引入EVA指標(biāo)的上市公司財(cái)務(wù)預(yù)警模型對(duì)比研究

鄧馨　國(guó)超

【摘 要】 將EVA指標(biāo)引入財(cái)務(wù)預(yù)警，以2010—2014年我國(guó)滬深兩市A股首次被ST的上市公司作為研究樣本，分別構(gòu)建引入EVA指標(biāo)的Logistic回歸模型與Fisher判別模型，通過模型對(duì)比發(fā)現(xiàn)：Logistic回歸模型的預(yù)警準(zhǔn)確率明顯高于Fisher判別模型的預(yù)警準(zhǔn)確率。

【關(guān)鍵詞】 財(cái)務(wù)預(yù)警； EVA； Logistic回歸分析； Fisher判別分析

中圖分類號(hào)：F275 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004-5937（2016）08-0039-04

隨著我國(guó)資本市場(chǎng)的迅速發(fā)展，上市公司面臨的財(cái)務(wù)風(fēng)險(xiǎn)日益突出，迫切需要進(jìn)行有效的財(cái)務(wù)預(yù)警?，F(xiàn)階段對(duì)財(cái)務(wù)預(yù)警的研究主要采用實(shí)證分析的方法，通過構(gòu)建預(yù)警模型來識(shí)別潛在的財(cái)務(wù)危機(jī)，應(yīng)用較為廣泛的是Logistic回歸模型以及Fisher判別模型，本文分別構(gòu)建基于Logistic回歸分析和Fisher判別分析的預(yù)警模型，通過對(duì)二者的預(yù)警過程及效果進(jìn)行對(duì)比，確定更為準(zhǔn)確的預(yù)警模型，為上市公司財(cái)務(wù)預(yù)警提供一定的參考。

在構(gòu)建財(cái)務(wù)預(yù)警模型過程中，指標(biāo)體系對(duì)最終的判定準(zhǔn)確率具有顯著影響，因此，預(yù)警指標(biāo)的選擇顯得尤為重要。然而傳統(tǒng)財(cái)務(wù)指標(biāo)在預(yù)警過程中卻存在很多不足，例如，忽視權(quán)益資本成本、過度注重短期業(yè)績(jī)、易受人為操縱等，所以僅靠傳統(tǒng)財(cái)務(wù)指標(biāo)難以完全滿足財(cái)務(wù)預(yù)警的目的。國(guó)內(nèi)外學(xué)者針對(duì)此類問題也在不斷研究和探索，涌現(xiàn)出了許多新方法，如引入新的預(yù)警指標(biāo)、利用非財(cái)務(wù)信息、構(gòu)建時(shí)間序列等，其中，引入EVA指標(biāo)就是一種新的思維與嘗試[1]。

EVA實(shí)質(zhì)是對(duì)剩余收益的擴(kuò)展和延伸，被定義為稅后凈經(jīng)營(yíng)利潤(rùn)（Net Operating Profit After Tax，NOPAT）與資本成本（Capital Charge，CC）之間的差額。盡管EVA的定義較為簡(jiǎn)單，但實(shí)際的計(jì)算和調(diào)整過程卻很復(fù)雜，調(diào)整項(xiàng)目多達(dá)160項(xiàng)。國(guó)內(nèi)很多學(xué)者對(duì)我國(guó)現(xiàn)行企業(yè)會(huì)計(jì)準(zhǔn)則下EVA計(jì)算體系進(jìn)行研究發(fā)現(xiàn)，通過對(duì)研發(fā)費(fèi)用、戰(zhàn)略性投資、無息流動(dòng)負(fù)債、折舊費(fèi)用、各種準(zhǔn)備金、重組費(fèi)用、商譽(yù)、所得稅等主要事項(xiàng)的調(diào)整，能夠得出較為準(zhǔn)確的EVA數(shù)據(jù)[2]。因此，本文在研究過程中通過對(duì)上述主要事項(xiàng)的計(jì)算和調(diào)整來確定上市公司的EVA數(shù)據(jù)。

一、引入EVA指標(biāo)的財(cái)務(wù)預(yù)警研究設(shè)計(jì)

