对我国证券市场ST公司预测的实证研究，本文主要内容关键词为：实证研究论文,我国证券市场论文,公司论文,ST论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
引言
“ST”（Special Treatment，“特别处理”），是在股份有限公司正常上市与暂停上市之间的一种特别处理措施。作为一种证券市场监管手段，ST制度正式运用于我国股市始于1998年。1998年3月16日，中国证券监督管理委员会以“部门规章”的形式，发布了“关于上市公司状况异常期间的股票特别处理方式的通知”，要求上海证券交易所和深圳证券交易所根据证券交易所股票上市规则的规定，对状况异常的上市公司股票交易实行特别处理。
ST给上市公司带来了巨大的压力，要在证监会更严格的监控下，努力改善公司生产经营状况，以求摘去“ST”的帽了，恢复为正常上市公司；否则，将可能踏进更为“沉重”的“PT（特别转让）”家庭，进而面临摘牌的厄运。
成为ST的原因是上市公司出现了异常状况，要么财务状况异常，要么有其他异常状况。前者指的是“连续两年亏损”或“每股净资产低于股票面值”，后者指的是自然灾害、重大事故等导致公司的生产经营活动基本终止或者涉及可能赔偿金额超过本公司净资产的诉讼等情况。这些异常的状况不但会导致投资者对其发展未来难以进行合理的判断，而且可能成为成为“庄家”疯狂拉抬或打压股价的题材，因此可能会损害投资者的合法权益。所以，ST制度是为了保护投资者利益和建立投资者信心，以维护证券市场的整体秩序。从本质上说，ST制度就是将状况异常公司的股票交易的收益与风险的进行重新匹配（相对于正常的上市公司而言的）。
从ST的原因来看，“财务状况异常”具有一定的确定性，较容易预测，而“其他状况异常”具有相当的不确定性，难以预测。同时，就公司管理当局而言，他们可以获取到的有关本公司生产经营状况的信息比其他人更多更全面，对本公司的财务状况的了解也更清楚和更全面；对于广大投资者来说，财务报表是揭示企业财务信息的主要手段，投资者所做工的预测与决策在很大程度上是依赖于信息量有限的企业财务报表的。因此，通过对上市公司财务报表的分析，了解其财务状况，进而对其是否会“戴ST帽”作出预测。对广大投资者是有意义的，而ST制度建立的初衷就是从投资者的利益出发的。当然，这种预测也可被管理当局用于预防。我们认为，这种预测尤为重要，更有普遍性，并且具有现实意义。
文献评论
国外关于财务失败预测研究影响最广泛的是威廉·比弗(WilliamBeaver)的单一变量模型和阿尔特曼(Edward I.Altiman)的“Z-Score”模型。
比弗在1968年10月的《会计评论》上提出了单一比率模型，即利用单一的财务比率来预测企业的财务失败，这也是财务失败预测中进行的最早的研究。通过对1954年—1964年间79家失败企业和相对应的79家成功企业的比较，比弗的研究表明，下列财务比率对预测财务失败是最有效的：现金流量/债务总额，净收益/资产总额（资产收益率），债务总额/资产总额（资产负债率）。
美国财务专家阿尔特曼1968年提出的企业失败预测模型是采用五项财务比率的加权平均数来测试财务失败的。该模型主要针对股票上市公司，样本包括了1946年——1965年间提出破产申请的33家公司和同样数量的非破产公司。通过计算，该模型产生了一个总的判别分，称为Z值。Z值越低，企业发生财务失败的可能性就越大。同时确定了Z值的实际截止点用以判断。阿尔特曼将各种有关的比率合并成单一的预测指数，克服了单个比率内容有限、无法全面揭示企业财务状况的缺点。
