建筑行业财务风险预警研究——以*ST毅达为例

摘 要

随着建筑业市场的迅速扩大，建筑高层管理人员往往缺乏预警意识，忽视了企业内部所隐藏的财务风险，使得企业因盲目扩张而出现资金链断裂等问题而导致倒闭。因此，作为建筑行业的上市公司，更应增强财产风险感，在建筑业的管理中，应该加强对企业财务风险预警和防范，避免出现严重的财务危机。

本次研究的目标对象是沪深上市的建筑公司，经过筛选，本文提取出11家在2013年至2018年之间被ST过的企业，经过1:3的样本匹配，总共选得44家样本公司。同时，通过阅读大量专家文献后，根据数据的可靠性、可获得性，选取了34个指标。运用 SPSS 20.0 软件，使用了正态分布检验和显著性检验的方法，抽取出了显著性水平比较高的指标。接着，将主成分分析与Logistic 回归分析进行拟合，得出了建筑业上市公司财务风险预警模型。然后又进行了预警效果检验，得出的预警准确率分别为77.3%、86.4%和90.9%，这表明T-2年和T-1年这两年的财务风险预警模型具有较好的预警能力。最后，采用2016-2017年*ST毅达的财务数据对模型进行再次检验，预测2018年财务风险。结果表明，预警模型能够准确的预测*ST毅达2018年财务情况，模型具备有效性。本文是基于建筑行业上市公司数据构建模型，说明该模型对于建筑行业上市公司的财务危机预警应用具有一定普适性，能够为建筑行业其他上市公司是否可能发生财产风险提供有力证据。

关键词：建筑业；上市公司；财务风险；预警模型

第一章 绪论

1.1研究背景和意义

1.1.1研究背景

现在，城镇化发展开始加快速度，建筑业已经成为我们国家经济发展的重要支撑，此外，我国发展中国家这一性质也决定了我国的经济情况。只有不断发展经济，才能拉近与其他国家的距离。因此，自2017年以来，我国逐渐增大建筑业的扩张力度，目前我国建筑业的发展突飞猛进。然而，随着企业模型的扩大，内部管理问题日益显现。因为国内建筑高管缺乏风险防控意识，忽略了企业内部所隐藏的财务风险，使得企业因盲目扩张而出现资金链断裂等问题而导致倒闭。因此，建筑企业更需要加强其财产风险意识，加强对内部财务风险的预警和防控，避免出现项目中断，造成严重损失。

1.1.2 研究意义

对于企业而言，其财产风险的发生，往往是需要一个不断积累、恶化且循序渐进的过程，具有预测性，是能够预防的。建筑业在财务管理中各环节都有可能存在财务风险，如果没有在转变成财产危机之前，就辨认和防范这些财务风险，这有可能会给企业带来难以想象的财产流失，甚至会对企业的存活和前进造成不可避免的伤害。因此，如何建立适合我国建筑业的财产风险预警机制，在财产风险爆发前，发出预警，查明可能导致财产风险发生的各项影响因素，并针对这些因素采取行之有效的控制或解决措施，是非常有必要和及时的。

通过本文的分析有助于建筑企业内部管理层提高财务风险控制水平。通过财务预警机制模型，能及时地发现企业存在的财务情况问题，并及时地寻找影响财务情况的因素，并针对不同的影响因素采取相应的措施，如此才能遏制财务情况继续朝不良方向发展。通过本次研究有利于相关投资者合理进行投资，企业的有关投资者往往为了获利而投资或提供贷款给企业，但是在不了解企业的经营和财务情况的情况下，提供资金给建筑企业，那么无疑会加大他们的投资风险。因此，债权人和投资者可通过财务预警模型提供的信息，进一步了解企业的财务情况，并根据模型提供的信息进行决策，在一定程度上能够降低投资者和债权人的风险。

1.2文献综述

1.2.1国外研究现状

风险这一说法，来自于19世纪的国外学者。国外关于风险的定义是随着企业的商业活动而产生的。 企业的业务收入是管理者在业务活动中需要承担的风险的回报。在国外研究文献中，专家学者认为造成公司财务风险的原因很多。Marcos Rietti Souto 等（2004）将日本银行业金融危机这一案例作为依据，通过对日本经济环境的调查及分析并得出结论，认为宏观经济环境在一定程度上影响企业财务风险水平的划分。Kathryn A. Wilkens等人（2005）通过调研大量实例，发现了风险基金的投放受国家经济宏观环境和相关政策制度的影响，印证了经济情况是影响企业财务风险的一个关键因素。

20 世纪初，国外开始对财务预警的理论进行概述，当时争论的焦点只是宏观经济领域层面的预警，并未涉及到具体企业领域；而对微观领域即具体到企业预警管理则可以追溯到上世纪 80 年代中后期。自上世纪30年代开始至今，学者们研究的核心从理论转化到如何建立有效的预警模型。

Ohlson（1980）使用公司的规模作为非财务指标变量，以破产为标准选择样本，其中，破产公司为105家，非破产公司高达2058家，应用于逻辑回归模型，以此来研究财务预警。除规模之外，他认为债务相关和资本结构也与风险相关，但他无法解释每个相关变量的相关性。

M.D.Odom，Sharda（1990）将神经网络用于预测破产企业，输出层的结果选择以分类数字为方式对破产进行预测。与判别分析法进行对比可以显示神经网络更适合于该类问题的研究。

Coats，Franklin（1993）将样本公司分为两类，即47家财务困境公司和47家普通公司，并使用神经网络建立模型。他发现这些模型的准确度高达91.96％，明显高于其他模型。

Feng Yu Lin，Sally Mc Clean（2001）使用数据挖掘的方法对上市公司的经营进行判断。原始数据来自在伦敦交易所上市的自1980-1999年失败和未败的报价公司。采用单个方法和多种方法交叉使用的模式研究。结果表明，在单个方式的选择上，神经网络效果最优，但交叉使用产生的方法更为准确。

