摘要：财务危机预警理论的核心是财务危机预警模型，本文选取Z-score模型为分析对象，以我国日用电子器具制造业为研究样本，对Z-score模型在我国上市公司的适用性进行研究，结果显示模型对于ST组企业的适用性明显优于其在正常经营企业的适用程度。今天小编给大家找来了《我国上市公司财务预警论文(精选3篇)》，欢迎阅读，希望大家能够喜欢。
我国上市公司财务预警论文 篇1：
用主成分分析法构建我国上市公司财务预警模型
[提 要] 本文以我国的上市公司为样本，运用主成分分析确定主成分指标，建立了我国上市公司的财务预警模型。进一步根据预警模型的预测分值来确定上市公司财务状况的评价区域，对所构建的财务预警模型进行了预警效果检验, 表明财务预警模型正确率为84.25%。
[关键词] 财务预警模型；主成分分析；临界值
［
一、引 言
构建财务预警模型，将危机消灭于萌芽中，是财务管理的一项重要内容，也是财务管理制度创新的必然选择。在这方面，国外已建立了一套行之有效的财务预警模型。黄国良（1999）等通过实证研究认为一国建立的模型不一定能直接适用于另一个国家，因此有必要研究适合我国国情的财务预警模型。本文通过引入一种科学的统计分析方法——主成分分析法来创建我国企业的财务预警模型，期望在财务预警的研究方法上有所创新。
二、研究样本的选取
本研究选取2003年54家A股ST上市公司作为财务危机公司，选取54家非财务困境公司（非ST上市公司）作为配对公司。在选取54家非ST上市公司时，遵循了可比性原则的要求，即考虑同行业、同时期、同规模的且从未被特别处理的A股上市公司。“同行业”是指根据中国证监会颁布的《上市公司行业分类指引》的分类规定，选取属于同一行业的明细板块。“同时期”指的是选取的ST公司被特别处理发生在同一年，ST公司和与之相对应的非ST公司的研究变量在时间上具有一致性。此外选取样本时亦体现了“同规模”的要求，即ST公司被特别处理的公司的总资产与其配对的健康公司的总资产相差不大，不超过10%。本文选取的样本公司涵盖了10个主要行业，基本符合我国上市公司的分布情况，有一定的代表性。
三、主成分分析法概述
在实际问题中，研究多指标（变量）问题是经常遇到的由于指标较多，再加上指标之间有一定的相关性，造成信息重叠势必增加了分析问题的复杂性。一旦盲目减少变量又会损失很多信息，容易产生错误结论。主成分分析（Principal Component Analysis），也称主分量分析，它是指将多个指标化为少数互相无关的综合指标的统计方法。综合指标就是新的变量，是原来多个变量的线性组合，且彼此互不相关，能反映原来多个变量的信息。综合指标叫做原来变量的主成分。该方法的优点是降低数据空间的维度、简化系统结构、抓住问题的实质。
主成分分析的模型方法的一般为：
其中X1，X2，…，Xm 为实测变量；Z1，Z2，…，Zm为主成分； pij（i=1，2，…，m； j=1，2，…，m）为因子载荷，Y表示企业财务状况的预测分值， 表示第i个主成分的贡献率，Zi是选取的第i个主成分，k是选择主成分的个数。需要指出的是，因子载荷pij是第j个实测变量在第i个主成分上的荷载。荷载越大，说明第j个实测变量与第i个主成分上的关系越密切，反之亦然。
四、财务预警模型的建立及预警效果分析
（一） 主成分指标的选定
运用SPSS 11.5forWindows统计软件，对108家样本组企业，运用显著性检验筛选了初始研究变量，最终选取了应收账款周转率X1、总资产周转率X2、速动比率X3、股东权益比率X4、总资产扩张率X5、债务保障率X6、主营业务现金比率X7、总资产报酬率X8、主营业务利润率X9等9个财务指标作为多元判别分析的研究变量，根据上述已确定的9个研究变量进行主成分分析。从分析结果中得到各主成分对应的特征值与贡献率如表1。
注：根据累积贡献率法，考虑所代表实测指标信息量后选取累计贡献率为91.4%，同时也是主成分因子的特征值＞0.5，则主成分因子个数m=7，即用7个主成分来代替原来的9个财务比率指标，这7个主成分因子包含原来91.4%的信息量。
为了对这7个因子进行解释，就需要得到原始财务指标对这7个主成分因子的因子载荷。因子载荷矩阵如表2。
