基于因子判別分析法的建材行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)實(shí)證研究

田月昕+姜巖龍

摘要：本文以57家建材行業(yè)上市公司為樣本，運(yùn)用因子判別分析法對建材行業(yè)上市公司財(cái)務(wù)指標(biāo)進(jìn)行研究，并通過對建材行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)水平分類，運(yùn)用K值聚類分析、Fisher方法得到建材上市公司財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)模型的三個(gè)判別函數(shù)，最后得出結(jié)論：在評價(jià)建材行業(yè)上市公司的風(fēng)險(xiǎn)評價(jià)模型中包含4個(gè)公因子，并通過對每個(gè)企業(yè)對應(yīng)的由公因子組成的三個(gè)函數(shù)模型值的大小來判別該企業(yè)的所屬類別，以此判斷該企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)程度，且該方法可行有效。

關(guān)鍵詞：因子分析 判別分析 建材行業(yè) 財(cái)務(wù)風(fēng)險(xiǎn)

財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)體系對企業(yè)的發(fā)展有著積極的作用，它能夠?qū)ζ髽I(yè)的財(cái)務(wù)運(yùn)營過程進(jìn)行控制，讓企業(yè)財(cái)務(wù)管理中存在的問題得到及時(shí)解決，并對企業(yè)的財(cái)務(wù)危機(jī)進(jìn)行預(yù)測，使經(jīng)營者在財(cái)務(wù)危機(jī)發(fā)生前就及時(shí)采取相應(yīng)措施，預(yù)防失敗。國外學(xué)者用單變量分析Z-score、Logistic回歸分析、多元線性判別等方法來進(jìn)行企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識別。國內(nèi)專家或?qū)W者在預(yù)測企業(yè)財(cái)務(wù)危機(jī)時(shí)，通常應(yīng)用面分析、單變量分析、多重線性判定分析、神經(jīng)網(wǎng)絡(luò)分析、Fisher判別分析、Logistic分析等方法。本文主要運(yùn)用因子分析法和判別分析法對財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)進(jìn)行篩選。通過這些方法可以清晰、簡潔、明了地篩選出相關(guān)性強(qiáng)的具有代表性的財(cái)務(wù)指標(biāo)。

本文首先以57家建材上市公司在建立財(cái)務(wù)風(fēng)險(xiǎn)系統(tǒng)方面還沒有一個(gè)全面的認(rèn)識以及現(xiàn)有風(fēng)險(xiǎn)模型無法實(shí)現(xiàn)準(zhǔn)確判斷風(fēng)險(xiǎn)的實(shí)際情況為著手點(diǎn)，指出建立財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)體系的重要意義。上市公司只有建立財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)體系才能夠更好地完善財(cái)務(wù)管理相關(guān)工作，才能夠及時(shí)發(fā)現(xiàn)財(cái)務(wù)危機(jī)的存在，從而提前做好相應(yīng)的防范措施，減少或規(guī)避財(cái)務(wù)風(fēng)險(xiǎn)的產(chǎn)生。

一、樣本選取及數(shù)據(jù)來源

（一）樣本的設(shè)計(jì)

在對建材行業(yè)進(jìn)行確認(rèn)時(shí)，首先根據(jù)A股市場中建材行業(yè)進(jìn)行分類，在分類完成后確定選取上市公司大致的范圍，并且借助巨潮資訊網(wǎng)提供的資料，查找到上市公司的年度報(bào)告，從而根據(jù)年報(bào)當(dāng)中提供的信息對68家建材行業(yè)進(jìn)行分類（如表1）。

（二）樣本的確定

在進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)的過程中，本文選用的是因子判別分析法，該方法需要借助至少連續(xù)三年或三年以上的財(cái)務(wù)數(shù)據(jù)。為保持?jǐn)?shù)據(jù)的穩(wěn)定性，在A股建材行業(yè)的上市公司中，只有57家建材行業(yè)上市公司符合數(shù)據(jù)的要求。因此本文最終確定選取這57家上市公司2008-2012年間連續(xù)披露財(cái)務(wù)數(shù)據(jù)的公司為樣本進(jìn)行研究。本文的財(cái)務(wù)數(shù)據(jù)主要來源于國泰安數(shù)據(jù)庫，年報(bào)主要來自于巨潮資訊網(wǎng)和上海、深圳證券交易所網(wǎng)站。本文運(yùn)用SPSS 17軟件對選取的各項(xiàng)指標(biāo)進(jìn)行因子分析。

