制造業(yè)上市公司財務(wù)危機預警

　　下面是一篇小編精心準備的制造業(yè)上市公司財務(wù)危機預警的論文，歡迎各位需要的同學(xué)閱讀哦!

　　摘要：本文以2008-2010年被“特別處理”(ST和*ST)的34家制造業(yè)上市公司和68家健康公司為研究樣本，選取了資產(chǎn)負債率、應收賬款周轉率、銷(xiāo)售凈利率、主營(yíng)業(yè)務(wù)收入增長(cháng)率、現金流量比率、每股收益等25個(gè)財務(wù)預警初始指標，運用正態(tài)性檢驗、T檢驗、非參數檢驗以及相關(guān)性分析，篩選出了財務(wù)預警能力較強的財務(wù)指標;基于logistic回歸分析法，構建了T-2年、T-3年和T-4年的制造企業(yè)上市公司財務(wù)預警模型，采用樣本外檢驗法檢驗了所建模型的有效性，解釋分析了模型結果。結果表明模型具有較高的預測能力，尤其在發(fā)生財務(wù)危機的前兩年，準確度更是高達90%以上。

　　關(guān)鍵詞：財務(wù)危機;預警;制造業(yè);Logistic回歸

　　一、引言

　　面對經(jīng)濟全球化浪潮的沖擊，上市公司所面臨的競爭日益加大。在商業(yè)競爭日益劇烈的環(huán)境下，尤其是在經(jīng)濟秩序動(dòng)蕩的后金融危機下，上市公司所面臨的不確定性和各種威脅呈現頻數增加、化解困難、影響巨大等特征，最終導致企業(yè)財務(wù)危機的出現。在這一過(guò)程中，如何從“潛伏期”中挖掘各種可能導致財務(wù)危機的因素和特征，如何在公司陷入財務(wù)風(fēng)險之前進(jìn)行有效的預測，如何為證券市場(chǎng)各參與主體提供有效、科學(xué)地預測方法和準確的預測信息，是各有關(guān)方面密切關(guān)注的問(wèn)題之一。

　　財務(wù)危機又稱(chēng)財務(wù)困境，Foster認為財務(wù)危機是指公司出現了嚴重的資產(chǎn)折現問(wèn)題即償債問(wèn)題，而且這種問(wèn)題的解決必須要依賴(lài)于公司的經(jīng)營(yíng)方式或存在形式的轉變[1]。Frank 認為財務(wù)失敗是企業(yè)履行義務(wù)時(shí)的受阻，具體表現為流動(dòng)性不足、權益不足、債務(wù)拖欠及資金不足等四種形式，遭受這四種情形之一的企業(yè)即為財務(wù)危機企業(yè)[2]。劉紅霞和張心認為財務(wù)危機是企業(yè)明顯無(wú)力償還到期的無(wú)爭議的債務(wù)的困難與危機[3]。由此可見(jiàn)，財務(wù)危機的本質(zhì)是企業(yè)償債能力的低下[4]，因此本文選擇特別處理的ST和*ST公司作為財務(wù)危機公司。

　　國外關(guān)于財務(wù)預警的最早研究可以追溯到1932年的Fitzpartrick，他首次對19家公司進(jìn)行了單個(gè)財務(wù)比率破產(chǎn)預測模型的研究[5];隨后的Altman先后建立了經(jīng)典的Z評分模型和ZETA模型，通過(guò)多元回歸的方法預測財務(wù)困境[6];為克服多元回歸對數據正態(tài)分布的限制，Ohlson為代表的研究者們采用了條件概率模型進(jìn)行預測分析，主要有Logistic模型和Probit模型兩種統計方法[7]。近些年，由于神經(jīng)網(wǎng)絡(luò )和專(zhuān)家系統等非線(xiàn)性預測方法對變量分布的要求較低，從而得到一些研究和應用。

　　國內最早在財務(wù)預警方面做出貢獻的是吳世農等在1986年介紹的公司破產(chǎn)分析指標和預測模型[8]，之后眾多學(xué)者開(kāi)始采用不同預測方法對我國上市公司的財務(wù)狀況開(kāi)展研究，其中部分學(xué)者的研究?jì)热莺颓闆r如表1所示。

