張潔 趙娟

【摘要】? 文章以滬深A股重污染行業(yè)上市公司36家ST公司、非ST公司為樣本，從財務和非財務角度建立針對該行業(yè)的綜合財務預警指標體系，通過篩選顯著性指標，提取主成分，然后構建logistic財務預警模型，利用另外選取的檢驗樣本檢驗模型的擬合效果和準確性，結果表明文章構建的財務預警模型對重污染上市公司財務危機的判斷率較高，達到94%，對財務風險有良好的預測性。

【關鍵詞】? 重污染;社會責任;財務預警

【中圖分類號】? F275? 【文獻標識碼】? A? 【文章編號】? 1002-5812（2019）07-0055-04

一、引言

在國家社會不斷強調(diào)節(jié)能減排、保護環(huán)境的綠色發(fā)展要求下，重污染企業(yè)的財務環(huán)境發(fā)生了顯著變化，面臨新的風險和挑戰(zhàn)，重新構建一套適合重污染類企業(yè)的綜合財務預警模型，有助于防范企業(yè)財務危機。預警模型主要有：單變量預測模型、多元判別分析模型、logistic回歸判別模型、人工神經(jīng)網(wǎng)絡模型、支持向量機等。通過比較分析發(fā)現(xiàn)，logistic模型是一種更符合實際經(jīng)濟狀況的模型，它克服了多元線性模型的弊端，配合大幅簡化工作量的SPSS 20.0統(tǒng)計分析軟件，是解決0—1回歸問題的有效方法，但在現(xiàn)實應用中，我國上市公司數(shù)據(jù)的高相關性和高維性會影響該模型的回歸分析過程和結果，文章引進主成分分析法解決這一難題，找出幾個能夠幾乎囊括原始數(shù)據(jù)信息的主成分，它們互不相關，是原始數(shù)據(jù)的線性組合，再以提取的主成分為自變量，構建logistic預警模型。

二、研究設計

（一）樣本選取

本文以《上市公司環(huán)境信息披露指南》（環(huán)辦函[2010]78號）中列示的16類重污染行業(yè)為研究對象，選取滬深A股重污染行業(yè)上市公司中2014—2017年首次被ST的企業(yè)，將重污染企業(yè)被ST的年份記為T年，相關研究表明，ST企業(yè)與非ST企業(yè)的財務數(shù)據(jù)在T-3年開始表現(xiàn)出差異性，時間上越接近T年，數(shù)據(jù)的差異性越明顯，考慮到非財務數(shù)據(jù)的可獲取性，以及側重于研究綜合因素對重污染企業(yè)財務預警有效性的影響，文章選取差異性相對比較顯著的T-2年的數(shù)據(jù)進行研究，剔除數(shù)據(jù)異常、不健全的ST企業(yè)，最終得到有效樣本36家ST公司，根據(jù)1∶1的匹配原則，選取行業(yè)相同、ST-2年末總資產(chǎn)規(guī)模相近、主營業(yè)務相似的非ST企業(yè)36家作為配對樣本，一共得到72家樣本公司，選取建模樣本27家ST和相匹配的27家非ST企業(yè)，剩余的9家ST企業(yè)和匹配的9家非ST企業(yè)作為檢驗樣本。相關數(shù)據(jù)均來自巨潮資訊網(wǎng)、新浪財經(jīng)、證監(jiān)會官方網(wǎng)站等。

（二）指標選取

文章從財務和非財務兩個方面對指標進行初步選取，并且加入了反映重污染企業(yè)行業(yè)特征的一些財務和非財務指標，同時考慮到指標的可獲取性，文章加入了定性指標。