二、現(xiàn)行財(cái)務(wù)指標(biāo)評價(jià)體系

財(cái)務(wù)指標(biāo)對于了解企業(yè)財(cái)務(wù)狀況來說非常重要，它能夠很好地反映企業(yè)的一些基本情況。企業(yè)的財(cái)務(wù)指標(biāo)有很多，它們可以被劃分為不同的類別，每一個(gè)財(cái)務(wù)指標(biāo)在反映企業(yè)財(cái)務(wù)狀況的時(shí)候，其角度是不一樣的，并且各項(xiàng)財(cái)務(wù)指標(biāo)之間也存在聯(lián)系，因此，現(xiàn)行財(cái)務(wù)指標(biāo)評價(jià)體系選取財(cái)務(wù)指標(biāo)變量時(shí)需要結(jié)合我國建材上市公司的實(shí)際情況。各指標(biāo)選取如下：盈利能力指標(biāo)包括：銷售毛利率、銷售凈利率、資產(chǎn)報(bào)酬率、每股收益、主營業(yè)務(wù)凈利潤率、總資產(chǎn)收益率、主營業(yè)務(wù)成本利潤率、凈資產(chǎn)收益率；償債能力指標(biāo)包括：現(xiàn)金流動(dòng)負(fù)債率、流動(dòng)比率、速動(dòng)比率、資產(chǎn)負(fù)債率、營運(yùn)資本配置率；資產(chǎn)營運(yùn)能力指標(biāo)包括：總資產(chǎn)、固定資產(chǎn)、流動(dòng)資產(chǎn)、存貨、應(yīng)收賬款五個(gè)周轉(zhuǎn)率指標(biāo)；現(xiàn)金流量能力指標(biāo)包括：凈利潤、主營業(yè)務(wù)收入、固定資產(chǎn)、總資產(chǎn)四個(gè)現(xiàn)金比率指標(biāo)；發(fā)展或成長能力指標(biāo)包括：凈利潤、主營業(yè)務(wù)收入、總資產(chǎn)三個(gè)增長率指標(biāo)。

三、利用因子分析法對我國建材行業(yè)上市公司財(cái)務(wù)指標(biāo)的篩選

本文假設(shè)借助巨潮資訊網(wǎng)取得的年度報(bào)告中所提供各項(xiàng)數(shù)據(jù)都是準(zhǔn)確可靠的，只有在這個(gè)假設(shè)成立的基礎(chǔ)上，本文評價(jià)建材行業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)才具備可行性；同時(shí)假設(shè)市場是公平有效的，即如果企業(yè)在運(yùn)行過程中出現(xiàn)了問題，就會面臨財(cái)務(wù)方面風(fēng)險(xiǎn)。如果這兩個(gè)假設(shè)無法成立，則本文的研究也就不具有可行性。

（一）數(shù)據(jù)標(biāo)準(zhǔn)化處理

對于不同的財(cái)務(wù)指標(biāo)來說，它的量綱是不同的，這就導(dǎo)致其數(shù)量級別也發(fā)生改變。本文在研究的過程中，運(yùn)用Z-Score方法對數(shù)據(jù)進(jìn)行處理，從而消除量綱的不一致給分析工作帶來的不利影響。

（二）巴特利特球體檢驗(yàn)

在采用Bartlett對數(shù)據(jù)進(jìn)行檢驗(yàn)時(shí)，通常來說，如果KMO值> 0.5 ，說明可以運(yùn)用因子分析方法來對指標(biāo)進(jìn)行分析。根據(jù)分析可知，本文選定的各項(xiàng)指標(biāo)的KMO 值為 0.651，因此可以對所選數(shù)據(jù)的因子進(jìn)行分析。

（三）計(jì)算特征值

選取特征值均大于1且其方差的貢獻(xiàn)率累計(jì)和達(dá)到80%以上的選取原則，從25個(gè)變量中提取出7個(gè)公因子，通過主成份分析提取法計(jì)算的總方差解釋可知，其方差貢獻(xiàn)率累計(jì)和達(dá)到了81.78%，說明了選取的7個(gè)公共因子能夠充分反映原變量的信息，代表性較好。

