基于中小板上市公司财务危机预警模型的实证分析

中图分类号:F275 文献标识:A 文章编号:1009-4202(2010)05-112-02

摘 要 本文以我国深市上市公司中的中小板企业为研究对象,筛选了2008到2010年被ST戴帽的49家上市公司作为财务困境公司样本,同时选取了130家经营状况较好的公司作为正常公司样本。通过分析这149个样本公司08年的财务报表数据,运用判别分析法建立了一个符合中国上市公司实际情况的财务困境预警模型,并对之进行实证检验。研究结果表明:建立的模型能够较好的对中小上市公司经营风险做出预测。

关键词 中小上市公司 财务困境预警模型 判别分析法

一、文献回顾

关于上市公司财务困境预警研究,国内外学者曾建立过多个预警模型。最早的财务困境预警研究是Fitz Patrick所做的单变量破产预警模型,其后Winaker&Smith和Merwin也作了相似的研究。但是这些早期研究仅仅是属于描述性分析(Profile Analysis)范畴。自1968年Altman首次将多元线性判别方法引入到财务困境预警领域后,多元线性判别方法就逐渐取代了单变量模型。在1968年Altman的模型中,Altman通过多元判别模型产生了一个总的判别分,称为Z值,并依据Z值进行判断。这个模型就是著名的Z模型。由于模型简便、成本低、效果佳。几乎所有的国家都依据z评分模型发展出与之相适应的信用风险度量模型。Scott(1981)对以往学者的实证结果进行比较,认为在多元判别分析模型中Zeta模型最优。然而根据陈静(1999)和宋秋萍(2000)的研究,认为由于中美两国会计准则有一定的差距,用美国公司财务数据建立的模型并不一定适用于对中国公司的信用风险预测,从国内企业的财务数据中提炼出特征指标,建立判别函数则更为务实。

由此可见,根据中国的会计准则和实际情况,建立一个符合中国上市公司的的财务困境模型也显得十分重要。而由于企业自身规模和经营情况的不同,还没有一个模型能够准确的预测所有类型的上市企业的财务困境情况。因此,根据不同规模的企业选择不同的预测模型也就显得十分重要。而这里我们主要选择研究中小上市公司的财务困境模型。

二、财务困境预警模型的建立和分析

(一)模型的选择

根据美国风险管理专家Ahman在1968年,利用多元判别式法建立的著名“z评分模型”。本文采用判别分析模型的形式分析分析,旨在研究两类分司的财务状况,一类是财务危机公司,另一类是财务健康公司。以此为目标分别找出反映这两类公司相关性高的特征变量而建立判别函数,然后用建立的判别函数对中小板所有的上市公司进行财务困境分析。判别函数的一般形式是:

Z=a1x1+ a2x2+ a3x3+……+anxn

其中:Z为判别分(判别值)X1,X2,X3是反映研究对象的特征变量,如财务比率。a1,a2,a3为各变量的判别系数。

(二)样本的选择

本文一共选取了51家上市公司作为样本进行分析。其中:财务危机公司49家,由于中小板企业中09年之前只有2家企业被ST戴帽,所以剩下的47家ST企业,在沪深两市07年以后被戴帽的企业中随机选取代替。财务健康公司130家,其中60家来自于08年中小板上市公司综合排名前60强,剩余70家则通过对中小板企业随机挑选得出。

在样本选定之后,需要对财务分析指标进行选择。通过对上市公司的资产负债表,现金流量表和利润表进行分析,从偿债能力,盈利能力,资本结构状况和营运状况等四个方面选择了14个相关财务比率:X1总负债/总资产,X2现金/流动负债,X3流动资产/流动负债,X4净利润/主营业务收入,X5净利润/总资产,X6营业利润/利润总额,X7流动负债/总资产,X8长期负债/总资产,X9应收账款/流动资产,X10(流动资产-流动负债)/总资产,X11现金/总资产,X12利润总额/总资产,X13主营业务收入/总资产,X14净利润/所有者权益。

