潘 丹，萬芷寒

（武漢科技大學 恒大管理學院，湖北 武漢 430065）

一、引言

隨著居民生活水平的提高，汽車的需求量越來越大，傳統(tǒng)的燃油汽車帶來嚴重的資源消耗與環(huán)境污染問題，在此背景下，新能源汽車誕生了。工信部對新能源汽車進行界定，認為新能源汽車是以非常規(guī)的車用燃料為動力來源，運用動力控制和驅(qū)動方面的先進技術(shù)，形成的具有新技術(shù)、新結(jié)構(gòu)的汽車[1]。2008 年首款新能源汽車在我國上市，為促進該行業(yè)的發(fā)展，國家對新能源汽車企業(yè)、消費者及電池制造商等給予了政策扶持[2]，截至2015 年，我國的新能源汽車產(chǎn)銷量居世界第一[3]。但是作為戰(zhàn)略新興產(chǎn)業(yè)之一，該行業(yè)也面臨著復雜的市場環(huán)境，研發(fā)能力的不足導致過度依賴國外進口，大大增加了整車制造成本[4]；缺乏綠色技術(shù)創(chuàng)新導致的環(huán)保處罰增加了資金外流；再加上該行業(yè)過度依賴財政補貼，也使其面臨潛在的財務風險[5-6]。財務風險預警是降低財務風險、保障企業(yè)穩(wěn)定發(fā)展的重要手段，研究新能源汽車企業(yè)財務風險預警對其健康發(fā)展具有重要意義。

關(guān)于財務風險預警的研究，國內(nèi)外學者的研究對象主要集中于金融行業(yè)、互聯(lián)網(wǎng)保險、體育用品、房地產(chǎn)等行業(yè)的上市公司，例如：Koyuncugil 和Ozgulbs（2012）[7]認為構(gòu)建金融企業(yè)財務風險預警模型，能有效降低財務風險。Zigraiova 和Jakubik（2015）[8]構(gòu)建預警框架，對發(fā)達國家和發(fā)展中國家進行系統(tǒng)性風險評估。Dastkhan（2021）[9]構(gòu)建預警系統(tǒng)來分析新興市場的系統(tǒng)性風險。侯旭華和彭娟（2019）[10]以四家互聯(lián)網(wǎng)保險公司為對象構(gòu)建預警模型，結(jié)果表明眾安保險的財務風險最大。蔡興林和張高雅（2019）[11]通過對我國體育用品的研究，發(fā)現(xiàn)該行業(yè)的整體財務狀況良好。歐國良等（2018）[12]以房地產(chǎn)企業(yè)為研究對象，研究發(fā)現(xiàn)50 家企業(yè)中有9家公司處于嚴重風險層級。此外，樂菲菲等（2011）[13]、游桂云（2018）[14]、劉驊和盧亞娟（2018）[15]，分別對不同行業(yè)進行了財務風險研究?？傮w來講，關(guān)于新能源汽車企業(yè)財務風險預警的研究很少涉獵。首先，新能源汽車企業(yè)存在存貨周轉(zhuǎn)慢、資金回收期長、過度依賴政府補助等風險，其財務風險預警指標有別于其他行業(yè)的企業(yè)；其次，現(xiàn)有的研究側(cè)重于財務風險評估，對財務風險警級劃分的關(guān)注不夠，模型無法發(fā)揮預警功能；最后，現(xiàn)有的財務風險評估模型側(cè)重于研究財務指標，對非財務指標的關(guān)注度不夠，然而肖毅等（2020）[16]、熊毅和張友棠（2019）[17]研究表明加入非財務指標能夠提高預警結(jié)果的準確性。

在研究財務風險預警問題時，評價方法的選擇是關(guān)鍵，功效系數(shù)法基于多目標規(guī)劃原理，可以根據(jù)不同的行業(yè)確定不同的財務指標，并根據(jù)計算出的預警值劃分風險警級，具有較強的適用性[18]。計算綜合預警值時，財務指標和非財務指標的權(quán)重確定是關(guān)鍵，因子分析法基于降維的思想，將多個變量轉(zhuǎn)變?yōu)閹讉€有代表性的新變量，利用方差解釋率進行財務指標權(quán)重計算，客觀且合理[19]。序關(guān)系分析法的核心是對相鄰指標的重要程度打分，不需構(gòu)造判斷矩陣，能夠簡明高效地確定非財務指標的權(quán)重[20]。

