曹家豪

【摘要】作為國家重點(diǎn)支持的新型能源產(chǎn)業(yè)，新能源汽車的快速發(fā)展對解決我國的能源危機(jī)具有重要意義。但是，在經(jīng)濟(jì)全球化的今天，財(cái)務(wù)風(fēng)險已經(jīng)成為企業(yè)生存和發(fā)展的重要因素。文章以比亞迪作為研究對象，采用Z分?jǐn)?shù)模型和F分?jǐn)?shù)模型兩種方法，對比亞迪2019—2022年期間的財(cái)務(wù)報(bào)告數(shù)據(jù)進(jìn)行分析。從而得出，在Z分?jǐn)?shù)模型下，比亞迪公司的財(cái)務(wù)指標(biāo)均呈現(xiàn)出明顯的風(fēng)險性，并有可能導(dǎo)致公司破產(chǎn)；而在F分?jǐn)?shù)模型中，指數(shù)有略微不同，在2019—2021年中企業(yè)的財(cái)務(wù)風(fēng)險較低，2022年數(shù)值變?yōu)榱素?fù)數(shù)，表明破產(chǎn)風(fēng)險較大。Z分?jǐn)?shù)模型與F分?jǐn)?shù)模型在財(cái)務(wù)風(fēng)險分析方面均有各自的優(yōu)點(diǎn)，但也存在著先天的不足，故建議比亞迪在評價公司財(cái)務(wù)風(fēng)險時，應(yīng)將這兩種分析方法結(jié)合起來，建立一種與公司實(shí)際相適應(yīng)的風(fēng)險預(yù)警模式。

【關(guān)鍵詞】財(cái)務(wù)風(fēng)險；Z分?jǐn)?shù)模型；F分?jǐn)?shù)模型

【中圖分類號】F275

一、引言

（一）研究背景

伴隨著我國經(jīng)濟(jì)轉(zhuǎn)型的發(fā)展，近幾年，綠色出行、低碳經(jīng)濟(jì)已經(jīng)成為了全球經(jīng)濟(jì)發(fā)展的主流趨勢，這讓新能源汽車在汽車行業(yè)中的地位逐步提升，也提高了投資者和消費(fèi)者的關(guān)注度。為此，新能源企業(yè)更應(yīng)該高度關(guān)注財(cái)務(wù)風(fēng)險，確保能夠及時準(zhǔn)確地識別出風(fēng)險，并對其進(jìn)行有效的控制，從而提高企業(yè)的抗風(fēng)險能力以及在市場中的競爭優(yōu)勢，從而推動整個行業(yè)的持續(xù)、健康發(fā)展。

比亞迪汽車作為國產(chǎn)新能源車的開路先鋒，其新能源技術(shù)已經(jīng)相當(dāng)成熟。為此，本文以比亞迪為例，通過對其財(cái)務(wù)資料的分析，對其所面臨的財(cái)務(wù)風(fēng)險進(jìn)行評估，以期提高比亞迪公司對財(cái)務(wù)風(fēng)險的防范注意力，減少因財(cái)務(wù)風(fēng)險而造成的經(jīng)濟(jì)損失。與此同時，也希望通過對有代表性的公司進(jìn)行分析，為同行業(yè)中的其他公司在類似的發(fā)展階段，提供評價財(cái)務(wù)風(fēng)險的方法，提示是否處在破產(chǎn)風(fēng)險當(dāng)中。

（二）研究意義

對新能源汽車企業(yè)的財(cái)務(wù)風(fēng)險進(jìn)行分析，可以對新能源汽車企業(yè)的財(cái)務(wù)狀況、經(jīng)營風(fēng)險和發(fā)展趨勢有一個更全面的認(rèn)識。同時，可以為企業(yè)提供決策支持，幫助企業(yè)規(guī)避財(cái)務(wù)風(fēng)險，增強(qiáng)企業(yè)的競爭力和抗風(fēng)險能力。另外，對新能源汽車公司財(cái)務(wù)風(fēng)險的分析，對政府相關(guān)政策的制定具有一定的參考價值。

