李雙悅

摘? ?要：財務(wù)風(fēng)險大小直接影響投資者以及債權(quán)人的利益，識別公司財務(wù)風(fēng)險狀況有利于及時掌握企業(yè)運營情況，有利于整個資本市場健康有序發(fā)展。基于此，選取連續(xù)兩年內(nèi)因為財務(wù)問題被列為ST公司和與之相類似的正常公司總共162家公司為樣本，采用財務(wù)分析方法，選取包含反映企業(yè)償債能力、營運能力、盈利能力和增長能力在內(nèi)的22個財務(wù)指標(biāo)，運用機器學(xué)習(xí)中的XGBoost算法判斷企業(yè)財務(wù)風(fēng)險狀況。XGBoost算法對企業(yè)是否具有財務(wù)風(fēng)險的識別準確率較高，最高可達94.45%。

關(guān)鍵詞：財務(wù)分析;財務(wù)風(fēng)險識別;XGBoost算法

中圖分類號：F275.5? ? 文獻標(biāo)志碼：A? 文章編號：1673-291X（2022）14-0129-03

引言

財務(wù)風(fēng)險是由企業(yè)內(nèi)外部經(jīng)營活動或經(jīng)營環(huán)境的不確定性造成的，主要表現(xiàn)為可能會給企業(yè)帶來預(yù)期以外的損失或預(yù)期以外的收益[1]。針對財務(wù)風(fēng)險的研究，熊方軍等運用Logistic回歸模型，選取12個財務(wù)指標(biāo)和6個非財務(wù)指標(biāo)，實證分析對上市公司財務(wù)舞弊的識別，結(jié)果表明，舞弊公司的財務(wù)指標(biāo)波動性更大[2]。李長山等人通過Logistic回歸方法構(gòu)建財務(wù)風(fēng)險預(yù)警模型，結(jié)果表明，財務(wù)預(yù)警方法能夠防范財務(wù)風(fēng)險[3]。隨著機器學(xué)習(xí)方法的不斷應(yīng)用，越來越多學(xué)者開始嘗試運用機器學(xué)習(xí)方法構(gòu)建財務(wù)風(fēng)險模型。張露等基于財務(wù)指標(biāo)，通過運用Bagging的集成機器學(xué)習(xí)方法進行財務(wù)風(fēng)險識別，正確識別財務(wù)風(fēng)險企業(yè)的概率達92.86%[4]。

本文主要從財務(wù)分析的角度，通過各方面的財務(wù)數(shù)據(jù)指標(biāo)，分析企業(yè)的財務(wù)狀況和經(jīng)營成果，再選用機器學(xué)習(xí)的XGBoost算法，通過財務(wù)指標(biāo)準確識別企業(yè)是否有財務(wù)風(fēng)險。通過每個指標(biāo)的特征重要性得分，分析每個財務(wù)指標(biāo)對于識別財務(wù)風(fēng)險的重要程度。

一、主要過程

（一）財務(wù)報表分析

財務(wù)報表是上市公司必須對外提供的資料，是人們掌握上市公司運行情況的一手資料。財務(wù)報表是指企業(yè)對外提供的反映企業(yè)某一特定日期的財務(wù)狀況和某一會計期間的經(jīng)營成果、現(xiàn)金流量等會計信息的文件。財務(wù)報表包括資產(chǎn)負債表、損益表、現(xiàn)金流量表、所有者權(quán)益變動表以及附注。財務(wù)報表是幫助投資者和債權(quán)人了解企業(yè)的財務(wù)狀況、經(jīng)營成果和現(xiàn)金流量的重要途徑，幫助投資者和債權(quán)人做出正確的決策。償債能力分析是債權(quán)人通過財務(wù)報表信息進行信用評價。通過償債能力分析可以了解企業(yè)當(dāng)前的經(jīng)營發(fā)展情況，可以為企業(yè)的健康發(fā)展提供良好的參考價值;同時，股東和債權(quán)人等外部投資者也可以通過償債能力分析為自身的投資決策作參考。盈利能力是企業(yè)通過現(xiàn)在的生產(chǎn)經(jīng)營活動獲取收益的能力，也是管理層通過一系列的生產(chǎn)經(jīng)營決策提高企業(yè)生產(chǎn)經(jīng)營能力的反映，通過現(xiàn)在的生產(chǎn)經(jīng)營狀況可以判斷企業(yè)未來發(fā)展?fàn)顩r。企業(yè)盈利能力分析的實質(zhì)是分析企業(yè)各種資源的營運效率，營運效率的高低反映企業(yè)資產(chǎn)使用效率的高低。企業(yè)經(jīng)營的主要目標(biāo)是追求企業(yè)盈利能力的持續(xù)增長。企業(yè)發(fā)展能力是企業(yè)通過自身的生產(chǎn)經(jīng)營活動不斷獲取資產(chǎn)增長和利潤的增加，企業(yè)未來價值的大小可以通過分析企業(yè)的發(fā)展能力進行判斷。

