吳淑艷

【摘 要】 以制造業(yè)上市公司為對象，對財(cái)務(wù)風(fēng)險(xiǎn)評估問題進(jìn)行研究。選擇25家ST企業(yè)和50家財(cái)務(wù)狀態(tài)正常的配對公司為研究樣本。通過引入供應(yīng)鏈集成指標(biāo)完善公司財(cái)務(wù)風(fēng)險(xiǎn)評估指標(biāo)體系，將初選指標(biāo)數(shù)據(jù)進(jìn)行K-S檢驗(yàn)確定是否屬于正態(tài)分布，再運(yùn)用T檢驗(yàn)及非參數(shù)檢驗(yàn)進(jìn)行指標(biāo)確定。利用篩選出的指標(biāo)進(jìn)行主成分分析，確定相應(yīng)的主成分后構(gòu)建Logistic模型。該模型判定結(jié)果與實(shí)際結(jié)果基本相符，其對公司財(cái)務(wù)風(fēng)險(xiǎn)評估的準(zhǔn)確度為94.1%，模型具有良好的判別能力，可為公司財(cái)務(wù)風(fēng)險(xiǎn)評估提供參考。

【關(guān)鍵詞】 Logistic模型； 制造業(yè)公司； 財(cái)務(wù)風(fēng)險(xiǎn)評估

【中圖分類號】 F275 【文獻(xiàn)標(biāo)識碼】 A 【文章編號】 1004-5937（2016）14-0018-05

一、引言

全球經(jīng)濟(jì)一體化進(jìn)程不斷加快，全球經(jīng)濟(jì)大環(huán)境嚴(yán)重影響著我國經(jīng)濟(jì)情況。在2008年全球金融危機(jī)爆發(fā)時(shí)，我國正常經(jīng)濟(jì)秩序及實(shí)體經(jīng)濟(jì)發(fā)展也受到很大負(fù)面影響。外部環(huán)境與內(nèi)部環(huán)境的不確定性影響更使企業(yè)面臨多種多樣的風(fēng)險(xiǎn)，包括財(cái)務(wù)風(fēng)險(xiǎn)及非財(cái)務(wù)風(fēng)險(xiǎn)。但無論哪種風(fēng)險(xiǎn)，其最終表現(xiàn)形式都為財(cái)務(wù)風(fēng)險(xiǎn)，所以有效地對財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行評估將有利于企業(yè)的健康發(fā)展。同時(shí)隨著社會的不斷進(jìn)步，當(dāng)今單純企業(yè)間競爭方式已經(jīng)無法符合市場經(jīng)濟(jì)的需求，所以供應(yīng)鏈間的競爭正逐漸成為市場競爭力的核心力量。

制造業(yè)是我國經(jīng)濟(jì)發(fā)展的中流砥柱，其供應(yīng)鏈管理比較嚴(yán)格。對制造業(yè)公司進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)評估時(shí)，如果準(zhǔn)確度不高，不僅會影響公司發(fā)展，還會使得有效資源流向無發(fā)展?jié)摿Φ钠髽I(yè)，阻礙我國資本市場發(fā)展進(jìn)程。伴隨著供應(yīng)鏈集成和管理的不斷加強(qiáng)，越來越多的企業(yè)將在供應(yīng)鏈視角下對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行綜合評估，以提高財(cái)務(wù)風(fēng)險(xiǎn)評估水平。

二、文獻(xiàn)綜述

企業(yè)在經(jīng)營過程中伴隨著各種各樣的風(fēng)險(xiǎn)，這些風(fēng)險(xiǎn)最終都將會以財(cái)務(wù)風(fēng)險(xiǎn)的形式出現(xiàn)。財(cái)務(wù)風(fēng)險(xiǎn)對公司的經(jīng)營與發(fā)展有著重要的影響，也是對公司發(fā)展?fàn)顩r最綜合性的反映，只有對財(cái)務(wù)風(fēng)險(xiǎn)正確認(rèn)識和評價(jià)，才能夠有利于公司的不斷發(fā)展。自金融危機(jī)爆發(fā)以來，財(cái)務(wù)風(fēng)險(xiǎn)更是受到各國學(xué)者的重視。

