熵值法和功效系數法在企業財務風險預警應用研究

崔笛

摘 要：2021年是中國“十四五”規劃的開局之年，我國經濟發展進入全新階段，但依然存在產能過剩、收益縮減等多方面問題，因此就需深入分析行業財務風險，構建財務風險預警模型以減少損失。本文以A企業為例，運用熵值法和功效系數法構造財務風險預警模型，對A企業2020年的相關指標進行風險預警，實證結果表明預警結果與企業實際相符，從側面證明用此方法構建預警模型是科學有效的。

關鍵詞：風險預警;財務風險;熵值法

一、引言

2021年中國經濟繼續保持穩中向好的基本趨勢，全球經濟回暖疊加進口關稅調整，這既是機會也是挑戰，因此在企業面臨財務危機之前，結合行業發展特點和企業自身情況，提前對潛在的財務風險進行預警和控制，對促進企業高質量發展具有重要的作用。

國內財務風險預警研究已趨于成熟，主要是通過定量的方法來構建預警模型。李長山等（2018）運用Logistic回歸法識別制造業的財務風險;王俞雯等將BP神經網絡模型運用于中小企業的風險預警;劉澄等運用熵值法與決策樹結合的方法判斷制造業上市公司是否會陷入財務危機;侯旭華等（2019）將熵值法與功效系數法結合應用于保險業的財務預警等。

然而目前的研究主要是針對行業的橫向研究，針對具體企業的風險預警研究較少，用預測的行業風險預判具體企業風險會使準確性降低且適用性不強，而且熵值法與功效系數法相較于其他賦權評價方法更科學。所以本文基于定量方法為A企業構建有針對性的財務風險預警模型，為企業采取預防措施提供具體依據。

二、基于熵值法和功效系數法的財務風險預警模型

1.熵值法

熵值法是一種客觀賦權的方法，有效地避免了人為主觀性。熵值法的熵越大說明該指標權重越小，對風險預警的影響程度越弱，反之亦然。相關步驟如下：

（1） 數據的標準化處理，為消除變量間的量綱關系，從而使數據具有可比性

若指標為正向指標，處理公式一為：

若指標為負向指標，將其轉化為正向指標的公式二為：

若指標為適度指標，將其轉化為正向指標的公式三為：，其中A為最佳取值。

（2） 消除零和負值，整體平移盡可能小的單位，處理公式四為：

（3） 數據的歸一化處理，處理公式五為：

（4） 計算財務指標的熵，處理公式六為：

（5） 計算財務指標的差異性系數，處理公式七為：

（6） 計算財務指標的權重，處理公式八為：

2.功效系數法

功效系數法可綜合反映個體多個方面的指標評分，更具有全面性并且對每項指標可單獨打分，提高了預警結果的準確度。

功效系數法具體運用下列公式：

標準值是指標實際值所在區間下限

本檔基礎分=權重*標準系數

上檔基礎分=權重*上檔的標準系數

功效系數=（實際值-本檔標準值）/（上檔標準值-本檔標準值）

調整分=功效系數*（上檔基礎分-本檔基礎分）

單項指標得分=本檔基礎分+調整分

三、A企業財務狀況

1.A企業簡介

A企業1997年成立于河北省石家莊，主營業務是黑色金屬冶煉及壓延加工等。作為國內最大鋼鐵上市公司之一，經過不斷地技術改造和產業升級，生產技術已處于世界領先水平，但其資產結構配置較差、利潤下降等問題也日益突出。

2021年A企業充分認識到國際貿易風險防控的嚴峻性和復雜性，從提升自我防護能力、預知預警能力等方面強化風險控制，全面提升企業的整體風險防控水平。因此為A企業構建預警模型符合企業需求以及行業發展趨勢要求。

