论文部分内容阅读
摘 要：房地产企业作为高风险行业，在新常态的经济形势下尤其受到宏观经济波动的影响。本文以江浙沪地区房地产企业作为研究对象，建立三级财务预警指数，并把宏观经济指标融入到三级预警指数体系的构建中。研究显示，三级财务预警指数体系对区分危机型房地产企业和正常型房地产企业具有重要作用，能够有效地帮助企业作出及时的决策。
关键词：宏观经济 财务预警 指数体系
中图分类号：F275 文献标识码：A 文章编号：2096-0298（2017）11（a）-095-03
不论是亚洲的金融危机还是美国的次贷危机都屡次给我们示范了经济领域的“多米诺骨牌效应”，企业的财务危机极有可能导致宏观经济的波动，宏观经济的波动也深深影响企业的持续经营。建立融合宏观经济指标和财务指标的三级财务预警指数体系对于企业预测并预防财务危机的发生具有重要作用。本文将经营活动产生的现金净流量小于零，且当期经营活动、投资活动和筹资活动增加的净现金流小于零的企业定义为财务危机型企业。以43家江浙沪地区A股上市房地产企业为研究样本，研究期间为2003年～2014年。
1 宏观经济指标的确定及其影响的滞后程度
1.1 宏观经济指标的建立
构建财务指数与宏观经济指标的预警矩阵的前提是通过实证研究选择对企业财务危机的发生具有显著影响的宏观经济指标，并确定宏观经济指标对企业影响的滞后程度。遵循敏感性、可获得性和可配比性的原则，选择财务危机比率（财务危机型企业数量/样本企业数量）、GDP增长率、工业增加值增长率、M2增长率、固定资产投资增长率和宏观经济景气指数作为变量分析研究宏观经济指标对财务危机影响的显著性。同时分析其影响的滞后程度，构建模型如下：
以半年作为一个会计周期，其中i=0，1，2，当i=0时模型为当期，i=1时模型滞后一期，i=2时为模型滞后两期。
1.2 宏观经济指标的筛选及其影响滞后程度的确定
根据上述模型，将江浙沪地区A股房地产行业的数据与宏观经济指标进行分析后得到表1所示的回归分析结果。工业增加值增长率在当期、滞后一期的模型中表现出显著负相关；固定资产投资增长率在当期、滞后两期的模型中表现出显著负相关；宏观经济景气指数在当期、滞后一期、滞后两期的模型中均表现为显著的正相关。不论是从表现显著的宏观经济指标个数来看，还是从模型的拟合度分析，均是当期的模型较好。
综合回归分析的结果，选择当期的宏观经济景气指数作为构建房地产行业财务综合指数预警模型的宏观经济指数，即房地产行业受宏观经济波动的影响非常迅速，当期就能体现出来；宏观经济状况越好，房地产行业发生财务危机的可能性越低。
2 财务综合指数的构建
企业的生产经营过程分为经营活动、投资活动、筹资活动三大子系统，采用层次分析法，通过建立基础的指标指数，构建经营指数、投资指数、筹资指数三大子系统指数，并最终构建财务综合指数。
结合房地产行业特性，将财务危机型房地产企业与正常型房地产企业的财务指標进行分组，从中选出存在显著性差异的财务指标。对于越大越好型、越小越好型财务指标，本文采用SPSS软件的独立样本t检验，设定的置信区间为90%，当双尾概率P值小于0.1时，说明均值存在显著性差异。对于区间适中型指标，本文采用排序观察法，对建模期每个会计期间的所有样本依据该财务指标数值大小进行排序，然后观察危机型企业的数值是否绝大大多数（≥50%）分布于两端，若是则说明该财务指标对于危机型企业与正常企业来说具有显著差异。对于上述通过独立样本t检验和排序法观察初步确定的财务指标，将其按经营财务指标、筹资财务指标、投资财务指标分组进行相关性检验并分析比较相关系数和显著性水平。
2.1 指标指数
其中，xij表示第j期每个样本企业财务指标的数值，mj表示第j期该财务指标的预警下限值，Mj表示第j期该财务指标的预警上限值，q表示正常范围内的样本均值。
