企业财务预警(6)

6-1第六章上市公司静态财务预警研究6-2第六章上市公司静态财务预警研究第一节研究目的第二节研究对象的界定第三节样本设计和研究变量第四节研究结果及其分析第五节研究结论及其局限性6-3第一节研究目的如何选取有价值、有可操作性的研究对象（我国目前尚无上市公司破产案例）。如何在对国外经典研究成果进行回顾和总结的基础上，建立适合我国国情的预测模型。如何在保证一定预测精度的前提下，降低模型的复杂程度和减少使用变量的个数。为提高预测的及时性，如何进行较长时间跨度的准确预测。如何在静态预测的基础上，建立具有更高预测精度和理论价值的动态预测模型。6-4第二节研究对象的界定一、界定方法1.界定的研究对象：因“财务状况异常”而被特别处理（ST）的A股上市公司。2.界定的理由1）上市公司具有代表性2）我国A股上市公司的资料比较完整3）ST的A股上市公司特征明显二、研究对象界定的实际意义1.陷入财务困境公司的数量在不断增加；2.陷入财务困境公司的地区分布在不断扩大；3.陷入财务困境公司亏损严重，股东权益侵蚀严重。6-5第三节样本设计和研究变量一、样本设计二、研究变量6-6一、样本设计1.样本选择的重要性关系到预测模型的外部适用性和预测能力。2.样本选择的标准1）ST样本组被特别处理的公司（1998－2000）作为ST样本组，并获得至少在其被ST之间三年的财务资料。2）非ST样本组根据公司被“ST”前一年的行业分类和总资产规模，选择相应的控制样本。3）组内分布控制使来源于3个会计年度的最终样本个体，在各年的分布大致平均（Altman（1968）方法）。6-7一、样本设计3.样本设计由34家ST公司和34家非ST公司构成标定资料集来构造预测模型，由10家ST公司和相应的10家非ST公司组成预测样本，来检验已建立模型的预测能力。6-8二、研究变量通过广泛参考国内外相关研究中，对预警模型有显著贡献的预测变量，并结合我国国情，初步确定了反映企业财务状况的31个备择预测变量。•财务结构（5个）负债/股东权益负债/股东权益＋少数股权及权益负债/总资产流动负债/总资产固定资产/总资产•偿债能力（4个）营运资本/总资产流动比率（货币资金＋短期投资＋应收净额）/流动负债1X2X3X4X5X6X7X8X6-9二、研究变量速动比率•经营能力主营业务收入/总资产应收帐款周转率存货周转率存货总额/主营业务收入净额存货净额/主营业务收入净额营运资本/主营业务收入净额•经营效率净利润/总资产主营业务利润/总资产主营业务收入/股东权益主营业务收入/股东权益＋少数股权及权益9X12X15X10X11X13X14X16X17X18X19X6-10二、研究变量净利润/主营业务收入净额（利润总额＋财务费用）/总资产净资产收益率每股收益非主营业务利润/总资产•成长基础及能力本年度净利润增加/本、上年度净利润绝对值之和主营业务收入增长率总资产收益率留存收益/总资产每股净资产每股公积金每股未分配利润22X20X21X23X24X25X26X27X30X28X29X31X6-11第四节研究结果及其分析一、样本组概况描述二、初步贝叶斯判别结果三、逐步判别分析结果四、基于中报数据的预测模型五、中长期预测模型6-12一、样本组概况描述1.分别对两个样本组ST前一年的31个变量值进行描述性统计，同时检验所选取变量在ST组和非ST组之间是否存在显著性差异，以证实变量在模型构造中的代表性。（统计结果P158－159）2.统计分析结论：1）从财务结构看，、通过1％的t检验，表明ST公司比非ST公司债务负担重。2）在偿债能力方面，、和通过1％的t检验，其中在偿债能力指标中具有最高的代表性；、表明ST公司的存货数量一般高于非ST公司，而货币资金、短期投资等变现能力强的资产价值3X4X6X8X9X6X9X8X6-13一、样本组概况描述则低于非ST公司。3）在衡量经营能力方面，和通过1％的t检验，意味着ST公司的总资产周转率、存货周转率及利用主营业务收入获取营运资本的能力要低于非ST公司。4）在反映经营效率方面，、、、、通过1％的t检验，表明ST公司的经营效率明显低于非ST公司。5）在反映成长基础和能力方面，、、、通过1％的t检验，表明ST公司的未来成长性明显坏于非ST公司。10X15X23X22X16X17X24X27X29X28X31X6-14二、初步贝叶斯判别结果用贝叶斯判别方法对ST前一年的资料进行判别分析，构造判别模型：11234567891011121314151617181920.76890.22350.17031.85090.14350.73660.78160.00450.05730.07460.23250.00440.00030.00740.06760.00282.02131.37910.27480.03700.0082ZXXXXXXXXXXXXXXXXXXXX021222324252627282930311.28090.14170.21880.57260.23360.01750.12121.48090.05170.10050.1633XXXXXXXXXXX6-15二、初步贝叶斯判别结果将阀值点设为0.5；Z值0.5的为ST公司，Z值0.5的为非ST公司。判别结果（P161）表明：所选择的变量和模型对样本的拟合程度很好。使用已构造的模型对随机抽取的新样本（20）进行预测检验，以判断模型的预测价值。