基于因子判別分析法的建材行業上市公司財務風險評價實證研究

田月昕+姜巖龍

摘要：本文以57家建材行業上市公司為樣本，運用因子判別分析法對建材行業上市公司財務指標進行研究，并通過對建材行業上市公司財務風險水平分類，運用K值聚類分析、Fisher方法得到建材上市公司財務風險評價模型的三個判別函數，最后得出結論：在評價建材行業上市公司的風險評價模型中包含4個公因子，并通過對每個企業對應的由公因子組成的三個函數模型值的大小來判別該企業的所屬類別，以此判斷該企業的財務風險程度，且該方法可行有效。

關鍵詞：因子分析 判別分析 建材行業 財務風險

財務風險評價體系對企業的發展有著積極的作用，它能夠對企業的財務運營過程進行控制，讓企業財務管理中存在的問題得到及時解決，并對企業的財務危機進行預測，使經營者在財務危機發生前就及時采取相應措施，預防失敗。國外學者用單變量分析Z-score、Logistic回歸分析、多元線性判別等方法來進行企業財務風險識別。國內專家或學者在預測企業財務危機時，通常應用面分析、單變量分析、多重線性判定分析、神經網絡分析、Fisher判別分析、Logistic分析等方法。本文主要運用因子分析法和判別分析法對財務風險指標進行篩選。通過這些方法可以清晰、簡潔、明了地篩選出相關性強的具有代表性的財務指標。

本文首先以57家建材上市公司在建立財務風險系統方面還沒有一個全面的認識以及現有風險模型無法實現準確判斷風險的實際情況為著手點，指出建立財務風險評價體系的重要意義。上市公司只有建立財務風險評價體系才能夠更好地完善財務管理相關工作，才能夠及時發現財務危機的存在，從而提前做好相應的防范措施，減少或規避財務風險的產生。

一、樣本選取及數據來源

（一）樣本的設計

在對建材行業進行確認時，首先根據A股市場中建材行業進行分類，在分類完成后確定選取上市公司大致的范圍，并且借助巨潮資訊網提供的資料，查找到上市公司的年度報告，從而根據年報當中提供的信息對68家建材行業進行分類（如表1）。

（二）樣本的確定

在進行財務風險評價的過程中，本文選用的是因子判別分析法，該方法需要借助至少連續三年或三年以上的財務數據。為保持數據的穩定性，在A股建材行業的上市公司中，只有57家建材行業上市公司符合數據的要求。因此本文最終確定選取這57家上市公司2008-2012年間連續披露財務數據的公司為樣本進行研究。本文的財務數據主要來源于國泰安數據庫，年報主要來自于巨潮資訊網和上海、深圳證券交易所網站。本文運用SPSS 17軟件對選取的各項指標進行因子分析。

二、現行財務指標評價體系

財務指標對于了解企業財務狀況來說非常重要，它能夠很好地反映企業的一些基本情況。企業的財務指標有很多，它們可以被劃分為不同的類別，每一個財務指標在反映企業財務狀況的時候，其角度是不一樣的，并且各項財務指標之間也存在聯系，因此，現行財務指標評價體系選取財務指標變量時需要結合我國建材上市公司的實際情況。各指標選取如下：盈利能力指標包括：銷售毛利率、銷售凈利率、資產報酬率、每股收益、主營業務凈利潤率、總資產收益率、主營業務成本利潤率、凈資產收益率；償債能力指標包括：現金流動負債率、流動比率、速動比率、資產負債率、營運資本配置率；資產營運能力指標包括：總資產、固定資產、流動資產、存貨、應收賬款五個周轉率指標；現金流量能力指標包括：凈利潤、主營業務收入、固定資產、總資產四個現金比率指標；發展或成長能力指標包括：凈利潤、主營業務收入、總資產三個增長率指標。

三、利用因子分析法對我國建材行業上市公司財務指標的篩選

本文假設借助巨潮資訊網取得的年度報告中所提供各項數據都是準確可靠的，只有在這個假設成立的基礎上，本文評價建材行業的財務風險才具備可行性；同時假設市場是公平有效的，即如果企業在運行過程中出現了問題，就會面臨財務方面風險。如果這兩個假設無法成立，則本文的研究也就不具有可行性。

