高校财务风险综合评价与预警研究

张曾莲，吴雪琴

（北京科技大学经济管理学院，北京100083）

高校财务风险综合评价与预警研究

张曾莲，吴雪琴

（北京科技大学经济管理学院，北京100083）

以北京市25所部属高校的财务数据为基础，基于重要性原则选取了19个财务指标，构建了财务风险评价体系，通过因子分析选出5个公因子，建立了财务风险预警模型，并用吉林大学的财务数据对模型进行了稳健性验证。利用财务风险预警模型可以评价各高校的财务风险程度，促进高校风险防范的制度化、投资决策的科学化、决策程序的规范化和运行风险的最小化。

高校； 财务风险； 预警模型； 因子分析法

一、文献回顾

财务风险管理的关键环节是建立系统模型，对财务风险进行定量分析。财务风险预警的一般研究方法是，先确定一组陷入财务危机的样本，再确定一组未陷入财务危机的样本作为控制样本，然后采用一定的统计方法对两组样本数据进行分析，从而揭示出哪些财务比率在两组样本中存在一致且显著的差异，最后使用具有显著差异的比率和指标体系构造出财务危机预测的基本模型。

国外学者提出了许多财务预警模型，在这些模型中，依据预测方法对总体的分布限制，可以将预测方法分为参数方法和非参数方法。参数方法主要有单变量分析法、多元判别分析法和多元条件概率模型法三种，非参数方法主要包括神经网络模型、案例推理、DEA模型、决策树分析和粗糙集分析等。虽然国外对财务风险的研究有很多，但对高校财务风险的研究甚少。

高校财务风险是国内研究的热点，很多学者对高校财务风险评价和预警进行了研究。李曙光（2004）利用模糊集合论技术，建立了高校贷款风险模糊数学评判模型。尹中晓（2006）采用实证研究的方法，以陕西省16所高校2004、2005年的财务数据作为模型样本，采用层次分析与改进的功效系数法相结合的方法，构建了高校财务风险预警分析模型，并利用功效系数法的计算结果对BP神经网络进行了学习训练。尹继北（2006）创造性地把灰色系统理论引入高校的财务风险评价中，提出了高校的财务灰色评价，并将人工神经网络应用到高校财务风险预警中，以实验设计结果证实了预警系统的有效性。在高校财务风险评价及预警的研究中，由于数据的可获得性较差，使得各种预警体系缺乏可操作性，这在某种程度上制约了预警系统在实际管理中的应用。

总之，财务风险预警模型研究的理论框架已初步形成，明确警义、寻找警源、分析警兆和预报警度的逻辑框架已被广泛接受，也形成了基本的研究方法。但是，阻碍风险预警研究的诸多问题仍然存在。例如，在理论方面，虽然已经具备一定的理论基础，但还是难以适应日渐变化的经济环境；在模型建立方面，应采用哪些指标、以什么样的预警结构建立适应经济实体的预警系统，仍是需要研究的课题。本文将对财务风险的类型及成因进行分析，在此基础上构建财务风险预警的指标体系，并利用因子分析对真实的财务数据进行研究，进而构建出财务风险预警模型。

二、高校财务综合评价与风险预警指标体系的构建

（一）高校财务风险分析

高校财务风险是指由于多种因素的作用，使得学校不能实现预期财务收益，账面资金难以支付到期应付的贷款本息，资产价值难以冲抵债务数额，从而带来损失的可能性。财务风险客观存在于高校财务管理的各个环节，本文主要从筹资风险、投资风险和财务状况失衡风险三个层面进行分析。

1.筹资风险。高校的筹资渠道除了国家财政拨款外，还有学费收入、科研收入和其他收入。此外，在高校的新校区建设中，数额可观的银行贷款是十分重要的资金来源，由此可能产生贷款及抵押风险。财政拨款是根据高校的在校学生人数来核拨经费的，高校的招生情况必然影响到国家的财政拨款，特别是在国家财政实行零基预算后，一些专项资金是根据高校申报项目的实力来拨款，这些款项不一定能拿得到，这种不确定性会影响高校的财务收入。高校的学费收入也存在很大的不确定性，招生风险已经首先在非重点院校出现，再加上学费的收缴率不能确定以及学生还贷情况的不确定性，使得高校面临一定的财务风险。

