0vnbxzm对上_市公司亏损的财务预警信号的研究

| You have to believe, there is a way. The ancients said:“ the kingdom of heaven is trying to enter“. Only when the reluctant step by step to go to it s time, must be managed to get one step down, only have struggled to achieve it. - Guo Ge Tech 对上市公司亏损的财务预警信号的研究 蒋屏 范昕 1 (对外经济贸易大学工商管理学院，100029） 摘要 本文随机抽查了四家机械行业上市公司的有关财 务数据,运用单变量模型进行分析，得出在企业亏损前其 获利能力指标对每股收益的影响较大。通过多变量分析 建立判定方程，得出可通过截止点预测企业亏损的可能 性 关键词 上市公司 预警信号 单变量分析 多变量分析 1 引言 自 1998 年推出上市公告预亏制度以来，亏损企业频频出现。 1999 年度，58 家公司发布预亏公告，其中，新亏损的公司竟达 34 家，占 58.62%。在 2000 年，发布中报的公司共有 721 家，其中， 1 蒋屏，1958 年出生，教授，硕导。主要研究方向：财务管理 范昕，1976 年出生，硕士研究生。专业方向：财务管理 沪市 388 家，深市 333 家，亏损中报 62 家。自科龙电器 2000 年 12 月 22 日公布了 2001 年报的第一份预亏公告以来，2000 年上市公司 预亏家数就呈现出迅速壮大的势头。截至 2001 年 2 月 28 日，沪深 两市共有 86 家上市公司发布了预亏公告，沪市 39 家，深市 47 家。 从目前公告的亏损情况以及年报公布的进程来看，2000 年上市公司 亏损的家数在绝对数上将有望再创历年新高，换而言之，上市公司 的亏损面正呈现出逐步扩大的势头面对如此大范围、大规模的亏损， 必然对投资者、企业、乃至股市、宏观经济产生不利的影响。既损 害投资者的利益，又弱化企业的素质和竞争力，阻碍证券市场优化 资源配置功能的实现，进而危及国民经济的健康发展。 作为投资者，如何能获取满意的投资回报率？作为管理者，如何 能预先警觉到企业的问题，防患于未然，提前作好企业的长期战略 和发展规划，使企业不断发展？目前国内无论在理论和实践方面的 研究都较少。因此我们试图利用单变量模型和多变量模型对上市公 司亏损企业财务报表及相关经营资料进行分析，从财务方面对企业 亏损问题进行研究。希望能够借此给广大的投资者和企业管理人员 提供一定的预警作用。 2 研究程序及方法 2.1 亏损企业样本（Sample）的选取 我国上市公司的亏损速度较快，分布较广，其中，机械、电子和 房地产行业更是亏损企业的聚集区。为了使结论具有可比性，我们 考虑了行业特点、产品生命周期以及可能选取的样本情况，本文在 亏损企业中随机选取了 4 家机械制造业的上市公司作为样本进行分 析，它们分别是（600806）昆明机床， （0025）ST 特力 A， （600691）东新电碳和（600610）ST 中纺机。 由于上市公司的中报未经审计，其财务数据的可信度自然会大打 折扣，所以本文仅采用公司的年报数据进行分析，以取得较大的可 信度和实用性。 2.2 单变量分析 单变量模式是用个别财务比率来预测财务危机的模型，当模型中 所涉及的财务比率趋势恶化时，通常是企业发生财务危机的先兆。 采用单变量模式分析企业亏损的实质就是找到与企业亏损相关性较 大的指标，可以通过线性回归来完成。 2.2.1 数据的收集 本文分析时所使用的财务报表数据是从和讯网上 （）下载的，在和讯网上可以查询到每个上市 公司年报、中报的财务报表，包括资产负债表，损益表和现金流量 表（我国在 98 年以前企业提供的是财务状况变动表，98 年以后才 要求提供现金流量表，所以现金流量表数据较少） 。另外，为了保证 数据的可靠性，对一些有明显差异的比率又将其与其它网站的一些 财务报表指标进行了比较，并根据常用的计算方法进行了调整。 2.2.2 比率的选择 由于财务比率的数目种类较多。我们根据他们的通用性和相关性 选用了变现能力，获利能力，偿债能力，管理能力中的 14 项比率， 另外还包括一些常用的比率，例如：权益收益率，总资产收益率， 流动比率及股东权益率等，以及一些参考文献上采用的对企业破产 进行分析的比率，例如，息税前盈余/总资产，营运资本/总资产等 2。 2.2.3 统计分析 将这四家企业的每股收益作为因变量，14 个财务比率作为自变 量，取其亏损前三年至亏损年度的数据，用 SPSS 进行线性回归分析。 在所分析的 14 个比率中，只有权益收益率和总资产收益率与每股收 益相关性较高，而其它比率的相关性较低。