上市公司财务困境及其可能性研究

张羽瑶

【摘 要】 企业的财务困境是一个动态变化的机理形成过程。企业陷入财务困境及其可能性分析是财务困境问题研究的重要组成部分，理论界对此尚未形成统一的结论。文章通过面板数据二元选择模型研究企业陷入财务困境的可能性，其实证分析的回归结果显示：企业面临财务困境主要通过宏观经济、行业或企业生产水平等因素所致的价格下降、销售渠道堵塞、变现能力困难、库存品积压等引起的流动比率、总资产周转率、总资产收益率异常上升来进行观测预警。由此，可以根据上市公司的财务报告资料来预测上市公司陷入财务困境的可能性，该类研究具有重要的现实意义与应用价值。

【关键词】 财务困境； 预警； 特别处理（ST）

中图分类号：F275 文献标识码：A 文章编号：1004-5937（2015）18-0040-08

一、引言

近年来，随着我国资本市场的发展，上市公司的负债结构得到明显改善，推动了我国企业的技术革新和产业升级。但是，随着资本市场规模的扩大，上市公司也出现了许多问题，其中的“三年”现象尤为突出，即上市公司第一年盈利、第二年持平、第三年亏损，亏损上市公司在逐年递增，上市公司的资产负债率普遍较高。随着我国上市公司数量和规模的不断扩大，因高负债率而陷入财务困境的公司也在逐渐增加，因此，对财务困境的理论和实证研究具有重要的现实意义。从财务困境的发展脉络来看，首先要对陷入财务困境的可能性进行研究，即研究对困境有预示作用的财务指标，及时发现财务困境的财务征兆，一方面为管理者和投资者及时观察企业的经营风险提供依据，另一方面为财务困境的解决提供可靠的财务指标借鉴。

二、理论分析与假设提出

（一）理论分析

上市公司财务困境的实证研究比较多。国外的主要经典文献多以企业破产为标志来研究，如Beaver（1964）、Altman（1968）、Ohlson（1980）等，而目前国内几乎所有研究都以上市公司被ST作为财务困境的标志进行实证研究，如张玲（2000）、陈晓（2000）、吴世农（2001）、吕长江（2004）、杨淑娥（2005）等。由于我国特殊的制度背景，选择ST公司作为研究样本是实证研究的计量属性决定的，良好的量化特性是目前国内财务困境实证研究选择ST公司的主要原因。预选变量的选择一般是根据财务分析判别或其他标准，在经验数据基础之上进行筛选。

在计量方法的选择上，多以上市公司公开披露的财务报表信息为基础，研究报表信息在ST公司预测研究中的具体作用，主要有单（多）变量回归分析法（Regression Analysis）、单（多）变量判别分析法（Discriminant Analysis）和条件概率分析法（Logit/Probit Analysis）等。在样本的选择上，由于国内的ST公司数量较少，多数研究者如吴世农等（2000）、陈晓（2003）、蔡红艳等（2003）、姜国华等（2004）都将不同年度被宣布为ST的公司混合，组成混合数据作为陷入财务困境组进行研究；同时，分行业和规模选取配对样本来比较分析。数据选择上，多数研究都选用滞后两期或者三期的单期截面数据，如陈静（1999）、蔡红艳等（2003）、姜国华等（2004，2005），这种预测方法的优点是预测结果比较准确，但不能确切反映公司动态发展的变化状态。因此，反映公司经营动态的面板数据应该是比较好的替代选择。国外学者使用动态的生存分析方法预测模型，如Leclere（2000）就综合分析了以生存分析方法研究财务困境问题的文献。国内学者刘京军等（2006）把生存分析方法和Logit模型进行比较，发现生存分析方法在预测精度上略有优势。

基于以上分析，本文使用面板数据发掘导致财务困境的主要影响因素，预测上市公司陷入财务困境的可能性，建立上市公司陷入财务困境的Logit和Probit模型来检验各因素的影响程度。

