上市公司财务危机预测研究

数量经济技术经济研究　２００２年第７期　

我国上市公司财务危机预警模型实证研究　

刘翰林　

内容提要建立财务危机预警模型，以财务指标数据形式将企业面临的潜在危险预先告　知经营者，能使公司在危机出现的萌芽阶段及时发现财务风险隐患，预先采取积极的措施改　善经营管理．提高经营业绩，最终摆脱财务危机走上健康发展的道路。　关键词　财务危机预警模型　效果分析　

一．财务危机及其预警的意义　

对于财务危机的含义，国内外学术界有许多不同的观点。本文将财务危机界定为上市公　司因“财务状况异常”而被“特别处理（ＳＴ）”的情形。将公司被特别处理作为进入财务危机的标　志，主要是考虑到财务危机预警模型实证研究的目的是根据实际证据构建一套适用于一般企　业的预警模型，而公司被特别处理这一现象是客观发生的，具有高度的可度量性，因而据此　定义财务危机比较容易确定研究样本。　正确地预测企业财务危机，对于投资者和债权人保护自身的利益、注册会计师判断其审　计风险、政府管理部门监控上市公司质量和证券市场风险等，也都具有重要的现实意义。　

二、研究方法、样本与预警指标的选择　

１　研究方法与样本的选择　本文采用Ｌｏｇｉｔ模型展开研究，其数据处理则借助于ＳＰＳＳ统计分析软件来实现。　本文从我国Ａ股市场上１９９８年～２０００年发生ＳＴ的公司中界定出６Ｏ家上市公司作为　研究样本，同时从所有上市公司（非ＳＴ）中随机选取另外６Ｏ家公司作为参照对象。借鉴国　外研究的取样经验，结合我国实际，确定以下取样原则：（１）时间严格相配；（２）剔除非正　常的ＳＴ公司，包括：　１，上市两年内就进入特别处理的公司；　因巨额负债进行特别处理的公　司；，３，因自然灾害、重大事故等进行特别处理的公司。　２　预警指标的选择　初步筛选了５大类共１５个指标，它们分别是：　（１）盈利能力：主营业务利润率　，、　总资产利润率　，净资产收益率　、每股收益　；　（２）偿债能力：资产负债率　，流　动比率　、速动比率　、营运资本总资产比　；　（３）资产管理能力：总资产周转　率　、存货周转率　Ⅲ、应收账款周转率　ｌ，；　（４）成长能力：总资产增长率　主营　业务收人增长率　净利润增长率　。　；　（５）主营业务鲜明状况：主营业务鲜明　率　，　【（主营业务利润一其他业务利润）／利润总额】。　

基于ｌｏｇｉｓｔｉｃ回归的上市公司财务危机预警模型

【摘要】为了建立合理有效的财务危机预警模型，本文选择了代表公司财务健康状况的18个指标作为备选预警指标，并运用logistic过程中逐步回归的方法从中选择了3个对因变量影响显著的财务指标。用容许度（TOL）和方差膨胀因子（VIF）两个指标对3个财务指标进行多重共线性检验。在多重共线性不显著的情况下，对符合条件的财务数据进行logistic回归，得到了财务危机预警模型。最后通过回代判定，发现这个模型具有较高的预测准确性。

一、财务危机预警研究概述

企业财务危机是一个连续的动态过程，并直接表现为绩效指标的恶化，因此可通过一定的财务指标来构造企业的财务预警模型。从现实情况来看，股票投资者、债权人和政府监管机构对企业财务危机预测具有很大的需求，这些需求推动了财务危机预警研究的不断深化。

国外对于财务预警模型的研究相对比较成熟，早在1966年，Beaver就运用单变量判定分析研究公司财务危机问题；Altman（1968）最早运用多变量线性判别分析（Multiple Discriminate Analysis）探讨企业危机预测问题，其发现最具解释能力的5个财务比率分别为：营运资金/总负债、保留利润/总资产、息税前利润/总资产、权益市价/总负债和销售收入/总资产。Altman、Haldeman和Narayanan（1977）继续对Altman（1968）的原始模型修正和补充，提出一个“新Zeta模型”。随着统计技术和计算机技术的不断发展，递归分类、人工智能及人工神经元网络等技术也逐渐被引入到财务危机预警模型中。

