河北省制造業(yè)上市公司財務(wù)風(fēng)險預(yù)警研究

朱清香　劉佳　冷冬署

【摘要】 文章利用河北省上市公司制造業(yè)2006年到2008年的數(shù)據(jù)，建立了針對河北省制造業(yè)的財務(wù)風(fēng)險預(yù)警模型，應(yīng)用于2009年和2010年，得出的分析結(jié)果與公司實際情況吻合度較高，并根據(jù)實際的檢驗分析結(jié)果，提出了相關(guān)建議。

【關(guān)鍵詞】 河北省制造業(yè)； 財務(wù)風(fēng)險； 預(yù)警模型； 因子分析

一、引言

自1994年1月3日威遠(yuǎn)生化在滬交所上市以來，到2011年11月11日止，河北省共有42家企業(yè)分別在深、滬交易所發(fā)行股票并上市，其中有33家為制造業(yè)，占78.57%。河北省上市公司中6家發(fā)生財務(wù)危機(jī)的有5家是制造業(yè)，占到83.33%。制造業(yè)作為河北省上市公司主導(dǎo)行業(yè)，其經(jīng)營情況直接反映本省經(jīng)濟(jì)發(fā)展態(tài)勢。鑒于制造業(yè)5家被ST的情況，本文擬根據(jù)河北省制造業(yè)的特點，采用代表性指標(biāo)，來建立適合河北省制造業(yè)上市公司的財務(wù)危機(jī)預(yù)警模型，為制造業(yè)上市公司以及利益相關(guān)者提供預(yù)警信號。

二、文獻(xiàn)綜述

國外學(xué)者在財務(wù)風(fēng)險預(yù)警模型研究領(lǐng)域的經(jīng)典成果有：一元判別法、多元線性判別法，即Z計分模型、Logistic模型和類神經(jīng)網(wǎng)絡(luò)模型。之后又有學(xué)者嘗試使用新研究方法、新變量進(jìn)行研究，都取得了相應(yīng)的成效。如Ohison構(gòu)建了Probit模型，Kim和McLeod，Jr通過專家決策的方式構(gòu)建了線性和非線性的破產(chǎn)預(yù)測模型，研究發(fā)現(xiàn)非線性模型的預(yù)測效果較好。Galindo和Temayo利用統(tǒng)計學(xué)和機(jī)器學(xué)的方法對銀行信用風(fēng)險進(jìn)行評價等等。

國內(nèi)對此的研究起步較晚，主要從以下三個方面進(jìn)行研究。一是財務(wù)風(fēng)險預(yù)警模型及方法的研究，主要包括：Z模型的進(jìn)一步研究，賀瓊、郝匯（2007）運(yùn)用SPSS統(tǒng)計軟件對我國企業(yè)進(jìn)行財務(wù)風(fēng)險預(yù)警研究；多元線性回歸模型，李月英（2010）選取滬深證券交易所2009年所有被特別處理（ST）的7家農(nóng)業(yè)上市公司作為研究樣本，采用多元線性回歸模型對農(nóng)業(yè)上市公司的財務(wù)數(shù)據(jù)進(jìn)行了預(yù)警分析；多元邏輯回歸模型，李娜（2008）運(yùn)用因子分析和邏輯回歸分析相結(jié)合的方法構(gòu)建適合農(nóng)業(yè)上市公司的財務(wù)風(fēng)險預(yù)警模型。二是財務(wù)危機(jī)預(yù)警模型的比較研究，將對Z分?jǐn)?shù)模型與F分?jǐn)?shù)模型進(jìn)行比較與選擇并以我國工程機(jī)械上市公司2007年、2009年財務(wù)數(shù)據(jù)為研究對象，檢驗兩種模型的預(yù)警效果最終得出F分?jǐn)?shù)模型更適合我國工程機(jī)械上市公司財務(wù)風(fēng)險預(yù)警的結(jié)論等等。三是財務(wù)風(fēng)險預(yù)警指標(biāo)的研究，席光繼（2007）研究確定了企業(yè)經(jīng)營風(fēng)險中關(guān)于營銷類的指標(biāo)，對企業(yè)的經(jīng)營風(fēng)險進(jìn)行了預(yù)警研究。

