中小企業(yè)財務危機預警模型設計及實證研究

徐玉芳　邵勝華

【摘 要】 科學的財務危機預警模型對提升企業(yè)財務風險管理水平具有重要意義?；趪鴥?nèi)外現(xiàn)有財務預警模型，選取80家非金融中小型上市公司為研究對象，經(jīng)過變量篩選、Wilcoxon秩和非參數(shù)檢驗、KMO檢驗、公共因子計算、載荷系數(shù)計算等步驟，采用Logistic方法建立了兩種不同的中小型企業(yè)財務危機預警回歸模型，并對80家上市公司進行實證分析。研究結(jié)果表明：針對ST和非ST兩類企業(yè)，綜合Logistic回歸模型比純財務指標Logistic回歸模型的財務危機預警準確率提高了18.182%和10.145%。

【關鍵詞】 財務預警模型； Logistic回歸模型； 因子分析法； 中小企業(yè)

【中圖分類號】 F272.35 【文獻標識碼】 A 【文章編號】 1004-5937（2017）12-0031-04

一、引言

我國中小企業(yè)較多，普遍存在的問題是資本結(jié)構(gòu)不健全、管理結(jié)構(gòu)不合理、財務信息不完善、內(nèi)部控制制度落后、風險意識薄弱等，因此中小企業(yè)很難抵擋外部環(huán)境引發(fā)的風險。目前，很多中小型企業(yè)尚未意識到財務風險危機，也并未采取相關措施進行防治，直接導致很多中小企業(yè)連年虧損，甚至出現(xiàn)破產(chǎn)。建立一套完善可行的中小企業(yè)危機預警方法，成為當前學者們的研究熱點。

國外學者采用多元概率比回歸分析法、現(xiàn)金流量信息預測分析法和混合模型分析法對中小企業(yè)財務風險開展了大量研究，并取得了一定成果。Zmijewski[1]采用概率回歸分析法對3 800家正常企業(yè)和76家破產(chǎn)企業(yè)進行研究，建立了Probit財務預警模型；Aziz[2]通過對比破產(chǎn)和非破產(chǎn)企業(yè)的現(xiàn)金流量均值及公司納稅情況，提出了現(xiàn)金流量信息模型；Hongkyu et al.[3]采用破產(chǎn)預警混合模型，對韓國破產(chǎn)企業(yè)和正常企業(yè)進行了實證研究，驗證了混合模型分析法的可行性。任惠光等[4]采用DEA數(shù)據(jù)包絡分析法、Logistic模型和模糊神經(jīng)網(wǎng)絡模型，選取了財務、公司管理、效益等51個技術指標，對378家上市公司進行實證研究，提出一種跨期財務綜合危機預警模型；楊瀟[5]結(jié)合傳統(tǒng)Logistic財務預警模型和隨機欠抽樣不均衡分析方法，建立了RU-Logistic財務預警模型，采用主成分分析法對我國上市電力公司開展研究。

雖然近年來國內(nèi)外針對企業(yè)財務危機預警進行了大量研究，但是仍存在以下不足：（1）現(xiàn)有財務危機預警主要針對大型企業(yè)，對中小企業(yè)的相關研究還不多見；（2）國內(nèi)現(xiàn)有相關研究很少考慮我國國情，國外一些基本假設未必符合我國市場體制；（3）財務預警評價體系還不完善，很少考慮非財務指標對企業(yè)危機的影響。本文針對這些不足之處，選取80家中小企業(yè)上市公司為研究對象，采用Logistic方法建立了兩種不同的中小型企業(yè)財務危機預警回歸模型，并對比了兩種模型的企業(yè)財務危機預警準確率。研究成果可為中小企業(yè)財務危機預警提供參考。

二、企業(yè)財務危機預警模型設計

（一）模型特點與針對性

Logistic回歸模型是一種概率回歸廣義線性模型，可用于描述和推斷一組變量與多分類因變量之間的關系。Logistic回歸模型參數(shù)估計主要采用非條件最大似然法，通過建立似然函數(shù)和對數(shù)似然函數(shù)，獲得對數(shù)似然函數(shù)的最大特征根相關參數(shù)，得出各個參數(shù)的最大似然估計值。本文采用Logistic回歸來進行中小企業(yè)財務危機預警研究，主要因為Logistic回歸模型具有以下特點[6-7]：（1）Logistic回歸模型的自變量與因變量存在非線性關系；（2）Logistic回歸模型無需假設方差不變，對自變量分布無特殊要求，各個自變量可以是連續(xù)值或離散值，甚至可以為虛擬值，即不需要假設自變量間存在多元正態(tài)分布；（3）Logistic回歸模型的因變量為分類變量，預測精度較高?；贚ogistic回歸模型上述特點，認為其可以進行中小企業(yè)財務危機預警研究。

