李永臣 楊智媛

[提要] 新能源行業(yè)高投入、高風(fēng)險及回收周期長等行業(yè)特點使得企業(yè)定期的財務(wù)風(fēng)險評價工作意義重大，文章從償債能力、營運能力、盈利能力、發(fā)展能力、創(chuàng)新能力及政府補助程度共六個方面出發(fā)，構(gòu)建新能源行業(yè)上市公司的財務(wù)風(fēng)險評價指標(biāo)體系，通過熵權(quán)法確定指標(biāo)權(quán)重，運用TOPSIS評價模型對所選取的10家樣本公司進(jìn)行財務(wù)風(fēng)險綜合評價分析并給出了合理化建議。研究結(jié)果表明，熵權(quán)TOPSIS模型能合理有效地對企業(yè)財務(wù)風(fēng)險進(jìn)行評價分析，為新能源行業(yè)財務(wù)風(fēng)險評價提供一種新思路。

關(guān)鍵詞：財務(wù)風(fēng)險評價;新能源行業(yè);熵權(quán)法;TOPSIS法

中圖分類號：F275.5 文獻(xiàn)標(biāo)識碼：A

收錄日期：2020年7月9日

一、引言

近年來，惡化的環(huán)境污染問題、全球氣候變暖趨勢及替代能源的發(fā)展使以化石能源為主的傳統(tǒng)能源行業(yè)面臨嚴(yán)峻的挑戰(zhàn)，新能源行業(yè)的興起及發(fā)展成為全球共同關(guān)注的焦點。因此，加強新能源企業(yè)發(fā)展中財務(wù)風(fēng)險的防范和控制、促進(jìn)新能源行業(yè)健康發(fā)展至關(guān)重要。

財務(wù)風(fēng)險是指在各種內(nèi)外部因素影響下，企業(yè)未實現(xiàn)預(yù)期收益甚至遭受一定經(jīng)濟(jì)損失的可能性。新能源行業(yè)具有高投入、高風(fēng)險及回收周期長等行業(yè)特點，核心技術(shù)及政府政策導(dǎo)向也是其發(fā)展的關(guān)鍵因素。在我國新能源行業(yè)飛速發(fā)展的當(dāng)前，如何提高成本優(yōu)勢、調(diào)整銷售戰(zhàn)略以縮短回收周期以及把控核心技術(shù)以提升市場競爭力成為防范和控制新能源行業(yè)發(fā)展中財務(wù)風(fēng)險的重要環(huán)節(jié)。

相比較我國學(xué)者，國外學(xué)者在財務(wù)風(fēng)險研究方面起步較早。Ohlson（1980）通過多元回歸分析——Logistic方法研究了企業(yè)規(guī)模、資本結(jié)構(gòu)、經(jīng)營績效和現(xiàn)有資產(chǎn)的變現(xiàn)能力對企業(yè)遭遇財務(wù)風(fēng)險的影響程度并建立了財務(wù)危機預(yù)警模型。Odam和Sharda（1990）用不同公司的財務(wù)數(shù)據(jù)驗證了使用BP神經(jīng)網(wǎng)絡(luò)方法進(jìn)行財務(wù)預(yù)測的準(zhǔn)確性要高于多元判別分析法。隨著國外相關(guān)理論的不斷完善，國內(nèi)學(xué)者開始致力于財務(wù)風(fēng)險評價指標(biāo)選擇的研究及財務(wù)風(fēng)險模型的建立。王慶華、楊杏（2015）采用多分類Logistic回歸模型對制造業(yè)上市公司的財務(wù)進(jìn)行研究，結(jié)果表明，償債能力、盈利能力、現(xiàn)金流量能力和成長能力對于企業(yè)財務(wù)風(fēng)險影響顯著。李麗君、司夢倓等（2016）在選取財務(wù)風(fēng)險評價指標(biāo)體系時納入了反映制造業(yè)行業(yè)特點的代表性指標(biāo)，利用多級模糊綜合評價法對制造業(yè)企業(yè)的財務(wù)風(fēng)險進(jìn)行了綜合評價分析。

