本站小編為你精心準(zhǔn)備了制造業(yè)上市公司財(cái)務(wù)預(yù)警探究參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要：

文章選取我國制造業(yè)2014年4月滬深股市的61家ST公司和61家非ST公司為研究樣本，運(yùn)用熵權(quán)法，篩選出10個包含信息量多，并能準(zhǔn)確預(yù)警的指標(biāo)，通過這10個指標(biāo)建立“因子分析”模型進(jìn)行定量分析，得到財(cái)務(wù)危機(jī)預(yù)警函數(shù)（即為ST與非ST的判別函數(shù)），最后將測試組中60家公司的數(shù)據(jù)回代到預(yù)警函數(shù)中檢驗(yàn)其判別率，判別率達(dá)到81.67%，具有較高的的判別正確率，說明文章建立的財(cái)務(wù)預(yù)警系統(tǒng)對于上市公司財(cái)務(wù)危機(jī)的預(yù)測與防范起到一定的作用。

關(guān)鍵詞:

財(cái)務(wù)預(yù)警；熵權(quán)法；因子模型；判別函數(shù)

一、引言

（一）建立財(cái)務(wù)危機(jī)預(yù)警的意義制造業(yè)是我國國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，是我國經(jīng)濟(jì)增長的主導(dǎo)部門和經(jīng)濟(jì)轉(zhuǎn)型的基礎(chǔ)，是經(jīng)濟(jì)社會發(fā)展的重要依托，更是我國城鎮(zhèn)就業(yè)的主要渠道和全球產(chǎn)業(yè)鏈的重要組成部分。在全球競爭條件下，我國制造業(yè)上市公司面臨來自多方面的壓力，尤其金融危機(jī)的影響，使得我國制造業(yè)上市公司陷入到財(cái)務(wù)風(fēng)險和破產(chǎn)危險的可能性急劇上升，這不僅會對利益相關(guān)者造成損失，更會制約資本市場的穩(wěn)定發(fā)展。故我國制造業(yè)上市公司要持續(xù)發(fā)展，必須警惕危機(jī)，正視危機(jī)，在經(jīng)營活動中設(shè)立財(cái)務(wù)預(yù)警系統(tǒng)，進(jìn)行經(jīng)常性的分析和診斷。因此，本文將在對國內(nèi)外有關(guān)財(cái)務(wù)預(yù)警研究的理論及模型的歸納、整理和評述的基礎(chǔ)之上，來分析我國制造業(yè)上市公司財(cái)務(wù)預(yù)警研究的現(xiàn)狀，以我國制造業(yè)上市公司為研究樣本，構(gòu)建財(cái)務(wù)預(yù)警指標(biāo)，建立財(cái)務(wù)預(yù)警模型。

