1. 引言
本文是任红之中国企业财务危机预警模型研究 [1] 的继续。中国企业财务危机预警模型(以下简称“任红模型”)是在借鉴美国爱德华·阿特曼的Z-score模型 [2] [3]，国内周首华 [4]、陈静 [5]、吴世农等 [6] 相关研究成果的基础上，于2020年初构建的。该模型经过多次检验，无论是针对在2015年~2019年被特别处理的样本公司，还是将样本扩大到所有上市企业，模型均显示出了80%以上的准确率，说明该模型有较高的可信性和有效性。而在刚刚过去的2020年，全世界经历了新冠疫情的严重打击，经济秩序遭受史无前例的冲击。在这样特殊的背景下，本文继续利用任红模型，对中国上市企业的财务健康状况进行讨论。
本文继续将被特别处理(ST)的公司作为具有财务危机的样本，利用其财务数据来核验模型的准确性。截至2021年5月，基于万得数据库，中国A股市场有4326家上市企业，其中，417家企业的财务数据缺乏任红模型必需的自变量数据。在将这一部分企业剔除之后，剩下3847家上市公司，本文将之作为样本公司来进行检验，样本中包含了202个ST企业和3645个非ST企业。
任红基于中国A股市场上2015~2019年ST和非ST企业相关财务数据，构建了基于logistic回归的企业财务危机预警模型，这是一个适用于中国、且准确率较高的财务危机预警模型。通过任红模型，只需要收集企业的营运资本/总资产、留存收益/总资产、总资产报酬率、每股净资产四个财务指标，就能预测企业的财务健康状况。
任红的中国企业财务危机预警模型的公式和判别规则，即ST概率为：
其中，
X1 = 营运资本/总资产
X2 = 留存收益/总资产
X3 = 总资产报酬率
X4 = 每股净资产
任红模型的判断原理为：当P值大于0.5时，该公司为ST企业，公司处于财务危机；若P值小于0.5，则为非ST企业，公司财务健康。
2020年新冠疫情席卷全球，给社会带来巨大风险隐患和多方面不确定性，在这种情况之下，本文再次核验任红模型的准确性：ST组由202个实际被宣布特别处理的企业组成，余下的3645家正常运转的企业作为非ST组。对于ST组，P值大于0.5，模型有效；在非ST组中，P值小于0.5，被认为模型有效。对于ST组，2020年四个季度模型的判别结果如表1所示。
Table 1. Modeling results vs. Special Treated Companies
表1. 任红模型判断ST与实际ST情况
根据2020年的财务数据，在202家ST企业中，第一季度到第四季度分别有175家、173家、165家、158家企业P值超过了0.5，被模型认定为具有财务危机。前三个季度模型的准确率均在80%以上，第四季度模型准确率为78.22%。
对于非ST组，测算结果如表2。可以看出，从第一季度到第四季度，模型比较准确地区分出了财务状况正常的企业，模型的准确度均在85%以上。
Table 2. Modeling results vs. Non-Special Treated Companies
表2. 任红模型判断非ST与实际非ST情况
通过对2020年四个季度的测算，可以看出，不管是对ST组还是非ST组，模型的准确性都较高且保持稳定，模型能够区分具有财务危机的企业与财务状况健康的企业。
2. 上市公司整体财务状况
2020年新冠肺炎疫情使中国经济陷入了衰退，这期间，企业面对着消费严重不足，复工复产速度慢，供应链断裂等难题，这些问题反映到企业财务上，突出表现为债务负担陡然增加，许多企业出现流动性困难等财务危机。而从第二季度开始，中国采取了一系列积极有效的疫情防控措施，经济稳定恢复，大部分企业的财务状况也逐渐从第一季度的重重阴霾中走出来。
本文继续使用K值来衡量企业财务风险的变动程度，定义如下：
其中，P1代表企业在某个时间点的P值，这是需要判断财务风险变动程度的时间点；而P0代表企业在另一个时间点的P值，这是对照的时间点。P值越大，意味着企业的财务风险越严重。当P1 > P0，此时K值大于100%，可以判断，企业的财务风险增大了；而当P1 < P0，K值小于100%时，企业的财务状况好转。
2020年1季度企业财务状况变动为了判断疫情对企业财务状况的冲击，我们使用2020年1季度数据和2019年度数据进行对比。2019年还没有受到新冠肺炎疫情影响，而2020年1季度是疫情刚刚开始，对经济影响最严重的时候。结果如表3。
