經濟周期對企業財務預警模型的影響研究

史家亮　楊碩杰　范偉陽　毛成振　賈帥

[摘要]研究宏觀經濟周期對財務預警的影響，對建立財務預警模型來預測財務風險具有重要意義。以DRC宏觀經濟景氣指數為標準，在引入現金流量指標的基礎上，對不同經濟周期分別進行Logistic財務預警模型實證研究，根據分析的結果找出不同經濟周期企業的財務預警側重點：在經濟上行期，企業應該重點關注自身的獲現能力和發展能力；而在經濟下行期，企業除了要關注自身的獲現能力和發展能力外，還要關注自身的償債能力。

[關鍵詞]經濟周期；財務預警模型；Logistic模型；現金流量

[中圖分類號]F74

[文獻標識碼]A

[文章編號]2095-3283（2017）05-0133-05

[作者簡介]史家亮（1993-），男，漢族，碩士研究生，研究方向：經濟周期理論，產權與合約理論；楊碩杰（1994-），男，漢族，湖北武漢人，碩士研究生，研究方向：財務預警；范偉陽（1992-），男，漢族，碩士研究生，研究方向：勞動經濟學與激勵理論；毛成振（1992-），男，漢族，碩士研究生，研究方向：匯率制度與經濟周期理論；賈帥（1998-），男，漢族，會計學院學生。

一、引言

經濟周期的更替往往會導致企業所處的宏觀經濟環境具有高度的不確定性，而這種不確定性容易引起企業的系統性財務風險。為了防范這種系統性的財務風險，適當的財務預警對企業來說是必不可少的。傳統企業財務預警重點只是放在評價和預測企業內部的財務風險上，并沒有找出外部因素對企業財務狀況的影響。因此，根據不同的經濟周期來建立相應的財務預警模型，并找出企業在不同時期應注重的預警點對企業的健康發展有著十分重要的意義。

信息設備制造業是一種研制和生產電子設備、電子元件和電子器件的行業，是支撐我國建設創新型國家的重要力量。本文以信息設備制造業為研究對象，通過建立不同經濟周期的預警模型，來探究宏觀經濟的波動對企業財務預警的影響。

二、文獻綜述

（一）國外研究現狀

傳統的財務預警主要是從企業的角度來分析其財務狀況，隨著研究的深入，學者們開始將外部因素納入企業的財務預警研究中。Platt（1990）通過將危機公司與正常公司配對研究，發現產業相對比率的預警能力高于傳統的財務比率，并建立了基于產業相對比率的預測模型。Charitou和Trigeorgis （2000）結合期權定價模型的相關指標，發現將其與財務指標結合來建立財務預警模型時，模型的預測效果更好。Dilek Karahoca（2013）將GDP、股票價格指數等加入到財務預警模型中，實證結果表明，加入了宏觀經濟因素的財務預警模型，其預警準確性大大提高。

（二）國內研究現狀

近年來，我國學者也開始將外部因素納入到財務預警研究之中。陸正華、鐘燕華（2009）以環境變化程度指標為標準，檢驗行業環境特征與現金持有量之間的相關性，發現環境變動程度對企業現金持有具有顯著影響。張友棠、黃陽（2011）利用系統動力學原理構建企業財務預警控制模型，并將行業競爭風險指數、行業生命周期風險指數、稅率風險指數等衡量行業風險的指數帶入模型之中，將企業財務預警與行業風險控制有機結合。

三、經濟周期對企業財務風險的影響分析

（一）經濟周期的劃分

根據國務院發展研究中心公布的宏觀經濟景氣指數（先行指數），我國宏觀經濟經濟在2008、2010、2011、2013、2014五個年度為下行期，而在2009、2012、2015三個年度為上行期（見圖1）。

（二）宏觀經濟波動對企業財務風險的影響

宏觀經濟波動主要從市場供求關系、銀行信貸水平、政府經濟政策等方面影響企業的財務風險。

宏觀經濟下行，消費者消費水平下降，市場需求降低，短期內造成企業產品供過于求，庫存增加，成本增加，現金流減少并且盈利能力下降；銀行傾向于收縮信貸水平，提高信貸成本，進而使得企業借貸水平下降，造成現金流的斷裂，此外，企業借貸的成本增加，導致企業的還款金額和還款壓力增加；而政府在經濟下行期傾向于采用寬松的經濟政策，適當增加貨幣量、減少稅收、提升銀行的信貸水平，緩解企業生存壓力。

