对我国煤炭行业上市公司的财务绩效评价——基于熵值法

陈小英



对我国煤炭行业上市公司的财务绩效评价——基于熵值法

陈小英

(安徽财经大学工商管理学院，安徽蚌埠 233000)

基于熵值法对我国煤炭行业32家煤炭行业上市公司的财务绩效进行分析，结合沃尔评分体系从偿付能力、经营能力、盈利能力和发展能力四个切入点对相应的财务指标进行处理，计算得出相应的沃尔评分，最终进行财务绩效评价，并指出评分法和熵值法的不足。

煤炭行业上市公司；沃尔评分；熵值法；财务绩效

由于近几年国内经济正处于新常态的转型期，受能源结构调整等因素影响，煤炭行业企业出产能严重过剩，业绩低迷的情况。通过对我国在上交所和深交所A股上市的煤炭行业公司的财务报表的初步分析发现，煤炭行业上市公司的营业利润普遍比较低迷。虽然我国已经致力于新能源的开发并已经处于试用阶段，但是煤炭目前仍然在我国能源使用中占有很大的比例[1]、[2]。因此，对煤炭行业的公司的发展状况的分析仍是必要的。本文希望通过对煤炭行业上市公司最近一年来的财务数据综合分析，对煤炭行业上市公司的财务发展困境进行分析预测。文章接下来的内容分布如下：第一部分为研究背景；第二部分是研究方法的介绍；第三是研究样本与指标的选取；第四部分为实证分析与结果；第五部分为总结。

一、研究背景

现代“会计之父”卢卡(Luca Pacioli)在其《数学大全》一书中部分篇章提到复式簿记法，开创了近代企业绩效评价理论的先河[3]。此后公司绩效评价理论随着经济的发展也不断演进，学者们对于上市公司财务绩效研究主要形成了杜邦体系理论和沃尔评分法体系理论为代表的两个方向。

第一类是从公司管理者的角度，基于杜邦分析体系的业绩评价理论，通过对上市公司财务指标进行量化分析来对分析上市公司的发展现状以及成长性进行研究。杜邦分析法强调了“股权至上”的思想，希望通过财务绩效的评价满足股东的需求。Donaldson Brown在其美国杜邦公司从事财务工作时，提出综合评价公司财务业绩的方法，主要关注企业的净资产收益指标，并对该指标层层分解，最终强调了盈利能力、周转率和财务杠杆在评价公司财务绩效方面的作用[4]。对于管理者来说，能够准确地进行公司财务绩效评估，不仅有利于公司预防风险，还利于公司进行融资来提高发展能力。

第二类是从投资人、债券人等利益相关者的角度，基于沃尔评分法中权重评分的理念，通过对上市公司财务指标的研究分析其财务困境或者破产预警[5]。沃尔比重评分法来源于对沃尔信用评分法的改进，主要选取能反映公司偿付能力和营运能力的7项财务指标，通过计算指标权重对公司进行财务绩效评分。对于投资人、债权人来说，准确地根据财务指标对公司进行困境预测或者绩效评估能够减少其决策的风险，减少不必要的投资损失[6]。

二、研究方法

(一)指标的筛选

上市公司的财务比率往往有上百个，对每一个财务比率进行分析显然是没有效率的，并且过多的财务指标可能彼此之间形成干扰影响分析结果的信度。因此学者们在对公司的财务绩效进行实证分析时需要解决指标的筛选以及后续的实证分析两方面的问题。学者们在筛选财务指标方面进行了颇为深入的研究。主要分为两类，一类是基于财务会计理论框架进行财务指标的筛选，其特点是根据财务会计理论来筛选相应的财务指标对公司财务绩效综合评估。较早的有杜邦分析法和沃尔评分法。Altman以及Shumway选择的财务指标也常被相关研究引用，主要包括流动比率(营运资金比率)、反映公司净利润分配的留存收益资本化、资产负债率、资产报酬率、总资产周转率、ROA等[7-8]。另一类是基于数据挖掘技术进行财务比率的筛选。数据挖掘技术进行特征指标的筛选能够促进对数据的理解，同时减少计算时间，抵抗“维度诅咒”来提高预测的效能[9]。数据挖掘技术使用的方法大致可以分为三类：第一，通过对数据处理后得到的信息排名来筛选变量，例如相对熵值法和具有合并方差估计的绝对值二样本t检验。第二，根据绩效模型来评价数据的特征子集。第三，嵌入式方法，如通过Lasso算法构建线性模型。L.Zhou的研究发现通过数据挖掘的方法筛选出的财务指标与使用前人成熟的研究筛选出的财务指标进行公司财务状况研究分析得出的结果都比较好[10]。

