制造业上市公司财务预警探究范文

本站小编为你精心准备了制造业上市公司财务预警探究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要：

文章选取我国制造业2014年4月沪深股市的61家ST公司和61家非ST公司为研究样本，运用熵权法，筛选出10个包含信息量多，并能准确预警的指标，通过这10个指标建立“因子分析”模型进行定量分析，得到财务危机预警函数（即为ST与非ST的判别函数），最后将测试组中60家公司的数据回代到预警函数中检验其判别率，判别率达到81.67%，具有较高的的判别正确率，说明文章建立的财务预警系统对于上市公司财务危机的预测与防范起到一定的作用。

关键词:

财务预警；熵权法；因子模型；判别函数

一、引言

（一）建立财务危机预警的意义制造业是我国国民经济的支柱产业，是我国经济增长的主导部门和经济转型的基础，是经济社会发展的重要依托，更是我国城镇就业的主要渠道和全球产业链的重要组成部分。在全球竞争条件下，我国制造业上市公司面临来自多方面的压力，尤其金融危机的影响，使得我国制造业上市公司陷入到财务风险和破产危险的可能性急剧上升，这不仅会对利益相关者造成损失，更会制约资本市场的稳定发展。故我国制造业上市公司要持续发展，必须警惕危机，正视危机，在经营活动中设立财务预警系统，进行经常性的分析和诊断。因此，本文将在对国内外有关财务预警研究的理论及模型的归纳、整理和评述的基础之上，来分析我国制造业上市公司财务预警研究的现状，以我国制造业上市公司为研究样本，构建财务预警指标，建立财务预警模型。

（二）国内外文献述评国外对财务预警的研究要早于国内，早在20世纪30年代国外学者就已开始了对财务预警的研究，历经了从单变量分析到多变量分析的过程。我国起步于20世纪80年代中后期，1986年吴世农、黄世忠首次介绍了企业破产的分析指标和预测模型。1990年佘廉等人从事了企业预警研究，并于1994年发表文章对企业预警管理进行了系统分析。直到1996年以后，才陆续出现以企业财务数据为基础而建立的财务危机预警模型，并逐渐发展起来。单变量预警模型是指以某一项财务指标作为判别标准来判断企业是否处于破产状态的预测模型。财务预警研究最早就开始于1932年Fitzpatrick用统计方法开展的单变量破产预测研究。在众多预测公司财务危机困境的多变量模型中，最早亦最著名的当属美国纽约大学1968年Ed-wardAltman教授的Z-Score判定模型。即：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5。1996年国内学者周首华、杨济华对Z计分模型进行修正，提出了F分数模型。1999年国内学者陈静运用单变量分析方法和多元线性判别分析方法分别建立财务预警模型，并将两种财务预警模型进行比较研究。2003年杨淑娥在Z-score模型的基础上，通过运用统计学中的主成分分析法，构造了Y分数模型，该模型在用于财务预警检验的回判准确率大致为86%。

二、样本、指标的选取

（一）样本的选取本文在样本的选取上是根据2014年4月沪深股市公布的所有ST公司（根据1998年实施的股票上市规则，将对财务状况或其它状况出现异常的上市公司的股票交易进行特别处理(specialtreat-ment，简称ST)，其中ST股是指境内上市公司连续二年亏损，被进行特别处理的股票，*ST股是指境内上市公司连续三年亏损的股票）共90家中，抽取了本文需要研究的制造业中的61家公司，并根据同行业，同时期，规模相当（即非ST公司与相对应的ST公司的期末资产总额相差不超过150%）的配对原则，选取了61家与之相对应的非ST公司，共122家上市公司作为研究对象。只有在满足上述配对原则的情况下才使得研究样本之间具有可比性，分析更趋合理性，结果更具科学性。

