制造业上市公司财务预警模型构建

李海玲

制造业上市公司财务预警模型构建

李海玲

针对制造业短期财务预警模型缺乏的现状，本文以2014年数据为模型样本，尝试以Logistic和Fisher构建短期财务预警模型。在此基础上，以2016年公布的2015年1867家制造业上市公司数据为检验样本，对模型预警能力进行检验。旨在为对企业管理、短期投资、或相关利益者有效辨别财务困境提供有效模型。

Logistic回归；Fisher判别；财务预警；制造业

一、研究背景

（一）国内外文献综述

国外，最早是Fitzpatrick进行财务危机单变量预警，后期研究从单变量突破到多变量。关于多变量的研究，主要有多元线性、多元逻辑、多元概率三大类模型。还有其他研究，即尝试着对基本模型加入现金流量、审计意见、股权治理等新因素，期望提高财务困境预警模型准确率。

国内研究始于上世纪八十年代，相对于国外起步较晚，可以借鉴的国外研究很多，所以国内研究轨迹基本和国外是一致的。在此基础上，以我国企业数据为样本，国内学者也尝试着进行了一些有益的探索。首先，分行业进行研究。最新的文献主要有王洪艳（2015）生物制药业、梁飞媛（2014）机械制造业、张国政（2015）农业、定鹏（2012）高校、邢有洪（2011）航空公司等。其次，分模型进行研究。相对于国外三大类模型，国内偏向于研究三大类模型中的这些具体模型：Ahmna的Z值模型、Fisher判别模型、Logistic模型、网络神经模型。

（二）研究目的

纵观国内研究，虽然取得了重大进展，但是，还存在一定的研究空间。首先，行业方面。随着《中国制造2025》规划的推出，制造业备受关注。但是，对于制造业，近三年有关制造业财务预警文献并不多。其次，模型方面。虽然有些财经类网站提供上市公司Z值预警，但与公布的ST真实结果相差较大。当然，国内许多研究表明，Logistic模型准确率相对较高。但是，对此模型，绝大部分学者选择以年度数据进行检验。针对短期财务困境的预警模型还十分匮乏，不能满足短期投资需求，故本文尝试构建短期财务预警模型，旨在为相关利益者有效辨别短期财务困境提供参考。

二、Logistic模型构建

（一）样本及指标选取

1.样本选取

首先，样本行业选取制造业。根据国内外学者研究发现，样本所处行业不同，财务指标呈现较大的差异性，因此，ST预警结合行业更加精确合理。根据我国证监会行业统计，共有18个行业。纵观各行业上市公司的数量、各行业被ST的公司数量，制造业在这两方面都位居首位，故本文选取了2014年制造业上市公司作为模型样本，以其2012年至2014年数据为样本数据。其次，样本容量大、数据新。最后，样本配比比例多次测算。国内外对于ST和非ST公司的配比有1:1、1:2、1:3，本文通过对1:1到1:4的几种比例进行测算对比，发现1:2建模是最佳的，而且过高的配比比例会影响模型的稳健性。对于本文选取的样本见表1：

表1　制造业上市公司ST预警样本选取情况　　单位：家

2.指标选取

在选取指标时，考虑到以下几个特点：（1）获取性。本文主要是为了构建简易模型，能够通过财务指标快速地预测被ST的可能性。所以，在选取指标时，要考虑指标容易获取。本文的指标通过新浪、同花顺等财经类网站均可获取，便于决策者快速预测。（2）全面性。单项财务指标反映的能力有限，本文从6个方面选取指标作为自变量，旨在提高预警效力。（3）稳定性。选取每种财务能力的核心指标，过多的指标进行组合建模会影响模型的稳定性。综上，构成自变量的指标具体如表2所示：

表2　　预警指标选取情况

（二）Logistic模型构建

1.正态性检验

本文首先对所选取的12项财务指标进行正态性检验，这主要通过SPSS软件中的K-S检验来实现。从检验结果可知，在a=0.05的显著水平下，只有X10的双侧显著性0.2＞0.05，服从正态分布，其他指标均不服从正态分布。

2.显著性检验

针对正态性检验的不同结果，选用不同的显著性检验。首先，对服从正态分布的X10采用独立样本T检验，从检验结果可知，方差方程的Levene检验结果为sig.=0.001＜0.05,并且F=11.452,说明两组方差不相等。当方差不相等时，X10双侧显著性0.000＜0.05,说明X10在是否ST上存在显著性差异。其次，对其他指标采用两个独立样本非参数检验中的Mann-Whitney U检验，从检验可知，在a=0.05的显著性水平下，只有X7的双侧显著性0.213＞0.05，说明X7在是否ST上不存在显著性差异。综上，对于所有指标，只有X7没有通过显著性检验。

