論中小企業(yè)財務預警模型選擇問題

饒素鳳

【摘 要】中小企業(yè)對我國國民經(jīng)濟發(fā)展是不可缺少的重要組成部分，為我國經(jīng)濟的發(fā)展做出了很大的貢獻，也是提高就業(yè)率、調(diào)整和改善經(jīng)濟結(jié)構(gòu)、促進產(chǎn)業(yè)升級和推動創(chuàng)業(yè)創(chuàng)新的重要力量之一。然而中小企業(yè)由于規(guī)模小管理能力相對薄弱等自身原因以及一些外部因素，在發(fā)展過程中籌集資金困難，往往通過借貸甚至高利貸來完成企業(yè)發(fā)展的需要，有些錯誤的借貸和投資決策杭州市場因素的變化，企業(yè)會面臨財務風險，導致企業(yè)產(chǎn)生發(fā)展障礙甚至破產(chǎn)。減輕財務風險危害重要的是進行分析預警，早做防范。財務理論研究更多的是將目光集中在大型企業(yè)以及集體企業(yè)，而中小企業(yè)被忽視。由于我國中小企業(yè)眾多，中小企業(yè)的發(fā)展影響著社會經(jīng)濟的發(fā)展，中小企業(yè)的安定關系著社會的安定，因此對于中小企業(yè)的財務風險防范，幫助中小企業(yè)健康成長，是一個十分迫切和重要的課題。本文對中小企業(yè)財務風險預警系統(tǒng)進行研究，希望能夠為中小企業(yè)財務風險的預警起到一些作用。

【關鍵詞】中小企業(yè)；財務風險預警

三十多年來，我國中小企業(yè)借著改革開放的東風，在市場經(jīng)濟的作用下不斷發(fā)展壯大，目前我國工商注冊登記的中小企業(yè)家數(shù)眾多，占全部注冊企業(yè)數(shù)的絕大部分，中小流通企業(yè)占到全國零售網(wǎng)點的90%以上。中小企業(yè)為城鎮(zhèn)提供了85%的就業(yè)機會，同時其工業(yè)總產(chǎn)值和實現(xiàn)利稅分別占全國企業(yè)總數(shù)的60%和40%左右。近幾年來，中小企業(yè)的出口額也快速增長，在全國每年上千億美元左右的出口總額中，中小企業(yè)已經(jīng)可以占據(jù)60%左右。從各方面來看我國中小企業(yè)都已經(jīng)成為我國經(jīng)濟的主要層面，是國民經(jīng)濟的“半壁江山”，占據(jù)重要地位。然而，幾年前民建中央專題調(diào)研組在《后危機時代中小企業(yè)轉(zhuǎn)型與創(chuàng)新的調(diào)查與建議》的調(diào)研數(shù)據(jù)顯示，有80%的中小企業(yè)在開業(yè)的五年內(nèi)倒閉，當前中國中小企業(yè)的平均壽命僅3.7年，這與與歐美企業(yè)平均壽命40年相去甚遠。中國企業(yè)雖數(shù)量非常龐大，但質(zhì)量卻不高，平均壽命短暫，能夠真正做強做大的僅是鳳毛麟角，多數(shù)企業(yè)都走上了“一年發(fā)家，二年發(fā)財，三年倒閉”的道路。

金融危機對中小企業(yè)影響巨大。歷史事實告訴我們，過去受到2008年金融危機的影響，在2009年中國社科院關于《中小企業(yè)在金融危機復蘇中的作用》的調(diào)研報告中顯示，已經(jīng)有40%的中小企業(yè)在金融危機中倒閉，另外40%的企業(yè)在生死線上掙扎徘徊，只有剩余20%的企業(yè)沒有受到此次金融危機的影響，依然正常運營。2008年底，我國中小企業(yè)登記在案的已經(jīng)超過4000萬家，按40%的比例計算，至少有1600萬家中小企業(yè)倒在了金融寒潮之中。時至2011年，央行連續(xù)加息、多次提高存款準備金等政策導致中小企業(yè)融資困難，企業(yè)老板“跑路潮”、“倒閉潮”再次成為社會熱點話題，許多中小企業(yè)“生存環(huán)境比2008年金融危機還要困難”。在這個后金融危機的時代背景下，財務風險是市場發(fā)展、經(jīng)濟競爭過程中的必然產(chǎn)物，而建立財務預警系統(tǒng)更是刻不容緩。

