財務報表信息對企業財務困境的預測能力

蔡玉蘭錢崇秀++董雪杰

摘要：本文利用持續期模型，基于1996～2013年A股上市公司共16000個公司-年觀測值，重新估計了經典的Z積分模型、Probit模型以及Beaver等的風險模型變量對財務困境的解釋作用，研究了我國上市公司財務報表信息對財務困境預測能力的變化情況。實證結果表明，財務報表信息對企業財務困境有著重要的解釋力，僅資產經營利潤率和杠桿率兩個指標就足以解釋中國上市公司的財務困境，這二者所構成的持續期模型的預測準確度達到了0.98。財務比率作為一種分析工具對預測企業財務困境有著重要的應用價值，其作用應被強調而不是被降級。

關鍵詞：財務比率；財務困境；持續期模型

中圖分類號：F275文獻標識碼：A文章編號：1003-5192（2016）05-0048-07doi：10.11847/fj.35.5.48

1引言

財務報表信息被用于企業財務困境預測至今已有80多年的歷史。業界普遍認為財務比率對財務困境的預測能力至少可達企業陷入困境前的2～5年

[1]。由于財務比率名目繁多以及建模技術的多樣化，有關財務困境預測模型的文獻已相當豐富。Balcaen和Ooghe[2]，Aziz和Dar[3]，Kumar和Ravi[4]，Gepp和Kumar[5]，Ak等[6]，以及Sun等[7]都從不同視角對國際研究作了較好的綜述和歸納。

縱觀國內的研究，除起步較晚外，同國際研究相比還存在著明顯的滯后性和不足，表現在：（1）傳統的統計分析技術應用較多，而對企業陷入財務困境的時間因素考慮不足；（2）聚焦于利用新的樣本、不同的變量及方法建立和開發新的預測模型，卻鮮有對已有模型加以驗證和比較；（3）在對模型預測能力的評估上，大多數研究只考慮了分類鑒別能力，而對預測的可靠性（模型預測的概率是否與實際結果一樣）檢驗不足。

檢驗財務報表信息預測企業財務困境的能力一直是會計學中的一個重要研究方面[8]。本研究通過檢驗財務比率對財務困境的預測能力討論了財務報表信息解釋力的長期變化，試圖說明財務報表所提供的信息是否足以解釋企業的財務困境。之所以有此疑問，一方面，由于財務報表信息的一些固有缺陷，近年來國內外很多文獻都認為基于前瞻性的股票價格信息比財務比率更適用于預測企業財務困境，如楊德勇和馬若微[9]，Campbell等[10，11]；另一方面，Beaver等[1，8]指出，會計準則的變化、金融衍生品的爆炸性增長以及財務報表中自由裁量權的增加都會影響財務比率對企業財務困境預測的穩健性。

為了實現本研究的目的，針對上述滯后性與不足，本文特作了以下創新和改進工作：（1）以考慮了時間因素的持續期模型進行實證分析，通過將觀測數據期間以金融危機全面爆發時間為分界點，分為1996～2007年和2008～2013年兩個階段來考察財務比率預測能力的變化；（2）從模型預測績效測量的兩個維度：分類鑒別能力和預測可靠性，運用信息量檢驗、十分位預測、ROC曲線分析以及樣本外預測等逐步遞進的具體方法分析實證結果。

實證分析選擇了經典文獻中的3組財務變量進行模型估計，考察這些變量在樣本觀測期內解釋能力的變化情況。為了更好地說明財務比率預測能力的可靠性，我們在最后保留的財務變量組合中特別加入財務比率無法替代的市場變量——波動率指標，旨在分析波動率對財務比率的預測能力是否具有顯著的改善作用。之所以如此設計，是因為Shumway[12]曾指出波動率無論在統計上還是邏輯上都同企業財務困境密切相關，Campbell等[13]也認為任何會計模型中缺乏波動率指標很可能導致其預測能力的大幅下滑，因為公司在波動性上有明顯的橫截面差異。Hillegeist等[14]研究發現，波動率捕獲了公司資產價值下降至無力償還債務的可能性，企業破產的概率隨著波動率的增加而增加，兩個杠桿率相同的公司其破產概率可能有本質性的差異。文獻綜述發現，自Shumway[12]的研究后，國際文獻普遍把波動率作為一個至關重要的因子引進到財務困境預測模型中，如Beaver等[1，8]，Campbell等[10]，Wu等[15]，Christidis和Gregory[16]，Tinoco和Wilson [17]，并指出波動率對企業財務困境有非常重要的解釋力。

4實證分析

4.1均值變化

我們描述分析了財務困境公司各財務比率在ST前4年的變化趨勢，并與財務正常公司相比較。只是需要說明的是，由于財務正常公司屬于刪失樣本集（沒有確切的生存時間），故而其均值由所有年度觀測值堆疊而成，不存在變化情況。

