基于因子分析法對上市公司財務風險模型的實證分析

張潤君， 薛晗慶

(1 青海民族大學 工商管理學院， 西寧 810007； 2 哈爾濱工業大學 計算機科學與技術學院， 哈爾濱 150001)

引言

機械制造業作為工業的核心，隨著國內經濟及工業發展，其上市公司的數量日益增多。在機械行業取得快速長足進步的同時，卻存在著因為財務狀況異常而被特別處理或接到退市風險警告的上市公司。由財務問題而被特別處理的主要原因可歸結為機械制造企業財務風險管理意識淺薄，缺乏適宜有效的財務評價體系。為此，對機械制造業及機械行業上市公司進行財務風險的評價模型建立分析具有深遠的現實意義。本文則將對此展開如下研究論述。

1 文獻綜述

1.1 因子分析法概念

因子分析法是以降維的方式對原始變量進行數據簡化處理，并繼而用于后續分析問題的方法[1]。因子分析法的基本原理即是以變量間的相關性為基礎進行分組，每組用一個因子做代表，形成的各個因子間相關性較低，而因子組內各個變量間則具有較高相關性。因子分析法通過降維可運用少量綜合指標對原始變量的全部信息進行描述，解決了原始變量間信息重疊問題，使得其結果分析更加客觀、全面[2]。

1.2 因子分析法的分析過程

(1)檢驗原始變量能否進行因子分析。本文以KMO值和巴特利特球形檢驗作為檢驗標準。KMO原則上應大于0.5。

(2)確定公共因子。本文以主成分分析法提取公共因子。同時，本文以累積方差貢獻率法和特征值法確定因子變量。

(3)利用旋轉解釋公共因子。通常以最大方差正交旋轉法對因子載荷進行旋轉，旋轉后的因子載荷矩陣可以更好地解釋各個公共因子，并可通過因子載荷的高低對因子變量進行命名。

(4)計算公共因子得分和綜合得分[3]。

(5)結果分析。通過公共因子得分、綜合得分及數據排序，結合實際情況對相關結果進行分析。

2 財務風險評價指標體系的建立

2.1 財務風險評價指標的選取原則

本文財務風險評價指標選取的原則大致包含全面性、動態性、靈敏性、可比性及可操作性5個原則[4-5]。

2.2 財務風險評價指標的篩選

本文以國內外研究成果作為借鑒標準，經過反復對比，最終確定了償債能力、盈利能力、營運能力、成長能力及現金流能力五大類、共計17 個重要財務比率指標，建立公司的財務風險評價指標體系，作為此次財務風險評價的基礎變量。各類別具體財務風險評價指標明細可見表1。

表1 公司財務風險評價指標體系明細表

3 某機械設備公司企業財務風險評價模型的構建

3.1 建立某機械設備公司企業財務風險評價模型

根據前文中確定的財務風險評價指標體系，本文選取了徐工機械公司2008～2017年中各季度的財務指標數據共計40 組作為樣本原始數據。財務指標原始數據的獲取來源于國泰安數據庫，本文通過Excel 對原始樣本數據加以整理，選用統計分析軟件SPSS 22.0 對樣本進行因子分析，以此建立公司財務風險評價模型。該研究中，關于每一流程主題的設計實現可闡釋分述如下。

(1)樣本數據選取及其標準化處理。本文選取徐工機械公司2008～2017 年各季度的財務指標數據作為財務風險評價模型的樣本數據，收集數據共計40 組。使用Z-Score對原始數據進行標準化。

(2)樣本數據可行性檢驗

① KMO 檢驗和巴特利特球形檢驗。本文利用SPSS 22.0 統計分析軟件對樣本數據進行因子分析適用性檢驗。由表2 可知，樣本數據的KMO 檢驗值為0.61>0.5，巴特利特球形檢驗的卡方近似值為985.765，數值較大，顯著性水平較高，且其顯著性概率值為0.000<0.001，說明樣本數據適用于因子分析。

② 變量共同度檢驗。變量共同度是指提取的公共因子對原有變量信息的解釋程度，本文選取17 個原始財務風險評價指標的共同度，具體內容詳見表3。表3的數據說明提取的公共因子擁有足夠的原始變量信息完整度和解釋能力。

表2 KMO和Bartlett 檢驗數據表

表3原始變量公因子方差表

Tab.3Commonfactorvariancetableofprimitivevariables

指標名稱初始值提取流動比率1.0000.964速動比率1.0000.878資產負債率1.0000.915營業凈利率1.0000.888資產報酬率1.0000.941總資產凈利潤率1.0000.962凈資產收益率1.0000.758存貨周轉率1.0000.953固定資產周轉率1.0000.921流動資產周轉率1.0000.942總資產周轉率1.0000.985總資產增長率1.0000.786凈資產增長率1.0000.820凈利潤增長率1.0000.500營業收入增長率1.0000.752營業收入現金凈含量1.0000.910全部現金回收率1.0000.905

