[摘 要] 本文從學習曲線的視角,將多變量學習曲線引入財務風險分析中,并利用SPSS 12.0軟件,對滬深兩市179家ST公司的相關數(shù)據(jù)加以分析,通過主成分分析與回歸分析,研究新會計準則下上市公司財務風險的觸發(fā)因素,得出學習曲線方程,并提出學習曲線在財務預警中的具體應用途徑。
[關鍵詞] 學習曲線;新會計準則;財務風險;主成分分析;回歸分析
[中圖分類號]F253.2[文獻標識碼]A[文章編號]1673-0194(2008)10-0041-04
財務風險是指由于多種因素的作用,使企業(yè)不能實現(xiàn)預期財務收益,從而產(chǎn)生損失的可能性。財務風險貫穿于企業(yè)財務管理工作的各個環(huán)節(jié),客觀存在,且種類各異。按照財務環(huán)節(jié)的主要活動,財務風險可以分為:籌資風險、投資風險、資金回收風險和股利分配風險。對于上市公司而言,一般認為受到特別處理(ST)的公司處于較嚴重的財務風險中。
在舊準則下,財務風險的影響因素主要包括:企業(yè)財務管理的宏觀環(huán)境復雜多變;企業(yè)財務管理人員對財務風險的客觀性認識不足;財務決策缺乏科學性導致決策失誤;企業(yè)內(nèi)部財務關系混亂等。在新會計準則下,財務風險的觸發(fā)因素又有新的變化。以下基于學習曲線,加以闡釋。
1 學習曲線與財務風險
1936年,美國康奈爾大學賴特(T. P. Wright)博士[1]在研究飛機人工裝配時,發(fā)現(xiàn)飛機生產(chǎn)數(shù)量遞增與平均直接人工成本之間的關系,即每單位產(chǎn)品的直接工時與生產(chǎn)數(shù)量的遞增成反比,后經(jīng)演進,發(fā)展成為學習曲線(Learning Curve),并被廣泛應用于航空工業(yè)及其他行業(yè)中。學習曲線又稱為進步曲線、經(jīng)驗曲線(Experience Curve)、改善曲線,是一種動態(tài)的生產(chǎn)函數(shù)。結合財務周期理論[2],并從時間序列分析,財務風險或者財務危機的出現(xiàn),必然經(jīng)歷一個發(fā)展過程,包括:第一階段的潛伏期,第二階段的發(fā)作期,以及第三階段的惡化期[3]。由此,可以將財務風險劃分為三階段。
三階段財務風險的界定如下:在潛伏期學習階段,要求在財務風險“發(fā)作”之前就對其進行識別、分析和監(jiān)測。此階段的學習具有前瞻性。在發(fā)作期學習階段,要求對短期內(nèi)發(fā)生的財務風險加以弱化,努力將風險造成的損失降至最低,并力求消除可分散風險。在惡化期學習階段,要求積極應對已經(jīng)發(fā)生的財務危機,力求通過重組、退市或者其他有效措施,解決公司的生存問題。
2 新會計準則下財務風險的觸發(fā)因素
新會計準則(2006)下,財務風險的觸發(fā)因素呈現(xiàn)多樣性。結合上述三階段財務風險學習曲線的分析,可按照三階段分別對財務風險的觸發(fā)因素加以闡釋。以下每階段的闡釋分別從宏觀行業(yè)方面、微觀企業(yè)方面、主觀人為方面加以分析。
2. 1潛伏期學習
在潛伏期學習階段,主要發(fā)揮先導作用,恰當把握宏觀環(huán)境的變化趨勢,結合企業(yè)實際,合理預期財務風險。
在宏觀行業(yè)方面,新會計準則的頒布令五大行業(yè)直接受益[5]。新會計準則建立了完整的會計確認和計量體系,尤其是公允價值計量屬性的引入,對擁有生物資產(chǎn)的行業(yè)、電力行業(yè)、擁有投資性房地產(chǎn)的行業(yè)的財務狀況和經(jīng)營成果帶來相當大的影響。根據(jù)新會計準則,不再單獨確認“股權投資差額”,也不再對其進行攤銷,由此將會在一定程度上增加機器制造業(yè)等相關行業(yè)的投資收益。新會計準則允許將開發(fā)支出進行資本化處理,有助于信息技術行業(yè)較快地提高盈利水平,為其進行融資與再融資提供基礎條件。那么,對于這些行業(yè)而言,對其潛伏期財務風險的識別,可以將著重點置于非宏觀行業(yè)因素。反之,對于其他行業(yè)而言,隨著公允價值的不斷變動,可能帶來行業(yè)性的資產(chǎn)和損益的波動。比如商業(yè)銀行,金融資產(chǎn)和金融負債的公允價值波動,極易加劇資產(chǎn)負債率的波動,從而令公允價值的引入成為財務風險的觸發(fā)因素。
