財(cái)務(wù)報(bào)表預(yù)警模型——基于民營(yíng)企業(yè)的實(shí)證研究

西南財(cái)經(jīng)大學(xué)會(huì)計(jì)學(xué)院 張 迪

財(cái)務(wù)報(bào)表預(yù)警模型
——基于民營(yíng)企業(yè)的實(shí)證研究

西南財(cái)經(jīng)大學(xué)會(huì)計(jì)學(xué)院 張 迪

我國(guó)民營(yíng)企業(yè)普遍呈現(xiàn)出“曇花一現(xiàn)”的現(xiàn)象，其壽命如此之短在很大程度上歸因于其財(cái)務(wù)活動(dòng)帶來(lái)的巨大風(fēng)險(xiǎn)。本文基于財(cái)務(wù)報(bào)表層次，隨機(jī)選取若干家民營(yíng)企業(yè)2010年的財(cái)務(wù)報(bào)表數(shù)據(jù)，首先利用SPSS的因子分析挑選出最能代表民營(yíng)企業(yè)特點(diǎn)的財(cái)務(wù)指標(biāo)，隨后在選出指標(biāo)的基礎(chǔ)上，利用判別分析建立財(cái)務(wù)報(bào)表層次的風(fēng)險(xiǎn)預(yù)警模型，最后挑選了三家民營(yíng)企業(yè)驗(yàn)證出模型具有較好的風(fēng)險(xiǎn)預(yù)測(cè)性。

財(cái)務(wù)報(bào)表 因子分析 判別分析 風(fēng)險(xiǎn)預(yù)警

一、民營(yíng)企業(yè)現(xiàn)狀

作為中國(guó)經(jīng)濟(jì)體制改革的產(chǎn)物，民營(yíng)企業(yè)隨著近年來(lái)中國(guó)經(jīng)濟(jì)的飛速發(fā)展，如雨后春筍般在全國(guó)各地崛起。不可否認(rèn)的是，現(xiàn)今的民營(yíng)企業(yè)對(duì)我國(guó)的經(jīng)濟(jì)發(fā)展起到不可忽視的支柱作用。然而，民營(yíng)企業(yè)數(shù)量雖多，但質(zhì)量普遍不高，“壽命”普遍短暫。縱觀近十來(lái)年，民營(yíng)企業(yè)失敗的案例不勝枚舉，大至如金融帝國(guó)般的“德隆系”，小至某個(gè)鄉(xiāng)鎮(zhèn)的微型企業(yè)。導(dǎo)致民營(yíng)企業(yè)失敗的因素有諸多，對(duì)于財(cái)務(wù)活動(dòng)方面的風(fēng)險(xiǎn)，比較典型的有盲目投資，籌資成本高，資金鏈脆弱等等。因此，對(duì)于民營(yíng)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)防就顯得十分有現(xiàn)實(shí)意義。對(duì)于一個(gè)企業(yè)來(lái)說(shuō)，財(cái)務(wù)報(bào)表就是其日常財(cái)務(wù)活動(dòng)的結(jié)果，是企業(yè)的一張“名片”，因此本文基于財(cái)務(wù)報(bào)表層次建立財(cái)務(wù)預(yù)警模型，來(lái)判斷企業(yè)是否處于財(cái)務(wù)風(fēng)險(xiǎn)當(dāng)中。

二、財(cái)務(wù)報(bào)表預(yù)警模型的建立

本文所建立的模型是基于財(cái)務(wù)報(bào)表真實(shí)客觀的數(shù)據(jù)，為了充分避免評(píng)判時(shí)的主觀性，本文首先利用SPSS進(jìn)行因子分析，挑選出最能代表民營(yíng)企業(yè)財(cái)務(wù)狀況的若干指標(biāo)，隨后依然利用SPSS做判別分析，從而建立模型。

表1 指標(biāo)庫(kù)表

（一）利用因子分析挑選初始指標(biāo)

