《芒果超媒公司财务预警体系指标计算案例分析》4300字

芒果超媒公司财务预警体系指标计算案例分析综述目录TOC\o"1-2"\h\u17868芒果超媒公司财务预警体系指标计算案例分析综述 111795（一）预警指标的选择 124183（二）预警样本的选择 27054（三）财务指标筛选结果分析 270911、因子分析可行性 2200922、主成分的提取 3205173、计算综合得分 68718（四）构建财务预警模型 7309381、构建Logistic模型 7233732、Logistic预警模型在芒果超媒公司的应用 10（一）预警指标的选择财务指标是基于描述企业生产和经营活动中出现的各种情况的数据。而财务风险预警指标则是对风险的量化表达，以特定方式描述公司的财务风险。本文根据传媒行业上市公司财务数据建立财务风险预警模型，依据财务风险预警模型对芒果超媒的财务情况是否有风险进行预测，使公司面对财务风险时能够及时找到问题根源。本文认为，选择有效的财务风险预警指标能够提高财务风险预警模型的准确性。公司财务风险的预测受选取指标的影响，因此有下列几个原则需要把握：1、灵敏性原则。在建立财务风险的预警模型时，必须注意所选择的指标必须是敏感的，是能够准确反映公司财务状况的变化的。这有助于在公司财务状况出现异常时作出快速反应。2、实用性原则。最重要的是财务风险预警指标要根据公司的情况来选择，并能对公司所面临的风险进行重点评估，而不是使用过去一般使用的指标。3、可操作性原则。财务预警指标所选取的数据是要在现实生活中切实可行的，财务风险预警指标有关需要的资料是能在公司所披露的财务报告以及公布的信息中查阅到的。4、不相关原则。财务风险预警指标是根据财务报表的数据计算出来的，所以比较类似的财务指标会导致指标之间的高度关联性。特别是高度相关的指标通常包含很多重复的信息，如果不加选择地全盘考虑，会扭曲信息，从而使财务风险预警结果不准确。5、可比性原则。主要有两个方面，一是指使用的指标可以跟相同行业的企业之间比较，二是指指标之间可以横向比较。6、全面性原则。最重要的是使这些单独指标和整个指标体系具有预警作用，从多个角度分层分类构建财务风险预警指标体系，对公司的财务状况进行全面研究，进行综合预警。本文以传媒行业的特点为基础，结合芒果超媒所处市场的外在情况和内在情况再加上自身的管理运行模式和生产经营情况，在基于上文中的原则下，使财务风险预警模型更加全面和客观，为了使所需要的数据更有说服力，就要最大限度地挑选可以反映企业生产经营的财务数据。（二）预警样本的选择本文研究对象为传媒行业上市公司，本文根据申万行业分类从我国A股股票市场中选择了38家传媒企业，以2020年的财务报表数据为样本（三）财务指标筛选结果分析1、因子分析可行性KMO统计量是是简单相关量与偏相关量的一个相对指数，用于检验变量间的相关性是否足够小。KMO和Bartlett检验是用来测试样本的指标数据，判断是否有条件进行主成分分析。本文根据2018年38家公司的财务报表数据，运用SPSS统计软件，确定主因子，先将原始数据导入统计软件SPSS25.0，单击“分析”—“降维”-“因子”命令，进入因子分析对话框，选入分析的变量，本文中选择X1、X2、…、X16；单击因子分析中的“描述”按钮，在“统计”栏中选择“初始解”，要求输出原变量的公因子方差、与变量数目相同的因子（主成分）、各因子的特征值及其所占方差的百分比和累计百分比；再选择“相关性矩阵”栏中的“KMO和Bartlett检验”判断检验数据是否适合做因子分析；最后单击“继续”回到因子分析对话框。最后得出表4-11。在KMO和Bartlett检验中，KMO统计量取值在0～1之间，其值越大，因子分析的效果越好，KMO小于0.5时，不易做因子分析。由表4-11可知，KMO统计量为0.544，大于最低标准0.5，Bartlett球形检验中，显著性为0，小于0.05，说明所选取的样本公司数据适合做因子分析。表4-11财务预警模型样本公司KMO和Bartlettd检验KMO取样适切性量数0.544Bartlettd球形度检验近似卡方384.815自由度120显著性0.0002、主成分的提取单击因子分析对话框中的“提取”按钮，选择“主成分”方法，在“分析”栏中选择“相关性矩阵”，在“输出”栏中选择“未旋转的因子解”，在“提取”栏中选择“基于特征值”，方框内填特征值大于1，得出表4-12。根据下表4-12所示，第一主成分的特征根为5.294，它解释了总变异的33.088%，第二成分的特征根为2.894，解释了总变异的18.086%，第三成分的特征根为1.922，解释了总变异的12.011%，第四成分的特征根为1.236，解释了总变异的7.725%，第五成分的特征根为1.154，解释了总变异的7.210%。前五个主成分的特征根均大于1，累计贡献率达到了78.121%。因此，本文设所提取的五个因子分别为Z1、Z2、Z3、Z4、Z5。