摘要 本文隨機抽查了四家機械行業上市公司的有關財務資料,運用單變數模型進行分析，得出在企業虧損前其獲利能力指標對每股收益的影響較大。通過多變數分析建立判定方程，得出可通過截止點預測企業虧損的可能性
關鍵詞 上市公司 預警訊號 單變數分析 多變數分析
1 引言
自1998年推出上市公告預虧制度以來，虧損企業頻頻出現。1999年度，58家公司釋出預虧公告，其中，新虧損的公司竟達34家，佔58.62%。在2000年，釋出中報的公司共有721家，其中，滬市388家，深市333家，虧損中報62家。自科龍電器2000年12月22日公佈了2001年報的第一份預虧公告以來，2000年上市公司預虧家數就呈現出迅速壯大的勢頭。截至2001年2月28日，滬深兩市共有86家上市公司釋出了預虧公告，滬市39家，深市47家。從目前公告的虧損情況以及年報公佈的程序來看，2000年上市公司虧損的家數在絕對數上將有望再創歷年新高，換而言之，上市公司的虧損面正呈現出逐步擴大的勢頭面對如此大範圍、大規模的虧損，必然對投資者、企業、乃至股市、巨集觀經濟產生不利的影響。既損害投資者的利益，又弱化企業的素質和競爭力，阻礙證券市場優化資源配置功能的實現，進而危及國民經濟的健康發展。
作為投資者，如何能獲取滿意的投資回報率？作為管理者，如何能預先警覺到企業的問題，防患於未然，提前作好企業的長期戰略和發展規劃，使企業不斷髮展？目前國內無論在理論和實踐方面的研究都較少。因此我們試圖利用單變數模型和多變數模型對上市公司虧損企業財務報表及相關經營資料進行分析，從財務方面對企業虧損問題進行研究。希望能夠藉此給廣大的投資者和企業管理人員提供一定的預警作用。
2 研究程式及方法
2.1 虧損企業樣本（Sample）的選取
我國上市公司的虧損速度較快，分佈較廣，其中，機械、電子和房地產行業更是虧損企業的聚集區。為了使結論具有可比性，我們考慮了行業特點、產品生命週期以及可能選取的樣本情況，本文在虧損企業中隨機選取了4家機械製造業的上市公司作為樣本進行分析，它們分別是（600806）昆明機床，（0025）ST特力A，（600691）東新電碳和（600610）ST中紡機。
由於上市公司的中報未經審計，其財務資料的可信度自然會大打折扣，所以本文僅採用公司的年報資料進行分析，以取得較大的可信度和實用性。
2.2 單變數分析
單變數模式是用個別財務比率來預測財務危機的模型，當模型中所涉及的財務比率趨勢惡化時，通常是企業發生財務危機的先兆。 採用單變數模式分析企業虧損的實質就是找到與企業虧損相關性較大的指標，可以通過線性回歸來完成。
2.2.1資料的收集
本文分析時所使用的財務報表資料是從和訊網上（）下載的，在和訊網上可以查詢到每個上市公司年報、中報的財務報表，包括資產負債表，損益表和現金流量表（我國在98年以前企業提供的是財務狀況變動表，98年以後才要求提供現金流量表，所以現金流量表資料較少）。另外，為了保證資料的可靠性，對一些有明顯差異的比率又將其與其它網站的一些財務報表指標進行了比較，並根據常用的計算方法進行了調整。
2.2.2比率的選擇
由於財務比率的數目種類較多。我們根據他們的通用性和相關性選用了變現能力，獲利能力，償債能力，管理能力中的14項比率，另外還包括一些常用的比率，例如：權益收益率，總資產收益率，流動比率及股東權益率等，以及一些參考文獻上採用的對企業破產進行分析的比率，例如，息稅前盈餘/總資產，營運資本/總資產等[ 見ALTMAN, 《Corporate Financial Distress》，John Wiley&Son Inc.,第106頁]。
2.2.3統計分析
將這四家企業的每股收益作為因變數，14個財務比率作為自變數，取其虧損前三年至虧損年度的資料，用SPSS進行線性迴歸分析。在所分析的14個比率中，只有權益收益率和總資產收益率與每股收益相關性較高，而其它比率的相關性較低。結果如表1和表2所示：
表1 權益收益率與每股收益線性迴歸結果
Model R R Square Adjusted R Square Std. Error of the Estimate
1 0.991 0.981 0.980 4.232E-02
表2 總資產收益率與每股收益線性迴歸結果
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .990 .980 .979 4.311E-02
注：權益收益率 = 企業利潤淨額/平均資本金數額，是衡量投資者投入資本金的盈利 能力，該收益率是站在所有者立場來衡量企業盈利能力的財務指標。
總資產收益率 = 利潤淨額/平均資產，是反映企業資產綜合運用效果的指標。
由上面分析的結果可以看出，權益收益率和總資產收益率與每股收益具有很強的相關性。這說明，當這兩項指標惡化時，通常是企業發生虧損的前兆。
2.2.4結果的解釋
