中小企業財務危機預警分析

薛靖峰

摘 要 中小企業對國民經濟的發展具有深遠的影響，但是，中小企業融資難等方面的缺陷加大了中小企業財務危機發生的幾率。本文選取了17個中小型上市企業為樣本，從償債、營運、盈利和發展能力四個方面選取15個財務指標，首先對其進行KMO和Bartlett檢驗，其次利用SPSS20.0，采用主成分分析法提取5個公因子，并用該因子建立Logistic回歸模型，最后選取45個外企作為樣本對模型進行檢驗，為中小企業的投資者和管理者提供預警模型，以提高其安全性。

關鍵詞 財務危機 主成分分析法 Logistic回歸模型

中圖分類號：F275 文獻標識碼：A DOI：10.16400/j.cnki.kjdkx.2016.08.067

Abstract Small and medium-sized enterprises have a far-reaching impact on the development of the national economy. However， the defects of the financing difficulties of small and medium-sized enterprises have increased the probability of the financial crisis. This paper selects 17 small and medium-sized listed companies as a sample， from the debt， operation， profitability and development capacity of four aspects of selected 15 financial indicators， first of all the were kmo and Bartlett test， followed by the use of spss20.0， five common factors were extracted by the method of principal component analysis and the factor logistic regression model was established， and finally selects 45 foreign as the sample of the model inspection， provide the early warning model for the investors and managers of small and medium-sized enterprises， to improve their safety.

Key words financial crisis； principal component analysis； Logistic regression model

0 引言

近年來，中小企業有了較快的發展。但是，在發展過程中最大的問題是市場需求不足、缺乏核心競爭力，同時還存在融資困難、財務制度不健全以及風險防范意識淡薄等缺陷，這些問題不僅成為制約中小企業結構調整、產業升級的最根本原因，同時也增加了中小企業破產的概率。因此，針對中小企業建立一套適用的財務危機預警機制對防范危機尤為重要。

1 研究方法

1.1 中小企業預警指標的選取

結合我國中小企業目前發展現狀，本文選取的預警指標主要包括四個方面：

（1）償債能力：流動比率（），速動比率（），現金比率（），資產負債率（），利息保障倍數（）；（2）營運能力：流動資產周轉率（），存貨周轉率（），應收帳款周轉率（），總資產周轉率（）；（3）盈利能力：銷售毛利率（），銷售凈利率（），凈資產收益率（），總資產報酬率（）；（4）發展能力：總資產增長率（），凈利潤增長率（）。

1.2 主成分分析

主成分分析法考慮各指標間的相互關系，采用降維的方法將原有的多維變量由少數彼此獨立的綜合指標來替代進行分析，并從中挑選出幾個重要的指標進行評價，以便于更加深刻地揭示事物的內在規律。

1.3 Logistic回歸分析

Logistic回歸分析是建立在累積概率函數的基礎上，運用最大似然估計來尋找觀察對象的條件概率，進而對觀察對象的財務狀況和經營風險進行預測。Logistic回歸模型為：

=

= + + + … + = （）

其中，為常數項，（ = 1，2，3，...，）為回歸系數。

2 結果與分析

2.1 數據來源

本研究數據來源于新浪財經網站。

2.2 數據處理與計算

2.2.1 KMO和Bartlett檢驗

將選取的15個指標變量進行KMO和Bartlett檢驗，結果如下：

由表1可知：KMO檢驗結果為0.568，符合其采用的標準，且Bartlett檢驗的顯著性為0.000，因此所選取的指標數值適用于主成分分析。

2.2.2 確定主成分

計算標準矩陣的相關陣R的特征值、方差貢獻率和累計貢獻率（表2）。

由表2可知：前5個特征值大于1，且累計貢獻率達到96.759%，表明這5個因子可以反映15個財務指標的大部分信息。因而，本文用這5個公因子來表示原始的15個財務指標。

2.2.3 構建因子模型

將初始因子載荷矩陣表中每一列值分別除以特征值的開方，得出每一個特征值對應的特征向量，即因子得分系數。

根據因子得分系數表，寫出前5個主成分的計算模型：

2.2.5 模型的檢驗

由表4可知：本文主要選取的45個樣本中32個財務良好企業，正確判斷28個，準確率為87%；13個財務危機企業，正確判斷9，準確率為69%；總體判斷準確率為79.6%。

2.3 計算結果分析

（1）本文選擇了能較為全面反映企業信息且具有動態性、可行性以及代表性的指標，并對選擇的指標進行了科學的篩選，從而使信息量的流失最小。（2）本文分析比較所建立的兩種預警模型，結果發現，建立的綜合模型預測精度更高。

3 建議與展望

本文采用主成分分析法提取的主因子構建Logistic回歸分析模型。但在實際應用時，仍存在不足，可從以下方面進行完善：（1）在擴大選取的樣本規模時，應權衡上市和非上市二者的比重，做到更加合理、全面，以便提高預警模型的準確度。（2）更廣泛的非財務指標被添加到預警模型以進一步提高預警模型預測的精確度。

參考文獻

[1] 張鵬，劉永波，李明.基于C&R樹的上市公司財務危機預警研究[J].會計之友，2015：135-142.

[2] 劉義龍，郝青，李松.上市公司財務預警指標體系的構建——綜合考慮財務指標和非財務指標.河北軟件職業技術學院學報，2015：10-18.

[3] 崔德志.非金融企業流動性風險預警研究.福建行政學院學報，2012：89-100.