上市公司财务危机预警模型之有效性选择_基于单变量模型判别法和Z计分法的选择(1)
基于Z模型的财务预警分析
基于Z模型的财务预警分析随着经济的不断发展，财务预警分析在企业管理中变得越来越重要。
财务预警分析可以帮助企业及时发现财务风险，及时采取相应的措施，避免财务危机的发生。
基于Z模型的财务预警分析是一种较为常用的方法，下面我们来详细介绍一下基于Z模型的财务预警分析。
一、Z模型的概念Z模型是一种用于企业财务状况评估的方法，它通过分析企业的资产状况、盈利能力和偿付能力来判断企业的财务风险。
Z模型是由美国学者爱德华·奥尔图西（Edward I. Altman）在1968年提出的，是一种用于判断企业破产风险的模型。
Z模型通过计算企业的Z值来判断企业的财务状况，从而提前预警可能出现的危机。
二、Z值的计算方法Z值的计算方法一般包括资产状况比率、盈利能力比率和偿付能力比率这三个方面。
具体的计算公式如下：1.资产状况比率资产状况比率主要包括流动资产比率、资产负债比率和权益比率。
流动资产比率=流动资产/流动负债，资产负债比率=负债总额/总资产，权益比率=净资产/总资产。
通过计算这三个比率可以评估企业的资产状况。
2.盈利能力比率盈利能力比率主要包括毛利率、净利率和营业利润率。
毛利率=营业收入-营业成本/营业收入，净利率=净利润/营业收入，营业利润率=营业利润/营业收入。
通过计算这三个比率可以评估企业的盈利能力。
3.偿付能力比率偿付能力比率主要包括经营现金流比率、速动比率和利息保障倍数。
经营现金流比率=经营活动产生的现金流量/流动负债，速动比率=流动资产-存货/流动负债，利息保障倍数=税前利润/利息支出。
通过计算这三个比率可以评估企业的偿付能力。
三、Z值的解释和判断通过计算上述的资产状况比率、盈利能力比率和偿付能力比率，可以得到企业的Z值。
根据Z值的大小可以判断企业的财务状况，一般来说，Z值在1.8以下表示企业处于破产的边缘，1.8到3.0之间表示企业处于财务困难的边缘，3.0以上表示企业的财务状况比较良好。
通过计算Z值可以及时发现企业的财务风险，并及时采取相应的措施。
公司财务风险评估的模型有哪些
公司财务风险评估的模型有哪些在当今竞争激烈的商业环境中，公司面临着各种各样的财务风险。
准确评估这些风险对于企业的生存和发展至关重要。
为了有效地评估财务风险，人们开发了多种模型和方法。
接下来，让我们一起探讨一下常见的公司财务风险评估模型。
一、单变量模型单变量模型是通过单个财务比率来评估公司的财务风险。
常见的比率包括流动比率、资产负债率、净利润率等。
流动比率衡量了公司的短期偿债能力。
如果流动比率过低，表明公司可能在短期内难以偿还债务，面临较高的财务风险。
资产负债率反映了公司的长期偿债能力。
过高的资产负债率意味着公司负债过多，财务杠杆较高，一旦经营不善，可能陷入债务危机。
净利润率则体现了公司的盈利能力。
净利润率持续下降可能暗示公司在成本控制或市场竞争方面存在问题，从而增加财务风险。
然而，单变量模型的局限性也很明显。
它只考虑了一个财务指标，不能全面反映公司的财务状况，容易受到个别异常值的影响。
二、多变量模型多变量模型则综合考虑多个财务指标来评估财务风险。
其中，最为著名的是阿尔特曼（Altman）的 Z 计分模型。
Z 计分模型通过五个财务比率加权计算得出一个综合得分：Z ＝12X1 ＋ 14X2 ＋ 33X3 ＋ 06X4 ＋ 10X5 。
X1 是营运资本/总资产，反映公司资产的流动性；X2 是留存收益/总资产，体现公司的积累盈利能力；X3 是息税前利润/总资产，衡量公司的资产盈利能力；X4 是股东权益市场价值/总负债账面价值，反映公司的财务结构；X5 是销售收入/总资产，显示公司的资产运营效率。
当 Z 值大于 299 时，公司财务状况良好；当 Z 值在 181 至 299 之间时，公司处于灰色区域，财务状况不稳定；当 Z 值小于 181 时，公司存在较大的破产风险。
与单变量模型相比，多变量模型能够更全面地评估公司的财务风险，但它也有不足之处。
比如，模型中的系数是基于特定时期和特定行业的数据得出的，对于不同的行业和时期，可能需要进行调整。
探讨Z-score模型在我国上市公司财务预警中的适用性
探讨Z-score模型在我国上市公司财务预警中的适用性摘要：财务危机预警理论的核心是财务危机预警模型，本文选取z-score模型为分析对象，以我国日用电子器具制造业为研究样本，对z-score模型在我国上市公司的适用性进行研究，结果显示模型对于st组企业的适用性明显优于其在正常经营企业的适用程度。