企業虧損表明了兩方面的問題。一是企業的盈利下降，二是企業的費用上升。但是，從迴歸分析的結果來看，企業虧損的.直接原因並不是費用的上升，而主要原因是其盈利水平下降。例如ST中紡機，於1998年開始虧損，每股收益由1997年的0.01元狂降到1998年的每股收益-0.47元。總資產報酬率從前四年的平均0.016降到了0.003。再如昆明機床，97年其權益收益率和總資產收益率均為0，該公司於98年虧損，每股收益-0.1。
企業獲利能力的下降通常是虧損的前兆，當企業的利潤下降到很低的水平時，極有可能在未來的一兩年內虧損。從這些公司的財務報表可以看到，虧損前，他們的每股收益通常保持相當低的水平，例如昆明機床虧損前，其每股收益在1994年為0.16元，1995年大幅下降為每股0.03元，在隨後的兩年內保持每股0.01元的低收益，並於98年虧損。
從樣本中可以看到，在虧損前的三至四年，企業的利潤率很低，但是並沒有立即虧損，而是保持了幾年的低收益水平，然後一個鉅虧。這種現象在我國股市中是常見的, 可謂是“不虧則已，一虧驚人”。
通過以上分析，不難得出：（1）企業虧損的直接原因不是費用的增加，企業的盈利能力通常預示了企業的未來；（2）對於一些具體的科目應做特別的研究，例如“應收帳款”科目是一個非常客觀的資料。並且從該資料的歷年變化和銷售收入的比例及應收帳款週轉速度，可以看出公司的管理水平和行業的競爭狀況。對於一些微利公司，由於投資收益科目通常是掩蓋主業虧損的主要來源，對他的來源和數目也要加以注意。（3）新會計制度的影響，即四項計提虧損。這必將擠掉一些上市公司的水分，使公司的業績受到影響。（4）注意關聯交易和非正常損益，因為這些通常是企業修飾財務報表的主要手法，企業通過關聯交易將虧損轉變為微利，保持自己的上市資格，而這又恰恰預示了潛在虧損的可能。
2.3 多變數分析
多變數分析是將多種財務比率加權彙總產生總判別分來進行財務危機的預測。最初的多變數模型為美國的愛德華.阿爾特曼在60年代中期創造的z記分模型，用來預測企業破產的可能性。其主要思想是在企業違約前，違約企業和非違約企業的財務指標會有很大差異，從中找出差異較大的指標，以此來預測企業違約的可能性。
2.3.1樣本資料選擇
多變數分析是對比分析，通過不同樣本之間的對比來找出他們的差異。這裡一共選擇了6家機械行業的企業作為樣本進行分析。這3家贏利企業是(600732)上海港機，(600761)安徽合力，(600815)廈工股份，3家虧損企業仍然是ST中紡機，昆明機床，東新電碳。
2.3.2檢測比率選擇
將這6家企業按照虧損企業和盈利企業分為兩組，虧損企業為組1，贏利企業為組2。將他們在企業虧損前一年（97年）的各項財務比率進行統計對照，為了找到具有顯著變化的財務比率，我們根據(1)虧損企業的財務比率變化顯著；(2)單個比率變化方差相對較小的原則，從14個比率中選擇了5個比率作為判別變數。這些比率在兩組的統計情況如表3：
表3 盈利企業與虧損企業比率對照
ATR2 ATR1 E/A2 E/A1 EBIT/A2 EBIT/A1 ROA2 ROA1 WC/A2 WC/A1
N 3 3 3 3 3 3 3 3 3 3
Min. .51 .11 .32 .45 .03 -.01 .04 .00 .19 .08
Max. .77 .41 .90 .89 .11 .04 .09 .00 .35 .43
Sum 1.84 .75 1.64 1.90 .23 .05 .19 .01 .77 .70
Mean .61 .25 .5476 .6333 .07 .17 .063 .003 .257 .233
注：比率後面的數字表示比率的組別，例如ROA1表示第一組（虧損組）的總資產回報率，ROA2表 示第二組（贏利組）的總資產回報率。
其中，ATR=銷售額/總資產的平均值；ROA=淨利潤/總資產；E/A=股東權益/總資產；
EBIT/A=息稅前收益/總資產； WC/A=營運資本/總資產；
2.3.3 判定方程
將上面選出的五個判別比率擬合成一個線形方程，每股收益與上述五個指標做多元線形迴歸，結果如表4所示：
表4 多元線性迴歸結果
R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
.987 .975 .969 4.673E-02 2.035
表5 線性迴歸係數表
Unstandardized Coefficients Standardized Coefficients t
B Std. Error Beta
(Constant) -5.825E-02 .039 -1.488
ROA 3.071 .157 .858 19.617
EA .215 .066 .205 3.286
EBIT/A .784 .164 .223 4.774
WC/A -.170 .075 -.126 -2.274
ATR -.112 .078 -.060 -1.440