6-16三、逐步判别分析结果1.贝叶斯方法存在的问题1）模型实用性较低。31个变量使得模型较复杂，同时收集这些变量值及计算最终结果成本很高。2）模型的正确性及外部适用性有待提高。变量不完全服从多元正态分布。2.研究目标寻找最优的变量组合，在保证达到甚至超过原判别模型的判别精度和预测精度的同时，使进入模型的变量个数尽可能地少。3.方法描述及分析结果6-17三、逐步判别分析结果对已有的31个变量进行逐步筛选以进一步优化模型。在15％的显著性水平下，每次增加1个百分点，重复进行逐步判别分析过程。最后发现以36％的显著水平筛选出的结果构造的判定模型是最优的。具体模型如下：该模型只包含12个预测变量，各项检验结果均优于全变量模型。31292825419241411721311346.00412.00648.11640.05608.00711.06276.00726.00443.05686.10601.24029.11677.0XXXXXXXXXXXXZ，6-18四、基于中报数据的预测模型1.研究背景和意义背景：年报数据的实际预测应用价值有较大局限。多数国家为及时了解企业信息，要求公布中报。意义：能够获得不低于年报模型的预测精度，极大地提高了预测的及时性。2.样本设计和数据选取样本设计：样本的选取标准和设计同本章第三节数据选取：选取ST公司陷入财务困境前一年的中报数据研究变量：沿用原年报预测模型构建时的备择变量（除去：每股未分配利润），对这30个变量进行30X6-19四、基于中报数据的预测模型描述性统计，并用t检验考察组间的变量值差异。中报数据除受季节和商业营运周期影响外，还有如下特征：1）在偿债能力方面，ST公司普遍低于非ST公司。2）在经营能力方面，ST公司在主营业务开展和存货管理方面均劣于非ST公司。3）在盈利能力方面，ST公司明显低于非ST公司。特别是主营业务利润的获取。4）从成长能力来看，ST公司也明显弱于非ST公司。3.研究结果及分析首先，仍使用贝叶斯判别方法构造ST前一年的中报全变量模型。6-20四、基于中报数据的预测模型其后，对模型进行交互验证，发现预测效果优于原年报模型。最后，使用逐步判别分析方法对30个变量进行筛选，寻求最优中报模型（方法和步骤同前）：结果表明：运用贝叶斯判别、交互验证和逐步判别分析方法可以构造较为精确的中期报告预测模型。该模型较年报模型既提高了及时性，又提高了预测精度。,111092225282673111529617191.26510.90730.02530.60250.25141.08120.03180.16970.09870.01940.00950.09320.09531.85510.0551ZXXXXXXXXXXXXXX6-21五、中长期预测模型1.中长期预测指提前2至3年或更长时间跨度所进行的财务预警。2.研究意义•动态地关注公司在陷入困境前不同时点的财务状况和经营业绩；•探寻企业衰败过程中各个阶段的财务特征；•寻找在不同时期对企业具有显著指示能力的“信号指标；•建立预测精度更高，更及时的模型。3.全变量模型所采用的样本设计和研究方法，同一年期预警模型。6-22五、中长期预测模型首先，分别对两个样本组在财务困境前1至3年的31个变量值进行均值、中位数、方差等描述性统计，同时检验所选取变量在两组之间的显著性。其次，使用多元线性判别方法构造财务困境前2至3年的全变量（31个）预测模型。最后，对模型进行回判检验和交互检验分析，发现模型的正确性和外部适用性有待提高，且信号指标过多。4.最优中长期预测模型建立及分析目标：寻找对企业长期生产经营前景有指示能力的“信号”指标，构造最优变量组合，提高模型预测精度。6-23五、中长期预测模型方法:使用逐步判别分析方法进行中长期预测变量的筛选。最后我们得到了最优前两年和前三年预测模型：比较前一、前二和前三年的最优模型，发现所包含的变量个数呈12－5－3的变化。可见，企业在陷入财务困境前，会经历一个逐步衰落的过程；同时，在衰落过程中，不同财务指标会呈现不同的特征，指标出现的时点也会不同。另外，随着预测跨度的延伸，变量减少，说明长期经营过程中存在具有较高前瞻性的指标。21710425150.24291.39240.31760.71930.33420.0180ZXXXXX，,3172130.40883.92260.11250.1849ZXXX,123ZZZ，，、和6-24第五节研究结论及其局限性一、研究结论1.多元线性判别方法（MDA）在我国财务预警研究中具有很高的应用价值。2.恰当的逐步判别分析方法在财务预警中具有很高的应用价值，可以减少模型变量，提高预测精度。3.企业在陷入财务困境前，大量财务指标普偏发生异化的年份是第二年。应筛选显著水平适中、信息含量较为充分的变量。4.对于较长时间跨度的预测，关键是找到对企业长期经营状况有较强指示能力的“信号”比率。5.对不同的时间跨度，应构造不同的预测模型。6-25第五节研究结论及其局限性6.首次尝试采用上市公司中报数据来构造财务预警模型。二、研究局限性及趋势展望1.研究局限性1）对由于资料的时间性差异可能带来的模型偏差未能很好的加以处理。2）研究变量选择尚显单一。3）在判定准则确定时，使用的是等先验概率和等误差成本。2.趋势展望预测研究具有较高的实用价值6-26第六章结束