時間:2023-03-20 16:13:51
導(dǎo)語:在財務(wù)比率論文的撰寫旅程中,學(xué)習(xí)并吸收他人佳作的精髓是一條寶貴的路徑,好期刊匯集了九篇優(yōu)秀范文,愿這些內(nèi)容能夠啟發(fā)您的創(chuàng)作靈感,引領(lǐng)您探索更多的創(chuàng)作可能。
[論文摘要]企業(yè)財務(wù)危機已成為企業(yè)利益相關(guān)者需要預(yù)測并應(yīng)對的重要風(fēng)險之一。企業(yè)應(yīng)構(gòu)建財務(wù)預(yù)警機制,及時溝通企業(yè)有關(guān)財務(wù)危機預(yù)警的信息,有效地防范和化解財務(wù)危機。本文對國內(nèi)外財務(wù)危機預(yù)警模型逐一進行評析,旨在為構(gòu)建符合我國實際并具有可操作性的財務(wù)危機預(yù)警模型提供借鑒。
隨著我國市場經(jīng)濟體制改革的不斷深化,經(jīng)濟領(lǐng)域中的復(fù)雜性、不確定性日益凸現(xiàn),企業(yè)發(fā)生財務(wù)危機的情況越來越頻繁,因此,財務(wù)危機已成為企業(yè)利益相關(guān)者需要預(yù)測并應(yīng)對的重要風(fēng)險之一。構(gòu)建財務(wù)預(yù)警機制,及時溝通企業(yè)有關(guān)財務(wù)危機預(yù)警的信息,有效地防范和化解財務(wù)危機,是任何一個企業(yè)都必須亟待解決的問題。近年來,除了沿用傳統(tǒng)的經(jīng)驗判別與定性分析方法外。企業(yè)利益相關(guān)者也開始關(guān)注并嘗試使用財務(wù)危機預(yù)警模型來定量預(yù)測財務(wù)危機。財務(wù)危機預(yù)警模型就是借助企業(yè)一系列財務(wù)指標和非財務(wù)指標來識別企業(yè)財務(wù)危機的判別模型。其關(guān)鍵點就是如何確定預(yù)警指標及預(yù)警指標的臨界值。本文對國內(nèi)外財務(wù)危機預(yù)警模型逐一進行評析,旨在為構(gòu)建符合我國實際并具有可操作性的財務(wù)危機預(yù)警模型提供借鑒。
一、單變量預(yù)警模型
單變量預(yù)警模型是指利用單個財務(wù)比率來進行財務(wù)預(yù)警,以判斷企業(yè)是否發(fā)生財務(wù)危機的一種預(yù)測模型。beaver(1966)在其“財務(wù)比率與失敗預(yù)測”一文中,以財務(wù)危機預(yù)警為主題,以單一的財務(wù)比率指標為基本變量,運用配對樣本法。隨機挑選了1954年至1964年間79家危機中的企業(yè)。并針對這79家企業(yè)逐一挑選與其產(chǎn)業(yè)相同且資產(chǎn)規(guī)模相近的79家正常企業(yè)進行比較。得出的結(jié)論是,最能對企業(yè)危機做出預(yù)警的指標是“現(xiàn)金流量/總負債”比率,其次是“凈收益/總資產(chǎn)”比率和“總負債/總資產(chǎn)”比率。其中,“現(xiàn)金流量”來自“現(xiàn)金流量表”的3種現(xiàn)金流量之和,除現(xiàn)金外還充分考慮了資產(chǎn)變現(xiàn)力,同時結(jié)合了企業(yè)銷售和利潤的實現(xiàn)及生產(chǎn)經(jīng)營狀況的綜合分析,這個比率用總負債作為基數(shù),考慮了長期負債與流動負債的轉(zhuǎn)化關(guān)系,但是總負債只考慮了負債規(guī)模,而沒有考慮負債的流動性,即企業(yè)的債務(wù)結(jié)構(gòu),因此對一些因短期償債能力不足而出現(xiàn)危機的企業(yè)存在很大的誤判性。“總資產(chǎn)”這一指標沒有結(jié)合資產(chǎn)的構(gòu)成要素。因為不同的資產(chǎn)項目在企業(yè)盈利過程中所發(fā)揮的作用是不同的,這不利于預(yù)測企業(yè)資產(chǎn)的獲利能力是否具有良好的增長態(tài)勢。
beaver最先在企業(yè)危機預(yù)警研究中使用非參數(shù)統(tǒng)計的二分類檢驗方法來確定分割點。使其錯誤分類率降至最低,這一方法為以后的企業(yè)財務(wù)危機預(yù)警研究者廣泛采用。此外,beaver還首創(chuàng)配對抽樣的技術(shù)以控制因產(chǎn)業(yè)類別和企業(yè)資產(chǎn)規(guī)模不同而引起的混淆。但單變量預(yù)警模型只是利用個別財務(wù)比率預(yù)測企業(yè)財務(wù)危機。因此其有效性受到一定的限制。一般來說。企業(yè)的生產(chǎn)經(jīng)營狀況受到許多因素的影響,各種因素之間既有聯(lián)系又有區(qū)別,單個比率反映的內(nèi)容往往有限,無法全面解釋企業(yè)的財務(wù)狀況。
二、多元判別分析模型
多元判別分析模型是對企業(yè)多個財務(wù)比率進行匯總,求出一個總判別分值來預(yù)測企業(yè)財務(wù)危機的模型。altman(1968)在其“財務(wù)比率、判別分析和公司破產(chǎn)預(yù)測”一文中認為,企業(yè)是一個綜合體,各個財務(wù)指標之間存在某種相互聯(lián)系。各個財務(wù)指標對企業(yè)整體風(fēng)險的影響和作用也是不一樣的。他通過把傳統(tǒng)的財務(wù)比率和多元判別分析方法結(jié)合在一起,發(fā)展了一種財務(wù)危機預(yù)警模型,即z計分模型。該模型的具體形式如下:
z=0.012x1+0.014x2+0.033x3+0.006x4+0.999x5
式中,x1=營運資本/總資產(chǎn),反映資產(chǎn)的流動性與規(guī)模特征;x2=留存收益/總資產(chǎn),反映企業(yè)累計盈利狀況;x3=息稅前收益/總資產(chǎn),反映企業(yè)資產(chǎn)的獲利能力;x4=權(quán)益的市場價值/總債務(wù)的賬面值,反映企業(yè)的償債能力;x5=銷售總額/總資產(chǎn),反映企業(yè)的營運能力。
通過統(tǒng)計分析,altman認為z值應(yīng)在1.81-2.99之間,等于2.675時居中。如果企業(yè)的z值大于2.675,表明企業(yè)的財務(wù)狀況良好;如果z值小于1.81,則企業(yè)存在很大的破產(chǎn)風(fēng)險;如果z值處于1.81-2.675之間,稱為“灰色地帶”,處在這個區(qū)間,則企業(yè)財務(wù)狀況是極不穩(wěn)定的。
z計分模型的變量是從資產(chǎn)流動性、獲利能力、償債能力和營運能力等指標中各選擇一兩個最具代表性的指標。模型中的系數(shù)則是根據(jù)統(tǒng)計結(jié)果得到的各指標相對重要性的量度。實證表明該模型對企業(yè)財務(wù)危機有很好的預(yù)警功能。但其預(yù)測效果也因時間的長短而不一樣,預(yù)測期越短,預(yù)測能力越強,因此該模型較適合企業(yè)短期風(fēng)險的判斷。
z計分模型在企業(yè)破產(chǎn)前超過3年的預(yù)測正確率大大降低,而且隨著時間的推移,經(jīng)濟環(huán)境也將出現(xiàn)重大變化,特別是進入20世紀70年代以后,企業(yè)財務(wù)危機的平均規(guī)模急劇增大,原有的z計分模型已無法解釋當時的企業(yè)財務(wù)危機現(xiàn)象。于是,altman等人于1977年又提出了一種能更準確地預(yù)測企業(yè)財務(wù)危機的新模型——zeta模型。在該模型中,altman等人利用27個初始財務(wù)比率進行區(qū)別分析,最后選取了7個解釋變量,即資產(chǎn)報酬率(息稅前利潤/總資產(chǎn))、盈余穩(wěn)定性(息稅前利潤,總資產(chǎn)的10年標準誤差)、利息保障倍數(shù)(息稅前利潤/利息支出總額)、累計盈余(留存收益/總資產(chǎn))、流動性(流動比率)、資本比率(5年普通股平均市值/總資本)和資本規(guī)模(普通股權(quán)益/總資產(chǎn))。該模型存在的不足是選擇比率沒有理論可依,選擇同一行業(yè)中相匹配的危機公司和正常公司也是困難的,而且觀察的總是歷史事件。但由于該模型簡單明了。以后對企業(yè)財務(wù)危機預(yù)警模型的研究都是沿著這一思路進行的。
20世紀70年代,日本開發(fā)銀行調(diào)查部選擇了東京證券交易所310家上市公司作為研究對象,使用與altman相同的研究方法,建立了“利用經(jīng)營指標進行企業(yè)風(fēng)險評價的破產(chǎn)模型”,進行財務(wù)危機預(yù)測。其判別函數(shù)為:
z=2.1x1+1.6x2-1.7x3-x4+2.6x5+2.5x6
式中,x1表示銷售額增長率;x2表示總資本利潤率;x3表示他人資本分配率;x4表示資產(chǎn)負債率;x5表示流動比率;x6表示粗附加值生產(chǎn)率(為折舊費、人工成本、利息及利稅之和與銷售額之比)。模型中和的系數(shù)是負數(shù),表明他人資本分配率和資產(chǎn)負債率越小,風(fēng)險也越小。該模型z值的判斷標準是:如果z值大于10,則企業(yè)財務(wù)狀況良好:如果z值小于0,則企業(yè)存在嚴重的財務(wù)危機,破產(chǎn)的概率極大;如果z值在0與10之間。則表明企業(yè)處于“灰色區(qū)域”,存在財務(wù)隱患。
陳肇榮應(yīng)用中國臺灣地區(qū)的企業(yè)財務(wù)資料建立了多元判別函數(shù),但未給出臨界值及警度區(qū)間。該模型如下:
z=0.35x1+0.67x2-0.57x3+0.39x4+0.55x5
式中,x1=速動資產(chǎn)/流動負債;x2=營運資金/資產(chǎn)總額;x3=固定資產(chǎn)/資本凈值;x4=應(yīng)收賬款/銷售凈額;x5=現(xiàn)金流入量/現(xiàn)金流出量。
由于z計分模型在建立時并沒有充分考慮到現(xiàn)金流量的變動等方面的情況,因而具有一定的局限性。為此,中國學(xué)者周首華等對z計分模型加以改造,并建立其財務(wù)危機預(yù)測的新模型——f分數(shù)模式。f分數(shù)模式的主要特點是:(1)f分數(shù)模型中加入現(xiàn)金流量這一預(yù)測自變量。許多專家證實現(xiàn)金流量比率是預(yù)測公司破產(chǎn)的有效變量,因而彌補了z計分模型的不足。(2)考慮了現(xiàn)代化公司財務(wù)狀況的發(fā)展及其有關(guān)標準的更新。公司所應(yīng)有財務(wù)比率標準已發(fā)生了許多變化,特別是現(xiàn)金管理技術(shù)的應(yīng)用,已使公司所應(yīng)維持的必要的流動比率大為降低。(3)使用的樣本更加擴大。其使用了compustat pc plus會計數(shù)據(jù)庫中1990年以來的4160家公司的數(shù)據(jù)進行了檢查;而z計分模型的樣本僅為66家(33家破產(chǎn)公司和33家非破產(chǎn)公司)。
f分數(shù)模式如下:
z=0.1774+1.1091x1+1.1074x2+1.9271x3+0.0302x4+0.4961x5+0,496 1x5
式中,x1、x2及x4與z計分模型中的x1,x2及x4相同,這里不再進行分析;x3=(稅后純收益+折舊)/平均總負債;x3=(稅后純收益+利息+折舊)/平均總資產(chǎn)。
f分數(shù)模式與z計分數(shù)模型中各比率的區(qū)別就在于其x3,x5的比率不同。x3是一個現(xiàn)金流量變量,它是衡量企業(yè)所產(chǎn)生的全部現(xiàn)金流量可用于償還企業(yè)債務(wù)能力的重要指標。一般來講,企業(yè)提取的折舊費用,也是企業(yè)創(chuàng)造的現(xiàn)金流入,必要時可將這部分資金用來償還債務(wù)。x5測定的是企業(yè)總資產(chǎn)在創(chuàng)造現(xiàn)金流量方面的能力。相對于z計分模型,它可以更準確地預(yù)測出企業(yè)是否存在財務(wù)危機。f分數(shù)模式的f分數(shù)臨界點為0.0274;若某一特定的f分數(shù)低于0.0274,則將被預(yù)測為破產(chǎn)公司;反之,若f分數(shù)高于0.0274,則公司將被預(yù)測為繼續(xù)生存公司。
多元判別分析模型是根據(jù)特定樣本建立起來的判別模型,因而根據(jù)一個地區(qū)(或時期)樣本企業(yè)建立的判別分析模型可能無法有效地對另一個地區(qū)(或時期)的企業(yè)進行預(yù)測。此外,多元判別分析模型的有用性差,導(dǎo)致理論研究熱而實際應(yīng)用冷的尷尬局面。
三、線性概率模型
線性概率模型是多元判別分析模型的一種替代選擇。該模型為:
p=c0+c1x1+c2x2+…+cnxn
該模型可以解釋為,在給定財務(wù)比率xn的情況下,p為該企業(yè)發(fā)生財務(wù)危機的概率的估計值。該模型計算雖然簡單,但存在明顯的缺陷:(1)該模型表示企業(yè)發(fā)生財務(wù)危機的可能性,則p值只能在(0,1)區(qū)間之中,然而線性回歸方程無法做到這一點,采用該模型進行預(yù)測時,p值可能在(0,1)區(qū)間之外;(2)線性概率的假設(shè)往往與實際情況不吻合?,F(xiàn)實生活中的經(jīng)濟變量是不確定的,而在該模型中,自變量c卻是一個常數(shù)?;谝陨显颍撃P驮谄髽I(yè)財務(wù)危機預(yù)測的實際研究中鮮有采用。
四、logistic模型
盡管多元判別分析模型有較好的預(yù)測性,但存在假設(shè)上的局限性,即要求各自變量(財務(wù)比率)服從多元正態(tài)分布的假設(shè)和兩組變量(發(fā)生財務(wù)危機與未發(fā)生財務(wù)危機企業(yè))具有同樣方差一協(xié)方差矩陣的假設(shè),顯然,這些假設(shè)與現(xiàn)實相去甚遠。此外。樣本的抽取往往也會影響評價模型的預(yù)測準確性。因此。為服務(wù)于對定性因變量的多元非線性分析,ohlson率先在財務(wù)危機預(yù)警研究中應(yīng)用了二元概率函數(shù)來計算危機事件發(fā)生的概率,由此產(chǎn)生了logistic模型。在企業(yè)財務(wù)危機判定與預(yù)測中,logistic模型如下:
yi=β0+β1xli+…+βkxki
pi=1/(1+e-yx)
式中,yi代表第i家企業(yè)是否發(fā)生財務(wù)危機,i=0或1,0代表正常企業(yè),1代表財務(wù)危機企業(yè),xki代表第i家企業(yè)的第k個財務(wù)比率,pi代表根據(jù)logistic模型所估計出來的第i家企業(yè)可能發(fā)生財務(wù)危機的概率。
該模型是一個用來測度企業(yè)是否會發(fā)生財務(wù)危機的二元選擇模型。對這個模型的參數(shù)估計只能采用最大似然估計法。logistic模型的一個重要優(yōu)點是它把在(0,1)區(qū)間預(yù)測一個企業(yè)是否發(fā)生財務(wù)危機的概率的問題轉(zhuǎn)化為在實數(shù)軸上預(yù)測一個企業(yè)是否發(fā)生財務(wù)危機的機會比的問題,這與線性概率有著本質(zhì)上的不同和進步。
五、人工神經(jīng)網(wǎng)絡(luò)分析模型
運用線性概率分析、邏輯回歸方法來建立財務(wù)危機判別函數(shù)都是直接或者間接地依賴于線性函數(shù)來建立模型。存在的只是理論上的優(yōu)越性。往往并不能很好地擬合復(fù)雜的實際數(shù)據(jù)。1987年,lapedes和fayber首次應(yīng)用人工神經(jīng)網(wǎng)絡(luò)分析模型進行預(yù)測,開創(chuàng)了人工神經(jīng)網(wǎng)絡(luò)預(yù)警的先河。該模型是一種平行分散處理模型,其構(gòu)建理念基于對人類大腦神經(jīng)運作的模擬。它除具有較好的模式識別能力外,還可以克服傳統(tǒng)統(tǒng)計方法的局限,具有容錯能力。更難能可貴的是,該模型具有隨不斷變化的復(fù)雜環(huán)境進行自我學(xué)習(xí)的能力,因而使企業(yè)財務(wù)危機動態(tài)預(yù)警成為可能。
【關(guān)鍵詞】財務(wù)預(yù)警;財務(wù)危機;邏輯回歸
一、研究背景及意義
伴隨著我國社會主義市場經(jīng)濟體制改革的不斷深化,激烈的市場競爭不僅給我國上市公司帶來了磨練的機遇,也帶來了諸多新的挑戰(zhàn)。由于存在這種激烈的市場競爭氛圍,不可避免地會使一批實力不夠強大的上市公司陷入財務(wù)危機,這就會給與該上市公司有利益關(guān)聯(lián)的投資者、債權(quán)人、其他企業(yè)以及國家造成不利的影響。所以,構(gòu)造財務(wù)危機預(yù)警模型已成為世界各國學(xué)者爭相研究的熱門課題。由于所有預(yù)警模型的預(yù)測效果均受來自樣本容量和誤差的影響,而且在現(xiàn)實的經(jīng)濟世界中總會發(fā)生這樣或那樣的對上市公司生產(chǎn)經(jīng)營造成不利影響的偶然事件,因此人們建立的財務(wù)危機預(yù)警模型不是百分之百的準確。但是,一個判斷準確率較高的預(yù)警模型還是很有價值的,這對于保護與該上市公司有利益關(guān)聯(lián)的投資者、債權(quán)人、其他企業(yè)以及國家的利益具有重大意義。
二、關(guān)于財務(wù)危機含義的界定
財務(wù)危機(Financial Crisis)又稱財務(wù)困境(Financial Distress),破產(chǎn)是最為嚴重的財務(wù)危機,大多數(shù)國外學(xué)者的研究著眼點都是從企業(yè)破產(chǎn)著手的。在Beaver(1966)的研究中,79家“財務(wù)困境公司”包括59家破產(chǎn)公司、16家拖欠優(yōu)先股股利公司和3家拖欠債務(wù)的公司。由此可見,Beaver把破產(chǎn)、拖欠優(yōu)先股股利、拖欠債務(wù)界定為財務(wù)困境。Altman(1968)定義的財務(wù)困境是“進入法定破產(chǎn)的企業(yè)”。Deakin(1972)則認為財務(wù)困境公司“僅包括已經(jīng)經(jīng)歷破產(chǎn)、無力償債或為債權(quán)人利益而已經(jīng)進行清算的公司”。Carmichael(1972)認為財務(wù)困境是企業(yè)履行義務(wù)時受阻,具體表現(xiàn)為流動性不足、權(quán)益不足、債務(wù)拖欠及資金不足四種形式。國內(nèi)學(xué)者對財務(wù)危機的界定并多不,一般認為“財務(wù)危機是指企業(yè)因財務(wù)運作不善而導(dǎo)致財務(wù)狀況惡化的一系列動態(tài)結(jié)果”,將被ST的上市公司定義為陷入財務(wù)危機。
三、文獻回顧
(一)國外文獻回顧
最早進行財務(wù)預(yù)警模型研究的是Fitzpatrick(1932)所做的單變量破產(chǎn)預(yù)測模型,他以19家企業(yè)為樣本,運用單個財務(wù)比率將樣本分為破產(chǎn)和非破產(chǎn)兩組,結(jié)果發(fā)現(xiàn)判別能力最高的是凈利潤/股東權(quán)益和股東權(quán)益/負債兩個比率,而且在經(jīng)營失敗之前三年這些比率呈現(xiàn)出顯著差異。
Beaver(1966)選取了30個財務(wù)比率進行研究,在排除行業(yè)因素和公司資產(chǎn)規(guī)模因素的前提下,通過對30個比率進行單個檢驗,研究發(fā)現(xiàn)現(xiàn)金流量/債務(wù)總額,凈收益/資產(chǎn)總額,債務(wù)總額/資產(chǎn)總額對預(yù)測財務(wù)危機是有效的,其中現(xiàn)金流量/債務(wù)總額指標表現(xiàn)最好。
Altman(1968)提出的了多元判別模型—Z-score判別模型。他以1946年至1965年期間提出破產(chǎn)申請的33家公司和相對應(yīng)的33家非破產(chǎn)公司作為樣本,運用逐步多元區(qū)別分析法提煉最具有代表性的財務(wù)比率,通過統(tǒng)計技術(shù)篩選出在兩組間差別盡可能大而在兩組內(nèi)部的離散度最小的變量,從而將多個標志變量在最小信息損失下轉(zhuǎn)換為分類變量,獲得能有效提高預(yù)測精度的多元線性判別方程。用其財務(wù)比率擬合出一個多元線性函數(shù)方程,求出Z值,對其經(jīng)營狀況進行預(yù)測或判斷,發(fā)現(xiàn)模型的預(yù)測力在破產(chǎn)前一年的成功率明顯超過了一元判定模型。
Ohlson(1980)采用Logistic回歸方法建立財務(wù)預(yù)警模型,分析樣本公司在破產(chǎn)概率區(qū)間上的分布以及兩類判別錯誤和分割點的關(guān)系。Logistic回歸模型對于變量的分布不再有具體要求,而且在回歸時通過概率值進行預(yù)測,具有較好的實用性。
Coats和Fant(1993)使用BP神經(jīng)網(wǎng)絡(luò)理論,以Altman構(gòu)建的5個財務(wù)比率為研究變量建立財務(wù)預(yù)警模型,對財務(wù)失敗公司進行判別分析,結(jié)果表明Z值模型對破產(chǎn)當年具有很好的判斷效果,但不具有很好的提前預(yù)測效果,而神經(jīng)網(wǎng)絡(luò)模型能夠較好解決這一問題。
(二)國內(nèi)文獻回顧
