我國建筑行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型實(shí)證研究

摘要：建筑行業(yè)投資規(guī)模大、受政治、經(jīng)濟(jì)影響較為嚴(yán)重，稍有不慎，可能陷入財(cái)務(wù)危機(jī)，所以建立財(cái)務(wù)預(yù)警模型顯得尤為重要。選取50家建筑類上市公司作為研究樣本，利用聚類分析法選取財(cái)務(wù)危機(jī)公司樣本，從盈利能力、公司治理等方面選取了27個(gè)財(cái)務(wù)指標(biāo)和14個(gè)非財(cái)務(wù)指標(biāo)，依次對各指標(biāo)進(jìn)行T檢驗(yàn)、U檢驗(yàn)及共線性診斷來構(gòu)建邏輯回歸模型，通過回判檢驗(yàn)，發(fā)現(xiàn)加入非財(cái)務(wù)指標(biāo)的模型的準(zhǔn)確性更高。

關(guān)鍵詞：建筑行業(yè)上市公司；財(cái)務(wù)預(yù)警；邏輯回歸模型；非財(cái)務(wù)指標(biāo)

中圖分類號：F23

文獻(xiàn)標(biāo)識碼：A

文章編號：16723198（2015）22012503

0引言

財(cái)務(wù)預(yù)警的研究方法主要有定性和定量預(yù)警分析方法兩大類，基于財(cái)務(wù)變量的研究，雖說有一定的預(yù)警效果，但它很難全面覆蓋與財(cái)務(wù)危機(jī)有關(guān)的完整信息，某些不能量化的非財(cái)務(wù)變量可能是導(dǎo)致財(cái)務(wù)危機(jī)的關(guān)鍵部分，特別是建筑行業(yè)，一旦疏忽了這些變量，模型便有失全面性，所以本文嘗試引入非財(cái)務(wù)指標(biāo)，驗(yàn)證它能提高財(cái)務(wù)預(yù)警模型的準(zhǔn)確性。

1引入非財(cái)務(wù)指標(biāo)構(gòu)建建筑行業(yè)財(cái)務(wù)預(yù)警模型

1.1樣本與數(shù)據(jù)選取

1.1.1本選取

本文針對建筑行業(yè)上市公司2011-2014年的數(shù)據(jù)進(jìn)行研究，以建筑業(yè)上市公司是否發(fā)生財(cái)務(wù)危機(jī)作為因變量，以若干財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)作為自變量來進(jìn)行實(shí)證研究。借助國泰安數(shù)據(jù)庫和巨潮咨詢網(wǎng)，以2014年的73家建筑行業(yè)上市公司為研究樣本，剔除1家B股上市公司。從連續(xù)性的角度入手，剔除了上市時(shí)間不滿5年的和已退市公司18家。從數(shù)據(jù)可獲得性的角度考慮，又剔除了數(shù)據(jù)不全的建筑類公司4家。最終選取了以東華科技為代表的50家建筑行業(yè)上市公司為研究樣本。

1.1.2數(shù)據(jù)選取

本文研究的是首次出現(xiàn)財(cái)務(wù)危機(jī)的前三年的數(shù)據(jù)，將首次出現(xiàn)財(cái)務(wù)危機(jī)的當(dāng)年記為t年（即2014年），將發(fā)生財(cái)務(wù)危機(jī)的前一年、前兩年、前三年分別表示為t-1年、t-2年、t-3年。而上市公司在第t年是否被特殊處理是建立在t-1年的財(cái)務(wù)報(bào)表的基礎(chǔ)上的，即：一旦獲取某一上市公司的（T-1）年的財(cái)務(wù)數(shù)據(jù)，我們就幾乎可以斷定該公司是否會(huì)因?yàn)椤柏?cái)務(wù)狀況異?！北籗T，所以研究t-1年的數(shù)據(jù)無實(shí)際意義。本文重點(diǎn)研究了t-2、t-3年的財(cái)務(wù)數(shù)據(jù)和非財(cái)務(wù)數(shù)據(jù)。

