上市公司财务预警模型的实证研究

1、上市公司财务预警模型的实证研究财务危机预警模型的实证研究 王法力、洪明、刘年财选送单位：航空证券有限责任公司内容提要本文选择了在 2006年1月至 2006年6月期间，在2005年年报公布后， 因财务状况专门而首次被 ST 的 53 家上市公司，同时选取同行业(按证监 会行业代码分类)、同规模的 53家非 ST 公司作为配对样本。 本文从财务指 标的角度动身，在了解我国上市公司财务困难成因的基础上，探讨了各财 务因素之间的关系以及它们对上市公司发生财务困难的预警作用。本文的 创新点在于，采纳了最新的公司财务数据，改进了数据处理的方式，在因 子分析的基础上利用二分类 Logistic 回来建立了

2、财务困难的预警模型， 该模 型的推测成效优于现有的研究结论。同时，本文还针对全流通之后新的市 场环境，将“股票总市值 /负债总额”指标引入模型讨论。本文得到的结论 如下。(1)从统计描述的角度，ST公司与非ST公司在已获利息倍数、销售 净利率、资产净利率、净资产收益率、应收帐款周转、现金流淌负债比等 指标上有明显差异，而在速动比率、流淌比率、销售毛利率、营业利润比 重等指标上差距不大，且有交叉现象。( 2) 从单变量分析的角度，已获利息倍数、资产负债率、流淌比率、 销售净利率、资产净利率、总资产周转率、存货周转率、销售现金比率、 现金债务总额比、全部资产现金回收率、现金流淌负债比等指标，能在a

3、 = 0.05的较小明显性水平下与公司的财务困难情形明显有关。(3)从多元回来的角度，通过因子分析处理原始数据，然后利用二分 类 Logistic 回来建立了财务困难的预警模型 1，对现有数据的判定准确率为 94.62%。考虑到全流通之后的市场现实，本文认为股票市值对上市公司的 阻碍不容忽视，“股票总市值 /负债总额” 这一指标引入推测模型。 同样是通 过因子分析处理原始数据， 利用二分类 Logistic 回来建立了财务困难的预警 模型 2，对现有数据的判定准确率为 94.57%。这两个模型的推测成效都超过 90%，准确率差不多一致，优于目前的 研究结论。本文认为，由于模型 2 的结果受到了

4、历史数据的局限，股票市 值关于财务预警模型的作用尚未得到体现。以后随着全流通市场的进一步9111318规范和成熟，市值考核为指标的股权价值鼓舞政策的逐步推广，股票市值关于财务预警模型的作用连续值得今后进一步深入研究。录1、前言 .2、文献综述 .3、样本选取和研究方法 .3.1研究样本 .3.2研究数据 .3.3研究变量 .3.4研究方法 .4、样本变量统计描述 .5、单变量研究 .5.1独立样本的均值比较方法 .5.2T检验分析结果.6、多元回来分析 .6.1样本及数据 .6.2Logistic多元回来分析 .6.2.1 多元回来方法选择 6.2.2用因子分析对数据预处理6.2.3Logis

5、tic 回来建立预警模型 16.3将股票市值因素引入，建立预警模型 2 7结论1前言 财务危机给企业和社会带来了严峻的阻碍，适时、准确地对企业 财务危机进行推测分析是市场竞争机制的客观要求。因此，利用有关信息 构建有效的财务危机预警模型，从而获得财务状况恶化的上市公司预警信 号，关于投资者、债权人、经营者以及监管者等诸多方面无疑都具有重要 的现实意义。财务危机(Financial crisis)又称财务逆境(Financial distress),国外 多数同类研究采纳破产标准( Altman， 1968；Ohlson， 1971；Platt and pla tt, 1990 and 1994

6、)。但考虑到中国的实际情形,国内学者大都将专门处理(ST)的上市公司作为存在财务危机的上市公司(陈静，1999;李华中，2001)。本文采纳以上学者的思路，将 ST公司作为研究样本，并将“财务危 机”定义为“因财务状况专门而被专门处理( ST)”。本文在上市公司财务预警模型的构建中,第一以描述统计和单变量分 析对阻碍企业的财务危机的因素做出初步判定,在此基础上建立多变量判 定模型,通过因子分析处理数据, 利用二分类 Logistic 回来建立财务困难的 预警模型,对样本企业做出综合评判。同时,本文针对全流通之后的市场 变化,关于股票市值在财务预警中的作用进行了主动的探讨。2文献综述国外关于财务

