我国内地上市公司财务风险预警机制研究

摘要：随着市场规模的不断壮大，上市公司越来越多，相继而来的问题也越发严重。其中，财务危机问题尤为突出。本文以沪深证券交易所中的 A 股上市公司作为研究对象，通过对资料、指标的整理与筛选，建立相对应且相对完整的 Logistic 财务危机预警模型，利用相关数据检验模型的可行性，最后对企业、债权人、投资者提出相关建议。

关键词：上市公司 财务危机 财务预警 Logistic 模型

一、前言

随着经济的发展，到如今，上海证券交易所的上市公司由最初的 8 家已经上升至 1455 家，深圳证券交易所的上市公司已有 2139 家。很显然，股市规模发展极其迅速。但由于市场结构的改变，我国内地 ST 上市公司的不断增加，导致经济市场的风险扩大，股票证券市场的成长缺乏稳定性，从而使得股票证券市场可能无法正常的运作 ①。

对于投资者而言，投资者无法提前预测企业的财务风险，盲目的投资会提高投资者的投资风险。对于企业而言，财务风险会影响其正常生产经营，使企业的竞争能力变弱，限制发展。对于监管部门而言，一旦无法提前识别和衡量财务风险，导致监管不力，监管部门无法持续监管工作。因此，对于上市公司的财务危机风险预警是刻不容缓的，是极其关键的。

二、上市公司财务危机的成因分析

本文通过查阅国内上市公司财务风险扩大导致财务危机的案例，综合整理得出导致财务危机的原因，具体原因如下：

（一）资产流动性较弱

由于上市公司对于企业的资产把控不到位，管理制度的不完善，导致应收账款的数额巨大。一些上市公司为了扩大市场的占有率，采取对外赊销的方式来销售自身产品，由此可能形成坏账，无法收回，使上市公司陷入财务风险的机率大大增加。

（二）负债高杠杆过度

由于上市企业一般都倾向于获取负债的杠杆利益，所以在投资的时候会很容易形成过度负债。一般来说，高杠杆收益伴随着高风险，当市场需求变少，产品售价变高，成本变高，调整能力降低、生产资料价格的不稳定等不利因素出现之后，负债的风险则会不断增加。

（三）利润持续为负

若上市公司一直处于亏损的状态，其上市公司无法承受负债的压力，且需要面对无法从外部获得资金的支援等如此严峻的形势，上市公司无法冷静的解决自身存在的问题，就要面临被特别处理制度，甚至濒临破产清算。

（四）现金流中断

上市公司往往忽略一个指标为现金流指标。由于上市公司的忽视，导致现金流的管理不当，使得现金流中断，即便对外部经营表面上如平常一样，但实际上，上市公司已经有了财务危机的征兆。

三、上市公司财务风险预警机制实证分析

（一）上市公司样本及配对样本的选择

本文所采用的样本为 2017 年沪深证券交易所 A 股所涉及的 ST 上市公司，但由于*ST 表示公司经营连续三年亏损，有着退市预警的风险，则予以排除在样本之外。根据沪深证券交易所的统计年鉴进行资料整合，沪深证券交易所 A 股 ST 上市公司分别为 21 家与 8 家，例 ST 明科、ST 坊展、ST 中基、ST 东海洋等。

本文根据随机抽样原则，以概率的方式客观地去测量推论值的可靠程度，对配对样本的选择，则采取随机抽样的方法进行 1：1 配对。本文一共选取了 58 家上市公司作为研究样本，选择 36 对样本作为测试样本，22 对样本作为检验样本。

（二）财务风险预警指标分析与选择

本文从偿债能力分析（流动比率、速动比率等）、资本结构分析（股东权益率、产权比率等）、经营效率分析（应收款项周转率、存货周转率等）、获利能力分析（总资产报酬率、销售毛利率等）、发展能力分析（主营业务收入增长率、总资产增长率）、现金流量分析（销售收现比率、销售现金比率等），共 25 种财务指标分析出发，可以对企业的财务状况、经营状况进行揭示及了解，及时调整公司的方针策略 ②。

（三）财务风险预警指标的 T 检验

根据上述选取的 25 个财务指标，为了是否能够有效的辨别 ST 上市公司与非 ST 上市公司，将对其进行单变数的 T 检验分析。本文利用 SPSS24.0 软体对于样本选择中的 36 对测试样本，通过对 2017 年的财务资料整合得到的财务指标根据 1% 的显着性水准进行分析。

根据 1% 的显着性水准的选择标准，将显着值高于 0.01 的变数指标予以剔除，保留了 X1、 X2、X3、X4、X7、X9、X13、X15、X16、X19、X22 这 11 个指标，进行下一步的的指标筛选。

