《公司ST成因与预警研究》.pdf

1 公司 ST 成因与预警研究 Special Treatment (ST) Companies: Cause and Predicting 王克敏 姬美光 崔建伟 （吉林大学商学院 130012） 摘 要：以往企业财务预警研究，主要是在美国等成熟市场经济制度背景下，基于财 务指标建立模型，以此预测企业财务状况。本研究认为，对于处于转轨时期的中国企业财 务预警研究，基于财务指标的分析，虽然能够给出企业发生财务困境的概率，但却难以给 出企业陷入财务困境的深层次解释，特别地，对于企业财务困境早期预警具有较大局限 性。本研究在基于财务指标分析基础上，引入公司治理、投资者保护、关联交易、对外担 保、代理成本等因素，综合分析中国上市公司 ST 的深层次原因，由此，比较分析基于财务 指标、非财务指标及综合指标的预测模型的有效性，进而，为中国上市公司避免、摆脱 ST 困境，提供政策建议。 关键词： ST预警 财务因素 治理因素 综合因素 分类号： G30 G32 G33 一、引 言 以往财务预警研究主要是以财务报表为基础，通过计算各种财务比率建立预测模型， 进而对财务困境进行预警。Fitzpatrick（1932）首先采用单变量分析方法对公司财务困 境进行预警。而 Merwin（1942）发现，营运资本／总资产、股东权益／负债、流动资产 ／流动负债这三个指标能够对企业破产做出预测。此后，Beaver（1966）发现，现金流量 与总负债比率、净收入与总资产比率、总负债与总资产比率、营运资本与总资产比率、流 动比率与非信用间隔（no-credit interval）六个比率的均值在困境企业与非困境企业之 间存在差异，并且随企业失败临近，其差异逐渐增大。为克服单变量分析的局限性， Altman（1968）首次将多元判别分析方法引入财务预警领域，其选择营运资本／总资产、 留存收益／总资产、息税前收益／总资产、股票市场价值／债务账面价值、销售收入／总 资产 5 个财务比率建立判别函数区分财务困境与财务健康公司。Ohlson（1980）引入企业 规模，应用 Logistic 回归模型对财务预警进行研究，并发现有 4 类显著影响公司破产概 率的变量：公司规模、资本结构、业绩与当前资产变现能力。20 世纪90 年代，M.Odom 和 R.Sharda（1990）将神经网络模型用于财务预警研究并与传统的多元判别分析进行比较， 发现神经网络模型具有更高的预测能力。 国内财务预警研究起步较晚，而且大部分集中于财务指标建立预测模型。吴世农和黄 世忠（1986）介绍企业破产分析指标和预测模型。陈静（1999）分别采用单变量分析和多 元判别分析对 ST 公司预测。陈晓、陈治鸿（2000）采用 Logistic 模型发现，应收帐款周 转率、负债权益比、留存收益／总资产、主营利润／总资产对企业财务困境具有显著预测 作用。吴世农、卢贤义（2001）首先应用剖面分析和单变量判定分析，选定盈利增长指 数、资产报酬率、流动比率、长期负债与股东权益比率、营运资本与总资产比率、资产周 转率等 6 个财务指标，应用 Fisher线性判别分析、多元线性回归分析和 Logistic回归分 析方法分别建立预测模型，结果发现 Logistic模型的预测能力最强。 以上基于财务指标建立的预测模型，尽管预测准确性不断提高，但其缺乏对企业陷入 1 本文得到国家自然科学基金项目）资助。作者感谢California State University, Northridge 陈 超教授、清华大学陈晓教授、重庆大学刘斌教授等对本文提出的宝贵建议。 1 财务困境原因及早期预警的系统分析。首先，大多数研究只是在完成财务指标与财务状况 优劣的逻辑验证，并没有从理论上深入剖析企业陷入财务困境的深层原因；其次，基于财 务报表数据建立预测模型，不能全面考察企业运营的市场环境和治理等因素对其财务状况 的影响。特别地，对