我国上市公司财务危机预警系统的构建.docx

我国上市公司财务危机预警系统的构建——基于“熵权法”及“因子分析”模型仲恺农业工程学院 蔡树钿、郝军章、陈丽摘 要本文运用“熵权法”及“因子模型”分析方法，对我国上市公司中90家ST与90家非ST公司（ST与非ST公司根据同时期，同行业，规模相当的原则配对）的16个有代表性财务比率基础指标进行研究，建立上市公司财务危机预警系统首先将180家公司分成估计组（45家ST与45家非ST）与测试组（45家ST与45家非ST），选取16个能全面反映公司财务状况的基础指标，通过熵权法筛选出10个包含信息量多，并能准确预警的指标，这10个指标通过KMO和巴特利球体效度检验，故建立“因子分析”模型对财务指标进行定量分析，求出估计组中每家公司的综合因子得分值，预警值和财务危机预警函数（即为ST与非ST的判别函数），最后将测试组中90家公司的数据回代到预警函数中检验其判别率，判别率达到81.11%，具有较高的的判别正确率，说明本文建立的上市公司财务危机预警系统对于上市公司财务危机的预测与防范起到一定的作用关键词：财务预警系统；财务指标体系；熵权法；因子分析；预警函数 42编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第1页 共1页目录1 引言 41.1建立财务危机预警的必要性 41.2 建立财务危机预警系统的意义 41.3 对于财务危机预警的研究状况 52 研究思路 73 样本、指标的选取 83.1 样本的选取 83.2 指标选取 94 基于“熵权法”筛选财务指标体系模型 114.1 “熵权法”的基本原理 114.2 本模型利用“熵权法”的基本原理 114.3 建模的思路 114.4指标的正向化与标准化 114.5 用熵权法确定各指标的权重 125 KMO和巴特利球体效度检验 145.1 KMO和巴特利球体检验基本原理 145.2 效度检验通过的条件 155.3 KMO检验和Bartlett检验结果 156 基于“因子分析”模型分析 156.1 因子分析的基本原理 156.2 因子分析的数学模型 166.3 因子分析的求解及分析 217 财务预警模型的检验 307.1检验结果 307.2 检验结果分析 338 结论、不足及展望 348.1 结论 348.2 不足及展望 34参考文献 35附录1 相关数据表 36附录2 相关程序代码 431 引言1.1建立财务危机预警的必要性 自从加入世贸以来，我国经济市场开放度不断加大，企业在获得前所未有的机遇的同时，也面临着严峻的挑战。

面对经济全球化进程的加快，市场发展的加速，作为领军羊的上市公司，已经有部分因为在经营上出现了亏损、财务状况出现异常，甚至更为严重的情形，最终受到特别处理甚至面临退市危险，同时，也使投资者、债权人等相关利益方遭受巨大损失在如此复杂的经济形势下，上市公司如何在激烈的竞争中求生存，求发展显得尤为重要据资料显示，截止2011年4月，沪、深两市共有143家上市公司被冠以ST，其中61家上市公司被冠以*ST，这些公司已经陷入了严重的财务危机复旦大学李若山教授的一项科研成果也揭示，用国际通用会计准则衡量，中国80%以上的上市公司存在财务隐患，即便是根据我国国情大幅度降低评价标准后，仍有将近20%的上市公司存在较为严重的财务问题而陷入危机的企业中，无一例外的都是以发生财务危机为先兆财务危机是一个财务状况从量变到质变的过程，如果能够在公司陷入财务危机之前及时发出预警信号，预测出企业发生财务危机的可能性，使得各关联方能够意识到风险并加强防范，以及时调整措施，减少或者避免财务危机带来的损失由此可见，如何在已有对财务危机研究的基础上，建立和完善企业财务危机预警系统，以应对各方面的风险，并防范财务危机的发生，对上市公司的生存和发展具有及其重要的意义。