从上述因子载荷矩阵发现，公共因子的含义不清，无法对研究变量进行分组，我们根据因子载荷矩阵的不唯一性，对因子载荷矩阵实行旋转，使旋转后主成分因子的载荷出现两极分化的情况，对主成分这一研究变量进行分组，旋转后的载荷矩阵如表3、表4所示。
据表２旋转后的因子载荷矩阵 ，就可以得到各主成分因子与原始财务比率指标的主成分模型：
对旋转后的因子载荷矩阵分析后 ，可以得出以下结论：
主成分因子Z1主要由变量总资产扩张率（X5）和总资产报酬率（X8）这两个指标来解释，因这两个指标的因子载荷量远大于其他几个指标。 故 Z1代表的是企业的资产发展能力—盈利能力综合主成分；同理主成分因子Z2代表的是企业长期资产管理能力—短期资产管理能力综合主成分；主成分因子Z3代表的是企业的长期偿债能力综合主成分；主成分因子Z4代表的是企业的盈利能力综合主成分；主成分因子Z5代表的是企业的现金流量偿债能力综合主成分；主成分因子Z6代表的是企业的现金流量能力综合主成分；Z7代表的是企业的短期偿债能力综合主成分。
（二） 财务预警模型的建立
把标准化后的数据代入表１、式２和式３可得出上市公司财务预警的预测模型为：
Y=0.15836Z1+0.15024Z2+0.13387Z3+0.12449Z4+0.12148Z5+0.11312Z6 +0.11244 Z7（式4）
式中：Y—预测分值；Z1—资产发展和盈利能力；Z2—长短期管理能力；Z3—长期偿债能力；Z4—盈利能力；Z5—现金流量偿债能力；Z6—现金流量能力；Z7—短期偿债能力
上市公司运用该财务预警模型进行预测，计算出分值后，根据下文设定的阈值就可确定上市公司财务预警的警度。
（三）确定评价区域
将样本组上市公司的各项财务比率标准化处理后的数据，代入式２和式３，计算得到各上市公司的预测分值，对预测结果进行排序，对上述Y值进行频数统计，结果如表5。
表5Y值分布表
据此，可得到以下判别准则，从而确定评价区域。见表6。
表6判别准则表
用建立的模型对108家公司样本进行分类，在预测值Y=0.3时，非ST类公司预测分值超过此值的个数为50个，占到该类公司总数（54个）的92.6%；ST公司小于此值的个数为41个，占到该类公司总数（54个）的75.9%，总体预测精度为84.25%。考虑到在选择非ST类公司时是按照ST类公司的板块分布随机抽取的，并不是选择上市公司中财务状况最好的企业；同时有的ST公司正在进行资产重组或改制，财务指标值不具有稳定性，此类公司并不是真正意义上的“财务失败”公司。这些原因使得对原始样本的预测，预测值未达到100%的准确率，但这种较为随机的取样恰恰反映了样本在我国证券市场的基本情况，因此选择评价区域的临界值为0.3具有较强的适用性。
五、模型的预警效果检验及研究结论
在沪深两市随机抽取2002年的35组样本，利用本文所构建的财务预警模型进预警效果检验。从结果可看出，运用本研究建立的财务预警模型的预警效果与2002年实际被判为ST公司的情况相比，ST公司有2家误判，误判率为5.71%。非ST公司有5家误判，误判率为14.3%。故可得出以下结论：
第一，该模型在预测上市公司财务危机方面具有较强的可信度。
第二，该模型的预警效果也从一定程度上说明了运用主成分分析法进行财务预警的合理性。实务中只要数据充分也可运用该模型预测一般企业的财务状况。
第三，该模型的构建简单可行。在SPSS统计软件的帮助下，对上市公司财务状况的预测变得简单可行；同时运用主成分分析法依据财务指标内部关系客观地确定众多变量在模型中的权重体系，克服了传统的定性研究中人为的主观因素的影响。
需要指出的是对企业进行个案分析时，对某些异常情况应予以特别关注，以免某些因素畸变影响该方法的准确性和风险判断。比如有时由于其中个别指标的畸高或畸低，可能会导致Y值异常。尽管如此，以主成分分析构建的财务预警模型所提供的分析思路仍有较强的指导意义，尤其是对某行业或某类企业财务状况的整体分析的指导性更强；对公司理财、投资决策及金融市场管理，也极具参考价值。随着会计信息真实性的提高以及科学技术的发展，该模型的运用前景将更为广泛。
主要参考文献
[1] 张友棠．财务预警系统管理研究[M]．北京：中国人民大学出版社，2004.
