馬甜甜　陳駿蘭　趙云云

摘 要：本文以樂視網(wǎng)為研究對(duì)象，運(yùn)用因子分析模型，運(yùn)用SPSS軟件構(gòu)建出具體的財(cái)務(wù)分析模型，對(duì)樂視網(wǎng)的財(cái)務(wù)情況進(jìn)行綜合評(píng)價(jià)。在此基礎(chǔ)上從財(cái)務(wù)分析角度剖析其陷入發(fā)展困境的原因，并為樂視未來的可持續(xù)發(fā)展提出建議。

關(guān)鍵詞：因子分析；財(cái)務(wù)分析模型；樂視網(wǎng)；綜合評(píng)價(jià)；建議

一、因子分析法的原理

因子分析法是在保證原始信息丟失度較少的情況下，利用降低維數(shù)的方法，通過內(nèi)在隱形因子的聯(lián)系將多個(gè)復(fù)雜因子分類為少量幾個(gè)具有共同性質(zhì)的公共因子，并用這少量幾個(gè)公因子來代替原始數(shù)據(jù)中的多個(gè)指標(biāo)。通過對(duì)少數(shù)幾個(gè)公共因子建立數(shù)學(xué)模型，從而大大簡(jiǎn)化數(shù)據(jù)分析過程。其數(shù)學(xué)模型用矩陣形式表示如下：

X=AF+a （1）

其中，（i=1，2…n）表示標(biāo)準(zhǔn)化后的原始變量，A表示因子載荷矩陣，F(xiàn)表示提取出的因子變量，（i=1，2…n）表示因子載荷系數(shù)， （i=1，2…n）表示特殊因子。

二、因子分析的步驟

首先，對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，因?yàn)樵紨?shù)據(jù)的計(jì)量單位、屬性之間的差異性較大，直接進(jìn)行處理可能會(huì)使結(jié)果不準(zhǔn)確。

其次，確認(rèn)待分析的原始變量是否適合做因子分析，只有指標(biāo)變量之間的相關(guān)性較強(qiáng)時(shí)，才表明適合將指標(biāo)進(jìn)行因子分類，檢驗(yàn)的方法有很多，比較常用的是KMO檢驗(yàn)和Barlett球度檢驗(yàn)。

通過檢驗(yàn)則可構(gòu)建因子變量，用SPSS運(yùn)行得出主因子的特征值和貢獻(xiàn)率以及累計(jì)貢獻(xiàn)率，并可以用碎石圖來輔助確定主因子個(gè)數(shù)；當(dāng)主因子在各原始指標(biāo)的因子載荷系數(shù)差異不大時(shí)，可將因子進(jìn)行旋轉(zhuǎn)，使主因子在各指標(biāo)的載荷區(qū)別更加明顯，可解釋性更強(qiáng)。

最后，根據(jù)因子得分模型=++…+（2）計(jì)算出各公司各主因子得分，再根據(jù)模型=（3）（其中表示第i個(gè)公因子旋轉(zhuǎn)后的方差貢獻(xiàn)率，表示所有提取出來的所有公因子變量旋轉(zhuǎn)后的累計(jì)方差貢獻(xiàn)率），計(jì)算出每個(gè)公司最后的綜合因子得分。

三、財(cái)務(wù)分析模型的構(gòu)建

1.樣本的選取

本文根據(jù)中商產(chǎn)業(yè)研究院公布的2016年A股上市且市值排名前12的互聯(lián)網(wǎng)信息技術(shù)企業(yè)名單，選取其2016年年末數(shù)據(jù)與樂視網(wǎng)進(jìn)行橫向比較，分析樂視網(wǎng)與發(fā)展態(tài)勢(shì)良好、經(jīng)營(yíng)績(jī)效優(yōu)良的公司之間的差距。數(shù)據(jù)均來源于各公司年報(bào)和國(guó)泰安數(shù)據(jù)庫。

2.財(cái)務(wù)指標(biāo)的選取

（1）指標(biāo)選取原則。其一，全面性原則。財(cái)務(wù)指標(biāo)的選取應(yīng)當(dāng)涵蓋企業(yè)財(cái)務(wù)狀況綜合評(píng)價(jià)的各個(gè)主要方面，是對(duì)企業(yè)整體情況的全面性反映。其二，可比性原則。選取的財(cái)務(wù)指標(biāo)在各個(gè)公司的計(jì)算方法與口徑應(yīng)當(dāng)一致，這樣才能保證選取的指標(biāo)在不同公司之間具有可比性。其三，可獲取性原則。由于難以獲取具體數(shù)值的財(cái)務(wù)指標(biāo)，無法準(zhǔn)確對(duì)其進(jìn)行定量分析，所以財(cái)務(wù)指標(biāo)也應(yīng)當(dāng)滿足可獲取性條件。

