北京工業(yè)職業(yè)技術(shù)學(xué)院 楊海濤

控制財(cái)務(wù)危機(jī)視域下財(cái)務(wù)預(yù)警分析監(jiān)管指標(biāo)體系的構(gòu)建

北京工業(yè)職業(yè)技術(shù)學(xué)院 楊海濤

隨著全球經(jīng)濟(jì)化步伐不斷加快，使得各大企業(yè)所面臨的競(jìng)爭(zhēng)不斷加劇，不少企業(yè)面臨著財(cái)務(wù)危機(jī)情況，為實(shí)現(xiàn)企業(yè)的生存和發(fā)展，必須構(gòu)建一個(gè)科學(xué)有效的財(cái)務(wù)預(yù)警分析監(jiān)管系統(tǒng)，隨時(shí)跟進(jìn)和監(jiān)控企業(yè)的財(cái)務(wù)狀況，以便于及時(shí)采取有效措施，避免因財(cái)務(wù)危機(jī)所帶來(lái)的損害。鑒于此，本文從控制財(cái)務(wù)危機(jī)的視角下，構(gòu)建了一套財(cái)務(wù)預(yù)警分析監(jiān)管指標(biāo)體系，旨在為我國(guó)企業(yè)有效地控制財(cái)務(wù)危機(jī)狀況提供理論依據(jù)。

財(cái)務(wù)危機(jī) 財(cái)務(wù)預(yù)警分析 監(jiān)管指標(biāo) 體系構(gòu)建

一、引言

財(cái)務(wù)危機(jī)，即所謂的財(cái)務(wù)困境，主要是指企業(yè)由于缺乏經(jīng)營(yíng)現(xiàn)金，因而無(wú)法及時(shí)償還到期的債務(wù)，以至于無(wú)法履行合約相關(guān)條款的情況。通常情況下，如果企業(yè)發(fā)生了如下情況，則被認(rèn)為是出現(xiàn)了財(cái)務(wù)危機(jī)：企業(yè)在清算之后仍無(wú)法對(duì)債權(quán)人的債務(wù)進(jìn)行支付；企業(yè)及其債權(quán)人申請(qǐng)了企業(yè)破產(chǎn)；企業(yè)無(wú)法在規(guī)定日期內(nèi)針對(duì)債務(wù)合約的相關(guān)要求清還債務(wù)并支付利息；企業(yè)資產(chǎn)無(wú)法抵還債務(wù)，賬面凈資產(chǎn)呈負(fù)數(shù)。

財(cái)務(wù)預(yù)警分析主要是針對(duì)企業(yè)財(cái)務(wù)危機(jī)的可能性因素進(jìn)行持續(xù)的跟蹤、監(jiān)測(cè)和管理，一旦某相關(guān)指標(biāo)的值超出了允許值時(shí)，就會(huì)有危機(jī)警報(bào)發(fā)出，并及時(shí)采取一系列措施予以解決。其可對(duì)財(cái)務(wù)危機(jī)的風(fēng)險(xiǎn)程度進(jìn)行綜合判斷，并及時(shí)進(jìn)行報(bào)警，可以對(duì)同財(cái)務(wù)相關(guān)的所有環(huán)節(jié)內(nèi)出現(xiàn)的問(wèn)題進(jìn)行研究和分析。因此，財(cái)務(wù)預(yù)警分析其實(shí)就是一種規(guī)避風(fēng)險(xiǎn)機(jī)制，它集預(yù)測(cè)、報(bào)警、應(yīng)警于一體，不僅可以預(yù)測(cè)財(cái)務(wù)危機(jī)的可能性因素，還可以通過(guò)獨(dú)特方式對(duì)企業(yè)利益相關(guān)人員進(jìn)行提醒，并為其提供詳細(xì)的解決方案以便于及時(shí)控制風(fēng)險(xiǎn)。

由此可見(jiàn)，為了更好地應(yīng)對(duì)財(cái)務(wù)危機(jī)，有必要建立一套科學(xué)合理的財(cái)務(wù)預(yù)警分析監(jiān)管體系，以確保企業(yè)資金流的順利進(jìn)行，為企業(yè)的進(jìn)一步發(fā)展奠定基礎(chǔ)。

