物流上市公司财务风险预警探究范文

【摘要】文中针对物流上市公司的现状，引入了SPC中的控制图工具来分析财务状况。首先构建了物流上市公司财务风险预警指标体系，运用统计的方法对选取的36个指标做出一系列的筛选，在此基础上合成一个财务指标的单期值，用以反映现公司的财务情况，运用统计质量过程控制中经典理论构建VARMA－EWMA预测模型，实证表明此模型预测效果良好。

【关键词】物流业;财务风险;风险预警;VARMA－EWMA控制图

20世纪30年代人们开始了财务风险预警的研究，近年来国内外学者采用各种回归模型、神经网络模型进行预测［1］。从技术上对数据进行定量的分析，但数据的获取相对静止，即截取某时点的数据。因此，财务风险预警模型大部分使用的数据是当期的，未考虑历史累计值对本期的影响，因此属于静态预测模型，范围和效果仍旧存在很大的局限性。通用模型实用性和准确度远不如单个行业专用预警模型高，尤其物流业具有复杂性，因此根据物流行业的本身特点建立财务风险预警模型很有必要［2］。控制图是质量管理常用的控制工具和方法，通过对过去情况的研究为当前和以后的管理做决策参考。EWMA(ExponentiallyWeightedMovingAverage指数加权移动平均控制图)的主要原理是通过对质量变异进行加权累计用来判断是否有异常情况发生。自从国外学者Theodossiou［3，4］在1993年将EWMA模型用来研究财务状况后，国内学者［5－7］在此基础上进行进一步研讨，发现如果将VARMA(vectorautoregressivemodel向量自回归模型)型结合EWMA模型形成一个VARMA－EWMA复合模型，能动态反映公司财务状态的变化情况，从而弥补了静态预测模型的不足。

1风险预警指标的选择过程

1．1数据来源

由于样本要求的范围为与物流相关的上市企业，并且该企业上市至少5年以上，而符合两个条件的样本较少，将限制样本选择的数量。在借鉴国内外相关文献的前提下，设置“零”、“低”、“中”和“高”4种不同程度的风险水平。并且，不采用特别处理的公司(ST和PT公司)作为风险的标志，而是将财务风险定义为一个动态过程。我们以湖南华夏标准信用管理有限公司2010－1012年对外公布的华夏标准财信榜榜单作为参考，随机从中选取4个安全样本、4个关注样本、3个异常样本(由于异常样本有限)和4个困境物流企业，分别作为“零”、“低”、“中”、“高”的样本。研究的时间范围是从2011年1季度到2014年4季度。15个样本分为四组:零风险组选取600004白云机场、600350山东高速、600717天津港、600221海南航空;低风险组选取600119长江投资、000886海南高速、600026中海发展、300013新宁物流;中风险选取600115东方航空、600751S天海、600794保税科技;高风险选取600692亚通股份、600798宁波海运、600896中海海盛、601866中海集运。

1．2预警指标体系

本文采用基于权责发生原则下的传统绩效指标，将物流行业财务指标体系划分为3级:第1级体现物流行业的财务表现。由于物流行业具有复杂性，物流设备等固定资产周转期长，运营过程中需要一定量的现金流量作为保障，因此将现金流量指标纳入体系范畴，以此削弱物流运营过程中非现金资产的影响;第2级指标任务在于阐述指标内容。

