基于修正后因子分析法和杜邦分析法的海洋公园财务预警系统

1、海洋公园财务预警系统摘要：本文将从数学方法和财务方法分别为海洋公园建立财务预警系统，并提出问题和建议。第一，我们从数学方法主要以降维为目标挖掘数据和特定指标，建立三维财务预警系统。财务状况反映运行状况，运行状况体现在财务数据上，为直观反映海洋公园运行状况，本文通过对14年来海洋公园财务数据及指标进行处理分析，建立了基于因子分析法下动态加权的海洋公园财务预警系统，跨越时间及空间实现三维财务分析，较好地为海洋公园提供内部及外部的问题及相关建议。通过对部分论文的研读和对实际数据进行共线性分析，发现多个传统财务指标存在着严重的共线性关系，因此用SPSS软件对一级指标进行Person相关性分析，结合相关

2、论文，我们得出“没有必要对每个财务指标进行分析”的结论，剔除相关性大的相关指标，然后对剩余的指标数据进行无量纲化处理消除量纲实现标准化，再进行因子分析法实现降维，提取代表所有信息90%以上的因子，对狭义孤立的年份计算因子得分和总得分再进行比较，但考虑到财务数据是时间序列，运用修正后的动态加权法和结合香港GDP增速对广义的时间段进行评分分析，从而在时间上建立了基于因子法下动态加权修正后的财务预警系统，通过查阅相关数据，引用香港迪士尼相关数据代入系统，可以实现跨越时间空间的三维财务预警系统，为海洋公园更直观地提供了内部和外部信息。第二，从财务的角度，利用已经相应的指标代入杜邦分析法，针对财务数据呈

3、现的趋势并结合因素分析法对其进行改善。第三，通过MATLAB运用GM(1，1)模型对海洋公园相关指标进行短期预测并进行检验，经检验得预测精度较好，相对误差小。最后，结合数学方法和财务方法建立的财务预警模型，我们对海洋公园在财务上体现的问题作出了归纳并提出来相关建议。关键字：因子分析法 动态加权法 三维财务预警系统 杜邦分析法 因素分析法 GM（1,1）44一问题重述通过海洋公园不同年份财务数据分析其运行状况，提出相关建议。二问题分析首先，分析企业财务状况，不能局限于已有的数据，这样存在“滞后性”，而现代企业更注重的是“前瞻性”，因此，建立一个时间上二维财务预警系统对内部财务状况进行分析是必须的

4、，其次由于现代企业受外力影响很大，因此对二维财务预警系统进行修正变为三维财务预警系统，让企业可以通过该系统发现内部问题和外部差距，更有利于促进企业的发展。而根据已有的杜邦分析法，再结合因素分析法，分析三个因素变化对ROE的影响变化，较好地量化影响值，为海洋公园提供导致ROE变动的指标和影响较大的指标。三假设1. 假设在统计年鉴及财务报表伤所查数据准确2. 假设处理数据时没有失误四符号说明符号说明加权因子时间为离散时评价活动的离散数财务系统得分五系统建立及求解5.1系统建立5.1.1.定义准备（财务危机）国外：主要把财物危机定义为企业履行义务受阻时候的状况，主要表现为流动性不足、债务拖欠、权益不

5、足和资金不足四种形式国内：许多学者也发表了自己的看法。谷祺和刘淑莲（1999）把财务危机定义为一种经济现象，即企业到期无力债务或支付费用，包括从资金管理的技术性失败到破产，以及处于两者之间的各种情况。由于资金管理的技术性失败而导致的支付能力不足，一般是暂时的和比较次要的困难，通常可以采取一定的措施来加以补救，如通过协商，以求得债权人让步，争取延长偿债期限，或者通过资产抵押等借新债还旧债。姜秀华和孙铮(2001)通过实证分析认为，公司治理的弱化是上市公司发生财务危机的重要因素，而财务危机反过来是公司治理弱化的财务表现，财务危机和治理弱化存在着辨证的关系。这些定义不仅考虑了财务因素，还把公司治理等

