發布時間：2022-07-13 10:41:09
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的1篇上市公司財務困境分析，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
內容提要：本文以我國上市公司為研究對象，選取了70家處于財務困境的公司和70家財務正常的公司為樣本，首先應用剖面分析和單變量判定分析，研究財務困境出現前5年內各年這二類公司21個財務指標的差異，最后選定6個為預測指標，應用Fisher線性判定分析、多元線性回歸分析和Logistic回歸分析三種方法，分別建立三種預測財務困境的模型。研究結果表明：(1)在財務困境發生前2年或1年，有16個財務指標的信息時效性較強，其中凈資產報酬率的判別成功率較高；(2)三種模型均能在財務困境發生前做出相對準確的預測，在財務困境發生前4年的誤判率在28％以內；(3)相對同一信息集而言，Logistic預測模型的誤判率最低，財務困境發生前1年的誤判率僅為6．47％。
一、財務困境預測模型研究的基本問題
財務困境(Financialdistress)又稱“財務危機”(Financialcrisis)，最嚴重的財務困境是“企業破產”(Bankruptcy)。企業因財務困境導致破產實際上是一種違約行為，所以財務困境又可稱為“違約風險”(Defaultrisk)。事實上，企業陷入財務困境是一個逐步的過程，通常從財務正常漸漸發展到財務危機。實踐中，大多數企業的財務困境都是由財務狀況正常到逐步惡化，最終導致財務困境或破產的。因此，企業的財務困境不但具有先兆，而且是可預測的。正確地預測企業財務困境，對于保護投資者和債權人的利益、對于經營者防范財務危機、對于政府管理部門監控上市公司質量和證券市場風險，都具有重要的現實意義。縱觀財務困境判定和預測模型的研究，涉及到三個基本問題：一是財務困境的定義；二是預測變量或判定指標的選擇；三是計量方法的選擇。
(一)財務困境的定義
關于財務困境的定義，有不同的觀點。Carmiehael(1972)認為財務困境是企業履行義務時受阻，具體表現為流動性不足、權益不足、債務拖欠及資金不足四種形式。Ross等人(1999；2000)則認為可從四個方面定義企業的財務困境：第一，企業失敗，即企業清算后仍無力支付債權人的債務；第二，法定破產，即企業和債權人向法院申請企業破產；第三，技術破產，即企業無法按期履行債務合約付息還本；第四，會計破產，即企業的賬面凈資產出現負數，資不抵債。從防范財務困境的角度看，“財務困境是指一個企業處于經營性現金流量不足以抵償現有到期債務”，即技術破產。
在Beaver(1966)的研究中，79家“財務困境公司”包括59家破產公司、16家拖欠優先股股利公司和3家拖欠債務的公司，由此可見，Beaver把破產、拖欠優先股股利、拖欠債務界定為財務困境。Altman(1968)定義的財務困境是“進入法定破產的企業”。Deakin(1972)則認為財務困境公司“僅包括已經經歷破產、無力償債或為債權人利益而已經進行清算的公司”。
(二)預測變量的選擇
財務困境預測模型因所用的信息類型不同分為財務指標信息類模型、現金流量信息類模型和市場收益率信息類模型。
1．財務指標信息類模型。Ahman(1968)等學者(Ahman，Haldeman和Narayanan，1980；Platt和Platt，1991)使用常規的財務指標，如負債比率、流動比率、凈資產收益率和資產周轉速度等，作為預測模型的變量進行財務困境預測。
盡管財務指標廣泛且有效地應用于財務困境預測模型，但如何選擇財務指標及是否存在最佳的財務指標來預測財務困境發生的概率卻一直存在分歧。Harmer(1983)指出被選財務指標的相對獨立性能提高模型的預測能力。Boritz(1991)區分出65個之多的財務指標作為預測變量。但是，自Z模型(1968)和ZETA模型(1977)發明后，還未出現更好的使用財務指標于預測財務困境的模型。
2．現金流量信息類模型。現金流量類信息的財務困境預測模型基于一個理財學的基本原理：公司的價值應等于預期的現金流量的凈現值。如果公司沒有足夠的現金支付到期債務，而且又無其他途徑獲得資金時，那么公司最終將破產。因此，過去和現在的現金流量應能很好地反映公司的價值和破產概率。
