基于財務指標的我國上市公司財務困境預測

陳志

[摘要]本文以我國上市公司為研究對象，利用樣本公司歷年財務指標的數據構建Logit模型量化上市公司的信用風險概率，進而根據結果對上市公司發生財務困境進行判別和預測。

[關鍵詞]財務指標； Logit模型； 因子分析； 財務困境預測

[中圖分類號]F275[文獻標識碼]A[文章編號]1005-6432（2014）34-0112-03

1引言

財務困境又稱財務危機，是指企業現金流量不足以補償現有債務，最嚴重的財務困境即企業破產。在我國，上市公司具有業績好、規模大、籌資快等特點，相比于一般企業能更好地反映出我國資本市場的健康程度。近年來，隨著我國證券市場快速發展，上市公司在數量和規模上都不斷地擴大。然而，現實中一些上市公司也會由于經營不善或其他各種原因出現連年虧損，陷入財務困境甚至面臨退市的風險。1998年4月22日，滬深證券交易所宣布將對財務狀況異常（或其他財務狀況異常）的上市公司的股票交易進行特別處理（ST）。研究中國上市公司財務困境時通常將ST作為企業財務困境的標志。

財務困境的有效預測將有利于我國上市公司經營者的提前防范、政府管理部門的監督以及證券市場投資者的決策。考慮到現實中企業發生財務困境是一個財務狀況逐漸惡化的過程，因此一般認為企業財務困境是可以通過一定的指標預測的。

2文獻綜述

財務困境預測指對企業財務困境所做出的具體推測。最早的財務困境預測方法是20世紀30年代產生的單變量分析法，提出利用單一的財務比率來預測企業的財務困境。20世紀60年代，Altman率先使用多元線性判別分析，以美國1946—1965年資產規模接近的66家公司為樣本確定了5變量的Z-score模型。并于1977年提出了現在仍常用的7變量ZETA模型。

由于多元線性判別分析模型存在著嚴格的假設條件，如多元變量多元正態分布、協方差矩陣相等，并且該模型無法處理離散變量，實證中大多數財務比率并不滿足這些要求。20世紀70年代末，線性概率模型、Logit模型和Probit模型的出現有效地解決了這些問題。最早使用線性概率模型進行財務困境預測的是Meryer和Pifer，但線性概率模型常常會得到大于1的結果，Logit模型卻能很好地克服這一缺點。Ohlson（1980）首先在商業銀行風險評估的過程中使用了Logit模型。Martin通過比較不同模型的預測能力后得出Logit模型優于Z-Score模型和ZETA模型。我國學者吳世農、盧賢藝利用1998—2000年我國A股市場ST公司數據比較不同模型預測效果后得出Logit模型預測能力強于線性概率模型和多元判別分析。

20世紀80年代開始興起了高預測精度的神經網絡等非線性模型，但Barniv將Logit模型與神經網絡模型進行比較發現二者在預測結果的準確率上并無太大差異。近年來，李從欣，肖示恩，鄭蕓（2009）構造上市公司信用風險評價的Logit模型，并用t檢驗和主成分分析法進行分析，得到了精度非常高的預測模型。

鑒于前人的研究思路，本文將選用穩健性良好的Logit模型，使用我國上市公司公開的財務數據及相關市場信息構建我國上市公司財務困境預測的模型，并加以分析。

3模型與實證分析

3.1變量和數據選擇

本文分別選取了2014年的67家覆蓋不同行業、不同資產規模的A股上市公司進行研究，其中包括36家ST上市公司和31家非ST上市公司，考慮到我國上市公司公布（t-1）年的財務報表與t年被ST處理是幾乎同時發生的，因此本文采用2012年的財務數據來建立模型預測2014年的ST情況。筆者曾考慮過同時把滯后幾期的上市公司財務數據加入模型中以獲得更好的長期預測效果，但是由于變量個數太多，因子分析降維后結果依然不理想，最后通過預測比較，決定只選擇2012年的數據進行預測。我們擬選定的變量如下：

