企业财务危机预警指标筛选探究-因子分析

企业财务危机预警指标筛选探究因子分析

论文导读:：选择合适的财务指标来描述预警模型对提高预测的精度至关重要。运用显著性分析和因子分析法，对企业财务危机预警的备选指标进行筛选，并选择了76家上市公司为样本进行实证研究。通过两次筛选，最终得到由7个预警指标组成的全面互斥的财务危机预警指标体系，为进一步的财务危机预警评价提供参考。

论文关键词：显著性分析，因子分析，财务危机，预警，指标筛选

一、引言企业财务危机预警问题的研究很早就引起了各方面的关注，国内外学者取得了丰富的成果。如Fitzpatrick[1]和Beaver[2]提出单变量模型，美国学者Altman构建Z-score模型[3]，我国学者李秉祥提出组合预警模型[4]；李益骐运用Logistic回归分析作为主要建模方法[5],李腊生将因子分析与选择性模型相结合，构建了判别上市公司财务危机的因子分析Logit模型[6]，郭德仁构建了基于模糊聚类和模糊模式识别模型[7]，周辉仁提出一种基于递阶遗传算法和BP神经网络的财务预警模型[8]。可见国内外学者对财务危机预警的研究主要集中在运用数学方法构建财务预警模型上二、显著性分析与因子（一）显著性一般来讲，财务危机和财务健康之间应该具有显著差别，因此进入预警模型的指标至少能有效显著的区分这两种状态，这是入针对同一财务指标变量而言，当两组样本具备方差齐性（即当两组样本不具备方差齐性（即）这样在可接受的显著性水平上就可以筛选出能显著（二）因子分因子分析最早是由心理学家KarlPearson和CharlesSpeamen在1904年提出的，在多元统计分析中，因子分析是一种很有效的降维和信息浓缩技术。这种方法是从变量的相关矩阵出发，将一个ｍ维的随机向量X分解成低于ｍ个且有代表性的公因子和一个特殊的ｍ维向量因子分析，使其公因子数取得最佳的个数，从而使对ｍ维随机向量的研究转化成对较少个数的公因子的研究。即用较少个数的公共因子的线性函数和特定因子之和来表达原来观测的每个变量，从研究相关矩阵内部的依赖关系出发，把一些具有错综复杂的变量归纳为少数几个综合因子的一种多变量统计分析方法。该三、财务危机预警指标根据敏感性、先兆性、关联性、可操作性和互斥性的原则，本文在借鉴国内外学者的实证研究成果并结合我国上市公司实际情况的基础上，从表内信息和表外信息两个角度六个方面构建了一套包括25个指标的财务危机预警的指标体系，作为研究中使用的初始变量[9]，如表1所示。表内信息指标主要包括反映企业盈利能力、经表1上市公司财务危机预警指标类型序号指标名称计算公式盈利能力指标1净资产收益率净利润/平均股东权益2总资产报酬率利润总额/平均总资产3每股收益净利润/期末普通股股数4主营业务利润率净利润/主营业务收入5成本费用利润率净利润/(主营业务成本+期间费用)营运能力指标6总资产周转率销售收入净额/平均资产总额7应收账款周转率销售收入净额/应收账款平均余额8存货周转率销货成本/平均存货余额偿债能力指标9资产负债率期末负债总额/期末资产总额10流动比率期末流动资产/期末流动负债11速动比率期末速动资产/期末流动负债12营运资本比率营运资本/总资产成长能力指标13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14净利润增长率（本年净利润－上年净利润）/上年净利润15总资产增长率（期末资产总额－期初资产总额）/期初资产总额16每股收益增长率(本年每股收益－上年每股收益)/上年每股收益现金流量指标17现金流动负债比经营活动现金净流量/流动负债18净收益营运指数经营活动现金净流量/净利润19销售现金比率经营活动现金净流量/销售收入20每股营业现金流量经营活动现金净流量/年末普通股股数表外信息指标21短期借款流动比率短期借款/流动负债22或有负债总资产比<对于“财务危机”学术界和实务界有各种不同的界定，考虑到我国的具体国情，本文将我国上市公司中的ST公司界定为财务危机企业。