摘要：2008年由美国次贷危机引发的全球金融危机爆发，我国作为经济全球化中越来越重要的组成部分之一，也不可避免地受到了巨大的冲击。随着经济危机发展到后期，我国已呈现出不同于其他国家的新特点，纺织行业在受到极大冲击后也表现出新的发展趋势。本文以我国纺织行业上市公司为样本，从企业的短期偿债能力、长期偿债能力、营运能力、盈利能力、现金流量能力等方面选取指标，运用因子分析法，建立了后经济危机时代纺织行业上市公司的财务预警模型，进而根据预警模型的预测分值来确定上市公司财务状况的评价区域。
　　关键词：后经济危机 财务预警模型 纺织行业上市公司
　　随着经济危机在全球范围内逐渐消散，我国经济企稳向好，其他主要经济体逐步复苏，但纺织行业仍然存在发展压力。首先，在后经济危机时代，纺织行业原材料成本呈现快速上涨势头，高价原料购进成本压力开始显现，这影响企业生产的进一步恢复。其次，劳动力成本继续上涨，进一步加大了企业的运营压力。最后，由于钢铁价格的大幅度上升，再加上纺织市场竞争的加剧，纺织企业的利润比金融危机前又有了不同程度的降低。在需求上升和成本上涨压力显现的同时，纺织行业的内外销市场需求表现较为复杂，行业整合力度加大。截至2011年12月31日，已有44家纺织行业公司在沪、深两市挂牌交易。激烈的竞争形势促进了上市公司资源的优化配置，从客观上帮助企业提高了竞争力。在这种环境下，企业自身也会进行技术的升级和管理的创新，从而有利于企业转型和提高效率等，这些均有利于纺织行业的内部整合和产业结构的优化升级。
　　一、企业财务预警研究的国内外现状
　　FitzPatrikc（1932）所研究的单变量破产预测模型是最早的财务危机预测研究，他指出出现财务困境的公司的财务比率和正常公司相比有显著的不同，从而认为企业的财务比率能够反映企业财务状况，对企业未来具有预测作用。Beave（1966）对美国1954年至1964年间79家失败企业和79家成功企业的30个财务比率的研究结果表明，具有良好预测性的财务比率为“现金流量/负债总额”、“资产收益率即净收益/资产总额”和“资产负债率即债务总额/资产总额”。1968年Altman提出了多元线性判定模型，即运用多种财务指标加权汇总产生的总判断分值Z值来预测财务危机，其所建立的预测上市公司的Z值模型如下：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5。美国学者Ohlson（1980）克服了多元线性判别分析方法对预测变量有着严格的联合正态分布要求，应用多元逻辑回归模型Logit模型，假设企业破产的概率为p，破产取1，非破产取0；假设Ln[p/（1-p）]可以用财务比率线性解释；假定Ln[p/（1-p）]=a+bx，根据推导可以得出p=exp（a+bx）/[1+exp（a+bx）]，从而计算出企业破产的概率。TAM（1991）最早采用ANN模型进行财务预警研究，通过对人工神经网络的模拟，得出神经网络可以应用于财务预警，且具有较高的预测精度。
　　国内的财务预警研究起步较晚，直至20世纪80年代国外的财务预警研究与应用成果才逐渐被引入国内。陈静（1999）以1998年37家ST公司和27家非ST公司为样本，利用其1995年至1997年的财务报表数据进行了一元判别分析。吴世农、黄世忠（1986）曾介绍企业的破产分析指标和预测模型。周首华、杨济华和王平（1996）借鉴Altman的研究建立F分数模型。梁飞媛（2005）较早采用现金流量指标对机械行业上市公司财务困境进行了预测。李莉（2004）运用现金流量类指标对制造业上市公司财务困境进行了预测。韩东平、田艳丽（2006）选用了现金流量类的16个财务指标，并运用多元统计判别分析法对上市公司财务预警进行探讨。本文在前人研究成果的基础上，结合现金流指标和传统财务指标，利用因子分析法构建我国纺织行业上市公司财务预警模型。
　　二、研究设计
　　（一）样本和指标的选取
　　本文将上市公司中的ST类公司定义为“财务危机”企业，并选取其第t-1年的截面数据为样本建立模型。根据上市公司的年报披露制度，上市公司在第t年是否被特别处理是由其第t-1年财务报告的公布结果所决定的，因此利用第t-1年的财务数据构建预测模型有很高的预测精度，在实际预测中也有很大的应用价值。其中，在2011年12月31日前被ST的5家纺织行业上市公司中，由于未找到与之规模差异较小的财务正常上市公司，故剔除ST中冠A和*ST源发，以其余3家ST上市公司作为样本组。同时根据同行业且总资产规模相差20%以内的原则选取15家非ST公司与其混合作为样本组，以保证预测的准确性以及同组上市公司之间财务数据的可比性。最终样本数据共包括18家上市公司，选用其各自2010年度的会计报表和附注中的数据。各项财务数据均来自于上海证券交易所网站和深圳证券交易所网站。
　　（二）财务预警指标设计
