基于Logistic模型的制造性企业财务风险预警研究

2017-06-23郭伟

宿州学院学报 2017年4期

关键词：财务危机公司财务企业财务

郭伟

安徽行政学院(安徽经济管理学院)经济学教研部，合肥，230051

基于Logistic模型的制造性企业财务风险预警研究

郭伟

安徽行政学院(安徽经济管理学院)经济学教研部，合肥，230051

基于对我国上市公司财务风险的度量和预警机制的理论考量，选取沪深两市部分制造性上市企业的财务数据为研究对象，借鉴已有的财务风险预警评估模型，通过对样本和变量参数的筛选，采用因子分析和主成分分析，构建适合我国上市制造性企业的Logistic财务风险预警模型，检验表明：该模型在实际应用中具有较好的预测效果。对于制造性企业来说，若要提前化解公司可能存在的危机，一要建立合理有效的财务预警体系，及时对财务风险进行预警；二要采用合理有效的措施来保障公司的财务预警体系顺利的实现；三是提高企业全员危机防范意识和健全财务预警制度。

上市公司；制造性企业；财务风险预警；Logistic模型

随着西方国家“工业4.0”的推出，中国制造业开始强力发声。《中国制造2025》是一个务实的战略方针，它将引导中国从制造业大国转向制造业强国。目前，我国制造业企业已开始走向工业化与信息化的融合，创新能力不断增强，制造性企业整体素质大幅提高，国际竞争实力凸显，在产业价值链中的地位提升[1]。然而，随着国际贸易保护主义的抬头，中国制造性企业面临的市场竞争压力在加剧，尤其是企业的财务风险在加大。学术界从20世纪80年代中后期开始对财务危机预警开展研究，以企业财务数据为基础而建立的财务危机预警模型也于1996年逐步发展起来的。国内有学者开展了对Z分数模型的改进研究[2]，在公司被ST的前三年可以较好地对财务危机进行预测；还有学者直接借鉴美国学者Altman的Z分数模型来构建企业财务困境预警模型[3]。这些研究都是从上市公司的财务风险预警模型构建出发，其中以上市的制造性企业为对象的财务风险预警研究较少[4]。本文构建适合我国上市制造性企业的Logistic财务风险预警模型，检验表明：该模型在实际应用中具有较好的预测效果，对研究我国上市公司财务风险的度量和预警机制有一定的理论价值。

1 中国制造业发展面临的挑战与困境

改革30多年来，中国制造业的发展较为突出，制造业大国地位突显，中国制造随处可见。虽然位居世界制造大国，但离制造强国还有很大差距。中国制造业总规模和产出能力已有较高水平，但一些核心制造技术仍依赖他国，企业核心能力不强，品牌效应不力，创新能力不够，中国制造业仍然处于一个艰难的发展困境中。

随着经济环境的变化和全球制造业生产格局的转变，中国制造业发展仍将面临着三个方面的挑战：一是来自于高端挑战。西方发达国家通过“再工业化”，推出“工业4.0”，优势进一步强化，进一步拉大与我国的距离。二是来自于低端挤压。一些发展中国家和新经济体以其廉价劳动力的优势，抢占了全球制造业的中低端市场，我国原有的制造业优势面临失去的危险。三是来自于内部的困境。从整体来看，我国制造业自主创新能力不强，核心技术对外依存度较高；制造业仍处于产业中低端水平，产品处于全球产业链的中端，产品附加值低，营销和研发能力较弱，知名品牌短缺；生产性服务业比重偏低，集群效应没有体现；资源浪费较大，利用效率偏低，环境问题突出；企业产品竞争力下降[5]。

2 制造业上市公司财务风险进一步加大

全球经济一体化趋势逐渐加深，制造企业所面临的社会环境也在日益复杂的变化着，企业经营风险不可避免，导致出现财务危机的概率加大[6]。从沪深上市公司分析来看，制造业上市公司由于财务问题而被ST或*ST的比例要比其他行业高得多[7]。

2.1 制造性企业财务存在的主要问题

从沪深两市可以看出，多数上市企业的财务状况不容乐观，尤其是制造性企业，被*ST的比例很高[8]，这些制造性企业主要的财务问题有：(1)资产负债率较高，企业面临还债压力大；(2)亏损比例大，易引发财务危机；(3)融资顺序不合理。大量学者的研究结果表明，导致上市公司财务风险的最主要原因是企业的经营管理和财务管理两方面造成的[8]。经营管理方面主要包括盲目扩大规模，治理机制不够完善以及不健康的公司文化等；财务管理方面主要包括财务信息失真，投资决策失误，公司流动资金差以及不健全的财务管理制度等。

