上市公司財務困境預測模型

前言：本站為你精心整理了上市公司財務困境預測模型范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

內容提要：本文以我國上市公司為研究對象，選取了70家處于財務困境的公司和70家財務正常的公司為樣本，首先應用剖面分析和單變量判定分析，研究財務困境出現前5年內各年這二類公司21個財務指標的差異，最后選定6個為預測指標，應用Fisher線性判定分析、多元線性回歸分析和Logistic回歸分析三種方法，分別建立三種預測財務困境的模型。研究結果表明：(1)在財務困境發生前2年或1年，有16個財務指標的信息時效性較強，其中凈資產報酬率的判別成功率較高；(2)三種模型均能在財務困境發生前做出相對準確的預測，在財務困境發生前4年的誤判率在28％以內；(3)相對同一信息集而言，Logistic預測模型的誤判率最低，財務困境發生前1年的誤判率僅為6．47％。

一、財務困境預測模型研究的基本問題

財務困境(Financialdistress)又稱“財務危機”(Financialcrisis)，最嚴重的財務困境是“企業破產”(Bankruptcy)。企業因財務困境導致破產實際上是一種違約行為，所以財務困境又可稱為“違約風險”(Defaultrisk)。事實上，企業陷入財務困境是一個逐步的過程，通常從財務正常漸漸發展到財務危機。實踐中，大多數企業的財務困境都是由財務狀況正常到逐步惡化，最終導致財務困境或破產的。因此，企業的財務困境不但具有先兆，而且是可預測的。正確地預測企業財務困境，對于保護投資者和債權人的利益、對于經營者防范財務危機、對于政府管理部門監控上市公司質量和證券市場風險，都具有重要的現實意義?？v觀財務困境判定和預測模型的研究，涉及到三個基本問題：一是財務困境的定義；二是預測變量或判定指標的選擇；三是計量方法的選擇。

(一)財務困境的定義

關于財務困境的定義，有不同的觀點。Carmiehael(1972)認為財務困境是企業履行義務時受阻，具體表現為流動性不足、權益不足、債務拖欠及資金不足四種形式。Ross等人(1999；2000)則認為可從四個方面定義企業的財務困境：第一，企業失敗，即企業清算后仍無力支付債權人的債務；第二，法定破產，即企業和債權人向法院申請企業破產；第三，技術破產，即企業無法按期履行債務合約付息還本；第四，會計破產，即企業的賬面凈資產出現負數，資不抵債。從防范財務困境的角度看，“財務困境是指一個企業處于經營性現金流量不足以抵償現有到期債務”，即技術破產。

在Beaver(1966)的研究中，79家“財務困境公司”包括59家破產公司、16家拖欠優先股股利公司和3家拖欠債務的公司，由此可見，Beaver把破產、拖欠優先股股利、拖欠債務界定為財務困境。Altman(1968)定義的財務困境是“進入法定破產的企業”。Deakin(1972)則認為財務困境公司“僅包括已經經歷破產、無力償債或為債權人利益而已經進行清算的公司”。

(二)預測變量的選擇

財務困境預測模型因所用的信息類型不同分為財務指標信息類模型、現金流量信息類模型和市場收益率信息類模型。

1．財務指標信息類模型。Ahman(1968)等學者(Ahman，Haldeman和Narayanan，1980；Platt和Platt，1991)使用常規的財務指標，如負債比率、流動比率、凈資產收益率和資產周轉速度等，作為預測模型的變量進行財務困境預測。

盡管財務指標廣泛且有效地應用于財務困境預測模型，但如何選擇財務指標及是否存在最佳的財務指標來預測財務困境發生的概率卻一直存在分歧。Harmer(1983)指出被選財務指標的相對獨立性能提高模型的預測能力。Boritz(1991)區分出65個之多的財務指標作為預測變量。但是，自Z模型(1968)和ZETA模型(1977)發明后，還未出現更好的使用財務指標于預測財務困境的模型。

2．現金流量信息類模型?，F金流量類信息的財務困境預測模型基于一個理財學的基本原理：公司的價值應等于預期的現金流量的凈現值。如果公司沒有足夠的現金支付到期債務，而且又無其他途徑獲得資金時，那么公司最終將破產。因此，過去和現在的現金流量應能很好地反映公司的價值和破產概率。

在Gentry，Newbold和Whitford(1985a；1985b)研究的基礎上，Aziz、Emanuel和Lawson(1988)發展了現金流量信息預測財務困境模型。公司的價值來自經營的、政府的、債權人的、股東的現金流量的折現值之和。他們根據配對的破產公司和非破產公司的數據，發現在破產前5年內兩類公司的經營現金流量均值和現金支付的所得稅均值有顯著的差異。顯然，這一結果是符合現實的。破產公司與非破產公司的經營性現金流量會因投資質量和經營效率的差異而不同，二者以現金支付的所得稅也會因稅收會計的處理差異而不同。Aziz、Emanuel和Lawson(1989)比較了Z模型、ZETA模型、現金流量模型預測企業發生財務困境的準確率，發現現金流量模型的預測效果較好。

