1、本科毕业论文（设计）论文题目上市公司财务预警方法研究所在学院专业班级会计学学生姓名学号指导教师职称完成日期年月日毕业论文独创性声明本人郑重声明所提交的毕业论文是本人在指导教师的指导下进行的研究工作及取得的研究成果。除文中特别加以标注的地方外，论文中不包含他人已经发表的学术成果或者他人为获得高等院校学位而使用过的材料，论文中不涉及任何知识产权纠纷。否则，本人将承担一切责任。学生签名日期I摘要多变量的财务预警模型很多，如多元线性判定法、LOGISTIC回归法、人工神经网络分析法等。针对方法的研究，本文分别建立了基于因子LOGISTIC回归模型和ZSCORE模型。LOGISTIC回归方法没有严格的假
2、设条件，对于两类总体判别的问题具有良好的区分能力以及结果易于理解等方面的优点；而ZSCORE方法能够反映企业财务情况的多项指标并包含独立变量，建模后，运用相对简单。论文以房地产行业10家ST公司和27家非ST公司作为样本，利于SPSS统计软件，对上市公司的财务指标数据进行分析来构建预警模型。实证研究发现，这两种模型在一定程度上都对房地产行业进行了有效的财务预警。但相比较而言，基于因子LOGISTIC模型更能够较为准确的预测房地产行业的财务危机，达到很好的预警效果。并且，探索出较为精确的财务预警方法，使其在财务预警研究中具有较高的应用价值。关键词上市公司；财务预警；LOGISTIC模型；ZSCO
3、RE模型IIABSTRACTTHEFINANCIALEARLYWARNINGHASMANYMULTIVARIATEMODELS,SUCHASMULTIPLELINEARTESTAPPROACH,LOGISTICREGRESSIONANDARTIFICIALNEURALNETWORKANALYSISMETHODFORMETHODSOFRESEARCH,THISARTICLEWASESTABLISHEDBASEDONFACTORLOGISTICREGRESSIONMODELANDTHEZSCOREMODELLOGISTICREGRESSIONMETHODISNOTSTRICTASSUMPTIONS
4、,FORTHEPROBLEMOFTWOTYPESOFTHEOVERALLDISTINGUISH,ITCANABILITYTODISTINGUISHBETWEENWELLANDEASYTOUNDERSTANDTHERESULTSTHEZSCOREMETHODTOREFLECTTHEFINANCIALSITUATIONOFTHEINDEPENDENTVARIABLEANDCONTAINSANUMBEROFINDICATORS,AFTERMODELING,THEUSEOFRELATIVELYSIMPLETHETREATISEINTHEREALESTATEINDUSTRYBYSTCOMPANIESAN
5、D27NONSTCOMPANIESASSAMPLES,ANDCONDUCIVETOTHESPSSSTATISTICALSOFTWARETOANALYZETHEDATATOBUILDPREDICTIVEMODELSOFTHELISTEDCOMPANYSFINANCIALINDICATORSEMPIRICALSTUDIESHAVEFOUNDTHATTHESETWOMODELSARETOSOMEEXTENT,THEREALESTATEINDUSTRYFOREFFECTIVEFINANCIALEARLYWARNINGEFFECTBUTTHECOMPARISON,BASEDONFACTORLOGISTI
6、CMODELISBETTERABLETOPREDICTMOREACCURATELYTHEREALESTATEINDUSTRYSFINANCIALCRISISANDTHATISABLETOACHIEVEAGOODWARNINGEFFECTAND,EXPLOREMOREACCURATEFINANCIALEARLYWARNINGMETHOD,TOMAKINGITHASAHIGHAPPLICATIONVALUEINTHEFINANCIALEARLYWARNINGKEYWORDSLISTEDCOMPANYFINANCIALEARLYWARNINGLOGISTICMODELZSCOREMODEL目录1上市
