陶然 胡恩華
摘要:本文以建立企業(yè)財務(wù)風(fēng)險預(yù)警模型為基礎(chǔ),利用2015年的數(shù)據(jù),選取66家中國化工行業(yè)上市公司為研究樣本,采用主成分分析方法和Logistic回歸分析方法進(jìn)行分析,構(gòu)建適合我國化工企業(yè)的財務(wù)風(fēng)險預(yù)警模型。該模型在一定程度上擺脫了自變量間多重共線性的影響,Logistic回歸則在一定程度上致使企業(yè)財務(wù)危機(jī)預(yù)測的準(zhǔn)確性出現(xiàn)大幅提升。利用2017年最新的數(shù)據(jù)對66個樣本進(jìn)行驗(yàn)證,預(yù)測結(jié)果為總預(yù)測準(zhǔn)確率96.67%,驗(yàn)證結(jié)果比較合理。
關(guān)鍵詞:化工行業(yè) 財務(wù)危機(jī) 財務(wù)預(yù)警模型
近年來化工行業(yè)陷入到發(fā)展窘境當(dāng)中,原料成本持續(xù)升高,市場需求持續(xù)低迷,導(dǎo)致存貨積存過量,面臨滯銷,進(jìn)而致使部分企業(yè)面臨嚴(yán)重虧損,甚至遭受較為嚴(yán)峻的財務(wù)危機(jī)。2016-2017年間,在化工行業(yè)上市公司中,就有11家企業(yè)面臨退市處理。面對日趨復(fù)雜的市場環(huán)境,化工企業(yè)需要運(yùn)用合理的工具來及早發(fā)現(xiàn)存在的問題,因而迫切要求有適合我國化工企業(yè)的財務(wù)預(yù)警模型。本文選取66家中國化工行業(yè)上市公司為研究樣本,采用主成分分析方法和Logistic回歸分析方法,以建立企業(yè)財務(wù)風(fēng)險預(yù)警模型,對我國化工企業(yè)的財務(wù)預(yù)警提供適合本行業(yè)的模型,為化工企業(yè)及早預(yù)測風(fēng)險,控制和轉(zhuǎn)移風(fēng)險提供參考,以促進(jìn)化工業(yè)企業(yè)的健康發(fā)展。
一、綜述
國內(nèi)圍繞預(yù)警方法與模型進(jìn)行了較多的研究。鐘琳運(yùn)用因子分析法和改善過后的改進(jìn)法對變量的共線性進(jìn)行消除并降維,進(jìn)行Logistic回歸,形成了制造業(yè)財務(wù)預(yù)警模型。汪浩杰評估未來可能發(fā)生的異常財務(wù)風(fēng)險,并對其進(jìn)行因子分析, 篩選出對企業(yè)產(chǎn)生重要影響的風(fēng)險因子。李莉用我國深圳 A 股上市公司的財務(wù)數(shù)據(jù),構(gòu)建出符合我國企業(yè)實(shí)際狀況的危機(jī)預(yù)警模型。宋彪等引入大數(shù)據(jù)指標(biāo)建立財務(wù)預(yù)警模型,從長期來看預(yù)測效果更為顯著。宋海潮 從現(xiàn)金流量的角度,應(yīng)用 Logistic模型,構(gòu)建我國制造業(yè)上市企業(yè)提前三年預(yù)警模型。符剛等基于現(xiàn)存的財務(wù)預(yù)警研究文獻(xiàn),利用全局主成分分析法建立了融合神經(jīng)網(wǎng)絡(luò)和 Kalman 濾波法的財務(wù)預(yù)警模型,提高了財務(wù)預(yù)警的準(zhǔn)確性。梁飛媛通過確定對財務(wù)危機(jī)有重大影響的宏觀經(jīng)濟(jì)指標(biāo),構(gòu)建出綜合財務(wù)指標(biāo)和宏觀指標(biāo)作為預(yù)警矩陣。史家亮等運(yùn)用主成分法構(gòu)建不同經(jīng)濟(jì)周期的 Logistic 模型來確定財務(wù)預(yù)警方向。
二、我國化工企業(yè)財務(wù)預(yù)警模型的研究設(shè)計
(一)財務(wù)預(yù)警指標(biāo)的選取
本文采用了財務(wù)指標(biāo)和非財務(wù)指標(biāo)來共同構(gòu)建財務(wù)預(yù)警指標(biāo)體系。財務(wù)指標(biāo)包括了償債能力指標(biāo)、盈利能力指標(biāo)、運(yùn)營能力指標(biāo)、成長能力類指標(biāo)。非財務(wù)指標(biāo)為依據(jù)化工行業(yè)特色進(jìn)行選取的。由此形成了包括五大類,共28個指標(biāo)的預(yù)警指標(biāo)體系。
(二)財務(wù)預(yù)警模型構(gòu)建的方法
