一、財(cái)務(wù)危機(jī)預(yù)警模型研究的相關(guān)問(wèn)題
縱觀財(cái)務(wù)危機(jī)判定和預(yù)測(cè)模型的研究，涉及到三個(gè)基本問(wèn)題：一是財(cái)務(wù)危機(jī)的定義；二是預(yù)測(cè)變量或判定指標(biāo)的選擇；三是計(jì)量方法的選擇。
（一）財(cái)務(wù)危機(jī)的定義
財(cái)務(wù)危機(jī)又稱財(cái)務(wù)困境。國(guó)外很多學(xué)者的同類研究一般采用破產(chǎn)標(biāo)準(zhǔn)（Altman，1968；Ohlson，1971；Platt，1990和1994）。然而，我國(guó)的情況與國(guó)外有所不同，我國(guó)的多數(shù)研究大都把被特別處理（ST）的上市公司作為存在財(cái)務(wù)危機(jī)的公司（陳靜，1999；李華中，2001）。在本文的研究中，考慮到國(guó)有企業(yè)的特殊性及實(shí)際情況，并采用以上研究的思想，將連虧兩年（以下簡(jiǎn)稱LK）的國(guó)有企業(yè)作為研究樣本，并將財(cái)務(wù)危機(jī)視作“因財(cái)務(wù)狀況困難而出現(xiàn)連續(xù)虧損兩年即LK”。
（二）指標(biāo)變量的選擇
參照國(guó)內(nèi)外學(xué)者研究上市公司財(cái)務(wù)危機(jī)預(yù)警模型的方法，結(jié)合目前我國(guó)國(guó)有企業(yè)年報(bào)已有的財(cái)務(wù)信息，本文選擇債務(wù)風(fēng)險(xiǎn)、現(xiàn)金流風(fēng)險(xiǎn)、盈利能力風(fēng)險(xiǎn)和投資風(fēng)險(xiǎn)4個(gè)方面共13個(gè)財(cái)務(wù)指標(biāo)作為財(cái)務(wù)危機(jī)預(yù)警指標(biāo)，并將其作為構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型的預(yù)選指標(biāo)。
（三）計(jì)量方法的選擇
隨著統(tǒng)計(jì)科學(xué)的不斷發(fā)展，越來(lái)越多的計(jì)量模型被應(yīng)用到財(cái)務(wù)危機(jī)預(yù)警研究中。
西方關(guān)于財(cái)務(wù)危機(jī)預(yù)測(cè)研究成果最顯著和影響最廣泛的是威廉・比弗（Willian Beaver）的單一變量模型和艾得沃德・阿爾特曼（Edward I.Altiman）的“Z-Score”模型。比弗通過(guò)對(duì)1945年至1964年間79家失敗企業(yè)和對(duì)應(yīng)的79家成功企業(yè)的比較研究表明，以下財(cái)務(wù)指標(biāo)對(duì)預(yù)測(cè)財(cái)務(wù)危機(jī)最有效：現(xiàn)金流量/債務(wù)總額，凈收益/資產(chǎn)總額（資產(chǎn)收益率），債務(wù)總額/資產(chǎn)總額（資產(chǎn)負(fù)債率）。美國(guó)財(cái)務(wù)專家阿爾特曼1968年提出了企業(yè)財(cái)務(wù)危機(jī)預(yù)測(cè)的“Z-Score”模型，該模型主要適用于上市公司，樣本選取的是1946年至1965年期間提出破產(chǎn)申請(qǐng)的33家公司和同樣數(shù)量的非破產(chǎn)公司。通過(guò)計(jì)算，該模型給出了一個(gè)總的判斷分，稱為Z值。Z的分值越高，企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能就越小，反之亦然。
在國(guó)內(nèi)，學(xué)者陳靜（1999）以1998年27家ST公司和27家配對(duì)的非ST公司為樣本，根據(jù)1995年至1997年54家樣本企業(yè)財(cái)務(wù)數(shù)據(jù)，分別進(jìn)行了單變量和二類線性判定分析，在單變量判定分析中，發(fā)現(xiàn)在負(fù)債比率、流動(dòng)比率、總資產(chǎn)收益率、凈資產(chǎn)收益率4個(gè)財(cái)務(wù)指標(biāo)中，流動(dòng)比率、負(fù)債比率的誤判率最低；在多元線性判定分析中，發(fā)現(xiàn)負(fù)債比率、凈資產(chǎn)收益率、流動(dòng)比率、營(yíng)運(yùn)資本/總資產(chǎn)、總資產(chǎn)周轉(zhuǎn)率6個(gè)指標(biāo)構(gòu)建的模型在ST發(fā)生的前3年能較好地預(yù)測(cè)ST。得出的結(jié)論是在宣布前一年預(yù)測(cè)模型的準(zhǔn)確率較高，離宣布年越遠(yuǎn)，準(zhǔn)確率越低。
