主成分法在上市公司財(cái)務(wù)績(jī)效評(píng)價(jià)中的運(yùn)用

　　【摘要】 在相關(guān)財(cái)務(wù)評(píng)價(jià)體系及實(shí)證工具的參考文獻(xiàn)基礎(chǔ)上，分析了現(xiàn)行財(cái)務(wù)評(píng)價(jià)體系的缺陷并構(gòu)建我國上市公司財(cái)務(wù)指標(biāo)評(píng)價(jià)體系，再運(yùn)用PCA（主成分法）對(duì)選取的2008年深市60家上市公司財(cái)務(wù)狀況進(jìn)行實(shí)證評(píng)價(jià)。
　　【關(guān)鍵詞】 上市公司； 財(cái)務(wù)評(píng)價(jià)； 主成分法； 實(shí)證
　　
　　引言
　　
　　上市公司有著比一般公司更為嚴(yán)格的審批和監(jiān)管制度，而正是這一特點(diǎn)導(dǎo)致了我國上市公司要充當(dāng)經(jīng)濟(jì)社會(huì)的領(lǐng)頭羊。只有科學(xué)、公正的對(duì)上市公司財(cái)務(wù)狀況進(jìn)行評(píng)價(jià)，才能更好地發(fā)揮其吸納社會(huì)閑散資金、集中力量辦大事的優(yōu)勢(shì)功能。對(duì)上市公司財(cái)務(wù)進(jìn)行評(píng)價(jià)有兩個(gè)最為關(guān)鍵的問題，一是如何設(shè)計(jì)合理的財(cái)務(wù)評(píng)價(jià)標(biāo)準(zhǔn)；二是基于確定指標(biāo)的評(píng)價(jià)方法。針對(duì)前者的研究，目前國內(nèi)成果已經(jīng)很多，如饒翠華、鄭亞光（2006）所說避免道德風(fēng)險(xiǎn)和逆向選擇、降低代理成本，已成為管理會(huì)計(jì)、人力資源管理和企業(yè)財(cái)務(wù)學(xué)等諸多領(lǐng)域的研究熱點(diǎn)。具體而言，為分行業(yè)（金融銀行業(yè)、制造業(yè)、農(nóng)產(chǎn)品業(yè)）和分規(guī)模（國有大型、中小型）企業(yè)的財(cái)務(wù)評(píng)價(jià)體系構(gòu)建。在方法論上，有模糊數(shù)學(xué)法、現(xiàn)金流法、因子分析法、EVA法等。本文在這些理論基礎(chǔ)上，首先構(gòu)建我國上市公司財(cái)務(wù)指標(biāo)評(píng)價(jià)體系，再運(yùn)用PCA（主成分法）對(duì)選取的上市公司財(cái)務(wù)狀況進(jìn)行實(shí)證評(píng)價(jià)。
　　
　　一、上市公司財(cái)務(wù)指標(biāo)評(píng)價(jià)體系的構(gòu)建及PCA處理
　　
　　目前，根據(jù)現(xiàn)代財(cái)務(wù)理論，認(rèn)為財(cái)務(wù)狀況優(yōu)劣體現(xiàn)在4個(gè)方面：盈利能力、償債能力、營運(yùn)能力和成長能力。但這4個(gè)方面所包含的指標(biāo)還不能完全反映財(cái)務(wù)狀況，諸如資本結(jié)構(gòu)所引起的權(quán)益資本成本界定不明確、現(xiàn)金流指標(biāo)包含過少等問題?；诖?，本文引入資本結(jié)構(gòu)指標(biāo)和現(xiàn)金流量指標(biāo)，共計(jì)16個(gè)。具體指標(biāo)見表1。其中盈利能力包括x1，x2，x3，x4，均為利潤率指標(biāo)。償債能力由凈資產(chǎn)收益率（%）（x5）體現(xiàn)，剩余的指標(biāo)均從各個(gè)層面反映了企業(yè)的營運(yùn)能力和成長能力，并且很好地引入了資本結(jié)構(gòu)和現(xiàn)金流因素。
