上市公司財務困境及其可能性研究

張羽瑤

【摘 要】 企業的財務困境是一個動態變化的機理形成過程。企業陷入財務困境及其可能性分析是財務困境問題研究的重要組成部分，理論界對此尚未形成統一的結論。文章通過面板數據二元選擇模型研究企業陷入財務困境的可能性，其實證分析的回歸結果顯示：企業面臨財務困境主要通過宏觀經濟、行業或企業生產水平等因素所致的價格下降、銷售渠道堵塞、變現能力困難、庫存品積壓等引起的流動比率、總資產周轉率、總資產收益率異常上升來進行觀測預警。由此，可以根據上市公司的財務報告資料來預測上市公司陷入財務困境的可能性，該類研究具有重要的現實意義與應用價值。

【關鍵詞】 財務困境； 預警； 特別處理（ST）

中圖分類號：F275 文獻標識碼：A 文章編號：1004-5937（2015）18-0040-08

一、引言

近年來，隨著我國資本市場的發展，上市公司的負債結構得到明顯改善，推動了我國企業的技術革新和產業升級。但是，隨著資本市場規模的擴大，上市公司也出現了許多問題，其中的“三年”現象尤為突出，即上市公司第一年盈利、第二年持平、第三年虧損，虧損上市公司在逐年遞增，上市公司的資產負債率普遍較高。隨著我國上市公司數量和規模的不斷擴大，因高負債率而陷入財務困境的公司也在逐漸增加，因此，對財務困境的理論和實證研究具有重要的現實意義。從財務困境的發展脈絡來看，首先要對陷入財務困境的可能性進行研究，即研究對困境有預示作用的財務指標，及時發現財務困境的財務征兆，一方面為管理者和投資者及時觀察企業的經營風險提供依據，另一方面為財務困境的解決提供可靠的財務指標借鑒。

二、理論分析與假設提出

（一）理論分析

上市公司財務困境的實證研究比較多。國外的主要經典文獻多以企業破產為標志來研究，如Beaver（1964）、Altman（1968）、Ohlson（1980）等，而目前國內幾乎所有研究都以上市公司被ST作為財務困境的標志進行實證研究，如張玲（2000）、陳曉（2000）、吳世農（2001）、呂長江（2004）、楊淑娥（2005）等。由于我國特殊的制度背景，選擇ST公司作為研究樣本是實證研究的計量屬性決定的，良好的量化特性是目前國內財務困境實證研究選擇ST公司的主要原因。預選變量的選擇一般是根據財務分析判別或其他標準，在經驗數據基礎之上進行篩選。

在計量方法的選擇上，多以上市公司公開披露的財務報表信息為基礎，研究報表信息在ST公司預測研究中的具體作用，主要有單（多）變量回歸分析法（Regression Analysis）、單（多）變量判別分析法（Discriminant Analysis）和條件概率分析法（Logit/Probit Analysis）等。在樣本的選擇上，由于國內的ST公司數量較少，多數研究者如吳世農等（2000）、陳曉（2003）、蔡紅艷等（2003）、姜國華等（2004）都將不同年度被宣布為ST的公司混合，組成混合數據作為陷入財務困境組進行研究；同時，分行業和規模選取配對樣本來比較分析。數據選擇上，多數研究都選用滯后兩期或者三期的單期截面數據，如陳靜（1999）、蔡紅艷等（2003）、姜國華等（2004，2005），這種預測方法的優點是預測結果比較準確，但不能確切反映公司動態發展的變化狀態。因此，反映公司經營動態的面板數據應該是比較好的替代選擇。國外學者使用動態的生存分析方法預測模型，如Leclere（2000）就綜合分析了以生存分析方法研究財務困境問題的文獻。國內學者劉京軍等（2006）把生存分析方法和Logit模型進行比較，發現生存分析方法在預測精度上略有優勢。

基于以上分析，本文使用面板數據發掘導致財務困境的主要影響因素，預測上市公司陷入財務困境的可能性，建立上市公司陷入財務困境的Logit和Probit模型來檢驗各因素的影響程度。