（四）指標(biāo)篩選

通過上述分析可知，本文用7個(gè)公共因子代替原來的25個(gè)財(cái)務(wù)指標(biāo)。這樣做的主要目的是為了讓分析過程更加簡便。事實(shí)上，這樣的處理確實(shí)達(dá)到了簡化的目的，不過由于7個(gè)公因子的載荷值大小基本上沒有什么差異，因此，無法輕易對它們進(jìn)行定義與解釋。因此，本文進(jìn)一步借助方差最大法對上述7個(gè)公因子進(jìn)行正交旋轉(zhuǎn)，計(jì)算旋轉(zhuǎn)后的因子載荷矩陣，從而使這些公因子具有可以解釋的性質(zhì)。

借助方差最大法對上述7個(gè)公因子進(jìn)行正交旋轉(zhuǎn)后，7個(gè)公因子對于變量的解釋性變強(qiáng)。

第一公因子：在每股收益、主營業(yè)務(wù)凈利潤率、營運(yùn)資本配置比率、總資產(chǎn)增長率、凈利潤現(xiàn)金比率指標(biāo)上載荷值均在0.67以上；

第二公因子：在速動(dòng)比率、流動(dòng)比率、現(xiàn)金流動(dòng)負(fù)債比率、總資產(chǎn)現(xiàn)金比率等指標(biāo)上有較大載荷，其載荷值均大于0.748；

第三公因子：資產(chǎn)報(bào)酬率、主營業(yè)務(wù)成本利潤率、凈資產(chǎn)收益率、主營業(yè)務(wù)收入增長率四個(gè)指標(biāo)上載荷值均在0.52以上；

第四公因子：流動(dòng)資產(chǎn)、存貨、應(yīng)收賬款、固定資產(chǎn)四個(gè)周轉(zhuǎn)率指標(biāo)上載荷值均在0.5以上；

第五公因子：固定資產(chǎn)現(xiàn)金比率、在總資產(chǎn)周轉(zhuǎn)率兩個(gè)指標(biāo)上具有較大載荷，且最小的載荷值是0.75；

第六公因子主營業(yè)務(wù)收入現(xiàn)金比率與第七公因子總資產(chǎn)收益率均有較高的載荷值，但是因子包含的變量均只有一個(gè)。

本文選取前文用因子分析法提取的7個(gè)因子指標(biāo)作為變量，為便于觀察，分別將第一公因子至第七公因子分別用 F1、F2、F3、F4、F5、F6、F7來表示，用SPSS 軟件對公司財(cái)務(wù)風(fēng)險(xiǎn)的類型進(jìn)行K值聚類分析。根據(jù)企業(yè)的實(shí)際情況，可以把第一類歸為危險(xiǎn)型企業(yè)，第二類歸為安全型企業(yè)，第三類為輕度風(fēng)險(xiǎn)型。對抽取的7個(gè)因子進(jìn)行K值聚類分析，具體結(jié)果如表2。

由表2可以看出，聚類結(jié)果中數(shù)字2對應(yīng)的企業(yè)劃分為輕度風(fēng)險(xiǎn)型，共計(jì)46家，因此，大部分建材企業(yè)上市公司的財(cái)務(wù)狀況并不理想，波動(dòng)性較大，如果不采取正確的措施，導(dǎo)致財(cái)務(wù)狀況發(fā)展?fàn)顩r惡化，則可能導(dǎo)致發(fā)生較大的財(cái)務(wù)風(fēng)險(xiǎn)；聚類結(jié)果中數(shù)字3對應(yīng)的企業(yè)劃分為安全型；聚類結(jié)果中數(shù)字1對應(yīng)的企業(yè)劃分為危險(xiǎn)型，說明這家建材企業(yè)財(cái)務(wù)狀況在行業(yè)內(nèi)很差，處于高財(cái)務(wù)風(fēng)險(xiǎn)時(shí)期。

