摘要：我国风电行业发展势头良好，但风电设备及其相关制造企业也面临着投资风险大、市场需求波动程度高、经营不确定性强等风险。文章以我国25家风电行业上市公司为研究对象，采用因子分析对其财务风险状况进行综合评价，并运用聚类分析对其风险等级进行分析，进一步提出我国风电行业上市公司财务风险的控制策略。该研究有助于风电企业加强经营过程中的风险控制，促进我国风电行业的健康发展。
关键词：风电上市公司；财务风险；因子分析；聚类分析
一、引言
随着我国能源供应趋紧、生态环境负荷日趋增强，传统化石能源（尤其高度依赖于煤炭资源）将难以满足未来电力产业发展的需求，新能源发电产业将成为我国电力产业发展的必然趋势。在新能源发电产业中，风力发电发展迅速，2014年全国风电产业继续保持增长势头，全年风电新增装机容量达到1981万千瓦，累计并网装机容量达到9637万千瓦，创历史新高。受此影响，风电设备制造企业也呈现出良好的发展势头，以金风、华锐等为代表的风电设备上市公司在国内外市场中占据重大市场份额。但当前的经济形势下，风电设备及其相关制造企业也面临着产品技术要求高、制造周期长、投资风险大、经营不确定程度高、市场波动剧烈等风险。通常情况下，企业各方面的风险都会通过财务风险的形式表现出来，因而，研究风电行业上市公司的财务风险有利于提高企业风险意识，加强经营过程中的风险控制，有助于我国风电产业的健康发展。有关财务风险管理方面的研究，多集中在财务风险的界定、财务风险的衡量与评价以及财务风险的控制等方面，定性和定量研究都比较多、比较成熟，且基本遵循普适性原则，即将微观经济中的许多单个企业作为一个整体进行研究，对其财务风险的来源、财务风险的评价与控制进行实证分析。罗晓光、刘飞虎（2012）在对商业银行财务风险评价指标体系研究的基础上，利用因子分析法得出财务风险评价指标的权重，在此基础上运用改进的功效系数法建立评价模型，对56家商业银行2010年的财务风险状况进行了评价①；李素红、陈立文（2011）以2010年50家房地产上市公司的财务数据为基础，构建财务风险评价指标体系，运用因子分析法对50家公司的财务风险状况进行综合评价，并依据聚类分析将其划分为4个风险等级②；沈友娣、沈旺（2012）针对我国创业板的特征，构建了创业板上市公司财务风险评价指标体系，通过实证研究，挖掘、识别和分辨了企业财务状况在正常-异常-困境-破产的动态变化过程中各种财务风险评价指标的统计特征值，并提出了改进我国创业板中小企业财务风险评价指标有效性的可行途径③。经过文献梳理发现，主成分分析、因子分析、聚类分析等评价方法在企业财务风险评价研究中有较广泛应用。笔者以风电行业上市公司为基础，运用因子分析和聚类分析法，对2014年各上市公司的财务风险状况进行评价归类，以期为我国风电行业的健康发展提供指导。
二、研究对象确立及评价指标体系构建
1.研究对象。研究对象是我国风电及设备制造相关上市公司，以风电上市公司发布的年度财务报告作为基础数据进行综合评价。根据各上市公司的主营业务、规模收益、发展方向等要素，在沪深股市中选择了25家规模较大、非ST的上市风电公司（表1）。2.指标体系构建。参考王珍（2011）硕士论文中财务指标的选取方式，依据可操作性、全面性、可比性及行业特殊性等准则，确定了包括盈利能力、偿债能力、成长能力、营运能力、现金流量、资本结构在内的六大类财务指标，具体包括净资产收益率、资产净利率、资产报酬率、流动比率、产权比率、应收账款比率、营业收入增长率、净利润增长率、净资产增长率、存货周转率、应收账款周转率、销售现金比率、现金流动负债比率、资产负债率及负债权益比率等在内的15个财务比率（表2），以此指标体系对风电行业上市公司的财务风险状况进行综合评价。各指标数据均来源于风电上市公司2014年度财务报告，分析过程均在SPSS内完成。
三、风电上市公司财务风险综合评价
