基于因子分析法的建筑行业上市公司业绩评价研究

鲁黛迪

摘 要：近年来随着我国倡导的“一带一路”政策初见成效，第二、三产业的快速发展带动了一批建筑行业公司上市。于是，如何从上市公司财务数据中进行业绩评价，判断公司的成长前景、盈利能力，成了上市公司及其财务工作者尤为关心的问题。本文选取2018年A股市场建筑行业上市公司的财务数据，使用因子分析法提取出盈利能力、发展能力、偿债能力和营运能力4个公共因子，通过量化该4个因子对上市公司经营业绩的影响程度构建出建筑行业综合因子得分模型，由此对2018年我国A股市场建筑行业上市公司进行了业绩评价，并针对我国建筑行业现状对上市公司提出了经营建议。

关键词：建筑行业；因子分析法；综合因子得分

中图分类号：F23     文献标识码：A      doi：10.19311/j.cnki.16723198.2023.16.053

建筑行业是支撑国民经济发展的重要基础型产业之一。建筑产业的发展，关系到国民的日常生活、社会再生产和国家的经济发展水平。近年来随着我国倡导的“一带一路”政策初见成效，虽然建筑行业整体增速有所放缓，但是我国第二、三产业的快速发展仍然提升了国内市场对建筑业的需求，进而推动了一批发展迅速、盈利能力良好的建筑公司上市。于是，如何从上市公司财务数据中进行业绩评价，判断公司的成长前景、盈利能力，成了上市公司及其财务工作者尤为关心的问题。

对于上市公司来说，在股票市场中上市公司披露的年度财务数据是反映公司经营业绩的直观资料。因此，本文选取了2018年A股市场84家建筑行业上市公司的财务数据，使用因子分析法，将其中12个有代表性的财务指标经分析整理，提取出偿债能力、经营能力、盈利能力和发展能力4个公共因子，并通过量化该4个因子对上市公司经营业绩的影响程度构建出综合得分模型，由此计算出该84家上市公司当年表现的综合评分，评价了其中有代表性的公司的经营业绩，并给出相应的经营管理建议。企业及其财务工作者通过本文构建的建筑行业上市公司业绩综合因子得分模型能够判断企业的经营和发展的健康程度，预测企业发生的危机并及时发现和处理财务异常状况，使企业经营发展更加科学。

1 文献综述

关于因子分析法，国外研究最早可以追溯到FitzPartrick（1932）、Smith和Winakor（1935），他们通过检验经营成功和经营失败的公司的财务数据，证明了这两种公司的财务指标存在显著的差异。这也就意味着，特定的财务指标可以提取作为公共因子对公司业绩进行分析。在这之后，Fama和French（1992）通过提取Beta值、账面市值比和市值3个因子对美国股票市场的历史数据进行了研究，用以解释股票报酬率的差异，即著名的Fama-French三因子模型。

国内关于因子分析法相关研究起步较晚。陈燕（2009）将因子分析法与层次细分法结合，对钢铁行业上市公司进行财务分析。李君妍、王力宾（2013）运用因子分析法提取5个财务指标对农业上市公司进行财务实证分析。不过，总结前人研究，笔者认为，现阶段我国学者的研究主要在上市公司财务风险分析和预警方面，视角仍然集中在投资者角度，而对于上市公司如何有针对性地分析自身财务状况、结合自身实际情况做出有效的财务管理建议研究较少。其次，虽然偿债能力、运营能力、盈利能力和发展能力是4个较为常见的财务分析指标类型因子，但是量化分析该4个因子对上市公司经营业绩的影响程度在现有的研究中则较为少见。最后，现有的因子分析主要是针对上市公司整体市场表现，对建筑业上市公司财务状况分析尚是少数，本文的研究填补了这一空白。

2 数据来源和实证分析

2.1 数据来源

为了综合反映建筑行业上市公司综合经营业绩，本文从偿债能力、运营能力、盈利能力和发展能力4个方向选取这些公司共12个财务指标作为变量进行研究。其中，偿债能力指标选取流动比率和资产负债率两个指标表示；运营能力选取应收账款周转率和流动资产周转率两个指标表示；盈利能力选取资产报酬率、总资产净利润率、净资产收益率、投入资本回报率、长期资本收益率五个指标表示；发展能力选取净资产收益率增长率、基本每股收益增长率、净利润增长率3个指标表示，共计12个指标。本文选取中国A股市场84家建筑业上市公司2018年度12个财务指标变量，共1008个数据。数据来源于国泰安数据库。