（二）假設的提出

近年來，隨著國有經濟布局和產業結構的調整，企業間的資產重組頻繁發生，資產規模擴張的同時也導致了負債和財務危機的概率增加。上市公司的這種資本結構會直接影響其經營狀況，如果上市公司大量舉債，巨大的本利壓力會使公司的現金流受到阻礙，公司為了償還到期債務，可能會借短債還長債，借新債還舊債，使得企業財務負擔不斷累積，最終入不敷出，陷入財務困境。因此，從我國上市公司的實際情況來看，高杠桿的債務因素導致上市公司陷入財務困境的情況是很普遍的。由此提出如下假設：

假設1：上市公司資產負債率越高，公司陷入財務困境的可能性越大。

流動資產周轉率反映企業流動資產的周轉速度和企業的營運能力，通過對該指標的評價分析，可以促使企業經營者加強內部管理，提高流動資產的使用效率、降低成本、調動暫時閑置的貨幣資金用于短期投資創造收益等。該指標越高，表明企業流動資產周轉速度越快，利用越好。周轉速度越快，流動資產越節省，流動資產使用效率越高，等于增強了企業的營運能力；周轉速度越低，流動資產使用率越低，就會占用大量的流動資產，使得企業資金運營不暢，營運能力低下，企業陷入財務困境的可能性增大。由此提出如下假設：

假設2：上市公司的流動資產周轉率與公司陷入財務困境的可能性呈反向關系。

總資產收益率是衡量企業盈利和收益能力的指標?？傎Y產收益率的高低直接反映了公司的競爭實力和發展能力，也是決定公司是否應舉債經營的重要依據。在企業資產總額一定的情況下，使用總資產收益率指標可以分析企業盈利的穩定性和持久性，確定企業所面臨的風險。該指標比值越大，說明企業的資產利用效果越好，利用資產創造的利潤越多，整個企業的經營能力越強，經營管理水平也越高；該指標比值越小，說明企業經營管理水平越低，盈利狀況越差，則企業陷入財務困境的可能性越大。由此提出如下假設：

假設3：上市公司的總資產收益率與公司陷入財務困境的可能性呈反向關系。

總資產增長率是反映企業本期資產規模的增長情況，即企業的成長能力。企業資產是企業再盈利的源泉，也是企業償還債務的保障?？傎Y產增長率高，說明企業的資產經營擴張的速度較快。發展性高的企業一般能保持資產的穩定增長。當然，也需要關注資產規模擴張質和量的關系及企業的后續發展能力，以避免盲目擴張。一般來說，總資產增長率越高，企業發展所需的動力越足，成長勢頭就越強勁；反之則發展空間減小，后勁不足，最終會使企業資源枯竭，經營狀況惡化，企業陷入財務困境的可能性增大。由此提出如下假設：

假設4：上市公司的總資產增長率與公司陷入財務困境的可能性呈反向關系。

企業長期償債能力既可以根據資產負債表的資產負債率等指標來反映企業負債的總體狀況，反映資產的變現能力對償還債務的保證程度，也可以根據損益表反映企業盈利水平對償還債務利息的保證程度。而現金債務總額比是根據現金流量表動態地反映企業經營理財活動所獲取的現金流量對償還債務能力的大小，比其他指標更具有現實性。現金債務總額比反映了企業每年現金流量償還全部債務的能力，衡量企業現金流動性及長期負債償還能力的大小，比值越高，說明償債能力越大，比值越低則說明企業償還債務的能力越小，企業陷入財務困境的可能性越大。由此提出如下假設：

假設5：上市公司的現金債務總額比與公司陷入財務困境的可能性呈反向關系。

三、研究設計與實證檢驗

（一）樣本選取與數據來源

本文樣本數據主要來源于Wind資訊金融終端數據庫，另外參考天向數據庫、中國證監會網站（www.csrc.gov.cn）、巨潮資訊網（www.cninfo.com.cn）、中國上市公司資訊網（www.cnlist.com.cn）、中國證券報和證券時報等。樣本數據選取2001年12月31日前在上海和深圳A股市場上市的公司，總計1 064家上市公司（不包含金融和證券類公司）為研究對象。由于金融行業（銀行、證券、保險、信托）屬性特別，財務報表標準與其他非金融行業差異很大，所以予以剔除；其次剔除年報數據殘缺的樣本；因為本文的研究主要使用面板數據，因此無法均衡匹配的公司樣本便無法參與計量，所以予以剔除。剔除數據殘缺的樣本后，剩余960個樣本，其中到2012年底被宣布為ST的公司共計197家。由于研究的是公司陷入財務困境的影響因素，所以比較合理的選擇是滯后一期的財務數據。若某公司一旦被ST，隨后的觀察數據就予以剔除；若沒有被ST，則觀察到的就有7個年度（2006—2012年）的財務數據，因此總計面板數據5 935個（ST公司樣本197個）。表1列出了每年度ST公司數目的變化情況。

