北京物資學(xué)院 秦惠林

企業(yè)財務(wù)預(yù)警模型實(shí)證研究①

北京物資學(xué)院 秦惠林

本文利用多元統(tǒng)計分析的方法對企業(yè)財務(wù)預(yù)警模型的建立進(jìn)行了分析研究。從上市公司年報數(shù)據(jù)中選取適合的財務(wù)指標(biāo)，以60家上市公司的財務(wù)數(shù)據(jù)為樣本，通過計算分析，建立基于因子分析和判別分析的財務(wù)預(yù)警模型，并依據(jù)模型進(jìn)行了實(shí)證分析。

財務(wù)預(yù)警 因子分析 判別分析

1 問題的提出

在我國市場經(jīng)濟(jì)體制逐步深化的過程中，隨著資本市場的快速發(fā)展，上市公司雖然獲得了更廣泛的資本運(yùn)作市場，但是也面臨更多的潛在危機(jī)，企業(yè)發(fā)生財務(wù)危機(jī)甚至破產(chǎn)的情況時有出現(xiàn)。通過實(shí)際企業(yè)的情況可以看出，企業(yè)的財務(wù)危機(jī)是一個漸進(jìn)過程，其發(fā)生不但有先兆，而且可預(yù)測。

財務(wù)預(yù)警就是以企業(yè)的財務(wù)報表、經(jīng)營計劃、相關(guān)經(jīng)營資料及其他外部資料為依據(jù)、依托建立的組織體系，采用分析方法，將企業(yè)所面臨的經(jīng)營波動情況和危險情況預(yù)先告知企業(yè)經(jīng)營者和其他相關(guān)利益關(guān)系人，并分析企業(yè)發(fā)生財務(wù)危機(jī)的原因及企業(yè)本身財務(wù)運(yùn)營中存在的問題。使公司的經(jīng)營者及早采取相應(yīng)措施，改善公司的經(jīng)營及財務(wù)狀況，避免或減少投資者投資損失。同時，對國家證券監(jiān)管部門監(jiān)控上市公司質(zhì)量和減少證券市場風(fēng)險也有著重要的現(xiàn)實(shí)意義。

建立企業(yè)財務(wù)預(yù)警模型可以用來識別企業(yè)財務(wù)狀況。其研究方法是：確定一組已陷入財務(wù)困境的企業(yè)作為分析對象；其次依據(jù)一定的標(biāo)準(zhǔn)確定一組尚未陷入財務(wù)困境的企業(yè)作為對比樣本；再對兩組樣本的數(shù)據(jù)資料采用統(tǒng)計方法進(jìn)行分析，進(jìn)而揭示相關(guān)財務(wù)比率在兩組樣本中存在的顯著性差異；運(yùn)用具有顯著差異的財務(wù)指標(biāo)和財務(wù)比率，構(gòu)建企業(yè)財務(wù)危機(jī)預(yù)警模型。

2 選擇分析樣本和指標(biāo)

目前，我國有上千家上市公司，年度報表中反映公司業(yè)績狀況的數(shù)據(jù)成千上萬，對所有數(shù)據(jù)進(jìn)行分析是不可能的，也是沒有必要的，怎樣在眾多原始數(shù)據(jù)上進(jìn)行抽樣，得到能反映真實(shí)情況的數(shù)據(jù)樣本非常關(guān)鍵。

2.1 選擇分析樣本

本文將所選取的樣本分為兩組，一組是財務(wù)困境組，另一組為財務(wù)正常組。在困境組中選取2006～2009年被特別處理(ST)的20家上市公司作為分析對象，在正常組中按照同行業(yè)、同時點(diǎn)、相似規(guī)模的原則選取40家上市公司作為對比分析對象。財務(wù)數(shù)據(jù)取自上市公司的財務(wù)年度報表。

2.2 選擇分析指標(biāo)

