中國(guó)上市公司財(cái)務(wù)危機(jī)預(yù)警模型實(shí)證研究.pdf

1、財(cái)務(wù)困境是市場(chǎng)經(jīng)濟(jì)中的普遍現(xiàn)象，也是一個(gè)世界性的問(wèn)題。自上世紀(jì)60年代以來(lái)，隨著企業(yè)破產(chǎn)問(wèn)題的日益嚴(yán)重，各國(guó)學(xué)者紛紛試圖通過(guò)定量分析對(duì)企業(yè)破產(chǎn)提前作出預(yù)測(cè)。隨著我國(guó)加入WTO，我國(guó)上市公司所面臨的外部競(jìng)爭(zhēng)環(huán)境越來(lái)越激烈；尤其是伴隨著2008年下半年以來(lái)席卷全球的金融危機(jī)，陷入財(cái)務(wù)危機(jī)的公司數(shù)量急劇上升，公司抵抗風(fēng)險(xiǎn)的能力顯得較弱。為了能夠增強(qiáng)公司的抵抗風(fēng)險(xiǎn)能力，使公司經(jīng)營(yíng)者能盡早得知公司潛在的危險(xiǎn)而采取相應(yīng)的措施就顯得十分必要。因此，對(duì)

2、上市公司財(cái)務(wù)預(yù)警模型的研究就成了財(cái)務(wù)理論界和實(shí)務(wù)界關(guān)注的焦點(diǎn)。 企業(yè)陷入財(cái)務(wù)危機(jī)是一個(gè)逐步的過(guò)程，通常從財(cái)務(wù)正常漸漸發(fā)展到財(cái)務(wù)危機(jī)。實(shí)踐中，大多數(shù)企業(yè)的財(cái)務(wù)危機(jī)都是由財(cái)務(wù)狀況正常到逐步惡化，最終導(dǎo)致財(cái)務(wù)危機(jī)或破產(chǎn)的。因此，企業(yè)的財(cái)務(wù)危機(jī)不但具有先兆，而且是可預(yù)測(cè)的。財(cái)務(wù)危機(jī)預(yù)警作為一種診斷工具，其靈敏度越高就越能及時(shí)有效地發(fā)現(xiàn)、防范與解決問(wèn)題，避免財(cái)務(wù)危機(jī)的發(fā)生。如何運(yùn)用簡(jiǎn)潔、高效的財(cái)務(wù)危機(jī)預(yù)警模型去發(fā)現(xiàn)這些隱患并及時(shí)加以防范，

3、對(duì)于經(jīng)營(yíng)者防范財(cái)務(wù)危機(jī)、對(duì)于保護(hù)投資者和債權(quán)人的利益、對(duì)于政府管理部門(mén)的監(jiān)控，都具有重要的現(xiàn)實(shí)意義。 近五十年來(lái)，國(guó)外的研究從多元判別分析等線性預(yù)測(cè)模型，到以神經(jīng)網(wǎng)絡(luò)模型為代表的各種非參數(shù)預(yù)測(cè)模型，相關(guān)的研究成果層出不窮。但是在國(guó)內(nèi)，財(cái)務(wù)困境預(yù)測(cè)研究才剛剛起步。我國(guó)尚未建立完備的財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)，僅在上市公司財(cái)務(wù)報(bào)告中進(jìn)行某些財(cái)務(wù)預(yù)測(cè)信息的披露，但財(cái)務(wù)預(yù)測(cè)信息可能只是對(duì)上市公司歷史和現(xiàn)在的財(cái)務(wù)趨勢(shì)的簡(jiǎn)單延伸，一旦公司經(jīng)營(yíng)處于非常

4、狀況，財(cái)務(wù)預(yù)測(cè)披露的信息就可能無(wú)法準(zhǔn)確反映未來(lái)趨勢(shì)。事實(shí)上，上市公司在披露財(cái)務(wù)預(yù)測(cè)信息時(shí)，往往傾向于好消息，隱瞞壞消息，使得預(yù)測(cè)“失真”。在快速發(fā)展但尚不成熟的中國(guó)證券市場(chǎng)中，上市公司的財(cái)務(wù)健康與否關(guān)系到各投資人、債權(quán)人的相關(guān)利益，所以對(duì)其財(cái)務(wù)狀況的研究極其重要。對(duì)上市公司財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)的研究可以彌補(bǔ)目前財(cái)務(wù)預(yù)測(cè)的局限性。企業(yè)財(cái)務(wù)困境的研究對(duì)企業(yè)的管理者、投資者、債權(quán)人等利害相關(guān)人評(píng)價(jià)企業(yè)的經(jīng)營(yíng)狀況、投資價(jià)值、信用狀況等具有較強(qiáng)的實(shí)踐