目前，我國常用的財務(wù)風(fēng)險評價方法有主成分分析法、因子分析法、層次分析法和Logistics回歸分析等方法。本文選取熵權(quán)TOPSIS法進(jìn)行財務(wù)風(fēng)險評價，熵權(quán)法是一種客觀的賦權(quán)方法，其可以根據(jù)樣本本身的數(shù)據(jù)信息得到各評價指標(biāo)的權(quán)重，相比其他方法而言，熵權(quán)法因不涉及主觀賦值因此可以得到更為客觀、合理的各指標(biāo)權(quán)重;TOPSIS法是一種逼近理想解的排序方法，其通過測算各個評價對象在各評價指標(biāo)上的與理想解和負(fù)理想解之間的相對距離，并將相對距離依次排序進(jìn)而進(jìn)行綜合評價。

二、財務(wù)風(fēng)險模型設(shè)計

（一）指標(biāo)選擇。本文選取的指標(biāo)包括一般性財務(wù)指標(biāo)和非財務(wù)指標(biāo)。其中一般性財務(wù)指標(biāo)借鑒前人在進(jìn)行財務(wù)風(fēng)險分析時所選取的財務(wù)指標(biāo)進(jìn)行分析，包括償債能力、盈利能力、營運能力和發(fā)展能力共四個方面15個指標(biāo)，非財務(wù)類指標(biāo)根據(jù)新能源行業(yè)自身生產(chǎn)經(jīng)營特點選取，包括創(chuàng)新能力和政府補助2個指標(biāo)。綜上，本文共確定了17個指標(biāo)，具體指標(biāo)見表1。（表1）

（二）模型構(gòu)建

1、基于熵權(quán)法確定權(quán)重

（1）構(gòu)建評價矩陣。設(shè)有m個指標(biāo)，n個評價對象，形成原始數(shù)據(jù)評價矩陣R=（rij）m×n：

（2）數(shù)據(jù)標(biāo)準(zhǔn)化。由于原始數(shù)據(jù)的量綱、量綱單位以及指標(biāo)的正負(fù)取向均有差異，為了讓數(shù)據(jù)之間具有可比性，需要分別對效益型指標(biāo)和成本型指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。其中效益型指標(biāo)是數(shù)據(jù)越大越好的指標(biāo)，成本型指標(biāo)是數(shù)值越小越好的指標(biāo)。

Ci為各個評價對象的綜合得分，Ci數(shù)值接近于1，說明其得分越高，即該評價對象的財務(wù)風(fēng)險在同行業(yè)中越低，企業(yè)的財務(wù)績效越高;相反，Ci數(shù)值接近于0，說明其得分越低，即該評價對象的財務(wù)風(fēng)險在同行業(yè)中越高，企業(yè)的財務(wù)績效越低。

三、我國新能源行業(yè)上市公司財務(wù)風(fēng)險實證分析

截止至2019年3月，我國滬深交易所新能源行業(yè)A股上市公司共有148家（參考東方財富Choice金融終端數(shù)據(jù)庫），本文在剔除了其中財務(wù)數(shù)據(jù)不全的20家上市公司后，選取了剩余共128家新能源行業(yè)上市公司的2017年財務(wù)數(shù)據(jù)，運用熵權(quán)法計算出所選指標(biāo)的權(quán)重。然后從這128家上市公司中選取了10家新能源相關(guān)業(yè)務(wù)收入占比較大的新能源行業(yè)代表性企業(yè)作為評價對象，通過TOPSIS模型對這10家樣本公司進(jìn)行財務(wù)風(fēng)險評價的實證分析。（表2）

（一）計算各指標(biāo)的熵值與熵權(quán)。由表3可以看出，營運能力和償債能力指標(biāo)所占權(quán)重分別為33.30%和24.37%，兩者所占權(quán)重之和大于50%，然后是發(fā)展能力指標(biāo)，所占權(quán)重為16.72%，最后是政府補助、創(chuàng)新能力和盈利能力指標(biāo)，所占權(quán)重分別為11.83%、9.91%和3.87%。由此可看出，六項一級指標(biāo)中，營運能力、償債能力及發(fā)展能力指標(biāo)對于新能源行業(yè)的財務(wù)風(fēng)險評價影響程度最高，因此，對于新能源行業(yè)企業(yè)而言，這三項指標(biāo)是在進(jìn)行財務(wù)風(fēng)險監(jiān)控過程中需要警惕的首要指標(biāo)。在二級指標(biāo)體系中，償債能力中的現(xiàn)金比率指標(biāo)、營運能力中的存貨周轉(zhuǎn)率指標(biāo)、盈利能力中的成本費用率指標(biāo)和發(fā)展能力中的營業(yè)收入同比增長率指標(biāo)分別是四大能力中所占權(quán)重最大的指標(biāo)，因此這四項指標(biāo)是首應(yīng)警惕的二級財務(wù)指標(biāo)。（表3）