7、失败推测研究阻碍最广泛的是威廉比弗(Willian Beav er)的单一变量模型和阿尔特曼(Edward I .Altiman)的“Z-Score”模型。 比弗通过对 1945年 1964年间 79家失败企业和对应的 79家成功企业的比较研究表明，下列财务比率对推测财务失败是最有效的：现金流量/债务总额，净收益/资产总额（资产收益率） ，债务总额 /资产总额（资产负债率） 。美国财务专家阿尔特曼（ 1968）提出的企业失败推测模型是以营运资 金 /资产总额、留存收益 /资产总额、息税前利润 /资产总额、一般股及优先 股市价/负债总额、销售总额 /资产总额等五项财务比率的加权平均数来测试 财务

8、失败的。 该模型要紧针关于上市公司， 样本包括了 1946年 1965年间 提出破产申请的 33 家公司和同样数量的非破产公司。通过运算，该模型产 生了一个总的判不分，成为Z值。Z值越低，企业发生财务失败的可能性 就越大。同时确定了 Z 值实际截止点用以判定。阿尔特曼将各种有关的比 率合并成单一的推测指数，克服了单个比率内容有限、无法全面揭示企业 财务状况的缺点。奥尔逊（ Ohlson， 1980）提出一种 logit 模型。该模型建立在累积概率 函数的基础上，而不需要满足自变量服从多元正态分布和两组协方差相等 的条件。 Logit 模型另一个重要优点是在（ 0， 1）上推测一个公司是否发生

9、财务危机的几率。在国内，学者周首华等（1996）对阿尔特曼的“ Z -score”模型进行了 一定的拓展，建立了“ F 分数模式”， F 分数模式的临界值是 0.0274，此数 值上下 0.0775为所谓的不确定区域， F 分数越小，则公司发生财务危机的 可能性越大。陈静（1999）按照 1995年至 1997年 54家样本企业财务资料，分不进 行了单变量和多变量分析，得出结论是在宣布前一年预警模型的成功率较 高，离宣布日越远，则成功率越低。吴世农、卢贤义（ 2001）对上市公司财务危机预警研究成果表明： （1） 我国上市公司财务逆境具有可推测性。（ 2）在单变量模型中，净资产酬劳率的判定成效

10、较好。（ 3）多变量模型优于单变量判定模型。 （4）比较多变量模型下的 3 种模型， logit 模型的判定准确性最高。李炳承（2004）选取了 105家ST公司与105家非ST公司的配对样本 进行均值和总样本均值差异分析，研究发觉，财务征兆要紧表现为：留存 收益和营运资本短缺、应收项目和短期借款多、营业利润低等。陈晓、陈治鸿（ 2000）以 70 家公司组成分析样本，通过每大类财务指 标中分不选取一个指标来进行检验，认为营运资本与总资产比率、负债权 益比、应收帐款周转率、主营利润与总资产比率、非主营利润与总资产比 率、留存收益与总资产比率这 6 个指标的财务逆境推测成效最好。3样本选取和研究

11、方法3.1 研究样本本文选择了在 2006年 1月至 2006年 6月期间，在 2005年年报公布后， 因财务状况专门而首次被 ST 的 53 家上市公司，为了更好地研究样本的特 点，我们同时选取同行业（按证监会行业代码分类） 、同规模的 53 家非 ST 公司作为配对样本。在选取样本时我们注意以下咨询题：（1）考虑到ST公司是由于2005年报公布后，连续2年亏损而导致被ST 的。在选择观测年限时，取被 ST 前 1 年的财务年度的财务指标，即选 择 2004 年的财务指标，对应的配对样本取同期的财务指标。（ 2）为了使样本更具有代表性， 对非 ST 公司的选取是在保持同行业、 同规模的原则下

12、选取。（3）非ST的样本选取同行业为第一选择标准，即在资产规模不同的 情形下，保持行业的一致性。（4）对ST样本的选择时，由于本文目的在于研究财务信息对财务预 警的作用，因此剔除了有以下几种情形的公司：被注册会计师出具无法表 示意见或否定意见的审计报告；追溯调整导致最近两年连续亏损；在法定 期限内未依法披露定期报告；在规定期限内未对存在重大会计差错或虚假 财务会计报告进行改正；主营业务所属行业发生变化的，行业归属不符合 证监会行业要求的。3.2 研究数据本文中的数据均来自 Wind资讯金融终端。第一从 Wind资讯金融终端 找出2006年内被ST的公司信息，然后再按照同行业、同规模的原则查找