鑒于此，本文結(jié)合新能源汽車企業(yè)的特點，構(gòu)建財務風險預警指標體系，采用功效系數(shù)法、因子分析法和序關(guān)系分析法構(gòu)建財務風險預警模型，以滬深兩市A 股市場中40 家新能源汽車上市公司為研究樣本，評價財務風險水平并發(fā)出預警，以期在理論方面彌補既有研究的不足，在實踐方面為新能源汽車企業(yè)財務風險管理提供指導。

二、新能源汽車企業(yè)財務風險預警模型的構(gòu)建

（一）預警指標權(quán)重的確定

1.財務指標權(quán)重的確定。基于因子分析法確定財務指標的權(quán)重，具體原理如下：

記有s個原變量X1，X2，…，Xs，n個新變量F1，F(xiàn)2，…，F(xiàn)n（n

模型的矩陣表達為：X=BF＋e，其中X=（X1X2…Xs），F(xiàn)=（F1F2…Fn），e=（e1e2…en）；其中F為公共因子，B為因子荷載矩陣，e為X的特殊因子，權(quán)重的確定可以描述為如下過程：

首先，進行KMO 和Bartlett 檢驗，KMO 值大于0.5，則適合進行因子分析；

其次，計算公共因子Fi的方差貢獻率；

再次，對矩陣B進行旋轉(zhuǎn)，得到因子載荷矩陣B（k）；

最后，根據(jù)Fi的方差貢獻率和B（k）計算各指標的權(quán)重Wi。

2.非財務指標權(quán)重的確定?；谛蜿P(guān)系分析法確定非財務指標權(quán)重，具體原理如下：

首先對某一層的指標集Y=｛Y1，Y2，…，Yn｝進行排序，重要程度由高到低依次為U1，U2，U3，…，Un。

專家按表1 評分表對相鄰指標的重要性進行打分，其中，Wn為第n個指標的權(quán)重，rn為相鄰指標重要性之比，則：

表1 指標重要性評分量表

然后分別計算各層級的二、三級指標權(quán)重。例如確定某一層級的二級指標權(quán)重，設Y為二級指標的集合，rn為專家打分，則各二級指標對應的權(quán)重Wm：

最終根據(jù)公式（1）求出Y內(nèi)各指標權(quán)重。其中N為集合Y的指標個數(shù)，同理可得其他層級指標權(quán)重。

（二）財務風險預警值的計算

1.財務指標預警值的計算。采用功效系數(shù)法計算財務指標預警值，可以根據(jù)不同的行業(yè)確定不同的財務指標，并根據(jù)計算出的預警值劃分風險警級，具有較強的適用性。因傳統(tǒng)的功效系數(shù)法兩檔標準值的區(qū)間跨度太大，對財務預警警示結(jié)果的準確性造成影響，本文基于改進的功效系數(shù)法，將標準檔次增加至五檔，對應的系數(shù)如表2 所示。

表2 標準系數(shù)表

此外，功效系數(shù)法先分析單項指標，再進行綜合分析，從多個角度進行企業(yè)財務風險的分析，預測結(jié)果更加準確和嚴謹。設某指標實際值為m，對應的權(quán)重為Wf，本檔標準值為A，本檔標準系數(shù)為a，上檔標準值為B，上檔標準系數(shù)為b，本檔基礎分為C，上檔基礎分為D，調(diào)整分為T，單項功效系數(shù)為V，單項指標得分為q，財務指標預警值為Qf。具體計算公式如下：

其中，指標檔次是通過對比指標實際值和國資委發(fā)布的《企業(yè)績效評價標準值》中對應指標的標準值確定的。此外，各指標得分不能超過其權(quán)重，若指標實際值超過優(yōu)秀值，權(quán)重即為其得分，若實際值低于較差值，得分為0。

2.非財務指標預警值的計算。為了直觀地反映出非財務指標對企業(yè)財務風險的影響，本文首先將非財務指標進行量化，然后將基于序關(guān)系分析法確定的非財務指標權(quán)重與各指標量化結(jié)果加權(quán)求得最終的非財務指標預警值Qu。設共有n個非財務指標，第i個指標的量化結(jié)果為Li，對應的權(quán)重為Wui，則有：

