陈士龙
(长江大学一年级教学工作部,湖北荆州434000)
近年来我国证券市场规模日益扩大,购买股票成为投资者的重要投资方式。上市公司的经营状况,尤其是对财务状况严重恶化的企业的预报,对投资决策具有重要的意义。虑及不同行业、不同时间的财务数据对模型的影响[1],本文依据电力行业年度报表数据建立该行业财务预警模型。
设上市公司出现财务困境为 y=1,财务正常为y=0,y为0-1型变量,Logit模型是解决该类问题行之有效的方法。设 y=1发生的概率为p,其数学期望其中 x为与y相关的财务比率,ln[p/1-p]可用财务比率线性解释,即ln[p/1-p]=α+βx,借助样本观测数据,可得到α及β的极大似然估计值。
1999年财政部、国家经贸委等部门联合发布了《国有资本金效绩评价规则》,其中,竞争性工商企业的评价指标体系包括8大基本指标:净资产收益率、总资产报酬率、资产负债率、总资产周转率、流动资产周转率、已获利息倍数、销售增长率、资本积累率。本文选取30家电力行业上市公司的上述八大指标为变量建立模型(数据来源于网易财经2008、2009年度报表,除净资产收益率指标为直接取自于会计年报外,其他各指标均是经过计算而得,计算公式见文献[2]),依次设为 x1,x2,…,x8,考虑到变量数目繁多及可能出现多重共线性问题,先进行因子分析,以获取少量互不相关的综合指标。
表1 相关矩阵
1.因子分析结果。运用SPSS软件对上述数据进行因子分析,用主成分法确定因子载荷,输出结果见表1~表5。
表1给出了变量之间的相关系数矩阵,可以看出,诸多变量之间有较强的相关性,进行因子分析是合理的。
表2给出了共同度的信息,结果显示公因子对每个原始变量的解释能力都较强。
表3显示,保留4个公因子可以解释原始变量总方差的84%,可以满意。
表2 共同度
表3 总方差分解表
表4 因子旋转前后载荷矩阵
表5 因子得分系数矩阵
表4给出的是旋转前后的因子载荷矩阵,可以看到,第一个公因子基本上反映了总资产报酬率、资产负债率、已获利息倍数、资本积累率的信息,反映了净资产收益率的部分信息。第二个公因子主要集中了流动资产周转率的信息,反映了净资产收益率的部分信息。第三个公因子主要集中了销售增长率的信息。第四个公因子主要集中了总资产周转率的信息。
表5给出了因子得分系数矩阵,据此可得到各公司在4个公因子上的得分。
2.预警模型。以上述4个公因子得分代替原始数据进行Logistic回归,SPSS软件输出结果显示,第三个主因子的 Wald检验不显著,用剩余3个主因子作回归,出现财务困境标准以净资产收益率低于同期年贷款利率划定(见表6~表8)。
表6是对整个模型的检验,结果表明模型非常显著。表7是分类矩阵,说明模型对财务正常组预测正确率为84.6%,对财务非正常组预测正确率为88.2%,结果令人欣慰。
表6 模型的Omnius检验
表7 分类矩阵
表8 模型的系数及检验
表8是模型的系数及检验,其结果可得到预警模型:
通过因子分析法,得到用以建模的反映上市公司经营状况的综合指标,模型中的参数通过了检验,说明理论上可行,模型预测的正确度高,说明该模型具有现实指导价值,模型的构建框架可推广到其他行业。
[1] 张鸣,张艳.财务困境预测的实证研究与评述[J].财经研究,2001,27(12).
[2] 何晓群.多元统计分析[M].北京:中国人民大学出版社,2004.
[3] 乔卓,薛锋,柯孔林.上市公司财务困境预测Logit模型实证研究[J].华东经济管理,2002,16(5).