在Gentry，Newbold和Whitford(1985a；1985b)研究的基礎上，Aziz、Emanuel和Lawson(1988)發展了現金流量信息預測財務困境模型。公司的價值來自經營的、政府的、債權人的、股東的現金流量的折現值之和。他們根據配對的破產公司和非破產公司的數據，發現在破產前5年內兩類公司的經營現金流量均值和現金支付的所得稅均值有顯著的差異。顯然，這一結果是符合現實的。破產公司與非破產公司的經營性現金流量會因投資質量和經營效率的差異而不同，二者以現金支付的所得稅也會因稅收會計的處理差異而不同。Aziz、Emanuel和Lawson(1989)比較了Z模型、ZETA模型、現金流量模型預測企業發生財務困境的準確率，發現現金流量模型的預測效果較好。
3．市場收益率信息類模型。Beaver(1968)是使用股票市場收益率信息進行財務困境預測研究的先驅。他發現在有效的資本市場里，股票收益率也如同財務指標一樣可以預測破產，但時間略滯后。Altman和Brenner(1981)的研究表明，破產公司的股票在破產前至少1年內在資本市場上表現欠佳。Clark和Weinstein(1983)發現破產公司股票在破產前至少3年內存在負的市場收益率。然而，他們也發現破產公告仍然向市場釋放了新的信息。破產公司股票在破產公告日前后的兩個月時間區段內平均將經歷26％的資本損失。
Aharony，Jones和Swary(1980)提出了一個基于市場收益率方差的破產預測模型。他們發現在正式的破產公告日之前的4年內，破產公司的股票的市場收益率方差與一般公司存在差異。在接近破產公告日時，破產公司的股票的市場收益率方差變大。
(三)計量方法的選擇
財務困境的預測模型因選用變量多少不同分為單變量預測模型和多變量預測模型；多變量預測模型因使用計量方法不同分為線性判定模型、線性概率模型和Logistic回歸模型。
此外，值得注意的是，近年來財務困境預測的研究方法又有新的進展。網絡神經遺傳方法已經開始被應用于構建和估計財務困境預測模型。
(四)我國對企業財務困境預測的研究
在國內的研究中，吳世農、黃世忠(1986)曾介紹企業的破產分析指標和預測模型；陳靜(1999)以1998年的27家ST公司和27家非ST公司，使用了1995—1997年的財務報表數據，進行了單變量分析和二類線性判定分析，在單變量判定分析中，發現在負債比率、流動比率、總資產收益率、凈資產收益率4個財務指標中，流動比率與負債比率的誤判率最低；在多元線性判定分析中，發現由負債比率、凈資產收益率、流動比率、營運資本／總資產、總資產周轉率6個指標構建的模型，在ST發生的前3年能較好地預測ST。張玲(2000)以120家公司為研究對象，使用其中60家公司的財務數據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，發現模型具有超前4年的預測結果。
二、本文的樣本和研究方法
本文與以前我國上市公司財務困境的研究有所不同。第一，樣本新、時間長、容量大。本文研究的ST樣本包括1998—2000年發生ST的公司，即A股市場上全部的ST公司，同時剔除了非正常的ST公司；此外，樣本數據的收集時間延至公司發生ST前5年，樣本時間跨度較長。選入研究的ST樣本公司70家和相對應的非ST樣本公司70家，樣本容量達到了140家，可望在一定程度上降低估計和預測誤差。第二，選擇多種研究方法，建立單變量判定模型和三種多變量判定模型，并比較各種模型在財務困境預測中的效率。
(一)財務困境公司的樣本選定
本文從我國A股市場上3年中出現的82家ST公司中界定出70家公司作為財務困境公司，進行財務困境預測研究。它們是：(1)連續兩年虧損，包括因對財務報告調整導致連續兩年虧損的“連虧”公司，共51家；(2)一年虧損但最近一個會計年度的股東權益低于注冊資本，即“巨虧”公司，共16家；(3)因注冊會計師意見而特別處理的，共3家。但排除了：(1)上市兩年內就進入特別處理的公司，共8家。排除原因是財務數據過少和存在嚴重的包裝上市嫌疑，因此與樣本中的其他公司不具有同質性；(2)因巨額或有負債進行特別處理的公司，共2家。排除原因是或有負債屬偶發事件，不是由企業正常經營造成的，與其他樣本公司不具有同質性；(3)因自然災害、重大事故等進行特別處理的，共2家，原因同(2)。
(二)研究程序和計量方法