指标指数构建的关键是确定财务指标的预警上下限，同一行业、不同年度每个企业财务指标会不断地变动，本文确定的财务指标预警上下限是同一行业、同一会计期间内在样本企业中所处的位置。2003年～2012年江浙沪地区房地产行业样本企业中财务危机型企业所占的比例平均为30%，通过分析比较样本企业财务指标频数分布情况，上限80%，下限20%的指标为：营业收入增长率（指数模型（3））、应收账款与收入比（指数模型（3））、资产负债率（指数模型（3））、留存收益资产比（指数模型（3））、总资产增长率（指数模型（3））。上限90%，下限30%的指标为：现金与利润总额比（指数模型（1））、销售净利率（指数模型（1））、现金流量净额比带息债务（指数模型（1））、现金流利息保障倍数（指数模型（1））、全部现金回收率（指数模型（1））、现金再投资比率（指数模型（1））。上限70%，下限10%的指标为：市净率 （指数模型（2））。
2.2 子系统指数
经营指数、筹资指数、投资指数三大子系统指数的构建采用层次分析法（The Analytic Hierarchy Process，以下简称 AHP），通过构造成对比矩阵，计算权向量并做一致性检验，来确定各个指标指数的权重系数。通过对江浙沪地区房地产行业2003年～2012年个体指数的分析计算，最终构建了这两个行业的经营指数、筹资指数、投资指数，各个子系统指数中指标指数的权重系数如下：营业收入增长率（0.096703）、应收账款与收入比（0.096703）、现金与利润总额比（0.554945）、销售净利润（0.251649）、现金流量净额比带息债务（0.491944）、现金流利息保障倍数（0.309305）、资产负债率（0.136194）、市净率（0.062557）、全部现金回收率（0.542328）、现金再投资比率（0.233302）、留存收益资产比（0.084673）、总资产增长率（0.139697）。 2.3 财务综合指数
财务综合指数由三大子系统指数构成，包括经营指数、投资指数和筹资指数，各个指数权重的确定本文也采用层次分析法。房地产行业是一个投资巨大、回收缓慢、回报丰厚、具有高风险的极其复杂的系统工程，生产周期长、资产负债率高、投融资金额大是其经营特性。因此，房地产行业运营过程中经营风险、筹资风险、投资风险均较大，容易出现资金链断裂引发的财务危机。根据房地产行业的特性，本文确定的房地产行业财务综合指数为：
房地产行业财务综合指数=0.4*经营指数+0.3*投资指数+0.3*筹资指数
3 预警矩阵的构建
宏观经济形势的变动显著影响着企业的运营状况，不同的经济形势下相同的财务指数所显示的企业的健康状况往往存在差异。本文对选定的宏观经济景气指数年度间的变化程度进行了分析，观察数值的分布情况，分清建模期各阶段的宏观经济形势，并在此基础上确定相应财务指数的预警临界值，从而建立财务综合指数与宏观经济景气指数的预警矩阵。
房地产行业财务综合指数预警矩阵由财务综合指数与宏观经济景气指数的预警指数构成。本文的建模期为2003年～2012年10年共20期数据，考虑宏观经济景气预警指数的影响为当期，因此预警指数为2003年06月30日至2012年12月31日的预警指数共20个。本文以83.3、100、116.7三个临界值将建模期的整体宏观经济形势分为4个级别。
房地产行业财务危机发生概率与宏观经济景气预警指数变化呈现负相关。不同经济形势下，财务综合指数的预警临界值也相应改变，经济偏热时，预警临界值的设定应偏低；经济偏冷时，预警临界值的设定应偏高。结合宏观经济的景气程度，观察建模期各个会计期间样本企业财务综合指数数值的大小， 本文确定了0.10（宏观经济景气指数63.3～83.3）、0.05（宏观经济景气指数83.3～100）、0（宏观经济景气指数100～116.7）、-0.05（宏观经济景气指数116.7～136.7）四个财务综合指数预警临界值，分别对应偏冷、正常偏冷、正常偏热和偏热的经济运行状态。
确定了建模期经济运行状态和财务综合指数预警临界值，将两者相结合构建了图1所示的房地产行业财务综合指数预警矩阵。矩阵的横轴以宏观经济景气指数表示。矩阵的纵轴以财务综合指数表示1。以宏观经济景气指数的各个临界值与对应的财务综合指数预警临界值交汇的点作为矩阵坐标原点，可以获得四个矩阵坐标原点A（83.3，0.10）、B（100，0.05）、C（116.7，0）、D（136.7，-0.05），建立四個预警坐标。