[2] 袁志发，周静芋．多元统计分析[M]． 北京：科学出版社，2002.
[3] 黄国良，梁栋帧． 中西方企业破产预测模型实证分析[J].煤炭经济研究，1999,(12).
[4] 贲友红，邹林全． 财务预警模型中变量体系的设计[J]．中国乡镇企业会计，2005,(12).
[5] 贲友红,俞雪华． 上市公司预警模型的最优分割点的确定[J]．会计之友，2006,(2).
<注>：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文
作者：贲友红 杨 玲
我国上市公司财务预警论文 篇2：
探讨Z-score模型在我国上市公司财务预警中的适用性
摘要：财务危机预警理论的核心是财务危机预警模型，本文选取Z-score模型为分析对象，以我国日用电子器具制造业为研究样本，对Z-score模型在我国上市公司的适用性进行研究，结果显示模型对于ST组企业的适用性明显优于其在正常经营企业的适用程度。
关键词：Z-score模型；财务预警；制造业上市公司
一、引言
虽然企业的经营目标随着经济环境的变化而变化，但其实质上从没有离开对财富积累的渴望和资本增值的追逐。而企业经营过程的的众多不确定性，又注定会促使企业管理者必须关注经营过程中的各种风险，财务预警理论作为研究企业财务风险（困境）的主要工具也就在这种大背景下应运而生。
财务预警理论的雏形最早可以追溯到1932年美国经济学家Paul J. Fitzpatrick的一篇名为《成功工业企业与失败工业企业财务比率的比较》文章中，Fitzpatrick在经过一系列分析后指出“企业财务比率不仅能够反映企业财务状况与经营成果，更重要的是它对企业的未来具有预测功能”，由此开启了财务预警理论的研究思潮；此后经过几十年的发展，企业财务预警模型经历了由单一变量到多元变量、再到人工神经网络分析财务危机预警的发展历程。本文拟采用实务中运用较为广泛的Z-score模型对我国的制造业上市公司财务数据进行分析，以检验该模型在我国公司中的适用性和契合程度，以期对公司管理者有所启发。
二、Z-score模型概述
（一）Z-score模型的提出
Z-score模型由美国纽约大学的Edward I.Altman教授创立，也是第一个多元变量模型，Altman教授在1968年9月的《财务月刊》（The Journal of Finance）上发表了这一成果，其在文中运用多元统计分析中的差异分析方法，通过对在1946-1965年间申请美国《破产法》第10章保护的33家破产企业和33家正常经营企业的财务数据配对抽样，建立了一个以财务比率为基础的预测企业财务状况的多元变量财务预警模型，即Z-score模型。2000年，Altman教授在他的另一篇论文对模型的适用性进行了论证，并提出了一个更加适用且便于理解的模型定义式。
（二）模型确定及数据选取的影响因素
本文在选取财务预警模型及数据指标时考虑了下述因素：1.选取z-score模型是因为其在实务中应用较为广泛、认可度高，具有一定的代表性，且不需要其他多元变量模型所要求的大量样本；也不像人工神经网络模型那样操作复杂、成本较高等局限，因而具有较强的可操作性；2.制造业上市公司数量占了目前我国A股上市公司总数的60%，且其行业发展相对比较稳定，行业结构比较均匀，具有较强的代表性，这也是本文采用该行业财务数据主要原因；3.选取上市公司是因为其财务数据比较公开、易取得，但同时也应考虑到报表上公开的数据与公司真实财务状况有一定的偏差。
（三）Z-score模型简介
Z-score模型的表达式为：
Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99X5
Ｚ-ｓｃｏｒｅ模型指标计算公式见表１。
各指标含义分析：
X1反映了营运资本在企业总资产中的比重，是衡量企业短期偿债能力的重要指标。指标值越大，表明企业的流动资金较充足，短期偿债压力较小，相应的财务状况比较稳定，但是过高比例的营运资本会降低企业的获利能力。
X2用来衡量企业累积的利润多少，是企业经营年限的和积累程度的量化指标。
X3主要反应企业的经营效率，比值越高，企业的经营管理水平越高，归属于股东和债权人的收益越多；反之则经营效率越低。
