上市公司財(cái)務(wù)預(yù)警模型設(shè)計(jì)與分析

1、上市公司財(cái)務(wù)預(yù)警模型設(shè)計(jì)與分析財(cái)務(wù)預(yù)警是以財(cái)務(wù)會(huì)計(jì)信息為基礎(chǔ)，通過設(shè)置并觀察一些敏感性預(yù)警指標(biāo)的變化，對(duì)企業(yè)可能或者將要面臨的財(cái)務(wù)危機(jī)實(shí)施的實(shí)時(shí)監(jiān)控和預(yù)測(cè)警報(bào)。財(cái)務(wù)預(yù)警中的數(shù)學(xué)模型就是財(cái)務(wù)預(yù)警模型，它是指借助企業(yè)財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)體系，識(shí)別企業(yè)財(cái)務(wù)狀況的判別模型。財(cái)務(wù)預(yù)警模型的設(shè)計(jì)可以有兩種，一種是單變量模型，這就是傳統(tǒng)的財(cái)務(wù)指標(biāo)分析。對(duì)這些指標(biāo)的分析，能夠揭示企業(yè)某一方面或幾個(gè)方面是否存在問題。通過對(duì)這些指標(biāo)的長(zhǎng)期觀察和分析，能夠從一定程度上發(fā)現(xiàn)企業(yè)是否存在財(cái)務(wù)危機(jī)。但是，這種分析方法有其弊端，這些單個(gè)比率都只反映企業(yè)風(fēng)險(xiǎn)程度的一個(gè)方面，并且當(dāng)它們彼此不完全一致時(shí)，指標(biāo)的預(yù)警作用可能被抵消

2、，因此其有效性受到一定的限制。因此，構(gòu)建多變量模型就成為必然選擇。在多變量模型的構(gòu)建方法上，可以有多元線性判定模型、logit模型、神經(jīng)網(wǎng)路模型等。結(jié)合我們計(jì)量課程所學(xué)和我們本篇課程論文樣本的選取實(shí)際情況，我們將選擇logit模型來構(gòu)建我們的這篇文章。一、理論方法應(yīng)變量y是01二元變量，其定義如下：1,該公司為財(cái)務(wù)困境公司；0，該公司為財(cái)務(wù)健康公司。通過對(duì)n個(gè)樣本公司的回歸分析， ，可以確定每個(gè)解釋變量的系數(shù)。從而可以確定每個(gè)公司的，不是觀測(cè)值，而是每個(gè)公司的期望值。logit模型采用的是logistic概率分布函數(shù),具體公式為 ，其中 ，對(duì)于給定的fij，pi是第i個(gè)企業(yè)財(cái)務(wù)困境的概率。因?yàn)?/p>

3、這個(gè)概率是logistic概率分布函數(shù)曲線下從-到zi之間的面積,所以指標(biāo)zi的值越大,第i個(gè)公司財(cái)務(wù)狀況陷入困境的概率越大。上式經(jīng)過數(shù)學(xué)整理可得，根據(jù)樣本數(shù)據(jù)使用最大似然估計(jì)法估計(jì)出各參數(shù)值,可求得第i個(gè)公司陷入財(cái)務(wù)困境的概率。根據(jù)配對(duì)選取樣本的特點(diǎn)，一般假設(shè)先驗(yàn)概率為0.5，可以判斷z值大于0.5的公司存在財(cái)務(wù)危機(jī)的可能性比較大，而小于0.5的公司一般認(rèn)為是財(cái)務(wù)健康的。二、解釋變量設(shè)計(jì)根據(jù)財(cái)務(wù)指標(biāo)對(duì)公司的財(cái)務(wù)狀況進(jìn)行預(yù)警，一般將財(cái)務(wù)指標(biāo)分類為以下幾類：盈利能力指標(biāo)，包括資產(chǎn)凈利潤(rùn)率、資產(chǎn)報(bào)酬率、凈資產(chǎn)報(bào)酬率、銷售凈利率、主營(yíng)業(yè)務(wù)利潤(rùn)率、每股收益，根據(jù)對(duì)指標(biāo)的分析，一般認(rèn)為凈資產(chǎn)報(bào)酬率對(duì)盈利