Yonghong Tao，Ai-lin（2009）结合功效系数法和神经网络法实现对经济问题的预警，有效解决了预警过程中风险评估没有标准的问题。

H.Jiang，C.Wang（2011）针对银行类企业在金融革命中的严峻形势，商业银行被带来的愈来愈多的风险，因此掌握商业银行的风险特征是很有必要的。构建风险预警体系，规避风险。文中将神经网络和因子分析混合使用，对信用贷款危机进行综合的预警。

1.2.2国内研究现状

我国在财产风险方面的研究相对较晚，是在80年代的时候才初步探索的。刘恩禄（1989）认为企业经营过程中，财务风险是可能产生的众多风险中较为重要和突出的，同时也是企业管理层不容忽视的问题。

向德伟（1994）阐述并全面讨论了金融风险的可能原因。他认为，企业可以根据业务流程将财务风险分为四类，即融资阶段的风险、获得收益后的再分配风险以及对外投资的风险、投资后资本回收的风险。

崔军和刘莹（2005）认为，公司的财务风险与操作风险密切相关，因为这两种风险的发生概率与影响的范围和原因有关。具体表现可概括为：外部借款扩张策略引起的融资风险、投资策略对外部投资引起的投资风险，吞并行业内其他企业或行业外企业引发的并购风险。

高云涛（2011）认为，商业运营的各个方面都存在金融风险。企业的主要业务是筹资阶段、资金使用阶段和投资阶段，而在这些阶段产生的资金所产生的风险统称为企业财务风险。

我国预警模型在国外研究的基础上进行了相应的借鉴和改进。陈静（1999）使用多元线性判定模型对沪深两市出现财务问题的ST公司前三年数据进行分析，从盈利能力、流动性以及偿债能力出发，选取恰当的指标进行分析，结论为使用多元判别分析的准确性要高于单变量模型。

熊涛（2013）总结财务预警理论，使用 MATLAB 语言运用贝叶斯网络法和SPSS统计分析技术建立了信用风险预警模型。通过样本的选择和财务指标的构建建立信用风险预警体系，结果表明两种贝叶斯网络模型都能起到良好的预警作用。但不足之处在于没有考虑非财务指标。

陶志坤（2013）的研究样本是2011年沪深交易所上市的50对健康与非健康的公司，选择条件概率模型作为研究方法，经研究发现该模型的预警准确率高达 86%，且随着危机的发生，预测结果更为准确。最后提出一些遏制财产风险发生的建议，以提高企业经济效益。

宋晓娜，黄业德，张峰（2016）混合使用使用主成分得分模型和Logistic回归模型分别以分数和概率这两种直观模式对我国制造业上市公司进行财务预警。研究发现，两种预警模型能够适用于我国制造业上市公司。

张静瑜，林娟，王玲(2017)对信息产业上市公司进行Logistic回归预警模型的建立，其样本数据是30家ST公司及30家健康上市公司，根据 T 检验得到具有显著性的财务指标来构建适用于信息产业的预警模型，检验时选取了随机的25家企业进行验证，得到其正确率高达100%的结论。

1.2.3 文献评述

通过梳理国内外财务预警文献，可以从以下两个方面进行评述：

（一）财务风险理论

当前各界学术成果显示，企业的财务风险可以分为固有风险、监管和控制资产的风险、操作风险以及来自企业现金的资本管理的风险。其中，固定风险指的是内部系统中不能被规避的部分；操作风险是指资本活动过程中特定操作过程涉及的风险。财务风险管理措施需要企业建立风险预警系统，也对企业内部控制制度提出了更全面的要求。近年来，信息技术的飞速发展给企业财务风险管理带来了新挑战，尤其是云计算出现，云计算等技术的出现给企业财务管理注入了新活力。随着越来越多的现代信息技术被广泛应用于财务风险管理领域，未来专家学者对于企业财务风险管理的研究势必要考虑到企业所处的时代背景，探索如何运用大数据手段进行企业财务风险管理是理论研究的发展方向之一。

风险预警模型关于预警模型的有关研究，最早起源于国外市场，并取得不错的效果。其中包括：Z 值模型、多元线性模型等。而国内在这方面的研究，从最开始的财务指标转变为经营绩效指标的扩展。而在指标筛选方面，多使用因子分析、主成分分析等方法。从当前研究情况来看，目前逻辑回归模型是构建预警模型的主流选择。

随着建筑业市场的迅速扩大，建筑高层管理人员往往缺乏预警意识，忽视了企业内部所隐藏的财务风险，使得企业因盲目扩张而出现资金链断裂等问题而导致破产。因此，作为建筑行业的上市公司，更应增强财产风险感，随时测试其所承担的风险。鉴此，本次研究借助SPSS进行财务指标的筛选，通过正态分布检验及非参数检验，剔除部分不符合标准的指标，后使用主成分分析法提出主成分因子，并在此基础上建立逻辑回归模型。最后，结合建筑业的财务风险产生的影响因素和财务风险实证研究，对建筑公司提出一些有用的改进建议及措施。

1.3研究内容和研究方法

1.3.1 研究内容

本次研究的样本企业为被ST公司。从2013-2018年间，有11家ST建筑行业上市公司入选。按照ST企业规模，按1：3的比例，选出了33家健康企业，共44家企业作为样本数据用来构建中国建筑业上市公司财务预警模型。文章以五个部分组成，分别为：

第一，绪论。文章首先讲明了这次研究题目的背景，分析了这次研究具有什么意义，并说明这次研究什么内容及方法是什么，醉后又概述了国内相关的研究成果，并从风险理论和预警模型两个方面进行总结。

第二，分析我国建筑行业上市公司的财务现状。首先，对我国建筑行业现状进行概况。其次，通过分析盈利、营运、偿债及发展等四个方面的财务能力，进一步了解了我国近五年建筑行业上市公司的财务现状。