根据一定的选择标准，选取了2008年被特别处理的3（一）初选——显按着通常的思路，ST公司和非ST公司之间应该具有显著差别，因此进入预警模型的指标至少能有效显著的区别ST公司和非ST公司，所以以此为标准本文采用统计分析法中的显著性检验方法（T检验）对预警指标进行第从以下的T检验结果1）在财务危机发生的前2年有11个指标通过了显著性检验，在财务危机发生的前一年有15个指标通过了显著性检验，显示了所选财务指标在作为预警变量时具有信息含量和时效2）在25个预警指标中，净资产收益率、总资产报酬率、每股收益、成本费用利润率、总资产周转率、总资产增长率、现金流动负债比、每股营业现金流量、短期借款流动比率、审计意见类型、企业资产规模11个指标连续两年通过显著性检验，其中总资产报酬率、每股收表225个初始预警指标T预警指标t-1年t-2年T值双尾检验的显著性概率T值双尾检验的显著性概率净资产收益率*-2.590.012*-4..5270.000*总资产报酬率**-7.5470.000*-5.4050.000*每股收益**-7.8730.000*-6.6780.000*主营业务利润率-2.0100.048*-1.6410.105成本费用利润率**-8.8380.000*-5.9910.000*总资产周转率**-4.8950.000*-3.9600.000*应收账款周转率-0.1180.9070.9510.348存货周转率-2.7200.008*0.9380.354资产负债率2.1660.034*1.8250.072流动比率*-3.5630.001*-1.3040.197速动比率-0.7870.434-1.3510.181营运资本比率1.9530.055-1.0040.319主音业务收入增长率-1.7820.0790.8920.378净利润增长率-1.0560.298-1.5720.120总资产增长率*-5.1480.000*-2.1430.036*每股收益增长率-1.7600.083-1.7650.082现金流动负债比**-3.6950.000*-3.3990.001*净收益营运指数-1.6830.0970.0530.958现金销售比-0.7880.4330.9430.352每股营业现金流量**-2.8120.006*-3.8150.000*短期借款流动比率*3.0260.003*2.5900.012*或有负债总资产比0.5390.591-0.4750.636关联交易比率-1.7890.078-1.2970.199审计意见类型**4.0730.000*3.2240.002*企业资产规模*-2.7230.008*-2.0920.040**表示在0.05水平下显著；**表示在0.01水平下显著。综合以上分析，我们选取净资产收益率、总资产报酬率、每股收益、成本（二）二次筛选—通过显著性检验，我们筛选出12个指标作为建立模型的初选变量，然而这些指标有些相关性很强，包含了重复信息，为使模型更加精简，笔者采用因子分析法进行指表3主成份特征值及主成份特征值贡献率(%)累计贡献率(%)主成份特征值贡献率(%)累计贡献率(%)14.60038.33638.33670.6705.58491.33821.58713.22251.55880.2952.45993.79731.42011.83163.38890.2702.25096.04741.0919.08972.477100.2412.01298.05950.8256.87679.353110.1451.21199.27060.7686.40085.753120.0880.730100.000本文取累计贡献率91.338％，则主成份因子为7个，即用这7个主成份来代替原有的12个指标，这7个主成份表4因子荷载主成分1234567每股收益0.879-0.186-0.1340.035-0.0050.0250.228成本费用利润率0.861-0.069-0.0037-0.2430.060-0.0680.155净资产收益率0.804-0.416-0.157-0.1400.057-0.1250.065总资产报酬率0.773-0.179-0.142-0.141-0.0610.3620.231审计意见类型-0.5270.4500.174-0.055-0.0550.4600.476总资产周转率0.5250.042-0.2590.473-0.01310.456-0.405流动比率0.4450.738-0124-0.229-0.030-0.290-0.042短期借款流动资金比率-0.486-0.6060.3630.0250.3910.0350.043每股营业现金流量0.549-0.0550.7520.104-0.1380.029-0.072现金流动负债比0.5360.2040.726-0.193-0.0880.057-0.163企业总资产0.3080.1330.1360.810-0.012-0.3010.322总资产增长率0.4140.4050.0010.0810.7830.129从因子荷载矩阵中，可以看出：

