摘要：实现双碳目标需要不断地推进新能源行业的建设与发展，作为新能源行业发展的佼佼者——光伏行业具有清洁、安全、可再生等诸多优势。但是，不可否认的是，目前行业发展过程中过于快速发展也会导致光伏行业出现产能过剩及恶性价格战的情况发生，企业所承受的压力也逐渐加大，因此财务风险也就随之增加。基于此情况，本文选用因子分析法、二元 Logistic 回归模型建立光伏行业的财务风险预警模型，结果表明光伏行业在发展和盈利能力方面存在较为严重的问题。

根据“双碳”目标战略引领，能源结构绿色转型步入攻坚阶段，新能源产业的规模化发展成为破局关键。而光伏产业作为新能源先头兵，以零碳排放、安全稳定性高、可再生能力强等核心优势特点快速崛起。据国际可再生能源署（IRENA）的数据，过去十年，全球光伏装机量年均复合增长率高达30%，到2024 年，新增装机量达到350GW 以上，连续十年领跑新能源赛道。在资源获取方面，不受地理条件过度限制，可实现分布式与集中式开发并举。技术迭代方面，钙钛矿和晶硅叠层电池实验室效率突破 33%，带动度电成本较十年前下降 82%。其兼具环境友好性与经济可行性的特性，使其成为能源转型进程中最具潜力的支柱产业，为全球碳中和目标提供重要支撑。

近几年，光伏行业在资本逐利以及地方招商引资政策的双重驱动下，行业掀起一轮轮扩产高潮。截止到 2024 年，光伏硅料、硅片、电池片等主要环节出现严重产能过剩现象，超过市场需求量 30%-50%以上，激进的扩产造成行业企业负债快速提升、陷入激烈的价格战当中，让企业利润空间被严重挤压，一些企业出现亏损的情况。为降低生产成本，提高产值，实现降本增效，光伏企业加大技术研发力度，在市场上推广新兴电池技术的研发和使用，增加企业成本支出。另一方面由于技术研发更新速度过快，大量原有落后产能被淘汰，导致大量固定资产需要计提减值损失。多重因素叠加，光伏企业的经营负担越来越重，其财务也呈现出亏空的状态，行业发展面临很大的困难。为了防范光伏行业出现财务危机，保障投资者和债权人的利益，维护资本市场的稳定健康发展，本文针对光伏行业构建精准财务预警机制。

（一）样本数据和数据来源

截至目前，沪深交易所中归属于光伏行业的上市公司数量为 114 家。采用ST 前三年的数据进行财务预警分析，因此剔除2023 年上市公司 4 家（分别是 SH688472 阿特斯、SZ301291明阳电气、SH688429 时创能源、SZ301310 鑫宏业），最终确定的样本公司总计 110 家，其中运营正常的公司有 104 家，被实施 ST 处理的公司有 6 家。本文数据均来自于企业的财务报告、东方财富网和新浪财经、以及统计软件SPSS26.0 分析处理以后得到的数据。

对于行业来说，其具有重资产投入的特点，在技术研发方面会有较快的迭代速度，并且对其有较大的政策方面的依赖性，选取16 个变量作为研究变量，具体如下：体现产品创造利润能力的销售毛利率（X1），销售收入转化为净利润的比例即销售净利率（X2），全部资产获得收益的情况即总资产净利率（X3），自有资本取得收益的能力即净资产收益率（X4），每股享有收益的情况即基本每股收益（X5），企业总资产的使用效率的总资产周转率（X6）、流动资产获得收益的速度即流动资产周转率（X7），存货转化为收入的速度即存货周转率（X8），偿还短期债务能力即流动比率（X9）、速动比率（X10），偿还长期债务能力即资产负债率（X11），盈利增长情况即净利润同比增长率（X12），主营业务规模增长速度的营业收入同比增长率（X13），资产规模扩张速度即总资产同比增长率（X14），营业收入的“现金含金量”即销售收现率（X15），公司估值的市销率（X16），这些变量能够系统反映光伏企业的财务健康状况与发展态势，为后续分析提供数据支撑。

