【摘 要】立足中國(guó)經(jīng)濟(jì)整體轉(zhuǎn)型的背景，資源型企業(yè)要實(shí)現(xiàn)企業(yè)轉(zhuǎn)型，可持續(xù)性發(fā)展已成為當(dāng)前十分緊迫的課題。煤炭行業(yè)是國(guó)民支柱性行業(yè)，對(duì)居民生產(chǎn)生活有著舉足輕重的作用。然而過(guò)度開(kāi)采，產(chǎn)能過(guò)剩，資源配置效率低下等問(wèn)題使煤炭企業(yè)財(cái)務(wù)狀況進(jìn)一步惡化。故而本文以煤炭上市公司為例，使用z-score模型和logistic模型對(duì)煤炭上市公司進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行研究，比較兩種模型的預(yù)警效果，發(fā)現(xiàn)logistic模型在煤炭業(yè)預(yù)警效果更佳，希望以此達(dá)到預(yù)警作用，以幫助企業(yè)做好預(yù)防措施。

【關(guān)鍵詞】Z-score；logistic回歸模型；財(cái)務(wù)預(yù)警

一、引言

中國(guó)經(jīng)濟(jì)的發(fā)展一定程度上是以犧牲資源為代價(jià)的，我國(guó)煤炭行業(yè)一直存在著過(guò)度進(jìn)入、過(guò)度開(kāi)采的問(wèn)題。一方面導(dǎo)致產(chǎn)能過(guò)剩，資源配置狀況不佳，從而影響到企業(yè)的經(jīng)營(yíng)狀況；另一方面，環(huán)境的破環(huán)，巨大的負(fù)外部性使企業(yè)的治理成本大幅攀升，對(duì)企業(yè)的經(jīng)營(yíng)管理又產(chǎn)生了巨大的挑戰(zhàn)。財(cái)務(wù)風(fēng)險(xiǎn)一直是企業(yè)、投資者乃至政府管理部門重點(diǎn)關(guān)注的問(wèn)題。煤炭行業(yè)作為國(guó)家經(jīng)濟(jì)的重要支柱之一，其財(cái)務(wù)問(wèn)題不僅威脅到企業(yè)自身的生存與發(fā)展，而且會(huì)使投資者蒙受損失，甚至對(duì)國(guó)民經(jīng)濟(jì)的穩(wěn)定發(fā)展產(chǎn)生較大影響。因此，只有對(duì)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)警研究，才能提前識(shí)別風(fēng)險(xiǎn)，從而采取防范措施，有效地控制風(fēng)險(xiǎn)，最終降低甚至消除其對(duì)企業(yè)的影響。

對(duì)于財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)警研究，國(guó)內(nèi)外學(xué)者都做了大量的研究?？傮w來(lái)說(shuō)，可概括為單變量預(yù)警和多變量預(yù)警研究。其中，F(xiàn)itzpatrick（1932）提出的1元判定模型是最早的關(guān)于企業(yè)財(cái)務(wù)危機(jī)預(yù)警的研究。以 19 家公司為研究樣本，運(yùn)用單一財(cái)務(wù)指標(biāo)將樣本公司分為“破產(chǎn)”和“非破產(chǎn)”兩類。而Altman教授（1968）則提出了著名的 Z-score 模型，是多元線性判定模型的典型代表，是用于評(píng)價(jià)各類企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)。之后，財(cái)務(wù)危機(jī)預(yù)警的研究人員引入 Logistic 回歸方法。1980年Ohlson首次在財(cái)務(wù)危機(jī)預(yù)警領(lǐng)域中運(yùn)用Logistic方法，張紫娟等人就采用Logistic模型構(gòu)架煤炭上市公司財(cái)務(wù)預(yù)警模型， Logistic模型的預(yù)測(cè)成功率達(dá)到70.82%， 其對(duì)于煤炭上市企業(yè)財(cái)務(wù)預(yù)警具有較強(qiáng)的預(yù)測(cè)性。隨著技術(shù)進(jìn)步，BP神經(jīng)網(wǎng)絡(luò)模型也逐漸應(yīng)用到財(cái)務(wù)預(yù)警領(lǐng)域。郭毅夫等就采用了20 個(gè)指標(biāo)，應(yīng)用神經(jīng)網(wǎng)絡(luò)方法，對(duì)創(chuàng)新型上市企業(yè)的財(cái)務(wù)危機(jī)進(jìn)行預(yù)警研究?？偟膩?lái)說(shuō)，財(cái)務(wù)預(yù)警模型多種多樣，都有其優(yōu)缺點(diǎn)，本文首先應(yīng)用z-score模型對(duì)煤炭業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行研究，了解整個(gè)行業(yè)狀況的同時(shí)，對(duì)Z-score模型效果進(jìn)行檢驗(yàn)。其次，應(yīng)用logistic模型與Z-score模型做對(duì)比，以此確定哪種模型在煤炭行業(yè)的預(yù)警效果更佳。

