王寧

【摘要】本文旨在結(jié)合有色金屬制造業(yè)行業(yè)環(huán)境，采用熵值法和功效系數(shù)法構(gòu)建銅業(yè)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。為此，通過對G公司2019～2021年的財(cái)務(wù)數(shù)據(jù)進(jìn)行計(jì)算篩選，選取合適的風(fēng)險(xiǎn)管控指標(biāo)設(shè)計(jì)預(yù)警模型，并將2021年相關(guān)財(cái)務(wù)數(shù)據(jù)代入模型中檢驗(yàn)?zāi)Ｐ偷挠行浴?/p>

【關(guān)鍵詞】熵值法 功效系數(shù)法 銅業(yè)企業(yè) 財(cái)務(wù)風(fēng)險(xiǎn)管控 預(yù)警模型

有色金屬制造業(yè)作為我國重要基礎(chǔ)產(chǎn)業(yè)，為我國實(shí)現(xiàn)制造強(qiáng)國戰(zhàn)略目標(biāo)提供了重要支撐[1]。但近年來，有色金屬制造業(yè)面臨發(fā)展緩慢、自主創(chuàng)新力不足、要素配置亟待優(yōu)化、資源環(huán)境壓力增大等問題，導(dǎo)致有色金屬制造業(yè)發(fā)展出現(xiàn)原材料價(jià)格增高、產(chǎn)能過剩等突出問題，致使行業(yè)企業(yè)面臨著較大財(cái)務(wù)風(fēng)險(xiǎn)。為此，針對有色金屬制造業(yè)中的銅業(yè)企業(yè)而言，需要盡早發(fā)現(xiàn)可能出現(xiàn)的財(cái)務(wù)風(fēng)險(xiǎn)，并及時有效地進(jìn)行預(yù)警，有助于企業(yè)規(guī)避經(jīng)濟(jì)損失，提升市場競爭力。當(dāng)前，多數(shù)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的設(shè)計(jì)對實(shí)用性的考慮不足，模型結(jié)構(gòu)復(fù)雜，計(jì)算量較大，且缺少對銅業(yè)企業(yè)特性及行業(yè)環(huán)境的綜合考慮，在銅業(yè)企業(yè)中的適用性有待提升。本文選擇G銅業(yè)企業(yè)作為研究對象，G企業(yè)是一家生產(chǎn)和銷售銅及銅合金管材的現(xiàn)代化企業(yè)，生產(chǎn)能力達(dá)到5000噸/年。本文采用熵值法和功效系數(shù)法構(gòu)建G企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，不僅對G企業(yè)和有色金屬行業(yè)具有重要的應(yīng)用價(jià)值，還能為其他行業(yè)構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型提供新思路。

一、財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型選擇

常見的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型有單變量預(yù)警模型、 Logit回歸分析模型、Z模型、F模型、人工神經(jīng)網(wǎng)絡(luò)模型、熵值法和功效系數(shù)法，每個預(yù)警模型的優(yōu)缺點(diǎn)各不相同[1]?？紤]G企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警中所需用到較多的財(cái)務(wù)指標(biāo)，倘若基于全部財(cái)務(wù)指標(biāo)設(shè)計(jì)預(yù)警模型，工作量極大，而熵值法可對指標(biāo)進(jìn)行更客觀的賦權(quán)，操作簡單；功效系數(shù)法可得到企業(yè)的綜合分?jǐn)?shù)及單項(xiàng)分?jǐn)?shù)，可體現(xiàn)企業(yè)整體財(cái)務(wù)情況和風(fēng)險(xiǎn)來源[2]。因此，結(jié)合G企業(yè)的實(shí)際情況，選擇熵值法及相關(guān)性分析篩選確定合適的指標(biāo)，并利用功效系數(shù)法進(jìn)行指標(biāo)組合計(jì)算，構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測模型，最終得到的計(jì)算結(jié)果則是實(shí)際財(cái)務(wù)風(fēng)險(xiǎn)的大小。