在國內(nèi)外相關(guān)研究中提出的財務(wù)預(yù)警模型不盡相同，評價的重點(diǎn)各異，但總體來說，各模型基本上都涵蓋了反映企業(yè)盈利能力、償債能力、運(yùn)營能力和成長能力等幾個方面的財務(wù)指標(biāo)。因此，本文中共采用了17個指標(biāo)(可根據(jù)具體情況而增減)以反映上市公司財務(wù)報表的整體情況。17個指標(biāo)分別是：(1)每股收益(2)銷售凈利率(3)凈資產(chǎn)收益率(4)應(yīng)收賬款周轉(zhuǎn)率(5)存貨周轉(zhuǎn)率(6)股東權(quán)益周轉(zhuǎn)率(7)總資產(chǎn)周轉(zhuǎn)率(8)流動比率(9)速動比率(10)利息保障倍數(shù)(11)資產(chǎn)負(fù)債比率(12)股東權(quán)益比率(13)營業(yè)利潤增長率(14)凈資產(chǎn)增長率(15)總資產(chǎn)增長率(16)總資產(chǎn)收益率(17)現(xiàn)金比率。

3 多元統(tǒng)計分析方法簡介

多元統(tǒng)計分析(multivariate statistical analysis)是研究多個隨機(jī)變量之間的相互依賴關(guān)系以及內(nèi)在統(tǒng)計規(guī)律性的一門統(tǒng)計學(xué)科，是現(xiàn)代統(tǒng)計學(xué)應(yīng)用十分活躍的一個分支。常用多元統(tǒng)計方法主要有：多元數(shù)據(jù)圖表示法、主成分分析、因子分析、聚類分析、判別分析、對應(yīng)分析、多元回歸分析、典型相關(guān)分析等。本文中應(yīng)用因子分析和判別分析。

3.1 因子分析

因子分析是將具有錯綜復(fù)雜關(guān)系的變量(或樣品)綜合為數(shù)量較少的幾個因子，以再現(xiàn)原始變量與因子之間的相互關(guān)系，同時根據(jù)不同因子還可以對變量進(jìn)行分類。它的基本思想是在數(shù)據(jù)信息丟失最少的原則下通過降維，把多項指標(biāo)轉(zhuǎn)化為少數(shù)幾個綜合指標(biāo)的多元統(tǒng)計方法。此方法包括兩個步驟，首先利用主成分法將高維空間進(jìn)行降維處理，經(jīng)過線形變換和舍棄小部分信息，以少數(shù)主成分取代原始采用的多維變量。而后，再對這幾個主成分進(jìn)行旋轉(zhuǎn)，獲得經(jīng)濟(jì)上可解釋的綜合因子。

因子分析的目的不僅是求出公因子，更主要的是知道每個公因子的實(shí)際意義。因子旋轉(zhuǎn)的目的是因子載荷陣結(jié)構(gòu)簡化，便于對公共因子進(jìn)行解釋。在本文建立的模型中，采用的17個基本指標(biāo)，最后歸結(jié)為6個公共因子，這6個公共因子都經(jīng)過了因子旋轉(zhuǎn)，這里選用的是方差最大正交旋轉(zhuǎn)。

3.2 判別分析

判別分析方法的核心就是根據(jù)距離的遠(yuǎn)近來判斷樣品的歸屬，通常形成一個線性判定函數(shù)式，據(jù)此判斷待判企業(yè)的歸屬。一般要求數(shù)據(jù)服從正態(tài)分布和兩組總體間協(xié)方差矩陣相等。在應(yīng)用中，給各綜合指標(biāo)賦予一定的權(quán)值再進(jìn)行綜合分析，形成一個判別式，根據(jù)財務(wù)正常企業(yè)和財務(wù)困境企業(yè)各自得分情況形成判定區(qū)間，計算出待判企業(yè)的得分，據(jù)此加以判斷。

4 實(shí)證分析

本文應(yīng)用多元統(tǒng)計的方法，對選取的樣本數(shù)據(jù)進(jìn)行初步分析，使用SPSS13.0 for Windows軟件計算樣本數(shù)據(jù)的財務(wù)指標(biāo)值，利用因子分析法從關(guān)系錯綜復(fù)雜的指標(biāo)中綜合出數(shù)量較少的因子，再依據(jù)因子得分建立判別模型，得到上市公司的預(yù)警信號。計算結(jié)果見表1～4。

表1是KMO和球形Bartlett檢驗的結(jié)果。KMO是用于比較觀測相關(guān)系數(shù)值與偏相關(guān)系數(shù)值的一個指標(biāo)，其值越接近1，表明對這些變量進(jìn)行因子分析的效果越好。球形Bartlett檢驗是判斷相關(guān)矩陣是否是單位陣。當(dāng)KMO統(tǒng)計量的值在0.5以下時，不適合應(yīng)用因子分析法。由球形Bartlett檢驗(Sig=0.000)可以看出，應(yīng)拒絕各變量獨(dú)立的原假設(shè)，即這組變量之間具有較強(qiáng)的相關(guān)性。而本分析KMO統(tǒng)計量的值為0.761，大于0.5，說明選擇的樣本數(shù)據(jù)適合進(jìn)行因子分析。

