基于企业价值评估的公司特定风险系数影响因素研究

吴铖铖，陈素平，孙明杨

（池州学院 商学院，安徽 池州247000）

上海证券交易所研究数据显示，2015年1月1日至2017年5月，A股市场共计891家公司宣告重大资产重组，其中844项重组采用评估价值作为定价依据，占比高达95%。从最终定价结果看，在以评估价值作为定价依据的重组项目中，217项重组标的最终交易价格直接以评估价值定价，占比达25.71%；30项重组标的最终交易价格低于评估价值的九折，占比3.55%；97项重组标的最终交易价格高于评估价值的1.1倍，占比11.49%，其余59.25%的重组项目标的资产最终交易价格介于评估价值的九折到1.1倍之间[1]，可见资产评估已成为上市公司并购重组交易定价环节的专业依据和参考[2]。

在上市公司并购重组中，收益法逐渐成为企业价值评估的主流方法[3]，而运用收益法进行企业价值评估的核心是对标的资产未来产生的收益进行定价。当前分析衡量未来收益存在一定的技术问题，主要原因在于未来收益属于尚未实现的收益，与已实现收益相比具有不确定性，即未来收益能否实现存在一定的风险，所以折现率作为收益定价的关键指标，其可以将未来不确定收益转换为确定的现实收益。因此想要准确评估标的资产价值，则必须保证折现率测算的精确性，其中公司特定风险系数作为影响折现率的重要参数，其数值的准确确定将会在一定程度上影响企业价值的评估结果。本文依托于上交所、深交所披露的企业价值评估说明，归纳企业特定风险的具体影响因素，并建立相对客观的量化模型，为公司特定风险系数的准确确定提供价值参考及依据，从而提高企业价值评估结果的可靠性与公允性。

1 样本及指标选取

对于公司特定风险系数的确定，国内外学者更多是对公司特定风险系数进行定性分析，主观判断公司特定风险系数，客观量化公司特定风险仍处于研究中。陈蕾、刘旭[4]认为可以运用沃尔打分法和沃尔比重评分法确定公司特定风险系数，但该方法只考虑了财务指标对公司风险的影响，忽视了公司规模及产品特性等非财务指标对公司风险造成的影响。王少豪[5]提出公司特定风险系数可以表示为公司经营风险收益率与公司财务风险收益率的加计，这种方法在评估实务中虽然具有一定的指导性，但仍是在主观层面进行企业的风险判断，缺乏一定的客观性。郭倩[6]通过建立包含企业规模、经营状况、财务状况和企业定价影响因素四个主成分指标的公司特有风险系数计量模型，指出公司特定风险系数主要受企业经营风险的影响，企业规模、财务状况及资本流动性等对公司特定风险系数的影响均低于企业经营风险，但同时有学者提出非上市公司的规模通常小于上市公司，在对公司特定风险进行量化时应着重考虑公司规模风险的影响。本文在综合考虑公司规模、经营状况、财务状况、资本流动性及产品特殊性的基础上，探讨影响公司特定风险系数的主要因素，从而建立相对客观的量化模型。

1.1 样本选取

通过查阅评估基准日在2015年12月31日（含2015年12月31日）至2016年12月31日（含2016年12月31日）期间上交所、深交所披露的所有企业价值评估说明，本文遵循以下原则筛选符合要求的企业价值评估说明：

（1）以企业整体价值或者股东权益价值为评估对象。

（2）评估基准日介于2015年12月31与2016年12月31之间。

（3）收益法作为企业价值评估说明的评估方法之一。

（4）财务数据齐全。

根据上述筛选原则，最终选取60份企业价值评估说明作为研究样本。通过统计评估说明，结果（见表1）表示93.33%的样本是在评估师将被评估对象的基本情况与可比上市公司进行比较后，主观判断其特定风险系数，仅有6.67%的样本是根据回归方程等量化工具估算被评估对象的特定风险系数，因此客观量化公司特定风险系数对于准确评估企业价值至关重要。

表1 公司特定风险系数确定方法

1.2 指标选取

本文在研究风险识别相关文献的基础上，归纳总结出影响公司特定风险系数的具体风险因素，其主要为企业规模风险、经营风险以及财务风险等。另外通过分析上交所、深交所披露的60份评估说明，得出评估机构或评估师在确定特定风险系数时所考虑风险因素的出现频次（结果如表2所示），确定建立模型时需要考虑的具体量化指标。

