上市公司财务预警模型运用机制研究——以制造业为例

河南财政税务高等专科学校 杨秋海

随着全球经济一体化步伐的加快，我国企业在面临着大好发展机会的同时，必将迎来自全球经济的激烈挑战和竞争。有竞争就有风险，因此财务危机是所有企业都不得不面对的一个重要威胁。一旦对财务风险的监管、防范不到位，必将导致财务状况不断恶化，最终导致严重的企业财务危机，甚至破产。用财务指标建立一个科学合理的财务预警模型，可以为保障上市公司的生存提供重要的信息，并对上市公司可能出现的财务危机加以防范，减少或避免财务危机的出现。合理的财务预警模型不但对上市公司有益，对上市公司以外的社会团体而言也相当重要。

一、财务预警概述

财务预警是指以公司的财务报表及相关的会计资料为依据，通过对财务指标的综合分析，对公司财务状况进行预测研究，及时发现企业生产经营过程中潜在的财务风险，并在危机爆发前提前向公司的管理当局发出警告，督促公司管理当局对此做出相应的改变，避免财务危机的发生，较好地起到了未雨绸缪的作用。根据警情界定程度的不同，可将其分为狭义和广义的财务预警。狭义的财务预警偏重于研究财务危机，实际上就是财务危机预警。广义的财务预警是对所有可能引起企业财务活动波动的因素进行研究，只要引起企业财务活动产生不利因素就进行预警。财务预警系统就是合理保证企业财务活动不偏离企业的正常生产经营活动，对财务周期活动中出现的不确定和不稳定现象进行预测，判断企业目前是处于“正常状态”还是“危险状态”。减少造成企业出现危机的各种因素，避免出现管理波动或管理失误的重复出现。本文从财务预警理论出发，利用ST公司与非ST公司的财务状况中的财务指标进行对比，根据比较的结果预警上市公司可能出现的财务风险状况。

二、上市公司施行财务预警系统现状

我国资本市场作为新兴的半强势半弱势市场，进行财务预警方面的研究起步很晚，大部分上市公司建立的财务预警系统都是借鉴西方的成熟模型，而且也应用到农业、林业、工业、交通等各个领域。但作为我国特色资本市场基础上建立的财务预警系统，还是比较年轻的研究领域，证券市场以及上市公司还不是很成熟，虽然我国上市公司的监管部门就上市公司运用财务预警系统做出相应的规定，但由于我国上市公司在运用财务预警系统进行财务风险预警方面缺乏一定的主动性，直到很多上市公司出现了大量的ST或PT现象，给广大投资者带来巨大损失的现象发生以后，才引起管理当局对财务预警的重视，财务预警系统逐渐被运用。常用的预警模型有Z分数模型、线性概率模型、F分数模型等。

（一）多元线性判定模式 多元线性判定模式，又称Z-Score方法，其基本原理是通过统计技术筛选出那些在两组间差别尽可能大而在两组内部的离散度最小的变量，从而将多个标志变量在最小信息损失下转换为分类变量，获得能有效提高预测精度的多元线性判别方程。Z分数模型的判别函数如下：

其中，X1=（期末流动资产一期末流动负债）/期末总资产X2=期末留存收益/期末总资产X3=息税前利润/期末总资产X4=期末股东权益的市场价值/期末总负债X5=本期销售收入/总资产

Z分数模型的判断标准如下：Z＞2.675，表示财务状况良好，发生破产的概率小；1.81≤Z≤2.675，表示财务状况不稳定，为灰色地带；Z＜1.81，表示财务状况差，财务失败的可能性非常大。

多元线性判定法从企业的资产规模、获利能力、财务结构、资产利用效率以及偿债能力等方面综合分析预测企业的财务状况，准确率较高，进一步推动了财务预警的发展。

Z-Score模型的局限性：一是工作量比较大，费时费力。二是在前一两年的预测中，多元线性判定方法的预测精度比较高，但再往前，其预测精度会大幅下降，甚至可能低于单变量模型。三是多元线性判定方法有一个很严格的假设，这就大大限制了多元线性判定方法的使用范围。

（二）EVA判别方法 经济增加值（EVA）的英文简称，是一种评价公司经营业绩的新指标，其定义为EVA=NOPAT-KW（NA）。其中，NOPAT为税后净经营利润；KW为公司资本加权平均成本；NA为经过调整的期初公司净资产价值。EVA判别法相对于传统财务指标相比具有以下优势：（1）真实性。由于EVA针对现行的会计政策进行了一系列的调整,减少了上市公司管理层通过各种途径改变资本结构，从而进行盈余管理。这相对于传统的会计指标，能更加真实地反映上市公司的经营状况。（2）可靠性。EVA作为一种创值指标，它不仅考虑了公司使用的全部资本，充分利用了公司提供的全部公开信息，而且考虑了风险，同时含有企业外部的市场信息，而传统的财务指标则完全利用公司内部的信息。所以，这相对于传统的财务指标具有明显的可靠性。