自各國學(xué)者對財(cái)務(wù)風(fēng)險(xiǎn)研究以來，越來越多的學(xué)者更加關(guān)注于對財(cái)務(wù)風(fēng)險(xiǎn)的評價(jià)，通過對風(fēng)險(xiǎn)的量化更加有效地預(yù)防和控制財(cái)務(wù)危機(jī)。Fitzpatrick（1932）[ 1 ]通過對19家公司財(cái)務(wù)數(shù)據(jù)進(jìn)行研究，最早提出單變量模型的評估方法。Altman（1968）[ 2 ]利用制造業(yè)企業(yè)的相關(guān)數(shù)據(jù)，選取22個(gè)指標(biāo)，最終獲得5個(gè)財(cái)務(wù)指標(biāo)并構(gòu)建首個(gè)多變量模型即Z-Score模型。Ohlson（1980）[ 3 ]首次利用多元邏輯回歸模型Logistic模型進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)的研究，以310家企業(yè)為樣本（105家存在財(cái)務(wù)風(fēng)險(xiǎn)的公司及205家非財(cái)務(wù)風(fēng)險(xiǎn)的公司）進(jìn)行研究，同時(shí)對破產(chǎn)區(qū)間樣本分布的狀況進(jìn)行概述，通過尋找分割點(diǎn)等來確定公司財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)模型，具有很高的準(zhǔn)確率。David West（2000）[ 4 ]通過對比神經(jīng)網(wǎng)絡(luò)模型、多變量模型對公司財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)的準(zhǔn)確度，發(fā)現(xiàn)Logistic模型對風(fēng)險(xiǎn)評估的準(zhǔn)確率最高。以國外學(xué)者研究為基礎(chǔ)，國內(nèi)學(xué)者不斷對該模型進(jìn)行改進(jìn)，其中：趙坤、趙育萱（2012）[ 5 ]通過利用主成分法對制造業(yè)行業(yè)的財(cái)務(wù)狀況正常及財(cái)務(wù)狀況出現(xiàn)風(fēng)險(xiǎn)的公司進(jìn)行比較研究，最終確定了各公司的財(cái)務(wù)風(fēng)險(xiǎn)狀況。杜運(yùn)潮、徐鳳菊（2013）[ 6 ]對房地產(chǎn)行業(yè)同一年內(nèi)規(guī)模相似的32家非ST公司和8家ST公司樣本進(jìn)行研究，通過對指標(biāo)篩選最終獲得流動比率等三個(gè)變量構(gòu)建Logistic模型，該模型的準(zhǔn)確度能夠達(dá)到95%，可以有效地對房地產(chǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行評價(jià)。于維洋和泮敏等[ 7-10 ]也對財(cái)務(wù)風(fēng)險(xiǎn)的評價(jià)及應(yīng)用問題進(jìn)行了研究。

通過對國內(nèi)外相關(guān)文獻(xiàn)的搜集和整理，發(fā)現(xiàn)目前研究主要集中在財(cái)務(wù)風(fēng)險(xiǎn)概念、特征、風(fēng)險(xiǎn)評價(jià)指標(biāo)、風(fēng)險(xiǎn)評估模型的構(gòu)建等方面。各國學(xué)者們對財(cái)務(wù)風(fēng)險(xiǎn)的研究主要集中在財(cái)務(wù)風(fēng)險(xiǎn)識別、財(cái)務(wù)危機(jī)預(yù)警及控制上，較少學(xué)者對公司財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行評估。現(xiàn)有文獻(xiàn)構(gòu)建的財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)體系存在缺陷，影響指標(biāo)因素考慮不全面，考慮非財(cái)務(wù)因素較少，且在確定指標(biāo)權(quán)重時(shí)也存在同樣問題，所以不能夠更加全面具體地評估企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)。