（二）變量設計

為研究上市公司陷入財務困境的可能性，本文主要從財務指標的角度探尋對企業財務困境有顯著影響的因素。

1.被解釋變量（Explained Variable）

根據研究目標，被解釋變量表示“是否陷入財務困境”。本文的研究對象是上市公司，以上市公司被特別處理（ST）作為企業陷入財務困境的標志。將其作為公司陷入財務困境標志的原因是：國外的研究為了在選取研究對象時有一個客觀的標準，一般都以企業破產作為財務困境的標準進行研究，而由于我國證券市場的特殊性，從建立至今上市公司很少發生破產清算，因此在國內還無法以破產作為財務困境的標準進行數據收集和研究，所以本文的被解釋變量為0—1變量，假設第i個公司在t年度被宣布ST，那么設定被解釋變量等于0，否則為1，具體函數形式如公式（1）所示：

yit=0，公司i在t年度陷入財務困境1，公司i在t年度財務狀況正常 （1）

2.解釋變量（Explanatory Variable）

公司陷入財務困境的財務指標預測研究至今還未形成統一結論。公司財務變化的主要影響因素包括公司長短期的償債能力、營運能力、盈利能力、發展成長能力、獲取現金能力等，表2給出了本文使用的解釋變量。

使用Pearson相關矩陣研究被解釋變量與財務指標以及各財務指標之間的相關關系，Pearson相關矩陣的結果如表3所示。

從表3的Pearson相關矩陣中可以看出，對公司財務情況有正向影響的因素有流動比率、速動比率、總資產周轉率、流動資產周轉率、固定資產周轉率、總資產收益率、凈資產收益率、總資產增長率，凈資產增長率、全部資產現金回收率以及現金債務比，而有負影響的因素則是資產負債率。其中，正相關性較為顯著的有流動資產周轉率（liqvel，0.07335）、總資產收益率（greturn，0.07144）以及凈資產收益率（nreturn，0.06094）；負相關性較為顯著的則是資產負債率（debt，-0.07453）。通過以上觀察，我們判斷企業銷售能力（流動資產周轉率）、盈利能力（總資產收益率/凈資產收益率）越強，則公司越不容易陷入財務困境；反之，如果公司資產負債率越高，則其陷入財務困境的機率就越大。為了避免多重共線性的影響，如果一個因素之下有多個財務指標，僅選取其中一個財務指標建立回歸模型。

（三）描述性統計分析

對ST公司樣本和非ST公司樣本的各個財務指標進行描述性統計分析，分析結果如表4所示。

表4比較了2006年度至2012年度被宣布ST和非ST公司的財務指標的樣本均值。從表4可以看出，ST公司的資產負債率遠遠高于非ST公司（平均約合200%），ST公司的資產收益率、流動比率、速動比率、資產周轉率和資產增長率及現金債務總額比一般都比非ST要小，而且除流動比率、速動比率和資產周轉率之外，都呈負值的表現。

值得注意的是ST公司所表現出來的總資產收益率、凈資產收益率波動較大。流動比率、速動比率、資產負債率方面，ST公司與非ST公司差距逐年減小。ST公司與非ST公司相比，流動資產周轉率、固定資產周轉率在2006年相差較大，但2012年數據顯示差異顯著性已經消失。在總資產增長率、凈資產增長率方面，ST公司從觀察期初的微負值轉變為觀察期末的高正值。從現金回收及其與債務比率兩項指標來看，ST公司的現金回收率遠低于非ST公司，且其現金/債務比率不斷降低。