4、能力最具有綜合性；變現(xiàn)能力比率，包括流動(dòng)比率、速動(dòng)比率、超速動(dòng)比率；負(fù)債比率，有資產(chǎn)負(fù)債率、產(chǎn)權(quán)比率、有形凈值債務(wù)率等；資產(chǎn)管理能力指標(biāo)，有總資產(chǎn)周轉(zhuǎn)率、存貨周轉(zhuǎn)率、應(yīng)收帳款周轉(zhuǎn)率、固定資產(chǎn)周轉(zhuǎn)率等，可選擇總資產(chǎn)周轉(zhuǎn)率進(jìn)入分析；成長(zhǎng)能力指標(biāo)有總資產(chǎn)增長(zhǎng)率、主營(yíng)業(yè)務(wù)收入增長(zhǎng)率、留成利潤(rùn)比、留存收益總資產(chǎn)比、每股凈資產(chǎn)等；現(xiàn)金指標(biāo)，有現(xiàn)金流動(dòng)負(fù)債比、現(xiàn)金債務(wù)總額比、銷售現(xiàn)金比、全部資產(chǎn)現(xiàn)金回收率等，還有其他的一些指標(biāo)，如主營(yíng)業(yè)務(wù)鮮明程度（主營(yíng)業(yè)務(wù)利潤(rùn)/凈利潤(rùn)）、現(xiàn)金管理結(jié)果變量（經(jīng)營(yíng)現(xiàn)金凈流量/（總負(fù)債現(xiàn)金）。根據(jù)以上分析，我們選取了以下指標(biāo)進(jìn)入分析：1流動(dòng)比率，2凈資產(chǎn)報(bào)酬率、3總資產(chǎn)報(bào)酬率、4

5、主營(yíng)業(yè)務(wù)利潤(rùn)率、5資產(chǎn)負(fù)債率、6長(zhǎng)期負(fù)債總資產(chǎn)比率、7營(yíng)運(yùn)資本與總資產(chǎn)比率、8資產(chǎn)增長(zhǎng)率、9主營(yíng)業(yè)務(wù)收入增長(zhǎng)率、10資產(chǎn)周轉(zhuǎn)率、11流動(dòng)資產(chǎn)周轉(zhuǎn)率、12現(xiàn)金流動(dòng)負(fù)債比、13現(xiàn)金債務(wù)總額比、14銷售現(xiàn)金比、15（利潤(rùn)總額財(cái)務(wù)費(fèi)用）/總資產(chǎn)、16主營(yíng)業(yè)務(wù)鮮明程度、17現(xiàn)金管理結(jié)果變量（經(jīng)營(yíng)現(xiàn)金凈流量/（總負(fù)債現(xiàn)金）這些指標(biāo)作為解釋變量進(jìn)入分析。三、數(shù)據(jù)的獲取為了便于數(shù)據(jù)的獲取，我們直接分析上市公司。這些數(shù)據(jù)都是從csmar系列研究數(shù)據(jù)庫(kù)中的在我國(guó)上海，深圳兩個(gè)交易所上市交易的上市公司年報(bào)財(cái)務(wù)數(shù)據(jù)庫(kù)中選取的。四、 樣本設(shè)計(jì)首先，我們得對(duì)有財(cái)務(wù)危機(jī)和沒有財(cái)務(wù)危機(jī)得企業(yè)進(jìn)行定義。目前，財(cái)務(wù)理論界對(duì)公司財(cái)