（二）理想解與負(fù)理想解。本文從128家上市公司中選取了10家公司作為樣本進(jìn)行財務(wù)風(fēng)險評價分析，運用MATLAB將這10家公司的17項指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，并結(jié)合上文確定的各項風(fēng)險指標(biāo)的權(quán)重得到加權(quán)標(biāo)準(zhǔn)化決策矩陣，根據(jù)指標(biāo)分類計算各個評價指標(biāo)下的最大值或最小值，進(jìn)而得到各個指標(biāo)的理想解與負(fù)理想解。（表4）

（三）歐式距離與相對貼近度。利用MATLAB得到10家上市公司指標(biāo)數(shù)據(jù)與各指標(biāo)理想解、負(fù)理想解之間的歐式距離和相對貼近度。評價對象的相對貼近度越大，表示其與理想解之間的距離越小，與負(fù)理想解之間的距離越大，其財務(wù)風(fēng)險程度越低;相對貼近度越小，表示其理想解之間的距離越大，與負(fù)理想解之間的距離越小，其財務(wù)風(fēng)險程度越高。（表5）

（四）評價結(jié)果分析

1、償債能力指標(biāo)的評價分析。計算10家樣本公司償債能力指標(biāo)的加權(quán)標(biāo)準(zhǔn)化決策矩陣與償債能力指標(biāo)的理想解、負(fù)理想解之間的相對貼近度，結(jié)果如表6所示?？梢钥闯?，10家新能源行業(yè)上市公司的償債能力相對貼近度排名依次為龍馬環(huán)衛(wèi)、國軒高科、橫店東磁、中國寶安、銀星能源、先導(dǎo)智能、明陽智能、比亞迪、天原集團(tuán)、吉電股份。其中龍馬環(huán)衛(wèi)的相對貼近度為0.8310，在10家樣本公司中排名第一，說明其償債能力在這10家公司中是最強的;吉電股份的相對貼近度為0.0103，在10家樣本公司中排名最后，說明其償債能力在這10家公司中相對較弱。（表6）

2、營運能力指標(biāo)的評價分析。10家樣本公司的營運能力相對貼近度如表7所示?？梢钥闯?，10家新能源行業(yè)上市公司的營運能力相對貼近度排名依次為天原集團(tuán)、吉電股份、橫店東磁、龍馬環(huán)衛(wèi)、比亞迪、先導(dǎo)智能、國軒高科、中國寶安、銀星能源、明陽智能。其中，天原集團(tuán)的相對貼近度為0.7569，在10家樣本公司中排名第一，說明其營運能力在這10家公司中是最強的;明陽智能的相對貼近度為0.0698，在10家樣本公司中排名最后，說明其營運能力在這10家公司中是相對較弱的。（表7）

3、盈利能力指標(biāo)的評價分析。10家樣本公司的盈利能力相對貼近度如表8所示?？梢钥闯?，10家新能源行業(yè)上市公司的盈利能力相對貼近度排名依次為先導(dǎo)智能、國軒高科、橫店東磁、龍馬環(huán)衛(wèi)、比亞迪、明陽智能、中國寶安、天原集團(tuán)、吉電股份、銀星能源。其中先導(dǎo)智能的相對貼近度為1.0000，在10家樣本公司中排名第一，說明其盈利能力在這10家公司中是最強的;銀星能源的相對貼近度為0.0000，在10家樣本公司中排名最后，說明其盈利能力在這10家公司中相對較弱。（表8）

4、發(fā)展能力指標(biāo)的評價分析。10家樣本公司的發(fā)展能力相對貼近度如表9所示?？梢钥闯?，10家新能源行業(yè)上市公司的發(fā)展能力相對貼近度排名依次為先導(dǎo)智能、國軒高科、橫店東磁、龍馬環(huán)衛(wèi)、中國寶安、吉電股份、比亞迪、天原集團(tuán)、明陽智能、銀星能源。其中先導(dǎo)智能的相對貼近度為0.9707，在10家樣本公司中排名第一，說明其發(fā)展能力在這10家公司中是最強的;銀星能源的相對貼近度為0.2165，在10家樣本公司中排名最后，說明其發(fā)展能力在這10家公司中是相對較弱的。（表9）

