汪紅

摘 要：近些年，伴隨著我國資本市場(chǎng)的快速發(fā)展，上市公司面對(duì)的財(cái)務(wù)風(fēng)險(xiǎn)越來越大，亟需進(jìn)行合理的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)。本文通過識(shí)別模型中財(cái)務(wù)預(yù)警度的大小，分析和預(yù)測(cè)上市公司的財(cái)務(wù)風(fēng)險(xiǎn)，幫助公司及時(shí)知道財(cái)務(wù)危險(xiǎn)即將到來，以免發(fā)生財(cái)務(wù)危機(jī)。采用因子分析法對(duì)指標(biāo)體系進(jìn)行降維，構(gòu)建Logistic回歸分析預(yù)警模型來判別企業(yè)的財(cái)務(wù)危機(jī)，結(jié)果表明預(yù)測(cè)模型準(zhǔn)確度較高，可以用來預(yù)測(cè)公司財(cái)務(wù)危機(jī)。通過研究企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警機(jī)制以期為企業(yè)提供切實(shí)可行的財(cái)務(wù)預(yù)警方法，并為完善財(cái)務(wù)預(yù)警研究機(jī)制提供一定的參考。

關(guān)鍵詞：logistic回歸；因子分析；財(cái)務(wù)預(yù)警

中圖分類號(hào)：F272.1 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-7866 （2017） 05-095-007

工業(yè)經(jīng)濟(jì)論壇 URL： http//www.iereview.com.cn DOI： 10.11970/j.issn.2095-7866.2017.05.014

Abstract： In recent years， with the rapid development of China's capital market， listed companies face more and more financial risks， the urgent need for a reasonable financial risk forecast. This paper analyzes the financial risk of listed companies by identifying the size of the financial warning in the model， and helps the company know that the financial risk is coming in time to avoid the financial crisis. This paper uses the factor analysis method to reduce the dimension of the index system and construct the logistic regression analysis and early warning model to judge the financial crisis. The results show that the forecasting model is highly accurate and can be used to predict the financial crisis. Through the study of corporate financial risk early warning mechanism in order to provide enterprises with practical financial early warning methods， and to improve the financial early warning research mechanism to provide some reference.

Key words： Logistic Regression； Factor Analysis； Financial Warning

引言

隨著各行各業(yè)的市場(chǎng)競(jìng)爭(zhēng)越來越激烈，國際化進(jìn)展逐漸加快，我國市場(chǎng)經(jīng)濟(jì)也逐漸開放起來，企業(yè)的經(jīng)營風(fēng)險(xiǎn)不斷上升，我國上市公司在把握改革和發(fā)展機(jī)遇的同時(shí)，面臨的考驗(yàn)也愈加嚴(yán)峻，遭遇的各類風(fēng)險(xiǎn)也在不斷增多。由于上市公司一旦出現(xiàn)財(cái)務(wù)危機(jī)會(huì)損害多方利益相關(guān)者帶的利益，甚至引起嚴(yán)重的社會(huì)問題，因此財(cái)務(wù)預(yù)警問題倍受關(guān)注。如何在形勢(shì)愈加嚴(yán)峻的經(jīng)濟(jì)環(huán)境中生存下來，并謀求長遠(yuǎn)發(fā)展？如何在企業(yè)遭遇風(fēng)險(xiǎn)之前對(duì)企業(yè)經(jīng)營者進(jìn)行警告？及時(shí)采用應(yīng)對(duì)措施，不讓危機(jī)真正到來。這就需要建立高效、準(zhǔn)確的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型對(duì)企業(yè)的未來財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)警分析，這已經(jīng)是現(xiàn)代公司財(cái)務(wù)經(jīng)管的重要內(nèi)容之一。

