我国上市公司财务困境的预测模型研究

1、我国上市公司财务困境的预测模型研究内容提要本文以我国上市公司为研究对象选取了 70 家处于财务困境的公司和 70 家财务正常的公司为样本首先应用剖面分析和单变量判定分析研究财务困境出现前 5 年内各年这二类公司 21 个财务指标的差异最后选定6 个为预测指标应用 fisher 线性判定分析、多元线性回归分析和 logistic回归分析三种方法分别建立三种预测财务困境的模型研究结果表明 (1) 在财务困境发生前 2 年或 1 年有 16 个财务指标的信息时效性较强其中净资产报酬率的判别成功率较高； (2) 三种模型均能在财务困境发生前做出相对准确的预测在财务困境发生前 4 年的误判率在28 以内

2、； (3) 相对同一信息集而言 logistic 预测模型的误判率最低财务困境发生前 1 年的误 判率仅为 6 47 一、财务困境预测模型研究的基本问题财务 困 境 (financialdistress) 又 称 “ 财 务 危机 ” (financialcrisis) 最 严 重 的 财 务 困 境 是 “ 企 业 破产” (bankruptcy) 企业因财务困境导致破产实际上是一种违约行为所以财务困境又可称为“违约风险” (defaultrisk)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困境都是由财务状况正常到逐步恶化最终导致财务困境或破产

3、的因此企业的财务困境不但具有先兆而且是可预测的正确地预测企业财务困境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纵观财务困境判定和预测模型的研究涉及到三个基本问题一是财务困境的定义；二是预测变量或判定指标的选择； 三是计量方法的选择(一)财务困境的定义关于财务困境的定义有不同的观点 carmiehael(1972) 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 ross 等人 (1999 ； 2000)则认为可从四个方面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

4、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困境的角度看“财务困境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“财务困境公司”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困境altman(1968)定义的财务困境是“进入法定破产的企业 ” deakin(1972) 则认为财务困境公司“仅包括已经经历破产、无力偿

5、债或为债权人利益而已经进行清算的公司”)预测变量的选择财务困境预测模型因所( 二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1 财务指标信息类模型ahman(1968) 等 学 者 (ahmanhaldeman 和narayanan1980 ； platt 和 platt1991) 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

6、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 现金流量信息类模型现金流量类信息的财务困境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gentrynewbold 和 whitford(1985a ； 1985b) 研究的基础上 aziz 、 emanuel 和 la

7、wson(1988) 发展了现金流量信息预测财务困境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公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 3 市场收益率信息类模型b

8、eaver(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 aharonyjones 和swary(1980) 提出了一个基于市场收益率方差的破产预测模型

9、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(三)计量方法的选择财务困境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；多变量预测模型因使用计量方法不同分为线性判定模型、线性概率模型和 logistic 回归模型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( 四 )我国对企业财务困境预测的研究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

10、 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 年的预测结果二、本文的样本和研究方法本文与以前我国上

11、市公司财务困境的研究有所不同第一样本新、时间长、容量大本文研究的 st 样本包括 1998 2000 年发生 st 的公司即 a 股市场上全部的 st 公司同时剔除了非正常的 st 公司；此外样本数据的收集时间延至公司发生st前5年样本时间跨度较长选入研究的 st 样本公司 70 家和相对应的非st 样本公司 70 家样本容量达到了 140 家可望在一定程度上降低估计和预测误差第二选择多种研究方法建立单变量判定模型和三种多变量判定模型并比较各种模型在财务困境预测中的效率(一)财务困境公司的样本选定本文从我国a股市场上3年中由现的82家 st 公司中界定出 70 家公司作为财务困境公司进行财务困

12、境预测研究它们是(1) 连续两年亏损包括因对财务报告调整导致连续两年亏损的“连亏”公司共51 家； (2) 一年亏损但最近一个会计年度的股东权益低于注册资本即“巨亏”公司共 16 家； (3) 因注册会计师意见而特别处理的共3 家但排除(1) 上市两年内就进入特别处理的公司共8 家排除原因是财 务数据过少和存在严重的包装上市嫌疑因此与样本中的其他公司不具有同质性； (2) 因巨额或有负债进行特别处理的公司共 2 家排除原因是或有负债属偶发事件不是由企业正常经营造成的与其他样本公司不具有同质性； (3) 因自然灾害、重大事故等进行特别处理的共2 家原因同 (2)( 二 )研究程序和计量方法本研究

