章靜文（合肥工業(yè)大學(xué) 安徽合肥 230009）

一、問題提出

健康穩(wěn)定的現(xiàn)金流有助于企業(yè)的穩(wěn)定發(fā)展。站在企業(yè)內(nèi)部管理者的角度上，準(zhǔn)確地預(yù)測現(xiàn)金流有助于企業(yè)統(tǒng)籌資金，降低財務(wù)風(fēng)險；站在外部投資者的角度上，預(yù)測現(xiàn)金流可以為其評估企業(yè)價值、評價企業(yè)財務(wù)狀況提供重要信息。傳統(tǒng)的財務(wù)預(yù)測方法主要是運用會計方法編制預(yù)測性的財務(wù)報告，即通過企業(yè)內(nèi)部各部門的配合，在穩(wěn)定靜態(tài)的環(huán)境下將員工對產(chǎn)、供、銷過程的預(yù)測匯總形成預(yù)計現(xiàn)金流量表、預(yù)計資產(chǎn)負(fù)債表等（林蔥，2011）。但這種方式不能及時根據(jù)外界環(huán)境的變化及時調(diào)整，而且僅適用于企業(yè)內(nèi)部。在近期的研究中運用更多的是統(tǒng)計和計量的方法，比如回歸預(yù)測法、趨勢外推法、時間序列法、自回歸移動模型等。然而這些研究大多是基于數(shù)理統(tǒng)計方法來預(yù)估企業(yè)未來的發(fā)展和現(xiàn)金流，一方面，對于非線性或者動態(tài)的數(shù)據(jù)的預(yù)測精度不高，另一方面，不能明確地詮釋影響現(xiàn)金流的傳導(dǎo)路徑，難以為管理者進(jìn)行決策分析提供必要的幫助。

為了解決非線性數(shù)據(jù)的問題，近年來，國內(nèi)外學(xué)者試圖將人工智能技術(shù)應(yīng)用到預(yù)測方面，并已經(jīng)取得了一些成果。Varfis et al.（1990）通過對實際經(jīng)濟時間序列的研究得到的預(yù)測結(jié)果表明BP網(wǎng)絡(luò)預(yù)測要優(yōu)于統(tǒng)計的方法。周瑞芳等（2009）運用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)理論，采用兩步預(yù)測法對現(xiàn)金流時間序列進(jìn)行預(yù)測。Simutis et al.（2008）提出了SVM預(yù)測模型，通過實驗對比SVM和BP網(wǎng)絡(luò)的預(yù)測精度。謝赤等（2007）使用支持向量機（SVM）構(gòu)建了財務(wù)困境預(yù)警模型。但這些研究仍屬于“黑箱”研究，建立模型需要一定的訓(xùn)練樣本，對于模型的誤差分析并不完善，也無法解釋現(xiàn)金流轉(zhuǎn)的內(nèi)部機制。

相較于以上研究方法，系統(tǒng)動力學(xué)方法能更清晰地呈現(xiàn)模型中各因素之間的內(nèi)在聯(lián)系。系統(tǒng)動力學(xué)在明確系統(tǒng)結(jié)構(gòu)的基礎(chǔ)上對所研究的對象進(jìn)行系統(tǒng)、動態(tài)的把握，既能進(jìn)行因果分析又能進(jìn)行科學(xué)預(yù)測，在處理具有周期性、非線性、時滯性、多重反饋性的復(fù)雜問題上具有獨特的優(yōu)勢（王其藩，1995），已有部分學(xué)者將系統(tǒng)動力學(xué)方法運用到現(xiàn)金流預(yù)測方面。在構(gòu)建整體模型時，普遍的做法是將影響現(xiàn)金流轉(zhuǎn)的全部過程分為經(jīng)營活動、投資活動和籌資活動三大模塊，以現(xiàn)金凈流量為結(jié)合點形成一個系統(tǒng)。但在具體的建模過程中，不同學(xué)者基于不同的角度，大致采用了兩種建模策略：一種是以企業(yè)現(xiàn)金流量表項目為預(yù)測方向，以三大活動凈流量為主體的策略（林蔥，2011；藍(lán)莎，2015；杜宇等，2014）；另一種是以業(yè)務(wù)循環(huán)為預(yù)測方向，以要素之間的關(guān)系為主體的建模策略（劉貽玲等，2019；寧凌，2002）。以現(xiàn)金流量表項目為預(yù)測方向的建模策略簡化了建模過程，但也弱化了變量之間的聯(lián)系，將具有內(nèi)在聯(lián)系的變量設(shè)置為分散的外生變量，使得預(yù)測的精度大大降低，因此本文采用的是以業(yè)務(wù)循環(huán)為預(yù)測方向、以要素關(guān)系為主體的建模策略。除此之外，上述關(guān)于現(xiàn)金流預(yù)測的研究大多只討論了模型建立和三大活動現(xiàn)金流量的預(yù)測問題，并沒有考慮其他重要敏感因素對現(xiàn)金流的影響，也沒有將變量變動與企業(yè)決策聯(lián)系起來，重要變量的預(yù)測和參數(shù)估計方面也常常被忽略。