（一）樣本選取

本文選取2010—2014年我國(guó)證券市場(chǎng)A股首次被ST的上市公司作為目標(biāo)樣本，合計(jì)103家，其中被注冊(cè)會(huì)計(jì)師出具否定意見或者無法表示意見的有4家；其他狀況異常導(dǎo)致被ST的上市公司有10家；無法找到同時(shí)期、同行業(yè)、同規(guī)模配對(duì)樣本的上市公司有22家，剔除由于以上原因?qū)е卤籗T的公司后，剩余67家上市公司作為本文的目標(biāo)樣本。此外，按照1：1的配對(duì)比例，選擇同時(shí)期、同行業(yè)、同規(guī)模的67家非ST上市公司作為配對(duì)樣本，合計(jì)134家上市公司作為最終的研究樣本[3]。

（二）數(shù)據(jù)的時(shí)間范圍

根據(jù)我國(guó)證監(jiān)會(huì)上市交易規(guī)則，假定上市公司由于財(cái)務(wù)狀況異常在第t年被特別處理，那么它在t-1、t-2年連續(xù)兩年經(jīng)審計(jì)的凈利潤(rùn)為“負(fù)值”，如果仍然使用t-1、t-2這兩年的財(cái)務(wù)數(shù)據(jù)構(gòu)建預(yù)警模型，模型的準(zhǔn)確性將會(huì)被嚴(yán)重高估。因此，應(yīng)至少選擇t-3年的數(shù)據(jù)構(gòu)建預(yù)警模型。關(guān)于預(yù)警年度的問題，何沛俐和章早立[5]對(duì)時(shí)序樣本進(jìn)行了詳盡的實(shí)證分析，發(fā)現(xiàn)如果在第t-4年進(jìn)行財(cái)務(wù)預(yù)警，ST公司與非ST公司之間的差異是不顯著的。綜合來看，本文選擇t-3年的樣本數(shù)據(jù)進(jìn)行財(cái)務(wù)預(yù)警，以更為真實(shí)地反映模型的預(yù)警效果。

（三）指標(biāo)體系的構(gòu)建

本文的財(cái)務(wù)預(yù)警指標(biāo)主要包含兩類：

1.EVA指標(biāo)。調(diào)整和計(jì)算研究樣本的EVA數(shù)據(jù)，并以此為基礎(chǔ)確定EVA指標(biāo)，即用EVA代替?zhèn)鹘y(tǒng)凈利潤(rùn)確定相關(guān)的財(cái)務(wù)比率，從而提高預(yù)警指標(biāo)的準(zhǔn)確性[4]。EVA指標(biāo)主要有：修正銷售凈利率K1（即EVA/營(yíng)業(yè)收入）、修正主營(yíng)業(yè)務(wù)凈利率K2（即EVA/主營(yíng)業(yè)務(wù)收入）、修正凈資產(chǎn)收益率K3（即EVA/所有者權(quán)益）、修正總資產(chǎn)收益率K4（即EVA/總資產(chǎn)）。

2.傳統(tǒng)財(cái)務(wù)指標(biāo)。根據(jù)我國(guó)上市公司財(cái)務(wù)危機(jī)的特征，綜合前人的研究成果，本文選擇了20個(gè)傳統(tǒng)財(cái)務(wù)指標(biāo)，涵蓋了公司的償債能力、營(yíng)運(yùn)能力、盈利能力、獲現(xiàn)能力以及發(fā)展能力，綜合反映公司的整體狀況。其中償債能力指標(biāo)包括：流動(dòng)比率X1、速動(dòng)比率X2、現(xiàn)金流量比率X3、資產(chǎn)負(fù)債率X4、產(chǎn)權(quán)比率X5、利息保障倍數(shù)X6；營(yíng)運(yùn)能力指標(biāo)包括：存貨周轉(zhuǎn)率X7、應(yīng)收賬款周轉(zhuǎn)率X8、流動(dòng)資產(chǎn)周轉(zhuǎn)率X9、固定資產(chǎn)周轉(zhuǎn)率X10、總資產(chǎn)周轉(zhuǎn)率X11；盈利能力指標(biāo)包括：主營(yíng)業(yè)務(wù)毛利率X12、成本費(fèi)用利潤(rùn)率X13；獲現(xiàn)能力指標(biāo)包括：經(jīng)營(yíng)活動(dòng)現(xiàn)金流入流出比率X14、經(jīng)營(yíng)活動(dòng)現(xiàn)金凈流量增長(zhǎng)率X15、每股經(jīng)營(yíng)活動(dòng)凈現(xiàn)金流量X16；發(fā)展能力指標(biāo)包括：主營(yíng)業(yè)務(wù)收入增長(zhǎng)率X17、營(yíng)業(yè)利潤(rùn)增長(zhǎng)率X18、凈資產(chǎn)增長(zhǎng)率X19、總資產(chǎn)增長(zhǎng)率X20。

