石化行業(yè)財(cái)務(wù)危機(jī)預(yù)警模型對(duì)石化企業(yè)規(guī)避財(cái)務(wù)風(fēng)險(xiǎn)，控制財(cái)務(wù)運(yùn)行具有重要意義。本文以石化企業(yè)上市公司為樣本，設(shè)計(jì)財(cái)務(wù)危機(jī)預(yù)警模型。
建立一套合理有效的財(cái)務(wù)危機(jī)預(yù)警模型對(duì)公司管理者、投資者和市場(chǎng)監(jiān)管者及時(shí)識(shí)別并規(guī)避財(cái)務(wù)風(fēng)險(xiǎn)具有重要現(xiàn)實(shí)意義。研究表明，財(cái)務(wù)風(fēng)險(xiǎn)具有行業(yè)特性。石化行業(yè)是我國(guó)國(guó)民經(jīng)濟(jì)發(fā)展中重要的基礎(chǔ)行業(yè)之一，為此，本文以石化行業(yè)上市公司作為對(duì)象研究財(cái)務(wù)危機(jī)預(yù)警模型。
一、文獻(xiàn)回顧
財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究始于Fitzpatrick（1932）、Beaver（1966）等人用單變量法分析企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)。其后，學(xué)者Altinan（1968）和Blum（1974）等采用多變量分析方法來(lái)建立企業(yè)的財(cái)務(wù)危機(jī)預(yù)警模型，Ohison（1980）和Zmijewski（1984）等采用Logistic回歸分析研究方法構(gòu)建企業(yè)的財(cái)務(wù)預(yù)警模型，隨后又跨越到人工智能模型階段。與國(guó)外相比，我國(guó)關(guān)于企業(yè)財(cái)務(wù)預(yù)警方面的研究起步較晚，相關(guān)研究是從20世紀(jì)80年代末開始的，且其研究的對(duì)象主要集中在上市公司。陳靜（1999）用單變量判別分析和多變量判別分析方法做了實(shí)證分析，得出在宣布日前一年總的準(zhǔn)確率分別為100%和85%。吳世農(nóng)、盧賢義（2001）建立Fisher線性判定分析、多元線性回歸分析和Logistic回歸分析三種預(yù)測(cè)財(cái)務(wù)危機(jī)的模型，研究結(jié)果發(fā)現(xiàn)logistic回歸模型的誤判率最低。目前，國(guó)內(nèi)越來(lái)越多的學(xué)者嘗試運(yùn)用人工智能模型進(jìn)行財(cái)務(wù)預(yù)警，但統(tǒng)計(jì)方法因其較強(qiáng)的操作性和可理解性，仍被廣泛的應(yīng)用于財(cái)務(wù)預(yù)警中。
主成分分析是一種通過降維來(lái)簡(jiǎn)化數(shù)據(jù)結(jié)構(gòu)的方法，這種方法由Pearson（1904）首先使用，以后經(jīng)Hotelling（1933）、Cooley和lohnes（1971）、Kshirsagar（1972）、Morrison（1976）和Mardia、Kent&Bibby （1979）發(fā)展和成熟起來(lái)。其優(yōu)點(diǎn)是可以對(duì)觀測(cè)樣本進(jìn)行分類，并根據(jù)各因子在樣本中所起的作用自動(dòng)生成各因子權(quán)重，簡(jiǎn)化實(shí)測(cè)指標(biāo)系統(tǒng)，具有很強(qiáng)的可操作性。因此，本文在吸收主成分分析法優(yōu)點(diǎn)的基礎(chǔ)上，建立了以石化行業(yè)為例的多重截面的主成分分析的財(cái)務(wù)危機(jī)預(yù)警模型。
二、研究設(shè)計(jì)
?。ㄒ唬颖镜倪x擇
