基于DPSR-云模型的制造業上市公司財務危機預警研究

宋曉娜，賈莉莉（ 教授）

一、引言

制造業是我國經濟社會發展的支柱性產業，截至2017年12月31日，我國A股制造業上市公司占全部A股上市公司比重高達63.53%。而隨著“中國制造2025”和德國“工業4.0”的不斷推進，國內制造業所處的內外部環境及競爭態勢愈發緊張，其中對經濟規模較大、資金流動性要求較高的制造業上市公司的沖擊尤為顯著。

據Wind資訊庫統計，近年來由于財務危機導致的上市公司被特別處理（ST）的數量逐年增加，2016年高達58家，制造業公司占比50%以上，2015年甚至高達57.14%，嚴重制約了資本市場的健康發展。雖然導致該類現象發生的因素具有高度的復雜性，但其中受財務運營監管不當或缺乏系統性的財務風險評估體系而造成財務危機的案例屢見不鮮[1]。因此，建立科學合理且行之有效的財務危機預警體系，不僅能夠為制造業上市公司及時提供預警信號，而且對于提高企業財務安全性及保障市場經濟穩定意義重大。

財務危機具有積累性和逆轉性的特點，因此在理論上可以實現對財務危機的預警與控制。國內諸多學者從財務績效[2][3]、財務風險[4][5]、財務質量[6]、財務彈性[7]等方面進行了多視角解析，以尋求防范制造業上市公司財務危機的策略與路徑。但隨著制造業上市公司資本運營環境的復雜化及影響要素的多元化，現有相關研究成果多集中于資金流動、利潤增長、負債比率等局部指標，并采用傳統的Logistic、主成分分析和神經網絡模型進行靜態評價[8][9]。這不僅造成對影響制造業上市公司財務危機的因素要從多方面考慮，而且容易削弱財務危機預警體系的可推廣性。

基于上述分析，本文以影響制造業上市公司財務安全的關聯要素為視角，選用“驅動力—壓力—狀態—響應”（DPSR）理論建立財務危機系統性測度體系，利用靈活性更高的云理論構建財務危機預警模型，并以山東省亞星化學公司為例進行歷史維度與未來趨勢預警維度的雙重檢驗。

二、模型構建

定義1：設置由數值構成的U為定量論域，U中定性概念是Q，定量值κ∈Q是Q的隨機數值，則κ對Q的隸屬度ν（κ）∈［0，1］可作為隨機數。若ν：U→［0，1］，?κ∈U，κ→ν（κ），則κ在U上的分布視為云，記作Q（κ，ν）。其中，κ稱為云滴。當U拓展為n維空間時，κ被稱為n維云。

定義2：在數值構成的論域U中，其內部定性概念為Q。若定量值κ∈U，同時κ是Q的隨機數值實現時，且符合，則對Q的隸屬度為：

其中，κ是數值域U中分布的正態云。

在上述基礎上，利用關聯函數法計算制造業上市公司財務危機測度體系中的指標權重W。即：

否則，ci歸屬的等級越高，賦值權系數越小：

當有m個樣本時，依據樣本數據求解權重，并進行均值化處理，即為ci的權系數：

選用云理論中正態云發生器計算論域U和gj隸屬度，得到測度集其中ξij是指U中第i個指標ui對G中第j個等級gj的隸屬度。采用單因素測度集取得隸屬矩陣和權重W進行數值轉換，得到最終隸屬度測度集φ?：

式（6）中，φj（j=1，2，…，m）為評價對象于第j個等級的隸屬水平，將取得最大隸屬值max｛φj｝的等級gj視為制造業上市公司財務危機測度指標的最終隸屬度。

三、實證分析

（一）研究方法與數據來源

本文以2016年被ST的山東省制造業上市公司亞星化學為例，選取其2006～2016年的歷史財務數據作為測算樣本，利用基于DPSR理論建立的財務危機測度指標體系及基于云理論構建的財務危機預警模型進行歷史維度的財務危機變動趨勢分析，并檢驗模型的有效性，進而對2020年的財務狀況進行預警檢驗及驅動要素挖掘。所用數據來源于國泰安數據庫、Wind資訊、深圳證券交易所和上海證券交易所。