表4-12财务预警模型样本公司解释的总方差成分初始特征值提取载何平方根旋转载荷平方和合计方差%累计%合计方差%累计%合计方差%累计%15.29433.08833.0885.29433.08833.0884.08525.53025.53022.89418.08651.1742.89418.08651.1743.23020.18845.71831.92212.01163.1851.92212.01163.1852.64316.51662.23441.2367.72570.9101.2367.72570.9101.3008.12270.35751.1547.21078.1211.1547.21078.1211.2427.76478.12160.9385.86483.98470.7834.89188.87580.6353.96792.84390.3822.38895.231100.3402.12897.358110.1671.04798.405120.1280.79799.202130.0540.33799.540140.0410.25999.799150.0250.15599.954160.0070.046100.000单击因子分析中的“旋转”按钮，选择“最大方差法”，在“输出”栏中选择“旋转后的解”，最大迭代次数默认25，最终得出表4-13.根据下表4-13所示，基于此，可以总结得出表4-12五个因子Z1、Z2、Z3、Z4、Z5的分析结果。现将公因子从财务角度进行下列解释：总资产报酬率、净资产收益率、固定资产周转率、营业利润率、营业利润增长率在因子1上有较大载荷，所以Z1用来表示盈利能力。流动比率、速动比率、现金比率、存货周转率在因子2上有较大载荷，所以Z2用来表示偿债能力。总资产增长率、净资产增长率、总资产周转率、主营业务收入增长率在因子3上有较大载荷，所以Z3用来表示营运能力指标。应收账款周转率在因子4上有较大载荷，所以Z4用来表示营运能力指标。资产负债率、净利润现金含量在因子5上有较大载荷，所以Z5用来表示偿债能力指标。表4-13财务预警模型样本公司旋转后的成分矩阵成分12345X1流动比率0.3610.845-0.057-0.0730.022X2速动比率0.1580.9320.045-0.178-0.003X3现金比率0.1690.8850.024-0.153-0.005X4资产负债率-0.638-0.4860.084-0.0020.329X5营业利润率0.8980.1460.119-0.037-0.075X6总资产报酬率0.9040.2190.1980.175-0.017X7净资产收益率0.9170.2080.1900.148-0.007X8存货周转率0.0140.557-0.0260.345-0.017X9应收账款周转率0.147-0.1770.0200.8240.006X10总资产周转率-0.0340.0300.7210.5130.105X11固定资产周转率0.223-0.263-0.080-0.246-0.747X12主营业务收入增长率0.0990.0330.588-0.1510.278X13总资产增长率0.116-0.0780.9280.025-0.157X14净资产增长率0.3270.0110.8850.026-0.127X15营业利润增长率0.8860.0230.120-0.0650.168X16净利润现金含量0.203-0.311-0.089-0.1880.642根据上表，从而可以整理出下表4-14的5个因子：表4-14财务预警模型样本公司因子分析结果具体的衡量指标因子载荷量特征值方差贡献率Z1总资产报酬率净资产收益率固定资产周转率营业利润率营业利润增长率0.9140.9170.2330.8980.8865.29425.530Z2流动比率速动比率现金比率存货周转率0.8450.9320.8850.5572.89445.718Z3总资产增长率净资产增长率总资产周转率主营业务收入增长率0.9280.8850.7210.5881.92262.234Z4应收账款周转率0.8241.23670.357Z5资产负债率净利润现金含量0.3290.6421.15478.1213、计算综合得分单击因子分析中的“得分”按钮，选择“保存为变量”在方法栏中选择“回归”，选择“显示因子得分系数矩阵”，得出下表4-15。再根据成分得分系数矩阵，得出各公共因子与各指标的函数关系，进而得出公司在5个因子上的得分。表4-15财务预警模型样本公司成分得分系数矩阵成分12345流动比率0.0170.257-0.032-0.0260.053速动比率-0.0660.3110.048-0.1170.028现金比率-0.0550.2930.033-0.0960.026资产负债率-0.133-0.0890.084-0.0320.232营业利润率0.244-0.056-0.029-0.049-0.022总资产报酬率0.229-0.019-0.0210.1150.019净资产收益率0.236-0.026-0.0220.0930.028存货周转率-0.0660.211-0.0420.306-0.012应收账款周转率0.054-0.050-0.1120.660-0.019总资产周转率-0.0880.0530.2490.3270.058固定资产周转率0.081-0.148-0.021-0.180