孫樹壘 王亞東 張正勇

企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)是指企業(yè)在特定時(shí)期內(nèi)財(cái)務(wù)狀況不佳，面臨資金短缺問題，無法進(jìn)行財(cái)務(wù)支付。對(duì)財(cái)務(wù)狀況的深刻洞見，對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的敏銳感知，是企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管理的首要前提。本文針對(duì)財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)難以全面刻畫企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，不能完全反映企業(yè)之間差異的缺陷等問題，借鑒行為TOPSIS方法的思路，引入資本資產(chǎn)定價(jià)模型（CAPM）中的貝塔(Beta)系數(shù)對(duì)TOPSIS財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果進(jìn)行修正，從而構(gòu)建了一種整合Beta系數(shù)的行為TOPSIS財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)方法。通過將該方法應(yīng)用于七家上市航空公司的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)，給出了經(jīng)過修正的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果，初步驗(yàn)證了方法的可行性。

一、關(guān)于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的研究和思路

企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)（financial risk），亦稱為財(cái)務(wù)危機(jī)（financial crisis）或財(cái)務(wù)困境（financial distress），是指企業(yè)在特定時(shí)期內(nèi)財(cái)務(wù)狀況不佳，面臨資金短缺問題，無法進(jìn)行財(cái)務(wù)支付。出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)而未及時(shí)采取應(yīng)對(duì)措施，財(cái)務(wù)困境會(huì)進(jìn)一步惡化，甚至導(dǎo)致企業(yè)破產(chǎn)。導(dǎo)致財(cái)務(wù)危機(jī)的原因有很多，其中一些原因是企業(yè)完全無法控制的，如當(dāng)前新冠肺炎疫情肆虐的黑天鵝事件，使得許多國(guó)家的整體經(jīng)濟(jì)突然下滑，進(jìn)而導(dǎo)致許多公司的收入大幅下降。而更多時(shí)候，企業(yè)會(huì)因?yàn)樽陨砉芾聿簧贫萑胴?cái)務(wù)困境，如過度舉債而債務(wù)資金未能很快產(chǎn)生效益，企業(yè)會(huì)陷入為償還債務(wù)而苦苦掙扎的泥沼；營(yíng)銷決策失誤也是導(dǎo)致企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的常見原因，昂貴的廣告宣傳不能真正轉(zhuǎn)化為經(jīng)濟(jì)效益會(huì)使企業(yè)陷入財(cái)務(wù)困境，上世紀(jì)90年代秦池酒廠的曇花一現(xiàn)即是典型案例；無法及時(shí)收回應(yīng)收賬款也會(huì)導(dǎo)致企業(yè)出現(xiàn)嚴(yán)重的現(xiàn)金流問題。企業(yè)為緩解財(cái)務(wù)困境而采取的常見補(bǔ)救措施包括削減成本、改善現(xiàn)金流或收入，以及通過債務(wù)重組來降低償債規(guī)模。在財(cái)務(wù)風(fēng)險(xiǎn)由無到有、由輕而重的演化過程中，越早采取措施越容易使企業(yè)轉(zhuǎn)危為安。因此，對(duì)財(cái)務(wù)狀況的深刻洞見，對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的敏銳感知，是企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管理的首要前提。

