對我國煤炭行業上市公司的財務績效評價——基于熵值法

陳小英

?

對我國煤炭行業上市公司的財務績效評價——基于熵值法

陳小英

(安徽財經大學工商管理學院，安徽蚌埠 233000)

基于熵值法對我國煤炭行業32家煤炭行業上市公司的財務績效進行分析，結合沃爾評分體系從償付能力、經營能力、盈利能力和發展能力四個切入點對相應的財務指標進行處理，計算得出相應的沃爾評分，最終進行財務績效評價，并指出評分法和熵值法的不足。

煤炭行業上市公司；沃爾評分；熵值法；財務績效

由于近幾年國內經濟正處于新常態的轉型期，受能源結構調整等因素影響，煤炭行業企業出產能嚴重過剩，業績低迷的情況。通過對我國在上交所和深交所A股上市的煤炭行業公司的財務報表的初步分析發現，煤炭行業上市公司的營業利潤普遍比較低迷。雖然我國已經致力于新能源的開發并已經處于試用階段，但是煤炭目前仍然在我國能源使用中占有很大的比例[1]、[2]。因此，對煤炭行業的公司的發展狀況的分析仍是必要的。本文希望通過對煤炭行業上市公司最近一年來的財務數據綜合分析，對煤炭行業上市公司的財務發展困境進行分析預測。文章接下來的內容分布如下：第一部分為研究背景；第二部分是研究方法的介紹；第三是研究樣本與指標的選取；第四部分為實證分析與結果；第五部分為總結。

一、研究背景

現代“會計之父”盧卡(Luca Pacioli)在其《數學大全》一書中部分篇章提到復式簿記法，開創了近代企業績效評價理論的先河[3]。此后公司績效評價理論隨著經濟的發展也不斷演進，學者們對于上市公司財務績效研究主要形成了杜邦體系理論和沃爾評分法體系理論為代表的兩個方向。

第一類是從公司管理者的角度，基于杜邦分析體系的業績評價理論，通過對上市公司財務指標進行量化分析來對分析上市公司的發展現狀以及成長性進行研究。杜邦分析法強調了“股權至上”的思想，希望通過財務績效的評價滿足股東的需求。Donaldson Brown在其美國杜邦公司從事財務工作時，提出綜合評價公司財務業績的方法，主要關注企業的凈資產收益指標，并對該指標層層分解，最終強調了盈利能力、周轉率和財務杠桿在評價公司財務績效方面的作用[4]。對于管理者來說，能夠準確地進行公司財務績效評估，不僅有利于公司預防風險，還利于公司進行融資來提高發展能力。

第二類是從投資人、債券人等利益相關者的角度，基于沃爾評分法中權重評分的理念，通過對上市公司財務指標的研究分析其財務困境或者破產預警[5]。沃爾比重評分法來源于對沃爾信用評分法的改進，主要選取能反映公司償付能力和營運能力的7項財務指標，通過計算指標權重對公司進行財務績效評分。對于投資人、債權人來說，準確地根據財務指標對公司進行困境預測或者績效評估能夠減少其決策的風險，減少不必要的投資損失[6]。

二、研究方法

(一)指標的篩選

上市公司的財務比率往往有上百個，對每一個財務比率進行分析顯然是沒有效率的，并且過多的財務指標可能彼此之間形成干擾影響分析結果的信度。因此學者們在對公司的財務績效進行實證分析時需要解決指標的篩選以及后續的實證分析兩方面的問題。學者們在篩選財務指標方面進行了頗為深入的研究。主要分為兩類，一類是基于財務會計理論框架進行財務指標的篩選，其特點是根據財務會計理論來篩選相應的財務指標對公司財務績效綜合評估。較早的有杜邦分析法和沃爾評分法。Altman以及Shumway選擇的財務指標也常被相關研究引用，主要包括流動比率(營運資金比率)、反映公司凈利潤分配的留存收益資本化、資產負債率、資產報酬率、總資產周轉率、ROA等[7-8]。另一類是基于數據挖掘技術進行財務比率的篩選。數據挖掘技術進行特征指標的篩選能夠促進對數據的理解，同時減少計算時間，抵抗“維度詛咒”來提高預測的效能[9]。數據挖掘技術使用的方法大致可以分為三類：第一，通過對數據處理后得到的信息排名來篩選變量，例如相對熵值法和具有合并方差估計的絕對值二樣本t檢驗。第二，根據績效模型來評價數據的特征子集。第三，嵌入式方法，如通過Lasso算法構建線性模型。L.Zhou的研究發現通過數據挖掘的方法篩選出的財務指標與使用前人成熟的研究篩選出的財務指標進行公司財務狀況研究分析得出的結果都比較好[10]。

