财税金融
张晓晴齐延艳
汽车行业上市公司财务风险预警
—基于主成分分析和L o g i s t i c 回归的财务风险预警模型
摘要：汽车行业是我国经济的支柱产 业之一，但近期我国汽车市场不景气，许 多潜在的财务风险需要被重视。文章以我 国汽车行业上市公司为研究对象，选取 2015%2017年140家汽车行业上市公司 的财务指标，利用主成分分析法筛选出六 个主成分因子，再通过Logistic 回归分析 建立汽车行业财务预警模型，利用2018
年样本公司财务数据检验得到该模型总 体预测准确率达到95.71%，财务预警效 果良好，对汽车行业企业经营者和外部投 价值。关键词：财务风险；主成分分析；lo ­gistic  回归； 汽车行业； 预警模型―、汽车行业上市公司现状分析汽车行业作为我国经济的支柱产业 之一，在提升国民经济、增加就业岗位、 刺激消费等方面发挥着重要作用。但从 2018年年底开始汽车销量呈现下滑趋
势，国内汽车市场消费疲弱，新能源技 术尚不成熟，2019年我国汽车行业似乎 进入了冬天，但我国人均汽车保有量较 发达国家仍有很大的发展空间。目前汽 车行业正在由 新能源、能 ，处在的
临界点，面临着众多机遇风险。此时 有 成、 风险，预机的出现成为汽车行业 ， 的重 。 ， 一 用 我国汽车行业 市 的 ，业 不的据预测企业 ，及时发出财务预警，为业决策提 要的 &为 人、 市 提 有效的财务预警支持。二、文献综述及指标选取(一）文献综述国内 的 方 为量 ， 的， 用 进行 的 量有 。国内 量 ：方 从 量 多 量 不，提 了 量 、多 型、Logistic 回归模型、经网经、Z  、F  ，在预测精有优缺点， Logistic 表1财务指标选取表
估内容价指标指标代码指标计算公式偿债能力流动比率X i 流 产/流负
速动比率
X !(流 产-存货</流负
产负率X 3负债总额/资产总额
产权比率X $负债总额/所有者权益总额
经营能力存货周率X $营业收人/存货平均余额
应收账款周率X >赊销收人净额/应收账款平均余额流 产周 率X '营业务收人净额/平均流动资产总额固 产周率X 8主营业务收人净额/平均固定资产总额总资产周转率X 9主营业务收人净额/平均总资产总额盈利能力产报酬率X #0净利润资产平均总额
总资产净利率X ##净利润/平均资产总额
净资产收益率X #2净利润/股东权益余额
发展能力总产增长率X 13'年末产总额-年初产总额)/年初产总额
净利润增长率X #4'当期净利润-上期净利润(/上期净利润
所有者权益增长率X i5
'当期所有 益合计-上期所有者权益合计(/ 上期所有 益合计
每股指标每 收益X 16净利润/总股本
每股资本公积X 17积期末值/总股本
每股净现金流量X 18现金净流量/总股本
92繁2020年27期(9月）
CHINA
COLLECTIVE
ECONOMY
回归模型具有较强的实用性，预测误判率
较低。纵观国内外预测模型，研究对象多
数不划分行业或为制造业公司，针对汽车
A业的研究较少，因此本文米用Logistic
回归模型对我国汽车行业上市公司建立
财务预警模型，为汽车制造企业进行财务
预警评估提供借鉴。
(二）研究样本及指标的选择
本文将上市公司是否因“财务状况异
常”而被特别处理（ST)作为判断是否出
现财务危机的标准，选取了汽车行业140
家上市公司作为研究样本，其中，432家
财务正常公司，即非S)公司，8家财务状
况异常的公司，即S T公司。选取了样本
公司2045~2047 的财务指标
数进行分建立财务预警模型，选取
样本公司2048年财务指标检验模型的效
。本文样本数 国安经济金融
研究数据库(CSM AR)。
本文在合财务预警模型
标选取的 上，合汽车行业的特
点，从众多财务指标中选取了 48个对上
市公司 较 的标，其中
公司的 、、】
力、的4：个财务标3个投
较为 的财务 标，具360汽车之家
表4所不。