(3)確定公共因子。本文選用主成分分析法對原始變量的公共因子進行提取，結合特征值法和累積方差貢獻率法進一步確定關聯目標公共因子。由表4中數據可知，第一列為因子的編碼，之后分別為因子初始特征值以及旋轉后的載荷平方和，并分別以方差貢獻率做出數據描述。最終，本次研究將確定選取前五個公共因子代表原始數據中17 個財務風險評價指標對該公司財務風險進行分析。

如圖 1 所示，從因子分析繪制的碎石圖中可以看出，從因子1 到因子5 的特征值都處于較高水平，表明前五個因子是可以較完整解釋原始變量的公共因子，因此，碎石圖為本文因子分析中確定的5個公共因子提供更為有力的依據。

圖1 因子分析碎石圖

(4)基于旋轉后的因子載荷矩陣對公共因子命名。本文通過對原始變量進行因子分析共提取5個公共因子，為更好地解釋公共因子所表征的經濟涵義，進而對其命名。本文在因子分析過程中選用最大方差法的正交旋轉對初始因子載荷矩陣進行處理，旋轉后的因子載荷矩陣詳情可見表5。由表5可知，可以將因子F1確定為盈利能力代表因子；將因子F2確定為償債能力代表因子；因子F3確定為營運能力代表因子；因子F4確定為現金流能力代表因子；因子F5確定為成長能力代表因子。

表4 總方差解釋

表5 旋轉后的因子載荷矩陣

(5)財務風險綜合評價模型。本文在因子分析中采用回歸法對因子得分系數矩陣進行處理，以便更好地反映因子與原始變量間的線性關系。本文因子得分系數矩陣的結果格式可參見表6。

由表6中數據，可計算求出公共因子F1、F2、F3、F4、F5的得分公式，則各個因子的線性函數公式為：

Fi=Ci*X

(1)

其中，Ci是表6中的列，X是原始變量。

結合各個因子得分公式，采用客觀賦值法進行因子綜合得分計算，即以公共因子方差貢獻率作為權重，得出財務風險評價模型的綜合得分公式，這里推導給出計算公式如下：

F=(23.596%*F1+22.481%*F2+21.026%*

F3+11.797%*F4+8.037%*F5)/86.936%=

0.271 42*F1+0.258 59*F2+0.241 86*F3+

0.135 7*F4+0.092 45*F5

(2)

3.2 某機械設備公司企業財務風險綜合評價

通過對40 組原始數據的因子分析，該公司確定5個影響財務風險的主要因子，本文選取并整理2008～2017 年中各年年末財務指標得分情況，詳情明細可見表7。舉例分析表7中的因子(如償債能力因子F2)， 由此可看出2012～2016 年間企業存在嚴重的償債問題，根據各年年報數據也可知，企業存在大量舉債、籌資方式單一問題，面臨較高的籌資風險威脅。對于其它因子也可以采用類似的方法進行分析。

綜上研究可得，該公司財務風險波動情況描繪如圖2所示。觀察圖2 的折線波動情況可知，該機械設備公司10 年間的財務風險大致呈波浪走勢，基本保持在0.4 上下浮動，可見其財務風險威脅較高。從圖2中可知，該公司2008 年綜合評分近乎于1，說明企業當年財務風險威脅最低。此后9年間在2009、2015 年F值近似于0，財務風險較高，而在2013、2016 年F值小于0，財務風險加劇，且在2016 年達到最大。在2017年降低其財務風險威脅，但F值低于0.4，且從其營業利潤為負，利潤總額并非核心利潤情況來看，該公司仍存在一定的財務風險。結合該公司10 年間的財務狀況及內外環境變化，對比由因子分析法構建的財務風險綜合評價模型，充分說明了該分析結果對該公司財務風險評價具有一定的參考價值。

表6 因子得分系數矩陣

表7 財務風險綜合評價得分表

圖2 公司財務風險波動圖

4 結束語

本文通過KMO檢驗和巴特利特球形檢驗，篩選相關指標，最終確定5個公因子代表原始數據的17個財務風險指標，用因子分析法對上市公司財務風 險進行分析并得出相關結論。結合該公司10 年間的財務狀況及內外環境變化，對比由因子分析法構建的財務風險綜合評價模型，說明該分析結果對該公司財務風險評價存在一定的參考價值。