上市公司资金链断裂风险预警比较研究*——基于主成分和Logistic模型的分析

南京财经大学会计学院 张莉芳 江苏经贸职业技术学校 历 丽

一、引言

近年来，资金链断裂引发企业经营失败的事件频频发生。资金链断裂会产生连锁社会反应，当一家企业资不抵债，关门倒闭时，可能会拖累为其提供贷款和担保的公司，这些公司自身也有债务，又承担了被担保企业的银行贷款债务，必然加速这些公司的倒闭，进而牵连更多公司。显然，资金链断裂不仅对单个企业造成巨大冲击，在某种程度上还影响某个区域、乃至整个国家的金融安全和经济安全。资金链是企业从融资到资金使用，再到销售回款，最终偿还债务、回馈投资的一种反复过程。企业的资本代表企业资源的来源，资产则代表资源的运用。企业要生存和发展，资源的来源和运用在金额和期限上应该匹配，才能保持这个过程的良性循环。当上述某一环节的资源运用超过其来源时，即资金需求超过供给，产生资金缺口，此时，极可能引发整条资金链的断裂风险。资金链断裂会令企业陷入现金流困局，引发企业财务失败。防范资金链断裂风险已逐步成为国内外企业关注的重心之一。企业的发展过程是经营、筹资和投资三大活动逐步形成的过程，也是企业财务风险逐步加大的过程，企业在陷入资金链断裂风险之前，通常都是有预兆且可预测的。如果能从定量的角度找到指标有效识别和快速预警资金链断裂风险，就可避免企业由于资金链断裂风险引发经营失败的可能。国内已有的文献大部分是从逻辑推理和定性分析的角度研究资金链断裂的成因和表现形式，缺乏比较系统全面的预警模型和实证检验，为数不多的定量分析方法也值得商榷。本文从资金链断裂成因的理论分析入手，结合中国特殊制度背景，设计资金链断裂的识别指标，并分别采用主因子分析和Logistic模型回归，构建能够量化我国企业资金链断裂风险的预警模型。本文的研究价值主要体现在以下三个方面：第一，指标设计的创新，本文围绕资金链状态的识别来进行指标设计，同时考虑了我国特殊的制度背景，如企业性质、过度对外担保、关联占款等因素；第二，样本选择上的创新，采用连续两年亏损而在第三年被退市风险警示的A股上市企业作为样本企业；第三，研究方法运用的创新，采用主成分分析和logistic模型回归的比较研究，进一步完善了资金链断裂的风险预警模型，具有重要的研究价值和实践意义。

二、文献回顾与理论分析

（一）文献回顾 王江（2005年）基于马克思对资本流通的分析，总结出六种资金链断裂的类型：库存增加型、价值泡沫型、资本运作型、委托理财型、资金担保型以及关联方占用型。藤佳和干胜道（2005）、郑和平（2011）、李富芝（2012）等认为资金链断裂的常见原因包括营运资金管理混乱、融资不合理、投资失误、经营亏损、内部制衡缺失等多个方面。杨毓（2009）除了对影响企业资金链断裂的内因进行分析外，还剖析了宏观环境、经济体制和金融机构行为等影响资金链断裂的外部因素。王玉红，郎文颖（2013）对无锡尚德的发展与破产重组进行分析，发现高负债水平和弱偿债能力是其资金链断裂的导火线，战略失误是其资金链断裂的催化剂，经营不善是其资金链断裂的根源。

