以主成分分析法构建企业财务危机预警模型，本文主要内容关键词为：分析法论文,成分论文,模型论文,财务危机论文,企业论文，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。
财务危机是企业履行经营义务时受阻的状态，它应包括三层涵义：一是企业资产总额超过负债总额，但资产配置的流动性差，无法变现用于偿还债务，现金净流量低，经营效益差；二是最近两个会计年度净利润为负和最近一个会计年度股东权益低于注册资本；三是企业的负债总额超过企业资产的公允价格，经协商进入重组的状态。众所周知，在日益激烈的竞争环境中，企业在获得新的市场机会的同时，也面临着日趋增大的生存压力和经营风险。风险的失察，决策的失控，管理的失误，任何一点错弊都会给企业带来危机，危机是每个企业经营管理者必须面对和解决的紧要问题。只有及早发现危机并防范危机，才能将危机造成的影响和损失减少到最小。也就是说，财务危机预警模型的建立，在预防和化解危机，提高企业财务危机预警管理水平方面具有重要的作用。虽然目前国外关于企业财务预警研究文献不少，但因各国企业经营环境不同，其样本的选取不具有普遍意义，预警模型的建立有一定的局限性。本文将以我国企业资料为依据，对我国企业大量样本筛选，运用主成分统计分析，建立我国的财务预警模型。
一、主成分分析法的内在机理
主成分分析由Pearson（1901）首先使用，以后经Hotelling（1933）、Rao（1964）、Cooley & lohnes（1971）、Gnanadesikan（1977）、Kshirsagar（1972）、Morrison（1976）和Mardia、Kent & Bibby（1979）发展和成熟起来。主成分分析是考察多个定量（数值）变量间相关性的一种多元统计方法，它是研究如何通过少数几个主成分（即原始数据的线形组合）来解释多变量的方差——协方差结构。具体说来是导出几个主成分，使其尽量多地保留了原始变量的信息，且彼此线性无关。
主成分分析的简要数学过程是：设估计样本组公司为n家，选取的财务指标为k个。
（1）对财务指标进行标准化处理。因为所选的财务指标的量纲不完全一致，所以需要进行标准化处理，即将各种不同度量的指标转化为同度量的指标，使各指标具有可比性。
（2）计算相关系数矩阵R。设R[，ij]为经过标准化后的指标i与指标j之间的相关系数，则：
（3）计算相关系数矩阵的特征值t与特征向量B。将所求得特征值依大小顺序排列：
（5）将选定的几个主成分综合建立模型。
利用主成分分析法构建财务危机预警模型的总体思路是：首先，选择确定模型采用的财务指标；其次，采用一定的方法确定研究样本；然后，运用SPSS等统计软件进行主成分分析，在此基础上建立模型并进行检验；最后，确定模型的临界值，通过对样本进行分析，判别模型的预测准确度。以下内容将对此进行详细分析说明。
二、模型指标设定分析
在指标设定上，我们主要考虑以下几方面影响因素：（1）上市公司出现财务危机的直接表现是公司的财务和现金状况恶化，但深层次的原因来自于公司的经营问题，如公司的盈利能力下降、成长性和资产运营能力下降等；（2）反映上市公司财务状况的指标可分为五大类：偿债能力指标、资产管理能力指标、盈利能力指标、成长能力指标、现金流量指标，由于导致公司出现财务危机的因素可能来自于财务或经营的每一个或几个方面，这就要求我们在这四大类财务指标的基础上进一步细化财务指标。
为了使指标选取更加理性化，更加符合我国企业运营实践，本论文采用专家问卷形式，2003年10月19至21日共发出调查问卷75份，回收53份，回收率为70.66％。问卷发放对象来自企业CFO、高校学者、财政部等政府官员等。该调查问卷目的是在36个指标进行选择，最终选择9个模型所需指标如下：
X[，1]：现金比率=（货币资金+短期投资）/流动负债
X[，2]：资产负债比=资产平均总额/负债平均总额
x[，3]：存货周转率=主营业务成本/存货平均余额
X[，4]：应收账款周转率=主营业务收入净额/应收账款平均余额