對(duì)企業(yè)而言，如何建立準(zhǔn)確高效的財(cái)務(wù)預(yù)警機(jī)制來提前預(yù)測(cè)企業(yè)的財(cái)務(wù)狀況尤為重要，關(guān)系到企業(yè)的生死存亡。公司的財(cái)務(wù)狀況從開始惡化到進(jìn)入財(cái)務(wù)危機(jī)是一個(gè)漸進(jìn)的過程，我們可以根據(jù)公司財(cái)務(wù)指標(biāo)的變化方向以及變化程度，從中挖掘其所蘊(yùn)含的有效財(cái)務(wù)信息來對(duì)企業(yè)進(jìn)行財(cái)務(wù)預(yù)警，盡早發(fā)現(xiàn)可以降低損失，甚至可以對(duì)企業(yè)進(jìn)行挽救。復(fù)雜的經(jīng)濟(jì)環(huán)境下，公司也經(jīng)常因?yàn)榻?jīng)管不利，或者是沒有辦法適應(yīng)外界的環(huán)境變化而使得他們的經(jīng)營行為陷入一種嚴(yán)重困境，這便是財(cái)務(wù)危機(jī)，也稱財(cái)務(wù)困境。企業(yè)財(cái)務(wù)危機(jī)的產(chǎn)生實(shí)際上是一個(gè)漸進(jìn)的積累過程，如果能夠在潛伏的時(shí)候?qū)ζ溥M(jìn)行合理的監(jiān)督檢測(cè)、警報(bào)以及防治，無論對(duì)于企業(yè)自身的生存發(fā)展，還是對(duì)于整個(gè)市場(chǎng)經(jīng)濟(jì)活動(dòng)的有序進(jìn)行都具有重要的意義。

現(xiàn)階段對(duì)于財(cái)務(wù)危機(jī)預(yù)測(cè)的研究，主要是建立在對(duì)企業(yè)歷史的財(cái)務(wù)數(shù)據(jù)及其他相關(guān)信息的分析上，通過對(duì)這些歷史的相關(guān)數(shù)據(jù)進(jìn)行分析以建立起適用的財(cái)務(wù)危機(jī)預(yù)測(cè)模型，但是國內(nèi)外學(xué)者們?cè)趯?duì)財(cái)務(wù)危機(jī)預(yù)警模型的研究上觀點(diǎn)各不一致。企業(yè)法人實(shí)質(zhì)上是各個(gè)利益相關(guān)者組成的契約集合體，利益相關(guān)者們的行為和經(jīng)營決策對(duì)于企業(yè)的存續(xù)至關(guān)重要。而對(duì)企業(yè)的利益相關(guān)者們而言，企業(yè)的經(jīng)營狀態(tài)與其切身利益密不可分，財(cái)務(wù)危機(jī)預(yù)警機(jī)制能夠?qū)咀陨淼臓顟B(tài)做出越精準(zhǔn)的預(yù)測(cè)，對(duì)利益相關(guān)者越好。因此，建立起具備精準(zhǔn)預(yù)測(cè)功能的財(cái)務(wù)危機(jī)預(yù)警模型是十分必要的。本文通過選取盈利能力、償還債務(wù)能力、經(jīng)營運(yùn)行能力、成長能力、獲取資金能力和風(fēng)險(xiǎn)水平6個(gè)方面的指標(biāo)，這些指標(biāo)能夠較為全面地反映上市公司財(cái)務(wù)狀況和經(jīng)營狀況，用其構(gòu)建起財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系，并針對(duì)樣本公司被實(shí)施ST前2年的財(cái)務(wù)數(shù)據(jù)，使用因子分析配合logistic回歸方法構(gòu)造財(cái)務(wù)危機(jī)預(yù)警模型，并對(duì)模型的判別效果進(jìn)行檢驗(yàn)，以期為上市公司的財(cái)務(wù)危機(jī)預(yù)警提供有價(jià)值的實(shí)用參考意義。