已有的文献大部分是从定性的角度研究资金链断裂的成因和表现形式，缺乏比较系统的定量分析和预警研究。导致这一现象的可能原因：一是资金链断裂是时点的概念，许多学者将其归入了破产风险或是财务失败中；二是在中国，上市困难，壳资源稀缺，很多资金链断裂的上市公司最后通过各种方法“死而复生”，例如，自2001年2月到2011年12月底，A股市场退市企业仅39家，由于资金链断裂而退市的样本量更少；三是资金链断裂主要发生在民营中小企业，这类企业的相关数据收集比较困难。要进行资金链断裂风险的定量研究，首先应确认识别指标。以往文献主要从以下二个方面确定识别指标：（1）基于经营协调性和资金链断裂成因角度确定预警指标，张金昌和范瑞真（2012）从三个资金缺口和一些常见原因设计出可以定量检验的八个资金链断裂风险识别指标，并以指标值是否大于1作为判断标准。（2）基于财务状况确定预警指标，翟潇（2010）对成长企业资金链的评价，是在东北财经大学建立的风险模型基础上，选取19个指标反映企业的财务状况，运用判别分析法计算得到改进的Z值评分模型，通过Z值评价企业的资金链质量，其指标设置更偏向于破产风险或是财务失败的预警。通过以上的文献回顾和梳理，可以发现，上述研究仍然存在一些不足：第一，大部分研究采用一元判定法判别企业资金链断裂发生的可能性，一元判定分析法预测时，事先认为失败与不失败的概率均为50%，把问题本身简单化，而且根据不同比率预测同一事件，指标之间判定结果可能互相矛盾，难以起到预警作用；第二，以往很多预警研究在指标设置上没有区别财务失败和资金链断裂风险，往往将其混为一谈。在中国特殊的制度背景下，资金链断裂并不一定导致企业破产。例如，每到年末，总有一批“股市不死鸟”之称的ST、*ST股票，在政府财政补贴、并购重组、投资自救等各种招数下重复上演“死而复生”的游戏。资金链断裂只是导致企业财务失败的重要原因之一。国外对企业破产风险、财务失败预警等方面的定量研究文献较多。Fitzpartrick（1932）最早进行单变量破产预警研究，而Beaver（1966）提出的单变量财务危机判别模型具有更大影响力。Altman（1968）首次将多元判别方法引入财务失败预警研究，建立了著名的Z-Score模型，从而解决了单变量模型下同一公司采用不同比率预测时，出现不同结果的矛盾。Ohlson（1980）利用Probit和Logistic回归方法研究财务失败预警模型，获得较高的准确率。此后，人工智能及人工神经网络等技术在近几年纷纷被引入财务失败预警模型中。

（二）资金链断裂与资产资本结构平衡分析 所谓资产资本结构平衡，是指资产负债表中资产结构与资本结构的依存与对应关系。在经济活动中，筹资与投资是企业两大重要财务活动，从会计平衡公式或筹资与投资总体关系看，企业的资金来源（即资本结构）和运用（即资产结构）在金额和期限上应该匹配，才能保持整个经营过程的良性循环。资金的运用超过其来源时，即资金需求超过供给，产生资金短缺。当资金缺口达到无可挽回的地步时，就会出现资金链断裂。从资产负债表来看，企业资金来源（即资本结构）包括流动负债、非流动负债和所有者权益三个部分。非流动负债和所有者权益属于企业永久性资金来源，也称长期资本。与之相适应，资金需求（即资产结构）可概括为长期资本需求、经营性营运资金需求和日常现金支付需求三个部分。长期资本需求就是投资性营运资本需求，投资性营运资本是企业开展日常经营活动的资本保证，其数量相对稳定，期限相对较长，在数量上既等于长期资本与长期资产之差，也等于企业的流动资产与流动负债之差。长期资产的资金来源包括长期资本、短期资本、长期资本和短期资本共同提供，如果企业的长期资产完全由短期资金提供，企业的融资链极容易断裂，企业存在因不能偿还到期债务而破产的潜在风险。

经营性营运资金在数量上等于经营性资产与经营性负债之差，经营性资产是指与经营活动相关、在企业经营环节占用，需要依靠经营努力才能转化为现金的资产，经营性负债是经营活动产生的负债，与企业的投融资活动无关。其计算公式为：经营性营运资金需求=（应收账款+预付账款+存货）-（应付账款+预收账款+应付职工薪酬+应交税费）。当企业经营性营运资金需求为正时，企业需要为经营活动正常开展垫付一定数量的资金，这部分资金的主要来源应该是企业的长期资本，否则，企业的经营链容易断裂。

