合并报表与母公司报表财务预警功能的比较研究

2016-02-17赵晓丹

金融经济 2016年24期

关键词：财务指标报表预警

赵晓丹

(吉林省电力勘测设计院，吉林长春 130022)

合并报表与母公司报表财务预警功能的比较研究

赵晓丹

(吉林省电力勘测设计院，吉林长春 130022)

随着国家经济环境、政治环境的变化，企业面临的环境变得更加的复杂，这必然会为企业带来更多的风险，为了降低风险，促进企业稳定快速发展，许多上市公司都在积极的研究企业财务困境预测问题。本文主要通过分析A股部分制造业企业的合并报表数据、母公司报表数据就企业的财务困境问题进行简单的分析研究，以这些数据为基础建立两个财务预警模型，并对两种模型的预测准确率进行对比分析，仅为相关企业的财务预警工作提供简单的参考。

合并报表；母公司报表；财务预警

随着国家经济的快速发展，企业面临着更多的竞争，因为财务危机导致的经营困境逐渐增多，为了切实提高企业的竞争力，降低企业风险，许多公司都开始积极的分析相关的财务资料，定性及定量的分析企业的财务状况，开展财务预警工作，防范财务风险，但构建财务危机预警系统的过程中，需要搜集数据资料计算财务指标，但许多研究人员在开展这一工作时都遇到了一个相同的问题，即母公司报表数据和合并报表数据哪一个能够更好的反映企业的财务状况，下文采用实证研究的方法，分别采用这两种数据报表数据进行建模，对比分析两种模型的判别准确率，仅为相关企业的这部分工作提供参考。

一、样本选择及数据来源

本文主要结合当前我国证券市场的实际情况，从A股上市公司中选择了48家制造业公司为研究样本，共划分为16组，样本选择中遵循以下原则：(1)可比性原则。受到行业因素、国家政策因素等等的影响，不同的行业、企业具有不同的经营特点及财务特点，财务指标的可比性难以保证，会影响到财务预警模型的适用性及精确度，为了尽可能减少这种影响，本文中选择的企业均为同一行业，财务预警模型的建立能够根据本行业实际的经营特点进行，信息使用者需要根据该行业适用的预警模型判断企业的财务状况，我国制造类企业众多，本次样本主要从中国证监会发布的《上市公司分类指导》进行选取，样本比较典型，以此为基础建立的预警模型具有较高的可信度及精准度；(2)配对样本选择。为了使预警模型的预测结果更加精准，样本公司选择一定要严谨、细致，每一家ST公司对应一家非ST公司，选择的时间段之内总资产规模的平均值差值控制在5%以下，数据缺失、异常的个体剔除。此外，当抽样比例与现实总体比例过分偏离时，模型的预测能力会被高估，我国ST公司占全部上市公司的比例比较小，因此，为了保证模型的预测能力的准确性，本次实证分析采用1：2的比例选取公司样本，两类公司的时间窗保持一致，预测年度之前的三年内企业的财务数据完整、真实。(3)样本分组。本次研究共选择48家样本公司，共分为16组，按照上文所述比例，其中ST企业16家，非ST企业32家，为了便于后期分析，这16个小组样本再次划分为两个大组，一组为样本估计组，其中ST企业与非ST企业的比例同样为1：2，另一组为样本预测组，样本估计组主要用于建立模型，样本预测组则用于检测模型的预测能力。

本次研究中使用的原始数据主要来源于RESSET金融研究数据库、和讯网、新浪财经网的财务指标数据及财务报表，对比分析后发现，这些数据中超过90%的财务指标数据取自于合并报表数据，母公司的财务指标采用相应的计算方法手工计算得出。为了提高预警模型的可靠性，所有研究对象面对的宏观经济政策环境应相同，因此本次研究中选择的所有的ST公司均是2014年首次上市的企业，数据采集范围为2010——2012，2012年数据为截面数据，以此为样本建立模型。

