基于判别分析对医药类企业财务风险预警模型的建立

乔瑞玥

摘 要：伴随着医药行业的崛起和我国市场环境的波动，医药制造类企业面临着不同程度的风险。文章根据沪深上市公司年报数据所取的财务指标，选取ST企业和非ST企业作为研究样本，通过构建指标体系、进行显著性检验，筛选出九个具有显著性差异的指标，运用费希尔判别法建立财务预警模型。经过具体应用可以得出该模型判别准确度较高，从而有效预测企业的财务状况，防范财务风险。

关键词：医药制造;财务预警;费希尔判别

中图分类号：F275 文献标识码：A 文章编号：1005-6432（2022）04-0173-03

DOI：10.13939/j.cnki.zgsc.2022.04.173

1 引言

受2020年市场大环境的影响，经济态势出现较大的改变，企业时刻面临财务危机的风险。由于医药行业具有投入资金高、风险系数高和投资回报高的特点，其整体波动较大。面对日益激烈的市场竞争，一些规模小、财务状况较差、经营规模小的医药制造企业容易被市场淘汰，因此，构建财务预警研究模型迫在眉睫。

从已有研究文献看，国内众多学者已从不同角度构建财务预警模型，李红梅、田景鲜[1]建立了以财务指标为自变量的Logistics回归模型、财务指标及与公司治理指标相结合的Logistics回归模型和以Fisher值与公司治理指标为自变量的混合模型，得出在制造业上市公司中，预警最好的是混合模型的结果;陈欣欣、郭洪涛[2]在四个主要财务指标的基础上加入了利润质量指标和市场估值两类指标，运用因子分析法和二元Logistics回归法构建农业上市公司财务风险预警模型;王梦瑶等提取200家企业数据，采取贝叶斯判别法建立财务预警模型，但是判别效果一般。

在目前的特殊环境下，医药制造企业受到大众关注，但目前针对该类行业的企业经营风险研究较少。针对这些原因，文章采用判别分析法构建医药制造行业的财务预警模型。

2 指标体系的建立与数据来源

2.1 指标体系的建立

指标选取是财务预警的关键，文章在选取指标时分为两步进行，首先为科学地选取合适的指标，基于全面性、可操作性原则，从偿债能力、盈利能力、营运能力、发展能力、现金流量指标、公司治理指标六个方面选取出能全面反映企业财务状况的27个指标，并且这些指标有相应可得的财务数据，记为X1、 X2、 X3、 …、 X27，具体见表1。在选取的所有指标中，偿债能力中的指标是判断企业能否持续运营的标准;盈利能力判断企业收益水平的高低;营运能力反映了企业对资源运用效率的高低;发展能力指标反映了企业业务增长和整体发展的状况;现金流量指标考察企业经营活动产生的现金流量和债务之间的关系;公司治理指标反映企业的治理水平。

2.2 数据来源

文章数据主要来源于东方财富网、同花顺以及各企业官网的财务原始数据和统计软件SPSS 24.0分析处理后得到的数据，选取沪深A股医药制造企业上市企业25家，其中10家ST企业和10家非ST企业用于模型的建立，5家非ST企业用作检验样本。基于上述指标体系，选取2019年各企业各指标值进行后续分析。

3 指标显著性检验

为了建立有效的财务预警模型，需要进行指标显著性检验，其基本思想是判别指标在ST企业和非ST企业之间是否具有差异，并找出具有差异性的指标。取显著性水平为0.1，当指标的显著性水平大于0.1时，该指标的均值差异是不显著的;当指标的显著性水平小于0.1时，该指标的均值差异是显著的，将具有显著性差异的指标代入最终模型中。

最终结果如表1所示，X1， X2， X3， X4， X5， X8， X11， X12， X14有显著性差异，由结果可以看出判定是否出现财务危机的指标大多集中于偿债能力和盈利能力两大类，说明企业的偿债能力和盈利能力是财务能力系统的核心，企业到期能否按时偿还债务和企业收益数额的多少对预测企业财务状况起着至关重要的作用。

