基于探索性因子分析的动态财务预警指标选取实证分析

摘要：在动态财务预警体系的构建过程中，体系指标的选取决定着整个体系构建的成败。本文在分析当前环境所适应的财务预警体系的基础上，运用数据挖掘技术，对预警指标进行处理，选取出有代表性的财务预警指标，形成动态财务预警模型指标体系，实现了数据降维，拟解决运行财务预警模型时输入变量冗多的问题，为财务预警体系的构建提供参考。

关键词：财务预警 探索性因子分析 财务指标

着经济全球化的发展，经济环境中的复杂性、模糊性日益明显，企业运营过程中面临的风险变幻莫测，及时有效的财务预警体系成为企业经营的迫切需求。在以往的研究中，大多数预警模型是为企业投资者、债权人服务的，判别结果也只局限于被预测企业被ST或未被ST两种。而企业内部的预警体系，应该更加及时、详细，这样才能给企业的管理者带来有价值的信息，从而有助于企业管理者进行下一步的营运决策。所以，这样一个财务预警体系的指标必须有代表性，能对企业运营现状进行全面有效的反映。

一、传统财务预警体系指标选取的缺陷

（一）指标预警功能单一。传统的财务预警体系主要是通过对期末会计报表中的会计数据进行提取形成财务指标，利用财务指标对企业财务状况进行预测。把财务指标输入设计好的模型中，通过模型运行结果判断企业财务状况。理论上这种方法行得通，可以为企业相关利益者提供一些信息，但是，随着现代信息技术的发展，这些指标已经不能反映预警体系的全部功能。

（二）指标数量繁多。综合考虑前人研究的财务预警体系，选取的指标一般大约为三十个。因此数据的获取和处理是一个复杂的过程，会耗费大量的时间，输出结果出现警情的信号时再对企业的经营进行改进已经为时过晚；另外繁多的预警指标也会影响预警系统的效果。

（三）指标的选取忽略了与管理系统的有序结合。企业的财务信息是对企业营运状况的综合反映，企业的管理漏洞、决策失误、经营异常以财务报表的形式输入到财务预警系统中，把财务风险的踪迹反映给企业管理者，达到企业内部财务预警的目的。但传统的财务预警往往自成体系，把财务预警系统作为会计系统的一个子系统，仅仅通过会计信息进行财务预警往往难以全面、系统。而在现代信息化的环境中，企业建立的后台管理系统可以通过信息技术将企业的经营信息、管理信息、会计信息、资金信息进行集成与共享，为财务数据扩宽了范围，完善了财务预警指标体系，随着指标数量的增加，预警前的指标分类成为了财务预警的必经过程，先把指标进行归类，确认每个指标反映的问题方面，便于解决警情。可见，将财务指标与管理系统进行融合才是未来发展的方向和研究的重点。

二、动态财务预警体系的特征要求

通过以上分析可以得出，企业财务预警体系作为企业经营运行的检测器，应该能实时观测企业动态，及时发现警情，以便企业经营者做出决策。所以，企业财务预警体系选取的指标必须具有及时性、简练性、灵敏性。

（一）及时性。所谓及时性实际上是指指标获取的及时性。作为预测性系统，必然要具有前瞻性，而满足前瞻性的首要条件是及时性，如何及时、有效地获取预警指标是构建财务预警体系的重要环节。传统的财务预警体系主要是根据期末财务报表获取数据处理来进行预警，由于当今信息技术的迅猛发展，会计处理受到了冲击，网络会计应运而生。这种模式下会计处理不仅可以提高会计核算效率，还可以产生实时的财务报表，对财务预警体系指标获取速度有很大帮助。

（二）简练性。企业内动态财务预警体系，供企业管理人员使用，在实际应用中要比供企业投资者、债务人所使用的预警体系频繁的多，甚至会达到每月一预测的频率，因此，具有这样特点的财务预警体系必须容易运行，预警指标必须简练容易获取。简练的指标不但节约了企业的预警成本又能及时发出警情信号，可谓是两全其美。

（三）灵敏性。构建财务预警体系属于事前预测行为，其目的是及时发现问题，避免不必要的损失。作为预警体系的指标，必须具有灵敏性，在出现警兆的情况下，发现警情的蛛丝马迹，发出信号，为信息使用者提供警情信息。

（四）成本效益性。成本效益是构建财务预警体系必须考虑的问题。在指标体系中有许多指标的确能反映企业财务状况，有很大利用价值，但如果预计获取该指标的成本过大，大于其预警带来的收益，那么应该放弃选取该指标，转而用与之相关的且获取成本较低的指标代替。

三、基于探索性因子分析的财务预警指标选取

（一）样本选取与数据来源。本文样本来自于我国三十家上市公司的财务数据，在样本选取的过程中，本文剔除了ST公司的财务数据。

（二）财务指标的选取与变量设计。本文选取了反映企业偿债能力、盈利能力、资产运营能力、增长能力四个方面共19个指标，变量设计见表1。

因子分析是简化指标的过程，通过寻找各指标间的潜在公共因子实现变量的降维。所以，在进行因子分析之前，首先要对观测变量进行检验，确定变量间确实有相关关系。本文通过KMO检验和Bartlett检验，分析对指标进行因子分析的适合性。检验结果见表2。 通过检验结果可知，KMO值为0.66，结果大于界定值0.6，表明观测变量适合进行因子分析。Bartlett球形检验的显著性水平为0，小于界定值0.05，原假设被拒绝，表明原观测数据适合因子分析。提取公因子。运用SPSS对数据进行标准化处理，得出共同度分析结果显示，流动比率、资产报酬率等6个指标的共同度均超过了0.9，表明公因子对这6个指标的方差做出90%以上的贡献。共同度超过0.7的指标共9个，可见，公因子提供的信息量较大。运用SPSS计算公因子特征值、贡献率、累计贡献率，结果见表3。

根据解释的总方差结果显示，选取7个公因子的因子成分对所选取的公因子进行因子解释，作为选取公因子与原指标间的系数。因子成分矩阵见下页表4。

通过上表可以得出各变量的因子表达式：

……

下页表5是经过正交旋转后的成分矩阵，通过这个矩阵我们可以得出旋转后的各成分表达式：

……

公共因子命名如表6所示。表7是成分转换矩阵，成分矩阵乘以成分转换矩阵就得到旋转后的成分矩阵。根据成分得分系数矩阵，可以得到因子得分表达式，成分得分系数矩阵见表8。由此得出因子得分表达式：

……

以上是因子得分表达式，即利用原有指标与指标得分作为系数，得出公因子表达式。上市公司可以通过因子得分对企业财务状况进行估计预测，找出企业弱势方面进行改进调整，制定解决警情的对策。

表9是成分得分协方差矩阵，该矩阵是单位矩阵，可以证明，提取的七个公因子之间是不相关的。

四、结论