高婷婷 范景軍
摘要:文章選取我國(guó)制造業(yè)2014年4月滬深股市的61家ST公司和61家非ST公司為研究樣本,運(yùn)用熵權(quán)法,篩選出10個(gè)包含信息量多,并能準(zhǔn)確預(yù)警的指標(biāo),通過(guò)這10個(gè)指標(biāo)建立“因子分析”模型進(jìn)行定量分析,得到財(cái)務(wù)危機(jī)預(yù)警函數(shù)(即為ST與非ST的判別函數(shù)),最后將測(cè)試組中60家公司的數(shù)據(jù)回代到預(yù)警函數(shù)中檢驗(yàn)其判別率,判別率達(dá)到81.67%,具有較高的的判別正確率,說(shuō)明文章建立的財(cái)務(wù)預(yù)警系統(tǒng)對(duì)于上市公司財(cái)務(wù)危機(jī)的預(yù)測(cè)與防范起到一定的作用。
關(guān)鍵詞;財(cái)務(wù)預(yù)警;熵權(quán)法;因子模型;判別函數(shù)
一、引言
(一)建立財(cái)務(wù)危機(jī)預(yù)警的意義
制造業(yè)是我國(guó)國(guó)民經(jīng)濟(jì)的支柱產(chǎn)業(yè),是我國(guó)經(jīng)濟(jì)增長(zhǎng)的主導(dǎo)部門和經(jīng)濟(jì)轉(zhuǎn)型的基礎(chǔ),是經(jīng)濟(jì)社會(huì)發(fā)展的重要依托,更是我國(guó)城鎮(zhèn)就業(yè)的主要渠道和全球產(chǎn)業(yè)鏈的重要組成部分。在全球競(jìng)爭(zhēng)條件下,我國(guó)制造業(yè)上市公司面臨來(lái)自多方面的壓力,尤其金融危機(jī)的影響,使得我國(guó)制造業(yè)上市公司陷入到財(cái)務(wù)風(fēng)險(xiǎn)和破產(chǎn)危險(xiǎn)的可能性急劇上升,這不僅會(huì)對(duì)利益相關(guān)者造成損失,更會(huì)制約資本市場(chǎng)的穩(wěn)定發(fā)展。故我國(guó)制造業(yè)上市公司要持續(xù)發(fā)展,必須警惕危機(jī),正視危機(jī),在經(jīng)營(yíng)活動(dòng)中設(shè)立財(cái)務(wù)預(yù)警系統(tǒng),進(jìn)行經(jīng)常性的分析和診斷。因此,本文將在對(duì)國(guó)內(nèi)外有關(guān)財(cái)務(wù)預(yù)警研究的理論及模型的歸納、整理和評(píng)述的基礎(chǔ)之上,來(lái)分析我國(guó)制造業(yè)上市公司財(cái)務(wù)預(yù)警研究的現(xiàn)狀,以我國(guó)制造業(yè)上市公司為研究樣本,構(gòu)建財(cái)務(wù)預(yù)警指標(biāo),建立財(cái)務(wù)預(yù)警模型。
(二)國(guó)內(nèi)外文獻(xiàn)述評(píng)
國(guó)外對(duì)財(cái)務(wù)預(yù)警的研究要早于國(guó)內(nèi),早在20世紀(jì)30年代國(guó)外學(xué)者就已開(kāi)始了對(duì)財(cái)務(wù)預(yù)警的研究,歷經(jīng)了從單變量分析到多變量分析的過(guò)程。我國(guó)起步于20世紀(jì)80年代中后期,1986年吳世農(nóng)、黃世忠首次介紹了企業(yè)破產(chǎn)的分析指標(biāo)和預(yù)測(cè)模型。1990年佘廉等人從事了企業(yè)預(yù)警研究,并于1994年發(fā)表文章對(duì)企業(yè)預(yù)警管理進(jìn)行了系統(tǒng)分析。直到1996年以后,才陸續(xù)出現(xiàn)以企業(yè)財(cái)務(wù)數(shù)據(jù)為基礎(chǔ)而建立的財(cái)務(wù)危機(jī)預(yù)警模型,并逐漸發(fā)展起來(lái)。