　　在財(cái)務(wù)評(píng)價(jià)指標(biāo)體系初步建立的基礎(chǔ)上，對(duì)這些指標(biāo)進(jìn)行主成分處理，即對(duì)16個(gè)因素中進(jìn)行主成分提取，以達(dá)到解釋率為85%以上。主成分（PCA）分析法的優(yōu)勢(shì)在于能在保持好解釋率的前提下對(duì)指標(biāo)數(shù)進(jìn)行精簡(jiǎn)，并且在處理過程中，所有指標(biāo)均0-1化處理，數(shù)據(jù)均無量綱。下面將簡(jiǎn)單敘述PCA處理的基本原理。
　　①樣本公司數(shù)為n（i=1，2，…，n），財(cái)務(wù)評(píng)價(jià)指標(biāo)m個(gè)（j=1，2，…，k），那么Xij代表第i家公司第j項(xiàng)財(cái)務(wù)指標(biāo)數(shù)據(jù)，并對(duì)Xij進(jìn)行0-1無量綱化處理。并得到y(tǒng)i=（Xi-X）/σ
　?、诟鶕?jù)無量綱化處理后的yi進(jìn)行自相關(guān)分析，得到自相關(guān)系數(shù)?籽ij，得到相關(guān)系數(shù)矩陣：
　　R=（?籽11 ?籽12?籽13…… ?籽1n?籽21…… …… …… ………… …… …… …… ……?籽n1…… …… …… ?籽n n）。
　?、垡?yàn)镽是對(duì)稱矩陣，下三角和上三角數(shù)據(jù)對(duì)稱。利用對(duì)稱矩陣的計(jì)算特征值和特征向量，求解出特征值為：λi（ｉ=1，2，…，m）將特征值按照從大到小順序排列，即λ1≥λ2≥…≥λm≥0，特征值是各主分量的方差，反映對(duì)目標(biāo)所起作用的大小。
　　由于λi就是Zi的方差，故由特征值可求得各主成分的貢獻(xiàn)率?琢i及累計(jì)貢獻(xiàn)率Cumulative：
　　根據(jù)累計(jì)貢獻(xiàn)率Cumulative>85%解釋率的原理，選取m個(gè)變量中的s個(gè)主成分，這樣s個(gè)主成分Z1，Z2，…，Zs便包含了原來指標(biāo)X1至X7的95%以上的信息，變量數(shù)也由k個(gè)減為s個(gè)。在確定了選擇s個(gè)主成分之后，要根據(jù)主成分的計(jì)算結(jié)果，結(jié)合定性分析對(duì)各主成分賦予新的意義和合理的解釋。
　　
　　二、上市公司財(cái)務(wù)指標(biāo)評(píng)價(jià)實(shí)證研究
　　
　?。ㄒ唬颖緮?shù)據(jù)來源
　　根據(jù)上文所選取指標(biāo)，進(jìn)行數(shù)據(jù)搜集。數(shù)據(jù)來源于人大經(jīng)濟(jì)論壇（http://www.pinggu.org/），本著以下三個(gè)原則選取樣本：一是剔除金融類上市公司，因?yàn)槠涔蓹?quán)結(jié)構(gòu)和運(yùn)作方式與正規(guī)上市公司存在差異；二是排除缺失若干年份數(shù)據(jù)的樣本和數(shù)據(jù)明顯存在奇異點(diǎn)的上市公司。三是選取1990-2008年持續(xù)經(jīng)營的公司，對(duì)申請(qǐng)破產(chǎn)、并購的上市公司進(jìn)行剔除。數(shù)據(jù)選擇分析年份為2008年。據(jù)此，本文選擇了60家上市公司，涉及到地產(chǎn)、機(jī)械制造、紡織、化工、石油等各大行業(yè)。
　?。ǘ┲鞒煞址治?br/>　　可以將所探討問題模擬成：對(duì)60家上市公司的16項(xiàng)指標(biāo)進(jìn)行評(píng)分，應(yīng)用SPSS13.0軟件的FACTOT模塊分析，得到無量綱化后的財(cái)務(wù)指標(biāo)相關(guān)系數(shù)如表2，得出以下結(jié)論：
