煤礦企業(yè)融資風(fēng)險(xiǎn)險(xiǎn)兆事件預(yù)警與應(yīng)對策略

李紅霞 畢國器

摘 要：為幫助煤礦企業(yè)針對各類融資風(fēng)險(xiǎn)險(xiǎn)兆事件高效制定風(fēng)險(xiǎn)預(yù)警對策，在對煤礦企業(yè)的融資風(fēng)險(xiǎn)險(xiǎn)兆的表現(xiàn)形式進(jìn)行梳理與識別的基礎(chǔ)上，以煤礦企業(yè)的財(cái)務(wù)、經(jīng)營信息數(shù)據(jù)為基礎(chǔ)，通過對相關(guān)企業(yè)財(cái)務(wù)、經(jīng)營指標(biāo)的綜合分析和預(yù)測，分別針對煤礦企業(yè)非融資活動險(xiǎn)兆事件與融資活動險(xiǎn)兆事件提出了相應(yīng)的應(yīng)對策略，并運(yùn)用實(shí)證分析法，使用Z-Score預(yù)警模型對熱點(diǎn)問題進(jìn)行了驗(yàn)證。通過實(shí)證分析得出結(jié)論，Z-Score模型是行之有效的融資風(fēng)險(xiǎn)預(yù)警工具，能夠?yàn)槊旱V企業(yè)管理者提供融資決策依據(jù)，進(jìn)而有效降低融資風(fēng)險(xiǎn)與損失。研究發(fā)現(xiàn)，真正出現(xiàn)融資風(fēng)險(xiǎn)的企業(yè)，在損失發(fā)生前往往已同時(shí)觸發(fā)多種類型的險(xiǎn)兆事件。

關(guān)鍵詞：礦業(yè)工程;煤礦企業(yè);融資風(fēng)險(xiǎn);險(xiǎn)兆事件

中圖分類號：TD-9

文獻(xiàn)標(biāo)志碼：A

文章編號：1672-9315（2021）03-0434-08

DOI：10.13800/j.cnki.xakjdxxb.2021.0307

Abstract：In order to help coal mine enterprises to efficiently formulate risk early warning countermeasures against various financing risk near-miss events， this article sorts out and identifies the manifestations of near-miss financing risks of coal mining companies. Based on operating and financial information， through comprehensive analysis and forecasting of relevant corporate financial as well as operating indicators，corresponding countermeasures were proposed for near-missing events of non-financing activities and near-financing events of coal mining enterprises.An empirical analysis being made，the Z-Score early warning model was to verify the currently hot issues.It is concluded that the Z-Score model is an effective financing risk early warning method，with a reasonable basis established for financing decision-making for coal mine enterprise managers， thereby reducing financing risks and losses.And the research also indicates multiple types of nearmiss events may be triggered before losses occur in the companies encountering real financing risks that companies encountering real financing risks often trigger multiple types of near-missing events at the same time before losses occur.

Key words：mining engineering;coal mining enterprises;financing risks;near-miss events

0 引 言

2020年11月10日，信用評級為AAA的河南省屬國企永城煤電控股集團(tuán)有限公司2020年第3期超短期融資券在幾乎沒有征兆的情況下突然“爆雷”，一時(shí)間造成國內(nèi)信用債市場的“踩踏”。受此影響之后的30 d內(nèi)國內(nèi)150支合計(jì)金額1 103億債券先后“被迫”取消或推遲發(fā)行，直到國家金融委公開市場談話后，市場情緒才稍有平復(fù)。雖說事發(fā)突然，但永城煤電的違約“爆雷”還是可以提前獲得諸多預(yù)警信息的。通過研究煤礦企業(yè)的融資風(fēng)險(xiǎn)險(xiǎn)兆事件并進(jìn)行風(fēng)險(xiǎn)預(yù)警就顯得十分必要。

1933年世界經(jīng)濟(jì)危機(jī)結(jié)束后，國外學(xué)者加強(qiáng)了對融資風(fēng)險(xiǎn)預(yù)警的研究力度，初始的研究主要針對企業(yè)財(cái)務(wù)危機(jī)進(jìn)行定性分析。隨著統(tǒng)計(jì)學(xué)的發(fā)展，定量分析技術(shù)與工具不斷升級，研究主要聚焦相關(guān)財(cái)務(wù)預(yù)警模型的設(shè)計(jì)，且在實(shí)務(wù)中得以廣泛應(yīng)用。當(dāng)前國外融資風(fēng)險(xiǎn)預(yù)警研究方法主要有以某一項(xiàng)財(cái)務(wù)指標(biāo)作為判別標(biāo)準(zhǔn)來判斷企業(yè)融資風(fēng)險(xiǎn)大小的單變量預(yù)警模型、運(yùn)用多種財(cái)務(wù)比率指標(biāo)加權(quán)匯總而組成的多元線性函數(shù)公式來預(yù)測融資風(fēng)險(xiǎn)的多變量預(yù)警模型、邏輯回歸模型和神經(jīng)網(wǎng)絡(luò)模型等方法[1-6]。

