合并報表與母公司報表財務預警功能的比較研究

趙曉丹

(吉林省電力勘測設計院，吉林 長春 130022)

合并報表與母公司報表財務預警功能的比較研究

趙曉丹

(吉林省電力勘測設計院，吉林 長春 130022)

隨著國家經濟環境、政治環境的變化，企業面臨的環境變得更加的復雜，這必然會為企業帶來更多的風險，為了降低風險，促進企業穩定快速發展，許多上市公司都在積極的研究企業財務困境預測問題。本文主要通過分析A股部分制造業企業的合并報表數據、母公司報表數據就企業的財務困境問題進行簡單的分析研究，以這些數據為基礎建立兩個財務預警模型，并對兩種模型的預測準確率進行對比分析，僅為相關企業的財務預警工作提供簡單的參考。

合并報表；母公司報表；財務預警

隨著國家經濟的快速發展，企業面臨著更多的競爭，因為財務危機導致的經營困境逐漸增多，為了切實提高企業的競爭力，降低企業風險，許多公司都開始積極的分析相關的財務資料，定性及定量的分析企業的財務狀況，開展財務預警工作，防范財務風險，但構建財務危機預警系統的過程中，需要搜集數據資料計算財務指標，但許多研究人員在開展這一工作時都遇到了一個相同的問題，即母公司報表數據和合并報表數據哪一個能夠更好的反映企業的財務狀況，下文采用實證研究的方法，分別采用這兩種數據報表數據進行建模，對比分析兩種模型的判別準確率，僅為相關企業的這部分工作提供參考。

一、樣本選擇及數據來源

本文主要結合當前我國證券市場的實際情況，從A股上市公司中選擇了48家制造業公司為研究樣本，共劃分為16組，樣本選擇中遵循以下原則：(1)可比性原則。受到行業因素、國家政策因素等等的影響，不同的行業、企業具有不同的經營特點及財務特點，財務指標的可比性難以保證，會影響到財務預警模型的適用性及精確度，為了盡可能減少這種影響，本文中選擇的企業均為同一行業，財務預警模型的建立能夠根據本行業實際的經營特點進行，信息使用者需要根據該行業適用的預警模型判斷企業的財務狀況，我國制造類企業眾多，本次樣本主要從中國證監會發布的《上市公司分類指導》進行選取，樣本比較典型，以此為基礎建立的預警模型具有較高的可信度及精準度；(2)配對樣本選擇。為了使預警模型的預測結果更加精準，樣本公司選擇一定要嚴謹、細致，每一家ST公司對應一家非ST公司，選擇的時間段之內總資產規模的平均值差值控制在5%以下，數據缺失、異常的個體剔除。此外，當抽樣比例與現實總體比例過分偏離時，模型的預測能力會被高估，我國ST公司占全部上市公司的比例比較小，因此，為了保證模型的預測能力的準確性，本次實證分析采用1：2的比例選取公司樣本，兩類公司的時間窗保持一致，預測年度之前的三年內企業的財務數據完整、真實。(3)樣本分組。本次研究共選擇48家樣本公司，共分為16組，按照上文所述比例，其中ST企業16家，非ST企業32家，為了便于后期分析，這16個小組樣本再次劃分為兩個大組，一組為樣本估計組，其中ST企業與非ST企業的比例同樣為1：2，另一組為樣本預測組，樣本估計組主要用于建立模型，樣本預測組則用于檢測模型的預測能力。

本次研究中使用的原始數據主要來源于RESSET金融研究數據庫、和訊網、新浪財經網的財務指標數據及財務報表，對比分析后發現，這些數據中超過90%的財務指標數據取自于合并報表數據，母公司的財務指標采用相應的計算方法手工計算得出。為了提高預警模型的可靠性，所有研究對象面對的宏觀經濟政策環境應相同，因此本次研究中選擇的所有的ST公司均是2014年首次上市的企業，數據采集范圍為2010——2012，2012年數據為截面數據，以此為樣本建立模型。

二、預警指標系統構建

財務預警指標包括現金流財務指標和傳統財務指標兩大類，模型的可靠性會受到預警分析指標的影響，會計信息使用者在決策過程中必須要對企業的資本結構、盈利狀況、資金流動狀況等有充分的了解，本次實證分析中全面考慮企業的現金流量、營運能力、償債能力、成長能力、盈利能力五個維度，共選取了22個財務指標。其中反映企業盈利能力的指標有凈資產收益率X1、主營業務利潤率X2、銷售毛利率X3、資產凈利率X4、每股凈資產X5及留存收益/資產總額X6，反映企業償債能力的指標有流動比率X7、速動比率X8、資產負債率X9、營運資金/資產總額X10、利息保障倍數X11，反映企業營運能力的指標有應收賬款周轉率X12、存貨周轉率X13以及總資產周轉率X14，反映企業成長能力的指標有主營業務收入增長率X15、總資產增長率X16、凈利潤增長率X17以及凈資產增長率X18，反映企業現金流的指標有每股經營現金流量X19、盈利現金比率X20、現金流動負債比X21以及債務保證率X22。

