企业财务恶化预测的实证探析范文

本站小编为你精心准备了企业财务恶化预测的实证探析参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

(一)研究背景

随着计划经济向市场经济转轨,我国的企业被推向市场,破产问题日益提上议事日程:1986年12月2日六届人大十八次会议通过了《中华人民共和国企业破产法》(试行),开始在全民所有制企业实施;1994年7月1日起正式实施《公司法》,其中第157条规定:公司最近三年连续亏损,由国务院证券管理部门决定暂停其股票上市,第158条规定:上列情形在限期内未能清除,由国务院证券管理部门决定终止其股票上市。

嗣后,中国证券监督管理委员会于1998年3月16日颁布了证监交字[1998]6号文件《关于上市公司状况异常期间的股票特别处理方式的通知》,要求证券交易所应对“状况异常”的上市公司实行股票交易的特别处理(specialtreatment,简称ST)。为保证交易系统的安全和有关信息的及时披露,证监会作出有关规定:(1)证交所应要求上市公司在特别处理前于指定报刊头版刊登关于特别处理公告;(2)特别处理股票报价日涨跌限制为5%;(3)证交所应在发给会员的行情数据中,于特别处理股票前加“ST”标记;(4)指定报刊应另设专栏刊登特别处理股票的每日行情。此后不久,沪深证券交易所正式启动了当上市公司出现“异常状况”时,对上市公司进行“特别处理”的条款。这里的“异常状况”,包括“财务状况异常”和“其它状况异常”。前者指“连续两年亏损”或“每股净资产低于股票面值”;后者主要指自然灾害、重大事故等导致公司生产经营活动基本终止,公司涉及可能赔偿金额超过本公司净资产的诉讼等情况。由于后者具有不确定性,难以预测,所以一般只是对“财务状况异常”进行分析。

1998年4月27日,“辽物资(0511)”成为国内首家特别处理公司。4月28日,沪深股市又有金泰B股、粤海发展、黄河科技和湘中意、辽房天等5家公司也步入特别处理股票行列。截至6月底,沪深两地共出现27家特别处理公司。这些公司被特别处理的原因不尽相同,但它们大多有一些共同特点:(1)96年和97年连续亏损;(2)97年每股净资产偏低。如峨嵋集团、黄河科技等净资产已跌破面值;(3)主要是工业企业;(4)这些公司股票今年以来的上涨幅度远远超过大盘。如辽物资97年中期以来涨幅达131%,而此间的深圳成指数跌了5%;(5)上市时间较长,除鞍山一工等少数企业以外,大部分93年就已上市了。

特别处理给这些公司带来了巨大的压力,它们必须千方百计改善生产经营,并且还要受到证监会的更严格的监控。同时,也为沪深两地证券市场敲响了警钟:对于一般投资者来说,ST公司业绩差,财务状况存在严重问题,对其投资必须谨慎;对公司管理层来说,必须扭转局面,彻底清理不良资产,注入优质资产,从而走上良性循环的轨道,才能避免摘牌的危险,保住宝贵的“壳”资源。因此,迫切需要一个可行的预测财务状况恶化的方法,作为提醒有关方面注意的预警器。通过这样的预测,借贷者可以避免贷款的风险;投资者能够在证券价格大跌前就获得财务风险的警报;审计师可以准确判断企业是否经营良好,当某公司持续经营存在大量问题时,避免因未能正确披露其经营失败而招致法律诉讼;经理人员越早获得失败的信号,越可以减少其在会计、律师等方面所支付的费用,等等。而对于那些准备借“壳”或买“壳”上市的公司,在寻找重组的目标公司时,预测也是必不可少的。

然而,目前我国有关财务状况预测的研究尚属罕见,这与市场经济的发展很不适应。正是基于这一现状,笔者对国内证券市场的ST公司进行实证研究,考察国外的预测模型是否能够有效地应用于国内市场,希望对我国有关破产预测的研究有所裨益。

(二)文献回顾

国内证券市场的发展历史很短,有关财务恶化的研究几乎一片空白,而国外的证券市场由来已久,关于破产(或者说经营失败)预测的研究数量较多,成果也相对比较成熟。资料表明,最早由比弗(Beaver,1966)提出了单变量判定模型,他对于财务失败(failure),不仅仅狭义地界定为破产,还包括“债券拖欠不履行,银行超支,不能支付优先股股利等”。他首先使用了5个财务比率作为变量,对79家经营失败的公司和79家经营未失败的公司进行一元判定预测,发现现金流量与负债总额的比率能够最好地判定公司的财务状况(误判率最低);其次是资产负债率,并且离经营失败日越近,误判率越低,预见性越强。接着,另一美国学者奥曼(Altman,1968)提出了多元Z值判定模型,将若干变量合并入一个函数方程,用Z值进行判定,从而克服了单变量模型出现的对于同一公司,不同比率预测出不同结果的现象。其实证结果表明,在破产前一年的预测准确性较比弗有较大提高,但在破产前5年进行预测,其准确性却不如比弗的模型。此类预测模型还包括迪肯(Deakin,1972)的概率模型,埃德米斯特(Edmisterd,1972)的小企业研究模型,达艾蒙德(Dimond,1976)范式确认模型等。但是这些线性模型均存在着假设上的局限性①。因此以欧尔森(Ohlson,1980)为代表的一些研究者采用了条件概率模型,主要有对数成败比率模型(LOG-IT)和概率单位模型(PROBIT)两种统计方法。

它们都是建立在累积概率函数的基础上,一般运用最大似然估计,而不需要满足自变量服从多元正态分布和两组间协方差相等的条件。在所有这些研究中,比弗作为开山鼻祖,功不可没。而奥曼在前人基础上提出了多元预测模型,更进一步推动了财务破产预测研究的发展。他们的研究主要采用了这样一些概念和方法:

1.立面分析(profileanalysis):比弗以1954至1964年期间的79家财务失败的企业和相对应(同行业,等规模)的79家非失败企业为样本,对其失败前五年的财务比率的等权均值逐年进行比较,发现两组的财务比率均值有明显的差异,离失败日越近,差距越明显。

2.两分法检验(dichotomousclassificationtest):在破产预测模型中,主要是将所有破产(或失败)与非破产企业的财务比率进行排序,选择分割点(cutoffpoint),使两组的误分类②率最小。

3.一元判定模型(Univariatediscriminantmodel):比弗将上述共158家公司的样本随机分为两组,进行两分法检验,一组为估计样本(esti-mationsample),一组为有效样本(validationsam-ple)。通过对估计样本每个比率的值进行阵列来选择分隔点,使误分类率最小。再用该分割点对有效样本进行分类。他发现离失败日越近,财务比率预测错误分类率越低。

4.多元线性判定模型(Multivariatediscrimi-nantmodel):又称Z值判定模型。奥曼以1946年至1965年期间提出破产申请的33家公司和相对应的33家非破产公司作为样本,用其财务比率拟合出一个多元线性函数方程,求出Z值,对其经营状况进行预测或判断。发现模型的预测力在破产前一年的成功率明显超过了一元判定模型。

本文在研究中,由于受到统计样本和统计技术、方法的限制,很难采用欧尔森的条件概率模型。因此,尽管分析和判断ST公司,理论上欧尔森的模型更加先进,本文仍使用比弗和奥曼的模型。