APP下载

制造业上市公司财务风险评估实证研究

2016-08-08吴淑艳

会计之友 2016年14期

吴淑艳

【摘 要】 以制造业上市公司为对象,对财务风险评估问题进行研究。选择25家ST企业和50家财务状态正常的配对公司为研究样本。通过引入供应链集成指标完善公司财务风险评估指标体系,将初选指标数据进行K-S检验确定是否属于正态分布,再运用T检验及非参数检验进行指标确定。利用筛选出的指标进行主成分分析,确定相应的主成分后构建Logistic模型。该模型判定结果与实际结果基本相符,其对公司财务风险评估的准确度为94.1%,模型具有良好的判别能力,可为公司财务风险评估提供参考。

【关键词】 Logistic模型; 制造业公司; 财务风险评估

【中图分类号】 F275 【文献标识码】 A 【文章编号】 1004-5937(2016)14-0018-05

一、引言

全球经济一体化进程不断加快,全球经济大环境严重影响着我国经济情况。在2008年全球金融危机爆发时,我国正常经济秩序及实体经济发展也受到很大负面影响。外部环境与内部环境的不确定性影响更使企业面临多种多样的风险,包括财务风险及非财务风险。但无论哪种风险,其最终表现形式都为财务风险,所以有效地对财务风险进行评估将有利于企业的健康发展。同时随着社会的不断进步,当今单纯企业间竞争方式已经无法符合市场经济的需求,所以供应链间的竞争正逐渐成为市场竞争力的核心力量。

制造业是我国经济发展的中流砥柱,其供应链管理比较严格。对制造业公司进行财务风险评估时,如果准确度不高,不仅会影响公司发展,还会使得有效资源流向无发展潜力的企业,阻碍我国资本市场发展进程。伴随着供应链集成和管理的不断加强,越来越多的企业将在供应链视角下对企业财务风险进行综合评估,以提高财务风险评估水平。

二、文献综述

企业在经营过程中伴随着各种各样的风险,这些风险最终都将会以财务风险的形式出现。财务风险对公司的经营与发展有着重要的影响,也是对公司发展状况最综合性的反映,只有对财务风险正确认识和评价,才能够有利于公司的不断发展。自金融危机爆发以来,财务风险更是受到各国学者的重视。

自各国学者对财务风险研究以来,越来越多的学者更加关注于对财务风险的评价,通过对风险的量化更加有效地预防和控制财务危机。Fitzpatrick(1932)[ 1 ]通过对19家公司财务数据进行研究,最早提出单变量模型的评估方法。Altman(1968)[ 2 ]利用制造业企业的相关数据,选取22个指标,最终获得5个财务指标并构建首个多变量模型即Z-Score模型。Ohlson(1980)[ 3 ]首次利用多元逻辑回归模型Logistic模型进行财务风险评价的研究,以310家企业为样本(105家存在财务风险的公司及205家非财务风险的公司)进行研究,同时对破产区间样本分布的状况进行概述,通过寻找分割点等来确定公司财务风险评价模型,具有很高的准确率。David West(2000)[ 4 ]通过对比神经网络模型、多变量模型对公司财务风险评价的准确度,发现Logistic模型对风险评估的准确率最高。以国外学者研究为基础,国内学者不断对该模型进行改进,其中:赵坤、赵育萱(2012)[ 5 ]通过利用主成分法对制造业行业的财务状况正常及财务状况出现风险的公司进行比较研究,最终确定了各公司的财务风险状况。杜运潮、徐凤菊(2013)[ 6 ]对房地产行业同一年内规模相似的32家非ST公司和8家ST公司样本进行研究,通过对指标筛选最终获得流动比率等三个变量构建Logistic模型,该模型的准确度能够达到95%,可以有效地对房地产公司财务风险进行评价。于维洋和泮敏等[ 7-10 ]也对财务风险的评价及应用问题进行了研究。