（二）假设的提出

近年来，随着国有经济布局和产业结构的调整，企业间的资产重组频繁发生，资产规模扩张的同时也导致了负债和财务危机的概率增加。上市公司的这种资本结构会直接影响其经营状况，如果上市公司大量举债，巨大的本利压力会使公司的现金流受到阻碍，公司为了偿还到期债务，可能会借短债还长债，借新债还旧债，使得企业财务负担不断累积，最终入不敷出，陷入财务困境。因此，从我国上市公司的实际情况来看，高杠杆的债务因素导致上市公司陷入财务困境的情况是很普遍的。由此提出如下假设：

假设1：上市公司资产负债率越高，公司陷入财务困境的可能性越大。

流动资产周转率反映企业流动资产的周转速度和企业的营运能力，通过对该指标的评价分析，可以促使企业经营者加强内部管理，提高流动资产的使用效率、降低成本、调动暂时闲置的货币资金用于短期投资创造收益等。该指标越高，表明企业流动资产周转速度越快，利用越好。周转速度越快，流动资产越节省，流动资产使用效率越高，等于增强了企业的营运能力；周转速度越低，流动资产使用率越低，就会占用大量的流动资产，使得企业资金运营不畅，营运能力低下，企业陷入财务困境的可能性增大。由此提出如下假设：

假设2：上市公司的流动资产周转率与公司陷入财务困境的可能性呈反向关系。

总资产收益率是衡量企业盈利和收益能力的指标。总资产收益率的高低直接反映了公司的竞争实力和发展能力，也是决定公司是否应举债经营的重要依据。在企业资产总额一定的情况下，使用总资产收益率指标可以分析企业盈利的稳定性和持久性，确定企业所面临的风险。该指标比值越大，说明企业的资产利用效果越好，利用资产创造的利润越多，整个企业的经营能力越强，经营管理水平也越高；该指标比值越小，说明企业经营管理水平越低，盈利状况越差，则企业陷入财务困境的可能性越大。由此提出如下假设：

假设3：上市公司的总资产收益率与公司陷入财务困境的可能性呈反向关系。

总资产增长率是反映企业本期资产规模的增长情况，即企业的成长能力。企业资产是企业再盈利的源泉，也是企业偿还债务的保障。总资产增长率高，说明企业的资产经营扩张的速度较快。发展性高的企业一般能保持资产的稳定增长。当然，也需要关注资产规模扩张质和量的关系及企业的后续发展能力，以避免盲目扩张。一般来说，总资产增长率越高，企业发展所需的动力越足，成长势头就越强劲；反之则发展空间减小，后劲不足，最终会使企业资源枯竭，经营状况恶化，企业陷入财务困境的可能性增大。由此提出如下假设：

假设4：上市公司的总资产增长率与公司陷入财务困境的可能性呈反向关系。

企业长期偿债能力既可以根据资产负债表的资产负债率等指标来反映企业负债的总体状况，反映资产的变现能力对偿还债务的保证程度，也可以根据损益表反映企业盈利水平对偿还债务利息的保证程度。而现金债务总额比是根据现金流量表动态地反映企业经营理财活动所获取的现金流量对偿还债务能力的大小，比其他指标更具有现实性。现金债务总额比反映了企业每年现金流量偿还全部债务的能力，衡量企业现金流动性及长期负债偿还能力的大小，比值越高，说明偿债能力越大，比值越低则说明企业偿还债务的能力越小，企业陷入财务困境的可能性越大。由此提出如下假设：

假设5：上市公司的现金债务总额比与公司陷入财务困境的可能性呈反向关系。

三、研究设计与实证检验

（一）样本选取与数据来源

本文样本数据主要来源于Wind资讯金融终端数据库，另外参考天向数据库、中国证监会网站（www.csrc.gov.cn）、巨潮资讯网（www.cninfo.com.cn）、中国上市公司资讯网（www.cnlist.com.cn）、中国证券报和证券时报等。样本数据选取2001年12月31日前在上海和深圳A股市场上市的公司，总计1 064家上市公司（不包含金融和证券类公司）为研究对象。由于金融行业（银行、证券、保险、信托）属性特别，财务报表标准与其他非金融行业差异很大，所以予以剔除；其次剔除年报数据残缺的样本；因为本文的研究主要使用面板数据，因此无法均衡匹配的公司样本便无法参与计量，所以予以剔除。剔除数据残缺的样本后，剩余960个样本，其中到2012年底被宣布为ST的公司共计197家。由于研究的是公司陷入财务困境的影响因素，所以比较合理的选择是滞后一期的财务数据。若某公司一旦被ST，随后的观察数据就予以剔除；若没有被ST，则观察到的就有7个年度（2006—2012年）的财务数据，因此总计面板数据5 935个（ST公司样本197个）。表1列出了每年度ST公司数目的变化情况。

