摘要：使用二元邏輯回歸模型，通過研究滬深股市76家虧損公司和經(jīng)營正常公司樣本，建立了財務(wù)危機預(yù)警模型，彌補了現(xiàn)有的ST公司不適合作為虧損類公司研究樣本的不足，并對14家水處理業(yè)公司和隨機選擇的14家ST公司進行判別檢驗，準(zhǔn)確率達(dá)到82.65%。

關(guān)鍵詞：財務(wù)危機預(yù)警 二元邏輯回歸 水處理業(yè)

中圖分類號：F830.91 文獻(xiàn)標(biāo)識碼：A

文章編號：1004-4914（2013）02-164-04

一、研究問題

本文選擇對我國水處理類上市公司財務(wù)危機預(yù)警進行研究的目的，是利用二元邏輯回歸模型構(gòu)建適用于我國水處理類上市公司的財務(wù)危機預(yù)警系統(tǒng)模型。財務(wù)危機的定義為企業(yè)處于經(jīng)營性現(xiàn)金流量不足以抵償現(xiàn)有到期債務(wù)的境況，是企業(yè)無力支付到期債務(wù)的一種經(jīng)濟現(xiàn)象。財務(wù)危機預(yù)警系統(tǒng)的定義是依據(jù)財務(wù)會計信息資料，以計算、統(tǒng)計、分析、監(jiān)控等方法為手段，用設(shè)置預(yù)警指標(biāo)、觀察這些指標(biāo)的變化趨勢的方法來構(gòu)建模型，以這種模型來完成對財務(wù)危機的監(jiān)控、預(yù)測和報警。

研究成果在于水處理類上市公司的管理層可以根據(jù)系統(tǒng)提供的信息及時發(fā)現(xiàn)企業(yè)財務(wù)狀況的惡化，以及造成企業(yè)財務(wù)狀況惡化的原因，將財務(wù)風(fēng)險降低到最低限度。從而能夠及時地、有針對性地調(diào)整企業(yè)的經(jīng)營策略，有效配置資源，把握水處理行業(yè)發(fā)展的機遇以實現(xiàn)更大的發(fā)展。

1.國外研究成果。國外的資本市場相對發(fā)達(dá)，最早的財務(wù)危機預(yù)警研究開始于Fitzpartrick（1932）的單變量破產(chǎn)預(yù)測研究。他選取了38家破產(chǎn)企業(yè)和非破產(chǎn)企業(yè)，利用單變量分析法分析發(fā)現(xiàn)“凈利潤/股東權(quán)益”和“股東權(quán)益/負(fù)債”兩個指標(biāo)能夠判別這兩類企業(yè)。Beaver（1966）同樣采用單變量判定模型，以5個財務(wù)比率作為變量分別對79家失敗企業(yè)和成功企業(yè)進行一元判定預(yù)測，發(fā)現(xiàn)“現(xiàn)金流量/負(fù)債總額”和“資產(chǎn)負(fù)債率”指標(biāo)能夠很好地預(yù)測企業(yè)財務(wù)狀況。

Altman（1968）首先使用了多元線性模型，利用“Z-Score判別模型”進行企業(yè)破產(chǎn)的預(yù)測，以提出破產(chǎn)申請的33家企業(yè)和33家正常經(jīng)營的企業(yè)為樣本，收集了資產(chǎn)負(fù)債表和利潤表中的數(shù)據(jù)，并通過整理從22個變量中選定預(yù)測破產(chǎn)最有用的5個變量，經(jīng)過綜合分析建立了一個判別函數(shù)，賦予5個基本財務(wù)指標(biāo)以不同權(quán)重，并加權(quán)產(chǎn)生“Z”值。Z-Score判別模型預(yù)測能力準(zhǔn)確，運用成本低的優(yōu)點推動了多變量模型成為一種主流財務(wù)風(fēng)險預(yù)測方法。

Martin（1977）首先以邏輯回歸法判別企業(yè)經(jīng)營風(fēng)險。Ohlson （1980）擴大了分析樣本，選取了105家陷入危機的公司和2058家經(jīng)營正常的公司進行研究，研究結(jié)果顯示邏輯回歸模型預(yù)測能力之正確性在90%以上。

