摘 要：隨著我國市場經濟的深入發(fā)展，上市公司的財務危機預警與防范對于上市公司的可持續(xù)發(fā)展具有重要的現(xiàn)實意義。本文通過構建Logistic模型，選取我國上市公司中的部分ST和非ST公司作為樣本數(shù)據進行實證分析。經過差異性分析最終選取總資產周轉率、凈利潤增長率和現(xiàn)金債務總額比這三個預警指標，通過邏輯回歸分析建立財務危機預警模型，取得了較好的預警效果。
關鍵詞：上市公司；財務預警；Logistic模型
一、問題的提出
財務危機預警主要是通過對企業(yè)財務信息進行分析為基礎，通過構建財務預警指標體系對企業(yè)的財務狀況進行分析判斷的財務管理活動。建立財務危機預警系統(tǒng)，及早診斷出危機信號，并采取相應措施，將危機消滅于萌芽狀態(tài)，已成為現(xiàn)代財務管理的一項重要內容。財務危機預警通常是依據財務數(shù)據構建一個模型，以這種模型來完成對財務危機的預測和報警。企業(yè)財務危機預警作為一種成本低廉的診斷工具，在實踐中有著極其廣泛的應用范圍。
財務危機預警研究始于20世紀六十年代，時至今日，許多研究成果已軟件化并付諸商業(yè)應用，有力地支撐了實際經濟活動的決策?？偟膩碚f，財務危機預警的研究主要有單變量分析、多元線性分析、Logistic分析等方法，但由于Logistic分析的簡單適用以及所表現(xiàn)出來的強大能力，使其成為近年來財務危機預警研究的首選。本文試圖運用Logistic分析的方法，通過構建Logistic模型，選取我國上市公司中部分ST公司和正常公司作為樣本數(shù)據來源，對我國上市公司財務危機預警做出一定的探討。
二、上市公司財務危機預警模型的構建
（一）研究假設
企業(yè)在經營過程中，會面臨各種各樣的風險，風險的存在使得企業(yè)的經營產生了不定性。若這種風險得不到及時的處理，就會隨企業(yè)的成長而逐步積累。隨著風險積累程度的深，企業(yè)陷入財務危機的概率也會隨之增大。風險積累到企業(yè)無法承受的程度時，便形成了財務危機。因此，我們提出下面的假設H1：財務危機存在不同的發(fā)展階段。
財務指標是企業(yè)經營狀況的晴雨表，企業(yè)營狀況的變化必然會導致財務指標的變化。而企業(yè)的經營狀況和風險密切相關，風險愈大，經營不穩(wěn)定。因此，我們提出下面的假設H2：在不同的風險程度下，財務指標會有不同的反應。
（二）樣本選取
本研究把因“財務狀況異?！北蛔C券公司進行特別處理（ST）作為上市公司發(fā)生財務危機的操作性定義，其主要的判斷依據一是該上市公司最近連續(xù)兩個會計年度審計結果顯示為虧損；二是注冊會計師對最近一個會計年度的財務會計報告出具否定意見或無法出具意見；三是最近會計年度審計結果顯示股東權益低于注冊資本。
樣本分為兩組：一組為發(fā)生財務危機的ST公司；另一組為正常公司，所選定的樣本為中國證券市場深市和滬市的ST公司2005年至2007年的歷史數(shù)據。 根據上述樣本選擇標準，最終獲得了一個由100家上市公司組成的樣本（股票名稱及代碼略）： ST公司和非ST公司各為35家，共計70家，具體行業(yè)涉及房地產，機械，設備，儀表，紡織，服裝，石油化學以及金屬等15個行業(yè)，選出的樣本公司的分布情況基本上與我國上市公司的分布情況相符合，具有一定的代表性。
（三）預警變量設計
預警指標及預警變量的設計是正確進行預警的關鍵，在參照國內外研究成果的基礎上，結合我國上市公司的實際情況，選擇了能反映公司流動性、結構性、效率性、盈利性和成長性5大類21個財務預警指標作為研究變量進行統(tǒng)計檢驗，指標的計算公式略，具體指標見表1。
表1 財務危機預警指標體系設計
預警指標（一級） 預警指標（二級） 預警指標（一級） 預警指標（二級）
流動性指標 X1：流動比率 盈利性指標 X12：凈資產收益率
X2：速動比率 X13：資產報酬率
結構性指標 X3：資產負債比率 X14：銷售凈利率
X4：流動負債比率 X15：銷售毛利率
X5：主營業(yè)務成本比率 成長性指標 X16：主營業(yè)務收入增長率
X6：營業(yè)費用比率 X17：主營業(yè)務利潤增長率
X7：管理費用比率 X18：稅前利潤增長率
X8：財務費用比率 X19：凈利潤增長率
效率指標 X9：應收賬款周轉率 X20：總資產增長率