對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的評(píng)價(jià)不能僅依靠經(jīng)驗(yàn)與判斷，而應(yīng)借助不同的量化方法與工具，實(shí)現(xiàn)科學(xué)、有效、準(zhǔn)確地評(píng)價(jià)。在此方面，眾多學(xué)者做了廣泛探討與實(shí)踐應(yīng)用。單變量判斷法是最早也是最簡(jiǎn)單的方法，Beaver（1966）選取了1954-1964年158家企業(yè)進(jìn)行對(duì)比研究，其中79家為經(jīng)營(yíng)失利的企業(yè)，剩余79家為經(jīng)營(yíng)成功的企業(yè)。在選取了30項(xiàng)財(cái)務(wù)指標(biāo)進(jìn)行對(duì)比分析后，最終發(fā)現(xiàn)兩類企業(yè)在一項(xiàng)指標(biāo)上存在明顯差異，即現(xiàn)金流量和債務(wù)總額的比值，因此建議采用該指標(biāo)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)。多變量回歸模型是對(duì)單變量判斷模型片面性的重大改進(jìn)，其中，Altman（1968）選用財(cái)務(wù)管理中的五項(xiàng)指標(biāo)進(jìn)行評(píng)價(jià)分析，分別是營(yíng)運(yùn)資金/資產(chǎn)總額、保留盈余/資產(chǎn)總額、息稅前利潤(rùn)/資產(chǎn)總額、普通股市場(chǎng)價(jià)值總額/負(fù)債賬面價(jià)值總額、銷售收入/資產(chǎn)總額，通過這五項(xiàng)指標(biāo)構(gòu)建Z值多元線性判定模型，通過對(duì)Z值大小的計(jì)算來評(píng)價(jià)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)。此后產(chǎn)生的財(cái)務(wù)風(fēng)險(xiǎn)綜合評(píng)價(jià)方法被企業(yè)普遍接受并應(yīng)用在實(shí)踐中。傳統(tǒng)方法如杜邦分析法、平衡計(jì)分卡和EVA分析法等。新近方法包括：蔡艷萍和何珊(2016)從在險(xiǎn)價(jià)值(VaR)的概念出發(fā)，引入了在險(xiǎn)值的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)方法，對(duì)上市商業(yè)銀行的在險(xiǎn)盈余和在險(xiǎn)現(xiàn)金流進(jìn)行測(cè)度；Mousavi和Lin(2020)將專家系統(tǒng)PROMETHEE II應(yīng)用于企業(yè)信用風(fēng)險(xiǎn)與困境預(yù)測(cè)，利用我國(guó)滬深兩市上市公司的數(shù)據(jù)，對(duì)財(cái)務(wù)困境預(yù)測(cè)模型進(jìn)行了詳盡的比較分析；Roy和Shaw(2021)提出一種應(yīng)用理想解相似度偏好排序的混合層次分析法(AHP-TOPSIS信用評(píng)分模型)實(shí)現(xiàn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)。近年來，隨著數(shù)理統(tǒng)計(jì)和人工智能學(xué)科的發(fā)展，一些學(xué)者開始將計(jì)算機(jī)技術(shù)引入財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)中，比較典型的是BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等與財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的結(jié)合，如Sun(2015)提出一種基于熵權(quán)、支持向量機(jī)和企業(yè)垂直滑動(dòng)時(shí)間窗的財(cái)務(wù)困境動(dòng)態(tài)評(píng)估與預(yù)測(cè)方法，并以兩家上市制藥公司進(jìn)行了案例應(yīng)用；Zhou(2019)提出基于BP神經(jīng)網(wǎng)絡(luò)粒子群優(yōu)化的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)模型。

無論如何全面地選取財(cái)務(wù)風(fēng)險(xiǎn)的相關(guān)指標(biāo)，始終不能完全反映企業(yè)之間的差異，尤其難以反映是企業(yè)之間對(duì)風(fēng)險(xiǎn)的偏好程度、容忍區(qū)間及接受水平的不同。財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)的不完全性也無法保證現(xiàn)有評(píng)價(jià)方法得出的風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果的準(zhǔn)確性。單純依靠增加指標(biāo)顯然不可行，雖然計(jì)算量的增加對(duì)現(xiàn)代計(jì)算機(jī)與軟件都不會(huì)構(gòu)成負(fù)擔(dān)，但會(huì)使數(shù)據(jù)獲取成本增大，指標(biāo)間的獨(dú)立性受到干擾。本文反其道而行之，不是增加評(píng)價(jià)指標(biāo)，而是從修正評(píng)價(jià)結(jié)果入手，考慮引入反映企業(yè)差異的某個(gè)系數(shù)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果進(jìn)行適當(dāng)調(diào)整，從而使評(píng)價(jià)結(jié)果更準(zhǔn)確、更精細(xì)。