二、预警指标系统构建

财务预警指标包括现金流财务指标和传统财务指标两大类，模型的可靠性会受到预警分析指标的影响，会计信息使用者在决策过程中必须要对企业的资本结构、盈利状况、资金流动状况等有充分的了解，本次实证分析中全面考虑企业的现金流量、营运能力、偿债能力、成长能力、盈利能力五个维度，共选取了22个财务指标。其中反映企业盈利能力的指标有净资产收益率X1、主营业务利润率X2、销售毛利率X3、资产净利率X4、每股净资产X5及留存收益/资产总额X6，反映企业偿债能力的指标有流动比率X7、速动比率X8、资产负债率X9、营运资金/资产总额X10、利息保障倍数X11，反映企业营运能力的指标有应收账款周转率X12、存货周转率X13以及总资产周转率X14，反映企业成长能力的指标有主营业务收入增长率X15、总资产增长率X16、净利润增长率X17以及净资产增长率X18，反映企业现金流的指标有每股经营现金流量X19、盈利现金比率X20、现金流动负债比X21以及债务保证率X22。

三、上市公司财务困境预测的实证研究

(一)单变量分析

以合并报表数据为例，从五个维度的指标中选取6个比较具有代表性的财务指标，每个维度至少选择一个，计算两组公司各个指标的平均值，进行单变量分析后，观察ST企业与非ST企业单个指标之间的差异。

盈利能力维度中选择销售毛利率作为单变量指标，分析之后发现，ST企业三年来的销售毛利率在不断的下降，非ST企业这三年以来销售毛利率比较平稳，变化不大。

企业的偿债能力分为短期偿债能力和长期偿债能力两种，其中短期偿债能力选择流动比率作为单变量指标，分析之后发现，非ST公司的平均流动比率在1.6～1.4之间，ST公司的平均流动比率则在0.9～0.6之间，也就是说非ST公司的平均流动比率明显高于ST公司，尽管两类公司的平均流动比率都在下降，但ST公司的下降幅度更大。

企业的长期负债能力分析选择资产负债率作为单变量指标，分析之后发现，非ST公司的平均负债率比较平稳，在40%～50%之间，而ST公司则有较大幅度的变化，10年到11年有小幅度的下降，在60%左右，11年到12年大幅度上升，资产平均负债率达到80%。主要是因为ST公司抵御金融危机的能力较低，总体状况比较差。

企业的营运能力分析时选择总资产周转率作为单变量指标，非ST公司的总资产周转率比较平稳，在0.8～0.9之间，始终在缓步的上升，ST公司的10年到11年总资产周转率发生较大幅度的增长，11年到12年又迅速下降，三年的平均值在0.5左右，明显低于非ST公司。

分析企业的成长能力时主要选择总资产增长率和净利润增长率作为指标，通过分析之后可以发现，10年到11年，非ST公司的总资产增长率在20%～25%之间，12年迅速下降到10%以下，三年来，ST公司的总资产增长率在同样也在持续的下降，12年甚至变成了负值，总资产停止增长。分析净利润增长率可以发现，10年及12年，ST公司的平均净利润增长率低于非ST公司，11年高于非ST公司，两类公司的平均净利润增长率都十分不稳定。

企业的获现能力分析选择现金流动负债比作为单变量指标，10年到12年，非ST公司的平均现金流动负债比在0.16～0.12之间，在缓慢的下降，但ST公司的现金流量负债比呈现一定程度的波动，10年到11年在迅速上升，11年到12年又有所下降，但总体而言依然明显低于非ST公司，在0.02～0.08之间，由此可见，非ST公司的现金偿还能力较好。

(二)多变量分析

单变量分析的方法在财务困境预测中存在着一定的缺点，各个财务指标的预测能力不一样，预测方向各不相同，对同一公司进行预测都可能存在着不同的结果，因此，下文采用多变量分析的方法进行建模，图1为具体的研究思路。

图1 多变量分析研究思路

1. 变量筛选

采用独立样本T检验方法检验在非ST组及ST组中上述的备用财务指标是否具有代表性，初步进行变量的筛选，具体的筛选步骤如下所示，基于母公司报表数据及合并财务报表数据计算48个样本公司的22个财务比率，在5%的显著性水平下对这些财务指标进行单样本K-S检验，分析这些样本ST公司的指标总体上是否符合正态分布，如果符合，在5%的显著性水平下对每年数据的指标均值进行独立样本T检验，如果指标两年及以上均值都显著，可以作为财务预警指标，不符合正态分布的，通过独立样本非参数检验对三年数据指标均值进行检验。