5、創(chuàng)新能力指標(biāo)的評價分析。10家樣本公司的創(chuàng)新能力相對貼近度如表10所示?？梢钥闯觯?0家新能源行業(yè)上市公司的創(chuàng)新能力相對貼近度排名依次為國軒高科、比亞迪、明陽智能、先導(dǎo)智能、橫店東磁、中國寶安、龍馬環(huán)衛(wèi)、天原集團(tuán)、銀星能源、吉電股份。其中國軒高科的相對貼近度為1.0000，在10家樣本公司中排名第一，說明其創(chuàng)新能力在這10家公司中是最強的;吉電股份的相對貼近度為0.0000，在10家樣本公司中排名最后，說明其創(chuàng)新能力在這10家公司中相對較弱。（表10）

6、政府補助程度的評價分析。10家樣本公司的政府補助程度相對貼近度如表11所示?？梢钥闯?，10家新能源行業(yè)上市公司的政府補助程度相對貼近度排名依次為國軒高科、明陽智能、中國寶安、銀星能源、比亞迪、先導(dǎo)智能、橫店東磁、吉電股份、天原集團(tuán)、龍馬環(huán)衛(wèi)。其中國軒高科的相對貼近度為1.0000，在10家樣本公司中排名第一，說明其政府補助程度在這10家公司中是最強的;龍馬環(huán)衛(wèi)的相對貼近度為0.0000，在10家樣本公司中排名最后，說明其政府補助程度在這10家公司中相對較弱。（表11）

7、綜合評價分析。由TOPSIS模型計算得到10家樣本公司的相對貼近度排序，如表5所示?？梢钥闯?，10家新能源行業(yè)上市公司財務(wù)風(fēng)險從小到大排序依次為國軒高科、天原集團(tuán)、橫店東磁、龍馬環(huán)衛(wèi)、先導(dǎo)智能、吉電股份、比亞迪、明陽智能、中國寶安、銀星能源。其中，國軒高科的相對貼近度最高，為0.4880，其距離理想解最近，為0.1983，距離負(fù)理想解最遠(yuǎn)，為0.1890，說明其財務(wù)風(fēng)險在10家樣本公司中最小。銀星能源的相對貼近度最低，為0.1894，其距離理想解最遠(yuǎn)，為0.2630，距離負(fù)理想解最近，為0.0615，說明其財務(wù)風(fēng)險在10家樣本公司中最大。

（五）模型驗證。為了直觀地驗證熵權(quán)TOPSIS模型評價結(jié)果的合理性，本文選取了樣本公司2017年部分財務(wù)指標(biāo)數(shù)據(jù)及非財務(wù)指標(biāo)數(shù)據(jù)進(jìn)行分析，財務(wù)指標(biāo)數(shù)據(jù)主要包括四項一級能力指標(biāo)中所占權(quán)重相對較大的六項二級指標(biāo)，如表12所示。（表12）

國軒高科的現(xiàn)金比率和現(xiàn)金凈流量同比增長率在10家樣本公司中均處于最優(yōu)水平，并且這兩項指標(biāo)分別代表的償債能力和發(fā)展能力所占權(quán)重之和為41.09%，在一定程度上說明了國軒高科較高的財務(wù)安全度，雖然其代表所占權(quán)重最大的營運能力的存貨周轉(zhuǎn)率指標(biāo)在10家公司中不占優(yōu)勢，但綜合考慮其相對財務(wù)安全度最高的研發(fā)投入程度、政府補助程度和較高的成本費用利潤率所代表的盈利能力，基本決定了國軒高科在10家樣本公司財務(wù)安全度排名中的絕對優(yōu)勢，這與模型所做出的風(fēng)險程度最低的結(jié)果一致。和國軒高科相反，銀星能源代表營運能力的應(yīng)收賬款周轉(zhuǎn)率指標(biāo)和代表償債能力的現(xiàn)金比率指標(biāo)基本均處于10家樣本公司中的最低水平，這兩項能力所占權(quán)重之和為57.67%，基本可以決定其財務(wù)安全度排名的絕對劣勢。同時，由表12可看出，其營業(yè)收入同比增長率所代表的發(fā)展能力也處于10家樣本公司的最低水平，而這項能力所占權(quán)重為16.72%。綜上可知，利用熵權(quán)TOPSIS模型進(jìn)行財務(wù)風(fēng)險綜合評價的結(jié)果較為合理可靠，具有較高的實踐價值。

