上市公司財(cái)務(wù)預(yù)警模型的實(shí)證研究

1、上市公司財(cái)務(wù)預(yù)警模型的實(shí)證研究財(cái)務(wù)危機(jī)預(yù)警模型的實(shí)證研究 王法力、洪明、劉年財(cái)選送單位：航空證券有限責(zé)任公司內(nèi)容提要本文選擇了在 2006年1月至 2006年6月期間，在2005年年報(bào)公布后， 因財(cái)務(wù)狀況專門而首次被 ST 的 53 家上市公司，同時(shí)選取同行業(yè)(按證監(jiān) 會(huì)行業(yè)代碼分類)、同規(guī)模的 53家非 ST 公司作為配對(duì)樣本。 本文從財(cái)務(wù)指 標(biāo)的角度動(dòng)身，在了解我國(guó)上市公司財(cái)務(wù)困難成因的基礎(chǔ)上，探討了各財(cái) 務(wù)因素之間的關(guān)系以及它們對(duì)上市公司發(fā)生財(cái)務(wù)困難的預(yù)警作用。本文的 創(chuàng)新點(diǎn)在于，采納了最新的公司財(cái)務(wù)數(shù)據(jù)，改進(jìn)了數(shù)據(jù)處理的方式，在因 子分析的基礎(chǔ)上利用二分類 Logistic 回來(lái)建立了

2、財(cái)務(wù)困難的預(yù)警模型， 該模 型的推測(cè)成效優(yōu)于現(xiàn)有的研究結(jié)論。同時(shí)，本文還針對(duì)全流通之后新的市 場(chǎng)環(huán)境，將“股票總市值 /負(fù)債總額”指標(biāo)引入模型討論。本文得到的結(jié)論 如下。(1)從統(tǒng)計(jì)描述的角度，ST公司與非ST公司在已獲利息倍數(shù)、銷售 凈利率、資產(chǎn)凈利率、凈資產(chǎn)收益率、應(yīng)收帳款周轉(zhuǎn)、現(xiàn)金流淌負(fù)債比等 指標(biāo)上有明顯差異，而在速動(dòng)比率、流淌比率、銷售毛利率、營(yíng)業(yè)利潤(rùn)比 重等指標(biāo)上差距不大，且有交叉現(xiàn)象。( 2) 從單變量分析的角度，已獲利息倍數(shù)、資產(chǎn)負(fù)債率、流淌比率、 銷售凈利率、資產(chǎn)凈利率、總資產(chǎn)周轉(zhuǎn)率、存貨周轉(zhuǎn)率、銷售現(xiàn)金比率、 現(xiàn)金債務(wù)總額比、全部資產(chǎn)現(xiàn)金回收率、現(xiàn)金流淌負(fù)債比等指標(biāo)，能在a

3、 = 0.05的較小明顯性水平下與公司的財(cái)務(wù)困難情形明顯有關(guān)。(3)從多元回來(lái)的角度，通過(guò)因子分析處理原始數(shù)據(jù)，然后利用二分 類 Logistic 回來(lái)建立了財(cái)務(wù)困難的預(yù)警模型 1，對(duì)現(xiàn)有數(shù)據(jù)的判定準(zhǔn)確率為 94.62%?？紤]到全流通之后的市場(chǎng)現(xiàn)實(shí)，本文認(rèn)為股票市值對(duì)上市公司的 阻礙不容忽視，“股票總市值 /負(fù)債總額” 這一指標(biāo)引入推測(cè)模型。 同樣是通 過(guò)因子分析處理原始數(shù)據(jù)， 利用二分類 Logistic 回來(lái)建立了財(cái)務(wù)困難的預(yù)警 模型 2，對(duì)現(xiàn)有數(shù)據(jù)的判定準(zhǔn)確率為 94.57%。這兩個(gè)模型的推測(cè)成效都超過(guò) 90%，準(zhǔn)確率差不多一致，優(yōu)于目前的 研究結(jié)論。本文認(rèn)為，由于模型 2 的結(jié)果受到了

4、歷史數(shù)據(jù)的局限，股票市 值關(guān)于財(cái)務(wù)預(yù)警模型的作用尚未得到體現(xiàn)。以后隨著全流通市場(chǎng)的進(jìn)一步9111318規(guī)范和成熟，市值考核為指標(biāo)的股權(quán)價(jià)值鼓舞政策的逐步推廣，股票市值關(guān)于財(cái)務(wù)預(yù)警模型的作用連續(xù)值得今后進(jìn)一步深入研究。錄1、前言 .2、文獻(xiàn)綜述 .3、樣本選取和研究方法 .3.1研究樣本 .3.2研究數(shù)據(jù) .3.3研究變量 .3.4研究方法 .4、樣本變量統(tǒng)計(jì)描述 .5、單變量研究 .5.1獨(dú)立樣本的均值比較方法 .5.2T檢驗(yàn)分析結(jié)果.6、多元回來(lái)分析 .6.1樣本及數(shù)據(jù) .6.2Logistic多元回來(lái)分析 .6.2.1 多元回來(lái)方法選擇 6.2.2用因子分析對(duì)數(shù)據(jù)預(yù)處理6.2.3Logis