周首華等（1996）對(duì)阿爾特曼的“Z-Score”模型進(jìn)行了拓展研究，建立了“F分?jǐn)?shù)模式”，F(xiàn)分?jǐn)?shù)模式的臨界值為0.0274，此數(shù)值上下0.0755為不確定區(qū)域，F(xiàn)分?jǐn)?shù)越小，發(fā)生財(cái)務(wù)危機(jī)的概率就越大。
吳世農(nóng)、盧賢義（2001）采用三種模型――LMP、Fisher模型、Logistic模型，對(duì)我國(guó)上市公司財(cái)務(wù)危機(jī)預(yù)警模型進(jìn)行了對(duì)比性的研究，成果表明：1.在單變量模型中，凈資產(chǎn)報(bào)酬率的判斷效果更好；2.多變量模型優(yōu)于單變量模型；3.與其他兩種多變量模型相比，Logistic模型的判斷準(zhǔn)確率更高。
此外，近年來(lái)神經(jīng)網(wǎng)絡(luò)模型和決策樹(shù)模型等也被用到財(cái)務(wù)危機(jī)預(yù)警研究中。如李?。?009）通過(guò)神經(jīng)網(wǎng)絡(luò)模型分析得出，盈利能力指標(biāo)對(duì)企業(yè)是否發(fā)生財(cái)務(wù)危機(jī)影響最為顯著，現(xiàn)金流量指標(biāo)具有較好的短期預(yù)測(cè)能力，資產(chǎn)管理能力指標(biāo)具有較好的長(zhǎng)期預(yù)測(cè)能力；通過(guò)決策樹(shù)模型可以得到易于理解的財(cái)務(wù)危機(jī)企業(yè)的特征屬性規(guī)則集。
二、實(shí)證研究
（一）樣本選取
本文參照其他學(xué)者對(duì)上市公司財(cái)務(wù)危機(jī)預(yù)警的研究方法，把連虧兩年的國(guó)有企業(yè)處理為L(zhǎng)K。選取上海市××區(qū)2009年1月至2009年6月間180多家國(guó)有企業(yè)，在2008年年報(bào)后，因連虧兩年而被視作LK的29家國(guó)有企業(yè)作為研究樣本。同時(shí)，按照國(guó)民經(jīng)濟(jì)行業(yè)分類代碼選取了同種行業(yè)、同等規(guī)模的29家非LK公司作為配對(duì)樣本。在選取樣本時(shí)筆者注意了以下關(guān)鍵：
1.在對(duì)LK公司的配對(duì)公司的選擇上堅(jiān)持同行業(yè)、同規(guī)模的原則。
2.非LK的樣本以同行業(yè)為第一選取標(biāo)準(zhǔn)，即在資產(chǎn)規(guī)模不同的情況下，首先要保持行業(yè)的一致性，排除行業(yè)差異帶來(lái)的干擾。
3.所以在選擇觀測(cè)年限時(shí)，取LK前一年即2007年的財(cái)務(wù)年度的財(cái)務(wù)指標(biāo)，對(duì)應(yīng)的配對(duì)樣本也取同期的財(cái)務(wù)指標(biāo)。
4.在選取樣本時(shí)，均選年報(bào)已經(jīng)被審核過(guò)的公司作為樣本，以確保研究數(shù)據(jù)的真實(shí)可靠。
本文的數(shù)據(jù)均來(lái)自國(guó)資信息平臺(tái)V3。運(yùn)用的統(tǒng)計(jì)分析軟件為SPSS17.0。
（二）單變量分析
從表2中可以看出，LK與非LK公司之間有許多財(cái)務(wù)指標(biāo)存在很大差異，例如X3、X4、X6、X7、X9等財(cái)務(wù)指標(biāo)。
接下來(lái)，通過(guò)獨(dú)立樣本的均值比較，來(lái)分析LK公司與非LK公司之間各單項(xiàng)財(cái)務(wù)指標(biāo)的差異規(guī)律。首先建立假設(shè)，然后運(yùn)用獨(dú)立樣本T檢驗(yàn)來(lái)進(jìn)行假設(shè)檢驗(yàn)。
假設(shè)：H0：LK公司與非LK公司之間13個(gè)財(cái)務(wù)指標(biāo)同期均值相等
H1：LK公司與非LK公司之間13個(gè)財(cái)務(wù)指標(biāo)同期均值不相等
從表3的顯著性檢驗(yàn)結(jié)果匯總表可以看出，樣本和樣本2間財(cái)務(wù)指標(biāo)中共有11個(gè)指標(biāo)能在很小顯著性水平下拒絕原假設(shè)而接受備選假設(shè)，說(shuō)明兩個(gè)樣本間的這11個(gè)指標(biāo)具有顯著的差異，這些指標(biāo)是X1、X2、X4、X5、X6、X7、X8、X9、X11、X12、X13。
