蔡偉斌CAI Wei-bin；崔毅CUI Yi

（華南理工大學(xué)工商管理學(xué)院，廣州 510640）

（School of Business Administration，South China University of Technology，Guangzhou 510640，China）

0 引言

財(cái)務(wù)危機(jī)是指企業(yè)明顯無力按時償還到期的無爭議債務(wù)的困難與危機(jī)。根據(jù)相關(guān)網(wǎng)站統(tǒng)計(jì)，國內(nèi)外每年都有數(shù)以萬計(jì)的企業(yè)因財(cái)務(wù)危機(jī)而倒閉。這種經(jīng)營失敗，實(shí)質(zhì)上是企業(yè)缺乏財(cái)務(wù)風(fēng)險防范能力，在財(cái)務(wù)風(fēng)險面前顯得軟弱無力。本文基于此通過主成分分析方法運(yùn)用多個財(cái)務(wù)指標(biāo)綜合建立主成分財(cái)務(wù)危機(jī)預(yù)警模型，幫助企業(yè)在危機(jī)來臨前識別風(fēng)險，對防范和處理我國上市公司財(cái)務(wù)風(fēng)險具有一定的指導(dǎo)意義和實(shí)用價值。

1 文獻(xiàn)綜述

國外最早的財(cái)務(wù)預(yù)警研究者是Fitzpatrick，其創(chuàng)建的單財(cái)務(wù)比率判定模型，開創(chuàng)了單變量財(cái)務(wù)預(yù)警方法的先河。隨著對現(xiàn)金流量信息重要性的認(rèn)可，許多學(xué)者嘗試運(yùn)用現(xiàn)金流量信息預(yù)測企業(yè)財(cái)務(wù)困境。Beaver（1966）利用單變量模型預(yù)測企業(yè)財(cái)務(wù)情況，發(fā)現(xiàn)現(xiàn)金流量與負(fù)債比率能夠比較準(zhǔn)確地判定公司是否陷入財(cái)務(wù)困境。Altman（1968）創(chuàng)立了多變量的Z 分?jǐn)?shù)財(cái)務(wù)預(yù)警模型。

國內(nèi)的企業(yè)預(yù)警研究起步較晚，絕大部分以上市公司為研究對象，其研究初期主要是對國外方法的介紹和具體應(yīng)用。陳靜（1999）在《上市公司財(cái)務(wù)惡化預(yù)測的實(shí)證分析》中使用1998年的27 家ST 公司和27 家非ST 公司的財(cái)務(wù)報(bào)表數(shù)據(jù)，進(jìn)行了單變量分析和二類線性判定分析研究。張玲（2000）采用多元線性判定法則選取深滬交易所120 家上市公司作為研究對象，研究得出的判別方程和判別法則選擇出的指標(biāo)為資產(chǎn)負(fù)債率，營運(yùn)資金/總資產(chǎn)，總資產(chǎn)利潤率，留存收益/總資產(chǎn)。吳世農(nóng)、盧賢義（2001）在《我國上市公司財(cái)務(wù)困境的預(yù)警模型研究》中選取6 項(xiàng)財(cái)務(wù)比率建立了財(cái)務(wù)預(yù)警系統(tǒng)。張愛民（2001）等選取40 家ST 公司及40家非ST 公司作為研究樣本，采用主成分分析方法，建立了另一種預(yù)測企業(yè)財(cái)務(wù)失敗的模型——主成分預(yù)測模型，并對上市公司財(cái)務(wù)失敗的主成分預(yù)測模型進(jìn)行了實(shí)證檢驗(yàn)。

2 研究設(shè)計(jì)

2.1 研究假設(shè) 根據(jù)后文對財(cái)務(wù)危機(jī)預(yù)警模型設(shè)計(jì)的需要以及結(jié)合現(xiàn)實(shí)性，本文做出以下相關(guān)假設(shè)：①由于連續(xù)兩年凈利潤為負(fù)而被ST 處理的上市公司被認(rèn)為陷入財(cái)務(wù)危機(jī)狀況；②與選取的ST 公司同行業(yè)且資產(chǎn)規(guī)模相差±10%范圍內(nèi)的非ST 公司具有可比性；③上市公司的財(cái)務(wù)數(shù)據(jù)真實(shí)且能反映公司財(cái)務(wù)狀況。