將中小企業(yè)是否陷入財務危機作為因變量，其狀態(tài)可以用0和1表示。當中小企業(yè)陷入財務危機時，因變量取1；當中小企業(yè)財務狀況良好時，因變量取0。在進行數(shù)據(jù)預處理時發(fā)現(xiàn)自變量（包括財務指標和非財務指標）不服從正態(tài)分布，因此選用不需要假設自變量間存在多元正態(tài)分布的Logistic回歸模型進行中小企業(yè)財務危機預警研究。

（二）研究樣本

鑒于我國大多中小企業(yè)并未上市，很多財務信息存在虛假情況且財務數(shù)據(jù)搜集較為困難，本文研究的中小企業(yè)主要來自滬深兩市中小企業(yè)板塊。采用與國內(nèi)外學者類似的研究方法，以上市公司是否處于ST狀態(tài)為判斷財務危機的標準，共選取80家非金融類中小型上市公司，其中69家非ST企業(yè)和11家ST企業(yè)，分為非財務危機組和財務危機組開展研究?？紤]到行業(yè)等因素對研究結(jié)果的影響，非財務危機組所處行業(yè)和資產(chǎn)規(guī)模盡量與財務危機組相近，所搜集數(shù)據(jù)均來自2012—2016年滬深兩市的公開財務報表。

（三）研究變量選取

1.財務變量選取

企業(yè)財務狀況與其運營能力、管理能力、盈利能力息息相關，目前仍沒有形成完善的企業(yè)財務危機預測變量選取依據(jù)。本文基于現(xiàn)有研究基礎，認為預警模型財務變量需滿足如下條件：（1）變量指標相關數(shù)據(jù)容易獲得；（2）能夠顯示中小企業(yè)短期償債能力；（3）可以體現(xiàn)中小企業(yè)的經(jīng)營現(xiàn)狀和發(fā)展狀態(tài)；（4）可以體現(xiàn)中小企業(yè)投資水平的合理性；（5）可以體現(xiàn)中小企業(yè)成長能力。

參考中國上市公司財務指標分析數(shù)據(jù)庫中的相關指標選擇本文分析所需的財務變量[8]。根據(jù)中小企業(yè)特點，確定償債能力指標、盈利能力指標、營運能力指標、發(fā)展能力指標和現(xiàn)金流指標為財務危機預警的一級指標，具體二級指標及其計算方法見表1。

2.非財務變量選取

中小企業(yè)財務危機不僅受到財務變量影響，還會受到宏觀經(jīng)濟、社會環(huán)境、行業(yè)因素等非財務變量影響。與財務變量不同，非財務變量收集難度大、成本高。國外研究人員大多選擇宏觀經(jīng)濟指標和行業(yè)指標作為非財務變量，但由于我國經(jīng)濟環(huán)境與國外經(jīng)濟環(huán)境有著較大差異，本文非財務變量更側(cè)重于微觀方面。選擇企業(yè)組織結(jié)構(gòu)、管理費用、董事會構(gòu)成和審計意見作為非財務變量一級指標，四項一級指標下設若干二級指標，具體情況見表2。

三、企業(yè)財務危機預警模型實證

（一）變量篩選

如果利用上述22個指標構(gòu)建中小企業(yè)財務危機預警模型，雖然可以進行較為全面的分析，但是工作量十分巨大，這些指標中的部分指標存在線性相關。為了提高計算準確率，須對上文16個財務候選指標和6個非財務候選指標進行正態(tài)性檢驗和顯著性檢驗。對各變量進行K-S檢驗，利用隨機變量B的樣本數(shù)據(jù)構(gòu)建分布函數(shù)，通過計算分布函數(shù)落在某個區(qū)間內(nèi)與正態(tài)分布重合的概率，用于判斷變量是否滿足正態(tài)分布。表3為16個財務候選指標和6個非財務候選指標的K-S檢驗及顯著性檢驗結(jié)果。表3中，各變量顯著性水平都接近于0，遠遠小于0.5。

