我国互联网金融行业盈利质量影响因素研究

摘要：传统行业的盈利质量主要从盈利能力、持续性、盈利获现程度、成长水平等方面进行分析。互联网金融作为新兴产业，在盈利质量影响因素方面与传统行业有所区别。通过因子分析、主成分分析等方式对我国A股上市公司互联网金融概念板块进行盈利质量影响因素的数据分析，可以归纳出我国互联网金融行业盈利质量的影响因子。结果表明，我国互联网金融行业盈利质量可以分为四个独立的影响因子，具体可命名为：F1收益性因子、F2现金性因子、F3利润占比因子以及F4增长性因子。这四个影响因子累积解释了影响互联金融概念板块公司盈利质量中87.402%的信息，其中F1收益性因子最显著，解释了38.956%的信息。本文发现，企业资产收益能力对盈利质量影响最大，资产收益能力越强，影响效果越好。

关键词：互联网金融；盈利质量；因子分析

尽管不同国家之间的通信基础设施状况不同，但以此为依托的电子支付迅速蔓延，网上交易已经成为一种常见的现象，不同国家的网络金融发展呈现出共性[1]。随着互联网科技的发展，“网络金融”已逐步发展成为“互联网金融”，智能与大数据分析成为现代互联网金融的主要表现[2]。自2013年被称为中国互联网金融发展元年开始，中国互联网金融呈现“爆炸式增长”，无论是学术界、实体经济还是政府部门，均对互联网金融行业表现出高度的兴趣。这段时间，中国互联网金融在种类与规模方面都具备了一定的发展规模。许多企业纷纷涉足互联网金融领域，甚至放弃原有发展方向转型为互联网金融企业，其中最具代表性的便是A股上市公司中互联金融概念板块的公司。但是我国互联网金融行业尚处于初期阶段，没有成熟的发展模式，因而目前大部分企业都属于“摸石头过河”的形式，其面对的系统性风险、技术风险、流动性风险以及监管风险也更大[4]。同时，行业准入壁垒不是很高，广阔的市场会吸引更多的竞争者进入市场，但此市场尚未饱和，未形成完全竞争市场模式。这些因素导致我国互联网金融行业的盈利质量各有差异。为进一步了解互联网金融行业的发展特性以及盈利的侧重方向，本文对我国互联网金融行业盈利质量影响因素进行研究，以推动互联网金融行业更健康、有序发展。

一、研究方法

本文采取SPSS进行因子分析、主成分分析，分析对象为我国A股上市公司互联金融概念板块企业的盈利质量财务数据，指标选取如下：

（一）指标属性

1.反映的信息真实可靠

根据会计信息可靠性原则，选取的指标需要满足真实性、可验证性以及中立性。这要求选取指标的数据来源需要体现出企业客观发生的实际情况，同时是可以被审计验证的，且数据来源客观中立，被准确记录，不会被人为因素影响。

2.指标持续可获得

数据的指标数据来源能够持续获得，即指标所反映的企业生产过程来源是持续性的而非间断性的，这使得指标之间可以具有对比性，在分析过程中可信度更高。

3.指标稳定可靠

指标稳定可靠指的是指标自身存在一定的稳定性，不易受到某件突发事件的影响而产生较大变动，稳定的指标可以减少分析过程中因指标因素导致分析结果不准确性。在现代市场经济中，经济周期缩短，市场形势变化相比以往更快，因而所选取的指标需要自身存在一定的稳定性。

（二）具体选取指标

根据指标选取要求，本文在具体指标选取时，根据传统行业盈利质量分析的指标体系，可从企业盈利能力、持续性、盈利获现程度和成长水平情况等方面入手[3]，具体指标如下：

1.反映企业盈利能力情况

基本每股收益（元） =（税后净利润-优先股股息）÷普通股股数

每股现金流净额（元） =现金流量净额÷股本数量

加权净资产收益率%=当期净利润÷平均净资产

总资产收益率%=净利润÷总资产

销售净利率%=净利润÷主营业务收入

2.反映企业盈利获现程度

净利润现金含量%=现金净流量÷净利润

销售现金比率%=现金净流量÷营业收入

3.反映企业成长水平

营业收入增长率%=本年主营业务收入增长额÷上年主营业务收入

营业利润增长率%=本年主营业务利润总额增长额÷上年主营业务利润总额

经营现金流净额增长率% =本期营活动现金流量增长额÷上期经营活动现金净额

4.反映企业持续性

营业利润率%=营业利润÷利润总额

二、数据分析

本文数据选取2015年A股互联金融概念板块股票的财务数据，选取其中62家上市公司，审计意见均为无保留意见。其中部分上市公司的部分财务数据在该年度或连续年度中为负，导致指标缺失。在本文中，采取对原始财务数据取绝对值的方法，然后重新计算指标代替缺失的指标数据。

本文使用SPSS的因子分析和主成分分析数据。根据之前确定的指标体系，在SPSS中将指标使用简称代替，具体表示方法如表1所示。

（一）可行性检验

本文可行性检验采用KMO检验以及Bartlett检验（见表2 ），KMO值在0至1之间，一般来说，KMO值超过0.6表示数据可用，KMO值越大表示效果越好。本文KMO值为0.653，通过检验。在Bartlett检验中，近似卡方为997.247表示显著，自由度为55，卡方检验概率为0，说明变量之间显著相关，本文也通过检验。

（二）提取公因子

本文通过主成分分析方法，将原有变量降维提取，得到解释原有信息的因子（见表3）。一般来说，因子的贡献率越高，则包含了总信息中越多的信息。本文选取了前四个因子，其初始特征值分别为4.285/2.665/1.544/1.120，累积贡献率达到87.402%，意味着这四个因子可以包含原有信息中87.402%的比重，能较好解释原有变量的信息。

