王奇姝

[摘 要]企業(yè)通過構(gòu)建財務預警模型，能及時掌握企業(yè)財務風險的信息，有效地加以防范和化解，這對于保證企業(yè)持續(xù)、健康、有效的經(jīng)營具有重要的作用。在這種背景下，本文首先概述了企業(yè)財務預警模式的價值，進而探討了財務預警模式相關(guān)變量，并對變量進行了分析，最后給出了變量分析及驗證的結(jié)果。

[關(guān)鍵詞]財務預警；模式；構(gòu)建；變量

[DOI]10.13939/j.cnki.zgsc.2015.15.051

1 企業(yè)財務預警模式的價值

1997年的亞洲金融危機、2008年的金融海嘯、2010年的歐洲債信危機等事件，都深刻地影響著世界的金融市場、企業(yè)、國家與人們的投資信心。近年來，如何建構(gòu)財務預警模式已經(jīng)被許多學者廣泛討論，財務預警模式可以幫助投資人對于投資企業(yè)體質(zhì)健全與否進行整體性的評估，可避免投資品質(zhì)較差的公司，保障自己的投資資產(chǎn)。財務預警模式可以幫助公司決策者對公司經(jīng)營不確定性的風險提早反應，針對經(jīng)營策略、重要決策、公司管理決策去改變，以避免公司危機的發(fā)生。財務預警模式可以幫助銀行針對企業(yè)公司借貸進行審核，評估企業(yè)的財務與公司管理狀態(tài)。財務預警模式還可以幫助政府或金融機構(gòu)針對不良企業(yè)監(jiān)測，或作為企業(yè)壓力測量的模式，保障投資人與股東權(quán)益。

最近許多學者將財務預警模式以混合模式（Hybrid Model）來預測，將統(tǒng)計分析與算法、人工智能分析手法做結(jié)合，財務預警模式分為兩階段模式：篩選變量與分類預測。第一階段是篩選變量，利用不同手法篩選出具有貢獻性與相關(guān)性的財務與非財務變量；第二階段是分類預測手法，將第一階段所篩選出的變量作為分類預測手法中的輸入變量，獲得分類預測值。

2 財務預警模式的相關(guān)變量

早期的研究都只采取財務方面的變量，但近年來許多研究指出公司治理層面對于企業(yè)財務危機占有一定的影響性，例如Daily&Dalton研究中結(jié)果發(fā)現(xiàn)加入公司治理（監(jiān)理）方面的變量，可以增加模式預測正確率。還有研究發(fā)現(xiàn)利用會計信息、公司治理變量及盈余管理這些方面所建構(gòu)的財務預警模式比單一方面會有更好的模式績效與預測正確率。TCRI信用評級是最近發(fā)展的企業(yè)風險衡量指標，它是TEJ研發(fā)出來的一套評估企業(yè)信用風險方案，利用公開信息有效過濾出信用風險較高的企業(yè)，許多金融機構(gòu)都采用該指標作為企業(yè)核貸的標準。根據(jù)先前研究，可以將財務預警模式的變量分為財務變量、非財務變量。財務變量按照證監(jiān)會的規(guī)定，又可分為財務結(jié)構(gòu)、償債能力、現(xiàn)金流量、經(jīng)營能力和獲利能力五個方面，共18種財務比率變量，提供投資人及銀行加以參考。而非財務變量包含公司治理、盈余管理、信用評級等方面的變量。

財務變量：財務結(jié)構(gòu)，顯示公司使用資本融資的程度；償債能力，顯示公司的變現(xiàn)力（流動性）；現(xiàn)金流量，顯示公司的現(xiàn)金流動方向及額度；經(jīng)營能力，顯示衡量公司運用各種資產(chǎn)的效能；獲利能力，顯示公司獲得利益能力。非財務變量：公司治理，顯示防范管理者傷害及強化公司競爭力與管理效能；盈余管理，顯示公司借助合法范圍達到預期盈余目標的管理能力；信用評級，顯示公司的信用程度；其他相關(guān)變量。

3 變量分析

本文選擇22個變量作為篩選前變量，包含財務變量、公司治理變量、信用評級變量，前18個變量為財務變量，編號19～21為公司治理變量，編號22為信用評級變量。本研究分開計算健全與危機公司的平均值與標準差，在進行篩選變量階段之前，了解財務預警各方面變量的分布情形。

