“去產(chǎn)能”背景下煤炭行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究

王 翔

(安徽理工大學(xué) 財(cái)務(wù)處，安徽 淮南 232001)

煤炭行業(yè)是我國(guó)國(guó)民經(jīng)濟(jì)的重要支柱之一，我國(guó)煤炭年產(chǎn)量占全世界煤炭生產(chǎn)的45.6%，煤炭行業(yè)的重要地位毋庸置疑。而隨著我國(guó)經(jīng)濟(jì)由“高速增長(zhǎng)”轉(zhuǎn)向“高質(zhì)量發(fā)展”的戰(zhàn)略調(diào)整，“去產(chǎn)能、去庫(kù)存”的供給側(cè)結(jié)構(gòu)性改革對(duì)我國(guó)煤炭行業(yè)發(fā)展產(chǎn)生了重大影響，面對(duì)經(jīng)濟(jì)增長(zhǎng)趨緩、供給能力過(guò)剩、環(huán)境污染治理等重重壓力，煤炭行業(yè)企業(yè)在“去產(chǎn)能”政策背景下的財(cái)務(wù)風(fēng)險(xiǎn)狀況預(yù)警研究具有較為重要的現(xiàn)實(shí)意義。

一、文獻(xiàn)綜述

財(cái)務(wù)風(fēng)險(xiǎn)產(chǎn)生的原因復(fù)雜多樣，稍不注意財(cái)務(wù)風(fēng)險(xiǎn)即可轉(zhuǎn)變?yōu)樨?cái)務(wù)危機(jī)，嚴(yán)重影響企業(yè)的經(jīng)營(yíng)效益乃至行業(yè)的發(fā)展質(zhì)量，因此財(cái)務(wù)預(yù)警研究一直被學(xué)者們關(guān)注。孫艷春等運(yùn)用多級(jí)模糊綜合評(píng)價(jià)法對(duì)房地產(chǎn)企業(yè)的非財(cái)務(wù)指標(biāo)進(jìn)行研究，建立分層財(cái)務(wù)預(yù)警模型，找出了企業(yè)經(jīng)營(yíng)中的風(fēng)險(xiǎn)因素[1]；郭紅等對(duì)選取的指標(biāo)數(shù)據(jù)進(jìn)行降維處理，建立動(dòng)態(tài)財(cái)務(wù)預(yù)警模型，保證了模型的有效性[2]；楊利紅等綜合運(yùn)用層次分析法、德?tīng)柗品ê凸π禂?shù)法以LD集團(tuán)為例建立財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)模型，為房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究提供了新的思路[3]；張金貴等運(yùn)用粒子群算法PSO篩選出最優(yōu)的支持向量機(jī)參數(shù)，建立PSO-LIBSVM人工智能算法的改進(jìn)財(cái)務(wù)預(yù)警模型，提高了財(cái)務(wù)預(yù)警的準(zhǔn)確度[4]；李凱風(fēng)等采用功效系數(shù)法構(gòu)建評(píng)價(jià)模型，以W企業(yè)為例進(jìn)行了財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估，提出了改良方案[5]；李燕運(yùn)用因子分析賦權(quán)法找出指標(biāo)數(shù)據(jù)系數(shù)，建立商業(yè)銀行財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)預(yù)警模型，與財(cái)務(wù)風(fēng)險(xiǎn)安全值對(duì)比得出該商業(yè)銀行的財(cái)務(wù)風(fēng)險(xiǎn)程度[6]；王妹禧利用雙正交混合函數(shù)解構(gòu)建修正的SVM財(cái)務(wù)預(yù)警模型，得到了很好的預(yù)測(cè)效果[7]；毛天棋以制造業(yè)企業(yè)為例，從經(jīng)營(yíng)、投資、籌資三個(gè)維度出發(fā)，找出預(yù)警指標(biāo)，構(gòu)建三維財(cái)務(wù)預(yù)警指數(shù)，提出了風(fēng)險(xiǎn)防控對(duì)策[8]；樊林堉建立了改進(jìn)的二元Logistic財(cái)務(wù)預(yù)警模型，提高了預(yù)測(cè)精度，得到了較好的預(yù)警結(jié)果[9]。

