（林业经济管理专业论文）上市公司财务困境预测实证研究.pdf

兰里竺星些丝里堡望型尘兰竺圣3 摘要 l 随着我国证券市场的快速发展，上市公司数量逐年增多规模逐年扩大，结构不断 优化，运作不断规范。相对于传统型企业和一般公司型企业来说，上市公司具有业绩较 好、规模较大、筹资和扩充能力较强等优势，已成为现代市场经济中最具活力和发展潜 力的企业组织。越来越多的投资人通过证券市场进行投资既为上市公司输入了紧缺的 资金，又为自己带来了投资收益。但是，一些上市公司由于各种原因陷入财务困境，经 营、1 t 绩逐年下降，出现亏损、财务状况异常甚至受到特别处理，而且有可能面临退市的 危险。e 市公司陷入财务困境不仅会使投资者、债权人遭受损失，而且会影响整个社会 资源配置的有效性。o 上市公司陷入财务困境不是突然发生的，而是一个渐进的过程因此完全有可能在 财务危机发生之前使用有效的方法预先发现。本文以制造业上市公司为研究对象，以上 m 公司是否因“财务状况异常”i 而被特别处理为界定其是否陷入财务困境的杯忐，运_ _ j 单变量分析和多变量分析两种方法，采用涵盖上市公司财务状况各个方面的多个变量， 利用各上市公司已经审汁的财务报表中的财务数据，寻找尽可能准确的预测上市公司财 务困境的变量和颅测模型。 研究结果表明，在单变量分析中，每股收益、净资产收益率、总资产报酬率、净利 润增长率、净资产增长率这5 个财务比率的错分率较低、预测能力较强：经营活动净现 金流量与净利润之比、每股经营现金流量、可重复赚取的现金净流量与流动负债之比这 三个现金流垃财务比率对于预测上l h 公司财务困境具有有效性；多变量分析中，应用赞 雪判别分析和典则判别分析得到两个判别模型，在典则判别分析叶1 ，应_ 【_ j 两种力法确定 所建模型的最佳分界点，检测证明应用所得两个判别模型进行财务困境预测的准确率很 高。 关键词：r l h 公司财务困境预测单变量分析多变量分析 l 市公司财务困境预测实证研究i f a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to ft h es t o c km a r k e ti nc h i n a ，t h el i s t e dc o m p a n i e sg r o wi n q u a n t i t ya n ds c a l e ，t h ec o m p o s i t i o na n do p e r a t i o no ft h e mg e t t i n gb e t t e rc o m p a r et h e l i s t e d c o m p a n i e sw i t ht h et r a d i t i o n a le n t e r p r i s e so rg e n e r a lc o m p a n i e s ，t h el i s t e dc o m p a n i e sh a v e s o m ea d v a n t a g e s ，s u c ha sb e t t e ra c h i e v e m e n t ，b i g g e rs c a l e ，s t r o n g e rf i n a n c i n ga b i l i t ya n d e x p a n d i n ga b i l i t y t h el i s t e dc o m p a n i e sh a v es u p r e m ev i t a l i t ya n dd e v e l o p i n gp o t e n t i a l i t i e si n t h em o d e r nm a r k e te c o n o m ym o r ea n dm o r ei n v e s t o r si n v e s ti ns t o c km a r k e t n o to n l yt h e l i s t e dc o m p a n i e sg e td e f i c i e n tm o n e y ，b u ta l s oi n v e s t o r sg e te a r n i n gf r o mt h ei n v e s t m e n tb u t ， s o m el i s t e dc o m p a n i e sp l u n g ei n t of i n a n c i a ld i s t r e s sb e c a u s eo fs o m er e a s o n ，t h e i ro p e r a t i n g a c h i e v e m e n td e c r e a s ey e a ra f t e ry e a rt h e yw e r ec a l l e d “s p e c i a lt r e a t m e n t ”c o m p a n i e sb e c a u s e o fa b n o r m a lf i n a n c i a lp o s i t i o n ，m a y b et h e yw o u l db ef