基于企業(yè)經(jīng)營管理視角的沃爾比重評分法改進(jìn)研究

摘 要：在現(xiàn)在企業(yè)經(jīng)營的過程中，企業(yè)管理者和投資者需要通過財(cái)務(wù)綜合分析來了解企業(yè)的經(jīng)營現(xiàn)狀。然而在現(xiàn)實(shí)中常用的沃爾比重評分法存在一些弊端，沃爾比重評分法不能說明所選擇的各個(gè)財(cái)務(wù)比率所占權(quán)重的合理性也未能說明其計(jì)算的標(biāo)準(zhǔn)是如何確定的。本研究擬以沃爾比重評分法為基礎(chǔ)，通過不同的能力分析選取相應(yīng)的財(cái)務(wù)指標(biāo)，通過因果圖分析法來探究所選取的財(cái)務(wù)指標(biāo)對企業(yè)質(zhì)量和發(fā)展的影響和影響程度，這些指標(biāo)之前是否存在關(guān)系及何種作用關(guān)系，作用的方向，繪制出因果圖，以更好地做出分析和判斷。對企業(yè)的管理和發(fā)展策略的制定具有很大的意義。

關(guān)鍵詞：沃爾比重評分法;因果圖分析法;線性回歸擬合;財(cái)務(wù)報(bào)表分析

一、引言

財(cái)務(wù)分析以企業(yè)財(cái)務(wù)報(bào)告及其他相關(guān)資料為主要依據(jù)， 對企業(yè)財(cái)務(wù)狀況和經(jīng)營成果進(jìn)行評價(jià)和剖析，從而改進(jìn)企業(yè)管理工作和優(yōu)化經(jīng)濟(jì)決策。傳統(tǒng)上將財(cái)務(wù)指標(biāo)分類為營運(yùn)能力、償債能力和盈利能力并使用能反應(yīng)相關(guān)能力財(cái)務(wù)指標(biāo)進(jìn)行構(gòu)建，用來綜合的反應(yīng)企業(yè)財(cái)務(wù)狀況和企業(yè)經(jīng)營狀況，并做出參考意見，提高對于企業(yè)財(cái)務(wù)分析的準(zhǔn)確性。讓財(cái)務(wù)報(bào)表使用者更好地進(jìn)行經(jīng)營管理，投資和治理等工作。傳統(tǒng)的財(cái)務(wù)分析包括沃爾比重評分法，杜邦財(cái)務(wù)分析體系法等，本文將結(jié)合消費(fèi)品行業(yè)上市公司財(cái)務(wù)報(bào)表的分析，對沃爾比重評分法進(jìn)行改進(jìn)，包括指標(biāo)的選用，分值計(jì)算的方法等，并和傳統(tǒng)的方法進(jìn)行對比，對完善財(cái)務(wù)評價(jià)模型具有重要的理論和現(xiàn)實(shí)意義。

二、沃爾比重評分法及因果圖分析法

財(cái)務(wù)綜合評價(jià)的先驅(qū)者之一亞歷山大·沃爾首先提出了信用能力指數(shù)的概念，把流動比率、負(fù)債資本比率、固定資產(chǎn)比率、存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、固定資產(chǎn)周轉(zhuǎn)率和主權(quán)資本周轉(zhuǎn)率等七項(xiàng)財(cái)務(wù)比率，用線性關(guān)系結(jié)合起來，并分別給定各自的分?jǐn)?shù)比重，然后通過與標(biāo)準(zhǔn)比率進(jìn)行比較，確定多項(xiàng)指標(biāo)的得分及總體指標(biāo)的累計(jì)分?jǐn)?shù)，從而對企業(yè)的信用水平乃至整個(gè)企業(yè)的財(cái)務(wù)狀況作出評價(jià)，即所謂的沃爾比重評分法。

沃爾比重評分法創(chuàng)新性地將原本獨(dú)立的財(cái)務(wù)指標(biāo)歸屬于不同的能力，并按照一定的權(quán)重將其組合起來，對企業(yè)進(jìn)行系統(tǒng)性的評價(jià)。在當(dāng)前的社會實(shí)踐中被廣泛地接受和應(yīng)用。

20世紀(jì)80年代以來，Glymour，Scheines，Spirtes，Pearl J和其他一些建立因果關(guān)系挖掘先驅(qū)工作的研究者，就從統(tǒng)計(jì)學(xué)和哲學(xué)的角度出發(fā)，研究基于非時(shí)序觀察數(shù)據(jù)的因果關(guān)系發(fā)現(xiàn)方法因果關(guān)系模型的建立一般是基于其隱含的假設(shè)的經(jīng)典的因果關(guān)系模型主要為Rubin的因果關(guān)系模型（Rubin Causal Model）和Pearl J以及Spites，Glymour，Scheines等人的因果圖模型（Causal Diagram Model）。