同時，國內(nèi)外關(guān)于財(cái)務(wù)風(fēng)險的研究多集中在房地產(chǎn)和醫(yī)藥行業(yè)，而對新能源汽車行業(yè)的財(cái)務(wù)風(fēng)險關(guān)注較少。而新能源汽車公司的發(fā)展與環(huán)境污染、科技進(jìn)步等方面都有著密切的聯(lián)系，還與上下游企業(yè)的合作發(fā)展密切相關(guān)，關(guān)注新能源汽車企業(yè)的財(cái)務(wù)風(fēng)險，有利于建設(shè)環(huán)境友好型社會以及優(yōu)化我國的能源消費(fèi)結(jié)構(gòu)。

二、國內(nèi)外研究動態(tài)

（一）國外研究動態(tài)

1.國外財(cái)務(wù)風(fēng)險評價研究綜述

美國經(jīng)濟(jì)學(xué)家Edward Altman于1968年提出了Z-Score金融風(fēng)險警告模式，又稱Z值模型，該模型被用于評估企業(yè)的金融風(fēng)險，預(yù)測企業(yè)的金融危機(jī)，并在接下來的兩年中，對企業(yè)破產(chǎn)的概率做出預(yù)測和判斷。經(jīng)實(shí)例驗(yàn)證，其預(yù)報(bào)精度在72%～80%之間。

Altman、Haldeman、Narayanan（1977）經(jīng)過修改和提煉，新的Zeta模型被創(chuàng)造出來，它的應(yīng)用范圍也比舊的模型更廣[1]。

Sharda和Odom（1990）一共選擇了130個公司，以Z值模型為基礎(chǔ)，選擇了一些指標(biāo)，并以此為基礎(chǔ)，構(gòu)建出了一個人工神經(jīng)網(wǎng)絡(luò)模型，來對公司的財(cái)務(wù)風(fēng)險進(jìn)行評估。最后，研究者對多元評判方法進(jìn)行了對比，結(jié)果表明Z評分模型具有較高的評估精度和較強(qiáng)的評價能力[2]。

N chen和B Ribeiro（2016）指出，金融信用風(fēng)險的準(zhǔn)確評估和對企業(yè)倒閉的預(yù)測在經(jīng)濟(jì)和社會上都發(fā)揮著至關(guān)重要的作用。納入宏觀經(jīng)濟(jì)變量的模型預(yù)計(jì)提高了預(yù)測信用風(fēng)險的能力。同時，財(cái)務(wù)報(bào)表的軌跡數(shù)據(jù)可以檢測公司的時間演變并識別軌跡模式，軌跡挖掘?qū)⒊蔀樵擃I(lǐng)域未來的一個研究方向[3]。

Alamsyah A（2021）選取了印度尼西亞的90家上市企業(yè)作為樣本，通過人工神經(jīng)網(wǎng)絡(luò)的方式對其財(cái)務(wù)風(fēng)險進(jìn)行評價，并證明了這種評價方式的準(zhǔn)確性極高[4]。

2.國外新能源汽車企業(yè)財(cái)務(wù)風(fēng)險相關(guān)研究綜述

日本是最早對新能源企業(yè)展開研究的國家。Yoichi（2006）認(rèn)為，氫能源才是發(fā)展新能源汽車的真正希望所在，發(fā)展新能源汽車的同時，應(yīng)該同時進(jìn)行氫能源基礎(chǔ)設(shè)施的建設(shè)[5]。

HB Dulal（2013）等人以亞洲為樣本區(qū)域，可以看到，在新能源公司的風(fēng)險改變中，政府將是一個重要的因素[6]。

Aybike Ongel（2019）把成本看成是新能源車的一個重要因素，成本控制對新能源汽車公司經(jīng)濟(jì)效益和競爭能力產(chǎn)生的影響[7]。

Xiong Y，Qin（2021）經(jīng)過研究，認(rèn)為國家的政策對新能源汽車企業(yè)的市場發(fā)展有很大的影響[8]。

Shilin Zhou和Shaolun Zeng（2022）指出，新能源汽車行業(yè)上市公司需要提高辨別金融風(fēng)險的能力，以便在競爭激烈的環(huán)境中占有一席之地。當(dāng)公司進(jìn)入金融風(fēng)險領(lǐng)域時，如果它可以改變公司的經(jīng)營狀況，識別問題，加強(qiáng)各方面管理，避免盡可能多地承擔(dān)財(cái)務(wù)風(fēng)險。在Z值模型中的五個變量，當(dāng)營運(yùn)資本比率、留存收益與總資產(chǎn)比率、息稅前利潤和總額資本比率變小或?yàn)樨?fù)，這意味著流動性、盈利能力、創(chuàng)新和競爭力相對較高[9]。

