【摘 要】 在電子商務(wù)迅猛發(fā)展的大環(huán)境下，傳統(tǒng)行業(yè)不可避免會(huì)受到?jīng)_擊，與時(shí)俱進(jìn)的轉(zhuǎn)型成為必然。在轉(zhuǎn)型過程中，企業(yè)面臨的風(fēng)險(xiǎn)多樣，一旦經(jīng)營管理上行差踏錯(cuò)，極易陷入財(cái)務(wù)危機(jī)，因而設(shè)計(jì)出適合企業(yè)的有效財(cái)務(wù)危機(jī)預(yù)警機(jī)制非常重要。本文特別強(qiáng)調(diào)了非財(cái)務(wù)因素的定性分析，并選取了身處電子商務(wù)環(huán)境正力求轉(zhuǎn)型的一家傳統(tǒng)紡織制造企業(yè)——上海三毛進(jìn)行具體的案例分析。

【關(guān)鍵詞】 財(cái)務(wù)危機(jī)預(yù)警 非財(cái)務(wù)因素 案例分析 電子商務(wù)

1 引言

現(xiàn)今，電子商務(wù)在世界主要國家和地區(qū)都保持著飛速發(fā)展的態(tài)勢(shì)，如我國的電子商務(wù)交易額年年增長超過20%，2014年的交易規(guī)模已超過美國，即將占據(jù)國際電子商務(wù)市場(chǎng)的主力地位。但與此同時(shí)，我國傳統(tǒng)的企業(yè)組織結(jié)構(gòu)、運(yùn)作方式等遭受的沖擊無法避免，很多傳統(tǒng)制造業(yè)正力求轉(zhuǎn)型，望能在電子商務(wù)及現(xiàn)代服務(wù)業(yè)中占據(jù)一席之地。而現(xiàn)今企業(yè)財(cái)務(wù)管理的環(huán)境多變、已有的理論方法不再適用等一系列問題還未得到有效解決，由此帶來了種類繁多的運(yùn)作風(fēng)險(xiǎn)，從而可能引發(fā)企業(yè)財(cái)務(wù)危機(jī)，給經(jīng)濟(jì)帶來不良后果。因此，企業(yè)必須建立良好的適應(yīng)新環(huán)境的財(cái)務(wù)危機(jī)預(yù)警機(jī)制，以有效應(yīng)對(duì)在電子商務(wù)環(huán)境下發(fā)展的種種不容忽視的挑戰(zhàn)。本文采用定性分析與定量分析相結(jié)合的方式來進(jìn)行財(cái)務(wù)危機(jī)預(yù)警。

2 文獻(xiàn)綜述

國外學(xué)者對(duì)財(cái)務(wù)危機(jī)預(yù)警的研究開始較早，Beaver（1966）提出了單變量預(yù)警模型，分析了14種財(cái)務(wù)比率的預(yù)警效果并進(jìn)行取舍，認(rèn)為債務(wù)保障率、資產(chǎn)負(fù)債率、資產(chǎn)收益率這三種比率能夠依次有效地預(yù)測(cè)企業(yè)財(cái)務(wù)危機(jī)。Altman（1968）應(yīng)用多元判別分析法構(gòu)建了Z計(jì)分模型，以1946-1965年間的33家提出破產(chǎn)申請(qǐng)的制造業(yè)企業(yè)和對(duì)應(yīng)同行業(yè)、相近規(guī)模的另外33家非破產(chǎn)企業(yè)為研究比較對(duì)象建立的，其應(yīng)用非常廣泛。在Z計(jì)分模型之后，越來越多的研究者把目光放在對(duì)多變量預(yù)警模型的改進(jìn)與創(chuàng)新上，提出了諸如Logit模型（Olson，1980）、Probit模型（Zmijewski，1984）等。

國內(nèi)研究最早的是周首華等（1996）在Z計(jì)分模型的基礎(chǔ)上提出的F分?jǐn)?shù)模式，該模式引入了現(xiàn)金流指標(biāo)，樣本量又非常充足，使預(yù)警更具可靠性。之后吳世農(nóng)、盧賢義（2001）運(yùn)用logistic回歸、多元線性回歸和Fisher線性判定三種方法建立了對(duì)應(yīng)的預(yù)警模型，發(fā)現(xiàn)logistic模型的誤判率最低。曾婧、李曉靜（2009）評(píng)析了支持向量機(jī)（SVM）在財(cái)務(wù)危機(jī)預(yù)警中的應(yīng)用，由于SVM采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則，有利于處理樣本量較少的問題，且分類能力更為突出，研究認(rèn)為其有良好的應(yīng)用前景。

雖然現(xiàn)有模型不斷發(fā)展，但是應(yīng)用最方便且適合企業(yè)操作的主要還是Z計(jì)分模型和F分?jǐn)?shù)模型，因此本文的定量分析以此為主。

