李永臣 楊智媛

[提要] 新能源行業(yè)高投入、高風(fēng)險(xiǎn)及回收周期長(zhǎng)等行業(yè)特點(diǎn)使得企業(yè)定期的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)工作意義重大，文章從償債能力、營(yíng)運(yùn)能力、盈利能力、發(fā)展能力、創(chuàng)新能力及政府補(bǔ)助程度共六個(gè)方面出發(fā)，構(gòu)建新能源行業(yè)上市公司的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，通過(guò)熵權(quán)法確定指標(biāo)權(quán)重，運(yùn)用TOPSIS評(píng)價(jià)模型對(duì)所選取的10家樣本公司進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)綜合評(píng)價(jià)分析并給出了合理化建議。研究結(jié)果表明，熵權(quán)TOPSIS模型能合理有效地對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)分析，為新能源行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)提供一種新思路。

關(guān)鍵詞：財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià);新能源行業(yè);熵權(quán)法;TOPSIS法

中圖分類(lèi)號(hào)：F275.5 文獻(xiàn)標(biāo)識(shí)碼：A

收錄日期：2020年7月9日

一、引言

近年來(lái)，惡化的環(huán)境污染問(wèn)題、全球氣候變暖趨勢(shì)及替代能源的發(fā)展使以化石能源為主的傳統(tǒng)能源行業(yè)面臨嚴(yán)峻的挑戰(zhàn)，新能源行業(yè)的興起及發(fā)展成為全球共同關(guān)注的焦點(diǎn)。因此，加強(qiáng)新能源企業(yè)發(fā)展中財(cái)務(wù)風(fēng)險(xiǎn)的防范和控制、促進(jìn)新能源行業(yè)健康發(fā)展至關(guān)重要。

財(cái)務(wù)風(fēng)險(xiǎn)是指在各種內(nèi)外部因素影響下，企業(yè)未實(shí)現(xiàn)預(yù)期收益甚至遭受一定經(jīng)濟(jì)損失的可能性。新能源行業(yè)具有高投入、高風(fēng)險(xiǎn)及回收周期長(zhǎng)等行業(yè)特點(diǎn)，核心技術(shù)及政府政策導(dǎo)向也是其發(fā)展的關(guān)鍵因素。在我國(guó)新能源行業(yè)飛速發(fā)展的當(dāng)前，如何提高成本優(yōu)勢(shì)、調(diào)整銷(xiāo)售戰(zhàn)略以縮短回收周期以及把控核心技術(shù)以提升市場(chǎng)競(jìng)爭(zhēng)力成為防范和控制新能源行業(yè)發(fā)展中財(cái)務(wù)風(fēng)險(xiǎn)的重要環(huán)節(jié)。

相比較我國(guó)學(xué)者，國(guó)外學(xué)者在財(cái)務(wù)風(fēng)險(xiǎn)研究方面起步較早。Ohlson（1980）通過(guò)多元回歸分析——Logistic方法研究了企業(yè)規(guī)模、資本結(jié)構(gòu)、經(jīng)營(yíng)績(jī)效和現(xiàn)有資產(chǎn)的變現(xiàn)能力對(duì)企業(yè)遭遇財(cái)務(wù)風(fēng)險(xiǎn)的影響程度并建立了財(cái)務(wù)危機(jī)預(yù)警模型。Odam和Sharda（1990）用不同公司的財(cái)務(wù)數(shù)據(jù)驗(yàn)證了使用BP神經(jīng)網(wǎng)絡(luò)方法進(jìn)行財(cái)務(wù)預(yù)測(cè)的準(zhǔn)確性要高于多元判別分析法。隨著國(guó)外相關(guān)理論的不斷完善，國(guó)內(nèi)學(xué)者開(kāi)始致力于財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)選擇的研究及財(cái)務(wù)風(fēng)險(xiǎn)模型的建立。王慶華、楊杏（2015）采用多分類(lèi)Logistic回歸模型對(duì)制造業(yè)上市公司的財(cái)務(wù)進(jìn)行研究，結(jié)果表明，償債能力、盈利能力、現(xiàn)金流量能力和成長(zhǎng)能力對(duì)于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)影響顯著。李麗君、司夢(mèng)倓等（2016）在選取財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系時(shí)納入了反映制造業(yè)行業(yè)特點(diǎn)的代表性指標(biāo)，利用多級(jí)模糊綜合評(píng)價(jià)法對(duì)制造業(yè)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行了綜合評(píng)價(jià)分析。

