山東財政學院 楊 華
財務危機不僅僅是由于財務活動引起的，非財務活動在某些情況下也會導致財務危機的產生。本文擬以2004～2005年部分首次被ST的A股上市公司為研究對象，結合經過無量綱化處理的財務指標和非財務指標，使用主成分分析法和Logit回歸建立財務危機前2年的預警模型。研究顯示，引入非財務指標后的財務危機預警模型在一定程度上提高了預測準確率。
一、研究樣本設計
財務危機是一種企業盈利能力實質性地減弱，并伴隨持續虧損的漸進式的積累過程。財務危機的發生會使企業的經營循環和財務循環無法正常持續或陷于停滯，前期表現為違約、無償付能力、連續虧損等，最終表現為企業破產。而我國多數學者將部分ST公司作為出現財務危機的公司，本文研究也采用這一思路。
研究中選取的財務危機公司是2004～2005年滬深A股公司中因下列情形而被ST或*ST的上市公司：最近兩個會計年度審計結果顯示的凈利潤均為負值；最近一個會計年度審計結果顯示其股東權益低于注冊資本，即每股凈資產低于股票面值；注冊會計師對最近一個會計年度的財務報告出具無法表示意見或否定意見的審計報告?；谛袠I相同或相近和上市時間相同或相近的原則，為危機公司從1998～2005年從未出現財務危機的公司中一一選取配對樣本。如果不能滿足配對原則，剔出該危機公司。按照上述思路，本文從2004～2005年首次ST或*ST公司選取了54家公司(2004年29家，2005年25家)，加上相配對的54家公司，研究樣本共計108家(54對)。隨機抽取40對作為預警模型的構造樣本，其余用作測試樣本檢驗模型的預測準確率。由于我國上市公司年報披露制度規定上市公司公布其年報的截止日期為下一年的4月30日，上市公司(t－1)年的年報和其在第t年是否被特別處理幾乎同時發生，用(t－1)年的數據預測第t年是否被特別處理沒有實際意義，因而在研究中采用(t－2)年的數據。
二、研究指標選取
借鑒國內外學者的研究經驗，本文既按照《企業效績評價操作細則(修訂)》和證監會對上市公司信息披露要求，選取了反映企業償債能力、營運能力、盈利能力、成長能力和現金流量的財務指標；又選取了反映企業股權結構、年報批露、公司治理、地域因素、資產規模等方面的非財務指標，如表1所示：
表1 財務指標和非財務指標
評價內容 解釋變量含義 評價內容 解釋變量含義
償債能力S1 流動比率X1 現金流量S5 每股經營現金凈流量X13
營運資本比率X2 全部資產現金回收率X14
資產負債率X3 現金負債總額比X15
營運能力S2 應收賬款周轉率X4 股權結構S6 第一大股東持股比例X16
存貨周轉率X5 國有股持股比例X17
總資產周轉率X6 是否存在控股股東X18(虛擬變量1)
盈利能力S3 資產凈利率X7 年報批露S7 審計意見類型X19(虛擬變量2)
凈資產收益率X8 公告日是否延遲X20(虛擬變量3)
總資產收益率X9 公司治理S8 獨立董事比例X21
成長能力S4 主營業務增長率X10 董事長和總經理是否為一人X22(虛擬變量4)
資本積累率X11 資產規模S9 總資產的以10為底的對數X23
凈利潤增長率X12 地域因素S10 位于經濟發達地區X24(虛擬變量5)
三、研究指標篩選
(一) 財務指標無量綱化 本文選用的研究樣本涉及多個行業，指標間的綱量不同會影響預測的精度，因此研究前先對財務指標采用極差化(正規化)方法進行處理，使值均落在[0, 1]之間。
(二) 主成分提取 對80家構造樣本運用SPSS13.0進行主成分分析，提煉綜合因子形成彼此不相關的主成分，避免信息重疊。KMO值為0.636，Bartlett球度檢驗給出的相伴概率為0.000，可見構造樣本適用于做因子分析。取累計貢獻率為76.79%，得到的主成分因子個數為8，即用8個主成分代替原有的24個指標，8個指標包含了原來76.79%的信息。為全面準確地揭示主成分因子與原始指標之間的關系，對旋轉后的因子載荷矩陣進行分析，以便為主成分命名。（1）主成分F1為盈利能力因子，主要由資產凈利率X7、凈資產收益率X8和總資產收益率X9解釋，反映公司獲取利潤的能力。對證券市場上的各方利益相關者來說，利潤是至關重要的，它不僅是股東取得投資收益，債權人收取本息的資金來源，也是公司得以持續發展的關鍵動因，證監會等監管部門更是把盈利能力作為考核公司發行股票、募集資金的重要標準。（2）主成分F2為償債能力因子，主要由流動比率X1和現金負債總額比X15解釋，反映企業償還短期債務和長期債務的能力。流動比率是流動資產與流動負債之比，顯示短期債權人安全邊際的大小，也是財政部對企業經濟效益的一項評價指標?，F金負債總額比是經營現金凈流入與負債總額之比，從現金流量的角度考察企業的償債能力，該比率越高，企業償債能力越強。（3）主成分F3為營運能力因子，主要由應收賬款周轉率X4（主營業務收入÷平均應收賬款）解釋。應收賬款周轉率反映了企業應收賬款變現速度的快慢及管理效率的高低。