基于收益質(zhì)量指標(biāo)的財(cái)務(wù)危機(jī)預(yù)警模型構(gòu)建

馮　雨

中圖分類號(hào):F230 文獻(xiàn)標(biāo)識(shí)碼:A

內(nèi)容摘要:本文從財(cái)務(wù)危機(jī)預(yù)警的研究現(xiàn)狀入手,分析多元判定模型的原理及應(yīng)用。隨著企業(yè)業(yè)務(wù)范圍擴(kuò)大,收益多元化,收益質(zhì)量的好壞在財(cái)務(wù)危機(jī)預(yù)警中顯得尤為重要。本文引入收益質(zhì)量指標(biāo),重新構(gòu)建多元判定模型,以實(shí)現(xiàn)對(duì)財(cái)務(wù)危機(jī)更加準(zhǔn)確的預(yù)警。

關(guān)鍵詞:財(cái)務(wù)預(yù)警 財(cái)務(wù)危機(jī) 多元判定模型 收益質(zhì)量指標(biāo)

企業(yè)出現(xiàn)財(cái)務(wù)危機(jī),其根本原因是企業(yè)獲利能力下降,其直接原因是沒(méi)有足夠現(xiàn)金償還到期債務(wù)和正常業(yè)務(wù)支付。但在國(guó)內(nèi)外的財(cái)務(wù)危機(jī)預(yù)警模型中,財(cái)務(wù)指標(biāo)主要是根據(jù)資產(chǎn)負(fù)債表和利潤(rùn)表數(shù)據(jù)計(jì)算的,未把利用現(xiàn)金流量表計(jì)算的收益質(zhì)量指標(biāo)考慮進(jìn)去,而收益質(zhì)量指標(biāo)對(duì)一個(gè)企業(yè)的生存是至關(guān)重要的。

財(cái)務(wù)危機(jī)預(yù)警的研究現(xiàn)狀

企業(yè)財(cái)務(wù)危機(jī)預(yù)警,是經(jīng)過(guò)對(duì)企業(yè)會(huì)計(jì)報(bào)表及相關(guān)經(jīng)營(yíng)數(shù)據(jù)的分析,通過(guò)設(shè)置并觀察一些敏感性預(yù)警指標(biāo)的變化,對(duì)企業(yè)可能或?qū)⒁媾R的財(cái)務(wù)危機(jī)實(shí)施的實(shí)時(shí)監(jiān)控和預(yù)測(cè)警報(bào)。以發(fā)現(xiàn)企業(yè)在經(jīng)營(yíng)管理活動(dòng)中潛在的財(cái)務(wù)風(fēng)險(xiǎn),并在危機(jī)發(fā)生之前向經(jīng)營(yíng)者發(fā)出警告,督促企業(yè)管理當(dāng)局采取有效措施,避免潛在風(fēng)險(xiǎn)演變成損失,起到未雨綢繆的作用。近年來(lái),國(guó)外學(xué)者針對(duì)財(cái)務(wù)危機(jī)預(yù)警模型展開(kāi)了深入而廣泛的研究,當(dāng)前財(cái)務(wù)危機(jī)預(yù)警模型概括起來(lái)主要有統(tǒng)計(jì)模型和人工智能模型兩大類。主要方法有:一元判定模型、多元判定模型、多元邏輯回歸模型、多元概率比回歸模型、人工網(wǎng)絡(luò)模型和聯(lián)合預(yù)測(cè)模型。其中影響較大的當(dāng)屬美國(guó)學(xué)者Altman 利用多變量統(tǒng)計(jì)分析方法建立的多元判定模型。

在國(guó)內(nèi),受證券市場(chǎng)發(fā)展的影響,對(duì)財(cái)務(wù)危機(jī)預(yù)警的研究起步較晚。1986年吳世農(nóng)、黃世忠首次在我國(guó)介紹了企業(yè)破產(chǎn)的分析指標(biāo)和預(yù)測(cè)模型。1990年國(guó)家自然科學(xué)基金委員會(huì)管理科學(xué)組先后支持佘廉等人從事企業(yè)預(yù)警研究,并于1999 年出版了企業(yè)預(yù)警管理叢書(shū)。之后我國(guó)學(xué)者才真正開(kāi)始了對(duì)財(cái)務(wù)預(yù)警的研究,并取得了一定的成果,但主要還是借鑒國(guó)外的模型。

