化工上市公司财务预警论文

摘要：财务危机预警的研究具有重要的现实意义，本文利用Fisher模型，以化工化纤行业被ST的上市公司为研究对象，选取ST公司与财务状况正常的公司的财务数据。在Sppss17.0软件中，利用K-S检验、T检验和相关分析，筛选出不具备线性关系，但能显著反映财务危机的指标，代入Fisher模型得到变量系数，并将原始财务数据进行回代，从而得到模型判别的准确率。下面是小编整理的《化工上市公司财务预警论文(精选3篇)》，供大家参考借鉴，希望可以帮助到有需要的朋友。

化工上市公司财务预警论文 篇1：

上市公司财务预警实证研究

摘要：本文以陕西省装备制造业上市公司为样本，采用Z计分模型和F分数模型对其财务预警进行了实证分析。研究表明，加入现金流量因素的F分数模型较之Z计分模型更为适合样本公司的财务预警。

关键词：装备制造业 财务预警 实证研究

一、引言

陕西省地处我国内陆，以能源化工为产业结构主导，是西三角经济区的重要组成部分。程博（2009）研究认为，与发达地区相比，从资产总额、负债总额、总股本数量来看，陕西省上市公司规模不均衡，并且负债规模较大，加大了企业财务风险和经营风险，并且整体盈利能力不强，被特别处理的上市公司数量相对较多。随着陕西省产业结构演变呈现第一产业比重下降，第二产业比重持续增长，第三产业先升后降的新特点，以能源化工业、建筑业、装备制造业和高技术产业等为核心的支柱产业日益成为陕西经济的重要依托（八大支柱产业占GDP比重情况见图1），装备制造业以成为陕西省工业第三大支柱产业。截止2010年12月31日，陕西省共有30家上市公司。其中，装备制造业上市公司共有11家（见表1）。随着装备制造业在陕西省地位越来越重要，其面临的机会和风险也越来越大，尤其是众人瞩目之下的上市公司，为了利润目标，更可能付出巨大风险代价。在复杂的经营环境中，陕西省装备制造业上市公司如何及时发现财务危机的征兆，防患于未然，是经营者最为关心的财务问题之一，同时广大股东和债权人也需要趋利避害，将风险和损失降到最低，因此，如果能在企业财务状况刚刚出先危机征兆之时就发现并采取有效措施，就可以使众多企业免受更大损失，避免陷入困境甚至破产。

二、财务预警模型

（一）Z计分模型 国外关于财务预警模型的研究起步较早，比较著名的是美国学者爱德华·阿尔曼（Edward Altman）的Z计分模型。Altman认为，企业资金链的中断导致企业无力偿还到期债务，是企业破产的重要因素。企业的财务状况从正常转到破产清算这个过程中，反映在财务环节中的信号是可以预测的。1968年，Altman首次将多元线性判别方法引入到财务危机预警领域，利用数理统计方法，根据误判率最小原则，建立了“Z计分模型”。判别函数为：Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5。

其中: X1=（ 期末流动资产-期末流动负债） /期末总资产， 反映了企业资产折现能力和规模特征，营运资本下降，通常预示着企业会出现短期偿债困难；X2=期末累计未分配利润/期末总资产，反映累积获利能力；X3=息税前利润/期末总资产，往往是财务失败最有利的依据之一；X4=期末股东权益/期末总负债，测定的是企业的财务结构；X5=本期销售收入/期末总资产，反映的是企业运用资产以产生销售收入的能力。通过对Z计分模型的研究分析，Altman认为，Z值越小，企业遭受财务失败的可能性就越大。Altman 还提出了判断企业破产的临界值: Z 值大于2.675 时， 表明企业的财务状况良好， 破产可能性极小； 当Z 值小于1.81 时， 表明企业存在很大的破产危险；当1.81