1.2 建立财务危机预警系统的意义 财务危机预警，就是以企业的财务报表等相关会计指标数据、资料为依据，通过科学、系统地观察一些敏感性指标的变化，运用一定的理论和方法，对企业的经营状况、管理活动以及发展趋势进行分析和预测，发现企业在经营过程中潜在的财务危机，发出警告，提醒企业管理者及时采取有效措施，将风险与损失降到最小的一种预警系统因此，建立一个实时、全面、有效的财务危机预警系统对上市公司本身及其利益相关者具有及其重要的意义 对于上市公司来说，借助财务危机预警系统能够预知危机，使得公司管理层能够及时发现公司财务状况的恶化及其原因，从而及时、有针对性地调整公司的经营策略，阻止财务状况的进一步恶化，避免被归入“ST”“PT”的行列 对于投资者来说，市场上充斥着大量的信息，一般的投资者都不具备进行分析时所需要的高深的数理知识，难以对自己的投资选择做出正确的判断，而财务恶化预警系统能够更加直观地为投资者提供有效、可靠的信息，便于其了解上市公司的财务经营状况，及时获知财务危机的信号，采取相应的措施撤走资金，减少投资风险 对债权人来说，可以根据财务危机预警系统提供的企业偿债能力的相关信息，正确地进行贷款决策，监控贷款风险，防止因公司破产倒闭而产生坏账，减小其贷款风险从而保证放贷的安全性与收益性。

对审计人员而言，可以根据财务预警系统提供的相关信息，确定审计范围，制定审计程序，使其执行更加谨慎，审计方法更加完善，并帮助注册会计师判断被审计公司的经营状况与前景，避免因经营失败而导致的法律诉讼，把审计风险降到可控的范围 综上所述，财务危机预警不仅仅有利于企业自身的运营、发展，而对于企业以外的各方都有着积极的意义1.3 对于财务危机预警的研究状况1.3.1国外研究现状 国外最早的财务危机预测研究是FitzPatrikc（1932）所做的单变量破产预测模型，他认为企业的财务比率能够反应企业财务状况美国学者Beaver（1996）正式提出了相对成熟的单一变量模型，即一元判别模型[1]，他认为财务比率为“现金流量/负债总额”、“资产收益率和资产负债率具有良好的预测性单一变量模型虽然方法简单，但是总体判别精度不高首先其单个指标无法全面反映财务状况，且容易被管理者进行粉饰，以使企业表现出良好的财务状况；其次，被选用的指标之间有可能是高度相关的，导致建立的模型出现内部缺陷；最后，如果选用多个指标进行判断，可能会出现不同的判断结果，而得出有冲突的结论Altman（1968)首次提出了多元线性判定模型，其原理是采用多元线性函数的模式，通过统计技术筛选出那些在两组样本中差别尽可能大而在两组内部的离散度最小的变量，从而将多个变量转换为分类变量，获得能有效提高预测精确度的判别方程[2]。

多元线性判定模型虽具有较高的判别精度，但也存在一些缺陷首先其工作量大，研究者需要收集大量的数据以及数据分析工作；其次，多元线性判定模型有一个很严格的假设，即假定自变量是呈正态分布的，且要求两组样本等协方差，而现实中的样本数据往往并不能满足这一要求，这就大大限制了多元线性判定模型的使用范围美国学者Ohlson(1980)早在财务预警研究中应用了多元逻辑回归模型[3]，Logistic模型的最大优点是，打破了严格的假设条件，克服了线性方程受统计假设约束的局限性，具有了更广泛的适用范围，但其计算过程比较复杂，计算过程有近似处理，会影响到预测精度此外，值得注意的是近年来国外研究人员开始运用神经元网络和遗传算法（文献）构建财务困境预测模型 1.3.2 国内研究现状 相对于国外，我国市场经济体制的建立和资本市场的发展历史较短，我国财务预警实证研究起步较晚，目前我国财务预警实证研究主要是借鉴国外的研究方法，利用我国的数据构建类似的模型我国学者周首华等于（1996）Z分数模型的基础上进行改进，建立起F分数模型[4]我国学者陈晓、陈治鸿（2000）运用多元逻辑回归模型和可公开获得财务数据，对中国上市公司的财务危机进行了预测[5]，发现负债权益比、应收账款周转率、“主营利润率/总资产”和“预留收益/总资产”对上市公司财务危机有着显著的预示效应。