5、tic 回來(lái)建立預(yù)警模型 16.3將股票市值因素引入，建立預(yù)警模型 2 7結(jié)論1前言 財(cái)務(wù)危機(jī)給企業(yè)和社會(huì)帶來(lái)了嚴(yán)峻的阻礙，適時(shí)、準(zhǔn)確地對(duì)企業(yè) 財(cái)務(wù)危機(jī)進(jìn)行推測(cè)分析是市場(chǎng)競(jìng)爭(zhēng)機(jī)制的客觀要求。因此，利用有關(guān)信息 構(gòu)建有效的財(cái)務(wù)危機(jī)預(yù)警模型，從而獲得財(cái)務(wù)狀況惡化的上市公司預(yù)警信 號(hào)，關(guān)于投資者、債權(quán)人、經(jīng)營(yíng)者以及監(jiān)管者等諸多方面無(wú)疑都具有重要 的現(xiàn)實(shí)意義。財(cái)務(wù)危機(jī)(Financial crisis)又稱財(cái)務(wù)逆境(Financial distress),國(guó)外 多數(shù)同類研究采納破產(chǎn)標(biāo)準(zhǔn)( Altman， 1968；Ohlson， 1971；Platt and pla tt, 1990 and 1994

6、)。但考慮到中國(guó)的實(shí)際情形,國(guó)內(nèi)學(xué)者大都將專門處理(ST)的上市公司作為存在財(cái)務(wù)危機(jī)的上市公司(陳靜，1999;李華中，2001)。本文采納以上學(xué)者的思路，將 ST公司作為研究樣本，并將“財(cái)務(wù)危 機(jī)”定義為“因財(cái)務(wù)狀況專門而被專門處理( ST)”。本文在上市公司財(cái)務(wù)預(yù)警模型的構(gòu)建中,第一以描述統(tǒng)計(jì)和單變量分 析對(duì)阻礙企業(yè)的財(cái)務(wù)危機(jī)的因素做出初步判定,在此基礎(chǔ)上建立多變量判 定模型,通過(guò)因子分析處理數(shù)據(jù), 利用二分類 Logistic 回來(lái)建立財(cái)務(wù)困難的 預(yù)警模型,對(duì)樣本企業(yè)做出綜合評(píng)判。同時(shí),本文針對(duì)全流通之后的市場(chǎng) 變化,關(guān)于股票市值在財(cái)務(wù)預(yù)警中的作用進(jìn)行了主動(dòng)的探討。2文獻(xiàn)綜述國(guó)外關(guān)于財(cái)務(wù)

7、失敗推測(cè)研究阻礙最廣泛的是威廉比弗(Willian Beav er)的單一變量模型和阿爾特曼(Edward I .Altiman)的“Z-Score”模型。 比弗通過(guò)對(duì) 1945年 1964年間 79家失敗企業(yè)和對(duì)應(yīng)的 79家成功企業(yè)的比較研究表明，下列財(cái)務(wù)比率對(duì)推測(cè)財(cái)務(wù)失敗是最有效的：現(xiàn)金流量/債務(wù)總額，凈收益/資產(chǎn)總額（資產(chǎn)收益率） ，債務(wù)總額 /資產(chǎn)總額（資產(chǎn)負(fù)債率） 。美國(guó)財(cái)務(wù)專家阿爾特曼（ 1968）提出的企業(yè)失敗推測(cè)模型是以營(yíng)運(yùn)資 金 /資產(chǎn)總額、留存收益 /資產(chǎn)總額、息稅前利潤(rùn) /資產(chǎn)總額、一般股及優(yōu)先 股市價(jià)/負(fù)債總額、銷售總額 /資產(chǎn)總額等五項(xiàng)財(cái)務(wù)比率的加權(quán)平均數(shù)來(lái)測(cè)試 財(cái)務(wù)

8、失敗的。 該模型要緊針關(guān)于上市公司， 樣本包括了 1946年 1965年間 提出破產(chǎn)申請(qǐng)的 33 家公司和同樣數(shù)量的非破產(chǎn)公司。通過(guò)運(yùn)算，該模型產(chǎn) 生了一個(gè)總的判不分，成為Z值。Z值越低，企業(yè)發(fā)生財(cái)務(wù)失敗的可能性 就越大。同時(shí)確定了 Z 值實(shí)際截止點(diǎn)用以判定。阿爾特曼將各種有關(guān)的比 率合并成單一的推測(cè)指數(shù)，克服了單個(gè)比率內(nèi)容有限、無(wú)法全面揭示企業(yè) 財(cái)務(wù)狀況的缺點(diǎn)。奧爾遜（ Ohlson， 1980）提出一種 logit 模型。該模型建立在累積概率 函數(shù)的基礎(chǔ)上，而不需要滿足自變量服從多元正態(tài)分布和兩組協(xié)方差相等 的條件。 Logit 模型另一個(gè)重要優(yōu)點(diǎn)是在（ 0， 1）上推測(cè)一個(gè)公司是否發(fā)生

9、財(cái)務(wù)危機(jī)的幾率。在國(guó)內(nèi)，學(xué)者周首華等（1996）對(duì)阿爾特曼的“ Z -score”模型進(jìn)行了 一定的拓展，建立了“ F 分?jǐn)?shù)模式”， F 分?jǐn)?shù)模式的臨界值是 0.0274，此數(shù) 值上下 0.0775為所謂的不確定區(qū)域， F 分?jǐn)?shù)越小，則公司發(fā)生財(cái)務(wù)危機(jī)的 可能性越大。陳靜（1999）按照 1995年至 1997年 54家樣本企業(yè)財(cái)務(wù)資料，分不進(jìn) 行了單變量和多變量分析，得出結(jié)論是在宣布前一年預(yù)警模型的成功率較 高，離宣布日越遠(yuǎn)，則成功率越低。吳世農(nóng)、盧賢義（ 2001）對(duì)上市公司財(cái)務(wù)危機(jī)預(yù)警研究成果表明： （1） 我國(guó)上市公司財(cái)務(wù)逆境具有可推測(cè)性。（ 2）在單變量模型中，凈資產(chǎn)酬勞率的判定成效

