國有企業財務風險防控平臺搭建和實踐應用研究

摘要：近年來，隨著我國經濟轉型升級和企業改革的深入，國有企業面臨的不確定因素增加，如何防控風險、提高核心競爭力成為一個重要問題。基于此，文章以非上市國有平臺企業濟南能源集團為例，利用財務風險防控理論，結合企業財務報表表內、表間嚴謹的勾稽關系，通過信息化手段，基于歷史和未來預測數據，搭建了連續多個年（月）度多個等級的財務風險預警平臺并應用于實踐，以優化國有企業財務風險管控體系，推動國企改革深入。

關鍵詞：國有企業；財務風險防控平臺；風險預警

一、引言

國有企業是我國經濟的重要組成，其可持續發展既關系國家經濟命脈，也是國家應對外部環境動蕩變化、抵抗風險的重要力量。近年來，地方國有企業，尤其是地方國有平臺企業規模急劇擴張，投資、融資需求不斷增加，導致一些企業負債過度，陷入“借新還舊”“邊借邊還”“拆東墻、補西墻”的惡性循環。因此，搭建財務風險防控體系，提升國有企業抗風險能力，成為國有企業健康發展的迫切需求。2022年，國務院國資委頒布《關于中央企業加快建設世界一流財務管理體系的指導意見》，明確提出國有企業應完善各類風險管控體系，加強對重要子企業和重點業務管控，針對不同類型、不同程度的風險，建立分類、分級風險評估和應對機制，實現風險“早發現、早預警、早處置”。當前使用的傳統財務風險防控體系已經不適應國有企業的需求，因此，基于非上市國有平臺企業實際數據，利用成型財務風險防控模型理論研究，采用多年歷史和預測財務數據，通過信息化手段，探討、構建國有企業財務風險分級預警平臺，預測、判斷企業可能出現的財務風險，及時采取風險應對措施，對國有企業建立順應時代的財務風險防控體系，加快推動國企改革深化，提升行動各項任務落實落地具有重要現實意義。

二、國有企業財務風險防控平臺搭建

（一）明確財務風險防控平臺構建

財務風險防控平臺由財務信息預測、財務風險預警和組織管理循環三個子系統構成。財務信息預測系統獨立運行，通過建立資產負債表、利潤表、現金流量表三大報表表內、表間勾稽關系，歷史年度、預測年度數據賦值規律，生成未來三年報表預測數據。財務風險預警系統在財務信息預測系統的基礎上運行，嵌入財務風險預警理論研究模型后，可自動提取財務信息預測系統數據，生成風險數值、風險等級的預警系統。組織管理循環系統是財務信息預測系統和財務風險預警系統能夠持續有效運行的支撐系統，是圍繞職責權限，從數據填報到結果分析落實到人的閉環管理系統。財務風險防控平臺的系統界面設置了歷史數據管理、年度分析管理和月度分析管理等多個模塊，分別進行歷史和預測數據的填報、年度和月度風險結果的生成。

（二）構建財務信息預測系統

財務信息預測系統為財務風險預警系統提供風險評估的基礎數據，且財務風險預警系統所需財務指標均圍繞資產負債表、利潤表和現金流量表三大報表，因此財務信息預測系統的基礎模型是圍繞資產負債表、利潤表和現金流量表建立，包括資產負債表、利潤表和現金流量表過去三年歷史數據和未來三年預測數據。

首先，建立報表內的賦值關系。通過對一級子公司的經營業務構成、收入增長趨勢、毛利率變動趨勢、應收和應付款項的周轉率、職工薪酬增長趨勢等；與投資有關的現金流入、流出的構成，如股權和固定資產投資情況、財政資金的增加和返還情況等；與融資有關的籌資渠道、籌資金額、剩余額度等事項的現場調研和深度分析，建立了報表內的賦值關系。