1．初始指標(biāo)庫(kù)的建立。對(duì)于實(shí)證樣本的選取，本文采用隨機(jī)抽樣原則，從幾百家民營(yíng)企業(yè)中挑選出177家上市民營(yíng)企業(yè)（包括盈利和虧損）。隨后參考經(jīng)典財(cái)務(wù)評(píng)價(jià)體系并結(jié)合民營(yíng)企業(yè)的現(xiàn)狀，為了盡可能保證參與因子分析的指標(biāo)全面而不累贅，本文利用CSMAR數(shù)據(jù)庫(kù)，從盈利能力、現(xiàn)金流量、營(yíng)運(yùn)能力、長(zhǎng)期償債能力、短期償債能力、發(fā)展能力這6個(gè)方面共收集24個(gè)指標(biāo)進(jìn)行分析，具體如表1：

2.因子分析原始模型。因子分析原始數(shù)學(xué)模型如下：

其中，F(xiàn)1、F2、…、Fn為個(gè)因子，x1、x2、…、xn為各原有變量，為特殊因子，相當(dāng)于回歸中的殘差。表示成矩陣形式如下：X=AF+aε，其中A為因子載荷矩陣，F(xiàn)為因子變量或公因子。

雖然因子分析可能會(huì)得出幾個(gè)抽象因子來(lái)代表本文所選取的24個(gè)指標(biāo)，但是為了便于企業(yè)在實(shí)踐應(yīng)用中的可操作性，本文選取最具有代表性的若干原始指標(biāo)來(lái)取代抽象因子的作用。根據(jù)上述模型的因子載荷矩陣A可以得出，若矩陣的某一行中有一個(gè)或者多個(gè)aij比較大，說(shuō)明某個(gè)原始指標(biāo)與一個(gè)或多個(gè)抽象因子具有較大的相關(guān)。正是基于該思想，本文可以選取若干具體的原始指標(biāo)來(lái)代替因子分析得出的抽象因子。

表2 Total Variance Explained

3.因子分析結(jié)果。根據(jù)上述思路，本文利用SPSS對(duì)177家民營(yíng)企業(yè)進(jìn)行因子分析，按特征根大小列出前6個(gè)因子的方差解釋表得出的碎石圖如下圖1：

通過(guò)方差解釋表和碎石圖可以看出，前6個(gè)共同因子解釋了原有變量總方差的85.585%，可以認(rèn)為這6個(gè)因子解釋了原有變量的大部分信息。

為了解釋得出的6個(gè)抽象因子，以及根據(jù)這些因子挑選出具有代表性的原始指標(biāo)，本文給出旋轉(zhuǎn)后的因子載荷矩陣表：

表3 Rotated Component Matrix(a)

根據(jù)因子載荷矩陣，可以看出，因子1表示短期償債能力，因子2表示資本增長(zhǎng)能力，因子3表示盈利能力，因子4表示業(yè)務(wù)發(fā)展能力，因子5表示營(yíng)運(yùn)能力，因子6表示長(zhǎng)期償債能力。結(jié)合現(xiàn)實(shí)情況，這六個(gè)方面確實(shí)是評(píng)價(jià)傳統(tǒng)制造行業(yè)企業(yè)的主要方面，故因子分析的效果還是比較理想?，F(xiàn)具體分析每個(gè)因子，根據(jù)因子分析模型貢獻(xiàn)度的原理，對(duì)每個(gè)抽象因子，挑選出對(duì)其貢獻(xiàn)度最大的具體指標(biāo)。根據(jù)上面的因子載荷矩陣，可以很容易挑選出代表指標(biāo)分別為速動(dòng)比率（0.904），資本保值增值率（0.949），總資產(chǎn)報(bào)酬率（0.966），凈利潤(rùn)增長(zhǎng)率（0.959）以及權(quán)益乘數(shù)（0.714）。同時(shí)，考慮到許多民營(yíng)企業(yè)的失敗有個(gè)很重要的原因是資金鏈斷裂，但本文因子分析的結(jié)果卻沒(méi)有抽象出一個(gè)代表現(xiàn)金能力的抽象因子，因此在上述指標(biāo)中，挑選出對(duì)因子2貢獻(xiàn)度相對(duì)較大的每股現(xiàn)金凈流量 （貢獻(xiàn)度約為0.919）作為現(xiàn)金能力方面的代表。

