煤炭行业上市公司财务危机预警

文/张紫娟

【摘要】当今，越来越多的投资者通过证券公司对上市公司进行投资。但如果上市公司出现财务危机而投资者不能及时掌握相关信息，将会面临很大的风险，造成很大的经济损失，甚至会影响整个社会的稳定。随着市场经济的发展，日益复杂的国内外环境使得企业出现财务危机的情况时有发生。财务危机预警是为了预测财务危机、减少其损失而建立的，有着较大的学术价值和实用性。近年来，我国煤炭业企业纷纷上市，但当下煤炭价格内外倒挂，消费比例降低，需求持续不足，因此迫切需要增强预警意识和加强相应的财务预警研究。

教育期刊网 http://www.jyqkw.com
关键词 煤炭行业；财务危机；财务预警；Logistic回归

【作者简介】张紫娟，新疆财经大学统计与信息学院硕士研究生，研究方向：市场调查。

目前，财务危机的问题越来越普遍化。随着经济一体化的发展，市场竞争激烈，企业的经营风险日益加大，如果事态发展对公司不利且成为一种趋势而得不到及时挽救，危机会不可避免地发生。从上世纪80年代开始，我国就开始了对财务危机的预警模型研究，但针对煤炭业的研究很少。现在，我国煤炭行业上市公司中只有一家被ST，任何一家企业的财务困境由萌生到恶化以致到无法挽救都是一个逐渐积累与转化的过程，这一过程就成为本文研究的重点。在这一过程中，各种危机因素会通过敏感性指标反映出来，通过观测这些指标，对此进行有效分析，及时诊断，就可以分析警情，制定预警、排警政策，帮助公司化解财务危机。

一、研究设计

（一） 研究变量的删选

1.财务指标体系的基本说明。财务指标是用来反映企业财务信息数据之间的比率，我们可以通过财务指标更好、更全面地了解企业的财务状况和经营成果。不同种类的财务指标从不同的角度反映着企业的财务状况，这些指标之间不是孤立的，它们有着内在联系。应根据煤炭行业自身的特点来选取一系列指标，建立一套符合煤炭行业特殊性的财务风险预警指标体系。

财务管理理论认为，企业的财务状况主要取决于企业的盈利能力、经营能力、偿债能力、成长能力。盈利能力指标包括每股收益、总资产收益率、净资产收益率、销售毛利率和销售净利率。经营能力指标包括存货周转率、固定资产周转率、流动资产周转率、总资产周转率、应收账款周转率。偿债能力指标包括流动比率、速动比率、产权比率、利息保障倍数、资产负债率。成长能力指标包括营业收入增长率、营业利润增长率、总资产增长率、固定资产增长率、股东权益增长率和净利润增长率。考虑到资本结构对煤炭业具有至关重要的作用，本文增加了资本构成中的股东权益比率、固定资产比率和流动资产比率，使预测变量的选择范围更广泛、更全面。

2.主成分分析法的实证分析。对39家公司的数据进行主成分分析，根据累计方差贡献率大于80%的原则，选取6个主成分，这6个主成分累计贡献率为81.97%，包含了原来81.97%的信息量，结合主成分的载荷可以得出6个主成分的因子表达式：

C1=-0.134X1-0.16X2-0.124X3+……-0.197X24

C2=-0.257X1-0.326X2-0.313X3+……+0.117X24

……

C6=0.12X1+0.419X6-0.273X3+……-0.249X24

其中，C1、C2、……、C6 分别代表6 个主成分；X1、X2、……、X24分别代表同趋化、标准化后的各个指标（并非原始指标）。

3.主成分分析法的分析总结。主成分C1 在销售净利率、总资产周转率、固定资产增长率上的载荷值都很大，可视为盈利能力、偿债能力、增长能力的主成分；主成分C2在总资产收益率、销售毛利率、净利润增长率上的载荷比较大，可视为盈利能力的主成分；主成分C3在流动比率、产权比率-1 上载荷较高， 可视为偿债能力的主成分；主成分C4 在存货周转率、流动资产周转率、固定资产周转率的载荷较大，可视为营运能力的主成分。根据主成分的方差贡献率及主成分的负荷，最终选取的指标为：X4为销售毛利率、X7为固定资产周转率、X8为流动资产周转率、X11为流动比率、X19 为固定资产增长率、X23 为固定资产比率-1。

