【摘要】財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型可以從定量角度客觀準(zhǔn)確判斷企業(yè)的財(cái)務(wù)危機(jī)程度，網(wǎng)絡(luò)的普及對(duì)此頗具影響。本文采用實(shí)證方法，選取了5個(gè)財(cái)務(wù)指標(biāo)作為模型變量，構(gòu)建了一個(gè)基于極值原理的Fisher線性判別模型，并對(duì)該模型進(jìn)行了實(shí)證檢驗(yàn)。結(jié)果表明，該模型具有較好的對(duì)企業(yè)財(cái)務(wù)狀況和風(fēng)險(xiǎn)狀況進(jìn)行評(píng)價(jià)預(yù)警的能力。

　　【關(guān)鍵詞】財(cái)務(wù)預(yù)警模型指標(biāo)；財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型；多元線性函數(shù)模型

　　網(wǎng)絡(luò)環(huán)境作為全球化的技術(shù)環(huán)境，使會(huì)計(jì)行業(yè)發(fā)生了根本性的變革，企業(yè)管理者越來越多的關(guān)注網(wǎng)絡(luò)所帶來的挑戰(zhàn)與機(jī)遇。網(wǎng)絡(luò)財(cái)務(wù)在我國尚處于初期階段，它的運(yùn)用存在諸多新風(fēng)險(xiǎn)，建立一套有效的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)是必然選擇，而建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)最關(guān)鍵的就是構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。

　　本文認(rèn)為現(xiàn)金流量表能客觀地反映企業(yè)的經(jīng)營狀況及獲利能力，而且由于現(xiàn)金流量的計(jì)算不涉及權(quán)責(zé)發(fā)生制，幾乎沒有造假的可能，因此本文是基于現(xiàn)金流的F記分模型為基礎(chǔ)構(gòu)建網(wǎng)絡(luò)環(huán)境下的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。

　　一、樣本的選擇

　　本文對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型進(jìn)行實(shí)證研究，研究的主體是我國A股市場(chǎng)的上市公司，利用公開披露的企業(yè)信息來研究上市公司陷入財(cái)務(wù)危機(jī)的可預(yù)測(cè)性。

　　在確定樣本企業(yè)時(shí)，選取了一組在上海證券交易所上市交易的18家ST公司，同時(shí)還相應(yīng)地選擇同行業(yè)、同規(guī)模的18家非ST公司作為研究樣本，總樣本共36家。研究數(shù)據(jù)主要來自上海證券報(bào)上公開披露的2002年度到2006年度的年度報(bào)告的有關(guān)資料。

　　二、財(cái)務(wù)預(yù)警模型指標(biāo)的選擇

　　任何企業(yè)的財(cái)務(wù)危機(jī)都會(huì)通過一些敏感性財(cái)務(wù)指標(biāo)值反映出來。因此，設(shè)置一些敏感性財(cái)務(wù)指標(biāo)是建立財(cái)務(wù)預(yù)警機(jī)制的基礎(chǔ)。基于網(wǎng)絡(luò)環(huán)境下現(xiàn)金流量對(duì)企業(yè)的重要性，本文主要從企業(yè)財(cái)務(wù)活動(dòng)的角度，確定了三大類基礎(chǔ)指標(biāo)：經(jīng)營環(huán)節(jié)風(fēng)險(xiǎn)指標(biāo)，包括應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、主營業(yè)務(wù)收入增長率、營業(yè)周期、現(xiàn)金流入量與現(xiàn)金流出量之比、銷售營業(yè)現(xiàn)金流入比；籌資環(huán)節(jié)風(fēng)險(xiǎn)指標(biāo)，包括流動(dòng)比率、速動(dòng)比率、資產(chǎn)負(fù)債率、產(chǎn)權(quán)比率、已獲利息倍數(shù)、長期資產(chǎn)合適率、總資產(chǎn)增長率、現(xiàn)金流動(dòng)負(fù)債比率、現(xiàn)金盈利值、營運(yùn)資金占用額；投資環(huán)節(jié)風(fēng)險(xiǎn)指標(biāo)，主要包括總資產(chǎn)報(bào)酬率、總資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)凈現(xiàn)率。

　　為了全面客觀地檢驗(yàn)上市公司的經(jīng)營好壞，所選取的財(cái)務(wù)指標(biāo)要具有全面性與綜合性，保證所選指標(biāo)之間存在顯著性差異；為避免指標(biāo)之間某些特征重復(fù)計(jì)算，盡量消除變量的高度相關(guān)性。為此，本文將通過兩個(gè)步驟選取建模指標(biāo)。

　�。ㄒ唬┻\(yùn)用T檢驗(yàn)，判斷財(cái)務(wù)指標(biāo)的顯著性差異

　　利用收集的總共36家企業(yè)的數(shù)據(jù)資料，分組計(jì)算19個(gè)財(cái)務(wù)指標(biāo)在被掛名ST前兩年的平均值，計(jì)算兩組樣本各指標(biāo)值的T檢驗(yàn)值。

