上市公司财务失败预警的回归模型研究
内容摘要：如何合理、有效地利用披露的财务信息防范企业财务失败,是企业持续经营与的一项重要内容。本文利用财务分析方法，建立财务预警指标体系，然后通过Logistic回归模型导出财务失败预警模型，使报表使用者能够据此准确了解企业的真实财务状况，识别企业财务危机，规避投资风险。
关键词：财务失败 预测 Logistic
财务失败通常是指企业无力支付到期债务或费用的一种现象。从资产存态的静态看，通常表现为企业总资产帐面价值低于总负债帐面价值；从现金流量的角度动态来看，通常表现为企业缺乏偿还即将到期债务的现金流入。
本文旨在建立一个变量少而效果佳的企业财务失败预警分析模型。文中研究对象为国内上市公司，依据的财务资料主要来自于上市公司披露的公开财务信息。文中将因连续两年亏损或每股净资产低于股票面值而受到证监会股票交易ST特别处理的上市公司视为财务失败的企业。
关于企业财务失败预测回顾
目前在国际上，有关企业财务失败预测的研究主要集中在利用单个比率或比率组合模型等来预测企业财务失败。比较有代表性的是威廉•比弗(William Beaver)提出的单一比率模型，以及爱德华•阿尔特曼(Edward I.Altman)提出的线性比率组合模型。由于单一比率模型只是利用个别比率预测企业财务失败，因此其有效性受到一定的限制。而爱德华模型是采用五项财务比率的加权平均数字来测试的，通过产生一个总的判别分，称为Ｚ值，其计算公式为：
Ｚ=1.2Ａ+1.4Ｂ+3.3Ｃ+0.6Ｄ+1.0Ｅ
其中：Ａ=营运资金/资产总额，
Ｂ=留存收益/资产总额，
Ｃ=息税前收益/资产总额，
Ｄ=权益市价/债务总额(帐面价值)，
Ｅ=销售总额/资产总额
当Ｚ值在1.8以下，则出现财务危机的概率很高；1.8—2.7时，出现财务危机的概率高；2.8—2.9时，可能出现财务危机；3.0以上时，则不可能出现财务危机。
但是该模型仍然有很大的局限性。这些模型计算结果的有效性必须要建立在以下基础上：企业必须是独立的经济实体，无任何超越市场规则的显失公允的交易行为。而在我国现阶段，市场经济尚未规范，在上市公司的经营活动中存在诸多违反市场的行为，而且存在大量的粉饰报表、信息严重失真的现象，因此有些财务指标并不能反映企业的实际状况，按照这些比率模型来推断和预测我国企业的财务状况并不完全适用。
预警分析模型的建立
建立财务失败预警指标体系
要建立一套适合中国国情的财务失败预测模型，模型的有效性和可靠性在很大程度上依赖于预警分析指标的质量，采用何种标准去界定变量的有效性成为建模者要解决的首要问题。
笔者在财务指标的选取上主要考虑以下因素：既要体现公司偿债能力，又要能反映公司经营成果，同时要考虑以前破产预警研究采用的财务指标（如阿尔特曼Altman模型的5个财务指标），通过详细分析中国现行的企业绩效评价指标体系及国际上流行的企业财务危机预测指标体系的基础上，结合中国上市企业的具体特征，考虑了以下9个财务指标：
资产负债率=负债总额/资产总额
流动比率=流动资产/流动负债
权益负债率=负债总额/股东权益
净资产利润率=净利润/净资产
资产周转率=销售收入/资产总额
营运资本/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)/总资产
权益资本市值/负债总额
息税前收益(EBIT)/资产总额=(利润总额+财务费用)/资产总额
Logistic回归模型
本文用Logistic回归模型进行分析。设P为上市公司财务失败的概率，取值范围为0～1，1-P为财务健康的概率，将比值P/(1-P)取对数得到Ln(P/(1-P))，该变换称Logit变换，记为Logit(P)，则Logit(P)的取值范围为负无穷到正无穷，建立logistic回归模型：文章内容：