(1)基于合并报表数据进行变量筛选

2010年财务指标均值差异检验。采用单样本K-S检验法判断22个财务指标样本正态性发现，样本中所有的ST公司的财务指标都服从正态分布，非ST公司只有少数不符合，因此可以继续进行独立样本T检验。对剩余20个指标进行独立样本T检验显示，5%的显著性水平下，共有14个指标通过该检验，分别为变量1、2、3、4、6、7、8、10、11、14、18、21、22，由于样本数量较小，将均值差异显著性检验变为分布一致性检验，两独立样本非参数检验显示，变量12、17没有通过，差异不显著。

11年财务指标均值差异检验。K-S检验显示，ST公司的所有财务指标中除了变量1之外，均符合正态分布，非ST公司，指标11、12.、17、18不符合。对剩余的17个指标进行独立样本T检验显示，5%的显著性水平下，变量2、3、7、8、10、14通过显著性检验，指标1、11、12、17、18非参数检验结果表明，除指标1外其余均未通过显著性检验。

12年财务指标均值差异检验。K-S检验显示，ST公司中除了指标18外，均符合正态分布，非ST公司指标18、19不符合。对剩余指标进行独立样本T检验表明，指标2、3、4、7、8、10、14通过检验，对指标18、19进行非参数检验发现只有18通过。

由上述分析可以发现，三年间，存在显著性差异的财务指标有14个，其中9个至少两年显著性水平为0.05，财务指标平均值差异的t检验中有7个通过该检验，且这些指标对应的|t|大幅度增加，由此可见，它们的预测能力比较显著，可以将这9个指标纳入预警指标体系，但这9个指标中缺少现金流量指标，因此，将现金流指标盈利现金比率X20纳入该体系。

(2)基于母公司报表数据进行变量筛选

变量筛选方法与上述步骤一致，最终选择指标1、4、7、10、14、17、20一共7个指标纳入预警指标体系。

2. 财务预警模型建立

(1)基于合并报表数据进行分析及建模

统计分析之前通过标准化处理将数据标准化，然后通过一定的统计分析方法建模。为了判断数据是否能够适合进行因子分析，需要通过KMO检验和Barlett球度检验的方法分析变量的相关性，KMO在0.5以下，表明不适合，对基于合并财务报表的数据检验后发现，KMO=0.624，则适合；Barlett球度检验时，显著性为0，说明所有的变量具备一定的相关性，可以进行因子分析。

因子分析时，首先需要确定主成分的个数，本次研究选择的主成分提取数为5个，因子分析结果显示，第1公因子能够较好的代表X7、X8、X10这三个指标，也就是企业的偿债能力，第2公因子能够较好的代表X1、X4、X18这几个指标，即企业的成长能力及盈利能力，第3公因子能够较好的代表X2、X3即企业主营业务盈利能力，第4公因子能够较好的代表X20即企业获现能力，第5公因子能够较好的代表X14即企业营运能力。通过主成分及主成分贡献建模，对所有公因子得分进行加权求和，计算得出它们的方差贡献率为32.26%、23.68%、18.89%、10.32%、10.06%，各公司财务预警模型为：

zF=32.26%F1+23.68%F2+18.89%F3+10.32%F4+10.06%F5

(2)基于母公司数据进行分析及建模

建模过程与上文一致，最终得出各公司财务预警模型为：

zF=40.53%F1+14.92%F2+14.55%F3+14.41%F4+14.36F5

3. 模型判别能力检验

(1)合并财务报表数据

计算样本估计组综合得分，有无财务危机分割点根据误判率最小原则进行确定，zF值在-0.14以下时有财务危机，反之没有。对24家样本公司进行判断显示，有两家判断失误，其余均准确，该模型准确率达到91.67%。将预测样本数据带入模型后，有四家误判，准确率达到83.30%，由此可见，该模型预测效果比较好。

(2)母公司报表数据

财务危机分割点为-0.2979，24家建模估计样本公司的判别准确率为100%，按照基于合并财务报表数据的财务分割点进行判别，准确率为91.67%，预测效果较好。