新能源上市公司財(cái)務(wù)危機(jī)預(yù)警研究
——基于修正的Z-Score模型

賀瑜丹，李英艷，周悅

(南京交通職業(yè)技術(shù)學(xué)院，江蘇南京 210023)

在傳統(tǒng)能源供應(yīng)日益緊張、環(huán)境保護(hù)壓力日益增大的背景下，新能源行業(yè)的發(fā)展成為我國(guó)能源成長(zhǎng)的核心動(dòng)力。目前我國(guó)新能源行業(yè)仍處于發(fā)展階段，相應(yīng)的風(fēng)險(xiǎn)防控系統(tǒng)并不健全，在經(jīng)營(yíng)過(guò)程中面臨諸多風(fēng)險(xiǎn)，企業(yè)的發(fā)展面臨嚴(yán)峻挑戰(zhàn)。為了保障新能源產(chǎn)業(yè)平穩(wěn)、安全、持續(xù)發(fā)展，新能源企業(yè)需建立有效的財(cái)務(wù)危機(jī)預(yù)警模型，對(duì)自身的財(cái)務(wù)風(fēng)險(xiǎn)加以適時(shí)監(jiān)控并采取風(fēng)險(xiǎn)防控措施，以防范財(cái)務(wù)危機(jī)的發(fā)生。

一、Z-Score模型

愛(ài)德華·奧爾曼于一九六八年提出了Z-Score模型, 用來(lái)判斷企業(yè)的財(cái)務(wù)狀況，預(yù)測(cè)企業(yè)發(fā)生破產(chǎn)的可能性大小。Z-Score模型的基本理念是基于多個(gè)財(cái)務(wù)變量構(gòu)建多元判別分析模型，利用計(jì)算得出的Z值來(lái)預(yù)測(cè)企業(yè)是否會(huì)發(fā)生財(cái)務(wù)危機(jī)。Z-Score模型的一般表達(dá)式為：

Z=a1X1+a2X2+…+anXn

(1)

其中，Z是判別值，X1，X2…Xn代表財(cái)務(wù)變量，a1，a2…an為判別系數(shù)。

二、新能源上市公司財(cái)務(wù)危機(jī)預(yù)警研究

(一)研究樣本的選擇

我國(guó)大多數(shù)學(xué)者以“因財(cái)務(wù)狀況異常而被特別處理”作為企業(yè)陷入財(cái)務(wù)危機(jī)的標(biāo)志，但也有一些學(xué)者持有不同的判別標(biāo)準(zhǔn)。段然(2017)提出無(wú)論鋼鐵上市公司被實(shí)施特別處理，還是凈利潤(rùn)或利潤(rùn)總額為負(fù)數(shù)，都應(yīng)被界定為發(fā)生了財(cái)務(wù)危機(jī)。岑慧(2018)提出創(chuàng)業(yè)板上市公司危機(jī)界定標(biāo)準(zhǔn)為：一是連續(xù)兩個(gè)會(huì)計(jì)年度的凈利潤(rùn)為負(fù)，二是最近一個(gè)會(huì)計(jì)年度期末凈資產(chǎn)為負(fù)，三是審計(jì)報(bào)告為非標(biāo)準(zhǔn)意見(jiàn)，四是營(yíng)業(yè)利潤(rùn)增長(zhǎng)率連續(xù)三年為負(fù)。吳慶賀、唐曉華、林宇(2019)在《創(chuàng)業(yè)板上市公司財(cái)務(wù)危機(jī)的識(shí)別與預(yù)警》一文中，將陷入財(cái)務(wù)危機(jī)的識(shí)別標(biāo)準(zhǔn)界定為：一是最近一個(gè)會(huì)計(jì)年度扣除非經(jīng)常性損益的凈利潤(rùn)為負(fù)，二是最近一個(gè)會(huì)計(jì)年度期末凈資產(chǎn)增長(zhǎng)率為負(fù)。

