中小企业财务状况综合评价实证研究

淄博职业学院 崔玉娟

［本文系山东省软科学立项项目阶段性研究成果］

1997年开始，我国中小企业无论在数量、吸纳就业人数、出口额，还是创造价值和利税等方面均超过了大企业。对中小企业的财务状况进行综合评价，能够从总体上判断中小企业的发展状况，客观地分析中小企业的盈利能力、管理能力、成长能力等，为提高企业的经营管理、改善成长环境提供必要的理论支持。

一、研究设计

（一）基本假定 具体内容如下：

（1）财务处理规则的一致性。国家对上市公司的财务处理有统一的规定，上市公司财务制度已趋于完善，而政府的监管力度也逐渐加大，所以假定：所有上市公司财务处理的规则是一致的，不同上市公司的财务数据具有可比性。

（2）财务报表的真实性。.上市公司披露的年报是经会计师事务所审计的，所以假定：经会计师事务所审计的报表是可信的。为在一定程度上保证分析数据的真实性，选取经注册会计师出具的标准无保留意见或带说明段的上市公司会计报表作为分析的基础，而对于注册会计师拒绝表示意见的上市公司财务报表则不在研究范围之列。

（二）样本选择 所选择的中小企业样本为截止到2005年末，在深证证券交易所中小板上市的全部50家中小企业，股票代码002001-002050。所选样本从行业分布来看，85%的样本是制造业公司，保证了所选指标的可比性；从区域分布看，沿海省份的居多，浙江15家，广东10家，江苏6家，这三个省份共31家，占总样本的62%。其余省份29家，占样本量的38%。这与我国中小企业的实际地域分布相符，使得所得结论具有广泛的代表性。本文初步选择财务指标31个，进行相关性分析后，剩余16个。

（三）研究方法 本文首先对所选样本数据进行描述性统计，然后利用主成分分析法进行综合评价，最后用神经网络进行更深层次的分析。前两种方法通过SPSS统计软件来实现的，神经网络部分则借助于matlab来实现。

三、实证分析

（一）描述性统计分析 本文利用SPSS对原始财务指标描述性统计，结果表明：

其一，从资产负债率X1、流动比率X2、速动比率X3来看，中小企业的偿债能力非常强，资产负债率、流动比率、速动比率平均值分别为0.35、3.00、2.50，接近或超过了其适度性水平。而同期上市公司总体资产负债率、流动比率、速动比率分别为0.54、0.21、0.64（同期上市公司数据源于中联财务顾问有限公司，中联资产评估有限公司、中联会计师事务所和国资委共同组成的上市公司业绩评价课题组对沪深股市2006年4月30日公布年报的1339家上市公司所作的业绩评价分析报告数据，下同）。这表明企业非常重视债务的清偿，也可能与中小企业外部融资困难，因而比较注重内部积累有关，但另一方面也说明企业资产可能普遍存在利用不高、闲置浪费的情况。

其二，从销售毛利率X4、主营业务利润率X5、净资产收益率X6以及每股收益X7来看，中小企业的盈利能力平均都达到了10%以上，且50家公司无一家亏损，也高于同期上市公司的整体表现，表明样本公司在2005年盈利较好。

其三，从成长性指标主营业务收入增长率X8、主营业务利润增长率X9、净资产增长率X10、主营业务鲜明率X11等指标来看，中小企业的平均成长性较好，但是样本间表现有所差异，最低值出现了负增长，这与人们认为中小板企业普遍是高成长性的公司不同。

其四，从资产管理能力和获取现金能力来看，中小板企业总资产周转率X12、存货周转率X13、应收账款周转率X14分别为0.77、5.95、12.41，同期上市公司的总资产周转率、存货周转率、应收账款周转率分别为0.89、4.78、11.96，两者比较，中小企业的资产管理能力并不突出。

其五，从销售现金比率X15、净资产现金回收率X16等指标来看，中小板企业获取现金的能力不足，这可能企业规模不大，急速扩张等因素有关。

（二）主成分分析 在进行财务状况综合评价时，评价指标若过多，特别是指标间存在较强相关性时，往往会影响评价结果的准确性，对评价结果也难以解释，主成分分析方法的优点就是能够从众多指标中提取几个对结果具显著作用的因子，达到减少评价指标的目的。本文的主成分分析结果显示：

第一个主成分F1中总资产周转率、应收账款周转率、股东权益周转率、固定资产周转率系数均为正数且在0.86以上，对第一主成分的影响最大，所以，第一主成分主要反映了中小企业的资产管理能力。

第二主成分F2成本费用利润率、销售毛利率、主营业务利润率、销售净利率系数都超过了0.80，表明第二主成分主要反映了中小企业的盈利能力。显然，这三项指标在5个盈利能力指标中对综合得分的影响也是比较大的。

