新能源汽車企業財務風險分析評價

曹家豪

【摘要】作為國家重點支持的新型能源產業，新能源汽車的快速發展對解決我國的能源危機具有重要意義。但是，在經濟全球化的今天，財務風險已經成為企業生存和發展的重要因素。文章以比亞迪作為研究對象，采用Z分數模型和F分數模型兩種方法，對比亞迪2019—2022年期間的財務報告數據進行分析。從而得出，在Z分數模型下，比亞迪公司的財務指標均呈現出明顯的風險性，并有可能導致公司破產；而在F分數模型中，指數有略微不同，在2019—2021年中企業的財務風險較低，2022年數值變為了負數，表明破產風險較大。Z分數模型與F分數模型在財務風險分析方面均有各自的優點，但也存在著先天的不足，故建議比亞迪在評價公司財務風險時，應將這兩種分析方法結合起來，建立一種與公司實際相適應的風險預警模式。

【關鍵詞】財務風險；Z分數模型；F分數模型

【中圖分類號】F275

一、引言

（一）研究背景

伴隨著我國經濟轉型的發展，近幾年，綠色出行、低碳經濟已經成為了全球經濟發展的主流趨勢，這讓新能源汽車在汽車行業中的地位逐步提升，也提高了投資者和消費者的關注度。為此，新能源企業更應該高度關注財務風險，確保能夠及時準確地識別出風險，并對其進行有效的控制，從而提高企業的抗風險能力以及在市場中的競爭優勢，從而推動整個行業的持續、健康發展。

比亞迪汽車作為國產新能源車的開路先鋒，其新能源技術已經相當成熟。為此，本文以比亞迪為例，通過對其財務資料的分析，對其所面臨的財務風險進行評估，以期提高比亞迪公司對財務風險的防范注意力，減少因財務風險而造成的經濟損失。與此同時，也希望通過對有代表性的公司進行分析，為同行業中的其他公司在類似的發展階段，提供評價財務風險的方法，提示是否處在破產風險當中。

（二）研究意義

對新能源汽車企業的財務風險進行分析，可以對新能源汽車企業的財務狀況、經營風險和發展趨勢有一個更全面的認識。同時，可以為企業提供決策支持，幫助企業規避財務風險，增強企業的競爭力和抗風險能力。另外，對新能源汽車公司財務風險的分析，對政府相關政策的制定具有一定的參考價值。

同時，國內外關于財務風險的研究多集中在房地產和醫藥行業，而對新能源汽車行業的財務風險關注較少。而新能源汽車公司的發展與環境污染、科技進步等方面都有著密切的聯系，還與上下游企業的合作發展密切相關，關注新能源汽車企業的財務風險，有利于建設環境友好型社會以及優化我國的能源消費結構。

二、國內外研究動態

（一）國外研究動態

1.國外財務風險評價研究綜述

美國經濟學家Edward Altman于1968年提出了Z-Score金融風險警告模式，又稱Z值模型，該模型被用于評估企業的金融風險，預測企業的金融危機，并在接下來的兩年中，對企業破產的概率做出預測和判斷。經實例驗證，其預報精度在72%～80%之間。

Altman、Haldeman、Narayanan（1977）經過修改和提煉，新的Zeta模型被創造出來，它的應用范圍也比舊的模型更廣[1]。

Sharda和Odom（1990）一共選擇了130個公司，以Z值模型為基礎，選擇了一些指標，并以此為基礎，構建出了一個人工神經網絡模型，來對公司的財務風險進行評估。最后，研究者對多元評判方法進行了對比，結果表明Z評分模型具有較高的評估精度和較強的評價能力[2]。

N chen和B Ribeiro（2016）指出，金融信用風險的準確評估和對企業倒閉的預測在經濟和社會上都發揮著至關重要的作用。納入宏觀經濟變量的模型預計提高了預測信用風險的能力。同時，財務報表的軌跡數據可以檢測公司的時間演變并識別軌跡模式，軌跡挖掘將成為該領域未來的一個研究方向[3]。

