上市公司财务预警分析.doc

东北财经大学上市公司财务预警分析页：1应套用网络学院规定的格式，页眉设计的那种。另，本文“痕迹”过于明显，应有自己对论题的理解。摘 要页：1摘要分两段：一段描述选题背景和意义，另一段概述段落大意财务危机是一个企业处于经营性现金流量不足以抵偿现有到期债务，而被迫采取改正行动的境况。所以财务危机预警已成为现代企业财务管理的重要内容。而为了建立一个行之有效的财务预警系统，本文运用Logistic回归分析法作为主要建模方法，选取11个财务指标，及120家上市公司作为样本，对样本进行了分析，并检测出几个较有力的指标，由此建立了财务预警模型。然后通过测试样本的检验，得到了90%的正确率，由此证明这个模型具有较高的预测准确性。最后，归纳出了结论，并提出了政策建议。关键词 上市公司 财务危机； 财务预警； Logistic回归目 录页：2根据文中调整后的标题名称和级次的形式重新更改目录中文摘要1目录II前言21财务危机与财务危机预警系统概述错误！未定义书签。1.1 财务危机的定义错误！未定义书签。1.2财务预警系统的定义错误！未定义书签。2财务危机预测模型错误！未定义书签。2.1按信息类型分类错误！未定义书签。2.1.1 财务指标信息类模型错误！未定义书签。2.1.2现金流量信息类模型错误！未定义书签。2.1.3 市场收益率信息类模型错误！未定义书签。2.2 按预测指标数量分类错误！未定义书签。2.2.1 单变量预测模型错误！未定义书签。2.2.2多变量预测模型错误！未定义书签。2.3 预测指标的筛选原则错误！未定义书签。3我国上市公司财务危机预警实证分析错误！未定义书签。3.1 研究的方法和思路错误！未定义书签。3.1.1研究方法错误！未定义书签。3.1.2 研究思路错误！未定义书签。3.2样本和预测指标的选择错误！未定义书签。3.2.1 样本的选择错误！未定义书签。3.2.2预测指标的选择错误！未定义书签。3.3财务危机预测模型的建立和结果分析错误！未定义书签。3.3.1 财务危机预测模型的建立错误！未定义书签。3.3.2 财务危机预测模型的结果分析错误！未定义书签。3.4 财务危机预测模型的进一步检验错误！未定义书签。前 言一个公司财务状况的好坏往往是企业自身、投资者和债权人关注的焦点。因为一个营运良好、财务健康的公司不但可提高自身在市场上的信誉及扩展筹资渠道，也使投资者信心倍增。相反，一个陷入财务困境或濒临破产的企业乏力吸引投资，而更让原有投资者面临巨大的信用风险。90年代以来，由财务危机引发企业破产而逃避债务的例子屡见不鲜。因此，应及早地发现公司财务危机信号，使经营者能够在财务危机出现的萌芽阶段采取有效措施改善企业经营，防范危机；使投资者和债权人可依据这种信号及时转移投资、管理应收账款及做出信贷决策。我本文研究的目的有两个，一是通过实证研究检验出若干预警能力强的财务指标，建立起一套行之有效的动态财务危机预警系统，并且能够根据已建立的财务危机预警系统，运用现有的公开数据，预测出下一年度出现财务危机的公司，为投资者的投资决策提供依据；二是对已面临财务危机的公司，通过实证研究检验出影响公司财务危机进一步恶化的因素，并建立动态财务危机恶化预警系统。众所周知，风险与危机是由不确定性引起的，企业财务风险与危机的成因也是如此。由于企业的生产经营和管理活动是一个具有不确定性的系统，即在企业活动的各个环节都有存在大量的不稳定性和不确定性因素，所以企业的行为必然会伴随着风险的威胁和影响，若风险失控就会引发危机。任何企业风险终将会对企业财务造成影响，并显示在会计信息上，企业资金管理技术性失误是财务危机的直接根源。事实上，企业陷入财务困境是一个逐步的过程，通常从财务正常渐渐发展到财务危机。实践中，大多数企业的财务危机都是由财务状况正常到逐步恶化，最终导致财务危机或破产的。因此，财务危机的征兆是可以预知的，财务危机预警不仅可以预防或控制危机进一步扩大，而且还可以避免危机的再次发生。那么因此，依据企业危机预警管理的基本思想，建立有效的企业财务危机预警系统，完全可能避免企业财务危机的发生，至少能够把财务危机所造成的损失和影响降到最低程度。