受證券市場發(fā)展的影響,國內(nèi)對財務(wù)預(yù)警的研究起步較晚。吳世農(nóng)和黃世忠(1986)首次介紹了企業(yè)破產(chǎn)的分析指標和預(yù)測模型。周首華等(1996)選用1977-1990年31家國外破產(chǎn)公司和另外相對應(yīng)的同一行業(yè)、同一年度及相近凈銷售額的31家非破產(chǎn)公司作為研究樣本,提出了F分數(shù)模型,在充分考慮了企業(yè)現(xiàn)金流量的變動等方面的情況后,通過調(diào)整和更新指標對Z值模型進行修正。
我國直到1999年4月才真正開始了以我國企業(yè)數(shù)據(jù)為基礎(chǔ),建立適合我國國情的預(yù)警模型的實證研究。陳靜(1999)以1998年27個ST公司和27個非ST公司為樣本,最終選定資產(chǎn)負債率、凈資產(chǎn)收益率、總資產(chǎn)報酬率等6個財務(wù)指標,分別以公司被ST的前1年、前2年、前3年的財務(wù)數(shù)據(jù)為基礎(chǔ),用判別分析方法做了實證分析。在單變量判定分析中,選取了資產(chǎn)負債率、凈資產(chǎn)收益率、總資產(chǎn)收益率、流動比率4個財務(wù)指標進行了研究,發(fā)現(xiàn)在這4個財務(wù)指標中,流動比率與負債比率的誤判率最低;在多元判別分析中,選取了負債比率、凈資產(chǎn)收益率、凈利潤/年末總資產(chǎn)、流動比率、營運資本/總資產(chǎn)、總資產(chǎn)周轉(zhuǎn)率6個財務(wù)指標,構(gòu)建了Fisher判別分析模型,發(fā)現(xiàn)這個模型在ST發(fā)生的前3年能較好地預(yù)測ST。
張玲(2000)以120家公司為研究對象,使用其中60家公司(其中有30家1998或1999年戴帽的ST公司,30家績優(yōu)公司)的財務(wù)數(shù)據(jù)估計二類線性判別模型,并使用另外60家公司(其中有21家ST公司和隨機選擇的39家非ST公司)進行模型檢驗,經(jīng)過判別分析過程,從原來的15個特征財務(wù)比率變量中最后推導(dǎo)出只有4個變量:資產(chǎn)負債比率、營運資金與總資產(chǎn)比率、總資產(chǎn)利潤率、留成收益與資產(chǎn)總額的判別函數(shù),發(fā)現(xiàn)判別模型具有超前4年的預(yù)測結(jié)果。
吳世農(nóng)、盧賢義(2001)分別采用了剖面分析法、單變量判定分析方法、多變量判定方法進行財務(wù)危機預(yù)警研究。通過驗證比較最終得出結(jié)論:多變量判定模型優(yōu)于單變量模型,并且三種多變量判定模型的效果表明,Logit回歸模型的判定準確性最高。Logit回歸模型選取的預(yù)測變量有盈利增長指數(shù)、資產(chǎn)報酬率、流動比率、長期負債股東權(quán)益比率、營運資本/總資產(chǎn)、資產(chǎn)周轉(zhuǎn)率。
張愛民等(2001)在借鑒奧特曼(Altman)的多元Z值判定模型的基礎(chǔ)上,采用主成分分析方法,建立了一種新的預(yù)測企業(yè)財務(wù)失敗的模型——主成分預(yù)測模型,并把滬深兩地證券市場的ST公司界定為“財務(wù)失敗企業(yè)”,選取40家ST公司及與之相對應(yīng)的40家非ST公司共80家企業(yè)作為研究樣本,對上市公司財務(wù)失敗的主成分預(yù)測模型進行實證檢驗。5個提取的主成分分別為:成長能力、償債能力、收益能力之總資產(chǎn)報酬率、收益能力之銷售(營業(yè))利潤率、收益能力之凈資產(chǎn)收益率。檢測結(jié)果顯示:特別處理前一、二、三年40家測試企業(yè)分別有37、35、31家判斷正確,正確率分別達92.5%、87.5%、77.5%。
隨著統(tǒng)計技術(shù)和計算機技術(shù)的不斷發(fā)展,人工智能及人工神經(jīng)元網(wǎng)絡(luò)等技術(shù)也逐漸被引入到財務(wù)危機預(yù)警模型中,劉洪、何光輝(2004)選取每股凈資產(chǎn)、凈資產(chǎn)收益率、每股經(jīng)營現(xiàn)金流量、現(xiàn)金獲利指數(shù)、主營業(yè)務(wù)凈收益率、利息保障倍數(shù)、應(yīng)收賬款周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率、主營業(yè)務(wù)收人增長率、凈資產(chǎn)增長率10個財務(wù)指標,在用傳統(tǒng)的判別分析方法和邏輯回歸分析方法對公司經(jīng)營失敗建立預(yù)警模型的基礎(chǔ)上,探索應(yīng)用人工神經(jīng)網(wǎng)絡(luò)方法對該問題進行了比較研究。結(jié)果表明,人工神經(jīng)網(wǎng)絡(luò)方法的預(yù)測精度遠高于兩種傳統(tǒng)的統(tǒng)計方法。
四、BP人工神經(jīng)網(wǎng)絡(luò)技術(shù)的簡介
人工神經(jīng)網(wǎng)絡(luò)是一種平行分散處理模式,其構(gòu)建理念基于人類大腦神經(jīng)運作的模擬。人工神經(jīng)網(wǎng)絡(luò)除具有較好的模式識別能力外,還可以克服傳統(tǒng)統(tǒng)計方法的局限,因它具有容錯能力,對數(shù)據(jù)的分布要求不嚴格,具備處理資料遺漏或是錯誤的能力。最可貴的一點是人工神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)能力,可隨時依據(jù)新準備的數(shù)據(jù)資料進行自我學(xué)習(xí)、訓(xùn)練,調(diào)整其內(nèi)部的儲存權(quán)重參數(shù)以對應(yīng)多變的企業(yè)運作環(huán)境。前向三層BP神經(jīng)網(wǎng)絡(luò)方法被認為是最適用于模擬輸入、輸出的近似關(guān)系,它是在人工神經(jīng)網(wǎng)絡(luò)中算法最成熟、應(yīng)用最廣泛的一種。BP神經(jīng)網(wǎng)絡(luò)方法擺脫了一般回歸方法的局限,突破了依賴線性函數(shù)來建立統(tǒng)計模型的限制,用非線性函數(shù)更好地擬合實際資料數(shù)據(jù),實現(xiàn)了方法上的創(chuàng)新。
(一)BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
典型的BP神經(jīng)網(wǎng)絡(luò)模型是一個由輸入層、隱含層和輸出層組成的階層型神經(jīng)網(wǎng)絡(luò)。層間神經(jīng)元實現(xiàn)全連接,層內(nèi)神經(jīng)元無連接,其中隱含層可以是一層,也可以是多層。BP神經(jīng)網(wǎng)絡(luò)構(gòu)架如圖1所示。
BP網(wǎng)絡(luò)的產(chǎn)生歸功于BP算法的獲得。BP算法屬于δ算法,是一種監(jiān)督式的學(xué)習(xí)算法。其主要思想為:對于q個輸入學(xué)習(xí)樣本P1,P2,…,Pq,已知對應(yīng)的輸出樣本為T1,T2,…,Tq。學(xué)習(xí)的目的是用網(wǎng)絡(luò)的實際輸出A1,A2,…,Aq與目標矢量T1,T2,…,Tq之間的誤差來修改其權(quán)值,使Al(l=1,2,…q)與期望的Tl盡可能的接近,即使網(wǎng)絡(luò)輸出層的誤差平方和最小。它是通過連續(xù)地在相對誤差函數(shù)斜率下降的方向上計算網(wǎng)絡(luò)權(quán)值和偏差的變化而逐漸逼近目標的。
(二)MATLAB中的BP網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計和編程
我們假定一個7-15-1結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)預(yù)測模型。其中7-15-1表示7個輸入節(jié)點、15個隱層神經(jīng)元、1個輸出節(jié)點(定義:輸出1為有財務(wù)危機,輸出0為無財務(wù)危機,即矩陣[y])。輸入層到隱含層的傳遞函數(shù)確定tansig型傳遞函數(shù),隱含層到輸出層之間的傳遞函數(shù)都確定為logsig型傳遞函數(shù),目標誤差為0.00000001,學(xué)習(xí)速率為0.09,訓(xùn)練循環(huán)次數(shù)10000次。使用MATLAB編程語言,建立了一個前向三層BP網(wǎng)絡(luò),并運用若干個訓(xùn)練樣本作為學(xué)習(xí)集進行訓(xùn)練。再將另外若干個個測試樣本的7個同樣指標的原始數(shù)據(jù)代入網(wǎng)絡(luò)進行預(yù)測。則MATLAB編程語言如下:
通過運行上述程序,即可得出預(yù)測的矩陣[y]。將其與真實值進行對比,便可以求出預(yù)測的精確度。
參考文獻
[1]Altman,E.I.Financial Raions,Discriminant Analysis and Prediction of Corporate Bankruptcy.Journal of Finance,1968(9):589-609.
[2]Beaver,W.H.Financial Rations as Predictors of Failures.Journal of Accounting Research,Supplement,1966(4):71-127.
[3]Carmichael,D.R.1972,“The Auditor’s Reporting Obligation”,Auditing Research Monograph No.1(New York:AICPA),pp:94.
[4]Coats P,L F Fant.Recognizing Financial Distress Patterns Using A Neural Network Tool[J].Financial Management,1993,(22):142-155.
[5]Deakin,E.B.1972,“A Discriminant Analysis of Prediction of Business Failure”,Journal of Accounting Research(Spring):pp:167-169.
[6]Fitzpatrick.P.J.A comparison of ratios of successful industrial enterprises with those of failed firms[J].Certified Public Account,1932,Oct:598-605.
[7]Ohlson.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research,1980(19):109-131.
[8]陳靜.上市公司財務(wù)惡化預(yù)測的實證分析[J].會計研究,1994(4):31-38.
[9]叢爽.面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用(第3版)[M].中國科學(xué)技術(shù)大學(xué)出版社,2009.
[10]馮月平.Logistic財務(wù)預(yù)警回歸模型的構(gòu)建與檢驗—以我國制造業(yè)上市公司為例[M].青島理工大學(xué)2010級碩士論文.
[11]劉洪,何光軍.基于人工神經(jīng)網(wǎng)絡(luò)方法的上市公司經(jīng)營失敗預(yù)警研究[J].會計研究,2004(2).
[12]吳世農(nóng),黃世忠.企業(yè)破產(chǎn)的預(yù)測指標和檢測模型[J].中國經(jīng)濟問題,1986(6):5-8.
[13]吳世農(nóng),盧賢義.我國上市公司財務(wù)困境的預(yù)測模型研究[J].經(jīng)濟研究,2001(6):46-55.
[14]張愛民,祝春山,許丹健.上市公司財務(wù)失敗的主成分預(yù)測模型及其實證研究[J].金融研究,2001(3):10-25.
關(guān)鍵詞:上市公司 財務(wù)分析 財務(wù)指標
中圖分類號:F830.91 文獻標識碼:A
文章編號:1004-4914(2011)08-068-02
一、汾酒集團經(jīng)營狀況及相關(guān)行業(yè)背景的簡述和評價
汾酒集團為國有獨資公司,是全國最大的名優(yōu)白酒生產(chǎn)基地之一,是我國知名的白酒生產(chǎn)企業(yè)。對于汾酒集團所處的中國白酒行業(yè)則有如下的幾點特點:首先,由于白酒行業(yè)消費升級前提下的產(chǎn)品結(jié)構(gòu)調(diào)整,及其中低檔酒市場萎縮讓位于中高檔白酒產(chǎn)品的趨勢較為明顯。近幾年白酒行業(yè)銷售收入和利潤率大幅增長;其次,我國目前的白酒行業(yè)集中度提高,兩極分化日趨嚴重。形成了不同程度的寡占市場結(jié)構(gòu);再次,在產(chǎn)品差異化上,除一些諸如:汾酒集團等的大型企業(yè)在培養(yǎng)自己的特色產(chǎn)品外,市場中的眾多中小廠商未能突破產(chǎn)品差別化,沒有有效建立自己的消費群。這使得白酒行業(yè)整體差異化水平較低。最后,高檔化趨勢明顯,隨著經(jīng)濟的增長,高檔白酒消費將表現(xiàn)出比普通白酒更快的增長速度,并將替代部分中低檔產(chǎn)品??傮w來講,這樣的行業(yè)背景對于處于行業(yè)前列的汾酒集團,不管是現(xiàn)在的經(jīng)營還是未來的發(fā)展都是利大于弊的。然而,雖然中國白酒行業(yè)總體趨于寡占,但處于行業(yè)頂端的各公司間的競爭依然是非常激烈的。加之隨著中國市場的進一步開放,對于傳統(tǒng)白酒行業(yè)的沖擊是不可小覷的。
二、相關(guān)財務(wù)分析方法的介紹
企業(yè)財務(wù)分析的方法是由財務(wù)信息的使用者對財務(wù)分析的要求所決定的。盡管各個不同的分析主體進行財務(wù)分析的側(cè)重點不同,但都要求通過財務(wù)分析來揭示企業(yè)的經(jīng)營趨勢、公司盈利等方面的情況。具體的財務(wù)分析方法主要包括:基礎(chǔ)財務(wù)分析和綜合財務(wù)分析。
(一)基礎(chǔ)財務(wù)分析
基礎(chǔ)財務(wù)分析舉例主要有:趨勢分析、比率分析等。
1.趨勢分析法。趨勢分析法是將企業(yè)連續(xù)幾個時期的同類指標數(shù)字兩兩相除,求出趨勢比率,以確定分析其各有關(guān)項目的變動情況和趨勢的一種財務(wù)分析方法。
2.比率分析。財務(wù)比率是根據(jù)財務(wù)報表數(shù)據(jù)計算而來的反映財務(wù)報表各項目之間相互關(guān)系的比值。具體包括:衡量企業(yè)短期償債能力的流動比率、速動比率、現(xiàn)金比率,衡量企業(yè)資本結(jié)構(gòu)(長期償債能力)的資產(chǎn)負債率、產(chǎn)權(quán)比率,衡量企業(yè)盈利能力的營業(yè)毛利率、資產(chǎn)凈利率、凈資產(chǎn)收益率等財務(wù)比率。
(二)杜邦財務(wù)分析體系
杜邦財務(wù)分析體系,是利用各主要財務(wù)比率的內(nèi)在聯(lián)系,把反映企業(yè)償債能力、營運能力和盈利能力等單方面的指標結(jié)合起來,形成一套財務(wù)分析指標體系。
三、對汾酒集團的財務(wù)分析
會計人員的一個重要目的就是以有利于決策的形式向使用者報告財務(wù)信息。而這些看上去單調(diào)的財務(wù)報表和冗繁的財務(wù)數(shù)據(jù),就成為了在企業(yè)之內(nèi)和之外溝通財務(wù)信息的主要手段。下面我們就對汾酒集團相關(guān)財務(wù)報表、財務(wù)數(shù)據(jù)進行加工處理,以及在此基礎(chǔ)上做進一步的思考與分析。
(一)短期償債能力分析
短期償債能力主要是指企業(yè)流動資產(chǎn)及時足額償付流動負債的能力。具體到相關(guān)的財務(wù)指標主要包括:流動比率、速動比率、現(xiàn)金比率、流動負債經(jīng)營活動凈現(xiàn)金流比等。
1.汾酒集團2006-2009年短期償債能力指標情況。從表1中,我們可以直觀的看出汾酒集團的各項短期償債能力指標總體上講是比較穩(wěn)定的,從2006到2009年的四年間基本沒有較大的波動,尤其是速動比率幾乎沒有什么變化。至于現(xiàn)金比率和經(jīng)營活動凈現(xiàn)金流比除了2007年的小幅下挫,也基本維持在0.6左右。而流動比率還有逐年上升之勢。所以,總的來講近幾年汾酒集團的短期償債能力維持在一個較穩(wěn)的水平。然而,當我們的目光移出汾酒集團,投入到2006到2009年的整個宏觀經(jīng)濟環(huán)境時,我們就會發(fā)現(xiàn)情況遠沒有我們在圖表中看到的那樣樂觀和平穩(wěn)。在2008年金融危機中,很多的中國企業(yè)都受到嚴重的影響,有的甚至瀕臨破產(chǎn)甚至倒閉。而汾酒集團,最起碼從短期償債能力指標上來看,不但沒有受到金融危機的影響,而且除速動比率外的各項指標都比2007年有明顯的上揚。所以,進一步總結(jié),汾酒集團的短期償債能力不但是穩(wěn)定的而且是趨好的。
另外,我們還要指出的一點是:不要認為這樣好的短期償債能力對于公司就是絕對有利的。從另一個方面,它也說明了企業(yè)把很大一部分經(jīng)營所得以低收益資產(chǎn),甚至是以現(xiàn)金的形式保留,這也表明公司缺乏較好的長期投資機會和較成熟的短期投資管理。
2.汾酒集團短期償債能力指標與貴州茅臺相關(guān)指標的比較。當我們單獨考察汾酒集團的短期償債能力指標時,我們或許會為其短期償債能力如此之好而感嘆。但當我們將貴州茅臺,這個中國白酒行業(yè)的龍頭老大的數(shù)據(jù)至于其下進行比較時,我們就不再那么驚訝了。貴州茅臺的各相關(guān)比率除了經(jīng)營活動凈現(xiàn)金流比都要高于汾酒集團,有的甚至高出數(shù)倍。雖然沒有更多的數(shù)據(jù)佐證,但白酒行業(yè)慣常的高短期償債能力應(yīng)該是該行業(yè)的一個特點,這可能與它們較高的毛利率相關(guān)。
而另一方面,貴州茅臺的財務(wù)數(shù)據(jù)明顯要比汾酒集團有著更大的波動性,尤其是經(jīng)營活動凈現(xiàn)金流比,就會發(fā)現(xiàn)貴州茅臺財務(wù)數(shù)據(jù)的波動主要是源于2008年數(shù)據(jù)的突然下挫,顯然貴州茅臺比汾酒集團更大的受到了全球經(jīng)濟危機的影響。
(二)長期償債能力分析
長期償債能力分析,是指企業(yè)償還長期負債的能力,它不僅取決于企業(yè)在長期內(nèi)的盈利能力,還取決于企業(yè)的資本結(jié)構(gòu)。具體到相關(guān)的財務(wù)指標主要包括:資產(chǎn)負債率、產(chǎn)權(quán)比率、現(xiàn)金負債比。
1.汾酒集團長期償債能力分析。
從絕對上的數(shù)字來看,汾酒集團的資產(chǎn)負債率和產(chǎn)權(quán)比率,負債只占公司賬面價值的20%左右,股東權(quán)益的比重將近是負債的四倍左右。這表明汾酒集團對債務(wù)的依賴程度是很低的,也即企業(yè)的長期債務(wù)較少。當然這從一個方面就表明汾酒集團的長期償債能力是較強的。另外,從另一個方面,企業(yè)的現(xiàn)金償債總額比是比較高的,除2007年外,基本維持在0.6左右,這表明企業(yè)將近60%的長期債務(wù)是可以直接用現(xiàn)金償付的,這顯然是汾酒集團的長期償債能力較強的又一個佐證。
其次,從趨勢分析上來看,汾酒集團的資產(chǎn)債務(wù)率和產(chǎn)權(quán)比率在過去的四年里是相當平穩(wěn)的,波動率最高也只到25%左右,總的來講沿襲了我們在短期償債能力分析之中對公司經(jīng)營穩(wěn)定性的結(jié)論。
2.汾酒集團長期償債能力指標與貴州茅臺的比較。
比較了汾酒集團和貴州茅臺的數(shù)據(jù),我們略去過多的贅余,直接得出結(jié)論:首先貴州茅臺的資本結(jié)構(gòu)中債務(wù)的比重(最高是15%)比汾酒集團(最低也有18%)低很多??磥淼偷膫鶆?wù)依賴度,進而強的長期償債能力和低的經(jīng)營風(fēng)險是白酒行業(yè)的一個特點,所以我們或許可以少一些對汾酒集團的苛責(zé);其次考查汾酒集團與貴州茅臺的數(shù)據(jù)比較,汾酒集團的各項長期償債能力的財務(wù)指標,尤其是現(xiàn)金負債比,還是比貴州茅臺穩(wěn)定些。這也表明了汾酒集團的經(jīng)營是較為穩(wěn)定的。
四、對汾酒集團的財務(wù)狀況作出最終的評價
首先,從短期償債能力來講,總的來講汾酒集團的短期償債能力很好的,這一點對于債權(quán)人是有利的。而且從趨勢上,汾酒集團的短期償債能力是比較穩(wěn)定的,各相關(guān)指標的數(shù)據(jù)一直維持在一個較穩(wěn)定的水平上。不過,這對于公司而言,不見得就全是好的。過高的短期償債能力指標表明企業(yè)在短期投資,也即短期財務(wù)計劃和管理上缺乏效率,甚至非常薄弱。另外它從側(cè)面也表明企業(yè)長期投資的缺乏。具體而言:企業(yè)握有大量低收益的現(xiàn)金而不去做一些短期上的證券投資(交易性金融資產(chǎn)的數(shù)額多年來一直為0),長期上的投資也幾乎沒有(除了為數(shù)不多的長期股權(quán)投資,企業(yè)的持有至到期投資和可出售金融資產(chǎn)也是一直為0)。所以汾酒集團在日后應(yīng)將手里握有的巨大的現(xiàn)金財富更好的利用起來,而不是像現(xiàn)在這樣只是簡單的存入銀行中以使自己的財務(wù)費用多年保持負值。當然,如果我們考慮了貴州茅臺的相關(guān)數(shù)據(jù),或許這一點是整個白酒行業(yè)需要注意改進的。
