崔 潔

（西安外事學(xué)院 陜西 西安 710077）

一、引言

縱觀國內(nèi)外財(cái)務(wù)危機(jī)判別與預(yù)測的相關(guān)研究，可知已經(jīng)得到了具有較高預(yù)警能力的財(cái)務(wù)指標(biāo)和方程組，但一元判定模型存在沖突性，多元線性判定模型存在假設(shè)前提，logistic模型難以普及，而且模型構(gòu)建樣本的針對性不強(qiáng)，各個(gè)行業(yè)都有其自身的特點(diǎn)，同一個(gè)指標(biāo)在不同行業(yè)缺乏可比性，勢必影響模型的準(zhǔn)確性。為了能夠找到預(yù)測準(zhǔn)確率高、穩(wěn)定性好的變量，本文選取了78家制造業(yè)上市公司的五個(gè)方面的18個(gè)財(cái)務(wù)指標(biāo)進(jìn)行研究。經(jīng)驗(yàn)證，各財(cái)務(wù)指標(biāo)之間相關(guān)性比較強(qiáng)，結(jié)構(gòu)復(fù)雜，為了避免減少指標(biāo)導(dǎo)致?lián)p失很多信息，從而得出錯(cuò)誤結(jié)論，因此本文借助因子分析法對18個(gè)指標(biāo)進(jìn)行濃縮，以達(dá)到簡化變量降低維數(shù)的目的，以便建立較為準(zhǔn)確的模型。

二、研究設(shè)計(jì)

（一）樣本選取和數(shù)據(jù)來源 本文將上市公司中的ST類公司定義為“財(cái)務(wù)危機(jī)”企業(yè)，并選取其t-2年的截面數(shù)據(jù)為樣本建立模型。之所以這樣選擇是因?yàn)槟彻驹趖年被ST，是因?yàn)槠鋞-1、t-2年連續(xù)兩年虧損或者是因?yàn)榉掀渌袛嗵貏e處理的標(biāo)準(zhǔn)。根據(jù)我國上市公司年報(bào)披露制度，上市公司公布其年報(bào)的截止日期為下一年的4月30日，因此上市公司t-1年的年報(bào)和其在t年度是否會(huì)被特別處理這兩件事幾乎是同時(shí)發(fā)生的。所以用t-1年的數(shù)據(jù)預(yù)測t年度是否會(huì)被特別處理是沒有實(shí)際意義的。另外，行業(yè)因素對財(cái)務(wù)預(yù)警模型也有一定的影響，而且從準(zhǔn)確率的角度出發(fā)，構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型最好是分行業(yè)進(jìn)行，同時(shí)考慮到數(shù)據(jù)處理的方便性，因此，本文有針對性地選取了2010年A股制造業(yè)24對（48家其中包括24家ST的公司和24家正常企業(yè)）上市公司的t-2年的數(shù)據(jù)作為建模樣本，選取了2009年A股制造業(yè)15對（30家其中包括15家ST的公司和15家正常企業(yè)）上市公司的t-2年的數(shù)據(jù)作為驗(yàn)?zāi)颖?。本文選取樣本數(shù)據(jù)主要來源于招商證券股票軟件中的財(cái)務(wù)分析、金融界等網(wǎng)站。

（二）研究方法 本文采用定量方法確定研究樣本；定性選擇確定財(cái)務(wù)預(yù)警指標(biāo)；運(yùn)用SPSS軟件進(jìn)行因子分析構(gòu)建模型，獲取財(cái)務(wù)預(yù)警的臨界值，并對模型進(jìn)行檢驗(yàn)。因子分析法，最早是由美國心理學(xué)家CharlesSpearman在1904年提出，其基本思想是將實(shí)測的多個(gè)指標(biāo)，用少數(shù)幾個(gè)潛在的相互獨(dú)立的主成分指標(biāo)（因子）的線性組合來表示，構(gòu)成的線性組合可反映原多個(gè)實(shí)測指標(biāo)的主要信息。它的優(yōu)點(diǎn)是可以對觀測樣本進(jìn)行分類，并根據(jù)各因子在樣本中所起的作用自動(dòng)生成（確定）各因子權(quán)重，簡化實(shí)測指標(biāo)系統(tǒng)。主成分分析法的一般模型為：