a c e dw i t ht h ed a n g e ro fw i t h d r a wf r o m t h es t o c km a r k e ti ft h el i s t e dc o m p a n i e sp l u n g ei n t of i n a n c i a ld i s t r e s s ，n o to n l yt h ei n v e s t o r s a n dc r e d i t o r sw o u l ds u f f e rf o rl t b u ta l s ot h ev a l i d i t yo ft h er e s o u r c ed i s t r i b u t i o nw o u l db e a f f e c t e d i ti sn o to c c u rs u d d e n l yt op l u n g ei n t of i n a n c i a ld i s t r e s s ，b u ti ti sag r a d u a lp r o c e s shi s d e s i r a b l ef o ra l | r e l a t e di n s i d e r sa n do u t s i d e r st od i s c e r na l l p o t e n t i a lr i s k i na d v a n c et h i s p a p e r ，w i t ht h ea d o p t i o no fs p e c i a lt r e a t m e n tr e s u l t e df r o ma b n o r m a lf i n a n c i a lp o s i t i o na st h e i n d i c a t o ro ff i n a n c i a ld i s t r e s s t h eu n i v a r i a t ev a r i a b l ea n a l y s i sa n dm u l t i p l ev a r i a b l ea n a l y s i s a st h er e s e a r c ha p p r o a c ha n ds o m ef i n a n c i a lr a t i o s a sv a r i a b l e t r i e st of i n da n o p t i m a l f i n a n c i a ld i s t r e s s p r e d i c t i o n m o d e lo fc h i n e s em a n u f a c t u r i n gl i s t e d c o m p a n i e sb a s e do n p u b l i ca c c o u n t i n g d a t a o u rf i n d i n gd e m o n s t r a t et h a tf i v eg e n e r a lf i n a n c i a lr a t i o sa n dt h r e er a t i o sc o n c e r n i n gt h e c a s hf l o wh a v eb e t t e rp r e d i c t i n ga b i l i t y ，t h ee r r o n e o u sc l a s s i f i c a t i o nr a t i oa r el o wt h e s ef i v e g e n e r a l f i n a n c i a lr a t i o sa r ee a r n i n gp e rs h a r e ，r e t u r no nn e ta s s e t s ，r e t u r no ng r o s sa s s e t s ， g r o w t hr a t eo f n e tp r o f i t s ，g r o w t hr a t eo fn e ta s s e t s ；t h et h r e er a t i o sc o n c e r n i n gt h ec a s hf l o w a r en e tc a s hf l o w sf r o mo p e r a t i n ga c t i v i t i e sp e rs h a r e ，n e tr e e a r n a b l ec a s hf l o w s c u r r e n tl i a b i l i t y ， n e tc a s hf l o w sf r o mo p e r a t i n ga c t i v i t i e s n e tp r o f i ti nt h em u l t i p l ev a r i a b l ea n a l y s i s g e tt w o d i s c r i m i n a n tm o d e l sb ya p p l y i n gt h ef i s h e rd i