本研究首先計算140家樣本公司的盈利增長比率、股東權益收益率等21個財務指標，這些指標綜合反映了企業的盈利能力、長短期償債能力、營運能力、成長能力和企業規模。在此基礎上，使用剖面分析對樣本中的財務困境公司和非財務困境公司在財務困境發生前5年期間歷年的21個財務指標進行對比分析，探討對企業陷入財務困境影響顯著的變量。其后，應用單變量分析，選擇4個財務指標為例估計單變量判定模型。最后，篩選和確定對企業陷入財務困境影響最為顯著的6個指標為模型的判定指標，應用線性概率模型、Fisher二類線性判定模型、Logistic模型三種計量方法，建立和估計財務困境的預測模型，并比較這三種模型的預測效果。
三、實證研究
(一)剖面分析
首先分組計算70家財務困境公司和70家非財務困境公司的21個財務指標在財務困境發生前1至5年的平均值和標準差等描述性統計量，比較這二組在21個財務指標各年的平均值是否具有顯著差異，其次計算各年的Z統計檢驗量，結果如表1所示。剖面分析結果表明：(1)在ST發生的前1和2年，財務困境公司和非財務困境公司的17個財務指標的平均值存在顯著的差異；(2)Z值隨著ST發生時間的臨近而顯著增大，即二組的財務指標平均值的差異隨ST發生時間的臨近而擴大。由此可見，在所選的21個財務指標中，除利息保障倍數、存貨周轉率、Log(總資產)和Idg(凈資產)外，其余17個在財務困境發生前1至2年中具有顯著的預測能力。
(二)單變量判定分析
本文選擇凈資產報酬率、負債比例、營運資產與總資產的比例和資產周轉率4個財務指標，應用單變量判定分析分別建立4個單變量預測模型，通過確定模型的最佳判定點，可以判定某一企業在財務困境發生前1至5年其是否會陷入財務困境。估計模型的結果如表2至表5所示。
表2凈資產報酬率在財務困境前1-5年的判定模型
由表2至表5可見：(1)從各個單變量判定模型的判定效果來看，凈資產報酬率的判定模型誤差最小；營運資本／總資產的判定模型和負債比率的判定模型誤差次之，資產周轉率的判定模型誤差最大。(2)財務指標作為預測變量具有信息含量和時效性，其信息含量隨著時間的推移而遞減，即指標值離財務困境發生的時間愈短，信息含量愈多，預測的準確性愈高，反之信息含量愈少，預測準確性愈低。(3)結合剖面分析，在兩組均值的差異性檢驗中非常顯著的財務指標，在單變量判定分析中的誤判率卻較高。例如，財務困境公司與非財務困境公司兩組的負債比率在財務困境前1年的Z統計量為7．0696，差異性非常顯著，但在單變量判定分析中誤判比率卻高達24．46％。以上結果表明，應用不同研究方法分析同一個指標所得結果不同。我們認為，這是因為在剖面分析的z檢驗中，誤判率不僅與兩組的均值有關，而且與兩組的樣本分布的狀況有關。因此，應用不同判定分析方法構建的單指標判定模型，結論往往相互沖突。
(三)多元線性判定模型的變量選擇分析
本研究首先應用LPM，采用逐步回歸選擇變量方法，對5年的樣本數據依次進行回歸，從21個變量中選擇若干變量。選擇的標準是：F值的概率值小于0．10時進入，大于0．11時剔除。
利用財務困境前1至5年的數據，分別進行逐步回歸，結果如表6所示。我們最終選取了Xl(盈利增長指數)、X3(資產報酬率)、X7(流動比率)、X11(長期負債與股東權益比率)、X12(營運資本與總資產比)、X19(資產周轉率)等6個指標作為多元判定分析的變量。選取這些指標的原因是：(1)以財務困境前1年的逐步回歸結果為主，參考其他年份的回歸結果。由剖面分析可知，財務困境前1年的財務指標作為財務困境預測的信息含量最多，時效性最強；離財務困境發生的時間越遠，指標的信息含量越少，時效性越差。所以，財務困境前1年逐步回歸所得的變量全部入選。結合其他年份特別是財務困境前2年的結果，營運資本總資產比、速動比率、負債比率、應收賬款周轉率是表現較好的變量。(2)兼顧全面綜合的信息反映，適當避免同類信息的重復反映。首先，財務困境前1年逐步回歸所得的變量盈利增長指數、資產報酬率、長期負債股東權益比率、資產周轉率分別是反映企業成長能力、盈利能力、長期償債能力、營運能力的指標，但沒有反映短期償債能力的指標。營運資本與總資產比是財務困境前2年逐步回歸所得的變量之一，而且參數估計值的顯著性水平在0．05之上，故也把該變量作為預測變量之一。其次，速動比率是反映短期償債能力的指標，但更能全面反映短期償債能力是流動比率，結合剖面分析，歷年兩組間的流動比率和速動比率均值差異性檢驗統計量Z值比較接近，表明這二個指標都能反映的兩組的差異性。因此，從反映短期償債能力的全面性來考慮，我們在建模時選擇了流動比率，舍棄了速動比率。再次，考慮到若企業短期償債能力較強，會減少其在短期內陷入財務困境的概率，因此把短期償債能力的兩個指標——營運資本與總資產比和流動比率同時引入預測變量組合，加強短期償債能力信息在預測中的比重。第四，負債比率與長期負債股東權益比同是反映企業長期償債能力的指標，長期負債股東權益比已在財務困境前1年引入了變量組合，為避免信息的重復反映，舍棄了負債比率。最后，應收賬款周轉率與總資產周轉率同是反映營運能力的指標，但應收賬款周轉率不及總資產周轉率反映全面，所以反映營運能力的指標選用總資產周轉率，舍棄應收賬款周轉率。