四种经济运行状态下各有一个危机潜伏区，潜伏区的大小由相邻的财务综合指数预警临界值和宏观经济景气指数临界值决定。处于潜伏区内的企业存在潜在的财务危机，该区域内财务综合指数接近预警临界值，受宏观经济的影响较大，宏观经济一旦变差，企业就会陷入财务危机。各个潜伏区上方的区域为无警区，处于该区域内的企业的财务状况良好，财务综合指数越大，宏观经济状况越好，企业的经营就越稳健，发生财务危机的概率就越低。
各个潜伏区下方的区域为危机区，处于该区域内表示企业已经陷入了财务危机。
4 矩阵预警效果实证分析
从预警准确率来看，建模20期的平均准确率达到85.14%，预警效果良好。2013年～2014年4个验证期财务综合指数预警矩阵的预警结果统计数据，结果显示，验证期预警的平均准确率75.63%低于建模期，平均误判率（正常企业误判为危机型企业）46.16%高于建模期，预警效果较建模期稍差；但验证期年度会计期间预警的准确率达到了88.89%、83.33%，高于建模期的77.35%。从数据上分析，建模期构建的房地产行业财务综合指数预警矩阵在未来的会计期间也将能有效地预测企业财务危机。
本文通过研究表明，包含宏观经济波动的财务预警指数能更有效地预测财务危机的发生。但是同一地区、不同行业将存在较大差异，应根据实际情况分门别类构建行业专有的财务指数预警体系。
参考文献
[1] 梁飞媛，叶青.解析基于宏观经济波动的财务预警指数体系构建[J].山西财经大学学报，2016（S2）.
[2] 梁飞媛.基于宏观经济波动的财务预警矩阵实证研究[J].山西财经大学学报，2016（S2）.
[3] 王化成，陆凌，张昕，张伟华.加强会计指数研究全面提升会计在经济社会发展中的影响力[J].会计研究，2012（11）.
[4] 崔洁.我国制造业上市公司财务危机预警模型构建研究[D].陕西师范大学，2011.
[5] Altman E.L.Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance，1968，4（9）.
关键词：宏观经济 财务预警 指数体系
中图分类号：F275 文献标识码：A 文章编号：2096-0298（2017）11（a）-095-03
不论是亚洲的金融危机还是美国的次贷危机都屡次给我们示范了经济领域的“多米诺骨牌效应”，企业的财务危机极有可能导致宏观经济的波动，宏观经济的波动也深深影响企业的持续经营。建立融合宏观经济指标和财务指标的三级财务预警指数体系对于企业预测并预防财务危机的发生具有重要作用。本文将经营活动产生的现金净流量小于零，且当期经营活动、投资活动和筹资活动增加的净现金流小于零的企业定义为财务危机型企业。以43家江浙沪地区A股上市房地产企业为研究样本，研究期间为2003年～2014年。
1 宏观经济指标的确定及其影响的滞后程度
1.1 宏观经济指标的建立
构建财务指数与宏观经济指标的预警矩阵的前提是通过实证研究选择对企业财务危机的发生具有显著影响的宏观经济指标，并确定宏观经济指标对企业影响的滞后程度。遵循敏感性、可获得性和可配比性的原则，选择财务危机比率（财务危机型企业数量/样本企业数量）、GDP增长率、工业增加值增长率、M2增长率、固定资产投资增长率和宏观经济景气指数作为变量分析研究宏观经济指标对财务危机影响的显著性。同时分析其影响的滞后程度，构建模型如下：
以半年作为一个会计周期，其中i=0，1，2，当i=0时模型为当期，i=1时模型滞后一期，i=2时为模型滞后两期。
1.2 宏观经济指标的筛选及其影响滞后程度的确定
根据上述模型，将江浙沪地区A股房地产行业的数据与宏观经济指标进行分析后得到表1所示的回归分析结果。工业增加值增长率在当期、滞后一期的模型中表现出显著负相关；固定资产投资增长率在当期、滞后两期的模型中表现出显著负相关；宏观经济景气指数在当期、滞后一期、滞后两期的模型中均表现为显著的正相关。不论是从表现显著的宏观经济指标个数来看，还是从模型的拟合度分析，均是当期的模型较好。
