我国上市公司财务危机预警体系的实证研究

我国上市公司财务危机预警体系的实证研究[摘要] 随着金融危机爆发，不少上市公司因为财务危机而形成经营危机。

有效的财务危机预警体系对于企业的生存发展有着重要的意义。

本文结合当前国内外有关企业财务危机预警模型的研究成果，提出建立财务危机预警体系的必要性、可能性以及相关理论。

在阐述理论的基础上进行相关的实证分析：运用主成分分析和Logistic回归发建立模型并进行分析研究，并得出相应的结论。

[关键词] 财务危机主成分分析Logistic分析财务预警财务指标1.引言自改革开放以来,随着我国市场开放度的不断加大,使得国内外市场竞争日益加剧,企业内部管理机制也不断出现新的问题。

2008年的全球金融危机,更是给不少上市公司带来了严重的经营危机。

而陷入经营危机的上市公司几乎毫无例外地都是以出现财务危机为征兆。

本文在查阅文献的基础上，按照理论与实证研究相结合的方法来构建论文。

选取了30家ST和30家非ST的上市公司作为案例分析。

其中15家ST和15家非ST的上市公司用来构建预警体系，另15家ST和15家非ST用来进行验证。

通过该论文的研究希望能引起上市公司对财务预警的重视，及早诊断出财务危机的信号，并采取相应对策，使企业在市场经济的大潮中立于不败之地。

2.理论分析和模型自变量的确定2.1 理论分析2.1.1 财务预警的概念财务危机预警是以财务会计信息为基础，通过设置并观察一些敏感性预警指标的变化，对企业可能或者将要面临的财务危机所实施的实时监控和预测警报。

财务预警由财务危机和预警两个词构成。

它要求管理人员依据相关指标的变化来预测企业财务即将呈现的问题，及时向利益相关者提出警示。

企业的支付压力和支付能力的脱节是财务危机的表象，资金配置的失效是财务危机的实质。

财务危机事实上是一种风险控制机制。

2.1.2 财务预警的理论基础企业预警理论是构建财务预警系统管理理论的基础理论，主要包括危机管理理论、策略震撼管理理论、企业逆境管理理论以及系统非优理论。

2.2 系统样本的选取中国证监会于1998年3月16日颁布了《关于上市公司状况异常期间的股票特变处理方式的通知》，要求证券交易所应对“状况异常”的上市公司实行股票的特别处理（special treatment，简称ST)。

我国证券市场上被ST的股票大多是由于“连续两年亏损或每股净资产低于股票面值（1元）”，即财务指标的恶化是上市公司被特别处理的主要原因。

因此国内研究一般把被ST作为上市公司陷入财务危机的标准，本文也将ST公司作为财务危机公司，非ST公司作为财务安全公司。

在对上市公司进行研究时，由于同一指标在不同行业之间往往有不同的标准，因而在确定研究样本时，最好仅选取某一行业的上市公司作为研究样本来建立财务危机预警体系，这样可以避免因为不同行业的数据可比性不高而导致的模型实用性不高。

在中国证监会公布的13个上市公司行业大类中，制造业所占的比例最大，经过分析比较，最终将我国沪市A股中的制造业上市公司作为本文的研究样本。

本文的研究当中采用配对的方法，从沪市的上市公司中来选取样本，即选取近被ST的上市公司作为财务危机样本组，共30家。

同时选取与财务危机组30家上市公司同行业，资产规模在10%差异之内的30家非财务危机上市公司作为配对样本。

2.3 变量的选取本文在参考了众多文献的基础上，分别从企业的盈利能力，偿债能力，资产营运能力，成长能力和获取现金能力反应企业的财务状况的5个方面出发，考虑了指标数据获取的难易程度并结合了以上原则，选取了以下15个指标来建立指标体系做为分析的起点。

如表1所示。

3.实证研究和结果分析本文将利用SPSS统计软件作为分析工具，对以上所收集的样本公司的财务指标数据进行因子分析和逻辑回归分析，建立预警模型。

3.1 因子分析在上文确定了15个财务指标用来建立财务危机预警模型，这些指标从不同的方面反映了公司的财务状况。

并引进统计学的因子分析法。

通过因子分析，找到较少的几个因子，进而代表数据的基本结构，反映原始信息的本质特征，然后用这些因子代替原来的观测量进行其他相关的统计分析，建立预警模型。

下边对研究样本在被宣布ST处理的前一年的15个财务指标数据运用SPSS 统计分析软件进行因子分析。

首先，我们可以得到KMO和Bartlett的检验结果，如表2所示。

表2 KMO和Bartlett的检验结果KMO 和Bartlett 的检验取样足够度的Kaiser-Meyer-Olkin 度量。

由表2 可知，KMO值和Bartlett球度检验结果得出，样本数据适合做因子分析。

在对研究样本的15个指标完成因子分析计算后，可以获得15个特征值。

本文提取了特征值大于1的6个因子变量作为下一步研究所用的变量。

从表3中我们可以看到，这6个因子的累计贡献率达到了81.123%，即这几个变量已经包含了原来15个财务指标81.123%的信息，因此，我们可以认为这6个因子变量基本反映了原有的财务指标的综合差异。

