常冶衡 李俊倩 司秀華

【摘要】 ?文章選取了2018年第二季度中關于低碳經(jīng)濟概念39家上市公司財務風險指標以及2018年第二季度百度指數(shù)對這39家上市公司名稱檢索的平均值作為研究樣本，采用經(jīng)濟計量模型實證檢驗二者的相關性。研究結果表明：百度指數(shù)對上市公司檢索量直接影響著公司的短期償債能力，其中流動比率與速動比率作為反映短期償債能力的重要財務風險指標直接影響著管理層對公司未來的財務預警。同時，通過進一步篩選第三季度財務風險預測結果來看，傳統(tǒng)的火力發(fā)電、水力發(fā)電、煤炭開采等行業(yè)所占比重較大，面臨著較大的財務風險控制。

【關鍵詞】 ? 百度指數(shù);流動比率;速動比率;資產(chǎn)負債率;財務風險

【中圖分類號】 ?F275 ?【文獻標識碼】 ?A ?【文章編號】 ?1002-5812（2019）22-0026-05

一、引言

財務風險是影響公司發(fā)展的一項重要的因素，如何進行風險控制對于公司管理來說顯得尤為重要。研究各公司的財務風險指標與百度指數(shù)對該公司關注行為之間的相關性，對公司財務風險預警及風險控制有著重要的意義。

關于財務風險指標的選取，本文根據(jù)東方財富網(wǎng)所列舉的上市公司財務指標，選取資產(chǎn)負債比率、流動比率、速動比率等指標為主要參考依據(jù)。其中資產(chǎn)負債比率主要衡量公司的資本結構，流動比率與速動比率主要衡量公司的短期償債能力。百度指數(shù)是以大量網(wǎng)民對關鍵詞搜索行為數(shù)據(jù)為基礎，通過研究關鍵詞搜索趨勢以此來衡量網(wǎng)民的興趣和需求，同時定位受眾特征。以公司名稱作為關鍵詞，在一定意義上可以衡量在大數(shù)據(jù)背景下網(wǎng)民對公司的關注情況。

本文研究的是在大數(shù)據(jù)背景下運用百度指數(shù)對公司名稱的搜索情況，以此來反映網(wǎng)絡對該上市公司的關注度，并且這種關注度是否與公司財務風險指標存在相關性，探討公司財務風險控制中能否運用搜索行為提早做出預警。為此，本文選取了2018年第二季度中關于低碳經(jīng)濟概念39家上市公司財務風險指標以及2018年第二季度百度指數(shù)對這39家上市公司名稱檢索的平均值作為研究樣本，采用經(jīng)濟計量模型實證檢驗二者的相關性。文章的進一步研究表明，百度指數(shù)對上市公司的檢索量在一定程度上影響著公司的短期償債能力，其中流動比率與速動比率作為反映短期償債能力的重要財務風險指標，直接影響著管理層對公司未來的財務預警。

二、文獻回顧與研究假設

（一）文獻綜述

在有關低碳經(jīng)濟與公司財務風險控制的研究方面，聶艷紅（2018）通過研究財務風險理論的基礎上，將低碳概念納入企業(yè)財務風險的預警指標中，從碳盈利指標、碳發(fā)展指標、碳償債指標、碳運營指標等方面構建一套適合低碳經(jīng)濟發(fā)展要求的財務風險預警指標體系;魯麗萍等（2017）在投資戰(zhàn)略問題中提到了策略選擇中項目效益決定了企業(yè)所進入的共生圈，應該通過人才、技術等方面的引進來縮小企業(yè)與行業(yè)之間的差距，進入更高級別的共生系統(tǒng)。

