后疫情時(shí)代公司真實(shí)財(cái)務(wù)風(fēng)險(xiǎn)綜合指數(shù)模型研究

張皓棟

摘?要：近年來，新冠肺炎疫情的暴發(fā)與反復(fù)以及世界格局的風(fēng)云變幻無疑將企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)帶入了全新的級別。許多企業(yè)遭遇業(yè)績變臉、財(cái)務(wù)暴雷，對我國經(jīng)濟(jì)造成巨大影響。遺憾的是，傳統(tǒng)的財(cái)務(wù)風(fēng)險(xiǎn)體系在這一過程中無法準(zhǔn)確反映、預(yù)測企業(yè)真實(shí)的風(fēng)險(xiǎn)水平，存在片面性、滯后性等問題。文章以2910家中國A股上市公司的數(shù)據(jù)為研究對象，用量化的方式對財(cái)務(wù)風(fēng)險(xiǎn)體系進(jìn)行重構(gòu)、擴(kuò)容，將戰(zhàn)略、市場、經(jīng)營、債務(wù)風(fēng)險(xiǎn)納入分析框架，利用因子分析、主成分分析等方法計(jì)算企業(yè)真實(shí)財(cái)務(wù)風(fēng)險(xiǎn)綜合指數(shù)，助力企業(yè)更好地識(shí)別、歸類、應(yīng)對潛在的財(cái)務(wù)危機(jī)。

關(guān)鍵詞：真實(shí)財(cái)務(wù)風(fēng)險(xiǎn)；因子分析；綜合指數(shù)模型；Z-score模型改進(jìn)；風(fēng)險(xiǎn)評價(jià)

中圖分類號：F275文獻(xiàn)標(biāo)識(shí)碼：A文章編號：1005-6432（2024）08-0149-05

DOI：10.13939/j.cnki.zgsc.2024.08.035

1?引言

1.1?研究背景及意義

自2020年以來，無論是風(fēng)云變幻的國際形勢，抑或是新冠肺炎疫情災(zāi)難，都給整個(gè)經(jīng)濟(jì)和社會(huì)發(fā)展蒙上了一層陰影。站在微觀角度來看，企業(yè)財(cái)務(wù)暴雷事件頻發(fā)，業(yè)績變臉屢現(xiàn)。僅在2021年，便有108家上市公司財(cái)務(wù)狀況出現(xiàn)嚴(yán)重異常并面臨退市風(fēng)險(xiǎn)，并有1015家上市公司經(jīng)歷財(cái)務(wù)困境。

可以見得，未來企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)將進(jìn)入一個(gè)波動(dòng)期久、陣痛期長、復(fù)雜性強(qiáng)的新時(shí)期[1]。根據(jù)《中國上市公司資本效率與財(cái)務(wù)風(fēng)險(xiǎn)調(diào)查：2020》：在疫情背景下，高數(shù)字化水平行業(yè)資金運(yùn)用效率更高，財(cái)務(wù)風(fēng)險(xiǎn)控制能力也更好[2]。所以，研究真實(shí)公允、符合新時(shí)期形勢的財(cái)務(wù)風(fēng)險(xiǎn)模型是當(dāng)下公司增強(qiáng)數(shù)字化的重要管理辦法，也是風(fēng)險(xiǎn)治理頭等重要的任務(wù)。

1.2?研究現(xiàn)狀及創(chuàng)新點(diǎn)

遺憾的是，學(xué)術(shù)界普遍存在著對真實(shí)財(cái)務(wù)風(fēng)險(xiǎn)的輕視、誤讀，雖然有大量研究文獻(xiàn)以財(cái)務(wù)風(fēng)險(xiǎn)為基礎(chǔ)，進(jìn)而研究其后果和影響。

但對財(cái)務(wù)風(fēng)險(xiǎn)本身的衡量卻略顯草率，運(yùn)用的核心指標(biāo)大多停留在20世紀(jì)60年代西方財(cái)務(wù)理論，甚至簡單地把“資產(chǎn)負(fù)債率”“財(cái)務(wù)杠桿”等同于財(cái)務(wù)風(fēng)險(xiǎn)，這樣的衡量體系存在著大量漏洞。文章基于反思上述問題，挖掘出以下創(chuàng)新點(diǎn)。

