中国制造业公司盈利预测模型

　　摘 要：文章借助于制造业上市公司的数据应用因子分析法构建了中国制造业盈利预测模型。并把这个模型利用到相对较差的同行业公司数据，发现在相应主要因子上面表现较差，从而验证了因子分析法构建模型的合理性。借助于模型的分析提出了上市公司财务管理获取盈利合理化的建议。
　　关键词：盈利预测 因子分析 制造业
　　中图分类号:F270 文献标识码:A
　　文章编号:1004-4914（2011）07-071-03
　　
　　一、引言
　　相对其他产业而言，中国的制造业发展较快、国际竞争力也较强，是加入世贸组织后受益可能性较大的部门。然而在经济全球化，市场更加开放的环境中，如何利用中国制造业比较优势更为充分和有效地发挥，在经济全球化过程中获得更大利益，这涉及到整个行业的财务和盈利情况。
　　本文拟从企业自身的财务数据出发，试图建立一个证券市场上中国制造业盈利情况的评估方法，以此来评价中国制造业的近期和中长期的发展情况。选取的方法为理论研究和实证分析相结合、定性分析和定量分析相结合的方法。将传统的财务指标分析法与多元统计分析方法相结合，对各种评价指标实行客观赋权，构建新的评价系统多元统计模型。
　　公司类型以选沪市盈利最好的制造业前100名和后100名2005年12月31日的财务报表数据为样本，利用spss13软件进行因子分析法做盈利预测建模。数据来源于国泰安数据库。
　　考虑到评估的科学与合理性本文选取偿债能力、盈利能力、营运能力、发展成长能力等17个指标全作为研究的参考财务指标（如表1），选取公司为沪市100个盈利最好的制造业公司和100个盈利最差的制造业公司，年份为2005年的，应用SPSS软件，通过因子分析法，得出结论，提出合理化建议。
　　二、因子实证分析
　　（一）因子分析的基本原理
　　因子分析是通过多个指标相关矩阵的内部依赖关系，找出控制所有变量的少数公因子，将每个指标变量表示成公因子的线性组合，以再现原始变量与因子之间的相关关系。因子分析的基本目的是寻求变量的基本结构，简化观测系统，减少变量维数，用少数的变量来解释所研究的复杂问题。
　　设有N个样本，P个指标。将原始观测变量记为X=（X1，X2，∧Xn），标准化处理后的变量向量记为Y=（Y1，Y2，…Yn），要寻找的公因子为f=（f1，f2，…fn）（q＜n）为不可观测变量，且其均值向量E（F）=0，协方差矩阵为cov（F）=I。则模型为
　　写成矩阵形式为：X=AF+E，是为因子模型，F称为公共因子，E称为特殊因子。
　　得到因子后，首先观察他们在那些变量上的载荷较大，在那些变量上载荷教小，再根据载荷打的变量本身的内容说明因子得含义。在因子分析的过程中，我们将每个公因子表示为变量的线性组合，进而用变量的观测值来估计每个公因子的值，数学模型为：
　　Fi=bi1X1+bi2X2+…+binXn（i=1，2…m）
　　式中Fi为第i个因子得分。
　　因子分析的步骤：第一步：确定分析变量，收集数据。第二步：对原始数据进行标准化。第三步：计算所选变量的相关系数矩阵。第四步：提取公共因子。采用某种方法计算初始载荷矩阵，对主成分方法而言，就是通过资料矩阵的相关系数矩阵计算特征值和特征向量。第五步：因子旋转。需要通过坐标变换使每个原始变量在尽可能少的公共因子之间有密切的关系。第六步：计算公共因子得分。第七步：一提取的公共因子的方差贡献率作为权重，结合各因子得分，建立盈利预测模型。
　　（二）实证研究
