浅议流基于流上市银行财务预警系统实证

当前位置: 大雅查重 - 范文 更新时间:2024-03-07 版权:用户投稿原创标记本站原创
摘 要:为了预警上市银行的财务风险并判断其年度财务状况,文章运用相关分析剔除相关系数较高的变量,再采用因子分析,输出因子分析模型,根据因子得分设置警限的临界值,并对7个公共因子和综合因子进行警度分析,研究表明其中4家银行财务状况良好,但在7个公共因子的得分各有优劣并在不同年度出现巨警,说明银行很难同时兼顾盈利性、安全性和流动性。
关键词:上市银行 财务预警 主成分分析 因子分析
1004-4914(2013)03-093-03
一、引言
商业银行自产生以来,风险就与之相伴、形影不离;风险管理能力是商业银行的核心竞争力,贯穿于商业银行经营始终的财务风险管理更是其全面风险管理的核心;目前,财务风险管理在中国还没有引起足够重视,但是筹资成本高、经营利润虚盈实亏已是不争的事实;纵观银行危机的历史,不管危机的起因是什么,其表现形式必然是流不足而引致困境或破产,因此从流角度构建财务预警体系更符合商业银行财务风险管理的需要,更具理论价值和实际意义。
自Altman首次提出单因素财务预警模型以来,以真实的流入和流出为基础的流信息对企业财务风险研究也逐渐受到各国学者的亲睐。国内外研究还表明:从流角度构建预警体系能够达到较好的预测效果。其中,刘庆华(2006)在文章中指出以流做为预警指标,解决了传统财务指标不能解决的问题。张玮(2007)尝试在财务危机预警模型中引入流分析方法,使企业专注于流的动态控制和指标分析。聂丽洁(2011)等以我国制造业上市公司为研究对象,构建了基于流的危机预警指标体系,实证结果证明流指标体系具有更高的预测精度和较低的错判率。
纵观以往研究发现,其一研究多集中在一般上市公司,其二分行业研究较少,其三基于流构建预警的模型已经被证实具有较好的预测效果,因此本文以上市银行为研究对象,以流指标为基础,试图建立一套完整的财务预警指标体系,以期更加准确的预测银行的财务危机,保护广大存户的利益,为投资者、债权人及政府决策提供更有价值的数据支持,也为银行的可持续发展奠定基础。

二、研究程序及统计方法

1.样本选择。截止2012年底,在沪深A股市场共有16家上市银行,其中包括工、农、中、建、交5大全国性商业银行。
招商、中信、民生、浦发、兴业、光大、华夏、平安银行8家股份制商业银行及北京银行、宁波银行、南京银行等3家地方商业银行。本文选取上海浦东发展银行、深圳发展银行、华夏银行、民生银行和招商银行5家上市银行2006年-2011年的财务数据,计算其28个流指标比率(详见下表1),并以计算结果作为实证分析的数据基础。
2.研究程序。以流指标作为建模的变量,对模型的准确判断率及预警的可靠性都会产生巨大影响,为了全面衡量上市银行的财务状况,入选的流指标要全面、有效、科学。鉴于此,本文选取的28个指标,全面反映了银行的偿债能力、盈利能力、财务弹性、再投资能力和结构比率。在此基础上,采用相关分析剔除相关系数较高的变量,筛选出16个对上市银行财务状况影响显著的指标,创建流指标预警模型(Cash Flow Index Early-warning Model);其次采用因子分析,输出因子分析模型,根据因子得分设置警限的临界值,依据多数原则、半数原则、均数原则及三原则的综合调整对每家银行每年的7个公共因子和综合因子进行警度分析,综合评定出5家上市银行的财务状况。