（二）國內(nèi)研究動態(tài)

1.國內(nèi)財(cái)務(wù)風(fēng)險評價研究綜述

葉華、蔡根女（2004）指出，財(cái)務(wù)風(fēng)險評價主要是通過資產(chǎn)負(fù)債表、利潤表、現(xiàn)金流量表，對企業(yè)財(cái)務(wù)狀況的變動趨勢及資產(chǎn)、負(fù)債、收益之間的關(guān)系進(jìn)行分析，從財(cái)務(wù)報(bào)表的會計(jì)信息中挖掘出企業(yè)內(nèi)在的財(cái)務(wù)關(guān)系，通常的方法包括了單變量判定模型、多元線性評價模型、綜合評價法、概率模型以及神經(jīng)網(wǎng)絡(luò)分析模型[10]。

劉學(xué)兵、袁智慧（2011）指出公司財(cái)務(wù)危機(jī)的出現(xiàn)，要求公司重視公司的財(cái)務(wù)風(fēng)險，加強(qiáng)公司的財(cái)務(wù)預(yù)警機(jī)制。在諸多財(cái)務(wù)預(yù)警方法中，Z分?jǐn)?shù)模型得到了廣泛的運(yùn)用，但是也有其不足之處。F分?jǐn)?shù)模式是對Z分?jǐn)?shù)模式的一種改進(jìn)與修改。經(jīng)過對比分析，可以看出，這兩種財(cái)務(wù)預(yù)警模型都是多變量判定模型，其最大的不同之處是，Z分?jǐn)?shù)模型更注重資產(chǎn)的使用效果以及公司的整體經(jīng)營情況，而F分?jǐn)?shù)模型更注重實(shí)際的償債能力[11]。

歐陽歆（2013）通過初步研究，得出的結(jié)論是修訂后的Altman的Z值模型準(zhǔn)確率都超過了94.05%，這說明了在4年時間里，當(dāng)財(cái)務(wù)風(fēng)險很高的時候，這個模型可以很好地識別出財(cái)務(wù)風(fēng)險，表明這個模型適用于我國上市公司的數(shù)據(jù)[12]。

柴瑞、駱佳佳（2021）運(yùn)用Topsis法，對10個上市火電公司的數(shù)據(jù)進(jìn)行了分析，結(jié)果表明，Topsis模型可以有效地對公司的財(cái)務(wù)風(fēng)險進(jìn)行評估[13]。

2.國內(nèi)新能源汽車企業(yè)財(cái)務(wù)風(fēng)險相關(guān)研究綜述

孫紅梅、史歡歡（2012）將13家上市的新能源汽車制造企業(yè)作為研究對象，并選擇了20個財(cái)務(wù)指標(biāo)，利用統(tǒng)計(jì)分析軟件SPSS17.0中的因子分析法，建立了一個指標(biāo)體系，并對13家新能源汽車企業(yè)的財(cái)務(wù)狀況展開了實(shí)證分析。經(jīng)過分析得出，如今新能源汽車制造業(yè)主要存在汽車價格高、標(biāo)準(zhǔn)缺乏、技術(shù)難3個問題，并提出了應(yīng)該對自身的財(cái)務(wù)實(shí)力進(jìn)行分析，做好市場培育、積極投入研發(fā)、加強(qiáng)技術(shù)合作、技術(shù)儲備等解決措施[14]。

趙露（2021）以戰(zhàn)略轉(zhuǎn)型、核心競爭力弱化、財(cái)務(wù)困境為主線，研究了力帆股份的轉(zhuǎn)型失敗的原因，發(fā)現(xiàn)力帆股份的轉(zhuǎn)型失敗是因?yàn)楹诵募夹g(shù)的缺失，資金的緊張，規(guī)劃的不合理。以力帆集團(tuán)為例，對企業(yè)戰(zhàn)略轉(zhuǎn)型，陷入財(cái)務(wù)困境的原因進(jìn)行了分析[15]。

