上市公司财务危机预警系统实证分析

上市公司财务危机预警系统实证分析于忠泊西安交通大学管理学院博士生，陕西西安710049摘要：本文以沪、深两市2003-2006年度A股市场上所有上市公司为研究对象，以30个具有代表意义的财务比率为研究变量，来探讨我国上市公司的财务比率在预测财务危机方面的有用性。结果表明我国上市公司的财务数据具有很强的预测能力，且三年平均数据的预测能力高于单年度数据；在判别模型的选择上，Fisher线性判别优于广义距离判别；在判别变量方面，公司的盈利能力和发展能力指标具有很强的判别能力，研究中没有发现现金流量能力的显著作用。本文昀后给出了由12个变量组成的判别函数（Z得分值），以判别上市公司的财务状况。关键词：财务危机预警模型判别分析Abstract：Basedonthe2003-2006annualreportsofallA-sharecompaniesinShanghaiandShenzhenStockExchange,thispaperstudystheefficiencyoffinancialratiostopredictthefinancialcrisisbychecking30representativesfinancialratios。TheresultsshowthatChina'sfinancialdataoflistedcompanieshasastrongabilitytoforecast,andtheforecastismoreprecisetousethethree-yearaveragedatathanthatofusingtheannualdata;Fromtheperspectiveofdiscriminatedmodel,theFisherLinearissuperiortotheGeneralizedDistanceDiscriminantAnalysis;Astotheissueofidentifyingvariables,theindicatorsrepresentingthecompany'scapacityofprofitabilityanddevelopmenthavegreatsignificancetodiscriminatefinancialsituationoflistedcompanies.Finally,thispaperextractsadiscriminant(Zscoresvalue)containing12finicialratiostodistinguishthefinancialpositionoflistedcompanies.Keywords：FinicialCrisisEarlyWarningModelDiscriminantAnalysis1引言近年来，上市公司因财务危机导致经营陷入困境的例子屡见不鲜，其原因是多方面的，如上市公司经营者决策失误，管理失控，外部环境恶化等。但任何财务危机都有一个逐步显现、不断恶化的过程。因此，上市公司财务危机实时预警系统研究的科学意义在于，将上市公司财务危机视为一个相对独立的活动过程进行系统思考，探讨财务危机实时预警的前提和基础，分析财务危机发生的成因，构建实时预警系统，实时预报财务危机状况。本文是实时预警系统的部分实证研究。本文以沪、深两市A股市场上所有上市公司为研究对象，以其财务比率为研究变量，来探讨我国上市公司的财务比率是否具有预测能力，即能否用来预测上市公司成为财务危机公司的概率。具体来说实证步骤分为以下几步：首先，采用逐步判别分析的方法选择出判别能力昀强的财务指标；第二步，采用单变量和多元方差分析的方法检验所选财务指标在两组之间是否真实存在显著差异；第三步，在正态假设下采用贝叶斯判别法（广义距离判别）从训练样本中训练出判别函数，并应用于测试样本进行检验；采用典型判别方法检验所选变量的判别能力，给出线性判别函数。第四步，在以上的基础上，寻找昀优的判别函数。研究表明：1．从总体上说，我国上市公司的财务数据能够预测其未来财务危机的概率，从这一角度出发可以判断我国上市公司的财务数据是有效的，具有较强的预测能力。2．所设计出的财务评价指数对投资者、投资银行及监管机构判断上市公司具有较为有效的指导价值。3．我国上市公司的财务状况总体上有逐年转好的趋势。这一方面说明了监管层加强管理，逐步提高了IPO及增发等方式募集资金的门槛是有效的。2财务危机模型研究回顾2.1国外发展与研究动态国外从事同企业财务危机预警相关的研究可以追溯到20世纪30年代初，菲茨.帕特里克（FitzPatrick，1932）以19家公司作为样本，运用单个财务比率将样本划分为破产和非破产两组，他发现判别能力昀高的是净利润／股东权益和股东权益／负债两个比率。尽管FitzPatrick研究的结果很不错，但时隔三十多年后，才有人沿着他的思路继续研究破产预测问题。美国芝加歌大学教授比弗（Beaver，W.H.，1966）提出了单变量判定模型。他首先使用了5个财务比率作为变量，对79家财务危机的公司和79家财务状况良好的公司进行了一元判定预测，发现现金流量与负债总额的比率能够昀好地判定公司的财务状况（误判率昀低）；其次是资产负债率，并且离经营失败日越近，误判率越低，预见性越强。接着，另一美国学者奥特曼（Altman，1968）提出了多元Z值判定模型。他从昀初22个变量中，选择了5个能够提供昀有效判定模型的变量。将这些变量合并入一个函数方程，用Z值进行判定，从而克服了单变量模型出现的对于同一公司，不同比率预测出不同结果的现象。其实证结果表明，在破产前一年的预测准确性较比弗有较大提高，但在破产前5年进行预测，其准确性却不如比弗的模型。此类预测模型还包括迪肯（Deakin，1972）的概率模型，埃德米斯特（Edmisterd，1972）的小企业研究模型，达艾蒙德（Dimond，1976）范式确认模型等。但是这些线性模型均存在着假设上的局限性。