（一）因子分析过程1.相关性检验。保证指标之间的独立性是科学构建指标体系的基本原则之一。笔者选取的15个指标之间可能存在较高的相关性，因此，在因子分析之前有必要对这些指标进行相关性分析，通过相关性分析，可以在相关性较高的指标中选取一个指标，剔除其他指标。经过SPSS的相关性分析，发现流动比率与速动比率的相关系数为0.9301，相关性较大，可剔除速动比率，保留流动比率；产权比率与资产负债率及负债权益比率两个指标的相关系数分别为0.8979、0.9854，相关性较大，可保留资产负债率指标，剔除产权比率和负债权益比率两个指标（详细相关系数表从略），以剩余的12个财务风险指标进行因子分析。2.方差贡献表。将12个指标数据进行标准化处理，并在SPSS中利用Bartlett球形检验和KMO检验法判断指标是否适合做主成分分析，KMO度量值为0.699大于0.5，表明可以进行因子分析，Bartlett球形检验的P值近似为0，小于0.05，具有较高的显著性，表明指标数据适合做因子分析。在SPSS中以特征值大于1为标准提取因子，并经过因子旋转，得到各因子的方差贡献率（表3）及因子载荷矩阵。355均大于1，记为f1~f5，这5个因子的累计方差贡献率具有较强的解释能力。3.因子命名及解释。为了更方便的解释因子，旋转法对因子载荷矩阵进行变换，得到旋转后的（表4）。提取方法：主成分分析。旋转法：具有Kaiser标准化的正交旋转法。旋转在6次迭代后收敛—根据旋转后的因子载荷矩阵，可以方便地解释各因子的含义。因子f1在资产报酬率、净资产增长率、销售现金比率及现金流量比率上有较大载荷，反映公司的资产水平及现金流量，可命名为资金流量因子；因子f2在存货周转率、应收账款周转率上有较大载荷，反映公司的营运能力，可命名为营运能力因子；因子f3在净资产收益率、流动比率、资产负债率上有较大载荷，反映公司盈利和偿债能力，可命名为盈利偿债因子；因子f4在资产净利率、营业收入增长率上有较大载荷，反映公司的营业收入水平，可命名为营业能力因子；因子f5在净利润增长率上有较大载荷，反映公司的成长能力，可命名为成长能力因子。4.计算因子得分。根据旋转后的因子载荷矩阵，得到因子得分系数矩阵，并以此矩阵生成各风电上市公司的因子得分表（表5）。
四、风电上市公司财务风险控制策略
根据前文对风电行业上市公司财务风险状况的实证分析，针对我国风电行业上市公司财务风险的控制及预警提出以下对策。1.提高财务风险防范意识。提高公司管理层和相关投资者的风险管控意识，是风电行业上市公司财务风险控制的基础，有助于在一定程度上有效预判财务风险的来源及程度。2.提高投资决策执行效率。公司的投资决策过程包含着一定的投资风险，进而导致公司财务风险状况的不确定性，应从健全公司投资决策制度、优化投资审批程序、调整投资结构等方面提高投资决策的执行效率。3.完善上市公司治理结构。引入独立董事，参与公司重大项目投资决策，对于被独立董事否决的投资决策，要重新进行风险评价。4.加强上市公司内部审计。设立独立的审计委员会，定期对公司的经营管理和财务状况进行检查，做到事前、事中审计，使审计活动能够规范运作。5.建立完善的公司财务预警系统。预警系统的建立应根据企业的自身发展实际，要能够准确识别影响企业财务状况的潜在影响因素。6.提高财务管理透明度。要从企业内部入手，加强对资金的集中管理，建立财务信息管理系统，杜绝小金库现象，提高资金的管理效率。
参考文献：
[1]罗晓光，刘飞虎.基于功效系数法的商业银行财务风险评价研究[J].科技与管理，2012（5）
[2]李素红，陈立文.基于因子分析法的房地产上市公司财务风险评价[J].河北工业大学学报，2011（6）
[3]沈友娣，沈旺.我国创业板中小企业财务风险评价指标有效性[J].技术经济，2012（7）
[4]王珍.房地产企业财务风险分析与控制研究[D].西安建筑科技大学硕士学位论文，2011
[5]朱岩.我国风电设备上市公司财务预警研究[D].华北电力大学硕士学位论文，2014
作者：范维红