基于現金流的上市公司財務預警研究*
——以信息技術業為例

武漢理工大學管理學院 劉翰林 張友棠 彭穎

基于現金流的上市公司財務預警研究*
——以信息技術業為例

武漢理工大學管理學院 劉翰林 張友棠 彭穎

信息技術業企業無形資產占比大，現金流量不穩定，更容易陷入財務危機。文章從償債能力、營運能力、盈利能力、成長能力和現金創造能力五個維度設計基于現金流量的指標體系，運用因子分析和logistics回歸方法構建我國信息技術業上市公司財務預警模型，并選取2000年至2015年滬深A股信息技術行業33家ST公司和66家非ST公司的數據進行實證檢驗，為我國信息技術業企業財務風險管理提供指引。

現金流量 財務預警 logistics回歸模型 信息技術業

一、引言

信息技術業是知識經濟時代的核心產業，是我國建設創新型國家的關鍵。但由于信息技術行業技術更新快，產品生命周期短，信息技術企業普遍研發投入大、無形資產占比高，但其未來收益不確定性高，現金流量不穩定。一旦現金流量管理不善，資金周轉不暢，企業極容易陷入財務危機。因此，如何有效監控企業的現金流量狀況并加以管理，成為了信息技術業上市公司財務預警的重點。

目前財務預警的代表模型有單變量模型、Z模型、logistics回歸模型以及神經網絡模型等，其中logistics回歸模型由于其客觀性強、適用性廣以及準確率高而被使用得最為頻繁。宋曉娜（2016）基于logistics回歸和主成分分析對制造業上市公司的財務危機進行預警，發現logistics回歸模型的預警正確率高于主成分分析法；汪華林（2014）結合了因子分析法和logistics回歸對中小民營企業的財務困境進行實證研究，驗證了傳統財務指標對企業財務危機的影響。近年來也有學者試圖從現金流的角度對企業進行財務預警：李玉納（2016）選取了現金流量指標對信息技術業企業進行財務風險預警定位，通過定位矩陣顯示企業的財務狀況；竇雯璐（2015）基于現金流構建了集體企業財務預警的指標體系。但目前將傳統指標與現金流量指標相結合，用數理統計模型對上市公司的財務危機發生概率進行準確預測，并從現金流量視角提供公司財務風險預警建議的研究較少。本文試圖引入以自由現金流量為基礎的現金流量指標，利用因子分析法和logistics回歸方法構建信息技術業上市公司的財務預警模型，全面監控企業的現金流量情況，以便更準確的反映企業的真實財務狀況，有效預防企業的財務風險。

二、基于現金流量的信息技術業上市公司財務預警指標體系設計

（一）現金流量指標的優越性現金流動是企業資金運動的動態表現，貫穿于企業生產經營的主要過程。現金流量作為企業經濟活動的動態反映，不僅是企業短期持續經營的基本保障，更是企業長期穩定發展的重要根基。不同于基于權責發生制的傳統財務指標，現金流量指標基于支付實現制編制而成，是對企業現階段資金流轉狀況最真實、最直觀的反映，可有效避免會計處理方法對企業實際經營活動成果的干擾和操縱。

自由現金流量，由哈佛大學詹森教授于20世紀80年代首次提出，是滿足企業再投資需要之后剩余的現金流量。作為結合了利潤管理和現金流管理的綜合性指標，自由現金流量排除了傳統指標受會計政策的影響因素，又在普通現金流量指標的基礎上考慮了企業長期經營發展和擴大規模的需要；既可以反映企業真實的償債能力，又可以從未來現金創造能力的角度來關注企業的成長能力。

（二）財務預警指標選取本文依據重要性、全面性、可操作性、可比性和成本效益性等原則，將傳統財務指標與現金流量指標相結合，設計信息技術業上市公司的財務預警指標體系，分別反映企業的償債能力、營運能力、盈利能力、成長能力和現金創造能力等五個方面。如表1所示。