6、務(wù)危機(jī)的定義比較混亂，從上市公司來看，比較適宜的是我國(guó)證監(jiān)會(huì)對(duì)上市公司的一個(gè)規(guī)定，就是將st公司定義為存在財(cái)務(wù)危機(jī)是比較可取的。因此，我們將從數(shù)據(jù)庫(kù)中選取連續(xù)2003年度和2004年度大概60家st，與此相配對(duì)的是60家非st的正常公司。經(jīng)過篩選，將一些數(shù)據(jù)卻是或者異常的公司排除以后，我們得到了34家st公司樣本。然后在60家非st公司中隨機(jī)選取了34家公司與之相配對(duì)，組成我們的樣本數(shù)據(jù)。具體的樣本選取結(jié)果如表一所示：表一 樣本公司st公司非st公司st公司非st公司*st長(zhǎng)風(fēng)云南白藥st寰島焦作鑫安*st太光世紀(jì)中天st吉紙錦龍股份st昆百大佛山照明st天然錦州六陸*st長(zhǎng)嶺泰山石油st天儀

7、魯能*st托普西安民生st重實(shí)索芙特*st光明數(shù)碼網(wǎng)絡(luò)*st長(zhǎng)興天倫置業(yè)st圣方蜀都ast春都西安飲食*st比特成都華聯(lián)*st飛彩燕京啤酒*st恒立四環(huán)藥業(yè)st京西永安林業(yè)*st蘭寶西安旅游*st巨力 東方熱電*st九化倍特高新*st龍滌金陵藥業(yè)st博盈三木集團(tuán)*st閩東美利紙業(yè)st菲菲民族化工*st農(nóng)化錢江摩托st湖山長(zhǎng)春高新st商務(wù)數(shù)源科技st華信豐樂種業(yè)*st唐陶五糧液st化工公用科技*st天一新鄉(xiāng)化纖st環(huán)?；萏鞜犭?st炎黃揚(yáng)子石化五、分析過程及報(bào)告（一）主要解釋變量的選取通過對(duì)以上17個(gè)指標(biāo)的協(xié)方差分析，分析結(jié)果如表二所示：表二 17個(gè)解釋變量的協(xié)方差矩陣f1f2f3f4f5f6f

8、7f8f9f10f11f12f13f14f15f16f17f11.76 0.25 0.04 1.13 -0.07 0.00 0.12 0.05 0.25 0.05 0.19 1.41 0.05 0.06 0.04 1.53 0.04 f20.25 1.82 0.08 7.67 -0.11 -0.01 0.09 0.07 0.48 0.05 0.14 0.12 0.05 0.09 0.10 1.54 0.06 f30.04 0.08 0.02 0.79 -0.02 0.00 0.02 0.02 0.05 0.02 0.05 0.02 0.01 0.01 0.02 0.26 0.01 f41.13

9、 7.67 0.79 131.58 -0.79 -0.20 0.44 0.93 7.78 1.01 2.35 0.58 0.21 2.94 0.93 7.86 0.26 f5-0.07 -0.11 -0.02 -0.79 0.05 0.00 -0.04 -0.01 -0.04 -0.02 -0.06 -0.01 -0.02 0.01 -0.04 -0.10 -0.02 f60.00 -0.01 0.00 -0.20 0.00 0.01 0.00 0.00 -0.01 -0.01 0.00 0.01 0.00 0.00 0.00 -0.05 0.00 f70.12 0.09 0.02 0.44

10、-0.04 0.00 0.06 0.02 0.04 0.02 0.01 0.01 0.01 0.00 0.02 0.43 0.01 f80.05 0.07 0.02 0.93 -0.01 0.00 0.02 0.04 0.07 0.02 0.05 0.03 0.00 0.02 0.01 0.26 0.00 f90.25 0.48 0.05 7.78 -0.04 -0.01 0.04 0.07 0.77 0.10 0.28 0.17 0.02 0.46 0.07 1.04 0.02 f100.05 0.05 0.02 1.01 -0.02 -0.01 0.02 0.02 0.10 0.13 0.