2.A企業財務狀況分析

（1） 償債能力分析

①短期償債能力分析

2015年-2019年A企業營運資本一直為負，2019年達到了-673.4億元，表明企業現金流枯竭，短期償債能力持續減弱，償債風險較大。企業以短期借款為主要融資手段，需在較短時間內償還本金利息，一旦鋼材價格下降或者銷量不佳，極易造成資金鏈斷裂且企業流動比率穩步上升但數值遠小于2，說明資金回籠慢，同時速動比率呈上升趨勢但遠小于1，說明企業現有資金無法償還緊急債務，短期償債能力有很大提升空間。

②長期償債能力分析

企業資產負債率應維持50%左右，但A企業均超過70%，處于不合理水平，表明企業過度利用財務杠桿獲利且傾向負債融資，過高的負債率使資金鏈易斷裂。同時資產負債率遠高于行業均值，2019年更是超出13.24%，一定程度上限制公司擴張且影響企業的信用評級和再融資，甚至會產生破產危機。

（2） 盈利能力分析

營業利潤率與凈資產收益率呈上升趨勢，但2019年下降了1.46%、3.34%，這可能是由于2019年鋼鐵業供給側結構性改革帶來的行業高供給等壓力顯現使市場價格下跌且鐵礦石價格大幅上漲侵蝕了企業利潤。同時企業銷售利潤率和凈資產收益率處于較低水平，說明企業盈利水平下降?？傎Y產收益率持續上升但在2019年下降了0.87%，說明企業應對市場變化的能力有待提高，存在一定盈利風險。

（3） 營運能力分析

存貨周轉率呈上升趨勢表明企業存貨占比下降，變現能力提高，但仍低于行業均值。應收賬款周轉率上升但在2018年有所回落說明企業回收應收賬款的速度不快，壞賬損失增加，存在資金周轉困難?？傎Y產周轉率呈上升趨勢但2019年下降了8.2%且距行業均值有較大的差距說明企業資產經營質量不佳，資產利用率低且遇到財務危機時，相較于行業內其他企業存在較大的營運資金管理風險。

（4） 發展能力分析

總資產增長率在2019年大幅下降，但總體上資產是不斷增長的，說明公司成長速度有所減緩。營業收入一直呈負增長，說明主營業務經營不佳，有很大的上升空間。營業利潤在2016年-2018年總體呈波動上升趨勢且2019年暴跌說明公司經營狀況不穩定，財務狀況存在問題，發展前景不明朗。

四、財務風險預警模型的構建——以A企業為例

1.初選指標

根據前文對A企業財務狀況的分析，為全面反映企業的實際情況，本文將從償債能力、盈利能力、營運能力、發展能力四個方面選擇15項指標構建財務風險預警體系，具體如下并依次編號X1-X15：速動比率、流動比率、資產負債率、現金流動負債比率、凈資產收益率、營業利潤率、成本費用利潤率、總資產收益率、流動資產周轉率、總資產周轉率、存貨周轉率、應收賬款周轉率、總資產增長率、營業收入增長率、營業利潤增長率。

2.熵值法確定權重

（1） 指標歸一化處理

初選指標中，除償債能力指標為適度指標，其他均為正向指標。按公式一和三對指標進行無綱化處理，公式四對標準化數據進行非負化處理，公式五進行歸一化處理。

（2） 確定熵值及權重

將歸一化處理后的數據代入公式六至八得各項指標的熵值、差異性系數及權重。

3.篩選指標

在構建財務風險預警模型時，為準確判斷企業財務風險，會盡可能多地選擇財務指標。這可能會造成指標間存在重復信息，導致預警模型出現估計不準等問題。為解決指標冗余等問題，需按如下步驟篩選指標：

第一，利用Stata軟件對初選指標進行相關性分析。

第二，若相關性系數絕對值大于0.9，則選擇權重較大的指標。

第三，若相關性系數絕對值小于0.9，則選擇權重大于該類權重均值的指標。

以償債能力為例：X1與X2的相關性系數為-0.936，兩指標高度相關，選擇權重較大的X2，且X3與X4均小于該類指標的權重均值，所以A企業最終選取資產負債率。

其他三類指標也按上述方式處理，確定A企業預警模型指標如下。

4.確定財務風險預警指標標準值及等級劃分

《企業績效評價標準值》是按上年度各行業的客觀情況編制而成的，具有一定的科學性與權威性。因此本文以此為參考，將公司財務指標劃分為 5 個檔次。根據功效系數法計算分析系數后，參照等級劃分表得出企業預警等級。