6、非财务因素也融入进来。王艳（2007）认为财务危机有广义和狭义之分。广义的财务危机是指在企业生产经营的过程中由于各种不利因素所导致的企业财务失败和经营失败，例如：企业不能够按时地收回应收的投资款和销货款、不能够按期偿还债务的本金和利息、不能够有效地降低成本费用（包括税金）、不能够达到预期的销量和销售额、不能够获取新的借款或者延长原有的借款期限、不能够获取预期的收益、不能够有效地控制企业的现金流量等等。狭义上的财务危机是指企业丧失偿付能力中最为严重的情况，即所谓的“资不抵债”，最终导致企业未能到期清偿债务而导致破产。5.1.2指标筛选及数据处理5.1.2.1指标选取：在对企业财务危机进行实证研究

7、的文献中，绝大部分是以财务指标作为因变量，即使引入了非财务指标，也是以财务指标为主。朱家安和陈志斌（2007）通过对 1995 年到 2005 年间 13 本期刊进行实证研究，发现被引用最多的财务指标有资产负债率、资产净利率、流动比率和总资产周转率等。 5.1.2.2指标筛选首先我们通过计算得出四个一级指标：短期偿债能力，长期偿债能力，运营能力和运营能力，在四个一级指标下面有十五个二级指标，如图所示：短期偿债能力速动比率负债比率流动比率现金流量比率现金比率长期偿债能力资产负债率产权比率权益乘数负债权益盈利能力毛利率纯利率净资产收益率（roe）运营能力非流动资产周转率流动资产周转率总资产周转率表

8、格 15.1.2.3数据处理A.共线性分析分析通过相关论文12和图1的共线性分析可得，部分财务指标存在着严重的共线性，因此需要进行相关性分析以降低干扰（仅拿短期负债做例子），即没有必要对每个财务指标进行分析。非标准化系数标准系数tSig.共线性统计量B标准 误差试用版容差VIF(常量).095.0342.792.068负债比率-.023.004-.038-6.442.008.4982.007流动比率.940.027.96435.171.000.02343.015现金流量比率-.122.012-.060-9.868.002.4732.115现金比率.055.024.0582.339.101.02

9、835.829表格 2以速动比率为因变量，给出线性回归方程中回归系数的估计值和共线性统计量， 表中除了现金流量比率和负债比率，其他变量容忍度都小于0.1，并且其方差膨胀因子VIF 都大于10，说明速动比率和流动比率，现金比率之间存在严重的共线性，因此，在进行指标处理时我们需要对其相关性做Person相关性检验分析。B进行person相关性分析由于变量设立的原因，可能会使得变量之间可能存在多重共线性，所以接下来将对所有解释变量进行 Pearson 相关性检验，以判定本文的解释变量之间多重共线性严重程度，以及解释变量之间的相关程度及符号。 短期负债比率相关性速动比率负债比率修正后流动比率修正后现金

10、流量比率现金比率速动比率Pearson 相关性1.571.999*.674.979*显著性（双侧）.139.000.067.000N88888负债比率修正后Pearson 相关性.5711.584.767*.459显著性（双侧）.139.128.026.253N88888流动比率修正后Pearson 相关性.999*.5841.702.979*显著性（双侧）.000.128.052.000N88888现金流量比率Pearson 相关性.674.767*.7021.653显著性（双侧）.067.026.052.079N88888现金比率Pearson 相关性.979*.459.979*.6531

11、显著性（双侧）.000.253.000.079N88888*. 在 .01 水平（双侧）上显著相关。*. 在 0.05 水平（双侧）上显著相关。表格 3由表中可以看到，速动比率和流动比率，现金比率高度相关，流动比率和速动比率和现金比率高度相关，负债比率由于和后文的资产负债率一样，故没有比较意义，可舍去，为方便运算，在数据处理适剔除速动比率，现金比率和负债比率。长期偿债长期负债能力中，指标关系如下，由于其他指标可以通过资产负债率得到，故只用资产负债率作为代表指标盈利能力 各个指标相关性如下相关性毛利率纯利率净资产利润率（roe）毛利率Pearson 相关性1.118.378显著性（双侧）.781