Sharpe(1964)、Linter(1965)和Mossion(1966)幾乎同時(shí)提出的資本資產(chǎn)定價(jià)模型(Capital Asset Pricing Model，CAPM)廣泛應(yīng)用于金融領(lǐng)域。Graham和Harvey(2001)指出，73%的公司使用資本資產(chǎn)定價(jià)模型來估計(jì)權(quán)益資本的成本。CAPM利用一個(gè)與公司相關(guān)的簡(jiǎn)單變量——貝塔系數(shù)(Beta，系數(shù))，使資產(chǎn)價(jià)值的確定成為可能。Beta系數(shù)是一種風(fēng)險(xiǎn)指數(shù)，代表了系統(tǒng)風(fēng)險(xiǎn)，是市場(chǎng)參與者對(duì)一家企業(yè)風(fēng)險(xiǎn)的總體評(píng)價(jià)，用以度量公司股票相對(duì)總體市場(chǎng)的波動(dòng)性。Beta值高于1表示公司股票放大了整個(gè)市場(chǎng)的回報(bào)，接近于零意味著公司股票提供了比整個(gè)市場(chǎng)更穩(wěn)定的回報(bào)，而一個(gè)負(fù)的貝塔將意味著公司股票的表現(xiàn)是反周期的。

鑒于財(cái)務(wù)綜合評(píng)價(jià)法好理解、易操作，始終是財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的主流方法，本文在常用的TOPSIS方法基礎(chǔ)上，運(yùn)用Beta系數(shù)對(duì)其評(píng)價(jià)結(jié)果進(jìn)行修正，以彌補(bǔ)選取的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)不能全面反映財(cái)務(wù)風(fēng)險(xiǎn)狀況的缺陷。具體解決思路借鑒了行為TOPSIS方法中決策者風(fēng)險(xiǎn)規(guī)避度的引入，而本文引入的Beta系數(shù)是與特定評(píng)價(jià)對(duì)象相關(guān)的，屬于企業(yè)的自身特征之一，因此，與行為TOPSIS有著本質(zhì)上的不同。以下內(nèi)容將首先構(gòu)建企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，然后提出融合Beta系數(shù)的行為TOPSIS評(píng)價(jià)方法，并進(jìn)一步以我國(guó)上市航空公司為例進(jìn)行實(shí)證分析。

二、關(guān)于財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)和融合貝塔系數(shù)的行為TOPSIS方法

（一）財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)

企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)是由多方面因素形成的，確定恰當(dāng)?shù)娘L(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)是財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的基礎(chǔ)工作。有關(guān)公司財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的現(xiàn)有文獻(xiàn)為本文提供了很好地參考，如張煌強(qiáng)(2015)選取資產(chǎn)負(fù)債率、流動(dòng)資產(chǎn)率、每股收益增長(zhǎng)率、資本固定化比率、銷售凈利率、營(yíng)業(yè)收入增長(zhǎng)率、存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、凈資產(chǎn)收益率、總資產(chǎn)利潤(rùn)率等10個(gè)具體指標(biāo)來評(píng)價(jià)8家房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)；王俊峰和吳海洋(2014)將運(yùn)營(yíng)能力、償債能力、發(fā)展能力、網(wǎng)絡(luò)運(yùn)營(yíng)能力作為一級(jí)評(píng)價(jià)指標(biāo)并具體化為14項(xiàng)二級(jí)指標(biāo)進(jìn)行B2C企業(yè)信用評(píng)價(jià)；在孫新憲和李夏琳(2019)的航空公司財(cái)務(wù)風(fēng)險(xiǎn)神經(jīng)網(wǎng)絡(luò)預(yù)警模型中，初選指標(biāo)有22個(gè)。通過梳理有關(guān)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)的相關(guān)文獻(xiàn)，本文建立如表1所示的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。該指標(biāo)體系包含償債、現(xiàn)金流、收益、發(fā)展4個(gè)一級(jí)指標(biāo)，每個(gè)一級(jí)指標(biāo)具體化為三個(gè)二級(jí)指標(biāo)，共12個(gè)二級(jí)指標(biāo)；二級(jí)指標(biāo)的計(jì)算公式見表中第三列，其中，加權(quán)平均凈資產(chǎn)收益率若涉及公司發(fā)行新股或配股時(shí)，可參考證監(jiān)會(huì)關(guān)于證券公司的信息披露編報(bào)規(guī)則，計(jì)算公式為：凈利潤(rùn)/[(期初凈資產(chǎn)＋期末凈資產(chǎn))/2+發(fā)行新股或配股新增凈資產(chǎn)(繳款結(jié)束日下一月份至報(bào)告期末月份數(shù)-6)/12]。