s c r i m i n a n ta n a l y s i sa n dc a n o n i c a ld i s c r i m i n a n t a n a l y s i s ，i nt h ec a n o n i c a ld i s c r i m i n a n ta n a l y s i s ，f i n db e s tc u t o f fb yt w o m e t h o d sb yt h i sw a y t h em o d e l sh a v eah i g hc l a s s i f i c a t i o nr a t i ot op r e d i c tt h ef i n a n c i a ld i s t r e s s k e y a n a l y s i s w o r d s ：l i s t e dc o m p a n yf i n a n c i a ld i s t r e s s p r e d i c t i o nu n i v a r i a t ev a r i a b l e m u l t i p l ev a r i a b l ea n a l y s i s 占至垒室些坌里堡堡型童垩墼塞： l 绪论 1 1 本文研究背景和研究意义 i 1 1 研究背景 上市公司是现代公司制的最高形式，相对于传统型企业和一般公司型企业来说，上 市公司具有业绩较好、规模较大、筹资和扩充能力较强等优势，已成为现代市场经济中 最具活力和发展潜力的企业组织。在我国，随着证券市场的快速发展，上市公司数量逐 年增多，规模逐年扩大，结构不断优化，运作不断规范，越来越多的投资人通过证券市 场进行投资，既为上市公司输入了紧缺的资金，又为自己带来了投资收益。由于上市公 司在激烈的商品生产、交换和获取生产要素的竞争中，必须遵循优胜劣汰的自然规律， 一些公司因为治理结构失衡，公司管理层素质低下，导致投资决策失误，生产经营管理 混乱，公司业绩逐年下降，出现亏损、财务状况异常甚至出现更严重的情形，最终受到 特别处理，甚至面临退市的危险，使投资者、债权人遭受巨大损失。 自从1 9 9 8 年3 月1 6 日中国证券监督管理委员会颁布了证监交字f 1 9 9 8 1 6 号文件关 卡e , t i 公司状况异常期间的股票特别处理方式的通知以来，沪深两市的s t 公司逐年 增) j u 。【见表1 1 ) 表1 - i 沪深两市各年s t 公司统计表 资料来源：巨潮资讯网( w w w ，c h i n f oc o r n c n ) ，2 0 0 1 ，6 1 9 9 8 年4 月2 7 日，“辽物资”( 0 0 0 5 1 1 ) 成为首家特别处理上市公司，截至2 0 0 1 年 5 月，沪深两市曾被宣布为s t 的共有1 2 1 只股票( 包括a 股和b 股) ，1 0 7 家上市公司。 这些公司被特别处理的原因不尽相同，但它们大多数是由于“财务状况异常”而被特别 处理的；而且近半数是制造类公司。上市公司遭到特别处理之后，不但s t 公司本身承 受巨火压力，要在证监会的严格监控下努力改善生产经营状况，清理不良资产，注入优 质资产，以求尽快摘去s t 帽子、恢复为正常上市公司；s t 公司的投资者、债权人的合 理收益也将受到威胁，不仅资产保值增值的目标无法实现，可能还会血本无归。因此， 事先预测上市公司是否有可能发生财务危机，陷入财务困境，无论是对于上市公司自身， 还是对投资者、债权人都具有十分重要的意义。 随着经济的发展、时代的进步，现金流量信息已成为企业财务状况分析的重要内容。 我国财政部要求企业从1 9 9 8 年1 月1 日起编制现金流量表，上市公司也从1 9 9 8 年中期 报告开始，编制现金流量表。 由于财务状况变动表对资产、负债各项目的计价采用的是历史成本法，造成该表所 2 东北林业大学博士学位论文 提供信息的相关性和可靠性受到限制；企业进行会计核算采用的权责发生制中所j 立甩的 主观性判断在定程度上也影响财务状况的真实性；而以现金为基础的现金流量表所提 供信息能够直接真实地反映企业短期偿债能力和支付能力，反映企业生成现金收入的能 力，现金流量表最终取代了财务状况变动表。 在国内外已有的各种财务失败或破产预测模型中，只有比弗的单变量模型和台湾学 者陈肇荣的多变量模型中使用了与现金流量有关的财务比率，其它研究所使用的财务比 率大多数都是来自按权责发生制编制的会计报表资料，并没有考虑更为客观的现金流量 指标。对某个企业来讲，现金流量状况不但是融资过程中确定合理资本结构的重要考虑 囚素，也是分析投资方案、制订投资决策的重点，其稳定与否直接影响企业经营状况的 稳定，在生产经营和发展中举足轻重。因此，引入现金流量有关财务比率参与预测上市 公司是否有可能陷入财务困境，对上市公司的各方面利害关系人都有重要的意义。 112 研究意义 企业存在的目的和价值就是以其所掌握的经济资源去创造更大的经济财富，实现其 资产的不断增值。但是，并不是每一个企业都是一贯幸运的，企业经营过程中的诸多因 禁，加之经营管理者本身的业务素质和管理经验等，均可能使企业陷入财务困境，非但 小能使企、l k 实现资产增值，相反有可能因此而不能清偿到期债务甚至破产。