X4反应权益资本和负债筹资的比值，该比值是动态的，在负债筹资相对稳定的情况下比值越大反映企业的业绩越好，股价越高，但由于我国上市公司非流通股的普遍存在，使得权益市场价值应分为两部分来算，即流通股部分=股票市价*流通股总数，非流通股部分=每股净资产×非流通股总数。
X5指标值越高表明企业增加收入方面能力越强。如果总资产周转率长期处于较低的状态，企业就应当采取措施提高各项资产的利用程度，对那些确实无法提高利用率的多余或闲置资产及时进行处理，加速资产周转速度。
Z－Score模型从企业的短期偿债能力、利润累积能力、获利能力、资产利用能力等方面综合反映了企业的财务状况，在财务预警模型中具有十分重要的作用。Altman教授通过研究分析得出:Z值越小，企业发生破产的可能性越大，其面临的风险也将越大。
Ｚ-ｓｃｏｒｅ模型具体判别标准见表２。
三、Z-score模型在我国上市公司财务预警适用性的实证分析
（一）样本选择
我国上市公司破产的可能性很小，退出市场机制不完善，也没有其他显著信号可以证实企业发生财务危机，对于上市公司而言，我国学者一般认为，公司如果因财务状况异常而被特别处理(special treat)，则标志着公司出现财务危机。因此本文以“ST”作为财务危机的信号，即以2010年上市公司股票简称为依据，判断其是否发生财务危机。
本文研究样本选择我国A股市场上日用电子器具制造业上市公司共计20家，以2010年为起点，选取2007年至2009年即ST公司亏损年及其前2年为研究期间，剔除研究期间信息缺失的公司4家，剩余16家研究样本。其中，ST组有3家，非ST组有13家。本文数据来源于CSMAR数据库。数据处理工具为Excel软件。
（二）Z-score模型在我国上市公司的适用性分析
将研究样本的各项数据指标代入Z-score模型，可以得到研究期间的Z值，本文将通过Z值平均值对比、模型临界点对比两方面方面探讨模型的适用性。
1.根据Z值平均值对比
对比数据见表３。
根据表3 Z值数据各年均值可以看出，ST企业Z值远远低于正常企业，非ST企业t-1、t-2、t-3年Z值均值均大于2.675，ST企业t-1、t-2、t-3年Z值均值均小于1.81。两类企业的Z值存在着明显的差异。从这一点上来说，该模型能明显区分正常企业与ST企业，证实了Z值对预测企业财务危机的可靠性。
2.根据Z-score模型临界点对比
Altman认为，2.675是Z值的临界点，Z值大于2.675，表示企业财务状况良好；Z值低于2.675的企业被认为是具有财务危机的企业。Z值小于1.81，为破产企业；Z值介于1.81 和2.675 之间，则说明企业已经存在财务危机，Altman称之为“灰色地带”。样本上市公司ST组和非ST组Z值分布情况分别如表４ 和表５ 所示。
从表4 以及表5 的数据来看，2010年正常经营企业t-1、t-2、t-3年Z值在2.675以上的分别为9 家、7家和8家。这表明企业不会出现财务危机而导致被ST，企业经营状况良好，事实证明，平均误判率为38.46%；2010年ST企业t-1、t-2、t-3年中Z值均低于1.81，误判率为0。通过这些数据可以知道，Z-score模型在我国日用电子器具制造业上市公司在ST企业中适用性相当好，优于其在正常企业中的适用程度。Z-socre模型在样本非ST上市公司的预测准确率为61.54%，在样本ST上市公司的预测准确率为100%。该模型在我国日用电子器具制造业上市公司的适用性较强。
四、 基于实证分析对Z-score模型在我国适用性的思考
Z-score模型在我国正常经营样本企业中的误判率为38.46%，与ST企业相比（误判率为0）适用性稍弱。说明直接将Z-score模拟运用于我国所有制造业上市公司并不是完全有效的。本文认为，将Z-score模型直接运用于我国公司中存在如下问题：
（一）指标设置方面需要改进