一、研究現(xiàn)狀

公司發(fā)生財(cái)務(wù)危機(jī)通常也叫公司陷入財(cái)務(wù)危機(jī)，或者是公司財(cái)務(wù)破產(chǎn)。財(cái)務(wù)危機(jī)分為四種情況：違約、無償債能力、經(jīng)營失敗、破產(chǎn)，這四種情形均有可能導(dǎo)致企業(yè)破產(chǎn)。財(cái)務(wù)危機(jī)預(yù)警就是在企業(yè)的全部財(cái)務(wù)信息和其他各種相關(guān)資料中選擇綜合性強(qiáng)、敏感度高、有針對(duì)性的財(cái)務(wù)指標(biāo)，通過數(shù)學(xué)建模，及時(shí)監(jiān)測(cè)以便提前預(yù)知企業(yè)可能出現(xiàn)的或已經(jīng)出現(xiàn)的財(cái)務(wù)危機(jī)。國內(nèi)外的一些專家目前有的探究中大多使用Logistic函數(shù)建立模型，Logistic函數(shù)也是增長函數(shù)，是美國專家在1920年探究果蠅繁殖時(shí)發(fā)現(xiàn)的，而且開始在估計(jì)人口以及預(yù)測(cè)里廣泛使用。因?yàn)槟阌?jì)算機(jī)技術(shù)的高速發(fā)展和普及，Logistic回歸開始普及于經(jīng)濟(jì)探究領(lǐng)域。這個(gè)模式的長處是它可以在（0，1）上預(yù)先猜測(cè)一個(gè)企業(yè)能不能發(fā)生財(cái)務(wù)危機(jī)的可能性變成為在實(shí)數(shù)軸預(yù)先猜測(cè)一個(gè)企業(yè)能不能發(fā)生財(cái)務(wù)危機(jī)的機(jī)會(huì)比率問題，Logistic回歸模式不僅可以判斷公司會(huì)不會(huì)發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)，而且還可以權(quán)衡公司發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的機(jī)率是多少。

美國專家沃爾森第一次把多元邏輯回歸模式帶入破產(chǎn)預(yù)警監(jiān)測(cè)。從資本組成、經(jīng)營績(jī)效、企業(yè)的經(jīng)營范圍大小、資本的變成現(xiàn)金的能力這四個(gè)方向來對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)報(bào)警，實(shí)證檢測(cè)結(jié)果準(zhǔn)確率達(dá)到96.12%。然后KeaseyM.J.Peel，Martin運(yùn)用logit分析方法來預(yù)測(cè)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)，這種方法一方面能夠降低對(duì)數(shù)據(jù)的要求，另一方面可以根據(jù)不同投資者對(duì)于風(fēng)險(xiǎn)的偏好來設(shè)定預(yù)測(cè)值，財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)效果很好[1]。寧靜鞭采用KNN和Logistic回歸方法使用上市公司財(cái)務(wù)指標(biāo)建立了企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型，其實(shí)證結(jié)果表明，使用財(cái)務(wù)指標(biāo)建立的模型能夠較為準(zhǔn)確的預(yù)測(cè)公司未來的財(cái)務(wù)風(fēng)險(xiǎn)[2]。李建中、武鐵梅采用樣本企業(yè)被ST的前三年、前兩年以及前一年數(shù)據(jù)來進(jìn)行財(cái)務(wù)危機(jī)預(yù)警探究，在邏輯回歸模式里采用因子分析法，其選擇的指標(biāo)兼顧了財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)[3]。胡躍紅、黃婧采用因子分析中方差最大旋轉(zhuǎn)來對(duì)公司的財(cái)務(wù)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，獲得主要因子得分，構(gòu)造對(duì)應(yīng)的Logistic回歸模式財(cái)務(wù)險(xiǎn)境預(yù)警系統(tǒng)，其實(shí)證檢測(cè)的結(jié)果也很準(zhǔn)確[4]。陳永飛在研究中以現(xiàn)金流作為關(guān)鍵指標(biāo)，他認(rèn)為使得企業(yè)無法償還到期債務(wù)并最終導(dǎo)致破產(chǎn)的直接原因是由于現(xiàn)金流短缺，所以其在研究中選擇的指標(biāo)是能夠反映企業(yè)現(xiàn)金流方面真實(shí)財(cái)務(wù)狀況的[5]。何妮在研究中分別使用了多種研究方法，比如因子分析、非參數(shù)檢驗(yàn)和顯著性檢驗(yàn)等，建立了Logistic回歸模型，通過對(duì)比分析制造業(yè)上市公司在金融危機(jī)前后的財(cái)務(wù)危機(jī)狀況，研究結(jié)果發(fā)現(xiàn)使用Logistic回歸方法建立的財(cái)務(wù)危機(jī)預(yù)警模型具有較高的準(zhǔn)確性和可實(shí)施性[6]。張健在研究中構(gòu)建了EVA財(cái)務(wù)危機(jī)預(yù)警模型，采用了Logistic回歸法，對(duì)52家樣本上市公司的財(cái)務(wù)狀況進(jìn)行實(shí)證檢驗(yàn)，但研究結(jié)果表明該方法只適用于短期預(yù)測(cè)[7]。劉彥文、戴紅軍采用三分法將樣本公司先分為財(cái)務(wù)困境和非財(cái)務(wù)困境兩種，在將非財(cái)務(wù)困境公司細(xì)分為財(cái)務(wù)狀況良好和財(cái)務(wù)狀況不穩(wěn)定，然后構(gòu)建成三元的logistic預(yù)警模型，其結(jié)果表明其構(gòu)建的三元模型判別能力較好，誤判情況低[8]。