（二）F分数模型 我国对于企业财务危机预警的相关研究比较晚，与国外研究相比存在着较大的差距，但国内学者结合我国实际，运用多种方法进行探索，取出了很多重要成果。周首华、杨济华和王平（1996）以Altman的Z分数模型为基础对Z模型进行改进，把现金流量加入预测公司破产的有效指标，建立了F分数模型：F=- 0.1774+1.1091X1+0.1704X2+l.9271X3+0.0302X4+0.4961X5。

其中:X1、X2 和X4与Z分数的计算方法相同。该模型中现金流量是根据财务管理中长期投资决策中所用到的税后净现金流量计算办法，即:营业现金流量=税后净利润+折旧， 假设只有折旧为非付现费用。 X1=（期末流动资产-期末流动负债）/期末总资产，反映了企业资产折现能力和规模特征。营运资本下降，通常预示着企业会出现短期偿债困难；X2=期末累计未分配利润/期末总资产，反映累积获利能力；X3=（税后净利润+折旧）/平均总负债，衡量企业所产生的全部现金流量可用于偿还企业债务的能力；X4=期末股东权益/期末总负债，测定的是企业的财务结构；X5=（税后净利润+利息+折旧）/平均总资产，测定的是企业总资产在创造现金流量方面的能力（其中的利息是指企业利息收入去利息支出后的余额）。F分数模型的临界点为0.0274，若的F分数值低于0.0274，则预测为破产公司；反之，若F分数值高于0.0274，则被预测为继续生存公司。F分数模型的数值在其临界点上下0.0775内（即-0.0501~0.1049）为不确定区域，在此区域内有可能把财务危机公司预测为继续生存公司，或将继续生存公司预测为财务危机公司，需要进一步进行研究分析。

（三）模型公式解释及调整 鉴于我国上市公司具体情况，Z计分模型的X2指标中期末累计未分配利润即留存收益，可通用（盈余公积+未分配利润）计算取得，X3指标中息税前利润可以通过（利润总额+财务费用）计算取得，因而本文采用的Z计分模型：Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5

指标进一步解释调整为：X1=（期末流动资产- 期末流动负债） /期末总资产；X2=期末累计未分配利润/期末总资产=留存收益/期末总资产=（盈余公积+未分配利润）/期末总资产；X3=息税前利润/期末总资产=（利润总额+财务费用）/期末总资产；X4=期末股东权益/期末总负债；X5=本期销售收入/期末总资产；同理，F分数模型的X3指标中（税后净利润+折旧）可以用经营现金净流量表示，平均总负债用（（期初总负债+期末总负债）/2）表示，X5指标中利息无法直接取得，（税后净利润+利息+折旧）可以用（营业现金流量+财务费用）表示，平均总资产用（（期初总资产+期末总资产）/2）表示，本文采用的F分数模型：F=-0.1774+1.1091X1+0.1704X2+l.9271X3+0.0302X4+

0.4961X5

指标进一步解释调整为：X1=（ 期末流动资产-期末流动负债） /期末总资产；X2=期末累计未分配利润/期末总资产=每股未分配利润*总股数/期末总资产；X3=（税后净利润+折旧） /平均总负债=营业现金流量/（（期初总负债+期末总负债）/2）；X4=期末股东权益/期末总负债；X5=（税后净利润+利息+折旧） /平均总资产=（营业现金流量+财务费用）/（（期初总资产+期末总资产）/2）

三、实证分析

（一）样本选取和数据来源 本文选取陕西省装备制造业上市公司11只股票作为样本，其中2支*ST股票，9支普通股票，ST（Special treatment）指“特别处理”，*ST指公司经营连续三年亏损，退市预警。本文假设*ST股票具有较大的财务风险，计算出的Z值较大。拟根据11家上市公司2009年12月31日资产负债表、利润表、现金流量表的数据计算模型中的指标值，分别对Z计分模型和F分数模型进行实证分析。本表数据均来自巨潮信息网http://www.cninfo.com.cn/。