綜上可見(jiàn)，學(xué)者們對(duì)于財(cái)務(wù)預(yù)警研究多集中在房地產(chǎn)、金融等熱門(mén)行業(yè)，對(duì)于處在特殊困難時(shí)期的傳統(tǒng)煤炭行業(yè)關(guān)注較少，且選取指標(biāo)數(shù)據(jù)有的復(fù)雜難以獲取，有的包含定性指標(biāo)使得評(píng)價(jià)帶有一定程度的主觀性，缺乏直觀便捷的方法進(jìn)行財(cái)務(wù)預(yù)警分析。美國(guó)Edward Altman教授建立的著名Z-score模型，通過(guò)分析企業(yè)財(cái)務(wù)報(bào)表抓取財(cái)報(bào)數(shù)據(jù)建立線(xiàn)性方程進(jìn)行預(yù)警研究，數(shù)據(jù)真實(shí)客觀且容易獲取，方法科學(xué)嚴(yán)謹(jǐn)具有廣泛的實(shí)際應(yīng)用意義。因此，采用Z-score模型研究我國(guó)煤炭行業(yè)上市公司財(cái)務(wù)評(píng)價(jià)預(yù)警，可以直觀便捷地反映出現(xiàn)階段去產(chǎn)能政策背景下煤炭行業(yè)上市公司的真實(shí)財(cái)務(wù)狀況。

二、財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型指標(biāo)體系構(gòu)建與篩選

(一)指標(biāo)體系構(gòu)建

為保證數(shù)據(jù)完整性，結(jié)合煤炭行業(yè)實(shí)際，將中信行業(yè)分類(lèi)中劃分為煤炭行業(yè)類(lèi)別的上市公司共計(jì)29家全部納入研究范圍作為研究樣本，再基于大量文獻(xiàn)成果，根據(jù)通用性、可比性、直觀性原則選出能夠準(zhǔn)確反映煤炭行業(yè)上市公司“去產(chǎn)能”背景下盈利水平、庫(kù)存壓力、發(fā)展空間、運(yùn)行情況的12個(gè)代表性財(cái)務(wù)指標(biāo)，按照盈利能力、償債能力、成長(zhǎng)能力、營(yíng)運(yùn)能力四個(gè)方面歸集分類(lèi)，建立煤炭行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的指標(biāo)體系，如表1所示，X1至X5反映盈利能力，X6和X7反映償債能力，X8至X10反映成長(zhǎng)能力，X11和X12反映營(yíng)運(yùn)能力。

表1 指標(biāo)體系

(二)指標(biāo)篩選

篩選可用指標(biāo)是保證預(yù)警模型準(zhǔn)確性的基礎(chǔ)，使用SPSS 19.0統(tǒng)計(jì)軟件綜合運(yùn)用KS檢驗(yàn)和PP檢驗(yàn)方法將采集于RESSET(銳思數(shù)據(jù)庫(kù))的財(cái)務(wù)指標(biāo)數(shù)據(jù)進(jìn)行顯著性檢驗(yàn)，將不具備突出解釋說(shuō)明力、符合正態(tài)性分布的財(cái)務(wù)指標(biāo)剔除，篩選出能夠反映煤炭行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)程度且不符合正態(tài)分布的指標(biāo)進(jìn)行深入分析。KS檢驗(yàn)結(jié)果如表2所示，該非參數(shù)檢驗(yàn)的漸進(jìn)顯著性水平P值大于0.05則表示為符合正態(tài)性分布的指標(biāo)，重要性水平低于0.05則表示為不符合正態(tài)性分布的指標(biāo)，表2中X6、X9、X10、X11四個(gè)指標(biāo)的顯著性水平P值均大于0.05，符合正態(tài)性分布，不具備突出的解釋說(shuō)明力，應(yīng)當(dāng)予以剔除。

表2 單樣本 Kolmogorov-Smirnov 檢驗(yàn)

