基于財(cái)務(wù)指標(biāo)的我國(guó)上市公司財(cái)務(wù)困境預(yù)測(cè)

陳志

[摘要]本文以我國(guó)上市公司為研究對(duì)象，利用樣本公司歷年財(cái)務(wù)指標(biāo)的數(shù)據(jù)構(gòu)建Logit模型量化上市公司的信用風(fēng)險(xiǎn)概率，進(jìn)而根據(jù)結(jié)果對(duì)上市公司發(fā)生財(cái)務(wù)困境進(jìn)行判別和預(yù)測(cè)。

[關(guān)鍵詞]財(cái)務(wù)指標(biāo)； Logit模型； 因子分析； 財(cái)務(wù)困境預(yù)測(cè)

[中圖分類號(hào)]F275[文獻(xiàn)標(biāo)識(shí)碼]A[文章編號(hào)]1005-6432（2014）34-0112-03

1引言

財(cái)務(wù)困境又稱財(cái)務(wù)危機(jī)，是指企業(yè)現(xiàn)金流量不足以補(bǔ)償現(xiàn)有債務(wù)，最嚴(yán)重的財(cái)務(wù)困境即企業(yè)破產(chǎn)。在我國(guó)，上市公司具有業(yè)績(jī)好、規(guī)模大、籌資快等特點(diǎn)，相比于一般企業(yè)能更好地反映出我國(guó)資本市場(chǎng)的健康程度。近年來，隨著我國(guó)證券市場(chǎng)快速發(fā)展，上市公司在數(shù)量和規(guī)模上都不斷地?cái)U(kuò)大。然而，現(xiàn)實(shí)中一些上市公司也會(huì)由于經(jīng)營(yíng)不善或其他各種原因出現(xiàn)連年虧損，陷入財(cái)務(wù)困境甚至面臨退市的風(fēng)險(xiǎn)。1998年4月22日，滬深證券交易所宣布將對(duì)財(cái)務(wù)狀況異常（或其他財(cái)務(wù)狀況異常）的上市公司的股票交易進(jìn)行特別處理（ST）。研究中國(guó)上市公司財(cái)務(wù)困境時(shí)通常將ST作為企業(yè)財(cái)務(wù)困境的標(biāo)志。

財(cái)務(wù)困境的有效預(yù)測(cè)將有利于我國(guó)上市公司經(jīng)營(yíng)者的提前防范、政府管理部門的監(jiān)督以及證券市場(chǎng)投資者的決策?？紤]到現(xiàn)實(shí)中企業(yè)發(fā)生財(cái)務(wù)困境是一個(gè)財(cái)務(wù)狀況逐漸惡化的過程，因此一般認(rèn)為企業(yè)財(cái)務(wù)困境是可以通過一定的指標(biāo)預(yù)測(cè)的。

2文獻(xiàn)綜述

財(cái)務(wù)困境預(yù)測(cè)指對(duì)企業(yè)財(cái)務(wù)困境所做出的具體推測(cè)。最早的財(cái)務(wù)困境預(yù)測(cè)方法是20世紀(jì)30年代產(chǎn)生的單變量分析法，提出利用單一的財(cái)務(wù)比率來預(yù)測(cè)企業(yè)的財(cái)務(wù)困境。20世紀(jì)60年代，Altman率先使用多元線性判別分析，以美國(guó)1946—1965年資產(chǎn)規(guī)模接近的66家公司為樣本確定了5變量的Z-score模型。并于1977年提出了現(xiàn)在仍常用的7變量ZETA模型。

由于多元線性判別分析模型存在著嚴(yán)格的假設(shè)條件，如多元變量多元正態(tài)分布、協(xié)方差矩陣相等，并且該模型無法處理離散變量，實(shí)證中大多數(shù)財(cái)務(wù)比率并不滿足這些要求。20世紀(jì)70年代末，線性概率模型、Logit模型和Probit模型的出現(xiàn)有效地解決了這些問題。最早使用線性概率模型進(jìn)行財(cái)務(wù)困境預(yù)測(cè)的是Meryer和Pifer，但線性概率模型常常會(huì)得到大于1的結(jié)果，Logit模型卻能很好地克服這一缺點(diǎn)。Ohlson（1980）首先在商業(yè)銀行風(fēng)險(xiǎn)評(píng)估的過程中使用了Logit模型。Martin通過比較不同模型的預(yù)測(cè)能力后得出Logit模型優(yōu)于Z-Score模型和ZETA模型。我國(guó)學(xué)者吳世農(nóng)、盧賢藝?yán)?998—2000年我國(guó)A股市場(chǎng)ST公司數(shù)據(jù)比較不同模型預(yù)測(cè)效果后得出Logit模型預(yù)測(cè)能力強(qiáng)于線性概率模型和多元判別分析。