近年來，國內(nèi)學(xué)術(shù)界針對我國煤礦企業(yè)融資的現(xiàn)實(shí)情況，涌現(xiàn)出了一些具有較高學(xué)術(shù)價(jià)值的論文。在單變量模型使用中，依靠專家經(jīng)驗(yàn)值法賦值[7]，代表性的研究學(xué)者有李凱風(fēng)，丁寧（2017）;晉曉琴，王曉軍（2018）等，通過專家賦值使用功效系數(shù)法對煤炭企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行不同區(qū)間的預(yù)警判定[8]。在多變量模型使用中，劉紅霞，張心林（2004）運(yùn)用主成分分析法，對滬深上市公司財(cái)務(wù)危機(jī)預(yù)警進(jìn)行實(shí)證研究，歸納總結(jié)出影響企業(yè)財(cái)務(wù)安全的主要?jiǎng)右騕9]。李靜（2017）對Z-Score模型進(jìn)行修正，通過擴(kuò)大樣本數(shù)量和更新部分指標(biāo)對Z-Score模型進(jìn)行改進(jìn)，并額外考慮了現(xiàn)金流量變動指標(biāo)，從財(cái)務(wù)預(yù)警的角度研究上市公司的信用風(fēng)險(xiǎn)[10]。對于險(xiǎn)兆事件的研究，田水承、周可柔、楊雪健、楊鵬飛、張德桃（2018）提出了事故預(yù)防的3道防火墻和閉環(huán)管理理論[11]。這些研究對于阻斷融資風(fēng)險(xiǎn)事故致因鏈條，控制事故發(fā)生，具有較強(qiáng)的借鑒意義。

1 融資風(fēng)險(xiǎn)預(yù)警與險(xiǎn)兆事件

預(yù)警是指在需要提防的災(zāi)害或其他危險(xiǎn)發(fā)生之前，根據(jù)觀測得到的可能性前兆或既往總結(jié)的規(guī)律，向相關(guān)部門或公眾報(bào)告危險(xiǎn)情況或發(fā)出緊急風(fēng)險(xiǎn)提示，以避免災(zāi)害或危險(xiǎn)在不知情或準(zhǔn)備不足的情況下發(fā)生，從而最大程度的減輕災(zāi)害或危險(xiǎn)所造成的損失的行為。同時(shí)預(yù)警過程中所觀測的前兆，并不一定必然導(dǎo)致災(zāi)害或者危險(xiǎn)發(fā)生。

所謂險(xiǎn)兆事件是指發(fā)生在前兆事故之后，但并沒有演變成為事故或危機(jī)的事件。由于某些條件的發(fā)生，使得產(chǎn)生事故或危機(jī)的機(jī)會因素消失，本來有可能導(dǎo)致事故或者危機(jī)的事件，并未最終發(fā)展為事故或者危機(jī)。險(xiǎn)兆事件雖然有不安全的傾向，但是卻沒有造成任何損失，可任由險(xiǎn)兆事件不受控制的發(fā)展，最終往往會發(fā)展成事故或危機(jī)。構(gòu)成險(xiǎn)兆事件的因素包括：人的不安全行為、物的不安全狀態(tài)、有可能產(chǎn)生嚴(yán)重后果的事件、造成財(cái)產(chǎn)損失的事件、造成環(huán)境破壞的事件、產(chǎn)生潛在傷害可能的事件和防范措施受到破壞的事件。由于險(xiǎn)兆事件最終沒有演化成事故或者危機(jī)，管理上往往被忽視，但實(shí)際上所有的險(xiǎn)兆事件都與最終形成的風(fēng)險(xiǎn)息息相關(guān)，對險(xiǎn)兆事件的觀測、統(tǒng)計(jì)與研究理應(yīng)成為風(fēng)險(xiǎn)管理的重要部分。

融資風(fēng)險(xiǎn)預(yù)警是基于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警、經(jīng)營風(fēng)險(xiǎn)預(yù)警相結(jié)合的風(fēng)險(xiǎn)管理行為。煤礦企業(yè)融資風(fēng)險(xiǎn)預(yù)警是以煤礦企業(yè)的財(cái)務(wù)、經(jīng)營信息數(shù)據(jù)為基礎(chǔ)，通過對相關(guān)財(cái)務(wù)、經(jīng)營指標(biāo)的綜合分析、預(yù)測，對企業(yè)融資活動中的風(fēng)險(xiǎn)進(jìn)行分析預(yù)測和動態(tài)監(jiān)管，并對煤礦企業(yè)可能發(fā)生的融資風(fēng)險(xiǎn)，發(fā)出預(yù)警信號，為煤礦企業(yè)管理者提供融資決策依據(jù)，降低風(fēng)險(xiǎn)與損失程度的管理監(jiān)控系統(tǒng)。對煤礦企業(yè)財(cái)務(wù)管理、經(jīng)營管理中的險(xiǎn)兆事件進(jìn)行識別與分析，是融資風(fēng)險(xiǎn)預(yù)警管理中必不可少的部分。

2 險(xiǎn)兆的表現(xiàn)及識別

2.1 煤礦企業(yè)的融資風(fēng)險(xiǎn)險(xiǎn)兆的表現(xiàn)形式

警源是風(fēng)險(xiǎn)產(chǎn)生的根源。融資風(fēng)險(xiǎn)預(yù)警的警源包括外生性警源和內(nèi)生性警源。煤礦企業(yè)的融資風(fēng)險(xiǎn)有些來自融資活動本身，有些則是非融資活動帶來的。融資活動本身產(chǎn)生的風(fēng)險(xiǎn)包括融資規(guī)模是否與需求相匹配、融資到位程度、融資成本、融資結(jié)構(gòu)和煤礦企業(yè)日常資金能否正常對外支付等。由于財(cái)務(wù)狀況是融資危機(jī)程度的具體體現(xiàn)，實(shí)務(wù)中在分析融資活動自身產(chǎn)生的風(fēng)險(xiǎn)及險(xiǎn)兆時(shí)，主要是對煤礦企業(yè)的財(cái)務(wù)狀況進(jìn)行分析，包括但不限于資金的償付能力、盈利變動情況、成長性、資產(chǎn)負(fù)債結(jié)構(gòu)等方面。

