【摘 要】本文以四川省上市公司為樣本，利用主成分分析法建立了四川省上市公司的財務預警模型，實際檢驗結果顯示該預警模型具有較好的預警效果。

　　【關鍵詞】變量選擇；上市公司；財務預警

　　一、引 言

　　上市公司財務狀況的好壞直接影響到證券市場的發展和投資者的利益，鑒于此，急需建立一個能預先發出財務危機警報的預警模型，以幫助上市公司管理當局和投資者及早取得財務狀況惡化的信號，避免可能出現的財務危機，保護投資者的合法權益。

　　二、預警模型的建立

　�。ㄒ唬�樣本的選取

　　本文的研究樣本是四川省所有的上市公司，共計64家，其中ST上市公司有16家，正常上市公司有48家。樣本數據來自于該64家上市公司2006年公開披露的財務報表，主要從新浪財經網和搜狐財經網取得有關個股資料。

　　將64家上市公司隨機分為兩組：估計樣本組47家（39家正常公司和8家ST公司）和測試樣本組17家（9家正常公司和8家ST公司）。研究樣本見表1。

　�。ǘ�）關鍵變量的確定

　　普遍認為，一個企業的綜合實力可以由償債能力、盈利能力、營運能力、增長能力以及現金流量狀況5個方面構成。本文在設計研究變量時，綜合考慮以上5個方面并借鑒國內外已有的文獻，選取以下6個指標：

　　1. 營運資本資產比率=（流動資產-流動負債）/總資產

　　2. 現金負債比率=經營活動現金流量凈額/總負債

　　3. 流動比率=流動資產/流動負債

　　4. 總資產周轉率=銷售收入/平均總資產

　　5. 資產負債率=總負債/總資產

　　6. 資產利潤率=息稅前利潤/平均總資產

　　其中，平均總資產=（期初總資產+期末總資產）/2

　　（三）自變量的相關性分析

　　為了避免自變量之間存在嚴重多重共線性而影響到模型檢驗的結果，應該首先考慮各自變量間的相關關系，運用SPSS軟件對樣本進行相關性分析。

　　表2是公司的營運資本資產比率、現金負債比率、流動比率、總資產周轉率、資產負債率、資產利潤率六者之間相互關系的矩陣。

　　由表2可以看到，營運資本資產比率與流動比率、資產負債率的相關系數較大；流動比率與資產負債率間的相關系數也較大。因此，本文舍棄資產負債率，保留營運資本資產比率、現金負債比率、流動比率、總資產周轉率、資產利潤率，對這5個變量再做一次相關系數的檢驗，結果見表3。

　　由表3可以看到，營運資本資產比率與流動比率相關系數較大，其他變量間的相關系數都較小。于是舍棄營運資本資產比率，保留現金負債比率、流動比率、總資產周轉率、資產利潤率這4個變量，對這4個變量再做一次相關系數的檢驗，結果見表4。

　　由表4可以看到，這4個變量間的相關系數都較小，因此，本文取這4個指標，即現金負債比率、流動比率、總資產周轉率、資產利潤率作為最終的變量。

　�。ㄋ模┲鞒煞址治黾澳Ｐ�

　　對估計樣本組上市公司的財務數據，運用SPSS軟件進行主成分分析，結果見表5。

　　本文取累計貢獻為100%，主成分個數m=4，即用4個主成分代替原有的4個財務比率指標，這4個主成分因子包含原來100%的信息量。為了對所取得的4個主成分進行解釋，需要得到4個原始財務比率對4個主成分的因子載荷矩陣（見表6）。從表6可以看到：①主成分X₁主要由F₁和F₂這兩個財務比率指標解釋。②主成分X₂主要由F₃這個財務比率指標解釋。③主成分X₃主要由F₁和F₂這兩個財務比率指標解釋。④主成分X₄主要由F₄這個財務比率指標解釋。

　　根據表5，可以得到主成分的預測函數為：

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

　　根據表6，可以得到主成分關于原始財務比率的線性表達式：

　　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

　　綜合以上表達式，可以得到：

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

　　將樣本組上市公司的各項財務比率代入上面的式子，計算得到64家上市公司的預測Y分值（見表7）。

　　出于預警的目的，本文將Y分值分布情況進行整理（見表8）。

　　由表8可以得到如下評價區域：

　　Y>1 為財務狀況非常安全的區域

　　1>Y>0.5為財務狀況安全區域

　　0.5>Y>0為財務狀況預警區域

　　Y<0 為財務狀況危機區域

　　同時本文把安全類和危機類上市公司被列入預警區域均看作判斷正確。

　　由此，可以得到如下判別分類結果（見表9）。

　　由表9可知：對于估計樣本組來說，39家非ST類上市公司有39家判斷正確，準確率為100%；8家ST類上市公司有6家判斷正確，準確率為75%。對于測試樣本組來說，9家非ST類上市公司有9家判斷正確，準確率為100%；8家ST類上市公司有8家判斷正確，準確率為100%。對于四川省共計64家上市公司來說，48家非ST類上市公司有48家判斷正確，準確率為100%；16家ST類上市公司有14家判斷正確，準確率為87.5%。

　　三、結束語

　　從以上分析結果來看，本文給出的預警模型的效果較好，能夠比較準確地預測四川省上市公司的財務狀況，具有較強的可信度。該模型對于估計樣本組危機類公司分類的正確率較低，主要是由于該模型在建立時，大部分危機類上市公司的2006年財務報表沒有公布，導致估計樣本組中危機類公司相對較少，致使模型可能有一點偏差。