1.2.1?擴(kuò)展財(cái)務(wù)風(fēng)險(xiǎn)的定義，破除傳統(tǒng)框架的限制

學(xué)界更多地使用狹義上的“債務(wù)風(fēng)險(xiǎn)觀”，即僅以“資產(chǎn)、負(fù)債的關(guān)系”為核心來衡量企業(yè)整體風(fēng)險(xiǎn)，顯然這僅是使財(cái)務(wù)狀況偏離的一種可能性，不能很好地體現(xiàn)整體的“不確定性”。

南京大學(xué)李心合教授（2021）在《企業(yè)真實(shí)財(cái)務(wù)風(fēng)險(xiǎn)水平衡量研究》一文中將整體性經(jīng)濟(jì)風(fēng)險(xiǎn)歸納為戰(zhàn)略、市場、運(yùn)營和財(cái)務(wù)風(fēng)險(xiǎn)四大類[3]。據(jù)此文章將這四類風(fēng)險(xiǎn)歸入廣義上的財(cái)務(wù)風(fēng)險(xiǎn)概念，重新構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)的統(tǒng)一框架，以更全面地反映“綜合財(cái)務(wù)風(fēng)險(xiǎn)”。

1.2.2?核心指標(biāo)多元化、創(chuàng)新化和合理化

在常見的“債務(wù)風(fēng)險(xiǎn)觀”下，涉及很多以資產(chǎn)為基礎(chǔ)的風(fēng)險(xiǎn)指標(biāo)，如資產(chǎn)負(fù)債率、速動(dòng)比率等。這些指標(biāo)應(yīng)當(dāng)賦予什么權(quán)重，很少有文獻(xiàn)涉及，實(shí)踐中也無明確指引。

學(xué)界對指標(biāo)的選擇和使用仍顯盲目，加之內(nèi)外環(huán)境的變化，財(cái)務(wù)風(fēng)險(xiǎn)的度量模型核心指標(biāo)也應(yīng)當(dāng)隨時(shí)代發(fā)生變化。所以，文章一方面繼續(xù)引用老框架下較為重要的數(shù)據(jù)指標(biāo)，另一方面將挖掘與新框架吻合的新核心指標(biāo)來進(jìn)行權(quán)重衡量，做到多元化的創(chuàng)新。

1.2.3?定性與定量結(jié)合，綜合分析整體局面

因?yàn)槎康南嚓P(guān)研究較少，且多為對某一特定行業(yè)的研究。而文章以因子分析和主成分分析的量化手段為核心，輔之以相關(guān)性分析、回歸分析等方法，篩選出重要的影響成分，并以此建立真實(shí)財(cái)務(wù)綜合風(fēng)險(xiǎn)的模型。

2?文獻(xiàn)綜述

如今，常用的舊版風(fēng)險(xiǎn)指數(shù)模型分為單變量和多變量模型（見表1）。單變量模型指用單一的財(cái)務(wù)指標(biāo)對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)測的模型。例如威廉·比弗（William?Beaver）在1966年提出的單變量預(yù)警模型；多變量模型是指用多個(gè)變量組成的鑒別函數(shù)來預(yù)測企業(yè)財(cái)務(wù)失敗的模型。較早使用多變量預(yù)測的是美國教授愛德華·阿爾曼（E.I.Altman?），也是第一個(gè)運(yùn)用鑒別分析（discriminant?analysis）研究企業(yè)失敗預(yù)警的人[4-5]。相關(guān)多變量模型還有Edmister（1972）的Z模型、Gentry等（1985）的現(xiàn)金流量模型等。