（一）數據標準化處理

對于不同的財務指標來說，它的量綱是不同的，這就導致其數量級別也發生改變。本文在研究的過程中，運用Z-Score方法對數據進行處理，從而消除量綱的不一致給分析工作帶來的不利影響。

（二）巴特利特球體檢驗

在采用Bartlett對數據進行檢驗時，通常來說，如果KMO值> 0.5 ，說明可以運用因子分析方法來對指標進行分析。根據分析可知，本文選定的各項指標的KMO 值為 0.651，因此可以對所選數據的因子進行分析。

（三）計算特征值

選取特征值均大于1且其方差的貢獻率累計和達到80%以上的選取原則，從25個變量中提取出7個公因子，通過主成份分析提取法計算的總方差解釋可知，其方差貢獻率累計和達到了81.78%，說明了選取的7個公共因子能夠充分反映原變量的信息，代表性較好。

（四）指標篩選

通過上述分析可知，本文用7個公共因子代替原來的25個財務指標。這樣做的主要目的是為了讓分析過程更加簡便。事實上，這樣的處理確實達到了簡化的目的，不過由于7個公因子的載荷值大小基本上沒有什么差異，因此，無法輕易對它們進行定義與解釋。因此，本文進一步借助方差最大法對上述7個公因子進行正交旋轉，計算旋轉后的因子載荷矩陣，從而使這些公因子具有可以解釋的性質。

借助方差最大法對上述7個公因子進行正交旋轉后，7個公因子對于變量的解釋性變強。

第一公因子：在每股收益、主營業務凈利潤率、營運資本配置比率、總資產增長率、凈利潤現金比率指標上載荷值均在0.67以上；

第二公因子：在速動比率、流動比率、現金流動負債比率、總資產現金比率等指標上有較大載荷，其載荷值均大于0.748；

第三公因子：資產報酬率、主營業務成本利潤率、凈資產收益率、主營業務收入增長率四個指標上載荷值均在0.52以上；

第四公因子：流動資產、存貨、應收賬款、固定資產四個周轉率指標上載荷值均在0.5以上；

第五公因子：固定資產現金比率、在總資產周轉率兩個指標上具有較大載荷，且最小的載荷值是0.75；

第六公因子主營業務收入現金比率與第七公因子總資產收益率均有較高的載荷值，但是因子包含的變量均只有一個。

本文選取前文用因子分析法提取的7個因子指標作為變量，為便于觀察，分別將第一公因子至第七公因子分別用 F1、F2、F3、F4、F5、F6、F7來表示，用SPSS 軟件對公司財務風險的類型進行K值聚類分析。根據企業的實際情況，可以把第一類歸為危險型企業，第二類歸為安全型企業，第三類為輕度風險型。對抽取的7個因子進行K值聚類分析，具體結果如表2。

由表2可以看出，聚類結果中數字2對應的企業劃分為輕度風險型，共計46家，因此，大部分建材企業上市公司的財務狀況并不理想，波動性較大，如果不采取正確的措施，導致財務狀況發展狀況惡化，則可能導致發生較大的財務風險；聚類結果中數字3對應的企業劃分為安全型；聚類結果中數字1對應的企業劃分為危險型，說明這家建材企業財務狀況在行業內很差，處于高財務風險時期。

（五）判別分析

本文進行判別分析過程中，類與類之間均值存在顯著性差異是判別結果有效的前提條件，如此一來，就要對變量的均值差異進行檢驗。通過對不同變量的檢驗可知，在顯著水平為0.05的情況下，可以認為F2（0.386）、F4（0.192）、F5（0.108）的均值在組間不存在顯著性差異，因此，把這三個變量進行剔除，再進行判別分析。再進行組均值的均等性檢驗，檢驗結果顯示，變量F1（0.000）、F3（0.001）、F6（0.001）、F7（0.003）的均值在組間均存在顯著性差異。為了讓判別效果更加清晰和明顯，本文采用進行協方差Box 方法來進行檢驗，得到協方差檢驗結果的Box's M的值為74.895，F值為6.029，相伴概率為0.000，其值要大大小于0.05，說明此判別效果比較理想。

表3給出了兩個典型判別函數所能解釋的方差變異，其中第一個函數解釋了所有變異的95.6%，第二個解釋了所有變異的4.4%。

Wilks的Lambda表格用來檢驗各個判別函數有無統計學上的顯著意義，考慮到前2個函數較為顯著的解釋了100%以上的方差變異，從而接受由此建立的判別規則（見表4）。

