论文部分内容阅读
摘 要：选取制造业上市公司作为研究对象建立财务危机预警模型，选取2009-2011年间首次被ST的制造业上市公司和与其配对的同行业非ST上市公司共25对作为建模样本，选取建模样本被ST前两年即2007-2009年的财务指标和非财务指标共23个作为初始指标。在非参数检验的基础上建立了三种财务危机预警模型，并比较了不同模型间的优劣，对预警模型的准确性进行了检验，证明财务危机预警模型是实现财务危机预警的有效方式。
关键词：财务危机；判别分析；logistic回归分析
一、引言
财务危机预警就是利用定性或定量的方法通过对企业各财务指标进行检测分析，来判断企业是否偏离正常经营状况，并根据偏离的程度发出财务警戒信号的过程，是企业对于可能发生的财务危机的一种防范措施。通过财务危机预警，企业可以在经营状况出现异常的初期，及时发现企业存在的问题，采取措施解决问题，避免财务危机的发生给企业带来的损失。
在以往的国内研究中，往往只注重考虑财务指标的选择，而忽略了非财务指标的影响，在样本选取方面，只注重强调ST公司，忽略了不同行业间各指标衡量标准的差别，没有针对不同行业建立适合各自行业的专门的财务危机预警模型。
二、样本选择及指标选取
（一）样本选择
财务危机预警模型作为财务危机预警的有效手段，越来越受到广泛应用。本文建立财务危机预警模型的样本行业是制造业，截止2011年4月27日，在深圳证券交易所上市的1507只股票中，制造业股票就有1000只，在上海证券交易所上市的股票总数共有982只，其中制造业股票有502只。通过以上数据可以发现，制造业上市公司是我国沪深两市上市公司中的主要组成部分，因此，本文选取制造业上市公司作为研究对象，这样可以避免不同行业上市公司之间行业差异对于数据的影响，还可以得到充分的样本数据。
本文选取2009-2011年间首次被ST的制造业上市公司作为研究对象，按照同行业，相似资产规模为标准，选取与ST公司相配对的制造业非ST公司，ST和非ST公司共25对组成建模样本，样本涵盖了制造业中的化工、医药、有色金属、食品等多个行业。
上市公司是否被ST取决于它是否连续两年亏损或每股净资产低于股票面值，我国上市公司t-1年的年报是在第t年年初披露的，这与上市公司在第t年是否被ST几乎是同一时间发生的，即在第t-1年年报披露时已经知道了上市公司是否被ST，因此选用上市公司t-1年的数据预测第t年是否被ST就失去了实际意义。因此本文选取上市公司被ST前两年的数据作为研究对象，即2009年被ST的上市公司选取其2007年的数据，2011年被ST的上市公司选取其2009年的数据作为建模样本的数据来源。
（二）指标选取
本文从财务指标和非财务指标两个方面对模型构建指标进行选取，选取的指标要能准确反应上市公司的经营状况，财务成果等众多方面，而且要可以计量和方便获得。根据以上原则和国内外的研究成果，本文从偿债能力、盈利能力、营运能力、成长能力、现金流量五个方面选取17个财务指标，从审计意见、股权集中程度，公司治理等方面选取6个非财务指标构成分析的基础。
（三）非参数检验
为了判断上述23个指标是否是与企业财务危机的形成有关的指标，本文采用wilcoxon秩和检验的方法来检验指标是否在ST组与非ST组之间具有显著差异。Wilcoxon秩和检验适用于样本容量小，不依赖于正态总体假设的数据样本差异性的检验，检验过程通过spss19.0统计软件完成。Wilcoxon秩和检验的原假设为指标在ST公司和非ST公司之间没有显著差异性，检验的显著性水平为0.05，当渐进显著性的值低于显著性水平时，则拒绝原假设即指标在ST公司和非ST公司间具有显著差异性。反之，指标在ST和非ST公司间不具有显著差异性。X8（存货周转率）、X9（应收账款周转率）、X17（销售现金比率）、X19（第一大股东持股比例）、X20（最终控制人类型）、X21（董事会规模）、X22（董事会持股比例）、X23（独立董事比例）的渐进显著性的值都大于0.05，表示它们在ST公司和非ST公司之间不具有显著差异性，在构建模型的指标中予以剔除。
三、模型建立和检验
（一）逐步判别分析模型
根据逐步判别分析结果可以看出，15个变量中只有5个变量进入了模型，他们分别是X6（每股收益）、X3（资产负债率）、X14（总资产增长率）、X12（营业收入增长率）、X18（审计意见类型）。财务正常公司的线性判别式函数为：
Z=-6.930+0.107X3+4.352X6-0.009X12-0.056X14+7.169X18
财务危机公司的线性判别式函数为：
Z=-10.373+0.224X3-1.620X6-0.049X12-0.140X14+4.158X18
