制造業(yè)上市公司財務危機預警

　　下面是一篇小編精心準備的制造業(yè)上市公司財務危機預警的論文，歡迎各位需要的同學閱讀哦!

　　摘要：本文以2008-2010年被“特別處理”(ST和*ST)的34家制造業(yè)上市公司和68家健康公司為研究樣本，選取了資產(chǎn)負債率、應收賬款周轉(zhuǎn)率、銷售凈利率、主營業(yè)務收入增長率、現(xiàn)金流量比率、每股收益等25個財務預警初始指標，運用正態(tài)性檢驗、T檢驗、非參數(shù)檢驗以及相關(guān)性分析，篩選出了財務預警能力較強的財務指標;基于logistic回歸分析法，構(gòu)建了T-2年、T-3年和T-4年的制造企業(yè)上市公司財務預警模型，采用樣本外檢驗法檢驗了所建模型的有效性，解釋分析了模型結(jié)果。結(jié)果表明模型具有較高的預測能力，尤其在發(fā)生財務危機的前兩年，準確度更是高達90%以上。

　　關(guān)鍵詞：財務危機;預警;制造業(yè);Logistic回歸

　　一、引言

　　面對經(jīng)濟全球化浪潮的沖擊，上市公司所面臨的競爭日益加大。在商業(yè)競爭日益劇烈的環(huán)境下，尤其是在經(jīng)濟秩序動蕩的后金融危機下，上市公司所面臨的不確定性和各種威脅呈現(xiàn)頻數(shù)增加、化解困難、影響巨大等特征，最終導致企業(yè)財務危機的出現(xiàn)。在這一過程中，如何從“潛伏期”中挖掘各種可能導致財務危機的因素和特征，如何在公司陷入財務風險之前進行有效的預測，如何為證券市場各參與主體提供有效、科學地預測方法和準確的預測信息，是各有關(guān)方面密切關(guān)注的問題之一。

　　財務危機又稱財務困境，F(xiàn)oster認為財務危機是指公司出現(xiàn)了嚴重的資產(chǎn)折現(xiàn)問題即償債問題，而且這種問題的解決必須要依賴于公司的經(jīng)營方式或存在形式的轉(zhuǎn)變[1]。Frank 認為財務失敗是企業(yè)履行義務時的受阻，具體表現(xiàn)為流動性不足、權(quán)益不足、債務拖欠及資金不足等四種形式，遭受這四種情形之一的企業(yè)即為財務危機企業(yè)[2]。劉紅霞和張心認為財務危機是企業(yè)明顯無力償還到期的無爭議的債務的困難與危機[3]。由此可見，財務危機的本質(zhì)是企業(yè)償債能力的低下[4]，因此本文選擇特別處理的ST和*ST公司作為財務危機公司。

　　國外關(guān)于財務預警的最早研究可以追溯到1932年的Fitzpartrick，他首次對19家公司進行了單個財務比率破產(chǎn)預測模型的研究[5];隨后的Altman先后建立了經(jīng)典的Z評分模型和ZETA模型，通過多元回歸的方法預測財務困境[6];為克服多元回歸對數(shù)據(jù)正態(tài)分布的限制，Ohlson為代表的研究者們采用了條件概率模型進行預測分析，主要有Logistic模型和Probit模型兩種統(tǒng)計方法[7]。近些年，由于神經(jīng)網(wǎng)絡和專家系統(tǒng)等非線性預測方法對變量分布的要求較低，從而得到一些研究和應用。

　　國內(nèi)最早在財務預警方面做出貢獻的是吳世農(nóng)等在1986年介紹的公司破產(chǎn)分析指標和預測模型[8]，之后眾多學者開始采用不同預測方法對我國上市公司的財務狀況開展研究，其中部分學者的研究內(nèi)容和情況如表1所示。