10、較好。（ 3）多變量模型優(yōu)于單變量判定模型。 （4）比較多變量模型下的 3 種模型， logit 模型的判定準(zhǔn)確性最高。李炳承（2004）選取了 105家ST公司與105家非ST公司的配對(duì)樣本 進(jìn)行均值和總樣本均值差異分析，研究發(fā)覺(jué)，財(cái)務(wù)征兆要緊表現(xiàn)為：留存 收益和營(yíng)運(yùn)資本短缺、應(yīng)收項(xiàng)目和短期借款多、營(yíng)業(yè)利潤(rùn)低等。陳曉、陳治鴻（ 2000）以 70 家公司組成分析樣本，通過(guò)每大類財(cái)務(wù)指 標(biāo)中分不選取一個(gè)指標(biāo)來(lái)進(jìn)行檢驗(yàn)，認(rèn)為營(yíng)運(yùn)資本與總資產(chǎn)比率、負(fù)債權(quán) 益比、應(yīng)收帳款周轉(zhuǎn)率、主營(yíng)利潤(rùn)與總資產(chǎn)比率、非主營(yíng)利潤(rùn)與總資產(chǎn)比 率、留存收益與總資產(chǎn)比率這 6 個(gè)指標(biāo)的財(cái)務(wù)逆境推測(cè)成效最好。3樣本選取和研究

11、方法3.1 研究樣本本文選擇了在 2006年 1月至 2006年 6月期間，在 2005年年報(bào)公布后， 因財(cái)務(wù)狀況專門而首次被 ST 的 53 家上市公司，為了更好地研究樣本的特 點(diǎn)，我們同時(shí)選取同行業(yè)（按證監(jiān)會(huì)行業(yè)代碼分類） 、同規(guī)模的 53 家非 ST 公司作為配對(duì)樣本。在選取樣本時(shí)我們注意以下咨詢題：（1）考慮到ST公司是由于2005年報(bào)公布后，連續(xù)2年虧損而導(dǎo)致被ST 的。在選擇觀測(cè)年限時(shí)，取被 ST 前 1 年的財(cái)務(wù)年度的財(cái)務(wù)指標(biāo)，即選 擇 2004 年的財(cái)務(wù)指標(biāo)，對(duì)應(yīng)的配對(duì)樣本取同期的財(cái)務(wù)指標(biāo)。（ 2）為了使樣本更具有代表性， 對(duì)非 ST 公司的選取是在保持同行業(yè)、 同規(guī)模的原則下

12、選取。（3）非ST的樣本選取同行業(yè)為第一選擇標(biāo)準(zhǔn)，即在資產(chǎn)規(guī)模不同的 情形下，保持行業(yè)的一致性。（4）對(duì)ST樣本的選擇時(shí)，由于本文目的在于研究財(cái)務(wù)信息對(duì)財(cái)務(wù)預(yù) 警的作用，因此剔除了有以下幾種情形的公司：被注冊(cè)會(huì)計(jì)師出具無(wú)法表 示意見(jiàn)或否定意見(jiàn)的審計(jì)報(bào)告；追溯調(diào)整導(dǎo)致最近兩年連續(xù)虧損；在法定 期限內(nèi)未依法披露定期報(bào)告；在規(guī)定期限內(nèi)未對(duì)存在重大會(huì)計(jì)差錯(cuò)或虛假 財(cái)務(wù)會(huì)計(jì)報(bào)告進(jìn)行改正；主營(yíng)業(yè)務(wù)所屬行業(yè)發(fā)生變化的，行業(yè)歸屬不符合 證監(jiān)會(huì)行業(yè)要求的。3.2 研究數(shù)據(jù)本文中的數(shù)據(jù)均來(lái)自 Wind資訊金融終端。第一從 Wind資訊金融終端 找出2006年內(nèi)被ST的公司信息，然后再按照同行業(yè)、同規(guī)模的原則查找

13、對(duì)應(yīng)的配對(duì)樣本，提取樣本的財(cái)務(wù)數(shù)據(jù)。數(shù)據(jù)是運(yùn)用SP SS13.0進(jìn)行處理分析的。3.3研究變量按照我國(guó)上市公司的特點(diǎn)，本文分不從償債能力、盈利能力、運(yùn)營(yíng)能 力、現(xiàn)金流量等4個(gè)方面選擇了 19個(gè)財(cái)務(wù)指標(biāo)，作為構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模 型的預(yù)選指標(biāo)。表1:財(cái)務(wù)指標(biāo)匯總表組不標(biāo)號(hào)指標(biāo)名稱公式X1已獲利息倍數(shù)（利潤(rùn)總額+利息費(fèi)用）/利息費(fèi)用X2資產(chǎn)負(fù)債率負(fù)債總額/資產(chǎn)總額X3速動(dòng)比率（流淌資產(chǎn)-存貨）/流淌負(fù)債償債 能力X4流淌比率流淌資產(chǎn)/流淌負(fù)債X5長(zhǎng)期負(fù)債與營(yíng)運(yùn)資金比率長(zhǎng)期負(fù)債/ （流淌資產(chǎn)-流淌負(fù)債）X6銷售凈利率凈利潤(rùn)/主營(yíng)業(yè)務(wù)收入X7資產(chǎn)凈利率凈利潤(rùn)/資產(chǎn)總額X8凈資產(chǎn)收益率凈利潤(rùn)/凈資產(chǎn)盈利

