文化傳媒企業財務風險預警研究

摘要：面對新形勢新挑戰，文化傳媒企業已開始優化產業布局，拓展新賽道，尋求新的利潤增長點，且將面臨更多的經營風險與財務風險，構建財務風險預警模型對文化傳媒企業具有重要現實意義。根據文化傳媒企業經營發展特點，基于熵值法構建財務預警指標體系，基于層次分析法構建非財務預警指標體系，采取財務與非財務預警指標相結合的方式，構建文化傳媒企業財務風險預警模型，并利用Z分數模型檢驗其有效性。實踐中，文化傳媒企業要采取制定財務風險預警管理制度、啟用信息化管理系統、設置預警指標動態調整機制等措施來保障財務風險預警模型平穩有效運行。

關鍵詞：熵值法；層析分析法；財務風險預警

0 引言

近年來，文化傳媒行業競爭格局發生巨大變化，不同板塊之間發展路徑差異日益明顯。以廣播、電視、紙媒等為代表的傳統媒體陣地范圍不斷縮小，受眾群體大規模流失，而互聯網、短視頻、游戲等行業板塊卻表現出巨大發展潛力與成長空間。一方面，AIGC、云計算、VR/AR等新技術的研發與應用，讓新媒體企業的發展活力進一步釋放，在向全媒體、融媒體、智媒體轉型升級的過程中，機遇與挑戰并存；另一方面，傳統媒體企業為求生存、謀發展，開始調整原有經營業務布局，逐步探索新賽道，容易由此催生債務與現金流風險。因此，需要特別關注新形勢下文化傳媒企業所面臨的財務風險，做好財務風險預警工作。

1 文獻綜述

1.1 基于熵值法財務風險預警模型研究

Quinlan[1]最早將熵值論運用于財務風險預警研究，利用該方法篩選財務預警指標，剔除人為主觀因素，有效提高了預警的準確性。史利沙和陳紅[2]根據貴州茅臺10年的財務數據，初選出19個財務指標進行財務風險評價，利用熵值法得到公司各種財務能力的綜合排名，最終認為熵值法在財務風險評判中具有一定適用性。尹夏楠和鮑新中[3]運用熵值法對財務指標賦權，建立起TOPSIS方法的生物制藥上市公司財務風險評價模型，論證了綜合評價模型在進行企業風險評價時的有效性。葉永剛等[4]利用熵值法和層次分析法的組合分析，構建中非法郎區銀行風險預警模型，將風險指數差異率控制在10%以內。侯旭華和彭娟[5]依據4家專業互聯網保險公司2017年數據，基于熵值法與功效系數法對4家公司進行風險預警排名，發現安心財險財務風險最大，主要原因是盈利能力、資產質量不高。沈雨婷與金洪飛[6]將熵值法應用于中國地方政府債務風險研究，財務風險預警的結果表明地方政府債務風險總體可控，但平均風險水平呈略微上升趨勢。黃盈盈和賀美蘭[7]基于熵值法構建有色金屬上市公司財務風險預警模型，從18個初選財務指標中篩選出8個指標，發現研究對象J銅業公司財務風險處于中警狀態。

1.2 Z分數模型研究

紐約大學教授Altman[8]從流動性、償債能力、財務杠桿、獲利能力、活動性5個方面對33家破產與非破產企業進行研究分析。最終根據誤判率最小原則，選取營運資產/資產總額、息稅前利潤/資產總額、股東權益市場價值/總負債賬面價值、留存收益/資產總額、銷售收入/資產總額這5個變量作為判別變量，構建起Z-Score模型。康彩紅等[9]將改進的FOA算法與Z分數模型相結合，將傳統Z模型的預警準確率由65%提升至80%，仿真實驗結果表明經過優化后的預警模型具有良好的預測功能。唐瑜婕和葉云[10]運用Z-Score模型分析迪威迅的財務狀況，通過指標分析發現該公司存在籌資能力不佳、資產流動性不強、經營與投資活動不匹配等財務風險問題。

