论文部分内容阅读
一、概述
财务危机作为威胁企业持续经营的根本性危机，多年来一直倍受企业和学术界关注，迄今为止，学者们对财务困境已做了大量的研究。国外较为典型的实证研究有：Beaver最早于1966年将单变量分析法引入企业财务危机预警研究领域，以财务指标来判定企业是否会陷入财务危机。Ohlson于1980年用Logistic模型进行企业财务困境进行实证分析。国内开展财务困境预警实证研究较晚，其中：闫莉、王水宏（2009）对上市公司财务危机进行分阶段的定性描述。张园园（2007）运用Logisitc模型对财务危机进行实证描述，并得出良好的实证检验结论，准确率分别为94.6% ，70% ，71.8% ，69.2%。施赟、张蔚文（2009）对EVA进行了实证分析，结果显示在预测企业财务危机方面EVA比净利润更为敏感和前瞻。
以上研究为本文的财务危机预警研究提供了一定的借鉴，尽管如此，仍然存在值得讨论的问题：虽然上述模型的敏感性很高，但是没有对模型分阶段研究；虽然对EVA敏感性进行分析，但是没有对EVA在分阶段预警模型中的敏感性进行分析。针对以上问题，本文选用不需要严格假设条件的二元Logistic模型，结合财务危机各阶段的财务特征将财务危机进行定量分阶段的实证研究。
EVA（Economic Value Added）中文译为“经济价值增值”，是税后净营运利润减去投入资本的机会成本后的所得。EVA能全面衡量企业生产经营的真正盈利或创造的价值，对全面准确评价企业经济效益有着重要意义。
EVA的一般计算公式如下：
EVA=税后营业净利润-资本总成本
其中：
资本总成本＝投资资本（IC）×加权平均资本；
税后营业净利润=投资资本×投资资本回报率（ROIC）。
二、基于EVA的财务危机阶段性预警模型构建
第一，样本选择。样本选自沪深两交易所于2007年至2010年中新增的因财务状况异常特被处理并且在此之前6年未被特别处理的55家制造业上市公司的财务数据。在选取样本的数据收集时间上，从公司发生ST前2年至前6年，共计5年的纵截面数据。为了便于说明，将上市公司被实施“ST”处理的年份用“t年”表示，被“ST”处理前的第一年用“t-1年”表示，被“ST”处理前的第二年用“t-2年”表示，以此类推。再找出55家配对样本。
按照以下4个原则选取配对样本：
细分行业相近；
选择与其在特别处理第t-3年资产总额最接近的公司；
选择与其上市时间最接近的公司；
无亏损纪录。
这110家样本公司被分成两组，第一组由33家ST公司和33家配对公司组成。该组样本用来构建模型。第二组22家ST公司和配对的22家经营正常的公司，该组样本用来对模型进行检验。样本上市公司的EVA根据本文引言中的计算方法算出。样本数据中传统的财务指标来源于CCER数据库、证券之星网站和锐思数据库。
第二，财务指标变量的选取。本文在构建指标体系时遵循重要性和有效性原则，并参考了众多财务危机预警研究中的财务指标，最终选取了共7大类23个财务预警指标，具体指标如表1所示。
第三，指标体系正态性检验。本文采用Kolmogorov-Smirnov检验，来验证各项指标是否符合正态分布，显著性水平为0.1。检验检验结果为：t-2年X16 、X1、X18、X4、X5、X6、X10、X13、X11、X19服从正态分布，t-3年X17、X18、X5、X6、X10、X13、X11、X8服从正态分布，t-4年X2、X6、X10、X13、X11、X18、X19服从正态分布，t-5年X1、X2、X7、X6、X10、X13、X15、X18、X20服从正态分布，t-6年X5、X7、X6、X10、X13、X14、X15、X18、X19、X20服从正态分布。