结果如表 1 和表 2 所示： 表 1 权益收益率与每股收益线性回归结果 Model R R Square Adjusted R Square Std. Error of the Estimate 1 2 见 ALTMAN, Corporate Financial Distress ，John Wiley&Son Inc.,第 106 页 0.991 0.981 0.980 4.232E-02 表 2 总资产收益率与每股收益线性回归结果 Model R R Square Adjusted R Square Std. Error of the Estimate 1 .990 .980 .979 4.311E-02 注：权益收益率 = 企业利润净额/平均资本金数额，是衡量投资者 投入资本金的盈利 能力，该收益率是站在所有者立场来衡量 企业盈利能力的财务指标。 总资产收益率 = 利润净额/平均资产，是反映企业资产综合 运用效果的指标。 由上面分析的结果可以看出，权益收益率和总资产收益率与每股 收益具有很强的相关性。这说明，当这两项指标恶化时，通常是企 业发生亏损的前兆。 2.2.4 结果的解释 企业亏损表明了两方面的问题。一是企业的盈利下降，二是企业 的费用上升。但是，从回归分析的结果来看，企业亏损的直接原因 并不是费用的上升，而主要原因是其盈利水平下降。例如 ST 中纺机， 于 1998 年开始亏损，每股收益由 1997 年的 0.01 元狂降到 1998 年 的每股收益-0.47 元。总资产报酬率从前四年的平均 0.016 降到了 0.003。再如昆明机床，97 年其权益收益率和总资产收益率均为 0， 该公司于 98 年亏损，每股收益-0.1。 企业获利能力的下降通常是亏损的前兆，当企业的利润下降到很 低的水平时，极有可能在未来的一两年内亏损。从这些公司的财务 报表可以看到，亏损前，他们的每股收益通常保持相当低的水平， 例如昆明机床亏损前，其每股收益在 1994 年为 0.16 元，1995 年大 幅下降为每股 0.03 元，在随后的两年内保持每股 0.01 元的低收益， 并于 98 年亏损。 从样本中可以看到，在亏损前的三至四年，企业的利润率很低， 但是并没有立即亏损，而是保持了几年的低收益水平，然后一个巨 亏。这种现象在我国股市中是常见的, 可谓是“不亏则已，一亏惊人” 。 通过以上分析，不难得出：（1）企业亏损的直接原因不是费用 的增加，企业的盈利能力通常预示了企业的未来；（2）对于一些具 体的科目应做特别的研究，例如“应收帐款 ”科目是一个非常客观的 数据。并且从该数据的历年变化和销售收入的比例及应收帐款周转 速度，可以看出公司的管理水平和行业的竞争状况。对于一些微利 公司，由于投资收益科目通常是掩盖主业亏损的主要来源，对他的 来源和数目也要加以注意。 （3）新会计制度的影响，即四项计提亏 损。这必将挤掉一些上市公司的水分，使公司的业绩受到影响。 （4）注意关联交易和非正常损益，因为这些通常是企业修饰财务报 表的主要手法，企业通过关联交易将亏损转变为微利，保持自己的 上市资格，而这又恰恰预示了潜在亏损的可能。 2.3 多变量分析 多变量分析是将多种财务比率加权汇总产生总判别分来进行财务 危机的预测。最初的多变量模型为美国的爱德华.阿尔特曼在 60 年 代中期创造的 z 记分模型，用来预测企业破产的可能性。其主要思 想是在企业违约前，违约企业和非违约企业的财务指标会有很大差 异，从中找出差异较大的指标，以此来预测企业违约的可能性。 2.3.1 样本数据选择 多变量分析是对比分析，通过不同样本之间的对比来找出他们的 差异。这里一共选择了 6 家机械行业的企业作为样本进行分析。这 3 家赢利企业是(600732)上海港机，(600761)安徽合力，(600815) 厦工股份，3 家亏损企业仍然是 ST 中纺机，昆明机床，东新电碳。 2.3.2 检测比率选择 将这 6 家企业按照亏损企业和盈利企业分为两组，亏损企业为组 1，赢利企业为组 2。将他们在企业亏损前一年（97 年）的各项财务 比率进行统计对照，为了找到具有显著变化的财务比率，我们根据 (1)亏损企业的财务比率变化显著；(2)单个比率变化方差相对较小 的原则，从 14 个比率中选择了 5 个比率作为判别变量。这些比率在 两组的统计情况如表 3： 表3 盈利企业与亏损企业比率对照 ATR2 ATR1 E/A2 E/A1 EBIT/ A2 EBIT/ A1 ROA2 ROA1 WC/A 2 WC/A 1 N 3 3 3 3 3 3 3 3 3 3 Min. .51 .11 .32 .45 .03 -.01 .04 .00 .19 .08 Max. .77 .41 .90 .89 .11 .04 .09 .00 .35 .43 Sum 1.84 .75 1.64 1.90 .23 .05 .19 .01 .77 .70 Mean .61 .25 .5476.6333 .07 .17 .063 .003 .257 .233 注：比率后面的数字表示比率的组别，例如 ROA1 表示第一组（亏 损组）的总资产回报率，ROA2 表 示第二组（赢利组）的总资产回报率。 