关键词：z-score模型；财务预警；制造业上市公司一、引言虽然企业的经营目标随着经济环境的变化而变化，但其实质上从没有离开对财富积累的渴望和资本增值的追逐。
而企业经营过程的的众多不确定性，又注定会促使企业管理者必须关注经营过程中的各种风险，财务预警理论作为研究企业财务风险（困境）的主要工具也就在这种大背景下应运而生。
财务预警理论的雏形最早可以追溯到1932年美国经济学家paul j. fitzpatrick的一篇名为《成功工业企业与失败工业企业财务比率的比较》文章中，fitzpatrick在经过一系列分析后指出“企业财务比率不仅能够反映企业财务状况与经营成果，更重要的是它对企业的未来具有预测功能”，由此开启了财务预警理论的研究思潮；此后经过几十年的发展，企业财务预警模型经历了由单一变量到多元变量、再到人工神经网络分析财务危机预警的发展历程。
本文拟采用实务中运用较为广泛的z-score模型对我国的制造业上市公司财务数据进行分析，以检验该模型在我国公司中的适用性和契合程度，以期对公司管理者有所启发。
二、z-score模型概述（一）z-score模型的提出z-score模型由美国纽约大学的edward i.altman教授创立，也是第一个多元变量模型，altman教授在1968年9月的《财务月刊》（the journal of finance）上发表了这一成果，其在文中运用多元统计分析中的差异分析方法，通过对在1946-1965年间申请美国《破产法》第10章保护的33家破产企业和33家正常经营企业的财务数据配对抽样，建立了一个以财务比率为基础的预测企业财务状况的多元变量财务预警模型，即z-score模型。
财务危机预警模型_Z计分模型的应用分析_陈娟
财务危机预警模型—Z计分模型的应用分析【摘要】2007年美国爆发了次贷危机，导致诸多银行、投资机构和企业倒闭或申请破产保护，之后迅速蔓延到世界各地，引起全球金融危机。
之后欧债危机使得全球经济再次跌入低谷，市场信心遭受了重大打击。
2008年11月中国政府提出了总投资4万亿元的救市计划，以达到刺激经济增长的目的，并且实施了相关的财政政策和货币政策。
扩大内需，增加出口。
次贷危机、欧债危机和国内企业财务危机所引发的一系列反应，说明加强危机前的预警，对于国家、企业和国民经济的健康平稳发展至关重要。
本文在详细梳理已有的财务危机预警模型的基础上，选择适当的中国ST上市公司样本和配对样本，对Z计分模型及其针对新兴市场经济体的修正模型——EMS模型进行了小样本的实证检验，发现Z计分模型在我国的适用性较差，而EMS模型相对更适用于我国上市公司的财务危机预警，文章最后对造成这种情况的原因进行了简要分析，并就如何进行模型的改进提出了建议。
【关键词】：财务危机；财务危机模型；Z计分模型；EMS模型【Abstract】The American subprime mortgage crisis broke out in 2007, resulting in many Banks, investment institutions and business failures or filed for bankruptcy protection, then quickly spread to all over the world, cause the global financial crisis. Again after the European debt crisis has made the global economy bottomed, suffered a big blow to market confidence. In November 2008, the Chinese government put forward a total investment of 4 trillion dollar rescue plan, to achieve the purpose of stimulating economic growth, and implement the related fiscal policy and monetary policy. To expand domestic demand, increase exports. The subprime crisis, the European debt crisis and the domestic enterprise financial crisis has triggered a series of