（二）財務危機預警評價指標體系構建

DPSR理論是在“壓力—狀態—響應”（PSR）模型基礎上的改進成果，主要用于研究環境可持續發展問題的理論體系[10]，考慮影響公司財務狀態各要素的內在關聯性，將其引入構建制造業上市公司財務危機測度體系的過程，如下圖所示。

基于DPSR的財務危機測度準則體系

其中，驅動力表征公司長期可持續發展目標，即對應于發展能力，具體可反映在公司主營業務收入、利潤及現金流量增長情況等方面。壓力主要體現在公司可持續發展目標導向下所面臨的債務問題，這主要是由于上市公司要擴大規模則需要加大融資規模，而融資過程中公司償債能力的強弱直接關系到其財務危機的狀態，該方面可利用流動資產、流動負債及經營現金流等指標進行綜合反映。狀態則是指公司在發展目標和壓力下的狀況，一方面表現為公司營運能力，指企業管理層的管理水平和資產利用效果；另一方面體現于盈利能力，代表企業的獲利水平和資本保值增值狀況。響應則表征為保障公司財務安全所需進行的必要調控，而現金流能夠將企業發展中的經營、投資和融資三者相結合，是評價企業償債支付能力、收益質量的重要指標，也能夠有效抑制企業發生財務危機，因此現金流獲取能力是企業管理層為防范財務危機、實現企業可持續發展所做決策的重要體現。

在科學性、預見性、穩健性和靈敏性等構建指標體系的原則下，根據制造業上市公司財務實際特點，在DPSR模式下構建了制造業上市公司財務危機預警指標體系，具體如表1所示。

（三）財務危機等級劃分與指標閾值

按照云理論中對模糊集合的分異概念的劃分標準，對制造業上市公司財務危機狀態均進行描述轉化，并界定其分類等級為5個，具體為Ⅰ級（安全）、Ⅱ級（良好）、Ⅲ級（一般）、Ⅳ級（較差）和Ⅴ級（惡化），各等級下財務危機狀態的表征狀況如表2所示。在此基礎上，根據財務指標參考標準值并結合國內制造業上市公司財務特性，特別是亞星化學公司2006～2016年歷史財務數據特征，以確定該公司財務危機等級閾值（見表3）。其中，X1，X2，…，X25依次為表1中的預警指標。

（四）財務危機預警分析和趨勢判斷

1.危機評價。以亞星化學2006～2016年歷史時序數據作為制造業上市公司財務危機測算樣本，根據式（2）～式（5）計算得到指標權重（見表3）。利用所測得的隸屬度矩陣和權重W，進一步評估其財務危機等級評價集G所對應的模糊集并將其結果作為各歷史年份下的測度值。按照最大隸屬度的比較，獲得最終評價結果，見表4。

由表4可以看出，亞星化學公司2006～2016年度的財務等級從“良好”到“一般”再到“較差”并最終出現“惡化”狀態。其中，2006～2008年企業財務狀況較好，危機等級均處III級以上水平，但2008年受全球金融危機影響，公司主要產品銷售價格下降，電和煤等能源價格上漲使得氯堿產品成本壓力進一步加大，公司2009年經營出現大幅虧損，預警結果顯示財務等級處于IV等級，與實際情況基本一致。2010年通過變現土地資產、收購優質資產、積極爭取財政補貼等調控措施，使得公司銷售市場進一步擴大，從而遏制了企業經濟效益下滑的趨勢。根據測度結果還可發現，在2011～2016年期間亞星化學經歷了兩次顯著的等級波動：