吴世农和卢贤义（2001）分别采用应用 fisher线性判定分析析和Logistic 回归方法建立和估计了预警模型，并比较了各种方法的预测效果[6]杨保安（2002） 用人工神经网络模型方法进行研究，选择了4 类财务比率总共1 5 项指标建立模型，最终表明神经网络是进行财务评估的一种比较好的应用工具[7]宋力和李尧（2006）基于贝叶斯网络理论建立了上市公司财务预警模型，此方法特别适用于小样本的行业预测，并能将专家知识于样本信息相结合，克服运用回归分析构建预测模型的缺点[8]张红兵和应全华（2011）探讨了在ERP信息系统平台基础上构建财务预警分析体系的基本设想，并就建立财务预警分析体系应特别关注的一些问题进行初步探讨[9]，设计了有关的财务预警分析指标体系，但并未在此基础上进一步建立相应的财务预警模型相对于中小企业而言，上市公司的财务制度更加健全，财务报表、数据的公布等也更加规范和透明，使得数据的获取更加便利且更具真实性同时，上市公司作为我国企业改革的先锋，更容易受到外部环境的冲击与影响，故其建立和完善财务危机预警系统势在必行本文以上市公司作为财务危机预警系统的研究对象，选取90家ST公司与90家非ST公司(其中估计组45家ST公司与45家非ST公司，测试组45家ST公司与45家非ST公司)的16个财务比率指标，采用“熵权法”对16个财务比率指标进行筛选，确立了10个包含信息量多，熵权大，能准确预警的财务指标，通过“因子分析”模型建立财务危机预警函数（即ST与非ST的判别函数），最后用测试组的数据检验模型的判别率，从而建立起了一个能供上市公司使用的财务危机预警系统。

2 研究思搜集180家相配对的ST公司与非ST 公司的16个指标的原始数据路45个ST公司与45个非ST公司的16个指标数据作为测试组（检验用）45个ST公司与45个非ST公司的16个指标数据作为估计组（建模用）通过“熵权法”筛选出10个能准确预警的指标KMO和巴特利球体效度检验通过建立“因子分析”模型求出综合得分函数—财务危机预警函数测试组数据回代到判别函数中算出判别正确率3 样本、指标的选取3.1 样本的选取 本文在样本的选取上是根据2011年4月，沪，深股市公布的所有ST公司（根据1998年实施的股票上市规则，将对财务状况或其它状况出现异常的上市公司的股票交易进行特别处理( special treatment，简称 ST)，其中ST股是指境内上市公司连续二年亏损，被进行特别处理的股票，*ST股是指境内上市公司连续三年亏损的股票）共143家中，抽取了涉及包括制造业、服务业、电力生产业、房地产业等各个行业的公司90家，并根据同行业，同时期，规模相当（即非ST公司与相对应的ST公司的期末资产总额相差不超过150%）的配对原则，选取90家与之对应的非ST公司，共180家上市公司作为研究对象，满足上述的配对原则才使得样本之间具有可比性，分析更趋合理性，结果更具科学性。

90家ST公司与对应的90家非ST公司的行业类别、资产规模见（附表1及附表2），根据（附表1及附表2）的数据通过EXCE做出90家ST与90家非ST公司如下资产规模图1及图2 图1 ST公司资产规模图2 非ST资产规模3.2 指标选取本文指标数据主要来源于和讯财经网以及大智慧投资软件，通。