财务困境预测是以企业相关信息为基础，通过设置并观察一些敏感性财务预测指标的变化，对可能或将要出现的财务危机实施实时监控和预测警报，是金融领域一个十分重要的研究课题。

自上世纪60年代以来，各国学者纷纷试图通过定量分析对企业破产提前做出预测。从Beaver(1966)的单变量分析和Altman(1968)多元判别分析（MDA），到为了克服单变量分析和MDA模型的局限性而发展的Logistic(1980)模型和Probit(1984)模型，各种预测方法和模型层出不穷。Odom和Sharda(1990)最早将神经网络(Neural Network，NN)引入到财务困境的预测分析中，较判别分析提高了预测精度。国内学者王春峰（1998）、陈静（1999）、吴世农（2001）、张玲（2005）等学者有效地将以上方法运用到中国市场建立预测模型，并获得了较高的判别精度，取得了一定的应用成果。

国内学者对于财务困境的研究已经开始逐步深入，引入国外学者的一些模型、统计方法来研究我国的上市公司，并取得了一定的进展。但我国的研究中大多将研究重点放在财务指标上，而忽略了不易量化但非常重要的非财务因素。财务指标有其局限性，如财务指标的事后反映，并且财务指标不能够反映经营中的非财务信息，这样就会导致因片面的财务数据而错误估计企业财务状况。同时非财务信息对于公司的财务状况具有一定的影响力，所以在以后的研究中，有必要引入对公司绩效有影响的其它非财务因素，例如，审计意见、现金流量因素、公司治理变量等新变量指标，通过加入这些指标提高财务危机预警的准确率，并尽可能地对企业财务危机问题提出对策和方法。

因此本文将根据我国资本市场特点，结合我国上市公司治理结构对财务危机的影响，在建模实证过程中，加入了公司治理方面的非财务指标，构建一个基于财务和非财务指标的财务危机预警模型，来研究加入了公司治理变量后的模型对预测公司财务危机是否比单纯传统财务指标模型提高了预测精度。

一、研究设计

本文财务预警系统以Logistic回归模型来建构模型。Logistic回归模型的目标是计算出研究对象的条件概率。然而，Logistic模型对多元共线性较敏感。系数估计的标准误差随着自变量之间相关度的提高会急剧增加。因此，为了更好的构建Logistic模型，本文要对样本数据进行以下几个步骤的处理：

（一）K-S检验

利用K-S检验法对各项指标是否服从正态分布进行检验，从而选择适合的指标差异性检验方法来适应指标的分布特点。

（二）指标的差异显著性检验

选择可行有效的差异性检验，排除掉不能准确分辨出财务危机公司与正常公司且对构建模型没有显著贡献的指标。

（三）因子分析

进行因子分析把指标间可能的多重共线性问题消除，并且提炼出能代表众多指标特性的主因子，化繁为简，确保提炼的主因子能够准确有效的进行Logistic回归分析。

（四）主因子逻辑回归分析模型

以提炼出来的主因子实施Logistic回归分析，构建上市公司财务危机预警模型。

二、样本和预警指标选取

（一）样本的选定

根据我国的具体情况，本文将我国上市公司中的因“财务状况异常”而被ST的公司界定为“财务危机”公司。相应地，其他企业为正常公司。从而本文从沪、深两市A股选取2008年到2010年间ST公司50家和非ST公司50家。为了进行预警分析，将这100家公司分成训练样本和检验样本两个子样本，其中训练样本包括30家ST公司和与之相应的30家正常公司，而检验样本包括20家ST公司和与之相应的20家正常公司。

（二）指标的选取

因为单纯使用财务变量进行预测其准确性也的确难以让人信服，所以本文尝试在预警模型中考量公司治理变量对模型的影响，选取了财务指标和公司治理指标两方面变量。（预警指标如表1）

（三）构建模型前的财务数据处理

为了建立有效的Logistic模型，首先我们要对样本数据进行以下几个步骤的处理:

1、K-S检验

对60家训练样本(t-3)年的指标数据进行K-S检验，通过了正态分布检验的只有X21，剩余的31项其他指标都没有通过检验，不服从正态性分布。所以，本文采用非参数检验方法进行财务指标的差异显著性检验。