同樣我國也有學(xué)者根據(jù)國情提出了相應(yīng)模型[6-14]：秦瑩和劉冰（2013）建立了相應(yīng)的logistic模型；李曉峰和徐玖平（2006）嘗試將人工神經(jīng)網(wǎng)絡(luò)引入到財(cái)務(wù)預(yù)警中；張友棠和李思呈（2015）在基于行業(yè)風(fēng)險(xiǎn)的基礎(chǔ)上構(gòu)建多維風(fēng)險(xiǎn)預(yù)警定位體系，將行業(yè)風(fēng)險(xiǎn)與企業(yè)風(fēng)險(xiǎn)有機(jī)結(jié)合；肖賢輝和謝赤（2012）將宏觀因素納入財(cái)務(wù)預(yù)警中，使得預(yù)警準(zhǔn)確性提高。綜合來看，學(xué)者傾向于使用多元判別的方法來進(jìn)行財(cái)務(wù)預(yù)警，指標(biāo)的選取也更加豐富。

雖然上述模型有多項(xiàng)理論支撐，但由于提出時(shí)間距今久遠(yuǎn)，且存在不完善、失靈的地方，加上內(nèi)外部風(fēng)險(xiǎn)結(jié)構(gòu)的變換，模型有重構(gòu)的必要。在后疫情時(shí)代的大背景下，風(fēng)險(xiǎn)結(jié)構(gòu)框架、世界經(jīng)濟(jì)格局等都有了嶄新的變化。因此，文章更新了核心指標(biāo)，采用新角度對已有的風(fēng)險(xiǎn)模型進(jìn)行重構(gòu)和延伸，建立更真實(shí)的財(cái)務(wù)風(fēng)險(xiǎn)綜合指數(shù)模型。

3?研究設(shè)計(jì)與研究方法

3.1?樣本選取和數(shù)據(jù)來源

3.1.1?數(shù)據(jù)庫選擇

筆者以國泰安數(shù)據(jù)庫（CSMAR）獲得數(shù)據(jù)，選擇輸出重要的財(cái)務(wù)指標(biāo)。

3.1.2?樣本選取

文章選取2020—2021年度滬深A(yù)股主板上市公司為研究樣本，剔除了ST公司和金融業(yè)公司。最終得到2910家上市公司，40720個(gè)觀察值。此外，數(shù)據(jù)處理時(shí)，將少量缺失的數(shù)據(jù)進(jìn)行了均值中心化和標(biāo)準(zhǔn)化處理。

3.1.3?分析軟件及方法

文章使用SPSS?22.0軟件進(jìn)行因子分析法處理數(shù)據(jù)。

一方面，除了專家賦權(quán)法的主觀性，用各公共因子的方差貢獻(xiàn)率來計(jì)算權(quán)重，更加客觀科學(xué)。

另一方面，對有信息重疊的多指標(biāo)變量進(jìn)行降維、提取，構(gòu)建更為有效、科學(xué)的指數(shù)模型。

3.2?財(cái)務(wù)指標(biāo)的設(shè)置與篩選

文章借鑒李心合教授對財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)的研究，同時(shí)結(jié)合全面性和可比性的原則，擬采取16個(gè)財(cái)務(wù)指標(biāo)。指標(biāo)可反映戰(zhàn)略、市場、經(jīng)營和債務(wù)風(fēng)險(xiǎn)（如表1所示）。

4?基于因子分析的實(shí)證過程與結(jié)果

4.1?適應(yīng)性分析

實(shí)證開始前先刪除部分解釋能力較弱的指標(biāo)，最終保留了14個(gè)經(jīng)過標(biāo)準(zhǔn)化處理的指標(biāo)。

首先，對變量進(jìn)行KMO和Bartlett球形檢驗(yàn)，判斷Sig.值與KMO值：樣本KMO值為0.654，大于臨界值0.5，宜用因子分析。

其次，Bartlett球形檢驗(yàn)的相伴概率為0，在0.01的概率水平上顯著。所以所選變量有相關(guān)關(guān)系，適用進(jìn)行因子分析。

4.2?公因子提取

運(yùn)用主成分分析方法，將14個(gè)指標(biāo)降維提取為7個(gè)公因子，同時(shí)得出各因子的特征值和方差貢獻(xiàn)率（見表2）。

由表3可知，前7個(gè)公因子解釋了全部方差的73.781%，說明提取的7個(gè)公因子能夠代表原來14個(gè)風(fēng)險(xiǎn)指標(biāo)的73.781%，表明數(shù)據(jù)信息損失較少，可以較好地解釋初始數(shù)據(jù)，故提取7個(gè)公因子為Y1至Y7。