（四）相关性分析

由于多元 Logistic 回归模型分析要求引数之间不允许存在多重线性原则，即便有 11 个财务指标低于 1% 的显着性水准，但仍然要对此 11 个财务指标进行相关性分析来证明指标之间没有高度相关的关系，并以此来达到降维的目的。本文在进行相关性检验时，把相关性系数限定在 0.4 以内，尽可能的去排除掉相关度高的指标变数，使得多元 Logistic 回归模型中没有多重线性关系的引数。

由检验结果可知，X1、X3、X9、X19 指标对于其他变数指标来说是有高度相关性的，因此，把 X1、X3、X9、X19 指标予以剔除在外。最终保留 X2、X4、X7、X13、X15、X16、X22 七个指标。其中，X2 为速动比率，X4 为流动资产率，X7 为股东权益比率，X13 为总资产周转率，X15 为总资产报酬率，X16 为销售毛利率，X22 为销售收现比率。由于 X2、X4 属偿债能力分析，X7 属资本结构分析，X13 属经营效率分析，X15、X16 属获利能力分析，X22 属于现金流量分析，这些指标能够具有一定的代表性，对上市公司的基本情况能够有较强的反应。

四、多元 Logistic 回归模型的构建及检验

（一）多元 Logistic 回归模型的构建

根据上述对财务指标的选择结果，接下来运用 SPSS24.0 软体进行回归分析。首先把测试样本的 36 家上市公司进行回归分析，分析 36 个测试样本的财务资料是否全部进入回归分析，再利用 SPSS24.0 软体将 ST 上市公司的因变数定义为 1，而非 ST 上市公司的因变数定义为 0。可以得出 Logistic 回归分析模型为 Y= ln[/1-]=-0.97-0.552X2 +0.011X4-1.1937-1.258X13-0.01X15-0.018X16 0.023X22，则上市公司出现财务危机的概率为：= exp（Y）/[1+exp（Y）]=77.8。

综合得出，该模型对于上市公司因对财务状况或其他状况出现异常的上市公司股票交易进行特别处理的预测正确率为 77.8%，效果还是比较客观。

（二）多元 Logistic 回归模型的检验

为了更进一步的检验此模型的准确度如何，本文将剩余的 22 对检验样本的 2017 年的财务资料代入上述模型。本文将借鉴前者的选取临界值作为参考，一般来说，选取 0.5 作为上市公司财务危机发生的临界值，当 P 大于 0.5 时，表示上市公司发生财务危机的状况概率比较大；反之则表示发生财务危机概率比较小。因此，可以根据此模型对于我国上市公司因财务状况出现而被认定为 ST 上市公司的预测情况有一个了解。

由上表可知，此模型在预测上市公司是否会因财务状况异常而被特别处理成为 ST 上市公司的正确率为 77.3%。综上所述，本文建立的 Logistic 上市公司财务危机预警模型的预测精确度比较高，模型比较理想。

五、总结与建议

随着我国经济的发展，上市公司已经成为经济市场不可缺少的一部分。上市公司的财务危机出现，导致对上市公司的相关利益者带来了一定损失。因此，建立有效的财务危机预警模型是必不可少的。本文通过所建立的 Logistic 上市公司财务危机预警模型可以看出，这七个财务指标（速动比率、流动资产率、股东权益比率、总资产周转率、总资产报酬率、销售毛利率、销售收现比率）有显着的判别作用，此模型预警效果比较好，符合我国的实际情况，有一定的实用价值。关注这些指标可以帮助上市公司股东或者投资者等相关利益者进行分析导致财务危机的情况，起到财务危机预警作用。

最后，本文也对上市公司、投资者、债权人提出相关建议。上市公司应当建立一套完善的财务危机预警机制，需建立一个财务危机预警的组织部门，采取有效监控及科学的手段，注重财务危机预警机制的完善。投资者应当加强对于上市公司的财务危机风险意识，通过多方管道，了解上市公司的运作概况，提高自身投资要求，树立正确的投资理念。债权人应当着重关注上市公司的经营情况，在放贷时不仅仅考虑上市公司的一时经营状况，也应注重上市公司的长远发展，应当理性放贷，不追求一时利益而忽略上市公司能否长久还清债务的能力。

注释：

① 资料来源于沪深证券交易所 1991 年-2017 年年度报告整合。

② 资料来源于沪深证券交易所上市公司年度报告综合整理得出。

参考文献：

[1]贾一颜.（2018）.上市公司财务预警模型的建立和应用.今日财富 （中国智慧财产）权）.（2），145-149.

[2]林岩.（2016）.企业财务危机预警体系研究.中国管理资讯化.19（13），41-43.

[3]马长红.（2017）.论企业财务危机预警体系的建立.中外企业家.（1），107-109.

作者单位：澳门城市大学商学院

作者 罗雅婷