基于因子判别分析法的建材行业上市公司财务风险评价实证研究
2014-06-25田月昕姜岩龙
田月昕+姜岩龙
摘要：本文以57家建材行业上市公司为样本，运用因子判别分析法对建材行业上市公司财务指标进行研究，并通过对建材行业上市公司财务风险水平分类，运用K值聚类分析、Fisher方法得到建材上市公司财务风险评价模型的三个判别函数，最后得出结论：在评价建材行业上市公司的风险评价模型中包含4个公因子，并通过对每个企业对应的由公因子组成的三个函数模型值的大小来判别该企业的所属类别，以此判断该企业的财务风险程度，且该方法可行有效。
关键词：因子分析 判别分析 建材行业 财务风险
财务风险评价体系对企业的发展有着积极的作用，它能够对企业的财务运营过程进行控制，让企业财务管理中存在的问题得到及时解决，并对企业的财务危机进行预测，使经营者在财务危机发生前就及时采取相应措施，预防失败。国外学者用单变量分析Z-score、Logistic回归分析、多元线性判别等方法来进行企业财务风险识别。国内专家或学者在预测企业财务危机时，通常应用面分析、单变量分析、多重线性判定分析、神经网络分析、Fisher判别分析、Logistic分析等方法。本文主要运用因子分析法和判别分析法对财务风险指标进行筛选。通过这些方法可以清晰、简洁、明了地筛选出相关性强的具有代表性的财务指标。
本文首先以57家建材上市公司在建立财务风险系统方面还没有一个全面的认识以及现有风险模型无法实现准确判断风险的实际情况为着手点，指出建立财务风险评价体系的重要意义。上市公司只有建立财务风险评价体系才能够更好地完善财务管理相关工作，才能够及时发现财务危机的存在，从而提前做好相应的防范措施，减少或规避财务风险的产生。
一、样本选取及数据来源
（一）样本的设计
在对建材行业进行确认时，首先根据A股市场中建材行业进行分类，在分类完成后确定选取上市公司大致的范围，并且借助巨潮资讯网提供的资料，查找到上市公司的年度报告，从而根据年报当中提供的信息对68家建材行业进行分类（如表1）。
（二）样本的确定
在进行财务风险评价的过程中，本文选用的是因子判别分析法，该方法需要借助至少连续三年或三年以上的财务数据。为保持数据的稳定性，在A股建材行业的上市公司中，只有57家建材行业上市公司符合数据的要求。因此本文最终确定选取这57家上市公司2008-2012年间连续披露财务数据的公司为样本进行研究。本文的财务数据主要来源于国泰安数据库，年报主要来自于巨潮资讯网和上海、深圳证券交易所网站。本文运用SPSS 17软件对选取的各项指标进行因子分析。
二、现行财务指标评价体系
财务指标对于了解企业财务状况来说非常重要，它能够很好地反映企业的一些基本情况。企业的财务指标有很多，它们可以被划分为不同的类别，每一个财务指标在反映企业财务状况的时候，其角度是不一样的，并且各项财务指标之间也存在联系，因此，现行财务指标评价体系选取财务指标变量时需要结合我国建材上市公司的实际情况。各指标选取如下：盈利能力指标包括：销售毛利率、销售净利率、资产报酬率、每股收益、主营业务净利润率、总资产收益率、主营业务成本利润率、净资产收益率；偿债能力指标包括：现金流动负债率、流动比率、速动比率、资产负债率、营运资本配置率；资产营运能力指标包括：总资产、固定资产、流动资产、存货、应收账款五个周转率指标；现金流量能力指标包括：净利润、主营业务收入、固定资产、总资产四个现金比率指标；发展或成长能力指标包括：净利润、主营业务收入、总资产三个增长率指标。
三、利用因子分析法对我国建材行业上市公司财务指标的筛选
本文假设借助巨潮资讯网取得的年度报告中所提供各项数据都是准确可靠的，只有在这个假设成立的基础上，本文评价建材行业的财务风险才具备可行性；同时假设市场是公平有效的，即如果企业在运行过程中出现了问题，就会面临财务方面风险。如果这两个假设无法成立，则本文的研究也就不具有可行性。