非融資活動的融資風(fēng)險(xiǎn)包括但不限于宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)、突發(fā)公共事件風(fēng)險(xiǎn)、政策風(fēng)險(xiǎn)、資源風(fēng)險(xiǎn)、安全風(fēng)險(xiǎn)、生產(chǎn)風(fēng)險(xiǎn)等。其中生產(chǎn)風(fēng)險(xiǎn)又可細(xì)分為能源和原材料供應(yīng)風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)、經(jīng)營管理等風(fēng)險(xiǎn)。而管理風(fēng)險(xiǎn)主要與人的風(fēng)險(xiǎn)有關(guān)，極易誘發(fā)安全風(fēng)險(xiǎn)等其他風(fēng)險(xiǎn)，并最終影響煤炭企業(yè)的現(xiàn)金流及融資能力。管理風(fēng)險(xiǎn)還包括核心資產(chǎn)的轉(zhuǎn)移布置等，往往影響債權(quán)人對企業(yè)償債能力的判斷。

煤礦企業(yè)來自于融資活動本身風(fēng)險(xiǎn)與非融資活動風(fēng)險(xiǎn)是相互影響，交互發(fā)生作用的。作為企業(yè)的一種管理活動，融資風(fēng)險(xiǎn)管理就是盡可能地降低融資危機(jī)發(fā)生的概率及發(fā)生損失后產(chǎn)生的金額。這就需要在融資風(fēng)險(xiǎn)警情爆發(fā)前，分析警兆、控制警源、擬定排警對策。

2.2 煤礦企業(yè)融資風(fēng)險(xiǎn)險(xiǎn)兆識別

煤礦企業(yè)產(chǎn)生融資風(fēng)險(xiǎn)的原因是復(fù)雜多樣的，且融資風(fēng)險(xiǎn)的產(chǎn)生均有一個(gè)逐漸顯現(xiàn)、不斷惡化的過程。融資風(fēng)險(xiǎn)的險(xiǎn)兆主要包含景氣險(xiǎn)兆與動向險(xiǎn)兆。景氣險(xiǎn)兆主要反映宏觀經(jīng)濟(jì)及企業(yè)所在行業(yè)的景氣程度，屬于早期的處于發(fā)展過程中的萌芽性質(zhì)的險(xiǎn)兆;動向險(xiǎn)兆則屬于與融資風(fēng)險(xiǎn)具有直接的因果或邏輯關(guān)系的先行變量指標(biāo)出現(xiàn)異常變化所引起的險(xiǎn)兆。融資風(fēng)險(xiǎn)預(yù)警過程中，反映企業(yè)整體風(fēng)險(xiǎn)趨勢的險(xiǎn)兆一般屬于景氣險(xiǎn)兆，而導(dǎo)致企業(yè)發(fā)生融資風(fēng)險(xiǎn)的具體經(jīng)營風(fēng)險(xiǎn)變動則多屬于動向險(xiǎn)兆。實(shí)務(wù)中通過對煤礦的生產(chǎn)經(jīng)營活動進(jìn)行跟蹤、記錄和計(jì)量，觀察煤礦企業(yè)生產(chǎn)與財(cái)務(wù)運(yùn)營的實(shí)際運(yùn)轉(zhuǎn)情況與預(yù)算、標(biāo)準(zhǔn)、定額之間的差異，進(jìn)而分析產(chǎn)生偏差的原因，對產(chǎn)業(yè)政策及企業(yè)管理進(jìn)行持續(xù)跟蹤，可以尋找出諸多融資風(fēng)險(xiǎn)的險(xiǎn)兆。這些險(xiǎn)兆主要包括如下方面。

2.2.1 突發(fā)公共事件對企業(yè)的影響

例如，新型冠狀病毒肺炎等突發(fā)公共衛(wèi)生事件、地質(zhì)災(zāi)害等突發(fā)事件，都可能導(dǎo)致煤礦企業(yè)出現(xiàn)階段性停工，同時(shí)需求下降。停工期間，企業(yè)需要正常支付融資利息成本，可能導(dǎo)致融資風(fēng)險(xiǎn)。

2.2.2 國家煤礦產(chǎn)業(yè)政策的調(diào)整

例如，國家關(guān)于關(guān)井壓產(chǎn)政策的調(diào)整，有可能使得企業(yè)的生產(chǎn)規(guī)模不再符合產(chǎn)業(yè)政策要求，導(dǎo)致企業(yè)被迫轉(zhuǎn)產(chǎn)或被動投入巨額技改資金，并可能直接或間接地導(dǎo)致煤礦企業(yè)巨額虧損乃至停產(chǎn)。

2.2.3 可采儲量與負(fù)債總額與期限不匹配

不同于傳統(tǒng)的加工制造業(yè)，只要市場銷路不存在問題，就是永續(xù)經(jīng)營的。煤礦企業(yè)中長期的生產(chǎn)能力受限于可采儲量的硬約束。隨著開采儲量的耗盡，煤礦企業(yè)應(yīng)主動做好債務(wù)的償還規(guī)劃。如果一個(gè)煤礦企業(yè)負(fù)債總額超越了其礦產(chǎn)儲備的可持續(xù)承載能力，即使短期內(nèi)該企業(yè)的盈利狀況較好，最終其現(xiàn)金流也是不可持續(xù)的。

2.2.4 開采成本與運(yùn)輸成本變化趨勢

煤礦企業(yè)開采進(jìn)入中后期后，往往開采成本逐漸上升。當(dāng)一個(gè)煤礦企業(yè)成本的上升顯著高于同業(yè)平均水平時(shí)，應(yīng)該對于其融資風(fēng)險(xiǎn)保持高度警惕。此外，相對于其他行業(yè)，煤礦企業(yè)運(yùn)輸成本的占比顯著偏高。對于區(qū)位不占優(yōu)勢，生產(chǎn)區(qū)域遠(yuǎn)離消費(fèi)區(qū)域的煤礦企業(yè)，階段性運(yùn)輸成本的變動，可能導(dǎo)致企業(yè)現(xiàn)金流的大幅波動，進(jìn)而導(dǎo)致融資風(fēng)險(xiǎn)。

