基于現金流量的福建省中小企業財務預警實證研究

陳美香

基于現金流量的福建省中小企業財務預警實證研究

陳美香

以36家福建中小板上市公司為樣本，從償債能力、營運能力、盈利能力、發展能力四個維度，選取以現金流量指標為基礎的16個指標，采用因子分析和二元Logistic回歸建立了財務預警模型。研究發現，影響福建省中小企業財務狀況的因素主要是償債能力、盈利能力和發展能力，其中主要影響指標包括現金流量債務比、現金流量比率、盈利現金比率、資本積累率、資產購置比率，可為福建省中小企業的管理者預測財務狀況提供依據。

現金流量；財務預警；中小企業；因子分析；二元Logistic回歸

一、引言

福建省中小企業數量占90%以上，產值占總GDP的70%以上，已成為我省經濟結構的重要組成部分，在增加就業機會、促進經濟增長、優化市場結構、保障經濟活力等方面都發揮著重要作用。但目前我省中小企業普遍存在管理方法不規范、管理技術落后、風險意識淡薄、財務管理不完善等問題，導致企業面臨較大經營和財務風險，抗風險能力較弱。現金流斷裂是導致企業出現財務危機甚至破產的最直接原因，建立基于現金流的財務預警系統，并制定預防性方案和措施，保障企業財務安全。

二、當前研究成果

對于財務預警問題，國外學者Fitzpatrick(1932)最早運用單變量進行企業破產研究，開創了財務預警研究的先河。之后，其他學者將混沌系統、專家決策法、期權定價理論、決策樹等方法用于財務預測模型。

國內財務預警研究起步較晚，多為借鑒國外研究成果運用到實證研究。周首華、楊繼華(1996)借鑒Z分數模型，提出F分數模型。陳靜(1999)借鑒Beaver、Altman的模型，進行了單變量分析和多變量分析。吳世農、盧賢義(2001)根據中國的實際情況，運用Fisher線性判別分析、多元線性回歸分析和Logistic回歸分析三種方法，分別建立財務危機預測模型。楊保安、季海(2001)將神經網絡方法運用于財務危機預警。殷伊(2004)等進行財務危機預警時決策者個人經驗、智慧以及信息優勢的影響。萬希寧、黃莉(2005)將非財務指標引入模型，建立了模糊預測模型。陳婧宇、王毅捷(2010)構建了“P-S”財務預警模型，運用因子分析進行預測。

本文將因子分析法和Logistic回歸分析法結合，構建財務預警模型。首先運用Logistic回歸分析法初步篩選出對財務危機和財務狀況正常之間有解釋力的指標，再將篩選出的指標運用因子分析提取少數幾個公因子，最后用二元Logistic回歸建立財務預警模型。

三、樣本選取

本文以2015年36家福建中小上市公司作為研究對象，研究數據來自深圳證券交易所。國內學者進行財務預警實證研究時多以ST公司作為財務危機企業的樣本，但福建中小上市公司中沒有ST公司，故此時以此作為財務危機的依據不可行。本文借用機會成本理論來劃分是否出現財務危機。國債被認為是無風險債券，國債利息即被看作無風險利率。本文將連續兩年的凈資產收益率低于國債利率的公司定義為財務危機企業。具體到本次研究，將2013-2015年連續兩年的凈資產收益率比國債利率低的公司定義為財務危機企業，其他為財務正常企業。據此福建省36家中小上市企業中，18家為財務危機企業，18家為財務正常企業。

四、財務預警指標選擇

參照國內外學者進行財務預警研究時常用的指標，結合數據的可獲取性，本文從償債能力、營運能力、盈利能力、發展能力四個維度，初步選取了11個現金流量指標。僅運用現金流量指標可能會導致研究不全面和模型效果不佳，故本文再考慮了5個非現金流財務指標。償債能力指標包括現金比率、現金流量比率、現金流量債務比、現金流量利息保障倍數、資產負債率。其中，現金比率=(現金+現金等價物)/流動負債，現金流量比率=經營活動現金凈流量/流動負債，現金流量債務比=經營活動現金凈流量/債務總額，現金流量利息保障倍數=經營活動現金凈流量/財務費用，資產負債率=債務總額/資產總額。營運能力指標有經營現金流量比率、自由現金流量比率、總資產周轉率。其中，經營現金流量比率=經營現金流入量/經營現金流出量，自由現金流量比率=自由現金流量/經營現金凈流量，總資產周轉率=主營業務收入/平均總資產。盈利能力指標包括主營業務收入現金比率、盈利現金比率、每股經營現金凈流量、資產凈利率。其中，主營業務收入現金比率=經營活動現金凈流量/主營業務收入，盈利現金比率=經營活動現金凈流量//利潤總額，每股經營現金凈流量=經營活動現金凈流量/普通股股票數量，資產凈利率=凈利潤/平均總資產。發展能力指標有經營現金流量增長率、資產購置比率、主營業務收入增長率、資本積累率。其中，經營現金流量增長率=本年經營現金流量增長額/上年經營現金凈流量，資產購置比率=經營活動現金凈流量/當期資本支出，主營業務收入增長率=本年主營業務增長額/上年主營業務收入額，資本積累率=本年所有者權益增長額/年初所有者權益。

