《（上市筹划）我国上市公司财务困境的预测模型研究》由会员分享，可在线阅读，更多相关《（上市筹划）我国上市公司财务困境的预测模型研究（14页珍藏版）》请在金锄头文库上搜索。
1、我国上市公司财务困境的预测模型研究内容提要本文以我国上市公司为研究对象选取了70家处于财务困境的公司和70家财务正常的公司为样本首先应用剖面分析和单变量判定分析研究财务困境出现前5年内各年这二类公司21个财务指标的差异最后选定6个为预测指标应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法分别建立三种预测财务困境的模型研究结果表明(1)在财务困境发生前2年或1年有16个财务指标的信息时效性较强其中净资产报酬率的判别成功率较高；(2)三种模型均能在财务困境发生前做出相对准确的预测在财务困境发生前4年的误判率在28以内；(3)相对同一信息集而言Logistic预测模型
2、的误判率最低财务困境发生前1年的误判率仅为647一、财务困境预测模型研究的基本问题财务困境(Financialdistress)又称“财务危机”(Financialcrisis)最严重的财务困境是“企业破产”(Bankruptcy)企业因财务困境导致破产实际上是一种违约行为所以财务困境又可称为“违约风险”(Defaultrisk)事实上企业陷入财务困境是一个逐步的过程通常从财务正常渐渐发展到财务危机实践中大多数企业的财务困境都是由财务状况正常到逐步恶化最终导致财务困境或破产的因此企业的财务困境不但具有先兆而且是可预测的正确地预测企业财务困境对于保护投资者和债权人的利益、对于经营者防范财务危机、
3、对于政府管理部门监控上市公司质量和证券市场风险都具有重要的现实意义纵观财务困境判定和预测模型的研究涉及到三个基本问题一是财务困境的定义；二是预测变量或判定指标的选择；三是计量方法的选择(一)财务困境的定义关于财务困境的定义有不同的观点Carmiehael(1972)认为财务困境是企业履行义务时受阻具体表现为流动性不足、权益不足、债务拖欠及资金不足四种形式Ross等人(1999；2000)则认为可从四个方面定义企业的财务困境第一企业失败即企业清算后仍无力支付债权人的债务；第二法定破产即企业和债权人向法院申请企业破产；第三技术破产即企业无法按期履行债务合约付息还本；第四会计破产即企业的账面净资产出
4、现负数资不抵债从防范财务困境的角度看“财务困境是指一个企业处于经营性现金流量不足以抵偿现有到期债务”即技术破产在Beaver(1966)的研究中79家“财务困境公司”包括59家破产公司、16家拖欠优先股股利公司和3家拖欠债务的公司由此可见Beaver把破产、拖欠优先股股利、拖欠债务界定为财务困境Altman(1968)定义的财务困境是“进入法定破产的企业”Deakin(1972)则认为财务困境公司“仅包括已经经历破产、无力偿债或为债权人利益而已经进行清算的公司”(二)预测变量的选择财务困境预测模型因所用的信息类型不同分为财务指标信息类模型、现金流量信息类模型和市场收益率信息类模型1财务指标信息
5、类模型Ahman(1968)等学者(AhmanHaldeman和Narayanan1980；Platt和Platt1991)使用常规的财务指标如负债比率、流动比率、净资产收益率和资产周转速度等作为预测模型的变量进行财务困境预测尽管财务指标广泛且有效地应用于财务困境预测模型但如何选择财务指标及是否存在最佳的财务指标来预测财务困境发生的概率却一直存在分歧Harmer(1983)指出被选财务指标的相对独立性能提高模型的预测能力Boritz(1991)区分出65个之多的财务指标作为预测变量但是自Z模型(1968)和ZETA模型(1977)发明后还未出现更好的使用财务指标于预测财务困境的模型2现金流量信
