導語：預警系統下的公司財務論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

一、理論依據

(一)規范理論。規范理論由兩種財務模型組成，第一種模型為期權定價模型，第二種模型為賭徒破產模型，其中，賭徒破產模型又按照是否與外部資本市場銜接分為兩種模型，其一是不具備外部資本市場條件的賭徒模型，其二是由前者放松資本市場假設而得到的模型，這也符合了學者研究的一貫方法，循序漸進地放寬限制的條件，從而將模型應用的范圍不斷擴大，以便適應更多的需求。首先，期權定價模型把負債經營公司進行證券化，所有權歸屬于債權人，同時股東將在公司債務價值低于公司總價值時使用看漲期權，所謂的看漲期權實際上是指以證券為標的物的附加值。公司重組或者破產的直接因素是公司價值與公司負債，這兩個因素共同影響公司的期權價值，因而期權定價是尤為關鍵的。其次，假設公司不能夠在證券市場中進行資本籌措，從而使得公司不具備外部資本市場，排除了資本市場因素的干擾，同時在現金流方面，公司正負現金流的概率都是存在的，只是數值不同而已，如果負現金流過多，那么公司的財務狀況不容樂觀，因此，公司凈資產清算價值、現金流兩個因素共同影響公司破產或重組的概率。在前面賭徒模型的基礎上，將外部資本市場的條件進行考慮，同時保持其他的因素假設均相同，那么賭徒破產模型就得以完善，由于外部資本市場的空間較大，信息量較大，因此可以在很大程度上拓寬模型的適用范圍，為信息使用者提供很大的幫助，在影響因素上與前者略微不同，將公司凈資產清算價值替換為公司價值。規范性理論對于指標的選取具有一定應用價值，同時讓學者有理可循，從而進行實證研究。(二)實證理論。在理論范疇內，實證理論越來越被更多的人認可，由于其數據的及時性、統計工具的科學性、工作的效率性較之規范理論均有明顯的優勢，因此更多的學者在進行相關研究時較多地使用實證理論。在財務預警研究中，數據的主要獲取方式是通過企業的財報，企業根據數據進行分析比對，利用統計工具對數據進行處理，從而方便快捷地得到預測模型，以便信息使用者進行利用。總體來說，財務預警的實證方法有兩種:其一是單定檢驗法，即用一組數據所確定的分割點來檢驗另一組數據所構成的樣本，從而得出模型的正判率或者誤判率;其二是交互檢驗法，這種方法在單定檢驗法的基礎上有所改進，其充分利用了樣本，使得所有樣本都參與其中，都可以進行檢驗，只是這種方法的工作量稍大。以上兩種方法的樣本分配都是隨機的，規避了人為設置因素。兩種方法有許多共性:都是利用檢驗樣本與分割點來進行檢驗，從而測定模型的預測水平;二者均需要進行參數估計，以便得出最優的預警模型。二者的不同點在于樣本分配的比例不同，前者較為均衡，后者則是一對多的比例，在優缺點上各有利弊，前者工作流程較為規范，工作量相對較少，而后者檢驗較為全面，但較為繁瑣。進入21世紀后，經研究發現，在預警模型的構建中，判別分析法在實踐中會產生較大的誤差，進而將神經網絡分析法運用于研究中，將學習樣本定為原始的30個樣本，建模的方法選為神經網絡法，結果顯示樣本的錯判率僅為5%［1］。另一方面考慮了董事會治理因素和股權結構指標，結果證明非財務變量的引入提高了模型的預測正確率［2］。通過研究表明:控股股東性質、股權制衡度、股權集中度、高管薪酬和董事長兼任情況等公司治理結構變量影響顯著［3］。運用Logic回歸法進行實證分析可以得出兩條結論，其一為財務危機發生的概率與董事會規模的大小是正相關關系，其二為董事長與總經理兼任現象越普遍，上市公司越難發生財務危機［4］。

