第三方融資租賃公司財務(wù)風(fēng)險研究

摘要：現(xiàn)階段我國金融體制尚不完善，融資租賃行業(yè)仍處于初期階段，主要以金融租賃為主;但隨著“供給側(cè)改革”“一帶一路”、中國制造2025建設(shè)的不斷推進，在金融政策規(guī)范引導(dǎo)下類金融模式也在不斷發(fā)展，其中具有代表性的為融資租賃行業(yè)?，F(xiàn)以港股海通恒信融資租賃公司為例，運用Z-score模型分析該第三方融資租賃公司主要財務(wù)風(fēng)險，最后對該類第三方融資租賃公司相應(yīng)財務(wù)風(fēng)險提出風(fēng)險應(yīng)對策略。

關(guān)鍵詞：融資租賃;財務(wù)風(fēng)險;Z-score模型

中圖分類號：F832.39? ? 文獻標識碼：A

文章編號：1005-913X（2020）06-0091-03

一、引言

融資租賃始于20世紀50年代的美國，起初以“簡單融物”形式存在，隨著金融業(yè)拓寬行業(yè)領(lǐng)域，形成了以“融資+融物”的新金融模式，我國融資租賃行業(yè)起步較晚，始于1980年，工業(yè)技術(shù)較為落后，相較于歐美等國家而言，市場體量較小，行業(yè)滲透率低?，F(xiàn)階段融資租賃行業(yè)主要劃分為銀行系、廠商系、獨立第三方，但第三方融資租賃公司在生息資產(chǎn)規(guī)模上遜色于前二者。根據(jù)中國租賃聯(lián)盟及相應(yīng)研發(fā)中心披露的《2018年融資租賃行業(yè)年度報告》，截至2018年年底，我國融資租賃企業(yè)總數(shù)為11 777家，增長幅度為21.7%，其中增長比重較高的為第三方融資租賃公司，增加219家，占比2.15%。第三方融資租賃公司在企業(yè)數(shù)量不斷增加的同時，實際開展融資租賃業(yè)務(wù)的企業(yè)卻呈下降趨勢，有近七成為空殼公司，從業(yè)務(wù)體量上也與前二者相差較多，影響行業(yè)整體金融風(fēng)險較小;但從第三方融資租賃企業(yè)公司本身考慮，如何甄別第三方融資租賃公司財務(wù)風(fēng)險，并且風(fēng)險可控是當(dāng)前公司需要考慮的問題，在對該具體案例公司財務(wù)風(fēng)險分析的基礎(chǔ)上，提出有效化解公司財務(wù)風(fēng)險的相關(guān)策略，以緩解第三方融資租賃公司在財務(wù)端風(fēng)險的影響，更好地為中小企業(yè)融資提供保證。