6、息类模型现金流量类信息的财务困境预测模型基于一个理财学的基本原理公司的价值应等于预期的现金流量的净现值如果公司没有足够的现金支付到期债务而且又无其他途径获得资金时那么公司最终将破产因此过去和现在的现金流量应能很好地反映公司的价值和破产概率在GentryNewbold和Whitford(1985a；1985b)研究的基础上Aziz、Emanuel和Lawson(1988)发展了现金流量信息预测财务困境模型公司的价值来自经营的、政府的、债权人的、股东的现金流量的折现值之和他们根据配对的破产公司和非破产公司的数据发现在破产前5年内两类公司的经营现金流量均值和现金支付的所得税均值有显著的差异显然这一结
7、果是符合现实的破产公司与非破产公司的经营性现金流量会因投资质量和经营效率的差异而不同二者以现金支付的所得税也会因税收会计的处理差异而不同Aziz、Emanuel和Lawson(1989)比较了Z模型、ZETA模型、现金流量模型预测企业发生财务困境的准确率发现现金流量模型的预测效果较好3市场收益率信息类模型Beaver(1968)是使用股票市场收益率信息进行财务困境预测研究的先驱他发现在有效的资本市场里股票收益率也如同财务指标一样可以预测破产但时间略滞后Altman和Brenner(1981)的研究表明破产公司的股票在破产前至少1年内在资本市场上表现欠佳Clark和Weinstein(1983)
8、发现破产公司股票在破产前至少3年内存在负的市场收益率然而他们也发现破产公告仍然向市场释放了新的信息破产公司股票在破产公告日前后的两个月时间区段内平均将经历26的资本损失AharonyJones和Swary(1980)提出了一个基于市场收益率方差的破产预测模型他们发现在正式的破产公告日之前的4年内破产公司的股票的市场收益率方差与一般公司存在差异在接近破产公告日时破产公司的股票的市场收益率方差变大(三)计量方法的选择财务困境的预测模型因选用变量多少不同分为单变量预测模型和多变量预测模型；多变量预测模型因使用计量方法不同分为线性判定模型、线性概率模型和Logistic回归模型此外值得注意的是近年来财
9、务困境预测的研究方法又有新的进展网络神经遗传方法已经开始被应用于构建和估计财务困境预测模型(四)我国对企业财务困境预测的研究在国内的研究中吴世农、黄世忠(1986)曾介绍企业的破产分析指标和预测模型；陈静(1999)以1998年的27家ST公司和27家非ST公司使用了19951997年的财务报表数据进行了单变量分析和二类线性判定分析在单变量判定分析中发现在负债比率、流动比率、总资产收益率、净资产收益率4个财务指标中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由负债比率、净资产收益率、流动比率、营运资本总资产、总资产周转率6个指标构建的模型在ST发生的前3年能较好地预测ST张玲(20
10、00)以120家公司为研究对象使用其中60家公司的财务数据估计二类线性判别模型并使用另外60家公司进行模型检验发现模型具有超前4年的预测结果二、本文的样本和研究方法本文与以前我国上市公司财务困境的研究有所不同第一样本新、时间长、容量大本文研究的ST样本包括19982000年发生ST的公司即A股市场上全部的ST公司同时剔除了非正常的ST公司；此外样本数据的收集时间延至公司发生ST前5年样本时间跨度较长选入研究的ST样本公司70家和相对应的非ST样本公司70家样本容量达到了140家可望在一定程度上降低估计和预测误差第二选择多种研究方法建立单变量判定模型和三种多变量判定模型并比较各种模型在财务困境预
11、测中的效率(一)财务困境公司的样本选定本文从我国A股市场上3年中出现的82家ST公司中界定出70家公司作为财务困境公司进行财务困境预测研究它们是(1)连续两年亏损包括因对财务报告调整导致连续两年亏损的“连亏”公司共51家；(2)一年亏损但最近一个会计年度的股东权益低于注册资本即“巨亏”公司共16家；(3)因注册会计师意见而特别处理的共3家但排除了(1)上市两年内就进入特别处理的公司共8家排除原因是财务数据过少和存在严重的包装上市嫌疑因此与样本中的其他公司不具有同质性；(2)因巨额或有负债进行特别处理的公司共2家排除原因是或有负债属偶发事件不是由企业正常经营造成的与其他样本公司不具有同质性；(3
