【摘要】財務危機的出現是一個漸進的過程，科學的財務危機預警系統可以幫助企業在危機來臨之前及早發現問題，采取相應措施，進而預防財務危機。本文在傳統財務指標的基礎上，引入了EVA指標及現金流量指標，構建了基于EVA及現金流量指標的財務危機預警Logistic模型，從而更準確地對財務危機進行預警。
【關鍵詞】財務危機 預警模型 EVA 現金流量
20世紀90年代，我國學者才開始對公司財務危機預警問題進行研究。1996年，周首華等對Z值模型進行了修正，加入了現金流量指標，提出了F分數模型，奠定了我國財務危機預警模型研究的基礎。1999年，陳靜實證分析了西方財務預警模型對我國企業的適用性。2011年，文蘭運用二元Logistic回歸法建立模型，在模型中引入公司治理指標，認為引入公司治理指標的財務危機預警模型比未引入公司治理指標的預警模型有更高的預測準確度。
本文選取了40家ST企業及40家與其配對的正常企業作為樣本，在傳統財務指標的基礎上，引入經濟增加值（EVA）和現金流量指標來建立財務危機預警Logistic模型，驗證了該模型對企業的財務危機有更高的預測率，最后應用該模型對2013年首次被ST的國旅聯合股份有限公司進行財務預警分析。
一、EVA及現金流量指標
傳統的財務預警系統是建立在權責發生制下凈利潤基礎上的，但是凈利潤指標存在著缺陷。一方面，凈利潤只考慮了債權資本成本，并未考慮企業的股權資本成本，并不能完全體現企業的經營業績；另一方面，凈利潤對企業經營業績的反映存在失真，經營者易利用會計準則的漏洞進行操縱，粉飾財務報表。在很大程度上，公司是否會發生財務危機，并不取決于其凈利潤，而是要看是否有與其經營規模相匹配的現金支付能力。
1. EVA。EVA為企業稅后凈經營利潤減去資本成本，其創新之處在于在傳統會計核算的利潤的基礎上修正了資本成本。傳統會計理論中的企業最終利潤雖已扣除付給債權人的財務費用，但并沒有核算股東投入的權益資本的機會成本，無法全面、真正反映企業生產經營的最終盈利或價值。EVA則全面考慮了債務資本成本和權益資本成本，以股東的投入為出發點，著眼于企業的長遠發展，是全面衡量企業生產經營真正盈利或創造價值的一個指標或一種方法。相對于傳統會計利潤指標，EVA能夠判別出一個企業在過去的一個期間所創造的實際價值，是總結企業真正利潤的一個指標。EVA能夠準確地說明企業的盈利能力，不僅使企業提早做出應對財務危機的對策，而且EVA是公司對外進行財務披露的根據，能夠為投資者決策提供依據。
2. 現金流量指標。現金流量指標不僅可以反映企業在一定時間段內現金流出與現金流入各方面的情況，還在一定程度上反映出企業的經營狀況。現金流量指標比利潤能夠更加準確地反映企業的收益、財務狀況、償債能力，能夠提供更實用、有效的信息，本文將現金流量指標作為財務預警模型的一部分備選指標。
為全面考核企業財務狀況，建立預測準確度高的預警模型，常用的現金流量指標有：反映企業償債能力的指標，如現金流動負債比與現金負債總額比等；反映企業盈利能力的指標，如主營收入現金比率、凈利潤現金比率、每股經營性現金流量、資產現金回報率與股東權益獲現率等；反映企業現金流量增長能力的指標，如經營活動現金凈流量增長率等；反映企業結構比率的指標，如經營性現金流動比率、全部現金流量比率。
二、研究樣本選取
目前普遍做法是將上市公司中的ST公司作為財務危機企業。本文從滬深兩個證券交易所上市的A股上市公司中選取樣本，以因財務狀況異常而被ST的上市公司作為財務危機公司，而其他非ST公司作為正常公司。本文樣本配比的標準如下：①財務危機和財務正常公司配比比例為1∶1，即為每一個財務危機公司選擇一個相應的財務正常公司作為配對；②該財務正常公司與財務危機公司屬于同一行業板塊，且資產規模相當，這樣使其具有可比性；③財務正常公司與危機ST公司選用相同年度的報表數據。