Table 3. Companies under more financial distress 1Q 2020 vs. 4Q 2019
表3. 上市公司财务风险变动情况(2020年1季度相对于2019年4季度)
Figure 1. Companies under financial distress 1Q 2020 vs. 4Q 2019
图1. 上市公司财务风险变动情况图(2020年1季度相对于2019年4季度)
根据2020年第一季度P值和2019年年度P值所计算出来的K值，可以发现(图1)：
· 在3847家A股市场上市企业中，只有12.14%企业的K值小于100%，这部分企业财务状况和2019年相比没有变得更差；
· 余下的87.86%企业的P值都增加了，这反映出A股市场上，绝大部分上市企业的财务状况相比于2019年底都明显恶化。
· 在财务风险增大的企业中，有1884家企业P值是2019年年底的1倍多，占比48.97%；
· 有1056家企业财务风险是2019年底的2-5倍，所占比率为27.45%；
· 更有440家企业，其面临的财务风险至少是2019年底的五倍，占比11.44%。
为了更好地理解新冠肺炎疫情对企业财务状况的影响，我们选取2019年A股市场上数据完整的3590家上市企业，按照同样的方法，计算出他们在2019年第四季度和2019年第一季度的P值以及K值，结果显示：
相比2019年第一季度，2019年第四季度只有16.7%的企业财务风险呈现出增大的趋势，另外83.3%的企业财务状况都比较稳定。由此可以看出，2020年第一季度新冠肺炎疫情的爆发，的确给上市企业带来了严重的影响，大部分企业的财务状况都明显恶化了。
2020年4季度企业财务状况变动在第一季度疫情猝不及防爆发之后，中国采取了一系列积极有效的防控措施，经济状况也开始了逐渐复苏、好转。为了观察企业财务状况的变化，我们对2020年第四季度和2020年第一季度的数据做一比较，结果如表4所示。
Table 4. Companies under financial distress 4Q 2020 vs. 1Q 2020
表4. 上市公司财务风险变动情况(2020年4季度相对于2020年1季度)
可以看出，在2020年底，中国有83.39%的上市公司K值小于1，企业的财务状况相比2020年第一季度好转了；只有16.58%的上市公司，企业的财务状况是在进一步恶化。这部分企业财务状况继续恶化的原因，值得公司自己及监管机构予以关注。
3. 新冠疫情对各行业财务状况的影响
3.1. 各一级行业企业的财务状况
按照GICS标准，万得数据库将上市公司分为11个大行业，分别是电信服务、金融、医疗保健、房地产、信息技术、工业、材料、能源、公用事业、日常消费和可选消费行业。我们首先对各个行业的企业和ST企业数量进行统计，并计算出各行业发生ST事件的概率，再将各个行业ST的概率排序，如图2。
Figure 2. Account of Special Treated companies across industry sectors
图2. WIND一级行业各行业ST情况
各个行业具体的ST企业数量和占比情况如表5。
Table 5. Account of ST companies across GICS industry sectors (2020)
表5. 中国一级行业ST情况统计(2020年)
数据来源：WIND数据库。
在一级行业中，可选消费、日常消费和公用事业是发生ST几率最高的三个行业。公用事业行业共有115家企业，8家企业发生了ST，所占比率为6.96%；日常消费212家企业中，有15家被特别处理，占比7.08%；可选消费行业，ST事件占比最高，达到了7.43%，606家企业中有45家被ST。2020年新冠疫情的爆发，对各行业造成的冲击由此可见。
3.2. 二级行业企业的财务健康状况
Wind共有24个二级行业，本文选取的样本数据共涉及到其中22个行业。我们对各个二级行业发生ST的情况进行统计，并按照财务危机发生概率从低到高的顺序进行排列，结果如表6。
Table 6. Account of ST companies across industry sub-sectors (2020)
表6. WIND二级行业财务风险情况(2020年)
数据来源：WIND数据库。