“冰冻三尺非 一e j 之谍”，企业陷入财务困境是一个渐进的过程，完全有可能在危机发生之前使用有效 的方法预先发现l 。在美国、英国等国家有众多的提供财务困境预测或破产预测服务的 目l 构，如美国第一银行信托分部、英国的d a t a s t r e a m 公司和p e r f o r m a n c ea n a l y s i ss e r v i c e s 公司1 3 i 。 利用各上市公司的财务报表数据，应用统计方法对各变量进行分析来预测上市公司 财务困境，以便揭示风险并及时采取有效的防范、化解风险的措施，已成为上市公司管 胖当局、投资者、债权人等利害关系人共同关注的问题i 4j 。有一部分上市公司，虽然暂 时没有发生财务困境，但它们的生产经营己存在严重困难。这就要求股东、债权人、管 理人员和其他利害关系人及时了解上市公司的财务状况，改变经营、投资决策，或进行 实质性的资产重组，以及时适应市场需求，避免决策失误。显然，上市公司的各利害关 系人对财务困境、财务危机信息的需要是推进财务困境预测研究逐步发展的动力所在。 ( 1 ) 对于上市公司本身来说，及时有效的财务困境预测有利于找出问题症结，制 订正确的经营及财务政策，及时扭转不利局面，防止陷入财务困境或遭到退市处理；即 使有些上市公司的财务困境不可逆转，公司管理当局还可以应用财务困境预测所提供的 信窟、，尽量减少企业破产所带来的成本。1 9 8 4 年奥曼根据一个由1 9 家破产企业组成的 样本估汁，在这些企业破产的前三年，破产成本占企业价值的1 1 到1 7 。如果这些企 业的管理当局能够应用财务困境预测模型所提供的预警信息，并及时做出补教措施，如 加强主业经营、及时重组，就能够显著降低破产成本。 我国目前上市公司的股权结构中，法人股和其他流通股所占比例逐年增大，越来越 多的企业、自然人投向股票市场，上市公司进行及时有效的财务困境预测、调整策略、 改善经营对稳定股民，稳定股市有着积极的意义。 上市公司财务困境预测实证研究 ) ( 2 ) 对于政府来说，财务困境预测有利于及时改善资源的宏观配置，有效控制那 些处于s t 边缘，发展前景较差的上市公司的政府援助，以减少国有资产流失，有助于 资源优化配置。 政府会在不同程度上对一些对国民经济有重要影响但却陷入财务困境的上市公司 给予援助，在进行经济援助时，政府要衡量各方面因素，其中待援助公司的生存能力是 一个重要的考虑因素。政府有关部f l 可以应用财务困境预测来评价其生存能力、在此基 础上决定是否给予其援助。 ( 3 ) 对于银行等金融机构和债券持有人这些债权人来说，如果接受贷款的上市公 司或发行该债券的上市公司陷入财务困境，就将面临无法全额实现债权、呆帐坏帐增加 的危险。对于陷入财务困境公司的关联企业来说，也存在出现巨额坏帐的可能，而且如 果e 市公司之间如果普遍使用商业信用，则有可能出现多米诺骨牌式的连锁反应，后果 将不堪设想。 如果进行及时有效的财务困境预测，银行就能够在决定是否贷款时，或是在制订监 督现有贷款的政策时，用财务困境预测模型来评价贷款申请人或贷款人所面临的财务失 败风险，以确定贷款额度；债券持有人则可以根据预测结果了解所投资公司偿还本金、 支付利息的可能性；关联企业可以及早获得风险报警，尽早挽回不利局面。 ( 4 ) 对于投资者来说，企业陷入财务困境意味其投资资本面临无法回收的危险， 及时有效的财务困境预测能够为其投资决策提供依据。基于我国上市公司的具体情况， 国家股在上市公司股本总额中的比重虽然呈逐年下降的趋势，但在根本上仍然是“一股 独大”b 】，因此及时的财务困境预测在一定程度上有助于国有资产的保值增值。 对于投资于股票的法人和自然人投资者，他们可以使用财务困境预测模型来提供早 期预警，及时发现股票价格是否被市场高估或低估，从而提早进行调整，而不是等到在 证券市场上出现价格反应后再进行调整。当然，他们的投资策略是建立在市场可能高佶 或低估某种股票价值的基础上的，但他们可以利用财务困境预测模型或其他财务分析工 具来发现此类高估或低估的现象。有很多研究，如a h a r o n y ，j o n e s 和s w a r y 、c l a r k 和 w e i n s t e i n ，都证明了财务困境预测模型提供的早期预警信息随后能够得到资本市场的确 认。 ( 5 ) 对审汁人员来说，对所审计公司进行财务困境预测能够帮助其制定更有针对 性的审汁汁划、执行审计程序更加谨慎。而且，大多数国家的会计准则、审计准则都要 求审计人员在进行审计时要评价所审公司的持续经营能力1 6 1 ，财务困境预测则是评估企 业的持续经营是否具有不确定性的一个重要手段。 1 2国外财务困境预测研究现状 12 1国外关于财务困境的评述 财务困境( f i n a n c i a ld i s t r e s s ) 又称为财务危机( f i n a n c i a lc r i s i s ) ，最为严重的财务 困境就是破产( b a n k r u p t c y ) ，许多对财务困境的研究是从企业破产着手的”。国外尤其 是美国对财务困境进行了深入的研究，后来，日本、加拿大、澳大利亚等国也开始了这 4 东北林业大学博士学位论文 一方面的研究。关于财务困境的定义，不同的研究者有着不同的观点。 