其中，ATR=销售额/总资产的平均值；ROA=净利润/总资产； E/A=股东权益/总资产； EBIT/A=息税前收益/总资产； WC/A=营运资本/总资产； 2.3.3 判定方程 将上面选出的五个判别比率拟合成一个线形方程，每股收益与上 述五个指标做多元线形回归，结果如表4所示： 表4 多元线性回归结果 R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson .987 .975 .969 4.673E-02 2.035 表5 线性回归系数表 Unstandardi zed Coefficient s Standardiz ed Coefficien ts t B Std. Error Beta (Constant) -5.825E-02 .039 -1.488 ROA 3.071 .157 .858 19.617 EA .215 .066 .205 3.286 EBIT/A .784 .164 .223 4.774 WC/A -.170 .075 -.126 -2.274 ATR -.112 .078 -.060 -1.440 从线形回归的结果可以看出，所选的五个比率与每股收益的拟合 程度很好，而且通过 Durbin-Watson 检验，证明这五个参数间不存 在自相关情况。回归分析的方程系数如表 5。 由于线形回归方程的变量系数太复杂，同时还有常数项，对此进 行了调整，得到如下判定方程： L（代表亏损 LOSS）=3.02*ROA+0.22*E/A+0.78*EBIT/A- 0.17*WC/A-0.11*ATR 各个符号表示意义同前。 2.3.4 模型检验 (1) 根据上面确定的判定方程进行检验，首先对样本组的数据 进行检验，结果如图 1。 图 1 图 2 00.5 11.5 22.5 33.5 0 1 2 3 4 亏 损 组盈 利 组 0 1 2 3 0 1 2 3 4 5 6 7 亏 损 组 盈 利 组 从图中可以看出，赢利企业的得分基本在 2 以上，而亏损企业的 得分一般较低，通常小于 1。由这个检验结果可以看出此模型可以 很好的将亏损企业与赢利企业分开。 (2)逐渐增加样本的数量来进行检验，首先，增加了 2 家亏损公 司(600765)力源液压和(0025)深特力 A，与原先的样本公司不同的 是，这两家公司于 1999 年亏损，而样本公司于 1998 年亏损，将数 据代入模型进行检验，结果如图 2。 从图 2 中可以看出，(1)中的结论还可以成立，只是亏损公司和 赢利公司的分界不如(1)那么明显了。而且，有一个赢利公司数据的 得分还落到了 0.58，小于所有亏损企业的得分。从该公司各项财务 数据可以发现，在 1998 年，上海港机的每股收益由每股 0.3 元大幅 跌至 0.03 元每股，净利润由 5000 多万降到 600 多万，种种迹象表 明，公司赢利能力下降，成本费用上升，这些迹象符合单变量模型 中公司亏损的前兆。 (2) 将亏损公司的数量增加到 7 家，同时加进赢利公司的数据 加以比较，如图 3。 图 3 0 1 2 3 0 1 2 3 4 5 6 7 8 9 亏 损 组 盈 利 组 从图中可以看到基本的趋势保持不变，这些公司清楚的被分为 亏损企业和赢利企业两大集团。赢利企业得分最高达到了 3.5，亏 损企业最低得分达到了 0.5，在 1.52 的区域内， 有两家赢利企 业和两家亏损企业，虽然赢利公司的总体得分高于亏损企业的得分， 但是相对的幅度较小。 从上面的 3 次检验中我们可以得到这样一个结论，模型中得分高 的企业在未来亏损的可能性小，得分低的企业在未来亏损的可能性 大。 2.3.5 截止点（Cutoff Point） 从检验结果可以看出，此模型可以将亏损和赢利企业区分。而且， 企业的得分越高，再未来的一年亏损的可能性越小，得分越低，第 二年亏损的可能性越大。由图（3）可以看出，1.5-2 是一个比较模 糊的区域(Gray Area)，在此区域亏损企业与赢利企业的得分差距较 小。亏损企业的最高得分为 1.67，而赢利企业的最低得分为 1.76， 取其中值 1.72 作为模型的判定截止点。 3.结论 本文根据单变量和多变量模型对机械行业的亏损企业进行财务分 析，得到了两个结论： (1)根据单变量模型分析，企业的盈利能力较低通常是导致企业 亏损的直接原因。在盈利指标中，应对权益收益率和总资产报酬率 这两个指标特别重视，当这两个指标较低时，企业在未来亏损的可 能性较大。 (2)对企业未来亏损的可能性可以用以下方程来判定： L=3.02*ROA+0.22*E/A+0.78*EBIT/A-0.17*WC/A-0.11*ATR 模型的截止点是 1.72 时，企业得分高于截止点时，企业一般不 会出现亏损，小于截止点时，企业就有可能出现亏损。企业的得分 越高，企业未来亏损的可能性越小，得分越低，亏损的可能性越大。 (3)本文研究的主要样本是机械行业的上市公司，由于行业间的 差异，运用此模型到其他行业的公司可能并不适用，但对其它行业 分析亏损仍有借鉴作用。 参考文献 1 吴世农.现代财务理论与方法课程大纲. 2000 年 8 月在全国 MBA 院校财务管理师资培训研讨会上使用 2 于