A股上市公司財(cái)務(wù)危機(jī)研究范文

本站小編為你精心準(zhǔn)備了A股上市公司財(cái)務(wù)危機(jī)研究參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要：文章在A股深、滬市制造業(yè)公司中，選取2016~2018年首次被ST的公司作為處于財(cái)務(wù)危機(jī)的研究對(duì)象，按照1∶3配比選取108家財(cái)務(wù)正常的公司。通過對(duì)其t-1、t-2年的財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)的篩選和降維處理，通過面板數(shù)據(jù)建立了混合logit預(yù)測(cè)模型。并通過逐步回歸去除不顯著指標(biāo)，建立的模型具有較高的預(yù)測(cè)準(zhǔn)確度，能很好地解釋相關(guān)指標(biāo)與財(cái)務(wù)危機(jī)出現(xiàn)的關(guān)系，可以為上市公司的相關(guān)債權(quán)人、投資人提供一定的參考價(jià)值。

關(guān)鍵詞：Logit模型；財(cái)務(wù)危機(jī)；預(yù)測(cè)

一、引言

2019年，全球整體經(jīng)濟(jì)和貿(mào)易增長大幅放緩，主要發(fā)達(dá)經(jīng)濟(jì)體的增長連續(xù)下降。由于美國新一任領(lǐng)導(dǎo)政府的單邊和貿(mào)易保護(hù)主義政策導(dǎo)致世界經(jīng)濟(jì)增長下降。2018年開始，各國特別是發(fā)達(dá)經(jīng)濟(jì)體已經(jīng)陷入的衰退，危機(jī)也向發(fā)展中國家蔓延。全球經(jīng)濟(jì)進(jìn)入調(diào)整期且增長不確定性因素加劇，國際金融市場(chǎng)上風(fēng)險(xiǎn)加劇，投資者信心缺失，負(fù)債率居高不下，出口下降，工廠大規(guī)模關(guān)閉，失業(yè)率增高。僅2019年全球就有10余個(gè)國家和地方出現(xiàn)了暴動(dòng)，給國家和社會(huì)都帶來了危機(jī)和風(fēng)險(xiǎn)，嚴(yán)重影響全球經(jīng)濟(jì)。因此國內(nèi)上市公司的財(cái)務(wù)安全就變得異常重要，一旦陷入財(cái)務(wù)危機(jī)，將對(duì)債權(quán)人、投資者帶來不利影響，更有甚者企業(yè)的倒閉重組會(huì)產(chǎn)生大量的失業(yè)者，引發(fā)失業(yè)潮，給國家?guī)韲?yán)重后果。

二、文獻(xiàn)綜述

（一）財(cái)務(wù)危機(jī)

首次提出財(cái)務(wù)危機(jī)概念的是Fitz-patrick（1932），他將“破產(chǎn)”定義為財(cái)務(wù)危機(jī)，同時(shí)建立單一變量的模型，通過比較發(fā)現(xiàn)財(cái)務(wù)指標(biāo)中的兩個(gè)比率在財(cái)務(wù)危機(jī)和良好公司之間有顯著不同。而后Beaver（1966）認(rèn)為不能將企業(yè)經(jīng)營失敗認(rèn)定為是財(cái)務(wù)危機(jī)，還應(yīng)包括：“無法償還債務(wù)”、“銀行賬透支戶”、“無力支付優(yōu)先股股利”以及“宣告破產(chǎn)”，從30個(gè)財(cái)務(wù)指標(biāo)中選取6個(gè)財(cái)務(wù)指標(biāo)建立單一變量危機(jī)預(yù)測(cè)模型。Altman（1968）認(rèn)為企業(yè)依法破產(chǎn)是“財(cái)務(wù)危機(jī)”，并提出多變量模型來預(yù)測(cè)財(cái)務(wù)危機(jī)。國外學(xué)者基本都以這兩個(gè)方面作為財(cái)務(wù)危機(jī)的定義即：依法破產(chǎn)；財(cái)務(wù)失敗。而國內(nèi)學(xué)者陳靜（1999）、吳世農(nóng)（2001）等人則普遍將ST作為發(fā)生財(cái)務(wù)危機(jī)的標(biāo)準(zhǔn)，選擇被ST的公司認(rèn)為是財(cái)務(wù)危機(jī)的研究對(duì)象，比較契合我國國情。在目前我國沒有對(duì)財(cái)務(wù)危機(jī)有一個(gè)比較準(zhǔn)確的定義，其次國外學(xué)者普遍認(rèn)為的“破產(chǎn)”在我國上市公司中很少出現(xiàn)，大部分面臨的破產(chǎn)的公司都會(huì)被收購用來借殼上市。因而國內(nèi)大部分學(xué)者都參考1998滬深交易所提出ST概念，即認(rèn)為“財(cái)務(wù)狀況出現(xiàn)異常的上市公司”可看作為處于財(cái)務(wù)危機(jī)的研究對(duì)象，但如吳世農(nóng)（2001）等學(xué)者也提出部分非正常ST的公司不屬于財(cái)務(wù)危機(jī)研究對(duì)象，需要予以排除。