　?。?）16項(xiàng)反映財(cái)務(wù)狀況的指標(biāo)共存在120項(xiàng)自相關(guān)系數(shù)，其中24項(xiàng)為負(fù)值，占的比例僅僅為20%?；旧现笜?biāo)具有同向性。
　?。?）主營業(yè)務(wù)利潤率(%)（x1）與營業(yè)利潤增長率(%)（x7）相關(guān)系數(shù)最高，為0.748。銷售凈利率(%)（x2）與主營業(yè)務(wù)收入增長率(%)（x6）相關(guān)系數(shù)為0.637，與利潤總額增長率(%)（x10）相關(guān)度為0.714。從整體上來說，盈利能力、償債能力、營運(yùn)能力和成長能力四者之間密切相關(guān)。
　　根據(jù)表2中的相關(guān)系數(shù)矩陣，來求矩陣的特征值和特征向量，以確定各因子對(duì)目標(biāo)的貢獻(xiàn)率和累計(jì)貢獻(xiàn)率（見表2）。根據(jù)上文累計(jì)解釋率達(dá)到70%的目標(biāo)，取累計(jì)貢獻(xiàn)率為0.709318，對(duì)應(yīng)文中為X12。故認(rèn)為12個(gè)主成分指標(biāo)可解釋目標(biāo)變量。
　　可取累計(jì)貢獻(xiàn)率TH=70.93%，則取8個(gè)成分替代16個(gè)變量，收縮率為50%。建立以下方程：
　?。ㄈ┲鸩交貧w過程及財(cái)務(wù)檢驗(yàn)
　　筆者以上述方法得到的8個(gè)主成分作為新的變量，采用逐步判別分析方法篩選自變量。
　　y （1）ik=0.2242X*i1k+0.0821X*i2k+0.7212X*i3k-0.1599X*i4k
　　+0.4085X*i5k…+0.1246X*i16k
　　……
　　y （8）ik=0.4598Xi1k+0.0527X*i2k+0.5295Xi3k-0.3345X*i4k
　　+0.3206X*i5k…+0.0284X*i16k（1）
　　由上式得到y(tǒng) （n）ik（n=1，2，……8），進(jìn)行加權(quán)處理，權(quán)重為表3Proportion列，根據(jù)下式可以對(duì)F值進(jìn)行測(cè)度，將上市公司相關(guān)參數(shù)值代入以下方程，即可得到財(cái)務(wù)效率評(píng)價(jià)值。具體檢驗(yàn)結(jié)果如表4。
　　F=0.17618y（1）ik+0.11766y（2）ik+0.08662y（3）ik
　　+0.076403（4）ik+0.075098y（5）ik+0.06939y（6）ik+0.058607y（7）ik+0.049352y（8）ik（2）
　　根據(jù)表4檢驗(yàn)結(jié)果，可知：①所選取60家上市公司財(cái)務(wù)指標(biāo)為正的有20家財(cái)務(wù)效率為負(fù)，負(fù)效率比例為1/3。充分暴露出在2008年我國深市上市公司財(cái)務(wù)效率整體不高。②上市公司之間財(cái)務(wù)效率差異較大，最大值為ST海藥（代碼：0566）的9.036，最低值為陜長嶺Ａ的-8.7。均值為0.5306。偏度為-0.4052，具有明顯的左偏性質(zhì)。峰度為6.26（>3），顯著高窄峰性質(zhì)。標(biāo)準(zhǔn)差為2.58，大于均值，說明上市公司財(cái)務(wù)效率差異很大。具體差異幅度可由圖1表示。③從行業(yè)特征來看，生物及能源產(chǎn)業(yè)上市公司財(cái)務(wù)效率值普遍較高，如海王生物和深能源Ａ效率值為3.224和1.566，但是房地產(chǎn)業(yè)效率普遍偏低，這與國內(nèi)最熱點(diǎn)的房地產(chǎn)泡沫問題相關(guān)，大量的投資并沒有創(chuàng)造經(jīng)濟(jì)效用。