企業財務危機預警指標篩選探究

[摘要]選擇合適的財務指標來描述預警模型對提高預測的精度至關重要。運用顯著性分析和因子分析法，對企業財務危機預警的備選指標進行篩選，并選擇了76家上市公司為樣本進行實證研究。通過兩次篩選，最終得到由7個預警指標組成的全面互斥的財務危機預警指標體系，為進一步的財務危機預警評價提供參考。

[關鍵詞]顯著性分析;因子分析;財務危機;預警;指標篩選

[中圖分類號] F275[文獻標識碼] A [文章編號] 1673-0461(2010)08-0036-04

[收稿日期]2010-04-17

[作者簡介]全春光(1974 -)，男， 湖南衡陽人，湖南科技大學管理學院教師，華中科技大學管理學院在讀博士，研究方向:管理科學與工程; 程曉娟(1980 -)，女， 河北邢臺人，湖南科技大學工業工程系教師，碩士，研究方向:管理科學與工程。

一、引言

企業財務危機預警問題的研究很早就引起了各方面的關注，國內外學者取得了豐富的成果。如Fitzpatrick[1]和Beaver[2]提出單變量模型，美國學者Altman構建Z-score模型[3]，我國學者李秉祥提出組合預警模型[4];李益騏運用Logistic回歸分析作為主要建模方法[5]，李臘生將因子分析與選擇性模型相結合，構建了判別上市公司財務危機的因子分析Logit模型[6]，郭德仁構建了基于模糊聚類和模糊模式識別模型[7]，周輝仁提出一種基于遞階遺傳算法和BP神經網絡的財務預警模型[8]?？梢妵鴥韧鈱W者對財務危機預警的研究主要集中在運用數學方法構建財務預警模型上。由于企業內外部環境多變，導致發生危機的因素紛繁復雜，因而為了提高預警模型的精度，通常需要選擇多方面、多層次的指標來進行預測。然而預警指標并不是越多越好，過多的指標會產生信息過載，加大成本，同時由于財務指標之間的相關性比較強，易產生覆蓋范圍重復，計算結果不容易解釋等問題，因此在建立預警模型前有必要對初始變量進行篩選。基于此，本文采用顯著性分析和因子分析法，對財務危機預警的備選指標進行篩選，以期構建一個有效而簡潔的預警指標體系。

二、顯著性分析與因子分析法簡介

(一)顯著性分析

一般來講，財務危機和財務健康之間應該具有顯著差別，因此進入預警模型的指標至少能有效顯著的區分這兩種狀態，這是入選指標的首要條件。所以以此為標準本文采用統計分析法中的顯著性檢驗方法(T檢驗)對預警指標進行第一次篩選。

針對同一財務指標變量而言，當兩組樣本具備方差齊性(即 δ₁²=δ₂²)時，采用的T統計量為:

這樣在可接受的顯著性水平上就可以篩選出能顯著區分財務危機和財務健康狀態的預警變量。

(二)因子分析法

因子分析最早是由心理學家Karl Pearson 和Charles Speamen在1904年提出的，在多元統計分析中，因子分析是一種很有效的降維和信息濃縮技術。這種方法是從變量的相關矩陣出發，將一個m維的隨機向量X分解成低于m個且有代表性的公因子和一個特殊的m維向量，使其公因子數取得最佳的個數，從而使對m維隨機向量的研究轉化成對較少個數的公因子的研究。即用較少個數的公共因子的線性函數和特定因子之和來表達原來觀測的每個變量，從研究相關矩陣內部的依賴關系出發，把一些具有錯綜復雜的變量歸納為少數幾個綜合因子的一種多變量統計分析方法。該方法的本質就是通過降維技術將多個指標轉化為少數幾個綜合指標，這些綜合指標能夠反映原始指標的絕大多數信息，并且所含有的信息互不重疊，彼此之間又不相關，這樣既減少了變量的個數，又再現變量之間的內在聯系。本文基于因子分析的思想，根據各預警指標相關性大小將它們分組，使得同組內的指標之間相關性較高，不同組的變量之間的相關性較低，通過對相關矩陣內部結構關系的研究，找出影響企業財務危機狀況的幾個綜合指標，稱之為主因子。以主因子構成預警指標體系，構建模型，進行預測與分析。

