我国集团上市公司财务危机预警指标体系研究

一、引言
企业集团是以一个实力雄厚的企业为主体，以产权、产品、技术、经济、契约等为纽带，形成的由多个成员企业组成的具有多层次组织结构的经济联合体，企业集团在我国经济发展进程中具有举足轻重的作用。由于企业集团成员企业之间存在的关联性以及经营和管理的复杂性，财务风险是其所面临的重大风险之一。因此，为增强企业集团抵抗风险能力，构建企业集团的财务危机预警模型具有十分重要的理论研究价值和现实意义。
国外就对企业财务危机预警的相关研究始于20世纪30年代初。例如Fitz P（1932）和Beaver W.H（1966）构建了企业财务危机预警的单变量模型[1]，Altman在1968和1977年分别提出了Z值判定模型和Zeta模型[2-3]，以Ohlson为代表的一些研究者采用条件概率模型对财务危机进行预警，包括Logistic模型和Probit模型等方法[4]。随着研究的深入新的方法被引入，Kim H C（2002）以及Shin KS（2005）等运用支持向量机方法对公司财务危机预警进行了研究[5、6]。国外对财务危机预警的研究呈现多角化发展趋势。国内关于企业财务危机预警方面的研究始于20世纪80年代末，主要针对一般性企业的财务预警问题展开的研究[7-14]。迄今为止，国内外针对企业集团财务危机预警方面的研究还十分鲜见。本文以沪深A股企业集团上市公司为研究对象，将财务危机企业集团界定为因财务问题而被特别处理即被ST的企业集团。本文第二节在基本财务指标基础上引入企业集团的3类特征指标和6类公司治理类指标建立了由28个指标构成的财务危机预警指标体系。第三节对预警初始变量因子分析提取出公因子作为预警变量。鉴于Logistic回归方法的自变量不用服从多元正态分布的假设使其有更广的适用度和其运用的成熟度，本文在第四节中选取Logistic回归方法构建预警模型，对预警指标体系进行了检验。
二、预警指标与研究样本
（一）预警指标选取
企业财务危机是由初步萌生到程度恶化的过程，且其财务危机的迹象都将直接或间接地在一些敏感性财务或非财务指标的变化上反映出来[15]。本文根据预警指标满足客观性、完整性、可操作性和敏感性的原则，选取这些敏感性指标作为预警财务危机的预警指标。除了选择五大类基本财务指标之外，本文根据企业集团规模庞大、涉及行业较多、投资多元化以及关联交易频繁等特征，以及结合国内外对公司治理与财务危机关系的研究，在五大类基本财务指标基础上引入企业集团特征指标（关联交易次数，关联交易金额占总资产比重以及涉及行业个数）和6个公司治理类指标，共选择28个初选指标构建出企业集团财务危机预警指标体系（见表1）。并为了进一步分析引入的特征指标和公司治理类指标对预警模型的作用，根据预警指标体系划分了三类预警初始变量：一是在企业集团基本财务指标基础上引入特征指标和公司治理指标的预警初始变量；二是仅引入特征指标的预警初始变量；三是仅含基本财务指标的预警初始变量。
表1：我国企业集团上市公司财务危机预警指标体系

（二）样本选取
本文选取了2004年至2010年被“ST”的企业集团和根据研究期间一致、行业类型相同或相近、资产规模相当和上市时间接近的原则与其配对的财务正常的企业集团各50家，其中剔除由于数据严重缺失或不合理的公司以及两年内就被“ST”及因其他状况异常而被“ST”的公司，研究样本共计100家。其中把2004年至2007年的70家样本作为模型估计样本，2008年至2010年的30家样本作为模型检验样本。
由于证监会对上市公司进行“ST”处理的依据为最近两个会计年度审计结果显示的净利润均为负值，所以本文采用的数据为企业集团上市公司被“ST”前三年的会计年度的数据。本文的研究数据来源于国泰安数据库和CCER数据库。
三、预警初始变量的分析处理
（一）预警初始变量的因子分析
本文为了去除预警初始变量间的相关性和减少预警变量个数便于模型的构建，分别对三类预警初始变量进行因子分析，以提取的公因子作为预警变量。
通过因子分析，对三类预警初始变量分别提取出10个公因子F1、F2、F3、F4、F5、F6、F8、F9、F10，7个公因子F1*、F2*、F3*、F4*、F5*、F6*、F7*和6个公因子F1**、F2**、F3**、F4**、F5**、F6**，其累计贡献率分别为76.21 %、75.43 %、75.1%。进一步对其因子载荷矩阵进行旋转，这三类公因子反映了企业集团盈利能力、偿债能力、营运方面能力、现金流量能力和发展方面的情况，同时在关联交易、行业规模和公司治理方面都有不同程度的反映。
（二）预警变量的统计性描述
本文以提取的公因子作为自变量，在构建模型前，先对三类变量进行描述性统计，检验财务危机与财务正常的企业集团在发生财务危机之前，财务状况是否就存在着显著差异。采用t检验比较均值差异，统计结果见表2、表3和表4。