X[，5]：主营业务利润率=净利润/主营业务收入净额
X[，6]：BEP（Basic Earning Power Ratio）=息税前盈余/总资产
X[，7]：主营业务增长率=（本年主营业务收入-上年主营业务收入）/上年主营业务收入
X[，8]：经营活动现金净流量增长率=（本年经营活动产生的现金净流量-上年经营活动产生的现金净流量）/上年经营活动产生的现金净流量
X[，9]：主营业务现金比率=经营活动产生的现金净流量/主营业务收入
（注：下文中X[，1]、X[，2]、X[，3]、X[，4]、X[，5]、X[，6]、X[，7]、X[，8]、X[，9]分别表示上述比率）
上述指标特点：（1）具有同趋势性。即当财务指标增大时，表示财务状况改进；反之，表示财务状况恶化。（2）全面反映企业财务状况。反映企业偿债能力的指标如现金比率、资产负债比；反映企业资产管理能力的指标如存货周转率、应收帐款周转率；反映企业盈利能力的指标如BEP、主营业务利润率；反映企业成长能力的指标如主营业务增长率、经营活动现金净流量增长率；反映企业现金流量的指标如主营业务现金比率。
三、样本选取
1.选取因“财务状况异常”而被特别处理（ST）的A股上市公司，作为财务失败公司的界定标准。1998年深沪证券交易所开始对出现“异常状况”（注：“异常状况”包括“财务状况异常”和“其他状况异常”，其中因后者而被特别处理的情况具有很大的不确定性，难以从财务角度进行测算，因而本文仅财务状况异常作为判断标准。）的上市公司实行“特别处理”（ST），从财务的角度衡量，ST公司符合我们认为企业财务状况不健康的判断；（注：具体内容可参见深圳/上海证券交易所股票上市规则（2000，2001）。）从理论上看，也符合本文对财务危机企业范畴的界定。具体而言：（1）我国A股上市公司资料较完整。根据规定，A股上市公司执行国内的会计准则和会计制度，由国内的会计师事务所审计；B股上市公司采用国际会计准则，由外资会计师事务所审计。这两种会计制度和审计制度所计算出来的业绩及其他相关资料有很大的偏差，从而导致了B股公司财务资料与A股公司资料的不可比，不能将其简单地堆砌在一起作为实证研究的对象。（2）ST的A股上市公司特征明显。证券交易所股票上市规则明确了上市公司出现以下情况之一的，为财务状况异常：最近两个会计年度审计结果显示的净利润均为负值；最近一个会计年度审计结果显示其股东权益低于注册资本，即每股净资产低于股票面值；注册会计师对最近一个会计年度的财务报告出具无法表示意见或否定意见的审计报告；最近一个会计年度经审计的股东权益扣除注册会计师、有关部门不予确认的部分，低于注册资本；最近一份经审计的财务报告对上年度利润进行调整，导致连续两个会计年度亏损；经本所或中国证监会认定为财务状况异常的。上市公司出现以下异常状况之一的，应对其股票交易实行特别处理：因自然灾害、重大事故等原因导致公司主要经营设施遭受损失，公司生产经营活动基本中止，在3个月以内不能恢复的；公司涉及负有赔偿责任的诉讼或仲裁案件，依照法院或仲裁机构的判决或裁决的赔偿金额累计超过公司最近经审计的净资产的50％的；公司主要银行账号被冻结，影响公司正常经营活动的；人民法院受理公司破产案件，可能依法宣告公司破产的，公司董事会无法正常召开董事会会议并形成董事会决议的；公司的主要债务人被法院宣告进入破产程序，而公司相应债权未能计提足额坏账准备致使公司将面临重大财务风险的；公司出现其他异常情况，董事会认为需要对其股票交易实行特别处理的；中国证监会或证券交易所认定为状况异常的其他情形。从理论上讲，比较合理的研究对象应为因“财务状况异常”而被特别处理的公司。
2.选取上市公司t-2年截面数据为样本建立模型。本文之所以不考虑t-1年的财务报告数据来预测上市公司t年的状态，是因为我国上市公司的年报披露制度决定了这样一个事实：上市公司在t年是否被特别处理是由其t-1年财务报告的公布所决定的，因此，t-1年预测模型即使有很高的预测精度，在实际预测中也没有太大的应用价值。
