李赫 呂文岱 張雁 郭明累

[摘 要] 以上市制造企業(yè)被特別處理作為出現(xiàn)財務風險的標志，選取滬深兩市2010年和2011年首次被特別處理的制造企業(yè)為研究對象，以其被特別處理前一年的數(shù)據(jù)為依據(jù)，同時隨機選取相同數(shù)量的非特別處理制造企業(yè)作為配對樣本進行相應實證分析，提出了新的制造企業(yè)的財務風險預警指標體系。通過層次分析法與信息熵方法，借助Yaahp及SAS軟件確定了各指標的主客觀權(quán)重并建立了制造企業(yè)財務風險預警模型，實證分析顯示模型的預測正確率可達86.7%。

[關(guān)鍵詞] 財務風險；層次分析法；信息熵；特別處理；制造業(yè)

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 12. 001

[中圖分類號] F275 [文獻標識碼] A [文章編號] 1673 - 0194（2014）12- 0002- 05

1 引 言

制造業(yè)作為實體經(jīng)濟的重要組成部分，成為一個國家經(jīng)濟的基礎和支柱。對于許多國家而言，制造業(yè)對促進經(jīng)濟發(fā)展的重要作用是其他行業(yè)無法代替的。尤其入世后，我國的制造業(yè)飛速發(fā)展并成為帶動社會發(fā)展及拉動經(jīng)濟增長的重要動力，其相應總產(chǎn)值在國際市場中占有的份額不斷提高，于2009年達1.6萬億美元，居全球第二；于2010年達1.955萬億美元，在全球制造業(yè)總產(chǎn)值中所占的比例為19.8%，首次超過美國（19.4%），位列第一[1]。

截至2010年末，滬深兩市A股上市公司的數(shù)量己達2 041家，此類企業(yè)逐漸成為我國經(jīng)濟發(fā)展的中堅力量。美國的次貸危機引發(fā)的金融海嘯及歐盟近年來的債務危機均嚴重影響了我國經(jīng)濟市場環(huán)境的穩(wěn)定，出現(xiàn)虧損或破產(chǎn)的上市公司數(shù)量急劇增加。財務風險關(guān)系到企業(yè)能否在殘酷的市場競爭中生存和發(fā)展，公司一旦存在嚴重的財務風險，則可能對股東、債權(quán)人等利益相關(guān)者造成巨大經(jīng)濟損失。財務風險實質(zhì)為企業(yè)財務狀況的不確定性，體現(xiàn)為企業(yè)資金收益下降或斷裂的可能性。財務風險具體指企業(yè)在一定時間內(nèi)由于各種不可預測及控制的內(nèi)外部不確定因素，使得企業(yè)資金收益下降或資金流斷裂，從而對企業(yè)的短期和長期目標產(chǎn)生負面影響的可能性。企業(yè)應具備預見性和危機意識，在日常經(jīng)營過程中對企業(yè)的財務狀況進行跟蹤和監(jiān)控，及時發(fā)現(xiàn)并將企業(yè)潛在的風險通知相關(guān)管理者以采取相應措施，消除或減弱財務風險對企業(yè)的破壞。因此，建立企業(yè)財務風險預警模型，對企業(yè)尤其是上市公司，有非常重要的實踐意義。

隨企業(yè)規(guī)模不斷擴大，企業(yè)財務環(huán)境也隨之發(fā)生變化。西方學者首先將研究重點轉(zhuǎn)移至財務風險管理方面的研究，其中Beaver[2]提出單變量模型，選取158家公司為研究對象的同時，選取30個變量并對其預測能力進行檢驗，最后確定判別效果最好的兩個變量——營運資本流/負債和凈利潤/總資產(chǎn)。Altman[3]在單變量模型的基礎上，選取66家公司作為樣本進行配對分析，據(jù)分析結(jié)果選擇了22個變量作為備選變量，依據(jù)正確率最大的原則，最終篩選出留存收益/資產(chǎn)總額、股東權(quán)益市場價值/總負債賬面價值等5個變量作為判別變量并構(gòu)建了Z值模型。Ohlson[4]應用新的數(shù)據(jù)搜集方法和多元邏輯回歸模型進行企業(yè)破產(chǎn)預測的研究，發(fā)現(xiàn)4類變量顯著影響公司破產(chǎn)的概率，即企業(yè)規(guī)模、資產(chǎn)負債率、經(jīng)營狀況和變現(xiàn)能力。

