摘要：财务风险作为企业风险防范的核心，对企业稳定发展具有决定性作用。建筑业是国民经济的重要物质生产部门，与整个国家经济的发展有着密切关系。为更好应对新冠疫情带来的世界经济局势波动，建立财务风险预测模型具有重要意义。本文以建筑行业中上市公司为参考对象，以2017-2020年中能够显著区别ST 与非ST 公司的财务指标为评价标准，利用主成分分析法提取7个关键成分，并运用logistics 回归模型建立建筑行业财务预警模型。最后以BY 股份为例，对模型进行准确性的检验。
关键词：财务风险；建筑行业；logistics 回归；主成分分析一、引言
2021年国际金融局势因疫情已出现动荡，预计建筑行业将因此面临日益复杂多变的外部环境。建筑装饰行业项目工程工期较长，工程验收、审计决算有一定滞后期，因此建筑企业应收账款金额较大且周转速度较慢，其财务风险呈现出不确定性与复杂性。预测财务风险有利于完善全面预算管理，应对因垫资、回款不及时等带来的经营风险提高，以更好的应对外部环境波动。二、公司简介
（一）BY 股份财务现状分析
宝鹰股份注册资本4.5亿元人民币。是国内综合建筑装饰工程承建商，以建筑装饰装修等工程的设计、施工与安装为主营业务，宝鹰股份于2013年宣布借壳"成霖股份"成功上市，2014年正式更名为"宝鹰股份"。
1、公司财务情况
从资产结构看，其采取投资主导的发展战略。以对子公司的经营性资产管理为核心，近年来快速向中国华东地区与海外市场扩张。采用专一化战略，聚焦于装饰工程施工产业。从资本结构看，其属于经营性负债资本为主的经营驱动型企业。经营性负
债规模的增加降低融资成本，增加财务杠杆扩大收益。BY 股份凭借其较强的上下游关系与综合实力在行业颇具竞争优势，行业地位上升。近年其连续参与了北京大兴国际机场、港珠澳大桥等一系列工程的建设，顺应“一带一路”政策发展积极向海外市
基于财务指标—logistics 模型对建筑行业进行财务风险分析
——以BY 股份为例
谈泳彤
作者简介：谈泳彤，(2000—)，女，汉族，河北唐山人，东北师范大学，本科在读，研究方向: 会计学
180
场拓展。
2. 公司面临的风险
（1）集团化管理风险
BY股份拥有国内外31家全资子公司，覆盖15个国家与地区。公司呈现出鲜明的集团化特征，如何协调统一、加强管控，实现多元化后的协同效应，提升整体运营和管理效能是今后公司发展面临的风险因素之一。
（2）房地产政策调控风险
中央及地方政府房地产调控政策的变化，直接影响市场对房地产行业走势的预期。在坚持“一城一策”的前提下，市场热度窄幅波动或将成为常态，加之住房制度改革、人口人才政策等多因素层层叠加，如果政府继续出台更为严厉的房地产调控政策，或将增加公司的经营和业务压力。
（3）海外业务风险
2021年海外疫情持续，在贸易和投资保护主义，以及部分地区地缘政治的影响下，部分国家出现债务违约、国内局势动荡等问题的风险仍然存在，增加了BY股份跨国工程建设和投资的风险，对市场开发、新签和在建项目带来挑战。
三、财务风险模型的建立
（一）样本选取标准及确定
企业名称被冠以ST（Special treatment），是指境内上市公司经营连续两年亏损，代表退市风险警示。房地产市场和建筑市场共同构成建筑产品生产和流通的市场体系，有着密不可分的关系。因此，本文以BY股份所在建筑行业为范围样本，选取国泰君安数据库证监会2012版行业分类中，2017年-2020年建筑业的100家非ST企业，20家房地产业和建筑业ST企业。
（二）指标选取标准及确定
1.指标选取
综合多方面的财务比率分析方法可以用来比较不同企业的收益与风险，有助于系统的判断企业财务状况与未来财务风险。因此，本文选择覆盖偿债能力比率、发展能力比率、经营能力比率与盈利能力比率等25个财务比率指标为初级财务指标。
2.指标筛选
通过spss缺失值分析，去除缺失百分比超过7%的财务比率指标。结果如表1所示，建立表2所示财务指标体系。