14、能力X9銷售毛利率（主營(yíng)收入-主營(yíng)成本）/主營(yíng)收入X10營(yíng)業(yè)利潤(rùn)比重營(yíng)業(yè)利潤(rùn)/利潤(rùn)總額X11總資產(chǎn)周轉(zhuǎn)率主營(yíng)業(yè)務(wù)收入/平均資產(chǎn)總額營(yíng)運(yùn)X12存貨周轉(zhuǎn)率主營(yíng)業(yè)務(wù)成本/平均存貨1=1能力X13應(yīng)收帳款周轉(zhuǎn)率主營(yíng)業(yè)務(wù)收入/平均應(yīng)收帳款X14流淌資產(chǎn)周轉(zhuǎn)率王營(yíng)業(yè)務(wù)收入/平均流淌資產(chǎn)X15營(yíng)運(yùn)資本周轉(zhuǎn)率（流淌資產(chǎn)-流淌負(fù)債）/資產(chǎn)總額X16銷售現(xiàn)金比率經(jīng)營(yíng)現(xiàn)金流量?jī)纛~/主營(yíng)業(yè)務(wù)收入現(xiàn)金X17現(xiàn)金債務(wù)總額比經(jīng)營(yíng)現(xiàn)金流量?jī)纛~/負(fù)債總額流量X18全部資產(chǎn)現(xiàn)金回收率經(jīng)營(yíng)現(xiàn)金流量?jī)纛~/資產(chǎn)總額X19現(xiàn)金流淌負(fù)債比經(jīng)營(yíng)現(xiàn)金流量?jī)纛~/流淌負(fù)債3.4研究方法本文要緊對(duì)樣本進(jìn)行截面分析和回來(lái)分析。（1）描述性分析。（2）

15、單變量分析。通過(guò)對(duì)ST公司的19個(gè)財(cái)務(wù)指標(biāo)與非ST公司同期指標(biāo)的均值差異進(jìn)行T值檢驗(yàn)，以證明它們的明顯性差異以及對(duì)區(qū)分財(cái)務(wù)困難公司的作用。（3）多變量分析。按照單變量分析的結(jié)果，選取 ST公司與非ST公司之間具有明顯性差 異的財(cái)務(wù)指標(biāo)變量進(jìn)行多元回來(lái)分析，先通過(guò)因子分析處理數(shù)據(jù)，然后利 用二分類Logistic回來(lái)建立財(cái)務(wù)困難的預(yù)警模型并檢驗(yàn)。4.樣本變量統(tǒng)計(jì)描述表2:財(cái)務(wù)指標(biāo)差不多統(tǒng)計(jì)量比較表平均值標(biāo)準(zhǔn)差最大值最小值自變量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本文第一對(duì)樣本的財(cái)務(wù)指標(biāo)變量進(jìn)行差不多統(tǒng)計(jì)量描述分析，將樣本 分為ST類和非ST類，結(jié)果見(jiàn)表2。從表2中我們能夠看出，ST公司與非ST公司有許多指標(biāo)存在專門大差距，例如X1、X6、X7、X8、X13、X19等指標(biāo)。ST公司的應(yīng)收帳款周 轉(zhuǎn)率平均值為5.29，而同期非ST公司的應(yīng)收帳款周轉(zhuǎn)率為76.82，講明與 ST公司相比非ST公司的應(yīng)收帳款變現(xiàn)能力強(qiáng)。ST公司的銷售凈利率平均 值為-49.24,而同期非ST公司

19、的銷售凈利率為7.49,這表明ST公司與非ST公司之間平均盈利能力相差龐大。ST公司的已獲利息倍數(shù)平均值為-5.45, 而同期非ST公司的已獲利息倍數(shù)為9.51，講明ST公司的財(cái)務(wù)負(fù)擔(dān)明顯高 于非ST公司。同時(shí)，有些財(cái)務(wù)指標(biāo)ST公司與非ST公司差距不大，而且顯現(xiàn)交叉現(xiàn) 象，女口 X3、X4、X9、X10等指標(biāo)。5.單變量研究通過(guò)獨(dú)立樣本的均值比較，分析 ST公司與非ST公司各單項(xiàng)財(cái)務(wù)指標(biāo) 的差異規(guī)律。假設(shè)：H0: ST公司與非ST公司19個(gè)財(cái)務(wù)指標(biāo)同期均值相等H1 : ST公司與非ST公司19個(gè)財(cái)務(wù)指標(biāo)同期均值不相等5.1獨(dú)立樣本的均值比較方法應(yīng)用T檢驗(yàn)，能夠檢驗(yàn)獨(dú)立的正態(tài)總體下樣本均值之間是

20、否具有明顯 性差異。進(jìn)行兩個(gè)獨(dú)立正態(tài)總體下樣本均值的比較時(shí)，按照方差齊與不齊 兩種情形，應(yīng)用不同的統(tǒng)計(jì)量進(jìn)行檢驗(yàn)。方差不齊時(shí)，統(tǒng)計(jì)量為T=式京 表示樣本1和樣本2的均值; 的方差，m和n為樣本1和樣本2的數(shù)據(jù)個(gè)數(shù)。方差齊時(shí)采納的統(tǒng)計(jì)量為T X Y（公式1）sX和sY為樣本1和樣本2（公式2）1的方差和樣本2的方差的式敢拮為兩個(gè)樣本的標(biāo)準(zhǔn)差，它是樣本 加權(quán)平均值的方根，運(yùn)算公式如下：f m 1 sXn 1 sYSW Y m n 1當(dāng)兩個(gè)總體的均值差異不明顯時(shí)，該統(tǒng)計(jì)量應(yīng)服從自由度為m+n-2的t分布。T檢驗(yàn)的結(jié)果包括t值（t）、自由度（df）、雙尾明顯性檢驗(yàn)（sig. 2-tai led）、均值

