馮春琳

摘要：本文以我國上市公司指標(biāo)為研究對(duì)象，以25家因財(cái)務(wù)狀況進(jìn)入特別處理的公司和25家財(cái)務(wù)正常的上市公司為樣本，選取了6個(gè)變量指標(biāo)，通過單變量模型，一元判定模型，F(xiàn)isher判定模型和logistic模型四種分析方法對(duì)公司的財(cái)務(wù)狀況進(jìn)行實(shí)證分析。單邊變量立面分析模型和一元判定模型運(yùn)用單變量對(duì)財(cái)務(wù)危機(jī)進(jìn)行簡單預(yù)測，誤差大，預(yù)測能力差，而Fisher模型和logistic模型從多變量進(jìn)行預(yù)測，預(yù)測能力明顯比單變量強(qiáng)，其中l(wèi)ogistic模型預(yù)測能力最強(qiáng)。

關(guān)鍵詞：財(cái)務(wù)危機(jī) 財(cái)務(wù)指標(biāo) Fisher線性模型 logistic模型

一、引言

財(cái)務(wù)危機(jī)，又稱作財(cái)務(wù)困境，最嚴(yán)重的財(cái)務(wù)困境是“企業(yè)破產(chǎn)”，企業(yè)因財(cái)務(wù)困境導(dǎo)致破產(chǎn)實(shí)際上一種違約行為，所以財(cái)務(wù)困境又可以為“違約風(fēng)險(xiǎn)”（吳世農(nóng)，盧賢義；2001年）。財(cái)務(wù)預(yù)警是以企業(yè)的財(cái)務(wù)報(bào)表，經(jīng)營計(jì)劃及其他企業(yè)相關(guān)會(huì)計(jì)資料為依據(jù)，利用財(cái)會(huì)、統(tǒng)計(jì)、金融、企業(yè)管理、市場營銷論，采用比率分析、比較分析、因素分析及多種統(tǒng)計(jì)方法，對(duì)企業(yè)的經(jīng)營活動(dòng)、財(cái)務(wù)活動(dòng)等進(jìn)行預(yù)測，以發(fā)現(xiàn)企業(yè)在經(jīng)營管理活動(dòng)中潛在的經(jīng)營風(fēng)險(xiǎn)和財(cái)務(wù)風(fēng)險(xiǎn)（尹俠，肖序，胡永康；2001年）。

最早運(yùn)用統(tǒng)計(jì)方法來研究上市公司失敗的是美國的威廉·比弗（William.Beaver），提出了單變量預(yù)測模型。分析指出債務(wù)保障率（現(xiàn)金流量/債務(wù)總額）能夠較好地判定企業(yè)的財(cái)務(wù)狀況，其次是資產(chǎn)收益率和資產(chǎn)負(fù)債率。離經(jīng)營失敗日越近，誤判率越低，預(yù)見性越強(qiáng)（William.Beaver；1966年）。奧曼（Edwardl.Altman）于1968年提出了多元判定模型（Z值判定模型），運(yùn)用其財(cái)務(wù)指標(biāo)擬合出多元線性函數(shù)模型，發(fā)現(xiàn)模型的預(yù)測能力在上市公司提出破產(chǎn)前一年的成功率超過單變量預(yù)測模型（Edwardl.Altman；1968年）。在我國早在1999年，陳靜運(yùn)用了四種方法來對(duì)財(cái)務(wù)的惡化進(jìn)行分析，總結(jié)出不同的模型具有各自的優(yōu)勢(shì)與局限性，但是仍不失為簡單而有效的預(yù)測方法（陳靜；1999年）。2001年，吳世農(nóng)，盧賢義以我國70家財(cái)務(wù)困境公司和70家財(cái)務(wù)正常公司為樣本，運(yùn)用剖面分析和單變量判定分析，選擇6個(gè)預(yù)測指標(biāo)，建立Fisher線性模型，多元線性模型和logistic回歸分析模型，三種模型均能在財(cái)務(wù)困境發(fā)生前做出相對(duì)準(zhǔn)確的預(yù)測（吳世農(nóng)，盧賢義；2001年）。在2002年，姜秀華，任強(qiáng)，孫錚在研究財(cái)務(wù)危機(jī)預(yù)警模型中，同樣運(yùn)用了logistic回歸方法，創(chuàng)新之處在于選擇了最優(yōu)概率閥值來進(jìn)行判別分析，不同的樣本數(shù)據(jù)，根據(jù)概率計(jì)算出最優(yōu)的判別值（姜秀華，任強(qiáng)，孫掙；2002年）。

