基于非财务数据的企业财务危机预警模型实证研究

Empirical Research on Financial Crisis Early-warning Model Based on Non-financial Data

Shi Jinlong；Chen Zhiqing

（Economics & Management School of JUST，Zhenjiang 212003，China）

摘要：引起公司财务危机的因素多种多样，目前的研究主要集中在基于财务数据的数学建模，本文希望通过运用Logistic建模，研究非财务数据与公司财务危机的关系，以从另一个角度对财务危机进行预测。

Abstract： There are various factors that cause company financial crisis, and the current study focuses on mathematical modeling based on financial data. Through using logistic modeling, the relationship of non-financial data and company financial crisis was studied so as to forecast financial crisis from another perspective.

关键词：财务预警 非财务数据 Logistic分析

Key words： financial warning；non-financial data；logistic analysis

中图分类号：F275文献标识码：A文章编号：1006-4311（2011）19-0137-02

1研究背景

财务危机预警是以财务会计信息为基础，通过设置并观察一些敏感性预警指标的变化，对企业可能或将要面临的财务危机所实施的实时监控和预测警报。[1]可见财务危机预警研究的对象是财务危机。狭义的财务危机是指企业全部资本中由于负债比例过高，而使得企业不能按期还本付息所造成的风险，所以也称为负债风险或破产风险。广义的财务危机是指企业经营过程中各种不利因素所导致企业的经营失败和财务失败。这些不利因素既有财务因素，如利润率，投资报酬率；又有非财务因素，如高级管理人员的组成，最终控制人的类型。基于企业财务报表数据的企业财务困境分析，通过运用各种模型对企业的潜在财务风险进行预测，取得了不错的效果，并且准确性在不断提高。但对非财务数据的分析则较少。本文通过运用Logistic回归模型对企业非财务数据进行分析，以探寻非财务数据与财务危机的关系。

2文献回顾

最早对财务危机预测研究是FitzPatrikc(1932)所做的单变量破产预测模型，他发现，出现财务困境的公司其财务比率和正常公司的财务比率相比有显著的不同，从而认为企业的财务比率能够反应企业财务状况，对企业未来具有预测作用。[2]Beaver(1966)对美国1954-1964年间79家失败企业和79家成功企业的30个财务比率进行研究的结果表明，具有良好预测性的财务比率为“现金流量/负债总额”、“资产收益率（净收益/资产总额）和资产负债率（债务总额/资产总额）。Bevaer也因此开创了建立财务预警模型的先河。[3][4]Ohlson（1980）把企业规模考虑进来，用Logistic回归模型对财务困境进行研究，并发现使用股价或股价变动等非会计信息会对模型的预测能力有所提升。[5]陈静（1999）选用1998年上市公司的27家ST公司和27家非ST公司，使用1995-1997年间的财务报表数据，进行了单变量分析和多元判定分析。在单变量判定分析中，发现流动比率与负债比率的误判率最低；在多元线性判定分析中，发现与单变量分析的结论类似，多元判定模型在宣布前一年的成功率较高，离宣布日较远，成功率越低。[6]张永安，付丽（2006）运用非财务指标136家ST公司进行研究，认为在上市公司ST问题的研究中应考虑财务指标与非财务指标，建立一套整体的研究框架，才能提高正确率，更好的发挥综合预警作用。[7]

3模型设计

3.1 财务危机的界定由于中国直接退市的公司较少，如果将退市的公司作为财务危机公司，可能导致样本量过小。所以本文选择ST公司作为财务危机公司。ST全称special treatment，即特别处理，当上市公司出现财务状况或其它状况异常，导致投资者难于判断公司前景，权益可能受到损害的，交易所将对公司股票交易实行特别处理。财务异常具体指：①近一个会计年度的审计结果显示股东权益为负值；扣除非经常性损益后的净利润为负值；②近一个会计年度的审计结果显示其股东权益低于注册资本，即每股净资产低于股票面值；③注册会计师对最近一个会计年度的财务报告出具无法表示意见或否定意见的审计报告；④最近一个会计年度经审计的股东权益扣除注册会计师、有关部门不予确认的部分，低于注册资本；⑤最近一份经审计的财务报告对上年度利润进行调整，导致连续一个会计年度亏损；⑥经交易所或中国证监会认定为财务状况异常的。可见，企业被定为ST公司，说明其财务状况，经营成果或财务报表出现异常，经营很可能难以为继，对投资者有较大的风险，可以将其定义为财务危机公司。

3.2 非财务指标的初步选择本文选取以下非财务指标，其定义和H0假设如表1，与公司ST概率成负相关代表X值越大，越没有可能成为ST公司，反之，则成为ST的可能越大。