12、.356N888纯利率Pearson 相关性.1181.959*显著性（双侧）.781.000N888净资产利润率（roe）Pearson 相关性.378.959*1显著性（双侧）.356.000N888*. 在 .01 水平（双侧）上显著相关。表格 4可以看出，roe和纯利率相关性很大，由于roe是杜邦分析的最终指标且分析纯利率和毛利率可以看出费用大小，因此不剔除净资产利润率运营能力相关性非流动资产周转率流动资产周转率总资产周转率非流动资产周转率Pearson 相关性1.816*.971*显著性（双侧）.001.000N121212流动资产周转率Pearson 相关性.816*1.926*显

13、著性（双侧）.001.000N121212总资产周转率Pearson 相关性.971*.926*1显著性（双侧）.000.000N121212*. 在 .01 水平（双侧）上显著相关。表格 5由上可知，指标两两之间相关性很大，因此取总资产周转率代表运营能力5.2系统求解5.2.1二维财务预警系统建立和求解由于变量之间存在一定的共线性，因此在接下来的研究中，本文选用因子分析法来降维。该方法是通过将多个存在相关关系的变量通过线性变换，来选出较少个不相关的重要变量的一种多元统计方法。在实际中，为了能够做到全面地分析问题，通常会设定许多个与实际问题相关的变量，因为每个变量都或多或少地包含与这个问题有关

14、的某些信息。然而，在运用数理统计的方法来研究问题时，变量的数量越多，问题的复杂性就越大。通常在很多情况下，每个变量之间都是存在一定的相关关系 的，如果某两个变量之间存在一定的相关关系时，我们就会认为这两个变量在反映所研究问题的信息时存在重叠。因子分析法的原理是通过对原先设定的变量进行线性组合，通过去除重复信息来建立较少的新变量，从而使得这些新变量是两两不相关的，但仍尽可能保持原有信息。 关于因子分析，这里用最简单的三维数据来直观的解释主成分分析的原理。假设现在有两个变量X1、X2，在坐标上画出散点图如下：图 1可见，他们之间存在相关关系，如果我们将坐标轴整体逆时针旋转45°

15、，变成新的坐标系Y1、Y2，如下图：图 2根据坐标变化的原理，我们可以算出：通过对X1、X2的重新进行线性组合，得到了两个新的变量Y1、Y2。此时，Y1、Y2变得不再相关，而且Y1方向变异（方差）较大，Y2方向的变异（方差）较小，这时我们可以提取Y1作为X1、X2的主成分，参与后续的统计分析，因为它携带了原始变量的大部分信息。至此我们解决了两个问题：降维和消除共线性。对于三维以上的数据，就不能用上面的几何图形直观的表示了，只能通过矩阵变换求解，但是本质思想是一样的。5.2.1.1无量纲化处理由上可知，我们取出四个一级指标，再通过剔除相关性较强的指标后，选取代表性较强的二级指标短期负债流动比率修

16、正后现金流量比率长期负债资产负债率修正后盈利能力毛利率纯利率运营能力总资产周转率表格 6在进行因子分析前，需要对各个指标的数据进行修正1.流动比率基准值是2，因此对所有数据进行abs（x-2）的处理2.负债比率是极小型指标，因此取倒数化为极大型指标3.资产负债率是区间型指标，发达国家的大型企业在50%-70%之间，因此对数据进行如下处理： 再对所有指标进行无量纲化处理，得到Z流动比率修正后Z现金流量比率Z资产负债率Z毛利率Z纯利率Z总资产周转率20070.9999365420.88304200.5249270.8807571200810.7511790.2226850.63712110.551

