控制財務危機視域下財務預警分析監管指標體系的構建

北京工業職業技術學院 楊海濤

控制財務危機視域下財務預警分析監管指標體系的構建

北京工業職業技術學院 楊海濤

隨著全球經濟化步伐不斷加快，使得各大企業所面臨的競爭不斷加劇，不少企業面臨著財務危機情況，為實現企業的生存和發展，必須構建一個科學有效的財務預警分析監管系統，隨時跟進和監控企業的財務狀況，以便于及時采取有效措施，避免因財務危機所帶來的損害。鑒于此，本文從控制財務危機的視角下，構建了一套財務預警分析監管指標體系，旨在為我國企業有效地控制財務危機狀況提供理論依據。

財務危機 財務預警分析 監管指標 體系構建

一、引言

財務危機，即所謂的財務困境，主要是指企業由于缺乏經營現金，因而無法及時償還到期的債務，以至于無法履行合約相關條款的情況。通常情況下，如果企業發生了如下情況，則被認為是出現了財務危機：企業在清算之后仍無法對債權人的債務進行支付；企業及其債權人申請了企業破產；企業無法在規定日期內針對債務合約的相關要求清還債務并支付利息；企業資產無法抵還債務，賬面凈資產呈負數。

財務預警分析主要是針對企業財務危機的可能性因素進行持續的跟蹤、監測和管理，一旦某相關指標的值超出了允許值時，就會有危機警報發出，并及時采取一系列措施予以解決。其可對財務危機的風險程度進行綜合判斷，并及時進行報警，可以對同財務相關的所有環節內出現的問題進行研究和分析。因此，財務預警分析其實就是一種規避風險機制，它集預測、報警、應警于一體，不僅可以預測財務危機的可能性因素，還可以通過獨特方式對企業利益相關人員進行提醒，并為其提供詳細的解決方案以便于及時控制風險。

由此可見，為了更好地應對財務危機，有必要建立一套科學合理的財務預警分析監管體系，以確保企業資金流的順利進行，為企業的進一步發展奠定基礎。

二、財務預警分析的主要監管指標

根據現代財務管理理論可知，企業的盈利、營運、償債及其成長能力決定了企業的財務情況。為實現對企業財務情況科學全面地反映，在基于國內外相關研究成果之上，結合信息技術行業的特征，以及選取財務指標的相關原則，筆者重點選取了財務類及現金流量類兩方面的指標。其中，前者主要包括有償債、營運、盈利及成長能力這四方面。而后者選取過程中不僅需要考慮到企業現金流信息對判別企業財務危機的重要意義，還要盡量避免因主觀偏好所導致的信息失真或扭曲情況的出現。為確保數據真實有效，本文主要選擇了如下幾類指標。盈利能力：銷售凈利潤、銷售毛利潤、營業利潤率、凈資產收益率。營運能力：存貨周轉率、應收賬款周轉率、總資產周轉率。債償能力：流動比率、速動比率、資產負債率。成長能力：主營業務收入增長率、總資產增長率、凈資產增長率。現金流量指標：銷售現金比率、主營業務比率、每股現金流量凈額。

經過顯著性檢驗后可知，上述合計16個變量中除了銷售現金比率、資產負債率、凈資產收益率和主營業務比率等指標之外，剩余12個指標都較為敏感，因而可以作為企業財務危機的預警分析監管指標，對企業的財務危機風險情況進行預測。

三、基于控制財務危機視域下財務預警分析監管指標體系的構建

財務預警分析監管指標體系構建時應基于整個體系構建的目標、環境、功能、結構及其監測、預警系統的關系之上，選用較為敏感的作為指標。為確保整個評價結構的合理性和客觀性，進行財務預警分析監管指標體系的初步構建時，應盡量選擇可全面反映公司各方面財務情況的指標，為體系指標的最終確定留有余地。企業的主體財務比率必須能夠對企業的償債、盈利、營運、資本增長及其資產管理能力五方面的財務情況。分析可知，銷售毛利率、流動比率、總資產增長率及長期負債資本比這幾方面差異顯著，表明這些指標的敏感性較強，可以作為反映財務預警分析監管指標體系模型構造的基本變量。

目前，關于財務預警分析監管模型的構建方法有很多，如判別分析法、因子分析法等，實踐表明，Logistic回歸模型法的預警結果最為準確科學。因此，本文選用此方法進行財務預警分析監管指標體系的構建。