二、企業財務危機成因

(一)國家宏觀政策影響。黨的十八屆三中全會前不久在北京召開，此次會議的一個重要的亮點是強調了市場的主體地位，并進行財稅改革、提高國企紅利上繳比例、推行股票發行注冊制、允許民資辦銀行，這些因素都將給企業帶來巨大的影響，收益與風險是并存的。以允許民資辦銀行為例，普通百姓可能將在今后的生活中看到“娃哈哈銀行”、“肯德基銀行”之類的民資銀行，那么這些銀行在獲得收益的同時也將面臨著較大的風險挑戰，國有四大行的擠壓、以阿里巴巴集團為首的電商的競爭、外資銀行的涌入，這些因素勢必會對民資銀行帶來沖擊。因此，企業的財務狀況更加值得關心，國家宏觀政策對于企業財務危機的影響是顯而易見的。(二)宏觀經濟周期影響。經濟周期一般由復蘇、繁榮、衰退和蕭條四個階段構成。不同國家、時期的經濟周期可能具有各自的不同點。在20世紀60年代以前西方國家經濟周期的特點是產出和價格的同向大幅波動。在70年代初期，西方國家先后進入所謂的“滯脹”時期，經濟大幅度衰退，價格卻仍然猛烈上漲，經濟的停滯與嚴重的通貨膨脹并存。而80－90年代以來的經濟波動幅度大大縮小，并且價格總水平只漲不跌，衰退和蕭條期下降的只是價格上漲速度而非價格的絕對水平。進入90年代中期以后，一些新興市場經濟國家，如韓國、東南亞國家等，受到金融危機的沖擊，導致一些商品的國際市場價格大幅下滑。目前的歐債危機、后時代金融危機都讓我們不寒而栗，我們現在所擔心的是中國可能將會出現滯脹的局面，在這種情況之下，企業的生存是非常艱難的，危機也就同時出現。(三)財務投資決策失誤。一個成功的投資絕非主觀的、盲目的，而應該是經過科學合理的方式進行不斷修正而得出的結論，投資失誤將可能導致企業步入萬劫不復的深淵，有的企業會計賬目混亂，管理不規范，偷逃稅款，這些都是企業危機的導火索。因此做好財務投資的測算、風險的評估，是決策的基本先行條件，財務危機的預警系統則顯得尤為重要。(四)缺乏預警意識及管理經驗。在企業中，有些財務人員由于學歷不高、專業技能不強、經驗不足等原因而缺乏最基本的預警意識，只是為了完成工作任務而工作，沒有考慮到潛在風險的存在，這可能給企業帶來較大的損失。這種現象和企業的管理者也有一定的關系，有些企業的管理者為了節約成本，沒有對入崗人員進行崗前培訓，在職人員也沒有得到較好的提升機會，沒有進行科學的人員管理，缺乏管理的經驗，導致人員流動過大等現象，這都是不可取的。

三、實證分析

(一)樣本選擇與數據來源

本文研究所選用的數據全部來自國泰安經濟金融研究數據庫(CSMAR)，選取了2011年和2012年期間首次被ST處理的公司作為研究對象，使得數據具有及時性，令財務危機預警系統的構建更為貼合實際，同時值得提出的是有很多家上市公司被多次進行ST處理，這種現象極為普遍，而本文只研究首次被特別處理的上市公司，排除了財務舞弊、粉飾報表行為的干擾。為了使樣本的范圍合理，保證數據時間的連續性，選取了被特別處理公司前三年的數據進行研究，而且由于A股、B股和境外上市公司股票之間存在差異，同一家上市公司在A、B兩股之間對外的報表是一致的，因此本文只將A股上市公司的數據作為建模依據，同時剔除了數據不完備公司，以減少異常樣本對結果的影響。基于上述原則，本文隨機選取了30家ST公司的90個樣本作為實證研究對象，同時又選取了30家非ST公司的90個樣本作為匹配進行研究，總共180個樣本，將公司被ST的年份定義為“T年”，被特別處理前一年為“T－1年”，前兩年為“T－2年”，前三年為“T－3年”。本文從科學性的角度出發，在初期指標變量的選取上，盡可能將范圍擴大，使得更多的指標變量可以進入到研究過程中，同時還需要考慮到指標變量的可操作性，有些指標的收集不完整，則不應予以考慮，國際上的一些有關財務預警系統的研究成果需要同中國的具體情形結合起來進行研究。在選擇傳統財務變量指標的基礎上，將公司治理方面的因素引入其中，包括未流通股份數比例、獨立董事人數比例、董事、監事及高管前三名薪酬總額比例。其定義式見表1。在財務預警模型系統的構建中，除了上述的公司治理因素變量外，財務變量依舊是主要的組成部分，本文從四個方面劃分財務狀況指標體系。盈利能力指標:凈資產收益率(ROE)、每股收益、投入資本回報率、成本費用利潤率、主營業務利潤率。償債能力指標包括保守速動比率、所有者權益比率、速動比率、流動比率。資產運營能力指標包括股東權益周轉率、營運資金周轉率、應收賬款周轉率、總資產周轉率、存貨周轉率。成長能力指標包括資本保值增值率、資本積累率、稀釋每股收益增長率、主營業務收入增長率、凈利潤增長率。