我們發現，從第T-4年至T-1年，財務困境公司的盈利能力（EBIT/TA，NI/TA，RE/TA）、流動性（WC/TA，CA/CL）、債務保障程度（MB/TL，EBITDA/TL）均呈遞減趨勢，且明顯小于財務正常公司的相應值；而杠桿率（TL/TA）則呈遞增趨勢，明顯大于財務正常公司?？梢姡S著ST的臨近，各項財務比率均趨于惡化，這符合我們對財務困境公司的一般判斷。

總體上，財務困境公司與財務正常公司各財務變量的均值在ST前4年就已經有明顯的差別了，而且距離ST越近，這種差異也越來越明顯。未報告的Log-Rank Test發現，所有比率都在1%的統計水平上顯著，意味著這些財務比率對兩類公司都有顯著的鑒別能力，說明財務報表信息對企業財務困境是有顯著解釋力的。

4.2模型估計

表1匯總了各組變量于各觀測期的估計結果。表中顯示，Z*模型的組合變量中，MB/TL并不顯著。不僅如此，未報告的結果還發現，經典的Z-Score模型的5個組合變量，ME/TL（權益市值/總負債）和Sales/TA（營業收入/總資產）都不顯著。這一發現同Shumway[12]對Z-Score模型的重新估計結果比較相似，所不同的是，Shumway[12]發現，除EBIT/TA和ME/TL外，其他變量均沒有解釋力?？梢?，在西方成熟資本市場中起作用的ME/TL在中國資本市場上并未體現出它的作用，企業資產周轉的快慢（Sales/TA）對企業陷入財務困境也沒有明顯的影響。

同Shumway[12]的發現相一致，經典的Probit模型變量中，CA/CL不顯著，表明流動比率對企業陷入財務困境過程并沒有實質性的影響。而Beaver等[1，8]認為的預測企業失敗的最佳變量EBITDA/TL也不顯著，這同左小德和程守紅[27]的實證檢驗結果相反。很大原因在于左小德和程守紅[27]的研究是基于截面數據的Logistic回歸，而這種靜態方法所產生的估計量是有偏且不一致的。

總體上，所有財務比率的系數符號都符合預期，而且盈利能力指標的系數（絕對值）都比較大，其次是資產負債率，而不顯著變量的系數值幾乎都不到1個單位的水平。由exp（β）可知，TL/TA的單位變化量對風險函數的影響最大，在其他變量不變的情況下，TL/TA每增加一個單位，企業發生財務困境的風險率將至少增加2000%；EBIT/TA（NI/TA）每增加一個單位，企業發生財務困境的風險率都將降低100%。這意味著，杠桿率和盈利能力對企業財務困境有著重要的決定作用。這同ST的界定及財務困境本身的內涵是相一致的，從而也在一定程度上說明了將ST公司界定為財務困境公司是合理的。這一結果并不支持呂長江和趙巖[28]以及田軍和周勇[29]的研究。呂長江和趙巖[28]實證發現，公司的資本結構對公司被特別處理的風險的作用并不明顯，認為特別處理同財務困境兩者間存在很大的差異，這可能是因為他們采用了Cox模型并且只用了截面數據的緣故。田軍和周勇[29]也是基于Cox模型進行實證分析，指出與利潤有關的變量并不是主要的影響因素，他們認為這是選擇數據的周期和ST的審核時間不一致所造成的，因為他們使用的是季度數據，季度的細分弱化了利潤的影響。

在各分階段，各組變量的擬合統計量Pseudo R2與全樣本觀測期非常接近，全樣本觀測期中不顯著的變量在各分階段仍不顯著。所不同的是，MB/TL與CA/CL的系數符號在危機前階段都變為正，EBITDA/TL在危機及后危機階段變為正，都與預期相悖；變量的顯著性也發生了一些變化，表現在危機及后危機階段，WC/TA和RE/TA分別于5%和10%的統計水平上顯著，第二組變量中TL/TA在10%的水平上顯著。這至少表明：（1）盈利能力指標是最具穩健性的預測變量；（2）金融危機前后一些變量對財務困境的解釋作用發生了重大變化。

剔除了各模型估計中不顯著的變量后，發現盈利能力指標與杠桿率的組合具有較高的穩健性。最終我們檢驗了EBIT/TA和TL/TA這2個變量共同作用下的模型估計和預測結果。之所以只保留EBIT/TA這個盈利性指標，是因為EBIT/TA是一個獨立于任何稅收或杠桿因素的衡量公司生產能力的指標。Altman和Hotchkiss[30]指出，這種盈利能力的度量方法至少與現金流量方法的預測能力是一樣好的。