（五）判別分析

本文進(jìn)行判別分析過程中，類與類之間均值存在顯著性差異是判別結(jié)果有效的前提條件，如此一來，就要對變量的均值差異進(jìn)行檢驗(yàn)。通過對不同變量的檢驗(yàn)可知，在顯著水平為0.05的情況下，可以認(rèn)為F2（0.386）、F4（0.192）、F5（0.108）的均值在組間不存在顯著性差異，因此，把這三個(gè)變量進(jìn)行剔除，再進(jìn)行判別分析。再進(jìn)行組均值的均等性檢驗(yàn)，檢驗(yàn)結(jié)果顯示，變量F1（0.000）、F3（0.001）、F6（0.001）、F7（0.003）的均值在組間均存在顯著性差異。為了讓判別效果更加清晰和明顯，本文采用進(jìn)行協(xié)方差Box 方法來進(jìn)行檢驗(yàn)，得到協(xié)方差檢驗(yàn)結(jié)果的Box's M的值為74.895，F(xiàn)值為6.029，相伴概率為0.000，其值要大大小于0.05，說明此判別效果比較理想。

表3給出了兩個(gè)典型判別函數(shù)所能解釋的方差變異，其中第一個(gè)函數(shù)解釋了所有變異的95.6%，第二個(gè)解釋了所有變異的4.4%。

Wilks的Lambda表格用來檢驗(yàn)各個(gè)判別函數(shù)有無統(tǒng)計(jì)學(xué)上的顯著意義，考慮到前2個(gè)函數(shù)較為顯著的解釋了100%以上的方差變異，從而接受由此建立的判別規(guī)則（見表4）。

本文對樣本進(jìn)行分類的過程中，將樣本分為三類，由此有三個(gè)分類函數(shù)。通過Fisher方法，本文得到表5所示的分類函數(shù)的系數(shù)。因此，可以得到3個(gè)分類函數(shù)的判別式。在上面的表格中，類別1代表的是危險(xiǎn)型分類函數(shù)系數(shù)的函數(shù)判別值；類別2代表的是安全型分類函數(shù)系數(shù)的函數(shù)判別值；類別3代表的是輕度危險(xiǎn)型分類函數(shù)系數(shù)的函數(shù)判別值。在判別模型建立之后，本文以貝葉斯判別準(zhǔn)則作為基本判別準(zhǔn)則，以上述選擇的7個(gè)公因子指標(biāo)值作為自變量，將這7個(gè)自變量代入三個(gè)判別函數(shù)后就能夠得到對應(yīng)的三個(gè)判別函數(shù)值。在對這些值進(jìn)行比較后，最大數(shù)值的所屬的函數(shù)就是該企業(yè)所對應(yīng)的財(cái)務(wù)風(fēng)險(xiǎn)類別。

表6顯示的是判別函數(shù)的分類結(jié)果，可以發(fā)現(xiàn)對于危險(xiǎn)型的企業(yè)判斷都是正確的，而對安全型的企業(yè)，有2家被誤判為輕度風(fēng)險(xiǎn)型的，對于輕度風(fēng)險(xiǎn)型的有1家被誤判為安全型的。但總體判別效果比較理想。

四、結(jié)論

本文在分析建材行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)的成因過程中，一方面結(jié)合了建材行業(yè)的經(jīng)營特點(diǎn)，從而做到了有的放矢；另一方面結(jié)合了財(cái)務(wù)風(fēng)險(xiǎn)影響因素的復(fù)雜性特點(diǎn)，使得分析結(jié)果更加準(zhǔn)確。本文在財(cái)務(wù)風(fēng)險(xiǎn)理論的指導(dǎo)下，采用因子判別分析法構(gòu)建了建材行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)模型，并以此為基礎(chǔ)提出了關(guān)于建材行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)的控制措施。通過分析研究后，本文得出以下幾個(gè)結(jié)論：

1.評價(jià)建材行業(yè)上市公司的指標(biāo)體系中因子包括：第一公因子：每股收益、銷售凈利率、銷售毛利率、主營業(yè)務(wù)凈利潤率、營運(yùn)資本配置比率、總資產(chǎn)增長率；第三公因子：凈資產(chǎn)收益率、資產(chǎn)報(bào)酬率、主營業(yè)務(wù)成本利潤率、主營業(yè)務(wù)收入增長率；第六公因子主營業(yè)務(wù)收入現(xiàn)金比率與第七公因子總資產(chǎn)收益率。

2.根據(jù)實(shí)證結(jié)果表明，利用K值聚類分析法將建材行業(yè)上市公司分為危險(xiǎn)型、安全型與輕度危險(xiǎn)型三類是可行的。

3.通過對每個(gè)企業(yè)對應(yīng)的三個(gè)函數(shù)模型值的大小來判別該企業(yè)的所屬類別，以此判斷該企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)程度，且該方法是可行的。Z

參考文獻(xiàn)：

1.孟星涵.鋼鐵行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)研究[D].陜西科技大學(xué)，2012，（5）：20-40.