1.各指标的功能需要重新界定。如前所述，Z-score模型是Altman教授于1968年根据美国经济发展的数据建立起来的，近几十年来，无论企业的管理理念、经营模式乃至行业种类都发生了翻天覆地的变化，彼时有效地指标种类并一定能够有效地衡量此时企业的经营成果和财务状况。以模型中X2指标为例，在Altman教授的论述中，该指标是企业存在年限和规模大小的反应，其认为企业的经营是呈现出一种稳步前进的状态，留存收益会随着经营年限的增长而增加，企业规模也会相应扩大，进而企业破产的可能性会逐步降低；而该假设并不符合我国企业的经营状态。据2009年发布的《UPS亚洲商业监察》显示，我国中小企业的平均存活年限为2.9年，远低于美国的7年；另外，企业的留存收益金额并不一定与企业的经营年限正相关，尽管上市公司普遍较低的股利支付率会促使企业利润留存企业内部，但这一现象背后的原因是企业迅速扩张带来的巨大资金缺口。长期以来，我国企业都有做大的嗜好，小规模的想要做大、大规模的想要多元化，盲目的扩张很容易使企业陷入财务困境，所以无论是企业的存活年限还是企业成长的模式不同，都会导致Z-score模型的水土不服。
2.指标种类需要重新设置。观察Z-score模型所涉及的指标可知，五个指标中无一例外全是财务指标，回顾当下我国企业的经营状态，能够导致企业财务困境的因素除了财务指标外，非财务指标也不可忽视，比如企业的声誉、企业有资金需求时可获得资金的难易程度、企业获取资金的成本大小及渠道多少以及企业的各种无形资产等，这些方面都不同程度的影响到企业的发展速度和潜力、甚至关键时刻处理财务危机的能力，所以应在Z-score模型中探索加入非财务指标或者用非财务指标对模型的运算结果进行修正以使其更加符合我国企业的实际状况。
（二）指标系数需要调整
1.本文按照财务指标的性质将模型中五个指标简单的分为两类，前两个分别反映了企业的短期偿债能力和长期偿债能力（偿债潜力），后三个反映了企业的管理层的经营效率和盈利能力，根据本文实证部分的分析结果显示，我国非st企业的合理z值比模型要求的偏低，这一现象同样出现在别的研究者的分析结论中，如周剑涛等在《Z-SCORE财务预警模型在上市公司应用的实证研究》、陈珍静在《Z-score模型在我国上市公司财务预警中的适用性探讨》中都得出类似的结论，甚至有的研究者如中央财经大学的苏美等运用统计工具得出了优化后的合理z值界限（由原来的2.675和1.81分别优化为1.17和0.23），可见两者有比较明显的差距。本文认为，对模型的优化应该从根源上入手，应该采用数理统计的方法分别核定五个指标（尤其是前两个能够反映企业偿债能力的指标）的系数，以便能够从根源上消除Z-score模型在我国“水土不服”的状况。
2.在重置Z-score模型的指标系数时应考虑到不同行业的行业特征，由于不同行业（如日用电子器具制造业和大型设备制造业）合理的财务比率不同，则衡量该行业财务困境的合理z值也应该有所不同。在这种情况下，一个改善的Z-score模型要么应尽可能的容纳能够平衡各个行业不同特征的指标，要么给不同行业赋予不同的指标系数值，本文认为后者的可操作性优于前者。
参考文献：
1.Edward I. Altman．Financial Ratios，Discriminant Analysis and the Prediction of Corporate Failure[J].Journal of Finance，1968.
2.Paul J. Fitzpatrick. A Comparison of the Ratios of Successful Industrial Entreprises with Those of Failed Companies[J]. Journal of Accounting Research，October，1932.
3.Edward I. Altman. Predicting Financial Distress of Companies: Revisiting the Z-Score and Zeta Models[J]. July 2000.
4.张友棠.财务预警系统研究[M].中国人民大学出版社,2004.
5.周剑涛,庞文凤.Z-SCORE财务预警模型在上市公司应用的实证研究[J].财会通讯,2009(8).
6.陈珍静. Z-score模型在我国上市公司财务预警中的适用性探讨[J].国际商务财会,2011(4).
7.苏美,谢沛霖. Z-score 财务预警模型在上市公司应用的实证研究[J].东方企业文化,2011(10).
8.王庆凯,汪斌．企业内部财务风险与财务预警模型研究[J]．当代经济,2007(7).
9.蒋永华．Z－Score模型在财务预警中的应用[J].山东商业会计,2008(2).
