- 相關(guān)推薦
我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究
內(nèi)容提要：本文以我國(guó)上市公司為研究對(duì)象，選取了70家處于財(cái)務(wù)困境的公司和70家財(cái)務(wù)正常的公司為樣本，首先應(yīng)用剖面分析和單變量判定分析，研究財(cái)務(wù)困境出現(xiàn)前5年內(nèi)各年這二類公司21個(gè)財(cái)務(wù)指標(biāo)的差異，最后選定6個(gè)為預(yù)測(cè)指標(biāo)，應(yīng)用Fisher線性判定分析、多元線性回歸分析和Logistic回歸分析三種方法，分別建立三種預(yù)測(cè)財(cái)務(wù)困境的模型。研究結(jié)果表明：(1)在財(cái)務(wù)困境發(fā)生前2年或1年，有16個(gè)財(cái)務(wù)指標(biāo)的信息時(shí)效性較強(qiáng)，其中凈資產(chǎn)報(bào)酬率的判別成功率較高；(2)三種模型均能在財(cái)務(wù)困境發(fā)生前做出相對(duì)準(zhǔn)確的預(yù)測(cè)，在財(cái)務(wù)困境發(fā)生前4年的誤判率在28％以內(nèi)；(3)相對(duì)同一信息集而言，Logistic預(yù)測(cè)模型的誤判率最低，財(cái)務(wù)困境發(fā)生前1年的誤判率僅為6．47％。
一、財(cái)務(wù)困境預(yù)測(cè)模型研究的基本問(wèn)題
財(cái)務(wù)困境(Financial distress)又稱“財(cái)務(wù)危機(jī)”(Financial crisis)，最嚴(yán)重的財(cái)務(wù)困境是“企業(yè)破產(chǎn)”(Bankruptcy)。企業(yè)因財(cái)務(wù)困境導(dǎo)致破產(chǎn)實(shí)際上是一種違約行為，所以財(cái)務(wù)困境又可稱為“違約風(fēng)險(xiǎn)”(Default
risk)。事實(shí)上，企業(yè)陷入財(cái)務(wù)困境是一個(gè)逐步的過(guò)程，通常從財(cái)務(wù)正常漸漸發(fā)展到財(cái)務(wù)危機(jī)。實(shí)踐中，大多數(shù)企業(yè)的財(cái)務(wù)困境都是由財(cái)務(wù)狀況正常到逐步惡化，最終導(dǎo)致財(cái)務(wù)困境或破產(chǎn)的。因此，企業(yè)的財(cái)務(wù)困境不但具有先兆，而且是可預(yù)測(cè)的。正確地預(yù)測(cè)企業(yè)財(cái)務(wù)困境，對(duì)于保護(hù)投資者和債權(quán)人的利益、對(duì)于經(jīng)營(yíng)者防范財(cái)務(wù)危機(jī)、對(duì)于政府管理部門監(jiān)控上市公司質(zhì)量和證券市場(chǎng)風(fēng)險(xiǎn)，都具有重要的現(xiàn)實(shí)意義�？v觀財(cái)務(wù)困境判定和預(yù)測(cè)模型的研究，涉及到三個(gè)基本問(wèn)題：一是財(cái)務(wù)困境的定義；二是預(yù)測(cè)變量或判定指標(biāo)的選擇；三是計(jì)量方法的選擇。
(一)財(cái)務(wù)困境的定義
關(guān)于財(cái)務(wù)困境的定義，有不同的觀點(diǎn)。Carmiehael(1972)認(rèn)為財(cái)務(wù)困境是企業(yè)履行義務(wù)時(shí)受阻，具體表現(xiàn)為流動(dòng)性不足、權(quán)益不足、債務(wù)拖欠及資金不足四種形式。Ross等人(1999；2000)則認(rèn)為可從四個(gè)方面定義企業(yè)的財(cái)務(wù)困境：第一，企業(yè)失敗，即企業(yè)清算后仍無(wú)力支付債權(quán)人的債務(wù)；第二，法定破產(chǎn)，即企業(yè)和債權(quán)人向法院申請(qǐng)企業(yè)破產(chǎn)；第三，技術(shù)破產(chǎn)，即企業(yè)無(wú)法按期履行債務(wù)合約付息還本；第四，會(huì)計(jì)破產(chǎn)，即企業(yè)的賬面凈資產(chǎn)出現(xiàn)負(fù)數(shù)，資不抵債。從防范財(cái)務(wù)困境的角度看，“財(cái)務(wù)困境是指一個(gè)企業(yè)處于經(jīng)營(yíng)性現(xiàn)金流量不足以抵償現(xiàn)有到期債務(wù)”，即技術(shù)破產(chǎn)。
在Beaver(1966)的研究中，79家“財(cái)務(wù)困境公司”包括59家破產(chǎn)公司、16家拖欠優(yōu)先股股利公司和3家拖欠債務(wù)的公司，由此可見(jiàn)，Beaver把破產(chǎn)、拖欠優(yōu)先股股利、拖欠債務(wù)界定為財(cái)務(wù)困境。Altman(1968)定義的財(cái)務(wù)困境是“進(jìn)入法定破產(chǎn)的企業(yè)”。Deakin(1972)則認(rèn)為財(cái)務(wù)困境公司“僅包括已經(jīng)經(jīng)歷破產(chǎn)、無(wú)力償債或?yàn)閭鶛?quán)人利益而已經(jīng)進(jìn)行清算的公司”。
(二)預(yù)測(cè)變量的選擇
財(cái)務(wù)困境預(yù)測(cè)模型因所用的信息類型不同分為財(cái)務(wù)指標(biāo)信息類模型、現(xiàn)金流量信息類模型和市場(chǎng)收益率信息類模型。
1．財(cái)務(wù)指標(biāo)信息類模型。Ahman(1968)等學(xué)者(Ahman，Haldeman和Narayanan，1980；Platt和Platt，1991)使用常規(guī)的財(cái)務(wù)指標(biāo)，如負(fù)債比率、流動(dòng)比率、凈資產(chǎn)收益率和資產(chǎn)周轉(zhuǎn)速度等，作為預(yù)測(cè)模型的變量進(jìn)行財(cái)務(wù)困境預(yù)測(cè)。
