淺談企業(yè)財務風險及其預警分析
——以電器行業(yè)上市公司為例

彭婉芳

（福州職業(yè)技術學院經濟與管理系，福州351008）

一、問題的提出

當今世界，在我國證券市場快速發(fā)展的經濟形勢下，上市公司數量逐年增加，規(guī)模不斷擴大，結構不斷優(yōu)化，運作也更加規(guī)范，已成為現代市場經濟中最具活力及發(fā)展?jié)摿Φ慕M織。上市公司在喜迎發(fā)展機遇之際，同時也面臨著潛在的更為激烈的競爭，面臨新的風險及危機，財務風險無時不刻不存在，時刻對企業(yè)的安危造成威脅。風險的重要性已逐漸廣泛地引起各企業(yè)的重視，在公司管理中擔任著重要角色。因此，財務風險已是上市公司不能忽略必須謹慎應對的風險之一，其掌控著公司的命運。不同的公司面臨著不同程度的財務風險，如ST公司及非ST公司。這就警示我們，當下各上市公司急需構建一套有效的財務風險預警模型，有效地預防財務危機的產生。而有效解決問題的關鍵在于如何構建及構建哪種預警模型，從而促進企業(yè)長期健康的運營，解決此問題已變得刻不容緩。

二、財務預警的預測方法

財務預警的預測方法有單變量預警模型和多元線性判定模型，即“Z-Score”模型、多元概率比回歸模型、Logistic回歸判定模型及人工神經網絡模型等。[1]其中，相比于其他方法，單變量預警模型、“Z-Score”模型與Logistic回歸判定模型較常用于實例研究。

單變量預警模型指以某項財務指標作為判別標準來判斷企業(yè)是否處于破產狀態(tài)的預測模型，也稱單變量分析法，最先由Fitzpatrick（1932）做出的破產預測研究，而多元線性判定模型，也稱F分數模型等，其應用最為廣泛，主要用于上市企業(yè)。[2]

三、假設的提出以及研究方法的設計

（一）研究假設的提出

根據Edward I Altman及學者周首華、楊濟華等的研究經驗，假定“Z-Score”模型、“F-Score”模型也適用于我國，就滬、深交易所上市企業(yè)的Z值及F值分析，會出現如下的分布規(guī)律：

假設一：若股票風險小，其Z值應比2.675大，F值應比0.0274大。

假設二：上市企業(yè)如若近三年內，財務危機持續(xù)嚴重的形勢，將被相關部門暫停其股票上市，在實際的操作中，將其實施特別處理(即ST)。顯然，該類股票的投資風險非常大。所以，其Z值應比1.81小，同時F值應比0.0274小。

假設三：在介于假設一、二的情況，即表示有較嚴重的營運風險隱患，其Z值應比1.81大，而又低于2.675。

（二）研究方法

將多個財務比率等指標予以加權并匯總，并構建多元線性函數的公式來預測企業(yè)的財務困境，即為多元線性判別法。它具備了統(tǒng)籌兼顧兩個或更多變量關系的特點，能夠綜合反映企業(yè)多方面的特點，填補了其他方法的漏洞。因此，本研究運用多元線性判別法。

美國學者Altman在1968年創(chuàng)立了Z分數模型。從公司財務報表中計算出反映財務危機程度的指標，憑借財務危機預警效果的程度賦予不同的權重，最后加權計算即可得到企業(yè)綜合風險總判別分Z值，參照臨界值，則可知危機的嚴重程度。[3]Z分數模型，其詳細形式如公式（1）。

其中，公式（1）中，自變量X的計算公式如表1。

在Z-Score模型中，Altman指出了判定公司財務失敗或破產的分界點，其判定區(qū)間如表2。

我國學者周首華、楊濟華（1996）等認識到Altman教授的Z分數模型在現金流量變動等方面考慮不足，就對此模型予以改進，在1996年構建了一套新的財務風險預警模型，即F分數模型。[5]該模型中，新增了現金流量，在相當程度上彌補了Z記分法模型的不足?！癋-score”模型的函數表達式如公式（2）。其中，公式（2）中，自變量X的計算公式如表3。

表1 Z-Score模型中自變量和計算公式[4]

表2 Z-Score模型的企業(yè)財務情況判定標準

表3 F-Score模型中自變量和計算公式[6]