通过对国内外相关文献的搜集和整理,发现目前研究主要集中在财务风险概念、特征、风险评价指标、风险评估模型的构建等方面。各国学者们对财务风险的研究主要集中在财务风险识别、财务危机预警及控制上,较少学者对公司财务风险进行评估。现有文献构建的财务风险指标体系存在缺陷,影响指标因素考虑不全面,考虑非财务因素较少,且在确定指标权重时也存在同样问题,所以不能够更加全面具体地评估企业财务风险。

三、财务风险评估指标体系构建

现代财务管理理论认为,企业的财务状况主要受财务因素和非财务因素影响。借鉴国内外财务管理实践中应用的财务风险评估指标体系,并与制造业企业自身的风险特点进行结合,本文从筹资活动、投资活动和营运活动三个维度对财务影响因素进行表现。公司的筹资风险具体为偿债能力风险,偿债能力主要包括短期偿债能力和长期偿债能力。投资风险主要通过盈利能力、成长能力及资金回收风险衡量,其中盈利能力主要通过净利润、总资产投资、研发投资及投资者的异质性等指标进行反映。成长能力主要包含营业收入、固定资产等的增长率,同时,资金回收的优劣也决定着公司投资风险的大小。公司在营运过程中会受到流动资产、应收账款、总资产等周转率的影响,所以在评价运营风险时主要运用存货周转率、流动资产周转率、应收账款周转率等指标。

在日常经营过程中非财务指标也起到影响公司财务风险的作用,主要分为公司治理、供应链管理和其他因素。其中公司治理指标主要包括股权结构、董事会结构、高管激励及利益相关者治理。非财务影响因素除了公司治理相关指标外,同时由于制造业公司处于供应链环境中制造商地位,所以在构建供应链环境的指标体系时,主要分为公司供应商、销售商的相关指标。在考虑其他非财务活动产生的风险时,主要包含会计师事务所的品质、变更、审计意见及审计费用的相关指标。具体指标如表1所示。

四、实证研究

(一)数据收集

本文在进行指标筛选时主要运用制造业上市公司的数据,根据中国证监会行业分类标准,选取制造业公司2012—2014年的数据作为研究对象,其中包含14个细分行业。剔除2013年之后上市、财务及非财务数据不全、AB股同时存在的公司,最终得到75家数据健全的公司。通过Wind及国泰安数据库获取需要的财务指标及部分非财务指标,利用查找年报的方法对供应链及相关者交易数值进行统计及计算。

本文选取2015年被ST及*ST公司作为发生财务风险的样本,同时选取所处行业及总资产规模相当的公司作为财务正常公司样本。其中ST及*ST是根据2003年沪深股市对财务状况异常及可能存在退市风险的股票实施特别处理。本文只对因为出现财务异常而被ST及*ST的公司进行研究,剔除了由于其他原因造成处理的公司。根据上述分类标准,研究样本中有25家出现财务风险的公司,50家财务正常的公司。为了构建Logistic模型,将样本分为预测和检验两组。其中,预测组包括15家财务异常公司和30家财务正常的公司,检验组包括10家财务异常公司,20家财务正常的公司。

(二)主成分分析

为了保证财务风险评价模型更加有效,筛选出的指标应该能够将公司有效地区分成财务正常和财务非正常。所以,在构建模型之前要对指标进行显著性检验。通过显著性检验将指标分为两类:一类符合正态分布,此时选用独立T检验方式对总体进行显著性检验;另一类不符合正态分布,此时则选用非参数检验Mann-Whitney U对总体进行检验。通过筛选获得财务正常和不正常公司间存在显著差异的指标,但是由于选择的指标仍然具有多重共线性,将导致很多指标无法正常构建Logistic模型,为了更加简便并完整保留相应财务指标,对指标进行主成分分析。首先对指标进行降维,将具有多重共线性的指标进行重新组合,获得相互关联较小的指标,然后利用SPSS得到解释的总方差及成分得分系数矩阵。解释的总方差如表2所示。

根据表2所示,前9个成分的积累值为70.760%,已经超过了70%,所以最后选择这9个主成分对财务风险大小进行表现,命名为F1、F2、F3、F4、F5、F6、F7、F8、F9,在检验过程中获得各指标的权重,如表3所示。