當宏觀經濟上行時，消費需求增加，市場處于供不應求的狀態，銀行信貸額度增加，企業信貸成本下降等，企業在信貸方面的壓力會有所降低；而政府則會采取適當緊縮的貨幣政策和財政政策防止經濟過熱。

四、研究樣本與財務指標的選取及處理

（一）樣本的選取

根據證監會2012年行業分類的標準，信息設備制造業主要包括計算機、通信和其它電子設備制造業。截至2015年12月31日，該行業共有上市公司254家，其中在B股、創業板、中小板和新三板上市的公司共79家，但由于在B股或非主板上市的公司不具有代表性，因此選取在滬市A股主板上市的公司作為研究對象進行研究，時間跨度為2008—2015年。本文所使用數據來自國泰安數據庫，統計分析使用stata120統計軟件。

（二）財務指標的選取

以資產負債表和利潤表為基礎的財務指標的真實性往往會受到企業管理者對會計政策的選擇以及有意識的盈余管理的影響，從而使得指標的有效性大大降低。為提高財務預警模型的準確性和科學性，本文在借鑒他人研究成果的基礎上，引入現金流量指標，并將其與傳統的財務指標相結合。

本文在遵循系統性、重要性、可得性原則的基礎上，通過篩選保留債務保障率、現金流量比率等十個財務指標，建立企業財務預警指標體系，如表1所示。

（三）數據的標準化處理

不同的指標變量存在著不同的量綱，為避免量綱的不同對分析帶來的影響，需要在實證前對數據進行標準化處理。設第i家公司第j個指標的值為Xij，其標準化處理后值為：

X′ij=Xij-XjSj

其中：Xj=1n∑ni=1Xij，Sj=1n∑ni=1（Xij-Xj）2

五、財務預警模型的建立

（一）財務預警模型的選擇

常見的財務預警模型包括一元判定模型、多元判別模型、多元邏輯回歸模型、多元概率回歸模型、綜合預測模型等。其中，Logistic模型不要求樣本滿足多元正態分布，不要求同方差性，使用條件比較符合實際情況。而在本文選取的樣本中，發生財務危機的企業和未發生財務危機的變量方差不同，不滿足多元正態分布，因此選擇使用Logistic模型來進行財務預警。

Logistic模型在財務預警使用中，假設企業發生財務預警的概率P（企業發生財務危機時取1，未發生財務危機時取0）與預警變量θ之間的關系為：

P=eθ1+eθ

P值越大表示企業存在的財務風險越大，當P大于臨界值時，表明企業發生財務危機的概率較大；當P小于臨界值時，表明企業發生財務危機的概率較小。

（二）主成分分析

為了將原有的10個財務指標簡化，同時避免遺漏重要信息，首先要進行主成分分析，提取主成分因子，得到主成分的特征值和貢獻率，本文將經濟上行期和經濟下行期的數據分開處理，對不同經濟周期提取不同的主成分因子，如表2所示。

由表2可以看出，在經濟上行期抽出的六個主成分，累積貢獻率達到8637%；在經濟下行期抽出的六個主成分，累積貢獻率達到8385%，由此可以看出，無論是在經濟上行期還是經濟下行期，提取的六個主成分都能夠解釋原始的10個財務指標的大部分信息。

為檢驗財務指標之間的共性強度，需要對選取的財務指標進行KMO檢驗，檢驗結果如表3所示。

KMO的值介于0和1之間。KMO越高，表明變量的共性越強。Kaiser（1974）提出通過KMO值判斷變量之間是否適合做主成分分析的標準：000-049，不能接受；050-059，非常差；060-069，勉強接受；070-079，可以接受；080-089，比較好；090-100，非常好。根據這一標準進行分析，無論是經濟上行期還是經濟下行期，指標之間的共性都很強，適合做主成分分析。

主成分分析中，需要求得五個主成分因子的因子負載量，來解釋五個主成分因子。為了避免變量之間的多重共線性，提升主成分因子的解釋效果，需要對因子載荷矩陣進行旋轉。本文采取方差最大正交旋轉法簡化因子結構。旋轉后的因子載荷矩陣如表4所示。