四、結論與啟示
第一，我國上市公司的財務指標包含著預測財務困境的信息含量，因此其財務困境具有可預測性。第二，在我國上市公司陷入財務困境的前1年和前2年，本文所選的21個財務指標中16個指標具有判定和預測財務困境的信息含量，但各個指標的信息含量不同，預測財務困境的準確率不同。在單變量分析中，凈資產報酬率的判定效果較好。第三，多變量判定模型優于單變量判定模型。第四，比較三種判定模型的效果表明，Logistic模型的判定準確性最高。
【摘要】本文系統地回顧和總結了國內外財務困境預測領域中的主要成果和問題，并從五個方面進行較為深入地分析，最后提出兼顧利益相關者的財務困境預測框架和敏感性分析方法，力圖改進原有框架，豐富該領域研究。
【關鍵詞】上市公司；財務困境；預測；數據挖掘
財務困境預測研究是財務管理領域中的一個關鍵課題。Wanke等（2014）更指出，財務困境預測對上市公司、投資者甚至整個經濟體都有著重要意義。
本文系統梳理了本領域的代表文獻，從財務困境定義、研究樣本設計、預測變量選擇、統計方法應用、預測精度判定方面對國內外學者研究進行綜述，并分析、改進，最后提出兼顧利益相關者的預測框架和敏感性分析方法。
一、財務困境定義
Beaver（1966）指出了財務困境的重大影響，認為與破產、透支銀行存款、償付債券困難等存在直接聯系。Altman（1993）提出四大后果，并指出破產最接近財務困境的法律定義。Dong Yu（2012）量化了特征，即經營困難、連續3年虧損、無法用現金償還到期債務并滿足日常支出。有鑒于國內證券市場興起較晚，退市機制尚不完善，學者們大多選取“ST”上市公司作為標志。吳俊杰（2006）將“*ST”定義為陷入財務困境。
二、樣本數據設計
建立配對的健康公司樣本時，現有研究大多選取的控制因素為行業、會計年度和資產規模，并借此控制偏差。多數實證研究采用一一配對抽樣，可能把作為配對標準的因素排除；此外還可能造成兩類公司比例與總體中不一致，夸大正確率。Usai等（2009）增加了重復的隨機二次抽樣檢驗。
三、預測指標選擇
目前預測指標的選取處于探索階段，上述預測指標（表31）后，評價指標體系逐步形成了財務和非財務指標體系，引入股權結構（袁康來等，2009）、EVA（梁杰等，2011）、財務重述（王曉光，2014）等。
四、建模方法運用
（一）統計技術模型
Fitzpatrick（1932）首次采用單變量模型進行預測。Beaver（1966）提出了更完善的單變量模型。此后，Altman（1968）創建了多元變量模型；Ohlson（1980）用logistic模型預測。在國內陳曉等（2000）首次將Logistic回歸引入。優勢是模型易于理解使用；劣勢是樣本個數要求、線性形式處理非線性問題、處理定性指標能力弱。
（二）現代分析模型
Feng Yu Lin等（2001）將判別分析、Logistic、神經網絡及決策樹模型組合建立了三類混合模型。姚靠華等（2005）用決策樹剪枝，肖鵬等（2009）用模糊支持向量機，拓展了現代分析模型的應用。優勢是計算機進行大量數據處理、無需分布假設；劣勢是缺乏完整理論說明、過程無法明確確認。
五、預測準確率
由于使用的Logistic和Probit方法理論上不存在最優分割點，故一類錯誤減少意味著另一類錯誤增加。學者們大多假定先驗概率為50%，而實際情況下不會陷入財務困境的概率高于陷入財務困境的概率，將健康預測為財務困境很有可能因投資者謹慎造成投資收益下降，其損失要遠小于反向的投資損失。
六、總結及重構設想
（一）財務困境定義
盡管兩階段劃分法有利于提高預測準確性，但未將利益相關者納入考量。而現代財務風險在企業及利益相關者間的傳導更容易，應放棄利益相關者行為外生的假定，在預測階段將其視為內生。
（二）預測指標選取
惡化的財務比率是陷入財務困境的表現之一，直接原因是外界環境變化及經營決策等。只有沿財務風險傳導路徑，尋找直接因素納入模型，才能真正提高預測力。
（三）模型具體設定
如果將財務困境范圍精細化，并加入利益相關者，構成的新框架并不排斥現有的建模方法，而是從經濟過程出發，同時嵌入利益相關者，財務指標地位相對下降。
（四）預測精度判定