3.样本组的选取。根据行业分类和总资产规模进行选择：为了使预测更具准确性，本文对样本组选择较为谨慎，对每一家ST公司进行配对选择非ST公司，要求其行业类同且总资产规模相差在5％以内，一些无法配对的样本个体均被剔除，此外，那些财务数据异常的样本也被剔除掉。对于选出的样本，本文运用随机数表随机选取58组样本为估计样本组，32组样本为预测样本组。
四、模型建立
1.对58组（118家）估计样本分别计算X[，1]、X[，2]、X[，3]、X[，4]、X[，5]、X[，6]、X[，7]、X[，8]、X[，9]等比率的数值。
2.利用SPSS及EXCEL软件将估计样本原始数据进行标准化处理：Xn的标准化值=（Xn-均值）/标准差
3.运用SPSS软件对标准化值进行分析，计算主成分的特征值与贡献率。分析结果如表1、表2所示。
表1 主成分的特征值与贡献率
Initial Eigenvalues Extraction sums of Squared Loadings
Component Total
％of Variance
Cumulative％ Total
％of Variance Cumulative％
1 2.515 27.948 27.9482.515 27.94827.948
2 1.355 15.051 42.9991.355 15.05142.999
3 1.098 12.196 55.1961.098 12.19655.196
4 1.020 11.331 66.5271.020 11.33166.527
5 0.974 10.817 77.3440.974 10.81777.344
6 0.882 9.799 87.1430.882 9.79987.143
7 0.633 7.037 94.1810.633 7.03794.181
8 0.364 4.043 98.224
9 0.160 1.776100.000
取累计贡献率为94.18％，即取前7个主成分，此7个主成分可以代表原9个财务指标94.18的信息量。为对所选出的主成分进行解释，我们取得7个主成分的因子载荷量（即各主成分与各原始财务指标的相关系数，由于主成分的提取是不完全的，所以这些相关系数被称为载荷）。
表2 因子载荷矩阵
Component
123 4
5
67
X[，1]现金比率0.7110.4960.029-0.104
-0.010080.09255 -0.164
X[，2]资产负债比 0.5400.6440.241-0.159
-0.032960.126-0.207
X[，3]存货周转率 0.2050.1330.596 0.443
-0.394 -0.421 0.235
X[，4]应收账款周转率 -0.03979 -0.1330.470 0.4220.724 0.222-0.07609
X[，5]主营业务利润率 0.817
-0.4130.07578 -0.1650.116 -0.143 0.106
X[，6]息税前盈余/总资产
0.767
-0.4450.0452
-0.3020.118 -0.05144
0.166
X[，7]主营业务增长率 0.264
-0.3440.127 0.238
-0.488 0.706-0.04836
X[，8]经营活动现金0.3840.351
-0.518 0.4100.159 0.159 0.489
净流量增长率
X[，9]主营业务现金比率0.449
-0.219
-0.412 0.516
-0.04112
-0.290-0.471
4.构建主成分模型。由因子载荷矩阵计算结果可以得出7个主成分如下：
Z[，1]=0.711X[，1]+0.540X[，2]+0.205X[，3]-0.040X[，4]+0.817X[，5]+0.767X[，6]+0.264X[，7]+0.384X[，8]+0.449X[，9]
Z[，2]=0.496X[，1]+0.644X[，2]+0.133X[，3]-0.133X[，4]-0.413X[，5]-0.445X[，6]-0.344X[，7]+0.351X[，8]-0.219X[，9]
