趙雪晨

摘要：隨著經(jīng)濟的不斷發(fā)展，價值投資理念的深化，上市公司財務基本面的數(shù)據(jù)越來越受到投資者的關注，因此上市公司每年年報的分析具有重要的研究意義。在這之中，注冊會計師所發(fā)表的審計意見更值得大家的關注，根據(jù)證監(jiān)會的會計監(jiān)管報告顯示：2018年，多達217家的上市公司被出具了“非標準審計意見”，這一消息的發(fā)出對我國證券市場產(chǎn)生了不小的影響，也對市場投資人帶去了負面的影響及信息。因此，本文運用SPSS統(tǒng)計軟件，依據(jù)217家上市公司的財報數(shù)據(jù)，選擇了償債能力、營運能力、盈利能力等各類財務指標，運用聚類分析法，將這些公司進行聚類分類，分析評價這些公司的經(jīng)營業(yè)績，分析這些被出具“非標準審計意見”的上市公司經(jīng)營中出現(xiàn)的問題，找出原因，以供投資者關注和借鑒。

關鍵詞：非標準審計意見;聚類分析;K-Means

1、引言

被注冊會計師出具非標準審計意見，對上市公司來說是一件十分嚴重的事情，一旦審計報告出現(xiàn)了這一類型的審計意見，上市公司將會面臨股東、債權人、證券市場的質(zhì)疑，還有可能會面臨信用等級降低、融資困難的困境，更有甚者將會被實施退市風險警示。盡管有這么多不利局面，但是，很多上市公司可能由于高層經(jīng)營者和管理者缺乏戰(zhàn)略目光，投資失敗，經(jīng)營管理出現(xiàn)問題，從而導致公司凈利潤未負，現(xiàn)金流斷裂，面臨破產(chǎn)重組的困境;還有些上市公司會出現(xiàn)為了財務報表的“好看”，下一年度更好融資而操縱利潤、偷稅漏稅等問題不符合正常經(jīng)營的情況，這些情況都會被注冊會計師出具非標準的審計意見。本文通過K-Means聚類分析，分析他們之間的相同特征、不同特征并據(jù)此分類，以求為我國的上市公司進行資產(chǎn)整合、改善財務狀況等提供可供借鑒的意義。

2、聚類分析的概述

聚類分析就是把一組數(shù)據(jù)集按照某種相似度函數(shù)或相似性規(guī)則劃分成不同類別的過程，這些類別被稱為類。同類中對象屬性相似度較高，不同類中對象屬性差異性比較明顯。常用的聚類分析算法有 K-Means 算法。一般通過比較樣本數(shù)據(jù)的屬性值的相似程度（差異程度）來判斷不同數(shù)據(jù)是否在同一個類中，在聚類分析中，通常需要計算各個屬性值之間的距離，若距離小于設定的閾值，就把樣本數(shù)據(jù)劃分為同一類，如果超過設定的閾值，則劃分為其他不同的類。

3、本文的指標選擇及數(shù)據(jù)來源

本文從CCER數(shù)據(jù)庫下載收集了2018年被出具“非標準審計意見報告”的217家上市公司的年報數(shù)據(jù)，從中選取可以代表企業(yè)全方面發(fā)展情況的財務指標，包含償債能力、盈利能力、營運能力、發(fā)展能力，其中共有11個財務指標：流動比率、速動比率、資產(chǎn)負債率、應收賬款周轉率、總資產(chǎn)周轉率、存貨周轉率、凈利潤增長率、總資產(chǎn)增長率、每股凈資產(chǎn)、基本每股收益以及市盈率。

