财务报表数据的特征

《财务报表数据的特征》由会员分享，可在线阅读，更多相关《财务报表数据的特征（100页珍藏版）》请在金锄头文库上搜索。

1、1 财务报表数据的特征 比率分析的假设及计算问题 财务报表数字的分布 财务报表数据与会计方法 财务报表信息的横向分析 财务报表信息的时间序列 （ 纵向 ） 分析 2 一、比率分析的假设及计算问题 财务比率能够用来控制规模差异吗 ？ 在使用财务报表数据时 ,必须认识到比率形式背后的假设 ,以及背景数字与财务比率的经验特征 。 不考虑这些问题 ,就会导致错误的推论 。 本节主要讨论：比率分析的假设；和比率计算问题 。 3 比率分析的假设 财务比率是概括分析财务报表数据的最常用的手段 。 之所以要以比率形式考察财务数据 ,其基本动机和目的是 : 1 控制公司之间和 /或同一个公司不同时期之间规模差异

2、的影响 ; 2 发现一个财务比率与一个重要变量 (如一种证券的风险 ,或一个公司宣告破产的可能性 )之间关系的经验规律 。 4 比率分析的假设 （ 续 1） 其中 ,控制规模差异的影响 ,是以比率形式分析财务数据的最为经常的动机 。 使用财务比率控制规模差异的一个重要假设 ,是分子与分母之间的严格的比例性 。 例如 ,就销售利润率比率而言 ,严格的比例性假设意指 : 5 比率分析的假设 （ 续 2） E = PS 这里 , P为比例因素 , S为销售收入 , E为利润 值下 之间的关系 ,即等式 E = P 6 图 4收益 销售 收益 收益 销售 7 图 4 收益 销售 收益 销售 8 比率分

3、析的假设（续 3） 在图 4图示了等式 E = P 事实上 ,中描绘了两种状况 ,这两种状况都不含有严格的收益与销售之间的比例性关系 : 1 常数或截距的存在 。 2 两个变量 (如收益与销售之间 )存在非线性关系 。 9 比率分析的假设 （ 续 4） 图 4 E = f (S )定公司间或同一公司不同时点间收益差异的一个更为一般的模型，应该是一个多变量函数： E = f (S,A,H,(其中， 。这个方程式表达的模型，可以是线性的，也可以是非线性的。 10 比率分析的假设 （ 续 5） 事实上 ， 销售收入只是能用于控制公司间或同一公司不同时点上的规模差异的量度之一 。 其他的量度还有：总资

4、产 ，股东权益 ， 市场资本价值 ， 以及员工人数 ， 等等 。 只有当不同的规模组的比率值基本一致时 ， 我们才能说该比率的分子 （ 收益 ）与分母 （ 规模度量 ， 如销售或资产等 ）之间存在比例性关系 。 11 比率分析的假设 （ 续 6） 所以 ， 如果某一比率的分子与分母之间严格的比例性关系并不存在 ， 运用比率分析来控制规模差异就须谨慎 。 12 比率计算问题 比率计算中 ,可能会遇到以下两个特殊的问题 :负的分母和极端观察值 首先 ， 关于 “ 负的分母 ” 假设在分析某一行业的公司的盈利能力或某一公司连续若干年的盈利能力的过程中 ,遇到一公司或其某一年度的股东权益为 “ 负 ”

5、值 将这一观察值用作股东权益利润率的分母 ,会导致一个没有明显的解释意义的比率 。 13 比率计算问题 （ 续 1） 为此 ,各种可能的解决办法如下 : 从样本中消除该观察值 . 考察分母为 “ 负 ” 的原因 ,并作适当调整 。 改用能反映公司盈利能力的别的比率 ,如总资产利润率或销售利润率 。 （ 这两个比率的分母为负的可能性是极小的 ） 14 比率计算问题 （ 续 2） 注意可能的 “ 计算机 ” 计算 “ 错误 ” 如计算机算机打印出来的资料为 :6%,4%。 但是 ,在这些比率值背后的具体数据是 : 公司 A 公司 B 净收益 2800万 股东权益 20000万 15 比率计算问题（

6、续 3） 显然 ,在计算机计算的情况下 ,增加对计算机程序的检查是必要的 。 （ 如果从数据库中可以得到比率构成的具体信息 ,就可以作此类检查 ） 。 其次 ， 关于 “ 极端观察值 ” 所谓极端观察值 ,是指一个显得与整个数据系列中的其余数据不一致的观察值 。 （ 当然 ,显得不一致 ” 在一定程度上是观察者所作的一种主观推断 ） 16 比率计算问题（续 4） 确定一个观察值是否 “ 极端 ” ,可以采取以下两个步骤 : 第一 ,确定该 “ 极端值 ” 是否因计算原因而产生 。 例如 , 是否因记录错误所导致 ? 是否由于该比率的分母在某一特定年份迫近于零 ? 17 比率计算问题（续 5）

