摘要：本文以我国上市公司为研究对象，选取了70家处于财务困境的公司和70家财务正常的公司为样本，首先应用剖面分析和单变量判定分析，研究财务困境出现前5年内各年这二类公司21个财务指标的差异，最后选定6个为预测指标，应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法，分别建立三种预测财务困境的模型。
关键词： 上市公司 财务 困境
内容提要：本文以我国上市公司为研究对象，选取了70家处于财务困境的公司和70家财务正常的公司为样本，首先应用剖面分析和单变量判定分析，研究财务困境出现前5年内各年这二类公司21个财务指标的差异，最后选定6个为预测指标，应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法，分别建立三种预测财务困境的模型。研究结果表明：(1)在财务困境发生前2年或1年，有16个财务指标的信息时效性较强，其中净资产报酬率的判别成功率较高；(2)三种模型均能在财务困境发生前做出相对准确的预测，在财务困境发生前4年的误判率在28％以内；(3)相对同一信息集而言，Logistic预测模型的误判率最低，财务困境发生前1年的误判率仅为6．47％。
一、财务困境预测模型研究的基本问题
财务困境(Financialdistress)又称“财务危机”(Financialcrisis)，最严重的财务困境是“企业破产”(Bankruptcy)。企业因财务困境导致破产实际上是一种违约行为，所以财务困境又可称为“违约风险”(Defaultrisk)。事实上，企业陷入财务困境是一个逐步的过程，通常从财务正常渐渐发展到财务危机。实践中，大多数企业的财务困境都是由财务状况正常到逐步恶化，最终导致财务困境或破产的。因此，企业的财务困境不但具有先兆，而且是可预测的。正确地预测企业财务困境，对于保护投资者和债权人的利益、对于经营者防范财务危机、对于政府管理部门监控上市公司质量和证券市场风险，都具有重要的现实意义。纵观财务困境判定和预测模型的研究，涉及到三个基本问题：一是财务困境的定义；二是预测变量或判定指标的选择；三是计量方法的选择。
(一)财务困境的定义
关于财务困境的定义，有不同的观点。Carmiehael(1972)认为财务困境是企业履行义务时受阻，具体表现为流动性不足、权益不足、债务拖欠及资金不足四种形式。Ross等人(1999；2000)则认为可从四个方面定义企业的财务困境：第一，企业失败，即企业清算后仍无力支付债权人的债务；第二，法定破产，即企业和债权人向法院申请企业破产；第三，技术破产，即企业无法按期履行债务合约付息还本；第四，会计破产，即企业的账面净资产出现负数，资不抵债。从防范财务困境的角度看，“财务困境是指一个企业处于经营性现金流量不足以抵偿现有到期债务”，即技术破产。
在Beaver(1966)的研究中，79家“财务困境公司”包括59家破产公司、16家拖欠优先股股利公司和3家拖欠债务的公司，由此可见，Beaver把破产、拖欠优先股股利、拖欠债务界定为财务困境。Altman(1968)定义的财务困境是“进入法定破产的企业”。Deakin(1972)则认为财务困境公司“仅包括已经经历破产、无力偿债或为债权人利益而已经进行清算的公司”。
(二)预测变量的选择
财务困境预测模型因所用的信息类型不同分为财务指标信息类模型、现金流量信息类模型和市场收益率信息类模型。
1．财务指标信息类模型。Ahman(1968)等学者(Ahman，Haldeman和Narayanan，1980；Platt和Platt，1991)使用常规的财务指标，如负债比率、流动比率、净资产收益率和资产周转速度等，作为预测模型的变量进行财务困境预测。
尽管财务指标广泛且有效地应用于财务困境预测模型，但如何选择财务指标及是否存在最佳的财务指标来预测财务困境发生的概率却一直存在分歧。Harmer(1983)指出被选财务指标的相对独立性能提高模型的预测能力。Boritz(1991)区分出65个之多的财务指标作为预测变量。但是，自Z模型(1968)和ZETA模型(1977)发明后，还未出现更好的使用财务指标于预测财务困境的模型。
2．现金流量信息类模型。现金流量类信息的财务困境预测模型基于一个理财学的基本原理：公司的价值应等于预期的现金流量的净现值。如果公司没有足够的现金支付到期债务，而且又无其他途径获得资金时，那么公司最终将破产。因此，过去和现在的现金流量应能很好地反映公司的价值和破产概率。
