摘 要：文章選取了2019—2021年度上市公司全部A股財(cái)務(wù)評價指標(biāo)的相關(guān)數(shù)據(jù)，利用大數(shù)據(jù)分析技術(shù)，采用隨機(jī)森林方法對財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)的重要性進(jìn)行分類以及匯總分析。研究結(jié)果表明：審計(jì)意見類型、凈資產(chǎn)同比增長率、資本支出/折舊攤銷、息稅折舊攤銷前利潤/負(fù)債合計(jì)、每股賺錢綜合值、總資產(chǎn)周轉(zhuǎn)率這幾個指標(biāo)對評價上市公司財(cái)務(wù)風(fēng)險(xiǎn)具有重要的預(yù)警作用。投資者及企業(yè)的管理者需要重視非標(biāo)準(zhǔn)審計(jì)意見的不良影響，不斷提高企業(yè)的發(fā)展能力、獲現(xiàn)能力、償債能力、營業(yè)能力，降低財(cái)務(wù)風(fēng)險(xiǎn)。

關(guān)鍵詞：財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警 大數(shù)據(jù) 隨機(jī)森林分類法 指標(biāo)重要性

中圖分類號：F275? 文獻(xiàn)標(biāo)識碼：A

文章編號：1004-4914（2023）08-052-02

一、引言

財(cái)務(wù)風(fēng)險(xiǎn)的識別與管控一直是理論界與實(shí)務(wù)界研究的重要課題。長期以來，國內(nèi)外的許多學(xué)者就如何識別與評價企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)做了豐富的研究。但是基于大數(shù)據(jù)的財(cái)務(wù)風(fēng)險(xiǎn)識別與管控的研究較少，國外學(xué)者以數(shù)據(jù)挖掘技術(shù)為基礎(chǔ)建立預(yù)警模型，采用實(shí)證研究的形式判斷其有效性。國內(nèi)學(xué)者也采用了一些數(shù)據(jù)挖掘技術(shù)，同時也關(guān)注了非財(cái)務(wù)指標(biāo)的影響，建立了風(fēng)險(xiǎn)預(yù)警模型。例如，鞏斌[1]、張亮利用神經(jīng)網(wǎng)絡(luò)、logistic回歸和決策樹這三種方法分析企業(yè)風(fēng)險(xiǎn)預(yù)警，陳長鳳利用基于數(shù)據(jù)挖掘技術(shù)的關(guān)聯(lián)規(guī)則交互挖掘技術(shù)[2]，楊家輝，賀健研究基于AHP模型建立企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型等[3]。

但是以大數(shù)據(jù)為分析工具，運(yùn)用隨機(jī)森林分類對全部A股的關(guān)鍵財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)進(jìn)行分析的研究很少。隨機(jī)森林分類法可以平衡數(shù)據(jù)集之間的誤差，抗過度擬合的能力比較強(qiáng)，而且使用無偏估計(jì)模型，泛化能力強(qiáng)，比其他算法模擬的精確度更高。隨機(jī)森林分類法能夠提供特征值重要性比率，篩選出模型的最佳特征。因此，本文利用pycharm軟件工具通過隨機(jī)森林分類法對眾多的財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)進(jìn)行分析，識別影響上市公司財(cái)務(wù)預(yù)警的關(guān)鍵指標(biāo)，對企業(yè)及投資者識別、重視關(guān)鍵風(fēng)險(xiǎn)因素，提前預(yù)防、有效控制風(fēng)險(xiǎn)具有一定的現(xiàn)實(shí)價值，同時進(jìn)一步豐富了大數(shù)據(jù)技術(shù)應(yīng)用于財(cái)務(wù)分析的實(shí)踐研究，具有一定的理論意義。

二、本文研究的方法及步驟

（一）數(shù)據(jù)來源

本文用于研究的2019—2021年財(cái)務(wù)數(shù)據(jù)及其他信息來自東方財(cái)富網(wǎng)choice金融終端。參考已有文獻(xiàn)的方法[4][5]，將上市公司ST以及*ST股票作為風(fēng)險(xiǎn)股票。由于ST股票前兩年、*ST股票前三年已經(jīng)陷入財(cái)務(wù)危機(jī)預(yù)警，故本文從2022年全部上市A股數(shù)據(jù)開始，通過逐一分析股票戴帽摘帽日期，追溯至2019年，逐年確定2019—2021年風(fēng)險(xiǎn)股票。

