證券業上市公司財務風險評價研究

宋捷羽 劉立燕（教授/博士）

（江漢大學商學院 湖北 武漢 430000）

一、引言

2020年中國證券業協會發布了《證券公司2019年度經營數據》，報告指出截至2019年12月31日，我國證券公司注冊總數達到133家，其總資產為7.26萬億元，2019年全年實現營業收入3 604.83億元，120家證券公司實現盈利。證券公司作為金融市場的中介者和參與者，呈現出多元化、專業化、數據化、國際化的特點。證券公司受市場波動的影響較大，同時宏觀經濟狀況及政策對行業的影響也較為明顯，證券業是高風險行業。2020年4月，證監會取消了對證券公司以及基金管理公司外資持股的比例限制，并允許外資控股合資證券公司，逐步放開合資證券公司業務經營范圍。中國證券業的全面開放意味著行業競爭進一步加劇，對券商的風險管理能力提出了更高要求。本文嘗試采用基于因子分析改良的功效系數法對上市證券公司的財務風險進行評價，希望借此對我國上市證券公司相關研究提供支持和補充。

二、文獻綜述

國際證券委員會將證券公司面臨的風險劃分為市場風險（Market Risk）、流動性風險（Liquidity Risk）、信用風險（Credit Risk）、法律風險（Law Risk）、營運風險（Operational Risk）和系統風險（System Risk）。就財務風險而言，一般包括流動性風險、償債風險、運營風險、市場風險、信用風險等。國內外學者在對企業財務風險進行評價研究的過程中采用了多種模型和不同的研究方法。一是單變量判定模型。Fitzpatrick（1932）采用單個財務比率模型對企業財務進行判定，開創了單變量財務風險評價方法。William Beaver（1968）在此基礎上進一步系統化，選取14個財務指標對企業進行財務風險分析，研究發現現金流量與總負債的比值是反映企業財務危機狀況最好的變量。該方法易操作，但是若面對經營多元、財務風險復雜的企業會有一定的局限性。二是多元線性評價模型（Z-SCORE模型）。Altman（1968）選取了五種財務管理指標并賦予一定的權重因數來對企業財務風險進行評價。萬希寧、蘇秋根（2003）在Z模型的基礎上采用判別分析法建立了一種可以預測企業財務失敗的模型，并選取部分上市公司中的ST公司與非ST公司對模型進行了檢驗。張蔚虹、朱海霞（2012）認為ZSCORE模型對我國科技創新型上市公司的財務風險評價十分有效。三是綜合評價法。綜合評價方法是從企業的盈利能力、償債能力以及成長能力按照5∶3∶2的比例賦予權重，并在其各自的下層指標中依次賦權，最終通過加權得到評分。在各層指標賦權時為避免主觀判斷影響最終結果，部分學者將綜合評分法與其他研究方法相結合或進行改進。張煌強（2015）將綜合評價法與熵權法相結合對房地產業的財務風險進行了評價，結果表明房地產企業財務風險整體上還是可控的。張明莉、姜銘（2008）利用多級模糊綜合評價法衡量出上市公司財務風險值在特定區間的變化范圍，據此判斷出該公司現階段可能所處的財務風險狀態。四是Logistic模型。Logistic模型可以根據風險因素預測財務風險發生的可能性。鄭茂（2003）建立一套財務預警評判指標體系，以證券交易所中部分ST股票與優質股為研究對象，研究結果表明Logistic模型對我國上市公司財務風險有較強的預測能力。蔡艷萍、王玉嬌（2014）采用Logistic回歸模型構建商業銀行上市公司財務風險評測模型，實證結果顯示該模型有較好的預測能力，能有效識別風險。五是神經網絡模型。神經網絡模型是對企業財務風險進行的動態評價。周敏、王新宇（2002）提出了基于系統模糊優選和神經網絡模型的企業財務風險評價方法，可以對企業財務風險進行有效的動態預警。朱燕妮（2008）構建了我國房地產上市公司財務風險預警模型，通過BP神經網絡法建立了一種分預警程度的財務危機預測模型，該模型預測期為一年。六是因子分析法。因子分析法可清晰地篩選出強相關性的財務指標。宋彩平、何佳祺（2013）通過因子分析法對林業上市公司財務風險因素進行識別并提出防范建議。田月昕、姜巖龍（2014）同樣采用因子分析的方法對建材行業上市公司的財務風險進行評價。周尚珺、陳功正（2018）基于因子分析法判斷影響美的集團財務績效的主要因素是宏觀經濟和政策因素。此外，尹夏楠、鮑新中（2017）通過熵權TOPSIS方法從五個維度構建了評估高新技術企業的財務風險指標體系。李霞、干勝道（2016）采用功效系數法選取公募基金會財務數據，對非營利組織財務風險進行了評價。

從以上文獻看出，目前的研究成果多為針對特定證券公司進行的案例分析，方法單一、樣本量不足，因此本文嘗試以A股上市的38家證券業上市公司為研究對象，結合因子法采用改良后的功效系數法對其進行財務風險評價研究，以提供新的研究視角。

