基于现金流指标的财务预警模型研究

王小美 史兹国

（1、江苏海事职业技术学院 2、南京晓庄学院）

财务预警作为一种防范财务危机的事前手段，具备一定的实际意义。不过传统的财务危机预警指标大多选择基于资产负债表和利润表的财务比率，这些指标易受主观调控，而导致财务预警结果的准确性受到影响，因此也无法对公司财务危机做出准确的预测和防范。而基于现金流量的财务预警模型具有更高的准确性，其以真实可靠而非假设可靠的预警指标为基础，更加能够准确地预测企业财务困境。

一、样本选取与现金流量指标体系建立

（一）研究样本的选取

1.财务危机公司样本

国外主要将破产作为财务危机的标志。但由于我国破产制度不完善，上市公司出现财务危机而导致破产的实属不多，因此不能以破产作为衡量上市公司财务危机的标志。因此本文选择被ST的公司作为研究对象，因为在一定意义上ST公司在持续经营上确实出现问题，甚至陷入了财务困境。

由于2013年后期及2014年我国沪深资本市场由于各种原因连续出现脱帽摘星潮，原有被特别处理的公司已不完全符合本文财务危机公司的特点，从而致使可选样本数量偏少，由此分析得出的结论也不会公允准确，因此本文选取了2012年79家沪深A股被特别处理的公司作为研究样本。选取的样本涉及到我国上市公司的各个行业。具体样本分布如表1。

表1 ST公司分布

2.配对样本的选取

本文按1:l的比例在对应行业中选择资产规模相当、未被特别处理的公司作为配对样本。通过上市公司被宣告ST的年度(以下简称第T年)前4年(以下简称第T-4年)、前3年(以下简称第T-3年)、前2年(以下简称第T-2年)和前1年(以下简称第T-1年)的年度相关财务数据来预测第T年公司是否陷入财务困境，即形式上公司是否被ST。本文的数据来源是：和讯网数据库、国泰安数据库。

3.财务预警指标的选择

本文通过对现金流财务比率的分析，来预测企业是否陷入财务困境。主要运用以下现金流相关财务比率，详见表2。

表2 财务预警现金流量指标体系

二、财务预警实证分析

（一）变量的显著性差异检验

在构建模型之前，先将ST公司和非ST公司的各现金流指标组成配对样本，比较配对样本现金流量指标的均值，对各指标进行显著性差异检验，分析各个指标在样本公司和配对样本公司之间是否存在显著性差异。再将这两类公司存在显著性差异的现金流量指标列为预测变量，从而构建以现金流量指标为基础的财务危机预警模型。各现金流指标的检验结果如下所示：

