摘 要：利用数学模型对企业进行财务预警，并以此来反应财务风险及采取相对应的化解措施就成为企业利益相关者日渐关注的问题。上市公司的财务预警判别问题是国内外财务研究的热点，建立过多种财务预警模型。本文以2012年33家上市公司公开披露的财务数据作为检验数据来源，采用多元统计中的逐步判别法确立出3个判别分析变量，运用逐步判别法来确定具体的筛选指标，从而得出相应的财务预警检验模型。
关键词：上市公司；财务预警
一、文献综述
回顾国内外学者对财务预警系统各类研究，发现已经形成一个成熟的体系。早期的财务预警模型的实证研究是一元模型，此模型用19家公司作为样本，运用单个财务比率将样本划分为破产和非破产两类来研究。结果表明，最具财务危机的判别能力的是净利率比股东权益和股东权益比负债这两个比率。但一元判定模型在指标选取上过于单一，不能完全展现出企业的财务状况。Ohlson（1980）是第一个将逻辑回归方法引入财务危机预警领域，他选择了1970年—1976年间破产的105家公司和2058 家非破产公司组成的配对样本，分析了样本公司在破产概率区间上的分布以及两类错误和分割点之间的关系，发现公司规模、资本结构、业绩和当前的融资能力进行财务危机的预测准确率达到96.12%。在我国，目前惯用的用于财务预警的方法主要有一元判别法、多元判别法以及多元逻辑回归法。虽然这些方法并不十分稳定，但对上述模型进行修正后，大大降低了不稳定性。本文结合了奥特曼（1968）的研究和我国上市金融公司公开披露的财务数据，运用逐步判别的实证检验做出有显著判断能力的模型。
二、方法介绍
判别分析法是指根据某一研究对象的各种特征值判别其类型归属问题的一种多变量的统计分析方法。判别分析有二级判别、多级判别、逐步判别等多种方法。本文主要讲述的逐步判别法运用于上市公司财务预警系统中的实际应用。
逐步判别分析法的主旨思路：根据组内离差和总离差形成的判别能力构造F统计量，判断指标的取舍，每引入一个新指标的时，也同样在检验己经存在指标的判别能力，若其判别能力由于新指标的引入而变的不明显，就删除该指标。然后检验剩余指标中的判别能力，其中最大指标能不能纳入评价体系，按此种模式，直到所有有显著影响的指标全部纳入评价体系，且其中指标均不能剔除掉。笔者认为对模型的正确判别能力和预警的可靠性产生较大的影响的关键是如何选取最具判别能力的指标。为此，本文在判别分析前先用逐步判别法来筛选指标。
三、实证分析
从1968年奥特曼的研究文献中可知，根据指标的流动性、获利能力、财务杠杆、偿债能力和周转能力五个方面，结合普遍性与潜在相关性选择了22个财务比率，显著判别分析变量即为这5个财务比率。其所得到的判别模型为：
Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5
X1=营运资金/总资产；X2=留存收益/总资产；X3=资产报酬率；X4=权益市场值/总债务的账面值；X5=销售收入/总资产。
采用逐步判别法生成的判别函数的一般形式是：
Z=aX1+bX2+cX3+dX4+…
Xi（i=1，2，3…s）是反映研究对象的特征变量a，b，c，d…为各变量的判别系数，Z为判别分值。
数据的选取对于一个检验模型的成功与否有直接关系，样本的选取就直接关系到模型的预警能力，应因不同的行业而异。本文所选取的是2012年A股主板上市公司的相关财务数据，以及2012年被ST的公司。在非ST样本的选取中，应依据ST公司的分类相近原则，选取2012年具有经营代表性的金融上市公司。采取一个ST公司与一个非ST公司对应的方式，且每一对公司的经营状况与总体规模相近。因此通过仔细选择，最后得到16家ST公司和16家非ST公司，组成一个32家主板上市公司的样本数据作为构建财务预警模型的数据。
聚类成员
这些数据是根据分类以及表明估计样本特征的财务比率变量推导出的模型函数，并以所属类别为依据进行判别。将经过单变量T检验的16个财务预警变量，导入SPSS进行逐步判别分析。以下即为通过SPSS所做出的数据：
初始聚类中心
最终聚类中心
a.协方差矩阵的自由度为13。
b.软件采用Wilkslambda方法进行逐步判别分析，使用F值作为判别统计量，并采用F>=3.84时进入模型，F<=2.71时从模型中移除的筛选标准。
对相等总体协方差矩阵的零假设进行检验。有些协方差矩阵是奇异矩阵，因此一般程序不会起作用。将相对非奇异组的汇聚组内协方差矩阵检验非奇异组。其行列式的对数为3.856。
输入的/删除的变量a，b，c，d
在每个步骤中，输入了最小化整体Wilk的Lambda的变量。a，b，c，d
a.步骤的最大数目是14。
b.要输入的最小偏F是3.84。
c.要删除的最大偏F是2.71。
d.F级容差或VIN不足以进行进一步计算。
所以，根据这三个变量得出标准化的典型判别函数公式：
Z=0.406X1+0.604X2+0.607X3
其中，X1为资产负债率，X2为净资产比率，X3为净资产收益率。
根据检验结果，Wilkslambda和F统计检验表明，现金流量比率、总资产净利润率和每股留存收益这三个变量的显著性水平均小于0.001，检验通过。
针对筛选出的32家主板上市公司样本数据（其中16家ST公司和16家非ST公司），采用逐步判别法剔除显著性不高的变量，获取判别出的高显著性变量：资产负债率、净资产比率和净资产收益率，从而构建出财务预警模型。
通过实证检验可以清楚地看出，所构建的判别模型具有良好的判别能力和较高的判别精度，同时，也说明了逐步判别分析方法在构建财务预警模型中的可行性和有效性，它的分析结果不仅能够为投资者的科学决策以及银行等金融机构的放贷决策提供一定的依据，而且能够为上市公司的财务风险提供预警和防范思路。
虽然文中的财务预警模型存在一定的局限性，但仍然是一种较为有效的预警方式，不仅可以在上市公司的财务预警方面发挥较好的示警作用，甚至可以不断扩展在其他风险管理中的应用。
作者简介：张彦宁（1990- ），女，汉族，河南洛阳，研究生，贵州财经大学，金融
