基于財(cái)務(wù)視角和非財(cái)務(wù)視角的企業(yè)財(cái)務(wù)危機(jī)識(shí)別系統(tǒng)研究

隨著市場(chǎng)經(jīng)濟(jì)的不斷發(fā)展和股票市場(chǎng)的進(jìn)一步擴(kuò)張，公司破產(chǎn)、陷入金融危機(jī)的頻率也越來越高。不同市場(chǎng)參與者越來越重視自己的經(jīng)營(yíng)業(yè)績(jī)，越來越關(guān)注公司的金融危機(jī)預(yù)測(cè)。本研究在財(cái)務(wù)標(biāo)準(zhǔn)分析基礎(chǔ)上,引入了股權(quán)結(jié)構(gòu)、董事會(huì)變量、投資者保護(hù)、股權(quán)代理成本等非財(cái)務(wù)標(biāo)量,運(yùn)用神經(jīng)網(wǎng)絡(luò)等人工智能技術(shù),綜合分析了我國(guó)上市公司財(cái)務(wù)危機(jī)的深層次原因。一、財(cái)務(wù)困境模型預(yù)測(cè)國(guó)外對(duì)財(cái)務(wù)預(yù)警的研究較早,Fitzpatrick首先采用單變量分析方法對(duì)公司財(cái)務(wù)危機(jī)進(jìn)行預(yù)警。隨著Altman首次將多元判別分析方法引入財(cái)務(wù)預(yù)警領(lǐng)域,Ohlson引入企業(yè)規(guī)模,應(yīng)用Logistic回歸模型對(duì)財(cái)務(wù)預(yù)警進(jìn)行研究。人工智能的發(fā)展和應(yīng)用使得研究者開始采用專家系統(tǒng)來解決破產(chǎn)問題。Borowski等采用專家系統(tǒng)方法來預(yù)測(cè)儲(chǔ)蓄和貸款機(jī)構(gòu)的破產(chǎn)問題;20世紀(jì)90年代,M.Odom和R.Sharda將神經(jīng)網(wǎng)絡(luò)模型用于財(cái)務(wù)預(yù)警研究并與傳統(tǒng)的多元判別分析進(jìn)行比較,發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型具有更高的預(yù)測(cè)能力。國(guó)內(nèi)財(cái)務(wù)預(yù)警研究起步較晚,而且大部分集中于財(cái)務(wù)指標(biāo)建立預(yù)測(cè)模型。吳世農(nóng)和黃世忠介紹了企業(yè)破產(chǎn)分析指標(biāo)和預(yù)測(cè)模型。陳靜分別采用單變量分析和多元判別分析對(duì)ST公司預(yù)測(cè)。吳世農(nóng)、盧賢義首先應(yīng)用剖面分析和單變量判定分析,應(yīng)用Fisher線性判別分析、多元線性回歸分析和Logistic回歸分析方法分別建立預(yù)測(cè)模型,結(jié)果發(fā)現(xiàn)Logistic模型的預(yù)測(cè)能力最強(qiáng)。黃繼鴻等將遺傳算法應(yīng)用于案例推理中,定性與定量研究相結(jié)合,提高了模型的精度。Tsun-SiouLee和Yin-HuaYeh證明,我國(guó)臺(tái)灣上市公司治理結(jié)構(gòu)與財(cái)務(wù)危機(jī)相關(guān)。FathiElloumi和Jean-PierreGueyie論證了加拿大企業(yè)董事會(huì)與財(cái)務(wù)危機(jī)的相關(guān)性。ZhenWang、LiLiu和ChaoChen驗(yàn)證了A股股權(quán)結(jié)構(gòu)、公司治理對(duì)公司ST的影響。可見,有關(guān)公司治理與公司財(cái)務(wù)危機(jī)關(guān)系研究已備受關(guān)注,但對(duì)于公司治理變量的選擇等還存在較大差異。國(guó)外學(xué)者已經(jīng)關(guān)注宏觀因素對(duì)公司財(cái)務(wù)危機(jī)的影響,并得出了一些有益的結(jié)論。