2.袁偉平.我國民營上市公司信用風(fēng)險(xiǎn)度量研究[D].江蘇大學(xué)，2009，（12）：30-35.

3.陳靜.上市公司財(cái)務(wù)惡化的實(shí)證分析[J].會計(jì)研究，1999，（4）：31-38.

4.程濤.財(cái)務(wù)預(yù)警模型綜述[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2003，10，（5）：104-107.

5.李娜.我國農(nóng)業(yè)上市公司財(cái)務(wù)預(yù)警模型研究[D].沈陽農(nóng)業(yè)大學(xué)，2008，（6）：30-36.

第四公因子：流動(dòng)資產(chǎn)、存貨、應(yīng)收賬款、固定資產(chǎn)四個(gè)周轉(zhuǎn)率指標(biāo)上載荷值均在0.5以上；

第五公因子：固定資產(chǎn)現(xiàn)金比率、在總資產(chǎn)周轉(zhuǎn)率兩個(gè)指標(biāo)上具有較大載荷，且最小的載荷值是0.75；

第六公因子主營業(yè)務(wù)收入現(xiàn)金比率與第七公因子總資產(chǎn)收益率均有較高的載荷值，但是因子包含的變量均只有一個(gè)。

本文選取前文用因子分析法提取的7個(gè)因子指標(biāo)作為變量，為便于觀察，分別將第一公因子至第七公因子分別用 F1、F2、F3、F4、F5、F6、F7來表示，用SPSS 軟件對公司財(cái)務(wù)風(fēng)險(xiǎn)的類型進(jìn)行K值聚類分析。根據(jù)企業(yè)的實(shí)際情況，可以把第一類歸為危險(xiǎn)型企業(yè)，第二類歸為安全型企業(yè)，第三類為輕度風(fēng)險(xiǎn)型。對抽取的7個(gè)因子進(jìn)行K值聚類分析，具體結(jié)果如表2。

由表2可以看出，聚類結(jié)果中數(shù)字2對應(yīng)的企業(yè)劃分為輕度風(fēng)險(xiǎn)型，共計(jì)46家，因此，大部分建材企業(yè)上市公司的財(cái)務(wù)狀況并不理想，波動(dòng)性較大，如果不采取正確的措施，導(dǎo)致財(cái)務(wù)狀況發(fā)展?fàn)顩r惡化，則可能導(dǎo)致發(fā)生較大的財(cái)務(wù)風(fēng)險(xiǎn)；聚類結(jié)果中數(shù)字3對應(yīng)的企業(yè)劃分為安全型；聚類結(jié)果中數(shù)字1對應(yīng)的企業(yè)劃分為危險(xiǎn)型，說明這家建材企業(yè)財(cái)務(wù)狀況在行業(yè)內(nèi)很差，處于高財(cái)務(wù)風(fēng)險(xiǎn)時(shí)期。

（五）判別分析

本文進(jìn)行判別分析過程中，類與類之間均值存在顯著性差異是判別結(jié)果有效的前提條件，如此一來，就要對變量的均值差異進(jìn)行檢驗(yàn)。通過對不同變量的檢驗(yàn)可知，在顯著水平為0.05的情況下，可以認(rèn)為F2（0.386）、F4（0.192）、F5（0.108）的均值在組間不存在顯著性差異，因此，把這三個(gè)變量進(jìn)行剔除，再進(jìn)行判別分析。再進(jìn)行組均值的均等性檢驗(yàn)，檢驗(yàn)結(jié)果顯示，變量F1（0.000）、F3（0.001）、F6（0.001）、F7（0.003）的均值在組間均存在顯著性差異。為了讓判別效果更加清晰和明顯，本文采用進(jìn)行協(xié)方差Box 方法來進(jìn)行檢驗(yàn)，得到協(xié)方差檢驗(yàn)結(jié)果的Box's M的值為74.895，F(xiàn)值為6.029，相伴概率為0.000，其值要大大小于0.05，說明此判別效果比較理想。

