金融危机前后我国上市公司财务困境模型的变化研究

金融危机前后我国上市公司财务困境模型的变化研究：以沪市上市公司为例重庆工商大学张喆、张芳玲、毛琳摘要：本文从金融危机的大背景出发，以沪市上市公司为分析对象，选用应收账款周转率、资产负债率、营业利润与总资产的比率、留存收益（未分配利润和营业盈余）与总资产的比率、营业资本与总资本的比率等财务指标和第一大股东持股比例的非财务指标，对前金融危机阶段与后金融危机阶段分别建立Logistic模型，找出企业灵敏性指标，为企业高管和政府监管部门提供决策参考。关键词：财务困境；金融危机；Logistic模型一、引言财务预警模型是用来研究公司财务状况的，它的建立与分析是一个不断变化与发展的过程，其重要意义主要体现在以下3点：首先对于广大投资者来说，通过模型给出的预警信号，可以使投资者更理性的投资。其次对于企业来说，可以利用预警模型了解企业目前的运行状况和出现的问题，并根据模型系数的变化，改变投资策略，找准发展方向，使企业效益不断上升。最后对于国家监管部门而言，可以利用模型的整体状况了解当前哪些企业存在财务风险，对其进行风险提示，可依此对相关产业的企业给与风险提示，使得国民经济平稳快速的发展。国内外很多专家学者对这一领域做出了巨大的贡献，而且在当今学术界对于财务模型的修正和指标的选取仍是一个热点话题。国外的财务预警模型发展较早并且较为成熟，开创性的工作始于FitPatrick(1932)和Beaver(1966)利用财务指标建立的线性判别模型。随后分别经历了Altman(1968)的Z分数模型和Martm(1977)逻辑判别方法，随着统计学技术的提高，更多更复杂的模型运用到财务预警模型之中，例如神经网络和支持向量机等方法。我国预警模型的建立起步较晚，但发展速度很快。章之旺(2004)利用单变量与多变量Logistic模型建立我国的财务预警模型，张根明、向晓骥(2007)利用支持向量机(SVM)的方法建立了我国上市公司的财务预警模型，并与神经网络方法进行了比较，得出前者更具有效性的结论。本文在国内外学者研究的基础上，从一个全新的分析角度入手，着眼于金融危机的大背景下，选取部分有代表性的财务指标，采用Logistic模型对前金融危机阶段与后金融危机阶段这两个时期分别建立公司财务困境判别模型，并以模型系数为着眼点，对这两个模型进行比较，找出对金融危机反应较为剧烈的指标。这些灵敏性指标反映企业在金融危机阶段较易受冲击的财务指标，若这些指标发生变动，则表明企业陷入财务困境的风险性加大，由此可见找出这些指标至关重要。二、建立模型方法的选择利用财务指标刻画公司的财务状况有许多方法。如一元线性回归、Z得分模型法、神经网络、小波分析等。当前学术界利用较多较为成熟是Logistic模型，该模型有点很多，如建立模型时不需要变量服从正态分布，而且参数估计效果稳健等。本文采用Logistic模型进行研究分析。1、该模型的假设条件（1）因变量是分类变量或者是某时间发生的概率。（2）自变量与Logistic(P)之间为线性关系。（3）模型的残差之和为0，并且服从二项分布。（4）各观测值之间相互独立。2、模型形式为：设因变量为y，其取值0表示事件发生，取值1表示事件没有发生。影响y的m个自变量分别记为：12,,,mxxx01122mmy（1）Logistic回归模型为：111yyyePee（2）三、指标的选取国内外对财务预警模型指标的选取，主要集中在财务指标和非财务指标。其中财务指标主要包括：1、盈利能力指标：资产收益率、销售净利率、资产报酬率、每股收益、成本费用利用率、累计盈余等。2、偿债能力指标：流动比率、速动比率、资产负债率、权益负债比、利息保障倍数、营运资金占用率、产权比率等。3、营运能力指标：应收账款周转率、存货周转率、总资产周转率、流动资产周转率等。4、发展能力指标：主营收入增长率、股东权益增长率、主营业务利润增长率、资本保值增长率等。