中小企业财务危机预警模型设计及实证研究

1、网络首发时间：2017-06-05 09:23会计之友 2017,12,31-34中小企业财务危机预警模型设计及实证 研宄徐玉芳邵胜华 上海财经大学浙江学院浙江广播电视大学导出/参考文献关注分享收藏打印摘要：科学的财务危机预警模型对提升企业财务风险管理水平具有重要意义。基于国内 外现有财务预警模型，选取80家非金融中小型上市公司为研宄对象，经过变量筛 选、wilcoxon秩和非参数检验、kmo检验、公共因子计算、载荷系数计算等步骤， 釆用logistic方法建立了两种不同的中小型企业财务危机预警回归模型，并对 80家上市公司进行实证分析。研究结果表明:针对st和非st两类企业，综合 logis

2、tic回归模型比纯财务指标logistic回归模型的财务危机预警准确率提高 了 18. 182% 和 10. 145%。关键词.财务预警模型;logistic回归模型;因子分析法;中小企业;作者简介：徐玉芳（19n），女,浙江浦江人，上海财经大学浙江学院计划财务处 处长，研究方向:财务决策与支持系统；作者简介：邵胜华（1964），女，浙江富阳人，浙江广播电视大学财务处副处长， 研宄方向：管理会计一、引言我国屮小企业较多，普遍存在的问题是资本结构不健全、管理结构不合理、财务 信息不完善、内部控制制度落后、风险意识薄弱等，因此中小企业很难抵挡外部 环境引发的风险。目前,很多中小型企业尚未意识到财务

3、风险危机，也并未采取和关措施进行防治，直接导致很多中小企业连年亏损，甚至出现破产。建立一套完善 可行的中小企业危机预警方法，成为当前学者们的研究热点。国外学者采用多元概率比冋归分析法、现金流量信息预测分析法和混合模型分析 法对屮小企业财务风险开展了大量研究，并取得了一定成果。zmi jewskixu采用 概率回归分析法对3 800家正常企业和76家破产企业进行研宂，建立了 probit 财务预警模型;azizm通过对比破产和非破产企业的现金流量均值及公司纳税 情况，提出了现金流量信息模型;hongkyu et al.采用破产预警混合模型，对韩 国破产企业和正常企业进行了实证研宄，验证了混合模型

4、分析法的可行性。任惠 光等£41采用dea数据包络分析法、logistic模型和模糊神经网络模型，选取丫 财务、公司管理、效益等51个技术指标，对378家上市公司进行实证研宂，提出 一种跨期财务综合危机预警模型;杨潇m结合传统logistic财务预警模型和随 机欠抽样不均衡分析方法，建立了 ru-logistic财务预警模型，釆用主成分分析 法对我国上市电力公司开展研究。虽然近年来国n外针对企业财务危机预警进行丫大量研究，但是仍存在以下不 足：（1）现有财务危机预警主要针对大型企业，对中小企业的相关研宄还不多 见；（2） w内现有和关研宄很少考虑我ww情，w外一些基本假设未必符合我w

5、市 场体制；（3）财务预警评价体系还不完善，很少考虑非财务指标对企业危机的影 响。本文针对这些不足之处，选取80家中小企业上市公司为研究对象，采用 logistic方法建立丫两种不同的屮小型企业财务危机预警回归模型，并对比丫 两种模型的企业财务危机预警准确率。研究成果可为中小企业财务危机预警提供 麥专。二、企业财务危机预警模型设计（一）模型特点与针对性logistic回归模型是一种概率回归广义线性模型，可用于描述和推断一组变量 与多分类因变量之间的关系。logistic回归模型参数估计主要采用非条件最大 似然法，通过建立似然函数和对数似然函数，获得对数似然函数的最大特征根相 关参数，得出各个参

6、数的最大似然估计值。木文采用logistic回归来进行中小企 业财务危机预警研究，主要因为logistic冋归模型具有以下特点6-7: （l）logistic回归模型的自变量与因变量存在非线性关系；（2）logistic 回归模型无需假设方差不变，对自变量分布无特殊耍求，各个自变量可以是连续 值或离散值，甚至可以为虚拟值，即不需要假设自变量间存在多元正态分 布；（3）logistic回归模型的因变量为分类变量，预测精度较高。基于logistic 回归模型上述特点，认为其可以进行屮小企业财务危机预警研究。将屮小企业是否陷入财务危机作为因变量，其状态可以用0和1表示。当屮小企 业陷入财务危机时，因

7、变量取1;当中小企业财务状况良好时，因变量取0。在进行 数据预处理时发现自变量（包括财务指标和非财务指标）不服从正态分布，因此选 用不需要假设自变量间存在多元正态分布的logistic回归模型进行中小企业财 务危机预警研宄。（二）研宄样本鉴于我国大多中小企业并未上市，很多财务信息存在虚假情况且财务数据搜集较 为困难，本文研宄的中小企业主要来自沪深两市中小企业板块。采用与国内外学 者类似的研究方法，以上市公司是否处于st状态为判断财务危机的标准，共选取 80家非金融类中小型上市公司，其中69家非st企业和11家st企业，分为非财 务危机组和财务危机组开展研宄。考虑到行业等因素对研宄结果的影响，非

