基于主观赋权法的上市公司财务状况综合评价

基于主观赋权法的上市公司财务状况综合评价

一、主观赋权法随着中国证券市场的蓬勃发展，上市公司的数量也在增加，证券在社会经济生活中的地位也越来越重要。投资者进入股市面对的将是不同背景的股票,众多投资者者希望进行理性的评价,更希望选择那些财务状况良好的上市公司。随着我国证券市场的日益规范化,上市公司的财务状况成为股东、债权人、政府管理部门、证券分析人士乃至公司员工关心的主要问题。正确、公允地评价上市公司财务状况的重要性也成为财务分析人员的共识。我国评价企业财务状况质量的指标关系主要以财政部、国家经济贸易委员会、人事部、国家发展计划委员会于1999年6月1日发布的《国有资本金效绩评价规则》和《国有资本效绩评价操作规则》为基础。还有其他一些评估机构也对上市公司的财务状况进行评价,如中国诚信证券评估有限公司与《中国证券报》合作,每年对上市以公司的经营业绩进行综合评价。然而,现行实践中普遍采用的评价方法是主观赋权法。这样,一方面由于主观的认识对某些指标赋予过高的权重,而对另一些指标赋予过低的权重,如:在财政部等四部委的评价指标体系中盈余指标权重占42%,在中国诚信证券评估有限公司的评价体系中盈余指标权重占55%(参见),另一方面也会诱使上市公司片面追求一些权重比较高的指标,特别是国有企业中目前普遍实行经营者年薪制,主要经营者报酬与公司财务指标相挂钩,如经营者年薪大多与盈余指标密切相关,这样,容易导致经营者虚增某些财务指标,影响评价的客观性。有鉴于此,已有许多理论工作者和实际部门的同志采用主成分分析法建立线性综合评价函数。但是,当指标个数较多,且指标间的相关性不是很强时,这个线性综合评价函数对原始指标总方差的贡献往往较小。为此,本文选取400家上市公司,利用非线性主成分分析方法,对他们在2001年的财务状况进行分析、评价。二、发展能力和能力对上市公司财务状况进行分析一般需要考虑以下五个方面,即获利能力、经营能力、偿债能力、资本结构和发展能力。根据上市公司经营特点并借鉴财政部等四部委的财务指标体系和中国证券报的上市公司年度报告,我们选取了以下财务比率指标。(1)反映收入能力的比率指标如下主营业务利润率(x1)、投资收益比率(x2)、净资产收益率(x3)、销售净利润率(x4)(2)反映商业能力的比率指标如下应收账款周转率(x5)、存货周转率(x6)、总资产周转率(x7)(3)反映付款能力的比例指标如下流动比率(x8)、资产负债率(x9)、流动负债比率(x10)(4)反映资本结构的比例指标如下净资产比率(x11)、每股净资产(x12)(5)上市公司数据集的选取主营业务收入增率(x13)、净利润增长率(x14)、净资产增长率(x15)、总资产增长率(x16)依据分析的具体目的,在我国上市公司中可选取某一行业或某一地区的上市公司进行具体分析,也可以对沪、深两市所有上市公司的财务数据作分析,本文只收集沪、深两市400家上市公司的财务数据。在所选取的上市公司中,涵盖了工业、公共事业、商业、金融、综合和房地产等各行业有代表性的公司,以及各地区有代表性的公司。各上市公司的数据资料来自于2002年中国证券报披露的上市公司年报数据。三、多因子处理的方差贡献率考虑到资产负债率,流动负债比率者是逆指标,我们首先将其求倒数变为正指标,为方便起见,仍将变换后的两个指标分别记为x9和x10。根据400家上市公司的财务数据,利用SAS软件,计算16个财务比率指标的相关矩阵R(略)。R的最大特征根为3.36522,相应的单位特征向量列于表1。表1相关矩阵R对应于最大特征根3.36522的单位特征向量由此可见,第一主成分的方差贡献率仅为21.03%(3.36522/16).这就是说,第一主成分仅提取了原始变量xi(i=1,2,…,16)的21.03%信息。为了提高综合评价函数的方差贡献率,很多文献都推荐选择前k个主成分y1,y2,…,yk,以每个主成分的方差贡献率αi作为权数,构造综合评价函数F=α1y1+α2y2+…+αkyk(1)认为,由于F综合了前k个主成分y1,y2,…yk,因此,F比y1的方差贡献率要大,从而可以提取原始变量更多的信息,这完全是一个误区。实际上F仍然是原始变量xi(i=1,2,…,16)的线性函数,而第一主成分y1是xi(i=1,2,…,16)的所有线性组合中方差贡献率最大的一个,因此,F的方差贡献率不可能比y1的方差贡献率高。也就是说,F所提取的xi(i=1,2,…,16)的信息量不可能比y1多。但凡当原始变量之间的相关性不强,或变量的个数较多时,第一主成分的方差贡献率往往不尽人意,因此,在这种情况下,只要综合评价函数是原始变量的线性函数,其方差贡献率就不够理想。为此,下面我们考虑构造关于原始变量的非线性综合评价函数,利用SAS软件对上市公司财务比率指标数据进行非线性主成分分析。四、非线性主成分分析非线性主成分分析方法有很多种,具体方法见中的介绍。该方法的基本思想是把每一个观察变量xi(i=1,2,…,m)通过SAS中的PRINQUAL语句变成一个新的变量,记为Txi(i=1,2,…,m),再对Txi(i=1,2,…,m)作主成分分析,记其主成分为prin1,prin2,prin3…。每一个主成分prin都是Txi(i=1,2,…,m)的线性组合,且不同主成分之间也不相关。在这里,主要问题是从xi(i=1,2,…,m)变为Txi(i=1,2,…,m)是一个非线性变化。但是这个非线性变化不能用一个数学表达式来表达,也正因为如此,非线性主成分分析方法主要用于解析数据,揭露数据中存在的信息。PRINQUAL过程提供了三种方法来变换一组变量。本文所选用的是MTV(MaximumTotalvariance)方法,即方差总量最大化方法。由xi到Txi的变换是一个单调减的变换,如图1所示。下面用FACTOR过程对变换后的Txi(i=1,2,…,m)数据进行主成分分析。经计算,第一主成分prin1的贡献率为36.61%(5.8574/16),比xi(i=1,2,…,m)的线性主成分y1的贡献率21.03%提高了很多。第一主成分prin1的表达式为其中Tx*i(i=1,2,…,m)Txi(i=1,2,…,m)的标准化变量。即Txi¯¯¯¯¯Τxi¯是Txi的样本均值,STxi是Txi的样本标准差。由(2)式可见,在第一主成分prin1的表达式中,各Txi(i=1,2,…,m)前面的系数均大于0,可以认为,prin1是在综合各财务比率指标xi(i=1,2,…,m)信息的基础上,反映了上市公司财务状况的总体水平。将各上市公司的财务比率指标xi(i=1,2,…m)变换成Txi(i=1,2,…,m)代入(3)式,得Txi*(i=1,2,…,m),再将Txi*(i=1,2,…,m)代入(2)式,