这是因为企业财务危机预警系统是通过设置并观察一些敏感性财务指标的变化，而对企业（或企业集团）可能或将要面临的财务危机事先进行预测预报的财务分析系统。它具备了财务危机的识别、分析与评价，并由此做出警示的管理功能。这里需要明确的是，企业财务危机预警系统是整个企业危机预警系统的一个子系统。而正确地预测企业财务危机，对于保护投资者和债权人的利益、对于经营者防范财务危机、对于政府管理部门监控上市公司质量和证券市场风险，都具有重要的现实意义。1一、财务危机与财务危机预警系统概述1.1 （一）财务危机的定义“财务危机”(Financial crisis)又称财务困境(Financial distress)，最严重的财务危机是“企业破产”(Bankruptcy) 。企业因财务危机导致破产实际上是一种违约行为，所以财务危机又可称为“违约风险”(Default risk) 。关于财务危机的定义，有不同的观点，具有代表性的观点有以下几种：。Carmichael (1972) 认为财务危机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。Ross 等人(1999 ;；2000) 则认为可从四个方面定义企业的财务危机: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约付息还本;；第四，会计破产，即企业的账面净资产出现负数，资不抵债。从防范财务危机的角度看， “财务危机是指一个企业处于经营性现金流量不足以抵偿现有到期债务”，即技术破产。在Beaver (1966) 的研究中，79 家“财务危机公司”包括59 家破产公司、16 家拖欠优先股股利公司和3 家拖欠债务的公司，由此可见，Beaver 把破产、拖欠优先股股利、拖欠债务界定为财务危机。Altman(1968) 定义的财务危机是“进入法定破产的企业”。Deakin (1972) 则认为财务危机公司“仅包括已经经历破产、无力偿债或为债权人利益而已经进行清算的公司”。本文把财务危机定义为一个企业处于经营性现金流量不足以抵偿现有到期债务，包括从资金管理技术性失败到破产以及处于两者之间的各种情况，而被迫采取改正行动的境况。它具有如下特点：客观积累性、突发性、多样性。企业产生财务危机的原因是多方面的，可能是内部原因，如企业经营者决策失误、管理失控，还可能是外部环境恶化，如战争、经济衰退、通货膨胀等。但任何财务危机都有一个逐步显现，不断恶化的过程，因此，每个企业在其经营过程中，随时都必须考虑预警财务危机和失败，一旦发现某种异常征兆就应着手应变，以避免或减少对企业的破坏。1.2（二）财务预警系统的定义内涵财务预警系统是以企业信息化为基础，对企业在经营管理活动中潜在的风险进行实时监控的系统，它贯穿于企业经营的全过程。建立企业财务预警系统，对财务运营做出预测，无论从哪个立场分析都是十分必要的。经营者可以在财务危机出现的萌芽阶段采取有效措施改善企业经营，防患于未来；投资者可以在企业财务危机初露端倪时及时处理现有投资，以避免更大损失；包括银行在内的债权人可以利用这种预测做出信贷决策进行控制；供货单位和客户可以在这种信号帮助下制定商业信用政策，并加强对应收账款的管理。一个有效的企业财务危机预警系统应具备以下三个基本职能：一是当可能危害企业财务状况的关键因素出现时，企业财务危机预警系统能预先发出警告，提醒企业管理者早做准备或采取对策以减少财务损失；二是当财务危机征兆出现时，有效的企业财务危机预警系统不仅能预知预告，还能及时寻找导致企业财务状况恶化的原因，制定有效措施，阻止财务状况进一步恶化，避免严重的财务危机真正发生；三是有效的企业财务危机预警系统不仅能及时回避现存的财务危机，而且能通过系统详细地记录其发生缘由、解决措施、处理结果，并及时提出改进建议，弥补企业现有财务管理及经营中的缺陷，从而既提供了未来类似情况的前车之鉴，更能从根本上消除类似财务危机再次发生的隐患。2二、财务危机预测模型2.1（一）按信息类型分类财务危机预测模型因所用的信息类型不同分为财务指标信息类模型、现金流量信息类模型和市场收益率信息类模型。