崔笛

摘 要：2021年是中國“十四五”規(guī)劃的開局之年，我國經(jīng)濟(jì)發(fā)展進(jìn)入全新階段，但依然存在產(chǎn)能過剩、收益縮減等多方面問題，因此就需深入分析行業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型以減少損失。本文以A企業(yè)為例，運(yùn)用熵值法和功效系數(shù)法構(gòu)造財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，對A企業(yè)2020年的相關(guān)指標(biāo)進(jìn)行風(fēng)險(xiǎn)預(yù)警，實(shí)證結(jié)果表明預(yù)警結(jié)果與企業(yè)實(shí)際相符，從側(cè)面證明用此方法構(gòu)建預(yù)警模型是科學(xué)有效的。

關(guān)鍵詞：風(fēng)險(xiǎn)預(yù)警;財(cái)務(wù)風(fēng)險(xiǎn);熵值法

一、引言

2021年中國經(jīng)濟(jì)繼續(xù)保持穩(wěn)中向好的基本趨勢，全球經(jīng)濟(jì)回暖疊加進(jìn)口關(guān)稅調(diào)整，這既是機(jī)會也是挑戰(zhàn)，因此在企業(yè)面臨財(cái)務(wù)危機(jī)之前，結(jié)合行業(yè)發(fā)展特點(diǎn)和企業(yè)自身情況，提前對潛在的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)警和控制，對促進(jìn)企業(yè)高質(zhì)量發(fā)展具有重要的作用。

國內(nèi)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究已趨于成熟，主要是通過定量的方法來構(gòu)建預(yù)警模型。李長山等（2018）運(yùn)用Logistic回歸法識別制造業(yè)的財(cái)務(wù)風(fēng)險(xiǎn);王俞雯等將BP神經(jīng)網(wǎng)絡(luò)模型運(yùn)用于中小企業(yè)的風(fēng)險(xiǎn)預(yù)警;劉澄等運(yùn)用熵值法與決策樹結(jié)合的方法判斷制造業(yè)上市公司是否會陷入財(cái)務(wù)危機(jī);侯旭華等（2019）將熵值法與功效系數(shù)法結(jié)合應(yīng)用于保險(xiǎn)業(yè)的財(cái)務(wù)預(yù)警等。

然而目前的研究主要是針對行業(yè)的橫向研究，針對具體企業(yè)的風(fēng)險(xiǎn)預(yù)警研究較少，用預(yù)測的行業(yè)風(fēng)險(xiǎn)預(yù)判具體企業(yè)風(fēng)險(xiǎn)會使準(zhǔn)確性降低且適用性不強(qiáng)，而且熵值法與功效系數(shù)法相較于其他賦權(quán)評價(jià)方法更科學(xué)。所以本文基于定量方法為A企業(yè)構(gòu)建有針對性的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，為企業(yè)采取預(yù)防措施提供具體依據(jù)。

二、基于熵值法和功效系數(shù)法的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型

1.熵值法

熵值法是一種客觀賦權(quán)的方法，有效地避免了人為主觀性。熵值法的熵越大說明該指標(biāo)權(quán)重越小，對風(fēng)險(xiǎn)預(yù)警的影響程度越弱，反之亦然。相關(guān)步驟如下：

（1） 數(shù)據(jù)的標(biāo)準(zhǔn)化處理，為消除變量間的量綱關(guān)系，從而使數(shù)據(jù)具有可比性

若指標(biāo)為正向指標(biāo)，處理公式一為：

若指標(biāo)為負(fù)向指標(biāo)，將其轉(zhuǎn)化為正向指標(biāo)的公式二為：

若指標(biāo)為適度指標(biāo)，將其轉(zhuǎn)化為正向指標(biāo)的公式三為：，其中A為最佳取值。

（2） 消除零和負(fù)值，整體平移盡可能小的單位，處理公式四為：

（3） 數(shù)據(jù)的歸一化處理，處理公式五為：

（4） 計(jì)算財(cái)務(wù)指標(biāo)的熵，處理公式六為：

（5） 計(jì)算財(cái)務(wù)指標(biāo)的差異性系數(shù)，處理公式七為：

（6） 計(jì)算財(cái)務(wù)指標(biāo)的權(quán)重，處理公式八為：

2.功效系數(shù)法

功效系數(shù)法可綜合反映個(gè)體多個(gè)方面的指標(biāo)評分，更具有全面性并且對每項(xiàng)指標(biāo)可單獨(dú)打分，提高了預(yù)警結(jié)果的準(zhǔn)確度。

功效系數(shù)法具體運(yùn)用下列公式：

標(biāo)準(zhǔn)值是指標(biāo)實(shí)際值所在區(qū)間下限

本檔基礎(chǔ)分=權(quán)重*標(biāo)準(zhǔn)系數(shù)

