因子分析在財務診斷方案生成中的應用研究

龐大蓮+梁戈夫+裴帥帥+陶盈盈

【摘 要】 為改變傳統(tǒng)財務診斷中過于依靠專家的判斷和經(jīng)驗而導致診斷分析主觀性強，診斷方案與實際情況不相符、不適用等狀況，文章嘗試提出一種新的思路，將因子分析方法應用于財務診斷過程中，從財務診斷方案生成的需求角度來尋找關鍵因素、創(chuàng)建方案主題、進行診斷分析，最后生成診斷方案。將因子分析方法應用于財務診斷，可以使財務診斷在方法、模式、效率、效果等方面得到改善，使企業(yè)財務診斷模式的創(chuàng)新成為可能。

【關鍵詞】 財務診斷； 因子分析； 關鍵因素； 診斷方案

中圖分類號：F239；C932 文獻標識碼：A 文章編號：1004-5937（2015）24-0014-04

一、引言

財務診斷是一種能改進財務管理方式的高效、科學的方法，在西方稱為財務咨詢，最早用于破產(chǎn)預測。William（1966）率先提出并運用單一比率模型對企業(yè)的財務困境進行預測，使財務診斷開始進入到系統(tǒng)化企業(yè)財務風險研究階段。Tam and Kiang（1992）運用神經(jīng)網(wǎng)絡技術(shù)對樣本企業(yè)財務困境進行判斷，并通過與其他方法模型進行對比來驗證神經(jīng)網(wǎng)絡技術(shù)的總誤判率最小、預測精度最高。Takaomi Kaneko（1996）開發(fā)建立了一個基于模糊理論和模糊邏輯控制生產(chǎn)系統(tǒng)的財務診斷專家系統(tǒng)。

因子分析是一種研究從變量群中提取共性因子的統(tǒng)計技術(shù)，其起源于心理學，由英國心理學家Charles Spearman最早提出。近年來，逐漸有將因子分析法應用于財務分析的研究，如尹子民等（2008）根據(jù)企業(yè)的財務指標眾多的特點，運用因子分析方法分析上市公司的財務情況；王文桂（2011）在公司并購中用因子分析法評價財務績效，并由此計算其綜合績效得分F值，得出上市公司并購前后的績效變化情況。

然而，目前為止將因子分析應用于財務診斷的研究極少。其實，因子分析具有從變量群中提取共性因子的特性，可在眾多的變量中找出少數(shù)幾個能具有代表性的綜合性因子，從而減少變量的數(shù)目，簡化數(shù)據(jù)的處理過程。因此，可將因子分析應用于財務診斷中，消除財務指標間的重疊，并通過確定公因子尋找關鍵財務指標。由此，本文嘗試提出：將因子分析的方法應用于財務診斷過程中，通過分析、計算提取出對企業(yè)財務影響最大的關鍵因素，為財務診斷的方案主題確定提供依據(jù)，進而生成財務診斷方案。這種新思路可能會促進財務診斷新模式的形成。

二、財務診斷的因子分析及方案生成過程設計

財務診斷的因子分析和診斷方案生成過程可設計為數(shù)據(jù)預處理、提取關鍵因素、形成方案主題及診斷參考方案生成等環(huán)節(jié)。

（一）基于聚類分析的財務數(shù)據(jù)預處理

數(shù)據(jù)預處理是數(shù)據(jù)挖掘過程中的一個重要步驟，通過對數(shù)據(jù)中存在的有噪聲、不純凈、無用的數(shù)據(jù)進行預處理，可以提高數(shù)據(jù)挖掘結(jié)果的質(zhì)量。在所收集的財務數(shù)據(jù)中，許多指標之間具有一定的關聯(lián)性，利用聚類分析方法可根據(jù)指標的關聯(lián)性進行適當?shù)暮喜⑻幚恚_到一定的降維效果，同時可以減少數(shù)據(jù)挖掘的時間，提高數(shù)據(jù)挖掘結(jié)果的準確性。運用聚類分析法進行數(shù)據(jù)預處理具體步驟包括：