三、主成分分析
(一）主成分分析的适用性检验
在 分分 ，对140家样本公
司数据标准化处理，进行？M O检验
和Bartlett’s，?M O统计量是用
较数
数的指标，？M O值越接近于E则意味着
的性 强，有 合
作 分分析。为？M O检验数>
0.：适合 分分析，从表2 出
KMO为0.620，分分
的。Bartlett*s球状检验用于检验相
中的性，即
是否立。为Bartlett*s
球状 0.0：合主成分分
。
  2 性 Sig.为
0，具有 性，合
分分 。
表2 KMO和Bartlett’s球状检验结果
KM O Bartlett
Ka/serM eyeiLOlkm测量取样适当性0.620
Bartlett的大约卡方3034.044
df453
性0.000
表3解释的总方差
元件
特征提取平 载人循环平 载人
总异的％累+ %总异的％累加％总异的 %累加 %
1  4.48324.90624.906  4.48324.90624.906  3.67420.41020.410
2  4.06722.59447.500  4.06722.59447.500  3.13817.43437.844
3  2.15611.98059.480  2.15611.98059.480  2.91016.16554.009
4  1.5218.45167.930  1.5218.45167.930  2.11311.74265.751
5  1.4147.85475.784  1.4147.85475.784  1.6128.95674.707
6  1.078  5.98781.771  1.078  5.98781.771  1.2717.06481.771
70.852  4.73386.504
80.708  3.93490.439
90.582  3.23393.672
100.349  1.93995.610
110.287  1.59797.207
120.1790.99698.203
130.1000.55798.760
140.0910.50799.267
150.0640.35799.624
160.0570.31999.943
170.0070.03799.980
180.0040.020100.000
提取方法：主体元件分析
表4成分得分系数矩阵
元件
123456
X i0.124—0.0980.962—0.008—0.099—0.023
X0.124—0.0860.9640.000—0.0650.000
X3—0.2380.417—0.6240.0170.4850.036
X4—0.2110.283—0.2060.0310.710—0.079
X：0.0780.742—0.182—0.0560.2200.070
X—0.2170.626—0.073—0.002—0.029—0.109
X70.2280.662—0.5690.011—0.176—0.048
X80.0840.8260.2170.0080.2510.081
X90.2550.820—0.3720.006—0.108—0.051
X100.938—0.0130.1590.133—0.065—0.080
X110.936—0.0380.2010.114—0.097—0.064
X120.9430.0310.0050.1250.198—0.035
X130.132—0.123—0.0330.852—0.0770.287
X140.166—0.0590.001—0.1000.797—0.005
X150.167—0.1000.0410.8700.0240.242
X160.7990.262—0.0840.089—0.0700.365
X17—0.004—0.019—0.0120.181—0.0510.939
X180.0890.178—0.0240.727—0.046—0.260
中国集体经济|.