研究中常假定兩類錯誤成本相同，以誤判率最小為原則建立準則，以預測精度高低來評價效率。而財務困境誤判為健康的代價遠高于健康誤判為財務困境，如何平衡并提升預測準確率，仍需討論。
（五）敏感性分析
需要對在利益相關者影響下的企業狀況在未來的變化進行預期，同時對影響進行敏感性分析，提高預測能力。
作者簡介：
彭曉敏（1993-），女，漢族，四川成都人，西南財經大學會計學院，研究方向：會計理論與實務。
[提要] 上市公司財務困境相關研究在我國目前尚處在初期階段，與國外相比國內的研究無論是深度還是廣度上都顯得不足。通過對近年來國內外專家學者取得的學術成就進行評述，從而為我國上市公司財務困境研究提供方向。
關鍵詞：財務困境;相關研究;綜述
任何一個上市公司都有可能由于自身的問題或者外部原因，在激烈的資本市場競爭中陷入財務困境。因此，公司的投資者或債權人等與公司利益息息相關的人，就會采取一些方法來對公司是否會陷入財務困境進行預測，上市公司也會采取相應措施來擺脫或規避財務困境。國內外研究人員從多角度切入，對上市公司財務困境的問題開展了深入的研究。
一、國外關于財務困境的研究
1、對財務困境概念的界定及解釋。關于財務困境的定義，國外學者早年因為西方企業破產法的完備，所以大部分定義都是圍繞企業破產而界定，直到1999年Ross提出四個方面界定財務困境的觀點，得到了學術界的認同。
Beaver（1966）認為上市公司只要出現破產清算、債務無力償還、無法繼續支付優先股股利等任一現象時，即視為公司陷入財務困境。Altman（1968）認為滿足破產法相關要求的公司，即為陷入財務困境的公司。他認為公司在破產前要經歷三個階段：公司經營出現問題、公司無法償還負債和公司進入法定破產。Ross（1999）從公司無力償還到期債務，公司申請進入法定破產流程，公司無法償還債權人的債務，公司資不抵債等四個方面界定上市公司陷入財務困境。
2、財務困境的預測研究。國外的研究者主要通過統計方法建立模型對財務困境進行預測。Coats和Fant（1993）經過研究發現，無論單變量還是多變量預測模型，均存在線性假設不足的情況。因此，提出使用神經網絡系統對財務困境公司的破產進行預測，以此彌補線性假設不足的情況。Ohlson（1980）選取大量上市公司和破產公司作為樣本，利用邏輯回歸的方法進行建模分析。研究證明，公司規模、資本結構、公司業績和公司的變現能力四個因素顯著影響公司破產概率。
3、財務困境與公司業績之間的關系研究。國外研究者針對財務困境與公司業績的研究方面，主要致力于公司選擇高杠桿還是低杠桿經營與財務困境之間關系的研究。Ofek（1999）通過對1998年陷入財務困境上市公司的資本結構進行研究，研究表明，高杠桿經營顯著增加了企業短期陷入財務困境的概率。Opler和Titman（2006）通過研究企業營業收入、投資收益率、凈利潤增長率等指標，發現處于低迷時期的行業中，基于顧客心理、競爭者壓力和經營策略等因素，導致高杠桿企業在市場中失去更多利潤。
4、財務困境與公司重組研究。國外研究者對財務困境與公司重組的研究，大多放在公司經歷財務困境后所采取措施上，大致圍繞在經營和財務兩方面：在經營方面，如高層管理人員的變動、組織上的戰略和結構的變化;Gilchrist（2005）研究證明2000～2004年進行債務重組的企業，其中超過半數都曾進行過更換高層管理人員。在財務方面，如股權轉讓、領導層更換、資產置換、縮減股利等。Zurada（2012）研究了2010～2011年紐交所陷入財務困境公司對股利政策的調整，研究表明，幾乎所有公司都采取減少股利的方式來應對企業面臨的財務困境。
5、財務困境與公司治理研究。國外研究者在財務困境與公司治理方面上的研究，主要是圍繞著公司股權激勵、董事會結構、投資者利益保護三個方面對上市公司出現財務困境的相關性進行研究。Barristan（2003）通過對企業業績與高層管理者的薪酬進行考察，發現企業高層管理人員存在追求個人利益而放棄股東權益最大化目標的現象。Margaery和Petyr（2011）通過對財務困境的銀行董事會結構、銀行內控制度、高管薪酬進行分析。研究結果表明，如果首席執行官的薪酬未能和公司整體價值相互關聯的話，首席執行官可能出現短期決策的現象，未能從企業長遠考慮，增加了企業陷入財務困境的可能性。
二、國內關于財務困境的研究
1、對財務困境概念的界定及解釋。鑒于我國作為社會主義發展中國家，目前一些金融制度尚未完善。因此，大部分國內學者如陳靜等均將ST公司認定為財務困境公司。2000年4月滬深兩市證券交易所又對這一條款的異常情況進行了完善。因此國內學者們至今仍將ST公司作為財務困境公司的代表進行研究。