表1 初选财务指标缺失值统计结果
表2 财务风险指标评价体系
(三）主成分分析
1. KMO和巴特利特检验
本文对120家企业近三年财务指标数据进行标准化处理，再进行KMO 和巴特利特检验。
H0：变量之间不存在相关性
务风险指标评价体系
标签平均值标准偏差缺失个数缺失百分比
流动比率 1.5515 1.020810.3
中秋给领导的祝福短信速动比率 1.19660.894410.3
现金比率0.34260.634710.3经营活动产生的现金流量净额／流动负债0.01690.417510.3
资产负债率0.62630.189010.3
产权比率 2.6727 3.675210.3
总资产增长率0.11720.236710.3
营业总收入增长率0.4741 4.812111 3.4
营业总成本增长率0.4517 4.908211 3.4
死神十刃图片可持续增长率0.00760.325010.3
所有者权益增长率0.07530.460410.3
应收账款周转率8.879852.01313912
存货周转率32.2560149.40434212.9
应付账款周转率 2.202913.82507924.2
流动资产周转率0.30610.282122 6.7
固定资产周转率56.0611473.6231237.1
非流动资产周转率 1.4577 3.707322 6.7
总资产周转率0.21110.217322 6.7
股东权益周转率0.69600.874622 6.7
资产报酬率0.01940.078110.3
总资产净利润率（ROA）0.00470.079010.3
流动资产净利润率-0.00010.139910.3
固定资产净利润率-67.32651259.780510.3
净资产收益率-0.02770.508120.6
投资收益率0.090613.7365329.8
表2 财务风险指标评价体系
一级指标二级指标指标代码
关于白杨树的资料财务风险指标评价
体系
好玩的网友偿债能力
流动比率X1
速动比率X2
现金比率X3
经营活动产生的现金流量净额／流动负债X4
资产负债率X5
产权比率X6
发展指标
总资产增长率A X7
营业总收入增长率X8
营业总成本增长率X9
可持续增长率X10
所有者权益增长率X11
经营能力
流动资产周转率X12
非流动资产周转率X13
总资产周转率X14
股东权益周转率X15
盈利能力
资产报酬率X16
总资产净利润率（ROA）X17
流动资产净利润率X18
固定资产净利润率X19
时尚服装店名净资产收益率X20
181
06月刊 2021
H 1：变量之间存在相关性
如表3所示，SPSS 检验结果显示KMO 值>0.5，P 值<0.05，即拒绝原假设接受备择假设，说明变量之间存在相关性，适合进行因子分析。
2.主成分提取
对20项财务指标进行主成分分析，结果（如表4）显示共6项指标特征值大于
1，且累计总方差解释81.358%，即可以用6个因子代替20个财务指标。
表4 解释的总方差
3.主成分分析
主成分F 1包括 X 16, X 17，主要代表盈利能力；F 2包括 X 1,X 2, X 5, X 6，主要代表偿债能力；F 3包括X 12,X 13, X 14, X 15, 主要代表经营能力；F 4包括X 7,X 8,X 9,X 11, 主要代表发展能力；F 5包括X 4, 代表偿债能力；F 6包括X 3,X 10,X 18,X 19,X 20, 主要代表盈利能力。
由成分得分系数矩阵可知，F 1-F 6均可由20项指标表
达，主成分F 1的表达式如下所示，
同理，可得到主成分F 2-F 6的表达式。
（四）建立模型进行分析
1. 建立logistics 模型
假设因变量为Y，表示公司是否存在财务风险，即是否被冠以ST。因此，ST 公司的Y=1，非ST 公司的Y=0.