reactions, that strengthen the warning before the crisis, for the country, the enterprise is vital and healthy and stable development of national economy. This paper in detail, on the basis of the existing financial crisis early warning model, select the appropriate sample and paired samples ST listed companies in China, the z-score model and its correction model for emerging market economies - EMS model are empirically the small sample, and found that the applicability of the z-score model in our country is poorer, and EMS model more suitable for the financial crisis warning of listed companies in our country, the article finally has carried on the brief analysis to the cause of this situation, and how to model the improvement Suggestions were put forward.【key words】：Financial crisis; Financial crisis model; Z-score model; The EMS model一、引言由于市场竞争的激烈程度日益加剧，企业所负担的压力逐渐增大。
常用财务危机定量预警模型的有效性检验
常用财务危机定量预警模型的有效性检验作者：黄建伟来源：《财讯》2018年第06期本文介绍了常用企业财务危机预警模型类型，进而选择了单变量判别模型、多变量线性回归模型-z计分模型并运用数学方法进行有效性检验。
检验结果表明，选取的单变量模型可粗略判断企业财务危机发生状况，选取的多变量线性回归模型无有效性。
财务危机预警模型单变量模型 Z计分模型文献综述现在较为通用的企业财务危机定量预警模型有两类：单变量判别模型、多变量线性回归模型。
（1）单变量判别模型1932年Fitzpatrick以19家公司数据为样本，发现净利率/股东权益和股东权益/负债对财务危机的判别能力最高。
1966年Beaver经过检验几种财务比率对财务危机的预测的有效性，发现以下三种是最有效的：现金流量/责务总额，净收益/资产总额，债务总额/资产总额。
（2）多变量线性回归模型1968年Altman首先将多元线性判别法引入财务危机预警研究领域。
其多元线性判定模型为：2=1.2×X1+1.4×X2+3.3×X3+0.6×X4+1.0×X5，判别变量分别为营运资本/总资产，留存收益/总资产，息税前收益/总资产，股票市值/债务的账面价值，销售收入/总资产。
该模型已经广泛的被认可，是最常用的定量模型。
财务危机预警模型相关介绍（1）发生财务危机的原因企业发生财务危机有下列原因：过度负债。
适当负债可加大财务杠杆，以较少的投入获得更丰厚回报。
但很多企业过度负债，造成偿还额度大于资金回收额度，吞食留存资金导致偿债风险出现。
财务风险意识弱。
企业为把握商机，选择快速扩张战略，忽视风险。
财务风险越来越大，直到风险爆发，企业倒闭。
失误的投资活动。
企业投资需大量资本投入。
企业投资活动使企业消耗大量现金，若投资失败则资金无法收同造成财务风险。
（2）常见的财务危机定量预警模型1.单变量判别模型本文选取的单变量判别模型为1966年Beaver以现金流量/债务总额，净收益/资产总额，债务总额/资产总额构建的单变量财务危机预警模型。
汽车行业上市公司财务预警模型的比较与选择
一
、
引言