其次,在長期償債能力上,汾酒集團的長期債務(wù)管理能力是很好的,債務(wù)依存度也較低,這也是貴州茅臺的特點。故此就行業(yè)背景而言,高的長期償債能力及低的債務(wù)依存度應(yīng)該是白酒行業(yè)的普遍特點。另外,在趨勢上講,汾酒集團的長期償債能力是很穩(wěn)定的。
再次,在盈利能力上,汾酒集團的表現(xiàn)依然是較為平穩(wěn)的。但它與白酒行業(yè)的龍頭老大貴州茅臺的差距依然是明顯的。這表明汾酒集團在今后的經(jīng)營中應(yīng)加強盈利能力的提高,在之后的杜邦財務(wù)分析體系中,我們又進一步分析到:提高盈利能力的癥結(jié)是對成本控制水平的提高。另外,在發(fā)展趨勢上,汾酒集團在銷售規(guī)模和資產(chǎn)規(guī)模上都有穩(wěn)步的提升,這表明汾酒集團的發(fā)展前景還是樂觀的。
最后,就營運能力而言,不論是汾酒集團還是貴州茅臺其存貨周轉(zhuǎn)率都很低,這表明白酒行業(yè)的平均存貨管理能力不強。在應(yīng)收賬款周轉(zhuǎn)率方面,汾酒集團則表現(xiàn)了較高的水平,體現(xiàn)了其應(yīng)收賬款管理能力的出眾。至于流動資產(chǎn)周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率,汾酒集團在數(shù)值上表現(xiàn)的較為穩(wěn)定,也即至少在過去的三年里其資本結(jié)構(gòu)沒有較大的變化。
參考文獻:
1.張裕強.企業(yè)財務(wù)報表分析方法研究――基于光明乳業(yè)股份有限公司的報表分析[D].上海財經(jīng)大學(xué)學(xué)位論文,2007
2.袁紅飛.吉林電力股份有限公司的財務(wù)分析與評價[D].吉林大學(xué)學(xué)位論,2008
3.張先治.基于管理者決策與控制的財務(wù)分析一企業(yè)內(nèi)部報告的財務(wù)分析應(yīng)用[J].財會月刊,2008(3)
4.楊有紅.西方財務(wù)分析淺論[J].財會研究,1994(8)
5.張立達.王雷.財務(wù)管理學(xué)[M].立信會計出版社,2007
6.姜國華.財務(wù)報表分析與證券投資[M].北京大學(xué)出版社,2008
7.李可人.企業(yè)財務(wù)分析指標研究[J].中小企業(yè)管理與科,2008,(22)
8.王彥忠.淺析財務(wù)分析指標的局限性[J].中國總會計師,2008(9)
9.彭新亮.上市公司財務(wù)報表分析指標淺析[J].北方經(jīng)貿(mào),2008(6)
10.夏群,馬雙燕.當前財務(wù)分析存在的問題及對策[J].長春金融高等專科學(xué)校學(xué)報,2008(4)
11.施慧敏.試論上市公司的財務(wù)指標分析要素[J].市場周刊(理論研究),2009(1)
12.鐘順東.淺論主要財務(wù)指標的分析[J].商業(yè)會計,2007(8)
13.楊有紅.西方財務(wù)分析淺論[J].財會研究,1994(8)
14.張彥臨.對上市公司財務(wù)指標分析方法的探討[J].煤炭企業(yè)管理,2000(5)
15.丹.改進現(xiàn)行財務(wù)分析指標體系的幾點建議[J].商業(yè)會計,2008(10)
16.郭斌.對企業(yè)財務(wù)分析的探討[J].商業(yè)會計,2008(10)
17.王靖楠.財務(wù)分析指標體系研究.當代經(jīng)濟[J],2009(5)
18王淑芝.上市公司財務(wù)指標分析.遼寧經(jīng)濟,2007(9)
財務(wù)困境的定義
一.國外研究
在進行財務(wù)困境預(yù)測時首先需要解決的是其概念的界定問題。從經(jīng)濟學(xué)的角度出發(fā),企業(yè)陷入財務(wù)困境是一個逐步的連續(xù)過程,通常從財務(wù)正常漸漸發(fā)展到財務(wù)困境,不存在一個明確的分界點將企業(yè)分為陷入財務(wù)困境和沒有陷入財務(wù)困境兩類,因此國內(nèi)外專家學(xué)者對財務(wù)困境有多種不同的定義方法,對財務(wù)困境也有不同的判斷標準。
在Beaver(1966)的研究中,他把財務(wù)困境定義為破產(chǎn)、拖欠優(yōu)先股股息、銀行透支和債券不能償付。Deakin(1972)認為財務(wù)困境包括已經(jīng)破產(chǎn)、無力償債或為債權(quán)人利益而已經(jīng)清算的公司。Carmichael (1972)認為財務(wù)困境是企業(yè)履行業(yè)務(wù)受阻,具體表現(xiàn)為流動性不足、權(quán)益不足、資金不足和債務(wù)拖欠。George Foster(1986) 在他的《Financial Statement Analysis》中指出:所謂財務(wù)困境,就是指公司出現(xiàn)了嚴重的資產(chǎn)折現(xiàn)問題,而且這種問題的解決必須要依賴于公司的經(jīng)營方式或存在形式的轉(zhuǎn)變。Morris(1997) 列出了嚴重程度依次遞減的12條企業(yè)陷入財務(wù)困境的標志:(1)債權(quán)人申請破產(chǎn)清算,企業(yè)自愿申請破產(chǎn)清算,或者被指定接收者完全接收;(2)公司股票在交易所被停止交易;(3)被會計師出具對持續(xù)經(jīng)營的保留意見;(4)與債權(quán)人發(fā)生債務(wù)重組;(5)債權(quán)人尋求資產(chǎn)保全;(6)違反債券契約,公司債券評級或信用評級下降,或發(fā)生對針對公司財產(chǎn)或董事的訴訟;(7)公司進行重組;(8)重新指定董事,或者公司聘請公司診斷師對企業(yè)進行診斷;(9)被接管(但不是所有被接管都預(yù)示企業(yè)陷入財務(wù)困境);(10)公司關(guān)閉或出售其部分產(chǎn)業(yè);(11)減少或未能分配股利,或者報告損失;(12)報告比市場預(yù)期或可接受水平低的利潤,或者公司股票的相對市場價格出現(xiàn)下降。
Ross (1999)認為應(yīng)從以下四個方面定義財務(wù)困境: (1)企業(yè)失敗,即企業(yè)清算后仍不能支付債權(quán)人的債務(wù);(2)法定破產(chǎn),即企業(yè)和債權(quán)人向法院申請破產(chǎn);(3)技術(shù)破產(chǎn),即企業(yè)無法按期履行債務(wù)合同還本付息;(4)會計破產(chǎn),即企業(yè)賬面凈資產(chǎn)出現(xiàn)負數(shù),資不抵債。
美國教授查爾斯?吉布森在經(jīng)過長期的實踐考察與分析之后,將財務(wù)困境總結(jié)為以下五種表現(xiàn):(1)企業(yè)被迫清算,他認為清算是企業(yè)在解散或者依法破產(chǎn)過程中,為了終結(jié)企業(yè)現(xiàn)存的各種法律關(guān)系,而由專門的工作機構(gòu)對企業(yè)的資產(chǎn)、債權(quán)、債務(wù)關(guān)系進行全面清查、作價及處理的一項財務(wù)工作。如果企業(yè)不是因為企業(yè)的法定營業(yè)期屆滿而開展這項工作,企業(yè)清算則屬被迫進行。因此,企業(yè)被迫清算既是企業(yè)財務(wù)失敗的直接表現(xiàn),也是財務(wù)困境無法扭轉(zhuǎn)的結(jié)局;(2)企業(yè)對短期債權(quán)人被迫實行延期付款。毫無疑義,延期付款破壞了企業(yè)與短期債權(quán)人的事先約定,降低了企業(yè)的商業(yè)信譽,從而給企業(yè)價值帶來負面影響。這是與企業(yè)價值最大化的財務(wù)管理目標相悖的,是財務(wù)困境的表現(xiàn);(3)企業(yè)延期償還債券利息,企業(yè)債券是反映債權(quán)債務(wù)關(guān)系的有價證券,當發(fā)行企業(yè)不能按期履行支付利息的法定責(zé)任時,這種有價證券就會貶值, 負債企業(yè)價值將會明顯下降,從而形成財務(wù)困境;(4)企業(yè)延期償還債券本金,當企業(yè)延期償還債券本金成為社會公眾所矚目的現(xiàn)實時,發(fā)行企業(yè)的資本實力和支付保障就成為虛構(gòu)成分。于是,該債券的市場價值與發(fā)行企業(yè)的價值則同時下降,形成財務(wù)困境現(xiàn)象;(5)企業(yè)無力支付優(yōu)先股股利,當企業(yè)無力支付應(yīng)當定期支付的優(yōu)先股股利時,企業(yè)價值將會受到市場投資者的重新確認,使企業(yè)價值貶值等等。
二.國內(nèi)研究
由于在實際的實證研究中,往往需要用客觀的,可以觀察到的標志來確定研究樣本,因此研究人員將企業(yè)是否申請破產(chǎn)作為企業(yè)是否陷入財務(wù)困境的標志。但是破產(chǎn)是一個法律行為, 除了受經(jīng)濟因素影響外,還受政治和其他非市場因素影響;另外陷入財務(wù)困境與企業(yè)是否破產(chǎn)并無確定的一一對應(yīng)關(guān)系,在我國這一情況尤為突出。因此,無法明確有效地定義財務(wù)困境,而只能根據(jù)實證研究的具體內(nèi)容確定。
在我國,暫時沒有對財務(wù)困境進行深入研究及下一個準確的定義,只是在《中華人民共和國破產(chǎn)法(試行)》第一章第三條對破產(chǎn)提出了一種定義,即定義為企業(yè)因經(jīng)營管理不善造成嚴重虧損,不能清償?shù)狡趥鶆?wù)。
由于國內(nèi)財務(wù)困境預(yù)測的研究對象主要針對上市公司,故一般將財務(wù)困境界定為財務(wù)狀況異常而被“特別處理”。1998年深滬證券交易所正式啟用了當上市公司出現(xiàn)“異常狀況”時,對上市公司進行“特別處理”的條款。“異常狀況”包括“財務(wù)狀況異?!焙汀捌渌麪顩r異?!?其中因“其他狀況異?!倍惶貏e處理具有很大的不確定性,難以從財務(wù)角度進行有效預(yù)測,而對“財務(wù)狀況異常”情況的界定符合一般認為企業(yè)財務(wù)狀況不健康的判斷。所以國內(nèi)研究人員一般將陷入財務(wù)困境的公司定義為因財務(wù)狀況異常而被特別處理的公司。在陳靜(1999)的研究中考慮到這個問題,但由于樣本量的限制,在實際樣本確定中未對被特別處理的原因加以區(qū)分。在陳曉和陳治鴻(2000)的同類研究中則界定了其研究對象是因財務(wù)狀況異常而被特別處理的公司。
財務(wù)困境預(yù)測
一.國外研究成果
財務(wù)困境預(yù)測在西方又普遍被稱為破產(chǎn)預(yù)測,西方的研究人員從20世紀40年代開始研究這一問題,取得了相對比較成熟的研究成果。
1.判別分析法(Discriminant Analysis,DA)
(1)單變量判別分析法(Univariate Discriminant Approach,UDA)
最早的財務(wù)困境預(yù)測研究是Fitzpatrick(1932)開展的單變量破產(chǎn)預(yù)測研究。1932年Fitzpatrick的相關(guān)文章“AComparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms”。他發(fā)現(xiàn)在所有指標中判別能力最高的是凈利潤/股東權(quán)益和股東權(quán)益/負債這兩個指標。由于當時缺乏先進的統(tǒng)計和計算工具,因此主要的研究方法是對失敗企業(yè)和正常企業(yè)的一系列財務(wù)比率進行經(jīng)驗分析和比較。這種狀況一直延續(xù)到1960年代初期,之后財務(wù)風(fēng)險判別研究才真正進入系統(tǒng)化階段。
1966年,William Beaver(1966)在其論文“Financial Ratios as Predictors of Failure”中率先提出了單變量分析法,提出了單一比率模型,即利用單一的財務(wù)比率來預(yù)測企業(yè)的財務(wù)困境。他發(fā)現(xiàn)最好的判別變量是營運資本流/負債(在公司破產(chǎn)的前一年成功地判別了90%的破產(chǎn)公司)和凈利潤/總資產(chǎn)(在同一階段的判別成功率是88%)。
(2)多變量判別分析法(Multivariate Discriminant Approach,MDA)
美國財務(wù)專家Altman(1968) 首先使用了多元線性判別模型研究公司的破產(chǎn)問題。他根據(jù)行業(yè)和資產(chǎn)規(guī)模,為33家破產(chǎn)公司選擇了33家非破產(chǎn)配對公司,確定了資產(chǎn)營運資本率、資產(chǎn)留存收益率、資產(chǎn)報酬率、債務(wù)權(quán)益市價率和總資產(chǎn)周轉(zhuǎn)率這5個變量作為判別變量,產(chǎn)生了一個總的判別企業(yè)財務(wù)狀況惡化程度的概率值即Z值。之后,Altman等(1977)又提出了一種能更準確預(yù)測企業(yè)財務(wù)困境的新模型-ZETA模型,由于向企業(yè)提供這項服務(wù)是有償?shù)?,他們并沒詳細介紹這一模型的具體操作方法。
2.邏輯(1ogit)和概率比(probit)回歸分析
多元判別分析模型存在嚴格的假設(shè)條件:如多元變量多元正態(tài)分布、多元變量的等協(xié)方差以及多元指標變量的平均向量、協(xié)方差、先驗概率及錯分成本必須為已知。但實證發(fā)現(xiàn)大多數(shù)財務(wù)比率并不滿足這一要求。且一旦出現(xiàn)虛擬變量,聯(lián)合正態(tài)分布的假設(shè)就完全不成立,而且產(chǎn)生的Z值沒有明確的含義。為克服這些局限性,自20世紀70年代末以來,財務(wù)困境研究人員引進了邏輯(1ogit)和概率比(probit)回歸方法。從而將問題簡化為已知一個公司具有某些性質(zhì)(由財務(wù)比率指標加以呈現(xiàn)),計算它在一段時間里陷入財務(wù)困境的條件概率有多大。如果算出的概率大于設(shè)定的分割點,則判定該公司在這段時間內(nèi)會陷入財務(wù)困境。
Ohlson(1980)使用logit方法分析了選用的非配對樣本在破產(chǎn)概率區(qū)間上的分布以及兩類判別錯誤和分割點的關(guān)系,認為以前根據(jù)行業(yè)和資產(chǎn)規(guī)模來進行樣本配對的選樣方法過于武斷,將資產(chǎn)規(guī)模變量直接放入模型中。用1970-1976年間105家破產(chǎn)公司及2058家正常公司為研究對象。采取9個財務(wù)變量來估計模型,實證結(jié)果表明,其中4項財務(wù)資料對評估破產(chǎn)概率具有統(tǒng)計顯著性,依次是規(guī)模(總資產(chǎn)/GNP物價指數(shù)后取對數(shù));資本結(jié)構(gòu)(總負債/總資產(chǎn));資產(chǎn)報酬率或來自經(jīng)營的資金/總負債;短期流動性(營運資金/總資產(chǎn)、流動負債/流動資產(chǎn)),判別正確率也高達92%以上。他構(gòu)造了兩個虛擬變量,OPNEG和INTWO,前者當企業(yè)總資產(chǎn)超過總負債時值為1,否則為0;后者當企業(yè)破產(chǎn)前兩年的凈利潤負時值為1,否則為0。其研究結(jié)果表明這兩個虛擬變量對模型的解釋能力甚至不低于某些常用的財務(wù)比率。他指出采用破產(chǎn)之后獲得的信息來預(yù)測破產(chǎn)會高估破產(chǎn)模型的預(yù)測能力。
1984年Zmijewski 使用probit分析模型,用邏輯比分析的方法對財務(wù)困境的預(yù)測進行了新的探索。他研究了兩組間樣本個體數(shù)量分配的問題,認為一一配對會使樣本中兩類公司的比例嚴重偏離兩類公司在實際總體中的比例,從而高估模型的預(yù)測能力,特別會高估對破產(chǎn)公司的預(yù)測能力。他的研究結(jié)果表明這種過度選樣所帶來的模型偏差的確存在,但并未顯著影響統(tǒng)計參數(shù)和模型的總體預(yù)測精度。
3.現(xiàn)代分析方法
隨著近年來計算機技術(shù)和信息技術(shù)的發(fā)展, 西方研究人員還將人工神經(jīng)元網(wǎng)絡(luò)、專家系統(tǒng)、遺傳算法等技術(shù)引入對財務(wù)困境的預(yù)測研究。
(1)人工神經(jīng)網(wǎng)絡(luò)分析方法(ANN)
在1980年代末期,神經(jīng)網(wǎng)絡(luò)理論(NN)開始興起,其影響也及于財務(wù)危機預(yù)測研究領(lǐng)域。雖然神經(jīng)網(wǎng)絡(luò)判別模型可謂是研究方法上的重大創(chuàng)新,但實際效果卻很不穩(wěn)定。例如,Coats 和Fant(1991)對47家財務(wù)危機公司和47家正常公司運用神經(jīng)網(wǎng)絡(luò)模型進行判別時,對財務(wù)危機公司的預(yù)測準確率達到了91%,明顯高于多元判別法72%的準確率。然而,Back等人在1994年所做的一項研究卻并不認為神經(jīng)網(wǎng)絡(luò)模型具有比多元判別分析(MDA)和Logistic分析明顯更佳的預(yù)測效果。Altman, Marco和Varetto(1995)對意大利公司財務(wù)危機預(yù)測中應(yīng)用了神經(jīng)網(wǎng)絡(luò)分析法。Coats, Fant(1993)、Trippi和Turban,Kevin、KarYanTan和MdodyY.Kiang(1992)采用了神經(jīng)網(wǎng)絡(luò)分析法分別對美國公司和銀行財務(wù)危機進行了預(yù)測,取得了一定的效果。Altman(1995)在對神經(jīng)網(wǎng)絡(luò)法和判別分析法的比較研究中得出結(jié)論“神經(jīng)網(wǎng)絡(luò)分析方法在信用風(fēng)險識別和預(yù)測中的應(yīng)用,并沒有實質(zhì)性的優(yōu)于線性判別模型”。
(2)期權(quán)定價理論
Charitou 和Trigeorgis(2000)使用B-S期權(quán)定價模型中的相關(guān)變量構(gòu)建了財務(wù)危機判別模型,對1983年到1994年期間的139對美國企業(yè)進行了對比檢驗,結(jié)果發(fā)現(xiàn)到期債務(wù)面值、企業(yè)資產(chǎn)的當期市價、企業(yè)價值變化的標準差等期權(quán)變量在預(yù)測破產(chǎn)方面作用顯著。不過,該研究的基礎(chǔ)方法仍然建立于Logistic回歸檢驗之上,僅僅在變量設(shè)計方面引入了期權(quán)因子,因此實際的理論貢獻不大。
(3)專家系統(tǒng)方法應(yīng)用(ES)
1988年Messier和Hansen將專家系統(tǒng)首次引入到財務(wù)困境預(yù)測領(lǐng)域,他們從知識獲取角度探討比較了專家系統(tǒng)(Expert System, ES)在信用分析領(lǐng)域的應(yīng)用。通過對71家公司的數(shù)據(jù)條件下將該方法與線性判別分析(LDA)、群決策等方法加以比較,結(jié)果證明專家系統(tǒng)分類效果最好,ES對檢驗樣本的正確分類率為87.5,而DA為57,并且比群決策的正確率穩(wěn)定。
二.國內(nèi)研究現(xiàn)狀
回顧有關(guān)文獻,我國學(xué)者在這方面的研究主要有:
周首華等利用Compustat Pc Plus會計數(shù)據(jù)庫中1990年以來4160家公司,使用Spss-X統(tǒng)計軟件建立了F分數(shù)模式(周首華等,1996)。但他們的研究對象卻不是中國的證券市場。
1999年陳靜以1998年27家ST公司和27家非ST公司為對象,使用1995~1997年的財務(wù)報表數(shù)據(jù),進行了單變量和二類線性判別分析,總體正確率為92.6%(陳靜,1999)。但是由于文章用于檢驗?zāi)P团袆e正確率的樣本就是用于估計模型參數(shù)的樣本,所以上述的判別正確率有高估的傾向。而且,根據(jù)我國上市公司的年報披露制度,上市公司t-1年度的財務(wù)報表的公開披露和上市公司在t年是否會被特別處理這兩個信息幾乎是同時得到的,因此,使用1997年度報表數(shù)據(jù)來預(yù)測1998年上市公司是否會被ST,就預(yù)測目的而言沒有太多的實際意義。
2000年張玲以120家上市公司為對象,使用其中60家公司的財務(wù)數(shù)據(jù)估計二類線性判別模型,并使用另外60家公司進行模型檢驗,發(fā)現(xiàn)模型具有超前4年的預(yù)測結(jié)果。2000年陳曉等將多元邏輯回歸模型引入上市公司的財務(wù)困境預(yù)測。2001年黃巖等則采用了費歇爾判別分析建立了我國工業(yè)類上市公司財務(wù)困境預(yù)測模型,并給出了所研究上市公司的Z值范圍。2001年吳世農(nóng)等則以140家上市公司為樣本比較了費歇爾判別、多元線性回歸分析和多元邏輯回歸分析的預(yù)測效果,發(fā)現(xiàn)多元邏輯回歸模型的判定能力最好。楊保安(2001)薛鋒(2002)探討了基于BP算法和LM算法的神經(jīng)網(wǎng)絡(luò)在企業(yè)財務(wù)危機預(yù)測上的應(yīng)用。