截至2020年4月30日，依據(jù)新浪股票新能源概念板塊信息披露，71家新能源上市公司中“因財(cái)務(wù)狀況異常而被特別處理”的公司只有4家，危機(jī)公司樣本數(shù)量較少。因此本文借鑒學(xué)者們的研究經(jīng)驗(yàn)，以兩種情況來(lái)判別新能源上市公司是否陷入財(cái)務(wù)危機(jī)：一是因財(cái)務(wù)狀況異常而被特別處理，二是最近一個(gè)會(huì)計(jì)年度扣除非經(jīng)常性損益的凈利潤(rùn)為負(fù)值。依據(jù)該標(biāo)準(zhǔn)，71家新能源上市公司中有19家被判別為財(cái)務(wù)危機(jī)公司，其余52家為非財(cái)務(wù)危機(jī)公司。本文隨機(jī)選擇其中32家公司(其中財(cái)務(wù)危機(jī)公司、非財(cái)務(wù)危機(jī)公司各16家)構(gòu)建新能源上市公司財(cái)務(wù)危機(jī)預(yù)警模型。建模樣本如表1所示。

表1 建模樣本

(二)樣本數(shù)據(jù)來(lái)源

根據(jù)我國(guó)上市公司年報(bào)披露制度，本文利用T-2(2018年的財(cái)務(wù)數(shù)據(jù))來(lái)構(gòu)建預(yù)警模型。文中的財(cái)務(wù)數(shù)據(jù)均來(lái)源于新浪財(cái)經(jīng)。

(三)財(cái)務(wù)指標(biāo)變量的選取

宋寶珠(2014)從成長(zhǎng)能力、盈利能力、償債能力、營(yíng)運(yùn)能力、研發(fā)能力、現(xiàn)金流量六個(gè)方面構(gòu)建創(chuàng)業(yè)板上市公司財(cái)務(wù)危機(jī)預(yù)警模型指標(biāo)體系。吳慶賀、唐曉華、林宇(2019)從盈利能力、現(xiàn)金流量、營(yíng)運(yùn)能力、成長(zhǎng)能力和償債能力五個(gè)方面挑選了31個(gè)財(cái)務(wù)指標(biāo)構(gòu)建模型。本文則在前人研究的基礎(chǔ)上并結(jié)合新能源上市公司業(yè)績(jī)綜合評(píng)價(jià)指標(biāo)體系，從償債能力、盈利能力、營(yíng)運(yùn)能力、發(fā)展能力、現(xiàn)金流量五個(gè)方面選取了17個(gè)財(cái)務(wù)指標(biāo)。具體指標(biāo)名稱及計(jì)算如表2所示。

(四)樣本數(shù)據(jù)非參數(shù)檢驗(yàn)

本文所選樣本分別屬于財(cái)務(wù)危機(jī)組和非財(cái)務(wù)危機(jī)組。為確定兩組之間是否存在顯著差異，需對(duì)這兩組樣本進(jìn)行非參數(shù)檢驗(yàn)。本文采用曼-惠特尼U檢驗(yàn)法(Mann-Whitney U)進(jìn)行非參數(shù)檢驗(yàn)。檢驗(yàn)過(guò)程中，用符號(hào)“0”代表非財(cái)務(wù)危機(jī)組，符號(hào)“1”代表財(cái)務(wù)危機(jī)組。

1．償債能力指標(biāo)進(jìn)行非參數(shù)檢驗(yàn)。本文選取流動(dòng)比率等5個(gè)指標(biāo)來(lái)分析新能源上市公司的償債能力對(duì)財(cái)務(wù)狀況的影響。償債能力指標(biāo)非參數(shù)檢驗(yàn)結(jié)果如表3、表4所示。

從表3可以看出，非財(cái)務(wù)危機(jī)組的償債能力數(shù)值優(yōu)于財(cái)務(wù)危機(jī)組，顯然財(cái)務(wù)危機(jī)組將來(lái)面臨財(cái)務(wù)風(fēng)險(xiǎn)可能性更高。表3、表4顯示，現(xiàn)金比率、資產(chǎn)負(fù)債率這兩個(gè)指標(biāo)的秩均值存在較大差異，且兩者的顯著性水平均低于0.05。這表明兩個(gè)指標(biāo)在兩組之間存在著比較明顯的差異，會(huì)影響新能源上市公司的財(cái)務(wù)狀況。

表2 預(yù)警研究指標(biāo)初選

表3 償債能力指標(biāo)秩統(tǒng)計(jì)

