胡玲燕 朱家明 劉爽

摘要：針對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警，采用層次分析法和基于模糊數(shù)學(xué)隸屬度的模糊綜合評(píng)價(jià)法，構(gòu)建出包含4個(gè)一級(jí)指標(biāo)和14個(gè)二級(jí)指標(biāo)的財(cái)務(wù)預(yù)警指標(biāo)體系，并基于江蘇某房地產(chǎn)股份有限公司的2017年財(cái)務(wù)數(shù)據(jù)，對(duì)該公司的財(cái)務(wù)風(fēng)險(xiǎn)情況進(jìn)行定性和定量分析，并判斷該公司財(cái)務(wù)風(fēng)險(xiǎn)等級(jí)，然后對(duì)評(píng)價(jià)結(jié)果進(jìn)行合理分析并提出有效降低財(cái)務(wù)風(fēng)險(xiǎn)的建議。該模型可廣泛應(yīng)用于其他房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警。

關(guān)鍵詞：企業(yè)財(cái)務(wù)風(fēng)險(xiǎn);預(yù)警模型;層次分析;模糊綜合評(píng)價(jià)

中圖分類號(hào)：F069.9文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：2095-5383（2019）02-0064-05

Abstract：In view of enterprise financial risk early warning， the analytic hierarchy process and the fuzzy comprehensive evaluation method based on the membership degree of fuzzy mathematics were adopted to construct a financial early warning indicator system? with? first-level indicators and 14 second-level indicators. According to the 2017 financial data of a real estate company in Jiangsu， the financial risk of the company was analyzed qualitatively and quantitatively， and the financial risk level of the company was judged. Then a reasonable analysis of the evaluation results was made and effective ways to reduce financial risks was proposed. This model can be widely used in other real estate companies for financial risk analysis.

Keywords：? enterprise financial risk; early warning model; AHP; fuzzy comprehensive evaluation

隨著我國(guó)經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，我國(guó)房地產(chǎn)企業(yè)在邁入新階段的同時(shí)也迎來(lái)新挑戰(zhàn)。在房地產(chǎn)開發(fā)投資膨脹和房地產(chǎn)規(guī)模不斷擴(kuò)大的同時(shí)，房地產(chǎn)企業(yè)在生產(chǎn)經(jīng)營(yíng)中面臨著更多的不確定因素，承擔(dān)著巨大的壓力。我國(guó)約47%的企業(yè)倒閉是源于財(cái)務(wù)問(wèn)題，且主要是因其財(cái)務(wù)風(fēng)險(xiǎn)控制能力不足[1]。此外，隨著政府對(duì)房地產(chǎn)市場(chǎng)的調(diào)控力度加大，房地產(chǎn)投資增速明顯放緩且面臨著巨大的資金需求壓力，因此做好財(cái)務(wù)風(fēng)險(xiǎn)的防范和預(yù)警尤為重要。

Fitzpatrick[2]采用單變量分析方法和財(cái)務(wù)比率指標(biāo)對(duì)公司財(cái)務(wù)情況進(jìn)行判斷，方法簡(jiǎn)單方便，但也存在著評(píng)價(jià)判斷不準(zhǔn)確等缺點(diǎn)。Beaver[3]采用財(cái)務(wù)保障率和資產(chǎn)收益率等指標(biāo)建立了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，發(fā)現(xiàn)該模型預(yù)警能力優(yōu)于單變量模型。Zhang等[4]利用模糊綜合評(píng)價(jià)法對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行分析，認(rèn)為能否有效地識(shí)別不同類型的投資風(fēng)險(xiǎn)是分析問(wèn)題的關(guān)鍵。吳世農(nóng)等[5]提出企業(yè)破產(chǎn)的分析指標(biāo)，并分別利用單變量和多變量模型預(yù)測(cè)企業(yè)破產(chǎn)的可能性。劉瑩等[6]利用模糊綜合評(píng)價(jià)模型對(duì)10家企業(yè)進(jìn)行了實(shí)證研究，并綜合利用層次分析法和熵權(quán)法確定指標(biāo)權(quán)重。劉佼等[7]則利用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)成都市房地產(chǎn)業(yè)進(jìn)行實(shí)證研究。而國(guó)內(nèi)外的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型多是針對(duì)于某個(gè)行業(yè)，本文將建立財(cái)務(wù)預(yù)警模型并對(duì)江蘇某股份有限公司進(jìn)行有針對(duì)性的深入分析。

