曹家豪

【摘要】作為國家重點支持的新型能源產(chǎn)業(yè)，新能源汽車的快速發(fā)展對解決我國的能源危機具有重要意義。但是，在經(jīng)濟全球化的今天，財務風險已經(jīng)成為企業(yè)生存和發(fā)展的重要因素。文章以比亞迪作為研究對象，采用Z分數(shù)模型和F分數(shù)模型兩種方法，對比亞迪2019—2022年期間的財務報告數(shù)據(jù)進行分析。從而得出，在Z分數(shù)模型下，比亞迪公司的財務指標均呈現(xiàn)出明顯的風險性，并有可能導致公司破產(chǎn)；而在F分數(shù)模型中，指數(shù)有略微不同，在2019—2021年中企業(yè)的財務風險較低，2022年數(shù)值變?yōu)榱素摂?shù)，表明破產(chǎn)風險較大。Z分數(shù)模型與F分數(shù)模型在財務風險分析方面均有各自的優(yōu)點，但也存在著先天的不足，故建議比亞迪在評價公司財務風險時，應將這兩種分析方法結合起來，建立一種與公司實際相適應的風險預警模式。

【關鍵詞】財務風險；Z分數(shù)模型；F分數(shù)模型

【中圖分類號】F275

一、引言

（一）研究背景

伴隨著我國經(jīng)濟轉型的發(fā)展，近幾年，綠色出行、低碳經(jīng)濟已經(jīng)成為了全球經(jīng)濟發(fā)展的主流趨勢，這讓新能源汽車在汽車行業(yè)中的地位逐步提升，也提高了投資者和消費者的關注度。為此，新能源企業(yè)更應該高度關注財務風險，確保能夠及時準確地識別出風險，并對其進行有效的控制，從而提高企業(yè)的抗風險能力以及在市場中的競爭優(yōu)勢，從而推動整個行業(yè)的持續(xù)、健康發(fā)展。

比亞迪汽車作為國產(chǎn)新能源車的開路先鋒，其新能源技術已經(jīng)相當成熟。為此，本文以比亞迪為例，通過對其財務資料的分析，對其所面臨的財務風險進行評估，以期提高比亞迪公司對財務風險的防范注意力，減少因財務風險而造成的經(jīng)濟損失。與此同時，也希望通過對有代表性的公司進行分析，為同行業(yè)中的其他公司在類似的發(fā)展階段，提供評價財務風險的方法，提示是否處在破產(chǎn)風險當中。

（二）研究意義

對新能源汽車企業(yè)的財務風險進行分析，可以對新能源汽車企業(yè)的財務狀況、經(jīng)營風險和發(fā)展趨勢有一個更全面的認識。同時，可以為企業(yè)提供決策支持，幫助企業(yè)規(guī)避財務風險，增強企業(yè)的競爭力和抗風險能力。另外，對新能源汽車公司財務風險的分析，對政府相關政策的制定具有一定的參考價值。

同時，國內(nèi)外關于財務風險的研究多集中在房地產(chǎn)和醫(yī)藥行業(yè)，而對新能源汽車行業(yè)的財務風險關注較少。而新能源汽車公司的發(fā)展與環(huán)境污染、科技進步等方面都有著密切的聯(lián)系，還與上下游企業(yè)的合作發(fā)展密切相關，關注新能源汽車企業(yè)的財務風險，有利于建設環(huán)境友好型社會以及優(yōu)化我國的能源消費結構。

二、國內(nèi)外研究動態(tài)

（一）國外研究動態(tài)

1.國外財務風險評價研究綜述

美國經(jīng)濟學家Edward Altman于1968年提出了Z-Score金融風險警告模式，又稱Z值模型，該模型被用于評估企業(yè)的金融風險，預測企業(yè)的金融危機，并在接下來的兩年中，對企業(yè)破產(chǎn)的概率做出預測和判斷。經(jīng)實例驗證，其預報精度在72%～80%之間。