4.3?因子載荷

使用最大方差法進(jìn)行因子旋轉(zhuǎn)，結(jié)果見表3。

公因子Y1在流動(dòng)資產(chǎn)規(guī)模、負(fù)債規(guī)模、高風(fēng)險(xiǎn)運(yùn)營資產(chǎn)規(guī)模上載荷較大，定義為規(guī)模因子；Y2在債務(wù)保障率和經(jīng)營現(xiàn)金凈流量上載荷較大，定義為經(jīng)營現(xiàn)金流量因子；Y3在速動(dòng)比率和資產(chǎn)負(fù)債率上載荷較大，定義為資產(chǎn)結(jié)構(gòu)因子；Y4在市場集中度和供應(yīng)商集中度上載荷較大，定義為市場集中度因子；Y5在規(guī)模擴(kuò)張速度上載荷較大，定義為擴(kuò)張速度因子；Y6在加速系數(shù)上載荷較大，定義為盈利因子；Y7在債務(wù)依存度上載荷較大，定義為債務(wù)因子。

4.4?因子得分與綜合指數(shù)

描述因子表達(dá)式時(shí)通過成分得分系數(shù)矩陣進(jìn)行表達(dá)，在得分選項(xiàng)中勾選保存變量和顯示因子得分系數(shù)矩陣，采用回歸的方法進(jìn)行輸出。設(shè)債務(wù)依存度為X1、規(guī)模擴(kuò)張速度為X2、資產(chǎn)負(fù)債率為X3、流動(dòng)資產(chǎn)周轉(zhuǎn)率為X4、加速系數(shù)為X5、債務(wù)保障率為X6、供應(yīng)商集中度為X7、勞動(dòng)生產(chǎn)率為X8、經(jīng)營現(xiàn)金凈流量為X9、客戶集中度為X10、速動(dòng)比率為X11、風(fēng)險(xiǎn)運(yùn)營資產(chǎn)為X12、負(fù)債合計(jì)為X13、流動(dòng)資產(chǎn)合計(jì)為X14。

根據(jù)因子得分系數(shù)矩陣計(jì)算得：

Y1=0.022X1+0.055X2+0.03X3-0.094X4-0.016X5-0.094X6+0.019X7-0.015X8-0.009X9+0.049X10+0.043X11+0.365X12+0.316X13+0.353X14

Y2=-0.064X1-0.08X2-0.081X3+0.181X4+0.07X5+0.564X6+0.04X7+0.112X8+0.504X9-0.054X10+0.011X11-0.13X12+0.045X13-0.058X14

Y3=-0.032X1-0.089X2+0.551X3+0.26X4+0.036X5-0.045X6+0.014X7+0.053X8-0.038X9+0.031X10-0.569X11-0.013X12+0.001X13-0.02X14

Y4=-0.032X1+0.052X2+0.118X3-0.028X4+0.078X5+0.001X6+0.596X7+0.207X8-0.014X9+0.609X10+0.063X11+0.026X12+0.03X13+0.015X14

Y5=0.005X1+0.807X2-0.115X3+0.451X4-0.101X5-0.057X6+0.104X7-0.256X8+0.009X9-0.062X10-0.041X11+0.011X12+0.012X13+0.014X14

Y6=0.019X1+0.049X3-0.05X4+0.892X5+0.026X6+0.074X7-0.413X8-0.013X9-0.062X10+0.024X11-0.004X12-0.006X13-0.003X14

Y7=0.927X1-0.056X2-0.06X3+0.165X4+0.093X5-0.053X6+0.091X7+0.251X8-0.036X9-0.123X10+0.013X12+0.005X13+0.008X14

根據(jù)上述表達(dá)式以及表3旋轉(zhuǎn)后解釋的總方差可計(jì)算最終因子得分，由此構(gòu)建真實(shí)財(cái)務(wù)風(fēng)險(xiǎn)模型，計(jì)算出真實(shí)財(cái)務(wù)風(fēng)險(xiǎn)綜合指數(shù)RISK，具體公式如下：