（2）具體財(cái)務(wù)指標(biāo)。本文根據(jù)傳統(tǒng)財(cái)務(wù)理論，選取了能夠代表企業(yè)整體財(cái)務(wù)狀況的八個(gè)財(cái)務(wù)指標(biāo)，分別為：銷售凈利率（X1），營(yíng)業(yè)利潤(rùn)率（X2），流動(dòng)比率（X3），速動(dòng)比率（X4），營(yíng)業(yè)利潤(rùn)增長(zhǎng)率（X5），利潤(rùn)總額增長(zhǎng)率（X6），流動(dòng)資產(chǎn)周轉(zhuǎn)率（X7），總資產(chǎn)周轉(zhuǎn)率（X8）。

3.具體模型的構(gòu)建

（1）數(shù)據(jù)的標(biāo)準(zhǔn)化處理。由于各個(gè)指標(biāo)的計(jì)量單位不同，且各個(gè)指標(biāo)在不同公司之間的差異也較大，所以需要對(duì)指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。對(duì)于效益型指標(biāo)，可以采用以下公式進(jìn)行標(biāo)準(zhǔn)化處理：X=（min）/（maxmin）；對(duì)于成本型指標(biāo)，可以采用以下公式進(jìn)行標(biāo)準(zhǔn)化處理：=（max）/（maxmin）；表示第i個(gè)互聯(lián)網(wǎng)公司的第j個(gè)財(cái)務(wù)指標(biāo)，X表示標(biāo)準(zhǔn)化之后的變量數(shù)據(jù)，表示第j個(gè)指標(biāo)。

（2）KMO檢驗(yàn)和Barlett球度檢驗(yàn)。由運(yùn)行結(jié)果可知，KMO值為0.605>0.5，Bartlett的球形度檢驗(yàn)近似卡方為150.852，df值為28，顯著性為0.000，適合做因子分析。

（3）提取共同因子（見表1）。

表1顯示了各因子特征值和方差貢獻(xiàn)率，可以看出，單個(gè)因子1、單個(gè)因子2、單個(gè)因子3的方差貢獻(xiàn)率分別為為33.925%、32.203%、27.078%，三個(gè)因子的累計(jì)方差貢獻(xiàn)率93.205%，其余因子的方差貢獻(xiàn)率非常小，說明提取的三個(gè)公因子能夠說明93.205%的原始信息，原始信息丟失度非常小，再一次證明了提取的因子是合理的。

（4）共同因子命名。由于在初始因子矩陣中，各主因子在各指標(biāo)上的載荷比重分布不明顯，因此將原始因子矩陣進(jìn)行了旋轉(zhuǎn)。在旋轉(zhuǎn)后的因子矩陣中，因子1在銷售凈利率、營(yíng)業(yè)利潤(rùn)率、流動(dòng)比率、速動(dòng)比率、營(yíng)業(yè)利潤(rùn)增長(zhǎng)率、利潤(rùn)總額增長(zhǎng)率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率上的載荷分別為0.871、0.839、0.013、0.011、0.244、0.225、0.706、0.802，可以看出，因子1在銷售凈利率、營(yíng)業(yè)利潤(rùn)率、流動(dòng)資產(chǎn)周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率上的載荷較高，前兩個(gè)指標(biāo)與因子1是正相關(guān)關(guān)系，后兩個(gè)指標(biāo)與因子1是負(fù)相關(guān)關(guān)系，因此可將因子1解釋為盈利能力因子（F1）。

同樣，因子2在8個(gè)財(cái)務(wù)指標(biāo)上的載荷分別為0.237、0.152、0.976、0.969、0.060、0.078、0.620、0.460，可以看出，因子2在流動(dòng)比率、速動(dòng)比率上的載荷都大于0.95，而流動(dòng)比率、速動(dòng)比率是反映企業(yè)用流動(dòng)資產(chǎn)償還流動(dòng)負(fù)債的能力的重要指標(biāo)，因此可將因子2命名為償債能力因子（F2）。