企業陷入財務危機是一個逐漸惡化的動態過程，企業在被ST的前幾年，其財務狀況已經出現了問題。考慮到我國大部分企業都是連續兩年發生財務虧損而被ST的，因而企業被ST前兩年的財務數據不可以用來建立財務預警模型。因此，本文選擇企業t-3年的財務指標建立模型進行預警分析。
根據以上標準，本文最終選擇了2013年首次ST公司10家，2012年首次ST公司14家，2011年首次ST公司16家，共40家財務危機公司。并根據配對要求，選擇了相應的40家財務正常公司。注意到預警的最佳跨度時間為3年，因此對于2013年首次ST公司取其2010年財務數據，2012年首次ST公司取其2009年財務數據，2013年首次ST公司取其2008年財務數據。本文數據來源于東方財富網、國泰安數據庫等。
三、財務危機預警模型的構建
1. 基于現金流和EVA的財務危機預警Logistic模型。
（1）財務危機預警財務指標的初選。在以往的財務危機預警研究中，大部分學者選擇了一些傳統財務指標，主要從短期償債能力、長期償債能力、營運能力、盈利能力、發展能力等方面解釋了企業的經營狀況，但這些指標可能存在人為操縱的因素，不能全面有效地反映企業財務狀況。因此本文選取了一部分傳統財務指標，并引入現金流量指標、EVA指標，最終選擇了28個財務指標作為財務預警初選指標（見表1）。
（2）指標篩選。本文采用SPSS19.0統計分析軟件進行獨立樣本T檢驗，進行財務比率均值的顯著性分析，在初選指標中選出ST公司與非ST公司樣本的指標變量之間存在顯著性差異的指標。在該假設檢驗中原假設H0為：ST公司與非ST公司的財務危機預警指標無顯著差異；對立假設H1為：ST公司和非ST公司的財務危機預警指標有顯著差異。
根據SPSS統計分析的結果，對于傳統財務指標：流動比率、總資產擴張率通過了0.01水平的顯著性檢驗，速動比率、現金比率、產權比率、凈資產收益率通過了0.05水平的顯著性檢驗，其他指標的組間差異不顯著。對于EVA及現金流量指標：現金流動負債比、現金負債總額比、資產EVA率三個指標通過了0.01水平的顯著性檢驗，EVA和權益EVA率兩個指標通過了0.05水平的顯著性檢驗，其他指標的組間差異不顯著。
這樣，通過顯著性分析的11個指標，即流動比率X1、速動比率X2、現金比率X3、產權比率X4、凈資產收益率X5、總資產擴張率X6、現金流動負債比X7、現金負債總額比X8、EVA（X9）、權益EVA率X10、資產EVA率X11，作為備選變量進入下一步的統計分析。
（3）因子分析。財務指標間存在共線性，若直接用來做回歸分析，回歸效果無法令人滿意。因此在作回歸分析之前，我們應用因子分析法減輕或消除共線性的影響。
實施因子分析之前，我們用KMO和Bartlett球型檢驗對變量間的相關性進行檢驗。KMO統計量的取值在0和1之間，值越大變量間的相關性越強，越適宜做因子分析。Bartlett球型檢驗，以變量的相關系數矩陣為出發點。原假設H0為相關系數矩陣為一個單位陣，若拒絕0假設，則認為相關系數不可能為單位陣，即原始變量存在相關性，適宜做因子分析。反之不適合。用KMO和Bartlett檢驗方法對變量X1，X2，…，X11進行分析，檢驗結果為：KMO值0.683，大于0.6，適宜做因子分析。Bartlett 的球形度檢驗的顯著性水平小于0.001，遠小于顯著性水平0.05，所以相關系數矩陣與單位矩陣有顯著差異，適合作因子分析。
根據SPSS因子分析的結果，按提取條件（特征根值大于1）提取了前2個因子，最終選取累積貢獻率為76.474%的3個主成分因子，用其代替原財務指標。但從SPSS輸出的成分矩陣圖中，我們發現各個因子和各財務指標都有密切關系，為了使因子更容易被解釋，我們用因子方差最大法進行旋轉。由計算結果可知，因子 負載較大的原財務指標是流動比率、速動比率、現金比率，這三個指標體現了企業的短期償債能力；因子 負載較大的原財務指標是凈資產收益率、權益EVA率、資產EVA率，這三個指標體現了企業的盈利能力；因子 負載較大的原財務指標是現金流動負債比、現金負債總額比，這體現了企業的現金流量能力。根據因子變量的得分系數矩陣，3個因子變量的線性表達式如下：