17、5226912009000.22268500.2915990.09840594120100.8859936770.3027110.2331780.117861020110.3936020630.3776790.9883060.4827420.1245830.04971240220120.97161500910.9849160.82366300.24915901120130.0477158090.7947370.99814610.0246820.398213719表格 75.2.1.2二维财务预警系统求解将表3无量纲后的数据代入SPSS中进行因子分析，结果如图7，图8公因子方差初始提取Z流动比率

18、修正后1.000.999Z现金流量比率1.000.986Z资产负债率1.000.975Z毛利率1.000.975Z纯利率1.000.930Z总资产周转率1.000.951提取方法：主成份分析。表格 8可以看到，提取每个指标的百分比基本都是93%以上，效果明显解释的总方差成份初始特征值提取平方和载入旋转平方和载入合计方差的 %累积 %合计方差的 %累积 %合计方差的 %累积 %13.02750.45650.4563.02750.45650.4562.49941.65441.65422.03633.93984.3962.03633.93984.3962.14835.79577.4493.75312

19、.54296.938.75312.54296.9381.16919.48996.9384.1332.21599.1535.051.84299.9956.000.005100.000提取方法：主成份分析。表格 9可以看出，前三个特征值累计贡献率已达95%以上，很好地阐述了整个样本总体旋转成份矩阵a成份123Z流动比率修正后.197.184.962Z现金流量比率.144.917.352Z资产负债率-.965.208-.015Z毛利率-.145.977-.003Z纯利率.913.001.310Z总资产周转率.808.525.149提取方法 :主成份。 旋转法 :具有 Kaiser 标准化的正交旋转法

20、。a. 旋转在 4 次迭代后收敛。表格 10可以看到，第一个因子主要代表了资产负债率，纯利率和总资产周转率，我们称作为流动盈余因子，第二个因子主要代表了现金流量比率，毛利率，因此可以称作为宏观指标因子，而最后一个指标称为流动比率因子，而随着数据的增多，因子代表的指标越趋稳定，系统也会越趋稳定。然后根据旋转成分矩阵的比率和方差代表率给每个因子算分并算出不同年份总分年份2007200820092010201120122013流动盈余因子1.8601631.356530.131-0.67-0.74-0.53-0.64宏观指标因子2.032471.832210.0980.8771.1222.2362.

21、131资产流动性因子1.693231.6130.10170.980.5411.3070.375总分1.890231.5840.1130.230.2060.8590.587表格 11图 3图 4先看总分，我们可以看到，海洋公园狭义上每年的得分在2007-2008年处于最大值，而2009-2011年分值受到金融危机的影响，得分较低且不稳定，到了2012年有了起色，而到了13年得分又下降了。但我们不能只看总分，再分析三个因子，且进行对比（如毛利率和纯利率越大则说明费用越大）我们可以看到，例如13年分数突然降低是因为资产流动性因子分数突然降低，我们揣测，在2013年海洋公园进行了扩建而导致负债大大增加

22、。由于受到金融危机和时间滞后性及竞争对手影响，我们可以看到在09年之后，海洋公园资金周转力度和盈余力不是很好，同时，根据相关资讯可知，海洋公园也在进行扩建，因此，为了摆脱困境，资金流动速度降低，盈余减少也是情理之中；所以我们也会看到宏观指标因子上海洋公园是比较出色的，说明付出的费用所“牺牲”的纯利率导致毛利率也即是整体收入是增加的。因此我们可以从系统的得分中得出这样的结论：受到不利影响香港海洋公园采取了积极的措施，增加费用，虽然降低了毛利率和资产周转率，但是有效地提高纯利率，做到了未雨绸缪的作用。同时也可以说明系统的合理性。5.2.1.3系统修正加入动态加权法由于时间带有滞后性及香港报表特殊性