盡管財(cái)務(wù)指標(biāo)廣泛且有效地應(yīng)用于財(cái)務(wù)困境預(yù)測(cè)模型，但如何選擇財(cái)務(wù)指標(biāo)及是否存在最佳的財(cái)務(wù)指標(biāo)來(lái)預(yù)測(cè)財(cái)務(wù)困境發(fā)生的概率卻一直存在分歧。Harmer(1983)指出被選財(cái)務(wù)指標(biāo)的相對(duì)獨(dú)立性能提高模型的預(yù)測(cè)能力。Boritz(1991)區(qū)分出65個(gè)之多的財(cái)務(wù)指標(biāo)作為預(yù)測(cè)變量。但是，自Z模型(1968)和ZETA模型(1977)發(fā)明后，還未出現(xiàn)更好的使用財(cái)務(wù)指標(biāo)于預(yù)測(cè)財(cái)務(wù)困境的模型。
2．現(xiàn)金流量信息類模型�，F(xiàn)金流量類信息的財(cái)務(wù)困境預(yù)測(cè)模型基于一個(gè)理財(cái)學(xué)的基本原理：公司的價(jià)值應(yīng)等于預(yù)期的現(xiàn)金流量的凈現(xiàn)值。如果公司沒(méi)有足夠的現(xiàn)金支付到期債務(wù)，而且又無(wú)其他途徑獲得資金時(shí)，那么公司最終將破產(chǎn)。因此，過(guò)去和現(xiàn)在的現(xiàn)金流量應(yīng)能很好地反映公司的價(jià)值和破產(chǎn)概率。
在Gentry，Newbold和Whitford(1985a；1985b)研究的基礎(chǔ)上，Aziz、Emanuel和Lawson(1988)發(fā)展了現(xiàn)金流量信息預(yù)測(cè)財(cái)務(wù)困境模型。公司的價(jià)值來(lái)自經(jīng)營(yíng)的、政府的、債權(quán)人的、股東的現(xiàn)金流量的折現(xiàn)值之和。他們根據(jù)配對(duì)的破產(chǎn)公司和非破產(chǎn)公司的數(shù)據(jù)，發(fā)現(xiàn)在破產(chǎn)前5年內(nèi)兩類公司的經(jīng)營(yíng)現(xiàn)金流量均值和現(xiàn)金支付的所得稅均值有顯著的差異。顯然，這一結(jié)果是符合現(xiàn)實(shí)的。破產(chǎn)公司與非破產(chǎn)公司的經(jīng)營(yíng)性現(xiàn)金流量會(huì)因投資質(zhì)量和經(jīng)營(yíng)效率的差異而不同，二者以現(xiàn)金支付的所得稅也會(huì)因稅收會(huì)計(jì)的處理差異而不同。Aziz、Emanuel和Lawson(1989)比較了Z模型、ZETA模型、現(xiàn)金流量模型預(yù)測(cè)企業(yè)發(fā)生財(cái)務(wù)困境的準(zhǔn)確率，發(fā)現(xiàn)現(xiàn)金流量模型的預(yù)測(cè)效果較好。
3．市場(chǎng)收益率信息類模型。Beaver(1968)是使用股票市場(chǎng)收益率信息進(jìn)行財(cái)務(wù)困境預(yù)測(cè)研究的先驅(qū)。他發(fā)現(xiàn)在有效的資本市場(chǎng)里，股票收益率也如同財(cái)務(wù)指標(biāo)一樣可以預(yù)測(cè)破產(chǎn)，但時(shí)間略滯后。Altman和Brenner(1981)的研究表明，破產(chǎn)公司的股票在破產(chǎn)前至少1年內(nèi)在資本市場(chǎng)上表現(xiàn)欠佳。Clark和Weinstein(1983)發(fā)現(xiàn)破產(chǎn)公司股票在破產(chǎn)前至少3年內(nèi)存在負(fù)的市場(chǎng)收益率。然而，他們也發(fā)現(xiàn)破產(chǎn)公告仍然向市場(chǎng)釋放了新的信息。破產(chǎn)公司股票在破產(chǎn)公告日前后的兩個(gè)月時(shí)間區(qū)段內(nèi)平均將經(jīng)歷26％的資本損失。
Aharony，Jones和Swary(1980)提出了一個(gè)基于市場(chǎng)收益率方差的破產(chǎn)預(yù)測(cè)模型。他們發(fā)現(xiàn)在正式的破產(chǎn)公告日之前的4年內(nèi)，破產(chǎn)公司的股票的市場(chǎng)收益率方差與一般公司存在差異。在接近破產(chǎn)公告日時(shí)，破產(chǎn)公司的股票的市場(chǎng)收益率方差變大。
(三)計(jì)量方法的選擇
財(cái)務(wù)困境的預(yù)測(cè)模型因選用變量多少不同分為單變量預(yù)測(cè)模型和多變量預(yù)測(cè)模型；多變量預(yù)測(cè)模型因使用計(jì)量方法不同分為線性判定模型、線性概率模型和Logistic回歸模型。
此外，值得注意的是，近年來(lái)財(cái)務(wù)困境預(yù)測(cè)的研究方法又有新的進(jìn)展。網(wǎng)絡(luò)神經(jīng)遺傳方法已經(jīng)開始被應(yīng)用于構(gòu)建和估計(jì)財(cái)務(wù)困境預(yù)測(cè)模型。
(四)我國(guó)對(duì)企業(yè)財(cái)務(wù)困境預(yù)測(cè)的研究