本文從2008-2012年滬深兩市A股市場(chǎng)上石化行業(yè)首次被ST及*ST的37家上市公司界定出26家作為財(cái)務(wù)危機(jī)公司的研究樣本。然后通過資產(chǎn)規(guī)模、上市時(shí)間相近等原則，按照1：1的比例進(jìn)行逐一配對(duì)，得到相應(yīng)的財(cái)務(wù)健康公司26家作為配對(duì)樣本。再將52家公司平均分成訓(xùn)練樣本26家（其中危機(jī)公司13家，健康公司13家）和檢測(cè)樣本26家。定義財(cái)務(wù)危機(jī)公司被ST或*ST時(shí)為T年，本文選取其T-2、T-3、T-4、T-5年內(nèi)的比率數(shù)據(jù)進(jìn)行分析。財(cái)務(wù)數(shù)據(jù)均來(lái)自瑞思數(shù)據(jù)庫(kù)（www.resset.com）。
（二）指標(biāo)選取
在財(cái)務(wù)危機(jī)研究中，變量指標(biāo)的選取通常沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)。本文借鑒前人的研究成本并在其基礎(chǔ)上進(jìn)行適當(dāng)?shù)难a(bǔ)充，遵循全面性、有效性和可操作性原則，選取涵蓋公司盈利能力、償債能力、成長(zhǎng)能力、營(yíng)運(yùn)能力、現(xiàn)金流量和資本結(jié)構(gòu)六個(gè)方面的22個(gè)財(cái)務(wù)指標(biāo)，具體指標(biāo)見表1。
（表略）
?。ㄈ┠Ｐ偷臉?gòu)建
主成分分析法（因子分析法）的基本思想是將實(shí)測(cè)的多個(gè)指標(biāo)，用少數(shù)幾個(gè)潛在的相互獨(dú)立的主成分指標(biāo)（因子）的線性組合來(lái)表示，構(gòu)成的線性組合可反映原多個(gè)實(shí)測(cè)指標(biāo)的主要信息。主成分分析法的一般模型為：
（表略）
其中，X1，X2，...Xn為實(shí)測(cè)變量；aij（i=1，2，...，m；j=1，2，...，n）為因子荷載；Fi（i=1，2，...，m）為選擇確定的m個(gè)主成分因子；Ki（i=1，2，...，m）為主成分因子的權(quán)重（即第i個(gè)因子的貢獻(xiàn)率）；F是公司財(cái)務(wù)狀況的預(yù)測(cè)值。
三、實(shí)證結(jié)果與分析
（一）描述性統(tǒng)計(jì)
1.均值對(duì)比分析。將選定訓(xùn)練樣本的13家財(cái)務(wù)危機(jī)公司和13家配對(duì)的健康公司分成兩組，然后分別計(jì)算兩組22個(gè)財(cái)務(wù)指標(biāo)在被ST的前四年的均值，然后利用EXCEL的折線圖將均值的對(duì)比情況描述出來(lái)，具體的變化詳見圖1。從折線圖我們可以看出，ST公司和非ST公司的各項(xiàng)財(cái)務(wù)指標(biāo)的平均值的變化趨勢(shì)不一致，有以下規(guī)律：第一，隨著ST年份的臨近，ST公司和非ST公司部分財(cái)務(wù)指標(biāo)的差異逐漸明顯，折線圖上二者之間的距離逐漸擴(kuò)大，因而得出結(jié)論：指標(biāo)具有較好的預(yù)測(cè)效果，如凈資產(chǎn)收益率、資產(chǎn)報(bào)酬率、流動(dòng)比率、速動(dòng)比率、經(jīng)營(yíng)凈現(xiàn)金流量/負(fù)債比率、每股收益增長(zhǎng)率、應(yīng)收賬款收益率、銷售現(xiàn)金比率、股東權(quán)益比率等。第二，兩類公司多數(shù)的財(cái)務(wù)指標(biāo)變動(dòng)曲線可以分開。例如，若非ST公司的指標(biāo)在ST公司指標(biāo)變動(dòng)曲線的上方，則這類指標(biāo)就是正指標(biāo)，如凈資產(chǎn)收益率、總資產(chǎn)報(bào)酬率、每股收益增長(zhǎng)率、凈利潤(rùn)增長(zhǎng)率、總資產(chǎn)增長(zhǎng)率、應(yīng)收賬款周轉(zhuǎn)率等。若非ST公司的財(cái)務(wù)指標(biāo)變動(dòng)曲線在ST公司的下方，這類指標(biāo)就是逆指標(biāo)，如資產(chǎn)負(fù)債率、固定資產(chǎn)比率等。也存在兩類指標(biāo)互相交叉的情況，如流動(dòng)比率、凈利潤(rùn)增長(zhǎng)率、存貨周轉(zhuǎn)率、銷售現(xiàn)金比率等。
