基于現(xiàn)金流量的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系研究[畢業(yè)論文]

1、<p><b>　　本科畢業(yè)論文</b></p><p><b>　?。?0_ _屆）</b></p><p>　　基于現(xiàn)金流量的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系研究</p><p>　　所在學(xué)院 </p><p>　　專業(yè)班級 財(cái)

2、務(wù)管理 </p><p>　　學(xué)生姓名 學(xué)號 </p><p>　　指導(dǎo)教師 職稱 </p><p>　　完成日期 年 月 </p><p><b>　　目 錄</b&g

3、t;</p><p><b>　　摘要 </b></p><p><b>　　關(guān)鍵詞</b></p><p><b>　　Abstract</b></p><p><b>　　Key words</b></p><p>　　1 引言

4、 ……………………………………………………………………………………………1</p><p>　　1.1研究背景及意義 ……………………………………………………………………………1</p><p>　　1.2研究述評 ……………………………………………………………………………………1</p><p>　　1.2.1 現(xiàn)金流量與收益信息有用論 ………………………………

5、…………………………2</p><p>　　1.2.2 基于傳統(tǒng)財(cái)務(wù)指標(biāo)的財(cái)務(wù)預(yù)警研究 …………………………………………………2</p><p>　　1.2.3 基于現(xiàn)金流量指標(biāo)的財(cái)務(wù)預(yù)警研究 …………………………………………………3</p><p>　　2 基于現(xiàn)金流量的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系框架構(gòu)建 ………………………………………………4</p>&l

6、t;p>　　2.1現(xiàn)金流量財(cái)務(wù)指標(biāo)體系預(yù)警原理 …………………………………………………………4</p><p>　　2.2現(xiàn)金流量財(cái)務(wù)預(yù)警體系的構(gòu)成指標(biāo) ………………………………………………………5</p><p>　　3 實(shí)證分析…………………………………………………………………………………………7</p><p>　　3.1研究分析方法概述 …………………

7、………………………………………………………7</p><p>　　3.1.1 研究樣本的選擇及選取方法 …………………………………………………………8</p><p>　　3.1.2 分析方法 ………………………………………………………………………………8</p><p>　　3.2相關(guān)假設(shè) ……………………………………………………………………………………9<

8、/p><p>　　3.3預(yù)警模型構(gòu)建 ………………………………………………………………………………9</p><p>　　3.3.1 描述性統(tǒng)計(jì) ……………………………………………………………………………9</p><p>　　3.3.2 獨(dú)立樣本T檢驗(yàn)………………………………………………………………………10</p><p>　　3.3.3 多

9、元判別分析…………………………………………………………………………11</p><p>　　3.3.4 臨界值判定……………………………………………………………………………12</p><p>　　3.4預(yù)警模型實(shí)證檢驗(yàn)…………………………………………………………………………13</p><p>　　4 研究結(jié)論與不足 ……………………………………………………………

10、…………………13</p><p>　　附錄 ………………………………………………………………………………………………15</p><p>　　附表1：訓(xùn)練樣本………………………………………………………………………………15</p><p>　　附表2：訓(xùn)練樣本財(cái)務(wù)指標(biāo)數(shù)據(jù)………………………………………………………………16</p><p>

11、　　附表3：訓(xùn)練樣本回判結(jié)果……………………………………………………………………18</p><p>　　附表4：檢測樣本………………………………………………………………………………19</p><p>　　附表5：檢測樣本財(cái)務(wù)指標(biāo)數(shù)據(jù)………………………………………………………………19</p><p>　　參考文獻(xiàn) ………………………………………………………………

12、…………………………20</p><p>　　致謝 ………………………………………………………………………………………………21</p><p>　　摘要：本文以現(xiàn)金流量為基礎(chǔ)構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系，全面評價(jià)企業(yè)盈利能力、收益質(zhì)量、財(cái)務(wù)彈性、成長能力、償債能力，并運(yùn)用多元判別分析法對中國制造業(yè)滬深兩市上市公司2006年至2008年的數(shù)據(jù)進(jìn)行分析建模。且利用化學(xué)原料及化學(xué)制品制造業(yè)上市公司的數(shù)

13、據(jù)進(jìn)行檢驗(yàn)，研究發(fā)現(xiàn)該現(xiàn)金流量指標(biāo)體系可以提前兩年對公司財(cái)務(wù)危機(jī)作出較為準(zhǔn)確的預(yù)警。</p><p>　　關(guān)鍵詞：現(xiàn)金流量；財(cái)務(wù)預(yù)警；判別分析</p><p>　　Abstract：On the basis of cash flow, this essay builds a financial risk early-warning system, which assesses profit

14、ability, earning quality, financial flexibility, growing ability and solvency of a company. Then build the system by multiple discriminant analysis method using the data of China’s listed companies in manufacturing indus

15、try of Shanghai and Shenzhen stock exchange from 2006 to 2008. Moreover, test the validity of the early-warning system using the data of listed companies in raw chemi</p><p>　　Key words：cash flow;

16、financial early-warning; discriminatory analysis</p><p><b>　　1 引言</b></p><p>　　1.1 研究背景及意義</p><p>　　上世紀(jì)60年代以來，西方國家企業(yè)特別是美國公司的負(fù)債比率逐漸升高，為經(jīng)濟(jì)的發(fā)展埋下了隱患。美國非金融性公司的利息支付數(shù)額占公司現(xiàn)金流量的比

17、率已達(dá)空前水平：60年代僅為12.5%，而90年代已高達(dá)35%。隨著公司利息支出比率的增加，企業(yè)不能如期支付到期本息的風(fēng)險(xiǎn)亦快速提高。在此情況下，盡管許多公司盈利情況良好，但也難免處于收不抵支乃至破產(chǎn)的窘境。</p><p>　　而且近幾年來，全球經(jīng)濟(jì)深受由美國次貸危機(jī)引起的金融風(fēng)暴的影響，危機(jī)正從金融界向?qū)嶓w經(jīng)濟(jì)蔓延，對相當(dāng)一部分企業(yè)造成了重大創(chuàng)傷。一些大型國際跨國公司也未能幸免于難：09年初美國微軟、日本豐田