其次，建立報表表內、表間的勾稽公式。由于資產負債表、利潤表和現金流量表之間較多報表項目存在聯動關系，且數據填報后需保持報表的平衡關系，故結合數據分析情況，根據資產負債表、利潤表和現金流量表之間報表項目固有關聯聯動關系，采用一級子公司以往三年的實際合并報表數據，以及在現場調研基礎上預測的未來三年的合并報表數據，逐個建立了報表表內、表間的勾稽公式。通過建立的上述賦值關系，參考預測未來賦值數據，根據表內、表間勾稽公式，在歷史數據、財務預算、業績考核、未來規劃等數據基礎上，錄入、生成完整的未來三年預測數據。

（三）建立財務風險預警系統

傳統風險預警模型的原型主要有西方的Z分數式模型和我國經濟學者在此基礎上研究的F分數式模型，多數學者模型研究均是以該兩個模型研究思路為指導進行的。由于學術研究成果眾多，在對文獻研究樣本的選擇范圍、數據的全面性要求程度、學者自證模型風險識別準確度、模型指標提取難度等多方面考慮后，多變量預警模型、Logistic回歸預警模型和Logit模型比較符合實際應用需求，因此針對該三個模型的模型結果準確性和對濟南能源集團的適用性進行了詳細分析，最終選取多變量預警模型作為財務風險預警系統嵌入的預警模型，模型結構如下：

1. 模型公式

風險值Y=*X1+*X2+*X3+*X4+*X5

風險值Y由5個主成分因子（X1至X5）乘以相關系數（*）后相加所得，每個主成分因子系數符號相同（均為正）。

每個主成分因子分別由8個實測變量乘以相關系數后相加所得，但每個主成分因子中相同實測變量的“正”“負”系數符號不同。

8個實測變量，分別反映短期償債能力、長期償債能力和資本結構、現金流償債能力、盈利能力及企業成長能力。

2. 判定標準

財務風險預警系統生成的預警風險等級包括“非常安全、安全、三級預警、二級預警、一級預警”五級，判定標準如下：

當Y＞1為“非常安全”；

當0.5＜Y＜1為“安全”；

當0.3＜Y＜0.5為“三級預警”；

當0＜Y＜0.3為“二級預警”；

當Y＜0為“一級預警”。

*風險等級級次越小代表預警的等級越高。

3. 公式應用

在“多變量預警模型”公式中代入企業各項實測變量，計算取得風險值，根據風險值所處值域以及上述相應判定標準，即可獲得風險等級。

4. 選取模型時考慮的具體因素

排除營運能力指標影響。營運能力指標間接影響財務風險，不同行業間不具可比性，且對于關聯交易量大的公司，計算誤差大。由于傳統風險預警模型的研究樣本均是取自于上市公司公開財務數據，為確保研究成果的通用程度，研究學者多會考慮在選取樣本時盡可能擴大行業范圍，樣本范圍的增加雖提高了通用性，卻未考慮到營運能力指標間接影響企業財務風險的問題。濟南能源集團所涉及的各類跨板塊業務較多，不同業務板塊公司間指標差距大，不具備可比性。且營運能力指標并不能直接反映企業在籌資、投資和經營活動中可能面臨的損失或失敗的可能性，僅對財務風險產生間接影響，如：企業的應收賬款周轉率過低，可能導致資金占用過多，從而間接影響企業的流動性和償債能力，這種影響可通過其他財務風險指標進行衡量和控制，不需要單獨考慮應收賬款周轉率。同時，濟南能源集團各級公司數量較多，且存在較多關聯交易，對“應收賬款周轉率”“存貨周轉率”等營運能力指標的計算可能會出現較大誤差。