1.2預(yù)警指標(biāo)的選取

1.2.1財(cái)務(wù)指標(biāo)的選取

本文從盈利、償債、發(fā)展、經(jīng)營能力等角度出發(fā)，選取了如表1財(cái)務(wù)變量進(jìn)行研究。

1.3實(shí)證研究

1.3.1樣本所屬類別分析

從各個(gè)樣本公司的財(cái)務(wù)報(bào)表中可以發(fā)現(xiàn)，有一些健康公司的財(cái)務(wù)狀況外在表現(xiàn)與財(cái)務(wù)危機(jī)公司相似，因此為了避免單純依靠ST作為判斷標(biāo)準(zhǔn)而產(chǎn)生誤判的可能性，本文通過聚類分析方法對樣本進(jìn)行初步的分類，使具有近似特征的樣本聚集在一起，同時(shí)使差異大的樣本分離開來。論文通過聚類分析法區(qū)分出財(cái)務(wù)危機(jī)和健康公司。

聚類分析結(jié)果表中數(shù)字1表示健康公司，數(shù)字2、3、4代表存在財(cái)務(wù)隱患的公司，共7家，其中就包括了2014年建筑行業(yè)的所有ST上市公司，同時(shí)結(jié)合滬深兩市對當(dāng)年公司經(jīng)營的其他披露信息，本研究中判定這7個(gè)公司屬于財(cái)務(wù)危機(jī)公司。

1.3.2變量數(shù)據(jù)K-S檢驗(yàn)

K-S檢驗(yàn)?zāi)軝z驗(yàn)出樣本是否服從正態(tài)指標(biāo)，是擬合優(yōu)度的檢驗(yàn)方法之一，一般以顯著性水平=0.05為分界線。若Asymp.sig值大于0.05則說明服從正態(tài)分布，若小于0.05則說明不服從正態(tài)分布。

根據(jù)SPSS15.0的輸出結(jié)果，可以看到：t-2年中Asymp.sig值大于0.05的指標(biāo)有：X1、X2、X3、X4、X5、X8、X9、X19、X21、X22、X24、X25、X26、X27、X28、X29、X39，即這些指標(biāo)服從正態(tài)分布。其余的指標(biāo)Asymp.sig值均小于0.05，說明這些指標(biāo)均不符合正態(tài)分布。

同理，t-3年中服從正態(tài)分布的指標(biāo)有：X1、X3、X4、X5、X6、X16、X19、X21、X28、X29、X30，其余均不符合正態(tài)分布。

1.3.3顯著性檢驗(yàn)

（1）T檢驗(yàn)。

將K-S檢驗(yàn)中符合正態(tài)分布的指標(biāo)進(jìn)行t檢驗(yàn)，即對研究樣本t-2、t-3年的數(shù)據(jù)分別進(jìn)行兩組獨(dú)立樣本t檢驗(yàn)，目的是檢驗(yàn)指標(biāo)中財(cái)務(wù)危機(jī)公司和財(cái)務(wù)正常公司是否有顯著性差異，一般設(shè)定顯著性水平為5%，若α值小于5%，則表示通過T檢驗(yàn)。反之，則未通過。將通過正態(tài)分布的t-2、t-3年各指標(biāo)導(dǎo)入SPSS進(jìn)行t檢驗(yàn)。

在t-2年的t檢驗(yàn)的輸出結(jié)果表中可知α值<005的指標(biāo)有：X1、X2、X3、X4、X5、X28、X29、X39，說明在t-2年中這些指標(biāo)財(cái)務(wù)危機(jī)和健康公司中表現(xiàn)出顯著性差異。而未通過t檢驗(yàn)的指標(biāo)，表示這些指標(biāo)在財(cái)務(wù)危機(jī)和健康公司中無顯著性差異，所以刪除掉這些指標(biāo)。在t-3年的t檢驗(yàn)輸出表中可知α值<0.05的指標(biāo)有：x4、x5、x21，說明在t-3年中這些指標(biāo)財(cái)務(wù)危機(jī)公司和健康公司中表現(xiàn)出顯著性差異，然后剔除掉剩余的不顯著的指標(biāo)。

