基于銅業企業財務風險管控的預警模型構建與應用

王寧

【摘要】本文旨在結合有色金屬制造業行業環境，采用熵值法和功效系數法構建銅業企業的財務風險預警模型。為此，通過對G公司2019～2021年的財務數據進行計算篩選，選取合適的風險管控指標設計預警模型，并將2021年相關財務數據代入模型中檢驗模型的有效性。

【關鍵詞】熵值法 功效系數法 銅業企業 財務風險管控 預警模型

有色金屬制造業作為我國重要基礎產業，為我國實現制造強國戰略目標提供了重要支撐[1]。但近年來，有色金屬制造業面臨發展緩慢、自主創新力不足、要素配置亟待優化、資源環境壓力增大等問題，導致有色金屬制造業發展出現原材料價格增高、產能過剩等突出問題，致使行業企業面臨著較大財務風險。為此，針對有色金屬制造業中的銅業企業而言，需要盡早發現可能出現的財務風險，并及時有效地進行預警，有助于企業規避經濟損失，提升市場競爭力。當前，多數財務風險預警模型的設計對實用性的考慮不足，模型結構復雜，計算量較大，且缺少對銅業企業特性及行業環境的綜合考慮，在銅業企業中的適用性有待提升。本文選擇G銅業企業作為研究對象，G企業是一家生產和銷售銅及銅合金管材的現代化企業，生產能力達到5000噸/年。本文采用熵值法和功效系數法構建G企業的財務風險預警模型，不僅對G企業和有色金屬行業具有重要的應用價值，還能為其他行業構建財務風險預警模型提供新思路。

一、財務風險預警模型選擇

常見的企業財務風險預警模型有單變量預警模型、 Logit回歸分析模型、Z模型、F模型、人工神經網絡模型、熵值法和功效系數法，每個預警模型的優缺點各不相同[1]。考慮G企業財務風險預警中所需用到較多的財務指標，倘若基于全部財務指標設計預警模型，工作量極大，而熵值法可對指標進行更客觀的賦權，操作簡單；功效系數法可得到企業的綜合分數及單項分數，可體現企業整體財務情況和風險來源[2]。因此，結合G企業的實際情況，選擇熵值法及相關性分析篩選確定合適的指標，并利用功效系數法進行指標組合計算，構建財務風險預測模型，最終得到的計算結果則是實際財務風險的大小。

二、銅業企業財務風險預警指標選擇

（一）財務風險預警指標初選

在選取財務風險預警指標的過程中，為實現對企業財務風險的全面預警，在G企業原有考核財務指標基礎上，增加指標數量，共選取20個指標來反映G公司的盈利能力、營運能力、償債能力及發展能力。詳細情況如表1所示。

（二）財務風險預警指標篩選

結合G企業實際財務數據，利用熵值法先計算出各財務指標的熵值和權重。具體的計算步驟如下：

第一步：依照實際財務數據構建矩陣，并對矩陣進行標準化處理，將各項指標數據劃分為正向、適度和負向三類；第二步：對標準化處理后得到的數據進行非負化處理；第三步：對非負化處理后得到的數據進行歸一化處理；第四步：對各指標的熵值及權重進行計算。得到的結果如表2所示。

熵值法是通過對各指標離散程度的計算，對指標權重進行評價，熵值越小證明該指標與其他指標的相關性越小，確定性越大[3-4]。因此，在20個指標中應選取熵值越小的指標確定為最終的預警指標，并在此基礎上對G企業財務風險預警模型進行構建，步驟如下：

第一步：利用SPSS軟件對篩選出的指標進行雙側檢驗，計算相關性系數；第二步：篩選出pearson相關性系數在0.9以上的指標，并重新計算熵值，選擇較大的指標進入下一步；第三步：二次篩選pearson相關性系數小于0.9的指標，選取指標權重比平均權重大的指標。

通過對G企業2019～2021年財務數據的整理，展開相關性分析。以反映盈利能力5個指標的相關性分析為例，相關性分析結果如表3所示。

由表3能夠看出，G企業盈利能力各指標相關性均超過0.9，為此指標選擇標準應對權重進行比較。權重最高的是資本收益率，總資產報酬率次之，為此將這兩個指標確定為反映G企業盈利能力的指標。

以此類推，篩選出反映G企業運營能力的指標為應收賬款周轉率與總資產周轉率；反映償債能力的指標為速動比率；反映發展能力的指標為銷售毛利增長率、營業利潤增長率和資本保值率。

（三）確定財務風險預警指標權重

基于上述對風險預警指標的篩選結果，利用熵值法重新計算各指標權重，結果如表4所示。

（四）構建財務風險預警模型

因傳統功效系數法在預警檔次和綜合得分的分配上存在不足，只有兩個檔次，且基礎分和調整分的比重一成不變，導致預警模型的敏銳性下降。為此，作出如下處理：

首先，對評價檔次進行細化。參照《企業綜合績效評價標準值（2022年）》的評價標準，在原有基礎上增加三個檔次，并針對各檔次設置不同的標準系數[5]。

其次，對基礎分和調整分予以改進。在原有基礎上新增盈利、運營、償債和發展四個指標組得分及單項指標得分。最終對綜合評價分數的計算如下所示：

再次，對財務風險預警的標準值進行確定。計算各財務預警指標實際值，依照所處檔次標準值計算出實際得分，以有色金屬冶煉和壓延行業的相應標準指標作為評價標準值。

最后，劃分財務風險預警等級，分數在85～100分之間為無警；在70～85分之間為輕警；在50～70分之間為中警；在30～50分之間為重警；在0～30分之間為巨警。

三、銅業企業財務風險預警模型的應用

將G企業2021年相關財務指標輸入財務風險預警模型中，經過計算，G企業2021年財務風險預警的綜合得分為53.41分，即G企業2021年的財務風險處于中警，表明具有較大的財務風險。為此，G企業的管理者必須加強對財務狀況的重視，需要及時針對財務情況采取相應的風險防范措施，避免財務風險出現進一步的惡化。

結語

選擇以G銅業企業為研究對象，基于樣本數據分別從盈利、運營、償債、風險四個方面對企業的財務風險狀況進行研判，利用熵值法和功效系數法構建財務風險預警模型。模型應用結果表明，G企業的財務風險處于中警，與G企業的實際財務狀況相符，可從加強員工財務風險管理意識、設置財務風險預警崗位、強化應收賬款管理和健全財務風險預警機制幾方面加以改善。

參考文獻：

[1]楊旭，黃雪梅.基于LSTM神經網絡的飼料企業財務風險預警模型構建[J].中國飼料，2022（14）：135-138

[2]白加麗.我國上市公司財務風險預警研究——基于主成分分析和Logistic回歸的財務風險預警模型[J].經營與管理，2022（08）：8-15

[3]阿依達娜·巴勒卡提，陳昌明.基于Z值、EMS模型對西北制造業財務風險預警研究[J].邊疆經濟與文化，2022（07）：42-45

[4]喬瑞玥.基于判別分析對醫藥類企業財務風險預警模型的建立[J].中國市場，2022（04）：173-175

[5]高喜蘭.模糊集下財務風險預警模型研究[J].經濟師，2021（10）：92-93+95