化工化纤行业上市公司财务危机预警的实证研究

　　摘要：财务危机预警的研究具有重要的现实意义，本文利用Fisher模型，以化工化纤行业被ST的上市公司为研究对象，选取ST公司与财务状况正常的公司的财务数据。在Sppss17。0软件中，利用KS检验、T检验和相关分析，筛选出不具备线性关系，但能显著反映财务危机的指标，代入Fisher模型得到变量系数，并将原始财务数据进行回代，从而得到模型判别的准确率。
　　关键词：上市公司财务危机预警Fisher模型化工化纤行业
　　目前为止，针对财务危机预警模型的研究主要经历了从单变量破产预测模型，多元线性判别模型到逻辑回归模型的演化；从依靠单一财务比率判别财务状况到多种财务指标的综合运用，危机预警模型不断发展和完善。目前，在三种广泛使用的危机预警模型中，Z计分模型的准确率不如其他两类精确，而Logistic模型对于样本的数据量要求较高。因此，在化工化纤行业上市公司样本数据量可能偏少的情况下，为保证模型判别效果的准确，本文选择Fisher模型作为实证研究工具。
　　一、研究方法设计及模型
　　Fisher模型是费希尔提出来的。表达式为Za1x1a2x2a3x3a4x4anxn，其中Z表示判别值，a表示相关系数的权重，而x代表的变量则是财务指标的比率，且各变量之间不具有线性关系。在变量的选择过程中，主要是基于企业盈利能力、营运能力、偿债能力、现金流量指标以及发展能力五方面考虑。
　　在构建模型的过程中，首先运用逐步分析法，在所有的财务比率中选出能够提供有效信息的指标变量；其次，利用统计分析的方法，检验各变量之间的共线性，即使得构建模型的变量之间不具有线性关系，在这一阶段可以使用均值检验、方差检验或者特征值检验等方法完成；第三，可以用挑选出的变量建立模型，代入利用原始数据得到的变量系数，完成Fisher模型财务危机企业和正常企业两部分公式的构建；最后一步是模型的检验，将原始的财务数据指标回代入模型中，在两个公式的结果中取大值以判断企业所属类型，完成判别分析的全过程。
　　本文利用ST公司和财务状况正常的公司财务数据进行分析。将ST公司命为1，正常公司为0，分为两组便于后续的分析。由于Fisher模型要求变量服从正态分布，因此需要首先利用KS检验进行正态分布的验证，剔除不符合前提条件的变量；第二步，进行T检验，目的是为了筛选有利于分辨ST和非ST的显著变量，以便于利用这些变量建立模型；第三，检验显著变量之间是否存在线性关系，剔除相关的变量，利用剩余的不相关变量建立模型；然后再将样本数据回代，检验模型的准确性。在这一过程中，需要借助Spss17。0软件完成分析过程。
　　二、财务指标选取
　　三、样本数据的获取
　　根据相应的指标变量，本文在实证部分选取了化工化纤行业中36家上市公司的财务数据，其中16家公司作为财务危机组的样本数据，另外20家作为对比组，即财务状况正常的样本。结合Spss软件，运用Fisher判别分析建立财务危机预警模型。由于上市公司当年的财务报表是在次年1至4月公布，因此是否被ST一般在次年4月份能确定。也就是说，当上市公司被ST时，一般为最近的两个会计年度连续出现亏损或前一年的每股净资产低于股票的面值。因此，使用被ST前一年的数据来预测是否存在财务危机是没有意义的，一般而言，前一年在一定程度上已经可以知道该公司会不会被ST。所以在财务危机预警样本数据的选择中，更多应用危机发生前两年或前三年的数据，更具准确性。
　　基于以上的分析，本文选择化工化纤行业共36家上市公司作为分析对象。发生财务危机的公司选择被ST前2至3年的财务数据，财务状况正常的公司选择与前者同一年份的数据作为样本。
　　四、建立财务危机预警的Fisher模型