（二）研究方法及步驟

參考相關(guān)文獻(xiàn)以及通過Pycharm程序調(diào)用隨機(jī)森林功能對影響財(cái)務(wù)風(fēng)險(xiǎn)各個維度的指標(biāo)進(jìn)行特征值重要性分析與測試擬合準(zhǔn)確度分析，判斷各項(xiàng)財(cái)務(wù)指標(biāo)對風(fēng)險(xiǎn)預(yù)警的敏感度，識別關(guān)鍵財(cái)務(wù)預(yù)警指標(biāo)值。大數(shù)據(jù)分析步驟如下：

第一步，采集數(shù)據(jù)及預(yù)處理。通過Choice金融終端采集2019—2021年財(cái)務(wù)指標(biāo)數(shù)據(jù)并且利用EXCEL軟件對數(shù)據(jù)進(jìn)行預(yù)處理，刪除數(shù)據(jù)缺失的股票。最終保留的股票數(shù)據(jù)在4500～4800左右，風(fēng)險(xiǎn)股票在180～300之間。第二步，劃分特征數(shù)據(jù)和預(yù)測數(shù)據(jù)。數(shù)據(jù)導(dǎo)入Pycharm軟件中，采用StandardSca

lerm對數(shù)據(jù)進(jìn)行規(guī)范化處理后，劃分特征數(shù)據(jù)X和預(yù)測數(shù)據(jù)Y。Y中將財(cái)務(wù)風(fēng)險(xiǎn)股票用1表示，非財(cái)務(wù)風(fēng)險(xiǎn)股票用0表示。第三步，調(diào)用from sklearn.model_selection import train_test_split命令劃分訓(xùn)練集與測試集，采用典型劃分比率70%∶30%。第四步，利用RandomForestClassifier自動調(diào)節(jié)各種參數(shù)，自行測試出最優(yōu)的參數(shù)設(shè)置，以及最佳的準(zhǔn)確度。

三、基于RandomForestClassifier的財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)重要性分析

經(jīng)過pycharm多次測試本文選取了六類影響財(cái)務(wù)風(fēng)險(xiǎn)的主要因素及主要指標(biāo)。

（一）盈利風(fēng)險(xiǎn)預(yù)警指標(biāo)分析

企業(yè)只有具備持續(xù)的盈利能力才能有效應(yīng)對財(cái)務(wù)風(fēng)險(xiǎn)。主要的評價指標(biāo)如表1所示。其中，EBITDA/營業(yè)總收入，該指標(biāo)剔除了當(dāng)前未付現(xiàn)的攤銷和折舊，反映了企業(yè)主營業(yè)務(wù)產(chǎn)生現(xiàn)金流的能力。運(yùn)行結(jié)果統(tǒng)計(jì)如表1所示，其中，凈資產(chǎn)收益率、營業(yè)利潤/營業(yè)總收入、銷售凈利率三年重要性排名均排前三，說明這三個指標(biāo)對衡量企業(yè)的盈利風(fēng)險(xiǎn)很重要，不容忽視。企業(yè)增強(qiáng)盈利能力，需要重點(diǎn)關(guān)注這三個關(guān)鍵指標(biāo)，特別是凈資產(chǎn)收益率這個指標(biāo)重要性三年均排名第一。息稅前利潤/營業(yè)總收入、EBITDA/營業(yè)總收入、總資產(chǎn)凈利率ROA這三個指標(biāo)都出現(xiàn)過排序在4位，重要性區(qū)別不明顯。銷售毛利率排名靠后，主要因?yàn)?，這個指標(biāo)衡量盈利能力與行業(yè)特征密切相關(guān)，更適合按照行業(yè)比較，本研究沒有分行業(yè)比較。

