汪紅

摘 要：近些年，伴隨著我國資本市場的快速發(fā)展，上市公司面對的財務(wù)風(fēng)險越來越大，亟需進行合理的財務(wù)風(fēng)險預(yù)測。本文通過識別模型中財務(wù)預(yù)警度的大小，分析和預(yù)測上市公司的財務(wù)風(fēng)險，幫助公司及時知道財務(wù)危險即將到來，以免發(fā)生財務(wù)危機。采用因子分析法對指標(biāo)體系進行降維，構(gòu)建Logistic回歸分析預(yù)警模型來判別企業(yè)的財務(wù)危機，結(jié)果表明預(yù)測模型準(zhǔn)確度較高，可以用來預(yù)測公司財務(wù)危機。通過研究企業(yè)的財務(wù)風(fēng)險預(yù)警機制以期為企業(yè)提供切實可行的財務(wù)預(yù)警方法，并為完善財務(wù)預(yù)警研究機制提供一定的參考。

關(guān)鍵詞：logistic回歸；因子分析；財務(wù)預(yù)警

中圖分類號：F272.1 文獻標(biāo)識碼：A 文章編號：2095-7866 （2017） 05-095-007

工業(yè)經(jīng)濟論壇 URL： http//www.iereview.com.cn DOI： 10.11970/j.issn.2095-7866.2017.05.014

Abstract： In recent years， with the rapid development of China's capital market， listed companies face more and more financial risks， the urgent need for a reasonable financial risk forecast. This paper analyzes the financial risk of listed companies by identifying the size of the financial warning in the model， and helps the company know that the financial risk is coming in time to avoid the financial crisis. This paper uses the factor analysis method to reduce the dimension of the index system and construct the logistic regression analysis and early warning model to judge the financial crisis. The results show that the forecasting model is highly accurate and can be used to predict the financial crisis. Through the study of corporate financial risk early warning mechanism in order to provide enterprises with practical financial early warning methods， and to improve the financial early warning research mechanism to provide some reference.

Key words： Logistic Regression； Factor Analysis； Financial Warning

引言

隨著各行各業(yè)的市場競爭越來越激烈，國際化進展逐漸加快，我國市場經(jīng)濟也逐漸開放起來，企業(yè)的經(jīng)營風(fēng)險不斷上升，我國上市公司在把握改革和發(fā)展機遇的同時，面臨的考驗也愈加嚴峻，遭遇的各類風(fēng)險也在不斷增多。由于上市公司一旦出現(xiàn)財務(wù)危機會損害多方利益相關(guān)者帶的利益，甚至引起嚴重的社會問題，因此財務(wù)預(yù)警問題倍受關(guān)注。如何在形勢愈加嚴峻的經(jīng)濟環(huán)境中生存下來，并謀求長遠發(fā)展？如何在企業(yè)遭遇風(fēng)險之前對企業(yè)經(jīng)營者進行警告？及時采用應(yīng)對措施，不讓危機真正到來。這就需要建立高效、準(zhǔn)確的企業(yè)財務(wù)風(fēng)險預(yù)警模型對企業(yè)的未來財務(wù)風(fēng)險進行預(yù)警分析，這已經(jīng)是現(xiàn)代公司財務(wù)經(jīng)管的重要內(nèi)容之一。

對企業(yè)而言，如何建立準(zhǔn)確高效的財務(wù)預(yù)警機制來提前預(yù)測企業(yè)的財務(wù)狀況尤為重要，關(guān)系到企業(yè)的生死存亡。公司的財務(wù)狀況從開始惡化到進入財務(wù)危機是一個漸進的過程，我們可以根據(jù)公司財務(wù)指標(biāo)的變化方向以及變化程度，從中挖掘其所蘊含的有效財務(wù)信息來對企業(yè)進行財務(wù)預(yù)警，盡早發(fā)現(xiàn)可以降低損失，甚至可以對企業(yè)進行挽救。復(fù)雜的經(jīng)濟環(huán)境下，公司也經(jīng)常因為經(jīng)管不利，或者是沒有辦法適應(yīng)外界的環(huán)境變化而使得他們的經(jīng)營行為陷入一種嚴重困境，這便是財務(wù)危機，也稱財務(wù)困境。企業(yè)財務(wù)危機的產(chǎn)生實際上是一個漸進的積累過程，如果能夠在潛伏的時候?qū)ζ溥M行合理的監(jiān)督檢測、警報以及防治，無論對于企業(yè)自身的生存發(fā)展，還是對于整個市場經(jīng)濟活動的有序進行都具有重要的意義。