1.財務指標。為全面反映重污染行業(yè)企業(yè)的財務狀況，本文主要從償債能力、盈利能力、營運能力、發(fā)展能力和現(xiàn)金流量五個方面選取財務指標，除了傳統(tǒng)的財務指標，盈利能力方面加入每股收益指標是為了方便不同規(guī)模、行業(yè)企業(yè)之間的比較，主營業(yè)務貢獻率則反映了不同企業(yè)經(jīng)營的主營業(yè)務對企業(yè)總體利潤的貢獻程度，便于消除投資活動的影響;償債能力主要從短期償債和長期償債來選取指標，考慮到重污染企業(yè)環(huán)境信息披露水平的高低對籌資成本和籌資金額的影響，加入了利息保障倍數(shù)指標來衡量企業(yè)安全償還債權人債務的能力，企業(yè)能夠用來償還債務的一般應是經(jīng)營活動產(chǎn)生的現(xiàn)金流入;現(xiàn)金債務比則是體現(xiàn)企業(yè)經(jīng)營業(yè)務產(chǎn)生的現(xiàn)金流用來償還中長期債務的重要指標。營運能力方面主要用固定資產(chǎn)現(xiàn)金周轉(zhuǎn)率替換固定資產(chǎn)周轉(zhuǎn)率，主要是因為重污染企業(yè)在節(jié)能減排、保護環(huán)境的綠色發(fā)展要求下會加快固定資產(chǎn)的更新升級速度，也能有效避免企業(yè)利潤被粉飾的風險。詳見表1。

2.非財務指標。不同于財務因素的規(guī)范性，非財務因素的類型、計量方式都存在較大的模糊性和不一致性，綜合考慮相關學者的研究結果和數(shù)據(jù)的可獲取性，借鑒國泰安數(shù)據(jù)庫公司治理、社會責任等對指標的分類，本文主要從企業(yè)規(guī)模、股權結構、公司治理、審計意見、生命周期、研發(fā)強度、社會責任七個方面來反映重污染企業(yè)的非財務信息。詳見下頁表2。

（三）實證分析

1.變量篩選。首先對27家ST企業(yè)和27家非ST企業(yè)T-2年的財務和非財務數(shù)據(jù)進行K-S檢驗，對符合正態(tài)分布的樣本進行T檢驗，考慮到樣本量n>30，滿足U檢驗的基本條件，所以對不符合正態(tài)分布的樣本進行非參數(shù)的U檢驗。在0.1的顯著性水平上，變量X1、X3、X5、X12、X16、X20、X28、X31在K-S正態(tài)分布檢驗中P值大于0.1，表示服從原假設，即變量服從正態(tài)分布，然后進行參數(shù)檢驗T檢驗，P值均小于0.1，表示拒絕原假設，認為這些變量在ST和非ST企業(yè)之間存在顯著差異，適合進行下一步研究;而變量X9、X10、X22、X24、X32、X33在K-S正態(tài)分布檢驗中，雖服從原假設，符合正態(tài)分布，但在參數(shù)檢驗T檢驗中，顯著性水平大于0.1，接受原假設，認為這些變量在ST企業(yè)與非ST企業(yè)之間不存在顯著差異，不適合進行下一步研究，對這些指標進行剔除。在0.1顯著性水平上，變量X2、X4、X8、X11、X13、X14、X15、X17、X18、X19、X21、X30在K-S檢驗中P值小于0.1，表示拒絕原假設，認為這些變量不服從正態(tài)分布，然后進行非參數(shù)的Mann—Whitney U檢驗，結果顯示P值均小于0.1，表示拒絕原假設，認為這些變量在ST和非ST企業(yè)之間存在顯著差異，適合進行下一步研究;而變量X6、X7、X23、X25、X26、X27、X29、X34在K-S檢驗中，P值小于0.1，表示拒絕原假設，變量不符合正態(tài)分布，然后進行非參數(shù)U檢驗，顯著性水平大于0.1，接受原假設，認為這些變量在ST企業(yè)與非ST企業(yè)之間不存在顯著差異，不適合進行下一步研究，對這些指標進行剔除。

