我国建筑行业财务风险预警模型实证研究

摘要：建筑行业投资规模大、受政治、经济影响较为严重，稍有不慎，可能陷入财务危机，所以建立财务预警模型显得尤为重要。选取50家建筑类上市公司作为研究样本，利用聚类分析法选取财务危机公司样本，从盈利能力、公司治理等方面选取了27个财务指标和14个非财务指标，依次对各指标进行T检验、U检验及共线性诊断来构建逻辑回归模型，通过回判检验，发现加入非财务指标的模型的准确性更高。

关键词：建筑行业上市公司；财务预警；逻辑回归模型；非财务指标

中图分类号：F23

文献标识码：A

文章编号：16723198（2015）22012503

0引言

财务预警的研究方法主要有定性和定量预警分析方法两大类，基于财务变量的研究，虽说有一定的预警效果，但它很难全面覆盖与财务危机有关的完整信息，某些不能量化的非财务变量可能是导致财务危机的关键部分，特别是建筑行业，一旦疏忽了这些变量，模型便有失全面性，所以本文尝试引入非财务指标，验证它能提高财务预警模型的准确性。

1引入非财务指标构建建筑行业财务预警模型

1.1样本与数据选取

1.1.1本选取

本文针对建筑行业上市公司2011-2014年的数据进行研究，以建筑业上市公司是否发生财务危机作为因变量，以若干财务指标和非财务指标作为自变量来进行实证研究。借助国泰安数据库和巨潮咨询网，以2014年的73家建筑行业上市公司为研究样本，剔除1家B股上市公司。从连续性的角度入手，剔除了上市时间不满5年的和已退市公司18家。从数据可获得性的角度考虑，又剔除了数据不全的建筑类公司4家。最终选取了以东华科技为代表的50家建筑行业上市公司为研究样本。

1.1.2数据选取

本文研究的是首次出现财务危机的前三年的数据，将首次出现财务危机的当年记为t年（即2014年），将发生财务危机的前一年、前两年、前三年分别表示为t-1年、t-2年、t-3年。而上市公司在第t年是否被特殊处理是建立在t-1年的财务报表的基础上的，即：一旦获取某一上市公司的（T-1）年的财务数据，我们就几乎可以断定该公司是否会因为“财务状况异常”被ST，所以研究t-1年的数据无实际意义。本文重点研究了t-2、t-3年的财务数据和非财务数据。

1.2预警指标的选取

1.2.1财务指标的选取

本文从盈利、偿债、发展、经营能力等角度出发，选取了如表1财务变量进行研究。

1.3实证研究

1.3.1样本所属类别分析

从各个样本公司的财务报表中可以发现，有一些健康公司的财务状况外在表现与财务危机公司相似，因此为了避免单纯依靠ST作为判断标准而产生误判的可能性，本文通过聚类分析方法对样本进行初步的分类，使具有近似特征的样本聚集在一起，同时使差异大的样本分离开来。论文通过聚类分析法区分出财务危机和健康公司。

聚类分析结果表中数字1表示健康公司，数字2、3、4代表存在财务隐患的公司，共7家，其中就包括了2014年建筑行业的所有ST上市公司，同时结合沪深两市对当年公司经营的其他披露信息，本研究中判定这7个公司属于财务危机公司。

1.3.2变量数据K-S检验

K-S检验能检验出样本是否服从正态指标，是拟合优度的检验方法之一，一般以显著性水平=0.05为分界线。若Asymp.sig值大于0.05则说明服从正态分布，若小于0.05则说明不服从正态分布。

根据SPSS15.0的输出结果，可以看到：t-2年中Asymp.sig值大于0.05的指标有：X1、X2、X3、X4、X5、X8、X9、X19、X21、X22、X24、X25、X26、X27、X28、X29、X39，即这些指标服从正态分布。其余的指标Asymp.sig值均小于0.05，说明这些指标均不符合正态分布。

同理，t-3年中服从正态分布的指标有：X1、X3、X4、X5、X6、X16、X19、X21、X28、X29、X30，其余均不符合正态分布。

1.3.3显著性检验

（1）T检验。

将K-S检验中符合正态分布的指标进行t检验，即对研究样本t-2、t-3年的数据分别进行两组独立样本t检验，目的是检验指标中财务危机公司和财务正常公司是否有显著性差异，一般设定显著性水平为5%，若α值小于5%，则表示通过T检验。反之，则未通过。将通过正态分布的t-2、t-3年各指标导入SPSS进行t检验。

