黃曉波 高曉瑩

【摘 要】 現(xiàn)階段，激烈的市場競爭與動蕩的經(jīng)濟環(huán)境給各行各業(yè)帶來了前所未有的挑戰(zhàn)，對于企業(yè)的經(jīng)營者與投資者來說，能夠準確預測財務(wù)危機并有效地規(guī)避財務(wù)危機具有重大的現(xiàn)實意義。制造業(yè)在我國經(jīng)濟中具有舉足輕重的地位，文章以制造業(yè)上市公司為例，引入財務(wù)指標與非財務(wù)指標構(gòu)建指標體系，運用因子分析對篩選的指標進行降維，使各個指標間不相關(guān)，消除多重共線性，以得出的公因子作為神經(jīng)網(wǎng)絡(luò)模型的輸入層來提升神經(jīng)網(wǎng)絡(luò)的擬合效率，以企業(yè)被特別處理與沒有被特別處理作為神經(jīng)網(wǎng)絡(luò)模型的輸出層，運用此模型對財務(wù)危機進行預測。預測結(jié)果顯示：該財務(wù)危機預警模型預測效果較好，能夠幫助制造業(yè)上市公司識別潛在的財務(wù)危機。除此之外，根據(jù)結(jié)論得出企業(yè)的盈利能力是影響制造業(yè)上市公司財務(wù)危機的最主要因素。

【關(guān)鍵詞】 制造業(yè)上市公司; 財務(wù)危機; 神經(jīng)網(wǎng)絡(luò); 特別處理

中圖分類號：F275 ?文獻標識碼：A ?文章編號：1004-5937（2015）05-0030-05

一、引言

財務(wù)危機是企業(yè)由于生產(chǎn)經(jīng)營不善、動蕩的市場環(huán)境以及激烈的競爭帶來的財務(wù)風險。Beaver（1966） and Altman（1968）把財務(wù)危機企業(yè)定義為已經(jīng)經(jīng)營失敗的公司。由于國內(nèi)數(shù)據(jù)的可獲得性限制以及國內(nèi)上市公司較少發(fā)生經(jīng)營失敗，國內(nèi)大多數(shù)學者把因財務(wù)狀況發(fā)生異常而被特別處理（ST或*ST）的公司定義為財務(wù)危機公司。因此綜合國內(nèi)外學者的相關(guān)研究并結(jié)合我國制造業(yè)上市公司的特點，本文將財務(wù)危機公司定義為被特別處理的公司。

企業(yè)財務(wù)危機是由企業(yè)內(nèi)外部各種各樣的矛盾積累而產(chǎn)生的。對于企業(yè)經(jīng)營者而言，運用有效的財務(wù)危機預警系統(tǒng)可以早日發(fā)現(xiàn)企業(yè)生產(chǎn)經(jīng)營中存在的問題，及時解決并防止危機的進一步惡化;對于企業(yè)的債權(quán)人及投資者而言，運用有效的財務(wù)危機預警系統(tǒng)可以更加準確地評估企業(yè)的財務(wù)狀況，從而采取一系列有效措施保障債權(quán)以及投資安全。因此建立一個有效的財務(wù)危機預警模型是值得探討的重要課題。

國內(nèi)外大多數(shù)學者運用數(shù)學模型建立了財務(wù)危機預警系統(tǒng)。Fitzpatrick（1932） and Beaver（1966）建立了單變量預警模型，認為凈利潤/股東權(quán)益、股東權(quán)益/負債這兩個財務(wù)指標能夠較準確地預測財務(wù)危機;Altman（1968、1977）建立了多變量預警模型——Z值模型;Martin（1977）年構(gòu)建了Logistic模型來預測財務(wù)危機，研究發(fā)現(xiàn)Logistic模型較其他模型預測準確率較高;吳世農(nóng)、黃世忠（1986）首次對財務(wù)危機預警模型進行應(yīng)用;周首華、楊濟華等（1996）在前人研究的基礎(chǔ)上提出了F模型;陳靜（1999）首次把27家ST公司與非ST公司作為研究樣本，分別引用單變量預警模型與多變量預警模型進行分析;傅榮、吳世農(nóng)（2002）應(yīng)用人工神經(jīng)網(wǎng)絡(luò)分析模型對財務(wù)危機進行預警，模型擬合較好，具有較高的預測率。

