基于AHP与信息熵的制造企业财务风险预警研究
2014-04-29李赫吕文岱张雁郭明累
李赫 吕文岱 张雁 郭明累
[摘 要] 以上市制造企业被特别处理作为出现财务风险的标志,选取沪深两市2010年和2011年首次被特别处理的制造企业为研究对象,以其被特别处理前一年的数据为依据,同时随机选取相同数量的非特别处理制造企业作为配对样本进行相应实证分析,提出了新的制造企业的财务风险预警指标体系。通过层次分析法与信息熵方法,借助Yaahp及SAS软件确定了各指标的主客观权重并建立了制造企业财务风险预警模型,实证分析显示模型的预测正确率可达86.7%。
[关键词] 财务风险;层次分析法;信息熵;特别处理;制造业
doi : 10 . 3969 / j . issn . 1673 - 0194 . 2014 . 12. 001
[中图分类号] F275 [文献标识码] A [文章编号] 1673 - 0194(2014)12- 0002- 05
1 引 言
制造业作为实体经济的重要组成部分,成为一个国家经济的基础和支柱。对于许多国家而言,制造业对促进经济发展的重要作用是其他行业无法代替的。尤其入世后,我国的制造业飞速发展并成为带动社会发展及拉动经济增长的重要动力,其相应总产值在国际市场中占有的份额不断提高,于2009年达1.6万亿美元,居全球第二;于2010年达1.955万亿美元,在全球制造业总产值中所占的比例为19.8%,首次超过美国(19.4%),位列第一[1]。
截至2010年末,沪深两市A股上市公司的数量己达2 041家,此类企业逐渐成为我国经济发展的中坚力量。美国的次贷危机引发的金融海啸及欧盟近年来的债务危机均严重影响了我国经济市场环境的稳定,出现亏损或破产的上市公司数量急剧增加。财务风险关系到企业能否在残酷的市场竞争中生存和发展,公司一旦存在严重的财务风险,则可能对股东、债权人等利益相关者造成巨大经济损失。财务风险实质为企业财务状况的不确定性,体现为企业资金收益下降或断裂的可能性。财务风险具体指企业在一定时间内由于各种不可预测及控制的内外部不确定因素,使得企业资金收益下降或资金流断裂,从而对企业的短期和长期目标产生负面影响的可能性。企业应具备预见性和危机意识,在日常经营过程中对企业的财务状况进行跟踪和监控,及时发现并将企业潜在的风险通知相关管理者以采取相应措施,消除或减弱财务风险对企业的破坏。因此,建立企业财务风险预警模型,对企业尤其是上市公司,有非常重要的实践意义。
随企业规模不断扩大,企业财务环境也随之发生变化。西方学者首先将研究重点转移至财务风险管理方面的研究,其中Beaver[2]提出单变量模型,选取158家公司为研究对象的同时,选取30个变量并对其预测能力进行检验,最后确定判别效果最好的两个变量——营运资本流/负债和净利润/总资产。Altman[3]在单变量模型的基础上,选取66家公司作为样本进行配对分析,据分析结果选择了22个变量作为备选变量,依据正确率最大的原则,最终筛选出留存收益/资产总额、股东权益市场价值/总负债账面价值等5个变量作为判别变量并构建了Z值模型。Ohlson[4]应用新的数据搜集方法和多元逻辑回归模型进行企业破产预测的研究,发现4类变量显著影响公司破产的概率,即企业规模、资产负债率、经营状况和变现能力。
国内对财务风险预测研究起步相对较晚。向德伟[5]对Altman建立的Z值模型对我国经济环境中企业的适用性进行实证研究,检验结果基本支持Z值模型在我国的有效性,但某些公司的Z值却存在较大偏差。周首华 等[6]以Z值模型为基础,加入现金流量指标,选择1977-1990年的62家公司为样本,通过两两配对分析建立了F值模型。为了能够更加符合我国证券市场的实际情况,杨淑娥[7]基于Z值模型并应用主成分分析法选取134家公司进行配对分析并提出Y值模型;在后续研究中将上述样本代回至建立的模型进行检验,发现模型的回判正确率高达86%。吴应宇 等[8]筛选出净利润率、应收账款周转率等15个分析指标,建立了Logistic回归模型,运用因子分析法对相关研究进行修正,通过实证研究证明建立的财务风险预警模型的预测准确率为85%,具有较好的稳定性。