在t-2年的t检验的输出结果表中可知α值

（2）U检验。

对未通过K-S检验的不符合正态分布的指标进行两组独立样本U检验。如果概率p值小于0.05，则表示具有显著性差异，否则，没有明显的差别。本文运用SPSS15.0对t-2、t-3年的指标进行U检验。

在t-2年的U检验结果表中可以看出p

综合t检验和U检验的输出结果，我们发现在t-2年具有显著性差异的指标有12个，这些指标均能反映财务危机和健康公司的差异，适合作为引入模型的指标。而t-3年的有6个，t-2年中具有显著性差异的数量明显多于t-1年的数量，说明越接近被St的年份，其差异性表现的越明显。相比于t-3年，t-2年指标的显著性较为明显，所以，本文着重利用t-2年的显著变量建立预测模型。

1.3.4多重共线性诊断

建立逻辑回归模型时，并不是解释变量引入越多越好，因为引入越多，存在多重共线性的概率也就越大，而共线性会直接影响逻辑回归模型的预测准确度，因此，进行多重共线性诊断很有必要。共线性诊断的结果见表3。

共线性诊断的判断标准是：若VIF>10，则具有共线性，应当删除该指标；若VIF10，容忍度较小，表示这些指标之间具有共线性，应加以去除，用剩余的指标X4、X5、X18构建逻辑回归模型。由于X28、X29、X39是非财务指标，不具有连续性，可直接放入综合模型中。

1.3.5Logistic模型建立

运用二元逻辑回归分析，由于因变量并不属于定量数据，所以设置虚拟变量，本文设定发生财务危机公司的Y值为1，健康公司Y值为0，通过之前检验的指标为自变量，对样本数据进行迭代数据处理。其输出结果如表4。

（1）纯财务指标逻辑回归模型。

根据表5，非财务变量具有明显的显著性，得出加入非财务指标的综合模型为：

Y=ln[p/（1-p）]=2.913-3.729*X5-0.286*X18-0.105*X28

2预警模型的运用

为了进一步检验财务预警模型的预警结果，本文进行回判检验。本文以0.5的概率值为划分标准线，对模型进行回判检验。判断标准为：若P值>0.5，则判为财务危机公司；若P值

2.1纯财务逻辑回归模型的模型回判

根据表7可以看出，43家健康公司被测出有2家为财务危机公司，准确率为95.3%，7家财务危机公司被测出有2家是健康公司，准确率为71.4%，所以，基于纯财务数据的逻辑模型的准确率为92%。

综上，财务危机公司的预测准确性从42.9%提高到71.4%，整体的预测准确性从88%提高到92%，结果证明：引入非财务指标的综合模型的准确性更高，能达到更好的预警效果。

理论上来说，大部分财务指标只是财务报表中的量化数据，而非财务指标则表现了公司的许多外在特征，它们能间接地表现出公司的营运管理状况，从全新的视角来描述引起公司财务危机的不同潜在风险因素，能促使预警模型形成一个有机的整体。

实证上来说，本实证过程中股权结构的非财务指标X28（即第一大股东持股比例）的引入提升了对整体模型的预测效果（从88%提高到92%）。这体现出非财务指标对于预测财务危机的重要性，为了规避财务危机，公司应当多关注非财务信息。

3研究结论

（1）从建立的模型来看，盈利能力指标、发展能力指标等具有明显的预警作用，通过K-S检验、T检验、U检验、共线性诊断筛选出的指标进入逻辑回归模型方程，运用向后逐步选择法，最终每股收益、主营业务利润率、第一大股东持股比例这几个指标进入方程，结果证明非财务指标有很好的风险预测效果。

（2）从t-2、t-3年的数据纵向比较来看，越接近St年份的数据其模型显著性越强。

（3）从检验的结果来看，运用非财务指标对建筑行业上市公司进行财务危机预测能达到更好的预警效果，具有显著性的影响，也说明本文的研究是可行的、有效的。

参考文献

[1]李晶.基于财务与非财务因素的公司预警模型分析[J].暨南大学学报，2007.

[2]马锦.建筑类企业财务危机预警影响因素实证研究[J].陕西师范大学学报，2010.

[3]辛磊，高建来.基于Logistic模型的天津市上市公司财务预警实证研究[J].商业会计，2012，（18）.