Collins和Green（1982）通過比較區(qū)別分析、線性機率模型及邏輯分析模型，得出了邏輯分析模型的預(yù)測能力高于前兩種方法。

Mensah（1984）以110家企業(yè)為研究對象，利用因素分析方法從指標(biāo)中選出代表多個相關(guān)性較強指標(biāo)的主成分因子，然后再利用區(qū)別分析和邏輯回歸模型建構(gòu)財務(wù)預(yù)警模型，以預(yù)測企業(yè)是否因財務(wù)風(fēng)險而導(dǎo)致破產(chǎn)。

Odom和Sharda（1990）使用神經(jīng)網(wǎng)絡(luò)模型構(gòu)建了企業(yè)財務(wù)危機預(yù)警模型。

2.我國研究現(xiàn)狀。我國對企業(yè)財務(wù)風(fēng)險預(yù)警的研究主要始于引用國外的研究方法，并在其基礎(chǔ)上結(jié)合我國企業(yè)的實際情況加以改進。其中有代表性的研究主要有：

吳世農(nóng)和黃世忠（1986）提出運用線性判定分析方法建立的企業(yè)破產(chǎn)預(yù)測模型能夠有效地反映破產(chǎn)企業(yè)的綜合數(shù)量特征及其它們的差異，一般具有較高的預(yù)測能力。吳世農(nóng)和盧賢義（2001）以70家處于財務(wù)困境的上市公司和70家財務(wù)正常的上市公司為樣本，應(yīng)用Fisher線性判定分析、多元線性回歸分析和邏輯回歸分析三種方法，分別建立三種預(yù)測財務(wù)困境的模型，研究結(jié)果表明邏輯回歸分析模型的誤判率最低。

周首華和楊濟華（1996）通過加入現(xiàn)金流量改進了Altman（1968）的Z-Score判別模型，提出了F分?jǐn)?shù)模型。以Compustat PC Plus會計資料中的4160家公司的數(shù)據(jù)為檢驗樣本進行驗證的準(zhǔn)確率達(dá)到68.18%。

陳靜（1999）先采用一元判定模型進行財務(wù)預(yù)警研究，在多元判定分析中，通過ST公司樣本組和非ST公司的樣本組進行判定分析，判定結(jié)論的準(zhǔn)確性為在宣布ST帶帽的前1年的準(zhǔn)確率為92.6%，前2年為85.2%，前3年為79.6%。

張玲（2000）選擇了滬深120家上市公司，分為兩組進行分析，從15個特征財務(wù)比率變量中最后推導(dǎo)出只有4個變量的判別函數(shù)，判別結(jié)果為被ST的前2年預(yù)估正確率達(dá)到87%，前3年正確率70%。

二、解決方案

國內(nèi)外對于財務(wù)危機預(yù)警系統(tǒng)的研究還主要局限于正常經(jīng)營公司與ST公司的選擇上，且尚無針對水處理類上市公司的財務(wù)危機預(yù)警系統(tǒng)研究。本文使用二元邏輯回歸模型，采用2008—2011年正常經(jīng)營公司與2008—2010正常經(jīng)營但在2011年出現(xiàn)巨額虧損的公司作為研究樣本進行研究，彌補了現(xiàn)有的ST公司處于“被ST—摘帽—被ST”的循環(huán)中，不適合作為虧損類公司研究樣本的不足。

本文選擇了13家水處理業(yè)上市公司和13家隨機選擇的ST公司作為驗證樣本，以推導(dǎo)出的財務(wù)危機預(yù)警模型應(yīng)用于水處理業(yè)上市公司和隨機選擇的ST公司，驗證其判斷準(zhǔn)確率。