第四，指标均值差异检验。本文为正态分布的指标进行T检验，其他进行Wilcoxon秩和检验。Wilcoxon秩和检验显著性水平为0.05，T检验显著性水平为0.01。t-2年至t-6年存在显著性差异的指标如表2所示。
由表2得，EVA类指标在t-2年、t-3年、t-5年和t-6年都存在显著差异，证实了EVA的前瞻性。
第五，财务危机阶段性划分。根据闫莉、王水宏2009年的研究，得出财务正常的上市公司和处在财务危机发作阶段的上市公司在现金流量指标（如每股经营性现金流和现金销售比）中的至少一个财务指标存在显着性差异，结合本文表1，只有在t-2年、t-3年，现金流量指标即现金销售比存在显著性差异，所以t-2年、t-3年为财务危机发作期。t-2年有16个指标存在显著性差异，t-3年有11个指标存在显著性差异，t-4年有7个指标存在显著性差异，t-3年有6个指标存在显著性差异，t-3年只有2个指标存在显著性差异，所以把t-4年、t-5年定为财务危机潜伏期。由于在t-1年企业公布财务公告和在t年被特别处理两件事几乎同时发生，此时企业财务状况恶化明显，可认为第t年和t-1年为财务危机爆发期，构建此阶段模型实际意义不大。
在数据处理上，取两年的平均值来构建模型。在后文的预警模型只构建财务危机发作期和潜伏期的预警模型。
第六，财务困境发作期预警模型构建。用t-2年和t-3年估计样本数据，用SPSS17.0统计软件进行KMO测度和巴特利球体检验，KMO值为0.653，巴特利球体检验的统计值的显著性概率等于0，适合做因子分析。选择主成分法为因子提取方法，提取特征值大于1的公共因子共有5个，可以概括个原始变量所有信息含量的85.735%，提取结果如表3所示。
选择Logistic回归，采用Backward Stepwise方法选取自变量，用t-2年和t-3年估计样本的数据建立财务危机发作期预警模型，样本模型拟合优度检验结果显示：-2LL为43.856，Cox&SnenR2和Nagelkerke R2统计量分别为0.514、0.685，在可接受的水平上模型的估计拟合了数据，模型显著。Hosmer 和 Lemeshow 检验结果Sig=0.609＞0.5，模型能够很好的拟合数据。
财务危机发作期的判别方程为：=1/［1+e^-（0.227-1.451* FAC1-3.215* FAC3+1.159* FAC4）］
三、基于EVA的财务危机阶段性预警模型检验
第一，财务困境发作期预警模型的检验。确定0.5为分界点，将本阶段建模数据进行回代验证，并且将本阶段检验数据进行模型检验。检验结果如表4所示。
从整体预测率上来看，模型预测的准确率比较不错，总正确率均在84%以上。
第二，财务困境潜伏期预警模型构建。用t-4年和t-5年估计样本数据对此数据进行KMO测度和巴特利球体检验， KMO值为0.530，巴特利球体检验的统计值的显著性概率等于0，适合做因子分析。选择主成分法为因子提取方法，限定提取的公共因子为4个，可以概括8个原始变量所有信息含量的87.419%，提取结果如表5所示。选择Logistic回归，采用Backward Stepwise方法选取自变量，用t-4年和t-5年估计样本的数据建立财务危机发作期预警模型，样本模型拟合优度检验结果显示：-2LL为62.447，Cox&SnenR2和Nagelkerke R2统计量分别为0.356、0.475，在可接受的水平上模型的估计拟合了数据，模型显著。Hosmer 和 Lemeshow 检验结果Sig=0.813＞0.5，模型能够很好的拟合数据。
财务危机潜伏期的判别方程为：=1/［1+e^-（0.098-1.154* FAC1-1.161* FAC2-1.582* FAC3）］
第三，财务困境潜伏期预警模型的检验。确定0.5为分界点，将本阶段建模数据进行回代验证，并且将本阶段检验数据进行模型检验。检验结果如表6所示。