21、差異（Mean Differenee）、均值差異的標(biāo)準(zhǔn)誤差（Std. Error Dif（公式3）ference）和均值差異的 95%置信區(qū)間（95% Confidenee Interval of the Dif ference）5.2 T檢驗(yàn)分析結(jié)果給定明顯性水平a為0.05,按照SPPSS13.0運(yùn)行的結(jié)果，對(duì)各個(gè)財(cái)務(wù) 指標(biāo)變量的明顯性差異的判定情形如下。表3: T檢驗(yàn)結(jié)果匯總表組不標(biāo)號(hào)指標(biāo)名稱明顯性X1已獲利息倍數(shù)VX2資產(chǎn)負(fù)債率VX3速動(dòng)比率V償債 能力X4流淌比率VX5長(zhǎng)期負(fù)債與營(yíng)運(yùn)資金比率XX6銷售凈利率VX7資產(chǎn)凈利率VX8凈資產(chǎn)收益率X盈利 能力X9銷售毛利率VX10營(yíng)業(yè)利潤(rùn)比

22、重XX11總資產(chǎn)周轉(zhuǎn)率V營(yíng)運(yùn)X12存貨周轉(zhuǎn)率V能力X13應(yīng)收帳款周轉(zhuǎn)率XX14流淌資產(chǎn)周轉(zhuǎn)率VX15營(yíng)運(yùn)資本周轉(zhuǎn)率XX16銷售現(xiàn)金比率V現(xiàn)金X17現(xiàn)金債務(wù)總額比V流量X18全部資產(chǎn)現(xiàn)金回收率VX19現(xiàn)金流淌負(fù)債比V從上面的實(shí)證分析能夠看出，指標(biāo) X1 （已獲利息倍數(shù)）、X2 （資產(chǎn)負(fù) 債率）、X3 （速動(dòng)比率）、X4 （流淌比率）、X6 （銷售凈利率）、X7 （資產(chǎn)凈 利率）、X9 （銷售毛利率）、X11 （總資產(chǎn)周轉(zhuǎn)率）、X12 （存貨周轉(zhuǎn)率）、X 14 （流淌資產(chǎn)周轉(zhuǎn)率）、X16 （銷售現(xiàn)金比率）、X17 （現(xiàn)金債務(wù)總額比）、X 18 （全部資產(chǎn)現(xiàn)金回收率）、X19 （現(xiàn)金流淌負(fù)債比）等1

23、4個(gè)指標(biāo)能在專門 少的明顯性水平下拒絕原假設(shè)，而同意備選假設(shè)。這就意味著ST公司與非 ST公司在ST前1年的上述14個(gè)指標(biāo)具有明顯的差異。6.多元回來(lái)分析上述14個(gè)指標(biāo)的均值差異能明顯地區(qū)不出 ST公司與非ST公司的 財(cái)務(wù)特點(diǎn)。然而在實(shí)際操作中，我們是需要推測(cè)一個(gè)企業(yè)的財(cái)務(wù)狀況，僅 僅區(qū)分財(cái)務(wù)特點(diǎn)是不夠的。為此我們運(yùn)用多元回來(lái)來(lái)分析并檢驗(yàn)其模型的 推測(cè)準(zhǔn)確性。6.1樣本及數(shù)據(jù)我們?nèi)耘f選取上述53家ST公司和非ST公司數(shù)據(jù)。按照截面分析的結(jié) 果，我們將有明顯性差異的14個(gè)財(cái)務(wù)指標(biāo)(已獲利息倍數(shù)、資產(chǎn)負(fù)債率、 速動(dòng)比率、流淌比率、銷售凈利率、資產(chǎn)凈利率、銷售毛利率、總資產(chǎn)周 轉(zhuǎn)率、存貨周轉(zhuǎn)率、流淌

24、資產(chǎn)周轉(zhuǎn)率、銷售現(xiàn)金比率、現(xiàn)金債務(wù)總額比、 全部資產(chǎn)現(xiàn)金回收率、現(xiàn)金流淌負(fù)債比)作為輸入變量。6.2 Logistic多元回來(lái)分析621多元回來(lái)方法選擇在多元回來(lái)方法的選擇上，我們按照數(shù)據(jù)的特點(diǎn)，第一進(jìn)行因子分析， 然后采納二分類Logistic多元回來(lái)法建立模型并加以檢驗(yàn)。具體步驟如下，(1)引入虛擬變量丫用以表示是否顯現(xiàn)財(cái)務(wù)危機(jī)。丫取1表示ST公司, Y取0表示非ST公司。(2)用因子分析對(duì)數(shù)據(jù)預(yù)處理。(3)用二分類Logistic多元回來(lái)建立預(yù)警模型并檢驗(yàn)。6.2.2用因子分析對(duì)數(shù)據(jù)預(yù)處理由于各財(cái)務(wù)指標(biāo)之間存在著較多的有關(guān)關(guān)系，信息重復(fù)較多，直截了 當(dāng)用它們分析現(xiàn)實(shí)咨詢題，不但模型復(fù)雜，

25、而且還會(huì)因?yàn)槎嘀毓簿€性咨詢 題而引起極大的誤差。因此，我們第一利用因子分析使變量簡(jiǎn)化降維，用 少數(shù)因子代替所有變量去分析整個(gè)咨詢題。表4:巴特利特球度檢驗(yàn)和KMO檢驗(yàn)KMO and Bartletts TestKMO and Bartletts Test0.63Bartletts TestApp rox. Chi-Square1444.27df91Sig.0.00由上表可知，巴特利特球度檢驗(yàn)統(tǒng)計(jì)量的觀測(cè)值為1444.27,相應(yīng)的概率P值小于明顯性水平0.05,則應(yīng)拒絕原假設(shè)，認(rèn)為有關(guān)系數(shù)矩陣與單位 矩陣有明顯性差異。同時(shí)，KMO值大于0.6，原有變量適合因子分析。表5:因子講明原有變量總方差的

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從表5中能夠看出，前4個(gè)因子的特點(diǎn)根大于1，累計(jì)方差奉獻(xiàn)率為8 2.48%，即前4個(gè)變量講明了原有變量總方差的 82.48%。在因子旋轉(zhuǎn)后， 累計(jì)方差比沒(méi)有改變，沒(méi)有阻礙原有變量的共同度。總體上，原有變量的 信息丟失較少，因子分析成效理想。表6:旋轉(zhuǎn)后的因子載荷矩陣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，現(xiàn)金指標(biāo)（X16、X17、X18、X19）在第一個(gè)因子上有