多元判定模型

(一)多元判定模型的原理

1968 年,美國(guó)Ahman 首次使用了多元判定模型分析預(yù)測(cè)財(cái)務(wù)困境。多元判定模型的基本原理是:通過(guò)統(tǒng)計(jì)技術(shù)篩選出那些在兩組間差別盡可能大而在兩組內(nèi)部的離散度最小的變量,從而將多個(gè)標(biāo)志變量在最小信息損失下轉(zhuǎn)換為分類變量,獲得能有效提高預(yù)測(cè)精度的多元線性判別方程。運(yùn)用多元線性判別方程判定二元問(wèn)題時(shí),可以通過(guò)降維技術(shù),僅以最終計(jì)算的Z值來(lái)判定其歸屬,其構(gòu)造的線性方程簡(jiǎn)單易懂,具有很強(qiáng)的實(shí)際應(yīng)用能力。判別方程的形式為Z=V1X1+V2X2+…+VnXn。根據(jù)判別方程可以把單個(gè)企業(yè)的各種財(cái)務(wù)比率轉(zhuǎn)換成單一的判別標(biāo)準(zhǔn),或稱為Z 值,根據(jù)Z 值將企業(yè)分為“破產(chǎn)”或“非破產(chǎn)”兩類。其中,V1、V2…Vn是權(quán)數(shù),X1、X2…Xn是各種財(cái)務(wù)比率。

(二)多元判定模型的應(yīng)用

美國(guó)Altman 教授將多元判定分析應(yīng)用到美國(guó)企業(yè)破產(chǎn)研究中,其研究結(jié)論形成了著名的Z 值模型:Z=1.2X1+1.4X2+3.3X3

+0.6X4+0.999X5。其中,X1=營(yíng)運(yùn)資金/資產(chǎn)總額;X2=留存收益/資產(chǎn)總額;X3=息稅前利潤(rùn)/資產(chǎn)總額;X4=普通股和優(yōu)先股市值總額/負(fù)債賬面價(jià)值總額 ;X5=銷售額/資產(chǎn)總額。企業(yè)破產(chǎn)的判定和預(yù)測(cè)模型在破產(chǎn)前一年的總體判別準(zhǔn)確度高達(dá)95%。在實(shí)際運(yùn)用時(shí),Z模型通過(guò)5個(gè)變量(5種財(cái)務(wù)比率),將反映企業(yè)償債能力的指標(biāo)(X1、X4), 獲利能力指標(biāo)(X2、X3)和營(yíng)運(yùn)能力指標(biāo)(X5)有機(jī)聯(lián)系起來(lái),綜合分析預(yù)測(cè)企業(yè)財(cái)務(wù)失敗或破產(chǎn)的可能性。一般地,Z 值越低企業(yè)越有可能發(fā)生破產(chǎn)。如果企業(yè)的Z 值大于2.675,則表明企業(yè)的財(cái)務(wù)狀況良好,發(fā)生破產(chǎn)的可能性較小;反之,若Z 值小于1.81,則企業(yè)存在很大的破產(chǎn)危險(xiǎn);如果Z 值處于1.81～2.675之間,Altman稱之“灰色地帶”,進(jìn)入這個(gè)區(qū)間的企業(yè)財(cái)務(wù)是極不穩(wěn)定的。

(三)多元判定模型的優(yōu)缺點(diǎn)

企業(yè)管理者通過(guò)大量實(shí)際預(yù)測(cè)證明多元判定模型具有很多優(yōu)點(diǎn):能包容反映企業(yè)財(cái)務(wù)情況的多項(xiàng)指標(biāo);能夠包含獨(dú)立變量;一旦完成建立模型之后,運(yùn)用相對(duì)容易。但是該方法也存在一系列的缺陷:該模型是建立在組內(nèi)分布為近似正態(tài)分布,并且兩組的協(xié)方差矩陣相等的假設(shè)之上的,而在實(shí)際中,很難滿足這一假設(shè);由于企業(yè)規(guī)模、行業(yè)等存在諸多差異,該模式不具有橫向可比性;未把根據(jù)現(xiàn)金流量表計(jì)算的收益質(zhì)量指標(biāo)考慮進(jìn)去。其中有些指標(biāo)是受到收益質(zhì)量制約的,例如資產(chǎn)收益率越高說(shuō)明企業(yè)的獲利能力越強(qiáng),但如果收益質(zhì)量不好,不但不會(huì)降低風(fēng)險(xiǎn),反而會(huì)加大企業(yè)的風(fēng)險(xiǎn)。