2.2 制造业上市公司财务风险预警的必要性

制造业上市公司陷入财务危机，若不能及时处理，不仅会影响到公司自身的发展，还会影响到我国证券市场的发展。运用统计模型来研究上市公司财务风险预警，可以在制造性企业出现财务危机之前评测企业产生财务风险的可能性，剖析危机原因，预防危机发生。目前，运用财务指标检验上市公司是否发生财务危机已经成为一种趋势，如企业的净利润指标出现了连续两年为负，证券市场就会对上市公司作特别处理。因此，财务预警不仅能够保证股东投入的股本不受损失，还能提高债权人对企业偿债能力的把握，投资者可以利用公司的经营业绩来判断未来趋势是否投资[9]。

综上可知，制造业财务风险预警模型的建立既能及时发现公司中潜在的风险，又能警示已有的危机信号。因此，建立一个既适合我国制造业上市公司，又有较强预测能力的财务风险预警模型，对于中国制造业的长远健康发展具有重要的意义。

3 制造性企业财务风险预警模型建立

3.1 样本和指标变量的筛选

由于研究对象是制造性企业，所以在样本选择上是以制造业上市公司的财务数据作为选择对象。制造业上市公司发生危机的可能性是存在的，最直接的危机就是财务风险，产生这种风险的可能性大小，也就是概率P大小，用此指标来评判该企业所处的风险大小，是否处于高风险状态。通过筛选，剔除数据缺失和极端数据的企业，最终从沪深两市共选取92家制造业企业，收集了2014-2015年的财务数据，其中25家是*ST公司，其余67家为正常公司，总计184个样本。所有的财务指标数据均来自锐思数据库，通过显著性与因子分析筛选了18个指标变量，“*ST”上市公司可以评判为高风险企业，其他企业视为正常。

3.2 Logistic模型与变量参数选取

对于制造业上市公司财务风险的评定，可以利用Logistic回归模型来表述如下：

其中，参数α是常数项，Xi为风险评定中的影响变量，βi为待估计系数，P为风险概率,0

其中，P代表产生财务风险的概率，P的取值应在(0,1)之间，P值大小与风险大小正相关。Y表示风险事件，这种事件要么有或是无，可以用数值1或0两个变量来代替Y值。X1，X2，…，Xn是Y的函数，根据上述的假设条件，则变量Y与Xi的关系可以表示为:

=α+β1X1+β2X2+…+βnXn

根据选取的上市公司会计信息，对财务报告中的相关财务指标逐一分析，按照与公司财务状况联系紧密程度进行筛选，最终确定18个指标作为分析对象(表1)。

表1 模型选取的财务指标

企业发生财务风险的概率P被假设为虚拟的二分类变量[10]，即对于高风险“*ST”企业P为1，正常企业P为0。因此，可以采用Logistic回归模型分析。

3.3 主成分分析

首先对原始的财务指标数据进行相关性检验，利用统计软件SPSS18.0进行处理，得出上述18个财务指标，彼此之间存在一定的相关性。部分指标相关性很高[11]，这样就可以借助于主成分分析，将多个相关指标转化为几个互不关联的综合指标，再进行KMO和Bartlett球形检验(表2)。

表2中KMO值大于0.6，这就说明各个财务指标间的相关程度可以适用于主成分分析，采用主成分分析提取公共因子。另外，Bartlett球形检验Sig值为0.000，可用主成分分析。决定提取主成分个数的多少，是用累积贡献率和特征值两个指标来衡量。衡量标准要求累积贡献率大于80%，特征值大于1[12]。提取主成分如表3。

表2 KMO和Bartlett的检验

表3 解释的总方差

从表3可知，各指标初始特征值最大为9.506，特征值大于1的指标共有5个，这5个指标的主成分累计贡献率是91.404%，可以代替原始数据。但每个成分包含什么指标，还需要分析。由SPSS18.0得到初始因子载荷矩阵(表4)。

表4 成分矩阵

对表4中的相关数据进行分析，计算出各个原始变量的因子表达式：

X1=0.854F1+0.089F2+0.000F3

-0.260F4-0.247F5

X2=0.902F1+0.257F2+0.140F3

-0.001F4+0.073F5

……

为了便于对主成分进行提取和命名，对原始成分矩阵进行旋转，如表5所示。

表5 旋转成分矩阵

经过旋转后的载荷系数差别很明显，作归类处理(见表6)。

表6 最终主成分的归纳

4 制造业上市公司财务风险预警Logistic模型的检验

对于财务风险预警Logistic模型还需要进行检验[13]，运用旋转前的因子载荷矩阵计算特征向量(表7)。

根据表上可以得到5个主成分的表达式：

F1=0.28X1+0.29X2+0.3X3+0.29X4+0.29X5+0.28X6-0.29X7+0.29X8+0.14X9+0.14X10-0.23X11+0.21X12+0.15X13+0.07X14+0.18X15+0.16X16-0.25X17-0.24X18

F2=0.05X1+0.15X2+0.13X3+0.15X4+0.21X5+0.24X6-0.2X7+0.2X8-0.45X9-0.44X10+0.23X11-0.35X12-0.07X13-0.05X14+0.03X15+0.09X16+0.33X17+0.24X18