RISK=（0.2074Y1+0.1172Y2+0.1022Y3+0.0918Y4+0.0744Y5+0.0728Y6+0.072Y7）/0.73781

4.5?企業(yè)綜合得分和風(fēng)險(xiǎn)等級劃分

根據(jù)因子得分模型，得到了2910家上市公司的真實(shí)財(cái)務(wù)風(fēng)險(xiǎn)綜合指數(shù)RISK。并且根據(jù)正態(tài)分布的要求，將RISK指數(shù)分為五檔，臨界值分別為0.35、-0.1、-0.2、-0.3。分類方法參考借鑒孔凡堯（2022）對房地產(chǎn)企業(yè)的風(fēng)險(xiǎn)的評價(jià)分類模式，具體指數(shù)范圍如表4所示[15]。

根據(jù)綜合得分，選取部分具有代表性的上市公司進(jìn)行展示計(jì)算，綜合得分與風(fēng)險(xiǎn)等級劃分基本符合現(xiàn)實(shí)。例如，貴州茅臺(tái)（RISK=0.6）和一系列穩(wěn)定發(fā)展的國有企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)水平較低，暴雷可能性??；而北京文化（RISK=-0.11）等公司由于應(yīng)收賬款、票據(jù)嚴(yán)重超出正常額度范圍，體現(xiàn)出偏高的風(fēng)險(xiǎn)；而像啟迪環(huán)境（RISK=-0.3）、鳳凰股份（RISK=-0.33）等公司出現(xiàn)嚴(yán)重風(fēng)險(xiǎn)，部分已經(jīng)在業(yè)績上反映，凈虧損額巨大。

5?總結(jié)與展望

基于上述實(shí)證分析結(jié)果，文章得出以下三點(diǎn)結(jié)論。

結(jié)論一：現(xiàn)行的風(fēng)險(xiǎn)評價(jià)體系存在局限性。學(xué)界和實(shí)務(wù)界仍舊習(xí)慣性地遵從20世紀(jì)初期在美國形成并沿用至今的財(cái)務(wù)風(fēng)險(xiǎn)體系，這套體系一方面本身考慮風(fēng)險(xiǎn)的維度較為單一，另一方面其無法很好地適應(yīng)后疫情時(shí)代風(fēng)云變幻的實(shí)務(wù)需求。結(jié)果是多數(shù)情況下，人們所使用的是個(gè)不真實(shí)的財(cái)務(wù)風(fēng)險(xiǎn)指數(shù)[16]。

結(jié)論二：初步確立了新式財(cái)務(wù)風(fēng)險(xiǎn)評估模型的框架和維度，以及指數(shù)模型的核心指標(biāo)。通過查閱資料、邏輯反思、文獻(xiàn)整理、專家意見收集，將真實(shí)財(cái)務(wù)風(fēng)險(xiǎn)模型細(xì)化為戰(zhàn)略風(fēng)險(xiǎn)、市場風(fēng)險(xiǎn)、經(jīng)營風(fēng)險(xiǎn)和債務(wù)風(fēng)險(xiǎn)這四個(gè)維度，并在這四個(gè)維度里挑選合適的核心指標(biāo)。

結(jié)論三：計(jì)算出文章核心關(guān)鍵指標(biāo)：RISK真實(shí)財(cái)務(wù)風(fēng)險(xiǎn)綜合指數(shù)。利用因子分析的實(shí)證方法將核心指標(biāo)濃縮為7類公因子，可以通過Y1、Y2等單看某一維度的風(fēng)險(xiǎn)水平，也可以通過RISK指標(biāo)得到公司整體的財(cái)務(wù)風(fēng)險(xiǎn)水平。最后，將所有上市公司劃分為五類風(fēng)險(xiǎn)等級，可更直觀的橫向比較與分類。