本文对非财务指标变量代码，定义及假设如下：

审计委员会（X1）、薪酬与考核委员会（X2）、战略委员会（X3）三项，如设立为1，未设立为0；董事、监事和高级管理人员规模（X4）代表董事、监事和高级管理人员总人数；董事会的规模（X9）代表董事总人数；独立董事比例（X10）代表独立董事人数/董事人数；持有本公司股份的董事总人数（X11）代表持有本公司股份的董事总人数；董事会持股比例（X12）代表董事会持有股份/总股本；高管人员持股比例（X13）代表高管人员持有股份/总股本；在上市公司实际控制人类别（X14）中，设国有控股为1，民营、外资、集体、社会团体、职工控股为2；CR_5指数（X15）代表公司前5位大股东持股比例之和；CR_10指数（X16）公司前10位大股东持股比例之和；Z指数（X17）代表公司第一大股东与第二大股东持股比例的比值；Herfindahl_5指数（X18）代表公司前5位大股东持股比例的平方和；Herfindahl_10指数（X19）代表公司前10位大股东持股比例的平方和；第一大股东持股比例（X20）代表第一大股东持股比例；在第一大股东是否绝对控股（X21）中，如第一大股东持股比例大于50%为1，小于或等于50为0；前十大流通股股东持股比例（X23）代表前十大流通股股东持股比例。以上数据与公司ST概率负相关。

董事长是否变更（X5）、监事会主席是否变更（X6）、总经理是否变更（X7）三项，如变动为1，没有变动为0；在董事长与总经理的两职设置状况（X8）中，设董事长、副董事长、董事兼任总经理由为1，副董事长、董事兼任总经理为2，董事与总经理完全分离为3；第一大股东是否相对控股（X22）设第一大股东持股比例高于第二大至第四大股东持股比例为1，小于或等于为0；在审计意见类型（X24）中，设无保留意见（无解释）为1，无保留意见（有解释）为2，保留意见为3，拒绝发表意见为4，否定意见为5。以上数据与公司ST概率正相关。

从相关假设可以看出，公司的治理结构越完善，公司被特别处理的概率越小。高级管理人员，大股东持股比例越大，由经济人假设，他们将越努力的改善公司的业绩，增加企业的价值，从而公司被特别处理的可能性越小。当公司高级管理人员变动频繁，可能预示着企业经营失败，被迫更换高管已扭转颓势。此外审计意见也披露了公司的经营状况。本文选取数据以2010年9月28日公司当天的情况为准，从当天被定为ST的138家公司中选取100家当ST公司作为分析对象，同时随机选取100家非ST公司作为比较对象，所选的非ST公司都为近三年内未被定为ST的公司。对总共200家公司07-09年三年数据进行分析，并运用SPSS17.0软件分别对07年，08年，09年三年数据建立三个Logistic模型。最后选取其余38家ST公司及相应的38家非ST公司对建立模型进行检验。数据来源于北京大学中国经济研究中心（ccer）07-09年一般上市公司数据库和上市公司治理结构数据库。

3.3 研究变量的进一步筛选第一步先确定数据样本的正态性。运用SPSS对样本数据进行单样本K-S检验，以确定样本数据的正态性。K-S检验H0假设样本总体分布与正态分布无显著性差异，即样本数据符合正态分布，显著性水平取α=0.05。如果统计量概率p值小于显著性水平α，则应该拒绝原假设，认为样本来自的总体与正态分布有显著性差异，不符合正态分布。对三年公司数据的检验中，只有CR_5指数，CR_10指数连续三年通过了K-S检验，其它指标都三年中p值都小于α，即大部分指标都不符合正态分布。

第二步要确定同一指标两组数据（即ST公司数据和非ST公司数据）总体分布分布是否存在显著差异。如不存在显著差异，则可以认为该数据在ST公司和非ST公司之间没有明显的差别，不能很好的区分两种公司的特征，所以不将其选入Logistic建模中。当样本数据符合正态分布，即与正态分布无显著性差异时，将进行两个独立样本的T检验，由第一步检验结果，运用SPSS软件对CR_5指数，CR_10指数进行T检验，两数据都通过了T检验，即在两种类型公司间存在显著性差异。如样本数据不为正态分布，则不符合T检验的假设条件，可运用非参数的Mann-Whitney U检验来确定该指标ST和非ST公司是否存在显著差异。本文运用SPSS软件，在0.05显著性水平下，对三年数据分别进行Mann-Whitney U检验。三年数据的检验得出的p值如下，当p

最后通过以上T检验和Mann-Whitney U检验，07年共有17个数据被选取参与Logistic建模，08年有15个数据被选取，而09年共有17个。审计委员会，战略委员会，董事会规模，独立董事比例，高管人员持股比例在三年中都未被选取，说明它们与公司是否被特别处理关系不明显。

3.4 Logistic模型建立本文设ST公司为1，非ST公司为0。当被解释变量为0-1二值变量时，无法直接采用一般的多元线性回归模型建模，所以本文将采用Logistic回归模型。设公司是否为ST为y，公司成为ST公司的概率为P■，则P■=α■+∑α■x■。

由于P值的取值范围在0~1之间，而一般线性回归模型要求被解释变量取值于-∞~+∞之间。因此，要对P作转换处理，令

LogitP=In（P/（1-P））

经过转换后，LogitP的取值范围在-∞~+∞之间，与一般线性回归模型中对应变量的取值范围相吻合。该过程称为Logit变换，经过Logit变换后，就可以利用一般线性回归模型建立被解释变量与解释变量之间的依存模型，即：In■=β■+∑β■x■