23、（年中为始末点，如2006.6.30-2007.7.30是一个年度报表的时间区间），不能广义地给某段年份的因子进行评分，为了给解决这个问题，在此引入动态评价的二次加权法34来进行动态评价。对于离散型数据，总分其中为时间因子，为加权因子，可有拉大差距法得到，而由周建伦先生指出，权因子可以简单地取。k表示为时间为离散时评价活动的离散数，而本文取k=2做二次加权法，加权法的一个重要思想就是“博古厚今”，突出时间的作用，就是认为越是接近目前对应的权重就应该越大。在一定程度上，能够较好的解决一部分地区本身基础较高发展缓慢甚至倒退，但在单一年的综合评价值不能较好的表现出来的情况，而由于香港的财务报表制作方

24、式遵循的是国际会计准则IAS（IFRS)，年度报表的始末点为年中，如2006-2007年度报表起点为2006年6月30日至2007年6月30日，因此简单地用二次加权法“厚古薄今”的思想是不合理的，本文选择二次加权均值化处理，即要评价2007年的得分，时间因子t=1，而加权因子，作为2007年时间段广义上（2006.6.30-2008.6.30）的得分，即可得出进行处理后的年份和表现得分如下：修正前排名分数年份11.823848200721.691075200830.816213201240.500104201350.287724201160.272618201070.1309332009表格

25、12对于修正前的数据，是狭义的以一年为区间的评分，如评价2007年只能参考以2006.6.30-2007.7.30为时间区间为报表，是不合理的。修改后总分和单个因子得分（由于每个因子权重不同，因此因子得分进行二次加权之后的和和总分进行二次加权之后的数值大小不一样）排名分数年份15.727686200722.797474200832.384962201241.756606201150.721396201060.5677792009表格 13图 5年份200720082009201020112012流动盈余因子5.8361078932.496814-0.91751-2.83428-3.2166-3

26、.33057宏观指标因子5.6420305923.7057611.9996994.7709537.4835238.689654资产流动性因子5.9700711962.8973451.8093332.4684083.01442.898131表格 14图 6修改后可以看到，基本趋势是和上面狭义单一年份是一致的，但是差别拉大了，问题也更加凸显起来。我们可以明显看出，在2007-2008年三个因子得分虽然降低，但是是比较均衡的，金融危机过后，在2010年我们可以看到流动盈余因子是继续下降的，这说明费用不断增加，海洋公园财务了积极的措施借贷翻新设备增加吸引力，措施是及时到位的，采取增加费用刺激毛利率和运

27、营资金流的方法，增强自身造血能力，但是需要注意随后几年资金流动性和费用（贷款利息）的增加。根据相关文献56可知，GDP和旅游收入存在高度的正相关关系，中国统计局查到香港2007-2012年GDP增长率和排名如下：排名地区中国香港12010年6.7922007年6.4632011年4.8542008年2.1352012年1.562009年-2.46图 7由于香港报表制作的特殊性，在分析的过程中带来一定困难，如2010年GDP增长率高居第一是因为经历了2009年金融风暴后海洋公园重新发展，但实际上其财务得分也仅仅高于2009年，因此在分析财务状况时应考虑大背景去挖掘数据。 结合GDP增长和海洋公园

28、财务预警系统得分，我们可以看出，2007年得分和GDP增速都是比较好的，而2009年经历了金融风暴后，虽然香港GDP快速回升，但是海洋公园发展仍然缓慢，说明海洋公园的财务状况增长速度和香港整体经济运行水平速度相符，需要调整优化。5.2.3三维财务预警系统把迪士尼的数据也拉进来之后我们可以看看不同年份两个公园的分数比较首先，还是对不同年份不同地区同一指标进行无量纲化，结果如表9。海洋公园20070.9999430.8921430.275910.7663660.9593340.7221473731200810.7705410.4371540.82154210.9575915620.80669320

29、090.1024510.0778140.4371540.5082150.7584070.7659478680.41026920100.8976740.35696910.6228880.6991560.788395970.33781820110.4557280.4261040.9915330.745620.70144810.34368620120.97452310.9890780.913280.6589610.9685762310.33299820130.1452780.8107090.99865710.6673780.9704596870.357573迪士尼20110.1186420.0982