二、銅業(yè)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)選擇

（一）財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)初選

在選取財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)的過程中，為實(shí)現(xiàn)對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的全面預(yù)警，在G企業(yè)原有考核財(cái)務(wù)指標(biāo)基礎(chǔ)上，增加指標(biāo)數(shù)量，共選取20個指標(biāo)來反映G公司的盈利能力、營運(yùn)能力、償債能力及發(fā)展能力。詳細(xì)情況如表1所示。

（二）財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)篩選

結(jié)合G企業(yè)實(shí)際財(cái)務(wù)數(shù)據(jù)，利用熵值法先計(jì)算出各財(cái)務(wù)指標(biāo)的熵值和權(quán)重。具體的計(jì)算步驟如下：

第一步：依照實(shí)際財(cái)務(wù)數(shù)據(jù)構(gòu)建矩陣，并對矩陣進(jìn)行標(biāo)準(zhǔn)化處理，將各項(xiàng)指標(biāo)數(shù)據(jù)劃分為正向、適度和負(fù)向三類；第二步：對標(biāo)準(zhǔn)化處理后得到的數(shù)據(jù)進(jìn)行非負(fù)化處理；第三步：對非負(fù)化處理后得到的數(shù)據(jù)進(jìn)行歸一化處理；第四步：對各指標(biāo)的熵值及權(quán)重進(jìn)行計(jì)算。得到的結(jié)果如表2所示。

熵值法是通過對各指標(biāo)離散程度的計(jì)算，對指標(biāo)權(quán)重進(jìn)行評價(jià)，熵值越小證明該指標(biāo)與其他指標(biāo)的相關(guān)性越小，確定性越大[3-4]。因此，在20個指標(biāo)中應(yīng)選取熵值越小的指標(biāo)確定為最終的預(yù)警指標(biāo)，并在此基礎(chǔ)上對G企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型進(jìn)行構(gòu)建，步驟如下：

第一步：利用SPSS軟件對篩選出的指標(biāo)進(jìn)行雙側(cè)檢驗(yàn)，計(jì)算相關(guān)性系數(shù)；第二步：篩選出pearson相關(guān)性系數(shù)在0.9以上的指標(biāo)，并重新計(jì)算熵值，選擇較大的指標(biāo)進(jìn)入下一步；第三步：二次篩選pearson相關(guān)性系數(shù)小于0.9的指標(biāo)，選取指標(biāo)權(quán)重比平均權(quán)重大的指標(biāo)。

通過對G企業(yè)2019～2021年財(cái)務(wù)數(shù)據(jù)的整理，展開相關(guān)性分析。以反映盈利能力5個指標(biāo)的相關(guān)性分析為例，相關(guān)性分析結(jié)果如表3所示。

由表3能夠看出，G企業(yè)盈利能力各指標(biāo)相關(guān)性均超過0.9，為此指標(biāo)選擇標(biāo)準(zhǔn)應(yīng)對權(quán)重進(jìn)行比較。權(quán)重最高的是資本收益率，總資產(chǎn)報(bào)酬率次之，為此將這兩個指標(biāo)確定為反映G企業(yè)盈利能力的指標(biāo)。

以此類推，篩選出反映G企業(yè)運(yùn)營能力的指標(biāo)為應(yīng)收賬款周轉(zhuǎn)率與總資產(chǎn)周轉(zhuǎn)率；反映償債能力的指標(biāo)為速動比率；反映發(fā)展能力的指標(biāo)為銷售毛利增長率、營業(yè)利潤增長率和資本保值率。

（三）確定財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)權(quán)重

基于上述對風(fēng)險(xiǎn)預(yù)警指標(biāo)的篩選結(jié)果，利用熵值法重新計(jì)算各指標(biāo)權(quán)重，結(jié)果如表4所示。