（二）变量设计

为研究上市公司陷入财务困境的可能性，本文主要从财务指标的角度探寻对企业财务困境有显著影响的因素。

1.被解释变量（Explained Variable）

根据研究目标，被解释变量表示“是否陷入财务困境”。本文的研究对象是上市公司，以上市公司被特别处理（ST）作为企业陷入财务困境的标志。将其作为公司陷入财务困境标志的原因是：国外的研究为了在选取研究对象时有一个客观的标准，一般都以企业破产作为财务困境的标准进行研究，而由于我国证券市场的特殊性，从建立至今上市公司很少发生破产清算，因此在国内还无法以破产作为财务困境的标准进行数据收集和研究，所以本文的被解释变量为0—1变量，假设第i个公司在t年度被宣布ST，那么设定被解释变量等于0，否则为1，具体函数形式如公式（1）所示：

yit=0，公司i在t年度陷入财务困境1，公司i在t年度财务状况正常 （1）

2.解释变量（Explanatory Variable）

公司陷入财务困境的财务指标预测研究至今还未形成统一结论。公司财务变化的主要影响因素包括公司长短期的偿债能力、营运能力、盈利能力、发展成长能力、获取现金能力等，表2给出了本文使用的解释变量。

使用Pearson相关矩阵研究被解释变量与财务指标以及各财务指标之间的相关关系，Pearson相关矩阵的结果如表3所示。

从表3的Pearson相关矩阵中可以看出，对公司财务情况有正向影响的因素有流动比率、速动比率、总资产周转率、流动资产周转率、固定资产周转率、总资产收益率、净资产收益率、总资产增长率，净资产增长率、全部资产现金回收率以及现金债务比，而有负影响的因素则是资产负债率。其中，正相关性较为显著的有流动资产周转率（liqvel，0.07335）、总资产收益率（greturn，0.07144）以及净资产收益率（nreturn，0.06094）；负相关性较为显著的则是资产负债率（debt，-0.07453）。通过以上观察，我们判断企业销售能力（流动资产周转率）、盈利能力（总资产收益率/净资产收益率）越强，则公司越不容易陷入财务困境；反之，如果公司资产负债率越高，则其陷入财务困境的机率就越大。为了避免多重共线性的影响，如果一个因素之下有多个财务指标，仅选取其中一个财务指标建立回归模型。

（三）描述性统计分析

对ST公司样本和非ST公司样本的各个财务指标进行描述性统计分析，分析结果如表4所示。

表4比较了2006年度至2012年度被宣布ST和非ST公司的财务指标的样本均值。从表4可以看出，ST公司的资产负债率远远高于非ST公司（平均约合200%），ST公司的资产收益率、流动比率、速动比率、资产周转率和资产增长率及现金债务总额比一般都比非ST要小，而且除流动比率、速动比率和资产周转率之外，都呈负值的表现。

值得注意的是ST公司所表现出来的总资产收益率、净资产收益率波动较大。流动比率、速动比率、资产负债率方面，ST公司与非ST公司差距逐年减小。ST公司与非ST公司相比，流动资产周转率、固定资产周转率在2006年相差较大，但2012年数据显示差异显著性已经消失。在总资产增长率、净资产增长率方面，ST公司从观察期初的微负值转变为观察期末的高正值。从现金回收及其与债务比率两项指标来看，ST公司的现金回收率远低于非ST公司，且其现金/债务比率不断降低。