二、樣本選擇及指標(biāo)的選取

（一）研究樣本

文中實(shí)證部分用的是我國2014年和2015年第一次被施行ST的60家A股制造行業(yè)的企業(yè)作為研究樣本，并按照1∶1的比例選取同行業(yè)、經(jīng)營范圍相當(dāng)、上市時(shí)間接近的60家不是ST企業(yè)作為對(duì)比樣本。將這120家公司分為建模組和檢驗(yàn)組：選取2014年被實(shí)施ST的33家制造業(yè)上市公司和相對(duì)應(yīng)的33家非ST公司作為建模組；選取2015年被實(shí)施ST的27家制造業(yè)上市公司和與之對(duì)應(yīng)的27家非ST公司作為檢驗(yàn)組。對(duì)建模組樣本前2年的財(cái)務(wù)數(shù)據(jù)分別利用因子分析確定主因子得分，得分成績(jī)作為Logistic回歸模式的自變量，構(gòu)造財(cái)務(wù)危機(jī)報(bào)警模式，然后利用檢驗(yàn)組樣本驗(yàn)證模型的準(zhǔn)確度。本文在選擇樣本時(shí)，剔除了非財(cái)務(wù)狀況異常而被ST的股票，上市2年或者不足4年就被ST的股票也排除在外。樣本的數(shù)據(jù)來自wind資訊以及國泰安數(shù)據(jù)庫。

（二）指標(biāo)體系的建立

企業(yè)在選擇財(cái)務(wù)危機(jī)預(yù)警指標(biāo)時(shí)，應(yīng)該充分考慮到企業(yè)的實(shí)際經(jīng)經(jīng)營狀況，并且所選擇的財(cái)務(wù)指標(biāo)要能夠真實(shí)、及時(shí)、系統(tǒng)的反應(yīng)公司的經(jīng)營情況以及財(cái)務(wù)情況，財(cái)務(wù)指標(biāo)的選擇應(yīng)盡可能地滿足綜合、普遍、可比等原則。為全面反映企業(yè)的財(cái)務(wù)狀況，依據(jù)公司財(cái)務(wù)經(jīng)管方面的有關(guān)理論，在對(duì)前人探究后果進(jìn)行總結(jié)辨析的條件上從公司盈利能力、營運(yùn)能力、償債能力、成長能力、獲取現(xiàn)金能力和風(fēng)險(xiǎn)水平這6個(gè)方面選取了18個(gè)指標(biāo)構(gòu)建初始預(yù)警指標(biāo)體系，具體如表1所示。

