长三角制造业 [我国长三角制造业上市公司财务预警实证研究]
时间：2020-03-14 07:31:13 来源：雅意学习网 本文已影响 人 
Empirical Study on Early-warning of Financial Crisis for Listed Manufacturing Companies in Yangtze River Delta
Hang Xinyi； Ma Heng； Li Boning
（南京航空航天大学，南京 211100）
（Nanjing University of Aeronautics and Astronautics，Nanjing 211100，China）
摘要： 文章设计了适合长三角制造业的引入“技术创新指标”和“人力资本指标”的“新型化”预警指标体系，通过T检验和主成分分析法筛选出显著性指标，并建立BP神经网络预警模型。
Abstract: This paper introduces technological innovation index and human capital index to the financial crisis forecast system of listed manufacturing companies in Yangtze River Delta, choosing significant indicators by t-test and principal component analysis. Then predicts the results based on BP neural network.
关键词： 长三角制造业 技术创新指标 人力资本指标 财务预警体系
Key words: manufacturing in Yangtze River Delta；technology innovation index；human capital index；financial early-warning system
中图分类号：F275 文献标识码：A文章编号：1006-4311（2011）32-0003-02
0引言
经济全球化让世界经济得到了迅猛的发展，但同时也给企业带来了严峻挑战，企业经营中所面临的不确定性日益加强，因此完善企业的财务预警系统对于企业来说刻不容缓。
国外对财务危机预警的研究起步较早，Fitzpatrick（1932）[1]开展的单变量模型是最早的财务预警的方法的研究，此后多位学者对危机判别模型进行了修正及进一步的发展。国内对其的研究最早是在1986年由吴世农和黄世忠提出的，宋曦（2007）[2]首次提出了财务预警区域模型这样一个概念，她指出，通用模型不适用于同一国家的不同地区，不同地区的财务指标对于产生财务危机的显著性不同。
纵观国内外的研究从单变量到多变量，从线性模型到神经网络，从通用模型到区域模型概念的提出，还没有学者对长三角制造业展开财务预警研究。长三角作为中国经济增长的“领头羊”，其支柱产业制造业已成为推动经济高效发展的主要动力，它的发展关系着中国世界制造业中心的建设，长三角的制造业长期受到学者和专家的关注，该区域中的制造业上市公司数量居于全国前列，因此本文把长三角制造业上市公司作为研究对象。
1实证分析
1.1 样本选取财务危机是指企业无力按时偿还到期的无争议的债务从而出现的危机。对于财务危机的界定，考虑到我国的特殊国情，本文采用界定标准是财务危机企业为“ST上市公司”，财务正常企业为“非ST上市公司”。
本文选取长三角地区2005-2010年间的被ST的制造业上市公司为研究样本，并以同区域，规模相近，同行业原则对每一家ST公司进行配对选择非ST公司。配对后，ST公司为15家，非ST公司为15家。本文将配对样本分为训练样本10对，检验样本5对。详见表1与表2。
另外，1983年，Ohlson[3]在研究中指出：用破产之后的财务信息来建立财务危机预测模型会高估模型的预警能力。因此本文采用上市公司被ST前的T-3年数据来建立预警模型。
1.2 预警指标选取
1.2.1 初步指标体系的建立长三角制造业目前正在向“新型化”转型，“新型化制造业”是指依靠科技创新，降低能源消耗，减少环境污染，人力资源优势得到充分发挥的可持续发展的制造业[4]。由于数据的可获得性，本文以技术创新以及人力资本的指标从一定程度上来代表制造业的“新型化”对公司财务状况的影响。本文参考前人的研究成果及结合长三角制造业的特点创新性的设计适合长三角制造业的预警指标体系。如表3。
1.2.2 指标的显著性筛选初步建立的指标体系包含23个指标变量，若全部代入模型，不仅工作量极其繁琐，而且很多指标并不能显著区分财务危机与非财务危机公司，从而也影响了模型的预测准确精度，所以在代入模型前，要对这23个指标进行筛选。
本文采用T检验方法对初步建立的指标体系进行显著性筛选。结果见表4。
通过SPSS17.0实证结果可见，X2、X3、X5、X11、X12、X15、X18、X20、X21、X22、X23在5%的显著水平下通过了T检验，被选为显著指标，其他指标从预警指标体系中剔除。