13、对应的配对样本，提取样本的财务数据。数据是运用SP SS13.0进行处理分析的。3.3研究变量按照我国上市公司的特点，本文分不从偿债能力、盈利能力、运营能 力、现金流量等4个方面选择了 19个财务指标，作为构建财务危机预警模 型的预选指标。表1:财务指标汇总表组不标号指标名称公式X1已获利息倍数（利润总额+利息费用）/利息费用X2资产负债率负债总额/资产总额X3速动比率（流淌资产-存货）/流淌负债偿债 能力X4流淌比率流淌资产/流淌负债X5长期负债与营运资金比率长期负债/ （流淌资产-流淌负债）X6销售净利率净利润/主营业务收入X7资产净利率净利润/资产总额X8净资产收益率净利润/净资产盈利

14、能力X9销售毛利率（主营收入-主营成本）/主营收入X10营业利润比重营业利润/利润总额X11总资产周转率主营业务收入/平均资产总额营运X12存货周转率主营业务成本/平均存货1=1能力X13应收帐款周转率主营业务收入/平均应收帐款X14流淌资产周转率王营业务收入/平均流淌资产X15营运资本周转率（流淌资产-流淌负债）/资产总额X16销售现金比率经营现金流量净额/主营业务收入现金X17现金债务总额比经营现金流量净额/负债总额流量X18全部资产现金回收率经营现金流量净额/资产总额X19现金流淌负债比经营现金流量净额/流淌负债3.4研究方法本文要紧对样本进行截面分析和回来分析。（1）描述性分析。（2）

15、单变量分析。通过对ST公司的19个财务指标与非ST公司同期指标的均值差异进行T值检验，以证明它们的明显性差异以及对区分财务困难公司的作用。（3）多变量分析。按照单变量分析的结果，选取 ST公司与非ST公司之间具有明显性差 异的财务指标变量进行多元回来分析，先通过因子分析处理数据，然后利 用二分类Logistic回来建立财务困难的预警模型并检验。4.样本变量统计描述表2:财务指标差不多统计量比较表平均值标准差最大值最小值自变量ST非STST非STST非STST非STX1-5.459.517.9011.482.6953.41-38.981.14X262.9841.4618.0713.74113.4

16、766.4416.277.84X31.071.710.611.143.846.080.380.40X40.821.270.521.013.415.610.340.21X5-0.210.402.093.454.8614.69-9.90-9.93X6-49.247.4988.485.83-2.0724.75-508.570.30X7-11.704.7112.853.68-0.6815.58-61.210.10X8-325.617.861866.345.68-1.3221.92-13479.380.21X915.8324.1511.9015.4839.3791.43-24.353.33X100.76

17、0.800.360.521.792.01-0.44-1.28X110.360.790.190.561.062.810.070.13X123.888.503.8316.1723.77107.660.260.51X135.2976.824.96431.6024.423148.510.601.98X140.691.610.421.251.938.140.140.28X152.5515.1611.5756.5962.24373.55-27.23-51.60X16-0.060.070.400.190.940.79-1.50-0.67X17-0.040.180.240.350.451.99-1.34-0.

18、47X18-2.015.7511.348.8426.6734.05-44.75-20.16X19-3.5820.4624.9737.1056.07201.76-134.34-48.74本文第一对样本的财务指标变量进行差不多统计量描述分析，将样本 分为ST类和非ST类，结果见表2。从表2中我们能够看出，ST公司与非ST公司有许多指标存在专门大差距，例如X1、X6、X7、X8、X13、X19等指标。ST公司的应收帐款周 转率平均值为5.29，而同期非ST公司的应收帐款周转率为76.82，讲明与 ST公司相比非ST公司的应收帐款变现能力强。ST公司的销售净利率平均 值为-49.24,而同期非ST公司

19、的销售净利率为7.49,这表明ST公司与非ST公司之间平均盈利能力相差庞大。ST公司的已获利息倍数平均值为-5.45, 而同期非ST公司的已获利息倍数为9.51，讲明ST公司的财务负担明显高 于非ST公司。同时，有些财务指标ST公司与非ST公司差距不大，而且显现交叉现 象，女口 X3、X4、X9、X10等指标。5.单变量研究通过独立样本的均值比较，分析 ST公司与非ST公司各单项财务指标 的差异规律。假设：H0: ST公司与非ST公司19个财务指标同期均值相等H1 : ST公司与非ST公司19个财务指标同期均值不相等5.1独立样本的均值比较方法应用T检验，能够检验独立的正态总体下样本均值之间是