在國(guó)內(nèi)的研究中，吳世農(nóng)、黃世忠(1986)曾介紹企業(yè)的破產(chǎn)分析指標(biāo)和預(yù)測(cè)模型；陳靜(1999)以1998年的27家ST公司和27家非ST公司，使用了1995—1997年的財(cái)務(wù)報(bào)表數(shù)據(jù)，進(jìn)行了單變量分析和二類線性判定分析，在單變量判定分析中，發(fā)現(xiàn)在負(fù)債比率、流動(dòng)比率、總資產(chǎn)收益率、凈資產(chǎn)收益率4個(gè)財(cái)務(wù)指標(biāo)中，流動(dòng)比率與負(fù)債比率的誤判率最低；在多元線性判定分析中，發(fā)現(xiàn)由負(fù)債比率、凈資產(chǎn)收益率、流動(dòng)比率、營(yíng)運(yùn)資本／總資產(chǎn)、總資產(chǎn)周轉(zhuǎn)率6個(gè)指標(biāo)構(gòu)建的模型，在ST發(fā)生的前3年能較好地預(yù)測(cè)ST。張玲(2000)以120家公司為研究對(duì)象，使用其中60家公司的財(cái)務(wù)數(shù)據(jù)估計(jì)二類線性判別模型，并使用另外60家公司進(jìn)行模型檢驗(yàn)，發(fā)現(xiàn)模型具有超前4年的預(yù)測(cè)結(jié)果。
二、本文的樣本和研究方法
本文與以前我國(guó)上市公司財(cái)務(wù)困境的研究有所不同。第一，樣本新、時(shí)間長(zhǎng)、容量大。本文研究的ST樣本包括1998—2000年發(fā)生ST的公司，即A股市場(chǎng)上全部的ST公司，同時(shí)剔除了非正常的ST公司；此外，樣本數(shù)據(jù)的收集時(shí)間延至公司發(fā)生ST前5年，樣本時(shí)間跨度較長(zhǎng)。選入研究的ST樣本公司70家和相對(duì)應(yīng)的非ST樣本公司70家，樣本容量達(dá)到了140家，可望在一定程度上降低估計(jì)和預(yù)測(cè)誤差。第二，選擇多種研究方法，建立單變量判定模型和三種多變量判定模型，并比較各種模型在財(cái)務(wù)困境預(yù)測(cè)中的效率。
(一)財(cái)務(wù)困境公司的樣本選定
本文從我國(guó)A股市場(chǎng)上3年中出現(xiàn)的82家ST公司中界定出70家公司作為財(cái)務(wù)困境公司，進(jìn)行財(cái)務(wù)困境預(yù)測(cè)研究。它們是：(1)連續(xù)兩年虧損，包括因?qū)ω?cái)務(wù)報(bào)告調(diào)整導(dǎo)致連續(xù)兩年虧損的“連虧”公司，共51家；(2)一年虧損但最近一個(gè)會(huì)計(jì)年度的股東權(quán)益低于注冊(cè)資本，即“巨虧”公司，共16家；(3)因注冊(cè)會(huì)計(jì)師意見(jiàn)而特別處理的，共3家。但排除了：(1)上市兩年內(nèi)就進(jìn)入特別處理的公司，共8家。排除原因是財(cái)務(wù)數(shù)據(jù)過(guò)少和存在嚴(yán)重的包裝上市嫌疑，因此與樣本中的其他公司不具有同質(zhì)性；(2)因巨額或有負(fù)債進(jìn)行特別處理的公司，共2家。排除原因是或有負(fù)債屬偶發(fā)事件，不是由企業(yè)正常經(jīng)營(yíng)造成的，與其他樣本公司不具有同質(zhì)性；(3)因自然災(zāi)害、重大事故等進(jìn)行特別處理的，共2家，原因同(2)。
(二)研究程序和計(jì)量方法
本研究首先計(jì)算140家樣本公司的盈利增長(zhǎng)比率、股東權(quán)益收益率等21個(gè)財(cái)務(wù)指標(biāo)，這些指標(biāo)綜合反映了企業(yè)的盈利能力、長(zhǎng)短期償債能力、營(yíng)運(yùn)能力、成長(zhǎng)能力和企業(yè)規(guī)模。在此基礎(chǔ)上，使用剖面分析對(duì)樣本中的財(cái)務(wù)困境公司和非財(cái)務(wù)困境公司在財(cái)務(wù)困境發(fā)生前5年期間歷年的21個(gè)財(cái)務(wù)指標(biāo)進(jìn)行對(duì)比分析，探討對(duì)企業(yè)陷入財(cái)務(wù)困境影響顯著的變量。其后，應(yīng)用單變量分析，選擇4個(gè)財(cái)務(wù)指標(biāo)為例估計(jì)單變量判定模型。最后，篩選和確定對(duì)企業(yè)陷入財(cái)務(wù)困境影響最為顯著的6個(gè)指標(biāo)為模型的判定指標(biāo)，應(yīng)用線性概率模型、Fisher二類線性判定模型、Logistic模型三種計(jì)量方法，建立和估計(jì)財(cái)務(wù)困境的預(yù)測(cè)模型，并比較這三種模型的預(yù)測(cè)效果。
三、實(shí)證研究
(一)剖面分析
首先分組計(jì)算70家財(cái)務(wù)困境公司和70家非財(cái)務(wù)困境公司的21個(gè)財(cái)務(wù)指標(biāo)在財(cái)務(wù)困境發(fā)生前1至5年的平均值和標(biāo)準(zhǔn)差等描述性統(tǒng)計(jì)量，比較這二組在21個(gè)財(cái)務(wù)指標(biāo)各年的平均值是否具有顯著差異，其次計(jì)算各年的Z統(tǒng)計(jì)檢驗(yàn)量，結(jié)果如表1所示。剖面分析結(jié)果表明：(1)在ST發(fā)生的前1和2年，財(cái)務(wù)困境公司和非財(cái)務(wù)困境公司的17個(gè)財(cái)務(wù)指標(biāo)的平均值存在顯著的差異；(2)Z值隨著ST發(fā)生時(shí)間的臨近而顯著增大，即二組的財(cái)務(wù)指標(biāo)平均值的差異隨ST發(fā)生時(shí)間的臨近而擴(kuò)大。由此可見(jiàn)，在所選的21個(gè)財(cái)務(wù)指標(biāo)中，除利息保障倍數(shù)、存貨周轉(zhuǎn)率、Log(總資產(chǎn))和Idg(凈資產(chǎn))外，其余17個(gè)在財(cái)務(wù)困境發(fā)生前1至2年中具有顯著的預(yù)測(cè)能力。
表1 21個(gè)財(cái)務(wù)指標(biāo)Z統(tǒng)計(jì)量的計(jì)算結(jié)果*