而如康佳等一些高新技術(shù)上市公司效率普遍走高，這也迎合了21世紀(jì)科技經(jīng)濟(jì)發(fā)展的大趨勢(shì)。第三產(chǎn)業(yè)服務(wù)業(yè)，效率值普遍不高，居于上市公司整體中游位置。④張愛民等（2001）把滬深兩地證券市場(chǎng)的ST板塊公司界定為“財(cái)務(wù)失敗企業(yè)”，在本文所選取的60家上市公司中有9家為典型的財(cái)務(wù)失敗企業(yè)，并對(duì)滬深兩市的“雙40”數(shù)據(jù)進(jìn)行實(shí)證研究發(fā)現(xiàn)：ST板塊上市公司在財(cái)務(wù)效率上是低于其他公司的，但本文研究結(jié)果發(fā)現(xiàn)ST海藥（代碼：0566）的績(jī)效評(píng)分為9.036，為所有上市公司榜首。說明自1998年開辟的“ST板塊”經(jīng)過十幾年的發(fā)展，已經(jīng)擺脫了“財(cái)務(wù)失敗企業(yè)”的怪圈，致使目前“財(cái)務(wù)失敗企業(yè)”的定義越來越模糊。但同時(shí)應(yīng)當(dāng)注意，其他ST公司財(cái)務(wù)績(jī)效較低，有3家為負(fù)值，這表明由于ST板塊的特性的存在必然對(duì)財(cái)務(wù)績(jī)效存在一定的負(fù)面影響。
　　
　　
　　三、總結(jié)
　　
　　筆者通過對(duì)深市2008年117家公司的數(shù)據(jù)進(jìn)行實(shí)證分析，發(fā)現(xiàn)主成分分析法是評(píng)價(jià)財(cái)務(wù)績(jī)效的合理方法。在傳統(tǒng)財(cái)務(wù)評(píng)價(jià)指標(biāo)體系上，引入資本結(jié)構(gòu)指標(biāo)和現(xiàn)金流量指標(biāo)，構(gòu)建新的財(cái)務(wù)績(jī)效評(píng)價(jià)體系。為廣大的投資者、企業(yè)高管及金融監(jiān)管部門對(duì)不同行業(yè)的上市公司進(jìn)行財(cái)務(wù)績(jī)效評(píng)價(jià)提供了科學(xué)、合理的手段，同時(shí)也為改善公司治理結(jié)構(gòu)、降低財(cái)務(wù)風(fēng)險(xiǎn)提供了科學(xué)依據(jù)。
　　目前上市公司財(cái)務(wù)績(jī)效評(píng)價(jià)不僅是監(jiān)管部門所關(guān)注的重點(diǎn)，也是上市公司履行社會(huì)職責(zé)、完善金融市場(chǎng)的主要工作。只有通過建立合理的財(cái)務(wù)評(píng)價(jià)體系，并輔之以科學(xué)的評(píng)價(jià)方法，才能達(dá)到公正的對(duì)待企業(yè)運(yùn)行效果的最終目的。本文運(yùn)用主成分分析法（PCA）對(duì)已建立的評(píng)價(jià)體系進(jìn)行了實(shí)證分析，數(shù)據(jù)選之深市數(shù)據(jù)，行業(yè)涉及較廣，結(jié)論有較好的說服力。結(jié)論顯示深市上市公司2008年財(cái)務(wù)效率整體不高，且波動(dòng)幅度較大。具有明顯的行業(yè)差異性，這也能很好地說明不同行業(yè)的上市公司由于政治、經(jīng)濟(jì)、行業(yè)特性等因素的影響導(dǎo)致財(cái)務(wù)效率也具有很大的層次性。提高財(cái)務(wù)效率的途徑不僅局限于公司內(nèi)部治理結(jié)構(gòu)的調(diào)整，也應(yīng)注重于行業(yè)政策的波及作用，通過各種得力措施的實(shí)施，才能從總體上提高上市公司的財(cái)務(wù)績(jī)效。