（作者单位： 四川德恩机械有限责任公司）
作者：彭小军
我国上市公司财务预警论文 篇3：
基于现金流量组合的我国上市公司财务预警分析
摘要：现金流量在企业财务分析中的作用越来越受到重视，将其作为财务预警指标也被越来越多的学者所认同。从财务危机预警理论出发，选取能够反映企业财务安全的现金流量指标，具体分析企业的经营、投资以及筹资三个方面的现金流量数据，通过建立判别函数来探索不同现金流量组合对于上市公司财务预警方面的显著作用。
关键词：现金流量组合；财务危机预警；判别分析；Fisher判别
作者简介：王晓（1985-），男，山东费县人，北京英大长安风险管理咨询有限公司；唐荫军（1973-），男，广西桂林人，北京英大长安风险管理咨询有限公司，高级工程师。（北京 100052）
面对经济全球化的冲击，中国上市公司正面临着前所未有的考验，不断有企业因财务危机而陷入困境甚至破产。事实上，财务危机的产生是一个渐进的演变过程，若能及时发现相应的风险因素并主动应对，也可能安全度过危机，财务预警不失为有效的应对手段。财务预警是指以财务会计信息为基础，监测敏感性预警指标的变化，对财务风险进行实时监控，以起到预警作用。
目前国内外财务预警研究成果中大部分是从上市公司的盈利、营运、偿债和发展等方面来研究的。通常是先利用ST、*ST和非ST公司的数据建立数学模型，并进行验证，然后再运用该模型预测其他上市公司的财务状况。周首华等人在Altman的Z分数模型的基础上进行改进，引入现金流量变动情况指标。张友棠分析基于现金流量基础的现金盈利值和现金增加值指标，并以此为基础构建财务危机预警指数测度系统和分析系统。蒋飞鸿在上市公司现金流量的财务预警作用分析中，指出营业现金流量对于财务预警的重要作用。敬文举、廖才高从现金流量信息子系统、现金流量指标体系子系统、现金流量困境特征分析子系统、现金流量财务预警模型子系统及现金流量财务预警对策子系统五个方面入手，来探讨现金流量的预警作用。
本文拟根据我国上市公司具体财务状况，结合前期研究成果，从现金流量不同组合的角度来探索现金流量对于财务预警的影响。
一、财务模型设计
关于企业财务危机的判断标准，目前国内并没有定论，大多数企业依然继续经营，如投资者不能事先了解公司是否处于财务危机，很可能造成较大的投资风险。再者，由于非上市企业的数据很难收集，因此分析财务预警只能从上市公司下手。本文将被实施*ST作为出现财务危机的标准，需要指出的是，这里的*ST是指中国证券监督管理委员会规定的警示存在终止上市风险，特别处理的“状况异常”的上市公司。
1.理论依据
本文采用判别分析模型进行判别，判别函数采用Fisher系数，运用统计分析软件SPSS 11.5进行分析研究。判别分析是根据观察或测量到的若干变量值，判断研究对象如何分类的方法。其主体思路是根据选取的财务指标构造判别函数，计算得出公司的判别得分，从而判断出研究对象的所属类别。
判别函数的一般形式是：
其中，Z是判别分数，x是由反映企业财务状况的各个变量组成的向量，a为判别系数。
根据Fisher线性判别模型，可计算出两类样本的均值和，判别点则根据对称分类原则确定：
最后，将每个企业的Z分值与判别点进行比较，若Z>则判为健康企業，否则判为财务困境企业。
2.样本的选取
本文选取了2010年、2011年和2012年三年首次被*ST的76家公司，并选择了相应的健康的76家非ST公司作为配对样本。为使样本具有可比性，所选的样本都是A股上市企业，同时剔除了因非财务问题而被*ST的公司以及上市不足三年的公司。
3.指标的选取
表1 变量指标一览表
指标类别 变量 说明（CF1-CF7均为虚拟变量）
现金流组合指标 CF1
CF2
CF3
CF4
CF5
CF6
CF7 若经营现金流为负、投资现金流和筹资现金流为正，则是1，反之为0
若经营现金流和筹资现金流为负、投资现金流为正，则是1，反之为0
若经营现金流和投资现金流为负、筹资现金流为正，则是1，反之为0
若经营现金流和投资现金流为正、筹资现金流为负，则是1，反之为0
若经营现金流和筹资现金流为正、投资现金流为负，则是1，反之为0
若经营现金流为正、投资现金流和筹资现金流为负，则是1，反之为0
若经营现金流、投资现金流和筹资现金流均为负，则是1，反之为0
比率指标 X1
X2
X3
X4
X5 流动比率
资产负债率
资本保值增值率
净利润增长率
总资产周转率
经营现金流量、投资现金流量和筹资现金流量三个指标均可能为正值或负值，因此存在八种可能的现金流量组合。不同组合代表着企业不同的财务表现，因此可以考虑将八个现金流组合作为解释变量。为了提高判别率，还分别从偿债能力、盈利能力、经营发展能力和资产管理能力等方面增加了几个主要的比率指标，即一共选择了12个指标来探索其对预警的作用，如表1所示。为研究方便，本文把*ST公司定为1类，正常的非ST公司为0类。