相關(guān)性不代表因果性。相關(guān)性是對稱的，而因果性是不對稱的。如果A是B的原因，那么B是A的結(jié)果，但我們絕不會同時(shí)說“事件A是事件B的原因，事件A也是事件B的結(jié)果”。

一般而言，我們認(rèn)為A和B是某種事件，而且A必須發(fā)生在B之前。因?yàn)椤耙颉北仨毎l(fā)生在“果”之前，所以如果A導(dǎo)致了B，那么不可能同時(shí)有B導(dǎo)致了A——兩個(gè)事件無法互為因果。由此可見，因果關(guān)系存在一種不對稱性。

因果結(jié)構(gòu)模型由Judea Pearl先生提出，通過因果圖，能夠十分直觀地了解到模型間各因子的關(guān)系，和互相作用，具有更好的解釋性，而不是只考慮相關(guān)關(guān)系，其中因果性有三個(gè)層級，分別是關(guān)聯(lián)性，干預(yù)，反事實(shí)分析。先考慮構(gòu)建模型所需要考慮的因子，并對其進(jìn)行分析，了解其各因子之間是否具有因果關(guān)系和具有什么樣的關(guān)系，最后構(gòu)建模型。先對一些概念和工具進(jìn)行簡述。

三、沃爾比重評分法的缺點(diǎn)

通過實(shí)踐中大量的應(yīng)用發(fā)現(xiàn)，沃爾比重分析法存在一些固有的不足，本文將討論以下三個(gè)方面：

1.在研究指標(biāo)選取上，沒有考慮行業(yè)因素。傳統(tǒng)的沃爾比重分析法所采用的很多指標(biāo)在不同行業(yè)所表現(xiàn)出的差異較大，這樣構(gòu)建出的評價(jià)體系的可信度將會相應(yīng)地降低，比如銀行業(yè)，房地產(chǎn)行業(yè)重點(diǎn)關(guān)注的財(cái)務(wù)指標(biāo)和傳統(tǒng)行業(yè)相差極大，在選構(gòu)使用構(gòu)建模型的財(cái)務(wù)指標(biāo)時(shí)應(yīng)該考慮行業(yè)特征來進(jìn)行選取。如果選取了兩個(gè)或多個(gè)具有相似特征的指標(biāo)，這樣在進(jìn)行計(jì)算時(shí)將會間接地增加該特征的權(quán)重。

2.在研究周期方面，傳統(tǒng)方法局限于同時(shí)期。過度地放大了短期財(cái)務(wù)波動的影響，對企業(yè)真實(shí)能力的反映可能會失真。

3.分值的計(jì)算和權(quán)重的選取不合理。體現(xiàn)在兩方面，一是以絕對值來進(jìn)行計(jì)算，但是在實(shí)踐中通?？紤]的是企業(yè)的不同能力在同行業(yè)中的相對水平，二是對分配的權(quán)重?cái)?shù)值無法做出合理的解釋，同樣未考慮行業(yè)的差異。

四、沃爾比重評分法的改進(jìn)

根據(jù)以上所提到的沃爾比重法的缺點(diǎn)，本節(jié)將會針對性地進(jìn)行改進(jìn)。

1.指標(biāo)選取的改進(jìn)

傳統(tǒng)的能力分為償債能力、營運(yùn)能力、盈利能力。在此根據(jù)薛云奎的四維分析法，把財(cái)務(wù)分析分為四個(gè)維度，經(jīng)營、管理、財(cái)務(wù)和業(yè)績。分別采用以下指標(biāo)：經(jīng)營方面，議價(jià)能力，營業(yè)資本需求比重，營業(yè)周轉(zhuǎn)天數(shù);管理方面，應(yīng)收周轉(zhuǎn)天數(shù)，費(fèi)用率;財(cái)務(wù)方面，有息債務(wù)率，資產(chǎn)負(fù)債率，利息利潤比率;業(yè)績方面，現(xiàn)金周轉(zhuǎn)天數(shù)，凈資產(chǎn)核心收益率，收入現(xiàn)金比，營業(yè)增長率，自由現(xiàn)金流復(fù)合增長率。

采用未來3年的所有者權(quán)益增長率來作為綜合評價(jià)目標(biāo)，使用因果分析法，相關(guān)性和方差膨脹系數(shù)法來對指標(biāo)進(jìn)行篩選。

