高技術(shù)服務(wù)業(yè)上市公司財務(wù)預(yù)警分析

姚苗苗

高技術(shù)服務(wù)業(yè)上市公司財務(wù)預(yù)警分析

姚苗苗

文章選取企業(yè)償債能力、發(fā)展能力等六個方面的32個指標(biāo)為財務(wù)預(yù)警指標(biāo)體系，對高技術(shù)服務(wù)業(yè)上市公司的財務(wù)狀況進行研究，并運用T值顯著性檢驗和因子分析法對所選指標(biāo)進行降維。在此基礎(chǔ)上，本文利用理想距離判別模型和Logistic回歸分別構(gòu)建財務(wù)預(yù)警模型，并對各個模型的優(yōu)缺點及預(yù)測結(jié)果進行比較分析。研究結(jié)果表明：Logistic回歸模型預(yù)測準確度略優(yōu)于理想距離判別模型，但對ST公司和非ST公司預(yù)測準確度差別較大，不具有較強的穩(wěn)定性。

財務(wù)預(yù)警；因子分析；理想距離判別模型；Logistic回歸

一、引言

后金融危機時代，我國為了能夠在日益激烈的貿(mào)易戰(zhàn)、生態(tài)環(huán)境惡化以及失業(yè)率升高等問題下尋求發(fā)展，高新技術(shù)產(chǎn)業(yè)和現(xiàn)代服務(wù)業(yè)相融合，發(fā)展形成適應(yīng)產(chǎn)業(yè)轉(zhuǎn)型潮流的高技術(shù)服務(wù)業(yè)。但是，隨著高技術(shù)服務(wù)業(yè)發(fā)展，所處宏觀環(huán)境和自身因素的變化，其經(jīng)營風(fēng)險不斷上升，財務(wù)預(yù)警問題越來越受到注意，如何通過建立財務(wù)預(yù)警模型對高技術(shù)服務(wù)業(yè)上市公司財務(wù)狀況進行有效預(yù)判，已成為企業(yè)財務(wù)管理的重要部分。關(guān)于財務(wù)預(yù)警模型的建立，國內(nèi)外學(xué)者已提出不同的建議，但專門針對高技術(shù)服務(wù)業(yè)的實際情況較少，不論是財務(wù)預(yù)警模型指標(biāo)的選取，還是模型的構(gòu)建都不夠成熟，不能及時準確預(yù)測財務(wù)情況。因此，選擇能夠及時對高技術(shù)服務(wù)業(yè)上市公司財務(wù)危機做出反應(yīng)的模型，在危機發(fā)生之前發(fā)出警告十分必要。

本文利用理想距離判別模型和傳統(tǒng)的Logistic回歸模型，分別對高技術(shù)服務(wù)業(yè)上市公司的財務(wù)情況進行預(yù)警，并對預(yù)測結(jié)果進行分析比較，力求為高技術(shù)服務(wù)業(yè)上市公司提供有效的財務(wù)預(yù)警方法。

二、模型簡介

（一）理想距離判別模型

假設(shè)樣本點向某一個特定點集中，則稱這個點為理想點，反之，樣本點距離這一特定點較遠，則為不理想點。例如，設(shè)各預(yù)警指標(biāo)的平均值為且財務(wù)狀況正常的樣本點有向點集中的趨勢，取其為理想點，再設(shè)各評價指標(biāo)的權(quán)重系數(shù)為w1,w2,w3,……,wm，我們構(gòu)造理想距離評價函數(shù),指定一個閥值D0，當(dāng)一個企業(yè)的綜合評價值D大于或小于D0就判定該公司財務(wù)狀況為理想，相反就判定為不理想，即企業(yè)有發(fā)生財務(wù)不正?，F(xiàn)象的可能，閥值D0一般根據(jù)ST公司和非ST公司訓(xùn)練樣本模擬預(yù)測正確率基本相等來確定。

（二）Logistic回歸模型

Logistic回歸模型將企業(yè)分為兩類，即ST公司和非ST公司，通過極大似然估計值找到系數(shù)的最可能估計。假設(shè)p表示企業(yè)即將發(fā)生財務(wù)困境的概率，可以描述為：

F(p)=Logit(p)=ln[p/(1-p)]=β0+β1x1+β2x2+......+βkxk,+E

其中：β0為常數(shù)項，xi為財務(wù)指標(biāo)，βi為xi相對應(yīng)的回歸系數(shù)。上述公式可變換為下式:P=exp(β0+β1x1+β2x2+...... +βkxk,)/[1+exp(β0+β1x1+β2x2+......+βkxk,)]