（二）实证结果和分析1.KMO 和 Bartlett 检验

2.公因子提取及分析

基于选择的重要指标开展主成分分析后可知：所得四个主成分对应的特征值分别为 3.861、2.844、1.744 和1.322；而且这前四项主成分的累计方差贡献率达到61.069%。这一数据意味着四个公共因子能够有效保留原始 16 项指标的主要信息。

根据上表可以得出：第一因子（F1）的原始指标X14、X13、X5、X3、X12具有显著的解释力，F1的核心表征与企业发展能力维度的高度契合，故将其归为企业发展因子；第二因子（F2）在原始指标X9、X10、X11上有较高的载荷数值，该因子主要反映企业偿还债务的能力，归属于企业的偿债因子；F3因子在原始指标X8、X7、X16、X15上的载荷值较高，代表了企业的资产管理及价值属性，将F3归为企业运营与价值因子；F4因子在原始指标X1、X2、X4上的载荷值较高，代表着企业的获取收益的能力，故将其归为企业盈利因子。

4.公因子得分及综合得分评价

将标准化处理后的原始变量数据，分别与矩阵中对应的系数进行加权运算，构建了4个公共因子（F1、F2、F3、F4）得分计算模型：

F1==-0.003×X1+0.016×X2-0.03×X3+0.004×X4+0.098×X5+0.15×X6-0.071×X7+0.244×X8-0.017×X9-0.025×X10+0.074×X11+0.178×X12+0.287×X13+0.338×X14-0.047×X15+0.259×X16

F2=0.011×X1-0.021×X2+0.148×X3-0.035×X4-0.053×X5+0.015×X6-0.014×X7+0.001×X8+0.395×X9+0.412×X10-0.265×X11-0.04×X12-0.044×X13+0.022×X14-0.011×X15+0.057×X16

F3=0.062×X1+0.378×X2+0.448×X3+0.021×X4-0.159×X5+0.037×X6-0.012×X7-0.04×X8+0.048×X9+0.089×X10-0.012×X11+0.03×X12+0.091×X13-0.029×X14-0.224×X15-0.234×AB2X16

F4=0.003×X1-0.035×X2-0.21×X3+0.347×X4+0.329×X5+0.215×X6+0.19×X7+0.043×X8-0.09×X9-0.12×X10-0.145×X11+0.016×X12-0.135×X13-0.254×X14+0.001×X15-0.35×X16

根据F 的模型得出企业的最终 F 值，上图展示了F 值最低的20 家企业，其中 6 家 ST 公司都在其中，由此可以看出该因子模型对于判断企业财务风险具有一定的有效性。整体来看，光伏公司的得分都较低，主要受发展能力F1 和运营和价值因子F3、盈利能力 F4 的影响，从平均值来看，F1、F3、F4、F 分别为-0.65、-0.18、-0.082、-0.24。表4 F 值最低的20 家企业

二、构建 Logistic 回归模型

（一）导入因子

为了明确预测变量与具体结果的关系，利用样本中每家企业连续三年（即2022 年-2024 年）的财务数据进行建模，并对存在或不存在财务危机的企业赋值分别为 1 和 0，构成二元分类。鉴于研究目标为预测企业的财务危机，故采用二元 Logistic 回归模型作为核心分析工具。另外为优化模型解释效率，对原始的16 个解释变量进行了因子分析降维得到的前 4 个公共因子作为研究对象的自变量，纳入二元Logistic 回归模型做实证检验。从下表可以看出 110 家公司 3 年的数据全部进入个案处理，无缺失值。

（二）Logistic 回归结果

企业财务风险与发展能力F1 和、偿债能力F2，盈利能力F4 呈显著负相关性，F3 运营和价值因子的显著性大于0.05，说明F3 运营和价值因子与企业财务风险关系不显著。

