基于现金流量的上市公司财务危机预警研究

廖斐　贾炜莹

摘要：本文选择2004年至2011年因财务状况异常而首次被ST的227家公司和227家非ST上市公司作为样本，选取18个现金流量指标，建立了基于现金流量的财务预警模型指标体系。首先运用正态性检验和非参数检验筛选出达到显著性水平的指标，然后利用主成分分析法，进行指标的筛选降维，选取主成分因子，最后通过Logistic回归方法构建了基于现金流量的我国上市公司财务预警模型，并通过对随机抽取的50家样本企业T-3、T-2、T-1年的财务数据进行检验，检验结果表明模型具有较理想的预测效果。

关键词：现金流量 财务危机预警 主成分分析 Logistic回归

务预警的实证研究一直是一个被广泛关注的课题，目前国内关于财务预警方面的研究，尤其是引入现金流量的研究还不成熟。只有基于现金流量指标构建的预测模型才能反映公司是否有足够的现金支付到期债务，达到更好的预测效果。

一、研究设计

（一）研究样本的选择

基于对国外相关研究的考察和分析，结合我国证券市场的实际情况，本文选取2004年至2011年间因财务状况异常而首次被ST的上市公司为样本，同时，对于非ST公司样本的选择采用配对样本设计方法，即对应每一个ST公司样本，按会计年度相同、行业相同、资产规模相近的原则，选择一个非ST公司。再剔除数据不全的公司和并非由于财务状况异常而被ST的公司，最终共选出符合条件的454家上市公司，其中ST公司和非ST配对样本公司各227家，100家作为测试样本，其余的354家公司作为训练样本，根据对训练样本进行分析所构建的模型，再对测试样本进行预测。本文选取的研究期间为公司被ST之前的1至3年，因此样本数据采集时间为2001年至2010年的现金流量数据。

（二）现金流量预警指标的选取

现有的财务危机预警模型由于缺乏必要的经济理论的支撑，在财务指标的选取上主要还是依靠对前人研究成果的借鉴和研究者的经验。因此，本文在选择现金流量预警指标时，主要从指标的重要性出发，选择比较重要的现金流量指标。从理论上来看，在现金流量分析中，最能体现现金流量表编制目的的是获现能力分析和偿债能力分析。因为，如果上市公司的获现能力强，则盈利质量高，同时也会有较多的资金用于资本支出，满足投资需要；反之亦然。上市公司的偿债能力与财务弹性有较大的相关性，如果上市公司的偿债能力强，资产流动性大，则财务弹性就大；反之财务弹性就小。因此，通过对公司获现能力和偿债能力的分析可以为其他问题的分析提供初步的判断基础。

本文借鉴前人的研究成果，为综合反映企业的财务状况，选择获现能力分析指标、偿债能力分析指标、盈利质量分析指标、财务弹性发展能力分析指标和现金流量结构指标共五大类现金流量指标作为研究变量，并在这五大类指标中选择一些相对重要，同时数据资料比较完整的现金流量指标。为了使指标更具普遍性和代表性，同时引入资本支出与折旧摊销比、净资产增长率、营业收入增长率三个传统的财务指标。

最终设计的现金流量指标体系为：（1）获现能力分析指标，包括：总资产获现比、每股经营活动现金净流量、资本支出与折旧摊销比。（2）偿债能力分析指标，包括：现金负债总额比、现金流动负债比、现金流量带息负债保障倍数。（3）现金流量结构指标，包括：经营活动现金流入流出结构比、投资活动现金流入流出结构比、筹资活动现金流入流出结构比、经营活动现金流入结构比率、筹资活动现金流入结构比率、经营活动现金流出结构比率、筹资活动现金流出结构比率。（4）盈利质量分析指标，包括：销售现金比和盈余现金保障倍数。（5）财务弹性发展能力分析指标，包括：经营活动现金流量净增长率、净资产增长率、营业收入增长率。

二、实证结果与分析

（一）研究样本的正态性检验

通常情况下，当样本服从正态分布时，适合选用T检验的方法进行显著性检验；如果样本不服从正态分布，则选用非参数检验的方法进行显著性检验。在国内外有关财务危机预警的研究中，基于样本服从正态分布的假设前提，许多学者都选用T检验进行显著性检验。但是这种假设是不符合实际的，实际的情况是数据很少严格服从正态分布。因此，本文运用SPSS软件，选择K-S检验来判断各现金流量指标是否服从正态分布。在显著性水平a=0.05的条件下，P≥0.05时，说明该指标服从正态分布；而当P<0.05时，说明该指标不服从正态分布。