(三)主成分分析

篩選后的指標(biāo)數(shù)據(jù)都帶有很好的解釋說(shuō)明力，數(shù)據(jù)特征突出，但仍需根據(jù)數(shù)據(jù)本身的特性進(jìn)行有針對(duì)性的整理。運(yùn)用SPSS軟件對(duì)各指標(biāo)進(jìn)行相關(guān)性分析，發(fā)現(xiàn)各指標(biāo)之間的相關(guān)系數(shù)均較大，尤其是指標(biāo)分類(lèi)為反映煤炭企業(yè)同一財(cái)務(wù)能力的指標(biāo)相關(guān)系數(shù)較大，其中，同被劃分為代表煤炭行業(yè)上市公司盈利能力的指標(biāo)X1、X2的相關(guān)系數(shù)達(dá)到了0.901的高值，說(shuō)明各指標(biāo)之間均存在較強(qiáng)的相關(guān)性，信息交互重疊現(xiàn)象突出。為避免各指標(biāo)的解釋說(shuō)明力受到相互影響，提高預(yù)警模型擬合信度，需采用主成分分析法將分散的解釋信息重新組合，找出新的線(xiàn)性組合作為主成分，使新的綜合指標(biāo)最大限度地裝載原指標(biāo)中的有效解釋信息。KMO 和 Bartlett球形檢驗(yàn)是主成分分析的前提和基礎(chǔ)，借此來(lái)檢驗(yàn)指標(biāo)數(shù)據(jù)的信息分布情況及各變量間的獨(dú)立性特征，KMO統(tǒng)計(jì)量的變化范圍是從0到1，數(shù)值越大則表示變量間的相關(guān)性特征越強(qiáng)，也就越適合進(jìn)行主成分分析；反之，KMO統(tǒng)計(jì)值越小則表示變量間相互獨(dú)立，越不適用主成分分析法。而B(niǎo)artlett球形檢驗(yàn)法則是重要性水平低于0.05表示變量間呈現(xiàn)相互獨(dú)立分布特征，適合使用主成分分析法。根據(jù)檢驗(yàn)結(jié)果，煤炭行業(yè)上市公司財(cái)務(wù)指標(biāo)的KMO統(tǒng)計(jì)值為0.827，大于臨界值0.5，Bartlett球形檢驗(yàn)的重要性水平為0.000，小于臨界比率0.05，可見(jiàn)適合使用主成分分析法。

表3 解釋的總方差

主成分分析法提取有效成分的參考指標(biāo)是特征根的取值，當(dāng)特征根大于1時(shí)，代表提取出的該成分信息解釋力度強(qiáng)于原有指標(biāo)變量；反之，特征根小于1，則新提取出的成分有效信息解釋力度弱于原有指標(biāo)變量，即該新成分提取沒(méi)有起到優(yōu)化原指標(biāo)作用。將煤炭行業(yè)上市公司財(cái)務(wù)指標(biāo)進(jìn)行主成分分析(結(jié)果如表3所示)，可見(jiàn)有兩個(gè)提取出的主成分特征根大于1，第一個(gè)主成分特征根為4.864，解釋貢獻(xiàn)率達(dá)到60.799%；第二個(gè)主成分特征根為1.691，解釋貢獻(xiàn)率達(dá)到21.136%。兩個(gè)主成分累計(jì)貢獻(xiàn)了81.934%的信息解釋效果，原有指標(biāo)變量的信息丟失較少，主成分提取效果比較理想。

表4 成份矩陣

從表4的成分矩陣結(jié)果可見(jiàn)，主成分一按指標(biāo)的載荷高低，主要反映X1、X2、X3、X4、X5和X7指標(biāo)的信息，而主成分二則綜合反映了X8、X12指標(biāo)的信息，所以提取的兩個(gè)主成分涵蓋了原來(lái)所有指標(biāo)的絕大部分信息，可以用兩個(gè)新主成分代替所有原指標(biāo)數(shù)據(jù)。根據(jù)表5成分得分系數(shù)矩陣結(jié)果，可以將兩個(gè)主成分Y1、Y2表示成為以原指標(biāo)為自變量組合而成的方程組。