二、樣本設(shè)計(jì)和研究變量

1、樣本的設(shè)計(jì)

本文選取了來自A股市場的25家ST公司，樣本的時(shí)間跨度為2009年-2011年，同時(shí)選取了規(guī)模同等的非ST公司，樣本容量達(dá)到50家，可望在一定程度上降低估計(jì)和預(yù)測誤差。

2、變量指標(biāo)的選取

選擇財(cái)務(wù)比率作為變量指標(biāo)是，要綜合考慮到這些指標(biāo)要反映出上市公司的盈利能力，流動(dòng)性以及財(cái)務(wù)杠桿等，根據(jù)本論文的模型需要，選取了一下指標(biāo)和財(cái)務(wù)比率：

X1：凈利潤同比增長

X2：資產(chǎn)負(fù)債比率=負(fù)債總額/資產(chǎn)總額

X3：總資產(chǎn)收益率=凈利潤/年末總資產(chǎn)

X4：資產(chǎn)流動(dòng)比率=流動(dòng)資產(chǎn)/總資產(chǎn)

X5：總資產(chǎn)周轉(zhuǎn)率=營業(yè)總收入/年末總資產(chǎn)

X6：流動(dòng)資產(chǎn)負(fù)債比率=流動(dòng)負(fù)債/流動(dòng)資產(chǎn)

以上財(cái)務(wù)比率中的數(shù)據(jù)均來自同花順炒股軟件數(shù)據(jù)庫。

三、模型介紹

1、單變量立面分析模型

單變量分析方法是最簡單的一種分析方法，是美國學(xué)者比佛提出的，對(duì)兩組財(cái)務(wù)比率進(jìn)行等權(quán)均值，然后逐年進(jìn)行比較，進(jìn)而來發(fā)現(xiàn)兩組均值差異，得出相關(guān)的結(jié)論。

2、一元判定模型

一元判定模型將所有的樣本數(shù)據(jù)進(jìn)行隨進(jìn)分組，進(jìn)行兩分法檢驗(yàn)，一組是估計(jì)樣本，一組是有效樣本。通過對(duì)估計(jì)樣本中財(cái)務(wù)比率進(jìn)行排序選出分割點(diǎn)，使得誤判率最低，包括第一類錯(cuò)誤和第二類錯(cuò)誤，用選出的該分割點(diǎn)對(duì)有效樣本進(jìn)行檢驗(yàn)。

3、Fisher判定模型

本文運(yùn)用的Fisher二類線性判定模型，因變量Y取值為1（ST）和0（非ST），同時(shí)運(yùn)用財(cái)務(wù)比率作為自變量，進(jìn)行線性回歸分析，得出判別函數(shù)和相應(yīng)的Z得分，通過Z的取值來判定一個(gè)公司的財(cái)務(wù)狀況，判定的Z的公式：

其中，a為截距，Wi為解釋變量Xi的判別權(quán)重。

4、logistic回歸模型

上市公司發(fā)生財(cái)務(wù)困境或者財(cái)務(wù)正常，都是以一定的概率發(fā)生，并討論的是發(fā)生概率p大小與那些因素有關(guān)系。logistic回歸模型并不是直接以p為因變量，而是處理p的一個(gè)嚴(yán)格單調(diào)函數(shù)Q=Q（P），通常是將logistic函數(shù)是：

X表示包含截距項(xiàng)的自變量的矩陣形式。根據(jù)logistic函數(shù)，任意給定上市公司的財(cái)務(wù)比率，就可以判定出上市公司發(fā)生財(cái)務(wù)困境的概率。