四、結(jié)論及建議

（一）結(jié)論。新能源行業(yè)具有高投入、高風(fēng)險及回收周期長等行業(yè)特點，公司的財務(wù)風(fēng)險會受到生產(chǎn)經(jīng)營過程中各種因素的影響，最終體現(xiàn)在反應(yīng)公司績效的各種指標(biāo)中。本文運用熵權(quán)TOPSIS法對新能源行業(yè)上市公司財務(wù)風(fēng)險進(jìn)行了綜合評價分析，首先，通過熵權(quán)法對償債能力、營運能力、盈利能力、發(fā)展能力、創(chuàng)新能力和政府補助程度六個方面共17個指標(biāo)進(jìn)行客觀賦值，發(fā)現(xiàn)營運能力是影響新能源行業(yè)上市公司財務(wù)風(fēng)險的最重要因素，其次為償債能力和發(fā)展能力，最后是政府補助程度、創(chuàng)新能力和盈利能力。其次，運用TOPSIS法分別從六個方面對10家樣本公司排序并進(jìn)行綜合評價分析。最后，通過樣本公司的財務(wù)指標(biāo)數(shù)據(jù)驗證了熵權(quán)TOPSIS模型的合理性與可推廣性，為新能源行業(yè)財務(wù)風(fēng)險評價提供了一種新思路。

（二）建議

1、積極提高新能源行業(yè)的整體營運能力。熵權(quán)法研究結(jié)果表明營運能力是新能源行業(yè)財務(wù)風(fēng)險最重要的影響因素，由于新能源行業(yè)屬于高新技術(shù)行業(yè)，其從投入研發(fā)成本、進(jìn)行研發(fā)、測試等一系列前期活動到產(chǎn)品進(jìn)入市場進(jìn)行銷售，每一個環(huán)節(jié)都需要企業(yè)投入大量的人力物力財力成本，并且這之間往往存在著較長的周期，因此企業(yè)面臨著嚴(yán)峻的資金周轉(zhuǎn)問題。為此，新能源行業(yè)必須盡快優(yōu)化產(chǎn)品結(jié)構(gòu)，調(diào)整銷售戰(zhàn)略，把控核心技術(shù)以提高成本優(yōu)勢。

2、建立完善的財務(wù)風(fēng)險評價體系與預(yù)警模型。企業(yè)的財務(wù)風(fēng)險隱藏在生產(chǎn)經(jīng)營的方方面面，隨著企業(yè)所處成長階段的不斷變化，影響財務(wù)風(fēng)險的指標(biāo)也會有所差異，因此企業(yè)應(yīng)定期對財務(wù)風(fēng)險的度量指標(biāo)進(jìn)行評價，不斷完善每一周期的評價指標(biāo)體系，確定重點關(guān)注的指標(biāo)，數(shù)據(jù)異常時立刻采取措施進(jìn)行調(diào)控，及時溝通與反饋出現(xiàn)的問題，將財務(wù)風(fēng)險擴(kuò)大化的可能性降到最低。

主要參考文獻(xiàn)：

[1]James A.Ohlson.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980.18（1）.

[2]Odom Sharda.A Neural Network Model for Bankruptcy Prediction[J].International Joined Conference on Neural Networks，1990.2（9）.

[3]趙騰，楊世忠.熵權(quán)TOPSIS法在企業(yè)財務(wù)風(fēng)險評價中的應(yīng)用——以酒鬼酒公司為例[J].財會月刊，2019（3）.

[4]謝阿紅，薛倩玉，朱家明.基于熵權(quán)-TOPSIS法對醫(yī)療器械類企業(yè)財務(wù)風(fēng)險的實證研究[J].高師理科學(xué)刊，2019.39（2）.

[5]楊丹丹.基于熵權(quán)-TOPSIS法的礦業(yè)上市公司財務(wù)風(fēng)險評價[D].中國地質(zhì)大學(xué)（北京），2018.

[6]王娜.我國新能源上市公司財務(wù)風(fēng)險度量研究[D].西南石油大學(xué)，2017.

[7]張文晶.基于DEA模型的我國新能源上市公司財務(wù)績效評價研究[D].華東交通大學(xué)，2017.

[8]王慶華，楊杏.基于多分類Logistic回歸模型的企業(yè)財務(wù)風(fēng)險影響因素探析[J].財會月刊，2015（18）.

[9]李麗君，司夢倓，竺保嬌.基于多級模糊綜合評價法的制造企業(yè)財務(wù)風(fēng)險評估[J].財會通訊，2016（8）.

[10]尹夏楠，鮑新中.基于熵權(quán)TOPSIS方法的高新技術(shù)企業(yè)財務(wù)風(fēng)險評價——以生物制造行業(yè)為例[J].會計之友，2017（4）.