龐大蓮+梁戈夫+裴帥帥+陶盈盈

【摘 要】 為改變傳統(tǒng)財(cái)務(wù)診斷中過于依靠專家的判斷和經(jīng)驗(yàn)而導(dǎo)致診斷分析主觀性強(qiáng)，診斷方案與實(shí)際情況不相符、不適用等狀況，文章嘗試提出一種新的思路，將因子分析方法應(yīng)用于財(cái)務(wù)診斷過程中，從財(cái)務(wù)診斷方案生成的需求角度來尋找關(guān)鍵因素、創(chuàng)建方案主題、進(jìn)行診斷分析，最后生成診斷方案。將因子分析方法應(yīng)用于財(cái)務(wù)診斷，可以使財(cái)務(wù)診斷在方法、模式、效率、效果等方面得到改善，使企業(yè)財(cái)務(wù)診斷模式的創(chuàng)新成為可能。

【關(guān)鍵詞】 財(cái)務(wù)診斷； 因子分析； 關(guān)鍵因素； 診斷方案

中圖分類號(hào)：F239；C932 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004-5937（2015）24-0014-04

一、引言

財(cái)務(wù)診斷是一種能改進(jìn)財(cái)務(wù)管理方式的高效、科學(xué)的方法，在西方稱為財(cái)務(wù)咨詢，最早用于破產(chǎn)預(yù)測(cè)。William（1966）率先提出并運(yùn)用單一比率模型對(duì)企業(yè)的財(cái)務(wù)困境進(jìn)行預(yù)測(cè)，使財(cái)務(wù)診斷開始進(jìn)入到系統(tǒng)化企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)研究階段。Tam and Kiang（1992）運(yùn)用神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)樣本企業(yè)財(cái)務(wù)困境進(jìn)行判斷，并通過與其他方法模型進(jìn)行對(duì)比來驗(yàn)證神經(jīng)網(wǎng)絡(luò)技術(shù)的總誤判率最小、預(yù)測(cè)精度最高。Takaomi Kaneko（1996）開發(fā)建立了一個(gè)基于模糊理論和模糊邏輯控制生產(chǎn)系統(tǒng)的財(cái)務(wù)診斷專家系統(tǒng)。

因子分析是一種研究從變量群中提取共性因子的統(tǒng)計(jì)技術(shù)，其起源于心理學(xué)，由英國(guó)心理學(xué)家Charles Spearman最早提出。近年來，逐漸有將因子分析法應(yīng)用于財(cái)務(wù)分析的研究，如尹子民等（2008）根據(jù)企業(yè)的財(cái)務(wù)指標(biāo)眾多的特點(diǎn)，運(yùn)用因子分析方法分析上市公司的財(cái)務(wù)情況；王文桂（2011）在公司并購(gòu)中用因子分析法評(píng)價(jià)財(cái)務(wù)績(jī)效，并由此計(jì)算其綜合績(jī)效得分F值，得出上市公司并購(gòu)前后的績(jī)效變化情況。

然而，目前為止將因子分析應(yīng)用于財(cái)務(wù)診斷的研究極少。其實(shí)，因子分析具有從變量群中提取共性因子的特性，可在眾多的變量中找出少數(shù)幾個(gè)能具有代表性的綜合性因子，從而減少變量的數(shù)目，簡(jiǎn)化數(shù)據(jù)的處理過程。因此，可將因子分析應(yīng)用于財(cái)務(wù)診斷中，消除財(cái)務(wù)指標(biāo)間的重疊，并通過確定公因子尋找關(guān)鍵財(cái)務(wù)指標(biāo)。由此，本文嘗試提出：將因子分析的方法應(yīng)用于財(cái)務(wù)診斷過程中，通過分析、計(jì)算提取出對(duì)企業(yè)財(cái)務(wù)影響最大的關(guān)鍵因素，為財(cái)務(wù)診斷的方案主題確定提供依據(jù)，進(jìn)而生成財(cái)務(wù)診斷方案。這種新思路可能會(huì)促進(jìn)財(cái)務(wù)診斷新模式的形成。

二、財(cái)務(wù)診斷的因子分析及方案生成過程設(shè)計(jì)

財(cái)務(wù)診斷的因子分析和診斷方案生成過程可設(shè)計(jì)為數(shù)據(jù)預(yù)處理、提取關(guān)鍵因素、形成方案主題及診斷參考方案生成等環(huán)節(jié)。