2.2.5 安全生產(chǎn)管理水平

安全生產(chǎn)事故對煤礦企業(yè)生產(chǎn)運(yùn)營影響極大，輕則造成經(jīng)濟(jì)與人員的損失，重則有可能導(dǎo)致企業(yè)直接被關(guān)閉。煤礦企業(yè)對安全生產(chǎn)管理水平的識別非常重要。安全生產(chǎn)規(guī)章制度的完備性、制度是否得到有效執(zhí)行、安全生產(chǎn)的投入是否充足、企業(yè)對安全生產(chǎn)險(xiǎn)兆事件的研究與應(yīng)用程度都關(guān)乎企業(yè)的融資風(fēng)險(xiǎn)。

2.2.6 管理層的失誤

與融資風(fēng)險(xiǎn)息息相關(guān)的煤礦企業(yè)典型的管理層失誤主要為過度投資、多元化以及缺乏溝通。最近十年，煤礦企業(yè)因盲目跨行業(yè)投資及多元化導(dǎo)致資金鏈斷裂的案例較多。煤礦企業(yè)的過度投資主要來源于對于未來形勢的過分樂觀以及在不熟悉當(dāng)?shù)胤ㄒ?guī)的情況下盲目在海外投資。如前所述，受限于可采儲量的硬約束，部分煤礦企業(yè)熱衷于通過多元化來轉(zhuǎn)移風(fēng)險(xiǎn)，一旦多元化的規(guī)模與范圍超出了自身的管理水平，則往往因某一項(xiàng)投資的失敗，導(dǎo)致整個(gè)集團(tuán)資金鏈斷裂。此外煤礦企業(yè)對核心資產(chǎn)進(jìn)行配置或轉(zhuǎn)移前，缺乏與債權(quán)人的良好溝通，也容易導(dǎo)致融資風(fēng)險(xiǎn)。

2.2.7 不合理的財(cái)務(wù)結(jié)構(gòu)

不少煤礦企業(yè)的負(fù)債率偏高、財(cái)務(wù)結(jié)構(gòu)脆弱、財(cái)務(wù)彈性不足，宏觀外部環(huán)境的稍微變化都極易使企業(yè)陷入困境，資金鏈斷裂。

上述7類險(xiǎn)兆事件，按照與融資活動的關(guān)聯(lián)關(guān)系區(qū)分，其中前6種屬于非融資活動產(chǎn)生的融資風(fēng)險(xiǎn)險(xiǎn)兆事件，第7種屬于融資活動產(chǎn)生的融資風(fēng)險(xiǎn)險(xiǎn)兆事件。

3 應(yīng)對策略分析

面對表現(xiàn)形式各異的融資風(fēng)險(xiǎn)險(xiǎn)兆事件，制定預(yù)案顯得非常重要。對風(fēng)險(xiǎn)所采取的措施，遵循寧可備而不用，不能用而無備的原則。對險(xiǎn)兆事件加強(qiáng)監(jiān)測、分析，及時(shí)對癥下藥施策，制定使企業(yè)快速恢復(fù)到正常經(jīng)營運(yùn)轉(zhuǎn)軌道的方案，是應(yīng)對融資風(fēng)險(xiǎn)的正確方法。

3.1 非融資活動險(xiǎn)兆事件的應(yīng)對策略

為了降低突發(fā)公共事件對煤礦企業(yè)現(xiàn)金流及融資安排的影響，企業(yè)有必要在日常融資安排及合同的簽訂中，考慮增加應(yīng)急狀態(tài)的救濟(jì)條款，探討采取保險(xiǎn)等轉(zhuǎn)移風(fēng)險(xiǎn)的措施。針對突發(fā)事件，煤礦企業(yè)應(yīng)制定有完備的應(yīng)急預(yù)案，如迅速與借款銀行主動接洽，商談延期或展期的債務(wù)重組方案，積極爭取政府的紓困政策及稅收優(yōu)惠政策等。

面對國家煤礦產(chǎn)業(yè)政策的調(diào)整，煤礦企業(yè)要保持對政策的敏感性與主動性，要做到能夠?qū)Ξa(chǎn)業(yè)政策在未來一段時(shí)間的走向進(jìn)行科學(xué)的預(yù)判，并提前進(jìn)行融資性安排。通過合理安排技改投資等方式，使企業(yè)遠(yuǎn)離產(chǎn)業(yè)政策的紅線。對于新技術(shù)、新產(chǎn)品的市場應(yīng)用持開放性的態(tài)度，不斷通過技術(shù)升級提升企業(yè)的競爭力。

煤礦企業(yè)面對可開采儲量的硬約束，要做好科學(xué)規(guī)劃。理論上，煤礦企業(yè)的現(xiàn)金流入等于可開采儲量未來銷售后的折現(xiàn)現(xiàn)金流。煤礦企業(yè)的融資更接近于項(xiàng)目融資，要考慮整個(gè)礦山全生命周期的融資安排。初期通過加大外部融資力度，快速提升產(chǎn)能并擴(kuò)大銷售。等銷售回籠資金大于營運(yùn)資金后，要按照資金成本、長短期融資金額合理擺布的原則，壓降融資金額，確保在礦山的整個(gè)開采周期內(nèi)融資償還是安全可控的。企業(yè)還要根據(jù)自身的資金狀況科學(xué)籌劃新的礦產(chǎn)資源的勘探投資，并適當(dāng)通過向下游產(chǎn)業(yè)鏈的延伸，降低可開采資源衰竭對企業(yè)財(cái)務(wù)狀況的影響。

煤礦企業(yè)屬于同質(zhì)化程度較高的行業(yè)，開采成本、運(yùn)輸成本與同業(yè)的差異，將明顯影響企業(yè)的市場競爭力。除了礦山本身的特質(zhì)以外，影響開采成本的主要因素是煤礦企業(yè)的管理與技術(shù)水平，煤礦企業(yè)應(yīng)選擇合適的技術(shù)路徑盡可能的壓降噸煤成本。相對而言，運(yùn)輸成本在大多數(shù)情況屬于煤礦企業(yè)本身的不可控因素，儲量豐富的大礦山，可考慮與當(dāng)?shù)仉娋W(wǎng)企業(yè)合作，通過坑口電廠的建設(shè)等模式，改變礦產(chǎn)資源的運(yùn)輸模式。