（一）数据标准化处理
对于不同的财务指标来说，它的量纲是不同的，这就导致其数量级别也发生改变。本文在研究的过程中，运用Z-Score方法对数据进行处理，从而消除量纲的不一致给分析工作带来的不利影响。
（二）巴特利特球体检验
在采用Bartlett对数据进行检验时，通常来说，如果KMO值> 0.5 ，说明可以运用因子分析方法来对指标进行分析。根据分析可知，本文选定的各项指标的KMO 值为 0.651，因此可以对所选数据的因子进行分析。
（三）计算特征值
选取特征值均大于1且其方差的贡献率累计和达到80%以上的选取原则，从25个变量中提取出7个公因子，通过主成份分析提取法计算的总方差解释可知，其方差贡献率累计和达到了81.78%，说明了选取的7个公共因子能够充分反映原变量的信息，代表性较好。
（四）指标筛选
通过上述分析可知，本文用7个公共因子代替原来的25个财务指标。这样做的主要目的是为了让分析过程更加简便。事实上，这样的处理确实达到了简化的目的，不过由于7个公因子的载荷值大小基本上没有什么差异，因此，无法轻易对它们进行定义与解释。因此，本文进一步借助方差最大法对上述7个公因子进行正交旋转，计算旋转后的因子载荷矩阵，从而使这些公因子具有可以解释的性质。
借助方差最大法对上述7个公因子进行正交旋转后，7个公因子对于变量的解释性变强。
第一公因子：在每股收益、主营业务净利润率、营运资本配置比率、总资产增长率、净利润现金比率指标上载荷值均在0.67以上；
第二公因子：在速动比率、流动比率、现金流动负债比率、总资产现金比率等指标上有较大载荷，其载荷值均大于0.748；
第三公因子：资产报酬率、主营业务成本利润率、净资产收益率、主营业务收入增长率四个指标上载荷值均在0.52以上；
第四公因子：流动资产、存货、应收账款、固定资产四个周转率指标上载荷值均在0.5以上；
第五公因子：固定资产现金比率、在总资产周转率两个指标上具有较大载荷，且最小的载荷值是0.75；
第六公因子主营业务收入现金比率与第七公因子总资产收益率均有较高的载荷值，但是因子包含的变量均只有一个。
本文选取前文用因子分析法提取的7个因子指标作为变量，为便于观察，分别将第一公因子至第七公因子分别用 F1、F2、F3、F4、F5、F6、F7来表示，用SPSS 软件对公司财务风险的类型进行K值聚类分析。根据企业的实际情况，可以把第一类归为危险型企业，第二类归为安全型企业，第三类为轻度风险型。对抽取的7个因子进行K值聚类分析，具体结果如表2。
由表2可以看出，聚类结果中数字2对应的企业划分为轻度风险型，共计46家，因此，大部分建材企业上市公司的财务状况并不理想，波动性较大，如果不采取正确的措施，导致财务状况发展状况恶化，则可能导致发生较大的财务风险；聚类结果中数字3对应的企业划分为安全型；聚类结果中数字1对应的企业划分为危险型，说明这家建材企业财务状况在行业内很差，处于高财务风险时期。
（五）判别分析
本文进行判别分析过程中，类与类之间均值存在显著性差异是判别结果有效的前提条件，如此一来，就要对变量的均值差异进行检验。通过对不同变量的检验可知，在显著水平为0.05的情况下，可以认为F2（0.386）、F4（0.192）、F5（0.108）的均值在组间不存在显著性差异，因此，把这三个变量进行剔除，再进行判别分析。再进行组均值的均等性检验，检验结果显示，变量F1（0.000）、F3（0.001）、F6（0.001）、F7（0.003）的均值在组间均存在显著性差异。为了让判别效果更加清晰和明显，本文采用进行协方差Box 方法来进行检验，得到协方差检验结果的Box's M的值为74.895，F值为6.029，相伴概率为0.000，其值要大大小于0.05，说明此判别效果比较理想。
