我国中小企业上市公司财务风险预警模型研究

我国中小企业上市公司财务风险预警模型研究摘要：以a股市场上77家中小企业上市公司为样本，从企业的偿债能力、营运能力、获利能力、发展能力以及现金流量等五个方面选取相关财务指标建立模型，采用因子分析法选出6个公因子，通过非参数检验讨论不同情境下，财务指标是否存在差异，讨论多元logistic模型与不同情境的关系，并细分了财务指标的构成，建立财务风险预警模型，以期对我国中小企业上市公司在财务预警能力方面有所借鉴和参考。关键词：中小企业；财务风险；因子分析；多项logistics分析方法世界经济尚未从危机中回复，企业的生存条件恶劣，而中小企业更是由于经济基础差、技术管理水平低、规模小、发展时期短、融资困难以及经验不足等问题的限制，面临着更为严峻的生存压力。这种情况下，建立一个更具个性化的有效的财务风险预警模型满足中小企业上市公司财务风险预警工作的实际需要。1、我国中小企业上市公司财务风险预警模型的提出我国中小企业上市公司财务风险预警模型应在中小企业自身一些特定条件下运用会计要素及其结构指标针对风险因素进行描述、分析、预测，最终形成具有中小企业上市公司自身特点、特色的中小企业上市公司财务风险紧急预案。1.1财务风险预警模型的几个前提（1）中小企业上市公司的特异性是通过某项指标进行统计学分析后获得的，并以此作为中小企业上市公司的特异性的来源，本文以行业细分作为代表，在实际应用中可以再用资本额、所属地域等指标进行细分，目的是保证中小企业上市公司的特异性具有实际上的比较意义。（2）模型形成的变量不是一个判断值则只是一个描述值，描述值的目的是为了满足中小企业上市公司财务风险紧急预案在数值描述上的需求，避免仅靠判断值分析公司财务风险，而转化为序列描述值的综合判断。（3）中小企业上市公司财务风险紧急预案是中小企业上市公司财务风险预警模型数据序列描述值的实际预警值启动程序。1.2模型分析方法一是采用多个独立变量非参数检验方法，用于判定不同行业间的差异是否存在，为下一步模型检验提供依据。二是多项logistic模型分析，用于在多个独立变量非参数检验方法判定行业差异化后，进行财务模型指标的选择。2、实证测算分析2.1中小企业上市公司财务数据来源从a股市场选取中小企业上市公司77家，数据报告取自国泰安数据库官方网站，为了研究的方便，本文将制造业作为基准行业，即行业4，房地产、综合定义为行业1，it、电力、化工、纺织、服务定义为行业2，其他类别定义为行业3，通过4个行业的分析，分析与基准行业4制造业的差异。2.2变量选择从企业财务报告中披露的偿债能力、营运能力、盈利能力、成长能力、现金流量指标五个方面选取了资产负债率等20个财务指标作为自变量进行分析。2.3多个独立变量非参数检验以行业为分组变量进行检验，采用kruskal-wallish检验和中位数检验。由分析结果可见，流动比率、速动比率、营运资金比率与行业相关。以中位数检验，可以得到利息保障倍数、总资产净利润率、销售净利率、计算结果。可以得到利息保障倍数、总资产净利润率、销售净利率与行业有关。所以在之前的研究中以中小企业上市公司财务数据来源中st、非st分类，事实上是具有局限性的，尽管在研究中数据出现了kruskal-wallish检验和中位数检验不一致的原因，但是可以明确的是针对不同的行业进行的我国中小企业上市公司财务风险预警模型研究更具有针对性，更适合企业进行序列描述性工作。2.4多项logistic模型分析选定了20个变量进行非参数检验以判断与行业的关系，实际上在多项logistic模型分析过程中，变量自身也存在着相关性，指标包含的信息可能存在许多重叠部分或冗余部分，容易使真实信息被扭曲进而导致做出错误的判断。所以首先进行数据简化分析工作，采用因子分析来进行此项工作。先对量表进行kmo测量和bartctt球体检验，kmo值为0.629，大于0.6，表明适合进行因素分析；bartlett’s球形检验结果p值小于0.001，拒绝相关系数矩阵为单位阵的原假设，说明各指标间的相关性较强，可以进行因子分析。因子分析结果表明六个因子基本上符合了要求，六个因子（即：流动比率x1、速动比率x2、现金比率x3、营运资金比率x4、资产负债率x5、股东权益比率x6）共解释总方差72.042%，基本能代表原变量方差的信息。所以在多项logistic模型分析过程中，选取6个主成分带入后向逐步法引入变量，回归方程，模型显著。所以参照行业4，行业1、2、3有以上回归方程，通过研究77家中小企业上市企业运用多项logistic模型实证分析出了以行业为特异性代表的中小企业上市公司财务风险预警模型。由于本文是根据方程最终拟合值计算指标数，所以多项logistic回归未进行显著性剔除，目的是结合多个独立变量非参数检验分析结果更为直接的反映中小企业上市企业实际模型计算数值，提高拟合度。变量中流动比率x1、速动比率x2、营运资金比率x4、资产负债率x5显著，预警模型方程为：以行业4为基准logit[p(行业=1|x1,x2,x4,x5)]=-1.904+1.557x1-2.931x2-0.509x4-0.395x5logit[p(行业=2|x1,x2,x4,x5)]=-1.441-1.171x1+2.061x2-0.485x4-0.379x5logit[p(行业=3|x1,x2,x4,x5)]=2.352-6.896x1+5.312x2+0.315x4-0.730x5由此可见，不同情境模式下（本研究以行业为基准）是不同的，所以在之前的研究中以st、非st分类是存在一些欠缺的。7.1研究结论1.非参数检验过程说明，针对不同情景，财务指标的差异性是存在的，以上虽然采用kruskal-wallish检验和中位数检验，所提示的财务指标项目并不相同，甚至没有交集，主要原因是数据，个别行业的样本数太少，更大规模的数据验证工作可以完成更为准确的行业公司财务风险预警模型设计工作。2.多元logistic模型与一般的st、非st分类不同在于，情景模式的多元使得多元logistic模型代替了二元logistic模型，增加了数据计算量，同时财务指标的选择成为了更重要的内容，以上选择了20个指标，因子载荷分析后，形成了6个，在logistic模型以这6个指标建立了涉及4种行业情景模式的logistic模型回归方程。3.提出了解决公司财务风险问题需要有系统的预警预案机制，即公司财务风险预警模型起到的仅是数据描述作用，不应该放大公司财务风险预警模型成为判断作用，公司财务风险预警预案机制来保证公司财务风险预警成为一个系统的财务管理方法，公司财务风险预警模型是具有公司个性化特点的一个重要组成部分，整体体系需要有一个综合预防方法。参考文献[1]王艳.基于logistic回归方法的上市公司失败预警模型研究[d]，合肥:合肥工业大学.2006；[2]梁娟.我国中小企业板上市公司财务风险预警的探讨[j].科技情报开发与经济,2007（16）；[3]郭志等.我国上市公司财务困境预警研究[j].当代经理人,2006（3）；[4]刘红霞.以主成分分析法构建企业财务危机预警模》[j],中央财经大学学报,2004(4)；[5]张玲.上市公司重组绩效的评价及财务困境预测实证研究[j],管理评论,2003(5)。