从整体检验准确率上来看，模型预测的准确率理想，总检验百分比均在75%以上。
本文两个阶段的模型的检验准确率均高于前述学者所构建的对应年度的模型，证实了EVA指标的敏感性。
第四，财务困境预警模型的综合检验。预警模型建立以后，把检验样本数据带入验证，其验证思路是分两步:
第一步，确定样本使用模型。将t-2年、t-3年和t-4年、t-5年的检验样本样本分别带入财务危机潜伏期模型和发作期模型中，计算出最终模型值，然后计算这两个阶段的最终模型值与分割点0.5的差距以差距最大者为归属模型类别。
第二步，确定样本所属类别。在确定归属模型后，具体按该模型中所列方法判断样本所属类型:以0.5为分割点，超过0.5则为财务危机潜伏期（或发作期），小于0.5则判定为财务正常公司。
把检验样本带入验证，检验结果如表7所示。
从表7中可知，对检验样本数据进行验证时，在44个财务正常公司，正确预测出了40个，正确率为91%；对22个危机潜伏期公司正确预测出了17个，正确率为77%；对22个财务危机发作期公司正确预测出了16个，正确率为72.7%，正确率合计为80.2%。检验结果证明模型具有较好的判别率，能起到精确预警的作用，具有一定的使用价值。
综上所述，本文基于EVA指标，以制造业上市公司为样本，以财务危机阶段性为特征，采用二元Logistic模型进行实证分析，得到比其他模型更准确的检验结果，对上市公司财务危机预警有一定的借鉴作用。
参考文献：
［1］闫莉、王水宏：《上市公司财务危机防范理论和实证研究》，中国物质出版社2009年版。
［本文系2010年沈阳科技计划项目（编号：F10-193-5-52），辽宁省科技厅项目“辽宁经济转型发展路径研究 ——提高辽宁装备制造业的制度创造性研究”（项目编号：2010401029）的阶段性研究成果］
（编辑向玉章）
财务危机作为威胁企业持续经营的根本性危机，多年来一直倍受企业和学术界关注，迄今为止，学者们对财务困境已做了大量的研究。国外较为典型的实证研究有：Beaver最早于1966年将单变量分析法引入企业财务危机预警研究领域，以财务指标来判定企业是否会陷入财务危机。Ohlson于1980年用Logistic模型进行企业财务困境进行实证分析。国内开展财务困境预警实证研究较晚，其中：闫莉、王水宏（2009）对上市公司财务危机进行分阶段的定性描述。张园园（2007）运用Logisitc模型对财务危机进行实证描述，并得出良好的实证检验结论，准确率分别为94.6% ，70% ，71.8% ，69.2%。施赟、张蔚文（2009）对EVA进行了实证分析，结果显示在预测企业财务危机方面EVA比净利润更为敏感和前瞻。
以上研究为本文的财务危机预警研究提供了一定的借鉴，尽管如此，仍然存在值得讨论的问题：虽然上述模型的敏感性很高，但是没有对模型分阶段研究；虽然对EVA敏感性进行分析，但是没有对EVA在分阶段预警模型中的敏感性进行分析。针对以上问题，本文选用不需要严格假设条件的二元Logistic模型，结合财务危机各阶段的财务特征将财务危机进行定量分阶段的实证研究。
EVA（Economic Value Added）中文译为“经济价值增值”，是税后净营运利润减去投入资本的机会成本后的所得。EVA能全面衡量企业生产经营的真正盈利或创造的价值，对全面准确评价企业经济效益有着重要意义。
EVA的一般计算公式如下：
EVA=税后营业净利润-资本总成本
其中：
资本总成本＝投资资本（IC）×加权平均资本；
税后营业净利润=投资资本×投资资本回报率（ROIC）。
二、基于EVA的财务危机阶段性预警模型构建
