工业公司财务危机预警模型的构建，本文主要内容关键词为：模型论文,工业论文,财务危机论文,公司论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
近些年，随着竞争的加剧、管理的失误以及信誉的丧失，世界范围内公司出现财务危机的现象频频出现。像美国的世通、韩国的大宇、我国的巨人等曾经的明星公司都几乎是在一夜之间就彻底崩溃的。随着我国加入WTO后市场经济改革的深入，我国公司面临的市场竞争将会不断加剧，加之经济领域自身的复杂性，我国公司发生财务危机乃至破产的现象将会时有发生。因此如何有效预测和避免公司陷入财务危机困境已经成为刻不容缓的课题。尽管学术界对财务危机预警模型进行了较长时期的研究，但迄今为止人们尚无法准确确定财务危机预警模型应包括的财务变量，在建立财务指标体系时很少有学者考虑现金流量指标，而且研究没有按行业进行。本文试图以我国ST类的工业行业上市公司为研究对象，建立一套包含现金流量指标的财务危机预警指标体系；运用Y分数判别法来进行我国工业公司财务危机预警模型的构建，以达到分行业研究提高模型灵敏度和可靠度的目的。本文之所以研究我国ST类工业上市公司，原因之一是对某一行业的具体研究可以使研究结果更加精确；之二是ST类公司可以较好的代表我国处于财务危机与困境的公司；之三是我国的工业公司在国民经济中占有绝对地位，其他如商业、服务业、房地产业等行业公司所占比例较小，其模型可以参照本文对工业公司的研究思路进行构建。
一、财务危机预警指标体系的建立
我国上市公司被特别处理的本质原因不尽相同，很难用简单的几个财务指标变量充分描述。我国公司出现财务危机的成因是多方面的、综合的，因此本文试着从反映公司各个方面的财务指标入手，试着建立一套完整的用于构建我国工业公司财务危机预警系统的财务指标体系。本文所用指标及符号，见表1。
当然，在实际中，公司财务危机预警还要借助于一些辅助指标体系。诸如财务预测在较长时间内不准确，过度大规模扩张，过度依赖外部融资等，往往预示着公司的财务状况发生了某种危机。辅助指标体系主要由非计量指标构成，本文考虑到这些非定量辅助指标的获得成本和难度，以及难以量化，没考虑非计量辅助指标。这是本文研究的不足之处。
二、实证分析与预警模型的建立
(一)样本选择和数据来源
本文的样本资料主要来源于巨潮网、上市公司2001、2002年度财务报告和有关证券公司。这里，工业行业财务危机样本公司的选取标准为财务危机公司为71家。其中，2001年的ST类工业公司(41家)，2001年的非ST工业公司，但在2002年成为ST工业公司(30家)。为比较研究，本文还选取了“非财务危机公司”即“财务健康类”公司，其样本选取的依据是按照其所对应的ST类工业公司的行业，结合财务指标的优良状况和专家的意见选取了71家样本公司。模型中样本的实测数据均为2001年的财务指标(股票名称及代码略)。样本涉及行业有：机械设备类、食品饮料类、石化塑料类、纺织服装类、电子类、金属非金属类、造纸类、医药类、其他类。选出的样本公司的行业分布情况基本上与我国工业上市公司行业分布情况相符。
(二)主成分分析
下面就对样本组公司(共142家)2001年的财务比率数据，运用SPSS统计软件进行主成分分析。首先将142家样本公司的9个财务比率指标依此输入到SPSS统计软件中，依据主成分分析的运算规则，得出主成分分析的结果。表2、表3、表4和表5都是从这次分析的结果中得来的。
表2是输出的第一个结果，从表2中可以得出：(1)9个财务指标基本上都呈现出正相关或负相关关系，除资产负债率与债务保障比率的相关系数为0外，其余指标间均存在相关关系。(2)从相关系数的大小来看，经营现金负债比与债务保障比率的相关性较高，相关系数为0.9，说明公司的偿债能力和现金流量能力密切相关；其次，流动比率与资产负债率、主营业务利润率与资产负债率的相关系数绝对值都大于0.4，存在较高的相关性。另外，流动比率与应收账款周转率、资产负债率与应收账款周转率、应收账款周转率与主营业务增长率的相关系数绝对值都大于0.2，也存在一定的相关性；其余的财务指标之间的相关系数绝对值都小于0.1。
从主成分分析结果中还可得出各主成分特征值和贡献率表(表3)
我们取累计贡献率为85.79，则主成分因子个数m为6，即用6个主成分代替原有的9个财务比率指标，这6个主成分因子包含原来85.79％的信息量。为了对这6个因子进行解释，就需要得到9个原始财务比率指标对这6个主成分因子的因子载荷(即原始指标与主成分因子的相关系数)。由主成分分析结果可得知因子载荷矩阵，见表4。
根据表4，可以得到各主成分因子与原始财务比率指标的线性表达式为：
根据表2中各个主成分因子的贡献率，可得出Y分数模型为：
Y=0.2155X[,1]+0.1744X[,2]+0.1364X[,3]+0.1226X[,4]+0.1060X[,5]+0.103X[,6](2)
下面将样本组142家上市公司的各项财务比率指标代入式(1)和式(2)，计算得到各样本公司的预测分值Y，并进行排序，其结果见表5。
用建立的模型对142个原始样本进行分类，在预测值Y≥0.1时，非ST类公司超过此值的个数为62个，占到了该类公司总数的87.32％；Y＜0.1时，ST类公司低于此值的个数为55个，占到了该类公司总数的77.46％。结果虽然不是100％的满意，但考虑到非ST类公司是按照ST类公司的同一行业任意抽取；同时ST类公司并不是全部意义上的“财务失败”公司，有的ST类公司正在改制、重组，这些公司财务指标不具有稳定型，因而得出以上结论我们已经感到比较欣慰。在综合考虑了这些公司实际财务状况和样本组的结果，得出了0.1是这两类公司的一个分水岭。
(三)预警模型的建立
根据以上分析，可以得出我国工业公司财务危机预警模型和预警区域。
1.预警模型
Y=0.2155X[,1]+0.1744X[,2]+0.1364X[,3]+0.1226X[,4]+0.1060X[,5]+0.103X[,6]
2.预警区域
Y≥1为无警区，即财务非常安全区域。
1＞Y≥0.1为轻度预警区，即为财务状况比较安全区域，可轻度关注。
0.1＞Y≥0为中度预警区，即为财务状况失败区域，要必须关注。
Y＜0为重度预警区，即为财务状况严重恶化区域，要高度关注。
当然，这只是工业公司财务危机预警模型，其他行业公司的模型可参照工业公司的研究思路进行，因此不再赘述。
三、结论
1.所选择样本具有合理性与全面型，基本上代表了我国证券市场上工业公司的基本情况，而且非ST类公司与ST类公司的选择也具备了可比性。
2.模型中选择的原始财务比率指标具备了较强的解释能力，能较好地辨别出财务危机公司与非财务危机公司的区别。
3.选择的实证研究方法具有科学性和可行性。主成分分析法是一种科学的统计方法，且在SPSS统计软件的帮助下，使这种预测变得简单可行，具有很强的可操作性。