
石化行業(yè)財務危機預警模型對石化企業(yè)規(guī)避財務風險,控制財務運行具有重要意義。本文以石化企業(yè)上市公司為樣本,設計財務危機預警模型。
建立一套合理有效的財務危機預警模型對公司管理者、投資者和市場監(jiān)管者及時識別并規(guī)避財務風險具有重要現(xiàn)實意義。研究表明,財務風險具有行業(yè)特性。石化行業(yè)是我國國民經(jīng)濟發(fā)展中重要的基礎行業(yè)之一,為此,本文以石化行業(yè)上市公司作為對象研究財務危機預警模型。
一、文獻回顧
財務風險預警研究始于Fitzpatrick(1932)、Beaver(1966)等人用單變量法分析企業(yè)財務風險。其后,學者Altinan(1968)和Blum(1974)等采用多變量分析方法來建立企業(yè)的財務危機預警模型,Ohison(1980)和Zmijewski(1984)等采用Logistic回歸分析研究方法構(gòu)建企業(yè)的財務預警模型,隨后又跨越到人工智能模型階段。與國外相比,我國關(guān)于企業(yè)財務預警方面的研究起步較晚,相關(guān)研究是從20世紀80年代末開始的,且其研究的對象主要集中在上市公司。陳靜(1999)用單變量判別分析和多變量判別分析方法做了實證分析,得出在宣布日前一年總的準確率分別為100%和85%。吳世農(nóng)、盧賢義(2001)建立Fisher線性判定分析、多元線性回歸分析和Logistic回歸分析三種預測財務危機的模型,研究結(jié)果發(fā)現(xiàn)logistic回歸模型的誤判率最低。目前,國內(nèi)越來越多的學者嘗試運用人工智能模型進行財務預警,但統(tǒng)計方法因其較強的操作性和可理解性,仍被廣泛的應用于財務預警中。
主成分分析是一種通過降維來簡化數(shù)據(jù)結(jié)構(gòu)的方法,這種方法由Pearson(1904)首先使用,以后經(jīng)Hotelling(1933)、Cooley和lohnes(1971)、Kshirsagar(1972)、Morrison(1976)和Mardia、Kent&Bibby (1979)發(fā)展和成熟起來。其優(yōu)點是可以對觀測樣本進行分類,并根據(jù)各因子在樣本中所起的作用自動生成各因子權(quán)重,簡化實測指標系統(tǒng),具有很強的可操作性。因此,本文在吸收主成分分析法優(yōu)點的基礎上,建立了以石化行業(yè)為例的多重截面的主成分分析的財務危機預警模型。
二、研究設計
(一)樣本的選擇
本文從2008-2012年滬深兩市A股市場上石化行業(yè)首次被ST及*ST的37家上市公司界定出26家作為財務危機公司的研究樣本。然后通過資產(chǎn)規(guī)模、上市時間相近等原則,按照1:1的比例進行逐一配對,得到相應的財務健康公司26家作為配對樣本。再將52家公司平均分成訓練樣本26家(其中危機公司13家,健康公司13家)和檢測樣本26家。定義財務危機公司被ST或*ST時為T年,本文選取其T-2、T-3、T-4、T-5年內(nèi)的比率數(shù)據(jù)進行分析。財務數(shù)據(jù)均來自瑞思數(shù)據(jù)庫(www.resset.com)。
?。ǘ┲笜诉x取
在財務危機研究中,變量指標的選取通常沒有一個統(tǒng)一的標準。本文借鑒前人的研究成本并在其基礎上進行適當?shù)难a充,遵循全面性、有效性和可操作性原則,選取涵蓋公司盈利能力、償債能力、成長能力、營運能力、現(xiàn)金流量和資本結(jié)構(gòu)六個方面的22個財務指標,具體指標見表1。
(表略)
(三)模型的構(gòu)建
主成分分析法(因子分析法)的基本思想是將實測的多個指標,用少數(shù)幾個潛在的相互獨立的主成分指標(因子)的線性組合來表示,構(gòu)成的線性組合可反映原多個實測指標的主要信息。主成分分析法的一般模型為:
(表略)
其中,X1,X2,...Xn為實測變量;aij(i=1,2,...,m;j=1,2,...,n)為因子荷載;Fi(i=1,2,...,m)為選擇確定的m個主成分因子;Ki(i=1,2,...,m)為主成分因子的權(quán)重(即第i個因子的貢獻率);F是公司財務狀況的預測值。
三、實證結(jié)果與分析
?。ㄒ唬┟枋鲂越y(tǒng)計
1.均值對比分析。將選定訓練樣本的13家財務危機公司和13家配對的健康公司分成兩組,然后分別計算兩組22個財務指標在被ST的前四年的均值,然后利用EXCEL的折線圖將均值的對比情況描述出來,具體的變化詳見圖1。從折線圖我們可以看出,ST公司和非ST公司的各項財務指標的平均值的變化趨勢不一致,有以下規(guī)律:第一,隨著ST年份的臨近,ST公司和非ST公司部分財務指標的差異逐漸明顯,折線圖上二者之間的距離逐漸擴大,因而得出結(jié)論:指標具有較好的預測效果,如凈資產(chǎn)收益率、資產(chǎn)報酬率、流動比率、速動比率、經(jīng)營凈現(xiàn)金流量/負債比率、每股收益增長率、應收賬款收益率、銷售現(xiàn)金比率、股東權(quán)益比率等。第二,兩類公司多數(shù)的財務指標變動曲線可以分開。例如,若非ST公司的指標在ST公司指標變動曲線的上方,則這類指標就是正指標,如凈資產(chǎn)收益率、總資產(chǎn)報酬率、每股收益增長率、凈利潤增長率、總資產(chǎn)增長率、應收賬款周轉(zhuǎn)率等。若非ST公司的財務指標變動曲線在ST公司的下方,這類指標就是逆指標,如資產(chǎn)負債率、固定資產(chǎn)比率等。也存在兩類指標互相交叉的情況,如流動比率、凈利潤增長率、存貨周轉(zhuǎn)率、銷售現(xiàn)金比率等。
(表略)
為了進一步挖掘配對樣本之間的差異性,本文使用SPSS16.0統(tǒng)計軟件分別計算危機公司和健康公司的22個財務指標T-2、T-3、T-4、T-5四年的均值及標準差,并將它們的均值與標準差相減進行比較。得出,健康公司與危機公司在均值上存在顯著的差異,健康公司的財務指標中除存貨周轉(zhuǎn)率(X13)、資產(chǎn)負債率(X20)、固定資產(chǎn)比率(X21)的均值比危機公司小,其余的財務指標的均值均比危機公司大。且非ST公司樣本組的盈利能力、成長能力、現(xiàn)金流量等指標明顯高于ST公司樣本組的對應指標。從標準差的對比中可以發(fā)現(xiàn),財務指標中標準差的差值大部分為負數(shù),說明ST公司樣本組的被ST前四年的均值波動要大于非ST公司樣本組。
由均值和標準差對比分析可知,危機公司與健康公司的財務指標存在顯著的差異,當某個公司的多個財務指標有明顯的下降趨勢且波動較大時,表明該公司存在財務危機的可能。但是,均值對比分析是基于各指標的平均值來進行的,因此不可避免地存在極端值造成指標均值差異的可能,所以我們只能夠依據(jù)均值分析進行粗略的估計。
2.非參數(shù)Wilcoxon秩和檢驗。為從統(tǒng)計上檢驗選取的變量在危機公司樣本組和健康公司樣本組之間是否存在顯著的差異,我們應用非參數(shù)Wilcoxon Mann-Whitney檢驗法對兩組樣本22個財務指標進行統(tǒng)計檢驗。通過檢驗得到,在企業(yè)發(fā)生財務危機的前四年內(nèi),在顯著性水平為0.1時,通過顯著性檢驗的,T-5年、T-4年、T-3年、T-2年依次有5個、5個、10個、12個指標。由此可見,距離財務危機發(fā)生的時間越近,危機公司與健康公司財務指標之間的差異性就越大,這說明危機的發(fā)生可能存在一定的時序漸進性。
(二)主成分分析模型