1 基于AHP對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的評(píng)價(jià)

1.1 研究思路

首先對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行分析，借鑒國(guó)務(wù)院國(guó)資委頒布的《2018年企業(yè)績(jī)效評(píng)價(jià)標(biāo)準(zhǔn)值》中的評(píng)價(jià)指標(biāo)，最后選取了經(jīng)營(yíng)能力、營(yíng)業(yè)能力、償債能力、發(fā)展能力4類共14個(gè)指標(biāo)作為評(píng)價(jià)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的指標(biāo)。然后采用層次分析法構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，共3層，第1層為總目標(biāo)層，第2層為準(zhǔn)則層，第3層為子準(zhǔn)則層。再綜合已有研究中對(duì)指標(biāo)重要性判別的分析和1～9標(biāo)度法，對(duì)準(zhǔn)則層和子準(zhǔn)則層指標(biāo)的重要性進(jìn)行兩兩判別，得到判別矩陣。然后求出判別矩陣的最大特征值和特征向量，并將特征向量歸一化，得到層次單排序的相對(duì)重要性權(quán)重向量以及一致性指標(biāo)及一致性比例，進(jìn)行一致性檢驗(yàn)[8-9]。

1.2 研究方法

1.2.1 構(gòu)造企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)遞階層次結(jié)構(gòu)

根據(jù)層次分析法，以財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警為目標(biāo)層，以經(jīng)營(yíng)能力、盈利能力、償債能力、發(fā)展能力指標(biāo)作為準(zhǔn)則層，以4類指標(biāo)下的總資產(chǎn)周轉(zhuǎn)率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、總資產(chǎn)報(bào)酬率、營(yíng)業(yè)利潤(rùn)率、凈資產(chǎn)收益率、速動(dòng)比率、資產(chǎn)負(fù)責(zé)率、已獲利息倍數(shù)、總資產(chǎn)增長(zhǎng)率、凈利潤(rùn)增長(zhǎng)率、營(yíng)業(yè)收入增長(zhǎng)率14個(gè)二級(jí)指標(biāo)作為子準(zhǔn)則層，構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警遞階層次結(jié)構(gòu)如圖1。

1.2.2 構(gòu)造比較判別矩陣

整理歸納已有研究對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)重要性的判別，見表1[1，10-12]。

4位作者研究所得指標(biāo)的權(quán)重求平均值為：0.295 7>0.240 6>0.222 2>0.207 4，因此本文最終確定4類指標(biāo)的重要程度由大到小為：盈利能力、經(jīng)營(yíng)能力、發(fā)展能力、償債能力。再結(jié)合各指標(biāo)在企業(yè)財(cái)務(wù)能力評(píng)價(jià)中的重要性，利用1～9標(biāo)度法，對(duì)準(zhǔn)則層和子準(zhǔn)則層內(nèi)部的指標(biāo)進(jìn)行兩兩的重要性判別，得出如下判別矩陣。

其中以第1層次為比較準(zhǔn)則，X計(jì)為第2層次各因素的兩兩判別矩陣。以第2層次的每一個(gè)指標(biāo)為比較準(zhǔn)則，Xi（i=1，2，3，4）計(jì)為第3層的兩兩比較判斷矩陣，分別表示經(jīng)營(yíng)能力、盈利能力、發(fā)展能力、償債能力。

1.2.3 權(quán)重計(jì)算及一致性檢驗(yàn)