三、统计分析过程

1.相关分析。多元统计分析时,如果指标间高度相关,就会使某些特征重复计算,导致夸大危害,不利于做出正确的决策,通过28个变量之间的相关系数可知流比率X1、债务保证率X2、主营业务收入比率X7、总资产回收率X10之间的相关系数均在95%以上,即X1几乎完全可以解释其他三个变量,剔除X2、X7、X10,保留X1即可;同样股利支付率X5、营运指数X6、固定资产再投资率X17、折旧影响系数X18之间的相关系数均在95%以上,保留X5即可;流入结构中X20、X21以及流出结构中X23、X24变量之间的相关系数也均在95%以上,保留X20和X23即可;从数据的可获得性及完整性放弃投资活动创现率X11、股利保障倍数X15、筹资活动流入结构比率X22、筹资活动流入流出结构比率X28,剔除相关性较高的以及其他变量后,入选的变量如下:X1、X3、X4、X5、X8、X9、X12、X13、X14、X16、X19、X20、X23、X25、X26、X27,共16个。如图1所示:

2.因子分析。

(1)因子分析的合理性验证。KMO和Bartlett球度检验结果如表2,以判断因子间的相关因素是否明显并推断样本数据是否适合采用因子分析。KMO测度表示,其检验值为0.556>0.5,根据统计学家Kaiser给出的标准认为适合采用因子分析;Bartlett球度检验可用于检验相关矩阵是否为一个单位矩阵,如果是单位矩阵则认为该模型是不合适的。这里检验出的相伴概率为0,小于显著性水平0.5,因此拒绝B检验的零假设,认为适合采用因子分析。
运用SPSS输出共同度表、总方差解释表(表略),从因子变量对每个“重要度”方差的解释率可以看到这16个原始变量的信息几乎没有损失,主成分几乎包含了各原始变量96%以上的信息;按照SPSS默认保留特征根大于1的原则提取的6个因子的“占方差百分数”达到80.073%。同时根据碎石图(如图2)反映的变量变化趋势发现,前面7到8个公共因子特征值变化非常明显,而以后的变化比较平缓,因此说明提取7到8个公共因子可以对原变量的信息描述具有显著作用,能比较全面地反映所有信息。但从因子载荷阵以及旋转后的因子载荷阵,发现第8个公共因子没有明显的解释变量,因此,本文采用主成分分析法(Principal components),提取7个公共因子,累计贡献率达到86.239%,说明提取的7个公共因子反映了原始数据16个变量所能表达的信息。(2)因子旋转。为了使公共因子的实际意义更容易解释,要进行因子旋转,最常用的是方差极大旋转法Varimax和斜交旋转法Promax。从输出结果比较,Varimax明显的能更好的对因子进行解释。
从输出结果可知:因子F1集中反映了流比率X1、偿付比率X3、净利润含金量X8、每股净流X9、资本购置比率X12;因子F2集中反映了流满足率X16、经营活动流入结构比率X20、筹资活动流出结构比率X25;因子F3集中反映了强制性支付比率X4、经营活动流出结构比率X23、经营活动流入流出结构比率X26;因子F4集中反映了全部流比率X13、投资活动流入流出结构比率X27;因子F5集中反映了投资活动融资比率X19;因子F6集中反映了满足投资比率X14;因子F7集中反映了股利支付率X6。输出的因子分析模型如下(仅列出主要的因子变量):
(3)因子得分。根据所提取的七个因子,输出其因子得分矩阵,如表3:

四、统计分析结果处理关于会计的范文

1.警限设置和原则。判断上市银行警度的关键是确定有警与无警的临界值,确定了该临界值,无警区域的警限就相对确定;对于有警区域,根据警情把它分为四个等级,称为低警、中警、高警和巨警。确定了无警与有警的临界值后,按照惯例,以此临界值为基点,并按照其正值的5/6、2/3及1/2的比例和负值的6/

5、3/2及2倍来确定低警、中警、高警和巨警的分界点。

本文采用多数原则、半数原则与均数原则三种系统化方法进行临界值的确定。根据多数原则,认为上市银行在6年中大多数是处于无警的,按照此原则,可以把上市银行7个公共因子的得分重新由小到大排列,从最大值向前选总数的2/3处止,这个数据区间作为无警区域;根据半数原则,认为上市银行在6年中至少有一半处于无警的,否则就无法解释中国上市银行这些年来的发展,因此无警与有警的分界线可取中位数所对应的数值;根据均数原则,应该取总平均数为无警的下限,同时计算均值时要去掉最高与最低两个特殊值。然后根据三种原则下得出的结果,把所确定的警限加以综合调整,求得一个更合理更科学的值。
2.计算F值和排名。根据萃取的7个公共因子所包含的主要变量的多少给每个公共因子赋予权重,求出综合因子F,公式如下:
据此计算出的F值和各银行的因子得分排名如表4,其中“名次”是以5家银行6年的F值为根据排名,“年度名次”是对5家银行相同年度分别排名,“综合名次”是以5家银行6年的F值均值为根据排名。关于出纳的毕业论文

