導語：公司的財務危機模式分析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。

[摘要]本文以2002—2004年深滬兩市首次被ST的118家上市公司作為研究對象，同時選擇同行業且資產規模相近的ll8家盈利公司作為配對樣本。在界定了“財務危機”的范圍后，利用ST公司財務危機前1年的數據，初步選擇了20個財務指標，對ST公司與配對樣本的均值、標準差，T統計量和Z統計量進行分析，尋找ST公司與非ST公司在財務指標上的差異，井采用主成分分析法進一步篩選財務指標。最后運用二元邏輯回歸(Logit)，建立起上市公司財務危機前1年的預警模型，且進行了預測。

[關鍵詞]財務危機；配對樣本；主成分分析；邏輯回歸；預警模型

一、“財務危機”(Pinancialcrisis)又稱“財務困境”(Pinancialdistress)，國外多數同類研究采用破產標準。但中國從1988年開始試行《企業破產法》至今，沒有一家上市公司破產．盡管2004年6月“ST寧窖”爆出破產風波，但也在同年12月通過債權人和解解除了危機。由此可見，中國的破產機制不健全，加上國內證券市場的發展歷史很短，采用外國學者的做法行不通。

國內學者大都將特別處理(ST)的上市公司作為存在財務危機的公司，如陳靜(1999)、李華中(2001)、姜秀華(2002)等。本文也將ST公司作為研究樣本，并將“財務危機”定義為“因財務狀況異常而被特別處理(ST)”，所指的“財務狀況異常”包括上市公司突然出現重大虧損、連續兩年虧損、股東權益低于注冊資本或每股凈資產低于面值等幾種情形。

二、國內研究文獻綜述

陳靜(1999)以1998年的27家ST公司和27家非ST公司為研究樣本，使用1995—1997年的財務指標進行了單變量分析和多元判定分析，由于受樣本量的限制沒有對上市公司被ST的原因加以詳細區分；李華中(2001)用判別函數對1997—1999上市公司分類，描述了ST公司的行業分布，利用向前回歸法篩選財務指標建立預警模型；姜秀華等(2002)以在深滬兩市上市的42家公司為控制相關變量，同時隨機選取42家非ST公司為控制樣本進行了研究，運用Logistic回歸得到預警模型，并進行了預測與效果檢驗。

三、研究方法和研究樣本

(一)研究方法

本文采用的方法是二元邏輯回歸(Logit)，相關的數據分析處理通過SPSSl3．0軟件完成。

(二)研究樣本及樣本的行業特征分析

1.選擇的研究樣本

本文選擇的樣本S1是2002—2004年深滬兩市首次被ST的118家公司。

同時，選擇了與樣本S1同行業并且資產規模相近的118家盈利上市公司作為配對樣本S2。

本文的數據主要來源于“亞洲證券”和“巨潮資訊”。

2.樣本行業特征分析

至2005年8月，深滬兩市共計有1379家上市公司(深市551家，滬市828家)。發生財務危機的118家上市公司分布在11個行業。其中，制造業出現財務危機的上市公司最多，占ST公司總數的58．48％，但與該行業上市公司的總數相比，發生ST的比例并不突出，只占8．60％．傳播文化類上市公司有2家發生虧損，鑒于此類別的上市公司較少，雖占ST公司總數的1．7％，但占整個行業的18．18％，說明傳播文化類公司承擔的風險較大，發生財務危機的比例也就較高。其次是綜合類上市公司，占ST公司總數的10．17％，占整個行業的15．00％。

四、預警指標的選擇和分析

如果上市公司在第t年被實施ST，那么(t－1)年表示上市公司被實施ST的前1年。

(一)財務危機預警指標的初步選擇

為對上市公司的情況進行全面、系統的描述，本文結合國內外的研究成果，初步選擇了變現能力B1(流動比率X1、速動比率X2)、資產管理B2(總資產周轉率X3、總資產周轉率X4、應收賬款周轉率X5)、負債能力B3(資產負債率X6、產權比率X7)、盈利能力B4(凈資產收益率X8、銷售毛利率X9、銷售凈利率X10)、現金流量B5(每股經營現金凈流量X11、經營現金凈流量對掙利潤比率X12、經營現金凈流量對負債比率X13)、成長能力B6(資產增長率X14、主營業務收入增長率X15、凈利潤增長率X16)、股權擴張B7(每股收益X17、每股掙資產X18)、股東持股B8(前三大股東持股比例X19、前十大股東持股比例X20)等8個方面的20個財務指標。

