1.1  選題背景及研究意義

伴隨著信息技術的飛速發(fā)展，經(jīng)濟全球化已然成為一種大的發(fā)展趨勢，這給我國企業(yè)帶來了良好發(fā)展機遇的同時，也帶來了趨于白熱化的國內(nèi)外競爭、行業(yè)競爭和企業(yè)競爭。我國企業(yè)若想在經(jīng)濟全球化浪潮中立于不敗之地，必然要經(jīng)受住全球化所帶來的嚴峻挑戰(zhàn)。 在國內(nèi)外環(huán)境不斷變化過程中，企業(yè)為實現(xiàn)自身價值最大化，一般會不斷擴大經(jīng)營規(guī)模，開辟新市場，爭取更多市場份額。為此企業(yè)需要進行融資、投資、資本運營、成本控制及股利分配等財務管理活動。經(jīng)營管理者若能協(xié)調(diào)好這些活動，通常會使企業(yè)穩(wěn)步發(fā)展，否則企業(yè)有可能被活動本身所帶來的各種風險所影響甚至陷入財務危機。 歷史上因財務狀況異常而導致的企業(yè)失敗的例子不勝枚舉。擁有 233 年歷史、總投資59 億英鎊的老牌銀行--巴林銀行在 1994 年底稅前利潤仍為 1.5 億美元，但在次年三月份，就因衍生工具投資 9.27 億英鎊的巨額虧損而破產(chǎn)。2004 年，中國航油公司（新加坡）的管理層在投融資管理方面不合理地進行了期權(quán)交易，致使企業(yè)不停地發(fā)生巨額虧損，最后不得不宣告破產(chǎn)。2007 年，成立于 1850 年的英國第五大抵押貸款機構(gòu)--諾森羅克銀行因融資貸款等策略失誤發(fā)生儲戶擠兌事件，最后英國財政部、英格蘭銀行（英國央行）以及金融管理局等先后采取救助措施，才控制住恐慌局面。2008 年，擁有 158 年歷史的華爾街第四大投資銀行--雷曼兄弟公司宣布破產(chǎn)。2009 年，久具盛名的制造大亨--美國通用汽車公司迫于連續(xù)虧損、債務負擔沉重等多方面壓力，向法院提出破產(chǎn)申請。2014 年 7 月，葡萄牙最大的上市銀行--圣靈銀行，發(fā)生嚴重財務危機，股民紛紛拋售股票，并激起周邊歐元國市場的巨大波動，堪稱第二個“雷曼”。 雖然上述企業(yè)的失敗有的屬于受到次貸危機的影響，但可以說根本原因還是自身問題，比如資本結(jié)構(gòu)不合理、杠桿率過高、肆意擴張、投資風險過高、內(nèi)部監(jiān)管機制不健全、治理結(jié)構(gòu)不合理、融資管理不善等。一般企業(yè)在真正陷入財務危機之前已經(jīng)開始暴露出各種問題，財務狀況、內(nèi)部控制、公司治理等方面逐步惡化，且這些潛在的危機問題并未引起管理層重視，量變不斷累積為質(zhì)變，即為財務危機。國內(nèi)也有諸如巨人集團、雅戈爾、天威集團、廈華電子等相當多因財務風險造成企業(yè)失敗的典型案例。 

...........

 