三、財(cái)務(wù)預(yù)警模型的構(gòu)建

（一）指標(biāo)體系的降維

本文建立的指標(biāo)體系包含了18個(gè)財(cái)務(wù)指標(biāo)，這些指標(biāo)之間存在一定的相關(guān)關(guān)系，若直接將這些指標(biāo)作為自變量來構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型，不僅讓所建模型變得復(fù)雜，而且還因?yàn)樽兞块g的多重共線性而使得檢測(cè)結(jié)果出現(xiàn)很大誤差。所以，這個(gè)環(huán)節(jié)考慮用因子分析法對(duì)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化，提取主要因子，使后面的建模能夠較為直觀。

本篇論文使用KMO檢測(cè)以及巴特利特球形檢測(cè)來判斷變量組成能不能使用因子分析方法。起初采用SPSS軟件對(duì)數(shù)據(jù)來標(biāo)準(zhǔn)化處理，其次對(duì)標(biāo)準(zhǔn)化后的指標(biāo)來KMO以及巴特利特球形檢測(cè)，獲得KMO檢測(cè)值為0.675，高于0.6，巴特利特球形檢測(cè)相應(yīng)的顯著性水平是0.000，低于0.01，說明兩個(gè)檢測(cè)都通過了相關(guān)性檢測(cè)，表明原來指標(biāo)變量可以做因子分析。

（二）主因子的確定

將建模組88家樣本公司被ST前2年的數(shù)據(jù)帶入SPSS軟件進(jìn)行因子分析，獲得5個(gè)主要因子。依據(jù)表2，前五個(gè)因子的累計(jì)方差貢獻(xiàn)了82.746%，也就是這五個(gè)因子反應(yīng)了總指標(biāo)體系信息的82.746%，通常認(rèn)為這一數(shù)值在80%以上是比較好的，因此使用這5項(xiàng)因子來代替原有的多個(gè)指標(biāo)變量體系是可行的。

為了方便闡述各個(gè)因子的概念，進(jìn)行因子旋轉(zhuǎn)。依據(jù)因子載荷矩陳，對(duì)因子來命名。表3是5個(gè)因子的組分得分系數(shù)矩陣，能夠得到以下公式：

F1=0.287X1-0.019X2+0.019X3-0.113X4+……+0.009X17-0.206X18

F1=0.446X1-0.006X2-0.066X3-0.220X4+……+0.219X17+0.013X18

F3=-0.096X1-0.072X2+0.108X3+0.073X4+……+0.428X17+0.016X18

F4=0.453X1+0.220X2-0.056X3+0.153X4+……+0.095X17-0.117X18

F5=0.109X1-0.450X2+0.023X3-0.365X4+……+0.092X17+0.188X18

計(jì)算出各樣本公司的主因子的預(yù)測(cè)得分，用于下文擬合Logistic回歸模型。

（三） Logistic財(cái)務(wù)預(yù)警模型的構(gòu)建

采用60家樣本企業(yè)被ST的前兩年數(shù)據(jù)以及五個(gè)主要成分變量，擬定Logistic回歸模式。模式中假設(shè)因變量為0是正常企業(yè)，為1是財(cái)務(wù)危機(jī)企業(yè)，前面獲取的五個(gè)主要成分是自變量。

在探究中用0.5為概率的分臨界點(diǎn)，把樣本數(shù)據(jù)帶進(jìn)回歸方程里獲得P值高于0.5時(shí)，判斷這個(gè)樣本是財(cái)務(wù)險(xiǎn)境企業(yè)，不然就是非財(cái)務(wù)險(xiǎn)境企業(yè)。采用SPSS來處理，樣本的60個(gè)企業(yè)都被選為回歸分析的案例中，缺失案例為0，說明此次回歸分析效果非常顯著。分類表呈現(xiàn)了目前獲得的模式的錯(cuò)誤判斷矩陳，非ST公司=0時(shí)，即判斷正常公司時(shí)準(zhǔn)確性100%；ST公司=1時(shí)，即判斷財(cái)務(wù)風(fēng)險(xiǎn)公司時(shí)準(zhǔn)確性有100%，所以模型預(yù)測(cè)效果較理想。