表1 基于現金流的信息技術業上市公司財務預警指標體系

三、基于現金流量的信息技術業上市公司財務預警模型構建

（一）樣本選取本文以上市公司被實施ST作為公司陷入財務危機的信號，選取滬深A股2000~2015年首次被實施ST的33家信息技術業上市公司為研究樣本，并按照1:2的比例選取同行業、上市時間相同且被實施ST前一年末資產規模相近的66家非ST公司作為配對樣本。將99家公司分為建模組和檢驗組：隨機抽取23家ST公司及其配對公司為建模組，選取10家ST公司及其配對公司為模型檢驗組。利用因子分析及logisitics回歸模型對建模組的上市公司ST前三年的數據建立財務預警模型，再利用檢驗組的數據驗證模型的準確性。本文所有數據來自于國泰安數據庫。

（二）顯著性檢驗由于被ST的企業一般在ST前兩年已連續虧損，本文主要針對T-1年的樣本數據進行詳細闡述，然后用同樣的方法得到T-2和T-3年的實證結果。本文用spss21.0對已篩選出來的26個指標進行K-S檢驗，根據檢驗結果（表2），X23和X24的顯著性概率大于顯著性水平a=0.05，應該接受原假設，不服從正態分布；其他的24個指標顯著性概率小于顯著性水平a=0.05，應該拒絕原假設，服從正態分布。對于服從正態分布的24個指標進行樣本T檢驗，根據結果（表3），X11流動比率、X12速動比率、X15經營活動現金流動負債比、16經營活動現金負債比、X21存貨周轉率、X22應收賬款周轉率、X31資產報酬率、X32凈資產收益率、X34總資產自由現金回報率、X41銷售自由現金流、X43銷售收入現金含量、X51經營活動現金凈流量增長率的顯著性概率小于顯著性水平a=0.05，說明對于ST公司和非ST公司前一年的數據，這12個指標具有顯著性差異，應該保留，其他12個指標不具有顯著性差異，應該排除掉。對于不服從正態分布的X23流動資產周轉率和X24總資產周轉率兩個指標進行非參數檢驗Mann-Whitney U檢驗，根據檢驗結果（表4），X23和X24的顯著性概率都小于顯著性水平a=0.05，說明對于ST公司和非ST公司前一年的數據，這2個指標具有顯著性差異，應該保留。

表2 Kolmogorov-Smirnov檢驗結果

（三）因子分析為了排除指標之間的相關性對模型的影響同時用盡量少的指標反映樣本信息，本文利用spss21.0對通過顯著性檢驗的14個指標進行因子分析，對相關性較高的指標提取公因子F。在進行公因子提取之前，先對14個指標進行KMO-Bartlett的檢驗，根據檢驗結果（表5），KMO度量為0.540，Bartlett球形度檢驗顯著性概率為0.0001，遠小于顯著性水平a=0.05，因子分析法可以適用。

表3 樣本T檢驗結果

表4 Mann-Whitney U檢驗結果

表5 KMO-Bartlett的檢驗

表6 因子分析旋轉后的成份矩陣

對14個指標進行因子分析之后，共提取了5個公因子｛F1，F2，F3，F4，F5｝，如表6所示。其中，F1在X31資產報酬率、X32總資產凈利潤率、X34總資產自由現金回報率、X41銷售自由現金流、X43銷售收入現金含量5個指標上的載荷較大，反映了公司盈利及獲現能力；F2在X11流動比率和X12速動比率上的載荷較大，反映了公司的短期償債能力；F3在X15經營活動現金流動負債比和X16經營活動現金負債比上的載荷較大，反映了公司的現金流償債能力；F4在X21存貨周轉率和X22應收賬款周轉率上載荷較大，反映了公司的營運能力；F5在X23流動資產周轉率、X24總資產周轉率上載荷較大，反映了公司的資產管理能力。根據因子分析抽取的結果（表6），五個公因子的計算公式為：

本文運用spss21.0對估計樣本T-1年原始數據進行logistics二分類回歸分析，對于所選ST公司的P取值為1，非ST公司的P取值為0，根據回歸結果（表7），得到信息技術業上市公司財務預警模型為：

