財務危機預警模型研究

福建省婦幼保健院　黃曉霞

財務危機預警模型研究

福建省婦幼保健院黃曉霞

摘 要：本文把上市公司中的*ST板塊界定為有財務危機的企業(yè)，選取15家*ST公司作為研究樣本，同時選取15家非ST公司作為配對樣本，組成一個樣本量為30的估計樣本組，選取這些公司2007年的20個財務指標作為研究變量，采用主成分分析法建立財務危機預警模型。再選取30家非ST公司作為檢驗樣本組，然后用該樣本組對模型的有效性進行檢驗，得出本文建立的模型可以提前預測財務危機的結論。

關鍵詞：財務危機預警 主成分分析

1 財務危機預警理論概述

財務危機預警，是指借助企業(yè)提供的財務報表及其他相關會計資料，利用財會、統(tǒng)計、金融等學科理論，對企業(yè)的經(jīng)營活動、財務活動等進行分析預測，以發(fā)現(xiàn)企業(yè)在經(jīng)營管理活動中潛在的經(jīng)營風險和財務風險，并在危機發(fā)生之前向企業(yè)經(jīng)營者發(fā)出警告，督促企業(yè)管理當局采取有效措施，避免潛在的風險演變成損失，起到未雨綢繆的作用。

2 財務危機預警模型的構建

2.1 樣本的選取

選取我國深滬兩市2009年1月1日～2009年4月31日被退市風險警示的15家*ST公司，按照同行業(yè)的原則，選取15家非ST公司作為配對樣本，組成一個樣本量為30的估計樣本組。同時選取30家非ST公司組成一個檢驗樣本組，來進行檢驗。具體如表1所示。

表1 估計樣本組與檢驗樣本組列表

2.2 預警模型財務指標選取

本文堅持全面性原則、重要性原則、可操作性原則，經(jīng)多方面考查，確定了以下20個財務指標作為研究變量。

每股財務數(shù)據(jù)（元）：X1每股收益、X2每股凈資產(chǎn)、X3每股現(xiàn)金含量。

償債能力分析（%）：X4流動比率、X5速動比率、X6現(xiàn)金流動負債比、X7股東權益比、X8負債權益比、X9資產(chǎn)負債率

資產(chǎn)運營能力分析（倍）：X10存貨周轉率、X11應收賬款周轉率、X12總資產(chǎn)周轉率。

盈利能力分析（%）：X13經(jīng)營凈利率、X14資產(chǎn)凈利率、X15權益凈利率。

成長能力分析（%）：X16凈利潤增長率、X17總資產(chǎn)增長率、X18股東權益增長率。

現(xiàn)金流量比率（倍）：X19主營收入現(xiàn)金含量、X20凈利潤現(xiàn)金含量。

2.3 主成分計算

已選取的財務指標之間可能存在較強的相關關系，有必要對這些財務指標進行進一步的處理，避免指標信息重疊的影響，因此，我們選擇對這些指標變量進行主成分分析。對上述數(shù)據(jù)進行KMO and Bartlett's檢驗。檢驗結果KMO值為0.665＞0.5，初步判定可以做主成分分析，而且Bartlett’s球性檢驗的相伴概率為0.000，小于顯著性水平，滿足因子分析的前提條件，所以我們認為上述數(shù)據(jù)適合于做主成分分析。

主成分分析一般把特征值1作為選取主成分的標準，從軟件計算出的特征值即表2可以看出，特征值大于1的主成分有6個，而且這6個主成分的累計方差貢獻率達86.471%＞80%，說明提取出的這6個主成分包含了全部原有信息的86.471%，所以本文確定主成分個數(shù)為6是合理的。

將6個主成分分別命名為F1、F2、F3、F4、F5、F6。以這6個主成分建立因子載荷矩陣，為便于對各因子載荷作合理解釋，對其進行方差最大法旋轉，得到以下結果：

F1主要由股東權益比和資產(chǎn)負債率來決定，因子載荷分別是0.928和-0.934，反映了企業(yè)的長期償債能力。

F2主要由總資產(chǎn)增長率和股東權益增長率組成，因子載荷分別為0.805和0.804，主要反映了企業(yè)的成長能力。

F3中具有較高載荷的指標有經(jīng)營凈利率和權益凈利率，因子載荷分別為0.882和0.915，主要代表了企業(yè)的盈利能力。

F4中流動比率和速動比率兩項指標的因子載荷遠大于其他指標，分別為0.912和0.965，反映企業(yè)的短期償債能力。

F5主要由主營收入現(xiàn)金含量和凈利潤現(xiàn)金含量來決定，因子載荷分別為0.904和0.793，反映了企業(yè)的現(xiàn)金流量比率。

F6主要由存貨周轉率和總資產(chǎn)周轉率來決定，因子載荷分別為0.743和0.702。反映了企業(yè)的資產(chǎn)運營能力。

這樣，20個財務指標就濃縮成6個主成分了，它們分別反映了企業(yè)的長期償債能力、成長能力、盈利能力、短期償債能力、現(xiàn)金流量比率等。這個過程把共同反應企業(yè)某一方面能力的指標綜合到一起，避免了分開分析時同一信息好幾個指標重疊反應的現(xiàn)象。

在確定了主成分的經(jīng)濟意義之后，需要知道各主成分與原始財務比率之間的線性表達式，這個系數(shù)矩陣就是由主成分得分矩陣來提供，如表3所示。

由表3可以得出各主成分的表達式：

F1= 0 . 0 3 4 X1+ 0 . 0 2 3 X2+ 0 . 0 7 X3- 0 . 0 7 3 X4-0.07X5+0.006X6+0.276X7+0.137X8-0.277X9+0.028X10-0.102X11+0.059X12+0.016X13+0.233X14+0.25X16+0.003X17-0.004X18+0.026X19-0.014X20