作為特殊行業(yè)，煤礦企業(yè)應(yīng)始終遵循“安全第一，預(yù)防為主”的安全管理理念，按照科學(xué)的程序與方法，對安全生產(chǎn)過程中的各類險(xiǎn)兆事件進(jìn)行統(tǒng)計(jì)、分析與預(yù)警。通過加強(qiáng)職工安全培訓(xùn)，對不安全要素進(jìn)行全面排查，并適時(shí)開展6∑精益生產(chǎn)，提升安全生產(chǎn)的質(zhì)量標(biāo)準(zhǔn)化，將安全生產(chǎn)事故發(fā)生的可能性降到最低。同時(shí)企業(yè)可以通過保險(xiǎn)精算等手段，對部分風(fēng)險(xiǎn)進(jìn)行轉(zhuǎn)移，以降低安全事故對企業(yè)經(jīng)營及現(xiàn)金流的影響。

面對多元化投資及海外并購，企業(yè)管理層應(yīng)該清醒的認(rèn)識到，對于資本密集型的煤礦企業(yè)，在評估項(xiàng)目可行性時(shí)應(yīng)始終將現(xiàn)金流的改善放在最重要的位置，投資的目的是為了獲取更大的現(xiàn)金流入，而不是僅僅追求規(guī)模。面對進(jìn)展不順利的項(xiàng)目，管理層要學(xué)會用管理會計(jì)的眼光區(qū)分沉沒成本與追加投資，避免在前期已經(jīng)錯(cuò)誤的項(xiàng)目上越陷越深，以至于最終拖垮企業(yè)的整個(gè)現(xiàn)金流。此外，管理層對于任何核心資產(chǎn)的處置，都需要與監(jiān)管機(jī)構(gòu)及債權(quán)人坦誠溝通，避免因?yàn)橄嗷サ牟恍湃危瑢?dǎo)致類似永城煤電出現(xiàn)短期流動性迅速枯竭的情況。

3.2 融資活動險(xiǎn)兆事件的應(yīng)對策略

企業(yè)管理過程中可以使用財(cái)務(wù)預(yù)警，對企業(yè)自身財(cái)務(wù)結(jié)構(gòu)存在的問題進(jìn)行測量與分析，促使企業(yè)財(cái)務(wù)結(jié)構(gòu)保持合理的投融資彈性，防止因結(jié)構(gòu)嚴(yán)重失衡造成的融資風(fēng)險(xiǎn)。預(yù)警指標(biāo)的確定可以采取如下方法與思路。①經(jīng)驗(yàn)值判斷法：在參考前人研究的基礎(chǔ)上，根據(jù)經(jīng)驗(yàn)與直覺來確定采用的指標(biāo)。②統(tǒng)計(jì)差異比較法：通過統(tǒng)計(jì)檢驗(yàn)計(jì)算正常企業(yè)的標(biāo)準(zhǔn)值或者均值，將實(shí)際數(shù)與標(biāo)準(zhǔn)值或者均值進(jìn)行差異比對。③回歸/篩選法：通過對不同年份數(shù)據(jù)運(yùn)用回歸及逐步篩選等方法，從而選擇出合適的預(yù)警指標(biāo)。④主成分分析法：運(yùn)用此分析法通過壓縮、降維，消除指標(biāo)間的自相關(guān)性，從而獲得線性復(fù)合指標(biāo)。⑤信息提煉法：主要運(yùn)用粗糙集、信息熵等計(jì)算方法刪減掉包含冗余信息的指標(biāo)，并在此基礎(chǔ)上確定可以使用的指標(biāo)體系。

煤礦企業(yè)管理實(shí)務(wù)中，可以通過建立融資風(fēng)險(xiǎn)預(yù)警系統(tǒng)來應(yīng)對財(cái)務(wù)結(jié)構(gòu)不合理的問題。一個(gè)融資風(fēng)險(xiǎn)預(yù)警系統(tǒng)的建設(shè)大致包含如下步驟：首先根據(jù)企業(yè)實(shí)際情況，進(jìn)行人力資源安排，設(shè)置專門崗位或機(jī)構(gòu)，由專業(yè)的人員負(fù)責(zé)收集預(yù)警信息與數(shù)據(jù)，實(shí)施監(jiān)控;再就是搭建融資預(yù)警工作系統(tǒng)，通過輸入已發(fā)生的預(yù)警數(shù)據(jù)，對融資風(fēng)險(xiǎn)進(jìn)行實(shí)時(shí)監(jiān)控與分析。一個(gè)運(yùn)轉(zhuǎn)高效的融資預(yù)警系統(tǒng)應(yīng)至少涵蓋如下基本功能。①監(jiān)測計(jì)量功能：系統(tǒng)應(yīng)做到實(shí)時(shí)對煤礦企業(yè)財(cái)務(wù)數(shù)據(jù)、經(jīng)營數(shù)據(jù)進(jìn)行計(jì)量、核算，并能與合理的標(biāo)準(zhǔn)值進(jìn)行對照分析。②數(shù)據(jù)挖掘與診斷功能：通過對監(jiān)測計(jì)量的結(jié)果進(jìn)行對比分析，運(yùn)用數(shù)據(jù)挖掘等大數(shù)據(jù)工具及企業(yè)診斷等現(xiàn)代管理技術(shù)對企業(yè)財(cái)務(wù)營運(yùn)情況做出判斷，分析提煉出融資管理過程中的弊端，并能進(jìn)一步尋找弊端產(chǎn)生的原因。③反饋與矯正功能：根據(jù)監(jiān)測計(jì)量及診斷的成果，分類施策，提出矯正方案，使陷入危機(jī)的企業(yè)恢復(fù)到正常運(yùn)營軌道上來。

