上市公司财务危机预警模型的实证研究，本文主要内容关键词为：上市公司论文,模型论文,实证研究论文,财务危机论文，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。
一、引言
关于上市公司财务预警研究，国内外学者曾建立过多个预警模型，但这些模型的建立都是以公司财务数据是真实的为假设前提。然而由于我国《公司法》中所规定的ST、PT制度，将会对一些上市公司本身及其股东、管理层和有关部门产生显而易见的影响。可以推测在这种情况下，他们为了实现自身效用的最大化，会竭尽全力采取种种盈余管理手段，以避免出现亏损或连续亏损三年的情况。所以，在建立预警模型时如果不考虑财务数据的真实性，就会降低模型的判别率。根据陆建桥（1999）的研究表明，为了避免公司出现连续亏损三年而受到证券监管部门的管制，亏损上市公司在首次出现亏损的前一会计年度会做出调整收益的应计会计处理。因此，本文将在此基础上研究探讨如何调整失真的财务数据，并检验运用调整后的财务数据建立的预警模型是否会提高判别率。
二、财务困境公司操纵会计信息常用的手段及调整失真的财务数据方法
财务困境公司最常用的会计选择是故意夸大公司的盈利。根据近年来一些研究人员的研究发现和对公司可能采取操纵净收益指标的手段的分析，财务困境公司可能采取以下手段，并且这些手段可能导致相应的一些财务指标出现异常：
（1）通过非营业活动提高净利润。包括诸如出售资产、出售投资、改变投资的核算方法等提高营业外收入或投资收益等活动。所涉及到的财务指标有营业外收入占利润总额的比重、投资收益占利润总额的比重和营业利润占利润总额的比重。营业利润占利润总额的比重越高，说明企业靠经营正常业务取得利润的比例越高，在一定程度上说明企业的净收益的质量较好；由于投资收益和营业外收入较易受到人为的操纵，因此这两部分的比例越大，企业净收益指标被认为操纵的可能性越大。如果上市公司存在利用非正常经营业务调整利润的现象，则从总体上看，这些企业的营业外收入或投资收益占利润总额的比例可能较一般公司高一些，而营业利润占利润总额的比例相对低一些。
（2）通过虚假销售、提前确认销售或有意扩大赊销范围调整利润总额。这些销售无法取得现金，因此当企业出现这些现象时，应收账款的占用就会增加，表现在财务指标上，一方面体现为应收账款占流动资产的比重增加，另一方面还可能体现为应收账款周转率的减小。如果这种方法成为企业普遍采用的调整利润的方法，从总体上看，这类企业的应收账款占流动资产的比重就会高于一般企业，而应收账款周转率则会低于一般企业。
（3）对已经发生的费用或损失推迟确认。当企业采用推迟确认费用或损失时，企业挂账的费用就会上升，导致资本化的费用比例升高，例如待摊费用，递延资产、无形资产以及类似的其他长期资产。如果人为操纵净收益的企业存在利用推迟确认费用或损失的做法，与这些资本化费用有关的财务指标就有可能出现异常，如待摊费用占流动资产的比重、无形资产及其它资产占流动资产的比重等。
（4）利用关联交易调整利润。如果这种现象在操纵净资产收益率的企业中比较普遍，就会在这些企业的关联交易额占销售收入或销售成本的比例上体现出差异，并且应收账款中关联方的应收账款比重较大。但是由于上市公司对关联交易披露的不规范性，投资者较难从财务报表和报表附注中采集出关联交易的详细数据，因此，选择分析其他应收款指标占流动资产比重作为判断是否存在利用关联交易调整利润的指标。其他应收款体现企业与正常经营业务无关的有关各方的资金往来，在某种程度上可以反映企业与关联方的资金关系，比如出售投资给关联方后应收回的款项等。其他应收款占流动资产的比例大，说明企业与关联方可能存在比较密切的联系，利用关联方调整利润的可能性也较大。
根据以上分析，可以看山营业利润/利润总额、投资收益/利润总额、营业外收入/利润总额、应收账款/流动资产、应收账款周转率、待摊费用/流动资产、无形及其他资产/流动资产和其他应收款/流动资产这八个指标在操纵财务指标的公司可能会出现异常，因此在建立预警模型前应按照如下方法对其进行调整：
（1）分别计算亏损公司的八项指标和同行业这八项指标的均值和标准差；