（二）描述性统计 相关财务指标的描述性统计见（表2）所示。

（三）Z计分模型对陕西省装备制造业上市公司财务预警的验证 根据样本公司财务数据表数据及Z计分模型公式，利用Excel表格可以计算相关指标，同时，Z 值大于2.675 时， 表明企业的财务状况良好， 破产可能性极小；当Z值小于1.81时，表明企业存在很大的破产危险；当1.81

（四）F分数模型对陕西省装备制造业上市公司财务预警的验证 根据样本公司财务数据表数据及F分数模型公式，利用Excel表格计算出相关指标，同时，若的F分数值低于-0.0501，则预测为破产公司；反之，若F分数值高于0.1049，则被预测为继续生存公司，数值在-0.0501~0.1049之间为不确定区域，据此判断样本公司财务状况。详见（表3）。

（五）Z计分模型与F分数模型结果对比分析 分别用1、0、-1来表示财务状况从良好到不稳定，进而到破产危险，或从继续生存到不确定，进而到破产，并检验两模型结果类型是否一致，假设被特殊处理公司为-1，正常公司为0或1，据此检验与上市公司实际情况是否一致。见（表5）。Z计分模型和F分数模型在陕西省11家装备制造业上市公司计算的预警结果显示有6家结果一致，占54.54%，在5家不一样的结果中，除了*ST建机，F分数模型结果显示的财务状况均比Z计分模型结果显示的财务状况好一个等级。在与上市公司实际情况对比中，Z计分模型有6个结果一致，5个结果不一致，正确率54.54%，F分数模型有9个结果一致，3个结果不一致，正确率66.67%。在与实际情况不一致的结果中，两模型结果一致强烈地显示彩虹股份、烽火电子财务状况恶化，有破产危险，从一定程度上可以发现两家上市公司的财务风险隐患，亟需采取相应措施。而事实上，烽火电子财务状况极不稳定，经常被特殊处理。

四、结论

通过Z计分模型和F分数模型在陕西省装备制造业上市公司的实证研究，分析可得以下结论：第一，F分数模型较Z计分模型检验结果较为缓和。从两模型对比检验表中可以看出，Z计分模型和F分数模型在5家不一样的结果中，除了*ST建机，F分数模型结果显示的财务状况均比Z计分模型结果显示的财务状况好一个等级，因此可以判断F分数模型较Z计分模型检验结果较为缓和。第二，F分数模型较Z计分模型更适合样本公司财务预警。通过结果对比验证，Z计分模型正确率达54.54%，F分数模型正确率达66.67%，可见，对于陕西省装备制造业上市公司，加入了现金流量因素的F分数模型比较Z计分模型，财务预警效果更加明显。不过，两模型正确率都低于80%，都无法精准地预测陕西省装备制造业上市公司的财务风险，应考虑深入探究准确率更高，更加适合陕西省装备制造业上市公司的财务预警模型。第三，部分公司存在较大财务隐患。从验证分析中可得，Z计分模型和F分数模型的数值结果均强烈显示彩虹股份、烽火电子存在较大财务风险，虽然暂时没有被公开处理，但是两公司应引起注意，及时采取有力措施来降低财务风险，防患于未然，这也是财务风险预警研究的重要目的。本研究也存在一定局限性，由于客观原因，陕西省装备制造业仅有11家上市公司，即样本数量有限，而且采用的平面数据，可能存在偶然因素的影响，使结果准确度不够。如何克服这些局限性，需要进一步探索。

