宋佩

摘 要：財務(wù)困境預(yù)測研究自上個世紀 60 年代以來，引起了國內(nèi)外學(xué)者的極大興趣，各種方法和模型層出不窮，但是最近國外學(xué)者發(fā)現(xiàn)生存分析方法可以用來預(yù)測財務(wù)困境，本文就以這種分析方法進行實證研究。

關(guān)鍵詞：財務(wù)困境；模型；生存分析

一、引言

目前，受國外研究的影響，國內(nèi)對財務(wù)困境預(yù)測的研究方興未艾，而其中大多數(shù)都以ST作為陷入財務(wù)困境的標志。本文將利用滬深兩市在2000年的上市公司為研究對象，通過對其IPO時的凈資產(chǎn)收益率、每股凈資產(chǎn)、現(xiàn)金流量比、應(yīng)收賬款與收入比、可持續(xù)增長率這幾項財務(wù)數(shù)據(jù)歸類匯總，追蹤到2011年并運用生存模型加以預(yù)測。

二、國內(nèi)外研究綜述

關(guān)于生存分析在金融領(lǐng)域的應(yīng)用最早見于Lane，Looney和Wansley(1986)。他們采用逐步回歸的方法從21個財務(wù)指標中選擇變量，建立了兩個Cox比例風(fēng)險模型（Cox Proportional Hazard Models），分別用于預(yù)測銀行在一年內(nèi)和兩年內(nèi)的破產(chǎn)概率。Whalen(1991)和Wheelock，Wilson(2000)也將生存模型應(yīng)用于銀行破產(chǎn)分析，前者通過計算樣本分類準確率證實比例風(fēng)險模型預(yù)測的優(yōu)良性，后者采用了帶時變協(xié)變量（Time-Varying Covariates）的競爭性風(fēng)險模型（Competing-Risks Hazard Models）。McDonald和Van de Gucht (1999)則將帶時滯變協(xié)變量的競爭風(fēng)險模型用于分析高回報債券的違約和贖回的風(fēng)險。Lee和Urrutia(1996)通過實證研究進行比較基于Weibull分布的生存模型和Logit模型，認為生存模型預(yù)測保險公司破產(chǎn)的準確性更高。Shumway(2001)在數(shù)學(xué)上證明了帶時變協(xié)變量的風(fēng)險模型與多時期的Logit模型的估計量是有偏且非一致的，并用實際數(shù)據(jù)支持他的這一結(jié)論。Kavvathas（2001）將生存模型和馬兒可夫鏈結(jié)合起來估計債券信用等級的遷移概率。Chava和Jarrow(2004)在生存模型的變量中加入了行業(yè)效應(yīng)，證明了不同行業(yè)對破產(chǎn)概率有顯著影響。Coudere和Renault(2004)用參數(shù)、半?yún)?shù)（非參數(shù)部分采用Gamma核估計方法）的方法估計風(fēng)險率模型，以研究公司的壽命周期、宏觀商業(yè)周期以及行業(yè)周期對破產(chǎn)概率的影響。Saretto（2004）采用了帶時序協(xié)變量并且對生存時間分布不加任何限定的最大似然估計生存模型，模型的變量在先前相關(guān)信用風(fēng)險模型的基礎(chǔ)上有所擴展，從而提高了模型預(yù)測的準確度。

國內(nèi)對于生存分析在經(jīng)濟、金融領(lǐng)域的應(yīng)用的研究才剛剛起步。施方等（2003，2005）介紹了生存分析在分析住房抵押貸款提前償付行為中的應(yīng)用，并用Weibull分布比例模型建立了提前償付模型。雷鳴、繆柏其等（2003，2004）將生存分析引入股市分析，建立了上證指數(shù)在不同政策條件下的連續(xù)漲跌的生存模型，以研究宏觀政策對股指的政策效應(yīng)。關(guān)于生存分析在企業(yè)信用風(fēng)險分析中的應(yīng)用只有顧銀寬、林鐘高（2004），鄧曉嵐、王崇軍等（2005）作了一些簡略介紹，但是尚未有用國內(nèi)數(shù)據(jù)對此進行具體的實證研究。