變量
年份
財(cái)務(wù)指標(biāo)
1
2
3
4
5
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
X11
X12
X13
X14
X15
X16
X17
X18
X19
X20
X21
盈利增長(zhǎng)指數(shù)
凈資產(chǎn)報(bào)酬率
資產(chǎn)報(bào)酬率
主營(yíng)業(yè)務(wù)利潤(rùn)貢獻(xiàn)率
主營(yíng)業(yè)務(wù)利潤(rùn)率
利息保障倍數(shù)
流動(dòng)比率
速動(dòng)比率
超速動(dòng)比率
負(fù)債比率
長(zhǎng)期負(fù)債比率
營(yíng)運(yùn)資本與總資產(chǎn)比例
留存收益與總資產(chǎn)比例
資產(chǎn)增長(zhǎng)率
股東權(quán)益增長(zhǎng)率
主營(yíng)業(yè)務(wù)收入增長(zhǎng)率
應(yīng)收帳周轉(zhuǎn)率
存貨周轉(zhuǎn)率
資產(chǎn)周轉(zhuǎn)宰
Log(總資產(chǎn))
Log(總凈資產(chǎn))
-5．02801
-9．39818
-13.5737
-6．95792
-2．38001
-1.00056
-4．18523
-4．78131
-4．76609
7．069639
2.677646
-7.48542
-5.86409
-5.45125
-2.17953
-2.22814
-3．10585
0．76(5903
-5．33927
-2．06383
-1．17666
-7．27657
-8．29335
-9．85133
-3．38818
-1．69139
-2．47864
-2．55904
-2．68381
-3．8911
4．709338
1．649888
-4．6706
-7．30313
-5．8694
-6．16978
-2．82127
-3．55299
0．269081
-3．92923
-0．10284
0．390389
-3．192363
-5．579462
-6．17433
-3．05861
-0．379336
-0．457141
0．9768771
0．7578366
0．1646762
1．3630592
1．2005162
-1．073014
-3．051216
-2．918784
-3．705277
-3．202361
-0．873054
-0．639056
-3．424565
1．0443092
0．9128631
-3．87171
-3．19338
-4．38721
-0．88492
0．350246
0．802593
-0．06973
-0．16707
-0．76186
2．181309
1．141137
-0．96758
-3．22819
1．031446
0．356409
0．943658
-1．94698
-0．84383
-1．42641
2．35245
2．163495
n．a(chǎn)．
-1．86256
-2．29654
0．183391
0．345284
0．100075
1．036392
1．146756
1．120344
1．015672
0．499249
0．218316
-1．0225
n．a(chǎn)．
n．a(chǎn)．
n．a(chǎn)．
-2．75977
-0．86133
-1．9508
1．083705
1．358374
*Z是二組的平均數(shù)之差除于二組的共同標(biāo)準(zhǔn)誤，即Z=[M1-M2]/[S1/N1]+（S2/N2）]1/2
(二)單變量判定分析
本文選擇凈資產(chǎn)報(bào)酬率、負(fù)債比例、營(yíng)運(yùn)資產(chǎn)與總資產(chǎn)的比例和資產(chǎn)周轉(zhuǎn)率4個(gè)財(cái)務(wù)指標(biāo)，應(yīng)用單變量判定分析分別建立4個(gè)單變量預(yù)測(cè)模型，通過(guò)確定模型的最佳判定點(diǎn)，可以判定某一企業(yè)在財(cái)務(wù)困境發(fā)生前1至5年其是否會(huì)陷入財(cái)務(wù)困境。估計(jì)模型的結(jié)果如表2至表5所示。
表2 凈資產(chǎn)報(bào)酬率在財(cái)務(wù)困境前1-5年的判定模型
年份
最佳判定點(diǎn)
原始值
預(yù)測(cè)值
合計(jì)
誤判率
0
1
(％)
計(jì)數(shù)
0
64
6
70
1
0．00
1
7
62
69
9．35
百分比
0
91．43
8．57
100
1
10．14
89．86
100
計(jì)數(shù)
0
57
13
70
2
0．055
1
11
59
70
17．14
百分比
0
81．43
18．57
100
1
15．71
84．29
100
計(jì)數(shù)
0
52
18
70
3
0．095
1
18
51
69
25．90
百分比
O
74．29
25．71
100
1
26.09
73．91
100
計(jì)數(shù)
0
41
21
62
4
0．105
1
21
40
61
34．15
百分比
0
66．13
33．87
100
1
34．43
砧．57
100
計(jì)數(shù)
0
18
13
31
5
0．105
1
16
16
32
46.03
百分比
0
58．06
41．94
100
1
50．00
50．00
100