　　六、结论
　　虽然财务危机的爆发对上市公司具有相当大的杀伤力，但任何危机的发生必然要经历一个不断积累的过程。因而，在企业的经营过程中建立起一套以数学模型为基础的预警机制，对于有效预防财务危机的发生具有十分重要的作用。我们可以借助企业的财务报表以及相关的财务指标，运用统计学的分析方法，建立模型来预测企业的发展趋势，以发现潜在的财务风险，并且在危机尚未发生之前告知经营者及时采取措施，有效避免危机的发生，以此实现企业的可持续发展。本文选择了反映企业偿债能力、盈利能力、运营能力以及发展能力等多项指标，经过各项检验，寻找符合条件能进入Fisher模型的变量，纵观Fisher模型构建过程方便简单，具有较强的实际操作可能性。但也存在以下问题：
　　（一）样本数据量的问题。比较常用的用以衡量企业财务状况的模型包括Z计分模型、Logistics模型、Fisher模型等。相对而言，Logistics模型要求具有足够多的样本数据，因此对样本容量的要求较高，相应构建的模型判别准确率也较高。而Fisher模型对样本量的要求并没有特别要求，本文针对化工化纤行业上市公司选取了近两年被ST的公司作为样本，观察最终结果，数据量可能偏少，导致误判率偏高，可知，扩大样本量可能是提高判别效果的有效方法之一。
　　（二）指标选取和筛选问题。本文在选取指标变量时，综合从偿债能力、获利能力、营运能力以及成长能力等多方面考量选取指标，力求全面反映企业财务状况。参考全文实证过程，可知最终经过各项检验进入Fisher模型的指标变量并未达到全面考量的初衷，而筛选变量的过程也可以认为是在众多反映财务状况的变量里，选择在企业持续生产经营过程中对经营情况和现状具有指示作用的信号。这一结果，可与化工化纤行业自身特点相结合进行分析。因此，可以认为最终剩余的变量对于企业财务预警的效果更为显著。
　　（三）未来预测的不确定性。上市公司面临的环境复杂多变，包括经济环境、政治环境、法律环境、技术环境诸多方面，如政府政策变动以及国内外经济走势等影响；而财务危机预警是依据若干年前的数据预测未来企业的财务状况，存在一个隐形假设，即：企业面临的市场环境是平稳且保持不变的，忽略了客观市场存在的各种变化，对企业未来发展走势预测未必准确，因此在这个动态的环境中，用静态的数据预测未来，不可避免存在考虑不周的问题。而这一问题仅通过数据难以量化，需要将定性分析和定量分析相结合。
　　针对以上问题，笔者建议如下：
　　首先，本文选取的是化工化纤行业上市公司的数据，并未涉及非上市公司，主要因为非上市公司数据较难获得。如果能获得非上市公司相应的财务数据，则能有效扩大样本数据量，从而提高模型的判别效果；同时，也能使模型更具代表性。但是也存在一个问题，上市公司陷于财务危机可以被ST作为标志，但非上市公司很难以某一显著标志标示是否陷于财务危机。因此，扩大样本量至非上市公司虽然会使得模型判别效果增强，但必须首先解决判别标志这一问题。
　　其次，在具体指标选择中，可以在常用的指标之外多考虑某些非财务指标。企业财务状况并不仅仅可以由财务数据反映，也可以通过诸如股权结构、组织结构等方面反映。财务数据与非财务数据在一定程度上会相互影响，因此仅考虑一方面可能有失偏颇，并不准确。而非财务指标大多需要具体分析，需要将定量分析与定性分析相结合，才能比较完整地反馈企业的财务状况。但定性分析相对较为困难。
　　参考文献：
　　1。文兰。公司治理引入上市公司财务危机预警体系的实证分析J。商业会计，2011，（14）。
　　2。杨建斌。Fisher判别法在企业财务危机预警中的应用J。会计之友，2011，（13）。
　　3。程晓秋。上市公司财务困境预警研究基于数据挖掘的方法J。财会通讯，2010，（1）。