第一章 导论
1.1 研究背景
自 1990 年 12 月 19 日上海证券交易所成立以来，中国证券市场规模迅速扩大，已成为国民经济的重要组成部分。截至 2007 年底，在沪深证券交易所上市的 A 股上市公司已达到 1550 家，上市公司总市值达到 32.71 万亿元，已超过 2007 年国内生产总值（GDP），成为继美、日、英之后全球第四大证券市场[1]。随着我国证券市场的快速发展和规模不断扩大，上市公司在推动国民经济发展、建设现代企业制度、优化资源配置、筹集资金、提升公司核心竞争力等方面发挥着越来越重要的作用。在证券市场快速发展和上市公司整体经营业绩不断提高的同时，部分上市公司在激烈的市场竞争中由于公司治理结构失衡、公司管理层管理水平不高和经营能力不强等，导致公司经营战略和投资决策失误，使生产经营管理混乱，公司经营业绩逐年下降，出现巨额亏损和财务状况异常，最终受到中国证券监督管理委员会的特别处理（SpecialTreatment，简称 ST），面临暂停上市甚至终止上市的危险。自从 1998 年 3 月 16 日中国证监会颁布《关于上市公司状况异常期间的股票特别处理方式的通知》以来，沪深两市的 ST 公司逐年增加。截至 2007 年底，沪深两市共有 175 家 A 股上市公司被特别处理, 占沪深两市 A 股上市公司的 11.46%，2007 年新增 A 股 ST 公司 70 家[2]。这些 ST 公司被特别处理的原因不尽相同，但它们大多数是由于财务状况异常而被特别处理。一旦被特别处理，就要求上市公司采取各种措施，改善经营状况，提高经营业绩，实现扭亏为盈，恢复财务状况的正常状态，尽快摘去ST 帽子。否则，ST 公司就会被暂停上市甚至终止上市，将给国家、投资者、债权人及其他利益相关者带来巨大损失。
公司出现财务状况异常，发生财务危机，陷入财务困境甚至破产往往不是突发性的，而是一个逐步恶化的过程，公司在陷入财务困境前一般都会在公司经营业绩、财务状况和现金流量等财务指标方面出现异常状况。企业的财务困境不但具有先兆，而且是可预警的。公司的财务困境可运用一定的方法，利用公开的公司经营业绩、财务状况和现金流量等财务指标和其他非财务指标进行预警。深入研究财务困境的成因，探索其形成规律，进而采取预警措施，既可以减少财务困境的发生，也可以为投资者、债权人及其他利益相关者等提供决策工具。建立一套健全的财务困境预警系统，及时预警可能出现财务困境的公司，揭示财务风险并及时采取有效的防范、化解风险的措施，对于投资者和债权人保护自身的利益、公司管理层改善自身经营管理、证券监管部门监控上市公司质量和证券市场风险等都具有重要的现实意义，这也成为上市公司管理当局、投资者、债权人及其他利益相关者共同关注的问题。
1.2 研究的目的和意义
1.2.1 研究的目的
上市公司的财务困境是一个逐步恶化的过程，具有渐进性、可预警性等特点，公司在陷入财务困境前一般都会显露出种种迹象，而这些迹象通过财务数据的表现尤其明显。因此，如何利用财务指标和上市公司的治理结构、注册会计师的审计意见等非财务指标、通过建立数学模型对公司陷入财务困境的可能性大小进行预警，成为了一项重要的研究课题。国外对财务困境预警的研究较早，相关的研究文献非常丰富，其研究成果被广泛应用于公司价值评估、公司信用等级评价、公司财务评价、公司破产预警等领域。由于我国与西方国家在政治、经济、文化和法律等方面的差异，将国外的研究成果直接应用于我国上市公司财务困境的预警有较大的不适应性。从上世纪 90年代末期以来，我国对财务困境预警的理论、研究方法、研究视角、成果应用等方面的研究方兴未艾，并且已经取得了一定的研究成果。从我国财务困境预警研究的状况来看，主要体现三大特点：
(1)研究的对象主要集中于上市公司。上市公司属于公众公司，其年度财务报告必须通过注册会计师审计后定期向社会公布，这样上市公司财务资料就能比较方便地取得，同时在一定程度上也保证了上市公司财务资料的真实性；而非上市公司的财务资料较难取得，即使可以花费较高成本获取，财务资料的可靠性、真实性也无法保证；
(2) 研究中将上市公司的财务状况只分为财务困境和非财务困境两种状态，实际上有大量的上市公司的财务状况既不属于财务困境型也不属于非财务困境型，而是介于两者之间的第三种状态—财务亚健康状态；
（3）影响上市公司财务困境的因素，大家主要关注的是公司的财务指标，而对国家宏观经济因素、上市公司的治理结构、注册会计师的审计意见等非财务指标考虑较少。