表2描述了17個分析指標(biāo)的全部方差解釋，從這些指標(biāo)中最終提取出了6個綜合因子(表2只保留了前6個成分的相關(guān)信息)。從表2可以看出，前6個成分的特征值均大于1，其累計貢獻(xiàn)率為83.269%；即使用6個公因子可以描述樣本協(xié)差陣83.269%的信息。該計算結(jié)果符合確定主因子數(shù)目的要求，即在大幅度減少分析指標(biāo)個數(shù)的前提下，信息的損失量比較小，能夠利用較少的因子對數(shù)據(jù)進(jìn)行比較全面的分析。

利用6個綜合因子建立判別模型，為樣本企業(yè)在財務(wù)危機(jī)發(fā)生(被特別處理)前1年建立的標(biāo)準(zhǔn)化線性判別函數(shù)為：

Y=0.024F1+0.814F2+0.079F3+0.795F4+0.518F5+0.093F6

其中，F(xiàn)1～F6為財務(wù)指標(biāo)的6個綜合因子得分。

該模型的Wilks' Lambda檢驗結(jié)果見表3，其原假設(shè)是判別函數(shù)不顯著。由Sig=0.000結(jié)果表明，該判別函數(shù)在兩組樣本(正常組合困境組)之間的判別顯著(顯著性水平取0.05)。特征值檢驗見表4，其結(jié)果體現(xiàn)判別函數(shù)的判別能力。由典型變量的相關(guān)系數(shù)為0.794可知，該判別函數(shù)中自變量與因變量的相關(guān)性較強(qiáng)。

表3 Wilks' Lambda檢驗

表4 特征值檢驗

將財務(wù)困境組和財務(wù)正常組的樣本數(shù)據(jù)代入模型中計算，根據(jù)函數(shù)值確定其歸屬。經(jīng)實(shí)證檢驗，該模型對選定樣本的總體判別準(zhǔn)確率為88.33%，其中，對于財務(wù)正常組判別準(zhǔn)確率為90%，對于財務(wù)困境組判別準(zhǔn)確率為85%，依據(jù)模型判別結(jié)果比較理想。

5 結(jié)語

本文所選擇的17項指標(biāo)均為公認(rèn)比較重要的財務(wù)指標(biāo)，經(jīng)過分析發(fā)現(xiàn)，這些指標(biāo)之間的相關(guān)性比較強(qiáng)，這就為因子分析提供了可能。在因子分析的基礎(chǔ)上建立判別模型，從判別結(jié)果可知模型對于選定樣本的判別效果比較理想。本文的不足是僅針對發(fā)生財務(wù)危機(jī)企業(yè)的前1年數(shù)據(jù)進(jìn)行了分析，未對這些企業(yè)在危機(jī)發(fā)生前2年、前3年的情況進(jìn)行判別和比較；另外，本文所選取的樣本量偏少,為得到判別效果更為理想的預(yù)警模型，建議選擇判別能力強(qiáng)的指標(biāo)以及選定更多的樣本。

[1] 吳世農(nóng).中國股票市場風(fēng)險研究[M].中國人民大學(xué)出版社,2003.

[2] 張昕.基于判別分析和神經(jīng)網(wǎng)絡(luò)技術(shù)的上市公司財務(wù)困境預(yù)警實(shí)證分析[D].湖南大學(xué)碩士學(xué)位論文,2001.

[3] 高惠璇編著.應(yīng)用多元統(tǒng)計分析[M].北京大學(xué)出版社,2005,1.

[4] 邵希娟,曾海花.我國上市公司財務(wù)困境的預(yù)警模型研究[J].經(jīng)濟(jì)管理,2009,(9).

[5] 劉晶,潘逸天等.基于多元判別分析的財務(wù)預(yù)警系統(tǒng)[J].中國管理信息化,2010,(2).

F715

A

1005-5800(2010)11(b)-091-02

資助項目(PHR201008230)。

秦惠林(1970-)，女，北京人，北京物資學(xué)院教師，副教授，碩士，主要從事計算機(jī)應(yīng)用技術(shù)研究。