上檔基礎(chǔ)分=權(quán)重*上檔的標(biāo)準(zhǔn)系數(shù)

功效系數(shù)=（實(shí)際值-本檔標(biāo)準(zhǔn)值）/（上檔標(biāo)準(zhǔn)值-本檔標(biāo)準(zhǔn)值）

調(diào)整分=功效系數(shù)*（上檔基礎(chǔ)分-本檔基礎(chǔ)分）

單項(xiàng)指標(biāo)得分=本檔基礎(chǔ)分+調(diào)整分

三、A企業(yè)財(cái)務(wù)狀況

1.A企業(yè)簡介

A企業(yè)1997年成立于河北省石家莊，主營業(yè)務(wù)是黑色金屬冶煉及壓延加工等。作為國內(nèi)最大鋼鐵上市公司之一，經(jīng)過不斷地技術(shù)改造和產(chǎn)業(yè)升級，生產(chǎn)技術(shù)已處于世界領(lǐng)先水平，但其資產(chǎn)結(jié)構(gòu)配置較差、利潤下降等問題也日益突出。

2021年A企業(yè)充分認(rèn)識到國際貿(mào)易風(fēng)險(xiǎn)防控的嚴(yán)峻性和復(fù)雜性，從提升自我防護(hù)能力、預(yù)知預(yù)警能力等方面強(qiáng)化風(fēng)險(xiǎn)控制，全面提升企業(yè)的整體風(fēng)險(xiǎn)防控水平。因此為A企業(yè)構(gòu)建預(yù)警模型符合企業(yè)需求以及行業(yè)發(fā)展趨勢要求。

2.A企業(yè)財(cái)務(wù)狀況分析

（1） 償債能力分析

①短期償債能力分析

2015年-2019年A企業(yè)營運(yùn)資本一直為負(fù)，2019年達(dá)到了-673.4億元，表明企業(yè)現(xiàn)金流枯竭，短期償債能力持續(xù)減弱，償債風(fēng)險(xiǎn)較大。企業(yè)以短期借款為主要融資手段，需在較短時(shí)間內(nèi)償還本金利息，一旦鋼材價(jià)格下降或者銷量不佳，極易造成資金鏈斷裂且企業(yè)流動比率穩(wěn)步上升但數(shù)值遠(yuǎn)小于2，說明資金回籠慢，同時(shí)速動比率呈上升趨勢但遠(yuǎn)小于1，說明企業(yè)現(xiàn)有資金無法償還緊急債務(wù)，短期償債能力有很大提升空間。

②長期償債能力分析

企業(yè)資產(chǎn)負(fù)債率應(yīng)維持50%左右，但A企業(yè)均超過70%，處于不合理水平，表明企業(yè)過度利用財(cái)務(wù)杠桿獲利且傾向負(fù)債融資，過高的負(fù)債率使資金鏈易斷裂。同時(shí)資產(chǎn)負(fù)債率遠(yuǎn)高于行業(yè)均值，2019年更是超出13.24%，一定程度上限制公司擴(kuò)張且影響企業(yè)的信用評級和再融資，甚至?xí)a(chǎn)生破產(chǎn)危機(jī)。

（2） 盈利能力分析

營業(yè)利潤率與凈資產(chǎn)收益率呈上升趨勢，但2019年下降了1.46%、3.34%，這可能是由于2019年鋼鐵業(yè)供給側(cè)結(jié)構(gòu)性改革帶來的行業(yè)高供給等壓力顯現(xiàn)使市場價(jià)格下跌且鐵礦石價(jià)格大幅上漲侵蝕了企業(yè)利潤。同時(shí)企業(yè)銷售利潤率和凈資產(chǎn)收益率處于較低水平，說明企業(yè)盈利水平下降?？傎Y產(chǎn)收益率持續(xù)上升但在2019年下降了0.87%，說明企業(yè)應(yīng)對市場變化的能力有待提高，存在一定盈利風(fēng)險(xiǎn)。

（3） 營運(yùn)能力分析

存貨周轉(zhuǎn)率呈上升趨勢表明企業(yè)存貨占比下降，變現(xiàn)能力提高，但仍低于行業(yè)均值。應(yīng)收賬款周轉(zhuǎn)率上升但在2018年有所回落說明企業(yè)回收應(yīng)收賬款的速度不快，壞賬損失增加，存在資金周轉(zhuǎn)困難。總資產(chǎn)周轉(zhuǎn)率呈上升趨勢但2019年下降了8.2%且距行業(yè)均值有較大的差距說明企業(yè)資產(chǎn)經(jīng)營質(zhì)量不佳，資產(chǎn)利用率低且遇到財(cái)務(wù)危機(jī)時(shí)，相較于行業(yè)內(nèi)其他企業(yè)存在較大的營運(yùn)資金管理風(fēng)險(xiǎn)。