（二）研究方法

關(guān)于財(cái)務(wù)危機(jī)預(yù)警的研究手段大概分為兩類：傳統(tǒng)統(tǒng)計(jì)學(xué)模型和人工智能模型。傳統(tǒng)統(tǒng)計(jì)模型主要有多元判別模型、多元回歸模型、生存模型等；人工智能模型主要有神經(jīng)網(wǎng)絡(luò)模型、支持向量機(jī)模型、遺傳算法、模糊集理論等。相對(duì)統(tǒng)計(jì)模型人工智能模型預(yù)測(cè)有較高的準(zhǔn)確度，但是可解釋性較差；統(tǒng)計(jì)模型通常可解釋較強(qiáng)，而多元回歸模型中的Logistic模型應(yīng)用范圍、可解釋性、預(yù)測(cè)準(zhǔn)確性都較好，本文采用了Logistic模型。

三、研究設(shè)計(jì)

（一）樣本選澤和數(shù)據(jù)來源

陷入財(cái)務(wù)危機(jī)公司的選取參照國內(nèi)等學(xué)者的研究習(xí)慣，把被ST的公司作為已發(fā)生財(cái)務(wù)危機(jī)的公司。同時(shí)考慮到不同行業(yè)的數(shù)據(jù)可能帶來的影響，把選取數(shù)據(jù)的上市公司都定為同一行業(yè)，又因?yàn)橹圃鞓I(yè)的行業(yè)規(guī)模總體比較大，可以選擇的數(shù)據(jù)樣本也較多，所以選擇制造業(yè)作為行業(yè)數(shù)據(jù)的來源。選取A股2016~2018年首次被ST的制造業(yè)上市企業(yè)，并去掉已經(jīng)被摘牌或因發(fā)生重大事故被ST的公司剩余共36家。配對(duì)樣本的選取，考慮到在實(shí)際上市公司中，被ST出現(xiàn)的比例較小，目前大多數(shù)國內(nèi)學(xué)者使用的1：1，1：2比例不一定能適用。因而參照石曉軍（2006）實(shí)證的最佳配比以1：3的比例選取108家從未被ST的健康公司，同時(shí)將t-1、t-2年的數(shù)據(jù)都添加建立面板數(shù)據(jù)模型，用來增加樣本的數(shù)量。所有數(shù)據(jù)都來自于銳思金融研究數(shù)據(jù)庫，用SPSS22.0和StataSE15.0軟件進(jìn)行了相關(guān)檢驗(yàn)及參數(shù)估計(jì)。