3.綜合預警值的確定。根據(jù)《企業(yè)績效評價標準值》中對財務指標和非財務指標的占比結(jié)果，最終確定企業(yè)的綜合預警值Q為財務指標預警值與非財務指標預警值的加權(quán)值。

（三）警度區(qū)間的確定

本文參考《企業(yè)績效評價標準值》確定新能源汽車企業(yè)財務風險預警區(qū)間（見表3），包括無警、輕警、中警、重警、巨警。無警區(qū)間，說明財務狀況很好，企業(yè)因財務風險而虧損或破產(chǎn)的可能性極??；輕警區(qū)間，說明企業(yè)存在較小的財務風險；中警區(qū)間，說明企業(yè)財務狀況不佳，存在較大的財務風險；重警區(qū)間，說明企業(yè)財務狀況進一步惡化，很大可能有巨額虧損甚至破產(chǎn)；巨警區(qū)間，說明企業(yè)的財務狀況十分惡劣，企業(yè)極有可能面臨破產(chǎn)清算。

表3 警度區(qū)間的劃分

三、新能源汽車企業(yè)財務風險預警

（一）樣本的選擇和數(shù)據(jù)的獲取

依據(jù)工信部對新能源汽車的定義[1]，從新浪財經(jīng)網(wǎng)的滬深兩市A 股市場中的新能源汽車板塊選取了40 家上市公司，涵蓋新能源汽車上下游的各個環(huán)節(jié)，其中上交所和深交所各20 家。為了避免選取樣本的片面性對財務預警結(jié)果準確性的影響，所選取的40 家上市公司來自不同的地區(qū)，涵蓋華中、華南、華北、華東、西北、西南和東北地區(qū)。此外，資產(chǎn)負債率在一定程度上可以粗略地估計企業(yè)的財務風險，資產(chǎn)負債率越大的企業(yè)通常財務風險越大，為確保高風險、中風險、低風險的企業(yè)均有，因此，40 家上市公司資產(chǎn)負債率在50%以下有13 家，50%～100%范圍內(nèi)共25 家，超過100%共2 家。最終選取的上市公司名單如表4 所示。

表4 上市公司名單

（二）財務風險預警指標的選取

財務風險預警指標主要包括財務指標和非財務指標2 方面，財務指標參考王紅玉和劉淑芳（2015）[21]、李海東和張少陽（2018）[22]的研究確定，從盈利、營運、償債和發(fā)展能力四個方面選取12 個指標?？紤]到新能源汽車企業(yè)是高新技術(shù)企業(yè)，內(nèi)外部環(huán)境及科技創(chuàng)新能力和環(huán)保意識的缺乏等都有可能增加企業(yè)的財務風險。首先，股權(quán)結(jié)構(gòu)反映了公司的治理結(jié)構(gòu)是否合理；內(nèi)部控制是公司為保證自身良好運行所制定的規(guī)章制度，好的內(nèi)部控制在強化管理規(guī)范性、增強風險評估能力等方面發(fā)揮著重要的作用；而員工素質(zhì)是企業(yè)發(fā)展的主要動力，員工素質(zhì)低會極大地降低企業(yè)的生產(chǎn)能力，增加企業(yè)的財務風險。其次，外部環(huán)境包括政府政策和第三方對其客觀評價也能間接表明企業(yè)所面臨的風險。最后，作為國家新興的戰(zhàn)略產(chǎn)業(yè)之一，新能源汽車是為解決環(huán)境污染等問題而產(chǎn)生的，因此能否提高研發(fā)能力，并科學地應用綠色技術(shù)來減少氣體排放和環(huán)保處罰等也要重點關(guān)注。具體指標如表5 所示。

表5 新能源汽車企業(yè)財務風險預警指標體系

（三）財務風險預警指標權(quán)重的確定

1.財務指標權(quán)重的確定。本文使用Spss 25.0 軟件進行因子分析，以40 家上市公司2016—2020 年12 項財務數(shù)據(jù)為研究對象，KMO=0.615>0.50，適合因子分析。最終得到各財務指標的權(quán)重如表6 所示。

