论文部分内容阅读
【摘 要】 在电子商务迅猛发展的大环境下，传统行业不可避免会受到冲击，与时俱进的转型成为必然。在转型过程中，企业面临的风险多样，一旦经营管理上行差踏错，极易陷入财务危机，因而设计出适合企业的有效财务危机预警机制非常重要。本文特别强调了非财务因素的定性分析，并选取了身处电子商务环境正力求转型的一家传统纺织制造企业——上海三毛进行具体的案例分析。
【关键词】 财务危机预警 非财务因素 案例分析 电子商务
1 引言
现今，电子商务在世界主要国家和地区都保持着飞速发展的态势，如我国的电子商务交易额年年增长超过20%，2014年的交易规模已超过美国，即将占据国际电子商务市场的主力地位。但与此同时，我国传统的企业组织结构、运作方式等遭受的冲击无法避免，很多传统制造业正力求转型，望能在电子商务及现代服务业中占据一席之地。而现今企业财务管理的环境多变、已有的理论方法不再适用等一系列问题还未得到有效解决，由此带来了种类繁多的运作风险，从而可能引发企业财务危机，给经济带来不良后果。因此，企业必须建立良好的适应新环境的财务危机预警机制，以有效应对在电子商务环境下发展的种种不容忽视的挑战。本文采用定性分析与定量分析相结合的方式来进行财务危机预警。
2 文献综述
国外学者对财务危机预警的研究开始较早，Beaver（1966）提出了单变量预警模型，分析了14种财务比率的预警效果并进行取舍，认为债务保障率、资产负债率、资产收益率这三种比率能够依次有效地预测企业财务危机。Altman（1968）应用多元判别分析法构建了Z计分模型，以1946-1965年间的33家提出破产申请的制造业企业和对应同行业、相近规模的另外33家非破产企业为研究比较对象建立的，其应用非常广泛。在Z计分模型之后，越来越多的研究者把目光放在对多变量预警模型的改进与创新上，提出了诸如Logit模型（Olson，1980）、Probit模型（Zmijewski，1984）等。
国内研究最早的是周首华等（1996）在Z计分模型的基础上提出的F分数模式，该模式引入了现金流指标，样本量又非常充足，使预警更具可靠性。之后吴世农、卢贤义（2001）运用logistic回归、多元线性回归和Fisher线性判定三种方法建立了对应的预警模型，发现logistic模型的误判率最低。曾婧、李晓静（2009）评析了支持向量机（SVM）在财务危机预警中的应用，由于SVM采用结构风险最小化原则，有利于处理样本量较少的问题，且分类能力更为突出，研究认为其有良好的应用前景。
虽然现有模型不断发展，但是应用最方便且适合企业操作的主要还是Z计分模型和F分数模型，因此本文的定量分析以此为主。
3 财务危机预警的流程设计
筆者根据已有研究设计了一套较为简单易行且成本低廉的预警流程机制，流程图如下：
4 电子商务环境下财务危机预警的案例应用——以上海三毛为例
上海三毛企业（集团）股份有限公司（以下简称“上海三毛”），所属行业为纺织服装业。通过观察公司经营范围的不断扩充，我们发现其从2008年起就陆续开始涉及互联网信息技术服务等业务，随后又开始发展电子商务及其他相关服务业活动，积极向运用电子商务的现代服务业转型，但这一过程历经波折，企业在转型的关键期停滞不前。公司2012、2013年连续两年亏损，被ST。后在2014年采取各种措施扭亏为盈，又于2015年初成功摘帽，但公司2014年扣除非经常性损益后的净利润仍然处于亏损状态，基本面并未发生根本性好转。
4.1 定性分析
首先，从外部因素来看，上海三毛无论是本身主营业务所处的纺织服装业环境，还是转型发展项目所处的电子商务环境都存在多方面的风险，若是企业自身经营发展存在漏洞，一旦爆发，很容易会陷入财务危机之中。其次，从内部因素来看，企业正面临着（1）向现代电子商务及服务业转型艰难；（2）内部控制存在重大缺陷等严重问题。
4.2 定量分析
4.2.1 模型介绍
首先是Z计分模型，由Altman（1968）提出，具体公式为Z=1.2X1+1.4X2+3.3X3 +0.6X4+0.999X5，其中X1=营运资金/资产总额；X2=留存收益/资产总额；X3=息税前利润/资产总额；X4=期末股东权益市价 /负债总额；X5=销售收入/资产总额。当求出的Z计分值在[2.99， +∞）、[2.675，2.99）、（1.81，2.675） 、（-∞，1.81]这四个区间时，分别表明企业警情为无警、轻警、中警、重警。
