制造業(yè)上市公司財(cái)務(wù)預(yù)警研究

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[P_i/（1-P_i）]=α+∑β_jX_ij+ε_i。

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y_j=1-x_j）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λ_i，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B⁰_m，進(jìn)行方差最大化旋轉(zhuǎn)，求得旋轉(zhuǎn)后的因子載荷陣B^Γ_m，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)）