中国上市公司的财务困境预测

中国上市公司的财务困境预测　陈 晓 陈治鸿　清华大学经济管理学院　Ｔｅｌ：　（８６１０） ６２７８－９８６３　Ｆａｘ：　（８６１０） ６２７８－８１３３　Ｅ－ｍａｉｌ：　ｃｈｅｎｘ＠ｅｍ．ｔｓｉｎｇｈｕａ．ｅｄｕ．ｃｎ　邮编：北京　１０００８４　修改于２０００年６月９日　中国上市公司的财务困境预测１　〖摘要〗　　预测上市公司的财务困境是投资者、债权人及证券市场监管机构所广泛关注的课题。

本文以因财务状况异常而被特别处理（ＳＴ）作为上市公司陷入财务困境的标志，运用多元逻辑回归模型和可公开获得的财务数据对中国上市公司的财务困境进行了预测。

通过试验１２６０种变量组合，我们发现负债／权益比、应收帐款周转率、主营利润／总资产和留存收益／总资产对上市公司财务困境有着显著的预示效应。

就判别正确率而言，本研究所发现的最优模型能够从上一年ＲＯＥ公告小于　５％的上市公司中预测出７３．７％的下一年会进入ＳＴ板块的公司，总体正确率为７８．２４％。

　〖关键词〗财务困境　预测　逻辑回归 交互检验 正确率　前言　　本文以中国上市公司作为研究对象，以因财务状况异常而被列为特别处理公司（ＳＴ公司）作为界定上市公司的财务困境标志，采用多元逻辑回归模型寻找最佳的利用公开财务数据预测中国上市公司财务困境的预测模型和变量。

我们的研究结果表明，尽管只有十年历史的中国资本市场中的会计数据质量不尽人意，但财务数据对投资者预测公司的财务困境仍然很有帮助。

利用前一年报告的财务数据，我们所发现的最优模型能够正确预测出７３．７％的在下一年进入ＳＴ板块的公司，而具有显著解释能力的财务指标则分别为：反应财务杠杆的负债／权益比，反应资产管理能力的应收帐款周转率，反应盈利及回报能力的主营利润／总资产比，以及反应股本扩张能力的留存收益／总资产比。

　 本文共分为五个部分，第一部分简要回顾了财务困境预测的相关文献，第二部分描述了在中　国的研究背景，第三部分讨论了研究设计和样本采集方法，第四部分给出了估计和预测判别结果，并进行了相应的边际和成本比较分析，第五部分则为本文的结论。

　1本项研究为小林实中国经济研究基金资助项目。

在此，作者要特别感谢前后三位匿名审稿人对本文所提出的意见和建议。

一、文献回顾　最早的财务困境预测研究是Ｆｉｔｚｐａｒｔｒｉｃｋ（１９３２）开展的单变量破产预测研究。

以１９家公司作为样本，运用单个财务比率将样本划分为破产和非破产两组，Ｆｉｔｚｐａｒｔｒｉｃｋ发现判别能力最高的是净利润／股东权益和股东权益／负债两个比率。

尽管Ｆｉｔｚｐａｒｔｒｉｃｋ　研究的结果很不错，但一直到了三　十多年后的１９６６年才有人沿着他的这条思路继续研究破产预测问题。

Ｂｅａｖｅｒ（１９６６）使用由７９对公司组成的样本，分别检验了反映公司不同财务特征的６组３０个变量在公司破产前１￣５年的预测能力，他发现最好的判别变量是营运资本流／负债（在公司破产的前一年成功地判别了９０％的破产公司）和净利润／总资产（在同一阶段的判别成功率是８８％）。

Ｂｅａｖｅｒ还发现越临近破产日，误判率越低。

　　自从Ｂｅａｖｅｒ的这项研究之后，很少再有专门的单变量研究出现，大多数研究人员更倾向于采用多变量分析方法，这主要是因为企业的财务特征不可能由一个变量充分反映出来。

Ａｌｔｍａｎ于１９６８年首先使用了多元线性判别模型研究公司的破产问题。

根据行业和资产规模，他为３３家破产公司选择了３３家非破产配对公司，选用２２个变量作为破产前１￣５年的预测备选变量，根据误判率最小的原则，最终确定了５个变量作为判别变量。