29、 較高的載荷，第一個(gè)因子F1能夠成為現(xiàn)金指標(biāo)因子；盈利能力指標(biāo)（X6、 X7、X9）在第二個(gè)因子上有較高的載荷，第二個(gè)因子F2能夠稱為盈利指標(biāo)因子；營(yíng)運(yùn)能力指標(biāo)（X11、X12、X14）在第三個(gè)因子上有較高的載荷， 第三個(gè)因子F3能夠稱為營(yíng)運(yùn)指標(biāo)因子；償債能力指標(biāo)（X3、X4）在第四 個(gè)因子上有較高的載荷，第四個(gè)因子 F4能夠稱為償債指標(biāo)因子。表7:因子得分系數(shù)矩陣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的結(jié)果，我們能夠?qū)懗鲆韵乱蜃拥梅趾瘮?shù):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回來(lái)建立預(yù)警模型1將因子分析得到的4個(gè)因子與因變量Y作為引入變量，利用二分類Lo gistic回來(lái)建立預(yù)警模型并推測(cè)。二元邏輯回來(lái)擬合的方程為：PmLn - abiXi（公式 4）1 Pi 1其中，P是上市公司發(fā)生財(cái)務(wù)危機(jī)的概率；Xi是阻礙財(cái)務(wù)危機(jī)的第i個(gè)因素，i=1 , 2,，m;a, bi （i=1 , 2,，m）是待估參數(shù)。運(yùn)行SSPS13.Q得到的結(jié)果如下：表&模型估量及系數(shù)檢驗(yàn)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從表8的結(jié)果能夠看出，所有系數(shù)均通過(guò)了檢驗(yàn)，可建立如下Logistic回來(lái)方程：表9輸出了模型的似然值（-2 Log）和兩個(gè)偽決定系數(shù)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:模型總體檢驗(yàn)Square和Nagelkerke R Square,后兩者從不同角度反映了當(dāng)前模型中自 變量的變異占因變量總變異的比例。我們看到，這兩個(gè)偽決定系數(shù)分不達(dá) 到0.69和0.92，講明模型1中自變量對(duì)因變量的講明程度良好。以0.50為概率最佳分割點(diǎn)進(jìn)行推測(cè)，P大于0.50判定為ST公司。表10:模型1推測(cè)結(jié)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從表10的推測(cè)結(jié)果來(lái)看，模型1的整體推測(cè)成效為94.62%,其中ST公 司的推測(cè)準(zhǔn)確率為93.02%,非ST公司的推測(cè)準(zhǔn)確率為96.00%。那個(gè)結(jié)果 優(yōu)于現(xiàn)有的研究結(jié)論。6.3將股票市值因素引入，建立預(yù)警模型 2隨著股權(quán)分置改革的完成，長(zhǎng)期困擾中國(guó)資本市場(chǎng)的股權(quán)治理結(jié)構(gòu)缺 陷得到了圓滿解決。在那個(gè)全新的現(xiàn)實(shí)基礎(chǔ)上，我們認(rèn)為將股票市值因素 引入我們的財(cái)務(wù)預(yù)警模型是有意義的。在股權(quán)分置條件下，中國(guó)上市公司

36、的股權(quán)結(jié)構(gòu)處于割裂狀態(tài)，非流通 股價(jià)值無(wú)法通過(guò)流通股價(jià)加以衡量，非流通股股東傾向于以所操縱資產(chǎn)的 最大化而非股權(quán)價(jià)值的最大化作為目標(biāo)。國(guó)有上市公司出于資產(chǎn)保值增值 考慮，更是普遍選擇了凈資產(chǎn)值作為國(guó)有資產(chǎn)考核體系的一個(gè)核心目標(biāo)。 由于非流通股東不能分享公司股價(jià)上漲而帶來(lái)的龐大利益，因此，他們并 不關(guān)懷股價(jià)變動(dòng)，導(dǎo)致非流通股東的市值概念虛化，凈資產(chǎn)最大化取代了 利潤(rùn)最大化的目標(biāo)。如此就帶來(lái)專門多弊端，如大股東從本質(zhì)上對(duì)增發(fā)股 票就有內(nèi)在動(dòng)力和偏好、流通股東和非流通股東利益沖突現(xiàn)象嚴(yán)峻等。上 市公司對(duì)市值的關(guān)注也僅限于吸引投資者、擴(kuò)大融資的需要，大股東自身 經(jīng)濟(jì)利益與股票市值沒(méi)有直截了當(dāng)聯(lián)系，也缺

37、乏足夠的動(dòng)力進(jìn)行市值治理。 因此，在股權(quán)分置條件下的公司股票總市值概念并不能真正涵蓋所有股東 的利益。隨著全流通時(shí)代的到來(lái)，上述情形差不多有了全然性的轉(zhuǎn)變，股票市 值的意義真正凸顯。因?yàn)槭兄挡畈欢喑蔀檎凵涔緦?shí)力、反映公司價(jià)值、 決定公司融資效率、阻礙公司股權(quán)支付能力和行業(yè)整合能力的重要因素， 成為股東考核上市公司經(jīng)營(yíng)業(yè)績(jī)的重要政策取向。在后股權(quán)分置時(shí)代，對(duì) 上市公司的價(jià)值評(píng)判方式勢(shì)必發(fā)生全然性轉(zhuǎn)變，以市值取代凈資產(chǎn)是考核 上市公司的必定選擇。如，2005年9月，國(guó)資委關(guān)于上市公司股權(quán)分置 改革中國(guó)有股股權(quán)治理有關(guān)咨詢題的通知明確提出，要將市值納入國(guó)資 控股上市公司的考核體系，中國(guó)銀監(jiān)會(huì)在 2