五、財務風險預警模型的有效性檢驗——以A企業為例

首先將A企業2020年的預警指標數據代入已構建好的財務風險預警模型。再根據功效系數法，計算各指標的得分并以此確定所屬預警等級。最后與企業實際進行比較，若情況相符，則表明構建的預警模型有效。

1.計算預警指標得分

將A企業2020年財務預警指標數據代入公式，計算單項得分及綜合得分。

2.計算分析系數

計算A企業分析系數并按表9分析企業風險預警等級。

3.財務風險預警模型有效性分析

A企業2020年財務風險評價系數是0.501屬中警范圍，償債能力評價系數是0.32屬重警范圍，其中資產負債率屬重警范圍且對企業財務風險的影響最大，說明企業以負債融資為主導致到期償還債務的風險較大;盈利能力評價系數是0.57屬中警范圍，其中總資產收益率屬中警范圍，可能是因為2020年鋼鐵行業利潤減少且企業適應市場能力差;營運能力評價系數是0.57屬中警范圍，其中存貨周轉率存在較大風險，企業存貨管理質量差且利用效率低;發展能力評價系數是0.5屬中警范圍，其中總資產增長率無風險，說明其擴大規模的速度較快，營業利潤增長率暴跌屬巨警范圍，兩指標相差較大說明A企業的發展前景不明朗。

查看《2020年財務報告》和《2020年受托管理事務報告》可知2020年受全球經濟增長放緩和中美貿易摩擦影響，國內鋼鐵行業挑戰艱巨。A企業產線效率大幅提升，鋼鐵產量實現歷史性進步，但受退城搬遷和新冠疫情影響，公司盈利水平較上年同期大幅下降，最近一年審計報告也顯示公司持續經營能力存在不確定性，且公司資產負債率一直較高，信貸政策調整將引起利息費用波動，影響經營業績。

綜上，預警結果與企業實際情況有較強關聯性，說明本文構建的財務風險預警模型具有有效性。

六、結論

在預判企業財務風險時發現，資產負債率對A企業的財務風險把控至關重要，企業應控制償債風險并根據經營情況為企業設置合理的資產負債率，達到為企業帶來利益的同時保持較好的償債能力。

本文通過對財務風險預警模型的驗證可知，A企業2020年預警結果與實際情況相符，說明熵值法與功效系數法結合能客觀反映企業財務風險，該方法具有可借鑒作用且模型可靠，可通過該模型知道企業是否會陷入財務困境，從而提升防護能力。

參考文獻：

[1]侯旭華，彭娟.基于熵值法和功效系數法的互聯網保險公司財務風險預警研究[J].財經理論與實踐，2019（05）：40-46.

[2]黃盈盈，賀美蘭.有色金屬上市公司財務風險預警模型及應用——以J銅業公司為例[J].中國注冊會計師，2021（06）：102-105.

[3]李欣穎.D 啤酒公司財務風險預警體系優化研究[J].江蘇商論，2021（04）：90-93.

[4]李大偉.基于熵值法和功效系數法的縱向緊密型醫療聯合體績效評價實證[J].中國衛生事業管理，2021（10）：111-114.

[5]王曼麗，方海清，陶紅兵.基于層次分析和熵值法的電力用戶信用綜合評價模型研究[J].云南大學學報，2019（10）：721-729

[6]楊捷.飼料企業財務風險評價模型構建與識別[J].飼料研究，2020（S2）：13-17.

[7]李長山.基于Logistic回歸法的企業財務風險預警模型構建[J].統計與決策，2018（06）：185-188.

[8]沈雨婷.中國地方政府債務風險預警體系研究——基于層次分析法與熵值法分析[J].當代財經，2019（06）：34-46.