基于探索性因子分析的動態財務預警指標選取實證分析

（黑龍江科技大學管理學院黑龍江哈爾濱150022）

隨著經濟全球化的發展，經濟環境中的復雜性、模糊性日益明顯，企業運營過程中面臨的風險變幻莫測，及時有效的財務預警體系成為企業經營的迫切需求。在以往的研究中，大多數預警模型是為企業投資者、債權人服務的，判別結果也只局限于被預測企業被ST或未被ST兩種。而企業內部的預警體系，應該更加及時、詳細，這樣才能給企業的管理者帶來有價值的信息，從而有助于企業管理者進行下一步的營運決策。所以，這樣一個財務預警體系的指標必須有代表性，能對企業運營現狀進行全面有效的反映。

一、傳統財務預警體系指標選取的缺陷

（一）指標預警功能單一。傳統的財務預警體系主要是通過對期末會計報表中的會計數據進行提取形成財務指標，利用財務指標對企業財務狀況進行預測。把財務指標輸入設計好的模型中，通過模型運行結果判斷企業財務狀況。理論上這種方法行得通，可以為企業相關利益者提供一些信息，但是，隨著現代信息技術的發展，這些指標已經不能反映預警體系的全部功能。

（二）指標數量繁多。綜合考慮前人研究的財務預警體系，選取的指標一般大約為三十個。因此數據的獲取和處理是一個復雜的過程，會耗費大量的時間，輸出結果出現警情的信號時再對企業的經營進行改進已經為時過晚；另外繁多的預警指標也會影響預警系統的效果。

（三）指標的選取忽略了與管理系統的有序結合。企業的財務信息是對企業營運狀況的綜合反映，企業的管理漏洞、決策失誤、經營異常以財務報表的形式輸入到財務預警系統中，把財務風險的蹤跡反映給企業管理者，達到企業內部財務預警的目的。但傳統的財務預警往往自成體系，把財務預警系統作為會計系統的一個子系統，僅僅通過會計信息進行財務預警往往難以全面、系統。而在現代信息化的環境中，企業建立的后臺管理系統可以通過信息技術將企業的經營信息、管理信息、會計信息、資金信息進行集成與共享，為財務數據擴寬了范圍，完善了財務預警指標體系，隨著指標數量的增加，預警前的指標分類成為了財務預警的必經過程，先把指標進行歸類，確認每個指標反映的問題方面，便于解決警情。可見，將財務指標與管理系統進行融合才是未來發展的方向和研究的重點。

二、動態財務預警體系的特征要求

通過以上分析可以得出，企業財務預警體系作為企業經營運行的檢測器，應該能實時觀測企業動態，及時發現警情，以便企業經營者做出決策。所以，企業財務預警體系選取的指標必須具有及時性、簡練性、靈敏性。

（一）及時性。所謂及時性實際上是指指標獲取的及時性。作為預測性系統，必然要具有前瞻性，而滿足前瞻性的首要條件是及時性，如何及時、有效地獲取預警指標是構建財務預警體系的重要環節。傳統的財務預警體系主要是根據期末財務報表獲取數據處理來進行預警，由于當今信息技術的迅猛發展，會計處理受到了沖擊，網絡會計應運而生。這種模式下會計處理不僅可以提高會計核算效率，還可以產生實時的財務報表，對財務預警體系指標獲取速度有很大幫助。

（二）簡練性。企業內動態財務預警體系，供企業管理人員使用，在實際應用中要比供企業投資者、債務人所使用的預警體系頻繁的多，甚至會達到每月一預測的頻率，因此，具有這樣特點的財務預警體系必須容易運行，預警指標必須簡練容易獲取。簡練的指標不但節約了企業的預警成本又能及時發出警情信號，可謂是兩全其美。

（三）靈敏性。構建財務預警體系屬于事前預測行為，其目的是及時發現問題，避免不必要的損失。作為預警體系的指標，必須具有靈敏性，在出現警兆的情況下，發現警情的蛛絲馬跡，發出信號，為信息使用者提供警情信息。

（四）成本效益性。成本效益是構建財務預警體系必須考慮的問題。在指標體系中有許多指標的確能反映企業財務狀況，有很大利用價值，但如果預計獲取該指標的成本過大，大于其預警帶來的收益，那么應該放棄選取該指標，轉而用與之相關的且獲取成本較低的指標代替。

三、基于探索性因子分析的財務預警指標選取

數據挖掘技術發展迅速，日益成為各個研究領域的應用技術。數據挖掘技術的不斷涌現，給企業財務管理帶來了新思路，給傳統的財務管理活動帶來沖擊。其中，探索性因子分析法就是數據挖掘技術中的一種多元統計分析方法。探索性因子分析的基本思路是，每一個輸入變量的變異性都可以歸結于少數潛在的公共因子和一個與這些公共因子無關而只與該變量有關的特殊因子，它的主要目的就是數據縮減。本文擬用探索性因子分析法對原始的財務指標進行簡化的主要原因有：（1）因子分析不是對原有變量的取舍，而是根據原始變量的信息進行重新組合，找出影響變量的共同因子，對信息反映全面，即使對結果影響不大的因素也不會丟失；（2）因子分析通過旋轉使得因子變量更具有可解釋性，命名清晰性高，便于使用；（3）因子分析可以通過SPSS軟件實現，便于操作。