1.數(shù)據(jù)標準化。對原始數(shù)據(jù)進行標準化處理，消除原始數(shù)據(jù)維度不同的影響。

2.定義距離。計算出指標之間的距離，距離越近，表示兩個指標的性質(zhì)越接近，可以歸為一類。

3.聚類分析。數(shù)據(jù)經(jīng)標準化處理后，可利用SPSS軟件進行分析，根據(jù)聚類需要選擇相應的聚類方法和標準化方法，軟件會自動進行聚類分析，輸出直觀的圖表結(jié)果（例如樹狀圖、聚類過程表等），供施診者根據(jù)輸出結(jié)果進行分類。

（二）利用因子分析獲取財務診斷關鍵因素

數(shù)據(jù)預處理后可以篩選出一些具有代表性的指標，但要找出對財務影響最大的關鍵因素（指標），還需要進一步的分析。因此，可以運用因子分析法作進一步降維處理，尋找影響財務狀況的關鍵指標，提取出的關鍵因素可為生成診斷方案主題提供依據(jù)。主要步驟為：（1）數(shù)據(jù)檢驗，確定因子分析條件；（2）提取公因子，確定財務診斷關鍵因素；（3）公因子解釋及命名，定義每個因子所表示的財務指標；（4）計算因子得分和樣本綜合得分，獲得關鍵指標。

（三）建立綜合評價模型

根據(jù)綜合得分，可建立綜合評價模型：

其中，γi為旋轉(zhuǎn)前或旋轉(zhuǎn)后因子的方差貢獻率。以F綜合值的大小可以評判企業(yè)財務綜合狀況。

只要在SPSS軟件中選擇其中的“因子分析”模塊，并根據(jù)診斷要求進行相應的操作和處理，即可完成上述計算過程。

（四）擬定財務診斷主題及形成施診參考方案

經(jīng)過前面的聚類分析和因子分析，可以獲得代表性更強的關鍵財務診斷指標，根據(jù)所獲得的關鍵指標進行財務診斷分析，再綜合施診專家的判斷、企業(yè)高層的意見，可以初步擬定財務診斷的方案主題。如此形成的診斷方案主題使財務診斷的針對性更強，客觀性和科學性也大大提高，降低指標數(shù)量也使診斷效率得到提高。

當財務診斷的主題確定后，圍繞主題組建數(shù)據(jù)指標進行再分析，例如可采用BP神經(jīng)網(wǎng)絡、PCA、APH等方法進行數(shù)據(jù)挖掘和評價，然后根據(jù)評價的結(jié)果進行因素組合以構(gòu)建診斷參考方案。

三、實例研究——Y公司的財務診斷因子分析及方案生成過程

Y公司為國內(nèi)機械制造行業(yè)的某上市公司，2012年以來，受宏觀環(huán)境影響，庫存增多、應收賬款增多、現(xiàn)金流大幅下降、利潤下滑，為此受Y公司委托對其財務狀況進行診斷。

根據(jù)財務診斷的原理，對Y公司進行財務診斷的流程如圖1所示。診斷過程分為財務數(shù)據(jù)收集及指標體系的建立、關鍵因素尋找、診斷方案主題的創(chuàng)建、因素組合生成參考方案4個步驟。

（一）Y公司財務信息收集及指標體系的建立

1.財務信息收集及數(shù)據(jù)預處理

財務信息收集及數(shù)據(jù)預處理包括財務因素與非財務因素的收集和處理。財務因素主要為Y公司近3年的三大財務報表，分別對公司償債能力、盈利能力、營運能力及成長能力等要項選用33個會計指標。非財務因素為與企業(yè)財務關聯(lián)較為緊密或影響較大因素，如企業(yè)的籌資、銷額銷量、市場份額、銷售策略、競爭對手和類型、替代品發(fā)展等。可通過德爾菲、G-PEST、SWOT分析等方法進行審計和量化轉(zhuǎn)換。（限于篇幅，上述指標原始表格省略）