目前，我國(guó)常用的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)方法有主成分分析法、因子分析法、層次分析法和Logistics回歸分析等方法。本文選取熵權(quán)TOPSIS法進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)，熵權(quán)法是一種客觀的賦權(quán)方法，其可以根據(jù)樣本本身的數(shù)據(jù)信息得到各評(píng)價(jià)指標(biāo)的權(quán)重，相比其他方法而言，熵權(quán)法因不涉及主觀賦值因此可以得到更為客觀、合理的各指標(biāo)權(quán)重;TOPSIS法是一種逼近理想解的排序方法，其通過(guò)測(cè)算各個(gè)評(píng)價(jià)對(duì)象在各評(píng)價(jià)指標(biāo)上的與理想解和負(fù)理想解之間的相對(duì)距離，并將相對(duì)距離依次排序進(jìn)而進(jìn)行綜合評(píng)價(jià)。

二、財(cái)務(wù)風(fēng)險(xiǎn)模型設(shè)計(jì)

（一）指標(biāo)選擇。本文選取的指標(biāo)包括一般性財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)。其中一般性財(cái)務(wù)指標(biāo)借鑒前人在進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)分析時(shí)所選取的財(cái)務(wù)指標(biāo)進(jìn)行分析，包括償債能力、盈利能力、營(yíng)運(yùn)能力和發(fā)展能力共四個(gè)方面15個(gè)指標(biāo)，非財(cái)務(wù)類(lèi)指標(biāo)根據(jù)新能源行業(yè)自身生產(chǎn)經(jīng)營(yíng)特點(diǎn)選取，包括創(chuàng)新能力和政府補(bǔ)助2個(gè)指標(biāo)。綜上，本文共確定了17個(gè)指標(biāo)，具體指標(biāo)見(jiàn)表1。（表1）

（二）模型構(gòu)建

1、基于熵權(quán)法確定權(quán)重

（1）構(gòu)建評(píng)價(jià)矩陣。設(shè)有m個(gè)指標(biāo)，n個(gè)評(píng)價(jià)對(duì)象，形成原始數(shù)據(jù)評(píng)價(jià)矩陣R=（rij）m×n：

（2）數(shù)據(jù)標(biāo)準(zhǔn)化。由于原始數(shù)據(jù)的量綱、量綱單位以及指標(biāo)的正負(fù)取向均有差異，為了讓數(shù)據(jù)之間具有可比性，需要分別對(duì)效益型指標(biāo)和成本型指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。其中效益型指標(biāo)是數(shù)據(jù)越大越好的指標(biāo)，成本型指標(biāo)是數(shù)值越小越好的指標(biāo)。

Ci為各個(gè)評(píng)價(jià)對(duì)象的綜合得分，Ci數(shù)值接近于1，說(shuō)明其得分越高，即該評(píng)價(jià)對(duì)象的財(cái)務(wù)風(fēng)險(xiǎn)在同行業(yè)中越低，企業(yè)的財(cái)務(wù)績(jī)效越高;相反，Ci數(shù)值接近于0，說(shuō)明其得分越低，即該評(píng)價(jià)對(duì)象的財(cái)務(wù)風(fēng)險(xiǎn)在同行業(yè)中越高，企業(yè)的財(cái)務(wù)績(jī)效越低。

三、我國(guó)新能源行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)實(shí)證分析

截止至2019年3月，我國(guó)滬深交易所新能源行業(yè)A股上市公司共有148家（參考東方財(cái)富Choice金融終端數(shù)據(jù)庫(kù)），本文在剔除了其中財(cái)務(wù)數(shù)據(jù)不全的20家上市公司后，選取了剩余共128家新能源行業(yè)上市公司的2017年財(cái)務(wù)數(shù)據(jù)，運(yùn)用熵權(quán)法計(jì)算出所選指標(biāo)的權(quán)重。然后從這128家上市公司中選取了10家新能源相關(guān)業(yè)務(wù)收入占比較大的新能源行業(yè)代表性企業(yè)作為評(píng)價(jià)對(duì)象，通過(guò)TOPSIS模型對(duì)這10家樣本公司進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的實(shí)證分析。（表2）