國內(nèi)對財務風險預測研究起步相對較晚。向德偉[5]對Altman建立的Z值模型對我國經(jīng)濟環(huán)境中企業(yè)的適用性進行實證研究，檢驗結(jié)果基本支持Z值模型在我國的有效性，但某些公司的Z值卻存在較大偏差。周首華 等[6]以Z值模型為基礎，加入現(xiàn)金流量指標，選擇1977-1990年的62家公司為樣本，通過兩兩配對分析建立了F值模型。為了能夠更加符合我國證券市場的實際情況，楊淑娥[7]基于Z值模型并應用主成分分析法選取134家公司進行配對分析并提出Y值模型；在后續(xù)研究中將上述樣本代回至建立的模型進行檢驗，發(fā)現(xiàn)模型的回判正確率高達86%。吳應宇 等[8]篩選出凈利潤率、應收賬款周轉(zhuǎn)率等15個分析指標，建立了Logistic回歸模型，運用因子分析法對相關(guān)研究進行修正，通過實證研究證明建立的財務風險預警模型的預測準確率為85%，具有較好的穩(wěn)定性。

由于上市公司的財務數(shù)據(jù)公開，以上市公司為研究對象的財務風險研究近期已成為學術(shù)界的熱點問題。劉開瑞[9]以香梨股份有限公司為例，采用Z-Score 模型對上市公司進行財務預警分析，指出 Z值模型對上市企業(yè)財務預測的準確性會隨著時間的推移而降低。吳芃[10]利用統(tǒng)計分析方法預測上市公司財務風險。吳倩[11]在研究過程中加入非財務指標以提高預測風險的準確性，指出引入DEA 效率值并不能提高模型預警的準確性。劉俊奇[12]與馮月平[13]分別采用Logistic 回歸建立了我國物流業(yè)和制造業(yè)上市企業(yè)的財務風險預警模型。陶婭[14]對我國上市公司財務風險預警的理論發(fā)展進行了總結(jié)。

2 制造企業(yè)的財務風險預警模型

不同行業(yè)具有不同特征，相同財務指標對不同行業(yè)的財務風險預測有不同的重要性。因此，建立針對行業(yè)的財務風險預警模型具有顯著的實際意義。

2.1 財務指標的選擇

通過財務報告分析企業(yè)的財務風險，而財務報告建立在財務指標基礎上。因此，財務風險分析的基礎正是形成分析報告的財務指標。馮敏[15]在研究國內(nèi)外關(guān)于財務風險預警指標體系相關(guān)文獻的基礎上構(gòu)建了一個財務風險預警指標體系。何峰[16]以企業(yè)經(jīng)營為切入點，從定性和定量兩個方面分析企業(yè)財務風險預警指標，建立了一個企業(yè)財務風險預警指標體系。沈亭[17]對我國信托行業(yè)的財務風險進行相關(guān)研究，建立了適合信托行業(yè)的財務風險預警指標體系，通過層次分析法獲取了各指標的權(quán)重進而分析和總結(jié)財務指標對信托行業(yè)財務風險預警的重要性。林艷紅[18]研究了財務風險指標的預測能力，提出如財務指標的均值在被特別處理（Special Treatment， 簡寫為ST）前3年中有顯著差異，則該指標具有較理想的預測能力；同時結(jié)合二元選擇模型確定出具有良好判別力的分析指標，該類指標可分為6類：短期償債能力、長期償債能力、盈利能力、現(xiàn)金流量、營運能力和發(fā)展能力。

基于以上研究，提出制造企業(yè)財務風險指標體系見表1。

其中正向指標表示該指標值越大則其財務風險越大，即財務狀況越差；負向指標表示該指標值越大則其財務風險越小，即財務狀況越好。為達到一致化效果，在最終的模型表達式中，正向指標前用負號，負向指標前用正號，綜合指標值越大說明企業(yè)的財務狀況越好，企業(yè)陷入財務危機的可能性越小；綜合指標值越小說明企業(yè)的財務狀況越差，企業(yè)陷入財務危機的可能性越大。

