论文部分内容阅读
财务困境是市场经济中的普遍现象,也是一个世界性的问题。自上世纪60年代以来,随着企业破产问题的日益严重,各国学者纷纷试图通过定量分析对企业破产提前作出预测。随着我国加入WTO,我国上市公司所面临的外部竞争环境越来越激烈;尤其是伴随着2008年下半年以来席卷全球的金融危机,陷入财务危机的公司数量急剧上升,公司抵抗风险的能力显得较弱。为了能够增强公司的抵抗风险能力,使公司经营者能尽早得知公司潜在的危险而采取相应的措施就显得十分必要。因此,对上市公司财务预警模型的研究就成了财务理论界和实务界关注的焦点。企业陷入财务危机是一个逐步的过程,通常从财务正常渐渐发展到财务危机。实践中,大多数企业的财务危机都是由财务状况正常到逐步恶化,最终导致财务危机或破产的。因此,企业的财务危机不但具有先兆,而且是可预测的。财务危机预警作为一种诊断工具,其灵敏度越高就越能及时有效地发现、防范与解决问题,避免财务危机的发生。如何运用简洁、高效的财务危机预警模型去发现这些隐患并及时加以防范,对于经营者防范财务危机、对于保护投资者和债权人的利益、对于政府管理部门的监控,都具有重要的现实意义。近五十年来,国外的研究从多元判别分析等线性预测模型,到以神经网络模型为代表的各种非参数预测模型,相关的研究成果层出不穷。但是在国内,财务困境预测研究才刚刚起步。我国尚未建立完备的财务危机预警系统,仅在上市公司财务报告中进行某些财务预测信息的披露,但财务预测信息可能只是对上市公司历史和现在的财务趋势的简单延伸,一旦公司经营处于非常状况,财务预测披露的信息就可能无法准确反映未来趋势。事实上,上市公司在披露财务预测信息时,往往倾向于好消息,隐瞒坏消息,使得预测“失真”。在快速发展但尚不成熟的中国证券市场中,上市公司的财务健康与否关系到各投资人、债权人的相关利益,所以对其财务状况的研究极其重要。对上市公司财务危机预警系统的研究可以弥补目前财务预测的局限性。企业财务困境的研究对企业的管理者、投资者、债权人等利害相关人评价企业的经营状况、投资价值、信用状况等具有较强的实践意义。在此背景下,本文致力于在众多的财务预警模型中,寻找出一种或两种较适用于中国市场环境的财务风险分析模型,以帮助企业管理当局、广大投资者和证券监管部门更科学的决策。本文具体做了以下几个方面的工作:首先,对财务困境与财务危机预警进行了概念的探讨与界定。在本文的研究中,鉴于中国的特殊制度背景,与西方的界定方法显然不同,最终采用了1998年开始出现的上市公司受到特别处理这一现象作为公司财务困境的标志;其次,分析了公司产生财务危机的原因,回顾了国外从管理学角度到经济学角度对企业发生财务危机原因的研究理论。从国内财务预警的研究状况来看,学者在建立财务危机预警模型时应用的传统方法主要是两类:一是判别分析方法,二是回归分析方法。第三,在预测模型的方法上,对国内外相关研究领域中的经典文献进行了梳理,总结了国内外近十种财务预警模型,从理论上分析他们各自的优缺点,重点评述了财务困境预测模型的发展状况。目前研究使用较多的是多元判别分析模型、Logistic回归模型和人工神经网络。在对前人研究方法及研究成果总结的基础上,本文明确了研究思路,从权威的证券网站上选取了2006年我国深沪两市50家因为“财务状况异常”而被ST的上市公司作为研究样本,并根据同行业同期间同规模原则以1:3的比例取得了150家公司作为配对样本。选取能综合反映上市公司各方面财务状况的指标,包括四类29个传统财务比率指标和5个现金流量指标作为预测变量,另外还加入了审计意见和公司规模两个变量。首先是对预测变量的正态性检验(K-S检验),检验结果表明,除少数指标外,大部分备选预测变量总体上不符合正态性假设。