另外的研究还有1972年艾得米斯特(Edmisterd)的小企业研究模型，迪肯(Deakin)的概率模型等等。1977年阿尔特曼等又提出了一种能更准确预测企业财务失败的新模型——“ZETA”模型，它包括了经营收益/总资产、收益稳定性、利息保障倍数、留存收益/总资产、资产流动率、普遍股权益/总资本和普通股权益/总资产这7项比率，但由于向企业提供这项服务是有偿的，他们并没详细介绍这一模型的具体操作方法。
我国学者在这方面的研究主要有，周首华、杨济华和王平在1996年的《论财务危机的预警分析——F分数模式》中建立的“供管理当局使用而又区别于传统的公司偿付能力分析的新的预测模式——F分数模式”，应用的是一种判定分析：多微区分分析(Multiple Discriminant Analysis)，但其研究对象却不是中国的证券市场。
陈静在1999年做的《上市公司财务恶化预测的实证分析》中，选取的样本只是我国证券市场中1998年被ST处理的27家上市公司，并界定其为财务失败的公司，在方法上借鉴了比弗、阿尔特曼的模型，同时还应用了判定分析。
在本文的研究中，我们根据我国ST公司的现状及研究条件的现状，适当借鉴了有关文献中的方法和程序，并应用了一些我们认为恰当的方法，对我国证券市场中ST公司进行了预测分析。
方法和程序
一、样本选取
截止1999年底，我国上海、深圳证券交易所中曾被宣布为ST的共有67只股票（包括A股和B股），58家上市公司（以下称为“ST公司”），其中，1998年27家，1999年31家。同时，我们另外同时选取了58家上市公司作为参照对象（以下称为“非ST公司”），选取的原则是：
1、同行业、同时期、同规模。“同行业”指的是属于同一行业的明细板块：“同时期同规模”指的是在ST公司被“特别处理”的最近一个会计年度的年度资产总额规模相当，即相差不超过10%。我们认为，这样的选取原则可以较好的满足可比性的要求。
2、满足样本时间性要求。为获得足够的数据进行比较分析，我们选取ST公司被“特别处理”的前3年作为样本的时间范围，这就要求样本必须具有一定的时间连续性和可比性。我们将1998年被ST的公司及其相对应的非ST公司列为“组Ⅰ”，而1999年的列为“组Ⅱ”。这就要求组Ⅰ中的公司1995－1997三年财务数据可得，组Ⅱ中1996－1998三年的财务数据可得。
受样本条件的限制，部分非ST公司样本难以同时满足上述两个选取原则，原则2是必须满足的，而对原则1的限制适当的加以放宽，即：10%的标准放宽至15%；若仍不行，则将“同明细板块”的条件放宽至“同行业中相近的明细板块”，如工业中的电子与电器明细板块。在最终研究所用的非ST公司样本中，完全满足选取原则的有45家，占78%（其中满足5%限制的有29家，占50%），满足放宽后原则的仅占22%。总样本116家公司如表1：
表1
总样本
ST公司非ST公司
ST红光 ST北旅ST峨眉 自仪股份 一汽四环 双环科技
ST嘉丰 ST通机ST辽物次
幸福实业 林海股份 青岛国货
组
ST双鹿 ST石劝业 ST渝钛山
上海港机 飞乐音响 锦化氯碱
ST粤海发
ST深华源 ST苏三山
西藏明珠 风华高科 九江化纤
ST高斯达
ST中浩A/B ST湘中意
济南百货 中科创业 大冷股份
Ⅰ
ST鞍一工
ST英达A/B ST辽房天
上工股份 世纪星源 深天地A
ST黄河科
ST深万山 ST长钢 大显股份 三木集团 本钢板材
ST农垦社
ST宝石A/B ST吉诺尔
江苏悦达 福地科技 TCL通讯
ST中川 ST海虹ST金泰B浙江中汇 深纺织A 成量股份
ST中纺机/B ST洛玻ST闽闽东
北人股份 北满特钢 岳阳恒立
ST水仙/B
ST郑百文 ST黔凯东
科利华
华联商厦 远东股份
ST东碳 ST深安达 ST南洋 海鸟电子 延边公路 宁波海运
组
ST松辽 ST深宝达 ST海药 厦门汽车 葛州坝
通化金马
ST金帝 ST中华A/B ST粤金曼
