上市公司财务危机预警实证浅析
本站原创 摘要：随着我国市场经济的深入发展，上市公司的财务危机预警与防范对于上市公司的可持续发展具有重要的现实意义。本文通过构建Logistic模型，选取我国上市公司中的部分ST和非ST公司作为样本数据进行实证浅析浅析。经过差异性浅析浅析最终选取总资产周转率、净利润增长率和债务总额比这三个预警指标，通过逻辑回归浅析浅析建立财务危机预警模型，取得了较好的预警效果。关键词：上市公司；财务预警；Logistic模型
财务危机预警研究始于20世纪六十年代，时至今日，许多研究成果已软件化并付诸商业应用，有力地支撑了实际经济活动的决策。总的来说，财务危机预警的研究主要有单变量浅析浅析、多元线性浅析浅析、Logistic浅析浅析等策略，但由于Logistic浅析浅析的简单适用以及所表现出来的强大能力，使其成为近年来财务危机预警研究的首选。本文试图运用Logistic浅析浅析的策略，通过构建Logistic模型，选取我国上市公司中部分ST公司和正常公司作为样本数据来源，对我国上市公司财务危机预警做出一定的探讨。
财务指标是企业经营状况的晴雨表，企业营状况的变化必定会导致财务指标的变化。而企业的经营状况和风险密切相关，风险愈大，经营不稳定。因此，我们提出下面的假设H2：在不同的风险程度下，财务指标会有不同的反应。
样本分为两组：一组为发生财务危机的ST公司；另一组为正常公司，所选定的样本为中国证券市场深市和沪市的ST公司2005年至2007年的历史数据。 根据上述样本选择标准，最终获得了一个由100家上市公司组成的样本（股票名称及代码略）： ST公司和非ST公司各为35家，共计70家，具体行业涉及房地产，机械，设备，仪表，纺织，服装，石油化学以及金属等15个行业，选出的样本公司的分布情况基本上与我国上市公司的分布情况相符合，具有一定的代表性。
表1财务危机预警指标体系设计
预警指标（一级）预警指标（二级）预警指标（一级）预警指标（二级）
流动性指标X1：流动比率盈利性指标X12：净资产收益率
X2：速动比率X13：资产酬劳率
结构性指标X3：资产负债比率X14：销售净利率
X4：流动负债比率X15：销售毛利率
X5：主营业务成本比率成长性指标X16：主营业务收入增长率
X6：营业费用比率X17：主营业务利润增长率
X7：管理费用比率X18：税前利润增长率
X8：财务费用比率X19：净利润增长率
效率指标X9：应收账款周转率X20：总资产增长率
X10：存款周转率X21：股东权益增长率
X11：总资产周转率
（1）
上式为logistic回归模型，是一个由解释变量 ，构成的非线性函数（non-linear function），其反应函数呈现倒S型或是S型，反应函数的概率值落于0到1之间，易于对结果作解释， Logistic函数可以被转换为线性函数（linear function） 。
首先，定义不发生事件的概率为：
= （2）
那么事件发生概率与不发生概率之比为：
（3）
这个比被称之为事件的发生比（the odds of experiencing an event），简标为odds，设 ，将odds取自然刘数就能够得到一个线性函数：
（4）
公式（4）将Logistic函数做了自然对数转换，称为Logit形式，即所谓的Logit模型。
表2ST公司与正常公司财务风险预警指标的差异性浅析浅析
预警指标平均值T检验值
正常公司ST公司T值P值备注
X1：流动比率
X4：流动负债比率0.5900.502-0.280.781
X5：主营业务成本比率0.7440.7710.8410.404
X6：营业费用比率0.0680.049-
X16：主营业务收入增长率
根据上表所列的检验结果，在95%的置信水平上选择了有显著性差异的X7、X8、X12、X1
表3模型样本逻辑回归浅析浅析结果
BS.E.WalddfSig.