河北省制造業(yè)上市公司財務(wù)風(fēng)險是由河北經(jīng)濟(jì)加速發(fā)展引起的，是加速發(fā)展與內(nèi)外部影響因素之間矛盾的體現(xiàn)。本文擬通過對河北省制造業(yè)上市公司財務(wù)數(shù)據(jù)的處理和分析，從償債、盈利、運(yùn)營、發(fā)展四個方面篩選出能夠準(zhǔn)確分析河北省制造業(yè)上市公司財務(wù)風(fēng)險的指標(biāo)，并在因子分析的基礎(chǔ)上，建立能夠有效防控河北制造業(yè)上市公司財務(wù)風(fēng)險的預(yù)警模型。

三、河北省制造業(yè)上市公司財務(wù)風(fēng)險分析

河北省制造業(yè)上市公司財務(wù)狀況不是很樂觀，其風(fēng)險存在的問題主要包括以下幾點，所以建立其財務(wù)風(fēng)險預(yù)警模型有著必要性、緊迫性和現(xiàn)實意義。

（一）企業(yè)負(fù)債高

資產(chǎn)負(fù)債率低于50%的公司占河北省制造業(yè)上市公司總數(shù)的百分比由2006年的32%漲到2010年的40%，整體上呈上升趨勢；資產(chǎn)負(fù)債率50%～70%的公司占河北省制造業(yè)上市公司總數(shù)的百分比由2006年的52%降到2010年的32%，整體上呈下降趨勢；資產(chǎn)負(fù)債率超過70%的企業(yè)卻由2006年占總數(shù)的16%漲到2010年的28%，總體上呈上升趨勢。大多數(shù)河北省制造業(yè)負(fù)債持有水平在50%以上，這與西方發(fā)達(dá)國家一般將50%的負(fù)債率視為企業(yè)負(fù)債過度的“標(biāo)準(zhǔn)線”相比偏高。因此河北省制造業(yè)上市公司總體財務(wù)狀況存在一定的隱患，必須引起高度重視。

（二）盈利情況不容樂觀

截止到2006年河北省制造業(yè)25家上市公司中有4家虧損，虧損面為16%；2007年河北省制造業(yè)上市公司中虧損的有2家，虧損面降為8%；2008年河北省制造業(yè)上市公司中虧損的數(shù)量增為6家，虧損面達(dá)到24%，比全國平均虧損面18.54%高出5.46個百分點；2009年底河北省制造業(yè)上市公司中虧損的有7家，虧損面達(dá)到28%；2010年河北省虧損的公司家數(shù)又降到了2家，比2009年7家虧損減少了5家。管理者當(dāng)局需認(rèn)清不穩(wěn)定的財務(wù)狀況，分析河北省制造業(yè)上市公司財務(wù)風(fēng)險產(chǎn)生的根源，著手治理，從根本上解決財務(wù)風(fēng)險的發(fā)生。

（三）部分上市公司資產(chǎn)質(zhì)量較差

通過資產(chǎn)質(zhì)量可以幫助判斷一個企業(yè)的價值、發(fā)展?jié)摿蛢攤芰?。調(diào)查發(fā)現(xiàn)河北省制造業(yè)上市公司中的部分上市公司資產(chǎn)質(zhì)量較差，資本結(jié)構(gòu)不合理，隱含了較大的財務(wù)危機(jī)。其中部分上市公司持有較大應(yīng)收款，例如冀中能源2008年應(yīng)收款達(dá)到2 674 739 632元之多、河北鋼鐵2010年其他應(yīng)收款達(dá)到了460 679 591元。

四、河北省制造業(yè)上市公司財務(wù)風(fēng)險預(yù)警模型的建立及應(yīng)用

（一）樣本的選取

研究財務(wù)風(fēng)險預(yù)警模型，樣本的合理選擇直接關(guān)系到模型的實用性?？紤]到數(shù)據(jù)采集的難易和河北省上市公司的實際情況，本文主要的研究對象為河北省制造業(yè)上市公司。根據(jù)上市公司資訊網(wǎng)公布的資料，經(jīng)過數(shù)據(jù)整理和剔除缺失及特大異常數(shù)據(jù)，采用中國證監(jiān)會（CSRC）1998年頒布的行業(yè)分類方法，最終選取25家河北省制造業(yè)上市公司2006—2010年的數(shù)據(jù)，通過其中的2006—2008年的數(shù)據(jù)確定指標(biāo)并建立模型，運(yùn)用2009—2010年的數(shù)據(jù)進(jìn)行模型應(yīng)用并檢驗。樣本數(shù)據(jù)主要來源于上市公司資訊網(wǎng)和河北省證監(jiān)會網(wǎng)站。