一、前期研究回顧

運用定量分析法，Beaver設立了單變量財務預警模型，對1954～1964年間的79家破產(chǎn)企業(yè)和79家規(guī)模、資金相似的成功企業(yè)的30個財務比率進行分析，結(jié)果發(fā)現(xiàn)債務保障率誤判率最低，因而能夠最好地判斷出企業(yè)當前的財務狀況，其次是資產(chǎn)負債率，并且越接近破產(chǎn)，準確率越高。陳靜以1998年的27家ST企業(yè)和27家非ST企業(yè)為樣本，通過對資產(chǎn)負債率和凈資產(chǎn)收益率進行研究，建立單變量模型，經(jīng)測試模型有效可以預測企業(yè)財務危機，因而在中國市場廣泛使用。

Altman，Haldeman，Narayanan對Z計分模型進行了修正，即Zeta模型：Z= 0.717X1+0.847X2+3.107X3+0.420X4+0.9 98X5，其中，X4變?yōu)楣善钡馁~面價值和總負債的賬面價值的比值。（Altman，Haldeman，Narayanan，1977）通過相同樣本的比較測試，Zeta模型精確度優(yōu)于Z計分模型。

周首華、楊濟華、王平考慮到二十世紀九十年代以來相關標準的更新，引入現(xiàn)金流量這一預測自變量，建立了財務預警的新模型——F分數(shù)模型，并制定出了判定值。陳曉、陳治鴻運用多元邏輯回歸模型對ST企業(yè)進行財務危機預測，發(fā)現(xiàn)負債權(quán)益比、應收裝款周轉(zhuǎn)率、主營利潤率/總資產(chǎn)和預留收益/總資產(chǎn)對財務危機的預警效果最佳。（陳曉、陳治鴻，2000）曾繁榮、徐旭應用邏輯回歸模型和BP神經(jīng)網(wǎng)絡模型建立財務危機預警模型，對我國滬深兩市的上市企業(yè)進行了實證研究。

Ohlson（1980）是將邏輯回歸方法引入財務預警中的第一人并且模型預警準確率高達96.12%。他用多元邏輯回歸模型對1970到1976年間破產(chǎn)的105家企業(yè)和2058家非破產(chǎn)企業(yè)的財務數(shù)據(jù)進行預警，用概率的方法得出兩類錯誤與分割點之間的關系。Odom、Shardal（1990）學者將神經(jīng)網(wǎng)絡理論初次運用在企業(yè)財務的預警中。Coats（1992）用神經(jīng)網(wǎng)絡模型對47家ST企業(yè)和47家非ST企業(yè)進行預警，用案例分析表明神經(jīng)網(wǎng)絡模型的準確性高于多元邏輯回歸模型并且預警準確率高達90%。非ST企業(yè)可以根據(jù)預警結(jié)果來改善企業(yè)經(jīng)營決策，而陷入破產(chǎn)邊緣的企業(yè)更加可以利用這個預警結(jié)果使企業(yè)擺脫困境。

二、財務風險理論分析

財務風險是指企業(yè)生產(chǎn)經(jīng)營過程中，由于市場或者企業(yè)自身等各種原因?qū)е聜鶆召Y金的不能及時歸還而產(chǎn)生可能使企業(yè)面臨破產(chǎn)境地的風險，在經(jīng)濟形勢越來越復雜越來越難以把握的背景下，市場不確定因素進一步增加，企業(yè)面臨的財務風險也越來越大。要運營好企業(yè)，企業(yè)管理者和財務人員必須要全面分析潛在的財務風險。財務風險是企業(yè)財務管理過程中的一個實際問題。財務風險是客觀存在的，對于一個財務風險管理者來說，采取有效的措施能夠降低風險，但不能完全消除風險。