Altman、Haldeman、Narayanan（1977）經(jīng)過修改和提煉，新的Zeta模型被創(chuàng)造出來，它的應用范圍也比舊的模型更廣[1]。

Sharda和Odom（1990）一共選擇了130個公司，以Z值模型為基礎，選擇了一些指標，并以此為基礎，構建出了一個人工神經(jīng)網(wǎng)絡模型，來對公司的財務風險進行評估。最后，研究者對多元評判方法進行了對比，結果表明Z評分模型具有較高的評估精度和較強的評價能力[2]。

N chen和B Ribeiro（2016）指出，金融信用風險的準確評估和對企業(yè)倒閉的預測在經(jīng)濟和社會上都發(fā)揮著至關重要的作用。納入宏觀經(jīng)濟變量的模型預計提高了預測信用風險的能力。同時，財務報表的軌跡數(shù)據(jù)可以檢測公司的時間演變并識別軌跡模式，軌跡挖掘將成為該領域未來的一個研究方向[3]。

Alamsyah A（2021）選取了印度尼西亞的90家上市企業(yè)作為樣本，通過人工神經(jīng)網(wǎng)絡的方式對其財務風險進行評價，并證明了這種評價方式的準確性極高[4]。

2.國外新能源汽車企業(yè)財務風險相關研究綜述

日本是最早對新能源企業(yè)展開研究的國家。Yoichi（2006）認為，氫能源才是發(fā)展新能源汽車的真正希望所在，發(fā)展新能源汽車的同時，應該同時進行氫能源基礎設施的建設[5]。

HB Dulal（2013）等人以亞洲為樣本區(qū)域，可以看到，在新能源公司的風險改變中，政府將是一個重要的因素[6]。

Aybike Ongel（2019）把成本看成是新能源車的一個重要因素，成本控制對新能源汽車公司經(jīng)濟效益和競爭能力產(chǎn)生的影響[7]。

Xiong Y，Qin（2021）經(jīng)過研究，認為國家的政策對新能源汽車企業(yè)的市場發(fā)展有很大的影響[8]。

Shilin Zhou和Shaolun Zeng（2022）指出，新能源汽車行業(yè)上市公司需要提高辨別金融風險的能力，以便在競爭激烈的環(huán)境中占有一席之地。當公司進入金融風險領域時，如果它可以改變公司的經(jīng)營狀況，識別問題，加強各方面管理，避免盡可能多地承擔財務風險。在Z值模型中的五個變量，當營運資本比率、留存收益與總資產(chǎn)比率、息稅前利潤和總額資本比率變小或為負，這意味著流動性、盈利能力、創(chuàng)新和競爭力相對較高[9]。

（二）國內(nèi)研究動態(tài)

1.國內(nèi)財務風險評價研究綜述

葉華、蔡根女（2004）指出，財務風險評價主要是通過資產(chǎn)負債表、利潤表、現(xiàn)金流量表，對企業(yè)財務狀況的變動趨勢及資產(chǎn)、負債、收益之間的關系進行分析，從財務報表的會計信息中挖掘出企業(yè)內(nèi)在的財務關系，通常的方法包括了單變量判定模型、多元線性評價模型、綜合評價法、概率模型以及神經(jīng)網(wǎng)絡分析模型[10]。

劉學兵、袁智慧（2011）指出公司財務危機的出現(xiàn)，要求公司重視公司的財務風險，加強公司的財務預警機制。在諸多財務預警方法中，Z分數(shù)模型得到了廣泛的運用，但是也有其不足之處。F分數(shù)模式是對Z分數(shù)模式的一種改進與修改。經(jīng)過對比分析，可以看出，這兩種財務預警模型都是多變量判定模型，其最大的不同之處是，Z分數(shù)模型更注重資產(chǎn)的使用效果以及公司的整體經(jīng)營情況，而F分數(shù)模型更注重實際的償債能力[11]。

歐陽歆（2013）通過初步研究，得出的結論是修訂后的Altman的Z值模型準確率都超過了94.05%，這說明了在4年時間里，當財務風險很高的時候，這個模型可以很好地識別出財務風險，表明這個模型適用于我國上市公司的數(shù)據(jù)[12]。