1.偿债能力指标分析

表3 现金比率非参数检验结果

在表3中，T期、T-1期以及T-2期，ST公司和非ST公司的现金比率存在着显著的差异。

在表4中，T期、T-1期、T-2期和T-3期，ST公司和非ST公司的利息保障倍数存在着显著的差异。

在表5中，T期、T-1期、T-2期和T-3期，ST公司和非ST公司的现金流量负债比存在着显著的差异。

在表6中，T期、T-1期、T-2期和T-3期，ST公司和非ST公司的现金流量比率存在着显著的差异。

综合偿债能力分析，ST公司在现金比率、利息保障倍数、现金流量负债比率、现金流量比方面和非ST公司相比存在显著差异。

表4 利息保障倍数非参数检验结果

表5 现金流量负债比非参数检验结果

表6 现金流量比率非参数检验结果

2.盈利能力分析

表7 每股现金流非参数检验结果

在表7中，T期、T-1期、T-2期和T－3期，ST公司和非ST公司的每股现金流量存在着显著的差异。

表8 营运指数非参数检验结果

在表8中，T-1期和T-3期，ST公司和非ST公司的营运指数存在着显著的差异。

表9 全部资产现金回收率非参数检验结果

在表9中，T期、T-1期、T-2期和T-3期，ST公司和非ST公司的全部资产现金回收率存在着显著的差异。

综合盈利能力分析，ST公司在每股现金流量、营运指数和全部资产现金回收率方面和非ST公司相比存在显著差异。

3.收益质量分析

在表10中，T期、T-1期、T-2期和T-3期，ST公司和非ST公司的销售现金比不存在着显著的差异。

表10 销售现金比非参数检验结果

表11 盈余现金保障倍数非参数检验结果

在表11中，T期、T-1期，ST公司和非ST公司的盈余现金保障倍数存在着显著的差异。

表12 经营指数非参数检验结果

在表12中，T-1期和T-2期，ST公司和非ST公司的经营指数存在着显著的差异。

综合收益质量分析，ST公司在盈余现金保障倍数和经营指数方面和非ST公司相比存在显著差异。

4.现金流变动分析

在表13中，T期、T-1期、T-2期和T-3期，ST公司和非ST公司的经营活动现金流量净额增长率不存在着显著的差异。

表13 经营活动现金流量净额增长率非参数检验结果

在表14中，T期、T-1期、T-2期和T-3期，ST公司和非ST公司的投资活动现金流量净额增长率不存在着显著的差异。

表14 投资活动现金流量净额增长率非参数检验结果

表15 筹资活动现金流量净额增长率非参数检验结果

在表15中，T期、T-1期，ST公司和非ST公司的筹资活动现金流量净额增长率存在着显著的差异。

表16 销售现金增长率非参数检验结果

在表16中，T期、T-1期，ST公司和非ST公司的销售现金增长率存在着显著的差异。

综合现金流变动分析，ST公司在筹资活动现金流量净额增长和销售现金增长率方面和非ST公司相比存在显著差异。

（二）Logistic回归模型

本文采用SPSS统计软件Logistic回归分析功能中的向前逐步回归法自动筛选最佳自变量，将0.5划为临界值，计算概率大于0.5则界定公司存在财务危机，低于0.5则界定为非财务危机公司。

1.T-1期的Logistic回归

利用SPSS16.0软件进行Logistic回归分析，输入T-1年的数据，变量采用逐步进入的方式，结果选中2个变量进入模型。进入模型能够用来预测T-1期公司是否陷入财务困境的指标为：现金比率和利息保障倍数，回归结果见表17。从回归结果看，变量系数均显著。

表17 T-1期logistic回归估计结果

由表17得到Logistic模型的判别方程为:现金比率和利息保障倍数均是反映企业的偿债能力的指标，因此企业偿债能力是进行财务危机预测的重要因素。报表信息使用者可以根据上述判别方程，对所研究公司是否陷入财务困境进行判断，根据前述判别规则，计算概率大于0.5，则界定公司存在财务危机，低于0.5则界定为非财务危机公司。

模型的拟合优度见表18，模型的cox&Snell R Square和Nagelkerke R Squar统计量分别为0.602和0.773，说明拟合效果良好。

表18 T-1期拟合优度检验表

根据回归所得的Logistic方程，对ST前一年的原始数据进行回代判定，结果见表19:a.The cut value is.500

表19 Logistic回归模型在ST前1年的判定结果a

计算的结果显示，在财务危机发生前T-1期，建立的 Logistic模型对预测样本的判断正确率为90.20%。

2.T-2期的Logistic回归

输入被ST前2年的数据，变量采用逐步进入的方法，结果有1个变量进入模型。进入模型能够用来预测T-2期公司是否陷入财务困境的指标为：经营现金流量比率（经营活动现金流量净额/流动负债），回归结果如表20所示。变量的系数显著。

表20 T-2期Logistic回归估计结果

由表20即得到Logistic模型的判别方程为:

现金流量比率反映了企业的偿债能力，所以针对T-2期，企业的偿债能力仍然是进行财务危机预测的重要因素。模型的拟合优度如表21，模型的cox&Snell R Square和Nagelkerke R Squar统计量分别为0.104和0.139，说明拟合效果一般。

表21 T-2期拟合优度检验表

根据回归所得的Logistic方程，对ST前两年的原始数据进行回代判定，结果见表22:a.The cut value is.500

表22 Logistic回归模型在ST前2年的判定结果a

计算的结果显示，在财务危机发生前T-2期，建立的 Logistic模型对预测样本的判断正确率为76.10%。

3.T-3期的Logistic回归

输入被ST前3年的数据，变量采用逐步进入的方法，结果有4个变量进入模型。进入模型能够用来预测T-3期公司是否陷入财务困境的指标为：经营现金流量负债比（经营活动现金流量净额/负债总额）、经营现金流量比率（经营活动现金流量净额/流动负债）、盈余现金保障倍数（经营活动现金流量净额/净利润）和经营指数（经营活动现金流量净额／营业利润），回归结果如表23所示。

表23 T-3期Logistic回归估计结果

由表23即得到Logistic模型的判别方程为:

P=1/[1+e-(-0.171+11.959现金流量负债比-6.173现金流量比率-0.137盈余现金保障倍数+0.133经营指数)] (3)

现金流量负债比、现金流量比率反映了企业的偿债能力，盈余现金保障倍数和经营指数反映了企业的盈利质量。因此对于T-3期，偿债能力和盈利质量是公司财务危机预测的重要方面。报表信息使用者可以根据上述判别方程，对所研究公司是否陷入财务困境进行判断，根据前述判别规则，计算概率大于0.5则界定公司存在财务危机，低于0.5则界定为非财务危机公司。

模型的拟合优度如表24，模型的cox&Snell R Square和Nagelkerke R Squar统计量分别为0.244和0.379，说明拟合效果一般。

表24 T-3期拟合优度检验表

根据回归所得的Logistic方程，对T-3年的原始数据进行回代验证，见表25。结果显示，在财务危机发生的T-3期，建立的 Logistic模型对预测样本的判断正确率为74.90%。

表25 Logistic回归模型在ST前3年的判定结果a

4.T-4期的Logistic回归

输入第T-4年的数据，变量采用逐步进入的方法，结果有2个变量进入模型。进入模型能够用来预测T-4期公司是否陷入财务困境的指标为：全部资产现金回收率（经营活动现金流量净额／总资产）和盈余现金保障倍数（经营活动现金流量净额/净利润），回归结果如表26所示，变量的系数显著。

表26 T-4期Logistic回归估计结果

由表26即得到Logistic模型的判别方程为：

P=1/[1+e-(-0.801+21.115全部资产现金回收率-0.040盈余现金保障倍数)] (4)

全部资产现金回收率、盈余现金保障倍数分别反映了企业的盈利能力和收益质量，所以针对T-4期，企业的盈利能力和收益质量是进行财务危机预测的重要因素。

报表信息使用者可以根据上述判别方程，对所研究公司是否陷入财务困境进行判断，根据前述判别规则，计算概率大于0.5则界定公司存在财务危机，低于0.5则界定为非财务危机公司。

模型的拟合优度如表27，模型的cox&Snell R Square和Nagelkerke R Squar统计量分别为0.324和0.395，说明拟合效果一般。

表27 T-4期拟合优度检验表

根据回归所得的Logistic方程，对ST前4年的原始数据进行回代判定，结果见表28：

计算的结果显示，在财务危机发生前T-4期，建立的 Logistic模型对预测样本的判断正确率为68.80%。

表28 Logistic回归模型在ST前4年的判定结果a

三、结论

综上所述，被ST前4年中模型预测的正确率逐年下降，其中第T-2年和第T-3年的预测正确率相差不大。第T-1年和第T-2年的预测指标均为反映偿债能力的财务指标；而T-3年的预测指标中除了反映偿债能力的财务指标外，还加入了反映收益质量的相关指标，即在ST前第3年的收益质量也会对公司将来是否会陷入财务危机产生影响。T-4年的财务危机预警模型中包含了反映盈利能力和收益质量的两类指标，即在ST前第4年的盈利能力和收益质量也会对公司将来是否会陷入财务危机产生影响。

[1]Aziz,Abdul,and Gerald H.Lawson.Cash Flow Reporing and Financial Distress Models:Testing of Hypothesis[J].Financial Management,1989(18):55—63.

[2]Setven M.Fazzari,R.Glenn Hubbard,Burce C.Petesren.Investment-Cash Flow Sensitivities Are Useful.A Comment on Kaplan and Zingales.Journal of Economics,2000(5):695-705.

[3]甘爱平,柳亮,陈可桢.航运上市公司财务预警Logistic分析[J].上海海事大学学报,2014(3):65一68.

[4]梁美建,闫蔚.企业财务预警的国内外研究综述[J].财会月刊,2014(6):105—107.

[5]徐凌,赵程,毛兴丽.基于现金流和EVA指标构建公司财务预警模型[J].财会月刊，2014(4):34一37.

[6]万宇询,陈波,胡巍.会计盈余、现金流量的价值相关性实证研究[J].财务理论与实践,2007(5):57一62.

[7]王阿靓,徐兴桃.财务预警模型效果实证研究[J].财会通讯,2014(6):108—110.

[8]万宇询，陈波，胡巍.会计盈余、现金流量的价值相关性实证研究[J].财务理论与实践,2007(5):57一62.