2.1.1 1财务指标信息类模型Altman (1968) 等学者(Altman，Haldeman 和Narayanan，1977；Collins，1980；Platt 和Platt，1991) 使用常规的财务指标，如负债比率、流动比率、净资产收益率和资产周转速度等，作为预测模型的变量进行财务困境预测。尽管财务指标广泛且有效地应用于财务困境预测模型，但如何选择财务指标及是否存在最佳的财务指标来预测财务困境发生的概率却一直存在分歧。Harmer (1983) 指出被选财务指标的相对独立性能提高模型的预测能力。Boritz (1991) 区分出65 个之多的财务指标作为预测变量。但是，自Z 模型(1968) 和ZETA 模型(1977) 发明后，还未出现更好的使用财务指标于预测财务困境的模型。2.1.22现金流量信息类模型现金流量类信息的财务危机预测模型基于一个理财学的基本原理:公司的价值应等于预期的现金流量的净现值。如果公司没有足够的现金支付到期债务，而且又无其他途径获得资金时，那么公司最终将破产。因此，过去和现在的现金流量应能很好地反映公司的价值和破产概率。在Gentry，Newbold 和Whitford(1985a；1985b) 研究的基础上，Aziz、Emanuel 和Lawson (1988) 发展了现金流量信息预测财务危机模型。公司的价值来自经营的、政府的、债权人的、股东的现金流量的折现值之和。他们根据配对的破产公司和非破产公司的数据，发现在破产前5 年内两类公司的经营现金流量均值和现金支付的所得税均值有显著的差异。显然，这一结果是符合现实的。破产司与非破产公司的经营性现金流量会因投资质量和经营效率的差异而不同，二者以现金支付的所得税也会因税收会计的处理差异而不同。Aziz、Emanuel 和Lawson (1989) 比较了Z 模型、ZETA 模型、现金流量模型预测企业发生财务困境的准确率，发现现金流量模型的预测效果较好。2.1.33 市场收益率信息类模型Beaver (1968) 是使用股票市场收益率信息进行财务困境预测研究的先驱。他发现在有效的资本市场里，股票收益率也如同财务指标一样可以预测破产，但时间略滞后。Altman 和Brenner (1981) 的研究表明，破产公司的股票在破产前至少1 年内在资本市场上表现欠佳。Clark 和Weinstein (1983) 发现破产公司股票在破产前至少3 年内存在负的市场收益率。然而，他们也发现破产公告仍然向市场释放了新的信息。破产公司股票在破产公告日前后的两个月时间区段内平均将经历26 %的资本损失。Aharony，Jones 和Swary(1980) 提出了一个基于市场收益率方差的破产预测模型。他们发现在正式的破产公告日之前的4 年内，破产公司的股票的市场收益率方差与一般公司存在差异。在接近破产公告日时，破产公司的股票的市场收益率方差变大。2.2 （二）按预测指标数量分类财务危机的预测模型因选用变量多少不同分为单变量预测模型和多变量预测模型。2.2.1 1单变量预测模型美国学者威廉.比费(William Beaver)在1968年提出了单一变量模型。比费指出，对每一个财务危机企业（预测对象）的预测，都应当首先找出一个参照物，也就是说，要从所属行业中选择一个具有相同资产规模的成功企业，并比较预测对象与成功企业的以下3个比率：现金流量/债务总量；（2）净收益/资产总额；（3）债务总额/资产总额。当预测对象的上述3个比率中的任何一个处于明显不利的差距时，就应当跟踪考察预测对象，采用的方式就是对这些比率的连续变化给予足够的关注。当发现预测对象三个比率中的任何一个处于恶化之中时，就继续考察预测对象是否存在较少的现金而拥有较多的应收账款；预测对象的现金和应收账款加在一起，列入速动资产和流动资产后，是否掩盖了企业短期支付能力的不足；预测对象的存货是否明显不足等。2.2.22多变量预测模型多变量财务危机判别模型是以特征财务比率为解释变量，运用数量统计方法推导而建立起的标准模型。