神經(jīng)網(wǎng)絡(luò)是新興的預測技術(shù)，具有強大的非線性動態(tài)性、自適應(yīng)、自組織、自學習能力，因此它被廣泛應(yīng)用到各個領(lǐng)域。神經(jīng)網(wǎng)絡(luò)模型有大型參數(shù)空間和更為靈活的結(jié)構(gòu)，且可以接近多種統(tǒng)計模型。BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用較廣泛的神經(jīng)網(wǎng)絡(luò)之一。它按誤差逆?zhèn)鞑ニ惴▽颖具M行訓練，也是一種多層前饋網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層、輸出層構(gòu)成。每一層都具有神經(jīng)元，每一層的神經(jīng)元都與其他相鄰層的神經(jīng)元相連，它使用最速下降法，通過逆向傳播來對網(wǎng)絡(luò)權(quán)值和閾值進行調(diào)整，從而最小化網(wǎng)絡(luò)的誤差。而這種傳播是依靠連接權(quán)系數(shù)的加強和抑制而實現(xiàn)的。

目前，很多學者把BP神經(jīng)網(wǎng)絡(luò)應(yīng)用到財務(wù)預警中來，根據(jù)相關(guān)學者的研究發(fā)現(xiàn)，神經(jīng)網(wǎng)絡(luò)在財務(wù)預警中預測準確率較高。

基于以上相關(guān)研究，本文將財務(wù)危機公司定義為被特別處理的公司，引入財務(wù)指標與非財務(wù)指標構(gòu)建指標體系，通過Mann-Whitney U檢驗對指標進行篩選，之后運用因子分析對篩選的指標進行降維，最后對該樣本進行神經(jīng)網(wǎng)絡(luò)學習以準確評估財務(wù)風險。

二、財務(wù)危機預警應(yīng)用問題

建立一個有效的財務(wù)危機預警模型對企業(yè)的經(jīng)營者與投資者來說都具有重要的意義，然而建立有效的財務(wù)預警模型在我國主要局限在理論方面，并沒有足夠的實踐。原因在于有效的財務(wù)危機預警模型必須以真實有效的財務(wù)信息為基礎(chǔ)。然而現(xiàn)階段，企業(yè)信息不對稱使企業(yè)易產(chǎn)生道德風險，為了使企業(yè)股票在證券市場吸引更多投資者，得以持續(xù)掛牌上市，許多企業(yè)不對真實的會計信息進行披露，甚至對會計信息進行造假，對數(shù)據(jù)進行操縱。除此之外，監(jiān)管機構(gòu)對企業(yè)的監(jiān)管以及審計部門對會計信息的審核等也需要進一步加強。另外，我國證券市場正處于發(fā)展階段，公司一股獨大現(xiàn)象嚴重，股權(quán)制衡度不夠，企業(yè)總以自身利益為重，忽略投資者的利益，因此企業(yè)并不愿意采用可以同時維護投資者與經(jīng)營者利益的財務(wù)預警。

三、財務(wù)危機預警模型構(gòu)建

（一）樣本選擇

制造業(yè)在我國經(jīng)濟中具有舉足輕重的地位，而且該行業(yè)樣本量大，本文以制造業(yè)上市公司作為研究對象，依據(jù)2013年第四季度上市公司行業(yè)分類結(jié)果，選取2010—2013年49家首次被特別處理的制造業(yè)上市公司與49家近三年內(nèi)沒有發(fā)生財務(wù)虧損的公司T-3年數(shù)據(jù)為建模樣本。樣本配對以相同規(guī)模、相同子行業(yè)為原則。數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。由于各個指標數(shù)據(jù)具有差異性，因此對所有的數(shù)據(jù)進行Z-SCORE標準化，標準化公式為：

z=（x-μ）/σ ? ? ? ? ? ? ? （1）

其中，z為標準分數(shù)，■為均值，■為標準差。

（二）指標體系構(gòu)建

為了對財務(wù)狀況進行全面預警，本文廣泛初選的指標包括長期償債能力指標、成長能力指標、現(xiàn)金流量指標、營運能力指標、盈利能力指標和短期償債能力指標;之后對廣泛選取的指標進行Mann-Whitney U檢驗，篩選出的指標在兩組樣本中具有顯著差異，篩選出進入因子分析的指標如表1所示。