因此，本文在借鉴国内外研究成果的基础上，以我国证券市场为研究背景，以期达到以下研究目的：
（1） 以我国制造业上市公司为研究对象，分析其可能造成财务困境的因素，包括财务因素和非财务因素。
（2）按一定的标准将我国制造业上市公司财务状况分为财务困境、财务亚健康、财务健康三种状态，检验这三种财务状态下我国制造业上市公司在财务指标、市场数据、公司治理结构和注册会计师的审计意见等方面是否有显著差异，以及上述信息对财务困境预警的有效性。
（3）通过多元多状态逻辑回归( Logistic Regression)统计分析方法，不限定财务信息或非财务信息，设计代理变量，从中筛选出对预警上市公司是否会陷入财务困境有效的变量，并建立相应的财务困境预警模型。
第二章 财务困境预警研究的基本理论
2.1 财务困境的界定
财务困境（Financial Distress）又称为财务危机（Financial Crisis），最为严重的财务困境就是破产（Bankruptcy）。国外对财务困境的界定没有一个统一的定义，不同的学者根据研究的问题与目的不同，以及研究所选择的样本范围不一致，财务困境有不同的特定含义。Beaver（1966）将公司的“财务困境”定义为出现破产、债券拖欠不偿付、银行透支、不能支付优先股股利。Carmichael（1972 年）认为财务困境是公司履行义务时受阻，具体表现为（1）流动性不足。流动负债大于流动资产，履行短期义务时遭遇困难；(2)权益不足。公司的长期偿债能力不足，留存收益呈现赤字，或者总负债大于总资产(即负权益)；(3)债务拖欠。公司不能偿付负债，或者违背了贷款条款。（4）资金不足。公司受限或者无能力获得各种额外资金[36]。George Foster（1986）认为财务困境就是“如果不对公司运营方式或结构进行大规模的重新调整就不能解决严重的流动性问题”[37]。Lau (1987)（23 5），将企业财务状况分为五个状态，这五个财务状态分别是：状态 0，财务稳定；状态 1，取消或减少股利；状态 2，技术性违约和债券违约；状态 3，处于破产法保护下；状态 4，破产和清算。 Lau 认为从状态 1 到状态 4 企业处于财务困境状态，并且其严重性逐渐增加[38]。取消或减少股利是企业财务困境开始的信号，破产和清算意味着企业的终结，财务困境达到最严重的、最后阶段。
第三章 财务困境预警模型的研究样本.......... 50-76
3.1 样本的辨识与选择......... 50-54
3.2 变量的辨识与选择 .........54-74
3.3 本章小结 .........74-76
第四章 财务困境预警多类 logistic 模型.........76-103
4.1 对 logistic 回归模型的辩识 .........76-78
4.1.1 二类Logistic 回归模型......... 76-77
4.1.2 多类Logistic 回归模型......... 77-78
4.2 财务变量多类 Logistic 回归预警模型......... 78-89
4.3 引入非财务变量的多类 Logistic ......... 89-99
4.4 财务困境预警的多类 Logistic 回归模型......... 99-101
4.5 本章小结......... 101-103
第五章 研究结论与后续研究的思考......... 103-108
5.1 研究结论 .........103-105
5.2 模型应用应注意的问题.........105-106
5.3 研究的局限性和后续研究的思考......... 106-108
结论