3
C MY K
财税金融
(二） 主成分的提取运用SPSS 22.0对所选取的201'~ 2017年140家汽车上市公司的财务指标 进行主成分分析，得到各个成分的特征 值及累加贡献率，一般要求各主成分的 特征值大于1，累计贡献率大于80%。由
表3所示，前六个主成分的特征值大于 1，累计贡献率为81.771%。说明前六个 主成分因子能充分代替原数据，能对总 体起到概括作用，因子分析效果比较理 想，所以本文提取前六个主成分进行后 续研究。(三） 主成分的解释利用SPSS 22.0使用方差大 灌得到 因子 ，使各主成分因子较明 ，如表4所示。在主成分1中，.10#.11和.12的负荷 量最为明显，代表业 利能力；在主 成分2中，.5、.6、.7、.+和的负荷量 为明显，代表业 运能力；在主分3中，.1、.2和.3负荷量为明显，
代表 业 能 ； 在主 分 4 中，.13、.1'和.1+负量为明显，代表 业 能 指标；在主分'中，.*、.14负量为明显，代表业 能力和偿债能力；在主成分6中， .17的负量最为明显，代表企业的每 指标。据系数得分 表，分用F 1、F 2、 F -、F 4、F 5、F 6表示六个主成分，根据表中数 据可以得到各个主成分的表 ，如第1个主成分表达式如下所示：F 1 =0.124.1 +0.124.2 -0.238X -- 0.211.4 +0.078.5 -0.217.6 +0.228.7 40.084.8 +0.255.9 +0.938.10 40.938.11 4
0.943.12 +0.132.13 +0.166.14 +0.167.15 + 0.799.16-0.004.17+0.089.18理可以得到F 2、F 3、F 4、F '、F 6主成分表。四、二元Logistic 回归分析(一） 模型的构建上文 选 六个主 分作为量，F 1、F 2、F 3、F 4、F '、F 6。4莫型
因 量 用 量， 因 量为Y ，当Y =1时，代表企业为S T 公司，当 Y =0 ，代表业为 S T 公司，财务
业，运用SPSS 22.0对 量和 因 量进行 logistic  ， 体如下所示：根据上 数估计结果建立Logistic
回归财务预警模型：ln (-L ) = -4.648-0.732F 1+0.698F 2- 1-A 0.413F 3+0.866F 4-0.205F 5-1.055F 6(二） 模型预警效果的检验
运用上 财务 对 本
司 2018 年 财务指标进行 ，P  = 0.5作为 业 财务能 ， P  值 于
于 0.5 表示财务 ，
财
务风险的可能； P 值小于0.5，表示财务 ，
财务
能。140 本司数据，其中 ST  司 8 ， ST  司 132 ， 代入财务 中进行检验，检如表6所示：
由表6 ，132 S T 公司中128 ，4家被误测为ST
公司，准确率为96.97%，在8家S T 公司 中，6
，2 为非ST 公司，准确率为75%，总体 率为95.71%，
较理想。五、结语
(一） 研究结论本文 Logistic  对汽车行业上市 司财务 进行
， 用主 分分析 提取 原 数据分信息主分因子，再利用Logistic 回 归分析构 适合我国汽车行业财务 ，并
对其进行 ， 率到95.71%， 效果良好。研究果表明，汽车行业上市公司 利能力、营运能 、 能 、 能 对 业财务 较大的影响，尤 利能力。本 文采用Logistic  分析法，既避免了自 变量需要态分布严格 条件，又克 服了传统定性研究中 定性。无论对于 业 者还是投资者， 皆可用于作为参考，在一定程度上可以避免或减少 损失。(二） 建议汽车行业企业管理者应注重企业盈 利能 提升，资产报酬率、总资产净利率、净资产收益率等指标对汽车行业公 司财务 较 影响。管理者可利用财务 评财务 ，提前发现财务风险，及时调整战略，将损失 降到 。汽车行业的投资者可以利用本文财 务 对有意向上市司进行财务 与分析， 存在财务，便于投资者做合理的投资决策， 降低投资风险。参考文献：[1] 李长山.基于Logistic 回归法的企 业财务风险预警模型构建[J ].统计与决策， 2018,34(06):185-188.[2] 康雨舟.基于logistic 回归的制造业 上市公司财务困境预警模型[J ].现代经济 信息，2018(15):154-157.[3] 王晨.创业板上市公司财务风险预 警研究[D ].沈阳：沈阳工业大学,2018.[4] 张静瑜，林蜎，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.[5] 甘爱平，柳亮，陈可桢.航运上市公 司财务预警的Logistic 回归分析[J ].上海 海事大学学报，2014,35(01):65-68.(作者单位：曲阜师范大学管理学 院）表5方程中的变量参数
分F 1F 2F 3F 4F 5F 6数B -0.7320.698-0.4130.866-0.205-1.055-4.648
表6检验结果
观测值值
司类
率
ST ST
步骤1司类型
ST 128496.97%
ST 2675.00%
总体预测准确率95.71%
94董2020年27期（9月
）