文化与旅游服务业财务危机预警——基于logistic回归模型

杨梦玲, 毛惠媛, 汪 敏

(沈阳大学 商学院, 辽宁 沈阳 110041)

文化与旅游服务行业存在的前期资本投入较大、经营周期普遍较短、风控意识及能力较为薄弱等问题大大增加了行业风险,导致企业财务危机频发的情况越来越多,所以,有必要构建文化与旅游服务业的财务危机预警模型。财务危机预警以企业财务会计数据为基础,通过建立敏感财务指标并观察其变化,可以对企业可能出现的财务危机实时监测,并预测企业的财务危机。目前,国内外学者对文化与旅游服务业进行财务预警分析研究的不是很多,但事实上,行业财务危机预警研究对促进行业发展至关重要。因此,本文将针对文化与旅游服务行业构建财务危机预警模型,以发现企业经营管理过程中存在的潜在风险和危机,使经营者能够在财务危机爆发前有所警惕,规避风险。

一、 文献综述

Beaver研究了30个财务指标,发现越接近破产的企业,预测准确率越高,破产前一年的预测准确率最高[1]。Altman首次运用多元线性判别法,以预警准确率为标准选取了5个变量,根据预警准确率赋予不同的权重,通过加权计算得出综合得分Z值[2]。Martin使用Logistic模型研究了银行破产情况,结果表明:Logistic模型的检测能力非常强,预判准确率在85%以上[3]。Odom等利用人工神经网络把样本划分为训练的样本和空白的样本,并用Z评分模型中的5个财务指标作为解释变量,实证结论为:判别正确率远高于传统统计模型[4]。陈静发表了国内第一篇关于财务预警的文章,她的研究表明:流动比率和债务比率的误判性最小[5]。关欣等选取了168家上市公司,运用logistic回归模型和BP神经网络模型进行计算,结果表明:BP神经网络模型效果更好[6]。顾晓安等利用Logistic财务预警模型进行研究时增加了收益管理变量,提高了财务预警研究的准确性,结果表明:ST企业的预警准确率高于正常运营过程中的企业[7]。杨潇使用主成分分析法来降低预警指标的变量,实证结果表明:改进 logistic 回归模型提高了预测的精度和稳定性,从而提高了预警模型的精度[8]。

二、 预警模型设计

1. Logistic模型简介

Logistic回归法是一种多变量分析方法,属于度量概率非线性条件回归的一种常用方法,用于研究两类观测结果及其影响因素之间的关系,通常用于表示研究结果是否在某些因素条件下发生。logistic回归模型可以解释为:一个具有n种独立变量的向量X=(X1,X2,X3,…,Xn),设条件概率P(y=1|X)=p,表示在某事件X已经发生的条件下观测量相对应发生的概率。公式为

2. 研究对象与数据选取

由于国内很多文化与旅游服务企业并没有上市,其财务数据不易搜集且财务信息真实性无法保证,因此,选择深市A股和沪市A股中文化与旅游服务业上市企业作为研究对象,不仅企业的财务数据容易获取,其资质和财务水平要求也更高,更具有代表性。以企业被ST作为衡量企业进入财务危机的标准,选取了2015—2020年被ST过的10家企业,并对应选择了与ST企业同行业的40家健康上市企业作为研究样本。在选取非ST企业样本时,有以下4点选择标准:①隶属于深市A股或沪市A股;②选取时间与ST组一致;③在T-2年及T-1年利润均为正的企业;④依据数据可用性原则,剔除财务指标数据残缺或异常的企业。研究样本如表1所示。

表1 研究样本

本文将被ST的年度定义为第T年,以财务危机爆发(ST)作为分界点,从分界点倒推时间。由于被ST的3年前及以上年度的财务指标数据对于预警财务危机爆发的解释意义不明显,所以预警指标应该是初步出现危机时的预兆性指标,而不是在危机出现时的结果性指标,所以选取研究指标数据的时间点为企业被ST的两年前(即T-2年)。研究样本的数据根据万得金融数据库和锐思研究金融数据库数据计算整理而得。

3. 指标选取

预警指标是影响财务危机预警模型准确度的重要因素,也是衡量判断行业财务危机特征的主要信息。因此,本文在确立预警指标前,选取应用最为广泛的财务危机预警解释变量——五大财务分析能力指标——作为候选指标。五大财务分析能力指标能较为全面地反映企业经营状况和发展趋势,分别为偿债能力、营运能力、盈利能力、发展能力和现金流能力。其中各类指标包含若干个二级指标,共22项,如表2所示。