18、公司凈利潤大幅度下跌，通用汽車公司處于破產(chǎn)邊緣……眾多企業(yè)財(cái)務(wù)危機(jī)進(jìn)一步惡化，全球金融危機(jī)形勢進(jìn)一步加劇。</p><p>　　而國內(nèi)面對經(jīng)濟(jì)全球化的沖擊、外國公司的搶灘以及知識經(jīng)濟(jì)帶來的競爭壓力，加之以近年來金融危機(jī)的影響，中國企業(yè)特別是民族工業(yè)正遭遇前所未有的挑戰(zhàn)與考驗(yàn)，因財(cái)務(wù)危機(jī)陷入困境甚至宣告破產(chǎn)的例子已是屢見不鮮。由此可見，今日公司的管理決策當(dāng)局迫切需要建立一個(gè)能預(yù)先發(fā)出危機(jī)警報(bào)的財(cái)務(wù)分析系統(tǒng)，以幫助避

19、開或化解可能出現(xiàn)的財(cái)務(wù)危機(jī)。</p><p><b>　　1.2 研究述評</b></p><p>　　財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警是以財(cái)務(wù)會計(jì)信息為基礎(chǔ)，通過設(shè)置并觀察一些敏感性預(yù)警指標(biāo)的變化，對可能或?qū)⒁霈F(xiàn)的財(cái)務(wù)危機(jī)實(shí)施實(shí)時(shí)監(jiān)控和預(yù)警警報(bào)，防范和化解各種風(fēng)險(xiǎn)。國內(nèi)外關(guān)于財(cái)務(wù)預(yù)警的研究成果眾多，納入預(yù)警體系的指標(biāo)包括會計(jì)利潤指標(biāo)以及現(xiàn)金流量指標(biāo)，而且兩類指標(biāo)對財(cái)務(wù)預(yù)警的有效性在學(xué)

20、術(shù)界尚有較大爭議。</p><p>　　1.2.1 現(xiàn)金流量與收益信息有用論</p><p>　　國外學(xué)者在現(xiàn)金流量與收益信息對財(cái)務(wù)預(yù)警孰更為有用的論爭中各有不同的觀點(diǎn)。美國</p><p>　　財(cái)務(wù)會計(jì)準(zhǔn)則委員會在其財(cái)務(wù)會計(jì)公告第1號（1978）中指出：用應(yīng)計(jì)制會計(jì)計(jì)量的有關(guān)公司收益及其組成部分的信息，通常比有關(guān)當(dāng)期現(xiàn)金流入與流出的信息能更好地反映公司的業(yè)績。但在

21、之后的第5號（1984）中又指出：現(xiàn)金流量信息對企業(yè)的流動性、財(cái)務(wù)杠桿、盈利能力以及風(fēng)險(xiǎn)等要素具有事先預(yù)測作用。</p><p>　　Black（1999）認(rèn)為收益在一個(gè)企業(yè)的成熟階段具有更高的決策相關(guān)性，而現(xiàn)金流量在企業(yè)成長階段或不確定情況下具有更大的決策相關(guān)性。Venkatesh（2002）認(rèn)為會計(jì)收益受到會計(jì)政策等多方面的影響，其可靠性不如現(xiàn)金流量。Bowen，Robert.M.，David Burgsta

22、hler and Lane A. Daley（1986）和Catherine. A. Finger（1994）的研究表明現(xiàn)金流量信息具有較強(qiáng)的預(yù)測能力。</p><p>　　國內(nèi)學(xué)者一般認(rèn)為現(xiàn)金流量對財(cái)務(wù)風(fēng)險(xiǎn)更有預(yù)警效用。如張友棠（2004）認(rèn)為財(cái)務(wù)預(yù)警系統(tǒng)只能選擇以現(xiàn)金流量為基礎(chǔ)的財(cái)務(wù)指標(biāo)作為檢測標(biāo)準(zhǔn)或目標(biāo)。李曉丹（2006），錢忠（2008），楊娟（2008）以及卿艷、劉禹（2010）都認(rèn)為以權(quán)責(zé)發(fā)生制為基礎(chǔ)

23、的收益信息容易受盈余管理的影響，與財(cái)務(wù)狀況之間欠缺相關(guān)性，應(yīng)將現(xiàn)金及其流動作為企業(yè)財(cái)務(wù)預(yù)警體系的研究對象。</p><p>　　本文認(rèn)為以現(xiàn)金流量為基礎(chǔ)研究財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系不僅克服了人為操縱盈利的弊端，而且企業(yè)是否有警情，并不僅僅取決于盈利的多少，還取決于有沒有足夠的現(xiàn)金和與其經(jīng)營規(guī)模相適應(yīng)的現(xiàn)金支付能力。</p><p>　　1.2.2 基于傳統(tǒng)財(cái)務(wù)指標(biāo)的財(cái)務(wù)預(yù)警研究</p>

24、<p>　　最早的財(cái)務(wù)預(yù)警研究始于Fitzpatrick（1932）的單變量預(yù)警模型，研究發(fā)現(xiàn)該模型判別</p><p>　　能力最高的是凈利潤/股東權(quán)益和股東權(quán)益/負(fù)債比率。</p><p>　　Edward Altman（1968）將財(cái)務(wù)預(yù)警模型發(fā)展為多元線性判定模型（多變量模型），提出了“Z-Score”模型。他抽取了1946至1965年間的33家破產(chǎn)公司作為樣本，選擇

25、了5種基本財(cái)務(wù)比率，并根據(jù)判別函數(shù)，為每一種比率確定了其對公司破產(chǎn)的影響程度，以此作為預(yù)測公司破產(chǎn)的基本模型。實(shí)證研究表明，Z模型在財(cái)務(wù)預(yù)警方面優(yōu)于單變量模型，其破產(chǎn)前一年的預(yù)測精度在90%以上，而破產(chǎn)前5年的預(yù)測精度也有70%。</p><p>　　Coats和Fant（1993）又根據(jù)Altman研究中的5個(gè)財(cái)務(wù)比率建立了人工神經(jīng)網(wǎng)絡(luò)模型。雖然該方法的預(yù)警力更為顯著，但是由于這些分析方法存在建模的復(fù)雜性，因而