由表2至表5可見(jiàn)：(1)從各個(gè)單變量判定模型的判定效果來(lái)看，凈資產(chǎn)報(bào)酬率的判定模型誤差最小；營(yíng)運(yùn)資本／總資產(chǎn)的判定模型和負(fù)債比率的判定模型誤差次之，資產(chǎn)周轉(zhuǎn)率的判定模型誤差最大。(2)財(cái)務(wù)指標(biāo)作為預(yù)測(cè)變量具有信息含量和時(shí)效性，其信息含量隨著時(shí)間的推移而遞減，即指標(biāo)值離財(cái)務(wù)困境發(fā)生的時(shí)間愈短，信息含量愈多，預(yù)測(cè)的準(zhǔn)確性愈高，反之信息含量愈少，預(yù)測(cè)準(zhǔn)確性愈低。(3)結(jié)合剖面分析，在兩組均值的差異性檢驗(yàn)中非常顯著的財(cái)務(wù)指標(biāo)，在單變量判定分析中的誤判率卻較高。例如，財(cái)務(wù)困境公司與非財(cái)務(wù)困境公司兩組的負(fù)債比率在財(cái)務(wù)困境前1年的Z統(tǒng)計(jì)量為7．0696，差異性非常顯著，但在單變量判定分析中誤判比率卻高達(dá)24．46％。以上結(jié)果表明，應(yīng)用不同研究方法分析同一個(gè)指標(biāo)所得結(jié)果不同。我們認(rèn)為，這是因?yàn)樵谄拭娣治龅膠檢驗(yàn)中，誤判率不僅與兩組的均值有關(guān)，而且與兩組的樣本分布的狀況有關(guān)。因此，應(yīng)用不同判定分析方法構(gòu)建的單指標(biāo)判定模型，結(jié)論往往相互沖突。
表3 負(fù)債比率在財(cái)務(wù)困境前1-5年的判定模型
年份
最佳判定點(diǎn)
原始值
預(yù)測(cè)值
合計(jì)
誤判率
0
1
(％)
計(jì)數(shù)
0
53
17
70
1
0．585
1
17
52
69
24．46
百分比
0
75．71
24．29
100
1
24．64
75．36
100
計(jì)數(shù)
0
46
24
70
2
0．505
1
24
46
70
34．29
百分比
0
65．71
34．29
100
1
34．29
65．71
100
計(jì)數(shù)
0
43
27
70
3
0．495
1
26
43
69
38．13
百分比
0
61．43
38．57
100
1
37．68
62．32
100
計(jì)數(shù)
0
38
24
62
4
0．53
1
22
39
61
37．40
百分比
0
61．29
38．71
100
1
36．07
63．93
100
計(jì)數(shù)
0
19
12
31
5
0．455
1
12
20
32
38．10
百分比
0
61．29
38．71
100
1
37．50
62．50
100
表4 營(yíng)運(yùn)資本/總資產(chǎn)在財(cái)務(wù)困境前1-5年的判定模型
年份
最佳判定點(diǎn)
原始值
預(yù)測(cè)值
合計(jì)
誤判率
0
1
(％)
計(jì)數(shù)
0
54
16
70
1
0．065
1
14
55
69
21．58
百分比
0
77．14
22．86
100
1
20．29
79．71
100
計(jì)數(shù)
0
50
20
70
2
0．155
1
22
48
-70
30．00
百分比
0
71．43
28．57
100
1
31．43
68．57
100
計(jì)數(shù)
0
36
34
70
3
0．165
1
31
38
69
46．76
百分比
0
51．43
48．57
100
1
44．93
55．07
100
計(jì)數(shù)
1
31
31
62
4
0．165
1
29
32
61
48．78
百分比
0
50．00
50．00
100
1
47．54
52．46
100
計(jì)數(shù)
0
16
15
31
5
0．145
1
16
16
32
49．21
百分比
0
51．61
48．39
100
1
50．00
50．00
100
表5 資產(chǎn)周轉(zhuǎn)率在財(cái)務(wù)困境前1-5年的判定模型
年份
最佳判定點(diǎn)
原始值
預(yù)測(cè)值
合計(jì)
誤判率
0
1
(％)
計(jì)數(shù)
0
50
20
70
1
0．36
1
21
48
69
29．50
百分比
0
71．43
28．57
100
1
30．43
69．57
100
計(jì)數(shù)
0
44
26
70
2
0．38
1
28
42
70
31.43
百分比
0
62．86
37．14
100
1
40．00
60．00
100
計(jì)數(shù)
0
44
26
70
3
0．475
1
26
43
69
37.41
百分比
0
62．86
37．14
100
1
37．68
62．32
100
計(jì)數(shù)
0
34
28
62
4
0．475
1
27
34
61
44.72
百分比
0
54．84
45．16
100
1
44．26
55．74
100
計(jì)數(shù)
0
18
13
31
5
0．405
1
15
17
32
44.44
百分比
O
58．06
41．94
100
1
46．88
53．13
100
(三)多元線性判定模型的變量選擇分析
本研究首先應(yīng)用LPM，采用逐步回歸選擇變量方法，對(duì)5年的樣本數(shù)據(jù)依次進(jìn)行回歸，從21個(gè)變量中選擇若干變量。選擇的標(biāo)準(zhǔn)是：F值的概率值小于0．10時(shí)進(jìn)入，大于0．11時(shí)剔除。