表2 候选指标集

三、 实证研究

1. 预警指标选取

选取的22个候选指标在文化与旅游服务业被ST企业与非ST企业之间并不一定都存在判别能力,不存在判别能力的指标不能作为预警指标。如若采用了无判别能力的指标进行后续的因子分析和建模研究,将会降低模型的整体预测准确性和稳定性。所以有必要对选取的22个财务指标进一步筛选,挑选出在ST样本组和非ST样本组之间存在显著性差异的指标作为预警指标。

2. 差异显著性检验

差异显著性检验用于检测实验组与对照组之间是否存在差异及差异的显著程度。本文主要用到的是Kolmogorov-Smirnov(K-S)检验和Mann-Whitney U检验。本文选取的22个候选指标来自10家ST企业和40家非ST企业T-2年的财务指标,数据来源较为分散且无明显规律,在不清楚样本总体分布的情况下,无法选取合适的差异显著性检验方法对候选指标进行分析。因此,在进行差异显著性检验前,首先将22个指标进行K-S检验,以获取样本总体的分布情况,再根据结果选择配对独立样本进行T检验或Mann-Whitney U检验,得出ST企业和非ST企业两者之间具有显著性差异的财务指标,作为预警指标加以保留,见表3。

表3 K-S 检验结果(df=50)

经过K-S检验, 分析得出22个候选指标中除X1(资产负债率)和X22(总资产现金回收率)服从正态分布外, 其余20个候选指标均不服从正态分布。 对20个不服从正态分布的候选指标进行Mann-WhitneyU检验, 对2个通过检验的候选指标进行独立样本T检验, 筛选出ST组和非ST组之间具有显著性差异的指标作为预警指标。

由表4可知,X5、X6、X7、X8、X9、X10、X12、X13、X14、X16、X19、X20、X21这13个指标的显著性均小于0.05。这13项财务指标表明,ST企业和非ST企业之间存在显著性差异,可以作为财务危机的预警指标。

表4 Mann-Whitney U检验值

由表5的检验结果可知,资产负债率和总资产现金回收率在假设方差相等的原假设条件下显著性均小于0.05,即拒绝原假设,故应观察在假设方差不相等情况下的显著性值,均大于0.05,所以资产负债率和总资产现金回收率都不具有显著性差异。

表5 独立样本T检验值

综合上述检验结果,共有13个候选指标在ST企业与非ST企业之间存在显著性差异。因此,这13个指标应作为文化与旅游服务业财务危机预警指标,即:偿债能力中的现金比率X5;盈利能力中的每股收益X6、总资产报酬率X7、净资产收益率X8、销售净利润率X9、成本费用利润率X10;发展能力中的净利润增长率X12、净资产增长率X13、总资产增长率X14;营运能力中的应收账款周转率X16、总资产周转率X19;现金流能力中的销售现金比率X20、净利润现金含量X21。

3. 因子分析

通过因子分析对预警指标变量之间的多重共线性关系进行消除,避免在后续建模过程中logistic回归模型估计不准确,并在降维浓缩减少指标数量的同时尽可能保留预警指标包含的信息内容。本文意图将通过差异显著性检验后得到的13个预警指标进一步进行因子分析,但在此之前,首先要通过KMO样本的充分性测度和Bartlett球形检验,以确定预警指标变量是否具有因子分析的可行性。检验结果KMO值为0.738>0.5。KMO检验用于探讨变量之间的偏相关性,其值在0～1之间,通常认为KMO值超过0.7表示量表效度很好。Bartlett检验获得的卡方近似值是531.105,自由度是78,Sig值为0,为高度显著。因此,所选择的预警指标样本适合后续因子分析实证过程的研究,进行因子分析是十分有效的。

通过主成分分析法提取综合特征值,有4个公共因子的特征值大于1,这4个公共因子的贡献率分别为43.627%、12.371%、8.731%、8.594%,累积贡献率最高达到73.323%。因此,对13个预警指标包含的信息有较好的解释。将这4个公共因子分别计为F1、F2、F3、F4。F1包含盈利能力中除营业利润率X9之外所有的预警指标和发展能力的全部信息,体现企业的盈利能力,将其命名为盈利能力因子;F2主要反映企业的发展能力,将其命名为发展能力因子;F3主要包含现金比率X5,体现企业的偿债能力,将其命名为偿债能力因子;F4主要包含了净利润现金含量X21,体现原预警指标现金流能力的部分信息,将其命名为现金流能力因子。为了对提取出的公共因子进行合理解释,通过标准化正交旋转法得到原有的13个预警指标和4个公共因子之间的相关系数,见表6。

