第十组基于财务状况下的资本结构影响因素.docx
- 文档编号:27666332
- 上传时间:2023-07-03
- 格式:DOCX
- 页数:18
- 大小:267.35KB
第十组基于财务状况下的资本结构影响因素.docx
《第十组基于财务状况下的资本结构影响因素.docx》由会员分享,可在线阅读,更多相关《第十组基于财务状况下的资本结构影响因素.docx(18页珍藏版)》请在冰豆网上搜索。
第十组基于财务状况下的资本结构影响因素
基于财务状况下的资本结构影响因素
——以汽车行业为例
摘要:
资本结构是长期负债与权益的分配情况,是企业各种资本的价值及其比例,是企业财务管理的主题之一,涉及到企业的资本筹集、经营、利润分配等环节,是反映企业资本实力、衡量企业财务风险和进行筹资决策的重要依据。
目前,大多数国有企业的经济效益比较差,重要原因之一就是不注重资本结构决策战略性和科学性,造成了决策失误。
因此,企业应寻求优化资本结构。
我国的汽车行业已经形成了比较完善产品系列和资产布局,成为扩大内需、支持经济增长的重要力量。
无疑,这个行业的企业发展好坏对我国总体经济发展有着重要的影响。
因此,研究汽车行业上市公司资本结构有着重要意义。
本文通过对汽车行业的财务状况分析,由此来分析公司的资本结构。
关键词:
汽车行业财务状况资本结构
Abstract
Capitalstructureisthelong-termliabilitiesandequityallocation,isthevalueofcapitalandtheproportion,thefinancialmanagementofenterprisesisoneofthethemes,involvestotheenterprisetoraisecapital,management,profitdistributionandotherlinks,reflectstheenterprise'scapitalstrength,ameasureoffinancialriskofenterpriseandfinancingdecision-makingimportantbasis.Atpresent,mostofthestate-ownedenterpriseeconomicbenefitispoor,oneofthereasonsisthatwedonotpayattentiontocapitalstructuredecisionofstrategicandscientificsex,causedecision-makingerror.Therefore,enterprisesshouldseektheoptimizationofcapitalstructure.China'sautoindustryhasformedarelativelycompleteseriesofproductsandassetsstructure,expandingdomesticdemandhasbecomeanimportantforceforeconomicgrowth,support.Undoubtedly,theenterpriseofthisindustrydevelopmentisinChina'soveralleconomicdevelopmenthasanimportanteffecton.Therefore,studyofautomotiveindustrylistedcompaniescapitalstructurehasimportantsignificance.Thisarticlethroughtotheautoindustry'sfinancialsituationanalysis,analyzedthecapitalstructureofthecompany.
Keyword:
TheautomobileindustryFinancialstatusCapitalstructure
目录
一.研究背景4
二.研究设计4
三.汽车行业资本结构的现状5
四.研究对象及样本的选取6
1、样本的选取6
2、研究对象的选择6
五.因子分析7
1.因子分析法的意义及方法介绍7
2.因子的旋转和识别8
六.多元回归分析10
1.多元回顾分析的原理和方法10
2.回归结果的分析11
七.研究结果分析12
八.结论13
一.研究背景
资本结构是一个具有重大研究价值和实践意义的研究课题。
它与公司的税收、成本、财务状况等直接相关,不仅影响公司的资本成本和总价值,还影响着公司的治理结构。
因此,优化上市公司资本结构能提升上市公司的素质和投资价值,还能够增加投资者的信心,促进国民经济的发展。
当然,不同的资本结构对企业的治理结构会造成不同的影响。