通過最大似然法可以得到參數(shù)列 β0，β1，β2......βk的估計值，將參數(shù)估計代入Logistic回歸模型可以得到企業(yè)發(fā)生財務(wù)困境的概率。若p＞0.5，表明企業(yè)被ST概率較大，可以判定企業(yè)為即將ST類型；若p＜0.5，表明企業(yè)財務(wù)正常的概率較大，可以判定企業(yè)為財務(wù)正常。

三、樣本選取與指標(biāo)體系構(gòu)建

（一）樣本選取

本文以2016年A股中高技術(shù)服務(wù)業(yè)上市公司為研究對象，通過選取能夠衡量公司發(fā)展能力、風(fēng)險能力等32個指標(biāo)構(gòu)建財務(wù)預(yù)警體系，在公司原有數(shù)據(jù)基礎(chǔ)上剔除異常值、缺失值，最終得到所需樣本數(shù)據(jù)。根據(jù)我國上市公司信息披露制度，公司發(fā)生財務(wù)危機的實際年份應(yīng)該是其被ST的前一年，為了能夠全方位探討模型的預(yù)警能力，本文最終確定以T-6至T-2年為樣本期間，即選取2010～2014年數(shù)據(jù)對2016年公司是否被特別處理做出預(yù)測。

（二）財務(wù)預(yù)警指標(biāo)體系建立

為全方面、多層次反映高技術(shù)服務(wù)業(yè)上市公司的財務(wù)狀況，本文選取償債能力、發(fā)展能力、風(fēng)險能力、經(jīng)營能力、現(xiàn)金流水平及盈利能力六個方面的 32個指標(biāo)構(gòu)建初始預(yù)警指標(biāo)體系，具體如表1所示。

表1 財務(wù)預(yù)警指標(biāo)體系

四、高技術(shù)服務(wù)業(yè)上市公司財務(wù)預(yù)警的實證檢驗

（一）高技術(shù)服務(wù)業(yè)上市公司財務(wù)預(yù)警指標(biāo)的顯著性檢驗

本文通過對樣本數(shù)據(jù)的比較均值T值檢驗，分析ST公司與非ST公司之間各年度財務(wù)指標(biāo)是否存在顯著差異，篩選合理的財務(wù)指標(biāo)。T檢驗建立的原假設(shè)（H0）為：ST公司與非ST公司在同一財務(wù)指標(biāo)上沒有不同。各年度T檢驗結(jié)果如表2所示。

表2 指標(biāo)T值檢驗結(jié)果

當(dāng)P值（Sig.）＜0.05時，檢驗結(jié)果以1-α=95%為標(biāo)準拒絕H0假設(shè)，即ST公司與非ST公司在同一財務(wù)指標(biāo)上存在顯著性差異。P＞0.05，表明指標(biāo)在兩類公司之間沒有差異，予以剔除。

在水利部主辦、中國水科院承辦的監(jiān)控災(zāi)害風(fēng)險，建立早期預(yù)警系統(tǒng)分會上，國家防辦常務(wù)副主任張志彤做了主題為“構(gòu)建有效的防御體系，控制山洪災(zāi)害風(fēng)險”的報告，介紹了中國山洪災(zāi)害現(xiàn)狀及防御、成效及經(jīng)驗，倡議各國共享山洪災(zāi)害防治經(jīng)驗，加強交流與合作，不斷提升山洪災(zāi)害防治理論和技術(shù)水平，為山洪災(zāi)害威脅區(qū)居民帶來更多福祉。

結(jié)果可得：在T-6年至T-2年期間，ST公司與非ST公司分別在X1、X7、X14、X16、X29等財務(wù)指標(biāo)存在顯著差異。同時隨著正常公司被ST的臨近，P值小于0.05的預(yù)測指標(biāo)數(shù)量增加。但也存在6個指標(biāo)在樣本期內(nèi)都沒有通過T檢驗，分別為X4、X6、X10、X11、X26、X27。基于以上分析，剔除了樣本期間內(nèi)四年和五年中均沒有顯著差異的指標(biāo)，最終保留X1、X2、X7、X8、X12、X16、X29等24個指標(biāo)作為下一步分析的變量。

（二）高技術(shù)服務(wù)業(yè)上市公司因子分析提取模型自變量

1.首先確定指標(biāo)體系是否能夠適用因子分析法。本文采用KMO檢驗和Bartlett球形檢驗來判斷指標(biāo)體系是否適用因

子分析法。各年度檢驗結(jié)果如表3所示。

表3 KMO檢驗和Bartlett球形檢驗結(jié)果

由檢驗結(jié)果得出，Sig.均為0.000（＜0.05），體現(xiàn)變量間的相關(guān)性較顯著。且KMO值均大于0.5，說明以上構(gòu)建的指標(biāo)體系適用于因子分析法。

