蔡悅琪 夏英俊 熊宇威 謝張穎 林天偉

摘要：以2018年原材料行業(yè)上市公司為研究對(duì)象，選取反映企業(yè)償債能力、盈利能力、現(xiàn)金流量、發(fā)展能力、營(yíng)運(yùn)能力5個(gè)方面共22個(gè)指標(biāo)進(jìn)行分析。運(yùn)用因子分析對(duì)指標(biāo)進(jìn)行簡(jiǎn)約，得到8個(gè)包含全部主要信息的公因子，并在此基礎(chǔ)上進(jìn)行Logistic回歸分析，得到原材料行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的數(shù)學(xué)模型。

關(guān)鍵詞：原材料行業(yè);財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警;因子分析;Logistic回歸分析

一、引言

（一）研究背景

調(diào)查發(fā)現(xiàn)，原材料行業(yè)近幾年被ST的上市公司數(shù)量在所有行業(yè)中占比最高，這是因?yàn)榻鼛啄陙?lái)，原油、煤炭、鐵礦石等這些不可替代性的基礎(chǔ)性原材料資源匱乏、開(kāi)采嚴(yán)重、庫(kù)存急劇下降，導(dǎo)致各行各業(yè)原材料價(jià)格上漲，給我國(guó)乃至世界各國(guó)企業(yè)帶來(lái)了極大的沖擊，一些企業(yè)虧損嚴(yán)重，甚至連年虧損，財(cái)務(wù)風(fēng)險(xiǎn)狀況堪憂[1]。

（二）研究意義

目前上市公司財(cái)務(wù)風(fēng)險(xiǎn)存在的不足，除了資金規(guī)劃較不合理、資金回收工作較不完備之外，還有一個(gè)重要的原因，就是缺少有效的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)[2]。

財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)是采用數(shù)學(xué)模型等方法，對(duì)企業(yè)在經(jīng)營(yíng)管理活動(dòng)中的潛在風(fēng)險(xiǎn)進(jìn)行實(shí)時(shí)監(jiān)控的系統(tǒng)。當(dāng)下已有大量關(guān)于其它行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)的研究，因原材料行業(yè)存在財(cái)務(wù)風(fēng)險(xiǎn)的狀況直到近幾年才逐漸明顯，所以相關(guān)研究也較少，故而通過(guò)研究，建立原材料行業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其重要性不言而喻。

為了給原材料行業(yè)上市公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警提供一定的理論參考，本文以2018年被ST和非ST的原材料行業(yè)上市公司為研究對(duì)象，采用因子分析與Logistic回歸分析建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。

二、理論模型

（一）因子分析

因子分析的出發(fā)點(diǎn)是用較少的相互獨(dú)立的因子變量來(lái)代替原來(lái)變量的大部分信息，可以通過(guò)下面的數(shù)學(xué)模型來(lái)表示：

為了找到實(shí)際意義更明確的公因子，可采用方差最大旋轉(zhuǎn)法進(jìn)行因子旋轉(zhuǎn)，得到如下模型：

其中即降維后的自變量。

（二）Logistic回歸分析

設(shè)因變量為Y，當(dāng)Y=1時(shí)，表示公司被ST，即公司有財(cái)務(wù)風(fēng)險(xiǎn);當(dāng)Y=0時(shí)，表示公司財(cái)務(wù)正常。用P1（0

可得：

其中，Xi為解釋變量，βi為解釋變量對(duì)應(yīng)的回歸結(jié)果得出的系數(shù)，α為橫向截距。其中截距和回歸系數(shù)是運(yùn)用概率論中的最大似然方法估計(jì)的結(jié)果。由此我們得到回歸預(yù)測(cè)模型通常選擇 0.5（該數(shù)值來(lái)源于現(xiàn)有研究結(jié)果）為分界點(diǎn)，即當(dāng)上市公司的 P小于0.5 時(shí)可以判斷該公司的各項(xiàng)財(cái)務(wù)指標(biāo)符合規(guī)定，該公司為正常公司;當(dāng) P大于 0.5 時(shí)，我們可以據(jù)此推測(cè)該公司被 ST，即該公司發(fā)生財(cái)務(wù)危機(jī)。

三、實(shí)證分析

（一）測(cè)試樣本的選取

根據(jù)我國(guó)上市公司信息披露制度，ST公司發(fā)生財(cái)務(wù)危機(jī)的實(shí)際年份應(yīng)該是其被ST的前一年，由此可見(jiàn)，以上市公司被ST當(dāng)年為T年，用T-1 年的財(cái)務(wù)數(shù)據(jù)來(lái)預(yù)測(cè) T 年是否發(fā)生財(cái)務(wù)危機(jī)沒(méi)有實(shí)踐價(jià)值。根據(jù)王藝[3]等的研究，隨著距離上市公司被特別處理的時(shí)間臨近，具有顯著性差異的預(yù)測(cè)指標(biāo)數(shù)量呈上升趨勢(shì)，也就是說(shuō)越臨近被ST時(shí)間的數(shù)據(jù)，預(yù)測(cè)精度更高，故本文以T-2為基期來(lái)預(yù)測(cè)T年的財(cái)務(wù)狀況并進(jìn)行檢驗(yàn)。

