1、1新常态下创新型企业财务预警模型实证研究摘要：珠三角创新型企业在发展中需要及时发现财务隐患，构建财务预警模型，预防财务危机。本文选取 21 家*ST 企业和 21 家非 ST 企业进行财务预警实证分析，首先通过显著性检验对 26 个财务指标进行初选，然后对筛选出的 10 个财务指标分别构建三年的主成分模型，并且对检验组样本进行检验。结果显示，本文所构建的主成分模型准确度较高，对企业的经营决策有较高的参考价值。最后从应用范围和数据源、指标选取等方面分析了所构建主成分模型的局限性，并提出了相应的建议。 关键词：创新型企业 财务预警 主成分分析 实证 一、引言 新常态在经济领域不仅表现为经济的转型升
2、级，还表现在经济的驱动力由要素驱动、投资驱动转变为创新驱动。因此，本文将研究对象确定为创新型企业，它是指以创新思想为指导，以创新体系为基础，以知识产权化的技术和品牌为核心，以实现全面而持续的自主创新为手段，以获取更多利润和获取不断发展为目标的新型企业。其主要出现于技术加工、医药科技、针织贸易、服务业及部分金融领域;集中于我国政治中心、沿海经济带，善于利用该地域在物流通讯、市场潜力、经济购买力、高校人才储备及创业政策环境等方面的优势。创新型企业一般具备以下特征：（1）有自主品牌，不是代工企业;（2）有较强的研发实力，研发人数在 30 人以上;（3）有较大的营业规模，年营业收入在 8 000 万元
3、以2上;（4）有较好的成长性，年收入增长率在 20%以上;（5）创造性强，并不是纯模仿企业;（6）核心经济增长方式内生产式;（7）在已存在的行业或细分市场内，拥有市场占有权。 2013 年 12 月科技部发布的中国区域创新能力报告 2013显示，江苏和广东两省为我国创新型产业集代表区域，二者在国内的 GDP 产值也相当客观。其中，广东珠三角区域创新效益综合排名连续 6 年位居全国第二，带来的经济效应以及创新指标数据等在全国领先。因此，研究珠三角地区创新型企业具有极大的现实意义。而世界经济全球化、产品市场竞争性、研发项目融资途径等诸多因素，都要求珠三角地区的创新型企业能及时发现财务隐患，正确应对
4、财务危机;对经营方向和体制管理所存在的缺陷，做出前瞻性判断，强化抗风险能力。因此，建立完善的财务预警机制，更利于珠三角区域性经济的长远发展。 关于财务预警理论国外已基本成熟，国内主要是在借鉴西方理论的基础上，不断探索符合我国企业市场的新型财务预警系统。国外方面，Fitzpartrick（1932）首次运用一元判别分析法研究样本数据，通过单个财务比率建模推导出权益净利率和净资产负债率在破产企业财务指标方面上有显著性变化。美国学者 Altman（1968）提出 Z 值判定模型，其主要涉猎于中小制造业领域，研究的大多是关于企业破产可能性大小的预测分析，在预测 19701973 间企业样本的有效性超过
5、 80%。学者Edmister（1972）将现金流量指标作为预测变量，为规模较小的企业构建了财务预警分析模型，考核企业实际运营现金流对企业财务问题的影响。Coats 和 Fant（1993）阐述了神经网络模型（NNS） ，该模型对样本3企业的拟合度、预测精度都有绝对优势，然而在某些方面仍然存在技术上的争议。1987 年，吴世农从西方引进针对企业破产危机的实证调研指标，进而阐述财务预警模型。20 世纪末，周首华、杨济华等人根据我国上市企业所处的特殊环境，调整模型指标范围，扩充样本数量，在 Z 分数模型实证研究基础上提出 F 计分法。学者吴世农和卢贤义（2001）选定 6 个财务指标应用 Fish
6、er 线性判断分析，Logisitic 回归分析和多元线性回归分析对 140 家上市公司分别建立预警财务困境模型。李晓峰、徐玖平（2004）提出运用粗糙集理论发展预警模型，有效地采用人工神经网络方法去降低指标数量，保证其主要特征属性并在能力外延等方面做出突破。徐凌等（2014）在传统财务指标的基础上，引入 EVA 指标及现金流量指标从而构建财务预警 Logistic 模型。 二、相关理论 （一）创新型企业财务特点 1.创新型企业项目运营效益重在长远。有形资产比重较低，其中房屋建筑、工厂设备类大型基建物占资产比例小。受知识产权、专利技术及品牌效应等无形资产自身特征的影响，企业所能看到的短期经济效