三、財務危機預警指標體系的初步構建

根據敏感性、先兆性、關聯性、可操作性和互斥性的原則，本文在借鑒國內外學者的實證研究成果[9-11]并結合我國上市公司實際情況的基礎上，從表內信息和表外信息兩個角度六個方面構建了一套包括25個指標的財務危機預警的指標體系，作為研究中使用的初始變量，如表1所示。表內信息指標主要包括反映企業盈利能力、經營能力、償債能力、成長能力和現金流量五個方面的財務指標，表外信息指標主要包括更能揭示公司陷入財務危機狀況的非財務信息，比如反映上市公司過度依賴短期借款、存在大量的或有事項(主要是因擔保、財務承諾而產生的或有負債)、審計報告的意見類型、期末存在大量關聯方交易等情況的指標。

四、財務危機預警指標體系的篩選

對于“財務危機”學術界和實務界有各種不同的界定，考慮到我國的具體國情，本文將我國上市公司中

的ST公司界定為財務危機企業。根據一定的選擇標準，選取了2008年被特別處理的38家上市公司，同時按著同行業、同時間窗的原則，選取了38家非ST公司作為匹配樣本，組成訓練樣本，以這76家上市公司兩年的數據資料為基礎進行實證研究。

(一)初選——顯著性檢驗

按著通常的思路，ST公司和非ST公司之間應該具有顯著差別，因此進入預警模型的指標至少能有效顯著的區別ST公司和非ST公司，所以以此為標準本文采用統計分析法中的顯著性檢驗方法(T檢驗)對預警指標進行第一次篩選。利用搜集的訓練樣本共76家上市公司兩年的數據資料，使用SPSS統計分析軟件，對財務危機企業被宣布特別處理前1年和前2年的數據進行顯著性檢驗的結果如下，見表2所示。

從以下的T檢驗結果可以看出:

(1)在財務危機發生的前2年有11個指標通過了顯著性檢驗，在財務危機發生的前一年有15個指標通過了顯著性檢驗，顯示了所選財務指標在作為預警變量時具有信息含量和時效性，其信息含量隨著時間的臨近而增加，即指標離財務危機發生的時間越近，兩組公司的財務指標差異越明顯，區分度越大，反之信息含量越少，區分度越小。

(2)在25個預警指標中，凈資產收益率、總資產報酬率、每股收益、成本費用利潤率、總資產周轉率、總資產增長率、現金流動負債比、每股營業現金流量、短期借款流動比率、審計意見類型、企業資產規模11個指標連續兩年通過顯著性檢驗，其中總資產報酬率、每股收益、成本費用利潤率、總資產周轉率、現金流動負債比、每股營業現金流量、審計意見型7個指標連續兩年在0.01水平上顯著。而存貨周轉率、資產負債率和流動比率3個指標僅在財務危機的前一年有顯著差別，其中流動比率在0.01水平上顯著。

綜合以上分析，我們選取凈資產收益率、總資產報酬率、每股收益、成本費用利潤率、總資產周轉率、總資產增長率、現金流動負債比、每股營業現金流量、短期借款流動比率、審計意見類型、企業資產規模、流動比率12個指標作為第一次篩選的入選變量。其中前11個指標在財務危機發生的前一年和前兩年都有很好的區分效果，所以引入預警模型。流動比率雖然只是在財務危機發生的前1年有顯著性，但考慮到入選的指標中沒有反應企業償債能力的指標，而償債能力是反映企業危機狀況的一個非常重要的方面，因此也把流動比率作為入選變量，以期使入選指標更全面反映公司的狀況。

(二)二次篩選——因子分析

通過顯著性檢驗，我們篩選出12個指標作為建立模型的初選變量，然而這些指標有些相關性很強，包含了重復信息，為使模型更加精簡，筆者采用因子分析法進行指標的二次篩選。對進入二次篩選的12個預警指標，利用76家訓練樣本財務危機前2年的數據，運用SPSS軟件進行主成份分析，結果如表3所示。

本文取累計貢獻率91.338%，則主成份因子為7個，即用這7個主成份來代替原有的12個指標，這7個主成份因子包含原來91.838%的信息量。為了對這7個因子進行解釋，本文使用了正交旋轉法中最大方差法進行轉換得到因子載荷矩陣(見表4)。

從因子荷載矩陣中，可以看出:

(1)主成份1的支配變量依次為每股收益0.879、成本費用利潤率0.861、凈資產收益率0.804和總資產報酬率0.773。這些指標都是反映企業盈利能力的指標，因此主成份1可以概括為盈利因子，其代表性變量為每股收益。

(2)主成份2的支配變量主要為流動比率0.738，它反映了企業的償債能力，因此主成份2可以概括為償債因子，以流動比率作為代表性變量。

(3)主成份3的支配變量為每股營業現金流量0.752、短期借款流動資金比率0.726，反映了企業獲取現金的能力，故主成份3可以概括為現金流量類因子，其代表指標為每股營業現金流量。