本文基于經學者改進的沃爾評分法[11]篩選評價財務績效的財務指標，并且結合熵值法計算各指標的權重，計算出沃爾得分來對樣本公司的財務績效進行評價。

(二)熵值法

根據信息理論，在某一特定的信息系統中，信息熵是對系統無序度的度量，熵值與系統的無序程度呈負相關，熵值越大，反映了信息系統越穩定，無序度較低，各指標的差異程度也就越小。反之，若該指標熵值越小，則其反映的信息及其對應的指標的權重也就越大[12-13]。熵值法的主要原理是：

三、研究樣本和指標的選取

(一)研究樣本

本研究的樣本選自國內所有上市公司中的煤炭行業，按照2001年證監會發布并實施的《中國上市公司分類指引》，并結合國泰安數據庫的行業分類，截至2015年12月31日，我國已有39家煤炭類上市公司在滬深證券交易所掛牌交易。此外由于研究涉及到上市公司財務指標發展能力指標的比較，樣本剔除2015年當年以及之后上市的公司(伊煤股份)，為了研究的有效性，將*ST神火股份、ST賢成、*ST安泰、ST山煤國際、ST百花以及在2015年轉型為游戲公司的愛使股份剔除，獲得有效樣本32家煤炭類上市公司作為本文的研究樣本。

(二)分析指標選取

根據沃爾評分體系，選取樣本公司財務指標中的表現公司償債能力、營運能力、盈利能力以及發展能力4個方面的12個指標[11]、[12](見表1)。數據來源于巨潮網下載的樣本公司的企業年報和國泰安數據庫，對數據的處理使用的軟件為MATLAB2016a。

四、實證分析與結果

根據熵值法對上述12個指標數據進行處理。

(一)指標預處理

為了避免指標之間的影響互相抵消的情況，需要對指標進行預處理，使得指標的變動對財務績效的影響總體一致。在本文選取的12個指標體系中，除了償債能力指標中的資產負債率指標外，其他指標的值越大說明財務績效越好，為了便于比較，對資產負債率指標做以下處理。

(二)無量綱化處理

對經預處理后的指標使用極差變化法，進行無量綱化處理，處理公式為：

所得無量綱化指標的結果如表2所示。

(三)坐標平移

由于下一步運算中求相應數據對數的需要，而無量綱化后的數據指標中存在0，為了保證運算的有效性，則對所有數據進行坐標平移，均加上0.5，即將橫坐標上移了0.5個單位。

表1 沃爾評分體系

(四)比重計算

(五)熵值計算

(六)差異數以及權重計算

(七)相對比率

在計算財務指標的相對比率之前應根據評價的目的的可行性來確定相應的標準數值，例如參考行業相關指標平均水平或者行業相關指標最高水平等等，另外在根據所得出的標準數值計算財務指標的相對比率時還應考慮財務指標的內在屬性以及綜合評分的結果具有的同質性。

因此本文計算相對比率r時取無量綱化后的指標數值與無量綱化后的行業平均值的比，并規定相對比率r的取值范圍為不高于1.5，不低于0.5。計算出的相對比率介于取值范圍之間則取計算所得值為相對比率，否則取上限或者下限得分為相對比率。

(八)計算最終沃爾評分的得分

因為得分實行百分制，因此，最終得分計算公式為：

結果如表3所示。

五、總結

(一)整體財務績效評價

由上述分析結果可得，雖然在將各項指標的相對比率控制在0.5—1.5的范圍內，盡量縮小差距減小個別異常指標對分析結果造成不合理影響。整體來看，2015年煤炭行業上市公司的財務績效表現均較差，剔除績效表現差的ST類上市公司，樣本公司中財務績效表現最差的“云維股份”在各項財務指標上表現都遠低于煤炭行業公司的平均水平，并且有如營業利潤率、總資產報酬率、凈資產利潤率等多項指標為負值，需要警惕其破產的風險。

企業規模排名前3的企業分別為中國神華、中煤能源、兗州煤業，其中兗州煤業財務績效表現排名第一，而中國神華以及中煤能源分別排名16和25，說明煤炭行業企業財務績效表現參差不齊，并且與企業規模相關性不大。其原因可能在于企業規模過大，涉及業務過廣，而近年來經濟形勢下行，對其沖擊比較大。這些企業需要在合理得調整產業結構，關注資源配置不合理現象。