2.投资风险。高校的投资主要有教学与科研等基本建设投资、后勤非经营性资产投资、校办产业经营性资产投资，其对应的风险分别为基本建设投资风险、运营投资风险、校办产业风险。（1）基本建设投资风险。教育部已开展了多年的本科教学评估工作，其评估指标对教学投入、生均教学设备值、生均校舍面积、生均运动场面积、生均用地面积等都有明确的规定，要求学校的教学基础设施建设规模要与其办学规模相适应。高校的教学基础设施建设需要投入大量的资金，这些基础建设项目投资的收益大部分是由办学规模扩大带来的学费。然而，高校投资的收益会受诸多宏观和微观因素的影响，并在很大程度上受学校未来招生状况的影响。（2）运营投资风险。目前，高校的后勤社会化改革还不彻底，需要国家政策和资金的支持，其在财务管理关系、经营模式、内部竞争、经济运行和服务水平方面均存在一定的问题，需要不断地投入资金，这无疑给高校财务增加了负担，增大了财务运营风险。（3）校办产业风险。校办产业中产权不明、责任不清、监督不力的现象较为普遍，从而造成效益低下、管理混乱、资金流失的后果。若改制后的公司制校办产业在激烈的市场竞争中失利，就会使“一股独大”的高校股权利益蒙受损失。

3.高校财务总体失衡风险。总体失衡风险是指在高校财务状况的长期平衡过程中出现失衡，包括流动资金短缺的风险和净资产潜亏的风险。我国的高校是事业单位，在总体财务状况方面不易出现资不抵债问题，但流动资金短缺是可能存在的，如不能按时发出工资、日常资金开支短缺等。（1）流动资金短缺风险。我国高校主要采用收付实现制进行会计核算，资金运动的主体形式是现金的收支活动，对收支的控制实际上就是现金流量控制。因此，许多高校非常重视收支控制，而忽视了对现金流量的日常控制，从而导致现金短缺、拖欠工资、对外举债等。通常，高校当年的事业收入是本年的现金流入，但当年的事业支出不一定是本年的现金流出。（2）净资产潜亏风险。若高校净资产的账面余额小于其应有余额，就会出现净资产潜亏，这主要是由于高校账面净资产的结余与专项指标结余的不对称造成的，使得专项结余指标缺少净资产的保证。高校对预算管理的失控是导致净资产潜亏的直接原因。

（二）高校财务风险指标体系

本文以上述三类财务风险为基础，从高校的偿债能力、运作能力、投资能力和发展潜力四个方面，提出19个指标来构建高校财务风险指标体系（详见表 1）。

表1 高校财务风险综合评价指标体系

1.偿债能力指标。偿债能力是指高校偿还各种到期债务的能力，高校若不具备较高的偿债能力，应付突发事件的能力就较弱，发生财务风险的可能性也就较高。（1）年末借款总额占总经费收入的比重，即学校累计借款总额占当年学校经费收入的比率，它反映了以学校年收入承受财务风险的程度。公式中的分母应选择当年的总收入而不是总资产，因为学校的资产属于国有资产，不能用于还债，还本付息要完全靠学校的收入，要用流动资金而不是固定资产。所以，借债比率越高，风险就越大，会对学校的发展形成威胁。（2）学校累计借款总额占总资产的比率，即学校历年从校外获得的货币资金形态的借款总金额年末数，包括教学、科研、基建和后勤长期负债，它反映了以学校规模筹集资金的程度。这一比率越大，预示着学校的借债比率越大，财务风险也越大。（3）资产负债率，即学校负债总额与全部资产的比率，反映了校级财力的资产负债情况。由于高校不具备负债经营的条件，所以该指标仅仅是进行财务分析时了解学校财务风险的工具。资产负债率低，说明学校的净资产多，能在一定程度上反映学校的财务风险程度。（4）学校借入款项占货币资金的比率，它反映了学校的还款储备率，因为学校借入款项有不同的渠道和不同的还款期限，无法准确测算其年度偿还额，只能以其总额与货币资金的比率来测算到期的还款压力。这一比例越高，说明学校的财务风险越大，到期还款的压力也越大。（5）借入款项与净资产的比率，即高校年末借款总额占净资产的比值，它反映了债务负担与偿债保证之间的关系，揭示了高校的净资产对债权人的保障程度。该指标值越低，说明高校的长期偿债能力越强，债权人将资金借给学校的风险也越小。（6）银行存款占负债总额的比重，即高校年末银行存款总额与总负债的比值，它反映了高校用银行存款偿还债务的能力。该指标值越大，说明高校的偿债能力越强。