1 9 9 7 年m o r r i s 列出了1 2 条企业陷入财务困境的标志，其严重程度逐次递减：( 1 ) 债权人申请破产清算，企业自愿申请破产清算，或者被指定接收者完全接收；( 2 ) 公司 股票在交易所被停止交易；( 3 ) 针对持续经营，会计师出具了保留意见；( 4 ) 与债权人 发生债务重组：( 5 ) 债权人寻求资产保全；( 6 ) 违反债券契约，公司债券评级或信用评 级下降，或发生了针对公司财产或董事的诉讼：( 7 ) 公司进行重组：( 8 ) 重新指定董事， 或者公司聘请公司诊断师对企业进行诊断；( 9 ) 被接管( 当然不是所有被接管都预示企 业陷入财务困境) ：( 1 0 ) 公司关闭或出售其部分产业；( 1 1 ) 减少或未能分配股利，或者 对外报告损失；c1 2 ) 公司股票的相对市场价格出现下降【8 i 。 c a r m i c h a e l ( 1 9 7 2 ) 认为财务困境是企业履行义务时受阻，具体表现为流动性不足、 权益不足、债务拖欠及资金不足四种形式j 。 r o s s 等人( 1 9 9 9 ：2 0 0 0 ) 则认为可以从四个角度定义企业的财务困境：第一，企业 失败，即企业清算后仍无力支付债权人的债务：第二，法定破产，即企业和债权人向法 院申请企业破产：第三，技术破产，即企业无法按期履行债务合同：第四，会计破产， 即企业的账面净资产为负，资不抵债【l ”i 。 a l t m a n 认为，公司在破产前要经历三个阶段：失败阶段、无力偿还债务阶段和破产 阶段。而在这三个阶段中，失败阶段是公司出现财务困境的开端而无力偿还债务阶段 则表n j 公司已经进入财务困境状态了j 。 所谓的失败阶段，就是指公司投资的资产现值已经低于资产本身的市价了。这表明 公二j 己没有存在或持续经营的意义。但如果公司的收入能抵偿它的流动成本，那么还可 以继续经营。商业失败并不决定破产，它只是说明公司出现了问题，但公司还有继续经 营的可能。 无力偿还债务阶段主要从技术方面来讨论，即公司不能清偿流动债务。这可能只是 一种临时状态，但是它往往成为公司正式宣布破产的前兆。但是如果公司发现它的负债 已经超过了它的全部资产，它就会发现自己已经处于无力偿债的状态了。 破产阶段则有两种表现形式，种就是上面提到的两个阶段；另一种类型就是企业 依法宣布破产。 g e o r g ef o s t e r ( 1 9 8 6 ) 认为财务困境就是“如果不对公司运营方式或结构进行大规 模的重新调整就不能被解决的严重的流动性问题”“。 另外，b e a v e r 将公司的“财务困境”定义为出现破产、债券拖欠不偿付、银行透支、 不能支付优先股股利，具体内容将在第1 2 2 1 节详细介绍。 纵观大多数西方财务困境实证研究，界定“财务困境”的标准往往都集中在流动性 较差、无力支付债务、破产这几条中，尤其是申请破产和破产清算，因此财务困境研究 常被称为破产研究，而财务困境预测也常被称为破产预测。 1 2 2国外财务困境预测的主要模型 12 2 1国外财务困境预测的单变量分析 最初人们使用单个比率预测、判断企业是否会“失败”或破产，因此这类分析被称 上市公司财务困境颅测实证研究 5 作单变量分析。单变量研究主要是以某一项财务比率作为分组( 财务困境组与非财务困 境组) 的标准。例如：净资产收益率、营运比率等。应用单变量进行破产预测研究在二 r 世纪六r 年代前较为普遍，最早进行单变量破产预测研究的是f i t z p a r t r i c k ( 1 9 3 1 ) ，之 后又有w i n a k o r s m i t h ( 1 9 3 2 ) ，c h a r e l e sm e r w i n ( 1 9 4 2 ) ，m t a m a r i ，g u p t a ( 1 9 8 9 ) 等人”，但是比弗( b e a v e r ) 1 9 6 6 年提出的单变量判定模型影响最为广泛。 1 9 6 8 年1 0 月，美国财务分析专家威廉比弗( w i l l i a mb e a v e r ) 在美国会计评论 上提出了单一比率模型，即利用单一的财务比率来预测企业的财务失败5 1 。 比弗将公司的“失败”定义为不能清偿到期债务，具体包括以下四种情况：出现破 产、债券拖欠不偿付、银行透支、不能支付优先股股利【i ”。比弗首先根据穆迪( m o o d y ) 的工业指数按上述定义选出了7 9 家失败企业，对所有这些失败企业根据不同的行业和资 产规模分类：然后按照相应的行业和资产规模( 失败前一年的资产规模) 选出7 9 家非失 败企业。全部样本的时间跨度是1 9 5 4 1 9 6 4 年，并部有“失败”前5 年的财务数据。比 弗所选用的财务比率的原则是：( 1 ) 具有普遍性：( 2 ) 运用以前研究成果：( 3 ) 增加现 金流量相关指标。关于第三个原则，比弗认为：现金储备越多，企业失败的概率越小： 营运资本流入越多，企业失败的概率越小：债务持有量越大，企业失败的概率越大：营 运资金开支越大，企业失败的概率越大【l0 j j 。 