以上现象的可能原因为，困境公司的这种反常财务指标可能纯粹是一种会计造假现象。由于缺乏有效控制的法律手段和市场机制，困境公司管理者为了给投资者树立良好的经营形象，吸引资金，以及为了公司不被警示或退市而粉饰财务报表，造成报表扭亏的盈余管理行为。为探讨ST公司和非ST公司各个财务指标均值在统计上是否存在显著性差异，进行公司财务指标均值的t检验，如表5所示。

表4和表5对比可以看出，财务困境公司与非财务困境公司的财务比率在总体上存在明显差异，具体比较如下：

（1）盈利能力方面：两类公司在总资产收益率、净资产收益率方面的差别是很明显的，财务困境公司大大低于非财务困境公司。

（2）偿债能力方面：两类公司在流动比率、速动比率、资产负债率方面的差别比较明显，财务困境公司的偿债能力明显低于非财务困境公司。

（3）营运能力方面：两类公司在总资产周转率、流动资产周转率和固定资产周转率等指标的差别最为显著。

（4）成长能力方面：两类公司在总资产增长率和净资产增长率方面的差别比较明显，特别是总资产增长率比较显著。

（5）获现能力和现金流动性方面：两类公司的现金债务总额比和全部资产现金回收率等指标的差异约为一倍左右。财务困境公司的现金流动性和获现能力较差。

整体来说，企业的以上指标能明显区别出财务困境公司和非财务困境公司。

（四）模型构建

由于对企业陷入财务困境的可能性即对ST公司和非ST公司的研究不是连续和无限制的规模上观察到的因变量，即产生非连续或受限因变量，因此，二元因变量模型（Binary Dependent Variable Models）是一个非常好的计量模型。由于线性概率模型在二元因变量模型中存在残差的异方差性，且其预测结果是有偏和非一致的，因此，模型的研究方向是非线性化形式发展。其形式为：

面板数据模型主要有随机效应和固定效应模型。固定影响的面板数据中Probit模型无法消除模型的异方差，因而可能会使估计结果失效，Logit模型可以消除固定效应中的异方差影响，但不能消除随机影响面板数据模型中的异方差性。因此，一般情况下，Probit模型选取随机效应的面板数据，Logit模型选取固定效应的面板数据，下面的检验结果也体现出面板数据的这种特性。

为考察上市公司陷入财务困境的可能性，主要从财务指标的角度探寻对企业财务困境有显著影响的因素。在探讨上市公司陷入财务困境的可能性问题时，如果仅考察事件时点上影响“公司陷入财务困境”的因素，就会忽略企业经营中某些因素累积的效应。针对本文的研究对象——上市公司，以上市公司被特别处理（ST）作为企业陷入财务困境的标志。上市公司被特殊处理（ST）的原因是多种多样的，如果单纯使用截面模型对其进行研究是欠准确的，因而本文对2001年12月31日前在上海和深圳A股市场总计1 064家上市公司的样本进行追踪研究，建立面板数据，研究的时间窗从2006年到2012年，能够较充分地将短期或长期的“公司陷入财务困境的影响因素”考虑进去。

（五）回归结果

回归过程与结果如表6所示。

四、研究结论及局限性

表6显示如下结论：

（1）负债指标方面，流动比系数为正且在两组模型中均在0.01%水平上显著，但速动比在两组模型中均不显著。根据两者定义，差别主要为存货、预付账款、待摊费用。由此可推断，大量存货影响公司流动资产构成，从而导致企业现金流压力增加，进而引发财务困境。资产负债率的系数为正，但在两种模型中均不显著，说明资产负债率与公司陷入财务困境是正向关系。

（2）公司营运指标（总资产周转率、流动资产周转率、固定资产周转率）系数均为正数，且在两组模型中总资产周转率均在0.1%水平上显著。由此在前一项分析的基础上可以进一步分析判断为：上市公司大量生产导致存货增加且大量产品以不合理价格销售或公司行业、宏观环境变化引起公司资产大幅缩水从而诱发财务困境。

（3）盈利指标方面，两组模型中总资产收益率与净资产收益率均在显著性上相互背离。根据二者定义，其主要影响因素为所得税费用及总资产规模变化。如果改变因素为所得税费用，则总资产收益率及净资产收益率应同时变化且均为显著。因此可以判断：改变因素主要为总资产规模。考虑到总资产收益率与财务困境呈正相关性，则可判断主要诱因为公司总资产规模大幅缩水。