3．市場收益率信息類模型。Beaver(1968)是使用股票市場收益率信息進行財務困境預測研究的先驅。他發現在有效的資本市場里，股票收益率也如同財務指標一樣可以預測破產，但時間略滯后。Altman和Brenner(1981)的研究表明，破產公司的股票在破產前至少1年內在資本市場上表現欠佳。Clark和Weinstein(1983)發現破產公司股票在破產前至少3年內存在負的市場收益率。然而，他們也發現破產公告仍然向市場釋放了新的信息。破產公司股票在破產公告日前后的兩個月時間區段內平均將經歷26％的資本損失。

Aharony，Jones和Swary(1980)提出了一個基于市場收益率方差的破產預測模型。他們發現在正式的破產公告日之前的4年內，破產公司的股票的市場收益率方差與一般公司存在差異。在接近破產公告日時，破產公司的股票的市場收益率方差變大。

(三)計量方法的選擇

財務困境的預測模型因選用變量多少不同分為單變量預測模型和多變量預測模型；多變量預測模型因使用計量方法不同分為線性判定模型、線性概率模型和Logistic回歸模型。

此外，值得注意的是，近年來財務困境預測的研究方法又有新的進展。網絡神經遺傳方法已經開始被應用于構建和估計財務困境預測模型。

(四)我國對企業財務困境預測的研究

在國內的研究中，吳世農、黃世忠(1986)曾介紹企業的破產分析指標和預測模型；陳靜(1999)以1998年的27家ST公司和27家非ST公司，使用了1995―1997年的財務報表數據，進行了單變量分析和二類線性判定分析，在單變量判定分析中，發現在負債比率、流動比率、總資產收益率、凈資產收益率4個財務指標中，流動比率與負債比率的誤判率最低；在多元線性判定分析中，發現由負債比率、凈資產收益率、流動比率、營運資本／總資產、總資產周轉率6個指標構建的模型，在ST發生的前3年能較好地預測ST。張玲(2000)以120家公司為研究對象，使用其中60家公司的財務數據估計二類線性判別模型，并使用另外60家公司進行模型檢驗，發現模型具有超前4年的預測結果。

二、本文的樣本和研究方法

本文與以前我國上市公司財務困境的研究有所不同。第一，樣本新、時間長、容量大。本文研究的ST樣本包括1998―2000年發生ST的公司，即A股市場上全部的ST公司，同時剔除了非正常的ST公司；此外，樣本數據的收集時間延至公司發生ST前5年，樣本時間跨度較長。選入研究的ST樣本公司70家和相對應的非ST樣本公司70家，樣本容量達到了140家，可望在一定程度上降低估計和預測誤差。第二，選擇多種研究方法，建立單變量判定模型和三種多變量判定模型，并比較各種模型在財務困境預測中的效率。

(一)財務困境公司的樣本選定

本文從我國A股市場上3年中出現的82家ST公司中界定出70家公司作為財務困境公司，進行財務困境預測研究。它們是：(1)連續兩年虧損，包括因對財務報告調整導致連續兩年虧損的“連虧”公司，共51家；(2)一年虧損但最近一個會計年度的股東權益低于注冊資本，即“巨虧”公司，共16家；(3)因注冊會計師意見而特別處理的，共3家。但排除了：(1)上市兩年內就進入特別處理的公司，共8家。排除原因是財務數據過少和存在嚴重的包裝上市嫌疑，因此與樣本中的其他公司不具有同質性；(2)因巨額或有負債進行特別處理的公司，共2家。排除原因是或有負債屬偶發事件，不是由企業正常經營造成的，與其他樣本公司不具有同質性；(3)因自然災害、重大事故等進行特別處理的，共2家，原因同(2)。

(二)研究程序和計量方法

本研究首先計算140家樣本公司的盈利增長比率、股東權益收益率等21個財務指標，這些指標綜合反映了企業的盈利能力、長短期償債能力、營運能力、成長能力和企業規模。在此基礎上，使用剖面分析對樣本中的財務困境公司和非財務困境公司在財務困境發生前5年期間歷年的21個財務指標進行對比分析，探討對企業陷入財務困境影響顯著的變量。其后，應用單變量分析，選擇4個財務指標為例估計單變量判定模型。最后，篩選和確定對企業陷入財務困境影響最為顯著的6個指標為模型的判定指標，應用線性概率模型、Fisher二類線性判定模型、Logistic模型三種計量方法，建立和估計財務困境的預測模型，并比較這三種模型的預測效果。

三、實證研究“公務員之家”版權所有

(一)剖面分析

首先分組計算70家財務困境公司和70家非財務困境公司的21個財務指標在財務困境發生前1至5年的平均值和標準差等描述性統計量，比較這二組在21個財務指標各年的平均值是否具有顯著差異，其次計算各年的Z統計檢驗量，結果如表1所示。剖面分析結果表明：(1)在ST發生的前1和2年，財務困境公司和非財務困境公司的17個財務指標的平均值存在顯著的差異；(2)Z值隨著ST發生時間的臨近而顯著增大，即二組的財務指標平均值的差異隨ST發生時間的臨近而擴大。由此可見，在所選的21個財務指標中，除利息保障倍數、存貨周轉率、Log(總資產)和Idg(凈資產)外，其余17個在財務困境發生前1至2年中具有顯著的預測能力。