由于上市公司的财务数据公开,以上市公司为研究对象的财务风险研究近期已成为学术界的热点问题。刘开瑞[9]以香梨股份有限公司为例,采用Z-Score 模型对上市公司进行财务预警分析,指出 Z值模型对上市企业财务预测的准确性会随着时间的推移而降低。吴芃[10]利用统计分析方法预测上市公司财务风险。吴倩[11]在研究过程中加入非财务指标以提高预测风险的准确性,指出引入DEA 效率值并不能提高模型预警的准确性。刘俊奇[12]与冯月平[13]分别采用Logistic 回归建立了我国物流业和制造业上市企业的财务风险预警模型。陶娅[14]对我国上市公司财务风险预警的理论发展进行了总结。
2 制造企业的财务风险预警模型
不同行业具有不同特征,相同财务指标对不同行业的财务风险预测有不同的重要性。因此,建立针对行业的财务风险预警模型具有显著的实际意义。
2.1 财务指标的选择
通过财务报告分析企业的财务风险,而财务报告建立在财务指标基础上。因此,财务风险分析的基础正是形成分析报告的财务指标。冯敏[15]在研究国内外关于财务风险预警指标体系相关文献的基础上构建了一个财务风险预警指标体系。何峰[16]以企业经营为切入点,从定性和定量两个方面分析企业财务风险预警指标,建立了一个企业财务风险预警指标体系。沈亭[17]对我国信托行业的财务风险进行相关研究,建立了适合信托行业的财务风险预警指标体系,通过层次分析法获取了各指标的权重进而分析和总结财务指标对信托行业财务风险预警的重要性。林艳红[18]研究了财务风险指标的预测能力,提出如财务指标的均值在被特别处理(Special Treatment, 简写为ST)前3年中有显著差异,则该指标具有较理想的预测能力;同时结合二元选择模型确定出具有良好判别力的分析指标,该类指标可分为6类:短期偿债能力、长期偿债能力、盈利能力、现金流量、营运能力和发展能力。
基于以上研究,提出制造企业财务风险指标体系见表1。
其中正向指标表示该指标值越大则其财务风险越大,即财务状况越差;负向指标表示该指标值越大则其财务风险越小,即财务状况越好。为达到一致化效果,在最终的模型表达式中,正向指标前用负号,负向指标前用正号,综合指标值越大说明企业的财务状况越好,企业陷入财务危机的可能性越小;综合指标值越小说明企业的财务状况越差,企业陷入财务危机的可能性越大。
2.2 指标权重的确定
确定指标权重的方法主要分为主观方法和客观方法,无论主观方法或客观方法均存有某些缺点。主观方法在根据指标本身含义确定权重方面具有优势,但客观性较差,易受评价者主观态度的影响;客观方法以实际数据为基础,能够避免主观性的影响,但不能体现评价者对不同指标的重视程度,有时甚至出现确定的权重与实际重要程度相悖的情况。因此,本研究在确定制造企业财务风险评价指标权重时,引入主客观相结合的方法[19-20],发挥主客观方法的各自优势。在主观方法方面选择了比较成熟且应用较广的层次分析法(Analytic Hierarchy Process, 简写为AHP),而客观方法方面选择了具有广泛应用的信息熵方法。
2.2.1 AHP方法确定主观权重
AHP方法由美国运筹学家Saaty首先提出,即将复杂系统分解为很多因素,各因素相互关联,最后构成了一个树形结构,通常包括目标层、准则层和方案层。同层因素通过两两比较构造判断矩阵进而得出指标的相对权重。因此,运用AHP方法需得到指标的两两判断矩阵。据研究需求设计用于层次分析法的调查问卷;对制造企业相关人员访问以收集相关数据;通过Yaahp软件建立层次结构模型并计算出各层指标的权重大小,各指标的权重见表2。
2.2.2 信息熵方法确定客观权重
Shannon[21]于1948年提出信息熵的概念,用于解决信息的量化度量问题。信息熵描述了概率与信息冗余度的关系,其表达式为:
H(x)=-■p(xi)ln p(xi)
式中,xi表示第i个状态值;p(xi)表示第i个状态值出现的概率。
通过信息熵方法确定客观权重,首先需收集制造企业的相关数据,其中行业划分依据中国银监会的分类标准。选择沪深两市2010年和2011年首次被ST的41家制造企业为研究样本,其中公司被ST一般存在两种情况:财务状况异常或其他异常。鉴于探究制造企业的财务风险预警,剔除了由于其他异常而被ST的公司及数据不完整的样本公司,最后得到30家被ST的样本公司。另外,随机选择了30家非ST的制造企业作为配对样本。