表4 償債能力指標(biāo)非參數(shù)檢驗(yàn)統(tǒng)計(jì)量a

表中符號(hào)說(shuō)明：a. 分組變量之財(cái)務(wù)狀況；b. 沒(méi)有對(duì)結(jié)果進(jìn)行修正。下表相同。

2．盈利能力指標(biāo)進(jìn)行非參數(shù)檢驗(yàn)。本文選取銷售凈利率等4個(gè)指標(biāo)來(lái)分析新能源上市公司的盈利能力對(duì)財(cái)務(wù)狀況的影響。盈利能力指標(biāo)非參數(shù)檢驗(yàn)結(jié)果如表5、表6所示。

表5 盈利能力指標(biāo)秩統(tǒng)計(jì)

表6 盈利能力非參數(shù)檢驗(yàn)統(tǒng)計(jì)量a

從表5可以看出，非財(cái)務(wù)危機(jī)組的盈利能力數(shù)值顯著優(yōu)于財(cái)務(wù)危機(jī)組，表明非財(cái)務(wù)危機(jī)組的獲利能力強(qiáng)于財(cái)務(wù)危機(jī)組。表5、表6結(jié)果顯示，4個(gè)盈利能力指標(biāo)的秩均值差異顯著，顯著性水平均低于0.05。這表明四個(gè)指標(biāo)在兩組之間存在著比較明顯的差異，會(huì)影響新能源上市公司的財(cái)務(wù)狀況。

3．營(yíng)運(yùn)能力指標(biāo)進(jìn)行非參數(shù)檢驗(yàn)。本文選取存貨周轉(zhuǎn)率等3個(gè)指標(biāo)來(lái)分析新能源上市公司的營(yíng)運(yùn)能力對(duì)財(cái)務(wù)狀況的影響。營(yíng)運(yùn)能力指標(biāo)非參數(shù)檢驗(yàn)結(jié)果如表7、表8所示。

從表7可以看出，非財(cái)務(wù)危機(jī)組的存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率數(shù)值優(yōu)于財(cái)務(wù)危機(jī)組，但固定資產(chǎn)周轉(zhuǎn)率低于財(cái)務(wù)危機(jī)組。表7、表8的結(jié)果顯示，3個(gè)營(yíng)運(yùn)能力指標(biāo)秩均值差距不明顯，但3個(gè)指標(biāo)的顯著性水平均高于0.05，這表明三個(gè)指標(biāo)在兩組之間沒(méi)有太大的差異，不太會(huì)影響新能源上市公司的財(cái)務(wù)狀況。

表7 營(yíng)運(yùn)能力指標(biāo)秩統(tǒng)計(jì)

表8 營(yíng)運(yùn)能力指標(biāo)非參數(shù)檢驗(yàn)統(tǒng)計(jì)量a

4．發(fā)展能力指標(biāo)進(jìn)行非參數(shù)檢驗(yàn)。本文選取主營(yíng)業(yè)務(wù)收入增長(zhǎng)率、凈資產(chǎn)增長(zhǎng)率這2個(gè)指標(biāo)來(lái)分析新能源上市公司發(fā)展能力對(duì)財(cái)務(wù)狀況的影響。發(fā)展能力指標(biāo)非參數(shù)檢驗(yàn)結(jié)果如表9、表10所示。

表9 發(fā)展能力指標(biāo)秩統(tǒng)計(jì)

表10 發(fā)展能力指標(biāo)非參數(shù)檢驗(yàn)統(tǒng)計(jì)量a

從表9可以看出，非財(cái)務(wù)危機(jī)組的發(fā)展能力數(shù)值顯著優(yōu)于財(cái)務(wù)危機(jī)組，表明非財(cái)務(wù)危機(jī)公司在擴(kuò)大規(guī)模、壯大自身實(shí)力等方面具有較強(qiáng)的潛在能力，企業(yè)的持續(xù)生存能力強(qiáng)。表9、表10的結(jié)果顯示主營(yíng)業(yè)務(wù)收入增長(zhǎng)率、凈資產(chǎn)增長(zhǎng)率的秩均值存在顯著差距，2個(gè)指標(biāo)的顯著性水平均低于0.05，這2個(gè)指標(biāo)在兩組之間存在著比較明顯的差異，會(huì)影響新能源上市公司的財(cái)務(wù)狀況。

5．現(xiàn)金流量指標(biāo)進(jìn)行非參數(shù)檢驗(yàn)。本文選取銷售現(xiàn)金比率等3個(gè)指標(biāo)來(lái)分析新能源上市公司現(xiàn)金流量對(duì)財(cái)務(wù)狀況的影響?，F(xiàn)金流量指標(biāo)非參數(shù)檢驗(yàn)結(jié)果如表11、表12所示。

