基于判別分析的上市公司財(cái)務(wù)預(yù)警研究

李孟閱

本文以上市企業(yè)作為研究對(duì)象，選取了企業(yè)財(cái)務(wù)狀況相關(guān)的12個(gè)指標(biāo)，通過(guò)主成分分析提取反映企業(yè)規(guī)模、企業(yè)盈利能力、償債能力、資金運(yùn)轉(zhuǎn)能力的4個(gè)主成分，并在此基礎(chǔ)上進(jìn)行判別分析。通過(guò)對(duì)ST企業(yè)和非ST企業(yè)分組的判別，對(duì)上市公司財(cái)務(wù)危機(jī)狀況。

一、研究背景

隨著經(jīng)濟(jì)發(fā)展進(jìn)入新階段，上市企業(yè)的經(jīng)營(yíng)面臨著越來(lái)越多的不確定性風(fēng)險(xiǎn)，而上市公司財(cái)務(wù)預(yù)警是防控企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)的重要手段。改革開(kāi)放以來(lái)我國(guó)學(xué)者對(duì)財(cái)務(wù)危機(jī)預(yù)警做了大量的研究。吳世農(nóng)、黃世忠（1986）在文章中構(gòu)建了關(guān)于企業(yè)破產(chǎn)的分析指標(biāo)。周首華等（1996）通過(guò)對(duì)Z分?jǐn)?shù)模型、F分?jǐn)?shù)模型進(jìn)行修正，提出了一個(gè)可以進(jìn)行財(cái)務(wù)狀況預(yù)警的模型。吳世農(nóng)、盧賢義（2001）利用了單變量的判定模型、邏輯回歸模型等嘗試建立了預(yù)警模型。楊淑娥、王樂(lè)平（2007）對(duì)上市公司的面板數(shù)據(jù)進(jìn)行了神經(jīng)網(wǎng)絡(luò)分析，在此基礎(chǔ)上構(gòu)建了預(yù)警模型。

根據(jù)以往學(xué)者對(duì)于財(cái)務(wù)預(yù)警問(wèn)題的研究，本文從多個(gè)企業(yè)財(cái)務(wù)指標(biāo)出發(fā)，基于主成分分析及判別分析方法，對(duì)企業(yè)財(cái)務(wù)狀況進(jìn)行危機(jī)預(yù)警。

二、數(shù)據(jù)來(lái)源及指標(biāo)選取

本文數(shù)據(jù)來(lái)源于東方財(cái)富網(wǎng)上市企業(yè)財(cái)務(wù)數(shù)據(jù)報(bào)表。選取了18個(gè)企業(yè)2019年全年的財(cái)務(wù)數(shù)據(jù)，這些企業(yè)涉及金融、房地產(chǎn)、貿(mào)易、科技、農(nóng)業(yè)多個(gè)領(lǐng)域。

變量指標(biāo)的選取會(huì)在很大的程度上影響企業(yè)財(cái)務(wù)綜合評(píng)價(jià)的效果，進(jìn)而影響財(cái)務(wù)預(yù)警模型的準(zhǔn)確度。本文指標(biāo)的選取基于單個(gè)指標(biāo)具有特殊性，指標(biāo)體系具有全面性的原則，選取了凈利潤(rùn)率、凈利潤(rùn)、資產(chǎn)總額、資產(chǎn)負(fù)債率、流動(dòng)資產(chǎn)、存貨、固定資產(chǎn)、利潤(rùn)總額、經(jīng)營(yíng)現(xiàn)金流、凈資產(chǎn)、權(quán)益比、營(yíng)業(yè)利潤(rùn)率等12個(gè)財(cái)務(wù)相關(guān)指標(biāo)構(gòu)建上市企業(yè)財(cái)務(wù)狀況的評(píng)測(cè)體系。

三、實(shí)證分析

（一）主成分分析

1.適應(yīng)性檢驗(yàn)