　　通過主成分分析法，發(fā)現(xiàn)該法能夠較簡(jiǎn)明實(shí)用的根據(jù)所選取的指標(biāo)，運(yùn)用spss軟件進(jìn)行運(yùn)算，具有以下優(yōu)點(diǎn)：①不限制原始財(cái)務(wù)比率的個(gè)數(shù)，只要該財(cái)務(wù)比率能夠在一定程度上區(qū)分“財(cái)務(wù)失敗企業(yè)”與“非財(cái)務(wù)失敗企業(yè)”；②由于對(duì)財(cái)務(wù)比率原始數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理，使得各財(cái)務(wù)比率之間具有可比性和可加性；③根據(jù)各主成分的貢獻(xiàn)率來確定各主成分在預(yù)測(cè)函數(shù)中的權(quán)數(shù)。但值得注意的是，主成分法體現(xiàn)的是在眾多指標(biāo)中選取累計(jì)解釋率較高的變量最后進(jìn)行回歸分析，但仍存在以下缺點(diǎn)：一是解釋率只能達(dá)到一定的比例（一般為70%-80%），不能完全概括影響評(píng)價(jià)結(jié)果的所有因素，眾所周知：上市公司財(cái)務(wù)風(fēng)險(xiǎn)的來源因素很多，每一項(xiàng)因素都有可能對(duì)上市公司帶來致命的打擊，所以主成分法所忽略的另外一部分因素不容忽視，但目前主成分法并不能解決這個(gè)問題；二是目前在實(shí)證研究過程中，幾乎所有的標(biāo)的選取均包括不同行業(yè)的上市公司，這一方面是為了擴(kuò)大樣本數(shù)量，使研究的精確度提高，另一方面是為了對(duì)上市公司在不同行業(yè)間有一個(gè)清晰的對(duì)比，正如上文所說：不同行業(yè)的上市公司均存在一定的差異，而這種差異的存在會(huì)導(dǎo)致樣本數(shù)據(jù)的“泛雜”性——不同行業(yè)數(shù)據(jù)特征不同，這必然會(huì)對(duì)結(jié)果產(chǎn)生顯著的影響。
　　
　　【參考文獻(xiàn)】
　?。?］ 饒翠華，鄭亞光.基于企業(yè)可持續(xù)發(fā)展的財(cái)務(wù)評(píng)價(jià)體系構(gòu)建［J］.財(cái)會(huì)月刊，2006（33）.
　?。?］ 何曉群. 現(xiàn)代統(tǒng)計(jì)分析方法與應(yīng)用［M］. 北京: 中國人民出版社，1999.
　?。?］ 張愛民，祝春山，許丹健.上市公司財(cái)務(wù)失敗的主成分預(yù)測(cè)模型及其實(shí)證研究［J］.金融研究，2001（3）.
　?。?］ 陳曉龍.上市公司財(cái)務(wù)危機(jī)的預(yù)警模型［J］.統(tǒng)計(jì)與決策，2009（15）.
　?。?］ 崔剛.因子分析法在上市公司財(cái)務(wù)績(jī)效評(píng)價(jià)中的應(yīng)用——基于萬科公司年報(bào)數(shù)據(jù)的案例分析［J］.財(cái)政監(jiān)督，2009（14）.
　?。?］ 任紅焱.中小板上市公司財(cái)務(wù)績(jī)效評(píng)價(jià)體系研究［J］.財(cái)會(huì)研究，2009（2）.
　?。?］ Whitehead B A. Cooperative competitive genetic evolution of radial basis function centers and widths for time series prediction. IEEE Trans on Neural Netwo