由此在接下来对预测变量的均值差异检验中,本文采用了非参数检验的方法,即M-W检验和K-S检验中的Z检验,同时也进行了T检验作为参照。然后本文分别用Fisher多元判别分析模型和Logistic回归模型建构公司陷入财务困境前两年的预测模型,并采用训练集、测试集回代和多重交叉验证分别对两个模型的准确率进行检验。经过检验,模型的准确率令人满意。从研究结果一方面可以看出,两类模型都有比较好的预测能力,在困境发生的前二年都有75%以上的准确率;另一方面,从判别模型准确率的对比可知,Logistic回归模型比Fisher线性判别分析模型有着更优秀的预测能力。最后对各预测变量进行了比较分析,每股收益、现金比率在企业财务困境预警模型中发挥了最重要的作用。其次,资产负债率、产权比例、主营业务现金含量等指标也有较强的预测能力。本文的创新之处在于:(1)研究样本的设计。建模样本中包含样本组(财务危机公司组)和控制组(非财务危机公司组)两个组。大部分研究在抽取建模样本时采用“配对抽样”方法,即将不同行业中的企业放在同一样本中进行研究,先抽取样本组,再按照一一配对的原则选取与样本组数量相同、资产规模相近、行业性质相似的非财务危机企业作为控制组。这样做的目的是为了提高预警系统的通用性。这种方法可以控制行业与规模因素引起的偏差,提高模型的判别能力,但正因为如此,可能正是这些因素本身引起了财务困境的产生,却可能被排除在模型之外。本文用1:3数量的配比公司样本组成总样本,构建预测模型。配比标准遵循行业相近、规模相近、上市年份相近的原则。(2)预警指标的选择。至目前为止相关研究对预警指标的选择大致可分为三类:常规财务指标、现金流量类指标和市场收益类指标。由于常规财务指标具有实用、容易取得和客观性的优点,所以应用得最为广泛。而现金流量类指标和市场收益类指标的选择应用较少。同时,指标的选择一方面缺乏理论性依据,一般都是凭主观判断来选择;另一方面主要包含的是财务指标,引入行业、规模、管理水平等非财务指标的几乎没有。在查阅了相关资料并充分考虑模型指标数据资料本身获取的难易程度等影响因素之后,结合以上原则,本文初步确定了偿债能力、资产运营能力、盈利能力、成长能力指标四大类共23个财务比率类指标和5个现金流量指标,作为入选模型的基础指标。在本文研究中,由于侧重点不同,只选取了独立审计意见这一个指标,另外由于要求所选样本规模相似,故增加了公司资产规模指标。(3)变量数据的时间选择。国外的研究绝大部分选择的是破产或失败前一年的数据来得到预测模型,其判定效果好是自然的,因为所有指标在破产前一年两组公司之间的差异是最大的,时效性最强。国内的多数研究也套用这一做法,用(t-l)年的数据来构建预测模型,实际没有很大的意义。(t-l)年年报公布之时就是知晓是否ST之时,所以从真正预测的目的来说,应该从更远期的时点着眼,本文采用(t-2)年的数据,在这一时点作判断可以为企业及时改善状况赢得时间。即以上市公司在(t-l)年公布的(t-2)年财务报表数据来预测其在t年是否可能陷入财务困境,以(t-2)年财务数据建立预警模型。(4)判别点的选择。本文的研究样本由于采用了1:3非对称配对,传统的以先验概率0.5作为判别点经过检验效果不理想,因此经过了多次尝试得到模型在不同判别点的预测情况。考虑到两类错误的误判成本,一般认为第一类错误的成本要远高于第二类错误。比较判别点为0.4、0.3和0.25的情况,可以看出第一类误判率有明显下降,而整体的准确率没有太大的变化,所以本文采用0.25作为Z模型的判别点,同时使用三重交叉验证来测试该方法的准确率。