（三）因子旋转、分析与命名

本文将已经提取的公因子建立载荷矩阵，然后进行因子回归并进行正交旋转。采取最大方差法进行，旋转在5次迭代后收敛。具体旋转成份矩阵的结果见表4。各个公因子由原有指标解释组成，指标对应载荷值越高，则对该因子的影响就越大，根据每个因子上各个指标的载荷值，本文归纳出解释因子的主要指标，对该因子进行命名，进而将影响方向显现出来。

可以看到，影响F1因子的指标有X3（加权净资产收益率）、X9（营业利润增长率）、X1（基本每股收益）、X4（总资产收益率），其表达式可以视为：

F1=0.905X3+0.886X9+0.849X1+0.762X4+ε

其中ε表示剩下的指标所产生影响的尾数，由于影响很小可以忽略，因而可以用ε来表示。这些指标均与公司收益情况相关，且指标X3、X9、X1、X4均为正相关，可以将F1因子命名为收益性因子。

影响F2因子的指标有X6（净利润现金含量）、X2（每股现金流净额）、X7（销售现金比率），表达式为：

F2=0.991X6+0.979X2+0.852X7+ε

其共同点为现金流，且因子解释指标X6、X2、X7均为正相关，因而可以将F2因子命名为现金性因子。

影响F3因子的指标有X5（销售净利率）、X11（营业利润率），表达式为：

F3=0.962X5+0.96X11+ε

解释的指标强调了利润率，且指标X5、X11对因子解释也为正相关，可以将F3因子命名为利润占比因子。

影响F4因子的指标有X10（经营现金流净额增长率）、X8（营业收入增长率），表达式为：

F4=0.812X10+0.763X8+ε

这些指标主要表示公司增长情况，且指标均为正相关，因而将F4因子命名为增长性因子。

（四）因子检验

本文将得到的四个公因子得出其成份得分协方差矩阵，矩阵的值在0到1之间，值越小说明越独立。结果如表5所示，可以发现在四个因子两两之间，其协方差的值均为0，这说明四个因子互相独立没有影响，表示因子分析效果较好，公因子之间互不影响，四个因子解释效果较好。

三、Y论

本文得出，我国互联金融概念板块盈利质量的影响因素可以归纳为四个影响因子：F1收益性因子、F2现金性因子、F3利润占比因子以及F4增长性因子，这四个影响因子累积解释了影响互联金融概念板块公司盈利质量中87.402%的信息。其中：

F1收益性因子解释了38.956%的信息；F2现金性因子解释了24.227%的信息；F3利润占比因子解释了14.034%的信息；F4增长性因子解释了10.185%的信息。

因子解释信息的占比比重越大，意味着该因子所代表的这方面因素对互联金融行业盈利质量影响越大。具体观察这四个解释因子，影响F1因子的指标有X3（加权净资产收益率）、X9（营业利润增长率）、X1（基本每股收益）、X4（总资产收益率），主要反映的是通过资产获得收益的能力，且指标均为正相关，故我们可以理解为，该行业中企业资产收益能力对盈利质量影响最大，资产收益能力越强，影响效果越好。

影响F2因子的指标有X6（净利润现金含量）、X2（每股现金流净额）、X7（销售现金比率），主要反映的是行业中企业现金流的总量以及现金流动性，该指标也均为正相关，因而可以理解为，现金流质量对盈利质量起着次重要的影响，现金流质量越好影响越好[6]。

影响F3因子的指标有X5（销售净利率）、X11（营业利润率），反映了排除营业外收入后的销售收入在总收入中所占比重，指标也为正相关，这意味着主营业务的经营质量会对盈利质量产生第三重要的影响，主营业务利润越高则盈利质量越好。

影响F4因子的指标有X10（经营现金流净额增长率）、X8（营业收入增长率），反映的是企业发展潜力，即为持续经营能力，指标也为正相关，说明该行业中企业的持续经营能力越强对盈利质量也越起影响。

当然，本文也存在不足，主要体现在：我国A股市场互联金融板块选取的是2015年的财务数据，数据虽然具有一定的代表性，但数据的总量可能不足，且容易受到2015年的经济整体形势影响，因而结果可能存在偏差。通过增大样本数据，扩大样本中企业数量以及企业不同年份之间的数据，可以使结果更为精确。

参考文献：

[1]Claessens S， Glaessner T， Klingebiel D.Electronic finance： reshaping the financial landscape around the world[J].Journal of Financial Services Research， 2002， 22（1-2）： 29-61.

[2]Chen H， Chiang R H L， Storey V C.Business intelligence and analytics： From big data to big impact[J].MIS quarterly， 2012， 36（4）： 1165-1188.

[3]刘海林.关于上市公司盈利质量分析指标体系的探讨[J].商业经济， 2014 （5）： 118-119.

[4]乔海曙， 吕慧敏.中国互联网金融理论研究最新进展[J].金融论坛， 2014 （7）： 24-29.

[5]储一昀， 王安武.上市公司盈利质量分析[J].会计研究， 2000， 9（3）： 1-36.

[6]王桂英， 宋宝.从现金流看企业盈利质量――以王府井股份有限公司为例[J].经济论坛， 2013 （12）： 143-145.

[7]陈辉， 赵翠杰.我国上市公司盈利质量影响因素实证研究――以纺织行业为例[J].中国管理信息化， 2016 （03）： 25-28.

（作者单位：武汉中百控股集团股份有限公司；武汉大学信息管理学院）