1 绪论
1.1 选题背景及研究意义
1.1.1 研究背景
企业财务危机并不孤立的，它既与企业所处的外部经济环境有关，也与企业自身的经营治理状况有关。首先，从外部经济环境看，世界经济危机的发生对企业的影响，可以追述到 18世纪。实证研究表明，从 1788 年英国爆发的经济危机以来 200 多年里，大规模的世界性经济危机不下十次，而每一次经济危机都伴随着大量企业陷入财务危机，甚至倒闭，同时表现为严重的失业和行业衰退。以主要源于美国的世界经济危机为例：1873 年和 1882 年源于美国的世界经济危机，致使美国 5000 家工商企业和 57 家证券交易公司倒闭、美国铁路昔日的热潮逐渐消退，法国也难以幸免，有 7000 多家企业倒闭；1907 年源于美国的世界经济危机，美国破产的信贷机构超过 300 家，30 多家铁路公司倒闭，2.74 万家工商企业登记破产；1929 年，世界经济大危机（大萧条时期），首先从美国开始，历时 4 年之久，美国工商企业倒闭，约有几十万中小企业破产，欧洲其他各国和日本大批企业倒闭；1969-1970 年美国战后经济危机，2 万多家工商企业倒闭；1997-1998 年亚洲金融危机、2001 年源于阿根廷、在拉丁美洲蔓延的金融危机；2008 年爆发的全球金融危机，依然源于美国。美国的次贷危机引发的金融海啸，给世界经济带来了极大的冲击，它不仅使一些大银行、大企业集团和中小企业陷入严重的财务危机，而且使一些国家濒临破产、政局动荡、经济衰退、大批公司倒闭、大量工人失业，引发了巨大的社会问题。其次，从企业自身的经营治理状况看，企业发生财务危机的主要原因在于公司治理机制的不完善和经营缺乏效率。Rajan&zinga(1995)与 Prowse(1995)在亚洲金融危机发生后针对东亚地区作了实证研究，发现东亚地区的公司股权有过于集中的现象，且企业没有良好的公司治理，并认为这是亚洲爆发金融危机的主要原因。2001 年以后美国安然、世界通讯等公司发生财务危机，国内企业如银广夏、德隆、三九等公司也发生了类似的会计丑闻和财务危机，上市公司的公司治理 (Corporate governance)日趋受到世人关注。
随着全球经济一体化的发展，国际资本市场的不断扩大，企业所处的经济环境日趋复杂，面临的财务风险越来越大。制造类企业是我国的支柱型企业，对我国的经济增长起着中流砥柱作用，在目前的形势下，已经有一部分企业资不抵债、举步维艰，因连续亏损被特别处理的上市公司逐年增多，投资者、债权人因不了解内情，盲目投资、盲目放贷，而遭受巨大损失，如何建立一种行之有效的财务危机预警模型，对企业所面临的财务风险进行提前预警，帮助企业及早发现自身存在的问题，增强“免疫力”，减少陷入财务危机的可能性，对企业、债权人、投资者等利益相关者而言，已是迫在眉睫。
1.1.2 研究目的及意义
目前，我国大部分企业管理层风险意识淡薄，对财务风险认识不足，缺乏必要的财务风险防范手段，不比西方国家。西方国家的资本市场比较成熟，企业管理层在财务风险管理活动中积累了丰富的实际经验，创造了许多风险防范手段和制度，而我国的资本市场还不成熟，在财务风险防范方面还存在明显的不足，尽管有些企业已经开始探索财务风险管理之道，但理论研究和实践运用速度还比较缓慢，所建立的一些财务危机预警指标，大多是以报表中的财务指标构建的，忽略了不易量化的一些非常重要的非财务指标，因财务指标存在人为操作的现象，其真实性值得怀疑，单独用财务指标建立的预警模型，会导致预警模型的判断出现偏差，给企业带来灾难性后果。
本文以我国 A 股制造业上市公司为研究对象，以上市公司是否因“财务状况异常”而被特别处理(ST)作为界定其是否陷入财务危机的标准，运用 Logistic 回归方法，采用涵盖上市公司实际状况的财务比率、公司治理和经营效率多个变量体系，利用上市公司已审计报表中的财务数据、公司治理数据以及利用 DEA 方法计算出的经营效率数据，寻找尽可能准确的预测上市公司财务危机的变量，并依此构建我国 A 股上市公司财务危机预警模型，这是本文的理论价值所在。本文开创性地采用财务比率、公司治理、经营效率三个纬度的变量指标构建财务危机预警模型，并验证在加入这些变量后，所构建的预警模型，其预测准确度是否优于加入单一或部分变量体系的预警模型。本文在理论分析和实证研究的基础上，构建我国 A 股制造业上市公司财务危机预警模型，为投资者、债权人等利益相关者提供一个较为完善的上市公司财务危机预警机制，规避风险、提高效率。这将有助于我国 A股市场的持续健康有序发展，这是本文的现实意义所在。