在此要引入一個(gè)重要的概念就是干預(yù)。沒有“干預(yù)”的概念，很多時(shí)候沒有辦法談因果關(guān)系。這時(shí)需要引進(jìn)do算子，do的意思可以理解成“干預(yù)”，比如一個(gè)因果關(guān)系A(chǔ)→B，do（A）=a，表示如下的操作：將指向A的有向邊全部切斷，且將A的取值固定為常數(shù)a。如下例：

多重共線性是指自變量之間存在線性相關(guān)關(guān)系，即一個(gè)自變量可以是其他一個(gè)或幾個(gè)自變量的線性組合。若存在多重共線性，計(jì)算自變量的偏回歸系數(shù)時(shí)矩陣不可逆。其表現(xiàn)主要有：整個(gè)模型的方差分析結(jié)果與各個(gè)自變量的回歸系數(shù)的檢驗(yàn)結(jié)果不一致，專業(yè)判斷有統(tǒng)計(jì)學(xué)意義的自變量檢驗(yàn)結(jié)果卻無意義，自變量的系數(shù)或符號與實(shí)際情況嚴(yán)重不符等。常用的檢驗(yàn)方法為方差膨脹系數(shù)法，計(jì)算公式如下：

其中，Ri為自變量，對其余自變量作回歸分析的負(fù)相關(guān)系數(shù)。方差膨脹系數(shù)VIF越大，說明自變量之間存在共線性的可能性越大。一般來講，如果方差膨脹因子超過10，則回歸模型存在嚴(yán)重的多重共線性。又根據(jù)Hair（1995）的共線性診斷標(biāo)準(zhǔn)，當(dāng)自變量的容忍度大于0.1，方差膨脹系數(shù)小于10的范圍是可以接受的，表明自變量之間沒有共線性問題存在。

2.研究周期改進(jìn)

考慮到傳統(tǒng)方法只考慮當(dāng)前的數(shù)據(jù)，會放大短期的波動性，會對企業(yè)的評判造成誤差，并且企業(yè)在財(cái)務(wù)數(shù)據(jù)上的變化需要一定的時(shí)間進(jìn)行反應(yīng)。我們采取過去5年的財(cái)務(wù)數(shù)據(jù)，并對未來三年所有權(quán)益增長率來做分析。

3.分值和權(quán)重的計(jì)算改進(jìn)

不同財(cái)務(wù)數(shù)據(jù)數(shù)值的高低并不能直接體現(xiàn)出該指標(biāo)所反應(yīng)能力的好壞，而應(yīng)該與同行業(yè)水平進(jìn)行對比其所處的相對位置來反映其好壞。我們將不同的財(cái)務(wù)指標(biāo)進(jìn)行數(shù)據(jù)處理，根據(jù)行業(yè)所處的水平最終將連續(xù)數(shù)據(jù)全部轉(zhuǎn)換為分類數(shù)據(jù)，按等級分為很差、差、正常、好、很好，這幾個(gè)類別，分別用-2，-1，0，1，2表示。

五、實(shí)證研究方法及過程

對沃爾比重法進(jìn)行改進(jìn)，我們據(jù)需要的計(jì)算使用python來編寫相關(guān)算法和函數(shù)，對選取的行業(yè)樣本數(shù)據(jù)進(jìn)行分局，最后和在傳統(tǒng)方法上改進(jìn)后的方法來進(jìn)行對比，對其效果進(jìn)行驗(yàn)證。

1.數(shù)據(jù)選取

本文采用上市公司財(cái)務(wù)數(shù)據(jù)，數(shù)據(jù)來源為聚寬，時(shí)間段為2010年1月1日至2020年6月30日。行業(yè)選擇根據(jù)聚寬一級行業(yè)分類，選取日常消費(fèi)和可選消費(fèi)行業(yè)作為數(shù)據(jù)樣本，其行業(yè)代碼分別為“HY005”和“HY004”。選擇該行業(yè)是考慮到行業(yè)之間不同財(cái)務(wù)數(shù)據(jù)特性會有很大的差別，若選某些行業(yè)又會樣本不足，所以選取該消費(fèi)品行業(yè)。

2.數(shù)據(jù)處理

第一步，對備選財(cái)務(wù)指標(biāo)進(jìn)行處理。

將所有備選指標(biāo)根據(jù)同行業(yè)中所處的相對水平全部處理為分類數(shù)據(jù)并構(gòu)建函數(shù)將數(shù)據(jù)全部處理為很差，差，正常，好，很好這幾個(gè)分類數(shù)據(jù)。

第二步，分析指標(biāo)之間的關(guān)系。

使用相關(guān)性，方差膨脹系數(shù)法和因果分析法對數(shù)據(jù)進(jìn)行處理來篩選出構(gòu)建模型所需要的財(cái)務(wù)指標(biāo)。

