我国上市公司财务危机预警模型的实证研究.docVIP

我国上市公司财务危机预警模型的实证研究 　　摘要：本文以我国上市公司指标为研究对象，以25家因财务状况进入特别处理的公司和25家财务正常的上市公司为样本，选取了6个变量指标，通过单变量模型，一元判定模型，Fisher判定模型和logistic模型四种分析方法对公司的财务状况进行实证分析。单边变量立面分析模型和一元判定模型运用单变量对财务危机进行简单预测，误差大，预测能力差，而Fisher模型和logistic模型从多变量进行预测，预测能力明显比单变量强，其中logistic模型预测能力最强。 　　关键词：财务危机 财务指标 Fisher线性模型 logistic模型 　　一、引言 　　财务危机，又称作财务困境，最严重的财务困境是“企业破产”，企业因财务困境导致破产实际上一种违约行为，所以财务困境又可以为“违约风险”（吴世农，卢贤义；2001年）。财务预警是以企业的财务报表，经营计划及其他企业相关会计资料为依据，利用财会、统计、金融、企业管理、市场营销论，采用比率分析、比较分析、因素分析及多种统计方法，对企业的经营活动、财务活动等进行预测，以发现企业在经营管理活动中潜在的经营风险和财务风险（尹侠，肖序，胡永康；2001年）。 　　最早运用统计方法来研究上市公司失败的是美国的威廉?比弗（William.Beaver），提出了单变量预测模型。分析指出债务保障率（现金流量/债务总额）能够较好地判定企业的财务状况，其次是资产收益率和资产负债率。离经营失败日越近，误判率越低，预见性越强（William.Beaver；1966年）。奥曼（Edwardl.Altman）于1968年提出了多元判定模型（Z值判定模型），运用其财务指标拟合出多元线性函数模型，发现模型的预测能力在上市公司提出破产前一年的成功率超过单变量预测模型（Edwardl.Altman；1968年）。在我国早在1999年，陈静运用了四种方法来对财务的恶化进行分析，总结出不同的模型具有各自的优势与局限性，但是仍不失为简单而有效的预测方法（陈静；1999年）。2001年，吴世农，卢贤义以我国70家财务困境公司和70家财务正常公司为样本，运用剖面分析和单变量判定分析，选择6个预测指标，建立Fisher线性模型，多元线性模型和logistic回归分析模型，三种模型均能在财务困境发生前做出相对准确的预测（吴世农，卢贤义；2001年）。在2002年，姜秀华，任强，孙铮在研究财务危机预警模型中，同样运用了logistic回归方法，创新之处在于选择了最优概率阀值来进行判别分析，不同的样本数据，根据概率计算出最优的判别值（姜秀华，任强，孙挣；2002年）。 　　二、样本设计和研究变量 　　1、样本的设计 　　本文选取了来自A股市场的25家ST公司，样本的时间跨度为2009年-2011年，同时选取了规模同等的非ST公司，样本容量达到50家，可望在一定程度上降低估计和预测误差。 　　2、变量指标的选取 　　选择财务比率作为变量指标是，要综合考虑到这些指标要反映出上市公司的盈利能力，流动性以及财务杠杆等，根据本论文的模型需要，选取了一下指标和财务比率： 　　X1：净利润同比增长 　　X2：资产负债比率=负债总额/资产总额 　　X3：总资产收益率=净利润/年末总资产 　　X4：资产流动比率=流动资产/总资产 　　X5：总资产周转率=营业总收入/年末总资产 　　X6：流动资产负债比率=流动负债/流动资产 　　以上财务比率中的数据均来自同花顺炒股软件数据库。 　　三、模型介绍 　　1、单变量立面分析模型 　　单变量分析方法是最简单的一种分析方法，是美国学者比佛提出的，对两组财务比率进行等权均值，然后逐年进行比较，进而来发现两组均值差异，得出相关的结论。 　　2、一元判定模型 　　一元判定模型将所有的样本数据进行随进分组，进行两分法检验，一组是估计样本，一组是有效样本。通过对估计样本中财务比率进行排序选出分割点，使得误判率最低，包括第一类错误和第二类错误，用选出的该分割点对有效样本进行检验。 　　3、Fisher判定模型 　　本文运用的Fisher二类线性判定模型，因变量Y取值为1（ST）和0（非ST），同时运用财务比率作为自变量，进行线性回归分析，得出判别函数和相应的Z得分，通过Z的取值来判定一个公司的财务状况，判定的Z的公式： 　　其中，a为截距，Wi为解释变量Xi的判别权重。 　　4、logistic回归模型 　　上市公司发生财务困境或者财务正常，都是以一定的概率发生，并讨论的是发生概率p大小与那些因素有关系。logistic回归模型并不是直接以p为因变量，而是处理p的一个严格单调函数Q=Q（P），通常是将logistic函数是： 　　X表