2.运行能力指标。运行能力是指高校有效、合理地利用教育资源完成预期目标的能力，它反映了高校的日常管理水平和管理能力。（1）资金可供周转月数，即高校货币资金与月平均支出额的比率。高校货币资金包括学校年末现金、银行存款与债券投资，它反映了学校在新财政年度可动用的货币资金数。货币资金支付率越高，说明学校月可支配和周转的财力越强。（2）应收及暂付款占年末流动资产的比率，即学校年末暂付款总额占年末全部流动资金（资产总额减去固定资产与无形资产）的比重。该指标数值越大，说明学校的财务风险越大。（3）总支出与总收入的比率，即高校当年的总支出占当年总收入的比例，它反映了高校收支的平衡状况。该指标值若小于1，说明高校收入大于支出，当年有盈余。通常，该指标值越小，说明高校的收益能力越强。该指标的警戒线应根据高校的实际情况确定，指标值过低应引起重视。（4）一般基金占事业基金的比率，即年末学校可动用的一般基金占事业基金的比例，用于衡量学校事业基金可动用的程度。其比值越低，说明学校调剂弥补预算缺口的能力越差。（5）学校年末净存款占学校总支出的比重，它反映了高校动用银行存款维持学校正常运行的能力，是显示高校支付能力的一个重要指标。通常，该指标值越大，说明支付能力越强。

3.投资能力指标。投资能力反映了高校利用其经济资源获取经济利益的能力，投资能力低，说明高校的发展资金保障不足，发生财务风险的可能性较大。（1）校产的投资收益率，它反映了高校对校办企业投资的收益状况，是反映高校对校办企业投资绩效的重要指标，能从一个侧面反映高校科技成果转化为资本收益的能力。该指标值与高校的收益能力大小成正比，指标值越大，说明高校的投资收益越好。该指标的警戒线要根据高校的实际情况来定，指标值不应过低。（2）投资收益比率，它反映了校办产业投资和其他投资的效益状况，也从另一个侧面反映了高校科技成果转化为资本收益的能力。该指标值与学校的收益能力成正比。该指标的警戒线要根据高校的实际情况确定，指标值过低应引起重视。（3）投资基金占事业基金的比率，即年末学校的一般投资基金占事业基金总数的比例，用来反映学校年末事业基金中对外投资资金的比例。该比值越小，说明学校的对外投资风险越小。（4）资产收入比率，它反映了高校每一元钱的资产所获取的收入。该指标与获取收益成正比，与资产投入成反比。该指标值越大，说明用一定的资产投入得到的收入越多，或者得到一定收入所投入的资产越少，即收益能力越强。该指标的警戒线要根据高校的实际情况确定，指标值过低应引起重视。