現(xiàn)階段對于財務(wù)危機預(yù)測的研究，主要是建立在對企業(yè)歷史的財務(wù)數(shù)據(jù)及其他相關(guān)信息的分析上，通過對這些歷史的相關(guān)數(shù)據(jù)進行分析以建立起適用的財務(wù)危機預(yù)測模型，但是國內(nèi)外學(xué)者們在對財務(wù)危機預(yù)警模型的研究上觀點各不一致。企業(yè)法人實質(zhì)上是各個利益相關(guān)者組成的契約集合體，利益相關(guān)者們的行為和經(jīng)營決策對于企業(yè)的存續(xù)至關(guān)重要。而對企業(yè)的利益相關(guān)者們而言，企業(yè)的經(jīng)營狀態(tài)與其切身利益密不可分，財務(wù)危機預(yù)警機制能夠?qū)咀陨淼臓顟B(tài)做出越精準(zhǔn)的預(yù)測，對利益相關(guān)者越好。因此，建立起具備精準(zhǔn)預(yù)測功能的財務(wù)危機預(yù)警模型是十分必要的。本文通過選取盈利能力、償還債務(wù)能力、經(jīng)營運行能力、成長能力、獲取資金能力和風(fēng)險水平6個方面的指標(biāo)，這些指標(biāo)能夠較為全面地反映上市公司財務(wù)狀況和經(jīng)營狀況，用其構(gòu)建起財務(wù)危機預(yù)警指標(biāo)體系，并針對樣本公司被實施ST前2年的財務(wù)數(shù)據(jù)，使用因子分析配合logistic回歸方法構(gòu)造財務(wù)危機預(yù)警模型，并對模型的判別效果進行檢驗，以期為上市公司的財務(wù)危機預(yù)警提供有價值的實用參考意義。

一、研究現(xiàn)狀

公司發(fā)生財務(wù)危機通常也叫公司陷入財務(wù)危機，或者是公司財務(wù)破產(chǎn)。財務(wù)危機分為四種情況：違約、無償債能力、經(jīng)營失敗、破產(chǎn)，這四種情形均有可能導(dǎo)致企業(yè)破產(chǎn)。財務(wù)危機預(yù)警就是在企業(yè)的全部財務(wù)信息和其他各種相關(guān)資料中選擇綜合性強、敏感度高、有針對性的財務(wù)指標(biāo)，通過數(shù)學(xué)建模，及時監(jiān)測以便提前預(yù)知企業(yè)可能出現(xiàn)的或已經(jīng)出現(xiàn)的財務(wù)危機。國內(nèi)外的一些專家目前有的探究中大多使用Logistic函數(shù)建立模型，Logistic函數(shù)也是增長函數(shù)，是美國專家在1920年探究果蠅繁殖時發(fā)現(xiàn)的，而且開始在估計人口以及預(yù)測里廣泛使用。因為你計算機技術(shù)的高速發(fā)展和普及，Logistic回歸開始普及于經(jīng)濟探究領(lǐng)域。這個模式的長處是它可以在（0，1）上預(yù)先猜測一個企業(yè)能不能發(fā)生財務(wù)危機的可能性變成為在實數(shù)軸預(yù)先猜測一個企業(yè)能不能發(fā)生財務(wù)危機的機會比率問題，Logistic回歸模式不僅可以判斷公司會不會發(fā)生財務(wù)風(fēng)險，而且還可以權(quán)衡公司發(fā)生財務(wù)風(fēng)險的機率是多少。