　　這個(gè)過程可以通過SPSS統(tǒng)計(jì)分析軟件中的樣本顯著性檢驗(yàn)功能，對(duì)數(shù)據(jù)進(jìn)行檢驗(yàn)。為了讓更多的指標(biāo)入選，現(xiàn)將T檢驗(yàn)的判別標(biāo)準(zhǔn)定為：｜T｜≥1.7。在雙尾檢驗(yàn)的顯著性概率中，通過檢驗(yàn)的指標(biāo)較多，在前一年有十二個(gè)，在前兩年有八個(gè)。模型中包括過多的指標(biāo)，會(huì)不利于對(duì)上市公司的財(cái)務(wù)危機(jī)進(jìn)行有效的預(yù)測(cè)。因此，需再通過顯著性的指標(biāo)中再次篩選。

　　通過綜合考慮，最初選定了五個(gè)財(cái)務(wù)指標(biāo)即：X1銷售營業(yè)現(xiàn)金流入比、X2資產(chǎn)負(fù)債率、X3營運(yùn)資金占用率、X4總資產(chǎn)報(bào)酬率和X5總資產(chǎn)周轉(zhuǎn)率。

　　（二）運(yùn)用因子分析法，檢驗(yàn)財(cái)務(wù)指標(biāo)的相關(guān)性

　　如果上述所選的五個(gè)指標(biāo)之間高度相關(guān)，那么就會(huì)使某些特征重復(fù)計(jì)算，引起夸大的危害，因此在選擇最終變量時(shí)應(yīng)盡量消除變量的高度相關(guān)性。

　　這個(gè)過程可以通過SPSS統(tǒng)計(jì)分析軟件中的因子分析功能，對(duì)五個(gè)指標(biāo)進(jìn)行檢驗(yàn)，其檢驗(yàn)結(jié)果表明，這五個(gè)指標(biāo)的相關(guān)系數(shù)都是小于0.5的。因此，可以選擇這五個(gè)指標(biāo)來構(gòu)建模型。

　　三、財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建

　　本文將采用基于極值原理的Fisher判別法。其基本思想是：把多維問題化為一維問題，并應(yīng)用線性判別函數(shù)解決判別問題。

　　第一步，在構(gòu)建模型前，需要確定所選的樣本數(shù)據(jù)是否是有效的。運(yùn)用SPSS軟件，對(duì)樣本進(jìn)行判別分析，經(jīng)判別后，有效觀測(cè)量為36。

　　第二步，檢驗(yàn)五個(gè)指標(biāo)的均值在ST組和非ST組之間是否存在顯著的差異，從而證實(shí)這些變量在構(gòu)造預(yù)測(cè)模型中的代表性。經(jīng)SPSS軟件檢驗(yàn)證實(shí)，五個(gè)指標(biāo)的均值在ST組和非ST組之間確實(shí)存在著顯著差別。

　　第三步，運(yùn)用SPSS軟件，對(duì)五個(gè)指標(biāo)進(jìn)行F線性判別，得到：

　　前一年的線性判別模型為：

　　Y=0.365X1-0.455X2+0.002X3+0.802X4+0.404X5+1.388

　　前兩年的線性判別模型為：

　　Y=0.114X1-0.968X2+0.079X3-0.026X4+0.721X5-0.525

　　根據(jù)前一年的判別模型，將企業(yè)成為ST前一年的數(shù)據(jù)進(jìn)行回代代入，得到樣本企業(yè)的Y，Y=1.43，依據(jù)此分界值對(duì)樣本企業(yè)進(jìn)行檢驗(yàn)。若Y值＜1.43，則說明該企業(yè)在未來一年內(nèi)將陷入財(cái)務(wù)危機(jī)，反之，則為正常企業(yè)。檢驗(yàn)結(jié)果表明：在ST組中，只有一家企業(yè)被誤判，預(yù)測(cè)的準(zhǔn)確率可達(dá)94.44%；在非ST組中，只有兩家企業(yè)被誤判，預(yù)測(cè)的準(zhǔn)確率可達(dá)88.89%。

　　同理，根據(jù)前兩年的判別模型，將企業(yè)成為ST前兩年的數(shù)據(jù)進(jìn)行回代代入，得到樣本企業(yè)的Y，Y=-0.60，依據(jù)此分界值對(duì)樣本企業(yè)進(jìn)行檢驗(yàn)。若Y值＜-0.60，則說明該企業(yè)在未來一年內(nèi)將陷入財(cái)務(wù)危機(jī)，反之，則為正常企業(yè)。經(jīng)檢驗(yàn)發(fā)現(xiàn)，在ST組中，有三家企業(yè)被誤判，預(yù)測(cè)的準(zhǔn)確率可達(dá)83.3%；在非ST組中，有四家企業(yè)被誤判，預(yù)測(cè)的準(zhǔn)確率可達(dá)77.8%。

　　經(jīng)過檢驗(yàn)，此模型在企業(yè)發(fā)生財(cái)務(wù)危機(jī)前一年的準(zhǔn)確率要比在前兩年的判別準(zhǔn)確率高，即離企業(yè)發(fā)生財(cái)務(wù)危機(jī)的時(shí)間越短，判別的準(zhǔn)確率越高。這與企業(yè)發(fā)生財(cái)務(wù)危機(jī)的實(shí)際情況相符，因而證明，可以采用此模型進(jìn)行實(shí)證檢驗(yàn)。

