上市公司财务预警分析
上市公司盈利能力、成长能力、营运能力、偿债及资本结构指标。越好，发生财务困境可能性越小;反之则越大。
一、引言
在生存与发展的激烈竞争中，由于客观环境的复杂性以及市场的瞬变性和不可预见性，再加上决策者素质水平的局限性，使得风险成为一种必然。财务危机是企业危机中最显著、最综合的表现。而且，企业的财务危机不但有征兆，还是可预测的，建立财务预警系统，及早诊断出财务困境的信号，并采取相应的对策，帮助识别、化解可能出现的财务危机，对于经营者防范财务危机、实现企业的可持续发展，对于保护投资者和债权人的利益、对于政府管理部门的监控以及对于商业银行是否提供贷款等都具有重要的现实意义。最早对财务危机预警研究的是Fitzpatrick(1932)做的单变量模型。财务预警的方法多种多样，主流的研究方法主要有一元判定方法、多元判定方法、多元逻辑回归方法、多元概率比回归方法和人工网络方法。鉴于国内外实证研究的基本情况，绝大多数研究人员选择上市公司被标注ST作为财务危机的标志。本文在前人对上市公司研究的基础上，结合新疆实际情况，以新疆上市公司作为研究对象，应用多变量统计模型中的多元逻辑模型，把被特别处理的 (ST) 公司作为企业陷入财务危机标志，对新疆上市公司作财务危机预警进行实证研究。
二、研究设计
(一)财务预警指标指标选取 在构建财务困境预警模型时，本文根据可测性、科学性、可比性和重要性等原则主要选取了反映公司财务信息的财务指标。在公司财务治理中，公司财务结构和财务指标一般可以分为盈利能力指标、成长能力指标、营运能力指标、偿债及资本结构等四个指标。本文在借鉴国内外相关文献的相关指标基础上，兼顾新疆上市公司的特殊性和数据可获得性、可测性，选取了33个上市公司样本作为研究对象。通过筛选共选择了4大类15个关于财务风险最富有解释力的比率指标(见表1)。
(二)数据来源及处理 本文数据来源于2009年《新疆上市公司年报》和新浪财经网。新疆上市公司数量不多，指标数量多，逐年变化较大不宜采用时序数据。结合新疆上市公司的实际情况采用2009年截面数据，又指标间具有不同的单位和数量级，为量化指标和消除量纲的影响，对所选取的数据进行标准化处理。
(三)模型建立 本文对新疆2009年上市公司中ST公司与非ST公司样本进行0、1分类，这个特点决定了在测量的模型中，其因变量为一个0、1二分类变量，因而使用Logistic函数是合理的，所以本文选择Logistic模型。把通过因子分析得到的因子得分作为财务危机预警模型的自变量值， 0、1为因变量。Logistic回归原理如下：由于事件发生的概率P的范围为[0，1]，而Logistic分布函数是值域(0，1)之间的S形曲线，它是单调递增函数，当自变量趋近于-∞(+∞)时，因变量趋近于0(1)。这和企业陷入财务困境的概率随企业的某些财务比率以及宏观经济因素等变量的变化而单调增减的特点是一致的。设P为某事件发生的概率，1-P为不发生的概率，将比数P/(1-P)取自然对数得到Ln[P/(1-P)]，则其取值范围为(-∞，+∞)。建立包含P个自变量的Logistic回归模型如下：Ln[P/(1-P)]=α+?茁1x1+?茁2x2+...?茁pxp，其中是α截距，?茁1…?茁p是斜率。由上式逆推得：P该模型实际上是普通多元线性回归模型的推广。
三、实证结果分析
(一)因子分析 运用SAS9.1对标准化后的数据求相关系数矩阵，发现指标间存在相关性。可以运用因子分析法提取主因子，其主要目的就是对原有变量中信息重叠的部分提取综合因子，最终实现减少变量个数的目的。(1)因子个数确定。由(表2)知，依据特征值大于1和累积贡献率大于80%来提取主因子，从初始解中提取前4个因子，其总方差贡献率为80.24%，即可描述原变量的信息已达80.24%，被放弃的其他15个因子解释方差仅仅占约19.76%。可见，运用因子分析法很好的消除了相关性，符合因子分析法中的因子提取标准，因此可以选择前4个主因子代表原来15个指标。(2)因子旋转及命名。从(表3)可以看出x1、x2、x3、x4、x5在第一因子S1上有较大的载荷，在其它指标上的载荷都比较小，第一因子主要解释这几个指标，结合这些指标的经济意义，说明第一因子S1是反映了上市公司盈利能力;x9、x10、x11、x12在第二因子S2上的载荷比较大，在其余三个因子上的载荷都比较小，说明第二因子与这几个指标密切相关，是反映了上市公司营运能力;第三因子S3在x13、x14、x15上具有较大的载荷，反映上市公司的偿债能力因子;第四因子S4在x6、x8上具有较大的载荷，在其余指标上的载荷均比较小，反映了上市公司成长能力。