（一）樣本選取與數據來源。本文樣本來自于我國三十家上市公司的財務數據，在樣本選取的過程中，本文剔除了ST公司的財務數據。

（二）財務指標的選取與變量設計。本文選取了反映企業償債能力、盈利能力、資產運營能力、增長能力四個方面共19個指標，變量設計見表1。

因子分析是簡化指標的過程，通過尋找各指標間的潛在公共因子實現變量的降維。所以，在進行因子分析之前，首先要對觀測變量進行檢驗，確定變量間確實有相關關系。本文通過KMO檢驗和Bartlett檢驗，分析對指標進行因子分析的適合性。檢驗結果見表2。

表1 變量設計表

表2 KMO和Bartlett的檢驗

通過檢驗結果可知，KMO值為0.66，結果大于界定值0.6，表明觀測變量適合進行因子分析。Bartlett球形檢驗的顯著性水平為0，小于界定值0.05，原假設被拒絕，表明原觀測數據適合因子分析。提取公因子。運用SPSS對數據進行標準化處理，得出共同度分析結果顯示，流動比率、資產報酬率等6個指標的共同度均超過了0.9，表明公因子對這6個指標的方差做出90%以上的貢獻。共同度超過0.7的指標共9個，可見，公因子提供的信息量較大。運用SPSS計算公因子特征值、貢獻率、累計貢獻率，結果見表3。

表3 解釋的總方差

根據解釋的總方差結果顯示，選取7個公因子的因子成分對所選取的公因子進行因子解釋，作為選取公因子與原指標間的系數。因子成分矩陣見下頁表4。

通過上表可以得出各變量的因子表達式：

X6=0.792F1+0.47F2-0.29F3-0.108F4-0.119F5+0.031F6+0.104F7

X4=0.681F1+0.052F2+0.544F3-0.144F4-0.299F5-0.223F6-0.8F7

……

X5=-0.125F1-0.22F2+0.068F3-0.225F4+0.109F5-0.39F6+0.778F7

下頁表5是經過正交旋轉后的成分矩陣，通過這個矩陣我們可以得出旋轉后的各成分表達式：

X7=0.927F1+0.02F2+0.118F3+0.017F4+0.077F5+0.059F6+0.016F7

X9=0.735F1-0.008F2-0.005F3+0.354F4+0.109F5-0.165F6-0.16F7

……

X5=-0.093F1-0，05F2-0.102F3+0.014F4+0.042F5-0.004F6+0.918F7

公共因子命名如表6所示。表7是成分轉換矩陣，成分矩陣乘以成分轉換矩陣就得到旋轉后的成分矩陣。根據成分得分系數矩陣，可以得到因子得分表達式，成分得分系數矩陣見表8。由此得出因子得分表達式：

F1=0.086X1-0.045X2-0.09X3-0.017X4+0.05X5+0.213X6+0.345X7+0.111X8+0.249X9+0.046X10+0.131X11-0.029X12+0.164X13+0.014X14+0.245X15-0.032X16-0.003X17-0.08X18+0.017X19

……

F7=0.093X1+0.002X2+0.12X3+0.006X4+0.787X5+0.045X6+0.099X7-0.063X8-0.084X9+0.374X10-0.02X11-0.12X12+0.086X13+0.026X14-0.013X15-0.041X16+0.067X17-0.127X18-0.158X19

表4 成分矩陣

表6 公因子命名

表7 成分轉換矩陣

表8 成分得分系數矩陣

以上是因子得分表達式，即利用原有指標與指標得分作為系數，得出公因子表達式。上市公司可以通過因子得分對企業財務狀況進行估計預測，找出企業弱勢方面進行改進調整，制定解決警情的對策。

表9是成分得分協方差矩陣，該矩陣是單位矩陣，可以證明，提取的七個公因子之間是不相關的。

表9 成分得分協方差矩陣

四、結論

本文選取三十家上市公司的財務數據作為研究樣本，選取反映企業營運狀況幾方面的指標先進行歸類，然后對歸類后的財務指標進行因子分析發現：（1）企業各個財務指標之間確實存在潛在關系，找出潛在公因子加以分析處理可以簡化財務預警指標體系，提高財務預警效率并且使預警結果更加直觀。（2）尋找預警指標間潛在關系的結果表明，某些財務指標與其他類別財務指標存在相關性，也就是說，企業某一方面的疏忽產生的異?？梢杂绊懙狡髽I其他方面的運營，因此，企業管理者在進行經營決策時應該考慮多方面因素的影響。（3）通過因子分析得出了因子得分矩陣，通過得分矩陣可以體現企業經營各個方面的狀態，但因子分析更多的是作為達到一些目的的中間手段，實現一些模型運行的中間步驟，在對數據進行降維簡化后繼續采用其他的統計方法進行處理來解決問題。