Alamsyah A（2021）選取了印度尼西亞的90家上市企業作為樣本，通過人工神經網絡的方式對其財務風險進行評價，并證明了這種評價方式的準確性極高[4]。

2.國外新能源汽車企業財務風險相關研究綜述

日本是最早對新能源企業展開研究的國家。Yoichi（2006）認為，氫能源才是發展新能源汽車的真正希望所在，發展新能源汽車的同時，應該同時進行氫能源基礎設施的建設[5]。

HB Dulal（2013）等人以亞洲為樣本區域，可以看到，在新能源公司的風險改變中，政府將是一個重要的因素[6]。

Aybike Ongel（2019）把成本看成是新能源車的一個重要因素，成本控制對新能源汽車公司經濟效益和競爭能力產生的影響[7]。

Xiong Y，Qin（2021）經過研究，認為國家的政策對新能源汽車企業的市場發展有很大的影響[8]。

Shilin Zhou和Shaolun Zeng（2022）指出，新能源汽車行業上市公司需要提高辨別金融風險的能力，以便在競爭激烈的環境中占有一席之地。當公司進入金融風險領域時，如果它可以改變公司的經營狀況，識別問題，加強各方面管理，避免盡可能多地承擔財務風險。在Z值模型中的五個變量，當營運資本比率、留存收益與總資產比率、息稅前利潤和總額資本比率變小或為負，這意味著流動性、盈利能力、創新和競爭力相對較高[9]。

（二）國內研究動態

1.國內財務風險評價研究綜述

葉華、蔡根女（2004）指出，財務風險評價主要是通過資產負債表、利潤表、現金流量表，對企業財務狀況的變動趨勢及資產、負債、收益之間的關系進行分析，從財務報表的會計信息中挖掘出企業內在的財務關系，通常的方法包括了單變量判定模型、多元線性評價模型、綜合評價法、概率模型以及神經網絡分析模型[10]。

劉學兵、袁智慧（2011）指出公司財務危機的出現，要求公司重視公司的財務風險，加強公司的財務預警機制。在諸多財務預警方法中，Z分數模型得到了廣泛的運用，但是也有其不足之處。F分數模式是對Z分數模式的一種改進與修改。經過對比分析，可以看出，這兩種財務預警模型都是多變量判定模型，其最大的不同之處是，Z分數模型更注重資產的使用效果以及公司的整體經營情況，而F分數模型更注重實際的償債能力[11]。

歐陽歆（2013）通過初步研究，得出的結論是修訂后的Altman的Z值模型準確率都超過了94.05%，這說明了在4年時間里，當財務風險很高的時候，這個模型可以很好地識別出財務風險，表明這個模型適用于我國上市公司的數據[12]。

柴瑞、駱佳佳（2021）運用Topsis法，對10個上市火電公司的數據進行了分析，結果表明，Topsis模型可以有效地對公司的財務風險進行評估[13]。

2.國內新能源汽車企業財務風險相關研究綜述

孫紅梅、史歡歡（2012）將13家上市的新能源汽車制造企業作為研究對象，并選擇了20個財務指標，利用統計分析軟件SPSS17.0中的因子分析法，建立了一個指標體系，并對13家新能源汽車企業的財務狀況展開了實證分析。經過分析得出，如今新能源汽車制造業主要存在汽車價格高、標準缺乏、技術難3個問題，并提出了應該對自身的財務實力進行分析，做好市場培育、積極投入研發、加強技術合作、技術儲備等解決措施[14]。

趙露（2021）以戰略轉型、核心競爭力弱化、財務困境為主線，研究了力帆股份的轉型失敗的原因，發現力帆股份的轉型失敗是因為核心技術的缺失，資金的緊張，規劃的不合理。以力帆集團為例，對企業戰略轉型，陷入財務困境的原因進行了分析[15]。

蔡建湖、賈利爽（2022）指出，財務冗余可以減弱新能源汽車企業的R&D人員冗余對R&D投資的貢獻，但是對于核心型企業的貢獻并不明顯；政府補助可以通過增強核心新能源汽車企業的R&D隊伍冗余來提高R&D投資，但是對于附屬企業的R&D投資效果不明顯[16]。