（一）財務風險往往有如下的表現(xiàn)：

1、籌資風險，是指企業(yè)因借入資金而產(chǎn)生的喪失償債能力的可能性和企業(yè)利潤（股東收益）的可變性?；I資風險是由于負債融資引起的，是由主權(quán)資本承擔額外的風險。由于企業(yè)風險的責任程度、持續(xù)時間和債務資金的使用等不同的壓力，除了規(guī)劃主要融資決策的需要量，還要以適當?shù)姆绞絹砘I集必要的資金。企業(yè)也必須正確權(quán)衡風險在不同的融資狀況下的差異，并提出防范措施。

2、投資風險，是指未來的投資收益的不確定性，投資風險可能遭受的損失會使主營業(yè)收入降低。主要的投資風險有財務風險、市場風險、購買力風險、變現(xiàn)風險、利率風險以及事件風險等；經(jīng)營風險，是企業(yè)的決策和管理人員在經(jīng)營管理上的失誤，企業(yè)盈利能力的變化將產(chǎn)生收入下降。

3、現(xiàn)金流量風險，現(xiàn)金流量在財務學和會計學上的概念，是指某一特定時間內(nèi)，特定的經(jīng)濟單位在經(jīng)濟活動中為了達到特定的目的而發(fā)生的資金流入和資金流出。在會計學里，除了要計算現(xiàn)金流量以外，亦要為將來的現(xiàn)金流量作出合理的估量?，F(xiàn)金流量的基本觀念就是企業(yè)某一段時間內(nèi)可以立刻拿出來使用的現(xiàn)金，企業(yè)經(jīng)營者必須確實控制好現(xiàn)金流量，若現(xiàn)金流量不足將可能很快使企業(yè)資金供應短缺而倒閉。

（二）重要概念分析

1、財務風險預警

理論上，經(jīng)濟預警應包括明確警義、尋找警源、分析警兆和預報警度四個階段。明確預警是進行經(jīng)濟預警的必要條件，尋找警源是對警情發(fā)生的原因分析，分析京兆分為定量分析和定性分析，預報警度既是經(jīng)濟預警結(jié)果也是目標。

2、財務預警的作用

（1）作用一：監(jiān)控。財務預警的監(jiān)控作用就是指監(jiān)測和控制，監(jiān)測是建立財務預警的起點。企業(yè)建立財務預警系統(tǒng)的目的就是監(jiān)測生產(chǎn)、經(jīng)營活動的資金運動情況，而監(jiān)測就是實現(xiàn)從生產(chǎn)到經(jīng)營對整個資金流動實時監(jiān)控以及動態(tài)跟蹤。當企業(yè)危機征兆出現(xiàn)時，找到其原因，控制事態(tài)惡化，避免發(fā)生更嚴重的財務危機。

（2）作用二：診療。通過對企業(yè)資金運動的監(jiān)測，企業(yè)運用適合企業(yè)的預警模型對企業(yè)監(jiān)測結(jié)果進行分析，當企業(yè)預警系統(tǒng)報警時，即企業(yè)運行數(shù)據(jù)異常，高于或者低于企業(yè)預警指標?？筛鶕?jù)這個分析對企業(yè)的經(jīng)營狀況、財務風險狀況作出判斷，并且找到異常指標出現(xiàn)的原因，幫助企業(yè)經(jīng)營者制定相應的經(jīng)營策略，減少相應的財務風險。

（3）作用三：保健和免疫。通過財務預警系統(tǒng)，企業(yè)能夠具體并且詳細地知道每一次誘發(fā)財務風險的原因；對企業(yè)的整體經(jīng)營狀況進行評估，把“異?！边M行矯正，對企業(yè)經(jīng)營決策進行優(yōu)化，更為有效地配置企業(yè)資源，避免異常值再次出現(xiàn)，不斷提高企業(yè)的抗風險能力，使企業(yè)更為穩(wěn)定地經(jīng)營下去。在國家大力發(fā)展“一帶一路”的政策下，做好財務風險管控，迎合國家總體戰(zhàn)略調(diào)整企業(yè)決策，對企業(yè)的發(fā)展具有重要意義。