（2）U檢驗(yàn)。

對未通過K-S檢驗(yàn)的不符合正態(tài)分布的指標(biāo)進(jìn)行兩組獨(dú)立樣本U檢驗(yàn)。如果概率p值小于0.05，則表示具有顯著性差異，否則，沒有明顯的差別。本文運(yùn)用SPSS15.0對t-2、t-3年的指標(biāo)進(jìn)行U檢驗(yàn)。

在t-2年的U檢驗(yàn)結(jié)果表中可以看出p<0.05的指標(biāo)有：X12、X14、X15、X18，說明在t-2年中這些指標(biāo)在財(cái)務(wù)危機(jī)和健康公司中表現(xiàn)出顯著性差異。而未通過U檢驗(yàn)的指標(biāo)，則不能表現(xiàn)出明顯的差異，所以剔除掉剩余的不顯著的指標(biāo)。在t-3年的U檢驗(yàn)結(jié)果表中可以看出p<0.05的指標(biāo)有：x14、x22、x39，說明在t-3年中這些指標(biāo)財(cái)務(wù)危機(jī)公司和健康公司中表現(xiàn)出顯著性差異，所以剔除掉剩余的不顯著的指標(biāo)。

綜合t檢驗(yàn)和U檢驗(yàn)的輸出結(jié)果，我們發(fā)現(xiàn)在t-2年具有顯著性差異的指標(biāo)有12個(gè)，這些指標(biāo)均能反映財(cái)務(wù)危機(jī)和健康公司的差異，適合作為引入模型的指標(biāo)。而t-3年的有6個(gè)，t-2年中具有顯著性差異的數(shù)量明顯多于t-1年的數(shù)量，說明越接近被St的年份，其差異性表現(xiàn)的越明顯。相比于t-3年，t-2年指標(biāo)的顯著性較為明顯，所以，本文著重利用t-2年的顯著變量建立預(yù)測模型。

1.3.4多重共線性診斷

建立邏輯回歸模型時(shí)，并不是解釋變量引入越多越好，因?yàn)橐朐蕉?，存在多重共線性的概率也就越大，而共線性會(huì)直接影響邏輯回歸模型的預(yù)測準(zhǔn)確度，因此，進(jìn)行多重共線性診斷很有必要。共線性診斷的結(jié)果見表3。

共線性診斷的判斷標(biāo)準(zhǔn)是：若VIF>10，則具有共線性，應(yīng)當(dāng)刪除該指標(biāo)；若VIF<10，則表示通過共線性診斷。從表3可以看到，X1、X2、X3、X12、X14、X15這6個(gè)指標(biāo)的VIF>10，容忍度較小，表示這些指標(biāo)之間具有共線性，應(yīng)加以去除，用剩余的指標(biāo)X4、X5、X18構(gòu)建邏輯回歸模型。由于X28、X29、X39是非財(cái)務(wù)指標(biāo)，不具有連續(xù)性，可直接放入綜合模型中。

1.3.5Logistic模型建立

運(yùn)用二元邏輯回歸分析，由于因變量并不屬于定量數(shù)據(jù)，所以設(shè)置虛擬變量，本文設(shè)定發(fā)生財(cái)務(wù)危機(jī)公司的Y值為1，健康公司Y值為0，通過之前檢驗(yàn)的指標(biāo)為自變量，對樣本數(shù)據(jù)進(jìn)行迭代數(shù)據(jù)處理。其輸出結(jié)果如表4。

（1）純財(cái)務(wù)指標(biāo)邏輯回歸模型。

根據(jù)表5，非財(cái)務(wù)變量具有明顯的顯著性，得出加入非財(cái)務(wù)指標(biāo)的綜合模型為：

Y=ln[p/（1-p）]=2.913-3.729*X5-0.286*X18-0.105*X28

2預(yù)警模型的運(yùn)用

為了進(jìn)一步檢驗(yàn)財(cái)務(wù)預(yù)警模型的預(yù)警結(jié)果，本文進(jìn)行回判檢驗(yàn)。本文以0.5的概率值為劃分標(biāo)準(zhǔn)線，對模型進(jìn)行回判檢驗(yàn)。判斷標(biāo)準(zhǔn)為：若P值>0.5，則判為財(cái)務(wù)危機(jī)公司；若P值<0.5，則判斷為健康公司。運(yùn)用SPSS15.0進(jìn)行回判分析，導(dǎo)出結(jié)果表如表6。