3.拟合度检验

表3　　Logistic模型分类表

表3反映利用回归模型对原始值的预测情况。整体预测正确率为79.44%。根据国内外相关文献，有相当一部分研究以最低误判率来寻找分割点。本文的分割点为0.5，如果调整分割点为0.42，则整体预测正确率为80.7%。参照现有的国内外文献，模型正确率接近80%，拟合方程的整体拟合效果是比较高的。其中，对非ST公司预测的正确为91.6%，说明模型对这个单项预测效果很好。但是，对ST公司预测的正确率为55.1%，预测正确率偏低，这主要是由于模型通过ST近三年的数据建立的，2/3的样本距离ST（财务困境）发生的时间超过一年。较早的财务指标还不能充分反映ST公司财务困境的特点。因为财务困境是一个随着时间逐步恶化，是一个渐进的过程。当然，本文也尝试以年度作为控制变量建立模型，消除时间因素，但其结果与本模型准确率基本一样，故不调整模型。

4.Logistic回归模型构建

根据回归结果中方程式中的变量，通过显著性为0.05 Wald检验的自变量有：X2、X3、X8，说明这3个变量对是否ST具有显著影响，其他变量没有通过显著性水平。根据统计结果，3个变量的系数均为负，说明这3个自变量每增加一个单位，发生ST的可能性只是小于一个单位的75.4%、88.9%、47%。根据表中的相关系数，进一步得出Logistic拟合回归方程为：

（三）Logistic模型预测

本文前面第二部分，已通过2014年ST和非ST公司为样本建立了财务预警模型，整体准确率比较高。在此基础上，为了检验模型预测能力，本文再运用此模型对制造业上市公司1867家2015年的ST与非ST情况进行预测，并与证监会2016年公告的2015年ST结果进行对比。由于本文基于短期财务预警模型缺乏的现状，预检验模型的短期预测能力，所以检验期间选取2015年的4个期间进行短期预测，即2015年第一季、中期、第三季和年度，这四个期间分别对应2015年被ST前9个月，6个月、3个月和0个月。列示ST前各个期间，有利于考察模型在各期间的预警准确率和变化趋势。当然，财务报告对外公告的时间一般都比其所属期间晚，所以，在运用此模型进行预测时，要注意ST预测期间所涵盖的时间范畴。具体预测效果见表4。

表4　 Logistic模型2015年预测能力检验

从表4可以看出：首先，在预测期间准确率方面，各期间的单项和整体准确率几乎都在80%以上，说明该模型具有很高的预测能力。有利于快速准确地把握制造业上市公司短期财务预警状况。其次，在准确率变化趋势方面，距离ST发生的时间越近，ST预警模型的单项与整体准确度都越高，模型预测能力更强，说明自变量可以有效地解释及预测因变量。

三、Fisher模型构建

对于制造业财务预警，本文也尝试着运用Fisher判别构建模型。运用同样的数据，通过SPSS软件进行分析，根据Fisher判别函数系数，构建的ST的判别表达式表示如下：

非ST=-0.53X1+0.947X2+0.182X3-0.009X4-0.001X 6+3.284X8+1.881X9+0.235X10+0.001X11+0.164X12 -11.929

ST=-0.351X1+0.684X2+0.101X3-0.01X4+0.002X5-0.004X6+2.597X8+1.861X9+0.237X10-0.008X11-0.48X12-11.094

在此基础上，再运用此表达式对2015年制造业上市公司进行预测，判断其是否被ST，从而检验模型的预测能力。对2015年制造业上市公司1867家的4个期间进行预测，其中，各个期间数据存在披露不全的公司。剔除这些公司，对预测结果进行整理如表5所示：

从表5可以看出：首先，在预测期间准确率方面，各期间准确率都比较高，但每个期间单项和整体准确率都比Logistic模型低。其次，在准确率变化趋势方面，距离ST发生的时间越近，ST预警模型的单项与整体准确率就越高，这与Logistic模型的预测变化趋势是一致的。

表5　 Fisher模型2015年预测效果检验

四、结论

本文以2014年制造业上市公司为样本，利用其近三年数据为样本，以反映财务6大核心能力的12项财务指标作为预警指标，建立财务预警模型。本文运用Logistic回归、Fisher判别两种模型建立财务预警，并以最新的2015年数据为检验样本对模型预警效果进行检验。检验结果显示：两种模型单项和整体准确率都比较高。而且距离ST发生的时间越近，ST预警模型的单项与整体准确度都越高。但是，相比较而言，不管是单项还是整体，Logistic模型比Fisher模型准确率更高。总之，对于短期财务预警模型比较缺乏的现状，本文通过模型进行实证检验，旨在为对企业管理、短期投资、或相关利益者有效辨别财务困境提供有效模型。

盐城师范学院校级品牌专业建设工程支柱项目。

[1]王宗胜.我国制造业上市公司财务困境预警分析[J].统计与决策,2015(3):174-177.

[2]王洪艳.生物制药行业上市公司财务预警模型构建[J].财会通讯,2015(19):33-36.

（作者单位：盐城师范学院商学院）