20、否具有明显 性差异。进行两个独立正态总体下样本均值的比较时，按照方差齐与不齐 两种情形，应用不同的统计量进行检验。方差不齐时，统计量为T=式京 表示样本1和样本2的均值; 的方差，m和n为样本1和样本2的数据个数。方差齐时采纳的统计量为T X Y（公式1）sX和sY为样本1和样本2（公式2）1的方差和样本2的方差的式敢拮为两个样本的标准差，它是样本 加权平均值的方根，运算公式如下：f m 1 sXn 1 sYSW Y m n 1当两个总体的均值差异不明显时，该统计量应服从自由度为m+n-2的t分布。T检验的结果包括t值（t）、自由度（df）、双尾明显性检验（sig. 2-tai led）、均值

21、差异（Mean Differenee）、均值差异的标准误差（Std. Error Dif（公式3）ference）和均值差异的 95%置信区间（95% Confidenee Interval of the Dif ference）5.2 T检验分析结果给定明显性水平a为0.05,按照SPPSS13.0运行的结果，对各个财务 指标变量的明显性差异的判定情形如下。表3: T检验结果汇总表组不标号指标名称明显性X1已获利息倍数VX2资产负债率VX3速动比率V偿债 能力X4流淌比率VX5长期负债与营运资金比率XX6销售净利率VX7资产净利率VX8净资产收益率X盈利 能力X9销售毛利率VX10营业利润比

22、重XX11总资产周转率V营运X12存货周转率V能力X13应收帐款周转率XX14流淌资产周转率VX15营运资本周转率XX16销售现金比率V现金X17现金债务总额比V流量X18全部资产现金回收率VX19现金流淌负债比V从上面的实证分析能够看出，指标 X1 （已获利息倍数）、X2 （资产负 债率）、X3 （速动比率）、X4 （流淌比率）、X6 （销售净利率）、X7 （资产净 利率）、X9 （销售毛利率）、X11 （总资产周转率）、X12 （存货周转率）、X 14 （流淌资产周转率）、X16 （销售现金比率）、X17 （现金债务总额比）、X 18 （全部资产现金回收率）、X19 （现金流淌负债比）等1

23、4个指标能在专门 少的明显性水平下拒绝原假设，而同意备选假设。这就意味着ST公司与非 ST公司在ST前1年的上述14个指标具有明显的差异。6.多元回来分析上述14个指标的均值差异能明显地区不出 ST公司与非ST公司的 财务特点。然而在实际操作中，我们是需要推测一个企业的财务状况，仅 仅区分财务特点是不够的。为此我们运用多元回来来分析并检验其模型的 推测准确性。6.1样本及数据我们仍旧选取上述53家ST公司和非ST公司数据。按照截面分析的结 果，我们将有明显性差异的14个财务指标(已获利息倍数、资产负债率、 速动比率、流淌比率、销售净利率、资产净利率、销售毛利率、总资产周 转率、存货周转率、流淌

24、资产周转率、销售现金比率、现金债务总额比、 全部资产现金回收率、现金流淌负债比)作为输入变量。6.2 Logistic多元回来分析621多元回来方法选择在多元回来方法的选择上，我们按照数据的特点，第一进行因子分析， 然后采纳二分类Logistic多元回来法建立模型并加以检验。具体步骤如下，(1)引入虚拟变量丫用以表示是否显现财务危机。丫取1表示ST公司, Y取0表示非ST公司。(2)用因子分析对数据预处理。(3)用二分类Logistic多元回来建立预警模型并检验。6.2.2用因子分析对数据预处理由于各财务指标之间存在着较多的有关关系，信息重复较多，直截了 当用它们分析现实咨询题，不但模型复杂，

25、而且还会因为多重共线性咨询 题而引起极大的误差。因此，我们第一利用因子分析使变量简化降维，用 少数因子代替所有变量去分析整个咨询题。表4:巴特利特球度检验和KMO检验KMO and Bartletts TestKMO and Bartletts Test0.63Bartletts TestApp rox. Chi-Square1444.27df91Sig.0.00由上表可知，巴特利特球度检验统计量的观测值为1444.27,相应的概率P值小于明显性水平0.05,则应拒绝原假设，认为有关系数矩阵与单位 矩阵有明显性差异。同时，KMO值大于0.6，原有变量适合因子分析。表5:因子讲明原有变量总方差的

26、情形Total Varia nee ExplainedIn itial Eige nvaluesRotatio n Sums of Squared Loadi ngsTotal% of Varia neeCumulative %Total% of Varia neeCumulative %14.7934.2034.203.8127.1927.1923.4424.5558.752.6618.9846.1732.1615.4574.202.5718.3964.5641.168.2782.482.5117.9282.4850.715.0687.5360.513.6591.1870.392.7693.