引入收益質(zhì)量指標(biāo)重建多元判定模型

(一)引入收益質(zhì)量指標(biāo)后的多元判定模型

引入收益質(zhì)量指標(biāo)重建Z值模型Z=

1.2X1 X6+1.4X2+3.3X3 X7+0.6X4+0.999X5。其中X1 、X2、X3、X4、X5指標(biāo)不變,X6 為現(xiàn)金營(yíng)運(yùn)指數(shù)=經(jīng)營(yíng)現(xiàn)金凈流量/經(jīng)營(yíng)應(yīng)得現(xiàn)金,經(jīng)營(yíng)應(yīng)得現(xiàn)金=經(jīng)營(yíng)活動(dòng)凈收益+非付現(xiàn)費(fèi)用;X7為凈收益營(yíng)運(yùn)指數(shù)=經(jīng)營(yíng)凈收益/凈收益,經(jīng)營(yíng)凈收益=凈收益—非經(jīng)營(yíng)收益。引入收益質(zhì)量指標(biāo)后Z值模型由原來(lái)的多元線性函數(shù)變?yōu)槎嘣蔷€性函數(shù),但Z值的判定區(qū)間不變。因?yàn)楝F(xiàn)金營(yíng)運(yùn)指數(shù)和凈收益營(yíng)運(yùn)指數(shù)的理想值都是1,當(dāng)現(xiàn)金營(yíng)運(yùn)指數(shù)和凈收益營(yíng)運(yùn)指數(shù)都是1時(shí),對(duì)Z的取值沒(méi)有影響;當(dāng)現(xiàn)金營(yíng)運(yùn)指數(shù)和凈收益營(yíng)運(yùn)指數(shù)脫離理想值1時(shí),會(huì)使z值預(yù)警模型更靈敏。

(二)引入收益質(zhì)量指標(biāo)的理由

引入現(xiàn)金營(yíng)運(yùn)指數(shù)。X1=營(yíng)運(yùn)資金/資產(chǎn)總額,是反映償債能力的指標(biāo)。一般情況,營(yíng)運(yùn)資金越多償債能力越強(qiáng),但營(yíng)運(yùn)資金也不是越多越好。首先,企業(yè)獲得的收益停留在應(yīng)收賬款、存貨的增加和應(yīng)付賬款的減少,企業(yè)的收益并沒(méi)有全部得到現(xiàn)金,營(yíng)運(yùn)資金也有質(zhì)量?jī)?yōu)劣之分。其次,在收益一定的情況下,營(yíng)運(yùn)資金增加說(shuō)明企業(yè)為取得同樣的收益占用了更多的營(yíng)運(yùn)資金,取得收益的代價(jià)增加了。因此需要在X1后乘以一個(gè)收益質(zhì)量指標(biāo)現(xiàn)金營(yíng)運(yùn)指數(shù)X6起到敏感器作用?，F(xiàn)金營(yíng)運(yùn)指數(shù)X6的理想值是1,當(dāng)收益質(zhì)量正常的情況下,對(duì)該指標(biāo)值的影響不大,當(dāng)收益質(zhì)量很差情況下,該指標(biāo)值會(huì)急速降低,發(fā)揮財(cái)務(wù)預(yù)警作用。

引入凈收益營(yíng)運(yùn)指數(shù)。X3=息稅前利潤(rùn)/資產(chǎn)總額,是反映獲利能力的指標(biāo)。一般情況,總資產(chǎn)報(bào)酬率越大獲利能力越強(qiáng)。但也不容樂(lè)觀,通過(guò)分析企業(yè)收益的構(gòu)成可知,企業(yè)收益由經(jīng)營(yíng)凈收益和非經(jīng)營(yíng)收益兩部分組成,經(jīng)營(yíng)凈收益是企業(yè)的生產(chǎn)經(jīng)營(yíng)活動(dòng)取得的,具有風(fēng)險(xiǎn)低和可持續(xù)性,是高質(zhì)量的收益;非經(jīng)營(yíng)收益的來(lái)源主要是資產(chǎn)處置和證券交易,資產(chǎn)處置屬偶發(fā)事項(xiàng),常常成為企業(yè)操縱利潤(rùn)的工具,但不是企業(yè)的核心能力,證券交易獲利靠的是運(yùn)氣,風(fēng)險(xiǎn)高且不具有可持續(xù)性。由此看來(lái),非經(jīng)營(yíng)收益雖然也是收益,但不代表企業(yè)的收益“能力”。

例如,2001年12月申請(qǐng)破產(chǎn)的美國(guó)安然公司,從1997年開(kāi)始凈利潤(rùn)逐年大幅度上升,而經(jīng)營(yíng)利潤(rùn)逐年下降,凈收益營(yíng)運(yùn)指數(shù)越來(lái)越低。這說(shuō)明凈收益質(zhì)量越來(lái)越差。因此,需要在X3后乘以一個(gè)收益質(zhì)量指標(biāo)凈收益營(yíng)運(yùn)指數(shù)X7,起到敏感器作用。凈收益營(yíng)運(yùn)指數(shù)X7的理想值是1,當(dāng)收益質(zhì)量正常的情況下,對(duì)該指標(biāo)值的影響不大,當(dāng)收益質(zhì)量很差的情況下,該指標(biāo)值會(huì)急速降低,發(fā)揮財(cái)務(wù)預(yù)警作用。

參考文獻(xiàn):

1.王睿莉.企業(yè)財(cái)務(wù)預(yù)警研究綜述[J].現(xiàn)代商貿(mào)工業(yè),2008(8)

2.蓋麗瑋.基于非財(cái)務(wù)指標(biāo)的財(cái)務(wù)預(yù)警模型初探[J].現(xiàn)代商業(yè),2008(23)

3.王火紅.企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型初探[J].商業(yè)會(huì)計(jì),2008(10)