5、意義。 在此背景下，本文致力于在眾多的財(cái)務(wù)預(yù)警模型中，尋找出一種或兩種較適用于中國(guó)市場(chǎng)環(huán)境的財(cái)務(wù)風(fēng)險(xiǎn)分析模型，以幫助企業(yè)管理當(dāng)局、廣大投資者和證券監(jiān)管部門(mén)更科學(xué)的決策。本文具體做了以下幾個(gè)方面的工作：首先，對(duì)財(cái)務(wù)困境與財(cái)務(wù)危機(jī)預(yù)警進(jìn)行了概念的探討與界定。在本文的研究中，鑒于中國(guó)的特殊制度背景，與西方的界定方法顯然不同，最終采用了1998年開(kāi)始出現(xiàn)的上市公司受到特別處理這一現(xiàn)象作為公司財(cái)務(wù)困境的標(biāo)志；其次，分析了公司產(chǎn)生財(cái)務(wù)危機(jī)的

6、原因，回顧了國(guó)外從管理學(xué)焦度到經(jīng)濟(jì)學(xué)角度對(duì)企業(yè)發(fā)生財(cái)務(wù)危機(jī)原因的研究理論。從國(guó)內(nèi)財(cái)務(wù)預(yù)警的研究狀況來(lái)看，學(xué)者在建立財(cái)務(wù)危機(jī)預(yù)警模型時(shí)應(yīng)用的傳統(tǒng)方法主要是兩類(lèi)：一是判別分析方法，二是回歸分析方法。第三，在預(yù)測(cè)模型的方法上，對(duì)國(guó)內(nèi)外相關(guān)研究領(lǐng)域中的經(jīng)典文獻(xiàn)進(jìn)行了梳理，總結(jié)了國(guó)內(nèi)外近十種財(cái)務(wù)預(yù)警模型，從理論上分析他們各自的優(yōu)缺點(diǎn)，重點(diǎn)評(píng)述了財(cái)務(wù)困境預(yù)測(cè)模型的發(fā)展?fàn)顩r。目前研究使用較多的是多元判別分析模型、Logistic回歸模型和人工神經(jīng)網(wǎng)絡(luò)

7、。 在對(duì)前人研究方法及研究成果總結(jié)的基礎(chǔ)上，本文明確了研究思路，從權(quán)威的證券網(wǎng)站上選取了2006年我國(guó)深滬兩市50家因?yàn)椤柏?cái)務(wù)狀況異?！倍籗T的上市公司作為研究樣本，并根據(jù)同行業(yè)同期間同規(guī)模原則以1：3的比例取得了150家公司作為配對(duì)樣本。選取能綜合反映上市公司各方面財(cái)務(wù)狀況的指標(biāo)，包括四類(lèi)29個(gè)傳統(tǒng)財(cái)務(wù)比率指標(biāo)和5個(gè)現(xiàn)金流量指標(biāo)作為預(yù)測(cè)變量，另外還加入了審計(jì)意見(jiàn)和公司規(guī)模兩個(gè)變量。首先是對(duì)預(yù)測(cè)變量的正態(tài)性檢驗(yàn)(K—S檢驗(yàn))，

8、檢驗(yàn)結(jié)果表明，除少數(shù)指標(biāo)外，大部分備選預(yù)測(cè)變量總體上不符合正態(tài)性假設(shè)。由此在接下來(lái)對(duì)預(yù)測(cè)變量的均值差異檢驗(yàn)中，本文采用了非參數(shù)檢驗(yàn)的方法，即M—W檢驗(yàn)和K—S檢驗(yàn)中的Z檢驗(yàn)，同時(shí)也進(jìn)行了T檢驗(yàn)作為參照。然后本文分別用Fisher多元判別分析模型和Logistic回歸模型建構(gòu)公司陷入財(cái)務(wù)困境前兩年的預(yù)測(cè)模型，并采用訓(xùn)練集、測(cè)試集回代和多重交叉驗(yàn)證分別對(duì)兩個(gè)模型的準(zhǔn)確率進(jìn)行檢驗(yàn)。經(jīng)過(guò)檢驗(yàn)，模型的準(zhǔn)確率令人滿意。從研究結(jié)果一方面可以看出，兩類(lèi)

9、模型都有比較好的預(yù)測(cè)能力，在困境發(fā)生的前二年都有75％以上的準(zhǔn)確率；另一方面，從判別模型準(zhǔn)確率的對(duì)比可知，Logistic回歸模型比Fisher線性判別分析模型有著更優(yōu)秀的預(yù)測(cè)能力。最后對(duì)各預(yù)測(cè)變量進(jìn)行了比較分析，每股收益、現(xiàn)金比率在企業(yè)財(cái)務(wù)困境預(yù)警模型中發(fā)揮了最重要的作用。其次，資產(chǎn)負(fù)債率、產(chǎn)權(quán)比例、主營(yíng)業(yè)務(wù)現(xiàn)金含量等指標(biāo)也有較強(qiáng)的預(yù)測(cè)能力。 本文的創(chuàng)新之處在于： (1)研究樣本的設(shè)計(jì)。建模樣本中包含樣本組(財(cái)務(wù)危機(jī)公