（二）研究變量

1.數(shù)據(jù)初選本文從公司的財(cái)務(wù)指標(biāo)中涉及盈利能力、償債能力、營運(yùn)能力、成長能力、現(xiàn)金流量、資產(chǎn)結(jié)構(gòu)六個(gè)方面中選取20個(gè)財(cái)務(wù)指標(biāo)，從選取股權(quán)結(jié)構(gòu)、公司治理、審計(jì)意見（將1標(biāo)準(zhǔn)的無保留意見仍設(shè)為1，其他審計(jì)意見設(shè)為0）選取4個(gè)非財(cái)務(wù)指標(biāo)，作為初選研究變量。2.數(shù)據(jù)篩選為了確認(rèn)所選指標(biāo)在處于財(cái)務(wù)危機(jī)公司和非財(cái)務(wù)危機(jī)公司中有顯著不同，采用SPSS22.0軟件檢驗(yàn)。通常使用非參數(shù)檢驗(yàn)的方法有兩種：T檢驗(yàn)、U檢驗(yàn)。T檢驗(yàn)要求變量符合正態(tài)分布并在檢驗(yàn)符合正態(tài)分布的數(shù)據(jù)顯著性時(shí)有較高的準(zhǔn)確度；U檢驗(yàn)可以檢驗(yàn)兩個(gè)獨(dú)立樣本均值是否存在差異，且適用于變量分布未知的數(shù)據(jù)樣本。所選指標(biāo)如審計(jì)意見等明顯不適用于T檢驗(yàn)，因而選擇U檢驗(yàn)，原假設(shè)為兩組變量的平均數(shù)時(shí)相同的，而備擇假設(shè)是兩組變量平均數(shù)不同，用SPSS22.0檢驗(yàn)結(jié)果見表1。結(jié)果顯示，在95%的置信水平下，只有Z指數(shù)保留原假設(shè)，剩余23個(gè)指標(biāo)都拒絕原假設(shè)，這些指標(biāo)在財(cái)務(wù)困境公司與非財(cái)務(wù)困境公司之間都有顯著性不同，可以使用。3.因子分析考慮到剩余的20個(gè)財(cái)務(wù)指標(biāo)很可能會(huì)存在相關(guān)性，進(jìn)而會(huì)產(chǎn)生多重共線性，因此為了消除多重共線性的影響使用因子分析法對(duì)選取變量進(jìn)行降維處理。首先進(jìn)行KMO和Bartlett檢驗(yàn)，在相關(guān)性矩陣中發(fā)現(xiàn)股東權(quán)益比率、流動(dòng)資產(chǎn)比率和其他指數(shù)極度相關(guān)，導(dǎo)致非正定矩陣出現(xiàn)，因此將兩個(gè)指標(biāo)刪掉后進(jìn)行KMO與Bartlett檢驗(yàn)，檢驗(yàn)結(jié)果如表2所示。從表2來看，測(cè)量取樣適合性為0.706大于0.5，且P值遠(yuǎn)小于0.05，因此可以對(duì)剩余18個(gè)財(cái)務(wù)指標(biāo)進(jìn)行主成分分析降維，降維后提取7個(gè)主成分，其主成分的特征值與貢獻(xiàn)率如表3所示。在表3中可以看出，7個(gè)主成分可以解釋接近80%的解釋變量，說明其可以很好的代替原來的財(cái)務(wù)指標(biāo)。同時(shí)觀察得到的7個(gè)主成分的因子分析矩陣，根據(jù)分析矩陣得出7個(gè)主成分可以代表公司財(cái)務(wù)方面不同的能力：盈利能力F1，償債能力F2,現(xiàn)金流量能力F3，成長能力F4、F7，營運(yùn)能力F5、F6。

四、實(shí)證分析

（一）模型建立

因本文中選取財(cái)務(wù)數(shù)據(jù)時(shí)間維度為2014~2017年，其每個(gè)年度樣本數(shù)量不一致，屬于非平衡面板數(shù)據(jù)。面板數(shù)據(jù)模型一般分為三類，混合模型、固定效應(yīng)模型、隨機(jī)效應(yīng)模型。面板數(shù)據(jù)模型的表達(dá)式為：yit=αi+xitβit+μit，i=1，2，…N；j=1，2，…T（1）yit被解釋變量；αi表示截距項(xiàng)，xit為1×k維解釋變量向量，βit為k×1維解釋變量向量，t表示時(shí)間的不同，i表示個(gè)體的不同，μit為隨機(jī)擾動(dòng)項(xiàng)，其中μit~i.i.d（0，σu2）。將因變量定義為公司是否陷入財(cái)務(wù)困境，若公司陷入財(cái)務(wù)危機(jī)，則=1；若公司未發(fā)生財(cái)務(wù)危機(jī)，則＝0，即yit=1（yit＞0）0（yit*≤0≤）yit*是能觀測(cè)的二元選擇變量yit的隱性變量，本文中yit=0，表示公司t年度未發(fā)生財(cái)務(wù)危機(jī)；yit=1表示公司i在t年度財(cái)務(wù)出現(xiàn)危機(jī)。將公司首次被ST的年份為year，本文對(duì)yit的賦值規(guī)則為：yit=1（i為困境公司樣本，t=year-1或t=year-2）yit=0（i為健康公司樣本）。

（二）模型估計(jì)

