基于判別分析的上市公司財務預警研究-第1篇

1、 基于判別分析的上市公司財務預警研究 李孟閱本文以上市企業(yè)作為研究對象，選取了企業(yè)財務狀況相關的12個指標，通過主成分分析提取反映企業(yè)規(guī)模、企業(yè)盈利能力、償債能力、資金運轉能力的4個主成分，并在此基礎上進行判別分析。通過對ST企業(yè)和非ST企業(yè)分組的判別，對上市公司財務危機狀況。一、研究背景隨著經濟發(fā)展進入新階段，上市企業(yè)的經營面臨著越來越多的不確定性風險，而上市公司財務預警是防控企業(yè)經營風險的重要手段。改革開放以來我國學者對財務危機預警做了大量的研究。吳世農、黃世忠（1986）在文章中構建了關于企業(yè)破產的分析指標。周首華等（1996）通過對Z分數(shù)模型、F分數(shù)模型進行修正，提出了一個可以進行財務

2、狀況預警的模型。吳世農、盧賢義（2001）利用了單變量的判定模型、邏輯回歸模型等嘗試建立了預警模型。楊淑娥、王樂平（2007）對上市公司的面板數(shù)據(jù)進行了神經網絡分析，在此基礎上構建了預警模型。根據(jù)以往學者對于財務預警問題的研究，本文從多個企業(yè)財務指標出發(fā)，基于主成分分析及判別分析方法，對企業(yè)財務狀況進行危機預警。二、數(shù)據(jù)來源及指標選取本文數(shù)據(jù)來源于東方財富網上市企業(yè)財務數(shù)據(jù)報表。選取了18個企業(yè)2019年全年的財務數(shù)據(jù)，這些企業(yè)涉及金融、房地產、貿易、科技、農業(yè)多個領域。變量指標的選取會在很大的程度上影響企業(yè)財務綜合評價的效果，進而影響財務預警模型的準確度。本文指標的選取基于單個指標具有特殊性

3、，指標體系具有全面性的原則，選取了凈利潤率、凈利潤、資產總額、資產負債率、流動資產、存貨、固定資產、利潤總額、經營現(xiàn)金流、凈資產、權益比、營業(yè)利潤率等12個財務相關指標構建上市企業(yè)財務狀況的評測體系。三、實證分析（一）主成分分析1.適應性檢驗適應性檢驗通過判斷原始變量之間是否具有重疊的數(shù)據(jù)信息，來判斷數(shù)據(jù)是否適合主成分分析。在開始檢驗之前，先對數(shù)據(jù)進行標準化處理以消除量綱對于分析的影響。處理完數(shù)據(jù)以后，開始對數(shù)據(jù)做適應性檢驗。表1數(shù)據(jù)顯示：KMO檢驗值為0.766，說明在不同的上市企業(yè)中的各項財務數(shù)據(jù)指標之間具有較高的信息重疊程度。此外，Bartlett球形度檢驗結果的顯著性值為0.000，說

4、明12個變量指標之間存在相關性，因此數(shù)據(jù)可以進行主成分分析。2.主成分方差貢獻率本文選取的12個財務指標，通過正交變換產生了新的變量。這些新變量可以解釋的原始指標變量的總方差占比不一樣，但是全部變量解釋的比例和為100%。表2數(shù)據(jù)顯示：在提取條件為特征值大于1時提取了4個主成分，這4個主成分變量對于總方差的解釋率達到88.79%，可以反映最開始的12個變量在不同企業(yè)中所反映的大部分信息。3.主成分相關系數(shù)及函數(shù)表達表2數(shù)據(jù)顯示：主成分1在資產總額、流動資產、存貨、固定資產、凈資產指標上載荷值較高，因此可以看做企業(yè)規(guī)模;主成分2在凈利潤率、營業(yè)利潤率、凈利潤、利潤總額指標上載荷值較高，因此可以看