10、司組)和控制組(非財(cái)務(wù)危機(jī)公司組)兩個(gè)組。大部分研究在抽取建模樣本時(shí)采用“配對(duì)抽樣”方法，即將不同行業(yè)中的企業(yè)放在同一樣本中進(jìn)行研究，先抽取樣本組，再按照——配對(duì)的原則選取與樣本組數(shù)量相同、資產(chǎn)規(guī)模相近、行業(yè)性質(zhì)相似的非財(cái)務(wù)危機(jī)企業(yè)作為控制組。這樣做的目的是為了提高預(yù)警系統(tǒng)的通用性。這種方法可以控制行業(yè)與規(guī)模因素引起的偏差，提高模型的判別能力，但正因?yàn)槿绱?，可能正是這些因素本身引起了財(cái)務(wù)困境的產(chǎn)生，卻可能被排除在模型之外。本文用1：3數(shù)

11、量的配比公司樣本組成總樣本，構(gòu)建預(yù)測(cè)模型。配比標(biāo)準(zhǔn)遵循行業(yè)相近、規(guī)模相近、上市年份相近的原則。 (2)預(yù)警指標(biāo)的選擇。至目前為止相關(guān)研究對(duì)預(yù)警指標(biāo)的選擇大致可分為三類(lèi)：常規(guī)財(cái)務(wù)指標(biāo)、現(xiàn)金流量類(lèi)指標(biāo)和市場(chǎng)收益類(lèi)指標(biāo)。由于常規(guī)財(cái)務(wù)指標(biāo)具有實(shí)用、容易取得和客觀性的優(yōu)點(diǎn)，所以應(yīng)用得最為廣泛。而現(xiàn)金流量類(lèi)指標(biāo)和市場(chǎng)收益類(lèi)指標(biāo)的選擇應(yīng)用較少。同時(shí)，指標(biāo)的選擇一方面缺乏理論性依據(jù)，一般都是憑主觀判斷來(lái)選擇；另一方面主要包含的是財(cái)務(wù)指標(biāo)，引入行

12、業(yè)、規(guī)模、管理水平等非財(cái)務(wù)指標(biāo)的幾乎沒(méi)有。在查閱了相關(guān)資料并充分考慮模型指標(biāo)數(shù)據(jù)資料本身獲取的難易程度等影響因素之后，結(jié)合以上原則，本文初步確定了償債能力、資產(chǎn)運(yùn)營(yíng)能力、盈利能力、成長(zhǎng)能力指標(biāo)四大類(lèi)共23個(gè)財(cái)務(wù)比率類(lèi)指標(biāo)和5個(gè)現(xiàn)金流量指標(biāo)，作為入選模型的基礎(chǔ)指標(biāo)。在本文研究中，由于側(cè)重點(diǎn)不同，只選取了獨(dú)立審計(jì)意見(jiàn)這一個(gè)指標(biāo)，另外由于要求所選樣本規(guī)模相似，故增加了公司資產(chǎn)規(guī)模指標(biāo)。 (3)變量數(shù)據(jù)的時(shí)間選擇。國(guó)外的研究絕大部分選擇

13、的是破產(chǎn)或失敗前一年的數(shù)據(jù)來(lái)得到預(yù)測(cè)模型，其判定效果好是自然的，因?yàn)樗兄笜?biāo)在破產(chǎn)前一年兩組公司之間的差異是最大的，時(shí)效性最強(qiáng)。國(guó)內(nèi)的多數(shù)研究也套用這一做法，用(t—1)年的數(shù)據(jù)來(lái)構(gòu)建預(yù)測(cè)模型，實(shí)際沒(méi)有很大的意義。(t—1)年年報(bào)公布之時(shí)就是知曉是否ST之時(shí)，所以從真正預(yù)測(cè)的目的來(lái)說(shuō)，應(yīng)該從更遠(yuǎn)期的時(shí)點(diǎn)著眼，本文采用(t-2)年的數(shù)據(jù)，在這一時(shí)點(diǎn)作判斷可以為企業(yè)及時(shí)改善狀況贏得時(shí)間。即以上市公司在(t-1)年公布的(t-2)年財(cái)務(wù)報(bào)表數(shù)

14、據(jù)來(lái)預(yù)測(cè)其在t年是否可能陷入財(cái)務(wù)困境，以(t-2)年財(cái)務(wù)數(shù)據(jù)建立預(yù)警模型。 (4)判別點(diǎn)的選擇。本文的研究樣本由于采用了1：3非對(duì)稱(chēng)配對(duì)，傳統(tǒng)的以先驗(yàn)概率0.5作為判別點(diǎn)經(jīng)過(guò)檢驗(yàn)效果不理想，因此經(jīng)過(guò)了多次嘗試得到模型在不同判別點(diǎn)的預(yù)測(cè)情況?？紤]到兩類(lèi)錯(cuò)誤的誤判成本，一般認(rèn)為第一類(lèi)錯(cuò)誤的成本要遠(yuǎn)高于第二類(lèi)錯(cuò)誤。比較判別點(diǎn)為0.4、0.3和0.25的情況，可以看出第一類(lèi)誤判率有明顯下降，而整體的準(zhǔn)確率沒(méi)有太大的變化，所以本文采用0.