30、290.073435000020120.07605500.0274170.2483420.3763430.1900625110.327862201300.29682900.4952440.5738650.2899099210.445873提取公因子内容如图10所示，基本都大于90%，且最小值大于80%，代表性好。公因子方差初始提取Z流动比率修正后1.000.877Z现金流量比率1.000.963Z资产负债率1.000.979Z毛利率1.000.976Z纯利率1.000.847Z总资产周转率1.000.973提取方法：主成份分析。表格 15解释的总方差成份初始特征值提取平方和载入旋转平方和载入合

31、计方差的 %累积 %合计方差的 %累积 %合计方差的 %累积 %13.31355.22255.2223.31355.22255.2222.18136.34336.34321.64127.35082.5721.64127.35082.5721.81330.21266.5553.66011.00793.579.66011.00793.5791.62127.02493.5794.3255.41298.9915.054.90599.8966.006.104100.000提取方法：主成份分析。表格 16旋转成份矩阵a成份123Z流动比率修正后.292.879-.136Z现金流量比率.885.361.22

32、2Z资产负债率.548.240-.788Z毛利率.926.319-.128Z纯利率.295.842.225Z总资产周转率.259.201.930提取方法 :主成份。 旋转法 :具有 Kaiser 标准化的正交旋转法。a. 旋转在 4 次迭代后收敛。表格 17从图11得出，进行因子分析后，前三个因子已经解释了所有变量93%以上的内容，较好地说明了数据的信息。且随着样本的增加，整个系统降维的准确性也会增加。于是我们也可以仿照二维财务预警系统做出三位财务预警系统关于迪士尼和海洋公园各因子得分和总分的比较。同理进行处理因子分析实现降维和进行二次加权法（由于迪士尼数据不足，故放弃动态加权分析），并得出狭

33、义年份分数和总分。结果如下所示。流动盈余因子宏观指标因子资产流动性因子总分海洋公园20072.4060134092.4754840870.8963185041.99246820120082.3577604852.4586756420.3303244231.80485242420090.8872057970.936734453-0.1667499160.59883191620101.7425097921.760568297-0.7800278121.01987466420111.8462857441.493389377-0.6768171061.00372452420122.7295272442

34、.170873679-0.4705806331.62502990220132.4953171371.516260869-0.2899221821.374899572迪士尼20110.1388590120.2038850830.2392336440.18883915420120.7987264360.6418731150.4899532480.6589179420131.1664644080.7929297470.6849256450.90680858表格 18图 8海洋公园三个因子得分（为何迪士尼比较，特抽出2011-2013年对比）：图 9我们可以看到，09年的金融危机让海洋公园一落千丈，在

35、此之后，海洋公园采取合理的措施，在2010年出现了拐点，也就是说在2010年海洋公园的费用是增加的，但是挽救了整体下降趋势，所以在2010年后费用减少了（但仍然比较大），但是流动盈余因子和宏观指标因子仍然不稳定，说明海洋公园因为费用内部费用增加和外部竞争对手冲击经营状况仍然处于不稳定的状态。图 10迪士尼三个因子得分：图 11虽然历史和面积等都不及海洋公园，但是迪士尼三个因子比较均衡且得分一直在增加，且反应毛利率为主的宏观指标因子迪士尼在追赶了海洋公园（这也和海洋公园历史悠久需要不断增加费用实现机器更新吸引游客有关），于是，内部如何解决庞大费用，外部怎么实现双赢目标而不是恶性竞争会成为迪士尼和

36、海洋公园未来发展的目标5.2.4杜邦分析法5.2.4.1系统建立因为我们可以分析销售净利率，总资产周转率和权益乘数的变化从而分析roe的变化，为了衡量每个指标对roe影响的大小，本文引入因素分析法对不同年份指标对roe影响度进行分析。5.2.4.2系统求解下面是不同年份roe及三个指标的大小年份净资产收益率权益乘数销售净利率总资产周转率20060.1427659191.120051090.2148839760.59317478420070.1351372671.707163140.2027218930.39048059120080.138497972.192489850.2214169820.