4、數(shù)據(jù)的處理與應用

將CCER數(shù)據(jù)庫中所查信息以Excel格式導出后導入SPSS Modeler軟件當中，在初步進行K-Means聚類分析時，發(fā)現(xiàn)無論聚類數(shù)k取為何值，都會出現(xiàn)聚類質(zhì)量差的情況，并且只有將k的值設置為40以上的值，聚類分析的聚類質(zhì)量才會上升為良好，然而這種聚類沒有意義。因此通過推斷，判斷是由于這次進行聚類分析的上市公司都是由于經(jīng)營業(yè)績、財務指標或者是管理層的舞弊等出現(xiàn)了問題才被出具了非標準審計意見，那么就會可能有財務指標過于“夸張”的企業(yè)的存在，因此我們可以推斷出是有極端值的存在從而影響了聚類質(zhì)量。那么如果不剔除極端值，不僅影響聚類質(zhì)量，也會對分析結果產(chǎn)生影響，因此，首先利用SPSS Statistics 對數(shù)據(jù)進行極值以及無效值的處理。

5、聚類分析

添加“類型”節(jié)點，將所有字段的“測量”設置為“有序”，將“角色”設置為“輸入”，最后點擊“讀取值”。

在“類型”節(jié)點之后添加“K-Means”模型節(jié)點，在進行聚類分析時，確定聚類數(shù)k值是十分重要的，從k=2開始設置，每運行一次，記錄聚類質(zhì)量。在聚類數(shù)k=2-7時，聚類質(zhì)量沒有變化，都是0.3，根據(jù)經(jīng)驗推斷，被出具非標準審計意見的上市公司在財務指標方面都存在異常，因此會有絕大多數(shù)的上市公司被分在了一類中，因此，將k值取為2。點擊“運行”，得到聚類結果。可看出結論此次聚類分類的質(zhì)量良好，并且同時發(fā)現(xiàn)聚類1占據(jù)了99%的數(shù)據(jù)，聚類2只有不到1%。

6、分析

根據(jù)聚類分析的結果，絕大多數(shù)的企業(yè)被分入了第一聚類，在這當中的企業(yè)存貨周轉率的平均值達到了300%，這一數(shù)據(jù)對于一般性的企業(yè)來說，存貨周轉率過大，存貨的周轉速度過快，這一現(xiàn)象會增加存貨的采購成本、運輸成本以及儲存成本。而另一聚類的企業(yè)的存貨周轉率又過低，那么有可能是由于庫存管理不力而導致存貨積壓，這一情況說明銷售狀況不好，資金沉淀，導致企業(yè)的現(xiàn)金流及利潤出現(xiàn)問題。

此外，基本每股收益的平均值都為負值，說明這217家被出具“非標準審計意見”的公司在經(jīng)營過程中都出現(xiàn)了虧損，反映了這些公司企業(yè)的經(jīng)營狀況不好，獲利能力一般，增長潛力很小，投資價值較小。投資者在今后投資股票時，可以著重看企業(yè)的基本每股收益，盡可能避免投資失敗的情況。

聚類1中的指標凈利潤增長率為負，說明絕大多數(shù)被出具非標意見的上市公司的凈利潤逐年下滑，經(jīng)營狀況持續(xù)走下坡路，經(jīng)營業(yè)績存在問題。

7、總結

K-Means 算法的優(yōu)點有：邏輯結構簡單、算法運行效率較高，并且相對是可伸縮性的、有效的;能夠處理大量數(shù)值型數(shù)據(jù);能較好的發(fā)現(xiàn)球狀類;能夠處理多維數(shù)值型變量;在迭代過程之中，能夠不斷改變聚類中心，使結果越來越好。K-Means 算法雖有很多優(yōu)點，但也存在一些缺點。比如：需要預先給定 k 值和確定初始聚類中心;容易出現(xiàn)局部最優(yōu)狀態(tài);算法容易受“噪聲”及孤立點影響，且只適合用于球狀類的聚類，不能用來分析其他任意形狀類的聚類分析;不適合用于處理非常大的數(shù)據(jù)量。

參考文獻

[1]帥麗媛.我國煤炭上市公司財務績效評價——基于因子分析和聚類分析[J].河北企業(yè)，2018（08）：74-75.

[2]劉夢. 聚類分析在企業(yè)集團財務公司財務質(zhì)量評價中的應用研究[D].西安理工大學，2017.

[3]許偉紅. 能源上市公司財務狀況質(zhì)量評價聚類研究[D].內(nèi)蒙古科技大學，2015.