(三)判别分析过程

对于函数的推到,采用spss统计软件中classify下面的discriminant计算功能,我们把所有14个变量代入模型以逐步回归法进行分步计算,通过F检验的解释变量则放入判别函数中作为评分模型的计算依据。

在运用逐步回归法的过程中一共进行了6次筛选过程,具体操作方法是选择0.05的显著水平和3.84的临界值水平,每一步回归都选择当次回归过程中最显著的变量进入判别模型,然后再将剩下的解释变量进行再回归,当进行到第6次回归的时候,剩下的所有变量都低于3.84的临界值水平,因此停止筛选过程。

在筛选出来的5个解释变量(X10,X12,X4,X6,X13)之间继续进行总体显著性的检验,我们可以看出X10,X12,X4,X6,X13的估计结果都大于显著性为0.05的临界值3.84。在此基础上我们再通过对解释变量判别系数的估计,就能够得到完整的判别方程。

综上所述,通过把所有变量引入判别分析中,运用逐步回归法,最终得到了包含5变量的判别系数,即:

Z=-1.204-0.466X4+0.045X6+2.592X10+6.084X12 +0.402X13

其中:

X4 净利润/主营业务收入。该指标用来衡量一个企业的盈利能力,表示一个企业的利润占主营业务收入的比重,该指标越大说明一个企业的偿债能力越强。

X6 为营业利润率=营业利润/利润总额。该指标用来衡量一个企业的盈利能力,表示一个企业的营业利润占到了所有利润收入的比重。

X10 为营运资本/总资产。这是公司的净流动资产相对于总资产的一种衡量,营运资本是公司流动资产与流动负债之差。

X12 为总资产收益率=利润总额/总资产。该指标体现的是每单位的资产对应的利润份额。从一定程度上能够反应出企业的盈利能力情况。

X13 为主营业务收入/总资产。该指标用来衡量一个企业的偿债能力,表示一个企业的主营业务收入占总资产的比重,该指标越大说明一个企业的偿债能力越强。

(四)判别模型准确性的检验

1.原始样本分类的准确性

检验结果表明,用建立的判别函数对财务出现困境的ST公司的预测正确率达到了87.8%,而对财务状况健康的非ST公司的预测正确率也达到了93.1%。由于判别函数是从原始样本数据中推导出来的,因此原始样本分类的期望准确率理所当然要高些。通过计算两组判别分(Z值),我们可以看出两组的Z值几乎都分别落在(-0.5,-1.5)的两边。因此我们可以将区间(-0.5,-1.5)作为灰色地带,当判别分数属于该区间的时候,可以判断该公司在短期内有破产的风险,应该对这样的公司引起重视,做更加深入的分析调查。

2.临界值的确定

虽然原始样本判别值的分界线比较明显,结果非常理想。但需要说明的是原始样本中的非ST公司有一半都来自2008年中小板块排名前60名中的企业,因此是具有的两级分化公司的性质。假如用此函数对新样本计算出的判别分也能获得这样的结果,那么上述临界区间才完全可作为我们判断决策的依据。为了进一步验证这一模型的判别效果以最终确定更具代表性的临界值,我们用未参加模型推导分析的随机挑选的5个ST公司和10个非ST公司进行检验。用建立的判别函数公式计算出公式的值。

从检验结果可以看出,检验样本中的5家ST公司中有4家的Z值都小于-1.5。非ST的10家公司中有9家公司的Z值都大于-0.5。因此综合原始样本和新样本两组的结果,区间(-0.5,-1.5)是这两类公司的一个分水岭。据此我们可以得出以下判别法则:当Z值大于-0.5的时候,我们可以认为被分析的公司属于财务健康的类型,在近期没有破产的风险,Z值越大企业破产的风险越小;当Z值小于-1.5的时候,我们可以认为被分析的公司属于财务状况不健康的类型,在近期破产的风险,Z值越小,近期破产的可能性越大。当Z值落在了区间(-0.5,-1.5)的时候,应该引起我们的高度重视,因为这样的公司面临着破产的危险,也包括财务状况暂时健康的一些公司,因此我们需要对这样的公司做进一步的考察。