37、28529547920090.062838573.180804280.1103525460.1790222420100.0529647334.086487530.0831137240.15594227620110.0659347554.67402760.0841675340.1676017420120.0675825974.877330720.0646352150.21437961120130.0712206054.169596860.0685049550.249338651表格 19因素分析法：例如，某一个财务指标及有关因素的关系由如下式子构成：实际指标：Po=Ao×Bo×

38、;Co;标准指标：Ps=As×Bs×Cs；实际与标准的总差异为Po-Ps,Po-Ps 这一总差异同时受到A、B、C三个因素的影响，它们各自的影响程度可分别由以下式子计算求得：A因素变动的影响：（Ao-As）×Bs×Cs；B因素变动的影响；Ao×（Bo-Bs）×Cs；C因素变动的影响：Ao×Bo×（Co-Cs）。最后，可以将以上三大因素各自的影响数相加就应该等于总差异Po-Ps。年份roe差权益乘数影响销售净利率影响总资产周转率影响2006-2007-0.007628650.074835508-0.012315886

39、-0.0701482732007-20080.0033607030.038417960.016005328-0.0510625852008-2009-0.07565940.062431095-0.100787542-0.0373029542009-2010-0.009873840.01789228-0.019927164-0.0078389532010-20110.0129700220.0076150740.00076810.0045868492011-20120.0016478420.002867921-0.0159666770.0147465992012-20130.003638007-0

40、.0098066940.003459070.009985632表格 20接下来是三个杜邦分析法中三个指标的分析：图 12图 13分析：首先我们看到，净资产收益率（roe）在08年后是一直下降的，到了2011年才稍微有起色而通过因素分析法和roe的公式我们可以分析三个因素变化对roe的影响。可以看到的是，销售净利率和总资产周转率几乎是一直起着反作用的，且两者在不同年份起的作用大小不一致，而在2010-2011乃至以后可以发现，三者的作用趋于一致且几乎是起着正作用，因此可以这么说，在09年后海洋公园的措施还是起到积极作用的，虽然2009-2011三年的负债率和变现能力都很不好，但是通过这种“卧薪尝

41、胆”让海洋公园从2011年开始实现了缓慢的增长，还是有很好的正面作用的。首先是权益乘数，如下表，我们可以看到基本资产增长率都是比负债增产率低的，和实际一样，因为相对负债比率而言资产比率增加速度慢，这会导致权益乘数不断增大，这里发现的问题是负债率高，是收到工程进度的影响导致资产比率增加速度慢2007-20082008-20092009-20102010-20112011-20122012-2013负债增长率0.96619810.94150350.39644640.22557290.01196981-0.044816资产增长率0.49745840.54019440.26762170.1776123

42、0.00061742-0.001087表格 21图 14接下来是销售净利润率，我们可以看到，在08年-11年这项指标对roe的影响是致命的反作用，从图中可以看到，基本上收入增长率是大于利润增长率的，因此销售净利润是一直下降的，说明成本增加，获利能力降低，这显然对一个企业而言是致命的，所幸在2011-2013年可以看到，虽然不稳定，但是“增加成本牺牲纯利率增加毛利率”的方向使得销售净利润还是有所增加的2007-20082008-20092009-20102010-20112011-20122012-2013收入增加0.094083-0.033530.1041970.265660.2798910.