本文基于经学者改进的沃尔评分法[11]筛选评价财务绩效的财务指标，并且结合熵值法计算各指标的权重，计算出沃尔得分来对样本公司的财务绩效进行评价。

(二)熵值法

根据信息理论，在某一特定的信息系统中，信息熵是对系统无序度的度量，熵值与系统的无序程度呈负相关，熵值越大，反映了信息系统越稳定，无序度较低，各指标的差异程度也就越小。反之，若该指标熵值越小，则其反映的信息及其对应的指标的权重也就越大[12-13]。熵值法的主要原理是：

三、研究样本和指标的选取

(一)研究样本

本研究的样本选自国内所有上市公司中的煤炭行业，按照2001年证监会发布并实施的《中国上市公司分类指引》，并结合国泰安数据库的行业分类，截至2015年12月31日，我国已有39家煤炭类上市公司在沪深证券交易所挂牌交易。此外由于研究涉及到上市公司财务指标发展能力指标的比较，样本剔除2015年当年以及之后上市的公司(伊煤股份)，为了研究的有效性，将*ST神火股份、ST贤成、*ST安泰、ST山煤国际、ST百花以及在2015年转型为游戏公司的爱使股份剔除，获得有效样本32家煤炭类上市公司作为本文的研究样本。

(二)分析指标选取

根据沃尔评分体系，选取样本公司财务指标中的表现公司偿债能力、营运能力、盈利能力以及发展能力4个方面的12个指标[11]、[12](见表1)。数据来源于巨潮网下载的样本公司的企业年报和国泰安数据库，对数据的处理使用的软件为MATLAB2016a。

四、实证分析与结果

根据熵值法对上述12个指标数据进行处理。

(一)指标预处理

为了避免指标之间的影响互相抵消的情况，需要对指标进行预处理，使得指标的变动对财务绩效的影响总体一致。在本文选取的12个指标体系中，除了偿债能力指标中的资产负债率指标外，其他指标的值越大说明财务绩效越好，为了便于比较，对资产负债率指标做以下处理。

(二)无量纲化处理

对经预处理后的指标使用极差变化法，进行无量纲化处理，处理公式为：

所得无量纲化指标的结果如表2所示。

(三)坐标平移

由于下一步运算中求相应数据对数的需要，而无量纲化后的数据指标中存在0，为了保证运算的有效性，则对所有数据进行坐标平移，均加上0.5，即将横坐标上移了0.5个单位。

表1 沃尔评分体系

(四)比重计算

(五)熵值计算

(六)差异数以及权重计算

(七)相对比率

在计算财务指标的相对比率之前应根据评价的目的的可行性来确定相应的标准数值，例如参考行业相关指标平均水平或者行业相关指标最高水平等等，另外在根据所得出的标准数值计算财务指标的相对比率时还应考虑财务指标的内在属性以及综合评分的结果具有的同质性。

因此本文计算相对比率r时取无量纲化后的指标数值与无量纲化后的行业平均值的比，并规定相对比率r的取值范围为不高于1.5，不低于0.5。计算出的相对比率介于取值范围之间则取计算所得值为相对比率，否则取上限或者下限得分为相对比率。

(八)计算最终沃尔评分的得分

因为得分实行百分制，因此，最终得分计算公式为：

结果如表3所示。

五、总结

(一)整体财务绩效评价

由上述分析结果可得，虽然在将各项指标的相对比率控制在0.5—1.5的范围内，尽量缩小差距减小个别异常指标对分析结果造成不合理影响。整体来看，2015年煤炭行业上市公司的财务绩效表现均较差，剔除绩效表现差的ST类上市公司，样本公司中财务绩效表现最差的“云维股份”在各项财务指标上表现都远低于煤炭行业公司的平均水平，并且有如营业利润率、总资产报酬率、净资产利润率等多项指标为负值，需要警惕其破产的风险。

企业规模排名前3的企业分别为中国神华、中煤能源、兖州煤业，其中兖州煤业财务绩效表现排名第一，而中国神华以及中煤能源分别排名16和25，说明煤炭行业企业财务绩效表现参差不齐，并且与企业规模相关性不大。其原因可能在于企业规模过大，涉及业务过广，而近年来经济形势下行，对其冲击比较大。这些企业需要在合理得调整产业结构，关注资源配置不合理现象。