三、實證分析

（一）數(shù)據(jù)搜集

這是前10列的數(shù)據(jù)，數(shù)據(jù)來源于CASMA數(shù)據(jù)庫。

（二)參數(shù)估計（Kaplan-Maier估計）

從上圖可看出，所選的公司在壽命為6的概率為1，從第6年開始公司能生存下來的概率降低，也就是公司被從第ST的可能性增大。從第8開始公司死亡的概率加速地增大，即越來越多的公司被進行特別處理。

（三）生存函數(shù)的估計

從上表的置信區(qū)間可看出所選取的數(shù)據(jù)中都能生存6年，從第6年開始就有公司被ST，但只有一家。多數(shù)的被ST公司在IPO后的第十年首次受到該處理.

（四）擬合Cox等比例風(fēng)險模型

由上表可知，除了incomeratio，其它變量與公司能生成下來的時間風(fēng)險率都是正相關(guān)。并且還可觀察到在5%置信水平下，這些風(fēng)險系數(shù)中只有roe的是顯著的。

（五）用AIC來選擇最優(yōu)模型和用BIC來選擇COX函數(shù)

在等比例風(fēng)險函數(shù)中，根據(jù)AIC準則選的變量也是roe，其估計的結(jié)果是顯著的，與最初cox結(jié)果相差不大。還可小注意到該風(fēng)險系數(shù)的方差較小。

在BIC準則和顯著性水平為 5%下，其三個檢驗的方法都是顯著的，其結(jié)果與AIC準則所得的結(jié)果相同，說明模型中的約束條件是正確的，即roe的系數(shù)存在是合理的，但是Rsquare較小，模型整體擬合地不好。

四、結(jié)論

（1）由以上的模型估計來看，公司IPO那年的凈資產(chǎn)收益率（roe）對新上市的公司在一定期間內(nèi)不被ST有著顯著的影響，因為凈資產(chǎn)收益率在財務(wù)上很好地反映了公司的盈利能力。

（2）所選的其他變量每股凈資產(chǎn)（asset）、現(xiàn)金流量比、應(yīng)收賬款與收入比、可持續(xù)增長率分別反映了公司的股東獲利能力、經(jīng)營現(xiàn)金充足率、營運能力和發(fā)展能力，但模型擬合的結(jié)果表明這些變量對新上市公司在一定期間內(nèi)不被ST沒有顯著的影響。

（3）從模型擬合的結(jié)果看，本文對對新上市公司在一定期間內(nèi)不被ST的生存分析是成功的，但是由于所用的數(shù)據(jù)僅有100條，選取變量較為粗略、不夠顯著，導(dǎo)致整個模型整體擬合效果不好。（作者單位：西南財經(jīng)大學(xué)）

參考文獻：

[1] 陳靜.上市公司財務(wù)惡化預(yù)測的實證分析. 會計研究[J]，1999，（4）：31-38.

[2] 陳曉、陳治鴻.中國上市公司的財務(wù)困境預(yù)測.中國會計與財務(wù)研究，2000（3）：55-92.

[3] 吳世農(nóng)，盧賢義. 我國上市公司財務(wù)困境的預(yù)測模型研究[J]. 經(jīng)濟研究，2001（6）：46-96.

[4] Edward I.Altman.Predicting Railroad Bankruptcies inAmerica[J]，The Bell Journal of Economics and ManagementScience， 1973，184-211.

[5] James A. Ohlson. Financial Ratios and theProbabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980，109-131.

[6]Gutierrez，R.G.2002.Parametric frailty and shared frailty survival models.Stata J.2:22-44.

[7]Hosmer，D.W.and Lemeshow，S.1989.Applied Survival Analysis.New York:Wiley.

[8]Kalbfleisch，J，D，and Prentice，R.L.1980.The Statistical Analysis of Failure Time Data，New York:Wile