SAS模型在物流企業(yè)財(cái)務(wù)分析中的應(yīng)用

文/于娜娜

1.基于SAS模型的財(cái)務(wù)分析指標(biāo)體系建立

應(yīng)用SAS模型建立物流企業(yè)財(cái)務(wù)分析指標(biāo)體系，SAS模型將財(cái)務(wù)分成戰(zhàn)略、會計(jì)、財(cái)務(wù)報(bào)表三個維度，下圖為基于SAS模型的財(cái)務(wù)分析指標(biāo)體系。

如圖1所示，在SAS模型中戰(zhàn)略是指物流企業(yè)結(jié)合當(dāng)前行業(yè)大的宏觀環(huán)境制定的發(fā)展戰(zhàn)略，因此選擇物流行業(yè)環(huán)境、利潤收入、發(fā)展戰(zhàn)略以及行業(yè)競爭力作為戰(zhàn)略一級指標(biāo)下的二級指標(biāo)，將其作為物流企業(yè)戰(zhàn)略分析準(zhǔn)則，其中利潤收入主要根據(jù)企業(yè)主營業(yè)務(wù)收入與副營業(yè)務(wù)收入確定[1]。在SAS模型中會計(jì)指物流企業(yè)會計(jì)準(zhǔn)則的衡量標(biāo)準(zhǔn)，對物流企業(yè)會計(jì)方法的選擇，以及當(dāng)前會計(jì)政策的變動進(jìn)行分析。物流企業(yè)會計(jì)會受到最新頒布的國際會計(jì)準(zhǔn)則影響，在政策影響下企業(yè)利潤會發(fā)生改變，按照當(dāng)前的會計(jì)準(zhǔn)則對企業(yè)所有項(xiàng)目稅前利潤核算，并按照原有的會計(jì)準(zhǔn)則對企業(yè)項(xiàng)目稅前利潤核算，確定企業(yè)利潤變化，將其代入到SAS模型中計(jì)算出會計(jì)政策更換對企業(yè)收益影響程度，其計(jì)算公式為：

圖1 基于SAS模型的財(cái)務(wù)分析指標(biāo)體系

式中，y表示重大會計(jì)政策轉(zhuǎn)變對企業(yè)利潤影響程度；e表示政策轉(zhuǎn)變前企業(yè)項(xiàng)目稅前利潤；q表示政策轉(zhuǎn)變后企業(yè)項(xiàng)目稅前利潤；k表示實(shí)際企業(yè)收益[2]。對于物流企業(yè)而言，對于會計(jì)方法的選擇非常重要，如果會計(jì)核算結(jié)果存在誤差，會在一定程度上提升財(cái)務(wù)風(fēng)險(xiǎn)，因此利用SAS模型分析企業(yè)會計(jì)核算方法對財(cái)務(wù)影響程度，其計(jì)算公式為：

式中，u表示企業(yè)會計(jì)核算方法對財(cái)務(wù)影響程度；r表示企業(yè)會計(jì)核算誤差；c表示企業(yè)經(jīng)營性業(yè)務(wù)應(yīng)收賬款余額的分別分類計(jì)提壞賬；o表示企業(yè)近一年減值損失[3]。通常情況下物流企業(yè)會委派會計(jì)師事務(wù)所管理財(cái)務(wù)數(shù)據(jù)，在這一過程中可能會出現(xiàn)財(cái)務(wù)信息披露，其也會影響到企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，可利用SAS模型對財(cái)務(wù)信息披露質(zhì)量分析。

2.指標(biāo)權(quán)重確定

考慮到各個指標(biāo)對物流企業(yè)財(cái)務(wù)影響程度不同，因此采用專家評分法與層次分析法對上文建立的指標(biāo)體系中各項(xiàng)指標(biāo)權(quán)重計(jì)算，由3-5位財(cái)務(wù)專家針對指標(biāo)對財(cái)務(wù)分析重要性進(jìn)行評分，取平均值作為指標(biāo)專家評分。利用層次分析法確定各項(xiàng)指標(biāo)標(biāo)度值，標(biāo)度值可以反映指標(biāo)對企業(yè)財(cái)務(wù)分析重要程度，從指標(biāo)體系中任意選擇兩個指標(biāo)，分別用x1與x2表示，依據(jù)分析準(zhǔn)則對指標(biāo)層層分析，其分析準(zhǔn)則為：與x2相比較，x1對于企業(yè)財(cái)務(wù)分析極端重要，則指標(biāo)x1標(biāo)度值取值為1；與x2相比較，x1對于企業(yè)財(cái)務(wù)分析強(qiáng)烈重要，則指標(biāo)x1標(biāo)度值取值為3；與x2相比較，x1對于企業(yè)財(cái)務(wù)分析明顯重要，則指標(biāo)x1標(biāo)度值取值為5；與x2相比較，x1對于企業(yè)財(cái)務(wù)分析稍微重要，則指標(biāo)x1標(biāo)度值取值為7；對于企業(yè)財(cái)務(wù)分析而言，與x2與x1同等重要，則指標(biāo)x1標(biāo)度值取值為9。按照上述準(zhǔn)則確定指標(biāo)標(biāo)度值，并計(jì)算出指標(biāo)權(quán)重值，其計(jì)算公式為：