2 文献回顾与评述
2.1 文献回顾
Beaver(1966)是第一个把统计方法应用到财务危机预警领域的学者，他以 79 家财务危机企业、79 家同规模同行业的正常企业为配对样本，选取 30 项财务比率进行二分类检验，并确立分界点，做出判别。研究表明，现金流量负债总额是所选指标中预测效果最好的，其次为总负债/总资产、净利润/总资产。Altman 在 1968 年率先将多元判别分析技术引入财务危机预警领域，他选取 1946至 1965 年破产的 33 家制造业公司、配对的 33 家正常公司为样本，利用反映企业流动性、偿债能力、获利能力、财务杠杆等指标，用多元判别技术对指标变量进行筛选，最终得到一个包含 5 个变量的线性方程，即著名的 Z 分数模型。研究发现，此模型第一年的判别准确率高达 95%，短期判别能力较好，随着判别期限的加长判别力却下降了。Ohlson 在 1980 年运用 Logistic 回归模型，选取了 1970 至 1976 年间的 205 家制造业破产上市公司和 2058 家正常公司组成配对样本，以 9 项财务比率建立了三个危机预警模型，研究显示判别准确率均在 90%以上，最高可达 96.12%，预测效果较为理想。研究还发现经营绩效、公司规模、财务结构及流动性与企业发生财务危机有密切的关系。Coats 和 Fant（1991）运用神经网络模型对财务危机公司进行预测，以 47 家财务危机公司和 47 家正常公司为研究样本，通过检测模型的预测效果，发现拟合度可达100%，而判别准确率也能达到 91%，而使用相同的研究样本，多元判别法的判别准确率则为 72%。
3 财务危机预警理论及危机成因分析................ 18-25
3.1 相关概念鉴定................ 18-20
3.1.1 财务危机................ 18
3.1.2 公司治理 ................18-19
3.1.3 经营效率................ 19-20
3.2 财务危机成因分析................ 20-22
3.2.1 财务因素................ 20-21
3.2.2 公司治理因素................ 21-22
3.2.3 经营效率因素................ 22
3.3 财务危机预警基本理论................ 22-25
3.3.1 规范理论................ 22-23
3.3.2 实证理论................ 23-25
4 研究设计 ................25-33
4.1 研究假设................ 25
4.2 样本选取................ 25
4.3 变量选取................ 25-29
4.4 模型构建 ................29-33
5 实证过程及结果分析................ 33-44
5.1 实证过程................ 33-34
5.2 实证结果分析 ................34-44
5.2.1 DEA 效率评估模型分析................ 34-35
5.2.2 因子分析 35-................38
5.2.3 Logistic 回归分析 ................38-41
5.2.4 模型检验 ................41-44
结论
本文选取我国 A 股制造业 2006—2008 年被 ST 的 80 家上市公司作为财务危机样本，并按同规模、同行业、同时期的配对标准选择了 80 家正常公司作为配对样本，从理论研究与实证分析两个层面，对我国 A 股制造业上市公司发生财务危机的成因、表现、财务因素与非财务因素对公司发生财务危机的影响以及财务危机预警模型的构建等方面进行了较为全面、系统、深入的分析，得出如下结论：
