周哲愷

關(guān)? 鍵? 詞：融資風(fēng)險;風(fēng)險預(yù)警;Z-Score模型;因子分析;Logistic模型;中小板企業(yè)

中圖分類號：F272.1? ? ? 文獻標(biāo)識碼：A? ? ? ?文章編號：2096-2517（2019）04-0030-13

DOI：10.16620/j.cnki.jrjy.2019.04.004

一、引言

融資風(fēng)險，許多時候表現(xiàn)為財務(wù)風(fēng)險，屬于非系統(tǒng)性風(fēng)險。企業(yè)在應(yīng)對融資風(fēng)險時所能采取的有效措施以及可以調(diào)動的內(nèi)外部資源總量，在很大程度上取決于企業(yè)自身的經(jīng)營管理能力和資本規(guī)模大小。我國中小型企業(yè)由于融資困難，缺乏良好的經(jīng)營環(huán)境，人才儲備、技術(shù)創(chuàng)新和管理能力相對落后， 在應(yīng)對融資風(fēng)險預(yù)警的難題上天然地成為了優(yōu)勢不足的“陪跑者”。而應(yīng)對風(fēng)險首要的便是評估風(fēng)險本身。雖然在風(fēng)險的應(yīng)對方面中小企業(yè)能力參差不齊， 很難統(tǒng)一設(shè)計出一個合理完備的方案，但是在風(fēng)險的評估方面，理應(yīng)存在便捷有效的評估模型供中小企業(yè)進行預(yù)測和參考。因此，尋找一個適合中小型企業(yè)，尤其是針對中小上市企業(yè)的融資風(fēng)險評估模型非常必要。

基于經(jīng)驗性臨界數(shù)值的“Z記分”模型是1968年美國學(xué)者Altman研究已經(jīng)申請破產(chǎn)和仍處于經(jīng)營狀態(tài)的上市公司財務(wù)報告之后提出的，在企業(yè)短期融資風(fēng)險的警示方面有很強的預(yù)測性[1]。該模型借助5個相關(guān)的財務(wù)指標(biāo)，通過綜合風(fēng)險總判別分Z來反映企業(yè)短期潛在的破產(chǎn)風(fēng)險。但是該模型提出時間早，且建立在經(jīng)驗數(shù)值的基礎(chǔ)之上，如果篩選加入更多能反映中小上市企業(yè)財務(wù)狀況的判別指標(biāo)， 將使該模型預(yù)測融資風(fēng)險的能力大大提高，從而在中小企業(yè)融資風(fēng)險的預(yù)警中發(fā)揮重要作用。

為了檢驗綜合風(fēng)險總判別分與財務(wù)指標(biāo)的關(guān)系及比較二者在判斷中小上市企業(yè)風(fēng)險評估的優(yōu)劣，需要找到一個合適的數(shù)理模型進行財務(wù)危機的判別和預(yù)警。同時在模型數(shù)據(jù)方面，由于作為解釋

變量的財務(wù)指標(biāo)數(shù)量眾多，彼此之間往往存在較高程度的相關(guān)性水平，最終導(dǎo)致在輸入模型的自變量之前存在對測算結(jié)果造成一定擾亂的多重共線特征， 故可以運用降維分析篩選出獨立性較好的指標(biāo)，再將選取的這些指標(biāo)數(shù)據(jù)和綜合風(fēng)險總判別分Z代入已設(shè)計好的數(shù)理模型之中，最后利用所得預(yù)警模型進行模型回代檢驗。

這樣， 篩選過后的中小上市企業(yè)相關(guān)財務(wù)信息，在引入“Z記分法”之后得到的預(yù)判模型，使各個利益相關(guān)方都能夠在一個相對較短的時間之內(nèi)對中小企業(yè)的融資風(fēng)險狀況做出簡單明了的初步評估，因而省去了一部分復(fù)雜的調(diào)查流程，以較小的信息成本獲取一個更加全面的整體觀。