單變量預(yù)警模型是指以某一項(xiàng)財(cái)務(wù)指標(biāo)作為判別標(biāo)準(zhǔn)來(lái)判斷企業(yè)是否處于破產(chǎn)狀態(tài)的預(yù)測(cè)模型。財(cái)務(wù)預(yù)警研究最早就開(kāi)始于1932年Fitzpatrick用統(tǒng)計(jì)方法開(kāi)展的單變量破產(chǎn)預(yù)測(cè)研究。在眾多預(yù)測(cè)公司財(cái)務(wù)危機(jī)困境的多變量模型中,最早亦最著名的當(dāng)屬美國(guó)紐約大學(xué)1968年Edward Altman教授的Z-Score判定模型。即:Z=0.012X1+0.014X2+0.033X3+ 0.006X4+0.999X5。1996年國(guó)內(nèi)學(xué)者周首華、楊濟(jì)華對(duì)Z計(jì)分模型進(jìn)行修正,提出了F分?jǐn)?shù)模型。1999年國(guó)內(nèi)學(xué)者陳靜運(yùn)用單變量分析方法和多元線性判別分析方法分別建立財(cái)務(wù)預(yù)警模型,并將兩種財(cái)務(wù)預(yù)警模型進(jìn)行比較研究。2003年楊淑娥在Z-score模型的基礎(chǔ)上,通過(guò)運(yùn)用統(tǒng)計(jì)學(xué)中的主成分分析法,構(gòu)造了Y分?jǐn)?shù)模型,該模型在用于財(cái)務(wù)預(yù)警檢驗(yàn)的回判準(zhǔn)確率大致為86%。Logisitic回歸模型(多元邏輯回歸模型)又稱作Logit模型,為了彌補(bǔ)多元Z-Score模型的不足,1980年Ohlson第一個(gè)將邏輯回歸方法引入財(cái)務(wù)危機(jī)預(yù)警領(lǐng)域,模型為:Li=ln[Pi/(1-Pi)]=α+∑βjXij+εi。
二、樣本、指標(biāo)的選取
(一)樣本的選取
本文在樣本的選取上是根據(jù)2014年4月滬深股市公布的所有ST公司(根據(jù)1998年實(shí)施的股票上市規(guī)則,將對(duì)財(cái)務(wù)狀況或其它狀況出現(xiàn)異常的上市公司的股票交易進(jìn)行特別處理( special treatment,簡(jiǎn)稱 ST),其中ST股是指境內(nèi)上市公司連續(xù)二年虧損,被進(jìn)行特別處理的股票,*ST股是指境內(nèi)上市公司連續(xù)三年虧損的股票)共90家中,抽取了本文需要研究的制造業(yè)中的61家公司,并根據(jù)同行業(yè),同時(shí)期,規(guī)模相當(dāng)(即非ST公司與相對(duì)應(yīng)的ST公司的期末資產(chǎn)總額相差不超過(guò)150%)的配對(duì)原則,選取了61家與之相對(duì)應(yīng)的非ST公司,共122家上市公司作為研究對(duì)象。只有在滿足上述配對(duì)原則的情況下才使得研究樣本之間具有可比性,分析更趨合理性,結(jié)果更具科學(xué)性。
(二)指標(biāo)的選取
本文指標(biāo)數(shù)據(jù)主要來(lái)源于和訊財(cái)經(jīng)網(wǎng)以及大智慧投資軟件,通過(guò)數(shù)據(jù)的整理,剔除了個(gè)別的缺失值和特大異常值,并根據(jù)以下原則選取16個(gè)財(cái)務(wù)比率基礎(chǔ)指標(biāo):
1. 全面性,在系統(tǒng)的構(gòu)建中,所考慮納入的指標(biāo)應(yīng)能全面揭示企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn),且各指標(biāo)間具有較強(qiáng)的互補(bǔ)性。
2. 可比性,選取指標(biāo)時(shí),應(yīng)注意評(píng)價(jià)指標(biāo)口徑范圍和計(jì)算方法的縱向可比和橫向可比原則。