表1 企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系

（二）融合貝塔系數(shù)的行為TOPSIS方法

TOPSIS是逼近理想解的排序方法（Technique for Order Preference by Similarity to Ideal Solution）的英文縮略。它借助多屬性問題的理想解和負(fù)理想解對(duì)評(píng)價(jià)對(duì)象集中的各評(píng)價(jià)對(duì)象進(jìn)行評(píng)價(jià)排序。

定義多屬性決策問題的評(píng)價(jià)對(duì)象集為X={χ1,χ2,…,χm}，衡量評(píng)價(jià)對(duì)象優(yōu)劣的屬性向量為Y={y1,y2,…, yn}。評(píng)價(jià)對(duì)象集中每個(gè)評(píng)價(jià)對(duì)象xi(i=1,…,m)的n個(gè)屬性值構(gòu)成的向量 是Yi=yi1,yi2,…,yin}，它作為維空間中的一個(gè)點(diǎn)，能唯一的表征評(píng)價(jià)對(duì)象χi。m個(gè)評(píng)價(jià)對(duì)象的屬性值構(gòu)成一個(gè)m行n列的決策矩陣，或稱為屬性矩陣、屬性值表等。

理想解χ+是一個(gè)評(píng)價(jià)對(duì)象集X中并不存在的虛擬的最佳對(duì)象，它的每個(gè)屬性值都是決策矩陣中該屬性的最好的值；而負(fù)理想解χ-則是虛擬的最差對(duì)象，它的每個(gè)屬性值都是決策矩陣中該屬性的最差的值。在n維空間中，將評(píng)價(jià)對(duì)象集X中每個(gè)評(píng)價(jià)對(duì)象χi與理想解χ+和負(fù)理想解χ-的距離進(jìn)行比較，既靠近理想解又遠(yuǎn)離負(fù)理想解的評(píng)價(jià)對(duì)象就是評(píng)價(jià)對(duì)象集X中的最佳對(duì)象，并可以據(jù)此排定評(píng)價(jià)對(duì)象集X中的各評(píng)價(jià)對(duì)象。

本文設(shè)計(jì)TOPSIS法的具體步驟如下：

（1）向量規(guī)范化求得規(guī)范決策矩陣

決策矩陣表示為Y=(yij)m×n，規(guī)范化決策矩陣表示為，Z=(zij)m×n則

（2）構(gòu)成加權(quán)規(guī)范化矩陣R=(rij)m×n

· 堪薩斯城(Kansas City Plant)國(guó)家安全園區(qū)負(fù)責(zé)39種重要非核組件的生產(chǎn)，包括點(diǎn)火、保險(xiǎn)和控制組件；

設(shè)由決策人給定權(quán)重向量W= {w1,w2,…,wn}，則rij=wj·zij,i=1,…, m;j=1,…,n

（3）確定理想解χ+和負(fù)理想解χ-

設(shè)理想解χ+的第j個(gè)屬性值為rj+，負(fù)理想解χ-的第j個(gè)屬性值為rj-，則

（4）計(jì)算各評(píng)價(jià)對(duì)象到理想解與負(fù)理想解的歐幾里德距離(Euclidean distance)

評(píng)價(jià)對(duì)象χi到理想解χ+的距離為

評(píng)價(jià)對(duì)象χi到負(fù)理想解χ-的距離為

（5）計(jì)算各評(píng)價(jià)對(duì)象的綜合評(píng)價(jià)指數(shù)Ci

其中，λ為決策者的風(fēng)險(xiǎn)規(guī)避比率。

（6）按Ci由大到小排列評(píng)價(jià)對(duì)象的優(yōu)劣次序

決策者的風(fēng)險(xiǎn)規(guī)避比率λ由Yoon和Kim引入，該評(píng)價(jià)模型稱為行為TOPSIS。Yoon和Kim認(rèn)為，當(dāng)λ>1時(shí)，決策者的選擇行為屬于風(fēng)險(xiǎn)規(guī)避；當(dāng)λ=1時(shí)，決策者的選擇行為屬于風(fēng)險(xiǎn)中性；當(dāng)λ<1時(shí)，決策者的選擇行為屬于風(fēng)險(xiǎn)偏好?？梢姡L(fēng)險(xiǎn)規(guī)避型決策者更偏好靠近理想解的評(píng)價(jià)對(duì)象，而風(fēng)險(xiǎn)偏好型決策者更看重遠(yuǎn)離負(fù)理想解的評(píng)價(jià)對(duì)象。

