財(cái)務(wù)危機(jī)是指企業(yè)明顯無(wú)力按時(shí)償還到期的無(wú)爭(zhēng)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(guó)內(nèi)外每年都有數(shù)以萬(wàn)計(jì)的企業(yè)因財(cái)務(wù)危機(jī)而倒閉。這種經(jīng)營(yíng)失敗，實(shí)質(zhì)上是企業(yè)缺乏財(cái)務(wù)風(fēng)險(xiǎn)防范能力，在財(cái)務(wù)風(fēng)險(xiǎn)面前顯得軟弱無(wú)力。本文基于此通過(guò)主成分分析方法運(yùn)用多個(gè)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(lái)臨前識(shí)別風(fēng)險(xiǎn)，對(duì)防范和處理我國(guó)上市公司財(cái)務(wù)風(fēng)險(xiǎn)具有一定的指導(dǎo)意義和實(shí)用價(jià)值。
1 文獻(xiàn)綜述
國(guó)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(kāi)創(chuàng)了單變量財(cái)務(wù)預(yù)警方法的先河。隨著對(duì)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(cè)企業(yè)財(cái)務(wù)困境。Beaver（1966）利用單變量模型預(yù)測(cè)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(guó)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(duì)象，其研究初期主要是對(duì)國(guó)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(cè)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(duì)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(yíng)運(yùn)資金/總資產(chǎn)，總資產(chǎn)利潤(rùn)率，留存收益/總資產(chǎn)。吳世農(nóng)、盧賢義（2001）在《我國(guó)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(ài)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(cè)企業(yè)財(cái)務(wù)失敗的模型——主成分預(yù)測(cè)模型，并對(duì)上市公司財(cái)務(wù)失敗的主成分預(yù)測(cè)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(duì)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(rùn)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(duì)t檢驗(yàn)來(lái)篩選公司處于和不處于財(cái)務(wù)危機(jī)時(shí)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(guò)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(gè)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(yíng)運(yùn)能力、償債能力等四個(gè)維度共18個(gè)變量來(lái)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(lái)源和樣本選擇 ①數(shù)據(jù)來(lái)源及選用。本文的數(shù)據(jù)來(lái)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(duì)檢驗(yàn)，以t-2年數(shù)據(jù)作主成分分析。②配對(duì)原則。在為ST公司選擇配對(duì)的非ST公司時(shí)，本文按照時(shí)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(gè)別確實(shí)無(wú)法準(zhǔn)確配對(duì)但具有重要意義的樣本除外的其他無(wú)法配對(duì)的樣本個(gè)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(duì)樣本t檢驗(yàn) 通過(guò)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(duì)20個(gè)指標(biāo)進(jìn)行顯著性分析，我們?cè)O(shè)定兩年的配對(duì)結(jié)果必須都在0.05的置信水平下通過(guò)配對(duì)t檢驗(yàn)，才能說(shuō)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(guò)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(dòng)比率、速動(dòng)比率等共11個(gè)可進(jìn)入下一階段的財(cái)務(wù)預(yù)警指標(biāo)。
3.2 主成分分析
3.2.1 基于初步篩選的11個(gè)指標(biāo)，再通過(guò)主成分分析提取信息（前4個(gè)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。
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。
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(gè)主成分的綜合表達(dá)式：
Y1=0.028*ZX1+0.424*ZX2+0.087*ZX3+0.408*ZX4+0.326*ZX5+0.300*ZX6+0.328*ZX8+0.303*ZX9+0.212*ZX16+0.381*ZX17-0.242*ZX18
Y2=-0.459*ZX1-0.209*ZX2+0.141*ZX3-0.296*ZX4+0.361*ZX5+0.427*ZX6+0.217*ZX8-0.284*ZX9+0.286*ZX16+0.002*ZX17+0.340*ZX18
Y3=0.299*ZX1-0.123*ZX2+0.805*ZX3+0.028*ZX4+0.089*ZX5+0.0001*ZX6+0.235*ZX8+0.157*ZX9-0.352*ZX16-0.039*ZX17+0.272*ZX18
Y4=0.261*ZX1+0.119*ZX2+0.003*ZX3+0.015*ZX4+0.012*ZX5+0.127*ZX6-0.399*ZX8+0.408*ZX9+0.566*ZX16-0.328*ZX17+0.385*ZX18
主成分Y1式各系數(shù)均在0.3-0.4之間，可見(jiàn)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(jiàn)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(duì)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(píng)價(jià)指數(shù)F，F(xiàn)是各綜合因子Y1、Y2、Y3、Y4的線性組合。F=■ki×Yi，其中ki=■為各主成分對(duì)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(duì)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(gè)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(huì)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(shí)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(duì)上述樣本進(jìn)行檢驗(yàn)，其檢驗(yàn)結(jié)果如表4所示。
檢驗(yàn)結(jié)果顯示，對(duì)于ST公司預(yù)測(cè)正確率為75.0%，對(duì)于非ST公司的預(yù)測(cè)結(jié)果為87.5%，兩者綜合正確率為81.3%。說(shuō)明預(yù)警模型有較好的預(yù)測(cè)性，能較好地預(yù)測(cè)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(guò)配對(duì)t檢驗(yàn)過(guò)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(shí)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(shí)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(duì)時(shí)沒(méi)有對(duì)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(jiǎn)單判定是否將會(huì)有財(cái)務(wù)危機(jī)而無(wú)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(rùn)不為負(fù)，也有可能存在某些隱患征兆，而我們只對(duì)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。
參考文獻(xiàn)：
[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(cè)的實(shí)證分析[J].會(huì)計(jì)研究，1999（4）.
[4]吳世農(nóng)，盧賢義.我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J].經(jīng)濟(jì)研究，2001（6）.
[5]張愛(ài)民，祝春山，許丹健.上市公司財(cái)務(wù)失敗的主成分預(yù)測(cè)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(xiǎn)評(píng)價(jià)模型[J].財(cái)會(huì)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.
