上市公司财务预警模型分析
<
【摘 要】本文以四川省上市公司为样本，长春记账公司认为：利用主成分剖析法树破了四川省上市公司的财务预警模型，实际考试结果显示该预警模型存在较好的预警后果。财务公司服务对象通常是对个人或家庭提供分期付款的消费信贷，或对出售耐用消费品的商店融资；由商店将与顾客签订的分期付款合同转让给财务公司，或由财务公司垫付商店向制造商购货的进货款，商店售出商品后归还欠款。
【要害词】变量抉择；上市公司；财务预警
一、引 言
上市公司财务状况的好坏直接影响到证券市场的发展跟投资者的利益，鉴于此，急需树破一个能预先发出财务危机警报的预警模型，以帮助上市公司管应当局跟投资者及早获得财务状况恶化的信号，避免可能呈现的财务危机，维护投资者的正当权利。财务代理公司业务范围广泛，但以企业集团为限。财务公司是企业集团内部的金融机构，其经营范围只限于企业集团内部，主要是为企业集团内的成员企业提供金融服务。财务公司的业务包括存款、贷款、结算、担保和代理等一般银行业务，还可以经人民银行批准，开展证券、信托投资等业务。
二、预警模型的树破
（一）样本的选取
本文的研究样本是四川省所有的上市公司，共计64家，其中ST上市公司有16家，畸形上市公司有48家。样本数据来自于该64家上市公司2006年公开暴露的财务报表，重要从新浪财经网跟搜狐财经网获得有关个股资料。
将64家上市公司随机分为两组：估计样本组47家（39家畸形公司跟8家ST公司）跟测试样本组17家（9家畸形公司跟8家ST公司）。研究样本见表1。
（二）要害变量的判断
普遍认为，一个企业的综合实力可能由偿债才干、盈利才干、营运才干、增加才干以及现金流量状况5个方面形成。财务代理公司业务范围广泛，但以企业集团为限。财务公司是企业集团内部的金融机构，其经营范围只限于企业集团内部，主要是为企业集团内的成员企业提供金融服务。财务公司的业务包括存款、贷款、结算、担保和代理等一般银行业务，还可以经人民银行批准，开展证券、信托投资等业务。本文在设计研究变量时，综合考虑以上5个方面并鉴戒国内外已有的文献，选取以下6个指标：
1. 营运资本资产比率=（流动资产-流动负债）/总资产
2. 现金负债比率=经营活动现金流量净额/总负债
3. 流动比率=流动资产/流动负债
4. 总资产周转率=销售收入/均匀总资产
5. 资产负债率=总负债/总资产
6. 资产利润率=息税前利润/均匀总资产
其中，均匀总资产=（期初总资产+期末总资产）/2
（三）自变量的相干性剖析
为了避免自变量之间存在重大多重共线性而影响到模型考试的结果，应当首先考虑各自变量间的相干关联，应用SPSS软件对样本进行相干性剖析。
表2是公司的营运资本资产比率、现金负债比率、流动比率、总资产周转率、资产负债率、资产利润率六者之间彼此关联的矩阵。
由表2可能看到，营运资本资产比率与流动比率、资产负债率的相干系数较大；流动比率与资产负债率间的相干系数也较大。因此，本文舍弃资产负债率，保存营运资本资产比率、现金负债比率、流动比率、总资产周转率、资产利润率，对这5个变量再做一次相干系数的考试，结果见表3。
由表3可能看到，营运资本资产比率与流动比率相干系数较大，其余变量间的相干系数都较小。于是舍弃营运资本资产比率，保存现金负债比率、流动比率、总资产周转率、资产利润率这4个变量，对这4个变量再做一次相干系数的考试，结果见表4。
由表4可能看到，这4个变量间的相干系数都较小，因此，本文取这4个指标，即现金负债比率、流动比率、总资产周转率、资产利润率作为终极的变量。
（四）主成分剖析及模型
对估计样本组上市公司的财务数据，应用SPSS软件进行主成分剖析，结果见表5。
本文取累计奉献为100%，主成分个数m=4，即用4个主成分取代原有的4个财务比率指标，这4个主成分因子包含原来100%的信息量。为了对所获得的4个主成分进行说明，须要得到4个原始财务比率对4个主成分的因子载荷矩阵（见表6）。从表6可能看到：
①主成分X1重要由F1跟F2这两个财务比率指标说明。
②主成分X2重要由F3这个财务比率指标说明。
③主成分X3重要由F1跟F2这两个财务比率指标说明。
④主成分X4重要由F4这个财务比率指标说明。
依据表5，可能得到主成分的料想函数为：
Y= 0.404 75X1 + 0.275 18X2 + 0.201 45X3 + 0.118 62X4
依据表6，可能得到主成分对于原始财务比率的线性表白式：
X1 =0.618F1 + 0.651F2 + 0.319F3 + 0.843F4
X2 = -0.482F1 - 0.214F2 + 0.888F3 + 0.183F4
X3 = -0.547F1 + 0.697F2 - 0.109F3 - 0.096F4
X4 = -0.294F1 - 0.211F2 - 0.312F3 + 0.496F4
综合以上表白式，可能得到：
Y= -0.027 6X1 + 0.32X2 + 0.314 5X3 + 0.431 1X4
将样本组上市公司的各项财务比率代入上面的式子，盘算得到64家上市公司的料想Y分值（见表7）。
出于预警的目标，本文将Y分值散布情况进行收拾（见表8）。
由表8可能得到如下评估区域：
Y>1 为财务状况十分保险的区域
1>Y>0.5为财务状况保险区域
0.5>Y>0为财务状况预警区域
Y<0 为财务状况危机区域
同时本文把保险类跟危机类上市公司被列入预警区域均看作判断正确。
由此，可能得到如下判断分类结果（见表9）。
由表9可知：对估计样本组来说，39家非ST类上市公司有39家判断正确，正确率为100%；8家ST类上市公司有6家判断正确，正确率为75%。对测试样本组来说，9家非ST类上市公司有9家判断正确，正确率为100%；8家ST类上市公司有8家判断正确，正确率为100%。对四川省共计64家上市公司来说，48家非ST类上市公司有48家判断正确，正确率为100%；16家ST类上市公司有14家判断正确，正确率为87.5%。
三、结束语
从以上剖析结果来看，本文给出的预警模型的后果较好，可能比较正确地料想四川省上市公司的财务状况，存在较强的可托度。该模型对估计样本组危机类公司分类的正确率较低，重要是因为该模型在树破时，大局部危机类上市公司的2006年财务报表不颁布，导致估计样本组中危机类公司绝对较少，以致模型可能有一点偏差。