　　國內(nèi)外相關(guān)文獻的梳理表明，財務預警的方法主要是統(tǒng)計方法和神經(jīng)網(wǎng)絡方法，變量處理的方式有T、Z、F檢驗和因子分析等方法。基于此，本文采用分類效果最好的Logistic模型進行研究，并力圖在以下三方面有所改進：一是變量的選擇方面增加了現(xiàn)金流量方面的信息;二是摒棄傳統(tǒng)研究模型中較少考慮行業(yè)差異和規(guī)模大小因素的影響，選擇最具代表性的制造行業(yè)進行研究;三是采用股改之后的最新數(shù)據(jù)，通過K-S檢驗、T檢驗、非參數(shù)檢驗、相關(guān)性分析、Logistic回歸分析和樣本外檢驗等方法建立預測能力較強的行業(yè)財務預警模型。

　　二、樣本的選取

　　(一)研究樣本的選擇

　　本文選擇了在2008-2010年因財務狀況異常而被特別處理(ST和*ST)的A股制造業(yè)上市公司作為初始樣本，并在此基礎(chǔ)上按一定標準選擇了相應的健康公司作為配對樣本。由于ST公司都是由于T-1年的財務數(shù)據(jù)而被特別處理的，故采用T-2年的截面數(shù)據(jù)進行分析。為保證模型的準確性，需建立3個預警模型，因此研究對象從T-2年向前追溯到T-4年，即下文中出現(xiàn)的T-2年為公司被ST前兩年的數(shù)據(jù)，T-3年、T-4年依此類推。

　　(二)研究樣本的確定

　　已有文獻的研究大都采用1:1配對抽樣，即樣本組和控制組包含相等的研究個體。但Zmjiewski[14]研究了兩組間樣本個體數(shù)量分配的問題，認為1:1配對會使樣本中兩類公司的比例嚴重偏離其在實際總體中的比例，從而高估模型的預測能力，特別會高估對破產(chǎn)公司的預測能力，因此本文采用隨機抽樣的方法以1:2的比例按條件為ST公司選擇配對樣本。具體配對條件包括：一是所屬行業(yè)相同，用于排除行業(yè)特征差異;二是資產(chǎn)規(guī)模相近，所選公司與被“特別處理”公司的最近一個會計年度的年度資產(chǎn)規(guī)模相差不超過10%;三是正常組的上市公司擁有相對良好的財務狀況。

　　依據(jù)以上要求，本文初篩了2008-2010年被ST的41家公司(其中2008年9家，2009年10家，2010年22家)，考慮到2008年金融危機等系統(tǒng)性風險的影響，剔除了主營業(yè)務包括進出口業(yè)務的3家公司，再剔除掉不能配對的4家公司，最終剩余34家ST公司，配對樣本為68家，共計102個研究樣本，并將其分為兩組：

　　估計樣本A1：包括23家ST公司及46家非ST公司，用于構(gòu)建財務危機預警模型;

　　檢驗樣本A2：包括11家ST公司及22家非ST公司，用于檢驗模型的財務預警能力。

　　三、變量的選取

　　(一)初始變量

　　由于各公司被ST的原因不盡相同，所以很難用某幾個財務指標來衡量所有公司被ST而陷入財務危機的境況。本文在國內(nèi)外研究成果的基礎(chǔ)上，從償債能力、營運能力、盈利能力、成長能力、現(xiàn)金流量能力指標及資本市場指標等6個方面選擇了初始變量25個，如表2所示。

　　Logistic模型一般選擇0.5作為判別點，事實上由于真實的事件發(fā)生概率不一定是0.5，這樣有可能造成預測偏差，本文借鑒了張愛民等人[13]的方法選擇分界點：選擇使總誤判率中最低的判別概率點，如果有兩個以上相同的點則選擇第一類錯誤值最小的點，如果仍有相同的點則在其中選擇第二類錯誤值最小的點。依此，T-2年的分界點為0.6、T-3年的分界點為0.5、T-4年的分界點為0.6。