三、比亞迪公司概況及財務風險評價

（一）比亞迪公司基本情況介紹

比亞迪集團（“比亞迪”）于1995年2月創立于廣東省深圳市，是一家以生產、銷售為主營業務的企業。集團擁有近220 000名員工，業務涵蓋四大領域，分別是：汽車、軌道交通、新能源和電子，營業收入及市場價值已突破千億元人民幣。比亞迪以科技創新、“碳達峰”“碳中和”“科技進步”為己任。2015年，比亞迪獲得了“聯合國特殊能源獎”，這是70年來第一次為新能源產業頒發的大獎。比亞迪在2016年度獲得了“扎耶德未來動力大獎”。比亞迪在《財富》周刊2017年度“最受歡迎中國企業”榜單上排名第五，高居全球汽車工業之首。比亞迪在2020年度“BrandZ最有價值中國品牌”的榜單上，連續六年被評為“最有價值中國品牌”。

（二）比亞迪公司財務風險分析

1. Z分數模型下比亞迪公司財務風險分析

Z分數模型是一種通過多因素分析得到的多維線性函數表達式[17]，也就是通過對幾項財務指標中的風險因素進行組合得到的分數來預測企業的運營風險。Altman在進行大量的經驗分析后，以5項財務指標為變量，構建了企業財務風險預警的Z分數模型，該模型可用于衡量企業財務風險的程度，并提前預警企業可能面臨的財務危機。模型如下：

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

該式中，X1表反映的是營運資本（流動資產-流動負債）與總資產的比值，該數值表達的是企業資產的流動性。X2為企業的留存收益（盈余公積+未分配利潤）與總資產的比值，盈余積累越高，企業發生財務風險的可能性越小。X3表示企業資產的收益水平，計算公式為：息稅前利潤/資產總額。X4是股東權益與總負債的比值，可以反映企業的財務結構是否穩定及債權是否能夠能到保障。X5表示企業資本的使用效率，計算公式為：銷售收入/資產總額[17]。當Z值較低時，該公司有較高的破產概率。

根據Altman的觀點，應該把一個公司的Z值界定為2.675，當一個公司的Z值超過2.675時，公司處于非破產狀態；當Z值低于1.81時，該公司處于破產狀態。如表1所示。

結合比亞迪2019—2022年財報數據發現，比亞迪近五年內Z值均小于1.81，預測結果均為破產。相關結果如表2所示。

2. F分數模型法下財務風險分析

F分數模型雖然在計算模式上與Z分數模型相似，但比Z分數模型更加完善。F分數模型中X3考慮了現金流量的變化，表達式如下：

F分數模型和Z分數模型的差異以X3和X5為代表。X3是一個用來測量一個公司全部流動資金償還公司債務的現值變量，公式為：（稅后凈收益+折舊）/平均總負債[18]。公司的流動資金是指公司的稅后凈利潤，如果需要，固定資產折舊是可以用作公司還貸資金的一項重要成分。X5反映了企業總資產對現金流的創造能力，它不僅將稅后凈收益和固定資產的折舊費用考慮在內，還考慮到了利息的因素，這比Z分數模型更準確地預測了財務風險，表達式為：（稅后凈收益+利息+折舊）/平均總資產。F得分模型以0.0274為閾值，當一個公司的F得分低于這個閾值時，該公司就會被認為是一個破產公司；當F得分超過0.0274時，該公司就會被認為是不會破產的公司。

在F分數模型中，以財務理論為基礎選取了5個自變量，其臨界值為0.0274；當某個具體公司的F值小于0.0274時，通常被認為該公司面臨破產的風險較大；而當F值大于0.0274時，則意味著該公司可能會持續運營。

結合比亞迪2019—2022年財報數據發現，比亞迪2019—2021年內F值均大于了臨界值0.0274，但2019年和2020年趨于穩定，2021年有明顯下滑趨勢。到了2022年F值小于0.0274，變為負數。相關結果如表3所示。

四、研究結論與建議

（一）研究結論

通過實證研究發現，Z分數模型對于公司運營風險有很好的預警作用，但與公司運營風險的橫向對比效果并不理想。在一家公司破產前的兩年之內，運用這個模型，其判斷的精確度是非常高的，而在兩年之后，其精確度就相對較低了，并且所用到的數據空間以及財務指標的變化，都必須符合正態分布。此外，該模型未將現金流數據納入其中，從而導致對公司實際財務情況的錯誤判斷。F分數模型在指標選擇方面具有一定的理論基礎，對長期風險的判斷具有良好的效果，可以通過不同時間點的F值來對財務風險進行趨勢性分析，操作簡便，結果容易了解和分析；然而，由于選擇的自變量太少，很可能會影響到預警的效果。