因此，綜上所述，基于因子分析的結(jié)果并結(jié)合民營(yíng)企業(yè)的實(shí)際情況，本文選擇速動(dòng)比率、權(quán)益乘數(shù)、總資產(chǎn)報(bào)酬率、總資產(chǎn)周轉(zhuǎn)率、凈利潤(rùn)增長(zhǎng)率、資本保值增值率以及每股現(xiàn)金凈流量共7個(gè)指標(biāo)作為后面風(fēng)險(xiǎn)預(yù)警模型的基本因素。

（二）建立財(cái)務(wù)報(bào)表層次預(yù)警模型——運(yùn)用判別分析法。最后本文利用判別分析法確定指標(biāo)間權(quán)重，從而構(gòu)建財(cái)務(wù)預(yù)警模型。所謂判別分析，即是通過(guò)尋找一組已知自變量的線性組合來(lái)對(duì)樣品進(jìn)行分類，自變量的線性組合方式稱為判別函數(shù)。本文利用第一步因子分析挑選出的7個(gè)財(cái)務(wù)指標(biāo)，利用SPSS進(jìn)行逐步判別，F(xiàn)isher判別，Bayes判別，進(jìn)而確定出各指標(biāo)間的權(quán)重，構(gòu)建財(cái)務(wù)預(yù)警模型。

1.判別分析原始模型。判別分析的數(shù)學(xué)模型如下：

其中，Wik是第i個(gè)觀測(cè)量的第k個(gè)判別函數(shù)值，p是預(yù)測(cè)因子的個(gè)數(shù)，bjk是第k個(gè)函數(shù)的第j個(gè)系數(shù)值，xij是第j個(gè)預(yù)測(cè)因子的第i個(gè)觀測(cè)值。

2.判別分析結(jié)果。本文隨機(jī)選擇上市民營(yíng)企業(yè)前100強(qiáng)的24家以及被帶上“ST”或者雖然不是“ST”，但是公認(rèn)經(jīng)營(yíng)績(jī)效較差的20家民營(yíng)企業(yè)，利用SPSS的判別分析?，F(xiàn)對(duì)其分析結(jié)果進(jìn)行分析。

判別分析得出的特征值表4如下：

表4 Eigenvalues

根據(jù)上述表格，特征值為3.469，解釋了100%的變異，典型性相關(guān)系數(shù)為0.881，在判別軸上的分組差異明顯。

Wilks統(tǒng)計(jì)量表5如下：

表5 Wilks'Lambda

根據(jù)表格，Wilks'Lambda的值為0.224較小，說(shuō)明判別函數(shù)的區(qū)分能力較強(qiáng)，同時(shí)顯著性概率為0，說(shuō)明判別函數(shù)十分有效。

Fisher判別函數(shù)的標(biāo)準(zhǔn)化系數(shù)表6如下：

表 6 Standardized CanonicalDiscriminant Function Coefficients

標(biāo)準(zhǔn)化系數(shù)的絕對(duì)值越大，表明自變量對(duì)判別函數(shù)的影響越大。從表格可以看出，總資產(chǎn)報(bào)酬率，權(quán)益乘數(shù)以及資本保值增值率對(duì)判別函數(shù)的影響較大。

在驗(yàn)證了判別函數(shù)的效果優(yōu)秀后，本文給出Bayes判別函數(shù)的系數(shù)表7如下：

表7 Classification Function Coefficients

由此，根據(jù)Bayes判別函數(shù)構(gòu)建民營(yíng)企業(yè)財(cái)務(wù)預(yù)警模型如下：

第一類：

最后，本文給出正確錯(cuò)誤判別表如下表8：

表8 Classification Results(b,c)

通過(guò)表格可以看出，各組正確判別率以及總的判別率均為100%，經(jīng)過(guò)交互驗(yàn)證后，兩組的正確判別率分別為95%和95.8%

三、財(cái)務(wù)報(bào)表預(yù)警模型的檢驗(yàn)