1.樣本選擇。上市公司的財務(wù)報表相對公開且規(guī)范，利用這些公開數(shù)據(jù)，可以計算出所需要的財務(wù)指標(biāo)。中國證監(jiān)會于1998年3月頒布了《關(guān)于上市公司狀況異常期間的股票特別處理方式的通知》，通知要求當(dāng)上市公司出現(xiàn)財務(wù)狀況或其他狀況異常，導(dǎo)致投資者的利益有可能收到損害時，對公司股票交易實行特殊處理，記載股票簡稱前加以“ST”字樣，大部分公司被ST的直接原因是“最近兩個會計年度的審計結(jié)果顯示的凈利潤為負(fù)值”。國內(nèi)的財務(wù)風(fēng)險預(yù)測模型研究成果大多數(shù)是在2000年初期，列入樣本的虧損公司首次被ST，研究其被ST之前的經(jīng)營年的財務(wù)數(shù)據(jù)是有意義的。但是通過研究2011年的78家ST公司發(fā)現(xiàn)，只有ST三星（000068.SZ）和ST獅頭（600539.SH）兩家公司因連續(xù)兩年虧損和企業(yè)停產(chǎn)首次在2010和2011年被戴帽，剩余的76家ST公司均處于“被ST—摘帽—被ST”的循環(huán)中，研究最后一次被ST之前的歷史財務(wù)數(shù)據(jù)并作為樣本已無說服力。另外除非發(fā)生大規(guī)模的資產(chǎn)重組，ST公司的總資產(chǎn)規(guī)模普遍較低，如果按總資產(chǎn)規(guī)模搭配運營正常的公司，很難找齊合適的樣本。

（3）模型的應(yīng)用和結(jié)果分析。使用已建立的二元邏輯回歸模型對28家檢驗樣本公司進行預(yù)測，其中正常經(jīng)營的公司選擇14家業(yè)務(wù)涉及水處理業(yè)的上市公司，因水處理業(yè)暫無虧損上市公司，檢測樣本里的虧損公司隨機選擇14家ST公司進行測試。

結(jié)果顯示，14家水處理業(yè)公司有一家被誤判為虧損公司，預(yù)測準(zhǔn)確率92.86%，在14家虧損企業(yè)中，有4家被誤判為正常公司，預(yù)測準(zhǔn)確率72.43%。兩者的加權(quán)平均準(zhǔn)確率82.65%。檢驗結(jié)果證明該模型的預(yù)測能力較好。

（4）模型應(yīng)用的不足之處。根據(jù)對水處理業(yè)上市公司和非上市公司的判別結(jié)果，可以看出該模型具有一定的科學(xué)性和準(zhǔn)確性，可以作為水處理業(yè)企業(yè)財務(wù)危機預(yù)警工具進行預(yù)測。但其中還存在不足之處：

①樣本的選擇主觀性較強。樣本規(guī)模比較小，因大部分ST公司反復(fù)經(jīng)歷“被ST→摘帽→被ST”階段，第一次摘帽前的數(shù)據(jù)要追溯到數(shù)年前，且財務(wù)危機預(yù)警模型的有效性也僅僅為1至2年，因此以往研究中選用ST公司作為研究樣本已不適用于目前模型的構(gòu)建。通過比較2008至2011年數(shù)據(jù)，根據(jù)2011年每股收益巨虧來判定虧損企業(yè)的主觀性還是稍強，且企業(yè)虧損的原因還包括公司治理結(jié)構(gòu)、行業(yè)周期景氣性等非財務(wù)原因。且如果少數(shù)上市公司存在虛假財務(wù)數(shù)據(jù)，模型的準(zhǔn)確性也會受到影響。

②預(yù)測的時效期較短。目前此財務(wù)危機預(yù)警模型的預(yù)測只能預(yù)測短期財務(wù)狀況，本模型通過反復(fù)試算，利用2010年的數(shù)據(jù)可以預(yù)測2011年企業(yè)是否正常運營或者虧損。未來還需要更多的相關(guān)數(shù)據(jù)來驗證模型是否能預(yù)測2至3年后企業(yè)是否存在財務(wù)危機。另外對于微贏或者微虧的企業(yè)，模型的預(yù)測能力還有待進一步提高。