三、 上市公司財務困境預測的實證研究

(一)單變量分析

以合并報表數據為例，從五個維度的指標中選取6個比較具有代表性的財務指標，每個維度至少選擇一個，計算兩組公司各個指標的平均值，進行單變量分析后，觀察ST企業與非ST企業單個指標之間的差異。

盈利能力維度中選擇銷售毛利率作為單變量指標，分析之后發現，ST企業三年來的銷售毛利率在不斷的下降，非ST企業這三年以來銷售毛利率比較平穩，變化不大。

企業的償債能力分為短期償債能力和長期償債能力兩種，其中短期償債能力選擇流動比率作為單變量指標，分析之后發現，非ST公司的平均流動比率在1.6～1.4之間，ST公司的平均流動比率則在0.9～0.6之間，也就是說非ST公司的平均流動比率明顯高于ST公司，盡管兩類公司的平均流動比率都在下降，但ST公司的下降幅度更大。

企業的長期負債能力分析選擇資產負債率作為單變量指標，分析之后發現，非ST公司的平均負債率比較平穩，在40%～50%之間，而ST公司則有較大幅度的變化，10年到11年有小幅度的下降，在60%左右，11年到12年大幅度上升，資產平均負債率達到80%。主要是因為ST公司抵御金融危機的能力較低，總體狀況比較差。

企業的營運能力分析時選擇總資產周轉率作為單變量指標，非ST公司的總資產周轉率比較平穩，在0.8～0.9之間，始終在緩步的上升，ST公司的10年到11年總資產周轉率發生較大幅度的增長，11年到12年又迅速下降，三年的平均值在0.5左右，明顯低于非ST公司。

分析企業的成長能力時主要選擇總資產增長率和凈利潤增長率作為指標，通過分析之后可以發現，10年到11年，非ST公司的總資產增長率在20%～25%之間，12年迅速下降到10%以下，三年來，ST公司的總資產增長率在同樣也在持續的下降，12年甚至變成了負值，總資產停止增長。分析凈利潤增長率可以發現，10年及12年，ST公司的平均凈利潤增長率低于非ST公司，11年高于非ST公司，兩類公司的平均凈利潤增長率都十分不穩定。

企業的獲現能力分析選擇現金流動負債比作為單變量指標，10年到12年，非ST公司的平均現金流動負債比在0.16～0.12之間，在緩慢的下降，但ST公司的現金流量負債比呈現一定程度的波動，10年到11年在迅速上升，11年到12年又有所下降，但總體而言依然明顯低于非ST公司，在0.02～0.08之間，由此可見，非ST公司的現金償還能力較好。

(二)多變量分析

單變量分析的方法在財務困境預測中存在著一定的缺點，各個財務指標的預測能力不一樣，預測方向各不相同，對同一公司進行預測都可能存在著不同的結果，因此，下文采用多變量分析的方法進行建模，圖1為具體的研究思路。

圖1 多變量分析研究思路

1. 變量篩選

采用獨立樣本T檢驗方法檢驗在非ST組及ST組中上述的備用財務指標是否具有代表性，初步進行變量的篩選，具體的篩選步驟如下所示，基于母公司報表數據及合并財務報表數據計算48個樣本公司的22個財務比率，在5%的顯著性水平下對這些財務指標進行單樣本K-S檢驗，分析這些樣本ST公司的指標總體上是否符合正態分布，如果符合，在5%的顯著性水平下對每年數據的指標均值進行獨立樣本T檢驗，如果指標兩年及以上均值都顯著，可以作為財務預警指標，不符合正態分布的，通過獨立樣本非參數檢驗對三年數據指標均值進行檢驗。

(1)基于合并報表數據進行變量篩選

2010年財務指標均值差異檢驗。采用單樣本K-S檢驗法判斷22個財務指標樣本正態性發現，樣本中所有的ST公司的財務指標都服從正態分布，非ST公司只有少數不符合，因此可以繼續進行獨立樣本T檢驗。對剩余20個指標進行獨立樣本T檢驗顯示，5%的顯著性水平下，共有14個指標通過該檢驗，分別為變量1、2、3、4、6、7、8、10、11、14、18、21、22，由于樣本數量較小，將均值差異顯著性檢驗變為分布一致性檢驗，兩獨立樣本非參數檢驗顯示，變量12、17沒有通過，差異不顯著。