27、9480.372.6496.5790.191.3597.93100.100.7298.65110.090.6699.32120.050.3599.66130.040.2899.94140.010.06100.00从表5中能够看出，前4个因子的特点根大于1，累计方差奉献率为8 2.48%，即前4个变量讲明了原有变量总方差的 82.48%。在因子旋转后， 累计方差比没有改变，没有阻碍原有变量的共同度。总体上，原有变量的 信息丢失较少，因子分析成效理想。表6:旋转后的因子载荷矩阵Rotated Component Matrix(a)ComponentF 1F 2F 3F 4X10.220.610.2

28、90.34X2-0.05-0.44-0.14-0.71X3-0.090.19-0.120.93X4-0.140.10-0.050.93X60.040.830.180.17X70.220.840.230.30X90.060.74-0.270.03X110.190.140.810.11X12-0.04-0.040.84-0.10X140.170.1510.94-0.05X160.910.08-0.01-0.10X170.970.090.13-0.05X180.970.130.10-0.01X190.960.120.15-0.02由表6可知，现金指标（X16、X17、X18、X19）在第一个因子上有

29、 较高的载荷，第一个因子F1能够成为现金指标因子；盈利能力指标（X6、 X7、X9）在第二个因子上有较高的载荷，第二个因子F2能够称为盈利指标因子；营运能力指标（X11、X12、X14）在第三个因子上有较高的载荷， 第三个因子F3能够称为营运指标因子；偿债能力指标（X3、X4）在第四 个因子上有较高的载荷，第四个因子 F4能够称为偿债指标因子。表7:因子得分系数矩阵Component Score Coefficie nt MatrixComponentF1F 2F 3F 4X10.000.200.060.04X2-0.01-0.04-0.03-0.26X30.04-0.13-0.040.44X

30、40.02-0.180.000.46X6-0.090.400.00-0.13X7-0.020.340.02-0.05X9-0.050.42-0.19-0.19X110.00-0.050.320.06X12-0.07-0.070.37-0.02X14-0.03-0.010.38-0.03X160.26-0.04-0.070.00X170.27-0.06-0.020.03X180.27-0.05-0.030.04X190.27-0.05-0.010.04按照表7的结果，我们能够写出以下因子得分函数:F1=-0.01X2+0.04X3+0.02X4-0.09X6-0.02X7-0.05X9-0.07

31、X12-0.03X14+0.26X16+0.27X17+0.27X18+0.27X19F2=0.20X1-0.04X2-0.13X3-0.18X4+0.40X6+0.34X7+0.42X9-0.05X11-0.07X12 -0.01X14-0.04X16-0.06X17-0.05X18-0.05X19F3=0.06X1-0.03X2-0.04X3+0.02X7-0.19X9+0.32X11+0.37X12+0.38X14 -0.07X16 -0.02X17-0.03X18-0.01X19F4=0.04X1-0.26X2+0.44X3+0.46X4-0.13X6-0.05X7-0.19X9+0.

32、06X11-0.02X12 -0.03X14+0.03X17+0.04X18+0.04X196.2.3 Logistic回来建立预警模型1将因子分析得到的4个因子与因变量Y作为引入变量，利用二分类Lo gistic回来建立预警模型并推测。二元逻辑回来拟合的方程为：PmLn - abiXi（公式 4）1 Pi 1其中，P是上市公司发生财务危机的概率；Xi是阻碍财务危机的第i个因素，i=1 , 2,，m;a, bi （i=1 , 2,，m）是待估参数。运行SSPS13.Q得到的结果如下：表&模型估量及系数检验Variables in the Equati onBS.E.WalddfSig.Ex p

33、(B)Step 1(a)F1-2.400.818.7110.000.09F2-11.033.599.4410.000.00F3-7.642.648.3710.000.00F4-3.521.1010.2910.000.03Con sta nt1.550.853.3010.074.70从表8的结果能够看出，所有系数均通过了检验，可建立如下Logistic回来方程：表9输出了模型的似然值（-2 Log）和两个伪决定系数Cox & Snell R Model SummarySte p-2 Log likelihoodCox & Sn ell R SquareNagelkerke R Square120

34、.840.690.92（模型1）exp 1.55 2.40 F1 11.03 F2 7.64 F3 3.52 F41+exp 1.55 2.40 F1 11.03 F2 7.64 F3 3.52 F4表9:模型总体检验Square和Nagelkerke R Square,后两者从不同角度反映了当前模型中自 变量的变异占因变量总变异的比例。我们看到，这两个伪决定系数分不达 到0.69和0.92，讲明模型1中自变量对因变量的讲明程度良好。以0.50为概率最佳分割点进行推测，P大于0.50判定为ST公司。表10:模型1推测结果Classificatio n Table（a）P redictedYPe