确定研究公司后,通过Wind资讯金融终端提取相应数据。软件SAS中的IML过程通过计算指标数据间的差异给出指标的信息熵及其相对重要性(权重),运行结果见表3。
2.3 综合模型的建立
由于AHP方法从专家的经验与认识出发,因此主观权重体现了一个指标对预测财务风险的重要程度,但偶尔出现以下情况:虽某指标非常重要,但该指标可能不具备良好的区别力,此时则无必要对此指标赋予较大权重。相对而言,信息熵方法以客观数据为依据,而客观权重能够体现一个指标的区别力,但仅依靠客观数据,可能导致具备良好区别力的指标对企业财务风险的重要性无法突显,尤其当出现异常数据时,则需降低虽重要却不具备良好区别力的指标所占有的权重,相应提高具备良好区别力的指标的权重。换而言之,将重要但区别力不显著的指标所占有的权重转移一部分至区别力显著但重要性稍低的指标。
综合主客观方法得到的权重,不但弥补主客观方法各自不足,而且在以重要程度为前提的基础上提高模型的整体辨别力,构建制造企业财务风险综合模型。以客观权重对主观权重进行调整的方法确定综合权重,具体阐述为:以主观权重为基础,客观权重体现了指标的区别力,再根据指标的区别力对主观权重进行调整。根据以上方法最终得到制造企业财务风险指标的综合权重,见表4。
通过对制造企业财务风险相关研究进行分析构建了相应指标体系;在AHP方法及信息熵方法的基础上分析并确定了各财务指标的综合权重。因此,制造企业财务风险预警的综合模型为:
G=■(-1)kWinXn
式中,G为公司的得分;Win为第n个财务指标的综合权重;Xn为第n个财务指标的标准化数据。当第n个财务指标为正向指标时,k=1;当第n个财务指标为负向指标时,k=2。
根据建立的制造企业财务风险预警模型并结合待分析公司的标准化财务指标数据,则可计算出公司得分即G值。G值越大,表明公司的财务状况越好,其发生财务风险的概率越小;G值越小,表明公司的财务状况越差,其发生财务风险的概率越大。
3 实证分析
实证分析的数据包括两部分:被ST制造类公司数据和非ST制造类公司数据。该研究采用杨淑娥[7]在研究中所用的回溯方法,将表3中的公司数据回代到建立的模型中分析该模型的预测准确率。
为了消除量纲和数量级对预测的影响,首先需将数据进行标准化,之后将标准化后的各公司财务指标数据代入制造企业财务风险预警综合模型,可得各公司的相应得分。在实证分析过程中,将主观权重与客观权重的乘积进行归一化处理得到所要求的综合权重。
根据之前关于模型得分的讨论可知,一个公司的得分越高,表示此公司的财务风险越小;某公司的得分越低,表示此公司的财务风险越大。如果各公司按其得分的降序排列,根据直观判断,非ST公司由于财务风险小,得分应该高并排在前面;而ST公司由于财务风险大,得分应该低并排在后面。由于进行实证分析的ST公司和非ST公司各30家,从理论上预测,得分排名前30的公司应为非ST公司,而得分排名后30的公司应为ST公司。将此预测与实际结果进行比较,可判断模型的有效性。根据制造企业财务风险预警综合模型计算,各公司的G值和模型判断结果见表5。表5中标有灰色背景的为非ST公司,其他为ST公司。通过计算可知,模型判断正确率达到了86.7%,说明构建的制造企业财务风险预警综合模型具有良好的效果。
4 结 论
相同指标对于不同行业而言,其在预测财务风险方面有不同的重要性。因此,结合行业构建财务风险预警模型更具有实践意义,模型的针对性和有效性也更加贴合实际。鉴于主客观方法确定权重时存在的缺点,将主观方法与客观方法结合以弥补各自不足进而得到各指标的综合权重,较为准确地反映制造行业的财务风险,提高了所构建模型的有效性。同时,指出了各指标在预测制造企业财务风险时的相对重要性。通过实证性检验,经由AHP和信息熵方法建立的制造企业财务风险预警模型获得了86.7%的预测成功率,此效果相对而言较为理想。本文仅给出一种根据主客观权重得到各指标综合权重的方法,同时发现主客观权重结合得到的综合权重是一种有效的制造业财务风险预警方法。利用其他方法进一步依据主观和客观权重得到更合适的综合权重将为后续研究工作。
主要参考文献
[1]任峰. 打造西部制造业基地承接东部产业转移[J]. 商场现代化,2011(665):51-52.