本文構(gòu)建化工企業(yè)的財務(wù)預(yù)警模型主要有兩個步驟:第一步,初步構(gòu)建財務(wù)預(yù)警模型。本文以樣本企業(yè)2015年和2016年的財務(wù)狀況構(gòu)建財務(wù)預(yù)警模型。首先采用主成分分析法提取主成分,其次,利用提取的主成分進(jìn)行Logistic回歸,將樣本公司劃分為財務(wù)正常公司和財務(wù)危機(jī)公司,以樣本公司的財務(wù)狀況(發(fā)生財務(wù)危機(jī)為1,未發(fā)生財務(wù)危機(jī)為0)作為因變量Y,將提取出的主成分作為自變量X,進(jìn)行回歸,以得到的回歸模型作為適合我國化工企業(yè)的財務(wù)預(yù)警模型;第二步,以樣本公司最近一年的指標(biāo)數(shù)據(jù)對該預(yù)警模型進(jìn)行檢驗(yàn),最終確定該預(yù)警模型的可靠性。
(三)樣本選取與數(shù)據(jù)來源
本文以我國A股市場中的化工企業(yè)作為研究樣本。以上市公司中被ST的公司作為財務(wù)危機(jī)公司,其他公司則為財務(wù)正常公司。對于被ST的公司而言,綜合運(yùn)用2015年和2016年的數(shù)據(jù)來預(yù)測企業(yè)當(dāng)前是否面臨財務(wù)風(fēng)險。采用2017年的數(shù)據(jù)進(jìn)行模型檢驗(yàn)。
為使入選樣本符合本文研究的要求,按照以下原則進(jìn)行篩選:第一,剔除上市時間較短或者財務(wù)數(shù)據(jù)較少的記錄;第二,剔除數(shù)據(jù)不滿足財務(wù)狀況異常條件的ST公司;第三,剔除指標(biāo)數(shù)據(jù)異常且無統(tǒng)計意義的公司;第四,剔除被ST與撤銷ST的之間年限較短的公司;第五,剔除財務(wù)狀況健康但凈利潤為負(fù)數(shù)的公司。
經(jīng)過上述處理之后,考慮到研究過程中財務(wù)預(yù)警模型對年度時間因素的穩(wěn)定性,選取了2016、2017年中被ST的8只股票,具體為2016年被ST的云維股份、建峰化工、天化股份、明天科技,2017年被ST的河池化工、柳化股份、昌九生化、三愛富。根據(jù)財務(wù)健康的公司與ST公司資產(chǎn)的相似度選擇了70家財務(wù)狀況健康的非ST公司。因此,共計樣本公司為80只。以上公司的財務(wù)數(shù)據(jù)與非財務(wù)統(tǒng)計數(shù)據(jù)均是來源于新浪財經(jīng)和國泰安數(shù)據(jù)庫。
三、我國化工企業(yè)財務(wù)預(yù)警模型的構(gòu)建步驟
(一)指標(biāo)變量的組間差異性分析
在檢驗(yàn)所選取的變量在ST與非ST之間的差異性之前,首先要確定被研究的樣本總體是否滿足正態(tài)分布,以便進(jìn)一步確定檢驗(yàn)變量的方法。如果總體服從正態(tài)分布,則使用T檢驗(yàn)進(jìn)行分析;否則,使用非參數(shù)檢驗(yàn)進(jìn)行分析。用SPSS24.0對28個指標(biāo)的檢驗(yàn)結(jié)果顯示,在假設(shè)顯著水平默認(rèn)95%的條件下,P值大于臨界值0.05的指標(biāo)共有7個,分別是:X3、X9、X12、X13、X20、X23、X24,這些指標(biāo)服從正態(tài)分布。其余的21個指標(biāo)不服從正態(tài)分布。
因?yàn)椴荒芫芙^原假設(shè)和拒絕原假設(shè)的指標(biāo)數(shù)量相差較大,無法判斷樣本總體是否服從正態(tài)分布,所以本文同時使用T檢驗(yàn)和K-S檢驗(yàn)對指標(biāo)變量的差異性進(jìn)行檢驗(yàn),假設(shè)兩組變量無差異,檢驗(yàn)結(jié)果顯示T樣本獨(dú)立檢驗(yàn)中的P值大于0.05共有18個。根據(jù)靈活取舍的原則,本文決定將X10和X12進(jìn)入下一步,因?yàn)檫@兩個都是盈利類指標(biāo),與企業(yè)是否被ST存在直接關(guān)系。同時,去掉總資產(chǎn)增長率X20和現(xiàn)金流量比率X7。
(二)提取主成分
在排除上述18個指標(biāo)后,仍然存在10個指標(biāo)變量,依次是:資產(chǎn)負(fù)債率X6、總資產(chǎn)報酬率X8、總資產(chǎn)凈利率X9、凈資產(chǎn)收益率X10、營業(yè)毛利率X11、營業(yè)利潤率X12、凈資產(chǎn)收益增長率X21、基本每股收益增長率X22、凈利潤增長率X23、經(jīng)營活動現(xiàn)金凈流量增長率X25。由于具有相關(guān)性的指標(biāo)之間可能會存在變量的多重共線性,容易扭曲事實(shí)信息導(dǎo)致判斷錯誤,因此本文采用相關(guān)系數(shù)來觀察指標(biāo)變量之間的多重共線性。這10個指標(biāo)兩兩變量之間的相關(guān)系數(shù)如下表1所示。