2.2 研究方法 本文利用配對t 檢驗(yàn)來篩選公司處于和不處于財(cái)務(wù)危機(jī)時財(cái)務(wù)指標(biāo)是否存在顯著性差異，然后作為構(gòu)造模型的指標(biāo)進(jìn)入下一階段，再通過主成分分析方法在不損失或很少損失原有信息的前提下，減少變量個數(shù)，反應(yīng)綜合信息。

2.3 變量設(shè)計(jì) 本文共選取盈利能力、發(fā)展能力、營運(yùn)能力、償債能力等四個維度共18 個變量來構(gòu)建財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系，綜合反映ST 公司的財(cái)務(wù)狀況。

2.4 數(shù)據(jù)來源和樣本選擇 ①數(shù)據(jù)來源及選用。本文的數(shù)據(jù)來自于聚源數(shù)據(jù)工作站和新浪財(cái)經(jīng)網(wǎng)上有關(guān)各上市ST 及非ST 公司的財(cái)務(wù)數(shù)據(jù)。其中假定上市公司被ST的2010年份為t。本文選取因財(cái)務(wù)狀況異常而被特別處理的ST 上市公司和非ST 上市公司t-1年（2009年）和t-2年（2008年）為研究范圍，取用這兩年的財(cái)務(wù)數(shù)據(jù)作配對檢驗(yàn)，以t-2年數(shù)據(jù)作主成分分析。②配對原則。在為ST公司選擇配對的非ST 公司時，本文按照時間匹配及數(shù)量1:1 匹配原則：要求所處行業(yè)相同，且資產(chǎn)規(guī)模相差+10%以內(nèi)，極個別確實(shí)無法準(zhǔn)確配對但具有重要意義的樣本除外的其他無法配對的樣本個體均被剔除，這樣的選取原則可以較好的滿足可比性要求。

3 實(shí)證分析

3.1 配對樣本t 檢驗(yàn) 通過SPSS19.0 軟件根據(jù)24 家公司t-1年和t-2年的財(cái)務(wù)數(shù)據(jù)對20 個指標(biāo)進(jìn)行顯著性分析，我們設(shè)定兩年的配對結(jié)果必須都在0.05 的置信水平下通過配對t 檢驗(yàn)，才能說明該財(cái)務(wù)指標(biāo)能夠顯著區(qū)別ST 公司和非ST 公司，并將通過檢驗(yàn)的財(cái)務(wù)指標(biāo)作為財(cái)務(wù)預(yù)警指標(biāo)進(jìn)入下面的主成分分析。初步篩選結(jié)果如表1 所示，銷售毛利率、銷售凈利率、ROE、ROA、流動比率、速動比率等共11 個可進(jìn)入下一階段的財(cái)務(wù)預(yù)警指標(biāo)。

表1 進(jìn)入主成分分析的指標(biāo)

3.2 主成分分析

3.2.1 基于初步篩選的11 個指標(biāo)，再通過主成分分析提取信息（前4 個主成分綜合指標(biāo)信息提取度達(dá)到82.71%）后，本文提取的綜合財(cái)務(wù)指標(biāo)如下，并列主成分載荷矩陣表如表2 所示。

表2 主成分載荷矩陣表（t-2年）

由表2 成分矩陣的系數(shù)和各主成分特征值計(jì)算得到主成分的系數(shù)矩陣如表3。

表3 特征向量系數(shù)陣

根據(jù)表中系數(shù)矩陣和各標(biāo)準(zhǔn)化變量可得到t-2年4個主成分的綜合表達(dá)式：

主成分Y1式各系數(shù)均在0.3-0.4 之間，可見Y1反映公司財(cái)務(wù)狀況的綜合因子1；主成分Y2的各變量系數(shù)都差不多，因此也為反映公司財(cái)務(wù)狀況的綜合因子2；Y3的ZX3系數(shù)較高，可見是反映公司獲利能力的因子；Y4的變量系數(shù)中ZX8、ZX9、ZX16、ZX17、ZX18均較高，因此為償債能力和發(fā)展能力因子。