2.因子分析。為降低多重共線性進行l(wèi)ogistic建模，并且進一步減少計算量，本文對上述通過顯著性檢驗的20個變量進行因子分析，提取公因子之前首先對指標做標準化處理，并進行KMO檢驗和巴特利球狀檢驗。KMO值大于0.7，且P值為0，說明變量比較適合進行因子分析。見表3。

基于特征值[λ]大于1的原則，文章提取了7個主成分，[λ]值分別為6.628、2.558、2.021、1.655、1.259、1.092、1.028，累計貢獻率達到81.206%，能較好地囊括原始數(shù)據(jù)的大部分信息，公因子F1在X1、X2、X3、X4、X5具有較高的載荷，因此F1可命名為盈利因子，公因子F2在X8、X11、X20上具有較高的載荷，因此F2可命名為營運因子，F(xiàn)3在X12、X13、X14上具有較高的載荷，所以F3可命名為償債因子，F(xiàn)4在X16、X18上具有較高的載荷，因此F4可命名為發(fā)展因子，F(xiàn)5在X15、X17上具有較高的載荷，可作為發(fā)展因子和償債因子的信息補充，F(xiàn)6在X28、X30、X31上具有較高的載荷，所以可命名為非財務因子，F(xiàn)7在X19、X21上具有較高的載荷，可命名為現(xiàn)金流因子。

根據(jù)SPSS 20.0輸出的成分得分系數(shù)矩陣可以知道各個主成分與二十個原始變量之間的數(shù)量關系，將樣本公司的20個變量代入公式：

Fj=CijX1+CijX2+CijX3+CijX4+CijX5+CijX8+CijX11+CijX12+CijX13+CijX14+CijX15+CijX16+CijX17+CijX18+CijX19+CijX20+CijX21+CijX28+CijX30+CijX31

其中i（i=1，2，3……20），j（j =1，2，3……7），可得到54家樣本公司各自的7個主成分得分。見表4。

3.財務預警模型的構建。將樣本公司的7個主成分得分作為自變量，將公司是否陷入財務危機作為因變量，構建logistic財務預警模型，將回歸系數(shù)B的值帶入方程可得重污染企業(yè)在2年后陷入財務危機的預警模型為：

P=exp（-73.096+2.227F1-104.68F2+2.145F3-56.661F4-1.741F5-22.55F6-15.593F7）/[1+exp（-73.096+2.227F1-104.68F2+2.145F3-56.661F4-1.741F5-22.55F6-15.593F7）]

4.模型的檢驗。

（1）擬合優(yōu)度檢驗。 一般通過模型與樣本擬合效果的好壞判斷模型的有效性，提取了原SPSS輸出的模型擬合信息表、擬合優(yōu)度表和偽R2表中的部分代表性數(shù)據(jù)，似然比檢驗的顯著性為0，小于0.05，表示拒絕原假設，說明模型通過檢驗，有統(tǒng)計學意義;Pearson顯著性水平為1.000，概率較大，說明原假設成立，模型能很好地擬合原始數(shù)據(jù);Cox 和Snell R2用來判斷模型對原始變量變異的解釋程度，該統(tǒng)計量一般大于0小于1，數(shù)值越大，表明模型擬合樣本數(shù)據(jù)的程度越好，所以檢驗結果綜合表明該模型的擬合效果較好。見表5。

（2）穩(wěn)健性檢驗。將剩余的18家公司（9家ST企業(yè)，9家非ST企業(yè)）的數(shù)據(jù)帶入模型檢驗其穩(wěn)健性。檢驗結果： 9家ST企業(yè)僅1家誤判為非ST企業(yè)，而9家非ST 企業(yè)都能正確判斷，所以綜合判斷率為94%，說明該模型產(chǎn)生的判斷效果較好。見表6。