利用財(cái)務(wù)困境前1至5年的數(shù)據(jù)，分別進(jìn)行逐步回歸，結(jié)果如表6所示。我們最終選取了Xl(盈利增長(zhǎng)指數(shù))、X3(資產(chǎn)報(bào)酬率)、X7(流動(dòng)比率)、X11(長(zhǎng)期負(fù)債與股東權(quán)益比率)、X12(營(yíng)運(yùn)資本與總資產(chǎn)比)、X19(資產(chǎn)周轉(zhuǎn)率)等6個(gè)指標(biāo)作為多元判定分析的變量。選取這些指標(biāo)的原因是：(1)以財(cái)務(wù)困境前1年的逐步回歸結(jié)果為主，參考其他年份的回歸結(jié)果。由剖面分析可知，財(cái)務(wù)困境前1年的財(cái)務(wù)指標(biāo)作為財(cái)務(wù)困境預(yù)測(cè)的信息含量最多，時(shí)效性最強(qiáng)；離財(cái)務(wù)困境發(fā)生的時(shí)間越遠(yuǎn)，指標(biāo)的信息含量越少，時(shí)效性越差。所以，財(cái)務(wù)困境前1年逐步回歸所得的變量全部入選。結(jié)合其他年份特別是財(cái)務(wù)困境前2年的結(jié)果，營(yíng)運(yùn)資本總資產(chǎn)比、速動(dòng)比率、負(fù)債比率、應(yīng)收賬款周轉(zhuǎn)率是表現(xiàn)較好的變量。(2)兼顧全面綜合的信息反映，適當(dāng)避免同類信息的重復(fù)反映。首先，財(cái)務(wù)困境前1年逐步回歸所得的變量盈利增長(zhǎng)指數(shù)、資產(chǎn)報(bào)酬率、長(zhǎng)期負(fù)債股東權(quán)益比率、資產(chǎn)周轉(zhuǎn)率分別是反映企業(yè)成長(zhǎng)能力、盈利能力、長(zhǎng)期償債能力、營(yíng)運(yùn)能力的指標(biāo)，但沒(méi)有反映短期償債能力的指標(biāo)。營(yíng)運(yùn)資本與總資產(chǎn)比是財(cái)務(wù)困境前2年逐步回歸所得的變量之一，而且參數(shù)估計(jì)值的顯著性水平在0．05之上，故也把該變量作為預(yù)測(cè)變量之一。其次，速動(dòng)比率是反映短期償債能力的指標(biāo)，但更能全面反映短期償債能力是流動(dòng)比率，結(jié)合剖面分析，歷年兩組間的流動(dòng)比率和速動(dòng)比率均值差異性檢驗(yàn)統(tǒng)計(jì)量Z值比較接近，表明這二個(gè)指標(biāo)都能反映的兩組的差異性。因此，從反映短期償債能力的全面性來(lái)考慮，我們?cè)诮r(shí)選擇了流動(dòng)比率，舍棄了速動(dòng)比率。再次，考慮到若企業(yè)短期償債能力較強(qiáng)，會(huì)減少其在短期內(nèi)陷入財(cái)務(wù)困境的概率，因此把短期償債能力的兩個(gè)指標(biāo)——營(yíng)運(yùn)資本與總資產(chǎn)比和流動(dòng)比率同時(shí)引入預(yù)測(cè)變量組合，加強(qiáng)短期償債能力信息在預(yù)測(cè)中的比重。第四，負(fù)債比率與長(zhǎng)期負(fù)債股東權(quán)益比同是反映企業(yè)長(zhǎng)期償債能力的指標(biāo)，長(zhǎng)期負(fù)債股東權(quán)益比已在財(cái)務(wù)困境前1年引入了變量組合，為避免信息的重復(fù)反映，舍棄了負(fù)債比率。最后，應(yīng)收賬款周轉(zhuǎn)率與總資產(chǎn)周轉(zhuǎn)率同是反映營(yíng)運(yùn)能力的指標(biāo)，但應(yīng)收賬款周轉(zhuǎn)率不及總資產(chǎn)周轉(zhuǎn)率反映全面，所以反映營(yíng)運(yùn)能力的指標(biāo)選用總資產(chǎn)周轉(zhuǎn)率，舍棄應(yīng)收賬款周轉(zhuǎn)率。
表6 各年逐步回歸的所得的變量結(jié)果
年份
1
2
3
4
5
參數(shù)估計(jì)值
參數(shù)估計(jì)值
參數(shù)估計(jì)值
參數(shù)估計(jì)值
參數(shù)估計(jì)值
截距
0．4380
0．2225
0．2215
-1．2365
0．6001
X1
0．1087
-0．1661*
-0．2365
X3
-2．9856*
一2．2959，
-4．4429*
-2．7496*
X5
0．7748*
X8
0．1596*
0．0874*
X1O
0．4844
0．5194*
X11
0．2039*
X12
-0．6053x
X14
0．3597
X15
-0．2234*
X17
-0．0056
-0．0073*
X19
-0．1584*
X20
0．2008
為了避免多重共線性，對(duì)選定的6個(gè)變量進(jìn)行多重共線性檢驗(yàn)。本文使用的檢驗(yàn)指標(biāo)是容許度(TOL)和方差膨脹因子(VIF)。計(jì)算公式為：
TOLj=1—R2j=1／VIFj
其中，群為均對(duì)其余k—1個(gè)自變量回歸中的判定系數(shù)R2。當(dāng)TOL較小時(shí)，認(rèn)為存在多重共線性。一般地，方差膨脹因子VIF大于10，認(rèn)為具有高的多重共線性。VIF檢驗(yàn)的結(jié)果見(jiàn)表7。從表7可知，6個(gè)變量的VIF均小于10，可認(rèn)為各變量之間不存在顯著的多重共線性。
表7 多重共線性檢驗(yàn)
X1
X3
X7
X11
X12
X19
TOL
0．6255
0．4334
0．3792
0．9524
0．2922
0．8030
VIF
1．5987
2．3073
2．6373
1．0500
3．4225
1．2453
(四)多元線性判定模型的估計(jì)結(jié)果
1．LPM模型。根據(jù)上述選定的6個(gè)變量及其財(cái)務(wù)困境前1年的樣本數(shù)據(jù)，得到LPM模型的回歸結(jié)果如表8所示。LPM模型的方程可表示為：
Y=0．3883+0．1065x1-2．7733x3+0．0537x7+0．1970x11-0．3687Xl2-0.1388x19
其中：Y是陷入財(cái)務(wù)困境的概率；X1是盈利增長(zhǎng)指數(shù)；x3是資產(chǎn)報(bào)酬率；x7是流動(dòng)比率；X11，是長(zhǎng)期負(fù)債股東權(quán)益比率；x12是營(yíng)運(yùn)資本／總資產(chǎn)；X19是資產(chǎn)周轉(zhuǎn)率。