其次是F分数模式，由周首华等（1996）在Z计分模型的基础上提出，现金流量指标的添加以及大量样本的验证使得其更具可靠性，因而可成为初始警情预报的一个较为理想的选择，具体公式为 F=1.1091X1+0.1074X2+1.9271X3+0.0302X4 +0.4961X5-0.1774，公式中的X1、X2、X4与Z计分模型完全相同，而X3=（税后净利润+折旧费用）/平均总负债；X5=（税后净利润+利息+折旧费用）/平均总资产。当求出的F计分值在[0.1049， +∞）、[0.0274，0.1049）、（-0.0501，0.0274）、（-∞，-0.0501] 这四个区间时，分别表明企业警情为无警、轻警、中警、重警。
4.2.2 实际应用
根据上海三毛2011-2014年财务数据计算得到Z计分值如表1，F分数值如表2。根据表1，上海三毛2011-2013年的Z值分别为2.31、2.22、1.87，均低于分界点2.675，表明企业财务状况一直处于中警状态，2014年Z值更是降到最低分界点1.81以下，企业财务状况恶化，濒临破产，处于重警之中。并且这四年的Z值是逐年降低的，说明企业经营状况也是逐年变差的。 根据表2，上海三毛2011年的F分数值为0.2892，远高于0.1049的分界點，可判定公司处于无警状态，财务状况良好。但是2012年公司的F分数值却急剧下降至-0.1024，已经远低于-0.0501的分界点，处于重警状态了，2013年F分数值更是降到-0.1608，比2012年还要低57.07%，公司的预警警度仍为重警。2014年公司的F分数值又突升至0.5412，远超0.1049的无警分界点，又再回到无警区间。
4.3 结合定性分析确定具体警情
结合定性分析后可以发现，两种模型在预测重大警情时都较为准确，但是在企业财务状况稍微好转时预测效果不佳，要么预测重了，要么预测轻了，这也是因为多变量线性模型采用的是财务指标的定量分析，根据企业具有滞后性的财务报表或可能被美化的报表数据得到的结论准确性不确定，因此必须结合公司重大事件以及危机风险因素的定性分析来综合评判企业真实财务状况。如上海三毛在2014年的警情虽有所缓解，通过资产换资金等手段扭亏为盈使报表数据得到美化，由此使F模型预测出的结果是无警，但事实上企业当前发展资金仍然严重短缺，定向增发机会也因“美梭案”无奈放弃，高管相继离职，公司人心惶惶，行业环境、国家政策并未改善，转型项目收益少，内控问题还在解决中，警情仍十分严重，处于中警状态，与定量模型得出的结果并不完全相符。
5 结论与启示
本文利用两种多变量线性预警模型对案例企业进行初始警情预测的定量分析，还结合了公司重大事件以及危机风险因素的定性分析来比较它们的实际应用能力，进而确定了公司具体的危机警情，得出以下结论：（1）Z分数模型、F分数模式都比单变量模型的预测效果好，F分数模式的预测准确度更高。（2）企业在进行财务危机预警时，不能只考虑财务指标构成的模型所得的定量分析结果，必须综合考虑公司重大事件以及危机风险因素的定性分析。同时上述结论也给我们以启示，即对公司的经营状况作出判断时，必须综合考虑多方面因素，不能根据片面的盈利水平得出结论。
【参考文献】
[1] Altman E.I. Financial Ratios， Discriminant Analysis and the Prediction of Corporate Bankruptcy [J].Journal of Finance，1968， 4（23）：589-609.
[2] Zmijewski M.E.Methodological Issues Related to the Estimation of Financial Distress Prediction model [J]. Journal of Accounting Research，1984，22：38-59.
[3] 周首华，杨济华，王平.论财务危机的预警分析——F分数模型[J].会计研究，1996， 8：8-11.