(二)回归分析 本文选择Logistic模型。把四个因子得分作为财务危机预警模型的自变量值，(见表4)，0、1为因变量，用Eviews6.0作分析输出结果如(表5)。可以看出由LR统计量及概率，以4个主因子为自变量得出的回归方程是显著的;另外，在显著性水平为10%的情况下，主因子S1、 S2、S4是显著的，而S3是不显著的。说明因子S1、S2、S4对模型的解释能力很强，而因子S3对模型的解释能力很弱。由此表建立如下回归模型：
由预警模型可以看出，主因子S1、S2、S3、S4与公司发生财务危机的'概率P是负相关的，这说明公司的盈利质量越好，营运能力越好，偿债能力越强，成长发展性越有潜力，发生财务危机的可能性就越小;反之，发生财务危机的可能性就越大，这与现实情况是吻合的。参照以往研究的经验，取0.5作为区分财务正常组与财务困境组的标准，在Logistic模型计算结果中概率大于0.5的公司即被判为财务困境公司，有汇通公司、新中基、香梨、中葡。小于0.5即被判为财务正常公司，有国际实业、天山纺织、天山股份、中泰化学、天康生物、金风科技、国统股份、淮油股份、西部建设、新疆众和、友好集团、中粮屯河、百花、八一钢铁、新疆城建、新赛股份、天富热电、青松建化、天宏、新农开发、天利高新、美克股份、广汇股份、冠农股份、伊力特、啤酒花、特变电工、新疆天业、北新路桥。而实际中，新中基为正常公司，却被判为财务困境公司，百花和天宏均为ST公司却被判为正常公司。根据以上实证分析，发现处于财务危机的汇通和中葡两家上市公司都具有相同的财务特征：偿债能力、营运能力和成长能力方面都很好，但由于盈利能力很差致使这两家公司被特别处理(ST)，应努力改善公司治理结构，降低企业管理成本，利用西部大开发机遇，提高其经营盈利能力;香梨在盈利能力、偿债能力、营运能力相对较好，但成长发展能力不够，该公司应努力提高总资产增长率，主营业务收入增长率，努力研发新产品、引进资源，合理组织资源的优化配置。
(三)模型预测准确性分析 通过以上回归分析，得到模型的输出结果，进行统计分析评判结果如(表6)所示。可以得知Logistic模型对检验样本分类情况看，对ST公司正确率不高，为60%，这和ST公司的财务指标异常有关，与出现了极大值或极小值有关。对于非ST公司的预测准确率很高，达到96.43%。总体上来说，Logistic模型对新疆上市公司预测的准确率高达87.88%。这说明本文给出的预警模型的效果较好，能够比较准确地预测新疆上市公司的财务状况，具有较强的可信度。该模型对于估计样本组危机类公司的正确率较低，主要是由于危机类上市公司样本数相对较少。但对于正常公司预测准确率较高，并且总体预测准确率较高。
四、结论
本文通过对新疆上市公司财务指标的因子分析和Logistic回归分析，构建了Logistic模型，该预警模型的效果较好，能够比较准确地预测新疆上市公司的财务状况，具有较强的可信度。可以用来评判公司的财务状况，对于监管部门、投资者及银行都有很重要的参考价值;在对上市公司财务报表进行分析时，应该重点找出导致公司财务危机的一些指标，如反映盈利能力、成长能力的一些财务指标。对于其他地区上市公司来说，可以依据此模型建立每年的财务危机预警模型，以便及时采取措施，对该年的财务状况预测，及时发现异常，及时采取措施。对于非上市公司，可以通过该模型建立当年财务危机预警，以便及时跟踪识别财务状况，及时采取措施。
【上市公司财务预警分析】相关文章：