為了讓模型更有說(shuō)服力，本文挑選3家上市民營(yíng)企業(yè)以前年度的數(shù)據(jù)進(jìn)行代值驗(yàn)證，所選擇的企業(yè)以及相應(yīng)指標(biāo)值如下表：

表9 代值驗(yàn)證結(jié)果

根據(jù)上述表格，挑選的3家民營(yíng)上市公司在各自年度的W值均大于0，按照模型應(yīng)當(dāng)被判斷為有失敗可能性的企業(yè)。實(shí)際上，上述3家企業(yè)在第二年均被帶上了“ST”或者“*ST”的標(biāo)志，由此可以看出模型具有較好的預(yù)警效果。

四、財(cái)務(wù)報(bào)表預(yù)警模型的評(píng)價(jià)

本文財(cái)務(wù)報(bào)表層次預(yù)警模型的變量指標(biāo)是基于177家上市民營(yíng)企業(yè)通過(guò)因子分析從大量指標(biāo)中挑選出的最具有代表性的指標(biāo)，從而在很大程度上避免了選擇評(píng)判變量的主觀性，同時(shí)使指標(biāo)能夠在最大程度上綜合反映民營(yíng)企業(yè)的財(cái)務(wù)狀況。隨后在此基礎(chǔ)上利用判別分析建立的風(fēng)險(xiǎn)預(yù)警模型具有簡(jiǎn)單易操作的特點(diǎn)，對(duì)民營(yíng)企業(yè)有很強(qiáng)的現(xiàn)實(shí)意義，同時(shí)經(jīng)過(guò)模型檢驗(yàn)，可以判斷出本模型具有較好的判斷效果，為眾多民營(yíng)企業(yè)判別自身經(jīng)營(yíng)風(fēng)險(xiǎn)狀況提供了依據(jù)。本模型的缺陷在于樣本的局限性。即由于判別分析選取的樣本容量不十分大，因此判別模型可能存在一定的誤差，但是在可以接受的范圍內(nèi)。

五、總結(jié)

現(xiàn)今我國(guó)的民營(yíng)企業(yè)是十分“脆弱”的，導(dǎo)致其破產(chǎn)倒閉的因素有諸多，但最終歸結(jié)起來(lái)大多是其財(cái)務(wù)活動(dòng)的失敗。不同企業(yè)的日常財(cái)務(wù)活動(dòng)必定千差萬(wàn)別，因此不便于通過(guò)日?；顒?dòng)來(lái)預(yù)警財(cái)務(wù)風(fēng)險(xiǎn)，但是財(cái)務(wù)報(bào)表卻是有統(tǒng)一的計(jì)算口徑，具有較好的可比性，并且一個(gè)企業(yè)的財(cái)務(wù)報(bào)表是其日常財(cái)務(wù)活動(dòng)的 “結(jié)果”，具有靜止性，因此本文基于財(cái)務(wù)報(bào)表層次建立的預(yù)警模型能較好地幫助民營(yíng)企業(yè)識(shí)別其自身當(dāng)年是否處于財(cái)務(wù)風(fēng)險(xiǎn)狀況。

1.陳麗羽.2011.基于模糊綜合評(píng)價(jià)的高校財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究.會(huì)計(jì)之友。

2.馮成志、賈風(fēng)芹.2009.社會(huì)科學(xué)統(tǒng)計(jì)軟件SPSS教程.北京：清華大學(xué)出版社。

3.劉洪洲.2011.財(cái)務(wù)危機(jī)預(yù)警的Z計(jì)分模型實(shí)證研究——來(lái)自中國(guó)電器業(yè)上市公司的新證據(jù).會(huì)計(jì)之友。

4.彭素欣.2009.基于Z-SCORE模型的上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究.中國(guó)鄉(xiāng)鎮(zhèn)企業(yè)會(huì)計(jì)。

5.孫瑞欣.2011.我國(guó)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究文獻(xiàn)綜述.科學(xué)實(shí)踐。

6.鄭修敏.2006.民營(yíng)企業(yè)失敗研究.上海：同濟(jì)大學(xué)經(jīng)濟(jì)與管理學(xué)院。