X13-15
（5）
根据式（5）得到上市公司财务风险预警模型：
将上述模型的判别临界值确定为0.5，即当上市公司的Pi值大于0.5时，可判定该公司在两年后将成为ST公司；而当上市公司的Pi值小于0.5时，则可判定该公司在两年后仍属于正常公司。
式中P表示财务危机事件发生的概率。本论文把发生财务危机的首次亏损公司归类为1，把正常公司归类为0，由于本论文是按照1：1的均衡比例选取财务危机企业和非财务危机企业样本的，可以认为企业发生财务危机的先验概率为0.5，因此在进行Logit回归浅析浅析时，模型的分割点选择在0.5，即如果计算出来的事件（Y=1）的概率值大于0.5，则判定危机事件发生，该企业归类为财务危机企业，否则就判定危机事件不发生，该企业为健康企业。
表4基于Logit回归模型的财务危机预警分类统计表
预测结果
ST公司（1）正常公司（0）合计准确率
ST公司（1）296358
合计3634708
第一，Logit模型不失为一种简单而有效的预测策略，通过上文对财务危机预警模型的实证浅析浅析可以看出，通过Logit模型对财务危机预警的实证检验，其准确率平均可以达到81.43%，所以可以将此模型应用于上市公司危机预测，借此了解企业发生成长性危机的可能性。
第二，在反映上市公司的流动性、结构性、效益性、盈利性和成长性的21个财务变量中，资产酬劳率、销售净利率、总资产增长率这3个财务变量包含着丰富的预警判别和决策信息量，运用3个财务变量组成的预警模型能够对上市公司的财务风险进行较为准确的预警、预测。
当然，本文的研究也存在一定的局限性，主要表现在：一是在模型的构建上，本文参考相关文献，采用了Logistic回归浅析浅析法，由于计算技术的局限，未采用类神经网络、时间序列浅析浅析等策略构建模型，也未对计量模型本身进行创新；二是样本容量只有70个，数量相对有限；三是在财务预警指标的选取中主要选取的是财务相关指标，对非财务因素指标如董事会组成结构、股权结构、管理者的教育水平、宏观经济环境等，且非财务变量无法与财务变量取得相同的基础，因此，本研究将非财务因素之指标排除于研究范围之外，研究的全面性还有待提高。
参考文献
[1] 宋新平. 财务危机预警模型及其实证研究[J]. 统计与决策，2007（9）
[2] 王斌. 构建财务危机预警重点指标观测体系[J]. 生产力研究，2007（16）
[3] 闰江，马才华. 上市公司财务危机实证研究[J]. 江苏科技大学学报，2006（12）
一、不足的提出
财务危机预警主要是通过对企业财务信息进行浅析浅析为基础，通过构建财务预警指标体系对企业的财务状况进行浅析浅析判断的财务管理活动。建立财务危机预警系统，及早诊断出危机信号，并采取相应措施，将危机消灭于萌芽状态，已成为现代财务管理的一项重要内容。财务危机预警通常是依据财务数据构建一个模型，以这种模型来完成对财务危机的预测和报警。企业财务危机预警作为一种成本低廉的诊断工具，在实践中有着极其广泛的应用范围。财务危机预警研究始于20世纪六十年代，时至今日，许多研究成果已软件化并付诸商业应用，有力地支撑了实际经济活动的决策。总的来说，财务危机预警的研究主要有单变量浅析浅析、多元线性浅析浅析、Logistic浅析浅析等策略，但由于Logistic浅析浅析的简单适用以及所表现出来的强大能力，使其成为近年来财务危机预警研究的首选。本文试图运用Logistic浅析浅析的策略，通过构建Logistic模型，选取我国上市公司中部分ST公司和正常公司作为样本数据来源，对我国上市公司财务危机预警做出一定的探讨。
二、上市公司财务危机预警模型的构建
(一)研究假设
企业在经营过程中，会面临各种各样的风险，风险的存在使得企业的经营产生了不定性。若这种风险得不到及时的处理，就会随企业的成长而逐步积累。随着风险积累程度的深，企业陷入财务危机的概率也会随之增大。风险积累到企业无法承受的程度时，便形成了财务危机。因此，我们提出下面的假设H1：财务危机存在不同的发展阶段。财务指标是企业经营状况的晴雨表，企业营状况的变化必定会导致财务指标的变化。而企业的经营状况和风险密切相关，风险愈大，经营不稳定。因此，我们提出下面的假设H2：在不同的风险程度下，财务指标会有不同的反应。
(二)样本选取
本研究把因“财务状况异常”被证券公司进行特别处理（ST）作为上市公司发生财务危机的操作性定义，其主要的判断依据一是该上市公司最近连续两个会计年度审计结果显示为亏损；二是注册会计师对最近一个会计年度的财务会计报告出具否定意见或无法出具意见；三是最近会计年度审计结果显示股东权益低于注册资本。样本分为两组：一组为发生财务危机的ST公司；另一组为正常公司，所选定的样本为中国证券市场深市和沪市的ST公司2005年至2007年的历史数据。 根据上述样本选择标准，最终获得了一个由100家上市公司组成的样本（股票名称及代码略）： ST公司和非ST公司各为35家，共计70家，具体行业涉及房地产，机械，设备，仪表，纺织，服装，石油化学以及金属等15个行业，选出的样本公司的分布情况基本上与我国上市公司的分布情况相符合，具有一定的代表性。