三、財(cái)務(wù)風(fēng)險(xiǎn)評估指標(biāo)體系構(gòu)建

現(xiàn)代財(cái)務(wù)管理理論認(rèn)為，企業(yè)的財(cái)務(wù)狀況主要受財(cái)務(wù)因素和非財(cái)務(wù)因素影響。借鑒國內(nèi)外財(cái)務(wù)管理實(shí)踐中應(yīng)用的財(cái)務(wù)風(fēng)險(xiǎn)評估指標(biāo)體系，并與制造業(yè)企業(yè)自身的風(fēng)險(xiǎn)特點(diǎn)進(jìn)行結(jié)合，本文從籌資活動、投資活動和營運(yùn)活動三個(gè)維度對財(cái)務(wù)影響因素進(jìn)行表現(xiàn)。公司的籌資風(fēng)險(xiǎn)具體為償債能力風(fēng)險(xiǎn)，償債能力主要包括短期償債能力和長期償債能力。投資風(fēng)險(xiǎn)主要通過盈利能力、成長能力及資金回收風(fēng)險(xiǎn)衡量，其中盈利能力主要通過凈利潤、總資產(chǎn)投資、研發(fā)投資及投資者的異質(zhì)性等指標(biāo)進(jìn)行反映。成長能力主要包含營業(yè)收入、固定資產(chǎn)等的增長率，同時(shí)，資金回收的優(yōu)劣也決定著公司投資風(fēng)險(xiǎn)的大小。公司在營運(yùn)過程中會受到流動資產(chǎn)、應(yīng)收賬款、總資產(chǎn)等周轉(zhuǎn)率的影響，所以在評價(jià)運(yùn)營風(fēng)險(xiǎn)時(shí)主要運(yùn)用存貨周轉(zhuǎn)率、流動資產(chǎn)周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率等指標(biāo)。

在日常經(jīng)營過程中非財(cái)務(wù)指標(biāo)也起到影響公司財(cái)務(wù)風(fēng)險(xiǎn)的作用，主要分為公司治理、供應(yīng)鏈管理和其他因素。其中公司治理指標(biāo)主要包括股權(quán)結(jié)構(gòu)、董事會結(jié)構(gòu)、高管激勵(lì)及利益相關(guān)者治理。非財(cái)務(wù)影響因素除了公司治理相關(guān)指標(biāo)外，同時(shí)由于制造業(yè)公司處于供應(yīng)鏈環(huán)境中制造商地位，所以在構(gòu)建供應(yīng)鏈環(huán)境的指標(biāo)體系時(shí)，主要分為公司供應(yīng)商、銷售商的相關(guān)指標(biāo)。在考慮其他非財(cái)務(wù)活動產(chǎn)生的風(fēng)險(xiǎn)時(shí)，主要包含會計(jì)師事務(wù)所的品質(zhì)、變更、審計(jì)意見及審計(jì)費(fèi)用的相關(guān)指標(biāo)。具體指標(biāo)如表1所示。

四、實(shí)證研究

（一）數(shù)據(jù)收集

本文在進(jìn)行指標(biāo)篩選時(shí)主要運(yùn)用制造業(yè)上市公司的數(shù)據(jù)，根據(jù)中國證監(jiān)會行業(yè)分類標(biāo)準(zhǔn)，選取制造業(yè)公司2012—2014年的數(shù)據(jù)作為研究對象，其中包含14個(gè)細(xì)分行業(yè)。剔除2013年之后上市、財(cái)務(wù)及非財(cái)務(wù)數(shù)據(jù)不全、AB股同時(shí)存在的公司，最終得到75家數(shù)據(jù)健全的公司。通過Wind及國泰安數(shù)據(jù)庫獲取需要的財(cái)務(wù)指標(biāo)及部分非財(cái)務(wù)指標(biāo)，利用查找年報(bào)的方法對供應(yīng)鏈及相關(guān)者交易數(shù)值進(jìn)行統(tǒng)計(jì)及計(jì)算。

本文選取2015年被ST及*ST公司作為發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的樣本，同時(shí)選取所處行業(yè)及總資產(chǎn)規(guī)模相當(dāng)?shù)墓咀鳛樨?cái)務(wù)正常公司樣本。其中ST及*ST是根據(jù)2003年滬深股市對財(cái)務(wù)狀況異常及可能存在退市風(fēng)險(xiǎn)的股票實(shí)施特別處理。本文只對因?yàn)槌霈F(xiàn)財(cái)務(wù)異常而被ST及*ST的公司進(jìn)行研究，剔除了由于其他原因造成處理的公司。根據(jù)上述分類標(biāo)準(zhǔn)，研究樣本中有25家出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)的公司，50家財(cái)務(wù)正常的公司。為了構(gòu)建Logistic模型，將樣本分為預(yù)測和檢驗(yàn)兩組。其中，預(yù)測組包括15家財(cái)務(wù)異常公司和30家財(cái)務(wù)正常的公司，檢驗(yàn)組包括10家財(cái)務(wù)異常公司，20家財(cái)務(wù)正常的公司。