在Gentry，Newbold和Whitford(1985a；1985b)研究的基础上，Aziz、Emanuel和Lawson(1988)发展了现金流量信息预测财务困境模型。公司的价值来自经营的、政府的、债权人的、股东的现金流量的折现值之和。他们根据配对的破产公司和非破产公司的数据，发现在破产前5年内两类公司的经营现金流量均值和现金支付的所得税均值有显著的差异。显然，这一结果是符合现实的。破产公司与非破产公司的经营性现金流量会因投资质量和经营效率的差异而不同，二者以现金支付的所得税也会因税收会计的处理差异而不同。Aziz、Emanuel和Lawson(1989)比较了Z模型、ZETA模型、现金流量模型预测企业发生财务困境的准确率，发现现金流量模型的预测效果较好。
3．市场收益率信息类模型。Beaver(1968)是使用股票市场收益率信息进行财务困境预测研究的先驱。他发现在有效的资本市场里，股票收益率也如同财务指标一样可以预测破产，但时间略滞后。Altman和Brenner(1981)的研究表明，破产公司的股票在破产前至少1年内在资本市场上表现欠佳。Clark和Weinstein(1983)发现破产公司股票在破产前至少3年内存在负的市场收益率。然而，他们也发现破产公告仍然向市场释放了新的信息。破产公司股票在破产公告日前后的两个月时间区段内平均将经历26％的资本损失。
Aharony，Jones和Swary(1980)提出了一个基于市场收益率方差的破产预测模型。他们发现在正式的破产公告日之前的4年内，破产公司的股票的市场收益率方差与一般公司存在差异。在接近破产公告日时，破产公司的股票的市场收益率方差变大。
(三)计量方法的选择
财务困境的预测模型因选用变量多少不同分为单变量预测模型和多变量预测模型；多变量预测模型因使用计量方法不同分为线性判定模型、线性概率模型和Logistic回归模型。
此外，值得注意的是，近年来财务困境预测的研究方法又有新的进展。网络神经遗传方法已经开始被应用于构建和估计财务困境预测模型。
(四)我国对企业财务困境预测的研究
在国内的研究中，吴世农、黄世忠(1986)曾介绍企业的破产分析指标和预测模型；陈静(1999)以1998年的27家ST公司和27家非ST公司，使用了1995—1997年的财务报表数据，进行了单变量分析和二类线性判定分析，在单变量判定分析中，发现在负债比率、流动比率、总资产收益率、净资产收益率4个财务指标中，流动比率与负债比率的误判率最低；在多元线性判定分析中，发现由负债比率、净资产收益率、流动比率、营运资本／总资产、总资产周转率6个指标构建的模型，在ST发生的前3年能较好地预测ST。张玲(2000)以120家公司为研究对象，使用其中60家公司的财务数据估计二类线性判别模型，并使用另外60家公司进行模型检验，发现模型具有超前4年的预测结果。
二、本文的样本和研究方法
本文与以前我国上市公司财务困境的研究有所不同。第一，样本新、时间长、容量大。本文研究的ST样本包括1998—2000年发生ST的公司，即A股市场上全部的ST公司，同时剔除了非正常的ST公司；此外，样本数据的收集时间延至公司发生ST前5年，样本时间跨度较长。选入研究的ST样本公司70家和相对应的非ST样本公司70家，样本容量达到了140家，可望在一定程度上降低估计和预测误差。第二，选择多种研究方法，建立单变量判定模型和三种多变量判定模型，并比较各种模型在财务困境预测中的效率。
(一)财务困境公司的样本选定
本文从我国A股市场上3年中出现的82家ST公司中界定出70家公司作为财务困境公司，进行财务困境预测研究。它们是：(1)连续两年亏损，包括因对财务报告调整导致连续两年亏损的“连亏”公司，共51家；(2)一年亏损但最近一个会计年度的股东权益低于注册资本，即“巨亏”公司，共16家；(3)因注册会计师意见而特别处理的，共3家。但排除了：(1)上市两年内就进入特别处理的公司，共8家。排除原因是财务数据过少和存在严重的包装上市嫌疑，因此与样本中的其他公司不具有同质性；(2)因巨额或有负债进行特别处理的公司，共2家。排除原因是或有负债属偶发事件，不是由企业正常经营造成的，与其他样本公司不具有同质性；(3)因自然灾害、重大事故等进行特别处理的，共2家，原因同(2)。
(二)研究程序和计量方法