（二）國內(nèi)外文獻(xiàn)述評國外對財(cái)務(wù)預(yù)警的研究要早于國內(nèi)，早在20世紀(jì)30年代國外學(xué)者就已開始了對財(cái)務(wù)預(yù)警的研究，歷經(jīng)了從單變量分析到多變量分析的過程。我國起步于20世紀(jì)80年代中后期，1986年吳世農(nóng)、黃世忠首次介紹了企業(yè)破產(chǎn)的分析指標(biāo)和預(yù)測模型。1990年佘廉等人從事了企業(yè)預(yù)警研究，并于1994年發(fā)表文章對企業(yè)預(yù)警管理進(jìn)行了系統(tǒng)分析。直到1996年以后，才陸續(xù)出現(xiàn)以企業(yè)財(cái)務(wù)數(shù)據(jù)為基礎(chǔ)而建立的財(cái)務(wù)危機(jī)預(yù)警模型，并逐漸發(fā)展起來。單變量預(yù)警模型是指以某一項(xiàng)財(cái)務(wù)指標(biāo)作為判別標(biāo)準(zhǔn)來判斷企業(yè)是否處于破產(chǎn)狀態(tài)的預(yù)測模型。財(cái)務(wù)預(yù)警研究最早就開始于1932年Fitzpatrick用統(tǒng)計(jì)方法開展的單變量破產(chǎn)預(yù)測研究。在眾多預(yù)測公司財(cái)務(wù)危機(jī)困境的多變量模型中，最早亦最著名的當(dāng)屬美國紐約大學(xué)1968年Ed-wardAltman教授的Z-Score判定模型。即：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5。1996年國內(nèi)學(xué)者周首華、楊濟(jì)華對Z計(jì)分模型進(jìn)行修正，提出了F分?jǐn)?shù)模型。1999年國內(nèi)學(xué)者陳靜運(yùn)用單變量分析方法和多元線性判別分析方法分別建立財(cái)務(wù)預(yù)警模型，并將兩種財(cái)務(wù)預(yù)警模型進(jìn)行比較研究。2003年楊淑娥在Z-score模型的基礎(chǔ)上，通過運(yùn)用統(tǒng)計(jì)學(xué)中的主成分分析法，構(gòu)造了Y分?jǐn)?shù)模型，該模型在用于財(cái)務(wù)預(yù)警檢驗(yàn)的回判準(zhǔn)確率大致為86%。

二、樣本、指標(biāo)的選取

（一）樣本的選取本文在樣本的選取上是根據(jù)2014年4月滬深股市公布的所有ST公司（根據(jù)1998年實(shí)施的股票上市規(guī)則，將對財(cái)務(wù)狀況或其它狀況出現(xiàn)異常的上市公司的股票交易進(jìn)行特別處理(specialtreat-ment，簡稱ST)，其中ST股是指境內(nèi)上市公司連續(xù)二年虧損，被進(jìn)行特別處理的股票，*ST股是指境內(nèi)上市公司連續(xù)三年虧損的股票）共90家中，抽取了本文需要研究的制造業(yè)中的61家公司，并根據(jù)同行業(yè)，同時期，規(guī)模相當(dāng)（即非ST公司與相對應(yīng)的ST公司的期末資產(chǎn)總額相差不超過150%）的配對原則，選取了61家與之相對應(yīng)的非ST公司，共122家上市公司作為研究對象。只有在滿足上述配對原則的情況下才使得研究樣本之間具有可比性，分析更趨合理性，結(jié)果更具科學(xué)性。

（二）指標(biāo)的選取本文指標(biāo)數(shù)據(jù)主要來源于和訊財(cái)經(jīng)網(wǎng)以及大智慧投資軟件，通過數(shù)據(jù)的整理，剔除了個別的缺失值和特大異常值，并根據(jù)以下原則選取16個財(cái)務(wù)比率基礎(chǔ)指標(biāo)：1．全面性，在系統(tǒng)的構(gòu)建中，所考慮納入的指標(biāo)應(yīng)能全面揭示企業(yè)的財(cái)務(wù)風(fēng)險，且各指標(biāo)間具有較強(qiáng)的互補(bǔ)性。2．可比性，選取指標(biāo)時，應(yīng)注意評價指標(biāo)口徑范圍和計(jì)算方法的縱向可比和橫向可比原則。3．同趨勢性，即是指標(biāo)正向化，當(dāng)財(cái)務(wù)比率增大時，表示財(cái)務(wù)狀況的改善，反之財(cái)務(wù)比率減小時，表示財(cái)務(wù)狀況的惡化。4．可獲得性，采用上市公司財(cái)務(wù)報(bào)告披露的數(shù)據(jù)是可以獲取的（和訊網(wǎng)、大智慧軟件等）。指標(biāo)體系具體如表1所示。以上財(cái)務(wù)比率指標(biāo)體系，可以對上市公司的財(cái)務(wù)狀況做出較為完整、客觀的評價。但為了選取對ST公司和非ST公司區(qū)分能力強(qiáng)，包含信息多，權(quán)重更大，能準(zhǔn)確預(yù)警的指標(biāo)，下面采用“熵權(quán)法”對這16個指標(biāo)進(jìn)行篩選。