38、006年上半年公布的國(guó)有商業(yè) 銀行公司治理及有關(guān)監(jiān)管指引明確要求，工、農(nóng)、中、建、交五大國(guó)有 商業(yè)銀行在上市以后，應(yīng)建立爭(zhēng)取市值最大化的經(jīng)營(yíng)理念等。總之，全流 通使得非流通股進(jìn)入證券市場(chǎng)交易流通，上市公司的市值表現(xiàn)與大股東經(jīng) 濟(jì)利益緊密相連，企業(yè)價(jià)值最大化將成為上市公司財(cái)務(wù)治理的目標(biāo)。在市 場(chǎng)經(jīng)濟(jì)中，企業(yè)本質(zhì)是人力資本與物質(zhì)資本組成的多邊契約關(guān)系的總和， 契約實(shí)質(zhì)要求公司治理結(jié)構(gòu)的主體之間應(yīng)該是平等的關(guān)系。股權(quán)分置改革 解決了各類股東之間的利益沖突，實(shí)現(xiàn)了同股同權(quán)，實(shí)現(xiàn)了各類股東共同 的利益基礎(chǔ)，從而理順了上市公司治理結(jié)構(gòu)的基礎(chǔ)，激活了公司操縱權(quán)市 場(chǎng)，誘發(fā)財(cái)務(wù)治理目標(biāo)從控股股東利益最大化轉(zhuǎn)變

39、為企業(yè)價(jià)值最大化，要 求公司治理層在確保公司連續(xù)性價(jià)值制造、承擔(dān)社會(huì)責(zé)任的前提下，為全 體股東實(shí)現(xiàn)財(cái)寶最大化。綜上所述，在全流通這一新的市場(chǎng)條件下，總市值的概念有了真實(shí)的 基礎(chǔ)，將股票市值因素引入我們的財(cái)務(wù)預(yù)警模型是有意義的。按照美國(guó)財(cái) 務(wù)專家阿爾特曼（1968）的研究結(jié)論作為參考，我們將“股票總市值 /負(fù)債 總額”指標(biāo)引入推測(cè)模型中。取，X20=股票總市值/負(fù)債總額其中，股票總市值以2004年度的股票平均價(jià)格運(yùn)算。（1）對(duì)所有樣本公司的X20指標(biāo)進(jìn)行T檢驗(yàn)，結(jié)果顯示該指標(biāo)在 ST 公司和非ST公司之間具有明顯性差異。表11: T檢驗(yàn)結(jié)果95% Confidence Interval of t

40、he DifferenceFSig.tdfSig. (2-tailed)MeanDifferenceStd. ErrorDifferenceLowerUpperX20方差齊14.490.00-3.81102.00.00-2.970.78-4.51-1.42方差不齊-3.75 63.240.00-2.970.79-4.54-1.39能夠看出，關(guān)于指標(biāo)X20 （股票總市值/負(fù)債總額），因?yàn)榉讲铨R性檢驗(yàn) 的明顯性概率小于0.05,講明方差不齊的條件滿足，對(duì)應(yīng)地，選取“方差 不齊”行對(duì)應(yīng)的分析結(jié)果。由于等均值檢驗(yàn)的雙尾明顯性概率小于0.05，因此，拒絕原假設(shè)H 0,即ST公司與非ST公司的指標(biāo)X20

41、（股票總市值/ 負(fù)債總額）具有明顯性差異。因此，能夠?qū)⒆兞縓20作為多元回來(lái)的輸入變量之一。（2）重復(fù)6.3.2、6.3.3中二元Logistic回來(lái)的步驟。運(yùn)行SPSS13.0因子分析的結(jié)果如下。表12:巴特利特球度檢驗(yàn)和 KMO檢驗(yàn)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，巴特利特球度檢驗(yàn)統(tǒng)計(jì)量的觀測(cè)值為1508.99,相應(yīng)的概

42、率P值小于明顯性水平0.05,則應(yīng)拒絕原假設(shè)，認(rèn)為有關(guān)系數(shù)矩陣與單 位矩陣有明顯性差異。同時(shí)，KMO值為0.65,比表6的結(jié)果有所改進(jìn)。表13:因子講明原有變量總方差的情形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方差不齊-3.75 63.240.00-2.970.79-4.54-1.39150.010.05100.00表13中能夠看出，前4個(gè)因子的特點(diǎn)根大于1，累計(jì)方差奉獻(xiàn)率為80. 99%,即前4個(gè)變量講明了原有變量總方差的 80.99%。在因子旋轉(zhuǎn)后，累 計(jì)方

44、差比沒(méi)有改變，沒(méi)有阻礙原有變量的共同度。總體上，原有變量的信 息丟失較少，因子分析成效理想。表14:旋轉(zhuǎn)后的因子載荷矩陣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，現(xiàn)金指標(biāo)（X16、X17、X18、X19）在第1個(gè)因子上有 較高的載荷，第1個(gè)因子F11能夠成為現(xiàn)金指標(biāo)因子；償債能力指標(biāo)（X3、 X4、X20）在第2個(gè)因子上有較高的載荷，第2個(gè)因子F12能夠稱為償債 指標(biāo)因子；盈利能力指標(biāo)（X6、X7、X9）在第3個(gè)因子上有較高的載荷， 第3個(gè)因子F13能夠稱為盈利指標(biāo)因子；營(yíng)運(yùn)能力指標(biāo)（X11、X12、X14） 在第4個(gè)因子上有