3 財(cái)務(wù)危機(jī)預(yù)警的流程設(shè)計(jì)

筆者根據(jù)已有研究設(shè)計(jì)了一套較為簡(jiǎn)單易行且成本低廉的預(yù)警流程機(jī)制，流程圖如下：

4 電子商務(wù)環(huán)境下財(cái)務(wù)危機(jī)預(yù)警的案例應(yīng)用——以上海三毛為例

上海三毛企業(yè)（集團(tuán)）股份有限公司（以下簡(jiǎn)稱“上海三毛”），所屬行業(yè)為紡織服裝業(yè)。通過觀察公司經(jīng)營范圍的不斷擴(kuò)充，我們發(fā)現(xiàn)其從2008年起就陸續(xù)開始涉及互聯(lián)網(wǎng)信息技術(shù)服務(wù)等業(yè)務(wù)，隨后又開始發(fā)展電子商務(wù)及其他相關(guān)服務(wù)業(yè)活動(dòng)，積極向運(yùn)用電子商務(wù)的現(xiàn)代服務(wù)業(yè)轉(zhuǎn)型，但這一過程歷經(jīng)波折，企業(yè)在轉(zhuǎn)型的關(guān)鍵期停滯不前。公司2012、2013年連續(xù)兩年虧損，被ST。后在2014年采取各種措施扭虧為盈，又于2015年初成功摘帽，但公司2014年扣除非經(jīng)常性損益后的凈利潤仍然處于虧損狀態(tài)，基本面并未發(fā)生根本性好轉(zhuǎn)。

4.1 定性分析

首先，從外部因素來看，上海三毛無論是本身主營業(yè)務(wù)所處的紡織服裝業(yè)環(huán)境，還是轉(zhuǎn)型發(fā)展項(xiàng)目所處的電子商務(wù)環(huán)境都存在多方面的風(fēng)險(xiǎn)，若是企業(yè)自身經(jīng)營發(fā)展存在漏洞，一旦爆發(fā)，很容易會(huì)陷入財(cái)務(wù)危機(jī)之中。其次，從內(nèi)部因素來看，企業(yè)正面臨著（1）向現(xiàn)代電子商務(wù)及服務(wù)業(yè)轉(zhuǎn)型艱難；（2）內(nèi)部控制存在重大缺陷等嚴(yán)重問題。

4.2 定量分析

4.2.1 模型介紹

首先是Z計(jì)分模型，由Altman（1968）提出，具體公式為Z=1.2X1+1.4X2+3.3X3 +0.6X4+0.999X5，其中X1=營運(yùn)資金/資產(chǎn)總額；X2=留存收益/資產(chǎn)總額；X3=息稅前利潤/資產(chǎn)總額；X4=期末股東權(quán)益市價(jià) /負(fù)債總額；X5=銷售收入/資產(chǎn)總額。當(dāng)求出的Z計(jì)分值在[2.99， +∞）、[2.675，2.99）、（1.81，2.675） 、（-∞，1.81]這四個(gè)區(qū)間時(shí)，分別表明企業(yè)警情為無警、輕警、中警、重警。

其次是F分?jǐn)?shù)模式，由周首華等（1996）在Z計(jì)分模型的基礎(chǔ)上提出，現(xiàn)金流量指標(biāo)的添加以及大量樣本的驗(yàn)證使得其更具可靠性，因而可成為初始警情預(yù)報(bào)的一個(gè)較為理想的選擇，具體公式為 F=1.1091X1+0.1074X2+1.9271X3+0.0302X4 +0.4961X5-0.1774，公式中的X1、X2、X4與Z計(jì)分模型完全相同，而X3=（稅后凈利潤+折舊費(fèi)用）/平均總負(fù)債；X5=（稅后凈利潤+利息+折舊費(fèi)用）/平均總資產(chǎn)。當(dāng)求出的F計(jì)分值在[0.1049， +∞）、[0.0274，0.1049）、（-0.0501，0.0274）、（-∞，-0.0501] 這四個(gè)區(qū)間時(shí)，分別表明企業(yè)警情為無警、輕警、中警、重警。

4.2.2 實(shí)際應(yīng)用

根據(jù)上海三毛2011-2014年財(cái)務(wù)數(shù)據(jù)計(jì)算得到Z計(jì)分值如表1，F(xiàn)分?jǐn)?shù)值如表2。根據(jù)表1，上海三毛2011-2013年的Z值分別為2.31、2.22、1.87，均低于分界點(diǎn)2.675，表明企業(yè)財(cái)務(wù)狀況一直處于中警狀態(tài)，2014年Z值更是降到最低分界點(diǎn)1.81以下，企業(yè)財(cái)務(wù)狀況惡化，瀕臨破產(chǎn)，處于重警之中。并且這四年的Z值是逐年降低的，說明企業(yè)經(jīng)營狀況也是逐年變差的。