但需要指出的是，行為TOPSIS考慮了決策者不同風(fēng)險(xiǎn)偏好的選擇行為，固有可取之處，然而，這種選擇行為是決策者自身行為，不同決策者具有不同的風(fēng)險(xiǎn)偏好，必然導(dǎo)致評(píng)價(jià)對(duì)象排序的波動(dòng)?？梢姡袨門OPSIS對(duì)象排序依賴于決策者的類型，改變了經(jīng)典TOPSIS的排序客觀性。沿用行為TOPSIS的思路，假若存在依賴于評(píng)價(jià)對(duì)象的參數(shù)δi(χi)，將參數(shù)δi(χi)替代風(fēng)險(xiǎn)規(guī)避比率λ引入TOPSIS綜合評(píng)價(jià)指數(shù)，則有：

其中，(1)參數(shù)δi(χi)不同于風(fēng)險(xiǎn)規(guī)避比率λ，λ依賴于決策者，而δi(χi)依賴于評(píng)價(jià)對(duì)象；λ表征決策者風(fēng)險(xiǎn)偏好的選擇行為，而δi(χi)是被評(píng)價(jià)對(duì)象的特征變量。(2)δi(χi)雖然是被評(píng)價(jià)對(duì)象的特征變量，卻不能用于衡量評(píng)價(jià)對(duì)象優(yōu)劣，否則，δi(χi)應(yīng)被視作評(píng)價(jià)對(duì)象的新屬性而不能進(jìn)入綜合評(píng)價(jià)系數(shù)。(3)δi(χi)的含義是表征了不同評(píng)價(jià)對(duì)象對(duì)理想解的偏好程度，或者說是表征了評(píng)價(jià)對(duì)象對(duì)負(fù)理想解的厭惡程度。δi>1，意味著評(píng)價(jià)對(duì)象更看重理想解；δi=1，意味著評(píng)價(jià)對(duì)象同等對(duì)待理想解和負(fù)理想解；δi<1，意味著評(píng)價(jià)對(duì)象χi更看重負(fù)理想解。

舉例而言，若公司可分為國(guó)企和民企兩類，公司類型就是評(píng)價(jià)對(duì)象的特征變量，該特征變量不能用于衡量公司財(cái)務(wù)風(fēng)險(xiǎn)的優(yōu)劣，但是不同類型的公司將決定其對(duì)理想解與負(fù)理想解的偏好程度。國(guó)有企業(yè)具有壟斷地位，有國(guó)家資金的扶持，對(duì)政府依賴性強(qiáng)。同時(shí)，由于國(guó)有產(chǎn)權(quán)的先天特征和政治關(guān)系，使得國(guó)有企業(yè)具有債務(wù)融資優(yōu)勢(shì)，財(cái)務(wù)危機(jī)成本低，陷入財(cái)務(wù)危機(jī)時(shí)更可能獲得政府資金扶持。高收益總是伴隨著高風(fēng)險(xiǎn)，在評(píng)價(jià)公司財(cái)務(wù)風(fēng)險(xiǎn)時(shí)，負(fù)理想解意味著財(cái)務(wù)風(fēng)險(xiǎn)大，此時(shí)往往伴隨著高收益；理想解意味著財(cái)務(wù)風(fēng)險(xiǎn)小，此時(shí)往往伴隨著低收益。因此，有理由相信，民企相對(duì)于國(guó)企并不太介意負(fù)理想解，而更看重理想解，此時(shí)δi>1；國(guó)企相對(duì)于民企并不太介意理想解，而更看重負(fù)理想解，此時(shí)δi<1。貝塔(Beta)系數(shù)是衡量影響資產(chǎn)價(jià)格不確定因素的變量，主要反映了公司有形資產(chǎn)和無形資產(chǎn)的風(fēng)險(xiǎn)因子。那么，Beta系數(shù)應(yīng)當(dāng)與δi高度相關(guān)，本文進(jìn)一步用Beta系數(shù)代替δi。