表4 F-Score模型的企業(yè)財務情況判定標準

可知，“F-Score”模型的分界點是0.0274，若企業(yè)的F值比0.0274小，則表示其有財務隱患的情況，預測其將面臨破產；反之，則表示公司被預測為能夠持續(xù)正常營運下去。需注意的是，當F值在其分界點上下浮動0.0775時，即處于（-0.0501，0.1049）時將被認定為不確定區(qū)間。[7]這就很容易導致原本能夠繼續(xù)生存的公司反被預測為破產公司，亦或是本將面臨破產的公司反被判定為可持續(xù)生存公司。因此，假若公司的F值處于此區(qū)域，管理階層則應采取更為深入且謹慎的分析，從而予以判定公司的財務是否確實即將步入困境。

四、實證研究分析

（一）電器行業(yè)上市公司的概況

伴隨著人們生活水平的提高，其品味需求也相應提升。目前我國正處于消費升級的階段，而電器消費升級趨勢已變得不可逆轉。據前期數據，市場中高能效、高性能的產品數量越來越多，電器產品已受到了消費者的青睞。因此，當前我國電器行業(yè)正面臨著國內外的嚴峻形勢，電器行業(yè)的上市公司也都面臨著運營資金缺口等類似此類的財務問題，又如原料單價的攀升，外加人力資本的提高等營運成本的增加；同行業(yè)競爭變得越發(fā)激烈，由于國外市場的介入，使得國內的市場需求下降等因素導致。雖然公司的管理層都有制定相關的措施來應對，比如通過一些促銷的優(yōu)惠手段、提供送貨上門并負責安裝、改善服務態(tài)度等，但這治標不治本。公司仍隨時都有可能出現財務風險，進而導致財務危機。電器行業(yè)的上市公司正面臨著嚴峻的挑戰(zhàn)，所以，當前需構建符合該行業(yè)公司實際情況的財務風險預警模型，以對付財務風險，推動其持久長效的營運。

（二）電器行業(yè)上市公司財務預警的現狀

1.數據來源及說明

本研究采用實證分析法，在驗證“Z記分法”及“F記分法”的過程中，就上海證券交易所中電器行業(yè)的16家上市企業(yè)，并篩選其上市年份，從各自樣本總體中選取達到要求的8家。對其2015年、2016年、2017年及2018年四年的相關財務數據、各個指標予以分析，計算Z值與F值。再分析其數值特點及走勢情況、Z值以及F值的分布情況，最后獲得結論并分析原因。從而驗證“Z記分法”和“F記分法”在評價公司日常財務風險及經營風險方面的有效性程度。該模型的所有財務數據都來上海證券交易所網站和股票軟件大智慧的有關股票的資料和年報。

2.Z值及F值的計算

將所選的8家電器行業(yè)上市企業(yè)，及其各自相關年份的財務數據及指標，根據“Z-Score”模型與“F-Score”模型的計算公式，代入分別計算出Z值及F值，計算后的結果如表5。

表5 Z值與F值的計算結果

由此，可知Z值及F值各自的分布狀況。其中，Z值分布狀況表如表6。F值分布狀況表如表7。

表6 Z值分布狀況表

表7 F值分布狀況表

3.數據分析

根據Z分數模型與F分數模型的財務判定標準及Z值與F值的分布狀況表做出如下的數據分析。

Z值分析。根據表5，上市企業(yè)Z值在2015、2016、2017及2018年這四年的平均值分別為0.8994、0.8073、0.8124及0.8766。依據Z分數法，可知這類公司Z值位于分界值1.81之下，代表其財務危機嚴重，破產機率相當高。且其Z值幾乎呈遞減趨勢，如表6，2015—2018年的Z值均小于1.81，表明公司的財務風險這四年均為嚴重的財務危機。表6中，可知Z值比1.81小的公司數量很多，幾乎是全軍覆沒。前三年的占比均為100%，可預測企業(yè)第四年的Z值應低于1.81，而實際上Z值小于1.81的占比也為100%，這證明了“Z-Score”模型的有效性及準確性。由該模型，可知此類企業(yè)近幾年的財務狀況非常差，存在很大的財務危機，破產幾率極高。并且，單從每個年份來看，前三年的Z值均小于1.81，且成下降趨勢，雖然2018年有所回升，但較2015年的這類企業(yè)若風險控制不得當，公司未來陷入財務危機的概率很大，財務風險較大，即處于“灰色地帶”。而往后的三年的Z值分布情況大致相同，Z值大于2.675的數量為零，而低于1.81的數量占了絕大多數，而這種趨勢也符合當時的經濟情況。這些都可以說明“Z-Score”模型預測企業(yè)財務風險的適應性及有效性。綜上，可說明“Z-Score”模型具有一定的說服力，這種多元分析方法通過將公司各個方面的財務指標結合起來反映公司的整體情況，對電器行業(yè)上市企業(yè)的財務風險起到較強的預警作用，擁有很高的實用價值。