基于以上分析討論，本文從國(guó)泰安經(jīng)濟(jì)金融數(shù)據(jù)庫(kù)中選取了27家2018年被ST的公司和50家正常公司，收集其2016年的財(cái)務(wù)數(shù)據(jù)進(jìn)行分析。

（二）財(cái)務(wù)預(yù)警指標(biāo)體系的確定

1.指標(biāo)體系的初步建立

為反映企業(yè)的財(cái)務(wù)狀況，本文選取了上市公司償債能力、盈利能力、現(xiàn)金流量、發(fā)展能力、營(yíng)運(yùn)能力5個(gè)方面的22項(xiàng)具體指標(biāo)，構(gòu)建初始財(cái)務(wù)預(yù)警指標(biāo)體系，如表1：

2.因子分析簡(jiǎn)約指標(biāo)

分析前先進(jìn)行Bartlett球形檢驗(yàn)，結(jié)果顯示，Bartlett球形度的顯著性為0.000，表示變量之間存在相關(guān)性，可進(jìn)行因子分析。

對(duì)22個(gè)指標(biāo)提取主成分，共提取了8個(gè)公因子，累計(jì)方差貢獻(xiàn)率達(dá)到83.688%，基本包含了全部測(cè)量指標(biāo)所具有的主要信息。

對(duì)初始因子載荷矩陣進(jìn)行旋轉(zhuǎn)，為使后面的操作更簡(jiǎn)化，在綜合考慮信息量的基礎(chǔ)上，對(duì)絕對(duì)值小于3的系數(shù)不予考慮，將其略去。

基于上述分析結(jié)果，可得到用來(lái)代替22個(gè)原始變量的8個(gè)新變量 F1、F2、F3、F4、F5、F6、F7、F8作為財(cái)務(wù)預(yù)警模型的自變量，自變量滿足以下線性關(guān)系：

F1=0.951x1+0.956x2+0.683x3-0.731x4+0.914x5

F2=0.935x7+0.875x8+0.896x10+0.651x14+0.371x18

F3=-0.449x11+0.463x14+0.884x15+0.911x16

F4=0.383x3+0.836x12+0.876x13-0.383x18-0.344x22

F5=0.36x4+0.686x6+0.907x9+0.65x18

F6=0.768x20+0.812x21+0.681x22

F7=0.468x6+0.935x19+0.462x22

F8=-0.738x11+0.821x17

（三）基于Logistic回歸分析的原材料行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型

利用SPSS計(jì)算各公因子的數(shù)值，再進(jìn)行Logistic回歸，得到如下函數(shù)模型：

LogitP=0.283F1-0.126F2-0.625F4+ 0.631F5-0.177F6+0.4F7-2.688

對(duì)模型進(jìn)行檢驗(yàn)，結(jié)果如下：模型顯著性為0.000;-2似然對(duì)數(shù)為66.441a;Hosmer-Lemeshow顯著性為0.097;預(yù)測(cè)正確率為85.7%。

模型的顯著性為0.000，在1%的水平上顯著，所以回歸方程整體顯著，采用該模型是合理的;在方程擬合優(yōu)度方面，-2對(duì)數(shù)似然值較小，Hosmer-Lemeshow顯著性大于5%，說(shuō)明該模型的擬合優(yōu)度越高。

四、結(jié)論

本文以原材料行業(yè)上市公司為研究對(duì)象，利用SPSS數(shù)據(jù)挖掘工具對(duì)該行業(yè)公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警進(jìn)行實(shí)證研究。通過(guò)分析原材料行業(yè)2016年ST與非ST公司的財(cái)務(wù)指標(biāo)數(shù)據(jù)，建立如下財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型：

LogitP=0.283F1-0.126F2-0.625F4+ 0.631F5-0.177F6+0.4F7-2.688

經(jīng)檢驗(yàn)，該模型擬合度較高，預(yù)測(cè)正確率達(dá)到85.7%，對(duì)于原材料行業(yè)公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)具有一定的參考價(jià)值。

參考文獻(xiàn)：

[1]孔秀美.基于原材料漲價(jià)的財(cái)務(wù)思考[J].現(xiàn)代商業(yè)，2009 （29）：102.

[2]張軍.鋼鐵行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)研究及管控[J].中國(guó)國(guó)際財(cái)經(jīng)（中英文），2017 （12）：77-78.

[3]趙松山，白雪梅.關(guān)于多重共線性檢驗(yàn)方法的研究[J].中國(guó)煤炭經(jīng)濟(jì)學(xué)院學(xué)報(bào)，2001 （04）：296-300.

[4]解素雯.基于主成分分析與因子分析數(shù)學(xué)模型的應(yīng)用研究[D].山東理工大學(xué)，2016.

[5]莊慧，饒揚(yáng)勝.數(shù)據(jù)挖掘技術(shù)在上市公司財(cái)務(wù)困境預(yù)測(cè)中的應(yīng)用[J].現(xiàn)代經(jīng)濟(jì)信息，2016 （19）：143-144.

[6]王藝，姚正海.制造業(yè)上市公司財(cái)務(wù)預(yù)警體系的構(gòu)建及比較——基于數(shù)據(jù)挖掘技術(shù)[J].財(cái)會(huì)月刊，2016 （21）：49-55.