=0.264X1+0.281X2+0.292X3+0.006X4-0.049X5+0.432X6-0.201X7-0.160X8-0.015X9-0.079X10+0.025X11
=-0.034X1-0.043X2-0.052X3+0.112X4+0.354X5+0.017X6+0.031X7+0.045X8+0.160X9+0.344X10+0.291X11
=0.015X1-0.003X2-0.017X3-0.132X4+0.020X5-0.323X6+0.521X7+0.482X8+0.013X9+0.057X10-0.039X11
（4）Logistic模型的構建。與多元線性回歸分析相比，Logistic模型中無需變量滿足正態分布等條件，適應范圍廣。此外，國內外多位學者研究發現，Fisher判別分析、多元線性回歸分析和Logistic模型三種方法之中，Logistic模型對財務危機有較為準確的判別率。因此本文選用Logistic回歸分析法構建財務危機預警模型。
以因子分析得到的三個因子 、 和 為自變量，破產概率P（ST企業P值為1，非ST企業P值為0）為因變量進行Logistic回歸分析。其回歸模型如下：
[lnP1-P=0.277+3.874F11+4.364F12+2.721F13+ε]
（模型1）
回歸效果顯著（顯著性水平5%）。這樣我們就得到了引入EVA及現金流量指標的財務危機預警Lgistic模型。根據模型計算的企業破產概率P可判斷企業的破產風險。判別標準為：若P值＞0.5，表明企業面臨較大的破產風險；若P值＜0.5，表明企業破產風險較小，公司較為安全。
2. 基于傳統財務指標的Logistic模型。為了檢驗引入EVA及現金流量指標后財務危機預警模型的判斷準確性是否得到了提高，我們同時構建僅基于傳統財務指標的Logistic模型（2）。模型（2）與模型（1）的構建相類似，我們對其構建過程介紹如下：
首先我們選取通過顯著性分析的流動比率、總資產擴張率、速動比率、現金比率、產權比率、凈資產收益率這6個指標作為備選變量。其KMO與Bartlett檢驗結果為：KMO值0.722，Bartlett 的球形度檢驗的顯著性水平小于0.001，適合進行因子分析。
進一步，根據因子旋轉后的因子載荷矩陣，因子1中，流動比率、速動比率、現金比率的因子載荷量較大，因此因子1反映了公司的短期償債能力；因子2中，凈資產收益率的因子載荷明顯超過其他變量的載荷量，因此該因子反映公司的盈利能力。因子變量的線性表達式如下：
=0.275X1+0.76X2+0.276X3-0.049X4+0.065X5+0.219X6
=-0.048X1-0.045X2-0.048X3+0.579X4+0.614X5+0.175X6
以 、 為自變量進行Logistic回歸分析，得到基于傳統財務指標的Logistic回歸模型：
[lnP1-P=0.277+4.874F21+4.364F22+ε] （模型2）
該模型回歸效果顯著（顯著性水平5%），根據模型對企業破產風險的判斷同上。
3. 模型的檢驗。我們以判別正確率來評價比較模型（1）與模型（2）的優劣。 SPSS對80家樣本企業的檢驗結果如表2所示：
由模型（2）的檢驗結果：ST企業的判別正確率為87.5%，40家ST公司中有5家被誤判為非ST公司，判別正確率較高；非ST公司的判別正確率僅為65%，在40家非ST企業中，高達14家企業被誤判存在財務危機，判別率相對較低。總體判別率為76.3%，說明模型（2）有待改進。
由模型（1）的檢驗結果，在企業發生財務危機（t-3）年，引入EVA及現金流量指標的模型的判別的總的正確率為83.8%，遠遠高于基于傳統指標的模型總體判別率76.3%，提高了該模型的財務危機預警能力。具體的，ST企業的判別正確率為87.5%，與模型（2）一致，這說明引入EVA及現金流量指標后，該模型仍然能夠識別存在財務隱患的公司，但非ST企業的判別正確率從65%提高到80%，大大降低了財務正常企業的誤判率。由檢驗結果可知模型（1）的財務危機預警能力優于模型（2）。