蔡建湖、賈利爽（2022）指出，財(cái)務(wù)冗余可以減弱新能源汽車企業(yè)的R&D人員冗余對R&D投資的貢獻(xiàn)，但是對于核心型企業(yè)的貢獻(xiàn)并不明顯；政府補(bǔ)助可以通過增強(qiáng)核心新能源汽車企業(yè)的R&D隊(duì)伍冗余來提高R&D投資，但是對于附屬企業(yè)的R&D投資效果不明顯[16]。

三、比亞迪公司概況及財(cái)務(wù)風(fēng)險評價

（一）比亞迪公司基本情況介紹

比亞迪集團(tuán)（“比亞迪”）于1995年2月創(chuàng)立于廣東省深圳市，是一家以生產(chǎn)、銷售為主營業(yè)務(wù)的企業(yè)。集團(tuán)擁有近220 000名員工，業(yè)務(wù)涵蓋四大領(lǐng)域，分別是：汽車、軌道交通、新能源和電子，營業(yè)收入及市場價值已突破千億元人民幣。比亞迪以科技創(chuàng)新、“碳達(dá)峰”“碳中和”“科技進(jìn)步”為己任。2015年，比亞迪獲得了“聯(lián)合國特殊能源獎”，這是70年來第一次為新能源產(chǎn)業(yè)頒發(fā)的大獎。比亞迪在2016年度獲得了“扎耶德未來動力大獎”。比亞迪在《財(cái)富》周刊2017年度“最受歡迎中國企業(yè)”榜單上排名第五，高居全球汽車工業(yè)之首。比亞迪在2020年度“BrandZ最有價值中國品牌”的榜單上，連續(xù)六年被評為“最有價值中國品牌”。

（二）比亞迪公司財(cái)務(wù)風(fēng)險分析

1. Z分?jǐn)?shù)模型下比亞迪公司財(cái)務(wù)風(fēng)險分析

Z分?jǐn)?shù)模型是一種通過多因素分析得到的多維線性函數(shù)表達(dá)式[17]，也就是通過對幾項(xiàng)財(cái)務(wù)指標(biāo)中的風(fēng)險因素進(jìn)行組合得到的分?jǐn)?shù)來預(yù)測企業(yè)的運(yùn)營風(fēng)險。Altman在進(jìn)行大量的經(jīng)驗(yàn)分析后，以5項(xiàng)財(cái)務(wù)指標(biāo)為變量，構(gòu)建了企業(yè)財(cái)務(wù)風(fēng)險預(yù)警的Z分?jǐn)?shù)模型，該模型可用于衡量企業(yè)財(cái)務(wù)風(fēng)險的程度，并提前預(yù)警企業(yè)可能面臨的財(cái)務(wù)危機(jī)。模型如下：

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

該式中，X1表反映的是營運(yùn)資本（流動資產(chǎn)-流動負(fù)債）與總資產(chǎn)的比值，該數(shù)值表達(dá)的是企業(yè)資產(chǎn)的流動性。X2為企業(yè)的留存收益（盈余公積+未分配利潤）與總資產(chǎn)的比值，盈余積累越高，企業(yè)發(fā)生財(cái)務(wù)風(fēng)險的可能性越小。X3表示企業(yè)資產(chǎn)的收益水平，計(jì)算公式為：息稅前利潤/資產(chǎn)總額。X4是股東權(quán)益與總負(fù)債的比值，可以反映企業(yè)的財(cái)務(wù)結(jié)構(gòu)是否穩(wěn)定及債權(quán)是否能夠能到保障。X5表示企業(yè)資本的使用效率，計(jì)算公式為：銷售收入/資產(chǎn)總額[17]。當(dāng)Z值較低時，該公司有較高的破產(chǎn)概率。

根據(jù)Altman的觀點(diǎn)，應(yīng)該把一個公司的Z值界定為2.675，當(dāng)一個公司的Z值超過2.675時，公司處于非破產(chǎn)狀態(tài)；當(dāng)Z值低于1.81時，該公司處于破產(chǎn)狀態(tài)。如表1所示。

結(jié)合比亞迪2019—2022年財(cái)報(bào)數(shù)據(jù)發(fā)現(xiàn)，比亞迪近五年內(nèi)Z值均小于1.81，預(yù)測結(jié)果均為破產(chǎn)。相關(guān)結(jié)果如表2所示。