2.2 指標權(quán)重的確定

確定指標權(quán)重的方法主要分為主觀方法和客觀方法，無論主觀方法或客觀方法均存有某些缺點。主觀方法在根據(jù)指標本身含義確定權(quán)重方面具有優(yōu)勢，但客觀性較差，易受評價者主觀態(tài)度的影響；客觀方法以實際數(shù)據(jù)為基礎，能夠避免主觀性的影響，但不能體現(xiàn)評價者對不同指標的重視程度，有時甚至出現(xiàn)確定的權(quán)重與實際重要程度相悖的情況。因此，本研究在確定制造企業(yè)財務風險評價指標權(quán)重時，引入主客觀相結(jié)合的方法[19-20]，發(fā)揮主客觀方法的各自優(yōu)勢。在主觀方法方面選擇了比較成熟且應用較廣的層次分析法（Analytic Hierarchy Process， 簡寫為AHP），而客觀方法方面選擇了具有廣泛應用的信息熵方法。

2.2.1 AHP方法確定主觀權(quán)重

AHP方法由美國運籌學家Saaty首先提出，即將復雜系統(tǒng)分解為很多因素，各因素相互關(guān)聯(lián)，最后構(gòu)成了一個樹形結(jié)構(gòu)，通常包括目標層、準則層和方案層。同層因素通過兩兩比較構(gòu)造判斷矩陣進而得出指標的相對權(quán)重。因此，運用AHP方法需得到指標的兩兩判斷矩陣。據(jù)研究需求設計用于層次分析法的調(diào)查問卷；對制造企業(yè)相關(guān)人員訪問以收集相關(guān)數(shù)據(jù)；通過Yaahp軟件建立層次結(jié)構(gòu)模型并計算出各層指標的權(quán)重大小，各指標的權(quán)重見表2。

2.2.2 信息熵方法確定客觀權(quán)重

Shannon[21]于1948年提出信息熵的概念，用于解決信息的量化度量問題。信息熵描述了概率與信息冗余度的關(guān)系，其表達式為：

H（x）=-■p（xi）ln p（xi）

式中，xi表示第i個狀態(tài)值；p（xi）表示第i個狀態(tài)值出現(xiàn)的概率。

通過信息熵方法確定客觀權(quán)重，首先需收集制造企業(yè)的相關(guān)數(shù)據(jù)，其中行業(yè)劃分依據(jù)中國銀監(jiān)會的分類標準。選擇滬深兩市2010年和2011年首次被ST的41家制造企業(yè)為研究樣本，其中公司被ST一般存在兩種情況：財務狀況異?；蚱渌惓！ｈb于探究制造企業(yè)的財務風險預警，剔除了由于其他異常而被ST的公司及數(shù)據(jù)不完整的樣本公司，最后得到30家被ST的樣本公司。另外，隨機選擇了30家非ST的制造企業(yè)作為配對樣本。

確定研究公司后，通過Wind資訊金融終端提取相應數(shù)據(jù)。軟件SAS中的IML過程通過計算指標數(shù)據(jù)間的差異給出指標的信息熵及其相對重要性（權(quán)重），運行結(jié)果見表3。

2.3 綜合模型的建立

由于AHP方法從專家的經(jīng)驗與認識出發(fā)，因此主觀權(quán)重體現(xiàn)了一個指標對預測財務風險的重要程度，但偶爾出現(xiàn)以下情況：雖某指標非常重要，但該指標可能不具備良好的區(qū)別力，此時則無必要對此指標賦予較大權(quán)重。相對而言，信息熵方法以客觀數(shù)據(jù)為依據(jù)，而客觀權(quán)重能夠體現(xiàn)一個指標的區(qū)別力，但僅依靠客觀數(shù)據(jù)，可能導致具備良好區(qū)別力的指標對企業(yè)財務風險的重要性無法突顯，尤其當出現(xiàn)異常數(shù)據(jù)時，則需降低雖重要卻不具備良好區(qū)別力的指標所占有的權(quán)重，相應提高具備良好區(qū)別力的指標的權(quán)重。換而言之，將重要但區(qū)別力不顯著的指標所占有的權(quán)重轉(zhuǎn)移一部分至區(qū)別力顯著但重要性稍低的指標。