2.1純財(cái)務(wù)邏輯回歸模型的模型回判

根據(jù)表7可以看出，43家健康公司被測出有2家為財(cái)務(wù)危機(jī)公司，準(zhǔn)確率為95.3%，7家財(cái)務(wù)危機(jī)公司被測出有2家是健康公司，準(zhǔn)確率為71.4%，所以，基于純財(cái)務(wù)數(shù)據(jù)的邏輯模型的準(zhǔn)確率為92%。

綜上，財(cái)務(wù)危機(jī)公司的預(yù)測準(zhǔn)確性從42.9%提高到71.4%，整體的預(yù)測準(zhǔn)確性從88%提高到92%，結(jié)果證明：引入非財(cái)務(wù)指標(biāo)的綜合模型的準(zhǔn)確性更高，能達(dá)到更好的預(yù)警效果。

理論上來說，大部分財(cái)務(wù)指標(biāo)只是財(cái)務(wù)報(bào)表中的量化數(shù)據(jù)，而非財(cái)務(wù)指標(biāo)則表現(xiàn)了公司的許多外在特征，它們能間接地表現(xiàn)出公司的營運(yùn)管理狀況，從全新的視角來描述引起公司財(cái)務(wù)危機(jī)的不同潛在風(fēng)險(xiǎn)因素，能促使預(yù)警模型形成一個(gè)有機(jī)的整體。

實(shí)證上來說，本實(shí)證過程中股權(quán)結(jié)構(gòu)的非財(cái)務(wù)指標(biāo)X28（即第一大股東持股比例）的引入提升了對整體模型的預(yù)測效果（從88%提高到92%）。這體現(xiàn)出非財(cái)務(wù)指標(biāo)對于預(yù)測財(cái)務(wù)危機(jī)的重要性，為了規(guī)避財(cái)務(wù)危機(jī)，公司應(yīng)當(dāng)多關(guān)注非財(cái)務(wù)信息。

3研究結(jié)論

（1）從建立的模型來看，盈利能力指標(biāo)、發(fā)展能力指標(biāo)等具有明顯的預(yù)警作用，通過K-S檢驗(yàn)、T檢驗(yàn)、U檢驗(yàn)、共線性診斷篩選出的指標(biāo)進(jìn)入邏輯回歸模型方程，運(yùn)用向后逐步選擇法，最終每股收益、主營業(yè)務(wù)利潤率、第一大股東持股比例這幾個(gè)指標(biāo)進(jìn)入方程，結(jié)果證明非財(cái)務(wù)指標(biāo)有很好的風(fēng)險(xiǎn)預(yù)測效果。

（2）從t-2、t-3年的數(shù)據(jù)縱向比較來看，越接近St年份的數(shù)據(jù)其模型顯著性越強(qiáng)。

（3）從檢驗(yàn)的結(jié)果來看，運(yùn)用非財(cái)務(wù)指標(biāo)對建筑行業(yè)上市公司進(jìn)行財(cái)務(wù)危機(jī)預(yù)測能達(dá)到更好的預(yù)警效果，具有顯著性的影響，也說明本文的研究是可行的、有效的。

參考文獻(xiàn)

[1]李晶.基于財(cái)務(wù)與非財(cái)務(wù)因素的公司預(yù)警模型分析[J].暨南大學(xué)學(xué)報(bào)，2007.

[2]馬錦.建筑類企業(yè)財(cái)務(wù)危機(jī)預(yù)警影響因素實(shí)證研究[J].陜西師范大學(xué)學(xué)報(bào)，2010.

[3]辛磊，高建來.基于Logistic模型的天津市上市公司財(cái)務(wù)預(yù)警實(shí)證研究[J].商業(yè)會(huì)計(jì)，2012，（18）.