1.3 文獻述評

學者對財務風險預警研究經歷過漫長發展歷程，各類財務風險預警模型在反復修正、改進、實證檢驗之后，風險預測的準確性有顯著提高。學者已將財務風險預警模型應用領域拓展至制造業、金融服務業、有色金屬業、房地產等行業，對實踐工作具有重大指導意義。但目前涉及文化傳媒企業財務風險預警方面的研究較少，構建財務風險預警模型多以財務預警指標為主，引用非財務預警指標的情況較少。因此，本文基于文化傳媒企業發展特點，將財務指標與非財務指標相結合，構建一套文化傳媒企業財務風險預警模型，并以D公司為例，驗證該體系的有效性。

2 研究方法

2.1 熵值法

熵值法屬于一種客觀賦權的方法，可以消除人為主觀賦權導致的結果偏差，是根據各項指標數據所提供的信息量來確定指標權重。一般而言，指標熵值越大，離散程度越高、信息量越小，指標評價能力越弱，所賦權重越小。本文運用熵值法篩選重要性程度高的財務指標，初步構建起文化傳媒企業財務風險預警指標體系。

2.2 相關性分析法

相關性分析法是用來檢驗兩個或多個變量之間相關性程度的分析方法，相關系數越大，變量之間的相關性程度越高。利用STATA統計軟件，對文化傳媒企業初選財務指標進行Pearson相關性分析，通過綜合比較相關性程度及指標權重，在兩個高度相關的指標之間剔除權重較小的指標，最終確定文化傳媒企業財務風險預警指標體系。

2.3 沃爾評分法

基本步驟是根據指標實際值與標準值的比重確定標準系數，標準系數與指標權重的乘積是各項財務指標的評分，各項財務指標評分的合計數即文化傳媒企業財務狀況的綜合得分。

2.4 層次分析法

本文為文化傳媒企業設計了一套非財務預警指標體系，運用層次分析性對非財務預警指標進行賦權。層次分析法是將定性與定量分析相結合的決策方法，先將總目標分解成不同的影響因素，對各層次各因素之間進行兩兩對比，確定二者重要性程度，構建判斷矩陣。利用求解矩陣特征向量的方法，確定每層次各因素對上一層次某因素的權重。最后加權求和計算出總目標的權重，權重最大的方案是最優選擇。

3 文化傳媒企業財務風險預警模型的構建

3.1 基于熵值法構建財務預警指標體系

主要分為4個步驟：第一步，初選財務指標。參考國務院國資委考核分配局編制的《企業績效評價標準值》（2023）所列文化傳媒行業財務風險指標，選擇盈利風險（凈資產收益率、總資產凈利率、營業利潤率、成本費用利潤率）、債務清償風險（流動比率、速動比率、現金流動負債比率、利息保障倍數、資產負債率）、資產營運風險（存貨周轉率、應收賬款周轉率、流動資產周轉率、總資產周轉率）、成長性風險（營業收入增長率、營業利潤增長率、總資產增長率、資本積累率）以及現金流量風險（銷售現金比率、凈利潤現金比率、資產現金回收率、經營現金凈流量與負債比率）作為初選財務指標。第二步，熵值法賦權。代入企業近5—10年的歷史數據，運用熵值法計算各財務指標權重。第三步，相關性檢驗。運用STATA統計軟件中的Pearson相關系數，按照盈利風險、債務清償風險、資產營運風險、成長性風險、現金流量風險5個方面進行雙側顯著性檢驗。對于Pearson相關系數大于0.9的財務指標，比較各指標權重，排除權重較小的指標，最終從初選財務指標中篩選出最為重要且排除相關性的財務指標。第四步，財務預警指標體系二次賦權。運用熵值法重新對篩選出的財務預警指標進行賦權。由此，構建起該文化傳媒企業財務預警指標體系。

財務預警指標體系評分采用改進后的沃爾評分法。首先，根據《企業績效評價標準值》（2023）及Wind數據庫中文化傳媒行業上市公司相關財務指標平均值，確定各財務預警指標標準值；其次，確定標準系數，一般是實際值與標準值的比值，為降低個別異常指標對總分造成不合理影響，可設定標準系數上限為正常評分值的1.5倍，下限為正常評分值的0.5倍；最后，將各指標評分加總，最終得分就是能反映文化傳媒企業財務狀況的財務預期指標評分。

3.2 基于層次分析法構建非財務預警指標體系

文化傳媒企業正處在轉型升級的關鍵發展時期，新業務拓展、管理水平、人員素質、治理結構等非財務因素也可能增加企業未來發生財務風險的概率。本文根據文化傳媒企業的特點，設計了一套涵蓋競爭實力、管理能力、治理結構、宏觀環境4類因素的非財務預警指標體系，見表1。