③樣本涉及的行業(yè)范圍有限。限于行業(yè)內(nèi)上市公司的業(yè)績情況，模型的行業(yè)樣本的選取范圍有些偏窄，只選取了制造業(yè)、農(nóng)業(yè)、交通業(yè)、電力、批發(fā)零售業(yè)、信息技術(shù)、房地產(chǎn)業(yè)等行業(yè)。缺乏其他行業(yè)的樣本，原因主要是其他行業(yè)缺少虧損嚴(yán)重的公司樣本。隨著上市公司數(shù)量的不斷增加和未來經(jīng)營的兩極分化，模型的構(gòu)建會越來越完善。

四、結(jié)論

為了能夠?qū)λ幚順I(yè)企業(yè)財務(wù)危機做到提前預(yù)警，本文通過研究滬深股市76家虧損公司和經(jīng)營正常公司樣本，建立了財務(wù)危機預(yù)警模型，并對14家水處理業(yè)公司和隨機選擇ST公司進行判別檢驗，準(zhǔn)確率達(dá)到82.65%。

本文選擇的二元邏輯回歸模型是一種有效財務(wù)預(yù)警模型，在專業(yè)統(tǒng)計軟件的輔助下也易于操作，模型表明企業(yè)的凈資產(chǎn)收益率、銷售毛利率和資產(chǎn)負(fù)債率是企業(yè)未來是否面臨財務(wù)風(fēng)險最重要的三個指標(biāo)。

本文所建立的預(yù)警模型還存在樣本的選擇主觀性較強、預(yù)測的時效期較短、樣本涉及的行業(yè)范圍有限等不足，后續(xù)還需要進一步擴大樣本規(guī)模，豐富模型的構(gòu)建方法，進一步提高判別準(zhǔn)確率，為水處理業(yè)公司財務(wù)危機預(yù)警提供參考。

參考文獻(xiàn)：

1.Fitzpatrick.A.Comparison of ratios of successful industrial enterprises with those of failed firm[J]. Certified Public Accountant.1932.2：589-605.

2.Beaver W.H.Financial ratios as predictors of failure[J].Journal of Accounting Research 1966.4（3）：71-111.

3.Altman，E.I.Financial ratios， Discriminant analysis and the prediction of corporate bankruptcy[J].The Journal of Finance，1968.23（4），589-609.

4.Martin，D.Early warning of banking failure[J].Journal of Banking and Finance.1977.1（2/3）：249-276.

5.Ohlson，J.A.Financial ratios and the probabilistic prediction of bankruptcy[J].Journal of Accounting Research.1980.18（1）：109-131.

6.Collins，R.A.and R.D.Green.Statistical methods for bankruptcy forecasting[J].Journal of Economics and Business.1982.43（4）：304-349.

7.Mensah Y.M.An examination of the stationary of multivariate bankruptcy prediction models：A methodological study[J].Journal of Accounting Research.1984.22（1）：380-395.

8.Odom，M.D.and R.Sharda.A neural network model for bankruptcy prediction[J].IEEE INNS IJCNN.1990.2：163-168.

9.吳世農(nóng)，黃世忠.企業(yè)破產(chǎn)的分析指標(biāo)和預(yù)測模型[J].中國經(jīng)濟問題，1986（6）：36-37.

10.吳世農(nóng)，盧賢義.我國上市公司財務(wù)困境的預(yù)測模型研究[J].經(jīng)濟研究，2001（6）：46-55.

11.周首華，楊濟華，王平.論財務(wù)危機的預(yù)警分析——F分?jǐn)?shù)模式[J].會計研究，1996（8）：8-11.

12.陳靜.上市公司財務(wù)惡化預(yù)測的實證分析[J].會計研究，1999（4）：31-38.

13.張玲.財務(wù)危機預(yù)警分析判別模型[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2000（3）：49-51.

（作者簡介：孫彥鵬，碩士研究生，研究方向：技術(shù)經(jīng)濟，工作單位：天津創(chuàng)業(yè)環(huán)保集團股份有限公司 天津 300381）

（責(zé)編：若佳）