综合回归分析的结果，选择当期的宏观经济景气指数作为构建房地产行业财务综合指数预警模型的宏观经济指数，即房地产行业受宏观经济波动的影响非常迅速，当期就能体现出来；宏观经济状况越好，房地产行业发生财务危机的可能性越低。
2 财务综合指数的构建
企业的生产经营过程分为经营活动、投资活动、筹资活动三大子系统，采用层次分析法，通过建立基础的指标指数，构建经营指数、投资指数、筹资指数三大子系统指数，并最终构建财务综合指数。
结合房地产行业特性，将财务危机型房地产企业与正常型房地产企业的财务指標进行分组，从中选出存在显著性差异的财务指标。对于越大越好型、越小越好型财务指标，本文采用SPSS软件的独立样本t检验，设定的置信区间为90%，当双尾概率P值小于0.1时，说明均值存在显著性差异。对于区间适中型指标，本文采用排序观察法，对建模期每个会计期间的所有样本依据该财务指标数值大小进行排序，然后观察危机型企业的数值是否绝大大多数（≥50%）分布于两端，若是则说明该财务指标对于危机型企业与正常企业来说具有显著差异。对于上述通过独立样本t检验和排序法观察初步确定的财务指标，将其按经营财务指标、筹资财务指标、投资财务指标分组进行相关性检验并分析比较相关系数和显著性水平。
2.1 指标指数
其中，xij表示第j期每个样本企业财务指标的数值，mj表示第j期该财务指标的预警下限值，Mj表示第j期该财务指标的预警上限值，q表示正常范围内的样本均值。
指标指数构建的关键是确定财务指标的预警上下限，同一行业、不同年度每个企业财务指标会不断地变动，本文确定的财务指标预警上下限是同一行业、同一会计期间内在样本企业中所处的位置。2003年～2012年江浙沪地区房地产行业样本企业中财务危机型企业所占的比例平均为30%，通过分析比较样本企业财务指标频数分布情况，上限80%，下限20%的指标为：营业收入增长率（指数模型（3））、应收账款与收入比（指数模型（3））、资产负债率（指数模型（3））、留存收益资产比（指数模型（3））、总资产增长率（指数模型（3））。上限90%，下限30%的指标为：现金与利润总额比（指数模型（1））、销售净利率（指数模型（1））、现金流量净额比带息债务（指数模型（1））、现金流利息保障倍数（指数模型（1））、全部现金回收率（指数模型（1））、现金再投资比率（指数模型（1））。上限70%，下限10%的指标为：市净率 （指数模型（2））。
2.2 子系统指数
经营指数、筹资指数、投资指数三大子系统指数的构建采用层次分析法（The Analytic Hierarchy Process，以下简称 AHP），通过构造成对比矩阵，计算权向量并做一致性检验，来确定各个指标指数的权重系数。通过对江浙沪地区房地产行业2003年～2012年个体指数的分析计算，最终构建了这两个行业的经营指数、筹资指数、投资指数，各个子系统指数中指标指数的权重系数如下：营业收入增长率（0.096703）、应收账款与收入比（0.096703）、现金与利润总额比（0.554945）、销售净利润（0.251649）、现金流量净额比带息债务（0.491944）、现金流利息保障倍数（0.309305）、资产负债率（0.136194）、市净率（0.062557）、全部现金回收率（0.542328）、现金再投资比率（0.233302）、留存收益资产比（0.084673）、总资产增长率（0.139697）。 2.3 财务综合指数
财务综合指数由三大子系统指数构成，包括经营指数、投资指数和筹资指数，各个指数权重的确定本文也采用层次分析法。房地产行业是一个投资巨大、回收缓慢、回报丰厚、具有高风险的极其复杂的系统工程，生产周期长、资产负债率高、投融资金额大是其经营特性。因此，房地产行业运营过程中经营风险、筹资风险、投资风险均较大，容易出现资金链断裂引发的财务危机。根据房地产行业的特性，本文确定的房地产行业财务综合指数为：