四、實(shí)證分析

1、單變量立面實(shí)證分析

本文針對(duì)二組自變量進(jìn)行單邊量分析，分別是資產(chǎn)負(fù)債比率，流動(dòng)資產(chǎn)負(fù)債比率，用相等的權(quán)數(shù)計(jì)算兩組樣本的財(cái)務(wù)比率的均值，對(duì)比情況如圖所示：

從圖1資產(chǎn)負(fù)債比率變化中，非ST公司三年的資產(chǎn)負(fù)債率基本維持的同一水平，變化幅度較小，總體有下降的趨勢(shì)；而ST公司三年的資產(chǎn)負(fù)債比例變化劇烈，并且越靠近宣布日，比率越高。從圖2流動(dòng)資產(chǎn)負(fù)債，非ST公司的流動(dòng)資產(chǎn)負(fù)債率變化顯著，而ST公司變化不明顯，在某一范圍內(nèi)波動(dòng)。兩項(xiàng)指標(biāo)表明，ST公司與非ST公司的財(cái)務(wù)比率差異大。

通過這種單變量立面分析法，可以簡單直觀的分析出比較出ST公司和非ST公司之間存在顯著差異，但是這樣分析方法利用財(cái)務(wù)比率的均值進(jìn)行分析的，可能會(huì)受到樣本中極值的影響而對(duì)分析的結(jié)果產(chǎn)生差異，可以通過增大樣本容量或者剔除異常值的方法來提高此方法的判別水平。

2、一元判定模型實(shí)證分析

（1）選取分割點(diǎn)

在一元判定模型中，從50家公司中隨機(jī)抽取了25家公司，運(yùn)用2011年的總資產(chǎn)收益數(shù)據(jù)對(duì)選出的估計(jì)樣本進(jìn)行判定，按總資產(chǎn)收益率大小進(jìn)行排序，根據(jù)順序結(jié)果選取分割點(diǎn)，采取的辦法是分組平均法，首相按順序分成五組數(shù)據(jù)，計(jì)算每一小組的平均值，分別是：-0.18685，-0.02538，0.010827，0.04748，0.326777，剔除兩端值，確定三個(gè)分割點(diǎn)，分別對(duì)其進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果為：選擇-0.02538分割點(diǎn)，錯(cuò)誤率為0.32，選取0.010827分割點(diǎn)，錯(cuò)誤率為0.24，選取0.04748分割點(diǎn)，錯(cuò)誤率為0.36，選擇錯(cuò)誤率最低的分割點(diǎn)，即0.010827。

（2）有效樣本檢驗(yàn)

運(yùn)用上述方法篩選出的分割點(diǎn)對(duì)有效樣本進(jìn)行檢驗(yàn)，獲得相應(yīng)的判別效率。結(jié)果表名，以0.010827為分割點(diǎn)，在有效樣本中，一類錯(cuò)誤有三個(gè)，二類錯(cuò)誤有三個(gè)，誤判率為0.24。通此次判別方法，我們只能簡單初步的進(jìn)行判別，由于存在的抽樣的誤差不可避免，同樣指標(biāo)判定為單一變量判定法，具有及其不穩(wěn)定性。

3、Fisher判定模型實(shí)證分析

Fisher判定模型是多元判定分析的一種方法，判定函數(shù)為：

其中，W1，W2是帶求得判別系數(shù)。以2011年的上述財(cái)務(wù)比率數(shù)據(jù)，運(yùn)用SPSS統(tǒng)計(jì)分析軟件進(jìn)行分析，分別得出了ST公司與非ST公司的Fisher判別函數(shù)，分析結(jié)果如表一所示：

表一：

判別式：

樣本觀測值帶入判定函數(shù)，得出判別結(jié)果表二所示：

表二：

根據(jù)Fisher判別分析方法，一類錯(cuò)是五個(gè)，二類錯(cuò)誤是1個(gè)，總正確率為88%，明顯比一元判定準(zhǔn)確率高。運(yùn)用此方法對(duì)2010年和2009年的數(shù)據(jù)進(jìn)行的判斷，正確率分別80%，90%。判斷率與宣布上市公司為ST公司的時(shí)間聯(lián)系不大，和其他研究者得出的離宣布日較遠(yuǎn)，成功率越低的結(jié)論不相符，可能選取的樣本本身存在誤差，上市公司內(nèi)部操控信息，或者上市公司公布的財(cái)務(wù)數(shù)據(jù)與公司實(shí)際運(yùn)用情況不符合等原因造成。

