中小企業(yè)風(fēng)險(xiǎn)管理預(yù)警研究范文

本站小編為你精心準(zhǔn)備了中小企業(yè)風(fēng)險(xiǎn)管理預(yù)警研究參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

【摘要】

近年來，在中國(guó)的經(jīng)濟(jì)舞臺(tái)上，中小企業(yè)的崛起與勃興引人注目。特別是中小企業(yè)上市公司在我國(guó)國(guó)民經(jīng)濟(jì)中具有舉足輕重的作用，上市公司的破產(chǎn)會(huì)給投資者、經(jīng)營(yíng)者、債權(quán)人、證券市場(chǎng)乃至整個(gè)國(guó)民經(jīng)濟(jì)帶來影響，因而有必要研究中小企業(yè)上市公司風(fēng)險(xiǎn)的預(yù)警。

【關(guān)鍵詞】

中小企業(yè)；上市公司；風(fēng)險(xiǎn)預(yù)警

一、引言

中小企業(yè)上市公司憑借自身實(shí)力更是在整個(gè)行業(yè)發(fā)展中占有舉足輕重的作用，對(duì)整個(gè)國(guó)民經(jīng)濟(jì)的發(fā)展也具有重大影響。由于企業(yè)危機(jī)的影響企業(yè)之間的競(jìng)爭(zhēng)日益激烈，資金來源比較單一，市場(chǎng)風(fēng)險(xiǎn)不斷增大，使得企業(yè)陷入困境、甚至宣告破產(chǎn)的案例比比皆是[1]。在企業(yè)面臨的眾多風(fēng)險(xiǎn)中，財(cái)務(wù)風(fēng)險(xiǎn)面臨著很大的不確定性，且對(duì)企業(yè)影響更為嚴(yán)重，研究上市公司的財(cái)務(wù)風(fēng)險(xiǎn)，是本論文研究的目的。美國(guó)學(xué)者威廉•比弗（WilliamBeaver）于1966年在美國(guó)《會(huì)計(jì)評(píng)論》上提出了相對(duì)成熟的一元判別模型，創(chuàng)造了危機(jī)預(yù)警模型的雛形[2]。為了彌補(bǔ)單變量判定模型帶來的缺陷，Altman(1968年)首次用多個(gè)線性分析方法，建立了著名的Z分模型[3]。國(guó)內(nèi)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的研究始于20世紀(jì)90年代，起步雖然較晚，理論和方法也都不太成熟，但國(guó)內(nèi)學(xué)者也做出了探索和研究。于1999年陳靜以ST和非ST公司為樣本，利用1995～1997年的財(cái)務(wù)數(shù)據(jù)，進(jìn)行單因素分析和多元線性決策分析[4]。2004年，李秉祥、扈文秀運(yùn)用股價(jià)和上市公司財(cái)務(wù)數(shù)據(jù)以建立EDF模型，通過克服了在傳統(tǒng)的統(tǒng)計(jì)預(yù)測(cè)方法的時(shí)期性和滯后性的缺陷，應(yīng)用到公司的財(cái)務(wù)危機(jī)的動(dòng)態(tài)預(yù)警[5]。綜上可知，中國(guó)的上市公司被特別處理主要是因?yàn)樨?cái)務(wù)危機(jī)的影響，那么怎么來建立預(yù)警指標(biāo)體系，并建立一個(gè)及時(shí)和有效的風(fēng)險(xiǎn)預(yù)警模型，以避免更多的中小企業(yè)上市公司陷入危機(jī)，就顯得尤為重要。對(duì)于一元判斷有其自身的局限性，且過多使用預(yù)測(cè)能力較強(qiáng)、綜合預(yù)測(cè)能力相對(duì)較弱的指標(biāo)，而Z分模型則很好地解決了這一問題。

二、中小企業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警實(shí)證研究———以房地產(chǎn)為例

借鑒美國(guó)的“多個(gè)財(cái)務(wù)預(yù)測(cè)指標(biāo)方法”來加以分析，以房地產(chǎn)行業(yè)的中小企業(yè)上市公司為例，從財(cái)務(wù)風(fēng)險(xiǎn)角度進(jìn)行考慮，根據(jù)指標(biāo)和樣本，運(yùn)用SPSS進(jìn)行了研究。

（一）指標(biāo)的選擇通過查閱大量文獻(xiàn)和資料，以財(cái)務(wù)風(fēng)險(xiǎn)角度考慮，分別從盈利能力的指標(biāo)、償債能力的指標(biāo)、經(jīng)營(yíng)能力的指標(biāo)、成長(zhǎng)能力的指標(biāo)、現(xiàn)金流量的指標(biāo)選取了如下指標(biāo)。

（二）樣本的選取本文在滬深上市的所有的上市公司中隨機(jī)選取73家作為研究樣本(其中35家ST公司，38家非ST公司)，根據(jù)樣本公司2014和2015年度的財(cái)務(wù)報(bào)告(本次研究的數(shù)據(jù)來源于東方財(cái)富網(wǎng))，計(jì)算上述各財(cái)務(wù)指標(biāo)的值。

