金融危機(jī)下中國制造業(yè)上市公司財務(wù)預(yù)警研究

摘要:2007年4月2日美國第二大次級抵押貸款公司——新世紀(jì)金融公司向法院申請破產(chǎn)保護(hù)，美國次貸危機(jī)爆發(fā)，繼而引發(fā)了全球的金融危機(jī)。中國作為經(jīng)濟(jì)全球化中越來越重要的一部分，也不可避免地受到了巨大的沖擊。金融危機(jī)使全球的消費和流動性嚴(yán)重不足，直接影響到了中國經(jīng)濟(jì)的支柱產(chǎn)業(yè)——制造業(yè)，整個市場一片低迷。通過分析金融危機(jī)對中國制造業(yè)上市公司的影響，將采用在2009年首次被ST的中國制造業(yè)上市公司2007年和2008年的數(shù)據(jù)，來構(gòu)建金融危機(jī)下中國制造業(yè)上市公司財務(wù)預(yù)警模型，以期為在金融危機(jī)下中國制造業(yè)上市公司財務(wù)預(yù)警提供有益的幫助。

關(guān)鍵詞:金融危機(jī);制造業(yè);財務(wù)預(yù)警;上市公司

中圖分類號:F830.91文獻(xiàn)標(biāo)志碼:A文章編號:1673-291X(2010)12-0040-02

一、本文的樣本和指標(biāo)選取

(1)同時期:與所選取的ST公司被ST發(fā)生在同一年，如果樣本同時在兩年或更長時間延續(xù)其ST的身份，則將其歸為第一年被ST的年度。(2)同規(guī)模:以ST公司被ST的前一個會計年度的資產(chǎn)總規(guī)模和資產(chǎn)規(guī)模相差不超過5%為標(biāo)準(zhǔn)，選取與之規(guī)模相匹配的非ST公司。

根據(jù)銳思(RESSET)金融研究數(shù)據(jù)庫資料顯示:在2009年首次被ST的A股制造業(yè)上市公司為14家。其中:*ST白貓，因未找到與之規(guī)模差異不大的財務(wù)正常的上市公司，于是將其剔除; *ST伊利，只找到與之規(guī)模相差14.19%的財務(wù)正常的上市公司，因為樣本數(shù)量較少，我們也考慮將其納入樣本，其余資產(chǎn)規(guī)模差異均在5%以內(nèi)，從而有ST制造業(yè)上市公司13家，非ST制造業(yè)上市公司13家，共26家。

本文從償債能力、盈利能力、現(xiàn)金流量、財務(wù)結(jié)構(gòu)、成長能力和營運能力六個方面選取上市公司基礎(chǔ)財務(wù)預(yù)警指標(biāo)，共選取了34個預(yù)警指標(biāo)，作為研究中使用的最原始變量。

二、實證研究

若用于構(gòu)建預(yù)警模型的自變量過多，這樣不僅會提高預(yù)警成本，而且還可能帶來預(yù)警研究中噪音的增加，從而導(dǎo)致預(yù)警變量解釋能力的無謂下降，于是本文采用因子分析將變量進(jìn)行綜合和濃縮。

對基礎(chǔ)預(yù)警指標(biāo)進(jìn)行預(yù)處理是非常必要的:第一，因所選取樣本容量足夠大，無須對基礎(chǔ)預(yù)警指標(biāo)進(jìn)行正態(tài)性檢驗，而采用相關(guān)性檢驗。由于因子分析的主要任務(wù)之一是對原有變量進(jìn)行濃縮，即將原有變量中的信息重疊部分提取和綜合成因子，進(jìn)而實現(xiàn)減少變量個數(shù)的目的。對此，它要求原有變量之間應(yīng)存在較強(qiáng)的相關(guān)關(guān)系。我們將會采用相關(guān)性檢驗篩選出相關(guān)性較高的變量，使其適合進(jìn)行因子分析。第二，采用因子分析中的主成分分析法對通過相關(guān)性檢驗的變量進(jìn)行二次處理，從而篩選出最終用于構(gòu)建預(yù)警模型的自變量。

