金融危機下中國制造業上市公司財務預警研究

摘要:2007年4月2日美國第二大次級抵押貸款公司——新世紀金融公司向法院申請破產保護，美國次貸危機爆發，繼而引發了全球的金融危機。中國作為經濟全球化中越來越重要的一部分，也不可避免地受到了巨大的沖擊。金融危機使全球的消費和流動性嚴重不足，直接影響到了中國經濟的支柱產業——制造業，整個市場一片低迷。通過分析金融危機對中國制造業上市公司的影響，將采用在2009年首次被ST的中國制造業上市公司2007年和2008年的數據，來構建金融危機下中國制造業上市公司財務預警模型，以期為在金融危機下中國制造業上市公司財務預警提供有益的幫助。

關鍵詞:金融危機;制造業;財務預警;上市公司

中圖分類號:F830.91文獻標志碼:A文章編號:1673-291X(2010)12-0040-02

一、本文的樣本和指標選取

(1)同時期:與所選取的ST公司被ST發生在同一年，如果樣本同時在兩年或更長時間延續其ST的身份，則將其歸為第一年被ST的年度。(2)同規模:以ST公司被ST的前一個會計年度的資產總規模和資產規模相差不超過5%為標準，選取與之規模相匹配的非ST公司。

根據銳思(RESSET)金融研究數據庫資料顯示:在2009年首次被ST的A股制造業上市公司為14家。其中:*ST白貓，因未找到與之規模差異不大的財務正常的上市公司，于是將其剔除; *ST伊利，只找到與之規模相差14.19%的財務正常的上市公司，因為樣本數量較少，我們也考慮將其納入樣本，其余資產規模差異均在5%以內，從而有ST制造業上市公司13家，非ST制造業上市公司13家，共26家。

本文從償債能力、盈利能力、現金流量、財務結構、成長能力和營運能力六個方面選取上市公司基礎財務預警指標，共選取了34個預警指標，作為研究中使用的最原始變量。

二、實證研究

若用于構建預警模型的自變量過多，這樣不僅會提高預警成本，而且還可能帶來預警研究中噪音的增加，從而導致預警變量解釋能力的無謂下降，于是本文采用因子分析將變量進行綜合和濃縮。

對基礎預警指標進行預處理是非常必要的:第一，因所選取樣本容量足夠大，無須對基礎預警指標進行正態性檢驗，而采用相關性檢驗。由于因子分析的主要任務之一是對原有變量進行濃縮，即將原有變量中的信息重疊部分提取和綜合成因子，進而實現減少變量個數的目的。對此，它要求原有變量之間應存在較強的相關關系。我們將會采用相關性檢驗篩選出相關性較高的變量，使其適合進行因子分析。第二，采用因子分析中的主成分分析法對通過相關性檢驗的變量進行二次處理，從而篩選出最終用于構建預警模型的自變量。

在顯著性水平0.05下，如果某項財務比率連續通過2007年和2008年的相關性檢驗，則認定這些財務比率通過檢驗，最終選擇如下11個財務指標進入因子分析:營運資金/資產總額、利息保障倍數、資產負債率、銷售凈利率、銷售毛利率、資本收益率、凈資產收益率、留存收益/資產總額、每股收益、每股凈資產、主營業務收入增長率。

表1巴特利特球度檢驗和KMO檢驗

由表1可知，巴特利特球度檢驗統計量的觀測值為399.939，相應的概率P-值接近于0。同時，KMO值為0.794，根據Kaiser給出的KMO度量標準可知原有變量比較適合進行因子分析。

因子解釋原有變量總方差的情況(如表5所示)，我們可以得到每個主成分的方差，即特征根。

對因子載荷矩陣采用最大正交旋轉法實行旋轉，旋轉后的載荷矩陣(表4所示):

由表4可知，銷售凈利率、銷售毛利率、利息保障倍數在第1個因子上有較高的載荷，第1個因子主要解釋了這幾個變量，可解釋為盈利能力;資產負債率、營運資金/資產總額、留存收益/資產總額在第2個因子上有較高的載荷，第2個因子主要解釋了這幾個變量，可解釋為償債能力;資本收益率、凈資產收益率每股收益在第3個因子上有較高的載荷，第2個因子主要解釋了這幾個變量，可解釋為營運能力和盈利能力;主營業務收入增長率、每股凈資產第4個因子上有較高的載荷，可解釋為成長能力。最后采用回歸法估計因子得分系數，并輸出因子得分系數。

F1 = -0.095X1+0.506X2+0.112X3+0.467X4+0.438X5-0.25X6

-0.14X7+0.037X8+0.071X9-0.121X10-0.157X11

F2= 0.405X1+0.116X2-0.433X3-0.192X4-0.151X5-0.057X6

-0.054X7+0.196X8-0.079X9-0.32X10-.174X11

F3 = -0.076X1+-0.443X2-0.001X3+0.006X4+0.012X5-0.607X6

-0.477X7+0.006X8+0.2X9-0.333X10-0.051X11

F4 = -0.005X1-0.017X2+0.194X3-0.159X4-0.158X5-0.087X6

-0.023X7+0.011X8+0.058X9-0.603X10-0.728X11

以4個因子的方差貢獻率為權數，可得到金融危機下財務預警模型:Z=0.25598F1+0.25029F2+0.22365F3+0.13871F4

三、結論與不足

本文在進行模型檢驗時，由于無法取得檢驗樣本，只能進行回判，判別準確率較高。所采用的金融危機以后的數據，僅有2007年和2008年兩年，也只是選取了定量指標，沒有考慮定性指標因素的影響。

參考文獻:

[1]程濤，張鳴，張艷.企業財務預警研究前沿[M].北京:中國財政經濟出版社，2004.

[2]周首華.現代企業財務理論前沿專題[M].大連:東北財經大學出版社，2000.

[3]薛薇.統計分析與SPSS的應用[M].北京:中國人民大學出版社，2008.

[4]龔小君，王光華.中國財務預警研究的回顧與展望——20世紀90年代以來國內財務預警研究評析[J].重慶郵電大學學報，2005，

(2):186-188.

[5]周守華，楊濟華，王平.論財務危機的預警分析——F分數模式[J].會計研究，1996，(8):8-11.

[6]陳靜.上市公司財務惡化預測的實證分析[J].會計研究，1999，(4):31-38.[責任編輯 吳迪]