F2= 0.125 X1+ 0.12 4 X2- 0. 277 X3+ 0.0 0 4 X4-0.065X5-0.036X6-0.081X7+0.069X8+0.08X9+0.046X10+0.299X11-0.059X12-0.041X13+0.002X14+0.009X15-0.039X16+0.193X17+0.186X18-0.065X19+0.003X20

表2 特征值及貢獻率 Total Variance Explained

表3 主成分得分矩陣 Component Score Coefficient Matrix

F3= 0.0 52 X1- 0.0 0 2 X2+ 0.0 91 X3- 0.035 X4-0.034X5+0.073X6-0.071X7-0.323X8+0.069X9+0.022X10-0.08X11+0.122X12+0.326X13+0.004X14+0.316X15+0.017X16+ 0.053X17+0.021X18+0.058X19-0.074X20

F4=0.052X1+0.11X2+0.103X3+0.444X4+0.487X5+0.00 1X6-0.035X7-0.139X8+0.043X9-0.108X10-0.049X11-0.074X12-0.094X13-0.076X14-0.067X15-0.089X16-0.018X17+0.067X18+0. 053X19+0.015X20

F5= 0.05 4 X1+ 0.0 75 X2+ 0.0 47 X3- 0.018 X4-0.05X5+0.264X6-0.047X7+0.108X8+0.043X9+0.09X10-0.033X11+0.206X12-0.042X13+0.025X14-0.002X15-0.008X16+0.065X17-.0.015X18-0. 407X19+0.351X20

F6= - 0.012 X1- 0.089X2+ 0.014 X3- 0.065 X4+ 0.007 X5+0.298X6+0.008X7-0.084X8-0.029X9+ 0.541X10+0.134X11-0.555X12-0.092X13+0.036X14-0.026X15-0.08X16+0.031X17+0.065X18-0.002X19-0.079X20

2.4 預警模型有效性的檢驗

為了驗證這個預警模型的判別效果，用檢驗樣本組進行檢驗，按前述步驟預測分值如下：

（1）根據(jù)30家檢驗樣本的20個財務指標即X1到X20，計算六個主成分F1、F2、F3、F4、F5、F6的數(shù)值。

（2）代入上面分析得出的模型，計算預測分值Y，結果如下所示：

13.60、10.26、17.01、6.37、52.39、2.02、13.36、9.14、12.91、26.27、6.42、19.51、9.60、

11.57、6.29、20.87、26.61、76.88、12.64、-1.82、15.60、11.86、1.73、35.15、10.32、18.79、

31.62、15.10、19.16、-3.95

（3）將得到的預測分值與分割點Y=7.96做比較，并作出判斷。

由于被選作檢驗的樣本均為非ST公司，故當預測分值大于臨界值7.96時可認為判別正確。上面判別結果中預測分值大于7.96的有23個，所以可以認為運用上述模型對檢驗樣本組進行判別時有23個樣本的預測與實際一致，即判定正確率為76.67%。

由上述檢驗可以看出，該模型確實可以提前預測出財務危機，將其運用于預測上市公司的運營狀況是切實可行的。由于檢驗樣本組涉及各行各業(yè)，有種植業(yè)、日用化學品制造業(yè)、金融地產(chǎn)業(yè)等等，所以該模型適用于各種行業(yè)上市公司的預測。

3 結論及后續(xù)展望

本文通過對我國深滬兩市30家上市公司2007的財務數(shù)據(jù)進行統(tǒng)計分析，運用一定的研究方法，建立了財務危機預警模型，最后檢驗的結果顯示預警模型具有一定的預測作用，它可以提前預測企業(yè)以后是否會發(fā)生財務危機。由于主成分分析只根據(jù)指標數(shù)據(jù)的變化而變化，可以有效地消除主觀因素，客觀地反應事實。同時，構建的預警模型是線性模型，通俗易懂，沒有深奧的專業(yè)術語及不可量化的指標，不僅專業(yè)人士可借鑒，而且一般的投資者也可以直接利用。當投資者在進行投資決策，想知道盈利的上市公司是否會虧損，已經(jīng)虧損的上市公司是否會連續(xù)虧損時可以使用該模型進行判斷；上市公司評估本公司運營狀況，預防財務危機時可以將該模型的預測結果作為參考，等等。運用時只需計算企業(yè)的一些財務指標，將其代入上面構建的模型，計算出Y值，再與臨界值7.96相比較，即可預測出企業(yè)是否會發(fā)生財務危機，簡單易行。

參考文獻

[1] angmaxun．Study On Predicting Finaneial Distress of ComPany[D]．shanghai：Shanghai University Of Finance And Economics．2007．

[2] 陳靜．上市公司財務惡化預測的實證分析[J]．會計研究，1999．

[3] 吳世農，盧賢義．我國上市公司財務困境的預測模型研究[J]．經(jīng)濟研究，2001（6）．

[4] 朱建平．應用多元統(tǒng)計分析[M]．科學出版社，2007．

[5] 米子川．應用統(tǒng)計軟件[M]．中國商業(yè)出版社，2005．

[6] 韓衛(wèi)國．上市公司財務危機預警實證研究[D]．大連：東北財經(jīng)大學，2007．

中圖分類號：F275

文獻標識碼：A

文章編號：2096-0298（2015）06（c）-014-03