财务危机预警分析判别模型及其应用

来源：榕意旅游网

　《预测》2000年第6期　

・理论与方法理论・　

财务危机预警分析判别模型及其应用

张玲

(湖南大学国际商学院,长沙410082)

摘　要:本文以中国实际营运上市公司的财务比率为依据,从120个分析研究样本中推导建立起一个财务危机判别分析模型。该模型可直接应用于实际,是银行、投资者和基金经理们作财务危机、信用风险预警分析及企业综合业绩评价的有效工具。关键词:财务危机;判别分析中图分类号:F830159　　　文献标识码:A　　　文章编号:100325192(2000)0620038203

FinancialDistressDiscriminantAnalysisModelandItsApplication

ZHANGLing　(Int’1BusinessSchool,HunanUniversity,Changsha410082China)

Abstract:Thispaperdevelopsadiscriminantanalysismodelonthebasisofthefinancialratiosof120listedcompaniesinChina’sstockmarket.Themodelcanbeapplieddirectlytothepracticeandisa.reliabletoolforfinancialdistresswarningaswellascreditriskanalysisKeywords:financialdistress;discriminantanalysis1　引言

函数,使推导出的判别函数对观测样本分类时的错判率最小。本文旨在研究两类分司的分类问题。一类是财务危机公司,另一类是财务健康公司。以此为目标分别找出反映这两类公司相关性高的特征变量而建立判别函数,用于对任一公司、借款人和证券发行人

进行判别分类。判别函数的一般形式是:

Z=a1x1+a2x2+a3x3+…+anxn

一个公司财务状况的好坏往往是企业自身、投资者和债权人关注的焦点。因为一个营运良好、财务健康的公司不但可提高自身在市场上的信誉及扩展筹资渠道,也使投资者信心倍增。相反,一个陷入财务困境或濒临破产的企业泛力吸引投资,而更让原有投资者面临巨大的信用风险。90年代以来,由财务危机引发企业破产而逃废债务的例子屡风不鲜。因此,及早地发现公司财务危机信号,使经营者能够在财务危机出现的萌芽阶段采取有效措施改善企业经营,防范危机;使投资者和债权人可依据这种信号及时转移投资、管理应收帐款及作出信贷决策。本文正是基于这一动机,旨在建立一个变量少且效果佳,可用于跨行业公司财务危机预警分析的判别模型。

2　判别分析模型形式

其中:Z为判别分(判别值),X1,X2,X3,…Xn是反映研究对象的特征变量,如财务比率。a1、a2、a3……an为各变量的判别系数。

3　模型的建立

(1)样本的选择

样本选自深、沪两交易所120家上市公司,数据来源于中金网和深圳盛润网个股档案资料库。样本覆盖了14个行业。它们分别是家电、电子信息32家;医药、化工17家;冶金、机械15家;汽车制造8家;商贸及综合15家;交通能源10家;轻工、纺织8家;农林牧渔4家;建材建筑7家和酿酒4家。120家公司被分成2组,第一组由60家公司组成,其中有30家1998

判别分析是对研究对象所属类别进行判别的一

种统计分析方法。进行判别分析必须已知观测对象的分类和若干表明观测对象特征的变量值。判别分析就是要从中筛选出能提供较多信息的变量并建立判别　　收稿日期:2000205220

基金项目:国家留学基金回国科研资助项目

作者简介:张玲(19602),长沙人,湖南大学国际商学院经济系副教授。

・38・

或1999年戴帽的ST公司,30家绩优公司。第二组也由60家公司组成,其中有21家ST公司和随机选择的39家非ST公司。第一组样本作为推导建立判别函数的原始样本。这两类公司又被分为0,1编码的两组对分变量类别。其中,ST组公司所属类别的变量被定为1,非ST组公司所属类别的变量被定为0。样本定义分组后,很重要的一步就是财务比率的选择。我们收集了ST公司戴帽前1年及同一年非ST公司的资产负债表和损益表。从偿债能力、盈利能力、资本结构状况和营运状况等四个方面例选并计算了15个相关财务比率。应研究需要,某些指标是新创立的。

(2)判别分析过程

判别分析过程是根据已知观测量的分类(0,1)和表明观测量特征的财务比率变量,推导出判别函数,并把各观测量的自变量值回代到判别函数中,根据判别函数对观测量所属类别进行判别。对比原始样本的分类和按判别函数所判的分类,计算出预估准确率和错分率。核心计算步骤包括两组各有关因素的均值计算,两组各因素平均值之差,两组数据的离差矩阵、共变异矩阵及联合共变异矩阵、导矩阵,判别系数计算、判别函数检验和判别分计算等。本项研究计算是用SPSS统计软件中判别分析(Discriminant)工具来完成的。经过判别分析过程,从原来的15个特征财务比

率变量中最后推导出只有4个变量的判别函数,即:Z=01517-0146X1-01388X2+9132X3+11158X其中:x1为资产负债比率(负债总额󰃗资产总额)

资产总x2为营运资金与总资产比率(营运资金󰃗

额,其中营运资金=流动资产-流动负债)

平均资产总额)x3为总资产利润率(净利润󰃗

资产总x4为留成收益与资产总额(留成收益󰃗额,其中留成收益=未分配利润+盈余公积)

值得一提的是,一些通常被成熟市场认为很能反映财务危机信息的财务比率在本次判别分析中均未能入选。如西方成熟资本市场上颇具代表性的股票市值与总负债比率这一指标,在中国没有代表性,这进一步证明了我国目前股市价格与企业业绩的不相关性。

(3)判别函数检验判别函数的检验结果如表1。Wilks’Lambda和F统计检验表明,除X2在0102水平上通过,其它变量X1、X3、X4均在01000显著水平上通过。这说明两类公司的特征变量之间存在显著判别。这一点也可从均值结果得到证实。ST公司的负债比率(X1)均值高达75◊,而非ST公司只有42◊,其他3个反映资产营运效率的指标(x2、x3、x4),ST公司为负值,而非ST公司全为正值。

显著水平Sig.

