况不稳定，需要格外注意。

在1946—1965年间Altman用该模型预测了66家纽交所上市公司的破产情况，准确率为91%。但对于不同的经济体如发展中国家，Altman-Z值模型的预测精度并没有这么高。其主要原因在于该模型主要反映的是发达国家的企业行为，股票的市场价值与总负债之比(X4)完全取决于公司的股票价格。但大多数发展中国家的股票价格通常不能完全反映一个公司的财务状况，相反它们主要反映了投资者的投机倾向。此外，留存收益与总资产之比(X2)代表了公司在一段时间内的累计利润或亏损，并体现了有关企业年龄的信息。由于发展中国家的企业一般寿命较短，其累计的收益波动性更大，因此这个指标也不能充分体现发展中国家企业的财务状况。

由此得出，Altman-Z值模型对于我国企业的预测精度不高，因此我们引入优化模型MFA分数模型。

2.MFA分数模型

基于Altman-Z值模型，我们引入了MFA分数模型，其建立原则如下：①流动性、盈利能力、杠杆率等指标中至少包括一个，以确保模型的全面性；②所选择的变量应该是能够区分财务困境和有偿付能力的公司，如果两组比值的均值之间彼此没有显著差异，则将此比值剔除；③两个指标不应共线，如果任何指标两两之间的相关性大于0.2，则剔除与其他变量相关性较高的一个。在上述原则下，最后在MFA分数模型中使用的指标为：

X1=(现金及现金等价物+应收账款+短期投资)/流动负债。该比率被称为“速动比率”，也称为“酸性测试比率”，是衡量企业流动资产中可以立即变现用于偿还流动负债的能力；

X2=流动负债/流动资产。也称为“流动比率”，体现企业用短期资产偿还短期负债的能力；

X3=总负债/所有者权益。也称为“负债权益比率”，体现企业的股票价值是否足以偿还债务；

X4=息税前利润/总资产。同Altman-Z值模型中的X3，也称为“总资产报酬率”，可以体现出公司主要活动的盈利能力；

X5=财务费用/营业收入。也称为“财务费用率”，体现公司支付其债务产生的外汇和利息费用的能力；

X6=净利润(亏损)/营业收入。也称为“营业净利率”，是反映企业盈利能力的一个指标，该指标越高，则代表企业盈利能力越好；

X7=留存收益/总资产。表示过去各时期的累计损益，同时显示有关公司年龄的信息。

MFA分数模型的计算公式为：

MFAscore=0.24X1-0.14X2-0.03X3+3.76X4-0.72X5+0.20X6+1.14X7

Olak[26]通过ROC分析确定了MFA分数模型的第一个阈值为-0.02，以此区分有偿债能力的公司和陷入困境的公司。然后根据Olak的研究样本中财务状况较好公司的MFA分数的中位数得到第二个阈值为0.56。如果一家企业的MFA分数小于-0.02，则认为该公司财务状况不佳，可能会在一年内陷入财务困境。但若一家企业的MFA分数大于0.56，则该公司被认定为财务状况良好；若一家企业处于-0.02和0.56(灰色区域)之间，则该公司陷入财务困境的概率较低。

四、实证结果分析

(一)描述性统计

本文选取的样本没有局限于从事制造业的企业，检测样本及配对样本都来自除金融业之外的各个行业。从表1和表2可以看出，MFA分数模型在49家无偿付能力的公司陷入财务危机的前一年，对其中的39家公司做出了正确的分类。而对应的49家有偿付能力的公司中准确检测出44家。模型检出率达到84.7%，对于陷入财务危机的企业预测率为79.59%，财务健康公司的准确预测率为89.80%。而Altman-Z值模型对于企业是否陷入财务危机的检出率仅有75.51%，MFA分数模型超出同等条件下Altman-Z值模型预测能力的9.2%，预测精度明显提高，从客观上说明了MFA分数模型相较于Altman-Z值模型更加适用于我国企业。

表1 模型表现情况(Altman-Z分数模型)

表2 模型表现情况(MFA分数模型)

(二)相关性分析

为了验证本文的假设，我们将财务健康和陷入财务危机的两组合并进行了t检验和相关性检验。表3如同我们假设的一样，财务健康组与财务危机组的均值之间具有显著差异。与陷入财务危机的公司相比，财务健康的公司具有更高的总资产报酬率、营业净利率、留存收益和总资产比率。而其他指标如财务费用率越高，则说明该公司债务水平越高，利息费用、外汇支出越多，我国企业财务费用负担越重，同时陷入财务危机的公司在该指标上普遍也比财务健康的公司高。表4为指标之间的相关性矩阵，从表中可以看出，MFA分数模型的指标两两之间的相关性较低。其中，流动比率与财务费用率相关性最高。