但是，在有關大數(shù)據(jù)與財務風險控制相關性的研究方面，目前在學界尚未找到對該問題的研究。通過對相似文獻進行查閱發(fā)現(xiàn)，張繼德等（2014）僅通過對普通投資者關注度方面研究對上市公司股票收益所產(chǎn)生的正向影響，對財務風險問題的研究目前存在空白。對此，本文將百度指數(shù)對低碳概念板塊的上市公司搜索量作為關注度，選取39家上市公司作為研究樣本，結合公司的資產(chǎn)負債比率、流動比率、速動比率等三項財務風險指標，采用經(jīng)濟計量模型實證檢驗二者的相關性，并在此基礎上構建一套有效的風險控制體系。

（二）研究假設

由于本文研究選取指標有限，現(xiàn)對其做出如下假設：

H1：通過百度指數(shù)對上市公司名稱的檢索量反映大數(shù)據(jù)信息檢索情況，以此來衡量網(wǎng)絡搜索行為對上市公司的關注度。

H2：通過選取資本結構中的資產(chǎn)負債比率來反映公司的長期潛在風險，選取短期償債能力中的流動比率與速動比率來反映公司的短期財務風險。

三、研究設計

（一）樣本的選取與數(shù)據(jù)來源

本文選取2018年第二季度中關于低碳經(jīng)濟概念39家上市公司財務風險指標（資產(chǎn)負債比率、流動比率、速動比率）以及2018年第二季度百度指數(shù)對這39家上市公司名稱檢索的平均值作為研究樣本。其中財務風險指標數(shù)據(jù)來源于東方財富網(wǎng)，百度指數(shù)主要來自百度官方數(shù)據(jù)對上市公司名稱2018年3—6月的樣本均值。表1為樣本數(shù)量篩選過程及相關說明。

（二）模型的建立與說明

為了檢驗低碳板塊上市公司的檢索量是否對公司的財務風險指標產(chǎn)生影響，本文借鑒回歸分析方法，構建基本模型。因變量選取資產(chǎn)負債率（Asset-liability ratio）、流動比率（Current ratio）、速動比率（Quick ratio），自變量選取低碳板塊上市公司檢索量，即百度指數(shù)（baidu index）。構建模型如下：

Asset-liability ratio（t）=α1+β1 baidu index（t）+ξk1（1）

Current ratio （t）=α2+β2 baidu index（t）+ξk2 （2）

Quick ratio （t）=α3+β3 baidu index（t）+ξk3 （3）

式（1）-（3）分別表示百度指數(shù)對目標公司的檢索量分別對資產(chǎn)負債比率、流動比率、速動比率等三項財務風險指標的影響情況。

（三）回歸分析與檢驗

為了更好地理解低碳板塊上市公司檢索量對財務風險指標的影響問題，本文根據(jù)式（1）-（3）分別進行回歸分析。具體如表2所示。

表2百度指數(shù)對目標公司的檢索量（以下用baidu index（t）表示）分別對資產(chǎn)負債比率、流動比率、速動比率等三項財務指標進行回歸分析的結果顯示：baidu index（t）對Asset-liability ratio（t）的Multiple R=0.092702739，說明相關性較弱;baidu index（t）對Current ratio （t）的Multiple R=0.783002286，說明相關性較弱;同時P-value值均小于0.001，屬于極端顯著，說明回歸模型是有效的;baidu index（t）對Quick ratio （t）的Multiple R=0.834610504，說明相關性較弱;同時P-value值均小于0.001，屬于極端顯著，說明回歸模型也是有效的。

對以上三項財務風險指標篩選發(fā)現(xiàn)，百度指數(shù)對目標公司的檢索量對流動比率、速動比率兩項短期償債能力指標影響有效，可以作為上市公司財務風險預警及控制的參考依據(jù)。其中兩項指標的回歸方程如下：

Current ratio （t）= 0.7941476+ 0.000603641 baidu index（t）（4）

Quick ratio （t）= 0.6045887+0.0007451 baidu index（t）（5）

四、財務風險預測及風險預警設計

（一）財務風險指標預測

根據(jù)回歸分析與檢驗結果發(fā)現(xiàn)，百度指數(shù)對目標公司的檢索量對短期償債能力的兩項指標影響有效，基于此，本文選取39家研究樣本公司2018年7—9月的百度指數(shù)平均檢索量對反映短期償債能力的兩項指標——流動比率、速動比率指標預測情況進行計量。具體如表3所示。