　　首先进行KMO和巴特利球度检验，结果数据若表明该指标比较适合进行因子分析再进行因子分析。然后再计算指标的共同度，经计算得如果原有所有指标的共同度均为1，则提取若干个公共因子后的再生共同度都较大，就说明各个指标的信息丢失较少，可以提取若干个公共因子对原指标能较好地描述。通过资料矩阵的相关系数矩阵计算特征值和特征向量，再按照因子的累积方差贡献率来确定，一般认为要达到80%以上，原有指标的信息丢失较少。
　　利用沪市盈利为前100名制造业公司做因子分析得到综合因子特征值与贡献率和因子得分矩阵。
　　根据表2数据结果可知，用第一主因子可解释原来17个变量的35%的信息量，用前4个因子可以解释原来17个变量的78%的信息量。用前5个主因子可以解释原来17个变量的86%的信息量。由因子分析的原理可知，这些主因子变量之间不具有相关关系，即他们所携带的信息量没有相互重叠。因此本文选取前5个公共因子进行分析。
　　由表3可见，因子1上有显著负载的指标是销售净利率，总资产净利率和净资产收益率，根据这些经济指标，因子1被识别为盈利能力；因子2上有显著负载的指标是流动比率，速动比率和资产负债率，根据这些变量的经济意义，因子2被识别为偿债能力因子；因子3上有显著负载的指标是经营现金净流量/负债总额，经营现金净流量/流动负债，销售现金/营业收入和经营现金净流量/净收益，根据这些变量的经济意义，因子3被识别为现金能力因子；因子4有显著负载的指标是存货流动资产周转和总资产周转率，根据这些变量的经济意义，因子4被识别为营运能力因子。因子5有显著负载的指标是营业收入增长率和净资产收益增长率，根据这些变量的经济意义，因子5被识别为成长能力因子。
　　根据表3得到因子模型为：
　　为了能做比较，对后100名公司选取与前100名公司相同的因子做因子分析得到因子得分矩阵。
　　通过对比表4和表3可以发现，盈利较差的公司在盈利能力、偿债能力、现金能力、营运能力、成长能力上面得分都较少，即他们在这些方面表现较差。
　　（三）数据分析及研究
　　通过对比表4和表3可以发现，盈利在前100名的企业，其成长能力与经营效率均较高，反映出这些企业的财务状况较好，其中应收账款控制较好，应收账款和存货对流动资金的占用比例较小，发展潜力大，但其盈利与每股能力相对前两个因子偏低，这无疑与制造行业景气度下降有关，但同时也说明这些企业盈利水平不理想，可以通过增加投资来增加其利润，也可通过产品毛利率的稳中有升和较高的管理水平来增加其利润。
　　盈利较后的企业，其盈利及每股能力、成长能力、经营效率总体水平偏低，反映这些企业在盈利方面缺乏有效策略，市场开拓能力差，内部经营管理机制不完善，在有效组织企业运作，提高运作效率方面亟待提高。本文建议从以下几个方面进行分析：
　　第一，从企业资本结构方面来分析，企业资本结构的合理与否，直接关系到企业盈利状况。盈利较差的企业平均资产负债率普遍要高于盈利较好的企业。其原因可能是因为随着公司的发展和资金需求的不断增加，促使企业自然负债的增加，从而逐步提高了资产负债率；其次，从整体上看制造业的负债结构在向短期负债倾斜，原因是经济体制改革后带来的经济高速增长和上市公司前几年的股本过度膨胀，业绩无法跟上股本扩张的速度，导致负债所占的比例较低，同时企业为了扩大规模、提高业绩，必然会引起企业短期负债的增加，这样便导致了负债结构中短期负债的比例过重；而盈利较差的公司在运作过程中，融资、投资没有完全达到预期的收益率，使得公司经营净现金流量严重不足，公司不得不使用过量的短期债务以解决临时的财务困难。
　　第二，从流动管理方面来分析，流动资金是企业进行生产经营活动的必要条件，对企业的生产经营活动是至关重要的。盈利较差的企业的现金能力也普遍低于盈利较好的企业。且自有资金比重相