五、研究结论及展望

1.研究结论。

(1)通过因子分析,输出了以上关于名次及警度分析结果,综合名次为招商银行、民生银行、华夏银行、上海浦东发展银行、深圳发展银行。从银行6年的平均得分来看,其中4家银行的得分为正值,说明这4家银行的财务状况相对较好。
(2)根据警限设置的结果,对5家上市银行2006年-2011年共29个样本数据的警度作出判断,其中16个样本数据无警、13个巨警。总体来看,5家上市银行在偿债能力、盈利能力、财务弹性、再投资能力以及结构比率方面各有优劣,在7个公共因子的得分也是各有优劣,这与银行业本身的经营特点是一致的,即盈利性、安全性、流动性很难同时兼顾,关键是如何处理好三者的关系,实现三者的协调与平衡。

2.研究展望。

总体来看,中国商业银行在这些年取得的成绩是有目共睹,银行业风险问题复杂多变也是显而易见的。本文的统计结果虽然显示出5家银行在不同年度都有出现巨警状况,但据此并不能判断出该银行出现了财务危机,只能说明在该年度的财务状况相比较差,一方面可能是银行经营过程中出现了问题,另一方面也可能是宏观调控给银行经营带来了冲击。
但是从前面的分析中,我们不难发现,流指标预警体系并不能准确地判断出上市银行的警度,这是因为流指标并不能完全反映上市银行的财务状况,非财务指标也会给银行的财务状况带来重要的影响,因此可引入平衡计分卡(BSC,Balanced Scorecard)来弥补流指标的不足,这具有明显的理论价值和实际意义,结合流指标和平衡计分卡才能够建立一个更完善的、更科学的财务预警体系,才能更准确地预测风险,使得商业银行能更好的发展,更好的发挥其中坚力量的作用。
[本文是河南省社科联、河南省经团联2012年度调研课题阶段性研究成果(SKL-2012-3386)]
参考文献:

1.刘庆华.构建企业流量财务预警系统[J].财会月刊,2005(4)

2.聂丽洁,赵艳芳,高一帆.基于流的财务危机预警指标体系构建研究[J].经济问题,2011(3)

3.杨丽荣.商业银行绩效评价方法研究[D].西安交通大学学报,2006

4.Peter Rose. Commercial Bank Management [M]. third Edition. Los Angeles: RiChard D. Irwin, 1996: 164-216

5.张学谦.会计报表分析原理与方法[M].北京:对外经济贸易大学出版社,2008

6.仲维良.基于流量的企业财务危机预警方法研究[D].大连理工大学学报,2007(9)

7.陈少华.财务报表分析方法[M].厦门:厦门大学出版社,2009

8.何晓群.多元统计分析[M].北京:中国人民大学出版社,2010
9.朱顺泉.上市公司财务困境预警判别分析模型的建立及应用研究[J].中国管理信息化,2006(3)
10.Rama Koundinya, Dev Prasad, Yash R. Puri. Corporate Failure: A Judgmental Approach to Prediction.[J]. University of Massachusetts-Lowell Working Paper, 2010, (09): 76-79
11.Thresa Libby. The Balanced Scorecard: The Effects of Assurance and Process Accountability on Managerial Judgment[J]. The Accounting Review, 2004,(04):1075-1077会计业务论文
12.Kevin Hendricks, Larry Menor and Christine Wiedman. The Balanced Scorecard: To adopt or not to adopt?[J]. Ivey Business Journal, 2008,(12):1-8
(作者单位:郑州升达经贸管理学院 河南郑州 451191)
(责编:吕尚)