小結(jié)
相比之下,國內(nèi)對財務(wù)困境預(yù)測的相關(guān)研究目前還只處于起步狀態(tài),與國外研究存在著較大差距。但是綜合來看,不管國內(nèi)國外,都有一些在今后研究中需要繼續(xù)努力的地方:一是預(yù)測財務(wù)變量指標的選取很多憑直觀經(jīng)驗或直接借用已有研究成果,缺乏客觀基礎(chǔ)。二是大多數(shù)研究都僅僅對樣本的年度財務(wù)數(shù)據(jù)進行截面分析,而忽視了企業(yè)財務(wù)循環(huán)中的時間序列特征;三是很多研究都采用了“配對抽樣”方法為財務(wù)困境公司構(gòu)造一組控制樣本,盡管這么做可以控制一些因素如行業(yè)和資產(chǎn)規(guī)模,但是配對抽樣會造成樣本中兩類公司的比例和它們在總體中的比例嚴重不一致,夸大了預(yù)測模型的正確率(Zmijewski,1984)。四是將困境企業(yè)誤判為非困境企業(yè)與將非困境企業(yè)誤判為困境企業(yè)的誤判損失顯然是不同的,誤判成本如何與預(yù)測模型的判別性能結(jié)合是一個極需解決的問題,而目前還較少這方面的研究。這些都是我們今后進行財務(wù)困境預(yù)測所要努力的方向和研究的重點。
論文摘要:本文在分析國外在信貸風(fēng)險評估方法上創(chuàng)新、應(yīng)用及其發(fā)展趨勢的基礎(chǔ)上,結(jié)合內(nèi)部評級的國際經(jīng)驗,分析了我國商業(yè)銀行在信用風(fēng)險管理方式、控制手段和管理框架上的不足,提出了建立內(nèi)部評級體系的一系列措施,以期為我國金融機構(gòu)信貸風(fēng)險管理提供一些有益的參考。
一、信用評級相關(guān)研究成果綜述
(一)財務(wù)指標變量預(yù)測企業(yè)經(jīng)營危機的起源最早運用單一財務(wù)指標變量預(yù)測企業(yè)經(jīng)營危機的研究,始于1930年代的Smith&Winker(1930、1935)。Fitzpatrick(1932)進行單變量破產(chǎn)預(yù)測研究,選擇了19家公司作為樣本,運用單個財務(wù)比率指標將樣本劃分為破產(chǎn)和非破產(chǎn)兩組,發(fā)現(xiàn)判別能力最高的是凈利潤,股東權(quán)益和股東權(quán)益,負債兩個比率。1966年由威廉,比弗(WilliamBeaver)沿著該思路繼續(xù)研究。Beaver(1966)應(yīng)用統(tǒng)計方法研究1954~1964年期間的79家失敗企業(yè),并以單變量分析法建立財務(wù)危機預(yù)測模型。發(fā)現(xiàn)有些財務(wù)比率在兩組公司間確有顯著不同,其中“現(xiàn)金流量,負債總額”是預(yù)測經(jīng)營失敗的最佳指標,其次為“資產(chǎn)負債率”以及“資產(chǎn)報酬率”。筆者認為,Beaver用單一的財務(wù)指標變量來判別企業(yè)的違約概率這樣的復(fù)雜層面分類存在問題,因為企業(yè)違約概率的影響因素是多層面,僅用一個指標來判斷未免偏頗。
(二)多元線性判別分析模型典型的代表是美國的愛德華·阿爾特曼博士(Edward Airman)著名的Z-score模型和ZETA信用風(fēng)險模型。多元線性判別分析模型是研究對象所屬類別進行判別的一種統(tǒng)計分析方法,該方法是從若干表明觀測對象特征的變量值(財務(wù)比率)中篩選出能提供較多信息的變量并建立判別函數(shù),使推導(dǎo)出的判別函數(shù)對觀測樣本分類時的錯判率最小。Airman(1968)是率先將多變量分析用于預(yù)測財務(wù)困境公司,提出了著名的z一8COle模型。其過程包括各種可選函數(shù)(包括每個自由變量的相對貢獻的判決)的統(tǒng)計顯著性的觀測;相關(guān)變量的相關(guān)關(guān)系評價;各種變量組合預(yù)測精度的觀測;專家的意見。作者早在1968年對美國破產(chǎn)和非破產(chǎn)生產(chǎn)企業(yè)進行觀察,采用了22個財務(wù)比率經(jīng)過數(shù)理統(tǒng)計篩選建立了著名的5變量Z-score模型,最后選出了最具解釋力的5個財務(wù)指標,分別是營運資金/總負債、保留利潤/總資產(chǎn)、息稅前利潤/總資產(chǎn)、權(quán)益市價/總負債、銷售收入/總資產(chǎn)財務(wù)比率。根據(jù)比率對借款還本付息的影響程度確定變量權(quán)重,最后將每一個比率乘以相應(yīng)權(quán)重后相加,最后結(jié)合成一個線性模型,被定名為z-score模型。1977年Altman對此模型進行了修正和擴展,建立了ZETA信用風(fēng)險模型,模型變量由5個變?yōu)?個。對于此種不同期間導(dǎo)致模型的差異,Altman認為是由于企業(yè)環(huán)境的改變而需要使用不同的財務(wù)變量,且財務(wù)預(yù)警模型也可能因使用不同期間的財務(wù)報表而有差異。
(三)多元回歸模型來判別企業(yè)違約的代表Horrigan(1966)使用多元回歸模型預(yù)測Moody與S&P的評級,對各個不同的等級賦予主觀數(shù)值,如Aaa為9,A a為8,最低為c,數(shù)值為1,依次類推,最后的回歸模型包括總資產(chǎn)、債券順位、營運資金,營運收入、凈值,負債,凈值周轉(zhuǎn)率與凈利率等。其預(yù)測的正確率對Moody為58%,S&P為52%。其次West也使用多元回歸模型,利用其預(yù)測Moody與S&P的投資級債信評級,將Fisher(1959)用以估計風(fēng)險溢價的自變量建立一個多元回歸模型,針對Moody評級在B級以上的公司建立等級決定模型,其變數(shù)包括9年的獲利變異性、償債期間、負債權(quán)益比率與在外流通的債券總額等,正確率為62%。相對前述的危機預(yù)測,兩者的準確率均不高,原因之一是前述的預(yù)測只有兩類,非高即低,債券等級預(yù)測卻可能多達9個等級,在其他條件固定下預(yù)測正確率下降屬必然。
(四)神經(jīng)網(wǎng)絡(luò)分析法對財務(wù)危機進行預(yù)測雖然神經(jīng)網(wǎng)絡(luò)的理論可追溯到上個世紀40年代,但在信用風(fēng)險分析中的應(yīng)用還是始于上個世紀90年代。神經(jīng)網(wǎng)絡(luò)是從神經(jīng)心理學(xué)和認識科學(xué)研究成果出發(fā),應(yīng)用數(shù)學(xué)方法發(fā)展起來的一種并行分布模式處理系統(tǒng),具有高度并行計算能力、自學(xué)能力和容錯能力。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)是由一個輸入層、若干個中間隱含層和輸出層組成。國外研究者如Altman,Marco和Varetto(1995),對意大利公司財務(wù)危機預(yù)測中應(yīng)用了神經(jīng)網(wǎng)絡(luò)分析法。Coats,Pant(1993)采用神經(jīng)網(wǎng)絡(luò)分析法分別對美國公司和銀行財務(wù)危機進行了預(yù)測,取得了一定的效果。然而神經(jīng)網(wǎng)絡(luò)的最大缺點是其工作的隨機性較強。因為要得到一個較好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),需要人為地去調(diào)試,非常耗費人力與時間,因此應(yīng)用受到了限制。Altman(1995)在對神經(jīng)網(wǎng)絡(luò)法和判別分析法的比較研究中得出結(jié)論:神經(jīng)網(wǎng)絡(luò)分析方法在信用風(fēng)險識別和預(yù)測中的應(yīng)用,并沒有實質(zhì)性的優(yōu)于線性判別模型。但神經(jīng)網(wǎng)絡(luò)作為一門嶄新的信息處理科學(xué)仍然吸引著眾多領(lǐng)域的研究者。
(五)財務(wù)因素的可量化性、數(shù)據(jù)的可獲得性使其在傳統(tǒng)的信用評估研究中受到廣泛的關(guān)注由于財務(wù)因素在銀行信用評估分析中存在滯后性、灰色性(財務(wù)報表披露的信息很大程度上帶有不完整性,甚至虛假性)和短期性等諸多弊端,已有越來越多的學(xué)者將部分注意力轉(zhuǎn)移到非財務(wù)因素上。認為借款企業(yè)不是處于一個封閉的系統(tǒng)中,必然還要受到外部因素的影響和制約,認為非財務(wù)因素是未來貸款風(fēng)險的預(yù)警信號,因此,同時結(jié)合財務(wù)因素和非財務(wù)因素比僅用其中任一因素在違約率預(yù)測上更為精確。巴塞爾銀行監(jiān)督委員會(2001)要求銀行不僅要考慮定量因素,還要考慮定性因素?!栋腿麪栃沦Y本協(xié)議》于2004年正式公布,其推廣實施將對全球銀行業(yè)的發(fā)展格局產(chǎn)生深遠影響。新協(xié)議對銀行風(fēng)險管理提出了更高要求,強調(diào)了風(fēng)險計量的精確性、敏感性和標準化,突出了內(nèi)部評級法(Internal Ratings-Based Approaches,IRB)的地位和作用。正如巴塞爾委員會主席卡如納所說,內(nèi)部評級法作為新資本協(xié)議的核心技術(shù),代表著未來銀行業(yè)風(fēng)險管理和資本監(jiān)管的發(fā)展方向。內(nèi)部評級系統(tǒng)所提供的違約概率(PD)、違約損失率(LGD)、預(yù)期損失(EL)以及非預(yù)期損失(UL)等關(guān)鍵指標,在授信審批、貸款定價、限額管理、風(fēng)險預(yù)警等信貸管理流程中發(fā)揮著重要的決策支持作用。同時,該系統(tǒng)的計量分析結(jié)果也是制定信貸政策、計提準備金、分配經(jīng)濟資本以及實施RAROC管理的重要基礎(chǔ)。
二、國有商業(yè)銀行信貸風(fēng)險評級中的問題分析
(一)信用評級指標體系的組成有待進一步深入研究目前國有商業(yè)銀行使用的評級指標體系中選擇的各項指標大多是通過內(nèi)部從事信貸管理的專家確定的,屬于專家意見法,缺乏對于各項指標能否靈敏反映借款企業(yè)違約率、企業(yè)信用水平的定量化研究。此外,科學(xué)的評級指標體系應(yīng)該能夠全面而不冗余、重復(fù)的反映評級對象的風(fēng)險信息,僅通過專家意見法確定的評級指標體系難以實現(xiàn)這一目標。
(二)信用評級指標權(quán)重缺乏科學(xué)性目前評級方法中主要依靠專家的經(jīng)驗,即專家對各項指標相對重要性的認識,確定指標的各自權(quán)重,通過主觀意見確定權(quán)重形成的評級辦法在科學(xué)性與客觀性方面都存在問題,影響了評級結(jié)果的準確性,因此科學(xué)合理的確定評級指標權(quán)重,提高評級結(jié)果的準確性是目前需要解決的重要問題。
(三)國內(nèi)信用評級方法存在缺陷國內(nèi)學(xué)者和專業(yè)人士提出的貸款信用評級方法主要包括信用評分法,綜合評判法,判別分析法和神經(jīng)網(wǎng)絡(luò)預(yù)測法等,這些方法存在的主要缺陷:一是評級指標和權(quán)重的確定缺乏客觀依據(jù),基本依靠專家意見法確定,主觀性較強,某些研究雖然應(yīng)用了數(shù)理統(tǒng)計方法,但存在不能很好的解決反映風(fēng)險有關(guān)信息重疊與遺漏矛盾等方面的向題;二是模型只能對是否違約進行判斷,不能給出貸款違約概率等信息;三是由于模型不能給出貸款違約概率等信息,難以指導(dǎo)信貸定價等控制信用風(fēng)險的工作;四是神經(jīng)網(wǎng)絡(luò)方法存在的黑箱性、過分擬合不穩(wěn)定性、隨機性,可能實現(xiàn)局部最優(yōu)而非全局最優(yōu),因此這種方法的應(yīng)用性受到不少人特別是實務(wù)界的懷疑。
(四)商業(yè)銀行缺乏有效的信用風(fēng)險防范和控制手段在信用風(fēng)險防范和控制手段上,我國商業(yè)銀行沒有建立起分產(chǎn)品、分部門、分客戶的核算機制和以內(nèi)部資金轉(zhuǎn)移價格為中心的定價體系。貸款審查通常是以定性分析為主,缺少市場細分,盲目吸納大型客戶,沒有清晰的市場風(fēng)險、行業(yè)風(fēng)險和地區(qū)風(fēng)險控制的政策目標。在信用風(fēng)險發(fā)生后又急于抽回貸款,方式、方法過于簡單,容易造成企業(yè)經(jīng)營困難,甚至導(dǎo)致企業(yè)破產(chǎn)和銀行不良貸款的積累。另外,我國信用評級行業(yè)尚處在起步階段,存在問題較多,整體上難以達到國際上認可的技術(shù)和管理標準。健全的風(fēng)險管理框架是實現(xiàn)全面風(fēng)險管理的前提。國外銀行通過引進內(nèi)部評級制度,對信用風(fēng)險進行識別、評估和分類,并由風(fēng)險管理委員會等專職機構(gòu)來統(tǒng)籌信用風(fēng)險管理政策的執(zhí)行和協(xié)調(diào)。而國內(nèi)銀行此方面管理職責(zé)分散,缺乏專門的管理部門,而且不同類型的風(fēng)險由不同的部門負責(zé)。這種分散管理的做法,使得銀行系統(tǒng)缺乏統(tǒng)一的風(fēng)險管理戰(zhàn)略和政策,高層管理者更是無法清楚了解銀行面臨的整體風(fēng)險狀況。同時,分散管理還使得有些信用風(fēng)險因無人管理而陷入真空狀態(tài)。另外,我國商業(yè)銀行現(xiàn)行的組織管理結(jié)構(gòu)為典型的“金字塔”式結(jié)構(gòu),在實踐中存在管理層次多、決策滯后、風(fēng)險集中、成本過高等問題,縱向過長的鏈條加上商業(yè)銀行過大的規(guī)模使得信息傳遞和決策渠道存在過多環(huán)節(jié),極易形成銀行內(nèi)部委托鏈條上的信息不對稱,難以有效防范信用風(fēng)險的發(fā)生。
三、國有商業(yè)銀行內(nèi)部評級體系構(gòu)建的整體思路和方法步驟
論文摘要:對務(wù)報表是對企業(yè)經(jīng)營狀況評價的主要依據(jù)?對務(wù)報表分析方法的科學(xué)與否關(guān)系到評價的準確性和客現(xiàn)性。本文系統(tǒng)地介紹了對務(wù)報表分析的內(nèi)容及方法。
一、財務(wù)報表分析的含義和目的:
財務(wù)報表是總括地反映企業(yè)在一定時期內(nèi)的財務(wù)狀況和經(jīng)營成果等信息的書面文件?其內(nèi)容有兩方面:一是企業(yè)經(jīng)營成果?包括企業(yè)營業(yè)收人、成本控制和費用節(jié)省情況、利潤的多少和投資者獲得的紅利等;二是企業(yè)財務(wù)狀況的好壞?包括資金供應(yīng)、償債能力和企業(yè)的發(fā)展?jié)摿Φ?。財?wù)報表分析又稱財務(wù)分析?以財務(wù)報表和其他資料為依據(jù)和起點?采用專門方法?系統(tǒng)分析和評價企業(yè)的過去和現(xiàn)在的經(jīng)營成果、財務(wù)狀況及其變動?目的是了解過去、評價現(xiàn)在和預(yù)測將來?幫助利益關(guān)系集團改善決策。財務(wù)分析的最基本功能是將大量的報表數(shù)據(jù)轉(zhuǎn)換成對特定決策有用的信息?減少決策的不確定性。
企業(yè)對外的財務(wù)報表?是根據(jù)全體使用人的一般要求設(shè)計的?對于不同的使用人?他們的分析的目的不完全相同:
投資人:為決定是否投資?分析企業(yè)的資產(chǎn)和盈利能力;為決定是否轉(zhuǎn)讓股翰?分析盈利狀況?股份變動和發(fā)展前景;為考查經(jīng)營者業(yè)績?要分析資產(chǎn)盈利水平、破產(chǎn)風(fēng)險和能力;為決定股利分配政策?要分析籌資狀況。
債權(quán)人:為決定是否給企業(yè)貸款?要分析貸款的報酬和風(fēng)險;為了解債務(wù)人的短期償債能力?要分析其流動狀況;為了解債務(wù)人的長期償債能力?要分析其盈利狀況;為決定是否出讓債權(quán)?要評價其價值。
經(jīng)理人員:為改善財務(wù)決策而進行財務(wù)分析?涉及的內(nèi)容最廣泛?幾乎包括外部使用人關(guān)心的所有間題。政府:要通過財務(wù)分析了解企業(yè)納稅情況;遵守政府法規(guī)和市場秩序的情況?職工收入和就業(yè)狀況。
分析財務(wù)報表的一般目的可以概括為:評價過去的經(jīng)營業(yè)績?衡量現(xiàn)在財務(wù)狀況?預(yù)測未來的發(fā)展趨勢。
二、財務(wù)報表分析的內(nèi)容
不同的報表使用者?由于其對財務(wù)信息的需求不同?因而相應(yīng)地財務(wù)報表分析的內(nèi)容也不同。但概括起來?財務(wù)報表分析的內(nèi)容主要包括以下幾個方面:
1、資本結(jié)構(gòu)分析
企業(yè)在生產(chǎn)經(jīng)營過程中周轉(zhuǎn)使用的資金?包括從債權(quán)人借人和企業(yè)自有兩部分?是以不同的形態(tài)分配和使用。資本結(jié)構(gòu)的建立和合理與否?直接關(guān)系到企業(yè)經(jīng)濟實力的充實和經(jīng)營基礎(chǔ)的穩(wěn)定與否。分析資本結(jié)構(gòu)對企業(yè)的經(jīng)營者、投資者或債權(quán)人都具有十分重要的意義。
2,償債能力分析
企業(yè)在生產(chǎn)經(jīng)營過程中?為了彌補自有資金的不足?經(jīng)常通過舉債籌集部分生產(chǎn)經(jīng)營資金。因此企業(yè)經(jīng)營者通過財務(wù)報表分析?測定企業(yè)的償債能力?有利于作出正確的籌集決策。而對債權(quán)人來說?償債能力的強弱是其作出貸款決策的基本依據(jù)。
3、獲利能力分析
獲取利潤是企業(yè)的最終目的?也是投資者投資的基本目的。獲利能力的大小顯示著企業(yè)經(jīng)營管理的成敗和企業(yè)未來前景的好壞。
4、資金運用效率分析
資金利用效率的高低直接關(guān)系到企業(yè)獲利能力大小?預(yù)示著企業(yè)未來的發(fā)展前景?是企業(yè)經(jīng)營者和投資者財務(wù)報表分析的一項重要內(nèi)容。
5,財務(wù)狀況變動分析
財務(wù)狀況變動分析主要是通過財務(wù)狀況變動表或現(xiàn)金流量表的各項目的研究和評價?了解企業(yè)當期內(nèi)資金流人的數(shù)量及其渠道?資金流出的數(shù)量及其用途?期初和期末相比企業(yè)資金增加或減少了多少?是什么原因引起的?從而正確評價企業(yè)的償債能力和支付能力?為決策提供充分的依據(jù)。
6、成本費用分析
在市場經(jīng)濟條件下?產(chǎn)品的價格是市場決定的。企業(yè)如果能降低成本?減少費用?就會獲得較高的利潤?從而在市場競爭中處于有利的地位由于有關(guān)成本、費用的報表屬于企業(yè)內(nèi)部使用報表?投資者、債權(quán)人一般無法取得?因而成本費用的分析是企業(yè)經(jīng)營者財務(wù)報表分析的重要內(nèi)容。
三、財務(wù)報表分析的方法
財務(wù)報表分析的方法很多?基本方法有趨勢分析、結(jié)構(gòu)分析、財務(wù)指標分析、比較分析和因素分析等幾種。
1、趨勢分析法
趨勢分析法是通過觀察連續(xù)數(shù)期的財務(wù)報表?比較各期的有關(guān)項目金額?分析某些指標的增減變動情況?在此基礎(chǔ)上判斷其發(fā)展趨勢?從而對未來可能出現(xiàn)的結(jié)果作出預(yù)測的一種分析方法運用趨勢分析法?報表使用者可以了解有關(guān)項目變動的基本趨勢?判斷這種趨勢是否有利并對企業(yè)的未來發(fā)展作出預(yù)測。
例如?a商場2000年1一6月份有關(guān)商品銷售資料如表所示:
根據(jù)表1數(shù)字資料?進一步計算各項目的趨勢百分比。趨勢百分比分為定比和環(huán)比兩種。(1>以1月份為基期?其余各期與基期比較?計算出趨勢百分比?即定比。表2為1一6月份的定比。
從表2可以看出?用百分比反映的變化趨勢較之用絕對數(shù)(表1)?更能說明a商場6個月來光銷售收人增長了45%?而銷售利潤則增長了67%?高于銷售收人的增長?其原因主要是銷售成本增長低于銷售收入的增長?從而影響了銷售利潤的增長。
(2>將各期項目數(shù)和前期數(shù)目相比較?計算出趨勢百分比?即環(huán)比。表3為1一6月份的環(huán)比。
從表3可以看出?銷售成本逐月增長?而且增長速度是遞增的;銷售收人雖然都在增長?但增長速度較慢?其結(jié)果是銷售利潤雖然逐月在增長?但增長速度在遞減?而且到6月份增長率僅為111%0
2、結(jié)構(gòu)分析法
所謂結(jié)構(gòu)分析法是指將財務(wù)報表中某一關(guān)鍵項目的數(shù)字作為基數(shù)(即為100%)?再計算該項目各個組成部分占總體的百分比?以分析總體構(gòu)成的變化?從而揭示出財務(wù)報表中各項目的相對地位和總體結(jié)構(gòu)關(guān)系。
仍以表1中a商場的銷售收人等項目數(shù)據(jù)為例?以銷售收入為100%?計算出其他項目的結(jié)構(gòu)百分比?如表40