5、现金流量指标：现金总负债比率、现金流动负债比、现金流入流出比、经营现金净流量流动负债比等。非财务指主要包括：1、公司治理结构：第一大股东持股比例、独立董事比例、高管持股比例等。2、市场信息：股票换手率、已流通股比率、年度累积超额收益率等。3、审计意见：年度财务报告审计意见。本文所用指标也从上面两个部分进行选取，包括财务指标和非财务指标。财务指标的选取采用了许慧（2006）选用的应收账款周转率、资产负债率、营业利润与总资产的比率、留存收益（未分配利润和营业盈余）与总资产的比率、营业资本与总资本的比率。这五个指标是许慧对陈晓和陈治鸿（2000）所利用的六个指标改进得到的，其在模型中具有显著差异性，建立模型效果较好。非财务指标选取第一大股东持股比例。四、数据的收集及说明本文以我国沪市上市公司的财务数据作为分析基础，具体理由如下：（一）指标获得的便利性由于公司财务数据属于一个单位的内部资料，得到较为困难。但是对于上市公司而言，其财务数据都是公开透明的。这些资料可以在公司网站或者是上海证券交易所的信息公布中获得。（二）指标本身的可行性由于特殊的国情，我国还没有正式破产的公司，更无从谈起破产公司的财务状况。因此国内学者对于预警模型的研究都是采用以特别处理和非特别处理的上市公司的财务数据作为分析对象。本文主要是利用上市公司的财务与非财务指标，建立前金融危机预警模型和后金融危机预警模型，具体选取数据方法如下：对于前金融危机时期，将2005年的所有沪市上市公司作为分析总体，利用其财务报表中对应的财务和非财务指标作为分析后金融危机的数据基础。这里作者采用简单随机抽样的方法选取了沪市中20只ST股票及与其规模类似的20非ST股票。对于后金融危机时期，将2009年的所有沪市上市公司作为分析总体，具体数据选取方法同上。在沪市和深市中分别选取了20只ST股票及与其规模类似的20非ST股票。这里需要说明两点：1、本文中没有从总体中另外选择部分测试样本，来进行预测效果检验。这与模型使用目的有关，本文主要是利用模型对财务现状分析找出与金融危机密切相关的指标，而不是用来进行财务预警模型的预测。2、为保证数据的准确性，本文数据的获得都是利用上海证券交易所公布的上市公司的年报，在年报中找到对应的指标并通过计算获得相应的财务和非财务指标。五、模型的建立：自变量设为公司的类型，其选取的规则为以0代表财务困境，1代表财务健康。自变量的选取规则如下：1x：应收账款周转率，2x：资产负债率，3x：营业利润与总资产的比率，4x：留存收益（未分配利润和营业盈余）与总资产的比率，5x：营业资本与总资本的比率，6x：第一大股东持股比例。运用SPSS16.0统计分析软件，采用Forward：LR方法建立我国财务困境的Logistic模型，具体模型形式如下：（一）前金融危机模型：沪市上市公司的财务困境模型（以2005年数据计算），采用Logistic模型，模型的具体输出形式如表1：表1前金融危机时期沪市上市公司的财务困境模型BS.E.WalddfSig.Step1a留存收益与总资产的比率24.45811.1944.77410.029Constant1.1630.6483.22410.073Step2b留存收益与总资产的比率37.02716.2285.20610.023第一大股东持股比例-13.7047.6103.24310.072Constant8.3854.3543.71010.054表1表明在建立的Logistic回归模型中，经过两步调整只有留存收益与总资产的比率（4x）和第一大股东持股比例（6x）最终进入了模型，在显著性水平为0.1的条件下，两个指标均显著。并可得到前金融危机时沪市上市公司的财务困境模型，其具体形式为：46(8.38537.02713.704)11xxpe（3）如表2所示，在SPSS的输出结果中NagelkerkeRsquare的值为0.909，表明该模型拟合效果较好，可用来进行分析。