根據(jù)表2，上海三毛2011年的F分?jǐn)?shù)值為0.2892，遠(yuǎn)高于0.1049的分界點(diǎn)，可判定公司處于無警狀態(tài)，財(cái)務(wù)狀況良好。但是2012年公司的F分?jǐn)?shù)值卻急劇下降至-0.1024，已經(jīng)遠(yuǎn)低于-0.0501的分界點(diǎn)，處于重警狀態(tài)了，2013年F分?jǐn)?shù)值更是降到-0.1608，比2012年還要低57.07%，公司的預(yù)警警度仍為重警。2014年公司的F分?jǐn)?shù)值又突升至0.5412，遠(yuǎn)超0.1049的無警分界點(diǎn)，又再回到無警區(qū)間。

4.3 結(jié)合定性分析確定具體警情

結(jié)合定性分析后可以發(fā)現(xiàn)，兩種模型在預(yù)測(cè)重大警情時(shí)都較為準(zhǔn)確，但是在企業(yè)財(cái)務(wù)狀況稍微好轉(zhuǎn)時(shí)預(yù)測(cè)效果不佳，要么預(yù)測(cè)重了，要么預(yù)測(cè)輕了，這也是因?yàn)槎嘧兞烤€性模型采用的是財(cái)務(wù)指標(biāo)的定量分析，根據(jù)企業(yè)具有滯后性的財(cái)務(wù)報(bào)表或可能被美化的報(bào)表數(shù)據(jù)得到的結(jié)論準(zhǔn)確性不確定，因此必須結(jié)合公司重大事件以及危機(jī)風(fēng)險(xiǎn)因素的定性分析來綜合評(píng)判企業(yè)真實(shí)財(cái)務(wù)狀況。如上海三毛在2014年的警情雖有所緩解，通過資產(chǎn)換資金等手段扭虧為盈使報(bào)表數(shù)據(jù)得到美化，由此使F模型預(yù)測(cè)出的結(jié)果是無警，但事實(shí)上企業(yè)當(dāng)前發(fā)展資金仍然嚴(yán)重短缺，定向增發(fā)機(jī)會(huì)也因“美梭案”無奈放棄，高管相繼離職，公司人心惶惶，行業(yè)環(huán)境、國家政策并未改善，轉(zhuǎn)型項(xiàng)目收益少，內(nèi)控問題還在解決中，警情仍十分嚴(yán)重，處于中警狀態(tài)，與定量模型得出的結(jié)果并不完全相符。

5 結(jié)論與啟示

本文利用兩種多變量線性預(yù)警模型對(duì)案例企業(yè)進(jìn)行初始警情預(yù)測(cè)的定量分析，還結(jié)合了公司重大事件以及危機(jī)風(fēng)險(xiǎn)因素的定性分析來比較它們的實(shí)際應(yīng)用能力，進(jìn)而確定了公司具體的危機(jī)警情，得出以下結(jié)論：（1）Z分?jǐn)?shù)模型、F分?jǐn)?shù)模式都比單變量模型的預(yù)測(cè)效果好，F(xiàn)分?jǐn)?shù)模式的預(yù)測(cè)準(zhǔn)確度更高。（2）企業(yè)在進(jìn)行財(cái)務(wù)危機(jī)預(yù)警時(shí)，不能只考慮財(cái)務(wù)指標(biāo)構(gòu)成的模型所得的定量分析結(jié)果，必須綜合考慮公司重大事件以及危機(jī)風(fēng)險(xiǎn)因素的定性分析。同時(shí)上述結(jié)論也給我們以啟示，即對(duì)公司的經(jīng)營狀況作出判斷時(shí)，必須綜合考慮多方面因素，不能根據(jù)片面的盈利水平得出結(jié)論。

【參考文獻(xiàn)】

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

[2] Zmijewski M.E.Methodological Issues Related to the Estimation of Financial Distress Prediction model [J]. Journal of Accounting Research，1984，22：38-59.

[3] 周首華，楊濟(jì)華，王平.論財(cái)務(wù)危機(jī)的預(yù)警分析——F分?jǐn)?shù)模型[J].會(huì)計(jì)研究，1996， 8：8-11.

[4] 廖珍珍，應(yīng)益華.上市公司財(cái)務(wù)預(yù)警z分?jǐn)?shù)模型的改進(jìn)與應(yīng)用[J].商業(yè)會(huì)計(jì)，2011（20）：37-38.

作者簡(jiǎn)介：韓敏（1993.3），女，碩士研究生，蘇州大學(xué)東吳商學(xué)院，215021，研究方向：資本市場(chǎng)研究。