(4)主成份4中企業資產規模這一指標的因子荷載明顯高于其他指標，因此主成份4可以解釋為資產規模因子，其代表指標為企業總資產。

(5)主成份5中總資產增長率的因子荷載明顯高于其他指標，因此主成份5可以解釋為成長因子，其代表指標為總資產增長率。

(6)主成份6和主成份7中，審計意見類型和總資產周轉率這兩個指標的荷載都明顯高于其他指標，且分值很接近，為了避免重復和保存更多的信息含量，我們將主成份6解釋為表外因子，代表指標為審計意見類型;主成份7則概括為資產營運能力因子，其代表指標為總資產周轉率。這七個主成分即為最終的入選變量。這七個主成分即為最終的入選變量。

通過顯著性檢驗和因子分析兩次篩選，最終得到了每股收益、流動比率、每股營業現金流量、企業總資產、總資產增長率、審計意見類型、總資產周轉率7個指標作為構建模型的變量。這7個代表性指標相互獨立，分別代表了企業的盈利能力、償債能力、獲取現金能力、資產規模、成長能力、表外因素、營運能力7個方面，符合全面互斥的原則。通過這種方法得到了與預測更為敏感的財務指標，為下一步進行財務預警模型的設計做好準備。

五、結 論

隨著市場競爭的日益激烈，科學的財務危機預警既是企業可持續發展的重要條件，也是利益相關者利益保障的有效工具，而預警指標的選擇又是財務危機預警的首要問題。本文在對已有研究成果進行綜述的基礎上，應用顯著性分析與因子分析法對預警備選指標進行篩選，得到利益相關者重點觀測和預警建模所需的預警指標。研究結果顯示，通過顯著性檢驗和因子分析兩次指標篩選，能夠以較少的特征變量實現了較高的分類精度，從而證明了本文的研究設想。同時需要說明，本文意義在于為科學、合理地選擇預警指標提供了一種途徑，但就預警問題而言，準確的危機預測更是重中之重。因此，本文的工作只是階段性成果，如何有效地構建可行的預警模型是將我們下一步需要進一步探討的方向。

[參考文獻]

[1]Fitzpatrick P J，Acomparison ofratios of successful industrial enterprises with those of failed firms[J].Certified Public Account ，1932.

[2]Beaver W. Alternative accounting measures:predictors of failure[J].Accounting Review， 1968， 10(2):113-122.

[3]Edward I Altman，Financial ratios，discriminant analysis and the prediction of bankruptcy[J].Journal of Finance，1968，23(4):590-609.

[4]李秉祥.基于模糊神經網絡的企業財務危機非線性組合預測方法研究[J].管理工程學報，2005(1):19-23.

[5]李益騏，田高良.上市公司財務危機預警實證研究[J].西北大學學報(哲學社會科學版)，2009(5):79-82.

[6]李臘生，張 巖.我國上市公司財務危機的判斷與預警[J].商業經濟與管理，2009(4):90-96.

[7]郭德仁，王培輝.基于模糊聚類和模糊模式識別的企業財務預警[J].管理學報，2009(9):1194-1197.

[8]周輝仁，唐萬生，任仙玲.基于遞階遺傳算法和網絡的財務預警[J].系統管理學報，2010(1):1-6.

[9]程曉娟.上市公司財務危機預警模型研究及實證分析[D].成都:成都理工大學，2005.

[10]韓 偉，李 杰.基于熵權法的財務危機預警指標選擇研究[J]. 北京交通大學學報(社會科學版)，2007(4):65-68.

[11]宋 鵬，梁吉業，曹付元.基于鄰域粗糙集的企業財務危機預警指標選擇[J].經濟管理，2009(8):130-135.

Study on Screening Warning Indicators of Enterprise’s Financial Crisis

Quan Chunguang1， Cheng Xiaojuan2

(1. School of Management， Hunan University of Science and Technology， Xiangtan 411201， China;

2 .Dept of Industrial Engineering， Hunan University of Science and Technology， Xiangtan 411201，China)

Abstract:It is essential for improving warning accuracy to select appropriate financial indicators so as to describe warning model. This paper applies significance and factor analysis methods to choose from candidate indicators for financial crisis warning and presents an empirical study of 76 listed companies in Stock Market. As a result， seven indicators are selected as a warning indicator system for financial crisis， offering a reference for further evaluation of financial crisis warning.

Key words: significance analysis; factor analysis; financial crisis;warning;indicator screening

(責任編輯:張丹郁)