对于每一个观测利用上述判别函数计算其属于各类的得分，并将观测归入得分最高的一个类别，以实现对观测的分类。
分类结果给出了判别的准确性，根据分类结果可以看出直接用15个指标作为变量建立的逐步判别分析模型的准确率为92%，ST组样本和非ST组样本中都有两个样本分类错误，有23个分类正确，说明直接用15个指标建立的判别分析模型能较准确的对企业财务危机进行预测。
（二）基于因子分析的判别分析模型
通过分析，因子得分公式为：
根据典型判别式函数系数表可以得到典型判别式函数：
Z=0.912F1+0.553F2+0.524F3+1.074F4+0.681F5
分类结果表给出了典型判别函数判别效果，此判别模型分类的准确率为94%，样本非ST的25家公司全部正确的判定为非ST公司，样本中25家ST公司有3家被错判为了正常公司，其余22家判定为ST公司。 （三） Logistic回归模型
将因子分析得到的5个因子作为自变量，通过logistic回归建立模型得出上市公司是否发生财务危机的概率，以判断企业是否会发生财务危机，对企业财务危机进行预警。二元logistic模型为：
P为企业发生财务危机的概率，P>0.5时企业表现出财务危机，P<0.5时，企业财务状况表现为正常。
（四）模型的检验
为了更好地检验模型的准确性，本文另外选取了制造业上市公司25家作为验模样本，其中选取ST公司10家，非ST公司15家，通过将数据代入上述三个模型，分别得到分析结果如下：
（1）逐步判别分析模型检验结果。模型的分类准确率为80%，ST公司中有80%分类正确，非ST公司中也有80%分类正确，说明直接用15个检验指标作为变量建立的判别分析模型能有效的对企业财务危机进行预测。
（2）基于因子分析的判别分析模型检验结果。模型的分类准确率为88%，ST公司中有80%分类正确，非ST公司中有93.3%分类正确。从总体上看，模型的准确度还是较高的，可以对制造业上市公司的财务危机进行有效预测。
（3）logistic回归模型检验结果。logistic回归模型的准确率为92%，15家非ST公司全部预测正确，10家ST公司中有2家预测错误，分类准确率为80%。Logistic回归模型能较准确的实现对企业财务危机的预警。
通过上述三个财务危机预警模型的检验可以发现，无论是直接用检验指标作为变量建立的逐步判别分析模型还是利用因子分析得到的综合指标作为变量建立的判别分析模型，还是logistic回归模型都能实现对企业财务危机的有效预警，通过两个判别分析模型的分类准确性比较可以发现，基于因子分析建立的判别分析模型比直接用初始指标作为变量建立的模型的准确性略高，比较三个模型的准确性表明logistic回归模型的准确率相比两个判别分析模型都有所提高，logistic回归模型的准确性更好，而且logistic回归模型不但能判别企业是否会发生财务危机，还能得出企业发生财务危机的具体概率，使得企业对于其可能发生的财务危机有了量化的认识。Logistic回归模型在对企业财务危机预警的实际应用中比判别分析模型更具有实际价值。
四、结论
本文通过采取25对制造业ST公司和非ST公司作为样本进行研究，得出了以下结论：
第一，非财务指标与企业财务危机的形成是有关的。在以往的财务危机预警研究中，往往只考虑了财务指标对于财务危机形成的影响，而忽略了非财务指标。
第二，建立财务危机预警模型是对企业财务危机进行预警的有效手段。本文分别运用了判别分析方法和logistic回归方法建立了三个财务危机预警模型，采用相应的数据对企业是否会被ST进行判断，通过判断结果可以得出：两个判别分析模型和logistic回归模型都能有效的对企业财务危机进行预警，预警判断的准确率为80%以上，三种财务危机预警模型都能对企业是否发生财务危机进行较准确的判断。
第三，因子分析能有效消除指标间相关性的影响，使财务危机预警模型的准确率更高，logistic回归模型相比判别分析模型对企业财务危机的预警更加有效。通过比较logistic回归模型和两个判别分析模型的准确率可以发现logistic回归模型的准确率是最高的，为92%。
第四，本文建立的财务危机预警模型的预警期为两年。本文建立模型时采用的是ST企业被ST前两年的数据，建立的模型能对企业两年后是否被ST进行准确判断，说明建立的财务危机预警模型能对企业两年后是否发生财务危机进行有效预警，预警模型的预警期为两年。
参考文献：
[1]于义杰.引入非财务因素的财务危机预警模型研究[J].合作经济与科技，2012，（1）.
[2]宋忠宁.我国上市公司财务危机预警实证研究[J].市场周刊，2011，（1）.
