文/陳柱冰 龐天陽 楊馨 陳彥如 夏琳雅，中國礦業(yè)大學(xué)（北京）

由于市場經(jīng)濟(jì)體制改革持續(xù)深化，企業(yè)不僅迎來的更多的機遇，同時也面臨著更為嚴(yán)峻的挑戰(zhàn)。上市公司經(jīng)營規(guī)模大、業(yè)務(wù)范圍廣、運轉(zhuǎn)資金高，而且深受市場環(huán)境和國家政策的影響，因此在上市公司不同的運營環(huán)節(jié)中都存在著財務(wù)風(fēng)險。企業(yè)為了降低、對沖財務(wù)風(fēng)險，或為了彌補財務(wù)風(fēng)險所帶來的損失，往往會采用期權(quán)、期貨等金融工具進(jìn)行套期保值，以獲取部分利潤。本文將以江西銅業(yè)股份有限公司（以下簡稱江西銅業(yè)，股票號：600362）利用銅期貨進(jìn)行套保為例，通過數(shù)據(jù)說明該公司套期保值的有效性，以及銅期貨與現(xiàn)貨價格之間的引導(dǎo)關(guān)系。從而幫助企業(yè)更好的利用金融工具實現(xiàn)財務(wù)風(fēng)險的對沖，進(jìn)而減少公司的損失。

1 財務(wù)風(fēng)險分析與評價

1.1 銅業(yè)上市企業(yè)財務(wù)風(fēng)險評價體系研究

1.1.1 構(gòu)建銅業(yè)上市公司財務(wù)風(fēng)險評價指標(biāo)體系

財務(wù)風(fēng)險評價指標(biāo)體系是由一系列反映企業(yè)財務(wù)風(fēng)險的財務(wù)指標(biāo)組成的，用來評價企業(yè)在生產(chǎn)經(jīng)營過程中所面臨的風(fēng)險.所以選取的指標(biāo)要能夠全面反映公司的經(jīng)營情況.從Wind資訊金融數(shù)據(jù)庫選取了16家銅業(yè)公司2015-2018年的季度財務(wù)數(shù)據(jù)，利用SPSS軟件進(jìn)行因子分析。依據(jù)財務(wù)風(fēng)險評價指標(biāo)選取的原則，參考一般企業(yè)的績效評價指標(biāo)體系，結(jié)合銅業(yè)企業(yè)自身的特點，最終構(gòu)建了銅業(yè)上市公司財務(wù)風(fēng)險評價指標(biāo)體系，其中包括五大財務(wù)能力的16個財務(wù)指標(biāo)。

1.1.2 因子分析法

企業(yè)的財務(wù)風(fēng)險和經(jīng)營情況，基本可以從其盈利能力、現(xiàn)金能力、償債能力、營運能力、成長能力等幾方面來判斷，而這些能力又可以由具體的財務(wù)指標(biāo)代表。因此本研究選用因子分析法，對若干具體的財務(wù)指標(biāo)進(jìn)行分類以反映企業(yè)的上述各大能力，進(jìn)而對企業(yè)的財務(wù)風(fēng)險進(jìn)行綜合評價。因子分析是主成分分析的推廣和發(fā)展，是多變量分析法的一種，是從多個變量指標(biāo)中提取公因子，以達(dá)到降維和分類效果的多元統(tǒng)計方法。其基本思想是根據(jù)相關(guān)性的大小將原始變量分組，再以每個因子的方差貢獻(xiàn)率作為權(quán)數(shù)與各因子得分的乘積總和構(gòu)造綜合得分函數(shù)。

1.2 江西銅業(yè)財務(wù)風(fēng)險評價

1.2.1 因子分析的可行性檢驗

首先采用KMO和 Bartlett度量對原始數(shù)據(jù)進(jìn)行檢驗，判定數(shù)據(jù)是否適用于因子分析法。本研究值為0.593，Bartlett的球形度檢驗的觀測值（近似卡方）2872.683，df值105，Sig.為0.000，相應(yīng)的概率p接近于0，小于顯著性水平0.05。因此拒絕 Bartlett球度檢驗的零假設(shè)，樣本數(shù)據(jù)適合進(jìn)行因子分析。