三、財務風險評價模型設計及指標體系建立

（一）財務風險評價模型設計

功效系數法主要用于對行業績效進行評價，包括定量指標和定性指標。首先要對每一項指標選定一個滿意值為上限、接受的最低值為下限，然后計算各個指標實現滿意值的程度，以此來確定指標的分數，最后將各指標進行加權得出綜合分值。羅曉剛、劉飛虎（2012）在功效系數法的基礎上進行改良，以此來保證綜合評分值的準確性，最終得到財務風險評價模型的功效系數公式，如下所示：

傳統的功效系數法對公式（3）中的“單項指標權數”采用層次分析法（AHP）獲得，本文將采用因子分析法代替AHP獲得指標權數，從而避免AHP中因主觀判斷所帶來的影響。在AHP分析中向專家征詢意見不可避免地會因為信息的不完全造成權重賦予過程中的模糊性，采用因子分析法則很好地克服了以上問題，可以相對減少人為的干擾因素，從而使指標在權重的分配上更具有可靠性。

對于公式（3）中的本檔標準系數參考財政部發布的《企業績效評價標準值》中的相關標準，將評價檔次設置為5檔，分別為優秀、良好、中等、較差和差，并根據標準確定了各個檔次的標準系數，具體如表1所示。

表1 評價檔次及相應檔次的標準系數

對于公式（5）中的本檔標準值的確定，本文虛擬一個“標準證券上市公司”，將樣本中各指標的均值作為此上市公司的財務風險評價指標值，將各證券上市公司的實際指標值與標準值做比值，根據比值來確定所在的檔次，實際指標與標準指標的比值為1.4及以上記為“優秀”，比值在1.2—1.4區間上記為“良好”，比值在0.8—1.2區間上記為“中等”，比值在0.6—0.8區間上記為“較差”，比值低于0.6則記為“差”。

（二）財務風險評價指標體系

參考劉霖（2011）、李文婷（2015）等研究成果，通過對文獻中各財務風險指標體系的對比分析，考慮到證券業上市公司的實際情況以及數據的可得性，本文從證券類上市公司的盈利能力、償債能力、發展能力、營運能力及股東實力五個維度建立證券業上市公司財務風險評價指標體系。建立的指標體系如上頁表2所示。

表2 證券業上市公司財務風險指標體系

四、實證研究

（一）描述性統計

截至2018年12月31日我國共有44家A股證券業上市公司，其中宏源證券于2015年1月23日退市，越秀金控、愛建集團、五礦資本、哈投股份及國盛金控五家證券業上市公司雖擁有證券業務牌照，但作為綜合性上市公司，證券業務收入在其公司收入比重中不占有絕對優勢，以上六家公司予以剔除，本文最終選取了38家證券業上市公司。數據來源于國泰安數據庫，各財務指標的描述性統計如表3所示。

表3 財務指標描述性統計

表3顯示，各項指標在公司之間的差異較大。2018年，證券上市公司資產報酬率的均值為1%，最大值為3.3%，最小值為-3.9%，該指標為負數的有3家。凈資產收益率的均值為2.9%，最大值為8.4%，最小值為-12.5%，指標為負數的有3家，表明2018年證券類上市公司的盈利能力一般；資產負債率的均值為72.1%，最大值為82.3%，最小值為56.8%，產權比率的均值為2.73，表明平均來看證券業上市公司的負債率比較高；總資產的增長率的均值為1.6%，每股凈資產增長率均值為零，表明行業成長性不理想；現金及現金等價物周轉率的均值為0.145，總資產周轉率的均值為0.033，這個指標不高可能與證券行業的特殊性有關；每股凈資產的均值為6.458，每股收益均值為0.22，表明平均來看公司的股東實力能力一般；且公司間償債能力、發展能力、營運能力和股東實力相關指標的最大值與最小值差異較大，表明不同公司之間存在巨大差別。

（二）指標因子分析及指標權重確定

在因子分析前為了使上頁表2中指標的經濟指向一致，對于指標性質為負的指標需進行正向化，一般正向化采用取倒數法以及“1-負向指標”使其正向化，本文采用公式（maxX-X）/（maxX-minX）使指標體系中的負向指標正向化。

因子分析法主要優點在于避免了原始指標的多重共線性，從眾多的原始指標中提取具有代表性的因子，從而使結論變得更加的客觀準確。因子分析前，原始數據必須通過KMO檢驗和Bartlett檢驗，滿足KMO檢驗值大于0.5、Bartlett檢驗值小于0.05，才具備進行因子分析的條件。本文借助SPSS 21.0來確定證券業上市公司財務風險評價指標是否可以進行指標精簡化。結果如表4所示，從表4的結果可以看出選取的38家證券業上市公司原始數據KMO檢驗值為0.51，Bartlett檢驗值結果遠小于0.05。說明選取的原始財務指標之間具有較強的關聯性，適合對原始指標進行降維，進行因子分析。