三、研究结论及政策建议

(一)研究结论

在建立财务危机预警模型时,本文从公司财务报表中提取了14个指标作为预警模型建立的基础,通过分析最终从中提取了5个变量成功构建了模型。并且通过了对临界值的界定,达到了较为理想的效果。

第一,不同的公司营运环境对财务预警模型的影响。通过对Altman的Z评分模型分析,我们可以发现该模型目前被发达国家的众多金融机构应用,但是我国具有和发达国家差异显著的商业营运环境,如果原封不动的照搬Z评分模型是不符合我国国情的,也不能得出准确率较高的分析结果。此外,不同的企业规模之间还存在着一定的显著差异,根据不同的企业规模建立不同的判别分析函数有助于提高模型分析的准确性。所以从国内的中小上市公司财务数据中提炼出特征指标,建立中国自己的判别函数,对于模型的准确性和在我国的实用性具有十分积极的作用。

第二,会计制度不同对财务预警模型的影响。由于国与国之间的会计制度一直存在着差异性,我国的会计制度以及财务信息披露制度有待于跟国际统一的相关制度接轨。而目前我国的会计工作领域存在的会计秩序混乱、会计信息失真、会计控制弱化等一系列问题,这些问题都严重影响了会计职能的发挥和会计工作质量的提高。在我国现行会计制度下的财务数据与发达国家的财务数据并不完全一致,如果照搬Z评分模型也会导致判别准确率的降低。

(二)政策建议

首先,整合资源,均衡发展。目前我国中小企业普遍面临筹资困难的情况,由于存在自身规模较小,经营状况存在着很大的不确定性等因素,金融机构很难对中小企业进行大量的放款。改善目前不佳的信用状况。而管理部门也应该对于不同的中小企业,采用不同的手段进行引导。企业的管理部门要在切实做好重大项目的落地和开工建设的同时,保证项目的顺利实施,为以后的赢利及企业增长做好准备,并重视在引进消化吸收基础上的再创新,保证资金的供应链,以降低出现财务危机的可能性。合理充分地利用资源,规避风险,降低发生财务危机的可能性。

其次,重视Z值偏差显著的公司。从本文的指标分析和实证检验都可以发现,高Z值公司并非是绝对的安全,它也可能存在着财务危机的隐患。因此,当企业的财务危机预警z值超高时,企业的管理层不能盲目乐观,认为公司的财务状况是不存在危机的。应该在内部建立有效的财务预警机制及应急预案,关注Z值的变化情况,对于企业财务危机预警的高z值要具体问题具体分析,不能放松危机意识。

参考文献:

[1]Edward I Ahman.Financial Ratios Discriminant Analysis and the Prediction of Corporate Bankruptcy.The Journal of Finance.1968.23(4):589-609.

[2]William H.Beaver.Financial Ratios∞Predictors of Failure.Journal of Accounting Research.Empirical Research in Accounting:selected Studies.1966(4):71-111.

[3]陈静.上市公司财务恶化预测的实证分析.会计研究.1999(4): 31-38.

[4]张玲.财务危机预警分析判别模型.数量经济技术经济研究. 2000(3):49-51.

[5]温璐璐,王海涛.辽宁产业结构分析及对策.经济研究.2006(12):75-76.

[6]吴世农,卢贤义.我国上市公司财务困境的预测模型研究.经济研究.2001(6):46-55.

[7]王娟.财务危机理论在我国的运用.统计与决策.2004(11): 128-129.

[8]张鸣,张艳.财务困境预测的实证研究与评述.财经研究.2001(12):29-35.