（表略）
為了進(jìn)一步挖掘配對(duì)樣本之間的差異性，本文使用SPSS16.0統(tǒng)計(jì)軟件分別計(jì)算危機(jī)公司和健康公司的22個(gè)財(cái)務(wù)指標(biāo)T-2、T-3、T-4、T-5四年的均值及標(biāo)準(zhǔn)差，并將它們的均值與標(biāo)準(zhǔn)差相減進(jìn)行比較。得出，健康公司與危機(jī)公司在均值上存在顯著的差異，健康公司的財(cái)務(wù)指標(biāo)中除存貨周轉(zhuǎn)率（X13）、資產(chǎn)負(fù)債率（X20）、固定資產(chǎn)比率（X21）的均值比危機(jī)公司小，其余的財(cái)務(wù)指標(biāo)的均值均比危機(jī)公司大。且非ST公司樣本組的盈利能力、成長(zhǎng)能力、現(xiàn)金流量等指標(biāo)明顯高于ST公司樣本組的對(duì)應(yīng)指標(biāo)。從標(biāo)準(zhǔn)差的對(duì)比中可以發(fā)現(xiàn)，財(cái)務(wù)指標(biāo)中標(biāo)準(zhǔn)差的差值大部分為負(fù)數(shù)，說明ST公司樣本組的被ST前四年的均值波動(dòng)要大于非ST公司樣本組。
由均值和標(biāo)準(zhǔn)差對(duì)比分析可知，危機(jī)公司與健康公司的財(cái)務(wù)指標(biāo)存在顯著的差異，當(dāng)某個(gè)公司的多個(gè)財(cái)務(wù)指標(biāo)有明顯的下降趨勢(shì)且波動(dòng)較大時(shí)，表明該公司存在財(cái)務(wù)危機(jī)的可能。但是，均值對(duì)比分析是基于各指標(biāo)的平均值來(lái)進(jìn)行的，因此不可避免地存在極端值造成指標(biāo)均值差異的可能，所以我們只能夠依據(jù)均值分析進(jìn)行粗略的估計(jì)。
2.非參數(shù)Wilcoxon秩和檢驗(yàn)。為從統(tǒng)計(jì)上檢驗(yàn)選取的變量在危機(jī)公司樣本組和健康公司樣本組之間是否存在顯著的差異，我們應(yīng)用非參數(shù)Wilcoxon Mann-Whitney檢驗(yàn)法對(duì)兩組樣本22個(gè)財(cái)務(wù)指標(biāo)進(jìn)行統(tǒng)計(jì)檢驗(yàn)。通過檢驗(yàn)得到，在企業(yè)發(fā)生財(cái)務(wù)危機(jī)的前四年內(nèi)，在顯著性水平為0.1時(shí)，通過顯著性檢驗(yàn)的，T-5年、T-4年、T-3年、T-2年依次有5個(gè)、5個(gè)、10個(gè)、12個(gè)指標(biāo)。由此可見，距離財(cái)務(wù)危機(jī)發(fā)生的時(shí)間越近，危機(jī)公司與健康公司財(cái)務(wù)指標(biāo)之間的差異性就越大，這說明危機(jī)的發(fā)生可能存在一定的時(shí)序漸進(jìn)性。
?。ǘ┲鞒煞址治瞿Ｐ?br />
主成分分析之前，先需要檢驗(yàn)數(shù)據(jù)是否適合做主成分分析。根據(jù)KMO和Bartlett’s檢驗(yàn)結(jié)果，發(fā)現(xiàn)T-2、T-3、T-4、T-5年KMO值依次為0.611、0.559、0.808、0.426，Bartlett’s檢驗(yàn)P值均為0.000，小于0.001的檢驗(yàn)水平，拒絕單位相關(guān)性的原始假設(shè)，故可知適合做主成分分析。因此，運(yùn)用SPSS16.0軟件依次對(duì)T-2、T-3、T-4、T-5年的具有顯著性差異的指標(biāo)變量進(jìn)行主成分分析。通過方差最大化旋轉(zhuǎn)，在滿足特征值大于1的前提下，提取主成分因子。具體情況見表2。通過旋轉(zhuǎn)后的因子載荷矩陣可對(duì)主成分因子進(jìn)行解釋，由統(tǒng)計(jì)結(jié)果可知：T-2年的第一個(gè)因子主要解釋了X1、X2、X3、X4、X9、X11幾個(gè)變量，可解釋為公司的盈利能力和成長(zhǎng)能力；第二個(gè)因子主要解釋了X5、X20、X22幾個(gè)變量，因此F2主要代表公司的資本結(jié)構(gòu)狀況；第三個(gè)因子由變量X8、X17、X19貢獻(xiàn)最多，故F3可解釋為現(xiàn)金流量狀況。