7、公司财务预警相关理论概述111财务危机的相关理论1111财务危机的定义1112对我国上市公司财务危机的界定212财务危机与财务预警之间的关系213财务预警方法的相关理论3131财务预警定性分析方法4132财务预警定量分析方法4133财务预警定性分析方法与定量分析方法的比较72上市公司财务预警系统应用现状及设计合适方法的必要性821上市公司财务预警系统应用现状822我国上市公司财务预警系统应用中采用合适方法的必要性83以房地产行业上市公司为例对于财务预警方法的探索1031基于因子分析的LOGISTIC模型建立10311样本来源10312样本选取10313财务指标确定11314T1年数据处理123
8、15T2及T3的数据处理1632ZSCORE模型的建立17结论19参考文献20致谢211随着经济的不断发展，上市公司面临风险越来越多，种类也多种多样，其中财务危机是导致企业生存危机的重要因素。而且，财务危机的产生也不是一朝一夕出现的，它是一个长期积累及逐步发展的过程。通过财务预警方法评析来对企业财务指标和经营数据进行分析，能够预测和防范财务风险,实现企业价值的最大化。然而，不同的财务预警方法有着不同的效果，影响到了预警模型的正确性及预警精度。因而，在众多预警方法中选择适合的财务预警方法来构建模型，有效的起到财务预警的效果，为达到上市公司防范和化解财务危机的起到重要作用。1上市公司财务预警相关理
9、论概述11财务危机的相关理论111财务危机的定义一般来说，财务危机又称财务困境，即丧失偿还到期债务的能力，无法支付到期债务或费用的一种经济现象。从严格意义上来说，最为严重的财务危机是破产，许多对财务危机的研究都是从企业破产着手的。关于财务危机的定义，各学者都持有不同的观点。国外大部分学者认为确定企业进入财务危机的标志是企业根据破产法提出破产申请的行为。如BEAVER1966，认为公司的“财务危机”定义为出现破产、债券拖欠不偿付、银行透支、不能支付优先股股利。ALTMAN1968则认为，公司在破产前要经历三个阶段失败阶段、无力偿还债务阶段和破产阶段。在这三个阶段中，失败阶段是公司出现财务困境的开
10、端，所谓的失败阶段，就是指公司投资的资产现值己经低于资产本身的市价了，这表明公司已经没有存在或持续经营的意义。但公司的收入若能抵偿它的流动成本，那么还可以考虑继续经营。失败并不注定破产，它只是个开端，只能说明公司出现了问题，还有存在继续经营的可能。但无力偿还债务阶段就表明公司己进入财务困境状态。如果公司发现它的全部资产已无法满足负债的要求，它就发现自己已处于无力偿债的状态。此时，企业就进入破产阶段，ALTMAN把进入破产阶段的企业定义为财务危机。中国注册会计师独立审计具体准则第17号持续经营第八条，列示了企业财务危机的迹象，包括资不抵债；营运资金出现负数；无法偿还到期债务；无法偿还即将到期且难
11、以展期的借款过度依赖短期借款筹资；重要财务2指标显示财务状况恶化；累计经营性亏损数额巨大；存在大额的逾期未付利润；无法履行借款合同中的有关条款；存在大量不良资产且长期未做处理；重要子公司无法持续经营且未进行处理；无法获得供应商的正常商业利润；难以获得开发必要新产品或进行必要投资所需资金；显示财务状况恶化的其他迹象。112对我国上市公司财务危机的界定随着我国市场经济的不断发展，企业对市场化程度的要求越来越高，破产已成为人们日益关注的话题。根据我国上市公司的实际情况以及学术界对上市公司财务危机的研究，例如陈晓、陈治鸿2000认为上市公司中被宣布特别处理的公司ST公司为财务危机企业。本文将采用被特别
12、处理公司ST公司、ST公司为陷入财务危机的公司，而非特别处理公司视为财务状况正常的公司。主要基于以下原因第一，对于我国广大公司而言，取得上市资格是一种非常宝贵的资源，即使ST公司、ST公司面临破产风险，也会有其他公司对其进行购并，并且通过转嫁亏损资产，注入优质资产等重组手段恢复其正常的经营能力；并且，我国政府对上市公司的重视，尽力通过财政补贴、减免债务等行政手段来挽救ST、ST公司。这些因素都使得面临风险的上市公司不太可能出现申请破产的情况。因此，国外普遍认为的破产界限在中国行不通，无法用破产来界定中国上市公司的经营失败和财务危机。第二，目前，在我国，被特别处理的公司大多是由于公司两年连续亏损
