基于主成分

摘 要：紡織行業健康平穩的發展，關系著國計民生和社會穩定的大局。目前我國紡織企業急需一套有效合理的財務預警系統來保障企業長期穩定的發展。本文以我國紡織上市公司為研究樣本，構建了紡織企業財務風險預警的主成分-Logistic模型，為紡織企業發展提供幫助。

關鍵詞：紡織企業；財務預警；Logistic模型

一、引言

紡織行業在我國經濟發展中起著重要的作用，它促進了我國的就業，擴大了外貿出口，它的健康平穩的發展，對國計民生和社會穩定至關重要。然而受國際市場需求的下降、產業轉型升級步伐加快、成本增加等因素的影響，紡織企業的生存發展遇到了最嚴峻的挑戰。為了保障企業長期穩定的發展，我國紡織企業迫切需要建立一套有效合理的財務預警系統，及時預測紡織企業的財務狀況，及早發出預警風險信號，提高紡織企業抗風險能力。本文結合財務預警相關理論，選取部分上市紡織公司進行實證研究，構建了一套適合我國紡織行業的主成分-Logistic財務風險預警的模型，以保障紡織企業長期安全穩定運營和發展。

二、研究設計

1.樣本的選取

本文將上市公司中的“*ST類”公司定義為“存在財務風險”企業。根據同花順軟件的數據，截止2015年4月，在我國 A股市場上共計39家紡織制造業上市公司。其中被界定為*ST紡織制造公司的有3家，*ST中毅（600610），*ST新民（002127），*ST派神（000779），然后再隨機抽取12家紡織上市公司作為研究樣本（如表1），研究這些公司2011年-2013年的財務數據。

表1 研究樣本

2.財務指標的選擇

在財務預警指標的選擇上，本文首先參考了國泰安“中國上市公司財務指標分析數據庫”中對財務指標設置的分類，然后結合紡織企業實際情況和財務數據的可獲得性，最后選取了反映企業償債能力、盈利能力、成長能力、營運能力、現金流量能力五個方面的10個財務指標來構建紡織行業財務指標預警模型，如表2所示。

表2 財務危機預警指標

3.模型的選取

本文采用的預警模型為主成分—Logistic回歸模型。首先，采用主成分分析法，將多個解釋變量（財務指標）化為少數幾個相互無關的綜合指標，實現降維，然后再把綜合指標引入Logistic模型進行回歸分析。該模型不要求研究的數據符合正態分布，只判別上市公司是否出現財務危機情況。定義如下：

假設用p表示事件發生的概率，即P=P（Y=1），事件未發生的概率為（1-p）。引入p的Logistic變換，即：

以logit（0.5）=0為中心對稱，當p≥0.5時，就可以認為上市公司發生了財務危機，而當p<0.5時，則認為上市公司沒有發生財務危機。主成分—Logistic回歸模型以k個主成分作為Logistic分析的解釋變量，克服了單純采用Logistic分析的共線性和原始變量數據丟失信息等問題，具有比較高的判斷正確率。

三、模型的構建和檢驗

1.預警模型的構建

本文采用主成分分析法提取影響紡織行業財務運作的關鍵因子。首先，采用SPSS20.0把原始數據標準化，然后對標準化后的數據進行KMO統計量與Bartlett球形檢驗，以檢驗其是否適合進行主成分分析，如表3所示。

表3 KMO和Bartlett檢驗

KMO統計量的值介于0和1之間。一般情況下，KMO大于0.5表明適合進行主成分分析。從表3可以看出，KMO值為0.737，大于0.5，Barlett檢驗的近似卡方統計值的顯著性概率為0.000<0.05，所以，我們認為樣本數據較適合做主成分分析。

其次，采用SPSS20.0對標準化后的數據進行主成分分析。結果如表4所示。從表4中，我們可以看到前4個主成分的累計貢獻率達到87.933%，也就是說，這4個主成分包含了87.933%的原指標信息，因此，我們選擇這4個主成分來代替原來的10個解釋變量。

表4 主成分特征值及方差貢獻率

提取方法：主成分分析法

由因子載荷矩陣可知：X1、X2在第一主成分上有較高載荷，主要反映了償債能力；X10在第二主成分上有較高載荷，主要反映了現金流量能力；X3、X4、X5、X9在第三主成分上載荷較高，主要反映了盈利能力；X6、X7、X8在第四主成分上有較高的載荷，主要反映了企業的成長能力和營運能力。我們用提取的四個主成分代替原來的10個變量，并將原始變量X1，X2，…，X10的值代入，即可計算出各樣本的4個主成分值F1、F2、F3、F4，然后再對F1、F2、F3、F4四個主成分進行Logistic回歸分析，得到紡織企業財務危機預警模型為：

從回歸系數的絕對值可以看出，F1、F2兩個主成分對P值的影響大于F3、F4，這就意味著，在紡織企業財務預警方面，償債能力指標和現金流量能力指標比成長能力指標、營運能力指標更有效。

2.模型的檢驗

將研究樣本的數據代入所建立的財務危機預警模型，結果如表5所示。從表5可以看出，該模型的預測準確度為91.11%，我們可以得出如下結論：該模型對紡織行業具有較好的整體預警作用。

表5 邏輯回歸判別結果

四、研究結論

1.主成分-Logistic模型具有較強的準確性和實用性。該模型通過對綜合指標的回歸分析，避免了原始數據信息的丟失，使得模型預警結果的準確性和合理性提高。本文研究的數據來自紡織服裝業上市公司，因此，本模型的結果對紡織服裝行業的預測性較高，其他行業的適用性有待驗證。

2.主成分-Logistic模型仍需要進一步修正。在建立紡織企業財務風險預警模型時，本文并未考慮定性方面的影響因素，僅僅采用定量分析法對財務指標進行了研究。在以后的研究中，應當綜合考慮定性指標對模型進行修正，使得模型更加符合實際，更加有效。

參考文獻：

[1]曹秀俊.后經濟危機下中國紡織行業上市公司財務預警的實證研究[J].商業會計，2014（3）：45-47.

[2]劉青，王瑞雪.紡織業上市公司財務危機預警模型的構建[J].遼寧師范大學學報，2013（9）：329-333.

[3]趙息，肖錚.Logistic模型在上市公司財務預警中的應用研究[J].西安電子科技大學學報，2007（3）：21-24.

[4]李建中，武鐵梅.基于因子—Logistic模型的房地產業上市公司財務預警分析[J].哈爾濱商業大學學報，2010（5）：89-93.

[5]張愛民，祝春山.上市公司財務失敗的主成分預測模型及其實證研究[J].金融研究，2001（3）：10-25.