償債能力：資產負債率X1、流動比率X2、速動比率X3、產權比率X4；贏利能力：加權凈資產收益率X5、攤薄總資產報酬率X6、毛利率X7、凈利率X8；營運能力：總資產周轉率X9、應收賬款周轉天數X10、存貨周轉天數X11、固定資產周轉率X12；發展能力：營業收入增長率X13、總資產增長率X14、資本積累率X15；引入市場信息變量：每股收益X16、股票年換手率X17、Beta系數X18。

3.2預測模型和結果

首先看一下變量的描述性統計分析，如表1所示。

4結論及對策建議

通過我國A股上市公司財務信息及股票市場信息構造的Logit模型可以有效地預測上市公司發生財務困境的可能性。模型顯示，營運能力因子在預測我國上市公司財務困境方面貢獻值最大，因此應該作為財務困境預測關注指標的重中之重，贏利能力和發展能力因子也具有一定的影響力，應當給予足夠的關注度。本文選取了較為全面的財務指標加以分析，模型具有良好的預測能力。

雖然本文建立的模型在預測我國上市公司財務困境上是有效的，但也存在不足之處：

（1）未能將定性分析與定量分析相結合，諸如宏觀經濟、行業前景、技術水平等因素都可能導致企業陷入財務困境，沒有全面地量化上市公司信用風險，影響模型精度；

（2）未細分上市公司風險等級，對其研究僅僅局限于ST公司，忽略了生產經營已潛伏著一定的財務風險卻沒有被ST名單的公司；

（3）我國上市公司中許多業績不好的公司財務報表水分較大，有的機構和媒體甚至勾結發布虛假消息，影響預測結果。

根據上述的理論分析和實證研究，為了規范我國證券市場，進一步提高我國資本市場的健康程度，筆者結合我國上市公司的實際情況提出以下對策建議：

（1）當前我國上市公司信息披露主要集中在贏利指標方面，相關監測機構還應加大對上市公司諸如營運指標、發展指標、償債指標等其他財務指標的披露，使投資者擁有更加充分的信息，以便做出決策。

（2）進一步完善我國財務風險預警機制。我國上市公司的風險等級沒有進行細分，被ST處理的公司實質上已經陷入了嚴重的財務困境。但從實際情況來看，被ST的公司往往可以通過一些非市場手段避免公司退市，甚至能夠摘星摘帽。但這并不代表公司本質上的財務危機得到了解決，最終會導致整個資本市場的不健康發展。

（3）上市公司應當不斷完善自身治理結構和資本結構，尋找財務困境的深層次原因。防止因股權過度集中而出現的大股東侵占小股東利益的情況，維持內部管理和內部控制機制的有效進行。

此外，由于本文取樣的局限性，模型還不足以推廣到市場上的中小企業。如果條件允許，應擴大樣本范圍，更加全面地設計變量，構建一個能夠量化市場上大部分企業信用風險的模型，這也將是今后重點研究的方向。〖HJ1*2/3〗

參考文獻：

[1]Altman，Edward I.Financial Rations，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance，1968（9）.

[2]E.I.Altman，R.G.Haldeman，P.Narayanan.Zeta Analysis：A New Model to Identify Bankruptcy Risk of Corporations[J].Journal of Banking and Financial，1977（7）.

[3]Beaver，William H.Financial ratios as predictors of failure[J].Journal of Accounting Research，1966（4）：71-111.

[4]Barniv R.Accounting procedures，market data，cash flow figures and insolvency classification：the case of the insurance industry[J].The Accounting Review，1990（65）：578-604.

[5]吳世農，盧賢義.我國上市公司財務困境的預測模型研究[J].經濟研究，2001（6）.

[6]李從欣，肖示恩，鄭蕓.上市公司信用風險評價研究[J].中國管理信息化，2009（16）.

[7]唐亮，張北陽，陳守東.我國上市公司信用風險評價和度量[J].工業技術經濟，2011（2）.

[8]馬喜德.上市公司財務困境預測實證研究[C].廈門：廈門大學金融系，2003.