4.3預測能力檢驗

表2報告了EBIT/TA、TL/TA兩變量以及加入了1/σE后的模型估計結果。未報告的十分位預測結果顯示，在整個樣本觀測期，僅EBIT/TA與TL/TA兩個變量的作用（模型1）在第1個十分位數組上就識別出了95.21%的財務困境公司，模型ROC曲線下面積（AUC）達到了0.9804，已相當高了。根據表2，在整個數據觀測期間，1/σE在5%的統計水平上與企業財務困境風險顯著負相關，在控制其他變量不變的情況下，1/σE每增加一個單位，發生財務困境的風險率將下降39.85%，LR的提升（ΔLR=1837.876-1830.164=7.712，P=0.0055）意味著1/σE對模型1有顯著的增量信息作用。但十分位預測的結果卻發現，1/σE并沒有明顯改善模型1的預測能力。模型2與模型1可以說沒有區別，二者的ROC曲線圖幾乎完全重合，AUC僅相差0.0002，在統計上并不顯著（P=0.6683），這說明模型2與模型1的鑒別能力是等同的。

在兩個分階段，EBIT/TA與TL/TA仍保留了同整個樣本觀測期相一致的顯著性水平和參數符號，模型的Pseudo R2都在0.6左右的水平。比較十分位預測的結果及模型的AUC，發現EBIT/TA與TL/TA兩變量的模型估計和預測在3個觀測期相差無幾。這表明EBIT/TA與TL/TA兩變量對企業財務困境的預測作用具有穩健性。此外，1/σE雖在危機前階段仍在5%的統計水平上顯著，但在危機及后危機階段卻不再顯著，而且模型2的擬合結果與模型1并沒有明顯差別。

總體上，模型估計和預測的結果表明，加入了1/σE后的模型2與模型1并無明顯的差異。由此可見，在包含了EBIT/TA和TL/TA后，波動率指標對企業財務困境并沒有實質性的解釋作用。圖1描述了利用模型1在危機前階段的參數估計預測危機及后危機階段財務困境風險的ROC曲線圖。圖中顯示由EBIT/TA和TL/TA組成的持續期模型是非常有效的，其AUC為0.9829，說明具有很好的預測效果。

總體上，本節實證檢驗表明，波動率指標并沒有對財務比率起到明顯的改善作用，僅EBIT/TA與TL/TA兩個指標就足以解釋企業的財務困境了。財務報表對預測企業財務困境提供了非常重要的信息。

5結論

本文實證研究了財務比率對企業財務困境預測能力的變化情況。實證分析采用動態的持續期分析技術進行模型估計和預測，以ST標準界定財務困境，基于1996年上市以來的非金融A股上市公司最長達18年的觀測數據共16000個觀測值，選擇經典文獻中的3組財務比率，通過將整個樣本觀測期以金融危機全面爆發為分界點分為兩個階段，得出：

Altman所建立的Z*模型中的產權比率指標（MB/TL）、Zmijewski的Probit模型中的流動比率（CA/CL）以及Beaver等極力推崇的現金流負債比（EBITDA/TL）都對企業財務困境沒有實質性的預測能力。金融危機明顯影響了一些變量（營運資本比、累計盈利能力）的解釋力。但企業盈利性（EBIT/TA）和杠桿率（TL/TA）對財務困境的解釋作用卻至關重要且具有穩健性。參數估計顯示，在其他變量不變的情況下，TL/TA每增加一個單位，企業發生財務困境的風險率至少增加2000%；EBIT/TA每增加一個單位，企業發生財務困境的風險率將降低100%，這二者對風險函數的影響是其他變量所無法比及的。在預測能力上，由這兩個變量所構成的持續期模型的預測準確度已達到了0.98，而且變量的解釋作用幾乎不受金融危機的影響。雖然財務報表以外的波動率信息對它們有顯著的增量信息作用，卻沒有實質性地改善其預測能力，財務報表信息對企業財務困境的解釋作用是非常強大的。

總體上，本研究表明盡管外部環境急劇變化，財務報表仍對預測企業財務困境提供了非常重要的信息，財務比率作為一種分析工具有著重要的應用價值，其作用應被強調而不是被降級。

參考文獻：

[1]Beaver W H， Correia M， McNichols M F. Financial statement analysis and the prediction of financial distress[J]. Foundation and Trends in Accounting， 2010， 5（2）： 99-173.

[2]Balcaen S， Ooghe H. 35 years of studies on business failure： an overview of the classic statistical methodologies and their related problems[J]. The British Accounting Review， 2006， 38（1）： 63-93.

[3]Aziz M A， Dar H A. Predicting corporate bankruptcy： where we stand[J]. Corporate Governance： The International Journal of Business in Society， 2006， 6（1）： 18-33.