從各期結(jié)構(gòu)百分比的變動情況可以看出?由于銷售成本逐期下降?導(dǎo)致產(chǎn)品利潤占銷售收人的比重逐年下降。結(jié)構(gòu)分析對于資產(chǎn)負債表和損益表的分析是很有用的。作為基數(shù)的項目?在損益表通常為產(chǎn)品銷售收入?在資產(chǎn)負債表中?通常為資產(chǎn)總額、負債總額和所有者權(quán)益總額。
3,時比分析法
對比分析法是將財務(wù)報表中的某些項目或比率與其他的相關(guān)資料對比來確定數(shù)量差異?以說明和評價企業(yè)的財務(wù)狀況和經(jīng)營成績的一種報表分析方法。按照相互對比的雙方可以分為以下幾個方面:
(1)本期的實際數(shù)據(jù)與前期(上月、上季、上年等)的數(shù)據(jù)相比較?以反映生產(chǎn)經(jīng)營活動的發(fā)展狀態(tài)?考察且改進情況。
(2)本企業(yè)的數(shù)據(jù)與同行業(yè)其他企業(yè)或全行業(yè)的平均水平、先進水平相比較?以發(fā)現(xiàn)企業(yè)同先進水平的差距?找出潛力之所在。
(3)本期的實際發(fā)生數(shù)與計劃數(shù)、預(yù)算數(shù)相比較?檢查計劃完成情況?給進一步分析提供方向。
(4)期末數(shù)與期初數(shù)相比較?說明本期生產(chǎn)經(jīng)營和財務(wù)狀況的最新變動。
總之?通過企業(yè)財務(wù)數(shù)據(jù)的對比?可以揭示企業(yè)取得的成績和存在的差距?發(fā)現(xiàn)問題?為進一步分析原因、挖掘潛力指明方向或提供線索。
4、因素分析法
因素分析法是通過分析影響財務(wù)指標的各項因素及其對指標的影響程度?說明本期實際與計劃或基期相比較發(fā)生變動的主要原因以及各變動因素對財務(wù)指標變動的影響程度的一種分析方法。
假設(shè)b公司?有關(guān)數(shù)據(jù)如下:
權(quán)益凈利率二資產(chǎn)凈利率x權(quán)益年數(shù)
第一年14.93%二7.39%x2.02
第二年12.12%二6%x 2.02
通過分解可以看出?權(quán)益凈利率的下降不在于資本結(jié)構(gòu)?而是資產(chǎn)利用或成本控制發(fā)生了問題?造成凈資產(chǎn)利率下降。
例如又可以對資產(chǎn)凈利率進行分解:
資產(chǎn)凈利率=銷售凈利率x資產(chǎn)周轉(zhuǎn)率
第一年7.39%=4.53%x 1.6304
第二年6%=3%x 2
通過分解可以看出?資產(chǎn)的使用效率提高了?但由此帶來的收益不足以抵補銷售凈利率下降造成的損失。
運用因素分析法的一般程序是?首先明確某項財務(wù)指標受哪些因素的影響;其次確定各種因素與該指標之間的數(shù)量關(guān)系?是加減關(guān)系還是乘除關(guān)系?在此基礎(chǔ)上?列成一個分析計算式;再次計算確定各種因素影響財務(wù)指標變動程度的數(shù)額。
5、比率分析法
比率分析是在同一張財務(wù)報表的不同項目或不同類別之間?或在不同財務(wù)報表的有關(guān)項目之間?用比率來反映它們互相之間的關(guān)系?據(jù)以評價企業(yè)的財務(wù)狀況和經(jīng)營業(yè)績?并找出經(jīng)營中存在的問題和解決辦法。
財務(wù)比率可以分為以下四類:
(1)變現(xiàn)能力比率?如流動比率、速動比率。
(2)資產(chǎn)管理比率?如存貨周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、應(yīng)收帳款周轉(zhuǎn)率等。
(3)負債比率?如資產(chǎn)負債率、產(chǎn)權(quán)比率、有形凈值債務(wù)率和已獲利息倍數(shù)等。
摘要:論文以西部礦業(yè)為例,結(jié)合資源型企業(yè)特點,嵌入生態(tài)影響因素,重新構(gòu)建與客觀區(qū)位環(huán)境相適應(yīng)的企業(yè)績效評價體系。選取企業(yè)2011―2014年度數(shù)據(jù)為訓(xùn)練樣本,運用灰色關(guān)聯(lián)度分析法對各項指標的優(yōu)劣進行評價得出,論文構(gòu)建的資源型企業(yè)績效評價指標體系與企業(yè)績效評價結(jié)果關(guān)聯(lián)度較高。以企業(yè)2015年度數(shù)據(jù)為檢驗樣本,發(fā)現(xiàn)企業(yè)在盈利能力、償債能力、發(fā)展能力、污染控制能力及環(huán)保力度等方面存在不足,提出了針對性的績效管控對策。
關(guān)鍵詞:灰色關(guān)聯(lián)度分析法 資源型企業(yè) 績效評價 管理控制
根據(jù)全國的主體功能區(qū)規(guī)劃,青海屬保障國家生態(tài)安全的“兩屏三帶”生態(tài)地區(qū),生態(tài)地位特殊。資源型企業(yè)是一種特殊類型的企業(yè),其社會責(zé)任具有明顯異于其他類型企業(yè)的特征,但目前資源型企業(yè)的社會責(zé)任缺失問題較為突出,由此引發(fā)的生態(tài)問題也給社會造成了負面影響。論文基于企業(yè)可持續(xù)發(fā)展的視角,以西部礦業(yè)為例,嵌入環(huán)境因素來重新構(gòu)建生態(tài)脆弱地區(qū)資源型企業(yè)績效評價指標體系,引導(dǎo)企業(yè)綜合考慮企業(yè)發(fā)展的環(huán)境影響和經(jīng)濟影響,自覺維護生態(tài)秩序,保護利益相關(guān)者的利益,形成資源型企業(yè)與生態(tài)環(huán)境和諧發(fā)展長效機制。
一、理論基礎(chǔ)
(一)生態(tài)經(jīng)濟理論
傳統(tǒng)經(jīng)濟學(xué)注重資源所能創(chuàng)造的價值而忽視了資源過度開發(fā)使用帶來的外部經(jīng)濟性,對自然資源肆意消耗的成本費用由環(huán)境“買單”的后果是造成各種環(huán)境污染、生態(tài)破壞,而企業(yè)自愿買單的結(jié)果就是污染治理支出,被動埋單的結(jié)果則是受到有關(guān)環(huán)保監(jiān)管部門的處罰,最終導(dǎo)致企業(yè)經(jīng)濟利益流失的同時名譽受損。自黨的十將生態(tài)文明建設(shè)并入中國特色社會主義建設(shè)中以來,“五位一體”的總布局實為深入貫徹科學(xué)發(fā)展觀的新部署。生態(tài)文明時代下,協(xié)調(diào)生態(tài)環(huán)境保護與經(jīng)濟發(fā)展的矛盾顯得尤為迫切。事實證明,經(jīng)濟發(fā)展與環(huán)境保護的相互協(xié)調(diào)可以保證經(jīng)濟的良性發(fā)展。生態(tài)經(jīng)濟理論旨在協(xié)調(diào)生態(tài)、經(jīng)濟兩者間的相互關(guān)系,主張堅持走生態(tài)發(fā)展的道路,明確樹立可持續(xù)發(fā)展觀念對企業(yè)乃至整個社會發(fā)展的重大意義。
(二)利益相關(guān)者理論
利益相關(guān)者理論的鼻祖Freeman給利益相關(guān)者下了一個日后成為經(jīng)典的定義:“一個組織里的利益相關(guān)者是可以影響到組織目標的實現(xiàn)或受其實現(xiàn)影響的群體或個人”。可見Freeman是從廣義的角度來定義利益相關(guān)者的概念。
當代企業(yè)具有經(jīng)濟、生態(tài)、社會三重屬性,因此績效評價的價值導(dǎo)向應(yīng)當是包含企業(yè)三重屬性的廣義利益相關(guān)者價值取向,這里廣義利益相關(guān)者是包含了企業(yè)的直接利益相關(guān)者、后代利益相關(guān)者、社會利益相關(guān)者、生態(tài)利益相關(guān)者等,而對于后代、間接利益相關(guān)者,企業(yè)生態(tài)價值和社會價值的創(chuàng)造直接影響著他們以及企業(yè)自身生存發(fā)展的持續(xù)性和穩(wěn)定性。
二、資源型企業(yè)績效評價指標體系構(gòu)建――以西部礦業(yè)為例
(一)資源型企業(yè)概念界定
資源是物力、財力、人力等各種物質(zhì)要素的總稱,有社會資源和自然資源之分,狹義的資源僅指自然資源。資源型企業(yè)是通過占有自然資源,以自然資源開發(fā)為主或以自然資源為主要投入,輔以后續(xù)加工,盡可能利用區(qū)域內(nèi)存在的自然條件,依靠資源的消耗實現(xiàn)成長,最終以盈利為目的,具有法人資格,實行自主經(jīng)營、獨立核算的盈利性經(jīng)濟實體。
(二)西部礦業(yè)簡介
西部礦業(yè)股份有限公司(以下簡稱西部礦業(yè))是青海省一家以礦產(chǎn)資源綜合開發(fā)為主業(yè)的大型礦業(yè)上市公司。主要從事銅、鉛、鋅、鋁、鐵等基本金屬、黑色金屬和非金屬磷礦的采選、冶煉、貿(mào)易等業(yè)務(wù)。經(jīng)過近幾年的發(fā)展,公司逐漸形成了以資源開發(fā)為基礎(chǔ),以技術(shù)進步為動力,以發(fā)展民族經(jīng)濟為己任的資源型大型礦業(yè)集團公司。
(三)資源型企業(yè)績效評價體系構(gòu)建
現(xiàn)有績效評價體系沒有考慮資源型企業(yè)對環(huán)境的影響因素,不能有效激勵企業(yè)建立可持續(xù)發(fā)展的戰(zhàn)略目標,因此,本文以西部礦業(yè)為例,根據(jù)企業(yè)獨特環(huán)境特點及企業(yè)性質(zhì),嵌入環(huán)境因素,引入生態(tài)收益有關(guān)指標,結(jié)合財務(wù)指標和非財務(wù)指標,重新構(gòu)建資源型企業(yè)績效評價指標體系,以全面考核企業(yè)的經(jīng)營績效。具體指標體系設(shè)計如表1所示。
三、灰色關(guān)聯(lián)度分析法在西部礦業(yè)績效評價中的應(yīng)用
本文選取青海省資源型上市公司――西部礦業(yè)為樣本,運用灰色關(guān)聯(lián)度分析法,通過計算各指標與企業(yè)績效評價結(jié)果之間的關(guān)聯(lián)度,進行資源型企業(yè)績效評價指標優(yōu)劣的評價。
(一)灰色關(guān)聯(lián)度分析法介紹
灰色系統(tǒng)理論是我國學(xué)者鄧聚龍教授于20世紀80年代提出的。利用灰色關(guān)聯(lián)度分析法分析企業(yè)績效評價指標的優(yōu)劣水平,即對各績效評價指標進行排序,分析各評價指標與理想指標的接近程度,評價指標與理想指標越接近,其關(guān)聯(lián)度就越大。其中關(guān)聯(lián)度最大的評價指標為最優(yōu)。
(二)灰色關(guān)聯(lián)度分析法在西部礦業(yè)績效評價中的應(yīng)用
1.數(shù)據(jù)選取。本文選取西部礦業(yè)2011―2014年度的財務(wù)與非財務(wù)數(shù)據(jù),財務(wù)信息來源于和訊網(wǎng)披露的年度報告,非財務(wù)信息主要依靠實地調(diào)研和閱讀企業(yè)年度社會責(zé)任報告、環(huán)境報告取得(見下頁表2)。
2.對數(shù)據(jù)進行無量綱化處理(見下頁表3)。
3.計算絕對差值OX0(k)-Xi(k)O。結(jié)果見下頁表4。
min minOX0(k)-Xi(k)O=min(0.0700,0.0300,0.3445,0.0400,14.8700,17.6400,0.0055,0.0375,0.4800,0.7500,0.3598,0.2856,6.2300,0.2356,0.4966,0.2441)=0.0055為兩級最小差;
max maxOX0(k)-Xi(k)O=max(0.9300,0.9700,0.8900,0.9600,15.2361,18.2666,0.1235,0.2000,0.8111,1.1100,0.3774,0.7300,7.3614,0.8200,1.0004,0.9819)=18.2666為兩級最大差。
4.計算關(guān)聯(lián)系數(shù)。利用公式ξ0i(k)=[min minOX0(k)-Xi(k)O+ρ max maxOX0(k)-Xi(k)O]/ [OX0(k)-Xi(k)O+ρ max maxOX0(k)-Xi(k)O],ρ取0.5,求得共計4×16個關(guān)聯(lián)系數(shù)ξ0i(k)。
5.計算關(guān)聯(lián)系數(shù)均值。
利用公式roi=(1/n)ξ0i(k)計算每個指標的關(guān)聯(lián)系數(shù)均值,結(jié)果見表6。
6.結(jié)果評價。由上述分析結(jié)果可知,除A21(存貨周轉(zhuǎn)率)、A22(應(yīng)收賬款周轉(zhuǎn)率)兩個指標與企業(yè)績效的關(guān)聯(lián)度小于0.5外,其余指標與績效評價結(jié)果的關(guān)聯(lián)程度均大于0.5,指標關(guān)聯(lián)度大于0.5的比重為87.5%(14/16=0.875),說明構(gòu)建的指標體系能有效地評價企業(yè)的績效。
16項指標按其與企業(yè)績效評價結(jié)果的關(guān)聯(lián)程度由高到低依次為:A23>A31>A14>A34>A12>A11>A43>A41>B21>A13>A32>B11>A33>A42>A21。其中,指標A23(總資產(chǎn)周轉(zhuǎn)率)與企業(yè)績效評價結(jié)果的關(guān)聯(lián)程度最高(0.9942),A31(現(xiàn)金比率)次之(0.9888),A14(銷售生態(tài)收益率)排名第三(0.9645),指標A22(應(yīng)收賬款周轉(zhuǎn)率)與企業(yè)績效評價結(jié)果的關(guān)聯(lián)程度最低(0.3365)。
突破傳統(tǒng)的企業(yè)績效財務(wù)指標評價體系,本文構(gòu)建的4個財務(wù)指標――凈資產(chǎn)生態(tài)收益率(A11)、總資產(chǎn)生態(tài)收益率(A12)、銷售生態(tài)收益率(A14)、生態(tài)收益增長率(A42),2個非財務(wù)指標――排污成本率(B11)、環(huán)保投資率(B21)與績效評價結(jié)果的關(guān)聯(lián)度分別為0.9565、0.9597、0.9645、0.56661、09234、0.9487,均大于0.5,且除了生態(tài)收益增長率外,其余指標與績效評價結(jié)果的關(guān)聯(lián)度均高于0.9,因此,本文在傳統(tǒng)的企業(yè)績效財務(wù)指標評價體系基礎(chǔ)之上,根據(jù)西部礦業(yè)所處環(huán)境的特點,構(gòu)建的6項績效評價指標與資源型企業(yè)績效評價結(jié)果的關(guān)聯(lián)程度較高,這6項指標的引入對于提高資源型企業(yè)績效評價有很強的效果性。
由表7可以看出,與企業(yè)績效評價結(jié)果的關(guān)聯(lián)程度最高的指標A23(總資產(chǎn)周轉(zhuǎn)率)高于參考值,說明西部礦業(yè)在2015年度總資產(chǎn)管理能力提升。除反映企業(yè)資產(chǎn)管理能力的三項指標:A21(存貨周轉(zhuǎn)率)、A23(總資產(chǎn)周轉(zhuǎn)率)、A22(應(yīng)收賬款周轉(zhuǎn)率)外,其余各項財務(wù)指標比率均小于參考值,西部礦業(yè)應(yīng)在日后的經(jīng)營管理中在盈利能力、償債能力、發(fā)展能力、污染治理能力及環(huán)保力度等方面進一步加強。企業(yè)在績效考評方面除了對財務(wù)指標進行考量外,也應(yīng)注重污染控制、環(huán)境保護等方面的指標考量。
四、西部礦業(yè)績效管控對策
本文在傳統(tǒng)財務(wù)指標體系之上,嵌入環(huán)境影響因素,引入生態(tài)收益有關(guān)指標,重新構(gòu)建資源型企業(yè)績效評價指標體系。發(fā)現(xiàn)構(gòu)建的4個財務(wù)指標(凈資產(chǎn)生態(tài)收益率、總資產(chǎn)生態(tài)收益率、銷售生態(tài)收益率、生態(tài)收益增長率)和2個非財務(wù)指標(排污成本率和環(huán)保投資率)在企業(yè)2015年度的比率均低于參考值,故針對西部礦業(yè)績效管控提出以下幾點對策建議:
(一)強化環(huán)保力度
環(huán)保投資力度體現(xiàn)的是企業(yè)的社會責(zé)任和環(huán)保意識,與企業(yè)績效成果緊密相關(guān),因此,對于容易對環(huán)境造成破壞的資源型企業(yè)而言,強有力的環(huán)保舉措不僅能為周圍環(huán)境的良好勢態(tài)做貢獻,而且也能為企業(yè)贏得正面的社會形象,這部分不可量化的收益作為一筆無形財富帶來企業(yè)績效的提升。
(二)減少污染物排放量
排污費是企業(yè)為污染排放量買單的結(jié)果,且污染控制能力與資源型企業(yè)績效高度相關(guān),因此,企業(yè)首先應(yīng)嚴格遵守國家環(huán)境保護法律、法規(guī)、標準等,全面履行環(huán)境保護職責(zé),通過加強基礎(chǔ)管理,強化責(zé)任落實,嚴格監(jiān)督管理,全面督進節(jié)能減排工作,深化隱患排查與治理,有效控制事故風(fēng)險。其次,企業(yè)內(nèi)部可以建立《環(huán)境保護獎懲制度》《環(huán)境保護責(zé)任制管理制度》《環(huán)境保護管理制度》等一系列的制度來督促企業(yè)履行環(huán)保責(zé)任和義務(wù)。再次,企業(yè)可廣泛開展環(huán)境保護宣傳教育工作,組織員工參加環(huán)保設(shè)施管理知識培訓(xùn)、環(huán)境監(jiān)測知識培訓(xùn)、總量控制排污監(jiān)督管理及污染控制新技術(shù)培訓(xùn)等,以提高環(huán)保崗位工作人員的專業(yè)技能、管理水平及環(huán)保意識。最后,應(yīng)鼓勵重度污染型企業(yè)持續(xù)推進污染治理工作,如企業(yè)可通過引進先進的清潔生產(chǎn)技術(shù)和設(shè)備、建立重點污染防治工程、持續(xù)加大環(huán)境治理投入等措施來減少污染排放。
(三)重視生態(tài)收益指標
在對資源型企業(yè)進行績效評價的過程中,財務(wù)指標仍然占據(jù)主導(dǎo)地位,將財務(wù)指標中的傳統(tǒng)會計收益指標替換為更為符合循環(huán)經(jīng)濟發(fā)展理念的生態(tài)收益指標,可以更加全面地反映資源型企業(yè)的經(jīng)營成果,準確分析資源型企業(yè)的財務(wù)風(fēng)險,全面考核經(jīng)營管理者的業(yè)績。在損益表中計算經(jīng)營成果時,只有將企業(yè)對環(huán)境影響的耗費作為收入的減項反映,才能客觀反映企業(yè)的經(jīng)營成果;只有在負債總額中加上企業(yè)因?qū)Νh(huán)境造成危害而形成的環(huán)保負債額,才能得出真實可靠的資產(chǎn)負債率,準確分析資源型企業(yè)的財務(wù)風(fēng)險。利用生態(tài)收益指標及時揭示企業(yè)履行環(huán)境責(zé)任的信息,從社會的角度而不是僅僅從企業(yè)的角度來全面考核經(jīng)營管理者的業(yè)績。
五、結(jié)語
本文以西部礦業(yè)為例,以生態(tài)經(jīng)濟理論、利益相關(guān)者理論為基礎(chǔ),通過嵌入環(huán)境影響因素,在傳統(tǒng)財務(wù)指標的基礎(chǔ)上重新構(gòu)建與客觀區(qū)位環(huán)境相適應(yīng)的財務(wù)與非財務(wù)指標相結(jié)合的企業(yè)績效評價體系。以西部礦業(yè)2011―2014年度數(shù)據(jù)為訓(xùn)練樣本,2015年度數(shù)據(jù)為檢驗樣本,運用灰色關(guān)聯(lián)度分析法進行分析后發(fā)現(xiàn),論文構(gòu)建的4個財務(wù)指標和2個非財務(wù)指標與企業(yè)績效評價結(jié)果關(guān)聯(lián)度較高。在分析企業(yè)2015年度財務(wù)比率時發(fā)現(xiàn),企業(yè)在盈利能力、償債能力、發(fā)展能力、污染控制能力及環(huán)保力度等方面存在不足,故針對企業(yè)出現(xiàn)的情況提出相應(yīng)的績效管控對策。
論文在構(gòu)建資源型企業(yè)績效評價指標體系時,在修繕傳統(tǒng)的財務(wù)評價指標的基礎(chǔ)上只引入了兩個非財務(wù)指標,因此指標尚不夠全面,存在局限性,有待進一步補充完善。由于信息收集存在一定的難度,論文以西部礦業(yè)2011―2014年度數(shù)據(jù)為訓(xùn)練樣本,2015年度數(shù)據(jù)為檢驗樣本,樣本數(shù)據(jù)量過小,以期在之后進一步的研究中通過實地調(diào)研獲取更多企業(yè)信息。且論文選擇灰色關(guān)聯(lián)度分析法來衡量企業(yè)績效評價指標的優(yōu)劣,在方法選擇上過于主觀,需進一步考證方法的科學(xué)性。X
參考文獻:
[1]Freeman,R.E.Strategic management:A stakeholder approach[M].Boston:Pitman,1984.