2、財務困境的預測研究。我國學者在對上市公司財務困境預測研究上，主要是借鑒國外學者的做法，利用模型對國內上市公司是否會出現財務困境進行預測。吳世農、盧賢義（2001）通過比對國內外常用的幾種分析方法，分別建立模型對我國上市公司財務困境進行預測。研究表明，Logit財務困境回歸分析模型較為準確。吳俊杰（2006）以2003年或2004年上市公司是否陷入財務困境為標準選擇樣本公司，利用邏輯回歸、神經網絡決策樹等算法建立了上市公司的財務困境預測模型，實驗證明無論從準確率、容錯能力、可理解性的方面考慮，決策樹算法均不同程度地優于邏輯回歸和神經網絡。
3、財務困境與公司業績之間的關系研究。我國學者在財務困境和公司業績方面的研究上，大多圍繞在對上市公司陷入財務困境后產生的財務困境成本以及困境期公司所損失的利益兩方面進行研究。呂長江（2004）論證了上市公司業績與財務困境之間的內在聯系。實證分析表明，間接財務困境成本與企業經營業績有著顯著正相關的聯系。困境期企業所損失的價值將隨著負債率的升高而增大。吳世農、章之旺（2005）選擇了經營業績觀和權益價值觀，兩種角度對A股市場40家已脫離ST的公司數據進行分析。實證表明，縱使這些企業成功的擺脫了財務困境，但股票市場的投資者仍對這些公司保留懷疑態度。
4、財務困境與企業重組研究。我國學者在財務困境與企業重組方面的研究，主要是選取我國A股市場的ST公司作為樣本進行實證分析，對財務困境公司重組的績效進行評價。張玲、曾志堅（2003）選取了投資回報率、每股盈余、凈資產收益率等指標對2000年所有進行重組的公司進行了績效考核。研究表明，重組后的公司資本結構也均未達到理想狀態，無論ST與否，我國當前公司重組績效均未達到預期目的。李秉祥（2003）通過考察我國目前ST公司債務重組的模式，得出了如下結論：我國當前債務重組模式流于形式，出于公司盈余管理和母子公司之間關聯方交易的目的居多，而真正對公司產業進行調整，公司治理結構進行完善，面向企業未來的戰略性重組的ST公司相對較少。
5、財務困境與公司治理研究。我國學者在財務困境與公司治理這個研究方向，近年來取得了豐碩的學術成果。其中，既有整體論證上市公司治理結構與財務困境的相關性關系，又有采取不同角度選擇一個層面對公司治理與財務困境的關系進行研究。姜付秀、張敏等（2009）選取了A股市場2005年的上市公司作為研究對象，對公司領導層過度自信與企業擴大規模及財務困境之間的關系進行實證檢驗。研究表明，公司領導層過度自信變量顯著影響公司的擴張速度，過度自信領導層進行的決策將增加企業陷入財務困境的概率。胡旭（2012）選取了2010年A股市場中的全部74家ST公司作為研究數據，利用邏輯回歸模型對公司治理結構與財務困境兩者之間的內在聯系進行實證檢驗。研究表明，兩者存在一定內在聯系，公司權力機關的設置和運行過程中一旦處于不良狀態，將有可能導致企業陷入財務困境。
三、未來研究展望
回顧國內外近幾年有關上市公司財務困境的研究，我們能夠看到國外學者依靠國外金融市場的成熟和完善，以及相關法律體系的完備。對上市公司財務困境進行了多角度全方位的研究。相比之下，1990年我國才陸續設立滬深兩個證券交易所。2001年我國才開始推行上市公司退市制度，2015年5月才出現首家退市公司*ST二重。我國金融市場的發展從1990年開始到2015年只有短短二十幾年的時間。目前，我國企業破產法律體系上尚未完備，企業實質性重組的數量較少，導致我國上市公司財務困境的相關研究缺乏大量客觀實際的數據，因此國內研究處于初期階段不足為怪。
那么，當下我國上市公司財務困境未來的研究方向又在何方呢？隨著我國金融市場的不斷完善，投資者將更多的關注財務困境與公司治理之間的關系以及企業陷入困境后重組所帶來的改變。這些將成為我們未來的研究趨勢，使我們能夠更好地對上市公司進行監督管理、改善上市公司的業績、保障投資者的利益不被侵害，并能夠為陷入財務困境的上市公司提供脫困措施。
內容提要：本文以我國上市公司為研究對象，選取了70家處于財務困境的公司和70家財務正常的公司為樣本，首先應用剖面分析和單變量判定分析，研究財務困境出現前5年內各年這二類公司21個財務指標的差異，最后選定6個為猜測指標，應用Fisher線性判定分析、多元線性回歸分析和Logistic回歸分析三種方法，分別建立三種猜測財務困境的模型。研究結果表明：在財務困境發生前2年或1年，有16個財務指標的信息時效性較強，其中凈資產報酬率的判別成功率較高；三種模型均能在財務困境發生前做出相對準確的猜測，在財務困境發生前4年的誤判率在28％以內；相對同一信息集而言，Logistic猜測模型的誤判率最低，財務困境發生前1年的誤判率僅為6．47％。