房地产行业财务综合指数=0.4*经营指数+0.3*投资指数+0.3*筹资指数
3 预警矩阵的构建
宏观经济形势的变动显著影响着企业的运营状况，不同的经济形势下相同的财务指数所显示的企业的健康状况往往存在差异。本文对选定的宏观经济景气指数年度间的变化程度进行了分析，观察数值的分布情况，分清建模期各阶段的宏观经济形势，并在此基础上确定相应财务指数的预警临界值，从而建立财务综合指数与宏观经济景气指数的预警矩阵。
房地产行业财务综合指数预警矩阵由财务综合指数与宏观经济景气指数的预警指数构成。本文的建模期为2003年～2012年10年共20期数据，考虑宏观经济景气预警指数的影响为当期，因此预警指数为2003年06月30日至2012年12月31日的预警指数共20个。本文以83.3、100、116.7三个临界值将建模期的整体宏观经济形势分为4个级别。
房地产行业财务危机发生概率与宏观经济景气预警指数变化呈现负相关。不同经济形势下，财务综合指数的预警临界值也相应改变，经济偏热时，预警临界值的设定应偏低；经济偏冷时，预警临界值的设定应偏高。结合宏观经济的景气程度，观察建模期各个会计期间样本企业财务综合指数数值的大小， 本文确定了0.10（宏观经济景气指数63.3～83.3）、0.05（宏观经济景气指数83.3～100）、0（宏观经济景气指数100～116.7）、-0.05（宏观经济景气指数116.7～136.7）四个财务综合指数预警临界值，分别对应偏冷、正常偏冷、正常偏热和偏热的经济运行状态。
确定了建模期经济运行状态和财务综合指数预警临界值，将两者相结合构建了图1所示的房地产行业财务综合指数预警矩阵。矩阵的横轴以宏观经济景气指数表示。矩阵的纵轴以财务综合指数表示1。以宏观经济景气指数的各个临界值与对应的财务综合指数预警临界值交汇的点作为矩阵坐标原点，可以获得四个矩阵坐标原点A（83.3，0.10）、B（100，0.05）、C（116.7，0）、D（136.7，-0.05），建立四個预警坐标。
四种经济运行状态下各有一个危机潜伏区，潜伏区的大小由相邻的财务综合指数预警临界值和宏观经济景气指数临界值决定。处于潜伏区内的企业存在潜在的财务危机，该区域内财务综合指数接近预警临界值，受宏观经济的影响较大，宏观经济一旦变差，企业就会陷入财务危机。各个潜伏区上方的区域为无警区，处于该区域内的企业的财务状况良好，财务综合指数越大，宏观经济状况越好，企业的经营就越稳健，发生财务危机的概率就越低。
各个潜伏区下方的区域为危机区，处于该区域内表示企业已经陷入了财务危机。
4 矩阵预警效果实证分析
从预警准确率来看，建模20期的平均准确率达到85.14%，预警效果良好。2013年～2014年4个验证期财务综合指数预警矩阵的预警结果统计数据，结果显示，验证期预警的平均准确率75.63%低于建模期，平均误判率（正常企业误判为危机型企业）46.16%高于建模期，预警效果较建模期稍差；但验证期年度会计期间预警的准确率达到了88.89%、83.33%，高于建模期的77.35%。从数据上分析，建模期构建的房地产行业财务综合指数预警矩阵在未来的会计期间也将能有效地预测企业财务危机。
本文通过研究表明，包含宏观经济波动的财务预警指数能更有效地预测财务危机的发生。但是同一地区、不同行业将存在较大差异，应根据实际情况分门别类构建行业专有的财务指数预警体系。
参考文献
[1] 梁飞媛，叶青.解析基于宏观经济波动的财务预警指数体系构建[J].山西财经大学学报，2016（S2）.
[2] 梁飞媛.基于宏观经济波动的财务预警矩阵实证研究[J].山西财经大学学报，2016（S2）.
[3] 王化成，陆凌，张昕，张伟华.加强会计指数研究全面提升会计在经济社会发展中的影响力[J].会计研究，2012（11）.
[4] 崔洁.我国制造业上市公司财务危机预警模型构建研究[D].陕西师范大学，2011.
[5] Altman E.L.Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance，1968，4（9）.