以上現象的可能原因為，困境公司的這種反常財務指標可能純粹是一種會計造假現象。由于缺乏有效控制的法律手段和市場機制，困境公司管理者為了給投資者樹立良好的經營形象，吸引資金，以及為了公司不被警示或退市而粉飾財務報表，造成報表扭虧的盈余管理行為。為探討ST公司和非ST公司各個財務指標均值在統計上是否存在顯著性差異，進行公司財務指標均值的t檢驗，如表5所示。

表4和表5對比可以看出，財務困境公司與非財務困境公司的財務比率在總體上存在明顯差異，具體比較如下：

（1）盈利能力方面：兩類公司在總資產收益率、凈資產收益率方面的差別是很明顯的，財務困境公司大大低于非財務困境公司。

（2）償債能力方面：兩類公司在流動比率、速動比率、資產負債率方面的差別比較明顯，財務困境公司的償債能力明顯低于非財務困境公司。

（3）營運能力方面：兩類公司在總資產周轉率、流動資產周轉率和固定資產周轉率等指標的差別最為顯著。

（4）成長能力方面：兩類公司在總資產增長率和凈資產增長率方面的差別比較明顯，特別是總資產增長率比較顯著。

（5）獲現能力和現金流動性方面：兩類公司的現金債務總額比和全部資產現金回收率等指標的差異約為一倍左右。財務困境公司的現金流動性和獲現能力較差。

整體來說，企業的以上指標能明顯區別出財務困境公司和非財務困境公司。

（四）模型構建

由于對企業陷入財務困境的可能性即對ST公司和非ST公司的研究不是連續和無限制的規模上觀察到的因變量，即產生非連續或受限因變量，因此，二元因變量模型（Binary Dependent Variable Models）是一個非常好的計量模型。由于線性概率模型在二元因變量模型中存在殘差的異方差性，且其預測結果是有偏和非一致的，因此，模型的研究方向是非線性化形式發展。其形式為：

面板數據模型主要有隨機效應和固定效應模型。固定影響的面板數據中Probit模型無法消除模型的異方差，因而可能會使估計結果失效，Logit模型可以消除固定效應中的異方差影響，但不能消除隨機影響面板數據模型中的異方差性。因此，一般情況下，Probit模型選取隨機效應的面板數據，Logit模型選取固定效應的面板數據，下面的檢驗結果也體現出面板數據的這種特性。

為考察上市公司陷入財務困境的可能性，主要從財務指標的角度探尋對企業財務困境有顯著影響的因素。在探討上市公司陷入財務困境的可能性問題時，如果僅考察事件時點上影響“公司陷入財務困境”的因素，就會忽略企業經營中某些因素累積的效應。針對本文的研究對象——上市公司，以上市公司被特別處理（ST）作為企業陷入財務困境的標志。上市公司被特殊處理（ST）的原因是多種多樣的，如果單純使用截面模型對其進行研究是欠準確的，因而本文對2001年12月31日前在上海和深圳A股市場總計1 064家上市公司的樣本進行追蹤研究，建立面板數據，研究的時間窗從2006年到2012年，能夠較充分地將短期或長期的“公司陷入財務困境的影響因素”考慮進去。

（五）回歸結果

回歸過程與結果如表6所示。

四、研究結論及局限性

表6顯示如下結論：

（1）負債指標方面，流動比系數為正且在兩組模型中均在0.01%水平上顯著，但速動比在兩組模型中均不顯著。根據兩者定義，差別主要為存貨、預付賬款、待攤費用。由此可推斷，大量存貨影響公司流動資產構成，從而導致企業現金流壓力增加，進而引發財務困境。資產負債率的系數為正，但在兩種模型中均不顯著，說明資產負債率與公司陷入財務困境是正向關系。

（2）公司營運指標（總資產周轉率、流動資產周轉率、固定資產周轉率）系數均為正數，且在兩組模型中總資產周轉率均在0.1%水平上顯著。由此在前一項分析的基礎上可以進一步分析判斷為：上市公司大量生產導致存貨增加且大量產品以不合理價格銷售或公司行業、宏觀環境變化引起公司資產大幅縮水從而誘發財務困境。

（3）盈利指標方面，兩組模型中總資產收益率與凈資產收益率均在顯著性上相互背離。根據二者定義，其主要影響因素為所得稅費用及總資產規模變化。如果改變因素為所得稅費用，則總資產收益率及凈資產收益率應同時變化且均為顯著。因此可以判斷：改變因素主要為總資產規模。考慮到總資產收益率與財務困境呈正相關性，則可判斷主要誘因為公司總資產規模大幅縮水。