（二）指标的选取本文指标数据主要来源于和讯财经网以及大智慧投资软件，通过数据的整理，剔除了个别的缺失值和特大异常值，并根据以下原则选取16个财务比率基础指标：1．全面性，在系统的构建中，所考虑纳入的指标应能全面揭示企业的财务风险，且各指标间具有较强的互补性。2．可比性，选取指标时，应注意评价指标口径范围和计算方法的纵向可比和横向可比原则。3．同趋势性，即是指标正向化，当财务比率增大时，表示财务状况的改善，反之财务比率减小时，表示财务状况的恶化。4．可获得性，采用上市公司财务报告披露的数据是可以获取的（和讯网、大智慧软件等）。指标体系具体如表1所示。以上财务比率指标体系，可以对上市公司的财务状况做出较为完整、客观的评价。但为了选取对ST公司和非ST公司区分能力强，包含信息多，权重更大，能准确预警的指标，下面采用“熵权法”对这16个指标进行筛选。

三、基于“熵权法”筛选财务指标体系模型

（一）本模型利用“熵权法”的基本原理本模型利用估计组中61个ST与61个非ST公司共16个财务基础比率指标，这些指标经过标准化，归一化处理后变成一个评价矩阵，计算出每个指标的信息熵，信息熵越大表明该指标有序程度越高，即该指标在该指标体系中差异小，信息熵越小表明指标在该指标体系中差异大，则该指标对于财务危机的预警这一决策起到的作用较大，可以被选用作为财务危机预警指标。

（二）指标的正向化和标准化设有n个公司，p个财务指标。为了模型研究的需要（即尽可能使每种能力中有一两个熵权大的指标来反映公司的财务状况），取阀值为0.015，当熵权大于0.015时则选入该研究指标体系，当熵权小于0.015时则退出该研究指标体系，通过比较得出最后的指标体系如图1。

四、基于“因子分析”模型分析

（一）因子分析的基本原理因子分析法是在尽量减少信息丢失的前提下，从众多指标中提取出少量的不相关指标，然后再根据贡献率定以权重，进而计算出综合得分，其计算结果更为准确、客观、操作性比较强。因子分析中有多种确定因子变量的方法，如基于主成分模型的主成分分析法、极大似然法、最小二乘法等，本文选取的是基于因子分析模型的主轴因子法。本文根据估计组中61家ST公司和61家同行业、规模相当的非ST公司作为样本，以“熵权法”筛选后的10个包含信息多，重要性更大的财务指标为基础建立的指标体系进行因子分析，最后得出因子综合得分函数—财务危机预警判别函数，并通过估计值综合因子得分值的排名表求出ST与非ST的分割值，作为判别公司财务与否出现危机的预警值，最后再选用测试组的样本进行回代，检验判别函数的判别正确率，从实证分析的角度为财务危机预警系统方法方面进行了初步的探讨。

（二）因子分析的求解过程下面对熵权筛选后的10个指标正向化后的数据（逆指标的正向化公式为yj=1-xj）通过统计分析软件SPSS17.0的运行，KMO检验和Bartlett检验的结果如表3所示。通过表3可以看出，KMO值为0.744，大于0.5；Bartlett检验的卡方统计量为1019.591，相伴概率为0.000，在给定0.1%的显著水平下，拒绝各指标变量的相关矩阵是单位阵的假设，即两种统计检验方法都揭示指标变量之间是高度相关的，因此适合作因子分析。求得变量的样本相关阵R的特征值λi，前m个因子方差贡献率如下表根据累积方差贡献率须大于85%的原则，由上表可看出前5个公因子的累积方差达到88.81%，这5个公因子包含88.81%的信息，确定以5个公因子做因子分析。初始因子载荷阵B0m，进行方差最大化旋转，求得旋转后的因子载荷阵BΓm，使得旋转后各因子载荷阵的各元素按列向0或1两级分化（初始因子载荷阵，旋转后各因子载荷阵，0~1分化表如表5）。根据以上矩阵运算得出61家ST跟61家非ST公司的因子F1，F2，F3，F4，F5的因子得分值，因子命名见表6。通过EXCEL对以上61家ST公司和61家非ST公司财务比率指标的综合因子得分值进行排名，取这61家公司的得分值的中位数作为本模型区分ST与非ST的分割值PS-财务危机预警值，通过得分排名可看出在第31与32位的公司的综合因子得分值分别为1.332，1.266，本模型取这两个数的平均值作为本模型区分ST与非ST的分割值PS-财务危机预警值为1.299。本模型用了10个指标进行因子分析，其中资产负债率是逆向指标，所以当要求出一个公司的综合因子得分值时，要先将公司的财务比率原始指标xij进行正向化，即资产负债率这个指标进行正向化（用yj=1-xj公式），然后将其正向化后的10个财务比率指标yij代入上面的判别函数中，若一家非ST公司的综合因子得分值大于且接近于分隔值PS-预警值，则说明该公司应该启动财务危机预警，调整经营战略，改善公司的财务状况，以避免被ST。