13、首先计算140 家样本公司的盈利增长比率、股东权益收益率等21 个财务指标这些指标综合反映了企业的盈利能力、长短期偿债能力、营运能力、成长能力和企业规模在此基础上使用剖面分析对样本中的财务困境公司和非财务困境公司在财务困境发生前 5 年期间历年的 21 个财务指标进行对比分析探讨对企业陷入财务困境影响显著的变量其后应用单变量分析选择4 个财务指标为例估计单变量判定模型最后筛选和确定对企业陷入财务困境影响最为显著的 6 个指标为模型的判定指标应用线性概率模型、 fisher 二类线性判定模型、 logistic 模型三种计量方法建立和估计财务困境的预测模型并比较这三种模型的预测效果三、 实证研究

14、 (一)剖面分析首先分组计算 70 家财务困境公司和 70 家非财务困境公司的21 个财务指标在财务困境发生前 1 至 5 年的平均值和标准差等描述性统计量比较这二组在 21 个财务指标各年的平均值是否具有显著差异其次计算各年的 z 统计检验量结果如表 1 所示剖面分析结果表明 （1）在 st 发生的前 1 和 2 年财务困境公司和非财务困境公司的 17 个财务指标的平均值存在显著的差异； （2）z 值随着 st 发生时间的临近而显著增大即二组的财务指标平均值的差异随 st 发生时间的临近而扩大由此可见在所选的 21 个财务指标中除利息保障倍数、 存货周转率、 log（ 总资产 ）和 idg（

15、 净资产）外其余17 个在财务困境发生前 1 至 2 年中具有显著的预测能力表121 个财务指标z统计量的计算结果*（二）单变量判定分析本文选择净资产报酬率、 负债比例、营运资产与总资产的比例和资产周转率4 个财务指标应用单变量判定分析分别建立4 个单变量预测模型通过确定模型的最佳判定点可以判定某一企业在财务困境发生前 1 至 5年其是否会陷入财务困境估计模型的结果如表2 至表 5 所示表 2 净资产报酬率在财务困境前 1-5 年的判定模型由表 2 至表 5 可见 (1)从各个单变量判定模型的判定效果来看净资产报酬率的判定模型误差最小；营运资本总资产的判定模型和负债比率的判定模型误差次之资产周

16、转率的判定模型误差最大(2) 财务指标作为预测变量具有信息含量和时效性其信息含量随着时间的推移而递减即指标值离财务困境发生的时间愈短信息含量愈多预测的准确性愈高反之信息含量愈少预测准确性愈低(3) 结合剖面分析在两组均值的差异性检验中非常显著的财务指标在单变量判定分析中的误判率却较高例如财务困境公司与非财务困境公司两组的负债比率在财务困境前1 年的 z 统计量为 7 0696 差异性非常显著但在单变量判定分析中误判比率却高达24 46 以上结果表明应用不同研究方法分析同一个指标所得结果不同我们认为这是因为在剖面分析的 z 检验中误判率不仅与两组的均值有关而且与两组的样本分布的状况有关因此应用不

17、同判定分析方法构建的单指标判定模型结论往往相互冲突表3 负债1-5 年的判定模型表 5 资产周转率在财务困境前1-5 年的判定模型（三）多元线性判定模型的变量选择分析本研究首先应用 lpm 采用逐步回归选择变量方法对5 年的样本数据依次进行回归从 21 个变量中选择若干变量选择的标准是f 值的概率值小于 0 10 时进入大于 0 11 时剔除利用财务困境前1 至5 年的数据分别进行逐步回归结果如表6 所示我们最终选取了 xl（盈利增长指数卜x3（资产报酬率卜x7（流动比率卜x11（长期负债与股东权益比率） 、 x12（ 营运资本与总资产比 ） 、 x19（ 资产周转率）等 6 个指标作为多元判

18、定分析的变量选取这些指标的原因是（1） 以财务困境前1 年的逐步回归结果为主参考其他年份的回归结果由剖面分析可知财务困境前 1 年的财务指标作为财务困境预测的信息含量最多时效性最强；离财务困境发生的时间越远指标的信息含量越少时效性越差所以财务困境前 1 年逐步回归所得的变量全部入选结合其他年份特别是财务困境前2 年的结果营运资本总资产比、速动比率、负债比率、应收账款周转率是表现较好的变量（2） 兼顾全面综合的信息反映适当避免同类信息的重复反映首先财务困境前 1 年逐步回归所得的变量盈利增长指数、资产报酬率、长期负债 股东权益比率、资产周转率分别是反映企业成长能力、盈利能力、长期偿债能力、营运能

19、力的指标但没有反映短期偿债能力的指标营运资本与总资产比是财务困境前 2 年逐步回归所得的变量之一而且参数估计值的显著性水平在0 05 之上故也把该变量作为预测变量之一其次速动比率是反映短期偿债能力的指标但更能全面反映短期偿债能力是流动比率结合剖面分析历年两组间的流动比率和速动比率均值差异性检验统计量 z 值比较接近表明这二个指标都能反映的两组的差异性因此从反映短期偿债能力的全面性来考虑我们在建模时选择了流动比率舍弃了速动比率再次考虑到若企业短期偿债能力较强会减少其在短期内陷入财务困境的概率因此把短期偿债能力的两个指标营运资本与总资产比和流动比率同时引入预测变量组合加强短期偿债能力信息在预测中的