根据表3成分得分系数矩阵表中的系数,可以得到F1至F9主成分。

(三)Logistic模型分析

在研究过程中首先对模型显著性进行分析,本文通过对Logistic模型系数进行综合检验分析确定显著性。利用向前Wald方法获得模型系数的综合检验,通过6个步骤最终得到模型系数的综合检验结果,Sig值为0.000,说明在显著水平为0.05的情况下该模型是显著有效的,即说明可以继续进行下一步的回归分析。

Logistic回归结果中Cox & Snell R值和Nagelerke R方值为0.590和0.819,符合检验标准,因而认为该模型的拟合度良好。通过对Hosmer和Lemeshow检验进行分析,确定模型是否具有优良的拟合度。该方法首先将样本数据根据预测的概率划分为10组,再根据不同的观测及期望频数构造出卡方统计值,根据自由度为8计算卡方,此时计算出的P值为0.584,大于显著性水平?琢=0.05,不能拒绝零假设,所以模型在可以接受的水平上具有优良拟合数据。通过运用逐步回归进行6步操作后,最终确定了能够存在于模型中的变量为F1、F2、F4、F6、F7、F9及常数量。具体的模型回归结果如表4所示。

从结果中最终可以得到Logistic模型的表达式如下:

本文利用公司数据建立了财务风险评价模型,在进行财务状况评估时先确定一个标准的临界值P*,将公司的指标数据代入到模型中可以得到公司的财务风险P值,如果P>P*说明公司的财务状况有可能出现危机,如果P

为了判断该模型评估结果是否准确,需要对模型进行准确性检验。模型的评估准确率高低能够说明该模型评估效果的优劣。本文利用SPSS软件得到评估模型预测分类表,通过预测发现案例能够获得的准确率为94.1%,但由于检验样本中ST公司样本较少,导致了一定的偏差,使得准确率降低为87.8%,结果如表5所示。

五、结语

随着资本市场的发展,财务风险评估准确度越发受到关注。如果财务风险评估准确度不高,可能会使有效资源流向无发展潜力的企业,甚至阻碍我国资本市场发展进程。随着供应链管理强度的不断增加,在财务风险评估时考虑供应链因素的影响日益突显其必要性。由于公司与其供应链的各节点企业在财务上有着密切的联系,同时风险具有一定传导性,所以公司财务风险的影响因素主要被划分为财务因素、非财务因素,以便能够更加全面地反映公司财务风险情况。将供应链集成指标引入至财务风险评估模型中,可以提升模型评估财务风险的准确度。本文引入了能够表现供应链集成度的指标使Logistic模型准确率达到94.1%,但制造业上市公司的财务风险评估仍有着很大的研究空间,如对供应链环境的评估指标可以进一步完善,为公司财务风险防范提供更客观的依据。

【参考文献】

[1] FITZPATRICK P J. A Comparison of ratios of successful industrial enterprise with those of failed firms[J].Certified Public Accountant,1932,14(2):589-737.

[2] ALTMAN E I. Financial rations discriminate analysis and the prediction of corporate bankruptcy [J]. Journal of Finance,1968,23(4):589-609.

[3] OHLSON J A. Financial ratios and the probabilistic prediction of bankruptcy[J]. Journal of Accounting Research,1980,18(1):109-131.

[4] WEST D. Neural network credit scoring models[J].Computer & Operations Research, 2000(27):62-63.

[5] 赵坤,赵育萱.创业板上市公司财务风险实证研究[J].商业时代,2012(9):69-70.

[6] 杜运潮,徐凤菊.房地产上市公司财务风险识别:基于Logistic模型的实证研究[J].财会月刊,2013(9):19-22.

[7] 于维洋.公司财务风险综合评价及应用研究[J].会计之友,2015(21):63-68.

[8] 泮敏,曾敏.基于主成分分析法的上市公司财务风险研究:以我国制造业为例[J].会计之友,2015(21):63-68.

[9] 张曾莲.企业财务风险管理[M].机械工业出版社,2014:17-20.

[10] 朱丽莉.基于Logistic模型的上市公司财务困境预警研究[J].财会通讯,2013(12):108-110.