5、做企業(yè)盈利能力;主成分3在經營現(xiàn)金流指標上具有較高載荷值，因此可以看做是資金運轉能力;主成分4在資產負債率、權益比上系數(shù)載荷值較高，因此可看做企業(yè)償還債務的能力。將標準化后的上市企業(yè)財務狀況的指標分別表示為x1、x2、x3x12;通過主成分分析提取的指標記為F1、F2、F3、F4。由成分得分矩陣表可以得到4個主成分的函數(shù)形式：F1=-0.026x1-0.014x2-0.042x3-0.026x4-0.147x5+0.164x6+0.165x7+0.161x8+0.137x9-0.136x10-0.039x11+0.160 x12F2=-0.375x1-0.013x2+0.057x3+0.377

6、x4+0.154x5+0.085x6+0.063x7+0.039x8+0.151x9+0.190 x10-0.077x11+0.097x12F3=-0.202x1+0.002x2+0.085x3+0.200 x4-0.179x5-0.009x6+0.089x7+0.174x8-0.263x9-0.184x10+0.743x11-0.083x12F4=-0.012x1-0.768x2+0.599x3+0.017x4+0.088x5+0.032x6+0.035x7+0.004x8+0.064x9+0.089x10+0.117x11-0.029x12（二）判別分析1.確定判別分析數(shù)據(jù)以主成分分析中提

7、取的四個主成分企業(yè)規(guī)模、企業(yè)盈利能力、資金運轉能力、債務償還能力作為判別分析的預測變量;以上市企業(yè)股票是否ST股票為標準進行分組，其中ST企業(yè)為1組，非ST企業(yè)為2組。A股當中的ST股表示“特殊處理”的股票，這種股票一般在財務狀況上存在異常，或在經營過程中存在違規(guī)行為。被ST處理的企業(yè)在經營水平、財務狀況上都存在一定的問題，這給我們在企業(yè)財務危機預警上提供了一個參考。2. 判別分析結果解讀用SPSS對數(shù)據(jù)進行判別分析，系數(shù)選擇費式線性判別函數(shù)系數(shù)，結果輸出如下：表5數(shù)據(jù)顯示：在的顯著性水平之下，判別函數(shù)是可以通過顯著性檢驗的。表6 費式線性判別函數(shù)系數(shù)表由費式線性判別函數(shù)系數(shù)表可以得出2個判別

8、函數(shù)：ST企業(yè)的判別函數(shù)：Y1=-0.616F1-0.027F2-0.280F3-0.920F4+0.015非ST企業(yè)的判別函數(shù)：Y1=-0.34F1-0.67F2-0.52F3-0.48F4+0.32將樣本數(shù)據(jù)標準化處理后帶入上述2個判別函數(shù)，并對兩個函數(shù)值的大小進行比較。若ST企業(yè)判別函數(shù)值大，則判斷樣本為ST企業(yè);若非ST企業(yè)判別函數(shù)值大，則判斷樣本為非ST企業(yè)。當企業(yè)被歸為“ST企業(yè)”時，我們認為該企業(yè)在財務狀況上存在較大的問題，企業(yè)的管理者應該引起重視。3.判別有效性檢驗把2019年的樣本數(shù)據(jù)帶入評價模型，并對分類結果進行回判檢驗。結果顯示：誤判數(shù)為3個，正確率達到83.3%，模型的預測精確較高，誤判率較低，是可以作為企業(yè)財務預警模型的。四、結語本文利用了多元統(tǒng)計分析方法中的主成分分析和判別分析這兩種分析方法，對收集到的18家上市公司最新（2019年）的財務數(shù)據(jù)進行了財務危機預警建模。我們以所有企業(yè)樣本是否被“特殊處理”為標準對數(shù)據(jù)進行分組，首先通過主成分分析對若干財務指標變量進行主成分的提取，避免了變量間的信息重疊，之后通過判別分析，分析企業(yè)是否會落入ST組，來判