第三，建立建筑行业上市公司的财务预警指标体系。这一部分通过辨出建筑公司的重点风险指标，建立了可以有效进行建筑公司预警的财务指标体系。

第四，设立建筑公司预警模型。首先，本次研究通过SPSS 软件对34个财务指标进行筛选，选出代表性较强的指标。然后，利用主成分和逻辑回归这两个方法设立建筑业财务预警模型。然后，通过拟合优度，模型系数和原始样本回判这几种检验方法来验证模型的预测效果。最后，代入*ST毅达的财务数据进行实证检验。

第五部分为建议与启示。为建筑行业上市公司提出建议，并阐述研究过程中所得到的启示。

　　本文的结构图如下图1-1所示：

1.3.2 研究方法

本次研究是参照了一些国内外相关的财务风险预警的研究文献，研究方法重点为以下两种：

文献研究法是指针对不变的研究目标或，通过阅读整理大量的文献资料、使用科学有效的研究手法进行收集整理、梳理归纳、概述反思的系统过程。本次研究针对建筑业，通过文献阅读、资料整理等步骤，较为完整的把握当前国内外的研究情况，为论文的进一步研究奠定了坚实的基础。实证分析法。首先，本次研究使用SPSS对财务指标进行筛选，通过相关检验及方法，筛选出有代表性的指标，后在此基础上建立Logistics回归模型。再对构建的模型进行模型检验。最后，结合实际情况，提出有关建议。

第二章 建筑行业财务风险的现状分析

2.1 建筑行业概况

建筑业，本质上是一个制造部门，它的主要工作包括了土木工程的建设、房屋的开发、机器设备的安装，当然了，技术研究及更新也是其工作中的一部分。最近这5年，建筑行业的企业数量增长得很快、总产值增速也开始回升了。2017年，建筑企业的数量已达88059个，其中包括132个建筑行业上市公司。此外，2017年，建筑行业的总产值已达 21.4万亿，2015-2017年的增速分别为 2.29%、7.09%、10.50%。行业规模增速自2015年以来有起底回升之势。

目前，建筑行业的整体需求量持续旺盛，但建筑行业的投资端增速总体下滑趋稳，生态环保的增速仍维持高位。2017年，固定资产投资完成额 63.2万亿，2013-2017年同比增速分比为19.6%、15.7%、10.0%、8.1%、7.2%，总体呈现出增速下滑趋稳的态势。建筑行业的新签合同额及房地产的投资增速加快，开工指标同势回升，各先行指标自2015年以来至今持续改善。2017年建筑行业新签合同额达44.0万亿，房地产开发投资额达11.0万亿 ，新开面积达52.2亿平方米，施工面积达 131.7亿平方米，各项指标在2015-2017年的增速情况见表2-1。

表2-1 2015-2017年建筑行业各项指标增速表

2.2建筑行业财务现状分析

截止到2013年末，我国建筑业上市公司有66家。通过排除2013-2017年尚未公布或数据不完整的公司，最终共选出了40家公司。使用这些公司过去五年的财务数据，通过计算了建筑业每一个财务指标的平均数值，还从这些公司盈利能力。偿债能力、成长能力以及营运能力这四个方面，去分析解释当前建筑业上市公司的财务现状。

2.2.1盈利能力现状

所谓盈利能力，就是说这家企业赚钱的能力怎样。当前，有挺多的指标是可以看出公开交易公司的赚钱能力的，这些指标就包括每股收益。净利润率和净资产收益率。2013-2017年来建筑业上市公司的赚钱的情况如下表2-2。

　　表2-2 2013-2017年建筑行业上市公司盈利能力情况

　　大家都知道，从每股收益里可以知道这家上市公司的赚钱能力的，她是表示一家公司盈利能力的很重要的指标。说白了，就是这家上市公司的每股收益越高，就说明她的其赚钱能力越强，她的业务能力还有财务情况就越好，这家公司的股价也会开始上涨。由表2-2可知，近五年来，建筑行业上市公司的每股收益均为正值，虽2014-2016年间收益有所下降，但均值仍保持在0.4以上。另外，总资产利润率和净资产收益率均为正值，总体较为稳定。

对于公司来说，销售净利润率也是一个反映赚钱能力的好的指标。公司如果增加了营业额，就要拿到更高的利润，这样才可以保持她的净利润率不变或者是增加。我们在销售净利润率的变化幅度，可以鼓励公司在扩展业务的同时改善业务管理，提高盈利能力。由表2-2所示，近五年来建筑行业上市公司的销售净利率呈下降趋势，特别是2015年和2016年。因此，建筑部门应提高其商业活动的管理水平，不要随随便便就去开展活动。

2.2.2偿债能力现状

偿债能力是企业财务状况三大衡量指标的之一，对于其的分析，集中表现为对短期偿债能力的分析、对长期偿债能力的分析。在诸多指标中，常用于企业财务分析的有流动比率、速动比率、现金流量负债率、利息支付倍数和资产负债率等

表2-3 2013-2017年建筑行业上市公司偿债能力情况

一般情况下，流动比率被认为是一个适度指标，合适的比例才能正确反映一家公司短期偿债的能力，所以说，其指标数值过高过低，都不见得是一件好事。因而，在标准的界定值2:1的范围内，如果指标数值越高，就证明企业流动资产的可变现性越好，到期偿付债权人的责任得到了保障，反之，则表明到期还债的可能性较低，风险较大。从表2-3可以看出，2013-2017年建筑业上市公司的流动比率并不稳定。最低为1.2152，最高为1.6575，均低于2，但整体处于一个上升的趋势。另外，近五年来，速动比率较为稳定，处于1左右，但其现金比率均未达到过45%。

