1、因子分析法在广西上市公司财务评价中的运用 一、引言 下载 随着我国资本市场的不断发展和壮大，上市公司数量也在快速增长。投资者、债权人和政府等利益相关者对于这些公司的评价和关注也越来越需要更多的指标来判断支撑。其中重点的数据指标就是上市公司的财务数据指标。然而，面对多项上市公司财务指标，如何进行财务综合评价则是一个较复杂的问题。针对财务综合评价的问题，其中因子分析法是一个较好的解决方法。同时，有学者结合不同数据及不同的分析情况运用这一方法做出了较多的研究。朱顺泉（ 2004）通过选取 20 个上市公司及其 15 项评价指标的数据作为考察对象，运用所构 建的因子分析模型进行了综合评价分析，最后得出
2、前十名的公司排名并认为这种因子分析方法增加客观性和减少了指标选择的工作量问题。姜灵敏（ 2007）通过选取我国上市公司 2004 年上半年报各行业的 7个财务指标运用因子分析进行了行业的综合评价研究，并得出前五位行业排名。颜如意（ 2010）运用因子分析法对我国 2008年 17家公路行业上市公司的财务状况水平进行了排名研究。刘子农（ 2010）通过选取 2008 年 53 家安徽省上市公司 12项财务数据指标，运用因子分析法进行了综合评价研究并得出前 10家公司的排名。韩芳艳 、张孝友 （ 2009）通过选取 2007 年重庆市 21家上市公司 11项财务数据指标，运用因子分析法进行其综合研
3、究，并得出前三和最后两位排名。可以发现，因子分析方法是一种方法，是一种分析工具，因此可以用来分析不同行业公司的财务综合评价，可以用来分析某一个行业内不同公司的财务综合评价，同时也可以用来分析同一地区不同公司的财务综合评价问题。 二、指标选择及数据选择 财务指标主要从偿债能力、运营能力和盈利能力等方面来选择相应的指标。具体指标有：流动比率 x1，速动比率 x2，现金比率 x3，资产负债率 x4，产权比率 x5，债务 -有形净值比率 x6，权益乘数 x7，长期资本负债率 x8，经营现金流量负债比 x9，应收账款周转次数 x10，存货周转次数 x11，流动资产周转次数 x12，净营运资本周转次数 x
4、13，非流动资产周转次数 x14，总资产周转次数 x15，销售净利率 x16，毛利率 x17，资产净利率 x18和权益净利润 x19。 关于数据选择，主要是选择了广西在沪深两市的所有 A 股上市公司 2009年财务数据（所计算数据均源自巨潮网站），其中剔去 ST 类公司 6家，最后剩下 20 家上市公司。表 1 是对所选 20 家上市公司 19 项财务指标数据的统 计描述。从表 1中可以看到，各指标最大与最小的差距是比较大的，标准差表现波动也较大。这种差距的原因可能是由于这 20 家公司所属行业状况是不一样的。整体而言，指标数据表现规律性不明显。 三、因子分析过程 其一，因子分析判断。采用 K
5、MO和 Bartlett球度对原始数据检验是否适合做因子分析，用 SPSS 分析得出结果如表 2所示： 由输出结果可知 KMO 值为 0.678，达到可行性标准，而且 Bartlett 球度检验的卡方统计值为 293.797，自由度为 91，相伴概率为 0.000，远小于显著性水平 0.05，因此拒绝原假设，认为原始变量适合做因子分析。 其二，提取因子。运用主成份分析法提取了 4个主因子，前 4 个特征值累计贡献率已达 84.245%，说明前 4 个因子基本包括了全部指标具有的信息，故取前 4个特征值，得到因子载荷矩阵。为了更好地对主因子进行解释，采用最常用的方差最大法对提取的主因子进行因子旋
6、转，得到表 3。 由表 3 可知，第一因子 F1 在流动比率（ x1），速动比率（ x2） ，资产负债率（ x4），产权比率（ x5），债务 -有形净值比率（ x6），长期资本负债率（ x7）上的载荷较大，根据指标 经济意义其反映了在公司在偿债能力方面的综合评价；第二因子 F2在经营现金流量负债比（ x8），资产净利率（ x13），权益净利润（ x14）上的载荷较大，根据指标经济意义其反映了公司在盈利能力方面的综合评价；第三因子 F3 在应收账款周转次数（ x9） ，总资产周转次数（ x11）上的载荷较大，根据指标经济意义其反映了公司在营运能力方面的综合评价；第四因子 F4在存货周转次数（ x