表2 公司特定风险调整考虑的具体因素及提及频次

考虑具体风险指标进行量化的难易程度，本文按照以下变量选取原则进行选择，一是风险因素在被评估企业中被提及次数在10%以上；二是具体风险因素可量化。

根据上述公司特定风险影响变量选取原则，确定公司规模、公司经营状况、财务状况及资本流动性及产品特殊性带来的优劣势是影响企业价值评估中特定风险系数的具体因素。具体实证变量统计如表3所示。

通过对具体影响因素的选取，得到的实证变量分别为营业收入自然对数、企业成立年限、营业收入增长率、流动比率、总资产报酬率、资产负债率6个财务指标及被评估企业产品定价是否为政府定价、是否享受政府补贴2个虚拟指标，运用主层次分析法对每个具体因素进行分析，为保证回归的精确性，并将原来8个风险指标进行降维得到3个主成分指标，以标准化的特定风险系数为因变量，3个主成分指标作为自变量，得出公司特定风险系数的线性回归方程。

表3 实证变量统计表

2 基于主成分分析法的指标分析

2.1 变量的描述性统计

通过统计企业价值评估说明及最近三年审计报告，对涉及实证变量的数据进行搜集，其次是根据评估说明中提及的企业产品状况，确认其产品是否享受政府补贴和产品定价是否为政府定价。具体描述性统计如表4所示。

表4 实证变量描述性统计表

在公司规模及经营风险中，营业收入自然对数的极大值为23.75，极小值为16.40，均值为19.788，标准差为1.7581；公司成立年限极大值为22，极小值为1，均值为11.50，标志差为4.7888；营业收入增长率极大值为1.2，极小值为-0.85，均值为0.217，标准差为0.3520，因此分别运用营业收入自然对数、公司成立年限、营业收入增长率三项指标来量化公司规模及经营风险。

在公司财务状况及资本流动性中，流动比率的极大值为6.97，极小值为0.29，均值为2.131，标准差为1.2343；总资产报酬率的极大值为0.57，极小值为-0.09，均值为0.1295，标准差达到0.1216；资产负债率极大值为0.95，极小值为0.03，均值为0.3918，标准差为0.1890，因此分别运用流动比率、总资产报酬率及资产负债率三项指标来量化公司财务风险。

鉴于产品特殊性带来的优劣势两项指标为虚拟指标，所以未对其进行描述性统计。

2.2 变量的标准化处理

由于实证变量的数量单位不一致，包含百分比、年、元等数量单位，因此需对8个风险量化指标的原始数据进行标准化处理，即：

2.3 使用因子分析法检测变量的相关性

2.3.1 KMO检验和Bartlett球形检验 KMO检验可用于比较变量间的简单相关系数和偏相关系数，其主要应用于多元统计的因子分析。KMO统计量的取值介于0和1之间，KMO值越靠近于1，表示变量之间的相关性越强，KMO值越靠近于0，意味着变量之间的相关性越弱。将标准化的数据导入SPSS软件，对8个实证变量进行KMO检验和Bartlett球形检验。检验结果如表5所示。

表5 KMO检验和Bartlett球形检验

从表5得出KMO检验值0.637大于0.5，且Bartlett球形检验的近似卡方统计值为103.96，相应Bartlett球形度检验值Sig=0小于0.05。由此可知，变量间的相关系数矩阵不是单位矩阵，各变量间具有一定相关性，即变量间满足因子分析的基本条件。

2.3.2 运用主成分分析法进行因子分析 主成分分析法是计算经标准化后的风险量化因子的特征值与累计方差贡献率，并提取公共风险量化因子是原来8个风险量化指标的线性函数，新生成的3个公共因子包括原来8个因子的绝大部分信息。将标准化数据导入SPSS软件，得到结果如表6所示。

表6 解释的总方差表

从表6可以看出，利用主成分分析法提取8个影响因子时，新生成的3个公因子对原来8个变量的贡献程度达到66.153%，表明3个新公因子可以替代8个风险量化因子，且3个新公因子的特征值均大于1，这表明3个新公因子可以反映原来8个因子的大部分信息。