（二）財務(wù)風(fēng)險預(yù)警指標(biāo)的確立

從償債能力、盈利能力、營運(yùn)能力、現(xiàn)金能力4個方面共16個指標(biāo)來考察河北省制造業(yè)上市公司的財務(wù)風(fēng)險，以求能得到公司全面的財務(wù)狀況，分析精確。其中償債能力：資產(chǎn)負(fù)債率、流動比率、速動比率、產(chǎn)權(quán)比率、流動負(fù)債率、現(xiàn)金流動負(fù)債比；盈利能力：凈資產(chǎn)收益率、資產(chǎn)利潤率、營業(yè)利潤率、每股收益；營運(yùn)能力指標(biāo)：總資產(chǎn)周轉(zhuǎn)率、存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率；發(fā)展能力指標(biāo)：營業(yè)收入增長率、總資產(chǎn)增長率、凈利潤增長率。

通過河北省制造業(yè)上市公司所發(fā)布的年報，計算確定了2006—2008年上述16個指標(biāo)大小。如果用選取的16個指標(biāo)去反映企業(yè)的經(jīng)營情況，則會因為指標(biāo)眾多，導(dǎo)致研究分析的結(jié)果不夠準(zhǔn)確，所以進(jìn)一步選用SPSS統(tǒng)計軟件，用因子分析方法進(jìn)行統(tǒng)計分析。用少數(shù)幾個因子去替代上述16個指標(biāo)，將關(guān)系密切的幾個變量歸在同一類中，每一類變量就成為一個因子，以較少的幾個因子反映原資料的大部分信息。步驟如下：

第一，財務(wù)指標(biāo)的處理。由于各個財務(wù)指標(biāo)都有不同的量綱、數(shù)量級，在對數(shù)據(jù)進(jìn)行量度處理時，通常需要對數(shù)據(jù)進(jìn)行變換處理，消除差異，使其具有可比性。最常用的方法是標(biāo)準(zhǔn)化變換，首先對其進(jìn)行中心化；然后用標(biāo)準(zhǔn)差進(jìn)行標(biāo)準(zhǔn)化。公式如下：Zi=（Xi-X）/S，Xi為變量X的第i個觀測值，X為變量X的平均值，S為變量X的標(biāo)準(zhǔn)差，Zi為標(biāo)準(zhǔn)化轉(zhuǎn)換后的數(shù)據(jù)。通過變換處理后，每列數(shù)據(jù)的均值為0，標(biāo)準(zhǔn)差為1，經(jīng)過標(biāo)準(zhǔn)化處理后，不同指標(biāo)的數(shù)據(jù)便具有可比性，在樣本改變的情況下，仍保持相對完整性。

第二，財務(wù)指標(biāo)的檢驗。首先做Kaiser-Meyer-Olkin Measure of Sampling Adequacy（KMO）檢驗，KMO值的變化范圍為0到1，通常認(rèn)為KMO值在0.5以上適合做因子分析。經(jīng)計算KMO的值是0.586，大于0.5，故本數(shù)據(jù)適于做因子分析。然后采用巴特利特球體顯著性檢驗，x2統(tǒng)計值為939.250，顯著性概率為0.000，小于1％，說明數(shù)據(jù)具有相關(guān)性，適宜做因子分析。

第三，財務(wù)指標(biāo)的提取。碎石圖，橫坐標(biāo)為因子序號，縱坐標(biāo)為各因子對應(yīng)的特征值。根據(jù)點間連線坡度的陡緩程度，可以看出因子的重要性。比較陡的直線說明直線端點對應(yīng)因子的特征值差值較大，比較緩的直線則對應(yīng)較小的特征值差值。前5個因子之間的連線較陡，說明前5個因子是主要因子，而其他因子相對次要。

表1為各變量和因子的方差貢獻(xiàn)情況，它分為兩部分：第一部分反映的是全部因子的特征值、方差貢獻(xiàn)率和累計貢獻(xiàn)率；第二部分反映的是特征值大于1的5個公共因子的特征值、方差貢獻(xiàn)率和累積貢獻(xiàn)率?？偡讲罘纸獗盹@示，共選取5個因子，解釋了總體方差的73.415％，也就是說5個公共因子可以概括16個原始變量所有信息含量的73.415%，提取公共因子的結(jié)果是較為滿意的。