F3=0X1+0.11X2+0.09X3+0.09X4-0.06X5-0.06X6+0.06X7-0.05X8-0.12X9-0.12X10+0.06X11+0.05X12+0.59X13+0.62X14-0.3X15-0.3X16-0.01X17+0.05X18

……

由上述主成分表达式可以求出F值。

表7 特征向量矩阵

假定P为因变量，即公司发生风险的概率，P赋值1表示*ST公司，说明企业财务风险偏高，P值为0，表示财务风险低。对模型系数进行综合检验，结果如表8。

表8 模型系数的综合检验

从表8可以看出，该模型是整体显著的。求模型拟合结果，得Logistic模型：

P取值:0

从表9可以看出，134组正常企业中有133组被观测出来，有1组被错判，正确率达到99.3%，50组“*ST”企业中也有1组被错判，评测的正确率为98%，所建模型评测结果的正确率为98.9%，较为理想，说明模型对企业财务风险预警具有一定的实际价值。

表9 检验分类表

5 结论与建议

从最终的模型可以看出，第一、二、三、五主成分与制造性企业的财务风险发生概率成反向变动关系，表明该类制造业上市公司盈利能力、偿债能力和增长能力较强，发生财务风险的可能性就小，符合现实意义，其中第一主成分的系数最大，表示它对制造业财务风险的影响最显著。但第四主成分与企业发生财务风险的概率成正向变动关系，表明现金负债比越大，企业财务风险越大，这不符合现实意义[15]。

从上述分析可以看出，所建模型对制造业财务风险预警具有现实价值，但也有缺陷。对于制造性上市公司来说，预防财务危机，既要有财务预警体系，还要有效防控措施。

5.1 谨慎选取构建模型的参数

本文在构建Logistic模型时，自变量选用的是18个财务指标归类后的五个主成分，没有非财务指标，另外由于某些财务指标的缺失被剔除了，进而导致模型不精确。因此，应全面审查企业的财务指标，收集较为充分的财务信息资料，全面反映企业的财务状况，及时对财务风险进行预警[16]。

5.2 提高企业全员危机防范意识

公司全体员工尤其管理人员对可能存在的财务危机应具有清醒的认识与高度的警惕，树立危机意识，开展危机管理培训。

5.3 制定财务预警制度

制造性上市公司要完善内部控制制度，防止会计信息失真造假现象，提高公司会计信息的透明度。

6 结束语

本文是对我国上市公司财务风险的度量和预警机制的理论考量，选取沪深两市部分制造性上市企业的财务数据为研究对象，借鉴已有的财务风险预警评估模型，通过对样本和变量参数的筛选，采用因子分析和主成分分析，构建适合我国上市制造性企业的Logistic财务风险预警模型，检验表明：该模型在实际应用中具有较好的预测效果。并从模型分析中可以看出，第一、二、三、五主成分与制造性企业的财务风险发生概率成反向变动关系。在此基础上，提出相应对策，对于制造性企业来说，若要提前化解公司可能存在的危机，需要建立合理有效的财务预警体系，及时对财务风险进行预警，采用合理有效的措施来保障公司的财务预警体系顺利实现。同时，从上述分析中也可以看出，所建模型对制造业财务风险预警具有现实价值，但也有缺陷。需要提高企业全员危机防范意识，建立和健全上市制造性企业的财务预警制度。

[1]孙凤山.中国制造2025:人才准备好了么[J].中国职工教育，2015(7):58-59

[2]周首华，杨济华，王平.论财务危机的预警分析：F分数模式[J].会计研究，1996(8):8-11

[3]吴世农，卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究，2001(6):46-55,96

[4]杨淑娥，徐伟刚.上市公司财务预警模型：Y分数模型的实证研究[J].中国软科学，2003(1):56-60

[5]黄铮.企业财务风险预警研究[J].时代经贸，2015(14):15-18

[6]肖霖.财务风险预警研究综述[J].中国市场，2016(33):107-108

[7]甘敬义.基于BP-Adaboost和Logistic模型的制造业上市公司财务风险预警研究[D].南昌：江西师范大学经济管理学院，2012：45-46

[8]黄丽丽.基于Logistic模型的商业银行房地产信贷风险研究[D].南京：南京理工大学研究生院，2014：27

[9]朱建平，殷瑞飞.SPSS在统计分析中的应用[M].北京:清华大学出版社，2007：212

[10]庞素琳.Logistic回归模型在信用风险分析中的应用[J].数学的实践与认识，2006(9):129-137

[11]石晓军，肖远文，任若恩. Logistic违约率模型的最优样本配比与分界点研究[J].财经研究，2005(9):38-48

[12]解秀玉，管西三.企业财务风险预警模型研究：基于制造业数据[J].南京审计学院学报，2013(4):58-68