（一）基于聚類分析的財(cái)務(wù)數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘過程中的一個(gè)重要步驟，通過對(duì)數(shù)據(jù)中存在的有噪聲、不純凈、無用的數(shù)據(jù)進(jìn)行預(yù)處理，可以提高數(shù)據(jù)挖掘結(jié)果的質(zhì)量。在所收集的財(cái)務(wù)數(shù)據(jù)中，許多指標(biāo)之間具有一定的關(guān)聯(lián)性，利用聚類分析方法可根據(jù)指標(biāo)的關(guān)聯(lián)性進(jìn)行適當(dāng)?shù)暮喜⑻幚?，達(dá)到一定的降維效果，同時(shí)可以減少數(shù)據(jù)挖掘的時(shí)間，提高數(shù)據(jù)挖掘結(jié)果的準(zhǔn)確性。運(yùn)用聚類分析法進(jìn)行數(shù)據(jù)預(yù)處理具體步驟包括：

1.數(shù)據(jù)標(biāo)準(zhǔn)化。對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，消除原始數(shù)據(jù)維度不同的影響。

2.定義距離。計(jì)算出指標(biāo)之間的距離，距離越近，表示兩個(gè)指標(biāo)的性質(zhì)越接近，可以歸為一類。

3.聚類分析。數(shù)據(jù)經(jīng)標(biāo)準(zhǔn)化處理后，可利用SPSS軟件進(jìn)行分析，根據(jù)聚類需要選擇相應(yīng)的聚類方法和標(biāo)準(zhǔn)化方法，軟件會(huì)自動(dòng)進(jìn)行聚類分析，輸出直觀的圖表結(jié)果（例如樹狀圖、聚類過程表等），供施診者根據(jù)輸出結(jié)果進(jìn)行分類。

（二）利用因子分析獲取財(cái)務(wù)診斷關(guān)鍵因素

數(shù)據(jù)預(yù)處理后可以篩選出一些具有代表性的指標(biāo)，但要找出對(duì)財(cái)務(wù)影響最大的關(guān)鍵因素（指標(biāo)），還需要進(jìn)一步的分析。因此，可以運(yùn)用因子分析法作進(jìn)一步降維處理，尋找影響財(cái)務(wù)狀況的關(guān)鍵指標(biāo)，提取出的關(guān)鍵因素可為生成診斷方案主題提供依據(jù)。主要步驟為：（1）數(shù)據(jù)檢驗(yàn)，確定因子分析條件；（2）提取公因子，確定財(cái)務(wù)診斷關(guān)鍵因素；（3）公因子解釋及命名，定義每個(gè)因子所表示的財(cái)務(wù)指標(biāo)；（4）計(jì)算因子得分和樣本綜合得分，獲得關(guān)鍵指標(biāo)。

（三）建立綜合評(píng)價(jià)模型

根據(jù)綜合得分，可建立綜合評(píng)價(jià)模型：

其中，γi為旋轉(zhuǎn)前或旋轉(zhuǎn)后因子的方差貢獻(xiàn)率。以F綜合值的大小可以評(píng)判企業(yè)財(cái)務(wù)綜合狀況。

只要在SPSS軟件中選擇其中的“因子分析”模塊，并根據(jù)診斷要求進(jìn)行相應(yīng)的操作和處理，即可完成上述計(jì)算過程。

（四）擬定財(cái)務(wù)診斷主題及形成施診參考方案

經(jīng)過前面的聚類分析和因子分析，可以獲得代表性更強(qiáng)的關(guān)鍵財(cái)務(wù)診斷指標(biāo)，根據(jù)所獲得的關(guān)鍵指標(biāo)進(jìn)行財(cái)務(wù)診斷分析，再綜合施診專家的判斷、企業(yè)高層的意見，可以初步擬定財(cái)務(wù)診斷的方案主題。如此形成的診斷方案主題使財(cái)務(wù)診斷的針對(duì)性更強(qiáng)，客觀性和科學(xué)性也大大提高，降低指標(biāo)數(shù)量也使診斷效率得到提高。

當(dāng)財(cái)務(wù)診斷的主題確定后，圍繞主題組建數(shù)據(jù)指標(biāo)進(jìn)行再分析，例如可采用BP神經(jīng)網(wǎng)絡(luò)、PCA、APH等方法進(jìn)行數(shù)據(jù)挖掘和評(píng)價(jià)，然后根據(jù)評(píng)價(jià)的結(jié)果進(jìn)行因素組合以構(gòu)建診斷參考方案。