（4） 發(fā)展能力分析

總資產(chǎn)增長率在2019年大幅下降，但總體上資產(chǎn)是不斷增長的，說明公司成長速度有所減緩。營業(yè)收入一直呈負(fù)增長，說明主營業(yè)務(wù)經(jīng)營不佳，有很大的上升空間。營業(yè)利潤在2016年-2018年總體呈波動上升趨勢且2019年暴跌說明公司經(jīng)營狀況不穩(wěn)定，財(cái)務(wù)狀況存在問題，發(fā)展前景不明朗。

四、財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建——以A企業(yè)為例

1.初選指標(biāo)

根據(jù)前文對A企業(yè)財(cái)務(wù)狀況的分析，為全面反映企業(yè)的實(shí)際情況，本文將從償債能力、盈利能力、營運(yùn)能力、發(fā)展能力四個(gè)方面選擇15項(xiàng)指標(biāo)構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系，具體如下并依次編號X1-X15：速動比率、流動比率、資產(chǎn)負(fù)債率、現(xiàn)金流動負(fù)債比率、凈資產(chǎn)收益率、營業(yè)利潤率、成本費(fèi)用利潤率、總資產(chǎn)收益率、流動資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、總資產(chǎn)增長率、營業(yè)收入增長率、營業(yè)利潤增長率。

2.熵值法確定權(quán)重

（1） 指標(biāo)歸一化處理

初選指標(biāo)中，除償債能力指標(biāo)為適度指標(biāo)，其他均為正向指標(biāo)。按公式一和三對指標(biāo)進(jìn)行無綱化處理，公式四對標(biāo)準(zhǔn)化數(shù)據(jù)進(jìn)行非負(fù)化處理，公式五進(jìn)行歸一化處理。

（2） 確定熵值及權(quán)重

將歸一化處理后的數(shù)據(jù)代入公式六至八得各項(xiàng)指標(biāo)的熵值、差異性系數(shù)及權(quán)重。

3.篩選指標(biāo)

在構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型時(shí)，為準(zhǔn)確判斷企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，會盡可能多地選擇財(cái)務(wù)指標(biāo)。這可能會造成指標(biāo)間存在重復(fù)信息，導(dǎo)致預(yù)警模型出現(xiàn)估計(jì)不準(zhǔn)等問題。為解決指標(biāo)冗余等問題，需按如下步驟篩選指標(biāo)：

第一，利用Stata軟件對初選指標(biāo)進(jìn)行相關(guān)性分析。

第二，若相關(guān)性系數(shù)絕對值大于0.9，則選擇權(quán)重較大的指標(biāo)。

第三，若相關(guān)性系數(shù)絕對值小于0.9，則選擇權(quán)重大于該類權(quán)重均值的指標(biāo)。

以償債能力為例：X1與X2的相關(guān)性系數(shù)為-0.936，兩指標(biāo)高度相關(guān)，選擇權(quán)重較大的X2，且X3與X4均小于該類指標(biāo)的權(quán)重均值，所以A企業(yè)最終選取資產(chǎn)負(fù)債率。

其他三類指標(biāo)也按上述方式處理，確定A企業(yè)預(yù)警模型指標(biāo)如下。

4.確定財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)標(biāo)準(zhǔn)值及等級劃分

《企業(yè)績效評價(jià)標(biāo)準(zhǔn)值》是按上年度各行業(yè)的客觀情況編制而成的，具有一定的科學(xué)性與權(quán)威性。因此本文以此為參考，將公司財(cái)務(wù)指標(biāo)劃分為 5 個(gè)檔次。根據(jù)功效系數(shù)法計(jì)算分析系數(shù)后，參照等級劃分表得出企業(yè)預(yù)警等級。

五、財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的有效性檢驗(yàn)——以A企業(yè)為例

首先將A企業(yè)2020年的預(yù)警指標(biāo)數(shù)據(jù)代入已構(gòu)建好的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。再根據(jù)功效系數(shù)法，計(jì)算各指標(biāo)的得分并以此確定所屬預(yù)警等級。最后與企業(yè)實(shí)際進(jìn)行比較，若情況相符，則表明構(gòu)建的預(yù)警模型有效。

1.計(jì)算預(yù)警指標(biāo)得分

將A企業(yè)2020年財(cái)務(wù)預(yù)警指標(biāo)數(shù)據(jù)代入公式，計(jì)算單項(xiàng)得分及綜合得分。

2.計(jì)算分析系數(shù)