就评价企业整体的偿债情况来看，支付利息的倍数提高得越快，债权人收回本金和利息的可能性就越高，企业在债务管理方面的风险也就越小。由表2-3可知，近五年来建筑行业的利息支付倍数呈上升趋势。此外，企业资产总额理应高于负债总额，负债占资产的比例应该小于1。如果一家企业的负债占总资产的比例小于0.5，则我们可以说这家公司的债务管理良好，债权人的权益可以得到保障。根据表2-3，对比五年的数据，可以看出，虽然资产负债率均高于标准值0.5，但有逐年下降的趋势，证明企业债务管理的情况在逐渐好转。

2.2.3成长能力现状

成长能力，代表着企业未来的一种可发展性，可持续性，涉及到企业规模、企业管理、企业权益的增长等。一定程度上，我们可以讲，它体现出了公司未来的发展蓝景。其中，主营业务收入增长率、净利润增长率和净资产增长率等均是反映成长能力的重要指标。

表2-4 2013-2017年建筑公司的成长能力情况

收入净额的增长某种程度上表明了一家公司正在走上坡路，代表着这家企业蒸蒸日上。也就是说，如果一家企业的收入净额增长显著，则表明这家企业在业务规划，经营管理和发展战略上做出了正确的决策。但是，需要注意的一点，如果企业利润净额与收入净额的增长对比，并没有增长的表现或迹象，则这种增长是没有意义的。从表2-4可以看出，这五年来，建筑业上市公司收入增长率没有增加，但也没有出现负增长的情况。此外，近五年来，净利润增长率、净资产增长率都有增长。其中2016年的净资产增长率已经高达26.9682％。

2.2.4营运能力现状

营运能力，即表示一家企业如何对资金进行有效管理，使得企业资金的流入流出保持一定程度上的平衡能力。分析该项能力，主要着重于分析资产周转的效率指标，这些效率指标的好坏很大程度上反映了一家公司从资金投入到资金收回所需要的时间，决定了企业日常经营需要投入的资金量和备用金。具体包括了总资产周转率、应收账款周转率等。

表2-5 2013-2017年建筑公司的营运能力情况

应收账款的变现速度，一定程度度上可以反映企业销售收入回收资金的快慢，如果变现速度快，则表明业务资金回收快，账期短，同时也说明该公司的议价能力和话语权很强。如图2-5所示，近五年来，建筑业上市公司应收账款周转率的整体情况呈下降趋势，这说明建筑行业应收账款的回收时间逐渐变长。

简而言之，如果一家公司存货的变现率高，则说明其存货的变现速度很快，其存货占用水平就越低，这给该公司带来了更大的流动性，换句话说，这家公司的现金和应收账款的流动速度会更快。根据图2-5可知，2013-2017年的存货周转率并不稳定，其中2014年达到8.0953，但2017年只有5.1413，虽不能说明整个行业的营运能力下降，但能肯定的是，个别建筑企业的营运能力开始减弱。另外，近五年的总资产周转率也存在下降的趋势。

2.4 本章小结

本章首先阐述了我国建筑行业的概况，目前建筑行业的整体需求持续旺盛。其次，本章选取了2013-2017年我国40家建筑行业上市公司作为研究对象，并根据这些公司的盈利、营运、偿债及发展等四个方面的数据来分析目标行业诸多上市公司的财务情况。由现状分析可知，财产风险已经存在，并且危机正在慢慢呈现出来，因此，建筑行业上市公司应该如何预警和防范财务风险显得尤为关键。

第三章 我国建筑行业上市公司财产风险预警研究设计

3.1 我国建筑行业上市公司研究样本的选取

3.1.1研究样本选取原则

本文把在沪深上市的建筑公司当做研究对象，从前五年里，即2013年到2018年里，选出了11家ST公司，按照1:3的比例根据同一年份、同行业规模和性质的原则匹配合理的企业样本。其中在2013年和2014年里，分别选取了9家和被ST企业的模型大小类似的企业；而在2015和2016年中，分别选了3家，在2018年里，选了9家，总共44家企业。

3.1.2 研究样本选择

本文研究的样本采自网易财经。

3.2 财务预警指标的选取

3.2.1 指标选取原则

建筑公司能否正常运营，往往不止考虑它的盈利能力，有时他的偿债营运成长和现金流量等方面的能力也很重要。在阅读了大量专家文献后，本文根据数据的可靠性和可用性选择反映建筑业财务情况的指标，以此提高建筑公司财产危机预警的准确性。

3.2.2 指标选取

本文通过大量阅读，最终在建筑公司的盈利偿债营运发展和现金流量等方面的能力上，选择了34个适合建筑上市公司做预警分析的指标，指标的具体情况见表3-3。

3.3 本章小结

在建筑行业上市公司财务预警模型的构建中，本文把2013-2018年沪深上市的建筑公司作为研究样本，初步从盈利、偿债、运营、发展和现金流量等五个方面筛选出34个财务指标。

第四章我国建筑行业上市公司财务风险预警模型的实证研究

4.1 预警指标筛选

4.1.1 正态分布

在构建财产风险预警模型前，往往我们需要对样本的数据进行显著性检验，探究危机公司与非危机公司之间的指标变量是否具有较为明显的差异。若是在样本数据不符合正态分布的情形下，要进行数据均值的显著性检验，则是选择非参数检验法。而如果符合正态分布，则选择T检验。故此，本文对样本数据进行显著性检验。

本次研究通过SPSS软件进行K-S检验，来探求指标情况。

本文采取SPSS20.0统计软件中的K-S来测试样本数据指标的分布。本次研究的表达式为D = MAX [F（x）nF（x）]，其中n是样本大小，数据的显着性水平设置为0.05，当D大于显着性水平时，数据满足正常水平分布条件；当D值小于或等于0.05时，表示数据不满足正态分布。有关建筑公司财务指标正态分布的结果见表4-1 ：

表4-1 正态分布检验结果

检测标准表明，假若K-S的检验结果显示双侧渐进显著性>0.05，这就意味着，这个检验指标是已经通过正态分布检验的。如果不是，就表示这项指标还没有通过正态分布。检验。表4-1结果显示，