縱觀財(cái)務(wù)危機(jī)的研究成果,針對(duì)財(cái)務(wù)因素分析,本研究認(rèn)為,基于財(cái)務(wù)指標(biāo)建立的預(yù)測(cè)模型,盡管預(yù)測(cè)準(zhǔn)確性不斷提高,但缺乏對(duì)企業(yè)陷入財(cái)務(wù)危機(jī)原因的系統(tǒng)分析。除了會(huì)計(jì)報(bào)表數(shù)據(jù)的缺陷外,影響財(cái)務(wù)困境預(yù)測(cè)模型穩(wěn)定性的原因還有很多,很難判斷哪一個(gè)預(yù)測(cè)模型是最優(yōu)的。因此,單純地從統(tǒng)計(jì)學(xué)角度比較財(cái)務(wù)困境預(yù)測(cè)模型的優(yōu)劣顯然不具有多少實(shí)際價(jià)值,挖掘?qū)е仑?cái)務(wù)困境的根本原因、探尋合適的解釋變量才是解決上述問題的關(guān)鍵。二、基于神經(jīng)網(wǎng)絡(luò)技術(shù)的企業(yè)金融危機(jī)風(fēng)險(xiǎn)預(yù)警研究(一)公司財(cái)務(wù)困境成因財(cái)務(wù)危機(jī)預(yù)警模型所采用的預(yù)警指標(biāo)大體可分為三類:基于資產(chǎn)負(fù)債表和損益表的指標(biāo);現(xiàn)金流量指標(biāo)和股票收益率指標(biāo)。首先我們將以往研究中所提到的對(duì)最終模型有顯著貢獻(xiàn)的財(cái)務(wù)指標(biāo)進(jìn)行了歸納,并剔除了可能扭曲企業(yè)財(cái)務(wù)狀況的指標(biāo),特別加入了市盈率和市凈率兩個(gè)股票收益率指標(biāo),最終選擇了12個(gè)指標(biāo),這些指標(biāo)能夠比較全面地反映出上市公司財(cái)務(wù)效益方面的特性。非財(cái)務(wù)指標(biāo)方面,鑒于中國(guó)上市公司所處不完善的外部市場(chǎng)環(huán)境和內(nèi)部治理環(huán)境,公司財(cái)務(wù)困境成因與預(yù)警研究應(yīng)考慮公司治理、關(guān)聯(lián)交易、對(duì)外擔(dān)保、投資者保護(hù)、代理成本等因素的影響。本研究認(rèn)為,公司財(cái)務(wù)困境不是財(cái)務(wù)因素或非財(cái)務(wù)因素單獨(dú)影響所致,而是兩者共同作用的結(jié)果。為客觀、準(zhǔn)確地預(yù)測(cè)公司財(cái)務(wù)困境,我們將綜合財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo),建立綜合預(yù)測(cè)模型,完善公司財(cái)務(wù)困境預(yù)警,具體指標(biāo)體系見表1。(二)對(duì)金融的創(chuàng)新研究本文以A股市場(chǎng)為樣本來源,選取了2005年我國(guó)A股市場(chǎng)145家企業(yè)作為訓(xùn)練樣本,樣本數(shù)據(jù)涵蓋了除金融板塊以外的各個(gè)主要板塊,故具有較強(qiáng)的代表性。Gilbert,Menon和Schwartz的研究表明,金融機(jī)構(gòu)的財(cái)務(wù)比率明顯有異于非金融機(jī)構(gòu),不能同時(shí)構(gòu)造模型。因此本文將金融類上市公司去掉。檢驗(yàn)樣本為訓(xùn)練樣本2006年的最新數(shù)據(jù)。本文樣本財(cái)務(wù)數(shù)據(jù)主要來源于北京大學(xué)CCER最新財(cái)務(wù)數(shù)據(jù)庫(kù),非財(cái)務(wù)數(shù)據(jù)主要從上市公司2005年、2006年年報(bào)中獲取,通過匯總后最終確定。(三)主要因素的綜合分析1.訓(xùn)練樣本的標(biāo)準(zhǔn)化處理為確保測(cè)量結(jié)果的客觀性和科學(xué)性,要對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理來消除指標(biāo)間量綱、數(shù)量級(jí)的不同,可以按照公式X*ij=x′ij-ˉx′j√Var(x′j)對(duì)訓(xùn)練樣本原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。