三、案例應(yīng)用

近年來，我國(guó)國(guó)內(nèi)航空需求旺盛，民航運(yùn)輸業(yè)發(fā)展迅速，航空市場(chǎng)的競(jìng)爭(zhēng)日益加劇。航空運(yùn)輸業(yè)是一個(gè)重資產(chǎn)運(yùn)作的行業(yè)，具有投入高，運(yùn)輸設(shè)備昂貴，運(yùn)營(yíng)成本高等特點(diǎn)，航空公司負(fù)債經(jīng)營(yíng)已成為常態(tài)。同時(shí)，在市場(chǎng)需求銳減的情況下，企業(yè)收入將大幅下降，但飛機(jī)租賃費(fèi)、維修保養(yǎng)費(fèi)、財(cái)務(wù)費(fèi)用等剛性成本仍要支付，現(xiàn)金流相對(duì)脆弱。財(cái)務(wù)風(fēng)險(xiǎn)成為航空公司關(guān)注的重點(diǎn)，因此，本文以滬深兩市中國(guó)國(guó)航(601111)、東方航空(600115)、南方航空(600029)、海航控股(600221)、春秋航空(601021)、吉祥航空(603885)和華夏航空(002928)七家上市航空公司作為研究對(duì)象，運(yùn)用融合Beta系數(shù)的行為TOPSIS方法進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)。按照表1的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，從上海證券交易所和深圳證券交易所官方網(wǎng)站查閱七家航空公司2020年發(fā)布的2019年公司年報(bào)，獲取并計(jì)算相應(yīng)指標(biāo)數(shù)據(jù)，如表2所示。

表2 上市航空公司2019年財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)數(shù)據(jù)

借鑒Sharpe(1964)提出的方法來計(jì)算貝塔系數(shù)，β求解方法如下式所示，Rit=Rft+βit(Rmt-Rft)式中，Rit是公司i的證券在第t期的收益率；Rft是第t期的無風(fēng)險(xiǎn)收益率；Rmt是資本市場(chǎng)在第t期風(fēng)險(xiǎn)收益率；兩者差額Rmt-Rft反映了資本市場(chǎng)的風(fēng)險(xiǎn)溢價(jià)；βit是公司i的證券在第t期相對(duì)于市場(chǎng)風(fēng)險(xiǎn)的波動(dòng)系數(shù)。

對(duì)上式變形后得到，Rit=(1-βit) Rft+βitRmt

將上式中的(1-βit)Rft視為常數(shù)，并以α代替，得到CAPM的時(shí)間序列模型，Rit=α+βiRmt+eit

式中，Rit是公司i的證券在第t期的收益；α和βi分別是待估計(jì)的常數(shù)項(xiàng)和系數(shù)項(xiàng)，βi即為所求公司i（的證券）在第t年度的β系數(shù)；eit為誤差項(xiàng)，服從獨(dú)立同分布，eit~N(0,1)。

依據(jù)上述模型的計(jì)算思路，利用Matlab軟件，以滬深300指數(shù)的周收益率作為資本市場(chǎng)的風(fēng)險(xiǎn)收益率，獲取計(jì)算七家航空公司股票和滬深300指數(shù)2019年243個(gè)交易日的日收盤價(jià)，然后計(jì)算一年48周的周收益率，用每只股票的周收益率對(duì)滬深300指數(shù)的周收益率進(jìn)行回歸計(jì)算，最終得到每家航空公司股票的年貝塔系數(shù)，見表2最后一列。

利用表2中的數(shù)據(jù)，運(yùn)用融合Beta系數(shù)的行為TOPSIS方法計(jì)算七家航空公司的財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果，作為對(duì)比，同時(shí)計(jì)算經(jīng)典TOPSIS以及不引入Beta系數(shù)時(shí)的結(jié)果，即將七家航空公司的Beta系數(shù)均視為1，定義：財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果如表3所示。