三、基于“熵權(quán)法”篩選財(cái)務(wù)指標(biāo)體系模型

（一）本模型利用“熵權(quán)法”的基本原理本模型利用估計(jì)組中61個ST與61個非ST公司共16個財(cái)務(wù)基礎(chǔ)比率指標(biāo)，這些指標(biāo)經(jīng)過標(biāo)準(zhǔn)化，歸一化處理后變成一個評價矩陣，計(jì)算出每個指標(biāo)的信息熵，信息熵越大表明該指標(biāo)有序程度越高，即該指標(biāo)在該指標(biāo)體系中差異小，信息熵越小表明指標(biāo)在該指標(biāo)體系中差異大，則該指標(biāo)對于財(cái)務(wù)危機(jī)的預(yù)警這一決策起到的作用較大，可以被選用作為財(cái)務(wù)危機(jī)預(yù)警指標(biāo)。

（二）指標(biāo)的正向化和標(biāo)準(zhǔn)化設(shè)有n個公司，p個財(cái)務(wù)指標(biāo)。為了模型研究的需要（即盡可能使每種能力中有一兩個熵權(quán)大的指標(biāo)來反映公司的財(cái)務(wù)狀況），取閥值為0.015，當(dāng)熵權(quán)大于0.015時則選入該研究指標(biāo)體系，當(dāng)熵權(quán)小于0.015時則退出該研究指標(biāo)體系，通過比較得出最后的指標(biāo)體系如圖1。

四、基于“因子分析”模型分析

（一）因子分析的基本原理因子分析法是在盡量減少信息丟失的前提下，從眾多指標(biāo)中提取出少量的不相關(guān)指標(biāo)，然后再根據(jù)貢獻(xiàn)率定以權(quán)重，進(jìn)而計(jì)算出綜合得分，其計(jì)算結(jié)果更為準(zhǔn)確、客觀、操作性比較強(qiáng)。因子分析中有多種確定因子變量的方法，如基于主成分模型的主成分分析法、極大似然法、最小二乘法等，本文選取的是基于因子分析模型的主軸因子法。本文根據(jù)估計(jì)組中61家ST公司和61家同行業(yè)、規(guī)模相當(dāng)?shù)姆荢T公司作為樣本，以“熵權(quán)法”篩選后的10個包含信息多，重要性更大的財(cái)務(wù)指標(biāo)為基礎(chǔ)建立的指標(biāo)體系進(jìn)行因子分析，最后得出因子綜合得分函數(shù)—財(cái)務(wù)危機(jī)預(yù)警判別函數(shù)，并通過估計(jì)值綜合因子得分值的排名表求出ST與非ST的分割值，作為判別公司財(cái)務(wù)與否出現(xiàn)危機(jī)的預(yù)警值，最后再選用測試組的樣本進(jìn)行回代，檢驗(yàn)判別函數(shù)的判別正確率，從實(shí)證分析的角度為財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)方法方面進(jìn)行了初步的探討。