本文對樣本進行分類的過程中，將樣本分為三類，由此有三個分類函數。通過Fisher方法，本文得到表5所示的分類函數的系數。因此，可以得到3個分類函數的判別式。在上面的表格中，類別1代表的是危險型分類函數系數的函數判別值；類別2代表的是安全型分類函數系數的函數判別值；類別3代表的是輕度危險型分類函數系數的函數判別值。在判別模型建立之后，本文以貝葉斯判別準則作為基本判別準則，以上述選擇的7個公因子指標值作為自變量，將這7個自變量代入三個判別函數后就能夠得到對應的三個判別函數值。在對這些值進行比較后，最大數值的所屬的函數就是該企業所對應的財務風險類別。

表6顯示的是判別函數的分類結果，可以發現對于危險型的企業判斷都是正確的，而對安全型的企業，有2家被誤判為輕度風險型的，對于輕度風險型的有1家被誤判為安全型的。但總體判別效果比較理想。

四、結論

本文在分析建材行業上市公司財務風險的成因過程中，一方面結合了建材行業的經營特點，從而做到了有的放矢；另一方面結合了財務風險影響因素的復雜性特點，使得分析結果更加準確。本文在財務風險理論的指導下，采用因子判別分析法構建了建材行業財務風險評價模型，并以此為基礎提出了關于建材行業上市公司財務風險的控制措施。通過分析研究后，本文得出以下幾個結論：

1.評價建材行業上市公司的指標體系中因子包括：第一公因子：每股收益、銷售凈利率、銷售毛利率、主營業務凈利潤率、營運資本配置比率、總資產增長率；第三公因子：凈資產收益率、資產報酬率、主營業務成本利潤率、主營業務收入增長率；第六公因子主營業務收入現金比率與第七公因子總資產收益率。

2.根據實證結果表明，利用K值聚類分析法將建材行業上市公司分為危險型、安全型與輕度危險型三類是可行的。

3.通過對每個企業對應的三個函數模型值的大小來判別該企業的所屬類別，以此判斷該企業的財務風險程度，且該方法是可行的。Z

參考文獻：

1.孟星涵.鋼鐵行業上市公司財務風險研究[D].陜西科技大學，2012，（5）：20-40.

2.袁偉平.我國民營上市公司信用風險度量研究[D].江蘇大學，2009，（12）：30-35.

3.陳靜.上市公司財務惡化的實證分析[J].會計研究，1999，（4）：31-38.

4.程濤.財務預警模型綜述[J].山西財經大學學報，2003，10，（5）：104-107.

5.李娜.我國農業上市公司財務預警模型研究[D].沈陽農業大學，2008，（6）：30-36.

第四公因子：流動資產、存貨、應收賬款、固定資產四個周轉率指標上載荷值均在0.5以上；

第五公因子：固定資產現金比率、在總資產周轉率兩個指標上具有較大載荷，且最小的載荷值是0.75；

第六公因子主營業務收入現金比率與第七公因子總資產收益率均有較高的載荷值，但是因子包含的變量均只有一個。

本文選取前文用因子分析法提取的7個因子指標作為變量，為便于觀察，分別將第一公因子至第七公因子分別用 F1、F2、F3、F4、F5、F6、F7來表示，用SPSS 軟件對公司財務風險的類型進行K值聚類分析。根據企業的實際情況，可以把第一類歸為危險型企業，第二類歸為安全型企業，第三類為輕度風險型。對抽取的7個因子進行K值聚類分析，具體結果如表2。

由表2可以看出，聚類結果中數字2對應的企業劃分為輕度風險型，共計46家，因此，大部分建材企業上市公司的財務狀況并不理想，波動性較大，如果不采取正確的措施，導致財務狀況發展狀況惡化，則可能導致發生較大的財務風險；聚類結果中數字3對應的企業劃分為安全型；聚類結果中數字1對應的企業劃分為危險型，說明這家建材企業財務狀況在行業內很差，處于高財務風險時期。