4. 實證分析。為了驗證模型（1）企業財務危機預警的準確性，我們應用該模型對2013年首次被ST的國旅聯合股份有限公司進行財務分析。我們選取了其被ST前（t-2）年、（t-3）年、（t-4）年（即2011年、2010年、2009年）的財務數據進行研究，分析其在被ST前的財務狀況，確定其財務狀況是否出現問題。由國旅聯合股份有限公司在2009年、2010年、2011年的財務指標X1，X2，…，X11，計算國旅聯合股份有限公司3個因子 得分情況（見表3）。
根據模型（1）計算得出2009年、2010年、2011年這三年的P值，逐年遞增，均遠大于0.5。這說明國旅聯合股份有限公司在被ST的前四年就已經存在財務危機的征兆，也驗證了模型（1）預測財務危機的準確性。
由于連續兩年出現財務虧損，國旅聯合股份有限公司在2013年被ST，但從上文分析中看出早在2009年其財務狀況已經出現問題。①就償債能力而言，該公司2009年的短期償債能力較差，企業財務風險大，在之后的兩年短期償債能力有所改善。但公司在長期償債能力方面卻持續惡化，資產負債率超過50%，企業沒有足夠的資金來償還長期債務。②資產營運能力是指企業資產創造收入的能力，主要取決于資產的擁有量及其營運能力或周轉狀況。該公司總資產周轉率、流動資產周轉率、固定資產周轉率等反映企業營運能力的指標在2009年比較差，企業資產的有效利用率較低，雖然該公司在2010年、2011年努力加速資產流轉，但其營運能力相對于旅游業平均水平還有一定差距。③盈利性是衡量企業經營狀況的重要指標。該公司的盈利狀況持續惡化，利潤負增長，在2011年企業虧損嚴重。而企業在各項資產的投資減少，發展后勁不足。④企業現金流量分析將現金流量表與資產負債表和利潤表有機結合，可以更正確地預測未來企業價值變化趨勢。該公司在2010年雖然盈利，但經營活動現金流量出現負額，經營流動資金不足，財務風險巨大。⑤EVA指標能夠全面衡量企業生產經營真正盈利或創造價值。該公司連續三年EVA均為負值，而且呈現負增長。
綜上分析，國旅聯合股份有限公司在2009年財務狀況已經開始惡化，如果一開始建立了完善的財務危機預警模型，就能盡早發現財務危機，采取有效措施將危機扼殺于搖籃之中，該公司可能會避開被ST的命運。
四、結論
企業財務危機是在企業逐步發展過程中形成的，會在其財務指標上有所體現。對于企業財務進行危機預警，本文在傳統財務指標的基礎上引入EVA及現金流量指標，發現EVA及現金流量指標能夠提高預警模型的準確度。最后，本文運用建立的模型對國旅聯合股份有限公司的財務狀況進行了實證分析，驗證了該模型對財務危機預警的準確性。
【注】本文系中央高校基本科研業務費專項資金資助項目（編號：12CX04006B）、山東省高等學校人文社會科學研究項目（編號：J11WF73）、山東省高等學校人文社會科學研究項目（編號：J12WF53）的階段性研究成果。
主要參考文獻
1. Frizpatrick. A Comparison of ratios of Successful Industrial Enterprises with those of Failed Firms.New York：Certified Public Accountant，1932
2. Beaver，W.H.. Financial Rations as Predictors of Failure.Journal of Accounting Research，1966；4
3. 周首華，楊濟華.論財務危機的預警分析——F 分數模式.會計研究，1996；8
【作 者】
徐 凌（博士） 趙 程 毛興麗
【作者單位】
（中國石油大學〈華東〉經濟管理學院 青島 266580）