[2]遲春潔,蔣景楠.循環(huán)經(jīng)濟評價指標體系的研究內(nèi)容和構(gòu)建思路[J].技術(shù)經(jīng)濟,2006,(02):5-7.
關(guān)鍵詞:證券公司;失敗預(yù)警;研究綜述
Abstract:The failure of main U.S. investment banks in 2008 turned the U.S. subprime crisis into international financial crisis very quickly,which almost damaged all the developed countries' financial systems and further caused global economic crisis. These series crises strongly demonstrate that timely and effective early warning of the failure of securities companies (investment banks)is very important. This paper reviews current research results about early warning of the failure of securities companies and provides a sound basis for further research in this important field.
Key Words:securities company,early warning of failure,research review
中圖分類號:F830文獻標識碼: A文章編號:1674-2265(2009)12-0016-05
一、引言
自2007年美國爆發(fā)次貸危機以來,美國投資銀行業(yè)逐步陷入危機。2008年3月美國第五大投資銀行貝爾斯登因瀕臨破產(chǎn)而被摩根大通收購;2009年9月15日,美國第四大投資銀行雷曼兄弟公司宣布破產(chǎn),而美國銀行則宣布收購第三大投資銀行美林;2009年9月21日,美國第一和第二大投資銀行,高盛和摩根士丹利被美聯(lián)儲批準從投資銀行轉(zhuǎn)型為銀行控股公司。美國主要投資銀行的基本崩潰,使得美國次貸危機迅速演變?yōu)閭魅颈榧爸饕l(fā)達國家的金融危機,進而導(dǎo)致全球經(jīng)濟危機。這一系列危機表明,及早有效地對證券公司(投資銀行)的失敗進行預(yù)警極為重要。
就我國而言,2001年到2005年,伴隨著證券市場數(shù)年的低迷,證券公司長期累積的風(fēng)險先后暴露,證券監(jiān)管部門在短短幾年間對近60家證券公司采取了風(fēng)險處置措施,以妥善化解行業(yè)危機。這次全面行業(yè)危機的集中爆發(fā),既反映出監(jiān)管的不足,也恰恰說明亟需建立一種有效的金融風(fēng)險早期預(yù)警系統(tǒng),以防患于未然。
本文擬通過對證券公司失敗預(yù)警研究成果進行歸納分析,為證券公司失敗預(yù)警系統(tǒng)的建立完善提供進一步研究的基礎(chǔ)。從國內(nèi)外的研究現(xiàn)狀看,對證券公司失敗預(yù)警的研究很少,而且對證券公司失敗預(yù)警的研究基本上被視為一般公司(非金融類)失敗預(yù)警研究在證券行業(yè)的應(yīng)用,其研究方法也基本沿襲了一般公司失敗預(yù)警研究。因此,本文在全面梳理證券公司失敗預(yù)警的研究現(xiàn)狀時,必須涉及一般公司的失敗預(yù)警研究現(xiàn)狀,也須涉及金融類公司的失敗預(yù)警研究現(xiàn)狀。回顧一般公司和金融類公司的失敗預(yù)警研究,既可以理清失敗預(yù)警研究的發(fā)展啟承脈絡(luò)關(guān)系,又可以為證券公司的失敗預(yù)警研究提供參考借鑒。
二、一般公司(非金融類)失敗預(yù)警研究回顧
(一)國外一般公司失敗預(yù)警研究回顧
Beaver(1966)的文章開創(chuàng)了企業(yè)財務(wù)困境預(yù)測研究的先河,最早采用了單變量分析法進行企業(yè)財務(wù)失敗預(yù)警研究。其后,大量學(xué)者在這一領(lǐng)域進行了深入研究,并發(fā)表了諸多研究成果,可以說國外企業(yè)財務(wù)困境預(yù)測研究已經(jīng)臻于成熟。
1. 多元統(tǒng)計方法。
(1)多元判別分析。判別分析用統(tǒng)計模型的語言描述為,設(shè)有 個總體,希望建立一個準則,對給定的任意一個樣本 ,依據(jù)這個準則能判斷它是來自哪個總體。
Altman(1968)首次采用多元判別分析對企業(yè)財務(wù)困境預(yù)測問題進行研究,選取了于1946―1965年間破產(chǎn)的33家制造業(yè)上市公司,通過行業(yè)、資產(chǎn)規(guī)模及報表年份進行配對選取了33家非破產(chǎn)企業(yè),研究了涵蓋流動性、盈利性、杠桿比率、清償能力和經(jīng)營活動5個方面的22個財務(wù)比率變量,最終建立了
(營運資本/總資產(chǎn))、 (留存收益/總資產(chǎn))、 (息稅前利潤/總資產(chǎn))、 (權(quán)益/負債總額、 (銷售收入/總資產(chǎn))五變量的值模型:
采用樣本數(shù)據(jù)對該模型進行檢驗,結(jié)果表明:在財務(wù)困境前一年該模型具有95%的預(yù)測能力,在財務(wù)困境前兩年該模型具有72%的預(yù)測能力。這說明該模型具有良好的可靠性。后來,Altman,Haldeman 和Narayanan( 1977) 修正了模型,在原有 5 個財務(wù)指標的基礎(chǔ)上加入了公司規(guī)模與盈余穩(wěn)定性兩個變量,建立了模型。Altman(1995)又進一步拓展了其研究,分別建立了針對非上市制造企業(yè)的 模型和針對非制造企業(yè)的模型。2000年再次對 模型進行了修正,去掉了帶來行業(yè)影響因素的銷售收入/總資產(chǎn),得到了跨行業(yè)的 值模型:
由于多元判別分析方法不僅能夠了解哪些財務(wù)比率最具有判別能力,而且同時考慮多項指標,因此對整體績效衡量較單變量分析更為客觀。在Altman(1968)之后,多元判別分析成為學(xué)術(shù)界研究財務(wù)困境預(yù)測問題的主流方法。但是應(yīng)當注意的是,多元統(tǒng)計分析是建立在一系列假設(shè)之上的,包括自變量服從多元正態(tài)分布,財務(wù)困境組與非財務(wù)困境組具有相等的方差-協(xié)方差矩陣,發(fā)生財務(wù)困境的先驗概率和誤判成本均為已知等,而事實上,這些假設(shè)常常不成立。
(2)多元條件概率模型。學(xué)者們隨后引入了假設(shè)相對寬松的多元條件概率模型Logit分析和Probit分析,克服了多元統(tǒng)計分析面臨的統(tǒng)計假設(shè)問題。Logit模型的目標是提供可以歸為某一類觀察對象的條件概率。它建立在累計概率函數(shù)的基礎(chǔ)上,不需要自變量滿足多元正態(tài)分布和兩組間協(xié)方差相等的條件。
Ohlson(1980)將Logit分析方法應(yīng)用到企業(yè)財務(wù)困境的研究中。Ohlson選擇在1970―1976年間破產(chǎn)的105家公司(破產(chǎn)前在證券交易所上市至少三年)和2058家非破產(chǎn)公司組成的非配對樣本,使用Logit回歸方法,分析了樣本公司在破產(chǎn)概率區(qū)間上的分布以及兩類判別錯誤和分割點的關(guān)系。相比而言,運用Probit方法進行的研究較少,這主要是因為Probit方法計算較為復(fù)雜,且預(yù)測效果與Logit方法相差不大。Logit方法也存在一些缺陷,比如對多重共線性、極值和數(shù)據(jù)缺失等問題極為敏感(Ooghe,2006),而且一些實證研究對MDA和Logit兩種方法的預(yù)測效果進行了比較,并沒有得出Logit方法明顯優(yōu)于MDA方法的結(jié)論。
2. 期權(quán)定價方法。1974年,默頓論述了有關(guān)將期權(quán)定價理論運用于風(fēng)險貸款和證券估價的思想。其后,許多學(xué)者嘗試將期權(quán)定價理論應(yīng)用于信用風(fēng)險的度量領(lǐng)域,KMV模型正是這樣的一個成功的例子。
KMV模型是KMV公司開發(fā)的一種違約預(yù)測模型(信用監(jiān)控模型,Credit Monitor Model),運用預(yù)期違約頻率來衡量一年內(nèi)借款者的違約概率。違約風(fēng)險大小是用違約距離(Distance-to-Default)來衡量的。該值越大,說明公司到期能償還債務(wù)的能力越強,該公司信用風(fēng)險越小;反之,則公司信用風(fēng)險越大。為計算違約距離,KMV模型采用Black―Scholes―Merton期權(quán)定價模型構(gòu)建了資產(chǎn)市場價值和股權(quán)市值之間的關(guān)系。在計算得出公司違約距離后,將其與相應(yīng)的違約距離數(shù)據(jù)庫相對比,把相同違約距離公司中實際違約公司的百分比作為該公司的預(yù)期違約頻率(EDF),從而對公司違約破產(chǎn)概率進行衡量。KMV模型是一種動態(tài)模型,它是一個基于現(xiàn)代公司理財和期權(quán)理論的“結(jié)構(gòu)性模型”,對外界條件的改變能很好地作出反應(yīng)(EDF每季度更新一次),并且可以及時反映股票市場上的信息,具有一定的前瞻性。不過,KMV模型也存在一些缺陷。比如,由于KMV模型主要依靠股票市場數(shù)據(jù)來預(yù)測違約率,股票的價格若受投機因素影響很難正確反映公司資產(chǎn)價值及其變化情況,模型的精確性將大打折扣;根據(jù)同樣失敗距離確定失敗頻率必須依賴于一個龐大的公司失敗信息數(shù)據(jù)庫。
3. 其他方法。隨著計算機技術(shù)的發(fā)展,綜合智能等方法被應(yīng)用到研究中,主要包括:遞歸分類算法(Recursive Partitioning Algorithm)、專家系統(tǒng)(Expert Systems)、神經(jīng)網(wǎng)絡(luò)(Neural Networks)等。但是并沒有證據(jù)表明這些方法的預(yù)測效果明顯優(yōu)于傳統(tǒng)的多元判別分析和Logit分析(Ooghe,2004)。
(二)國內(nèi)一般公司失敗預(yù)警研究回顧
由于我國企業(yè)破產(chǎn)制度不完善,并且會計制度和審計制度建立較晚,國內(nèi)對企業(yè)財務(wù)失敗預(yù)警的研究起步比較晚。但近十幾年來,隨著我國證券市場的快速發(fā)展,上市公司的會計實踐和信息披露制度不斷完善,國內(nèi)越來越多的學(xué)者開始將國外的研究方法應(yīng)用到國內(nèi)的研究中,得出了許多有價值的結(jié)論。主要的研究按照方法不同介紹如下。
1. 多元統(tǒng)計方法。陳靜(1999)以1998 年27 家ST 公司和27 家非ST 公司為對象,進行了單變量和二類線性判別分析,總體正確率為92.6%,該研究是國內(nèi)第一個以上市公司為樣本判定企業(yè)財務(wù)困境的成果,雖然在方法選擇、樣本構(gòu)造、判別標準等方面有待深入,但其意義卻是重要的。
高培業(yè)、張道奎(2000)選取深圳市非上市企業(yè)作為樣本,運用多元判別分析、Logit分析、Probit分析等多種方法建模,并借鑒Altman設(shè)定待定區(qū)間的做法,提高了模型的預(yù)測效率。吳世農(nóng)、盧賢義(2001)則以140 家上市公司為樣本比較了Fisher 判別、多元線性回歸分析和多元Logit 回歸分析的預(yù)測效果,發(fā)現(xiàn)多元Logit 回歸模型的判定能力最好。
2. 期權(quán)定價方法。由于有關(guān)公司破產(chǎn)的歷史統(tǒng)計數(shù)據(jù)嚴重缺乏,相應(yīng)數(shù)據(jù)庫還未建立,很難把違約距離轉(zhuǎn)化成預(yù)期違約頻率,KMV 模型的建模方式在我國應(yīng)用尚有些困難。而由于宏觀經(jīng)濟的差異,我國直接使用國外的數(shù)據(jù)庫來建立映射關(guān)系顯然也是不合適的。
3. 其它方法。劉洪、何光軍(2004)在用傳統(tǒng)的判別分析方法和Logit方法對公司經(jīng)營失敗建立模型的基礎(chǔ)上,應(yīng)用人工神經(jīng)網(wǎng)絡(luò)方法對該問題進行了比較研究。另外,有些學(xué)者將數(shù)據(jù)挖掘方法(吳俊杰,2006),生存分析中的COX模型(陸志明等,2007),學(xué)習(xí)矢量量化算法(王靜等,2004)應(yīng)用在我國公司財務(wù)失敗預(yù)測模型中,也取得了一定的結(jié)果。
三、金融類公司失敗預(yù)警研究回顧
由于金融類公司與非金融類一般公司在資本結(jié)構(gòu)、經(jīng)營方式、風(fēng)險暴露等方面存在差異,因此對金融類公司失敗的預(yù)警研究更要有針對性。金融類公司失敗預(yù)警方法中應(yīng)用較為廣泛的主要有以下兩種:一是外部評級機構(gòu)的評級。比如美國聯(lián)邦金融機構(gòu)檢查評議委員會于1979年建立的CAMEL評級系統(tǒng)。二是借鑒非金融類公司的思路和方法對金融類公司失敗預(yù)警進行研究(見表1)。對非證券、金融類公司的失敗預(yù)警研究,國外文獻比較少。
目前,國內(nèi)對金融類公司失敗預(yù)警研究比較少,例如在銀行失敗研究方面,多是對引發(fā)銀行危機原因的分析及應(yīng)對機制的設(shè)計,在主流學(xué)術(shù)刊物上基本沒有定量研究的論文。我們在此不作敘述。
四、證券公司失敗預(yù)警研究回顧
相比其他金融類公司,證券公司(投資銀行)具有自身行業(yè)的特殊性。目前對證券公司風(fēng)險預(yù)警研究的文獻不多。相對于國外證券業(yè)失敗預(yù)警的研究而言,國內(nèi)證券業(yè)失敗預(yù)警的研究更顯得滯后。
國外證券公司失敗預(yù)警的代表性研究是1976年Altman和Loris發(fā)表的論文。文章以1971-1973年美國SIPA條例下破產(chǎn)的40家證券經(jīng)紀商作為研究樣本,選擇能夠代表NASD市場上公司規(guī)模和壽命的125家公司作為健康公司樣本。指標選取包括三個方面的內(nèi)容:一是傳統(tǒng)財務(wù)指標,如盈利性指標、流動性指標、杠桿類指標等。二是能夠代表證券行業(yè)特征的指標,如次級債占股東權(quán)益的比率等。三是壽命、組織形式等非財務(wù)性指標。文章根據(jù)數(shù)據(jù)完整性和可靠性并運用系統(tǒng)選擇技術(shù)對變量的判別能力進行評估后,最終選擇了6個指標:(1)反映盈利能力的凈利潤/總資產(chǎn);(2)反映財務(wù)杠桿水平的(總負債+次級債)/權(quán)益,此處作者將來自于所有者和顧客的次級債看成是證券經(jīng)紀商的負債而非權(quán)益;(3)反映公司總資產(chǎn)結(jié)構(gòu)流動性的總資產(chǎn)/調(diào)整凈資本,調(diào)整凈資本被廣義地定義為流動性強的資產(chǎn)與總負債之差;(4)(期末資本―資本附加)/期初資本,該比率體現(xiàn)了報告期資本的運轉(zhuǎn)和支出對公司資本結(jié)構(gòu)的影響,反映了在沒有新資本注入的情況下公司的信用情況;(5)在一定程度上反映風(fēng)險的加權(quán)壽命,與公司在證券市場上的經(jīng)營經(jīng)驗相關(guān),SIPC清算的經(jīng)紀商中經(jīng)營時間不長于5年的占了75%,反映出經(jīng)驗的缺乏是公司失敗的一個重要因素;(6)涵蓋10個元素的綜合指標,這10個元素是在NASD工作人員對能預(yù)示失敗指標判斷的基礎(chǔ)上選擇的,包括反映盈利能力的指標、對資本短缺和破產(chǎn)較敏感的指標,反映壽命以及報告及時性的指標。作者通過檢驗得出了失敗經(jīng)紀商和非失敗經(jīng)紀商的組內(nèi)協(xié)差陣不相等的結(jié)論,為選擇二次判別函數(shù)形式(
)奠定了理論上的依據(jù)。文章設(shè)定臨界值為-4.385,檢驗結(jié)果顯示二次判別式前一年的正確判別率達到了90.1%,誤判率僅為9.9%。由于使用初始樣本檢驗使檢驗結(jié)果有被高估的偏差,作者通過回代檢驗和交叉檢驗來檢驗?zāi)P偷目煽啃浴z驗得出的結(jié)論為:判別模型用一年前數(shù)據(jù)對證券經(jīng)紀商的失敗正確判別率為86.2%,誤判率為13.8%。作者又利用季度數(shù)據(jù)對模型進行了檢驗,由于季度數(shù)據(jù)的缺失,剔除了稅后凈收入/總資產(chǎn)和綜合指標中的兩個因素,最終選取了5個指標變量。剔除變量后,模型的誤判率只是輕微提高,說明判別模型提前一年對證券經(jīng)紀商的失敗有很好的預(yù)測能力。
國內(nèi)最早的對證券公司失敗預(yù)警的研究,是合肥工業(yè)大學(xué)――國元證券課題組(2005)發(fā)表的《證券公司失敗研究》。該課題組運用Logit 回歸分析模型建立證券公司財務(wù)困境預(yù)警系統(tǒng),以2002年以來19家破產(chǎn)或被接管的證券公司為失敗證券公司樣本組A,以進入銀行間同業(yè)拆借市場的正常經(jīng)營的48家證券公司為正常證券公司樣本組B(已剔除有經(jīng)營不利的市場傳聞的證券公司),A組部分證券公司和B組證券公司數(shù)據(jù)來源于銀行間同業(yè)拆借市場公布的財務(wù)報告。模型依據(jù)監(jiān)管部門對證券公司安全性評價提出的7個指標為基礎(chǔ),確定了凈資產(chǎn)、利潤總額、注冊資本、營業(yè)收入(主要是發(fā)行收入、經(jīng)紀收入、自營收入、委托理財收入)、扣除客戶保證金后的負債總額、流動資產(chǎn)、流動負債、客戶保證金、權(quán)益類證券總額、委托資產(chǎn)賬戶購入的權(quán)益類證券期末余額等10個研究變量,以失敗概率P為預(yù)測變量,建立了Logit回歸模型。由于選取的變量為資產(chǎn)負債表項目,而非財務(wù)指標,而且變量選取與設(shè)計并沒有反映出證券公司業(yè)務(wù)與風(fēng)險的特點。最終結(jié)果表明選取的變量對判定證券公司經(jīng)營成敗不存在顯著的差異,未能建立證券公司失敗的預(yù)警模型函數(shù)。
截至2006年10月,我國共有58家證券公司進入風(fēng)險處置程序,這為進一步的研究提供了較為充足的數(shù)據(jù)資料。李濤(2008)將證券公司財務(wù)困境定義為證券公司破產(chǎn)或被監(jiān)管機構(gòu)采取風(fēng)險處置措施。依據(jù)這一定義,作者得到了9家在2004―2006年間陷入財務(wù)困境的證券公司,同時,根據(jù)資產(chǎn)規(guī)模匹配原則,按1:1的比例選取了9家正常經(jīng)營的證券公司,其中剔除了雖不符合上述財務(wù)困境的定義但是公布重組的證券公司。實證研究結(jié)果表明,在財務(wù)困境前1年多元判別模型和Logit模型都有較好的預(yù)測能力,財務(wù)困境前2年,其綜合誤判率均較財務(wù)困境前1年有顯著的上升,基本上不能有效地對證券公司財務(wù)困境進行預(yù)測。由于作者只選擇了18家證券公司,樣本數(shù)量偏小,代表性不高,實證結(jié)果缺乏大樣本數(shù)據(jù)的支持和檢驗,可能存在一定的偏差。
王曉燕(2009)也將證券公司進入風(fēng)險處置程序界定為財務(wù)失敗,按資產(chǎn)規(guī)模配對的原則,共選取了24家健康的證券公司作為配對樣本。作者最初設(shè)計了36個財務(wù)指標作為研究變量,然后利用非參數(shù)檢驗、相關(guān)性檢驗、逐步判別分析等方法對變量進行了篩選,最終選擇5個變量建立了線性判別模型、二次判別模型和Logit模型?;卮鷻z驗和交叉檢驗的結(jié)果表明,由5個變量構(gòu)成的線性判別模型判別效果最好,回代檢驗和交叉檢驗的正確率均在85%以上。二次判別模型和Logit模型的判別效果略有下降。該論文的方法和結(jié)論有待進一步驗證和優(yōu)化。
五、結(jié)論
從國內(nèi)外研究現(xiàn)狀看,證券公司(投資銀行)失敗預(yù)警研究在研究方法、研究模型和模型變量選擇等方面基本沿襲了一般公司(非金融類)失敗預(yù)警研究,或者借鑒了非證券、金融類公司的失敗預(yù)警研究。主流的研究方法有兩種。其一是以實證為基礎(chǔ)的多元統(tǒng)計方法,其中又以多元判別分析方法和Logit回歸分析方法運用較為普遍,該類方法多是根據(jù)公司歷史財務(wù)數(shù)據(jù)和其他公司特性指標來構(gòu)造模型;其二是以KMV為代表,基于理論模型、并結(jié)合實證方法(即根據(jù)失敗距離,借助實際數(shù)據(jù)庫映射出失敗頻率)的期權(quán)定價方法。由于大量證券公司并不是公開上市公司,這使得在證券公司失敗預(yù)警研究中運用期權(quán)定價方法存在困難。
從應(yīng)用有效性來看,證券公司失敗預(yù)警研究在全球范圍內(nèi)仍然任重道遠,亟待出現(xiàn)突破性研究成果。2008年美國具有系統(tǒng)重要性的諸家投資銀行幾乎是在毫無預(yù)警的情況下發(fā)生崩潰的。這為證券公司失敗預(yù)警研究提出了一個極具挑戰(zhàn)性的課題:為什么過去的證券公司失敗預(yù)警研究無法預(yù)警此次諸家投資銀行的失敗?這一系列危機確定無疑地表明,證券公司失敗預(yù)警研究極為重要;而過去的證券公司失敗預(yù)警研究一定存在某種局限性。
未來的證券公司失敗預(yù)警研究必須努力突破這種局限性。在研究方法上,應(yīng)對現(xiàn)有的各種方法進行對比分析,選擇適合證券公司的失敗預(yù)警模型以提高預(yù)測的準確性。今后的研究可以嘗試加入更多的外部因素(如宏觀因素)作為區(qū)分失敗與否的另一邊界,在多維空間中設(shè)定多維的閾值進行判別分類。在變量的選取上,仍然需要根據(jù)證券公司行業(yè)特征和風(fēng)險特點,因地制宜地設(shè)計相應(yīng)的變量指標。鑒于宏觀經(jīng)濟的周期波動對證券市場的周期波動具有決定性影響,進而對證券公司的經(jīng)營狀況有決定性影響,所以加入反映經(jīng)濟周期的宏觀經(jīng)濟變量可能顯著提高預(yù)警模型的有效性;同時,金融創(chuàng)新層出不窮,過度運用金融創(chuàng)新工具在獲取收益、規(guī)避風(fēng)險的同時更可能帶來新的、未知的風(fēng)險,所以未來的研究中也應(yīng)考慮加入能夠反映金融創(chuàng)新相關(guān)風(fēng)險的變量。
參考文獻:
[1]A. Aziz,D. C. Emanuel,G. H.Lawson,1988, “Bank-
ruptcy Prediction:An Investigation of Cash Flow Based Model”,Journal of Management Studies, 25,419-437.