美國專家沃爾森第一次把多元邏輯回歸模式帶入破產(chǎn)預(yù)警監(jiān)測。從資本組成、經(jīng)營績效、企業(yè)的經(jīng)營范圍大小、資本的變成現(xiàn)金的能力這四個方向來對企業(yè)財務(wù)風(fēng)險預(yù)測報警，實證檢測結(jié)果準(zhǔn)確率達到96.12%。然后KeaseyM.J.Peel，Martin運用logit分析方法來預(yù)測企業(yè)的財務(wù)風(fēng)險，這種方法一方面能夠降低對數(shù)據(jù)的要求，另一方面可以根據(jù)不同投資者對于風(fēng)險的偏好來設(shè)定預(yù)測值，財務(wù)風(fēng)險預(yù)測效果很好[1]。寧靜鞭采用KNN和Logistic回歸方法使用上市公司財務(wù)指標(biāo)建立了企業(yè)財務(wù)危機預(yù)警模型，其實證結(jié)果表明，使用財務(wù)指標(biāo)建立的模型能夠較為準(zhǔn)確的預(yù)測公司未來的財務(wù)風(fēng)險[2]。李建中、武鐵梅采用樣本企業(yè)被ST的前三年、前兩年以及前一年數(shù)據(jù)來進行財務(wù)危機預(yù)警探究，在邏輯回歸模式里采用因子分析法，其選擇的指標(biāo)兼顧了財務(wù)指標(biāo)和非財務(wù)指標(biāo)[3]。胡躍紅、黃婧采用因子分析中方差最大旋轉(zhuǎn)來對公司的財務(wù)指標(biāo)進行標(biāo)準(zhǔn)化處理，獲得主要因子得分，構(gòu)造對應(yīng)的Logistic回歸模式財務(wù)險境預(yù)警系統(tǒng)，其實證檢測的結(jié)果也很準(zhǔn)確[4]。陳永飛在研究中以現(xiàn)金流作為關(guān)鍵指標(biāo)，他認為使得企業(yè)無法償還到期債務(wù)并最終導(dǎo)致破產(chǎn)的直接原因是由于現(xiàn)金流短缺，所以其在研究中選擇的指標(biāo)是能夠反映企業(yè)現(xiàn)金流方面真實財務(wù)狀況的[5]。何妮在研究中分別使用了多種研究方法，比如因子分析、非參數(shù)檢驗和顯著性檢驗等，建立了Logistic回歸模型，通過對比分析制造業(yè)上市公司在金融危機前后的財務(wù)危機狀況，研究結(jié)果發(fā)現(xiàn)使用Logistic回歸方法建立的財務(wù)危機預(yù)警模型具有較高的準(zhǔn)確性和可實施性[6]。張健在研究中構(gòu)建了EVA財務(wù)危機預(yù)警模型，采用了Logistic回歸法，對52家樣本上市公司的財務(wù)狀況進行實證檢驗，但研究結(jié)果表明該方法只適用于短期預(yù)測[7]。劉彥文、戴紅軍采用三分法將樣本公司先分為財務(wù)困境和非財務(wù)困境兩種，在將非財務(wù)困境公司細分為財務(wù)狀況良好和財務(wù)狀況不穩(wěn)定，然后構(gòu)建成三元的logistic預(yù)警模型，其結(jié)果表明其構(gòu)建的三元模型判別能力較好，誤判情況低[8]。

二、樣本選擇及指標(biāo)的選取

（一）研究樣本

文中實證部分用的是我國2014年和2015年第一次被施行ST的60家A股制造行業(yè)的企業(yè)作為研究樣本，并按照1∶1的比例選取同行業(yè)、經(jīng)營范圍相當(dāng)、上市時間接近的60家不是ST企業(yè)作為對比樣本。將這120家公司分為建模組和檢驗組：選取2014年被實施ST的33家制造業(yè)上市公司和相對應(yīng)的33家非ST公司作為建模組；選取2015年被實施ST的27家制造業(yè)上市公司和與之對應(yīng)的27家非ST公司作為檢驗組。對建模組樣本前2年的財務(wù)數(shù)據(jù)分別利用因子分析確定主因子得分，得分成績作為Logistic回歸模式的自變量，構(gòu)造財務(wù)危機報警模式，然后利用檢驗組樣本驗證模型的準(zhǔn)確度。本文在選擇樣本時，剔除了非財務(wù)狀況異常而被ST的股票，上市2年或者不足4年就被ST的股票也排除在外。樣本的數(shù)據(jù)來自wind資訊以及國泰安數(shù)據(jù)庫。

