原材料行業的財務風險預警系統研究

蔡悅琪 夏英俊 熊宇威 謝張穎 林天偉

摘要：以2018年原材料行業上市公司為研究對象，選取反映企業償債能力、盈利能力、現金流量、發展能力、營運能力5個方面共22個指標進行分析。運用因子分析對指標進行簡約，得到8個包含全部主要信息的公因子，并在此基礎上進行Logistic回歸分析，得到原材料行業財務風險預警的數學模型。

關鍵詞：原材料行業;財務風險預警;因子分析;Logistic回歸分析

一、引言

（一）研究背景

調查發現，原材料行業近幾年被ST的上市公司數量在所有行業中占比最高，這是因為近幾年來，原油、煤炭、鐵礦石等這些不可替代性的基礎性原材料資源匱乏、開采嚴重、庫存急劇下降，導致各行各業原材料價格上漲，給我國乃至世界各國企業帶來了極大的沖擊，一些企業虧損嚴重，甚至連年虧損，財務風險狀況堪憂[1]。

（二）研究意義

目前上市公司財務風險存在的不足，除了資金規劃較不合理、資金回收工作較不完備之外，還有一個重要的原因，就是缺少有效的財務風險預警系統[2]。

財務風險預警系統是采用數學模型等方法，對企業在經營管理活動中的潛在風險進行實時監控的系統。當下已有大量關于其它行業財務風險預警系統的研究，因原材料行業存在財務風險的狀況直到近幾年才逐漸明顯，所以相關研究也較少，故而通過研究，建立原材料行業的財務風險預警系統，其重要性不言而喻。

為了給原材料行業上市公司的財務風險預警提供一定的理論參考，本文以2018年被ST和非ST的原材料行業上市公司為研究對象，采用因子分析與Logistic回歸分析建立財務風險預警模型。

二、理論模型

（一）因子分析

因子分析的出發點是用較少的相互獨立的因子變量來代替原來變量的大部分信息，可以通過下面的數學模型來表示：

為了找到實際意義更明確的公因子，可采用方差最大旋轉法進行因子旋轉，得到如下模型：

其中即降維后的自變量。

（二）Logistic回歸分析

設因變量為Y，當Y=1時，表示公司被ST，即公司有財務風險;當Y=0時，表示公司財務正常。用P1（0

可得：

其中，Xi為解釋變量，βi為解釋變量對應的回歸結果得出的系數，α為橫向截距。其中截距和回歸系數是運用概率論中的最大似然方法估計的結果。由此我們得到回歸預測模型通常選擇 0.5（該數值來源于現有研究結果）為分界點，即當上市公司的 P小于0.5 時可以判斷該公司的各項財務指標符合規定，該公司為正常公司;當 P大于 0.5 時，我們可以據此推測該公司被 ST，即該公司發生財務危機。

三、實證分析

（一）測試樣本的選取

根據我國上市公司信息披露制度，ST公司發生財務危機的實際年份應該是其被ST的前一年，由此可見，以上市公司被ST當年為T年，用T-1 年的財務數據來預測 T 年是否發生財務危機沒有實踐價值。根據王藝[3]等的研究，隨著距離上市公司被特別處理的時間臨近，具有顯著性差異的預測指標數量呈上升趨勢，也就是說越臨近被ST時間的數據，預測精度更高，故本文以T-2為基期來預測T年的財務狀況并進行檢驗。

基于以上分析討論，本文從國泰安經濟金融數據庫中選取了27家2018年被ST的公司和50家正常公司，收集其2016年的財務數據進行分析。

（二）財務預警指標體系的確定

1.指標體系的初步建立

為反映企業的財務狀況，本文選取了上市公司償債能力、盈利能力、現金流量、發展能力、營運能力5個方面的22項具體指標，構建初始財務預警指標體系，如表1：

2.因子分析簡約指標

分析前先進行Bartlett球形檢驗，結果顯示，Bartlett球形度的顯著性為0.000，表示變量之間存在相關性，可進行因子分析。

對22個指標提取主成分，共提取了8個公因子，累計方差貢獻率達到83.688%，基本包含了全部測量指標所具有的主要信息。

對初始因子載荷矩陣進行旋轉，為使后面的操作更簡化，在綜合考慮信息量的基礎上，對絕對值小于3的系數不予考慮，將其略去。

基于上述分析結果，可得到用來代替22個原始變量的8個新變量 F1、F2、F3、F4、F5、F6、F7、F8作為財務預警模型的自變量，自變量滿足以下線性關系：

F1=0.951x1+0.956x2+0.683x3-0.731x4+0.914x5

F2=0.935x7+0.875x8+0.896x10+0.651x14+0.371x18

F3=-0.449x11+0.463x14+0.884x15+0.911x16

F4=0.383x3+0.836x12+0.876x13-0.383x18-0.344x22

F5=0.36x4+0.686x6+0.907x9+0.65x18

F6=0.768x20+0.812x21+0.681x22

F7=0.468x6+0.935x19+0.462x22

F8=-0.738x11+0.821x17

（三）基于Logistic回歸分析的原材料行業財務風險預警模型

利用SPSS計算各公因子的數值，再進行Logistic回歸，得到如下函數模型：

LogitP=0.283F1-0.126F2-0.625F4+ 0.631F5-0.177F6+0.4F7-2.688

對模型進行檢驗，結果如下：模型顯著性為0.000;-2似然對數為66.441a;Hosmer-Lemeshow顯著性為0.097;預測正確率為85.7%。

模型的顯著性為0.000，在1%的水平上顯著，所以回歸方程整體顯著，采用該模型是合理的;在方程擬合優度方面，-2對數似然值較小，Hosmer-Lemeshow顯著性大于5%，說明該模型的擬合優度越高。

四、結論

本文以原材料行業上市公司為研究對象，利用SPSS數據挖掘工具對該行業公司的財務風險預警進行實證研究。通過分析原材料行業2016年ST與非ST公司的財務指標數據，建立如下財務風險預警模型：

LogitP=0.283F1-0.126F2-0.625F4+ 0.631F5-0.177F6+0.4F7-2.688

經檢驗，該模型擬合度較高，預測正確率達到85.7%，對于原材料行業公司的財務風險預測具有一定的參考價值。

參考文獻：

[1]孔秀美.基于原材料漲價的財務思考[J].現代商業，2009 （29）：102.

[2]張軍.鋼鐵行業上市公司財務風險研究及管控[J].中國國際財經（中英文），2017 （12）：77-78.

[3]趙松山，白雪梅.關于多重共線性檢驗方法的研究[J].中國煤炭經濟學院學報，2001 （04）：296-300.

[4]解素雯.基于主成分分析與因子分析數學模型的應用研究[D].山東理工大學，2016.

[5]莊慧，饒揚勝.數據挖掘技術在上市公司財務困境預測中的應用[J].現代經濟信息，2016 （19）：143-144.

[6]王藝，姚正海.制造業上市公司財務預警體系的構建及比較——基于數據挖掘技術[J].財會月刊，2016 （21）：49-55.