互聯網企業財務風險預警研究與對策分析

林夢嫻

【摘要】中國具有全球數量最多的網民群體，已達8.02億，其普及率達57.5%，同時建設數字強國的戰略逐步實施，這均成為互聯網企業蓬勃發展的土壤。目前學術界已有許多關于企業財務風險預警模型的成果，著力點于互聯網行業的預警研究相對較少，這使得建立一套具有完整指標、及時有效且富有針對性的互聯網企業財務風險預警模型迫在眉睫。

【關鍵詞】互聯網行業;財務風險;預警模型

一、引言

從1994年起，中國互聯網開始成為世界互聯網中的一部分，但由于技術門檻，成本高昂等原因，互聯網被局限在中高收入人群中。十余年后，用戶從Pc端快速迭代到移動客戶端，互聯網已成為人們密不可分的日常生活。據第42次CNNIc發布統計報告顯示，截至2018年6月，我國網民規模已經達到8.02億，普及率也較2017年末增加了3.8個百分點，達到57.7%，我國居民中使用手機上網的已達7.88億。

2015年3月5日，李克強總理首次提出“互聯網+”，這推動了互聯網行業滲透其他業態的腳步，由此，中國互聯網企業積極走向產業互聯網，與實體進一步互動。2018年4月，習近平總書記提出網絡強國，建立數字中國的思想，互聯網企業在國家戰略層面迎來更多的機遇，但產業融合的同時也面臨著諸多困難，以制造業為例，數字化能力受制于制造業整體水平，在智能互聯、信息整合等核心方面與全球領先水平相比仍存在差距。互聯網發展擁有著良好的土壤，信息化和數字化為中華民族帶來了巨大的機遇，但與此同時也面臨著潛在的挑戰和激烈的競爭。

出于行業特性，互聯網行業面臨的財務風險有別于其他行業，這對于財務風險預警的及時性和準確性提出了更高的需求，目前的財務風險預警研究起源于上個世紀三十年代，從定性研究到定量研究已經邁出了巨大的進步，但針對互聯網行業具體應用仍存在不足。

二、財務風險預警定義與方法

（一）財務風險定義

財務風險的定義存在狹義及廣義兩種區分，狹義觀點將企業擁有的到期債務的償還能力，作為判別一家上市企業是否面臨財務風險的基本準則。

廣義定義認為財務風險是指企業面臨諸多類型的不確定性因素，導致企業偏離正常軌道，并面臨著承擔損失的風險。在全球經濟盤根錯雜的今天，一家企業的財務活動是很難一言以蔽之，面臨的財務風險也很難從結果來判斷，當從債務的清償能力來衡量企業是否面臨財務風險不具有普適性。

（二）財務預警定義

財務預警是指通過對上市公司披露的各項財務指標，經營資料等一系列數據來構建指標體系，采取相對應的分析方法，利用模型整體綜合變化來對企業當前或未來可能出現的財務風險進行提前警醒的過程。吳戰旎、李曉龍認為財務風險預警應該是根據企業目前擁有的財務及非財務指標，并且這些指標能夠有效反映企業是否存在內部管理以及控制失靈、經營不當，財務杠桿較高的情況，并且通過這些數據來對財務危機提前預判的過程。

（三）財務預警模型

1、定性研究法

標準化調查方法是最早出現的研究方法，主要由公司管理層雇用相關專業的公司對其進行調查分析，通過財務風險分析評估報告給予決策者經營意見和意見參考。

A記分法是管理層聘請咨詢公司深入業務流程，根據公司經營情況進行打分，加權計算風險A值，對比標準值得到企業的財務風險程度，這要求調查者調查得非常細致，不適用于現在主營業務錯綜復雜的企業，同時較為主觀，難以客觀的做出合理評估。

三個月資金周轉表分析法要求公司制定三月資金周轉計劃，這意味著公司能短期內保證資金鏈健康，如果無法制定出周轉計劃，則代表企業存在財務風險。但這周期較短可能加大企業的運營成本，同時短期計劃難以滿足公司發展需求。

四階段性病癥分析法將財務系統分為四階段，試圖讓管理者能分析出財務風險處于哪一個階段，并針對性制定戰略。但這也暴露出一個缺點，現實公司中財務風險相互交織，很難將每個階段劃分出來，很難有客觀性和普適性。

2、定量分析法

隨著公司發展，定性分析方法難以滿足管理層制定策略的需求，學術界開始建立以數理統計為基礎的定量模型，力求全面預測和控制財務風險。

Altm an是最早使用多元判別法來評估企業財務風險預警研究的學者。他對比1946年至1965年提出破產申請的33家企業與財務健康的企業進行分析。z值與企業存在財務風險的概率成反比，臨界點為1.81，該模型在準確度得到了提升。但仍存在自身的局限性，如它要求預測變量的方差一協方差陣需要相同，并符合正態分布等。