微觀企業(yè)方面,主要是提前關注企業(yè)主要財務指標值,并對非財務因素加以理性考慮,力求在風險發(fā)作之前就敏銳地預知,并做出有效反應。新會計準則實施后的政策變更可能導致一些企業(yè)凈利潤明顯波動[6]。比如,高科技企業(yè)利潤大幅下降可能是因為取消了后進先出法;財務狀況惡化的公司利潤大幅增加的原因可能是債務豁免產(chǎn)生的大額營業(yè)外收入。此外,新會計準則對企業(yè)財務信息披露的要求進一步提高[7],在信息自愿披露方面,客觀上的強制性要求更為明確,在一定程度上限制了具體企業(yè)報喜不報憂的粉飾報表行為。由此,新會計準則下,會計計量方法的變更、信息披露的嚴格要求等,都可能引發(fā)財務狀況的潛在風險。
在主觀人為方面,主要是營造符合自身行業(yè)與企業(yè)特點的文化氛圍,并積極培養(yǎng)新準則實施后的職工勝任力,從而為風險預警與防范提供人力基礎。
可見,在新會計準則下,財務風險潛伏期階段的學習,主要在于將會計準則的具體變動與企業(yè)自身所處的宏觀行業(yè)環(huán)境、微觀企業(yè)實際以及一些人為因素相銜接,力求未雨綢繆,遏制財務風險的發(fā)作。
2. 2發(fā)作期學習
在發(fā)作期學習階段,著重于發(fā)掘行業(yè)新亮點,著力培養(yǎng)企業(yè)抗擊風險與擺脫困境的能力,進一步積累并發(fā)揮團隊凝聚力,規(guī)避風險,將損失降至最低。發(fā)作期的學習,應結合潛伏期的風險分析成果。如果潛伏期學習欠缺或者失敗,則將發(fā)作期學習作為學習起點。以下討論以發(fā)作期學習為起點的情況。
在宏觀行業(yè)方面,主要還是關注政策層面等宏觀問題。如果國家的相關政策法規(guī)對相關行業(yè)是限制態(tài)度,且在新會計準則背景下,要求上市公司信息披露程度較高,那么,二者將成為財務風險的重要觸發(fā)因素。
在微觀企業(yè)方面,主要還是加強對相關財務指標和非財務指標的有效監(jiān)測。企業(yè)的負債(尤其是短期負債)過度,主營業(yè)務收入明顯下降,大額未付利潤、現(xiàn)金流量異常等報表層面信息及其披露,都可能直接影響上市公司股價,進而影響企業(yè)價值,阻礙企業(yè)長期發(fā)展,成為財務風險的觸發(fā)因素。
在主觀人為方面,情況與潛伏期相似,但仍應著重提升財務人員的職業(yè)道德水平,并盡力保持較低的人員流動水平。否則,主觀方面的因素也可能成為財務風險的重要觸發(fā)因素。
可見,在新會計準則下,財務風險發(fā)作期的學習,主要在于遵紀守法,趨利避害,既要保障財務報表等相關信息披露符合規(guī)范,還要繼續(xù)朝著股東利益最大化的目標邁進。
2. 3惡化期學習
在惡化期學習階段,應首先解決企業(yè)的生存問題。綜觀宏觀行業(yè)方面、微觀企業(yè)方面以及主觀人為方面,財務風險惡化很可能源于三方面的合力,并在三方面逆向合力的進一步作用下,形成惡性循環(huán),將企業(yè)推向失敗的邊緣。此時,行業(yè)發(fā)展疲軟、企業(yè)資不抵債、人心渙散等諸多方面,都將成為財務風險的觸發(fā)因素。
3 實證分析
本文依據(jù)Wright學習曲線,并引入E. W. Waller and T. J. Dwyer (1981) [8] 闡述的多變量學習曲線,并結合相關研究內(nèi)容對變量重新定義,探討財務風險控制,分析如下:
Wright學習曲線:y=axm(1)
式中,y是第x年的單位成本,此處定義為上市第x年的累計ST年數(shù)占累計上市總年數(shù)的比率;x是累計產(chǎn)量,此處定義為累計上市年數(shù);m是學習系數(shù),m≤0,a是變量x的系數(shù)。通常以學習率C表示學習曲線,C=10m ·lg2。學習率小,說明隨累計產(chǎn)量增加,工時(成本)下降迅速;學習率大,則相反。
此處,引入多變量學習曲線1:
式中,Cx為單位成本;K為內(nèi)在常數(shù);xn(n=1,2,3,…)表示第n個獨立變量;Cn(n=1,2,3,…)為第n個變量的系數(shù);bn(n=1,2,3,…)為第n個變量的次數(shù)。此處第n個獨立變量對C的作用是第n個獨立因素對C的作用,沒有工序的先后順序。
