您的当前位置：首页正文

非财务指标对我国上市公司财务预警的影响

来源：哗拓教育

第30卷第2期　　　　　　　　辽

2010年6月

宁石油化工大学学报　　　　　　　Vol.30　No.2

Jun.2010

JOURNALOFLIAONINGSHIHUAUNIVERSITY

文章编号:1672-6952(2010)02-0089-04

非财务指标对我国上市公司财务预警的影响

钱光明,陈德艳

(辽宁石油化工大学,辽宁抚顺113001)

摘　要:　以我国沪深两市被ST的62家工业企业作为研究样本,同时选择相同口径的62家非ST工业企业作为配对样本,采用均值显著性分析、多重共线性分析和回归分析研究了非财务指标对我国上市公司财务预警的影响。研究结果表明,在上市公司ST问题的研究中应综合考虑财务指标与非财务指标,将非财务信息与财务信息有效结合建立预警模型将更好地预警上市公司的财务困境问题。

关键词:　上市公司;　财务预警;　预警模型

中图分类号:F224　　　　文献标识码:A　　　　doi:10.3696/j.issn.1672-6952.2010.02.025InfluencesofNon-FinancialIndicatorsonFinancialEarly-WarningforChina’sListedCompaniesQIANGuang-ming,CHENDe-yan(LiaoningShihuaUniversity,FushunLiaoning113001,P.R.China)Received25January2010;revised9March2010;accepted12April2010

Abstract:　Taking62ChineseSTindustrialenterprisesoflistedcompaniesastheresearchsamples,andtaking62Non-STindustrialenterprisesofthesamecaliberasthepairedsamples,Influencesofnon-financialindicatorsonfinancialearly-warningforChina’slistedcompanieswerestudiedbyusingmeansignificanceanalysis,multi-collinearityanalysis,andregressionanalysis.Theresultsshowthatfinancialindicatorsandnon-financialindicatorsshouldbecomprehensiveconsideredonthestudyofSTlistedcompanies,andthatestablishinganearlywarningmodelusingnon-financialinformationandfinancialinformationwillbetterwarnthefinancialdilemmaoflistedcompanies.Keywords:　Listedcompanies;Financialearly-warning;Warningmodel

Correspondingauthor.Tel.:+86-413-7325313;fax:+86-413-6860766;e-mail:qianguangming@163.com

　　随着我国市场经济体制的不断完善,陷入财务困境并最终导致破产的企业越来越多,因此对企业财务困境进行预测的需求也就越来越强烈。从目前的财务预警研究看,国内外大多数学者都是以财务指标为基础建立财务预警模型,把非财务指标考虑到预警模型中的相对较少。而公司的财务状况出现危机,很大程度上和公司治理结构、股权结构等非财务信息相关。本文试图把公司治理结构、股权结构、审计意见等因素引入到财务预警模型中,以提高模型的预测能力,并在一定程度上帮助投资者、债权人等利益相关方判断上市公司是否处于困境当中。

1　文献回顾

1.1　国外文献

国外证券市场由来已久,关于破产预测的研究数量较多,成果也相对比较成熟。其主要实证研究包括:单变量模型。最早的财务危机预警研究是Fitzpatrick[1]开展的一元判定研究,判别能力最高的变量是净利润/股东权益和股东权益/负债。Beaver[2]发现最好的判别变量是现金流量/负债和

净利润/总资产;多变量模型,其中包括多元线性判别模型、逻辑Logit模型与概率Probit模型等。Altman[3]实证研究用5个财务比率的判别式对公司进行预测,这就是著名的z分数模型。自20世纪80年代以来,越来越多的国外学者开始意识到对企

收稿日期:2010-01-25

作者简介:钱光明(1978-),女,辽宁抚顺市,讲师,硕士。

业的财务状况过分关注、单纯以财务指标来预警财务危机难以让人信服,事实3个方面予以思考。

1.2　国内文献

　　辽宁石油化工大学学报　　　　　　　　　　　　　　　　　　第30卷

随着近些年证券市场的发展,上市公司摘牌机制的运转,对财务困境预测的需求愈来愈多,因此国内出现了一些相关问题的研究。其研究包括:单变量模型。影响较大的是陈静

[4]

3　结果与分析

3.1　指标均值显著性分析及多重共线性的讨论

根据62家ST工业企业和62家非ST工业企业前1-2年的数据,计算被ST前1-2年的均值、

标准差等描述性统计量,对28个指标分别进行了配对样本异方差情况下的均值的显著性T检验,原假设为ST工业企业与非ST工业企业的财务指标无显著性差异。在0.1的显著性水平上,ST前1年有