表3給出了兩個(gè)典型判別函數(shù)所能解釋的方差變異，其中第一個(gè)函數(shù)解釋了所有變異的95.6%，第二個(gè)解釋了所有變異的4.4%。

Wilks的Lambda表格用來檢驗(yàn)各個(gè)判別函數(shù)有無統(tǒng)計(jì)學(xué)上的顯著意義，考慮到前2個(gè)函數(shù)較為顯著的解釋了100%以上的方差變異，從而接受由此建立的判別規(guī)則（見表4）。

本文對樣本進(jìn)行分類的過程中，將樣本分為三類，由此有三個(gè)分類函數(shù)。通過Fisher方法，本文得到表5所示的分類函數(shù)的系數(shù)。因此，可以得到3個(gè)分類函數(shù)的判別式。在上面的表格中，類別1代表的是危險(xiǎn)型分類函數(shù)系數(shù)的函數(shù)判別值；類別2代表的是安全型分類函數(shù)系數(shù)的函數(shù)判別值；類別3代表的是輕度危險(xiǎn)型分類函數(shù)系數(shù)的函數(shù)判別值。在判別模型建立之后，本文以貝葉斯判別準(zhǔn)則作為基本判別準(zhǔn)則，以上述選擇的7個(gè)公因子指標(biāo)值作為自變量，將這7個(gè)自變量代入三個(gè)判別函數(shù)后就能夠得到對應(yīng)的三個(gè)判別函數(shù)值。在對這些值進(jìn)行比較后，最大數(shù)值的所屬的函數(shù)就是該企業(yè)所對應(yīng)的財(cái)務(wù)風(fēng)險(xiǎn)類別。

表6顯示的是判別函數(shù)的分類結(jié)果，可以發(fā)現(xiàn)對于危險(xiǎn)型的企業(yè)判斷都是正確的，而對安全型的企業(yè)，有2家被誤判為輕度風(fēng)險(xiǎn)型的，對于輕度風(fēng)險(xiǎn)型的有1家被誤判為安全型的。但總體判別效果比較理想。

四、結(jié)論

本文在分析建材行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)的成因過程中，一方面結(jié)合了建材行業(yè)的經(jīng)營特點(diǎn)，從而做到了有的放矢；另一方面結(jié)合了財(cái)務(wù)風(fēng)險(xiǎn)影響因素的復(fù)雜性特點(diǎn)，使得分析結(jié)果更加準(zhǔn)確。本文在財(cái)務(wù)風(fēng)險(xiǎn)理論的指導(dǎo)下，采用因子判別分析法構(gòu)建了建材行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)模型，并以此為基礎(chǔ)提出了關(guān)于建材行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)的控制措施。通過分析研究后，本文得出以下幾個(gè)結(jié)論：

1.評價(jià)建材行業(yè)上市公司的指標(biāo)體系中因子包括：第一公因子：每股收益、銷售凈利率、銷售毛利率、主營業(yè)務(wù)凈利潤率、營運(yùn)資本配置比率、總資產(chǎn)增長率；第三公因子：凈資產(chǎn)收益率、資產(chǎn)報(bào)酬率、主營業(yè)務(wù)成本利潤率、主營業(yè)務(wù)收入增長率；第六公因子主營業(yè)務(wù)收入現(xiàn)金比率與第七公因子總資產(chǎn)收益率。

2.根據(jù)實(shí)證結(jié)果表明，利用K值聚類分析法將建材行業(yè)上市公司分為危險(xiǎn)型、安全型與輕度危險(xiǎn)型三類是可行的。

3.通過對每個(gè)企業(yè)對應(yīng)的三個(gè)函數(shù)模型值的大小來判別該企業(yè)的所屬類別，以此判斷該企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)程度，且該方法是可行的。Z

參考文獻(xiàn)：

1.孟星涵.鋼鐵行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)研究[D].陜西科技大學(xué)，2012，（5）：20-40.