表1 財(cái)務(wù)指標(biāo)表

其中F1，F(xiàn)2，……Fn為實(shí)測變量；aij（i=1，2，……，m；j=1，2，……，n）為因子荷載；Xi（i=1，2，……，m）為選擇確定的m個(gè)主成分因子；Ki（i=1，2，……，m）為主成分因子的權(quán)重（即第i個(gè)因子的貢獻(xiàn)率）；Y是公司財(cái)務(wù)狀況的預(yù)測值。這里要特別說明的是，因子載荷aij是第Fj個(gè)實(shí)測變量在第Xi個(gè)主成分上的荷載，或者說，第Xi個(gè)變量與第Fj個(gè)主成分的相關(guān)系數(shù)。荷載越大，說明第Fj個(gè)實(shí)測變量與第Xi個(gè)主成分的關(guān)系越密切；反之亦然。

（三）財(cái)務(wù)預(yù)警指標(biāo)體系設(shè)計(jì) 本文廣泛考察了以往國外和國內(nèi)相關(guān)研究中對最終預(yù)測模型有顯著貢獻(xiàn)的預(yù)測變量，參考了目前在實(shí)證研究中廣泛采用的財(cái)務(wù)指標(biāo)及我國上市公司的實(shí)際情況，初步確定了體現(xiàn)償債能力、營運(yùn)能力、盈利能力、成長能力、現(xiàn)金流量5個(gè)方面18個(gè)財(cái)務(wù)指標(biāo)，見（表1）。

三、實(shí)證結(jié)果分析

（一）KMO測度和Bartlett檢驗(yàn) 首先需要對24組企業(yè)的18個(gè)財(cái)務(wù)指標(biāo)進(jìn)行KMO測度和Bartlett檢驗(yàn)，結(jié)果如（表2）所示。由結(jié)果看出，Bartlett的統(tǒng)計(jì)量為845.69，且其對應(yīng)的顯著性概率是0.000，小于顯著性0.05，說明相關(guān)矩陣不是一個(gè)單位矩陣，即數(shù)據(jù)具有相關(guān)性，故適合進(jìn)行因子分析。KMO＞0.6，意味著因子分析結(jié)果較好。

（二）因子提取和因子命名 運(yùn)用SPSS軟件自動(dòng)完成各主成分的特征值和貢獻(xiàn)值計(jì)算，詳見（表3）?？紤]所代表的實(shí)際指標(biāo)的信息量，選擇特征值大于1的主成分，公因子為5個(gè)，可以認(rèn)為這五個(gè)公因子基本反映了原變量的絕大多數(shù)信息，從表3的第2列至第4列可以看出這5個(gè)主成分因子包含原來79.101%的信息量。這5個(gè)主成分因子的主成分方差貢獻(xiàn)率見（表4）。為了清晰地反映主成分因子與原始變量的關(guān)系，輸出旋轉(zhuǎn)后的因子載荷陣?？梢钥闯鯴9、X11在因子1上的載荷比較大，這兩個(gè)指標(biāo)代表的是企業(yè)的盈利能力，故將其命名為盈利能力因子（F1）；X16、X17在因子2上的載荷比較大，這兩個(gè)指標(biāo)代表的是企業(yè)的現(xiàn)金流量，故將其命名為現(xiàn)金流量因子（F2）；X6、X7在因子3上的載荷比較大，這兩個(gè)指標(biāo)代表的是企業(yè)的資產(chǎn)營運(yùn)能力，故將其命名為資產(chǎn)營運(yùn)能力因子（F3）；X1、X2在因子4上的載荷比較大，這兩個(gè)指標(biāo)代表的是企業(yè)的流動(dòng)負(fù)債償債能力，故將其命名為短期償債能力因子（F4）；X4、X5在因子5上的載荷比較大，這兩個(gè)指標(biāo)代表的是企業(yè)的長期負(fù)債償債能力，故將其命名為長期償債能力因子（F5）。

（三）因子得分和排名 為了建立模型，需要將公因子表示為各個(gè)變量的線性形式，利用spss軟件因子分析法中的regression回歸法輸出因子得分系數(shù)矩陣，如（表5）所示，可以根據(jù)因子得分系數(shù)和原始變量的標(biāo)準(zhǔn)化值，可以計(jì)算各因子的得分?jǐn)?shù)，并可以據(jù)此對財(cái)務(wù)指標(biāo)進(jìn)行進(jìn)一步的分析。由因子得分系數(shù)矩陣，得到因子得分函數(shù)：