（三）因子分析

因為初步篩選出的指標較多且具有多重共線性，因此本文運用因子分析法對以上指標進行降維處理，以實現(xiàn)各個公因子間不相關(guān)且減少指標數(shù)量的目的。如表2所示，KMO檢驗為0.758，Bartlett的球形度檢驗方差為0，此結(jié)果表明以上指標適合作因子分析。

從表3可以看出，根據(jù)特征根大于1的提取方法，一共提取了5個公因子，解釋的總方差累計為86.722%，表明這5個公因子可以代表以上指標。

因為旋轉(zhuǎn)后的成分矩陣每個公因子上各個指標的載荷更加清晰，因此本文以旋轉(zhuǎn)后的成分矩陣上的因子載荷為準。從旋轉(zhuǎn)成分矩陣可以看出，公因子1上因子載荷較大的指標為X9、X10、X11、X12、X13、X14、X15、X16，可以衡量企業(yè)的盈利能力;公因子2上因子載荷較大的指標為X1、X2、X3、X4，可以衡量企業(yè)的長期償債能力;公因子3上因子載荷較大的指標為X17、X18、X19，可以衡量企業(yè)的短期償債能力;公因子4上因子載荷較大的指標為X5、X6、X7，可以衡量企業(yè)的發(fā)展狀況與現(xiàn)金流量情況;公因子5上因子載荷較大的指標為X8，可以衡量企業(yè)的營運能力。詳見表4。

從表5可以得出每個公因子的表達式：

Fi=∑AijXj ? ? ? ? ?（2）

其中Aij為每個公因子的成分得分系數(shù)，Xj為各項指標。

（四）神經(jīng)網(wǎng)絡(luò)預警模型構(gòu)建

本文設(shè)定企業(yè)發(fā)生財務(wù)危機為1，不發(fā)生財務(wù)危機為0，運用BP神經(jīng)網(wǎng)絡(luò)對財務(wù)危機進行預測。

通過表6可知，其中63.3%為訓練樣本，用于模型建立，36.7%的樣本為保持樣本，用于驗證模型結(jié)果。輸入層為5個公因子，輸出層為分類變量。提取訓練樣本及保持樣本情況如表6所示。

案例處理結(jié)果顯示，訓練樣本數(shù)為62，保持樣本數(shù)為36。

從表7、表8可以看出，在創(chuàng)建模型個案中，沒有發(fā)生財務(wù)危機的個案中24個分類正確，7個被分類錯誤;發(fā)生財務(wù)危機的個案中有5個被判定為沒有發(fā)生財務(wù)危機，26個個案分類正確，整體分類正確率為80.6%，這說明該模型能夠很好地識別個案。由于建模樣本預測結(jié)果過度樂觀，保持樣本可以幫助驗證此模型，因此保持樣本驗證最終分類正確率為75.0%，表明該模型整體預測效果較好。

從表9可以看出，F(xiàn)1對企業(yè)財務(wù)危機的發(fā)生具有重要的影響，可見對于制造業(yè)上市公司來說，企業(yè)的盈利能力是影響財務(wù)危機狀況的最主要因素。從表10可以看出被特別處理的企業(yè)盈利能力指標均值均低于沒有被特別處理的企業(yè)，被特別處理的企業(yè)的營業(yè)利潤率、銷售凈利率、息稅前利潤與營業(yè)收入比、息稅前利潤與資產(chǎn)總額比、總資產(chǎn)凈利潤率、凈資產(chǎn)收益率、投入資本回報率及每股收益均值均為-0.8左右，息稅前利潤與資產(chǎn)總額比、總資產(chǎn)凈利潤率、凈資產(chǎn)收益率、投入資本回報率極大值也為負，企業(yè)盈利能力較差，這樣公司獲得的現(xiàn)金流較少，企業(yè)償債壓力也會相應(yīng)增加，可能會造成企業(yè)資金入不敷出等情形，企業(yè)經(jīng)營業(yè)績也會下降，不利于企業(yè)長期穩(wěn)定發(fā)展，給企業(yè)帶來了財務(wù)危機。

