基于F分数模型的创业板企业财务风险预警

创业板企业的市场定位为“自主创新企业及其他成长型创业企业”。这一定位在拓宽有潜力的中小企业的融资渠道的同时，也决定了创业板市场存在高于主板市场的财务风险。因为相对于主板上市公司，这类创业型企业往往规模较小，成立时间较短，管理也不够完善。如果不能适时准确地预测公司的财务风险，将会给企业、投资者带来较大的损失，也会对尚不成熟的中国创业板市场的持续健康发展造成不良影响。本文以创业板制造业企业为样本对其财务风险进行分析。在分析中采用了多变量分析模式中的“F分数”模型。多变量分析模式是建立在多元线形函数基础上的，通过对多个财务指标的加权汇总，最后根据产生的总分数来预测公司的财务风险。其中，F分数模型不仅充分考虑了现金流量指标，还兼顾了现代化公司财务状况的演变和有关标准的变更。

一、文献回顾

在国外的研究中，Fitzpatrikc（1932）最先运用统计方法进行了财务危机预警研究，开启了单变量财务危机预警研究；之后，美国学者William Beaver于1966年提出了一元判别模型，通过对79家失败和成功的公司的研究，发现债务保障率和资产负债率这两个指标的财务风险预警能力最强；两年后，美国纽约大学的教授Edward Altman，又将多变量统计分析方法-判别分析应用到企业财务风险预警中，并以1964年到1965年的33家经营失败的公司和33家正常公司作为样本进行研究，通过实验，提出了多变量判别模型——Z计分模型。在此之后，相继又有学者构建了多种财务风险预警模型，如，以Probit模型和Logit模型为代表的逻辑回归模型、神经网络理论模型、引入非财务信息的模型等。

国内在这方面的研究起步较晚。周首华、杨济华、王平（1996）将现金流量指标引入了Z分数模型中，提出了F分数模型，并运用Compustat Pcplus 会计数据库中得4760家公司的数据进行了验证。结果表明，与Z分数模型相比，该模型能更准确的对公司的财务风险作出预警；陈静（1999），运用单因素分析法，分析了27家正常公司和27家ST公司的财务指标，发现资产负债率和流动比率的错判率是最低的；吴世农、卢贤义（2001）通过对70家正常公司和70家ST公司的研究，得出Flisher判别分析、多元线性回归分析及逻辑回归分析三种方法均能作出较为准确的财务危机预警。另外还有部分学者提出了基于主成分分析、人工神经网络、引入非财务指标等的财务风险预警模型。

二、研究设计

（一）样本选取与数据来源 本文以截至2010年12月31日在深圳证券交易所创业板上市的101 家制造业公司为全面选取样本的依据，剔除其中数据异常的5家，共选取了有效样本96家。所有的样本数据均源自2010年深市创业板上市公司披露的年度报告和新浪财经（）有关个股资料。其中，在计算期末股东权益的市场价格时每股市价选取当年12月31日的收盘价。

（二）指标选取 具体指标如下：

X1：■，X1用来测定公司资产的流动性。该指标数值越大，表明公司资产的流动性越强。

X2：■=■，X2用来测定公司筹资及再投资的能力。该指标数值越大，表明公司的创新能力和竞争力能力越强。

X3：■， X3用来测定公司所产生的全部现金流量对公司债务的清偿能力。该指标数值越大，表明公司的偿债能力越强。需要说明的是，折旧费用也属于公司创造的现金流入，在某些情况下也可将这部分资金用于清偿债务。

X4：■，X4用来测定公司的投资价值。该指标数值越大，表明公司的投资价值越大。需要说明的是，由于存在非流通股，其无市场价格，因此期末股东权益的市场价格的计算公式为：

每股市价×流通股数+每股净资产×非流通股数。

X5：■，X5用来测定公司总资产创造现金流量的能力。该指标数值越大，表明公司资产的现金流量创造能力越强。

（三）F分数模型构建 如下：

F=-0.1774+1.1091X1+0.1074X2+1.9271X3+0.0302X4+0.4961X5

利用周首华、杨济华和王平提出的F分数模型中的F临界值进行财务风险分析的判断标准如下：F0.0274，说明该公司财务状况良好，预测其为将继续存续的公司。

三、创业板制造业上市公司财务风险分析

（一）F值分布情况及财务风险判断 从样本公司2010年F值的分布情况（见表1）可以看出，F值落在[1，2]、[2，3]、[3，4]这三个区间的公司数最多，达到了69个，占样本公司总数的71.88% ；其次是位于[0，1]、[4，5]这两个区间的，比重分别为6.25%、7.29%；处于[5，6]、[6，7]、[7，8]的样本数均为4，所占比重为4.17% ；其余两个样本公司的F值则分别位于区间[8，9]和[9，10]。整体而言，样本公司的F值均高于临界值0.0274，说明2010年创业板制造业企业的财务状况基本良好，预测样本公司均为将继续存续的公司。