35、rcen tage CorrectObserved0 （非 ST）1（ ST）Ste p 1Y0 （非 ST）40393.021（ ST）24896Overall Percen tage94.62从表10的推测结果来看，模型1的整体推测成效为94.62%,其中ST公 司的推测准确率为93.02%,非ST公司的推测准确率为96.00%。那个结果 优于现有的研究结论。6.3将股票市值因素引入，建立预警模型 2随着股权分置改革的完成，长期困扰中国资本市场的股权治理结构缺 陷得到了圆满解决。在那个全新的现实基础上，我们认为将股票市值因素 引入我们的财务预警模型是有意义的。在股权分置条件下，中国上市公司

36、的股权结构处于割裂状态，非流通 股价值无法通过流通股价加以衡量，非流通股股东倾向于以所操纵资产的 最大化而非股权价值的最大化作为目标。国有上市公司出于资产保值增值 考虑，更是普遍选择了净资产值作为国有资产考核体系的一个核心目标。 由于非流通股东不能分享公司股价上涨而带来的庞大利益，因此，他们并 不关怀股价变动，导致非流通股东的市值概念虚化，净资产最大化取代了 利润最大化的目标。如此就带来专门多弊端，如大股东从本质上对增发股 票就有内在动力和偏好、流通股东和非流通股东利益冲突现象严峻等。上 市公司对市值的关注也仅限于吸引投资者、扩大融资的需要，大股东自身 经济利益与股票市值没有直截了当联系，也缺

37、乏足够的动力进行市值治理。 因此，在股权分置条件下的公司股票总市值概念并不能真正涵盖所有股东 的利益。随着全流通时代的到来，上述情形差不多有了全然性的转变，股票市 值的意义真正凸显。因为市值差不多成为折射公司实力、反映公司价值、 决定公司融资效率、阻碍公司股权支付能力和行业整合能力的重要因素， 成为股东考核上市公司经营业绩的重要政策取向。在后股权分置时代，对 上市公司的价值评判方式势必发生全然性转变，以市值取代净资产是考核 上市公司的必定选择。如，2005年9月，国资委关于上市公司股权分置 改革中国有股股权治理有关咨询题的通知明确提出，要将市值纳入国资 控股上市公司的考核体系，中国银监会在 2

38、006年上半年公布的国有商业 银行公司治理及有关监管指引明确要求，工、农、中、建、交五大国有 商业银行在上市以后，应建立争取市值最大化的经营理念等。总之，全流 通使得非流通股进入证券市场交易流通，上市公司的市值表现与大股东经 济利益紧密相连，企业价值最大化将成为上市公司财务治理的目标。在市 场经济中，企业本质是人力资本与物质资本组成的多边契约关系的总和， 契约实质要求公司治理结构的主体之间应该是平等的关系。股权分置改革 解决了各类股东之间的利益冲突，实现了同股同权，实现了各类股东共同 的利益基础，从而理顺了上市公司治理结构的基础，激活了公司操纵权市 场，诱发财务治理目标从控股股东利益最大化转变

39、为企业价值最大化，要 求公司治理层在确保公司连续性价值制造、承担社会责任的前提下，为全 体股东实现财宝最大化。综上所述，在全流通这一新的市场条件下，总市值的概念有了真实的 基础，将股票市值因素引入我们的财务预警模型是有意义的。按照美国财 务专家阿尔特曼（1968）的研究结论作为参考，我们将“股票总市值 /负债 总额”指标引入推测模型中。取，X20=股票总市值/负债总额其中，股票总市值以2004年度的股票平均价格运算。（1）对所有样本公司的X20指标进行T检验，结果显示该指标在 ST 公司和非ST公司之间具有明显性差异。表11: T检验结果95% Confidence Interval of t

40、he DifferenceFSig.tdfSig. (2-tailed)MeanDifferenceStd. ErrorDifferenceLowerUpperX20方差齐14.490.00-3.81102.00.00-2.970.78-4.51-1.42方差不齐-3.75 63.240.00-2.970.79-4.54-1.39能够看出，关于指标X20 （股票总市值/负债总额），因为方差齐性检验 的明显性概率小于0.05,讲明方差不齐的条件满足，对应地，选取“方差 不齐”行对应的分析结果。由于等均值检验的双尾明显性概率小于0.05，因此，拒绝原假设H 0,即ST公司与非ST公司的指标X20

