摘 要：紡織行業(yè)健康平穩(wěn)的發(fā)展，關(guān)系著國計(jì)民生和社會穩(wěn)定的大局。目前我國紡織企業(yè)急需一套有效合理的財(cái)務(wù)預(yù)警系統(tǒng)來保障企業(yè)長期穩(wěn)定的發(fā)展。本文以我國紡織上市公司為研究樣本，構(gòu)建了紡織企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的主成分-Logistic模型，為紡織企業(yè)發(fā)展提供幫助。

關(guān)鍵詞：紡織企業(yè)；財(cái)務(wù)預(yù)警；Logistic模型

一、引言

紡織行業(yè)在我國經(jīng)濟(jì)發(fā)展中起著重要的作用，它促進(jìn)了我國的就業(yè)，擴(kuò)大了外貿(mào)出口，它的健康平穩(wěn)的發(fā)展，對國計(jì)民生和社會穩(wěn)定至關(guān)重要。然而受國際市場需求的下降、產(chǎn)業(yè)轉(zhuǎn)型升級步伐加快、成本增加等因素的影響，紡織企業(yè)的生存發(fā)展遇到了最嚴(yán)峻的挑戰(zhàn)。為了保障企業(yè)長期穩(wěn)定的發(fā)展，我國紡織企業(yè)迫切需要建立一套有效合理的財(cái)務(wù)預(yù)警系統(tǒng)，及時(shí)預(yù)測紡織企業(yè)的財(cái)務(wù)狀況，及早發(fā)出預(yù)警風(fēng)險(xiǎn)信號，提高紡織企業(yè)抗風(fēng)險(xiǎn)能力。本文結(jié)合財(cái)務(wù)預(yù)警相關(guān)理論，選取部分上市紡織公司進(jìn)行實(shí)證研究，構(gòu)建了一套適合我國紡織行業(yè)的主成分-Logistic財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的模型，以保障紡織企業(yè)長期安全穩(wěn)定運(yùn)營和發(fā)展。

二、研究設(shè)計(jì)

1.樣本的選取

本文將上市公司中的“*ST類”公司定義為“存在財(cái)務(wù)風(fēng)險(xiǎn)”企業(yè)。根據(jù)同花順軟件的數(shù)據(jù)，截止2015年4月，在我國 A股市場上共計(jì)39家紡織制造業(yè)上市公司。其中被界定為*ST紡織制造公司的有3家，*ST中毅（600610），*ST新民（002127），*ST派神（000779），然后再隨機(jī)抽取12家紡織上市公司作為研究樣本（如表1），研究這些公司2011年-2013年的財(cái)務(wù)數(shù)據(jù)。

表1 研究樣本

2.財(cái)務(wù)指標(biāo)的選擇

在財(cái)務(wù)預(yù)警指標(biāo)的選擇上，本文首先參考了國泰安“中國上市公司財(cái)務(wù)指標(biāo)分析數(shù)據(jù)庫”中對財(cái)務(wù)指標(biāo)設(shè)置的分類，然后結(jié)合紡織企業(yè)實(shí)際情況和財(cái)務(wù)數(shù)據(jù)的可獲得性，最后選取了反映企業(yè)償債能力、盈利能力、成長能力、營運(yùn)能力、現(xiàn)金流量能力五個(gè)方面的10個(gè)財(cái)務(wù)指標(biāo)來構(gòu)建紡織行業(yè)財(cái)務(wù)指標(biāo)預(yù)警模型，如表2所示。

表2 財(cái)務(wù)危機(jī)預(yù)警指標(biāo)

3.模型的選取

本文采用的預(yù)警模型為主成分—Logistic回歸模型。首先，采用主成分分析法，將多個(gè)解釋變量（財(cái)務(wù)指標(biāo)）化為少數(shù)幾個(gè)相互無關(guān)的綜合指標(biāo)，實(shí)現(xiàn)降維，然后再把綜合指標(biāo)引入Logistic模型進(jìn)行回歸分析。該模型不要求研究的數(shù)據(jù)符合正態(tài)分布，只判別上市公司是否出現(xiàn)財(cái)務(wù)危機(jī)情況。定義如下：

假設(shè)用p表示事件發(fā)生的概率，即P=P（Y=1），事件未發(fā)生的概率為（1-p）。引入p的Logistic變換，即：

以logit（0.5）=0為中心對稱，當(dāng)p≥0.5時(shí)，就可以認(rèn)為上市公司發(fā)生了財(cái)務(wù)危機(jī)，而當(dāng)p<0.5時(shí)，則認(rèn)為上市公司沒有發(fā)生財(cái)務(wù)危機(jī)。主成分—Logistic回歸模型以k個(gè)主成分作為Logistic分析的解釋變量，克服了單純采用Logistic分析的共線性和原始變量數(shù)據(jù)丟失信息等問題，具有比較高的判斷正確率。

三、模型的構(gòu)建和檢驗(yàn)

