上市公司盈利能力、成長能力、營運能力、償債及資本結構指標。越好，發生財務困境可能性越小;反之則越大。
一、引言
在生存與發展的激烈競爭中，由於客觀環境的複雜性以及市場的瞬變性和不可預見性，再加上決策者素質水平的侷限性，使得風險成為一種必然。財務危機是企業危機中最顯著、最綜合的表現。而且，企業的財務危機不但有徵兆，還是可預測的，建立財務預警系統，及早診斷出財務困境的訊號，並採取相應的對策，幫助識別、化解可能出現的財務危機，對於經營者防範財務危機、實現企業的可持續發展，對於保護投資者和債權人的利益、對於政府管理部門的監控以及對於商業銀行是否提供貸款等都具有重要的現實意義。最早對財務危機預警研究的是Fitzpatrick(1932)做的單變數模型。財務預警的方法多種多樣，主流的研究方法主要有一元判定方法、多元判定方法、多元邏輯迴歸方法、多元概率比迴歸方法和人工網路方法。鑑於國內外實證研究的基本情況，絕大多數研究人員選擇上市公司被標註ST作為財務危機的標誌。本文在前人對上市公司研究的基礎上，結合新疆實際情況，以新疆上市公司作為研究物件，應用多變數統計模型中的多元邏輯模型，把被特別處理的 (ST) 公司作為企業陷入財務危機標誌，對新疆上市公司作財務危機預警進行實證研究。
二、研究設計
(一)財務預警指標指標選取 在構建財務困境預警模型時，本文根據可測性、科學性、可比性和重要性等原則主要選取了反映公司財務資訊的財務指標。在公司財務治理中，公司財務結構和財務指標一般可以分為盈利能力指標、成長能力指標、營運能力指標、償債及資本結構等四個指標。本文在借鑑國內外相關文獻的相關指標基礎上，兼顧新疆上市公司的特殊性和資料可獲得性、可測性，選取了33個上市公司樣本作為研究物件。通過篩選共選擇了4大類15個關於財務風險最富有解釋力的比率指標(見表1)。
(二)資料來源及處理 本文資料來源於2009年《新疆上市公司年報》和新浪財經網。新疆上市公司數量不多，指標數量多，逐年變化較大不宜採用時序資料。結合新疆上市公司的實際情況採用2009年截面資料，又指標間具有不同的單位和數量級，為量化指標和消除量綱的影響，對所選取的資料進行標準化處理。
(三)模型建立 本文對新疆2009年上市公司中ST公司與非ST公司樣本進行0、1分類，這個特點決定了在測量的模型中，其因變數為一個0、1二分類變數，因而使用Logistic函式是合理的，所以本文選擇Logistic模型。把通過因子分析得到的因子得分作為財務危機預警模型的自變數值， 0、1為因變數。Logistic迴歸原理如下：由於事件發生的概率P的範圍為[0，1]，而Logistic分佈函式是值域(0，1)之間的S形曲線，它是單調遞增函式，當自變數趨近於-∞(+∞)時，因變數趨近於0(1)。這和企業陷入財務困境的概率隨企業的某些財務比率以及巨集觀經濟因素等變數的變化而單調增減的特點是一致的。設P為某事件發生的概率，1-P為不發生的概率，將比數P/(1-P)取自然對數得到Ln[P/(1-P)]，則其取值範圍為(-∞，+∞)。建立包含P個自變數的Logistic迴歸模型如下：Ln[P/(1-P)]=α+?茁1x1+?茁2x2+...?茁pxp，其中是α截距，?茁1…?茁p是斜率。由上式逆推得：P該模型實際上是普通多元線性迴歸模型的推廣。
三、實證結果分析
(一)因子分析 運用SAS9.1對標準化後的資料求相關係數矩陣，發現指標間存在相關性。可以運用因子分析法提取主因子，其主要目的就是對原有變數中資訊重疊的部分提取綜合因子，最終實現減少變數個數的目的。(1)因子個數確定。由(表2)知，依據特徵值大於1和累積貢獻率大於80%來提取主因子，從初始解中提取前4個因子，其總方差貢獻率為80.24%，即可描述原變數的資訊已達80.24%，被放棄的其他15個因子解釋方差僅僅佔約19.76%。可見，運用因子分析法很好的消除了相關性，符合因子分析法中的因子提取標準，因此可以選擇前4個主因子代表原來15個指標。(2)因子旋轉及命名。從(表3)可以看出x1、x2、x3、x4、x5在第一因子S1上有較大的載荷，在其它指標上的載荷都比較小，第一因子主要解釋這幾個指標，結合這些指標的經濟意義，說明第一因子S1是反映了上市公司盈利能力;x9、x10、x11、x12在第二因子S2上的載荷比較大，在其餘三個因子上的載荷都比較小，說明第二因子與這幾個指標密切相關，是反映了上市公司營運能力;第三因子S3在x13、x14、x15上具有較大的載荷，反映上市公司的償債能力因子;第四因子S4在x6、x8上具有較大的載荷，在其餘指標上的載荷均比較小，反映了上市公司成長能力。