从检验结果得出，T-1年有3个指标P≥0.05，有15个指标P<0.05；T-2年有5个指标P≥0.05，有13个指标P<0.05；T-3年有4个指标P≥0.05，有14个指标P<0.05。T-1年不服从正态分布的有15个指标，占总指标的83.3%；T-2年不服从正态分布的有13个指标，占总指标的72.2%；T-3年不服从正态分布的指标有14个，占总指标的77.8%。可见，大多数的现金流量指标不服从正态分布。因此，本文放弃T检验，采用非参数检验对现金流量指标进行显著性检验。

（二）现金流量指标的显著性检验

在无法确定样本是否服从正态分布，并且两个配对样本相互独立的情况下，采用非参数检验的两独立样本的曼-惠特尼U检验（Mann-whitney U）方法。运用SPSS统计软件得出，在显著性水平为0.05的条件下，T-1年有17个指标通过了显著性检验，说明财务危机公司和财务正常公司在这17个指标上存在显著性差异，是建立财务危机预警模型的有效指标。同理可以得出，T-2年有17个指标通过了显著性检验，T-3年有13个指标通过了显著性检验。本文对这些通过显著性检验的指标通过因子分析进行进一步的筛选，然后运用Logistic回归方法建立财务危机预警模型。

（三）因子分析

因子分析是用少数几个因子综合反映原始数据的大部分信息的统计方法，在进行科学研究时，较多的变量会一定程度的增加研究的复杂程度。因子分析可以用少数几个因子来描述多个指标或因素之间的联系，通过寻找众多变量之间的公共因素来简化变量中存在的复杂关系。原有变量之间具有较强的相关性是利用因子分析的前提条件，本文通过KMO检验和Bartlett球度检验，判断样本数据是否适合进行因子分析。KMO检验取值在0和1之间，所有变量间相关系数的平方和大于偏相关系数的平方和时，KMO越接近1，说明变量间的相关性越强，原有变量越适合进行因子分析。Bartlett球度检验是根据相关系数矩阵的行列式得出的结果，该值越大且对应的相伴概率小于设定的显著性水平，则拒绝原假设，说明原始变量之间存在相关性，适合进行因子分析。运用主成分分析法，对搜集的177对训练样本公司ST前三年的经过显著性检验的指标数据进行分析，判断样本是否适合做因子分析。得出样本公司被ST前三年的KMO值分别为0.744、0.732、0.647，均大于0.6，而且被ST前三年的相伴概率值均为0.000，小于显著性水平0.05。因此， T-1年、T-2年和T-3年的原始变量之间均存在相关性，适合进行因子分析。endprint

利用SPSS统计软件对训练样本T-1年的通过显著性检验的17个现金流量指标进行主成分分析，得到8个主成分的特征值和贡献率。从结果可以得出，在T-1年，前8个主成分的累计贡献率为82.143%，说明用这8个因子代替原来的17个指标，共计反映原有变量82.143%的信息。同理，可以得出T-2年和T-3年的特征值和贡献率，从结果可以发现，T-2年共提取了7个主成分因子，累计贡献率达到了81.733%，说明这7个主成分因子包含了原有变量81.733%的信息量，总体上，7个因子能够解释原有变量大部分的信息。T-3年提取了5个主成分因子，累计贡献率达到82.760%，说明这5个主成分因子包含了原有变量82.760%的信息量，也就是说5个主成分因子基本上保留了原始数据的信息量。

因子分析的目的不仅是提炼主因子，更重要的是表达每个主因子的意义。通过成分矩阵可以描述各个主因子与原始变量之间的关系，但是提炼的主因子的典型代表变量并不突出。旋转法使得因子负荷量更易于解释，这是由于在因子提取时通常提取初始因子后，对因子无法做出有效的解释。因此为了更好地解释因子，必须对负荷矩阵进行旋转。本文运用最大方差法进行旋转，使得每个因子具有最高载荷的变量的数目最小，以简化对因子的解释。由主成分的因子载荷矩阵，得到主成分与原始变量的相关系数即因子载荷量，因子载荷量体现了主成分因子与原始变量之间的相关程度。因子载荷量越高，表明该因子包含的该指标的信息量就越多。利用SPSS可以得到主成分的得分系数矩阵，由这些系数和相应标准化处理后的指标数据就可以得到对应的主成分的线性表达式。