（五）判別分析

本文進行判別分析過程中，類與類之間均值存在顯著性差異是判別結果有效的前提條件，如此一來，就要對變量的均值差異進行檢驗。通過對不同變量的檢驗可知，在顯著水平為0.05的情況下，可以認為F2（0.386）、F4（0.192）、F5（0.108）的均值在組間不存在顯著性差異，因此，把這三個變量進行剔除，再進行判別分析。再進行組均值的均等性檢驗，檢驗結果顯示，變量F1（0.000）、F3（0.001）、F6（0.001）、F7（0.003）的均值在組間均存在顯著性差異。為了讓判別效果更加清晰和明顯，本文采用進行協方差Box 方法來進行檢驗，得到協方差檢驗結果的Box's M的值為74.895，F值為6.029，相伴概率為0.000，其值要大大小于0.05，說明此判別效果比較理想。

表3給出了兩個典型判別函數所能解釋的方差變異，其中第一個函數解釋了所有變異的95.6%，第二個解釋了所有變異的4.4%。

Wilks的Lambda表格用來檢驗各個判別函數有無統計學上的顯著意義，考慮到前2個函數較為顯著的解釋了100%以上的方差變異，從而接受由此建立的判別規則（見表4）。

本文對樣本進行分類的過程中，將樣本分為三類，由此有三個分類函數。通過Fisher方法，本文得到表5所示的分類函數的系數。因此，可以得到3個分類函數的判別式。在上面的表格中，類別1代表的是危險型分類函數系數的函數判別值；類別2代表的是安全型分類函數系數的函數判別值；類別3代表的是輕度危險型分類函數系數的函數判別值。在判別模型建立之后，本文以貝葉斯判別準則作為基本判別準則，以上述選擇的7個公因子指標值作為自變量，將這7個自變量代入三個判別函數后就能夠得到對應的三個判別函數值。在對這些值進行比較后，最大數值的所屬的函數就是該企業所對應的財務風險類別。

表6顯示的是判別函數的分類結果，可以發現對于危險型的企業判斷都是正確的，而對安全型的企業，有2家被誤判為輕度風險型的，對于輕度風險型的有1家被誤判為安全型的。但總體判別效果比較理想。

四、結論

本文在分析建材行業上市公司財務風險的成因過程中，一方面結合了建材行業的經營特點，從而做到了有的放矢；另一方面結合了財務風險影響因素的復雜性特點，使得分析結果更加準確。本文在財務風險理論的指導下，采用因子判別分析法構建了建材行業財務風險評價模型，并以此為基礎提出了關于建材行業上市公司財務風險的控制措施。通過分析研究后，本文得出以下幾個結論：

1.評價建材行業上市公司的指標體系中因子包括：第一公因子：每股收益、銷售凈利率、銷售毛利率、主營業務凈利潤率、營運資本配置比率、總資產增長率；第三公因子：凈資產收益率、資產報酬率、主營業務成本利潤率、主營業務收入增長率；第六公因子主營業務收入現金比率與第七公因子總資產收益率。

2.根據實證結果表明，利用K值聚類分析法將建材行業上市公司分為危險型、安全型與輕度危險型三類是可行的。

3.通過對每個企業對應的三個函數模型值的大小來判別該企業的所屬類別，以此判斷該企業的財務風險程度，且該方法是可行的。Z

參考文獻：

1.孟星涵.鋼鐵行業上市公司財務風險研究[D].陜西科技大學，2012，（5）：20-40.

2.袁偉平.我國民營上市公司信用風險度量研究[D].江蘇大學，2009，（12）：30-35.

3.陳靜.上市公司財務惡化的實證分析[J].會計研究，1999，（4）：31-38.

4.程濤.財務預警模型綜述[J].山西財經大學學報，2003，10，（5）：104-107.

5.李娜.我國農業上市公司財務預警模型研究[D].沈陽農業大學，2008，（6）：30-36.

第四公因子：流動資產、存貨、應收賬款、固定資產四個周轉率指標上載荷值均在0.5以上；

第五公因子：固定資產現金比率、在總資產周轉率兩個指標上具有較大載荷，且最小的載荷值是0.75；

第六公因子主營業務收入現金比率與第七公因子總資產收益率均有較高的載荷值，但是因子包含的變量均只有一個。

本文選取前文用因子分析法提取的7個因子指標作為變量，為便于觀察，分別將第一公因子至第七公因子分別用 F1、F2、F3、F4、F5、F6、F7來表示，用SPSS 軟件對公司財務風險的類型進行K值聚類分析。根據企業的實際情況，可以把第一類歸為危險型企業，第二類歸為安全型企業，第三類為輕度風險型。對抽取的7個因子進行K值聚類分析，具體結果如表2。