　　2.模型的分類準確率檢驗。對模型分類準確率的檢驗采用樣本外檢驗，即將33個檢驗樣本分別代入T-2、T-3、T-4年模型，并根據(jù)上面確定的分界點，對模型的準確率進行驗證，最終結(jié)果如表6所示。結(jié)果表明，T-2年的模型預測準確率高達90%，準確率較低的T-3年模型準確率也在72%以上，表明所構(gòu)建模型具有較高的預警能力，尤其是運用T-2年的數(shù)據(jù)和模型進行預警效果最佳，可以應用于現(xiàn)實環(huán)境。

　　四、結(jié)論

　　本文以我國制造業(yè)上市公司作為研究對象，構(gòu)建并分析了該行業(yè)不同時點的財務預警模型。通過以上研究可以發(fā)現(xiàn)：首先，預警模型對該行業(yè)上市公司發(fā)生財務危機具有預測能力;其次，在上市公司發(fā)生財務危機的前4年中，按不同年份構(gòu)建預警模型是合理的，因為不同年份存在不同的顯著性財務指標;再次，不同年份預警模型的預測能力不盡相同，距離T年越近的模型其預測能力越強;最后，制造業(yè)上市公司應該更加關(guān)注對應收賬款和運營資金的管理，因為這兩個因素會嚴重影響公司未來的財務狀況。

　　參考文獻：

　　[1] Foster G. Financial Statement Analysis[M].Prentice Hall Englewood Cliffs, NJ, 1986.

　　[2] Easterbrook, Frank. Is corporate bankruptcy efficient?[J].Journal of Financial Economics, 1990(27)：41l-418.

　　[3] 劉紅霞，張心林.以主成分分析法構(gòu)建企業(yè)財務危機預警模型[J].中央財經(jīng)大學學報,2004(4)：70-75

　　[4] 賈明琪，辛江龍.上市公司財務困境預警系統(tǒng)模型及實證研究[J].華東經(jīng)濟管理，2008(5)：76-80.

　　[5] Fitzpatrick,P.J.A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms[J].Certified Public Accountant, 1932(2)：73-589.

　　[6] Altman, E, I, Haldenan, R.G&Narayanan, P.ZETA.A New Model to identify Bankruptcy Risk of Corporations[J].Journal of Banking and Finance, 1977,1(6)：29-54

　　[7] Ohlson, J. S. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research, 1980,18(7): 109-131.

　　[8] 吳世農(nóng)，黃世忠.企業(yè)破產(chǎn)的分析指標和預測模型[J].中國經(jīng)濟問題, 1986(6): 15-22.

　　[9] 周守華.論財務危機的預警分析-F分數(shù)模型[J].會計研究,1996(8)：8-11.

　　[10]陳靜.上市公司財務惡化預測的實證分析[J].會計研究,1999(4)：31-38.

　　[11]吳世農(nóng)，盧賢義.我國上市公司財務困境的預警模型研究[J].經(jīng)濟研究，2001(6):21-26.

　　[12]楊保安，季海，徐晶.BP神經(jīng)網(wǎng)絡在企業(yè)財務危機預警之應用[J].預測, 2001(2)：62-68.

　　[13]姜秀華，任強，孫錚.上市公司財務危機模型研究[J].預測,2002(3)：56-61.

　　[14]Zmijwski,M.E. Methodological Issues Related to the Estimation of Financial Distress Prediction Models[J].Journal of Account Research, 1984(22):59-82.

　　[15]張愛民，祝春山，許丹健.上市公司財務失敗的主成分預測模型及其實證研究[J].金融研究，2001(3): 10-25.

　　[16]Andrew Fight. Credit risk management [M].Oxford：Elsevier Butterworth Heinemann, 2004.

【制造業(yè)上市公司財務危機預警】相關(guān)文章：

基于Z3值模型評價的我國房地產(chǎn)上市公司財務危機預警研究10-08

上市公司財務風險預警淺析10-06

消防預警培訓心得08-27

大風橙色預警通知11-25

2016防汛預警令范文05-22

關(guān)愛生命 安全預警03-20

消防預警方案（精選11篇）11-05

稅務預警自查報告06-18

賀信上市公司10-09

上市公司實習證明12-28