表3给出了两个典型判别函数所能解释的方差变异，其中第一个函数解释了所有变异的95.6%，第二个解释了所有变异的4.4%。
Wilks的Lambda表格用来检验各个判别函数有无统计学上的显著意义，考虑到前2个函数较为显著的解释了100%以上的方差变异，从而接受由此建立的判别规则（见表4）。
本文对样本进行分类的过程中，将样本分为三类，由此有三个分类函数。通过Fisher方法，本文得到表5所示的分类函数的系数。因此，可以得到3个分类函数的判别式。在上面的表格中，类别1代表的是危险型分类函数系数的函数判别值；类别2代表的是安全型分类函数系数的函数判别值；类别3代表的是轻度危险型分类函数系数的函数判别值。在判别模型建立之后，本文以贝叶斯判别准则作为基本判别准则，以上述选择的7个公因子指标值作为自变量，将这7个自变量代入三个判别函数后就能够得到对应的三个判别函数值。在对这些值进行比较后，最大数值的所属的函数就是该企业所对应的财务风险类别。
表6显示的是判别函数的分类结果，可以发现对于危险型的企业判断都是正确的，而对安全型的企业，有2家被误判为轻度风险型的，对于轻度风险型的有1家被误判为安全型的。但总体判别效果比较理想。
四、结论
本文在分析建材行业上市公司财务风险的成因过程中，一方面结合了建材行业的经营特点，从而做到了有的放矢；另一方面结合了财务风险影响因素的复杂性特点，使得分析结果更加准确。本文在财务风险理论的指导下，采用因子判别分析法构建了建材行业财务风险评价模型，并以此为基础提出了关于建材行业上市公司财务风险的控制措施。通过分析研究后，本文得出以下几个结论：
1.评价建材行业上市公司的指标体系中因子包括：第一公因子：每股收益、销售净利率、销售毛利率、主营业务净利润率、营运资本配置比率、总资产增长率；第三公因子：净资产收益率、资产报酬率、主营业务成本利润率、主营业务收入增长率；第六公因子主营业务收入现金比率与第七公因子总资产收益率。
2.根据实证结果表明，利用K值聚类分析法将建材行业上市公司分为危险型、安全型与轻度危险型三类是可行的。
3.通过对每个企业对应的三个函数模型值的大小来判别该企业的所属类别，以此判断该企业的财务风险程度，且该方法是可行的。Z
参考文献：
1.孟星涵.钢铁行业上市公司财务风险研究[D].陕西科技大学，2012，（5）：20-40.
2.袁伟平.我国民营上市公司信用风险度量研究[D].江苏大学，2009，（12）：30-35.
3.陈静.上市公司财务恶化的实证分析[J].会计研究，1999，（4）：31-38.
4.程涛.财务预警模型综述[J].山西财经大学学报，2003，10，（5）：104-107.
5.李娜.我国农业上市公司财务预警模型研究[D].沈阳农业大学，2008，（6）：30-36.
第四公因子：流动资产、存货、应收账款、固定资产四个周转率指标上载荷值均在0.5以上；
第五公因子：固定资产现金比率、在总资产周转率两个指标上具有较大载荷，且最小的载荷值是0.75；
第六公因子主营业务收入现金比率与第七公因子总资产收益率均有较高的载荷值，但是因子包含的变量均只有一个。
本文选取前文用因子分析法提取的7个因子指标作为变量，为便于观察，分别将第一公因子至第七公因子分别用 F1、F2、F3、F4、F5、F6、F7来表示，用SPSS 软件对公司财务风险的类型进行K值聚类分析。根据企业的实际情况，可以把第一类归为危险型企业，第二类归为安全型企业，第三类为轻度风险型。对抽取的7个因子进行K值聚类分析，具体结果如表2。
由表2可以看出，聚类结果中数字2对应的企业划分为轻度风险型，共计46家，因此，大部分建材企业上市公司的财务状况并不理想，波动性较大，如果不采取正确的措施，导致财务状况发展状况恶化，则可能导致发生较大的财务风险；聚类结果中数字3对应的企业划分为安全型；聚类结果中数字1对应的企业划分为危险型，说明这家建材企业财务状况在行业内很差，处于高财务风险时期。