（二）指標(biāo)體系的建立

企業(yè)在選擇財務(wù)危機預(yù)警指標(biāo)時，應(yīng)該充分考慮到企業(yè)的實際經(jīng)經(jīng)營狀況，并且所選擇的財務(wù)指標(biāo)要能夠真實、及時、系統(tǒng)的反應(yīng)公司的經(jīng)營情況以及財務(wù)情況，財務(wù)指標(biāo)的選擇應(yīng)盡可能地滿足綜合、普遍、可比等原則。為全面反映企業(yè)的財務(wù)狀況，依據(jù)公司財務(wù)經(jīng)管方面的有關(guān)理論，在對前人探究后果進行總結(jié)辨析的條件上從公司盈利能力、營運能力、償債能力、成長能力、獲取現(xiàn)金能力和風(fēng)險水平這6個方面選取了18個指標(biāo)構(gòu)建初始預(yù)警指標(biāo)體系，具體如表1所示。

三、財務(wù)預(yù)警模型的構(gòu)建

（一）指標(biāo)體系的降維

本文建立的指標(biāo)體系包含了18個財務(wù)指標(biāo)，這些指標(biāo)之間存在一定的相關(guān)關(guān)系，若直接將這些指標(biāo)作為自變量來構(gòu)建財務(wù)危機預(yù)警模型，不僅讓所建模型變得復(fù)雜，而且還因為變量間的多重共線性而使得檢測結(jié)果出現(xiàn)很大誤差。所以，這個環(huán)節(jié)考慮用因子分析法對指標(biāo)進行標(biāo)準(zhǔn)化，提取主要因子，使后面的建模能夠較為直觀。

本篇論文使用KMO檢測以及巴特利特球形檢測來判斷變量組成能不能使用因子分析方法。起初采用SPSS軟件對數(shù)據(jù)來標(biāo)準(zhǔn)化處理，其次對標(biāo)準(zhǔn)化后的指標(biāo)來KMO以及巴特利特球形檢測，獲得KMO檢測值為0.675，高于0.6，巴特利特球形檢測相應(yīng)的顯著性水平是0.000，低于0.01，說明兩個檢測都通過了相關(guān)性檢測，表明原來指標(biāo)變量可以做因子分析。

（二）主因子的確定

將建模組88家樣本公司被ST前2年的數(shù)據(jù)帶入SPSS軟件進行因子分析，獲得5個主要因子。依據(jù)表2，前五個因子的累計方差貢獻了82.746%，也就是這五個因子反應(yīng)了總指標(biāo)體系信息的82.746%，通常認為這一數(shù)值在80%以上是比較好的，因此使用這5項因子來代替原有的多個指標(biāo)變量體系是可行的。

為了方便闡述各個因子的概念，進行因子旋轉(zhuǎn)。依據(jù)因子載荷矩陳，對因子來命名。表3是5個因子的組分得分系數(shù)矩陣，能夠得到以下公式：

F1=0.287X1-0.019X2+0.019X3-0.113X4+……+0.009X17-0.206X18

F1=0.446X1-0.006X2-0.066X3-0.220X4+……+0.219X17+0.013X18

F3=-0.096X1-0.072X2+0.108X3+0.073X4+……+0.428X17+0.016X18

F4=0.453X1+0.220X2-0.056X3+0.153X4+……+0.095X17-0.117X18

F5=0.109X1-0.450X2+0.023X3-0.365X4+……+0.092X17+0.188X18

計算出各樣本公司的主因子的預(yù)測得分，用于下文擬合Logistic回歸模型。

（三） Logistic財務(wù)預(yù)警模型的構(gòu)建

采用60家樣本企業(yè)被ST的前兩年數(shù)據(jù)以及五個主要成分變量，擬定Logistic回歸模式。模式中假設(shè)因變量為0是正常企業(yè)，為1是財務(wù)危機企業(yè)，前面獲取的五個主要成分是自變量。