計(jì)算A企業(yè)分析系數(shù)并按表9分析企業(yè)風(fēng)險(xiǎn)預(yù)警等級。

3.財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型有效性分析

A企業(yè)2020年財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)系數(shù)是0.501屬中警范圍，償債能力評價(jià)系數(shù)是0.32屬重警范圍，其中資產(chǎn)負(fù)債率屬重警范圍且對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的影響最大，說明企業(yè)以負(fù)債融資為主導(dǎo)致到期償還債務(wù)的風(fēng)險(xiǎn)較大;盈利能力評價(jià)系數(shù)是0.57屬中警范圍，其中總資產(chǎn)收益率屬中警范圍，可能是因?yàn)?020年鋼鐵行業(yè)利潤減少且企業(yè)適應(yīng)市場能力差;營運(yùn)能力評價(jià)系數(shù)是0.57屬中警范圍，其中存貨周轉(zhuǎn)率存在較大風(fēng)險(xiǎn)，企業(yè)存貨管理質(zhì)量差且利用效率低;發(fā)展能力評價(jià)系數(shù)是0.5屬中警范圍，其中總資產(chǎn)增長率無風(fēng)險(xiǎn)，說明其擴(kuò)大規(guī)模的速度較快，營業(yè)利潤增長率暴跌屬巨警范圍，兩指標(biāo)相差較大說明A企業(yè)的發(fā)展前景不明朗。

查看《2020年財(cái)務(wù)報(bào)告》和《2020年受托管理事務(wù)報(bào)告》可知2020年受全球經(jīng)濟(jì)增長放緩和中美貿(mào)易摩擦影響，國內(nèi)鋼鐵行業(yè)挑戰(zhàn)艱巨。A企業(yè)產(chǎn)線效率大幅提升，鋼鐵產(chǎn)量實(shí)現(xiàn)歷史性進(jìn)步，但受退城搬遷和新冠疫情影響，公司盈利水平較上年同期大幅下降，最近一年審計(jì)報(bào)告也顯示公司持續(xù)經(jīng)營能力存在不確定性，且公司資產(chǎn)負(fù)債率一直較高，信貸政策調(diào)整將引起利息費(fèi)用波動，影響經(jīng)營業(yè)績。

綜上，預(yù)警結(jié)果與企業(yè)實(shí)際情況有較強(qiáng)關(guān)聯(lián)性，說明本文構(gòu)建的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型具有有效性。

六、結(jié)論

在預(yù)判企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)時(shí)發(fā)現(xiàn)，資產(chǎn)負(fù)債率對A企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)把控至關(guān)重要，企業(yè)應(yīng)控制償債風(fēng)險(xiǎn)并根據(jù)經(jīng)營情況為企業(yè)設(shè)置合理的資產(chǎn)負(fù)債率，達(dá)到為企業(yè)帶來利益的同時(shí)保持較好的償債能力。

本文通過對財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的驗(yàn)證可知，A企業(yè)2020年預(yù)警結(jié)果與實(shí)際情況相符，說明熵值法與功效系數(shù)法結(jié)合能客觀反映企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，該方法具有可借鑒作用且模型可靠，可通過該模型知道企業(yè)是否會陷入財(cái)務(wù)困境，從而提升防護(hù)能力。

參考文獻(xiàn)：

[1]侯旭華，彭娟.基于熵值法和功效系數(shù)法的互聯(lián)網(wǎng)保險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究[J].財(cái)經(jīng)理論與實(shí)踐，2019（05）：40-46.

[2]黃盈盈，賀美蘭.有色金屬上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型及應(yīng)用——以J銅業(yè)公司為例[J].中國注冊會計(jì)師，2021（06）：102-105.

[3]李欣穎.D 啤酒公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系優(yōu)化研究[J].江蘇商論，2021（04）：90-93.

[4]李大偉.基于熵值法和功效系數(shù)法的縱向緊密型醫(yī)療聯(lián)合體績效評價(jià)實(shí)證[J].中國衛(wèi)生事業(yè)管理，2021（10）：111-114.

[5]王曼麗，方海清，陶紅兵.基于層次分析和熵值法的電力用戶信用綜合評價(jià)模型研究[J].云南大學(xué)學(xué)報(bào)，2019（10）：721-729

[6]楊捷.飼料企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)模型構(gòu)建與識別[J].飼料研究，2020（S2）：13-17.

[7]李長山.基于Logistic回歸法的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型構(gòu)建[J].統(tǒng)計(jì)與決策，2018（06）：185-188.

[8]沈雨婷.中國地方政府債務(wù)風(fēng)險(xiǎn)預(yù)警體系研究——基于層次分析法與熵值法分析[J].當(dāng)代財(cái)經(jīng)，2019（06）：34-46.