結(jié)合表4中的數(shù)據(jù)可以得出上市公司財(cái)務(wù)危機(jī)Logistic預(yù)警模型：

將建模組和檢驗(yàn)組的原始財(cái)務(wù)指標(biāo)數(shù)據(jù)代入上述模型得到P值，因?yàn)闃颖纠颯T和非ST企業(yè)的選擇是依據(jù)比例1：1。所以，本文中選擇0.5為判斷分界點(diǎn)，當(dāng)P>0.5時(shí)表示是ST企業(yè)，當(dāng)P<0.5表示非ST企業(yè)。判斷結(jié)果見表5，從表5能夠看到，見模組和檢驗(yàn)組的判別總準(zhǔn)確率均在90%左右，準(zhǔn)確度較高，可以認(rèn)為此模型可以用來判別企業(yè)財(cái)務(wù)危機(jī)。

四、結(jié)論與建議

本文在借鑒以往學(xué)者研究成本的基礎(chǔ)上，從企業(yè)實(shí)際經(jīng)營和面臨的風(fēng)險(xiǎn)因素綜合考慮從6個(gè)方面選取了18個(gè)財(cái)務(wù)指標(biāo)，采用因子分析法結(jié)合Logistic回歸模型建立財(cái)務(wù)預(yù)警模型，經(jīng)過檢測(cè)發(fā)現(xiàn)，所建模型有很高的準(zhǔn)確性，能使企業(yè)所有者盡早意識(shí)到企業(yè)所面臨的財(cái)務(wù)風(fēng)險(xiǎn)及財(cái)務(wù)危機(jī)可能到來的征兆。在經(jīng)濟(jì)發(fā)展過程中，經(jīng)濟(jì)融合的速度在很大程度上提升了，公司隨時(shí)都會(huì)遭遇失敗的后果，建立合理的財(cái)務(wù)報(bào)警機(jī)制可以幫助公司及時(shí)發(fā)生經(jīng)營管理中存在的問題，加強(qiáng)經(jīng)營管理，提升獲利能力。預(yù)先知道自身的財(cái)務(wù)挑戰(zhàn)，及時(shí)調(diào)節(jié)經(jīng)營規(guī)劃以及財(cái)務(wù)規(guī)劃。

參考文獻(xiàn)

[1] 趙辰，南星恒.基于MEA-BP神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)危機(jī)預(yù)警研究[J].財(cái)會(huì)通訊，2016（1）43-46

[2] 寧靜鞭.基于LNN和Logistic回歸方法的財(cái)務(wù)預(yù)警模型比較[J].商業(yè)時(shí)代，2008（13）74-75

[3] 李建中，武鐵梅.基于因子-Logistic模型的房地產(chǎn)業(yè)上市公司財(cái)務(wù)預(yù)警分析[J].哈爾濱商業(yè)大學(xué)學(xué)報(bào)，2010（5）89-104

[4] 胡躍紅，黃婧.我國化工企業(yè)的財(cái)務(wù)預(yù)警模型構(gòu)建及其檢驗(yàn)-基于Logistic回歸方法[J].長沙理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2011（11）41-45

[5] 陳永飛.基于現(xiàn)金流的財(cái)務(wù)預(yù)警研究：線性概率模型與Logistic模型之應(yīng)用比較[J].經(jīng)濟(jì)問題探索，2011（6）102-111

[6] 何妮.制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警比較與分析—基于金融危機(jī)前后的數(shù)據(jù)[D].西南財(cái)經(jīng)大學(xué)，2013

[7] 張健.基于EVA的農(nóng)業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警實(shí)證研究[D].內(nèi)蒙古農(nóng)業(yè)大學(xué)，2014

[8] 劉彥文，戴紅軍.基于三元Logistic的財(cái)務(wù)困境預(yù)警模型實(shí)證研究[J].大連理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2007（6）：60-66

[9] 劉肖，姚正海等.基于主成分分析和Logistic回歸模型的上市公司財(cái)務(wù)預(yù)警機(jī)制研究[J].經(jīng)濟(jì)論壇，2016（1）：47-50