新能源汽車業(yè)上市公司財務危機預警實證研究

馬閃霞 劉希麟

摘要：經濟新常態(tài)下，我國經濟處于經濟轉型的關鍵時期，經濟發(fā)展的“瓶頸”期。制造業(yè)作為我國的支柱性產業(yè)，是實體經濟的主體，汽車制造業(yè)是實體經濟的基礎，對我國GDP的貢獻有著舉足輕重的作用。近幾年來，在科學技術的推動下、國家政策的扶持下及市場需求的驅動下新能源汽車處于井噴式發(fā)展，新能源汽車已經成為汽車行業(yè)發(fā)展的主要方向和投資熱點。為了實現新能源汽車制造企業(yè)健康穩(wěn)定持續(xù)發(fā)展的目標，有必要對其財務危機進行預警。文章結合新能源汽車制造企業(yè)自身固有特性，借鑒前人的研究成果，采用能夠代表該類企業(yè)的預警指標，建立適用于該類型企業(yè)的財務風險預警模型，提高該類企業(yè)財務風險預測的準確性。

關鍵詞：新能源汽車;財務危機;財務危機預警

一、研究背景

目前，新能源汽車主要有三種類型：混合動力汽車、燃料電池電動汽車、純電動汽車。在當前全球呼吁保護環(huán)境、節(jié)約資源的大背景下，是新能源汽車發(fā)展的大好時機，新能源汽車也是能源結構升級的必然途徑。據中國統計局公布的數據可知，2017年新能源汽車產量同比增長178.1%，從長遠來看，新能源汽車有著很大的發(fā)展前景。新能源汽車制造企業(yè)在發(fā)展中不僅面臨著機遇而且還面臨著來自多方面的風險，比如外部宏觀經濟環(huán)境中的利率、外匯匯率波動的風險和通貨膨脹，以及企業(yè)內部的經營風險：生產成本高，低市場占有率低、籌資成本高等風險，這些風險最終都會轉化為企業(yè)的財務風險得以體現。

二、文獻綜述

（一）財務危機的定義

國外學者通常將財務危機視為破產，如Beaver（1966）認為，財務危機就是企業(yè)經營失敗即企業(yè)破產。Altman（1968）認為，財務危機是指企業(yè)沒有足夠的資金流來償還短期到期債務本息已經或者即將進入破產程序面臨清算。國外學者給出的財務危機的定義會因研究對象的不同而略有差異。吳世農等人將財務危機視為財務困境，最嚴重的財務困境就是企業(yè)破產，財務困境導致企業(yè)破產行為其實是一種違約行為。企業(yè)財務困境的發(fā)生是量變到質變的漸進過程，在危機發(fā)生之前往往可以通過財務狀況的變化趨勢進行預測的，是有征兆存在的而不是不可預測的、毫無征兆就突然陷入財務困境。考慮到我國特殊國情，在我國上市企業(yè)中很少有破產的企業(yè)。因此，國內外學者對于財務危機的定義并沒有統一的規(guī)定，相比于國外學者給出的財務危機的定義，國內學者通常將被特別處理作為發(fā)生財務危機的信號。

（二）財務危機預警研究現狀

目前，國內外學者使用最多的構建財務危機預警模型的方法大致可以分為兩類：傳統的統計分析方法和人工智能的方法。國外學者中，Altman（1968）最早使用資產負債率、流動比率、凈資產收益率和資產周轉率等財務報表數據通過傳統統計分析方法構建財務危機預警模型并預測企業(yè)財務風險狀況和評價企業(yè)財務危機程度，并創(chuàng)建了著名的Z-Score模型。Chava，Jarrow以1962～1999的年度和月度財務數據為樣本，驗證了Z計分模型交其他預警模型更具有優(yōu)越性，而且還得出了行業(yè)因素對企業(yè)破產預測的準確率具有重要影響的重要結論。陳靜（1999）是國內最早使用統計分析方法對企業(yè)財務困境預測進行實證研究。以27家被特別處理的公司和27家配對的非ST公司為樣本，通過單變量和多元線性判定模型進行實證分析發(fā)現兩種模型均具有一定的預測準確性。鄧旭東等人（2018）以房地產上市公司為研究對象，運用多元邏輯回歸構建模型，實證結果表明總體預測準確率高達85%以上。田寶新，王建瓊（2018）基于管理層和治理層兩個角度，選取財務指標和非財務指標構建預警模型。

三、研究設計

（一）研究對象與數據來源

1. 研究對象。本文選取15家已成功研發(fā)并有一定發(fā)展規(guī)模的新能源汽車上市公司作為研究樣本。

2. 數據來源。（1）從新能源汽車網選取了15家已成功研發(fā)并有一定發(fā)展規(guī)模的新能源汽車上市公司。（2）財務數據來源于新浪財經各公司年報中對外公布的財務數據信息、國泰安數據庫、上海證券交易所和深圳證券交易所公布的相關信息。（3）為了能更準確評價我國新能源汽車制造業(yè)上市公司財務危機程度和破產概率，本文選取了2013～2017年5年的財務數據來計算15家公司具體Z值并進行具體分析。

（二）研究模型

Altman是較早對制造業(yè)上市公司財務困境預警問題進行研究。他在單一線性模型的基礎上進行了改進，并創(chuàng)建了最具有代表性的Z-score多元線性模型。Z計分模型是以基于多變量統計方法的財務預警模型。國內外學者的實證研究表明，Z模型的預測真確率可達70%以上。本文以使用最為廣泛、準確率較高的Z計分模型為基礎，選擇最具有代表性的財務指標評價新能源汽車制造業(yè)企業(yè)的財務困境程度，并預測該行業(yè)企業(yè)未來幾年的財務風險水平和破產概率。