11、28 0.02 0.02 0.05 0.01 0.43 0.04 f110.19 0.14 0.05 2.35 -0.06 0.00 0.01 0.05 0.28 0.28 1.06 0.25 0.06 0.14 0.06 0.44 0.09 f121.41 0.12 0.02 0.58 -0.01 0.01 0.01 0.03 0.17 0.02 0.25 1.37 0.04 0.08 0.02 0.59 0.04 f130.05 0.05 0.01 0.21 -0.02 0.00 0.01 0.00 0.02 0.02 0.06 0.04 0.04 0.05 0.02 -0.14 0.04

12、 f140.06 0.09 0.01 2.94 0.01 0.00 0.00 0.02 0.46 0.05 0.14 0.08 0.05 0.66 0.03 0.09 0.06 f150.04 0.10 0.02 0.93 -0.04 0.00 0.02 0.01 0.07 0.01 0.06 0.02 0.02 0.03 0.17 0.31 0.02 f161.53 1.54 0.26 7.86 -0.10 -0.05 0.43 0.26 1.04 0.43 0.44 0.59 -0.14 0.09 0.31 119.61 -0.30 f170.04 0.06 0.01 0.26 -0.02

13、 0.00 0.01 0.00 0.02 0.04 0.09 0.04 0.04 0.06 0.02 -0.30 0.23 我們先來分析主對(duì)角線上的數(shù)據(jù)，從以上協(xié)方差矩陣我們可以看出，主對(duì)角線上的數(shù)據(jù)是每個(gè)解釋變量的方差，。主對(duì)角線上有六個(gè)數(shù)據(jù)（表中用綠色背景顯示）的方差比較顯著。從主成分分析的角度來看，方差越大，其本身數(shù)據(jù)變動(dòng)的范圍也就越大，那么，它對(duì)應(yīng)變量的貢獻(xiàn)就越大，在眾多的解釋變量當(dāng)中，就越有可能成為關(guān)鍵的解釋變量。從因子分析方法的角度來看，自身方差越大的因子將會(huì)成為關(guān)鍵因素，因?yàn)樗峁┑男畔⒃蕉啵旧碓谒幸蜃赢?dāng)中的載荷也將更大，越能成為關(guān)鍵的因素。所以，不管是從主成分分析角度，還是

14、因子分析思想的角度來看，以上六個(gè)變量將是我們從17個(gè)解釋變量當(dāng)中初步選擇出來的?，F(xiàn)在我們?cè)賮矸治鲋鲗?duì)角線之外的數(shù)據(jù)，這些數(shù)據(jù)是各個(gè)變量之間的協(xié)方差。我們主要注意已經(jīng)被初步選取出來的六個(gè)指標(biāo)之間的協(xié)方差關(guān)系。從表二看出，其中有幾個(gè)比較大的協(xié)方差數(shù)據(jù)（表二中用黃色背景顯示），從中分析出f1、f2、f4與f16的協(xié)方差比較顯著，f1、f2、f4之間的協(xié)方差數(shù)據(jù)也是比較顯著的。變量之間的協(xié)方差越大，那么它們之間的相關(guān)度可能也就越大，共線程度就越高。在回歸分析當(dāng)中，我們要盡量避免解釋變量之間的共線性性。這六個(gè)因素對(duì)應(yīng)的指標(biāo)是：f1：流動(dòng)比率；f2：凈資產(chǎn)報(bào)酬率；f4：主營(yíng)業(yè)務(wù)利潤(rùn)率；f11：流動(dòng)資產(chǎn)周轉(zhuǎn)

15、率；f12：現(xiàn)金流動(dòng)負(fù)債比；f16：主營(yíng)業(yè)務(wù)鮮明程度。（二）回歸分析將以上6個(gè)主要因素用于回歸估計(jì)。我們使用eviews軟件做logit回歸，經(jīng)過反復(fù)比較，最后發(fā)現(xiàn)由f4、f12、f16作為解釋變量進(jìn)行回歸估計(jì)得到的回歸方程最好，其回歸結(jié)果如表三：表三 回歸報(bào)告dependent variable: ymethod: ml - binary logitdate: 06/05/05 time: 10:39sample: 1 68included observations: 68convergence achieved after 9 iterationscovariance matrix com