天宸股分 韶钢松山 中辽国际
ST琼华桥
ST华发A/B ST重仪 远洋渔业 深天马A 天宇电气
ST熊猫 ST深华宝 ST东海A/B 青岛海尔 中水渔业 武汉中百
Ⅱ
ST永久/B
ST琼能源 ST株庆云
上海邮通 中天企业 张家界
ST网点 ST粤富华 ST大洋 光彩建设 华桥城A 南京水运
ST渝万里
ST白云山 上海贝岭 丽珠集团
ST渤化 ST厦海发 南京中达 龙发股份
二、关键变量的确定
综合考虑企业的财务状况并结合成本效益原则，我们选取了以下6个财务比率作为研究变量：[①]
x[,1]＝流动比率＝年末流动资产/年末流动负债
x[,2]＝资产负债率＝年末负债总额/年末资产总额
x[,3]＝总资产周转率＝销售收入/年末资产总额
x[,4]＝总资产收益率(ROA)＝净利润/年末资产总额
x[,5]＝权益报酬率(ROE)＝净利润/年末所有者权益
x[,6]＝销售利润率（净利润率）＝净利润/销售收入
计算这些变量所需的数据，我们从中国人民大学出版的中国上市公司1999年报光盘数据库中获取。
选取这样一些财务比率作为分析的变量是基于以下考虑：
1、数据的可获得性。尽管影响企业财务状况的诸多因素中既有财务的也有非财务的，但从研究的广泛性和数据的可获得性来说，我们只应用财务比率进行分析。财务报表比率分析法是把财务报表中的一个或多个项目与其他项目进行对比，从而提示有关项目之间存在的逻辑关系，常常应用于评价一个企业的财务状况和经营业绩。许多财务比率指标被企业内外部使用者广泛用于经济决策。同时，这些比率可以较容易地从上市公司年度报告中获得（都是公开资料）并且是最为常见的。
2、变量的合理性。通常来说，不论是在企业财务分析理论中还是实务中，将涉及企业经营管理中经常使用的财务比率大致分为4类，即：流动性比率(liquidity ratios)、资本结构比率(capital structure ratios)、经营效率比率(operating efficiency ratios)和获利能力比率(profitability ratios)，应该说从这4个不同的角度可以较好、较全面地综合反映企业的财务状况。其中的流动性比率x1和资本结构比率x2分别考查了企业的短期偿债能力和长期偿债能力及稳定性，经营效率比率x3反映了企业资产的运转速度、考核企业利用经济资源的效率，获利能力比率x4、x5和x6反映的是企业的赚取收益的能力、亦直接影响到企业的财务状况。
三、分析步骤
1、由简到繁，我们首先考查单一财务比率对ST公司预测的有效性，即进行一元分析；然后在此基础上综合6个变量，进行多元分析。因为仅仅进行一元分析、使用单一比率未免太片面，有效性也受到一定的限制，故同时考虑多种财务比率以求全面揭示企业的财务状况。
2、多种方法的应用比较。正如前所述，我们借鉴了有关文献中较为广泛应用的方法，并尽可能的应用了一些我们认为恰当的统计方法，试图通过多种方法的应用、比较来得出各种方法的适用性、正确性程度。
我们利用SPSS统计软件进行分析。
分析过程及结果
一、一元分析
（一）统计描述
为研究方便，我们ST公司被“特别处理”的年份称为“0年”，则相应的将前3年、前2年、前1年分别称为“-3年”、“-2年”、“-1年”。首先，我们对样本中的ST公司与非ST公司分别计算-3～1年的6个财务比率，看看是否存在显著的差别，作出线型图（如图1至6）。同时这也为以后的分析打下了基础，因为只有总体上存在差别，ST组与非ST组才有区分的可能与必要。
从图1～图6中，我们可以看到，ST组与非ST组的财务比率总体上存在着显著不同：
(1)流动比率：ST公司的流动比率在3年间逐年下降，最高也不过-3年的1.84；而非ST公司的流动比率明显高于ST公司，-2年达到最高，为2.23.