表11 現(xiàn)金流量指標(biāo)秩統(tǒng)計(jì)

表12 現(xiàn)金流量指標(biāo)非參數(shù)檢驗(yàn)統(tǒng)計(jì)量a

表11的數(shù)據(jù)反映非財(cái)務(wù)危機(jī)組的現(xiàn)金流量指標(biāo)數(shù)值顯著優(yōu)于財(cái)務(wù)危機(jī)組，非財(cái)務(wù)危機(jī)公司的當(dāng)期主營(yíng)業(yè)務(wù)收入資金回籠能力強(qiáng)、企業(yè)經(jīng)營(yíng)活動(dòng)所產(chǎn)生的現(xiàn)金流量可以償還流動(dòng)負(fù)債的程度高，非財(cái)務(wù)危機(jī)公司的財(cái)務(wù)狀況、運(yùn)行健康程度都優(yōu)于財(cái)務(wù)危機(jī)公司。表11、表12的結(jié)果顯示，資產(chǎn)的經(jīng)營(yíng)現(xiàn)金流量回報(bào)率、現(xiàn)金流量比率這2個(gè)指標(biāo)的秩均值存在顯著差距，且2個(gè)指標(biāo)的顯著性水平低于0.05。這表明2個(gè)指標(biāo)在兩組存在著較為明顯的差別，會(huì)影響新能源上市公司的財(cái)務(wù)狀況。銷售現(xiàn)金比率顯著性水平大于0.05，表明銷售現(xiàn)金比率不太會(huì)影響新能源上市公司的財(cái)務(wù)狀況。

(五)樣本數(shù)據(jù)逐步判別分析

通過(guò)曼-惠特尼U檢驗(yàn)法(Mann-Whitney U )檢驗(yàn)，篩選出現(xiàn)金比率、資產(chǎn)負(fù)債率、銷售凈利率、總資產(chǎn)利潤(rùn)率、成本費(fèi)用利潤(rùn)率、凈資產(chǎn)收益率、主營(yíng)業(yè)務(wù)收入增長(zhǎng)率、凈資產(chǎn)增長(zhǎng)率、資產(chǎn)的經(jīng)營(yíng)現(xiàn)金流量回報(bào)率、現(xiàn)金流量比率10個(gè)具有顯著差異的變量，以財(cái)務(wù)狀況作為因變量，采用 Wilk’s Lambda 對(duì)這10個(gè)變量進(jìn)行逐步判別分析。

1．指標(biāo)變量篩選過(guò)程及Wilk’s Lambda判定。在分析中，逐步剔除不合要求的指標(biāo)，結(jié)果如表13所示。

表13 輸入的/刪除的變量a,b,c,d

根據(jù)表13所示，主營(yíng)業(yè)務(wù)收入增長(zhǎng)率、資產(chǎn)負(fù)債率、凈資產(chǎn)增長(zhǎng)率、資產(chǎn)的經(jīng)營(yíng)現(xiàn)金流量回報(bào)率等4個(gè)指標(biāo)的sig.值均小于0.05。這表明四個(gè)變量在各組間具有顯著性差異，也就是說(shuō)主營(yíng)業(yè)務(wù)收入增長(zhǎng)率、資產(chǎn)負(fù)債率、凈資產(chǎn)增長(zhǎng)率、資產(chǎn)現(xiàn)金流量回報(bào)率四個(gè)指標(biāo)均對(duì)預(yù)構(gòu)建的Z模型作用顯著。

2．模型的建立。根據(jù)SPSS檢驗(yàn)結(jié)果，標(biāo)準(zhǔn)化的典型判別式函數(shù)系數(shù)如表14所示。

表14 標(biāo)準(zhǔn)化的典型判別式函數(shù)系數(shù)

根據(jù)表14，新能源上市公司修正的Z-Score財(cái)務(wù)危機(jī)預(yù)警模型的表達(dá)式為：

Z=-0.695X1+0.643X2+0.535X3+0.537X4

(2)

其中，X1為資產(chǎn)負(fù)債率，X2為主營(yíng)業(yè)務(wù)收入增長(zhǎng)率，X3為凈資產(chǎn)增長(zhǎng)率，X4為資產(chǎn)的經(jīng)營(yíng)現(xiàn)金流量回報(bào)率。