第一，样本选择。样本选自沪深两交易所于2007年至2010年中新增的因财务状况异常特被处理并且在此之前6年未被特别处理的55家制造业上市公司的财务数据。在选取样本的数据收集时间上，从公司发生ST前2年至前6年，共计5年的纵截面数据。为了便于说明，将上市公司被实施“ST”处理的年份用“t年”表示，被“ST”处理前的第一年用“t-1年”表示，被“ST”处理前的第二年用“t-2年”表示，以此类推。再找出55家配对样本。
按照以下4个原则选取配对样本：
细分行业相近；
选择与其在特别处理第t-3年资产总额最接近的公司；
选择与其上市时间最接近的公司；
无亏损纪录。
这110家样本公司被分成两组，第一组由33家ST公司和33家配对公司组成。该组样本用来构建模型。第二组22家ST公司和配对的22家经营正常的公司，该组样本用来对模型进行检验。样本上市公司的EVA根据本文引言中的计算方法算出。样本数据中传统的财务指标来源于CCER数据库、证券之星网站和锐思数据库。
第二，财务指标变量的选取。本文在构建指标体系时遵循重要性和有效性原则，并参考了众多财务危机预警研究中的财务指标，最终选取了共7大类23个财务预警指标，具体指标如表1所示。
第三，指标体系正态性检验。本文采用Kolmogorov-Smirnov检验，来验证各项指标是否符合正态分布，显著性水平为0.1。检验检验结果为：t-2年X16 、X1、X18、X4、X5、X6、X10、X13、X11、X19服从正态分布，t-3年X17、X18、X5、X6、X10、X13、X11、X8服从正态分布，t-4年X2、X6、X10、X13、X11、X18、X19服从正态分布，t-5年X1、X2、X7、X6、X10、X13、X15、X18、X20服从正态分布，t-6年X5、X7、X6、X10、X13、X14、X15、X18、X19、X20服从正态分布。
第四，指标均值差异检验。本文为正态分布的指标进行T检验，其他进行Wilcoxon秩和检验。Wilcoxon秩和检验显著性水平为0.05，T检验显著性水平为0.01。t-2年至t-6年存在显著性差异的指标如表2所示。
由表2得，EVA类指标在t-2年、t-3年、t-5年和t-6年都存在显著差异，证实了EVA的前瞻性。
第五，财务危机阶段性划分。根据闫莉、王水宏2009年的研究，得出财务正常的上市公司和处在财务危机发作阶段的上市公司在现金流量指标（如每股经营性现金流和现金销售比）中的至少一个财务指标存在显着性差异，结合本文表1，只有在t-2年、t-3年，现金流量指标即现金销售比存在显著性差异，所以t-2年、t-3年为财务危机发作期。t-2年有16个指标存在显著性差异，t-3年有11个指标存在显著性差异，t-4年有7个指标存在显著性差异，t-3年有6个指标存在显著性差异，t-3年只有2个指标存在显著性差异，所以把t-4年、t-5年定为财务危机潜伏期。由于在t-1年企业公布财务公告和在t年被特别处理两件事几乎同时发生，此时企业财务状况恶化明显，可认为第t年和t-1年为财务危机爆发期，构建此阶段模型实际意义不大。
在数据处理上，取两年的平均值来构建模型。在后文的预警模型只构建财务危机发作期和潜伏期的预警模型。
第六，财务困境发作期预警模型构建。用t-2年和t-3年估计样本数据，用SPSS17.0统计软件进行KMO测度和巴特利球体检验，KMO值为0.653，巴特利球体检验的统计值的显著性概率等于0，适合做因子分析。选择主成分法为因子提取方法，提取特征值大于1的公共因子共有5个，可以概括个原始变量所有信息含量的85.735%，提取结果如表3所示。