二、財(cái)務(wù)預(yù)警分析的主要監(jiān)管指標(biāo)

根據(jù)現(xiàn)代財(cái)務(wù)管理理論可知，企業(yè)的盈利、營(yíng)運(yùn)、償債及其成長(zhǎng)能力決定了企業(yè)的財(cái)務(wù)情況。為實(shí)現(xiàn)對(duì)企業(yè)財(cái)務(wù)情況科學(xué)全面地反映，在基于國(guó)內(nèi)外相關(guān)研究成果之上，結(jié)合信息技術(shù)行業(yè)的特征，以及選取財(cái)務(wù)指標(biāo)的相關(guān)原則，筆者重點(diǎn)選取了財(cái)務(wù)類(lèi)及現(xiàn)金流量類(lèi)兩方面的指標(biāo)。其中，前者主要包括有償債、營(yíng)運(yùn)、盈利及成長(zhǎng)能力這四方面。而后者選取過(guò)程中不僅需要考慮到企業(yè)現(xiàn)金流信息對(duì)判別企業(yè)財(cái)務(wù)危機(jī)的重要意義，還要盡量避免因主觀偏好所導(dǎo)致的信息失真或扭曲情況的出現(xiàn)。為確保數(shù)據(jù)真實(shí)有效，本文主要選擇了如下幾類(lèi)指標(biāo)。盈利能力：銷(xiāo)售凈利潤(rùn)、銷(xiāo)售毛利潤(rùn)、營(yíng)業(yè)利潤(rùn)率、凈資產(chǎn)收益率。營(yíng)運(yùn)能力：存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率。債償能力：流動(dòng)比率、速動(dòng)比率、資產(chǎn)負(fù)債率。成長(zhǎng)能力：主營(yíng)業(yè)務(wù)收入增長(zhǎng)率、總資產(chǎn)增長(zhǎng)率、凈資產(chǎn)增長(zhǎng)率?，F(xiàn)金流量指標(biāo)：銷(xiāo)售現(xiàn)金比率、主營(yíng)業(yè)務(wù)比率、每股現(xiàn)金流量?jī)纛~。

經(jīng)過(guò)顯著性檢驗(yàn)后可知，上述合計(jì)16個(gè)變量中除了銷(xiāo)售現(xiàn)金比率、資產(chǎn)負(fù)債率、凈資產(chǎn)收益率和主營(yíng)業(yè)務(wù)比率等指標(biāo)之外，剩余12個(gè)指標(biāo)都較為敏感，因而可以作為企業(yè)財(cái)務(wù)危機(jī)的預(yù)警分析監(jiān)管指標(biāo)，對(duì)企業(yè)的財(cái)務(wù)危機(jī)風(fēng)險(xiǎn)情況進(jìn)行預(yù)測(cè)。

三、基于控制財(cái)務(wù)危機(jī)視域下財(cái)務(wù)預(yù)警分析監(jiān)管指標(biāo)體系的構(gòu)建

財(cái)務(wù)預(yù)警分析監(jiān)管指標(biāo)體系構(gòu)建時(shí)應(yīng)基于整個(gè)體系構(gòu)建的目標(biāo)、環(huán)境、功能、結(jié)構(gòu)及其監(jiān)測(cè)、預(yù)警系統(tǒng)的關(guān)系之上，選用較為敏感的作為指標(biāo)。為確保整個(gè)評(píng)價(jià)結(jié)構(gòu)的合理性和客觀性，進(jìn)行財(cái)務(wù)預(yù)警分析監(jiān)管指標(biāo)體系的初步構(gòu)建時(shí)，應(yīng)盡量選擇可全面反映公司各方面財(cái)務(wù)情況的指標(biāo)，為體系指標(biāo)的最終確定留有余地。企業(yè)的主體財(cái)務(wù)比率必須能夠?qū)ζ髽I(yè)的償債、盈利、營(yíng)運(yùn)、資本增長(zhǎng)及其資產(chǎn)管理能力五方面的財(cái)務(wù)情況。分析可知，銷(xiāo)售毛利率、流動(dòng)比率、總資產(chǎn)增長(zhǎng)率及長(zhǎng)期負(fù)債資本比這幾方面差異顯著，表明這些指標(biāo)的敏感性較強(qiáng)，可以作為反映財(cái)務(wù)預(yù)警分析監(jiān)管指標(biāo)體系模型構(gòu)造的基本變量。