[4] 廖珍珍，应益华.上市公司财务预警z分数模型的改进与应用[J].商业会计，2011（20）：37-38.
作者简介：韩敏（1993.3），女，硕士研究生，苏州大学东吴商学院，215021，研究方向：资本市场研究。
【关键词】 财务危机预警 非财务因素 案例分析 电子商务
1 引言
现今，电子商务在世界主要国家和地区都保持着飞速发展的态势，如我国的电子商务交易额年年增长超过20%，2014年的交易规模已超过美国，即将占据国际电子商务市场的主力地位。但与此同时，我国传统的企业组织结构、运作方式等遭受的冲击无法避免，很多传统制造业正力求转型，望能在电子商务及现代服务业中占据一席之地。而现今企业财务管理的环境多变、已有的理论方法不再适用等一系列问题还未得到有效解决，由此带来了种类繁多的运作风险，从而可能引发企业财务危机，给经济带来不良后果。因此，企业必须建立良好的适应新环境的财务危机预警机制，以有效应对在电子商务环境下发展的种种不容忽视的挑战。本文采用定性分析与定量分析相结合的方式来进行财务危机预警。
2 文献综述
国外学者对财务危机预警的研究开始较早，Beaver（1966）提出了单变量预警模型，分析了14种财务比率的预警效果并进行取舍，认为债务保障率、资产负债率、资产收益率这三种比率能够依次有效地预测企业财务危机。Altman（1968）应用多元判别分析法构建了Z计分模型，以1946-1965年间的33家提出破产申请的制造业企业和对应同行业、相近规模的另外33家非破产企业为研究比较对象建立的，其应用非常广泛。在Z计分模型之后，越来越多的研究者把目光放在对多变量预警模型的改进与创新上，提出了诸如Logit模型（Olson，1980）、Probit模型（Zmijewski，1984）等。
国内研究最早的是周首华等（1996）在Z计分模型的基础上提出的F分数模式，该模式引入了现金流指标，样本量又非常充足，使预警更具可靠性。之后吴世农、卢贤义（2001）运用logistic回归、多元线性回归和Fisher线性判定三种方法建立了对应的预警模型，发现logistic模型的误判率最低。曾婧、李晓静（2009）评析了支持向量机（SVM）在财务危机预警中的应用，由于SVM采用结构风险最小化原则，有利于处理样本量较少的问题，且分类能力更为突出，研究认为其有良好的应用前景。
虽然现有模型不断发展，但是应用最方便且适合企业操作的主要还是Z计分模型和F分数模型，因此本文的定量分析以此为主。
3 财务危机预警的流程设计
筆者根据已有研究设计了一套较为简单易行且成本低廉的预警流程机制，流程图如下：
4 电子商务环境下财务危机预警的案例应用——以上海三毛为例
上海三毛企业（集团）股份有限公司（以下简称“上海三毛”），所属行业为纺织服装业。通过观察公司经营范围的不断扩充，我们发现其从2008年起就陆续开始涉及互联网信息技术服务等业务，随后又开始发展电子商务及其他相关服务业活动，积极向运用电子商务的现代服务业转型，但这一过程历经波折，企业在转型的关键期停滞不前。公司2012、2013年连续两年亏损，被ST。后在2014年采取各种措施扭亏为盈，又于2015年初成功摘帽，但公司2014年扣除非经常性损益后的净利润仍然处于亏损状态，基本面并未发生根本性好转。
4.1 定性分析
首先，从外部因素来看，上海三毛无论是本身主营业务所处的纺织服装业环境，还是转型发展项目所处的电子商务环境都存在多方面的风险，若是企业自身经营发展存在漏洞，一旦爆发，很容易会陷入财务危机之中。其次，从内部因素来看，企业正面临着（1）向现代电子商务及服务业转型艰难；（2）内部控制存在重大缺陷等严重问题。
4.2 定量分析
4.2.1 模型介绍
首先是Z计分模型，由Altman（1968）提出，具体公式为Z=1.2X1+1.4X2+3.3X3 +0.6X4+0.999X5，其中X1=营运资金/资产总额；X2=留存收益/资产总额；X3=息税前利润/资产总额；X4=期末股东权益市价 /负债总额；X5=销售收入/资产总额。当求出的Z计分值在[2.99， +∞）、[2.675，2.99）、（1.81，2.675） 、（-∞，1.81]这四个区间时，分别表明企业警情为无警、轻警、中警、重警。