柴瑞、駱佳佳（2021）運用Topsis法，對10個上市火電公司的數(shù)據(jù)進行了分析，結果表明，Topsis模型可以有效地對公司的財務風險進行評估[13]。

2.國內(nèi)新能源汽車企業(yè)財務風險相關研究綜述

孫紅梅、史歡歡（2012）將13家上市的新能源汽車制造企業(yè)作為研究對象，并選擇了20個財務指標，利用統(tǒng)計分析軟件SPSS17.0中的因子分析法，建立了一個指標體系，并對13家新能源汽車企業(yè)的財務狀況展開了實證分析。經(jīng)過分析得出，如今新能源汽車制造業(yè)主要存在汽車價格高、標準缺乏、技術難3個問題，并提出了應該對自身的財務實力進行分析，做好市場培育、積極投入研發(fā)、加強技術合作、技術儲備等解決措施[14]。

趙露（2021）以戰(zhàn)略轉型、核心競爭力弱化、財務困境為主線，研究了力帆股份的轉型失敗的原因，發(fā)現(xiàn)力帆股份的轉型失敗是因為核心技術的缺失，資金的緊張，規(guī)劃的不合理。以力帆集團為例，對企業(yè)戰(zhàn)略轉型，陷入財務困境的原因進行了分析[15]。

蔡建湖、賈利爽（2022）指出，財務冗余可以減弱新能源汽車企業(yè)的R&D人員冗余對R&D投資的貢獻，但是對于核心型企業(yè)的貢獻并不明顯；政府補助可以通過增強核心新能源汽車企業(yè)的R&D隊伍冗余來提高R&D投資，但是對于附屬企業(yè)的R&D投資效果不明顯[16]。

三、比亞迪公司概況及財務風險評價

（一）比亞迪公司基本情況介紹

比亞迪集團（“比亞迪”）于1995年2月創(chuàng)立于廣東省深圳市，是一家以生產(chǎn)、銷售為主營業(yè)務的企業(yè)。集團擁有近220 000名員工，業(yè)務涵蓋四大領域，分別是：汽車、軌道交通、新能源和電子，營業(yè)收入及市場價值已突破千億元人民幣。比亞迪以科技創(chuàng)新、“碳達峰”“碳中和”“科技進步”為己任。2015年，比亞迪獲得了“聯(lián)合國特殊能源獎”，這是70年來第一次為新能源產(chǎn)業(yè)頒發(fā)的大獎。比亞迪在2016年度獲得了“扎耶德未來動力大獎”。比亞迪在《財富》周刊2017年度“最受歡迎中國企業(yè)”榜單上排名第五，高居全球汽車工業(yè)之首。比亞迪在2020年度“BrandZ最有價值中國品牌”的榜單上，連續(xù)六年被評為“最有價值中國品牌”。

（二）比亞迪公司財務風險分析

1. Z分數(shù)模型下比亞迪公司財務風險分析

Z分數(shù)模型是一種通過多因素分析得到的多維線性函數(shù)表達式[17]，也就是通過對幾項財務指標中的風險因素進行組合得到的分數(shù)來預測企業(yè)的運營風險。Altman在進行大量的經(jīng)驗分析后，以5項財務指標為變量，構建了企業(yè)財務風險預警的Z分數(shù)模型，該模型可用于衡量企業(yè)財務風險的程度，并提前預警企業(yè)可能面臨的財務危機。模型如下：

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

該式中，X1表反映的是營運資本（流動資產(chǎn)-流動負債）與總資產(chǎn)的比值，該數(shù)值表達的是企業(yè)資產(chǎn)的流動性。X2為企業(yè)的留存收益（盈余公積+未分配利潤）與總資產(chǎn)的比值，盈余積累越高，企業(yè)發(fā)生財務風險的可能性越小。X3表示企業(yè)資產(chǎn)的收益水平，計算公式為：息稅前利潤/資產(chǎn)總額。X4是股東權益與總負債的比值，可以反映企業(yè)的財務結構是否穩(wěn)定及債權是否能夠能到保障。X5表示企業(yè)資本的使用效率，計算公式為：銷售收入/資產(chǎn)總額[17]。當Z值較低時，該公司有較高的破產(chǎn)概率。