表4 原始指標的KMO檢驗和Bartlett檢驗

運用因子分析法中的主成分分析法，提取了大于1的特征根，最終使得10個原始指標提煉出4個主要因子用來分析原始指標所包含的大部分信息，在這樣的過程中不可避免地會造成部分數據的丟失。我們一般會通過因子方差的貢獻情況來判斷因子提取是否理想，原則上要求提取80%以上的原始數據信息。從表5可以看出提取的4個因子的累計貢獻率達到87.168%，即說明前4個因子可以反映原始指標包含總體信息量的87.168%，丟失的信息較少，可以判斷其因子提取的效果較為理想。

表5 特征值及累計百分比表

本文采用最大方差法對因子載荷進行正交旋轉，旋轉后的因子載荷矩陣如下頁表6所示，因子載荷矩陣表示原始指標與提取因子的線性關系。證券業上市公司財務風險指標的權重詳見下頁表7。證券業上市公司財務風險指標X、X、X、X、X、X、X、X、X、X的權重分別為 13.94%、13.14%、9.07%、9.4%、8.62%、7.94%、8.52%、10.48%、7.29%、11.6%，可以看出其權重大小并沒有顯著差異。

表6 因子載荷矩陣

表7 證券業上市公司財務風險指標權重

（三）功效系數法在財務風險評價中的應用

通過證券業上市公司風險評價指標體系和因子分析得到的指標權重，依據建立的模型最終算出各證券業上市公司的綜合得分，并將得分進行排序。在模型設計中提出的“標準證券上市公司”與38家證券業上市公司一起在指標體系模型中計算出綜合得分，“標準證券上市公司”綜合得分為64.06，38家證券業上市公司的財務風險綜合得分及其相應的排序如表8所示。

表8 證券業上市公司財務風險綜合評價表

根據表8，證券業財務風險平均水平得分為64.06，有23家證券業上市公司財務風險狀況優于“標準證券上市公司”，15家上市公司低于“標準證券上市公司”，即有39%的證券業上市公司的財務風險是高于行業平均水平的。

根據《證券公司分類監管規定》，每年中國證券監督管理委員會將以公司風險管理為基礎輔以合規管理水平及公司競爭力對證券公司進行評級。評級從高到低分為A級（包括AAA級、AA級、A級三個等級）、B級（包括BBB級、BB級、B級三個等級），C級（包括CCC級、CC級、C級三個等級）、D級與E級，其中A、B和C級為正常營運的證券公司，而處于D級和E級的證券公司將被依法采取風險處置措施。

證券業上市公司作為我國證券企業的代表，證監會對它們的評級基本上在B級及以上，高于“標準證券上市公司”的23家，除3家為BBB評級外，其余均為A級及以上評級；低于“標準證券上市公司”的評級除“長江證券”外，均為B級以上。研究結果表明采用結合因子分析后經改良的功效系數法評價證券業上市公司的財務風險是比較有效的。

排序差異的部分原因可能在于證監會評級除考慮財務指標以外，也充分考慮了金融科技的投入，以及非財務指標（如公司的合規管理水平）。如“長江證券”，雖然其財務指標尚可，但是其保薦業務因內控體系不健全、人員設備配置不足等合規管理問題收到7張罰單，而成為唯一被評為CCC的上市證券公司；“西部證券”于2018年6月因其股票質押業務、資金用途審批流程和高管職責沖突等經營方面存在問題，收到了行政監管措施決定書，評級結果公布前的4個月中又分別收到來自內蒙古、上海、陜西監管局的四次處罰，被證監會評為B級。

五、結束語

本文從盈利能力、償債能力、發展能力、營運能力和股東實力五個方面對證券業上市公司財務風險進行了評價。研究顯示，平均來看，2018年證券業上市公司的負債率比較高，盈利能力、發展能力、營運能力和股東實力能力均處于一般水平；但是不同證券公司之間存在較大差異，表明行業內公司風險水平差異較大。在運用因子分析對指標進行賦權時發現，影響證券業上市公司財務風險的因素是多方面的，且各因素之間影響程度上不存在很顯著的高低差異。研究顯示，現階段我國證券業上市公司中仍有39%的企業財務風險是高于同行業水平的。結合了因子分析的功效系數法經檢驗可以較好地評價證券業上市公司的財務風險狀況，在一定程度上避免以往功效系數法分析中因主觀判斷產生的誤差。

從上述結論可以看出，現階段我國證券業上市公司財務狀況仍有較大的改善空間。行業內各公司財務風險水平的較大差異可能來自于企業規模、融資手段、企業戰略規劃等因素。證券業上市公司應結合宏觀背景根據企業自身情況建立有效的財務風險評估體系，該風險評估體系首先要有明確的評估目標，其次在財務風險測量的過程中，需從多維度對公司財務風險進行評價，對各維度指標科學賦權，最后公司根據評估結果提出治理財務風險行之有效的措施。相當比重的證券業上市公司財務風險高于同行業水平，證券監督管理委員會及相關政府部門應考慮通過法律規范等手段營造健康穩定可持續的金融市場經營環境，為證券業上市公司融資渠道拓展提供良好的平臺。本文的局限性在于未考慮金融科技投入、公司合規、公司治理等非財務指標的影響，可能對研究結果有一定影響。未來將結合相關非財務指標開展進一步的研究。