[3]唐晓玲，郑曈.财务危机预警的主成分视角[J].中外企业家，2011，（11）.
作者简介：任广荣，女，江苏丰县人，山东省济宁市市中医院，绩效办主任。
关键词：财务危机；判别分析；logistic回归分析
一、引言
财务危机预警就是利用定性或定量的方法通过对企业各财务指标进行检测分析，来判断企业是否偏离正常经营状况，并根据偏离的程度发出财务警戒信号的过程，是企业对于可能发生的财务危机的一种防范措施。通过财务危机预警，企业可以在经营状况出现异常的初期，及时发现企业存在的问题，采取措施解决问题，避免财务危机的发生给企业带来的损失。
在以往的国内研究中，往往只注重考虑财务指标的选择，而忽略了非财务指标的影响，在样本选取方面，只注重强调ST公司，忽略了不同行业间各指标衡量标准的差别，没有针对不同行业建立适合各自行业的专门的财务危机预警模型。
二、样本选择及指标选取
（一）样本选择
财务危机预警模型作为财务危机预警的有效手段，越来越受到广泛应用。本文建立财务危机预警模型的样本行业是制造业，截止2011年4月27日，在深圳证券交易所上市的1507只股票中，制造业股票就有1000只，在上海证券交易所上市的股票总数共有982只，其中制造业股票有502只。通过以上数据可以发现，制造业上市公司是我国沪深两市上市公司中的主要组成部分，因此，本文选取制造业上市公司作为研究对象，这样可以避免不同行业上市公司之间行业差异对于数据的影响，还可以得到充分的样本数据。
本文选取2009-2011年间首次被ST的制造业上市公司作为研究对象，按照同行业，相似资产规模为标准，选取与ST公司相配对的制造业非ST公司，ST和非ST公司共25对组成建模样本，样本涵盖了制造业中的化工、医药、有色金属、食品等多个行业。
上市公司是否被ST取决于它是否连续两年亏损或每股净资产低于股票面值，我国上市公司t-1年的年报是在第t年年初披露的，这与上市公司在第t年是否被ST几乎是同一时间发生的，即在第t-1年年报披露时已经知道了上市公司是否被ST，因此选用上市公司t-1年的数据预测第t年是否被ST就失去了实际意义。因此本文选取上市公司被ST前两年的数据作为研究对象，即2009年被ST的上市公司选取其2007年的数据，2011年被ST的上市公司选取其2009年的数据作为建模样本的数据来源。
（二）指标选取
本文从财务指标和非财务指标两个方面对模型构建指标进行选取，选取的指标要能准确反应上市公司的经营状况，财务成果等众多方面，而且要可以计量和方便获得。根据以上原则和国内外的研究成果，本文从偿债能力、盈利能力、营运能力、成长能力、现金流量五个方面选取17个财务指标，从审计意见、股权集中程度，公司治理等方面选取6个非财务指标构成分析的基础。
（三）非参数检验
为了判断上述23个指标是否是与企业财务危机的形成有关的指标，本文采用wilcoxon秩和检验的方法来检验指标是否在ST组与非ST组之间具有显著差异。Wilcoxon秩和检验适用于样本容量小，不依赖于正态总体假设的数据样本差异性的检验，检验过程通过spss19.0统计软件完成。Wilcoxon秩和检验的原假设为指标在ST公司和非ST公司之间没有显著差异性，检验的显著性水平为0.05，当渐进显著性的值低于显著性水平时，则拒绝原假设即指标在ST公司和非ST公司间具有显著差异性。反之，指标在ST和非ST公司间不具有显著差异性。X8（存货周转率）、X9（应收账款周转率）、X17（销售现金比率）、X19（第一大股东持股比例）、X20（最终控制人类型）、X21（董事会规模）、X22（董事会持股比例）、X23（独立董事比例）的渐进显著性的值都大于0.05，表示它们在ST公司和非ST公司之间不具有显著差异性，在构建模型的指标中予以剔除。
三、模型建立和检验
（一）逐步判别分析模型
根据逐步判别分析结果可以看出，15个变量中只有5个变量进入了模型，他们分别是X6（每股收益）、X3（资产负债率）、X14（总资产增长率）、X12（营业收入增长率）、X18（审计意见类型）。财务正常公司的线性判别式函数为：
Z=-6.930+0.107X3+4.352X6-0.009X12-0.056X14+7.169X18
财务危机公司的线性判别式函数为：
Z=-10.373+0.224X3-1.620X6-0.049X12-0.140X14+4.158X18
对于每一个观测利用上述判别函数计算其属于各类的得分，并将观测归入得分最高的一个类别，以实现对观测的分类。
