公司治理与财务困境预测

Corporate Governance and Financia Distress Prediction

HUANG Shandong， YANG Shue

(Schoo of Management, Xi’an Jiaotong University, Xi’an710049, China)

1 问题的提出

企业发生财务困境将给企业管理者、股东、员工及其他人员带来巨大的经济损失，对整个国家也带来巨大的社会和经济成本。一个财务困境预测模型能起到预先警告利益相关者的作用，从而使管理者和投资者及时采取应对措施。因此，对财务困境进行准确的预测是一个重要的财务问题。

自Fitzpartrick、Beaver、Atman等经典文献问世以来，大量的研究人员对财务困境预测进行了研究。从多元判别分析等线性预测模型，到以神经网络模型为代表的各种非参数预测模型，相关的研究成果层出不穷。然而，要开发完全满足需要的模型对这一领域的研究者仍然是一个挑战。问题不在于运用哪一种类型的设计或模型技巧，关键是所有重要的解释变量是否包括在模型当中。在许多基于财务报表和其他相关信息建立财务困境预测模型的研究中，财务比率作为解释变量，其价值已得到广泛的认可。但是，财务比率作为解释变量也有其局限性，因为财务报告在本质上是以企业过去的经济情形为依据，对财务状况的事后反映，而且可能是盈余管理的结果。因此，为了达到预测的目的，我们有必要寻求事先的信息资源，为财务困境预测模型挖掘出更多重要的解释变量。

公司治理就是事先的资源之一，而且它是在管理层面之上的、对公司管理起着关键制约作用的重要变量。越来越多的研究表明，公司治理是解决代理问题和不完全契约的必要手段；良好的公司治理可以通过选择恰当的契约安排来实现剩余索取权和控制权的对应，以确保企业的决策效率。从实践来看，大量的案例已经证明，公司治理成效是直接决定着公司的生存和发展的。美国的安然公司、世通公司，国内的巨人集团、三株集团的倒闭无一不与公司治理结构缺陷有关。

公司治理已经被认为是导致1997年亚洲金融危机的主要因素。Johnson et a.证明在解释亚洲金融危机方面，公司治理变量比宏观经济变量更具说服力。虽然国内外已有不少实证结果支持虚弱的公司治理趋向于减少公司价值[3，4]，但是公司财务困境与公司治理特征是否相关仍然是不明确的。

2 文献回顾

在财务困境预测领域，国内外已有的大量研究主要聚焦于运用财务指标建立预测模型。而将非财务变量作为解释变量的研究还不为多见。Ohson针对1970年至1976年的105家失败公司和2058家非失败公司，建立了包含9个解释变量的三个Logit函数预测模型。并从模型中概括了四个影响企业财务失败的基本因素：（1）公司规模；（2）财务结构尺度；（3）业绩；（4）当前资产的变现能力。Keasey and Watson选取了73家失败公司和73家非失败公司，使用28个财务变量和18个非财务变量，建立了预测小公司失败的Logit模型。Wu以1995年至2000年期间的31家失败公司和31家非失败公司为研究样本，利用三个非财务变量，即董事会持股比例、样本公司是否更换外部审计和股票价格趋势，结合财务变量进行比较研究。Lee and Yeh选取了45家困境上市公司和88家非困境上市公司作为研究样本，设计了三个公司治理风险的替代变量，即控制股东派出董事比例、控制股东持有的银行借贷抵押的比例和偏离现金流权力的程度,构建了包含以上三个公司治理变量和债务比率、市场价值、研发投入和广告费用占销售额的比率在内的Logistic预测模型。国内，姜秀华、孙铮以42家ST公司和42家非ST公司为样本，将股权集中系数作为解释变量，运用Logistic回归建立了包括毛利率、其它应收款与总资产的比率、短期借款与总资产的比率、股权集中系数等变量在内的上市公司财务危机预测模型。

黄善东，等：公司治理与财务困境预测Vo1.26, No.2预测2007年第2期尽管以上研究对引入非财务变量进行财务困境预测做出了非常有益的探索，但是Ohson，Keasey and Watson，Wu 几乎没有涉及到公司治理变量。而姜秀华、孙铮， Lee and Yeh只是建立了包含公司治理变量的预测模型，没有能够突显出纳入公司治理变量的预测模型的优越性。本文试图通过考察困境样本组与非困境样本组在公司治理变量上的差异，构造并比较仅是包含财务信息与融合财务信息和公司治理因素的Logistic回归预测模型，以探索公司治理与财务困境的相关性，回答“公司治理变量能否帮助企业预测财务困境”这样的一个问题。

3 研究设计

3.1 样本选择与数据来源

本文以中国上市公司作为研究对象，将公司因财务状况异常而被特别处理(ST)作为企业陷入财务困境的标志。以2005年3月31日为基点，选择了2003年被ST的35家公司和同期70家非ST公司作为估计样本，并选择了2004年被ST的35家公司作为预测样本。为了剔除不同行业和资产规模因素对财务困境预测的影响，我们根据以下原则按2?w1的比例选择非ST公司作为配对样本：（1）研究期间一致，即ST公司和非ST公司都采用t-2年（2001年）的截面数据；（2）作为配对样本的非ST公司与对应的ST公司行业类型相同或相近；（3）作为配对样本的非ST公司与对应的ST公司总资产规模相当。

财务数据来源于CSMAR，公司治理数据来源于上市公司公开披露的年度财务报告。

3.2 操作变量

我们选取了涵盖公司治理结构三个方面（股权结构、董事会特征与激励机制）的11个公司治理变量，即法人股比例、国家股比例、流通股比例、股权集中度、第一大股东持股比例、执行董事比例、独立董事比例、第一大股东派出董事比例、两职是否合一、高管人员报酬、高管人员持股比例等。