16、puted using second derivativesvariablecoefficientstd. errorz-statisticprob. f4-3.1352111.299228-2.4131340.0158f12-5.8501582.767156-2.1141400.0345f16-0.2745220.094936-2.8916490.0038mean dependent var0.500000 s.d. dependent var0.503718s.e. of regression0.294016 akaike info criterion0.663742sum squared

17、 resid5.618969 schwarz criterion0.761661log likelihood-19.56722 hannan-quinn criter.0.702541avg. log likelihood-0.287753obs with dep=034 total obs68obs with dep=134如回歸報(bào)告所示，三個(gè)因素的顯著性水平都比較高。表達(dá)式可以寫為：z= -3.135210574*f4 - 5.850157583*f12 - 0.2745218447*f16。從該表達(dá)式可以看出，三個(gè)因素與z值的變換式負(fù)相關(guān)的。我們的理論表達(dá)式是，并將有財(cái)務(wù)困境的公司的p值

18、定義為1，沒有財(cái)務(wù)困境的公司的p值定義為0。從財(cái)務(wù)指標(biāo)分析來看，比較兩類公司的三個(gè)指標(biāo)：f4：主營(yíng)業(yè)務(wù)利潤(rùn)率，f12：現(xiàn)金流動(dòng)負(fù)債比和f16：主營(yíng)業(yè)務(wù)鮮明程度，沒有財(cái)務(wù)困境的公司這三個(gè)指標(biāo)都明顯要高于有財(cái)務(wù)困境的公司，從我們的樣本數(shù)據(jù)中也說明了這一點(diǎn)。我們?cè)賹⑦@些指標(biāo)與p值聯(lián)系起來看，由我們得到的回歸方程可以說明，三個(gè)指標(biāo)越大，那么將會(huì)使z值越低，也在向靠近，那么p值也就越來越趨向于0，這與我們前面的理論是一致的。 我們現(xiàn)在再來對(duì)這些指標(biāo)從財(cái)務(wù)分析的角度來予以解釋。從有財(cái)務(wù)困境的公司來看，一般表現(xiàn)為公司的獲利能力不強(qiáng)，資金流轉(zhuǎn)不暢通，債臺(tái)高筑，不能及時(shí)償還短期債務(wù)，長(zhǎng)期債權(quán)人的權(quán)益也不能得到保

19、障。但我們知道，一個(gè)公司步入財(cái)務(wù)困境是一個(gè)漸進(jìn)的過程。從有財(cái)務(wù)困境公司的最后結(jié)果來看，就是本公司不能獲取足夠多的利潤(rùn)，我們知道，一個(gè)公司的利潤(rùn)來源有多種，但正常來說沒，主要靠公司的主營(yíng)業(yè)務(wù)來獲取利潤(rùn)，只有主營(yíng)業(yè)務(wù)能夠給公司帶來足夠多的利潤(rùn)，才能夠支持公司的日常費(fèi)用以及其他的支出。其他的利潤(rùn)來源，比如投資收益，其他業(yè)務(wù)收入等等并不構(gòu)成公司的主要收入來源。因此，這也就是為什么主營(yíng)業(yè)務(wù)利潤(rùn)率和主營(yíng)業(yè)務(wù)鮮明程度進(jìn)入我們模型的理由，這二個(gè)指標(biāo)在模型中起“因”的作用。另外，公司對(duì)于短期負(fù)債必須予以及時(shí)的清償，這些短期負(fù)債的清償需要的是公司現(xiàn)金流。在現(xiàn)實(shí)中，有很多公司帳面的獲利能力很好，但帳面上表現(xiàn)為巨額的