2、指标的差异显著性检验

对训练样本(t-3)年的各指标进行检验，从其检验结果得出，在(t-3)年，ST公司和非ST公司在指标上具有一定的差异，主要表现如下：

财务指标方面：

（1）偿债能力：ST公司的速动比率和流动负债率显著的低于非ST公司。

（2）盈利能力：ST公司的净资产收益率、资产净利率和销售毛利率显著比非ST公司低。

（3）经营能力：ST公司的总资产周转率和存货周转率显著的低于非ST公司。

（4）成长能力：ST公司的总资产同比增长率和净利润同比增长率明显的低于非ST公司。

（5）现金能力：ST公司的现金债务总额比和总资产现金回收率显著的低于非ST公司。

非财务指标方面：

（1）管理者特征：ST公司的董事长兼任总经理显著的低于非ST公司。

（2）股权结构特征：ST公司的前十大股东法人持股比例和高级经理团队持股比例显著的低于非ST公司。

综上所述，得出了在(t-3)年X2，X4，X5，X6，X9，X12，X14，X17，X19，X22，X23，X27，X29，X32共14个指标具有显著性差异，并且以此建立财务危机预警模型是具有一定的可行性。

3、因子分析

根据累计贡献率达到85%的要求，需要提取5个主成分因子，其累计贡献率为87.398%，即原来的14个指标用5个主成分因子代替即可。本文通过方差最大化正交旋转方法，取得14个原始比率指标对5个主成分因子的因子负荷量，从而对这5个主成分因子进行经济解释。

①在主因子F1中，变量X12，X14的贡献最多，代表了企业的经营能力，主因子F1反映了企业的经营水平，称之为经营因子。②主因子F2主要由变量X6所决定，代表了企业的盈利能力，主因子F2反映了企业的盈利水平，称之为盈利因子。

③在主因子F3中，变量X22的贡献最多，代表了企业的现金能力，主因子F3反映了企业的现金流量，称之为现金流量因子。

④主因子F4主要由变量X2所决定，代表了企业的偿债能力，主因子F4反映了企业的偿债水平，称之为偿债因子。

⑤在主因子F5 中，变量X27，X32的贡献最多，主因子F5反映了企业的管理者和股权结构特征，可称之为治理结构因子。

综上所述，本文得出了5个主因子，其中F1、F2、F3、F4皆为传统财务变量的主因子，F5为公司治理结构的变量因子。

三、实证结果与分析

（一）建立模型

通过以上部分的分析，选取了对构建模型有帮助的主因子，在下面将用Logistic回归方法来建立预警模型。为了便于模型的比较分析，建立两个预警模型：仅考虑了财务变量的财务危机预警模型和加入了公司治理结构变量的财务危机预警模型。

1、仅考虑财务变量的财务危机预警模型

先用4个财务变量因子来构建财务危机预警模型，得到仅考虑财务变量的财务危机预警模型为：(1)

2、加入了公司治理结构变量的财务危机预警模型

除4个财务变量因子外，加入公司治理结构变量来构建财务危机预警模型，得到加入了公司治理结构变量的财务危机预警模型为:(2)

（二） 检验两个模型的预测效果

将40家检验样本数据代入上述仅考虑财务指标的预警模型(1)，得到预测结果，如表4:

表4 仅考虑财务指标的预测准确率

72.5%的综合正确率，说明了模型的可信赖程度。证明了模型在预测未来两年公司是否发生财务危机上具有一定的应用价值。

将40家检验样本数据代入上述加入了公司治理变量的预警模型(2)，得到预测结果，如表5:

表5 加入了公司治理变量的预测准确率

82.5%的综合正确率，证明了模型在预测未来两年公司是否发生财务危机上具有一定的应用价值，且比仅考虑财务指标的预警模型的预测准确率提高了10%。

三、结论

本文采用logistic回归建了我国上市公司财务预警模型，证明了加入公司

首页 上一页 1 2 下一页 尾页 1/2/2

相关论文