参考文献：

［1］杨尚勤、石英、裴成荣：《陕西经济发展报告（2010）》，北京社会科学文献出版社2010年版。

［2］程博：《上市公司综合竞争力评价研究——以陕西地区上市公司为例》，《财会通讯》2009年第12期。

［3］周首华：《论财务危机的预警分析-F分数模式》，《会计研究》1996年第8期。

［4］李吉林：《基于F分数模型的上市公司财务危机预警系统研究》，《中小企业管理与科技》2010年第6期。

（编辑 虹 云）

作者：徐丹丹 李小健

化工上市公司财务预警论文 篇2：

化工化纤行业上市公司财务危机预警的实证研究

摘要：财务危机预警的研究具有重要的现实意义，本文利用Fisher模型，以化工化纤行业被ST的上市公司为研究对象，选取ST公司与财务状况正常的公司的财务数据。在Sppss17.0软件中，利用K-S检验、T检验和相关分析，筛选出不具备线性关系，但能显著反映财务危机的指标，代入Fisher模型得到变量系数，并将原始财务数据进行回代，从而得到模型判别的准确率。

关键词：上市公司 财务危机预警 Fisher模型 化工化纤行业

目前为止，针对财务危机预警模型的研究主要经历了从单变量破产预测模型，多元线性判别模型到逻辑回归模型的演化；从依靠单一财务比率判别财务状况到多种财务指标的综合运用，危机预警模型不断发展和完善。目前，在三种广泛使用的危机预警模型中，Z计分模型的准确率不如其他两类精确，而Logistic模型对于样本的数据量要求较高。因此，在化工化纤行业上市公司样本数据量可能偏少的情况下，为保证模型判别效果的准确，本文选择Fisher模型作为实证研究工具。

一、研究方法设计及模型

Fisher模型是费希尔提出来的。表达式为Z=a1x1+a2x2+a3x3+a4x4+……+anxn，其中Z表示判别值，a表示相关系数的权重，而x代表的变量则是财务指标的比率，且各变量之间不具有线性关系。在变量的选择过程中，主要是基于企业盈利能力、营运能力、偿债能力、现金流量指标以及发展能力五方面考虑。

在构建模型的过程中，首先运用逐步分析法，在所有的财务比率中选出能够提供有效信息的指标变量；其次，利用统计分析的方法，检验各变量之间的共线性，即使得构建模型的变量之间不具有线性关系，在这一阶段可以使用均值检验、方差检验或者特征值检验等方法完成；第三，可以用挑选出的变量建立模型，代入利用原始数据得到的变量系数，完成Fisher模型财务危机企业和正常企业两部分公式的构建；最后一步是模型的检验，将原始的财务数据指标回代入模型中，在两个公式的结果中取大值以判断企业所属类型，完成判别分析的全过程。

本文利用ST公司和财务状况正常的公司财务数据进行分析。将ST公司命为1，正常公司为0，分为两组便于后续的分析。由于Fisher模型要求变量服从正态分布，因此需要首先利用K-S检验进行正态分布的验证，剔除不符合前提条件的变量；第二步，进行T检验，目的是为了筛选有利于分辨ST和非ST的显著变量，以便于利用这些变量建立模型；第三，检验显著变量之间是否存在线性关系，剔除相关的变量，利用剩余的不相关变量建立模型；然后再将样本数据回代，检验模型的准确性。在这一过程中，需要借助Spss17.0软件完成分析过程。

二、财务指标选取

三、样本数据的获取

根据相应的指标变量，本文在实证部分选取了化工化纤行业中36家上市公司的财务数据，其中16家公司作为财务危机组的样本数据，另外20家作为对比组，即财务状况正常的样本。结合Spss软件，运用Fisher判别分析建立财务危机预警模型。由于上市公司当年的财务报表是在次年1至4月公布，因此是否被ST一般在次年4月份能确定。也就是说，当上市公司被ST时，一般为最近的两个会计年度连续出现亏损或前一年的每股净资产低于股票的面值。因此，使用被ST前一年的数据来预测是否存在财务危机是没有意义的，一般而言，前一年在一定程度上已经可以知道该公司会不会被ST。所以在财务危机预警样本数据的选择中，更多应用危机发生前两年或前三年的数据，更具准确性。

基于以上的分析，本文选择化工化纤行业共36家上市公司作为分析对象。发生财务危机的公司选择被ST前2至3年的财务数据，财务状况正常的公司选择与前者同一年份的数据作为样本。