二、文獻綜述

國外學(xué)者研究公司財務(wù)風(fēng)險的案例，主要是以美國Altman教授1968年提出的Z-score公司財務(wù)狀況預(yù)警模型為參照，將各行業(yè)經(jīng)驗數(shù)據(jù)根據(jù)模型公式得出Z評分進行橫向比較。我國學(xué)者在此問題上從財務(wù)比率方面運用實證分析的相應(yīng)方法對勾稽數(shù)據(jù)進行分析比較，判斷公司在財務(wù)端出現(xiàn)的風(fēng)險問題。周首華、楊濟華、王平（1996）[1]在研究公司財務(wù)危機問題下，對Z-score模型進行了詳細的評述，但該模型未考慮現(xiàn)金流量對公司財務(wù)風(fēng)險影響的問題，擬立新的F得分模式，通過對4 160家破產(chǎn)與非破產(chǎn)公司進行檢驗得出該模式具有較強的預(yù)測性，準確率達70%，可以彌補原模型不足。陳靜（1999）[2]對國內(nèi)ST上市公司實證分析，從單變量和多元變量兩個角度分別進行比較，研究得出該方法各有優(yōu)勢，相較于Altman的Z-score多元變量模型分析公司財務(wù)風(fēng)險而言更為審慎。近年來仍有一眾學(xué)者研究公司財務(wù)風(fēng)險預(yù)警體系，趙海蕾、周方召、金德環(huán)（2015）[3]將SOA算法與Z-score模型相結(jié)合，在原模型的基礎(chǔ)上優(yōu)化Z得分模型的適應(yīng)性函數(shù)，結(jié)果顯示該研究平均風(fēng)險識別率達96.33%，方法嚴謹有效。向德偉（2002）[4]在如何判斷及預(yù)測公司財務(wù)風(fēng)險問題上同樣運用Z-score方法，選取滬深兩地80家上市企業(yè)，對該樣本經(jīng)營風(fēng)險進行實證分析，結(jié)果顯示Z-score對某具體行業(yè)的整體經(jīng)營風(fēng)險具有良好的預(yù)測能力。嚴碧紅、馬廣奇（2011）[5]針對我國房地產(chǎn)上市公司財務(wù)風(fēng)險運用Z-score模型，在對深市A股61家房產(chǎn)企業(yè)財務(wù)風(fēng)險研究過程中發(fā)現(xiàn)，Z-score模型可以很好地反映出房產(chǎn)企業(yè)財務(wù)風(fēng)險問題，并對財務(wù)風(fēng)險微觀及宏觀方面給出控制風(fēng)險對策。楊知宇、楊景海（2014）[6]在基于現(xiàn)金流的基礎(chǔ)上建立財務(wù)風(fēng)險預(yù)警模型;選取6家ST公司為樣本，并運用之前學(xué)者對Z-score模型優(yōu)化的F分數(shù)預(yù)警模型，結(jié)果顯示，F(xiàn)分數(shù)預(yù)警模型的預(yù)測對公司控制財務(wù)風(fēng)險具有一定效用。

綜上所述，多數(shù)學(xué)者在研究Z-score模型問題上多從模型優(yōu)化的角度出發(fā)，以獲得更為準確的公司財務(wù)預(yù)警體系，但對具體行業(yè)種類及公司規(guī)模大小上并未進行嚴格篩選，在研究第三方融資租賃公司財務(wù)風(fēng)險問題上，首次采用Z-score方法獲得更為準確的預(yù)測數(shù)據(jù);同時，對所研究對象進行歸納總結(jié)，以期更好地歸納總結(jié)出同規(guī)模及同類融資租賃公司在財務(wù)端風(fēng)險應(yīng)對策略。

三、研究設(shè)計

（一）Z-score模型簡述

該模型1968年由美國學(xué)者Altman提出，他將該模型應(yīng)用在兩類研究樣本中，一類為制造型企業(yè)，另一類為不分行業(yè)類別的企業(yè)，通過分析將22個有效比率按流動性、盈利能力、現(xiàn)金流量、償債能力及營運能力進行綜合判別，最后得出函數(shù)：

Z=1.2*X₁+1.4*X₂+3.3*X₃+0.6*X₄

其中：X₁、X₂、X₃、X₄、X₅釋義由下表所示：

研究對象為第三方融資租賃公司，公式所有釋義均從該類公司角度出發(fā);X1反映公司流動性能力，流動能力越強，表示該融資租賃公司現(xiàn)金流量充足，公司債務(wù)結(jié)構(gòu)較為合理，整體財務(wù)狀況較好。X2反映公司投資及融資能力，指標越高，說明該公司經(jīng)營水平較高，業(yè)務(wù)收入較高，成本配比合理融資租賃市場行業(yè)涉獵較廣，整體影響力較大;同時也側(cè)面反映公司管理水平較高，籌資能力較強。X3反映該公司盈利水平，該指標直接影響公司整體規(guī)模的擴大及投資價值的提升。X4投資價值，該指標反映上市公司在資本市場中關(guān)注度及影響力。X5直接反映公司營運能力，指標越大，說明該公司整體經(jīng)營效率、行業(yè)認可度較高。

（二）財務(wù)數(shù)據(jù)分析

海通恒信融資租賃公司于2019年6月香港主板上市，凈資產(chǎn)高達129.3億元，凈資產(chǎn)收益率近三年均高達10%，是一家高速發(fā)展的中國大型第三方融資租賃公司，同時，也是中國領(lǐng)先證券公司海通證券唯一的租賃平臺。截至2017年底公司在第三方融資租賃公司整體排名中位居第三名，其主要業(yè)務(wù)為租賃與保理。