（三）模型的建立本文將利用SPSS統(tǒng)計(jì)軟件作為分析工具，對(duì)以上所收集的樣本公司的財(cái)務(wù)指標(biāo)數(shù)據(jù)進(jìn)行多因子回歸分析，建立預(yù)警模型。1.因子分析。(1)、因子分析檢驗(yàn)。通過查看因子分析結(jié)果中的相關(guān)系數(shù)矩陣，的確發(fā)現(xiàn)大部分相關(guān)系數(shù)值均大于0.3，即各個(gè)變量間大多相關(guān)，所以原則上這些變量適合進(jìn)行因子分析。(2)求得特征值和貢獻(xiàn)率。在對(duì)樣本數(shù)據(jù)的17個(gè)財(cái)務(wù)指標(biāo)進(jìn)行因子分析后，可以得到17個(gè)特征值，本文提取特征值大于1的6個(gè)因子變量來進(jìn)行下一步的研究。表1中可以看出這7個(gè)因子變量累積貢獻(xiàn)率已經(jīng)達(dá)到了83.458%，即這幾個(gè)變量包含了原來17個(gè)財(cái)務(wù)指標(biāo)83.458%的信息。為了對(duì)這7個(gè)因子進(jìn)行解釋，就需要得到17個(gè)原始財(cái)務(wù)指標(biāo)對(duì)這7個(gè)主成分因子的因子荷載αij。(3)因子解釋。因子分析的一個(gè)關(guān)鍵點(diǎn)就是所提取的因子要能很好的得到解釋。為了更易于解釋初始因子，本文使用了正交旋轉(zhuǎn)法中方差最大法進(jìn)行轉(zhuǎn)換。從因子負(fù)荷矩陣可知，反映盈利能力指標(biāo)的X1營(yíng)運(yùn)資本比率的貢獻(xiàn)率最大0.975，反映償債能力指標(biāo)的X10資產(chǎn)負(fù)債率的貢獻(xiàn)率最大0.879，反映企業(yè)經(jīng)營(yíng)能力指標(biāo)的X11總資產(chǎn)周轉(zhuǎn)率的貢獻(xiàn)率最大0.956，反映成長(zhǎng)能力指標(biāo)的X13主營(yíng)業(yè)務(wù)收入增長(zhǎng)率的貢獻(xiàn)率最大0.952，反映現(xiàn)金流量指標(biāo)的X16現(xiàn)金回收率的貢獻(xiàn)率最大0.897。因此，最終取得X1、X10、X11、X13、X16這5項(xiàng)財(cái)務(wù)指標(biāo)作為建模的初始自變量進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建。筆者還關(guān)心各財(cái)務(wù)指標(biāo)的綜合影響，故對(duì)7個(gè)公因子的得分進(jìn)行加權(quán)求和，權(quán)數(shù)就取其方差貢獻(xiàn)率，參考表1解釋的總方差中“旋轉(zhuǎn)平方和載入”欄里的“方差的%（方差貢獻(xiàn)率）”。本文采用方差貢獻(xiàn)率作為權(quán)重，7個(gè)旋轉(zhuǎn)后公因子的方差貢獻(xiàn)率依次為26.795%、15.998%、12.513%、8.429%、8.244%、5.816%、5.664%。于是得到指標(biāo)綜合得分的計(jì)算公式為：通過本文的分析研究可以通過以下途徑對(duì)財(cái)務(wù)風(fēng)險(xiǎn)做到盡早發(fā)現(xiàn)：第一，建立內(nèi)部風(fēng)險(xiǎn)控制制度，真正發(fā)揮“三會(huì)”作用。第二，完善財(cái)務(wù)風(fēng)險(xiǎn)信息系統(tǒng)，對(duì)信息收集、信息處理和信息三個(gè)環(huán)節(jié)進(jìn)行把關(guān)。第三，提高財(cái)務(wù)管理能力，上市公司要提高資金的使用效率，適度負(fù)債優(yōu)化資本結(jié)構(gòu)，同時(shí)要合理搭配流動(dòng)負(fù)債和長(zhǎng)期負(fù)債。

三、結(jié)束語

本論文借鑒美國(guó)的“多個(gè)財(cái)務(wù)預(yù)測(cè)指標(biāo)方法”，借助SPSS因子分析篩選出因子作為邏輯回歸分析的初始變量按前面的方法選擇變量，最后通過上市公司7個(gè)主因子構(gòu)建了上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。檢驗(yàn)發(fā)現(xiàn)，該模型對(duì)樣本的預(yù)測(cè)精度達(dá)到了83.458%，相對(duì)來說，這個(gè)結(jié)果還是令人滿意的。本論文的不足之處在只將極小一部分上市公司財(cái)務(wù)數(shù)據(jù)作為樣本，數(shù)據(jù)的選擇也有隨機(jī)性，缺乏全面性，可能導(dǎo)致構(gòu)建的上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的使用有一定局限性，同時(shí)也未驗(yàn)證模型的有效性，需要以后進(jìn)一步完善。

參考文獻(xiàn)

[1]孫麗艷.上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警.烏魯木齊：新疆財(cái)經(jīng)大學(xué)，2010.

[2]BeaverW.H.MarkerPrice.FinancialRatiosandthePredictionofFailure.JournalofAccountingResearch，2011.

[3]JohnS.Hekman.RentalPriceAdjustmentandInvestmentinOfficeMarket.JournaloftheAmericanRealEstateEconomies,2009,13(5)：32～79.

[4]程言美、程杰.我國(guó)房地產(chǎn)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的建立與應(yīng)用.武漢理工大學(xué)學(xué)報(bào)，2013,(6):151～156.

[5]李艷.我國(guó)房地產(chǎn)上市公司財(cái)務(wù)危機(jī)預(yù)警研究.碩士學(xué)位論文.沈陽：遼寧大學(xué)，2013.

作者：?jiǎn)淘骑w 徐繼開 單位：中北大學(xué)經(jīng)濟(jì)與管理學(xué)院