五、财务预警模型的检验

将测试组中60个ST跟60个非ST的10个正向化后的财务比率指标数据代入到上面的财务危机预警判别函数中，得到这60家公司10个指标的因子F1，F2，F3，F4，F5的得分值及综合因子F综的得分值。将以上得出的60家公司的综合因子得分值F综由大到小进行排名，若公司的综合因子得分值大于分割值PS-财务危机预警值（1.299），该公司被判断为非ST公司则说明判断是正确的，若公司的综合因子得分值小于分割值PS-财务危机预警值（1.299），该公司被判断为ST公司则说明判断是正确的。本研究中有4家ST公司的因子得分值大于分割值PS，错误判断数为4个，有7家非ST公司的因子得分值小于分割值PS，错误判断数为7，总的错误判断数为11，则正确判断有49家公司。判别率θ＝49/60≈81.67%检验结果显示模型的判别率达到了81.67%。说明当一家上市公司将以上10个正向化后的财务比率指标代入判别函数中，若大于分割值，则我们有81.67%的把握性说此公司为财务不存在危机，若小于分割值，则我们有81.67%的把握性说此公司财务存在危机，此模型对于ST跟非ST公司的判别率达到了81.67%。

六、结论

1.本文基于61家ST与61家非ST公司的16个财务比率基础指标，通过建立“熵权法”模型筛选出10个包含信息多，能准确预警的财务比率指标，接着利用“因子分析”模型求得估计组中61家公司的综合因子得分值，并根据综合因子得分排名确定ST与非ST分割值（即为财务危机预警值）及财务危机预警函数，最后将测试组的数据代入财务危机预警函数中，求得预警函数的判别率为81.67%，从而建立起了财务危机预警系统。

2.本文在进行“因子模型”分析的过程中用旋转后的因子载荷阵及特征值求得每家公司的综合因子得分值，结果更优，更准确，相对于其他论文用主成分法还有旋转前的载荷阵及特征值得分的结果更能准确预警一家公司的财务状况。

3.本文所选取的样本具有合理性和全面性，根据行业分类和总资产规模进行配对选择，模型中选取的财务比率指标具有较强的解释能力，能较好辨别财务危机公司及非财务危机公司的区别，但是此预测模型结论的准确性还受到上市公司财务数据真实性的影响，我国部分上市公司仍然存在操纵会计利润，粉饰财务报表的现象，故该模型的预测效果因此受到一定的影响。

参考文献：

[1]吴世农,黄世忠.企业破产的分析指标和预测模型[J].中国经济问题,1987(06).

[2]佘廉,张倩.企业预警管理的系统分析[J].中国工业经济研究,1994(11).

[3]FitzpatrickDA.AComparisonofRatiosofSuccessfulIndustrialEnterpriseswithThoseofFailedFirms[M].CertifiedPublicAccountant,1932(04).

[4]AltmanEI.FinancialRatios,Dis-criminateAnalysisandthePredictionofCorporateFailure[J].TheJournalofFinance,1968(04).

[5]周首华,杨济华,王平.论财务危机的预警分析———F分数模式[J].会计研究,1996(08).

[6]陈静.上市公司财务恶化预测的实证分析[J].会计研究,1999(04).

[7]杨淑娥,徐伟刚.我国上市公司实证研究[J].中国软科学,2003(01).

[8]OhelsonJA.FinancialRatiosandtheProbabilisticPredictionofBankruptcy[J].JournalofAccountingResearch,1980(01).

作者：高婷婷 范景军 单位：北方工业大学