三元财务困境预警模型的样本分类探讨

李　艳

［摘 要］ 财务困境预测是评判上市公司未来经营走势的重要理论。本文对三元财务困境预警模型的样本分类提出了一些新的看法，通过多因素方差分析提取若干对经营成败具有显著影响的财务指标，并依据各财务指标与经营成败之间的相关性大小，建立函数关系式，最后根据函数值大小将非ST公司分为两类，从而将全部上市公司分为3类。

［关键词］ 财务困境；样本分类；多因素方差分析

［中图分类号］F275［文献标识码］A［文章编号］1673-0194（2009）01-0034-03

一、问题的提出

在进行公司财务困境方面的研究时，国内外很多学者把上市公司分为财务困境公司和非财务困境公司。然而，我国学者刘彦文、戴红军（2007）认为这样做存在着一定的缺陷，因为公司陷入财务困境往往会经历一个逐步衰败的过程，在将ST公司视为财务困境公司时，非ST公司并非全都财务正常，其中有部分公司的财务状况表现并不稳定，因此，他们采用3分法，将公司分为财务困境公司、财务状况不稳定公司和财务状况良好公司3类，并通过实证研究表明，基于三元Logistic的财务困境预警模型预测能力较好。

在对非ST公司进行分类时，刘彦文、戴红军认为衡量一个公司财务状况稳定与否的标准是企业的盈利能力指标，其根据是：（1）偿债能力指标和资产营运能力指标受行业因素影响较大，不同行业公司之间可比性不强；（2）企业的偿债能力是暂时的，盈利能力才是长久的。从长远来看，企业的偿债能力最终取决于企业的盈利能力；（3）上市公司发行证券和被特别处理的标准都是盈利能力指标。具体分类标准如下:（1）不稳定公司:每股收益＜0.15且净资产收益率＜6%；（2）良好公司:净资产收益率≥6%且每股净资产≥1，或者净资产收益率＜6%且每股收益≥0.15。这种看法有一定道理，可用来说明企业盈利能力的重要性。

然而，笔者认为如果能从定量角度对衡量指标及分类标准作进一步分析，则样本分类结果将更客观、更能令人信服。笔者研究思路是：首先选取一定量的样本，其中不仅包含ST公司，也包括非ST公司；其次，根据影响我国上市公司财务困境的若干因素及一定的原则，建立起一套指标体系，使之能从各个方面反映上市公司的经营状况；最后，利用多因素方差分析，从财务指标体系中选取若干对财务困境有显著影响的指标，并根据这些指标经营成败的相关性，设定一个函数关系式，利用此关系式对非ST公司进行分类。

二、样本及指标选取

1． 经营失败样本的选取。笔者以沪深两市A股市场按行业板块分类的上市公司作为研究对象，将公司因最近两年连续亏损而被特别处理(Special Treat)作为企业陷入财务困境的标志，选取2004-2007年被ST的85个上市公司作为样本，将它们作为经营失败企业样本，所有样本来自中国证监会划分的13个行业部门类别中的10个，具有一定的行业普遍性。

2. 经营正常样本的选取。为了剔除因年份、行业和资产规模因素的差异而对分析产生不利影响，笔者根据以下原则按1∶1的比例选择非ST上市公司作为配对样本：（1）研究期间一致。如ST公司采用的是2004年的数据，则非ST公司也同样采用2004年的数据。（2）行业类型相同或相近。如ST公司所属行业为制造业中的有色金属合金业，那么非ST公司也应属于该行业，而不是制造业中的其他行业。（3）研究期间总资产规模相当。ST公司和所配对的非ST公司在研究期间两者资产规模的差异应在15％以内。（4）进入行业时间均在5年以上。目的在于确保ST公司和非ST公司在所属行业已有一定时期的经营背景。

根据以上4点原则，笔者选择了85个非ST上市公司作为经营正常企业样本，连同先前选定的85个经营失败企业样本，共选择样本170个。

根据影响我国上市公司发生财务困境的若干因素，并结合上述指标变量的选取原则，即全面性和综合性原则、可取性和有效性原则、指标之间正相关性原则等，本文从能够反映企业营运性、流动性、盈利性、清偿性、成长性和资本市场状况等六大类型指标入手，精选了15个企业财务指标，见表1。指标数据来源于新浪财经投资数据库，并通过一定计算得到。