2. F分?jǐn)?shù)模型法下財(cái)務(wù)風(fēng)險分析

F分?jǐn)?shù)模型雖然在計(jì)算模式上與Z分?jǐn)?shù)模型相似，但比Z分?jǐn)?shù)模型更加完善。F分?jǐn)?shù)模型中X3考慮了現(xiàn)金流量的變化，表達(dá)式如下：

F分?jǐn)?shù)模型和Z分?jǐn)?shù)模型的差異以X3和X5為代表。X3是一個用來測量一個公司全部流動資金償還公司債務(wù)的現(xiàn)值變量，公式為：（稅后凈收益+折舊）/平均總負(fù)債[18]。公司的流動資金是指公司的稅后凈利潤，如果需要，固定資產(chǎn)折舊是可以用作公司還貸資金的一項(xiàng)重要成分。X5反映了企業(yè)總資產(chǎn)對現(xiàn)金流的創(chuàng)造能力，它不僅將稅后凈收益和固定資產(chǎn)的折舊費(fèi)用考慮在內(nèi)，還考慮到了利息的因素，這比Z分?jǐn)?shù)模型更準(zhǔn)確地預(yù)測了財(cái)務(wù)風(fēng)險，表達(dá)式為：（稅后凈收益+利息+折舊）/平均總資產(chǎn)。F得分模型以0.0274為閾值，當(dāng)一個公司的F得分低于這個閾值時，該公司就會被認(rèn)為是一個破產(chǎn)公司；當(dāng)F得分超過0.0274時，該公司就會被認(rèn)為是不會破產(chǎn)的公司。

在F分?jǐn)?shù)模型中，以財(cái)務(wù)理論為基礎(chǔ)選取了5個自變量，其臨界值為0.0274；當(dāng)某個具體公司的F值小于0.0274時，通常被認(rèn)為該公司面臨破產(chǎn)的風(fēng)險較大；而當(dāng)F值大于0.0274時，則意味著該公司可能會持續(xù)運(yùn)營。

結(jié)合比亞迪2019—2022年財(cái)報(bào)數(shù)據(jù)發(fā)現(xiàn)，比亞迪2019—2021年內(nèi)F值均大于了臨界值0.0274，但2019年和2020年趨于穩(wěn)定，2021年有明顯下滑趨勢。到了2022年F值小于0.0274，變?yōu)樨?fù)數(shù)。相關(guān)結(jié)果如表3所示。

四、研究結(jié)論與建議

（一）研究結(jié)論

通過實(shí)證研究發(fā)現(xiàn)，Z分?jǐn)?shù)模型對于公司運(yùn)營風(fēng)險有很好的預(yù)警作用，但與公司運(yùn)營風(fēng)險的橫向?qū)Ρ刃Ч⒉焕硐?。在一家公司破產(chǎn)前的兩年之內(nèi)，運(yùn)用這個模型，其判斷的精確度是非常高的，而在兩年之后，其精確度就相對較低了，并且所用到的數(shù)據(jù)空間以及財(cái)務(wù)指標(biāo)的變化，都必須符合正態(tài)分布。此外，該模型未將現(xiàn)金流數(shù)據(jù)納入其中，從而導(dǎo)致對公司實(shí)際財(cái)務(wù)情況的錯誤判斷。F分?jǐn)?shù)模型在指標(biāo)選擇方面具有一定的理論基礎(chǔ)，對長期風(fēng)險的判斷具有良好的效果，可以通過不同時間點(diǎn)的F值來對財(cái)務(wù)風(fēng)險進(jìn)行趨勢性分析，操作簡便，結(jié)果容易了解和分析；然而，由于選擇的自變量太少，很可能會影響到預(yù)警的效果。

（二）研究建議

從上述分析可以發(fā)現(xiàn)，由于新能源汽車業(yè)務(wù)的高速發(fā)展，導(dǎo)致了比亞迪公司的發(fā)展出現(xiàn)了斷層，從而引發(fā)了公司的財(cái)務(wù)風(fēng)險。在國際上，大公司的發(fā)展都是緩慢的，但中國的公司發(fā)展速度很快，在管理和技術(shù)方面，像比亞迪這樣的公司，還需要更多的積累。不過，盡管這兩個模型所選擇的時間窗是一樣的，但得出的經(jīng)驗(yàn)結(jié)論卻有略微不同，因此，對于比亞迪來說，建立一套科學(xué)的財(cái)務(wù)風(fēng)險預(yù)警模型非常必要，同時需要結(jié)合自身的實(shí)際情況。

主要參考文獻(xiàn)：

[1]Altman E，Haldeman R G，Narayanan P.ZETATM analysis A new model to identify bankrupt risk of corporations[J]. Journal of Banking & Finance，1977， 1（1）：29-54

[2]Sharda，Odom Aneural network model for bankrupt cyprediction[J].The International Joint Conference on Neural Networks，1990：163-168.