將收集到的財務數(shù)據(jù)標準化處理后，利用SPSS軟件中的“系統(tǒng)分類”選項進行聚類分析，得出聚類分析結(jié)果。聚類分析過程如表1所示。

2.財務指標體系

經(jīng)聚類分析后，原33個財務指標減少為5類27個，如表2所示。經(jīng)聚類降維的財務診斷指標更具代表性，可以為財務診斷提供更為明確的分析依據(jù)。

（二）利用因子分析法提取關鍵財務因素

1.數(shù)據(jù)檢驗。主要是利用SPSS軟件檢驗聚類分析后選取的指標是否適合作因子分析。根據(jù)一般的標準，KMO取值>0.6，巴特利特球度檢驗給出的相伴概率小于顯著性水平0.05，就可認為適合于因子分析。數(shù)據(jù)檢驗結(jié)果如表3所示，其中KMO值為0.691>0.6，巴特利特球度檢驗給出的相伴概率也小于0.05的顯著性水平，因此認為原有指標適合作因子分析。

2.提取公因子。因子分析時，一般將特征值>1，或累計方差貢獻率>80%的特征個數(shù)確定為公因子的個數(shù)。Y公司相關財務指標因子分析的特征值和貢獻率如表4所示，表中前兩個因子的累計方差貢獻率為100%，且這兩個因子的特征值均>1，說明這兩個因子已可以解釋全部變量，因此可選取前兩個因子作為公因子。為方便分析，兩個因子分別稱為F1和F2。

表5為因子成分矩陣，如對初始矩陣表5進行旋轉(zhuǎn)，使各個公因子的含義更加清晰，旋轉(zhuǎn)因子成分矩陣如表6所示。

3.公因子解釋及命名

由表6可知，固定資產(chǎn)周轉(zhuǎn)率、資產(chǎn)報酬率等8項與收入利潤有關的指標在公因子F1上有較高的載荷，因此將F1命名為收入利潤因子；而現(xiàn)金流量比率、已獲利息倍數(shù)等6項現(xiàn)金流量有關指標在公因子F2上有較高的載荷，故命名F2為現(xiàn)金流量因子。（限于篇幅，表簡略）

4.計算因子得分和樣本綜合得分

由回歸分析系數(shù)矩陣（略），估算F1和F2因子成分的得分系數(shù)后，形成函數(shù)：

F1=0.043X1+0.051X2-0.009X3+…+0.063X27

F2=0.035X1+0.027X2+0.077X3+…-0.087X27

通過綜合評價模型F綜合=（γ1F1+γ2F2+…+γmFm）/∑γ的計算，可得到樣本的綜合得分函數(shù)：

F=0.511F1+0.487F2

由此可見，F(xiàn)1和F2的變化對財務狀況影響最大，即影響Y公司財務能力的主要因素是收入利潤和資金問題。

（三）擬定公司財務診斷方案主題

在擬定主題前，可對F1和F2代表的14個指標進行再分析和挖掘。分析該14項指標近3年的趨勢（略），看到Y(jié)公司主要由資金管理缺陷導致財務惡化。即高基礎數(shù)據(jù)背景下診斷的主題可初步擬定為“分析判斷和解決資產(chǎn)效率低下及資金管理問題”。在此基礎上，本例的委托者傾向于從產(chǎn)品業(yè)務（系列質(zhì)量及服務）入手，以增加銷售改善財務狀況；而本例的施診者傾向于通過降低庫存，減少應收項，同時適當對促銷進行改善，具體主題為“加強用戶研究，實施產(chǎn)品生產(chǎn)與銷售的雙重改進”。

（四）建立因素體系，形成施診方案

圍繞主題進行深層次的數(shù)據(jù)挖掘，利用網(wǎng)絡和XBRL及Web3.0等技術(shù)平臺，提取出與主題高度相關的因素并進行組合，分為三部分進行信息和數(shù)據(jù)挖掘。

1.進行公司內(nèi)部財務數(shù)據(jù)挖掘，形成Y公司3年來財務重大變動項目表。包含發(fā)生這些重大變動的經(jīng)營原因，形成財務綜合狀況判斷的深層因素支持。