適應(yīng)性檢驗(yàn)通過(guò)判斷原始變量之間是否具有重疊的數(shù)據(jù)信息，來(lái)判斷數(shù)據(jù)是否適合主成分分析。在開(kāi)始檢驗(yàn)之前，先對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理以消除量綱對(duì)于分析的影響。處理完數(shù)據(jù)以后，開(kāi)始對(duì)數(shù)據(jù)做適應(yīng)性檢驗(yàn)。

表1數(shù)據(jù)顯示：KMO檢驗(yàn)值為0.766，說(shuō)明在不同的上市企業(yè)中的各項(xiàng)財(cái)務(wù)數(shù)據(jù)指標(biāo)之間具有較高的信息重疊程度。此外，Bartlett球形度檢驗(yàn)結(jié)果的顯著性值為0.000，說(shuō)明12個(gè)變量指標(biāo)之間存在相關(guān)性，因此數(shù)據(jù)可以進(jìn)行主成分分析。

2.主成分方差貢獻(xiàn)率

本文選取的12個(gè)財(cái)務(wù)指標(biāo)，通過(guò)正交變換產(chǎn)生了新的變量。這些新變量可以解釋的原始指標(biāo)變量的總方差占比不一樣，但是全部變量解釋的比例和為100%。

表2數(shù)據(jù)顯示：在提取條件為特征值大于1時(shí)提取了4個(gè)主成分，這4個(gè)主成分變量對(duì)于總方差的解釋率達(dá)到88.79%，可以反映最開(kāi)始的12個(gè)變量在不同企業(yè)中所反映的大部分信息。

3.主成分相關(guān)系數(shù)及函數(shù)表達(dá)

表2數(shù)據(jù)顯示：主成分1在資產(chǎn)總額、流動(dòng)資產(chǎn)、存貨、固定資產(chǎn)、凈資產(chǎn)指標(biāo)上載荷值較高，因此可以看做企業(yè)規(guī)模;主成分2在凈利潤(rùn)率、營(yíng)業(yè)利潤(rùn)率、凈利潤(rùn)、利潤(rùn)總額指標(biāo)上載荷值較高，因此可以看做企業(yè)盈利能力;主成分3在經(jīng)營(yíng)現(xiàn)金流指標(biāo)上具有較高載荷值，因此可以看做是資金運(yùn)轉(zhuǎn)能力;主成分4在資產(chǎn)負(fù)債率、權(quán)益比上系數(shù)載荷值較高，因此可看做企業(yè)償還債務(wù)的能力。

將標(biāo)準(zhǔn)化后的上市企業(yè)財(cái)務(wù)狀況的指標(biāo)分別表示為x1、x2、x3…x12;通過(guò)主成分分析提取的指標(biāo)記為F1、F2、F3、F4。由成分得分矩陣表可以得到4個(gè)主成分的函數(shù)形式：

F1=-0.026x1-0.014x2-0.042x3-0.026x4-0.147x5+0.164x6+0.165x7+0.161x8+0.137x9-0.136x10-0.039x11+0.160x12

F2=-0.375x1-0.013x2+0.057x3+0.377x4+0.154x5+0.085x6+0.063x7+0.039x8+0.151x9+0.190x10-0.077x11+0.097x12

F3=-0.202x1+0.002x2+0.085x3+0.200x4-0.179x5-0.009x6+0.089x7+0.174x8-0.263x9-0.184x10+0.743x11-0.083x12

F4=-0.012x1-0.768x2+0.599x3+0.017x4+0.088x5+0.032x6+0.035x7+0.004x8+0.064x9+0.089x10+0.117x11-0.029x12

（二）判別分析

1.確定判別分析數(shù)據(jù)

以主成分分析中提取的四個(gè)主成分企業(yè)規(guī)模、企業(yè)盈利能力、資金運(yùn)轉(zhuǎn)能力、債務(wù)償還能力作為判別分析的預(yù)測(cè)變量;以上市企業(yè)股票是否ST股票為標(biāo)準(zhǔn)進(jìn)行分組，其中ST企業(yè)為1組，非ST企業(yè)為2組。

