氯碱化工企业财务风险预警研究

许天+杨红

[提要] 现阶段我国经济仍处在平稳健康发展之中，但是随着氯碱化工行业产能的不断增加，市场竞争强度的进一步加剧，该行业面临的不确定性和财务风险也在加大，因此对该行业的财务预警就变的越发重要。本文选取氯碱化工行业部分上市公司作为研究样本，构建氯碱化工行业财务预警模型，并对该模型进行检验，证明该模型对财务预警有足够的准确性，这可以为其他企业的财务风险管理提供参考。

关键词：氯碱化工；财务风险；财务预警

中图分类号：F23 文献标识码：A

收录日期：2017年3月29日

一、研究回顾

目前，国内对于财务预警的研究主要有以下几种模型：多元线型判别法以Z-score模型为例，该模型仅适合应用于短期预测的结论。Altman的Z-score模型尽管还存在一定的不足和片面性，例如样本材料数据的选取要符合正态分布，而且通常对公司前一年的预测精确度较高，对前两年前三年的预测精度有所下降。不可否认的是他的综合分析思想却对后来的研究产生了深远的影响。F分数模型相比Z-score模型，新加入了现金流量这一自变量指标，同时考虑了公司财务状况的发展和变化，决策者可以较容易地建立财务危机预警机制。Logistic模型的研究对于我国来说主要分为两种，一种是研究者采取的样本或者均为中小企业的上市公司，不能代表大部分我国的上市公司；另一种是配对抽样相当于默认风险公司与无风险公司的比例是相等的，与事实显然不符，可能会产生过度抽样或样本自我选择问题，由此也会高估模型的有效性。功效系数法作为一种反映多指标、综合分析的定量评价的方法，它运用简单明了的计算公式，根据各项指标的重要性来确定指标的权重，但是單项得分的评价标准确定难度较大，不易操作。

二、研究设计

（一）样本选取。本文选择化工行业2013～2015年财务数据构建模型。根据统计学原理，选取2015年化工行业上市公司为ST公司的10家公司，再选取与之相配对的非ST公司100家，总共110家上市公司作为样本，用这110家公司2013～2015年财务数据构建模型，并与真实算出的比率作对比，进而算出其准确率。

（二）指标选取。因为笔者主要研究化工行业上市公司财务预警模型的构建，所以上市公司的财务绩效（ST或非ST）即为被解释变量。上市公司财务绩效的影响因素即为解释变量。但是，目前还没有对上市公司财务绩效进行测度的权威指标，所以在参考其他学者的著作前提下，笔者将选取以下财务指标作为上市公司财务绩效的影响因素：流动比率、速动比率、资产负债率、产权比率、总资产增长率、净利润增长率、应收账款周转率、存货周转率、总资产周转率、全部现金回收率、营运指数、总资产净利润率、净资产收益率、营业毛利率、成本费用率共15个财务指标。根据上节对变量设计及解释的描述，笔者构建影响因素模型所涉及到的变量如表1所示。（表1）

（三）模型的构建。根据前文的理论分析，笔者将上市公司财务绩效预警的影响因素模型构建为：

Y=a0+a1×X1+a2×X2+a3×X3+a4×X4+a5×X5+a6×X6+a7×X7+a8×X8+a9×X9+a10×X10+a11×X11+a12×X12+a13×X13+a14×X14+a15×X15+ε

其中，Logit（Y）=ln ，我们可以算出？籽值，当？籽>0.5时，即判定为财务困境公司，反之则判定为经营状况正常的公司。另外，ε为模型中的残差项。由于该模型中的自变量个数较多，所以在后文的实际结算中，笔者将采用“向后：条件”法筛选自变量，并设置为进入概率为0.05，删除概率为0.10。