以上選取的指標中，不是所有的指標都適用于模型，因為這些變量可能解釋能力較差，對模型貢獻很小，或者變量之間存在多重共線性，研究結論不科學，存在較大誤差。

定義因變量Y=1為企業發生財務危機，Y=0為企業財務狀況正常。為了簡化模型，篩選出更具代表性和解釋力度的變量，本文將16個指標與因變量Y分別進行二元Logistic回歸，若回歸模型不顯著，則表明該指標對因變量的解釋能力差，即財務預警能力差，應將其舍棄。經分析，經營現金流量比率、每股經營現金凈流量、資產凈利率、經營現金流量增長率建立的模型不通過顯著性水平0.1的檢驗，將這4個變量舍棄。

為了避免指標之間多重共線性問題，對剩余的12個指標進行因子分析。首先進行KMO和Bartlett檢驗，KMO檢驗結果為0.620，Bartlett檢驗觀測值概率為0.000，說明適合進行因子分析。運用主成分方法提取公因子，并運用最大方差法進行正交旋轉，根據特征值大于1的原則，提取前4個因子，結果見表1，累積貢獻率達到73.856%，表明這4個因子包含了原始12個指標的73.856%的信息，替代原始變量依然具有較高可信度。根據旋轉后因子載荷系數，因子1在現金流量債務比、現金流量比率、現金比率、資產負債率、現金流量利息保障倍數五個變量上均有較高載荷，因此因子1體現了公司的償債能力。因子2在盈利現金比率和主營業務收入現金比率上的載荷較高，故因子2代表了公司的盈利能力。因子3在自由現金流量比率和總資產周轉率上的載荷很高，故因子3體現了公司的運營能力。因子4在資本積累率、資產購置比率、主營業務收入增長率三個變量上載荷很高，因此因子4代表了公司的發展能力。

五、回歸分析

將因子分析提取的“償債能力”因子X1、“營運能力”因子X2、“盈利能力”因子X3、“發展能力”因子X4作為自變量，與因變量Y建立二元Logistic回歸模型。采用SPSS22軟件進行分析，利用向后逐步回歸的方法篩選變量，在顯著性水平0.1下，“運營能力”因子從模型中剔除，結果如表2。

企業財務危機的概率P與各因子之間存在的回歸模型為：

財務危機概率P取值范圍為0-1，一般取0.5為分割點，若將原始數據代入模型中，得到預測結果P＞0.5，判定該企業將發生財務危機，反之，則判定該企業財務狀況正常。將原始數據代入模型，得到預測結果，結果見表2。財務狀況正常的預測正確率為77.8%，財務危機的預測正確率為83.3%，整體正確率為80.6%，模型的預測效果較好。

表1 因子分析主要結果

表2 Logistic回歸分析結果

表3 模型預警效果

六、結語

本文在現金流量的基礎上，建立二元Logistic回歸模型，對福建省中小企業的財務狀況進行預警，80.6%的正確率可以看出該模型能較準確地進行預測。研究結果表明，影響福建省中小企業財務狀況的因素主要是償債能力、盈利能力和發展能力，其中影響財務狀況的財務指標主要包括現金流量債務比、現金流量比率、盈利現金比率、資本積累率、資產購置比率。本文在定義企業財務危機是以機會成本作為劃分標準，不一定科學，但目前對福建中小企業的財務預警研究提供了一種途徑，還可以進一步探討。另外，由于總樣本數較少，本文未設置檢驗樣本組，根據原始樣本進行預測得到的模型正確率可能被高估。

[1]周首華,楊濟華,王平.論財務危機的預警分析——F分數模式[J].會計研究,1996(8):8-11.

[2]陳靜.上市公司財務惡化預測的實證分析[J].會計研究, 1999(4):31—38.

[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].經濟研究,2001(6):46-55.

（作者單位：福建理工學院管理工程系）