非財務預警指標體系評分采用發放調查問卷的形式進行，問卷被調查對象為媒體領域專家、企業財務、法務、行政部門的管理人員、外部用戶群體等。調查問卷由兩部分組成：第一部分需要被調查者根據層次分析法重要性的評分標準對上述反映企業競爭實力、管理能力、治理結構、宏觀環境這4類預警內容的15項非財務預警指標進行兩兩重要性比較。

根據調查結果，運用層次分析法，計算出各非財務預警指標的權重。第二部分需要被調查者對非財務預警指標（除量化結果為0或1的指標之外）進行等級評定（設置A、B、C、D、E、F 6個等級，依次對應評分值為100分、80分、60分、40分、20分、0分）。選取各指標得分的平均值作為最終評分，各指標最終評分與指標權重相乘得到非財務預警指標的評分結果。

3.3 財務風險預警結果計算

有關學者以A股上市公司為樣本，以2015年上市公司的財務數據為基礎，基于行業差異的視角為16類不同行業的企業構建起財務與非財務指標相結合的預警指標體系，最終確定了不同行業各預警指標的最大值、最小值及其權重，其中財務指標評分占比70%，非財務指標評分占比30%[18]。借鑒已有研究成果，根據上述占比計算文化傳媒企業財務與非財務預警指標綜合評分，并據此對財務風險預警區間進行劃分，見表2。對照表2最終確定企業財務狀況所處風險區間。

4 財務風險預警模型有效性檢驗——以D公司為例

D公司是全國最早一批上市的文化傳媒企業，其經營范圍與主營業務包括有線網絡、文化旅游、投資管理、互聯網新媒體等板塊，屬于文化傳媒行業中具有代表性的企業。選取D公司2019—2023年財務數據，代入上文構建的文化傳媒企業財務風險預警模型，預警結果見表3。

利用Z分數模型對D公司財務風險預警結果進行檢驗。

Z分數模型基本表達式為：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5（X1為流動資本/資產總額；X2為留存收益/資產總額；X3為息稅前利潤/資產總額；X4為股東權益市場價值/負債總額；X5為營業收入/資產總額。）

一般來說，Zlt;1.81時，表示企業存在財務風險，破產概率較高；1.81≤Z≤2.675時，表示企業財務狀況不穩定，處于灰色區域；Zgt;2.675時，表示企業財務狀況良好，破產概率較低。D公司2019—2023年Z分數模型計算結果見表4。

將表3預警結果與表4數據逐年對比可知，D公司2019—2023年有輕警、中警、巨警等不同程度的風險預警提示，說明近5年內D公司存在財務風險或財務狀況不穩定，這與Z分數模型計算結果相一致。因此表明，基于熵值法與層次分析法構建的文化傳媒企業財務風險預警模型的準確性與適用性基本得到有效驗證，預警結果具有可靠性。

5 財務風險預警模型應用的保障措施

5.1 制定財務風險預警管理制度

首先，文化傳媒企業要制定財務風險預警管理制度，明確各部門財務預警職責。企業各部門人員嚴格依照制度要求開展各項預警工作，做到辦事有制可依。其次，要量化財務預警工作成果，將其納入年度績效考核評價體系。通過財務與非財務預警指標體系綜合評分的結果，可找出變動異常的預警指標并初步判定企業所處的預警區間。企業要對異常指標及預警風險點進行原因分析，對落實財務預警工作職責不到位的部門或員工進行問責。

5.2 啟用信息化財務風險預警管理系統

高效的財務風險預警體系需要以信息技術為支撐，利用信息化管理系統實現對各項財務指標的實時度量與監控。文化傳媒企業一般有財務、人事、采購等信息系統，需要將這些獨立系統聯通起來，配備一套集財務核算、報表編制、預算管理、存貨管理、人力資源、數據分析預警等功能模塊于一體的財務風險控制系統。實務操作中，財務數據采集處理后，系統將自動生成財務報表、計算財務指標，按月度、季度、年度進行財務分析，初步定位企業某些重要財務指標在行業中所處的水平，這種基于大數據視角下建立的財務風險控制系統實際上相當于一個多維度、全方位、高效率的預警系統。