8、财务 危机组所处行业和资产规模尽量与财务危机组相近，所搜集数据均来自 2012-2016年沪深两市的公开财务报表。（三研宄变量选取1. 财务变量选取企业财务状况与其运营能力、管理能力、盈利能力息息相关，目前仍没有形成完 善的企业财务危机预测变量选取依据。木文基于现有研究基础，认为预警模型财 务变量需满足如下条件：（1）变量指标相关数据容易获得；（2）能够显示中小企业 短期偿债能力；（3）可以体现屮小企业的经营现状和发展状态；（4）可以体现屮小 企业投资水平的合理性；（5）可以体现中小企业成长能力。参考中w上市公司财务指标分析数据库中的和关指标选择本文分析所需的财务 变量m。根据中小企业特点,确

9、定偿债能力指标、盈利能力指标、营运能力指标、 发展能力指标和现金流指标为财务危机预警的一级指标，具体二级指标及其计算 方法见表1。2. 非财务变量选取中小企业财务危机不仅受到财务变量影响，还会受到宏观经济、社会环境、行业 因素等非财务变量影响。与财务变量不同，非财务变量收集难度大、成本高。国 外研究人员大多选择宏观经济指标和行业指标作为非财务变量，但由于我国经济 环境与国外经济环境有着较大差异，本文非财务变量更侧重于微观方面。选择企 业组织结构、管理费用、董事会构成和审计意见作为非财务变量一级指标，四项 一级指标下设若干二级指标，具体情况见表2。指标类型变量名称编码计算方敦偿债能力指标企业资产

10、负债率a,负债总额/资产总额利息保障倍数a2税前利润/总利息现金流暈hi流动负债比a3现金净流量/流动负债，营运资本与总资产比a4（流动资产-流动负债）盈利能力指标营业毛利率八5营业利润/营业收入总资产净利润率a6净利润/总资产净资产收益率a7净利润/净资产留存收益4总资产比a8（未分配利润+盈余公手营运能力指标应收账款周转率a9赊销收入净额/应收账!营运资金周转率a10收入/营运资本总资产周转率an收入/总资产存货周转率a12销货成本/存货余额发展能力指标总资产增长率a13总资产增长额/总资产净利润增长率a14（本期净利润-上期净利浄资产增长率a15（本期净资产-上期净资现金流指标销售浄现率

11、a16经营现金净流量/经营l指标类彻变跫名称计算编码计兑方法企业组织结构般大股东持股比例b,磁大股东持股/总股份z-指数b2蕺大股东持股/笫二大股东持股管理费用管理费率b3管理费用/主营业务收入董事会构成莖审会规模b4莖平数撖独立芾事占比bs独立芾啪数墩/带事数帝审计意见意见类型be递拟变量;标准无误记为1，其他记为0三、企业财务危机预模型实证(一)变量筛选如果利用上述22个指标构建中小企业财务危机预警模型，虽然可以进行较为全 面的分析，但是工作量十分巨大，这些指标中的部分指标存在线性和关。为了提高 计算准确率，须对上文16个财务候选指标和6个非财务候选指标进行正态性检验 和显著性检验。对各变

12、量进行k-s检验，利用随机变量b的样本数据构建分布函 数，通过计算分布函数落在某个区间内与正态分布重合的概率，用于判断变量是 否满足正态分布。表3为16个财务候选指标和6个非财务候选指标的k-s检验 及显著性检验结果。表3中，各变量显著性水平都接近于0,远远小于0. 5。由于各变量间不服从正态分布，因此需要对其进行wilcoxon秩和非参数检验。将 企业成为st的前1年、前2年、前3年分别记为t-l、t-2、t-3。根据各单变 量wilcoxon秩和非参数检验结果,发现存货周转率(a12)、最人股东持股比例(b,)、 z-指数(b2)、董事会规模(bj的显著性水平均大于0.5,须剔除这些变量。

13、因此， 从前文16个财务候选指标和6个非财务候选指标中筛选出15个财务候选指标和 3个非财务候选指标,作为中小企业财务危机预警模型的变量。变量编码t s检验值显著性水平a:0.6090a25.2680.01a32.3300a43.3810a56.7280a67.2400a/6.3600a84.1640.06a93.2300a102.8000a115.5800a123.8670八132.4370八145.8340八154.3180a164.2510b,6.1860b24.5460.04b32.3850巳41.5030b56.3440（二）因子分析 如果基于剩余的18个候选指标开展财务危机预警研宄

14、,计算量仍然很大，可进一 步通过因子分析降低变量数。1. kmo检验利用kmo检验结果对候选财务变量进行判断。若kmo值越大，说明变量相关性越 强。对本文15个财务候选指标进行巴特利球体检验，其卡方计算结果为1192.15, 自由度计算值为102,财务指标变量的kmo值为0. 821。若kmo值分布在0. 8, 0. 9, 则说明因子分析效果较好，因此15个财务候选指标因子分析效果较好。2. 公共因子计算表4为15个财务候选指标公共因子特征值、贡献率计算结果。由表4可知,如果 选择5个公共因子，则能反映出15个财务候选指标81. 693%的信息量;如果选择4 个公共因子，则能反映出15个财务候