在顯著性水平0.05下，如果某項財務(wù)比率連續(xù)通過2007年和2008年的相關(guān)性檢驗，則認(rèn)定這些財務(wù)比率通過檢驗，最終選擇如下11個財務(wù)指標(biāo)進(jìn)入因子分析:營運資金/資產(chǎn)總額、利息保障倍數(shù)、資產(chǎn)負(fù)債率、銷售凈利率、銷售毛利率、資本收益率、凈資產(chǎn)收益率、留存收益/資產(chǎn)總額、每股收益、每股凈資產(chǎn)、主營業(yè)務(wù)收入增長率。

表1巴特利特球度檢驗和KMO檢驗

由表1可知，巴特利特球度檢驗統(tǒng)計量的觀測值為399.939，相應(yīng)的概率P-值接近于0。同時，KMO值為0.794，根據(jù)Kaiser給出的KMO度量標(biāo)準(zhǔn)可知原有變量比較適合進(jìn)行因子分析。

因子解釋原有變量總方差的情況(如表5所示)，我們可以得到每個主成分的方差，即特征根。

對因子載荷矩陣采用最大正交旋轉(zhuǎn)法實行旋轉(zhuǎn)，旋轉(zhuǎn)后的載荷矩陣(表4所示):

由表4可知，銷售凈利率、銷售毛利率、利息保障倍數(shù)在第1個因子上有較高的載荷，第1個因子主要解釋了這幾個變量，可解釋為盈利能力;資產(chǎn)負(fù)債率、營運資金/資產(chǎn)總額、留存收益/資產(chǎn)總額在第2個因子上有較高的載荷，第2個因子主要解釋了這幾個變量，可解釋為償債能力;資本收益率、凈資產(chǎn)收益率每股收益在第3個因子上有較高的載荷，第2個因子主要解釋了這幾個變量，可解釋為營運能力和盈利能力;主營業(yè)務(wù)收入增長率、每股凈資產(chǎn)第4個因子上有較高的載荷，可解釋為成長能力。最后采用回歸法估計因子得分系數(shù)，并輸出因子得分系數(shù)。

F1 = -0.095X1+0.506X2+0.112X3+0.467X4+0.438X5-0.25X6

-0.14X7+0.037X8+0.071X9-0.121X10-0.157X11

F2= 0.405X1+0.116X2-0.433X3-0.192X4-0.151X5-0.057X6

-0.054X7+0.196X8-0.079X9-0.32X10-.174X11

F3 = -0.076X1+-0.443X2-0.001X3+0.006X4+0.012X5-0.607X6

-0.477X7+0.006X8+0.2X9-0.333X10-0.051X11

F4 = -0.005X1-0.017X2+0.194X3-0.159X4-0.158X5-0.087X6

-0.023X7+0.011X8+0.058X9-0.603X10-0.728X11

以4個因子的方差貢獻(xiàn)率為權(quán)數(shù)，可得到金融危機(jī)下財務(wù)預(yù)警模型:Z=0.25598F1+0.25029F2+0.22365F3+0.13871F4

三、結(jié)論與不足

本文在進(jìn)行模型檢驗時，由于無法取得檢驗樣本，只能進(jìn)行回判，判別準(zhǔn)確率較高。所采用的金融危機(jī)以后的數(shù)據(jù)，僅有2007年和2008年兩年，也只是選取了定量指標(biāo)，沒有考慮定性指標(biāo)因素的影響。

參考文獻(xiàn):

[1]程濤，張鳴，張艷.企業(yè)財務(wù)預(yù)警研究前沿[M].北京:中國財政經(jīng)濟(jì)出版社，2004.

[2]周首華.現(xiàn)代企業(yè)財務(wù)理論前沿專題[M].大連:東北財經(jīng)大學(xué)出版社，2000.

[3]薛薇.統(tǒng)計分析與SPSS的應(yīng)用[M].北京:中國人民大學(xué)出版社，2008.

[4]龔小君，王光華.中國財務(wù)預(yù)警研究的回顧與展望——20世紀(jì)90年代以來國內(nèi)財務(wù)預(yù)警研究評析[J].重慶郵電大學(xué)學(xué)報，2005，

(2):186-188.

[5]周守華，楊濟(jì)華，王平.論財務(wù)危機(jī)的預(yù)警分析——F分?jǐn)?shù)模式[J].會計研究，1996，(8):8-11.

[6]陳靜.上市公司財務(wù)惡化預(yù)測的實證分析[J].會計研究，1999，(4):31-38.[責(zé)任編輯 吳迪]