（三）Logistic回歸模型
1.因子分析
從表4可以看出，前5個(gè)因子的特征根分別為2.62、2.14、1.52、1.23、1.21，值大于1，累積方差貢獻(xiàn)率為79.51%，即前5個(gè)變量解釋了原有變量總方差的79.51%。在因子旋轉(zhuǎn)后，累積方差比沒(méi)有變化，沒(méi)有影響原有變量的共同度，保持了信息的完整性，使原有變量在總體上信息丟失較少，因子分析取得理想效果。
根據(jù)表6的成分得分系數(shù)矩陣，可以寫出用以表示原有變量的因子得分函數(shù)：
P1=-0.24X1+0.29X2+0.02X4+0.23X5+0.08X6
-0.26X7+0.28X8-0.05X9+0.17X11-0.04X12-0.04X13
P2=-0.12X1-0.01X2+0.12X4-0.11X5-0.06X6
-0.13X7+0.08X8+0.02X9-0.08X11+0.44X12+0.44X13
P3=0.22X1+0.28X2+0.26X4+0.42X5+0.27X6+0.36X7
-0.18X8+0.09X9+0.01X11+0.13X12+0.14X13
P4=0.20X1+0.09X2+0.08X4+0.03X5-0.62X6+0.16X7
+0.02X8-0.07X9+0.57X11+0.05X12+0.05X13
P5=0.26X1+0.07X2-0.01X4+0.09X5-0.23X6-0.11X7
+0.31X8+0.72X9-0.24X11-0.05X12-0.05X13
2.Logistic回歸預(yù)警模型
接下來(lái)，首先，引入用來(lái)表示是否出現(xiàn)財(cái)務(wù)危機(jī)的虛擬變量V，V取0代表非LK公司，V取1代表LK公司；其次，將因子分析中得到的5個(gè)因子Pi作為自變量，將虛擬變量V作為因變量引入，利用二分類Logistic回歸建立預(yù)警模型并加以檢驗(yàn)。
二元邏輯回歸擬合方程為：
表8輸出的是該Logistic模型的-2對(duì)數(shù)似然值和兩個(gè)偽決定系數(shù)Cox & Snell R 方和Nagelkerke R 方，后兩者從不同角度反映了所建模型中自變量的變異占因變量總變異的比例?？梢钥闯?，上述兩個(gè)偽決定系數(shù)分別達(dá)到0.86和0.95，表明該模型中自變量對(duì)因變量有良好的解釋程度。
取0.5為概率P最佳分割點(diǎn)，對(duì)該模型進(jìn)行預(yù)測(cè)，P小于0.5認(rèn)定為非Lk公司，P大于0.5認(rèn)定為L(zhǎng)K公司。
從表9的分類表可以看出，該預(yù)測(cè)模型對(duì)非LK公司的預(yù)測(cè)準(zhǔn)確率為88.0%，對(duì)LK公司的預(yù)測(cè)準(zhǔn)確率為93.1%，整體預(yù)測(cè)效果為90.6%，預(yù)測(cè)效果良好。
三、研究結(jié)論
本文選取2007年和2008年上?！痢羺^(qū)國(guó)有企業(yè)中29家連續(xù)虧損兩年的公司作為樣本，同時(shí)選取同行業(yè)（按國(guó)民經(jīng)濟(jì)行業(yè)代碼分類）、同規(guī)模的29家非連續(xù)虧損兩年的公司作為配對(duì)樣本。根據(jù)財(cái)務(wù)指標(biāo)具有通用性和易獲得性的特點(diǎn)，從效率性原則和實(shí)用性原則出發(fā)，基于目前我國(guó)國(guó)有企業(yè)年報(bào)已有的財(cái)務(wù)信息，選擇債務(wù)風(fēng)險(xiǎn)、現(xiàn)金流風(fēng)險(xiǎn)、盈利能力風(fēng)險(xiǎn)和投資風(fēng)險(xiǎn)4個(gè)方面共13個(gè)財(cái)務(wù)指標(biāo)作為財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)，并將其作為構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型的預(yù)選指標(biāo)。在構(gòu)建預(yù)警模型的過(guò)程中，首先，進(jìn)行單變量分析，找出具有顯著性差異的指標(biāo)，然后，對(duì)指標(biāo)進(jìn)行因子分析，提取出主成分即主要因子，作為自變量引入預(yù)警模型。最后，構(gòu)建預(yù)警模型并加以檢驗(yàn)，得出所建的預(yù)測(cè)模型具有良好的預(yù)測(cè)效果，對(duì)國(guó)有企業(yè)預(yù)測(cè)財(cái)務(wù)危機(jī)具有較高的參考作用?！?