二、實(shí)證分析

（一）正態(tài)性檢驗(yàn)

本文使用Kolmogorov一Smirnov擬合優(yōu)度的檢驗(yàn)方法，將樣本數(shù)據(jù)的累計(jì)頻數(shù)分布與正態(tài)分布進(jìn)行對(duì)比，以確定預(yù)警指標(biāo)是否服從正態(tài)分布。將EVA指標(biāo)和傳統(tǒng)財(cái)務(wù)指標(biāo)進(jìn)行K-S檢驗(yàn)，檢驗(yàn)結(jié)果為：在95%的置信水平上，資產(chǎn)負(fù)債率X4、每股經(jīng)營(yíng)活動(dòng)凈現(xiàn)金流量X16這兩個(gè)指標(biāo)的雙側(cè)漸近顯著性值都大于0.05，故推斷其服從正態(tài)分布，其余22個(gè)指標(biāo)均不服從正態(tài)分布。

通過正態(tài)性檢驗(yàn)，確定各個(gè)指標(biāo)服從的分布情況，為下文的顯著性檢驗(yàn)奠定了基礎(chǔ)：對(duì)于服從正態(tài)分布的指標(biāo)采用T檢驗(yàn)的方法進(jìn)行顯著性檢驗(yàn)，對(duì)于不服從正態(tài)分布的指標(biāo)采用非參數(shù)檢驗(yàn)的方法進(jìn)行顯著性檢驗(yàn)。據(jù)此確定各指標(biāo)在預(yù)警過程中是否具有顯著性，將顯著的指標(biāo)予以保留，組成最終的財(cái)務(wù)預(yù)警指標(biāo)體系，作為構(gòu)建財(cái)務(wù)預(yù)警模型的初始數(shù)據(jù)。

（二）顯著性檢驗(yàn)

1.T檢驗(yàn)。對(duì)服從正態(tài)分布的兩個(gè)指標(biāo)進(jìn)行T檢驗(yàn)，綜合方差方程和均值方程的t檢驗(yàn)結(jié)果，在95%的置信水平上，資產(chǎn)負(fù)債率X4通過了T檢驗(yàn)，表明ST公司與非ST公司在長(zhǎng)期償債能力方面存在顯著差異；而每股經(jīng)營(yíng)活動(dòng)凈現(xiàn)金流量X16這一指標(biāo)未能通過T檢驗(yàn)，表明ST公司與非ST公司在現(xiàn)金流量方面不存在顯著差異。

2.非參數(shù)檢驗(yàn)。對(duì)不服從正態(tài)分布的22個(gè)指標(biāo)進(jìn)行非參數(shù)檢驗(yàn)，采用Mann-Whitney U檢驗(yàn)的方法，檢驗(yàn)兩個(gè)樣本的總體在某些特定位置上是否相等。檢驗(yàn)結(jié)果為：在95%的置信水平上，現(xiàn)金流量比率X3、存貨周轉(zhuǎn)率X7、固定資產(chǎn)周轉(zhuǎn)率X10、總資產(chǎn)周轉(zhuǎn)率X11、經(jīng)營(yíng)活動(dòng)現(xiàn)金流入流出比率X14、主營(yíng)業(yè)務(wù)收入增長(zhǎng)率X17這6個(gè)指標(biāo)未能通過非參數(shù)檢驗(yàn)，應(yīng)當(dāng)予以剔除；其余通過非參數(shù)檢驗(yàn)的16個(gè)指標(biāo)，則予以保留。

綜合T檢驗(yàn)和非參數(shù)檢驗(yàn)的結(jié)果，符合正態(tài)分布且T檢驗(yàn)具有顯著性的1個(gè)預(yù)警指標(biāo)，不符合正態(tài)分布但非參數(shù)檢驗(yàn)具有顯著性的16個(gè)預(yù)警指標(biāo)，總計(jì)17個(gè)顯著的指標(biāo)，組成最終的財(cái)務(wù)預(yù)警指標(biāo)體系，作為構(gòu)建預(yù)警模型的初始數(shù)據(jù)。

