2004年中国经济学年会论文(金融学).doc

上市公司财务困境预测模型的再比较本文为国家自然科学基金资助项目《我国企业资本结构与风险控制研究》[项目批准号:70262001]阶段性研究成果。
胡援成田满文
江西财经大学金融学院, 330013
摘要:本文将中国上市公司因财务状况异常而被特别处理(ST)作为企业陷入财务困境的标志,采用主成分分析方法确定模型变量,并利用多元判别分析、Logistic回归和改进型BP神经网络三种方法进行财务困境预测。比较其预测结果发现,BP神经网络模型的预测准确率明显优于多元判别分析和Logistic回归模型,而后两者的判别效果接近,可见改进型BP神经网络模型更适合于企业财务困境预测。但三种模型的长期预警能力均不够理想,需要建立以定量模型为主、定性分析为辅的上市公司财务困境预测方式,以提高预测的准确性。
关键词:财务困境多元判别分析(MDA) Logistic回归改进型BP神经网络
一、研究现状及意义
财务危机是企业经营失败的具体体现,研究上市公司陷入财务困境的原因并建立完善有效且可操作的预警模型不仅具有理论意义、更具实际意义。凭借科学的预警模型,上市公司可以及时预防和化解财务危机并提高危机预警管理的科学性;借贷者(银行)可以避免贷款的高风险;投资者可以获得财务风险的警示;政府监管机构可以更有效、更科学地进行市场监管,维护市场稳健运行。
最早提出企业财务预警分析模型的是Beaver(1966),随后许多学者从事该领域的研究,在研究方法上也不断完善和改进。其中,具有划时代意义的是Beaver(1966)和 Altman (1968、1977)提出的Z—Score判别模型,以及Martin (1977)和Ohlson(1980)等提出的逻辑/概率回归模型。Zavgren(1985)等学者使之进一步深化。Aziz,Emanuel和Lawson(1988、1989)以现金流量模型为基础,提出公司的价值来自经营者、债权人、股东以及政府的现金流现值之和。他们根据破产公司与非破产公司配对数据的分析,发现在破产前五年内,两类公司的经营现金流量均值和现金支付所得税均值有显著差异。据统计,目前对财务困境分析用得最多的方法是多元线性判别分析方法和逻辑回归方法。近年来,国外已开始尝试用新的方法进行财务困境预测并取得了一些初步性成果,如运用各种神经网络模型,以试图克服以往方法的缺陷。同时,一些学者试图探讨企业财务危机的经济理论基础,从非均衡理论、期权定价模型和契约理论对财务危机进行分析和预测,并取得了一定的成果。
国内由于市场经济体制的进程和证券市场出现较晚等原因,在这方面的研究相对滞后。陈静(1999)以1998年的27家ST公司和27家非ST公司,使用了1995—1997年的财务报表数据,进行了单变量分析和多元线性判定分析,在单变量判定分析中,发现流动比率与负债比率的误判率最低;在多元线性判定分析中,发现由负债比率、净资产收益率、流动比率、营运资本/总资产、总资产周转率等6个指标构建的模型,在ST发生的前3年能较好地预测ST公司。张玲(2000)以120家公司为研究对象,使用其中60家公司的财务数据估计二类线性判别模型,并使用另外60家公司进行模型检验,发现模型具有超前4年的预测结果。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。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logistic模型的预测能力最强。由于目前的研究所选取的样本数量和样本时间各有不同,预测精度也有较大差异,在研究方法上大多沿用传统的判别分析方法和Logistic回归方法,这些都是直接或间接地依赖于线性函数来建立模型,往往不能很好地拟合复杂的实际数据。马喜德(2003)引入BP神经网络模型来增加预测精度,在国内做了一个较好的尝试。本文亦试采用改进型BP神经网络模型,以求提高拟合精度,借助多种模型比较来选择更好的预警方法,以供企业、银行、政府及债权人决策之用。
二、实证研究的思路及方法
本文以上市公司被ST作为企业经营失败的界定标准,这也是上市公司陷入财务困境的标志。本文先对ST公司的类型和阶段进行划分,然后分析企业财务预警的相关模型。再就所选取的因财务状况异常而被ST的所有上市公司进行分析,经初选获得150个财务困境企业样本,剔除非正常且数据缺省的公司,最终获得83个财务困境企业样本。并同时根据行业和规模配比原则另外选取了8