中小企业财务危机预警分析

薛靖峰

摘 要 中小企业对国民经济的发展具有深远的影响，但是，中小企业融资难等方面的缺陷加大了中小企业财务危机发生的几率。本文选取了17个中小型上市企业为样本，从偿债、营运、盈利和发展能力四个方面选取15个财务指标，首先对其进行KMO和Bartlett检验，其次利用SPSS20.0，采用主成分分析法提取5个公因子，并用该因子建立Logistic回归模型，最后选取45个外企作为样本对模型进行检验，为中小企业的投资者和管理者提供预警模型，以提高其安全性。

关键词 财务危机 主成分分析法 Logistic回归模型

中图分类号：F275 文献标识码：A DOI：10.16400/j.cnki.kjdkx.2016.08.067

Abstract Small and medium-sized enterprises have a far-reaching impact on the development of the national economy. However， the defects of the financing difficulties of small and medium-sized enterprises have increased the probability of the financial crisis. This paper selects 17 small and medium-sized listed companies as a sample， from the debt， operation， profitability and development capacity of four aspects of selected 15 financial indicators， first of all the were kmo and Bartlett test， followed by the use of spss20.0， five common factors were extracted by the method of principal component analysis and the factor logistic regression model was established， and finally selects 45 foreign as the sample of the model inspection， provide the early warning model for the investors and managers of small and medium-sized enterprises， to improve their safety.

Key words financial crisis； principal component analysis； Logistic regression model

0 引言

近年来，中小企业有了较快的发展。但是，在发展过程中最大的问题是市场需求不足、缺乏核心竞争力，同时还存在融资困难、财务制度不健全以及风险防范意识淡薄等缺陷，这些问题不仅成为制约中小企业结构调整、产业升级的最根本原因，同时也增加了中小企业破产的概率。因此，针对中小企业建立一套适用的财务危机预警机制对防范危机尤为重要。

1 研究方法

1.1 中小企业预警指标的选取

结合我国中小企业目前发展现状，本文选取的预警指标主要包括四个方面：

（1）偿债能力：流动比率（），速动比率（），现金比率（），资产负债率（），利息保障倍数（）；（2）营运能力：流动资产周转率（），存货周转率（），应收帐款周转率（），总资产周转率（）；（3）盈利能力：销售毛利率（），销售净利率（），净资产收益率（），总资产报酬率（）；（4）发展能力：总资产增长率（），净利润增长率（）。

1.2 主成分分析

主成分分析法考虑各指标间的相互关系，采用降维的方法将原有的多维变量由少数彼此独立的综合指标来替代进行分析，并从中挑选出几个重要的指标进行评价，以便于更加深刻地揭示事物的内在规律。

1.3 Logistic回归分析

Logistic回归分析是建立在累积概率函数的基础上，运用最大似然估计来寻找观察对象的条件概率，进而对观察对象的财务状况和经营风险进行预测。Logistic回归模型为：

=

= + + + … + = （）

其中，为常数项，（ = 1，2，3，...，）为回归系数。

2 结果与分析

2.1 数据来源

本研究数据来源于新浪财经网站。

2.2 数据处理与计算

2.2.1 KMO和Bartlett检验

将选取的15個指标变量进行KMO和Bartlett检验，结果如下：

由表1可知：KMO检验结果为0.568，符合其采用的标准，且Bartlett检验的显著性为0.000，因此所选取的指标数值适用于主成分分析。

2.2.2 确定主成分

计算标准矩阵的相关阵R的特征值、方差贡献率和累计贡献率（表2）。

由表2可知：前5个特征值大于1，且累计贡献率达到96.759%，表明这5个因子可以反映15个财务指标的大部分信息。因而，本文用这5个公因子来表示原始的15个财务指标。

2.2.3 构建因子模型

将初始因子载荷矩阵表中每一列值分别除以特征值的开方，得出每一个特征值对应的特征向量，即因子得分系数。

根据因子得分系数表，写出前5个主成分的计算模型：

2.2.5 模型的检验

由表4可知：本文主要选取的45个样本中32个财务良好企业，正确判断28个，准确率为87%；13个财务危机企业，正确判断9，准确率为69%；总体判断准确率为79.6%。

2.3 计算结果分析

（1）本文选择了能较为全面反映企业信息且具有动态性、可行性以及代表性的指标，并对选择的指标进行了科学的筛选，从而使信息量的流失最小。（2）本文分析比较所建立的两种预警模型，结果发现，建立的综合模型预测精度更高。

3 建议与展望

本文采用主成分分析法提取的主因子构建Logistic回归分析模型。但在实际应用时，仍存在不足，可从以下方面进行完善：（1）在扩大选取的样本规模时，应权衡上市和非上市二者的比重，做到更加合理、全面，以便提高预警模型的准确度。（2）更广泛的非财务指标被添加到预警模型以进一步提高预警模型预测的精确度。

参考文献

[1] 张鹏，刘永波，李明.基于C&R树的上市公司财务危机预警研究[J].会计之友，2015：135-142.

[2] 刘义龙，郝青，李松.上市公司财务预警指标体系的构建——综合考虑财务指标和非财务指标.河北软件职业技术学院学报，2015：10-18.

[3] 崔德志.非金融企业流动性风险预警研究.福建行政学院学报，2012：89-100.