三、實(shí)例研究——Y公司的財(cái)務(wù)診斷因子分析及方案生成過程

Y公司為國(guó)內(nèi)機(jī)械制造行業(yè)的某上市公司，2012年以來，受宏觀環(huán)境影響，庫(kù)存增多、應(yīng)收賬款增多、現(xiàn)金流大幅下降、利潤(rùn)下滑，為此受Y公司委托對(duì)其財(cái)務(wù)狀況進(jìn)行診斷。

根據(jù)財(cái)務(wù)診斷的原理，對(duì)Y公司進(jìn)行財(cái)務(wù)診斷的流程如圖1所示。診斷過程分為財(cái)務(wù)數(shù)據(jù)收集及指標(biāo)體系的建立、關(guān)鍵因素尋找、診斷方案主題的創(chuàng)建、因素組合生成參考方案4個(gè)步驟。

（一）Y公司財(cái)務(wù)信息收集及指標(biāo)體系的建立

1.財(cái)務(wù)信息收集及數(shù)據(jù)預(yù)處理

財(cái)務(wù)信息收集及數(shù)據(jù)預(yù)處理包括財(cái)務(wù)因素與非財(cái)務(wù)因素的收集和處理。財(cái)務(wù)因素主要為Y公司近3年的三大財(cái)務(wù)報(bào)表，分別對(duì)公司償債能力、盈利能力、營(yíng)運(yùn)能力及成長(zhǎng)能力等要項(xiàng)選用33個(gè)會(huì)計(jì)指標(biāo)。非財(cái)務(wù)因素為與企業(yè)財(cái)務(wù)關(guān)聯(lián)較為緊密或影響較大因素，如企業(yè)的籌資、銷額銷量、市場(chǎng)份額、銷售策略、競(jìng)爭(zhēng)對(duì)手和類型、替代品發(fā)展等?？赏ㄟ^德爾菲、G-PEST、SWOT分析等方法進(jìn)行審計(jì)和量化轉(zhuǎn)換。（限于篇幅，上述指標(biāo)原始表格省略）

將收集到的財(cái)務(wù)數(shù)據(jù)標(biāo)準(zhǔn)化處理后，利用SPSS軟件中的“系統(tǒng)分類”選項(xiàng)進(jìn)行聚類分析，得出聚類分析結(jié)果。聚類分析過程如表1所示。

2.財(cái)務(wù)指標(biāo)體系

經(jīng)聚類分析后，原33個(gè)財(cái)務(wù)指標(biāo)減少為5類27個(gè)，如表2所示。經(jīng)聚類降維的財(cái)務(wù)診斷指標(biāo)更具代表性，可以為財(cái)務(wù)診斷提供更為明確的分析依據(jù)。

（二）利用因子分析法提取關(guān)鍵財(cái)務(wù)因素

1.數(shù)據(jù)檢驗(yàn)。主要是利用SPSS軟件檢驗(yàn)聚類分析后選取的指標(biāo)是否適合作因子分析。根據(jù)一般的標(biāo)準(zhǔn)，KMO取值>0.6，巴特利特球度檢驗(yàn)給出的相伴概率小于顯著性水平0.05，就可認(rèn)為適合于因子分析。數(shù)據(jù)檢驗(yàn)結(jié)果如表3所示，其中KMO值為0.691>0.6，巴特利特球度檢驗(yàn)給出的相伴概率也小于0.05的顯著性水平，因此認(rèn)為原有指標(biāo)適合作因子分析。

2.提取公因子。因子分析時(shí)，一般將特征值>1，或累計(jì)方差貢獻(xiàn)率>80%的特征個(gè)數(shù)確定為公因子的個(gè)數(shù)。Y公司相關(guān)財(cái)務(wù)指標(biāo)因子分析的特征值和貢獻(xiàn)率如表4所示，表中前兩個(gè)因子的累計(jì)方差貢獻(xiàn)率為100%，且這兩個(gè)因子的特征值均>1，說明這兩個(gè)因子已可以解釋全部變量，因此可選取前兩個(gè)因子作為公因子。為方便分析，兩個(gè)因子分別稱為F1和F2。