3. 同趨勢(shì)性,即是指標(biāo)正向化,當(dāng)財(cái)務(wù)比率增大時(shí),表示財(cái)務(wù)狀況的改善,反之財(cái)務(wù)比率減小時(shí),表示財(cái)務(wù)狀況的惡化。
4. 可獲得性,采用上市公司財(cái)務(wù)報(bào)告披露的數(shù)據(jù)是可以獲取的(和訊網(wǎng)、大智慧軟件等)。
指標(biāo)體系具體如表1所示。
以上財(cái)務(wù)比率指標(biāo)體系,可以對(duì)上市公司的財(cái)務(wù)狀況做出較為完整、客觀的評(píng)價(jià)。但為了選取對(duì)ST公司和非ST公司區(qū)分能力強(qiáng),包含信息多,權(quán)重更大,能準(zhǔn)確預(yù)警的指標(biāo),下面采用“熵權(quán)法”對(duì)這16個(gè)指標(biāo)進(jìn)行篩選。
四、基于“因子分析”模型分析
(一)因子分析的基本原理
因子分析法是在盡量減少信息丟失的前提下,從眾多指標(biāo)中提取出少量的不相關(guān)指標(biāo),然后再根據(jù)貢獻(xiàn)率定以權(quán)重,進(jìn)而計(jì)算出綜合得分,其計(jì)算結(jié)果更為準(zhǔn)確、客觀、操作性比較強(qiáng)。因子分析中有多種確定因子變量的方法,如基于主成分模型的主成分分析法、極大似然法、最小二乘法等,本文選取的是基于因子分析模型的主軸因子法。
本文根據(jù)估計(jì)組中61家ST公司和61家同行業(yè)、規(guī)模相當(dāng)?shù)姆荢T公司作為樣本,以“熵權(quán)法”篩選后的10個(gè)包含信息多,重要性更大的財(cái)務(wù)指標(biāo)為基礎(chǔ)建立的指標(biāo)體系進(jìn)行因子分析,最后得出因子綜合得分函數(shù)—財(cái)務(wù)危機(jī)預(yù)警判別函數(shù),并通過(guò)估計(jì)值綜合因子得分值的排名表求出ST與非ST的分割值,作為判別公司財(cái)務(wù)與否出現(xiàn)危機(jī)的預(yù)警值,最后再選用測(cè)試組的樣本進(jìn)行回代,檢驗(yàn)判別函數(shù)的判別正確率,從實(shí)證分析的角度為財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)方法方面進(jìn)行了初步的探討。
(二)因子分析的求解過(guò)程
下面對(duì)熵權(quán)篩選后的10個(gè)指標(biāo)正向化后的數(shù)據(jù)(逆指標(biāo)的正向化公式為yj=1-xj)通過(guò)統(tǒng)計(jì)分析軟件SPSS17.0的運(yùn)行,KMO檢驗(yàn)和Bartlett檢驗(yàn)的結(jié)果如表3所示。
通過(guò)表3可以看出,KMO值為0.744,大于0.5;Bartlett檢驗(yàn)的卡方統(tǒng)計(jì)量為1019.591,相伴概率為0.000,在給定0.1%的顯著水平下,拒絕各指標(biāo)變量的相關(guān)矩陣是單位陣的假設(shè),即兩種統(tǒng)計(jì)檢驗(yàn)方法都揭示指標(biāo)變量之間是高度相關(guān)的,因此適合作因子分析。
求得變量的樣本相關(guān)陣R的特征值λi,前m個(gè)因子方差貢獻(xiàn)率如下表
根據(jù)累積方差貢獻(xiàn)率須大于85%的原則,由上表可看出前5個(gè)公因子的累積方差達(dá)到88.81%,這5個(gè)公因子包含88.81%的信息,確定以5個(gè)公因子做因子分析。
初始因子載荷陣B0m,進(jìn)行方差最大化旋轉(zhuǎn),求得旋轉(zhuǎn)后的因子載荷陣BΓm,使得旋轉(zhuǎn)后各因子載荷陣的各元素按列向0或1兩級(jí)分化(初始因子載荷陣,旋轉(zhuǎn)后各因子載荷陣,0~1分化表如表5)。
六、結(jié)論