本研究首先计算140家样本公司的盈利增长比率、股东权益收益率等21个财务指标，这些指标综合反映了企业的盈利能力、长短期偿债能力、营运能力、成长能力和企业规模。在此基础上，使用剖面分析对样本中的财务困境公司和非财务困境公司在财务困境发生前5年期间历年的21个财务指标进行对比分析，探讨对企业陷入财务困境影响显著的变量。其后，应用单变量分析，选择4个财务指标为例估计单变量判定模型。最后，筛选和确定对企业陷入财务困境影响最为显著的6个指标为模型的判定指标，应用线性概率模型、Fisher二类线性判定模型、Logistic模型三种计量方法，建立和估计财务困境的预测模型，并比较这三种模型的预测效果。
三、实证研究
(一)剖面分析
首先分组计算70家财务困境公司和70家非财务困境公司的21个财务指标在财务困境发生前1至5年的平均值和标准差等描述性统计量，比较这二组在21个财务指标各年的平均值是否具有显著差异，其次计算各年的Z统计检验量，结果如表1所示。剖面分析结果表明：(1)在ST发生的前1和2年，财务困境公司和非财务困境公司的17个财务指标的平均值存在显著的差异；(2)Z值随着ST发生时间的临近而显著增大，即二组的财务指标平均值的差异随ST发生时间的临近而扩大。由此可见，在所选的21个财务指标中，除利息保障倍数、存货周转率、Log(总资产)和Idg(净资产)外，其余17个在财务困境发生前1至2年中具有显著的预测能力。
(二)单变量判定分析
本文选择净资产报酬率、负债比例、营运资产与总资产的比例和资产周转率4个财务指标，应用单变量判定分析分别建立4个单变量预测模型，通过确定模型的最佳判定点，可以判定某一企业在财务困境发生前1至5年其是否会陷入财务困境。估计模型的结果如表2至表5所示。
表2净资产报酬率在财务困境前1-5年的判定模型
由表2至表5可见：(1)从各个单变量判定模型的判定效果来看，净资产报酬率的判定模型误差最小；营运资本／总资产的判定模型和负债比率的判定模型误差次之，资产周转率的判定模型误差最大。(2)财务指标作为预测变量具有信息含量和时效性，其信息含量随着时间的推移而递减，即指标值离财务困境发生的时间愈短，信息含量愈多，预测的准确性愈高，反之信息含量愈少，预测准确性愈低。(3)结合剖面分析，在两组均值的差异性检验中非常显著的财务指标，在单变量判定分析中的误判率却较高。例如，财务困境公司与非财务困境公司两组的负债比率在财务困境前1年的Z统计量为7．0696，差异性非常显著，但在单变量判定分析中误判比率却高达24．46％。以上结果表明，应用不同研究方法分析同一个指标所得结果不同。我们认为，这是因为在剖面分析的z检验中，误判率不仅与两组的均值有关，而且与两组的样本分布的状况有关。因此，应用不同判定分析方法构建的单指标判定模型，结论往往相互冲突。
(三)多元线性判定模型的变量选择分析
本研究首先应用LPM，采用逐步回归选择变量方法，对5年的样本数据依次进行回归，从21个变量中选择若干变量。选择的标准是：F值的概率值小于0．10时进入，大于0．11时剔除。
利用财务困境前1至5年的数据，分别进行逐步回归，结果如表6所示。我们最终选取了Xl(盈利增长指数)、X3(资产报酬率)、X7(流动比率)、X11(长期负债与股东权益比率)、X12(营运资本与总资产比)、X19(资产周转率)等6个指标作为多元判定分析的变量。选取这些指标的原因是：(1)以财务困境前1年的逐步回归结果为主，参考其他年份的回归结果。由剖面分析可知，财务困境前1年的财务指标作为财务困境预测的信息含量最多，时效性最强；离财务困境发生的时间越远，指标的信息含量越少，时效性越差。所以，财务困境前1年逐步回归所得的变量全部入选。结合其他年份特别是财务困境前2年的结果，营运资本总资产比、速动比率、负债比率、应收账款周转率是表现较好的变量。(2)兼顾全面综合的信息反映，适当避免同类信息的重复反映。首先，财务困境前1年逐步回归所得的变量盈利增长指数、资产报酬率、长期负债股东权益比率、资产周转率分别是反映企业成长能力、盈利能力、长期偿债能力、营运能力的指标，但没有反映短期偿债能力的指标。营运资本与总资产比是财务困境前2年逐步回归所得的变量之一，而且参数估计值的显著性水平在0．05之上，故也把该变量作为预测变量之一。其次，速动比率是反映短期偿债能力的指标，但更能全面反映短期偿债能力是流动比率，结合剖面分析，历年两组间的流动比率和速动比率均值差异性检验统计量Z值比较接近，表明这二个指标都能反映的两组的差异性。因此，从反映短期偿债能力的全面性来考虑，我们在建模时选择了流动比率，舍弃了速动比率。再次，考虑到若企业短期偿债能力较强，会减少其在短期内陷入财务困境的概率，因此把短期偿债能力的两个指标——营运资本与总资产比和流动比率同时引入预测变量组合，加强短期偿债能力信息在预测中的比重。第四，负债比率与长期负债股东权益比同是反映企业长期偿债能力的指标，长期负债股东权益比已在财务困境前1年引入了变量组合，为避免信息的重复反映，舍弃了负债比率。最后，应收账款周转率与总资产周转率同是反映营运能力的指标，但应收账款周转率不及总资产周转率反映全面，所以反映营运能力的指标选用总资产周转率，舍弃应收账款周转率。