运用此模型预测某种性质事件发生的可能性，及早发现信用危机信号，使经营者能够在危机出现的萌芽阶段采取有效措施改善企业经营，防范危机；使投资者和债权人可依据这种信号及时转移投资、管理应收账款及做出信贷决策。目前国际上这类模型的应用是最有效的，也是国际金融业和学术界视为主流方法。概括起来有线性概率模型、Logistic、Probit模型和判别分析模型。其中多元判别分析法最受青睐，Logistic模型次之。此外，值得注意的是，近年来财务困境预测的研究方法又有新的进展。网络神经遗传方法已经开始被应用于构建和估计财务困境预测模型。在国内的研究中，吴世农、黄世忠(1986) 曾介绍企业的破产分析指标和预测模型;；陈静(1999)以1998 年的27 家ST 公司和27 家非ST 公司，使用了1995 1997 年的财务报表数据，进行了单变量分析和二类线性判定分析，在单变量判定分析中，发现在负债比率、流动比率、总资产收益率、净资产收益率4个财务指标中，流动比率与负债比率的误判率最低;；在多元线性判定分析中，发现由负债比率、净资产收益率、流动比率、营运资本P总资产、总资产周转率6个指标构建的模型，在ST发生的前3 年能较好地预测ST。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 家公司进行模型检验，发现模型具有超前4 年的预测结果。2.3 （三）预测指标的筛选原则财务预警财务指标具有以下特点：(1)第一，高度的敏感性。财务危机有发生的苗头时，就能在指标上比较迅速地反映出来，且能够比较灵敏地反映财务运行的主要方面。(2)第二，强烈的预示性。这些指标必须具有先兆性，指标值的恶化能预示危机发生的可能性。(3)第三，可靠性。财务指标本身是如实的，不偏不倚的可以验证的，这是确保预警系统定量分析具有实际应用价值的重要基础。(4)第四，重要性和有代表性。指标反映的内容在经济活动中居重要地位，且具有同类指标的波动特征。(5)第五，可操作性和及时性。要求选择的指标既要反映问题的主要方面又不可过于复杂，且都能及时搜集到相对可靠的指标值。(6)第六，光滑性。指标受不规则波动因素的影响较少。根据以上特点，并结合实际情况，我们本文选择财务指标的原则是在于：（1）一是全面性，要求反映企业的偿债能力、营运能力、盈力能力、现金流量、成长能力等方面的财务状况。（2）二是可比性，如每股收益、每股净资产等指标与上市公司发行在外的普通股股数有关，因而这类指标不具有可比性。（3）三是同趋势性，即当财务比率增大时，表示财务状况的改善，当财务比率减小时，表示财务状况的恶化。3三、我国上市公司财务危机预警实证分析3.1 （一）研究的方法和思路3.1.11研究方法尽管目前财务危机预警方法层出不穷，但主流的分析方法仅仅包括一元判别、多元判别和多元逻辑回归模型三大类。在本文中，我主要运用Logistic回归作为主要建模方法。Logistic回归模型是对二分类因变量进行回归分析时最普遍使用的多元统计方法。它根据样本数据采用一系列财务比率变量，使用最大似然估计法估计出个参数值，经过一定的数学推导运算，可求得响应变量取某个值的概率；然后根据银行、投资者的风险偏好程度设定风险警界线、以此对分析对象进行风险定位和决策。Logistic模型与多元判别分析法的本质区别在于前者不要求满足正态分布，其模型采用Logistic函数，适用范围更广。由于Logistic回归不假定任何概率分布，不满足正态分布情况下判别正确率高于判别分析法的结果。而且Logistic回归建立好模型后，具体公司代入模型得到的是一个概率值，给人直观明了的感觉，在实际运用中非常简单、方便。Logistic模型的数学表达式为： （3-1）可等价地表示为： （3-2）在这里，y=(1，0)表示某一事件发生的次数，y=1表示发生，y=0表示不发生。p=P(y=1)表示事件发生的概率。 (i=0， n)为待估参数， (i=1， n)为自变量。3.1.2 2研究思路 本文首先计算120家样本公司的速动比率、流动负债经营活动净现金流比率等11个财务指标，这些指标综合反映了企业的偿债能力、资产管理和负债管理能力、盈利能力和成长能力。