四、建立财务危机预警的Fisher模型

六、结论

虽然财务危机的爆发对上市公司具有相当大的杀伤力，但任何危机的发生必然要经历一个不断积累的过程。因而，在企业的经营过程中建立起一套以数学模型为基础的预警机制，对于有效预防财务危机的发生具有十分重要的作用。我们可以借助企业的财务报表以及相关的财务指标，运用统计学的分析方法，建立模型来预测企业的发展趋势，以发现潜在的财务风险，并且在危机尚未发生之前告知经营者及时采取措施，有效避免危机的发生，以此实现企业的可持续发展。本文选择了反映企业偿债能力、盈利能力、运营能力以及发展能力等多项指标，经过各项检验，寻找符合条件能进入Fisher模型的变量，纵观Fisher模型构建过程方便简单，具有较强的实际操作可能性。但也存在以下问题：

（一）样本数据量的问题。比较常用的用以衡量企业财务状况的模型包括Z计分模型、Logistics模型、Fisher模型等。相对而言，Logistics模型要求具有足够多的样本数据，因此对样本容量的要求较高，相应构建的模型判别准确率也较高。而Fisher模型对样本量的要求并没有特别要求，本文针对化工化纤行业上市公司选取了近两年被ST的公司作为样本，观察最终结果，数据量可能偏少，导致误判率偏高，可知，扩大样本量可能是提高判别效果的有效方法之一。

（二）指标选取和筛选问题。本文在选取指标变量时，综合从偿债能力、获利能力、营运能力以及成长能力等多方面考量选取指标，力求全面反映企业财务状况。参考全文实证过程，可知最终经过各项检验进入Fisher模型的指标变量并未达到全面考量的初衷，而筛选变量的过程也可以认为是在众多反映财务状况的变量里，选择在企业持续生产经营过程中对经营情况和现状具有指示作用的信号。这一结果，可与化工化纤行业自身特点相结合进行分析。因此，可以认为最终剩余的变量对于企业财务预警的效果更为显著。

（三）未来预测的不确定性。上市公司面临的环境复杂多变，包括经济环境、政治环境、法律环境、技术环境诸多方面，如政府政策变动以及国内外经济走势等影响；而财务危机预警是依据若干年前的数据预测未来企业的财务状况，存在一个隐形假设，即：企业面临的市场环境是平稳且保持不变的，忽略了客观市场存在的各种变化，对企业未来发展走势预测未必准确，因此在这个动态的环境中，用静态的数据预测未来，不可避免存在考虑不周的问题。而这一问题仅通过数据难以量化，需要将定性分析和定量分析相结合。

针对以上问题，笔者建议如下：

首先，本文选取的是化工化纤行业上市公司的数据，并未涉及非上市公司，主要因为非上市公司数据较难获得。如果能获得非上市公司相应的财务数据，则能有效扩大样本数据量，从而提高模型的判别效果；同时，也能使模型更具代表性。但是也存在一个问题，上市公司陷于财务危机可以被ST作为标志，但非上市公司很难以某一显著标志标示是否陷于财务危机。因此，扩大样本量至非上市公司虽然会使得模型判别效果增强，但必须首先解决判别标志这一问题。

其次，在具体指标选择中，可以在常用的指标之外多考虑某些非财务指标。企业财务状况并不仅仅可以由财务数据反映，也可以通过诸如股权结构、组织结构等方面反映。财务数据与非财务数据在一定程度上会相互影响，因此仅考虑一方面可能有失偏颇，并不准确。而非财务指标大多需要具体分析，需要将定量分析与定性分析相结合，才能比较完整地反馈企业的财务状况。但定性分析相对较为困难。

参考文献：

1.文兰.公司治理引入上市公司财务危机预警体系的实证分析［J］.商业会计，2011，（14）.