20世紀(jì)80年代開始興起了高預(yù)測(cè)精度的神經(jīng)網(wǎng)絡(luò)等非線性模型，但Barniv將Logit模型與神經(jīng)網(wǎng)絡(luò)模型進(jìn)行比較發(fā)現(xiàn)二者在預(yù)測(cè)結(jié)果的準(zhǔn)確率上并無太大差異。近年來，李從欣，肖示恩，鄭蕓（2009）構(gòu)造上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)的Logit模型，并用t檢驗(yàn)和主成分分析法進(jìn)行分析，得到了精度非常高的預(yù)測(cè)模型。

鑒于前人的研究思路，本文將選用穩(wěn)健性良好的Logit模型，使用我國(guó)上市公司公開的財(cái)務(wù)數(shù)據(jù)及相關(guān)市場(chǎng)信息構(gòu)建我國(guó)上市公司財(cái)務(wù)困境預(yù)測(cè)的模型，并加以分析。

3模型與實(shí)證分析

3.1變量和數(shù)據(jù)選擇

本文分別選取了2014年的67家覆蓋不同行業(yè)、不同資產(chǎn)規(guī)模的A股上市公司進(jìn)行研究，其中包括36家ST上市公司和31家非ST上市公司，考慮到我國(guó)上市公司公布（t-1）年的財(cái)務(wù)報(bào)表與t年被ST處理是幾乎同時(shí)發(fā)生的，因此本文采用2012年的財(cái)務(wù)數(shù)據(jù)來建立模型預(yù)測(cè)2014年的ST情況。筆者曾考慮過同時(shí)把滯后幾期的上市公司財(cái)務(wù)數(shù)據(jù)加入模型中以獲得更好的長(zhǎng)期預(yù)測(cè)效果，但是由于變量個(gè)數(shù)太多，因子分析降維后結(jié)果依然不理想，最后通過預(yù)測(cè)比較，決定只選擇2012年的數(shù)據(jù)進(jìn)行預(yù)測(cè)。我們擬選定的變量如下：

償債能力：資產(chǎn)負(fù)債率X1、流動(dòng)比率X2、速動(dòng)比率X3、產(chǎn)權(quán)比率X4；贏利能力：加權(quán)凈資產(chǎn)收益率X5、攤薄總資產(chǎn)報(bào)酬率X6、毛利率X7、凈利率X8；營(yíng)運(yùn)能力：總資產(chǎn)周轉(zhuǎn)率X9、應(yīng)收賬款周轉(zhuǎn)天數(shù)X10、存貨周轉(zhuǎn)天數(shù)X11、固定資產(chǎn)周轉(zhuǎn)率X12；發(fā)展能力：營(yíng)業(yè)收入增長(zhǎng)率X13、總資產(chǎn)增長(zhǎng)率X14、資本積累率X15；引入市場(chǎng)信息變量：每股收益X16、股票年換手率X17、Beta系數(shù)X18。

3.2預(yù)測(cè)模型和結(jié)果

首先看一下變量的描述性統(tǒng)計(jì)分析，如表1所示。

4結(jié)論及對(duì)策建議

通過我國(guó)A股上市公司財(cái)務(wù)信息及股票市場(chǎng)信息構(gòu)造的Logit模型可以有效地預(yù)測(cè)上市公司發(fā)生財(cái)務(wù)困境的可能性。模型顯示，營(yíng)運(yùn)能力因子在預(yù)測(cè)我國(guó)上市公司財(cái)務(wù)困境方面貢獻(xiàn)值最大，因此應(yīng)該作為財(cái)務(wù)困境預(yù)測(cè)關(guān)注指標(biāo)的重中之重，贏利能力和發(fā)展能力因子也具有一定的影響力，應(yīng)當(dāng)給予足夠的關(guān)注度。本文選取了較為全面的財(cái)務(wù)指標(biāo)加以分析，模型具有良好的預(yù)測(cè)能力。