二、文獻回顧

關(guān)于融資風(fēng)險評估模型，國內(nèi)外學(xué)者均進行過相關(guān)研究。其中在國內(nèi)，趙吉紅等（2011）基于現(xiàn)代信用風(fēng)險度量模型——KMV模型， 通過對具體參數(shù)和計算方式進行修正， 構(gòu)建了制造行業(yè)的KMV模型，定量預(yù)測企業(yè)融資風(fēng)險[2]。禹久泓等（2016）在此基礎(chǔ)上，將樣本所選上市公司涉及的行業(yè)范圍進一步擴大，經(jīng)實證分析得出，KMV模型在我國上市公司信用風(fēng)險評價方面雖然不夠顯著，但能在一定程度上給投資者一些啟示[3]。而于立勇等（2004）[4]、閆陸璐（2013）[5]、高忠（2013）[6]則基于數(shù)理統(tǒng)計分析中的Logistic回歸模型， 分別構(gòu)建了適用于專門行業(yè)，具備一定實用性，且綜合預(yù)測正確率較高的財務(wù)危機預(yù)警模型。以上這些國內(nèi)文獻均運用實證法對企業(yè)潛在的融資風(fēng)險展開了研究，但在研究過程中引用的樣本數(shù)據(jù)來源基本聚焦于體量較大的上市公司，其研究結(jié)論對于本文所研究的中小板企業(yè)而言參考意義并不大;此外，KMV模型的構(gòu)建往往需要大量的數(shù)學(xué)分析乃至編程運算，對于本身技術(shù)與管理能力不強的中小企業(yè)而言，操作起來計算量大，容易出現(xiàn)差錯，且不夠便捷和明朗。

國外關(guān)于中小企業(yè)融資風(fēng)險研究較多。 其中，Altman等（2010）在風(fēng)險預(yù)警模型的構(gòu)建過程中引入定性信息來作為公司信用價值的預(yù)測指標(biāo)，即運用非金融和“事件”數(shù)據(jù)來補充有限的會計數(shù)據(jù)，以此增強了模型預(yù)判的準(zhǔn)確性[7];Yoshino等（2015）研究了在無法獲得其他財務(wù)和非財務(wù)比率的情況之下， 如何利用銀行向中小企業(yè)發(fā)放貸款的數(shù)據(jù)來評估中小企業(yè)的融資風(fēng)險[8];Li等（2016）則在傳統(tǒng)統(tǒng)計方法和人工智能技術(shù)的基礎(chǔ)上，提出了一種邏輯回歸方法與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的混合模型，大大提高了風(fēng)險預(yù)判的有效性與可行性[9]。以上這些國外文獻中樣本數(shù)據(jù)的建立，均基于中小上市企業(yè)各類數(shù)據(jù)較高的公開度和金融市場中較好的信息對稱性，但不適用于我國的現(xiàn)實情況。此外，神經(jīng)網(wǎng)絡(luò)/邏輯混合模型也同KMV模型一樣，其初始模型構(gòu)建的難度為中小企業(yè)操作人員設(shè)立了很高的技術(shù)門檻。

除去上文所提及的KMV模型、 混合模型等各個依據(jù)樣本數(shù)據(jù)特征修正的模型以外，國內(nèi)也有學(xué)者推介使用相對簡便的、基于5個公司財務(wù)指標(biāo)和經(jīng)驗性臨界數(shù)值的“Z-Score法”模型（以下稱“Z記分法”）。向德偉（2002）使用“Z記分法”對上市公司的經(jīng)營風(fēng)險狀況進行了實證分析，結(jié)果表明其對某個行業(yè)或某類企業(yè)經(jīng)營風(fēng)險的整體性分析的指導(dǎo)作用較強[10];王艷林（2012）則通過該模型并借助多元回歸模型分析了盈利能力、償債能力、營運能力、企業(yè)規(guī)模、自由現(xiàn)金流量和股權(quán)結(jié)構(gòu)等因素對中小上市企業(yè)融資風(fēng)險的影響[11]。前者雖檢驗了“Z記分法” 模型在應(yīng)用于企業(yè)融資風(fēng)險評估時候的有效性，但沒有綜合考慮模型以外可能影響到企業(yè)融資風(fēng)險的其他相關(guān)財務(wù)因素。后者考慮了其他相關(guān)財務(wù)因素對于企業(yè)融資風(fēng)險的影響，但并沒有綜合完善這些財務(wù)因素，給出一個可供中小企業(yè)融資風(fēng)險評估的預(yù)警模型。

綜上，針對我國中小企業(yè)融資風(fēng)險測算的研究相對缺乏，適用于大型上市公司的風(fēng)險預(yù)警模型技術(shù)難度大，不能生搬硬套于中小型企業(yè)風(fēng)險評估的現(xiàn)狀，本文以Logistic模型為基礎(chǔ)，引入“Z記分法”，同時輔以相關(guān)財務(wù)指標(biāo)數(shù)據(jù)予以完善，通過實證分析得到風(fēng)險預(yù)警模型，并利用該模型進行模擬預(yù)測和數(shù)據(jù)倒代檢驗，最終設(shè)計出具有我國中小上市企