(2)资产负债率：ST公司与非ST公司在-3年相差不多，之后“分道扬镳”，差距越走越大，ST公司加速上升，而非ST公司逐年下降。
(3)总资产周转率：ST公司与非ST公司在-3～-1年之间的差距几乎保持不变，非ST公司终高于ST公司0.3左右，二者在3年间的下降幅度很小。
(4)获利能力比率：ST公司与非ST公司在图4—图6中的走势基本相同。非ST公司的比率始终高于ST公司，且保持相对稳定，波动很小；而ST公司呈加速下降趋势，且幅度很大，其中尤以-2～1年最为剧烈。
（二）两分法测试将样本中所有的ST公司和非ST公司按不同的财务比率分别进行排序，选出使两组的误分率①最小、也即正确率最高的区分值，作为分割点。误分率的分析结果如表2。
表2
时间-3年 -2年 -1
误分率
流动比率
0.4655
0.3276
0.2069
资产负债率 0.4224
0.3103
0.1810
总资产周转率
0.3276
0.2845
0.2845
总资产收益率
0.1897
0.1638
0.0517
权益报酬率 0.2069
0.1724
0.0603
销售利润率 0.2931
0.1724
0.0690
可见，ST组与非ST组的财务比率不仅从总体上看存在显著不同，从个别来看亦然，并且在离宣布日越近的年份，其误分率越低。其中，总资产收益率和权益报酬率的正确性最高，销售利润率和总资产周转率次之，流动比率和资产负债率最低。也就是说，获得利能力指标在ST组与非ST组之间存在显著差别，而偿债能力指标的差别却不是很大。
（三）一元别分析
上述的两分法测试只是对单个的样本变量特征加以分析、比较、严格的说，也只是一种统计描述，证明了ST公司与非ST公司在各个财务比率之间存在显著的差别，误分率用于其他样本的预测效果如何仍不得而知。所以，在一元判别分析中，我们将116家公司随机分为2组，即估计样本组与检验样本组，各组均包括58家公司（既有ST公司又有非ST公司）。在分析方法上，我们对每财务比率单独进行分析：先对估计样本组进行两分法测试，得出其他割点，然后以此分割点来对检验样本组进行检验，得出实际的误分率，从中能体现出该发割点的预测判断能力。分析结果如表3。
表3
时间-3年 -2年 -1
误分率
流动比率0.5172
0.31030.2241
资产负债率 0.4655
0.37930.1897
总资产周转率0.3793
0.37930.2931
总资产收益率0.1897
0.15520.1034
权益报酬率 0.1724
0.12070.1207
销售利润率 0.2759
0.13790.1034
从中我们可以看出：
(1)在-3年，总的说来获利能力指标相对预测效果较好，总资产收益率、权益报酬率和销售利润率在正确率分别为81.03%、82.76%和72.41%，都在70%以上；而反映偿债能力的指标效果却不理想，流动比率和资产负债率的正确率仅在50%左右。由此看来，一个企业的获利能力对其长期发展来讲至关重要，不仅对本期、而且对以后各期均产生较大的影响，而偿债脂力，尤其是短期偿债能力针对的更是当前状况，反映的只是一“时点”状态。
(2)在-2年，各指标的预测能力较前期有所提高（除总资产周转率不变外），最好的仍是获利能力指标，预测能力在85%左右；同时，偿债能力指标预测效果提高较多，尤其是流动比率的判断能力增强了一半以上。可见，获利能力的重要性仍在延续，这与-3年的分析不谋而合；同时，偿债能力对财务状况不甚良好的企业来说也日益重要，一旦无力偿债、濒监资不抵债的边缘，出现ST特征的异常状况也就显得“顺理成章”了。
(3)在-1年，除权益报酬率不变外，各指标的预测能力进一步上升，获利能力仍为最优。