四、结论与启示
第一，我国上市公司的财务指标包含着预测财务困境的信息含量，因此其财务困境具有可预测性。第二，在我国上市公司陷入财务困境的前1年和前2年，本文所选的21个财务指标中16个指标具有判定和预测财务困境的信息含量，但各个指标的信息含量不同，预测财务困境的准确率不同。在单变量分析中，净资产报酬率的判定效果较好。第三，多变量判定模型优于单变量判定模型。第四，比较三种判定模型的效果表明，Logistic模型的判定准确性最高。
【摘要】本文系统地回顾和总结了国内外财务困境预测领域中的主要成果和问题，并从五个方面进行较为深入地分析，最后提出兼顾利益相关者的财务困境预测框架和敏感性分析方法，力图改进原有框架，丰富该领域研究。
【关键词】上市公司；财务困境；预测；数据挖掘
财务困境预测研究是财务管理领域中的一个关键课题。Wanke等（2014）更指出，财务困境预测对上市公司、投资者甚至整个经济体都有着重要意义。
本文系统梳理了本领域的代表文献，从财务困境定义、研究样本设计、预测变量选择、统计方法应用、预测精度判定方面对国内外学者研究进行综述，并分析、改进，最后提出兼顾利益相关者的预测框架和敏感性分析方法。
一、财务困境定义
Beaver（1966）指出了财务困境的重大影响，认为与破产、透支银行存款、偿付债券困难等存在直接联系。Altman（1993）提出四大后果，并指出破产最接近财务困境的法律定义。Dong Yu（2012）量化了特征，即经营困难、连续3年亏损、无法用现金偿还到期债务并满足日常支出。有鉴于国内证券市场兴起较晚，退市机制尚不完善，学者们大多选取“ST”上市公司作为标志。吴俊杰（2006）将“*ST”定义为陷入财务困境。
二、样本数据设计
建立配对的健康公司样本时，现有研究大多选取的控制因素为行业、会计年度和资产规模，并借此控制偏差。多数实证研究采用一一配对抽样，可能把作为配对标准的因素排除；此外还可能造成两类公司比例与总体中不一致，夸大正确率。Usai等（2009）增加了重复的随机二次抽样检验。
三、预测指标选择
目前预测指标的选取处于探索阶段，上述预测指标（表31）后，评价指标体系逐步形成了财务和非财务指标体系，引入股权结构（袁康来等，2009）、EVA（梁杰等，2011）、财务重述（王晓光，2014）等。
四、建模方法运用
（一）统计技术模型
Fitzpatrick（1932）首次采用单变量模型进行预测。Beaver（1966）提出了更完善的单变量模型。此后，Altman（1968）创建了多元变量模型；Ohlson（1980）用logistic模型预测。在国内陈晓等（2000）首次将Logistic回归引入。优势是模型易于理解使用；劣势是样本个数要求、线性形式处理非线性问题、处理定性指标能力弱。
（二）现代分析模型
Feng Yu Lin等（2001）将判别分析、Logistic、神经网络及决策树模型组合建立了三类混合模型。姚靠华等（2005）用决策树剪枝，肖鹏等（2009）用模糊支持向量机，拓展了现代分析模型的应用。优势是计算机进行大量数据处理、无需分布假设；劣势是缺乏完整理论说明、过程无法明确确认。
五、预测准确率
由于使用的Logistic和Probit方法理论上不存在最优分割点，故一类错误减少意味着另一类错误增加。学者们大多假定先验概率为50%，而实际情况下不会陷入财务困境的概率高于陷入财务困境的概率，将健康预测为财务困境很有可能因投资者谨慎造成投资收益下降，其损失要远小于反向的投资损失。
六、总结及重构设想
（一）财务困境定义
尽管两阶段划分法有利于提高预测准确性，但未将利益相关者纳入考量。而现代财务风险在企业及利益相关者间的传导更容易，应放弃利益相关者行为外生的假定，在预测阶段将其视为内生。
（二）预测指标选取
恶化的财务比率是陷入财务困境的表现之一，直接原因是外界环境变化及经营决策等。只有沿财务风险传导路径，寻找直接因素纳入模型，才能真正提高预测力。
（三）模型具体设定
如果将财务困境范围精细化，并加入利益相关者，构成的新框架并不排斥现有的建模方法，而是从经济过程出发，同时嵌入利益相关者，财务指标地位相对下降。
（四）预测精度判定