4、logistic回歸模型實(shí)證分析

在logistic回歸模型中，仍然以2011年的樣本數(shù)據(jù)并運(yùn)用SPSS統(tǒng)計(jì)分析軟件，對(duì)所有的財(cái)務(wù)指標(biāo)變量進(jìn)行分析，分析結(jié)果如表三所示：

表三：

logistic模型使用的是最大似然估計(jì)，似然估計(jì)的數(shù)值越大，擬合程度越好，分析結(jié)果，變量X1，X3，X5的顯著性不明顯，說明其預(yù)測能力差，為X2，X4，X6的顯著性明顯，表明預(yù)測能力較高。以0.5為最佳判定點(diǎn)，對(duì)2011年的原始數(shù)據(jù)的判定結(jié)果，如表四所示：

表四：

在25個(gè)非ST上市公司中，有1個(gè)公司被誤判為ST公司，誤判率為0.04，在25個(gè)ST上市公司中，有2被誤判為非ST公司，誤判率為0.08。整體分析，正確率高達(dá)94%。同樣的方法對(duì)2010年和2009年的數(shù)據(jù)進(jìn)行分析，判定的正確率分別是：80%，92%。

五、結(jié)論

通過非ST和 ST上市公司公布的財(cái)務(wù)信息，運(yùn)用多種統(tǒng)計(jì)方法對(duì)公司的財(cái)務(wù)狀況進(jìn)行實(shí)證研究分析，得出以下結(jié)論：（1）上市公司的財(cái)務(wù)信息中，包含了預(yù)測財(cái)務(wù)危機(jī)的信息量，通過計(jì)算財(cái)務(wù)比率，可以對(duì)上市公司進(jìn)行財(cái)務(wù)困境預(yù)測，做好財(cái)務(wù)危機(jī)處理，減少不必要的損失。（2）單變量和一元模型進(jìn)行預(yù)測，過程簡單，操作性強(qiáng)，但是誤差較大，其中從單變量分析中，我們可以看出，由于不同的指標(biāo)信息含量不同，預(yù)測能力也有所不同。（3） Fisher分析模型和logistic回歸模型通過分析多項(xiàng)指標(biāo)來預(yù)測財(cái)務(wù)困境，相對(duì)比單變量而言，結(jié)論更有說服力，準(zhǔn)確率高，其中，判定能力最高的是logistic回歸模型。（4）由于樣本本身的局限性，存在誤差是難免的，盡管四種方法都有各自的局限性，但是在對(duì)財(cái)務(wù)危機(jī)進(jìn)行預(yù)測，各自具有重要的實(shí)踐意義。

參考文獻(xiàn)：

[1]吳世農(nóng)，盧賢義.我國上市公司財(cái)務(wù)困境的預(yù)警模型研究 [J].經(jīng)濟(jì)研究，2001；（6）.46-55

[2]陳靜.上市公司財(cái)務(wù)惡化預(yù)測的實(shí)證分析[J].會(huì)計(jì)研究，1999；（4）.31-38

[3]尹俠，肖序，胡永康.上市公司財(cái)務(wù)預(yù)警的實(shí)證分析[J].財(cái)經(jīng)理論與實(shí)踐，2001；（11）.83-87

[4]姜秀華，任強(qiáng)，孫錚.上市公司財(cái)務(wù)危機(jī)預(yù)警模型研究 [J].預(yù)測，2002；（3）.56-61

[5]William H .Beaver. Financial Ratios As Predictors of Failure[J].Journal of Accounting Research，1966；71-111

[6]Edward I.Altman.Ration，Discriminant Analysis and Prediction of Corporate Bankruptcy [J]. The Journal of Finance，1968；（9）.586-609