41、（股票总市值/ 负债总额）具有明显性差异。因此，能够将变量X20作为多元回来的输入变量之一。（2）重复6.3.2、6.3.3中二元Logistic回来的步骤。运行SPSS13.0因子分析的结果如下。表12:巴特利特球度检验和 KMO检验KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sam pli ng Adequacy.0.65Bartletts Test of Sp hericityApp rox. Chi-Square1508.99df105.00Sig.0.00由表12可知，巴特利特球度检验统计量的观测值为1508.99,相应的概

42、率P值小于明显性水平0.05,则应拒绝原假设，认为有关系数矩阵与单 位矩阵有明显性差异。同时，KMO值为0.65,比表6的结果有所改进。表13:因子讲明原有变量总方差的情形Compo nentInitial EigenvaluesRotation Sums of Squared LoadingsTotal % of Variance Cur nulative %Total% of VarianceCumulative %14.9032.6732.673.8125.4225.4223.7424.9657.633.0720.4445.8632.2014.6972.322.7118.0563.904

43、1.308.6780.992.5617.0880.9950.785.1786.1660.523.4889.6470.422.7792.4180.382.5594.9790.312.0897.05100.171.1398.18110.100.6698.84120.080.5399.38130.050.3199.69140.040.2699.95方差不齐-3.75 63.240.00-2.970.79-4.54-1.39150.010.05100.00表13中能够看出，前4个因子的特点根大于1，累计方差奉献率为80. 99%,即前4个变量讲明了原有变量总方差的 80.99%。在因子旋转后，累 计方

44、差比没有改变，没有阻碍原有变量的共同度。总体上，原有变量的信 息丢失较少，因子分析成效理想。表14:旋转后的因子载荷矩阵Rotated Component Matrix(a)ComponentF11F 12F1 3F1 4X10.200.310.640.28X2-0.04-0.74-0.42-0.15X3-0.110.910.20-0.10X4-0.170.880.13-0.04X60.020.140.860.16X70.200.270.860.22X90.080.110.69-0.27X110.170.060.180.81X12-0.02-0.08-0.060.85X140.18-0.030

45、.140.94X160.91-0.070.07-0.01X170.96-0.040.100.13X180.960.000.130.09X190.96-0.010.130.15X200.090.8410.09-0.03由表14可知，现金指标（X16、X17、X18、X19）在第1个因子上有 较高的载荷，第1个因子F11能够成为现金指标因子；偿债能力指标（X3、 X4、X20）在第2个因子上有较高的载荷，第2个因子F12能够称为偿债 指标因子；盈利能力指标（X6、X7、X9）在第3个因子上有较高的载荷， 第3个因子F13能够称为盈利指标因子；营运能力指标（X11、X12、X14） 在第4个因子上有

46、较高的载荷，第4个因子F14能够称为营运指标因子。表15：因子得分系数矩阵ComponentF 11F 12F 13F 14X1-0.010.000.220.06X20.00-0.23-0.04-0.04X30.010.33-0.08-0.03X4-0.010.33-0.110.01X6-0.09-0.130.41-0.01X7-0.03-0.060.360.01X9-0.02-0.120.36-0.19X11-0.010.02-0.010.32X12-0.060.01-0.090.37X14-0.02-0.01-0.030.38X160.260.01-0.04-0.07X170.270.02

47、-0.05-0.01X180.270.03-0.04-0.03X190.260.02-0.04-0.01X200.070.34-0.150.00按照表15能够写出以下因子得分函数:F11=-0.01X1+0.01X3-0.01X4-0.09X6-0.03X7-0.02X9-0.01X11-0.06X12 -0.02X14+0.26X16+0.27X17+0.27X18+0.26X19+0.07X20F12=-0.23X2+0.33X3+0.33X4-0.13X6-0.06X7-0.12X9+0.02X11+0.01X1 2 -0.01X14+0.01X16+0.02X17+0.03X18+0.

48、02X19+0.34X20F13=0.22X1-0.04X2-0.08X3-0.11X4+0.41X6+0.36X7+0.36X9-0.01X11- 0.09X12 -0.03X14-0.04X16-0.05X17-0.04X18-0.04X19-0.15X20F14=0.06X1-0.04X2-0.03X3+0.01X4-0.01X6+0.01X7-0.19X9+0.32X11 + 0.37X12+0.38X14-0.07X16-0.01X17-0.03X18-0.014X19将因子分析得到的4个因子与因变量Y作为引入变量，利用二分类Logistic回来建立预警模型并推测。 表16:模型总体