一般情况下，能越早监控到企业经营状况的恶化，企业管理者、投资人及债权人就能够越早采取措施，以挽回可能遭受的损失。故从这一角度出发，本文以ST公司被特别处理前3年期作为研究期间，即如果某上市公司在2007年被ST，则就选取2005年和2004年作为研究期间，本文所选取的样本财务指标数据就来自于2004年和2005年该上市公司的年度财务报告。

三、显著性指标提取

本文所选取的15个财务指标对公司经营状况均有一定影响，然而，并非所有变量对样本的0、1分类（即经营失败与否）均有显著影响，有些变量可能对分类所起的作用很小，而有些变量又非常显著，所以，为选取到比较客观的衡量指标，本文利用S-N-K（Student-Newman-Keuls）法，以0.05为显著性水平，对样本指标作多因素方差分析，见表1。

从表1可以看出，每股收益、现金流动负债比、股东权益比率、总资产利润率、净资产收益率、流动资产周转率、销售收入/总负债等7个指标的统计量P值均小于0.05，这表明这7个指标对样本分类具有显著影响，其中，每股收益、股东权益比率、净资产收益率最为显著，其他4个指标次之。

尽管表1显示了7个指标对样本分类具有显著影响，然而，影响程度大小却并不能从表中直观看出，为此，需要对这7个变量与分类变量Y之间作相关系数分析，见表2，即相关系数矩阵表。

从表2中可以看出，7个变量对样本分类影响大小按顺序排列依次为：净资产收益率、每股收益、股东权益比率、流动资产周转率、总资产利润率、销售收入/总负债、现金流动负债比，而每股收益与净资产收益率之间具有较强的相关性，如果将此两指标同时作为衡量公司财务状况稳定与否的标准，将会造成一定的多重共线性，从而增加盈利能力指标的权重，因此，两者只能选其一，又因净资产收益率对分类影响更为显著，故选取该指标。尽管总资产收益率也属于盈利性指标，但其与每股收益、净资产收益率的相关性较小，因此可并存于衡量指标之中。经过筛选，选取净资产收益率（X1）、股东权益比率（X2）、流动资产周转率（X3）、总资产利润率（X4）、销售收入/总负债（X5）、现金流动负债比（X6）等6个指标作为衡量企业财务状况稳定与否的标准。

四、非ST公司分类

为了比较清晰地反映此6个指标的共同作用，将它们与分类变量Y之间的相关系数作为权重，笔者假设变量F与6个指标间具有以下函数关系式：

Ｆ＝ ｆ（ｘ）＝０．１６６X1 ＋０．２９８X2 ＋０．２０１X3 ＋０．３１３X4 ＋０．２１８X5 +

0.194X6。

需要说明的是，此函数关系式并不具有线性回归意义，而是为了综合反映6个变量的共同作用，而假定设立的一个函数式。变量F为衡量企业财务状况稳定与否的综合指标，通过代入各指标变量的标准化值，可以求出各个非ST公司的F值。然后，通过计算，可以求出上述非ST公司的F均值，由于此6个指标均为正向指标，故笔者以此均值为界，将F值大于此均值的上市公司定为财务状况良好公司，小于此均值的上市公司定为财务状况不稳定公司，具体分类结果略。

在将我国上市公司经营状况分为3类之后，可以分别将财务困境公司、财务状况不稳定公司和财务状况良好公司量化为2、1、0，从而建立3分类Logistic财务困境预测模型。笔者将对此作后续研究。

主要参考文献

［１］ 刘彦文，戴红军. 基于三元Ｌｏｇｉｓｔｉｃ的财务困境预警模型实证研究［Ｊ］. 大连理工大学学报：社会科学版，２００７（２）.

［２］ 梁琪. 商业银行信贷风险度量研究［Ｍ］. 北京：中国金融出版社，２００５.