基于以上分析，本文運用系統(tǒng)動力學(xué)理論和灰色系統(tǒng)理論來研究企業(yè)現(xiàn)金流預(yù)測以及敏感要素變動對現(xiàn)金流的影響?；疑到y(tǒng)理論在本文中的應(yīng)用尤為重要，其主要是針對少數(shù)據(jù)和貧信息條件下對不確定性問題的研究，能夠根據(jù)已知的少量信息開發(fā)、提取出有價值的信息。由于宏觀環(huán)境和企業(yè)政策的變化，能夠獲得的有參考價值的經(jīng)營數(shù)據(jù)是有限的，利用少量的數(shù)據(jù)進(jìn)行預(yù)測是灰色預(yù)測理論的獨有優(yōu)勢，將灰色預(yù)測引入系統(tǒng)動力學(xué)模型能夠進(jìn)一步提高模型的精確度與有效性，對企業(yè)的現(xiàn)金流預(yù)測具有創(chuàng)新性。

二、基于系統(tǒng)動力學(xué)的企業(yè)現(xiàn)金流量預(yù)測模型

（一）模型假設(shè)

為了簡化現(xiàn)金流預(yù)測模型，本文基于以下假設(shè)構(gòu)建模型：（1）對企業(yè)生產(chǎn)的產(chǎn)品進(jìn)行簡化，假設(shè)只生產(chǎn)一種產(chǎn)品；（2）產(chǎn)品銷售價格使用初始模擬年度企業(yè)產(chǎn)品的平均銷售價格；原材料購進(jìn)價格使用初始模擬年度企業(yè)各種原材料的平均購買價格，根據(jù)實際情況通過調(diào)整參數(shù)對價格進(jìn)行調(diào)整；（3）不考慮營業(yè)外項目對利潤的影響，不考慮企業(yè)各種減值損失及遞延所得稅的影響，忽略除了增值稅和所得稅之外其他稅種的影響；（4）企業(yè)在模擬期間籌資政策不發(fā)生變化，不產(chǎn)生股本變更；（5）企業(yè)不會因經(jīng)營以外的非正常原因中斷生產(chǎn)。

（二）模型構(gòu)建

1.確定系統(tǒng)邊界。企業(yè)現(xiàn)金流量系統(tǒng)是一個動態(tài)發(fā)展的復(fù)雜系統(tǒng)，涉及經(jīng)營活動、投資活動、籌資活動以及分配活動四大模塊，涉及要素眾多且各要素之間呈現(xiàn)相互依存的關(guān)系。構(gòu)建模型時要盡可能地涵蓋所有對系統(tǒng)變化產(chǎn)生影響的要素，同時還要考慮外部環(huán)境因素對系統(tǒng)的影響。本文共涉及9個水平變量、18個速率變量、25個輔助變量、21個常量、8個外生變量。

2.建立系統(tǒng)流圖。根據(jù)上文確定的系統(tǒng)邊界確定系統(tǒng)變量，根據(jù)系統(tǒng)動力學(xué)原理，通過Vensim軟件建立相應(yīng)的預(yù)測模型，如圖1所示。

