(西安科技大学管理学院，陕西省西安市，710054)
关键词煤炭上市公司财务风险财务预警风险评价
国外对于财务风险的研究相对超前，在19世纪初，西方经济学家就提出了“风险”这一概念，经济学家对于财务风险的研究处于一个日趋完善的状态。K.Y.Tam和M.Y.Kiang(2002)利用人工神经网络模拟方法对公司财务风险预警系统进行研究，发现公司财务风险预警系统适应于人工神经网络方法，在预测风险时人工神经网络的精准度更高，并且该模型在更复杂的金融环境中也可以对财务风险作出预测。人工神经网络方法的理论基础较为抽象，其理论的准确性和科学性需要进一步改进，抽象的理论依据极大地限制了该理论的应用范围。M.C.Odom和R.Sharda(2011)选择正常经营的64家公司和经营失败的65家公司作为研究样本，利用人工神经网络法来构建公司财务风险预警模型，研究结果表明，该神经网络法与之前的模型相比能更好地预测公司的财务风险。Ohlson(2006)利用模型分析法，即Logit二元模型预测公司财务风险，研究发现了预测公司财务风险状况相对准确的4个因素，即公司财务资本结构、公司规模大小、经营收益和资金流动性，并且通过这些因素能够估算出公司的破产概率。
国内对于财务风险的研究相对落后，我国经济学家在20世纪80年代末期开始进行该项研究。周首华(1996)在Z计分模型的基础上提出了F分数模型，在模型中加入了现金流量对财务风险的影响，有力地支持了所建立的财务预警模型。张友棠等学者(2012)将系统动力学运用到控制企业财务风险预警的模型中，使行业与企业在风险方面的关系能更直观地表现出来。他将财务风险根据行业内特征类型的不同划分为潜伏期、发作期、恶化期3种形式，并由此提出企业财务风险不单是由于内部控制的不恰当，而且与外部环境有着不可分割的关系。在此基础上，结合现金流量指数构建了企业财务预警指标测度系统。彭中文等学者(2014)用固定效应模型对中国房地产上市公司进行数据的实证分析，结果证明国家宏观政策与公司治理结构均会对企业财务风险产生影响。王文红(2015)使用蒙特卡罗法(MonteCarlo)模拟对上市公司财务风险进行评价，在评价过程中引入了净现值、内部收益率等指标，同时在模拟的情况下，对公司各种投资方案的财务风险进行科学评价。李春玲(2015)运用逻辑回归分析法研究航空公司的财务风险，奠定了财务风险预警的逻辑回归模型基础，有效证明了该方法对财务风险防范的作用。
综上可以看出，国内外学者对企业财务风险预警评价方面的研究较多，其研究方法和主要结论对本文均有借鉴意义。但是，这些研究均以企业内部控制和定量分析为主，缺乏外部环境因素对企业财务风险影响的分析和评价。另外，对我国煤炭企业在现行政策环境、经济形势和行业状态下的财务风险更是缺乏研究。基于此，本文从企业外部和内部两方面建立定性和定量相结合的模型，综合分析评价我国煤炭企业现阶段财务风险状况，旨在为企业有效防范和管控财务风险提供指导和借鉴。
(2)企业对外投资扩张缺乏正确认识，盲目对外扩张会导致内部控制失败的风险增加。企业发展中规模的扩张会使管理难度加宽加深从而降低内部信息传递效率，这就需要加强监控职能来保证信息质量，一旦发生企业内部控制的失效，在各个财务环节中财务人员无法协调处理所出现的问题，就会对企业的稳定发展造成影响，使可能呈现出的财务风险扩大。同时在企业对外投资时，财务人员未能对投资风险有充分认识，在管理层需做出决策时会因能力有限而出现投资失误。
(3)资产负债比例过高，资金结构不合理。根据国泰安(CSMAR)数据统计，2012-2016年27家上市煤炭企业的平均资产负债率达到58%，其中新集能源的资产负债率甚至达到了84%。由于煤炭行业整体不景气，各大银行均减少了与煤炭企业的合作，导致煤企融资出现困难。而直接融资的成本普遍偏高，财务费用有增无减，煤炭销售艰难，都使得煤炭企业的发展举步维艰。
采用专家评分模型与因子分析评价模型的结合，通过所收集的企业财务数据资料，分析当前公司的财务风险状况。定性与定量两个方面的结合可以更客观合理地识别判定风险，对危机企业发出评价以防范风险的发生。
专家评分模型是基于煤炭企业财务风险的调查问卷结果建立的，调查对象由高校教授及副教授、研究院所人员、企业高管共31人组成，最终收回有效问卷25份。
问卷调查分为两个阶段，首先是根据专家投票，选出可能对煤炭企业产生财务风险的影响因素并确定相对权重。具体投票结果共有10个因素入选，分别是：国家宏观政策α1、物价变动风险α2、利率变动α3、客户信用等级α4、同业竞争对手实力α5、公司治理结构α6、财务人员专业素养α7、公司内部管理制度α8、筹资规模方式α9以及公司发展方向α10。其次是打分阶段，要求参与者对选出的评判因素进行取值段为0～10分的分数范围打分。
数据经过处理后，得到煤炭上市公司财务风险定性评价模型为：
(1)
3.2.1样本选取
3.2.2财务风险评价指标确定
表1初始财务变量指标
类型财务指标偿债能力流动比率X1速动比率X2利息保障倍数X3资产负债率X4长期资本负债率X5营运能力应收账款周转率X6存货周转率X7固定资产周转率X8总资产周转率X9盈利能力资产报酬率X10净资产收益率X11营业利润率X12长期资本收益率X13现金流量能力净利润现金净含量X14营业收入现金净含量X15营业利润现金净含量X16全部现金回收率X17发展能力总资产增长率X18净利润增长率X19营业收入增长率X20