X2、X4、X5、X6、X7、X8、X9、X10、X12、X13、X15、X16、X17、X18、X19、X20、X21、X22、X23、X27、X28共21个指

研究发现资产负债

率、流动比率、总资产收益率、净资产收益率4项财务指标的预测能力较强;多变量模型。中国学者周首华[5]等建立了财务危机预测的新模型———F分数模型。陈晓、陈治鸿[6]研究结果表明负债权益比率、应收账款周转率、主营业务利润/总资产、留存收益/总资产具有较强的预测能力。台湾李俊毅应用灰色预测理论与类神经网络建立企业财务危机预警模型。内地的财务预警研究总体起步较晚,从20世纪80年代开始,国内财务预警研究在参考国外研究成

[7]

标通过显著性检验;而ST前2年有X2、X4、X6、X7、X8、X9、X10、X12、X15、X16、X17、X18、X19、X20、X21、X22、X23、X27、X28共19个指标通过显著性检验。

为避免指标间的多重共线性问题,本文通过建立已选指标的线性概率方程,采用逐步回归选择变量方法,对ST前1-2年的工业企业的数据分别进行逐步回归并使用容许度(Tolerance)和方差膨胀因子(VIF)检验多重共线性,从而选择了一些指标;此外还进行了指标间的相关性分析,除去相关系数大于0.6的指标。两者综合确定了进入模型的指标如下:ST前1年为X9、X13、X16、X18、X23、X28;ST前2年为X2、X8、X13、X17、X23、X28。3.2　logistic回归分析

3.2.1　基于财务指标的预警模型的建立　将工业

果的基础上逐渐兴起,在引入非财务预警指标方面也结合中国独特的政治、经济、社会、法律环境开始了系统研究。

2　研究设计

2.1　样本的选择本文选取2006-2008年沪深股市被ST的62家工业企业作为研究样本,其中50家作为建模样本,12家作为检验样本;同时选择相同时间口径的具有相同或相近资产规模的62家非ST工业企业作为配对样本,同样将其中的50家作为建模样本,另外12家作为检验样本。2.2　指标的确定

财务指标的选择中,本文分别从偿债能力、成长能力、经济效益和盈利能力4个方面选出了22个财务指标。而非财务指标的选择主要考虑公司治理结构、审计意见和股权结构3方面[8],共选取了6个指标。28个研究指标分别是:流动比率(X1)、速动比率(X2)、利息保障系数(X3)、资产负债率(X4)、产权比率(X5)、主营收入增长率(X6)、主营利润增长率(X7)、营业利润增长率(X8)、净利润增长率

(X9)、净资产增长率(X10)、总资产增长率(X11)、总

企业财务状况作为因变量,它是一个二元变量,其中ST工业企业取值为“1”,而非ST工业企业取值为“0”。运用SPSS16.0统计软件对上述选定的ST前1年的财务指标的数据建立logistic回归模型。模

型的回归结果见表1。4个指标变量都是在0.05的显著性水平下通过,Wald统计量的值也较大,介于4.5与10.3之间,而显著性水平都较小,故参数具有显著意义。整个模型的显著性检验中,Cox&SnellRSquare为0.519,NagelkerkeRSquare为0.706,而-2Loglikelihood似然值为34.083,模型

资产周转率(X12)、存货周转率(X13)、应收账款周转率(X14)、净资产周转率(X15)、销售净利率(X16)、总资产净利率(X17)、主营业务利润率(X18)、净资产收益率(X19)、每股收益(X20)、每股净资产(X21)、每股经营现金流(X22)、国家股比例(X23)、高管持股比例

(X24)、流通股比例(X25)、董事长和总经理二位一体

拟合度处于可以接受的水平。因此ST前1年的财

务指标的logistic回归模型为:

p1-p

=-2.629+0.042X9-1.992X13-14.274X16-0.764X18

其中,p为因变量取1的概率。因为X13、X16及X18系数为负,X9系数为正,所以X13、X16及X18的值越小,X9的值越大,工业企业在未来陷入财务困境的可能性越大,财务状况越不好。

性(X26)、持股董事比例(X27)和审计意见类型

(X28)。

第2期　　　　　　　　　　　　　　钱光明等.非财务指标对我国上市公司财务预警的影响

表1　ST前1年财务指标logistic模型的参数拟合指标

X9X13X16X18

表2　ST前1年财务和非财务指标logistic模型的参数拟合指标

X9X13X16X18X23

参数估计值标准差Wald统计值显著性水平

0.042-1.992-14.274-0.764-2.629

0.0460.3361.1241.0481.554

4.9865.39610.2724.5064.862

0.0260.0220.0110.0340.005

参数估计值

0.081-0.326-19.211-0.541-0.086-4.210-6.722

标准差Wald统计值显著性水平

1.2010.7226.6810.4382.0811.0481.554

4.9867.4908.6205.6006.2337.5062.862

0.0100.0420.0350.0270.0070.0340.051

截距

3.2.2　基于财务和非财务指标的预警模型的建立

X28

　采用相同的方法分别对上述选定的ST前1年和前2年的财务和非财务的所有指标的数据建立logistic回归模型。模型的回归结果见表2和表3。所以可得ST前1年的财务和非财务指标的logistic回归模型为:

p　ln=-6.722+0.081X9-0.326X13-1-p

19.211X16-0.541X18-0.086X23-4.210X28

其中X28为审计意见类型,无保留意见用“1”表示,保留意见用“0”表示。模型的显著性检验中,Cox&SnellRSquare为0.734,NagelkerkeRSquare为0.892,而-2Loglikelihood似然值为26.279,模型拟合度较好。因为X9系数为正,X13、X16、X18、X23及X28系数为负,所以X13、X16、X18、X23及X28的值越小,X9的值越大,工业企业在未来陷入财务困境的可能性越大,财务状况也就越危险。