（四）Logistic模型的建立

将T-1年得到的8个主成分代入Logistic回归模型中，并采用后退法作似然比概率检验，向后逐步选择最优建模变量。向后逐步回归法通过计算每一步入选变量的Wald统计量值，并删除最小Wald值对应的变量，直到所有变量都满足设定的显著性水平时结束回归。经过两步计算，模型最终保留了7个主成分，具体如下页表1所示。

Wald统计量的值可以用来判断自变量是否显著，如果一个变量的Wald检验结果P值小于0.05，就可以考虑将该变量入选为最优建模变量。上述7个主成分的Wald检验结果的P值均小于0.05，自变量对于因变量的解释效果显著，模型拟合效果好，可以作为最优建模变量，从而可以得到基于现金流量指标的T-1年的模型，即P=e（-0.095-0.841F1+0.62F2-0.644F4-2.728F5+0.418F6-3.209F7-0.643F8）/[1+ e（-0.095-0.841F1+0.62F2-0.644F4-2.728F5+0.418F6-3.209F7-0.643F8）]。用同样的方法，可以得到基于现金流量指标的T-2年的模型为：P=e（-0.128-0.413F1-0.508F2-0.402F3-0.54F5-1.376F6-0.751F7）/[1+ e（-0.128-0.413F1-0.508F2-0.402F3-0.54F5-1.376F6-0.751F7）]。同样可以得到基于现金流量指标的T-3年的模型如下：P=e（-0.073-0.428F1-0.339F2-0.484F3-0.85F4）/[1+ e（-0.073-0.428F1-0.339F2-0.484F3-0.85F4）]。由标准化处理后的现金流量指标数据以及得到的主成分得分系数矩阵可以计算出主成分F1，F2……F8的相应数据，带入上面建立的现金流量指标模型便可计算出对应的P值。

（五）模型的检验

为了检验模型的有效性，将随机选定的50家测试样本带入回归模型，将模型的判定结果和公司实际是否被ST进行对照。将危机发生前三年的现金流量数据进行标准化以后带入主成分的表达式中，再根据得到的Logistic回归模型计算P值。以P=0.5作为分割点，如果P<0.5，则说明公司财务状况健康；如果P≥0.5，则认为公司陷入财务危机。将T-1年的相关数据带入模型中进行回判，结果如表2所示。通过表2可以看出，本文建立的T-1年的现金流量财务危机预警模型能够准确预测ST公司的数量为44家，准确率为88%；准确预测非ST公司的数量为41家，准确率为82%。模型总体的检验准确率为85%。

利用已构建的模型对随机抽样的100家测试样本公司T-2年的数据进行预测检验，预测结果如表3所示。通过表3可以看出，本文建立的T-2年的现金流量财务危机预警模型能够准确预测ST公司的数量为41家，准确率为82%；准确预测非ST公司的数量为36家，准确率为72%。模型总体的检验准确率为77%。

将T-3年的现金流量数据带入T-3年的模型，得到的检验准确率如表4所示。通过表4可以看出，本文建立的T-3年的现金流量财务危机预警模型能够准确预测ST公司的数量为35家，准确率为70%；准确预测非ST公司的数量为33家，准确率为66%。模型总体的检验准确率为68%。

三、研究结论

本文在分析和总结传统财务指标的基础上，选取了18个现金流量指标，建立了一个以现金流量指标为主的财务危机预警指标体系。运用因子分析法和Logistic逻辑回归方法对财务危机发生前三年的样本数据进行分析和研究，建立了三年的基于现金流量的财务危机预警模型，并对模型的预测能力进行了检验。研究发现，首先，现金流量指标可以用于预测公司财务危机的发生，并且具有较高的预测性。选取现金流量指标为预警指标，相比传统的财务指标能更好地反映企业财务信息的真实性。其次，不同的年份存在不同的显著性指标，因此在公司被ST的前3年分别建立预警模型是合理的。最后，离危机发生的年份越近，现金流量指标的差异性越明显，根据较大差异的指标建立的模型判别准确率就越高，这也说明了公司的财务状况恶化是一个逐步累积的过程。X

参考文献：

1.马红，糜仲春.从现金流的角度预测上市公司的财务困境[J].价值工程，2004，（8）.

2.梁飞媛.基于现金流的财务危机预警系统实证研究[J].财贸经济，2005，（2）.

3.章之旺.现金流量在财务困境预测中的信息含量实证研究[J].中国管理科学，2004，（6）.

作者简介：

1.廖斐，男，北京物资学院研究生。研究方向：财务会计。

2.贾炜莹，女，北京物资学院商学院副院长、教授，管理学博士。研究方向：企业风险管理。endprint