2.杨建斌.Fisher判别法在企业财务危机预警中的应用［J］.会计之友，2011，（13）.

3.程晓秋.上市公司财务困境预警研究——基于数据挖掘的方法［J］.财会通讯，2010，（1）.

作者：杜巨玲　金茜茜

化工上市公司财务预警论文 篇3：

基于神经网络的企业财务危机预警研究

【摘 要】 现阶段，激烈的市场竞争与动荡的经济环境给各行各业带来了前所未有的挑战，对于企业的经营者与投资者来说，能够准确预测财务危机并有效地规避财务危机具有重大的现实意义。制造业在我国经济中具有举足轻重的地位，文章以制造业上市公司为例，引入财务指标与非财务指标构建指标体系，运用因子分析对筛选的指标进行降维，使各个指标间不相关，消除多重共线性，以得出的公因子作为神经网络模型的输入层来提升神经网络的拟合效率，以企业被特别处理与没有被特别处理作为神经网络模型的输出层，运用此模型对财务危机进行预测。预测结果显示：该财务危机预警模型预测效果较好，能够帮助制造业上市公司识别潜在的财务危机。除此之外，根据结论得出企业的盈利能力是影响制造业上市公司财务危机的最主要因素。

【关键词】 制造业上市公司; 财务危机; 神经网络; 特别处理

一、引言

财务危机是企业由于生产经营不善、动荡的市场环境以及激烈的竞争带来的财务风险。Beaver（1966） and Altman（1968）把财务危机企业定义为已经经营失败的公司。由于国内数据的可获得性限制以及国内上市公司较少发生经营失败，国内大多数学者把因财务状况发生异常而被特别处理（ST或*ST）的公司定义为财务危机公司。因此综合国内外学者的相关研究并結合我国制造业上市公司的特点，本文将财务危机公司定义为被特别处理的公司。

企业财务危机是由企业内外部各种各样的矛盾积累而产生的。对于企业经营者而言，运用有效的财务危机预警系统可以早日发现企业生产经营中存在的问题，及时解决并防止危机的进一步恶化;对于企业的债权人及投资者而言，运用有效的财务危机预警系统可以更加准确地评估企业的财务状况，从而采取一系列有效措施保障债权以及投资安全。因此建立一个有效的财务危机预警模型是值得探讨的重要课题。

国内外大多数学者运用数学模型建立了财务危机预警系统。Fitzpatrick（1932） and Beaver（1966）建立了单变量预警模型，认为净利润/股东权益、股东权益/负债这两个财务指标能够较准确地预测财务危机;Altman（1968、1977）建立了多变量预警模型——Z值模型;Martin（1977）年构建了Logistic模型来预测财务危机，研究发现Logistic模型较其他模型预测准确率较高;吴世农、黄世忠（1986）首次对财务危机预警模型进行应用;周首华、杨济华等（1996）在前人研究的基础上提出了F模型;陈静（1999）首次把27家ST公司与非ST公司作为研究样本，分别引用单变量预警模型与多变量预警模型进行分析;傅荣、吴世农（2002）应用人工神经网络分析模型对财务危机进行预警，模型拟合较好，具有较高的预测率。

神经网络是新兴的预测技术，具有强大的非线性动态性、自适应、自组织、自学习能力，因此它被广泛应用到各个领域。神经网络模型有大型参数空间和更为灵活的结构，且可以接近多种统计模型。BP神经网络是目前应用较广泛的神经网络之一。它按误差逆传播算法对样本进行训练，也是一种多层前馈网络。BP神经网络由输入层、隐含层、输出层构成。每一层都具有神经元，每一层的神经元都与其他相邻层的神经元相连，它使用最速下降法，通过逆向传播来对网络权值和阈值进行调整，从而最小化网络的误差。而这种传播是依靠连接权系数的加强和抑制而实现的。