目前，關(guān)于財(cái)務(wù)預(yù)警分析監(jiān)管模型的構(gòu)建方法有很多，如判別分析法、因子分析法等，實(shí)踐表明，Logistic回歸模型法的預(yù)警結(jié)果最為準(zhǔn)確科學(xué)。因此，本文選用此方法進(jìn)行財(cái)務(wù)預(yù)警分析監(jiān)管指標(biāo)體系的構(gòu)建。

（一）Logistic回歸模型的主要步驟。先進(jìn)行數(shù)據(jù)樣本及其指標(biāo)的選取，并對(duì)自變量及因變量進(jìn)行確定；將各指標(biāo)之間的多重共線性進(jìn)行消除；對(duì)模型的參數(shù)進(jìn)行估計(jì)，并對(duì)其擬合狀況進(jìn)行評(píng)估；以模型的參數(shù)為基礎(chǔ)，對(duì)其顯著性、大小、符號(hào)等方面對(duì)于因變量的意義進(jìn)行解釋?zhuān)会槍?duì)檢驗(yàn)樣本情況，對(duì)模型的預(yù)警精確度進(jìn)行驗(yàn)證。

（二）建模之的準(zhǔn)備。雖然通過(guò)非參數(shù)檢驗(yàn)，得到了12個(gè)差異顯著的指標(biāo)，將16個(gè)指標(biāo)簡(jiǎn)化到了12個(gè)，但是，由于財(cái)務(wù)指標(biāo)都是比率指標(biāo)，且多數(shù)是根據(jù)聯(lián)系緊密的財(cái)務(wù)報(bào)表數(shù)據(jù)進(jìn)行計(jì)算所得，因此，各項(xiàng)指標(biāo)間的相關(guān)性較強(qiáng)。應(yīng)當(dāng)注意的是，Logistic回歸模型本身就對(duì)多重共線性相當(dāng)敏感，因此，變量間相關(guān)性稍微高一點(diǎn)兒，就會(huì)導(dǎo)致系數(shù)誤差出現(xiàn)大幅度增加的情況，為避免這種情況的發(fā)生，本文先通過(guò)因子分析法進(jìn)行公因子的提取，并將公因子作為最后進(jìn)入財(cái)務(wù)預(yù)警分析模型的解釋變量，以最大程度地防止多重共線性所帶來(lái)的影響。經(jīng)過(guò)因子分析法，提取了5個(gè)公因子作為解釋變量帶入預(yù)警模型中，5個(gè)公因子如下：

（三）Logistic回歸模型的構(gòu)建。通過(guò)SPSS軟件分析，根據(jù)所選取的5個(gè)變量以及發(fā)生財(cái)務(wù)危機(jī)的企業(yè)樣本數(shù)據(jù)，進(jìn)行Logistic回歸命令的選擇，根據(jù)Backwald逐步向后剔除變量法，進(jìn)行Logistic回歸分析，5次迭代之后得到的結(jié)果見(jiàn)表1。

表1 Logistic回歸模型結(jié)果

（四）模型預(yù)警效果分析與檢驗(yàn)。在使用此模型進(jìn)行企業(yè)財(cái)務(wù)危機(jī)情況的預(yù)測(cè)時(shí)，還有一個(gè)問(wèn)題需要注意，即臨界點(diǎn)的選取問(wèn)題，若選取的不好，將會(huì)對(duì)模型的預(yù)警效果帶來(lái)不利影響，所以應(yīng)當(dāng)給予足夠的重視。由于理論上來(lái)說(shuō)，此模型并無(wú)最優(yōu)化分割點(diǎn)的存在，因而其選擇主要同企業(yè)的具體目的有關(guān)。在本文的研究中，企業(yè)財(cái)務(wù)危機(jī)的預(yù)警設(shè)置范圍在0到1之間，所以，選取0.5作為判別臨界值，即若通過(guò)此回歸模型計(jì)算所得的不發(fā)生財(cái)務(wù)危機(jī)的概率P大于0.5時(shí)，那么，就將該企業(yè)歸入健康企業(yè)類(lèi)型中，相反的，若計(jì)算所得不發(fā)生財(cái)務(wù)危機(jī)的概率P小于0.5時(shí)，則該企業(yè)就被歸入財(cái)務(wù)危機(jī)類(lèi)型中。

