化工企业上市公司财务困境预警探究.docVIP

化工企业上市公司财务困境预警探究一、引言 1998年3月16日，中国证券监督管理委员会颁布了《关于上市公司状况异常期间的股票特殊处理方式的通知》，规定当上市公司出现财务或其他状况异常，导致投资者对该公司的前景难以判定，可能损害投资者权益的情形，交易所将对其股票实施特别处理（Special Treatment，简称“ST”）。从2009年1月1日起至2010年12月31日，深沪两市的ST公司累计达到113家，其中化工产业类公司有57家，占被特别处理公司总数的50.44%。这57家化工产业公司都存在着不同程度的财务困境。特别处理制度给我国的上市公司，尤其是化工产业公司带来了很大的压力，也给广大投资者（特别受中小投资者）和债权人带来了很多损失。本文对公司财务困境发生的可能性进行预测，并建立一个可靠的预警系统，有利于投资者充分认识财务困境企业的业绩变化规律，对于企业管理层和监管机构制定财务政策具有重要实践价值，同时在金融机构和供应商等债权人在制定信贷或赊销决策时也有一定的指导意义。 二、文献综述 最初人们使用单个比率预测、判断企业是否会“失败”或破产，因此这类分析被称作单变量分析。最早进行单变量破产预测研究的是Fitzpatrick（1932）所做的单变量破产预测模型，发现判别能力最高的是净利润/股东权益和股东权益/负债两个比率，而且在经营失败之前三年这些比率呈现出显著差异。1967年秋，威廉·比佛（William Beaver）教授在美国《会计研究》上发表了研究财务比率有用性的文章。该文首次提出可以运用财务比率来预测公司的失败。多变量模型的典型代表是多元判别分析（MDA）模型和Logistic回归模型。Altman（1968）通过分析美国破产企业和非破产企业的22个财务指标，从中选出了最能够反映借款人财务状况、对贷款质量影响最大、最具有预测和分析价值的5个关键指标，建立了著名的5变量Z-score模型和在此基础上改进的变量Zeta模型。Martin（1977）首次使用Logit方法在银行业中建立了财务困境预警模型。 国内有关财务困境预警的研究起步较晚，且多使用财务指标建立模型。周首华、杨济华（1996）对Z-score模型加以改造，建立F-score模型。陈静（1999）在多元判别分析中使用资产负债率、净资产收益率等6个指标进行分析，ST前1年的预测精度达到92.6%，ST前2年达到85.2%。陈晓和陈治鸿（2001）运用Logit 模型对上市公司进行预测，发现负债/权益比率、应收账款周转率等4个指标对我国上市公司财务困境具有显著的预测效果。张玲（2000）从偿债能力、盈利能力、资本结构状况和营运状况4个方面15个相关财务比率中筛选出4个变量构建了多元线性判别分析模型，发现该模型有超前4年的预测能力。万希宁（2005）结合财务指标和非财务指标体系，运用专家评分法和模糊优先关系排序决策法进行了指标的有效选择，最后借助模糊数学构建了综合模糊预测模型。由以上综述可以看出，国内学者在财务困境预警指标的选取上以单一财务信息指标占主导。 三、研究设计 第一，样本选取。由于我国对于财务困境的研究基本上都是以上市公司是否因财务状况异常而被“ST（特别处理）”为标准。这样的界定有直观、权威和便于操作的优点。在之前的研究中，曾有人采用一一配对抽样法，即样本和对照组中包括相等的样本容量。但Zmijewski曾指出，如果在财务困境研究中失败企业与正常企业两类公司的比例偏离总体中两类公司的比例，将会高估模型的预测能力。故本文的研究选取简单随机抽样法，从沪深两市2009年化工行业中抽取15家ST公司作为困境公司研究样本，为增加研究可靠性，同样用随机抽样法抽取30家非ST公司，作为对比研究样本，其中5家ST公司和10家非ST公司作为检验样本。本文选取的样本来源于和讯网公布的2009年度财务报表。 第二，预警指标选择。在上市公司财务预警中及时发现警兆对有效提高预警效率有着至关重要的作用，而警兆的发现往往依赖于对财务危机预警指标体系的检测。从目前的财务预警研究来看，国内外大多数学者都是以财务指标为基础建立财务预警模型，而把非财务指标考虑如指标体系的相对较少。但是随着研究不断深入，人们发现非财务指标在财务预警中也起着相当重要的作用。因此，为使预警模型的建立更加准确有效，本文将从财务和非财务两个方面建立指标体系。 现代财务管理理论认为，企业的财务状况主要取决于企业的盈利能力、偿债能力、营运能力、成长能力和现金流量状况。故本文从上述五个方面中共选取20个财务指标。 鉴于对非财务指标的选择标准国内外研究中一直存在较大差异，本文在综合考虑前人研究的基础上，从以下几个方面选择非财务指标：从公司治理角度，选择高管持股比例、国家