近年来，随着公司破产数量的增多，国内学者对公司财务危机预警模型的研究也越来越多：1999年，陈静发表了《上市公司财务恶化预测的实证分析》，该文将1998年年报后被特别处理（ST）的27家上市公司定义为财务危机公司。陈瑜在2000年发表了《对我国证券市场ST公司预测的实证研究》一文（《经济科学》，2000年6月），该文以1999年底前曾被特别处理（ST）的58家上市公司为样本进行了分析。吴世农、卢贤义（《我国上市公司财务困境的预测模型研究》，《经济研究》）以1998～2000年发生ST的70家上市公司为研究对象，结果表明（1）在财务困境发生前2年或1年有16个财务指标的信息时效性较强，其中净资产报酬率的判别成功率较高；（2）模型在财务困境发生前能做出较准确的预测，且在财务困境发生前4年的误判率在28%以内；（3）相对同一信息集而言，Logistic预测模型的误判率最低，财务困境发生前1年的误判率仅为6.47%。

公司治理指标的财务危机预警实证研究

摘要：财务危机不仅仅是由于财务活动引起的，公司治理方面的缺陷更是导致危机发生的源泉。本文以2010年首次被st的a股民营上市公司为研究对象，运用logistic回归建立财务危机前两年的预警模型。研究显示，综合指标财务危机预警模型在一定程度上提高了预测准确率。

关键词：民营上市公司 综合指标 预警模型

财务危机泛指出现困难，不能暂时或永久履行正常的支付义务（无论短期还是长期），并可能引发破产的情形。财务危机不仅仅是由于财务活动引起的，公司治理方面的缺陷更是导致危机发生的源泉。

1 样本设计

我国学者都是以因财务状况异常而被特别处理作为财务危机上市公司为样本，因此本文依据万得资讯、新浪网，以沪、深两市2010年首次被特别处理的8家民营上市公司以及按1：1的比例严格配对的8家健康公司作为样本构建模型。另选取了2010年深、沪两市st和非st的上市公司共16家（其中st公司10家，健康公司6家）作为检验样本。

2 指标选取及筛选

2.1 指标的选取 通过国内重要的文献索引并结合前人研究发现，有些人通过借鉴我国财政部等四部委联合颁布的“国有资本金效绩评价规则”中广泛应用的财务评价指标体系来构建指标体系；

有些人则采用根据指标出现次数多少的方法来选择、构建指标体系。本文针对民营企业发生财务危机的原因，同时结合陶立[1]在其硕士论文中对于企业财务危机的因素的解释、指标获取的难易程度，选取了财务指标和公司治理指标两类指标。财务指标涉及运营能力、偿债能力、盈利能力、增长能力四个方面；公司治理指标指的是公司治理结构方面的指标。具体指标如表1所示。