表5為因子成分矩陣，如對(duì)初始矩陣表5進(jìn)行旋轉(zhuǎn)，使各個(gè)公因子的含義更加清晰，旋轉(zhuǎn)因子成分矩陣如表6所示。

3.公因子解釋及命名

由表6可知，固定資產(chǎn)周轉(zhuǎn)率、資產(chǎn)報(bào)酬率等8項(xiàng)與收入利潤(rùn)有關(guān)的指標(biāo)在公因子F1上有較高的載荷，因此將F1命名為收入利潤(rùn)因子；而現(xiàn)金流量比率、已獲利息倍數(shù)等6項(xiàng)現(xiàn)金流量有關(guān)指標(biāo)在公因子F2上有較高的載荷，故命名F2為現(xiàn)金流量因子。（限于篇幅，表簡(jiǎn)略）

4.計(jì)算因子得分和樣本綜合得分

由回歸分析系數(shù)矩陣（略），估算F1和F2因子成分的得分系數(shù)后，形成函數(shù)：

F1=0.043X1+0.051X2-0.009X3+…+0.063X27

F2=0.035X1+0.027X2+0.077X3+…-0.087X27

通過綜合評(píng)價(jià)模型F綜合=（γ1F1+γ2F2+…+γmFm）/∑γ的計(jì)算，可得到樣本的綜合得分函數(shù)：

F=0.511F1+0.487F2

由此可見，F(xiàn)1和F2的變化對(duì)財(cái)務(wù)狀況影響最大，即影響Y公司財(cái)務(wù)能力的主要因素是收入利潤(rùn)和資金問題。

（三）擬定公司財(cái)務(wù)診斷方案主題

在擬定主題前，可對(duì)F1和F2代表的14個(gè)指標(biāo)進(jìn)行再分析和挖掘。分析該14項(xiàng)指標(biāo)近3年的趨勢(shì)（略），看到Y(jié)公司主要由資金管理缺陷導(dǎo)致財(cái)務(wù)惡化。即高基礎(chǔ)數(shù)據(jù)背景下診斷的主題可初步擬定為“分析判斷和解決資產(chǎn)效率低下及資金管理問題”。在此基礎(chǔ)上，本例的委托者傾向于從產(chǎn)品業(yè)務(wù)（系列質(zhì)量及服務(wù)）入手，以增加銷售改善財(cái)務(wù)狀況；而本例的施診者傾向于通過降低庫(kù)存，減少應(yīng)收項(xiàng)，同時(shí)適當(dāng)對(duì)促銷進(jìn)行改善，具體主題為“加強(qiáng)用戶研究，實(shí)施產(chǎn)品生產(chǎn)與銷售的雙重改進(jìn)”。

（四）建立因素體系，形成施診方案

圍繞主題進(jìn)行深層次的數(shù)據(jù)挖掘，利用網(wǎng)絡(luò)和XBRL及Web3.0等技術(shù)平臺(tái)，提取出與主題高度相關(guān)的因素并進(jìn)行組合，分為三部分進(jìn)行信息和數(shù)據(jù)挖掘。

1.進(jìn)行公司內(nèi)部財(cái)務(wù)數(shù)據(jù)挖掘，形成Y公司3年來財(cái)務(wù)重大變動(dòng)項(xiàng)目表。包含發(fā)生這些重大變動(dòng)的經(jīng)營(yíng)原因，形成財(cái)務(wù)綜合狀況判斷的深層因素支持。

2.進(jìn)行公司內(nèi)部非財(cái)務(wù)數(shù)據(jù)挖掘，包括公司的戰(zhàn)略方針方案、公司治理結(jié)構(gòu)、發(fā)展速度、業(yè)務(wù)重點(diǎn)、重大變動(dòng)問題、優(yōu)劣勢(shì)等。本例尋找出政策重大變動(dòng)和公司戰(zhàn)略調(diào)整的因素?？赏ㄟ^對(duì)因素賦權(quán)后進(jìn)行因素強(qiáng)度和力度的計(jì)算，形成相關(guān)表格。

3.通過對(duì)公司外部財(cái)務(wù)數(shù)據(jù)及非財(cái)務(wù)信息的挖掘，獲取行業(yè)財(cái)務(wù)和非財(cái)務(wù)數(shù)據(jù)，用于對(duì)照。