一、財務困境猜測模型研究的基本問題
財務困境又稱“財務危機”，最嚴重的財務困境是“企業破產”。企業因財務困境導致破產實際上是一種違約行為，所以財務困境又可稱為“違約風險”。事實上，企業陷入財務困境是一個逐步的過程，通常從財務正常漸漸發展到財務危機。實踐中，大多數企業的財務困境都是由財務狀況正常到逐步惡化，最終導致財務困境或破產的。因此，企業的財務困境不但具有先兆，而且是可猜測的。正確地猜測企業財務困境，對于保護投資者和債權人的利益、對于經營者防范財務危機、對于政府治理部門監控上市公司質量和證券市場風險，都具有重要的現實意義。縱觀財務困境判定和猜測模型的研究，涉及到三個基本問題：一是財務困境的定義；二是猜測變量或判定指標的選擇；三是計量方法的選擇。
財務困境的定義
關于財務困境的定義，有不同的觀點。Carmiehael認為財務困境是企業履行義務時受阻，具體表現為流動性不足、權益不足、債務拖欠及資金不足四種形式。Ross等人則認為可從四個方面定義企業的財務困境：第一，企業失敗，即企業清算后仍無力支付債權人的債務；第二，法定破產，即企業和債權人向法院申請企業破產；第三，技術破產，即企業無法按期履行債務合約付息還本；第四，會計破產，即企業的賬面凈資產出現負數，資不抵債。從防范財務困境的角度看，“財務困境是指一個企業處于經營性現金流量不足以抵償現有到期債務”，即技術破產。
在Beaver的研究中，79家“財務困境公司”包括59家破產公司、16家拖欠優先股股利公司和3家拖欠債務的公司，由此可見，Beaver把破產、拖欠優先股股利、拖欠債務界定為財務困境。Altman定義的財務困境是“進入法定破產的企業”。Deakin則認為財務困境公司“僅包括已經經歷破產、無力償債或為債權人利益而已經進行清算的公司”。
猜測變量的選擇
財務困境猜測模型因所用的信息類型不同分為財務指標信息類模型、現金流量信息類模型和市場收益率信息類模型。
1．財務指標信息類模型。Ahman等學者使用常規的財務指標，如負債比率、流動比率、凈資產收益率和資產周轉速度等，作為猜測模型的變量進行財務困境猜測。
盡管財務指標廣泛且有效地應用于財務困境猜測模型，但如何選擇財務指標及是否存在最佳的財務指標來猜測財務困境發生的概率卻一直存在分歧。Harmer指出被選財務指標的相對獨立性能提高模型的猜測能力。Boritz區分出65個之多的財務指標作為猜測變量。但是，自Z模型和ZETA模型發明后，還未出現更好的使用財務指標于猜測財務困境的模型。
2．現金流量信息類模型。現金流量類信息的財務困境猜測模型基于一個理財學的基本原理：公司的價值應等于預期的現金流量的凈現值。假如公司沒有足夠的現金支付到期債務，而且又無其他途徑獲得資金時，那么公司最終將破產。因此，過去和現在的現金流量應能很好地反映公司的價值和破產概率。
在Gentry，Newbold和Whitford研究的基礎上，Aziz、Emanuel和Lawson發展了現金流量信息猜測財務困境模型。公司的價值來自經營的、政府的、債權人的、股東的現金流量的折現值之和。他們根據配對的破產公司和非破產公司的數據，發現在破產前5年內兩類公司的經營現金流量均值和現金支付的所得稅均值有顯著的差異。顯然，這一結果是符合現實的。破產公司與非破產公司的經營性現金流量會因投資質量和經營效率的差異而不同，二者以現金支付的所得稅也會因稅收會計的處理差異而不同。Aziz、Emanuel和Lawson比較了Z模型、ZETA模型、現金流量模型猜測企業發生財務困境的準確率，發現現金流量模型的猜測效果較好。
3．市場收益率信息類模型。Beaver是使用股票市場收益率信息進行財務困境猜測研究的先驅。他發現在有效的資本市場里，股票收益率也如同財務指標一樣可以猜測破產，但時間略滯后。Altman和Brenner的研究表明，破產公司的股票在破產前至少1年內在資本市場上表現欠佳。Clark和Weinstein發現破產公司股票在破產前至少3年內存在負的市場收益率。然而，他們也發現破產公告仍然向市場釋放了新的信息。破產公司股票在破產公告日前后的兩個月時間區段內平均將經歷26％的資本損失。
Aharony，Jones和Swary提出了一個基于市場收益率方差的破產猜測模型。他們發現在正式的破產公告日之前的4年內，破產公司的股票的市場收益率方差與一般公司存在差異。在接近破產公告日時，破產公司的股票的市場收益率方差變大。
