第３２卷第４期 宿州学院学报 ＶｏＩ．３２，ＮＯ．４ ２ ０ １ ７年４月 Ｊｏｕｒｎａｌ ｏｆ Ｓｕｚｈｏｕ Ｕｎｉｖｅｒｓｉｔｙ Ａｐｒ．２０１ ７ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３—２００６．２０１７．０４．００４ 基于Ｌｏｇｉｓｔｉｃ模型的制造性企业财务风险预警研究 郭 伟 安徽行政学院（安徽经济管理学院）经济学教研部，合肥，２３００５１ 摘要：基于对我国上市公司财务风险的度量和预警机制的理论考量，选取沪深两市部分制造性上市企业的财务数 据为研究对象，借鏊已有的财务风险预警评估模型，通过对样本和变量参数的筛选，采用因子分析和主成分分析， 构建适合我国上市制造性企业的Ｌｏｇｉｓｔｉｃ财务风险预警模型，检验表明：该模型在实际应用中具有较好的预测效 果。对于制造性企业来说，若要提前化解公司可能存在的危机，一要建立合理有效的财务预警体系，及时对财务风 险进行预警；二要采用合理有效的措施来保障公司的财务预警体系顺利的实现；三是提高企业全员危机防范意识 扣健全财务预警制度。 关键词：上市公司；制造性企业；财务风险预警；Ｌｏｇｉｓｔｉｃ模型 中图分类号：Ｆ２３Ｏ．９ 文献标识码：Ａ 文章编号：１６７３—２００６（２０１７）０４－－００１１—０５ 随着西方国家“工业４．０”的推出，中国制造业 世界制造大国，但离制造强国还有很大差距。中国制 开始强力发声。《中国制造２０２５》是一个务实的战略 造业总规模和产出能力已有较高水平，但一些核心 方针，它将引导中国从制造业大国转向制造业强国。 制造技术仍依赖他国，企业核心能力不强，品牌效应 目前，我国制造业企业已开始走向工业化与信息化 不力，创新能力不够，中国制造业仍然处于一个艰难 的融合，创新能力不断增强，制造性企业整体素质大 的发展困境中。 幅提高，国际竞争实力凸显，在产业价值链中的地位 随着经济环境的变化和全球制造业生产格局的 提升［１］。然而，随着国际贸易保护主义的抬头，中国 转变，中国制造业发展仍将面临着三个方面的挑战： 制造性企业面临的市场竞争压力在加剧，尤其是企 一是来自于高端挑战。西方发达国家通过“再工业 业的财务风险在加大。学术界从２Ｏ世纪８Ｏ年代中 化”，推出“工业４．０”，优势进一步强化，进一步拉大 后期开始对财务危机预警开展研究，以企业财务数 与我国的距离。二是来自于低端挤压。一些发展中 据为基础而建立的财务危机预警模型也于１９９６年 国家和新经济体以其廉价劳动力的优势，抢占了全 逐步发展起来的。国内有学者开展了对Ｚ分数模型 球制造业的中低端市场，我国原有的制造业优势面 的改进研究［２］，在公司被ＳＴ的前三年可以较好地 临失去的危险。三是来自于内部的困境。从整体来 对财务危机进行预测；还有学者直接借鉴美国学者 看，我国制造业自主创新能力不强，核心技术对外依 Ａｌｔｍａｎ的Ｚ分数模型来构建企业财务困境预警模 存度较高；制造业仍处于产业中低端水平，产品处于 型［３］。这些研究都是从上市公司的财务风险预警模 全球产业链的中端，产品附加值低，营销和研发能力 型构建出发，其中以上市的制造性企业为对象的财 较弱，知名品牌短缺；生产性服务业比重偏低，集群 务风险预警研究较少［４］。