根據(jù)Altman的觀點，應該把一個公司的Z值界定為2.675，當一個公司的Z值超過2.675時，公司處于非破產(chǎn)狀態(tài)；當Z值低于1.81時，該公司處于破產(chǎn)狀態(tài)。如表1所示。

結合比亞迪2019—2022年財報數(shù)據(jù)發(fā)現(xiàn)，比亞迪近五年內(nèi)Z值均小于1.81，預測結果均為破產(chǎn)。相關結果如表2所示。

2. F分數(shù)模型法下財務風險分析

F分數(shù)模型雖然在計算模式上與Z分數(shù)模型相似，但比Z分數(shù)模型更加完善。F分數(shù)模型中X3考慮了現(xiàn)金流量的變化，表達式如下：

F分數(shù)模型和Z分數(shù)模型的差異以X3和X5為代表。X3是一個用來測量一個公司全部流動資金償還公司債務的現(xiàn)值變量，公式為：（稅后凈收益+折舊）/平均總負債[18]。公司的流動資金是指公司的稅后凈利潤，如果需要，固定資產(chǎn)折舊是可以用作公司還貸資金的一項重要成分。X5反映了企業(yè)總資產(chǎn)對現(xiàn)金流的創(chuàng)造能力，它不僅將稅后凈收益和固定資產(chǎn)的折舊費用考慮在內(nèi)，還考慮到了利息的因素，這比Z分數(shù)模型更準確地預測了財務風險，表達式為：（稅后凈收益+利息+折舊）/平均總資產(chǎn)。F得分模型以0.0274為閾值，當一個公司的F得分低于這個閾值時，該公司就會被認為是一個破產(chǎn)公司；當F得分超過0.0274時，該公司就會被認為是不會破產(chǎn)的公司。

在F分數(shù)模型中，以財務理論為基礎選取了5個自變量，其臨界值為0.0274；當某個具體公司的F值小于0.0274時，通常被認為該公司面臨破產(chǎn)的風險較大；而當F值大于0.0274時，則意味著該公司可能會持續(xù)運營。

結合比亞迪2019—2022年財報數(shù)據(jù)發(fā)現(xiàn)，比亞迪2019—2021年內(nèi)F值均大于了臨界值0.0274，但2019年和2020年趨于穩(wěn)定，2021年有明顯下滑趨勢。到了2022年F值小于0.0274，變?yōu)樨摂?shù)。相關結果如表3所示。

四、研究結論與建議

（一）研究結論

通過實證研究發(fā)現(xiàn)，Z分數(shù)模型對于公司運營風險有很好的預警作用，但與公司運營風險的橫向對比效果并不理想。在一家公司破產(chǎn)前的兩年之內(nèi)，運用這個模型，其判斷的精確度是非常高的，而在兩年之后，其精確度就相對較低了，并且所用到的數(shù)據(jù)空間以及財務指標的變化，都必須符合正態(tài)分布。此外，該模型未將現(xiàn)金流數(shù)據(jù)納入其中，從而導致對公司實際財務情況的錯誤判斷。F分數(shù)模型在指標選擇方面具有一定的理論基礎，對長期風險的判斷具有良好的效果，可以通過不同時間點的F值來對財務風險進行趨勢性分析，操作簡便，結果容易了解和分析；然而，由于選擇的自變量太少，很可能會影響到預警的效果。

（二）研究建議

從上述分析可以發(fā)現(xiàn)，由于新能源汽車業(yè)務的高速發(fā)展，導致了比亞迪公司的發(fā)展出現(xiàn)了斷層，從而引發(fā)了公司的財務風險。在國際上，大公司的發(fā)展都是緩慢的，但中國的公司發(fā)展速度很快，在管理和技術方面，像比亞迪這樣的公司，還需要更多的積累。不過，盡管這兩個模型所選擇的時間窗是一樣的，但得出的經(jīng)驗結論卻有略微不同，因此，對于比亞迪來說，建立一套科學的財務風險預警模型非常必要，同時需要結合自身的實際情況。