在估计样本中，其模型在破产前一年成功地判别出３３家破产企业中的３１家，而对于由２５家破产企业和５６家非破产企业组成的检验样本，模型在企业破产前一年正确地从２５家破产企业中判别出２４家，从５６家非破产企业中判别出５２家。

　　线性判别模型对预测变量有着严格的联合正态分布要求，但现实中大多数财务比率并不满足这一要求，且一旦在预测变量中出现虚拟变量，那么联合正态分布的假设就完全不成立。

为克服这一局限性，研究人员引进了逻辑（Ｌｏｇｉｔ）和概率比（Ｐｒｏｂｉｔ）回归方法。

使用逻辑回归方法和由在１９７０－１９７６年间破产的１０５家公司和２０５８家非破产公司组成的非配对样本，Ｏｈｌｓｏｎ（１９８０）分析　了样本公司在破产概率区间上的分布以及两类判别错误和分割点的关系，他发现至少存在四类显著影响公司破产概率的变量：公司规模，资本结构，业绩和当前的变现能力。

由此Ｏｈｌｓｏｎ认为以前根据行业和资产规模来进行样本配对的选样方法显得有些武断，还不如将资产规模变量直接放在模型中考虑。

此外，他还发现以前的一些研究有高估模型预测能力的现象，他将这种现象归咎于在样本中含有破产申请日后公布的数据。

　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困境预测研究中。

然而，无论采用什么统计技术或方法，财务困境预测都存在着以下几个问题：　１．缺乏经济理论的指导。

在目前的文献中，解释破产原因的规范性理论非常少。

传统上对破产的解释大致可分为四类，一类称作“非均衡模型”（ｄｉｓｅｑｕｉｌｉｂｒｉｕｍ　ｍｏｄｅｌ），主要用外部冲击来　解释公司的破产，如混沌理论（ｃｈａｏｓ）和灾害理论（ｃａｔａｓｔｒｏｐｈｅ）；第二类为用具体的经济原因　（如市场结构，资本结构及公司的定位）来解释公司破产的财务模型（Ｆｉｎａｎｃｉａｌ　Ｍｏｄｅｌ），如Ｓｃｏｔｔ　（１９８１）导出的一期期权定价模型、没有外部资本市场的赌徒破产模型、具有完全外部资本市场的赌徒破产模型以及不完全外部资本市场中的赌徒破产模型等四种模型。

第三类是近年引入的代理模型（ａｇｅｎｃｙ　ｍｏｄｅｌ），试图用股东和债权人之间的潜在利益冲突来解释公司的破产。

最后一　类是建立在产业经济学上的管理理论（ｍａｎａｇｅｍｅｎｔ　ｔｈｅｏｒｙ），这一理论试图通过寻找公司管理和　战略上的弱点来解释破产，此类研究主要以案例研究为主。

然而，尽管这些经济理论对建立财务困境预测模型有一定的指导作用，但远不能准确确定预测模型应包括的预测变量。

因此，在选择预测变量时，破产预测的经验研究只能以判别率的高低作为标准，进行大量的“搜索工作”，在若干种不同模型、变量组合、样本组合和估计技术组合中寻找判别能力最好的预测模型。

　２．在社会科学中，研究人员更多的是从现实世界的事件中收集数据来检验各种假设，财务困境研究也不例外，大多数破产研究面向上市公司而不是面向破产率很高的私人小公司，这主要是因为上市公司的数据容易获得且比较可靠。

　尽管研究人员在研究方法的改进上作出了不懈的努力，但从总体上看，现在的研究方法仍然存在两个关键问题。

　　第一个问题是最优的判别变量常常是陷入财务困境的征兆，而非陷入财务困境的原因。

困境公司数量相对较少（在所有上市公司中，每年只有０．５％￣２％的公司破产）使得研究人员不得不将在不同时期陷入困境的不同行业的公司集合在一起以获得充足的样本量，从这样一个样本得到的最好的预测变量必然是对所有时期样本公司都显著的变量，它们反映了困境公司“最普遍的共同特征”。