43、161807利润增加0.19498-0.51832-0.168360.281707-0.017130.231365表格 22图 15最后是总资产周转率可以看到收入增长率在2010年左右超过了资产总额增长，这和二维财务预警系统得到的结论是一致的，在2009年后，海洋公园增加了成本费用，刺激了收入和总资产周转率，促进现金流，增加企业造血能力，从而影响权益系数和销售净利率从而影响ROE从而达到促进整个海洋公园进步。2007-20082008-20092009-20102010-20112011-20122012-2013收入增长率0.09408284-0.0335320.1041970.265660

44、.279891090.161807资产总额增长0.497458410.54019440.26762170.1776120.00061742-0.001087表格 23图 16结合起来可得：年份影响roe的一级指标（基于因素分析法）影响一级指标的二级指标（基于杜邦分析法）趋势2007-2008权益乘数（正向）总资产周转率（反向）资产增长率<负债增长率收入增长率<资产增长率负债较多，财务杠杆利益增加，财务风险增加，资产产生收入能力降低2008-2009权益乘数（正向）总资产周转率（反向）资产增长率<负债增长率收入增长率<资产增长率负债很多，财务杠杆数值很大，财务风险大，资产

45、产生收入能力降低2009-2010权益乘数（正向）销售净利率（反向）资产增长率<负债增长率利润增长率<收入增长率收入对净利润贡献率很低，成本费用增加，获利能力大大降低，负债增加，财务风险很大2010-2011权益乘数（正向）销售净利率（反向）资产增长率<负债增长率利润增长率<收入增长率收入对净利润贡献率不高，成本费用增加，获利能力大大降低，负债增加，财务风险增加（有下降趋势）2011-2012总资产周转率（正向）销售净利率（反向）资产增长率<收入增长率利润增长率<收入增长率收入对净利润贡献率很低，成本费用很多，获利能力低，资产获利能力增加2012-2013总

46、资产周转率（正向）权益乘数（反向）资产增长率<收入增长率负债增长率< 资产增长率资产获利能力增加（有下降趋势），收入对净资产贡献率较高，财务杠杆在危险的数值降低，降低财务风险因此，希望海洋公园做到的目标是：权益乘数起反方向作用（保持在一定数值，使财务杠杆造成的风险不那么大），总资产周转率起正向作用（当然也可以是反向，但是属于更新设备前期，此时资产造成的利润不明显），销售净利率起正向作用（实现费用减少，收入对净利润贡献大）5.2.5GM（1,1）预测为了平滑数据，本文引入GM（1,1）模型对收入，精英英语，资产净值和游客人数等几个相对重要的指标进行预测并进行检验和误差计算。年份收入预

47、测经营盈余预测资产净值游客人数2001367.410712.62802002385.339890.11418801.9129304.62142003441.4139105.6921865.7387329.7682004505.6479123.963934.6445356.99032005579.2292145.39231009.035386.45992006663.5178170.52611089.346418.36222007760.0721200.00471176.049452.89812008870.6768234.57931269.653490.28492009997.3766275.

48、13071370.707530.757920101142.514322.69221479.805574.572120111308.771378.47561597.585622.00320121499.221443.90221724.74673.349520131717.386520.6391862.016728.934520141967.298610.64122010.217789.108120152253.577716.20192170.214854.249120162581.514840.01092342.946924.767520172957.173985.22252529.426100

49、1.10720183387.4971155.5372730.7481083.749小误差概率p1111后验差比C0.1938160.3808920.3271320.25443348预测精度预测精度好预测合格预测精度好预测精度好表格 24通过检验，我们可以看出预测效果还是较好的，在正常情况下我们可以对海洋公园的未来收入，客流数做出较为精准的预测。而由于收入是由多个部分组成的，在这里仅仅利用过去收入总和数据对收入进行预测是不合理的，会导致数据过小，因此需要对每部分进行预测，结果如表14入场券收入商品收入餐饮服务收入其他收入分开预测直接预测实际2001286.143.323.214.8367.436

50、7.4367.42002324.250070233.99248628.6373920.24228046407.1222385.3398463.52003364.751333940.03599236.1112220.99952458461.8981441.4139428.32004410.311508947.15397145.5355821.78509648524.7862505.6479536.22005461.562491155.53745157.4195222.60005586597.1195579.2292613.42006519.215105165.41142672.4049423.44550208680.47