（二）主成分分析

為了保證財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)模型更加有效，篩選出的指標(biāo)應(yīng)該能夠?qū)⒐居行У貐^(qū)分成財(cái)務(wù)正常和財(cái)務(wù)非正常。所以，在構(gòu)建模型之前要對指標(biāo)進(jìn)行顯著性檢驗(yàn)。通過顯著性檢驗(yàn)將指標(biāo)分為兩類：一類符合正態(tài)分布，此時(shí)選用獨(dú)立T檢驗(yàn)方式對總體進(jìn)行顯著性檢驗(yàn)；另一類不符合正態(tài)分布，此時(shí)則選用非參數(shù)檢驗(yàn)Mann-Whitney U對總體進(jìn)行檢驗(yàn)。通過篩選獲得財(cái)務(wù)正常和不正常公司間存在顯著差異的指標(biāo)，但是由于選擇的指標(biāo)仍然具有多重共線性，將導(dǎo)致很多指標(biāo)無法正常構(gòu)建Logistic模型，為了更加簡便并完整保留相應(yīng)財(cái)務(wù)指標(biāo)，對指標(biāo)進(jìn)行主成分分析。首先對指標(biāo)進(jìn)行降維，將具有多重共線性的指標(biāo)進(jìn)行重新組合，獲得相互關(guān)聯(lián)較小的指標(biāo)，然后利用SPSS得到解釋的總方差及成分得分系數(shù)矩陣。解釋的總方差如表2所示。

根據(jù)表2所示，前9個(gè)成分的積累值為70.760%，已經(jīng)超過了70%，所以最后選擇這9個(gè)主成分對財(cái)務(wù)風(fēng)險(xiǎn)大小進(jìn)行表現(xiàn)，命名為F1、F2、F3、F4、F5、F6、F7、F8、F9，在檢驗(yàn)過程中獲得各指標(biāo)的權(quán)重，如表3所示。

根據(jù)表3成分得分系數(shù)矩陣表中的系數(shù)，可以得到F1至F9主成分。

（三）Logistic模型分析

在研究過程中首先對模型顯著性進(jìn)行分析，本文通過對Logistic模型系數(shù)進(jìn)行綜合檢驗(yàn)分析確定顯著性。利用向前Wald方法獲得模型系數(shù)的綜合檢驗(yàn)，通過6個(gè)步驟最終得到模型系數(shù)的綜合檢驗(yàn)結(jié)果，Sig值為0.000，說明在顯著水平為0.05的情況下該模型是顯著有效的，即說明可以繼續(xù)進(jìn)行下一步的回歸分析。

Logistic回歸結(jié)果中Cox & Snell R值和Nagelerke R方值為0.590和0.819，符合檢驗(yàn)標(biāo)準(zhǔn)，因而認(rèn)為該模型的擬合度良好。通過對Hosmer和Lemeshow檢驗(yàn)進(jìn)行分析，確定模型是否具有優(yōu)良的擬合度。該方法首先將樣本數(shù)據(jù)根據(jù)預(yù)測的概率劃分為10組，再根據(jù)不同的觀測及期望頻數(shù)構(gòu)造出卡方統(tǒng)計(jì)值，根據(jù)自由度為8計(jì)算卡方，此時(shí)計(jì)算出的P值為0.584，大于顯著性水平？琢=0.05，不能拒絕零假設(shè)，所以模型在可以接受的水平上具有優(yōu)良擬合數(shù)據(jù)。通過運(yùn)用逐步回歸進(jìn)行6步操作后，最終確定了能夠存在于模型中的變量為F1、F2、F4、F6、F7、F9及常數(shù)量。具體的模型回歸結(jié)果如表4所示。

從結(jié)果中最終可以得到Logistic模型的表達(dá)式如下：

本文利用公司數(shù)據(jù)建立了財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)模型，在進(jìn)行財(cái)務(wù)狀況評估時(shí)先確定一個(gè)標(biāo)準(zhǔn)的臨界值P*，將公司的指標(biāo)數(shù)據(jù)代入到模型中可以得到公司的財(cái)務(wù)風(fēng)險(xiǎn)P值，如果P>P*說明公司的財(cái)務(wù)狀況有可能出現(xiàn)危機(jī)，如果P