4.发展潜力指标。发展潜力反映了高校可持续发展的能力，高校发展不应局限于当前，更要面向未来，为长期发展奠定良好的资金基础。一个学校的发展潜力不足，说明其未来的财务风险会较大。（1）资产权益比率，即高校总资产中净资产所占的比例。该比率越高，说明未来高校可动用的净资产越多。该指标的警戒线要根据高校的实际情况确定，指标值过低或过高均应引起重视。（2）自有资金动用比率，它可以衡量高校净资产中实际可控制资金（包含投资基金）的利用程度，体现了其后续发展潜力的大小。该指标值越大，说明高校实际自有资金可动用的程度越高。该指标的警戒线有一个范围，通常为40%～60%。（3）现金净额增长率。现金具有很强的支付能力，是学校财务活动和各项事业正常运转的重要保障。该指标直接体现了学校可支配和周转的财力状况，反映了学校事业建设的可持续发展能力。该比率越高，说明财务调控能力和对债务的支付能力越强。其临界值比率为0.1，是极大型变量。（4）净资产增长率，即高校本年净资产总额与上年净资产总额的比率，它反映了高校资本规模的扩张速度，是衡量高校总量规模变动和成长状况的重要指标。净资产收益率较高，说明学校有较强的生命力和发展后劲。

三、因子分析

本文利用北京市25所部属高校各年的财务报表，应用SPSS的因子分析，提取出公共因子，建立风险评价模型，算出临界值，并使用吉林大学的财务数据进行稳健性检验。

（一）建立观测数据并进行直观分析

我们根据北京市25所部属高校的资产负债表和收入明细表，计算出19个财务指标值，建立了观测数据表，用来分析各高校（A，B，C，．．．，Y）的偿债风险、运行风险、投资风险和发展潜力（表2）。每组均分为高风险和低风险两类，并按风险高低排序（表3）。

表2 25所高校的财务指标值

续表2

表3 对25所高校财务指标值的财务风险直观分析

（二）因子分析

将观测数据输入SPSS软件进行因子分析，运行结果如表4所示。表中第一列是19个变量名，第二列是根据因子分析初始解计算出的变量共同度。利用主成分分析可以得到19个特征值，它们是因子分析的初始解，利用这19个特征值和对应的特征向量可以计算出因子载荷矩阵。此时，每个原始变量的所有方差都能被因子变量解释，于是，每个原有变量的共同度都是l。第三列是根据因子分析最终解计算出的变量共同度，根据最终提取的m个特征值和对应的特征向量可以计算出因子载荷矩阵。此时，由于因子变量个数少于原有变量个数，每个变量的共同度必然小于l。

表4 公因子方差

表5 解释的总方差

表5列示了以观测数据做因子分析后的因子提取和因子旋转结果。表中第一列至第四列描述了因子分析的初始解对原有变量总体的刻画情况：第一列是因子分析的19个初始解的序号；第二列是因子变量的方差贡献(特征值)，它是衡量因子重要程度的指标；第三列是各因子变量的方差贡献率，表示该因子刻画的方差占原有变量总方差的比例；第四列是因子变量的累计方差贡献率，表示前m个因子刻画的总方差占原有变量总方差的比例。第五列至第七列是从初始解中提取5个公共因子后对原变量总体的刻画情况，各列数据的含义与第二至第四列的含义相同。可见，如果提取5个公共因子，就能描述原变量总方差的87.967%，大于80%，可以认为这5个因子基本上反映了原变量的绝大部分信息。第八至第十列是旋转后的因子对原变量总体的刻画情况，各列数据的含义同前。

从碎石图（本文没有列出）来看，其横轴代表公共因子个数，纵轴代表特征值，当提取l、2个公共因子时，特征值变化非常明显，当提取6个以上的公共因子时，特征值变化较小，基本趋于平缓。这说明提取5个公共因子对原变量信息的刻画有显著的作用，而提取6个以上的公共因子对原变量信息的刻画已无显著贡献。因此，本文提取了5个公因子。