11年財務指標均值差異檢驗。K-S檢驗顯示，ST公司的所有財務指標中除了變量1之外，均符合正態分布，非ST公司，指標11、12.、17、18不符合。對剩余的17個指標進行獨立樣本T檢驗顯示，5%的顯著性水平下，變量2、3、7、8、10、14通過顯著性檢驗，指標1、11、12、17、18非參數檢驗結果表明，除指標1外其余均未通過顯著性檢驗。

12年財務指標均值差異檢驗。K-S檢驗顯示，ST公司中除了指標18外，均符合正態分布，非ST公司指標18、19不符合。對剩余指標進行獨立樣本T檢驗表明，指標2、3、4、7、8、10、14通過檢驗，對指標18、19進行非參數檢驗發現只有18通過。

由上述分析可以發現，三年間，存在顯著性差異的財務指標有14個，其中9個至少兩年顯著性水平為0.05，財務指標平均值差異的t檢驗中有7個通過該檢驗，且這些指標對應的|t|大幅度增加，由此可見，它們的預測能力比較顯著，可以將這9個指標納入預警指標體系，但這9個指標中缺少現金流量指標，因此，將現金流指標盈利現金比率X20納入該體系。

(2)基于母公司報表數據進行變量篩選

變量篩選方法與上述步驟一致，最終選擇指標1、4、7、10、14、17、20一共7個指標納入預警指標體系。

2. 財務預警模型建立

(1)基于合并報表數據進行分析及建模

統計分析之前通過標準化處理將數據標準化，然后通過一定的統計分析方法建模。為了判斷數據是否能夠適合進行因子分析，需要通過KMO檢驗和Barlett球度檢驗的方法分析變量的相關性，KMO在0.5以下，表明不適合，對基于合并財務報表的數據檢驗后發現，KMO=0.624，則適合；Barlett球度檢驗時，顯著性為0，說明所有的變量具備一定的相關性，可以進行因子分析。

因子分析時，首先需要確定主成分的個數，本次研究選擇的主成分提取數為5個，因子分析結果顯示，第1公因子能夠較好的代表X7、X8、X10這三個指標，也就是企業的償債能力，第2公因子能夠較好的代表X1、X4、X18這幾個指標，即企業的成長能力及盈利能力，第3公因子能夠較好的代表X2、X3即企業主營業務盈利能力，第4公因子能夠較好的代表X20即企業獲現能力，第5公因子能夠較好的代表X14即企業營運能力。通過主成分及主成分貢獻建模，對所有公因子得分進行加權求和，計算得出它們的方差貢獻率為32.26%、23.68%、18.89%、10.32%、10.06%，各公司財務預警模型為：

zF=32.26%F1+23.68%F2+18.89%F3+10.32%F4+10.06%F5

(2)基于母公司數據進行分析及建模

建模過程與上文一致，最終得出各公司財務預警模型為：

zF=40.53%F1+14.92%F2+14.55%F3+14.41%F4+14.36F5

3. 模型判別能力檢驗

(1)合并財務報表數據

計算樣本估計組綜合得分，有無財務危機分割點根據誤判率最小原則進行確定，zF值在-0.14以下時有財務危機，反之沒有。對24家樣本公司進行判斷顯示，有兩家判斷失誤，其余均準確，該模型準確率達到91.67%。將預測樣本數據帶入模型后，有四家誤判，準確率達到83.30%，由此可見，該模型預測效果比較好。

(2)母公司報表數據

財務危機分割點為-0.2979，24家建模估計樣本公司的判別準確率為100%，按照基于合并財務報表數據的財務分割點進行判別，準確率為91.67%，預測效果較好。

四、結束語

由上述的結果可以看出，兩組樣本通過基于母公司數據的預警模型判別財務風險，準確率相對較高，但實際上，由于本次選擇的樣本公司的平均規模都較小，因此預測模型應用時可能會存在著一些偏差，這也是該模型的不足之處，本文建立的模型僅為相關研究人員的財務預警工作提供簡單的參考。

[1] 何丹.合并報表與母公司報表財務預警功能的比較研究[D].對外經濟貿易大學.2012.

[2] 尹朝暉，祝建軍.合并財務報表分析幾個問題的探討[J].財政監督.2012(20).

[3] 蘇君.合并會計報表與財務分析[J].新理財.2011(06)