财务费用＋ 折 旧） ／ ［ （ 期初总资产＋ 期末总资产） ／ ２有 风 险 是 上 市 公 司 所 面 临 的 两 种 不 同 风 Ｆ 分数模型 的临界值 只有一个为 ： ０ ． ０ ２ ７ ４ 。若某一特定 的公 险 。其 中 ， 市 场 风 险 是 一 些对 所 有 公 司 均 产 生 影 响 的风 险 ； 公 司 特 司 Ｆ 值 低于０ ． ０ ２ ７ ４ ， 则将 被预测为破 产公 司 ； 反 之 则 为 可 以 继 续 有风 险， 又称为可分散 风险 ， 是针对个别公司特有因素形成的风险， 生存的公司。 该风 险对 其他公司并无影响。如果风险影响较大 ， 就 会导致企业财 务危机甚至破产。导致上市公司破产的因素很多 ， 从定量的角度评 二 、 买 证 分 析 本文 以汽车行业 的上市公 司为例 ， 选取的公 司分 别为 ： 宇通 估 公 司破 产 的 可能 性 具有 重 大意 义 。 客车 、长安汽车 、黄海汽车 、比亚迪 、上汽集团 数据来 自于其 ２ ０ ０ ７ － ２ ０ １ １ 年 五 年 间财 务 报 表 。 二、财务预警模型 企业 财 务 预警 模 型 的研 究 与 应用 ， 经 历 了 由 以财务 比率 分析 为 两 种模 型实 证分 析 的结果 ： 主的单变量模式到将财务 比率与统计方法相结合的多变量模式。 通过 五家公司 五年 问的财务 数据计算 可分别得 出每 家公司 （ 一） 单变量模式 每年 的Ｚ 、Ｆ 值 以及五年 的均值 。 所谓单变量模 式预 测企 业财务危机的 比率 ， 是指运用一个变 由Ｚ 分数模型计算结 果表明 ， 所选 取的５ 家上市公 司中 ： （ １ ） 连 量， 用单个 财务 比率预 测财务危 机 。其 比率主要有 三个（ １ ） 债务 续五年 的Ｚ 值１ ． ８ １ 的公司 不存在 ， 宇通公 司是 唯一 一家连续 四年 保 障率 ＝ 现金 流量／ 债务 总额（ ２ ） 总 资产收益率＝净 收益／ 资产总 Ｚ 值大 于１ ． ８ １ 的。其他 连续三年ｚ 值超过 １ ． ８ １ 也不存在 ， 表 明五 额（ ３ ） 资产 负债率 ＝ 负债总额／ 资产总额。 家公 司的财务状况很差 ， 发生财务危机 的可 能性都 很大 ； （ ２ ） 五家 在单变量模 式中 ， 企业发生财务 失败是 由长期 因素造成 的。 公 司０ ７ － －１ １ 年五年 间Ｚ 值得 平均值 均小于 １ ． ８ ， 由此说 明整个行 所 以， 应用 单变量模 型 ， 必须 长期跟 踪这 些比率 ， 且要密切注意这 业五 年间都处于破产 ， 而这与实 际是不相符 的 ； （ ３ ） 五家公司五年 些 比率 的 变 化 及 趋 势 。 内的均值 均未达到２ ． ９ ９ ， 按 照Ａｌ ｔ ｍａ ｎ 的假 设 ， 五家企业 的经营均 （ 二） 多变量模式 不是很好 ； （ ４ ） 黄海公 司的ｚ 值 已连续４ 年为 负值 ， ５ 年均低于 １ ． ８ ， 多变 量模 式 ， 是 运 用 多 种 财 务 指 标 加 权 汇 总 产 生 的 总 分 值 按 照预警值 ， 不可能长久生存 ；
企业财务困境预测的三种研究模型分析-证券投资论文-经济学论文
企业财务困境预测的三种研究模型分析-证券投资论文-经济学论文——文章均为WORD文档，下载后可直接编辑使用亦可打印——财务困境(Financial Distress)又称财务危机(FinancialCrisis)、财务失败(Financial Failure)，财务破产(FinancialBankruptcy)只是财务困境的一种极端表现，是最严重的财务困境状态。
企业因财务困境导致破产实际上是一种违约行为，所以财务困境又可称为违约风险(Default Risk) （吴世农和卢贤义，2001）。
自Beaver(1966)使用财务比率来预测企业失败的研究以来，有关企业财务困境预测的研究便成为国内外学者广泛关注的课题。
当前，预测和管理企业财务困境越来越成为企业经营、投资决策和贷款决策的一个重要组成部分(Beaver，Correin McNichols，2011)，股东、债权人以及企业员工都对财务困境或即将破产的风险给予高度的重视。
目前，理论界关于企业财务困境预测的研究基本形成了以下三种主流的方法或模型：基于会计信息的传统模型，以Altman (1968) 的Z-Score 模型为代表；基于未定权益分析(Contingent Claims Analysis，CCA)的模型，该模型视权益为公司资产价值的一项看张期权，如Vassalou Xing(2004)的研究；风险模型(Hazard model)，这种模型同时使用会计和市场数据来预测企业的财务困境，以Shumway(2001)的研究为代表。
这些模型的判别能力常通过以下3 个维度来衡量(Agarwal Taffler，2014)：区分失败和非失败企业的能力；不同模型捕获企业失败或破产的增量信息程度；当失败和非失败企业的误分类成本不同时，模型的绩效表现。