所以,什么样的资本结构对才是合理的资本结构,如何对资本结构进行完善,促进资本市场理性的发展,就在于我们应该怎么通过对财务状况的分析,优化公司的资本结构。
上市公司在我国作为企业制度改革的先驱,最新接受市场的检验,因此上市公司备受关注,研究上市公司的资本结构不仅具有重大意义,而且对整个市场的健康发展和提高市场的有效性具有重要意义、充分发展市场功能具有重要意义【1】。
上市公司的资本结构的研究不仅能系统的了解它的特点,还可以探索资本结构的影响因素,为企业治理提供可靠的依据。
现阶段,国内学者通过行业因素的分析与其资本结构的研究,发现上市公司在不同行业间具有不同特性,行业不同对资本结构具有显著的影响。
因此,分行业研究企业的资本结构更具有现实意义【2】。
二.研究设计
本文借鉴资本结构因素影响的相关理论,研究汽车行业的盈利能力、偿债能力、成长性能力、营运能力、发展能力、企业经营质量对资本结构的影响,以期研究在汽车行业中,这些因素对于资本结构的影响是否显著。
假设1:
汽车行业盈利能力与资本结构负相关
关于盈利能力对资本结构的影响,许多专家观点都比较一致。
他们认为,盈利能力与同期债务水平负相关。
然后,根据“融资优序”,企业在筹集资金时,先内部融资,在外部融资;在外部融资时,按照先债务融资,后股权融资的顺序。
当公司的盈利能力比较强大的时候,当然就会减少对外部资金的需求。
由此,提出上述假设。
假设2:
汽车行业偿债能力与资本结构正相关
众所周知,企业的偿债能力越好,会导致企业的资本流动性与企业,债权人在信息不对等的情况下,企业的偿债能力越好,越让投资者越相信企业具有更好的信誉度,让投资者更加放心的投资,债权人也更愿意提供贷款。
也能侧面的说明,企业的经营状况很好。
所以企业的偿债能力与资本结构呈正相关。
假设3:
成长性能力与企业资本结构正相关
所谓的成长性是有(本期主营业务收人—上期主营业务收人)/上期主营业务收入。
专家认为,高成长性公司的未来的盈利状况有着良好的预期,也就意味着将来会出现更好的、更稳定的现金流,因此,成长性公司就更容易进行债权融资,因为它觉得它有足够偿债能力。
所以,成长性与负债水平呈正相关,资本结构与成长性也就成正相关。
假设4:
企业的营运能力与企业资本结构正相关
一般来说,公司的营运能力表明了一个公司的应收账款和存货的周准率。
所以,营运能力反映了财务管理者的管理能力,所以公司高层就相信自己能通过借款来进行公司的运作,也有能力这样做,导致了公司的借款会增长,负债增加,导致营运能力与资本结构正相关。
假设5:
企业的发展能力与资本结构负相关
主营业务收人的增长会导致企业资产的增长,许多人又认为大企业的财务信息的披露情况会比小企业好很多,由此可以看出,经理与投资者之间的信息是不对称的。
结合汽车行业市场的实际情况来看,由于大公司市场价值扭曲较小,进行股权融资的陈本较低,因此更容易使得股权融资代替债权融资,因此企业的发展能力与负债水平负相关。
假设6:
企业经营质量与资本结构正相关
这里我们的经营质量包括了主营收入的现金含量和净利润现金含量,这二部分都表明了公司的现金比率,而一个公司的现金比率也说明着公司的经营情况和质量的好坏,当公司拥有的现金越多,公司所能进行的经营活动也就相应的增加,公司的经营活动变多,就能为公司带来更好的经济效益,所以企业的经营质量与资本结构正相关。
三.汽车行业资本结构的现状
资本结构的合理选择对企业相关联的主体的行为和利益已经企业自身的经营状况等都会产生重要的影响,从资本结构的理论中我们可以得知,企业的负债有节税的效应,合理地负债、合理地组织资金来源,不仅能使企业达到合理避税的目的,还可以提升公司价值,从而可以达到股东自身利益最大化。
图表1
如图表一,我国汽车行业2010年25家被抽查的上市公司中,资产负债率在20%~30%,30%~40%,40%~50%,50%~60%之间的公司分别都有2家,有13家公司的资产负债率在60%~70%之间,有4家公司的资产负债率在70%~80%之间,说明我国汽车行业上市公司的资产负债率集中程度较高,并且差别不是很大,集中在50%~80%之间。
四.研究对象及样本的选取
1、样本的选取
本研究以2010年中国深沪A股汽车行业中抽取的32家上市公司为研究对象,为了研究的可行性,我们剔除了2家ST上市公司和5家财务状况呈现畸形发展的上市公司,将对25家公司进行实证分析,总样本数为400个
2、研究对象的选择
本文的研究对象主要是资产负债率以及所选取的自变量的统计特征如下表所示,汽车行业的资产负债率最大值是79.71%,最小值为24.31%,平均水平为58.46%,不同的企业他们的资产负债率是不同的,也就是资本结构是不同的,为什么会出现这样的情况,这正是我们所要研究的问题,是哪些影响因素导致了他们的资本结构的不同呢?