Z模型的表達式如下：

Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5

其中：X1=WC/TA，WC：營運資本;TA：資產總額

X2=留存收益/資產總額;留存收益=盈余公積+未分配利潤

X3=息稅前利潤/資產總額;息稅前利潤=利潤總額+財務費用

X4=所有者權益總市值/負債總額

X5=主營業(yè)務收入/資產總額

資產總額、負債總額取自當年資產負債表日的期末余額

由上述模型分別計算出15新能源公司的Z值，并根據其值的大小判斷新能源汽車行業(yè)財務風險大小和財務困境程度。財務困境程度的評價標準如表1所示。

四、實證研究結果分析

（一）Z值計算結果

本文選取了15家已經成功研發(fā)并且生產經營狀況較好的新能源汽車制造業(yè)上市公司2013～2017年近五年的財務數據，基于財務危機預警模型-Z模型使用Excel統計軟件計算15家公司的Z值，對整個新能源汽車制造業(yè)行業(yè)財務危機狀況進行研究分析。15家新能源汽車上市公司的具體計算結果如表2所示。

（二）Z值均值及其分布

由表2計算結果可得出如下結論：15家新能源汽車制造業(yè)上市公司2013年Z值的平均值為2.93，2014年Z值的平均值為2.95，2015年的Z值平均值為3.12，2016年Z值的平均值為2.73，2017年Z值的平均值為2.63。其中2013～2016年Z值的平均值均大于Z值的臨界值2.65，2017年Z值的平均值卻小于臨界值2.65，這說明了15家新能源汽車制造業(yè)上市公司在樣本觀測值的前四年財務狀況較好，企業(yè)財務風險較小，陷入財務危機的概率很小。然而，在選取樣本觀測值的最后一年，新能源汽車制造業(yè)行業(yè)整體Z值的平均值2.63小于臨界值2.65，這就意味著新能源汽車制造業(yè)行業(yè)面臨較大的財務風險，企業(yè)陷入財務危機的概率較大。根據Z值的臨界值，樣本公司Z值分布情況如表3所示。

從Z值分布情況統計表格可以看到15家新能源汽車制造業(yè)企業(yè)在2013～2016年期間四年共有三家公司的Z值小于1.81，占公司總數的20%，也就是說新能源汽車制造業(yè)行業(yè)有20%的公司Z值是小于1.81的，這些公司的財務狀況很差，財務風險很大，他們陷入財務危機的程度很大，這些企業(yè)有90%以上的概率面臨破產倒閉。2017年一年就有四家公司的Z值小于1.81，占公司總數的26.67%，換言之，在2017年一年就新增了26.67%的企業(yè)面臨陷入財務危機的風險，新能源汽車制造業(yè)行業(yè)的整體風險大大增加，有更多的公司紛紛出現危機預警，陷入財務困境、瀕臨破產的公司數量大大增加。針對這些Z值小于1.81的公司應該重點予以關注，并及時采取應對措施規(guī)避危機進一步惡化。2013～2017年平均有7家公司的Z值介于1.81和2.65之間，平均占比約為46.67%，這些公司的財務狀況處于“灰色地帶”，財務風險比較大，陷入財務危機的概率較大。針對Z值介于1.81和2.65之間的企業(yè)應該重點關注企業(yè)出現的財務危機征兆，對企業(yè)內外部環(huán)境變化產生的不利影響不能忽視，應該時刻做好預防可能出現的各種財務風險和非財務風險的準備，避免風險迅速擴大而導致企業(yè)陷入財務困境面臨破產的嚴重后果。2013～2017年期間Z值大于2.65，平均有6家公司，約占公司總數量的44%。Z值大于2.65的公司財務狀況較好，財務風險也比較小，企業(yè)陷入財務危機的概率通常低于10%，企業(yè)破產的可能性也比較低。

五、結論

通過對上述15家新能源汽車制造業(yè)企業(yè)的實證研究結果表明，2013～2016年四年的樣本觀測數據的Z值均大于臨界值2.65，而且在2013～2015年期間樣本Z值呈上升趨勢，但是從2016～2017年Z值開始呈下降趨勢，其中2016年較2015年Z值下降0.4，2017年Z值仍然下降甚至低于臨界值2.65。由上述研究結果可知，近兩年整個新能源汽車制造業(yè)行業(yè)的財務風險顯著增加，財務狀況開始出現惡化，企業(yè)陷入財務困境的程度較大，破產的概率較高，相關企業(yè)和政府有關部門應該給予高度關注，建立與其適應并具有可操作的財務危機預警模型，以便及時發(fā)現風險，及早采取措施避免造成嚴重后果。

參考文獻：

[1]S.Chava，R.A.Jarrow.“Bankruptcy Prediction with Industry Effects”[J].Review of Finance，2004（04）.

[2]陳靜.上市公司財務惡化預測的實證分析[J].會計研究，1994（04）.

[3]鄧旭東，張瑜，徐文平.基于現金流量角度的財務預警模型研究——以房地產行業(yè)為例[J].會計之友，2018（23）.

[4]田寶新，王建瓊.基于財務與非財務要素的上市公司財務困境預警實證研究[J].金融評論，2017（05）.