為了判斷該模型評估結(jié)果是否準(zhǔn)確，需要對模型進(jìn)行準(zhǔn)確性檢驗(yàn)。模型的評估準(zhǔn)確率高低能夠說明該模型評估效果的優(yōu)劣。本文利用SPSS軟件得到評估模型預(yù)測分類表，通過預(yù)測發(fā)現(xiàn)案例能夠獲得的準(zhǔn)確率為94.1%，但由于檢驗(yàn)樣本中ST公司樣本較少，導(dǎo)致了一定的偏差，使得準(zhǔn)確率降低為87.8%，結(jié)果如表5所示。

五、結(jié)語

隨著資本市場的發(fā)展，財(cái)務(wù)風(fēng)險(xiǎn)評估準(zhǔn)確度越發(fā)受到關(guān)注。如果財(cái)務(wù)風(fēng)險(xiǎn)評估準(zhǔn)確度不高，可能會使有效資源流向無發(fā)展?jié)摿Φ钠髽I(yè)，甚至阻礙我國資本市場發(fā)展進(jìn)程。隨著供應(yīng)鏈管理強(qiáng)度的不斷增加，在財(cái)務(wù)風(fēng)險(xiǎn)評估時(shí)考慮供應(yīng)鏈因素的影響日益突顯其必要性。由于公司與其供應(yīng)鏈的各節(jié)點(diǎn)企業(yè)在財(cái)務(wù)上有著密切的聯(lián)系，同時(shí)風(fēng)險(xiǎn)具有一定傳導(dǎo)性，所以公司財(cái)務(wù)風(fēng)險(xiǎn)的影響因素主要被劃分為財(cái)務(wù)因素、非財(cái)務(wù)因素，以便能夠更加全面地反映公司財(cái)務(wù)風(fēng)險(xiǎn)情況。將供應(yīng)鏈集成指標(biāo)引入至財(cái)務(wù)風(fēng)險(xiǎn)評估模型中，可以提升模型評估財(cái)務(wù)風(fēng)險(xiǎn)的準(zhǔn)確度。本文引入了能夠表現(xiàn)供應(yīng)鏈集成度的指標(biāo)使Logistic模型準(zhǔn)確率達(dá)到94.1%，但制造業(yè)上市公司的財(cái)務(wù)風(fēng)險(xiǎn)評估仍有著很大的研究空間，如對供應(yīng)鏈環(huán)境的評估指標(biāo)可以進(jìn)一步完善，為公司財(cái)務(wù)風(fēng)險(xiǎn)防范提供更客觀的依據(jù)。

【參考文獻(xiàn)】

[1] FITZPATRICK P J. A Comparison of ratios of successful industrial enterprise with those of failed firms[J].Certified Public Accountant，1932，14（2）：589-737.

[2] ALTMAN E I. Financial rations discriminate analysis and the prediction of corporate bankruptcy [J]. Journal of Finance，1968，23（4）：589-609.

[3] OHLSON J A. Financial ratios and the probabilistic prediction of bankruptcy[J]. Journal of Accounting Research，1980，18（1）：109-131.

[4] WEST D. Neural network credit scoring models[J].Computer & Operations Research， 2000（27）：62-63.

[5] 趙坤，趙育萱.創(chuàng)業(yè)板上市公司財(cái)務(wù)風(fēng)險(xiǎn)實(shí)證研究[J].商業(yè)時(shí)代，2012（9）：69-70.

[6] 杜運(yùn)潮，徐鳳菊.房地產(chǎn)上市公司財(cái)務(wù)風(fēng)險(xiǎn)識別：基于Logistic模型的實(shí)證研究[J].財(cái)會月刊，2013（9）：19-22.

[7] 于維洋.公司財(cái)務(wù)風(fēng)險(xiǎn)綜合評價(jià)及應(yīng)用研究[J].會計(jì)之友，2015（21）：63-68.

[8] 泮敏，曾敏.基于主成分分析法的上市公司財(cái)務(wù)風(fēng)險(xiǎn)研究：以我國制造業(yè)為例[J].會計(jì)之友，2015（21）：63-68.

[9] 張?jiān)?企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管理[M].機(jī)械工業(yè)出版社，2014：17-20.

[10] 朱麗莉.基于Logistic模型的上市公司財(cái)務(wù)困境預(yù)警研究[J].財(cái)會通訊，2013（12）：108-110.