具体拟合效果参见表2：表2前金融危机时期沪市上市公司的财务困境模型拟合效果Step-2LoglikelihoodCox&SnellRSquareNagelkerkeRSquare116.058a0.6260.83529.627a0.6820.909从模型的形式上可以看出，留存收益与总资产的比率（4x）的回归系数为正值，由于ln1pp在0,1上是一个单调递增函数，因此其值越大，对于我国在上海交易所上市的公司而言，出现财务困境的可能性就越小。第一大股东持股比例（6x）的回归系数为负值，可以看出其值越小，公司出现财务困境的可能性就越小。可以这样理解当企业留存收益越大、总资产越小、第一大股东持股比例越小，公司出现财务危机的可能性就越小，也就是说公司运行状况良好。（二）后金融危机模型：沪市上市公司的财务困境模型（以2009年数据计算），模型的具体输出形式如表3：表3后金融危机时期沪市上市公司的财务困境模型BS.E.WalddfSig.Step1a第一大股东持股比例7.3692.7377.24710.007Constant-2.6070.9717.20910.007Step2b留存收益与总资产的比率5.3892.0406.98010.008第一大股东持股比例4.7574.4491.14310.285Constant-0.4391.6260.07310.787Step3b留存收益与总资产的比率6.4942.0899.66310.002Constant1.3460.5795.39410.020表3表明在建立的Logistic回归模型中，经过三步调整后只有留存收益与总资产的比率（4x）最终进入了模型，在显著性水平为0.1的条件下，该指标均显著，并可得到后金融危机时沪市上市公司的财务困境模型，其具体形式为：4(1.3466.494)11xpe（4）如表4所示，在SPSS的输出结果中NagelkerkeRSquare的值为0.716，表明该模型拟合效果较好，可用来进行分析。具体拟合效果参见表4：表4后金融危机时期沪市上市公司的财务困境模型拟合效果Step-2LoglikelihoodCox&SnellRSquareNagelkerkeRSquare143.876a0.2510.335223.290b0.5520.737324.653b0.5370.716从模型的形式上可以看出，留存收益与总资产的比率（4x）的回归系数为正值，因此其值越大，对于我国在上海交易所上市的公司而言，出现财务困境的可能性就越小。可以这样理解当企业留存收益越大、总资产越小，在后金融危机时期公司出现财务危机的可能性就越小，也就是说公司运行状况良好。六、结论通过上面的计算和分析，从我国上市公司、沪市上市公司和深市上市公司这3个层面对我国预警模型受金融危机的冲击影响效果进行分析，具体分析结论如下：沪市上市公司在前金融危机与后金融危机的预警模型具体形式如下，前金融危机：46(8.38537.02713.704)11xxpe(3)后金融危机：4(1.3466.494)11xpe(4)从变量选取的角度分析，在前金融危机时期，留存收益与总资产的比率（4x）和第一大股东持股比例（6x）最终进入了模型。表明在经济环境平稳时，这两个变量对公司财务预警有重要作用。但在后金融危机时期，只有留存收益与总资产的比率（4x）起作用，而其它变量均不显著。可以看出在金融危机发生后，第一大股东持股比例（6x）不在模型之中，第一大股东持股比例（6x）受经济运行状况的影响较为严重，说明该指标对于金融危机反映较为敏感。而留存收益与总资产的比率（4x）仍在模型之中，对我国上市公司的财务预警仍有重要作用，属于中性指标。从系数的角度分析，上市公司留存收益与总资产的比率（4x）在金融危机前后的财务困境模型中都存在，在前金融危机时期，在前金融危机时期，其系数为37.027，在后金融危机时期6.494，表明公司留存收益与总资产的比率（4x）对于公司财务危机的影响力较大幅度的减弱。综上所述，本文选用应收账