表6 12 個財務指標的權(quán)重

2.非財務指標權(quán)重的確定。本文通過序關(guān)系分析法對非財務指標進行賦值，首先將指標按照重要性排序，依次為員工素質(zhì)、審計意見、內(nèi)部控制、研發(fā)能力、綠色技術(shù)創(chuàng)新、政府依賴度、環(huán)保處罰和股權(quán)結(jié)構(gòu)，邀請四位專家分別對相鄰兩指標的重要程度打分，確定各指標的權(quán)重，最終將四位專家的權(quán)重結(jié)果加權(quán)平均，得到非財務指標的權(quán)重如表7所示。

表7 8 個非財務指標的權(quán)重

四、財務風險預警研究結(jié)果

（一）財務風險預警值

基于功效系數(shù)法，通過公式（4）～ 公式（9）計算出40 家企業(yè)的財務指標預警值，通過公式（10）計算出40 家企業(yè)的非財務指標預警值，具體結(jié)果如表8 所示。

表8 40 家企業(yè)財務風險預警值

最終，通過公式（11）將財務指標預警值與非財務指標預警值進行加權(quán)，得到綜合風險預警值，即40 家企業(yè)的綜合財務風險預警值，結(jié)果如表9 所示。

表9 40 家新能源汽車企業(yè)的綜合財務風險預警值

從總體警情水平來看，40 家企業(yè)5 年綜合財務風險預警值的總體均值為0.60，說明新能源汽車企業(yè)整體的財務風險處于中警水平，存在財務風險可能性較大。

從5 年的整體發(fā)展趨勢來看，40 家企業(yè)的綜合預警值的均值呈現(xiàn)先下降后上升的趨勢，在2018年下降到最低，說明新能源汽車企業(yè)的財務風險逐年增大，截至2018 年達到最高水平，此后財務風險呈現(xiàn)下降趨勢。經(jīng)過研究發(fā)現(xiàn)，國家政策的改變導致了這一結(jié)果的出現(xiàn)，2015 年開始，國家開始縮減財政補貼，到2017 年9 月，國家出臺“雙積分”政策，對新能源汽車企業(yè)的補貼力度大幅降低，新能源汽車開始由政策導向型向市場導向型轉(zhuǎn)變，讓那些僅僅依靠政府補貼才能進行正常運作的公司產(chǎn)生了經(jīng)營危機，新能源汽車產(chǎn)業(yè)面臨巨大的挑戰(zhàn)，必須及時地改變經(jīng)營戰(zhàn)略，否則就會被市場淘汰。福田汽車、長安汽車和安凱汽車等企業(yè)均符合上述變化規(guī)律。

從各企業(yè)5 年警情均值水平來看，快克股份得分最高，廣汽集團次之，高盟新材、長城汽車、中航光電、富奧股份和駱駝股份的綜合預警值均處于輕警區(qū)間，說明這些企業(yè)存在財務風險的可能性較小。以快克股份為例，該公司的盈利能力、償債能力和發(fā)展能力明顯高于其他企業(yè)。ST 猛獅、保力新、ST眾泰綜合預警值處于巨警區(qū)間，ST 銀億、亞星客車、安凱客車、海馬汽車和金龍汽車綜合預警值處于重警區(qū)間，說明這些企業(yè)面臨較大的財務風險，企業(yè)的經(jīng)營管理存在巨大的問題，企業(yè)極有可能面臨破產(chǎn)清算。以ST 猛獅為例，該公司成本費用利潤率、存貨周轉(zhuǎn)率、資本現(xiàn)金回收率以及資產(chǎn)負債率均處于較差的水平，此外，該公司的研發(fā)能力與員工素質(zhì)處于低水平，且內(nèi)部控制薄弱。

從40 家企業(yè)五年的相關(guān)指標實際值的均值來看，成本費用利用率和資產(chǎn)現(xiàn)金回收率遠低于汽車制造業(yè)對應指標平均值，而存貨周轉(zhuǎn)率較汽車制造業(yè)平均值低，與新能源汽車企業(yè)的整車制造成本高、存貨周轉(zhuǎn)慢且現(xiàn)金回收周期長等特征相符合，具體如圖1 所示。