　　國內外相關(guān)文獻的梳理表明，財務(wù)預警的方法主要是統計方法和神經(jīng)網(wǎng)絡(luò )方法，變量處理的方式有T、Z、F檢驗和因子分析等方法�；�于此，本文采用分類(lèi)效果最好的Logistic模型進(jìn)行研究，并力圖在以下三方面有所改進(jìn)：一是變量的選擇方面增加了現金流量方面的信息;二是摒棄傳統研究模型中較少考慮行業(yè)差異和規模大小因素的影響，選擇最具代表性的制造行業(yè)進(jìn)行研究;三是采用股改之后的最新數據，通過(guò)K-S檢驗、T檢驗、非參數檢驗、相關(guān)性分析、Logistic回歸分析和樣本外檢驗等方法建立預測能力較強的行業(yè)財務(wù)預警模型。

　　二、樣本的選取

　　(一)研究樣本的選擇

　　本文選擇了在2008-2010年因財務(wù)狀況異常而被特別處理(ST和*ST)的A股制造業(yè)上市公司作為初始樣本，并在此基礎上按一定標準選擇了相應的健康公司作為配對樣本。由于ST公司都是由于T-1年的財務(wù)數據而被特別處理的，故采用T-2年的截面數據進(jìn)行分析。為保證模型的準確性，需建立3個(gè)預警模型，因此研究對象從T-2年向前追溯到T-4年，即下文中出現的T-2年為公司被ST前兩年的數據，T-3年、T-4年依此類(lèi)推。

　　(二)研究樣本的確定

　　已有文獻的研究大都采用1:1配對抽樣，即樣本組和控制組包含相等的研究個(gè)體。但Zmjiewski[14]研究了兩組間樣本個(gè)體數量分配的問(wèn)題，認為1:1配對會(huì )使樣本中兩類(lèi)公司的比例嚴重偏離其在實(shí)際總體中的比例，從而高估模型的預測能力，特別會(huì )高估對破產(chǎn)公司的預測能力，因此本文采用隨機抽樣的方法以1:2的比例按條件為ST公司選擇配對樣本。具體配對條件包括：一是所屬行業(yè)相同，用于排除行業(yè)特征差異;二是資產(chǎn)規模相近，所選公司與被“特別處理”公司的最近一個(gè)會(huì )計年度的年度資產(chǎn)規模相差不超過(guò)10%;三是正常組的上市公司擁有相對良好的財務(wù)狀況。

　　依據以上要求，本文初篩了2008-2010年被ST的41家公司(其中2008年9家，2009年10家，2010年22家)，考慮到2008年金融危機等系統性風(fēng)險的影響，剔除了主營(yíng)業(yè)務(wù)包括進(jìn)出口業(yè)務(wù)的3家公司，再剔除掉不能配對的4家公司，最終剩余34家ST公司，配對樣本為68家，共計102個(gè)研究樣本，并將其分為兩組：

　　估計樣本A1：包括23家ST公司及46家非ST公司，用于構建財務(wù)危機預警模型;

　　檢驗樣本A2：包括11家ST公司及22家非ST公司，用于檢驗模型的財務(wù)預警能力。

　　三、變量的選取

　　(一)初始變量

　　由于各公司被ST的原因不盡相同，所以很難用某幾個(gè)財務(wù)指標來(lái)衡量所有公司被ST而陷入財務(wù)危機的境況。本文在國內外研究成果的基礎上，從償債能力、營(yíng)運能力、盈利能力、成長(cháng)能力、現金流量能力指標及資本市場(chǎng)指標等6個(gè)方面選擇了初始變量25個(gè)，如表2所示。

　　Logistic模型一般選擇0.5作為判別點(diǎn)，事實(shí)上由于真實(shí)的事件發(fā)生概率不一定是0.5，這樣有可能造成預測偏差，本文借鑒了張愛(ài)民等人[13]的方法選擇分界點(diǎn)：選擇使總誤判率中最低的判別概率點(diǎn)，如果有兩個(gè)以上相同的點(diǎn)則選擇第一類(lèi)錯誤值最小的點(diǎn)，如果仍有相同的點(diǎn)則在其中選擇第二類(lèi)錯誤值最小的點(diǎn)。依此，T-2年的分界點(diǎn)為0.6、T-3年的分界點(diǎn)為0.5、T-4年的分界點(diǎn)為0.6。

