高技术服务业上市公司财务预警分析.docx

高技术服务业上市公司财务预警分析 摘 要：文章选取企业偿债能力、发展能力等六个方面的32个指标为财务预警指标体系，对高技术服务业上市公司的财务状况进行研究，并运用T值显著性检验和因子分析法对所选指标进行降维。在此基础上，本文利用理想距离判别模型和Logistic回归分别构建财务预警模型，并对各个模型的优缺点及预测结果进行比较分析。研究结果表明：Logistic回归模型预测准确度略优于理想距离判别模型，但对ST公司和非ST公司预测准确度差别较大，不具有较强的稳定性。 下载 关键词：财务预警；因子分析；理想距离判别模型；Logistic回归 中图分类号：F275 文献标识码：A 文章编号：1008-4428（2017）08-96 -03 一、引言 后金融危机时代，我国为了能够在日益激烈的贸易战、生态环境恶化以及失业率升高等问题下寻求发展，高新技术产业和现代服务业相融合，发展形成适应产业转型潮流的高技术服务业。但是，随着高技术服务业发展，所处宏观环境和自身因素的变化，其经营风险不断上升，财务预警问题越来越受到注意，如何通过建立财务预警模型对高技术服务业上市公司财务状况进行有效预判，已成为企业财务管理的重要部分。关于财务预警模型的建立，国内外学者已提出不同的建议，但专门针对高技术服务业的实际情况较少，不论是财务预警模型指标的选取，还是模型的构建都不够成熟，不能及时准确预测财务情况。因此，选择能够及时对高技术服务业上市公司财务危机做出反应的模型，在危机发生之前发出警告十分必要。 本文利用理想距离判别模型和传统的Logistic回归模型，分别对高技术服务业上市公司的财务情况进行预警，并对预测结果进行分析比较，力求为高技术服务业上市公司提供有效的财务预警方法。 二、模型简介 （一）理想距离判别模型 假设样本点向某一个特定点集中，则称这个点为理想点，反之，样本点距离这一特定点较远，则为不理想点。例如，设各预警指标的平均值为x1，x2，x3，xm，且财?兆纯稣?常的样本点有向（x1，x2，x3，xm）点集中的趋势，取其为理想点，再设各评价指标的权重系数为w1，w2，w3，wm，我们构造理想距离评价函数 ，指定一个阀值D0，当一个企业的综合评价值 D大于或小于D0就判定该公司财务状况为理想，相反就判定为不理想，即企业有发生财务不正常现象的可能，阀值D0 一般根据ST公司和非ST公司训练样本模拟预测正确率基本相等来确定。 （二）Logistic 回归模型 通过最大似然法可以得到参数列 0，1，2.k的估计值，将参数估计代入 Logistic 回归模型可以得到企业发生财务困境的概率。若p0.5，表明企业被ST概率较大，可以判定企业为即将ST类型；若p0.05，表明指标在两类公司之间没有差异，予以剔除。 结果可得：在 T-6年至 T-2年期间，ST 公司与非ST公司分别在X1、X7、X14、X16、X29等财务指标存在显著差异。同时随着正常公司被ST的临近，P值小于0.05的预测指标数量增加。但也存在6个指标在样本期内都没有通过T检验，分别为X4、X6、X10、X11、X26、X27。基于以上分析，剔除了样本期间内四年和五年中均没有显著差异的指标，最终保留X1、X2、X7、X8、X12、X16、X29等24个指标作为下一步分析的变量。 （二）高技术服务业上市公司因子分析提取模型自变量 1.首先确定指标体系是否能够适用因子分析法。本文采用KMO检验和Bartlett球形检验来判断指标体系是否适用因子分析法。各年度检验结果如表3所示。 由检验结果得出，Sig.均为0.000（0.05），体现变量间的相关性较显著。且KMO值均大于0.5，说明以上构建的指标体系适用于因子分析法。 2.确定公因子。以高技术服务业上市公司2014年的数据为例，运用主成分分析法，依据特征值大于 1的原则，提取能够全面体现指标体系的8个公因子，其累计方差贡献率达到76.00%，基本包含了指标体系所具有的主要信息。具体如表4所示。 3.提取公共因子的同时，可得到初始因子载荷矩阵。为对公共因子做出更全面、合理的解释，可以对初始因子载荷矩阵进行旋转，旋转后的因子载荷矩阵如表5所示。 为便于观察输出结果，系数（绝对值 0.4）被抑制输出。由表5可以看出：公因子F1在指标营业净利率、息税前营业利润率、流动资产净利润率A、可持续增长率、营业毛利率载荷较大，主要反映了高技术服务业上市公司的盈利能力，命名为盈利因子。相同地，公因子F2到F8可分别命名为短期偿债因子、风险因子、经营因子、融资因子、现金流因子、长期偿债因子、发展因子。提取的公因子不仅包含原有的发展、经营等6个方面，还将偿债能力分为长期偿债和短期偿债，以及涉及融?Y能力。这样在降低分析维度的基础上，又使得所要描述的信息更加清晰明了。 （三）预警模型分析 以高技术服务业上市公司是否被 ST 为因变量， 以因子分析法得到的 8个公因子为自变量， 以样本公司被ST前五年的数据为基础， 利用理想距离判别模型和Logistic回归模型分别建模。 1.理想距离判别模型 假设8个公因子对财务预警的地位同等重要，为了避免数量级别不同对结果的影响，权重系数由各项指标平均值的比来确定，取权重系数w2=1，其它的权重系数分别为：w1=2.2，w3=2.21，w4=3.38，w6=8.27，w7=7.22，w8=10.84。检验结果如表6所示。 2.二分类Logistic回归模型。 Logistic回归模型通过-2倍的对数似然值对模型的拟合优度进行分析，其值越小，说明模型的拟合优度越高。具体检验结果如表7所示。 五、结论 本文利用理想距离判别模型和Logistic 回归构建财务预警模型，对高技术服务业上市公司财务状况进行预测。根据预测结果得出以下结论：从适用范围来讲，理想距离判别模型可以更好适用发生危机企业共有的特征；Logistic回归模型可以深层次探讨发生财务危机的根源。从预测效果来看，Logistic回归模型整体优于理想距离判别模型，但Logistic回归模型对ST公司与非ST公司预测正确率差别较大，稳定性较弱，对ST公司财务预警准确率较低。相反，理想距离判别模型的正确率相对均匀。 综上所述，理想距离判别模型和Logistic 回归模型对高技术服务业上市公司的财务预警均具有一定的实用价值。企业在建立财务预警系统过程中，可根据预警模型的自身特点和企业独特的预警偏好，选择合适的模型。 参考文献： 李帆，