孫巍

一、研究背景

在中美貿(mào)易戰(zhàn)與世界經(jīng)濟(jì)一體化的今天，中國(guó)公司面臨的內(nèi)外部競(jìng)爭(zhēng)環(huán)境進(jìn)一步加劇。從公司內(nèi)部的角度來(lái)說(shuō)，如果不能進(jìn)行有效的內(nèi)部控制和經(jīng)營(yíng)管理，很有可能造成公司出現(xiàn)財(cái)務(wù)困境與危機(jī)，嚴(yán)重的話，可能導(dǎo)致公司退出市場(chǎng)，進(jìn)而破產(chǎn)清算。從外部環(huán)境來(lái)看，在中美貿(mào)易戰(zhàn)背景下，宏觀經(jīng)濟(jì)環(huán)境，面臨沖擊，人民幣匯率變動(dòng)頻繁，央行多次進(jìn)行降息調(diào)整，公司所面臨的經(jīng)濟(jì)環(huán)境，更加變化無(wú)常。大環(huán)境的改變，對(duì)合理的公司經(jīng)營(yíng)和管理提出更高的要求，一旦公司出現(xiàn)財(cái)務(wù)危機(jī)，甚至?xí)?duì)整個(gè)行業(yè)乃至產(chǎn)業(yè)供應(yīng)鏈的各個(gè)領(lǐng)域產(chǎn)生影響。因此，對(duì)公司的財(cái)務(wù)狀況進(jìn)行及時(shí)的檢測(cè)與預(yù)警，顯得尤為必要。

此外，在中國(guó)，由于債務(wù)人產(chǎn)生債務(wù)危機(jī)，進(jìn)而導(dǎo)致債權(quán)人、銀行、職工等出現(xiàn)不同程度的財(cái)務(wù)狀況惡化的例子，不屬罕見(jiàn)。因此，為了及時(shí)為債務(wù)人提供財(cái)務(wù)預(yù)警，做到提前的預(yù)防和處置，同時(shí)為了避免債權(quán)人、銀行、職工等因?yàn)閭鶆?wù)人財(cái)務(wù)狀況惡化，而產(chǎn)生的利益受損。故本文以滬深兩市2017-2018年度A股上市公司中被特別處理的公司，為研究財(cái)務(wù)困境的樣本，通過(guò)實(shí)證分析，完成對(duì)財(cái)務(wù)困境預(yù)警模型構(gòu)建。

二、研究設(shè)計(jì)

（一）樣本和數(shù)據(jù)

本文選取滬深兩市2017-2018年度A股上市公司中被特別處理的公司，為研究財(cái)務(wù)困境的樣本，以獲取財(cái)務(wù)困境發(fā)生前10年的現(xiàn)金流量數(shù)據(jù)。2017年-2018年度被實(shí)施退市風(fēng)險(xiǎn)警示或其他風(fēng)險(xiǎn)警示的上市公司共109家，對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步篩選，扣除因重大訴訟、審計(jì)否定等原因被特別處理的上市公司，只保留因連續(xù)兩年虧損導(dǎo)致特別處理的上市公司共81家。其中， ST的公司在制造業(yè)中的數(shù)量遠(yuǎn)超過(guò)其他行業(yè)占比，經(jīng)統(tǒng)計(jì)共47家，包括C13、C15、C17、C26、C38、C39等15個(gè)行業(yè)子代碼。因此，本文將制造業(yè)作為財(cái)務(wù)困境的重點(diǎn)，按照1：2的比例，在制造業(yè)中選取66家在2017-2018年度非ST的公司作為對(duì)比參照。如C15行業(yè)子代碼中有兩家ST公司（*ST 皇臺(tái)和海南椰島），為使數(shù)據(jù)對(duì)比參照，從C15里面的非ST公司中選擇貴州茅臺(tái)、青島啤酒、瀘州老窖及古井貢酒本四家公司作為對(duì)比公司。本文ST公司數(shù)據(jù)從CSMAR及Wind數(shù)據(jù)庫(kù)中收集，以T-2年的公司財(cái)務(wù)報(bào)表截面數(shù)據(jù)為基礎(chǔ)樣本進(jìn)行實(shí)證分析，對(duì)財(cái)務(wù)困境的預(yù)警模型進(jìn)一步構(gòu)建，非ST公司的選取為使有效對(duì)比，由手動(dòng)檢索收集整理而得。

