基于財務指標—logistics模型對建筑行業進行財務風險分析
——以BY股份為例

談泳彤

一、引言

2021年國際金融局勢因疫情已出現動蕩，預計建筑行業將因此面臨日益復雜多變的外部環境。建筑裝飾行業項目工程工期較長，工程驗收、審計決算有一定滯后期，因此建筑企業應收賬款金額較大且周轉速度較慢，其財務風險呈現出不確定性與復雜性。預測財務風險有利于完善全面預算管理，應對因墊資、回款不及時等帶來的經營風險提高，以更好的應對外部環境波動。

二、公司簡介

（一）BY股份財務現狀分析

寶鷹股份注冊資本4.5億元人民幣。是國內綜合建筑裝飾工程承建商，以建筑裝飾裝修等工程的設計、施工與安裝為主營業務，寶鷹股份于2013年宣布借殼"成霖股份"成功上市，2014年正式更名為"寶鷹股份"。

1、公司財務情況

從資產結構看，其采取投資主導的發展戰略。以對子公司的經營性資產管理為核心，近年來快速向中國華東地區與海外市場擴張。采用專一化戰略，聚焦于裝飾工程施工產業。從資本結構看，其屬于經營性負債資本為主的經營驅動型企業。經營性負債規模的增加降低融資成本，增加財務杠桿擴大收益。BY股份憑借其較強的上下游關系與綜合實力在行業頗具競爭優勢，行業地位上升。近年其連續參與了北京大興國際機場、港珠澳大橋等一系列工程的建設，順應“一帶一路”政策發展積極向海外市場拓展。

2. 公司面臨的風險

（1）集團化管理風險

BY股份擁有國內外31家全資子公司，覆蓋15個國家與地區。公司呈現出鮮明的集團化特征，如何協調統一、加強管控，實現多元化后的協同效應，提升整體運營和管理效能是今后公司發展面臨的風險因素之一。

（2）房地產政策調控風險

中央及地方政府房地產調控政策的變化，直接影響市場對房地產行業走勢的預期。在堅持“一城一策”的前提下，市場熱度窄幅波動或將成為常態，加之住房制度改革、人口人才政策等多因素層層疊加，如果政府繼續出臺更為嚴厲的房地產調控政策，或將增加公司的經營和業務壓力。

（3）海外業務風險

2021年海外疫情持續，在貿易和投資保護主義，以及部分地區地緣政治的影響下，部分國家出現債務違約、國內局勢動蕩等問題的風險仍然存在，增加了BY股份跨國工程建設和投資的風險，對市場開發、新簽和在建項目帶來挑戰。

三、財務風險模型的建立

（一）樣本選取標準及確定

企業名稱被冠以ST（Special treatment），是指境內上市公司經營連續兩年虧損，代表退市風險警示。房地產市場和建筑市場共同構成建筑產品生產和流通的市場體系，有著密不可分的關系。因此，本文以BY股份所在建筑行業為范圍樣本，選取國泰君安數據庫證監會2012版行業分類中，2017年-2020年建筑業的100家非ST企業，20家房地產業和建筑業ST企業。

（二）指標選取標準及確定

1.指標選取

綜合多方面的財務比率分析方法可以用來比較不同企業的收益與風險，有助于系統的判斷企業財務狀況與未來財務風險。因此，本文選擇覆蓋償債能力比率、發展能力比率、經營能力比率與盈利能力比率等25個財務比率指標為初級財務指標。

2.指標篩選

通過spss缺失值分析，去除缺失百分比超過7%的財務比率指標。結果如表1所示，建立表2所示財務指標體系。

表1 初選財務指標缺失值統計結果

表2 財務風險指標評價體系

(三）主成分分析

1. KMO和巴特利特檢驗

本文對120家企業近三年財務指標數據進行標準化處理，再進行KMO 和巴特利特檢驗。

H0：變量之間不存在相關性

H1：變量之間存在相關性

如表3所示，SPSS檢驗結果顯示KMO值＞0.5，P值＜0.05，即拒絕原假設接受備擇假設，說明變量之間存在相關性，適合進行因子分析。

表3 KMO 和巴特利特檢驗結果

2.主成分提取

對20項財務指標進行主成分分析，結果（如表4）顯示共6項指標特征值大于1，且累計總方差解釋81.358%，即可以用6個因子代替20個財務指標。

表4 解釋的總方差

3.主成分分析

主成分F1包括 X16, X17,主要代表盈利能力；F2包括 X1,X2, X5, X6,主要代表償債能力；F3包括X12,X13, X14, X15, 主要代表經營能力；F4包括X7,X8,X9,X11, 主要代表發展能力；F5包括X4, 代表償債能力；F6包括X3,X10,X18,X19,X20, 主要代表盈利能力。

由成分得分系數矩陣可知，F1-F6均可由20項指標表達，主成分F1的表達式如下所示，

同理，可得到主成分F2-F6的表達式。

（四）建立模型進行分析

1. 建立logistics模型

假設因變量為Y，表示公司是否存在財務風險，即是否被冠以ST。因此，ST公司的Y=1，非ST公司的Y=0.

對6個主成分進行霍斯默-萊梅肖檢驗，如表5顯示P值＞0.05，表明模型擬合較好。

表5 霍斯默-萊梅肖檢驗結果

因自變量合并為6個主成分，考慮使用Enter法對自變量和因變量Y進行二元Logistics回歸建模，財務風險預測模型公式如下所示：

結果顯示總體預測正確百分比為89.2%。

2. 模型準確性檢驗

對模型進行ROC曲線檢測（如表6），對模型預測效果好壞進行評價。如表X顯示，曲線下面積為0.768，P值＜0.05，有統計學意義，說明財務風險預測模型有意義。

表6 ROC曲線檢測結果

四、BY股份財務風險分析

對BY股份2016-2020年5年財務數據進行整理，并代入已建立的財務風險預測模型進行計算，得出2018-2022年5年P值，并與標準0.5進行比較，結果如下圖（圖1）所示：

圖1 π 預測結果

結果顯示2018-2020年P值均＜0.5，與實際情況相符，因此更好證明次財務風險預測模型準確性。通過2019年與2020年財務指標對2021年與2022年財務風險進行預測，P值＜0.5，但P值較前三年有明顯上升趨勢，說明未來兩年BY股份沒有重大財務危機，但財務狀況較之前有所惡化。

本模型僅就財務方面對公司未來財務風險進行預測，但影響企業財務風險的因素仍有外部因素，如數字金融工具帶來的外部宏觀環境、行業變革等因素。