1.2.3 指标的相关性筛选经过上一轮的显著性筛选，有11个指标通过了显著性检验，但其中有些指标彼此之间可能会存在很强的相关性以及共线性，如果将其全部代为预警模型中，会影响模型的效率和稳定性。
首先本文对数据进行KMO和Bartlett的检验，结果显示KMO大于0.5，Bartlett 的球形度检验小于0.05，均符合主成分分析的要求。然后对这11个指标体系进行第二轮的降维主成分筛选，通过主成分的特征值和贡献率可见，用6个主成分能够较好的解释第一轮筛选后的11个指标，能够表达出其99.324%的信息量。
为了具体解释这6个主成分，需要通过因子载荷表（表5）来分析11个指标与现在的6个主成分之间的密切程度、相关系数。
由实证结果可知：
①主成分f1中，X20的因子载荷为0.987，明显远远高于其他指标，因此f1这个主成分主要由专有技术比例这个指标来解释，此主成分可以命名为技术创新因子。
②主成分f2中，X21和X23的因子载荷为0.99，远远高于其他指标，因此f2这个主成分主要由人力资本价值投入和人力资本结构这两个人力资本指标来解释，此主成分可以命名为人力资本因子。
③主成分f3中，X3的因子载荷为0.987，X2的因子载荷为0.983，明显远远高于其他指标，因此f3这个主成分主要由速动比率和流动比率这两个偿债能力指标来解释，它代表的是偿债能力，此主成分可以命名为偿债因子。
④主成分f4中，X15的因子载荷为0.996，明显远远高于其他指标，因此f4这个主成分主要由净利润增长率这个成长能力指标来解释，它代表的是成长能力，此主成分可以命名为成长因子。
⑤主成分f5中，X18的因子载荷为0.77，明显远远高于其他指标，因此f5这个主成分主要由现金流动负债比这个现金流量指标来解释，它代表的是现金流量能力，此主成分可以命名为现金流量因子。
⑥主成分f6中，X11的因子载荷为0.641，明显远远高于其他指标，因此f6这个主成分主要由总资产周转率这个营运能力指标来解释，它代表的是营运能力，此主成分可以命名为营运能力因子。
1.3 模型构建由于BP神经网络有较强的自我学习能力，同时具备较强的容错能力，预测准确度较之传统线性预警模型有较大的提高，所以本文采用BP神经网络方法对长三角制造业的财务危机进行预警。
1.3.1 网络模型结构
①输入层财务预警指标体系通过两次筛选后剩下6个主成分，因此6个主成分将作为输入层的神经元数，6个节点。由于神经网络的需要，要对输入量进行归一化处理，公式为：Xij=[Xij-min（Xij）]/[max（Xij）-min（Xij）]。
②隐含层隐含层的节点数的选择是非常重要的，影响着整个神经网络的训练速度以及容错能力。本文采用a=2m+1的方式确定隐含层最大值，m为输入层节点数，然后选择靠近m的一些数，通过网络训练，找出结果最优的那个节点。本文的最优输出结果的隐含层神经元为12。
③输出层本文的输出层为长三角制造业上市公司的财务预警结果，危机公司为1，非危机公司为0。输出层只有一个神经元，即1或0。
因此，本文BP神经网络模型是一个6―12―1的模型结构。
1.3.2 网络训练结果本文从输入层到隐含层的传递函数采用tansig,隐含层到输出层的传递函数采用logsig。网络参数设置如下：目标误差0.001，训练次数1000，学习速率0.05。训练函数选取traingdx。
训练样本为20家长三角制造业上市公司，检验样本为10家长三角制造业上市公司。实证结果如下表：
2总结
2.1 不同行业、不同区域的上市公司之间显著区分危不危机的指标不尽相同。本文通过两次筛选，发现对于长三角制造业上市公司来讲，除了一些传统的财务指标有明显的预测能力外，技术创新与人力资本的新型化指标也是区别危机与否的重要指标，因此，依靠科技创新、充分发挥人力资源，走“新型制造业”道路是我国长三角地区制造业的唯一选择，同时也是实现我国制造业实质性发展的重要机遇。
2.2 本文建立初级预警体系，采用T-3年的数据，然后用T检验、主成分分析法提取出最后的6个主成分，分别为技术创新因子、人力资本因子、偿债因子、成长因子、现金流量因子、营运能力因子。将它们代入BP神经网络模型进行预测，预测准确度达80%，因此，本文的研究成果对长三角制造业的财务危机具有一定的预警能力，可以提醒企业提早防范，采取措施，规避财务危机。
参考文献：
[1]Fitzpatrick P J，A comparison of ratios of successful industrial enterprises with those of failed firms[J].Certified Public Account,1932：16-23.
[2]宋曦.上市公司财务危机预警模型区域研究[D].河海大学,2007.
[3]Ohlson James A，Financial ratios and the probabilistic prediction of bankruptcy[J].Journal of Accounting Research，1980：19-31.
[4]李廉水，杜占元.“新型制造业”概念、内涵及意义[J].科学学研究，2005（4）.
推荐访问:
