我国上市公司财务危机预警模型的实证研究

冯春琳

摘要：本文以我国上市公司指标为研究对象，以25家因财务状况进入特别处理的公司和25家财务正常的上市公司为样本，选取了6个变量指标，通过单变量模型，一元判定模型，Fisher判定模型和logistic模型四种分析方法对公司的财务状况进行实证分析。单边变量立面分析模型和一元判定模型运用单变量对财务危机进行简单预测，误差大，预测能力差，而Fisher模型和logistic模型从多变量进行预测，预测能力明显比单变量强，其中logistic模型预测能力最强。

关键词：财务危机 财务指标 Fisher线性模型 logistic模型

一、引言

财务危机，又称作财务困境，最严重的财务困境是“企业破产”，企业因财务困境导致破产实际上一种违约行为，所以财务困境又可以为“违约风险”（吴世农，卢贤义；2001年）。财务预警是以企业的财务报表，经营计划及其他企业相关会计资料为依据，利用财会、统计、金融、企业管理、市场营销论，采用比率分析、比较分析、因素分析及多种统计方法，对企业的经营活动、财务活动等进行预测，以发现企业在经营管理活动中潜在的经营风险和财务风险（尹侠，肖序，胡永康；2001年）。

最早运用统计方法来研究上市公司失败的是美国的威廉·比弗（William.Beaver），提出了单变量预测模型。分析指出债务保障率（现金流量/债务总额）能够较好地判定企业的财务状况，其次是资产收益率和资产负债率。离经营失败日越近，误判率越低，预见性越强（William.Beaver；1966年）。奥曼（Edwardl.Altman）于1968年提出了多元判定模型（Z值判定模型），运用其财务指标拟合出多元线性函数模型，发现模型的预测能力在上市公司提出破产前一年的成功率超过单变量预测模型（Edwardl.Altman；1968年）。在我国早在1999年，陈静运用了四种方法来对财务的恶化进行分析，总结出不同的模型具有各自的优势与局限性，但是仍不失为简单而有效的预测方法（陈静；1999年）。2001年，吴世农，卢贤义以我国70家财务困境公司和70家财务正常公司为样本，运用剖面分析和单变量判定分析，选择6个预测指标，建立Fisher线性模型，多元线性模型和logistic回归分析模型，三种模型均能在财务困境发生前做出相对准确的预测（吴世农，卢贤义；2001年）。在2002年，姜秀华，任强，孙铮在研究财务危机预警模型中，同样运用了logistic回归方法，创新之处在于选择了最优概率阀值来进行判别分析，不同的样本数据，根据概率计算出最优的判别值（姜秀华，任强，孙挣；2002年）。

二、样本设计和研究变量

1、样本的设计

本文选取了来自A股市场的25家ST公司，样本的时间跨度为2009年-2011年，同时选取了规模同等的非ST公司，样本容量达到50家，可望在一定程度上降低估计和预测误差。

2、变量指标的选取

选择财务比率作为变量指标是，要综合考虑到这些指标要反映出上市公司的盈利能力，流动性以及财务杠杆等，根据本论文的模型需要，选取了一下指标和财务比率：

X1：净利润同比增长

X2：资产负债比率=负债总额/资产总额

X3：总资产收益率=净利润/年末总资产

X4：资产流动比率=流动资产/总资产

X5：总资产周转率=营业总收入/年末总资产

X6：流动资产负债比率=流动负债/流动资产

以上财务比率中的数据均来自同花顺炒股软件数据库。

三、模型介绍

1、单变量立面分析模型

单变量分析方法是最简单的一种分析方法，是美国学者比佛提出的，对两组财务比率进行等权均值，然后逐年进行比较，进而来发现两组均值差异，得出相关的结论。

2、一元判定模型

一元判定模型将所有的样本数据进行随进分组，进行两分法检验，一组是估计样本，一组是有效样本。通过对估计样本中财务比率进行排序选出分割点，使得误判率最低，包括第一类错误和第二类错误，用选出的该分割点对有效样本进行检验。

3、Fisher判定模型

本文运用的Fisher二类线性判定模型，因变量Y取值为1（ST）和0（非ST），同时运用财务比率作为自变量，进行线性回归分析，得出判别函数和相应的Z得分，通过Z的取值来判定一个公司的财务状况，判定的Z的公式：

其中，a为截距，Wi为解释变量Xi的判别权重。

4、logistic回归模型

上市公司发生财务困境或者财务正常，都是以一定的概率发生，并讨论的是发生概率p大小与那些因素有关系。logistic回归模型并不是直接以p为因变量，而是处理p的一个严格单调函数Q=Q（P），通常是将logistic函数是：

X表示包含截距项的自变量的矩阵形式。根据logistic函数，任意给定上市公司的财务比率，就可以判定出上市公司发生财务困境的概率。

四、实证分析

1、单变量立面实证分析

本文针对二组自变量进行单边量分析，分别是资产负债比率，流动资产负债比率，用相等的权数计算两组样本的财务比率的均值，对比情况如图所示：

从图1资产负债比率变化中，非ST公司三年的资产负债率基本维持的同一水平，变化幅度较小，總体有下降的趋势；而ST公司三年的资产负债比例变化剧烈，并且越靠近宣布日，比率越高。从图2流动资产负债，非ST公司的流动资产负债率变化显著，而ST公司变化不明显，在某一范围内波动。两项指标表明，ST公司与非ST公司的财务比率差异大。