在做面板數(shù)據(jù)的回歸估計(jì)之前，通常先會(huì)做單位根檢驗(yàn)，本文只選取2016~2018年t-1、t-2數(shù)據(jù)來擴(kuò)大樣本數(shù)量，時(shí)間維度T非常小。一般來說T<20，則可以不進(jìn)行單位根檢驗(yàn)，因?yàn)閱挝桓鶛z驗(yàn)是大樣本檢驗(yàn)；當(dāng)T<<N，“橫截面”數(shù)據(jù)中的信息比”時(shí)間序列”數(shù)據(jù)中的信息要強(qiáng)烈很多，其影響遠(yuǎn)超過時(shí)間序列信息，顯然不需要做單位根、協(xié)整檢驗(yàn)。考慮到本文選取的截面數(shù)據(jù)只有兩個(gè)時(shí)間維度，所以將短面板數(shù)據(jù)看成橫截面數(shù)據(jù)的擴(kuò)展數(shù)據(jù)，使用混合最小二乘估計(jì)，其將所有N×T個(gè)樣本混合在一起，然后用最小二乘法估計(jì)模型參數(shù)，混合效應(yīng)模型公式如下：yit=α+xitβit+μit，i=1，2，…N；j=1，2，…T（2）logit（p）=ln（p1-p）（3）將經(jīng)過主成分分析的7個(gè)財(cái)務(wù)因子和3個(gè)非財(cái)務(wù)指標(biāo)（K1：獨(dú)立董事比列、K2：審計(jì)意見、K：股權(quán)集中度）作為自變量，將公司狀態(tài)以是否處于財(cái)務(wù)危機(jī)，分為1、0（1表示處于財(cái)務(wù)危機(jī)的公司、0表示財(cái)務(wù)正常公司），用StataSE15.0對(duì)數(shù)據(jù)進(jìn)行混合logit模型參數(shù)估計(jì)，結(jié)果見表4。從表4中P=0.000可以看出，模型整體是很顯著的，模型的可決系數(shù)為0.7261，修正后可決系數(shù)為0.7105說明模型解釋能力也是很好的。解釋變量除了F3、F7、K2以外都顯著，說明盈利（F1）、償債（F2）、成長（F4）、營運(yùn)（F5、F6）因子及審計(jì)意見都與公司是否陷入財(cái)務(wù)危機(jī)密切相關(guān)，且與公司財(cái)務(wù)危機(jī)負(fù)相關(guān)，說明其能力越強(qiáng)公司越不容易出現(xiàn)財(cái)務(wù)危機(jī)。F7(成長）、現(xiàn)金流量（F3）、股權(quán)集中度等參數(shù)不顯著，用逐步回歸法重新建立模型，發(fā)現(xiàn)P值無變化，可決系數(shù)從0.7241變?yōu)?.7199，變化較小，模型依舊顯著，解釋能力也很好，防止過度擬合應(yīng)予去除。去除后建立模型如下：logit（pit+1*）=-0.179F1it-0.032F2it-0.053F4it-0.086F5it-0.046F6it-0.324K1it-0.543K2it+0.846（4）

（三）模型檢驗(yàn)

為了保證模型的有效性，本文將所有數(shù)據(jù)都用于建模之中，同時(shí)由于選取的樣本數(shù)量較少，尤其是被ST的公司數(shù)量，因而可以用回判法來驗(yàn)證模型的有效性。把原數(shù)據(jù)帶入財(cái)務(wù)危機(jī)預(yù)警模型中進(jìn)行回測(cè)，一般進(jìn)行回測(cè)時(shí)一般將0.5作為概率閾值，即當(dāng)P≥0.5時(shí)，則認(rèn)為公司處于財(cái)務(wù)危機(jī)，反之亦然。用StataSE15.0中”predictyhat”命令對(duì)剛建好的模型進(jìn)行回判，回判結(jié)果顯示預(yù)測(cè)效果良好，具體結(jié)果如表5所示。

五、結(jié)語

本文選取上市公司的財(cái)務(wù)和非財(cái)務(wù)指標(biāo)，對(duì)其進(jìn)行篩選降維處理后，基于t-1、t-2年的面板數(shù)據(jù)建立了混合logit預(yù)警模型，發(fā)現(xiàn)盈利（F1）、償債（F2）、成長（F4）、營運(yùn)（F5、F6）因子及審計(jì)意見都與公司是否陷入財(cái)務(wù)危機(jī)密切相關(guān)，這些指標(biāo)越強(qiáng)公司越不會(huì)出現(xiàn)財(cái)務(wù)危機(jī)。經(jīng)過實(shí)證發(fā)現(xiàn)建立的預(yù)警模型具有較高的準(zhǔn)確度，能為上市公司的相關(guān)債權(quán)人、投資人提供一定的參考價(jià)值。

作者：盧笛