根据已知上市公司财务状况的分类(0，1)和表明财务特征的财务比率变量，推导出回归系数函数，并把各公司的财务比率值回代到回归模型中，根据估计得到的财务失败概率对上市公司财务状况进行判别。对比原始样本的分类和按判别函数所判的分类，计算出预估准确率和错误率。
数据分析
样本公司的选择
为了分析公司财务失败与财务指标之间的关系，本文从上海证券交易所上市公司中选择了2002年被ST处理的17家上市公司，作为对比又随机选择了19家财务健康公司。这两类公司被分为0，1编码的两组对分变量类别，其中，ST组公司所属类别的变量被定为1，非ST组公司所属类别的变量被定为0。样本公司基本财务指标数据来源于上海证券交易所（http://www.sse.com.cn）个股档案资料库。
本项研究计算是用SPSS统计软件中二元Logistic回归分析工具来完成的。经过重复地分析比较，最终从原来的9个财务比率变量中推导出只有3个变量的Logistic回归方程，即：
其中 x1为资产负债比率(负债总额/资产总额)
x5为资产周转率
x9为总资产利润率(息税前收益/资产总额)
实证分析结果
估计概率P以0.5为分界点，大于0.5则应判别为财务失败组，小于0.5则应判别为财务健康组。用建立的Logistic回归函数对36个原始样本的分类准确率相当高(见表1)。
结果表明17家ST公司中，判别正确的有16家，准确度达94.1%；在17家非ST公司中，判别准确度为70.6%，而模型整体准确度为80.6%。从中可以看出对于ST公司的判别相当准确，而对于非ST公司则存在约30%的误报可能，基于财务分析上的谨慎性原则，这是可以接受的。
研究结论
由模型得到，表示资产周转能力的x5资产周转率和表示获利能力的x9息税前收益/总资产以及表示偿债能力的x1资产负债率影响较为显著。而一些被成熟市场认为很能反映财务危机信息的财务比率在此次判别分析中未能入选，如爱德华•阿尔特曼的Z评分模型中的权益市值与总负债比率这一指标，就未能选入，这说明了我国目前股票市场还不太成熟，股票价格与业绩的相关性不大。净资产收益率在很大程度上与息税前收益/总资产紧密相关，信息比较重复，没有入选。权益负债率与资产负债率之间有紧密联系，因此在资产负债率入选的情况下，权益负债率的重要性也就不大了。流动比率反映的是流动资产与流动负债的比率，反映企业短期内偿债的能力，在财务分析中是一个很重要的指标，但是只要企业经营良好，资本结构合理，在证券市场这一不成熟，上市公司具有一定行政色彩的情况下，短期内的偿债压力尚不能构成企业财务失败的主要原因，对企业财务失败没有显著影响。
从分析过程中，可以发现该模型预测效果较好，且模型变量较少，所有数据都可以从上市公司的公开财务报表中收集，使用者应用此模型进行企业财务失败预测实际可行。但在运用此判别模型进行财务失败预测时，也存在着一定的局限性。这种局限性体现在以下方面。
财务失败预测的前提是企业发布的财务数据应该真实反映企业的实际经营成果和财务状况。由于目前中国证券市场不够成熟，上市公司间存在大量不合理的现象，运用此判别模型进行财务失败预测时，需要使用者对公司的财务报表数据进行调整，剔除不正常影响后才具有可信性。
从行业角度来看，不同行业的财务比率存在着一定的差异，例如在本文的分析过程发现，商业企业的总资产周转率要远远高于企业。因此运用此模型进行财务失败预测时对于不同的行业其准确度不尽相同，为使用者增添了困难。
：
1.赵爱玲.企业财务危机的识别与分析.财经理论与实践，2000.11
2.黄岩，李元旭.上市公司财务失败预测实证研究[J].系统工程理论方法应用，2001.1
3.张爱民，祝春山，许丹健.上市公司财务失败的主成分预测模型及其实证研究[J].研究，2001.3