7、应不大，项目运营前期的财务报表难以直观地反映其真实价值，也存在变现能力低的短板，即企业的经济收益从长远角度分析较为妥当。 2.创新型企业借款方式趋于多元化。创新政策环境宽松，在国家鼓励创新、助于创新的大背景下，创新型企业借款方式多元化，负债结构合理，能够在长期负债和短期负债中找到平衡点，有效利用偿还期限和借款利率的差异，获得较充盈的运营资金进行新项目的开发，在一定程4度上能降低成本并分散风险。但是，企业借贷信用问题、项目运营效益又成为关键因素。 3.财务投融资决策面临挑战。经常性的股权转让，引发企业内股权结构不稳定、投融资情况不明晰，这对上市公司对外信息披露提出要求。另一方面，创新型企业由于投
8、资项目的不断推进以及创新业务开展的逐步深入，企业时间跨度、资金需求量等方面表现出很大的不确定性，这给管理者在财务融资决策方面带来某种程度的考验。 4.企业盈利曲线先平缓后急剧增长。企业带来的利润效益不完全成比例增长，期初研发成本、销售成本、人力资本投入较多，企业业绩不稳定收益较低，盈利曲线处于数值较低的位置，甚至可能出现亏损的情形;待项目成熟且盈利方式固定，企业的收益将可能大幅度的提高，盈利曲线会呈现出陡增式的幅度增长，但在项目完成的一定期限内，受市场需求的因素影响较大。 （二）财务预警及其分析方法 财务预警是以财务报表、运营计划及其他相关资料为基础，对企业经营成果、财务状况及其变动进行分析和
9、预测，及时发现经营管理中存在或潜在的财务和经营风险，从而判断财务危机发生的可能性，并及时向经营者发出警告，为其提供决策依据及建议。 财务预警常见的方法主要有一元判别分析法、多元判别分析法、Logistic 回归分析、主成分分析法等。本文根据正态性和显著性检验挑选变量，然后采用主成分分析法建立企业的财务预警模型，并检验模型预测效果的好坏，最终完成一个系统化的模型论证。 5三、财务预警模型构建 （一）样本选取 1.样本选取标准。本文研究的对象是珠三角地区的创新型企业，所选取的主要是广东板块的上市企业，因该区域出现财务危机被特别处理或是退市处理警告的企业相对较少，故而参考了深市 A 股相近行业的上市
10、企业，同时未被 ST 的上市企业均采用广东板块的数据，尽可能地保证样本的有效性。 选择单个样本企业应满足以下要求：（1）扩展选取行业范围，在同行业内进行一比一配对样本，避免行业间的差异性影响;（2）企业资产规模相当，在企业现金流、成本支出、负债或者投资收益等方面，可比性更好;（3）满足创新型企业的主要条件，若是难以满足应优先考虑资产规模相当原则，但保证要同时期，在规定年限内财务数据可以获得。2.样本来源。本文选取 2013 年被特别处理的上市公司 20102012年的财务报表数据。选取 21 家*ST 企业和 21 家非 ST 企业，作为最终研究样本，其中 20 家企业作为建模组，另外 22
11、家企业作为检验组，每组间采样均为 11 设置。样本总共涉及 23 个行业，对于珠三角地区创新型企业的覆盖面较广，在信息反映方面将更具有代表性，对于以后财务指标的应用也会更全面。 （二）指标体系的构建 1.指标初选。本文根据重要性、全面性、可行性和可比性的原则从企业的偿债能力、运营能力、盈利能力、发展能力、现金流量能力等五6个方面选取指标如表 1 所示。 2.指标筛选。初选指标能比较完整地反映一个企业的经营状况，但这些指标是否能区别 ST 企业和非 ST 企业，还需要进一步的考证。高效的预警模型有赖于显著性检验，因此，先对所选择的 26 个基础指标进行K-S 检验，考核总体是否服从正态分布，进而