3.3 公開市場發(fā)債煤炭企業(yè)融資風(fēng)險(xiǎn)預(yù)警計(jì)算

通過對煤炭企業(yè)財(cái)務(wù)數(shù)據(jù)的整理歸納與測算，可以對企業(yè)融資活動中的險(xiǎn)兆事件進(jìn)行識別與預(yù)警，促使企業(yè)保持合理的財(cái)務(wù)結(jié)構(gòu)與投融資彈性，防止因結(jié)構(gòu)嚴(yán)重失衡造成的融資風(fēng)險(xiǎn)。就融資風(fēng)險(xiǎn)預(yù)警而言，多變量模型因?yàn)檩^少受到某一財(cái)務(wù)指標(biāo)特異變化的影響，可信度一般高于單變量模型，但多變量模型也同時(shí)存在計(jì)算相對復(fù)雜，不同參數(shù)之間存在自相關(guān)性的弱點(diǎn)。相對而言，紐約大學(xué)教授愛德華·阿特曼（EDWARD ALTMAN）著名的5變量Z-Score模型因?yàn)槟Ｐ蛥?shù)適中，計(jì)算相對簡便，被世界各國的研究者廣泛應(yīng)用于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警及破產(chǎn)企業(yè)的研究中。以下選取了2020年度截止11月公開市場發(fā)債的煤礦企業(yè)進(jìn)行實(shí)證檢驗(yàn)。

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

其中X1=凈營運(yùn)資本/總資產(chǎn)=（流動資產(chǎn)-流動負(fù)債）/總資產(chǎn)。

這一指標(biāo)反映資產(chǎn)的流動性與變現(xiàn)能力。其中流動資本=流動資產(chǎn)-流動負(fù)債，流動資本越多，說明短期償債能力越強(qiáng)，融資風(fēng)險(xiǎn)越小。

X2=留存收益/總資產(chǎn)。

這一指標(biāo)衡量企業(yè)積累的利潤在資產(chǎn)總額中的產(chǎn)品，與企業(yè)的經(jīng)營歷史同方向變動，一般經(jīng)營歷史悠久的企業(yè)，融資風(fēng)險(xiǎn)發(fā)生的概率相對較低。

X3=息稅前收益/總資產(chǎn)=（利潤總額+財(cái)務(wù)費(fèi)用）/總資產(chǎn)。

這一指標(biāo)衡量企業(yè)在不考慮稅收和支付融資款利息影響下其資產(chǎn)的盈利狀況，是衡量企業(yè)利用所有者權(quán)益與債務(wù)資金總額取得盈利的指標(biāo)。該比率越高，表明企業(yè)的經(jīng)營效益越好，融資風(fēng)險(xiǎn)越小。

X4=優(yōu)先股和普通股市值/總負(fù)債=（股票價(jià)格×股票總數(shù)）/總負(fù)債。

這一指標(biāo)反映股東所提供的權(quán)益資本與企業(yè)所籌借債務(wù)之間的相對關(guān)系，反映債權(quán)人所借給企業(yè)的錢受股東資本的保障程度，但如果非上市公司與上市公司進(jìn)行橫向比較，則該指標(biāo)的可比性較差。

X5=營業(yè)收入/總資產(chǎn)。

這一指標(biāo)即總資產(chǎn)周轉(zhuǎn)率，衡量企業(yè)資產(chǎn)的利用效率。指標(biāo)越高，表明單位資產(chǎn)的利用率越高，相對而言融資風(fēng)險(xiǎn)越小。

對于Z值的判斷標(biāo)準(zhǔn)，國內(nèi)外學(xué)者做了大量實(shí)證研究，一方面研究結(jié)果均認(rèn)可Z-Score模型作為財(cái)務(wù)預(yù)警模型簡單有效，另一方面對于具體的Z值則因取數(shù)周期及行業(yè)的不同，差異較大。實(shí)務(wù)中更有效的處理方式是對一組煤礦企業(yè)的Z值進(jìn)行比較，如果企業(yè)的Z值由小到大在前1/3區(qū)間內(nèi)，則企業(yè)融資風(fēng)險(xiǎn)較大，需削減負(fù)債規(guī)模。

截止11月末，2020年在公開市場上發(fā)行債券的煤礦企業(yè)共27家，依據(jù)上述企業(yè)發(fā)債時(shí)公開評級使用的報(bào)表，計(jì)算了企業(yè)Z值，發(fā)現(xiàn)永城煤電在Z值由小到大的前1/3區(qū)間內(nèi)，Z值偏小的核心原因是營業(yè)收入相對于資產(chǎn)偏少，公司的有效資產(chǎn)相對不足，財(cái)務(wù)結(jié)構(gòu)較為脆弱，融資彈性不足。此外，在本次債券違約發(fā)生前永城煤電擬無償劃轉(zhuǎn)出中原銀行股權(quán)，且未與債券人進(jìn)行良好溝通，被市場視為典型存在管理層失誤，這一險(xiǎn)兆事件被認(rèn)為公司存在“逃廢債”嫌疑，引發(fā)部分金融機(jī)構(gòu)壓縮授信，最終導(dǎo)致企業(yè)在公開市場上違約。Z值由小到大在前1/3區(qū)間內(nèi)的其他8家企業(yè)，也普遍存在營業(yè)收入相對于資產(chǎn)偏少的問題，且其中3家企業(yè)凈營運(yùn)資本負(fù)值較大，說明企業(yè)債務(wù)違約壓力偏大，企業(yè)短期債務(wù)亟待壓縮。