-0.597主营业务收入增长率-0.0190.0140.259-0.2050.228总资产增长率-0.054-0.0230.386-0.095-0.140净资产增长率0.006-0.0170.348-0.089-0.104营业利润增长率0.266-0.095-0.030-0.0840.174净利润现金含量0.137-0.132-0.052-0.1770.533利用上表4-15的主成分因子得分矩阵，旋转后的五个主成分因子表达式可写成：Z1=0.17X1-0.066X2-0.055X3++0.006X14+0.266X15+0.137X16Z2=0.257X1+0.311X2+0.293X3+-0.017X14-0.095X15-0.132X16Z5=0.053X1+0.028X2+0.026X3+-0.104X14+0.174X15+0.533X16（四）构建财务预警模型1、构建Logistic模型在上节因子分析基础上，根据主因子表达式可以计算总结出以36家上市传媒行业公司的五个主成分因子数据，如表4-16所示：表4-16财务预警模型样本公司主成分因子数据公司Z1Z2Z3Z4Z5芒果超媒-18.49-9.32257.81-61.25-112.66新国脉18.5860.17-13.59-17.41143.00人民网52.492.92-2.45-32.37107.86新华网-34.81195.39-2.2371.8551.62风语筑19.62-9.7414.62-37.0682.80视觉中国29.49-35.64-12.21-58.90-124.02分众传媒-35.10223.57-16.28278.5321.41三七互娱16.87-3.27-8.03-37.20100.34世纪华通14.1123.88153.00-97.1684.03万达电影11.41-8.141.13-11.7959.51光线传媒76.9218.79-10.14-26.88-3.95吉比特31.6040.205.8034.9949.31中国电影10.2048.749.58-24.7533.93昆仑万维41.27-27.28-31.45-40.4628.76浙版传媒10.07-12.34-1.111.9835.72东方明珠14.8115.53-5.43-25.1167.42江苏有线54.47-46.97-1.15-87.49258.95华谊兄弟-78.5834.766.9824.61-50.03中文传媒23.92-2.691.16-30.4690.29新媒股份-74.98402.32-43.64487.3073.62横店影视32.19-14.24-10.0121.42115.30电广传媒287.32-160.05-51.24-195.25541.02凤凰传媒20.4013.152.91-36.41100.66完美世界7.2624.495.75-9.034.53欢瑞世纪-27.9741.2521.4027.88-116.32汤姆猫45.64-5.4817.97-50.32104.40星期六604.58-572.46-220.45-763.472289.14中南传媒2.1546.532.42-30.5759.50天下秀-184.28114.31-17.03135.35-162.74巨人网络-12.04111.9815.83-39.7516.19利欧股份-149.2257.6722.7434.95-67.28果麦文化.7447.908.1915.89-52.22ST当代-362.61105.871.4084.91-147.34ST北文15.642.295.17-20.9934.71ST天润-2.85-6.0031.23-53.63-25.17ST三五-286.41186.24-13.18187.09-122.93ST龙韵-33.9428.2315.5021.58-77.94ST联建-432.99145.8715.42122.02-228.84通过得出的5个主成分因子，可以将它们作为Logistic回归分析的解释变量，设Y为因变量，正常公司（非ST公司）为0，非正常公司（ST公司）为1，运用SPSS统计软件，首先将上表数据录入SPSS软件。单击“分析”—“回归”-“二元Logistic”命令，进入Logistic回归对话框，将Y（公司是否破产）勾选进入“因变量”，将Z1、Z2、Z3、Z4、Z5勾选进入“协变量”，回到“Logistic回归”对话框中，选择“选项”按钮，在“统计和图”栏中选择“霍斯默-莱梅肖拟合优度”，最后勾选“在模型中包括常量”，得出表4-17、表4-18和表4-19。如下表4-17所示，R方指标为0.287，小于1；内戈尔科R方为0.494，介于0到1之间，说明构建模型拟合度良好。表4-17Logistic回归模型摘要步骤-2对数似然R方内戈尔科R方120.2790.2870.494霍斯默-莱梅肖检验主要是用于检验模型的拟合优度。检验结果如下表4-18所示，自由度为8，显著性为0.724，大于0.05，说明该模型可以很好地拟合数据表4-18Logistic回归霍斯默-莱梅肖检验步骤卡方自由度显