12、判断采用何种检验方法。 （1）参数性检验。SPSS 的 K-S 检验可以检验 4 种理论分布：正态分布、均匀分布、泊松分布和指数分布。因此，本文采用 K-S 检验法对26 个财务指标进行正态性检验，原假设 H0 为财务指标符合正态分布，置信区间为 95%。 以表 2X1 检测结果分析如下：总观测数量为 20，正态分布参数中均值为 4.22，标准差为 7.79，最大极差的绝对值为 0.4，最大正极端差为0.4，最大负极端差为-0.31，K-S 检验统计量 Z 值为 1.81，双侧渐进性显著概率为 0.003，小于 0.05.因此，应拒绝原假设，表示 2010 年度流动比率（X1）不服从正态分布。
13、进而，从表中数据可以得知变量X6、X7、X10、X11、X13、X22、X23、X23 服从正态分布，其余均不服从。从表 3 中数据可以得知变量X4、X7、X8、X9、X10、X11、X13、X15、X18、X22、X23、X24、X25 服从正态分布，其余均不服从。 从表 4 中数据可以得知变量X4、X7、X8、X10、X11、X12、X13、X14、X15、X16、X18、X19、X21、X24、X25 服从正态分布，其余均不服从。 7综合三年的分析结果，其中发现在三个时期均服从正态分布的变量是 X7、X10、X11、X14、X24 共 5 个变量，所以财务指标变量在总体上并不服从正态分布
14、，故对样本的显著性检验应采用非参数检验法。 （2）非参数检验。 本文采用 Mann-Whitney 的 U 检验法对样本进行非参数检验，原假设为*ST 企业和非 ST 企业的财务指标没有明显的差异，置信区间为95%。在 2010 年财务指标汇总数据基础上添加新变量 B，标签为经营情况，其中 1 代表*ST，2 代表非 ST，变量分析过程见表 5。 从表 5 中可以看出：Mann-Whitney 的 U 统计量值为 23.500，Wilcoxon 的 W 统计值为78.500，Z 值等于为-2.004，双尾渐进显著性概率为 0.045，小于 0.05，故应拒绝原假设，即*ST 企业和非 ST 企
15、业财务指标有明显差异。按照上述方法，依次检验 2010-2012 各年财务指标，结果见表 6。 从表 6 中可以看出，未通过显著性检验的财务比率，在当年不能成为指标变量，应该剔除。究其原因为：广东省*ST 企业数量少，选取样本容量相对较小;历时时间短，只能获取近三年财务数据。因此，导致属于营运能力、发展能力和现金流量的财务比率均被剔除，即在本文的建模样本中，*ST 企业和非 ST 企业在这些财务比率指标中没有显著性差别，建模时也不再考虑，仅从偿债能力、盈利能力等方面进行考量，涉及到指标为流动比率（X1） 、速动比率（X2） 、资产负债率（X3） 、主营业务比率（X8） 、净资产收益率（X9）
16、、总资产利润率（X10） 、资产报酬率（X11） 、销售净利率（X12） 、销售毛利率（X13） 、营业利润率（X14） 。 （三）构建主成分分析模型 8利用主成分方法建立模型，并对*ST 企业和非 ST 企业在 2011 年的经营状况做初步判定。主要步骤如下： 1.提取主成分（见表 7） 。 依据特征值大于 1 选取四个主成分，共解释 85.781%的原始信息，即只需原筛选出的原始指标的 40%指标数可以反映绝大部分原始信息，主成分分析合理。 （2） 主成分模型。根据成分矩阵（见表 8）和相应的特征值可计算出四个主成分相应的特征向量，并可得出其表达式如下： Y1=0.225X1+0.258X
17、2-0.118X3-0.053X8-0.228X9+0.433X10+0.425X11+0.435X12+0.258X13+0.437X14 主成分 Y1 中，总资产利润率（X10） 、资产报酬率（X11） 、销售净利率（X12） 、营业利润率（X14）的系数较大，都大于 0.4 且为正值，主要反映了企业的盈利能力与这些比率成正比关系，随着比率数值提高则表明公司的经营业绩呈正增长趋势，获利能力增强，能较好地反映企业该年度盈利能力状况，可命名为“盈利因子” 。 Y2=0.464X1+0.427X2-0.157X3-0.171X8+0.477X9+0.112X10+0.137X11-0.345X1