（4）公司的总资产收益率系数为正、净资产收益率为负，再次验证了公司总资产规模大幅缩水与公司陷入财务困境呈正相关。

（5）公司的现金债务总额比系数为负，说明现金债务总额比与公司陷入财务困境是反向关系。

基于以上几点可以得出结论，即在数据采集时间段内，公司在面临财务困境时可通过观测分析由宏观经济、行业或者企业生产水平等因素引起的价格下降、销售渠道堵塞、变现能力困难、库存品积压等因素导致的流动比、总资产周转率、总资产收益率等指标的异常上升来进行相应预警。

整体来看，利用面板数据的固定效应模型是能够描述公司陷入财务困境的概率与财务指标变量的数量关系的，利用二元面板模型Probit和Logit得到的关于公司陷入财务困境可能性的实证结果是基本一致的，且Logit模型的预测显著性要优于Probit模型。因为面板数据下Logit模型可以消除固定效应中的异方差影响，Probit模型则不能避免，所以本文面板数据固定效应检验Logit模型的结果更为合理，其模型的判别准确率比较高，具有重要的研究意义。除此之外，Logit模型AIC值要显著小于Probit模型AIC值，所以，根据上市公司的财务数据预测其陷入财务困境的可能性是具体可行的。

当然，本文的研究也存在一定的局限性：（1）由于收集的数据量及本文篇幅所限，没有对脱困措施作进一步的探讨；（2）仅从微观角度选取财务指标进行分析，尚未从宏观角度涉及诸如公司治理、资产重组等作整体分析，这些将是未来研究的拓展方向。

【主要参考文献】

[1] 陈静.上市公司财务恶化预测的实证分析[J].会计研究，1999（4）：31-38.

[2] 陈晓，陈鸿.我国上市公司的财务困境预测[J].中国会计与财务研究，2000（2）：45-49.

[3] 陈小悦，肖星，过晓艳.配股权与上市公司利润操纵[J].经济研究，2000（1）：23-26.

[4] 姜国华，王汉生.财务报表分析与上市公司ST预测的研究[J].审计研究，2004（6）：35-42.

[5] 姜国华，王汉生.上市公司连续两年亏损就应该被ST吗？[J].经济研究，2005（3）：45-48.

[6] 吕长江.上市公司财务困境与财务破产的比较分析[J].经济研究，2004（8）：64-73.

[7] 刘京军，秦宛顺.上市公司陷入财务困境可能性研究[J].金融研究，2006（11）：39-43.

[8] 宋常，恽碧琰.上市公司首次披露的非标准审计意见信息含量研究[J].审计研究，2005（1）：32-40.

[9] 吴世农，卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究，2001（6）：46-55.

[10] 徐晓，鲍丽敏. ST公司与非ST公司财务困境特征的比较分析[J].会计之友，2012（16）：89-92.

[11] 杨淑娥，魏明. 企业财务危机成本形成机理及其间接成本的估量[J].当代经济科学，2005（9）：26-38.

[12] 张玲.财务危机预警分析判别模型及其应用[J].预测，2000（6）：38-40.

[13] 朱家安，陈志斌.我国财务困境预测实证研究文献综述和分析[J].会计之友，2007（10）：22-24.

[14] 张建华，韩英锋，王巧霞.基于财务比率计算及图像分析的企业财务困境预警研究[J].会计之友，2012（14）：71-75.

[15] Willian H. Beaver. Financial Ratios as Predictors of Failure[J]. Journal of Accounting Research，1966（4）：71-111.

[16] Altman E.I. Financial Ratios. Discriminate Analysis and the Prediction of Corporate Bankruptcy[J]. the Journal of Finance，1968（4）：589-609.

[17] Marc J Leclere.The Occurrence and Timing of Events： Survival Analysis Applied to the Study of Financial Distress[J]. Journal of accounting Literature， 2000，19（1）：158-189.

[18] James A. Ohlson.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J]. Journal of Accounting Research，1980，18（1）：56-67.