圖1 企業(yè)現(xiàn)金流系統(tǒng)動力學(xué)模型

三、參數(shù)和方程的確定

（一）部分參數(shù)與方程的確定

1.參數(shù)的確定。動力學(xué)模型變量眾多，結(jié)構(gòu)復(fù)雜，參數(shù)的確定方法大致分為以下幾類：平均值法、查詢年報、非公開募集資金說明書、分紅計劃書、估算法、參數(shù)擬合與回歸分析等。對于非線性數(shù)據(jù)使用表函數(shù)或邏輯函數(shù)描述。本模型中：（1）企業(yè)年報可以確定水平變量初值；（2）固定資產(chǎn)使用年限、投資收益率、營業(yè)成本率等輔助變量可以通過計算平均值來確定；（3）長短期利率水平可以通過央行公布的基準(zhǔn)利率以及年報公布的借款利率確定；（4）提取法定盈余公積、適用所得稅稅率和增值稅稅率遵照國家相關(guān)規(guī)定；（5）通過年報以及披露的董事會公告確定投資計劃和分紅金額（股利分配率）并使用表函數(shù)描述；（6）采用灰色GM預(yù)測理論預(yù)測未來的銷售量和采購量，得到預(yù)測值構(gòu)建表函數(shù)。

2.方程的確定。企業(yè)現(xiàn)金流預(yù)測模型變量用到的方程主要有：經(jīng)營活動現(xiàn)金流入=現(xiàn)銷收入+賒銷收回現(xiàn)金；經(jīng)營活動現(xiàn)金流出=現(xiàn)購支出+賒購償還現(xiàn)金+工資支出+稅費+期間費用；現(xiàn)銷收入=（營業(yè)收入+銷項稅額）×現(xiàn)銷比率；賒銷收回現(xiàn)金=應(yīng)收賬款/應(yīng)收賬款收賬期；現(xiàn)購支出=（采購金額+進(jìn)項稅額）×現(xiàn)購比率；賒購償還現(xiàn)金=應(yīng)付賬款/應(yīng)付賬款賬期；稅費=銷項稅額-進(jìn)項稅額+所得稅額；期間費用=營業(yè)收入×期間費用率。本模型涉及的方程較多，限于篇幅原因，其余方程在文中省略。

（二）基于灰色GM預(yù)測理論的表函數(shù)構(gòu)建

灰色系統(tǒng)是部分信息已知、部分信息未知的系統(tǒng)，灰色系統(tǒng)理論將隨機量看作是在一定范圍內(nèi)變化的灰色量，通過適當(dāng)?shù)姆椒▽υ紨?shù)據(jù)進(jìn)行處理，將灰色數(shù)變換為生成數(shù)，進(jìn)而得到規(guī)律性較強的生成函數(shù)。比如將銷售商品看作一個灰色系統(tǒng)，其中銷量就是一個灰色量?；疑到y(tǒng)在預(yù)測領(lǐng)域中應(yīng)用最為廣泛的是GM（1，1）模型，灰色GM（1，1）模型將原始序列經(jīng)累加生成法后生成新序列，起到弱化原始數(shù)據(jù)隨機性并使其呈現(xiàn)出明顯規(guī)律性的作用，是對原始序列構(gòu)建一階的單變量微分方程模型，具體算法如下頁圖2所示。

圖2 算法流程圖

四、模型實際應(yīng)用分析

本文以國內(nèi)某大型鋼鐵生產(chǎn)和銷售企業(yè)A公司為例，運用Vensim PLE軟件對該公司的現(xiàn)金流量進(jìn)行仿真模擬。選取2019年初的報表數(shù)據(jù)作為水平變量模擬的初始值，仿真步長為1年，模擬期間為2019—2025年。其中，2019—2021年的財務(wù)數(shù)據(jù)能夠從公司年報中獲得，可將預(yù)測值與真實值相比較，進(jìn)一步驗證模型的可靠性。2022—2025年是對未來的模擬和預(yù)測，可供管理者或投資者參考。

（一）灰色GM模型預(yù)測銷量

以A公司2012—2021年歷史銷量數(shù)據(jù)組成原始數(shù)據(jù)序列，構(gòu)建GM（1，1）模型，對未來4年的銷量進(jìn)行預(yù)測分析。2012—2021年公司產(chǎn)品銷量如表1所示。

表1 產(chǎn)品銷量 單位：噸

根據(jù)上述模型，得到A公司未來4年的預(yù)測銷量為26 731 061噸、27 827 488噸、28 968 888噸、30 157 104噸。同理，預(yù)測出未來4年的產(chǎn)量為26 705 062噸、27 796 597噸、28 932 746噸、30 115 335噸。

構(gòu)建銷量表函數(shù)：WITH LOOKUP（［time，（2019，0）-（2025，4e+07）］，（2019，2.59161e+07），（2020，2.46141e+