(三)预警变量设计
预警指标及预警变量的设计是正确进行预警的关键，在参照国内外研究成果的基础上，结合我国上市公司的实际情况，选择了能反映公司流动性、结构性、效率性、盈利性和成长性5大类21个财务预警指标作为研究变量进行统计检验，指标的计算公式略，具体指标见表1。表1财务危机预警指标体系设计
预警指标（一级）预警指标（二级）预警指标（一级）预警指标（二级）
流动性指标X1：流动比率盈利性指标X12：净资产收益率
X2：速动比率X13：资产酬劳率
结构性指标X3：资产负债比率X14：销售净利率
X4：流动负债比率X15：销售毛利率
X5：主营业务成本比率成长性指标X16：主营业务收入增长率
X6：营业费用比率X17：主营业务利润增长率
X7：管理费用比率X18：税前利润增长率
X8：财务费用比率X19：净利润增长率
效率指标X9：应收账款周转率X20：总资产增长率
X10：存款周转率X21：股东权益增长率
X11：总资产周转率
(四)财务预警模型的构建
由于在经济生活中许多现象都是以分类变量，而不是连续变量来表示的，因此研究变量的取值只有两类情况，即“是”与“否”。对于分类变量的浅析浅析，Logistic回归模型仍然具有不可替代的作用。假设 第i个发生财务危机的预警变量矩阵，那么根据累积分布函数，其发生财务危机的概率P和X、之间存在如下回归关系：（1）
上式为logistic回归模型，是一个由解释变量 ，构成的非线性函数（non-linear function），其反应函数呈现倒S型或是S型，反应函数的概率值落于0到1之间，易于对结果作解释， Logistic函数可以被转换为线性函数（linear function） 。
首先，定义不发生事件的概率为：
= （2）
那么事件发生概率与不发生概率之比为：
（3）
这个比被称之为事件的发生比（the odds of experiencing an event），简标为odds，设 ，将odds取自然刘数就能够得到一个线性函数：
（4）
公式（4）将Logistic函数做了自然对数转换，称为Logit形式，即所谓的Logit模型。
(五)财务预警模型的检验
为了确定各个预警指标是否具有财务风险的预警能力，分别计算了ST公司和正常公司的财务风险预警指标值，运用SPSS11.5统计软件，通过T检验来判别它们之间是否具有显著性差异。T检验的判别结果如表2所示。表2ST公司与正常公司财务风险预警指标的差异性浅析浅析
预警指标平均值T检验值
正常公司ST公司T值P值备注
X1：流动比率
1.610242-6580.103
X2：速动比率1.1540.886-4370.156
X3：资产负债比率0.6730.545-0.3540.724X4：流动负债比率0.5900.502-0.280.781
X5：主营业务成本比率0.7440.7710.8410.404
X6：营业费用比率0.0680.049-
1.0830.283
X7：管理费用比率0.0830.1492.1980.032显著
X8：财务费用比率0.0170.0532.630.011显著
X9：应收账款周转率10.8597.461-1.0920.279
X10：存货周转率4.319139-0.1890.851
X11：总资产周转率0.6660.487-1.7930.078
X12：净资产收益率0.0710.036-2.9460.005显著
X13：资产酬劳率0.0410.012-4.2690显著
X14：销售净利率0.0680.041-2.4030.02显著
X15：销售毛利率0.2560.229-0.8410.404X16：主营业务收入增长率
1.261030-2.5950.012显著
X17：主营业务利润增长率1.230162-0.4860.629
X18：税前利润增长率1.4070.845-1770.244
X19：净利润增长率1.1170.797-8110.075
X20：总资产增长率1.181073-2.7710.008显著
X21：股东权益增长率1.0730960.6790.5
T检验值为异方差双样本T检验值，原假设为：ST公司的财务风险预警指标和正常公司的财务风险预警指标没有显著性差异。该检验是在95%的置信水平上进行的检验。根据上表所列的检验结果，在95%的置信水平上选择了有显著性差异的X7、X8、X12、X1
3、X14、X16、X20等7个变量作为建立财务风险预警指标模型的备选变量。
继续运用SPSS11.5统计软件，将X7、X8、X12、X13、X14、X16、X20等7个变量进行逻辑回归浅析浅析，通过多次组合并结合拟合度的判断，由X13、X14、X20所组成的预警模型拟合度最好。逻辑回归浅析浅析结果如表3所示。表3模型样本逻辑回归浅析浅析结果
BS.E.WalddfSig.