12、)因自然灾害、重大事故等进行特别处理的共2家原因同(2)(二)研究程序和计量方法本研究首先计算140家样本公司的盈利增长比率、股东权益收益率等21个财务指标这些指标综合反映了企业的盈利能力、长短期偿债能力、营运能力、成长能力和企业规模在此基础上使用剖面分析对样本中的财务困境公司和非财务困境公司在财务困境发生前5年期间历年的21个财务指标进行对比分析探讨对企业陷入财务困境影响显著的变量其后应用单变量分析选择4个财务指标为例估计单变量判定模型最后筛选和确定对企业陷入财务困境影响最为显著的6个指标为模型的判定指标应用线性概率模型、Fisher二类线性判定模型、Logistic模型三种计量方法建立和估
13、计财务困境的预测模型并比较这三种模型的预测效果三、实证研究(一)剖面分析首先分组计算70家财务困境公司和70家非财务困境公司的21个财务指标在财务困境发生前1至5年的平均值和标准差等描述性统计量比较这二组在21个财务指标各年的平均值是否具有显著差异其次计算各年的Z统计检验量结果如表1所示剖面分析结果表明(1)在ST发生的前1和2年财务困境公司和非财务困境公司的17个财务指标的平均值存在显著的差异；(2)Z值随着ST发生时间的临近而显著增大即二组的财务指标平均值的差异随ST发生时间的临近而扩大由此可见在所选的21个财务指标中除利息保障倍数、存货周转率、Log(总资产)和Idg(净资产)外其余17
14、个在财务困境发生前1至2年中具有显著的预测能力表121个财务指标Z统计量的计算结果*(二)单变量判定分析本文选择净资产报酬率、负债比例、营运资产与总资产的比例和资产周转率4个财务指标应用单变量判定分析分别建立4个单变量预测模型通过确定模型的最佳判定点可以判定某一企业在财务困境发生前1至5年其是否会陷入财务困境估计模型的结果如表2至表5所示表2净资产报酬率在财务困境前1-5年的判定模型由表2至表5可见(1)从各个单变量判定模型的判定效果来看净资产报酬率的判定模型误差最小；营运资本总资产的判定模型和负债比率的判定模型误差次之资产周转率的判定模型误差最大(2)财务指标作为预测变量具有信息含量和时效性
15、其信息含量随着时间的推移而递减即指标值离财务困境发生的时间愈短信息含量愈多预测的准确性愈高反之信息含量愈少预测准确性愈低(3)结合剖面分析在两组均值的差异性检验中非常显著的财务指标在单变量判定分析中的误判率却较高例如财务困境公司与非财务困境公司两组的负债比率在财务困境前1年的Z统计量为70696差异性非常显著但在单变量判定分析中误判比率却高达2446以上结果表明应用不同研究方法分析同一个指标所得结果不同我们认为这是因为在剖面分析的z检验中误判率不仅与两组的均值有关而且与两组的样本分布的状况有关因此应用不同判定分析方法构建的单指标判定模型结论往往相互冲突表3负债比率在财务困境前1-5年的判定模型
16、表5资产周转率在财务困境前1-5年的判定模型(三)多元线性判定模型的变量选择分析本研究首先应用LPM采用逐步回归选择变量方法对5年的样本数据依次进行回归从21个变量中选择若干变量选择的标准是F值的概率值小于010时进入大于011时剔除利用财务困境前1至5年的数据分别进行逐步回归结果如表6所示我们最终选取了Xl(盈利增长指数)、X3(资产报酬率)、X7(流动比率)、X11(长期负债与股东权益比率)、X12(营运资本与总资产比)、X19(资产周转率)等6个指标作为多元判定分析的变量选取这些指标的原因是(1)以财务困境前1年的逐步回归结果为主参考其他年份的回归结果由剖面分析可知财务困境前1年的财务指标作为财务困境预测的信息含量最多时效性最强；离财务困境发生的时间越远指标的信息含量越少时效性越差所以财务困境前1年逐步回归所得的变量全部入选结合其他年份特别是财务困境前2年的结果营运资本总资产比、速动比率、负债比率、应收账款周转率是表现较好的变量(2)兼顾全面综合的信息反映适当避免同类信息的重复反映首先财务困