計量方法的選擇
財務困境的猜測模型因選用變量多少不同分為單變量猜測模型和多變量猜測模型；多變量猜測模型因使用計量方法不同分為線性判定模型、線性概率模型和Logistic回歸模型。
此外，值得注重的是，近年來財務困境猜測的研究方法又有新的進展。網絡神經遺傳方法已經開始被應用于構建和估計財務困境猜測模型。
我國對企業財務困境猜測的研究
在國內的研究中，吳世農、黃世忠曾介紹企業的破產分析指標和猜測模型；陳靜以1998年的27家ST公司和27家非ST公司，使用了1995—1997年的財務報表數據，進行了單變量分析和二類線性判定分析，在單變量判定分析中，發現在負債比率、流動比率、總資產收益率、凈資產收益率4個財務指標中，流動比率與負債比率的誤判率最低；在多元線性判定分析中，發現由負債比率、凈資產收益率、流動比率、營運資本／總資產、總資產周轉率6個指標構建的模型，在ST發生的前3年能較好地猜測ST。張玲以120家公司為研究對象，使用其中60家公司的財務數據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，發現模型具有超前4年的猜測結果。
二、本文的樣本和研究方法
本文與以前我國上市公司財務困境的研究有所不同。第一，樣本新、時間長、容量大。本文研究的ST樣本包括1998—2000年發生ST的公司，即A股市場上全部的ST公司，同時剔除了非正常的ST公司；此外，樣本數據的收集時間延至公司發生ST前5年，樣本時間跨度較長。選入研究的ST樣本公司70家和相對應的非ST樣本公司70家，樣本容量達到了140家，可望在一定程度上降低估計和猜測誤差。第二，選擇多種研究方法，建立單變量判定模型和三種多變量判定模型，并比較各種模型在財務困境猜測中的效率。
財務困境公司的樣本選定
本文從我國A股市場上3年中出現的82家ST公司中界定出70家公司作為財務困境公司，進行財務困境猜測研究。它們是：連續兩年虧損，包括因對財務報告調整導致連續兩年虧損的“連虧”公司，共51家；一年虧損但最近一個會計年度的股東權益低于注冊資本，即“巨虧”公司，共16家；因注冊會計師意見而非凡處理的，共3家。但排除了：上市兩年內就進入非凡處理的公司，共8家。排除原因是財務數據過少和存在嚴重的包裝上市嫌疑，因此與樣本中的其他公司不具有同質性；因巨額或有負債進行非凡處理的公司，共2家。排除原因是或有負債屬偶發事件，不是由企業正常經營造成的，與其他樣本公司不具有同質性；因自然災難、重大事故等進行非凡處理的，共2家，原因同。
研究程序和計量方法
本研究首先計算140家樣本公司的盈利增長比率、股東權益收益率等21個財務指標，這些指標綜合反映了企業的盈利能力、長短期償債能力、營運能力、成長能力和企業規模。在此基礎上，使用剖面分析對樣本中的財務困境公司和非財務困境公司在財務困境發生前5年期間歷年的21個財務指標進行對比分析，探討對企業陷入財務困境影響顯著的變量。其后，應用單變量分析，選擇4個財務指標為例估計單變量判定模型。最后，篩選和確定對企業陷入財務困境影響最為顯著的6個指標為模型的判定指標，應用線性概率模型、Fisher二類線性判定模型、Logistic模型三種計量方法，建立和估計財務困境的猜測模型，并比較這三種模型的猜測效果。
三、實證研究
剖面分析
首先分組計算70家財務困境公司和70家非財務困境公司的21個財務指標在財務困境發生前1至5年的平均值和標準差等描述性統計量，比較這二組在21個財務指標各年的平均值是否具有顯著差異，其次計算各年的Z統計檢驗量，結果如表1所示。剖面分析結果表明：在ST發生的前1和2年，財務困境公司和非財務困境公司的17個財務指標的平均值存在顯著的差異；Z值隨著ST發生時間的臨近而顯著增大，即二組的財務指標平均值的差異隨ST發生時間的臨近而擴大。由此可見，在所選的21個財務指標中，除利息保障倍數、存貨周轉率、Log和Idg外，其余17個在財務困境發生前1至2年中具有顯著的猜測能力。
四、結論與啟示
第一，我國上市公司的財務指標包含著猜測財務困境的信息含量，因此其財務困境具有可猜測性。第二，在我國上市公司陷入財務困境的前1年和前2年，本文所選的21個財務指標中16個指標具有判定和猜測財務困境的信息含量，但各個指標的信息含量不同，猜測財務困境的準確率不同。在單變量分析中，凈資產報酬率的判定效果較好。第三，多變量判定模型優于單變量判定模型。第四，比較三種判定模型的效果表明，Logistic模型的判定準確性最高。