四、結(jié)論及建議

（一）結(jié)論

本文以98家制造業(yè)上市公司為例，選擇被特別處理與沒有被特別處理兩類企業(yè)，引入財務(wù)指標與非財務(wù)指標構(gòu)建指標體系，運用因子分析與神經(jīng)網(wǎng)絡(luò)模型建立一個財務(wù)危機預警模型以幫助企業(yè)識別潛在的財務(wù)危機，現(xiàn)得出結(jié)論如下：

通過建立神經(jīng)網(wǎng)絡(luò)模型來對制造業(yè)上市公司財務(wù)危機進行預測，預測準確率達到75%，能夠?qū)ω攧?wù)危機進行很好的預測。通過研究發(fā)現(xiàn)，制造業(yè)企業(yè)的盈利能力對財務(wù)危機的發(fā)生具有顯著影響，盈利能力較差是財務(wù)危機發(fā)生的主要原因，要想減少財務(wù)危機的發(fā)生，應(yīng)該提高企業(yè)的盈利能力。

（二）決策建議

1.提高企業(yè)盈利能力

首先，制造業(yè)具有固定資產(chǎn)與材料成本高、市場競爭激烈等特點。在保證產(chǎn)品質(zhì)量與提高產(chǎn)品生產(chǎn)效率的同時，應(yīng)該采取相應(yīng)措施降低成本，例如：企業(yè)可以建立縱向價值鏈對企業(yè)的供應(yīng)商及消費者進行深入了解，使企業(yè)管理延伸到上下游，可以增加企業(yè)競爭優(yōu)勢、降低企業(yè)成本;企業(yè)建立橫向價值鏈對企業(yè)所處行業(yè)環(huán)境進行分析，及時了解企業(yè)的競爭者以便減少市場開發(fā)成本，增加企業(yè)盈利能力。其次，企業(yè)可以建立內(nèi)部價值鏈對材料的采購、產(chǎn)品的生產(chǎn)、成品的銷售進行準確的評估和預測。制造企業(yè)應(yīng)該引入先進技術(shù)，給企業(yè)的產(chǎn)品生產(chǎn)打下堅實的基礎(chǔ)，開發(fā)創(chuàng)新型產(chǎn)品，加強市場競爭力，以搶占國內(nèi)外市場。最后，企業(yè)可以建設(shè)學習型組織，不斷學習國內(nèi)外先進技術(shù)，引進先進人才，提高企業(yè)核心競爭力。

2.優(yōu)化預警模型

本文把樣本劃分為財務(wù)危機樣本與非財務(wù)危機樣本，然而財務(wù)危機的發(fā)生是一個逐漸深化的過程，今后研究的方向應(yīng)該集中在這個過程上。另外，研究應(yīng)該考慮到會計信息的真實性這個因素，這也是提高模型預測率的主要因素，而且本文研究的財務(wù)危機預警是長期預警模型，沒有考慮短期風險和實時風險，今后的研究應(yīng)該把重點放在長期預警與短期預警相結(jié)合上，以期有助于財務(wù)危機預警模型的完善。

【主要參考文獻】

[1] 周首華，楊濟華，王平.論財務(wù)危機的預警分析——F分數(shù)模式[J].會計研究，1996（8）：8-11.

[2] 陳超，李君.化工類上市公司財務(wù)危機預警研究——基于BP人工神經(jīng)網(wǎng)絡(luò)模型[J].會計之友，2012（20）：83-86.

[3] 李飛.財務(wù)預警問題研究——基于后經(jīng)濟危機時代中小企業(yè)的視角[J].會計之友，2013（17）：60-64.

[4] 王曉光，陳潔.引入財務(wù)重述的財務(wù)預警模型效率的實證研究——來自滬深兩市A股制造業(yè)2009—2010年的經(jīng)驗證據(jù)[J].會計之友，2014（7）：75-78.