X13-15
3.42350.3429.28810.002
X1442.77919.6194.75410.029
X20-6.9423.3394.32110.038
Constant8.4183.7015.17310.023
注释：表中Constant表示为显性方程组的截距；B表示为参数估计值，S.E表示为标准差；Wald表示为Wald统计量；Sig.表示为显著性水平。（5）
根据式（5）得到上市公司财务风险预警模型：
将上述模型的判别临界值确定为0.5，即当上市公司的Pi值大于0.5时，可判定该公司在两年后将成为ST公司；而当上市公司的Pi值小于0.5时，则可判定该公司在两年后仍属于正常公司。
式中P表示财务危机事件发生的概率。本论文把发生财务危机的首次亏损公司归类为1，把正常公司归类为0，由于本论文是按照1：1的均衡比例选取财务危机企业和非财务危机企业样本的，可以认为企业发生财务危机的先验概率为0.5，因此在进行Logit回归浅析浅析时，模型的分割点选择在0.5，即如果计算出来的事件（Y=1）的概率值大于0.5，则判定危机事件发生，该企业归类为财务危机企业，否则就判定危机事件不发生，该企业为健康企业。
表4基于Logit回归模型的财务危机预警分类统计表
预测结果
ST公司（1）正常公司（0）合计准确率
ST公司（1）296358
2.86%
正常公司（0）7283580.00%合计3634708
1.43%
对原始数据进行回代检验，检验结果为35家危机企业中有6家被误判为健康企业，准确率为82.86%；35家健康企业中有7家被误判为财务危机企业，准确率为80.00%，对于整个样本，总的准确率为81.43%。
三、结论及局限性
本文对我国上市公司的财务危机预警进行了实证研究，主要以ST公司和正常上市公司为研究对象。主要目的是建立基于我国上市公司具有实际可操作性的财务危机预警模型，利用上市公司公开披露的财务信息和其他信息建立预测模型，进行企业财务危机的预测，研究的主要结论有：第一，Logit模型不失为一种简单而有效的预测策略，通过上文对财务危机预警模型的实证浅析浅析可以看出，通过Logit模型对财务危机预警的实证检验，其准确率平均可以达到81.43%，所以可以将此模型应用于上市公司危机预测，借此了解企业发生成长性危机的可能性。
第二，在反映上市公司的流动性、结构性、效益性、盈利性和成长性的21个财务变量中，资产酬劳率、销售净利率、总资产增长率这3个财务变量包含着丰富的预警判别和决策信息量，运用3个财务变量组成的预警模型能够对上市公司的财务风险进行较为准确的预警、预测。
当然，本文的研究也存在一定的局限性，主要表现在：一是在模型的构建上，本文参考相关文献，采用了Logistic回归浅析浅析法，由于计算技术的局限，未采用类神经网络、时间序列浅析浅析等策略构建模型，也未对计量模型本身进行创新；二是样本容量只有70个，数量相对有限；三是在财务预警指标的选取中主要选取的是财务相关指标，对非财务因素指标如董事会组成结构、股权结构、管理者的教育水平、宏观经济环境等，且非财务变量无法与财务变量取得相同的基础，因此，本研究将非财务因素之指标排除于研究范围之外，研究的全面性还有待提高。
参考文献
[1] 宋新平. 财务危机预警模型及其实证研究[J]. 统计与决策，2007（9）
[2] 王斌. 构建财务危机预警重点指标观测体系[J]. 生产力研究，2007（16）
[3] 闰江，马才华. 上市公司财务危机实证研究[J]. 江苏科技大学学报，2006（12）