研究中常假定两类错误成本相同，以误判率最小为原则建立准则，以预测精度高低来评价效率。而财务困境误判为健康的代价远高于健康误判为财务困境，如何平衡并提升预测准确率，仍需讨论。
（五）敏感性分析
需要对在利益相关者影响下的企业状况在未来的变化进行预期，同时对影响进行敏感性分析，提高预测能力。
作者简介：
彭晓敏（1993-），女，汉族，四川成都人，西南财经大学会计学院，研究方向：会计理论与实务。
[提要] 上市公司财务困境相关研究在我国目前尚处在初期阶段，与国外相比国内的研究无论是深度还是广度上都显得不足。通过对近年来国内外专家学者取得的学术成就进行评述，从而为我国上市公司财务困境研究提供方向。
关键词：财务困境;相关研究;综述
任何一个上市公司都有可能由于自身的问题或者外部原因，在激烈的资本市场竞争中陷入财务困境。因此，公司的投资者或债权人等与公司利益息息相关的人，就会采取一些方法来对公司是否会陷入财务困境进行预测，上市公司也会采取相应措施来摆脱或规避财务困境。国内外研究人员从多角度切入，对上市公司财务困境的问题开展了深入的研究。
一、国外关于财务困境的研究
1、对财务困境概念的界定及解释。关于财务困境的定义，国外学者早年因为西方企业破产法的完备，所以大部分定义都是围绕企业破产而界定，直到1999年Ross提出四个方面界定财务困境的观点，得到了学术界的认同。
Beaver（1966）认为上市公司只要出现破产清算、债务无力偿还、无法继续支付优先股股利等任一现象时，即视为公司陷入财务困境。Altman（1968）认为满足破产法相关要求的公司，即为陷入财务困境的公司。他认为公司在破产前要经历三个阶段：公司经营出现问题、公司无法偿还负债和公司进入法定破产。Ross（1999）从公司无力偿还到期债务，公司申请进入法定破产流程，公司无法偿还债权人的债务，公司资不抵债等四个方面界定上市公司陷入财务困境。
2、财务困境的预测研究。国外的研究者主要通过统计方法建立模型对财务困境进行预测。Coats和Fant（1993）经过研究发现，无论单变量还是多变量预测模型，均存在线性假设不足的情况。因此，提出使用神经网络系统对财务困境公司的破产进行预测，以此弥补线性假设不足的情况。Ohlson（1980）选取大量上市公司和破产公司作为样本，利用逻辑回归的方法进行建模分析。研究证明，公司规模、资本结构、公司业绩和公司的变现能力四个因素显著影响公司破产概率。
3、财务困境与公司业绩之间的关系研究。国外研究者针对财务困境与公司业绩的研究方面，主要致力于公司选择高杠杆还是低杠杆经营与财务困境之间关系的研究。Ofek（1999）通过对1998年陷入财务困境上市公司的资本结构进行研究，研究表明，高杠杆经营显著增加了企业短期陷入财务困境的概率。Opler和Titman（2006）通过研究企业营业收入、投资收益率、净利润增长率等指标，发现处于低迷时期的行业中，基于顾客心理、竞争者压力和经营策略等因素，导致高杠杆企业在市场中失去更多利润。
4、财务困境与公司重组研究。国外研究者对财务困境与公司重组的研究，大多放在公司经历财务困境后所采取措施上，大致围绕在经营和财务两方面：在经营方面，如高层管理人员的变动、组织上的战略和结构的变化;Gilchrist（2005）研究证明2000～2004年进行债务重组的企业，其中超过半数都曾进行过更换高层管理人员。在财务方面，如股权转让、领导层更换、资产置换、缩减股利等。Zurada（2012）研究了2010～2011年纽交所陷入财务困境公司对股利政策的调整，研究表明，几乎所有公司都采取减少股利的方式来应对企业面临的财务困境。
5、财务困境与公司治理研究。国外研究者在财务困境与公司治理方面上的研究，主要是围绕着公司股权激励、董事会结构、投资者利益保护三个方面对上市公司出现财务困境的相关性进行研究。Barristan（2003）通过对企业业绩与高层管理者的薪酬进行考察，发现企业高层管理人员存在追求个人利益而放弃股东权益最大化目标的现象。Margaery和Petyr（2011）通过对财务困境的银行董事会结构、银行内控制度、高管薪酬进行分析。研究结果表明，如果首席执行官的薪酬未能和公司整体价值相互关联的话，首席执行官可能出现短期决策的现象，未能从企业长远考虑，增加了企业陷入财务困境的可能性。
二、国内关于财务困境的研究
1、对财务困境概念的界定及解释。鉴于我国作为社会主义发展中国家，目前一些金融制度尚未完善。因此，大部分国内学者如陈静等均将ST公司认定为财务困境公司。2000年4月沪深两市证券交易所又对这一条款的异常情况进行了完善。因此国内学者们至今仍将ST公司作为财务困境公司的代表进行研究。