本文将公司财务状况分为财务困境、财务健康和亚健康三种状态进行财务预警的实证研究。将因连续两年经审计显示的净利润均为负值（包括追溯调整导致最近两年连续亏损）而被特别处理界定为财务困境，因连续两年经审计显示的净利润均为正值界定为财务健康，而一年发生亏损另一年实现净利润被界定为财务亚健康。选择 2004年、2005 年、2006 年和 2007 年因连续两年经审计显示的净利润均为负值的制造业上市公司 85 家（2004 年、2005 年、2006 年为 59 家，2007 年为 26 家）为财务困境样本，并按照行业、资产规模与会计年度相同的配对标准，为各财务困境样本公司分别选择了 85 家财务健康制造业上市公司和 85 家财务亚健康制造业上市公司作为配对样本，其中 2004 年、2005 年和 2006 年各 59 对共 177 家公司组成建模样本，2007 年 26对共 78 家公司组成检验样本。在研究变量选择方面，在借鉴前人财务困境预测研究使用的预测变量基础上，结合我国制造业上市公司的经营特点和公司治理状况，选择了反映公司偿还债务能力、盈利能力、营运能力、发展能力、财务结构、现金流量、市场数据、公司治理（由于本文研究正处于我国股权分置改革时期，因此公司治理中的股权结构，没有考虑国家股（国有股）、法人股和流通股等股权构成，只考虑从股权集中度的角度选取非财务变量来研究股权结构与财务困境的关系。）、注册会计师审计意见等各种财务变量和非财务变量共 55 个作为初步研究变量，期望从中筛选出最具有解释力的研究变量构建财务困境预测的多类 Logistic 回归模型。本研究的主要结论如下:#p#分页标题#e#
（1）随着公司陷入财务困境的临近，在财务困境公司、财务健康公司和财务亚健康公司之间存在显著差异的财务变量的个数逐步增加，反映出公司财务困境的形成是一个逐步积累的过程。在不同年度，财务困境公司、财务健康公司和财务亚健康公司之间的财务变量存在显著差异，说明上市公司公开披露的财务信息具有较强的公司财务状况信息含量和时效性，运用财务变量建立 T-2 年、T-3 年和 T-4 年等不同预警期的财务困境多类 Logistic 回归预测模型是可行的。
（2）反映盈利能力的财务变量资产净利率进入了 T-2 年、T-3 年和 T-4 年模型，而非经常损益比率财务变量只进入 T-2 年模型。说明资产净利率财务变量具有较强的长短期财务困境预测能力，并且稳定性较强，而非经常损益比率变量则只具有短期财务困境预测能力；反映营运能力的其他应收款周转率财务变量进入了 T-2 年和 T-3 年模型，而总资产周转率进入 T-4 年模型。说明其他应收款周转率财务变量具有较强的短期财务困境预测信息含量，而总资产周转率变量则长期预测能力较强；反映发展能力的财务变量净利润增长率和资本保值增值率进入了 T-2 年模型，而 T-3 年和 T-4 年模型则没有反映发展能力的财务变量进入。说明反映发展能力的财务变量只具有较强的短期财务困境预测能力；反映现金流量的财务变量只有现金再投资比率进入 T-3 年和 T-4 年模型，而 T-2 年模型中则没有反映现金流量的财务变量进入。因此说明现金流量变量长期财务困境预测能力较强，短期预测能力不明显；反映财务结构的应收账款占流动资产比例变量进入了T-2年模型，其他应收款占流动资产比例变量进入了T-4年模型，但 T-3 年模型则没有反映财务结构的变量进入。说明应收账款占流动资产比例变量具有较强的短期财务困境预测能力，其他应收款占流动资产比例变量则长期预测能力较强。
（3）T-2 年、T-3 年和 T-4 年等不同预警期的财务困境多类 Logistic 回归预测模型中的财务变量回归参数正负符号与财务理论一致，表明资产净利率、其他应收款周转率、总资产周转率、净利润增长率、资本保值增值率、现金再投资比率等财务变量越大，发生财务困境的概率就越小，财务健康或亚健康的可能性就越大；非经常损益比率、应收账款占流动资产比例和其他应收款占流动资产比例等财务变量越大，发生财务困境的概率就越大，财务健康或亚健康的可能性就越小。
（4）T-2 年的财务变量多类 Logistic 回归预测模型，对建模样本回判的总体预测准确率为 84.2%，对检验样本检验的总体预测准确率为 80.8%；T-3 年对建模样本回判的总体准确率为 70.6%，对检验样本检验的总体预测准确率为 70.5%，；T-4 年对建模样本回判的总体准确率只有 54.8%，对检验样本检验的总体预测准确率只有 51.3%。因此，距离公司财务状况预测期越近，模型的预测能力越强，预测准确性就越高；而距离公司财务状况预测期越远，预测精度就越差。
（5）只有反映公司股权集中度的非财务变量，在 T-2 年、T-3 年和 T-4 年在财务困境公司、财务健康公司和财务亚健康公司之间存在显著差异，具有财务困境预测信息含量。而反映公司董事会治理情况、对经营者激励和年度财务报告审计意见等非财务变量在财务困境公司、财务健康公司和财务亚健康公司之间却不存在显著差异，不具有公司财务困境预测信息含量。