26、在應(yīng)用時(shí)受到了限制。</p><p>　　Richard B.Whitaker（1999）分別選取因經(jīng)濟(jì)困難（外部因素）和管理不善（內(nèi)部因素）導(dǎo)致業(yè)績下降的兩類企業(yè)，從營業(yè)收入、賬面總資產(chǎn)、資產(chǎn)市場價(jià)值三個(gè)因素出發(fā)構(gòu)建多元邏輯回歸，最后得出關(guān)于企業(yè)陷入財(cái)務(wù)困境的原因、財(cái)務(wù)困境對企業(yè)的業(yè)績和市場價(jià)值的影響以及企業(yè)恢復(fù)的決定因素三個(gè)方面的結(jié)論。</p><p>　　國內(nèi)的財(cái)務(wù)預(yù)警研究起步較晚，

27、其研究初期主要是對國外方法的介紹和具體應(yīng)用。如陳靜（1999）以及吳世農(nóng)、盧賢義（2001）分別應(yīng)用單變量分析、線性判定分析、回歸分析三種方法，建立了財(cái)務(wù)困境預(yù)測模型。</p><p>　　王金鳳、楊松濤（2005）采用上市公司的兩組樣本，選取每股凈資產(chǎn)、總資產(chǎn)報(bào)酬率等九個(gè)傳統(tǒng)財(cái)務(wù)指標(biāo)變量，利用Logistic回歸和BP神經(jīng)網(wǎng)絡(luò)兩種方法比較性構(gòu)建了上市公司惡性財(cái)務(wù)危機(jī)預(yù)警模型。研究表明在惡性財(cái)務(wù)危機(jī)發(fā)生前一年用B

28、P神經(jīng)網(wǎng)絡(luò)建立的財(cái)務(wù)危機(jī)預(yù)警模型的預(yù)測判斷效果較好,前二三年用Logistic回歸方法建立的財(cái)務(wù)危機(jī)預(yù)警模型的預(yù)測判斷效果較佳。</p><p>　　賀瓊、郝匯（2007）從盈利能力、資產(chǎn)狀況、償債能力、管理能力四個(gè)方面選取了14個(gè)財(cái)務(wù)指標(biāo)作為初始變量，以我國企業(yè)資料為依據(jù)，利用 SPSS統(tǒng)計(jì)軟件，采取顯著性檢驗(yàn)和相關(guān)性檢驗(yàn)的方法篩選預(yù)警變量指標(biāo)，對財(cái)務(wù)預(yù)警模型中的變量體系進(jìn)行了設(shè)計(jì)。</p>&l

29、t;p>　　丁曰佳、王華民、劉海龍、仝金正（2008）選擇了能反映公司流動性、結(jié)構(gòu)性、效率性、盈利性和成長性5大類21個(gè)傳統(tǒng)財(cái)務(wù)預(yù)警指標(biāo)作為研究變量，利用多元邏輯回歸分析方法構(gòu)建上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。結(jié)果表明資產(chǎn)報(bào)酬率、銷售凈利率、總資產(chǎn)增長率具有較好的預(yù)警功能。</p><p>　　以上研究主要以會計(jì)利潤作為核心指標(biāo)，未考慮作為債務(wù)支付手段的現(xiàn)金的充足性，因而其預(yù)警作用并不充分。</p>

30、<p>　　1.2.3 基于現(xiàn)金流量指標(biāo)的財(cái)務(wù)預(yù)警研究</p><p>　　William Beaver（1966）在單變量分析基礎(chǔ)上融入了現(xiàn)金流量，抽取了1954至1964年間的79家破產(chǎn)公司作為樣本，考察了30個(gè)財(cái)務(wù)比率在企業(yè)陷入財(cái)務(wù)困境前1-5年的預(yù)測能力，經(jīng)過篩選，最終采用了6個(gè)財(cái)務(wù)比率進(jìn)行分析，發(fā)現(xiàn)現(xiàn)金流量/負(fù)債總額能夠最好地判定公司的財(cái)務(wù)狀況。</p><p>　　

31、Ohlson（1980）采用Logistic回歸模型，構(gòu)建了以現(xiàn)金流量指標(biāo)為基礎(chǔ)的財(cái)務(wù)預(yù)警系統(tǒng)，并發(fā)現(xiàn)影響公司破產(chǎn)概率的四類變量：公司規(guī)模、資本結(jié)構(gòu)、業(yè)績和當(dāng)前的融資能力。Aziz、Emanuel和Lawson（1989）比較了多個(gè)模型的財(cái)務(wù)預(yù)警準(zhǔn)確率，發(fā)現(xiàn)現(xiàn)金流量模型的預(yù)警效果較好。</p><p>　　H.D. Platt 和 M.B. Platt（2002）選取了24個(gè)危機(jī)公司和62個(gè)健康公司，通過Logi

32、t回歸分析確立了6個(gè)變量：一個(gè)顯示利潤率，兩個(gè)測量流動性，兩個(gè)評估財(cái)務(wù)杠桿和一個(gè)指定的增長率，認(rèn)為現(xiàn)金流水平和增長率與流動性、長期資產(chǎn)、債務(wù)一樣，對財(cái)務(wù)危機(jī)有較高的預(yù)測度。同時(shí)該模型取得了較好的檢測效果。</p><p>　　國內(nèi)在該領(lǐng)域的研究差異主要體現(xiàn)在對財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)變量的取舍上。周首華、楊濟(jì)華和王平（1996）在Altman的Z模型基礎(chǔ)上，加入現(xiàn)金流量這一預(yù)測自變量，建立了F分?jǐn)?shù)模式。楊淑娥、徐偉剛（2

33、003）運(yùn)用主成分分析，加入經(jīng)營活動引起的現(xiàn)金流量/總負(fù)債比率，建立了Y模型。張友棠（2004）構(gòu)建了基于現(xiàn)金流量指標(biāo)——現(xiàn)金盈利值和現(xiàn)金增加值的財(cái)務(wù)預(yù)警個(gè)體指數(shù)測試系統(tǒng)和綜合指數(shù)測試系統(tǒng)。</p><p>　　蔣飛鴻（2007）采用單變量分析法研究上市公司現(xiàn)金流量的財(cái)務(wù)預(yù)警作用，研究結(jié)果表明上市公司在被處理為ST公司的三年前，現(xiàn)金流量信息具有較高的財(cái)務(wù)預(yù)警能力。有效性最高的是每股現(xiàn)金流量指標(biāo)，其次是經(jīng)營活動現(xiàn)金