（四）構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型

因傳統(tǒng)功效系數(shù)法在預(yù)警檔次和綜合得分的分配上存在不足，只有兩個檔次，且基礎(chǔ)分和調(diào)整分的比重一成不變，導(dǎo)致預(yù)警模型的敏銳性下降。為此，作出如下處理：

首先，對評價(jià)檔次進(jìn)行細(xì)化。參照《企業(yè)綜合績效評價(jià)標(biāo)準(zhǔn)值（2022年）》的評價(jià)標(biāo)準(zhǔn)，在原有基礎(chǔ)上增加三個檔次，并針對各檔次設(shè)置不同的標(biāo)準(zhǔn)系數(shù)[5]。

其次，對基礎(chǔ)分和調(diào)整分予以改進(jìn)。在原有基礎(chǔ)上新增盈利、運(yùn)營、償債和發(fā)展四個指標(biāo)組得分及單項(xiàng)指標(biāo)得分。最終對綜合評價(jià)分?jǐn)?shù)的計(jì)算如下所示：

再次，對財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的標(biāo)準(zhǔn)值進(jìn)行確定。計(jì)算各財(cái)務(wù)預(yù)警指標(biāo)實(shí)際值，依照所處檔次標(biāo)準(zhǔn)值計(jì)算出實(shí)際得分，以有色金屬冶煉和壓延行業(yè)的相應(yīng)標(biāo)準(zhǔn)指標(biāo)作為評價(jià)標(biāo)準(zhǔn)值。

最后，劃分財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警等級，分?jǐn)?shù)在85～100分之間為無警；在70～85分之間為輕警；在50～70分之間為中警；在30～50分之間為重警；在0～30分之間為巨警。

三、銅業(yè)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的應(yīng)用

將G企業(yè)2021年相關(guān)財(cái)務(wù)指標(biāo)輸入財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型中，經(jīng)過計(jì)算，G企業(yè)2021年財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的綜合得分為53.41分，即G企業(yè)2021年的財(cái)務(wù)風(fēng)險(xiǎn)處于中警，表明具有較大的財(cái)務(wù)風(fēng)險(xiǎn)。為此，G企業(yè)的管理者必須加強(qiáng)對財(cái)務(wù)狀況的重視，需要及時針對財(cái)務(wù)情況采取相應(yīng)的風(fēng)險(xiǎn)防范措施，避免財(cái)務(wù)風(fēng)險(xiǎn)出現(xiàn)進(jìn)一步的惡化。

結(jié)語

選擇以G銅業(yè)企業(yè)為研究對象，基于樣本數(shù)據(jù)分別從盈利、運(yùn)營、償債、風(fēng)險(xiǎn)四個方面對企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)狀況進(jìn)行研判，利用熵值法和功效系數(shù)法構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。模型應(yīng)用結(jié)果表明，G企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)處于中警，與G企業(yè)的實(shí)際財(cái)務(wù)狀況相符，可從加強(qiáng)員工財(cái)務(wù)風(fēng)險(xiǎn)管理意識、設(shè)置財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警崗位、強(qiáng)化應(yīng)收賬款管理和健全財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警機(jī)制幾方面加以改善。

參考文獻(xiàn)：

[1]楊旭，黃雪梅.基于LSTM神經(jīng)網(wǎng)絡(luò)的飼料企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型構(gòu)建[J].中國飼料，2022（14）：135-138

[2]白加麗.我國上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究——基于主成分分析和Logistic回歸的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型[J].經(jīng)營與管理，2022（08）：8-15

[3]阿依達(dá)娜·巴勒卡提，陳昌明.基于Z值、EMS模型對西北制造業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究[J].邊疆經(jīng)濟(jì)與文化，2022（07）：42-45

[4]喬瑞玥.基于判別分析對醫(yī)藥類企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的建立[J].中國市場，2022（04）：173-175

[5]高喜蘭.模糊集下財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究[J].經(jīng)濟(jì)師，2021（10）：92-93+95