（6）第一大股东是否绝对控股、机构投资者持股比例两个非财务变量进入 T-2年模型，这两个非财务变量的回归参数均为正数，表明第一大股东绝对控股，机构投资者持股比例越大，公司出现财务健康或亚健康状况的可能性就越大，发生财务困境的可能性就越小；第一大股东是否相对控股非财务变量进入 T-3 年模型，回归参数为正数，说明第一大股东相对控股，公司出现财务健康或亚健康状况的可能性更大，发生财务困境的可能性就更小；第一大股东持股比例非财务变量进入 T-4 年模型，回归参数为正数，说明第一大股东持股比例越大，公司出现财务健康或亚健康状况的可能性越大，发生财务困境的可能性就越小。在引入非财务变量后的多类 Logistic 回归模型中，无论距离公司财务状况预测期远近，第一大股东持股比例的大小都有一定的预测信息含量，并且随着距离公司财务状况预测期由远至近，第一大股东持股比例、第一大股东是否相对控股和第一大股东是否绝对控股等非财务变量具有越来越显著的预测能力。
（7）在财务变量多类 Logistic 回归预测模型中引入非财务变量，能在一定程度上提高模型的预测准确率，表明非财务变量具有一定的预测公司财务状况的信息含量和预测能力。引入非财务变量后，T-2 年对建模样本的总体回判检验准确率提高了2.8%，对检验样本的总体检验准确率提高了 5.1%；T-3 年对建模样本的总体回判检验准确率和检验样本总体检验准确率分别提高了 2.8%；T-4 年对建模样本的总体回判检验准确率提高了 2.3%，对检验样本的总体检验准确率提高了 2.5%。
参考文献
[1] 刘欣然．07 年市值高歌猛进[N]
[2] 中国上市公司资讯网 [N]．
[3] Beaver W.H. Financial Ratios as Predictors /cwglbylw/ of Failure[J]. Journal of Accounting Research（supplement），1966，vol.5：71-102.
[4] Zmijewski M.E．Methodological Issues Related to the Estimation of Financial Distress Predictionmodel[J]. Journal of Accounting Research，1984，Vol.22： 38-59.
[5] Altman E.I. Financial Ratios, Discriminant Analysis,and the Prediction of CorporateBankruptcy，Journal of Finance[J]. 1968，September：586-610.
[6] Altman E.I.,R.G.Haldeman and P.Narayanan．ZATE Analysis— A New Model to IdentifyBankruptcy Risk of Corporations[J]. Journal of Banking and Finance，1977,June:29-54.
[7] Ohlson,J.A. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J]. Journal ofAccounting Research, 1980,Vol.18:109-131.
[8] Luoma,m.and Laitinen E.K. Survival Analysis AS a tool for company FailurePrediction[J].Omegam vol.19, 1991,No6.:673-678.
[9] M.D.Odem and R.Sharda A Neural Network Model for Bankruptcy Prediction [C].in Proceedingof the International Joint Conference on Neural Networks,1990．
[10] Altman E.I. The Prediction of Corporate Bankruptcy: A Discriminant Analysis [J].Journal ofFinance，1990, Vol.8:39-48.