（一）計(jì)算各指標(biāo)的熵值與熵權(quán)。由表3可以看出，營(yíng)運(yùn)能力和償債能力指標(biāo)所占權(quán)重分別為33.30%和24.37%，兩者所占權(quán)重之和大于50%，然后是發(fā)展能力指標(biāo)，所占權(quán)重為16.72%，最后是政府補(bǔ)助、創(chuàng)新能力和盈利能力指標(biāo)，所占權(quán)重分別為11.83%、9.91%和3.87%。由此可看出，六項(xiàng)一級(jí)指標(biāo)中，營(yíng)運(yùn)能力、償債能力及發(fā)展能力指標(biāo)對(duì)于新能源行業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)影響程度最高，因此，對(duì)于新能源行業(yè)企業(yè)而言，這三項(xiàng)指標(biāo)是在進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)監(jiān)控過(guò)程中需要警惕的首要指標(biāo)。在二級(jí)指標(biāo)體系中，償債能力中的現(xiàn)金比率指標(biāo)、營(yíng)運(yùn)能力中的存貨周轉(zhuǎn)率指標(biāo)、盈利能力中的成本費(fèi)用率指標(biāo)和發(fā)展能力中的營(yíng)業(yè)收入同比增長(zhǎng)率指標(biāo)分別是四大能力中所占權(quán)重最大的指標(biāo)，因此這四項(xiàng)指標(biāo)是首應(yīng)警惕的二級(jí)財(cái)務(wù)指標(biāo)。（表3）

（二）理想解與負(fù)理想解。本文從128家上市公司中選取了10家公司作為樣本進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)分析，運(yùn)用MATLAB將這10家公司的17項(xiàng)指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，并結(jié)合上文確定的各項(xiàng)風(fēng)險(xiǎn)指標(biāo)的權(quán)重得到加權(quán)標(biāo)準(zhǔn)化決策矩陣，根據(jù)指標(biāo)分類(lèi)計(jì)算各個(gè)評(píng)價(jià)指標(biāo)下的最大值或最小值，進(jìn)而得到各個(gè)指標(biāo)的理想解與負(fù)理想解。（表4）

（三）歐式距離與相對(duì)貼近度。利用MATLAB得到10家上市公司指標(biāo)數(shù)據(jù)與各指標(biāo)理想解、負(fù)理想解之間的歐式距離和相對(duì)貼近度。評(píng)價(jià)對(duì)象的相對(duì)貼近度越大，表示其與理想解之間的距離越小，與負(fù)理想解之間的距離越大，其財(cái)務(wù)風(fēng)險(xiǎn)程度越低;相對(duì)貼近度越小，表示其理想解之間的距離越大，與負(fù)理想解之間的距離越小，其財(cái)務(wù)風(fēng)險(xiǎn)程度越高。（表5）

（四）評(píng)價(jià)結(jié)果分析

1、償債能力指標(biāo)的評(píng)價(jià)分析。計(jì)算10家樣本公司償債能力指標(biāo)的加權(quán)標(biāo)準(zhǔn)化決策矩陣與償債能力指標(biāo)的理想解、負(fù)理想解之間的相對(duì)貼近度，結(jié)果如表6所示?？梢钥闯?，10家新能源行業(yè)上市公司的償債能力相對(duì)貼近度排名依次為龍馬環(huán)衛(wèi)、國(guó)軒高科、橫店?yáng)|磁、中國(guó)寶安、銀星能源、先導(dǎo)智能、明陽(yáng)智能、比亞迪、天原集團(tuán)、吉電股份。其中龍馬環(huán)衛(wèi)的相對(duì)貼近度為0.8310，在10家樣本公司中排名第一，說(shuō)明其償債能力在這10家公司中是最強(qiáng)的;吉電股份的相對(duì)貼近度為0.0103，在10家樣本公司中排名最后，說(shuō)明其償債能力在這10家公司中相對(duì)較弱。（表6）