目前，很多学者把BP神经网络应用到财务预警中来，根据相关学者的研究发现，神经网络在财务预警中预测准确率较高。

基于以上相关研究，本文将财务危机公司定义为被特别处理的公司，引入财务指标与非财务指标构建指标体系，通过Mann-Whitney U检验对指标进行筛选，之后运用因子分析对筛选的指标进行降维，最后对该样本进行神经网络学习以准确评估财务风险。

二、财务危机预警应用问题

建立一个有效的财务危机预警模型对企业的经营者与投资者来说都具有重要的意义，然而建立有效的财务预警模型在我国主要局限在理论方面，并没有足够的实践。原因在于有效的财务危机预警模型必须以真实有效的财务信息为基础。然而现阶段，企业信息不对称使企业易产生道德风险，为了使企业股票在证券市场吸引更多投资者，得以持续挂牌上市，许多企业不对真实的会计信息进行披露，甚至对会计信息进行造假，对数据进行操纵。除此之外，监管机构对企业的监管以及审计部门对会计信息的审核等也需要进一步加强。另外，我国证券市场正处于发展阶段，公司一股独大现象严重，股权制衡度不够，企业总以自身利益为重，忽略投资者的利益，因此企业并不愿意采用可以同时维护投资者与经营者利益的财务预警。

三、财务危机预警模型构建

（一）样本选择

制造业在我国经济中具有举足轻重的地位，而且该行业样本量大，本文以制造业上市公司作为研究对象，依据2013年第四季度上市公司行业分类结果，选取2010—2013年49家首次被特别处理的制造业上市公司与49家近三年内没有发生财务亏损的公司T-3年数据为建模样本。样本配对以相同规模、相同子行业为原则。数据来源于国泰安数据库。由于各个指标数据具有差异性，因此对所有的数据进行Z-SCORE标准化，标准化公式为：

z=（x-μ）/σ               （1）

其中，z为标准分数，■为均值，■为标准差。

（二）指标体系构建

为了对财务状况进行全面预警，本文广泛初选的指标包括长期偿债能力指标、成长能力指标、现金流量指标、营运能力指标、盈利能力指标和短期偿债能力指标;之后对广泛选取的指标进行Mann-Whitney U检验，筛选出的指标在两组样本中具有显著差异，筛选出进入因子分析的指标如表1所示。

（三）因子分析

因为初步筛选出的指标较多且具有多重共线性，因此本文运用因子分析法对以上指标进行降维处理，以实现各个公因子间不相关且减少指标数量的目的。如表2所示，KMO检验为0.758，Bartlett的球形度检验方差为0，此结果表明以上指标适合作因子分析。

从表3可以看出，根据特征根大于1的提取方法，一共提取了5个公因子，解释的总方差累计为86.722%，表明这5个公因子可以代表以上指標。

因为旋转后的成分矩阵每个公因子上各个指标的载荷更加清晰，因此本文以旋转后的成分矩阵上的因子载荷为准。从旋转成分矩阵可以看出，公因子1上因子载荷较大的指标为X9、X10、X11、X12、X13、X14、X15、X16，可以衡量企业的盈利能力;公因子2上因子载荷较大的指标为X1、X2、X3、X4，可以衡量企业的长期偿债能力;公因子3上因子载荷较大的指标为X17、X18、X19，可以衡量企业的短期偿债能力;公因子4上因子载荷较大的指标为X5、X6、X7，可以衡量企业的发展状况与现金流量情况;公因子5上因子载荷较大的指标为X8，可以衡量企业的营运能力。详见表4。

从表5可以得出每个公因子的表达式：

Fi=∑AijXj          （2）

其中Aij为每个公因子的成分得分系数，Xj为各项指标。

（四）神经网络预警模型构建

本文设定企业发生财务危机为1，不发生财务危机为0，运用BP神经网络对财务危机进行预测。

通过表6可知，其中63.3%为训练样本，用于模型建立，36.7%的样本为保持样本，用于验证模型结果。输入层为5个公因子，输出层为分类变量。提取训练样本及保持样本情况如表6所示。