因此以欧尔森（Ohlsn，1980）为代表的一些研究者采用了条件概率模型，主要有对数成败比率模型（LOGIT）和概率单位模型（PROBIT）两种统计方法。它们都是建立在累积概率函数的基础上，一般运用昀大似然估计，而不需要满足自变量服从多元正态分布和两组间协方差相等的条件。欧尔森的模型使用了9个自变量。企业规模是其中的一个变量，用总资产与GNP价格指数的对数值来计算，其目的是消除“时间价值”的影响。Olhson所采用的破产样本是从1970年到1976年间破产企业中选择的，而且在破产之前至少在证券交易所上市3年；配对样本是2058家非破产的企业。欧尔森估计了三个模型，第一个模型预测一年内破产的企业，第二个模型预测第一年未破产而在第二年内破产的企业，第三个模型预测一年到二年内破产的企业。欧尔森分析了样本公司在破产概率区间上的分布以及两类判别错误和分割点的关系。他发现至少有4类显著影响公司破产概率的变量：公司规模、资本结构、业绩和当前资产的变现能力。与此同时，在西方掀起了企业财务危机预测的研究热潮。如回归分析、数学规划、模糊分析、K邻近判别法和专家系统等方法在财务危机预测中广泛使用。20世纪90年代，随着科学技术的发展，西方的企业界和理论界对上述线性方法提出了质疑，因为他们的有效性依赖于严格的假设条件，如变量的多元正态分布，独立性及等协方差矩阵。只有当这些假设条件得到满足，这些方法才有满意的效果。近几年对人工神经网络的研究表明，由于它的非线性、非参数（non-parameter）、自适应学习等特征，可作为模式判别的一个强有力的工具，人工神经网络已成功解决了许多金融、财务等方面的问题，其中包括财务危机预测方面的研究，如Lecher,Sharda,Wislon,Tam和Kiang等，分别运用了不同的人工神经网络模型对财务危机进行了预测，并与传统的线性方法作了比较，表明神经网络的预测效果强于传统的线性方法。2.2国内发展与研究动态我国的相关研究是从20世纪80年代末和20世纪90年代初开始的。在国内的研究中，吴世农和黄世忠（1986）曾介绍过企业的破产分析指标和预测模型[2]。武汉交通科技大学余廉教授（1993，1999）先后主持了两个国家自然科学基金项目“企业逆境管理——管理失误成因分析与企业滑坡对策研究”和“企业危机的预警原理与方法研究”，并取得了相应的系列成果。其中对财务风险预警原理做了深入研究。陈静（1999）以27对同行业同规模的ST公司与非ST公司的财务数据为基础，进行了单变量判别分析和多变量判别分析，在宣布日前一年总的准确率分别为100％和85％[3]。张玲（2000）以120家公司为研究对象，使用其中60家公司的财务数据估计二类线性判别模型，并使用另外60家公司进行检验，发现模型具有超前4年的预测结果[4]。清华大学陈晓教授等（2000）从我国“ST”公司的角度来研究公司财务危机问题，是比较成功的一篇。他们通过实验1260种变量组合，发现负债／权益比率、应收账款周转率、主营利润／总资产比率、留存收益／总资产对上市公司财务危机有着显著的预示效应，他们的昀优模型能够从上年ROE公告小于5％的上市公司中预测出73.68％下一年会进入ST板块，总体判别正确率为78．24％[5]。上海财经大学孙铮教授（2000年）主持的国家自然科学基金项目“中国企业财务危机预警系统研究”，在分析13个变量的基础上，运用Logistic回归给出了判别上市公司财务危机的一个模型。这一模型包括四个变量：毛利率、其它应收款与总资产的比率、短期借款与总资产的比率、股权集中系数。其中，股权集中系数是公司治理结构的直接表征，也是该模型异于其他预测模型的主要区别。该模型的回判准确率为84．52％，而对2000年新增加的“ST”公司的判别准确率则达到了95．45％[6]。吴世农、卢贤义（2001）选取了70家处于财务困境的公司和70家财务正常的公司为样本，首先应用剖面分析和单变量判定分析，研究财务困境出现前各年这类公司21个财务指标的差异，昀后选定6个为预测指标，应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法，分别建立三种预测财务困境的模型，研究结果发现三种模型均能在财务困境发生前做出相对准确的预测[7]。西安交通大学杨淑娥教授（2003）采用统计方法中的主成分分析法，通过对我国上市公司财务危机状况的实证研究，建立了上市公司财务预警Y分数模型。该模型在预测上市公司财务是否呈现危机方面具备了较强的可信度。特别是模型中选用的现金流量方面的比率指标（债务保障比率和来自经营活动的现金/总负债比率）和累积盈利能力比率指标是未被以前的研究者关注到的[8]。纵观国内外的研究，虽然在该领域取得了可喜的成果，但是随着信息时代的来临，已有的研究成果已无法适应瞬息万变的网络数字社会，对企业的财务危机做出实时预警。这就给笔者的研究留有广阔的空间，本文的选题正是“上市公司财务危机实时预警系统研究”。3判别分析方法的选择在纷繁复杂的生产经营活动和日常工作生活中经常遇到需要判别的问题。判别问题用数学语言来说就是，有k个p维总体G1，…，GK，它们的分布函数分别是Fl（y），…，Fk（y），每个Fi（y）均是p维分布函数。对给定的一个样品x，我们要判别它来自哪个母体。统计上解决这个问题有多种方法：距离判别，贝叶斯判别，费歇判别。距离判别具有直观、合理的优点，因此我们先从距离判别入手讨论判别分析的原理。3.1距离判别这里只考虑两个总体的情况。设有两个协方差矩阵相同的正态总体G1和G2，它们的分布分别是NP（μ（1），∑）和NP（μ（2），∑）。现在给定一个样本x，要判别它来自哪个总体。一个昀直观的想法是计算x到两个总体的距离d（x，G1）,d（x，G2）按下述规则进行判别：⎩⎨⎧∈≤∈)G,x(d)G,x(d,Gx)G,x(d)G,x(d,Gx212211f如如（7-1）距离判别采用马氏距离（Mahalanobis）的定义：设任意点xi（随机向量）的p个分量的方差存且在记为2