15、选指标78. 113%的信息量。综合效率和计算 量,木文选择前4个公共因子作为财务候选指标的替代变量,将其分别记为c,、c2、表4财务指标公共因子特征值、贡献率计算结果下载原表因子序号特征值贡献率（）贡献率累计（）14.59931.77731.77722.55220.86052.63731.46816.02368.66041.2269.45378.11350.9353.58081.6933. 载荷系数计算表5为g、c2、c3、c4和15个财务候选指标原始变量间的载荷矩阵计算结果。变暈编码载荷系数c,c2c3c4a,0.2150.823-0.044-0.226a20.0330.903-0.071

16、0.191a30.1910.7780.102-0.026a40.3810.8530.262-0.367a50.7220.259-0.0530.131ae0.6310.3970.0430.071a70.863 0.2460.192-0.353as-0.655-0.0280.2820.204a90.0130.116-0.8390.309a100.264-0.0240.774-0.013an0.1120.1420.621-0.270八130.2460.1600.6650.126a14-0.091 0.222 0.5460.015a15-0.1710.3780.595-0.181a160.3580.0

17、510.3700.806由表5可知人可以对a5、a6、和&进行解释，对应变量可以很好地反映企业盈 利能力信息;c2可以对a：、a2、a3和a,进行解释，对应变量可以很好地反映企业偿 债能力信息;c3可以对a9、alq、addal3、am、al5进行解释,对应变量可以很好地 反映企业营运能力、发展能力信息;c4可以对al6解释，对应变量可以很好地反映 企业现金流信息。（三）财务危机预警模型构建 1.纯财务指标logistic回归模型采用spss 13.0软件对80家公司上一年的财务数据进行回归分析,计算结果见表 6。表6财务指标变量logistic冋归模型 下载原表变量系数标淮误sewa

18、ld检验显著性水平c,-3.2310.50616.0840.000c2-1.6200.4816.7460.000c3-1.8060.61615.7030.000c4-2.2940.80310.4510.001常数-3.1430.3681.4340.368由表6可知，在p=0. 05水平下，c,、c2、c3、c,均可通过显著性检验。由此可知，纯财务指标回归模型的拟合度较高。根据各变量系数计算结果，得到财务危机预 警logistic回归模型计算式为：ln-_ = - 3.143- 3.231cr 1.62c2- 1.806c3-1- p2.294c42.综合logistic回归模型综合logist

19、ic回归模型在纯财务指标回归模型的基础上，进一步考虑非财务变 量的影响。加入非财务指标b3、b5和b6后,运用spss 13.0软件，对80家公司上 一年的财务数据进行回归分析,计算结果见表7。变虽系数标准误sewald检验显著性水平c, 2.8000.50916.3530.000c2 1.2560.4137.2060.001c3 0.8300.61314.7680.000c, 1.4530.58510.6180.001b3 3.1401.0144.2380.035b6 5.2192.5655.7660.021be2.1290.9044.9730.025常数5.2751.4589.1440.0

20、03由表7可知，在p=0. 05水平下，g、c2、c3、c.i均可通过显著性检骑,综合logistic 回归模型拟合度较好。根据各变量系数计算结果，得出财务危机预警综合 logistic回归模型计算式为：ln-_ = 5.275- 2.8cr 1.256c2- 0.83c3- 1.453c4-1- p3.14b3- 5.219b5- 2.129b6（四）结果分析1.纯财务指标logistic回归模型采用纯财务指标ihj归模型进行财务危机预警的检验结果见表8。由表8可知，针 对st中小企业和非st中小企业，纯财务指标回归模型预警准确率分别为 63. 636%和 82. 609%。表8纯财务指标检

21、验结果下载原表类别预测结果准确率st企业非st企业st企业74q=7/11=63.636%非st企业1257q=57/69=82.609%2.综合logistic回归模型采用综合hl归模型进行财务危机预警的检验结果见表9。可见,对于st中小企业 和非st中小企业，综合回归模型预警准确率分别为81. 818%和92. 754%。对比综 合冋归模型和纯财务指标冋归模型，综合冋归模型预警准确率分别提升18. 182% 和 10. 145%。u!结论表9综合模型检验结果下载原表类别预测结果准确率st企业非st企业s丁企业92q = 9/11 = 81.818%非st企业564q 二 64/69=92.

22、754%本文选取国内80家非金融类中小上市公司为研宂对象，其中69家非st企业，11 家st企业。经过变量筛选、wilcoxcm秩和非参数检验、kmo检验、公共因子计 算、载荷系数计算等步骤，分别构建了纯财务指标回归模型和综合回归模型。计 算结果表明:对于st企业和非st企业，纯财务指标冋归模型的预警准确率分别为 63. 636%和82. 609%;综合回归模型的企业预警准确率分别为81. 818%和92. 754%; 与纯财务指标回归模型相比，综合回归模型预警准确率分别提升18. 182%和 10.145%。参考文献1 zmijewski m e. methodological issues related