对6个主成分进行霍斯默-莱梅肖检验，如表5显示P 值>0.05，表明模型拟合较好。 表5 霍斯默-莱梅肖检验结果
因自变量合并为6个主成分，考虑使用Enter 法对自变量和因变量Y 进行二元Logistics 回归建模，财务风险预测模型公式如下所示：
结果显示总体预测正确百分比为89.2%。
2. 模型准确性检验
对模型进行ROC 曲线检测（如表6），对模型预测
效果好坏进行评价。如表X 显示，曲线下面积为0.768，P
值<0.05，有统计学意义，说明财务风险预测模型有意义。
表6 ROC 曲线检测结果
四、BY 股份财务风险分析
表3 KMO 和巴特利特检验结果
表3 KMO 和巴特利特检验结果
释的总方差
KMO 和巴特利特检验
KMO 取样适切性量数0.674
巴特利特球形度检验
近似卡方4765.5自由度190
显著性
0.000
总方差解释
成分
初始特征值提取载荷平方和
总计
方差百分比累积%总计方差百分比累积%1 5.426.99826.998 5.426.99826.9982 3.48417.41844.416 3.48417.41844.4163 3.02915.14759.563 3.02915.14759.5634 2.08410.41969.982 2.08410.41969.9825 1.254 6.27276.254 1.254 6.27276.2546 1.021 5.10481.358 1.021
5.104
81.358
70.827 4.13785.49580.753 3.76789.26290.512 2.56291.824100.327 1.63593.458110.309 1.5479
5.005120.263 1.31496.319130.22 1.197.419140.1810.90598.324150.1610.80699.13160.0870.43499.564170.0430.21799.781180.030.15199.932190.0110.05499.98520
0.003
0.015
100
提取方法：主成分分析法。
如下所示，
四）建立模型进行分析. 立ogistics 型
. 型准确性检验
. 立ogistics
型
表5 霍斯默-莱梅肖检验结果
.苏州科沃斯机器人
型准确性检验霍斯默-莱梅肖检验
卡方自由度显著性7.556
8
0.478
. 立ogistics 型. 型准确性检验
表6 ROC 曲线检测结果
检验结果变量：预测概率
区域
标准错误a
渐近显著性b
渐近95%置信区间
下限
上限0.7710.04800.677
0.865
a 按非参数假定
b 原假设：真区域=0.5
182
对BY 股份2016-2020年5年财务数据进行整理，并代入已建立的财务风险预测模型进行计算，得出2018-2022年5年
P 值，并与标准0.5进行比较，结果如下图（图1）所示：
图1 π 预测结果
结果显示2018-2020年P 值均<0.5，与实际情况相符，因此更好证明次财务风险预测模型准确性。通过2019年与2020年财务指标对2021年与2022年财务风险进行预测，P 值<0.5，但P 值较前三年有明显上升趋势，说明未来两年BY 股份没有重大财务危机，但财务状况较之前有所恶化。
、Y
份财务风险分析
本模型仅就财务方面对公司未来财务风险进行预测，但影响企业财务风险的因素仍有外部因素，如数字金融工具带来的外部宏观环境、行业变革等因素。
参考文献：
[1]何敏.食品制造业的财务风险预警模型研究[J].河北企业,2021(03):121-122.
[2]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Logistic 回归的财务风险预警模型[J].中国集体经济,2020(27):92-94.
[3]王宛容.基于logistic 模型的上市公司财务风险预警[J].中国水运,2021(01):154-156.
[4]程青. 基于主成分-Logistic 模型的医药行业财务预警研究[D].华东交通大学,2020.
[5]郭怡.金融工具创新与企业财务管理问题研究[J].现代经济信息,2018(24):279.
[6]赵泽. 大数据背景下的M 新能源公司财务危机预警研究[D].西安石油大学,2020.
[7]成梦婷，杨华蔚.上市公司财务状况对债券信用风险的预测——基于logistic 模型[J].产业与科技论坛,
2019,18(16):97-99.
183
06月刊 2021
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论