中小企業風險管理預警體系研究——以房地產上市公司為例

喬云飛 徐繼開

（中北大學經濟與管理學院，山西 太原 030051）

一、引言

二、中小企業上市公司財務風險預警實證研究——以房地產為例

中小企業上市公司憑借自身實力更是在整個行業發展中占有舉足輕重的作用，對整個國民經濟的發展也具有重大影響。由于企業危機的影響企業之間的競爭日益激烈，資金來源比較單一，市場風險不斷增大，使得企業陷入困境、甚至宣告破產的案例比比皆是[1]。在企業面臨的眾多風險中，財務風險面臨著很大的不確定性，且對企業影響更為嚴重，研究上市公司的財務風險，是本論文研究的目的。

美國學者威廉·比弗（William Beaver）于1966年在美國《會計評論》上提出了相對成熟的一元判別模型，創造了危機預警模型的雛形[2]。為了彌補單變量判定模型帶來的缺陷，Altman(1968年)首次用多個線性分析方法，建立了著名的Z分模型[3]。國內財務風險預警的研究始于20世紀90年代，起步雖然較晚，理論和方法也都不太成熟，但國內學者也做出了探索和研究。于1999年陳靜以ST和非ST公司為樣本，利用1995～1997年的財務數據，進行單因素分析和多元線性決策分析[4]。2004年，李秉祥、扈文秀運用股價和上市公司財務數據以建立EDF模型，通過克服了在傳統的統計預測方法的時期性和滯后性的缺陷，應用到公司的財務危機的動態預警[5]。

綜上可知，中國的上市公司被特別處理主要是因為財務危機的影響，那么怎么來建立預警指標體系，并建立一個及時和有效的風險預警模型，以避免更多的中小企業上市公司陷入危機，就顯得尤為重要。對于一元判斷有其自身的局限性，且過多使用預測能力較強、綜合預測能力相對較弱的指標，而Z分模型則很好地解決了這一問題。

借鑒美國的“多個財務預測指標方法”來加以分析，以房地產行業的中小企業上市公司為例，從財務風險角度進行考慮，根據指標和樣本，運用SPSS進行了研究。

（一）指標的選擇

通過查閱大量文獻和資料，以財務風險角度考慮，分別從盈利能力的指標、償債能力的指標、經營能力的指標、成長能力的指標、現金流量的指標選取了如下指標：

X1=營運資本/總資產 X2=未分配利潤/總資產

X3=息稅前利潤/總資產 X4=銷售收入/總資產

X5利潤利率=利潤總額/營業收入

X6資產負債率=負債總額/資產總額

X7=流動資產合計/流動負債合計

X8=利潤總額/總資產 X9=主營業務利潤/主營業務收入

X10=流動負債/負債總額

X11=主營業務收入凈額/平均總資產

X12=主營業務成本/應收賬款總額

X13=營業收入增長率 (本年度主營業務收入-上一年度主營業務收入)/上一年度主營業務收入

X14總資產增產率=(本年度資產總額-上一年度資產總額)/上一年度資產總額

X15營業收入現金比率=經營現金凈流量/主營業務收入

X16=經營現金凈流量/資產總額

X17現金流量負債比=經營現金凈流量/流動負債

綜上可知， 上市公司盈利能力的指標有：X1、X2、X3、X4、X5、X8、X9；償債能力的指標有：X6、X7、X10；經營能力的指標有：X11、X12；成長能力的指標有：X13、X14；現金流量的指標有：X15、X16、X17。

（二）樣本的選取

本文在滬深上市的所有的上市公司中隨機選取73家作為研究樣本(其中35家ST公司，38家非ST公司)，根據樣本公司2014和2015年度的財務報告(本次研究的數據來源于東方財富網)，計算上述各財務指標的值。

（三）模型的建立

本文將利用SPSS統計軟件作為分析工具，對以上所收集的樣本公司的財務指標數據進行多因子回歸分析，建立預警模型。

1.因子分析。(1)、因子分析檢驗。通過查看因子分析結果中的相關系數矩陣，的確發現大部分相關系數值均大于0.3，即各個變量間大多相關，所以原則上這些變量適合進行因子分析。(2)求得特征值和貢獻率。在對樣本數據的17個財務指標進行因子分析后，可以得到17個特征值，本文提取特征值大于1的6個因子變量來進行下一步的研究。表1中可以看出這7個因子變量累積貢獻率已經達到了83.458%，即這幾個變量包含了原來17個財務指標83.458%的信息。

表1 解釋的總方差

為了對這7個因子進行解釋，就需要得到17個原始財務指標對這7個主成分因子的因子荷載αij。(3)因子解釋。因子分析的一個關鍵點就是所提取的因子要能很好的得到解釋。為了更易于解釋初始因子，本文使用了正交旋轉法中方差最大法進行轉換。從因子負荷矩陣可知，反映盈利能力指標的X1營運資本比率的貢獻率最大0.975，反映償債能力指標的X 10資產負債率的貢獻率最大0.879，反映企業經營能力指標的X11總資產周轉率的貢獻率最大0.956，反映成長能力指標的X 13主營業務收入增長率的貢獻率最大0.952，反映現金流量指標的X 16現金回收率的貢獻率最大0.897。因此， 最終取得 X1、X10、X11、X13、X16這 5項財務指標作為建模的初始自變量進行財務風險預警模型的構建。

筆者還關心各財務指標的綜合影響，故對7個公因子的得分進行加權求和，權數就取其方差貢獻率，參考表1解釋的總方差中“旋轉平方和載入”欄里的“方差的%（方差貢獻率）”。本文采用方差貢獻率作為權重，7個旋轉后公因子的方差貢獻率依次為26.795%、15.998%、12.513%、8.429%、8.244%、5.816%、5.664%。 于是得到指標綜合得分的計算公式為：

F=0.268X 1+0.160X2+0.125X3+0.843X4+0.824X 5+0.582X6+0.566X7

通過本文的分析研究可以通過以下途徑對財務風險做到盡早發現：

第一，建立內部風險控制制度，真正發揮“三會”作用。第二，完善財務風險信息系統，對信息收集、信息處理和信息發布三個環節進行把關。第三，提高財務管理能力，上市公司要提高資金的使用效率，適度負債優化資本結構，同時要合理搭配流動負債和長期負債。

三、結束語

本論文借鑒美國的“多個財務預測指標方法”，借助SPSS因子分析篩選出因子作為邏輯回歸分析的初始變量按前面的方法選擇變量，最后通過上市公司7個主因子構建了上市公司財務風險預警模型。檢驗發現，該模型對樣本的預測精度達到了83.458%，相對來說，這個結果還是令人滿意的。

本論文的不足之處在只將極小一部分上市公司財務數據作為樣本，數據的選擇也有隨機性，缺乏全面性，可能導致構建的上市公司財務風險預警模型的使用有一定局限性，同時也未驗證模型的有效性，需要以后進一步完善。

[1] 孫麗艷.上市公司財務風險預警.烏魯木齊：新疆財經大學，2010.

[2] Beaver W.H.Marker Price.Financial Ratios and the Prediction of Failure.Journal of Accounting Research，2011.

[3] John S.Hekman.Rental Price Adjustment and Investment in Office Market.Journal of the American Real Estate Economies,2009,13(5)：32～79.

[4] 程言美、程杰.我國房地產上市公司財務風險預警模型的建立與應用.武漢理工大學學報，2013,(6):151～156.

[5] 李艷.我國房地產上市公司財務危機預警研究.碩士學位論文.沈陽：遼寧大學，2013.