本文构建适合我国上市制 效应没有体现；资源浪费较大，利用效率偏低，环境 造性企业的Ｌｏｇｉｓｔｉｃ财务风险预警模型，检验表明： 问题突出；企业产品竞争力下降［５］。 该模型在实际应用中具有较好的预测效果，对研究 我国上市公司财务风险的度量和预警机制有一定的 ２制造业上市公司财务风险进一步加大 理论价值。 全球经济一体化趋势逐渐加深，制造企业所面 １ 中国制造业发展面临的挑战与困境 临的社会环境也在日益复杂的变化着，企业经营风 险不可避免，导致出现财务危机的概率加大［６］。从沪 改革３Ｏ多年来，中国制造业的发展较为突出， 深上市公司分析来看，制造业上市公司由于财务问 制造业大国地位突显，中国制造随处可见。虽然位居 题而被ＳＴ或 ＳＴ的比例要比其他行业高得多Ｌ７］。 收稿日期：２０１７—０１—２６ 基金项目：安徽省高校教学研究重点项目“高职院校财会专业人才培养与市场需求的吻合度研究”（２０１６ｊｙｘｍ０２２３）。 作者简介：郭伟（１９６７一），安徽肥西人，副教授，研究方向：财务管理。 １１ ２．１制造性企业财务存在的主要问题 从沪深两市可以看出，多数上市企业的财务状 况不容乐观，尤其是制造性企业，被 ＳＴ的比例很 高［８］，这些制造性企业主要的财务问题有：（１）资产 负债率较高，企业面临还债压力大；（２）亏损比例大， 易引发财务危机；（３）融资顺序不合理。大量学者的 研究结果表明，导致上市公司财务风险的最主要原 因是企业的经营管理和财务管理两方面造成的ｌ－８Ｊ。 经营管理方面主要包括盲目扩大规模，治理机制不 够完善以及不健康的公司文化等；财务管理方面主 要包括财务信息失真，投资决策失误，公司流动资金 差以及不健全的财务管理制度等。 ２．２制造业上市公司财务风险预警的必要性 制造业上市公司陷入财务危机，若不能及时处 理，不仅会影响到公司自身的发展，还会影响到我国 证券市场的发展。运用统计模型来研究上市公司财 务风险预警，可以在制造性企业出现财务危机之前 评测企业产生财务风险的可能性，剖析危机原因，预 防危机发生。目前，运用财务指标检验上市公司是否 发生财务危机已经成为一种趋势，如企业的净利润 指标出现了连续两年为负，证券市场就会对上市公 司作特别处理。因此，财务预警不仅能够保证股东投 入的股本不受损失，还能提高债权人对企业偿债能 力的把握，投资者可以利用公司的经营业绩来判断 未来趋势是否投资［９］。 综上可知，制造业财务风险预警模型的建立既 能及时发现公司中潜在的风险，又能警示已有的危 机信号。因此，建立一个既适合我国制造业上市公 司，又有较强预测能力的财务风险预警模型，对于中 国制造业的长远健康发展具有重要的意义。 ３制造性企业财务风险预警模型建立 ３．１ 样本和指标变量的筛选 由于研究对象是制造性企业，所以在样本选择 上是以制造业上市公司的财务数据作为选择对象。 制造业上市公司发生危机的可能性是存在的，最直 接的危机就是财务风险，产生这种风险的可能性大 小，也就是概率Ｐ大小，用此指标来评判该企业所 处的风险大小，是否处于高风险状态。通过筛选，剔 除数据缺失和极端数据的企业，最终从沪深两市共 选取９２家制造业企业，收集了２０１４—２０１５年的财 务数据，其中２５家是 ＳＴ公司，其余６７家为正常公 司，总计１８４个样本。所有的财务指标数据均来自锐 思数据库，通过显著性与因子分析筛选了１８个指标 变量，“ ＳＴ”上市公司可以评判为高风险企业，其他 企业视为正常。 １２ ３．２ Ｌｏｇｉｓｔｉｃ模型与变量参数选取 对于制造业上市公司财务风险的评定，可以利 用Ｌｏｇｉｓｔｉｃ回归模型来表述如下： Ｐ 再 ～＋ 其中，参数ａ是常数项，ｘ 为风险评定中的影响变 量， 为待估计系数，尸为风险概率，０＜Ｐ＜１。 Ｌｏｇｉｓｔｉｃ模型图像是 型曲线分布， ∈（一ｏＯ，＋ 。。），且 Ｐ－＋ｏ。 Ｐ： 一＋。ｏ 南１下 １ ｔｉｍ Ｐ一［ｉｍ＿ ＝０ ｏ。１＿ｒ＿ 其中，Ｐ代表产生财务风险的概率，Ｐ的取值应在 （Ｏ，１）之间，Ｐ值大小与风险大小正相关。ｙ表示风 险事件，这种事件要么有或是无，可以用数值１或０ 两个变量来代替ｙ值。Ｘ。，ｘ ，…， 是ｙ的函数，根 据上述的假设条件，则变量ｙ与Ｘ 的关系可以表 示为： ｌｎ（Ｙ）＝Ｉｎ（ ） 一口＋ Ｘ 十 Ｘ ＋…＋ 根据选取的上市公司会计信息，对财务报告中 的相关财务指标逐一分析，按照与公司财务状况联 系紧密程度进行筛选，最终确定１８个指标作为分析 对象（表１）。 表１ 模型选取的财务指标 企业发生财务风险的概率Ｐ被假设为虚拟的 二分类变量 ，即对于高风险 ＳＴ”企业Ｐ为ｌ，正 常企业Ｐ为０。因此，可以采用１．０ｇｉｓｔｉｃ回归模型 分析。 为０．０００，可用主成分分析。决定提取主成分个数的 ●２ ３ ４ ５ ６ ７ ８ ９ ｎ Ｍ ＂ 多少，是用累积贡献率和特征值两个指标来衡量。衡 ３．３ 主成分分析 首先对原始的财务指标数据进行相关性检验， 量标准要求累积贡献率大于ａｏ Ａ，特征值大于１ 。ｏ 利用统计软件ＳＰＳＳ１８．０进行处理，得出上述１８个 提取主成分如表３。 财务指标，彼此之间存在一定的相关性。部分指标相 表２ ＫＭＯ和Ｂａｒｔｌｅｔｔ的检验 关性很高［１ ，这样就可以借助于主成分分析，将多 取样足够度的ＫＭＯ度量 ０．７８６ 个相关指标转化为几个互不关联的综合指标，再进 近似卡方 ６８４０．１９４ 行ＫＭＯ和Ｂａｒｔｌｅｔｔ球形检验（表２）。 Ｂａｒｔｌｅｔｔ的球形度检验 ｄｆ １５３ 表２中ＫＭＯ值大于０．６，这就说明各个财务指 Ｓｉｇ．０．０００ 标问的相关程度可以适用于主成分分析，采用主成 分分析提取公共因子。另外，Ｂａｒｔｌｅｔｔ球形检验Ｓｉｇ值 表３解释的总方差 初始特征值 提取平方和载人 旋转平方和载入 成份 合计 方差的 累积 合计 方差的 累积 合计 方差的 累积 ９．５０６ ５Ｚ．８１３１ ５２．８１３ ９．５０６ ５２．８ｌ３ ５２．８１３ ６．７７４ ３７．６３１ ３７．６３１ ２．９０３ ｌ６．１２７ ６８．９４ｌ ２．９０３ ｌ６．１２７ ６８．９４１ ３．１４４ １７．４６６ ５５．０９７ １．７１６ ９．５３１ ７８．４，７２ １．７１６ ９．５３１ ７８．４７Ｚ ２．７９４ ｌ５．５２５ ７０．ｔ５２１ １．２３５ ６．８６０ ８５．３３１ １．２３５ ６．８６０ ８５．３３１ １．９１２ １０．６２３ ８１．２４５ １．０９３ ６．０７２ ９１．４０４ １．０９３ ６．０７２ ９１．４０４ １．８２９ １Ｏ．１５９ ９１．４０４ ０．５７７ ３．２０７ ９４．６１０ ０．３３８ １．８７９ ９６．４８９ ０．１９５ １．０８５ ９７．５７４ ０．１７５ ０．９７２ ９８．５４６ Ｏ．１０３ Ｏ．５７３ ９９．１ｌ９ ０．