因为困境期公司一般都存在利润低（甚至是负数）和负债高的现象，所以最好的预测变量往往是利润指标和负债率指标。

从这个角度来看，大多数困境预测模型提供给财务分析人员的信息只是一些表象而已。

　　第二个问题是样本选取的困难。

尽管上市公司数据相对容易获得，但财务困境公司的某些数据难于在陷入困境前获得，完整性也不够。

另外，很多研究采用“配对抽样”方法为困境公司构造一组控制样本，尽管这一方法可以控制一些因素，如行业和资产规模，但同时也把作为配对标准的这些因素排除在模型之外，而这些因素很可能是解释破产的重要因素（参见Ｄｕｎ＆Ｂｒａｄｓｔｒｅｅｔ　（１９８５）的调查报告）。

更为严重的是，配对抽样还造成样本中两类公司的比例和它们在总体中的比例严重不一致，夸大了预测模型的判别正确率（Ｚｍｉｊｅｗｓｋｉ，１９８４）。

　尽管财务困境预测模型在经济学理论基础和研究方法论上受到了很大的挑战，但股票投资者、债权人及其他利益相关者和政府监管机构对财务困境预测的巨大需求，不仅使这一领域的学术研究得以不断进行，而且还产生了一些广为应用的实用模型，如Ａｌｔｍａｎ，Ｈａｌｄｅｍａｎ与Ｎａｒａｙａｎａｎ等在１９７７年开发的ＺＥＴＡ®　ＣＲＥＤＩＴ　ＲＩＳＫ模型。

在一个不确定的环境中提前预测企业财务困境的强烈　需求是推动这类研究的最主要、最直接的动力。

　二、研究背景　　随着中国股票市场的发展，中国对亏损上市公司的管制规定也越来越细致。

于１９９４年７月１日正式实行的《公司法》１５７条规定：上市公司如果在最近三年亏损，由国务院证券管理部门决定暂停其股票上市；第１５８条规定：上述情形在限期内未能消除，由国务院证券管理部门决定终止其股票上市。

其后，中国证监会为减少来自上市公司方面的市场风险，于１９９８年３月１６日正式公布了　《上市公司状况异常期间的特别处理》规定２，规定如发生财务状况异常或发生其他异常状况导致投资者对该公司前景难以判定，可能发生损害投资者利益的情形时，交易所将对该上市公司实行特别处理。

其中，“财务状况异常”指的是最近两年连续亏损，或最近一年的每股净资产低于每股面值，或同时出现上述情况；“其它状况异常”指的是因自然灾害，重大事故导致公司生产经营活动基本终止，或公司面临赔偿金额可能超过其净资产的诉讼等。

上市公司一旦发生上述两种状况，将自动进入所谓的ＳＴ板块。

此处需要指出的是，如果地方政府和政府部门希望某一上市公司避免被特别处理，他们只能通过在年报公告前通过税收返还等财政手段或通过安排注资使公司避免出现两年连续亏损或最近一年每股净资产低于每股面值的情况，亦即只能通过盈余操纵来实现，而非通过年报公布后的游说和其他政治运作。

　　被特别处理的直接后果包括：（１）在指定的报刊上刊登特别处理公告；（２）股票价格的日涨跌幅限定在５％以内；（３）在股票前添加“ＳＴ”标记；（４）在指定报刊中另设专栏刊登特别处理股票的每日行情；（５）中期报告必须经过审计。

特别处理一般至少应持续一年。

１９９８年４月２７日，辽物资（０５１１）成为第一家被特别处理的上市公司，截止１９９９年７月，共有５５家上市公司先后被特别处理。

特别处理给这些公司带来了巨大的压力，陈晓、单鑫（１９９９）的研究显示被列入ＳＴ板块对公司的股票价格有显著的即期负面效应。

除此之外，公司不仅要受到更加严厉的监管，融资渠道变得更加狭小，还必须时刻防止连续三年亏损而被戴上“特别转让”的帽子。

从已被特别处理的公司来看，大部分公司都要经过大规模的资产置换，用优质资产置换劣质资产，甚至更换主营业务，大股东易主，管理层更迭，才能摆脱困境，摘掉被“特别处理”的帽子。