现有研究常在这3个维度间进行比较，并得出了一些有争议的结论。
一、基于会计信息的传统模型基于会计信息的传统模型从上市公司公开披露的财务报表中滤取信息来评估企业陷入财务困境的程度。
基于Z模型中小企业上市公司财务风险预警模型的研究
基于Z模型中小企业上市公司财务风险预警模型的研究摘要当前，随着越来越多的上市公司宣布破产重组，我国的上市公司市场呈现出较不稳定的状况。
在此背景下，中小板市场由于其天生的劣势，财务的不稳定性，更是值得我们关注的焦点。
中小板上市公司如何在市场中做好财务危机的预警，保障自己的财务安全，成为了其吸引投资者投资的重要因素。
本文的研究目的在于，通过建立一个合理的财务预警模型，帮助中小板上市公司清楚的判断自身面临的财务状况，从而更好地方便管理层做出决策。
文章在系统阐述的Z计分模型的基础上 ,有针对性地选取沪、深两地证券市场中小板共30 家企业作为样本 ,对上市公司财务风险进行了实证分析。
最后结合实证结果以及分析计算，提出更为适应我国中小板上市公司的新Z计分模型。
研究表明，新Z模型更适应我国中小板市场的背景下上市公司的财务预警。
关键词：中小板财务风险预警模型 Z计分模型AbstractAt present, as more and more listed companies declare bankruptcy and reorganization, the market of listed companies in China presents a relativelyunstable situation. In this context, due to its inherent disadvantage and financial instability, the small and medium-sized board market deserves our attention. How small and medium-sized listed companies can make early warning of financial crisis in the market and protect their own financial security has become an important factor in attracting investors. The purpose of this paper is to help the listed company of the SME Board to clearly judge its own financial situation by establishing a reasonable financial early warning model, so as to better facilitate the management to make decisions.Based on the Z-score model described systematically, the article targeted 30 small and medium enterprises in the Shanghai and Shenzhen stock markets as samples to empirically analyze the financial risks of listed companies. Finally, combined with the empirical results and the analysis and calculation, a new Z score model that is more suitable for China's small and medium-sized listed companies was proposed. Research shows that the new Z model is more suitable for the financial early warning of listed companies in the context of China's small and medium-sized board market.Keywords: Small and Medium Board, Financial Risk Early Warning Model, Z Score Model目录要 (i)Abstract (ii)一、序言 (1)（一）绪论 (1)（二）研究背景 (1)（三）研究目的和意义 (2)（四）国内外财务预警文献综述 (2)二、主体及基本理论 (3)（一）中小企业的定义 (3)（二）我国中小板的建立及问题 (3)（三）财务分析的定义及方法 (4)三、Z计分模型的简介及应用 (4)（一）Z计分模型的来源 (4)（二）Z计分模型的判别函数 (5)（三）Z计分模型判别临界值 (5)（四）Z计分模型的在我国中小板市场的应用情况 (6)（五）Z计分模型在我国中小板应用的不足 (7)四、Z计分模型在我国中小板市场背景下的改进及实证 (8)（一）新Z计分模型指标的调整 (8)（二）新Z计分模型可行性的分析 (8)（三）新Z计分模型系数的改变 (9)（四）新Z计分模型临界点的调整 (9)（五）新Z计分模型的实证分析 (10)五、结论及建议 (11)（一）结论 (11)（二）建议 (12)参考文献 (13)一、序言（一）绪论随着我国经济的发展，上市公司成为政府以及群众都逐渐关注的特殊对象，并且其规模在不断的壮大。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
上市公司财务危机预警模型之有效性选择基于单变量模型判别法和Z计分法的选择何玉梅1,张 涛2(1成都理工大学商学院,四川成都610059;2四川湖山电器有限责任公司,四川绵阳621000)摘 要:以中国沪深A股市场的上市公司作为研究对象,将因财务状况恶化而被特别处理的ST公司作为主要被选样本,采用一元判别法与Z计分模型对样本企业进行实证分析。
得出三个结论:对我国财务危机预测能力最有效的单个财务指标是总资产净利润率;多元判别法中的Z计分模型对我国上市公司财务预警具有适用性;通过对一元判别法和Z计分模型进行实证分析比较,表明Z计分模型在财务预警中的有效性高于一元判别模型。
关键词:上市公司;财务预警;一元判别法;Z计分模型;实证分析中图分类号:F830.91 文献标识码:A 文章编号:1005-1007(2011)05-0072-05Abstract:Based on the samples o f ST companies in stock A market in Shang hai and Shenzhen,in which f inancial co ndition has deterio rated,w e make an empir ical analysis on t he sample enter pr ises by using univar iate discr iminant analysis and Z-scor e model.It concludes that,the net interest rate o f total asset is t he mo st effectiv e index f inan cial index of financial crisis w arning;Z-sco re model is suitable fo r predict ing financial wa rning of listed companies; and w ith empirical analy sis and compariso n of univ arate discr iminant analy sis and Z-scor e model,it turns o ut that Z -sco re model is mo re effective in predictio n o f financial distress than univar ate discr iminant ana lysis.Key Words:L isted Company;Financial Ear ly War ning;U nivar iate Discr iminate Analysis;Z-score M odel;Em pir ical A naly sis在全球经济面临金融危机的冲击中,企业财务预警对于投资者防范企业财务危机具有十分重要的实际意义。
随着证券市场规模的扩大以及市场开放,上市公司所暴露出来的问题也越来越多[1]。
本文就一元判别法和Z计分模型两种模型,通过实证分析,将之应用于预测我国上市公司财务危机的甄别,并将两种模型的运用效果进行比较,选择较佳的预测上市公司财务预警的方法。