[2]D. Martin,1977,“Early warning of bank failure:A logit regression approach”,Journal of Banking and Finance, 1, 249-276.
[3]Edward I. Altman,1968,“Financial Ratios,Discriminant Analysis and the Prediction of Corporate Bankruptcy”, Journal of Finance, 23,589-609.
[4]Edward I. Altman,1976,“A Financial Early Warning System for Over-the-Counter Broker-Dealers”,Journal of Finance, 31,1201-1217.
[5]陳靜.上市公司財務(wù)惡化預(yù)測的實證分析[J].會計研究,1999,(4).
[6]合肥工業(yè)大學(xué)――國元證券課題組.證券公司失敗研究,上海證券交易所第十三期聯(lián)合研究計劃項目,2005.
【關(guān)鍵詞】 主營業(yè)務(wù)利潤率; 主營業(yè)務(wù)利潤比重; 財務(wù)危機預(yù)警; Logistic模型
一、引言
隨著經(jīng)濟環(huán)境的不斷變化及市場競爭的日益激烈,越來越多的海內(nèi)外企業(yè)面臨著財務(wù)危機的窘境。這不僅給企業(yè)管理者、股東、員工等利益相關(guān)者帶來巨大的經(jīng)濟損失,還給整個國家?guī)砭薮蟮纳鐣徒?jīng)濟成本。因而,如何構(gòu)建一個準確的預(yù)警模型來減少財務(wù)危機的出現(xiàn),一直是國內(nèi)外學(xué)者關(guān)注的問題。但以往的研究所選擇的都只是償債能力等顯性的常規(guī)財務(wù)指標,而沒有考慮主營業(yè)務(wù)這樣深層次的隱性指標。并且,在企業(yè)破產(chǎn)的諸多因素中,由于企業(yè)忽視自身主營業(yè)務(wù),盲目跨行業(yè)經(jīng)營而導(dǎo)致失敗的為數(shù)不少,如韓國的起亞、露露、漢拿,我國的巨人集團等等。
因此,本文將從主營業(yè)務(wù)能力的視角出發(fā),研究企業(yè)主營業(yè)務(wù)水平對財務(wù)危機的預(yù)測力,以期構(gòu)建一個符合當前經(jīng)濟背景及我國制造行業(yè)特點的、較為精確的預(yù)警模型。
二、文獻回顧
在財務(wù)危機預(yù)警模型的研究方面,國內(nèi)外學(xué)者主要集中在財務(wù)危機的定義、預(yù)警方法的選擇、預(yù)警變量或判別指標的探討上。
(一)財務(wù)危機的定義
財務(wù)危機目前并沒有一致公認的定義,國外運用較多的是破產(chǎn)標準(Beaver,1966;Altman,1968;Ohlson,1971;Deakin,1972;Zmijewski,1984;Aziz & Lawson,1989;Platt,1990;Gilbert
et al1,1990);也有從財務(wù)危機的程度來界定,如Laitinen(1991)把財務(wù)危機分為慢性失敗公司、收益失敗公司和嚴重失敗公司三個過程;Ross等(1999)則從企業(yè)失敗、法定破產(chǎn)、技術(shù)破產(chǎn)、會計破產(chǎn)四個方面定義企業(yè)財務(wù)危機。國內(nèi)學(xué)者較為一致地運用ST標準來界定財務(wù)危機(陳靜,l999;張玲,2000;吳世農(nóng)與盧賢義,2001;姜秀華與孫錚,2001;楊淑娥和黃禮,2005),偶有少數(shù)學(xué)者將出現(xiàn)虧損或企業(yè)無力支付到期債務(wù)(谷祺和劉淑蓮,1999)界定為財務(wù)危機。
由于我國上市公司仍是寶貴的“殼資源”,出現(xiàn)破產(chǎn)概率較小,用破產(chǎn)標準來界定不適合我國上市公司;而無償付能力標準界定不全面;分階段理論界定較模糊;綜合理論缺乏一定的操作性。相比較而言,ST標準有較強的可操作性,且上市公司被ST處理,通常是因為前兩年凈利潤為負值,公司可能面臨較大的財務(wù)危機,因此,ST標準有較強的合理性,并沿用ST標準來界定財務(wù)危機。
(二)預(yù)警方法的選擇
財務(wù)危機預(yù)警可分為定性分析和定量分析法。定性分析是通過分析企業(yè)內(nèi)外部特征來預(yù)測企業(yè)發(fā)生財務(wù)危機的可能性,如標準化調(diào)查法、“四階段癥狀”分析法、“三個月資金周轉(zhuǎn)表”分析法、流程圖分析法、管理評分法。定量分析則是運用不同的預(yù)測變量和數(shù)學(xué)工具來建立財務(wù)預(yù)警模型,如運用單一變量來預(yù)警的一元判定模型、運用多個財務(wù)比率匯總求出一個總判別分值來預(yù)測財務(wù)危機的多元線性判定模型(MDA);假設(shè)企業(yè)破產(chǎn)的概率為P(破產(chǎn)取1,非破產(chǎn)取0),且Ln[P/(1-P)]可用財務(wù)比率線性解釋(Ln[P/(1-P)]=a+bx)的多元邏輯回歸模型(Logistic);以及將神經(jīng)網(wǎng)絡(luò)的方法用于財務(wù)預(yù)警的人工神經(jīng)網(wǎng)絡(luò)模型等等。
盡管財務(wù)預(yù)警的方法很多,但受研究者歡迎的主要有一元判定模型、多元判別模型和Logistic回歸模型,其他方法由于模型開發(fā)歷史較短、研究不夠廣泛,模型穩(wěn)定性和適用條件存在較大問題。運用一元判定模型,Beaver(1966)考察了30個財務(wù)比率在企業(yè)陷入財務(wù)困境前1~5年的預(yù)測能力,發(fā)現(xiàn)了營運資金/總負債這一指標在破產(chǎn)前5年的預(yù)測正確率可以分別達到87%、79%、77%、76%、78%。Altman(1968)首次利用多元判別方法構(gòu)建了著名的Z計分模型,發(fā)現(xiàn)Z≤1.8時,企業(yè)存在嚴重的財務(wù)危機,且在破產(chǎn)前1年的總體判別準確度為95%;但在危機前2年至前5年該模型的正確率則迅速降低為72%、48%、29%、36%,使得其破產(chǎn)前3年失去了預(yù)測意義。Martin(1977)和Ohlson(1980)則發(fā)現(xiàn)Logistic模型具有顯著的預(yù)測能力,且預(yù)測準確率達到96.12%。Odom &Sharda(1990)運用神經(jīng)網(wǎng)絡(luò)方法構(gòu)建預(yù)警模型,發(fā)現(xiàn)ANN模型對保留樣本失敗類與正常類企業(yè)的預(yù)測正確率為81.75%與78.18%。國內(nèi)研究方面,陳靜(1999)使用多元判別法對1998年的27家ST企業(yè)和27家非ST企業(yè)進行了預(yù)測,發(fā)現(xiàn)該方法在提前3年的預(yù)測精度分別為92.6%、85.2%、75.6%。張玲(2000)使用多元判別法對原始樣本提前5年的判正率分別為100%、87%、70%、62%、22%。楊淑娥、徐偉剛(2003)提出了Y分數(shù)模型,發(fā)現(xiàn)Y=0.5時,模型的回判準確率為86%,但在t-2、t-3年的預(yù)測中,預(yù)測精度大幅下降,甚至低于一元判別模型。孫錚(2000)運用Logistic回歸來構(gòu)建預(yù)警模型,發(fā)現(xiàn)其準確率為84.52%,且對2000年新增加的ST公司的判別準確率達到了95.45%。
吳世農(nóng)和盧賢義(2001)發(fā)現(xiàn)在單變量分析,多元線性回歸和logistic回歸中,Logistic預(yù)測模型的誤判率最低,t-1年僅為6.47%;并且對前五年的判正率較高,分別為93.53%、84.29%、76.26%、73.17%、55.56%。
另外,由于一元判別模型無法全面反映企業(yè)財務(wù)特征且容易被粉飾;多元判別模型需假定自變量成正態(tài)分布及各總體協(xié)方差矩陣相同,條件過于苛刻且無法衡量發(fā)生危機的概率;人工神經(jīng)網(wǎng)絡(luò)模型理論基礎(chǔ)比較薄弱并存在黑箱問題,適用性不強。相比之下,多元Logistic模型所預(yù)測的第一類錯誤更小(Collins和Green,1982)。同時,由于Logistic回歸不要求數(shù)據(jù)的正態(tài)分布,因而其參數(shù)估計比判別分析更加穩(wěn)健(Lo,1986;吳世農(nóng),2001)。因此,本文將沿用Ohlson(1980)的多元Logistic法來構(gòu)建制造業(yè)財務(wù)危機預(yù)警模型。
(三)預(yù)警指標的研究
由于研究的視角和出發(fā)點不同,國內(nèi)外學(xué)者在構(gòu)建預(yù)警模型時,對預(yù)警指標的選擇也有所偏倚和差異。根據(jù)不同指標所具有的不同信息含量,可將其分為以下幾類。
1.傳統(tǒng)的常規(guī)財務(wù)指標
在財務(wù)危機預(yù)警研究的早期,國內(nèi)外學(xué)者較多地運用了償債能力、營運能力、盈利能力和成長能力等較為顯性而直接的傳統(tǒng)財務(wù)指標。譬如Fitzpatrick(1932)、Altman(1968)、Collins(1980)、Platt et al(1994)等,均采用負債比率、流動比率、凈資產(chǎn)收益率和資產(chǎn)周轉(zhuǎn)速度等,作為預(yù)警模型的指標變量進行財務(wù)危機預(yù)警。我國學(xué)者也較多地運用了資產(chǎn)負債率(陳靜,1999;孫錚,2000;張玲,2000;崔學(xué)剛,2007;楊淑娥,2007),流動比率(陳靜,1999;孫錚,2000;吳世農(nóng),2001;崔學(xué)剛,2007;楊淑娥,2007),總資產(chǎn)收益率(陳靜,1999;崔學(xué)剛,2007;楊淑娥,2007),存貨周轉(zhuǎn)率(孫錚,2000;崔學(xué)剛,2007;楊淑娥,2007),應(yīng)收賬款周轉(zhuǎn)率(崔學(xué)剛,2007;楊淑娥,2007);此外,崔學(xué)剛(2007),楊淑娥(2007)還采納了每股收益、每股凈資產(chǎn)、資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)增長率、凈利潤增長率等指標。
2.現(xiàn)金流量指標
現(xiàn)金流量不僅是企業(yè)正常運營的必要保證,還是其償還債務(wù)的必備儲蓄。如果公司沒有足夠的現(xiàn)金支付到期債務(wù),而且又無其他途徑獲得資金時,那么公司最終將破產(chǎn)。因此,過去和現(xiàn)在的現(xiàn)金流量能很好地反映公司的價值和破產(chǎn)概率。Beaver(1966),Edmister(1972)等人較早運用了現(xiàn)金流量/總負債指標。此后,Aziz和Lawson(1989)在預(yù)警模型中加入每股現(xiàn)金流,發(fā)現(xiàn)現(xiàn)金流質(zhì)量能在破產(chǎn)前的第2年和第3年預(yù)測多數(shù)破產(chǎn)案例。我國學(xué)者崔學(xué)剛(2007),楊淑娥(2007)等人也逐步加入了每股現(xiàn)金流,股東權(quán)益獲現(xiàn)率等指標。
3.市場收益指標
Beaver(1968)發(fā)現(xiàn)在有效的資本市場里,股票收益率也如同財務(wù)指標一樣可以預(yù)測破產(chǎn),但時間略滯后。Altman & Brenner(1981)也將市場收益指標納入到預(yù)警模型中,且發(fā)現(xiàn)該指標可以為財務(wù)危機預(yù)警提供傳統(tǒng)財務(wù)比率以外的有用信息。Clark & Weinstein(1983)發(fā)現(xiàn)破產(chǎn)公司股票在破產(chǎn)前至少3年內(nèi)存在負的市場收益率。我國學(xué)者楊淑娥(2007)等人也在模型中加入了股本市價/負債賬面價來衡量市場收益。
4.公司治理指標
Lee and Yeh(2004)選取了45家困境上市公司和88家非困境上市公司作為研究樣本,利用董事會持股比例,控股股東派出董事比例等公司治理變量構(gòu)建了Logistic預(yù)測模型。我國學(xué)者孫錚(2000),楊淑娥(2007)等人運用了股權(quán)集中度、法人持股比例、獨立董事比例、兩職合一等指標來反映公司治理對財務(wù)危機的預(yù)測力。
5.其他指標
Edmister(1988)等認為除了財務(wù)比率外,會計師保留意見可以增加財務(wù)危機預(yù)警的準確度。Wu(2004)以1995~2000年的31家失敗公司和31家非失敗公司為樣本,利用董事會持股比例、樣本公司是否更換外部審計和股票價格趨勢,結(jié)合財務(wù)變量進行比較研究。
然而,上述指標中,傳統(tǒng)的常規(guī)財務(wù)指標、現(xiàn)金流量、市場收益、公司治理等指標研究有余,而企業(yè)的主營業(yè)務(wù)能力指標卻鮮有人探索并應(yīng)用于財務(wù)危機預(yù)警。隨著當前“歸核化”戰(zhàn)略日益興盛,彼得斯和沃特曼(T.J.Peters & R.H.Watemran,1982)強調(diào)“回歸主業(yè)”是非常重要的。因此,本文密切關(guān)注企業(yè)主營業(yè)務(wù)的獲利能力,試圖從“歸核化”戰(zhàn)略出發(fā),分析企業(yè)的主營業(yè)務(wù)能力與財務(wù)危機的關(guān)系,以期從企業(yè)的主營業(yè)務(wù)這個角度來預(yù)測制造業(yè)企業(yè)是否處于財務(wù)危機,并嘗試構(gòu)建一個高精確率的財務(wù)危機預(yù)警模型。
三、理論分析與研究假設(shè)
新古典經(jīng)濟學(xué)派創(chuàng)始人阿爾弗雷得?馬歇爾(Alfred?Marshall,1920)認為企業(yè)之間以及產(chǎn)業(yè)之間的“差異分工”“專業(yè)化分工”會促進技能、知識和協(xié)調(diào)能力不斷增加,推動企業(yè)不斷成長。也就是說,實施產(chǎn)業(yè)化分工,專業(yè)化經(jīng)營,選準安身立命的主業(yè)并不斷發(fā)展壯大主營業(yè)務(wù),提高主營業(yè)務(wù)的獲利能力,企業(yè)才能減少財務(wù)危機,持續(xù)經(jīng)營。彭羅斯(Penrose?Edith,1959)和伯格?沃納菲爾特(Binger?Werner felt,1984)等“資源基礎(chǔ)論”學(xué)者認為,企業(yè)的能力來源于其所擁有的資源,資源的不同性質(zhì)和構(gòu)成造成了競爭中頻繁出現(xiàn)的優(yōu)勝劣汰。由于資源存在著“資源稟賦”,具有不對稱性和供給的有限性,企業(yè)在一定條件下不可能在所有資源類型中都擁有絕對優(yōu)勢。因而,充分利用企業(yè)內(nèi)存的有限資源,發(fā)揮企業(yè)現(xiàn)存熟悉的產(chǎn)業(yè)優(yōu)勢,做精做強主營業(yè)務(wù),不斷提高企業(yè)主營業(yè)務(wù)的獲利能力,不僅可以為企業(yè)積累剩余資源,更能增強企業(yè)規(guī)避經(jīng)營風(fēng)險,減少財務(wù)危機的能力。Forster(1978)認為企業(yè)的主力產(chǎn)品銷售下降意味著企業(yè)陷入財務(wù)危機。彼得斯和沃特曼(T.J.Peters & R.H.Watemran,1982)認為企業(yè)必須“堅持主業(yè)”,才能創(chuàng)造好的業(yè)績。羅伯特?巴澤爾和布拉德利?蓋爾(Buzz ell,Robert D.& Gale,Bradley T.1987)認為企業(yè)只有將質(zhì)量和信譽低劣的業(yè)務(wù)剝離出去,實施以強化主營業(yè)務(wù)為目標的戰(zhàn)略,才能夠提高企業(yè)績效。馬吉茲(1990)認為過度多元化經(jīng)營的企業(yè)只有進行“歸核化”經(jīng)營戰(zhàn)略,才能保證最好的績效。國內(nèi)學(xué)者葉學(xué)鋒,魏江(2001)發(fā)現(xiàn)美國企業(yè)從事單一經(jīng)營的百分比從1978年的36%上升到1989年的64%。祁順生(2002)出版《歸核化戰(zhàn)略》,倡導(dǎo)我國企業(yè)實行“歸核化”戰(zhàn)略。實務(wù)界內(nèi),通用、諾基亞等大型公司在90年代后逐步剝離副業(yè),強化各自的主營業(yè)務(wù),使得回歸主營業(yè)務(wù)、強化主營業(yè)務(wù)、突出主營業(yè)務(wù)的經(jīng)營模式日益成為眾多企業(yè)的最佳選擇。因而,為了提高企業(yè)績效,減少財務(wù)危機,企業(yè)必須堅持、強化主營業(yè)務(wù),提高主營業(yè)務(wù)的獲利能力。由此,提出如下假設(shè)。
假設(shè)1:主營業(yè)務(wù)獲利能力越弱,企業(yè)陷入財務(wù)危機的可能性越大;反之,主營業(yè)務(wù)獲利能力越強,企業(yè)越不容易陷入財務(wù)危機。
主營業(yè)務(wù)是企業(yè)的中流砥柱,是構(gòu)建企業(yè)文化、積累剩余資源、培養(yǎng)企業(yè)核心能力的主要渠道,是企業(yè)成長的動力來源。王小哈、楊揚(2002)實證檢驗了39家房地產(chǎn)上市公司,發(fā)現(xiàn)主營業(yè)務(wù)在上市公司的可持續(xù)發(fā)展中起著決定性的作用。也就是說,主營業(yè)務(wù)發(fā)展越快,企業(yè)可持續(xù)能力越強??死锼?祖克(2004)發(fā)現(xiàn)7個國家8 000多家企業(yè)中,大約80%的持續(xù)價值創(chuàng)造者都具有單一的擁有強大市場領(lǐng)導(dǎo)地位的核心業(yè)務(wù);1993年~2003年間收入和利潤的年平均增長率超過14%的30多家大型中國企業(yè)也是通過專注于一項或兩項核心業(yè)務(wù)并不斷提升其成長能力,成為這些核心業(yè)務(wù)的市場領(lǐng)導(dǎo)者而實現(xiàn)了顯著的增長。
因而,不僅要關(guān)注主營業(yè)務(wù)當前的獲利能力,還要重視主營業(yè)務(wù)的長期成長能力。只有當企業(yè)的主營業(yè)務(wù)不斷向前發(fā)展,源源不斷地供給養(yǎng)分,為企業(yè)創(chuàng)造長期穩(wěn)定的收益和現(xiàn)金流,企業(yè)才能搏擊風(fēng)險,不容易陷入財務(wù)危機。因此,提出如下假設(shè)。
假設(shè)2:主營業(yè)務(wù)成長能力越弱,企業(yè)陷入財務(wù)危機的可能性越大;反之,主營業(yè)務(wù)成長性越好,企業(yè)越不容易陷入財務(wù)危機。