表3 MFA分数的组均值和均数差异的t检验

表4 MFA分数模型变量的两两相关性

(三)MFA分数模型与宏观经济

大量研究表示宏观经济的变化会影响企业的财务状况，例如，有研究认为低GDP增长率和高贷款利率会增加企业的财务困境风险[39-40]。Mare[41]在过去的实证检验中也发现通货膨胀与企业的违约概率呈现出显著的正相关关系。这是因为经济环境的疲弱会影响企业的生存状况，因此我们认为宏观经济变化对MFA分数也有影响。为了验证这一论点，本文基于2016—2020年中国沪深两所非金融上市公司半年度财务报表计算出的MFA分数、GDP季度增长率和美元与欧元对人民币的月度汇率加权(权重为0.6和0.4)进行了趋势分析，其观察结果如图1、图2所示。

图1 MFA分数和GDP增长率表现

图2 MFA分数和汇率表现

可以看出，MFA中值普遍大于MFA平均值，这意味着MFA分数分布向左倾斜。从图中可以看出，MFA分数与GDP增长率的增长趋势基本一致，但与汇率加权数的增长趋势大致相反。在近五年内即便是受疫情影响，GDP增长率降为负数，MFA分数也没有突破-0.02的阈值，但始终处于灰色地带。同时GDP增长率在2020年降到最低点，出现了自改革开放以来的最低增幅，同时MFA分数在这一时期也保持在最低位。这是因为疫情对我国经济，特别是对第三产业的影响。旅游、文娱、餐饮等行业均受到重大冲击甚至陷入停滞，非制造业商务活动指数从54.1骤降至29.6。

中国政府及时采取了一系列的财务政策和货币政策以恢复国民经济，如提高地方政府的债务限额和减税降费的力度，中国人民银行通过逆回购增加货币流动性等。从图中可以看出，这一系列措施的作用是显著的，GDP增长率在2020年底恢复为正，MFA分数也随之上升。

为了进一步验证本文的观点，我们进行了豪斯曼检验，得到P值小于0.05。因此本文使用固定效应，对非金融上市公司年度的MFA分数在几个宏观经济变量上进行了回归。目前主要的宏观经济变量有国民生产总值、国内生产总值、通货膨胀率、利率、失业率以及汇率等。由于我国的利率相对稳定，本文选择了GDP年增长率、年度的通货膨胀率、城镇登记失业率、汇率为美元与欧元汇率的加权平均，权重为0.6和0.4。本文建立实证模型如下：

MFAi，t=β1Macrot-1+β2Controlsi，t+∑Year+λi，t+εi，t

Macrot-1表示四个宏观经济变量，分别为国民生产总值年增长率、美元与欧元汇率的加权平均年增长率、通货膨胀率和失业率。MFAi，t为计算出的企业MFA分数，该值越大，说明企业的财务状况越稳定。我们还对企业的审计质量(Big4)、成长性(Growth)、股权集中度(Top)、控股股东性质(SOE)、两职合一(Dual)、董事会规模(Board)以及独立董事占比(Independent)进行了控制，变量定义如表5所示。

表5 变量定义

表6为上述假设的多元回归分析结果，在控制了企业个体、企业特征和年度固定效应后各个宏观经济变量对MFA分数的影响均通过了1%的显著性水平检验。而GDP增长率对MFA分数的影响显著为正，回归系数为0.064；通货膨胀率、汇率和失业率对MFA分数的影响显著为负，回归系数分别为-0.205、-1.280和-1.303。这说明高的GDP增长率会对企业的经营状况产生正向影响，而高的汇率、通货膨胀率和失业率均会恶化企业的财务状况。这与实际情况一致，汇率和通货膨胀率较高均会导致人民币贬值，而失业率较高则说明现在的经济环境较差，因此影响到企业的财务状况。而当GDP增长率较高时，说明我国当前的经济环境较好，企业的经营状况也能随之改善。而在各种宏观经济变量中，资产负债表对GDP增长率的变化最为敏感。具体来说，GDP增长率每增加1%，对企业MFA分数提升效果将增加0.064个百分比。综上，我们认为，MFA分数可以用来考察宏观经济发展对企业资产负债表的影响。

表6 宏观经济变量对MFA分数的影响

五、预测应用

经过一系列检测，我们可以推断MFA分数模型的预测精度高于Altman-Z值模型。由于MFA分数可以预测出公司的财务状态，我们认为MFA分数模型也可以用来判断我国A股非金融上市公司的财务健康变化趋势，这一点在上文得到验证。因此，本文运用MFA分数模型对2016—2020年沪深两所A股上市的非金融公司的财务情况进行预测应用。本文在预测之前剔除了主要变量缺失的样本，各个年度非金融上市公司样本数分别为3 174、3 587、3 665、3 860和4 306。2020年和2019年上市公司数量相差较大的原因是2019年科创版的开市，导致2019—2020年IPO的公司急剧增加。