二、Z-score模型的構(gòu)建

Z-score 模型由Altman 教授提出，通過(guò)選取 5 個(gè)重要的財(cái)務(wù)指標(biāo)，賦予各個(gè)指標(biāo)不同權(quán)重加權(quán)計(jì)算出 Z 值，進(jìn)而根據(jù)標(biāo)準(zhǔn)臨界值判斷企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)狀況。具體指標(biāo)如下表一所示：

總體來(lái)說(shuō)，Z-score 模型從企業(yè)多個(gè)方面選取財(cái)務(wù)指標(biāo)，包括企業(yè)的資產(chǎn)規(guī)模、流動(dòng)性、獲利能力、資本結(jié)構(gòu)、償債能力和資產(chǎn)利用效率等多個(gè)方面，一定程度上可以綜合反映一個(gè)企業(yè)的財(cái)務(wù)狀況。具有一定的可行性，Z 值與企業(yè)財(cái)務(wù)危機(jī)可能性呈負(fù)相關(guān)，Z 值越小，企業(yè)越有可能產(chǎn)生財(cái)務(wù)危機(jī)，也就越容易破產(chǎn)。

1.數(shù)據(jù)選擇及模型的建立

本文選取滬深兩市A股煤炭行業(yè)上市公司，剔除數(shù)據(jù)不全的公司，共15家上市公司，其中3家ST公司，分為為ST大有、ST山煤及ST云維。由于財(cái)務(wù)風(fēng)險(xiǎn)是一個(gè)長(zhǎng)期的影響過(guò)程，故選取危機(jī)發(fā)生前3年即t-3年的各項(xiàng)衡量Z的財(cái)務(wù)指標(biāo)，賦予各個(gè)指標(biāo)不同權(quán)重加權(quán)計(jì)算出 Z 值。具體數(shù)據(jù)來(lái)自于銳思數(shù)據(jù)庫(kù)。Z值計(jì)算結(jié)果具體如下表二：

2.描述性統(tǒng)計(jì)

運(yùn)用spss軟件對(duì)這15個(gè)樣本企業(yè)進(jìn)行描述性統(tǒng)計(jì)，可以看出煤炭行業(yè)在2014年至2016年的Z值變動(dòng)情況。其Z值普遍偏低。從上表二也可以看出，2014年處在破產(chǎn)區(qū)的共12家，2015年11家，2016年11家。表明整個(gè)煤炭行業(yè)近幾年財(cái)務(wù)狀況并不理想，煤炭行業(yè)不景氣持續(xù)加劇。2016年云維和金瑞礦業(yè)Z值偏高，主要是由于x4指標(biāo)導(dǎo)致，公司總市值及負(fù)債合計(jì)數(shù)變動(dòng)較大。

3.Z-score模型檢驗(yàn)

對(duì)于3家ST的企業(yè)，在用Z值模型進(jìn)行檢驗(yàn)時(shí)，山煤國(guó)際、河南大有可以得到很好的預(yù)警，山煤國(guó)際t-3年Z值均處于破產(chǎn)區(qū)水平。而河南大有2014-2016年Z值持續(xù)降低，而云南云維2016年Z值得突然攀升，一方面可能是由于會(huì)計(jì)數(shù)據(jù)失真，企業(yè)存在違規(guī)操作導(dǎo)致。另一方面，可能是模型本身存在的局限性。綜上，Z值模型在預(yù)測(cè)企業(yè)財(cái)務(wù)危機(jī)準(zhǔn)確率達(dá)66.7%，存在一定的可行性。但Z值模型并不具有普適性，尤其對(duì)于不同的行業(yè)，每個(gè)行業(yè)都有其行業(yè)特色，煤炭行業(yè)前期投入資金多，周期長(zhǎng)，資產(chǎn)負(fù)債率普遍偏高。在應(yīng)用Z-score模型時(shí)有一定局限性。