０５４ ０．３０２ ９９．４２１ ０．０３５ ０．１９２ ９９．６ｌ３ ０．０２８ Ｏ．１５６ ９９．７６９ ０．０２３ ０．１２７ ９９．８９５ ０．００８ ０．０４６ ９９．９４ｉ ０．００６ ０．０３２ ９９．９７３ ０．００３ ０．０１７ ９９．９９Ｏ ０．００２ ０．ＯｌＯ １Ｏ０．Ｏ０ 从表３可知，各指标初始特征值最大为９．５０６， 每个成分包含什么指标，还需要分析。由ＳＰＳＳ１８．０ 特征值大于１的指标共有５个，这５个指标的主成 得到初始因子载荷矩阵（表４）。 分累计贡献率是９１．４０４％，可以代替原始数据。但 表４成分矩阵 １ ２ ３ ４ ５ １ ２ ３ ４ ５ Ｘ１ ０．８５４ ０．０８９ ０．０００ —０．２６０ —０．２４７ Ｘ２ ０．９０２ ０．２５７ ０．１４０ —０．００１ ０．０７３ Ｘ３ ０．９２４ ０．２１６ ０．１１７ —０．０１６ ０．０５３ Ｘ ０．８９７ ０．２６０ ０．１１４——０．０７５——０．００７ ５ ０．８８１ ０．３６１ —０．０７９ —０．０６０ ０．２００ Ｘ６ ０．８５６ ０．４０６ —０．０７８ —０．０２９ ０．２１８ ７ —０．８７９ —０．３３８ ０．０７６ ０．０４０ —０．１９９ Ｘ８ ０．８８８ ０．３３３ —０．０７１ —０．０５３ ０．１９８ ９ ０．４１７ —０．７７２ —０．１６３ ０．１０３ ０．３５４ Ｘ１０ ０．４３７ —０．７５０ —０．１５７ ０．１７５ ０．３３２ Ｘｌ１ —０．７０３ ０．３９６ ０．０８４ ０．３４４ ０．４２８ Ｘ１２ ０．６４０ —０．５９１ ０．０６５ ０．１２２ ０．１８８ Ｘｌ３ ０．４６９ —０．１１４ ０．７７７ ０．２３２ ０．０１７ Ｘ¨０．２１９ —０．０８３ ０．８１７ ０．３２９ ～０．２１０ ｌ５ ０．５６５ ０．０５９ —０．３８７ ０．５４７ —０．３５８ Ｘ１６ ０．５００ ０．１５７ —０．３９８ ０．６３８ ～０．２５８ ｌ７ 一Ｏ．７６５ ０．５５５ —０．０１２ ０．０８２ ０．０８１ １８ —０．７３８ ０．４１７ ０．０６７ ０．３２１ ０．；３９６ 对表４中的相关数据进行分析，计算出各个原 Ｘ２—０．９０２Ｆ１＋０．２５７Ｆ２＋０．１４０Ｆ３ 始变量的因子表达式： —０．００１Ｆ４＋０．０７３Ｆ５ Ｘ】一０．８５４Ｆ１＋０．０８９Ｆ２＋０．０００Ｆ３ ●●●●●● —０．２６０Ｆ４—０．２４７Ｆ５ 为了便于对主成分进行提取和命名，对原始成 １３ 分矩阵进行旋转，如表５所示。 表Ｓ旋转成分矩阵 经过旋转后的载荷系数差别很明显，作归类处 理（见表６）。 表６最终主成分的归纳 ｘＩ（净资产收益率）、ｘｚ（资产报酬率）、Ｘｓ（资 第一主成 誉 （营业利润率） 第二主成 Ｉ２ 触益 第三主成分Ｆ３托ｌ（产权比率）、ｘｌ８（权益乘数） 第四主成分 ｘ１３（经营现金负债比）、Ｘｌｔ（现金流动负债） 第五主成分Ｆｓ ｘｉｓ（净资产增长率）、ｘ１６（总资产增长率） ４制造业上市公司财务风险预警Ｌｏｇｉｓｔｉｃ模 型的检验 对于财务风险预警Ｌｏｇｉｓｔｉｃ模型还需要进行检 验 ］，运用旋转前的因子载荷矩阵计算特征向量 （表７）。 根据表上可以得到５个主成分的表达式： Ｆ１＝０．２８Ｘ１＋０．２９Ｘ２＋０．３Ｘ３＋０．２９Ｘ４＋ ０．