企業財務危機預警模型設立及分析

馮楠楠

【摘 要】 全球化條件下企業面臨財務危機的可能性較大使得預警模型方面的研究有較高的實用價值，模型基本都是采用條件概率模型而建立起來，使用單變量分析篩選公司危機涉及到的財務和非財務指標，具備了傳統模型沒有的優勢，通過概率模型減低了傳統模型的隨意性，同時兼容財務與非財務指標，在不同類別間的選擇中尋求最優分類。文章從6個維度下的6個財務和非財務指標角度設立財務危機預警模型，為企業提供另一種較為可靠的預警模型。

【關鍵詞】 企業財務危機； 預警模型； 條件概率

【中圖分類號】 F275 【文獻標識碼】 A 【文章編號】 1004-5937（2018）09-0113-03

目前財務危機的預警模型很多，主流基本都是采用條件概率模型而建立起來。條件概率模型建立起的企業財務危機預警模型是以特征財務比率為解釋變量并運用數量統計方法推導而建立，從而預測某種財務危機發生的可能性，幫助經營者在危機出現的萌芽階段采取有效措施，幫助投資者、債權人等利益相關者進行自身需求的判斷。在本文中使用較為成熟的條件概率模型來甄別企業財務危機，從6個維度下的6個財務和非財務指標角度設立財務危機預警模型，尋求為企業提供另一種較為可靠的預警模型。

一、數據來源

本文的全部研究數據均來自于國泰安數據庫。由于我國新企業會計準則于2007年生效，因此將樣本區間定義為2007—2014年。數據處理軟件為Stata 14。

二、企業危機的定義

目前，學術界對于企業危機判別，主要側重于企業是否存在財務危機，目前主要有兩種方法：（1）是否被進行ST標識[1]，即如果一個上市公司被交易所進行ST警告，則被視為企業存在財務危機；（2）根據多元財務危機計分模型的打分情況判別，例如經典的Z值分析法下[2]小于1.8者即可被視為存在財務危機[3]。部分研究認為，中國資本市場的特殊性可能使得上市公司面臨更低的財務危機成本，隱性政企關聯使得企業在面臨財務危機時，仍能夠通過政治關聯獲得銀行貸款等融資，因此Z值分析法在中國本土是否可以使用，使用的閾值應當設置為多少，仍需要進一步論證。基于現有技術條件等客觀因素的限制，本文使用是否存在ST標識來作為企業財務危機的定義。

三、方法設計

經濟學科中存在大量不確定性信息，關于其研究離不開概率統計的運用。條件概率模型，又叫判別模型，基本思想是有限樣本條件下建立判別函數，不考慮樣本的產生模型，直接研究預測模型。優勢是尋找不同類別間的最優分類，反映的是異類數據之間的差異，能清晰地分辨類別差異特征，適用于較多類別的識別。

根據已有研究的系統回顧[4]，目前的企業財務危機預警模型技術主要分為三個階段：第一個階段是單一變量的財務危機預警模型，其特點是依據資產收益率、負債率等財務指標，通過對比分析，使用二分法來甄別財務風險，屬于較為原始的方法。第二階段為多元變量財務危機預警模型階段，在此階段，主要衍生出兩種方法，第一種是根據統計數據，將多元財務變量融合出一個綜合分數，此類方法的代表即是Z評分模型；第二種則是基于條件概率模型，通過對歷史數據的經驗分析，利用Logit或者Probit模型對破產概率進行計算，因此更為精確。第三個階段是基于人工神經網絡分析模型進行的判別分析，該技術主要是利用機器學習算法。目前，以第二階段技術應用為主。條件概率模型中對不確定性信息的篩選，比傳統模型隨機取值更有說服力，且具有適用性和預測性。在本文也使用較為成熟和直觀化的條件概率模型來甄別企業危機。具體做法如下：第一步，使用單變量分析來初步篩選公司危機涉及到的財務和非財務指標；第二步，根據篩選后的財務和非財務指標建立企業危機判別模型；第三步，根據歷史指標檢驗判別模型的準確性。

四、分析過程

（一）指標的篩選

1.財務指標的篩選

參考已有文獻[5]，首先確定能夠反映公司償債能力、盈利能力、營運能力、成長能力、現金狀況的多個指標：

反映償債能力的指標，包括流動比率（f010101a）、速動比率（f010201a）、資產負債率（f011201a）、權益負債比（f011801a）、利息保障倍數（f010701b）和營運資金與借款比（f010501a）6項。

反映公司盈利能力的指標，包括凈資產收益率（f050501b）、總資產凈利潤率（f050201b）、總資產報酬率（f050102b）3項。

反映公司營運能力的指標，包括應收賬款周轉率（f040201b）、存貨周轉率（f040501b）、固定資產周轉率（f041401b）和總資產周轉率（f041701b）4項。

反映公司成長能力的指標，包括營業收入增長率（f081601b）、股東權益增長率（f082701a）、總資產增長率（f080601a）和營業利潤增長率（f081201b）4項。

反映公司現金流的指標，包括經營凈現金流量流動負債比（f010801b）、經營凈現金流量負債比（f012301b）、經營凈現金流量營業收入比（f060301c）3項。