由表2可以看出，聚類結果中數字2對應的企業劃分為輕度風險型，共計46家，因此，大部分建材企業上市公司的財務狀況并不理想，波動性較大，如果不采取正確的措施，導致財務狀況發展狀況惡化，則可能導致發生較大的財務風險；聚類結果中數字3對應的企業劃分為安全型；聚類結果中數字1對應的企業劃分為危險型，說明這家建材企業財務狀況在行業內很差，處于高財務風險時期。

（五）判別分析

本文進行判別分析過程中，類與類之間均值存在顯著性差異是判別結果有效的前提條件，如此一來，就要對變量的均值差異進行檢驗。通過對不同變量的檢驗可知，在顯著水平為0.05的情況下，可以認為F2（0.386）、F4（0.192）、F5（0.108）的均值在組間不存在顯著性差異，因此，把這三個變量進行剔除，再進行判別分析。再進行組均值的均等性檢驗，檢驗結果顯示，變量F1（0.000）、F3（0.001）、F6（0.001）、F7（0.003）的均值在組間均存在顯著性差異。為了讓判別效果更加清晰和明顯，本文采用進行協方差Box 方法來進行檢驗，得到協方差檢驗結果的Box's M的值為74.895，F值為6.029，相伴概率為0.000，其值要大大小于0.05，說明此判別效果比較理想。

表3給出了兩個典型判別函數所能解釋的方差變異，其中第一個函數解釋了所有變異的95.6%，第二個解釋了所有變異的4.4%。

Wilks的Lambda表格用來檢驗各個判別函數有無統計學上的顯著意義，考慮到前2個函數較為顯著的解釋了100%以上的方差變異，從而接受由此建立的判別規則（見表4）。

本文對樣本進行分類的過程中，將樣本分為三類，由此有三個分類函數。通過Fisher方法，本文得到表5所示的分類函數的系數。因此，可以得到3個分類函數的判別式。在上面的表格中，類別1代表的是危險型分類函數系數的函數判別值；類別2代表的是安全型分類函數系數的函數判別值；類別3代表的是輕度危險型分類函數系數的函數判別值。在判別模型建立之后，本文以貝葉斯判別準則作為基本判別準則，以上述選擇的7個公因子指標值作為自變量，將這7個自變量代入三個判別函數后就能夠得到對應的三個判別函數值。在對這些值進行比較后，最大數值的所屬的函數就是該企業所對應的財務風險類別。

表6顯示的是判別函數的分類結果，可以發現對于危險型的企業判斷都是正確的，而對安全型的企業，有2家被誤判為輕度風險型的，對于輕度風險型的有1家被誤判為安全型的。但總體判別效果比較理想。

四、結論

本文在分析建材行業上市公司財務風險的成因過程中，一方面結合了建材行業的經營特點，從而做到了有的放矢；另一方面結合了財務風險影響因素的復雜性特點，使得分析結果更加準確。本文在財務風險理論的指導下，采用因子判別分析法構建了建材行業財務風險評價模型，并以此為基礎提出了關于建材行業上市公司財務風險的控制措施。通過分析研究后，本文得出以下幾個結論：

1.評價建材行業上市公司的指標體系中因子包括：第一公因子：每股收益、銷售凈利率、銷售毛利率、主營業務凈利潤率、營運資本配置比率、總資產增長率；第三公因子：凈資產收益率、資產報酬率、主營業務成本利潤率、主營業務收入增長率；第六公因子主營業務收入現金比率與第七公因子總資產收益率。

2.根據實證結果表明，利用K值聚類分析法將建材行業上市公司分為危險型、安全型與輕度危險型三類是可行的。

3.通過對每個企業對應的三個函數模型值的大小來判別該企業的所屬類別，以此判斷該企業的財務風險程度，且該方法是可行的。Z

參考文獻：

1.孟星涵.鋼鐵行業上市公司財務風險研究[D].陜西科技大學，2012，（5）：20-40.

2.袁偉平.我國民營上市公司信用風險度量研究[D].江蘇大學，2009，（12）：30-35.

3.陳靜.上市公司財務惡化的實證分析[J].會計研究，1999，（4）：31-38.

4.程濤.財務預警模型綜述[J].山西財經大學學報，2003，10，（5）：104-107.

5.李娜.我國農業上市公司財務預警模型研究[D].沈陽農業大學，2008，（6）：30-36.