20、比重第四负债比率与长期负债股东权益比同是反映企业长期偿债能力的指标长期负债股东权益比已在财务困境前 1 年引入了变量组合为避免信息的重复反映舍弃了负债比率最后应收账款周转率与总资产周转率同是反映营运能力的指标但应收账款周转率不及总资产周转率反映全面所以反映营运能力的指标选用总资产周转率舍弃应收账款周转率表6 各年逐步回归的所得的变量结果为了避免多重共线性对选定的 6 个变量进行多重共线性检验本文使用的检验指标是容许度(tol) 和方差膨胀因子(vif)计算公式为 tolj=1 r2j=1 /vifj其中群为均对其余 k 1 个自变量回归中的判定系数r2 当 tol 较小时认为存在多重共线性一般

21、地方差膨胀因子 vif 大于 10 认为具有高的多重共线性 vif 检验的结果见表7 从表 7 可知 6 个变量的vif 均小于 10 可认为各变量之间不存在显著的多重共线性表7 多重共线性检验(四)多元线性判定模型的估计结果1 lpm 模型根据上述选定的 6 个变量及其财务困境前1 年的样本数据得到lpm 模型的回归结果如表8 所示 lpm 模型的方程可表示为y=0 3883+0 1065x1-2 7733x3+0 0537x7+0 1970x11-0 . 3687x12-0.1388x19 其中y是陷入财务困境的概率； x1 是盈利增长指数； x3 是资产报酬率； x7 是流动比率；x11

22、 是长期负债股东权益比率； x12 是营运资本总资产；x19 是资产周转率表8lpm 模型的回归估计结果线性概率方程是以 70 家非财务困境公司与 69 家财务困境公司在财务困境前1 年的 6 个财务指标的数据为因变量值取财务困境公司为 1 非财务困境公司为0 作为因变量值进行估计的因此理论上取0 5 为最佳判定点根据估计的模型对原始数据进行回代判定若预测值大于 0 5 的判定为财务困境公司； 否则为非财务困境公司判定结果如表9 所示表 9lpm在财务困境前1 年的判定结果在回判过程中 70 家非财务困境公司有4 家被错判误判率为 5 71 ； 69 家财务困境公司有10 家被错判误判率为 1

23、4 49 ；总的误判率为 10 07 判定正确率较高采用同样的方法可以计算其他年份的最佳判定点和误判率2 fisher 二类线性判定模型把财务困境公司划分为组合1非财务困境公司划分为组合2 对样本公司的财务困境前 1 年6 个变量估计fisher 二类线性判定分析对 于 组合 1 判 定模 型为 z=-6 059+0 331x1 一 25 865x3+4 033x7+3 250x11-11 905x12+4 428x19 对于组合2判定模型为 z=-4 859 0 812x1+3 989x3+3 432x7+1 142x11 一 7 734x12+5 924x19 以典则 (canonical

24、) 变量代替原始 数据中指定的自变量其中典则变量是原始自变量的线性组合得到典则的线性判定模型为 z=0 448 0 435xl+11.374x3 0 229x7 0 803x1 1+1 589x12+0 570x19 根据上述判定模型以财务困境发生前 1 年的原始数据分别进行回代二个组合的平均 z 值分别是 -1 3254 和 1 3065 样本个数分别为 69 和 70 所以按完全对称原则确定的最佳判定点为 z* 由此可知当把财务困境发生前 1 年的原始数据代入判定模型所得的判定值z 大于 z*则判为组合2 即非财务困境公司否则判为组合1 由此得到的判定结果见表10 同理可计算其他年份的最佳

25、判定点和误判率表 10fisher 二类线性判定模型在财务困境前 1 年值得指出的是fisher 判定模型在财务困境发生前 1年的误判率为 10 07 与 lpm 模型的误判率相同这从应用 上证明二个模型是等价的 3 iosistic 回归模型使用同样的财务指标和数据进行二元 logistic 回归分析得到模型的估计结果见表 11 表 11 二元 logistic 回归模型估计结果截距模型是将所有自变量删除后只剩一个截距系数模 型 当 前 模 型 是 含 有 自 变 量 的 logistic 回 归 模 型“ likelihood" 为 似 然 函 数 值“2loglikelihood"(缩写为 2ll) 是似然函数值的自然对数的 2 倍常用来反映模型的拟合程度其值越小表示拟合程度越好因为 idsistic 模型是使用最大似然估计似然函