浅探企业财务风险评价方法

一、企业财务风险的含义及形成

财务风险是指在各项财务活动过程中，由于受各种难以预料或控制的因素影响，造成财务状况不确定而使企业有蒙受损失的可能性（这里指纯粹风险）。财务风险是企业风险货币化的表现形式，根据形成过程划分，一般有以下几种形式：一是筹资风险；二是投资风险；三是信用风险。

二、企业财务风险评价指标设置

一些学者认为，财务风险评价指标应包括盈利能力、资产管理能力、偿债能力、发展潜力，将企业短期财务指标与发展潜力指标相结合，互相补充。还有学者研究财 务预警指标，以现金流量为基础，重点把握两类指标：现金盈利值和现金增加值。这些观点在定量分析方面有重要的贡献，但财务风险是复杂的，笔者认为基本的财 务风险评价指标应包括盈利能力、偿债能力、资产管理能力、成长能力、现金能力指标，因为这些都可能影响一个企业的财务：没有足够的盈利能力，企业不能生 存；不能到期偿债，企业可能宣告破产；资产的使用效率不高，会影响盈利能力；没有利润的增长，企业不会持续生存。另外，企业在可能的情况下还应设置定性指 标，如财务人员的专业水平、财务人员的流动性、管理人员的财务风险意识等。因为随着企业规模的扩大，这些因素既反映企业基本财务状况，又影响财务活动、财 务决策。定量指标见下表：

三、企业财务风险评价的方法

财务风险评价，主要是通过资产负债表、利润表、现金流量表，分析企业财务状况的变动趋势及资产、负债、收益之间的关系，从财务报表的会计信息中挖掘企业内在的财务关系。

（一）财务风险评价的一般方法

１、单变量判定模型。这种方法用单一的财务比率来评价企业财务风险，依据是：企业出现财务困境时，其财务比率和正常企业的财务比率有显著差别。一般认为，比较重要的财务比率是：现金流量／负债总额、资产收益率、资产负债率。

单变量模型将财务指标用于风险评价是一大进步，指标单一，简单易行，但是不可避免会出现评价的片面性。这种方法在人们开始认识财务风险时采用，但随着经营环境的日益复杂、多变，单一的指标已不能全面反映企业的综合财务状况。

２、多元线性评价模型。它的形式是：Ｚ＝１.２ｘ１＋１.４ｘ２＋３.３ｘ３＋０.６ｘ４＋０.９９９ｘ５.Ｚ：判别函数值；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：普通股和优先股市场价值总额／负债账面价值总额；ｘ５：销售收入／资产总额。Ｚ值应在１.８１～ ２.９９之间，Ｚ＝２.６７５时居中。Ｚ＞２。６７５时，企业财务状况良好；Ｚ＜１.８１时，企业存在很大的破产风险；Ｚ值处于１.８１～ ２.９９之间，称为“灰色地带”，这个区间的企业财务极不稳定。

多元线性模型在单一式的基础上趋向综合，且把财务风险概括在某一范围内，这是它的突破，但仍没有考虑企业的成长能力，同时它的假设条件是变量服从多元正态分布，没有解决变量之间的相关性问题。这种方法在现实中比较常见。

３、综合评价法。这种方法认为，企业财务风险评价的内容主要是盈利能力，其次是偿债能力，此外还有成长能力，它们之间大致按５∶３∶２来分配。盈利能力的 主要指标是资产净利率、销售净利率、净值报酬率，按２∶２∶１安排分值；偿债能力有４个常用指标：自有资金比率、流动比率、应收账款周转率、存货周转率， 分值比为１；成长能力有３个指标：销售增长率、净利增长率、人均净利增长率，分值比为１，总分为１００分。

这里的关键是确定标准评分值和标准比率，需要经过长时间实践，主观性比较强。这种方法以及下面的概率模型在应用中很普遍。

４、概率模型。二元Ｌｏｇｉｓｔｉｃ概率函数又称增长函数，其形式为：

Ｐ是二元Ｌｏｇｉｓｔｉｃ函数的计算结果，ａ是常数项，ｂｉ是斜率，ｘｉ是自变量，将上式变形：

计算的结果Ｐ是事件发生的概率，所以将回归因变量的值域定义在（０，１）上。

５、神经网络分析模型。上面的财务风险评价方法是静态的，神经网络分析模型实现了企业财务风险的动态评价。２０世纪９０年代，Ｆｌｅｔｃｈｅｒ，Ｇｏｓｓ 和Ａｌｔｍａｎ等国外研究者将神经网络分析应用于财务预警模型。它由一个输入层、若干中间层和一个输出层构成；它不需要主观定性地判断企业财务风险状态， 但是比较复杂，技术要求高，工作随机性强，所以在应用中易受到限制。

（二）财务风险评价方法的新构思

本文试图以模糊数学理论为基础，将企业财务管理上一些边界不清、不易定量的因素与定量指标相结合，综合地评价财务风险。首先，应用多元统计学原理进行多元 回归和相关性分析，然后找出影响企业财务风险的主要指标；其次，建立模糊隶属函数Ａ，用来计算某一元素ｕ０出现在某一状况下的频率，即ｕ０对Ａ的隶属度。 根据这个原理对不同的财务指标建立模糊隶属函数，用隶属度表示财务风险接近某个类型的程度，再计算综合指标的隶属度，以评价企业财务风险在多大程度上属于 某一类型，从而给出一个风险程度的范围。

具体过程如下：第一步，选择相关财务指标，将可能影响财务风险的财务指标都纳入多元统计模型：

本文利用华中科技大学万希宁、苏秋根对上市公司的分析结果，对各变量进行多元分析，再进行相关性分析，将高度相关的变量消除，避免某些特征重复计算。多元线性方程为：

第二步，根据所选中变量的特点，建立模糊隶属函数。其中，ｘ１、ｘ３、ｘ５、ｘ７、ｘ１３、ｘ１５、ｘ１６属于同一类型，因为这些指标值越大，企业面临的 财务风险越小；ｘ６、ｘ１８属于第二类，因为这些指标值越大，企业面临的财务风险越大。第一类可以利用偏小型Γ模糊分布，第二类可以利用偏大型Γ模糊分 布，每个ｘｉ都有一个模糊分布函数，函数如下：

其中，ａ与ｋ是常数，对不同的ｘｉ有不同的值。

第三步，量化有关定性指标。可以进行问卷调查或专家讨论，对定性因素的重要程度打分，抽象定量化，其中财务人员专业水平和管理者风险意识指标可以采用第一类（偏小型），人员变动情况指标可以采用第二类（偏大型），因为变动越大，风险越大。

第四步，确定各指标权重，包括定量与定性指标，总计为１。权重的大小根据指标在反映财务风险中所起的作用来确定。

第五步，将财务风险分为大、中、小三种模糊分布，分别计算各指标隶属度。

第六步，由企业综合隶属度，确定哪一个模糊分布更合适，判断企业财务风险更偏于哪一类。从理论上讲，这种构思是可行的，但是模型的建立，尤其是各个指标模 糊隶属函数的建立需要大量的企业资料和丰富的经验，不仅需要成功企业的资料，还要分析财务危机企业的历史数据，即这种方法的准备工作比较复杂，但一旦通过 验证，应用起来就很方便。