34、流量/負(fù)債總額及經(jīng)營活動現(xiàn)金流量/所有者權(quán)益。</p><p>　　鮑新中、劉應(yīng)文（2007）從現(xiàn)金流量數(shù)量性和效益性兩個(gè)方面分別選取了經(jīng)營活動現(xiàn)金凈流量、投資活動現(xiàn)金流出額、負(fù)債籌資現(xiàn)金流入額和總資產(chǎn)現(xiàn)金回收率、經(jīng)營現(xiàn)金盈利率、加權(quán)資本成本率6個(gè)指標(biāo)建立現(xiàn)金流量財(cái)務(wù)預(yù)警模型，并通過多組上市公司數(shù)據(jù)對該模型的有效性進(jìn)行了驗(yàn)證。</p><p>　　錢愛民、張淑君和程幸（2008）從企業(yè)償債

35、能力、營運(yùn)能力、收益質(zhì)量、財(cái)務(wù)彈性以及成長性方面選取不同變量，運(yùn)用主成分分析法對中國機(jī)械制造業(yè)上市公司2002年至2006年的數(shù)據(jù)進(jìn)行分析，以不同的ST、非ST公司比例組成樣本，建立多元邏輯回歸模型。研究發(fā)現(xiàn)該模型對ST公司判斷的準(zhǔn)確率達(dá)到100%，而非ST公司也達(dá)到60%。</p><p>　　吳國強(qiáng)、戴紅軍（2010）在利用我國上市公司財(cái)務(wù)數(shù)據(jù)的基礎(chǔ)上，從盈利能力、償債能力等五個(gè)方面選取了24個(gè)指標(biāo)作為研究變

36、量（將傳統(tǒng)財(cái)務(wù)指標(biāo)與現(xiàn)金流量指標(biāo)相結(jié)合，同時(shí)加入公司治理信息變量），采用主成分分析和 Logistic回歸構(gòu)建了預(yù)警模型。實(shí)證結(jié)果表明公司的現(xiàn)金流量越多、盈利質(zhì)量越好、資產(chǎn)運(yùn)營效率越高、股權(quán)集中度越高、高管持股比例越大，發(fā)生財(cái)務(wù)危機(jī)的可能性就越小。</p><p>　　目前基于現(xiàn)金流量的財(cái)務(wù)預(yù)警研究大多僅強(qiáng)調(diào)經(jīng)營活動產(chǎn)生的現(xiàn)金流量，對于其他形式（投資活動或籌資活動）表示的現(xiàn)金流量尚未給予過多關(guān)注。</p&g

37、t;<p>　　近年來，該領(lǐng)域的前沿課題開始將公司治理等非財(cái)務(wù)信息納入預(yù)警模型，并采用定量與定性相結(jié)合的研究方法；或利用信息平臺建立分行業(yè)、分部門的動態(tài)預(yù)警模型。這將是此課題新的發(fā)展動向和趨勢。</p><p>　　綜上所述，國內(nèi)外學(xué)者或僅從現(xiàn)金流量指標(biāo)角度，或從現(xiàn)金流量性質(zhì)指標(biāo)與傳統(tǒng)財(cái)務(wù)財(cái)務(wù)指標(biāo)相結(jié)合的角度，運(yùn)用主成分分析、多元線性回歸等方法進(jìn)行實(shí)證研究，建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。</p>

38、<p>　　2 基于現(xiàn)金流量的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系框架構(gòu)建</p><p>　　現(xiàn)金流量是企業(yè)資產(chǎn)中最具流動性、最活躍的部分，是企業(yè)持續(xù)經(jīng)營的基本保障和擴(kuò)大再生產(chǎn)的資源保障。從研究評述中可以看出，西方國家和日本有關(guān)破產(chǎn)預(yù)測的研究數(shù)量比較多，成果比較成熟，且大部分研究成果表明現(xiàn)金流量較會計(jì)收益有更強(qiáng)的預(yù)警能力。</p><p>　　本文將基于現(xiàn)金流量有用論，選取反映企業(yè)盈利能力、收

39、益質(zhì)量、財(cái)務(wù)彈性、償債能力等的現(xiàn)金流量指標(biāo)（考慮籌資活動和投資活動），借鑒相關(guān)計(jì)量方法建立多變量財(cái)務(wù)預(yù)警模型。并通過選取化學(xué)原料及化學(xué)制品制造業(yè)上市公司的數(shù)據(jù)進(jìn)行檢驗(yàn)，以驗(yàn)證該模型的財(cái)務(wù)預(yù)警效用。</p><p>　　2.1 現(xiàn)金流量財(cái)務(wù)指標(biāo)體系預(yù)警原理</p><p>　　總體來說，使企業(yè)陷入財(cái)務(wù)危機(jī)的誘因可以分為外部和內(nèi)部兩方面（圖2.1）。外部誘因包括經(jīng)濟(jì)周期的變動、法律政策的變動等

40、；內(nèi)部誘因包括經(jīng)營管理不善、投資決策失敗等。經(jīng)營管理不善會直接影響企業(yè)的經(jīng)營現(xiàn)金流，導(dǎo)致盈利能力下降、收益質(zhì)量不高以及業(yè)務(wù)等增長緩慢或倒退。投資決策失敗，資本性支出不合理，影響企業(yè)成長后勁，自身產(chǎn)生的現(xiàn)金遠(yuǎn)不足以滿足投資等現(xiàn)金需求。同時(shí)，外部經(jīng)濟(jì)不景氣也會導(dǎo)致企業(yè)產(chǎn)生的現(xiàn)金流與現(xiàn)金需求不相適應(yīng)，影響財(cái)務(wù)彈性。因此財(cái)務(wù)彈性是衡量企業(yè)對內(nèi)、對外部誘因的緩沖調(diào)節(jié)能力。</p><p>　　而盈利能力、收益質(zhì)量、成長性、