本文主要选取的是企业的财务状况即企业的财务指标,分别是下表2中的16个变量,并通过因子分析和回归分析法研究得出哪些变量对企业资本结构选择影响较大,并且呈现怎样的相关性。
描述统计量
N
极小值
极大值
和
均值
标准差
流动比率
25
.63
4.64
34.82
1.3927
.82098
速动比率
25
.40
4.32
26.14
1.0456
.78308
股东权益比率
25
20.29
75.69
1040.29
41.6117
14.79246
流动负债率
25
33.91
100.00
2222.01
88.8805
13.01581
存货周转率
25
.53
19.03
213.71
8.5483
4.32423
总资产周转率
25
.25
2.53
35.28
1.4113
.59128
应收账款周转率
25
2.92
465.97
1440.65
57.6260
100.61619
资产净利润
25
1.50
41.80
225.57
9.0230
8.72727
净利润率
25
1.58
23.79
157.90
6.3160
5.20120
净资产收益率
25
1.65
44.61
408.52
16.3408
10.87065
税前利润增长率
25
-93.54
221.68
1867.22
74.6890
80.57369
主要业务收入增长率
25
8.30
125.01
1196.79
47.8714
31.18202
净利润增长率
25
-50.77
243.81
1875.79
75.0314
74.71034
总资产增长率
25
-7.58
166.39
791.30
31.6520
31.83306
主营收入现金含量
25
.22
1.22
20.63
.8250
.23380
净利润现金含量
25
-2.86
7.19
30.44
1.2176
1.62762
资产负债率
25
24.31
79.71
1461.56
58.4624
14.83128
有效的N(列表状态)
25
图表2
五.因子分析
1.因子分析法的意义及方法介绍
(1)因子分析主要是通过对样本数据进而求解出成分载荷矩阵,本文采用的是因子分析中的主成分分析法构造因子变量。
由于我们采用的变量较多,不排除有部分变量之间存在着线性相关性,为了使分析结果更为准确有效,我们通过主成分分析法将原有的16个变量进行因子分析,提取出另外的几个主因子,从而转化为一组不相关的变量。
根据我们所找的数据,得出提取因子和旋转后的结果如表2所示。
解释的总方差
成份
初始特征值
提取平方和载入
旋转平方和载入
合计
方差的%
累积%
合计
方差的%
累积%
合计
方差的%
累积%
1
3.987
24.916
24.916
3.987
24.916
24.916
3.208
20.053
20.053
2
3.284
20.525
45.441
3.284
20.525
45.441
3.127
19.544
39.597
3
2.422
15.139
60.580
2.422
15.139
60.580
2.144
13.403
53.000
4
1.803
11.266
71.846
1.803
11.266
71.846
2.089
13.057
66.057
5
1.216
7.598
79.444
1.216
7.598
79.444
1.696
10.597
76.654
6
1.060
6.623
86.067
1.060
6.623
86.067
1.506
9.413
86.067
7
.682
4.261
90.328
8
.530
3.316
93.644
9
.346
2.164
95.808
10
.257
1.603
97.411
11
.168
1.051
98.462
12
.126
.787
99.248
13
.071
.443
99.691
14
.033
.205
99.896
15
.016
.098
99.994
16
.001
.006
100.000
提取方法:
主成份分析。
