【摘 要】本文以四川省上市公司为样本，利用主成分分析法建立了四川省上市公司的财务预警模型，实际检验结果显示该预警模型具有较好的预警效果。

　　【关键词】变量选择；上市公司；财务预警

　　一、引 言

　　上市公司财务状况的好坏直接影响到证券市场的发展和投资者的利益，鉴于此，急需建立一个能预先发出财务危机警报的预警模型，以帮助上市公司管理当局和投资者及早取得财务状况恶化的信号，避免可能出现的财务危机，保护投资者的合法权益。

　　二、预警模型的建立

　　（一）样本的选取

　　本文的研究样本是四川省所有的上市公司，共计64家，其中ST上市公司有16家，正常上市公司有48家。样本数据来自于该64家上市公司2006年公开披露的财务报表，主要从新浪财经网和搜狐财经网取得有关个股资料。

　　将64家上市公司随机分为两组：估计样本组47家（39家正常公司和8家ST公司）和测试样本组17家（9家正常公司和8家ST公司）。研究样本见表1。

　　（二）关键变量的确定

　　普遍认为，一个企业的综合实力可以由偿债能力、盈利能力、营运能力、增长能力以及现金流量状况5个方面构成。本文在设计研究变量时，综合考虑以上5个方面并借鉴国内外已有的文献，选取以下6个指标：

　　1. 营运资本资产比率=（流动资产-流动负债）/总资产

　　2. 现金负债比率=经营活动现金流量净额/总负债

　　3. 流动比率=流动资产/流动负债

　　4. 总资产周转率=销售收入/平均总资产

　　5. 资产负债率=总负债/总资产

　　6. 资产利润率=息税前利润/平均总资产

　　其中，平均总资产=（期初总资产+期末总资产）/2

　　（三）自变量的相关性分析

　　为了避免自变量之间存在严重多重共线性而影响到模型检验的结果，应该首先考虑各自变量间的相关关系，运用SPSS软件对样本进行相关性分析。

　　表2是公司的营运资本资产比率、现金负债比率、流动比率、总资产周转率、资产负债率、资产利润率六者之间相互关系的矩阵。

　　由表2可以看到，营运资本资产比率与流动比率、资产负债率的相关系数较大；流动比率与资产负债率间的相关系数也较大。因此，本文舍弃资产负债率，保留营运资本资产比率、现金负债比率、流动比率、总资产周转率、资产利润率，对这5个变量再做一次相关系数的检验，结果见表3。

　　由表3可以看到，营运资本资产比率与流动比率相关系数较大，其他变量间的相关系数都较小。于是舍弃营运资本资产比率，保留现金负债比率、流动比率、总资产周转率、资产利润率这4个变量，对这4个变量再做一次相关系数的检验，结果见表4。

　　由表4可以看到，这4个变量间的相关系数都较小，因此，本文取这4个指标，即现金负债比率、流动比率、总资产周转率、资产利润率作为最终的变量。

　　（四）主成分分析及模型

　　对估计样本组上市公司的财务数据，运用SPSS软件进行主成分分析，结果见表5。

　　本文取累计贡献为100%，主成分个数m=4，即用4个主成分代替原有的4个财务比率指标，这4个主成分因子包含原来100%的信息量。为了对所取得的4个主成分进行解释，需要得到4个原始财务比率对4个主成分的因子载荷矩阵（见表6）。从表6可以看到：①主成分X₁主要由F₁和F₂这两个财务比率指标解释。②主成分X₂主要由F₃这个财务比率指标解释。③主成分X₃主要由F₁和F₂这两个财务比率指标解释。④主成分X₄主要由F₄这个财务比率指标解释。

　　根据表5，可以得到主成分的预测函数为：

　　Y= 0.404 75X₁ + 0.275 18X₂ + 0.201 45X₃ + 0.118 62X₄

　　根据表6，可以得到主成分关于原始财务比率的线性表达式：

　　X₁ =0.618F₁ + 0.651F₂ + 0.319F₃ + 0.843F₄

　　X₂ = -0.482F₁ - 0.214F₂ + 0.888F₃ + 0.183F₄

　　X₃ = -0.547F₁ + 0.697F₂ - 0.109F₃ - 0.096F₄

　　X₄ = -0.294F₁ - 0.211F₂ - 0.312F₃ + 0.496F₄

　　综合以上表达式，可以得到：

　　Y= -0.027 6X₁ + 0.32X₂ + 0.314 5X₃ + 0.431 1X₄

　　将样本组上市公司的各项财务比率代入上面的式子，计算得到64家上市公司的预测Y分值（见表7）。

　　出于预警的目的，本文将Y分值分布情况进行整理（见表8）。

　　由表8可以得到如下评价区域：

　　Y>1 为财务状况非常安全的区域

　　1>Y>0.5为财务状况安全区域

　　0.5>Y>0为财务状况预警区域

　　Y<0 为财务状况危机区域

　　同时本文把安全类和危机类上市公司被列入预警区域均看作判断正确。

　　由此，可以得到如下判别分类结果（见表9）。

　　由表9可知：对于估计样本组来说，39家非ST类上市公司有39家判断正确，准确率为100%；8家ST类上市公司有6家判断正确，准确率为75%。对于测试样本组来说，9家非ST类上市公司有9家判断正确，准确率为100%；8家ST类上市公司有8家判断正确，准确率为100%。对于四川省共计64家上市公司来说，48家非ST类上市公司有48家判断正确，准确率为100%；16家ST类上市公司有14家判断正确，准确率为87.5%。

　　三、结束语

　　从以上分析结果来看，本文给出的预警模型的效果较好，能够比较准确地预测四川省上市公司的财务状况，具有较强的可信度。该模型对于估计样本组危机类公司分类的正确率较低，主要是由于该模型在建立时，大部分危机类上市公司的2006年财务报表没有公布，导致估计样本组中危机类公司相对较少，致使模型可能有一点偏差。