[4]Kumar P R， Ravi V. Bankruptcy prediction in banks and firms via statistical and intelligent techniques-a review[J]. European Journal of Operational Research， 2007， 180（1）： 1-28.

[5]Gepp A， Kumar K. Business failure prediction using statistical techniques： a review[M]. Faculty of Business Publications， 2012. 675.

[6]Ak B K， Dechow P M， Sun Y， et al.. The use of financial ratio models to help investors predict and interpret significant corporate events[J]. Australian Journal of Management， 2013， 38（3）： 553-598.

[7]Sun J， Li H， Huang Q H， et al.. Predicting financial distress and corporate failure： a review from the state-of-the-art definitions， modeling， sampling， and featuring approaches[J]. Knowledge-Based Systems， 2014， 57（2）： 41-56.

[8]Beaver W H， McNichols M F， Rhie J W. Have financial statements become less informative？ Evidence from the ability of financial ratios to predict bankruptcy[J]. Review of Accounting Studies， 2005， 10（1）： 93-122.

[9]楊德勇，馬若微.現代期權定價理論框架下的財務困境解釋與實證檢驗[J].財貿經濟，2009，（4）：33-37.

[10]Campbell J Y， Hilscher J， Szilagyi J. In search of distress risk[J]. The Journal of Finance， 2008， 63（6）： 2899-2939.

[11]Campbell J Y， Hilscher J， Szilagyi J. Predicting financial distress and the performance of distressed stocks[J]. Journal of Investment Management， 2011， 9（2）： 14-34.

[12]Shumway T. Forecasting bankruptcy more accurately： a simple hazard model[J]. The Journal of Business， 2001， 74（1）： 101-124.

[13]Campbell J Y， Lettau M， Malkiel B G， et al.. Have individual stocks become more volatile？ An empirical exploration of idiosyncratic risk[J]. The Journal of Finance， 2001， 56（1）： 1-43.

[14]Hillegeist S A， Keating E K， Cram D P， et al.. Assessing the probability of bankruptcy[J]. Review of Accounting Studies， 2004， 9（1）： 5-34.

[15]Wu Y， Gaunt C， Gray S. A comparison of alternative bankruptcy prediction models[J]. Journal of Contemporary Accounting & Economics， 2010， 6（1）： 34-45.

[16]Christidis A C Y， Gregory A. Some new models for financial distress prediction in the UK[R]. Social Science Electronic Publishing， Working Paper， 2010.

[17]Tinoco M H， Wilson N. Financial distress and bankruptcy prediction among listed companies using accounting， market and macroeconomic variables[J]. International Review of Financial Analysis， 2013， 30（12）： 394-419.

[18]Nam C W， Kim T S， Park N J， et al.. Bankruptcy prediction using a discrete-time duration model incorporating temporal and macroeconomic dependencies[J]. Journal of Forecasting， 2008， 27（6）： 493-506.

[19]Cox D R. Regression models and life-tables[J]. Journal of the Royal Statistical Society， 1972， 34（2）： 187-220.

[20]Allison P D. Survival analysis using SAS： a practical guide[M]. Cary， NC： Sas Institute， 2010.

[21]Amendola A， Restaino M， Sensini L. An analysis of the determinants of financial distress in Italy： a competing risks approach[J]. International Review of Economics and Finance， 2015， 37（5）： 33-41.

[22]Pindado J， Rodrigues L， de la Torre C. Estimating financial distress likelihood[J]. Journal of Business Research， 2008， 61（9）： 995-1003.

[23]Altman E I. Financial ratios， discriminant analysis and the prediction of corporate bankruptcy[J]. The Journal of Finance， 1968， 23（4）： 589-609.

[24]Ohlson J A. Financial ratios and the probabilistic prediction of bankruptcy[J]. Journal of Accounting Research， 1980， 18（1）： 109-131.

[25]Altman E I. Predicting financial distress of companies： revisiting the Z-score and ZETA models[D]. Stern School of Business， New York University， 2000. 7-36.

[26]Zmijewski M E. Methodological issues related to the estimation of financial distress prediction models[J]. Journal of Accounting Research， 1984， 22： 59-82.

[27]左小德，程守紅.上市公司財務危機預警的實證研究[J].數學的實踐與認識，2008，38（8）：7-15.

[28]呂長江，趙巖.中國上市公司特別處理的生存分析[J].中國會計評論，2004，2（2）：311-338.

[29]田軍，周勇.ST公司基于財務數據的動態分析[J].數理統計與管理，2014，33（2）：317-328.

[30]Altman E I， Hotchkiss E. Corporate financial distress and bankruptcy[M]. 3rd ed. New York： John Wiley & Sons， 2006.