3.2.3数据处理
(2)确定主成分。提取出初始特征值大于1的因子为主要因子。经过正交旋转后从特征值与累计贡献率的计算结果可以看出，前7个公因子的特征值均大于1，其方差贡献率分别为28.191%、12.686%、12.051%、9.074%、7.845%、6.423%、5.554%，同时累计方差率已经达到了81.796%，见表2。由此可以认为变量选取出的信息损失较少，因子分析的结果更为理想。
(3)确定量化模型。经过对比可以发现，与主成分载荷矩阵相比，旋转后的因子载荷矩阵表示出了更加显著的特征。对因子进行Kaiser标准化的斜交旋转使因子载荷矩阵的解释性得以增强，且得出因子得分系数矩阵和主因子综合得分，见表3。
表2主成分分析输出结果-解释的总方差
成份初始特征值提取平方和载入旋转平方和载入合计方差/%累积/%合计方差/%累积/%合计方差/%累积/%1563828191281915638281912819142442121921219225371268640877253712686408772653132633448132411205152928241120515292822621130845789418099047619741809904761974207710386561755156978456981915697845698191972985866033612856423762421285642376242191895975623711115554817961111555481796123561738179680911455686352908444222905741006663339390411046230196205120269134797553130179089398445140091045698901150083041799318160057028399601170041020499805180028014999451900070036999812000040019100
表3因子得分矩阵
指标主因子1234567净资产收益率X11094501270120141-0026-015-0028长期资本收益率X13088902540086020041-0122-0115资产报酬率X100870142016702760008-0141-0117营业利润率X120836-004502730196-0048-0257-0108净利润增长率X190811-0046-0102-0205002900030182总资产周转率X901610924001700450056-0158-0101固定资产周转率X8015108970067-0102005-0067-0063存货周转率X7-001608960004002-001300850047速动比率X2008900720944-0036-0012-01680099流动比率X1011100320942-0027-0015-02030063应收账款周转率X60191-0018047-0071-00530354-0253全部现金回收率X1702080056009310063-01320038营业收入现金净含量X150142-0109-00990911008200520135总资产增长率X180002-0017-0033004209830022-0033营业收入增长率X20-00040098-0019007809760033-0012长期资本负债率X5-028-0189-0068-0009-0030872-0008资产负债率X4-02780081-0324-0072012508370032净利润现金净含量X140006-00880006-0029-0021-01140702营业利润现金净含量X16-0017003100380232-004400720627利息保障倍数X303480062-00190278-0095-0248-04
从计算结果可以看出，主因子1能比较好地反映出资产报酬率X10、净资产收益率X11、营业利润率X12、长期资本收益率X13以及净利润增长率X19，主要体现了企业盈利的能力，可以被视为是财务风险评价中的盈利能力解释因子；主因子2可以较好地反映出存货周转率X7、固定资产周转率X8、总资产周转率X9，主要体现出企业的营运能力，被视为是财务风险评价中的营运能力解释因子；主因子3能比较好地反映出流动比率X1和速动比率X2，主要代表了企业的偿债能力，可以被视为是财务风险评价中的偿债能力解释因素；主因子4能比较好地反映出营业收入现金净含量X15、全部现金回收率X17，主因子5可以较好地反映出总资产增长率X18、营业收入增长率X20，主要代表了企业的发展能力，可以认为是财务风险评价的发展能力因素；主因子6能比较好地反映出资产负债率X4、长期资本负债率X5，这两项指标反映出企业的现金流动能力，被视为是财务风险评价的现金流量解释因子；主因子7能比较好地反映出净利润现金净含量X14、营业利润现金净含量X16。
同时，根据得出的系数矩阵可以有以下的主因子方程：
Z1=-0.031X1-0.033X2+0.021X3+…
+0.008X18+0.297X19-0.001X20
Z2=-0.002X1+0.016X2+0.003X3+…