（二）研究變量的選擇及定義

通過(guò)在知網(wǎng)上翻閱34篇與財(cái)務(wù)困境有關(guān)的文獻(xiàn)，選出與公司財(cái)務(wù)困境有關(guān)的指標(biāo)，具體依據(jù)為，根據(jù)相關(guān)指標(biāo)在文獻(xiàn)中出現(xiàn)的頻數(shù)大小，進(jìn)行指標(biāo)的初步確定。據(jù)此，選出五個(gè)方面的相關(guān)指標(biāo)，對(duì)財(cái)務(wù)困境模型進(jìn)行構(gòu)建，具體如下：

1.償債能力：本文選取5個(gè)指標(biāo)對(duì)其進(jìn)行衡量。分別為資產(chǎn)負(fù)債率X1、流動(dòng)比率X2、現(xiàn)金比率X3、產(chǎn)權(quán)比率X4、利息保障倍數(shù)X5。

2.營(yíng)運(yùn)能力：分別用固定資產(chǎn)周轉(zhuǎn)率X6、應(yīng)收賬款周轉(zhuǎn)率X7以及總資產(chǎn)周轉(zhuǎn)率X8這三個(gè)指標(biāo)進(jìn)行分析。

3.盈利能力：具體包括總資產(chǎn)凈利潤(rùn)率X9、總資產(chǎn)報(bào)酬率X10、凈資產(chǎn)收益率X11、銷(xiāo)售凈利率X12、每股收益X13這5個(gè)指標(biāo)。

4.發(fā)展能力：選取凈資產(chǎn)增長(zhǎng)率X14和凈利潤(rùn)增長(zhǎng)率X15這兩個(gè)指標(biāo)進(jìn)行判別。

5.現(xiàn)金流動(dòng)性：本文選定現(xiàn)金負(fù)債總額比X16這一指標(biāo)進(jìn)行表述。

（三）財(cái)務(wù)困境預(yù)警指標(biāo)的顯著性分析

綜上所述，本文已經(jīng)初步完成了財(cái)務(wù)指標(biāo)的篩選，然而16個(gè)指標(biāo)對(duì)模型的構(gòu)建來(lái)說(shuō)相對(duì)過(guò)多，且部分指標(biāo)之間存在相關(guān)性，會(huì)對(duì)最終模型的構(gòu)建和有效性帶來(lái)影響。因此，筆者先對(duì)這些初步確定的指標(biāo)進(jìn)行進(jìn)一步的篩選和優(yōu)化，以5%作為接下來(lái)顯著性檢驗(yàn)的判別標(biāo)準(zhǔn)，這也是顯著性檢驗(yàn)中普遍采用的檢驗(yàn)標(biāo)準(zhǔn)。

1.正態(tài)分布檢驗(yàn)。本文使用SPSS24.0軟件，對(duì)單樣本中的K-S檢驗(yàn)進(jìn)行正態(tài)分布一致性檢驗(yàn)，因篇幅問(wèn)題，檢驗(yàn)結(jié)果不再列出，其中產(chǎn)權(quán)比率X4、總資產(chǎn)凈利潤(rùn)率X9，在α=5%的顯著性水平下，漸進(jìn)顯著性結(jié)果高于5%，服從正態(tài)分布，進(jìn)行進(jìn)一步T檢驗(yàn)。剩余14個(gè)指標(biāo)，其漸進(jìn)顯著性結(jié)果低于5%，不服從正態(tài)分布，采用U檢驗(yàn)。

2.兩獨(dú)立樣本的T檢驗(yàn)。對(duì)符合正態(tài)分布的2個(gè)財(cái)務(wù)指標(biāo)進(jìn)行T檢驗(yàn)，在α=5%的顯著性水平下，產(chǎn)權(quán)比率X4、總資產(chǎn)凈利潤(rùn)率X9的T值均小于0.05，通過(guò)了T檢驗(yàn)。結(jié)果如下圖所示：

3.兩獨(dú)立樣本Mann-Whitney U非參數(shù)檢驗(yàn)。對(duì)不符合正態(tài)分布的 14個(gè)財(cái)務(wù)指標(biāo)進(jìn)行Mann-Whitney U檢驗(yàn)，檢驗(yàn)結(jié)果圖表省略，償債能力指標(biāo)中X1、X2、X5、營(yíng)運(yùn)能力指標(biāo)中X6、X7、X8、盈利能力中X10、X11、X12、X13、以及現(xiàn)金流動(dòng)性X16，共11個(gè)指標(biāo)通過(guò)了獨(dú)立樣本U檢驗(yàn)。其余3個(gè)指標(biāo)X3、X14以及X15未通過(guò)U檢驗(yàn)，將其從指標(biāo)體系中剔除。此外，由于初始指標(biāo)構(gòu)建時(shí)，發(fā)展能力是由X14、X15兩個(gè)指標(biāo)反映，因此可以得出以下結(jié)論，即在實(shí)證分析中，發(fā)展能力不是導(dǎo)致公司出現(xiàn)財(cái)務(wù)困境的主要因素，兩者關(guān)聯(lián)度較低。

結(jié)合上述檢驗(yàn)結(jié)果，將X3、X4、以及X15從16個(gè)指標(biāo)因子中剔除，最終確定13個(gè)財(cái)務(wù)預(yù)警指標(biāo)。

（四）財(cái)務(wù)困境預(yù)警指標(biāo)的主成分分析

鑒于部分財(cái)務(wù)指標(biāo)之間存在相關(guān)性，而Logistic模型易受多元共線性影響，因此，筆者采用主成分分析法，對(duì)存在相關(guān)性關(guān)聯(lián)的指標(biāo)，轉(zhuǎn)換成既不存在關(guān)聯(lián)性又能包含指標(biāo)將的原始信息的綜合性指標(biāo)因子。

1.主成分的提取。本文對(duì)上述13個(gè)財(cái)務(wù)指標(biāo)使用KMO檢驗(yàn)和Bartlett球形檢驗(yàn)，對(duì)其進(jìn)行相關(guān)性測(cè)試，結(jié)果如下圖所示，其中Bartlett的統(tǒng)計(jì)量顯著性為0.000<0.05，KMO值為0.706<0.5，正式指標(biāo)間存在一定關(guān)聯(lián)關(guān)系，適宜采用主成分分析法。

對(duì)前文檢驗(yàn)過(guò)的13個(gè)指標(biāo)進(jìn)行主成分分析，結(jié)果顯示：前三個(gè)主成分能夠反映原始變量的66.582%信息;提取的4個(gè)主成分能夠反映原始變量76.509%，適用于主成分分析。

此外本文采用特征值法提取主成分，對(duì)特征值>1的主成分進(jìn)行提取，特征值<1的主成分進(jìn)行剔除，觀察主成分碎石圖（見(jiàn)下圖），共有四個(gè)主成分指標(biāo)較大且均大于1，圖線具有明顯的斜率坡度，同時(shí)累計(jì)解釋方差為76.509%，除四個(gè)主成分指標(biāo)之外的成分，坡度較緩，圖線較平坦，因此，可以提取出這四個(gè)主成分指標(biāo)替換上文的13個(gè)指標(biāo)因子，進(jìn)行解釋說(shuō)明。

2.主成分的解釋。為了明確這四個(gè)主成分指標(biāo)的實(shí)際意義，并對(duì)其作出合理解釋。成分矩陣表略，可以得出主成分1主要包含X1、X2、X9、X10、X12、X13、X16，分別代表的是資產(chǎn)負(fù)債率、現(xiàn)金比率、總資產(chǎn)凈利潤(rùn)率（ROA）、總資產(chǎn)報(bào)酬率、銷(xiāo)售凈利率、每股收益及現(xiàn)金流動(dòng)性，主要反映了公司的盈利能力和償債能力，記為F1。主成分2主要與X4、X6、X9、X13有關(guān)，分別代表的是產(chǎn)權(quán)比率、固定資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)凈利率及每股收益，記為F2。主成分3主要由X7、X8表示，即應(yīng)收賬款周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率，這兩個(gè)指標(biāo)都是反映公司盈利水平的指標(biāo)，因此主成分3反映了公司的營(yíng)運(yùn)能力，記為F3。主成分4主要與X6、X7有關(guān)，分別代表的是固定資產(chǎn)周轉(zhuǎn)率與應(yīng)收賬款周轉(zhuǎn)率，記為F4。

3.主成分的表達(dá)式。進(jìn)一步通過(guò)SPSS24.0軟件進(jìn)行計(jì)算，得出各個(gè)主成分的得分系數(shù)，如下表所示，因此主成分F1-F4的數(shù)學(xué)表達(dá)式為：

F1=0.129X1+0.146X2-0.130X4+…+0.135X13+0.148X16

F2=-0.305X1-0.311X2+0.190X4+…+0.240X13-0.288X16

F3=-0.114X1-0.029X2+0.116X4+…-0.238X13-0.012X16

F4=-0.080X1+0.084X2+0.182X4-…+0.216X13+0.120X16

（五）Logistic財(cái)務(wù)困境預(yù)警模型的構(gòu)建與檢驗(yàn)

1.Logistic財(cái)務(wù)困境預(yù)警模型構(gòu)建。利用SPSS軟件對(duì)提出的四個(gè)主成分指標(biāo)進(jìn)行Logistic回歸檢驗(yàn)，建立上市公司T-2年的財(cái)務(wù)困境預(yù)警模型，參數(shù)分析結(jié)果如下表所示：

2.Logistic財(cái)務(wù)困境預(yù)警模型檢驗(yàn)。

（1）模型擬合度檢驗(yàn)。經(jīng)檢驗(yàn)，統(tǒng)計(jì)量Cox& Snell R2= 0.208，Nagelkerke R2=0.289，顯示模型擬合度的數(shù)值都小于0.5，但結(jié)合后續(xù)的建模樣本回歸檢驗(yàn)可知，該模型對(duì)于非ST公司的預(yù)測(cè)率92.6%，但對(duì)于ST公司的預(yù)測(cè)率卻呈現(xiàn)預(yù)測(cè)準(zhǔn)確率不準(zhǔn)確的特點(diǎn)。這可能與實(shí)證中，非ST公司在財(cái)務(wù)指標(biāo)變量上都呈現(xiàn)較統(tǒng)一的財(cái)務(wù)趨勢(shì)，非ST公司由于公司經(jīng)營(yíng)規(guī)模、重大決策及事項(xiàng)等方面的不同，財(cái)務(wù)指標(biāo)變量方面各有其特點(diǎn)和不同，不能形成統(tǒng)一的財(cái)務(wù)趨勢(shì)。也可能受中美貿(mào)易戰(zhàn)影響，股市對(duì)此表現(xiàn)出波動(dòng)劇烈的狀況，大量上市公司股價(jià)及經(jīng)營(yíng)狀況都波動(dòng)劇烈，此時(shí)標(biāo)記的ST公司可能因市場(chǎng)的劇烈波動(dòng)或行業(yè)大環(huán)境影響，導(dǎo)致此時(shí)的ST公司與其實(shí)際財(cái)務(wù)指標(biāo)情況相脫離的情況。

（2）建模樣本回歸檢驗(yàn)。筆者從我國(guó)上市公司中選取ST與非ST公司的樣本比例為1：2，因此，將0.5000作為財(cái)務(wù)困境模型的判定分割點(diǎn)，當(dāng)P>0.5000時(shí)，判定為ST公司，反之則為財(cái)務(wù)正常的公司。將141家T-2年的樣本數(shù)據(jù)帶入本文的財(cái)務(wù)困境模型中進(jìn)行回判分析，對(duì)T年的公司財(cái)務(wù)狀況的預(yù)測(cè)如下表所示：

三、結(jié)語(yǔ)

本文選取滬深兩市2017-2018年度A股上市公司中被特別處理的公司，為研究財(cái)務(wù)困境的樣本，其中ST公司47家，非ST公司94家，通過(guò)閱讀文獻(xiàn)，完成對(duì)16個(gè)指標(biāo)的初步篩選，利用SPASS24.0和Excel軟件，采用主成分分析法，將16個(gè)指標(biāo)替換成4個(gè)主成分指標(biāo)，完成對(duì)我國(guó)上市公司T-2年的財(cái)務(wù)困境模型的構(gòu)建，并對(duì)其進(jìn)行實(shí)證檢驗(yàn)，準(zhǔn)確率達(dá)78%，能夠?qū)ξ覈?guó)上市公司的財(cái)務(wù)狀況進(jìn)行一定的預(yù)測(cè)，使公司對(duì)其財(cái)務(wù)狀況進(jìn)行預(yù)警預(yù)判，盡早處理，模型具有一定的現(xiàn)實(shí)意義。

建立財(cái)務(wù)預(yù)警模型，能從一定程度上對(duì)企業(yè)的財(cái)務(wù)狀況，進(jìn)行預(yù)判，從而使企業(yè)管理者在企業(yè)真正面臨財(cái)務(wù)困境之前，做到盡早處理，避免企業(yè)財(cái)務(wù)困境的發(fā)生。其次，可以幫助銀行、債權(quán)人等其他與企業(yè)有關(guān)聯(lián)的盡早了解企業(yè)的財(cái)務(wù)狀況，做出正確的判斷，規(guī)避風(fēng)險(xiǎn)。并且可以幫助政府等監(jiān)管機(jī)構(gòu)，對(duì)市場(chǎng)進(jìn)行管控和管理，避免因此產(chǎn)生的“連鎖反應(yīng)”，導(dǎo)致整個(gè)行業(yè)甚至整個(gè)金融市場(chǎng)的動(dòng)蕩。（作者單位：西南林業(yè)大學(xué)）