根據(jù)擬合方程，運用Pyhton 3.9軟件編寫程序，計算參數(shù)值，得到各指標(biāo)擬合方程。通過計算，銷量預(yù)測模型的發(fā)展灰數(shù)a為-0.04；控制灰數(shù)b為17 485 963.75，后驗差比值C為0.19，平均相對誤差MAPE為0.0451。其中，-a小于0.3，說明指標(biāo)的灰色GM（1，1）模型可進(jìn)行中長期的預(yù)測，C≤0.35，說明模型預(yù)測精確等級為好。銷量的預(yù)測公式為：07），（2021，2.4395e+07），（2022，2.67311e+07），（2023，2.78275e+07），（2024，2.89689e+07），（2025，3.01571e+07））。

構(gòu)建產(chǎn)量表函數(shù)：WITH LOOKUP（［time，（0，0）-（3 000，4e+07）］，（2019，2.54203e+07），（2020，2.45746e+07），（2021，2.48019e+07），（2022，2.67051e+07），（2023，2.77966e+07），（2024，2.89327e+07），（2025，3.01153e+07））。

（二）現(xiàn)金流量仿真分析

本文從2019年開始模擬，模擬期間為2019—2025年，假設(shè)2022年A公司按照預(yù)定的計劃投資，此后幾年投資政策保持不變。根據(jù)GM（1，1）模型模擬出來的產(chǎn)銷量，運行現(xiàn)金流預(yù)測模型。模擬結(jié)果如圖3所示。

圖3 現(xiàn)金流預(yù)測

由最終的模擬結(jié)果可以看出，未來4年，經(jīng)營現(xiàn)金流是造成公司現(xiàn)金存量變動的主要原因，經(jīng)營現(xiàn)金流的逐年增加引發(fā)了現(xiàn)金存量的增長。投資活動凈流入逐年降低意味著公司的投資支出增加，公司增加投資是為了支撐未來逐漸增長的銷售需求。投資的增加也引起公司籌資活動凈流入的增加，但是另一方面，公司現(xiàn)金存量的增加也帶來了籌資活動凈流入的減少，因此，籌資活動呈現(xiàn)波動趨勢?？傮w上，A公司的現(xiàn)金存量呈逐年上漲趨勢，而且在2022年后漲幅增加，過多的現(xiàn)金存量意味著較低的財務(wù)風(fēng)險，但也反映出了公司資金運作效率不佳，沒有更好地利用現(xiàn)金。對于A公司而言，未來幾年面臨的現(xiàn)金流風(fēng)險不高，管理者更應(yīng)該去考慮如何將多余的現(xiàn)金利用起來，增加投資或者分紅。

1.價格變化下的整體現(xiàn)金流量預(yù)測。在Vensim軟件中上頁圖1還直觀地展現(xiàn)了現(xiàn)金流的傳導(dǎo)路徑和所有財務(wù)要素未來幾年的變化趨勢。因此，可以通過仿真測試企業(yè)現(xiàn)金流風(fēng)險的控制點，改變一些財務(wù)要素的值，再次進(jìn)行模擬，對比要素改變前的現(xiàn)金流趨勢，判斷該要素對企業(yè)現(xiàn)金流狀況的影響。

在既定的投資與籌資政策下，產(chǎn)銷量按照GM模型預(yù)測的數(shù)量，市場因素對企業(yè)現(xiàn)金流轉(zhuǎn)的影響主要表現(xiàn)為產(chǎn)品的銷售價格及原材料價格的變化上。利用現(xiàn)金流預(yù)測模型，分別模擬2022—2025年的原材料價格比2021年的價格上漲5%、10%、15%以及下降5%、10%這5種情形下經(jīng)營現(xiàn)金流和現(xiàn)金存量的變化。模擬結(jié)果如圖4所示。

圖4 原材料價格變動影響

可以看出，原材料價格的波動會對應(yīng)付賬款和現(xiàn)購支出產(chǎn)生影響，從而影響經(jīng)營現(xiàn)金凈流入，并且原材料價格偏離得越多，對經(jīng)營現(xiàn)金流的影響越大。經(jīng)營現(xiàn)金流的影響會隨著時間累積，造成企業(yè)現(xiàn)金存量與變動前的偏差隨著時間擴大。