本文再將判斷矩陣進(jìn)行列歸一化、行求和、歸一化，得到權(quán)重向量[13]。

利用一次性檢驗(yàn)驗(yàn)證判斷矩陣的合理性，首先計(jì)算判斷矩陣的最大特征值λmax、一致性指標(biāo)CI、一致性比率CR，其中RI值是Satty教授提出的平均隨機(jī)一致性指標(biāo)值[14]。

通過(guò)計(jì)算可得到判斷矩陣，結(jié)果見表2。

1.3 結(jié)果分析

由于CRi<1，所有判斷矩陣通過(guò)一致性檢驗(yàn)，則權(quán)重有效。因此該房地產(chǎn)企業(yè)財(cái)務(wù)指標(biāo)中營(yíng)業(yè)能力占比最大為0.259 2，盈利能力為0.489 4，償債能力為0.094 0，發(fā)展能力為0.157 3。由此可以看出4類一級(jí)指標(biāo)中對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)影響力最強(qiáng)的為盈利能力，其次分別為經(jīng)營(yíng)能力、發(fā)展能力，影響最小的為償債能力。此外，在14個(gè)二級(jí)指標(biāo)中，總資產(chǎn)周轉(zhuǎn)率、營(yíng)業(yè)利潤(rùn)率、資產(chǎn)負(fù)債率、營(yíng)業(yè)增長(zhǎng)率分別在4類指標(biāo)中所占比例最大。

2 基于模糊綜合評(píng)價(jià)對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的分析

2.1 研究思路

根據(jù)相關(guān)資料和《2018年企業(yè)績(jī)效評(píng)價(jià)標(biāo)準(zhǔn)值》對(duì)財(cái)務(wù)指標(biāo)的評(píng)語(yǔ)分類，設(shè)立{安全，輕度，中度，重度，嚴(yán)重}為評(píng)語(yǔ)集，且對(duì)應(yīng)分值為{100，80，60，40，20}，然后根據(jù)績(jī)效標(biāo)準(zhǔn)值中的5個(gè)等級(jí)數(shù)值得到隸屬度函數(shù)。再利用該房地產(chǎn)企業(yè)2017年年報(bào)公布的財(cái)務(wù)信息計(jì)算出各指標(biāo)值，得到不同指標(biāo)的隸屬度矩陣。結(jié)合已經(jīng)求得的權(quán)重系數(shù)，通過(guò)模糊合成算子求得模糊綜合評(píng)價(jià)矩陣，并最后算出企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)值，并根據(jù)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警情況對(duì)照表對(duì)該企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)情況進(jìn)行判斷。

2.2 研究方法

2.1.1 建立隸屬度函數(shù)

設(shè)立{安全，輕度，中度，重度，嚴(yán)重}為評(píng)語(yǔ)集，并根據(jù)2018年企業(yè)績(jī)效評(píng)價(jià)標(biāo)準(zhǔn)值整理得出指標(biāo)隸屬于不同評(píng)語(yǔ)集的數(shù)值，見表3。并引入模糊數(shù)學(xué)隸屬度方法，從而避免兩個(gè)區(qū)間的邊緣數(shù)值差額較小卻存在等級(jí)差額的現(xiàn)象。因此構(gòu)建了升半階梯型隸屬度函數(shù)，隸屬度函數(shù)如下。

其中dij是對(duì)應(yīng)于5個(gè)評(píng)價(jià)集隸屬度的參考值，本文選用2018年企業(yè)績(jī)效評(píng)價(jià)標(biāo)準(zhǔn)值作為參考值。

2.2.2 構(gòu)造隸屬度矩陣及模糊評(píng)價(jià)矩陣

再根據(jù)該企業(yè)公布的年度財(cái)務(wù)數(shù)據(jù)計(jì)算14個(gè)指標(biāo)的數(shù)值，見表4。根據(jù)表4和2018年企業(yè)績(jī)效評(píng)價(jià)標(biāo)準(zhǔn)值可以初步判斷得知該房地產(chǎn)企業(yè)流動(dòng)資產(chǎn)周轉(zhuǎn)率、營(yíng)業(yè)利潤(rùn)率、營(yíng)業(yè)收入增長(zhǎng)率、已獲利息倍數(shù)、流動(dòng)負(fù)債比率指標(biāo)較差。遠(yuǎn)遠(yuǎn)低于了企業(yè)績(jī)效評(píng)價(jià)平均值。然后將指標(biāo)值帶入隸屬度函數(shù)中得到隸屬度矩陣Ri。