獲得上述關(guān)鍵因素、關(guān)聯(lián)因素和外部的參照因素后，可進(jìn)行排序打分，然后根據(jù)不同的診斷主題，組合出不同分值的施診參考方案。如本例以施診者價(jià)值傾向?yàn)橹黝}，形成以下參考方案：

第一，根據(jù)施診者傾向，其診斷主題可擬為“加強(qiáng)用戶研究，實(shí)施生產(chǎn)、銷售與財(cái)務(wù)管理的三重改進(jìn)”。主題核心因素為：流動(dòng)比（庫(kù)存）、銷售額、應(yīng)收賬款。

第二，改善圍繞主題的關(guān)聯(lián)因素。本例施診者傾向的主題中，除與F1和F2對(duì)應(yīng)的10多個(gè)因素外，重點(diǎn)列入用戶研究、及時(shí)生產(chǎn)、銷售的信用管理和目標(biāo)管理等非財(cái)務(wù)因素。

第三，描述各方參考案本質(zhì)、要點(diǎn)、措施，評(píng)估比較影響面和改善幅度。

四、結(jié)論

（一）因子分析可提高財(cái)務(wù)診斷的客觀性和合理性

文中實(shí)例所述的財(cái)務(wù)診斷過程中，主要是采用了因子分析的方法提取財(cái)務(wù)的關(guān)鍵指標(biāo)作為創(chuàng)建方案主題的依據(jù)，以提高財(cái)務(wù)診斷的客觀性和合理性。實(shí)例中最終提取的關(guān)鍵因子F1和F2分別代表公司的盈利能力和現(xiàn)金流量，與實(shí)際情況相符。

（二）關(guān)鍵財(cái)務(wù)因素識(shí)別與獲取提供了施診主題的客觀來源

因子分析從變量集中提取公共因子的統(tǒng)計(jì)技術(shù)，保障了關(guān)鍵因素的客觀來源，滿足了財(cái)務(wù)診斷過程的方案主題擬定環(huán)節(jié)中選取關(guān)鍵因素作為施診主題的客觀需要。同時(shí)，也在一定程度上減少主觀賦權(quán)對(duì)于因素權(quán)重的影響，由此實(shí)施財(cái)務(wù)診斷的科學(xué)性、有效性和覆蓋度得到應(yīng)有的保證。

（三）將因子分析法應(yīng)用到財(cái)務(wù)診斷中可以在兩個(gè)方面得到改善

一是診斷主題的確定更有針對(duì)性。這得益于因子分析能從大量財(cái)務(wù)數(shù)據(jù)中有效地識(shí)別和提取關(guān)鍵財(cái)務(wù)因素的特性，從而形成針對(duì)性、目標(biāo)性更強(qiáng)的診斷方案主題。二是因素組合生成診斷參考方案增加了財(cái)務(wù)診斷的調(diào)節(jié)能力。診斷參考方案是通過對(duì)不同的施診主題進(jìn)行不同的因素組合實(shí)現(xiàn)的，對(duì)于不同的主題，可采用不同相關(guān)因素組合來生成參考方案，因此實(shí)際上增加了解決問題的角度和途徑。

【參考文獻(xiàn)】

[1] WILLIAM B. Financial Rations as Predictors of Failure[J].Journal of Accounting Research（supplement），1966（4）：71.

[2] TAM， K Y，KIANG M Y. Managerial Applications of Neural Networks： The Case of Bank Failure Predictions [J]. Management Science，1992（7）：926-947.

[3] KANEKO T. Building a Financial Diagnosis System Based on Fuzzy Logic Production System[C]. 18th International Conference on Computers and Industrial Engineering，1996：743-746.

[4] SPEARMAN C. General intelligence， objectively determined and measured[J]. American Journal of Psychology，1904（15）：201-293.

[5] 尹子民， 王春蕊. 基于因子分析建立上市公司財(cái)務(wù)戰(zhàn)略模型[J].中國(guó)管理信息化，2008，11（3）：64-67.

[6] 王文桂. 因子分析法在公司并購(gòu)財(cái)務(wù)績(jī)效評(píng)價(jià)中的應(yīng)用[J].企業(yè)導(dǎo)報(bào)，2011（1）：65-67.

[7] 龐琦， 張建平. 基于因子分析的上市公司并購(gòu)績(jī)效研究[J].會(huì)計(jì)之友，2015（17）：64-68.