文章聚焦于后疫情時(shí)代，年份樣本較少，對于縱向比較處理略簡單。同時(shí)，模型準(zhǔn)確率、適用度需要進(jìn)一步調(diào)整，今后還需通過在企業(yè)中實(shí)踐檢驗(yàn)，不斷充實(shí)豐富。

參考文獻(xiàn)：

[1]陳祥增.上市公司財(cái)務(wù)暴雷預(yù)警風(fēng)險(xiǎn)模型研究[D].杭州：浙江大學(xué)，2021.

[2]張翔.企業(yè)風(fēng)險(xiǎn)管理應(yīng)用性發(fā)展：COSO《基于戰(zhàn)略和績效的企業(yè)風(fēng)險(xiǎn)管理框架》及其借鑒[D].廈門：廈門大學(xué)，2017.

[3]李心合.企業(yè)真實(shí)財(cái)務(wù)風(fēng)險(xiǎn)水平衡量研究[J].財(cái)務(wù)研究，2021（2）：3-14.

[4]ALTMAN?E?I.Financial?ratios，?discriminant?analysis?and?the?prediction?of?corporate?bankruptcy[J].The?journal?of?finance，1968，23（4）：589-609.

[5]ALTMAN?E?I，HALDEMAN?R?G，NARAYANAN?P.ZETATM?analysis：a?new?model?to?identify?bankruptcy?risk?of?corporations[J].Journal?of?banking?&?finance，1977，1（1）：?29-54.

[6]秦瑩，劉冰.基于現(xiàn)金流量的企業(yè)財(cái)務(wù)預(yù)警[J].統(tǒng)計(jì)與決策，2013（7）：173-176.

[7]顧梓琦.基于熵權(quán)法的神經(jīng)網(wǎng)絡(luò)模型與logistic回歸的財(cái)務(wù)預(yù)警模型比較與分析[D].成都：西南財(cái)經(jīng)大學(xué)，2016.

[8]李曉峰，徐玖平.上市公司財(cái)務(wù)預(yù)警的BP神經(jīng)網(wǎng)絡(luò)模型的建立及其應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2006（4）：5-11.

[9]侯芝芳.?基于人工神經(jīng)網(wǎng)絡(luò)的我國上市公司財(cái)務(wù)預(yù)警分析[D].長沙：湖南師范大學(xué)，2014.

[10]洪葒，馮自欽，張友棠.企業(yè)財(cái)務(wù)競爭力的時(shí)空解析與指數(shù)評價(jià)研究[J].財(cái)會(huì)月刊，2009（30）：65-67.

[11]張友棠，李思呈.信息技術(shù)業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警定位研究[J].會(huì)計(jì)之友，2015（20）：34-37.

[12]肖賢輝，謝赤.宏觀經(jīng)濟(jì)因素對企業(yè)財(cái)務(wù)困境風(fēng)險(xiǎn)的影響[J].湘潭大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2012，36（4）：88-93.

[13]盧永艷.宏觀經(jīng)濟(jì)因素對企業(yè)財(cái)務(wù)困境風(fēng)險(xiǎn)影響的實(shí)證分析[J].宏觀經(jīng)濟(jì)研究，2013（5）：53-58.

[14]梁飛媛，葉青.解析基于宏觀經(jīng)濟(jì)波動(dòng)的財(cái)務(wù)預(yù)警指數(shù)體系構(gòu)建[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016，38（增刊2）：54-57.

[15]孔凡堯.基于因子分析模型的房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警評價(jià)[J].山西財(cái)稅，2022（7）：37-40.

[16]王竹泉，王苑琢，王舒慧.中國實(shí)體經(jīng)濟(jì)資金效率與財(cái)務(wù)風(fēng)險(xiǎn)真實(shí)水平透析——金融服務(wù)實(shí)體經(jīng)濟(jì)效率和水平不高的癥結(jié)何在？[J].管理世界，2019（2）：58-73.