企業(yè)財務預警

第六章上市公司靜態(tài)財務

預警研究PowerPoint第六章第一頁，共二十七頁。

第六章上市公司靜態(tài)財務預警研究第一節(jié)研究目的第二節(jié)研究對象的界定第三節(jié)樣本設計和研究變量第四節(jié)研究結果及其分析第五節(jié)研究結論及其局限性第二頁，共二十七頁。

第一節(jié)研究目的如何選取有價值、有可操作性的研究對象（我國目前尚無上市公司破產案例）。如何在對國外經典研究成果進行回顧和總結的基礎上，建立適合我國國情的預測模型。如何在保證一定預測精度的前提下，降低模型的復雜程度和減少使用變量的個數。為提高預測的及時性，如何進行較長時間跨度的準確預測。如何在靜態(tài)預測的基礎上，建立具有更高預測精度和理論價值的動態(tài)預測模型。第三頁，共二十七頁。

第二節(jié)研究對象的界定一、界定方法1.界定的研究對象：因“財務狀況異?！倍惶貏e處理（ST）的A股上市公司。2.界定的理由1）上市公司具有代表性2）我國A股上市公司的資料比較完整3）ST的A股上市公司特征明顯二、研究對象界定的實際意義

1.陷入財務困境公司的數量在不斷增加；2.陷入財務困境公司的地區(qū)分布在不斷擴大；3.陷入財務困境公司虧損嚴重，股東權益侵蝕嚴重。第四頁，共二十七頁。第三節(jié)樣本設計和研究變量一、樣本設計二、研究變量第五頁，共二十七頁。一、樣本設計1.樣本選擇的重要性關系到預測模型的外部適用性和預測能力。2.樣本選擇的標準1）ST樣本組被特別處理的公司（1998－2000）作為ST樣本組，并獲得至少在其被ST之間三年的財務資料。2）非ST樣本組根據公司被“ST”前一年的行業(yè)分類和總資產規(guī)模，選擇相應的控制樣本。3）組內分布控制使來源于3個會計年度的最終樣本個體，在各年的分布大致平均（Altman（1968）方法）。第六頁，共二十七頁。一、樣本設計3.樣本設計由34家ST公司和34家非ST公司構成標定資料集來構造預測模型，由10家ST公司和相應的10家非ST公司組成預測樣本，來檢驗已建立模型的預測能力。第七頁，共二十七頁。二、研究變量

通過廣泛參考國內外相關研究中，對預警模型有顯著貢獻的預測變量，并結合我國國情，初步確定了反映企業(yè)財務狀況的31個備擇預測變量。財務結構（5個）負債/股東權益負債/股東權益＋少數股權及權益負債/總資產流動負債/總資產固定資產/總資產償債能力（4個）營運資本/總資產流動比率（貨幣資金＋短期投資＋應收凈額）/流動負債第八頁，共二十七頁。二、研究變量速動比率經營能力主營業(yè)務收入/總資產應收帳款周轉率存貨周轉率存貨總額/主營業(yè)務收入凈額存貨凈額/主營業(yè)務收入凈額營運資本/主營業(yè)務收入凈額經營效率

凈利潤/總資產主營業(yè)務利潤/總資產主營業(yè)務收入/股東權益主營業(yè)務收入/股東權益＋少數股權及權益第九頁，共二十七頁。二、研究變量

凈利潤/主營業(yè)務收入凈額（利潤總額＋財務費用）/總資產凈資產收益率每股收益非主營業(yè)務利潤/總資產成長基礎及能力本年度凈利潤增加/本、上年度凈利潤絕對值之和主營業(yè)務收入增長率總資產收益率留存收益/總資產每股凈資產每股公積金每股未分配利潤第十頁，共二十七頁。第四節(jié)研究結果及其分析一、樣本組概況描述二、初步貝葉斯判別結果三、逐步判別分析結果四、基于中報數據的預測模型五、中長期預測模型第十一頁，共二十七頁。

一、樣本組概況描述1.分別對兩個樣本組ST前一年的31個變量值進行描述性統(tǒng)計，同時檢驗所選取變量在ST組和非ST組之間是否存在顯著性差異，以證實變量在模型構造中的代表性。（統(tǒng)計結果P158－159）2.統(tǒng)計分析結論：1）從財務結構看，、通過1％的t檢驗，表明ST公司比非ST公司債務負擔重。2）在償債能力方面，、和通過1％的t檢驗，其中在償債能力指標中具有最高的代表性；、表明ST公司的存貨數量一般高于非ST公司，而貨幣資金、短期投資等變現能力強的資產價值第十二頁，共二十七頁。一、樣本組概況描述則低于非ST公司。3）在衡量經營能力方面，和通過1％的t檢驗，意味著ST公司的總資產周轉率、存貨周轉率及利用主營業(yè)務收入獲取營運資本的能力要低于非ST公司。4）在反映經營效率方面，、、、、通過1％的t檢驗，表明ST公司的經營效率明顯低于非ST公司。5）在反映成長基礎和能力方面，、、、通過1％的t檢驗，表明ST公司的未來成長性明顯壞于非ST公司。第十三頁，共二十七頁。