旋转成分矩阵是根据最大方差法将因子载荷矩阵旋转后得到的结果。按照惯例，当一个变量的载荷值大于或等于0.5时，可将其归纳到一个因子中去，表6中标注下划线的是大于或等于0.5的数值。旋转成分矩阵使因子变量的含义更加清楚：第一个因子变量基本上反映了年末借款总额占总经费收入的比重、学校累计借款占总资产的比率、学校资产负债率、学校借入款项占学校货币资金的比率、借入款项与净资产的比率、银行存款占负债总额的比重、应收及暂付款占年末流动资产的比重及资产权益比率6个指标；第二个因子主要反映了校产的投资收益率、投资收益率和资产收入比率3个指标；第三个因子主要反映了资金可供周转月数和年末净存款占总支出的比重2个指标；第四个因子主要反映了一般基金占事业基金的比重、投资基金占事业基金的比率、自由基金动用比率和现金净额增长率4个指标；第五个因子主要反映了总支出与总收入的比率和净资产增长率2个指标。

表6 旋转成分矩阵

表7 成分得分系数矩阵

表8 各高校的风险评价指标值

从表7中查出各指标的得分系数，可建立因子得分及总得分计算公式：

最后，可以计算各高校的因子得分 F1、F2、F3、F4、F5以及总得分F（见表8）。从计算公式中可以看出，F值越大，高校的财务风险就越小。其中，风险较高的高校有A、J、Q、S、Y，其F值处于较低水平。从前面高校风险指标值的直观分析中可以看出，高校A、D、J、L、Q、Y处于较高风险组。这说明模型的计算结果与直观分析的结果高度吻合，该风险评价模型具有一定的准确性。

（三）稳健性检验

吉林大学的财务风险问题曾轰动一时，选其作为模型检验的案例具有代表性，能在一定程度上验证模型的准确性。我们根据吉林大学2006年的财务数据，计算出财务指标值及风险指数（见表9）。从吉林大学的偿债比率来看，年末借款总额占总经费收入的比重X1、学校累计借款总额占总资产的比率X2、学校借入款项占学校货币资金的比率X4、借入款项与净资产的比率X5都大大超出正常范围，说明吉林大学负债很多，偿债压力巨大。吉林大学的校产投资收益率X12仅为0.006，投资收益率X13仅为0.004，说明学校的投资收益很少，不良投资较多。另外，学校的自有资金动用比率X17为负，说明其运作能力很低。综合来看，吉林大学的财务风险很大。其F值为负，说明财务风险问题严重，这与实际情况是相符的。

表9 吉林大学2006年财务指标值和财务风险指数

四、研究结论

财务风险预警的方法有很多，应根据我国高校的实际情况，采用计算简便、可操作性强的预警方法。本文采用的因子分析法原理科学明了、计算简便、可操作性强，得出的结论也较为符合实际。

［1］谷文林.高校财务风险现状及分析［J］.现代管理科学，2008(6).

［2］舒敏芬.谈高等学校财务风险及其防范［J］.宁波大学学报（教育科学版）,2005，27（5）.

［3］胡延杰，庞娟娟.Z值模型对中国上市公司的适用性研究［J］.云南财经大学学报，2005，21（6）：86-89.

［4］E I Altman.Managing Credit Risk:A Challenge for the New Millennium［J］.Economic Notes，2002，31（2）:201-214.

［责任编辑：高 巍］

Research of University Financial Risk Evaluation and Forecasting Model

ZHANG Zeng-lian,WU Xue-qin
（School of Economics&Management,Beijing University of Technology,Beijing 100083,China）

Using financial risk prediction analysis as a diagnostic tool,on the basis of dependable accounting information，with the evaluation system for university financial management,which is structured by 19 single financial ratio indexes，and factor analysis tool of SPSS statistic software,finally the author gets 5 irrelevant components，and establishes an forecasting model of financial risk of university.The research is advantageous for the university to systematize the risk prevention,promote investment decision-making to scientific level,and minimize the operating risk.

institutions of higher learning;financial risk;forecasting model;factor analysis

G647

A

2095-106X（2011）01-0001-07

2011-01-05

教育部人文社会科学青年基金项目“我国政府会计准则的制定历程、实施效果与重新构建研究”（编号：10YZC790367）；教育部财务司课题“高校主管部门教育财务管理与决策研究”

张曾莲（1980-），女，湖南长沙人，北京科技大学经济管理学院教师，会计学博士，管理科学与工程博士后，研究方向是教育财务。