一、文献回顾与研究综述1932年Fitzpatrick以19家公司为样本,运用单个财务比率将样本划分为破产和非破产两组进行研究,发现净利率/股东权益和股东权益/负债对财务危机的判别能力最高,自此开创了财务危机预警实证研究的先河。
而后,1966年Beaver对1954~ 1964年间79家失败企业和对应的79家成功企业的30个财务比率进行了研究,在排除行业因素和公司资产规模因素的前提下,得出以下财务比率对财务危机的预测是有效的:现金流量/债务总额,净收益/资产总额,债务总额/资产总额。
1968年Altman首先将多元线性判别法引入财务危机预警研究领域,根据行业和资产规模,他选择了33家破产公司和33家非破产公司作为研究样本,以误判率最小的原则确定了5个变量作为判别变量,其多元线性判定模型为:Z= 1.2x1+ 1.4x2+ 3.3x3+0.6x4+1.0x5,判别变量分别为营运资本/总资产,留存收益/总资产,息税前收益/总资产,股票市值/债务的账面价值,销售收入/总资产。
此后,有许多学者采用类似的方法进行研究,对模型加以改造,只是选取的变量指标或者指标系数不同而已。
在1980年,Ohlson第一个将逻辑回归方法引人财务危机预警领域,他选择了1970~1976年间破产的105家公司和2058家非破产公司组成的配对样本,分析了样本公司在破产概率区间上的分布以及两类错误和分割点之间的关系,发现公司规模、资本结构、业绩和当前的融资能力进行财务危机的预测准确率达到96.12%。
逻辑回归分析方法使财务预警得到了重大改进,克服了传统判别分析中的许多问题,包括变量属于正态分布的假设以及破产和2011年第5期第31卷(总第256期)现代财经MODERN FIN ANCE&ECONOM ICSNo.5,2011 Vo1.31General N o.256收稿日期:2011-03-05作者简介:何玉梅(1964-),女,成都理工大学商学院副教授。
非破产企业具有同一协方差矩阵的假设。
1991年T am采用人工神经网络模型进行财务预警研究,通过输入层、隐藏层和输出层的人工神经网络的模拟构建模型,具有较好的模式识别能力和容错能力,能够处理资料遗漏和错误,可随时依据新数据资料进行自我学习训练,适用于今日复杂多变的企业运作环境,但其理论基础比较抽象,对人体大脑神经模拟的科学性和准确性有待进一步加强,因而使用性大大降低。
国内的财务困境预测研究起步较晚,陈静(1999)以1998年27家ST和27家非ST上市公司作为样本,分别采用单变量分析和多元判别分析方法进行财务困境预测,发现由资产负债率、净资产收益率、总资产收益率、流动比率、营运资本/总资产、总资产周转率等6个指标构成的判别函数能较好地预测出ST公司[2]。
陈晓、陈治鸿(2000)以38家ST和132家非ST上市公司作为样本,采用Lo gistic模型,通过试验1260种变量组合,发现负债权益比、应收账款周转率、主营利润/总资产、留存收益/总资产对企业财务困境有显著的预测作用[3]。
高培业、张道奎(2000)采用29个财务指标,运用多元判别分析方法建模,发现由留存收益/总资产、息税前收益/总资产、销售收入/总资产、资产负债率、营运资本/总资产构成的判别函数有较好的预测能力[4]。
吴世农、卢贤义(2001)以70家ST和70家非ST上市公司作为样本,采用盈利增长指数、资产报酬率、流动比率、长期负债/股东权益、营运资本/总资产、资产周转率等6个财务指标,比较了多元判别分析、线性概率模型和Logistic模型的预测效果,发现log sitic模型的预测能力最强[5]。
长城证券课题组(2001)选取了37个财务指标,采用lo gsitic模型,设计了财务危机预警系统和财务危机恶化预警系统,发现净利润/总资产、投资收益/利润总额、应收账款周转率、营业利润增长率、净资产增长率、长期负债/总资产、净利润增长率、存货周转率等指标具有显著的判别作用[6]。
二、一元判定预警模型与Z计分预警模型实证分析1.样本企业的选择本文选择上市公司中被ST公司作为样本企业。
上市公司在国民经济发展中具有极其重要的地位,它们遵循严格规范的信息披露制度,财务数据的查找、收集便利,准确和可靠。
(1)选择上市公司中被ST公司的原则。
(1)上市公司被ST的时间一致,即都是2006年被ST的上市公司。
(2)公司上市时间都在2003年以前,因为在采取样本财务指标时,是以被ST时的前三年的财务信息为变量。
(3)被ST的公司的财务信息应该比较完整,从而便于分析。
(4)公司应该都是首次被ST,从而有效避免夸大预测效果。
(2)选择与ST公司配对的上市公司样本企业的原则。
(1)研究期间一致,即财务出现异常的企业采用的是2003年4月的数据,则财务正常公司也同样采用2003年4月的数据。