1．3筛选过程

首先我们需要选择变量，然后将具有线性关系的指标剔除。如果财务变量总体服从正态分布的情况下，采用t检验和Pearson相关系数分析;如果分布未知，则采用Kreskas－Wallis检验和spearman相关系数分析。一般大部分行业的上市公司原始财务比率都不服从正态分布［8］。总体分布的正态性检验我们采取Jarque－Bera检验，检验假设为总体服从正态分布，本研究中36个备选指标的所有样本的相伴概率都小于0．05，表明置信概率至少在95%下拒绝原假设。随后，选择财务变量本文采用Kruskal－Wallis检验，可知在四类公司间没有显明显差别有17个指标(指标分别为X1、X11、X13－X17、X20－22、X25、X27、X3－35，其相伴概率在95%的置信概率下保留原假设)应予以剔除。接着分析采用Spearman相关系数，只有三个指标X2、X18、X19分别与指标X24之间不存在较强的正相关性，但是X19与X18之间具有很强的正相关性，可任在X19与X18之间选择一个。本文选择X2、X19、X24即速动比率、总资产现金回收率和总资产增长率指标作为最终研究变量。15×16×3的面板数据由前面所选的15个样本的16个季度的3个财务比率组成，将各样本的财务比率分别减去一个平均值，该平均值为相应样本所属类别该季度的平均。接下来对这数据进行稳定性检验，由于在五个评价指标中有四个指标一致显示滞后期的阶数为二，因此可确定模型的滞后期参数为四期。而模型的滞后长度参数为二，且有三个内生变量，因而该研究模型有2*3个单位根。如果这些单位根的模都小于1，说明所估计的VAR模型是稳定的。

2模型建立

2．1VARMA－EWMA模型

首先构造Zi，t为t时点为第i家公司当期Xi，t的复合函数。

2．2参数的取值过程

选择VARMA模型的滞后期通常根据5个统计量来确定，其中有3个评价指标显示滞后阶数为4，因此确定本模型的滞后期参数为4。

3检验和总结

本文使用的软件为SPSS20、Eviews8和Minitab16，根据各公司的Yi，t值做出判断:①零风险样本的检验。2012年全年处于安全的仍然是白云机场、山东高速、天津港和海南航空。②低风险样本的检验。2012年需要关注的有长江投资、粤高速、新宁物流，亚通股份在第二季度以后逐渐走出了财务困境。而中海发展在2012年第三季度出现困境预警，公司在三季度报告中对其主要会计报表项目以及财务指标大幅比变动的原因做出了说明，并做出股改承诺。2012年天海在第一季度就出现了财务困境预警。③中风险样本的检验。东方航空由2011年第一季度财务异常到2012年第四季度转为财务安全。保税科技在2012年财务状况也有很大的改善。而S天海却出现了财务困难。宁波海运、中海海盛和中海集团依旧处于财务困难的状况。我们将预测结果以湖南华夏标准信用管理有限公司2012年对外预测结果作检验标准，总体预警正确率88．5%，结果表明效果良好。本文建立物流上市公司财务风险预警指标体系，通过进一步筛选分析得出结论，在物流行业中我们可以更关注偿债能力、营运能力和成长能力方面的指标，其中速动比率、总资产现金回收率和总资产增长率较其他同类指标更具有代表性;研究采用VARMA－EWMA运用在物流行业财务困境预警上，根据时间序列的特点，对历史数据赋值低，对近期数据赋值高，弥补简单移动平均法的缺陷。最后结合实证研究，得到物流上市公司EMWA控制图，更直观的体现公司的财务状态，风险预警效果良好。

［参考文献］

［1］鲍新中．何思婧．企业财务预警的研究方法及其改进－基于文献综述［J］．南京审计学院学报，2012，9(05):60－70．

［2］曹雯雯，章雁．财务风险预警研究综述［J］．经营与管理，2015(12):130－132.

［5］佘元冠，刘建国．公司失败动态预测的ARMA－EWMA模型及其应用［J］．系统工程，2006(12):84－89．

［6］陈磊，任若恩．运用累积和控制图模型对公司财务危机的动态预测［J］．统计与决策，2008(2):28－31．

［7］杜军，徐建．基于EWMA控制图模型的公司财务质量判别［J］．武汉理工大学学报，2014，36(2):260－26．

［8］薛跃，韩之俊，温素彬．上市公司财务比率正态分布特性的实证分析［J］．管理工程学报，2005(02):143－145．

［9］龙丹．基于控制图的物流上市公司财务风险预警［D］．南昌:华东交通大学，2016．

作者：龙丹 单位：华东交通大学