綜合主客觀方法得到的權(quán)重，不但彌補主客觀方法各自不足，而且在以重要程度為前提的基礎上提高模型的整體辨別力，構(gòu)建制造企業(yè)財務風險綜合模型。以客觀權(quán)重對主觀權(quán)重進行調(diào)整的方法確定綜合權(quán)重，具體闡述為：以主觀權(quán)重為基礎，客觀權(quán)重體現(xiàn)了指標的區(qū)別力，再根據(jù)指標的區(qū)別力對主觀權(quán)重進行調(diào)整。根據(jù)以上方法最終得到制造企業(yè)財務風險指標的綜合權(quán)重，見表4。

通過對制造企業(yè)財務風險相關(guān)研究進行分析構(gòu)建了相應指標體系；在AHP方法及信息熵方法的基礎上分析并確定了各財務指標的綜合權(quán)重。因此，制造企業(yè)財務風險預警的綜合模型為：

G=■（-1）kWinXn

式中，G為公司的得分；Win為第n個財務指標的綜合權(quán)重；Xn為第n個財務指標的標準化數(shù)據(jù)。當?shù)趎個財務指標為正向指標時，k=1；當?shù)趎個財務指標為負向指標時，k=2。

根據(jù)建立的制造企業(yè)財務風險預警模型并結(jié)合待分析公司的標準化財務指標數(shù)據(jù)，則可計算出公司得分即G值。G值越大，表明公司的財務狀況越好，其發(fā)生財務風險的概率越?。籊值越小，表明公司的財務狀況越差，其發(fā)生財務風險的概率越大。

3 實證分析

實證分析的數(shù)據(jù)包括兩部分：被ST制造類公司數(shù)據(jù)和非ST制造類公司數(shù)據(jù)。該研究采用楊淑娥[7]在研究中所用的回溯方法，將表3中的公司數(shù)據(jù)回代到建立的模型中分析該模型的預測準確率。

為了消除量綱和數(shù)量級對預測的影響，首先需將數(shù)據(jù)進行標準化，之后將標準化后的各公司財務指標數(shù)據(jù)代入制造企業(yè)財務風險預警綜合模型，可得各公司的相應得分。在實證分析過程中，將主觀權(quán)重與客觀權(quán)重的乘積進行歸一化處理得到所要求的綜合權(quán)重。

根據(jù)之前關(guān)于模型得分的討論可知，一個公司的得分越高，表示此公司的財務風險越?。荒彻镜牡梅衷降停硎敬斯镜呢攧诊L險越大。如果各公司按其得分的降序排列，根據(jù)直觀判斷，非ST公司由于財務風險小，得分應該高并排在前面；而ST公司由于財務風險大，得分應該低并排在后面。由于進行實證分析的ST公司和非ST公司各30家，從理論上預測，得分排名前30的公司應為非ST公司，而得分排名后30的公司應為ST公司。將此預測與實際結(jié)果進行比較，可判斷模型的有效性。根據(jù)制造企業(yè)財務風險預警綜合模型計算，各公司的G值和模型判斷結(jié)果見表5。表5中標有灰色背景的為非ST公司，其他為ST公司。通過計算可知，模型判斷正確率達到了86.7%，說明構(gòu)建的制造企業(yè)財務風險預警綜合模型具有良好的效果。