在經濟上行期：第一主成分F1與X1、X6、X7、X9的相關程度較高，因此由這五個變量解釋F1，可以反應企業的償債能力和獲現能力；第二主成分F2與X5、X6、X9的相關程度較高，因此由這三個變量解釋F2，可以反應企業的獲現能力和財務彈性；第三主成分F3與X4、X5、X8的相關程度較高，因此由這三個變量解釋F3，可以反應企業的發展能力和獲現能力；第四主成分F4與X3相關程度較高，因此由這一個變量解釋F4，可以反應企業的償債能力；第五主成分F5與X10相關程度較高，因此由這一個變量解釋F5，可以反應企業的營運能力；第六主成分F6與X2相關程度較高，因此由這一個變量解釋F6，可以反應企業的財務彈性。

在經濟下行期：第一主成分F1與X1、X5、X6、X7的相關程度較高，因此由這四個變量解釋F1，可以反應企業的償債能力和獲現能力；第二主成分F2與X6、X8、X9的相關程度較高，因此由這兩個變量解釋F2，可以反應企業的獲現能力和財務彈性；第三主成分F3與X3、X8的相關程度較高，因此由這兩個變量解釋F3，可以反應企業的償債能力和獲現能力；第四主成分F4與X10相關程度較高，因此由這一個變量解釋F4，可以反應企業的營運能力；第五主成分F5與X4相關程度較高，因此由這一個變量解釋F5，可以反應企業的發展能力；第六主成分F6與X2相關程度較高，因此由這一個變量解釋F6，可以反應企業的財務彈性。

五個主成分的表達式如表5所示。

（三）Logistic模型的建立

根據主成分分析的結果，分別對不同經濟周期的六個主成分作Logistic回歸分析，企業發生財務危機（虧損）時取1，未發生財務危機時取0，結果如表6所示。

其中，（1）式表示經濟上行期的財務預警模型，該模型的預警臨界值為014；（2）式表示經濟下行期的財務預警模型，該模型的預警臨界值為011。

從模型上來看，在經濟上行期，主成分F3對企業財務狀況影響較大，即在經濟上行期，企業的發展能力和獲現能力對企業的財務狀況影響較大；在經濟下行期，主成分F1、F5對企業財務狀況影響較大，即在經濟下行期，企業的償債能力、獲現能力和發展能力對企業財務狀況影響較大。

（四）模型預測效果檢驗

為檢測構建的模型在各個年度是否能夠準確的預測樣本公司的財務狀況，需要對模型的預測效果進行檢驗，檢驗結果如表7所示。

根據預測的結果來看，模型（1）對財務狀況正常的企業預測準確率為8047%，對財務狀況非正常企業預測準確率為75%，總體預測準確率為7976%，預測能力較好；模型（2）對財務狀況正常的企業預測準確率為7173%，對財務狀況非正常企業預測準確率為7143%，總體預測準確率為7116%，預測能力低于模型（1），但尚能接受。

六、總結

宏觀經濟的波動往往會通過影響市場需求、銀行信貸水平、政府經濟政策等方面來改變企業所處的外部環境，進而影響企業的現金流量、盈利能力、借貸成本、借貸水平等方面，使企業的財務風險發生變化。

本文利用主成分法構建不同經濟周期的Logistic模型，通過模型進行實證分析，并得出結論：不同的經濟周期企業財務預警的側重方向不同，在經濟上行期，企業應該重點關注自身的獲現能力和發展能力；而在經濟下行期，企業除了要關注自身的獲現能力和發展能力外，還要關注自身的償債能力。企業應根據所處的經濟環境正確選擇預警的側重點，這樣才能更好地對自身財務狀況做出判斷。

[參考文獻]

[1]徐偉，陳丹萍.財務風險預警建模原則及幾種預警新模型[J].統計與決策，2016（8）：150-153.

[2]劉玉敏，劉莉，任廣乾.基于非財務指標的上市公司財務預警研究[J].商業研究，2016（10）：87-92.

[3]符剛，曾萍，陳冠林.經濟新常態下企業財務危機預警實證研究[J].財經科學，2016（9）：88-99.

[4]王君萍，白瓊瓊.我國能源上市企業財務危機預警研究[J].經濟問題，2015（1）：109-113.

[5]肖賢輝，謝赤.宏觀經濟因素對企業財務困境風險的影響[J].湘潭大學學報（哲學社會科學版），2012（4）：88-93.

[6]張友棠，黃陽.基于行業環境風險識別的企業財務預警控制系統研究[J].會計研究，2011（3）：41-48.

[7]張友棠，彭穎.跨境電子商務企業經營風險預警定位研究[J].財會月刊，2010（24）：72-75.

[8]呂峻，李梓房.宏觀經濟因素對企業財務危機影響的實證研究[J].山西財經大學學報，2008（11）：

94-100.

（責任編輯：郭麗春）