A股當(dāng)中的ST股表示“特殊處理”的股票，這種股票一般在財(cái)務(wù)狀況上存在異常，或在經(jīng)營(yíng)過(guò)程中存在違規(guī)行為。被ST處理的企業(yè)在經(jīng)營(yíng)水平、財(cái)務(wù)狀況上都存在一定的問(wèn)題，這給我們?cè)谄髽I(yè)財(cái)務(wù)危機(jī)預(yù)警上提供了一個(gè)參考。

2. 判別分析結(jié)果解讀

用SPSS對(duì)數(shù)據(jù)進(jìn)行判別分析，系數(shù)選擇費(fèi)式線性判別函數(shù)系數(shù)，結(jié)果輸出如下：

表5數(shù)據(jù)顯示：在的顯著性水平之下，判別函數(shù)是可以通過(guò)顯著性檢驗(yàn)的。

表6 費(fèi)式線性判別函數(shù)系數(shù)表

由費(fèi)式線性判別函數(shù)系數(shù)表可以得出2個(gè)判別函數(shù)：

ST企業(yè)的判別函數(shù)：

Y1=-0.616F1-0.027F2-0.280F3-0.920F4+0.015

非ST企業(yè)的判別函數(shù)：

Y1=-0.34F1-0.67F2-0.52F3-0.48F4+0.32

將樣本數(shù)據(jù)標(biāo)準(zhǔn)化處理后帶入上述2個(gè)判別函數(shù)，并對(duì)兩個(gè)函數(shù)值的大小進(jìn)行比較。若ST企業(yè)判別函數(shù)值大，則判斷樣本為ST企業(yè);若非ST企業(yè)判別函數(shù)值大，則判斷樣本為非ST企業(yè)。當(dāng)企業(yè)被歸為“ST企業(yè)”時(shí)，我們認(rèn)為該企業(yè)在財(cái)務(wù)狀況上存在較大的問(wèn)題，企業(yè)的管理者應(yīng)該引起重視。

3.判別有效性檢驗(yàn)

把2019年的樣本數(shù)據(jù)帶入評(píng)價(jià)模型，并對(duì)分類(lèi)結(jié)果進(jìn)行回判檢驗(yàn)。結(jié)果顯示：誤判數(shù)為3個(gè)，正確率達(dá)到83.3%，模型的預(yù)測(cè)精確較高，誤判率較低，是可以作為企業(yè)財(cái)務(wù)預(yù)警模型的。

四、結(jié)語(yǔ)

本文利用了多元統(tǒng)計(jì)分析方法中的主成分分析和判別分析這兩種分析方法，對(duì)收集到的18家上市公司最新（2019年）的財(cái)務(wù)數(shù)據(jù)進(jìn)行了財(cái)務(wù)危機(jī)預(yù)警建模。我們以所有企業(yè)樣本是否被“特殊處理”為標(biāo)準(zhǔn)對(duì)數(shù)據(jù)進(jìn)行分組，首先通過(guò)主成分分析對(duì)若干財(cái)務(wù)指標(biāo)變量進(jìn)行主成分的提取，避免了變量間的信息重疊，之后通過(guò)判別分析，分析企業(yè)是否會(huì)落入ST組，來(lái)判斷該企業(yè)的財(cái)務(wù)危機(jī)狀況。為企業(yè)經(jīng)營(yíng)者提供了一種預(yù)警公司財(cái)務(wù)問(wèn)題的模型，不僅可以幫助企業(yè)更早的發(fā)現(xiàn)自身問(wèn)題，提前部署解決，以謀求更健康穩(wěn)健的發(fā)展，同時(shí)也為投資者提供了一個(gè)考察企業(yè)的方式，將對(duì)企業(yè)財(cái)務(wù)狀況的預(yù)判作為自己投資考量的因素之一。

（作者單位：河北地質(zhì)大學(xué)）