1.2.2 因子提取

采用主成分因子法進(jìn)行因子提取，由數(shù)據(jù)分析得前6個公共因子累計方差貢獻(xiàn)率為80.439%，能夠很好地解釋總方差，因子分析效果理想。

表1 KMO 和 Bartlett 的檢驗

1.2.3 因子命名與解釋

設(shè)F1、F2、F3、F4、F5分別為提取的5個公共因子，為了更好地解釋因子變量，基于方差最大的原則，用主成分法提取，用具有Kaiser 標(biāo)準(zhǔn)化的正交旋轉(zhuǎn)法對成分矩陣進(jìn)行旋轉(zhuǎn)，旋轉(zhuǎn)在6次迭代后收斂。因子F1中，X1（總資產(chǎn)報酬率）、X2（凈資產(chǎn)收益率）、X 3（每股收益）的載荷量分別為0.946、0.956、0.862，遠(yuǎn)大于其它指標(biāo)的載荷量，因此F1主要由X1、X2、X3來反映，稱為“盈利能力因子”；依據(jù)同樣的方法，認(rèn)為因子F2主要由存貨周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率反映，因此F2稱為“營運能力因子”；因子F3主要由經(jīng)營現(xiàn)金流與流動負(fù)債比、經(jīng)營現(xiàn)金流與總負(fù)債比反映，因此F3稱為“現(xiàn)金能力因子”；因子F4由流動比率和資產(chǎn)負(fù)債率反映，因此F4可稱為“償債能力因子”；因子F5在營業(yè)總收入增長率上有最大的正荷載，因此F5被稱為“發(fā)展能力因子”。

1.2.4 因子得分及建立因子模型

根據(jù)因子得分系數(shù)矩陣計算各公共因子的因子得分函數(shù)，并利用因子評分模型計算江西銅業(yè)在5個公因子上的得分。然后根據(jù)各因子所對應(yīng)方差貢獻(xiàn)率為權(quán)重進(jìn)行加權(quán)平均，可以得到各樣本公司因子綜合得分F。其中，綜合得分F=0.21616*F1+0.19 *F2+0.13467*F3+ 0.08806*F4+0.07888*F5

1.2.5 江西銅業(yè)2015-2018年季度財務(wù)風(fēng)險大小排序

根據(jù)上述因子綜合得分對各個樣本公司、江西銅業(yè)有限公司的財務(wù)風(fēng)險進(jìn)行排序和評價。得分越高，證明財務(wù)能力越強，財務(wù)風(fēng)險越小。將各變量代入因子評分模型，得出2015-2018年江西銅業(yè)每一季度在5個公共因子上的綜合得分F及其排序。從因子得分結(jié)果來看，以及通過查閱企業(yè)季度財務(wù)報表，筆者發(fā)現(xiàn)江西銅業(yè)企業(yè)的財務(wù)風(fēng)險狀況與本文實證結(jié)果基本一致。

2 運用金融工具對沖企業(yè)財務(wù)風(fēng)險的效果評價

2.1 套期保值效果評價體系

首先了解江西銅業(yè)的基本情況，收集2015-2018年江西銅業(yè)年報中相關(guān)數(shù)據(jù)，分析其運用衍生品的宏觀上的可行性；之后，通過分析其使用的衍生品種類以及對于當(dāng)期利潤的影響與其全部庫存陰極銅的總價格波動情況，新定義“套期效果α”，以分析江西銅業(yè)的使用衍生品覆蓋資產(chǎn)價格波動的效果，從而整體分析江西銅業(yè)運用金融衍生品對沖企業(yè)財務(wù)風(fēng)險的總效果。