（三）因子分析

使用主成分法提取初始變量的公因子，以分析變量的相關(guān)矩陣作為提取公因子的依據(jù)，指定各公因子的最小特征值為1，通過因子分析發(fā)現(xiàn)提取6個(gè)公因子能夠解釋初始變量所包含72.65%的信息，因子得分系數(shù)如表1所示。

根據(jù)表1確定公因子與初始變量之間的線性得分公式為：

（四）Logistic回歸分析

將EVA指標(biāo)與傳統(tǒng)財(cái)務(wù)指標(biāo)相結(jié)合，通過正態(tài)性檢驗(yàn)、顯著性檢驗(yàn)確定預(yù)警指標(biāo)體系，以主成分法提取公因子，并按其因子得分構(gòu)建Logistic回歸模型，因變量為是否被ST，取值為0和1，0表示非ST公司，1表示ST公司。采用向前逐步法進(jìn)行回歸，根據(jù)Wald統(tǒng)計(jì)量的概率對(duì)變量進(jìn)行剔除，輸出結(jié)果如表2所示。

從表2可以看出，經(jīng)過三個(gè)步驟構(gòu)建的Logistic回歸模型中，F(xiàn)1、F3、F4以及常量進(jìn)入到了最終的回歸方程，其中，F(xiàn)1、F3、F4的顯著性值都小于0.05，表明這三個(gè)變量對(duì)回歸方程的貢獻(xiàn)均是顯著的。Wald統(tǒng)計(jì)量也進(jìn)一步驗(yàn)證了這一結(jié)論，Wald統(tǒng)計(jì)量的值越大，表明變量對(duì)回歸方程的顯著性越強(qiáng)。綜合認(rèn)為回歸方程的擬合程度較好，據(jù)此構(gòu)建的Logistic回歸模型為：

在總結(jié)前人研究成果的基礎(chǔ)上，設(shè)定觀測(cè)量的切割值為0.5，當(dāng)P>0.5時(shí)，判定為ST公司，數(shù)值越大，表明在未來幾年內(nèi)發(fā)生財(cái)務(wù)危機(jī)的可能性也就越大；當(dāng)P<0.5時(shí)，判定為非ST公司，數(shù)值越小，表明在未來幾年發(fā)生財(cái)務(wù)危機(jī)的可能性也就越?。划?dāng)P=0.5時(shí)，表明該公司發(fā)生財(cái)務(wù)危機(jī)的狀況尚不能判定，需要進(jìn)一步檢驗(yàn)。根據(jù)此預(yù)警模型的判定，得出的回歸結(jié)果如表3所示。

構(gòu)建引入EVA指標(biāo)的Logistic回歸模型對(duì)上市公司進(jìn)行財(cái)務(wù)預(yù)警，總體的預(yù)警準(zhǔn)確率為81.3%，其中將67家非ST公司中50家判定準(zhǔn)確，預(yù)警準(zhǔn)確率為74.6%；將67家ST公司中59家判定準(zhǔn)確，預(yù)警準(zhǔn)確率為88.1%。這說明引入EVA指標(biāo)構(gòu)建的Logistic回歸模型能夠比較準(zhǔn)確地預(yù)測(cè)上市公司出現(xiàn)財(cái)務(wù)危機(jī)的情況，為上市公司識(shí)別和防范財(cái)務(wù)危機(jī)提供有效的參考。

（五）Fisher判別分析

運(yùn)用Fisher判別分析構(gòu)建財(cái)務(wù)預(yù)警模型，使用步進(jìn)式方法將變量引進(jìn)判別模型，可以得出Fisher判別的標(biāo)準(zhǔn)化函數(shù)系數(shù)和非標(biāo)準(zhǔn)化函數(shù)系數(shù)，具體結(jié)果如表4所示。

經(jīng)過Fisher判別分析中步進(jìn)式方法的檢驗(yàn)，F(xiàn)1、F3、F4、F6作為自變量進(jìn)入到了判別模型中，通過標(biāo)準(zhǔn)化和非標(biāo)準(zhǔn)化的矩陣分析可以得到最終的判別函數(shù)，其中，根據(jù)標(biāo)準(zhǔn)化系數(shù)構(gòu)建的判別函數(shù)為：