010000.0190.0000.000

表1　判别函数Wilks’Κ、F检验结果

变量常数

XXXX

1234

系数　01517

-0146-0.38.321.158

ST公司均值n=30非ST公司

Wilks’Κ

均值n=30

F值自由度

　017507

-013607-0.1671-0.3261

0141690126750.12360.2149

015780.9090.2940.765

　421417

5.785139.13419.831

1111

58585858

　　　查表F1,60(a=01001)=12　　F1,60(a=0101)=7108　　F1,60(a=01025)=5129

4　实证分析结果

(1)原始样本分类的准确性

分化公司,得出以上结果是情理之中的事。假如用此函数对新样本计算出的判别分也能获得这样的结果,那么上述临界值015完全可作为经验决策数据。为了进一步验证这一模型的判别效果以最终确定更具代表性的临界值,我们用未参加模型推导分析的第二组样本,即21个ST公司和随机挑选的39个非ST公司进行检验。用建立的函数(111)式算出60个公司的

Z值(见表2)。结果表明ST公司中,原始样本和新样

由于判别函数是从原始样本数据中推导出来的,因此原始样本分类的期望准确率理所当然要高些。结果的确令人鼓舞。用建立的判别函数对60个原始样本的分类准确率达百分之百。两组判别分(Z值)恰好完全落在015两边。ST公司的Z值全部小于013,而

非ST公司的Z值全部大于015。(见表2)

(2)临界值的确定

本共有50家(占总样本的98◊)公司的Z值小于

015,并有80◊的Z值小于零。非ST公司中,原始样

虽然原始样本判别值的分界线很明显,结果非常理想。但需要说明的是原始样本中的非ST公司均选自1998年排名前50名中的企业,因此是典型的两级

本和新样本共有63家(占总样本的91◊)公司的Z值大于015,并有75◊的Z值大于019。因此综合原始

・39・

样本和新样本两组的结果,015是这两类公司的一个分水岭。据此我们可以得出以下判别法则:

a.凡判别分(Z值)小于015(Z<015)的公司被判

b.凡Z值大于015小于019(015司被判为非财务危机公司(非ST公司),但值得关注;

c.凡Z值大于019的公司被判为财务安全公司。

为财务危机公司(ST公司);

表2　Z值分布结果

原始样本(第一组)非ST公司(n=30)

2901

ST公司(n=30)

00129

判别分(Z值)

>019(015,019)(013,015)

新样本(第二组)非ST公司(n=39)

23115

ST公司(n=21)

12513

总样本

(015,016)(013,015)(0,013)<0

总样本n=60

　　(3)超前预测的准确性

任何公司从出现财务危机或直至最终破产都有一个逐步恶化的过程,及早的预知公司财务危机征兆无疑可以给各方赢得时间采取措施,规避风险。那么,及早预知有效时间的“度”到底有多长,为检验本文研发的财务危机判别模型超前预估的准确性,我们按上述确定的判别法则对原始样本中30个ST公司分别作了戴帽5年的预测。结果见表3。

表3　判别模型超前5年的预测结果

(原始样本ST公司)

ST戴帽

总样本n=60

5　结论

120

随着国际金融市场融资非中介化、证券化的趋势,以及我国证券市场和金融活动的拓展,投资者、银行和非银行金融机构愈益面临着财务危机引致的信用风险。本文研发的判别分析模型可直接作为金融机构、投资者、基金经理们作财务危机、信用风险预警分析的一个有效工具。与传统的财务比率分析法(如杜邦财务分析法、雷达图分析法、沃尔比重评分法)相比,此模型变量少、数据收集容易,操作快速、简便、成本低,预测效果佳。更重要的是应用广泛,它不仅可应用于财务危机、信用风险的预警分析,也可用于证券评级和企业综合经营业绩的评价。参　考　文　献

[1]AltmanEI.Corporatefinancialdistressand

bankruptcy[M].NewYork,1993.

[2]AltmanEI,HaldemanR.Zetaanalysis:anew

modeltoidentifybankruptcyriskofcorpora2tions[J].JournalofBankingandFinance,

1977,(9):292.

[3]潘爱香.财务报表分析[M].北京:经济科学出版

2ndedition.John&Sons,

预估正确预估错误预估正确率(◊)

302621186

0491221

10087706022

前1年n=30前2年n=30前3年n=30前4年n=30前5年n=27

　　结果显而易见,模型具有超前4年的预测效果。众所周知ST公司是在连续2年出现亏损后给予ST处理的。超前4年恰好是ST公司开始出现亏损的前

2年。换言之,本模型可在ST公司戴帽前4年或ST

公司开始出现亏损的前2年就可预知公司的未来前景。

社,1999.

[4]阮桂海,等.SPSSforWindows高级应用教程

[M].北京:电子工业出版社,1998.

・40・

因篇幅问题不能全部显示，请点此查看更多更全内容

查看全文