多元邏輯回歸法規避了多元判別分析法的諸多局限，并將復雜的問題給簡易化。最先是Martin將58家財務危機的銀行作為數據樣本，比較三種模型得到LogiStic模型預測能力最好的結論。即使多元邏輯回歸法成為主流，但仍存在局限，如多元邏輯回歸法對于指標間多重共線性的敏感度較高，這極大程度影響模型有效性，另外Logjstic回歸要求數據為大樣本數據。

人工神經網絡由Odom和sharda提出的近年來較受歡迎的預測模型，他們對于1975-1982年間129家企業進行了研究，證明BP神經網絡模型在預測與驗證中擁有更為出色的表現。而后諸多學者基于神經網絡算法加以融合與改進。

支持向量機作為基于結構風險最小化原則與機器學習方法，是利用監督學習對樣本數據進行二元分類的廣義線性分類器。之前的模型方法均基于大數據樣本，但支持向量機能在小樣本下尋求最優劃分。vapnik為估計期望風險最小值，提出建立支持向量機模型用于實際應用中。

三、互聯網上市企業財務風險預警機制

由上述文獻可看出，目前針對互聯網行業的預警研究尚處薄弱，企業財務的健康事關企業可持續發展的戰略愿景，在快速發展過程中暴露出來的經營生產問題仍然需要得到管理層的積極重視。互聯網企業財務風險的傳導機制是一個潛移默化的過程，但風險源都將作用于財務指標和經營數據上，因此企業根據自身生產經營的數據來量化風險產生的傳導機制，能夠迅速定位到企業當前存在的問題。財務風險預警模型的合理構建對于企業預防風險，完善企業自身體制和戰略有著較大的作用。對企業內外部信息的綜合評價，建立完整預警模型，選取合適預警指標，以及根據預測結果制定預防措施都是互聯網企業進行財務預警的重要組成部分，互聯網企業財務風險預警過程如下圖所示：

四、互聯網企業財務風險預警對策建議

（一）建立高敏感度的風險防范意識

互聯網企業大多屬于初創企業，對于風險控制的警惕度較之其他行業較薄弱，同時由于行業特性帶來的輕資產，資產結構不合理等情況，管理者應全方面把控財務風險的源頭和傳導機制，以避免潛藏的財務風險為企業帶來生存危機。

（二）完善財務風險預警指標

互聯網行業從組織結構和企業文化中也存在著特異性，企業的服務產品更迭迅速，重視流量經濟，盈利渠道多元，容易構建商業生態，對于技術創新的高度重視等。這說明互聯網企業的財務風險來源還能從非財務指標中顯現，因此在進行財務預警模型構建的同時，應該合理選擇能描述企業治理結構、創新能力等的非財務指標。

（三）選擇合理的財務預警模型

由于互聯網行業興起的周期較短，國內在滬深新三板上市企業數量較少，能夠參與訓練的數據樣本不如制造業等，因此在選擇預警模型時應匹配行業特點以及數據特征，建立適合自身企業發展的預警模型，做到實時跟蹤，及時高效的規避企業財務風險。

（四）構建風控預警對策庫

互聯網企業的財務風險傳導是一個循序漸進的過程，因此對于每個環節的風險預警應分開制定合適的措施，以求將風險遏制在萌芽階段。對于風險成因應建立完整的分析路徑，從企業內部決策層面調整資產結構，合理分配債務等，從企業外部對政策高度敏感，管理層制定戰略時能夠根據實時變動調整企業發展方向。

五、結論

互聯網行業的發展對于建設網絡強國，數字中國的意義甚大，但行業興起周期不長，應將財務風險控制上升到企業戰略層面。從公司管理層的角度而言，財務風險預警是一種最為直觀體現當前和未來企業財務狀態的方法，能夠使決策者迅速定位生產經營存在的問題和難點;從公司發展的角度而言，財務預警的根本目的是保障企業健康發展，在多變的市場環境中持續盈利：從投資者的角度而言，對于投資企業的財務狀況進行預測能夠保證投資人的長期盈利，公司的財務健康能夠降低投資人的投資風險;從政府監管的角度而言，政府能夠根據預警模型更好的規范行業的運行質量，同時制定出更為準確有效的監管方案。因此加強對互聯網企業的財務風險管理無論從宏觀層面，抑或是微觀層面都擁有極強的現實意義。