２９ ５＋０．２８ ６—０．２９Ｘ７＋０．２９ ８＋０．１４ ９＋ ０．１４Ｘ１ｏ一０．２３ ｎ＋０。２１ １２＋０．１５Ｘ１３＋ ０．ｏ７Ｘ１４＋Ｏ．１８Ｘ１５＋０．１６Ｘ１６—０．２５Ｘ１７— ０．２４Ｘ１８ Ｆ２＝０．０５Ｘ１＋０．１５Ｘ２＋０．１３Ｘ３＋０．１５Ｘ４十 Ｏ．２１Ｘ５＋０．２４Ｘ６—０．２Ｘ７＋０．２ ８—０．４５Ｘ９— ０．４４Ｘ１ｏ＋０．２３ ｕ—Ｏ．３５ ｌ２—０．０７ １３— １４ ０．０５Ｘ１４＋０．Ｏ３Ｘ１５＋Ｏ．０９Ｘ１６＋Ｏ．３３Ｘ１７＋ Ｏ．２４Ｘ ８ Ｆ３一Ｏ １＋０．１１ ２＋Ｏ．Ｏ９ ３＋０．Ｏ９ ４— ０．Ｏ６Ｘ５一Ｏ．Ｏ６ ６＋Ｏ．Ｏ６Ｘ７—０．Ｏ５Ｘ８—０．１２ ９— ０．１２Ｘｌ０＋Ｏ．Ｏ６Ｘｌ１＋Ｏ．Ｏ５Ｘ１ｚ＋Ｏ．５９Ｘ１３＋ Ｏ．６２Ｘ１４—０．３Ｘ１ｓ—Ｏ．３Ｘ１６—０．Ｏ１Ｘ１７十０．０５Ｘ１８ 由上述主成分表达式可以求出Ｆ值。 表７特征向量矩阵 假定Ｐ为因变量，即公司发生风险的概率，Ｐ 赋值１表示 ＳＴ公司，说明企业财务风险偏高，Ｐ值 为０，表示财务风险低。对模型系数进行综合检验， 结果如表８。 表８模型系数的综合检验 从表８可以看出，该模型是整体显著的。求模型 拟合结果，得Ｌｏｇｉｓｔｉｃ模型： Ｄ １ｎ（ ）一一１２．２３９Ｆ１—１．４３２Ｆ２—５．８８７２Ｆ３ 上 一』 ＋０．５５５Ｆ４—３．７７３Ｆ５—１５．３６８ Ｐ取值：Ｏ＜Ｐ＜１。对Ｐ取值需要进行处理，可 以采取四舍五入处理，如果Ｐ小于０．５，这时Ｐ值看 作０，代表企业财务风险低，企业财务状况正常；如 果Ｐ大于或等于０．５，可将Ｐ值看作１，则代表企业 财务风险高，应该关注［１ 。 从表９可以看出，１３４组正常企业中有１３３组 被观测出来，有１组被错判，正确率达到９９．３％，５Ｏ 组“ ＳＴ”企业中也有１组被错判，评测的正确率为 ９８ ，所建模型评测结果的正确率为９８．９ ，较为 理想，说明模型对企业财务风险预警具有一定的实 际价值。 表９检验分类表 已预测 已观测 Ｐ 百分比校正 ０ ｌ Ｏ １３３ １ ９９．３ ．Ｐ 步骤１ ｌ ｌ ４９ ９８．Ｏ 总计百分比 ９８．９ ５结论与建议 从最终的模型可以看出，第一、二、三、五主成分 与制造性企业的财务风险发生概率成反向变动关 系，表明该类制造业上市公司盈利能力、偿债能力和 增长能力较强，发生财务风险的可能性就小，符合现 实意义，其中第一主成分的系数最大，表示它对制造 业财务风险的影响最显著。但第四主成分与企业发 生财务风险的概率成正向变动关系，表明现金负债 比越大，企业财务风险越大，这不符合现实意义Ｌ１引。 从上述分析可以看出，所建模型对制造业财务 风险预警具有现实价值，但也有缺陷。对于制造性上 市公司来说，预防财务危机，既要有财务预警体系， 还要有效防控措施。 ５．１谨慎选取构建模型的参数 本文在构建Ｌｏｇｉｓｔｉｃ模型时，自变量选用的是 １８个财务指标归类后的五个主成分，没有非财务指 标，另外由于某些财务指标的缺失被剔除了，进而导 致模型不精确。因此，应全面审查企业的财务指标， 收集较为充分的财务信息资料，全面反映企业的财 务状况，及时对财务风险进行预警［１引。 ５．２提高企业全员危机防范意识 公司全体员工尤其管理人员对可能存在的财务 危机应具有清醒的认识与高度的警惕，树立危机意 识，开展危机管理培训。 ５．３制定财务预警制度 制造性上市公司要完善内部控制制度，防止会 计信息失真造假现象，提高公司会计信息的透明度。 ６结束语 本文是对我国上市公司财务风险的度量和预警 机制的理论考量，选取沪深两市部分制造性上市企 业的财务数据为研究对象，借鉴已有的财务风险预 警评估模型，通过对样本和变量参数的筛选，采用因 子分析和主成分分析，构建适合我国上市制造性企 业的Ｌｏｇｉｓｔｉｃ财务风险预警模型，检验表明：该模型 在实际应用中具有较好的预测效果。并从模型分析 中可以看出，第一、二、三、五主成分与制造性企业的 财务风险发生概率成反向变动关系。在此基础上，提 出相应对策，对于制造性企业来说，若要提前化解公 司可能存在的危机，需要建立合理有效的财务预警 体系，及时对财务风险进行预警，采用合理有效的措 施来保障公司的财务预警体系顺利实现。同时，从上 述分析中也可以看出，所建模型对制造业财务风险 预警具有现实价值，但也有缺陷。需要提高企业全员 危机防范意识，建立和健全上市制造性企业的财务 预警制度。 参考文献： ［１３孙凤山．中国制造２０２５：人才准备好了么［ｊ－１．中国职工教 育，２０１５（７）：５８—５９ ［２３周首华，杨济华，王平．论财务危机的预警分析：Ｆ分数模 式［Ｊ］．会计研究，１９９６（８）：８－１１ ［３］吴世农，卢贤义．我国上市公司财务困境的预测模型研 究口］．经济研究，２００１（６）：４６—５５，９６ １－４］杨淑娥，徐伟刚．上市公司财务预警模型：Ｙ分数模型的 实证研究ｒＪ］．中国软科学，２００３（１）：５６—６０ ［５］黄铮．企业财务风险预警研究口］．时代经贸，２０１５（１４）： １５—１８ ［６］肖霖．财务风险预警研究综述［Ｊ］．中国市场，２０１６（３３）： １０７—１０８ ［７３甘敬义．基于ＢＰ—Ａｄａｂｏｏｓｔ和Ｌｏｇｉｓｔｉｃ模型的制造业上市 公司财务风险预警研究ＥＤ］．南昌：江西师范大学经济管 理学院，２０１２：４５—４６ Ｅｅｌ黄丽丽．基于Ｌｏｇｉｓｔｉｃ模型的商业银行房地产信贷风险 研究［Ｄ３．南京：南京理工大学研究生院，２０１４：２７ ［９］朱建平，殷瑞飞．ＳＰＳＳ在统计分析中的应用［Ｍ］．北京： 清华大学出版社，２００７：２１２ ［１０］庞素琳．Ｌｏｇｉｓｔｉｃ回归模型在信用风险分析中的应 用［Ｊ］．数学的实践与认识，２００６（９）：１２９—１３７ Ｅｌ１］石晓军，肖远文，任若恩．Ｌｏｇｉｓｔｉｃ违约率模型的最优样 本配比与分界点研究［－Ｊ－１．财经研究，２００５（９）：３８－４８ Ｊ－１２］解秀玉，管西三．企业财务风险预警模型研究：基于制造 业数据［Ｊ］．南京审计学院学报，２０１３（４）：５８—６８ ｒｌａ３宋素荣，于丽萍．上市公司财务危机预警的Ｌｏｇｉｓｔｉｃ模 型ＥＪ３．财会月刊，２００６（１０）：４１—４２ Ｅ１４］刘健，何林，袁建华．基于Ｌｏｇｉｓｔｉｃ回归的航天企业财务 风险预警实证研究［Ｊ］．特区经济，２０１４（９）：２３２—２３３ ［１５３陶志坤．基于Ｌｏｇｉｓｔｉｃ模型的上市公司财务风险预警研 究ＥＪ］．商业经济，２０１３（９）：１０９—１１２ ［ａ６１廖世昱，刘晓光，马妮，等．基于Ｌｏｇｉｓｔｉｃ回归下财务风 险预警模型的构建ｌ－Ｊ］．经济师，２０１３（７）：１０６—１０７ （责任编辑：周博） １５