表8 LPM模型的回歸估計(jì)結(jié)果
R2=0．6373
R2
一橫=0．6373
F=38．6508
P值=0．0000
參數(shù)估計(jì)值
標(biāo)準(zhǔn)差
T統(tǒng)計(jì)量
P值
截距
0．3883
0．0777
4．9992
0．0000
X1
0．1065
0．0570
1．8663
0．0642
X3
-2．7733
0．3068
-9．0408
0．0000
X7
0．0537
0．0446
1．2026
0．2313
X11
0．1970
0．0619
3．1836
0.0018
X12
-0．3687
0．2085
-1．7685
0.0793
X19
-0．1388
0．0798
-1．7394
0．0843
線性概率方程是以70家非財(cái)務(wù)困境公司與69家財(cái)務(wù)困境公司在財(cái)務(wù)困境前1年的6個(gè)財(cái)務(wù)指標(biāo)的數(shù)據(jù)為因變量值，取財(cái)務(wù)困境公司為1，非財(cái)務(wù)困境公司為0作為因變量值進(jìn)行估計(jì)的。因此，理論上取0．5為最佳判定點(diǎn)。根據(jù)估計(jì)的模型對(duì)原始數(shù)據(jù)進(jìn)行回代判定，若預(yù)測(cè)值大于0．5的，判定為財(cái)務(wù)困境公司；否則為非財(cái)務(wù)困境公司。判定結(jié)果如表9所示。
表9 LPM在財(cái)務(wù)困境前1年的判定結(jié)果
原始值
預(yù)測(cè)值
合計(jì)
誤判率
0
1
(％)
計(jì)數(shù)
0
66
4
70
1
10
59
69
10．07
百分比
0
94．29
5．71
100
1
14．49
85．51
100
在回判過(guò)程中，70家非財(cái)務(wù)困境公司有4家被錯(cuò)判，誤判率為5．71％；69家財(cái)務(wù)困境公司有10家被錯(cuò)判，誤判率為14．49％；總的誤判率為10．07％。判定正確率較高。采用同樣的方法可以計(jì)算其他年份的最佳判定點(diǎn)和誤判率。
2．Fisher二類線性判定模型。把財(cái)務(wù)困境公司劃分為組合1，非財(cái)務(wù)困境公司劃分為組合2，對(duì)樣本公司的財(cái)務(wù)困境前1年的財(cái)務(wù)數(shù)據(jù)，使用同樣的6個(gè)變量，估計(jì)Fisher二類線性判定分析。
對(duì)于組合1，判定模型為：
Z=-6．059+0．331x1一25．865x3+4．033x7+3．250x11-11．905x12+4．428x19
對(duì)于組合2，判定模型為：
Z=-4．859—0．812x1+3．989x3+3．432x7+1．142x11一7．734x12+5．924x19
以典則(Canonical)變量代替原始數(shù)據(jù)中指定的自變量，其中，典則變量是原始自變量的線性組合，得到典則的線性判定模型為：
Z=0．448—0．435xl+11.374x3—0．229x7—0．803x11+1．589x12+0．570x19
根據(jù)上述判定模型，以財(cái)務(wù)困境發(fā)生前1年的原始數(shù)據(jù)分別進(jìn)行回代。二個(gè)組合的平均Z值分別是-1．3254和1．3065，樣本個(gè)數(shù)分別為69和70，所以按完全對(duì)稱原則確定的最佳判定點(diǎn)為z*。由此可知：當(dāng)把財(cái)務(wù)困境發(fā)生前1年的原始數(shù)據(jù)代入判定模型所得的判定值Z大于Z*，則判為組合2，即非財(cái)務(wù)困境公司，否則判為組合1。由此得到的判定結(jié)果見(jiàn)表10。同理可計(jì)算其他年份的最佳判定點(diǎn)和誤判率。
原始值 預(yù)測(cè)值 合計(jì) 誤判率 0 1 (％) 計(jì)數(shù) 0 66 4 70 1 10 59 69 10．07 百分比 0 94．29 5．71 100 1 14．49 85。51 100
值得指出的是，F(xiàn)isher判定模型在財(cái)務(wù)困境發(fā)生前1年的誤判率為10．07％，與LPM模型的誤判率相同，這從應(yīng)用上證明二個(gè)模型是等價(jià)的。
3．Iosistic回歸模型。使用同樣的財(cái)務(wù)指標(biāo)和數(shù)據(jù)，進(jìn)行二元Logistic回歸分析，得到模型的估計(jì)結(jié)果見(jiàn)表11。
表11 二元Logistic回歸模型估計(jì)結(jié)果
截距模型：
-2LOG
LIKEUHOOD=192．68772
當(dāng)前模型：
-2LOG
LIKEUHOOD=50．644
參數(shù)估計(jì)值
標(biāo)準(zhǔn)差
Wald統(tǒng)計(jì)量
自由度
顯著性水平
X1
2．5313
0．7592
11．1168
1
0．0009
X3
-40．2785
8．0178
25．2368
1
0
X7
0．4597
0．5612
0．6709
1
0．4127
X11
3．2293
1．5782
4．1869
1
0．0407
X12
-3．9544
3．0113
1．7245
1
0．1891
X19
-1．7814
1．4568
1．4954
1
0．2214
截距
-0．867
1．1012
0．6199
1
0．4311
截距模型是將所有自變量刪除后只剩一個(gè)截距系數(shù)模型。當(dāng)前模型是含有自變量的Logistic回歸模型。“Likelihood"為似然函數(shù)值，“—2LogLikelihood"(縮寫為—2LL)是似然函數(shù)值的自然對(duì)數(shù)的—2倍，常用來(lái)反映模型的擬合程度，其值越小，表示擬合程度越好。因?yàn)镮dsistic模型是使用最大似然估計(jì)，似然函數(shù)值越大，則表明越接近最大似然值，擬合程度越好。從表10可見(jiàn)，變量x1、X3、X11的顯著水平均小于0．05，說(shuō)明其預(yù)測(cè)能力較強(qiáng)；其余3個(gè)變量的顯著水平較高，說(shuō)明其預(yù)測(cè)能力較弱。