T-3 年服从正态分布的指标分别是：X1、X6、X8、X9、X12、X15、X17、X18、X19、X20、X21、X29、X30以及X32。

T-2 年服从正态分布的指标分别是：X1、X6、X8、X9、X11、X12、X15、X17、X18、X19、X20、X21、X24、X29、X30、X31、X32、X33以及X34。

T-1 年服从正态分布的指标分别是：X1、X6、X12、X13、X15、X17、X18、X19、X20、X21、X29、X30、X32、X33以及X34。

4.1.2 显著性

1. T 检验

做完K-S检验之后，可以拿到表4-1的结果，这个时候就可以对那些通过检验的指标进行T检验，而对那些还没有通过检验的指标就进行Mann-Whitney U检验。经过这样的检验后，我们就可以分析出有哪些企业指标存在明显差异的。第一，筛选出已经通过正态分布检验的指标，然后对其采用T 检验，具体情况看下表4-2：

　　表4-2 T-3年显著性差异检验

从上表4-2可以看出，X1基于均匀性Levene试验，其P值为0.993，大于0.05。因此，在显着性水平为0.05的情况下，存在方差的均匀性。根据T检验，X1的P值为0.035且小于0.05，因此在显着性水平为0.05的情况下存在显着差异。X6基于均匀性Levene检验，其P值为0.186，大于0.05，因此在0.05的显着性水平上存在方差的均匀性。而根据T检验，X6的P值为0.540且大于0.05，因此在显着性水平为0.05的情况下没有显着差异。图中的结果显示，X1，X32，X33和X34之间存在显着差异。因此，存在显著性差异的指标分别为每股收益、资产的，经营现金，流量，回报率、经营，现金，净，流量对负债比率和现金流量比率。

表4-3 T-2年显著性差异检验

从上表4-3可以看出，Levene 检验结果显示：X6、X11、X12、X15、X17、X21以及X30的P 值大于0.05，都满足齐次性特征。但是在对于他们的齐方差进行T 检验的过程时，全部指标都不满足明显性差异的标准。所以，这一次通过明显性检测的指标有X1、X18、X19、X20、X31、X33及X34，即通过明显性检测的有每股收益、固定资产，净值率、资本固，定化比率、产权比率、经营现金，净流量对销，售收入比率、经营现金，净流量对负，债比率和现金，流量比率。

表4-4 T-1年显著性差异检验

从上表4-4可以看出，Levene 的检验结果X6、X13、X18、X21、X30以及X32的P 值都是大于0.05的，他们符合齐次性特征的标准。但是，在对那些的齐方差进行一次T 检验时，又显示说他们都不符合明显差异的标准。还有，检查的结果还说了X1、X8、X9、X29，他们都不符合齐次性特征的标准，不满足明显性差异。在这个表里面，符合明显性差异的有X12、X15、X17、X19及X20，即速动比率、资产负债率、负债与所有者权益、资本固定化比率和产权比率。

2 .非参数检验

这篇文章运用了Mann-WhitneyU检验的方法，准备对那些没有正态分布的指标，进行检查验证，具体情况如下表：

表4-5 T-3年的Mann-WhitneyU 检验

根据上表4-5，X2、X4、X5、X7、X8、X9、X10、X11、X14、X22、X24、X25、X26、X27及X28的P值均大于0.05，所以如果是在明显性水平为0.05的情况下，他们是不存在明显差异的。而X3、X16的P值也很低，他们都小于0.05，所以X3、X16存在明显差异的，即通过明显差异的指标有总资产净利润率，股东权益与固定资产比率。

表4-6 T-2年的Mann-WhitneyU 检验

根据上表4-6，只有X27、X28的精确概率P值和近似概率P值小于0.05，其他指标的P值均大于0.05，故X27、X28存在显著性差异，即存货周转率和固定资产周转率存在显著性差异。

表4-7 T-1年的Mann-WhitneyU 检验

由表4-7可知，X2、X3、X11、X14、X16及X23的P值都是小于0.05的，所以他们是有明显差异的。也就是说，T-1年通过明显差异检查的指标有总资产利润率、总资产净利润率、流动比率、利息支付倍速、股东权益与固定资产比率和净利润增长率。将未通过显著性检验的指标在各年的指标体系中剔除后，各年的指标体系情况如表 4-8 所示。

4.2 财务预警主成分分析检验

由于本次研究所涉及的指标过多，如果将所有指标纳入模型中去，会导致模型过于复杂，建模成本过大。考虑到成本效益原则，本次研究采用主成分分析法对指标进行整合，降低指标的数量，通过更少数量的复合指标来展示多个指标的联系。

1. KMO and Barlett 检验

本文使用SPSS20.0软件，采取KMO and Barlett检验的方法，对指标进行检验并分析其相关性。检验结果如下三表所示，即表4-9、表4-10及表4-11所示：

表4-11 T-3年KMO 和Bartlett 的检验

由表4-9、表4-10和表4-11可以知道，在测试结果中，这三年的sig值，每一年都是0，每一年都小于0.05，这说明这些数据满足做元素分析的要求，因为他们之间存在球形分布的关系，。

2. 解释总方差

据表4-12、表4-13及表4-14 可以看出，如果一个元素的原始特性数大于1，则说明这个元素的付出的作用大，也证明它更能代表某项能力。本文选取T-3、T-2、T-1这三年中元素原始特性数大于1 的元素，并将其作为主元素。所以，T-3年总共选了2 个主元素，T-2年、T-1年分别选了3个主元素。

3.旋转成分矩阵

上表4-15为T-3 年旋转成份矩阵，在头个主成分元素里，资产的经营现金流量回报率、现金流量比率等的元素载荷值相对高，因此，将头个主成分元素称呼为现金流量元素。第二个元素中元素载荷值相对高的是每股收益和总资产净利润率，于是，第二个主成分元素为盈利元素。