　　四、模型的實(shí)證檢驗(yàn)

　　本研究運(yùn)用SPSS軟件做出了比較理想的多元線性回歸判定模型，而該模型的運(yùn)行效果是否也能理想，其判定是否準(zhǔn)確，預(yù)測(cè)結(jié)果是否符合實(shí)際情況，這些問題都還需要進(jìn)一步檢驗(yàn)。

　　下表是從隨機(jī)選取的作為研究樣本的12家上市公司公布的最新財(cái)務(wù)報(bào)告中提取數(shù)據(jù)來檢驗(yàn)?zāi)Ｐ偷慕Y(jié)果。

　　從表中Y值可以看出，對(duì)于正常企業(yè)，所有的Y值全部高于1.43，模型驗(yàn)證準(zhǔn)確率為100%,而對(duì)于ST類的企業(yè)，只有50％的Y值是在1.43以下，另外50％Y值處于健康企業(yè)的范圍,模型驗(yàn)證正確率為50%。

　　對(duì)于ST企業(yè)的判斷之所以會(huì)有這樣的偏差，筆者認(rèn)為原因不外乎以下幾方面：

　　一是部分ST企業(yè)由于經(jīng)營狀況的改善使得財(cái)務(wù)狀況可能向好的方向轉(zhuǎn)變，這種情況下，我們認(rèn)為是模型判斷企業(yè)的經(jīng)營狀況得到改觀；二是由于2007年中國股市暴漲，上市公司在股市上漲過程中賺取了大量的投資收益，從而使得報(bào)表中的純利潤一項(xiàng)較往年大幅增長；三是本文建模用的樣本數(shù)據(jù)不夠全面。這些樣本并沒有涉及到所有行業(yè)的、地區(qū)的或是各種性質(zhì)的企業(yè)；四是由于作者水平有限，模型可能存在漏洞也會(huì)導(dǎo)致判斷出現(xiàn)偏差。

　　五、研究結(jié)論

　　通過本文的理論總結(jié)與實(shí)證分析，得出以下結(jié)論：

　　第一，多元線性回歸模型在我國財(cái)務(wù)預(yù)警研究中具有很高的應(yīng)用價(jià)值。實(shí)證結(jié)果表明，該方法建立的模型具有較高的判別精度和預(yù)測(cè)能力，可以獲得較好的預(yù)警結(jié)果。第二，將逐步判別分析方法應(yīng)用于財(cái)務(wù)預(yù)警研究中，可以在減少模型變量的同時(shí)，達(dá)到與全部備選變量構(gòu)建的全變量預(yù)測(cè)模型相近的判別精度和預(yù)測(cè)能力，使最終構(gòu)建的預(yù)測(cè)模型更符合成本效益原則，具有較高的應(yīng)用價(jià)值。第三，本研究采用上市公司年度財(cái)務(wù)報(bào)告數(shù)據(jù)來構(gòu)建財(cái)務(wù)預(yù)警模型，極大地提高了財(cái)務(wù)危機(jī)預(yù)測(cè)的及時(shí)性，給企業(yè)一般投資者和債權(quán)人增加了一條更及時(shí)更準(zhǔn)確的預(yù)警途徑。

　　六、本實(shí)證分析的局限性

　　一是所選上市公司的行業(yè)區(qū)別帶來的模型偏差未能解決。未能通過控制變量的方法來減少外部經(jīng)濟(jì)環(huán)境因素所可能帶來的預(yù)測(cè)偏差。二是此預(yù)測(cè)模型結(jié)論的準(zhǔn)確性受到上市公司發(fā)布財(cái)務(wù)數(shù)據(jù)真實(shí)性的影響，可能導(dǎo)致相應(yīng)的一些財(cái)務(wù)指標(biāo)出現(xiàn)異常。三是由于受上市公司樣本數(shù)據(jù)收集的限制，一時(shí)還無法對(duì)這些樣本進(jìn)行連續(xù)幾年的跟蹤檢驗(yàn)，但這種方法和思路已經(jīng)給了我們一個(gè)良好的開端。四是未能收集足夠的公司樣本進(jìn)行研究。

　　【參考文獻(xiàn)】

　　[1] 趙息，肖錚，何輝渝．Logistic模型在上市公司財(cái)務(wù)預(yù)警中的應(yīng)用研究[J]．西安電子科技大學(xué)學(xué)報(bào)，2007，（2）：21-24.

　　[2] 蘆勇. 中小企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)的指標(biāo)體系研究[J]. 企業(yè)家天地，2006，（10）：64.

　　[3] 智文義，王恒，張利軍. 淺談企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)[J]. 機(jī)械管理開發(fā)，2007，（3）：147-148.

　　[4] 定鵬.中小企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)探討 [J].中國集體經(jīng)濟(jì)， 2007，（2）：135-137.

　　[5] 張根明.基于支持向量機(jī)的上市公司財(cái)務(wù)預(yù)警模型研究[J].科技管理研究,2007，（4）：234-235.