表5 成份得分系數(shù)矩陣

Y1=0.201 X1+0.197 X2+0.2 X3+0.202 X4+0.192 X5+0.062 X7+0.066 X8+0.005 X12

Y2=-0.06 X1+0.067 X2-0.101X3-0.026 X4+0.111 X5-0.508 X7+0.503X8+0.222X12

三、實(shí)證分析

(一)改進(jìn)的Z-score預(yù)警模型構(gòu)建

在提取兩個(gè)主成分的基礎(chǔ)上，根據(jù)主成分Y1、Y2所對(duì)應(yīng)的特征根與兩個(gè)主成分特征根累計(jì)之和的比例關(guān)系進(jìn)行調(diào)整，就可以得到改進(jìn)后的Z-score財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。將單個(gè)主成分的特征根占兩個(gè)主成分特征根和的比重作為該主成分的系數(shù)，調(diào)整后的Z-score預(yù)警模型為

Z=4.864/(4.864+1.691) Y1+1.691/(4.864+1.691) Y2=0.742 Y1+0.258 Y2

(二)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警分析

改進(jìn)的Z-score預(yù)警模型與美國(guó)Edward Altman教授建立的傳統(tǒng)模型存在很多不同，傳統(tǒng)模型數(shù)據(jù)來(lái)源于美國(guó)制造業(yè)，而改進(jìn)的Z-score預(yù)警模型選取了我國(guó)煤炭行業(yè)上市公司的財(cái)務(wù)指標(biāo)數(shù)據(jù)，且改進(jìn)后的模型綜合運(yùn)用非參數(shù)檢驗(yàn)和主成分分析法，篩選優(yōu)化了指標(biāo)體系并用提取的主成分代替了原始財(cái)務(wù)指標(biāo)，使得預(yù)警模型更加科學(xué)合理。煤炭行業(yè)上市公司Z值計(jì)算結(jié)果如表6所示，將Z值的均值0.74作為臨界低值，低于0.74則劃分為財(cái)務(wù)風(fēng)險(xiǎn)大的煤炭上市公司；將Z值的中位數(shù)4.35作為臨界中值，Z值介于0.74和4.35之間的公司劃分為灰色不穩(wěn)定區(qū)域，這個(gè)區(qū)間內(nèi)的煤炭行業(yè)上市公司財(cái)務(wù)狀況不穩(wěn)定，處于不穩(wěn)定的風(fēng)險(xiǎn)評(píng)級(jí)；Z值高于中位數(shù)4.35的公司則劃分為優(yōu)質(zhì)低財(cái)務(wù)風(fēng)險(xiǎn)企業(yè)。

表6 煤炭行業(yè)上市公司Z值

從表6可以看出，五家被*ST標(biāo)記的上市公司Z值均為負(fù)數(shù)，全部劃分在財(cái)務(wù)風(fēng)險(xiǎn)高的企業(yè)范圍內(nèi)，說(shuō)明財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型構(gòu)建合理，適用于煤炭行業(yè)上市公司；Z值處于臨界低值0.74以下的有7家公司，占煤炭行業(yè)上市公司的24.13%，說(shuō)明相當(dāng)一部分煤炭行業(yè)上市公司在“去產(chǎn)能”背景下財(cái)務(wù)風(fēng)險(xiǎn)較大；處于0.74和4.35兩臨界值之間的企業(yè)有8家，說(shuō)明占煤炭行業(yè)上市公司總數(shù)27.59%的企業(yè)財(cái)務(wù)狀況不穩(wěn)定，需要調(diào)整經(jīng)營(yíng)策略，防控財(cái)務(wù)風(fēng)險(xiǎn)。