根據(jù)中國上市公司年報披露準則的分類,利潤由主營業(yè)務(wù)利潤、其他業(yè)務(wù)利潤、投資收益、營業(yè)外收支凈額及補貼收入和前期損益調(diào)整組成。Ramakrishna &Thomas(1991)把盈利的組成分為:永久類(能無限持續(xù))、暫時類(只影響當期盈利)、價格無關(guān)類(持久性為零);并認為主營業(yè)務(wù)利潤是企業(yè)盈利的核心,具有永久的持續(xù)性,是利潤中最穩(wěn)定和最可預(yù)期的部分,而其它幾個部分則屬于暫時類或價格無關(guān)類。Lev & Thiagajan(1993)也表明盈利的質(zhì)量與其持久性呈顯著的正相關(guān)關(guān)系,而主營業(yè)務(wù)利潤比重在很大程度上決定了公司的盈利質(zhì)量和獲利能力。蔣義宏,魏剛(2001)實證檢驗表明主營業(yè)務(wù)利潤比重與公司的價值存在正相關(guān)關(guān)系;而當前我國上市公司利潤構(gòu)成中投資收益和補貼收入所占比例過大。很多企業(yè)重視短期行為、盲目崇拜多元化經(jīng)營,導(dǎo)致企業(yè)投資過度分散化、主營業(yè)務(wù)沒有得到應(yīng)有的發(fā)展,公司經(jīng)營績效每況愈下。很多企業(yè)不顧自身的風(fēng)險承受能力,寄盈利希望于投資收益;還有些企業(yè)寄生于政府,依靠財政補貼維持生存。但無論是上述其他業(yè)務(wù)收入、投資收益,還是營業(yè)外收入,都屬于偶然性、不可預(yù)期的收入。只有主營業(yè)務(wù)利潤才是企業(yè)最穩(wěn)定、最可預(yù)期的利潤來源,才是企業(yè)生存的基礎(chǔ)。主營業(yè)務(wù)利潤占公司總利潤比重的高低及其穩(wěn)定性將影響企業(yè)經(jīng)營業(yè)績的穩(wěn)定性。上市公司尤其是制造業(yè)企業(yè)只有不斷提高主營業(yè)務(wù)利潤及其比重,將主營業(yè)務(wù)利潤率保持一個穩(wěn)定的數(shù)值,才能為企業(yè)創(chuàng)造充足的現(xiàn)金流,支付企業(yè)正常運轉(zhuǎn)的費用,有效提高其整體績效和核心競爭力。否則,如果一個企業(yè)主營業(yè)務(wù)水平持續(xù)低下且得不到改善,即使有再多的其他業(yè)務(wù)收入、投資收益或營業(yè)外等偶然性、不可預(yù)期的收入,這種低水平的主業(yè)也最終會削弱其整體的盈利能力,將企業(yè)陷入財務(wù)危機的境地。譬如雙龍汽車因主營業(yè)務(wù)不景氣而走向破產(chǎn)。因而,提出如下假設(shè)。
假設(shè)3:主營業(yè)務(wù)利潤比重越低,企業(yè)陷入財務(wù)危機的可能性越大;反之,主營業(yè)務(wù)利潤比重越大,企業(yè)越不容易陷入財務(wù)危機。
四、研究設(shè)計
(一)樣本與數(shù)據(jù)的來源
本文以滬深兩市2007年度被ST(包括*ST)的50家制造業(yè)上市公司和同行業(yè)的500家非ST上市公司為樣本,選取了上市公司被ST前1年(t-1)、前2年(t-2),前3年(t-3),即2004年~2006年的數(shù)據(jù),然后運用SPSS13.0軟件進行統(tǒng)計分析預(yù)測。本文所用的數(shù)據(jù)來自銳思數(shù)據(jù)庫和上市公司相關(guān)年報等。
(二)變量設(shè)計
1.因變量設(shè)計
本文旨在預(yù)測企業(yè)是否會發(fā)生財務(wù)危機,因此,y=(1,0)即為被因變量。y=1表示發(fā)生財務(wù)危機,其概率用p表示,即p=P(y=1)表示事件發(fā)生的概率;y=0表示沒有財務(wù)危機。
2.自變量設(shè)計
根據(jù)前文的理論分析和研究假設(shè),從主營業(yè)務(wù)獲利能力、主營業(yè)務(wù)成長能力、主營業(yè)務(wù)利潤比重三方面來衡量企業(yè)的主營業(yè)務(wù)能力。具體指標即自變量,如表1所示。
3.控制變量選擇
由于國內(nèi)外學(xué)者較多地從償債能力、盈利水平等指標預(yù)測財務(wù)危機,且這些指標在某些層面上也能反映企業(yè)危機狀況。因此,同時引入該方面指標作為控制變量(如表1所示),以此來檢測主營業(yè)務(wù)指標在常規(guī)財務(wù)指標被控制后,是否依然能夠預(yù)測企業(yè)是否發(fā)生危機。
(三)研究模型
本文將沿用Ohlson(1980)的多元Logistic法來構(gòu)建制造業(yè)財務(wù)危機預(yù)警模型:logit(y)=ln[P/(1-P)]=a0+a1X1
+a2X2+…+anXn。其中,p=P(y=1)表示事件發(fā)生的概率;ai(i=0,…n)為待估參數(shù),Xi(i=1,…n)為自變量。
五、實證檢驗
(一)描述性統(tǒng)計分析
首先分組計算50家財務(wù)危機公司和500家非財務(wù)危機公司的7個主營指標,在財務(wù)危機發(fā)生前1至前3年的平均值和標準差等描述性統(tǒng)計量,比較這兩組在7個主營指標各年的平均值是否具有顯著差異;其次計算各年的Z統(tǒng)計檢驗量①(結(jié)果如表2所示),在接受Mann-Whitney非參數(shù)檢驗時,7個主營指標在2004年~2006年均一致通過顯著性檢驗,且顯著性水平總體上較高,在1%水平上顯著的居多。這說明在ST發(fā)生的前1至前3年,財務(wù)危機公司和非財務(wù)危機公司的7個主營指標中均存在顯著差異。
(二)相關(guān)性分析
為了檢驗主營業(yè)務(wù)指標對財務(wù)危機具有獨立的預(yù)測力,首先控制C1~C7這7個傳統(tǒng)財務(wù)指標,然后運用偏相關(guān)分析②檢驗X類自變量與因變量之間的關(guān)系,結(jié)果如表3所示。
1.衡量主營業(yè)務(wù)獲利能力的指標中,X1、X3和X4在(t-3)、(t-2)與(t-1)連續(xù)3年均與因變量(危機與否)成顯著負相關(guān)關(guān)系,與假設(shè)1一致;X2在(t-3)年與因變量成顯著正相關(guān),與假設(shè)矛盾,但在(t-2)與(t-1)年均與因變量成顯著負相關(guān),與假設(shè)1一致;因而X2在(t-3)年的異??赡芘c部分特殊事項有關(guān),不會影響到假設(shè)1。
2.衡量主營業(yè)務(wù)成長能力的指標中,X5在(t-3),(t-2)與(t-1)連續(xù)3年均與因變量(危機與否)成顯著負相關(guān)關(guān)系,與假設(shè)2一致;X6除了在(t-3)年出現(xiàn)異常,與因變量成顯著正相關(guān),在之后的2年均與因變量成顯著負相關(guān),與假設(shè)2一致;因此,假設(shè)2也基本得到驗證。
3.X7(主營業(yè)務(wù)利潤比重)在
(t-3)、(t-2)與(t-1)連續(xù)3年均與因變量(危機與否)成顯著負相關(guān)關(guān)系,與假設(shè)3一致,從而驗證了前文的假設(shè)3。
六、基于主營視角的財務(wù)危機預(yù)警模型的構(gòu)建
(一)單變量Logistic回歸分析
在構(gòu)建財務(wù)危機預(yù)警模型前,本文首先運用SPSS統(tǒng)計軟件對擬研究的變量作了單變量Logistic回歸分析,用Wald擬合優(yōu)度檢驗③來篩選效果顯著的自變量,具體結(jié)果如表4所示。
從表4可以看出:X3,X6,X7因Wald值小于6.635而無法通過(t-3)的檢驗;同時,X7在(t-1)年也沒有通過檢驗,應(yīng)當予以剔除;其余指標均能有效地預(yù)測企業(yè)是否發(fā)生財務(wù)危機,可以入選到模型中。
其次,為避免自變量間存在多重共線性,影響logistic預(yù)警模型的準確度,對上述初選的變量作了Pearson相關(guān)性檢驗(因篇幅限制,此處不報告詳細過程),以進一步的篩選。同時,為了確保模型的精確率,本文將上述作為控制變量的傳統(tǒng)財務(wù)指標(C1~C7)也納入到模型中。
在t-3年:X1,X2,X4,X5與C1~C7的任何相關(guān)系數(shù)均不超過0.5,即不存在任何兩兩高度相關(guān),因而均可以入選到模型中。
在t-2年:X6分別與X1,X5存在0.525,0.521的顯著相關(guān)。除此之外,其他變量之間均不存在高度相關(guān)。因而,剔除X6,保留X1和X5,即入選到t-2年模型的指標包含X1,X2,X3,X4,X5,X7,以及C1~C7。
在t-1年:X5和C7存在0.618的顯著相關(guān),因本文探討的是主營指標的獨立預(yù)警能力,為防止自變量受控制變量影響,然后作用在因變量上,本文剔除X5,保留C7。另外,X1和X4存在0.512的顯著相關(guān),本文沿用X1,剔除X4。因而,入選到t-1年模型的指標包含X1,X2,X3,X6,以及C1~C7。
(二)基于主營視角的Logistic回歸模型的構(gòu)建
將上述篩選合格的變量納入到Logistic回歸中,可以得到以下危機預(yù)警模型(表5~表7)。
七、研究結(jié)論及建議
本文從主營視角出發(fā),實證檢驗了我國制造業(yè)企業(yè)主營業(yè)務(wù)能力與財務(wù)危機的關(guān)系,結(jié)果發(fā)現(xiàn):主營指標在危機和非危機企業(yè)中存在一定差異;主營業(yè)務(wù)的獲利能力和成長能力與財務(wù)危機負相關(guān);主營業(yè)務(wù)利潤比重與財務(wù)危機負相關(guān)。將傳統(tǒng)的常規(guī)財務(wù)指標作為控制變量,引入主營指標,構(gòu)建綜合的預(yù)警模型,則在t-3、t-2和t-1年預(yù)測精確率分別達到92.7%、95.5%和97.3%,預(yù)警效果較為理想。
根據(jù)這一結(jié)果得出,一是上市公司應(yīng)當在戰(zhàn)略上找準自己的定位,選準主業(yè),重視主業(yè),做精做強自身的核心業(yè)務(wù),并逐步創(chuàng)造、強化自己的品牌,通過提高核心業(yè)務(wù)能力水平來增強企業(yè)的抗風(fēng)險能力,降低企業(yè)陷入財務(wù)危機的可能性;同時,公司內(nèi)部人員在監(jiān)控自身的財務(wù)危機情況時,應(yīng)當密切注視主營業(yè)務(wù)水平的獲利能力和成長能力。二是投資人、債權(quán)人等利益相關(guān)者在與上市公司發(fā)生業(yè)務(wù)時,應(yīng)當充分重視其主營業(yè)務(wù)能力,應(yīng)更多的以主營業(yè)務(wù)水平來評價其財務(wù)風(fēng)險狀況和未來的競爭能力。三是證監(jiān)會等外部監(jiān)管人在核準公司上市時,應(yīng)當更加關(guān)注其主營業(yè)務(wù)能力,確保其能夠以主營業(yè)務(wù)水平來保障投資者的利益,進而促進整個資本市場發(fā)展。
本文的局限性在于:首先,由于財務(wù)危機預(yù)警本身缺乏成熟的理論支撐,而本文也只從歸核化戰(zhàn)略來切入,運用企業(yè)間分工理論和資源基礎(chǔ)論來推導(dǎo),對財務(wù)危機預(yù)警的理論分析尚且不夠;其次,本文只收集了2004年~2006年的數(shù)據(jù),時間段不夠長;最后,本文只研究了制造行業(yè)550家上市公司,沒有涉及其他行業(yè)和非上市公司,預(yù)警模型的使用有局限性。因此,還需要有更多的學(xué)者運用大樣本繼續(xù)探究主營業(yè)務(wù)能力與財務(wù)危機的關(guān)系,以構(gòu)建出更精確的財務(wù)危機預(yù)警模型。
【參考文獻】
[1] 阿爾弗雷得?馬歇爾.經(jīng)濟學(xué)原理[M].中國社會科學(xué)出版社,2007.
[2] 伯格?沃納菲爾特.企業(yè)資源基礎(chǔ)論[M].1984.
[3] 陳靜.上市公司財務(wù)惡化預(yù)測的實證分析[J].會計研究,1999(4).
[4] 崔學(xué)剛,王立彥,許紅.企業(yè)增長與財務(wù)危機關(guān)系研究――基于電信與計算機行業(yè)上市公司的實證證據(jù)[J].會計研究,2007(12).
[5] 谷祺,劉淑蓮.財務(wù)危機企業(yè)投資行為分析與對策[J].會計研究,1999(10).
[6] 姜秀華,孫錚.治理弱化與財務(wù)危機:一個預(yù)測模型[J].南開管理評論,2001(5).
[7] 蔣義宏,魏剛.主營業(yè)務(wù)利潤、核心盈利能力和公司價值[J].證券市場導(dǎo)報,2001(04).
[8] 克里斯?祖克,詹姆斯?艾倫.回歸核心[M].北京:中信出版社,2004:30-31.
[9] 羅伯特?巴澤爾和布拉德利?蓋爾.PIMS原則:聯(lián)系戰(zhàn)略與績效[M].1987.
[10] 馬吉茲.多元化、歸核化與經(jīng)營績效[D].博士論文,1990.
[11] 彭羅斯.企業(yè)成長理論[M].上海三聯(lián)書店,2007.
[12] 祁順生.歸核化戰(zhàn)略[M].上海:復(fù)旦大學(xué)出版社,2002:2.
[13] 王小哈,楊揚.上市公司主營業(yè)務(wù)貢獻與經(jīng)營績效的實證分析[J].當代經(jīng)濟科學(xué),2002(5).
[14] 吳世農(nóng),盧賢義.我國上市公司財務(wù)危機的預(yù)測模型研究[J].經(jīng)濟研究,2001(6).
[15] 楊淑娥,黃禮.基于BP神經(jīng)網(wǎng)絡(luò)的上市公司財務(wù)預(yù)警模型[J].系統(tǒng)工程理論與實踐,2005(1).
[16] 楊淑娥,王樂平.基于BP神經(jīng)網(wǎng)絡(luò)和面板數(shù)據(jù)的上市公司財務(wù)危機預(yù)警[J].系統(tǒng)工程理論與實踐,2007(2).
[17] 葉學(xué)鋒,魏江.多元化經(jīng)營的戰(zhàn)略選擇分析[J].科研管理,2001(11):57-62.
[18] 張玲.財務(wù)危機預(yù)警分析判別模型[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究,2000(3).
[19] Altman E.I.Financial ratios,discriminant analysis and prediction of corporate bankruptcy [J].Journal of Finance.1968.
[20] Aziz.A,D.Emanuel and G.Lawson.Bank Prediction:An Investigation of Cash Flow Based Models [J].Journal of Management Studies.1988 (25):419-437.
[21] Beaver W.H.Financial ratios as predictors of failure [J].Journal of Accounting Research.1966.
[22] Deakin,Edward.B.A,Discriminant Analysis of Predictors of Business Failure [J].Journal of Accounting Research.1972,10(1).
[23] Erkki K.Laitinen and Teija Laitinen.Cash Management Behavior and Failure Prediction[J].Journal of Business Finance & Accounting,Vol.25 Sep/Oct 1998,893- 919.
[24] Edmister R O,Combining Human Credit Analysis and Numerical Credit Scoring for Business Failure Prediction,Akron Business Economic Review,1988,19(3):6-14.
[25] Gilbert,L.R.,K.Menon,and K.B.Schwartz,1990,Predicting Bankr-
uptcy for Firms in Financial Distress.Journal of Business,Finance
& Accounting,Vol.17,No.1,p161-171.
[26] Green,R.C.and Talmor,E.Asset s-
ubstitution and the agency costs of debt financing[J].Journal of Banking and Finance.1986 (10):391-399.
[27] Lee T S,Yeh Y H.Corporate go-
vernance and financial distress:evidence from Taiwan [J].Corporate Governance.2004 (3).
[28] LEV,B.,AND R.THIAG.Fundamental Informational of Accounting Rese,1993(31).
[29] Mark.E.Zmijewski.Methodological Issues Related to the Estimation of Financial Distress Prediction Models [J].Journal of Accounting Research.1984 (22).
[30] Ohlson.J.S.Financial ratios and the probabilistic prediction of bankru-
ptcy[J].Journal of Accounting Re-
search.1980.
[31] Platt.H.D.and Marjorie.B.Platt.Predicting Corporate Financial Distress:Reflections on Choice Based Sample Bias[J].Journal of Economics and Finance.2002.Summer.
[32] Ramakrishnan,RamT.S.;Thomas,Jacob.K.Add Added Valuation of Permanent,Transitory,and PriceIrrelevant Components of Reported Earnings[J].Journal of Accounting,1991(13).
[33] Ross.Stephen.The Determination of Capital Structure:The Incentive Signaling Approach.Bell Journal of Economics.1977 (8):23-40.
[34] T.J.Peters,R.H.Waterman.Insearch of Excellence.Harper&Row.1982:49.