41、財(cái)務(wù)彈性基本上屬于隱性指標(biāo)，不太容易察覺。這些指標(biāo)最后都會傳導(dǎo)到償債能力上，可見償債能力是企業(yè)是否陷入財(cái)務(wù)危機(jī)最直接的度量。因此盈利能力、收益質(zhì)量、成長性、財(cái)務(wù)彈性以及償債能力五個(gè)方面的指標(biāo)能夠較好地對財(cái)務(wù)危機(jī)起預(yù)警作用。</p><p>　　圖2.1 現(xiàn)金流量財(cái)務(wù)指標(biāo)體系的有效預(yù)警途徑</p><p>　　2.2 現(xiàn)金流量財(cái)務(wù)預(yù)警體系的構(gòu)成指標(biāo)</p><p>

42、　　選取什么樣的現(xiàn)金流量財(cái)務(wù)指標(biāo)作為模型的變量，不僅關(guān)系到模型的可靠性還關(guān)系到模型的判別能力。為了全面客觀地檢驗(yàn)上市公司的經(jīng)營好壞，所選取的財(cái)務(wù)比率既要具有全面性，即能購反映企業(yè)盈利能力、收益質(zhì)量、成長性、財(cái)務(wù)彈性以及償債能力等各方面的財(cái)務(wù)狀況；又要具有綜合性，即要選擇那些能夠?qū)︻A(yù)測企業(yè)財(cái)務(wù)失敗有指示作用的重要財(cái)務(wù)比率。</p><p>　　本文在遵循以上兩個(gè)原則的基礎(chǔ)上，結(jié)合數(shù)據(jù)的可得性，基于眾多學(xué)者的研究成果

43、，以現(xiàn)金流量指標(biāo)為核心建立了財(cái)務(wù)預(yù)警指標(biāo)體系。表2.1列示了該指標(biāo)體系的構(gòu)成、計(jì)算方法和選擇該指標(biāo)的原因（指標(biāo)說明）。</p><p>　　表2.1 現(xiàn)金流量財(cái)務(wù)預(yù)警體系的初始財(cái)務(wù)指標(biāo)</p><p><b>　　3 實(shí)證分析</b></p><p>　　3.1 研究分析方法概述</p><p>　　研究學(xué)者關(guān)于企業(yè)財(cái)

44、務(wù)危機(jī)的起點(diǎn)各有不同的見解。本文將企業(yè)被ST（Special Treatment）作為財(cái)務(wù)失敗的標(biāo)準(zhǔn)。更準(zhǔn)確地說，財(cái)務(wù)危機(jī)公司的選取是以某年份是否被ST為標(biāo)志的。企業(yè)被特別處理的原因很多，包括連續(xù)兩年出現(xiàn)虧損，財(cái)務(wù)狀況及其他方面存在異常。而本文只選取因連續(xù)虧損兩年而非其他原因被ST的企業(yè)作為財(cái)務(wù)危機(jī)公司，即存在退市風(fēng)險(xiǎn)警示，證券代碼從正常轉(zhuǎn)變?yōu)?“*ST”。</p><p>　　3.1.1 研究樣本的選擇及選取方

45、法</p><p>　　對于訓(xùn)練樣本的選擇，本文采取1:1配對法。共收集66家上市公司數(shù)據(jù)，其中ST公司33家，非ST公司33家。數(shù)據(jù)采集自CSMAR數(shù)據(jù)庫、巨潮資訊網(wǎng)、上海證券交易所以及深圳證券交易所網(wǎng)站。</p><p>　　ST公司樣本來源于2008—2010年滬深兩市新增退市風(fēng)險(xiǎn)警示的制造業(yè)企業(yè)，篩選條件為：行業(yè)涉及食品飲料（C0）、紡織服裝（C1）、造紙印刷（C3）、石油化學(xué)塑膠

46、塑料（C4）、電子（C5）、金屬非金屬（C6）、機(jī)械設(shè)備儀表（C7）、醫(yī)藥生物制品（C8）；上市時(shí)間距ST年度不少于三年。（樣本ST公司的時(shí)間、行業(yè)構(gòu)成見表3.1和3.2）</p><p>　　非ST公司樣本的篩選條件為：數(shù)據(jù)采集年度以及行業(yè)與配對樣本相匹配；上市時(shí)間距ST年度不少于三年。</p><p>　　鑒于美國、日本等國家僅公布合并公司報(bào)表，為保持一致性，本文上市公司數(shù)據(jù)均取自合并

47、報(bào)表。同時(shí)本文選取上市公司T-2年截面數(shù)據(jù)為樣本建立模型。</p><p><b>　　訓(xùn)練樣本見附表1。</b></p><p>　　表3.1 樣本ST公司的時(shí)間構(gòu)成</p><p>　　表3.2 樣本ST公司的行業(yè)構(gòu)成</p><p>　　3.1.2 分析方法</p><p>　　文獻(xiàn)研究表明

48、，此類研究的分析方法主要通過多元判別分析法、綜合指數(shù)法、主成分分析法等。而多元判別分析法是最早應(yīng)用于財(cái)務(wù)預(yù)警的方法之一，且相應(yīng)的模型在實(shí)踐中得到廣泛應(yīng)用。從許多學(xué)者對我國上市公司和一般企業(yè)的實(shí)證結(jié)果來看，運(yùn)用此方法建立的預(yù)警模型能夠?qū)ζ髽I(yè)財(cái)務(wù)狀況作出較為準(zhǔn)確的預(yù)測和評價(jià)。因此，本文將運(yùn)用SPSS V17.0進(jìn)行多元判別分析。</p><p>　　在數(shù)據(jù)采集過程中發(fā)現(xiàn)，由于報(bào)表選取年度與上市年度相差不到五年的原因，

49、部分樣本存在缺失數(shù)據(jù)（訓(xùn)練樣本財(cái)務(wù)指標(biāo)數(shù)據(jù)見附表2），本文利用線性插值法對缺失數(shù)據(jù)進(jìn)行替換。且對一些明顯異常（異常大或異常?。┑呢?cái)務(wù)數(shù)據(jù)作為偏值除外，因?yàn)榧词箍倶颖局泻袠O少這樣的值，也會對研究結(jié)果產(chǎn)生影響。</p><p>　　在此基礎(chǔ)上進(jìn)行線性回歸，步驟如下：</p><p>　　對11個(gè)指標(biāo)進(jìn)行獨(dú)立樣本T檢驗(yàn)，選擇判別能力較強(qiáng)的若干指標(biāo)進(jìn)入回歸模型；</p><p