[3]N Chen，B Ribeiro，A Chen.Artificial Intelligence Review[J].Financial credit risk assessment：a recent review，2016（3）：183-187.

[4]Alamsyah A ， Kristanti N ， Kristanti F T.Early warning model for financial distress using Artificial Neural Network[J].IOP Conference Series： Materials Science and Engineering， 2021， 1098（5）：052103 （6pp）.

[5]Yoichi Kaya，Hydrogen and FCV in the Future[C]. Research Institute of Innovative Technology for theEarth，2006.

[6]HB Dulal， KU Shah， Etc.Renewable Energy Diffusion in Asia： Can It Happen without Government S u p p o r t [ J ] . E n e r g y Policy.2013（59）：301～311

[ 7 ] A y b i k e O n g e l ， E r i k Loewer，F(xiàn)elix Roemer，Ganesh S e t h u r a m a n ， F e n g q i Chang，Markus Lienkamp. Economic Assessment of A u t o n o m o u s E l e c t r i c Microtransit Vehicles[J]. Sustainability，2019，11：648.

[8]Xiong Y，Qin new energy vehicle industry policies onmarket growth from the perspective of policy mix.Energy & Environment.2021；32（3）：542-561.

[9]Zhou S， Zeng S.Research on Financial Risk Evaluation of New Energy Vehicle Listed Companies Based on Z-value Model[J].Frontiers in Business， Economics and Management， 2022， 5（3）： 183-187.

[10]葉華，蔡根女.淺探企業(yè)財(cái)務(wù)風(fēng)險評價方法[J].財(cái)會月刊，2004（24）：36-37.DOI：10.19641/j.cnki.42-1290/ f.2004.24.021.

[11]劉學(xué)兵，袁智慧，鐘俐玲.F分?jǐn)?shù)模型與Z計(jì)分模型的比較分析——以ST輕騎為例[J].會計(jì)之友，2011（18）：101-103.

[12]歐陽歆.基于Z模型的財(cái)務(wù)風(fēng)險預(yù)警模型運(yùn)用[J].財(cái)會通訊，2013（32）：117-119.DOI：10.16144/j.cnki. issn1002-8072.2013.32.037.

[13]柴瑞，駱佳佳.基于熵權(quán) TOPSIS 法的火電企業(yè)財(cái)務(wù)風(fēng)險評價研究[J].現(xiàn)代商業(yè)，2021（07）：158- 161.

[14]孫紅梅，史歡歡.新能源汽車制造企業(yè)財(cái)務(wù)實(shí)力及風(fēng)險防范研究[J].會計(jì)之友，2012（30）：37-39.

[15]趙露.力帆股份戰(zhàn)略轉(zhuǎn)型、核心競爭與財(cái)務(wù)困境[J].財(cái)會通訊，2021（04）：112-115+171.DOI：10.16144/j.cnki. issn1002-8072.2021.04.021.

[16]蔡建湖，賈利爽，吳昶，壽涌毅.新能源汽車企業(yè)研發(fā)資金投入：財(cái)務(wù)冗余與政府補(bǔ)貼的不同調(diào)節(jié)作用[J].管理工程學(xué)報(bào)，2022，36（05）：11-24.DOI：10.13587/j.cnki. jieem.2022.05.002.

[17]趙笑歌.“雙碳”背景下新能源汽車企業(yè)財(cái)務(wù)風(fēng)險研究——以長城汽車為例[J].河北企業(yè)，2023（03）：100-102. DOI：10.19885/j.cnki.hbqy.2023.03.030.

[18]吳日中，吳中昊.Z-score和Z-china計(jì)分模型與F分?jǐn)?shù)模型的比較分析——以金亞科技為例[J].普洱學(xué)院學(xué)報(bào)，2020，36（03）：37-41.

責(zé)編：吳迪