①财务变量是公司财务状况最直接明了的反映。通过独立样本 t 检验，发现财务危机公司在偿债能力、盈利能力、营运能力、发展能力和现金流量等方面与正常公司相比，存在明显的差异，财务危机公司在这几个方面均弱于正常公司。在对财务变量进行因子分析时，提取了七个主因子，主因子包含了偿债能力、盈利能力、营运能力、发展能力和现金流等指标的大部分信息，具有较好的解释力，且其系数均为负，表明偿债能力、盈利能力、营运能力、发展能力和现金流量与公司是否发生财务危机呈负相关，是公司财务状况好坏的直接反映，也进一步证实偿债能力、盈利能力、营运能力、发展能力和现金流量在财务危机预警机制构建中的重要作用。#p#分页标题#e#
②公司治理指标是甄别企业财务状况的重要指标。根据理论分析，公司股东、董事会和经理层的特征影响公司发生财务危机的概率。公司治理可以通过内部建立合理的权力机构，在股东、董事会和经理层之间形成有效的约束、激励和制衡机制，实现公司与股东和其他利益相关者的利益最大化，降低公司陷入财务危机的概率。根据实证分析，对 ST 公司与非 ST 公司的治理变量进行独立样本 t 检验时，发现正常公司的治理指标均值均高于财务危机公司，而且在 t-2 年数据的逻辑回归中，治理指标的引入可以使预警模型的预测能力更优，预测准确率提高了 9%，这一结果能进一步证明公司治理因素在企业财务危机预警中的重要性。
③DEA 数据包络分析法的使用，是本文的一大亮点。通过 DEA 数据包络分析，对我国 A 股制造业 ST 上市公司与非 ST 上市公司的经营效率进行评价。研究表明，财务危机公司在经营效率方面与正常公司相比存在明显差异。财务危机公司的各年度平均技术效率指标集中在 0.71～0.85 之间，而正常公司各年度平均技术效率指标集中在0.85～0.91 之间；在平均配置效率方面，财务危机公司也不及正常公司，财务危机公司集中在 0.78～0.80 之间，而正常公司集中在 0.84～0.90 之间；正常公司各年度平均整体效率集中在 0.75～0.81 之间，而财务危机公司则集中在 0.57～0.67 之间。无论从技术效率、配置效率还是从整体效率来看，正常公司的效率明显要高于发生财务危机的公司，即正常公司的经营效率明显高于发生财务危机的公司。
参考文献
[1]Beaver, W.H, Financial Rations Predictors of Failure /cwgllw/. Journal ofAccounting Research, 1966.71-102
[2]Altman, E.I.Financial Ratios, Discriminate analysis and the prediction of corporateBankruptcy .Journal of Finance, 1968.589-609
[3]Ohlson, Ungarbled earnings and dividends: An analysis and extension of the Beaver, Lambert, andMorse valuation model. Journal of Accounting and Economics, July 989.109-116
[4]Coats, P.Fant, L Recognizing Financial Distress Patterns Using Neural Network Tool. FinancialManagement, 1993.145-155
[5]Kohand, “A neural network approach to the prediction of going concern status,” Accounting andBusiness Research 21, 1999.211-216
[6]吴世农,黄世忠.企业破产的分析指标和预测模型.中国经济问,1986(6):23-25
[7]陈静．上市公司财务恶化预测的实证分析.会计研究，1999(4)：31-38
[8]刘洪，何光军．基于人工神经网络方法的上市公司经营失败预警研究．会计研究，2004(2)：42-46
[9]罗兰.我国上市公司财务危机预警实证研究.合肥工业大学.2007
[10]张玉玲．我国上市公司制造类企业财务危机预警实证研究．北京物资学院．2008