13、或最近一年的每股净资产低于每股面值，或同时出现以上两种情况，或者经审计的财务报告对上年度利润进行调整，导致连续两个会计年度净利润为负值。如果上市公司发生以上情况，则说明ST、ST公司已经陷入比较严重的财务危机中，已处于无力偿还债务的状态，实际上它已面临破产的危险。在我国上市公司中，基本上都是由于“财务状况异常”造成的，还没有出现由于“其他状况异常”即因自然灾害、重大事故导致公司的生产经营活动基本停止，或者公司面临赔偿金额可能超过净资产额的诉讼而被“特别处理”的公司，我国的退市机制主要也是针对连续亏损的上市公司。12财务危机与财务预警之间的关系企业出现财务危机不仅危及到自身的生存和发展，还对投资
14、者、债权人及国家的利益造成影响。随着我国市场经济的不断发展和完善，与世界经济的依3存度越来越高。上市公司经常面临财务危机的威胁，如果不及时采取措施，上市公司将很有可能陷入到困境中。因此，如何预测上市公司的财务危机，尽最大的可能地规避风险，减少损失已成为各利害关系人及证券市场监督机构共同关心的问题。面对这样的情形，财务预警起到了不可替代的作用。它是以企业信息化为基础，对企业在经营管理活动中的潜在财务危机风险进行监测、诊断与报警的一种技术，有助于管理者了解财务危机发生的根源，及时采取对策，防止财务状况进一步恶化。虽然财务预警看似在其危机征兆出现后才发挥效用，实际上事先已经明确表明了各种会导致财务危
15、机的原因和监控指标，它具有预防的功能，能够有效的防治和克服财务危机，及早发出预警信号，将潜在的危险告知管理者，从而避免或者减少对公司的破坏程度。13财务预警方法的相关理论关于财务预警方法的研究在国外历史悠久。总体而言，财务预警方法可分为统计类和非统计类两大类，其中，统计类的方法主要有单变量分析法和多变量分析法。非统计方法主要有模拟类预测方法、行为反映类方法和案例分析法三大类，详细的财务预警方法分类如图1所示图1财务预警的方法资料来源吴雯雯，国内外财务预警方法的研究综述J黄河水利职业技术学院学报，2006财务预警方法分类统计类预测方法非统计类预测方法单变量分析多变量分析模拟类预测方法行为反映类预
16、测法统计类预测方法传统比率分析法系统比率分析法资产负债分解法赌徒理论判别分析法回归分析法逻辑分析法生存分析法信用评级递归划分算法人工智能神经网络股价分析法试验法模拟类预测方法共同因数分析法4年第7期131财务预警定性分析方法定性分析是企业的运行状况、各种风险的评述及综合来进行预警。按照财务预警的分析方法分为定量分析和定性分析，定量分析是通过数据，模型对企业财务状况的加工处理，得出预警结论。（1）专家调查法，即标准化调查法。该方法是通过专业人员或调查公司根据企业的内部及外部环境，对企业过去和现在的状况、变化发展过程进行综合分析，从而对企业的发展趋势做出报告并供企业管理当局参考。一般包括企业业绩、
17、同行业比较、企业财务经营问题及原因、企业前景等。该方法适合所有企业，但对特定企业的特定问题的调查分析就比较少，这既是她的优点，也是它的缺点。（2）四阶段症状分析法。该方法分为四个阶段，即财务危机潜伏期、财务危机发作期、财务危机恶化期和财务危机实现期。企业可以根据各个阶段的特征，对照自身的实际情况，如有不良情况发生，就应弄清原因，及时采取措施来使企业摆脱财务困难，使企业恢复正常的运作。四阶段症状分析法优点是使用容易，易于实施。缺点是难以区分各个阶段的界限。（3）流程图分析法。该方法是通过对企业动态流程图的分析，用生产和财务关键点来防范风险的一种方法。它能够准确揭露企业潜在的风险,对识别企业生产经
18、营和财务活动的关键点特别有用。但它有一定的局限性，它是一种防范的手段，是建立在过程分析的基础上，应该与其他方法一起使用。（4）管理分析法。即通过对企业的经营缺陷、失误和失败征兆进行对比打分、加权处理,以总分数的高低来判断企业的财务状况的分析方法。25分是临界点，如果评价的总分数超过25分，就表示企业正面临失败的危险；如果得分总数超过35分，企业就处于严重的危机中企业的安全得分在18分以下。一般而言，企业所得分数越高，它面临的处境就越危险。这种方法简单易懂，有效，但同样它存在局限性不同的评判者对同一企业或不同企业的风险测定结果存在差异，并且其效果还取决去是否对评分的企业有着直接、深入的了解。13
19、2财务预警定量分析方法由于定性分析主要是依靠主观来判断，其缺陷非常明显，因此各学者更加注重对财务预警定量分析方法和财务预警模型的研究，从而提出了各种企业财5务预警的定量分析方法。财务预警的定量分析方法又可分为单变量分析方法和多变量分析方法。（1）单变量分析方法在财务预警研究领域，单变量分析是最早的运用方法。1932年，FITZPATRICK开展了单变量破产预测研究。他通过对19家企业的研究，运用单个财务比率将样本划为破产和非破产两组，并且发现判别能力最高的是股东权益报酬率和股东权益对负债的比率。其后，BEAVER在1966年提出了单一变量模型，BEAVER使用19541964年的79对公司组成