第三主成分F3集中反映了中小企业的获取现金流的能力，除销售现金比率外，其余4个衡量现金流的指标系数均高于0.8。

其余主成分因子则反映了偿债能力、以及成长性等方面的信息。

前三个主成分的累计贡献率达到了84.20%，对最后的综合得分起着重要作用，而这三个主成分因子主要代表着公司的资产管理能力、盈利能力以及获取现金流的能力，因此，公司在这三个方面的表现，决定着其最后的综合排序。

根据公式列示计算结果即可以对样本公司进行综合排名，前十名如表1所示。

表1 主成分分析样本综合排序

从主成分分析结果来看，前十名的公司财务状况表现良好，远远超过了其他公司。但另一方面，前十名公司的主营业务鲜明率、核心业务总资产收益率增长率与所有样本差别很小，说明前十名公司在这两个方面并没有表现出其优越性，另一方面也说明其他中小企业也有非常好的发展潜力。

前十名公司的资产管理能力也超出了其他公司，总资产周转率、存货周转率、应收账款周转率的平均值分别为1.06、10.20、24.21，50家样本公司三个指标的平均值分别为0.77、5.95、12.4。此外，前十名公司的偿债能力、盈利能力、获取现金的能力也不同程度的优于其它公司。

（三）基于主成分分析的人工神经网络分析 具体内容如下：

（1）选择样本及确定数据。利用神经网络进行分析，需要一定量的样本进行训练，这里选取上述样本里的30家中小企业，即股票代码002001-002030的30家公司作为训练样本，剩余20家作为测试样本。

在BP神经网络中，当输入层次过多也就是指标数量过多时，模型往往具有不稳定性，从而影响结果的可靠性。与以往所使用的神经网络模型不同，本文并不是将30家中小企业的原始财务指标直接作为输入变量，而是在主成分分析的基础上，以提取的8个主成分因子Fi作为输入层，这样不仅大大缩减了变量的个数，而且更能保证模型的稳定性。

（2）确定BP神经网络模型的结构及参数。根据评估和决策的需要，对输出层的设计选m=5，即将该板块的上市公司财务状况分为五类：优秀、良好、中等、较差、差。具体参考标准是：某家公司以变异系数法和主成分析两种方法计算的结果若处在1-10名则为优秀，11-20为良好，以此类推。如果两种排名有矛盾，则参考销售净利率作为辅助判断标准。

综上所述，本研究中所采用的神经网络结构为：8（输入层）-9（隐含层）-5（输出层）。根据具体情况，这里学习因子速率取η=0.45。

表2 神经网络输出结果表

（3）仿真训练及结果。本文中这一部分是通过Matlab软件来实现的，在Matlab软件中，通过训练样本对网络进行训练，迭代次数为1000次达到误差值≤0.005的要求，最后得到满意的权值和阈值，从而确定了稳定的网络结构。

通过Matlab运算，输出结果形式为（x1，x2，x3，x4，x5），若X2〉0.9，则表示此样本属于第i个类型。例如，某样本结果为（0.0165，0.0467，0.9874，0.0147，0.4567），可以认定其属于“中等”。

最后，通过对预测值的分析，得到的试验结果如表2所示：

20个测试样本中，实际财务状况是4个优秀，5个良好，4个中等，3个较差，4个差，依据BP神经网络输出结果，判断情况为：4个优秀，6个良好，4个中等，2个较差，3个差，1个无法判断。有4个样本判断情况不符实际情况，误判率20%，准确率达80%。神经网络模型从财务状况的“健康”程度上来分析中小企业的综合情况，更能促进“健康”状况不佳的公司加强经营管理，改善其财务状况。

五、财务状况综合评价结果分析

在同时期股市业绩普遍出现下滑的情况下，从以上财务综合评价的结果来看，中小企业整体表现优于其它上市公司。这里选取主成分分析综合排名前十名、后十名、全部50家样本以及同时期全部上市公司，通过主要财务指标平均值的比较，以进一步的分析，结果如表3所示。

表.3 财务状况对比分析表

结果表明：除了主营业务鲜明率、总资产周转率外，中小企业各项指标均值都优于同期上市公司，说明中小板块整体良好。但进一步分析会发现，中小企业表现差异明显，前十名与后十名相差悬殊。其中，前十名的主营业务利润增长率是后十名近4倍。两者差异最明显的是获取现金流量的能力，前十名均由较高的获现能力，而后十名的全部资金现金回收率、每股经营现金流、净资产现金回收率均为负值。

值得注意的是，在全部上市公司主营业务利润出现负增长的情况下，中小板企业仍然表现出了较强的增长势头，前十名公司的增长率甚至接近50%，最后十名公司的增长率也达到了12%。但是，另一反映成长能力的指标主营业务鲜明率，中小企业的表现却不如上市公司，这说明相对于上市公司而言，中小企业的主营业务仍显得不够突出，主业仍然没能够为中小企业创造足够多的利润。

［1］吴世农、李常青、余玮：《我国上市公司成长性的判定分析和实证研究》，《南开管理评论》1999年第4期。