以此類推，各年的主成分因子的含義如表2所述。在確定了各主成分的經(jīng)濟(jì)含義后，可根據(jù)因子得分系數(shù)矩陣建立各個(gè)主成分關(guān)于原始財(cái)務(wù)比率的線性表達(dá)式。同時(shí)，根據(jù)統(tǒng)計(jì)結(jié)果中各個(gè)主成分的貢獻(xiàn)率，可以得到主成分預(yù)測(cè)函數(shù)。
（表略）
（三）各年預(yù)測(cè)結(jié)果的比較
將訓(xùn)練樣本和檢測(cè)樣本的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，然后將各年標(biāo)準(zhǔn)化數(shù)據(jù)代入危機(jī)前四年所建立的主成分分析模型的預(yù)測(cè)表達(dá)式中，計(jì)算F值。根據(jù)誤差最小化原則，確定各年F值的臨界值，從而進(jìn)行預(yù)測(cè)準(zhǔn)確率的計(jì)算。其中危機(jī)公司判定為健康公司為一類誤判；健康公司判定為危機(jī)公司為二類誤判，得到訓(xùn)練樣本和檢測(cè)樣本的預(yù)測(cè)準(zhǔn)確率的結(jié)果見表3、表4。從表中可以看到各個(gè)年度訓(xùn)練樣本的預(yù)測(cè)準(zhǔn)確率均高于檢測(cè)樣本，說明訓(xùn)練樣本對(duì)預(yù)測(cè)模型的擬合程度較高，且T-2年主成分分析模型的綜合預(yù)測(cè)準(zhǔn)確率訓(xùn)練樣本達(dá)到93.50%，檢測(cè)樣本達(dá)到82.50%，高于T-3年和T-4年主成分分析的結(jié)果，而T-3年和T-4年的預(yù)測(cè)準(zhǔn)確率差別不大。由此可見，危機(jī)到來(lái)前兩年的數(shù)據(jù)預(yù)測(cè)效果較好?！?br />
四、結(jié)論及局限
本文選取石化行業(yè)上市公司中配比的危機(jī)公司和健康公司作為研究樣本，選取22個(gè)財(cái)務(wù)指標(biāo)作為指標(biāo)變量。從各年度的主成分分析表達(dá)式中可以歸納出，企業(yè)的盈利能力以及現(xiàn)金流量狀況是影響石化行業(yè)企業(yè)是否會(huì)陷入財(cái)務(wù)危機(jī)的關(guān)鍵性預(yù)警因素。此外，本文選取石化行業(yè)上市公司被ST前四年的數(shù)據(jù)建立多重截面的主成分分析模型，實(shí)證結(jié)果表明T-2年主成分分析模型的預(yù)測(cè)準(zhǔn)確率是最高的，明顯高于T-3和T-4年的模型。但本文的預(yù)測(cè)準(zhǔn)確率整體上并不是很高，主要存在以下因素：（1）大部分財(cái)務(wù)危機(jī)預(yù)警的研究均選擇了T-1年的數(shù)據(jù)，而上市公司在T年是否被特別處理是由其T-1年財(cái)務(wù)報(bào)告的公布決定的，因此，T-1年預(yù)測(cè)模型即使有很高的預(yù)測(cè)精度，在實(shí)際預(yù)測(cè)中也沒有太大的應(yīng)用價(jià)值。（2）財(cái)務(wù)指標(biāo)的局限。本文建立的財(cái)務(wù)預(yù)警系統(tǒng)主要是以財(cái)務(wù)指標(biāo)作為輸入變量進(jìn)行判別和預(yù)警，而財(cái)務(wù)指標(biāo)又有其局限性，不能概括企業(yè)經(jīng)營(yíng)過程中的非財(cái)務(wù)因素。（3）樣本量的局限。根據(jù)數(shù)理統(tǒng)計(jì)的大數(shù)定理，評(píng)價(jià)樣本的數(shù)量越大，協(xié)方差矩陣就越趨于穩(wěn)定，主成分分析的準(zhǔn)確性就越高。而本文選取了2008-2012年5年間石化行業(yè)被ST的26家上市公司為危機(jī)樣本，樣本量相對(duì)較小。