在探究中用0.5為概率的分臨界點，把樣本數(shù)據(jù)帶進回歸方程里獲得P值高于0.5時，判斷這個樣本是財務(wù)險境企業(yè)，不然就是非財務(wù)險境企業(yè)。采用SPSS來處理，樣本的60個企業(yè)都被選為回歸分析的案例中，缺失案例為0，說明此次回歸分析效果非常顯著。分類表呈現(xiàn)了目前獲得的模式的錯誤判斷矩陳，非ST公司=0時，即判斷正常公司時準(zhǔn)確性100%；ST公司=1時，即判斷財務(wù)風(fēng)險公司時準(zhǔn)確性有100%，所以模型預(yù)測效果較理想。

結(jié)合表4中的數(shù)據(jù)可以得出上市公司財務(wù)危機Logistic預(yù)警模型：

將建模組和檢驗組的原始財務(wù)指標(biāo)數(shù)據(jù)代入上述模型得到P值，因為樣本里ST和非ST企業(yè)的選擇是依據(jù)比例1：1。所以，本文中選擇0.5為判斷分界點，當(dāng)P>0.5時表示是ST企業(yè)，當(dāng)P<0.5表示非ST企業(yè)。判斷結(jié)果見表5，從表5能夠看到，見模組和檢驗組的判別總準(zhǔn)確率均在90%左右，準(zhǔn)確度較高，可以認為此模型可以用來判別企業(yè)財務(wù)危機。

四、結(jié)論與建議

本文在借鑒以往學(xué)者研究成本的基礎(chǔ)上，從企業(yè)實際經(jīng)營和面臨的風(fēng)險因素綜合考慮從6個方面選取了18個財務(wù)指標(biāo)，采用因子分析法結(jié)合Logistic回歸模型建立財務(wù)預(yù)警模型，經(jīng)過檢測發(fā)現(xiàn)，所建模型有很高的準(zhǔn)確性，能使企業(yè)所有者盡早意識到企業(yè)所面臨的財務(wù)風(fēng)險及財務(wù)危機可能到來的征兆。在經(jīng)濟發(fā)展過程中，經(jīng)濟融合的速度在很大程度上提升了，公司隨時都會遭遇失敗的后果，建立合理的財務(wù)報警機制可以幫助公司及時發(fā)生經(jīng)營管理中存在的問題，加強經(jīng)營管理，提升獲利能力。預(yù)先知道自身的財務(wù)挑戰(zhàn)，及時調(diào)節(jié)經(jīng)營規(guī)劃以及財務(wù)規(guī)劃。

參考文獻

[1] 趙辰，南星恒.基于MEA-BP神經(jīng)網(wǎng)絡(luò)的財務(wù)危機預(yù)警研究[J].財會通訊，2016（1）43-46

[2] 寧靜鞭.基于LNN和Logistic回歸方法的財務(wù)預(yù)警模型比較[J].商業(yè)時代，2008（13）74-75

[3] 李建中，武鐵梅.基于因子-Logistic模型的房地產(chǎn)業(yè)上市公司財務(wù)預(yù)警分析[J].哈爾濱商業(yè)大學(xué)學(xué)報，2010（5）89-104

[4] 胡躍紅，黃婧.我國化工企業(yè)的財務(wù)預(yù)警模型構(gòu)建及其檢驗-基于Logistic回歸方法[J].長沙理工大學(xué)學(xué)報（社會科學(xué)版），2011（11）41-45

[5] 陳永飛.基于現(xiàn)金流的財務(wù)預(yù)警研究：線性概率模型與Logistic模型之應(yīng)用比較[J].經(jīng)濟問題探索，2011（6）102-111

[6] 何妮.制造業(yè)上市公司財務(wù)危機預(yù)警比較與分析—基于金融危機前后的數(shù)據(jù)[D].西南財經(jīng)大學(xué)，2013

[7] 張健.基于EVA的農(nóng)業(yè)上市公司財務(wù)危機預(yù)警實證研究[D].內(nèi)蒙古農(nóng)業(yè)大學(xué)，2014

[8] 劉彥文，戴紅軍.基于三元Logistic的財務(wù)困境預(yù)警模型實證研究[J].大連理工大學(xué)學(xué)報（社會科學(xué)版），2007（6）：60-66

[9] 劉肖，姚正海等.基于主成分分析和Logistic回歸模型的上市公司財務(wù)預(yù)警機制研究[J].經(jīng)濟論壇，2016（1）：47-50