由表2可知，在关于各个变量的单样本k-s检验结果中，“流动比率、速动比率、资产负债率、产权比率、总资产增长率”变量k-s检验对应的概率P值均小于显著性水平0.05，应拒绝检验的零假设，即可认为“流动比率、速动比率、资产负债率、产权比率、总资产增长率”的样本数据均不符合正态分布。（表2）

由表3可知，在关于各个变量的单样本k-s检验结果中，“净利润增长率、应收账款周转率、存货周转率、总资产周转率、全部现金回收率”变量k-s检验对应的概率P值均小于显著性水平0.05，应拒绝检验的零假设，即我们可认为“净利润增长率、应收账款周转率、存货周转率、总资产周转率、全部现金回收率”的样本数据均不符合正态分布。（表3）

由表4可知，在关于各个变量的单样本k-s检验结果中，“营运指数、总资产净利润率、净资产收益率、营业毛利率、成本费用利润率”变量k-s检验对应的概率P值均小于显著性水平0.05，应拒绝检验的零假设，即我们可认为“营运指数、总资产净利润率、净资产收益率、营业毛利率、成本费用利润率”的样本数据均不符合正态分布。（表4）

综上所述，由于所选15个指标数据均不符合正态分布，而Logistic模型不需要严格的假设条件，预警准确率也相对较高，所以本文选用此方法来预测上市公司的经营状况。

在本节中，笔者以2013～2015年化工行业上市公司为样本进行Logistic模型建立，如表5所示。（表5）

由表5可知，在Logistic回归分析模型中，“非财务困境”在模型中的编码为0；而“财务困境”在模型中的编码为1。

由表6可知，设置向后步进的进入概率为0.05，删除概率为0.10，经“向后：条件”法筛选自变量后，模型1中的自变量只剩下了：资产负债率（X3）、总资产增长率（X5）、净利润增长率（X6）、存货周转率（X8）、营业毛利率（X14）、成本费用利润率（X15）。（表6）

表6中的B值代表的是各个变量的回归系数，我们在构建模拟方程时就是将每个B值代入到15个财务指标前作为系数，构建Logistic财务预警模型的模拟方程，如下：

Y=-2.174+2.749×X3-2.425×X5+0.014×X6-0.026×X8-7.816×X14-1.542×X15

而通过Logit（Y）=ln 公式，我们可以算出？籽值，当？籽>0.5时，即判定为财务困境公司，反之则判定为经营状况正常的公司。

（四）模型的检验。先对选取的110家制造业公司2013～2015年的上述6项指标代入模型进行预测模拟，计算结果并比较值。如果>0.5，则说明该公司极有可能陷入财务危机，反之则说明公司状况良好，处于正常经营状态。计算结果如表7所示。（表7）

由表7可知，笔者所建立的Logistic模型对2013～2015年的样本数据检验出来的结果：30家ST公司中有7家被误判，300家非ST公司中有2家被误判，ST与非ST公司的判别准确率分别为：76.7%和99.3%，准确率总体上为97.3%。上述分析结果表明笔者所建立的Logistic模型能够在一定程度上预测出我国制造业上市公司的经营状况，能够较准确地预测出化工行业上市公司是否会被ST。

三、研究总结

本文通过对上文中选取的研究变量进行统计筛选，并应用于模型的建立，得出适用于我国氯碱化工上市企业的财务危机预警模型。通过对模型的检验，结果表明预警模型的预测准确率是可以满足该类企业的财务预警需要的。但是，本文选取在证券交易所上市的110家氯碱化工行业的上市公司作为研究对象，而未上市的氯碱化工公司也在经济活动中发挥重要作用，需要未来拓展研究。本文以氯碱化工类上市公司对外公布的财务指标进行预警模型构建和分析，未纳入非财务性因素变量，在未来研究中应扩大指标范围，使研究更加准确。

主要参考文献：

[1]郑洁.基于F分数模型的财务危机预警研究——以医药行业为例[D].西南大学，2013.

[2]田秋丽.Logistic模型在中小企业信用风险度量中的应用分析[J].中国商贸，2010.4.