2、營(yíng)運(yùn)能力指標(biāo)的評(píng)價(jià)分析。10家樣本公司的營(yíng)運(yùn)能力相對(duì)貼近度如表7所示?？梢钥闯?，10家新能源行業(yè)上市公司的營(yíng)運(yùn)能力相對(duì)貼近度排名依次為天原集團(tuán)、吉電股份、橫店?yáng)|磁、龍馬環(huán)衛(wèi)、比亞迪、先導(dǎo)智能、國(guó)軒高科、中國(guó)寶安、銀星能源、明陽(yáng)智能。其中，天原集團(tuán)的相對(duì)貼近度為0.7569，在10家樣本公司中排名第一，說(shuō)明其營(yíng)運(yùn)能力在這10家公司中是最強(qiáng)的;明陽(yáng)智能的相對(duì)貼近度為0.0698，在10家樣本公司中排名最后，說(shuō)明其營(yíng)運(yùn)能力在這10家公司中是相對(duì)較弱的。（表7）

3、盈利能力指標(biāo)的評(píng)價(jià)分析。10家樣本公司的盈利能力相對(duì)貼近度如表8所示?？梢钥闯?，10家新能源行業(yè)上市公司的盈利能力相對(duì)貼近度排名依次為先導(dǎo)智能、國(guó)軒高科、橫店?yáng)|磁、龍馬環(huán)衛(wèi)、比亞迪、明陽(yáng)智能、中國(guó)寶安、天原集團(tuán)、吉電股份、銀星能源。其中先導(dǎo)智能的相對(duì)貼近度為1.0000，在10家樣本公司中排名第一，說(shuō)明其盈利能力在這10家公司中是最強(qiáng)的;銀星能源的相對(duì)貼近度為0.0000，在10家樣本公司中排名最后，說(shuō)明其盈利能力在這10家公司中相對(duì)較弱。（表8）

4、發(fā)展能力指標(biāo)的評(píng)價(jià)分析。10家樣本公司的發(fā)展能力相對(duì)貼近度如表9所示?？梢钥闯?，10家新能源行業(yè)上市公司的發(fā)展能力相對(duì)貼近度排名依次為先導(dǎo)智能、國(guó)軒高科、橫店?yáng)|磁、龍馬環(huán)衛(wèi)、中國(guó)寶安、吉電股份、比亞迪、天原集團(tuán)、明陽(yáng)智能、銀星能源。其中先導(dǎo)智能的相對(duì)貼近度為0.9707，在10家樣本公司中排名第一，說(shuō)明其發(fā)展能力在這10家公司中是最強(qiáng)的;銀星能源的相對(duì)貼近度為0.2165，在10家樣本公司中排名最后，說(shuō)明其發(fā)展能力在這10家公司中是相對(duì)較弱的。（表9）

5、創(chuàng)新能力指標(biāo)的評(píng)價(jià)分析。10家樣本公司的創(chuàng)新能力相對(duì)貼近度如表10所示?？梢钥闯?，10家新能源行業(yè)上市公司的創(chuàng)新能力相對(duì)貼近度排名依次為國(guó)軒高科、比亞迪、明陽(yáng)智能、先導(dǎo)智能、橫店?yáng)|磁、中國(guó)寶安、龍馬環(huán)衛(wèi)、天原集團(tuán)、銀星能源、吉電股份。其中國(guó)軒高科的相對(duì)貼近度為1.0000，在10家樣本公司中排名第一，說(shuō)明其創(chuàng)新能力在這10家公司中是最強(qiáng)的;吉電股份的相對(duì)貼近度為0.0000，在10家樣本公司中排名最后，說(shuō)明其創(chuàng)新能力在這10家公司中相對(duì)較弱。（表10）

6、政府補(bǔ)助程度的評(píng)價(jià)分析。10家樣本公司的政府補(bǔ)助程度相對(duì)貼近度如表11所示?？梢钥闯?，10家新能源行業(yè)上市公司的政府補(bǔ)助程度相對(duì)貼近度排名依次為國(guó)軒高科、明陽(yáng)智能、中國(guó)寶安、銀星能源、比亞迪、先導(dǎo)智能、橫店?yáng)|磁、吉電股份、天原集團(tuán)、龍馬環(huán)衛(wèi)。其中國(guó)軒高科的相對(duì)貼近度為1.0000，在10家樣本公司中排名第一，說(shuō)明其政府補(bǔ)助程度在這10家公司中是最強(qiáng)的;龍馬環(huán)衛(wèi)的相對(duì)貼近度為0.0000，在10家樣本公司中排名最后，說(shuō)明其政府補(bǔ)助程度在這10家公司中相對(duì)較弱。（表11）