2、财务困境的预测研究。我国学者在对上市公司财务困境预测研究上，主要是借鉴国外学者的做法，利用模型对国内上市公司是否会出现财务困境进行预测。吴世农、卢贤义（2001）通过比对国内外常用的几种分析方法，分别建立模型对我国上市公司财务困境进行预测。研究表明，Logit财务困境回归分析模型较为准确。吴俊杰（2006）以2003年或2004年上市公司是否陷入财务困境为标准选择样本公司，利用逻辑回归、神经网络决策树等算法建立了上市公司的财务困境预测模型，实验证明无论从准确率、容错能力、可理解性的方面考虑，决策树算法均不同程度地优于逻辑回归和神经网络。
3、财务困境与公司业绩之间的关系研究。我国学者在财务困境和公司业绩方面的研究上，大多围绕在对上市公司陷入财务困境后产生的财务困境成本以及困境期公司所损失的利益两方面进行研究。吕长江（2004）论证了上市公司业绩与财务困境之间的内在联系。实证分析表明，间接财务困境成本与企业经营业绩有着显著正相关的联系。困境期企业所损失的价值将随着负债率的升高而增大。吴世农、章之旺（2005）选择了经营业绩观和权益价值观，两种角度对A股市场40家已脱离ST的公司数据进行分析。实证表明，纵使这些企业成功的摆脱了财务困境，但股票市场的投资者仍对这些公司保留怀疑态度。
4、财务困境与企业重组研究。我国学者在财务困境与企业重组方面的研究，主要是选取我国A股市场的ST公司作为样本进行实证分析，对财务困境公司重组的绩效进行评价。张玲、曾志坚（2003）选取了投资回报率、每股盈余、净资产收益率等指标对2000年所有进行重组的公司进行了绩效考核。研究表明，重组后的公司资本结构也均未达到理想状态，无论ST与否，我国当前公司重组绩效均未达到预期目的。李秉祥（2003）通过考察我国目前ST公司债务重组的模式，得出了如下结论：我国当前债务重组模式流于形式，出于公司盈余管理和母子公司之间关联方交易的目的居多，而真正对公司产业进行调整，公司治理结构进行完善，面向企业未来的战略性重组的ST公司相对较少。
5、财务困境与公司治理研究。我国学者在财务困境与公司治理这个研究方向，近年来取得了丰硕的学术成果。其中，既有整体论证上市公司治理结构与财务困境的相关性关系，又有采取不同角度选择一个层面对公司治理与财务困境的关系进行研究。姜付秀、张敏等（2009）选取了A股市场2005年的上市公司作为研究对象，对公司领导层过度自信与企业扩大规模及财务困境之间的关系进行实证检验。研究表明，公司领导层过度自信变量显著影响公司的扩张速度，过度自信领导层进行的决策将增加企业陷入财务困境的概率。胡旭（2012）选取了2010年A股市场中的全部74家ST公司作为研究数据，利用逻辑回归模型对公司治理结构与财务困境两者之间的内在联系进行实证检验。研究表明，两者存在一定内在联系，公司权力机关的设置和运行过程中一旦处于不良状态，将有可能导致企业陷入财务困境。
三、未来研究展望
回顾国内外近几年有关上市公司财务困境的研究，我们能够看到国外学者依靠国外金融市场的成熟和完善，以及相关法律体系的完备。对上市公司财务困境进行了多角度全方位的研究。相比之下，1990年我国才陆续设立沪深两个证券交易所。2001年我国才开始推行上市公司退市制度，2015年5月才出现首家退市公司*ST二重。我国金融市场的发展从1990年开始到2015年只有短短二十几年的时间。目前，我国企业破产法律体系上尚未完备，企业实质性重组的数量较少，导致我国上市公司财务困境的相关研究缺乏大量客观实际的数据，因此国内研究处于初期阶段不足为怪。
那么，当下我国上市公司财务困境未来的研究方向又在何方呢？随着我国金融市场的不断完善，投资者将更多的关注财务困境与公司治理之间的关系以及企业陷入困境后重组所带来的改变。这些将成为我们未来的研究趋势，使我们能够更好地对上市公司进行监督管理、改善上市公司的业绩、保障投资者的利益不被侵害，并能够为陷入财务困境的上市公司提供脱困措施。
内容提要：本文以我国上市公司为研究对象，选取了70家处于财务困境的公司和70家财务正常的公司为样本，首先应用剖面分析和单变量判定分析，研究财务困境出现前5年内各年这二类公司21个财务指标的差异，最后选定6个为猜测指标，应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法，分别建立三种猜测财务困境的模型。研究结果表明：在财务困境发生前2年或1年，有16个财务指标的信息时效性较强，其中净资产报酬率的判别成功率较高；三种模型均能在财务困境发生前做出相对准确的猜测，在财务困境发生前4年的误判率在28％以内；相对同一信息集而言，Logistic猜测模型的误判率最低，财务困境发生前1年的误判率仅为6．47％。