纵观3年的分析，随着ST年份的临近，各指标的预测能力也有不同幅度的提高，最为显著的是偿债能力指标，流动比率上升至1.6倍、资产负债率上升至1.5倍；而获利能力与资产利用效率指标只提高了10%左右。但是，预测能力最好的始终还是获利能力指标。这两点与现实中企业的生产经营状况也是相吻合的；获利能力的改变不是一朝一夕的，它平衡而持久的对企业的财务状况产生影响；而偿债能力反映时点状态，相对作用时期较窄，而影响力度随其状况的不同而呈强弱不同的变化。
由于企业的经营是持续不断的，仅用单年份的财务比率进行分析是否会过于片面？为了证实我们的想法，我们以-3～1年3年平均和-2～-1年2年平均的财务比率重复上述过程，得出的结果如表4。
表4
时间 3年平均 2年平均
误分率
流动比率 0.3966 0.4138
资产负债率0.3621 0.2931
总资产周转率 0.3448 0.2414
总资产收益率 0.0690 0.0172
权益报酬率0.0690 0.0345
销售利润率0.0690 0.0172
不难看出，就预测能力而言，获利能力仍保持其领先地位，正确率均高达90%以上，与表3中单年份的结果相比，获利能力比率和资产利用效率比率均更优，而偿债能力比率却不及-1年。这一点与以上的分析也是吻合的：通过将几年平均，获利能力比率和资产利用效率比率反映企业的状况更为真实，故预测能力好于单年份；偿债能力比率的“时点性”使其经平均之后，淡化了其“时点”特征和“紧迫”特征，故预测能力反不如前。
二、多元分析
（一）主成分分析(Principal Components Analysis)
主成分分析也称主分量分析，是由Hotelling于1937年首先提出的。主成分分析利用降维的思想，把多指标转化为少数几个信息指标，即主成分，计算出的主成分得分Fi衡量了每个样本在第i个主成分所代表的方面的程度和地位，然后以此构造出综合评价函数F。
我们通过主成分分析，构造出综合评价函数F，并计算出各个公司的F值，称为“得分F”，它综合了6个财务比率，就该说反映了企业的综合财务状况。接着，再以得分F为变量重复上述一元判别分析的过程，并期望预测能力有所提高。因为主成分分析具有如下优点：①全面性，综合评价所确定的所有经济指标，克服片面追求个别经济指标而忽略全面经济指标的倾向；②合理性，综合评价函数F是各综合因子y1、y2…y[,m]的线性组合，F=a[,1]×y1+a[,2]×y2+…+ai×yi，组合中各因子的权数ai是根据yi的贡献率的大小确定的，越重要的相对应具有越大的权数，这就克服了人为确定权数的缺陷，使得综合评价结果唯一，而且客观合理。根据得分F测试的误分率的分析结果如表5。
表5
-3年-2年-1年3年平均
2年平均
0.2069 0.1034 0.0690.0517
0.0862
从表中可以看出，预测的正确率除-3年较低(79.31%)外，其他年份均在90%左右，且波动不大。可见，这种通过主成分分析构造比综合得分F的方法可较好的反映出企业的综合财务状况，预测ST公司的能力也较好；同时，这种预测能力也较为稳定，应用企业近2、3年的财务比率来预测效果相差不大，并不因年份的不同而呈现显著不同。所以，我们认为，由于主成分分析方法可以更全面、更综合的反映企业的财务状况，故较之任何单一比率分析更为有效。
（二）回归分析(Regression Analysis)
在上述主成分分析方法中，需要将所有公司样本加以分析才可得出综合得分F，这在现实中应用时往往较为繁琐、工作量较大。出于这种考虑，我们以得分F为因变量，原始数据即各财务比率为自变量，假定因变量与自变量之间呈线性关系，利用多元回归分析构造出K函数。然后，根据计算出的K值，将所有样本进行排序，利用两法测试，找出使误分率最小的区分值作为判断点。这样，在实际应用中，只需计算出K值，并将其和判断点相比较，即可作出判断。而在主成分分析方法中，需将待判断样本放入原样本分析，得出各因子得分后，才可计算出综合得分F，显得较为繁琐。