图表3
从表三我们可以看出,我们所提取的因子特征值为大于1的所有因子,特征大于一的是前6个,并且这6个提取的因子可以解释原有变量86.067%的方差贡献率,远远大于了0.8。
从上表中的碎石图我们可以更清晰的看到,在第7点发生了拐点。
在第7个拐点以后的其他因子特征根都很小,对于解释原有变量的贡献率也就相对于最前面的6个因子相差太大。
2.因子的旋转和识别
在此,我们将根据方差最大旋转以后的成分载荷矩阵,对因子进行识别。
旋转成份矩阵a
成份
1
2
3
4
5
6
资产净利润
.949
.188
.022
.103
.099
-.051
净资产收益率
.843
-.114
.165
.286
-.027
.050
净利润率
.836
.063
-.055
-.207
.002
.124
股东权益比率
.651
.540
-.162
.017
-.010
-.291
速动比率
.319
.917
-.037
.032
-.130
.036
流动负债率
.256
-.898
.036
.025
-.009
.045
流动比率
.412
.875
-.006
-.102
-.064
.072
总资产周转率
.340
-.555
.174
.540
.065
-.212
净利润增长率
.029
-.094
.971
.043
.050
.037
税前利润增长率
.006
-.001
.890
.080
.308
-.040
存货周转率
.043
-.044
.221
.865
.045
-.159
应收账款周转率
-.014
-.021
-.095
.848
-.055
.030
总资产增长率
.000
-.064
.071
.035
.959
-.121
主要业务收入增长率
.078
-.099
.405
-.071
.798
.262
主营收入现金含量
.079
.125
-.126
.024
.026
.898
净利润现金含量
-.081
-.148
.276
-.409
.009
.654
提取方法:
主成份。
旋转法:
具有Kaiser标准化的正交旋转法。
a.旋转在6次迭代后收敛。
图表4
表4是根据25家汽车上市公司的数据进行因子分析中最大方差法旋转后的因子矩阵,旋转后的每个变量只与其中的一个因子是相关的。
从表中我们可以看出资产增长率,净资产收益率,净利润率和股东权益比率在第一个因子上的载荷分别为0.949,,0.843,0.836,0.651,这表明了因子一对着四个变量的影响率很大,并且都呈现了正相关的关系。
因此,我们称第一因子为盈利能力因子。
,
因子2在速动比率,流动负债率,流动比率和总资产周转率这四个变量上有很大的载荷,分别为0.917,-0.898,0.875,-0.555,四者都可以直接或间接的反映公司的偿债能力,因此我们称第二个因子为偿债能力因子。
因子3在净利润增长率和税前利润增长率上有何大的载荷,分别为0.971和0.89。
.二者与公司的成长性关系密切,所以我们称因子3为成长性因子。
因子4在存货周转率和应收账款周转率上有很大的载荷,分别为0.865和0.848,两者与企业的营运能力关系密切,我们称因子4为营运能力因子。
因子5在总资产增长率和主要业务收入增长率上有很大的载荷,分别为0.959和0.798.这两个指标分别体现了企业规模的扩张性和主营收入规模的扩张性,我们称因子5为发展能力因子。
因子6在主要收入现金含量和净利润现金含量上有很大的载荷,分别是0.898和0.654,一个是体现的主营收入的收益质量指标,一个体现了公司实际收益质量的指标,我们称因子6为公司经营质量因子。
图表5
如表5所示根据上面的6个主因子的分析结果,我们可以利用因子分析方法得出每个指标的因子得分,并且根据这些因子得分通过多元回归分析来验证各个主因子与资产负债率的相关性并最终得出影响汽车行业上市公司资本结构的影响因素有哪些,这也是我们这次研究最主要的目的。
六.多元回归分析
1.多元回顾分析的原理和方法
回归分析是一种处理变量的统计相关关系的一种数理统计方法。
回归分析的基本思想是:
虽然自变量和因变量之间没有严格的、确定性的函数关系,但可以设法找出最能代表它们之间关系的数学表达形式。
它的实用性主要有以下几点:
(1)确定几个特定的变量之间是否存在相关关系,如果存在的话,找出它们之间合适的数学表达式;
(2)根据一个或几个变量的值,预测或控制另一个变量的取值,并且可以知道这种预测或控制能达到什么样的精确度;
(3)进行因素分析。
例如在对于共同影响一个变量的许多变量(因素)之间,找出哪些是重要因素,哪些是次要因素,这些因素之间又有什么关系等等。
多元线性回归的数学模型为下面这一个公式:
(1-1)
式1-1是一个K元回归方程,其中的k表示的是自变量的个数。
而回归方程主要是估计出其中的未知参数B0,B1,B2…..Bk。
其中
为误差
的估计值,则有下面的方程:
,(2.2)
在方程建立后,我们讲通过前面因子分析后的统计量对回归方程进行显著性检验和回归系数的显著性检验。
2.回归结果的分析
(1)回归方程的拟合度
模型汇总d
模型
R
R方
调整R方
标准估计的误差
Durbin-Watson
1
.653a
.426
.401
.77384574
2
.847b
.718
.692
.55510750
3
.896c
.803
.775
.47483762
2.083
a.预测变量:
(常量),REGRfactorscore1foranalysis1。
b.预测变量:
(常量),REGRfactorscore1foranalysis1,REGRfactorscore2foranalysis1。
c.预测变量:
(常量),REGRfactorscore1foranalysis1,REGRfactorscore2foranalysis1,REGRfactorscore6foranalysis1。
d.因变量:
Zscore(资产负债率)
图表6
上表6是我们建立的回归方程的拟合优度的分析结果,可以看出,总共有3个模型,在第一个模型中R方的值为0.426,在第二个模型中R方的值为0.718,在第三个模型中R方的值为0.803.由于在线性回归分析中我们所采用的是逐步分析法,所以第三个模型使我们最终所要求的模型的拟合优度,一般R方越趋近于1说明这个模型拟合的很好,被解释变量被模型解释的部分多。
在图表中我们可以看出,第三个模型的复相关系数,判定系数和调整系数分别为0.896,0.803,0.775,这三个数值都是大于了0.5向1趋近的,判定系数还超过了0.8,说明本文我们所建立的模型拟合的很好。
2回归方程的显著相关性检验结果
系数a
模型
非标准化系数
标准系数
t
Sig.
B
标准误差
试用版
3
(常量)
6.203E-17
.095
.000
1.000
因子1foranalysis1
-.653
.097
-.653
-6.735
.000
因子2foranalysis1
-.540
.097
-.540
-5.570
.000
因子6foranalysis1
.292
.097
.292
3.011
.007
a.因变量:
Zscore(资产负债率)
图表7
已排除的变量d
模型
BetaIn
t
Sig.
偏相关
共线性统计量
容差
3
因子3foranalysis1
.159c
1.711
.103
.357
1.000
因子4foranalysis1
-.020c
-.206
.839
-.046
1.000
因子5foranalysis1
.006c
.062
.951
.014
1.000
c.模型中的预测变量:
(常量),REGRfactorscore1foranalysis1,REGRfactorscore2foranalysis1,REGRfactorscore6foranalysis1。
d.因变量:
Zscore(资产负
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 第十 基于 财务状况 资本 结构 影响 因素
![提示](https://static.bdocx.com/images/bang_tan.gif)