由于各變量間不服從正態(tài)分布，因此需要對其進行Wilcoxon秩和非參數(shù)檢驗。將企業(yè)成為ST的前1年、前2年、前3年分別記為T-1、T-2、T-3。根據(jù)各單變量Wilcoxon秩和非參數(shù)檢驗結(jié)果，發(fā)現(xiàn)存貨周轉(zhuǎn)率（A12）、最大股東持股比例（B1）、Z-指數(shù)（B2）、董事會規(guī)模（B4）的顯著性水平均大于0.5，須剔除這些變量。因此，從前文16個財務候選指標和6個非財務候選指標中篩選出15個財務候選指標和3個非財務候選指標，作為中小企業(yè)財務危機預警模型的變量。

（二）因子分析

如果基于剩余的18個候選指標開展財務危機預警研究，計算量仍然很大，可進一步通過因子分析降低變量數(shù)。

1.KMO檢驗

利用KMO檢驗結(jié)果對候選財務變量進行判斷。若KMO值越大，說明變量相關性越強。對本文15個財務候選指標進行巴特利球體檢驗，其卡方計算結(jié)果為1192.15，自由度計算值為102，財務指標變量的KMO值為0.821。若KMO值分布在[0.8，0.9]，則說明因子分析效果較好，因此15個財務候選指標因子分析效果較好。

2.公共因子計算

表4為15個財務候選指標公共因子特征值、貢獻率計算結(jié)果。由表4可知，如果選擇5個公共因子，則能反映出15個財務候選指標81.693%的信息量；如果選擇4個公共因子，則能反映出15個財務候選指標78.113%的信息量。綜合效率和計算量，本文選擇前4個公共因子作為財務候選指標的替代變量，將其分別記為C1、C2、C3、C4。

（四）結(jié)果分析

1.純財務指標Logistic回歸模型

采用純財務指標回歸模型進行財務危機預警的檢驗結(jié)果見表8。由表8可知，針對ST中小企業(yè)和非ST中小企業(yè)，純財務指標回歸模型預警準確率分別為63.636%和82.609%。

2.綜合Logistic回歸模型

采用綜合回歸模型進行財務危機預警的檢驗結(jié)果見表9?？梢姡瑢τ赟T中小企業(yè)和非ST中小企業(yè)，綜合回歸模型預警準確率分別為81.818%和92.754%。對比綜合回歸模型和純財務指標回歸模型，綜合回歸模型預警準確率分別提升18.182%和10.145%。

四、結(jié)論

本文選取國內(nèi)80家非金融類中小上市公司為研究對象，其中69家非ST企業(yè)，11家ST企業(yè)。經(jīng)過變量篩選、Wilcoxon秩和非參數(shù)檢驗、KMO檢驗、公共因子計算、載荷系數(shù)計算等步驟，分別構(gòu)建了純財務指標回歸模型和綜合回歸模型。計算結(jié)果表明：對于ST企業(yè)和非ST企業(yè)，純財務指標回歸模型的預警準確率分別為63.636%和82.609%；綜合回歸模型的企業(yè)預警準確率分別為81.818%和92.754%；與純財務指標回歸模型相比，綜合回歸模型預警準確率分別提升18.182%和10.145%。

【參考文獻】

[1] ZMIJEWSKI M E. Methodological issues related to the estimation of financialdistress prediction models[J].Journal of Accounting Research，1984（22）：59-82.

[2] AZIZ D，et al. Bankruptcy prediction： An investigation of cash flow based models[J].Journal of Management Studies，1988，25（5）：419-437.

[3] HONGKYU J，INGOO H.Integration a of Case-Based Forecasting Neural Network and Discriminant Analysis for Bankruptcy Prediction[J].Expert System with Applications，1996，11（4）：415-422.

[4] 任惠光，班博.中國A股上市公司財務危機預警模型構(gòu)建及實證研究[J].山東大學學報（哲學社會科學版），2007（6）：130-136.

[5] 楊瀟.基于改進Logit模型的電力公司財務危機預警研究[J].會計之友，2017（2）：95-98.

[6] 牛似虎，方繼華，蘇明政.基于供應鏈金融的中小企業(yè)績效評價與實證[J].統(tǒng)計與決策，2017（1）：64-66.

[7] 馬大來，武文麗，董子銘.中國工業(yè)碳排放績效及其影響因素——基于空間面板數(shù)據(jù)模型的實證研究[J].中國經(jīng)濟問題，2017（1）：121-135.

[8] 王謙，時文超，西鳳茹.基于粗糙集——支持向量機的財務危機預警實證研究[J].統(tǒng)計與決策，2013（20）：156-158.