表 2 KMO 和 Bartlett檢驗(yàn)（KMO and Bartlett's Test）

表4 主成分方差貢獻(xiàn)率表

表5 因子得分系數(shù)矩陣Component Score Coefficient Matrix

表6 建模樣本B值表

五個(gè)因子分別從不同的方面說明企業(yè)的財(cái)務(wù)狀況的總體水平，單獨(dú)使用某一個(gè)因子并不能對公司的財(cái)務(wù)危機(jī)狀況做出綜合的評價(jià)，因此以各因子對應(yīng)的方差貢獻(xiàn)率為權(quán)數(shù)得出最終的模型：B=0.3189 F1+0.2015F2+0.1837F3+0.1502F4+0.1457F5

B為預(yù)測分值，F(xiàn)1為盈利能力因子，F(xiàn)2為現(xiàn)金流量因子，F(xiàn)3為營運(yùn)能力因子，F(xiàn)4為短期償債能力因子，F(xiàn)5為長期償債能力因子。最后，確定預(yù)警臨界值。計(jì)算出建模的48家制造業(yè)上市公司的B值如（表8）所示。試以-0.90、-0.15、0、0.15為分界點(diǎn)，通過對回歸精度的測算比較，以-0.15為分界點(diǎn)，對ST公司的判別能力達(dá)94.7%，判別能力明顯高于其他分界點(diǎn)，且考慮到公司沒有ST并不代表其財(cái)務(wù)狀況一定健康，ST的公司也不是全部意義上的“財(cái)務(wù)失敗”公司，有的正在改制、重組，這些公司的財(cái)務(wù)指標(biāo)不具有穩(wěn)定性，因此對模型的整體評價(jià)是可以接受的。本文將-0.15作為財(cái)務(wù)危機(jī)與非財(cái)務(wù)危機(jī)公司B值的分界點(diǎn)，也就是說當(dāng)公司的B值小于-0.15時(shí)，ST的可能性較大，當(dāng)公司的B值大于-0.15時(shí)，公司財(cái)務(wù)狀況較好，ST的可能性較小。

表7 驗(yàn)?zāi)颖綛值表

（四）模型檢驗(yàn) 由于模型由建模樣本組導(dǎo)出，故以建模樣本組內(nèi)數(shù)據(jù)檢驗(yàn)?zāi)Ｐ筒荒艹浞终f明模型的可靠性，所以本文選取了2009年A股制造業(yè)15對（30家其中包括15家ST的公司和15家正常企業(yè)）上市公司的t-2年的數(shù)據(jù)作為驗(yàn)?zāi)颖?。?yīng)用spss軟件計(jì)算出驗(yàn)?zāi)颖镜?0家公司的B值如（表7）所示。可以看出，當(dāng)公司的B值小于-0.15時(shí)，ST的可能性確實(shí)較大，檢驗(yàn)精度達(dá)100%，當(dāng)公司的B值大于-0.15時(shí)，公司財(cái)務(wù)狀況較好，ST的可能性較小，檢驗(yàn)精度達(dá)78%，ST的公司也不是全部意義上的“財(cái)務(wù)失敗”公司，有的正在改制、重組，這些公司的財(cái)務(wù)指標(biāo)不具有穩(wěn)定性，因此對模型的整體評價(jià)是可以接受的。綜上所述，可以看出所建的預(yù)警模型判別能力較高，且考慮到公司沒有ST并不代表其財(cái)務(wù)狀況一定健康，ST的公司也不是全部意義上的“財(cái)務(wù)失敗”公司，有的正在改制、重組，這些公司的財(cái)務(wù)指標(biāo)不具有穩(wěn)定性，因此對模型的整體評價(jià)是可以接受的。

本文分析得出結(jié)論：我國制造業(yè)上市公司的財(cái)務(wù)數(shù)據(jù)是有效的，并具有較強(qiáng)的預(yù)測能力。從總體上說，我國上市公司的財(cái)務(wù)數(shù)據(jù)能夠預(yù)測其未來發(fā)生財(cái)務(wù)危機(jī)的概率，也就是說，我國上市公司的財(cái)務(wù)指標(biāo)包含著一定的信息含量，財(cái)務(wù)數(shù)據(jù)的使用者能夠根據(jù)企業(yè)的資產(chǎn)負(fù)債表、利潤表和現(xiàn)金流量表所提供的信息對企業(yè)將來是否會(huì)發(fā)生財(cái)務(wù)危機(jī)做出較為準(zhǔn)確預(yù)測。

［1］楊建宇：《完善一汽集團(tuán)公司資金管理模式的對策研究》，《吉林大學(xué)碩士學(xué)位論文》2006年。

［2］包曉嵐：《上市公司財(cái)務(wù)危機(jī)預(yù)警“Z”值區(qū)域研究與分析》，《財(cái)會(huì)通訊（學(xué)術(shù)）》2006年第5期。