2.2 指标筛选 首先运用k－s检验方法检验30个指标变量是否服从正态分布，结果为：

x1，x2，x3，x4，x5，x6，x7，x8，x9，x10，x11，x12，x15，x20，x21，x22，y1，y2，y3，y4，y5，y6服从正态分布。

Ｉ财务管理　ＣＡＩ　ＷＵ　ＧＵＡＮ　ＬＩ　基于遗传算法的制造业上市公司　预　实证　巍　口李竹梅孙凯（太原理工大学经管学院山西太原０３００２４）　摘要：本支拳　．　Ａ　ＬＡ曼熬馈堡周＿选传算　对最：　二＿乘　支拄向量扭进　参数估础，哥盔　周＿　软件＿对＿才目哭财　务指提进行巫盔　布．测试　值检堕　韭参数捡验　盟基础上．，．建毒财爱危机预　搓型　通过囊迓　是　垂＿日月且　遣佳箨渚』壹吐参数所建皇煦最　二－霾Ｉ鱼量扭财＿Ｉ　危机预　测模型县有较高的预测准确率。　关键词：制造业上市公司遗传算法财务危机预警实证研究　一、引言　企业财务活动体现了企业再生产过程中的资金运动，　反映了企业同各个方面的经济关系。随着我国市场经济体　制改革的深化和资本市场的快速发展，经济领域中的复杂　性、不确定性日益凸显，尤其是２００８年全球金融危机的发　生，再次告诫管理者，及时、准确地预测企业的财务危机并　加以提早化解危机，才能维持企业经营以至于宏观经济的　稳定与健康。为了能够及时准确地对公司未来财务情况进　行预测，国内外专家学者进行了一系列的模型设计与应用　的尝试。早期建立的模型主要是传统统计类统计模型，主要　代表是Ｆｉｔｚｐａｔｒｉｃｋ、Ｂｅａｖｅｒ（２００６）的一元判别分析模型；Ａｈ．　ｍａｎ的多元判别分析模型；Ｏｈｌｓｏｎ的Ｌｏｇｉｔ回归模型；Ｔｈｅｏ．　ｄｏｓｓｉｏｕ的累积求和模型。然而这些传统统计类预警模型一　般都没有突破线形判别方法的局限性，且无动态学习和调　整功能。　近年来由于计算机技术的发展，出现了一些新兴的人　工智能型财务预警模型，代表有Ｆ￣ｄｍａｎ（２００７）等用决策　树进行了财务危机预警模型研究，Ｏｄｏｍ、Ｃｏａｔｓ＆Ｆａｎｔ、　Ｃｈａｒｍａｍｂｏｕｓ　ｅｔｃ．人工神经网络模型；Ｆｒａｎｅｉｓ　ＥＨ将粗集理　论应用于财务危机预警模型；Ｖａｐｎｉｋ（２００５）等首先提出支　持向量机（Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｍａｃｈｉｎｅ，ＳＶＭ）技术。　我国理论界对财务危机预警模型的研究起步比较晚，　始于吴世农和黄世忠的Ｆｉｓｈｅｒ判别分析财务危机预警模　型。此后，对财务危机预警模型的研究逐渐兴起，各种传统　统计模型以及智能模型也逐步被引进关于财务危机模型的　研究当中。杨淑娥、黄礼借助人工神经网络，对１２０家上市　公司的截面财务指标作为建模样本，进行了财务危机预警　模型的研究；张华伦、孙毅提出了一种基于粗集——模糊神　经网络的模型，并给出相应的算法；李贺、冯天谨（２００５）运　用ＳＶＭ模型，对我国烟酒行业５Ｏ家上市公司连续３年的　财务数据进行了实证研究。　研究表明：遗传算法具有较高的预测准确率，最小二乘　支持向量机能将非线性的模型很好地转化为一维线性求极　值的问题，实现了二维以及多维规划问题的简便实现途径。　本文即基于遗传算法，结合最小二乘向量机，运用ＭＡＴＬＡＢ　语言，实现对我国制造业上市公司的财务危机预警。　二、理论基础　（一）ＬＳ—ＳＶＨ模型的原理　最小二乘支持向量机模型（ＩＳ—ＳＶＭ模型）能够将二维　规划问题转化为一维求极值问题。其模型为ｆ（ｘｉ，ｙｉ）ｘｉ＝ｌ，　２，３…ｎ｝。当输入ｘｉ就有一个ｙｉ与之对应。其中ｘｉ为被预测　公司的财务指标数据，ｙｉ为预测出的公司状态，其只有两个　结果。其中ｙｉ＝＋ｌ代表财务困境公司。ｙｉ＝一１代表公司财务　运行健康。最／ｊ￣－－乘支持向量机模型就是要建立这样的一　个分类模型：　ｆ（ｘ）＝ｓｇｎ［ｗＴｑ￣（Ｘ）＋ｂ】　（１）　利用ＩＳ—ＳＶＭ模型进行降维转化为如下的优化问题：　ｍｉ“￣１，ｗｌｌ　＋　１　ｃ圭号　（２）　二　Ｉ＝Ｊ　遗传算法转化得到的表达式为：　ｒ　ｉ　ｆ（ｘ）＝ｓｇｎ　ｌ∑　ｉ（ｘ＿＇ｘ）＋ｂ　ｌ（３）　ｉ＝１　最终求出的ｆ（ｘ）的只能取＋１或一１。对本文来说，当　ｆ（ｘ）＝＋１时，其预测对应的是ＳＴ公司，当ｆ（ｘ）一１时，对应　健康公司。　（二）遗传算法原理　遗传算法的基本原理是随机产生一个符合该问题的初　始个体，构成此问题的搜索空问，适应度函数根据该问题的　适应度把适应度高的个体遗传到下一代，经过若干次的优　化直到达到所要求的适应度。　三、实证分析　（一）样本选取　国内目前对财务困境的研究，一般都是将ＳＴ公司视为　财务困境公司，但ＳＴ公司是盈利能力方面出了问题，并不　Ｃｏｍｍｅｒｃｉａｌ　Ａｃｃｏｕｎｔｉｎｇ　ｌ　２０１３・０３・０５期ｌ