财务指标方面，我们选取了包括盈利能力、偿债能力、营运能力、成长能力、现金流量能力、市场价值等多方面19个指标：流动比率（X1），速动比率（X2），现金比率（X3），应收帐款周转率（X4），存货周转率（X5），总资产周转率（X6），资产负债率（X7），权益对负债比率（X8），利息保障倍数（X9），营业毛利率（X10），营业收入净利率（X11），总资产净利率（X12），股东权益净利率（X13），主营业务收入增长率（X14），每股收益（X15），每股净资产（X16），每股经营活动现金净流量（X17），资本积累率（X18），总资产增长率（X19）。

3.3 实证分析思路

在财务困境预测研究中，二元Logistic回归模型通常被认为是一种比较适合的方法。因为它能够提供一个有意义的参数估计检验，而且可以为研究人员提供每一个公司发生财务困境的可能性（即P值的大小），研究人员可以据此来评估每一个公司的财务困境风险。为了观测样本公司财务困境的可能性，我们采用Logistic回归作为建模?┓椒ā?

然而，我们并不打算直接将所有财务变量都纳入到预测模型中，而是首先对众多的财务变量进行因子分析，提取少数几个因子，并进一步将财务变量的信息转换成这些因子的因子值，因为因子分析方法可将众多财务指标减少为综合反映企业财务状况的少数几个因子，为Logistic模型提供相互独立的解释变量。然后，用这些因子代替原来的财务变量来进行Logistic回归分析。这样既可以避免数据（或指标）的量纲不同所引起的不可比因素，同时也可解决由于财务变量之间可能存在较强的相关性带来的多重共线性问题。最后，再加入非财务变量，即将在ST公司组与非ST公司组之间存在显著差异的公司治理变量作为新增的解释变量，建立融合财务信息和公司治理因素的预测模型（以下简称Incude模型）。

4 实证结果及分析

4.1 公司治理变量平均数的差异检验

从表1可以看出，ST公司和非ST公司在各公司治理变量平均数方面都有程度不同的差异。但除了国家股比例和第一大股东派出董事比例比较显著外，其余差异在统计上均不显著。

值得关注的是，第一大股东派出董事比例的Wicoxon秩检验在1%的水平下显著，并且与财务困境负相关。而Yeh et a.指出，公司财务业绩与控制股东家族占据的董事会席位百分比之间存在负相关；Lee and Yeh 则认为，控制股东派出董事比例与财务困境风险正相关。我们的发现似乎与Yeh et a.、Lee and Yeh的观点相左。一种可能的合理解释是，以上两项研究都是以台湾上市公司为背景，台湾上市公司大多是家族企业，控制权私有收益由控股股东所有，控制股东家族派出的董事通常服从控股股东的利益，各个董事之间利益比较一致。如果控股股东家族派出董事比例越高，那么越有利于控制股东家族的掏空行为，从而导致公司财务业绩滑坡、企业价值减少。而我国上市公司情况有所不同，第一大股东通常是国家股和国有法人股，大约占总股权的60%～70%。理论上说所有者是全体人民，事实上直接所有者是国务院，所有者缺位现象严重，形成了我国上市公司中严重的“行政干预下的内部人控制”现象。内部人控制下，公司内部人会对过多的自由现金流随意使用Jensen。张维迎认为在我国目前国有股产权虚设的情况下，相当部分的控制权私人利益由在职经理和政府官员享有。因而国有大股东派出的董事在行使职权时主要是为了满足其自身的私有利益，各个董事之间存在一定程度的利益差别，而且他们在升迁上常常存在竞争。因此有时来自第一大股东的董事多，将起到相互监督的作用，从而减少大股东的掏空行为，降低陷入财务困境的可能性。

4.3 Logistic回归模型的建立

为了观测公司治理变量对财务困境的预测能力，我们先将上述反映企业财务状况的六个因子作为解释变量，用Logistic回归方法建立一个财务困境预测模型（以下简称Excude模型）。然后，将公司治理变量FDP（第一大股东派出董事比例）作为新增的解释变量，建立融合财务信息和公司治理因素的另一个预测模型（即Incude模型）。

4.4 两个模型判别准确率比较

我们从回判准确率、预测准确率两个方面来对Excude和Incude模型的判别准确率加以比较。由于本研究的主要目的是比较Excude和Incude模型的判别准确率，本文采用较为常用的做法，取0.5作为最优概率阀值，即P值大于0.5时，判定为ST公司，P值小于0.5时，判定为非ST公司。

此外，我们发现，两个模型对35家ST公司预测的P值中，Incude模型预测的P值大于Excude模型预测P值的样本有28家，占总体比例的80%，这也说明加入公司治理变量FDP能显著提高模型的预测能力。

5 研究结论

我们的研究表明，在估计样本中，ST公司第一大股东派出董事比例平均为0.247，非ST公司第一大股东派出董事比例平均为0.355，非ST公司显著大于ST公司。另外，我们可以从Logistic回归结果看到，第一大股东派出董事比例与上市公司发生财务困境的概率显著负相关。这验证了我们上述分析中所指出的，第一大股派出的董事人数越多，相互之间有一定牵制，从而有利于公司治理，也在一定程度上减少了发生财务困境的可能性。

采用Logistic回归作为主要建模方法，我们构建了只包含财务信息的财务困境预测模型，并将第一大股东派出董事比例引入预测模型，开发了融合财务信息和公司治理因素的预测模型。两个模型的回判准确率分别为90.47%、92.38；预测准确率分别为71.43%、77.14%。包含公司治理信息的模型较只包含财务变量的模型，无论是在回判准确率方面，还是在预测准确率方面，均有所提高。这表明包含公司治理变量在内的财务困境预测模型比仅仅运用财务变量的模型有更好的预警效果。