选择Logistic回归，采用Backward Stepwise方法选取自变量，用t-2年和t-3年估计样本的数据建立财务危机发作期预警模型，样本模型拟合优度检验结果显示：-2LL为43.856，Cox&SnenR2和Nagelkerke R2统计量分别为0.514、0.685，在可接受的水平上模型的估计拟合了数据，模型显著。Hosmer 和 Lemeshow 检验结果Sig=0.609＞0.5，模型能够很好的拟合数据。
财务危机发作期的判别方程为：=1/［1+e^-（0.227-1.451* FAC1-3.215* FAC3+1.159* FAC4）］
三、基于EVA的财务危机阶段性预警模型检验
第一，财务困境发作期预警模型的检验。确定0.5为分界点，将本阶段建模数据进行回代验证，并且将本阶段检验数据进行模型检验。检验结果如表4所示。
从整体预测率上来看，模型预测的准确率比较不错，总正确率均在84%以上。
第二，财务困境潜伏期预警模型构建。用t-4年和t-5年估计样本数据对此数据进行KMO测度和巴特利球体检验， KMO值为0.530，巴特利球体检验的统计值的显著性概率等于0，适合做因子分析。选择主成分法为因子提取方法，限定提取的公共因子为4个，可以概括8个原始变量所有信息含量的87.419%，提取结果如表5所示。选择Logistic回归，采用Backward Stepwise方法选取自变量，用t-4年和t-5年估计样本的数据建立财务危机发作期预警模型，样本模型拟合优度检验结果显示：-2LL为62.447，Cox&SnenR2和Nagelkerke R2统计量分别为0.356、0.475，在可接受的水平上模型的估计拟合了数据，模型显著。Hosmer 和 Lemeshow 检验结果Sig=0.813＞0.5，模型能够很好的拟合数据。
财务危机潜伏期的判别方程为：=1/［1+e^-（0.098-1.154* FAC1-1.161* FAC2-1.582* FAC3）］
第三，财务困境潜伏期预警模型的检验。确定0.5为分界点，将本阶段建模数据进行回代验证，并且将本阶段检验数据进行模型检验。检验结果如表6所示。
从整体检验准确率上来看，模型预测的准确率理想，总检验百分比均在75%以上。
本文两个阶段的模型的检验准确率均高于前述学者所构建的对应年度的模型，证实了EVA指标的敏感性。
第四，财务困境预警模型的综合检验。预警模型建立以后，把检验样本数据带入验证，其验证思路是分两步:
第一步，确定样本使用模型。将t-2年、t-3年和t-4年、t-5年的检验样本样本分别带入财务危机潜伏期模型和发作期模型中，计算出最终模型值，然后计算这两个阶段的最终模型值与分割点0.5的差距以差距最大者为归属模型类别。
第二步，确定样本所属类别。在确定归属模型后，具体按该模型中所列方法判断样本所属类型:以0.5为分割点，超过0.5则为财务危机潜伏期（或发作期），小于0.5则判定为财务正常公司。
把检验样本带入验证，检验结果如表7所示。
从表7中可知，对检验样本数据进行验证时，在44个财务正常公司，正确预测出了40个，正确率为91%；对22个危机潜伏期公司正确预测出了17个，正确率为77%；对22个财务危机发作期公司正确预测出了16个，正确率为72.7%，正确率合计为80.2%。检验结果证明模型具有较好的判别率，能起到精确预警的作用，具有一定的使用价值。
综上所述，本文基于EVA指标，以制造业上市公司为样本，以财务危机阶段性为特征，采用二元Logistic模型进行实证分析，得到比其他模型更准确的检验结果，对上市公司财务危机预警有一定的借鉴作用。
参考文献：
［1］闫莉、王水宏：《上市公司财务危机防范理论和实证研究》，中国物质出版社2009年版。
［本文系2010年沈阳科技计划项目（编号：F10-193-5-52），辽宁省科技厅项目“辽宁经济转型发展路径研究 ——提高辽宁装备制造业的制度创造性研究”（项目编号：2010401029）的阶段性研究成果］
（编辑向玉章）