从表6可以看到，家庭与个人用品行业、电信服务两个行业在2020年都没有出现被特别处理的企业，发生财务危机的概率最低。显然，这是行业属性决定的，家庭与个人用品是居民必不可少的消费，消费需求变化小，不管发生什么情况，该行业都能正常运营。而对电信服务行业来说，疫情期间在线办公、在线教育等线上活动的增加，反而给行业带来了新的机遇，促进了行业的发展与进步。
从表6还能够发现，ST发生率最高的五个二级行业是：耐用消费品与服装，零售业，食品、饮料与烟草，公用事业，能源。其中，零售业、耐用消费品与服装都归属于可选消费行业。
3.3. 可选消费行业企业的财务危机
消费类行业可分为可选消费和日常消费两大板块。可选消费对于消费者来说，属于日常生活中可选择弹性较大的消费品，且居民对可选消费产品的需求，容易随着经济或者行业的周期波动而波动。由于疫情给经济秩序带来了巨大冲击，居民的收入水平在一定程度上受到影响，在这样的情况下，人们可能选择中止消费，或者将有关消费延后。
新型冠状病毒肺炎疫情的爆发和迅速蔓延，对可选消费行业供需两端都带来了巨大的影响。疫情开始在春节假期这一重要时间节点，而这一时点，本是零售业、旅游业等发展的重要时期，却因为疫情销售情况一落千丈，甚至出现了营业停滞的状况。各级政府严格控制人员聚集，居民出于健康考虑不愿出门，这些因素都对消费需求起到了抑制作用。而在供给端，相关企业停工停产，假期过后工人无法按时复工，企业的生产经营计划被严重打乱，面对着不能按时交货、供应链和资金链断裂等压力。因此，新冠疫情对可选消费行业冲击最大。从表6可见，归属于可选消费行业的零售业、耐用消费品与服装行业，有29家企业被特别处理，占全部ST企业的比例超过1/5，是实实在在受新冠疫情影响最大的细分行业。
4. 2021年上市企业财务状况预测
根据最新公布的2021年1季报，我们选取A股市场上数据完整的4192家企业，利用任红模型，对2021年可能发生财务危机的上市企业进行预测，结果如表7。
Table 7. Forecasting of ST companies in 2021
表7. 2021年企业财务状况预测
根据测算，在4192家企业中，有671家企业的P值大于0.5，被认为处于财务危机状态，极有可能会被特别处理；而其他3521家企业，P值不超过0.5，属于经营正常、财务健康。
我们再对P值超过0.5的企业所处的一级行业进行统计，结果如图3，发现：工业、可选消费和信息技术行业P值超过0.5的企业最多，这些企业发生财务危机的信号很强。而根据实际情况，在所分析的样本企业中，目前仅有212家企业处于实际ST的状态。这说明，还有相当一部分企业财务状况已经比较危险，处于即将被特别处理的边缘。对于这些企业，应该尽快采取适当的措施，避免危机的发生。
Figure 3. Company accounts with financial distress alarming across industry sectors in 2021 (P > 0.5)
图3. 2021年财务危机预警企业(P值超0.5)的行业分布
5. 结语
我们运用任红在2020年初构建的中国企业财务危机预警模型，利用2020年年报与2021年一季报数据，对中国上市企业的财务健康状况做了全景式的透视。基本结论如下：
· 根据2020年上市企业的财务数据，运用任红模型来区分财务状况正常的企业和有财务风险的企业，发现模型能够以80%以上的准确率辨识ST企业和非ST企业，任红模型的准确率再次得到了验证。这再次证明，任红建立的基于logistic回归的中国企业财务危机预警模型，具有较高的准确度和适用性。
· 通过模型计算发现，新冠肺炎疫情对我国企业财务风险的影响是非常显著的：在疫情爆发的2020年第一季度，统计样本中87%企业的财务风险较疫情前增大了；在疫情得到控制，经济逐渐恢复之后，企业的财务风险也呈现出减小的趋势；但是，企业要完全恢复，仍然需要较长一段时间。
· 在百年一遇的疫情冲击之下，各行业企业所受的影响差别较大。其中，可选消费行业受疫情影响发生财务危机的概率最大，而电信服务、日常消费等行业，受疫情影响发生财务危机的概率最小。其他行业则由于信息化程度、产业属性等原因，均受到不同程度的冲击。
· 通过企业财务危机预警系统，一方面可以及早发现企业面临的财务风险，从而优化企业的管理，为微观主体的企业决策提供支持；另一方面，政府监管机构及宏观经济决策部门，也可以利用系统提供的企业财务危机预警信息与信号，发现经济运行潜在的问题，制定或调整相关的经济政策，从而助力实现宏观经济的稳定运行。
基金项目
本研究获得中国科技部2018YFB0204304项目支持。