（二）因子分析的求解過程下面對熵權(quán)篩選后的10個指標(biāo)正向化后的數(shù)據(jù)（逆指標(biāo)的正向化公式為yj=1-xj）通過統(tǒng)計(jì)分析軟件SPSS17.0的運(yùn)行，KMO檢驗(yàn)和Bartlett檢驗(yàn)的結(jié)果如表3所示。通過表3可以看出，KMO值為0.744，大于0.5；Bartlett檢驗(yàn)的卡方統(tǒng)計(jì)量為1019.591，相伴概率為0.000，在給定0.1%的顯著水平下，拒絕各指標(biāo)變量的相關(guān)矩陣是單位陣的假設(shè)，即兩種統(tǒng)計(jì)檢驗(yàn)方法都揭示指標(biāo)變量之間是高度相關(guān)的，因此適合作因子分析。求得變量的樣本相關(guān)陣R的特征值λi，前m個因子方差貢獻(xiàn)率如下表根據(jù)累積方差貢獻(xiàn)率須大于85%的原則，由上表可看出前5個公因子的累積方差達(dá)到88.81%，這5個公因子包含88.81%的信息，確定以5個公因子做因子分析。初始因子載荷陣B0m，進(jìn)行方差最大化旋轉(zhuǎn)，求得旋轉(zhuǎn)后的因子載荷陣BΓm，使得旋轉(zhuǎn)后各因子載荷陣的各元素按列向0或1兩級分化（初始因子載荷陣，旋轉(zhuǎn)后各因子載荷陣，0~1分化表如表5）。根據(jù)以上矩陣運(yùn)算得出61家ST跟61家非ST公司的因子F1，F(xiàn)2，F(xiàn)3，F(xiàn)4，F(xiàn)5的因子得分值，因子命名見表6。通過EXCEL對以上61家ST公司和61家非ST公司財(cái)務(wù)比率指標(biāo)的綜合因子得分值進(jìn)行排名，取這61家公司的得分值的中位數(shù)作為本模型區(qū)分ST與非ST的分割值PS-財(cái)務(wù)危機(jī)預(yù)警值，通過得分排名可看出在第31與32位的公司的綜合因子得分值分別為1.332，1.266，本模型取這兩個數(shù)的平均值作為本模型區(qū)分ST與非ST的分割值PS-財(cái)務(wù)危機(jī)預(yù)警值為1.299。本模型用了10個指標(biāo)進(jìn)行因子分析，其中資產(chǎn)負(fù)債率是逆向指標(biāo)，所以當(dāng)要求出一個公司的綜合因子得分值時，要先將公司的財(cái)務(wù)比率原始指標(biāo)xij進(jìn)行正向化，即資產(chǎn)負(fù)債率這個指標(biāo)進(jìn)行正向化（用yj=1-xj公式），然后將其正向化后的10個財(cái)務(wù)比率指標(biāo)yij代入上面的判別函數(shù)中，若一家非ST公司的綜合因子得分值大于且接近于分隔值PS-預(yù)警值，則說明該公司應(yīng)該啟動財(cái)務(wù)危機(jī)預(yù)警，調(diào)整經(jīng)營戰(zhàn)略，改善公司的財(cái)務(wù)狀況，以避免被ST。

五、財(cái)務(wù)預(yù)警模型的檢驗(yàn)

將測試組中60個ST跟60個非ST的10個正向化后的財(cái)務(wù)比率指標(biāo)數(shù)據(jù)代入到上面的財(cái)務(wù)危機(jī)預(yù)警判別函數(shù)中，得到這60家公司10個指標(biāo)的因子F1，F(xiàn)2，F(xiàn)3，F(xiàn)4，F(xiàn)5的得分值及綜合因子F綜的得分值。將以上得出的60家公司的綜合因子得分值F綜由大到小進(jìn)行排名，若公司的綜合因子得分值大于分割值PS-財(cái)務(wù)危機(jī)預(yù)警值（1.299），該公司被判斷為非ST公司則說明判斷是正確的，若公司的綜合因子得分值小于分割值PS-財(cái)務(wù)危機(jī)預(yù)警值（1.299），該公司被判斷為ST公司則說明判斷是正確的。本研究中有4家ST公司的因子得分值大于分割值PS，錯誤判斷數(shù)為4個，有7家非ST公司的因子得分值小于分割值PS，錯誤判斷數(shù)為7，總的錯誤判斷數(shù)為11，則正確判斷有49家公司。判別率θ＝49/60≈81.67%檢驗(yàn)結(jié)果顯示模型的判別率達(dá)到了81.67%。說明當(dāng)一家上市公司將以上10個正向化后的財(cái)務(wù)比率指標(biāo)代入判別函數(shù)中，若大于分割值，則我們有81.67%的把握性說此公司為財(cái)務(wù)不存在危機(jī)，若小于分割值，則我們有81.67%的把握性說此公司財(cái)務(wù)存在危機(jī)，此模型對于ST跟非ST公司的判別率達(dá)到了81.67%。