四、結(jié)論與建議

選擇能夠準(zhǔn)確反映煤炭行業(yè)上市公司“去產(chǎn)能”背景下盈利水平、庫(kù)存壓力、發(fā)展空間、運(yùn)行情況的代表性財(cái)務(wù)指標(biāo)建立預(yù)警指標(biāo)體系，充分體現(xiàn)煤炭行業(yè)上市公司當(dāng)前階段的經(jīng)營(yíng)壓力和財(cái)務(wù)風(fēng)險(xiǎn)，再綜合運(yùn)用非參數(shù)檢驗(yàn)和主成分分析，將不合理的指標(biāo)剔除，進(jìn)一步優(yōu)化預(yù)警指標(biāo)體系，用提取出的主成分代替原財(cái)務(wù)指標(biāo)，解決了數(shù)據(jù)間多重共線(xiàn)性、信息相互重疊影響的問(wèn)題，改進(jìn)的Z-score預(yù)警模型利用Z值結(jié)果，直觀地展示了煤炭行業(yè)上市公司的財(cái)務(wù)風(fēng)險(xiǎn)情況，所有被證監(jiān)會(huì)*ST標(biāo)記的上市公司全部被檢測(cè)出高財(cái)務(wù)風(fēng)險(xiǎn)，達(dá)到了預(yù)警模型建立的準(zhǔn)確性要求。預(yù)警結(jié)果顯示煤炭行業(yè)整體財(cái)務(wù)風(fēng)險(xiǎn)較高，部分企業(yè)需及時(shí)調(diào)整運(yùn)營(yíng)策略，防控財(cái)務(wù)風(fēng)險(xiǎn)。結(jié)合模型本身和預(yù)警結(jié)果，對(duì)我國(guó)煤炭行業(yè)上市公司提出幾點(diǎn)建議。

(一)確保財(cái)務(wù)數(shù)據(jù)真實(shí)可信

指標(biāo)數(shù)據(jù)是模型建立的基礎(chǔ)，只有準(zhǔn)確可靠的財(cái)務(wù)數(shù)據(jù)才能得到預(yù)警效果好的模型，每個(gè)指標(biāo)數(shù)據(jù)的變動(dòng)都直接影響到Z值的計(jì)算結(jié)果。我國(guó)煤炭上市企業(yè)應(yīng)重視財(cái)務(wù)基礎(chǔ)工作，規(guī)范賬務(wù)處理，避免財(cái)務(wù)報(bào)表粉飾、舞弊，維持?jǐn)?shù)據(jù)統(tǒng)計(jì)口徑相對(duì)穩(wěn)定，方便指標(biāo)橫向、縱向可比，確保數(shù)據(jù)真實(shí)可信。

(二)關(guān)注核心財(cái)務(wù)指標(biāo)數(shù)據(jù)

盈利能力、償債能力、成長(zhǎng)能力、營(yíng)運(yùn)能力是評(píng)價(jià)煤炭行業(yè)上市公司的四大核心指標(biāo)，其中盈利能力最為重要，尤其在“去產(chǎn)能”政策背景下，經(jīng)濟(jì)增長(zhǎng)趨緩、供給能力過(guò)剩、環(huán)境污染治理等重重壓力使得煤炭企業(yè)盈利能力下降，部分企業(yè)被證監(jiān)會(huì)*ST標(biāo)記，面臨退市風(fēng)險(xiǎn)，預(yù)警模型中盈利能力指標(biāo)的比重也較大，提升煤炭企業(yè)盈利能力是高財(cái)務(wù)風(fēng)險(xiǎn)企業(yè)提高Z值的關(guān)鍵點(diǎn)。四個(gè)核心指標(biāo)統(tǒng)籌兼顧，是未來(lái)煤炭行業(yè)上市公司降低財(cái)務(wù)風(fēng)險(xiǎn)、實(shí)現(xiàn)企業(yè)價(jià)值的發(fā)力方向。

(三)建立健全企業(yè)內(nèi)控制度

建立與改進(jìn)的Z-score預(yù)警模型相匹配的內(nèi)控制度，形成以提高盈利水平、降低庫(kù)存壓力、拓寬發(fā)展空間、提高運(yùn)營(yíng)效率為重點(diǎn)的財(cái)務(wù)風(fēng)險(xiǎn)防控機(jī)制，在籌資、投資、營(yíng)運(yùn)各環(huán)節(jié)防控財(cái)務(wù)風(fēng)險(xiǎn)，牢固樹(shù)立風(fēng)險(xiǎn)意識(shí)，改善我國(guó)煤炭行業(yè)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)狀況，提高我國(guó)煤炭行業(yè)上市公司的抗風(fēng)險(xiǎn)能力和財(cái)務(wù)管理能力，促進(jìn)我國(guó)煤炭行業(yè)的長(zhǎng)遠(yuǎn)健康發(fā)展。