2.袁偉平.我國民營上市公司信用風(fēng)險(xiǎn)度量研究[D].江蘇大學(xué)，2009，（12）：30-35.

3.陳靜.上市公司財(cái)務(wù)惡化的實(shí)證分析[J].會計(jì)研究，1999，（4）：31-38.

4.程濤.財(cái)務(wù)預(yù)警模型綜述[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2003，10，（5）：104-107.

5.李娜.我國農(nóng)業(yè)上市公司財(cái)務(wù)預(yù)警模型研究[D].沈陽農(nóng)業(yè)大學(xué)，2008，（6）：30-36.

第四公因子：流動(dòng)資產(chǎn)、存貨、應(yīng)收賬款、固定資產(chǎn)四個(gè)周轉(zhuǎn)率指標(biāo)上載荷值均在0.5以上；

第五公因子：固定資產(chǎn)現(xiàn)金比率、在總資產(chǎn)周轉(zhuǎn)率兩個(gè)指標(biāo)上具有較大載荷，且最小的載荷值是0.75；

第六公因子主營業(yè)務(wù)收入現(xiàn)金比率與第七公因子總資產(chǎn)收益率均有較高的載荷值，但是因子包含的變量均只有一個(gè)。

本文選取前文用因子分析法提取的7個(gè)因子指標(biāo)作為變量，為便于觀察，分別將第一公因子至第七公因子分別用 F1、F2、F3、F4、F5、F6、F7來表示，用SPSS 軟件對公司財(cái)務(wù)風(fēng)險(xiǎn)的類型進(jìn)行K值聚類分析。根據(jù)企業(yè)的實(shí)際情況，可以把第一類歸為危險(xiǎn)型企業(yè)，第二類歸為安全型企業(yè)，第三類為輕度風(fēng)險(xiǎn)型。對抽取的7個(gè)因子進(jìn)行K值聚類分析，具體結(jié)果如表2。

由表2可以看出，聚類結(jié)果中數(shù)字2對應(yīng)的企業(yè)劃分為輕度風(fēng)險(xiǎn)型，共計(jì)46家，因此，大部分建材企業(yè)上市公司的財(cái)務(wù)狀況并不理想，波動(dòng)性較大，如果不采取正確的措施，導(dǎo)致財(cái)務(wù)狀況發(fā)展?fàn)顩r惡化，則可能導(dǎo)致發(fā)生較大的財(cái)務(wù)風(fēng)險(xiǎn)；聚類結(jié)果中數(shù)字3對應(yīng)的企業(yè)劃分為安全型；聚類結(jié)果中數(shù)字1對應(yīng)的企業(yè)劃分為危險(xiǎn)型，說明這家建材企業(yè)財(cái)務(wù)狀況在行業(yè)內(nèi)很差，處于高財(cái)務(wù)風(fēng)險(xiǎn)時(shí)期。

（五）判別分析

本文進(jìn)行判別分析過程中，類與類之間均值存在顯著性差異是判別結(jié)果有效的前提條件，如此一來，就要對變量的均值差異進(jìn)行檢驗(yàn)。通過對不同變量的檢驗(yàn)可知，在顯著水平為0.05的情況下，可以認(rèn)為F2（0.386）、F4（0.192）、F5（0.108）的均值在組間不存在顯著性差異，因此，把這三個(gè)變量進(jìn)行剔除，再進(jìn)行判別分析。再進(jìn)行組均值的均等性檢驗(yàn)，檢驗(yàn)結(jié)果顯示，變量F1（0.000）、F3（0.001）、F6（0.001）、F7（0.003）的均值在組間均存在顯著性差異。為了讓判別效果更加清晰和明顯，本文采用進(jìn)行協(xié)方差Box 方法來進(jìn)行檢驗(yàn)，得到協(xié)方差檢驗(yàn)結(jié)果的Box's M的值為74.895，F(xiàn)值為6.029，相伴概率為0.000，其值要大大小于0.05，說明此判別效果比較理想。

表3給出了兩個(gè)典型判別函數(shù)所能解釋的方差變異，其中第一個(gè)函數(shù)解釋了所有變異的95.6%，第二個(gè)解釋了所有變異的4.4%。