主成分分析之前,先需要檢驗數(shù)據(jù)是否適合做主成分分析。根據(jù)KMO和Bartlett’s檢驗結(jié)果,發(fā)現(xiàn)T-2、T-3、T-4、T-5年KMO值依次為0.611、0.559、0.808、0.426,Bartlett’s檢驗P值均為0.000,小于0.001的檢驗水平,拒絕單位相關(guān)性的原始假設,故可知適合做主成分分析。因此,運用SPSS16.0軟件依次對T-2、T-3、T-4、T-5年的具有顯著性差異的指標變量進行主成分分析。通過方差最大化旋轉(zhuǎn),在滿足特征值大于1的前提下,提取主成分因子。具體情況見表2。通過旋轉(zhuǎn)后的因子載荷矩陣可對主成分因子進行解釋,由統(tǒng)計結(jié)果可知:T-2年的第一個因子主要解釋了X1、X2、X3、X4、X9、X11幾個變量,可解釋為公司的盈利能力和成長能力;第二個因子主要解釋了X5、X20、X22幾個變量,因此F2主要代表公司的資本結(jié)構(gòu)狀況;第三個因子由變量X8、X17、X19貢獻最多,故F3可解釋為現(xiàn)金流量狀況。以此類推,各年的主成分因子的含義如表2所述。在確定了各主成分的經(jīng)濟含義后,可根據(jù)因子得分系數(shù)矩陣建立各個主成分關(guān)于原始財務比率的線性表達式。同時,根據(jù)統(tǒng)計結(jié)果中各個主成分的貢獻率,可以得到主成分預測函數(shù)。
(表略)
(三)各年預測結(jié)果的比較
將訓練樣本和檢測樣本的數(shù)據(jù)進行標準化處理,然后將各年標準化數(shù)據(jù)代入危機前四年所建立的主成分分析模型的預測表達式中,計算F值。根據(jù)誤差最小化原則,確定各年F值的臨界值,從而進行預測準確率的計算。其中危機公司判定為健康公司為一類誤判;健康公司判定為危機公司為二類誤判,得到訓練樣本和檢測樣本的預測準確率的結(jié)果見表3、表4。從表中可以看到各個年度訓練樣本的預測準確率均高于檢測樣本,說明訓練樣本對預測模型的擬合程度較高,且T-2年主成分分析模型的綜合預測準確率訓練樣本達到93.50%,檢測樣本達到82.50%,高于T-3年和T-4年主成分分析的結(jié)果,而T-3年和T-4年的預測準確率差別不大。由此可見,危機到來前兩年的數(shù)據(jù)預測效果較好?!?br />
四、結(jié)論及局限
本文選取石化行業(yè)上市公司中配比的危機公司和健康公司作為研究樣本,選取22個財務指標作為指標變量。從各年度的主成分分析表達式中可以歸納出,企業(yè)的盈利能力以及現(xiàn)金流量狀況是影響石化行業(yè)企業(yè)是否會陷入財務危機的關(guān)鍵性預警因素。此外,本文選取石化行業(yè)上市公司被ST前四年的數(shù)據(jù)建立多重截面的主成分分析模型,實證結(jié)果表明T-2年主成分分析模型的預測準確率是最高的,明顯高于T-3和T-4年的模型。但本文的預測準確率整體上并不是很高,主要存在以下因素:(1)大部分財務危機預警的研究均選擇了T-1年的數(shù)據(jù),而上市公司在T年是否被特別處理是由其T-1年財務報告的公布決定的,因此,T-1年預測模型即使有很高的預測精度,在實際預測中也沒有太大的應用價值。(2)財務指標的局限。本文建立的財務預警系統(tǒng)主要是以財務指標作為輸入變量進行判別和預警,而財務指標又有其局限性,不能概括企業(yè)經(jīng)營過程中的非財務因素。(3)樣本量的局限。根據(jù)數(shù)理統(tǒng)計的大數(shù)定理,評價樣本的數(shù)量越大,協(xié)方差矩陣就越趨于穩(wěn)定,主成分分析的準確性就越高。而本文選取了2008-2012年5年間石化行業(yè)被ST的26家上市公司為危機樣本,樣本量相對較小。