從下表中可以發(fā)現(xiàn)、X9與X8、X22與X21、X23與X21、X23與X22這四對變量呈高度線性相關(guān),另外還有很多變量之間呈顯著相關(guān)。為了將10個指標(biāo)精簡到6個以內(nèi),本文運(yùn)用主成分法進(jìn)行分析消除指標(biāo)間的多重共線性。通過KMO和Bartlett球形度檢驗(yàn)表明,KMO值=0.648>0.5,顯著水平=0.000<0.05,說明本研究10個指標(biāo)變量樣本適合做主成分分析。本文主成分分析法提取因子的特征值與貢獻(xiàn)率如上表2所示。
為了保證每個因子都能顯著的解釋相關(guān)變量,本文運(yùn)用了最大方差法針對因子矩陣實(shí)施旋轉(zhuǎn)操作并得到的如上表3的結(jié)果:
(三)Logistic回歸分析
提取主成分后的各因子間不存在共線性關(guān)系,能夠用于構(gòu)建Logistic回歸模型。本文將樣本公司的財務(wù)狀況(發(fā)生財務(wù)危機(jī)為1,未發(fā)生財務(wù)危機(jī)為0)作為因變量Y,將三個主成分作為自變量X,進(jìn)行Logistic回歸,結(jié)果如表4。
四、我國化工企業(yè)財務(wù)預(yù)警模型的檢驗(yàn)
為了驗(yàn)證該模型的預(yù)測能力,從中國滬市和深市化工行業(yè)上市公司共抽取了66家公司,以其財務(wù)數(shù)據(jù)進(jìn)行檢驗(yàn)。將檢驗(yàn)樣本公司的相關(guān)數(shù)據(jù)代入對應(yīng)代入因子得分表達(dá)式中計算得到P值,以P=0.5為分界點(diǎn),低于0.5記為財務(wù)正常,高于0.5記為財務(wù)危機(jī),檢驗(yàn)結(jié)果表明本文構(gòu)建的化工企業(yè)財務(wù)預(yù)警模型的總體預(yù)測率為96.97%,說明該模型檢驗(yàn)通過。其中ST*河化和天龍集團(tuán)的情形較為特殊。天龍集團(tuán)本為非ST企業(yè),該預(yù)警模型判定為財務(wù)危機(jī)企業(yè)。ST*河化為ST企業(yè),該模型判定為財務(wù)正常企業(yè)。對于天龍集團(tuán)來說,其2017年凈利潤為-3.1億元,較2016年凈利潤1.43億元不僅大幅度減少,還由盈利變?yōu)榱颂潛p,這說明該企業(yè)即將面臨財務(wù)危機(jī)的威脅,因此我們認(rèn)為該模型的判定具有前瞻性,不屬于誤判。總體來看,選取的66個檢驗(yàn)樣本只有一個判斷錯誤,說明該財務(wù)預(yù)警模型能夠很好的預(yù)測財務(wù)危機(jī)。
(作者單位:陶然,淮海工學(xué)院財務(wù)處;胡恩華,南京航空航天大學(xué)經(jīng)濟(jì)與管理學(xué)院。)
參考文獻(xiàn):
[1]鐘琳.基于Logistic模型的公司財務(wù)風(fēng)險預(yù)報實(shí)證分析[D].成都:成都理工大學(xué)2009,(21):11-19.
[2]汪浩杰.企業(yè)財務(wù)風(fēng)險預(yù)警分析[J].知識經(jīng)濟(jì),2009,(16):57.
[3]李莉.基于Logistic分析的上市公司財務(wù)預(yù)警研究[J].生產(chǎn)力研究,2014 (16):32-36.
[4]宋彪,朱建明.基于大數(shù)據(jù)的企業(yè)財務(wù)預(yù)警研究[J].中央財經(jīng)大學(xué)學(xué)報,2015(6):55-64.
[5]宋海潮. 基于現(xiàn)金流量的我國制造業(yè)上市公司財務(wù)預(yù)警研究[J].時代金融,2016(11):175-176.
[6]符剛,曾萍,陳冠林.經(jīng)濟(jì)新常態(tài)下企業(yè)財務(wù)預(yù)警實(shí)證研究[J].財經(jīng)科學(xué),2016,(10):87-99.
[7]梁飛媛.基于宏觀經(jīng)濟(jì)波動的財務(wù)指數(shù)預(yù)警矩陣實(shí)證研究[J].山西財經(jīng)大學(xué)學(xué)報,2016,(02):12-18.
[8]史佳亮,楊碩杰,范偉陽.經(jīng)濟(jì)周期對企業(yè)財務(wù)預(yù)警模型的影響研究[J].對外經(jīng)貿(mào),2017 , (5):133-137.