Wilks的Lambda表格用來檢驗(yàn)各個(gè)判別函數(shù)有無統(tǒng)計(jì)學(xué)上的顯著意義，考慮到前2個(gè)函數(shù)較為顯著的解釋了100%以上的方差變異，從而接受由此建立的判別規(guī)則（見表4）。

本文對樣本進(jìn)行分類的過程中，將樣本分為三類，由此有三個(gè)分類函數(shù)。通過Fisher方法，本文得到表5所示的分類函數(shù)的系數(shù)。因此，可以得到3個(gè)分類函數(shù)的判別式。在上面的表格中，類別1代表的是危險(xiǎn)型分類函數(shù)系數(shù)的函數(shù)判別值；類別2代表的是安全型分類函數(shù)系數(shù)的函數(shù)判別值；類別3代表的是輕度危險(xiǎn)型分類函數(shù)系數(shù)的函數(shù)判別值。在判別模型建立之后，本文以貝葉斯判別準(zhǔn)則作為基本判別準(zhǔn)則，以上述選擇的7個(gè)公因子指標(biāo)值作為自變量，將這7個(gè)自變量代入三個(gè)判別函數(shù)后就能夠得到對應(yīng)的三個(gè)判別函數(shù)值。在對這些值進(jìn)行比較后，最大數(shù)值的所屬的函數(shù)就是該企業(yè)所對應(yīng)的財(cái)務(wù)風(fēng)險(xiǎn)類別。

表6顯示的是判別函數(shù)的分類結(jié)果，可以發(fā)現(xiàn)對于危險(xiǎn)型的企業(yè)判斷都是正確的，而對安全型的企業(yè)，有2家被誤判為輕度風(fēng)險(xiǎn)型的，對于輕度風(fēng)險(xiǎn)型的有1家被誤判為安全型的。但總體判別效果比較理想。

四、結(jié)論

本文在分析建材行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)的成因過程中，一方面結(jié)合了建材行業(yè)的經(jīng)營特點(diǎn)，從而做到了有的放矢；另一方面結(jié)合了財(cái)務(wù)風(fēng)險(xiǎn)影響因素的復(fù)雜性特點(diǎn)，使得分析結(jié)果更加準(zhǔn)確。本文在財(cái)務(wù)風(fēng)險(xiǎn)理論的指導(dǎo)下，采用因子判別分析法構(gòu)建了建材行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)模型，并以此為基礎(chǔ)提出了關(guān)于建材行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)的控制措施。通過分析研究后，本文得出以下幾個(gè)結(jié)論：

1.評價(jià)建材行業(yè)上市公司的指標(biāo)體系中因子包括：第一公因子：每股收益、銷售凈利率、銷售毛利率、主營業(yè)務(wù)凈利潤率、營運(yùn)資本配置比率、總資產(chǎn)增長率；第三公因子：凈資產(chǎn)收益率、資產(chǎn)報(bào)酬率、主營業(yè)務(wù)成本利潤率、主營業(yè)務(wù)收入增長率；第六公因子主營業(yè)務(wù)收入現(xiàn)金比率與第七公因子總資產(chǎn)收益率。

2.根據(jù)實(shí)證結(jié)果表明，利用K值聚類分析法將建材行業(yè)上市公司分為危險(xiǎn)型、安全型與輕度危險(xiǎn)型三類是可行的。

3.通過對每個(gè)企業(yè)對應(yīng)的三個(gè)函數(shù)模型值的大小來判別該企業(yè)的所屬類別，以此判斷該企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)程度，且該方法是可行的。Z

參考文獻(xiàn)：

1.孟星涵.鋼鐵行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)研究[D].陜西科技大學(xué)，2012，（5）：20-40.

2.袁偉平.我國民營上市公司信用風(fēng)險(xiǎn)度量研究[D].江蘇大學(xué)，2009，（12）：30-35.

3.陳靜.上市公司財(cái)務(wù)惡化的實(shí)證分析[J].會計(jì)研究，1999，（4）：31-38.

4.程濤.財(cái)務(wù)預(yù)警模型綜述[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2003，10，（5）：104-107.

5.李娜.我國農(nóng)業(yè)上市公司財(cái)務(wù)預(yù)警模型研究[D].沈陽農(nóng)業(yè)大學(xué)，2008，（6）：30-36.