分类结果给出了判别的准确性，根据分类结果可以看出直接用15个指标作为变量建立的逐步判别分析模型的准确率为92%，ST组样本和非ST组样本中都有两个样本分类错误，有23个分类正确，说明直接用15个指标建立的判别分析模型能较准确的对企业财务危机进行预测。
（二）基于因子分析的判别分析模型
通过分析，因子得分公式为：
根据典型判别式函数系数表可以得到典型判别式函数：
Z=0.912F1+0.553F2+0.524F3+1.074F4+0.681F5
分类结果表给出了典型判别函数判别效果，此判别模型分类的准确率为94%，样本非ST的25家公司全部正确的判定为非ST公司，样本中25家ST公司有3家被错判为了正常公司，其余22家判定为ST公司。 （三） Logistic回归模型
将因子分析得到的5个因子作为自变量，通过logistic回归建立模型得出上市公司是否发生财务危机的概率，以判断企业是否会发生财务危机，对企业财务危机进行预警。二元logistic模型为：
P为企业发生财务危机的概率，P>0.5时企业表现出财务危机，P<0.5时，企业财务状况表现为正常。
（四）模型的检验
为了更好地检验模型的准确性，本文另外选取了制造业上市公司25家作为验模样本，其中选取ST公司10家，非ST公司15家，通过将数据代入上述三个模型，分别得到分析结果如下：
（1）逐步判别分析模型检验结果。模型的分类准确率为80%，ST公司中有80%分类正确，非ST公司中也有80%分类正确，说明直接用15个检验指标作为变量建立的判别分析模型能有效的对企业财务危机进行预测。
（2）基于因子分析的判别分析模型检验结果。模型的分类准确率为88%，ST公司中有80%分类正确，非ST公司中有93.3%分类正确。从总体上看，模型的准确度还是较高的，可以对制造业上市公司的财务危机进行有效预测。
（3）logistic回归模型检验结果。logistic回归模型的准确率为92%，15家非ST公司全部预测正确，10家ST公司中有2家预测错误，分类准确率为80%。Logistic回归模型能较准确的实现对企业财务危机的预警。
通过上述三个财务危机预警模型的检验可以发现，无论是直接用检验指标作为变量建立的逐步判别分析模型还是利用因子分析得到的综合指标作为变量建立的判别分析模型，还是logistic回归模型都能实现对企业财务危机的有效预警，通过两个判别分析模型的分类准确性比较可以发现，基于因子分析建立的判别分析模型比直接用初始指标作为变量建立的模型的准确性略高，比较三个模型的准确性表明logistic回归模型的准确率相比两个判别分析模型都有所提高，logistic回归模型的准确性更好，而且logistic回归模型不但能判别企业是否会发生财务危机，还能得出企业发生财务危机的具体概率，使得企业对于其可能发生的财务危机有了量化的认识。Logistic回归模型在对企业财务危机预警的实际应用中比判别分析模型更具有实际价值。
四、结论
本文通过采取25对制造业ST公司和非ST公司作为样本进行研究，得出了以下结论：
第一，非财务指标与企业财务危机的形成是有关的。在以往的财务危机预警研究中，往往只考虑了财务指标对于财务危机形成的影响，而忽略了非财务指标。
第二，建立财务危机预警模型是对企业财务危机进行预警的有效手段。本文分别运用了判别分析方法和logistic回归方法建立了三个财务危机预警模型，采用相应的数据对企业是否会被ST进行判断，通过判断结果可以得出：两个判别分析模型和logistic回归模型都能有效的对企业财务危机进行预警，预警判断的准确率为80%以上，三种财务危机预警模型都能对企业是否发生财务危机进行较准确的判断。
第三，因子分析能有效消除指标间相关性的影响，使财务危机预警模型的准确率更高，logistic回归模型相比判别分析模型对企业财务危机的预警更加有效。通过比较logistic回归模型和两个判别分析模型的准确率可以发现logistic回归模型的准确率是最高的，为92%。
第四，本文建立的财务危机预警模型的预警期为两年。本文建立模型时采用的是ST企业被ST前两年的数据，建立的模型能对企业两年后是否被ST进行准确判断，说明建立的财务危机预警模型能对企业两年后是否发生财务危机进行有效预警，预警模型的预警期为两年。
参考文献：
[1]于义杰.引入非财务因素的财务危机预警模型研究[J].合作经济与科技，2012，（1）.
[2]宋忠宁.我国上市公司财务危机预警实证研究[J].市场周刊，2011，（1）.
[3]唐晓玲，郑曈.财务危机预警的主成分视角[J].中外企业家，2011，（11）.
作者简介：任广荣，女，江苏丰县人，山东省济宁市市中医院，绩效办主任。