三、中小企業(yè)財務風險預警模型選擇

（一）已有預警模型比較分析

早在20世紀30年代，西方學者就開始研究設計企業(yè)財務預警系統(tǒng)模型。目前按照模型的性質(zhì)一般可分為定性預警分析和定量預警分析，兩類模型各具特色，國內(nèi)外學者對此進行了長期深入的研究，研究成果頗為豐碩。

1、定性分析。定性分析法是指企業(yè)根據(jù)分析專業(yè)知識以及以往的經(jīng)驗，從行業(yè)特征、企業(yè)利潤額、企業(yè)的組織架構(gòu)、市場占有率等情況對公司面臨的各種風險進行綜合分析，產(chǎn)生企業(yè)發(fā)生財務危機的可能性的判斷。

2、定量分析。定量分析法依照企業(yè)的財務數(shù)據(jù)，運用表格和圖形來反映該企業(yè)的財務狀況。主要包括單變量財務預警模型、多變量財務預警模型、人工神經(jīng)網(wǎng)絡模型等。

（1）單變量財務預警模型：Fitzpatrick運用單個財務比率進行分析，研究結(jié)果顯示凈利潤/股東權(quán)益和股東權(quán)益/負債這兩項財務指標能最好地預測企業(yè)財務危機。（Fitzpatrick，1932）該模型開創(chuàng)了財務預警系統(tǒng)定量分析的先河。單變量模型分析較為簡單，但是結(jié)論完全受單個變量的控制，不能全面檢測出企業(yè)的財務狀況。使用這種模型很可能出現(xiàn)因為運用不同變量而導致同一樣本出現(xiàn)不同預測結(jié)論的情況。

（2）多變量財務預警模型：

1）Z計分模型和Zeta模型

Altman對1946～1965年期間提出破產(chǎn)申請的33家企業(yè)和33家相同資產(chǎn)規(guī)模的成功企業(yè)進行研究，擬合出一個多元線性函數(shù)方程，即Z計分模型：

Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99 9X5

其中：Xl=營運資本/資產(chǎn)總額，X2=留存收益/資產(chǎn)總額，X3=息稅前利潤/資產(chǎn)總額，X4=股票市價/總負債的賬面價值，X5=銷售收入/資產(chǎn)總額。Z值越大，企業(yè)的經(jīng)營狀況越好。（Altamn，1966）其后，Altman、Haldeman、Narayanan又對Z計分模型進行了修正，即Zeta模型：Z=0.717X1+0.847X2+3.107X3+0.420X4+0.998X5，其中，X4變?yōu)楣善钡馁~面價值和總負債的賬面價值的比值。（Altman，Haldeman，Narayanan，1977）通過相同樣本的比較測試，Zeta模型精確度優(yōu)于Z計分模型。2000年，Altman再次對Z計分模型進行完善，此次修正突破了前兩個模型樣本全部來自中等規(guī)模制造業(yè)企業(yè)的缺點，面向所有企業(yè)，這使得模型的精確度進一步提升。

2）多元邏輯（Logistic）模型和多元概率（Probit）比回歸模型

Martin以總資產(chǎn)凈利潤率等8個主要財務指標，建立Logistic回歸分析財務預警模型，準確預測出兩年后銀行的倒閉概率。

3）人工神經(jīng)網(wǎng)絡模型

Odom和Sharda將人工神經(jīng)網(wǎng)絡與企業(yè)破產(chǎn)預測相結(jié)合，結(jié)果發(fā)現(xiàn)模型的判斷準確率高達100%，顯示出人工神經(jīng)網(wǎng)絡優(yōu)秀的預測能力。

（二）中小企業(yè)財務風險預警模型的選擇建議

理論上來說，中小企業(yè)財務風險分析和管理專業(yè)素質(zhì)與大型集團公司相比，可能處于劣勢，需要尋求相對簡單好用的模型。通過對各種方法的分析比較，發(fā)現(xiàn)定性分析法雖然有一定的判斷能力，能夠發(fā)現(xiàn)企業(yè)所存在的財務危機，但這對企業(yè)的管理人員、財務人員都有較高的要求，需要有扎實的理論基礎和豐富的職業(yè)經(jīng)驗，否則很難在發(fā)現(xiàn)企業(yè)潛在的財務風險，因此并不適用于尚處于起步成長階段的中小企業(yè)。