通過東方財富網(wǎng)及上海清算網(wǎng)收集該公司相關(guān)數(shù)據(jù)資料，勾稽近三年數(shù)據(jù)之間的關(guān)系，發(fā)現(xiàn)該公司在第三方融資租賃公司市場中認知度良好，數(shù)據(jù)可信度較高，具有一定的研究價值;在對該公司進行Z評分分析前，將該公司作以基礎(chǔ)的財務(wù)比率分析。

1.償債能力

據(jù)表2所示，該公司資產(chǎn)負債率從2014-2018年逐年攀升，通過翻閱公司相關(guān)年報資料發(fā)現(xiàn)，公司近幾年在融資租賃行業(yè)跨度較大，業(yè)務(wù)種類不斷拓寬，在項目數(shù)量及相關(guān)重大項目上投入資金總額較多，其相應(yīng)債務(wù)水平也會有所提高，對比同類公司，資產(chǎn)負債率均在60%-90%，該公司債務(wù)結(jié)構(gòu)上較為合理;同時，根據(jù)流動比率反映，公司在2014-2018年間比率提升較小，均在數(shù)值1上下浮動，符合該類公司持續(xù)經(jīng)營特性，整體債務(wù)風(fēng)險較小，償債能力較強。

2.營運能力

本研究主要對象為第三方融資租賃公司，均以息差為主要營業(yè)收入，但租賃及保理項目資金回收時間均在1-3年，回款效率及承租方信用水平直接影響公司的現(xiàn)金流入量，若債務(wù)及債權(quán)配比失調(diào)，將嚴重影響租賃公司日常經(jīng)營。在對其營運能力分析時主要觀察應(yīng)收融資租賃款周轉(zhuǎn)率及總資產(chǎn)周轉(zhuǎn)率。根據(jù)表3所示。

根據(jù)表3應(yīng)收賬款周轉(zhuǎn)率數(shù)據(jù)分析發(fā)現(xiàn)2018年回款效率最高，平均30天，2016年為最長回款期，約為143天，這也從側(cè)面反映，該第三方融資租賃公司為縮短回款期，在項目管理水平上提高，同時項目準入及批準的承租企業(yè)資質(zhì)要求上也更為嚴格;從公司重大事件上分析，2019年為公司主板上市之準備，2018年加快了新舊項目的應(yīng)收賬款回款期，各項目質(zhì)量截至2018年為最高?？傎Y產(chǎn)周轉(zhuǎn)率方面，該公司未有較大波動，均維持在0.075附近，說明企業(yè)在維持現(xiàn)有業(yè)務(wù)規(guī)模體量的同時，更多的是優(yōu)化管理水平。

3.盈利能力

根據(jù)表4所示該公司凈資產(chǎn)收益率逐年提升，截至2018年達10.19%，在同行業(yè)中資產(chǎn)創(chuàng)收能力較高，說明公司整體經(jīng)營良好，未有重大項目差錯;通過凈利率分析，該公司最高年份為2017年，達30.99%，2018年下降，這考慮凈利潤下降，究其根本原因在于2017年整體市場投放項目較2017年較少。根據(jù)年化投資回報率分析，該公司均維持在1.8以上，說明公司上市前后，投融資水平較高，收益較為穩(wěn)定。

4.成長能力

根據(jù)表5數(shù)據(jù)，該公司營業(yè)總收入同比持續(xù)增長，截至2018年較上年同比增長達32.09%，說明公司在穩(wěn)定現(xiàn)有行業(yè)租賃領(lǐng)域下，不斷延伸業(yè)務(wù)種類，為公司創(chuàng)收提供了良好的保證，凈利潤方面，公司逐年提升，截至2018年達12.15億元，較2016年提升近一倍，這也說明了公司在整個第三方租賃行業(yè)中，業(yè)務(wù)較為廣泛，租賃市場知名度較大，在中小企業(yè)融資平臺中具有穩(wěn)定的地位，成長能力較為優(yōu)秀。