方程可表示為：
log(p/(1-p))=-0.867+2.5313X2-40.2785X4+0.4597X8+3.2293X12-3.9544X13-1.7814X20
即
P=1/(1+e-(-0.867+2.5313X1-40.2785X3+0.4597X7+3.2293X11-3.9544X12-1.7814X19))
根據(jù)回歸所得到的Logistic方程，以0．5為最佳判定點(diǎn)，對(duì)財(cái)務(wù)困境前1年的原始數(shù)據(jù)進(jìn)行回代判定，結(jié)果見(jiàn)表12。
表12 Logistic回歸模型在財(cái)務(wù)困境前1年的判定結(jié)果
一類錯(cuò)誤(％)
二類錯(cuò)誤(％)
誤判率(％)
年份
LPM
Fisher
模型
Logistic
模型
LPM
Fisher
模型
Logistic
模型
LPM
Fisher
模型
Logistic
模型
1
14．49
14．49
7．25
5．71
5．71
5．71
10．07
10．07
6．47
2
22．86
22．86
17．14
11．43
11．43
14．29
17．14
17．14
15．71
3
23．19
23．19
26．09
24．29
24.29
21.43
23．74
23．74
23．74
4
29．51
29．51
27．87
25．81
25．81
25．81
27．64
27．64
26．83
5
31．25
31．25
34．38
61．29
61．29
54．84
46．03
46．03
44．44
在財(cái)務(wù)困境前1年，70個(gè)非財(cái)務(wù)困境公司有4個(gè)被錯(cuò)判，誤判率為5．71％，69個(gè)財(cái)務(wù)困境公司有5個(gè)被錯(cuò)判，誤判率7．25％，總體上看，139個(gè)公司有9個(gè)被錯(cuò)判，誤判率6．47％。同樣地，使用二元Logistic回歸可以對(duì)財(cái)務(wù)困境前2年財(cái)務(wù)困境前5年的情況進(jìn)行判定分析，判定結(jié)果見(jiàn)表13。
表13 三種多元判定分析方法估計(jì)模型的比較
一類錯(cuò)誤(％)
二類錯(cuò)誤(％)
誤判率(％)
年份
LPM
Fisher
模型
Logistic
模型
LPM
Fisher
模型
Logistic
模型
LPM
Fisher
模型
Logistic
模型
1
14．49
14．49
7．25
5．71
5。71
5．71
10．07
10．07
6．47
2
22．86
22．86
17．14
11．43
11．43
14．29
17．14
17．14
15．71
3
23．19
23．19
26．09
24．29
24．29
21．43
23。74
23．74
23．74
4
29．51
29．51
27。87
25．81
25．81
25．81
27。64
27．64
26．83
5
31．25
31．25
34。38
61．29
61．29
54．84．
46。03
46．03
44．44
四、結(jié)論與啟示
第一，我國(guó)上市公司的財(cái)務(wù)指標(biāo)包含著預(yù)測(cè)財(cái)務(wù)困境的信息含量，因此其財(cái)務(wù)困境具有可預(yù)測(cè)性。第二，在我國(guó)上市公司陷入財(cái)務(wù)困境的前1年和前2年，本文所選的21個(gè)財(cái)務(wù)指標(biāo)中16個(gè)指標(biāo)具有判定和預(yù)測(cè)財(cái)務(wù)困境的信息含量，但各個(gè)指標(biāo)的信息含量不同，預(yù)測(cè)財(cái)務(wù)困境的準(zhǔn)確率不同。在單變量分析中，凈資產(chǎn)報(bào)酬率的判定效果較好。第三，多變量判定模型優(yōu)于單變量判定模型。第四，比較三種判定模型的效果表明，Logistic模型的判定準(zhǔn)確性最高。
參考文獻(xiàn)
陳靜，1999：《上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析》，《會(huì)計(jì)研究》第4期。
吳世農(nóng)、黃世忠，1986：《企業(yè)破產(chǎn)的分析指標(biāo)和預(yù)測(cè)模型》，《中國(guó)經(jīng)濟(jì)問(wèn)題》第6期。
張玲，2000：《財(cái)務(wù)危機(jī)預(yù)警分析判別模型》，《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》第3期。
【我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究】相關(guān)文章：
我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究08-07
中國(guó)上市公司績(jī)效評(píng)價(jià)模型研究08-05
對(duì)我國(guó)上市公司兼并收購(gòu)的實(shí)證研究08-05
人口預(yù)測(cè)模型的非線性動(dòng)力學(xué)研究08-07
我國(guó)上市公司的代理成本問(wèn)題研究08-05
我國(guó)上市公司退市標(biāo)準(zhǔn)的法律問(wèn)題研究08-05
我國(guó)上市公司盈利信息鑒別的實(shí)證研究08-05