4.预警模型的建立
设被ST当年为T期，ST前一年、两年和三年分别为T-1年、T-2年和T-3年，为从指标中获取有关总体的信息，应对指标进行检验。由于总体分布未知，所以只能进行非参数检验，本文采用的是曼-惠特尼U检验法。曼-惠特尼U检验主要通过两组样本平均秩的研究来判断两组独立样本来自的两总体分布有无显著差异，通过其Z值和sig的值可以判断指标之间是否存在显著性差异，结果如表2所示。
表2 非参数检验表
变量 Z值 Sig.（2-tailed）
T-1年 T-2年 T-3年 T-1年 T-2年 T-3年
CF1 -.830 -1.419 .000 .406 .156 1.000
CF2 -2.609 -2.491 .000 .009 .013 1.000
CF3 -.257 -.728 -1.581 .798 .467 .114
CF4 -.312 -1.304 -.936 .755 .192 .349
CF5 -2.112 -3.051 -1.514 .035 .002 .130
CF6 -.327 -0.848 -.800 .743 .396 .424
CF7 -.724 -2.184 -.386 .469 .029 0.700
X1 -4.252 -2.675 -1.548 .000 .007 .122
X2 -4.228 -2.430 -.905 .000 .015 .366
X3 -9.266 -8.894 -3.689 .000 .000 .000
X4 -5.765 -9.627 -2.847 .000 .000 .004
X5 -3.593 -2.705 -1.443 .000 .007 .149
由表2可以看出，在現金流量组合指标中，T-1期*ST企业和非ST企业在CF2和CF5这两个指标上存在显著差异，因为其sig.<0.05拒绝原假设，同理在T-2期CF2、CF5和CF7这三个指标上也存在显著性差异，而T-3期现金流量组合指标则不存在显著性差异，这也隐含着在T-3期的判别率会不理想。表3是进行判别分析时判别方程中的各变量的系数。该表是未标准化的典型判别函数系数表，计算判别分数时使用原始自变量。
表3 Fisher判别系数
年份 变量 分类
0 1
T-1 CF2 .491 2.412
CF5 2.074 1.086
X3 3.097 1.278
X4 -.010 -.055
Constant -2.867 -1.355
T-2 CF2 .222 2.661
CF7 .788 2.316
X3 2.348 1.598
X4 -.003 -.014
Constant -2.154 -1.735
T-3 CF3 1.567 .694
Constant -.810 -.716
由表3的判别系数表可以得到不同时期判定*ST公司与非ST公司的依据。
T-1期，*ST公司判别函数为：
非ST公司判别函数为：
T-2期，*ST公司判别函数为：
非ST公司判别函数为：
T-3期，*ST公司判别函数为：
非ST公司判别函数为：
同时由表3可知，在非参数检验中存在显著差异的指标，在判别函数中也有其显著的作用。
用样本数据进行检验，可得到模型的正确率，输出结果如表4所示。
表4 模型判别矩阵
分类 预测值 正确率 综合正确率
非ST *ST
T-1年 非ST 71 5 93.4% 82.9%
*ST 21 55 72.4%
T-2年 非ST 72 4 94.7% 70.4%
*ST 41 35 46.1%
T-3年 非ST 11 65 14.5% 54.0%
*ST 5 71 93.4%
表4显示了模型检验的两类错误，第一类是将ST公司误判为非ST公司的概率，第二类是将非ST公司误判为ST公司的概率。根据表4中对原始样本进行判别分类的结果，可以看出T-1期的判别正确率最高，第一类错误率为27.6%，第二类错误率仅为6.6%；其次是T-2期，第一类错误率为53.9%，第二类错误率仅为5.3%；相比之下，T-3期的正确率不太理想，第一类错误率为6.6%，第二类错误率却达到了85.5%。
二、结论
第一，对于公司会不会陷入财务危机，在出现危机的前两年现金流量组合指标还是有明显差异的，特别是CF2指标在T-1期和T-2期都存在显著的差异，在后面的Fisher判别系数中在前两期依然都有CF2这个指标。根据搜集到的数据可知，非ST公司和*ST公司相比，现金流量组合符合CF2的*ST的公司较多，而健康的公司大多属于CF5组合。一般来说，企业现金流量除需要维持正常的运转外，还需要保证充足的现金来补偿长期经营性资产的折旧和摊销，另外要储备充足的资金以支付到期债务、利息及股利。特别是商品经营、劳务提供占比较大的公司，充沛的现金流量是其正常运转的关键。若净现金流量为正值，则说明企业能够正常运转。企业主要的收入来源于经营活动，经营现金流为负，说明企业不一定能够保持企业现金流的供应，对于企业的正常经营以及处理应急情况而言是不利的。
