新准则下上市公司利润来源及构成研究.docVIP

新准则下上市公司利润来源及构成研究 【摘要】通过对上市公司利润不同部分的构成分析，即 细分一下利润总额中主营业务利润和非经常性损益的贡献 份额，可以进一步分析了解公司利润数量背后的质量问题。 【关键词】新准则上市公司利润来源构成分析 前言 我国在2006年2月15日正式颁布了新会计准则，包括 1项《企业会计准则一一基本准则》以及38项《企业会计准 则一一具体会计准则》，新会计准则已于2007年1月1日在 上市公司正式实行。新会计准则的发布和实施，使中国会计 准则和国际会计准则之间有了实质性趋同，给会计实务带来 了诸多的挑战与机遇，对促使上市公司防范金融风险、注重 公司资本质量、提高会计信息质量有着积极的意义。在本项 研究中我们主要采用统计实证和案例分析方法，考查了新会 计准则对上市公司业绩的影响。 每年上市公司公布年报时，投资者最关心的往往是”每 股收益”，每股收益的高低在一定程度上反映了上市公司 的盈利能力和投资价值。但是仅了解每股收益是不够的，因 为上市公司的利润除来自正常经营收入外，还可能来自资产 转让、稅收返还、补贴收入和投资收益等，不同的利润来 源对企业持续经营能力的影响不同。利润主要由主营业务利 润和其他业务利润构成。通过对利润的来源，分析贡献度的 大小，可以判断出其收入的健康程度、可持续程度等。而其 他业务利润中的投资收益，可以从上市公司投资性质进行判 断，如非控股型、一次性、可持续性投资，关键是其投资收 益是否可持续。例如“投资股票”的收益成分，那么我们认 为可能持续性、价值程度较弱；像巴菲特式的股票价值投资， 市场成功概率毕竟属于少数；而收益来源分析一般分为核心 收益和其他业务收益回报，其中，上市公司的核心收益的贡 献越高，我们则能判断其盈利质量越佳，具有一定的稳定性 和持续性。需要注意的是利润的同比和环比数据都比较重 要，结合比较将使得判断更为全面客观。在判断一个上市公 司将会出现拐点的时候，环比数据的价值会突显。此外，分 析财务报表中的财务费用，主要看以下几步：首先，要看上 市公司负债率的变动情况，在不考虑利率变化的因素中，着 重分析该公司的财务杠杆运用是否合理，判断风险程度；其 次，要看其负债是短期还是长期，是否在进行“滚动融资” 的操作；最后，要细看公司节省财务支出方法的合理性。 分析方法的选择 对单个企业，利润总额可以根据利润表由以下公式求 得： 利润总额=营业收入一营业成本一管理费用一销售费用 一财务费用一营业税金及附加十投资收益一资产减值损失 十公允价值变动收益十营业外收入一营业外支出。 但是如果要从总体上分析上市公司利润总额的构成和 来源，就不能将此公式直接转化为多元回归模型求系数。根 本原因在于这些自变量之间存在多重共线性关系，如“营业 收入”和“营业成本”、“营业收入”和“销售费用”。如 果采用普通的最小二乘方法，这种变量多重共线性就会严重 危害参数估计，扩大模型误差，并破坏模型的稳定性。本研 究拟采用自组织数据挖掘的数据分组处理方法（GHDH）对利 润总额的来源和构成进行分析。 数据分组处理方法的基本思路 数据分组处理方法是近年来发展起来的一种数据挖掘 方法，它最早由乌克兰科学院入作为一种自动产生模型的算 法，它使用的是演化的原则，实现一个模型结构综合和模型 确认的自动化过程：模型从数据中自动产生，以最优的传递 函数网络的形式，重复产生大量具有增长复杂度的竞争模 型，进行相应的模型确认并留下最好的选择，直到产生一个 最优复杂度模型。自组织建模算法以客观的方式自动地实现 以下的步骤： （1）将观测样本数据分成训练集和检测集；（2）在每 阶段按不同的变量和增长的复杂度产生待选模型；（3）对于 参数模型，在训练集上估计未知参数；（4）在每阶段利用检 测集的数据选出一些最好的模型。 GMDH解决多重共线性机理分析 作为组织数据挖掘的核心算法，GMDH方法采用多项式神 经元网络，从根本上避开了多重共线情况导致最小二乘估计 结果的诸多问题。GMDH方法的停止法则由最优复杂度原理给 出模型的复杂度逐渐增加时，具有“外补充”性质的称之为 外准则的照则值迗到极小，全局极小的实现标示最优复杂度 模型的存在。GMDH算法是通过不能再改善外准则值停止的， 其停止法则可以保证在一定噪声水平下得到数据拟合精度 和预测能力之间实现最优平衡的最优复杂度模型。 CMDH建模的特点是数据分组和贯穿于整个建模过程中 的内、外准则的运用。它将观测样本数据分为训练集和检测 集。由于应用不完全归纳法，它能从被研究对象的众多影响 因素中筛选出最具有相关性的一些输入变量并生成简洁的 模型结构，所以任何一个可能影响被研究对象的变量都可以 当做潜在的输入变量而不必考虑多重共线性问题。因此， GMDH算法选取的变量（因素）可尽量全面、广泛