2.進行公司內(nèi)部非財務數(shù)據(jù)挖掘，包括公司的戰(zhàn)略方針方案、公司治理結(jié)構(gòu)、發(fā)展速度、業(yè)務重點、重大變動問題、優(yōu)劣勢等。本例尋找出政策重大變動和公司戰(zhàn)略調(diào)整的因素。可通過對因素賦權(quán)后進行因素強度和力度的計算，形成相關表格。

3.通過對公司外部財務數(shù)據(jù)及非財務信息的挖掘，獲取行業(yè)財務和非財務數(shù)據(jù)，用于對照。

獲得上述關鍵因素、關聯(lián)因素和外部的參照因素后，可進行排序打分，然后根據(jù)不同的診斷主題，組合出不同分值的施診參考方案。如本例以施診者價值傾向為主題，形成以下參考方案：

第一，根據(jù)施診者傾向，其診斷主題可擬為“加強用戶研究，實施生產(chǎn)、銷售與財務管理的三重改進”。主題核心因素為：流動比（庫存）、銷售額、應收賬款。

第二，改善圍繞主題的關聯(lián)因素。本例施診者傾向的主題中，除與F1和F2對應的10多個因素外，重點列入用戶研究、及時生產(chǎn)、銷售的信用管理和目標管理等非財務因素。

第三，描述各方參考案本質(zhì)、要點、措施，評估比較影響面和改善幅度。

四、結(jié)論

（一）因子分析可提高財務診斷的客觀性和合理性

文中實例所述的財務診斷過程中，主要是采用了因子分析的方法提取財務的關鍵指標作為創(chuàng)建方案主題的依據(jù)，以提高財務診斷的客觀性和合理性。實例中最終提取的關鍵因子F1和F2分別代表公司的盈利能力和現(xiàn)金流量，與實際情況相符。

（二）關鍵財務因素識別與獲取提供了施診主題的客觀來源

因子分析從變量集中提取公共因子的統(tǒng)計技術(shù)，保障了關鍵因素的客觀來源，滿足了財務診斷過程的方案主題擬定環(huán)節(jié)中選取關鍵因素作為施診主題的客觀需要。同時，也在一定程度上減少主觀賦權(quán)對于因素權(quán)重的影響，由此實施財務診斷的科學性、有效性和覆蓋度得到應有的保證。

（三）將因子分析法應用到財務診斷中可以在兩個方面得到改善

一是診斷主題的確定更有針對性。這得益于因子分析能從大量財務數(shù)據(jù)中有效地識別和提取關鍵財務因素的特性，從而形成針對性、目標性更強的診斷方案主題。二是因素組合生成診斷參考方案增加了財務診斷的調(diào)節(jié)能力。診斷參考方案是通過對不同的施診主題進行不同的因素組合實現(xiàn)的，對于不同的主題，可采用不同相關因素組合來生成參考方案，因此實際上增加了解決問題的角度和途徑。

【參考文獻】

[1] WILLIAM B. Financial Rations as Predictors of Failure[J].Journal of Accounting Research（supplement），1966（4）：71.

[2] TAM， K Y，KIANG M Y. Managerial Applications of Neural Networks： The Case of Bank Failure Predictions [J]. Management Science，1992（7）：926-947.

[3] KANEKO T. Building a Financial Diagnosis System Based on Fuzzy Logic Production System[C]. 18th International Conference on Computers and Industrial Engineering，1996：743-746.

[4] SPEARMAN C. General intelligence， objectively determined and measured[J]. American Journal of Psychology，1904（15）：201-293.

[5] 尹子民， 王春蕊. 基于因子分析建立上市公司財務戰(zhàn)略模型[J].中國管理信息化，2008，11（3）：64-67.

[6] 王文桂. 因子分析法在公司并購財務績效評價中的應用[J].企業(yè)導報，2011（1）：65-67.

[7] 龐琦， 張建平. 基于因子分析的上市公司并購績效研究[J].會計之友，2015（17）：64-68.