（4）主成分F4為股權結構的國有股因子，用國有股持股比例X17解釋。國有股持股比例是國家股與國有法人股在公司全部股份中所占的比例，若國有股持股比例太高，其他股份就不能形成對國有股的有效制約。（5）主成分F5為股權結構的第一大股東因子，用第一大股東持股比例X16和是否存在控股股東X18解釋。是否存在控股股東X18反映了第一大股東持股比例是否超過其他九大股東，它和第一大股東持股比例X16一樣，均體現了第一大股東對上市公司的影響。股東持股越集中，公司的經營管理越容易受控制和影響而喪失獨立性，公司業績和股東權益的不確定因素也就越大。（6）主成分F6為公司治理的獨立董事因子，用獨立董事比例X21解釋。獨立董事在董事會中發揮著重要作用，它能對董事會進行有效的監督和管理，從而避免董事會被公司內部人員控制。 （7）主成分F7為年報批露因子，由審計意見類型X19和公告日是否延遲X20解釋。注冊會計師根據持續經營原則出具審計報告，揭示公司經營中存在及潛藏的風險。而經營業績差的上市公司為了粉飾報表，與非財務危機公司相比，會花費更多時間。年報能否按照預約披露日發布，以及是否被出具非標準審計意見在一定程度上顯示出上市公司是否會陷入財務危機。（8）主成分F8為公司治理的兩職分置因子，用董事長和總經理是否為一人X22解釋。董事長的職能應是主持董事會，并對總經理的工作做出評價。兩職合一雖然能有效地開展戰略策劃及加強領導，但也會使總經理對董事會和公司的控制大大提高，降低公司治理的效率。
由上述分析可知，非財務指標占了8個主成分中的5個，說明在危機前兩年財務危機公司和非財務危機公司的不同不僅表現在財務指標上，也表現在非財務指標上，而且非財務指標體現得更為明顯，這充分證明非財務指標在財務危機預警方面具有重要意義。
四、財務危機預警模型
本文采用Logit回歸法，以主成分分析提取的8個主因子作為自變量建立財務危機預警模型。因變量y為上市公司是否會發生財務危機，取0和1兩個值。擬合的方程可表示為：
ln[P/(1- P)]=a+∑biXi
其中，P是上市公司發生財務危機的概率；Xi是影響上市公司財務危機的第i個因素，i=1，2，…，m；a、 bi(i=1，2，…，m)是待估參數。
在Logit回歸中，選用的分析方法是使用Wald統計量的向前回歸法。Wald統計量用于判斷一個變量是否應該包含在模型中，Wald統計量越大(sig.值越小)，該自變量在回歸方程的地位就越重要。建立的(t－2)年財務危機預警模型為：
該模型包含的3個主因子中，盈利能力因子F1和償債能力因子F2的Wald統計量相應sig.值小于0.05，說明這兩個主因子在模型中的地位非常顯著，即在財務危機前2年，財務危機公司與非財務危機公司相比，其盈利能力和償債能力有了明顯變化；年報披露因子F7的Wald統計量相應sig.值略微大于0.05，可見該因子在模型中的作用小于前2個因子，但也對上市公司的財務危機具有較好的預警作用。
表2 模型估計
參數估計B 標準差S.E. Wald 顯著水平Sig.
盈利能力因子F1 -2.799 0.611 20.989 0.000
償債能力因子F2 1.257 0.428 8.624 0.003
年報批露因子F7 0.878 0.45 3.809 0.051
常數 0.385 0.382 1.016 0.314
模型的回代預測顯示，建立的財務危機預警模型對構造樣本的預測準確率為90%(分割點為0.5)。而用沒有建立模型的測試樣本進行預測時，14家財務危機公司有12家預測正確，預測準確率為85. 71%，略低于回代預測，但也顯示了較好的預測效果。如果不加入非財務指標，僅用2個財務指標建立模型的回代預測準確率為82.5%，對測試樣本的預測準確率為71.43%。由此可知，引入非財務指標后，回代預測的準確率提高了7.5%，測試樣本的預測準確率提高了14.28%，表明非財務指標的引入有助于提高財務危機預警模型預測準確率，在建立財務危機預警模型時，它們是財務指標的有效補充。
參考文獻：
[1]王炫：《預測上市公司失敗(被列為ST、PT)的財務模型》，《國泰君安證券通訊》2001年。
[2]Altman E. I., Financial Ratio, Discriminant Analysis and the Prediction of Corporate Bankruptcy[J], Journal of Finance, 1968, 4, 589～609.
[3]Martin D., Early warning of Bank Failure: A Logistic Regression Approach[J], Journal of Banking and Finance,1977, 249～276.
[4]陳靜：《上市公司財務惡化預測的實證分析》，《會計研究》，1999年第4期。
[5]楊兵、柯佑鵬：《非財務指標影響上市公司財務危機預測能力的實證研究》，《財會通訊》（學術版）2005年第11期。