（一）Logistic回歸模型的主要步驟。先進行數據樣本及其指標的選取，并對自變量及因變量進行確定；將各指標之間的多重共線性進行消除；對模型的參數進行估計，并對其擬合狀況進行評估；以模型的參數為基礎，對其顯著性、大小、符號等方面對于因變量的意義進行解釋；針對檢驗樣本情況，對模型的預警精確度進行驗證。

（二）建模之的準備。雖然通過非參數檢驗，得到了12個差異顯著的指標，將16個指標簡化到了12個，但是，由于財務指標都是比率指標，且多數是根據聯系緊密的財務報表數據進行計算所得，因此，各項指標間的相關性較強。應當注意的是，Logistic回歸模型本身就對多重共線性相當敏感，因此，變量間相關性稍微高一點兒，就會導致系數誤差出現大幅度增加的情況，為避免這種情況的發生，本文先通過因子分析法進行公因子的提取，并將公因子作為最后進入財務預警分析模型的解釋變量，以最大程度地防止多重共線性所帶來的影響。經過因子分析法，提取了5個公因子作為解釋變量帶入預警模型中，5個公因子如下：

（三）Logistic回歸模型的構建。通過SPSS軟件分析，根據所選取的5個變量以及發生財務危機的企業樣本數據，進行Logistic回歸命令的選擇，根據Backwald逐步向后剔除變量法，進行Logistic回歸分析，5次迭代之后得到的結果見表1。

表1 Logistic回歸模型結果

（四）模型預警效果分析與檢驗。在使用此模型進行企業財務危機情況的預測時，還有一個問題需要注意，即臨界點的選取問題，若選取的不好，將會對模型的預警效果帶來不利影響，所以應當給予足夠的重視。由于理論上來說，此模型并無最優化分割點的存在，因而其選擇主要同企業的具體目的有關。在本文的研究中，企業財務危機的預警設置范圍在0到1之間，所以，選取0.5作為判別臨界值，即若通過此回歸模型計算所得的不發生財務危機的概率P大于0.5時，那么，就將該企業歸入健康企業類型中，相反的，若計算所得不發生財務危機的概率P小于0.5時，則該企業就被歸入財務危機類型中。

1．模型預警識別效果的檢驗。本文以52家企業為樣本，將這52組樣本的數據代入上文最終得到的回歸公式中，再經 SPSS16.0的統計分析得到了模型樣本組的判斷概率，具體情況見下表2：

表2 回歸模型樣本預測的分類結果

通過對這52家企業樣本的相關數據進行模型預測，其中，在26家發生財務危機的企業中有21家企業被正確地歸為財務危機企業，而剩余的26家正常企業僅有1家被錯誤地歸入財務危機企業中，所得到的準確率分別是88.5%和96.2%，這表明Logistic回歸模型的預測精確度相當高，最終的綜合判定準確率可達92.35%。

2．回歸模型擬合效果的分析與檢驗。為了進一步對此回歸模型的預測效果進行檢驗，可采取Hosmer and Lemeshow Test擬合度檢驗方法對其進行進一步地驗證。從Hosmer and Lemeshow Test擬合度的檢驗結果可知，擬合度檢驗所得到的顯著性概率是0.119，同顯著水平0.05相比要大。因此，原假設成立，表明Logistic回歸模型的預測值同觀測值并沒有顯著性差異存在，也說明可允許的范圍內，Logistic回歸模型的估計值擬合了樣本的數據。對估計樣本數據也進行Logistic回歸模型分析，可得到52家企業前3年的財政危機情況的分析效果匯總。

表3 Logistic回歸模型預警效果匯總表

使用Logistic回歸法進行財務預警的優點是適用性強、可直接進行統計檢驗，很適合分為兩組的判斷，結果同兩組的判別分析相同。此方法的缺點是對樣本數據要求較高，要求指標不能具有多重共線性，對企業各財務指標數據來說很難實現，必須事先消除共線性；此方法所選取的指標主要是通過回歸剔除所得，因而代表性還不夠全面，可能在此類指標并不突出的健康公司方出現誤判結果。

但是本文所構建的模型預警判別率較高，應該是由于建模前先使用因子分析法將指標變量的多重共線性進行了消除，并將5大公因子作為指標納入模型中去，因此，判別式中的指標公因子代表性更強，涵蓋性也更大，因而對于各企業財務危機情況的判斷相對更加準確。因此，構建的財務預警分析監管體系可以較好地對企業的財務情況進行判斷和預測，可以為企業采取下一步措施提供有力依據。

郭憲英、王清杰.2009.財務危機的預警研究.山東審計，7。