日常现金支付需求是企业长期资金和经营性营运资金相互补充、相互使用的结果，是企业迫在眼前的资金需求，如果企业不能及时筹集到足够的资金来弥补这一环节缺口，现金链就会出现断裂。其计算公式为：日常现金支付需求=货币性资产-货币性负债=（货币资金+交易性金融资产+应收票据）-（短期借款+交易性金融负债+应付票据）=投资性营运资本需求-经营性营运资金需求。

笔者借鉴国外对企业破产风险、财务失败预警等方面的定量研究，结合中国特殊制度背景，设计资金链断裂的有效识别指标，并分别采用主因子分析和Logistic模型回归，构建能够量化我国企业资金链断裂风险的预警模型，比较两个模型的判别准确度，从而为预测企业资金链断裂风险提供一种有效的量化工具。

三、研究设计

（一）样本选择与数据来源 对于样本的选择，有的文献选择退市企业作为样本企业，这样做有一定的道理，但不少企业退市的原因不是因为经营不善导致的资金链断裂，而是因为大股东私自挪用企业资产或是骗取银行贷款等原因导致的退市，而且我国退市企业家数极少，存在研究样本不足的情况，最重要的是，企业退市分布在不同年份，不同年份的宏观经济环境显著不同，必定会进一步影响研究结果。笔者认为，若以连续两年亏损而被退市风险警示的上市公司为研究样本，则可以解决上述问题。一方面样本数量充足，另一方面在我国目前上市资格十分珍贵的情况下，ST、*ST公司的交易受到一定限制，对公司和管理层的利益影响很大，公司会极力粉饰财务报表从而保住自己的上市资格，所以当上市公司连续两个会计年度经审计的净利润均为负值时，说明其发展乏力，资不抵债，企业资金链存在断裂的风险。本文选取36家2010、2011连续两年亏损而在2012年被退市风险警示的A股上市企业作为样本企业，并按1：1比例逐一随机选取了36家细分行业相同或相近、总资产规模相近的企业作为配对样本。在抽样推断中，当样本容量大于（等于）30时，对总体具有很大程度的代表性。因此，我们从配对样本中随机选出30对公司作为训练样本，剩下6对公司作为检验样本，如下表1所示。由于上市公司被“退市风险警示”是根据前两年的财务状况决定，虽然前1年数据具有极强的判断力，但没有实际预测作用，所以本文以公司被“退市风险警示”前2年、前3年作为研究的时间范围。本文所使用的全部数据来源于WIND和CSMAR数据库，统计分析使用EXCEL和STATA11。

表1 36家被警告企业及其对照企业名单

（二）资金链断裂风险预警指标的选择 预警指标的选择原则如下：第一，全面性，一个全面合理的资金链断裂预警体系，要涵盖企业财务状况、公司治理和宏观经济环境等各方面的指标；第二，选择具有较高信息含量，能及时有效反映出资金链断裂风险征兆的财务指标；第三，满足可操作性原则，衡量资金量断裂的指标很多，但是有的指标可能难以采集（如资产抵押金额，实际贷款利率等），有的指标可能难以量化（如企业竞争力）。因此，此类指标不予考虑。按照以上三个原则，初步备选了以下20个资金链断裂风险预警指标，如下表2所示。为了提高模型的预测效果，消除初选指标之间可能存在相互关系，需要对上述指标做进一步分析，筛选出更具有敏感性、预警性的指标，剔除部分显著性不大的指标。首先对变量的样本序列进行Shapiro-Wilk的W显著性检验，检验样本序列是否服从正态分布。结果显示，所有指标的样本总体均不服从正态性分布。因此，本文采用Mann-Whitney非参数检验法，分析20个变量的均值在被退市风险警示样本组和配对样本组之间是否具有显著性差异。