2.3.3 提取变量 以最大方差法为基础，运用SPSS软件将原本8个风险因子经过6次迭代旋转后得到因子旋转成分矩阵，如下表7所示。

通过主成分分析可以8个变量简化成3个主成分变量，其中第一列公共因子绝对值大于0.5的变量有营业收入自然对数、公司成立年限、营业收入增长率及资产负债率，其主要反映公司的规模风险和经营状况，可用F1表示；第二列公共因子绝对值大于0.5的变量有流动比率、总资产报酬率，其主要反映公司的财务状况及资本流动性，可用F2表示；第三列公共因子绝对值大于0.5的变量有产品定价是否为政府定价、是否享受政府补贴，其主要反映公司产品特殊性带来的优劣势，可用F3表示。

因此，可以得到四个主成分Fi(i=1,2,3)与各标准化变量ZXi之间的线性关系，具体表示如下：

其中F1表示公司的规模风险及经营状况；F2表示公司的财务状况及资本流动性；F3表示公司产品特殊性带来的优劣势。

2.3.4 模型构建 根据上述分析，可以假设回归方程为：

其中Y表示公司特定风险系数；βi表示各个自变量的系数；F1表示公司的规模风险及经营状况；F2表示公司的财务状况及资本流动性；F3表示公司产品特殊性带来的优劣势。

3 回归结果分析及检验

3.1 回归结果分析

以标准化后的公司特定风险系数作为因变量，以新生成的3个主成分因子作为自变量，利用SPSS软件对主成分数据进行线性回归。具体回归结果如表8所示：

表8 回归系数

根据表8的非标准系数，可以得到以下回归方程：

由回归方程可知，公司规模风险及经营状况、公司财务状况及资本流动性及公司产品特殊性带来的优劣势的系数均为负数，表明公司规模风险和经营状况、公司财务状况及资本流动性及公司产品特殊性带来的优劣势均与公司特定风险系数负相关；常数项为0，且常数项非常不显著。

3.2 回归结果检验

3.2.1 模拟拟合优度 拟合优度是指回归得到的线性直线对于观测值的拟合程度大小。可判决系数R2可用于度量拟合优度，R2的取值介于0和1之间，若R2的取值越接近于1，表明回归直线对观测值的拟合程度越好，反之若R2越接近于0，表明回归直线对观测值的拟合程度越差。通过运用SPSS统计软件，得到回归模型的R值、R2值及经过调整的R2值，具体拟合优度信息如表9所示。

表9 模型拟合度汇总

由模型拟合度汇总表可知，回归方程的R值为0.817，R2值为0.668，经过调整的R2值为0.650。在判断模型的拟合优度时，通常选用调整后的R2值，即判决系数为0.650，可以表明模型的拟合程度较好。

3.2.2 对回归系数和回归方程的显著性检验

表10 方差分析表

由回归方程的显著性检验结果可知，F检验的统计量的显著性概率Sig=0小于α=0.05，表明三元线性回归方程的显著性高。

此外，由表8可知，在回归系数的显著性检验中，公司规模风险及经营状况因子的显著性概率为P1=0，财务状况及资本流动性因子的显著性概率为P2=0.017，公司产品特殊性带来的优劣势因子的显著性概率为P3=0.021，其均小于α=0.05，由此表明运用主成分分析法新生成的主成分因子对公司特定风险系数的确定影响尤其显著。

综上所述，经线性回归得到的回归方程拟合优度较高，回归系数和回归方程均通过显著性检验。具体回归方程如下：

其中Y表示公司特定风险因数；F1表示公司的规模风险及经营状况；F2表示公司的财务状况及资本流动性；F3表示公司产品特殊性带来的优劣势。

4 结论

对于公司特定风险系数的确定，大多数评估师会根据评估经验进行主观赋值，这将会在很大程度上降低该参数测算结果的可靠性以及估值结果的准确性。本文基于上交所、深交所披露的企业价值评估说明，对评估说明中评估师确定特定风险系数时所考虑的主要风险因素进行因子分析，并综合现有计量特定风险系数的方法，并运用因子分析法构建风险因子模型，对标的企业的公司特定风险系数进行客观量化。通过回归方程可知，样本规模及经营状况对公司特定风险系数影响最大，即特定风险系数对样本规模及经营状况最敏感，其次是样本财务状况及资本流动性，这类风险对公司特定风险系数的影响程度仅次于规模风险及经营状况，而公司产品特殊性带来的优劣势对特定风险系数的影响最小。此外，公司特定风险系数与样本规模及经营状况、财务状况及资本流动性和公司产品特殊性带来的优劣势均负相关，所以评估师在确定公司特定风险系数时，需要着重考虑被评估企业的资产规模及经营状况。