三、logistic模型的應(yīng)用

1.數(shù)據(jù)與指標(biāo)選取

與建立Z-score模型一樣，同樣選取這15家樣本公司的t-3期數(shù)據(jù)，其中因變量采取賦值的方式，即若企業(yè)發(fā)生財(cái)務(wù)危機(jī)，則y值為1，若未發(fā)生財(cái)務(wù)危機(jī)，則為零。判斷企業(yè)是否發(fā)生財(cái)務(wù)危機(jī)以企業(yè)是否被st為判斷標(biāo)準(zhǔn)。即st企業(yè)賦值為1，非st則為0。為了可以綜合的反映企業(yè)財(cái)務(wù)狀況，主要選取反映企業(yè)的盈利能力、償債能力、成長(zhǎng)能力指標(biāo)。具體財(cái)務(wù)指標(biāo)的選取如下表四所示：其中，X1，X2反映企業(yè)的盈利能力，X3，X4反映企業(yè)的營(yíng)運(yùn)能力，X5，X6反映企業(yè)的成長(zhǎng)能力，X7，X8表示企業(yè)的償債能力指標(biāo)。

2.描述性統(tǒng)計(jì)

對(duì)上述所選指標(biāo)進(jìn)行描述性統(tǒng)計(jì)，發(fā)現(xiàn)整個(gè)行業(yè)資產(chǎn)負(fù)債率較高，其均值達(dá)到62.54%，此外，營(yíng)業(yè)收入增長(zhǎng)率較低，其均值為負(fù)，表明企業(yè)經(jīng)營(yíng)狀況欠佳，可持續(xù)發(fā)展所面臨的風(fēng)險(xiǎn)較大。成本費(fèi)用利潤(rùn)率均值為-2.004%，表明所耗費(fèi)的成本并沒(méi)有達(dá)到很好的利用效果。行業(yè)的投入資本回報(bào)率也偏低，只有0.628%，盈利能力欠佳。綜上，我國(guó)煤炭行業(yè)的整體財(cái)務(wù)狀況不理想，面臨較大的財(cái)務(wù)風(fēng)險(xiǎn)。

3.模型構(gòu)建

Logistic 回歸方法以極大似然原理為基礎(chǔ)，是通過(guò)似然函數(shù)極大化求得總體參數(shù)估計(jì)量的一種參數(shù)估計(jì)方法。在 Logistic 模型中，被解釋變量只取 0 和 1 兩個(gè)值。即y值只取0或1。使用spss對(duì)選取的t-3期的財(cái)務(wù)指標(biāo)實(shí)證分析。回歸結(jié)果如下表所示：

a. 步驟 1 上輸入的變數(shù)：[%1：， 1：

其中B為變量系數(shù)：SE為標(biāo)準(zhǔn)差，df為自由度。根據(jù)上表的logistic回歸結(jié)果，可以得到被研究企業(yè)的財(cái)務(wù)預(yù)警模型即：

P=1/（1+e（-y））

y=-0.187X1-0.349X2-1.963X3+53.196X4-0.466X5+0.001X6-0.173X7-0.259X8-11.153

對(duì)于預(yù)警模型一般認(rèn)為0.5為分界點(diǎn)，P的取值范圍為0到1。即當(dāng)0.5

4.logistic模型檢驗(yàn)

首先看模型的擬合優(yōu)度，Cox & Snell R 平方和Nagelkerke R 平方在0與1之間，一般認(rèn)為越接近1，模型的擬合效果越好。通過(guò)下表，可以看出其Cox & Snell R 平方和Nagelkerke R 平方均接近1，說(shuō)明模型有較好的擬合效果。其次，對(duì)模型的預(yù)警識(shí)別效果進(jìn)行檢驗(yàn)，從下表7可以看出，在該模型中，對(duì)于3家由于財(cái)務(wù)危機(jī)而被特別處理的上市公司，其預(yù)警識(shí)別率77.8 %。而對(duì)于其他12家財(cái)務(wù)正常且未被特別處理的上市公司，其預(yù)警識(shí)別率同樣高達(dá)97.2%。總的來(lái)說(shuō)，整個(gè)財(cái)務(wù)預(yù)警模型的預(yù)警識(shí)別率為93.3%，這意味著本研究所建立的模型具有較高的預(yù)測(cè)準(zhǔn)確度，達(dá)到了對(duì)于財(cái)務(wù)預(yù)警模型的要求和預(yù)期。

