基于财务指标的我国上市公司财务困境预测

陈志

[摘要]本文以我国上市公司为研究对象，利用样本公司历年财务指标的数据构建Logit模型量化上市公司的信用风险概率，进而根据结果对上市公司发生财务困境进行判别和预测。

[关键词]财务指标； Logit模型； 因子分析； 财务困境预测

[中图分类号]F275[文献标识码]A[文章编号]1005-6432（2014）34-0112-03

1引言

财务困境又称财务危机，是指企业现金流量不足以补偿现有债务，最严重的财务困境即企业破产。在我国，上市公司具有业绩好、规模大、筹资快等特点，相比于一般企业能更好地反映出我国资本市场的健康程度。近年来，随着我国证券市场快速发展，上市公司在数量和规模上都不断地扩大。然而，现实中一些上市公司也会由于经营不善或其他各种原因出现连年亏损，陷入财务困境甚至面临退市的风险。1998年4月22日，沪深证券交易所宣布将对财务状况异常（或其他财务状况异常）的上市公司的股票交易进行特别处理（ST）。研究中国上市公司财务困境时通常将ST作为企业财务困境的标志。

财务困境的有效预测将有利于我国上市公司经营者的提前防范、政府管理部门的监督以及证券市场投资者的决策。考虑到现实中企业发生财务困境是一个财务状况逐渐恶化的过程，因此一般认为企业财务困境是可以通过一定的指标预测的。

2文献综述

财务困境预测指对企业财务困境所做出的具体推测。最早的财务困境预测方法是20世纪30年代产生的单变量分析法，提出利用单一的财务比率来预测企业的财务困境。20世纪60年代，Altman率先使用多元线性判别分析，以美国1946—1965年资产规模接近的66家公司为样本确定了5变量的Z-score模型。并于1977年提出了现在仍常用的7变量ZETA模型。

由于多元线性判别分析模型存在着严格的假设条件，如多元变量多元正态分布、协方差矩阵相等，并且该模型无法处理离散变量，实证中大多数财务比率并不满足这些要求。20世纪70年代末，线性概率模型、Logit模型和Probit模型的出现有效地解决了这些问题。最早使用线性概率模型进行财务困境预测的是Meryer和Pifer，但线性概率模型常常会得到大于1的结果，Logit模型却能很好地克服这一缺点。Ohlson（1980）首先在商业银行风险评估的过程中使用了Logit模型。Martin通过比较不同模型的预测能力后得出Logit模型优于Z-Score模型和ZETA模型。我国学者吴世农、卢贤艺利用1998—2000年我国A股市场ST公司数据比较不同模型预测效果后得出Logit模型预测能力强于线性概率模型和多元判别分析。

20世纪80年代开始兴起了高预测精度的神经网络等非线性模型，但Barniv将Logit模型与神经网络模型进行比较发现二者在预测结果的准确率上并无太大差异。近年来，李从欣，肖示恩，郑芸（2009）构造上市公司信用风险评价的Logit模型，并用t检验和主成分分析法进行分析，得到了精度非常高的预测模型。

鉴于前人的研究思路，本文将选用稳健性良好的Logit模型，使用我国上市公司公开的财务数据及相关市场信息构建我国上市公司财务困境预测的模型，并加以分析。

3模型与实证分析

3.1变量和数据选择

本文分别选取了2014年的67家覆盖不同行业、不同资产规模的A股上市公司进行研究，其中包括36家ST上市公司和31家非ST上市公司，考虑到我国上市公司公布（t-1）年的财务报表与t年被ST处理是几乎同时发生的，因此本文采用2012年的财务数据来建立模型预测2014年的ST情况。笔者曾考虑过同时把滞后几期的上市公司财务数据加入模型中以获得更好的长期预测效果，但是由于变量个数太多，因子分析降维后结果依然不理想，最后通过预测比较，决定只选择2012年的数据进行预测。我们拟选定的变量如下：