排除資產負債率指標影響。“資產負債率”不能與企業的經營風險畫等號。資產負債率是我國現階段公開市場融資所必須關注的指標之一，無論是發債還是銀行貸款，放貸機構對企業的實際運行情況不夠了解，只能從最直接的負債占資產的比重來從表面判斷企業的償債能力和風險等級。但實際上企業可以通過很多財務處理方式達到降低報表層面風險的目的，入賬科目僅影響報表層面風險，無法改變實際業務發生的實質和現金流的進出。同時，濟南能源集團近三年一級合并口徑下資產負債率呈持續下降趨勢，單從資產負債率指標來看風險逐年降低。但根據Y分數式預測模型結果來看，2022年的風險預警等級較2021年有上升趨勢，結果顯示風險是在增加的，兩個截然相反的結果印證了資產負債率與企業經營風險的相關性低的結論。通過詳細分析發現，由于近三年濟南能源集團逐漸改變了原有融資結構，權益融資分擔了債務融資帶來的資產負債率上升影響，從報表層面經營風險看似逐年降低，但實質性的融資仍帶來了相對較大的還本付息壓力。因此日常企業都比較關注的“資產負債率”指標雖然是傳統有效的預測風險的指標，但并不是風險預測模型的必備項，資產負債率可以判斷公開市場融資風險，但無法判斷出實際經營風險，無法滿足提前預警風險的需求，預警模型需要避免報表層面干預，直擊經營風險痛點，才能起到有效預警作用。

利用能源板塊上市公司數據驗證模型預警準確率。運用CSMAR數據庫2018-2022年A股能源板塊上市公司五年歷史年度報告數據對三個模型適用性和準確性進行驗證。在選擇樣本時，遵循了樣本選擇的隨機性、客觀性、公平性和科學性原則，在合理范圍內適當增加樣本容量，減少估計值的誤差，由于預警模型的目的是監測企業財務狀況，在上市公司公開數據中可以利用公司是否出現財務虧損為警戒線進行衡量。考慮了由于連續兩年出現虧損或其他異常財務狀況的被標記為特別處理股票（ST類）、連續三年虧損或出現其他嚴重財務問題被標記為退市預警的股票（*ST類）和公司經營財務狀況良好，沒有出現連續虧損或其他異常情況的股票（非ST類）所公開的財務歷史數據。分別將獲得的416個有效樣本代入三個模型公式，并根據各公式的判定標準得出風險提示，與對應的股票經營狀況標記進行對比驗證。驗證結果顯示，“多變量預警模型”得出的結果準確率超過82%，準確率為三個模型中最高，且與原作者文獻中所測試的結論一致。非ST類公司和ST類公司均從同一板塊隨機進行樣本抽取，同時ST類公司并不是真正已經發生“財務困境”面臨破產的公司，這些公司財務指標值不具有穩定性，有的ST類公司正在經歷或之后通過改制、重組，財務狀況逐漸好轉，即所選取的樣本公司并不是典型的兩極分化公司，82%的準確率足以體現預警的精準性，因此可以判斷多變量預警模型更加適合能源板塊公司進行風險預警使用。

利用濟南能源集團內部數據驗證模型預警準確率。運用2020-2022年濟南能源集團三年歷史年度報告數據對3個模型適用性和準確性進行驗證。在選擇內部數據樣本時，遵循與選擇上市公司樣本相同的原則，排除了運營時間較短的、經營狀況不連續的（未能實現連續銷售的公司），選取12個二級子公司、97個包含各二級集團本部在內的三級子公司，共獲得有效觀測值186個。分別將186個有效樣本帶入3個預警模型，對模型得出的濟南能源集團各級公司風險判定結果進行梳理，通過“主成分因子變動原因、實測變量的變動幅度、引起實測變量變動的科目變化，何種事項引起科目變化”的分析順序，對預警模型的結果進行比對分析，驗證結果是否與各級公司的實際經營痛點相匹配。