然后再結(jié)合已經(jīng)求得的指標(biāo)權(quán)重和隸屬度矩陣Ri，計(jì)算得到各個(gè)準(zhǔn)則層的模糊評(píng)價(jià)子矩陣，進(jìn)而得出模糊評(píng)價(jià)總矩陣Q。

最后計(jì)算得到模糊綜合評(píng)價(jià)總矩陣為：

2.3 結(jié)果分析

然后通過(guò)一級(jí)指標(biāo)的權(quán)重矩陣與模糊綜合評(píng)價(jià)總矩陣變換得到模糊評(píng)判集U，且U=W°Q，其中“°”是M（·，）算子[15]。

并根據(jù)計(jì)分原則得出分?jǐn)?shù)，然后根據(jù)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警情況對(duì)照表判斷該企業(yè)現(xiàn)階段的財(cái)務(wù)風(fēng)險(xiǎn)情況[9-10]，如表5。

由于S=40.86，可知該房地產(chǎn)企業(yè)財(cái)務(wù)處于較危險(xiǎn)情況，部分指標(biāo)異常，財(cái)務(wù)狀況不穩(wěn)定。且根據(jù)具體財(cái)務(wù)數(shù)據(jù)可知，該企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)集中在償債能力類，尤其是資產(chǎn)負(fù)債率過(guò)高，但這也和房地產(chǎn)企業(yè)的經(jīng)營(yíng)方式有關(guān)，該房地產(chǎn)企業(yè)應(yīng)該適當(dāng)?shù)目刂瀑Y產(chǎn)負(fù)債率。但值得一提的是，該房地產(chǎn)企業(yè)發(fā)展能力較強(qiáng)，總資金增長(zhǎng)率及凈利潤(rùn)增長(zhǎng)率均處于行業(yè)中的優(yōu)秀值。

3 結(jié)論與建議

本文以江蘇某房地產(chǎn)股份有限公司2017年財(cái)務(wù)數(shù)據(jù)為研究對(duì)象，運(yùn)用層次分析法和模糊綜合評(píng)價(jià)法，構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型并對(duì)該公司的財(cái)務(wù)風(fēng)險(xiǎn)情況進(jìn)行評(píng)價(jià)，得到如下結(jié)論：1）該財(cái)務(wù)預(yù)警模型與實(shí)際情況相符其具有較強(qiáng)的可操作性，可以進(jìn)行實(shí)際運(yùn)用。2）該企業(yè)財(cái)務(wù)綜合評(píng)價(jià)得分40.86，企業(yè)財(cái)務(wù)處于較危險(xiǎn)情況，部分財(cái)務(wù)指標(biāo)異常，該企業(yè)要引起重視，積極進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警和防控。3）該企業(yè)已獲利息倍數(shù)、流動(dòng)負(fù)債比率遠(yuǎn)遠(yuǎn)低于行業(yè)的平均值，償債能力有待提高，該企業(yè)應(yīng)更加重視償債風(fēng)險(xiǎn)的防控。4）該企業(yè)房地產(chǎn)企業(yè)發(fā)展能力較強(qiáng)，總資產(chǎn)增長(zhǎng)率和凈利潤(rùn)增長(zhǎng)率都處于行業(yè)的優(yōu)秀水平，因此該企業(yè)應(yīng)繼續(xù)保持自身發(fā)展能力優(yōu)勢(shì)。