2016年我国全面推行“营改增”以实现结构性减税，这在一定程度上激发了经济活力，同时这一时期我国经济持续稳中向好。清华大学国情研究院院长胡鞍钢指出，从国际的角度来看，我国仍属于世界上经济增长率最高的国家之一，6.7%左右的增速明显高于美国、日本及欧盟等经济体的经济增速。而在2019年底受疫情的影响，市场环境日益变得复杂，企业在经营发展过程中的财务风险增加。疫情增加了公司运营成本的负担，如为了做好疫情防控工作，公司必须专门采购一些防疫防控物品以及定期开展工作人员健康检测，这些都给公司增加了运营成本。同时由于金融机构的信贷压缩，一些公司不得不选择民间融资，但民间融资利率较高，这会导致公司融资成本的增加。由表7可知，2018—2020年，我国存在财务隐患(MFA≤-0.02)的公司数量在逐年上升，2018年具有财务危机的公司占比为15.58%，2020年具有财务危机的公司占比上升至17.16%。这个结果也符合近几年整体经济发展的趋势，反映了我国A股非金融上市公司在2018—2020年的财务指标下降。虽然疫情打乱了资本市场的节奏，但根据安永发布的《中国内地和香港IPO市场调研》，随着新股发行注册制改革的推进，2020年我国通过IPO融资近4 707亿元，创十年来新高。而如表7所示，2020年超过半数的上市公司财务状况保持健康(MFA≥0.56)，这也证明我国经济发展大体良好。

表7 MFA分数模型预测应用结果

六、研究结论及相关建议

(一) 研究结论

全球疫情蔓延使得企业经营环境的不确定性增强，大批企业陷入财务危机甚至破产。建立一个适合我国国情的财务危机预警模型可以在财务危机发生前警示管理者，以保证股东及其他利益相关者的权益和企业的健康可持续发展。本文引入一种适合新兴市场的财务预警模型——MFA分数模型。以2016—2020年中国沪深两所A股上市公司为样本，比较Altman-Z值模型和MFA分数模型的预测性能并对我国上市公司财务风险进行评估。主要研究结论如下。

首先，与最初的Altman-Z值模型相比，MFA分数模型显著提高了对企业偿付能力和破产概率的预测性能，预测准确率提高了9.2%。Altman-Z值模型中的X4对分数大小的影响较大，这反映了市场预期过高。而我国的股市运行时间尚短，股价易受人为操控，不能真实反映出企业的市场价值。MFA分数模型是在Altman-Z值模型的基础上优化得来，剔除了影响预测效果的X4指标。这都使得MFA分数模型相对Altman-Z值模型预测能力更强。

其次，我们认为MFA分数模型可以检测宏观经济指标对资产负债表的影响。我们发现经济增速加快会促进上市公司MFA平均分数提高，但汇率变化会对MFA平均分数的变动产生抑制作用。实证结果也与我们预计的一样，MFA分数与主要宏观经济变量之间具有显著相关性。

最后，本文运用MFA分数模型从宏观的角度判断我国经济趋势变化。结果表示，2016—2017年经济状况转好，2018—2020年陷入财务危机的公司数量皆有所上升，但大部分公司的经营状态稳定，结果符合预期。综上，我们可以利用MFA分数模型作为我国陷入财务困境的早期预警指标，量化宏观冲击或政策对公司资产负债表的影响。

(二) 相关建议

基于上述研究结论，为预防上市公司财务危机，本文提出如下政策建议。

第一，根据不同行业的特点建立不同的财务危机预警模型。各个行业都有不同的特点，如房地产行业上市公司具有较高的负债比率，制造业上市公司则需要稳定的现金流。研究者可以根据不同行业的特点选择不同的财务指标来建立财务预警模型，甚至同一政策对于不同行业的影响也不相同。未来的研究者可以根据不同行业建立更加精确的财务预警模型，构建模型遵循全面性原则，谨慎考虑与行业相关的财务指标与非财务指标，以提升模型的准确率。

第二，公司管理者应该加强内部控制，做好危机预案。企业管理者应该树立财务危机防范意识，完善财务信息内部监控制度。同时注重企业外部环境的变化，并加强企业内部的横向和纵向沟通，从全局把握公司的财务状况。管理者还应考虑到不同情况的变化，做好危机预备方案，防患于未然。

第三，无论是Altman-Z值模型还是MFA分数模型，它们都是基于企业的财务报表建立的，企业财务报表的真实性和客观性也会在一定程度上影响其结果的有效性。因此，MFA分数模型对于评估企业财务状况是有效的，但管理者和投资者亦不能忽视财务报表之外的信息和其他财务指标。

注释：

① 退市新规中的净利润以扣除非经常性损益前后孰低为准，营业收入则需要扣除与主营业务无关的业务收入和不具备商业实质的收入。