一、财务困境猜测模型研究的基本问题
财务困境又称“财务危机”，最严重的财务困境是“企业破产”。企业因财务困境导致破产实际上是一种违约行为，所以财务困境又可称为“违约风险”。事实上，企业陷入财务困境是一个逐步的过程，通常从财务正常渐渐发展到财务危机。实践中，大多数企业的财务困境都是由财务状况正常到逐步恶化，最终导致财务困境或破产的。因此，企业的财务困境不但具有先兆，而且是可猜测的。正确地猜测企业财务困境，对于保护投资者和债权人的利益、对于经营者防范财务危机、对于政府治理部门监控上市公司质量和证券市场风险，都具有重要的现实意义。纵观财务困境判定和猜测模型的研究，涉及到三个基本问题：一是财务困境的定义；二是猜测变量或判定指标的选择；三是计量方法的选择。
财务困境的定义
关于财务困境的定义，有不同的观点。Carmiehael认为财务困境是企业履行义务时受阻，具体表现为流动性不足、权益不足、债务拖欠及资金不足四种形式。Ross等人则认为可从四个方面定义企业的财务困境：第一，企业失败，即企业清算后仍无力支付债权人的债务；第二，法定破产，即企业和债权人向法院申请企业破产；第三，技术破产，即企业无法按期履行债务合约付息还本；第四，会计破产，即企业的账面净资产出现负数，资不抵债。从防范财务困境的角度看，“财务困境是指一个企业处于经营性现金流量不足以抵偿现有到期债务”，即技术破产。
在Beaver的研究中，79家“财务困境公司”包括59家破产公司、16家拖欠优先股股利公司和3家拖欠债务的公司，由此可见，Beaver把破产、拖欠优先股股利、拖欠债务界定为财务困境。Altman定义的财务困境是“进入法定破产的企业”。Deakin则认为财务困境公司“仅包括已经经历破产、无力偿债或为债权人利益而已经进行清算的公司”。
猜测变量的选择
财务困境猜测模型因所用的信息类型不同分为财务指标信息类模型、现金流量信息类模型和市场收益率信息类模型。
1．财务指标信息类模型。Ahman等学者使用常规的财务指标，如负债比率、流动比率、净资产收益率和资产周转速度等，作为猜测模型的变量进行财务困境猜测。
尽管财务指标广泛且有效地应用于财务困境猜测模型，但如何选择财务指标及是否存在最佳的财务指标来猜测财务困境发生的概率却一直存在分歧。Harmer指出被选财务指标的相对独立性能提高模型的猜测能力。Boritz区分出65个之多的财务指标作为猜测变量。但是，自Z模型和ZETA模型发明后，还未出现更好的使用财务指标于猜测财务困境的模型。
2．现金流量信息类模型。现金流量类信息的财务困境猜测模型基于一个理财学的基本原理：公司的价值应等于预期的现金流量的净现值。假如公司没有足够的现金支付到期债务，而且又无其他途径获得资金时，那么公司最终将破产。因此，过去和现在的现金流量应能很好地反映公司的价值和破产概率。
在Gentry，Newbold和Whitford研究的基础上，Aziz、Emanuel和Lawson发展了现金流量信息猜测财务困境模型。公司的价值来自经营的、政府的、债权人的、股东的现金流量的折现值之和。他们根据配对的破产公司和非破产公司的数据，发现在破产前5年内两类公司的经营现金流量均值和现金支付的所得税均值有显著的差异。显然，这一结果是符合现实的。破产公司与非破产公司的经营性现金流量会因投资质量和经营效率的差异而不同，二者以现金支付的所得税也会因税收会计的处理差异而不同。Aziz、Emanuel和Lawson比较了Z模型、ZETA模型、现金流量模型猜测企业发生财务困境的准确率，发现现金流量模型的猜测效果较好。
3．市场收益率信息类模型。Beaver是使用股票市场收益率信息进行财务困境猜测研究的先驱。他发现在有效的资本市场里，股票收益率也如同财务指标一样可以猜测破产，但时间略滞后。Altman和Brenner的研究表明，破产公司的股票在破产前至少1年内在资本市场上表现欠佳。Clark和Weinstein发现破产公司股票在破产前至少3年内存在负的市场收益率。然而，他们也发现破产公告仍然向市场释放了新的信息。破产公司股票在破产公告日前后的两个月时间区段内平均将经历26％的资本损失。
Aharony，Jones和Swary提出了一个基于市场收益率方差的破产猜测模型。他们发现在正式的破产公告日之前的4年内，破产公司的股票的市场收益率方差与一般公司存在差异。在接近破产公告日时，破产公司的股票的市场收益率方差变大。