3.2.2 對主成分的特征值與貢獻(xiàn)率進(jìn)行計(jì)算可構(gòu)造反映公司財(cái)務(wù)狀況評價指數(shù)F，F(xiàn) 是各綜合因子Y1、Y2、Y3、Y4的線性組合。，其中為各主成分對綜合指標(biāo)F 的貢獻(xiàn)率。

由上式得出2010年各ST 上市公司樣本組在t-2年的財(cái)務(wù)狀況綜合指標(biāo)值F，再全部加總平均后得出均值為-0.2698。

4 預(yù)警臨界值的確定及模型檢驗(yàn)

同樣運(yùn)用上述方法計(jì)算得出配對樣本組非ST 上市公司的財(cái)務(wù)狀況綜合指標(biāo)均值為0.4668。以兩個樣本組值的平均值作為上市公司財(cái)務(wù)危機(jī)預(yù)警的臨界值，結(jié)果為-0.0985。即表示：低于臨界值則預(yù)示公司將會陷入財(cái)務(wù)危機(jī)，應(yīng)引起公司高層的重視，從而起到預(yù)警作用；而高于臨界值則表明公司財(cái)務(wù)狀況良好；等于臨界值時為灰色狀態(tài)，需另行判定。

確定預(yù)警臨界值后我們返回對上述樣本進(jìn)行檢驗(yàn)，其檢驗(yàn)結(jié)果如表4 所示。

表4 模型預(yù)測效果（t-2年）

檢驗(yàn)結(jié)果顯示，對于ST 公司預(yù)測正確率為75.0%，對于非ST 公司的預(yù)測結(jié)果為87.5%，兩者綜合正確率為81.3%。說明預(yù)警模型有較好的預(yù)測性，能較好地預(yù)測上市公司的財(cái)務(wù)狀況。

5 結(jié)論

上述檢驗(yàn)結(jié)果表明基于主成分分析方法的財(cái)務(wù)危機(jī)預(yù)警模型能較好反映并預(yù)示上市公司的財(cái)務(wù)狀況。主要基于以下幾點(diǎn)：①通過配對t 檢驗(yàn)過濾掉不能反映上市公司財(cái)務(wù)狀況好壞差異的財(cái)務(wù)指標(biāo)，同時使公司高層可以集中精力放在主要而非全部的財(cái)務(wù)指標(biāo)。②運(yùn)用主成分分析的方法二次濃縮指標(biāo)，使得模型在不失真的條件下能充分反映預(yù)警效果；同時濃縮的主成分能更好地解釋上市公司財(cái)務(wù)狀況好壞的原因。

但是，本文研究的結(jié)果還是存在不完善之處。如在進(jìn)行樣本配對時沒有對資產(chǎn)規(guī)模的影響進(jìn)行詳細(xì)的分析；其次，模型只能簡單判定是否將會有財(cái)務(wù)危機(jī)而無法辨別目前的隱患程度；再者，事實(shí)上t-3年公司即使利潤不為負(fù)，也有可能存在某些隱患征兆，而我們只對t-2年進(jìn)行判定檢驗(yàn)而已。因此，本文的研究成果有待進(jìn)一步深入發(fā)展。

[1]Fitzpatrick,P.J.,A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms[J].Certified Public Accountant,1932:589-605.

[2]Edward I.Altman.,Financial Ratios,Discriminated Analysis and The Prediction of Corporate Bankruptcy [J].Journal of Finance,1968(23):589-609.

[3]陳靜.上市公司財(cái)務(wù)惡化預(yù)測的實(shí)證分析[J].會計(jì)研究，1999(4).

[4]吳世農(nóng)，盧賢義.我國上市公司財(cái)務(wù)困境的預(yù)測模型研究[J].經(jīng)濟(jì)研究，2001(6).

[5]張愛民，祝春山，許丹健.上市公司財(cái)務(wù)失敗的主成分預(yù)測模型及其實(shí)證研究[J].金融研究，2001，3：10-25.

[6]徐鳳菊.基于主成分分析法的財(cái)務(wù)風(fēng)險評價模型[J].財(cái)會月刊，2008，12：48-50.

[7]張建同，孫昌言.以Excel 和SPSS 為工具的管理統(tǒng)計(jì)[M].清華大學(xué)出版社，2005：263-292.