表2：包含所有指标的10个公因子预警变量的描述性统计

表3：包含财务指标和特征指标的7个公因子预警变量的描述性统计

表4：仅含五大类财务指标的6个公因子预警变量的描述性统计

从表2、表3和表4可知：显然对ST企业集团上市公司与财务正常的企业集团而言，三类财务危机预警变量的t检验都存在着显著差异，说明在企业集团陷入财务困境之前，财务危机企业集团在财务状况上就与财务正常的企业集团存在着显著的差异。因此，这些公因子包含着预警财务困境的信息，因此可以运用这些因子建立预警模型。
四、基于Logistic回归方法的财务危机预警模型构建与检验
本文以由因子分析得到的公因子作为预警变量，因变量f为二元变量，对三类样本进行Logistic回归，回归分析结果见下表5、6和7。三类因子变量在5%的置信水平下均较显著，说明它们有显著的解释能力。三类财务危机预警模型分别见下式：

表5：包含所有指标的Logistic回归结果

表6：包含财务指标和特征指标的Logistic回归结果

表7：仅包含财务指标的Logistic回归结果

将检验样本代入所构建的模型，计算f值。选取0.5作为财务危机发生的临界值，当f＞0.5时，判定该企业集团为财务危机企业；当f＜0.5时，判定该企业集团财务状况正常。检验结果见表8。
表8：基于logistic的三类财务危机预警模型检验结果

五、结束语
本文在财务指标的基础上引入企业集团特征指标和公司治理指标构建企业集团财务危机预警指标体系，并运用logistic方法建立企业集团财务危机的预警模型，进而对指标体系进行检验。从效果上看，预警准确度令人满意，且引入企业集团特征指标和公司治理指标的预警准确率高于不引入的模型情况，说明企业集团的特征以及公司治理等指标包含了我国企业集团财务危机预警的大量信息。因此，本文所构建的企业集团财务危机预警指标体系具有重要的理论与应用价值。
资助项目：国家自然科学基金（项目编号：70971015）
[参考文献]
[1]Beaver W.H.Financial Ratios as Predictors of Failure,in Empirical Research in Accounting:Selected Studies[J].Journal of Accounting Research,1966,5(7)：179-199
[2]Altman E.I.Financial Ratios:Discriminate Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance,1968,6(9)：589-609．
[3]Altman E.I.Hadelman R.G.,Narayanan P.Zeta Analysis:A New Model to Identify Bankruptcy Risk of Corporations[J].Journal of Banking and Finance,1977, 9(1)：29-51．
[4]Ohlson J.A.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J]. Journal of Operation Research,1980,9(15)：109-131．
[5]Kim H C,Pang S,Je H M,Kim D,Bang S Y.Pattern classification using support vector machine ensemble[C].16th International Conference on Pattern Recognition (ICPR’02).2002,(2):278-289
[6]Shin KS,Lee TS,Kim HJ.An application of support vector machines in bankruptcy prediction model[J].Expert Systems with Applications.2005, 1(23):127-135
[7]周首华,杨济华,王平.论财务危机的预警分析-F分数模式[J]. 会计研究,1996,8(6)：8-11．
[8]陈静.上市公司财务恶化预测的实证分析[J].会计研究,1999, 4(9)：31-38．
[9]陈晓,陈治鸿.中国上市公司的财务困境预测[J].中国财务与会计研究,2000,3(9)：7-15．
[10]肖智,张志恒,黄海生.粗糙集理论在财务危机预测中的应用[J].决策与参考,2004,3(7)：48-53.
[11]熊志斌.运用遗传神经网络模型对我过上市公司财务危机的预测[J].决策与统计,2008,14(3)：32-34．

[12]杨毓,蒙肖莲.用支持向量机(SVM)构建企业破产预测模型[J]. 金融研究,2006,10(1):65-75
[13]宋新平,丁永生.基于最优支持向量机模型的经营失败预警研究[J].管理科学,2008,21(1):115-121
[14]董霞.基于公司治理结构的上市公司财务危机预警机制研究[J]. 商业经济,2010,11(9): 82-85
[15]周宗放,刘国强,肖珉.企业赊销风险的评价与管理[M].经济科学出版社,2010
（作者单位：电子科技大学经济与管理学院 四川成都）