四、結(jié)論

通過(guò)本文的研究可以發(fā)現(xiàn)，我國(guó)煤炭業(yè)上市公司整體財(cái)務(wù)狀況并不理想，并且在使用Z-score和logistic模型進(jìn)行預(yù)警時(shí)發(fā)現(xiàn)，logistic模型的準(zhǔn)確率高達(dá)93.3%，要明顯高于Z-score模型的66.7%。對(duì)于我國(guó)煤炭業(yè)上市公司的財(cái)務(wù)預(yù)警效果更佳。但是文章還有很多不足之處，其一，在對(duì)logistic模型的樣本選擇上，由于我國(guó)煤炭上市公司被違規(guī)特殊處理企業(yè)較少，僅3家，所以未采取一對(duì)一的配比選擇樣本。其次，在對(duì)衡量財(cái)務(wù)風(fēng)險(xiǎn)的指標(biāo)選擇上，考慮到數(shù)據(jù)的方便的可獲得性，未考慮企業(yè)管理水平，宏觀經(jīng)濟(jì)環(huán)境，企業(yè)生命周期等可能會(huì)影響企業(yè)財(cái)務(wù)狀況的非財(cái)務(wù)指標(biāo)。最后，文章研究研究財(cái)務(wù)危機(jī)的判定以及國(guó)內(nèi)的大部分研究都是以企業(yè)是否被st為判斷標(biāo)準(zhǔn)，一方面，st確實(shí)可以很好的反映企業(yè)財(cái)務(wù)狀況惡化；另一方面，也具有一定的片面性，很多非st企業(yè)同樣面臨財(cái)務(wù)危機(jī)。由于財(cái)務(wù)風(fēng)險(xiǎn)的復(fù)雜性和多樣性，對(duì)于企業(yè)財(cái)務(wù)危機(jī)的預(yù)警研究仍然是個(gè)值得關(guān)注的問(wèn)題。

參考文獻(xiàn)：

[1]張紫娟. 煤炭行業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警[J]，經(jīng)濟(jì)論壇，2015.8：67-68.

[2]朱洪婷. 基于logistic模型的機(jī)械制造業(yè)上市公司財(cái)務(wù)預(yù)警應(yīng)用與分析[J]，時(shí)代金融，2015.1：228-229.

[3]游達(dá)明，劉亞慶. Z值財(cái)務(wù)預(yù)警模型在交通運(yùn)輸業(yè)的修正與應(yīng)用[J]，華東經(jīng)濟(jì)管理，2015.7：9-10.

[4]何小倩.基于Z值模型的新能源汽車上市公司財(cái)務(wù)預(yù)警分析[J]，時(shí)代金融，2016.5：196-197.

[5]楊瀟.基于改進(jìn) Logit 模型的電力公司財(cái)務(wù)危機(jī)預(yù)警研究[J]，會(huì)計(jì)之友，2017.2：96-97.

[6]宋彪，徐沙沙.基于系統(tǒng)結(jié)構(gòu)模型的大數(shù)據(jù)財(cái)務(wù)預(yù)警指標(biāo)分析[J]， 會(huì)計(jì)之友，2017.4：95-96.

[7]劉開(kāi)瑞，彌瑩.上市公司財(cái)務(wù)預(yù)警 Z-Score 模型應(yīng)用及修正——以“香梨股份”為例[J]，技術(shù)與創(chuàng)新管理，2010.11：711-712.

作者簡(jiǎn)介：

宋佳怡（1996—），女，籍貫：江西省贛州市章貢區(qū)，現(xiàn)為江西師范大學(xué)財(cái)政金融學(xué)院會(huì)計(jì)學(xué)專業(yè)大三學(xué)生，初級(jí)會(huì)計(jì)師職稱，研究方向：金融、會(huì)計(jì)、財(cái)務(wù)管理等。