Z[，3]=0.029X[，1]+0.241X[，2]+0.596X[，3]+0.470X[，4]+0.076X[，5]+0.045X[，6]+0.127X[，7]-0.518X[，8]-0.412X[，9]
Z[，4]=-0.104X[，1]-0.159X[，2]+0.443X[，3]+0.422X[，4]-0.165X[，5]-0.302X[，6]+0.238X[，7]+0.410X[，8]+0.516X[，9]
Z[，5]=-0.010X[，1]+0.033X[，2]-0.394X[，3]+0.724X[，4]+0.116X[，5]+0.118X[，6]-0.488X[，7]+0.159X[，8]-0.041X[，9]
Z[，6]=0.093X[，1]+0.126X[，2]-0.421X[，3]+0.222X[，4]-0.143X[，5]-0.051X[，6]+0.706X[，7]+0.159X[，8]-0.290X[，9]
Z[，7]=-0.164X[，1]-0.207X[，2]+0.235X[，3]-0.076X[，4]+0.106X[，5]+0.166X[，6]-0.0484X[，7]+0.489X[，8]-0.471X[，9]
从因子载荷矩阵，可以得出如下结论：（1）主成分Z[，1]主要由现金比率、主营业务利润率、BEP指标解释，因这三个指标的因子载荷量远大于其他几个指标，故Z[，1]表示的是企业的短期偿债能力、主营业务盈利能力和资产盈利能力。（2）主成分Z[，2]主要由资产负债比指标解释，因这个指标的因子载荷量远大于其他几个指标，故Z[，2]表示的是企业的长期偿债能力。（3）主成分Z[，3]主要由存货周转率指标解释，因这个指标的因子载荷量远大于其他几个指标，故Z[，3]表示的是企业的资产管理能力。（4）主成分Z[，4]主要由存货周转率、应收账款周转率、经营活动现金流量增长率、主营业务现金比率指标解释，因这四个指标的因子载荷量远大于其他几个指标，故Z[，4]表示的是企业的资产管理能力、现金流和成长能力。（5）主成分Z[，5]主要由应收账款周转率指标解释，因这个指标的因子载荷量远大于其他几个指标，故Z[，5]表示的是企业的资产管理能力。（6）主成分Z[，6]主要由主营业务增长率指标解释，因这个指标的因子载荷量远大于其他几个指标，故Z[，6]表示的是企业的成长能力。（7）主成分Z[，7]主要由经营活动现金净流量增长率指标解释，因这个指标的因子载荷量远大于其他几个指标，故Z[，7]表示的是企业的资产管理能力。
从主成分的特征值与贡献率计算可构造公司财务状况综合指标F、F是各综合因子Z[，1]、Z[，2]、Z[，3]、Z[，4]、Z[，5]、Z[，6]、Z[，7]的线性组合，即
F=α[，1]Z[，1]+α[，2]Z[，2]+α[，3]Z[，3]+α[，4]Z[，4]+α[，5]Z[，5]+α[，6]Z[，6]+α[，7]Z[，7]
依据表1数据可得，
F=0.27948Z[，1]+0.15051Z[，2]+0.12196Z[，3]+0.11331Z[，4]+0.10817Z[，5]+0.09799Z[，6]+0.07037Z[，7]
对该模型进行检验可知：（1）拟合优度检验：本模型R[，2]=1，R[，2]=1，表明估计的样本回归方程很好地拟合了样本观测值。（2）T检验：对于给定的显著性水平a=0.05，查表可知ta（n-k-1）=1.66，本模型各综合因子t检验分别为27184.25、7881.929、5175.587、4467.157、4072.190、3341.544、1723.119，表明Z[，1]、Z[，2]、Z[，3]、Z[，4]、Z[，5]、Z[，6]、Z[，7]作为综合因子对模型影响显著。（3）DW检验：在n=116，k=7，对于给定的显著性水平a=0.05，查表可知DW取值约在1.826和2.17之间，本模型DW=2.15，表明该模型误差项不存在自相关。