（三）財務(wù)風(fēng)險預(yù)警模型的建立

為了使所提取的各因子變量的經(jīng)濟(jì)意義容易解釋，本文使用正交旋轉(zhuǎn)法中的方差最大法對其進(jìn)行轉(zhuǎn)換。轉(zhuǎn)換后為了簡化各主因子的結(jié)構(gòu)，對因子負(fù)荷矩陣進(jìn)行求逆計算，最后根據(jù)因子得分系數(shù)和原始變量的標(biāo)準(zhǔn)化值，可以計算每個觀測量的各個因子的分?jǐn)?shù)，并可以據(jù)此對觀測量進(jìn)行下一步的分析。旋轉(zhuǎn)后的主成分因子表達(dá)式可以寫成：

其中，F(xiàn)1代表的是企業(yè)的盈利能力，即盈利能力因子；F2代表的是企業(yè)的償債能力，即償債能力因子；F3代表的是企業(yè)的發(fā)展能力和盈利能力，即發(fā)展與盈利能力綜合因子；F4代表的是企業(yè)的營運(yùn)能力，即營運(yùn)能力因子；F5代表的是企業(yè)的發(fā)展能力和營運(yùn)能力，即發(fā)展和營運(yùn)能力綜合因子。

最終選取的財務(wù)因子是F1、F2、F3、F4、F5這5個因子，分別從不同的方面反映了企業(yè)的經(jīng)營狀況。下面運(yùn)用選取的5個指標(biāo)建立河北省制造業(yè)上市公司的財務(wù)風(fēng)險預(yù)警模型。

因子F1、F2、F3、F4、F5分別從不同方面反映了各個指標(biāo)的貢獻(xiàn)率大小情況。雖然它們的綜合原始信息較強(qiáng)，但單獨使用某因子并不能對所有變量進(jìn)行一個綜合評價，因此按照測度財務(wù)綜合因子，將F1、F2、F3、F4、F5按照貢獻(xiàn)率綜合加權(quán)如下：F=0.22911F1+0.21383F2+0.11865F3

+0.09387F4+0.07869F5。本式即為建立的河北省制造業(yè)上市公司財務(wù)風(fēng)險預(yù)警模型，由于已經(jīng)采用標(biāo)準(zhǔn)化數(shù)據(jù)進(jìn)行分析，所以因子得分為正（F大于0）表示處于平均水平之上，因子得分為負(fù)（F小于0）表示處于平均水平之下。

（ 四）財務(wù)風(fēng)險預(yù)警模型的應(yīng)用

根據(jù)上述所確定的財務(wù)風(fēng)險預(yù)警模型對河北省制造業(yè)上市公司2009—2010年進(jìn)行應(yīng)用研究，分析河北制造業(yè)企業(yè)財務(wù)狀況的具體情況。

應(yīng)用的前提是假設(shè)構(gòu)建的模型完全適應(yīng)河北省制造業(yè)上市公司，并取臨界值0；當(dāng)企業(yè)F值大于等于0（得分為正）時，則說明企業(yè)經(jīng)營狀況在平均水平之上，不具有財務(wù)風(fēng)險；若F小于0（得分為負(fù)）時，則把該公司作為高財務(wù)風(fēng)險的公司。

利用建立的財務(wù)風(fēng)險預(yù)警模型計算出各個企業(yè)的綜合得分F值。利用SPSS軟件處理，可快速獲得企業(yè)的主因子和綜合因子得分情況，從而對綜合因子得分進(jìn)行排序，結(jié)果如表2所示，據(jù)此對這些企業(yè)的2009年、2010年的財務(wù)風(fēng)險作出分析和比較。

2009年制造業(yè)上市公司的F得分，大于0的公司有12家，而小于0的公司占到了13家，排名最末的4家公司均為ST公司，預(yù)測準(zhǔn)確率100％；2010年F值大于0的有16家，小于0的公司有9家，財務(wù)狀況排名末4位的均為ST企業(yè)，預(yù)測準(zhǔn)確率80％?？梢娊⒌呢攧?wù)風(fēng)險預(yù)警模型比較符合河北省制造業(yè)上市公司的實際情況。

從總體上看，本文建立的模型能夠?qū)颖笔≈圃鞓I(yè)上市公司起到很好的預(yù)警效果，且影響河北省制造業(yè)上市公司財務(wù)風(fēng)險的因素主要是償債能力的流動比率、速動比率；盈利能力的凈利潤率、凈資產(chǎn)收益率；營運(yùn)能力的總資產(chǎn)周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率；發(fā)展能力的總資產(chǎn)增長率、凈利潤增長率。