案例处理结果显示，训练样本数为62，保持样本数为36。

从表7、表8可以看出，在创建模型个案中，没有发生财务危机的个案中24个分类正确，7个被分类错误;发生财务危机的个案中有5个被判定为没有发生财务危机，26个个案分类正确，整体分类正确率为80.6%，这说明该模型能够很好地识别个案。由于建模样本预测结果过度乐观，保持样本可以帮助验证此模型，因此保持样本验证最终分类正确率为75.0%，表明该模型整体预测效果较好。

从表9可以看出，F1对企业财务危机的发生具有重要的影响，可见对于制造业上市公司来说，企业的盈利能力是影响财务危机状况的最主要因素。从表10可以看出被特别处理的企业盈利能力指标均值均低于没有被特别处理的企业，被特别处理的企业的营业利润率、销售净利率、息税前利润与营业收入比、息税前利润与资产总额比、总资产净利润率、净资产收益率、投入资本回报率及每股收益均值均为-0.8左右，息税前利润与资产总额比、总资产净利润率、净资产收益率、投入资本回报率极大值也为负，企业盈利能力较差，这样公司获得的现金流较少，企业偿债压力也会相应增加，可能会造成企业资金入不敷出等情形，企业经营业绩也会下降，不利于企业长期稳定发展，给企业带来了财务危机。

四、结论及建议

（一）结论

本文以98家制造业上市公司为例，选择被特别处理与没有被特别处理两类企业，引入财务指标与非财务指标构建指标体系，运用因子分析与神经网络模型建立一个财务危机预警模型以帮助企业识别潜在的财务危机，现得出结论如下：

通过建立神经网络模型来对制造业上市公司财务危机进行预测，预测准确率达到75%，能够对财务危机进行很好的预测。通过研究发现，制造业企业的盈利能力对财务危机的发生具有显著影响，盈利能力较差是财务危机发生的主要原因，要想减少财务危机的发生，应该提高企业的盈利能力。

（二）决策建议

1.提高企业盈利能力

首先，制造业具有固定资产与材料成本高、市场竞争激烈等特点。在保证产品质量与提高产品生产效率的同时，应该采取相应措施降低成本，例如：企业可以建立纵向价值链对企业的供应商及消费者进行深入了解，使企业管理延伸到上下游，可以增加企业竞争优势、降低企业成本;企业建立横向价值链对企业所处行业环境进行分析，及时了解企业的竞争者以便减少市场开发成本，增加企业盈利能力。其次，企业可以建立内部价值链对材料的采购、产品的生产、成品的销售进行准确的评估和预测。制造企业应该引入先进技术，给企业的产品生产打下坚实的基础，开发创新型产品，加强市场竞争力，以抢占国内外市场。最后，企业可以建设学习型组织，不断学习国内外先进技术，引进先进人才，提高企业核心竞争力。

2.优化预警模型

本文把样本划分为财务危机样本与非财务危机样本，然而财务危机的发生是一个逐渐深化的过程，今后研究的方向应该集中在这个过程上。另外，研究应该考虑到会计信息的真实性这个因素，这也是提高模型预测率的主要因素，而且本文研究的财务危机预警是长期预警模型，没有考虑短期风险和实时风险，今后的研究应该把重点放在长期预警与短期预警相结合上，以期有助于财务危机预警模型的完善。

【主要参考文献】

[1] 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.

[2] 陈超，李君.化工类上市公司财务危机预警研究——基于BP人工神经网络模型[J].会计之友，2012（20）：83-86.

[3] 李飞.财务预警问题研究——基于后经济危机时代中小企业的视角[J].会计之友，2013（17）：60-64.

[4] 王晓光，陈洁.引入财务重述的财务预警模型效率的实证研究——来自沪深两市A股制造业2009—2010年的经验证据[J].会计之友，2014（7）：75-78.

作者：黄晓波 高晓莹