(二)迴歸分析 本文選擇Logistic模型。把四個因子得分作為財務危機預警模型的自變數值，(見表4)，0、1為因變數，用Eviews6.0作分析輸出結果如(表5)。可以看出由LR統計量及概率，以4個主因子為自變數得出的迴歸方程是顯著的;另外，在顯著性水平為10%的情況下，主因子S1、 S2、S4是顯著的，而S3是不顯著的。說明因子S1、S2、S4對模型的解釋能力很強，而因子S3對模型的解釋能力很弱。由此表建立如下回歸模型：
由預警模型可以看出，主因子S1、S2、S3、S4與公司發生財務危機的'概率P是負相關的，這說明公司的盈利質量越好，營運能力越好，償債能力越強，成長髮展性越有潛力，發生財務危機的可能性就越小;反之，發生財務危機的可能性就越大，這與現實情況是吻合的。參照以往研究的經驗，取0.5作為區分財務正常組與財務困境組的標準，在Logistic模型計算結果中概率大於0.5的公司即被判為財務困境公司，有匯通公司、新中基、香梨、中葡。小於0.5即被判為財務正常公司，有國際實業、天山紡織、天山股份、中泰化學、天康生物、金風科技、國統股份、淮油股份、西部建設、新疆眾和、友好集團、中糧屯河、百花、八一鋼鐵、新疆城建、新賽股份、天富熱電、青松建化、天巨集、新農開發、天利高新、美克股份、廣匯股份、冠農股份、伊力特、啤酒花、特變電工、新疆天業、北新路橋。而實際中，新中基為正常公司，卻被判為財務困境公司，百花和天巨集均為ST公司卻被判為正常公司。根據以上實證分析，發現處於財務危機的匯通和中葡兩家上市公司都具有相同的財務特徵：償債能力、營運能力和成長能力方面都很好，但由於盈利能力很差致使這兩家公司被特別處理(ST)，應努力改善公司治理結構，降低企業管理成本，利用西部大開發機遇，提高其經營盈利能力;香梨在盈利能力、償債能力、營運能力相對較好，但成長髮展能力不夠，該公司應努力提高總資產增長率，主營業務收入增長率，努力研發新產品、引進資源，合理組織資源的優化配置。
(三)模型預測準確性分析 通過以上回歸分析，得到模型的輸出結果，進行統計分析評判結果如(表6)所示。可以得知Logistic模型對檢驗樣本分類情況看，對ST公司正確率不高，為60%，這和ST公司的財務指標異常有關，與出現了極大值或極小值有關。對於非ST公司的預測準確率很高，達到96.43%。總體上來說，Logistic模型對新疆上市公司預測的準確率高達87.88%。這說明本文給出的預警模型的效果較好，能夠比較準確地預測新疆上市公司的財務狀況，具有較強的可信度。該模型對於估計樣本組危機類公司的正確率較低，主要是由於危機類上市公司樣本數相對較少。但對於正常公司預測準確率較高，並且總體預測準確率較高。
四、結論
本文通過對新疆上市公司財務指標的因子分析和Logistic迴歸分析，構建了Logistic模型，該預警模型的效果較好，能夠比較準確地預測新疆上市公司的財務狀況，具有較強的可信度。可以用來評判公司的財務狀況，對於監管部門、投資者及銀行都有很重要的參考價值;在對上市公司財務報表進行分析時，應該重點找出導致公司財務危機的一些指標，如反映盈利能力、成長能力的一些財務指標。對於其他地區上市公司來說，可以依據此模型建立每年的財務危機預警模型，以便及時採取措施，對該年的財務狀況預測，及時發現異常，及時採取措施。對於非上市公司，可以通過該模型建立當年財務危機預警，以便及時跟蹤識別財務狀況，及時採取措施。
