上市公司财务预警模型初探，本文主要内容关键词为：公司财务论文,模型论文，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
目前，国际上对上市公司财务危机进行预警的方法主要是美国学者奥特曼的“Z记分法”。该方法首先从上市公司财务报告中计算出一组企业财务危机程度的财务比率，然后根据这些比率对财务危机警示作用的大小给予不同的权重，最后进行加权计算就得到一个企业的综合风险总判别分Z，将其与临界值对比就可知企业财务危机的严重程度。我国一些学者也尝试用“Z记分法”对我国上市公司的经营风险进行了实证研究（注：向德伟，《运用“Z记分法”评价上市公司经营风险的实证研究》[J]，《会计研究》，2002年第11期。）。然而，由于“Z记分法”在模型建立时采用的是美国的数据以及美国的判别标准，其他国家不一定完全适用，如果从本国的实际出发选择数据并建立模型，或许会有更好的预警效果。本文正是从这一思路出发，利用多元统计分析方法，结合我国上市公司的实际数据，初步探索建立了一个上市公司财务预警模型，并将其预警效果与“Z记分法”作了粗略对比。
一、预警模型的建立
（一）研究样本的选取
研究样本是从核新软件的同花顺中的ST板块中取出10个ST上市公司（其中有四家公司是*ST），从大盘股板块取出10个正常上市公司（注：上市公司名称以2005年4月5日数据为准。在10家正常公司中，有三家公司是今年取掉ST的，它们是锦州港、亿安科技和深物业A。）。各个公司的财务数据是从上市公司在其上市证券所公布的年度报告中取得。为保证数据在时间上有可比性，各公司的年度报告都为2004年（注：到2005年4月5日为止，还有不少公司未提供2004年的年度报告，因此在选取样本公司时未采用随机抽样，同时样本公司的数目也取得较少。）。
在20家上市公司的研究样本中，把它们随机分为两组：估计样本组10家（5家正常公司和5家ST公司），测试样本组亦为10家（5家正常公司和5家ST公司），研究样本见表1。
（二）财务指标的选择和计算
选择财务比率指标的原则，一是要具有全面性，应反映出上市公司盈利能力、偿债能力、营运能力和成长能力等四个方面的财务状况；二是要具有有效性，即要选择那些能够对预测上市公司财务危机有指示作用的重要的财务比率；三是要具有同趋势性，即当财务比率增大时，表示财务状况的改善，反之财务比率减小时，表示财务状况的恶化。
表1 研究样本
估计样本组 测试样本组
ST公司 正常公司ST的公司 正常公司
ST珠峰 方正科技ST博讯上海机场
ST长控 国电电力*ST永生
华北高速
*ST中燕 粤高速A *ST广夏
招商银行
ST民丰 锦州港 ST黑豹巴士股份
*ST光明 深物业A ST渝万里 亿安科技
根据以上原则，并在借鉴国内外财务预警模型选取指标方法的基础之上，本文选取了以下八个指标作为建模的指标：
1.流动比率二流动资产／流动负债，主要反映了上市公司的偿债能力；
2.总资产增长率＝（本年总资产－上年总资产）／上年总资产，主要反映了上市公司的成长能力；
3.资产利润率＝利润总额／总资产，主要反映了上市公司的盈利能力；
4.利息保障倍数＝（利润总额＋利息支出）／利息支出，同时反映了上市公司的盈利能力和偿债能力；
5.累计盈利能力＝留存收益／总资产，反映了上市公司全部资产中，来自留存收益部分的比重，因为留存收益的多少可以代表公司的信用历史，所以该指标主要反映了上市公司的盈利能力；
6.资本积累率＝（本年股东权益－上年股东权益）／上年股东权益，主要反映了上市公司的成长能力；
7.股本权益比率＝股东权益人／总资产，主要反映了上市公司的偿债能力；
8.总资产周转率＝营业收入／总资产，主要反映了上市公司的营运能力。
以上各指标与其反映的能力成正比。
（三）主成分分析及模型
对估计样本组上市公司的财务数据，运用SPSS统计软件进行主成分分析，得以下结果：
表2 主成分特征值与贡献率
Component
Initial Eigenvalues Extraction Sums of Squared Loadings
Total
% of Variance Cumulative %Total % of VariaficeCumulative %
1 3.346 41.825 41.8253.346 41.825 41.825
2 1.741 21.765 63.5901.741 21.765 63.590
3 1.269 15.858 79.4481.269 15.858 79.448
4 0.929 11.607 91.0550.929 11.607 91.055
5 0.524
6.550 97.605
6 0.107
1.336 98.941
7 0.082
1.027 99.968
8 0.003
0.032 100.000
Extraction Method:Principal Component Analysis
取累计贡献率91.055%，即取4个主成分代替原来的8个财务指标。这4个主成分包含原来指标信息的91.055%，信息包含的还比较全面，所用指标却大大减少。
从表3可以知道各主成分关于原始财务指标的线性表达式：
＝-0.009×流动比率＋0.018×总资产增长率＋0.284×资产利润率＋0.269×利息保障倍数＋ 0.277×累计盈利能力＋0.087×资本积累率＋0.210×股本权益比率＋0.131×总资产周转率
＝-0.421×流动比率＋0.338×总资产增长率＋0.034×资产利润率＋0.023×利息保障倍数＋ 0.006×累计盈利能力＋0.427×资本积累率-0.315×股本权益比率＋0.011×总资产周转率
＝0.513×流动比率＋0.497×总资产增长率－0.221×资产利润率＋0.236×利息保障倍数－ 0.262×累计盈利能力＋0.177×资本积累率＋0.085×股本权益比率＋0.258×总资产周转率
＝-0.022×流动比率－0.413×总资产增长率－0.078×资产利润率－0.074×利息保障倍数－ 0.017×累计盈利能力＋0.057×资本积累率－0.319×股本权益比率＋0.888×总资产周转率
根据表3中各个主成分的贡献率，可以得到主成分预测函数为：
表3 因子得分系数矩阵
Component
1
2
3
4
VAR00001
-0.009-0.421
0.513 -0.022
VAR000020.018 0.338
0.497 -0.413
VAR000030.284 O.034 -0.221 -0.078
VAR000040.269 0.023
0.236 -0.074
VAR000050.277 0.006 -0.262 -0.017
VAR000060.087 O.427
0.177 0.057
VAR000070.210-0.315
0.085 -0.319
VAR000080.131 0.011
0.258 0.888
Extraction Method:Principal! Component Analysis.Component Scores.