矩阵因子包含原来91.838％的信息量。为了对这7个因子进行解释，本文使用了正交旋转法中最大方差法进行转换得到因子载荷矩阵，见表4。贡献率表标的二次筛选。对进入二次筛选的12个预警指标，利用76家训练样本财务危机前2年的数据，运用SPSS软件进行主成份分析，结果如表3所示。—因子分析费用利润率、总资产周转率、总资产增长率、现金流动负债比、每股营业现金流量、短期借款流动比率、审计意见类型、企业资产规模、流动比率12个指标作为第一次筛选的入选变量。其中前11个指标在财务危机发生的前一年和前两年都有很好的区分效果，所以引入预警模型。流动比率虽然只是在财务危机发生的前1年有显著性因子分析，但考虑到入选的指标中没有反应企业偿债能力的指标，而偿债能力是反映企业危机状况的一个非常重要的方面，因此也把流动比率作为入选变量，以期使入选指标更全面反映公司的状况。检验表益、成本费用利润率、总资产周转率、现金流动负债比、每股营业现金流量、审计意见型7个指标连续两年在0.01水平上显著。而存货周转率、资产负债率和流动比率3个指标仅在财务危机的前一年有显著差别，其中流动比率在0.01水平上显著。性，其信息含量随着时间的临近而增加，即指标离财务危机发生的时间越近，两组公司的财务指标差异越明显，区分度越大，反之信息含量越少,区分度越小。可以看出：一次筛选。利用搜集的训练样本共76家上市公司两年的数据资料，使用SPSS统计分析软件，对财务危机企业被宣布特别处理前1年和前2年的数据进行显著性检验的结果如下，见表2所示论文格式范文。著性检验8家上市公司，同时按着同行业、同时间窗的原则，选取了38家非ST公司作为匹配样本，组成训练样本，以这76家上市公司两年的数据资料为基础进行实证研究。/td>期末或有负债/期末总资产23关联交易比率期末关联交易额/净利润24审计意见类型无保留、保留、无法表示、否定其他25企业规模企业总资产四、财务危机预警指标体系的筛选指标体系汇总表

营能力、偿债能力、成长能力和现金流量五个方面的财务指标，表外信息指标主要包括更能揭示公司陷入财务危机状况的非财务信息，比如反映上市公司过度依赖短期借款、存在大量的或有事项（主要是因担保、财务承诺而产生的或有负债）、审计报告的意见类型、期末存在大量关联方交易等情况的指标。

体系的初步构建

方法的本质就是通过降维技术将多个指标转化为少数几个综合指标，这些综合指标能够反映原始指标的绝大多数信息，并且所含有的信息互不重叠，彼此之间又不相关，这样既减少了变量的个数，又再现变量之间的内在联系。本文基于因子分析的思想，根据各预警指标相关性大小将它们分组，使得同组内的指标之间相关性较高，不同组的变量之间的相关性较低，通过对相关矩阵内部结构关系的研究因子分析，找出影响企业财务危机状况的几个综合指标，称之为主因子。以主因子构成预警指标体系，构建模型，进行预测与分析。

析法

区分财务危机和财务健康状态的预警变量。

时，采用的T统计量为：

f'>）时，采用的T统计量为：

选指标的首要条件。所以以此为标准本文采用统计分析法中的显著性检验方法（T检验）对预警指标进行第一次筛选。

分析

分析法简介

。由于企业内外部环境多变，导致发生危机的因素纷繁复杂，因而为了提高预警模型的精度，通常需要选择多方面、多层次的指标来进行预测。然而预警指标并不是越多越好，过多的指标会产生信息过载，加大成本，同时由于财务指标之间的相关性比较强，易产生覆盖范围重复，计算结果不容易解释等问题，因此在建立预警模型前有必要对初始变量进行筛选。基于此，本文采用显著性分析和因子分析法，对财务危机预警的备选指标进行筛选，以期构建一个有效而简洁的预警指标体系。

参考文献

[1]FitzpatrickPJ,Acomparisonofratiosofsuccessfulindustrialenterpriseswiththoseoffailedfirms[J].