4 基于费希尔判别法的财务风险预警模型的实证分析

4.1 研究思路

文章旨在建立用于判别上市公司财务预警的模型，选取上市时间、市值较为接近的25家企业作为样本进行研究，将所选医药制造企业根据ST企业与非ST企业进行分类，利用SPSS 24.0选取合适的指标体系，采用费歇尔判别法建立模型，以此来预测企业是否将发生财务危机，即由非ST企业转为ST企业，便于企业对财务状况及时进行预警。

4.2 研究方法

从k个总体中抽取具有 p个指标的样品观测数据，借助方差分析的思想构造一个线性判别函数：

4.3 实证结果分析

4.3.1 数据检验

数据检验主要分为组均值检验和协方差矩阵的齐次性检验，组均值检验在前文已进行详细解释，在此不再闡述;协方差矩阵的齐次性检验是判别两类企业之间是否具有显著性差异。当协方差矩阵齐次性检验的P值小于0.05时，说明ST企业与非ST企业的协方差矩阵不同。由结果可以看出，P值为0.000，说明继续进行分析是可行的。

4.3.2 费希尔判别函数计算结果

费希尔判别法是借助方差分析的思想，利用已知各总体抽取的样本构造线性判别函数，根据模型所得数值与类中心值比较，从而判断总体所属类别。通过SPSS 24.0得出，ST企业与非ST企业的类中心分别为1.117和-1.117，表2给出了规范判别式函数系数。

根据表2可得，费希尔判别函数为：

Y3=2.437X1-2.054X2-0.676X3+0.037X4-0.016X5+0.154X11-0.191X12+0.023X14-0.018X8-1.796

费希尔判别法只有一个判别函数，将样本企业的各指标值代入函数式，所得判别函数值与类中心进行比较，函数值接近哪一个类中心就归属于哪一类，由此得出样本企业所属类别。

4.3.4 模型准确性检验

费希尔判别法优势在于计算简便，过程快。表3给出了判别函数的具体情况，可以发现ST企业80%预测正确，非ST企业90%预测正确，总体判别准确率为85%，说明该模型判别结果较好。

5 模型具体应用

以费希尔判别法为例，基于9个指标选取5个非ST企业，从中抽取中恒集团进行企业财务预警模型的检验，得出企业财务预警状况。在此以中恒集团的2019年财务指标为例，代入财务预警模型。

计算中恒集团的判别函数值：

Y3=2.437×2.87-2.054×2.50-0.676×2.31+0.037×18.35-0.016×0.22+0.154×23.78-0.191×29.07+0.023×19.54-0.018×8.22-1.796=-0.62

由所得结果可以看出，中恒集团的判别函数值与非ST企业的类中心相近，通过费希尔判别法可以看出中恒集团属于非ST企业。虽然中恒集团的判别函数值离ST企业类中心比非ST企业类中心远，但两者相差不大，因此，可以预测该企业的财务状况一般，需要加强对该企业财务方面的管控，由各项指标可以看出该企业的总资产增长率较其他财务状况良好的企业较低，其他指标均处于合理水平。

6 结语

通过费希尔判别法构建医药制造企业的财务预警模型，可以看出该模型总体准确率为85%，判别效果较好，在实际操作中得到了可观的应用。但文章也存在一些局限性，一方面所选行业不能全面概括整个医药制造行业，只能说明有一定的代表性;另一方面文章所构建的指标体系没有全面涵盖整个财务分析体系所有指标，对模型的可靠性有影响。

通过用该模型判别新的样本企业，对于属于ST企业但出现财务危机征兆的企业，应该不断加强自身的经营管理，重视企业的盈利和发展，避免被市场淘汰。

参考文献：

[1]李红梅，田景鲜.公司财务危机预警模型比较研究——以A股制造业上市公司为例[J].财会月刊，2013（10）：25-29.

[2]陈欣欣，郭洪涛.因子分析和Logistic回归在农业上市公司财务预警中的联合运用[J].数理统计与管理，2012（2）：1-14.

[3]官银，李新月，朱家明.基于贝叶斯判别法对制造业财务预警计量分析[J].内江师范学院學报，2019，34（6）：68-72.

3884501908233