我国创业板上市公司财务风险预警实证的研究.docVIP

我国创业板上市公司财务风险预警实证的研究 　　摘要：本文借鉴国内外研究成果，运用Z评分模型并综合考虑行业、规模因素，选取对应非风险组，运用Logistic回归构建了我国创业板上市公司财务风险预警量化模型，以期有助于投资者、债权人对创业板上市公司财务状况进行预测及投资安全性判断，优化创业板公司财务风险防范，推动创业板市场健康有效运行。 　　关键词：创业板；财务风险；Z评分模型 　　中图分类号：F830.31 文献标识码：B 文章编号：1674-0017-2012（10）-0024-05 　　一、研究综述 　　（一）对财务风险界定的相关研究文献。国外的研究一般以破产作为确定企业进入财务风险的标志。如Beaver（1966）等学者的观点，实质上是把财务危机基本视同企业破产，即法定破产。而Altman（1990）综合了学术界对财务危机的定义，认为财务危机有四种情况：经营失败、无偿付能力、违约、破产。我国学者对财务危机的界定一般是以上市公司因财务状况异常被特别处理作为上市公司财务危机的标志。例如陈静（1999）、张玲（2000）、陈晓、陈治鸿（2000）、吴世农、卢贤义（1999）等人在对我国上市公司财务危机预测的实证研究中，均以上市公司财务状况异常被特别处理，即ST作为界定上市公司财务危机的标志。 　　（二）对财务危机预警模型的相关研究文献。国外对财务危机预警模型的研究已经较多，主要有下列几种：单变量预警模型，如Fitzpat rick（1932）和Beaver（1966）；多变量预警模型，如Altman（1968）的Z-Score模型、Altman等（1977）建立Zeta模型、Ohlson（1980）和Zavgren（1985）等运用的Logistic模型；非统计模式预警模型，如Tam和Kiang（1992），Ahman和Varetto等（1994）；混合模式模型，如FengYuLin（2001）和Kiang（1992）等。我国学者的研究始于上世纪80年代中期，吴世农、黄世忠（1986）曾撰文介绍企业破产的财务分析指标及预测模型；周首华、杨济华和王平（1996）建立了F分数模型等。 　　（三）对我国创业板公司现状及风险的分析。闻岳春（2010）分析了我国创业板上市公司的治理特点及特殊需求：家族色彩浓厚致使决策效率低，监督与制衡机制缺失较严重，主业单一且轻资产特征显著以及外部治理作用小，在此基础上从内部外部治理两个角度探讨了我国创业板公司治理制度的对策；彭紫云（2010）概括了创业板市场的基本特征，并对创业板市场的财务风险进行了分析，认为创业板市场财务风险成因来源于以下主要方面：降低了上市公司标准、放松信息披露要求、股票抛售压力大、放松了对股东人数和公众最低持股量的要求以及保荐制度松弛等。 　　二、财务风险预警研究的假设前提和样本选取 　　财务风险预警研究的假设前提是：第一，财务风险的定义假设。本文将Z评分模型评分值小于3，且成长性大幅降低，净资产收益率低于资本成本的上市公司定义为财务风险公司，最终确定为风险组创业板上市公司。第二，假设上市公司的会计报表是基本真实的。第三，财务风险类上市公司与财务正常类上市公司在某些财务指标上是具有差异的，一个财务正常的公司在转变为财务风险公司时，某些财务指标会发生变化。 　　本文结合Z评分模型相关理论及应用，对创业板上市公司的财务风险进行分析，其中Z评分模型及系数定义1如下： 　　Z= 1.2*X1+1.4*X2+3.3*X3+0.6*X4+0.999*X5 （1） 　　其中X1：流动资本/总资产（WC/TA），X2：留存收益/总资产（RE/TA），X3：息前、税前收益/总资产（EBIT/TA），X4：股权市值/总负债账面值（MVE/TL），X5：销售收入/总资产（S/TA）。 　　风险的临界值Z=2.675，如果Z2.675，被划入风险组；反之，如果 Z≥2.675，则被划为非风险组。当1.81Z2.99时，判断失误较大，称该重叠区域为“未知区”（Zone of Ignorance）或称“灰色区域”（gray area）。 　　本文通过Z分数模型分析计算出国内创业板上市公司分值并排序，结合成长性、净资产收益率与资本成本等指标，从277家2创业板企业中筛选出财务风险企业26家。由于本文主要通过将风险公司与非风险公司相比较来探讨危机公司的困境特征，因此与财务风险企业相对的非财务风险样本选取采用配对样本设计方法，共选出26家非风险公司，配对原则如下： 　　同行业。对每个风险公司选择一个行业相近的非风险公司，主要是为了消除行业因素对研究结论的影响。因为一些统计资料以及研究结论表明，不同行业的财务指标有很大的差异。 　　规模相似。对每个风险公司选择一个资产规模相近的非风险公司（差异在10%之内），主要