（2）就营业利润/利润总额和应收账款周转率这两项指标而言，若亏损公司的指标值大于行业的（均值±标准差），则不对其进行调整，反之亦然；
（3）对于投资收益/利润总额、营业外收入/利润总额、应收账款/流动资产、待摊费用/流动资产，无形及其他资产/流动资产和其他应收款/流动资产这五个指标而言，若亏损公司的指标值大于行业的（均值±标准差），则将其调整为均值，反之亦然。
三、研究样本的选择及描述性分析
（一）研究样本的选择
本文的研究样本选自2000年度沪深交易所的上市公司。样本A1：2000年沪深交易所首次出现亏损的上市公司。根据汇智网的资料，2000年沪深交易所首次亏损公司数目为51家，排除上市不足两年的3家公司后，最终得到了48家亏损上市公司作为样本A1。
样本A2：与样本A1相同行业、相同资产规模的盈利公司。选取的原则是：（1）确定样本A1中每家亏损公司所属行业及其第一次出现亏损前一年末的资产总额；（2）在沪深交易所A股盈利公司中选取与亏损公司同行业的公司；（3）在与每家亏损公司隶属行业相同的盈利公司中最终选取亏损前一年度与亏损公司资产总额相近（最为接近）的那家公司作为控制公司。这样得到了48家盈利公司。
样本A3：调整1999年财务数据后的2000年沪深交易所首次出现亏损的上市公司。根据对财务困境公司会计信息非对称的分析以及对财务指标所采用的调整方法，对样本A1中的48家亏损公司1999年的8个指标进行调整，最终得到样本A3。
根据上述三个样本及其各年财务指标，本文将建立两个预警模型：
模型A：根据未经调整的首亏公司亏损前一年财务指标而建立的模型。所采用的样本为A1、A2。
模型B：根据经过调整后的首亏公司亏损前一年财务指标而建立的模型。所采用的样本为A3、A2。
（二）样本描述性分析
1.行业与规模的描述性分析
对样本进行行业分布的描述性分析，可以反映出财务危机的行业特征。样本A1的行业分布见表1由于样本A2是与样本A1同行业同规模的上市公司，故其行业分布应与样本A1相同，不再重复进行分析：
表1 样本A1行业分类
从表1可见，出现财务危机的48家样本公司分布在10个行业范围内，其中制造业所占比重量大，达到58.33％，接下来是综合类公司和信息技术业公司所占的比重较大。
样本A1的资产规模描述性统计分析，见表2：
表2 样本A1资产规模分布
从资产规模来看，出现财务危机的样本公司中，资产规模最大的是石炼化，1998年的资产规模达到2844349万元，最小的是ST同达，1997年的资产仅达到8376万元。出现财务危机公司的整体平均资产规模为167560万元。对出现财务危机的样本公司的资产规模进行区间划分，并统计样本发生的频率发现，出现财务危机公司的资产规模多处于10000万元—200000万元之间，并随着资产规模的扩大频率密度集也有所下降，这与公司规模大，抗风险能力强的理论相一致。
2.样本A1和样本A2财务指标均值的比较分析
根据样本中上市公司的1997年—2000年年报数据，计算主要财务指标的均值，结果表明样本A2（盈利公司）的财务状况要明显好于样本A1（财务危机公司），尤其在首次亏损的前一年。这些财务指标均值的具体分布特征如下：
（1）财务危机公司的利润构成主要来自于投资收益和营业外收支挣额等非经常性损益。对比A1（财务危机公司）和A2（盈利公司），可以发现A1（财务危机公司）前三年的投资收益和营业外收支净额都要高出A2（盈利公司），而在利润总额、主业利润、其他业务利润三个指标方面，A2（盈利公司）均优于A1（财务危机公司）。
（2）在判别A2（盈利公司）与A1（财务危机公司）的财务差异时，偿债能力和经营能力指标有着中长期的判别作用，而盈利能力、现金流指标和成长性指标的短期判别能力强。将A2（盈利公司）优于A1（财务危机公司）的财务指标按其均值分布的特征分为两类，一类是在前3年中A2均值一直高于A1均值，两条均值线不相交的指标，多集中在反映偿债能力和经营能力的两组指标中；另一类是A2均值与A1均值的两条均值线有相交，但在前一年A2均值明显高于A1均值，这些指标多集中在盈利能力、现金流指标和成长性指标三个方面，这反映出不同类别的财务指标，其长期和短期判别能力有所差异。