（二）样本变量的单因素分析 由表1可以看出，落在[8，9]和[9，10]这两个区间的样本公司数均为1，相应的区间均值也就失去了代表性。因此，在进行样本变量的单因素分析时，将不考虑这两个区间，具体如下：

其一，X1。X1代表的是公司资产的流动性。从图1可以看出，当F值较小时，X1的大小是构成样本公司F值差异的一个相对重要的因素；当F值增大到一定程度后，F值差异不再是由X1引起的。所以，相关人员在对公司的财务风险作出预警时， 只需适当的考虑其资产的流动性。相应的，对于F值较小的公司， 可以通过增加流动资产， 减少流动负债达到使F值增大，即降低公司财务风险的目的。

其二，X2。X2代表的是公司的投资和再投资能力。由图2可知，样本公司的X2值差异很微小，可以认为X2并不是导致F值不同的主要因素。因此在预测公司的财务风险时，公司的投资和再投资能力不应作为主要的判断依据。 当然， 公司在寻求改善其F值即财务风险的办法时，也不应寄过多希望于优化其留存收益与总资产的比值。

其三，X3。X3反映的是公司所产生的全部现金流量对其债务的清偿能力。通过图3可以看出，X3是导致样本公司F值不同的重要因素。这一结果在充分证实了现金流量对创业板上市公司的重要性的同时，也说明公司所产生的全部现金流量的偿债能力是预测该公司财务风险的主要依据。也为欲改善其财务风险状况的创业板上市公司指明了方向，即无论其目前的F值处于哪个水平，均可以通过进一步改善其现金流量的状况使其F值尽可能的大，即公司可在控制或降低其总负债的同时，通过增加其税后纯收益和折旧的总额来达到降低其财务风险的目的。

其四，X4。X4衡量的是公司的投资价值。由图4看到，F值大的样本公司相应的也拥有较大的X4值。鉴于此， 可认为公司的投资价值也是预测公司财务风险时不可忽视的因素。设法增加公司股东权益的市场价格也是公司在寻找降低其财务风险的措施时应优先考虑的方面。 具体的， 在流通股数和非流通股数不变的情况下，可以通过提高公司股票的每股市价和每股净资产来降低公司得财务风险。

其五，X5。X5测度的是公司总资产的现金流量创造能力。从图5可以看出，样本公司的X5值在0.15～0.06这个相对较小的范围内变化，考虑上它在F分数模型中X的系数0.4916，变化范围会更小。因此，可以认为X5并非导致样本公司F值相异的主要因素。即公司总资产的现金创造能力对公司财务风险的影响不大，不应将其作为预测公司财务风险的主要依据。对应的，公司也不应将改善其总资产的现金创造能力作为降低其财务风险的主要措施。

通过上述对样本变量的单因素分析，结合图6，可以得出这样的结论：X2和X5这两个变量在不同样本公司间的差别不大，即样本公司的投资和再投资能力以及总资产的现金创造能力差异是很微小的。样本公司F值的差异，主要是由X3公司所产生的全部现金流量的偿债能力不同造成的，其次是公司的投资价值X4。此外，对于F值相对偏低的样本公司，公司资产的流动性X1也是一个需要注意的因素。即在预测公司的财务风险时，应将公司全部现金流量的偿债能力和投资价值作为主要判断依据，然后再适当的考虑其资产的流动性因素，而公司的公司的投资和再投资功能以及总资产的现金创造能力只需作为辅助参考方面。当然，公司在寻求优化其财务风险的途径时，也应将提高其全部现金的偿债能力作为其首选措施；其次考虑增加公司的投资价值，对于F值特别偏小的公司也可考虑增强其资产的流动性；最后，在公司条件允许的情况下，可适当考虑强化公司的筹资和再投资能力以及公司总资产的现金创造能力。

四、结论

本文以我国创业板制造业企业为研究样本，运用F分数模型，对我国创业板企业的财务风险进行了分析评价。通过实证分析，我们可以得出如下结论：第一，样本公司的F值均位于临界点之上，说明2010年我国创业板企业的财务状况基本良好。第二，相关人员在预测公司的财务风险时，应重点考查公司现金流量的偿债能力和投资价值，其次是公司资产的流动性，最后还应适当的考虑其筹资和再投资能力及总资产的现金创造能力。

尽管F分数模型充分考虑了现金流量指标和现代公司财务状况的演变和有关标准的变化，但该模型也存在着以下不足之处：第一，对临界值的精确选取还需深入探讨。从实证结果可知，我国创业板企业的F值普遍偏高，仍按照模型原来的临界点进行财务风险预警可能会有差错。第二，公司的财务风险是一个复杂的问题，仅凭借几个既定的指标就对公司的财务风险的状况做出评判难免有些武断。所以，该方法虽然能够在一定程度上客观的提供公司财务风险状况的有效信息，但如果要更科学的对公司的财务风险做出预警，还应综合考虑一些无法量化的公司资源和能力，兼顾公司的实际情况。

参考文献：

[1]周守华、杨济华、王平：《论财务危机的预警分析-F分析模型》，《会计研究》1996年第8期。