在此基础上，使用SPSS软件进行logistic回归分析，得出较显著的6个指标为模型的判定指标，建立和估计财务危机的预测模型。3.2（二）样本和预测指标的选择3.2.1 1样本的选择我本文共选取了深圳证券交易所2006年ST公司60家，而选取的数据是这些公司前一年的财务数据。同时选取了相应年份相同行业的正常的公司60家。这些样本公司是跨多个行业，主要有医药、房地产、机械仪器等十几个行业，排除了进行特别处理的公司。3.2.22预测指标的选择和其它多元回归方法一样，logistic回归模型也对多重共线性敏感，当变量的相关程度较高时，样本的较小变化将会带来系数估计的较大变化，从而降低模型的效果。而各项财务指标都是相互联系的，它们之间的相关程度往往较高。为了准确地测度企业的财务状况，需要从大量的财务因子中筛选警情指标。本文参考有关财务评价准则并结合我国企业的现有状况，设置了一套警情综合评价指标体系该体系包括以下5类财务比率的11项指标：表3-1 财务指标组别标号指标名称偿债能力比率（）速动比率流动负债经营活动净现金流比资产管理比率（）应收款周转率存货周转率负债管理比率（）资产负债比率股东权益比率盈利能力比率（）主营业务利润率总资产利润率主营业务比率净资产收益率成长能力比率（）净利润增长率上述指标构成了一个整体，能充分反映企业财务的实际情况。3.3（三）财务危机预测模型的建立和结果分析3.3.1 1财务危机预测模型的建立利用SPSS统计软件，根据上述选定的11个变量及其财务危机前一年的样本数据，进行Logistic回归分析。我选择向后逐步法进入模型的方式，将指标系数过小的变量剔除，最终得到如下的估计结果：表3-2 回归模型估计及检验结果 由此可以得到预警模型为 （3-3）即 （3-4）在以上两式中，表示上市公司面临财务危机的概率，对于发生财务危机的公司，取1，否则为0。3.3.2 2财务危机预测模型的结果分析根据所得到的 logistic方程，以0.5为最佳判定点对原始数据进行回判判定，如果得到的值大于0.5，判定样本为财务危机公司，否则属于正常公司。判定见下表：表3-3估计样本的判定结果而且在研究中我们还可以得知在上市公司发生财务危机的前一年，股东权益比率、主营业务利润率、总资产利润率、净资产收益率、净利润增长率这五个指标的作用比较弱，我们应关注公司的速动比率、流动负债经营活动净现金流比、应收款周转率、存货周转率、资产负债比率和主营业务比率，尤其是流动负债经营活动净现金流比和速动比率。流动负债经营活动净现金流比和速动比率属于短期偿债能力指标，这两者在公司出现财务危机前一年在判断上市公司是否出现财务危机上起着重要的判别和预警作用。3.4 （四）财务危机预测模型的进一步检验为了进一步检验以上模型的效果，我们随机选取上海证券交易所2006年被特别处理的10家公司和同一年中没有被特别处理的10家公司作为测试样本，分别计算2005年的相关财务比率，并将数据代入logistic模型，同样以0.5作为最佳判定点，得到的判定结果如下表。表3-4 测试样本的判定结果公司名称标志值陷入财务危机的概率公司名称标志值陷入财务危机的概率东风汽车00.000902259ST江纸10.999997852G首创00.000190583*ST联谊10.319652767G沪机场00.000300117*ST华光10.50459887G华能00.00684575ST博讯10.996236578G上港00.005036563*ST云大10.994104166G宝钢00.000140489*ST黑龙10.999999258G联通00.015621213*ST天香10.782780166G联合00.06745756ST珠峰10.99371454浙江广厦00.000460773*ST长运10.165795427G万东00.001390737ST金泰10.999999738正确率（）100正确率（）80 从这个结果中我们可以看到，模型对10家非ST公司全部判定正确，而对10家ST公司只有2家错判，总体判定正确率达到