5.3 設置財務風險預警指標動態調整機制

財務風險預警模型中各類指標及其權重不是一成不變的，需要根據宏觀環境變化、文化傳媒企業發展戰略等因素適時調整。文化傳媒企業要設置財務風險預警指標動態調整機制，財務人員要基于大數據樣本，定期對原有預警指標體系或者相應權重進行合理調整。還要詳細記錄每一次調整指標或權重的理由及內容，實時監測調整前后指標體系的預警效果，確保財務風險預警模型的科學性與效率性。

5.4 建立財務風險預警信息檔案

文化傳媒企業要安排專人負責財務風險預警檔案的工作，一是對已經發生的風險類型、產生原因、預期影響、防控措施、防控效果等進行詳細記錄，建立財務風險預警電子檔案；二是對風險預警指標標準值或權重的調整情況、調整前后預警效果等進行記錄，建立預警指標調整備查檔案。財務負責人要根據記錄的情況，定期向上級匯報財務風險預警的經驗成果與實踐教訓，為企業后續風險防控工作提供參考依據。

6 結語

基于熵值法與層次分析法構建適用于文化傳媒企業的財務風險預警模型，有助于文化傳媒企業更加敏銳、全面地了解經營業務中潛在的風險點，提早預防企業陷入嚴重的財務困境。管理者借助預警模型能夠掌握主動權，讓企業風險管理在風險預測、風險分析、風險防范3個方面形成閉環管理。文化傳媒企業應針對財務風險點“對癥下藥”，在實踐中落實財務風險預警的各項保障措施，做到精準防控風險，實現企業高質量發展。

參考文獻

[1]QUINLN J R.Discovering rules by induction from large collections of examples.Expert systems in the microelectronic age[J].Edinburgh：Edinburgh University Press，1979（1）：168-201.

[2]史利沙，陳紅.熵值法在上市公司財務業績縱向評價中的應用：以貴州茅臺為例[J].財會通訊，2015（34）：23-25.

[3]尹夏楠，鮑新中.基于熵權TOPSIS方法的高新技術企業財務風險評價;以生物制藥行業為例[J].會計之友，2017（4）：70-74.

[4]葉永剛，李林，舒莉.中非法郎區銀行風險預警研究：基于層次法和熵值法的組合分析[J].國際金融研究，2018（4）：66-75.

[5]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（雙月刊），2019（9）：41-46.

[6]沈雨婷，金洪飛.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（6）：34-46.

[7]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，2019（6）：34-46.

[8] ALTMAN E.Financial ratio discriminant analysis and theprediction of corporate bankruptcy[J]．Journal of Finance，1968（11）：588-609.

[9]康彩紅，王秋萍，肖燕婷．基于改進FOA算法的上市公司Z-Score模型財務預警[J].計算機系統應用，2018（11）：198-204.

[10]唐瑜婕，葉云．基于Z-Score模型的軟件服務企業財務風險研究：以迪威迅為例[J].財務管理研究，2023（2）：42-47.

[11]姚立杰，周穎.管理層能力、創新水平與創新效率[J].會計研究，2018（6）：70-77.

[12]王兵，呂夢，汪振坤.審計總監兼任監事、專業能力差異與企業投資效率[J].會計研究，2018（9）：88-94.

[13]張兆國，曹丹婷，張弛.高管團隊穩定性會影響企業技術創新績效嗎：基于薪酬激勵和社會關系的調節作用研究[J].會計研究，2018（12）：48-55.

[14]顧奮玲，解角羊.內部控制缺陷、審計師意見與企業融資約束：基于中國 A 股主板上市公司的經驗數據[J].會計研究，2018（12）：77-84.

[15]劉淑蓮，朱明園，李濟含.股權集中度與公司業績：來自國有企業分類的經驗證據[J].東北財經大學學報，2016（6）：43-51.

[16]黃靜，李凌秋.KY公司財務風險預警體系應用及優化研究[J].會計之友，2018（11）：150-153.

[17]寧青青，祖明.企業財務危機誘因的廣角透視與實證研究[J].華東經濟管理，2013（27）：135-139.

[18]尹夏楠，鮑新中.企業財務風險測度與預警系統軟件的設計與應用：基于行業差異視角[J].財會通訊，2019（2）：109-112.

作者簡介：裴蕾，女，1991年生，碩士研究生，會計師，主要研究方向：公司理財、企業戰略管理。