由表4-16，T-2 年旋转成份矩阵可得，在头个主成分元素中，元素载荷值相对大的是经营现金净流量对，负债比率和现金比率，所以头个主成分元素为现金流量元素。第二个主成分元素为盈利营运元素，因为他们的固定资产周转率，还有每股收益的载荷值都相对大。然而在第三个主成分元素中，是产权比率，还有资本固定化比率的载荷值相对大，所以为偿债元素。

由表4-17可得，T-1 年里，头个主成分元素中，产权比率和资产负债率的载荷值相对大，所以将头个主成分元素命名为偿债元素。第二个主成分元素中，因为总资产净利润率和利息支付倍速的载荷值相对大，因此，第二个主成分元素为盈利偿债元素。第三个主成分元素中，流动比率和股东权益与固定资产比率的载荷值相对大，称为偿债元素。

元素得分系数矩阵和因子表达式

由上表4-18,T-3年的成份得分系数矩阵，可知，T-3年的主成分分析因子表达式为：

F1=0.012X1+0.013X3+0.138X16+0.314X32+0.347X33+0.341X34

F2=0.431X1+0.455X3-0.408X16+0.016X32+0.347X33+0.341X34

通过表4-20，T-1年成份得分系数矩阵，可知，T-1年的主成分分析因子表达式为：

F1=-0.001X2-0.006X3+0.073X11-0.245X12+0.124X14+0.174X15+0.109X16+0.310X17

+0.206X19+0.307X20+0.089X23

F2=-0.321X2+0.32X3+0.024X11-0.090X12+0.325X14-0.006X15+0.031X16+0.075X17+0.009X19+0.076X20-0.36X23

F3=-0.041X2-0.055X3+0.477X11-0.065X12+0.103X14-0.149X15+0.503X16+0.103X17

+0.048X19+0.099X20+0.059X23

4.3 Logistics 回归模型的建立

4.3.1 简介Logistic回归模型

研究财产危机预测问题的方法有很多，其中一种就是使用Logistic回归方法。它假设Xi用于表示第i个财产风险的预测矩阵，Pi是财产风险的概率，Yi是最大似然函数。它们之间的表达式如下：

Yi=ai+∑bixi=Ln{pi/(1-pi)}

Pi=exp(Yi)/{1+exp(Yi)}

4.3.2 构建Logistic预警模型

本文在构建中国建筑业上市公司的财务预警模型时，选取了SPSS20.0软件，并将尚未发生财产风险的企业赋值为0，将已发生财产风险的企业赋值为1，逐步求算出T-3年、T-2年和T -1年的主成分分析的各因子值，并将主成分分析提取出的主要因子作为模型构建的协变量，企业类型作为因变量，把每个变量引入SPSS20.0软件进行逻辑回归分析。结果如下所示：

构建T-3 年建筑行业上市公司财务风险预警模型

提取表4-22的系数，把它代入方程式，便得T-3年财产风险预警模型为：

Y3= -1.574-0.001F1-0.002F2

P3=exp(Y3)/（1+exp(Y3)）

构建T-2 年建筑行业上市公司财务风险预警模型表4-23 方程中的变量

提取表4-23的系数，把它代入方程式，便得T-2年财产风险预警模型为：

Y2= 2.423-0.308F1+0.001F2-0.033F3

P2= exp(Y2)/（1+exp(Y2)）

构建T-1 年建筑行业上市公司财务风险预警模型

表4-25显示，T-3年的-2对数值挺大，为42.134，并且Nagelkerke R2值相对来说较低，只有0.228，这意味着这个模型对于T-3 年来说，能预测到危机的可能性较低。T-2年的-2 对数似然值相对较为适中，是30.345，Nagelkerke R2值是0.522，这意味着该模型基本能预测到T-2年的危机情况。T-1年的-2对数似然值很小，为16.167，说明该模型可以很好地适应数据。T-1的Nagelkerke R2值为0.786，这是一个很大的值，表明该模型与方程有很高的拟合度。因此，该模型能够较为准确的判断建筑行业T-2年和T-1年的财务状况。

模型系数检验

从表4-26得知，在这三年的Sig值里，T-3 年的最大，达到了0.025，T-2年和T-1 年都是等于0，这可以被认为，T-3 年模型还算可以，系数有点明显；T-2年和T-1年这两年的模型构建得较好，系数十分明显。

原始样本回判检验

从上表4-27可知，在T-3 年的检验中，该模型的整体精准率达到77.3%，它在检查11家 ST 企业的过程中，只测查出了3家 ST 企业，这就说明这个模型对于建筑行业T-3 年的财产危机预测能力不强，模型构建没有达到满意的结果。

看表4-28可知，在T-2年里，对44家企业样本进行检测的时候，这个模型的整体精准率达到了86.4%。此外，对其健康企业进行检测时，发现精准率高达93.9%。这就意味着T-2 年的模型能较好地预测财产危机，模型构建的结果较为满意。

根据表4-29可知，T-1年里，在判断33家健康企业时，模型判断错了一家，预测精准率高达97%。而且在其余11 家ST企业的检查中，预测精准率达到了72.7%。所以，T-1 年整体的预测精准率达到了90.9%，这也有力地说明了该模型的预测效果得到了满意的结果。我们通过拟合优度、模型系数和原始样本回判这三个检验，对模型进行了预测效果检测，说明了本文所构建的财务预测模型能够精准地预测出建筑业的财务情况，能够有力地为建筑业企业是否可能发生财产风险提供证据。

4.4 建筑行业财务风险预警模型应用—以*ST毅达为例

4.4.1 财务风险预警模型应用过程

为了进一步验证模型的预测能力，从建筑行业上市公司中抽取了1家ST公司，以其2016-2017年财务数据对模型进行预测检验。

4.4.2 *ST毅达财务风险预警应用

下面以*ST毅达为例应用建筑行业的财产风险预警模型。收集*ST毅达年报财务指标数据，经处理得到相应年份的财务指标，以本文所建立的模型预测*ST毅达2018 年的财产风险情况，则收集的数据期间为2016 年-2017 年。计算后的数据汇总如表4-30 所示。