(二)陷入困境財務預警

*ST神火股份33、*ST安泰35、ST山煤國際36、ST百花37的營業利潤、營業總額以及營業凈利潤均為負，而這幾個公司的平均資產總額均為正，因此其ROA均為負，符合正常的財務指標對應的情況，與32家樣本公司的該指標具有可比性。這其中ROA最高的與最低的分別為*ST安泰的-0.01與ST百花的-0.13，對比32家樣本公司發現另有開灤股份、美錦能源、陜西煤業、陜西黑貓、鄭州煤電、平煤股份、平莊能源、大同煤業、國投新集、大有能源、恒源煤電、云煤股份等13家公司的ROA也處于-0.01與-0.13之間，甚至煤氣化和云維股份的ROA分別達到-0.15和-0.36，比該指標最低的ST百花更低。值得注意的是，ROA是在研究上市公司破產預警分析中重要的指標。因此必須警惕上述15家公司的破產風險，而同時這15家煤炭企業必須在加強企業的盈利能力，可以從優化銷售渠道、優化采煤技術降低成本、通過環境管理等措施加強公司形象管理等措施來降低公司破產的風險。

表2 計算所得沃爾評價體系權重表

表3 計算所得沃爾評分結果及排序

(三)研究不足

云維股份2015年末所有者權益以及凈利潤均為負，也是樣本公司中唯一一個2015年末所有者權益為負的公司，并且在沃爾評分中得分最低。但是由于其凈資產凈增長率也為負，導致其凈資產收益率為正并且為樣本企業中該指標最高的，在這種情況下，由單一的熵值法來判斷公司的財務績效會使得該公司的得分相對偏高，雖然該公司的最終沃爾得分仍然是最低的，說明偏差對結果影響很小，但是仍需引起重視，做到在數據無量綱化處理環節消除這種異常并且不改變原有數據的分布特征。

文章在結合熵值法計算沃爾評分的過程中計算相對比率時采用原始數據的財務指標與行業指標平均值的比值的算法時也出現了問題，如在計算營業利潤率的相對比率的時候，由于樣本公司的營業利潤率普遍比較低，負值也比較多，導致計算出的大部分相對比率均低于0.5，即會取值0.5，也因此使得營業利潤率指標對評分的貢獻率降低。為了解決這個問題，本文在計算相對比率的時候采用經無量綱化處理后的數據，結果改善了很多，但也因此可能改變了原始數據對最終評分結果的影響，應在以后的研究中尋求更合適的處理數據的方法。

[1] 張洪潮, 王澤江, 李曉利, 等. 中國煤炭消費需求波動規律及成因分析[J]. 中國人口、資源與環境, 2014(1): 94-101.

[2] 孫鵬, 程春梅. 煤炭行業上市公司經營效率的動態研究[J]. 遼寧工業大學學報(社會科學版), 2017(1): 42-44.

[3] 江少波, 張榮艷, 張愛文. 業績評價體系演進與評述[J].財會通訊, 2013(5): 25-27.

[4] 朱宏泉, 舒蘭, 王鴻, 等. 杜邦分析與價值判斷——基于A股上市公司的實證研究[J]. 管理評論, 2011(10): 152-161.

[5] 王克敏, 虞姬美光. 基于財務與非財務指標的虧損公司財務預警研究——以公司ST為例[J]. 財經研究, 2006(7): 63-72.

[6] 陸正飛, 宋小華. 財務指標在股票投資決策中的有用性：基于中國證券市場的實證研究[J]. 南開管理評論, 2006(6): 31-38.

[7] E.Altman. Financial ratios, discriminant analysis, and the prediction of corporate bankruptcy[J]. Journal of Finance, 1968(23): 589–609.

[8] T.Shumway. Forecasting bankruptcy more accurately: a simple hazard model[J]. Journal of Businss，2001(74): 101–124.

[9] I.Guyon, A. Elisseeff. An introduction to variable and feature selection[J]. Journal of Machine Learning Research, 2003(3): 1157–1182.

[10] L.Zhou, D.Lu , H.Fujita. The performance of corporate financial distress prediction models with features selection guided by domain knowledge and data mining approaches[J].Knowledge-Based Systems, 2015(85):52–61.

[11] 羅愛芳. 淺議沃爾評分法的改進[J]. 財會通訊，綜合2011(12)：110-111.

[12] 陳利寧, 楊昌明. 基于熵值法的我國煤炭行業上市公司財務績效評價[J]. 中國礦業, 2010(1): 25-28.

[13] 莫聰穎, 孟祥瑞, 王向前, 等. 基于突變理論的煤炭供應鏈風險模糊動態評價[J]. 遼寧工業大學學報(社會科學版), 2017(2): 31-33.

(責任編校：李延軍)

10.15916/j.issn1674-327x.2017.04.013

F275

A

1674-327X (2017)04-0044-05

2016-12-14

安徽財經大學與銅陵學院聯合培養研究生科研創新基金項目(2016tlxylhy07)

陳小英(1992-)，女，安徽池州人，碩士生。

網絡出版時間：2017-06-27 14:24；

http://kns.cnki.net/kcms/detail/21.1415.C.20170627.1424.016.html