使用滯后1至3年單變量均值檢驗來篩選這些指標，統計差異越顯著，則表示這個指標的指示性越強①。下面為各個維度指標的篩選過程：

（1）償債能力指標的篩選（見表1）

結合實際經驗和統計結果的分析，權益負債比（f011801a）指標在差異和顯著性水平上較為理想，并且與實務中的分析經驗相切合，故選用權益負債比（f011801a）作為衡量償債能力的標準。

（2）盈利能力指標的篩選（見表2）

與“償債能力”指標的篩選標準一致，選擇使用總資產報酬率（f050102b）衡量。

（3）營運能力指標的篩選（見表3）

與“償債能力”指標的篩選標準一致，結合實際經驗和統計結果的分析，選擇使用總資產周轉率（f041701b）衡量。

（4）成長能力指標的篩選（見表4）

與“償債能力”指標的篩選標準一致，結合實際經驗和統計結果的分析，選擇使用營業利潤增長率（f081201b）衡量。

（5）現金流指標的篩選（見表5）

與“償債能力”指標的篩選標準一致，結合實際經驗和統計結果的分析，選擇使用經營凈現金流量流動負債比（f010801b）衡量。

2.非財務指標的篩選

參考已有研究[6-7]，公司治理等因素在公司危機的預警中也存在重要的作用。將初步篩選的指標范圍為以下指標：股權集中度（由大股東持股比例衡量，分別考慮第一、前3、前5、前10大股東的持股比例，變量為shrcr1、shrcr2、shrcr3、shrcr4），機構投資者持股比例（ins_owner）。

分析結果如表6。

結合實際經驗和統計結果的分析，選用第一股東持股比例（shrcr1）作為衡量公司治理水平。

（二）危機預警模型的建立和檢驗

根據上文的分析結果，共確定6個維度下的6個財務和非財務指標，分別是權益負債比（f011801a）、總資產報酬率（f050102b）、總資產周轉率（f041701b）、營業利潤增長率（f081201b）、經營凈現金流量流動負債比（f010801b）以及第一股東持股比例（shrcr1）。

建立模型1：

Probit（ST）i，t=β0+β1f011801ai，t-1+β2f050102bi，t-1+

β3f041701bi，t-1+β4f081201bi，t-1+β5f010801bi，t-1+

β6shrcri，t-1+εi，t （1）

模型1的回歸結果如表7所示。

提取系數，帶入模型1，建立判別模型：

Probit（ST）i，t=-1.778-0.614×f011801ai，t-1-2.913×f050102bi，t-1-0.429×f041701bi，t-1+0.001×f081201bi，t-1-

0.050×f010801bi，t-1-0.014×shrcr1i，t-1

套用第t-1年的數據發現，該模型的判別識別率為87.30%，誤判率為12.70%；套用第t-2年的數據識別判別率為65.40%，誤判率為34.60%。據此認為基于2007—2014年滬深兩市上市公司的歷史數據，基于條件概率而建立的上述模型可以較為有效地對企業財務危機進行預警，6個維度下的6個財務和非財務指標即權益負債比（f011801a）、總資產報酬率（f050102b）、總資產周轉率（f041701b）、營業利潤增長率（f081201b）、經營凈現金流量流動負債比（f010801b）以及第一股東持股比例（shrcr1）可以作為企業的財務危機預警參數，較好地起到危機預警作用，從而幫助企業提前做好預防措施，防范財務危機的發生。

五、結語

條件概率模型能有效克服傳統關系模型的許多不足。現實世界中大量存在著不確定性信息，傳統關系數據庫模型僅視它們為空值，有必要增強其處理這類信息的能力，創建能有效處理隨機型不確定性信息的條件概率關系數據庫模型。該模型通過在關系模式中增加一個條件概率測度屬性，為每條記錄指定適當的條件概率的途徑，來表示不確定性信息。

本文使用單變量分析篩選公司危機涉及到的財務和非財務指標，這在基礎取值上就具備了傳統模型沒有的優勢，通過概率模型減低了傳統模型的隨意性，同時兼容財務與非財務指標，在不同類別間的選擇中尋求最優分類，反映的是異類數據之間的差異，能清晰地分辨類別差異特征，適用于較多類別的識別。

具備了基礎數據的選擇可信度后，再繼續建立企業危機判別模型，并根據歷史指標檢驗判別模型的準確性，大幅提高該企業預警模型的有效性和實用性，從而幫助企業提前做好預防措施，防范財務危機的發生。

【參考文獻】

[1] 李萬福，林斌，楊德明，等. 內控信息披露、企業過度投資與財務危機——來自中國上市公司的經驗證據[J]. 中國會計與財務研究，2010，12（4）：76-141.

[2] ALTMAN E I. Financial ratios，discriminant analysis and the prediction of corporate bankruptcy[J].Journal of Finance，1968，23（1）：589-609.

[3] 姜付秀，張敏，陸正飛，等. 管理者過度自信、企業擴張與財務困境[J].經濟研究，2009（1）：131-143.

[4] 李帆，杜志濤，李玲娟.企業財務預警模型：理論回顧及其評論[J].管理評論，2011，23（9）：144-151.

[5] 張海君，陳艷.上市公司財務預警模型的研究[J]. 財經問題研究，2007（6）：92-98.

[6] 孫建文.基于公司治理的企業危機預警研究[D]. 桂林工學院碩士學位論文，2007.

[7] 袁陵.我國上市公司危機預警理論與實證研究[D].東南大學碩士學位論文，2004.