资源描述:
《新会计准则下财务风险的触发因素及预警探析》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库。
1、新会计准则下财务风险的触发因素及预警探析[摘要]本文从学习曲线的视角,将多变量学习曲线引入财务风险分析中,并利用SPSS12.0软件,对沪深两市179家ST公司的相关数据加以分析,通过主成分分析与回归分析,研究新会计准则下上市公司财务风险的触发因素,得出学习曲线方程,并提出学习曲线在财务预警中的具体应用途径。 [关键词]学习曲线;新会计准则;财务风险;主成分分析;回归分析 [中图分类号]F253.2[文献标识码]A[]1673-0194(2008)10-0041-04 财务风险是指由于多种因素的作用,使企业不能实现预期财务收益,从
2、而产生损失的可能性。财务风险贯穿于企业财务管理工作的各个环节,客观存在,且种类各异。按照财务环节的主要活动,财务风险可以分为:筹资风险、投资风险、资金回收风险和股利分配风险。对于上市公司而言,一般认为受到特别处理(ST)的公司处于较严重的财务风险中。 在旧准则下,财务风险的影响因素主要包括:企业财务管理的宏观环境复杂多变;企业财务管理人员对财务风险的客观性认识不足;财务决策缺乏科学性导致决策失误;企业内部财务关系混乱等。在新会计准则下,财务风险的触发因素又有新的变化。以下基于学习曲线,加以阐释。 1学习曲线与财务风险 1936
3、年,美国康奈尔大学赖特(T.P.orrison(1976)等人不断发展而成熟起来。由于财务风险影响因素的多样性,变量的选择也必然是多样的。应用主成分分析,可有效降维,提高对变量的分析力度,再结合回归方程的求解,可以得出学习曲线,达到研究目的。 以下借助SPSS软件,应用主成分分析和回归分析,对1999-2006年沪深两市A股179家ST公司的数据(原始数据于证券之星X站、金融界X站)进行实证分析。相关数据分析见表1、表2。 表1公共因子方差 提取方法:主成分分析 表2公因子的特征值与贡献率 提取方法:主成分分析 可见,前5个因子
4、贡献占总方差的比例为86.8778%,与80%左右的一般水平相符。所以,确定主成分数目为5,取前5个主成分。主成分载荷矩阵见表3。 由主成分分析得出5个新变量,分别命名为FAC1_1,FAC1_2,FAC1_3,FAC1_4,FAC1_5。用新变量与因变量ST年数比(ST年数比=ST年数/上市年数)进行回归分析,见表4。 表4模型摘要 a变量Predictors:(Constant),FAC1_1,FAC1_2,FAC1_3,FAC1_4,FAC1_5 拟合结果显示,线性回归模型中,相关系数R为 0.9462,决定系数R为0.89
5、54,调整决定系数为0.8924,可见,模型拟合效果理想。 表5方差分析b a变量Predictors:(Constant),FAC1_1,FAC1_2,FAC1_3,FAC1_4,FAC1_5;b因变量DependentVariable:ST年数比STNSB 由方差分析表(见表5)可知,离差平方和为2.4351,残差平方和为0.2548,回归平方和为2.1803。回归模型的显著性检验中,统计量F为296.1179,对应的置信水平为0.000,远比常用的置信水平0.05要小,因此可以认为方程显著。 由回归方程系数及其检验结果可知,未标
6、准化回归方程的常数项A为-0.0995,自变量系数为-0.0049,0.0441, -0.0496,-0.0398以及-0.0790,系数显著。 由此,可以得出学习曲线方程: Y=-0.0995-0.0049X1+0.0441X2-0.0496X3-0.0398X4-0.079X5(5) 即:y=0.7952x1-0.0049x20.0441x3-0.0496x4-0.0398x4-0.079(6) 其中,Xn=lgxn,lg(0.7952)=-0.0995 4结果分析及结论 变量x1,x2,x3,x4,x5对应于主成分分析中
7、的FAC1_1,FAC1_2,FAC1_3,FAC1_4,FAC1_5,根据主成分载荷矩阵可以看出,公司价值评测总分(GSJZPCZF)对应于第一主成分FAC1_1,可命名为价值成分;静态业绩可靠性得分(JTYJKKXDF)、成长性得分(CZXDF)与管理能力得分(GLNLDF)对应于第二主成分FAC1_2,可命名为主观成分,资产状况得分(ZCZKDF)与主营业务能力得分(ZYYanagement,1981,4(2):48-59. [2]罗福凯.公司财务周期理论[D].成都:西南财经大学,2003. [3]苏利平.财务风险“潜伏期”的分
8、析识别与监测[J].财会通讯:理财版,2007(2):81-82. [4]彭娜,曾繁荣,朱佳磊.基于学习曲线的ST上市公司财务风险控制[J].财会通讯:理财版,2007(12)