表3 上市航空公司2019年財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)值及排名

表3中財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)值越大，表示財(cái)務(wù)風(fēng)險(xiǎn)越小，反之，財(cái)務(wù)風(fēng)險(xiǎn)越大。融合Beta系數(shù)的行為TOPSIS計(jì)算結(jié)果 與不引入Beta系數(shù)的計(jì)算結(jié)果 均為絕對(duì)值綜合評(píng)價(jià)指數(shù)，具有TOPSIS方法中的距離單位；經(jīng)典TOPSIS計(jì)算結(jié)果 為相對(duì)值綜合評(píng)價(jià)指數(shù)，不具有距離單位。括號(hào)內(nèi)數(shù)值為航空公司財(cái)務(wù)風(fēng)險(xiǎn)排名，同樣地，排名數(shù)值越大，表示財(cái)務(wù)風(fēng)險(xiǎn)相對(duì)其他航空公司而言越小。

由表3可知，融合Beta系數(shù)的行為TOPSIS計(jì)算結(jié)果排名與經(jīng)典TOPSIS計(jì)算結(jié)果排名完全一致；而比較 與

，亦知，七家上市航空公司的財(cái)務(wù)風(fēng)險(xiǎn)排名也相差不大，融合Beta系數(shù)的行為TOPSIS計(jì)算結(jié)果說明春秋航空(601021)的財(cái)務(wù)風(fēng)險(xiǎn)最小，而不引入Beta系數(shù)的計(jì)算結(jié)果說明華夏航空(002928)的財(cái)務(wù)風(fēng)險(xiǎn)最小。春秋航空(601021)與華夏航空(002928)在隨后的新冠疫情沖擊下表現(xiàn)明顯好于其他航空公司。這兩家航空公司都是民營(yíng)航空企業(yè)，機(jī)隊(duì)規(guī)模相對(duì)較小，航班較少，遭遇突然的需求下滑時(shí)“船小更容易調(diào)頭”。同時(shí)，民營(yíng)航空公司的航線網(wǎng)絡(luò)主要在國(guó)內(nèi)和周邊地區(qū)，受海外疫情的影響相對(duì)國(guó)有航空公司更小。此外，民營(yíng)航空公司平時(shí)的成本控制也比國(guó)有航空公司做得要好，尤其是春秋航空，在2020年已經(jīng)展現(xiàn)明顯超出行業(yè)的經(jīng)營(yíng)靈活性及航網(wǎng)韌性，淡季客座率依然保持領(lǐng)先，并將低成本基因踐行到“極致”，在行業(yè)遭受重大沖擊下，體現(xiàn)了更快的修復(fù)和更靈活的經(jīng)營(yíng)特征。

以上三種方法計(jì)算結(jié)果均顯示，海航控股(600221)的財(cái)務(wù)風(fēng)險(xiǎn)最大。早在2017年，海航控股就爆發(fā)了流動(dòng)性危機(jī)，其大張旗鼓的并購(gòu)所付出的資金并非來自海航集團(tuán)的現(xiàn)金流，而是大規(guī)模的借款和舉債，到2018年初海航控股的資金鏈問題被徹底暴露出來，公司陷入資金困境。反復(fù)出現(xiàn)的流動(dòng)性危機(jī)被認(rèn)為是海航控股徘徊于懸崖的罪魁禍?zhǔn)?。在新冠疫情沖擊下，海航控股2020年的虧損額度創(chuàng)下A股上市公司虧損記錄，2021年2月該公司公告稱法院裁定受理公司重整，并被實(shí)施退市風(fēng)險(xiǎn)警示。

南方航空(600029) 作為機(jī)隊(duì)規(guī)模國(guó)內(nèi)最大、世界第三大的航司，風(fēng)險(xiǎn)評(píng)價(jià)值明顯好于海航控股，但是財(cái)務(wù)風(fēng)險(xiǎn)在七家上市航空公司中排名第二，說明相對(duì)而言也面臨較高的財(cái)務(wù)風(fēng)險(xiǎn)，初顯流動(dòng)性問題端倪。對(duì)南方航空來說，應(yīng)及早采取措施化解較高的財(cái)務(wù)風(fēng)險(xiǎn)。2019年南航集團(tuán)實(shí)施股權(quán)多元化改革，力圖大幅降低資產(chǎn)負(fù)債率，為企業(yè)發(fā)展提供強(qiáng)有力的資金保障； 2020年初發(fā)行規(guī)模10億元的第八期超短期融資券，積極進(jìn)行低成本融資，以補(bǔ)充運(yùn)營(yíng)資金。