EVA判别法的局限性：由于EVA涉及对传统利润指标复杂的调整计算，其实用性遭到国内学者的质疑，所以有关EVA在预测财务困境方面的研究目前在国内尚属空白。

（三）F分数模型 F分数模型的判别函数如下：

其中，X1=（期末流动资产一期末流动负债）/期末总资产；X2=期末留存收益/期末总资产；X3=（税后纯收益+折旧）/平均总负债；X4=期末股东权益的市场价值/期末总负债；X5=（税后纯收益+利息+折旧）/平均总资产。

F分数模型的临界点为0.0274，若F分数低于0.0274，则将被预测为破产公司；反之，若F分数高于0.0274，则公司将被预测为继续生存公司。此数值上下0.0775内为不确定区域，区间为[-00501，0.1049]，若落入此区域中，管理决策者应该进一步分析，因为F分数模型只能辅助管理者，警告可能会发生财务危机。即F分数模型的判断标准可如下表示：F＞0.0274，表示被预测为继续生存公司；F＜0.0274，表示被预测为破产公司；-00501＜F＜0.1049，表示被预测为不确定区域。

F分数模型中的5个自变量的选择是基于财务分析理论，因此，它可以较为准确地预测出企业是否存在财务危机，降低了单变量的误判率；及时预警上市公司的财务危机并寻求发生财务危机的根源，同时还能加强公司对于财务危机的防范措施，分析和判断上市公司未来的发展趋势，在一定程度上，可以帮助利益相关者做出相应的决策。

虽然已经建立了系统的财务预警模型，但目前很多上市公司并没有广泛采用，这是因为一方面很多上市公司的管理当局缺乏建立系统的财务预警模型的意识，另外上市公司建立的科学的财务预警系统要在真实合法的资料基础上，但是由于中国的资本市场不完善，上市公司造假的现象屡见不鲜，使得建立出来的系统并没有发挥应有的作用，上市公司的会计失真现象极大地影响到财务预警系统的有效性，使其失去应有的效果，财务预警系统也就形同虚设了。

三、上市公司财务预警系统实证分析——以制造业为例

本文针对我国沪、深两市所有被ST的制造业上市公司进行随机抽样，从中随机抽取10家ST上市公司以及10家非ST的制造业上市公司作为本次的研究样本。本文的样本数据均取自各年上市公司公开披露在网上（和讯、证券之星、巨潮资讯等）的各年年报和有关财务指标，主要选取2008～2010年的相关财务数据进行研究。

（一）Z-Score模型实证分析 按照Z-Score模型的要求收集整理财务数据，计算得到不同年份制造业上市公司的Z值得分,见表 1～6。

表1 2008年非ST上市公司数据

Z-Score模型预警方法分析：（1）对非ST上市公司的预测。从上述的表格中可以看出，Z-Score模型对非ST企业的预测结果为：非ST上市公司的Z值大于2.675（即处于安全地带）的平均比例为63.33%；Z值在1.81～2.675之间（即处于灰色地带）的平均比例为26.33%；Z值小于1.81的（即处于危险地带）的平均比例为10.34%。这说明我国非ST制造业上市公司财务状况基本良好,有一定的抵御风险的能力。（2）对ST上市公司的预测。从上述的表格中可以看出，在被“特别处理”前几年，上市公司的财务状况已经出现明显的恶化。Z-Score模型对ST企业的预测结果为：Z值小于1.81（即处于危险地带）的平均比例为60%；Z值在1.81～2.675之间（即处于灰色地带）的平均比例为16.67%；Z值大于2.675（即处于安全地带）的平均比例为23.33%。这说明我国ST制造业上市公司财务状况大部分处于破产边缘，它们需要及时调整本身存在的问题，如果不及时进行调整或者是调整力度不够，就极易走向破产的深渊。（3）ST上市公司在被列入“特别处理”的前两年（即2008、2009年），他们的Z值平均值为-2.432；而同期非ST的上市公司我Z值平均值为4.3918。很显然，ST上市公司的财务状况远远差于非ST上市公司，ST上市公司的财务危机已经相当严重了，已经在破产的边缘了。

表3 2009年非ST上市公司数据

表4 2009年ST上市公司数据

表5 2010年非ST上市公司数据

表6 2009年ST上市公司数据

（二）EVA判别法实证分析 按照EVA判别法的要求收集整理财务数据，计算得到不同年份制造业上市公司的EVA值，见表 7～9。

表7 2008年上市公司EVA值

表8 2009年上市公司EVA值

EVA判别法的分析：（1）对非ST上市公司的分析。从上述表格中可以看出，非ST上市公司的EVA为正数的平均比例为73.33%，这说明我国上市公司的创值能力还是比较强的。同时，非ST上市公司的EVA平均值呈现逐年递增的现象，这说明我国非ST上市公司的财务状况普遍较为良好。分析如图1所示。

（2）对ST上市公司的分析。从上述表格中可以看出，ST上市公司的EVA为负数的比例比较高，尤其是在前两年（即2008、2009年），达到了70%。同时，2008、2009年两年的企业EVA值持续走低，说明这些企业的财务状况更加恶化了，急需做出调整。而到了2010年，ST上市公司的EVA值大部分都为正数，只有两家企业为负数，这说明各ST企业经过了一系列的调整，并取得了一定的成效。ST上市公司这三年的EVA值走势如图2所示