當(dāng)原材料的價格上漲時，應(yīng)付賬款和現(xiàn)購支出總體上都呈現(xiàn)上漲的趨勢。現(xiàn)購支出=原材料價格×采購數(shù)量×現(xiàn)購比率，在現(xiàn)購比率和采購數(shù)量不發(fā)生變化的前提下，現(xiàn)購支出隨著原材料價格的遞增而單調(diào)遞增；但應(yīng)付賬款增加時，由于應(yīng)付賬款賬期的存在，導(dǎo)致一部分應(yīng)付賬款在次年就被收回，從而又減少了應(yīng)付賬款的存量，因此在2023年初應(yīng)付賬款的存量增加后，緊接著2024年初又出現(xiàn)了小幅度的下降。同時，2022年經(jīng)營現(xiàn)金凈流入并沒有隨著原材料的上漲而下降，這是因為當(dāng)年銷售產(chǎn)品帶來的現(xiàn)金流入的增加抵消了這一部分現(xiàn)金支出的增加，從2023年開始，一方面由于2022年增加應(yīng)付賬款將要在這一年支付，另一方面現(xiàn)金流入的增加速度放緩，不足以抵消支出的增加，因此出現(xiàn)了經(jīng)營活動凈現(xiàn)金流的快速下降。同理，當(dāng)原材料價格下降時，現(xiàn)購支出呈現(xiàn)先減后增的趨勢，這是由于采購量的增加抵消了價格下降帶來的支出減少。由于現(xiàn)金流系統(tǒng)中存在延時支付的機制，因此造成了應(yīng)付賬款和經(jīng)營現(xiàn)金流入的波動。通過仿真分析可以發(fā)現(xiàn)，當(dāng)原材料價格上漲時，2023年公司經(jīng)營活動凈現(xiàn)金流入達(dá)到最低點，現(xiàn)金存量也會在2023年底、2024年初達(dá)到最低點，雖然沒有降為負(fù)數(shù)，但仍然預(yù)示著較大的財務(wù)風(fēng)險，應(yīng)當(dāng)引起管理者的關(guān)注。由此可以得出，原材料價格對企業(yè)財務(wù)狀況影響較大，企業(yè)應(yīng)當(dāng)對原材料價格采取風(fēng)險控制手段，以維持企業(yè)現(xiàn)金流的穩(wěn)定，例如，可以通過開展期貨套期保值業(yè)務(wù)來規(guī)避現(xiàn)貨市場上價格波動的風(fēng)險。

另外，通過同樣的方法，也可以模擬產(chǎn)品銷售價格比2021年的價格上漲5%、10%、15%以及下降5%、10%的情形，如圖5所示。

圖5 銷售價格變動影響

和原材料價格的變動趨勢類似，除了現(xiàn)銷收入之外，由于延時機制的存在，應(yīng)收賬款、經(jīng)營現(xiàn)金凈流入也呈現(xiàn)波動趨勢。可以看到，只有在銷售價格下降的2023年，公司現(xiàn)金流有比較明顯的降幅，雖然經(jīng)營現(xiàn)金凈流入仍然大于0，但為了不影響投資活動，不影響股東分紅，公司仍應(yīng)當(dāng)合理評估市場情況，防范產(chǎn)品價格變動對公司現(xiàn)金流風(fēng)險的影響，制定合適的定價策略。

但是，以上模擬是基于價格變動不會影響產(chǎn)銷量的假設(shè)?，F(xiàn)實中，在市場需求不飽和的情況下，銷售價格下降一般會帶來銷量的增長，如果能獲得更詳細(xì)的價格變動對銷量增長的影響數(shù)據(jù)代入模型中，將會得到更加準(zhǔn)確的結(jié)論。

2.信用政策變動下的整體現(xiàn)金流量預(yù)測。信用政策即應(yīng)收賬款政策，是企業(yè)對應(yīng)收賬款的規(guī)劃和控制。信用政策應(yīng)當(dāng)以平衡現(xiàn)金流與收益的關(guān)系為目標(biāo)，在動態(tài)的經(jīng)濟環(huán)境中，企業(yè)可以根據(jù)競爭壓力、競爭戰(zhàn)略、經(jīng)濟周期等情況調(diào)整信用政策，使企業(yè)更適應(yīng)經(jīng)濟環(huán)境的變化。本文通過調(diào)整現(xiàn)銷比率和應(yīng)收賬款賬期兩個財務(wù)要素來反映信用政策的變化，通過仿真模擬探討其對企業(yè)現(xiàn)金流的影響。假設(shè)從2022年起，現(xiàn)銷比率從0.55提高到0.6、0.7，模擬結(jié)果如下頁圖6所示。