（二）財務風險預警設計

根據(jù)表3的預測結果，將第二季度的財務風險指標實際情況與第三季度的預測數(shù)值進行對比，并結合行業(yè)均值與變化情況，進行財務風險分析，找出需要風險預警的上市公司。

1.計算兩個季度的行業(yè)均值。根據(jù)上頁表1中的第二季度39家低碳概念板塊的上市公司的流動比率與速動比率兩項短期償債能力指標，分別計算概念板塊均值（∑Current ratio（2t）/39、∑Quick ratio（2t）/39）;根據(jù)表3中的第三季度預測數(shù)據(jù)的39家低碳概念板塊上市公司的流動比率與速動比率兩項短期償債能力指標，分別計算概念板塊均值（∑Current ratio（3t）/39、∑Quick ratio（3t）/39）。

2.制定財務風險預警指標。首先，通過對第二季度目標公司財務指標與概念板塊均值進行比較分析，分別將每個樣本公司第二季度流動比率與速動比率兩項指標減去概念板塊均值來計算其差值。具體如式（6）-（7）所示。

ΔC（2t） =Current ratio（2t）-∑Current ratio（2t）/39 ? ? （6）

ΔQ（2t） = Quick ratio（2t）-∑Quick ratio（2t）/39 ? ? ? ? （7）

其次，通過對第三季度目標公司預測財務指標與對應概念板塊均值進行比較分析，分別將每個樣本公司第三季度流動比率與速動比率兩項指標減去概念板塊均值來計算其差值。具體如式（8）-（9）所示。

ΔC（3t） =Current ratio（3t）-∑Current ratio（3t）/39 （8）

ΔQ（3t） = Quick ratio（3t）-∑Quick ratio（3t）/39 （9）

再次，將流動比率、速動比率第三季度預測數(shù)據(jù)與第二季度實際數(shù)據(jù)進行對比分析。具體如式（10）-（11）所示。

ΔC（3t-2t） =ΔC（3t）-ΔC（2t） （10）

ΔQ（3t-2t） =ΔQ（3t）-ΔQ（2t） （11）

最后，對式（1）-（10）計算結果進行分析，找出其中的變化情況，制定風險控制方法。整個財務風險預警方法相關說明如表4所示。

3.財務風險預警指標面板數(shù)據(jù)分析結果。通過表4的財務風險預警方法相關說明（即公式（1）-（11）），分別計算ΔC（2t）、ΔQ（2t）、ΔC（3t） 、ΔQ（3t）、ΔC（3t-2t）、ΔQ（3t-2t），具體如下頁表5所示。

經(jīng)過對流動比率與速動比率的預測模型進行計量發(fā)現(xiàn)：39家低碳經(jīng)濟概念的上市公司中，19家上市公司ΔC（3t-2t）> 0，預期流動比率提高，說明短期償債能力提高;另外20家上市公司ΔC（3t-2t）<0，預期流動比率下降，短期償債能力下降，財務風險加大。與此同時，21家上市公司ΔQ（3t-2t） >0，預期速動比率提高，說明短期償債能力提高;另外18家上市公司ΔC（3t-2t） <0，預期速動比率下降，短期償債能力下降，財務風險加大。

為了進一步分析財務風險存在的問題，本文分別選取兩項指標均小于0和其中一項指標小于0的上市公司（分別表示公司Ω1和Ω2）。

Ω1={ΔC（3t-2t） <0且ΔC（3t-2t） <0}

Ω2={ΔC（3t-2t） >0且ΔC（3t-2t） <0}∪{ΔC（3t-2t） <0且ΔC（3t-2t） >0}

篩選結果發(fā)現(xiàn)，Ω1=17，Ω2=4。最終篩選存在財務風險預警問題的上市公司如下頁表6所示。

首先，對于Ω1篩選出的17家上市公司經(jīng)過行業(yè)細分發(fā)現(xiàn)：火力發(fā)電、水力發(fā)電、煤炭開采中，各有2家上市公司，共計6家，占整個Ω1公司的34%，上述行業(yè)屬于傳統(tǒng)的板塊，同時根據(jù)表5對財務風險指標的變化情況來看，排名靠前，說明公司第三季度流動比率與速動比率預測值與第二季度相比減少過大，短期償債能力需要加強。同時在傳統(tǒng)行業(yè)中，塑料、其他建材、建筑施工、紡織等行業(yè)面臨較大的財務風險問題。