通過對財務(wù)報表分析，為了能較為全面地反映企業(yè)的生產(chǎn)經(jīng)營情況和財務(wù)狀況，同時考慮財務(wù)數(shù)據(jù)的可獲得性，本文主要從償債能力、營運能力、盈利能力和增長能力等4個方面選取財務(wù)指標(biāo)，選取指標(biāo)如表1。

（二）方法選擇

將ST公司視為有財務(wù)風(fēng)險，標(biāo)記為1;否則認為沒有財務(wù)風(fēng)險，標(biāo)記為0。這樣就成為了一種二分類問題。XGBoost算法可以用于分類問題，因此采用了XGBoost算法。

XGBoost算法是主要在GBDT基礎(chǔ)上改進的。相比GBDT，XGBoost具有運行效率高、效果好以及能大規(guī)模處理數(shù)據(jù)的優(yōu)點。XGBoost算法在弱學(xué)習(xí)器模型選擇上不唯一，在并行選擇之前，先對所有的特征計算特征值并進行排序分組，對分組的特征選擇合適的分組。在算法的損失函數(shù)上加入正則化部分，可以防止過擬合，泛化能力更強。對誤差部分做二階泰勒展開，因此結(jié)果更加準確。

（三）數(shù)據(jù)篩選

本文所用數(shù)據(jù)全部來源于wind?？紤]到一年的數(shù)據(jù)時間較短，因此本文主要選取了2018—2020年3年的ST公司。篩選出由于最近兩年連續(xù)虧損、被會計師事務(wù)所出具無法表示意見或否定的審計意見、最近兩個會計年度的審計結(jié)果顯示的凈利潤均為負值等原因被劃為ST的公司，按照1：1的比例選取資產(chǎn)規(guī)模、行業(yè)相同的非ST公司共162家公司。財務(wù)數(shù)據(jù)選取被實施ST時間的前一年年報數(shù)據(jù)。

二、計算結(jié)果

（一）描述性統(tǒng)計

如表2所示，通過對數(shù)據(jù)進行描述性統(tǒng)計可以看出，除資產(chǎn)負債率、已獲利息保障倍數(shù)等指標(biāo)存在少量缺失值外，其余指標(biāo)數(shù)據(jù)完整，因此本文所選用的指標(biāo)數(shù)據(jù)合理。已獲利息倍數(shù)、營業(yè)利潤（同比增長率）等指標(biāo)最大值與最小值之間的差別非常大，說明不同行業(yè)不同企業(yè)之間的數(shù)據(jù)差別較大，因此我們試圖采用機器學(xué)習(xí)的方法探究不同指標(biāo)對財務(wù)風(fēng)險企業(yè)的影響程度。