從線形迴歸的結果可以看出，所選的五個比率與每股收益的擬合程度很好，而且通過Durbin-Watson檢驗，證明這五個引數間不存在自相關情況。迴歸分析的方程係數如表5。
由於線形迴歸方程的變數係數太複雜，同時還有常數項，對此進行了調整，得到如下判定方程：
L（代表虧損LOSS）=3.02*ROA+0.22*E/A+0.78*EBIT/A-0.17*WC/A-0.11*ATR
各個符號表示意義同前。
2.3.4模型檢驗
根據上面確定的判定方程進行檢驗，首先對樣本組的資料進行檢驗，結果如圖1。
圖1圖2
從圖中可以看出，贏利企業的得分基本在2以上，而虧損企業的得分一般較低，通常小於1。由這個檢驗結果可以看出此模型可以很好的將虧損企業與贏利企業分開。
(2)逐漸增加樣本的數量來進行檢驗，首先，增加了2家虧損公司(600765)力源液壓和(0025)深特力A，與原先的樣本公司不同的是，這兩家公司於1999年虧損，而樣本公司於1998年虧損，將資料代入模型進行檢驗，結果如圖2。
從圖2中可以看出，(1)中的結論還可以成立，只是虧損公司和贏利公司的分界不如(1)那麼明顯了。而且，有一個贏利公司資料的得分還落到了0.58，小於所有虧損企業的得分。從該公司各項財務資料可以發現，在1998年，上海港機的每股收益由每股0.3元大幅跌至0.03元每股，淨利潤由5000多萬降到600多萬，種種跡象表明，公司贏利能力下降，成本費用上升，這些跡象符合單變數模型中公司虧損的前兆。
將虧損公司的數量增加到7家，同時加進贏利公司的資料加以比較，如圖3。
圖3
從圖中可以看到基本的趨勢保持不變，這些公司清楚的被分為虧損企業和贏利企業兩大集團。贏利企業得分最高達到了3.5，虧損企業最低得分達到了0.5，在1.5～2的區域內， 有兩家贏利企業和兩家虧損企業，雖然贏利公司的總體得分高於虧損企業的得分，但是相對的幅度較小。
從上面的3次檢驗中我們可以得到這樣一個結論，模型中得分高的企業在未來虧損的可能性小，得分低的企業在未來虧損的可能性大。
2.3.5 截止點（Cutoff Point）
從檢驗結果可以看出，此模型可以將虧損和贏利企業區分。而且，企業的得分越高，再未來的一年虧損的可能性越小，得分越低，第二年虧損的可能性越大。由圖（3）可以看出，1.5-2是一個比較模糊的區域(Gray Area)，在此區域虧損企業與贏利企業的得分差距較小。虧損企業的最高得分為1.67，而贏利企業的最低得分為1.76，取其中值1.72作為模型的判定截止點。
3.結論
本文根據單變數和多變數模型對機械行業的虧損企業進行財務分析，得到了兩個結論：
(1)根據單變數模型分析，企業的盈利能力較低通常是導致企業虧損的直接原因。在盈利指標中，應對權益收益率和總資產報酬率這兩個指標特別重視，當這兩個指標較低時，企業在未來虧損的可能性較大。
(2)對企業未來虧損的可能性可以用以下方程來判定：
L=3.02*ROA+0.22*E/A+0.78*EBIT/A-0.17*WC/A-0.11*ATR
模型的截止點是1.72時，企業得分高於截止點時，企業一般不會出現虧損，小於截止點時，企業就有可能出現虧損。企業的得分越高，企業未來虧損的可能性越小，得分越低，虧損的可能性越大。
(3)本文研究的主要樣本是機械行業的上市公司，由於行業間的差異，運用此模型到其他行業的公司可能並不適用，但對其它行業分析虧損仍有借鑑作用。
參考文獻
吳世農.《現代財務理論與方法》課程大綱. 2000年8月在全國MBA院校《財務管理》師資培訓研討會上使用
於俊年.《計量經濟學》.對外經濟貿易大學出版社，2000年6月第1版
張保法.《經濟計量學》.經濟科學出版社，2000年1月第4版
The Study 0n Signals of the Corporations’ Financial Distress
Abstract With randomly collected financial data of 4 public companies in mechanic industry, Univariate model was employed to get the conclusion that the profitability ratio is the most influencing factor to the EPS. When utilizing the multivariate analysis to develop the discriminating function, the cutoff point was established to predict the possibility of corporate financial loss.
Keywords Public Company, Predicting Signal, Univariate analysis, Multivariate analysis