（二）償債風(fēng)險(xiǎn)預(yù)警指標(biāo)分析

企業(yè)到期不能償還債務(wù)而面臨財(cái)務(wù)風(fēng)險(xiǎn)。主要的評價指標(biāo)及運(yùn)行統(tǒng)計(jì)結(jié)果如表1所示：其中，息稅折舊攤銷前利潤/負(fù)債、現(xiàn)金比率、有形資產(chǎn)/負(fù)債三年重要性排名均排前三，企業(yè)識別償債能力，這三個關(guān)鍵指標(biāo)的變化應(yīng)該重點(diǎn)關(guān)注，再輔以其他指標(biāo)提供的信息進(jìn)一步分析說明。息稅折舊攤銷前利潤將本期沒有付現(xiàn)的折舊與攤銷加回到息稅前利潤中，類似等于現(xiàn)金流總額，息稅折舊攤銷前利潤/負(fù)債是預(yù)測企業(yè)短期償債能力的重要指標(biāo)，反映企業(yè)當(dāng)前可用現(xiàn)金流償債的能力，該值越大，說明企業(yè)短期償債能力越強(qiáng)，發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的可能性越小。有形資產(chǎn)/負(fù)債是資產(chǎn)負(fù)債率指標(biāo)的延伸。有形資產(chǎn)剔除了無形資產(chǎn)如商譽(yù)，商標(biāo)、專利權(quán)等，以及待攤費(fèi)用，這些可能并不能真正用來償債的資產(chǎn)，反映企業(yè)對負(fù)債切實(shí)的物質(zhì)保障基礎(chǔ)。因此該指標(biāo)比資產(chǎn)負(fù)債率指標(biāo)衡量企業(yè)長期償債能力更加客觀有效。現(xiàn)金比率反映企業(yè)當(dāng)前可用貨幣資金即時償還債務(wù)的能力。

（三）營運(yùn)風(fēng)險(xiǎn)指標(biāo)分析

企業(yè)資金周轉(zhuǎn)能力弱，運(yùn)營效率低面臨的風(fēng)險(xiǎn)，主要的評價指標(biāo)及結(jié)果如表2所示：營運(yùn)資本周轉(zhuǎn)率三年的重要性程度均排第一，2020—2021年貢獻(xiàn)度遠(yuǎn)超另外指標(biāo)，說明該指標(biāo)是衡量企業(yè)營運(yùn)能力的重要預(yù)警指標(biāo)?？傎Y產(chǎn)周轉(zhuǎn)率與流動資產(chǎn)周轉(zhuǎn)率、固定資產(chǎn)周轉(zhuǎn)率排在第二與第三、第四的位置，這幾個指標(biāo)也是衡量企業(yè)資金周轉(zhuǎn)能力的重要指標(biāo)。

（四）成長風(fēng)險(xiǎn)指標(biāo)分析

企業(yè)持續(xù)發(fā)展能力弱，面臨發(fā)展能力不足風(fēng)險(xiǎn)。主要的評價指標(biāo)及運(yùn)行結(jié)果如表2所示：凈資產(chǎn)同比增長率三年的重要性程度均排第一，且貢獻(xiàn)度遠(yuǎn)超其他指標(biāo)，說明該指標(biāo)是衡量企業(yè)成長能力的重要預(yù)警指標(biāo)。營業(yè)總收入同比增長率排在第二的位置，重要性遠(yuǎn)超其后的指標(biāo)。因此，凈資產(chǎn)同比增長率、營業(yè)總收入同比增長率是評估企業(yè)成長能力的關(guān)鍵指標(biāo)。

（五）獲取現(xiàn)金風(fēng)險(xiǎn)指標(biāo)分析

不能取得足夠的現(xiàn)金，導(dǎo)致企業(yè)經(jīng)營、投資、籌資活動面臨風(fēng)險(xiǎn)。主要的評價指標(biāo)及結(jié)果如表3所示：每股賺錢綜合值與資本支出/折舊攤銷連續(xù)三年的重要性程度排第一與第二位置，是衡量企業(yè)獲取現(xiàn)金能力的重要預(yù)警指標(biāo)。企業(yè)的資本支出等于凈經(jīng)營長期資產(chǎn)增加加上本年折舊和攤銷，資本支出/折舊攤銷的比值越大，企業(yè)獲現(xiàn)能力越強(qiáng)，只有獲取足夠現(xiàn)金才具有投資購買固定資產(chǎn)、無形資產(chǎn)等長期資產(chǎn)的能力。

（六）其他風(fēng)險(xiǎn)指標(biāo)分析

如偷漏稅被處罰，報(bào)表舞弊造假違規(guī)被處罰，聲譽(yù)嚴(yán)重受損、公司被出具否定審計(jì)意見等。其中，審計(jì)意見類型、違規(guī)次數(shù)是重要的預(yù)警指標(biāo)。非標(biāo)準(zhǔn)審計(jì)意見以及違規(guī)次數(shù)越多的企業(yè)陷入財(cái)務(wù)危機(jī)的風(fēng)險(xiǎn)越大。