因子3在各個(gè)指標(biāo)上的載荷依次為0.353、0.393、0.059、0.061、0.954、0.968、0.076、0.167，顯然，因子3在營(yíng)業(yè)利潤(rùn)增長(zhǎng)率、利潤(rùn)總額增長(zhǎng)率上擁有較高的載荷，而營(yíng)業(yè)利潤(rùn)增長(zhǎng)率、利潤(rùn)總額增長(zhǎng)率反映了企業(yè)報(bào)告期的盈利水平相對(duì)于基期財(cái)務(wù)水平的增長(zhǎng)幅度，能夠看出企業(yè)是處于上升還是下降的發(fā)展趨勢(shì)，因此可將因子3解釋為發(fā)展能力因子（F3）。

（5）計(jì)算各公司因子得分和綜合排序。根據(jù)原始數(shù)據(jù)，結(jié)合因子評(píng)分系數(shù)矩陣和模型（2）可以計(jì)算出各公司F1、F2、F3的各因子得分，再結(jié)合模型（3）就可以計(jì)算出各公司的綜合得分，結(jié)果如表2所示。

四、模型結(jié)果分析

（1）從因子F1來看，樂視網(wǎng)在12家互聯(lián)網(wǎng)企業(yè)中排名第11，說明在2016年其盈利能力比較落后；從因子F2來看，樂視網(wǎng)排名第8，也是屬于中等以下水平，說明其償債能力也很薄弱；從因子F3來看，樂視網(wǎng)排名第12，說明其發(fā)展能力是12個(gè)互聯(lián)網(wǎng)企業(yè)中最差的。

（2）從綜合因子得分及排名中可以看出，樂視網(wǎng)為最后一名，說明其整體水平堪憂，公司面臨巨大財(cái)務(wù)危機(jī)。

五、對(duì)策建議

筆者認(rèn)為，樂視網(wǎng)可以通過改善公司的盈利模式來提高其盈利能力，多專注于盈利能力強(qiáng)的模塊加強(qiáng)投資與發(fā)展，而不是盲目擴(kuò)張。同時(shí)要加各種成本費(fèi)用的控制，謹(jǐn)慎每一筆支出。除此之外，因子分析結(jié)果也揭示出樂視網(wǎng)的發(fā)展能力在同行業(yè)中較差，所以樂視網(wǎng)應(yīng)該對(duì)企業(yè)自身年度之間的財(cái)務(wù)狀況做深入的縱向比較，來發(fā)現(xiàn)滯后的限制因素，從而有針對(duì)性地改善其財(cái)務(wù)狀況。

從綜合因子得分排名可以看出，樂視網(wǎng)整體狀況較差，公司面臨較大的財(cái)務(wù)風(fēng)險(xiǎn)，這也顯示出樂視網(wǎng)內(nèi)部風(fēng)險(xiǎn)控制制度不足，公司應(yīng)該建立完善的償債能力預(yù)警機(jī)制，防止過度負(fù)債，無法償還。企業(yè)應(yīng)當(dāng)有一套完整的風(fēng)險(xiǎn)評(píng)估、風(fēng)險(xiǎn)控制制度，建立全面財(cái)務(wù)風(fēng)險(xiǎn)監(jiān)管流程，并合理分配人員職責(zé)。

六、研究的局限性與不足

首先，因子分析本身存在一定的局限性，雖然減少了主觀賦權(quán)的不準(zhǔn)確性，但是由于因子分析中的特殊因子沒有被計(jì)算進(jìn)去，所以仍然存在一定程度的結(jié)果偏差。

其次，各公司的財(cái)務(wù)狀況是不斷變化的動(dòng)態(tài)過程，而本文只研究了各互聯(lián)網(wǎng)公司2016年的財(cái)務(wù)狀況，缺少普適性，需要與各公司自身不同年度之間的發(fā)展?fàn)顩r相結(jié)合，才能發(fā)揮更大的價(jià)值。

參考文獻(xiàn)

1.康月，韓麗.基于因子分析法的互聯(lián)網(wǎng)企業(yè)財(cái)務(wù)綜合評(píng)價(jià).商場(chǎng)現(xiàn)代化，2017（17）.

2.萬鐘嶺.基于因子分析法的鞍鋼股份財(cái)務(wù)分析.黑龍江八一農(nóng)墾大學(xué)，2017.

3.崔海輪.互聯(lián)網(wǎng)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)分析與防范.金融經(jīng)濟(jì)，2017（04）.（責(zé)任編輯：王文龍）