雖然本文建立的模型在預(yù)測(cè)我國(guó)上市公司財(cái)務(wù)困境上是有效的，但也存在不足之處：

（1）未能將定性分析與定量分析相結(jié)合，諸如宏觀經(jīng)濟(jì)、行業(yè)前景、技術(shù)水平等因素都可能導(dǎo)致企業(yè)陷入財(cái)務(wù)困境，沒有全面地量化上市公司信用風(fēng)險(xiǎn)，影響模型精度；

（2）未細(xì)分上市公司風(fēng)險(xiǎn)等級(jí)，對(duì)其研究?jī)H僅局限于ST公司，忽略了生產(chǎn)經(jīng)營(yíng)已潛伏著一定的財(cái)務(wù)風(fēng)險(xiǎn)卻沒有被ST名單的公司；

（3）我國(guó)上市公司中許多業(yè)績(jī)不好的公司財(cái)務(wù)報(bào)表水分較大，有的機(jī)構(gòu)和媒體甚至勾結(jié)發(fā)布虛假消息，影響預(yù)測(cè)結(jié)果。

根據(jù)上述的理論分析和實(shí)證研究，為了規(guī)范我國(guó)證券市場(chǎng)，進(jìn)一步提高我國(guó)資本市場(chǎng)的健康程度，筆者結(jié)合我國(guó)上市公司的實(shí)際情況提出以下對(duì)策建議：

（1）當(dāng)前我國(guó)上市公司信息披露主要集中在贏利指標(biāo)方面，相關(guān)監(jiān)測(cè)機(jī)構(gòu)還應(yīng)加大對(duì)上市公司諸如營(yíng)運(yùn)指標(biāo)、發(fā)展指標(biāo)、償債指標(biāo)等其他財(cái)務(wù)指標(biāo)的披露，使投資者擁有更加充分的信息，以便做出決策。

（2）進(jìn)一步完善我國(guó)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警機(jī)制。我國(guó)上市公司的風(fēng)險(xiǎn)等級(jí)沒有進(jìn)行細(xì)分，被ST處理的公司實(shí)質(zhì)上已經(jīng)陷入了嚴(yán)重的財(cái)務(wù)困境。但從實(shí)際情況來看，被ST的公司往往可以通過一些非市場(chǎng)手段避免公司退市，甚至能夠摘星摘帽。但這并不代表公司本質(zhì)上的財(cái)務(wù)危機(jī)得到了解決，最終會(huì)導(dǎo)致整個(gè)資本市場(chǎng)的不健康發(fā)展。

（3）上市公司應(yīng)當(dāng)不斷完善自身治理結(jié)構(gòu)和資本結(jié)構(gòu)，尋找財(cái)務(wù)困境的深層次原因。防止因股權(quán)過度集中而出現(xiàn)的大股東侵占小股東利益的情況，維持內(nèi)部管理和內(nèi)部控制機(jī)制的有效進(jìn)行。

此外，由于本文取樣的局限性，模型還不足以推廣到市場(chǎng)上的中小企業(yè)。如果條件允許，應(yīng)擴(kuò)大樣本范圍，更加全面地設(shè)計(jì)變量，構(gòu)建一個(gè)能夠量化市場(chǎng)上大部分企業(yè)信用風(fēng)險(xiǎn)的模型，這也將是今后重點(diǎn)研究的方向?！糎J1*2/3〗

參考文獻(xiàn)：

[1]Altman，Edward I.Financial Rations，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance，1968（9）.

[2]E.I.Altman，R.G.Haldeman，P.Narayanan.Zeta Analysis：A New Model to Identify Bankruptcy Risk of Corporations[J].Journal of Banking and Financial，1977（7）.

[3]Beaver，William H.Financial ratios as predictors of failure[J].Journal of Accounting Research，1966（4）：71-111.

[4]Barniv R.Accounting procedures，market data，cash flow figures and insolvency classification：the case of the insurance industry[J].The Accounting Review，1990（65）：578-604.

[5]吳世農(nóng)，盧賢義.我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J].經(jīng)濟(jì)研究，2001（6）.

[6]李從欣，肖示恩，鄭蕓.上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)研究[J].中國(guó)管理信息化，2009（16）.

[7]唐亮，張北陽(yáng)，陳守東.我國(guó)上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)和度量[J].工業(yè)技術(shù)經(jīng)濟(jì)，2011（2）.

[8]馬喜德.上市公司財(cái)務(wù)困境預(yù)測(cè)實(shí)證研究[C].廈門：廈門大學(xué)金融系，2003.