7、第二 ,考察会计分类、会计方法以及经济或结构的变化。 会计分类 。例如 ,一笔巨大的非常项目利得包含于净收益中 ,就可能会引起销售净收益率的 “极端”。检查这种问题的一个有效的办法 ,就是比较不同计算口径的销售收益率 非常项目前销售利润率 ,以及销售净利润率这三个比率进行比较 ,如果只有销售净利润率显得 18 比率计算问题 （ 续 6） 极端 ” ,那么 ,这种 “ 极端 ” 缘于会计分类的可能性就很大 。 会计方法 。 例如 ,一个极端的利息保障倍数 ,可能是因为表外融资 ,或者可能是因为巨额的汇兑收益 。 经济的原因 。 例如 ,所有被比较的其他公司可能是资本密集型的 ,而有 ” 极端 ”

8、比率的公司则是劳动密集型的 19 比率计算问题 （ 续 7） 因为该公司所在地区劳动力价格相对较便宜 。 这种差别就可能导致公司间边际利润率的显著差异 当销售量快速扩大时 。 结构变化 。 例如 ,公司间的兼并会引起 “ 极端 ” 观察值 。 因为 ,被兼并方的财务状况可能比较特别 (如大大超过 100%的负债率 )。 20 比率计算问题 （ 续 8） 当分析过程中遇到极端观察值且不是缘于记录错误时 ,分析者可选择的办法有 : 如果极端观察值是真正的极端 ,则予以删除 ; 如果极端观察值代表其背景特征的一种极端状况 ,则应该保留之 ; 21 比率计算问题 （ 续 9） 对引起该极端观察值的经济

9、或会计因素作出调整 ,如通过加入与表外融资有关的利息费用； 在统计分析中 ,通过消除最大值和最小值 ,以使样本整齐化 。 22 二、财务报表数字的分布 为什么要了解财务报表数字的分布？ 财务报表数字是否为正态分布？ 财务报表数据间的相关与互动 23 为什么要了解财务报表数字的分布 ？ 为什么要了解财务报表数字的分布 ? 在下列决策领域 ,有必要了解财务报表数字的分布： 银行信贷决策 。 在此决策过程中 ,分析者希望确定贷款申请人的财务比率在该行业分布中所处的位置 。 公司战略决策 。 这种决策关注的是使一个经营单位的销售利润率从该产业的最末 10%上升到最高 10%的可能性 。 24 为什么要

10、了解财务报表数字的分布 ?（ 续 1） 在审计约定中关于预测一总体财务特征的抽样方法设计的决策 ,如要抽取的观察值数量及随机抽样法或分层抽样法的采用 。 财务报表数字的分布特征 ,也可能有助于促进相关的研究 。 例如 ,假如人们不只一次地发现 ,低集中度产业部门的获利能力比率较高集中度产业部门具有更大的离中趋势 ,那么 ,就可能促进旨在解释这种经验规律的产业组织问题的研究 25 是否为正态分布 ? 财务报表数字是否为正态分布 ? 为什么要关注是否为正态分布 ?原因之一是 ,如果为正态分布 ,那么 ,只要知道平均值和标准差 ,就足以描绘整个正态分布的特点；原因之二是 ,分析财务报表数据可用的许多

11、统计工具 ,都是基于这些数据为正态分布这一假设的 。 26 是否为正态分布 ? （续 1） 然而 ,许多财务比率预期为非正态分布的原因也存在着 。 例如 :流动比率从技术上讲最低只能为零 ,而正态分布则包括负值 ;资产负债率在技术上上限为 “ 100%,下限为 “ 0。 27 是否为正态分布 ?（续 2） 图 43家公司某年负债对股东权益比率分布的图示 。其平均值为 准差为 同时 , 平均值为 准差为 显然 ,实际的分布不具有类似于理论正态分布那样的 “ 钟形 ” 曲线 。 图 4其较高和较低部分都脱离正态分布的钟形曲线 。 而且 ,实际分布的左边很僵直(即 28 是否为正态分布 ?(续 3）

12、 没有曲线变化 ),右边则有一条长尾巴 (即渐趋下降 )。 这显然是正的非对称 (即没有负值的非对称 )。 许多研究表明 ,财务比率的实际分布特征之所以经常背离正态分布假设 ,其原因主要是极端值的存在 。 （ 如果取消相对少量的极端值 ,就可以相当显著地减小非对称和峰态值 ,从而能够使样本财务比率的分布符合或基本符合正态分布 ） 29 是否为正态分布 ?(续 4） 图 4 25 20 15 10 5 0 0 10 20 30 40 50 负债与权益比率 频次 30 财务报表数据间的相关与互动 根据财务数据可以计算的财务比率数量显然是非常多的 。 但事实上 ， 每一类别中所包括的财务比率所提供的

13、信息可能是相互迭盖 (交叉 )的 。 考察这一问题的一个有效的办法 ,就是计算每一类别中不同比率之间的相关与互动 ( 31 财务报表数据间的相关与互动（ 续 1） 美国学者 据 1983 年的计算了九类财务比率(变量 )的相关与互动 。 相关证据是以 1983年的数据为基础的 ,每一对相关计算时的样本规模从 536至 2165不等 。 互动证据是以 1978至 1983年的数据 (即 1978979980981982基础的 ,每一对互动计算时的样本规模从 7744到11272不等 。 32 财务报表数据间的相关与互动（ 续 2） 九类财务比率中每一类内的相关与互动计算结果如表 4 斜线符号 ( *线 )以下的数字是 1983年的相关系数； 斜线符号以上数字是