圖6 現(xiàn)銷比率變動影響

當(dāng)2022年現(xiàn)銷比率提高后，會帶來當(dāng)年現(xiàn)銷收入的大幅增加，以及經(jīng)營現(xiàn)金流的大幅增加，但是同時也會造成當(dāng)年應(yīng)收賬款的減少，因此2023年收回應(yīng)收賬款而帶來的現(xiàn)金流入就會減少，導(dǎo)致2023年經(jīng)營現(xiàn)金凈流入大幅減少，2024年經(jīng)營活動現(xiàn)金流又有所提升，到2025年回落，升降幅度較前兩年平緩一些。現(xiàn)銷比率的提高造成了經(jīng)營現(xiàn)金流的波動性，也對現(xiàn)金存量的波動產(chǎn)生了一定影響，但總體上現(xiàn)金存量比變動前有了明顯的提升。

假設(shè)從2019年起，將A公司的應(yīng)收賬款收賬期從0.7分別調(diào)整到0.6、0.5，模擬結(jié)果如圖7所示。

圖7 應(yīng)收賬款賬期變動影響

應(yīng)收賬款收賬期的縮減使得當(dāng)年可收回的應(yīng)收賬款增加，所以當(dāng)年內(nèi)應(yīng)收賬款下降，經(jīng)營現(xiàn)金凈流入增加，應(yīng)收賬款收回速度提高也引發(fā)了應(yīng)收賬款余額的減少，使得下一年可收回的應(yīng)收賬款減少和經(jīng)營現(xiàn)金流減少，因此，應(yīng)收賬款賬期的下降也會引發(fā)經(jīng)營現(xiàn)金流在各年間的波動。同時，縮短應(yīng)收賬款賬期會使現(xiàn)金存量增加。

增加現(xiàn)銷比率、減少應(yīng)收賬款收賬期都能提前收回現(xiàn)金，當(dāng)企業(yè)面臨現(xiàn)金流風(fēng)險時，管理者可以考慮采用這種方式。要想實現(xiàn)對現(xiàn)銷比率和應(yīng)收賬款收賬期的控制，需要企業(yè)建立良好的信用指標(biāo)體系。例如：確定詳細(xì)的授信政策，管理客戶的信用資料，確保所有的賒銷客戶都有對應(yīng)的賒銷額度和付款期限，對所有重要事項施加財務(wù)控制等。

3.投資政策變動下的整體現(xiàn)金流量預(yù)測。根據(jù)本文圖2可以看出，如果按照公司現(xiàn)有的投資策略，2023年后現(xiàn)金存量會達(dá)到一個較高的水平，對于公司而言，一方面增加了現(xiàn)金持有的成本，另一方面也造成了資源的浪費。假設(shè)2022年公司將投資支出（假設(shè)全部投入在建工程）分別增加到1 000 000萬元、2 000 000萬元、2 500 000萬元，并在以后年度維持不變，模擬結(jié)果如圖8所示。

圖8 投資政策變動影響

在增加了投資支出后，可以看到公司籌資活動中的借入長期資金也有了高幅度的增長，公司的還貸壓力也隨之增加。當(dāng)投資增加到1 000 000萬元時，現(xiàn)金存量雖然比變動前下降，但仍處于比較安全的狀態(tài)；投資增加到2 000 000萬元時，現(xiàn)金存量下降到較為危險的水平；當(dāng)投資增加到2 500 000萬元時，現(xiàn)金存量在2023年就會達(dá)到負(fù)值，使公司陷入財務(wù)危機?？梢钥闯鲞m當(dāng)增加投資并不會引起現(xiàn)金流危機，但超過了界限就有可能引起現(xiàn)金流斷裂的風(fēng)險從而導(dǎo)致破產(chǎn)，企業(yè)應(yīng)理性權(quán)衡擴張投資帶來的風(fēng)險和收益。