(2)配对样本与财务异常企业行业类型相同或相近。
(3)配对样本与财务异常企业的总资产规模相当。
具体企业见表2。
根据以上要求,本文在以上企业中挑选确定了96个研究样本,其中确定了估计样本和预测样本,用于一元判别模型的研究。
具体样本的选择如下:估计样本 74家,其中财务异常公司37家,财务正常公司37家。
测试样本 22家,其中财务异常公司11家,财务正常公司11家。
2.变量的选择变量选择依据:(1)财务指标所涵盖的企业的财务信息越广越好,应该覆盖企业盈利能力、长短期偿债能力、营运能力、成长能力、风险水平等诸多方面。
(2)被选财务指标的相对独立性能提高模型的预测能力。
本文在研究一元判别模型时,就是基于以上原则,并加上以前研究学者们的常用指标为依据,选择如下6个具有代表性的预警指标:流动比率,资产负债率,债务保障率,净资产收益率,总资产净利率,流动资产净利率。
3.一元判别模型实证研究根据上文所选的六个财务指标,运用于一元判别模型中。
具体步骤如下。
根据估计样本按比率排序确定临界点,然后对测试样本进行ex cel统计分析,验证预测准确度,最73第31卷第5期何玉梅,等:上市公司财务危机预警模型之有效性选择2011年5月估计样本:是用于确定一元判别模型的临界值。
测试样本:随机选择测试样本,将选定的临界点作为判别标准,对测试样本的指标值进行比较,确定每个指标的误判率,找出误判率最低的财务指标,从而得到准确率最高的财务指标。
后得出一元判别模型预测结果,见表3与表4。
表1 样本的行业分布行业类别财务异常公司样本数量正常公司配对样本数量传播与文化产业11信息技术业88农、林、牧、渔业66综合类77批发和零售贸易66交通运输、仓储业11制造业2222合计5151表2 样本企业表行业ST样本企业非ST样本企业(配对样本)股票代码股票名称股票代码股票名称传播与文化产业1000693*ST聚友600037歌华有线信息技术业8000787*ST创智000948南天信息000038*ST大通600446金证股份600734*ST实达600680上海普天600728*ST新太600476湘邮科技000748*ST信息600198大唐电信600657*ST天桥600857工大首创600076*ST华光600570恒生电子000517*ST成功000839中信国安农、林、牧、渔业6600225*ST天香600265景谷林业600313ST中农000798中水渔业000509*ST华塑600467好当家000918*ST亚华000972新中基600242*ST华龙000998隆平高科600248*ST秦丰000713丰乐种业综合类7000632*ST三木600133东湖高新000540*ST中天600193创兴置业600209*ST罗顿600832东方明珠600136*ST道博000671阳光城600711*ST雄震000881大连国际000633*ST合金600555九龙山600705*ST北亚600252中恒集团批发和零售贸易6000672*ST铜城600694大商股份000578*ST数码000564西安民生000010*ST华新600631百联股份600721*ST百花000987广州友谊000670*ST天发600828成商集团600773*ST金珠600814杭州解百交通运输仓储业1制造业22000004*ST国农600029南方航空000403*ST生化000523广州浪奇600656*ST源药000687保定天鹅600703*ST天颐000420吉林化纤000979*ST科苑000683远兴能源600614*ST发展000819岳阳兴长000750*ST集琦600329中新药业000925*ST海纳600538北海国发000738G*ST南摩000837秦川发展000967*ST上风600218全柴动力600890*ST中房000617石油济柴600609*ST金杯600243青海华鼎000757*ST方向000837秦川发展600516*ST海龙600373鑫新股份000928*ST吉炭600696多伦股份000655*ST华陶600660福耀玻璃000789*ST江泥600539狮头股份600173*ST丹江000861海印股份600576*ST庆丰600400红豆股份600645*ST春花600177雅戈尔600259*ST聚酯000902中国服装600745*ST天华600272开开实业600429G*ST三元600737中粮屯河数据来源于:人大经济论坛数据库。