49、检验Model SummarySte p-2 Log likelihood Cox & Sn ell R SquareNagelkerke R Square120.720.680.91表16输出了模型的似然值（-2 Log）和两个伪决定系数Cox & SnellR Square和Nagelkerke R Square,后两者从不同角度反映了当前模型中自变量的变异占因变量总变异的比例。我们看到，这两个伪决定系数分不达 到0.68和0.91，讲明模型中自变量对因变量的讲明程度良好。表17:模型估量及系数检验Variables in the Equati onBS.E.WalddfSig.Exp (

50、B)Ste p 1(a)F11-2.250.768.8010.000.11F12-3.431.0211.2210.000.03F13-10.943.4410.1210.000.00F14-7.262.528.2810.000.00Con sta nt1.580.853.4910.064.88表17中，所有系数均通过了检验，可建立如下Logistic回来方程:=exp 1.58 2.25 F11 3.43 F12 10.94 F13 7.26 F14，模型= 1+exp 1.58 2.25 F11 3.43 F12 10.94 F13 7.26 F14（ 型 ）以0.50为概率最佳分割点进行推测

51、，P大于0.50判定为ST公司。表18:模型2推测结果Classificatio n Table(a)P redictedYPercen tage CorrectObserved01Step 1Y039392.86124896Overall P erce ntage94.57从表18的推测结果来看，模型2的整体推测成效为94.57%,其中ST公 司的推测准确率为92.86%,非ST公司的推测准确率为96.00%。那个结果 与模型1的结果差不多一致，同样优于现有的研究结论。我们比较模型1和模型2的推测结果能够看出，两个模型的推测成效 都超过90%，准确率差不多一致。然而，我们的研究结果也表明，模

52、型2引入了新变量X20 （股票总市值/负债总额）后并没有进一步提升推测的成 效。我们认为，那个结果受到了历史数据的局限，因为股权分置改革在2006年刚刚完成，全流通之后的股票市值的真正意义在历史数据中还难以体 现。以后随着全流通市场的进一步规范和成熟，以市值考核为指标的股权 价值鼓舞政策的逐步推广，股票总市值关于财务预警模型的作用连续值得 我们进一步深入研究。因此，目前我们尚不能确信“股票总市值/负债总额” 这一指标关于财务预警没有优化作用。7、结论（模型1）本文选择了在2006年1月至2006年6月期间，在2005年年报公布后， 因财务状况专门而首次被 ST的53家上市公司，同时选取同行业（

53、按证监 会行业代码分类）、同规模的53家非ST公司作为配对样本。本文从财务指 标的角度动身，在了解我国上市公司财务困难成因的基础上，探讨了各财 务因素之间的关系，以及它们对上市公司发生财务困难的预警作用。本文 的创新点在于，采纳了最新的公司财务数据，改进了数据处理的方式，在 因子分析的基础上利用二分类Logistic回来建立了财务困难的预警模型，该 模型的推测成效优于现有的研究结论。同时，本文还针对全流通之后新的 市场环境，将“股票总市值/负债总额”指标引入模型讨论。本文得到的结 论如下。（1）从统计描述的角度，ST公司与非ST公司在已获利息倍数、销售 净利率、资产净利率、净资产收益率、应收帐

54、款周转、现金流淌负债比等 指标上有明显差异，而在速动比率、流淌比率、销售毛利率、营业利润比 重等指标上差距不大，且有交叉现象。（2）从单变量分析的角度，已获利息倍数、资产负债率、速动比率、 流淌比率、销售净利率、资产净利率、销售毛利率、总资产周转率、存货 周转率、流淌资产周转率、销售现金比率、现金债务总额比、全部资产现 金回收率、现金流淌负债比等指标，能在a =0.05的较小明显性水平下与公 司的财务困难情形明显有关。（3）从多元回来的角度，通过因子分析处理原始数据，然后利用二分 类Logistic回来建立了财务困难的预警模型：exp 1.55 2.40 F1 11.03 F2 7.64 F3

55、 3.52 F41+exp 1.55 2.40 F1 11.03 F2 7.64 F3 3.52 F4其中，F1=-0.01X2+0.04X3+0.02X4-0.09X6-0.02X7-0.05X9-0.07X12-0.03X14+0.26X16+0.27X17+0.27X18+0.27X19F2=0.20X1-0.04X2-0.13X3-0.18X4+0.40X6+0.34X7+0.42X9-0.05X11-0.07X12 -0.01X14-0.04X16-0.06X17-0.05X18-0.05X19F3=0.06X1-0.03X2-0.04X3+0.02X7-0.19X9+0.32X11+0.37X12+0.38X14 （模型2）-0.07X16 -0.02X17-0.03X18-0.01X19F4=0.04X1-0.