(六)Z值臨界點(diǎn)的設(shè)定

根據(jù)新能源上市公司修正的Z-score模型，計(jì)算32家建模樣本公司的Z值，結(jié)果如表15所示。

表15 建模樣本的Z值

由表15可知，依據(jù)修正的Z-score預(yù)警模型計(jì)算出來(lái)的新能源上市公司的Z值中有研新材的Z值最大為0.0465，金山股份的Z值最小為-0.7276。根據(jù)最大值和最小值的差距，將-0.3406作為Z值判別標(biāo)準(zhǔn)，當(dāng)Z大于-0.3406時(shí)，公司財(cái)務(wù)狀況良好，為非財(cái)務(wù)危機(jī)公司；當(dāng)Z小于等于-0.3406時(shí)，公司財(cái)務(wù)狀況較差，為財(cái)務(wù)危機(jī)公司。

(七)預(yù)警模型預(yù)測(cè)能力檢驗(yàn)

1．建模樣本的回代檢驗(yàn)分析。根據(jù)表16建模樣本的Z值，統(tǒng)計(jì)建模樣本預(yù)測(cè)準(zhǔn)確率，結(jié)果如表16所示。

表16 建模樣本預(yù)測(cè)準(zhǔn)確率

由表16可以看出，基于T-2年數(shù)據(jù)構(gòu)建的新能源上市公司修正的Z-score模型預(yù)測(cè)非財(cái)務(wù)危機(jī)公司的準(zhǔn)確度高于財(cái)務(wù)危機(jī)公司的準(zhǔn)確度。非財(cái)務(wù)危機(jī)公司預(yù)測(cè)正確15個(gè)，誤判1個(gè)，準(zhǔn)確率為93.75%；財(cái)務(wù)危機(jī)公司預(yù)測(cè)正確12個(gè)，誤判4個(gè)，準(zhǔn)確率為75%，綜合準(zhǔn)確率為84.375%。由此可見(jiàn)，模型的適用程度比較高。

2．檢驗(yàn)樣本檢驗(yàn)分析。從剩余的39家新能源上市公司中任選20家(其中*ST湘電、漳澤電力、精功科技為財(cái)務(wù)危機(jī)公司，其余17家為非財(cái)務(wù)危機(jī)公司)作為檢驗(yàn)樣本，計(jì)算Z值，并統(tǒng)計(jì)檢驗(yàn)樣本預(yù)測(cè)準(zhǔn)確率，結(jié)果如表17、18所示。

表17 檢驗(yàn)樣本Z值

表18 檢驗(yàn)樣本預(yù)測(cè)準(zhǔn)確率

由表18可以看出，對(duì)于檢驗(yàn)樣本，新能源上市公司修正的Z-score模型預(yù)測(cè)非財(cái)務(wù)危機(jī)公司的準(zhǔn)確度仍高于財(cái)務(wù)危機(jī)公司的準(zhǔn)確度。非財(cái)務(wù)危機(jī)公司預(yù)測(cè)正確14個(gè)，誤判3個(gè)，準(zhǔn)確率為82.35%；財(cái)務(wù)危機(jī)公司預(yù)測(cè)正確2個(gè)，誤判1個(gè)，準(zhǔn)確率為66.67%，綜合準(zhǔn)確率為74.51%。財(cái)務(wù)危機(jī)公司預(yù)測(cè)準(zhǔn)確率低是由于樣本數(shù)量少，只有3家，這降低了模型預(yù)測(cè)準(zhǔn)確率。

三、結(jié)論

本文利用T-2年的數(shù)據(jù)構(gòu)建修正的Z-score財(cái)務(wù)危機(jī)預(yù)警模型對(duì)建模樣本判斷的綜合正確率為84.375%，對(duì)檢驗(yàn)樣本判斷的綜合正確率為74.51%，可以看出該模型的總體正確率比較高，適用于我國(guó)新能源上市公司。但是在對(duì)危機(jī)公司的預(yù)警判斷過(guò)程中，無(wú)論是建模樣本還是檢驗(yàn)樣本，預(yù)警準(zhǔn)確率都較非財(cái)務(wù)危機(jī)公司低。這說(shuō)明新能源上市公司發(fā)生危機(jī)受較多因素的影響，在預(yù)警分析過(guò)程中，需要結(jié)合非財(cái)務(wù)因素進(jìn)一步分析。