式中，ε 表示財(cái)務(wù)分析指標(biāo)權(quán)重值；n表示分析指標(biāo)數(shù)量；Xn表示第n個指標(biāo)專家評分值；Yn表示第n個指標(biāo)標(biāo)度值。

3.財(cái)務(wù)風(fēng)險(xiǎn)定量及定性分析

在上述基礎(chǔ)上，利用二級模糊綜合判斷矩陣對物流企業(yè)財(cái)務(wù)綜合分析，其用公式表示為：

式中，S表示企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)系數(shù)；E表示二級模糊綜合判斷矩陣；z表示分析指標(biāo)在SAS模型輸出值。將指標(biāo)權(quán)重值與SAS模型輸出值代入到上述公式中，計(jì)算出企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)系數(shù)，實(shí)現(xiàn)對企業(yè)財(cái)務(wù)定量分析。根據(jù)實(shí)際情況此次設(shè)計(jì)非常低、比較低、一般、比較高、非常高五個風(fēng)險(xiǎn)等級，根據(jù)計(jì)算得到的財(cái)務(wù)風(fēng)險(xiǎn)系數(shù)，對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)定性分析，如果風(fēng)險(xiǎn)系數(shù)是在0-0.2之間，則表示當(dāng)前企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)非常低，當(dāng)前的戰(zhàn)略、計(jì)劃合理性較高，可按照當(dāng)前的發(fā)展計(jì)劃實(shí)施即可；如果風(fēng)險(xiǎn)系數(shù)是在0.2-0.4之間，則表示當(dāng)前企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)比較低，當(dāng)前的發(fā)展戰(zhàn)略和計(jì)劃比較合理，可以根據(jù)實(shí)際情況對財(cái)務(wù)戰(zhàn)略和經(jīng)營計(jì)劃作出適當(dāng)?shù)恼{(diào)整；如果風(fēng)險(xiǎn)系數(shù)是在0.4-0.6之間，則表示當(dāng)前企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)一般，當(dāng)前的發(fā)展戰(zhàn)略和計(jì)劃取得的經(jīng)濟(jì)效益一般，需要對其進(jìn)行調(diào)整和完善，提高經(jīng)濟(jì)收益；如果風(fēng)險(xiǎn)系數(shù)是在0.6-0.8之間，則表示當(dāng)前企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)比較高，當(dāng)前的發(fā)展戰(zhàn)略與經(jīng)營計(jì)劃比較不合理，必須針對當(dāng)前財(cái)務(wù)現(xiàn)狀作出調(diào)整和整改；如果風(fēng)險(xiǎn)系數(shù)是在0.8-1之間，則表示當(dāng)前企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)非常高，發(fā)展戰(zhàn)略與經(jīng)營方案非常不合理，企業(yè)需要轉(zhuǎn)變發(fā)展方向。

4.實(shí)驗(yàn)論證

4.1 實(shí)驗(yàn)準(zhǔn)備及設(shè)計(jì)

為了驗(yàn)證本次提出的基于SAS模型的物流企業(yè)財(cái)務(wù)分析思路的可行性與可靠性，以某物流企業(yè)為實(shí)驗(yàn)環(huán)境，該物流企業(yè)主要服務(wù)類型包括冷鏈運(yùn)輸服務(wù)、經(jīng)濟(jì)快遞、時效快遞以及國際快遞等，利用本次設(shè)計(jì)方法對該企業(yè)財(cái)務(wù)分析，并選擇兩種傳統(tǒng)方法作為對比，分別為基于綜合分析法和基于數(shù)學(xué)模糊理論，以下用傳統(tǒng)方法1與傳統(tǒng)方法2表示。實(shí)驗(yàn)選擇2012年-2021年10年企業(yè)行業(yè)、重要會計(jì)以及財(cái)務(wù)報(bào)表等相關(guān)信息，按照年份對數(shù)據(jù)建立相應(yīng)的文檔，結(jié)合每年的財(cái)務(wù)信息進(jìn)行相應(yīng)的財(cái)務(wù)分析，實(shí)驗(yàn)共分成十組，按照上述流程建立分析指標(biāo)體系、確定指標(biāo)權(quán)重，具體如下表1所示。