六、結(jié)論

1.本文基于61家ST與61家非ST公司的16個財(cái)務(wù)比率基礎(chǔ)指標(biāo)，通過建立“熵權(quán)法”模型篩選出10個包含信息多，能準(zhǔn)確預(yù)警的財(cái)務(wù)比率指標(biāo)，接著利用“因子分析”模型求得估計(jì)組中61家公司的綜合因子得分值，并根據(jù)綜合因子得分排名確定ST與非ST分割值（即為財(cái)務(wù)危機(jī)預(yù)警值）及財(cái)務(wù)危機(jī)預(yù)警函數(shù)，最后將測試組的數(shù)據(jù)代入財(cái)務(wù)危機(jī)預(yù)警函數(shù)中，求得預(yù)警函數(shù)的判別率為81.67%，從而建立起了財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)。

2.本文在進(jìn)行“因子模型”分析的過程中用旋轉(zhuǎn)后的因子載荷陣及特征值求得每家公司的綜合因子得分值，結(jié)果更優(yōu)，更準(zhǔn)確，相對于其他論文用主成分法還有旋轉(zhuǎn)前的載荷陣及特征值得分的結(jié)果更能準(zhǔn)確預(yù)警一家公司的財(cái)務(wù)狀況。

3.本文所選取的樣本具有合理性和全面性，根據(jù)行業(yè)分類和總資產(chǎn)規(guī)模進(jìn)行配對選擇，模型中選取的財(cái)務(wù)比率指標(biāo)具有較強(qiáng)的解釋能力，能較好辨別財(cái)務(wù)危機(jī)公司及非財(cái)務(wù)危機(jī)公司的區(qū)別，但是此預(yù)測模型結(jié)論的準(zhǔn)確性還受到上市公司財(cái)務(wù)數(shù)據(jù)真實(shí)性的影響，我國部分上市公司仍然存在操縱會計(jì)利潤，粉飾財(cái)務(wù)報(bào)表的現(xiàn)象，故該模型的預(yù)測效果因此受到一定的影響。

參考文獻(xiàn)：

[1]吳世農(nóng),黃世忠.企業(yè)破產(chǎn)的分析指標(biāo)和預(yù)測模型[J].中國經(jīng)濟(jì)問題,1987(06).

[2]佘廉,張倩.企業(yè)預(yù)警管理的系統(tǒng)分析[J].中國工業(yè)經(jīng)濟(jì)研究,1994(11).

[3]FitzpatrickDA.AComparisonofRatiosofSuccessfulIndustrialEnterpriseswithThoseofFailedFirms[M].CertifiedPublicAccountant,1932(04).

[4]AltmanEI.FinancialRatios,Dis-criminateAnalysisandthePredictionofCorporateFailure[J].TheJournalofFinance,1968(04).

[5]周首華,楊濟(jì)華,王平.論財(cái)務(wù)危機(jī)的預(yù)警分析———F分?jǐn)?shù)模式[J].會計(jì)研究,1996(08).

[6]陳靜.上市公司財(cái)務(wù)惡化預(yù)測的實(shí)證分析[J].會計(jì)研究,1999(04).

[7]楊淑娥,徐偉剛.我國上市公司實(shí)證研究[J].中國軟科學(xué),2003(01).

[8]OhelsonJA.FinancialRatiosandtheProbabilisticPredictionofBankruptcy[J].JournalofAccountingResearch,1980(01).

作者：高婷婷 范景軍 單位：北方工業(yè)大學(xué)