（三）財務(wù)風(fēng)險分析

通常研究者均從是市場數(shù)據(jù)及會計數(shù)據(jù)兩個維度出發(fā)分析公司具體的財務(wù)風(fēng)險問題，市場數(shù)據(jù)是基于股票的β系數(shù)，該方法通常運用在完善的資本市場中，我國投資者多為保守型，投機心理較為嚴重，股價的變化無法實際反映公司的財務(wù)風(fēng)險，所以該方法不適合我國資本市場，相較于其他方法，選擇Z-score模型較為合理的反映了被研究公司的具體財務(wù)風(fēng)險。

本研究基于Z-score模型計算得出海通恒信近5年Z值，根據(jù)近5年Z值的變化來測量該公司財務(wù)風(fēng)險，表6為模型計算的具體數(shù)據(jù)。

若按常規(guī)Z值的大小直接關(guān)系上市公司財務(wù)風(fēng)險的大小，通常Z值經(jīng)驗數(shù)據(jù)為Z<1.81說明企業(yè)有很大的破產(chǎn)風(fēng)險，1.812.675說明企業(yè)財務(wù)狀況良好，破產(chǎn)可能性極小。

本研究基于第三方融資租賃公司，由于公司資產(chǎn)負債率長期均高達70%以上，公司主營業(yè)務(wù)是以賺取息差為主，項目時長的回款率直接影響企業(yè)的資金流量，考慮第三方融資租賃行業(yè)屬性特殊，多為債券及股權(quán)融資，回報率高但回款時間較長，本研究對象Z值均高于業(yè)內(nèi)其他公司，說明其財務(wù)狀況較其他公司而言較好，自2014年創(chuàng)業(yè)板上市以來，該公司常年Z值處于0.5，說明該公司財務(wù)狀況較為穩(wěn)定，公司管理項目水平較高，出現(xiàn)不良資產(chǎn)及信用違約項目較少，回款周期正常。另一方面，公司在營業(yè)收入逐年遞增的條件下，其凈利潤也在逐年遞增，說明公司經(jīng)營仍處于擴張性發(fā)展狀態(tài)，整體財務(wù)風(fēng)險是較低的。

（四）結(jié)論

根據(jù)對該第三方融資租賃公司Z-score模型的運用發(fā)現(xiàn)，融資租賃行業(yè)財務(wù)風(fēng)險普遍較高，對該公司而言，Z值將長期處于0.5

綜上所述，Z-score模型在測量第三方融資租賃公司的財務(wù)風(fēng)險問題上具有一定的局限性，但是結(jié)合其他同類公司進行Z值財務(wù)風(fēng)險比較，可以預(yù)測公司財務(wù)風(fēng)險程度;在進行系統(tǒng)性Z值分析下，第三方融資租賃公司在管理水平、盈利能力及流動性水平較為穩(wěn)定的狀態(tài)下，財務(wù)風(fēng)險較低。同時，在進行Z值財務(wù)分析時仍應(yīng)當(dāng)關(guān)注第三方融資租賃公司在資本充足度、資產(chǎn)質(zhì)量、管理水平、盈利能力及流動性的變化。

參考文獻：

[1] 周首華，楊濟華，王 平.論財務(wù)危機的預(yù)警分析——F分數(shù)模式[J]. 會計研究，1996（8）.

[2] 陳 靜.上市公司財務(wù)惡化預(yù)測的實證分析[J]. 會計研究，1999（4）.

[3] 向德偉.論財務(wù)風(fēng)險[J].會計研究，1994（4）.

[4] 趙海蕾，周方召，金德環(huán)，等.基于人群搜索算法的上市公司的Z-Score模型財務(wù)預(yù)警研究[J].財經(jīng)理論與實踐，2015（2）.

[5] 嚴碧紅，馬廣奇.基于Z-Score模型的我國房地產(chǎn)業(yè)上市公司財務(wù)風(fēng)險的實證分析[J].財務(wù)與金融，2011（5）.

[6] 楊知宇，楊景海.基于現(xiàn)金流量視角的財務(wù)風(fēng)險預(yù)警模型分析——以ST上市公司為例[J].會計之友，2014（30）.

[責(zé)任編輯：王 旸]

收稿日期： 2019-12-19

作者簡介： 周淘沙（1994- ），男，安徽宣城人，碩士研究生，研究方向：投融資管理。