1.預(yù)警模型的構(gòu)建

本文采用主成分分析法提取影響紡織行業(yè)財(cái)務(wù)運(yùn)作的關(guān)鍵因子。首先，采用SPSS20.0把原始數(shù)據(jù)標(biāo)準(zhǔn)化，然后對標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行KMO統(tǒng)計(jì)量與Bartlett球形檢驗(yàn)，以檢驗(yàn)其是否適合進(jìn)行主成分分析，如表3所示。

表3 KMO和Bartlett檢驗(yàn)

KMO統(tǒng)計(jì)量的值介于0和1之間。一般情況下，KMO大于0.5表明適合進(jìn)行主成分分析。從表3可以看出，KMO值為0.737，大于0.5，Barlett檢驗(yàn)的近似卡方統(tǒng)計(jì)值的顯著性概率為0.000<0.05，所以，我們認(rèn)為樣本數(shù)據(jù)較適合做主成分分析。

其次，采用SPSS20.0對標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行主成分分析。結(jié)果如表4所示。從表4中，我們可以看到前4個(gè)主成分的累計(jì)貢獻(xiàn)率達(dá)到87.933%，也就是說，這4個(gè)主成分包含了87.933%的原指標(biāo)信息，因此，我們選擇這4個(gè)主成分來代替原來的10個(gè)解釋變量。

表4 主成分特征值及方差貢獻(xiàn)率

提取方法：主成分分析法

由因子載荷矩陣可知：X1、X2在第一主成分上有較高載荷，主要反映了償債能力；X10在第二主成分上有較高載荷，主要反映了現(xiàn)金流量能力；X3、X4、X5、X9在第三主成分上載荷較高，主要反映了盈利能力；X6、X7、X8在第四主成分上有較高的載荷，主要反映了企業(yè)的成長能力和營運(yùn)能力。我們用提取的四個(gè)主成分代替原來的10個(gè)變量，并將原始變量X1，X2，…，X10的值代入，即可計(jì)算出各樣本的4個(gè)主成分值F1、F2、F3、F4，然后再對F1、F2、F3、F4四個(gè)主成分進(jìn)行Logistic回歸分析，得到紡織企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型為：

從回歸系數(shù)的絕對值可以看出，F(xiàn)1、F2兩個(gè)主成分對P值的影響大于F3、F4，這就意味著，在紡織企業(yè)財(cái)務(wù)預(yù)警方面，償債能力指標(biāo)和現(xiàn)金流量能力指標(biāo)比成長能力指標(biāo)、營運(yùn)能力指標(biāo)更有效。

2.模型的檢驗(yàn)

將研究樣本的數(shù)據(jù)代入所建立的財(cái)務(wù)危機(jī)預(yù)警模型，結(jié)果如表5所示。從表5可以看出，該模型的預(yù)測準(zhǔn)確度為91.11%，我們可以得出如下結(jié)論：該模型對紡織行業(yè)具有較好的整體預(yù)警作用。

表5 邏輯回歸判別結(jié)果

四、研究結(jié)論

1.主成分-Logistic模型具有較強(qiáng)的準(zhǔn)確性和實(shí)用性。該模型通過對綜合指標(biāo)的回歸分析，避免了原始數(shù)據(jù)信息的丟失，使得模型預(yù)警結(jié)果的準(zhǔn)確性和合理性提高。本文研究的數(shù)據(jù)來自紡織服裝業(yè)上市公司，因此，本模型的結(jié)果對紡織服裝行業(yè)的預(yù)測性較高，其他行業(yè)的適用性有待驗(yàn)證。

2.主成分-Logistic模型仍需要進(jìn)一步修正。在建立紡織企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型時(shí)，本文并未考慮定性方面的影響因素，僅僅采用定量分析法對財(cái)務(wù)指標(biāo)進(jìn)行了研究。在以后的研究中，應(yīng)當(dāng)綜合考慮定性指標(biāo)對模型進(jìn)行修正，使得模型更加符合實(shí)際，更加有效。

參考文獻(xiàn)：

[1]曹秀俊.后經(jīng)濟(jì)危機(jī)下中國紡織行業(yè)上市公司財(cái)務(wù)預(yù)警的實(shí)證研究[J].商業(yè)會計(jì)，2014（3）：45-47.

[2]劉青，王瑞雪.紡織業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警模型的構(gòu)建[J].遼寧師范大學(xué)學(xué)報(bào)，2013（9）：329-333.

[3]趙息，肖錚.Logistic模型在上市公司財(cái)務(wù)預(yù)警中的應(yīng)用研究[J].西安電子科技大學(xué)學(xué)報(bào)，2007（3）：21-24.

[4]李建中，武鐵梅.基于因子—Logistic模型的房地產(chǎn)業(yè)上市公司財(cái)務(wù)預(yù)警分析[J].哈爾濱商業(yè)大學(xué)學(xué)報(bào)，2010（5）：89-93.

[5]張愛民，祝春山.上市公司財(cái)務(wù)失敗的主成分預(yù)測模型及其實(shí)證研究[J].金融研究，2001（3）：10-25.