基于主成分分析法的我国钢铁行业财务预警模型构建研究
时间：2021-01-29 12:01:24 来源：雅意学习网 本文已影响 人 
【摘要】 当前，我国钢铁行业受产能过剩、铁矿价格波动、国家环保政策趋紧以及近期中美贸易摩擦等因素影响，经营面临诸多不确定性，引发了潜在的财务风险。因此，探索建立适应国家政策、符合行业特色的财务预警模型对于钢铁行业来说具有重大的理论及现实意义。文章基于主成分分析法，以多因素模型作为基本框架，通过K-S检验、T检验和Mann-Whitney U检验，从42个重要财务指标和1个非财务指标中筛选出13个变量进行主成分分析，构建F计分模型，并通过24家上市鋼企近年来的数据对所建立的财务预警模型进行测试，结果显示模型具有良好的可靠性。
【关键词】 主成分分析法;钢铁行业;财务风险;预警模型
【中图分类号】 F275 【文献标识码】 A 【文章编号】 1002-5812（2019）06-0109-04
一、引言
钢铁行业在我国国民经济中占据着十分重要的地位。自2011年以来，我国钢铁行业产能过剩问题逐渐突出，低效、低价、低利形势日益严峻。2017年，虽然钢价缓慢回升，但钢铁行业的效益仍然处于工业制造业、冶炼业的较低水平，主营业务利润率仅为4.70%，不及当年全国规模以上工业企业主营业务利润率的6.35%。在国家供给侧结构性改革的持续推进下，2018年1—5月，我国钢铁行业有所回暖，如螺纹钢与上年同期相比利润增幅达49%，热轧钢增幅高达350%。在结构转型、国企改革、提质增效等政策引导下，管理创新成为钢铁行业高质量可持续发展的重要手段。企业财务通则规定，企业应当建立财务风险管理制度和财务预警机制。因此，为了促进我国钢铁行业的健康发展，防范财务风险，在充分结合我国经济运行特点和钢铁行业经营特征的基础上，本文建立了科学有效的财务预警模型，以促进企业管理创新，实现稳健经营和可持续发展的目标。
二、文献综述
有关财务预警理论的基本研究，在国外，自上世纪30年代开始，Fitzpatrick（1932）最早采用单一的财务比率分析法，将19家企业分为破产组和非破产组进行对比研究，构建了预测企业财务危机的一元判定模型。Altman（1968）以33家破产企业和33家经营正常企业的财务数据作为研究支撑，依据误判率孰小的标准得出5个变量作为判别指标，构建了应用最为广泛的Z-Score模型[1]。Ohlson（1980）选择了105家经营恶化企业和2 058家经营正常企业组成配对样本进行了探索，将逻辑回归方法纳入财务危机预警体系。Zmijewski（1984）选取了3 956家企业的财务数据（其中76家为破产企业），利用Probit模型进行了全面财务预警分析。进入上世纪90年代后，Odom（1990）首次将人工神经网络引入企业财务预警研究，结果表明人工神经网络能够很好地进行财务危机预测。
在国内，由于我国市场经济及证券市场发展起步较晚，有关财务预警管理的研究较为滞后。吴世农、黄世忠（1986）首次介绍了如何有效识别和筛选企业破产重组预警指标以及相应的财务预警模型[2]。以Altman的Z计分模型为基础，周守华、杨济华（1996）第一次将现金流量并入财务预警指标体系，并构建了F计分模型，检验表明模型预测准确度达73.7%。吴世农、卢贤义（2001）将70家被特殊处理的上市公司和70家经营正常的上市公司作为研究对象，综合运用费舍尔等线性判别及逻辑回归方法建立财务预警模型。戴小园、马迅（2010）将GDP指数作为重要指标与传统的考察因素相结合，将10家经营恶化企业和69家经营正常企业作为研究对象，构建逻辑回归预警模型，检验表明预测准确度在93%以上[3]。孙静、王纯杰（2018）对企业财务预警模型构建中的指标选择和研究方法等进行了探讨[4]。
在我国钢铁行业财务预警研究方面，张晶、张明丽（2011）以济钢集团财务风险管理体系的建立为例，从财务风险的防范和控制、财务预警系统、财务风险管理反馈等三个方面探讨了钢铁企业财务风险预警体系[5]。孟星涵（2012）综合利用因子分析法、相关性分析法、聚类分析法、判别分析法等进行企业的分类与指标的选择，以我国37家钢铁行业上市公司财务与非财务数据作为研究对象，探讨了我国上市钢铁公司财务风险评价体系。龚健（2016）以钢铁行业去产能为背景，采用了10余种不同的方法建立了钢铁企业的财务危机预警模型，对40家上市钢铁企业进行了财务危机预警模拟，并以各个模型的准确度进行了可靠性排序。综上，我国钢铁行业的财务预警模型众多，观点不一，值得进一步探讨研究。
三、模型构建
（一）建模准备
1.财务危机的衡量标准。由于企业每年的财务状况受宏观政策、自身经营、战略调整等多种因素的共同影响，故为真实反映企业创造利润的能力，本文认为“企业的营业利润连续两年负增长”相较于“企业净利润负增长”更适合作为判定企业是否潜在财务危机的标准。
2.建模方法。本文选用主成分分析法来构建F计分模型。
3.建模思路。（1）确定研究对象主体，即钢铁行业具体企业，并归纳初始变量指标。（2）检验初始变量显著性，筛选出存在显著性差异的指标，即为构建模型的基础指标。（3）根据对照组和样本组的检验结果，以主成分分析法作为技术基础，在按照以上步骤筛选出来的指标中进一步提取主成分，进而开展模型构建。（4）依据描述统计量表，规范所得模型的临界区间。（5）检验模型准确度，判别模型的可靠性。
4.数据选取。样本组数据主要来源于CSMAR数据库、新浪财经、网易财经、东方财富网等，数据处理使用SPSS Statistics 19.0。为进行指标选择、检验及模型构建，数据选取依据为：
（1）选择CSMAR数据库中以铁矿冶炼、钢铁产品制造及销售等为主营业务的企业作为研究对象总体，主要范围为证券市场上财务数据合规、公开的企业，如表1所示。