　　2.模型的分類(lèi)準確率檢驗。對模型分類(lèi)準確率的檢驗采用樣本外檢驗，即將33個(gè)檢驗樣本分別代入T-2、T-3、T-4年模型，并根據上面確定的分界點(diǎn)，對模型的準確率進(jìn)行驗證，最終結果如表6所示。結果表明，T-2年的模型預測準確率高達90%，準確率較低的T-3年模型準確率也在72%以上，表明所構建模型具有較高的預警能力，尤其是運用T-2年的數據和模型進(jìn)行預警效果最佳，可以應用于現實(shí)環(huán)境。

　　四、結論

　　本文以我國制造業(yè)上市公司作為研究對象，構建并分析了該行業(yè)不同時(shí)點(diǎn)的財務(wù)預警模型。通過(guò)以上研究可以發(fā)現：首先，預警模型對該行業(yè)上市公司發(fā)生財務(wù)危機具有預測能力;其次，在上市公司發(fā)生財務(wù)危機的前4年中，按不同年份構建預警模型是合理的，因為不同年份存在不同的顯著(zhù)性財務(wù)指標;再次，不同年份預警模型的預測能力不盡相同，距離T年越近的模型其預測能力越強;最后，制造業(yè)上市公司應該更加關(guān)注對應收賬款和運營(yíng)資金的管理，因為這兩個(gè)因素會(huì )嚴重影響公司未來(lái)的財務(wù)狀況。

　　參考文獻：

　　[1] Foster G. Financial Statement Analysis[M].Prentice Hall Englewood Cliffs, NJ, 1986.

　　[2] Easterbrook, Frank. Is corporate bankruptcy efficient?[J].Journal of Financial Economics, 1990(27)：41l-418.

　　[3] 劉紅霞，張心林.以主成分分析法構建企業(yè)財務(wù)危機預警模型[J].中央財經(jīng)大學(xué)學(xué)報,2004(4)：70-75

　　[4] 賈明琪，辛江龍.上市公司財務(wù)困境預警系統模型及實(shí)證研究[J].華東經(jīng)濟管理，2008(5)：76-80.

　　[5] Fitzpatrick,P.J.A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms[J].Certified Public Accountant, 1932(2)：73-589.

　　[6] Altman, E, I, Haldenan, R.G&Narayanan, P.ZETA.A New Model to identify Bankruptcy Risk of Corporations[J].Journal of Banking and Finance, 1977,1(6)：29-54

　　[7] Ohlson, J. S. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research, 1980,18(7): 109-131.

　　[8] 吳世農，黃世忠.企業(yè)破產(chǎn)的分析指標和預測模型[J].中國經(jīng)濟問(wèn)題, 1986(6): 15-22.

　　[9] 周守華.論財務(wù)危機的預警分析-F分數模型[J].會(huì )計研究,1996(8)：8-11.

　　[10]陳靜.上市公司財務(wù)惡化預測的實(shí)證分析[J].會(huì )計研究,1999(4)：31-38.

　　[11]吳世農，盧賢義.我國上市公司財務(wù)困境的預警模型研究[J].經(jīng)濟研究，2001(6):21-26.

　　[12]楊保安，季海，徐晶.BP神經(jīng)網(wǎng)絡(luò )在企業(yè)財務(wù)危機預警之應用[J].預測, 2001(2)：62-68.

　　[13]姜秀華，任強，孫錚.上市公司財務(wù)危機模型研究[J].預測,2002(3)：56-61.

　　[14]Zmijwski,M.E. Methodological Issues Related to the Estimation of Financial Distress Prediction Models[J].Journal of Account Research, 1984(22):59-82.

　　[15]張愛(ài)民，祝春山，許丹健.上市公司財務(wù)失敗的主成分預測模型及其實(shí)證研究[J].金融研究，2001(3): 10-25.

　　[16]Andrew Fight. Credit risk management [M].Oxford：Elsevier Butterworth Heinemann, 2004.

【制造業(yè)上市公司財務(wù)危機預警】相關(guān)文章：

10-08

10-06

08-27

11-25

05-22

03-20

11-05

06-18

10-09

12-28