企业的经营情况涉及多方利益，本研究将概率阈值设定为0.1，以此作为判定企业财务风险的关键依据。根据模型输出结果，在识别正常运营企业方面，模型的判断精准度高达92.6%，而在判定存在财务危机的企业时，其预测准确率达到100%。综合来看，该模型对企业财务状况的整体预测有效性表现优异，总体预测准确率达到93%。

2022年被ST的公司仅2家，根据该模型能够有效预测2024年被ST的6家公司，值得注意的是爱旭股份、国晟科技、钧达股份、双良节能、协鑫集成、亿晶光电、华民股份在3年时间里2年的财务风险都较大，并且通过2024年的P值大小可以看出亿晶光电、华民股份、赛福天的财务风险非常高的，同时，也需关注爱旭股份、宝馨科技、东方日升、国晟科技、弘元绿能、钧达股份、凯盛新能、双良节能、协鑫集成、永和智控的财务状况。

• 研究结论

经因子分析测算，110 家光伏上市公司四个维度的方差解释力度存在显著差异，各因子贡献率依次为 18.2%、16.5%、13.7%、12.7%。其中发展能力维度最大。对企业而言，企业能够保持良好的发展能力可以使企业拥有更好的财务状况，企业通过良性的发展积累充裕的资金可以实现企业资产的质量迭代升级，并且能给企业带来更多的发展机会；同时，资产状况影响企业的市场开拓能力，带来良好的收入和利润的增长，改善企业的盈利能力。其次是偿债能力，光伏企业的资产负债率平均为55%，偿债能力是一道抵御外来风险冲击和保障企业生存延续的安全防线。再次是营运能力，平均存货周转率已经由2023年的5.46降到2024年的4.79，最近两年的销售旺季趋于平稳，且行业产能过剩，加之能耗监管标准要求提高。光伏行业现面临去库存、加强经营管理的问题。最后是盈利能力，光伏行业的整体盈利能力较弱，2024年平均的销售净利率为-30%，其最高的销售净利率是德业股份的26.42%，44.5%的企业是处于亏损的状况。

通过二元Logistic回归模型发现，F1、F2、F4公共因子的优势比会变为原来的℮^-0.804、℮^-3.559、℮^-1.996倍，其中，企业偿债因子（F2）对财务风险的影响最大，它每上升1个单位时，优势比变为原来的2.8%，破产风险大幅降低约97.2%，2022、2023、2024行业内各公司平均流动比率分别为1.9、1.79、1.89左右，平均资产负债率分别是55.48%、52.88%、55.41%，企业短期与长期偿债能力的波动幅度处于较低水平，偿债能力层面的变化并非诱发企业财务风险的核心因素。 其次是盈利能力因子（F2），它每提升1个单位时，优势比降至原来的12.4%，破产风险降低87.6%，相比于2023年的4.92%，2024年销售净利率已跌至-30%，盈利能力急剧下滑使得行业陷入困境；最后是发展能力因子（F1），它每上升1个单位，优势比变为原来的 44.7%，破产风险降低约 55.3%，2022、2023、2024年光伏行业的营业收入增长率分别是49.68%、28.75%、-11.65%，行业由高速增长进入负增长，企业经营压力大幅增加，企业财务风险加大。综上所述，光伏产业中企业的发展能力显著下滑与盈利能力急剧恶化，是导致行业内企业财务风险攀升的核心因素。

参考文献：

[1]吴世农，黄世忠.企业破产的分析指标和预测模型[J].中国经济问题， 1987（6）：8.

[2]张立军，刘菊红，刘丹.上市公司财务危机预警的Logistic回归分析[J].南昌大学学报：理科版， 2007， 31（3）：4.

[3]刘先伟，陶萍.基于Logistic回归模型的建材业上市公司财务预警研究[J].工程管理学报， 2011， 25（4）：5.

[4]郭红，张蕾.基于探索性因子分析的动态财务预警指标选取实证分析[J].商业会计， 2015（6）：4.

[5]芦笛，王冠华.农业上市公司的财务风险预警研究——基于因子分析法和聚类分析法[J].会计之友， 2019（24）：5.