針對(duì)該公司的財(cái)務(wù)風(fēng)險(xiǎn)情況，提出以下幾點(diǎn)防范建議：加強(qiáng)財(cái)務(wù)風(fēng)險(xiǎn)防范意識(shí)。該房地產(chǎn)企業(yè)應(yīng)制定財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警制度，并定期進(jìn)行預(yù)警分析，組織人員進(jìn)行報(bào)告撰寫并提出對(duì)應(yīng)的降低當(dāng)前財(cái)務(wù)風(fēng)險(xiǎn)的措施，同時(shí)增強(qiáng)員工的財(cái)務(wù)風(fēng)險(xiǎn)意識(shí)。2）維持合理的資產(chǎn)負(fù)債率。由于該房地產(chǎn)企業(yè)資產(chǎn)負(fù)債率過(guò)高，其應(yīng)根據(jù)實(shí)際情況控制負(fù)債規(guī)模，并維持在同行業(yè)的合理范圍內(nèi)，保證企業(yè)的健康發(fā)展，提高企業(yè)償債能力。3）加強(qiáng)費(fèi)用管理，提高盈利能力。該房地產(chǎn)企業(yè)盈利能力指標(biāo)普遍低于同行業(yè)的平均水平，可以加強(qiáng)各費(fèi)用的管理，建立健全費(fèi)用審批制度，進(jìn)而減少不必要的開支，進(jìn)而提高盈利能力。此外，該預(yù)警模型還可推廣用于投資風(fēng)險(xiǎn)評(píng)價(jià)、垃圾處理方式評(píng)價(jià)、水質(zhì)安全評(píng)價(jià)等。

參考文獻(xiàn)：

[1]郭雨晨.基于模糊綜合評(píng)價(jià)的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警管理研究[D].石家莊：河北師范大學(xué)，2017.

[2]FITZPATRICK J.A comparison of ratios of successful industrial enterprises with those of failed firms[J].Certified Public Accountant，1932（3）：656-662.

[3]BEAVER H.Empirical research in accounting：selected studies 1966 || financial ratios as predictors of failure[J].Journal of Accounting Research，1966（4）：71-111.

[4] ZHANG ML，YANG WP.Fuzzy comprehensive evaluation method applied in the real estate investment risks research[J].Physics Procedia，2012（24）：1815-1821.

[5]吳世農(nóng)，黃世忠.企業(yè)破產(chǎn)的分析指標(biāo)和預(yù)測(cè)模型[J].中國(guó)經(jīng)濟(jì)問(wèn)題，1987（6）：8-15.

[6]劉瑩，孫俊鎖，趙健.模糊綜合評(píng)價(jià)在財(cái)務(wù)預(yù)警中的應(yīng)用[J].遼寧科技大學(xué)學(xué)報(bào)，2013，36（2）：159-165.

[7]劉佼，袁紅平.基于人工神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)市場(chǎng)預(yù)警模型研究：以成都市為例[J].工程管理學(xué)報(bào)，2016，30（2）：147-152.

[8]楊桂元，黃己立.數(shù)學(xué)建模[M].2版.合肥：中國(guó)科技技術(shù)出版社，2009.

[9]胡玲燕，朱家明，李春忠.基于FAHP對(duì)我國(guó)生活垃圾處理方式的綜合評(píng)價(jià)[J].遼寧工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2018（4）：265-268.

[10]杜文超.基于模糊層次分析法的融創(chuàng)中國(guó)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究[D].石家莊：河北師范大學(xué)，2018.

[11]蔡曉偉.基于熵權(quán)法的BL公司債項(xiàng)目風(fēng)險(xiǎn)模糊綜合評(píng)價(jià)與控制研究[D].南京：南京大學(xué)，2017.

[12]李敏，劉曉偉，宋悅.水處理行業(yè)上市公司財(cái)務(wù)實(shí)力評(píng)價(jià)研究：基于模糊綜合評(píng)判法[J].遼寧工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2018（1）：47-50.

[13]楊桂元.數(shù)學(xué)建模[M].上海：上海財(cái)經(jīng)大學(xué)出版社，2015.

[14]SAATY T L.How to make a decision：the analytic hierarchy process[J].European Journal of Operational Research，1994（6）：19-43.

[15]謝季堅(jiān).模糊數(shù)學(xué)方法及其應(yīng)用[M].武漢：華中科技大學(xué)出版社，2000.