2.計(jì)算方差貢獻(xiàn)率,建立一個(gè)主成分區(qū)根據(jù)訓(xùn)練樣本的KMO檢驗(yàn)和Bartlett球度檢驗(yàn)結(jié)果,可知KMO值為0.696,根據(jù)統(tǒng)計(jì)學(xué)家Kaiser給出的標(biāo)準(zhǔn),KMO取值大于0.5,適合主成分分析;又根據(jù)Bartlett球度檢驗(yàn)給出的相伴概率為0.000,小于顯著性水平0.05,因此拒絕Bartlett球度檢驗(yàn)的零假設(shè),認(rèn)為本訓(xùn)練樣本適合于主成分分析。這樣,可以繼續(xù)進(jìn)行主成分分析,并提取了特征者大于1的前7個(gè)公因子,同時(shí)得出各個(gè)公因子的特征值、方差貢獻(xiàn)率和累計(jì)方差貢獻(xiàn)率,其特征值的方差貢獻(xiàn)率累積達(dá)到了76.911%。通常情況下,累積貢獻(xiàn)率達(dá)到75%即可。雖然系數(shù)矩陣表示了主成分和各個(gè)原始變量t之間的關(guān)系,但據(jù)此得到主成分的經(jīng)濟(jì)意義有時(shí)比較模糊,不易解釋。我們借鑒了因子分析方法的因子旋轉(zhuǎn),使得旋轉(zhuǎn)后主成分的經(jīng)濟(jì)意義容易解釋。得出以下結(jié)論:第一個(gè)因子F1,主要由變量G6、X10、X6、X2、X7來解釋,故F1代表企業(yè)的股東權(quán)益和資本結(jié)構(gòu)的綜合影響。第二個(gè)因子F2,主要由變量X5、X4、X9來解釋,故F2代表企業(yè)的流動(dòng)性狀況。第三個(gè)因子F3,主要由變量G2、G1來解釋,故F3代表企業(yè)的股權(quán)結(jié)構(gòu)。第四個(gè)因子F4,主要由變量X12、X1來解釋,故F4代表企業(yè)的凈資產(chǎn)獲利能力。第五個(gè)因子F5,主要由變量X8、G8來解釋,故F5代表企業(yè)的資產(chǎn)周轉(zhuǎn)率和外部審計(jì)影響。第六個(gè)因子F6,主要由變量G7、G5來解釋,故F6代表企業(yè)對(duì)投資者的保護(hù)程度。第七個(gè)因子F7,主要由變量G3、G4來解釋,故F7代表企業(yè)的董事會(huì)結(jié)構(gòu)。根據(jù)公因子方差貢獻(xiàn)解釋表,可知七個(gè)公因子方差貢獻(xiàn)率分別是:V1=26.055%、V2=12.653%、V3=10.367%、V4=8.55%、V5=7.011%、V6=6.702%、V7=5.573%,即分別看作七個(gè)公因子得分的客觀權(quán)重。依據(jù)公因子得分和各自的方差貢獻(xiàn)率,可以得出相關(guān)樣本的綜合得分,計(jì)算公式為:F=F1V1+F2V2+…+F7V7。通過把公司的綜合得分F值與公司實(shí)際財(cái)務(wù)狀況相對(duì)照,可以看出F值基本上能夠反映一個(gè)企業(yè)的財(cái)務(wù)狀況。3.訓(xùn)練樣本分析通過對(duì)樣本組上市公司的得分結(jié)果F進(jìn)行排序,得出:1.當(dāng)F>0.62時(shí),處于該區(qū)域的訓(xùn)練樣本為58家,ST公司個(gè)數(shù)為0家。說明當(dāng)F大于0.62時(shí),公司的財(cái)務(wù)狀況、治理結(jié)構(gòu)、投資者保護(hù)等方面的綜合表現(xiàn)都處于比較安全的區(qū)域,沒有一家公司被ST,公司的盈利水平、治理結(jié)構(gòu)等都處于較為穩(wěn)定的狀態(tài),因此本研究將該評(píng)分區(qū)域界定為財(cái)務(wù)健康地帶。2.