1．模型預(yù)警識(shí)別效果的檢驗(yàn)。本文以52家企業(yè)為樣本，將這52組樣本的數(shù)據(jù)代入上文最終得到的回歸公式中，再經(jīng) SPSS16.0的統(tǒng)計(jì)分析得到了模型樣本組的判斷概率，具體情況見(jiàn)下表2：

表2 回歸模型樣本預(yù)測(cè)的分類(lèi)結(jié)果

通過(guò)對(duì)這52家企業(yè)樣本的相關(guān)數(shù)據(jù)進(jìn)行模型預(yù)測(cè)，其中，在26家發(fā)生財(cái)務(wù)危機(jī)的企業(yè)中有21家企業(yè)被正確地歸為財(cái)務(wù)危機(jī)企業(yè)，而剩余的26家正常企業(yè)僅有1家被錯(cuò)誤地歸入財(cái)務(wù)危機(jī)企業(yè)中，所得到的準(zhǔn)確率分別是88.5%和96.2%，這表明Logistic回歸模型的預(yù)測(cè)精確度相當(dāng)高，最終的綜合判定準(zhǔn)確率可達(dá)92.35%。

2．回歸模型擬合效果的分析與檢驗(yàn)。為了進(jìn)一步對(duì)此回歸模型的預(yù)測(cè)效果進(jìn)行檢驗(yàn)，可采取Hosmer and Lemeshow Test擬合度檢驗(yàn)方法對(duì)其進(jìn)行進(jìn)一步地驗(yàn)證。從Hosmer and Lemeshow Test擬合度的檢驗(yàn)結(jié)果可知，擬合度檢驗(yàn)所得到的顯著性概率是0.119，同顯著水平0.05相比要大。因此，原假設(shè)成立，表明Logistic回歸模型的預(yù)測(cè)值同觀測(cè)值并沒(méi)有顯著性差異存在，也說(shuō)明可允許的范圍內(nèi)，Logistic回歸模型的估計(jì)值擬合了樣本的數(shù)據(jù)。對(duì)估計(jì)樣本數(shù)據(jù)也進(jìn)行Logistic回歸模型分析，可得到52家企業(yè)前3年的財(cái)政危機(jī)情況的分析效果匯總。

表3 Logistic回歸模型預(yù)警效果匯總表

使用Logistic回歸法進(jìn)行財(cái)務(wù)預(yù)警的優(yōu)點(diǎn)是適用性強(qiáng)、可直接進(jìn)行統(tǒng)計(jì)檢驗(yàn)，很適合分為兩組的判斷，結(jié)果同兩組的判別分析相同。此方法的缺點(diǎn)是對(duì)樣本數(shù)據(jù)要求較高，要求指標(biāo)不能具有多重共線性，對(duì)企業(yè)各財(cái)務(wù)指標(biāo)數(shù)據(jù)來(lái)說(shuō)很難實(shí)現(xiàn)，必須事先消除共線性；此方法所選取的指標(biāo)主要是通過(guò)回歸剔除所得，因而代表性還不夠全面，可能在此類(lèi)指標(biāo)并不突出的健康公司方出現(xiàn)誤判結(jié)果。

但是本文所構(gòu)建的模型預(yù)警判別率較高，應(yīng)該是由于建模前先使用因子分析法將指標(biāo)變量的多重共線性進(jìn)行了消除，并將5大公因子作為指標(biāo)納入模型中去，因此，判別式中的指標(biāo)公因子代表性更強(qiáng)，涵蓋性也更大，因而對(duì)于各企業(yè)財(cái)務(wù)危機(jī)情況的判斷相對(duì)更加準(zhǔn)確。因此，構(gòu)建的財(cái)務(wù)預(yù)警分析監(jiān)管體系可以較好地對(duì)企業(yè)的財(cái)務(wù)情況進(jìn)行判斷和預(yù)測(cè)，可以為企業(yè)采取下一步措施提供有力依據(jù)。

郭憲英、王清杰.2009.財(cái)務(wù)危機(jī)的預(yù)警研究.山東審計(jì)，7。