（二）數(shù)據(jù)預(yù)處理

由于所選企業(yè)行業(yè)類型不同，資產(chǎn)規(guī)模差別也較大，故缺失值以0填充。

（三）特征重要性得分

如圖1所示，從上到下，我們可以清楚地看到每個會計指標(biāo)對于是否有財務(wù)風(fēng)險的重要程度。凈資產(chǎn)收益率ROE（平均）、凈資產(chǎn)（同比增長率）、現(xiàn)金周轉(zhuǎn)率、總資產(chǎn)（同比增長率）、固定資產(chǎn)周轉(zhuǎn)率等是比較重要的指標(biāo)，對應(yīng)的是反映企業(yè)發(fā)展能力、營運能力和盈利能力。說明與企業(yè)償債能力相比，企業(yè)發(fā)展能力、營運能力和盈利能力與企業(yè)財務(wù)風(fēng)險具有更直接的關(guān)系。投資者和債權(quán)人在對企業(yè)做出決策時，可以關(guān)注企業(yè)財務(wù)報表，關(guān)注凈資產(chǎn)收益率ROE（平均）、凈資產(chǎn)（同比增長率）、現(xiàn)金周轉(zhuǎn)率、總資產(chǎn)（同比增長率）、固定資產(chǎn)周轉(zhuǎn)率等指標(biāo)，如果該類指標(biāo)存在一定的異常，就說明該企業(yè)財務(wù)狀況可能有風(fēng)險。

（四）預(yù)測結(jié)果

將2018、2019年數(shù)據(jù)按照2/3是訓(xùn)練集、1/3是測試集方法，對測試集樣本是否存在財務(wù)風(fēng)險進行預(yù)測，預(yù)測結(jié)果如表3。

總識別正確率：94.45%

再將2018、2019年的數(shù)據(jù)作為訓(xùn)練集，將2020年的ST企業(yè)樣本作為測試集，預(yù)測是否存在財務(wù)風(fēng)險，結(jié)果如表4。

總識別正確率：93.98%

通過實驗數(shù)據(jù)我們發(fā)現(xiàn)，XGBoost算法對判斷企業(yè)是否具有財務(wù)風(fēng)險具有很好的識別準確率。在判斷2018、2019年測試樣本是否存在財務(wù)風(fēng)險時，XGBoost算法總體識別準確率為94.45%;在判斷2020年測試樣本是否存在財務(wù)風(fēng)險時，XGBoost算法總體識別準確率為93.38%。

結(jié)語

企業(yè)的財務(wù)健康狀況直接影響企業(yè)持續(xù)經(jīng)營和永續(xù)發(fā)展，影響投資者和債權(quán)人做出決策;企業(yè)的財務(wù)健康狀況還關(guān)系到資本市場的正常健康運行。財務(wù)指標(biāo)對于識別企業(yè)財務(wù)風(fēng)險具有重要的意義。本文通過財務(wù)指標(biāo)數(shù)據(jù)構(gòu)建財務(wù)識別模型，模型對于判斷企業(yè)是否具有財務(wù)風(fēng)險有很高的準確率，最高可以達到94.45%。本文構(gòu)建的財務(wù)風(fēng)險識別模型可以為判斷企業(yè)財務(wù)狀況和經(jīng)營情況提供一定的借鑒，也可以幫助投資者和債權(quán)人做出更好的決策。

參考文獻：

[1]? ?于富生，張敏，姜付秀，任夢杰.公司治理影響公司財務(wù)風(fēng)險嗎？[J].會計研究，2008，（10）：52-59，97.

[2]? ?熊方軍，張龍平.上市公司財務(wù)舞弊的風(fēng)險識別與證據(jù)收集[J].經(jīng)濟與管理研究，2016，37（10）：138-144.

[3]? ?李長山.基于Logistic回歸法的企業(yè)財務(wù)風(fēng)險預(yù)警模型構(gòu)建[J].統(tǒng)計與決策，2018，34（6）：185-188.

[4]? ?張露，劉家鵬，江敏祺.集成機器學(xué)習(xí)模型在不平衡樣本財務(wù)預(yù)警中的應(yīng)用[J].電子技術(shù)應(yīng)用，2021，47（8）：34-38.

[責(zé)任編輯? ?妤? ?文]