當(dāng)0.46<F≤0.62時(shí),處于該區(qū)域的訓(xùn)練樣本為54家,其中ST公司15家,占該類公司總數(shù)的27.28%(=15/54)。該比值不高,究其原因,ST類公司也不是完全意義上的財(cái)務(wù)失敗公司,有的ST公司正在改制、重組,這些公司財(cái)務(wù)指標(biāo)值不具有穩(wěn)定性,經(jīng)過改制、重組成功以后,該類公司就可以在盈利能力、治理結(jié)構(gòu)、投資者保護(hù)等綜合方面得到改善,上升為財(cái)務(wù)健康地帶;同時(shí),有部分非ST公司處于該區(qū)域,究其原因,ST公司大部分是由于連續(xù)兩年凈利潤(rùn)小于0,主要是基于凈利潤(rùn)判斷的,標(biāo)準(zhǔn)比較單一,并不能完全反映公司的財(cái)務(wù)狀態(tài)。這些公司雖然沒有達(dá)到ST的標(biāo)準(zhǔn),但在某些方面存在問題,財(cái)務(wù)狀態(tài)存在危機(jī)的隱患,應(yīng)該及時(shí)關(guān)注,找出隱患,積極改進(jìn),否則也難逃財(cái)務(wù)危機(jī)的到來。因此本研究將該評(píng)分區(qū)域界定為財(cái)務(wù)灰色地帶。3.當(dāng)F≤0.46時(shí),處于該區(qū)域的訓(xùn)練樣本為33家,其中ST公司個(gè)數(shù)30家,占到該類公司總數(shù)的90.91%(=30/33)。說明這些ST公司確實(shí)在盈利能力、治理結(jié)構(gòu)、投資者保護(hù)等方面存在比較嚴(yán)重的問題,綜合得分較低,如果不及時(shí)找出原因?qū)ΠY下藥,積極改善經(jīng)營(yíng),改進(jìn)治理結(jié)構(gòu),進(jìn)行改制、重組,將難逃破產(chǎn)的厄運(yùn)。而處于該區(qū)域的三家非ST公司,雖然沒有被ST,但各方面也存在非常嚴(yán)重的問題,已經(jīng)處于財(cái)務(wù)危險(xiǎn)地帶,應(yīng)積極預(yù)警、采取措施。因此本研究將該評(píng)分區(qū)域界定為財(cái)務(wù)危險(xiǎn)地帶。(四)多層、全局域網(wǎng)人工神經(jīng)網(wǎng)絡(luò)是對(duì)生物神經(jīng)網(wǎng)絡(luò)系統(tǒng)的模擬,BP神經(jīng)網(wǎng)絡(luò)即誤差反向傳播的網(wǎng)絡(luò),是一個(gè)典型的多層、全互聯(lián)網(wǎng)絡(luò),是人工神經(jīng)網(wǎng)絡(luò)中前饋型網(wǎng)絡(luò)的核心部分,在人工神經(jīng)網(wǎng)絡(luò)中最具代表性,應(yīng)用最為廣泛。它由輸入層、單隱層、輸出層組成。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí),由四個(gè)過程組成,網(wǎng)絡(luò)趨向收斂即網(wǎng)絡(luò)的全局誤差趨向極小值的“學(xué)習(xí)收斂”過程,歸納起來見圖1:1.灰色經(jīng)濟(jì)帶狀態(tài)值本文把企業(yè)的財(cái)務(wù)狀況劃分為三種狀態(tài):財(cái)務(wù)健康地帶、財(cái)務(wù)灰色地帶和財(cái)務(wù)危險(xiǎn)地帶,分別用狀態(tài)值(1,0,0),(0,1,0),(0,0,1)表示。當(dāng)模型輸出結(jié)果為數(shù)值(1,0,0)時(shí),表示企業(yè)財(cái)務(wù)健康;輸出結(jié)果為數(shù)值(0,1,0)時(shí),表示灰色地帶;輸出結(jié)果為數(shù)值(0,0,1)時(shí),表示財(cái)務(wù)危機(jī)。2.不同屬性的節(jié)點(diǎn)數(shù)輸入層節(jié)點(diǎn)數(shù)應(yīng)該和主成分分析結(jié)果相一致,論文把經(jīng)過主成分分析后的7個(gè)公因子作為輸入變量,因此創(chuàng)建的財(cái)務(wù)危機(jī)預(yù)警模型BP神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為7。