7、綜合評(píng)價(jià)分析。由TOPSIS模型計(jì)算得到10家樣本公司的相對(duì)貼近度排序，如表5所示?？梢钥闯?，10家新能源行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)從小到大排序依次為國(guó)軒高科、天原集團(tuán)、橫店?yáng)|磁、龍馬環(huán)衛(wèi)、先導(dǎo)智能、吉電股份、比亞迪、明陽(yáng)智能、中國(guó)寶安、銀星能源。其中，國(guó)軒高科的相對(duì)貼近度最高，為0.4880，其距離理想解最近，為0.1983，距離負(fù)理想解最遠(yuǎn)，為0.1890，說(shuō)明其財(cái)務(wù)風(fēng)險(xiǎn)在10家樣本公司中最小。銀星能源的相對(duì)貼近度最低，為0.1894，其距離理想解最遠(yuǎn)，為0.2630，距離負(fù)理想解最近，為0.0615，說(shuō)明其財(cái)務(wù)風(fēng)險(xiǎn)在10家樣本公司中最大。

（五）模型驗(yàn)證。為了直觀地驗(yàn)證熵權(quán)TOPSIS模型評(píng)價(jià)結(jié)果的合理性，本文選取了樣本公司2017年部分財(cái)務(wù)指標(biāo)數(shù)據(jù)及非財(cái)務(wù)指標(biāo)數(shù)據(jù)進(jìn)行分析，財(cái)務(wù)指標(biāo)數(shù)據(jù)主要包括四項(xiàng)一級(jí)能力指標(biāo)中所占權(quán)重相對(duì)較大的六項(xiàng)二級(jí)指標(biāo)，如表12所示。（表12）

國(guó)軒高科的現(xiàn)金比率和現(xiàn)金凈流量同比增長(zhǎng)率在10家樣本公司中均處于最優(yōu)水平，并且這兩項(xiàng)指標(biāo)分別代表的償債能力和發(fā)展能力所占權(quán)重之和為41.09%，在一定程度上說(shuō)明了國(guó)軒高科較高的財(cái)務(wù)安全度，雖然其代表所占權(quán)重最大的營(yíng)運(yùn)能力的存貨周轉(zhuǎn)率指標(biāo)在10家公司中不占優(yōu)勢(shì)，但綜合考慮其相對(duì)財(cái)務(wù)安全度最高的研發(fā)投入程度、政府補(bǔ)助程度和較高的成本費(fèi)用利潤(rùn)率所代表的盈利能力，基本決定了國(guó)軒高科在10家樣本公司財(cái)務(wù)安全度排名中的絕對(duì)優(yōu)勢(shì)，這與模型所做出的風(fēng)險(xiǎn)程度最低的結(jié)果一致。和國(guó)軒高科相反，銀星能源代表營(yíng)運(yùn)能力的應(yīng)收賬款周轉(zhuǎn)率指標(biāo)和代表償債能力的現(xiàn)金比率指標(biāo)基本均處于10家樣本公司中的最低水平，這兩項(xiàng)能力所占權(quán)重之和為57.67%，基本可以決定其財(cái)務(wù)安全度排名的絕對(duì)劣勢(shì)。同時(shí)，由表12可看出，其營(yíng)業(yè)收入同比增長(zhǎng)率所代表的發(fā)展能力也處于10家樣本公司的最低水平，而這項(xiàng)能力所占權(quán)重為16.72%。綜上可知，利用熵權(quán)TOPSIS模型進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)綜合評(píng)價(jià)的結(jié)果較為合理可靠，具有較高的實(shí)踐價(jià)值。

四、結(jié)論及建議

（一）結(jié)論。新能源行業(yè)具有高投入、高風(fēng)險(xiǎn)及回收周期長(zhǎng)等行業(yè)特點(diǎn)，公司的財(cái)務(wù)風(fēng)險(xiǎn)會(huì)受到生產(chǎn)經(jīng)營(yíng)過(guò)程中各種因素的影響，最終體現(xiàn)在反應(yīng)公司績(jī)效的各種指標(biāo)中。本文運(yùn)用熵權(quán)TOPSIS法對(duì)新能源行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行了綜合評(píng)價(jià)分析，首先，通過(guò)熵權(quán)法對(duì)償債能力、營(yíng)運(yùn)能力、盈利能力、發(fā)展能力、創(chuàng)新能力和政府補(bǔ)助程度六個(gè)方面共17個(gè)指標(biāo)進(jìn)行客觀賦值，發(fā)現(xiàn)營(yíng)運(yùn)能力是影響新能源行業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)的最重要因素，其次為償債能力和發(fā)展能力，最后是政府補(bǔ)助程度、創(chuàng)新能力和盈利能力。其次，運(yùn)用TOPSIS法分別從六個(gè)方面對(duì)10家樣本公司排序并進(jìn)行綜合評(píng)價(jià)分析。最后，通過(guò)樣本公司的財(cái)務(wù)指標(biāo)數(shù)據(jù)驗(yàn)證了熵權(quán)TOPSIS模型的合理性與可推廣性，為新能源行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)提供了一種新思路。