由表3可以看出，在5%的显著性水平下，t-2年有X1（长期资金需求保障率）、X2（资产负债率）、X3（固定长期适合率）、X5（应收账款增长率）、X8（货币性资金需求保障率）、X9（现金流量比率）、X11（流动比率）、X12（速动比率）、X13（现金比率）、X14（总资产收益率）、X17（利润总额增长率）等11个变量通过了显著性检验，说明这11个指标在两组样本之间存在显著性差异。t-3年有X1（长期资金需求保障率）、X2（资产负债率）、X8（货币性资金需求保障率）、X9（现金流量比率）、X11（流动比率）、X12（速动比率）、X13（现金比率）等7个变量通过了显著性检验，说明这7个指标在两组样本之间存在显著性差异。其余没有通过检验，后续分析中应予以剔除。

表2 初始选取预警指标

表3 独立样本的Wilcoxon rank-sum（Mann-Whitney）检验结果表

（三）主成分分析预警模型的构建 由于实际应用中，往往存在指标的量纲不同，所以为了消除量纲的影响，要对36组（72家）样本公司的财务指标原始数据进行标准化处理：

（1）KMO和球形Bartlett检验。为了检验标准化后的数据是否适宜进行主成分分析，首先进行KMO和球形Bartlett适用性检验，当KMO值大于0.5，且Bartlett检验结果的显著性水平小于5%时，就适合做因子分析。检验结果如下表4所示，t-2年和t-3年的KMO统计量均大于0.75，且Bartlett检验结果的显著性水平均为0.0000，显著小于5%，说明这些指标之间并非独立，信息有一定的重叠，通过主成分分析可以优化模型。

表4 KMO和球形Bartlett检验结果

（2）求取主成分。我们运用stata11软件对训练样本的标准化值进行主成分分析，计算各主成分的特征值和方差贡献率，结果如表5所示。选取主成分的常用方法：一是根据主成分的累计贡献率来确定，即累计贡献率达到70～80%以上的前几个主成分；二是根据特征根来确定，即只保留特征根大于1的主成分。一般情况下，根据累计贡献率确定的主成分个数较多，而根据特征根确定的主成分个数相对较少。从t-2年相关矩阵的特征值看，发现只有前4个主成分的特征值大于1；从t-2年主成分累计贡献率看，前4个主成分的累计贡献率达到74.1%，说明这4个主成分所包含的信息占原来所有信息的74.1%，具有较好的解释力度，因此t-2年提取前4个主成分。观察t-3年特征根列，只有前2个主成分的特征值大于1，其累计贡献率达到72.6%，因此t-3年提取前2个主成分。

表5 主成分的特征值和方差贡献率

（3）主成分得分及模型。由表6得到的特征向量与标准化后的数据相乘，就得到了t-2年4个主成分（用Z表示）关于资金链断裂风险指标的线性表达式：

对主成分的特征值与贡献率进行计算，可构造企业退市风险警示前2年的资金链断裂预警模型，指标F是综合因子Z1、Z2、Z3、Z4的线性组合，即

将训练样本组标准化后的财务指标带入上述模型，得到退市风险警示企业与健康企业的平均F值分别为-0.5167和0.5167，因而我们可以确定判别分割点为0（-0.5167和0.5167的平均值）。把某一企业的相关指标数据带入F模型，若得到的F值大于0，则判定为健康型企业；反之，则为被“退市风险警示”企业；若得到的F值恰好等于0，说明该企业资金链断裂风险不明朗，处于灰色地带。

按照上述方法，构建企业被“退市风险警示”前3年资金链断裂预警模型。

此模型的判别分割点为0。

表6 主成分得分系数矩阵

（四）Logistic回归法预警模型构建 资金链断裂是否发生的预测属于两分类定性分析。Logistic回归模型是预测两分类因变量与一组解释变量之间关系时最成熟也是应用最广泛的统计分折模型。Logistic回归模型对变量的分布没有具体要求，在回归时通过概率进行预测，实际运用简单方便。运用STATA11软件对训练样本第t-2，t-3年的原始数据分别进行Logistic回归，并采用后退法做似然比概率检验，向后逐步选择最优建模变量。结果发现，模型对训练样本的分类准确率分别为93.33%和75%。

表7 进入方程变量

因此，第t-2年的判别模型为P1:

第t-3年的判别模型为P2:

在分析时，一般选择0.5的概率作为分割点。如果算出的概率（Pi）大于设定的分割点，则预测该企业未来将被退市风险警示。

表8 主成分法和logistic回归预警模型比较

（五）模型预测效果检验 运用6对检验样本数据对上述两种方法构建的模型进行检验（主成分分析模型采用标准化后的数据，Logistic回归模型采用原始数据），检验结果如表8所示。表8显示，在被退市风险警示前2年和前3年，Logistic回归法模型的判别准确率均达到100%，高于主成分分析法模型。这是个准确率很高的预测模型，表明Logistic回归法模型可以在实际中应用，具有很高的实用价值。

四、结论

本文利用我国沪深两市2010、2011连续两年亏损而在2012年被退市风险警示的A股企业和配对的非退市风险警示企业（共60家）数据，分别采用主成分分析和Logistic回归建立我国上市公司资金链断裂风险预警模型，并对模型进行比较检验。结果发现，我国上市公司的财务数据具有较强的预测能力，模型具有较好的预警效果，企业可以利用此模型量化资金链断裂风险，及时调整投融资计划和营运资金规划，有效防范资金链断裂风险发生。在以往的定性分析文献中，经常谈到企业资金链断裂的主要原因是收不回应收账款、存货积压、对外过度担保、关联方占款等，但是，我们通过独立样本的Mann-Whitney检验却发现，退市风险警示组和训练样本组在X6（应收账款周转率）、X7（存货周转率）、X18（担保占净资产比重）、X19（关联方占款）等指标间没有显著差异。可能的原因是很多上市公司是多元化经营的企业集团，母子公司可能从事完全不同的行业，通过合并报表计算出来的应收账款周转率、存货周转率等指标是各个不同行业的一个加权平均值，掩盖了公司具体的经营状况，利用这些指标做决策，必然会得出错误结论。也可能存在一些刻意操纵财务数据的上市公司，使指标失去了比较意义。总而言之，主成分分析和Logistic回归模型将影响资金链断裂风险的各个因素综合起来分析，建立综合指标函数预警资金链断裂风险，即避免了不同指标之间产生冲突时预警失效的情况，也避免了人为选择的主观性，是一种有效的量化工具，值得在实践中推广。但是，资金链断裂风险预警是一项复杂的系统工程，还有许多需要进一步研究的地方：第一，为了便于数据的获得，本文的研究对象是A股上市公司，得出的两个模型是否适用于非上市公司，还有待进一步检验，而恰好就是这些众多的非上市企业，是急需工具量化和预警资金链断裂风险；第二虽然在分析中加入了一些非财务指标，如企业性质，但是由于资料来源的限制，没有将宏观经济政策的变化、市场化程度、公司治理等影响资金链断裂的因素纳入研究。

［1］张金昌、范瑞真：《资金链断裂成因的理论分析和实证检验》，《中国工业经济》2012年第3期。

［2］王江：《“资金链”断裂：理论解析与启示》，《山东社会科学》2005年第7期。

［3］滕佳、干胜道：《企业资金链断裂防范研究》，《当代经理人》2005年第13期。

［4］郑和平：《资金链断裂的财务成因及对策》，《经济导刊》2011年第7期。

［5］李富芝，吴君民：《房地产企业资金链断裂风险原因探析与实证检验》，《商业会计》2012年第19期。

［6］王玉红、郎文颖：《以管窥豹——由资金链断裂看尚德破产重组》，《财务与会计》2013年第7期。

［7］翟潇：《成长企业的资金链评价研究》，《渤海大学学报》2010年第6期。

［8］Fitzpatrick.A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms.New York:Certified Public Accountant，1932.

［9］William Beaver.Financial Ratios as Predictors of Failure.Supplement to Journal of Accounting Research，1966.

［10］Altman E.I.Financial Ratios,Discriminate Analysis and Prediction of Corporate Bankruptcy.Journal of Finance，1968.

［11］Ohlson. Financial Ratio and the Probabilistic Prediction of Bankruptcy.Journal of Accounting Research，1980.