50、>　　確定回歸方程的解釋變量和被解釋變量；</p><p>　　確定是否可建立線性回歸模型；</p><p>　　建立回歸方程，即F =β0 +β1x1 +β2 x2+….+βpxp；</p><p>　　對回歸方程進(jìn)行各種檢驗(yàn)；</p><p>　　利用回歸方程進(jìn)行預(yù)測。</p><p><b>　　

51、3.2 相關(guān)假設(shè)</b></p><p>　　現(xiàn)金流量指標(biāo)對于企業(yè)財(cái)務(wù)危機(jī)的預(yù)警有較顯著作用；</p><p>　　被ST處理的公司被認(rèn)為開始陷入財(cái)務(wù)危機(jī)；</p><p>　　各上市公司相關(guān)年度的財(cái)務(wù)數(shù)據(jù)具有可比性。</p><p>　　3.3 預(yù)警模型構(gòu)建</p><p>　　3.3.1 描述性統(tǒng)計(jì)&l

52、t;/p><p>　　從危機(jī)公司與健康公司的對比來看（表3.3），財(cái)務(wù)危機(jī)企業(yè)的財(cái)務(wù)指標(biāo)均值要普遍低于健康公司。在盈利能力、收益質(zhì)量、償債能力方面財(cái)務(wù)危機(jī)公司明顯處于較低水平。</p><p>　　在成長能力方面，危機(jī)企業(yè)單位資產(chǎn)所儲備的留存收益顯著低于健康企業(yè)，這無疑會在未來進(jìn)一步拉大兩者的差距。但主營業(yè)務(wù)收入增長率出現(xiàn)了相反的情況，這可能是由于本文用營業(yè)收入代替主營業(yè)務(wù)收入，危機(jī)企業(yè)由于無

53、法從主營業(yè)務(wù)中獲取足夠的利潤，從而在其他副業(yè)上開發(fā)利潤，其他業(yè)務(wù)收入增長過快而導(dǎo)致該指標(biāo)偏高。</p><p>　　在財(cái)務(wù)彈性方面，健康公司再投資的能力明顯強(qiáng)于危機(jī)公司，這將會進(jìn)一步增強(qiáng)健康企業(yè)的再生產(chǎn)能力。但其現(xiàn)金流量適合比率略低于危機(jī)公司，主要是因?yàn)槲C(jī)公司在現(xiàn)金流不足的情況下較大幅度地縮減了企業(yè)規(guī)模，如資本性支出、經(jīng)營性支出、股利支出等。</p><p>　　比較兩類企業(yè)財(cái)務(wù)指標(biāo)的標(biāo)

54、準(zhǔn)差?？傮w來看，財(cái)務(wù)危機(jī)企業(yè)的財(cái)務(wù)指標(biāo)標(biāo)準(zhǔn)差與財(cái)務(wù)健康企業(yè)相比普遍都比較高。但在收益質(zhì)量和償債能力方面，危機(jī)公司之間的差異程度反而較小。這可能是因?yàn)槲C(jī)企業(yè)由于受到財(cái)務(wù)危機(jī)的困擾，使得管理層都趨于相似的風(fēng)險(xiǎn)偏好以及采用相似的資產(chǎn)管理政策，如籌資策略類似導(dǎo)致財(cái)務(wù)風(fēng)險(xiǎn)趨同，或者資產(chǎn)收現(xiàn)政策相似等。而健康企業(yè)可能在這些方面存在的差異較大。</p><p>　　表3.3 樣本財(cái)務(wù)指標(biāo)描述性統(tǒng)計(jì)表</p>&

55、lt;p>　　3.3.2 獨(dú)立樣本T檢驗(yàn)</p><p>　　將11個(gè)現(xiàn)金流量指標(biāo)進(jìn)行獨(dú)立樣本T檢驗(yàn)（表3.4），結(jié)果表明：總資產(chǎn)現(xiàn)金報(bào)酬率（X2）、每股經(jīng)營現(xiàn)金凈流量（X4）、留存收益總資產(chǎn)比（X5）、現(xiàn)金流量比率（X9）、現(xiàn)金流量利息保障倍數(shù)（X10）以及現(xiàn)金流量債務(wù)比（X11）六個(gè)指標(biāo)的均值在5%的顯著性水平下，ST公司與非ST公司兩總體之間存在顯著差異。因此這六個(gè)指標(biāo)將進(jìn)入回歸模型，主要集中在盈利能

56、力、收益質(zhì)量、成長能力以及償債能力四個(gè)方面。</p><p>　　表3.4 獨(dú)立樣本T檢驗(yàn)結(jié)果</p><p>　　3.3.3 多元判別分析</p><p>　　對上述6個(gè)財(cái)務(wù)指標(biāo)進(jìn)行線性回歸分析后發(fā)現(xiàn)X10的判別系數(shù)極低，接近于0。故將其剔除在外后建立了以X2、X4、X5、X9、X11五個(gè)指標(biāo)為核心的判別模型，并發(fā)現(xiàn)該模型的擬合優(yōu)度有所提高（表3.5）。</

57、p><p>　　對于被解釋變量（財(cái)務(wù)狀況），將非ST公司的值設(shè)定為1，ST公司的值設(shè)定為0。解釋變量即為5個(gè)財(cái)務(wù)指標(biāo)。解釋變量篩選策略采用強(qiáng)制進(jìn)入策略，得到最終的回歸方程如下：</p><p>　　F = 0.415 + 0.418X2 + 0.088X4 + 0.874X5 + 0.920X9 – 0.858X11</p><p>　　在此基礎(chǔ)上，對回歸方程進(jìn)行統(tǒng)計(jì)檢

58、驗(yàn)，分析如下：</p><p>　　回歸方程的擬合優(yōu)度檢驗(yàn)</p><p>　　表3.5 6變量模型與5變量模型擬合優(yōu)度檢驗(yàn)比較</p><p>　　由于該方程中有多個(gè)解釋變量，因此應(yīng)參考調(diào)整的判定系數(shù)，即調(diào)整R2。雖然5變量模型的判定系數(shù)不是很理想（越接近于1擬合優(yōu)度越高），擬合優(yōu)度較低，但較前一模型相比有所提高和改良。</p><p>