對于煤礦企業(yè)融資風(fēng)險(xiǎn)的預(yù)警，一方面需要根據(jù)最新的財(cái)務(wù)報(bào)表進(jìn)行實(shí)時(shí)更新，另一方面對于出現(xiàn)融資風(fēng)險(xiǎn)險(xiǎn)兆事件，但尚未發(fā)生違約的相關(guān)企業(yè)，需要進(jìn)一步觀察及發(fā)行債券價(jià)格及市場交易價(jià)格與行業(yè)平均價(jià)格的波動，一旦企業(yè)YTM（到期收益率）出現(xiàn)異常變動，則需要進(jìn)一步采取風(fēng)險(xiǎn)管控措施。

4 結(jié) 論

1）煤礦企業(yè)融資風(fēng)險(xiǎn)險(xiǎn)兆事件有些來自融資活動本身，有些則是非融資活動帶來的。通過對煤礦的生產(chǎn)經(jīng)營活動進(jìn)行跟蹤、記錄和計(jì)量，觀察煤礦企業(yè)生產(chǎn)與財(cái)務(wù)運(yùn)營的實(shí)際運(yùn)轉(zhuǎn)情況與預(yù)算、標(biāo)準(zhǔn)、定額之間的差異，進(jìn)而分析產(chǎn)生偏差的原因，對產(chǎn)業(yè)政策及企業(yè)管理進(jìn)行持續(xù)跟蹤，可以識別融資風(fēng)險(xiǎn)險(xiǎn)兆。

2）面對形式各異的融資風(fēng)險(xiǎn)險(xiǎn)兆事件，特別是非融資活動中的融資風(fēng)險(xiǎn)險(xiǎn)兆事件，制定預(yù)案均非常重要。對融資風(fēng)險(xiǎn)所采取的措施，應(yīng)該是寧可備而不用，而不能用而無備。對險(xiǎn)兆事件加強(qiáng)監(jiān)測、分析，及時(shí)對癥下藥施策，制定使企業(yè)快速恢復(fù)到正常經(jīng)營運(yùn)轉(zhuǎn)軌道的方案，是應(yīng)對融資風(fēng)險(xiǎn)的正確方法。

3）針對融資活動中的險(xiǎn)兆，可以使用財(cái)務(wù)預(yù)警的方法，對企業(yè)自身財(cái)務(wù)結(jié)構(gòu)存在的問題進(jìn)行測量與分析并采取措施，促使企業(yè)財(cái)務(wù)結(jié)構(gòu)保持合理的投融資彈性，防止因結(jié)構(gòu)嚴(yán)重失衡造成融資風(fēng)險(xiǎn)。

4）國內(nèi)現(xiàn)有的研究主要集中于煤炭上市公司，財(cái)務(wù)數(shù)據(jù)的實(shí)效性往往不足。文中以對公開市場發(fā)債煤炭企業(yè)即期財(cái)務(wù)數(shù)據(jù)為基礎(chǔ)，對其融資風(fēng)險(xiǎn)預(yù)警進(jìn)行實(shí)證計(jì)算分析證明Z-Score模型經(jīng)是非常實(shí)用的融資風(fēng)險(xiǎn)預(yù)警工具。實(shí)證分析中發(fā)現(xiàn)真正出現(xiàn)融資風(fēng)險(xiǎn)的企業(yè)，往往在損失發(fā)生前已同時(shí)觸發(fā)多種類型的融資風(fēng)險(xiǎn)險(xiǎn)兆事件。對于出現(xiàn)融資風(fēng)險(xiǎn)險(xiǎn)兆事件，但尚未發(fā)生危機(jī)的企業(yè)則需要進(jìn)一步觀察其債券的市場表現(xiàn)。

參考文獻(xiàn)（References）：

[1] ZAMBALDI F，ARANHA F，HETAL L.Credit granting to small firms：A brazilian case[J].Journal of Business Research，2011（3）：309-315.

[2]COLQUITT L L，HOYT R E，LEE R B.Integrated risk management and the role of the risk manager[J].Risk Management and Insurance Review，1999，2（3）：43-61.

[3]XIONG T K，WANG S R，MAYERS A.Personal bankruptcy prediction by mining credit card data[J].Expert Systems with Applications，2013，40（2）：665-676.

[4]JUDGE G G，SCHECHTER L.Detecting problems in survey data using benfords law[J].Journal of Human Resources，2009，44（1）：1-24.

[5]ACUNA A，DRAKOPOULOS M A，LENG Y.Three-dimensional visualization of extracellular matrix networks during murine development[J].Developmental Biology，2018，435（2）：122-129.

[6]SINGER D A，KOUDA R.Examining risk in mineral exploration[J].Natural Resources Research，1999，8（2）：111-122.

[7]李凱風(fēng)，丁寧.低碳經(jīng)濟(jì)視角下基于功效系數(shù)法的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警——以W企業(yè)為例[J].會計(jì)之友，2017（23）：53-57.LI Kaifeng，DING Ning.Financial risk early warning based on efficiency coefficient method from the perspective of low carbon economy：Taking Company Was an example[J].Friends of Accounting，2017（23）：53-57.

[8]晉曉琴，王曉軍.功效系數(shù)法下煤炭企業(yè)財(cái)務(wù)預(yù)警分析——以山西潞安環(huán)能為例[J].煤炭經(jīng)濟(jì)研究，2018（6）：82-88.JIN Xiaoqin，WANG

Xiaojun.Analysis of the financial early warning of coal enterprises under the efficiency coefficient method：Taking Shanxi Luan environmentalprotection and energy development Limited company as an example[J].Coal Economic Research，2018（6）：82-88.

[9]劉紅霞，張心林.以主成分分析法構(gòu)建企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2004（4）：70-75.LIU Hongxia，ZHANG Xinlin.Constructing the model of the enterprises financial crisis with the principal component analysis[J].Journal of Central University of Finance and Economics，2004（4）：70-75.