3.2 Logistic回归分析以及实证研究结果3.2.1 逻辑回归模型逻辑回归模型是对二分类因变量进行回归分析时最普遍使用的多元统计方法。

它根据样本数据使用最大似然估计法估计出参数值，经过一定的数学推导运算，可求得相应变量取某个值的概率。

逻辑回归模型的数学表达公式为：可以等价的表示为：在这里，P表示某件事发生的概率，ai为呆估计参数，Fi为自变量。

3.2.2逻辑回归分析及预警模型的构建利用SPSS统计分析软件，对上述60家上市公司的六个因子变量进行逻辑回归分析，可以建立相应的财务危机预警模型。

（1）模型判别分割点的选取在建立逻辑回归模型时，首先必须确定所要建立的模型的判别分割点。

由于本文所选取的样本是均衡的，即两类公司的比例为1：1，故采用0.5作为分割点。

因此，通过模型计算出来的某公司的概率大于0.5时，那么就判定样本公司为ST 公司；反之，视其为非ST公司。

（2）分析结果及构建模型将研究样本前一年的6个因子变量输入SPSS统计数据中，选择逻辑回归法，可以得到以下结果，如表6所示。

表6方程中的变量从上表可以看到F1、F4、F5、F6这因子变量都通过了显著性水平为5%的显著性检验，进入了最后的模型中，而x2、x3未能通过显著性检验，因而模型中最终只有4个因变量。

根据上表，我们可以得到前一年的逻辑回归模型：P值的范围在[0,1]，该值越大，表明公司在未来一年内发生财务危机可能性越大，反之，这表明公司的财务状况比较安全，发生财务危机的可能性比较小。

由于此模型是以0.5作为判别的分割点，因此当P值大于0.5时，在未来一年内将会被判为ST公司；反之，我们将被研究公司判定为非ST公司。

由上面的表达式可以得出企业的破产概率与F1、F4、F5和F6这四个因子成负相关，即该四个因子越大，企业的破产概率就越小。

其中，F1主要由总资产的收益水平、销售的净利润以及现金的回收能力决定，反映了企业的盈利能力以及现金的回收能力；F4主要由主营业务收入增长率和总资产增长率决定，反映了企业的成长能力；F5主要由应收账款周转率和存货周转率决定，反映了资本的营运能力；F6主要由总资产周转率和以及资产的增长率决定，反映了资产的状况。

因此我们可以得出企业的破产概率与企业的现金回收能力、成长能力，资本的营运能力以及资产的应用能力负相关。

3.3 预警模型的检验与评价3.3.1 模型的检验将研究样本前一年的数据代入逻辑回归模型中，然后根据判别分割点的标准，我们可以得到60家公司的判定结果，如下表7所示。

从判断结果汇总表中我们可以看到：（1）从整体预测率来看，预测的准确率为80%。

（2）横向比较：比较模型中的两类错误可以发现非ST公司被判定为ST公司的概率要大一些，为23.3%。

另一类错误为17.7%3.3.2 模型的评价经过因子分析法和逻辑回归法建立的预警模型具有以下特点：3.3.1 全面性。

本文所见的模型包含了15个财务指标，浓缩为6个因子变量。

这些变量基本上包含了企业所有的财务信息，分别从上市公司的盈利能力、偿债能力、资产营运能力、成长能力以及现金能力等几个方面综合评价了公司的财务状况。

3.3.2 可操作性。

逻辑回归模型通俗易懂，没有深奥的专业术语或不可量化的指标，不仅专业人士可以借鉴，一般的投资者也可以利用。

另外，在运用该模型进行财务危机预测时，由于SPSS等统计软件的辅助计算，是这种预测变得相对简单可行，可以在实践中运用。

3.3.3 灵活应用性。

本文所建立的模型不仅可以对非ST公司变成ST公司作出预测，而且还可以对ST公司变成非ST公司作出预测。

3.4 相关的结论（1）在构建该体系时，应采用对财务指标分布无要求的统计方法（如逻辑回归方法）。

因为研究样本的财务指标并不一定符合正态分布。

（2）SY公司的财务状况恶化并不是突然发生的，因而我们完全可以通过分析财务指标的变化来预测公司的未来财务状况。

通过上述的分析，可以发现ST 公司的大部分财务指标在其被特别处理前一年会计年度内呈现出了恶化的趋势，ST公司与非ST公司财务指标之间所呈现的差距很大，这使得财务与危机预警不仅必要，而且成为可能。

（3）本文将现金流量的因素考虑了进去，因为现金流量能够很好的反映企业的财务状况，这样使这些财务指标能够更全面的反映企业的财务状况。

（4）本文采用了因子分析法和逻辑回归法相结合的方法建立我国制造业上市公司的财务危机预警体系。

这是由于本文采用的指标较多，需要因子分析法进行浓缩；同时，逻辑回归在对财务危机企业进行研究过程时，其存在一定的局限性。

结果表明：两种方法的结合使所构建的财务危机预警体系取得了比较理想的预测结果。

（5）有以上的分析我们可以得出企业的破产概率与企业的现金回收能力、成长能力，资本的营运能力以及资产的应用能力负相关。

即企业的现金回收能力、成长能力，资本的营运能力以及资产的应用能力越强，企业越不可能破产。

4.结束语通过对我国沪市制造业的60家上市公司2009年的财务数据进行了统计分析，结合一定的研究方法，建立了财务危机预警体系，并进行了回代检验，最后的检验结果显示了该体系取得较好的预测效果。

可见其体系具有一定的实用性。

参考文献[1] 王莹. 浅析企业财务危机预警系统的构建[J]. 会计之友(中旬刊),2009,(04).[2] 王亚. 我国上市公司财务预警模型研究[J]. 中国总会计师, 2009,(02) .[3] 杨哲. 企业财务危机预警系统构建探讨[J]. 煤炭经济研究, 2009,(01) .[4] 张建儒,宋志霆,代昕箬. 企业财务危机预警系统研究文献综述[J]. 商场现代化,2009, (06).[5]John Stephen Grice, Robert W. Ingram.Tests of the generalizability of Altman’s bankruptcy prediction model[J].Journal Business research,2001,53-61.。