財務指標豐富，且判定閾值細致，能夠更早預警濟南能源集團風險的模型。多變量預警模型指標豐富，減少指標類型或搭配單一導致的計算結果誤差進而造成預警結果誤差，同時預警等級分類多，也能夠拉長風險預警時間線。對于處于擴張發展期的企業來說，企業發展所需資金除原始投入和逐期經營積累以外，較大比例還需要通過發債、銀行借款、政府專項債等方式獲得，債務比率相對較高，企業的總現金流入看似狀況良好，但較大比例的現金流入是通過融資獲得的，借此現金流償還到期債務本金和利息，只是“拆東墻補西墻”。因此在考慮預警模型償債能力相關財務指標時，避免選擇單純使用企業總現金流償債能力指標的模型，排除由于融資帶來的現金流良好假象，利用經營活動現金流計算的償債能力指標，才能夠體現企業通過主業經營創值的能力，是償還債務的良性循環。同時，企業成長能力指標，如營業收入增長率、營業利潤增長率等，能夠直接反映市場擴展的占有能力和未來發展潛力，不僅關注現有財務狀況，也關注未來趨勢，能夠判斷企業適應市場變化的能力。通過對模型結構、風險判定閾值進行對比，多變量預警模型在三個模型中涉及的財務指標最多，既包括了長、短期償債能力指標和經營現金流償債能力指標，又包括了資本結構指標、盈利能力指標和企業成長能力指標。既分析了經營性現金流和長、短期償債能力是否能夠滿足清償到期債務的需要，又須同時兼顧企業長期成長和穩定盈利的能力，能夠更全面地考慮到經營風險，可實現穩健的財務管理，預警風險爆雷。另外，多變量預警模型風險判定閾值最為細致，將模型判定細分為非常安全、安全、三級預警、二級預警、一級預警五類預警標準，而另外兩個預警模型僅有“無風險”和“有風險”兩個判定標準。多變量預警模型判定結果避免了“一刀切”、兩極分化嚴重的局面，在一定程度上拉長了風險預警的時間線，意味著更能夠在較早出現風險變化時及時應對。

（四）建立組織管理循環系統

組織管理循環系統是財務信息預測系統和財務風險預警系統能夠持續有效運行的支撐系統，圍繞各級職責權限，將數據填報、信息預測、風險分析、風險應對落實到人，將每期預警結果通過企業郵件、短信等方式傳達至相應領導層，再由領導層下達分析任務，根據風險預警模型推測的預警結果，組織相關人員對主成分因子變動原因、引起實測變量變動的科目變化開始，最終落實到引起變化的具體事項，并提供解決方案。通過組織管理循環系統，可能提高對企業財務風險預警結果的利用程度，加強企業間成員協作和工作效率，實現財務計劃任務下達到人，執行有序，執行結果有考核，高效解決實際問題，實現真正意義上的管理循環。使組織管理循環系統成為一個事事有任務，任務有執行，執行有結果，結果有跟蹤的閉環管理系統。

（五）財務風險防控平臺界面設置

歷史數據管理是填報年度歷史數據的模塊。在該模塊中進行資產負債表、利潤表和現金流量表三大報表年度歷史數據的填報，涉及科目的余額和固定資產等科目的發生額，余額可根據年報審計報告、企業未經審計報表填報，發生額根據科目余額表填報。如若財務軟件系統可開端口，還可通過建立財務風險防控平臺與財務軟件系統之間的關聯關系，實現歷史年度數據從財務軟件系統中直接提取生成，代替人工填報。

年度分析管理是填報年度財務預測信息以及生成年度預警風險結果的模塊。年度歷史數據填報后，數據可自動提取至該模塊，該模塊并列展示三年歷史數據，根據三年歷史數據和相應賦值規律，結合企業預算、考核、未來發展規劃等，填報、生成未來三年預測數據。

月度分析管理是提取月度財務預測信息以及生成月度預警風險結果的模塊。月度分析管理從財務軟件系統中直接提取導入月度三大財務報表數據，每月生成財務風險數值和風險等級，當月度之間風險數值和風險等級發生較大變化時，也可對引起指標變化的月度財務數據變動情況進行簡要分析。