7、10）上的载荷较大，根据指标经济意义其反映了公司在营运能力方面的综合评价。可以发现在数据处理上分成了 4个因子，但是根据指标的经济意义，最后 2个因子都 反映了公司营运能力方面的综合评价。 其三，计算因子得分矩阵 。通过回归法计算因子得分，可以得到因子得分矩阵表 4。 由表 4 可知，资产负债率（ x4）对第一个因子的影响最大，权益净利率（ x14）对第二个因子的影响最大，总资产周转次数（ x11）对第三个因子的影响最大，存货周转次数（ x10）对第四个因子的影响最大。 其四，计算各公司得分。在因子分析的基础上，对各个公司进行公共因子得分的计算，并以各因子的方差贡献率为权重进行加权汇总，得到各
8、城市的综合得分。综合得分模型为： F=0.35948F1+0.24626F2+0.14496F3+0.09175F4 最后可以得到：各个公司的各因子和综合得分及排序情况如表 5。表中因子得分及综合得分的正负情况仅表示该公司的财务状况与平均水平的相对情况，并不能代表财务状况为负的状况。 由表 5可以看到，以第一因子 F1得分来看，其前五名的分别是桂东电力1.4593，中恒集团 1.2554，桂冠电力 1.06，阳光股份 1.0025，北海港0.859；其后五名的分别是广陆数测 -0.6772，两面针 -1.0351，索芙特-1.2927，皇氏乳 业 -1.8674，桂林三金 -1.9722。这说
9、明了前五名比后五名的公司在偿债能力上综合评价要强。 以第二因子 F2 得分来看，其前五名的分别是桂林三金 2.7584，中恒集团 1.6697，柳工 1.0583，阳光股份 0.6646，皇氏乳业 0.6524；其后五名的分别是贵糖股份 -0.705，广陆数测 -0.7538，莱茵生物 -0.98，索芙特-1.1752，两面针 -1.2503。这说明了前五名比后五名的公司在盈利能力上综合评价要好。 以第三因子 F3 得分来看，其前五名的分别是南宁百货 3.2034，柳钢 股份 1.4035，；柳工 0.7019，南宁糖业 0.4793，贵糖股份 0.4527；其后五名的分别是阳光股份 -0.6
10、304，北海港 -0.7111，桂冠电力 -0.7829，中恒集团-0.7991，五洲交通 -1.6694。以第四因子 F4 得分来看，其前五名的分别是桂林旅游 2.2534，北海港 1.6794，桂东电力 1.465，桂林三金 0.8537，皇氏乳业 0.6119；其后五名的分别是五洲交通 -0.6195，莱茵生物 -0.7471，贵糖股份 -0.7833，柳工 -1.3922，中恒集团 -1.5058。因为因子 F3 和 F4在经济意义上都是反映了公司的运营能力，因此其前五名的公司要比后五名的公司在运营能力上综合评价要好。 从各个公司的各个因子得分来看，不同因子反映了不同的方面。在最后综合
11、评分中可以看到排在前五名的公司分别为：南宁百货，中恒集团，桂东电力，北海港和阳光股份；而排在后五名的公司分别为：皇氏乳业，广陆数测，莱茵生物，两面针和索芙特。结合各个因子得分来分析最后的总分排名，可以发现：综合得分排第二名的中恒集团在第三因子 F3 和第四因子 F4 中排名都在后五位，说明该公司应当适当关注公司的营运能力；综合排名前五的北海港 和阳光股份在第三因子 F3 中评价也是在后五位，说明这两家公司应当需要关注公司的营运能力。而综合排名后五家公司在各因子中排名比较靠后，其中这五家公司在各因子得分排名后五位中均有出现，说明他们应该适当关注这些不足的方面。 四、结论 从以上的分析可以看出，在
12、整个过程中因子分析方法较为客观地评价了广西 20家 A 股上市公司的综合财务状况，并且结合各个因子得分和综合得分给出上市公司的排名情况。这种分析的结果，对投资者等外部利益相关者来说，可以为其投资等决策提供一定的参考价值；从公司本身发展来看，可以让公 司发现财务状况某些方面的不足或优势，从而能够不断地改进不足或更好地发挥优势。 通过对因子分析法的应用研究可以发现，其分析过程中对众多指标处理进行提炼出几个主要因子，最后可以综合为一个总得分。而这些分析主要是基于数据相互关系做出的，必须要有现实的背景支持，因此在各个因子提炼上应有一定的经济解释意义。因此，当发生不同的指标选择时，得出各个因子的经济解释意义将会可能出现不同。这也是未来需要进一步研究的方向。需要在指标选择进一步考察不同时期数据指标，同时还需要考虑行业因素和地区因素下的数据指标选择问题。此 外，对于因子分析方法过程中的选择和比较也是今后需要进一步研究的发展方向。 参考文献： 1朱顺泉：基于因子分析法的上市公司财务状况评价研究，统计与信息论坛 2004 年第 4 期。 2姜灵敏：因子分析在上市公司分行业绩效评价中的应用，生产力研究 2007 年第 14 期。 3刘子农：安徽上市公司经营绩效评价 基于因子分析法，现代商业 2010 年第 5 期。 （编辑刘姗）