四、結論和建議

本文基于重污染企業(yè)在新的時代背景下面臨的風險和挑戰(zhàn)，重新構建了適合該類行業(yè)的財務風險預警指標體系，財務指標方面，在傳統(tǒng)指標的基礎上加入了一些能突出反映該類行業(yè)風險特點的指標，并且通過了顯著性檢驗，對財務危機的預警也起到了一定的作用;非財務指標方面的研究表明經(jīng)營時間、審計意見和高管薪酬在ST和非ST企業(yè)之間表現(xiàn)出了顯著差異，也成為導致企業(yè)財務危機的重要因素。筆者認為，重污染企業(yè)應從財務和非財務兩方面入手，防范財務危機的發(fā)生。

（一）財務方面

應加強節(jié)能減排的相關投資，積極進行技術創(chuàng)新，不應拘泥于眼前的利益，忽視環(huán)境保護方面的成本投資為企業(yè)帶來的長遠利益;要優(yōu)化生產(chǎn)結構、提高生產(chǎn)效率和原材料的綜合利用率，節(jié)約人力、物力和財力的成本支出，從而節(jié)約成本，應重點關注應收賬款的回收問題，防止資金的過多占用和資金鏈斷裂導致的風險，靈活利用固定成本的杠桿效應，并防范產(chǎn)生的經(jīng)營風險;重污染企業(yè)也可以利用“綠色信貸指引”等政策性文件，多使用清潔生產(chǎn)技術，在較好地履行國家政策要求的前提下要求銀行給予一定的融資優(yōu)惠政策，降低融資的資本成本，減小財務風險。

（二）非財務方面

企業(yè)的經(jīng)營者和管理者應關注企業(yè)所處的生命周期，敏感地識別企業(yè)所處的成長階段和每一次的變革，及時調(diào)整決策方式、管理機制和組織結構來適應每一次的變革;企業(yè)也應當注重審計單位審計意見，加強內(nèi)部審計體制建設，做到危機發(fā)生前的敏感預防;企業(yè)還應該關注高管的薪酬狀況，建立良好的薪酬激勵機制以及有效的高管約束機制，使得高管的經(jīng)營決策能充分考慮企業(yè)的價值最大化，盡職盡責地為股東和公司利益服務。Z

【主要參考文獻】

[ 1 ] Cornelius Casey，Norman Bartczak.Using Operating Cash Flow Date To Predict Financial Distress：Some Extensions[J].Journal of Accounting Research，1985，23（1）：384-401.

[ 2 ] Palema K. Coats，L.Franklin Fant.Recognizing Financial Distress Patterns Using a Neural Network Tool[J].Financial Management，1993，22（3）：l42-155.

[ 3 ] 劉秀琴，陳藝城，羅軍.基于logistic模型的中小板上市公司財務預警模型構建[J].財會月刊，2016，（36）.

[ 4 ] 符剛，曾萍，陳冠林.經(jīng)濟新常態(tài)下企業(yè)財務危機預警實證研究[J].財經(jīng)科學，2016，（09）.

[ 5 ] 李揚，李竟翔，馬雙鴿.不平衡數(shù)據(jù)的企業(yè)財務預警模型研究[J].數(shù)理統(tǒng)計與管理，2016，（05）.

[ 6 ] 彭中文，李力，文磊.宏觀調(diào)控、公司治理與財務風險——基于房地產(chǎn)上市公司的面板數(shù)據(jù)[J].中央財經(jīng)大學學報，2014，（05）.

[ 7 ] 楊霞，王樂娟.環(huán)境績效與財務績效關系區(qū)域比較研究——來自重污染行業(yè)上市公司的實證數(shù)據(jù)[J].人文地理，2016，（05）.

[ 8 ] 倪娟，孔令文.環(huán)境信息披露、銀行信貸決策與債務融資成本——來自我國滬深兩市A股重污染行業(yè)上市公司的經(jīng)驗證據(jù)[J].經(jīng)濟評論，2016，（01）.

【作者簡介】

趙娟，女，青海大學財經(jīng)學院，教授;研究方向：會計理論與實務。