煤炭上市企業(yè)營(yíng)運(yùn)資金管理風(fēng)險(xiǎn)預(yù)警分析

周英 山西焦煤焦炭國(guó)際交易中心股份有限公司

一、樣本的選取

本文研究對(duì)象選取的是煤炭企業(yè)上市公司，為了保證研究的客觀和準(zhǔn)確，在對(duì)煤炭企業(yè)上市公司樣本選取時(shí)遵循以下原則：一是，由于A 股和B 股上市公司在編制財(cái)務(wù)報(bào)告時(shí)，選取不同的會(huì)計(jì)準(zhǔn)則，從而導(dǎo)致A股和B 股上市公司財(cái)務(wù)報(bào)表數(shù)據(jù)之間缺乏可比性，綜合分析之后只運(yùn)用A 股上市公司；二是，選取2015-2019 年持續(xù)經(jīng)營(yíng)的上市公司的財(cái)務(wù)數(shù)據(jù)，數(shù)據(jù)選取了較新，能夠滿足研究的需要。根據(jù)上述需要遵循的原則，在剔除掉不符合的樣本企業(yè)后，最終選取中國(guó)神華、上海能源等31 家企業(yè)作為研究樣本。

二、主成分分析

（一）主成分的確定

對(duì)于主成分的提取主要有以下兩種方法，一是提取所有特征值大于1 的成分作為主成分，二是依據(jù)累計(jì)貢獻(xiàn)率所達(dá)到的百分比進(jìn)行提取。通過(guò)綜合分析，本文研究選取特征值大于1 的成分作為主成分。根據(jù)表1所示，可以提取出4 個(gè)主成分且4 個(gè)主成分的方差累計(jì)貢獻(xiàn)率達(dá)到87.711%，由此可見(jiàn)，提取的4 個(gè)主成分足以能夠代替原來(lái)的變量，能夠包含原變量中大部分的財(cái)務(wù)信息。

（二）計(jì)算因子得分

在因子變量確定之后，計(jì)算各因子在具體樣本上的具體得分?jǐn)?shù)值。在計(jì)算出因子得分之后，對(duì)因子變量替換原有變量進(jìn)行數(shù)據(jù)分析，進(jìn)而實(shí)現(xiàn)降維和簡(jiǎn)化的目標(biāo)。各因子可以表示為原財(cái)務(wù)比率的線性表達(dá)式，因子得分矩陣如表2 所示：

（三）計(jì)算綜合得分

表1 總方差解釋表

表2 成分得分系數(shù)矩陣

表3 2015-2019 年煤炭上市企業(yè)營(yíng)運(yùn)資金管理綜合評(píng)價(jià)得分

表4 模型的擬合檢驗(yàn)

利用旋轉(zhuǎn)主成分變量系數(shù)矩陣，四個(gè)主成分的表達(dá)式為：

F1=0.147X1+0.257X2-0.024X3+0.048X4-0.040X5-0.009X6-0.133X7+0.037X8+0.156X9+0.089X10+0.536X11

F2=0.027X1-0.013X2+0.020X3+0.039X4+0.049X5+0.315X6-0.011X7+0.289X8-0.013X9+0.011X10-0.156X11

F3=-0.051X1-0.159X2+0.029X3+0.066X4+0.027X5+0.120X6-0.077X7+0.033X8-0.033X9+0.412X10-0.196X11

F4=0.328X1+0.023X2+0.081X3-0.053X4+ 0.038X5-0.260X6-0.232X7-0.129X8+0.017X9-0.025X10-0.057X11

對(duì)上述主成分的表達(dá)式進(jìn)行分析，得出指標(biāo)變量系數(shù)需要采用絕對(duì)值進(jìn)行表示，才能更全面的體現(xiàn)出代表的實(shí)際意義。

通過(guò)對(duì)四個(gè)主成分進(jìn)行經(jīng)濟(jì)解釋?zhuān)梢钥闯?，四個(gè)主成分從不同的方面反映了企業(yè)營(yíng)運(yùn)資金管理風(fēng)險(xiǎn)狀況，但是不能從整體上把握企業(yè)的營(yíng)運(yùn)資金管理風(fēng)險(xiǎn)，因此，研究以表3 中各主成分的貢獻(xiàn)率大小為權(quán)數(shù)，計(jì)算煤炭上市企業(yè)營(yíng)運(yùn)資金管理綜合得分水平，其表達(dá)式Y(jié) 為：

將附表標(biāo)準(zhǔn)化后的數(shù)據(jù)代入建立的營(yíng)運(yùn)資金管理綜合得分計(jì)算公式中，計(jì)算得出2015-2019 年煤炭上市企業(yè)營(yíng)運(yùn)資金管理綜合得分，如表3 所示：

從表3 可以看出，超過(guò)營(yíng)運(yùn)資金管理綜合平均得分的企業(yè)有15 家以及低于平均得分的企業(yè)有16 家。將綜合得分高于平均分的企業(yè)劃分為“穩(wěn)健性企業(yè)”，將綜合得分低于平均值的企業(yè)劃分為“高風(fēng)險(xiǎn)企業(yè)”。因此本文得到的煤炭上市公司營(yíng)運(yùn)資金管理風(fēng)險(xiǎn)預(yù)警模型所需要的15 家“穩(wěn)健性煤炭上市公司”和16 家“高風(fēng)險(xiǎn)煤炭上市公司”，從而完成了對(duì)樣本數(shù)據(jù)的劃分，得到了兩組研究樣本。

三、模型預(yù)警效果檢驗(yàn)

主要選取我國(guó)A 股股票市場(chǎng)中2015 年至2017 年預(yù)披露年報(bào)中顯示被“特別處理”（ST）公司（國(guó)投新集、神火股份、山煤國(guó)際），和非ST 公司（中國(guó)神華、兗州煤業(yè)、陽(yáng)泉煤業(yè)、盤(pán)江股份、上海能源、永泰能有）為研究對(duì)象。

三年的樣本數(shù)據(jù)進(jìn)行結(jié)束后，再對(duì)Logistic 回歸模型進(jìn)行擬合檢驗(yàn)，得到結(jié)果如表4：

分析模型的擬合檢驗(yàn)結(jié)果可知，2017年的負(fù)2 倍對(duì)數(shù)似然值和McFadden 最小，并且Cox 和Snell、Nagelkerke 的值最大，驗(yàn)證了在2015 年模型的預(yù)警具有很好的效果，在最靠近被ST 處理的年份時(shí)，公司的財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生的概率是最高的，與現(xiàn)實(shí)實(shí)際情況是符合的。

四、結(jié)論

本文通過(guò)對(duì)已有營(yíng)運(yùn)資金管理風(fēng)險(xiǎn)預(yù)警模型的分析，選取深滬兩市2015 至2019 年31 家煤炭企業(yè)A 股上市的企業(yè)為樣本，借助了SPSS19.0 軟件，運(yùn)用因子分析法，計(jì)算煤炭上市企業(yè)營(yíng)運(yùn)資金管理綜合得分；通過(guò)Logistic 回歸分析建立起營(yíng)運(yùn)資金管理風(fēng)險(xiǎn)預(yù)警模型，并且驗(yàn)證了模型的預(yù)警效果，得出以下結(jié)論：越靠近被預(yù)警處理最近的年份，模型越具有較高的預(yù)警效果。也在一個(gè)側(cè)面反映出煤炭企業(yè)上市公司的營(yíng)運(yùn)資金管理風(fēng)險(xiǎn)是一個(gè)持續(xù)積累的過(guò)程，越靠近被預(yù)警處理的時(shí)間，模型越具有較高的預(yù)警效果。