（二）研究建議

從上述分析可以發現，由于新能源汽車業務的高速發展，導致了比亞迪公司的發展出現了斷層，從而引發了公司的財務風險。在國際上，大公司的發展都是緩慢的，但中國的公司發展速度很快，在管理和技術方面，像比亞迪這樣的公司，還需要更多的積累。不過，盡管這兩個模型所選擇的時間窗是一樣的，但得出的經驗結論卻有略微不同，因此，對于比亞迪來說，建立一套科學的財務風險預警模型非常必要，同時需要結合自身的實際情況。

主要參考文獻：

[1]Altman E，Haldeman R G，Narayanan P.ZETATM analysis A new model to identify bankrupt risk of corporations[J]. Journal of Banking & Finance，1977， 1（1）：29-54

[2]Sharda，Odom Aneural network model for bankrupt cyprediction[J].The International Joint Conference on Neural Networks，1990：163-168.

[3]N Chen，B Ribeiro，A Chen.Artificial Intelligence Review[J].Financial credit risk assessment：a recent review，2016（3）：183-187.

[4]Alamsyah A ， Kristanti N ， Kristanti F T.Early warning model for financial distress using Artificial Neural Network[J].IOP Conference Series： Materials Science and Engineering， 2021， 1098（5）：052103 （6pp）.

[5]Yoichi Kaya，Hydrogen and FCV in the Future[C]. Research Institute of Innovative Technology for theEarth，2006.

[6]HB Dulal， KU Shah， Etc.Renewable Energy Diffusion in Asia： Can It Happen without Government S u p p o r t [ J ] . E n e r g y Policy.2013（59）：301～311

[ 7 ] A y b i k e O n g e l ， E r i k Loewer，Felix Roemer，Ganesh S e t h u r a m a n ， F e n g q i Chang，Markus Lienkamp. Economic Assessment of A u t o n o m o u s E l e c t r i c Microtransit Vehicles[J]. Sustainability，2019，11：648.

[8]Xiong Y，Qin new energy vehicle industry policies onmarket growth from the perspective of policy mix.Energy & Environment.2021；32（3）：542-561.

[9]Zhou S， Zeng S.Research on Financial Risk Evaluation of New Energy Vehicle Listed Companies Based on Z-value Model[J].Frontiers in Business， Economics and Management， 2022， 5（3）： 183-187.

[10]葉華，蔡根女.淺探企業財務風險評價方法[J].財會月刊，2004（24）：36-37.DOI：10.19641/j.cnki.42-1290/ f.2004.24.021.

[11]劉學兵，袁智慧，鐘俐玲.F分數模型與Z計分模型的比較分析——以ST輕騎為例[J].會計之友，2011（18）：101-103.

[12]歐陽歆.基于Z模型的財務風險預警模型運用[J].財會通訊，2013（32）：117-119.DOI：10.16144/j.cnki. issn1002-8072.2013.32.037.

[13]柴瑞，駱佳佳.基于熵權 TOPSIS 法的火電企業財務風險評價研究[J].現代商業，2021（07）：158- 161.

[14]孫紅梅，史歡歡.新能源汽車制造企業財務實力及風險防范研究[J].會計之友，2012（30）：37-39.

[15]趙露.力帆股份戰略轉型、核心競爭與財務困境[J].財會通訊，2021（04）：112-115+171.DOI：10.16144/j.cnki. issn1002-8072.2021.04.021.

[16]蔡建湖，賈利爽，吳昶，壽涌毅.新能源汽車企業研發資金投入：財務冗余與政府補貼的不同調節作用[J].管理工程學報，2022，36（05）：11-24.DOI：10.13587/j.cnki. jieem.2022.05.002.

[17]趙笑歌.“雙碳”背景下新能源汽車企業財務風險研究——以長城汽車為例[J].河北企業，2023（03）：100-102. DOI：10.19885/j.cnki.hbqy.2023.03.030.

[18]吳日中，吳中昊.Z-score和Z-china計分模型與F分數模型的比較分析——以金亞科技為例[J].普洱學院學報，2020，36（03）：37-41.

責編：吳迪