1.2  研究方法 

本文研究首先進行文獻綜述和基本理論分析，然后在此基礎上進行實證分析。具體以實證分析為主，綜合國內(nèi)外對財務危機預警的研究與我國具體國情。財務預警研究主要是通過選取相關變量和數(shù)據(jù)構(gòu)建出預警模型，以對企業(yè)未來是否發(fā)生財務危機進行預測。本文重點將放在實證研究部分，而在實證分析之前，會對預警系統(tǒng)研究的相關理論基礎作詳細介紹。在規(guī)范分析與實證分析中使用以下方法。 （1）規(guī)范分析中，吸收借鑒國內(nèi)外的相關理論成果和實踐經(jīng)驗。在搜集與研讀相關著作、文獻和案例的基礎上，分析和總結(jié)各發(fā)展階段的財務預警經(jīng)典理論和基本方法。比如一元線性分析、多元線性分析、回歸分析法、神經(jīng)網(wǎng)絡分析法等經(jīng)典研究方法，為實證研究模型提供依據(jù)。此外，文章還從不同層面分析了制造業(yè)上市公司財務危機的成因，并結(jié)合具體案例對財務危機特點進行闡述，為實證研究中預警指標的選取提供理論基礎。 （2）實證研究中，文章重點在于以對比分析法建立模型，即首先以傳統(tǒng)的預測年份的財務指標原始值建立 logistic 回歸模型，同時又突破性地引入同一預測年份的縱向財務信息指標，對原始 logistic 回歸模型進行改進。通過對二者的有效性、擬合優(yōu)度檢驗結(jié)果進行比較  ，最終得出最優(yōu)預警模型。 而在具體研究設計時，本文以 1:3 的比例在制造業(yè)上市公司中選取危機樣本及配對樣本，以 T-2 年的數(shù)據(jù)建立預警模型；在變量指標選擇上，本文以財務指標、非財務指標及代表縱向財務信息的變化量指標等多種指標相結(jié)合，以期使模型涵蓋更全面的信息。 指標篩選中用到 Kolmogorov-Smirnov 檢驗、T 檢驗、Mann-Whitney  U 檢驗等統(tǒng)計方法；處理多重共線性時用到 Pearson 相關性檢驗、因子分析法；在構(gòu)建 Logistic 模型時以逐步回歸的方式對變量因子及指標進行處理；在模型檢驗時，運用了-2 對數(shù)似然值檢驗、Hosmer  和  Lemeshow  檢驗等統(tǒng)計檢驗方法?？傮w上，這些層層相扣相互銜接的技術方法使得財務預警研究更為嚴謹科學，也使結(jié)果更有說服力。 

...........

 

第 2 章  國內(nèi)外相關文獻綜述 

 

2.1  國外對財務預警的研究綜述 

從 20 世紀初期，國外學者已經(jīng)開始對財務危機預警的研究，從最開始的簡單定性分析，發(fā)展為定量技術分析，并隨著科學理論的發(fā)展而不斷完善。國外對財務危機預警的研究，可分為定性研究與定量分析兩類，本文主要對定量分析所用的方法進行綜述。 Fitz Patrick（1932）以單變量破產(chǎn)預測研究掀開了財務預警研究的帷幕。他依單個財務指標為判別標準把所選 19 家樣本企業(yè)分為破產(chǎn)組和非破產(chǎn)組，判別結(jié)果顯示“凈利潤/股東權(quán)益”、“股東權(quán)益/負債”這兩個比率指標的準確率最高[1]。 美國學者 William Beaver（1966）率先以統(tǒng)計方法運用于財務危機預警研究，并建立了相對完善的單變量預警模型。他選取 79 家破產(chǎn)企業(yè)及作為配對樣本的 79 家非破產(chǎn)企業(yè)，從財務報表項目中組合出所有可能的財務比率共 29 個，并分別檢驗其在公司破產(chǎn)前 1～5年的預測能力。研究發(fā)現(xiàn)現(xiàn)金流量/負債總額、凈收益/總資產(chǎn)和負債總額/總資產(chǎn)預測準確度較高，而且越靠近破產(chǎn)日，誤判率越低、預見性越強。比如，現(xiàn)金流量/負債總額比率在公司破產(chǎn)前 5 年和前 1 年的誤判率分別為 22%和 13%[2]。（Multiple Linear Discriminant Analysis，簡稱 MLDA） 美國學者 Altman（1968）率先將多元線性判別方法引入財務預警領域，并建立 Z-Score模型。他開創(chuàng)了多變量預警的先河，沖破了單變量模型出現(xiàn)的針對同一公司用不同財務比率會有不同預測結(jié)果的局限性。他以 1946 年至 1965 年間 33 家破產(chǎn)公司和 33 家非破產(chǎn)公司為研究樣本，從  22 個備選指標中選出 5 個作為變量指標，即銷售收入/總資產(chǎn)、所有者權(quán)益市場價值/負債賬面價值、息稅前利潤/總資產(chǎn)、營運資產(chǎn)/總資產(chǎn)和留存收益/總資產(chǎn)。Altman 發(fā)現(xiàn)用前三項指標構(gòu)建的 Z-Score 模型的預測效果更好，誤判率僅有 6%[3]。 Altman 還得出，Z 值越小，公司破產(chǎn)的概率越大。并給出了 Z 的臨界值，即當 Z<1.81時，公司財務狀況較差，破產(chǎn)風險較大；當 Z>2.675 時，公司不大可能破產(chǎn)；若 Z 值介于1.81 與 2.675 之間，公司財務狀況不穩(wěn)定，為灰色地帶，無法判別出是否會破產(chǎn)。

.........