表9 2010年上市公司EVA值

（3）对比ST上市公司和非ST上市公司，不难发现，虽然ST企业在2010年的财务状况稍微得到了一点改善，但是其财务危机还是明显地比非ST上市公司恶化，必须进行及时有效的调整措施，要不然就难逃被破产厄运。同时，非ST企业也有不稳定的，也必须进行相应的调整，切勿置之不理，否则，等到风险积压到一定程度的时候就会演变成财务危机，直至破产。

（三）F分数模型实证分析 按照F分数模型的要求收集整理财务数据，计算得到不同年份制造业上市公司的F值得分,见表 10～15。

F分数模型预警方法的判定结果及分析：（1）对非ST上市公司的预测。从上述的表格中可以看出，F分数模型对非ST企业的预测结果为：非ST上市公司的F值大于0.1049（即处于安全地带）的平均比例为80%；F值在-0.0501～0.1049之间（即处于不稳定地带）的平均比例为20%；Z值小于-0.0501的（即处于危险地带）的为0。（2）对ST上市公司的预测。从表10～15中可以看出，在被“特别处理”前几年，上市公司的财务状况已经出现明显的恶化。F分数模型对ST企业的预测结果为：F值小于-0.0501（即处于危险地带）的平均比例为50%；F值在-0.0501～0.1049之间（即处于不稳定地带）的平均比例为20%；Z值大于0.1049（即处于安全地带）的平均比例为30%。（3）ST上市公司在被列入“特别处理”的前两年（即2008、2009年），其F值小于-0.0501的平均比例为70%，其F值远远低于非ST上市公司。但是ST公司于2010年的F值小于-0.0501为0家，说明ST上市公司经过了两年的调整逐渐走出了金融危机带来的影响，并逐渐走出财务危机。

表10 2008年非ST上市公司数据

表11 2008年ST上市公司数据

表12 2009年非ST上市公司数据

表13 2009年ST上市公司数据

表14 2010年非ST上市公司数据

表15 2010年ST上市公司数据

（四）制造类上市公司财务预警模型实证结果比较 针对以上研究结果，并对其进行汇总，得到表16。

表16 三种模型对检验样本预测分类准确率对比表

从表16可以看出：（1）三种预警模型在特别处理前一年，EVA判别法的准确率为70%，而Z-Score模型以及F分数模型的准确率则为75%，高于EVA判别法。（2）三种预警模型在特别处理前两年，Z-Score模型以及EVA判别法的准确率都为75%，而F分数模型的准确率则为80%，高于另外两种判别方法。（3）综合比较，三种方法的准确率都比较高，但是F分数模型的准确率最高，高于EVA判别法和Z-Score模型。

（五）F分数模型优势 从上述的财务分析情况来看，利用F分数模型可以有效监测公司的运营情况。F分数模型中的5个自变量的选择是基于财务分析理论，因此，它可以较为准确地预测出企业是否存在财务危机，降低了单变量的误判率；还能及时预警上市公司的财务危机情况，寻求发生财务危机的根源；同时加强公司对于财务危机的防范措施，分析和判断上市公司未来的发展趋势，在一定程度上，可以帮助利益相关者做出相应的决策，有利于公司的健康长远发展。通过Execl等软件进行数据处理工作，有目的、有计划地进行了我国制造业上市公司财务预警模型的研究，得出以下结论∶

我国制造业非ST上市公司普遍具有良好的财务状况，具有较好的风险抵御能力。但是，也有的非ST企业处于不稳定甚至危险地带，这些企业必须及时而有效的做出相应的调整措施，如果调整不力或者是效果不明显，则这些财务风险必将演变成财务危机，进一步威胁着企业的生产发展；Z-Score模型能提供给投资者更多的预测性,投资者能早期得到企业陷入困境的警告,及早做出决策,规避风险，还可以帮助企业做出信用决策等；EVA作为一种长期的财务指标，其对企业财务困境的预测具有相关性，且相对其他财务指标其预测准确程度较高，这说明运用EVA对中国上市公司财务状况进行评价与分析具有一定的可行性；F分数模型可以更准确地预测出企业是否存在财务危机；降低了单变量的误判率；预警上市公司的财务危机；及时寻求发生财务危机的根源；加强公司对于财务危机的防范措施；分析和判断上市公司未来的发展趋势；在一定程度上，可以帮助利益相关者做出相应的决策。通过对比可以发现，在三种预警模型中，F分数模型的准确率最高，高于其他两种模型。

［1］宁静鞭：《基于KNN和logistic回归方法的财务预警模型比较》，《商业时代》2008年第13期。

［2］冯月平：《Logistic财务预警回归模型的构建与检验》，青岛理工大学2010年硕士学位论文。

［3］李雪华：《企业财务预警机制研究》，西安建筑科技大学2008年硕士学位论文。