（五）判别分析
本文进行判别分析过程中，类与类之间均值存在显著性差异是判别结果有效的前提条件，如此一来，就要对变量的均值差异进行检验。通过对不同变量的检验可知，在显著水平为0.05的情况下，可以认为F2（0.386）、F4（0.192）、F5（0.108）的均值在组间不存在显著性差异，因此，把这三个变量进行剔除，再进行判别分析。再进行组均值的均等性检验，检验结果显示，变量F1（0.000）、F3（0.001）、F6（0.001）、F7（0.003）的均值在组间均存在显著性差异。为了让判别效果更加清晰和明显，本文采用进行协方差Box 方法来进行检验，得到协方差检验结果的Box's M的值为74.895，F值为6.029，相伴概率为0.000，其值要大大小于0.05，说明此判别效果比较理想。
表3给出了两个典型判别函数所能解释的方差变异，其中第一个函数解释了所有变异的95.6%，第二个解释了所有变异的4.4%。
Wilks的Lambda表格用来检验各个判别函数有无统计学上的显著意义，考虑到前2个函数较为显著的解释了100%以上的方差变异，从而接受由此建立的判别规则（见表4）。
本文对样本进行分类的过程中，将样本分为三类，由此有三个分类函数。通过Fisher方法，本文得到表5所示的分类函数的系数。因此，可以得到3个分类函数的判别式。在上面的表格中，类别1代表的是危险型分类函数系数的函数判别值；类别2代表的是安全型分类函数系数的函数判别值；类别3代表的是轻度危险型分类函数系数的函数判别值。在判别模型建立之后，本文以贝叶斯判别准则作为基本判别准则，以上述选择的7个公因子指标值作为自变量，将这7个自变量代入三个判别函数后就能够得到对应的三个判别函数值。在对这些值进行比较后，最大数值的所属的函数就是该企业所对应的财务风险类别。
表6显示的是判别函数的分类结果，可以发现对于危险型的企业判断都是正确的，而对安全型的企业，有2家被误判为轻度风险型的，对于轻度风险型的有1家被误判为安全型的。但总体判别效果比较理想。
四、结论
本文在分析建材行业上市公司财务风险的成因过程中，一方面结合了建材行业的经营特点，从而做到了有的放矢；另一方面结合了财务风险影响因素的复杂性特点，使得分析结果更加准确。本文在财务风险理论的指导下，采用因子判别分析法构建了建材行业财务风险评价模型，并以此为基础提出了关于建材行业上市公司财务风险的控制措施。通过分析研究后，本文得出以下几个结论：
1.评价建材行业上市公司的指标体系中因子包括：第一公因子：每股收益、销售净利率、销售毛利率、主营业务净利润率、营运资本配置比率、总资产增长率；第三公因子：净资产收益率、资产报酬率、主营业务成本利润率、主营业务收入增长率；第六公因子主营业务收入现金比率与第七公因子总资产收益率。
2.根据实证结果表明，利用K值聚类分析法将建材行业上市公司分为危险型、安全型与轻度危险型三类是可行的。
3.通过对每个企业对应的三个函数模型值的大小来判别该企业的所属类别，以此判断该企业的财务风险程度，且该方法是可行的。Z
参考文献：
1.孟星涵.钢铁行业上市公司财务风险研究[D].陕西科技大学，2012，（5）：20-40.
2.袁伟平.我国民营上市公司信用风险度量研究[D].江苏大学，2009，（12）：30-35.
3.陈静.上市公司财务恶化的实证分析[J].会计研究，1999，（4）：31-38.
4.程涛.财务预警模型综述[J].山西财经大学学报，2003，10，（5）：104-107.
5.李娜.我国农业上市公司财务预警模型研究[D].沈阳农业大学，2008，（6）：30-36.
