石化企业上市公司财务危机预警模型实证研究

《石化企业上市公司财务危机预警模型实证研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、石化企业上市公司财务危机预警模型实证研究石化行业财务危机预警模型对石化企业规避财务风险，控制财务运行具有重要意义。本文以石化企业上市公司为样本，设计财务危机预警模型。建立一套合理有效的财务危机预警模型对公司管理者、投资者和市场监管者及时识别并规避财务风险具有重要现实意义。研究表明，财务风险具有行业特性。石化行业是我国国民经济发展中重要的基础行业之一，为此，本文以石化行业上市公司作为对象研究财务危机预警模型。　　一、文献回顾　　财务风险预警研究始于Fitzpatrick（1932）、Beaver（1966）等人用单变量法分析企业财务风险。其后，学者Altinan（1968）和Blum（1974）

2、等采用多变量分析方法来建立企业的财务危机预警模型，Ohison（1980）和Zmije；j=1，2，...，n）为因子荷载；Fi（i=1，2，...，m）为选择确定的m个主成分因子；Ki（i=1，2，...，m）为主成分因子的权重（即第i个因子的贡献率）；F是公司财务状况的预测值。　　三、实证结果与分析　　（一）描述性统计　　1.均值对比分析。将选定训练样本的13家财务危机公司和13家配对的健康公司分成两组，然后分别计算两组22个财务指标在被ST的前四年的均值，然后利用EXCEL的折线图将均值的对比情况描述出来，具体的变化详见图1。从折线图我们可以看出，ST公司和非ST公司的各项财务指标的平均

3、值的变化趋势不一致，有以下规律：第一，随着ST年份的临近，ST公司和非ST公司部分财务指标的差异逐渐明显，折线图上二者之间的距离逐渐扩大，因而得出结论：指标具有较好的预测效果，如净资产收益率、资产报酬率、流动比率、速动比率、经营净现金流量/负债比率、每股收益增长率、应收账款收益率、销售现金比率、股东权益比率等。第二，两类公司多数的财务指标变动曲线可以分开。例如，若非ST公司的指标在ST公司指标变动曲线的上方，则这类指标就是正指标，如净资产收益率、总资产报酬率、每股收益增长率、净利润增长率、总资产增长率、应收账款周转率等。若非ST公司的财务指标变动曲线在ST公司的下方，这类指标就是逆指标，如资产

4、负债率、固定资产比率等。也存在两类指标互相交叉的情况，如流动比率、净利润增长率、存货周转率、销售现金比率等。（表略）　　为了进一步挖掘配对样本之间的差异性，本文使用SPSS16.0统计软件分别计算危机公司和健康公司的22个财务指标T-2、T-3、T-4、T-5四年的均值及标准差，并将它们的均值与标准差相减进行比较。得出，健康公司与危机公司在均值上存在显著的差异，健康公司的财务指标中除存货周转率（X13）、资产负债率（X20）、固定资产比率（X21）的均值比危机公司小，其余的财务指标的均值均比危机公司大。且非ST公司样本组的盈利能力、成长能力、现金流量等指标明显高于ST公司样本组的对应指标。从标

5、准差的对比中可以发现，财务指标中标准差的差值大部分为负数，说明ST公司样本组的被ST前四年的均值波动要大于非ST公司样本组。　　由均值和标准差对比分析可知，危机公司与健康公司的财务指标存在显著的差异，当某个公司的多个财务指标有明显的下降趋势且波动较大时，表明该公司存在财务危机的可能。但是，均值对比分析是基于各指标的平均值来进行的，因此不可避免地存在极端值造成指标均值差异的可能，所以我们只能够依据均值分析进行粗略的估计。　　2.非参数ann-O和Bartlett’s检验结果，发现T-2、T-3、T-4、T-5年KMO值依次为0.611、0.559、0.808、0.426，Bartlett’s检验

6、P值均为0.000，小于0.001的检验水平，拒绝单位相关性的原始假设，故可知适合做主成分分析。因此，运用SPSS16.0软件依次对T-2、T-3、T-4、T-5年的具有显著性差异的指标变量进行主成分分析。通过方差最大化旋转，在满足特征值大于1的前提下，提取主成分因子。具体情况见表2。通过旋转后的因子载荷矩阵可对主成分因子进行解释，由统计结果可知：T-2年的第一个因子主要解释了X1、X2、X3、X4、X9、X11几个变量，可解释为公司的盈利能力和成长能力；第二个因子主要解释了X5、X20、X22几个变量，因此F2主要代表公司的资本结构状况；第三个因子由变量X8、X17、X19贡献最多，故F3可

7、解释为现金流量状况。以此类推，各年的主成分因子的含义如表2所述。在确定了各主成分的经济含义后，可根据因子得分系数矩阵建立各个主成分关于原始财务比率的线性表达式。同时，根据统计结果中各个主成分的贡献率，可以得到主成分预测函数。　　　（表略）　　（三）各年预测结果的比较　　将训练样本和检测样本的数据进行标准化处理，然后将各年标准化数据代入危机前四年所建立的主成分分析模型的预测表达式中，计算F值。根据误