（四）logistics回歸模型構建用P表示上市公司發生財務危機的概率，則用5個公因子Fi表示的財務預警模型為：

表7 logistics回歸結果

表8 Hosmer-Lemeshow檢驗

表9 模型系數的綜合檢驗

四、基于現金流量的信息技術業上市公司財務預警模型檢驗

模型通過Hosmer-Lemeshow擬合優度檢驗顯示的顯著性概率大于顯著性水平a=0.05，因此不能拒絕關于模型擬合度很好的假設，說明模型擬合效果較好；模型系數的綜合檢驗顯著性概率小于顯著性水平a=0.05，說明模型能顯著反映財務危機發生的概率。本文將隨機選取的30家信息技術業上市公司（10家ST公司及其配對的20家非ST公司）T-1年的數據帶入到模型中進行檢驗。取0.5為臨界點，取值［0，0.5）的企業沒有警情，取值［0.5，1）的企業有財務警情，需要加以防范。結果如表10。

表10 模型財務預警檢驗情況

根據預警結果可以看出，30家公司共有28家公司判斷正確，2家公司被判斷錯誤，總正確率高達93.3%；其中，ST企業有9家判斷正確，1家判斷錯誤，正確率為90%；非ST公司有19家判斷正確，1家判斷錯誤，正確率為95%。由于本文選取的ST企業和非ST企業數量比為1:2，所以模型對非ST企業的預警效果優于對ST企業的預警效果。

本文使用同樣的辦法對該99家信息技術業上市公司T-2及T-3年的數據構建財務預警模型并進行實證檢驗，結果如表11所示，可以看出，第T-1年的總體判斷正確率為90.1%，第T-2年的總體判斷正確率為84.1%，第T-3年的總體判斷率為81%。三年數據的判斷正確率都在80%以上，說明模型的預警能力較強。

表11 信息技術業上市公司財務預警模型三年判斷結果

五、結論

本文通過利用因子分析和logistics回歸對信息技術業上市公司建立基于現金流量的財務預警模型，針對上市公司陷入財務危機前三年的財務數據進行分析，得出如下結論：

第一，現金流量指標對信息技術業上市公司財務危機的預警情況較好。本文選擇了包括傳統財務指標和現金流量指標在內的共26個指標，在進行顯著性檢驗篩選之后保留的指標中，有6個是現金流量指標且其顯著性水平均較高，說明現金流量指標對信息技術業上市公司是否被ST的反映能力較強。所以在進行財務管理的時候，信息技術業上市公司不僅要關注傳統財務指標，還應該重視現金流量指標，加強現金流量的監控和管理，全面把握公司的財務情況。

第二，信息技術業上市公司盈利及獲現能力、短期償債能力、現金流量償債能力和資產管理能力越強，公司陷入財務危機的可能性越小。通過建模得到的公式來看，五個公因子的系數均為負數，即與y=1（企業被ST）的發生比成反向變動關系，這說明信息技術業上市公司的這些能力越弱，企業被ST的發生概率越大。因此，信息技術業上市公司應通過對現金流量增加企業可自由支配的自由現金流量；通過產品技術革新增加利潤空間，提高企業的盈利能力；通過對銷售的全程控制、信用管理、存貨及應收賬款的總量控制和分級管理等手段，提高資產管理能力并加快存貨和應收賬款等流動資產的周轉率，降低壞賬風險、促進資金回流，增加經營活動現金流量與負債之比，提高自身的短期償債能力和營運能力等。通過加強對上述各項能力的重點管理降低公司陷入財務危機的可能性。

第三，公司發生財務危機是一個循序漸進的過程。通過對信息技術業上市公司財務危機前三年的數據進行分析，發現模型預測較穩定且正確率隨著時間的接近程度逐年遞增，這說明上市公司在發生財務危機之前三年，已逐漸開始出現財務狀況惡化的信號，且隨著時間遞延預警信號逐漸增強。因此，信息技術業上市公司應重點關注企業財務狀況的監控和預警，一旦出現異常情況即應立即警覺，防患于未然，避免財務狀況進一步惡化。

*本文系2015年國家社科基金重點項目“基于行業風險動態監測的信息技術業上市公司財務預警定位研究”（項目編號：15AGL008）階段性研究成果。

［1］宋曉娜、黃業德、張峰：《基于Logistic和主成分分析的制造業上市公司財務危機預警》，《財會月刊》2016年第3期。

［2］汪華林：《基于Logistic模型的中小民營企業財務困境分析》，《財會通訊》2014年第14期。

（編輯 劉姍）