（七）綜合指標(biāo)分析

將上述六項(xiàng)分析指標(biāo)中重要性排前的指標(biāo)：凈資產(chǎn)收益率，銷售凈利率，營業(yè)利潤/營業(yè)總收入，有形資產(chǎn)/負(fù)債合計(jì)，息稅折舊攤銷前利潤/負(fù)債合計(jì)，現(xiàn)金比率，總資產(chǎn)周轉(zhuǎn)率，營運(yùn)資本周轉(zhuǎn)率，流動資產(chǎn)周轉(zhuǎn)率，固定資產(chǎn)周轉(zhuǎn)率，營業(yè)收入同比增長率，凈資產(chǎn)同比增長率，每股賺錢綜合值，資本支出/折舊攤銷，審計(jì)意見類別、進(jìn)一步采用隨機(jī)森林分類法，確定為企業(yè)最優(yōu)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警綜合指標(biāo)。2021年結(jié)果顯示：審計(jì)意見類型對于預(yù)警的作用最大，重要性21.86%；凈資產(chǎn)同比增長率其次，占16.99%；資本支出/折舊攤銷第三為16.16%；息稅折舊攤銷前利潤/負(fù)債合計(jì)第四，13.13%；每股賺錢綜合值（報(bào)告期）第五，12.31%；總資產(chǎn)周轉(zhuǎn)率第六，11.95%。這6個指標(biāo)預(yù)測準(zhǔn)確度97%，直接涵蓋了上述財(cái)務(wù)風(fēng)險(xiǎn)度量的5個維度，基本為單獨(dú)指標(biāo)測試時重要性排名首一首二的位置，反映了企業(yè)其他風(fēng)險(xiǎn)、發(fā)展風(fēng)險(xiǎn)、收現(xiàn)風(fēng)險(xiǎn)、營運(yùn)風(fēng)險(xiǎn)、償債風(fēng)險(xiǎn)對財(cái)務(wù)預(yù)警的綜合影響，也進(jìn)一步驗(yàn)證了指標(biāo)的有效性。

四、總結(jié)及建議

通過大數(shù)據(jù)分析技術(shù)，利用隨機(jī)森林分類法對2019—2021年影響上市公司財(cái)務(wù)風(fēng)險(xiǎn)的重要指標(biāo)進(jìn)行分析，識別出影響上市公司財(cái)務(wù)預(yù)警的關(guān)鍵指標(biāo)，主要是審計(jì)意見類型、凈資產(chǎn)同比增長率、資本支出/折舊攤銷、息稅折舊攤銷前利潤/負(fù)債合計(jì)、每股賺錢綜合值、總資產(chǎn)周轉(zhuǎn)率等。研究結(jié)果反映了公司加強(qiáng)財(cái)務(wù)風(fēng)險(xiǎn)的控制，必須重視審計(jì)意見類型，并且增強(qiáng)公司的發(fā)展能力，不斷促進(jìn)凈資產(chǎn)增長；提高獲現(xiàn)能力，增加凈經(jīng)營長期資產(chǎn)的投入；提高償債能力，增加息稅折舊攤銷前利潤；提高營運(yùn)能力，加速總資產(chǎn)周轉(zhuǎn)。投資者可以將相關(guān)指標(biāo)與同行業(yè)比較，規(guī)避投資風(fēng)險(xiǎn)，避免陷入財(cái)務(wù)危機(jī)。

參考文獻(xiàn)：

[1] 鞏斌.上市公司財(cái)務(wù)危機(jī)判別綜合評價分析——基于數(shù)據(jù)挖掘技術(shù)[J].山東理工大學(xué)學(xué)報(bào)（社會科學(xué)版），2014，30（01）：15-18.

[2] 林穎華，陳長鳳.基于規(guī)則的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評價研究關(guān)聯(lián)[J].會計(jì)之友，2017（01）：32-35.

[3] 楊家輝，賀健.基于AHP模型的大數(shù)據(jù)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究[J].企業(yè)科技與發(fā)展，2021（03）：206-207+210.

[4] 賈庚泉.大數(shù)據(jù)時代背景下基于Z-score模型、F分?jǐn)?shù)模型的企業(yè)財(cái)務(wù)管理變革與財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究[J].甘肅金融，2022（02）：41-47.

[5] 常冶衡，李俊倩，司秀華.大數(shù)據(jù)與公司財(cái)務(wù)風(fēng)險(xiǎn)控制研究——基于低碳經(jīng)濟(jì)概念39家上市公司財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)及百度指數(shù)的視角[J].商業(yè)會計(jì)，2019（22）：26-30.

（作者單位：湖南環(huán)境生物職業(yè)技術(shù)學(xué)院商學(xué)院 湖南衡陽 421005）

[作者簡介：張葆華（1979—），女，湖南辰溪人，會計(jì)師，注冊會計(jì)師，管理學(xué)碩士。主要研究方向：會計(jì)財(cái)務(wù)管理]

（責(zé)編：若佳）