（4）公司的總資產收益率系數為正、凈資產收益率為負，再次驗證了公司總資產規模大幅縮水與公司陷入財務困境呈正相關。

（5）公司的現金債務總額比系數為負，說明現金債務總額比與公司陷入財務困境是反向關系。

基于以上幾點可以得出結論，即在數據采集時間段內，公司在面臨財務困境時可通過觀測分析由宏觀經濟、行業或者企業生產水平等因素引起的價格下降、銷售渠道堵塞、變現能力困難、庫存品積壓等因素導致的流動比、總資產周轉率、總資產收益率等指標的異常上升來進行相應預警。

整體來看，利用面板數據的固定效應模型是能夠描述公司陷入財務困境的概率與財務指標變量的數量關系的，利用二元面板模型Probit和Logit得到的關于公司陷入財務困境可能性的實證結果是基本一致的，且Logit模型的預測顯著性要優于Probit模型。因為面板數據下Logit模型可以消除固定效應中的異方差影響，Probit模型則不能避免，所以本文面板數據固定效應檢驗Logit模型的結果更為合理，其模型的判別準確率比較高，具有重要的研究意義。除此之外，Logit模型AIC值要顯著小于Probit模型AIC值，所以，根據上市公司的財務數據預測其陷入財務困境的可能性是具體可行的。

當然，本文的研究也存在一定的局限性：（1）由于收集的數據量及本文篇幅所限，沒有對脫困措施作進一步的探討；（2）僅從微觀角度選取財務指標進行分析，尚未從宏觀角度涉及諸如公司治理、資產重組等作整體分析，這些將是未來研究的拓展方向。

【主要參考文獻】

[1] 陳靜.上市公司財務惡化預測的實證分析[J].會計研究，1999（4）：31-38.

[2] 陳曉，陳鴻.我國上市公司的財務困境預測[J].中國會計與財務研究，2000（2）：45-49.

[3] 陳小悅，肖星，過曉艷.配股權與上市公司利潤操縱[J].經濟研究，2000（1）：23-26.

[4] 姜國華，王漢生.財務報表分析與上市公司ST預測的研究[J].審計研究，2004（6）：35-42.

[5] 姜國華，王漢生.上市公司連續兩年虧損就應該被ST嗎？[J].經濟研究，2005（3）：45-48.

[6] 呂長江.上市公司財務困境與財務破產的比較分析[J].經濟研究，2004（8）：64-73.

[7] 劉京軍，秦宛順.上市公司陷入財務困境可能性研究[J].金融研究，2006（11）：39-43.

[8] 宋常，惲碧琰.上市公司首次披露的非標準審計意見信息含量研究[J].審計研究，2005（1）：32-40.

[9] 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）：46-55.

[10] 徐曉，鮑麗敏. ST公司與非ST公司財務困境特征的比較分析[J].會計之友，2012（16）：89-92.

[11] 楊淑娥，魏明. 企業財務危機成本形成機理及其間接成本的估量[J].當代經濟科學，2005（9）：26-38.

[12] 張玲.財務危機預警分析判別模型及其應用[J].預測，2000（6）：38-40.

[13] 朱家安，陳志斌.我國財務困境預測實證研究文獻綜述和分析[J].會計之友，2007（10）：22-24.

[14] 張建華，韓英鋒，王巧霞.基于財務比率計算及圖像分析的企業財務困境預警研究[J].會計之友，2012（14）：71-75.

[15] Willian H. Beaver. Financial Ratios as Predictors of Failure[J]. Journal of Accounting Research，1966（4）：71-111.

[16] Altman E.I. Financial Ratios. Discriminate Analysis and the Prediction of Corporate Bankruptcy[J]. the Journal of Finance，1968（4）：589-609.

[17] Marc J Leclere.The Occurrence and Timing of Events： Survival Analysis Applied to the Study of Financial Distress[J]. Journal of accounting Literature， 2000，19（1）：158-189.

[18] James A. Ohlson.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J]. Journal of Accounting Research，1980，18（1）：56-67.