F值分析。由表7，得知F值在2015年到2018年比0.0274大的數量均比在0.0274以下的多，即預測企業(yè)會繼續(xù)經營下去。且就從每一年來看，從2015至2018年，企業(yè)F值在0.0274的數量幾乎保持不變，表示企業(yè)會持續(xù)經營下去。表中，2015到2018年F值比0.0274大的百分數基本維持不變，但結合當時的經濟形勢，這樣的趨勢顯然不合情理。另外，加上“F-Score”模型的數值在（-0.0501，0.1049），為不確定區(qū)間。即導致原本可以繼續(xù)運營的企業(yè)反被預測為破產的概率很大，亦或是本將面臨破產的企業(yè)反被判定為可持續(xù)生存企業(yè)。而從表5中，可以得出F值在浮動區(qū)間的數量也占少數，這樣對企業(yè)財務風險的預測相對也造成了一些影響。

Z值及F值的比較分析。以上分析，可肯定兩模型就預測準確性之處均有一些局限性。公式中，在計算“Z-Score”模型中的X3值時，“稅息前利潤”是一個不易取得的數據，由于我國無“利息費用”這個一級科目，當算息稅前利潤的時候，往往習慣用“財務費用”來替換利息費用。而實際上，利息收入和支出、借款手續(xù)費及匯兌損益等內容均應計入“財務費用”，與異國“利息費用”的內涵有所差異。而假若將某個不準確的財務數據置于預警模型中來計算Z值，就會影響到所得出的結論的正確性。而構建的“F-Score”模型中，雖然新增了現金流量這個變量，能令預測結果更可靠，為多數企業(yè)構建財務風險預模型相對比較理想的選擇。但不一定就完美，也有不足，F分數模型并沒全面注意到財務指標在不同行業(yè)間的差異。雖有較多的樣本作為基礎，但實際上若針對到某個行業(yè)來說，并不一定都是最有效的。針對不同行業(yè)的實例分析，其模型的有效性還需做更深入的研究。

綜上分析，可知在2015—2018年電器行業(yè)上市企業(yè)的Z值普遍偏低，且數值差別較大。分析證明Z分數模型相對F分數模型對電器行業(yè)的預測更為理想，也更符合當時的形勢。盡管“F-Score”模型考慮到現金流量變動的情況，理論上效果應強于Z分數模型。但針對不同的行業(yè)，其結果卻不一定絕對。通過區(qū)域的劃分可得出結論：哈空調的Z值從2016年突然大幅度下降，也是小于1.81，說明公司陷入財務危機的概率很大，只有海信電器、海立股份和惠而浦的Z值略有上升，總體還是保持下降趨勢，該結論與公司的發(fā)展狀況結果基本一致。

綜上，表明了對于電器行業(yè)，“Z-Score”模型對其財務風險的預測更為準確。

（三）對策建議

企業(yè)在日常經營中，難免會遭受到各種威脅，而財務風險就是導致其財務危機甚至破產的罪魁禍首之一。就電器行業(yè)而言，通過對其2015—2018年的實證分析，可以得出其財務狀況不容樂觀，構建模型的Z值幾乎全部在破產概率區(qū)間，若風險控制不得當，公司未來陷入財務危機的可能性極大，即財務風險較大。所以，對電器行業(yè)財務風險的防范及其預警問題給出對應的對策及建議就很有必要。針對所選電器行業(yè)上市企業(yè)在實際營運中出現的財務風險，就其風險及預警與防范列出了以下的對策或建議。