2.2 实证分析

在从事社会科学类研究时，通过收集得到的大量数据能在实证研究时提高结论的准确性，但收集的数据过多、过于复杂，加上数据间变量相关性的影响，也会给实证分析带来困难。因此，这种针对多变量数据分析的需求催生出了因子分析法。因子分析法將初始变量按照相关性进行分类，将彼此具有较高相关性的变量融和成一个具有代表性的公共因子，如此即可将十几个变量特征用几个少数公共因子替代进行“降维”处理，在尽可能多的保留数据特征的情况下进行数据处理和实证分析。在提取出有代表性的若干因子后，根据各因子的贡献度进行加权计算，进一步得到各因子得分。因子分析法的数学表达式为矩阵：

X=AF+B（1）

其中，向量X（x1，x2，x3，…，xp）代表本文选取的变量，向量F（f1，f2，f3，…，fp）代表经过降维提取出的公共因子，A（αIJ）是F（f1，f2，f3，…，fp）的系数矩阵，也称为因子载荷矩阵，αij（i=1，2，…，p;j=1，2，…，k）代表第i个变量在第j个因子上的系数（因子载荷），也代表其在F（f1，f2，f3，…，fp）中所占的权重。B（β1，β2，…，βp）代表本模型无法解释的、彼此间无相关性的因子，具有不可观测性。

对公式（1）两边同时取方差，可得：

Var（xi）=α2i1Var（f1）+…+α2ikVar（fk）+Var（βi）=∑kj=1α2ij+∑pi=1β2i（2）

其中∑kj=1α2ij称为公因子方差（也叫变量共同度），记为h2i，代表对变量xi的影响程度。h2i越大，则因子F对变量X的影响程度越大。

2.2.1 主成分分析

使用因子分析法进行财务数据分析的前提是确定所选变量是否适用于因子分析。通过之前的论述可知，因子分析法要求若干变量之间彼此存在较强的相关性，这样从不同的变量中提取出的公共因子才具有足够的代表性，因子分析的效果也就越好。因此本步骤中，笔者选用KMO统计量和巴特莱特球形检验。一般认为KMO统计量在0.7以上、巴特莱特球形检验sig值小于0.05时，变量间相关性较为显著，适用于因子分析。

笔者使用SPSS230软件对2018年建筑行业上市公司财务数据进行了KMO统计量和巴特萊特球形检验，得到KMO统计量为0695，接近07，说明各变量间存在的相关性能够进行因子分析。巴特莱特球形检验显著性为0000，代表否定原假设，即各变量间具有较强的相关性。同样证明了本文数据适宜进行因子分析。

2.2.2 因子分析结果

使用SPSS230软件对建筑行业上市公司财务数据进行操作，能够得到相关系数矩阵、公因子方差和提取总方差解释等。总方差解释表中有4个主成分的特征值大于1，从高到低依次是5678，2250，1746和1068，且累积方差百分比达到8741%，意味着提取这四个主成分因子能够很好地代表原12个变量，同时几乎不损失其原信息量。因此可以得出结论，对于建筑行业上市公司12组财务指标（视为12个变量），提取4个因子进行分析是较为适宜的。

那么这4个公共因子对12个原始变量的影响程度如何呢？如上文所述，公因子方差能够代表提取的4个公共因子对12个变量的影响程度。公因子方差越大，则因子对变量的影响程度越大。计算12个变量的公因子方差可以看出，12个变量中，公因子方差最大的为净资产收益率增长率（983%），最小的为流动比率（747%），说明我们选取的4个因子的解释力度是比较大的。

接下来使用主成分分析法提取成分矩阵和使用凯撒正态化最大方差法旋转后的成分矩阵。通过观察旋转后的矩阵，我们能够看到每个变量在不同因子上的载荷。通常载荷大于04可以视为某一变量与该因子存在对应关系。经过观察，公共因子1在资产报酬率、总资产净利润率、净资产收益率、投入资本回报率、长期资本收益率5个变量的载荷最高，能够很好地解释企业的盈利能力；公共因子2在净资产收益率增长率、基本每股收益增长率、净利润增长率3个变量的载荷最高，体现的是企业的发展能力；公共因子3在流动比率和资产负债率2个变量的载荷最高，能够代表企业的偿债能力；公共因子4在应收账款周转率、流动资产周转率2个变量的载荷最高，能够解释企业的营运能力。