2.確定公因子。以高技術(shù)服務(wù)業(yè)上市公司2014年的數(shù)據(jù)為例，運用主成分分析法，依據(jù)特征值大于1的原則，提取能夠全面體現(xiàn)指標(biāo)體系的8個公因子，其累計方差貢獻率達到76.00%，基本包含了指標(biāo)體系所具有的主要信息。具體如表4所示。

表4 特征值及貢獻率

3.提取公共因子的同時，可得到初始因子載荷矩陣。為對公共因子做出更全面、合理的解釋，可以對初始因子載荷矩陣進行旋轉(zhuǎn)，旋轉(zhuǎn)后的因子載荷矩陣如表5所示。

表5 旋轉(zhuǎn)成份矩陣

為便于觀察輸出結(jié)果，系數(shù)（絕對值＜0.4）被抑制輸出。由表5可以看出：公因子F1在指標(biāo)營業(yè)凈利率、息稅前營業(yè)利潤率、流動資產(chǎn)凈利潤率A、可持續(xù)增長率、營業(yè)毛利率載荷較大，主要反映了高技術(shù)服務(wù)業(yè)上市公司的盈利能力，命名為盈利因子。相同地，公因子F2到F8可分別命名為短期償債因子、風(fēng)險因子、經(jīng)營因子、融資因子、現(xiàn)金流因子、長期償債因子、發(fā)展因子。提取的公因子不僅包含原有的發(fā)展、經(jīng)營等6個方面，還將償債能力分為長期償債和短期償債，以及涉及融資能力。這樣在降低分析維度的基礎(chǔ)上，又使得所要描述的信息更加清晰明了。

（三）預(yù)警模型分析

以高技術(shù)服務(wù)業(yè)上市公司是否被ST為因變量，以因子分析法得到的8個公因子為自變量，以樣本公司被ST前五年的數(shù)據(jù)為基礎(chǔ)，利用理想距離判別模型和Logistic回歸模型分別建模。

1.理想距離判別模型

假設(shè)8個公因子對財務(wù)預(yù)警的地位同等重要，為了避免數(shù)量級別不同對結(jié)果的影響，權(quán)重系數(shù)由各項指標(biāo)平均值的比來確定，取權(quán)重系數(shù)w2=1，其它的權(quán)重系數(shù)分別為：w1=2.2,w3=2.21,w4=3.38,w6=8.27,w7=7.22,w8=10. 84。檢驗結(jié)果如表6所示。

表6 理想距離判別模型檢驗結(jié)果

2.二分類Logistic回歸模型。

Logistic回歸模型通過-2倍的對數(shù)似然值對模型的擬合優(yōu)度進行分析，其值越小，說明模型的擬合優(yōu)度越高。具體檢驗結(jié)果如表7所示。

本文利用理想距離判別模型和Logistic回歸構(gòu)建財務(wù)預(yù)警

五、結(jié)論

表7 Logistic回歸模型檢驗結(jié)果

模型，對高技術(shù)服務(wù)業(yè)上市公司財務(wù)狀況進行預(yù)測。根據(jù)預(yù)測結(jié)果得出以下結(jié)論：從適用范圍來講，理想距離判別模型可以更好適用發(fā)生危機企業(yè)共有的特征；Logistic回歸模型可以深層次探討發(fā)生財務(wù)危機的根源。從預(yù)測效果來看，Logistic回歸模型整體優(yōu)于理想距離判別模型，但Logistic回歸模型對ST公司與非ST公司預(yù)測正確率差別較大，穩(wěn)定性較弱，對ST公司財務(wù)預(yù)警準確率較低。相反，理想距離判別模型的正確率相對均勻。

綜上所述，理想距離判別模型和Logistic回歸模型對高技術(shù)服務(wù)業(yè)上市公司的財務(wù)預(yù)警均具有一定的實用價值。企業(yè)在建立財務(wù)預(yù)警系統(tǒng)過程中，可根據(jù)預(yù)警模型的自身特點和企業(yè)獨特的預(yù)警偏好，選擇合適的模型。

[1]李帆，杜志濤，李玲娟.企業(yè)財務(wù)預(yù)警模型：理論回顧及其評論[J].管理評論，2011,（09）：144-151.

[2]徐偉，陳丹萍.財務(wù)風(fēng)險預(yù)警建模原則及幾種預(yù)警新模型[J].統(tǒng)計與決策，2016，（08）：150-153.

F275

A

1008-4428（2017）08-96-03

姚苗苗，江蘇師范大學(xué)商學(xué)院碩士研究生，研究方向：財務(wù)與會計管理。