20、的样本分别检验了反映公司不同财务特征的6组30个财务比率在企业陷入财务困境前15年的预测能力，在BEAVER建立的一元判别模型中，许多比率都显示出极佳的预测能力，其中现金流量与负债总额的比率能最好的判定公司的财务状况（误判率最低）；其次是资产负债率和净收益与资产总额的比率。但毕竟单变量分析法比较简单，因为不同财务比率的预测方法与能力经常出现较大的差距，有时候会同一个公司使用不同的比率来预测，却产生出了不同结果的现象，这样会对其公司产生怀疑，遭受批评，因而抓紧采用多变量分析方法。（2）多变量分析方法其一多元线性判定方法。在对单变量分析方法之后，ALTMAN1968提出了预测企业破产的“ZSCOR
21、E”模型。首次使用多元判别的分析方法来研究企业破产问题。他以破产和非破产两组共66家制造业公司为样本，经过筛选，对这些企业的财务指标按流动比率、收益率、稳定性、支付能力、活动比例五项标准分类，在从最初的22个变量中选定预测破产最有用的5个变量，在分析这些变量相关性的基础上，进行综合分析后建立了多元线性的Z分数预测模型。表达式为Z12X114X233X306X40999X5其中Z值代表财务状况出现恶化的判别值，XII1,2,3,4,5,含义及计算公式如表1所示表1ZSCORE模型中自变量含义及计算公式自变量名称含义计算公式X1反映公司资产的规模和折现能力X1（营运资金/资产总额）营运资金流动资产
22、流动负债X2反映公司的累积获利能力X2（留存收益/资产总额）留存收益盈余公积未分配利润X3反映公司对资产的使用效益X3（息税前利润/资产总额）息税前利润利润总额所得税费用X4反映公司的财务结构X4（股东权益/负债总额）股东权益资产总额负债总额6续表X5反映公司的资产运营能力X5销售收入/资产总额资料来源黄硕，张红，周鹏，基于ZSCORE模型的我国房地产上市公司财务预警研究J中国房地产，201011一般来说，Z值越低，企业发生破产的可能性就越大。ALTMAN还提出了判断企业破产的临界值，当企业Z值在181以下，企业存在严重的财务危机，且破产概率较高；当Z值在1812675之间，ALTMAN称之为
23、“灰色地带”，若风险控制不得当，公司陷入财务困境的可能性很大，出现破产较大；若Z值在2675以上，我们则表明企业财务状况良好，出现破产的概率较小。如表2所示表2基于ZSCORE模型的公司财务状况判别标准Z值范围结果分析财务状况判别结果Z181陷入财务危机的可能性很大，出现财务风险大较差181Z2675发生财务危机的可能性是情况而定不稳定Z2675财务状况良好，出现财务风险小健康资料来源黄硕，张红，周鹏，基于ZSCORE模型的我国房地产上市公司财务预警研究J中国房地产，201011ALTMAN教授通过对“ZSCORE”模型的研究分析得到Z值越小，该企业遭受财务失败的可能性就会越大。此后，多变量分
24、析方法被广泛的运用，成为一种主流，其优点是能够包含独立的变量。具有反映财务情况的多项指标。一旦建立模型之后，运用比较简单。多变量模型除了“ZSCORE”模式之外，还有日本开发银行的多变量预测模型、中国台湾陈肇荣的多元预测模型、以及中国大陆学者周首华、杨济华F分数模型等。其二多元逻辑回归方法。由于线性模型需要一系列较严格的假设条件，一直颇受攻击，一些学者开始引入逻辑回归模型进行财务预警研究。OHLSON（1980）第一个将多元逻辑回归模型应用到企业财务预警中，使得财务风险预测的方法得到进一步的改进。他选取19701976年间破产的105家公司和2058家非破产公司组成的配对样本，分析样本公司在破
25、产概率区间上的分布以及两类错误和分割点之间的关系，研究发现，至少有四类显著影响公司破产概率的变量公司规模、资本结构、业绩和当前的融资能力。多元逻辑回归模型假设企业破产的概率为P，当P1为破产，当P0为非破产，并且假设LNP/（1P）ABX，根据推到得出1BXAEEPBXA7其判别规则为当P值大于05，表明企业破产的概率比较大，可以将企业判定为破产类型；反之，当P值小于05，则表明企业财务正常的概率比较大，可以将企业判定为财务正常。其三人工神经网络方法。20世纪80年代，神经网络开始兴起，也影响到了财务危机预测研究领域。虽然神经网络模型在研究方法上取得重大创新，但实际效果却很不稳定。1991年，