1. 本文基于61家ST與61家非ST公司的16個(gè)財(cái)務(wù)比率基礎(chǔ)指標(biāo),通過(guò)建立“熵權(quán)法”模型篩選出10個(gè)包含信息多,能準(zhǔn)確預(yù)警的財(cái)務(wù)比率指標(biāo),接著利用“因子分析”模型求得估計(jì)組中61家公司的綜合因子得分值,并根據(jù)綜合因子得分排名確定ST與非ST分割值(即為財(cái)務(wù)危機(jī)預(yù)警值)及財(cái)務(wù)危機(jī)預(yù)警函數(shù),最后將測(cè)試組的數(shù)據(jù)代入財(cái)務(wù)危機(jī)預(yù)警函數(shù)中,求得預(yù)警函數(shù)的判別率為81.67%,從而建立起了財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)。
2. 本文在進(jìn)行“因子模型”分析的過(guò)程中用旋轉(zhuǎn)后的因子載荷陣及特征值求得每家公司的綜合因子得分值,結(jié)果更優(yōu),更準(zhǔn)確,相對(duì)于其他論文用主成分法還有旋轉(zhuǎn)前的載荷陣及特征值得分的結(jié)果更能準(zhǔn)確預(yù)警一家公司的財(cái)務(wù)狀況。
3. 本文所選取的樣本具有合理性和全面性,根據(jù)行業(yè)分類和總資產(chǎn)規(guī)模進(jìn)行配對(duì)選擇,模型中選取的財(cái)務(wù)比率指標(biāo)具有較強(qiáng)的解釋能力,能較好辨別財(cái)務(wù)危機(jī)公司及非財(cái)務(wù)危機(jī)公司的區(qū)別,但是此預(yù)測(cè)模型結(jié)論的準(zhǔn)確性還受到上市公司發(fā)布財(cái)務(wù)數(shù)據(jù)真實(shí)性的影響,我國(guó)部分上市公司仍然存在操縱會(huì)計(jì)利潤(rùn),粉飾財(cái)務(wù)報(bào)表的現(xiàn)象,故該模型的預(yù)測(cè)效果因此受到一定的影響。
參考文獻(xiàn):
[1]吳世農(nóng),黃世忠.企業(yè)破產(chǎn)的分析指標(biāo)和預(yù)測(cè)模型[J].中國(guó)經(jīng)濟(jì)問(wèn)題,1987(06).
[2]佘廉,張倩.企業(yè)預(yù)警管理的系統(tǒng)分析[J].中國(guó)工業(yè)經(jīng)濟(jì)研究,1994(11).
[3]Fitzpatrick D A. A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms[M].Certified Public Accountant,1932(04).
[4]Altman E I. Financial Ratios,Discriminate Analysis and the Prediction of Corporate Failure[J].The Journal of Finance, 1968(04).
[5]周首華,楊濟(jì)華,王平.論財(cái)務(wù)危機(jī)的預(yù)警分析——F分?jǐn)?shù)模式[J].會(huì)計(jì)研究,1996(08).
[6]陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析[J].會(huì)計(jì)研究,1999(04).
[7]楊淑娥,徐偉剛.我國(guó)上市公司實(shí)證研究[J].中國(guó)軟科學(xué),2003(01).
[8]Ohelson J A. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J]. Journal of Accounting Research,1980(01).
(作者單位:北方工業(yè)大學(xué))