在进行具体数据分析时，比弗首先比较了全部样本失败前连续五年的3 0 个财务比率 的等权均值：然后将上述共1 5 8 家公司的样本随机分为两组，进行两分法检验，发现两 组的财务比率均值具有明显的差异，而且离失收e | 越近，财务比率预测错分类率就越低； 最后筛选出5 个最能分开失败企业和非失败企业的比率，它们是：( 1 ) 现金流量负债总 额：( 2 ) 净收入总资产：( 3 ) 资产负债率；( 4 ) 营运资本总资产：( 5 ) 现值率( 贴现 率) 【1 ”。 比弗的单变量判定分析之外，1 9 8 3 年z m i j e w s k i 应用7 5 个变量进行的预测研究也引 起了人们的关注。z m i j e w s k i 从这1 0 0 多个变量中选出了7 5 个并分成十类，选用1 9 7 2 1 9 7 8 年的7 2 家破产企业和3 5 7 3 家非破产企业作为样本。z m i j e w s k i 首先计算了两类企业破 产前一年的各个财务比率的均值：然后对两类企业的数据进行f 检验；最后用单变量分 析计算每一个变量的判别正确率。z m i j e w s k i 研究表明，破产与非破产企业之间有四类 财务比率有明显的的差别，这四类财务比率是：回报率、财务杠杆、固定收入保障和股 票回报率19 1 【2 们。 除进行单变量分析以外，z m i j e w s k i 又采用同样的样本，同样的分类进行了多变量分 析检验，这部分内容将在下一节介绍。 12 22 国外财务困境预测的多变量分析 如前所述，应用一元判定分析进行预测分析，由于采用不同的财务指标，会使企业 对自身实际情况的评估出现不同的分类结果。在这种情况下，多判定分析便应运而生了。 主要的多变量财务困境预测模型如下所示： ( 1 ) 奥曼( a l t m a n ，1 9 6 8 ) 的多元z 值判定模型。 ( 2 ) 迪肯( d e a k i n ，1 9 7 2 ) 的概率模型。 ( 3 ) 埃德米斯特( e d m i s t e r d ，1 9 7 2 ) 的小企业研究模型。 6东北林业大学博士学位论文 ( 4 ) 达艾蒙德( d i m o n d ，1 9 7 6 ) 的范式确认模型。 ( 5 ) 奥曼( a l t m a n ，1 9 7 7 ) 等的“z e t a ”模型。 ( 6 ) 欧森( o h l s o n ，1 9 8 0 ) 等的条件概率模型。 ( 7 ) a h a r o n y ，j o n e s 和s w a r y ( 1 9 8 0 ) 基于市场收益率方差的破产预测模型”。 上述各种模型中，只有奥曼的z - - s c o r e 判定模型、“z e t a ”模型是单纯使用财务比 率的，其它模型除了财务比率外，还包括财务比率的趋势变量或离差变量，有的还包括 股票回购率、虚拟财务变量和公司规模变量等。 预测企业财务失败或破产的多变量模型很多，其中最著名的是美国纽约大学教授奥 曼的z - - s c o r e 模型。早在6 0 年代，奥曼就采用多变量统计分析方法一一判别分析 ( d i s c r i m i n a n t a n a l y s i s ) 来预测企业财务失败或破产。这个模型的目的是预测企业的潜 在失败性，而且该模型仅用于制造业企业。对于信用危机问题、投资分析等部可以使用 该模型来进行分析。 奥曼选用1 9 4 6 至1 9 6 5 年期间提出破产申请的3 3 家破产生产企业和相当规模及行业 的对应的3 3 家非破产生产企业作为样本，在经过大量的实证考察和分析研究基础上，从 最初的2 2 个财务比率选择了5 个，使用破产企业破产前一年的数据和非破产企业在相应 时段的数据，运用费雪判别分析法估计出一个多元线性函数，即所谓的z s c o r e 模型， 其基本表达式为： z = 0 1 2 x 1 + 0 0 1 4 x 2 + 0 0 3 3 x 3 + 00 0 6x 4 + 0 9 9 9 x 5( 式l1 ) 式中：z 一一判别函数值： x 营运资金资产总额； x 2 保留盈余资产总额： x ，息税前利润资产总额； x 。普通股、优先股市场价值总额负债账面价值总额： x s 销售收入资产总额口“。 x ：营运资金资产总额，营运资金等于流动资产减去流动负债，是企业可用于经营、 周转使用的净流动资产。x ，也叫做营运比率，该比率反映了企业资产的流动性及其分布。 一般情况下，该比率越高，说明企业资产的流动性越强。 x 2 ：保留盈余资产总额，该比率说明了每一元资产中有多少是通过税后利润累积而 来的，比率越高，说明企业的获利水平和积累水平越高，抗风险能力也就越强。一般来 说，新建企业由于没有足够时间创造和累积较多的利润，该比率低于创建时间较长的企 业。因此，新建企业发生财务失败或破产的可能性往往大于老企业。 x ，：息税前利润资产总额，该比率能够反映企业的盈利能力，说明企业每占用一元 资产能够实现多少利润，比率越高，企业的经济效益就越好，盈利能力越强。 x 。：普通股、优先股市场价值总额负债账面价值总额，普通股、优先股市场价值总 额是指企业发行在外的普通股、优先股股数乘以各自的市场价格；负债账面价值总额是 指企业按账面价值计算的所有负债。该比率用来反映企业的价值和它所承担的债务之间 的关系，比率越高，企业的价值越大，偿还债务的能力越强，发生财务失败或破产的可 能性越小。 