(二)初選指標分析

1．財務指標的均值和標準差分析

利用SPSS計算ST與非ST公司各財務指標的均值及標準差。研究結果顯示，發生財務危機的前1年，ST公司與非ST公司的20個指標的均值均存在明顯區別。

2．配對樣本檢驗

根據ST公司與非ST公司的同一財務指標的配對，利用SPSS進行配對樣本T檢驗和Wilcoxon秩檢驗，Wilcoxon秩檢驗使用的是Z統計量。

從表1中可以看出，除資產增長率X14外，ST與非ST公司的20個指標的配對樣本T檢驗普遍顯著，ST公司的Z統計量明顯高于非ST。

總之，通過上述分析，可以看到ST公司與非ST公司在財務危機發生的前1年，兩者的均值、標準差、T統計量、Z統計量發生了明顯的變化。

(三)財務預警指標的進一步篩選

ST與非ST公司的上述20個指標，有的作用顯著，起了較大作用，相比之下有的作用并不明顯，而且指標過多會存在多重共線性或序列自相關。因此，在建立財務危機預警模型前，有必要進一步對財務指標進行篩選，利用變化顯著的指標建立預警模型。本文擬選擇主成分分析法。

1．變量間相關性分析

本文的相關性分析采用Person相關系數，結果表明產權比率x7與凈資產收益率朋、流動比率X1與速動比率X2、每股經營現金凈流量X11與經營現金凈流量對負債比率X13、每股收益X17與每股凈資產X18、前三大股東持股比率之和X19與前十大股東持股比率之和X20的相關系數均超過0．6。為消除多重共線性的影響，按財務指標間相關性較小為優原則，經比較，剔除X7、X2、X13、X18及X19這五個財務指標。

2．財務指標的進一步篩選

引入虛擬變量y，表示上市公司是否出現財務危機。將上市公司出現財務危機設為1，沒有出現財務危機設為0。

利用直接斜交轉軸法，對剩余15個財務指標進行主成分分析，提取了3個因子。這3個因子分別為流動比率X1、每股經營現金凈流量X11、前十大股東持股比率之和X20。

五、預警模型的建立及預測

筆者利用主成分分析得到的上述三個財務指標，選擇二元邏輯回歸(Logit)方法，建立財務危機預警模型并進行預測。

(一)模型的建立

設多元邏輯回歸(Logit)擬合的方程為：

(二)預警模型效果檢測

以0．500為概率最佳分割點進行預測。預測結果顯示該模型的整體預測效果為75．319％，其中ST公司的預測準確率為76．923％，非ST公司的預測準確率為73．729%。

六、結論

筆者采用2002—2004年新增ST公司的日個方面的20個財務指標，建立起上市公司發生財務危機前1年的危機預警模型進行了預測。為便于對比研究，選取相同數目的盈利公司作為配對樣本進行T檢驗和Wilcoxon秩檢驗。研究表明，選取財務指標的效果明顯，建立的sT公司的危機預警模型的判斷準確率達到95．31％．由于研究是假定上市公司的財務數據是真實的，若上市公司粉飾財務報表，模型準確性可能受到影響。

主要參考文獻

[1]Ohlson，JamesA：“FinancialRatiosandtheProbabilistlcPredictionofBankruptcy”，JournalofAccountingResearch，1980．

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

[3)李華中．上市公司經營失敗的預警系統研究[J]．財經研究，2001，27，(10)．

[4]姜秀華，任強，孫錚．上市公司財務危機預警模型研究[J]．預測，2002，21(3)．