ST前2年的基于财务和非财务指标的logistic回归模型为:

p　ln=-2.215-1.637X2+0.640X8-1-p

2.321X13-1.124X17-0.072X23-3.622X28

整个模型的显著性检验中,Cox&SnellR

Square为0.692,NagelkerkeRSquare为0.821,

截距

表3　ST前2年财务和非财务指标logistic模型的参数拟合指标

X2X8X13X17X23X28

参数估计值

-1.6370.640-2.321-1.124-0.072-3.622-2.215

标准差Wald统计值显著性水平

2.0211.2503.7620.6903.1731.0481.554

7.2166.6543.42112.2148.4524.5063.862

0.0160.0420.0050.0430.0510.0340.021

截距

3.3　模型的比较和结果分析

本文中回归方法的先验概率是0.5,指标代入后所得概率值大于0.5,则认为该工业企业为“ST”,否则为非“ST”。将工业企业建模和检验样本数据代入后所得结果分别见表4和表5。

从表4-5可以看出:3个模型的准确率都较高,稳定性较强,可以推广并加以应用;但相对而言,ST前1年引入非财务指标后准确率为90.3%,ST前2年引入非财务指标后准确率为88.7%,都高于财务指标模型,说明了引入非财务指标的重要性;同时ST前1年引入非财务指标后准确率高于ST前2年引入非财务指标后准确率,说明模型的准确率

而-2Loglikelihood似然值为28.373,模型拟合度可以接受。因为X8系数为正,其他指标系数为负,所以X2、X13、X17、X23及X28的值越小,X8的值越大,则工业企业在未来陷入财务困境的可能性越大,财务状况也就越不安全。

从引入非财务指标的两个模型中可以看出国家持股比例越高,工业企业陷入财务困境的可能性越小,体现了国家控股对企业的影响。同时注册会计师出具无保留意见的审计报告书也体现了工业企业财务的安全性,对企业影响也很大。

与距离ST的时间有关。

实证结果表明,引入财务指标和非财务指标所建立的财务预警模型,对工业企业在未来陷入财务困境可能性的预测更准确。同时,引入的非财务指标中,国家持股比例越高,工业企业陷入财务困境的可能性越小;注册会计师给出无保留意见的审计报告书表明工业企业财务的安全性。因此,在上市公司ST问题的研究中应综合考虑财务指标与非财务指标,将非财务信息与财务信息有效结合建立预警模型必将更好的预警上市公司的财务困境问题。

92　　辽宁石油化工大学学报　　　　　　　　　　　　　　　　　　第30卷

表4　ST前1年财务指标模型和引入非财务指标模型的比较判别结果

模型

一类错误

财务指标模型

16.012.0

建模样本错误率

二类错误

8.06.0

检验样本错误率一类错误

25.016.7

整体判别准确率

87.190.3

二类错误

8.38.3

引入非财务指标模型

表5　ST前1年与ST前2年引入非财务指标模型的比较判别结果

引入非财务指标时间

ST前1年ST前2年

建模样本错误率一类错误

12.014.0

检验样本错误率一类错误

16.716.7

整体判别准确率

90.388.7

二类错误

6.06.0

二类错误

8.316.7

参考

Certifiedpublicaccountant,1932.

文献

[1]　FitzpatrickA.Comparisonofratiosofsuccessfulindustrialenterpriseswiththoseoffailedfirms[M].NewYork:[2]　BeaverWH.Financialratiosaspredicatorsoffailure[J].Journalofaccountingresearch,1966(Supplement):71—

111.

[3]　AltmanEI.Financialratios,discriminateanalysisandthepredictionofcorporatebankruptcy[J].Journaloffinance,

1968,23(4):589—609.

[4]　陈静.上市公司财务恶化预测的实证分析[J].会计研究,1999(10):70—76.

[5]　周首华,杨济华,王平.现代财务理论前沿专题[M].大连:东北财经大学出版社,2000.[6]　陈晓,陈治鸿.中国上市公司的财务困境预测[J].中国会计与财务研究,2000(3):86—90.[7]　李俊毅.公司财务预警系统的构建[J].财经论丛,2006(4):5—7.

[8]　任梦,陈玉新.流通股比例对股票价格影响的实证研究[J].辽宁石油化工大学学报,2008,28(1):92-95.

(Ed.:ZW,Z)

因篇幅问题不能全部显示，请点此查看更多更全内容

查看全文