三、國有企業財務風險防控平臺應用

（一）生成年度風險預警結果

濟南能源集團各級公司在年度分析管理模塊進行年度數據填報和上報后，生成各公司年度財務風險數值和風險等級結果，預警風險等級包括“非常安全、安全、三級預警、二級預警、一級預警”五級，風險依次遞增。逐一和各公司就結果與其實際經營情況的匹配程度進行溝通，結果反饋均相匹配，風險等級發生較大變化的，確有其切實原因，進一步驗證了此次財務風險防控平臺搭建成功。系統生成當年度風險預警結果的同時，會形成對主成分因子影響程度從大到小依次排序的“系數*主成分因子變動值”，即顯示各項主成分因子對風險預警結果的貢獻程度，同時還會形成對實測變量影響程度從大到小依次排序的“系數*實測變量變動值”，既顯示各項實測變量風險預警結果的貢獻程度，更直觀地向使用者展示了引起兩個年度間風險預警結果變化的具體指標。另外，對風險影響較大指標的分析結果采取彈窗的方式進行對策提示，平臺使用者可以據此深度分析指標產生風險的具體原因，并及時采取風險控制對策。

（二）生成月度風險預警結果

在月度分析管理模塊導入月度財務報表數據并上報后，生成各月度財務風險數值和風險等級結果，生成的各月度結果顯示，風險等級趨勢較平穩，未出現無客觀原因情況下的較大起伏，且與上述年度風險結果相吻合，同時也與各公司月度實際經營情況相匹配。月度風險預警與年度風險預警相同，可顯示月度各項主成分因子和實測變量指標對風險的影響程度、對風險影響較大指標的分析結果、對策提示等內容，將風險預警分析時間線縮短至最小財務期間，逐月觀測各級子公司財務風險的變動趨勢。

（三）進行年度或月度間風險預警結果對比

平臺中設置了“風險組成變動分析”功能，可以生成當年度（月度）風險值、風險等級較上年（月）變動情況，以及造成風險變動從大到小依次排序的指標的變動影響程度，即顯示各項實測變量指標變動對風險變化的影響程度，同時還會形成對風險變化影響較大的指標變動的分析結果及采取對策提示，系統使用者可以據此深度分析指標變動導致風險變化的具體原因，并及時采取改善風險的對策。

（四）形成連續6年或連續12個月風險態勢

平臺中還設置了“風險態勢感知看板”，可以直觀展示各級子公司連續6年或連續12個月的年度風險結果趨勢，以趨勢圖的形式顯示，管理層無須進入上述具體分析的操作模塊界面，直接從看板上查看各年度和各月份的風險結果，對于發生較大變化的年度和月份，可以再深入點擊查看實測變量指標的變動及影響。

四、結語

本次研究將傳統風險預警模型同信息化技術進行有效結合，構建財務風險防控預警平臺并將其應用于國有非上市企業，可以使風險防控平臺基于未來若干年度的財務預測數據生成未來多年度的財務風險預警結果，避免了實踐中傳統財務風險預警模型僅基于歷史數據、提前預警效果不佳等缺點，使企業能夠在資金鏈斷裂危機發生之前，及時發現潛在的風險，更好地理解、管理和處置財務風險，從而實現更穩健的財務管理，保障國有企業健康可持續發展。

參考文獻：

[1]Edward I，Altman.The Prediction of Corporate Bankruptcy（A Discriminant Analysis）”[M].Garland Publishing，INC，1988.

[2]周首華，楊濟華，王平.論財務危機的預警分析——F分數模式[J].會計研究，1996（08）：8-11.

[3]楊淑娥，徐偉剛.上市公司財務預警模型——Y分數模型的實證研究[J].中國軟科學，2003（01）：56-60.

[4]王宛容.基于logistic模型的上市公司財務風險預警[J].中國水運，2021（01）：154-156.

[5]肖艷.上市公司財務困境預警的Logit模型實證研究[J].湖南工程學院學報（社會科學版），2004（04）：11-14.

（作者單位：張琦、董林強，濟南能源集團有限公司；何潔、王澤晨，山東正華會計師事務所有限公司）