最終得到三個(gè)財(cái)務(wù)指標(biāo)，分別為凈資產(chǎn)核心收益率，營業(yè)增長率，應(yīng)收周轉(zhuǎn)天數(shù)。如下圖：

根據(jù)得到的因果結(jié)構(gòu)圖，使用線性回歸算法（Linear Regression）來擬合直線，得到如下方程：

T=0.209E+0.018O+0.096R+ε

根據(jù)公式可知，凈資產(chǎn)核心收益率和應(yīng)收周轉(zhuǎn)天數(shù)對所有者權(quán)益增長率有較大的影響，營業(yè)增長率較小，由于構(gòu)建的函數(shù)為評分模型，可以忽略常數(shù)項(xiàng)，將ε從公式中剔除。由公式可以解讀出，凈資產(chǎn)核心收益率，營業(yè)增長率，應(yīng)收周轉(zhuǎn)天數(shù)質(zhì)量的提升將引起所有者權(quán)益增長率的提升，其中核心收益率和應(yīng)收周轉(zhuǎn)天數(shù)的影響較大，營業(yè)增長率的影響較小。

第三步，分值計(jì)算。

分別使用本文改進(jìn)的沃爾比重分析法和對權(quán)重調(diào)整改進(jìn)后的沃爾比重法對所選取的樣本進(jìn)行分值計(jì)算。

3.對比分析

將傳統(tǒng)方法和新的方法計(jì)算出分?jǐn)?shù)后，將兩種方法進(jìn)行對比。由于構(gòu)建模型的目的是反映企業(yè)經(jīng)營情況，并選出優(yōu)秀的企業(yè)，所以我們僅對兩種方法所選出的企業(yè)分?jǐn)?shù)排名前25%的企業(yè)進(jìn)行對比，如果比例過多將失去了篩選優(yōu)秀企業(yè)的意義。再者為了較為公平的反映模型的效果，我們在篩選出來的企業(yè)使用分位數(shù)來做對比，以消除極端數(shù)值對評估時(shí)的影響。在此我們一共選取了兩種方法分值排名前5%，10%，15%，20%，25%的企業(yè)，取其中的25%，50%，75%分位數(shù)做對比，縱軸為對應(yīng)企業(yè)的所有者權(quán)益增長率。構(gòu)建函數(shù)進(jìn)行計(jì)算，并按照分?jǐn)?shù)值進(jìn)行排序，結(jié)果如下：

由圖可知，改進(jìn)后的方法甄別及評價(jià)優(yōu)秀企業(yè)的能力效果顯著高于傳統(tǒng)方法。

六、結(jié)論

沃爾比重分析法作為實(shí)際中常用的方法，具有計(jì)算簡便的特點(diǎn)，對盈利能力，償債能力，發(fā)展能力綜合進(jìn)行分析評價(jià)，但是無法準(zhǔn)確的說明選擇該指標(biāo)里的原因和分配相應(yīng)權(quán)重的理由，并且未對不同行業(yè)進(jìn)行針對性的考慮。

改進(jìn)后的沃爾比重分析法考慮到了不同行業(yè)的財(cái)務(wù)特征，解釋了不同指標(biāo)之間的因果關(guān)系，并通過計(jì)算得出相應(yīng)權(quán)重?cái)?shù)值。隨著中國市場經(jīng)濟(jì)的發(fā)展，會計(jì)制度的完善，相應(yīng)的評價(jià)標(biāo)準(zhǔn)也是應(yīng)該與時(shí)俱進(jìn)進(jìn)行相應(yīng)的調(diào)整。同時(shí)可以結(jié)合專家經(jīng)驗(yàn)和自身的實(shí)際情況，進(jìn)行更加針對性的分析，以提高財(cái)務(wù)分析的準(zhǔn)確性。

參考文獻(xiàn)：

[1]Pearl J.Causality：Models，Reasoning and inference.2nd Edition.Cambridge，United Kingdom：Cambridge University Press，2009.

[2]Cooper G F，Yoo C.Causal discovery from a mixture of experimental and observational data//Proceedings of the 15th Conference on Uncertainty in Artificial Intelligence.Stockholm，Sweden，1999：116-125.

[3]李爽.煤礦安全文化的研究與思考[M].中國礦業(yè)大學(xué)出版社，2010.02：第101頁.

作者簡介：祁煒琳，男，漢族，陜西富平人，西安財(cái)經(jīng)大學(xué)，研究生，統(tǒng)計(jì)學(xué)專業(yè)，主要研究方向：統(tǒng)計(jì)學(xué)