26、MODOM和RSHARDA第一次把人工神经网络方法用于财务危机的预测研究。当与传统多元判别分析进行比较研究，表明神经网络具有更良好的准确性，和模式识别能力，而且，它对数据分布的要求并不严格，具备处理资料遗漏的能力。虽然它具备其他方法无法比拟的优点，但在运用过程中仍存在这争议与统计方法相比，因网络结构无法固定而更加难以理解。工作的随机性很强，一个好的网络结构，需要大量的人力和时间去调试。人工神经网络方法理论基础较薄弱，其科学性、准确性还有待提高。133财务预警定性分析方法与定量分析方法的比较财务预警的定性分析方法主要是对事物质的角度来分析问题的，侧重与事物因果关系，通过表象来分析事物的本质。它具
27、备较大的灵活性，可以根据公司的具体情况来进行相应的调整。定性分析法由于无需完整的数据资料，需要人们凭借自己的经验对财务风险的趋势进行分析，有时候它比定量分析更加可靠和有效。但是这种方法也存在缺点，容易受到个人们主观意见的影响，个人的偏见常常会给公司带来很巨大的损失。定量分析方法从量化的角度来分析，侧重于以数据来说明问题，通过财务报表数据对公司的财务状况来做出评价，这种方法是建立在历史记录的基础上，但公开的财务数据与公司的实际财务状况相比是滞后的，这也是公司财务危机预测失败的重要原因之一。此外，定量分析方法只是考虑了财务指标，却没有考虑非财务的因素，特别是一些非财务因素与公司日常的生产经营密切相
28、关，而这些因素有时候恰恰就是会导致财务危机。因此，财务预警模型不能只依靠财务数据，应该在注重定量的分析的基础是上，充分考虑影响公司财务状况的非财务因素。把两种分析方法结合起来，取长补短，这样既考虑了公司自身的具体情况，又避免了仅用定量分析法的缺点，提高防范财务风险的准确性并能及时发现危机。82上市公司财务预警系统应用现状及设计合适方法的必要性21上市公司财务预警系统应用现状面对国际竞争的加剧和复杂多变的经济环境，上市公司不可避免地面临各种财务危机。通过构建有效的财务危机预警模型，能在很大程度上帮助上市公司防范和化解财务危机，尽可能地减少利益相关者的损失。然而，由于种种原因，财务预警系统在我国上
29、市公司中尚未得到广泛应用。在国外财务预警研究和我国上市公司经济预警系统研究、应用的影响和推动下，我国上市公司财务预警系统不仅受到理论界的关注，而且得到了其他社会群体的认同。不少学者建议上市公司运用财务预警系统建议的文章频频出现，以杨宗昌、赵红以蓝田股份为例，他们借助Z分数模型等比较有影响的财务预警模型，来评价上市公司风险，判定上市公司财务危机程度，强调财务预警的有效性和重要性，来使上市公司相关利益方的引起重视，并建议上市公司主动运用财务预警模型进行财务预警分析。在我国上市公司中，投资者与管理层之间的信息不对称是非常突出的，普遍存在会计信息失真的现象，从而导致财务预警系统的有效性，进而影响了有关
30、利益各方运用财务预警系统的积极性。另一方面，我国证券市场的不够成熟和完善，上市公司行为是哪个也不够规范。财务预警系统还是一个比较年轻的研究领域，目前我国上市公司的监管部门尚未就上市公司运用财务预警系统做出相应的规定。很多时候，一般的投资者作为利益的受损方，而上市公司的决策层是利益的受益方。因此，往往上市公司会忽视掉财务预警系统的重要性，很少主动的去运用财务预警系统进行财务风险预警。由此可以知道，财务预警系统常常不被广泛的运用到实践的工作中去。22我国上市公司财务预警系统应用中采用合适方法的必要性面对我国市场经济的高速发展和证券市场的不断成熟，上市公司出现财务危机的频率不断提高，因而，上市公司对
31、财务危机预警系统的需求越来越高。但从上述分析来看，财务预警系统在上市公司的应用中并不广泛，主要原因可能是财务预警方法的选择，不同的方法对预警效果有着不同的作用以及在实际工作中运用的难易程度。如何选择一个适合的财务预警方法，对上市公司来说是非常必要的。9然而，我国上市公司财务预警方法的运用还存在不足（1）目前还没有对具体行业进行分析、建模。由于每个行业的状况不同，影响财务危机的因素自然不同，因此，分行业研究更有价值。（2）使用的方法比较简单，主要是单变量分析，多元判别分析及逻辑模型等参数的方法，而像神经网络模型等非参数方法基本上没人使用。（3）大部分研究只是在公司被ST是前两年进行预测的，即在公