18、2+0.230X13-0.342X14 主成分 Y2 中，流动比率（X1） 、速动比率（X2） 、净资产收益率（X9）的系数为正，且在 0.45 上下浮动。X1、X2 反映的是企业的短期偿债能力，X9 表示净资产占总资产的比重，比值越高则企业年度的净利润额越大，可用于偿债的资金也就越多，从根本上保证了偿债资金来源。因此，Y2 可被定义为“偿债因子” 。 9Y3=-0.423X1-0.430X2+0.211X3+0.063X8+0.413X9+0.396X10+0.428X11-0.104X12+0.24X130-0.095X14 主成分 Y3 中，由于流动比率（X1） 、速动比率（X2）的系数
19、是负数，也就是说起到减值作用;净资产收益率（X9） 、总资产利润率（X10） 、资产报酬率（X11）系数为正，与 Y3 呈正比;同时上述五个指标系数的绝对值相近，均在 0.40 上下浮动，对主成分的影响比重相当。所以在表达式中，可以看到偿债能力和盈利能力的双重影响下的变化，即综合反映一个企业的经营状况，被定义为“经营因子” 。 Y4=-0.054X1-0.069X2-0.504X3+0.671X8-0.040X9-0.160X10-0.082X11-0.037X12+0.501X13-0.030X14 主成分 Y4 中，主营业务比率（X8）系数很大，其次为销售毛利率（X13） ，二者对 Y4
20、的影响较强;偿债能力的几个指标都是负值，相应起到减值的作用。 综合可得出 2011 年主成分分析模型： Y2011=3.672/8.578Y1+2.390/8.578Y2+1.387/8.578Y3+1.129/8.578Y4 =0.1501X1+0.1508X2-0.1265X3+0.0282X8+0.0968X9+0.249X10+0.2785X11+0.0684X12+0.2793X13+0.0725 X14 根据模型可得出综合得分，利用中位数法得出 PS 值为 0.3075。因10此，Y 值评定标准：当 Y0.3075 时，则两年后该企业为非 ST 企业;当Y0.3075 时则两年后该
21、企业为 ST 企业。 （四）检验预警模型 1.财务危机前两年模型检验。本文将对检验组相对应 2011 年数据进行检验，考察该企业在两年后的财务危机状况，对上述的因子模型的预测能力进行判别。经过分析有 10 家企业为非 ST 企业，有 12 家企业为*ST 企业，其中误判的是华赛的一家企业，即本次模型检验结果的准确率为 95.45%。因此，在 2011 年（危机前 2 年）该模型检测效果相当可观。 2.预警模型检验结果汇总。按照同样的分析方法可构建出距离财务危机前一年（2012）和前三年（2010）的财务预警模型，并对其进行检验。 由于篇幅原因，详细分析过程不再赘述，其主成分模型（2010）列示
22、如下： Y2010=40759/8.1Y1+20214/8.1Y2+1.127/8.1Y3=0.2502X1+0.2554X2-0.1074X3+0.1976X8-0.1515X9+0.2570X10+0.2644X11+0.1587X12+0.2217X13+0.1657X14 根据模型可得出综合得分，利用中位数法得出 PS 值为 0.7465，经判别分析得出属于*ST 企业有 14 家，非 ST 企业有 7 家，因数据缺失而需要剔除的有 1 家，误判的有华赛、绿景控股、粤宏远、东莞控股、*ST 中冠 A 等 5 家企业。经计算该模型检验准确率为 76.19%，准确率较 2011 年降幅略大，但总体检测结果仍就大于 70%，有参考价值。