于是有■=expβ■+∑β■x■ P=■

以上述通过T检验和Mann-Whitney U检验的三年数据为基础，通过SPSS软件建立Logistic模型。模型以类别1（财务困境）作为参照，采用Forward：LR逐步筛选策略，在该策略中，变量进入方程的依据是比分检验统计量，剔除出方程的依据是极大似然估计原则下的似然比卡方，最终得到三个方程Pt（t=1,2,3），t代表第t年前。最后得到三年模型：

P■=■

P■=■

P■=■

在三年模型中，第一大股东持股比例，前十大流通股股东持股比例，审计意见连续三年被选入模型，说明这三个数据与公司是否被特别处理有比较密切的关系：①第一大股东持股比例系数为负，07年成为ST公司的发生比是未成为ST公司的0.001倍，08年和09年约等于0倍，说明第一大股东持股比例系数在两种类型公司间存在显著差异，与公司是否被ST负相关，持股比例低的公司发生财务危机的概率远高于持股比例高的公司，这与本文原假设一致。②前十大流通股股东持股比例系数为负，07年成为ST公司的发生比是未成为ST公司的约0倍，08年为0.017倍，09年为0.094倍，说明前十大流通股股东持股比例系数在两种类型公司间存在显著差异，与公司是否被ST负相关，持股比例低的公司发生财务危机的概率远高于前持股比例高的公司，与本文假设一致。③审计意见系数为正，07年成为ST公司的发生比是未成为ST公司的约2.51E+09倍，08年为16.324倍，09年为72.967倍，说明审计意见在两种类型公司间存在显著差异，由前假设可知审计意见赋值越大，错报风险越大，因此该系数说明公司被ST的概率与审计意见表述的公司错报风险成正比，错报风险大的公司被特别处理的公司远高于错报风险低，出示审计意见为非保留的公司，这与原假设一致。

对于其他数据，CR_5在08,09年通过了检验，两年发生比分别为101.286、1.37E+11，其与公司是否ST呈正相关，与原假设不符。可见，如果股权过度集中在少数几个人活组织手里，可能导致多头指挥，一些大股东为了长期经营，而一些大股东可能为了短期套利，即我们常说的游资，这将增加企业经营失败的风险。董事、监事和高级管理人员规模07,08年通过了检验，且与原假设相同。此外，总经理是否变更、董事长与总经理的两职设置状况，在07年被选入，模型中，CR_10指数、第一大股东是否相对控股在09年被选入模型中，它们均与假设相符。其它指标薪酬与考核委员会，董事长是否变更，监事会主席是否变更，持有本公司股份的董事总人数，董事会持股比例，Z指数，Herfindahl_5指数，Herfindahl_10指数，第一大股东是否绝对控股，最终控制人类型则与公司是否被特殊处理无明显关系。

4模型检验

最后得出07-09年各Logistic模型的错判矩阵，三年模型总体正确率都在80%左右，说明模型预测准确率较高。将选取的38家ST公司和38家非ST公司数据代入上步建立的3个Logistic模型方程中，07年正确率为72.4%，08年正确率为71.1%，09年正确率为73.7%，三年正确率没有明显的波动，正确率虽然没有基于财务数据建立的模型高，但作为财务数据的补充，依然有其积极的作用。

5主要结论

本文通过运用Logistic模型，以2010年为基点，对所挑选的100家ST公司及100家非ST公司1-3年前的数据进行建模与分析，并分别用38家ST与非ST公司进行检验。研究发现，运用非财务数据进行的Logistic建模正确率达到70%以上，可以作为基于财务数据的财务危机预警分析的适当补充。同时，在非财务数据中，第一大股东持股比例、前十大流通股股东持股比例、审计意见与模型有较大相关性，其中第一大股东持股比例、前十大流通股股东持股比例、审计意见所反应的错报风险大小与被特别处理呈正相关。说明在中国，股权集中带来的激励性大于由于对缺乏约束而给公司带来的损害；机构对公司的投资可较好的反应公司的经营状况；虽然一些事务所的独立性受到不少诟病，但审计意见依然能较好的反应公司的实际情况。

参考文献：

[1]张鸣，张艳，程涛.企业财务预警研究前沿.北京：中国财政经济出版社，2004:1-2.

[2]Frizpatrick.A Comparison of ratios of Successful Industrial Enterprises with those of Failed Firms[M]，New York，Certified Public Accountant，1932.

[3]Beaver，W.H,Financial Rations as Predictors of Failure[J]，Journal of Accounting Research(supplement)，1966.

[4]Beaver,Financial Ratios as Predictors of Failures in Empirical Research in Accounting[J]，Supplement to the Journal of Accounting Research，1967(1).

[5]Ohlson,Ungarbled earnings and dividends: An analysis and extension of the Beaver，Lambert，and Morse valuation model. Journal of Accounting and Economics，Julyl989，109-116.

[6]陈静.上市公司财务恶化预测的实证分析[J].会计研究，1999,（04）：31-38.

[7]张永安，付丽.基于非财务指标的ST公司运营分析模型研究[J].金融管理,2006,（12）：15-19.