第二，投资现金流量分为对外投资、对内实体资产投资现金流量。投资活动与经营活动相比，投资活动现金流出与流入基本上不同步，故分析投资现金流量就必须考虑时间因素。若特定时期，投资现金净流量为正值，代表生产扩大能力较强；若为负值，则代表投资规模相对扩大但回报和变现能力需要进一步提高，或者是当期投资较大但收益未当期显现。
第三，一般来说，企业发展过程中筹资是必要的，筹资所得现金流应该满足公司经营、投资等活动的需要。通过分析企业经营、投资等活动的现金流量，可以分析得出需要筹资的时机、所需金额等，以便及时为企业经营、投资提供充足的现金支持。当经营、投资等活动可以产生大量现金时，筹资所得现金应及时用于清偿贷款，从而节省利息支出。若筹资净现金流量为正值，表明融资能力较强。若筹资净现金流量为负值，一方面可能代表着企业债务较轻，盈利水平较好，应收账款回收较快，另一方面也可能意味着企业经营已经恶化，融资效果较差，具体还需要结合损益表进行分析。在T-2期，CF7指标也有明显差异，根据所找的数据发现有些*ST的公司在被处理的前两年现金流组合属于CF7，即经营、投资和筹资全为负，说明企业已经处在危机的边缘，在第二年也就是T-1年企业为了免于被处理尽力改善自己的经营，但是相当困难，因此企业也难以逃脱被处理的命运。
第四，判断企业是否会陷入财务危机，笔者认为主要还是应该关注经营现金流数据。正常的公司不管现金流量属于什么组合，只要具有正的经营现金流，在一定程度上就说明企业经营属于正常。
第五，本模型的判别率在可接受范围内，且越接近被处理的时期，判别率越高。现金流组合指标对财务预警来讲只是个辅助指标，本文的创新之处就在于给决策者提供一个新的财务预警指标，但在具体的运用中还应结合一些财务比率指标同时进行分析，这样能更全面地反映企业的财务状况，提高判别率。
三、本模型的局限性
虽然本文是从现金流组合方面进行财务预警，但只研究了其在财务预警中的判别作用，其他方面的作用还有待进一步研究。另外，本模型的不足之处在于对T-3期的判别率很低。对于决策者而言，越早能预测到公司是否被处理越好。一般而言，对被处理的前三年公司还是有征兆的，因此对T-3期的预测模型有待改进。
参考文献：
[1]蒋飞鸿.上市公司现金流量的财务预警作用分析[J].同济大学学报（社会科学版），2007，（4）：118-123.
[2]刘庆华.基于现金流量的企业财务预警系统研究[D].成都：西南财经大学，2006.
[3]钱爱民，张淑君，程幸.基于自由现金流量的财务预警指标体系的构建与检验——来自中国机械制造业A股上市公司的经验数据[J].中国软科学，2008，（9）：148-155.
[4]袁彭尼.现金流量表信息对企业决策的作用[J].当代财经，
2009，（9）：146-147.
[5]张鸣，程涛.上市公司财务预警实证研究的动态视角[J].财经研究，2005，（1）：62-71.
[6]张友棠.财务预警系统管理研究[M].北京：中国人民大学出版社，2004.
[7]Aziz， A.， D. C. Emanuel and G. H.Lawson：Bankruptcy Prediction——An Investigation of Cash Flow Based Model[J].Journal of Management Studies，1988，25.
[8]Beaver， W. H. Financial rations as predictors of failure[J].Journal of Accounting Research，1966，4：71-111.
[9]Piyaratt Jantadej. Using The Combinations of Cash Flow Components to Predict Financial Distress[D].Lincoln，Nebraska，2006.
（責任编辑：孙晴）
作者：王晓 唐荫军
【我国上市公司财务预警论文】相关文章：
我国上市公司财务预警论文提纲11-15
我国企业财务风险预警论文04-24
上市公司财务预警论文04-20
化工上市公司财务预警论文04-21
上市公司预警系统的财务论文04-29
预警模型公司财务论文提纲11-15
保险公司财务预警管理论文04-25
保险公司财务预警管理论文提纲11-15
上市公司财务预警操作05-13
制造业上市公司财务危机预警07-07