上仃公司财务困境预测实汪研究 7 x s ：销售收入资产总额，即总资产周转率。该比率可以反映企业的资产管理能力 比率越大，说明企业的资金周转越快，资金利用效果越好。 在z - - s c o r e 模型中，奥曼提出了判断企业财务失败或破产的临界值：“z s c o r e ”， 如果企业的“z s c o r e ”大于27 6 5 ，表明企业财务状况良好，发生财务失败或破产的可 能性比较小：如果企业的“z - - s c o r e ”小于27 6 5 ，则表明企业存在财务失败的危机。也 就是说，企业的“z s c o r e ”越低，发生财务失败或破产的可能性就越大，反之亦 然【2 ”。 利用z s c o r e 模型和它的判别标准，奥曼成功地判别出破产前一年原始样本中3 3 家破产公司中的3 1 家和3 3 家非破产公司的3 2 家，总体正确率达9 54 5 ( 6 3 6 6 ) ：成 功判别破产前两年原始样本中3 3 家破产公司中的2 3 家和3 3 家非破产公司的3 1 家，总 体正确率达8 i8 ( 5 4 6 6 ) 。此外，奥曼还选择了2 5 家破产公司和6 6 家非破产公司进 行检验，结果z s c o r e 模型正确判断出2 5 家破产公司中的2 4 家( 正确率9 6 ) 和6 6 家非破产公司的5 2 家( 正确率7 88 ) ，总体正确率达7 91 ( 7 6 9 1 ) 1 2 2 。 由于在一些困家( 如巴西) ，有很多处于财务困境但又没有公开交易有价证券的公司， 于是奥曼重新评估变量x 。，将其确定为：股票帐面价值( 所有者权益) 总债务帐面价 值。新的模型被奥曼称之为z 模型，其基本表达式为： z = 07 i7 x l + 08 4 7 x 2 + 31 0 7 x3 + 04 2 x 4 + 09 9 8x5( j 12 ) 修正后模型在公司宣布破产前一年的分类准确率9 4 以上，破产前一年的分类准确 二钲8 0 以上 z 3 j 。 z 模型的临界值区间如表2 。1 所示： 表2 1z 模型的临界值区间 z 29 9 27 z 29 9 18 l z 27 z 18 l 陷入财务困境可能性很小 肯陷入财务困境可能 陷入财务困境可能性很大 陷入财务困境可能性非常大 资料来源：参考文献2 3 八十年代奥曼对这个模型进行了改进和发展，又提出了著名的z e t a 模型。陔模型采 用了七个变量：整体收益率、总资产、偿债能力、资产折现力、累积收益率、市场资本 化和收入稳定性口4 i 。但这七个比率的权重大小一直以来都是商业机密口”，因此不得而知。 虽然奥曼的z s c o r e 模型也存在一些不足，但是这种综合分析的观念，对财务困境 预测研究的影响极为深远。事实上，其后的大多数研究虽然具体研究方法各异但都沿 用了多元线性判别分析，只是在个别之处加以改进，如o h l s o n 的条件概率模型、z m i j e w s k i 的多变量模型。 为了进一步改进模型，又有欧森( o h l s o n ) 等一些研究者提出了条件概率模型，主 要有对数成败比率模型( l o g i t ) 和概率单位模型( p r o b i t ) 两种。它们部是建立在 累积概率函数的基础上，一般运用最大似然估计，而不需要自变量服从多元正态分布和 两个样本组的协方差矩阵相等的条件。 8东北林业大学博士学位论文 欧森共使用9 个变量，其中8 个是财务比率，1 个是调整变量一一企业规模，使用 调整变量是为了控制特殊变量的影响。选择样本时，欧森选了1 9 7 0 1 9 7 6 年间的1 0 5 家 破产企业和约2 0 0 0 家非破产企业，其中破产企业破产前在证券交易所至少上市三年。欧 森估计了三个模型，分别用来预测一年内失败的企业、第一年未失败而在第二年失败的 企业、一年到两年内失败的企业。研究所得的分类概率是o 0 3 8 ，如果某一公司预测的 非失败概率低于o 0 3 8 ，该公司就会被认为( 失败) 的可能性很大 2 6 】。 前文提到z m i j e w s k i 在进行单变量分析之后，又采用同样的样本，同样的分类进行 了多变量分析。在多变量分析中，z m i j e w s k i 考虑到了两类错误和错误成本。其中一类 错误指将财务失败公司误测为非财务失败公司，而二类错误是指将非财务失败公司误测 为财务失败公司。错误成本是指将某一公司被误测给投资者带来的损失，如果投资者投 资一个被误测为非财务失败公司的财务失败公司，就要承担无法完全收回投资的风险： 而如果投资者因为某个非财务失败公司被误测为财务失败公司而没有进行投资，则要承 担少获得一部分投资收益的代价。 z m i j e w s k i 假设一类错误成本分别是二类错误成本的l 、2 、2 0 、3 8 倍，对其它学者 研究得出的多变量模型作了进步分析。得出结论：每个模型的判别准确率都随着一类 错误成本的增加而变得越来越高这主要因为备类研究中非财务失败企业相对于财务失 败企业而言，所占比重都很大i ”】【2 0 】。 除了线性判别模型和条件概率模型外，一些学者还研究应用人工神经网络系统模型 ( a r t i f i c i a ln e u r a ln e t w o r k ss y s t e m sm o d e l ) 进行财务困境预测【z ”。