59、　　回歸方程的顯著性檢驗(yàn)</p><p>　　表3.6 回歸方程顯著性檢驗(yàn)結(jié)果</p><p>　　依據(jù)該表（表3.6）可進(jìn)行回歸方程的顯著性檢驗(yàn)。顯著性水平α為0.05，由于概率P-值（0.001）小于顯著性水平，應(yīng)拒絕回歸方程顯著性檢驗(yàn)的原假設(shè)，認(rèn)為各回歸系數(shù)不同時(shí)為0，被解釋變量與解釋變量全體的線性關(guān)系是顯著的，可建立線性模型。</p><p>　　回歸系數(shù)的

60、顯著性檢驗(yàn)</p><p>　　表3.7 回歸系數(shù)顯著性檢驗(yàn)結(jié)果</p><p>　　依據(jù)該表（表3.7）可以進(jìn)行回歸系數(shù)顯著性檢驗(yàn)，并寫出回歸方程?？梢钥吹剑猴@著性水平α為0.05，除留存收益總資產(chǎn)比和常數(shù)以外，其他變量的回歸系數(shù)顯著性t檢驗(yàn)的概率P-值都大于顯著性水平，因此不應(yīng)拒絕原假設(shè)，認(rèn)為這些偏回歸系數(shù)與0無顯著差異，它們與被解釋變量的線性關(guān)系并不是很顯著。</p>

61、<p>　　綜上所述，該回歸方程的統(tǒng)計(jì)檢驗(yàn)結(jié)果并不十分理想。由此可見，根據(jù)現(xiàn)實(shí)問題所建立的模型進(jìn)行統(tǒng)計(jì)檢驗(yàn)的結(jié)果并不會和范例一樣完美無缺，其關(guān)鍵仍在于模型效用的檢測評價(jià)。</p><p>　　3.3.4 臨界值判定</p><p>　　本文將建模用的66個(gè)訓(xùn)練樣本數(shù)據(jù)代入上述回歸方程，可以分別得出健康企業(yè)和危機(jī)企業(yè)的得分情況，據(jù)此畫出F值的散點(diǎn)圖（圖3.1），并確定判別閾值。在此

62、可以很明顯地確定該模型的臨界值為0.5，即F≥0.5時(shí)，為非ST公司；F<0.5時(shí)，為ST公司。在判定一個(gè)未知類別的企業(yè)時(shí)，可以將其財(cái)務(wù)指標(biāo)代入上述方程，計(jì)算最終得分，然后與臨界值進(jìn)行比較并確定其為健康企業(yè)還是危機(jī)企業(yè)。</p><p>　　圖3.1 訓(xùn)練樣本得分情況</p><p>　　根據(jù)上述臨界值標(biāo)準(zhǔn)，對33對訓(xùn)練樣本進(jìn)行回判（回判結(jié)果見附表3），結(jié)果為：在ST公司中，有7家公

63、司判斷失誤，判斷準(zhǔn)確率78.79%；在非ST公司中，有6家公司判斷失誤，判斷準(zhǔn)確率為81.82%。</p><p>　　3.4 預(yù)警模型實(shí)證檢驗(yàn)</p><p>　　為進(jìn)一步檢驗(yàn)?zāi)Ｐ偷念A(yù)測效果，本文需要選取一定比例的ST與非ST公司作為檢測樣本，鑒于化學(xué)原料及化學(xué)制品制造業(yè)有較大樣本的ST公司報(bào)表，數(shù)據(jù)可獲得性強(qiáng)，因此認(rèn)為選擇該行業(yè)會有較為豐富的數(shù)據(jù)來源。</p><p

64、>　　檢測樣本的選擇仍采用1：1配對法，ST公司與非ST公司的篩選條件同上。本文選取了5家2009—2010年新增ST公司和隨機(jī)選取的5家非ST配對公司運(yùn)用該模型進(jìn)行預(yù)測。結(jié)果見表3.8。（檢測樣本及財(cái)務(wù)指標(biāo)數(shù)據(jù)見附表4、5）</p><p>　　表3.8 10家上市公司財(cái)務(wù)狀況預(yù)測結(jié)果</p><p>　　從上表可以看出，ST公司判斷的準(zhǔn)確率為80%，非ST公司的判斷準(zhǔn)確率為100

65、%，對兩者的判斷均有較為滿意的檢測效果。</p><p><b>　　4 研究結(jié)論與不足</b></p><p>　　本文以現(xiàn)金流量為基礎(chǔ)構(gòu)建了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系，并利用化學(xué)原料及化學(xué)制品制造業(yè)上市公司的數(shù)據(jù)進(jìn)行了檢驗(yàn)：首先對各變量進(jìn)行了獨(dú)立樣本T檢驗(yàn)，選擇判別能力較強(qiáng)的若干指標(biāo)進(jìn)入回歸模型，再利用多元判別分析法建立邏輯回歸模型，最終模型對ST公司與非ST公司判別率

66、均較高，取得了較為滿意的效果，證明了該指標(biāo)體系具有較好的財(cái)務(wù)預(yù)警作用。</p><p>　　同時(shí)，在實(shí)證研究中發(fā)現(xiàn)：總資產(chǎn)現(xiàn)金報(bào)酬率、每股經(jīng)營現(xiàn)金凈流量、現(xiàn)金流量比率以及現(xiàn)金流量債務(wù)比等幾個(gè)現(xiàn)金流量指標(biāo)在預(yù)測企業(yè)財(cái)務(wù)狀況時(shí)有較強(qiáng)的警示作用，建議相關(guān)學(xué)者、企業(yè)家、投資者在進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究時(shí)可有選擇地使用。傳統(tǒng)財(cái)務(wù)指標(biāo)留存收益總資產(chǎn)比的有用性也得到了驗(yàn)證，且判別能力很高，建議該指標(biāo)可廣泛流傳并應(yīng)用。</p&