公式(3)可以轉化為回歸方程:
lgCx=lgK+lgC1C2…Cn+…+b1lgx1+b2lgx2+…+bnlgxn
即:Y= a+b1X1+b2X2+b3X3+…bnXn(4)
式中,a =lgKC1C2C3…Cn,Xn=lgxn(n=1,2,3,…)
下面的分析應用回歸方程(4)。
主成分分析(Principal Components Analysis,PCA)[9]是一種通過降維來簡化數(shù)據(jù)結構的方法,這種方法由Pearson(1901)首先使用,后經(jīng)過Hotelling (1933)、Gnanadesikan (1977)、Kshirsagar (1972)、Morrison(1976)等人不斷發(fā)展而成熟起來。由于財務風險影響因素的多樣性,變量的選擇也必然是多樣的。應用主成分分析,可有效降維,提高對變量的分析力度,再結合回歸方程的求解,可以得出學習曲線,達到研究目的。
以下借助SPSS軟件,應用主成分分析和回歸分析,對1999-2006年滬深兩市A股179家ST公司的數(shù)據(jù)(原始數(shù)據(jù)來源于證券之星網(wǎng)站、金融界網(wǎng)站)進行實證分析。相關數(shù)據(jù)分析見表1、表2。
表1 公共因子方差
提取方法:主成分分析
表2 公因子的特征值與貢獻率
提取方法:主成分分析
可見,前5個因子貢獻占總方差的比例為86.877 8%,與80%左右的一般水平相符。所以,確定主成分數(shù)目為5,取前5個主成分。主成分載荷矩陣 見表3。
由主成分分析得出5個新變量,分別命名為FAC1_1,FAC1_2,FAC1_3,FAC1_4,FAC1_5。用新變量與因變量ST年數(shù)比(ST年數(shù)比=ST年數(shù)/上市年數(shù))進行回歸分析,見表4。
表4模型摘要
a變量Predictors: (Constant),FAC1_1,FAC1_2,FAC1_3,FAC1_4,FAC1_5
擬合結果顯示,線性回歸模型中,相關系數(shù)R為
0.946 2,決定系數(shù)R 為0.895 4,調(diào)整決定系數(shù)為0.892 4,可見,模型擬合效果理想。
表5方差分析b
a變量Predictors: (Constant),FAC1_1,FAC1_2,FAC1_3,FAC1_4,FAC1_5;b因變量Dependent Variable: ST年數(shù)比STNSB
由方差分析表(見表5)可知,離差平方和為2.435 1,殘差平方和為0.254 8,回歸平方和為2.180 3?；貧w模型的顯著性檢驗中,統(tǒng)計量F為296.117 9,對應的置信水平為0.000,遠比常用的置信水平0.05要小,因此可以認為方程顯著。
由回歸方程系數(shù)及其檢驗結果可知,未標準化回歸方程的常數(shù)項A為-0.099 5,自變量系數(shù)為-0.004 9,0.044 1,
-0.049 6,-0.039 8以及-0.079 0,系數(shù)顯著。
由此,可以得出學習曲線方程:
Y= -0.099 5-0.004 9X1+0.044 1X2-0.049 6X3-0.039 8X4 -0.079X5(5)
即:y=0.795 2x1-0.004 9x20.044 1x3-0.049 6x4-0.039 8x4-0.079(6)
其中,Xn=lgxn,lg(0.795 2)=-0.099 5
4 結果分析及結論
變量x1,x2,x3,x4,x5對應于主成分分析中的FAC1_1,FAC1_2,FAC1_3,FAC1_4,FAC1_5,根據(jù)主成分載荷矩陣可以看出,公司價值評測總分(GSJZPCZF)對應于第一主成分FAC1_1,可命名為價值成分;靜態(tài)業(yè)績可靠性得分(JTYJKKXDF)、成長性得分(CZXDF)與管理能力得分(GLNLDF)對應于第二主成分FAC1_2,可命名為主觀成分,資產(chǎn)狀況得分(ZCZKDF)與主營業(yè)務能力得分(ZYYWNLDF)對應于FAC1_3,可命名為業(yè)績成分;籌資能力得分(CZNLDF)與盈利能力得分(YLNLDF)對應于FAC1_4,可命名為運營成分;上市年數(shù)(SSNS)對應于FAC1_5,可命名為上市經(jīng)驗成分。