计量方法的选择
财务困境的猜测模型因选用变量多少不同分为单变量猜测模型和多变量猜测模型；多变量猜测模型因使用计量方法不同分为线性判定模型、线性概率模型和Logistic回归模型。
此外，值得注重的是，近年来财务困境猜测的研究方法又有新的进展。网络神经遗传方法已经开始被应用于构建和估计财务困境猜测模型。
我国对企业财务困境猜测的研究
在国内的研究中，吴世农、黄世忠曾介绍企业的破产分析指标和猜测模型；陈静以1998年的27家ST公司和27家非ST公司，使用了1995—1997年的财务报表数据，进行了单变量分析和二类线性判定分析，在单变量判定分析中，发现在负债比率、流动比率、总资产收益率、净资产收益率4个财务指标中，流动比率与负债比率的误判率最低；在多元线性判定分析中，发现由负债比率、净资产收益率、流动比率、营运资本／总资产、总资产周转率6个指标构建的模型，在ST发生的前3年能较好地猜测ST。张玲以120家公司为研究对象，使用其中60家公司的财务数据估计二类线性判别模型，并使用另外60家公司进行模型检验，发现模型具有超前4年的猜测结果。
二、本文的样本和研究方法
本文与以前我国上市公司财务困境的研究有所不同。第一，样本新、时间长、容量大。本文研究的ST样本包括1998—2000年发生ST的公司，即A股市场上全部的ST公司，同时剔除了非正常的ST公司；此外，样本数据的收集时间延至公司发生ST前5年，样本时间跨度较长。选入研究的ST样本公司70家和相对应的非ST样本公司70家，样本容量达到了140家，可望在一定程度上降低估计和猜测误差。第二，选择多种研究方法，建立单变量判定模型和三种多变量判定模型，并比较各种模型在财务困境猜测中的效率。
财务困境公司的样本选定
本文从我国A股市场上3年中出现的82家ST公司中界定出70家公司作为财务困境公司，进行财务困境猜测研究。它们是：连续两年亏损，包括因对财务报告调整导致连续两年亏损的“连亏”公司，共51家；一年亏损但最近一个会计年度的股东权益低于注册资本，即“巨亏”公司，共16家；因注册会计师意见而非凡处理的，共3家。但排除了：上市两年内就进入非凡处理的公司，共8家。排除原因是财务数据过少和存在严重的包装上市嫌疑，因此与样本中的其他公司不具有同质性；因巨额或有负债进行非凡处理的公司，共2家。排除原因是或有负债属偶发事件，不是由企业正常经营造成的，与其他样本公司不具有同质性；因自然灾难、重大事故等进行非凡处理的，共2家，原因同。
研究程序和计量方法
本研究首先计算140家样本公司的盈利增长比率、股东权益收益率等21个财务指标，这些指标综合反映了企业的盈利能力、长短期偿债能力、营运能力、成长能力和企业规模。在此基础上，使用剖面分析对样本中的财务困境公司和非财务困境公司在财务困境发生前5年期间历年的21个财务指标进行对比分析，探讨对企业陷入财务困境影响显著的变量。其后，应用单变量分析，选择4个财务指标为例估计单变量判定模型。最后，筛选和确定对企业陷入财务困境影响最为显著的6个指标为模型的判定指标，应用线性概率模型、Fisher二类线性判定模型、Logistic模型三种计量方法，建立和估计财务困境的猜测模型，并比较这三种模型的猜测效果。
三、实证研究
剖面分析
首先分组计算70家财务困境公司和70家非财务困境公司的21个财务指标在财务困境发生前1至5年的平均值和标准差等描述性统计量，比较这二组在21个财务指标各年的平均值是否具有显著差异，其次计算各年的Z统计检验量，结果如表1所示。剖面分析结果表明：在ST发生的前1和2年，财务困境公司和非财务困境公司的17个财务指标的平均值存在显著的差异；Z值随着ST发生时间的临近而显著增大，即二组的财务指标平均值的差异随ST发生时间的临近而扩大。由此可见，在所选的21个财务指标中，除利息保障倍数、存货周转率、Log和Idg外，其余17个在财务困境发生前1至2年中具有显著的猜测能力。
四、结论与启示
第一，我国上市公司的财务指标包含着猜测财务困境的信息含量，因此其财务困境具有可猜测性。第二，在我国上市公司陷入财务困境的前1年和前2年，本文所选的21个财务指标中16个指标具有判定和猜测财务困境的信息含量，但各个指标的信息含量不同，猜测财务困境的准确率不同。在单变量分析中，净资产报酬率的判定效果较好。第三，多变量判定模型优于单变量判定模型。第四，比较三种判定模型的效果表明，Logistic模型的判定准确性最高。
购物车(0)