人工神经网络系统是 州米模仿人类认知事物时形成知觉的自适应过程的一个计算机程序，其独特之处在于它 没有预先设置任何规则，只是通过经验和大量的试错进行“学习”，而且它所进行的“学 习”不拘任何模式。人工神经网络系统能够在所提供信息杂乱无章或不完整时，对既定 问题做出正确反应。而进行财务困境预测正是要对大量不完整或无序信息进行分析，因 此只要“学习”过程足够多，就会有较好的分析结果“。 1 2 3国外财务困境预测研究现状分析 比弗应用两分法进行的单变量分析说明了可以应用一个简单的模型来获得较高的预 测力，而且也为后来的实证研究提供了理论基础。不过，虽然比弗应用这种方法从3 0 个财务比率中筛选出5 个最能分开失败企业和非失败企业的比率，但是它毕竟是采用国 外1 9 5 4 1 9 6 4 年的数据和样本得到的研究成果，其应用环境与我国的实际情况有很大差 别，如果应用比弗研究所得的5 个比率对我国现今的上市公司进行预测，不可能完全适 用。 嗅曼的z s c o r e 模型在众多的多变量模型中之所以很突出并具有代表性是因为他 向人们介绍了一种技术，针对单变量模型的缺陷和局限，奥曼的模型能够把若干个变量 合并入一个方程式，使用一定的判别标准，估计出企业的财务状况，这是非常可取的。 但是奥曼的z - - s c o r e 模型仍然有一定的局限性。 ( 1 ) 奥曼的模型的预测准确性虽然高于比弗的一元判定模型，但也只是对破产前一 年的预测准确性很高，破产前两年的准确性却大幅下降，而比弗的一元判定模型能准确 圭! ! 坌型型量篁丝堡型耋兰塑塞 ： 预测企业破产前五年的状况。 ( 2 ) 奥曼所选破产企业和非破产企业的数量是相同的，这就表明每组样本有相同的 先验概率，即各自5 0 ，丽真正一个企业发生财务失败或破产的概率是远远低于5 0 的。 这种做法所造成的最严重影响是，常常会低估了将非破产企业误归入破产企业的误分类 错误。 ( 3 ) 舆曼的模型是一个线性判定模型，虽然有较高的判别准确率，但这是建立在 严格的统计假设基础上的，即假设自变量服从多元正态分布：假设两个样本组的协方差 矩阵是相等的。但是，自变量服从多元正态分布这一假设很容易被违反，例如，在变量 中添加一个虚拟变量，假设即被推翻：另外，舆曼、h a l d e m a n 和n a r a y a n a n 在研究中部 曾经发现各样本组的协方差矩阵不等。 另外，奥曼使用的也是国外1 9 4 6 1 9 6 5 年的样本和数据，所建模型的适用环境与 我国的实际情况有很大差别，如果面对我国目前证券市场中上市公司的数据，机械照搬 照用奥曼的线性判定模型，将无法达到预期的预测结果。 1 3 国内财务困境预测研究现状 1 3l国内关于财务困境的评述 随着f j 场经济的飞速发展，我国企业的市场化程度日益加强，破产问题也变得越来 越引人注目。自1 9 8 6 年我国通过破产法以来，破产企业的数目逐年增加，而且以国 仃丈中型企业、债务人申淆破产居多，同国外一样，我们同样面临着如何预防范企业财 务失败和破产问题。 虽然国内有些研究人员己经开始了财务困境的建模研究，但是，关于如何定义财务 凼境还没有统一的规定。1 9 8 6 年的破产法第三条规定了企业的破产界限，即“企业 因经营管理不善造成严重亏损，不能清偿到期债务的依照本法规定宣告破产口9 i 。”所 嘴破产界限，就是债务人在某种状态下要被宣布为破产，它从经营管理不善和不能清偿 到期债务两方面确定了企业的破产界限。而且二者缺一不可。首先，破产必须是由于经 营管理不善造成的。我国在法律上之所以一定要说明这一点，是因为这样可以分清公司 的经营责任。而其他形式的亏损则不在破产之列，也不能破产。例如，不可抗力导致的 公司消亡：或者政策性亏损等。其次，产生的原因必须是由于不能清偿到期债务。这也 是子国破产法中所通行的破产界限，具体包括有如下三个方面的含义： ( 1 ) 企业陷入无力偿还债务状态。是资不抵债，即资产总额小于债务总额，公司 已失去偿还债务的能力；二是虽然资大于债，但若硬性偿还债务，将动用长期资产，势 必严重损害公司的正常生产经营，使企业陷入更严重的“不能清偿”。 ( 2 ) 企业信用状况严重恶化，难以筹措新债还1 日债。 ( 3 ) 企业所不能清偿的必须是到期债务，而且债权人还提出必须以实物或金钱偿还 所欠债务。 综上所述，破产界限的定义可以认为是我国对企业财务状况的一种界定。 向适应改革开放和国民经济发展的需要，我国于1 9 9 0 年、1 9 9 1 年组建深、沪两个 1 0东北林业大学f l ! f 士学位论文 证券交易所，1 9 9 2 年成立国务院证券委和中国证券监督管理委员会”i ，1 9 9 9 年颁布实 施证券法中国证券市场从无到有，从小到大，从弱到强，从单一到多元，已成为国 民经济发展的不可缺少的一部分。上市公司是证券市场的基石，其经营业绩的好坏直接 影响到证券市场的建设与发展。目前我国部分上市公司治理结构失衡，公司管理层素质 低下，导致投资决策失误，生产经营管理混乱，企业业绩出现第一年好、第二年差、第 三年亏的现象，最终甚至受到特别处理、暂停上市或退市，给广大投资者带来了巨大损 失。 为了保护投资者的利