主要參考文獻：

[1]Altman E，Haldeman R G，Narayanan P.ZETATM analysis A new model to identify bankrupt risk of corporations[J]. Journal of Banking & Finance，1977， 1（1）：29-54

[2]Sharda，Odom Aneural network model for bankrupt cyprediction[J].The International Joint Conference on Neural Networks，1990：163-168.

[3]N Chen，B Ribeiro，A Chen.Artificial Intelligence Review[J].Financial credit risk assessment：a recent review，2016（3）：183-187.

[4]Alamsyah A ， Kristanti N ， Kristanti F T.Early warning model for financial distress using Artificial Neural Network[J].IOP Conference Series： Materials Science and Engineering， 2021， 1098（5）：052103 （6pp）.

[5]Yoichi Kaya，Hydrogen and FCV in the Future[C]. Research Institute of Innovative Technology for theEarth，2006.

[6]HB Dulal， KU Shah， Etc.Renewable Energy Diffusion in Asia： Can It Happen without Government S u p p o r t [ J ] . E n e r g y Policy.2013（59）：301～311

[ 7 ] A y b i k e O n g e l ， E r i k Loewer，F(xiàn)elix Roemer，Ganesh S e t h u r a m a n ， F e n g q i Chang，Markus Lienkamp. Economic Assessment of A u t o n o m o u s E l e c t r i c Microtransit Vehicles[J]. Sustainability，2019，11：648.

[8]Xiong Y，Qin new energy vehicle industry policies onmarket growth from the perspective of policy mix.Energy & Environment.2021；32（3）：542-561.

[9]Zhou S， Zeng S.Research on Financial Risk Evaluation of New Energy Vehicle Listed Companies Based on Z-value Model[J].Frontiers in Business， Economics and Management， 2022， 5（3）： 183-187.

[10]葉華，蔡根女.淺探企業(yè)財務風險評價方法[J].財會月刊，2004（24）：36-37.DOI：10.19641/j.cnki.42-1290/ f.2004.24.021.

[11]劉學兵，袁智慧，鐘俐玲.F分數(shù)模型與Z計分模型的比較分析——以ST輕騎為例[J].會計之友，2011（18）：101-103.

[12]歐陽歆.基于Z模型的財務風險預警模型運用[J].財會通訊，2013（32）：117-119.DOI：10.16144/j.cnki. issn1002-8072.2013.32.037.

[13]柴瑞，駱佳佳.基于熵權 TOPSIS 法的火電企業(yè)財務風險評價研究[J].現(xiàn)代商業(yè)，2021（07）：158- 161.

[14]孫紅梅，史歡歡.新能源汽車制造企業(yè)財務實力及風險防范研究[J].會計之友，2012（30）：37-39.

[15]趙露.力帆股份戰(zhàn)略轉型、核心競爭與財務困境[J].財會通訊，2021（04）：112-115+171.DOI：10.16144/j.cnki. issn1002-8072.2021.04.021.

[16]蔡建湖，賈利爽，吳昶，壽涌毅.新能源汽車企業(yè)研發(fā)資金投入：財務冗余與政府補貼的不同調節(jié)作用[J].管理工程學報，2022，36（05）：11-24.DOI：10.13587/j.cnki. jieem.2022.05.002.

[17]趙笑歌.“雙碳”背景下新能源汽車企業(yè)財務風險研究——以長城汽車為例[J].河北企業(yè)，2023（03）：100-102. DOI：10.19885/j.cnki.hbqy.2023.03.030.

[18]吳日中，吳中昊.Z-score和Z-china計分模型與F分數(shù)模型的比較分析——以金亞科技為例[J].普洱學院學報，2020，36（03）：37-41.

責編：吳迪