 

2.2  國內(nèi)對財務預警的研究現(xiàn)狀 

我國資本市場與市場經(jīng)濟體制的起步較晚，證券市場機制尚未完善，致使我國對財務危機預警的研究遠遲于西方發(fā)達國家，自上世紀 80 年代中期才開始預警研究。我國主要是從定量分析層面通過構(gòu)建各種模型進行實證研究，也取得了一定的成果。周首華，楊濟華，王平(1996）考慮到 Z 值模型的局限性，對其進行改進，加入現(xiàn)金流量比率這一重要的預測變量。他們根據(jù)當時企業(yè)財務狀況以及相關標準的發(fā)展變化，對原有 Z-Score 模型中相應財務比率標準加以修正。構(gòu)建出能評估我國企業(yè)財務風險的 F-Score模型，開創(chuàng)了我國運用多元統(tǒng)計法對財務危機進行預警研究的先河。他們以 0.0274 為 F 分界點檢驗了 Compustat PC Plus 會計資料中自 1990 年以來的 4160 家樣本數(shù)據(jù)，預測結(jié)果有高達 70%的正確率。他們還開創(chuàng)性地對 Zimmer 公司破產(chǎn)前連續(xù)五年的數(shù)據(jù)進行 F 分數(shù)模型的趨勢分析，較之單一時點的 F 分數(shù)分析更為重要[15]。 陳靜（1999）以滬深兩市截至 1998 年 7 月被 ST 的 27 家企業(yè)為樣本，同行業(yè)同規(guī)模的 27 家非 ST 企業(yè)為控制樣本。她依據(jù) 1995 年至 1997 年三年財務數(shù)據(jù)，對樣本進行了單變量分析、多元線性判定分析。在單變量分析中，依成本效益原則，選取了主要反映企業(yè)的財務杠桿、流動性、盈利能力的四個指標：流動比率、負債比率、凈資產(chǎn)收益率、總資產(chǎn)收益率。研究發(fā)現(xiàn)在 ST 前一年流動比率和負債率誤判率接近為 0，在 ST 前三年流動比率與總資產(chǎn)收益率誤判率較低。在多元線性分析時，遵循 Fisher 準則，以流動比率、負債比率、總資產(chǎn)凈利率、凈資產(chǎn)收益率、總資產(chǎn)周轉(zhuǎn)率、營運資本比率六個指標建立模型。這些指標在企業(yè)被 ST 前三年均能較好預測財務危機，并且離 ST 日越近，誤判率越低[16]。  

..........

 

第 3 章  制造業(yè)上市公司財務危機的相關理論分析 ...... 13 

3.1  財務危機的概念界定 ......... 13 

3.1.1  學術界對財務危機的界定 ......... 13 

3.1.2  本文對財務危機的界定 ...... 14 

3.2  縱向財務信息....... 15 

3.2.1  縱向財務信息的界定.......... 15 

3.2.2  縱向財務信息對財務危機預警的意義 .... 16 

3.3  制造業(yè)上市公司財務危機的成因分析 .......... 16 

3.3.1  宏觀環(huán)境因素分析 ...... 16 

3.3.2  行業(yè)因素分析 ....... 18 

3.3.3  企業(yè)自身因素分析 ...... 19 

3.4  制造業(yè)上市公司財務危機的表現(xiàn)特征 .......... 21 

第 4 章  研究設計 .... 25 

4.1  總體研究思路....... 25

4.2  樣本的選取 .......... 26 

4.3  預警指標的選取 .......... 29 

4.3.1  預警指標的選取原則.......... 29 

4.3.2  預警指標的初選 .......... 30 

4.4  二元 Logistic 回歸模型的原理 ........ 33 

 

第 4 章  研究設計 

 