2.2.3 综合因子得分

通过观察成分得分系数矩阵（表2），我们能够建立起建设行业上市公司12个财务指标与该4个公共因子的函数表达式，如下所示：

F1=-0.055X1-0.063X2-0139X3+…-0108X12

F2=0019X1+0082X2+0133X3+…+0407X12

F3=0494X1+0496X2+0113X3+…-0057X12

F4=0018X1-0023X2+0757X3+…+0042X12（3）

提取方法为主成分分析法；旋转方法为凯撒正态化最大方差法；组件得分。

为了计算综合因子得分，我们首先按照各个因子对应的特征值计算出各因子在整体公因子方差中所占的比重，再代入综合因子得分公式中，如下：

Comp score=λ1/（λ1+λ2+λ3+λ4）F1+λ2（λ1+λ2+λ3+λ4）F2+λ3（λ1+λ2+λ3+λ4）F3+λ4（λ1+λ2+λ3+λ4）F4（4）

根据总方差解释中4因子的特征值，可知λ1=5678，λ2=2.250，λ3=1.746，λ4=1.068，代入上式可得：

Compscore=5.678/（5.678+2.250+1.746+1068）F1+2.250/（5.678+2.250+1.746+1.068）F2+1.746/（5.678+2.250+1.746+1.068）F3+1.068/（5.678+2.250+1.746+1.068）F4=0.529F1+0209F2+0.163F3+0.099F4（5）

依前文已知F1代表盈利能力，F2代表发展能力，F3代表偿债能力，F4代表营运能力。如此，我们便得到了盈利能力、发展能力、偿债能力和营运能力4个因子对于综合因子得分影响程度的数学表达式。通过观察式（5）可以发现，盈利能力对建筑行业上市公司综合因子得分影响最大，盈利能力因子每提高1%，则综合因子得分增加0529%，说明公司盈利能力越强，其经营状况越良好，财务状况越健康。发展能力对建筑行业上市公司综合因子得分影响次之，发展能力因子每提高1%，则综合因子得分增加0209%，一家公司能够快速增长往往也说明其财务状况和经营情况不错。之后是偿债能力和营运能力因子，它们每提高1%，则综合因子得分分别增加0163%和0099%。对于建筑行业上市公司来说，企业偿债能力差、运营不畅，均会导致资金链断裂，进而导致财务风险和经营危机。

依式（3）和式（5），在已知建筑行业上市公司财务指标的情况下，我们可以计算得到该公司财务状况的综合因子得分，用于从盈利能力、发展能力、偿债能力和营运能力4个角度分析和评价该公司的经营情况和财务状况。综合因子得分越高，说明上市公司经营情况和财务状况越好。将2018年A股市场建筑行业84个上市公司各自12个财务指标数据代入综合因子得分公式，计算出该批公司的综合因子得分情況，如表3。

根据综合因子得分表（表3）可知，按照本文建立的因子分析模型和综合因子得分公式来看，四川路桥、空港股份、宏润建设、东易日盛和重庆建工的综合因子得分均超过0.75，在整个建筑行业上市公司排名前5名，是当年财务状况和经营业绩表现较好的上市公司。而美丽生态、乾景园林、万邦达、天海防务和洪涛股份因子得分均为负数，在整个建筑行业上市公司排名最末5名，这意味着这5家公司在当年财务状况和经营业绩表现不佳，值得管理层警惕。

3 结论与建议

通过本文建立的综合因子得分公式，建筑行业其他公司亦可使用本公司财务数据代入本文构建的综合因子得分模型，计算得到本公司的综合因子得分，通过与同期同行业其他上市公司的财务表现进行对比，可以从盈利能力、发展能力、偿债能力和营运能力4个角度进行公司业绩评价，了解本公司在全行业的经营业绩水平，以便管理层对未来公司经营做出决策。

企业偿债能力差、运营不畅，均会导致资金链断裂，进而导致财务风险和经营危机。建筑行业作为传统行业，产品具有较大的同质化现象。面对我国经济结构调整和产业升级，建筑行业公司应当积极调整经营策略，从盈利能力、发展能力、偿债能力和营运能力4个方向着手，不断推动技术创新，积极寻求转型升级。

参考文献

［1］王敏.因子分析法在上市公司绩效评价中的应用[D].北京：中国石油大学（北京），2005：199203.

[2]王毅.基于因子分析法的格力电器财务绩效评价[D].石家庄：河北师范大学，2017：37.

[3]都艳斌.基于因子分析法的我国房地产上市公司绩效评价研究[D].重庆：重庆大学，2009：2528.

[4]王萌萌.房地产企业财务风险评估与防范研究[D].青岛：青岛科技大学，2016：167168.