表6 预警指标与公共因子的相关系数

根据表6数据,通过正交旋转得到预警指标系数,见表7。

表7 预警指标系数

根据表7的预警指标系数和下列公式计算,可得到公共因子F1～F4的得分系数模型:

4. 构建预警模型

运用Logistic回归分析法,设企业是否发生财务危机为因变量Y,定义0代表非ST企业、1代表ST企业,将F1、F2、F3、F4得分系数作为自变量代入logistic回归模型,构建文化与旅游服务业财务危机预警模型。为了检验预警模型,在Logistic回归分析的过程中,SPSS 23.0软件会自动进行模型拟合优度检验。检验结果为:回归模型的-2对数似然值为14.980 a,这个参数值比较小,说明对数模型和虚拟数组合的质量优度比较好;调整R2的数值为0.797,说明以F1、F2、F3、F4为自变量建立的Logistic回归模型对因变量企业是否发生财务危机的解释程度为79.7%。因此,可以用本模型建模且精准度较高。

将F1、F2、F3、F4值代入Logistic回归模型,采用Enter变量选择方法得到公共因子F1、F2、F3、F4的系数分别为-0.095、-0.144、0.013、0.016,常数项系数为-1.979,得到Logistic回归预警模型为

本文沿用国内外学者通常选取的分割值0.5作为Logistic模型分割点,利用Logistic模型对文化与旅游服务业在2015—2020年被ST的10家和非ST的40家企业进行检验,结果如下:40家正常企业都没有被错误预判,判别准确率为100%;10家财务危机组的判别情况为误判2家,判别准确率为80%;模型总体判别准确率96%。因此,该模型对文化与旅游服务业财务危机预警的准确性较高,是一种较为可靠的财务危机预警手段。

四、 Logistic财务预警模型预测效果的评价

由差异显著性检验结果可得,本文选取的22个候选财务指标中有13个存在显著性差异。表明这13个指标对文化与旅游服务企业在经营中存在的危机具有较强的敏感度,能够起到先兆性预警作用,在一定程度上能够预警财务危机;另外9个财务指标并不具有判别文化与旅游服务企业是否会发生财务危机的预警能力。因此,在选取行业候选财务指标时,指标的数量不能太少,且最好涉及面广,否则在后续的检验过程中敏感性财务指标过少,提取的公共因子太少甚至没有,会导致最后的模型预测准确率不高。

根据本文实证研究可知,文化与旅游服务业被ST企业与非ST企业在盈利能力和发展能力两方面存在的差异较为显著。根据学者对建立财务危机预警模型的研究,通常情况下,偿债能力是衡量企业财务安全状况的一项重要标准。在发生财务危机之前,与非ST企业相比,ST企业将有大量反映偿债能力差的指标。本文实证研究发现,文化与旅游服务业被ST企业与非ST企业在短期偿债能力方面存在显著差异,但在长期偿债能力方面并无显著性差异。本文认为:长期偿债能力并无显著性差异的原因在于文化与旅游服务业的发展趋势处于加速创新、持续上升、群体突破的爆发期,在股权融资上有着一定的优势,因此在正常经营过程中企业举债经营的程度不会太高。

本文实证研究的差异显著性检验结果表明:盈利能力中全部候选指标在被ST企业与非ST企业之间均存在显著性差异,且在后续建立的Logistic回归模型中公共因子F1代表的盈利能力系数绝对值最大。系数越大表示变量的重要程度越大。因此,本文认为:盈利能力弱是文化与旅游服务企业出现财务危机的主要因素。一旦盈利能力出现异常,在前期投入资本较大,后期又无法及时获利的状况下,企业很容易陷入现有资金无法维持正常运转的困境,导致企业发生财务危机。这一点从上述被ST企业与非ST企业在短期偿债能力方面存在的显著差异也可得到印证。

五、 结 语

本文在研究过程中没有考虑宏观经济因素,但宏观经济因素也是影响企业经营发展及财务水平的一个重要因素,如果可以有效地衡量此因素对企业财务状况的影响, 则可以更好地预测发生危机的可能性。本文在选取预警指标时,只选取了财务指标,没有囊括非财务指标,不能很好地预测企业治理层面对财务危机的影响及影响程度。如果将非财务指标作为虚拟变量加入研究中,可提高模型预测准确率。本文建模选取的Logistic回归模型是传统统计模型之一。目前有学者研究表明,人工智能模型预警效果优于传统统计模型。期望在后续研究中能够加强对行业的认识,弥补上述不足,进一步完善改进研究过程,构建更为精准的文化与旅游服务业财务危机预警模型。