其次是F分数模式，由周首华等（1996）在Z计分模型的基础上提出，现金流量指标的添加以及大量样本的验证使得其更具可靠性，因而可成为初始警情预报的一个较为理想的选择，具体公式为 F=1.1091X1+0.1074X2+1.9271X3+0.0302X4 +0.4961X5-0.1774，公式中的X1、X2、X4与Z计分模型完全相同，而X3=（税后净利润+折旧费用）/平均总负债；X5=（税后净利润+利息+折旧费用）/平均总资产。当求出的F计分值在[0.1049， +∞）、[0.0274，0.1049）、（-0.0501，0.0274）、（-∞，-0.0501] 这四个区间时，分别表明企业警情为无警、轻警、中警、重警。
4.2.2 实际应用
根据上海三毛2011-2014年财务数据计算得到Z计分值如表1，F分数值如表2。根据表1，上海三毛2011-2013年的Z值分别为2.31、2.22、1.87，均低于分界点2.675，表明企业财务状况一直处于中警状态，2014年Z值更是降到最低分界点1.81以下，企业财务状况恶化，濒临破产，处于重警之中。并且这四年的Z值是逐年降低的，说明企业经营状况也是逐年变差的。 根据表2，上海三毛2011年的F分数值为0.2892，远高于0.1049的分界點，可判定公司处于无警状态，财务状况良好。但是2012年公司的F分数值却急剧下降至-0.1024，已经远低于-0.0501的分界点，处于重警状态了，2013年F分数值更是降到-0.1608，比2012年还要低57.07%，公司的预警警度仍为重警。2014年公司的F分数值又突升至0.5412，远超0.1049的无警分界点，又再回到无警区间。
4.3 结合定性分析确定具体警情
结合定性分析后可以发现，两种模型在预测重大警情时都较为准确，但是在企业财务状况稍微好转时预测效果不佳，要么预测重了，要么预测轻了，这也是因为多变量线性模型采用的是财务指标的定量分析，根据企业具有滞后性的财务报表或可能被美化的报表数据得到的结论准确性不确定，因此必须结合公司重大事件以及危机风险因素的定性分析来综合评判企业真实财务状况。如上海三毛在2014年的警情虽有所缓解，通过资产换资金等手段扭亏为盈使报表数据得到美化，由此使F模型预测出的结果是无警，但事实上企业当前发展资金仍然严重短缺，定向增发机会也因“美梭案”无奈放弃，高管相继离职，公司人心惶惶，行业环境、国家政策并未改善，转型项目收益少，内控问题还在解决中，警情仍十分严重，处于中警状态，与定量模型得出的结果并不完全相符。
5 结论与启示
本文利用两种多变量线性预警模型对案例企业进行初始警情预测的定量分析，还结合了公司重大事件以及危机风险因素的定性分析来比较它们的实际应用能力，进而确定了公司具体的危机警情，得出以下结论：（1）Z分数模型、F分数模式都比单变量模型的预测效果好，F分数模式的预测准确度更高。（2）企业在进行财务危机预警时，不能只考虑财务指标构成的模型所得的定量分析结果，必须综合考虑公司重大事件以及危机风险因素的定性分析。同时上述结论也给我们以启示，即对公司的经营状况作出判断时，必须综合考虑多方面因素，不能根据片面的盈利水平得出结论。
【参考文献】
[1] Altman E.I. Financial Ratios， Discriminant Analysis and the Prediction of Corporate Bankruptcy [J].Journal of Finance，1968， 4（23）：589-609.
[2] Zmijewski M.E.Methodological Issues Related to the Estimation of Financial Distress Prediction model [J]. Journal of Accounting Research，1984，22：38-59.
[3] 周首华，杨济华，王平.论财务危机的预警分析——F分数模型[J].会计研究，1996， 8：8-11.
[4] 廖珍珍，应益华.上市公司财务预警z分数模型的改进与应用[J].商业会计，2011（20）：37-38.
作者简介：韩敏（1993.3），女，硕士研究生，苏州大学东吴商学院，215021，研究方向：资本市场研究。