32、司已经亏损一年的情况下来预测，这可能会高估其方法的预测能力。（4）在现实工作中，很多上市公司不是去根据自己的实际情况去选择财务预警方法来防范风险，通常看哪种方法运用的最为普遍，不管是否适合这个行业，适合公司，导致财务预警效果的失败，财务预警系统无法正常的建立。鉴于此，本文就行业问题选择房地产行业来研究，区别行业间的不同。通过对两种最为普遍的财务预警方法的比较，更采用不同于以往的LOGISTIC回归方法，加入因子分析，可以对所观测的样本进行分类，简化实测指标的系统，在此方法上进行深入研究。并在时间的选取上更加深入一年，分年份来研究。在行业问题上，本文选择房地产行业，旨在此行业数据的研究上，通过对
33、两种财务预警方法的比较，分析出较为精确的、预测能力强的方法。103以房地产行业上市公司为例对于财务预警方法的探索31基于因子分析的LOGISTIC模型建立311样本来源本文选择我国沪、深两市房地产行业2005至2010年共37家上市公司作为研究样本，之所以选择房地产行业，理由如下第一，构建房地产行业的财务预警系统，是确保我国资本市场健康发展以及房地产企业财务良性循环的一个重要方面。国内对财务预警的研究主要集中与我国所有的上市公司，或者是制造业等，并没有消除行业间的差距。若将一个模型运用与不同的行业，势必对其现实性感到怀疑。因此，本文通过对房地产行业研究，选择变量和样本，找到适合房地产行业的财务
34、预警方法，建立财务预警系统。第二，房地产行业的生存发展关乎到每一个人，但从房地产行业的经营特点分析，它面临着无力偿还债务的风险和在筹资的风险。需要专门针对其问题的财务危机预测模型，研究就具有了现实意义，有利于企业提升竞争力，使其可持续发展。这样不仅保护了投资者的权益，还保障了债权人的利益。本文样本数据的选取了我国沪深两市房地产20052010上市公司发表的年报数据以及综合财务指标数据。数据主要来源新浪财经、CCER中国经济金融数据库。312样本选取由于我国房地产上市公司相对于其他行业而言数量较少，导致被ST的公司数量有限，本文认为配对抽样方式不太适合，故选择非配对抽样方式来选择样本。在以往的文
35、献中，研究者一般都是以配对的方法来抽取样本去研究模型的。但配对抽样存在几个缺点一是配对抽样默认了财务危机企业与非财务危机企业的发生概率是相等的。而且，如果是一一配对，被选中的非财务危机企业具有偶然性，不一定能代表该类企业。二是配对抽样只能成对地对比研究得出结论，而不能根据单个公司的研究得出结论。因此，本文采用非配对抽样，抽取相对少量的财务危机企业与相对较多的非财务危机企业。沪深两个证券交易所根据上市公司（T1）年的财务状况来决定是否在第T11年对该公司实施特别处理，就此我们可以知道，ST公司陷入财务危机不是一时间产生的，而是一个连续的过程。从这一年的财务指标上可以反映出ST与非ST在经营上的差
36、异。除此之外，上市公司可能为了在这一年度保持账面上的盈利常常会利用各种手段来分时报表，这样就导致了某些财务指标与正常公司间存在差异。因此，我们要根据（T3）年的财务数据来分析该公司是否会在第T年成为ST公司。本文共选取房地产行业20052010年共37家上市公司作为样本，其中ST（包括ST）10家，非ST27家。313财务指标确定企业通过确立财务指标,来建立财务预警指标体系。在财务风险预警指标的建立中,应坚持实用性、可操作性以及全面性原则,预警指标不宜过多。根据以上原则，本文初步选取17个预测变量。这17预测变量主要反映了企业财务状况的五个主要方面，包括偿债能力、经营能力、经营效率，成长能力和
37、现金流量状况。如下表3所示表3财务指标体系初选反应能力指标名称指标定义偿债能力X1流动比率流动资产流动负债X2速动比率速动资产流动负债X3固定资产比率固定资产总资产营运能力X4存货周转率主营业务成本平均存货X5总资产周转率主营业务收入平均总资产经营效率X6每股收益净收益普通股股数X7销售毛利率1（主营业务成本主营业务收入）X8主营业务利润率净利润主营业务收入净额X9总资产收益率净利润平均总资产X10净资产收益率净利润平均净资产成长能力X11净利润增长率当年净利润增长额上年净利润X12总资产增长率当年总资产增长额上年总资产现金流量状况X13每股经营活动现金流量经营活动现金流量普通股股数X14现金