二、初步貝葉斯判別結果

用貝葉斯判別方法對ST前一年的資料進行判別分析，構造判別模型：

第十四頁，共二十七頁。二、初步貝葉斯判別結果將閥值點設為0.5；Z值>0.5的為ST公司，Z值<0.5的為非ST公司。判別結果（P161）表明：所選擇的變量和模型對樣本的擬合程度很好。使用已構造的模型對隨機抽取的新樣本（20）進行預測檢驗，以判斷模型的預測價值。第十五頁，共二十七頁。

三、逐步判別分析結果1.貝葉斯方法存在的問題1）模型實用性較低。31個變量使得模型較復雜，同時收集這些變量值及計算最終結果成本很高。2）模型的正確性及外部適用性有待提高。變量不完全服從多元正態(tài)分布。2.研究目標尋找最優(yōu)的變量組合，在保證達到甚至超過原判別模型的判別精度和預測精度的同時，使進入模型的變量個數盡可能地少。3.方法描述及分析結果第十六頁，共二十七頁。三、逐步判別分析結果對已有的31個變量進行逐步篩選以進一步優(yōu)化模型。在15％的顯著性水平下，每次增加1個百分點，重復進行逐步判別分析過程。最后發(fā)現以36％的顯著水平篩選出的結果構造的判定模型是最優(yōu)的。具體模型如下：該模型只包含12個預測變量，各項檢驗結果均優(yōu)于全變量模型。第十七頁，共二十七頁。

四、基于中報數據的預測模型1.研究背景和意義背景：年報數據的實際預測應用價值有較大局限。

多數國家為及時了解企業(yè)信息，要求公布中報。

意義：能夠獲得不低于年報模型的預測精度，極大地提高了預測的及時性。2.樣本設計和數據選取

樣本設計：樣本的選取標準和設計同本章第三節(jié)

數據選?。哼x取ST公司陷入財務困境前一年的中報數據

研究變量：沿用原年報預測模型構建時的備擇變量（除去：每股未分配利潤），對這30個變量進行第十八頁，共二十七頁。四、基于中報數據的預測模型描述性統(tǒng)計，并用t檢驗考察組間的變量值差異。中報數據除受季節(jié)和商業(yè)營運周期影響外，還有如下特征：1）在償債能力方面，ST公司普遍低于非ST公司。2）在經營能力方面，ST公司在主營業(yè)務開展和存貨管理方面均劣于非ST公司。3）在盈利能力方面，ST公司明顯低于非ST公司。特別是主營業(yè)務利潤的獲取。4）從成長能力來看，ST公司也明顯弱于非ST公司。3.研究結果及分析

首先，仍使用貝葉斯判別方法構造ST前一年的中報全變量模型。第十九頁，共二十七頁。四、基于中報數據的預測模型其后，對模型進行交互驗證，發(fā)現預測效果優(yōu)于原年報模型。

最后，使用逐步判別分析方法對30個變量進行篩選，尋求最優(yōu)中報模型（方法和步驟同前）：

結果表明：

運用貝葉斯判別、交互驗證和逐步判別分析方法可以構造較為精確的中期報告預測模型。該模型較年報模型既提高了及時性，又提高了預測精度。第二十頁，共二十七頁。

五、中長期預測模型1.中長期預測指提前2至3年或更長時間跨度所進行的財務預警。2.研究意義動態(tài)地關注公司在陷入困境前不同時點的財務狀況和經營業(yè)績；探尋企業(yè)衰敗過程中各個階段的財務特征；尋找在不同時期對企業(yè)具有顯著指示能力的“信號指標；建立預測精度更高，更及時的模型。3.全變量模型

所采用的樣本設計和研究方法，同一年期預警模型。

第二十一頁，共二十七頁。五、中長期預測模型

首先，分別對兩個樣本組在財務困境前1至3年的31個變量值進行均值、中位數、方差等描述性統(tǒng)計，同時檢驗所選取變量在兩組之間的顯著性。

其次，使用多元線性判別方法構造財務困境前2至3年的全變量（31個）預測模型。

最后，對模型進行回判檢驗和交互檢驗分析，發(fā)現模型的正確性和外部適用性有待提高，且信號指標過多。4.最優(yōu)中長期預測模型建立及分析

目標：尋找對企業(yè)長期生產經營前景有指示能力的“信號”指標，構造最優(yōu)變量組合，提高模型預測精度。第二十二頁，共二十七頁。五、中長期預測模型方法:使用逐步判別分析方法進行中長期預測變量的篩選。

最后我們得到了最優(yōu)前兩年和前三年預測模型：比較前一、前二和前三年的最優(yōu)模型，發(fā)現所包含的變量個數呈12－5－3的變化?？梢?，企業(yè)在陷入財務困境前，會經歷一個逐步衰落的過程；同時，在衰落過程中，不同財務指標會呈現不同的特征，指標出現的時點也會不同。另外，隨著預測跨度的延伸，變量減少，說明長期經營過程中存在具有較高前瞻性的指標。第二十三頁，共二十七頁。

第五節(jié)研究結論及其局限性一、研究結論1.多元線性判別方法（MDA）在我國財務預警研究中具有很高的應用價值。2.恰當的逐步判別分析方法在財務預警中具有很高的應用價值，可以減少模型變量，提高預測精度。3.企業(yè)在陷入財務困境前，大量財務指標普偏發(fā)生異化的年份是第二年。應篩選顯著水平適中、信息含量較為充分的變量。4.對于較長時間跨度的預測，關鍵是找到對企業(yè)長期經營狀況有較強指示能力的“信號”比率。5.對不同