五、临界值确定及模型判断
将58组上市公司的财务数据输入上述模型，结果如表3所示：
表3 估计组ST公司与非ST公司F值
ST公司
ST公司 ST公司
ST公司 非ST公司 非ST公司
1-20 21-40
41-58 59-78
79-98 99-116
-0.013
1.8220.000
-0.311
0.697 -0.489
0.081
-0.0360.697 0.219
-1.032 -0.675 -0.737
-0.0860.611 0.045
-0.668 -0.968
0.5651.3620.154 1.040
-0.519 -0.385 -0.1380.516
-0.347 0.354
-0.408 -0.374 -0.6350.384
-0.397-0.245
-1.374 -0.309 -0.8502.2490.677 1.014
-0.262 -0.590
0.643
-0.186
-0.237 0.078
-1.145 -0.772 -0.4230.7341.016 3.552
-0.187
0.024
0.1570.2990.311 0.464
-0.356 -0.943 -1.0960.0521.186-0.017
-0.054 -0.908 -1.8370.0780.498 0.786
-0.349
0.305 -0.861
-0.1110.211 0.235
-0.334
1.429 -0.6840.1440.479 0.771
-0.927 -0.401 -0.8230.152
-0.094 0.344
-0.382 -0.740 -0.5881.1260.453-0.142
0.424 -1.113 -0.100
-0.461
-0.026-0.404
-0.727 -0.030 -0.5820.3931.540 0.554
0.983 -0.594 -1.021
-0.893
-0.073 0.719
0.091 -0.030
-0.139
-0.068
（注：相关数据根据北京色诺芬信息服务有限公司提供的数据整理计算得出）
ST公司：设置信度=α=0.05；n=58，查表得μ
=1.64，
=-0.365724，Sn=0.6527834
置信上限为：-0.365724+1.64×0.6527834/
=-0.225
非ST公司：设置信度α=0.05；n=58，查表得μ=1.64，=.365759，Sn=.6978414
置信下限为：0.365759-1.64×0.6978414/=0.215
同样，对32组预测样本分别计算X[，1]、X[，2]、X[，3]、X[，4]、X[，5]、X[，6]、X[，7]、X[，8]、X[，9]，并对这些比率进行标准化处理后，计算其F值进行判别，结果如下：在ST公司中，有六家公司判断失误，误判率为18.75％；在非ST公司中，有三家公司判断失误，误判率为9.37％。
六、研究局限性分析
上述模型建立过程存在一定的局限性：（1）数据局限。本文所使用的财务数据是根据上市公司公开数据建立的，其前提是上市公司公布的财务数据必须是真实可靠的，但由于目前上市公司会计信息失真现象依然存在，企业财务数据存在被操纵的可能性，因此，对于那些刻意操纵财务数据的上市公司，本文建立的财务危机系统无法进行预警。（2）财务指标的局限。本文建立的财务预警系统主要是以财务指标作为输入变量进行判别和预警的，而财务指标又有其局限性，不能概括企业经营过程中的非财务因素。（3）研究范围的局限。本文针对上市公司进行研究，由于上市公司存在行业差别，模型的建立只能体现普遍性，具体到各行业的财务危机预警，还需要进一步修正，从而建立各行业的预警模型。
在后续研究中，我们认为应注意：在样本设计方面采用适当的方法对可能的误差进行修正；在数据条件具备的情况下，从多个角度如分行业、非上市公司等进行财务失败预测研究；在财务指标选取上，引入非财务指标构建更为全面的备择变量组。