这种方法分析的误分率和判断点结果如表6。
表6
-3年 -2年 -1年 3年平均 2年平均
k值判断点 -0.010689 0.053694 0.021690 -0.047213 -0.022010
误分率 0.22410.1552
0.10340.0690 0.0776
从上表中我们可以看到，运用K值预测的正确率最低为78%左右，最好达到90%以上，平均在85%以上，效果还不错。但是，由于经过回归分析，使计算的K值与真实得分F有所差异，故预测能力稍逊一筹（从表6与表5的对比即可看出）。从本质上讲，K值是得分F这一实际值的预测值。
（三）判别分析(Discriminant Analysis)
判别分析多用在社会、经济、管理等领域的研究中，对某一研究对象的归属作出判断，应用性较强，判别分析是对K个总体G1G2…Gi建立一个准则，对给定的任意一个样品X，依据该准则判断它来自哪个总体。
我们利用SPSS统计软件中的判别分析，根据样本建立判别函数W，再利用该函数对样本进行回判，得出误分率的分析结果如表7。
表7
-3年 -2年 -1年 3年平均2年平均
0.2414
0.10970.1034 0.0776 0.0345
从表中我们可以看到，判别分析方法的判断能力较好，均大于75%，且随着年份的临近、正确性逐步提高，最好达到90%以上。
总结与讨论
一、总结
我们利用上市公司年报得出的财务比率，对我国证券市场中ST公司的预测问题作了探讨。综合上述各种方法，我们得出如下结论；
(1)随着ST时间的推近，越靠近ST年份，ST公司和非ST公司之间财务比率的差异越大，因此各种方法的预测效果也越好。
(2)平均比率的应用，效果较好。在上述分析中平均比率的判断正确率归纳如表8。
表8
流动 资产负 总资产 总资产 权益
销售判别
比率
债率 周转率 收益率 报酬率 利润率 得分F K值
分析
3年平均 60.33% 63.79% 65.52% 93.10% 93.10% 93.10% 94.83% 93.10% 92.24%
2年平均 58.62% 70.69% 75.86% 98.28% 96.55% 98.28% 91.38% 92.24% 96.55%
就平均比率的预测能力而言，除流动比率、资产负债率不及-1年外，其余方法下均高于单年比率。
(3)获利能力比率的预测效果较之其他比率较好，这说明获利能力对企业而言是至关重要的，这在前面已做了阐述。
(4)多元分析优于一元分析。由于多元分析方法综合了多个变量，更为综合的反映了企业的财务状况，因而预测能力较强，稳定性较好。
(5)上述一元、多元几种统计方法的使用与分析说明，从一定程度上讲，预测与判别ST与非ST公司是可能的。在我们的测试中，有些情况下预测的准确率高达90%以上，但贵在几种方法的结合应用，且强调几种方法判断结论上的协调一致。
我们所选用的方法和程序的如下特点，可以较好的支持我们的结论：
(1)所选用的财务比率从不同角度反映了企业的生产经营管理状况。同时，这些比率极易从企业的年度财务报表中获取，因而较具有实务上的可操作性。
(2)样本选取原则合理，且大部分样本完全满足了我们设定的严格要求。
(3)所进行分析的比率包括了-3～-1年3年的数据，同时，对3年平均、2年平均的比率亦加以分析，使问题的分析更为全面。实践也证明，这种平均比率分析的效果较好。这是一种尝试，也是一种改进。
(4)所选用的统计方法多样。对于企业财务失败的预测在国际上至今尚元一个广泛认可的模型，对于我国证券市场中ST公司的预测更是如此。因此，比较明智的做法是，把几种方法综合起来应用。
二、讨论
在我们的研究中，由于资料的获取等原因，在方法、程序上还存在某些不足，有些问题还有待于进一步探讨。