3.1 財務變量方面

一是財務結(jié)構(gòu)：負債比率越高代表負債金額越高，該危機公司在負債比率是穩(wěn)定公司的兩倍。二是償債能力：流動比率與速動比率越高，代表公司流動性越高，短期內(nèi)發(fā)生財務危機概率越低。若利息保障倍數(shù)為負，代表此公司虧損。三是現(xiàn)金流量：現(xiàn)金流量比率若跌且有明顯跌幅，代表公司資金操作已惡化，代表公司呈現(xiàn)危機概率升高，負值代表營業(yè)活動凈現(xiàn)金流量為負，代表營業(yè)活動凈現(xiàn)金流量流出大于流入。四是經(jīng)營能力：凈值周轉(zhuǎn)率在表示自有資本在一年期間內(nèi)從營業(yè)收入收回的次數(shù)多少，凈值周轉(zhuǎn)率太高表示自有資本少，穩(wěn)定性較弱，太低則表示自有資本太多或營業(yè)額太少。因此，凈值周轉(zhuǎn)率指標并無法明顯看出該數(shù)值與公司健全或危機狀態(tài)有明顯的相關(guān)，太高或太低都不好。應收賬款周轉(zhuǎn)率（次），衡量企業(yè)在特定期間內(nèi)，收回賒銷賬款的能力。數(shù)值越高，表示公司從客戶端的收款能力越好。存貨周轉(zhuǎn)率（次）若越高，代表公司的營運狀況、流動性較好?？傎Y產(chǎn)周轉(zhuǎn)率（次）綜合評價企業(yè)全部資產(chǎn)經(jīng)營質(zhì)量和利用效率的指針，次數(shù)越多，周轉(zhuǎn)速度越快，營運能力也就越大?？傎Y產(chǎn)成長率、凈值成長率、營收成長率都是關(guān)于成長的指標，這三個指標越高代表公司的經(jīng)營能力是肯定的。五是獲利能力：總資產(chǎn)報酬率、營業(yè)毛利率、稅后凈利率、每股盈余、營業(yè)利益率這些指標都是有關(guān)于獲利能力高低，因此指標越高代表獲利能力高。

3.2 非財務變量方面

一是公司治理方面：董監(jiān)持股比率、董監(jiān)持（質(zhì)）押股比率、經(jīng)理人持股比率這三個持股比率指標，是關(guān)于公司內(nèi)部高層所持股的情形，不宜比例太重或偏向某方，因此穩(wěn)定公司在這3個指標上都低于危機公司。二是信用評級方面：由于TCRI信用評級為1到10級，等級越低代表企業(yè)信用評級越好，而本研究數(shù)據(jù)危機公司大概呈現(xiàn)在8，穩(wěn)定公司為5.5。

4 研究結(jié)論

早期的財務預警模式考慮的變量較少且大多采用過去文獻中的變量，并沒有進行篩選變量階段，直接利用統(tǒng)計方法去建構(gòu)財務預警模式，預測企業(yè)公司的健全或危機。1990年之后隨著人工智能方法流行，許多財務預警模式采用人工智能方法去建構(gòu)，雖然許多研究指出人工智能方法的預測績效比過去傳統(tǒng)方法要好，但很多應用性的研究多以培訓資料的準確率作為結(jié)論基礎(chǔ)，是否納入類神經(jīng)方法的過度訓練的問題，有待商榷。本研究的實證數(shù)據(jù)顯示，類神經(jīng)方法在訓練數(shù)據(jù)往往呈現(xiàn)高準確率，但以測量數(shù)據(jù)檢驗其類神經(jīng)訓練模式，不一定有相對高的準確率，無法排除類神經(jīng)方法過度訓練的問題，因此本研究在模式績效比較上，評估包含類神經(jīng)模式的方法是以訓練績效為主，測量績效為輔。

在財務類神經(jīng)預警模式上，近年來許多研究嘗試以兩階段混合模式來處理，本研究在兩階段中先分別進行Eta Square與Stepwise LR篩選變量階段，再利用BPNN與GRNN做分類預測階段，形成4個混合模式，探討這4個混合模式績效高低，并且另外進行不經(jīng)過篩選變量階段直接利用3個方法（Stepwise LR，BPNN，GRNN）建構(gòu)單一方法模式，實證研究采用我國電子產(chǎn)業(yè)作為研究對象。整體來說，本研究所實驗的7個模式中，結(jié)果呈現(xiàn)兩階段混合模式在準確率上，測試數(shù)據(jù)混合模式的平均績效優(yōu)于單一類神經(jīng)模式。在預測平均準確率方面，其中Eta Square+GRNN（先以Eta Square作變量篩選，再以GRNN作分類預測）有最高的平均準確度86.9%。研究也顯示，雖然逐步羅吉斯回歸所得的平均準確率81.6%不是所有模式最高的，但其績效具有相當穩(wěn)定的效果。篩選變量階段模式對于績效分別有平均5.6%（準確率）和9.1%（檢驗水平）的正面提升。至于在篩選階段的兩種變量篩選方法與類神經(jīng)的搭配方面，根據(jù)本研究數(shù)據(jù)顯示，BPNN搭配Stepwise LR和GRNN搭配Eta Square有較高的績效。在篩選階段中，兩種方法的篩選后變量相同部分為負債比率與TCRI信用評級。負債比率呈現(xiàn)公司的負債數(shù)值，TCRI信用評級則是銀行常用的評級企業(yè)是否核貸或放款的重要指標，這兩項指標與企業(yè)是否危機有重要的相關(guān)程度。

參考文獻：

[1]任忠奇，梁水源.財務預警模型的局限及財務預警的實施途徑[J].財會通訊（理財版），2006（11）.

[2]劉毅滿.上市公司財務預警模型的對比研究——以A公司為例[J].企業(yè)科技與發(fā)展，2008（6）.