偿债能力：资产负债率X1、流动比率X2、速动比率X3、产权比率X4；赢利能力：加权净资产收益率X5、摊薄总资产报酬率X6、毛利率X7、净利率X8；营运能力：总资产周转率X9、应收账款周转天数X10、存货周转天数X11、固定资产周转率X12；发展能力：营业收入增长率X13、总资产增长率X14、资本积累率X15；引入市场信息变量：每股收益X16、股票年换手率X17、Beta系数X18。

3.2预测模型和结果

首先看一下变量的描述性统计分析，如表1所示。

4结论及对策建议

通过我国A股上市公司财务信息及股票市场信息构造的Logit模型可以有效地预测上市公司发生财务困境的可能性。模型显示，营运能力因子在预测我国上市公司财务困境方面贡献值最大，因此应该作为财务困境预测关注指标的重中之重，赢利能力和发展能力因子也具有一定的影响力，应当给予足够的关注度。本文选取了较为全面的财务指标加以分析，模型具有良好的预测能力。

虽然本文建立的模型在预测我国上市公司财务困境上是有效的，但也存在不足之处：

（1）未能将定性分析与定量分析相结合，诸如宏观经济、行业前景、技术水平等因素都可能导致企业陷入财务困境，没有全面地量化上市公司信用风险，影响模型精度；

（2）未细分上市公司风险等级，对其研究仅仅局限于ST公司，忽略了生产经营已潜伏着一定的财务风险却没有被ST名单的公司；

（3）我国上市公司中许多业绩不好的公司财务报表水分较大，有的机构和媒体甚至勾结发布虚假消息，影响预测结果。

根据上述的理论分析和实证研究，为了规范我国证券市场，进一步提高我国资本市场的健康程度，笔者结合我国上市公司的实际情况提出以下对策建议：

（1）当前我国上市公司信息披露主要集中在赢利指标方面，相关监测机构还应加大对上市公司诸如营运指标、发展指标、偿债指标等其他财务指标的披露，使投资者拥有更加充分的信息，以便做出决策。

（2）进一步完善我国财务风险预警机制。我国上市公司的风险等级没有进行细分，被ST处理的公司实质上已经陷入了严重的财务困境。但从实际情况来看，被ST的公司往往可以通过一些非市场手段避免公司退市，甚至能够摘星摘帽。但这并不代表公司本质上的财务危机得到了解决，最终会导致整个资本市场的不健康发展。

（3）上市公司应当不断完善自身治理结构和资本结构，寻找财务困境的深层次原因。防止因股权过度集中而出现的大股东侵占小股东利益的情况，维持内部管理和内部控制机制的有效进行。

此外，由于本文取样的局限性，模型还不足以推广到市场上的中小企业。如果条件允许，应扩大样本范围，更加全面地设计变量，构建一个能够量化市场上大部分企业信用风险的模型，这也将是今后重点研究的方向。〖HJ1*2/3〗

参考文献：

[1]Altman，Edward I.Financial Rations，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance，1968（9）.

[2]E.I.Altman，R.G.Haldeman，P.Narayanan.Zeta Analysis：A New Model to Identify Bankruptcy Risk of Corporations[J].Journal of Banking and Financial，1977（7）.

[3]Beaver，William H.Financial ratios as predictors of failure[J].Journal of Accounting Research，1966（4）：71-111.

[4]Barniv R.Accounting procedures，market data，cash flow figures and insolvency classification：the case of the insurance industry[J].The Accounting Review，1990（65）：578-604.

[5]吴世农，卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究，2001（6）.

[6]李从欣，肖示恩，郑芸.上市公司信用风险评价研究[J].中国管理信息化，2009（16）.

[7]唐亮，张北阳，陈守东.我国上市公司信用风险评价和度量[J].工业技术经济，2011（2）.

[8]马喜德.上市公司财务困境预测实证研究[C].厦门：厦门大学金融系，2003.