表1 制造業上市公司財務危機預警指標體系

表2 制造業上市公司財務危機等級劃分

表3 財務危機等級劃分下各閾值情況及權重的設置

表4 財務危機歷史檢驗結果

（1）2011～2012年財務等級為“惡化”狀態，公司發生財務危機。這主要由于2011年以來央行上調利率，公司融資成本升高，同時企業主導產品銷售量下降，資金鏈斷裂風險增大，可持續經營受挫；2012年國家加大宏觀調控力度，特別是房地產調控，放緩增長步伐，石化行業消費量持續下降，主導產品需求受限，資金鏈斷裂，連續兩年虧損，公司面臨退市風險，于2013年被證監會給予特別處理。對此亞星化學重點開展公司內部整頓，并依靠技術引進與加大研發投入使其維持了正常運行。2013年亞星化學未扣除非正常性損益的歸屬于普通股股東的凈利潤為正，企業狀況稍有好轉，而預警結果也顯示出公司財務狀況由“惡化”轉為“較差”，與事實相符。

（2）至2014年時在面臨外需不足和內需不振的雙重壓力下，財務狀況由2013年的稍有好轉變為虧損狀態，財務等級由“較差”變為“惡化”。同樣，2015年在供給側結構性改革背景下，企業面臨調結構、去杠桿、去產能的壓力，企業持續虧損，資產負債率高達108.09%，公司再融資壓力上升。2015年繼續虧損達3.78億元，這也造成公司財務等級轉變為“惡化”的狀態，連續兩年虧損，且2015年年末凈資產為負值，企業于2016年3月被證監會實施了退市風險警示處理，公司連續兩次被實施ST，面臨巨大的退市風險。通過改善融資結構和開拓產品市場新領域，到2016年財務狀況得以扭轉，凈利潤和凈資產都為正值，從而申請撤銷退市風險處理。

2.危機預警。考慮到樣本數據在時序維度上的可獲取性及預警指標的精度需求，本文選用短期樣本預測精度較高的DGM（1，1）模型分別預測亞星化學2020年財務危機測度體系中的各單項指標值，結果見表5。經過與歷史數據的比較分析，指標預測值符合公司的發展趨勢。將各指標預測值分別代入財務危機預警模型，取得2020年度各單項指標及該年度整體預警結果，見表6。其中，φ1、φ2、φ3、…φ25分別為表1測度體系中的單指標隸屬度。

同時，利用DGM（1，1）模型和各指標近10年原始數據預測2020年的指標數據，限于篇幅，此處不再列示。

表5 指標預測結果

表6 亞星化學公司2020年預測結果

四、結論

本文基于DPSR理念構建制造業上市公司財務狀態測度體系，并利用云理論建立其財務危機預警模型，同時從歷史時序變化與未來發展趨勢雙重維度對山東省亞星化學公司財務狀況進行定量分析。其中歷史時序維度下，其財務狀況呈現出從“良好”到“一般”、“較差”再到“惡化”的變化趨勢，這與其在2013年和2016年分別被ST的實際狀況基本一致，說明亞星化學的財務狀況不容樂觀；而在未來趨勢預警維度上，到2020年時公司財務危機雖然能夠得到一定程度的緩解，達到“一般”狀態，但是受公司財務政策調控滯后性的影響，還需要采取針對性的措施對存在的短板指標進行重點調控，包括提升資產利用率及主導產品市場份額、改善融資結構、加強與金融機構的業務合作、拓寬融資渠道等。

此外，基于云理論建立的財務危機預警模型在實證檢驗中體現出較高的靈活性，其不僅可實現對影響財務安全狀態要素的隨機性分析，也可滿足財務決策中多指標集成與單指標檢驗的雙向需求，避免了傳統預警模型中對指標“非此即彼”特性的限制；而基于DPSR理念構建的制造業上市公司財務狀態測度體系，實現了對影響其公司財務安全性的多要素考量，可對公司財務管理分析提供多方面支持。