輸出層節(jié)點(diǎn)數(shù)應(yīng)該和財(cái)務(wù)狀況的劃分相一致,由上文可知,本文將上市公司劃分為三種狀態(tài):財(cái)務(wù)健康地帶、財(cái)務(wù)灰色地帶和財(cái)務(wù)危險(xiǎn)地帶,分別用狀態(tài)值(1,0,0),(0,1,0),(0,0,1)表示,在BP神經(jīng)網(wǎng)絡(luò)中用三個(gè)輸出節(jié)點(diǎn)就可以表示。由以上分析得到輸入層節(jié)點(diǎn)數(shù)為7,輸出層節(jié)點(diǎn)數(shù)為3,因而可根據(jù)公式m=√Ν+n+a來計(jì)算隱含層節(jié)點(diǎn)數(shù)的范圍。我們這里選取它們交集的最小自然數(shù)6,作為隱藏層的節(jié)點(diǎn)數(shù)。訓(xùn)練函數(shù)選用TRAINLM函數(shù),采用動(dòng)量梯度下降方法對(duì)權(quán)值和閾值進(jìn)行調(diào)整。3.各上市公司得分?jǐn)?shù)據(jù)分析根據(jù)BP神經(jīng)網(wǎng)絡(luò)模型對(duì)輸入變量的數(shù)據(jù)要求,本著盡可能體現(xiàn)被評(píng)價(jià)對(duì)象之間差異化的原則,對(duì)各上市公司在7個(gè)公因子上的得分?jǐn)?shù)據(jù)進(jìn)行歸一化處理,將它們轉(zhuǎn)化為閉區(qū)間上的無量綱性指標(biāo)值。按照構(gòu)建好的7×6×3拓?fù)渚W(wǎng)絡(luò),將歸一化后的訓(xùn)練樣本中上市公司在各個(gè)公因子上的得分值數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)輸入,與之對(duì)應(yīng)的各公司財(cái)務(wù)狀況值數(shù)據(jù)作為目標(biāo)輸出(期望輸出),進(jìn)行網(wǎng)絡(luò)訓(xùn)練。4.神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差本研究將145家樣本公司數(shù)據(jù)作為學(xué)習(xí)樣本,基于BP算法訓(xùn)練7×6×3網(wǎng)絡(luò)結(jié)構(gòu),取η=0.05,終止迭代次數(shù)為1000次,目標(biāo)訓(xùn)練誤差設(shè)為0.001,即若迭代次數(shù)超過1000次而達(dá)不到訓(xùn)練目標(biāo)誤差時(shí),程序?qū)⒆詣?dòng)終止。權(quán)值矩陣初值分別為7×6階和6×3階,它們的元素是服從N(0,1)正態(tài)分布隨機(jī)數(shù)。運(yùn)用MATLAB6.5工程工具對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。當(dāng)網(wǎng)絡(luò)訓(xùn)練至第16步時(shí),網(wǎng)絡(luò)性能達(dá)標(biāo),訓(xùn)練誤差是0.000440582,小于給定的值。至此,BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練完畢。(五)預(yù)警指標(biāo)結(jié)果分析使用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型對(duì)樣本檢測(cè)集數(shù)據(jù)(樣本中各上市公司2006年的數(shù)據(jù))進(jìn)行預(yù)測(cè),我們發(fā)現(xiàn)該神經(jīng)網(wǎng)絡(luò)具有較好的預(yù)測(cè)效果,顯示了神經(jīng)網(wǎng)絡(luò)技術(shù)在企業(yè)危機(jī)預(yù)警方面具有良好的應(yīng)用性和普遍性。