4.4.3 *ST毅达财务风险预警指标的验证分析

将上表4-30中数据代到预警模型，以0.5 为分割点进行判定，当p＞0.5 时，为财产风险公司，当p＜0.5 时，为财务情况正常公司，进行预测，检验2018年*ST毅达财务风险情况，结果如表4-36 所示。

表4-31 2018年*ST毅达财务风险预测结果

由表4-31可知，将2016年数据代入Y-2年预警模型预测2018年*ST毅达财务风险时，P值为0.522426，显示财产风险；将2017年数据代入Y-1年预警模型预测时，P值为0.701137，显示财产风险。模型建立的原理是根据历史数据来预测如今已有的结果，这样可以切实对比现实情况，如若与现实相符，则说明模型具有继续优化和未来应用的价值，进而可以运用目前的数据去真正地预测未来财产风险情况。本节的预测结果与实际情况相符，因为*ST毅达这一公司确实曾在2018年7月2号被实施退市风险警示，说明本文建立的财产风险预警模型可以有效预测*ST毅达的财产风险情况，验证了模型的有效性。

4.4.4 模型应用分析

以*ST毅达为例应用于本文所建立的Y-2年和Y-1年模型，验证了模型的普适性和准确性。本文基于建筑行业上市公司的数据建立的模型，表明这一模型可以应用于建筑行业上市公司的财产风险预警，它具有一定的普遍性。此外，本文建立的模型可以有效地为建筑行业的其他上市公司提供财产风险预警，可以为建筑行业上市公司是否可能出现财产风险提供证明，它是一种预测财产风险的工具或手段。

4.5本章小结

本章主要是构建建筑业上市公司的财务风险预警模型。第一步，对指标进行筛选。本次研究借助SPSS软件，将所选取的指标进行正态分布检验、T检验及非参数检验，选取其具有高度显著性水平的指标。第二步，构建模型。通过主成分和逻辑回归这两个分析法，构建了建筑业企业的财务预警模型。第三步，进行模型检验。通过拟合优度检验、模型系数检验和原始样本回判检验来检验建筑行业上市公司财务预警模型的预警效果。此外本章还代入2016-2017年*ST毅达的财务数据对模型进行再次检验预测2018年财务风险。结果表明，预警模型能够准确的预测*ST毅达2018年财务情况，模型具备有效性。且本文是基于建筑行业上市公司数据构建模型，说明该模型对于建筑行业上市公司的财产风险预警应用具有一定普适性，能够为建筑行业其他上市公司是否可能发生财产风险提供有力证据。

第五章 建议及启示

5.1建议

财产风险发生对建筑业上市公司的影响是非常巨大的，如果企业不能较好地管理企业财务，不能在财产风险发现之前，就识别出危机，并做好预防工作，这有可能将会给企业带来难以想象的损失，甚至很可能会对企业的生存和发展造成重大影响。建筑业上市公司可通过运用Logistic回归方法，构建财产风险预警模型，及时发现公司所暗藏的财产风险因素，从而能够及时采取具有针对性的应对方法或者防范措施。

5.1.1构建良好齐全的财务管理制度

构建良好的财务管理制度，强化内部控制。以当前的建筑行业来说，其财务管理环境较为复杂，因此，基于企业的稳定性发展而言，建筑行业上市公司必须要建立完善的财务管理，强化内部控制：首先，企业应当根据当前市场环境建立健全财务管理制度，规范财务岗位职责，强化对各项工作的规范化管理；其次，建筑企业必须要强化内部控制管理。例如针对企业固定资产配比不合理的现象，建筑行业上市公司必须要加强管理，使企业的固定资产的价值提升。

5.1.2 加强预算管理，控制企业成本

想要企业获得较高利润，关键因素在于加强企业成本管理，规范企业合同管理成本。基于日益复杂的市场环境，企业必须要加强对施工成本的管理，重点做好合同管理工作：第一，建筑公司要加强对企业施工成本的预算管理。建筑公司在开展建筑施工业务前必须要对项目进行全民的分析，合理确定目标成本。例如在投标前，建筑公司必须要结合自身的情况确定合适的竞标价，避免出现恶意竞标现象；第二，要加强对建筑施工环节的成本控制。企业经济效益的提高，关键在于把握好建筑施工这一环节。所以，建筑公司务必要加强控制每个环节的成本。例如要加强对员工的合理控制，合理设立工作岗位，实施绩效管理；第三，要做好合同的管理，切实维护自己的经济利益。例如建筑行业在签订合同时要认真研读合同内容，避免出现经济纠纷。

5.1.3 创新财务管理模式

建筑业公司在避免财产风险的过程中，也要注意公司财务管理模式的创新，企业融资渠道的扩展。当前，建筑业上市公司存在短期负债较多的问题，建筑公司要加强财务管理模式创新，积极拓展融资渠道，缓解企业资金周转紧张的局面：第一，企业要积极利用互联网技术，构建财务监管平台，实现企业财务工作的网络化，以此通过网络系统实现财务工作的全程监控；第二，要不断拓展融资渠道，采取多元化的融资途径。建筑公司除了向金融机构借贷之外，还要积极通过资产市场手段扩大资金筹集渠道。当然最重要的是建筑公司必须要控制负债比例，采取长期借款和短期借款相结合的方式。

企业财产风险的发生是企业整个系统的共同作用的结果，因此对于建筑业上市公司财产风险的防范和应对，不仅仅需要利用财务预警模型发现危机因素，而且要马上采取相应对策，以防止危机进一步恶化，这需要建筑业上市公司管理层统一安排、调度，同时企业其他各个子部口的协同配合，共同消除或应对财产风险。