46、較高的載荷，第4個(gè)因子F14能夠稱為營(yíng)運(yùn)指標(biāo)因子。表15：因子得分系數(shù)矩陣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能夠?qū)懗鲆韵乱蜃拥梅趾瘮?shù):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將因子分析得到的4個(gè)因子與因變量Y作為引入變量，利用二分類Logistic回來(lái)建立預(yù)警模型并推測(cè)。 表16:模型總體

49、檢驗(yàn)Model SummarySte p-2 Log likelihood Cox & Sn ell R SquareNagelkerke R Square120.720.680.91表16輸出了模型的似然值（-2 Log）和兩個(gè)偽決定系數(shù)Cox & SnellR Square和Nagelkerke R Square,后兩者從不同角度反映了當(dāng)前模型中自變量的變異占因變量總變異的比例。我們看到，這兩個(gè)偽決定系數(shù)分不達(dá) 到0.68和0.91，講明模型中自變量對(duì)因變量的講明程度良好。表17:模型估量及系數(shù)檢驗(yàn)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，所有系數(shù)均通過(guò)了檢驗(yàn)，可建立如下Logistic回來(lái)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為概率最佳分割點(diǎn)進(jìn)行推測(cè)

51、，P大于0.50判定為ST公司。表18:模型2推測(cè)結(jié)果Classificatio n Table(a)P redictedYPercen tage CorrectObserved01Step 1Y039392.86124896Overall P erce ntage94.57從表18的推測(cè)結(jié)果來(lái)看，模型2的整體推測(cè)成效為94.57%,其中ST公 司的推測(cè)準(zhǔn)確率為92.86%,非ST公司的推測(cè)準(zhǔn)確率為96.00%。那個(gè)結(jié)果 與模型1的結(jié)果差不多一致，同樣優(yōu)于現(xiàn)有的研究結(jié)論。我們比較模型1和模型2的推測(cè)結(jié)果能夠看出，兩個(gè)模型的推測(cè)成效 都超過(guò)90%，準(zhǔn)確率差不多一致。然而，我們的研究結(jié)果也表明，模

52、型2引入了新變量X20 （股票總市值/負(fù)債總額）后并沒(méi)有進(jìn)一步提升推測(cè)的成 效。我們認(rèn)為，那個(gè)結(jié)果受到了歷史數(shù)據(jù)的局限，因?yàn)楣蓹?quán)分置改革在2006年剛剛完成，全流通之后的股票市值的真正意義在歷史數(shù)據(jù)中還難以體 現(xiàn)。以后隨著全流通市場(chǎng)的進(jìn)一步規(guī)范和成熟，以市值考核為指標(biāo)的股權(quán) 價(jià)值鼓舞政策的逐步推廣，股票總市值關(guān)于財(cái)務(wù)預(yù)警模型的作用連續(xù)值得 我們進(jìn)一步深入研究。因此，目前我們尚不能確信“股票總市值/負(fù)債總額” 這一指標(biāo)關(guān)于財(cái)務(wù)預(yù)警沒(méi)有優(yōu)化作用。7、結(jié)論（模型1）本文選擇了在2006年1月至2006年6月期間，在2005年年報(bào)公布后， 因財(cái)務(wù)狀況專門而首次被 ST的53家上市公司，同時(shí)選取同行業(yè)（

53、按證監(jiān) 會(huì)行業(yè)代碼分類）、同規(guī)模的53家非ST公司作為配對(duì)樣本。本文從財(cái)務(wù)指 標(biāo)的角度動(dòng)身，在了解我國(guó)上市公司財(cái)務(wù)困難成因的基礎(chǔ)上，探討了各財(cái) 務(wù)因素之間的關(guān)系，以及它們對(duì)上市公司發(fā)生財(cái)務(wù)困難的預(yù)警作用。本文 的創(chuàng)新點(diǎn)在于，采納了最新的公司財(cái)務(wù)數(shù)據(jù)，改進(jìn)了數(shù)據(jù)處理的方式，在 因子分析的基礎(chǔ)上利用二分類Logistic回來(lái)建立了財(cái)務(wù)困難的預(yù)警模型，該 模型的推測(cè)成效優(yōu)于現(xiàn)有的研究結(jié)論。同時(shí)，本文還針對(duì)全流通之后新的 市場(chǎng)環(huán)境，將“股票總市值/負(fù)債總額”指標(biāo)引入模型討論。本文得到的結(jié) 論如下。（1）從統(tǒng)計(jì)描述的角度，ST公司與非ST公司在已獲利息倍數(shù)、銷售 凈利率、資產(chǎn)凈利率、凈資產(chǎn)收益率、應(yīng)收帳

54、款周轉(zhuǎn)、現(xiàn)金流淌負(fù)債比等 指標(biāo)上有明顯差異，而在速動(dòng)比率、流淌比率、銷售毛利率、營(yíng)業(yè)利潤(rùn)比 重等指標(biāo)上差距不大，且有交叉現(xiàn)象。（2）從單變量分析的角度，已獲利息倍數(shù)、資產(chǎn)負(fù)債率、速動(dòng)比率、 流淌比率、銷售凈利率、資產(chǎn)凈利率、銷售毛利率、總資產(chǎn)周轉(zhuǎn)率、存貨 周轉(zhuǎn)率、流淌資產(chǎn)周轉(zhuǎn)率、銷售現(xiàn)金比率、現(xiàn)金債務(wù)總額比、全部資產(chǎn)現(xiàn) 金回收率、現(xiàn)金流淌負(fù)債比等指標(biāo)，能在a =0.05的較小明顯性水平下與公 司的財(cái)務(wù)困難情形明顯有關(guān)。（3）從多元回來(lái)的角度，通過(guò)因子分析處理原始數(shù)據(jù)，然后利用二分 類Logistic回來(lái)建立了財(cái)務(wù)困難的預(yù)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，F(xiàn)1=-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.