[2]W H Beaver. Financial Ratios as Predictors of Failure[J]. Journal of Accounting Research, 1966 (5): 71-111.
[3]E Altman. Financial Ratios,Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. Journal of Finance, 1968, 23 (4): 589-609.
[4]J A Ohlson. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J]. Journal of Accounting Research, 1980, 18 (1): 109-131.
[5]向德伟. 运用“Z记分法”评价上市公司经营风险的实证研究[J]. 会计研究,2002,11 (10):53-57.
[6]周首华,杨济华,王平. 论财务危机的预警分析——F分数模式[J]. 会计研究,1996(8):8-11.
[7]杨淑娥,徐伟刚. 上市公司财务预警模型——Y分数模型的实证研究[J]. 中国软科学,2003,1 (8): 56-60.
[8]吴应宇,袁陵.基于因子分析的上市公司财务危机预警研究的修正[J]. 东南大学学报,2004,6 (6):19-24.
[9]刘开瑞, 弥莹. 上市公司财务预警Z-Score 模型应用及修正——以“香梨股份”为例[J]. 技术与创新管理,2010(11): 710-713.
[10]吴芃, 蔡秋萍, 吴应宇. 我国上市公司财务危机预警实证研究——基于主成分分析模型、线性判别模型和逻辑回归模型的比较分析[J]. 河海大学学报:哲学社会科学版,2007 (12):31-34.
[11]吴倩. Logistic 回归与贝叶斯网络在上市公司财务预警中的应用研究[D].长春:吉林大学,2011.
[12]刘俊奇, 郭苗苗, 姜宝山. 我国上市物流企业财务风险预警分析[J]. 中国管理科学,2011,19 (B):118-123.
[13]冯月平. Logistic 财务预警回归模型的构建与检验——以我国制造业上市公司为例[D].青岛:青岛理工大学,2010.
[14]陶娅.上市公司财务风险预警文献综述[J]. 中国管理信息化,2011,14 (24):10-12.
[15]冯敏. 企业财务风险指标体系的构建[J]. 西部财会,2005(3):25-26.
[16]何峰. 企业财务风险预警指标体系的构建: 基于经营视角的分析[J]. 商场现代化,2006(488):229-229.
[17]沈亭. 我国信托公司财务风险评价的研究[D]. 北京: 北京化工大学,2010.
[18]林艳红. 中国制造业上市公司财务风险评价实证研究[D]. 北京: 北京化工大学,2010.
[19]冯义,李洪东,田廓,等.基于熵权和层次分析法的电力客户风险评估及其规避[J].继电器,2007,35(24):67-73.
[20]许叶军, 达庆利. 基于理想点的多属性决策主客观赋权法[J]. 工业工程与管理,2005(4):45-47.
[21]C E Shannon. A Mathematical Theory of Communication[J]. ACM SIGMOBIL Mobile Computing and Communications Review, 2001, 5 (1): 3-55.