Z=0.421F1+0.371F3+0.872F4-0.334F6

根據(jù)非標(biāo)準(zhǔn)化系數(shù)構(gòu)建的判別函數(shù)為：

Z=0.427F1+0.374F3+0.962F4-0.336F6

綜合上述構(gòu)建的判別模型，對(duì)研究樣本進(jìn)行檢驗(yàn)，可以得出最終的判別結(jié)果如表5所示。

構(gòu)建引入EVA指標(biāo)的Fisher判別模型，從分類結(jié)果表可以得出，經(jīng)過Fisher判別分析，總體的預(yù)警準(zhǔn)確率為79.9%，其中將67家非ST公司中51家判定準(zhǔn)確，判定準(zhǔn)確率為76.1%；將67家ST公司中56家判定準(zhǔn)確，判定準(zhǔn)確率為83.6%。可以看出，引入EVA指標(biāo)構(gòu)建的Fisher判別模型能夠較為準(zhǔn)確地進(jìn)行財(cái)務(wù)預(yù)警，為上市公司提供有效的參考。

（六）Logistic回歸模型與Fisher判別模型對(duì)比分析

將傳統(tǒng)財(cái)務(wù)指標(biāo)經(jīng)過EVA調(diào)整、修正，引入EVA相關(guān)指標(biāo)，分別構(gòu)建Logistic回歸模型與Fisher判別模型，對(duì)比二者的預(yù)警結(jié)果如表6所示。

通過表6對(duì)比結(jié)果可知，Logistic回歸模型對(duì)于非ST公司的判定準(zhǔn)確率為74.6%，略低于Fisher判別模型的準(zhǔn)確率76.1%；Logistic回歸模型對(duì)于ST公司的判定準(zhǔn)確率為88.1%，顯著高于Fisher判別模型的準(zhǔn)確率83.6%。綜合來看，Logistic回歸對(duì)樣本總體的預(yù)警準(zhǔn)確率為81.3%，明顯高于Fisher判別模型的準(zhǔn)確率為79.9%。從上述研究結(jié)果可以得出，引入EVA指標(biāo)構(gòu)建Logistic回歸模型的預(yù)警效果明顯優(yōu)于Fisher判別模型的預(yù)警效果。

三、結(jié)論

本文將EVA指標(biāo)引入財(cái)務(wù)預(yù)警，通過正態(tài)性檢驗(yàn)、顯著性檢驗(yàn)確定預(yù)警指標(biāo)體系，以主成分法提取公因子，分別構(gòu)建引入EVA指標(biāo)的Logistic回歸模型與Fisher判別模型，通過實(shí)證研究發(fā)現(xiàn)：Logistic回歸模型的預(yù)警效果明顯優(yōu)于Fisher判別模型的預(yù)警效果，構(gòu)建引入EVA指標(biāo)的Logistic回歸模型能夠較為準(zhǔn)確地識(shí)別和防范上市公司出現(xiàn)財(cái)務(wù)危機(jī)的情況，有效地進(jìn)行財(cái)務(wù)預(yù)警。

考慮到本文在樣本公司出現(xiàn)財(cái)務(wù)危機(jī)的第t-3年進(jìn)行財(cái)務(wù)預(yù)警，預(yù)警的時(shí)間跨度相對(duì)較長(zhǎng)，因此，引入EVA指標(biāo)的預(yù)警模型最終的判定準(zhǔn)確率能夠達(dá)到81.3%，基本實(shí)現(xiàn)了財(cái)務(wù)預(yù)警的目的。構(gòu)建引入EVA指標(biāo)的Logistic回歸模型作為財(cái)務(wù)預(yù)警研究的一種嘗試和探索，具有廣闊的發(fā)展前景。

【參考文獻(xiàn)】

[1] 谷祺，于東智.EVA財(cái)務(wù)管理系統(tǒng)的理論分析[J].會(huì)計(jì)研究，2000（11）：31-36.

[2] 國(guó)超，劉宏，鄧馨.EVA的調(diào)整事項(xiàng)及其計(jì)算體系解析[J].商業(yè)會(huì)計(jì)，2008（12）：71-72.

[3] 彭韶兵，邢精平.公司財(cái)務(wù)危機(jī)論[M].北京：清華大學(xué)出版社，2005.

[4] 趙治綱.中國(guó)式經(jīng)濟(jì)增加值考核與價(jià)值管理[M].北京：經(jīng)濟(jì)科學(xué)出版社，2010.

[5] 何沛俐，章早立.立體空間下的全新財(cái)務(wù)危機(jī)遠(yuǎn)期預(yù)警模型[N].中國(guó)證券報(bào)，2003-05-21.