表1 指標(biāo)權(quán)重表

將指標(biāo)權(quán)重代入到公式（1）中，對該企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)定量分析與定性分析，具體分析結(jié)果如下表2所示。

從上表中數(shù)據(jù)可以看出，分析結(jié)果與實(shí)際情況基本相同，說明設(shè)計(jì)方法基本可以完成企業(yè)財(cái)務(wù)分析任務(wù)，以下對具體分析結(jié)果進(jìn)行驗(yàn)證。

4.2 實(shí)驗(yàn)結(jié)果與討論

本次實(shí)驗(yàn)以分析結(jié)果與實(shí)際情況一致性系數(shù)和分析時間作為評價(jià)三種方法性能的指標(biāo)，以檢驗(yàn)方法的精度和效率。一致性系數(shù)是評價(jià)分析方法的重要指標(biāo)，可以反映分析結(jié)果與實(shí)際情況的相符程度，數(shù)值越大表示相符程度越高，實(shí)驗(yàn)隨機(jī)選擇7組分析數(shù)據(jù)，使用IHFA軟件測算出一致性系數(shù)，具體數(shù)據(jù)如下表3所示。

表3 三種方法一致性系數(shù)對比

表22012 -2021年企業(yè)財(cái)務(wù)分析結(jié)果

從上表中數(shù)據(jù)可以看出，設(shè)計(jì)方法一致性系數(shù)值均在0.95以上，最大值可以達(dá)到0.99，最小值為0.96，平均值為0.97，說明設(shè)計(jì)方法分析結(jié)果與企業(yè)財(cái)務(wù)實(shí)際情況基本一致，相符程度非常高；而兩種傳統(tǒng)方法一致性數(shù)值均在0.7以下，傳統(tǒng)方法1與傳統(tǒng)方法2最大值分別為0.66、0.62，最小值分別為0.42、0.38，平均值分別為0.52、0.49，遠(yuǎn)低于設(shè)計(jì)方法，證明了在分析精度方面設(shè)計(jì)方法優(yōu)于傳統(tǒng)方法。為了進(jìn)一步驗(yàn)證設(shè)計(jì)方法的適用性，對三種方法分析效率檢驗(yàn)，實(shí)驗(yàn)以分析數(shù)據(jù)樣本數(shù)量為變量，記錄不同樣本量下財(cái)務(wù)分析時長，根據(jù)實(shí)驗(yàn)數(shù)據(jù)繪制三種方法分析效率對比圖如下圖2所示。

圖2 三種方法分析效率對比圖

從上圖可以看出，設(shè)計(jì)方法分析時間比較短，效率比較高，雖然會隨著財(cái)務(wù)數(shù)據(jù)樣本數(shù)量的增加而有所增加，但是增長幅度比較小，當(dāng)財(cái)務(wù)數(shù)據(jù)樣本數(shù)量為6000Byte時，分析時間僅為2.56s，基本可以在3s內(nèi)完成財(cái)務(wù)分析；而兩種傳統(tǒng)方法在本次實(shí)驗(yàn)中分析時間相對比較長，效率比較低，分析時間會隨著財(cái)務(wù)數(shù)據(jù)樣本數(shù)量的增加而大幅度增長，當(dāng)財(cái)務(wù)數(shù)據(jù)樣本數(shù)量為6000Byte時，傳統(tǒng)方法1與傳統(tǒng)方法2分析時長分別為8.12s、9.42s，遠(yuǎn)遠(yuǎn)長于設(shè)計(jì)方法。因此本次對比實(shí)驗(yàn)結(jié)果論證了無論是在精度方面還是在效率方面，設(shè)計(jì)方法均表現(xiàn)出明顯的優(yōu)勢，相比較傳統(tǒng)方法更適用于物流企業(yè)財(cái)務(wù)分析，同時也驗(yàn)證了SAS模型在物流企業(yè)財(cái)務(wù)分析中應(yīng)用的適用性。

5.結(jié)束語

此次針對傳統(tǒng)方法存在的不足和缺陷，將SAS模型應(yīng)用到物流企業(yè)財(cái)務(wù)分析中，提出了一個新的分析思路，有效提高了分析精度和效率，實(shí)現(xiàn)了對傳統(tǒng)方法的優(yōu)化與創(chuàng)新。

引用出處

[1]林雨暄,錢麗華.基于哈佛分析框架的跨境物流企業(yè)財(cái)務(wù)分析——以飛力達(dá)公司為例[J].物流科技,2022,45(19):41-44.

[2]王俊鵬.基于因子分析法的物流上市企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)——以新寧物流為例[J].物流工程與管理,2022,44(09):140-143.

[3]肖晨晨.物流企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評價(jià)模型構(gòu)建與分析——基于主成分分析法[J].物流工程與管理,2020,42(11):160-163.