（三）模型檢驗

1.極端情形檢驗。極端條件測試是指輸入變量采用極端值，系統(tǒng)處于極端情況下，驗證建立的模型是否仍然合理（鐘永光，2015）。本文選擇將現(xiàn)銷比率取極端值，通過對相關(guān)變量的影響分析，判斷模型是否具有合理性。當(dāng)現(xiàn)銷比率取極端值0和1時，檢驗結(jié)果如圖9所示。可見，現(xiàn)銷比率為1時，公司不再產(chǎn)生應(yīng)收賬款，因此在收回2019年初的應(yīng)收賬款余額后，應(yīng)收賬款存量降為0，賒銷收回現(xiàn)金也降為0，現(xiàn)銷比率為0時，應(yīng)收賬款增加，賒銷收入也增加，并且因為延時支付的原因，存在波動性增長趨勢。

圖9 極端情形檢驗

上述結(jié)果顯示，在極端情形下本文構(gòu)建的仿真模型仍然與實際情形相符，能夠較好地反映A公司現(xiàn)金流的實際運轉(zhuǎn)情況。

2.相對誤差檢驗。系統(tǒng)動力學(xué)模型主要是針對現(xiàn)實問題所建立的，最終的模型是否完善需要對仿真數(shù)據(jù)進(jìn)行檢驗，判斷是否與實際情況相吻合。本文采用相對誤差檢驗的方法，將2019—2021年公司部分主要變量的模擬數(shù)據(jù)與實際數(shù)據(jù)進(jìn)行比較，結(jié)果見表2。

表2 現(xiàn)金流量表各項目變量的實際值與模擬值比較表 單位：百萬元

由表2可知，對于三大活動的流入、流出和凈流入，模型的預(yù)測值與真實值之間的相對誤差幾乎都在5%以內(nèi)，屬于可接受的范圍，模型具有較高的準(zhǔn)確性。

五、結(jié)論

為了準(zhǔn)確預(yù)測企業(yè)現(xiàn)金流，揭示影響企業(yè)現(xiàn)金流流轉(zhuǎn)的重要因素，本文采用系統(tǒng)動力學(xué)與灰色GM預(yù)測理論相結(jié)合的方法，構(gòu)建企業(yè)現(xiàn)金流預(yù)測模型，并將A公司的財務(wù)數(shù)據(jù)代入模型中作為實例進(jìn)行探討，通過調(diào)整原材料價格、產(chǎn)品銷售價格、現(xiàn)銷比率、應(yīng)收賬款賬期以及投資支出等方面來研究外界市場變化、內(nèi)部信用政策變動和投資策略變動對于企業(yè)現(xiàn)金流的影響，得到相應(yīng)的結(jié)論和建議。

基于系統(tǒng)動力學(xué)而構(gòu)建的企業(yè)現(xiàn)金流預(yù)警仿真系統(tǒng)，在動態(tài)的環(huán)境下模擬企業(yè)現(xiàn)金流，使得企業(yè)能夠及時發(fā)現(xiàn)現(xiàn)金流可能產(chǎn)生的風(fēng)險和根源，并及時、有針對性地調(diào)整企業(yè)的經(jīng)營策略，未雨綢繆。然而由于數(shù)據(jù)有限以及固有限制等原因，本模型仍存在一定的局限性。例如：本文的仿真分析中沒有考慮到存貨對整個系統(tǒng)的影響，對于零庫存、低庫存的企業(yè)而言，本模型具有適用性，對高庫存的企業(yè)則需要重新調(diào)整模型；本文在分析時僅考慮了經(jīng)營活動、投資活動中的要素變化，沒有考慮到籌資活動中要素變動產(chǎn)生的影響；本文使用的灰色GM理論只適用于中短期的預(yù)測，對于長期預(yù)測的結(jié)果不夠準(zhǔn)確。

基于以上原因，今后的研究可以從以下幾個方面進(jìn)行補充：（1）將存貨模塊引入模型中，探討企業(yè)的存貨變動會如何影響現(xiàn)金流?？紤]到存貨不僅包括產(chǎn)成品，還包括半成品、原材料等，產(chǎn)成品銷售價格和原材料采購價格的變動可能會對存貨產(chǎn)生影響，此外，存貨的計價方式也是需要考慮的部分。（2）未來的研究可繼續(xù)探討籌資活動中的要素變動對于企業(yè)現(xiàn)金流的影響，例如長期資產(chǎn)負(fù)債率的變動，或是企業(yè)融資計劃的改變等。（3）除了GM理論，未來的研究可以結(jié)合更多預(yù)測方法，如ARIMA時間序列模型、馬爾科夫預(yù)測、BP神經(jīng)網(wǎng)絡(luò)等。