20、應(yīng)收帳款，并不能收現(xiàn)。這些公司也面臨著被債權(quán)人追償或訴訟的可能性。我們認(rèn)為，之所以流動(dòng)比率、凈資產(chǎn)報(bào)酬率和流動(dòng)資產(chǎn)周轉(zhuǎn)率沒有進(jìn)入模型，是因?yàn)檫@三個(gè)指標(biāo)都是公司進(jìn)入了財(cái)務(wù)困境的結(jié)果，而不是原因。我們剛才說過，公司步入財(cái)務(wù)困境是一個(gè)漸進(jìn)的過程，我們建立預(yù)警模型的目的就是要對(duì)公司的財(cái)務(wù)發(fā)展?fàn)顩r進(jìn)行預(yù)測(cè)，預(yù)測(cè)需要的是含有“因”信息量的指標(biāo)，而不是有“果”表現(xiàn)的指標(biāo)。（三） 模型擬合優(yōu)度檢驗(yàn)我們用eviews軟件提供的hosmer-lemeshow檢驗(yàn)來對(duì)模型的擬合優(yōu)度進(jìn)行檢驗(yàn)。為了保證該檢驗(yàn)的分組效果，我們?cè)诜纸M的時(shí)候是進(jìn)行的隨機(jī)分組。在組數(shù)的確定上，由于我們是配對(duì)樣本，各有34個(gè)樣本公司，該檢驗(yàn)要求

21、每組的樣本量不能太小，另外還要考慮h-l statistic統(tǒng)計(jì)分布的自由度問題，我們選取了分為5組。檢驗(yàn)結(jié)果如下表四所示：表四 擬合優(yōu)度檢驗(yàn)報(bào)告 quantile of riskdep=0dep=1totalh-llowhighactualexpectactualexpectobsvalue10.00000.03821312.808100.19188130.1947620.03940.12771212.828421.17162140.6392030.14600.737977.4614765.53853130.0669940.75530.901212.446941311.5531141.036

22、8350.90261.000010.355271313.6447141.20048total3435.90023432.0998683.13825h-l statistic:3.1383prob. chi-sq(3)0.3708andrews statistic:10.1879prob. chi-sq(5)0.0701我們可以從最后的統(tǒng)計(jì)檢驗(yàn)來看模型擬合優(yōu)度的問題。eviews提供的hosmer-lemeshow檢驗(yàn)的零假設(shè)為擬合完全充分。我們看最后回歸報(bào)告中與h-l statistic的相伴概率值為0.3708，說明我們不能拒絕原假設(shè)，也就是說，我們的回歸模型擬合優(yōu)度值比較滿意。（四）模型期

23、望預(yù)測(cè)表（expectation-prediction table）我們可以根據(jù)該表來看模型的分組及對(duì)利用樣本數(shù)據(jù)對(duì)模型回判精度的檢驗(yàn)。本文的理論部分我們已經(jīng)提到過，我們的樣本數(shù)據(jù)是采用的配對(duì)控制樣本。也就是說，在樣本中，有財(cái)務(wù)困境的公司和沒有財(cái)務(wù)困境的公司的樣本一樣，而且我們使用回歸方法logit方法本身的特點(diǎn)，根據(jù)先驗(yàn)假定，判別閥值為0.5。根據(jù)模型，計(jì)算出某個(gè)樣本的p值大于0.5，那么就認(rèn)為該公司將步入財(cái)務(wù)困境，否則，則認(rèn)為沒有財(cái)務(wù)危機(jī)。該表計(jì)算結(jié)果如表五：表五 模型期望預(yù)測(cè)表 estimated equation constant probabilitydep=0dep=1totald

24、ep=0dep=1totalp(dep=1)c33134000total343468343468correct31316234034% correct91.1891.1891.18100.000.0050.00% incorrect8.828.828.820.00100.0050.00total gain*-8.8291.1841.18percent gain* na 91.1882.35 estimated equation constant probabilitydep=0dep=1totaldep=0dep=1totale(# of dep=0)29.206.7035.9017.0017.0034.00e(# of dep=1)4.8027.3032.1017.0017.0034.00total34.0034.0068.0034.0034.0068.00correct29.2027.3056.5117.0017.0034.00% correct85.8980.3083.1050.0050.0050.00%