在定性分析中，盡管多元邏輯模型、多元概率比回歸模型、人工神經(jīng)網(wǎng)絡模型預測相當精確，但模型本身過于復雜，建立過程繁瑣。而我國中小企業(yè)對市場信息的敏感度不高，企業(yè)管理人員能力和素質(zhì)相對偏低，太過繁復的財務預警模型可能無法貫徹執(zhí)行，所以設置中小企業(yè)的財務預警只要能夠大致預測出企業(yè)財務未來走勢即可，這樣既可以便于不同文化程度的企業(yè)管理者進行實際操作，又可以有效預防財務危機。

綜上，本文選擇了Altman的Z計分模型以及其衍生的Z計分模型、Z”計分模型作為我國中小企業(yè)財務預警系統(tǒng)的樣本模型，即：

Z計分模型：

Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99 9X5

Z計分模型：

Z=0.717X1+0.847X2+3.107X3+0.42 0X4*+0.998X5

Z”計分模型：

Z=6.56X1+3.26X2+6.72X3+1.05X4*

其中，X1=營運資本/資產(chǎn)總額，X2=留存收益/資產(chǎn)總額，X3=息稅前利潤/資產(chǎn)總額，X4=股票市價/總負債的賬面價值，X4*=股票的帳面價值/總負債的賬面價值，X5=銷售收入/資產(chǎn)總額。

四、完善中小企業(yè)財務風險預警的補充建議

（一）防范企業(yè)財務危機的有效方法是完善財務信息內(nèi)部控制制度

財務預警系統(tǒng)的準確性一定程度上取決于內(nèi)外部資料的客觀真實性，而完善的企業(yè)內(nèi)部控制制度可以保證數(shù)據(jù)的可靠性。為此，我國中小企業(yè)應建立起以財務預警分析為主要內(nèi)容的財務信息內(nèi)部控制制度，以便財務人員能夠及時將預警系統(tǒng)的結(jié)果報告給企業(yè)的決策者，使其迅速做出反應，制定出措施并采取相應的行動，力求使企業(yè)財務風險降到最低。（汪娟，2012）

（二）制定并執(zhí)行財務預警系統(tǒng)的人員大部分來自財務部門，因此財務部門人員的綜合素質(zhì)能力是財務預警系統(tǒng)能夠得以順利實施的決定因素之一

現(xiàn)今我國大多中小企業(yè)的財務人員只負責處理日常重復性的業(yè)務，對先進的財務管理技術(shù)缺乏研究，處理綜合信息和數(shù)據(jù)分析的能力較弱，無法貫徹執(zhí)行太過繁復的財務預警系統(tǒng)。出于這方面的考慮，在建立中小企業(yè)財務預警模型時，才選擇了相對簡單的Z計分模型，而事實上，若企業(yè)財務人員有足夠的計算機能力水平和現(xiàn)代財務管理的認知，使用多元邏輯模型、多元概率比回歸模型等，預測結(jié)果將會更加準確。這就要求中小企業(yè)的財務人員不斷進行繼續(xù)培訓教育，掌握先進的業(yè)務技能，培養(yǎng)財務風險意識，不斷提高自身綜合素質(zhì)，從而提高部門乃至整個企業(yè)的工作效率。

（杭州睦和投資管理合伙企業(yè)（普通合伙），浙江 杭州 310053）

參考文獻：

[1]王曉雪，耿衛(wèi)坤.論中小企業(yè)內(nèi)部控制體系構(gòu)建[J].企業(yè)家天地，2013（11）.

[2]徐凱.構(gòu)建以風險管理為導向的內(nèi)部控制體系必要性研究[J].管理觀察，2013（11）.

[3]朱丹.中小企業(yè)財務風險預警管理[D].復旦大學，學位論文，2012.

[4]申家迪.我國上市企業(yè)內(nèi)部控制體系研究[D].天津商業(yè)大學商學院，學位論文，2012.