4 結(jié) 論

相同指標對于不同行業(yè)而言，其在預測財務風險方面有不同的重要性。因此，結(jié)合行業(yè)構(gòu)建財務風險預警模型更具有實踐意義，模型的針對性和有效性也更加貼合實際。鑒于主客觀方法確定權(quán)重時存在的缺點，將主觀方法與客觀方法結(jié)合以彌補各自不足進而得到各指標的綜合權(quán)重，較為準確地反映制造行業(yè)的財務風險，提高了所構(gòu)建模型的有效性。同時，指出了各指標在預測制造企業(yè)財務風險時的相對重要性。通過實證性檢驗，經(jīng)由AHP和信息熵方法建立的制造企業(yè)財務風險預警模型獲得了86.7%的預測成功率，此效果相對而言較為理想。本文僅給出一種根據(jù)主客觀權(quán)重得到各指標綜合權(quán)重的方法，同時發(fā)現(xiàn)主客觀權(quán)重結(jié)合得到的綜合權(quán)重是一種有效的制造業(yè)財務風險預警方法。利用其他方法進一步依據(jù)主觀和客觀權(quán)重得到更合適的綜合權(quán)重將為后續(xù)研究工作。

主要參考文獻

[1]任峰. 打造西部制造業(yè)基地承接東部產(chǎn)業(yè)轉(zhuǎn)移[J]. 商場現(xiàn)代化，2011（665）：51-52.

[2]W H Beaver. Financial Ratios as Predictors of Failure[J]. Journal of Accounting Research， 1966 （5）： 71-111.

[3]E Altman. Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. Journal of Finance， 1968， 23 （4）： 589-609.

[4]J A Ohlson. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J]. Journal of Accounting Research， 1980， 18 （1）： 109-131.

[5]向德偉. 運用“Z記分法”評價上市公司經(jīng)營風險的實證研究[J]. 會計研究，2002，11 （10）：53-57.

[6]周首華，楊濟華，王平. 論財務危機的預警分析——F分數(shù)模式[J]. 會計研究，1996（8）：8-11.

[7]楊淑娥，徐偉剛. 上市公司財務預警模型——Y分數(shù)模型的實證研究[J]. 中國軟科學，2003，1 （8）： 56-60.

[8]吳應宇，袁陵.基于因子分析的上市公司財務危機預警研究的修正[J]. 東南大學學報，2004，6 （6）：19-24.

[9]劉開瑞， 彌瑩. 上市公司財務預警Z-Score 模型應用及修正——以“香梨股份”為例[J]. 技術(shù)與創(chuàng)新管理，2010（11）： 710-713.

[10]吳芃， 蔡秋萍， 吳應宇. 我國上市公司財務危機預警實證研究——基于主成分分析模型、線性判別模型和邏輯回歸模型的比較分析[J]. 河海大學學報：哲學社會科學版，2007 （12）：31-34.

[11]吳倩. Logistic 回歸與貝葉斯網(wǎng)絡在上市公司財務預警中的應用研究[D].長春：吉林大學，2011.

[12]劉俊奇， 郭苗苗， 姜寶山. 我國上市物流企業(yè)財務風險預警分析[J]. 中國管理科學，2011，19 （B）：118-123.

[13]馮月平. Logistic 財務預警回歸模型的構(gòu)建與檢驗——以我國制造業(yè)上市公司為例[D].青島：青島理工大學，2010.

[14]陶婭.上市公司財務風險預警文獻綜述[J]. 中國管理信息化，2011，14 （24）：10-12.

[15]馮敏. 企業(yè)財務風險指標體系的構(gòu)建[J]. 西部財會，2005（3）：25-26.

[16]何峰. 企業(yè)財務風險預警指標體系的構(gòu)建： 基于經(jīng)營視角的分析[J]. 商場現(xiàn)代化，2006（488）：229-229.

[17]沈亭. 我國信托公司財務風險評價的研究[D]. 北京： 北京化工大學，2010.

[18]林艷紅. 中國制造業(yè)上市公司財務風險評價實證研究[D]. 北京： 北京化工大學，2010.

[19]馮義，李洪東，田廓，等.基于熵權(quán)和層次分析法的電力客戶風險評估及其規(guī)避[J].繼電器，2007，35（24）：67-73.

[20]許葉軍， 達慶利. 基于理想點的多屬性決策主客觀賦權(quán)法[J]. 工業(yè)工程與管理，2005（4）：45-47.

[21]C E Shannon. A Mathematical Theory of Communication[J]. ACM SIGMOBIL Mobile Computing and Communications Review， 2001， 5 （1）： 3-55.