近幾年河北省制造業(yè)上市公司的財務(wù)風(fēng)險狀況不樂觀，半數(shù)以上的企業(yè)財務(wù)狀況將出現(xiàn)危機(jī)。需要引起企業(yè)管理者的充分重視，同時結(jié)合河北省制造業(yè)上市公司的發(fā)展現(xiàn)狀及時采取相應(yīng)的措施，予以應(yīng)對，以防止財務(wù)風(fēng)險的進(jìn)一步擴(kuò)大。

五、相關(guān)建議

通過以上的應(yīng)用并且針對河北省制造業(yè)財務(wù)風(fēng)險表現(xiàn)形式及現(xiàn)狀，筆者提出以下幾點相關(guān)建議。

（一）針對償債能力的重要性

公司要合理負(fù)債。河北省制造業(yè)上市公司負(fù)債較高，合理負(fù)債可以增加河北省制造業(yè)上市公司的利潤，可以改善現(xiàn)金流量。負(fù)債多少必須與企業(yè)的償債能力相匹配；考慮負(fù)債比率的同時也必須考慮債務(wù)結(jié)構(gòu)的合理化。一般來說，長期債務(wù)的資金成本較高，短期借款的資金成本相對較低，但企業(yè)最終的比率要與企業(yè)實際相符合，否則會出現(xiàn)相反的效果。

（二）針對盈利能力及營運(yùn)能力的重要性

公司要提高盈利。河北省制造業(yè)上市公司的盈利能力是其在行業(yè)中生存的根本，如果盈利不能滿足企業(yè)資金需要，企業(yè)就要靠減少現(xiàn)金余額，出售短期金融資產(chǎn)，或借入更多的債務(wù)等手段來彌補(bǔ)資金缺口，增加企業(yè)財務(wù)風(fēng)險。因此，保持盈利能力，增加資金，減少債務(wù)，才能控制企業(yè)財務(wù)風(fēng)險。

（三）針對發(fā)展能力的重要性

公司要并購重組。通過并購重組可積極推動瀕危公司并走出困境。例如，ST唐陶作為轄區(qū)典型的績差公司，勉強(qiáng)維持上市地位多年，實現(xiàn)了實質(zhì)性重組后，其重大資產(chǎn)重組方案已獲得證監(jiān)會核準(zhǔn)，公司面貌徹底改變，由傳統(tǒng)的陶瓷生產(chǎn)轉(zhuǎn)變?yōu)檠b備制造業(yè)，發(fā)展能力顯著增強(qiáng)，財務(wù)狀況有所提高。

【參考文獻(xiàn)】

［1］ F Ohlson. J. A. Financial Ratios and the Probabilistic Prediction of Bankr-

uptcy［J］. Journal of Accounting Research，2003（1）：109-131.

［2］ Kim，McLeod，Jr. Expert Decision for Financial Distress Models［M］. Journal of Banking and Finance，2009（7）：1-10.

［3］ Galindo. J，Temayo. P. Credit Risk Assessment Using Statistical and Machine Learning： Basis Methodology and Risk Modeling Applications［J］. Computational Economics，2007，5（1）：107-143.

［4］ 賀瓊，郝匯.上市公司財務(wù)危機(jī)預(yù)警模型中變量體系的設(shè)計［J］.財會月刊，2007（5）：2l-22.

［5］ 李月英.我國農(nóng)業(yè)上市公司財務(wù)預(yù)警危機(jī)研究［D］.內(nèi)蒙古農(nóng)業(yè)大學(xué)，2010（6）.

［6］ 徐學(xué)高.農(nóng)業(yè)上市公司財務(wù)風(fēng)險預(yù)警系統(tǒng)的建立與應(yīng)用［J］.燕山大學(xué)學(xué)報，2008（1）.

［7］ 楊成炎，李瓊. 我國上市公司財務(wù)風(fēng)險預(yù)警模型的比較與選擇［J］.理財觀點，2011.

［8］ 席光繼.企業(yè)經(jīng)營風(fēng)險預(yù)警指標(biāo)體系設(shè)計與預(yù)警系統(tǒng)模型設(shè)計［J］. 時代經(jīng)貿(mào)，2007（3）：27-28.

［9］ 魏亞平，葉曉峰.上市公司適度負(fù)債水平的推論及分析［J］.商業(yè)研究，2007（6）：107-109.