　　纺织行业所面临的风险是多方面的，在参考前人研究成果的基础上，本文结合纺织企业实际情况，选定包括偿债能力、营运能力、盈利能力、股东获利能力、现金流量能力、发展能力等方面的财务指标作为研究起点构建纺织行业财务指标预警系统，具体如表1和表2所示。其中，现金比率X1最能反映企业直接偿付流动负债的能力，现金比率一般认为高于20%为好；营运资金比率X2是衡量公司短期偿债能力最通用的指标，该比率越大表明公司短期偿债能力越强，并表明公司有充足的营运资金，反之，说明公司的短期偿债能力不强，营运资金不够充足；权益乘数X3反映资产总额相当于股东权益的倍数，权益乘数越大，代表公司向外融资的财务杠杆倍数也越大，公司将承担较高的债务风险；总资产报酬率X4表示企业包括净资产和负债在内的全部资产的总体获利能力，用以评价企业运用全部资产的总体获利能力，是评价企业资产运营效益的重要指标；净资产收益率X5反映股东权益的收益水平，用以衡量公司运用自有资本的效率，该指标值越高说明投资带来的收益越高；现金流量利息保障倍数X6比收益基础的利息保障倍数更可靠，因为实际用以支付利息的是现金而非收益；营业收入现金比X7是对主营业务利润率的修正，反映企业主营业务收入获得现金的能力，该指标排除了不能回收的坏账损失的影响，因此较为保守，该指标通常越高越好；资本积累率X8体现了企业资本的积累情况，是企业发展强盛的标志，也是企业扩大再生产的基础，展示了企业的发展潜力。 　　三、实证分析
　　由于模型涉及的指标较多，再加上指标之间具有一定的相关性造成了信息重叠，势必增加分析问题的复杂性；而盲目减少变量又会损失很多信息，容易产生错误结论。主成分分析法，是将多个指标化为少数几个相互之间无关的综合指标的统计方法，综合指标就是新的变量，是原来多个指标的线性组合，且彼此互不相关，并能反映原来多个指标的信息。该方法的优点是降低数据空间的维度、简化系统结构、抓住问题的实质。
　　（一）预警模型的构建
　　首先，利用SPSS软件对8个观测指标进行检验，其结果如表3所示。
　　根据计算结果，KMO统计量值为0.622，在0.5至1.0之间，达到因子分析的可行性标准。Bartlett’s检验值为66.236，而对应的相伴概率值小于0.0001，因此拒绝相关系数矩阵是单位矩阵的假设，适合进行因子分析。
　　其次，运用SPSS软件完成各主成分的特征值和贡献率计算，得到结果为前三个主成分的累计贡献率达到80.471%，大于80%，因此本文选取前三个主成分作为公共因子建立因子载荷矩阵，并在此基础上对因子载荷矩阵实现方差最大正交旋转，得到旋转后因子载荷矩阵如表4所示。
　　从表4的结果可以看出，第一个因子在权益乘数、营运现金比率、现金比率和资本积累率这4个指标上有较大的因子载荷，指标综合反映了公司的短期偿债能力、长期偿债能力和发展能力，将第一个因子用符号表示为F1，命名为偿债及发展能力因子；第二个因子在净资产收益率、总资产报酬率这两个指标上有较大的因子载荷，指标综合反映了公司的盈利能力，将第二个因子用符号F2表示，命名为盈利能力因子；第三个因子在现金流量利息保障倍数这一指标上有较大的因子载荷，反映了公司的现金流量能力，用符号F3表示，命名为现金流量能力因子。三个因子分别从不同方面反映了公司财务状况的总体水平，但单独使用某一个因子并不能对公司的财务危机状况做出综合评价，因此以各因子对应的方差贡献率为权数得出最终模型：Z=0.39462×F1+0.24743×F2+0.16266×F3。其中，Z为预警分值，F1为偿债及发展能力因子；F2为盈利能力因子；F3为现金流量能力因子。
　　（二）确定评价区域
　　根据因子得分系数矩阵计算得到各上市公司的因子得分，具体如表5所示。
　　对计算得出的Z值进行频数统计，并以此得出判别准则，从而确定评价区域，具体如表6及表7所示。
　　四、结论与不足
　　本文利用2011年12月31日前上市的A股纺织行业15家健康公司和3家ST公司为样本，选用2010年度财务数据，通过因子分析方法建立了后经济危机时代我国纺织行业上市公司的财务预警模型，进而根据预警模型的预警分值来确定上市公司财务状况的评价区域。纺织行业上市公司可以通过重点关注本文设定的8个财务指标，定期求出预警值F来观测企业的财务风险等级，同时也可以根据自身情况对模型进行调整，另外也应该注意到非财务指标的补充，并和实际相联系，以进一步提高预警的精确度。本文的主要不足之处在于样本数量较少，另外研究仅选用了一年的横截面数据进行预测，预测精度受到限制。X
　　参考文献：
　　1.陈艳，张海君.上市公司财务预警模型的研究[J].财经问题研究，2007，（6）.
　　2.高峰，孙春升.煤炭企业财务预警实证研究[J].煤炭经济研究，2009，（3）.
　　3.高祥宝，董寒青.数据分析与SPSS应用[M].北京：清华大学出版社，2007.
　　4.孙静，张子健.传统财务预警的指标与现金流指标的整合研究[J].中国管理信息化，2009，（9）.
　　5.熊燕.财务危机预警模型评析[J].中国管理信息化，2008，（8）.
　　6.周首华.现代企业财务理论前沿专题[M].大连：东北财经大学出版社，2000.
　　7.张友棠.财务预警系统管理研究[M].北京：中国人民大学出版社，2004.