第四公因子：流动资产、存货、应收账款、固定资产四个周转率指标上载荷值均在0.5以上；
第五公因子：固定资产现金比率、在总资产周转率两个指标上具有较大载荷，且最小的载荷值是0.75；
第六公因子主营业务收入现金比率与第七公因子总资产收益率均有较高的载荷值，但是因子包含的变量均只有一个。
本文选取前文用因子分析法提取的7个因子指标作为变量，为便于观察，分别将第一公因子至第七公因子分别用 F1、F2、F3、F4、F5、F6、F7来表示，用SPSS 软件对公司财务风险的类型进行K值聚类分析。根据企业的实际情况，可以把第一类归为危险型企业，第二类归为安全型企业，第三类为轻度风险型。对抽取的7个因子进行K值聚类分析，具体结果如表2。
由表2可以看出，聚类结果中数字2对应的企业划分为轻度风险型，共计46家，因此，大部分建材企业上市公司的财务状况并不理想，波动性较大，如果不采取正确的措施，导致财务状况发展状况恶化，则可能导致发生较大的财务风险；聚类结果中数字3对应的企业划分为安全型；聚类结果中数字1对应的企业划分为危险型，说明这家建材企业财务状况在行业内很差，处于高财务风险时期。
（五）判别分析
本文进行判别分析过程中，类与类之间均值存在显著性差异是判别结果有效的前提条件，如此一来，就要对变量的均值差异进行检验。通过对不同变量的检验可知，在显著水平为0.05的情况下，可以认为F2（0.386）、F4（0.192）、F5（0.108）的均值在组间不存在显著性差异，因此，把这三个变量进行剔除，再进行判别分析。再进行组均值的均等性检验，检验结果显示，变量F1（0.000）、F3（0.001）、F6（0.001）、F7（0.003）的均值在组间均存在显著性差异。为了让判别效果更加清晰和明显，本文采用进行协方差Box 方法来进行检验，得到协方差检验结果的Box's M的值为74.895，F值为6.029，相伴概率为0.000，其值要大大小于0.05，说明此判别效果比较理想。
表3给出了两个典型判别函数所能解释的方差变异，其中第一个函数解释了所有变异的95.6%，第二个解释了所有变异的4.4%。
Wilks的Lambda表格用来检验各个判别函数有无统计学上的显著意义，考虑到前2个函数较为显著的解释了100%以上的方差变异，从而接受由此建立的判别规则（见表4）。
本文对样本进行分类的过程中，将样本分为三类，由此有三个分类函数。通过Fisher方法，本文得到表5所示的分类函数的系数。因此，可以得到3个分类函数的判别式。在上面的表格中，类别1代表的是危险型分类函数系数的函数判别值；类别2代表的是安全型分类函数系数的函数判别值；类别3代表的是轻度危险型分类函数系数的函数判别值。在判别模型建立之后，本文以贝叶斯判别准则作为基本判别准则，以上述选择的7个公因子指标值作为自变量，将这7个自变量代入三个判别函数后就能够得到对应的三个判别函数值。在对这些值进行比较后，最大数值的所属的函数就是该企业所对应的财务风险类别。
表6显示的是判别函数的分类结果，可以发现对于危险型的企业判断都是正确的，而对安全型的企业，有2家被误判为轻度风险型的，对于轻度风险型的有1家被误判为安全型的。但总体判别效果比较理想。
四、结论
本文在分析建材行业上市公司财务风险的成因过程中，一方面结合了建材行业的经营特点，从而做到了有的放矢；另一方面结合了财务风险影响因素的复杂性特点，使得分析结果更加准确。本文在财务风险理论的指导下，采用因子判别分析法构建了建材行业财务风险评价模型，并以此为基础提出了关于建材行业上市公司财务风险的控制措施。通过分析研究后，本文得出以下几个结论：
1.评价建材行业上市公司的指标体系中因子包括：第一公因子：每股收益、销售净利率、销售毛利率、主营业务净利润率、营运资本配置比率、总资产增长率；第三公因子：净资产收益率、资产报酬率、主营业务成本利润率、主营业务收入增长率；第六公因子主营业务收入现金比率与第七公因子总资产收益率。
2.根据实证结果表明，利用K值聚类分析法将建材行业上市公司分为危险型、安全型与轻度危险型三类是可行的。
3.通过对每个企业对应的三个函数模型值的大小来判别该企业的所属类别，以此判断该企业的财务风险程度，且该方法是可行的。Z
参考文献：
1.孟星涵.钢铁行业上市公司财务风险研究[D].陕西科技大学，2012，（5）：20-40.
2.袁伟平.我国民营上市公司信用风险度量研究[D].江苏大学，2009，（12）：30-35.
3.陈静.上市公司财务恶化的实证分析[J].会计研究，1999，（4）：31-38.
4.程涛.财务预警模型综述[J].山西财经大学学报，2003，10，（5）：104-107.
5.李娜.我国农业上市公司财务预警模型研究[D].沈阳农业大学，2008，（6）：30-36.