企業(yè)財(cái)務(wù)危機(jī)預(yù)警的過程如圖2所示:將天目藥業(yè)(600671)2005年相關(guān)指標(biāo)的值進(jìn)行標(biāo)準(zhǔn)化處理,計(jì)算各個(gè)公因子Fi,然后對(duì)各個(gè)公因子的取值進(jìn)行歸一化處理,結(jié)果為(0.669,0.2199,0.2253,0.4514,0.284,0.259,0.201)。最后,將處理后的結(jié)果輸入神經(jīng)網(wǎng)絡(luò),實(shí)際輸出結(jié)果(0,1,0),可得預(yù)測(cè)結(jié)果:天目藥業(yè)2005年處于財(cái)務(wù)灰色地帶,雖然沒有被ST,但從綜合方面考慮,財(cái)務(wù)狀態(tài)存在危機(jī)的隱患,應(yīng)該及時(shí)關(guān)注,找出隱患,積極改進(jìn),否則也難逃財(cái)務(wù)危機(jī)的到來。根據(jù)警情指標(biāo)構(gòu)成分析方法,我們用各個(gè)預(yù)警指標(biāo)在公因子上的貢獻(xiàn)與F相比,就可以計(jì)算出各個(gè)預(yù)警指標(biāo)所占的比重R。結(jié)果見表3所示。R=Xjp∑i=1αiμijFi,j=1,2,Λ??p從表3中,可以看出市盈率、監(jiān)事會(huì)規(guī)模、股權(quán)集中度、第一大股東持股比、對(duì)外擔(dān)保、關(guān)聯(lián)方交易、凈利潤(rùn)率等比率占的比重較大,下面是對(duì)上述指標(biāo)的分析。市盈率是分析股票市價(jià)高與低的重要指標(biāo),是衡量股票投資價(jià)值的一種方法,天目藥業(yè)的市盈率達(dá)到了157倍多,大大超過了正常的健康市盈率范圍,市盈率過高同時(shí)意味著高風(fēng)險(xiǎn),容易出現(xiàn)股價(jià)泡沫現(xiàn)象,不利于公司的穩(wěn)健發(fā)展;天目藥業(yè)的監(jiān)事會(huì)人數(shù)沒有達(dá)到法定的最低要求,不利于監(jiān)事會(huì)在保護(hù)股東合法權(quán)益方面的作用,公司治理結(jié)構(gòu)存在嚴(yán)重缺陷,面臨較大風(fēng)險(xiǎn);天目藥業(yè)存在著股權(quán)集中度較高,第一大股東一股獨(dú)大的情況,不利于公司治理結(jié)構(gòu)的完善,給公司未來危機(jī)的到來埋下了隱患;對(duì)外擔(dān)保方面,天目藥業(yè)2005年對(duì)外擔(dān)保額達(dá)到了3760萬(wàn)元,其中940萬(wàn)為連帶責(zé)任擔(dān)保,存在財(cái)務(wù)危機(jī)隱患;天目藥業(yè)2005年存在大量關(guān)聯(lián)交易,該指標(biāo)在導(dǎo)致企業(yè)財(cái)務(wù)危機(jī)產(chǎn)生的因素中也占有較大比重,存在財(cái)務(wù)安全隱患;凈利潤(rùn)率反映了企業(yè)的獲利能力,是評(píng)價(jià)企業(yè)經(jīng)營(yíng)效益的主要指標(biāo),是影響企業(yè)整體經(jīng)營(yíng)成果的主要因素,凈利潤(rùn)率低說明該企業(yè)主營(yíng)業(yè)務(wù)盈利能力不強(qiáng)。本研究認(rèn)為,上述指標(biāo)是導(dǎo)致天目藥業(yè)2005年處于財(cái)務(wù)灰色地帶的主要原因,企業(yè)應(yīng)該重點(diǎn)從這些指標(biāo)所反映的問題入手,深入剖析引起以上指標(biāo)異常的原因,作好企業(yè)財(cái)務(wù)管理工作,完善公司治理結(jié)構(gòu),以預(yù)防企業(yè)財(cái)務(wù)危機(jī)的發(fā)生。但是,天目藥業(yè)在2005年沒有注意到上述財(cái)務(wù)指標(biāo)的異常,或者在注意到的情況下沒有采取有效的措施,2006年在上述指標(biāo)