(二)陷入困境财务预警

*ST神火股份33、*ST安泰35、ST山煤国际36、ST百花37的营业利润、营业总额以及营业净利润均为负，而这几个公司的平均资产总额均为正，因此其ROA均为负，符合正常的财务指标对应的情况，与32家样本公司的该指标具有可比性。这其中ROA最高的与最低的分别为*ST安泰的-0.01与ST百花的-0.13，对比32家样本公司发现另有开滦股份、美锦能源、陕西煤业、陕西黑猫、郑州煤电、平煤股份、平庄能源、大同煤业、国投新集、大有能源、恒源煤电、云煤股份等13家公司的ROA也处于-0.01与-0.13之间，甚至煤气化和云维股份的ROA分别达到-0.15和-0.36，比该指标最低的ST百花更低。值得注意的是，ROA是在研究上市公司破产预警分析中重要的指标。因此必须警惕上述15家公司的破产风险，而同时这15家煤炭企业必须在加强企业的盈利能力，可以从优化销售渠道、优化采煤技术降低成本、通过环境管理等措施加强公司形象管理等措施来降低公司破产的风险。

表2 计算所得沃尔评价体系权重表

表3 计算所得沃尔评分结果及排序

(三)研究不足

云维股份2015年末所有者权益以及净利润均为负，也是样本公司中唯一一个2015年末所有者权益为负的公司，并且在沃尔评分中得分最低。但是由于其净资产净增长率也为负，导致其净资产收益率为正并且为样本企业中该指标最高的，在这种情况下，由单一的熵值法来判断公司的财务绩效会使得该公司的得分相对偏高，虽然该公司的最终沃尔得分仍然是最低的，说明偏差对结果影响很小，但是仍需引起重视，做到在数据无量纲化处理环节消除这种异常并且不改变原有数据的分布特征。

文章在结合熵值法计算沃尔评分的过程中计算相对比率时采用原始数据的财务指标与行业指标平均值的比值的算法时也出现了问题，如在计算营业利润率的相对比率的时候，由于样本公司的营业利润率普遍比较低，负值也比较多，导致计算出的大部分相对比率均低于0.5，即会取值0.5，也因此使得营业利润率指标对评分的贡献率降低。为了解决这个问题，本文在计算相对比率的时候采用经无量纲化处理后的数据，结果改善了很多，但也因此可能改变了原始数据对最终评分结果的影响，应在以后的研究中寻求更合适的处理数据的方法。

[1] 张洪潮, 王泽江, 李晓利, 等. 中国煤炭消费需求波动规律及成因分析[J]. 中国人口、资源与环境, 2014(1): 94-101.

[2] 孙鹏, 程春梅. 煤炭行业上市公司经营效率的动态研究[J]. 辽宁工业大学学报(社会科学版), 2017(1): 42-44.

[3] 江少波, 张荣艳, 张爱文. 业绩评价体系演进与评述[J].财会通讯, 2013(5): 25-27.

[4] 朱宏泉, 舒兰, 王鸿, 等. 杜邦分析与价值判断——基于A股上市公司的实证研究[J]. 管理评论, 2011(10): 152-161.

[5] 王克敏, 虞姬美光. 基于财务与非财务指标的亏损公司财务预警研究——以公司ST为例[J]. 财经研究, 2006(7): 63-72.

[6] 陆正飞, 宋小华. 财务指标在股票投资决策中的有用性：基于中国证券市场的实证研究[J]. 南开管理评论, 2006(6): 31-38.

[7] E.Altman. Financial ratios, discriminant analysis, and the prediction of corporate bankruptcy[J]. Journal of Finance, 1968(23): 589–609.

[8] T.Shumway. Forecasting bankruptcy more accurately: a simple hazard model[J]. Journal of Businss，2001(74): 101–124.

[9] I.Guyon, A. Elisseeff. An introduction to variable and feature selection[J]. Journal of Machine Learning Research, 2003(3): 1157–1182.

[10] L.Zhou, D.Lu , H.Fujita. The performance of corporate financial distress prediction models with features selection guided by domain knowledge and data mining approaches[J].Knowledge-Based Systems, 2015(85):52–61.

[11] 罗爱芳. 浅议沃尔评分法的改进[J]. 财会通讯，综合2011(12)：110-111.

[12] 陈利宁, 杨昌明. 基于熵值法的我国煤炭行业上市公司财务绩效评价[J]. 中国矿业, 2010(1): 25-28.

[13] 莫聪颖, 孟祥瑞, 王向前, 等. 基于突变理论的煤炭供应链风险模糊动态评价[J]. 辽宁工业大学学报(社会科学版), 2017(2): 31-33.

(责任编校：李延军)

10.15916/j.issn1674-327x.2017.04.013

F275

A

1674-327X (2017)04-0044-05

2016-12-14

安徽财经大学与铜陵学院联合培养研究生科研创新基金项目(2016tlxylhy07)

陈小英(1992-)，女，安徽池州人，硕士生。

网络出版时间：2017-06-27 14:24；

http://kns.cnki.net/kcms/detail/21.1415.C.20170627.1424.016.html