通过这种单变量立面分析法，可以简单直观的分析出比较出ST公司和非ST公司之间存在显著差异，但是这样分析方法利用财务比率的均值进行分析的，可能会受到样本中极值的影响而对分析的结果产生差异，可以通过增大样本容量或者剔除异常值的方法来提高此方法的判别水平。

2、一元判定模型实证分析

（1）选取分割点

在一元判定模型中，从50家公司中随机抽取了25家公司，运用2011年的总资产收益数据对选出的估计样本进行判定，按总资产收益率大小进行排序，根据顺序结果选取分割点，采取的办法是分组平均法，首相按顺序分成五组数据，计算每一小组的平均值，分别是：-0.18685，-0.02538，0.010827，0.04748，0.326777，剔除两端值，确定三个分割点，分别对其进行检验，检验结果为：选择-0.02538分割点，错误率为0.32，选取0.010827分割点，错误率为0.24，选取0.04748分割点，错误率为0.36，选择错误率最低的分割点，即0.010827。

（2）有效样本检验

运用上述方法筛选出的分割点对有效样本进行检验，获得相应的判别效率。结果表名，以0.010827为分割点，在有效样本中，一类错误有三个，二类错误有三个，误判率为0.24。通此次判别方法，我们只能简单初步的进行判别，由于存在的抽样的误差不可避免，同样指标判定为单一变量判定法，具有及其不稳定性。

3、Fisher判定模型实证分析

Fisher判定模型是多元判定分析的一种方法，判定函数为：

其中，W1，W2是带求得判别系数。以2011年的上述财务比率数据，运用SPSS统计分析软件进行分析，分别得出了ST公司与非ST公司的Fisher判别函数，分析结果如表一所示：

表一：

判别式：

样本观测值带入判定函数，得出判别结果表二所示：

表二：

根据Fisher判别分析方法，一类错是五个，二类错误是1个，总正确率为88%，明显比一元判定准确率高。运用此方法对2010年和2009年的数据进行的判断，正确率分别80%，90%。判断率与宣布上市公司为ST公司的时间联系不大，和其他研究者得出的离宣布日较远，成功率越低的结论不相符，可能选取的样本本身存在误差，上市公司内部操控信息，或者上市公司公布的财务数据与公司实际运用情况不符合等原因造成。

4、logistic回归模型实证分析

在logistic回归模型中，仍然以2011年的样本数据并运用SPSS统计分析软件，对所有的财务指标变量进行分析，分析结果如表三所示：

表三：

logistic模型使用的是最大似然估计，似然估计的数值越大，拟合程度越好，分析结果，变量X1，X3，X5的显著性不明显，说明其预测能力差，为X2，X4，X6的显著性明显，表明预测能力较高。以0.5为最佳判定点，对2011年的原始数据的判定结果，如表四所示：

表四：

在25个非ST上市公司中，有1个公司被误判为ST公司，误判率为0.04，在25个ST上市公司中，有2被误判为非ST公司，误判率为0.08。整体分析，正确率高达94%。同样的方法对2010年和2009年的数据进行分析，判定的正确率分别是：80%，92%。

五、结论

通过非ST和 ST上市公司公布的财务信息，运用多种统计方法对公司的財务状况进行实证研究分析，得出以下结论：（1）上市公司的财务信息中，包含了预测财务危机的信息量，通过计算财务比率，可以对上市公司进行财务困境预测，做好财务危机处理，减少不必要的损失。（2）单变量和一元模型进行预测，过程简单，操作性强，但是误差较大，其中从单变量分析中，我们可以看出，由于不同的指标信息含量不同，预测能力也有所不同。（3） Fisher分析模型和logistic回归模型通过分析多项指标来预测财务困境，相对比单变量而言，结论更有说服力，准确率高，其中，判定能力最高的是logistic回归模型。（4）由于样本本身的局限性，存在误差是难免的，尽管四种方法都有各自的局限性，但是在对财务危机进行预测，各自具有重要的实践意义。

参考文献：

[1]吴世农，卢贤义.我国上市公司财务困境的预警模型研究 [J].经济研究，2001；（6）.46-55

[2]陈静.上市公司财务恶化预测的实证分析[J].会计研究，1999；（4）.31-38

[3]尹侠，肖序，胡永康.上市公司财务预警的实证分析[J].财经理论与实践，2001；（11）.83-87

[4]姜秀华，任强，孙铮.上市公司财务危机预警模型研究 [J].预测，2002；（3）.56-61

[5]William H .Beaver. Financial Ratios As Predictors of Failure[J].Journal of Accounting Research，1966；71-111

[6]Edward I.Altman.Ration，Discriminant Analysis and Prediction of Corporate Bankruptcy [J]. The Journal of Finance，1968；（9）.586-609