其次，對于Ω2篩選出的4家上市公司經(jīng)過行業(yè)細分發(fā)現(xiàn)均處于不同的行業(yè)，上述行業(yè)中的上市公司財務風險控制加大。

五、研究結論與展望

總體而言，低碳經(jīng)濟概念的39家樣本上市公司中，百度指數(shù)對上市公司的檢索量在一定程度上影響著該公司的短期償債能力，其中流動比率與速動比率作為反映短期償債能力的重要財務風險指標直接影響著管理層對公司未來的財務預警。因此公司在應對財務風險問題時應該合理地配置流動性較強的資產(chǎn)以應對短期借款、應付賬款等流動負債，防止在短期內(nèi)資金鏈的斷裂影響企業(yè)正常的運營。在進行風險監(jiān)測過程中應該隨時關注網(wǎng)絡對公司的關注情況，其中百度指數(shù)能夠很好地反映這一情況，可為決策者提供一份有效的參考依據(jù)。

此外，關于式（4）和式（5）還有一點需要特別說明，在對流動比率與速動比率的預測模型進行計量過程中，流動比率與速動比率的差值大于0，屬于正常情況;如果進一步分析二者的差值，是否存在流動比率與速動比率的差值小于0的非正常情況。根據(jù)流動比率與速動比率的公式分析來看，流動比率應該大于速動比率，其中的差值主要體現(xiàn)在公司的存貨方面的問題，然而在進行實際分析中由于百度指數(shù)的變化可能會導致存貨存在負值。為了進一步分析其中的問題，本文將流動比率預測模型與速動比率預測模型進行差值分析。具體如式（12）所示。

Current ratio （t）-Quick ratio （t）=0.1895589-0.000141459 baidu index（t）（12）

根據(jù)上述模型分析，正常情況下Current ratio （t）- Quick ratio （t）≥0，此時0.1895589-0.000141459 baidu index（t）≥0，即baidu index（t）≤1 340。因此上述模型適合用于百度指數(shù)對公司檢索量不大于1 340，一旦超過這個臨界點，在進行短期償債能力預測分析中，會導致存貨出現(xiàn)負值，屬于非正常情況。本文后期的研究還有一些需要改進之處，望更多學者共同研究和探索。

【主要參考文獻】

[1] 聶艷紅.低碳經(jīng)濟視角下企業(yè)財務風險預警研究[J].財會通訊，2018，（14）：106-109.

[2] 魯麗萍，石友蓉.共生視角下企業(yè)碳財務戰(zhàn)略體系的構建[J].財會月刊，2017，（10）：20-24.

[3] 張繼德，廖微，張榮武.普通投資者關注對股市交易的量價影響——基于百度指數(shù)的實證研究[J].會計研究，2014，（08）：52-59+97.

[4] 羅婧.投資者網(wǎng)絡關注度與股市變化間關系的實證檢驗[J].財會月刊，2017，（05）：109-113.

[5] 徐蕾，馮莉.信息透明度與股價同步性的關系[J].財會月刊，2017，（21）：116-123.

[6] 湯祥鳳.有限關注與股票價格——基于百度指數(shù)作為有限關注的實證分析[J].南京航空航天大學學報（社會科學版），2016，18，（03）：27-31.

【作者簡介】

常冶衡，男，副教授，2007年至今在青島黃海學院財經(jīng)學院從事教學工作;研究方向為財務與金融。