国有企业财务危机预警模型实证研究

岳彩信

【摘 要】 财务危机从根本上威胁着企业的持续性经营和发展，如果不对其进行预测分析很可能给企业和社会带来严重的影响。近年来，我国政府部门频繁出台文件和措施要求企业特别是国有企业要加强对财务危机的管理控制。文章以上海市××区国有企业为研究对象，选取了29家出现财务困境的国有企业和29家财务正常的国有企业为样本，参照国内外学者对上市公司财务危机预警的研究方法，并结合国有企业财务实际，选择13个财务指标为变量，应用Logistic回归分析建立财务危机预警模型。研究表明：所建立的Logistic预测模型对财务危机发生前一年的预测准确率达93.1%。

【关键词】 国有企业； 财务危机； 预警模型

一、财务危机预警模型研究的相关问题

纵观财务危机判定和预测模型的研究，涉及到三个基本问题：一是财务危机的定义；二是预测变量或判定指标的选择；三是计量方法的选择。

（一）财务危机的定义

财务危机又称财务困境。国外很多学者的同类研究一般采用破产标准（Altman，1968；Ohlson，1971；Platt，1990和1994）。然而，我国的情况与国外有所不同，我国的多数研究大都把被特别处理（ST）的上市公司作为存在财务危机的公司（陈静，1999；李华中，2001）。在本文的研究中，考虑到国有企业的特殊性及实际情况，并采用以上研究的思想，将连亏两年（以下简称LK）的国有企业作为研究样本，并将财务危机视作“因财务状况困难而出现连续亏损两年即LK”。

（二）指标变量的选择

参照国内外学者研究上市公司财务危机预警模型的方法，结合目前我国国有企业年报已有的财务信息，本文选择债务风险、现金流风险、盈利能力风险和投资风险4个方面共13个财务指标作为财务危机预警指标，并将其作为构建财务危机预警模型的预选指标。

（三）计量方法的选择

随着统计科学的不断发展，越来越多的计量模型被应用到财务危机预警研究中。

西方关于财务危机预测研究成果最显著和影响最广泛的是威廉·比弗（Willian Beaver）的单一变量模型和艾得沃德·阿尔特曼（Edward I.Altiman）的“Z-Score”模型。比弗通过对1945年至1964年间79家失败企业和对应的79家成功企业的比较研究表明，以下财务指标对预测财务危机最有效：现金流量/债务总额，净收益/资产总额（资产收益率），债务总额/资产总额（资产负债率）。美国财务专家阿尔特曼1968年提出了企业财务危机预测的“Z-Score”模型，该模型主要适用于上市公司，样本选取的是1946年至1965年期间提出破产申请的33家公司和同样数量的非破产公司。通过计算，该模型给出了一个总的判断分，称为Z值。Z的分值越高，企业发生财务危机的可能就越小，反之亦然。

在国内，学者陈静（1999）以1998年27家ST公司和27家配对的非ST公司为样本，根据1995年至1997年54家样本企业财务数据，分别进行了单变量和二类线性判定分析，在单变量判定分析中，发现在负债比率、流动比率、总资产收益率、净资产收益率4个财务指标中，流动比率、负债比率的误判率最低；在多元线性判定分析中，发现负债比率、净资产收益率、流动比率、营运资本/总资产、总资产周转率6个指标构建的模型在ST发生的前3年能较好地预测ST。得出的结论是在宣布前一年预测模型的准确率较高，离宣布年越远，准确率越低。

周首华等（1996）对阿尔特曼的“Z-Score”模型进行了拓展研究，建立了“F分数模式”，F分数模式的临界值为0.0274，此数值上下0.0755为不确定区域，F分数越小，发生财务危机的概率就越大。

吴世农、卢贤义（2001）采用三种模型——LMP、Fisher模型、Logistic模型，对我国上市公司财务危机预警模型进行了对比性的研究，成果表明：1.在单变量模型中，净资产报酬率的判断效果更好；2.多变量模型优于单变量模型；3.与其他两种多变量模型相比，Logistic模型的判断准确率更高。

此外，近年来神经网络模型和决策树模型等也被用到财务危机预警研究中。如李健（2009）通过神经网络模型分析得出，盈利能力指标对企业是否发生财务危机影响最为显著，现金流量指标具有较好的短期预测能力，资产管理能力指标具有较好的长期预测能力；通过决策树模型可以得到易于理解的财务危机企业的特征属性规则集。

二、实证研究

（一）样本选取

本文参照其他学者对上市公司财务危机预警的研究方法，把连亏两年的国有企业处理为LK。选取上海市××区2009年1月至2009年6月间180多家国有企业，在2008年年报后，因连亏两年而被视作LK的29家国有企业作为研究样本。同时，按照国民经济行业分类代码选取了同种行业、同等规模的29家非LK公司作为配对样本。在选取样本时笔者注意了以下关键：