5.2启示

通过对建筑行业上市公司财务风险预警研究分析，得出以下三点启发：

一、在建筑业上市公司样本方面，可以将建筑业上市公司细分，建立工程建筑、建筑安装、建筑装饰等预警模型。经过对建筑业上市公司的详细区分，可以使得到的财务预警模型的准确性更高。

二、在建立模型的方法上，我们应充分考虑到将来市场环境变化的情况，分析这是否会对企业财务情况造成伤害。所以，我们可以选取那些具有变新或推断能力的动态方法，比如神经网络，遗传算法等这样的手段去构建财务预警的模型，方便提升模型的未来适合使用的能力。

三、在数据来源这个方面，我们除了可以选财务报表的财务数据外，还应该去结合建筑行业本身的特征，选取多种多样的非财务指标，这样既可以提升企业财务预警的准确率。还能更好地发现那些对企业财务情况有影响的本质原因，从而有益于管理者去采取合适的措施，有用的避免了可能会发生的财产风险。

5.3本章小结

本章基于前几章的研究分析下，为建筑业财务风险预防提出三点建议，一是构建完善的财务管理制度，强化内部控制；二是加强成本管理，规范合同管理成本；三是创新财务管理模式，拓展企业融资渠道。另外，本章从样本选择、模型方法和数据来源等方面对研究过程中所得的启发进行了总结阐述。

结 论

在经济全球化趋势加剧的市场环境中，如果能够保持公司财务情况的健康运行，就能帮助企业在市场中占有一席之地，提高市场竞争力。因此，财务预警对企业来说具有重要作用。 首先，本文从四个方面分析2013-2017年我国建筑行业财务现状，这四个方面分别为盈利能力、营运能力、偿债能力及发展能力。由现状可知，当前建筑行业的财产风险已经慢慢呈现出来。

这篇文章把ST企业看是财产风险企业，在2013年到2018年间选择了11家ST建筑业上市公司，并根据同会计年度、同行业规模和性质的筛选原则，采用1：3的配比方法，选择了33家，健康企业样本。因此，这篇文章的财务预警公司的样本总共有44个，我们利用这些样本建立适用于建筑行业上市公司的财务指标体系。其次，使用SPSS 20.0筛选财务指标，使用正态分布检验和非参数检验过滤指标，并消除意义不大的指标。然后，使用主成分分析提取代表性高的主成分因子，并基于主成分因子建立建筑行业上市公司财务预警模型，并通过拟合优度检验，模型系数检验和原始样本回判检验来检验预测效果。最后代入2016-2017年*ST毅达的财务数据对模型进行再次检验预测2018年财务风险。结果表明，预警模型能够准确的预测*ST毅达2018年财务情况，模型具备有效性。且本文是基于建筑行业上市公司数据构建模型，说明该模型对于建筑行业上市公司的财产风险预警应用具有一定普适性，能够为建筑行业其他上市公司是否可能发生财产风险提供有力证据。

最后，通过对建筑业上市公司的研究，本文为建筑行业上市公司的财务风险预防提出三点建议，一是构建完善的财务管理制度，强化内部控制；二是加强成本管理，规范合同管理成本；三是创新财务管理模式，拓展企业融资渠道。

参考文献

• Ohlson,James. A Financial Ratios and the Probabilistic Prediction of  Bankrupt[J].Joumal  of Accounting Research. 1980, 18(19):109-131.
• Altman E．Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]． Journal of Finance，1999，23(4)：589-609．
• M Odom,R Sharda. A neural network for bankruptcy prediction[J].International Joint Conference on Neural Networks. 1990, 2(17-21):163-168.
• Coats Pamela K ,Franklin F L, Recognizing Financial Distress Patterns Using  a  Neural  Network tool[J].Financial Management. 1993(3):142-166.
• Feng Yu,Lin Sally Mc Clean. A Data Mining Approach to the Prediction of Corporate Failure[J].Knowledge-Based Systems. 2001(14)189-195.
• Yong Tao, Ailin  Ql.Based on the Efficiency  Coefficient-BP Neural Network Study of the Risk of Early Warning[J].Mangement Science and Engineering. 2009, 3(3):96-100.
• Martin D. Early warning of bank failure :a logit regression approach. Journal Of Banking and Finanee.2005.P249-276.
• Ohelson J A．Financial ratios and the probabilistic prediction of bankruptcy[J]．Journal of Accounting Research，2008，18(1)：109-131．
• 陈静．上市公司财务恶化预测的实证分析[J]．会计研究，1999(4)：31-38．
• 吴世农，卢贤义．我国上市公司财务困境的预测模型研究[J]．经济研究，2001(6)：46-55．
• 张蔚虹，朱海霞.Z-Score 模型对科技型上市公司财务风险预警的适用性检验[J].科技管理研究，2012（14）:228-231.
• 熊涛．基于贝叶斯网络的我国上市公司信用风险预警模型[D]．金华：浙江师范大学，2013．
• 张静瑜,林娟,王玲.基于Logistic的信息产业上市公司财务预警模型构建[J].财会通讯,2017(32):100-104+129.
• 张相攀. 基于自由现金流量的房地产企业财务预警研究[D].石家庄铁道大学,2017.
• 王恺,张黎明,孙静彬.建筑行业信息化发展现状及强化措施[J].中国建设信息化,2017(10):29-31
• 盖勇.关于企业财务危机预警问题的一些思考[J].财会学习,2018(31):59+61.
• 徐丹丹. 中国制造业上市公司财务危机预警研究[D].山东农业大学,2018.
• 赵莺莺,姜颖.企业财务风险预警模型国内研究述评[J].价值工程,2018,37(26):116-119.
• 刘彦.建筑企业财务管理存在的问题与对策[J].中国集体经济,2018(25):128-129.
• 扈洁.建筑施工企业财务风险预警及防范研究[J].经贸实践,2018(06):272-273.

建筑行业财务风险预警研究——以*ST毅达为例

价格 ¥9.90 发布时间 2022年12月4日

下载查看全文内容

已付费？登录 或 刷新