[10]李靜.Z-Score模型對中國上市公司財(cái)務(wù)預(yù)警適用性分析[J].山西廣播電視大學(xué)學(xué)報(bào)，2017（2）：48-50.LI Jing.Analysis on the applicability of Z-score model to financial early warning of Chinese listed companies[J].Journal of Shanxi Radio and Television University，2017（2）：48-50.

[11]田水承，周可柔，楊雪健，等.險(xiǎn)兆事件視域下個(gè)體和組織事故3道“防火墻”[J].中國安全科學(xué)學(xué)報(bào)，2018（5）：62-67.TIAN Shuicheng，ZHOU Kerou，YANG Xuejian，et al.Three “firewalls” for preventing individual and organizational accidents in scope of near-miss event[J].Chinese Journal of Safety Sciences，2018（5）：62-67.

[12]林娟.基于BP神經(jīng)網(wǎng)絡(luò)下的礦業(yè)上市公司融資風(fēng)險(xiǎn)預(yù)警研究[D].北京：中國地質(zhì)大學(xué)，2013.LIN Juan.Research on financing risk early warning of mining listed companies based on BP neural network[D].Beijing：China University of Geosciences，2013.

[13]劉振華.基于客戶信用評級的商業(yè)銀行信貸管理研究[D].長沙：湖南大學(xué)，2014.LIU Zhenhua.Research on credit management of commercial banks based on customer credit rating[D].Changsha：Hunan University，2014.

[14]陳林，周宗放.商業(yè)銀行集團(tuán)客戶統(tǒng)一授信額度的優(yōu)化配置研究[J].中國管理科學(xué)，2015，23（2）：39-43.

CHEN Lin，ZHOU Zongfang.Research on optimized allocating the unified credit line of group customer of commercial bank[J].China Management Science，2015，23（2）：39-43.

[15]吳琪.礦業(yè)融資相關(guān)問題的法律研究——礦業(yè)項(xiàng)目融資[J].法制與社會，2015（12）：109-110.WU Qi.Legal research on mining financing related issues：mining project financing[J].Legal System and Society，2015（12）：109-110.

[16]吳娜，于博，孫利軍.商業(yè)信用融資與銀行信貸融資的多重結(jié)構(gòu)突變——基于面板門限的非線性關(guān)系分析[J].南開管理評論，2017，20（4）：73-81.WU Na，YU Bo，SUN Lijun.Multiple structural breaks between trade credit and bank credit：a nonlinear relationship analysis based on threshold panel data model[J].NanKai Management Review，2017，20（4）：73-81.

[17]徐寧，馮路.基于層次分析法的科技型小微企業(yè)網(wǎng)絡(luò)融資風(fēng)險(xiǎn)模糊綜合評價(jià)[J].科技管理研究，2019（20）：30-38.XU Ning，F(xiàn)ENG Lu.Fuzzy comprehensive evaluation of network financing risk of small and micro-technological enterprises based on analytic hierarchy process[J].Science and Technology Management Research，2019（20）：30-38.

[18]曹宗宏，張成堂，趙菊，等.基于資金約束的風(fēng)險(xiǎn)厭惡制造商融資策略和渠道選擇研究[J].中國管理科學(xué)，2019（6）：30-40.CAO Zonghong，ZHANG Chengtang，ZHAO Ju，et al.Channel selection and financing strategy with a risk-averse manufacturer under the capital constraint[J].Chinese Journal of Management Science，2019（6）：30-40.

[19]陳三可，趙蓓.研發(fā)投入、風(fēng)險(xiǎn)投資與企業(yè)融資約束——基于中國制造業(yè)上市公司的實(shí)證分析[J].管理評論，2019（10）：110-123.CHEN Sanke，ZHAO Bei.R&D investment，venture capital and financial constraints：Evidence from the listed manufacturers in China[J].Management Review，2019（10）：110-123.

[20]谷慎，汪淑娟.基于SVM的碳金融風(fēng)險(xiǎn)預(yù)警模型研究[J].華東經(jīng)濟(jì)管理，2019（3）：179-184.GU Shen，WANG Shujuan.Research of carbon financial risk early warning model based on SVM[J].East China Economic Management，2019（3）：179-184.

[21]楊貴軍，周亞夢，孫玲莉.基于Benford-Logistic模型的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警方法[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2019（10）：149-165.YANG Guijun，ZHOU Yameng，SUN Lingli.Enterprise financial early warning method based on Benford-Logistic model[J].The Journal of Quantitative & Technical Economics，2019（10）：149-165.

[22]周穎.基于等截距變換雷達(dá)圖的退市風(fēng)險(xiǎn)預(yù)警模型[J].科研管理，2019（9）：241-251.ZHOU Ying.Early warning model of delisting risk based on equal intercept transform radar chart[J].Scientific Research Management，2019（9）：241-251.

[23]嚴(yán)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(cái)務(wù)風(fēng)險(xiǎn)的實(shí)證分析[J].財(cái)務(wù)與金融，2011（5）：37-41.YAN Bihong，MA Guangqi.Empirical analysis of financial risk of Chinas real estate companies based on Z-Score model[J].Accounting and Finance，2011（5）：37-41.

[24]劉獻(xiàn)中.基于Z評分模型對我國股份制銀行和證券公司信用風(fēng)險(xiǎn)的度量[J].金融經(jīng)濟(jì)，2010（12）：80-82.

LIU Xianzhong.Credit risk measurement of joint stock banks and securities companies in China based on Z-score Model[J].Financial Economics，2010（12）：80-82.

[25]劉萍，張燕宇.基于Z模型的制造業(yè)上市公司財(cái)務(wù)預(yù)警研究[J].科技與管理，2015，17（1）：114-118.LIU Ping，ZHANG Yanyu.Based on the Z model manufacturing listed company financial early warning research[J].Science-Technology and Management，2015，17（1）：114-118.