（二）建議

1、積極提高新能源行業(yè)的整體營(yíng)運(yùn)能力。熵權(quán)法研究結(jié)果表明營(yíng)運(yùn)能力是新能源行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)最重要的影響因素，由于新能源行業(yè)屬于高新技術(shù)行業(yè)，其從投入研發(fā)成本、進(jìn)行研發(fā)、測(cè)試等一系列前期活動(dòng)到產(chǎn)品進(jìn)入市場(chǎng)進(jìn)行銷(xiāo)售，每一個(gè)環(huán)節(jié)都需要企業(yè)投入大量的人力物力財(cái)力成本，并且這之間往往存在著較長(zhǎng)的周期，因此企業(yè)面臨著嚴(yán)峻的資金周轉(zhuǎn)問(wèn)題。為此，新能源行業(yè)必須盡快優(yōu)化產(chǎn)品結(jié)構(gòu)，調(diào)整銷(xiāo)售戰(zhàn)略，把控核心技術(shù)以提高成本優(yōu)勢(shì)。

2、建立完善的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)體系與預(yù)警模型。企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)隱藏在生產(chǎn)經(jīng)營(yíng)的方方面面，隨著企業(yè)所處成長(zhǎng)階段的不斷變化，影響財(cái)務(wù)風(fēng)險(xiǎn)的指標(biāo)也會(huì)有所差異，因此企業(yè)應(yīng)定期對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的度量指標(biāo)進(jìn)行評(píng)價(jià)，不斷完善每一周期的評(píng)價(jià)指標(biāo)體系，確定重點(diǎn)關(guān)注的指標(biāo)，數(shù)據(jù)異常時(shí)立刻采取措施進(jìn)行調(diào)控，及時(shí)溝通與反饋出現(xiàn)的問(wèn)題，將財(cái)務(wù)風(fēng)險(xiǎn)擴(kuò)大化的可能性降到最低。

主要參考文獻(xiàn)：

[1]James A.Ohlson.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980.18（1）.

[2]Odom Sharda.A Neural Network Model for Bankruptcy Prediction[J].International Joined Conference on Neural Networks，1990.2（9）.

[3]趙騰，楊世忠.熵權(quán)TOPSIS法在企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用——以酒鬼酒公司為例[J].財(cái)會(huì)月刊，2019（3）.

[4]謝阿紅，薛倩玉，朱家明.基于熵權(quán)-TOPSIS法對(duì)醫(yī)療器械類(lèi)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的實(shí)證研究[J].高師理科學(xué)刊，2019.39（2）.

[5]楊丹丹.基于熵權(quán)-TOPSIS法的礦業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)[D].中國(guó)地質(zhì)大學(xué)（北京），2018.

[6]王娜.我國(guó)新能源上市公司財(cái)務(wù)風(fēng)險(xiǎn)度量研究[D].西南石油大學(xué)，2017.

[7]張文晶.基于DEA模型的我國(guó)新能源上市公司財(cái)務(wù)績(jī)效評(píng)價(jià)研究[D].華東交通大學(xué)，2017.

[8]王慶華，楊杏.基于多分類(lèi)Logistic回歸模型的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)影響因素探析[J].財(cái)會(huì)月刊，2015（18）.

[9]李麗君，司夢(mèng)倓，竺保嬌.基于多級(jí)模糊綜合評(píng)價(jià)法的制造企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估[J].財(cái)會(huì)通訊，2016（8）.

[10]尹夏楠，鮑新中.基于熵權(quán)TOPSIS方法的高新技術(shù)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)——以生物制造行業(yè)為例[J].會(huì)計(jì)之友，2017（4）.