(二)篩選指標

在眾多的科學指標中，不是所有的指標變量都可以進行使用，因為這些變量可能具有共線性，一旦變量共線，那么最終得出的結論就會存在不科學的因素，誤差較大，甚至出現錯誤，對于信息的接收者，如企業的經營者、投資人、債權人的判斷、分析、預測、決策行為產生誤導，使其受到不必要的損失。在此基礎上，進行單變量T值檢驗法，目的是選擇出適合模型構建的最終變量，減小誤差，使得模型預測結果更加準確，變量的范圍則是上文提到的公司治理變量及財務變量，共22個，所選用的樣本容量為180個。當變量三年中的均值變化較大，差異較大，同時T值的大小處在0．05以下，則基本上可以判定所選的變量較為顯著，可以作為財務預警模型構建的最終變量。根據上述思路分析，分別對19個財務指標和3個公司治理指標進行分析，根據能否有效區分ST公司與非ST公司為原則，最終選取了13個財務與公司治理指標對財務危機Logistic預測模型進行構建。同時利用SPSSStatistics17．0軟件對其進行主成分分析，旨在進行降維處理，得到最具代表性、解釋力的指標，來構建預警模型。同時，數據需要在進行因子分析前檢驗，來判定采用因子分析方法是否得當，因此，在本文之中采用了KMO檢驗和巴特利特球度檢驗，KMO檢驗中三年的結果均在0．6和1．0之間，說明變量間具有較強的相關性，適合做因子分析。巴特利特球度檢驗觀測值概率均為0．000，小于0．05，通過顯著性檢驗，此結論與T檢驗相符，綜上所述，可以采用因子分析對指標數據進行處理。變量共同度反映了公因子中包含原始信息的程度，只有資本保值增值率和獨立董事所占比例兩個變量的共同度在50%左右，其他均在60%以上，表明提取的變量對原始信息具有一定解釋力。選取主成分分析法對公因子進行提取，根據特征值大于1的基本原則，主成分由前四個因子組成。原始因子解釋方差的比例為35．423%、18．893%、9．025%、7．563%，旋轉平方和載入后的因子解釋方差的比例為33．202%、18．607%、10．568%、8．527%，這四個因子的累積比例為70．904%，因此可以表明這四個主成分因子涵蓋了原始13個變量的70．904%的信息，可以較好地對原變量進行替代，以構建預警模型。隨后，需要將主成分與各原始變量組成矩陣，使得主成分因子有更好的解釋性，為了讓主成分因子之間關系更加明確，將主成分因子進行Kaiser標準化的正交旋轉，旋轉在5次迭代后收斂。因子1在流動比率、保守速動比率、所有者權益比率三個變量上均具有很高的載荷，這三個變量體現了公司的償債能力，同時投入資本回報率、成本費用利潤率兩個變量的載荷也很高，他們代表了公司的盈利能力，因此因子1體現了公司的償債能力和盈利能力。對于因子2而言，存貨周轉率、總資產周轉率以及股東權益周轉率三者的載荷量均在0．800以上，而其他變量的載荷量相差較為明顯，所以因子2代表了公司的資產運營能力。由于載荷量的比較是針對絕對值而言，因此未流通股份所占比例的載荷量雖為負值，但絕對值最大，資本保值增值率的載荷量雖然只有0．619，但仍屬較大值，故因子3體現了成長能力以及公司治理因素。由于董事、監事及高管前三名薪酬總額所占比例變量的載荷量較大，因子4則代表了公司治理因素。

(三)回歸分析

本文利用二元Logistic方法進行回歸分析，原始回歸函數為:S=ln(p/1－p)=a+b1x1+．．．+bnxn，定義因變量S=1為上市公司被ST，S=0為未被ST處理，上述函數的p值在0和1之間，代表了事件發生的概率，由于通常臨界值為0．5，a為常量，b1．．．bn代表參數估計值，x1．．．xn為自變量。因此，將主成分因子帶入函數方程，進行二元Logistic回歸分析，分別得出三年的預警函數方程，進行上市公司財務預警。B表示方程參數估計值，S．E．表示標準差，Wald表示統計量，Sig為顯著性水平;Exp(B)表示B的冪次方。顯著性水平大部分小于0．05，統計量較大，方程的預警效果較好。因此，三年的預警模型如下:ST－1=－1．562–6．103FAC1–2．299FAC2–1．468FAC3–2．035FAC4ST－2=－0．508–3．614FAC1–1．482FAC2–1．078FAC3–1．695FAC4ST－3=－0．602–3．816FAC1–1．827FAC2–1．451FAC3–1．813FAC4在預測效果方面如表2所示，“T－1”年時，S=0的預測正確率高達96．7%，而S=1的預測正確率為93．3%，總計百分比為95．0%，說明模型的預測效果較好。“T－2”年中，對于S=0有90．0%的正確率，而對于S=1有86．7%的正確率，總計百分比為88．3%，因此可以得出結論，危機前兩年預警模型預測效果較好。“T－3”年時，S=0的預測正確率為83．3%，S=1的預測正確率為76．7%，雖然有所下降，但是總計百分比依然保持在80．0%。綜上所述，財務危機發生前三年模型預測總計正確率均在80%以上，說明模型對上市公司財務危機預警作用較好，并且時間越接近被特別處理，模型預測的正確率越高，同時，同一會計年度中，S=0的預測正確率均高于S=1的預測正確率，也就是說將非ST公司錯判成ST公司的可能性要小一些。

四、主要結論與建議

基于傳統財務管理指標進行危機預測的前提下，將公司治理指標融合于目標模型的建立研究中，使得財務預警模型產生了很好的效果，在對公司財務危機的預測結果上正確率較高，可以有效地幫助企業防微杜漸。未流通股份所占比例和董事、監事及高管前三名薪酬總額所占比例兩個公司治理因素對企業自身有著很重要的影響，因此，在企業進行財務危機預測的時候，應將公司治理變量因素與財務因素結合起來建立模型，以達到較好的預測效果。

本文作者:孫長江孫印工作單位:東北農業大學