結合財務風險三階段思想,以及宏觀行業(yè)方面、微觀企業(yè)方面、主觀人為3個方面的論述可知,上述主成分涵蓋了關于財務風險觸發(fā)因素的3個方面。其中,價值成分FAC1_1,業(yè)績成分FAC1_3,運營成分FAC1_4,上市經(jīng)驗成分FAC1_5對應于微觀企業(yè)方面的分析,主觀成分FAC1_2對應于主觀人為方面的分析,宏觀行業(yè)方面的分析在5個主成分分析中均有潛在體現(xiàn)。
另外,第二主成分FAC1_2的系數(shù)為正數(shù),不符合學習曲線中隨著變量值的增加,因變量值下降的學習效應原理,原因可能在于變量對應于標準化前的指標——靜態(tài)業(yè)績可靠性得分(JTYJKKXDF)和管理能力得分(GLNLDF),指標在第二主成分上的載荷較大,即其與第二主成分的相關系數(shù)較高,那么學習曲線方程系數(shù)異常的原因可能在于此兩項得分受主觀因素影響過大,數(shù)據(jù)計量難度較大,數(shù)據(jù)準確性不高。
在此模型中,若已知x1,x2,x3,x4,x5,那么就可以帶入方程(4),求出對應的y。即根據(jù)目標公司的上市年數(shù)、公司價值評測總分、盈利能力得分、成長性得分、主營業(yè)務能力得分、靜態(tài)業(yè)績可靠性得分、資產(chǎn)狀況得分、償債能力得分和管理能力得分,就可以由方程(4)求出對應的ST年數(shù)比,再由ST年數(shù)比=ST年數(shù)/上市年數(shù),可以求出相應的ST年數(shù),結合自身現(xiàn)有的ST年數(shù),計算出未來ST的年數(shù)和概率,從而提前督促企業(yè)防范和規(guī)避財務風險,達到預警目的。
通過以上分析可以發(fā)現(xiàn),新會計準則下財務風險的觸發(fā)因素是多方面的。結合學習曲線的相關理論以及實證分析結果可知,努力提高公司價值,培養(yǎng)盈利能力、主營業(yè)務能力、償債能力、靜態(tài)業(yè)績可靠性以及管理能力,改善資產(chǎn)狀況維持公司較高成長性水平,使各項得分保持較高水平,可以減少公司被ST的可能性。從具體途徑而言,可以學習曲線為工具,將財務風險劃分為潛伏期、發(fā)作期、惡化期3個階段,從宏觀行業(yè)方面、微觀企業(yè)方面以及人為主觀方面對財務風險的觸發(fā)因素加以分析,憑借相關軟件(如SPSS軟件)求出學習曲線方程。將已知變量帶入方程中,求出對應的ST年數(shù),從而進行財務風險有效預警。
主要參考文獻
[1] E W Waller and T J Dwyer. Alternative Techniques for Use in Parametric Cost Analysis[J]. Concepts- Journal of Defense Systems Acquisition Management,1981,4(2):48-59.
[2] 羅福凱. 公司財務周期理論[D]. 成都:西南財經(jīng)大學,2003.
[3] 蘇利平. 財務風險“潛伏期”的分析識別與監(jiān)測[J]. 財會通訊:理財版,2007(2):81-82.
[4] 彭娜,曾繁榮,朱佳磊. 基于學習曲線的ST上市公司財務風險控制[J]. 財會通訊:理財版,2007(12):76-77.
[5]桂浩明. 新會計準則讓五大行業(yè)受益[J]. 理財周刊:月末版,2006(11):78-79.
[6] 國燕萍. 新會計準則對凈利潤的影響[J]. 當代經(jīng)濟,2007(8,上):126-127.
[7] 巫升柱. 中國上市公司年度報告自愿披露影響因素的實證分析[J]. 當代財經(jīng),2007(8):121-124.
[8] Adedeji B Badiru. Computational Survey of Univariate and Multivariate Learning Curve Models[J]. IEEE Transactions on Engineering Management,1992,39(2).
[9] 趙息,肖錚,何輝渝. Logistic模型在上市公司財務預警中的應用研究[J]. 西安電子科技大學學報:社會科學版,2007,17(2).