1.在对LK公司的配对公司的选择上坚持同行业、同规模的原则。

2.非LK的样本以同行业为第一选取标准，即在资产规模不同的情况下，首先要保持行业的一致性，排除行业差异带来的干扰。

3.所以在选择观测年限时，取LK前一年即2007年的财务年度的财务指标，对应的配对样本也取同期的财务指标。

4.在选取样本时，均选年报已经被审核过的公司作为样本，以确保研究数据的真实可靠。

本文的数据均来自国资信息平台V3。运用的统计分析软件为SPSS17.0。

（二）单变量分析

从表2中可以看出，LK与非LK公司之间有许多财务指标存在很大差异，例如X3、X4、X6、X7、X9等财务指标。

接下来，通过独立样本的均值比较，来分析LK公司与非LK公司之间各单项财务指标的差异规律。首先建立假设，然后运用独立样本T检验来进行假设检验。

假设：H0：LK公司与非LK公司之间13个财务指标同期均值相等

H1：LK公司与非LK公司之间13个财务指标同期均值不相等

从表3的显著性检验结果汇总表可以看出，样本和样本2间财务指标中共有11个指标能在很小显著性水平下拒绝原假设而接受备选假设，说明两个样本间的这11个指标具有显著的差异，这些指标是X1、X2、X4、X5、X6、X7、X8、X9、X11、X12、X13。

（三）Logistic回归模型

1.因子分析

从表4可以看出，前5个因子的特征根分别为2.62、2.14、1.52、1.23、1.21，值大于1，累积方差贡献率为79.51%，即前5个变量解释了原有变量总方差的79.51%。在因子旋转后，累积方差比没有变化，没有影响原有变量的共同度，保持了信息的完整性，使原有变量在总体上信息丢失较少，因子分析取得理想效果。

根据表6的成分得分系数矩阵，可以写出用以表示原有变量的因子得分函数：

P1=-0.24X1+0.29X2+0.02X4+0.23X5+0.08X6

-0.26X7+0.28X8-0.05X9+0.17X11-0.04X12-0.04X13

P2=-0.12X1-0.01X2+0.12X4-0.11X5-0.06X6

-0.13X7+0.08X8+0.02X9-0.08X11+0.44X12+0.44X13

P3=0.22X1+0.28X2+0.26X4+0.42X5+0.27X6+0.36X7

-0.18X8+0.09X9+0.01X11+0.13X12+0.14X13

P4=0.20X1+0.09X2+0.08X4+0.03X5-0.62X6+0.16X7

+0.02X8-0.07X9+0.57X11+0.05X12+0.05X13

P5=0.26X1+0.07X2-0.01X4+0.09X5-0.23X6-0.11X7

+0.31X8+0.72X9-0.24X11-0.05X12-0.05X13

2.Logistic回归预警模型

接下来，首先，引入用来表示是否出现财务危机的虚拟变量V，V取0代表非LK公司，V取1代表LK公司；其次，将因子分析中得到的5个因子Pi作为自变量，将虚拟变量V作为因变量引入，利用二分类Logistic回归建立预警模型并加以检验。

二元逻辑回归拟合方程为：

表8输出的是该Logistic模型的-2对数似然值和两个伪决定系数Cox & Snell R 方和Nagelkerke R 方，后两者从不同角度反映了所建模型中自变量的变异占因变量总变异的比例。可以看出，上述两个伪决定系数分别达到0.86和0.95，表明该模型中自变量对因变量有良好的解释程度。

取0.5为概率P最佳分割点，对该模型进行预测，P小于0.5认定为非Lk公司，P大于0.5认定为LK公司。

从表9的分类表可以看出，该预测模型对非LK公司的预测准确率为88.0%，对LK公司的预测准确率为93.1%，整体预测效果为90.6%，预测效果良好。

三、研究结论

本文选取2007年和2008年上海××区国有企业中29家连续亏损两年的公司作为样本，同时选取同行业（按国民经济行业代码分类）、同规模的29家非连续亏损两年的公司作为配对样本。根据财务指标具有通用性和易获得性的特点，从效率性原则和实用性原则出发，基于目前我国国有企业年报已有的财务信息，选择债务风险、现金流风险、盈利能力风险和投资风险4个方面共13个财务指标作为财务风险预警指标，并将其作为构建财务危机预警模型的预选指标。在构建预警模型的过程中，首先，进行单变量分析，找出具有显著性差异的指标，然后，对指标进行因子分析，提取出主成分即主要因子，作为自变量引入预警模型。最后，构建预警模型并加以检验，得出所建的预测模型具有良好的预测效果，对国有企业预测财务危机具有较高的参考作用。●

【参考文献】

［1］ 吴世农，卢贤义.我国上市公司财务困境预警模型研究［J］.经济研究，2001（6）.

［2］ 陈晓，陈治鸿.中国上市公司的财务困境预测［J］.中国会计与财务研究，2000（9）.

［3］ 吴世农，黄世忠.企业破产的分析指标和预测模型［J］.中国经济问题，1986（6）.

［4］ 闫哲.基于Logistic模型的上市公司财务危机预测的实证研究［D］.东北财经大学，2007.

［5］ 朱振梅.基于Logistic回归的上市公司财务危机预警模型［J］.会计之友，2007（8）.

［6］ Beaver W.Financial Ratios as Predictors of Failures［J］.Journal of Accounting Research，1996（4）.

［7］ GambolaM.J.,J.E. KetzandD.D.Williams.CashFlowin Bankruptcy Prediction［J］.Financial Management，1987（16）.

［8］ Lau A H.A Five-State Financial Distress Prediction Model［J］.Journal of Accounting Research，1987（25）.

［9］ Platt H., M. B. Platt and J. G. Pedersen. Bankruptcy Prediction with Real Variables［J］.Journal of Business Finance & Accounting，1994（21）.