X10：存款周轉率 X21：股東權益增長率
X11：總資產周轉率
（四）財務預警模型的構建
由于在經濟生活中許多現(xiàn)象都是以分類變量，而不是連續(xù)變量來表示的，因此研究變量的取值只有兩類情況，即“是”與“否”。對于分類變量的分析，Logistic回歸模型仍然具有不可替代的作用。假設 第i個發(fā)生財務危機的預警變量矩陣，那么根據累積分布函數(shù)，其發(fā)生財務危機的概率P和X、之間存在如下回歸關系：
（1）
上式為logistic回歸模型，是一個由解釋變量 ，構成的非線性函數(shù)（non-linear function），其反應函數(shù)呈現(xiàn)倒S型或是S型，反應函數(shù)的概率值落于0到1之間，易于對結果作解釋， Logistic函數(shù)可以被轉換為線性函數(shù)（linear function） 。
首先，定義不發(fā)生事件的概率為：
= （2）
那么事件發(fā)生概率與不發(fā)生概率之比為：
（3）
這個比被稱之為事件的發(fā)生比（the odds of experiencing an event），簡標為odds，設 ，將odds取自然劉數(shù)就能夠得到一個線性函數(shù)：
（4）
公式（4）將Logistic函數(shù)做了自然對數(shù)轉換，稱為Logit形式，即所謂的Logit模型。
（五）財務預警模型的檢驗
為了確定各個預警指標是否具有財務風險的預警能力，分別計算了ST公司和正常公司的財務風險預警指標值，運用SPSS11.5統(tǒng)計軟件，通過T檢驗來判別它們之間是否具有顯著性差異。T檢驗的判別結果如表2所示。
表2 ST公司與正常公司財務風險預警指標的差異性分析
預警指標 平均值 T檢驗值
正常公司 ST公司 T值 P值 備注
X1：流動比率 1.610 1.242 -1.658 0.103
X2：速動比率 1.154 0.886 -1.437 0.156
X3：資產負債比率 0.673 0.545 -0.354 0.724
X4：流動負債比率 0.590 0.502 -0.28 0.781
X5：主營業(yè)務成本比率 0.744 0.771 0.841 0.404
X6：營業(yè)費用比率 0.068 0.049 -1.083 0.283
X7：管理費用比率 0.083 0.149 2.198 0.032 顯著
X8：財務費用比率 0.017 0.053 2.63 0.011 顯著
X9：應收賬款周轉率 10.859 7.461 -1.092 0.279
X10：存貨周轉率 4.319 4.139 -0.189 0.851
X11：總資產周轉率 0.666 0.487 -1.793 0.078
X12：凈資產收益率 0.071 0.036 -2.946 0.005 顯著
X13：資產報酬率 0.041 0.012 -4.269 0 顯著
X14：銷售凈利率 0.068 0.041 -2.403 0.02 顯著
X15：銷售毛利率 0.256 0.229 -0.841 0.404
X16：主營業(yè)務收入增長率 1.261 1.030 -2.595 0.012 顯著
X17：主營業(yè)務利潤增長率 1.230 1.162 -0.486 0.629
X18：稅前利潤增長率 1.407 0.845 -1.177 0.244
X19：凈利潤增長率 1.117 0.797 -1.811 0.075
X20：總資產增長率 1.181 1.073 -2.771 0.008 顯著
X21：股東權益增長率 1.073 1.096 0.679 0.5
T檢驗值為異方差雙樣本T檢驗值，原假設為：ST公司的財務風險預警指標和正常公司的財務風險預警指標沒有顯著性差異。該檢驗是在95%的置信水平上進行的檢驗。
根據上表所列的檢驗結果，在95%的置信水平上選擇了有顯著性差異的X7、X8、X12、X13、X14、X16、X20等7個變量作為建立財務風險預警指標模型的備選變量。
繼續(xù)運用SPSS11.5統(tǒng)計軟件，將X7、X8、X12、X13、X14、X16、X20等7個變量進行邏輯回歸分析，通過多次組合并結合擬合度的判斷，由X13、X14、X20所組成的預警模型擬合度最好。邏輯回歸分析結果如表3所示。
表3 模型樣本邏輯回歸分析結果
B S.E. Wald df Sig.