1、样本的选取
我国从1998年3月开始正式实行ST制度，截止目前也不过3年。而由于难以全面获取到上市公司1999年度财务报告的有关数据，我们只好把ST样本公司的时间范围限于1998和1999年被宣布为ST的公司，样本容量有限。2000年，也即今年最新被宣布为ST的公司未包括在内，究竟对2000年样本的适用性如何，有待探讨；而随着样本数量的增加，统计结果会否发生变化，也须进一步证实。
2、变量的选取
(1)我们所选用的财务比率中未涉及有关现金流量方面的比率。由于所分析的数据早至1995年，而我国会计准则中要求企业编制现金流量表始于1998年，因此，这方面的资料难以完全获得，故未考虑现金流量方面的比率。
(2)出于简化的考虑，我们对所计算的部分财务比率进行调整，如将总资产收益率中的分母用末资产总额代替年内平均资产总额。
(3)我们对所计算出的财务比率中的一些异常值未特别以处理，也就是说，分析所用的比率皆直接由上述公式计算而得。例如，某些ST公司的净利润为负，但获利能力的比率却为正，甚至大于好些非ST公司，原因在于其年末所有者权益或年内销售收入为负，本来这种获利能力应“垫底”才对，但在分析中却不然，只是按数值大小排列。我们接受了这种财务比率分析所固有的局限性，并未在研究中加以“特别处理”。
3、误分类的成本
在我们的研究中，选择的分割点使误分率最小。这其中包括第Ⅰ类错误（将实际ST公司误测为非ST公司）和第Ⅱ类错误（将实际非ST公司误测为ST公司），我们对这两类错误的成本视为相同，而实际上第Ⅰ类错误的成本要高于第Ⅱ类错误。
4、ST的原因
如前所述，上市公司戴“ST”帽的原因分为财务状况异常和其他状况异常，而其中的具体原因又是更加多样的。简单归类如表9。
表9
组Ⅰ
组Ⅱ合计
ST公司数 占百分比
ST公司数 占百分比
ST公司数 占百分比
财务状异常14
51.85%
25 80.65%
39 67.24%
其中：连续亏损2年 6
22.22%
12 38.71%
18 31.03%
每股净资产＜股票面值
5
18%52%7 22.58%
12 20.69%
同时并发
3
11.11%6 19.35%9 15.52%
其他状况异常 13
48.15%6 19.35%
19 32.76%
总计 27 100%
31
100%
58
100%
可见，其中的财务状况异常占大多数，故我们未分ST原因的加以分析，也未将“其他状况异常”的样本排除在外。但我们相信，若以“财务状况异常”样本来重复以上分析，效果有可能更好。因为“其他状况异常”本来就比“财务状况异常”更难以预测。
5、ST的时间
我们并未将组Ⅰ、组Ⅱ分别进行分析，即未区分ST的时间，这其中是否会由于其他一些原因对上市公司产生影响，我们未加以研究。同时这也是考虑到若分别分析，各组中的样本规模将较小。
6、其他特征
对于ST公司样本组的其他特征，例如行业因素（工业、商业、房地产业、公共事业、综合等）是否会对预测产生影响，我们并未加以分析；尽管工业类公司占55.17%，我们也未对其单独讨论。而ST公司嗣后的“命运”也是有所不同的，有的甩掉了“ST”这顶沉重的帽子，有的仍然顶着，有的却陷入“PT”家庭。我们认为，对这样一些特征加以分析也是很有意义的，但囿于样本规模的限制，目前还尚不可行。
总之，尽管上述分析存在种种局限性，但在一定程度上对于我国证券市场中ST公司的预测还是有效的，具有现实意义。当然，我们也期待能有一种被广泛认可的、简单而有效的预测方法，但是在目前，比较“明智”的做法还是把多种变量、几种方法综合起来应用。
标签：财务状况分析论文; 财务比率分析论文; 预测模型论文; 比率分析法论文; 样本容量论文; 资产负债率论文; 能力模型论文; 财务预测论文; 流动比率论文; st论文; st股票论文;