圖1 40 家企業(yè)存貨周轉(zhuǎn)率實際值均值與汽車制造行業(yè)平均值對比圖

圖2 40 家企業(yè)資產(chǎn)現(xiàn)金回收率實際值均值與汽車制造行業(yè)平均值對比圖

圖3 40 家企業(yè)成本費用利用率實際值均值與汽車制造行業(yè)平均值對比圖

（二）模型可靠性檢驗

1.基于Z-score 模型的檢驗。Z-score 模型最早由美國學者Altman 提出，該模型通過由5 個變量計算出來的Z 值與臨界值比較，來判斷企業(yè)財務危機的嚴重程度，廣泛適用于上市公司和非上市公司的財務風險評價。將本文的研究結(jié)果與Z-score 模型的研究結(jié)果對比，以評價本文研究的可靠性。以2020 年的財務數(shù)據(jù)為研究對象，將兩種模型的結(jié)果進行配對樣本均值差的假設檢驗，相關(guān)數(shù)據(jù)如表10所示。

表10 功效系數(shù)法與Z-score 模型結(jié)果對比

采用SPSS 25.0 進行配對樣本均值差的假設檢驗，提出Z-score 模型與功效系數(shù)法對新能源汽車企業(yè)的財務風險預警結(jié)果沒有顯著差異的假設。

H0：Z-score 模型與功效系數(shù)法的預警結(jié)果沒有顯著差異。配對樣本檢驗結(jié)果如表11 所示。

Sig=0.214>0.05 接受原假設，認為在95%置信水平下，Z-score 模型與功效系數(shù)法對新能源汽車企業(yè)的財務風險預警結(jié)果沒有顯著差異，即基于功效系數(shù)法的財務風險預警結(jié)果準確。

2.基于ST 公司的結(jié)果檢驗。ST 公司指因連續(xù)兩年虧損或有其他異常狀況的而被特別處理的上市公司，可以向股票投資者傳遞謹慎投資該股票的信息。因此，ST 公司極大可能有著比非ST 公司更大的財務風險，最終的研究結(jié)果可知，本文所選取的3個ST 公司的綜合預警值處于巨警和重警區(qū)間，而ST 公司風險水平要普遍高于非ST 公司，間接表明基于功效系數(shù)法的財務風險預警結(jié)果準確。

五、結(jié)論及建議

本文以40 家上市新能源汽車企業(yè)為研究對象，以12 個財務風險預警指標和8 個非財務風險預警指標為研究變量，選取了2016—2020 年的數(shù)據(jù)，基于因子分析法、序關(guān)系分析法、功效系數(shù)法構(gòu)建了新能源汽車企業(yè)的財務風險預警模型，結(jié)果表明，該行業(yè)整體的財務風險處于中警區(qū)間。近五年間，該行業(yè)的財務風險先上升后降低，2018 年財務風險水平達到最高。ST 猛獅公司財務風險最高，快克股份公司財務風險最低。針對存貨周轉(zhuǎn)慢，整車制造成本高，資產(chǎn)現(xiàn)金回收率低及研發(fā)能力不足導致的新能源汽車企業(yè)財務風險高，提出以下建議：

第一，提高存貨周轉(zhuǎn)率，加快資金周轉(zhuǎn)。新能源汽車企業(yè)屬于資金密集型企業(yè)，由于受到充電設備以及電池續(xù)航等問題的影響，導致顧客認可度不高，汽車從制造完成到面向市場的周期較長，資產(chǎn)變現(xiàn)速度慢，因此企業(yè)一方面需要加大研發(fā)投入，努力提高汽車性能，另一方面需要改變營銷策略，擴大銷售。

第二，提高研發(fā)能力，降低汽車制造成本。新能源汽車企業(yè)屬于技術(shù)密集型企業(yè)，對技術(shù)創(chuàng)新與更新迭代的要求較高，但是我國的新能源汽車缺乏核心技術(shù)，特別是在電池等方面的研發(fā)能力明顯低于國外，需要依賴外國進口，而電池的成本高達整車制造成本的1/2，因此我國的新能源汽車制造成本較高，企業(yè)應該努力加強自身的研發(fā)能力，加強與國外優(yōu)秀車企的合作，不斷學習國外先進技術(shù)，達到降低生產(chǎn)成本的目的以及提高核心競爭力。

第三，提高綠色技術(shù)創(chuàng)新能力，重視綠色技術(shù)方面的投資并采用清潔技術(shù)減少有害氣體排放和噪聲污染，加強汽車生產(chǎn)及使用過程對周邊環(huán)境的保護意識，避免因為環(huán)保問題引起的環(huán)保處罰，甚至造成停工停產(chǎn)等嚴重問題。