其中，“套保效果α”為企業(yè)利用金融衍生品進(jìn)行套期保值，運用套期會計中的方法進(jìn)行確認(rèn)與計量，然后所確定的對于利潤的影響覆蓋當(dāng)年平均存貨總價值變動的絕對值比率。計算公式為α=｜衍生工具對當(dāng)期利潤的影響/年平均存貨價值變動量｜。

2.2 數(shù)據(jù)選取與結(jié)果分析

江西銅業(yè)2015-2018年使用金融衍生品的期初、期末值以及對當(dāng)期利潤的影響。其中，有效套期保值指企業(yè)用資產(chǎn)進(jìn)行套期保值取得了收益，有效規(guī)避了財務(wù)風(fēng)險。

江西銅業(yè)2015-2018年陰極銅庫存變化量由年報中產(chǎn)量、銷量計算可得：2015-2018年陰極銅庫存量分別為1.45萬噸、1.32萬噸、2.61萬噸和4.2萬噸。

陰極銅2015-2018年價格可從中國產(chǎn)業(yè)信息網(wǎng)得知，經(jīng)計算可得2015-2018年的陰極銅價格變動量，分別為-9409.10元/噸、9132.70元/噸、9223.70元/噸和-5722.83元/噸。

計算得出總價格變動量與套期效果α的比重

?

假設(shè)進(jìn)行套保的資產(chǎn)部分為A，相對應(yīng)使用衍生品導(dǎo)致對利潤變動的影響為a，總資產(chǎn)（陰極銅+銅桿線）價值為S，其中S=總價格變動量ΔP*存貨（陰極銅）年平均持有量C。因此可以列式公式：α＝a/ΔP*C，取絕對值，排除異常值（2016年的0.25%），江西銅業(yè)使用衍生品覆蓋11%的存貨陰極銅的價格變動風(fēng)險

3 由投機活動導(dǎo)致期貨價格對現(xiàn)貨價格影響的研究

由于可獲取的企業(yè)存貨情況較少，數(shù)據(jù)量有限，格蘭杰因果檢驗無法有效解釋企業(yè)財務(wù)能力和套期效果的關(guān)系。因此本文采用簡單回歸分析探究兩者之間的關(guān)系。我們假設(shè)套保效果α和財務(wù)能力F呈線性關(guān)系。

?

在該模型中，α為自變量，1/F為因變量。利用Eviews做最小二7020)(2.9161),R2=0.8096,n=4。

該模型樣本量較小，故此不再做檢驗分析。

4 誤差分析

1)江西銅業(yè)使用衍生品為銅期貨，但其所套保對象是銅桿線與陰極銅兩種產(chǎn)成品，通過報表數(shù)據(jù)，只能得出陰極銅的庫存情況，無法找到銅桿線的庫存情況以及在套保時所占的相應(yīng)權(quán)重，因此建立總體套保情況分析的“套保效果α”在理論上可行，實施上具備一定的誤差。

2)江西銅業(yè)年報中給出的庫存數(shù)據(jù)是期末庫存量，只能在一定程度上代表年平均持有量，因此使用期末庫存量進(jìn)行計算存在一定誤差。但此數(shù)據(jù)已經(jīng)是其中最大體現(xiàn)精確度的數(shù)據(jù)。

3)陰極銅市場歷史價格數(shù)據(jù)來源于中國產(chǎn)業(yè)信息網(wǎng)，具體江西銅業(yè)使用的陰極銅市場價格與之有一定誤差。

總之，在該實驗中，由于該公司披露的財務(wù)報告數(shù)據(jù)有限，可獲取的樣本數(shù)量極小，因此該回歸模型所得到的結(jié)果對企業(yè)來說，預(yù)測價值不高。若想判定該模型的準(zhǔn)確性，仍需要進(jìn)一步檢驗測試。若增大樣本量后，可對套保效果和企業(yè)財務(wù)能力之間的關(guān)系進(jìn)行更好地分析，幫助企業(yè)的管理人員在投資時做出更好的決策。此外，還可以幫助投資者等市場觀察者更好地分析企業(yè)金融資產(chǎn)的狀況。