38、流量比率经营活动现金净流量流动负债X15经营现金负债总额利率经营活动现金净流量负债总额X16资产的经营现金流量回报率经营活动现金净流量总资产X17销售现金比率经营活动现金净流量销售收入资料来源杨晓莉我国上市公司财务预警模型D浙江浙江工商大学，200712314T1年数据处理本文将采用不需要自变量服从正态分布的LOGISTIC模型来预测上市公司财务。LOGISTIC模型是最普遍的一种对二分类因变量进行回归分析的方法，我们假设上文我们对LOGISTIC模型进行过详细的分析，它跟其他多元回归方法一样，对多重共线性敏感，为了克服这一影响，本文先利用SPSS160软件对财务指标进行因子分析，然后根据一定
39、的贡献率选出若干因子进行LOGISTIC回归。因子分析是以最少的信息损失，将众多的原始变盘浓缩成为少数几个因子变全，使得变量具有更高的可解释性的一种多元统计方法。它是通过新的综合找到几个概念上有意义的可以影响原始变量的共同因素，同时因子变量之间是近乎独立的，因此可以有效地克服原始变量之间的多重共线性。用SPSS160软件对（T1）年17个原始变量进行因子分析，巴特利特球体检验的检验值为593347，KMO等于0605，意味着数据适合做因子分析。确定选取的主成分数目，特征值法是选取较多的判断方法，因子对应的特征值就是因子所能解释的方差大小，而由于标准量的方差为1，因此特征值法要就保留因子特征值大
40、于1的那些因子。在本文中，使用特征值法得到的主成分个数为6个，其特征值累计贡献率占了总方差的84578。如表41所示，而因子碎石图从直观上判定其个数为6个，如图2碎石图所示。表41TOTALVARIANCEEXPLAINEDCOMPONENTINITIALEIGENVALUESEXTRACTIONSUMSOFSQUAREDLOADINGSROTATIONSUMSOFSQUAREDLOADINGSTOTALOFVARIANCECUMULATIVETOTALOFVARIANCECUMULATIVETOTALOFVARIANCECUMULATIVE15490322953229554903229532
41、29538792281522815表4T1年KMOANDBARTLETTSTESTKAISERMEYEROLKINMEASUREOFSAMPLINGADEQUACY600BARTLETTSTESTOFSPHERICITYAPPROXCHISQUARE593347DF136SIG000状态不会陷入状态陷入STSTP13续表2301917760500553019177605005531271839241207320461203362088204612033620882221130635427041513889870986151388987098621171245166721512537373783
42、59125373737835917721042377144610576219845781057621984578126474348457876713949885278556326891795949929349472910319187996609111891114977231213378398506131126599916514073431995961505532599921160090539997417004026100000图2T1年碎石图进一步分析，可建立初始因子载荷阵（表43）和旋转后的因子矩阵（表44）表43COMPONENTMATRIXACOMPONENT123456X1682145
43、027504312609114续表X13812186072078290097X8783169148058375380X14770535069111245088X15769542056105223068X7712016126397493035X17604328411043440119X6481786074112051139X9504728202129099050X10414604142107202394X5181257757002152213X4307110679070112228X3497330651153139065X2337137130821120242X14623972946041850
44、15X12361314017233511238X11015304348396218688表44ROTATEDCOMPONENTMATRIXACOMPONENT123456X14957031124142098021X15946047147158095018X16942060284046061009X13800326159162010016X6047902192010187028X9018857247050084221X10114831034133141150X12216557084270235331X8286307819105150266X7257231812263034278X17505106