第一，強化電器行業(yè)上市公司的財務風險管理，包括強化公司管理層自身及財務人員防范風險的意識。如公司可通過營造良好的工作氛圍，給研發(fā)人員提供充分發(fā)揮自我水平的平臺，令其研發(fā)出高品質的產品，進而在性能及質量上超過競爭對手，贏在起跑線上。還可統(tǒng)一組織培訓，包括對企業(yè)財務人員技術的培訓，加強對如何采用相關的財務軟件完成日常賬務處理工作方面的學習。加強市場工作人員對產品結構、性能及用途等方面的認識，注重禮儀等細節(jié)，通過提高自身的素養(yǎng)，贏得客戶的認可。另外，也可通過實地舉辦沙盤活動，全真模擬現實的市場經營活動，在模擬中不斷地加強應對風險的能力并及時找出有效防范財務風險的最優(yōu)方法。

第二，加強公司制度的建設及其內部監(jiān)控，擁有屬于公司自身的管理方式。全面梳理企業(yè)現有的業(yè)務流程，對當前的生產營運活動進行細致的分析，如致使電器行業(yè)上市企業(yè)出現財務風險的因素是什么？是生產還是銷售環(huán)節(jié)出現問題導致的財務危機。假如為生產環(huán)節(jié)就可以在保證產品性能的基礎上適當的控制用料，避免浪費，使企業(yè)的效益最大化。而如果是銷售環(huán)節(jié)出問題，就要嚴格把握銷售的流程，盡量減少財務風險的產生?；诮Y合公司的制度及其內部控制，找出不足及可取之處，取其精華，去其糟粕。進而使企業(yè)的各項管理制度得到不斷的優(yōu)化，很好地掌控財務風險，達到公司最好的營運狀態(tài)。

第三，深度優(yōu)化公司的資本結構。公司的財務風險與其資本結構關系密切，當融資時應綜合想到多方面的影響因素，并采用理想的方法決定其最佳結構，以實現股東財富最大值這一目標。公司的償債能力受其資本結構的影響較大，特別是在企業(yè)合理分配各股，如普通股、特別股及流通股的分配等方面尤為顯著。資本結構的優(yōu)化，對企業(yè)財務風險的控制具有一定的效果，使其價值處于巔峰。

第四，建立對電器行業(yè)相對較為有效的財務風險預警模型，完善公司風險的控制。財務風險預警是有效掌控公司財務風險的關鍵。為使預警分析更為準確有效，應構建健全的預警機制及相關適用的預警模型，并予以適應性分析、選擇可較準確預測和防止其營運風險的有效模型，以保企業(yè)的健康營運。例如，針對以上的實證分析所暴露的問題，即“Z-score”模型相關指標及其權重的設定與所選行業(yè)或地區(qū)有很大的聯(lián)系，因此，有必要分行業(yè)對該模型展開具體分析，構建更為有效的預警模型。且以上實例分析證明，Z分數模型對某個行業(yè)的整體性分析的指導效果較好較強。

五、結論

通過實證分析，可總結出針對電器行業(yè)上市公司，“Z-Score”模型對該行業(yè)的適應性更強，可更準確地預測其財務風險。在上市公司財務危機之前提前警示，并有效地化解財務危機，相對于“F-Score”模型，“Z-Score”模型是該行業(yè)較為有效的財務風險預警模型。如果Z值處于灰色地帶，且伴隨著下降趨勢或者明顯波動的，則要格外的加以注意；而如果伴隨著上升趨勢的，則表明公司狀況良好。即灰色地帶屬于一個過渡區(qū)間，處于灰色地帶的公司，更應構建一套結合公司自身特點的財務風險預警模型來預測其財務風險?？傊?，與“F-Score”模型相比，“Z-Score”模型對電器行業(yè)的預測更為有效。盡管“F-Score”模型注意到新增變量變化的情況，在理論上應該比“Z-Score”模型更加有效。但實例分析證明，針對不同的行業(yè)，其結果卻不唯一。

根據所選行業(yè)或地區(qū)的差異性，“Z-score”模型相關指標及權重的設定就有所不同，有必要針對不同的行業(yè)對該模型進行具體分析，構建更為準確地預警模型。本研究的對象是制造業(yè)關于電器行業(yè)的上市企業(yè)，建模樣本選擇時帶有較大的隨意性，且沒有考慮到公司規(guī)模的大小對財務風險預警準確度的影響?？蛇M一步細化Z值的臨界點，從而提高預測結果的準確度，使得財務風險預警模型更為的合理及有效。但這并不影響兩模型的可比性，針對電器行業(yè)，Z模型對其整體性分析的指導效果較好。

綜上，關于電器行業(yè)上市公司，“Z-score”模型較“F-score”模型對其財務風險的預警效果更好。