67、gt;<p>　　但是本文也存在著較多的不足。首先，盡管本文通過訓(xùn)練樣本拓展至多個(gè)行業(yè)的方式來擴(kuò)大模型應(yīng)用的廣度，但受多元判別分析法本身的局限，其建立模型由于受到樣本選擇的影響比較大，導(dǎo)致其普適性不高；其次，本文雖融入了2個(gè)傳統(tǒng)財(cái)務(wù)指標(biāo)以使模型更趨完善，但仍有必要考慮與其他財(cái)務(wù)指標(biāo)相結(jié)合，并適當(dāng)考慮公司治理結(jié)構(gòu)、信用等級等非財(cái)務(wù)因素；再次，本文作者能力有限，導(dǎo)致模型的統(tǒng)計(jì)檢驗(yàn)效果并不十分理想，有必要進(jìn)一步加深相關(guān)統(tǒng)計(jì)軟件的

68、專業(yè)修養(yǎng)，構(gòu)建更為合理的財(cái)務(wù)預(yù)警模型；最后，本文實(shí)證檢驗(yàn)樣本較少，可能使得最后的檢測效果有所偏高，需要繼續(xù)擴(kuò)大檢測樣本，深入檢測模型效用。</p><p><b>　　附錄</b></p><p><b>　　附表1：訓(xùn)練樣本</b></p><p>　　附表2：訓(xùn)練樣本財(cái)務(wù)指標(biāo)數(shù)據(jù)</p><p>

69、;　　附表3：訓(xùn)練樣本回判結(jié)果</p><p><b>　　附表4：檢測樣本</b></p><p>　　附表5：檢測樣本財(cái)務(wù)指標(biāo)數(shù)據(jù)</p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1]蔣飛鴻.上市公司現(xiàn)金流量的財(cái)務(wù)預(yù)警作用分析[J].同濟(jì)大學(xué)學(xué)報(bào)(社會科學(xué)版),2007, 1

70、8</p><p>　　(2)：118-124．</p><p>　　[2]錢愛民,張淑君,程幸.基于自由現(xiàn)金流量的財(cái)務(wù)預(yù)警指標(biāo)體系的構(gòu)建與檢驗(yàn)[J].中國軟科學(xué),2008, (9)：148-155．</p><p>　　[3]錢忠.基于上市公司現(xiàn)金流量的財(cái)務(wù)綜合指標(biāo)實(shí)證研究[J].當(dāng)代經(jīng)濟(jì),2008, (1)：114-116.</p><p&g

71、t;　　[4]楊娟.中小企業(yè)現(xiàn)金流量財(cái)務(wù)預(yù)警系統(tǒng)的構(gòu)建[J].科技創(chuàng)業(yè)月刊,2008,21(10)：65-66.</p><p>　　[5]鮑新中,劉應(yīng)文.基于現(xiàn)金流量的財(cái)務(wù)危機(jī)預(yù)警研究[J].統(tǒng)計(jì)與決策,2007, (14)：158-160.</p><p>　　[6]卿艷,劉禹.基于現(xiàn)金流量的財(cái)務(wù)風(fēng)險(xiǎn)分析[J].經(jīng)營管理者,2010, (9)：30.</p><p&

72、gt;　　[7]周首華,楊濟(jì)華,王平.論財(cái)務(wù)危機(jī)的預(yù)警分析——F分?jǐn)?shù)模式[J].會計(jì)研究,1996,(8): 8-11.</p><p>　　[8]李曉丹.對現(xiàn)金流量的財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)的探討[J].發(fā)展, 2006, (4):71-73.</p><p>　　[9]王金鳳,楊松濤.上市公司惡性財(cái)務(wù)危機(jī)預(yù)警模型有效性研究[J].財(cái)會月刊:綜合版,2005, (9):5-6．</p>

73、;<p>　　[10]陳靜.上市公司財(cái)務(wù)惡化預(yù)測的實(shí)證分析[J].會計(jì)研究,1999,(4):31-38.</p><p>　　[11]吳世農(nóng),盧賢義.我國上市公司財(cái)務(wù)困境的預(yù)測模型研究[J].經(jīng)濟(jì)研究,2001,(6):46-55.</p><p>　　[12]賀瓊,郝匯.上市公司財(cái)務(wù)危機(jī)預(yù)警模型中變量體系的設(shè)計(jì)[J].財(cái)會月刊:理論版,2007,(2):21-23.<

74、;/p><p>　　[13]丁曰佳,王華民,劉海龍,仝金正.我國上市公司財(cái)務(wù)危機(jī)預(yù)警模型及實(shí)證研究[J].煤炭經(jīng)濟(jì)研究,2008,(5):50-52.</p><p>　　[14]吳國強(qiáng),戴紅軍.公司治理與財(cái)務(wù)危機(jī)預(yù)警[J].會計(jì)之友,2010,(1):78-82.</p><p>　　[15]張友棠.財(cái)務(wù)預(yù)警系統(tǒng)管理研究[M].北京:中國人民大學(xué)出版社,2004:3-

75、8.</p><p>　　[16]谷祺,劉淑蓮.財(cái)務(wù)管理[M].大連:東北財(cái)經(jīng)大學(xué)出版社,2007:37-44.</p><p>　　[17]薛薇.基于SPSS的數(shù)據(jù)分析[M].北京:中國人民大學(xué)出版社,2006:151-157,281-317.</p><p>　　[18]劉紅霞.企業(yè)財(cái)務(wù)危機(jī)預(yù)警方法及系統(tǒng)的構(gòu)建研究[M].北京:中國統(tǒng)計(jì)出版社,2007:63-7

76、7,81-87.</p><p>　　[19]Whitaker, R.B. The early stages of financial distress [J]. Journal of Economics and Finance,1999, 23(2)：123-133..</p><p>　　[20] H.D. Platt and M.B. Platt. Predicting corpor

77、ate financial distress: reflections on choice-based sample bias [J]. Journal of Economics and Finance, 2002, 26(2): 184-199.</p><p>　　[21]James A.Ohlson. Financial ratios and the probabilistic prediction of

78、bankruptcy [J]. Journal of accounting research, 1980, l18 (1): 109-131.</p><p>　　[22]Bowen, Robert, M.David Burgstabler and Lane A. Daley. Evidence on the relationships between earnings and various measures