45、724241038021X5127192063825046034X4130014062784040006X3030426280664234267X2186044046009925026X102227817224282212315续表X11066096013130127919从旋转后的因子载荷矩阵中看出因子1（F1）在每股经营活动现金流量、现金流量比率、经营现金负债总额利率、资产的经营现金流量回报率和销售现金比率这几个指标上有较大的载荷，它代表的是现金流量状况因子2（F2）在每股收益、净资产收益率、总资产收益率以及总资产增长率指标上有较大的载荷，它代表的是经营效率和总资产的增长能力。因子3（F3
46、）在销售毛利率、主营业务利润率指标上有较大载荷，它代表的是企业的经营效率。因子4（F4）在存货周转率、总资产周转率以及固定资产比率指标上有较大载荷，代表的是资产的运营能力和资产的结构。因子5（F5）在流动比率和速动比率上有较大载荷，这代表企业的偿债能力。因子6（F6）在净利润增长率指标上有较大载荷，它代表净利润的增长情况。将上述6个因子来建立LOGISTIC模型，利用SPSS中的LOGISTIC回归分析功能，使用向前逐步回归法，得到如下结果表5VARIABLESINTHEEQUATIONBSEWALDDFSIGEXPBSTEP3AF24413163672801007012F3133359949
47、531026264CONSTANT202696743891036132从上表我们可以将F2、F3两个因子作为变量纳入回归方程，得到LOGISTIC模型333312413402623333,12413420621FFFFEEP根据房地产行业的特点，选择分割点为008，用该模型对T1年的原始样本进行回判，如下表所示表6对T1年的判定结果实际值预测值Y正确率16续表01STEP3Y0261963137700合计298892针对T1年的判定结果，1家非ST被错判，26家判断正确，正确率为963，3家ST公司被错判，7家判断正确，正确率为700。总体上4家被错判，33家判断正确，正确率为892，说明该模
48、型的预测还不错。315T2及T3的数据处理与T1年的分析一样，对于T2和T3年的数据，我们首先进行因子分析，在对于进行LOGISTIC模型分析，得到这两年的判定结果（T2，T3）。表61对T2年的判定结果实际值预测值Y正确率01STEP2Y02701000137700合计307919针对T2年的判定结果，没有一家非ST被错判，正确率为100，3家ST公司被错判，7家判断正确，正确率为700。总体上3家被错判，34家判断正确，正确率为819，说明该模型的预测不错。表62对T3年的判定结果实际值预测值Y正确率01STEP1Y0270100011000合计470730针对T3年的判定结果，没有一家非
49、ST被错判，正确率为100，但同样10家ST没有一家被预测出来，正确率为0，主要原因是对房地产行业而言，在被ST的前两年的数据对财务危机的预警效果比较显著，而T3有可能尚未出现显著的财务危机，LOGISTIC模型尚不能预测出来。根据模型的检验，T2年17模型的拟合度较好，但T3年就呈现出不好的状况，针对第三年，其模型的统计意义不是很大。结合上述三张表可以知道，数据离预测期越短，预测的回判精确度就越高。在被ST的前三年，LOGISTIC模型保持较高的预测准确性，说明该模型有很高的适用性。32ZSCORE模型的建立ZSCORE模型主要预测企业财务失败或破产的可能性，是财务危机预警分析中较为常见的一种模型。本文通过选取Z模型进行分析房地产行业的状况，根据Z值来判断企业是否存在财务危机。样本的选择与LOGISTIC模型一样，即本文选取了20052010年37家房地产上市公司为样本，并通过T1、T2、T3年的时间来分别计算出Z值。在上节对多元线性方法的分析中知道Z模型主要有五个指标来分析，分别为X1、X2、X3、X4、X5。根据所选公司的样本，可以得到上市公司被ST前三年的Z指标值。通过对ST公司Z值的计算，临界点分别为181和2675。根据Z计分模型，Z值大于2675，表示企业财务状况良好；Z值小