X13 -153.423 50.342 9.288 1 0.002
X14 42.779 19.619 4.754 1 0.029
X20 -6.942 3.339 4.321 1 0.038
Constant 8.418 3.701 5.173 1 0.023
注釋：表中Constant表示為顯性方程組的截距；B表示為參數(shù)估計值，S.E表示為標準差；Wald表示為Wald統(tǒng)計量；Sig.表示為顯著性水平。
（5）
根據式（5）得到上市公司財務風險預警模型：
將上述模型的判別臨界值確定為0.5，即當上市公司的Pi值大于0.5時，可判定該公司在兩年后將成為ST公司；而當上市公司的Pi值小于0.5時，則可判定該公司在兩年后仍屬于正常公司。
式中P表示財務危機事件發(fā)生的概率。本論文把發(fā)生財務危機的首次虧損公司歸類為1，把正常公司歸類為0，由于本論文是按照1：1的均衡比例選取財務危機企業(yè)和非財務危機企業(yè)樣本的，可以認為企業(yè)發(fā)生財務危機的先驗概率為0.5，因此在進行Logit回歸分析時，模型的分割點選擇在0.5，即如果計算出來的事件（Y=1）的概率值大于0.5，則判定危機事件發(fā)生，該企業(yè)歸類為財務危機企業(yè)，否則就判定危機事件不發(fā)生，該企業(yè)為健康企業(yè)。
表4 基于Logit回歸模型的財務危機預警分類統(tǒng)計表
預測結果
ST公司（1） 正常公司（0） 合計 準確率
ST公司（1） 29 6 35 82.86%
正常公司（0） 7 28 35 80.00%
合計 36 34 70 81.43%
對原始數(shù)據進行回代檢驗，檢驗結果為35家危機企業(yè)中有6家被誤判為健康企業(yè)，準確率為82.86%；35家健康企業(yè)中有7家被誤判為財務危機企業(yè)，準確率為80.00%，對于整個樣本，總的準確率為81.43%。
三、結論及局限性
本文對我國上市公司的財務危機預警進行了實證研究，主要以ST公司和正常上市公司為研究對象。主要目的是建立基于我國上市公司具有實際可操作性的財務危機預警模型，利用上市公司公開披露的財務信息和其他信息建立預測模型，進行企業(yè)財務危機的預測，研究的主要結論有：
第一，Logit模型不失為一種簡單而有效的預測方法，通過上文對財務危機預警模型的實證分析可以看出，通過Logit模型對財務危機預警的實證檢驗，其準確率平均可以達到81.43%，所以可以將此模型應用于上市公司危機預測，借此了解企業(yè)發(fā)生成長性危機的可能性。
第二，在反映上市公司的流動性、結構性、效益性、盈利性和成長性的21個財務變量中，資產報酬率、銷售凈利率、總資產增長率這3個財務變量包含著豐富的預警判別和決策信息量，運用3個財務變量組成的預警模型能夠對上市公司的財務風險進行較為準確的預警、預測。
當然，本文的研究也存在一定的局限性，主要表現(xiàn)在：一是在模型的構建上，本文參考相關文獻，采用了Logistic回歸分析法，由于計算技術的局限，未采用類神經網絡、時間序列分析等方法構建模型，也未對計量模型本身進行創(chuàng)新；二是樣本容量只有70個，數(shù)量相對有限；三是在財務預警指標的選取中主要選取的是財務相關指標，對非財務因素指標如董事會組成結構、股權結構、管理者的教育水平、宏觀經濟環(huán)境等，且非財務變量無法與財務變量取得相同的基礎，因此，本研究將非財務因素之指標排除于研究范圍之外，研究的全面性還有待提高。
參考文獻
[1] 宋新平. 財務危機預警模型及其實證研究[J]. 統(tǒng)計與決策，2007（9）
[2] 王斌. 構建財務危機預警重點指標觀測體系[J]. 生產力研究，2007（16）
[3] 閏江，馬才華. 上市公司財務危機實證研究[J]. 江蘇科技大學學報，2006（12）