将样本组上市公司的各项财务指标代入上面的式子，计算得到各估计样本组公司的预测分值，按预测分值Y从高到低予以排序后结果如表4。
表4 估计样本组上市公司的预测分值
出于预警的目的，将预测分值Y按其大小划分三个区间：正常区、预警区和危机区。从表5可以得到Y的临界值约为：0.25、0.10。即当Y值小于0.10时，Y属于危机区，认为是即将出现危机的上市公司；当Y值大于0.25时，Y属于正常区，认为是正常的上市公司；当Y值在0.10和0.25之间时，Y属于预警区，认为该上市公司可能会出现“异常状况”，需要发出预警，或者该公司即将摆脱危机，应该关注。
综上所述，我们得到的主成分预测模型为：
若y≥0.25——正常的上市公司；
若0.10＜Y＜0.25——需要预警的上市公司；
若y≤0.10——即将出现危机的上市公司或即将摆脱危机的上市公司。
二、预警模型的实证检验
为了检验上面建立的预警模型的预警能力，下面将测试样本组10家上市公司先按照上面得到的模型计算各主成分
数据，然后计算预测分值Y并进行排序，最后将得到的预测分值与临界值0.10、0.25比较并做出判断。检测结果显示：5家正常类上市公司有5家判断正确，准确率为100%；5家ST上市公司有4家判断正确，准确率为80%；以上全部10家测试公司共有9家判断正确，准确率90%。进一步加入估计样本组20家上市公司后，可以看出：20家上市公司中，10家正常类上市公司全部判断正确，准确率为100%；10家ST上市公司有9家判断正确，准确率为90%；全部20家上市公司中共有19家判断正确，准确率95%。见表5和表6：
表5 测试样本组上市公司的预测分值
表6 判别分析的分类结果
预期分类结果 分类正确率总计
危机发生情况正常 预警 危机
估计样本正常 32 0
100%
100%
实际分类状况
危机 01 4
100%
测试样本
正常 50 0
100%90%
危机 12 280%
注：正常类和危机类上市公司被列入预警区域均视为准确判断。
三、与“Z记分法”的比较
“Z记分法”的判别函数如下：
式中：＝营运资金／总资产＝（流动资产－流动负债）／总资产；
＝留存收益／总资产＝（未分配利润＋盈余公积金）／总资产；
＝息税前利润／总资产；
＝资本市值／总负债；
＝主营业务收入／总资产；
Z临界值的具体情况如下：
Z计分值短期出现破产的概率
1.8以下存在严重危机的上市公司
1.8～2.8处于预警区的上市公司
2.8以上正常的上市公司
以下是用测试组上市公司的数据计算出的Z值：
表7 测试组上市公司的Z值
表8 判别分析的分类结果
预期分类结果分类正确率总计
危机发生情况正常 预警 危机
测试样本正常4 0 1
80%70%
危机2 1 2
60%
注：正常类和危机类上市公司被列入预警区域均视为准确判断。
对比表8和表6的判别结果，可以看到，“Z记分法”的判别效能较本文建立的多元分析模型要差一些。对于两个模型判别结果的差异，本文认为，由于各国的具体情况不同，其他国家在运用“Z记分法”时，不一定要用美国的模型，而是按照“Z记分法”的建立过程从本国的实际出发选择数据并建立模型。
四、结束语
从上面的实证检验和模型的对比结果来看，该预警模型的效果不错，能够比较准确地预测上市公司的财务状况。如果将该模型运用到股市中，对投资者选择投资对象和上市公司预测公司财务状况将有一定的帮助。
在将该模型运用到股市时，应该尽可能的将最新的数据带入到模型的公式中，以取得最新的判别值，还要将最新值与以前的判别值进行比较，从而了解上市公司整体的财务状况变动情况。
虽然该模型预测效果比较好，但是从模型的建立过程来看还是存在着一些问题，在具体运用前还要相应调整。总的来说，这些问题主要是由于数据缺乏所造成的。为了检验模型是否真的有效，应该用多年、多样本数据进行检验。