四、预警指标的筛选
（一）预警指标的选择
导致企业出现财务危机的原因是复杂的，而各种导致危机的因素都将直接或间接的在资金运动的晴雨表——一些敏感性财务指标的变化上反映出来。因此，本文分别从偿债能力、盈利能力、经营能力等6个方面筛选了34个指标，作为构建财务危机预警模型的预选指标。具体见表3中指标名称栏。
（二）根据显著性对指标进行选择
分别对样本A1、A3从1997年至1999年的财务指标进行T检验，在5％的概率范围内，根据T检验的P值大小，按照亏损前一年显著或连续两年显著的原则，分别筛选出23个财务指标作为建立预警模型A的初始输入变量；21个财务指标作为建立预警模型B的初始输入变量。（所选指标见表3）
表3 财务指标对照表
（三）指标变量的进一步筛选及多重共线性检验
表4 回归模型估计及检验结果（t-1）年
表5 回归模型估计及检验结果第（t-1）年
模型A：将显著性分析中呈现出的23个变量作为建模的初始变量，在Logistic回归中选用逐步排除法选择模型变量，对亏损前3年的样本数据依次进行回归，从23个变量中选择若干变量，筛选结果：第（t-1）年为X3、X8、X31、X34；第（t-2）年为X8、X9；第（t-3）年为X13、X21。在此基础上最终选取了X3、X8、X9、X13、X21、X31、X34等7个指标作为多元判定分析的变量。
财务指标大多存在着多重共线性的问题。为减弱变量之间的共线性程度，需对选定的7个变量进行多重共线性检验。检验结果表明，各指标之间的相关系数均小于0.5。由此可见，上述7个指标之间不具有显著的相关性，即它们之间的信息重叠比较少，所选择的指标符合既相互独立又相互补充的要求。
模型B：采用与预警模型A指标变量筛选相同的方法，最终选取了X3、X8、X9、X21等4个指标作为多元判定分析的变量。且上述4个指标之间不具有显著的相关性，即它们之间的信息重叠比较少，所选择的指标符合既相互独立又相互补充的要求。
五、预警模型的建立及预警效果分析
（一）预警模型的建立
1.财务预警模型A的建立
利用SPSS统计分析软件，根据上述选定的7个变量及其财务危机前一年的样本数据，进行Logistic回归分析，得到模型的估计结果。
据此可得到第（t-1）年财务预警模型方程（A）（发生财务危机的条件概率）为：
2.财务预警模型B的建立
利用SPSS统计分析软件，根据上述选定的4个变量及其财务危机前一年的样本数据，进行Logistic回归分析，得到模型的估计结果。
据此可得到第（t-1）年财务预警模型方程B（发生财务危机的条件概率）为：
（二）模型预测效果分析
模型B是否优于模型A，这需要通过实证来检验。现在，利用建立的模型来预测2001年首次出现亏损的上市公司，将模型A的预测结果与模型B的预测结果进行对比来检验模型B是否优于模型A，具体步骤如下：
第一，将所有2001年首亏公司的2000年原始财务数据分别代入预警模型计算亏损概率；
第二，将计算得到的亏损概率与判别点比较，如果大于判别点则预测为亏损，否则认为盈利；
第三，将所有预测亏损公司与2001年真正亏损公司比较，计算得到模型的预测正确率。
经过实证分析，得到结果如下：运用模型A预测出2001年首亏公司为72家，正确率为72.73％，运用模型B预测出2001年首亏公司为75家，正确率为75.76％（2001年实际首亏公司共99家）。通过以上分析可以看出财务危机预警模型B的正确率要好于财务危机预警模型A。
六、结论
从上面的实证结果可知，由于上市公司首亏前一年会进行盈余管理而导致财务数据失真，采用调整财务数据后建立的财务危机预警模型对未来事件的预测率比采用原始数据建立的财务危机预警模型的预测率要好。所以，在建立财务危机预警模型时，采用本实证方法可以在一定程度上避免上市公司对财务数据的粉饰，从而提高预警模型的应用价值。
标签：财务指标论文; 财务预警论文; 预测模型论文; 样本均值论文; 财务预测论文; 企业资产论文; 模型公司论文; 投资收益论文; 利润总额论文; 投资论文; 财务分析论文;