4.1  總體研究思路 

從滬深 A 股市場 2014 年、2015 年這兩個年份首次被 ST 的制造業(yè)上市公司中選取財務危機樣本，同時以 1:3 的配對比例選取非財務危機樣本。樣本選取時注意剔除干擾樣本，要保證所有樣本后續(xù)數(shù)據(jù)資料的完整性和全面性。 從國泰安（CSMAR）中國上市公司財務指標分析數(shù)據(jù)庫中大量上市公司財務指標進行初選，注意財務指標的全面性和系統(tǒng)性。并根據(jù)理論分析選取代表企業(yè)自身因素的非財務指標，注意與財務危機的相關性、數(shù)據(jù)的可獲得性。運用 SPSS  20.0 軟件對初選預警指標進行 Kolmogorov-Smirnov 檢驗（即正態(tài)性分布檢驗）。預警指標若符合正態(tài)分布進行 T 檢驗，否則進行 Mann-Whitney U 檢驗，篩選出對應樣本總體均值差異較為顯著的指標。將原始財務指標在預測年份 T-2 年的數(shù)據(jù)減去對應 T-3 年與 T-4 年數(shù)據(jù)的均值，所得差額作為變化量指標（即縱向財務信息指標），對其依次進行正態(tài)性檢驗、顯著性檢驗。將篩選出的縱向財務信息指標與較為顯著的原始指標一起進行多重共線性檢驗和因子分析，得出主因子F。 

............

 

結(jié)論 

 

本文以 1:3 的比例在我國 A 股制造業(yè)上市公司中選出 39 家 ST 公司、117 家 ST 公司作為樣本，以公司發(fā)生財務危機前四年的數(shù)據(jù)為基礎，分別以兩種指標體系建立模型。模型在 T-2 年對企業(yè)是否發(fā)生財務危機進行預測。研究表明：在 T-2 年原始截面數(shù)據(jù)的基礎上，引入由 T-4、T-3、T-2 的財務指標數(shù)據(jù)計算出的 T-2 年增量即縱向財務信息指標，由該綜合指標體系所構(gòu)建的預警模型在預測效果和擬合優(yōu)度方面都比未引入時的模型更好。由此可見，縱向財務信息對于企業(yè)財務危機有較好的預見性，更能體現(xiàn)出企業(yè)的發(fā)展變化趨勢。企業(yè)從正常公司走向財務危機不是突發(fā)和毫無征兆的，而是多方面綜合逐漸惡化的結(jié)果，有一定的先兆性。研究結(jié)果印證了縱向財務信息對預測財務危機的重要意義。 從進入預警模型的變量看，盈利與發(fā)展因子 F12、現(xiàn)金流因子 F32、償債因子 F22、股權(quán)結(jié)構(gòu)因子 F72、風險因子 F42、發(fā)展因子 F62共六個因子以權(quán)重遞減趨勢進入預警模型，并且除 F12的權(quán)重明顯高于其他因子外，其余因子相差不大（見表 5-20）。這表明企業(yè)財務危機主要是由盈利能力、償債能力、現(xiàn)金流、發(fā)展能力、股權(quán)結(jié)構(gòu)、風險水平等因素共同決定的，并且盈利能力對預測財務危機的貢獻量最大。 另外，在剔除之前非財務指標中有股權(quán)集中度指標，審計意見、是否存在重大違規(guī)三個進入了初選預警指標體系中，表明諸如企業(yè)的股權(quán)結(jié)構(gòu)、內(nèi)部控制、監(jiān)事會要求披露的重大事項等方面，在較大程度上影響著公司發(fā)生財務危機的可能性。但是不能說未進入指標體系的因素對企業(yè)財務危機不構(gòu)成影響，只是模型需要顯著性更強、預見性更好的指標。對模型調(diào)整時，審計意見、是否發(fā)生重大違規(guī)的剔除表明這兩者在 Logistic 模型中的顯著性不夠強，影響模型的擬合優(yōu)度。事實上這二者對于企業(yè)財務危機的影響從某種程度上已經(jīng)由財務信息反映出來，因為非財務信息與財務信息并非完全獨立存在。 本文在進行因子分析之前，對篩選出的指標先進行 Pearson 相關性檢驗，精簡了高度相關（接近于直線相關）的指標。不僅保證了因子分析的正常運用，還大大降低了建立模型的繁瑣度。另外，研究發(fā)現(xiàn)在 Logistic 回歸時，改進模型在剔除不顯著變量之后保持較好的擬合優(yōu)度并提高了預測效果，而原始模型在剔除不顯著變量之后預測效果、擬合優(yōu)度均有所提升。總體而言，改進模型在數(shù)據(jù)擬合度和實際預測效果方面都比原始模型  有明顯優(yōu)勢。所以，在研究時可以綜合各種檢驗、分析方法，結(jié)合其各自優(yōu)勢，構(gòu)建出相對具有優(yōu)勢的財務危機預警模型。

.........

參考文獻(略)