基于現(xiàn)金流量標(biāo)準(zhǔn)的企業(yè)財(cái)務(wù)預(yù)警實(shí)證研究

1、<p>　　基于現(xiàn)金流量標(biāo)準(zhǔn)的企業(yè)財(cái)務(wù)預(yù)警實(shí)證研究</p><p>　　摘要：隨著電力體制的改革，銀行利率的上升，電力行業(yè)也面臨著前所未有的財(cái)務(wù)風(fēng)險(xiǎn)，自09年以來，不少電力上市公司相繼被ST處理。本文通過主成分分析和因子分析，得到反映上市公司經(jīng)營情況的綜合指標(biāo)，并依據(jù)預(yù)警指標(biāo)變量基于Logistic回歸分析的方法，構(gòu)建了財(cái)務(wù)預(yù)警的模型，實(shí)證結(jié)果表明，模型的準(zhǔn)確率為87.2%。 </p>&

2、lt;p>　　關(guān)鍵詞：電力行業(yè)；財(cái)務(wù)預(yù)警；現(xiàn)金流量；logit模型 </p><p><b>　　一、引言 </b></p><p>　　財(cái)務(wù)預(yù)警是以財(cái)務(wù)會(huì)計(jì)信息為基礎(chǔ)，通過設(shè)置并觀察一些敏感性的指標(biāo)，對(duì)企業(yè)可能會(huì)面臨的財(cái)務(wù)危機(jī)進(jìn)行預(yù)警，指導(dǎo)企業(yè)做出應(yīng)變措施，改善企業(yè)狀況。財(cái)務(wù)預(yù)警模型的種類很多，主要分為定性分析法和定量分析法。定性分析方法依靠人的主觀判斷進(jìn)行財(cái)

3、務(wù)預(yù)警分析。定量分析方法比較有代表性的有單變量預(yù)警模型、多變量預(yù)警模型。綜合以前的研究成果來看，基于行業(yè)特點(diǎn)的預(yù)警模型較少，現(xiàn)金流量的預(yù)警模型的準(zhǔn)確率較高。因此，本文通過選取基于現(xiàn)金流量基礎(chǔ)的財(cái)務(wù)指標(biāo)，依據(jù)電力行業(yè)上市公司的年度報(bào)表進(jìn)行預(yù)警模型的研究。 </p><p><b>　　二、研究設(shè)計(jì) </b></p><p><b>　　1、樣本選取 </

4、b></p><p>　　國外在進(jìn)行企業(yè)財(cái)務(wù)預(yù)警的實(shí)證研究中，一般是以企業(yè)破產(chǎn)作為財(cái)務(wù)失敗的樣本。在我國證券市場還處于初級(jí)階段，很少有企業(yè)破產(chǎn)。我國學(xué)者在研究時(shí)一般以ST公司作為財(cái)務(wù)失敗的樣本，本文同樣采取這種處理方式。本文選取在我國滬、深A(yù)股上市的電力企業(yè)作為研究樣本，剔除財(cái)務(wù)數(shù)據(jù)異常及數(shù)據(jù)缺失的樣本。共47家，其中財(cái)務(wù)正常公司41家，ST公司6家。樣本數(shù)據(jù)選自巨潮資訊上市公司年報(bào)。 </p>

5、<p><b>　　2、指標(biāo)的選取 </b></p><p>　　在借鑒國內(nèi)外已有研究成果的基礎(chǔ)上，選擇償債能力指標(biāo)、獲現(xiàn)能力指標(biāo)、成長能力指標(biāo)和財(cái)務(wù)彈性共四類現(xiàn)金流量指標(biāo)作為研究變量，共選取11個(gè)指標(biāo)，反映償債能力的債務(wù)保障率、應(yīng)收賬款周轉(zhuǎn)率。反映獲利能力的銷售收到現(xiàn)金比率、全部資產(chǎn)現(xiàn)金回收率、每股經(jīng)營活動(dòng)現(xiàn)金凈流量。反映成長能力的銷售收入增長率、經(jīng)營活動(dòng)現(xiàn)金流量凈增長率 、

6、總資產(chǎn)增長率。反映財(cái)務(wù)彈性的現(xiàn)金流量利息保障倍數(shù)、購貨付現(xiàn)比率并分別為X1-X11。 </p><p><b>　　三、實(shí)證分析 </b></p><p>　　3.1 主成分分析及因子分析 </p><p>　　借助spss19.0，通過因子分析和主成分分析選取反映上市公司經(jīng)營情況及現(xiàn)金流量的綜合指標(biāo)，從各變量之間的相關(guān)系數(shù)矩陣可以看出，諸多變

7、量之間存在著較強(qiáng)的相關(guān)性，因此進(jìn)行因子分析是合理的。 </p><p>　　KMO and Bartlett’S Test檢驗(yàn)，KMO的值為0.616大于0.6，表示可以做因子分析；又因Bartlett球狀檢驗(yàn)的相伴概率為0.00，遠(yuǎn)遠(yuǎn)小于顯著性水平0.05，因此可以認(rèn)為原始變量之間存在相關(guān)性，適合做因子分析。 </p><p>　　表1可以看出，保留5個(gè)公因子可以解釋原始變量的85.76

8、1%的信息，大于85%，提取結(jié)果讓人滿意。 </p><p>　　表2給出了旋轉(zhuǎn)后的因子載荷矩陣。第一個(gè)公因子反映了債務(wù)保障率、現(xiàn)金流量比率以及全部資產(chǎn)現(xiàn)金回收率，銷售收入增長率，集中反映了企業(yè)的償債能力以及獲現(xiàn)能力。第二個(gè)公因子反映了經(jīng)營活動(dòng)現(xiàn)金流量增長率、總資產(chǎn)增長率以及現(xiàn)金流量利息保障倍數(shù)，為企業(yè)的成長能力因子，第三個(gè)公因子反映了企業(yè)的銷售收入增長率以及總資產(chǎn)增長率，第四個(gè)公因子反映了企業(yè)銷售收到的現(xiàn)金比率

9、以及購貨付現(xiàn)比率，第五個(gè)公因子反映企業(yè)的應(yīng)收賬款周轉(zhuǎn)率。 </p><p>　　3.2 logit回歸模型 </p><p>　　利用SPSS19.0軟件，根據(jù)5個(gè)公因子以及47家樣本公司在這5個(gè)公因子上的得分進(jìn)行二元邏輯回歸分析，非ST公司定義為1，ST公司定義為0，得到的回歸分析結(jié)果如表3所示： </p><p>　　第一類錯(cuò)誤（將ST公司判別為非ST公司）為0

10、，第二類錯(cuò)誤（將非ST公司判定為ST公司）為14.6%，總體的正確率為87.2%，結(jié)果讓人滿意。 </p><p>　　可以得出邏輯回歸模型：ln（ p^ / 1- p^ ） = 0696+5632F1+1496F2+4018F3-0324F4+0156F5 </p><p><b>　　結(jié)論 </b></p><p>　　本文的預(yù)警模型通過選