（二） 样本选取及财务状况分组

本文选取了2014年沪市和深市中行业定位为煤炭业的39家上市公司为样本对象进行分析，这些财务数据均来自于其公开的定期报告资料。

1.样本分组的基本说明。要进行财务危机预警模型的构建，需要将39家样本公司分为两组，一组是财务状况较好，不会发生财务危机；另一组财务状况不好，发生财务危机可能较大。目前，国内的大多研究者都依据人为的主观经验，将研究对象分为财务危机公司和非财务危机公司，将ST 公司认定为财务危机公司，而非ST 公司被认定为非财务危机公司。但有些企业的财务状况出现了问题，却没达到被特别处理的程度，容易被忽略。我们必须根据上市公司财务数据的内在关系来进行科学的分类，本文通过kmean聚类方法对预警样本进行初步聚类，然后通过主成分综合得分，对预警样本进行再次的财务状况分析，最后确定39家公司的分组，这样就可以尽量消除主观性、任意性，提高分类的科学性。

2.实证分析。

（1） Kmeans聚类法初步分类。聚类分析有效地解决了多因素、多指标的分类问题，它将分类对象按一定规则分成若干类，这些类不是事先给定的，而是根据数据的内在联系确定的。在同一类中，这些对象在某种意义上趋向于彼此相似；而在不同类中，对象趋向于不相似。本文对数据进行处理后，将企业分为两类：①财务危机公司：神火股份、煤气化、黑化股份、*ST 贤成、安泰集团、爱使股份、百花村、云维股份、国投新集共9家。②非财务危机公司：靖远煤电、新大洲A、美锦能源、平庄能源、冀中能源、西山煤电、露天煤业、郑州煤电、兰花科创、永泰能源、兖州煤业、阳泉煤业、盘江股份、安源煤业、大有能源、上海能源、金瑞矿业、云煤能源、恒源煤电、开滦股份、大同煤业、宝泰隆、中国神华、昊华能源、陕西煤业、平煤股份、潞安环能、中煤能源、山煤国际、山西焦化共30家。

（2） 主成分综合得分及排名。通过前文中计算出的主成分得分，再以各主成分的方差贡献率作为权数，构造综合得分模型函数：

T=0.2487C1 + 0.4825C2 + 0.6127C3 + 0.7008C4 +0.7643C5+0.8197C6

由于根据各指标的内在关系计算得出各主成分的方差贡献率并作为权数，这就克服了人为赋权的主观性，充分反映了综合得分与各指标的真实关系，因而具有较强的科学性。根据综合得分函数，即可得到39 家公司的综合财务实力评分。

3.样本分组的分析总结。根据各主成分的解释，再结合各家上市公司在6 个主成分上的得分、综合得分，就可以对各公司的财务状况进行评价。通常情况下，主成分得分的大小无绝对的实际意义，但是其相对大小有意义，所以本文根据各公司综合得分的大小对39家煤炭公司进行排序，从而确定相对警情，并根据警情分析警源，制定排警对策。

由综合得分的排名和聚类结果可以看出，被聚为财务危机组的公司排名都靠前，集中在前端。其中，煤气化、神火股份在聚类时被分到了可能发生财务危机的一组；在主成分综合得分中，得分比山煤国际、安源煤业稍低，所以排名靠前。这是由于煤气化、神火股份在第三主成分上得分低，所以在一定程度上拉低了总得分。而安源煤业、山煤国际在第四主成分上得分高，使总的排名靠后。第三主成分反映了偿债能力，第四主成分反映了营运能力。也就是说，煤气化和神火股份两家公司偿债能力比较好，但是其营运能力却很差，周转的周期长，存货转化为现金、应收账款的速度慢，企业变现能力较差，这样会加大企业的财务风险，陷入财务危机的可能性会比较大。所以，在构建模型时，还是将煤气化、神火股份划分为财务状况不好的一组。

二、预警模型构建

Logistic回归方法以极大似然原理为基础，是通过似然函数极大化求得总体参数估计量的一种参数估计方法。在Logistic模型中，被解释变量只取0 和1 两个值。本文预测财务危机能够发生只有两种情况，发生为“1”，不发生为“0”。

根据上述统计，本文得到煤炭业上市公司的财务危机预警模型：

In(p/(1-p))=9.186307-0.457378X4-4.169787X7-7.396862X11+0.060018X19+178.9797(X23)-1

从入选的5个指标来看，销售毛利率、固定资产周转率、流动比率与财务危机的发生成负相关关系：当比率越大时，财务状况较好，发生财务困境的可能较小。而固定资产比率-1、固定资产增长率则与财务危机的发生成正相关关系。

固定资产比率取值为0到1，鉴于煤炭行业的特殊性，这个行业需要很多设备，所以在一定范围内，固定资产比率越大，财务风险会相对小，拥有大量固定资产的企业可以通过长期负债和发行股票筹集资金，所以固定资产比率-1 与财务危机的发生成正相关关系。而从增长率的角度上看，如果煤炭行业固定资产投资过猛，也就是说企业进行固定资产投资的现金流支出占投资活动现金流支出的绝大比重，会导致资产不能合理利用，固定资产投资与回报比例不匹配，这样会加大财务风险。所以，对于煤炭行业的固定资产投资规模需要严加审视，加强固定资产的经营能力。

本文的财务危机分析是建立在我国煤炭业上市公司的财务数据基础之上的，这些数据能真实反映企业的经营业绩、财务状况，有较强的预测能力。通过对有效财务指标的分析，能够预测未来企业财务失败的可能性。也就是说，依据企业的财务数据，了解其经营情况，通过对有效指标的科学分析做出财务危机预警，可为隐性的财务危机做好预防工作。

三、结语

本文的创新点在于尝试根据聚类方法和主成分综合得分的情况对39家上市公司的样本进行财务状况的分组，然后通过主成分分析及载荷对指标进行客观删选，确定变量。最后实证部分用Logit回归构建了煤炭业财务危机预警模型。Logit模型拟合优度70.82%，p 值为0.000016，所以模型对于未来的预测能力还是比较理想的。本文的不足在于未在分析中纳入非财务指标，例如管理水平指标、企业生命周期、宏观经济指标等，虽然如此，我们不能否定非财务指标的重要性。而且本文用的是截面数据，一般的ST公司是指连续两年出现亏损，所以采取连续三年的财务数据会更加有说服力。本文构建的财务危机模型必须在合理范围内使用，对于不同时间，由于数据的时效性，模型本身应处于不断完善的发展过程中。在实际运用中，应将模型预测结果与日常综合评价分析相结合，将财务预测与经营活动中相关分析预测相结合，确保预测的准确性。

教育期刊网 http://www.jyqkw.com
参考文献

[1]任永平,牛力.IPO 企业上市前主要财务指标的统计分析——以中小板制造业为例[J]. 财会月刊,2013,(23):18-20.

[2]赵媛.基于可持续发展的煤炭上市公司财务危机预警研究[D].太原:山西财经大学,2012.

[3]张利娜.基于Logit 模型的我国上市公司财务危机预警分析研究[D].上海:华东师范大学,2012.

[4]刘雁.上市公司财务危机预警分析——以煤炭上市公司为例[J].中国集体经济,2013,(22):71-72.

[5]何妮.制造业上市公司财务危机预警比较与分析[D].成都:西南财经大学,2013.

（责任编辑：夏明芳）