-0.030X18-0.050X19+0.017X20
Z3=-0.425X1-0.429X2+0.027X3+…
-0.001X18+0.098X19-0.009X20
Z4=0.004X1+0.005X2-0.063X3+…
+0.502X18+0.029X19+0.495X20
Z5=0.002X1-0.001X2+0.131X3+…
-0.022X18-0.128X19-0.001X20
Z6=0.010X1+0.030X2-0.101X3+…
-0.019X18+0.051X19-0.006X20
Z7=0.035X1+0.067X2-0.326X3+…
-0.018X18+0.201X19+0.002X20
结合表2中斜交旋转后的各主成分因子的贡献率，得出煤炭上市公司财务风险定量评价模型为：
(2)
在定性评价和定量评价的基础上，综合考量定性风险Q值和定量风险F值，按照专家调查结果确定的权重系数，前者为0.3，后者为0.7，最终构建煤炭上市公司财务风险综合评价模型为：
Y=0.3Q+0.7F
(3)
以24家煤炭上市企业2016年数据为对象，运用公式(1)、公式(2)和公式(3)对其财务风险分别进行定性定量和综合评价，并对综合财务风险评分值Y由低到高进行排序，结果见表4。
表4煤炭业上市公司风险评价评价综合得分值
股票代码股票名称Y值股票代码股票名称Y值600397安源煤业-228000571新大洲002600714金瑞矿业-086601699潞安环能003000552靖远煤电-034000983西山煤电006600123兰花科技-027600758红阳能源008000937冀中能源-021900948伊泰B股01600395盘江股份-019600348阳泉煤业017601001大同煤业-014601225陕西煤业017002128露天煤业-008601666平煤股份019600508上海能源-006600188兖州煤业025601101昊华能源-004600157永泰能源028601088中国神华-002601918新集能源035601898中煤能源-001600971恒源煤电047
由于表4中所有的数据都是经过标准化处理的，因此Y值可以0为界限且作为平均指标，超过0为财务风险优性指标，处于平均指数之上；低于0为劣性指标，处于平均指标之下。参考表4中的数据可以得出，经过标准化处理后2016年煤炭上市公司的优性与劣性公司各占50%，均为12家。在劣性样本公司中，Y值经过计算的平均得分为-0.375，因此在进一步设置企业财务风险评价级别时可以将-0.375视为界限。在优性样本公司中，Y值的平均得分为0.181。基于此，本研究认为，对煤炭上市公司进行综合评价后，得分低于-0.375时，其财务状态应当处于警戒级别；当其得分处于-0.375～0之间时，认为是财务风险轻警级别；当其得分位于0～0.181之间时，可以认为是无警级别；当其得分超过0.181时，则判定为该公司财务运行状况优良。
(1)抢抓政策机遇。煤炭企业及各个煤矿应继续争取国家优惠政策的支持，了解当前发展环境，清楚掌握行业内及国际国内发展趋势。在国家及省、市出台各项措施以应对煤炭经济下行的同时，保证企业发展升级，加快产业转型，做到规模化，循环、融合发展。
(2)实施循环经济。企业应坚持绿色低碳发展战略不动摇，致力于清洁能源技术的开发创新，使煤炭企业由原来的高燃耗、低效率、重污染转变为低碳、高效、清洁、可持续发展。先进的绿色能源技术创新不仅可以减少过度的企业发展对自然资源的依赖，而且降低了生产过程中企业所产生的污染物与废弃物数量，同时合理的技术创新可以提高生产效率，增加利润。
(4)完善制度建设。煤炭企业要促进财务风险制度建设，建立健全财务风险控制体系，并坚决执行公司内部审计制度，对于不同的工作环节制定相应的风险防范制度，注意分析对策措施，通过不断改善调整来优先识别风险、正确分析风险从而顺利防范应对即将或已经出现的风险。
(5)调整资本结构。在企业当前发展中，要精准定位产品市场，对经营项目做到严格把关，通过科学的评估来保证负债的合理额度，同时尽量保持成本处在可控范围内，加大资金使用率，减少经营过程中不良资产的产生。在融资时利用煤炭行业财务杠杆对资金筹集方式的调整，尽可能降低风险。
(6)加快技术创新。企业应加速淘汰落后产能，促进产业一体化发展。使产能技术“走出去”，融入到“一带一路”战略中，加强煤炭企业与“一带一路”沿线国家的产业合作，抓住“一带一路”战略带来的海外市场和机遇，与全球煤炭行业同台竞争，积极迎接挑战，提高国际竞争力的同时促进自身的可持续发展，合理利用国际与国内两个市场，实现优势互补，互利共赢。
参考文献：
[1]OdomMD,ShardaR.Aneuralnetworkmodelforbankruptcyprediction：inproceedingsoftheinternationaljointconferenceonneuralnetworkstool[J].FinancialManagement，2011(7)
[2]OhlsonTtindae.ApproximatingthedistributionsofestimatorsoffinancialriskunderanasynnetricLaplace[J].ComputationalStatistics，2006(5)
[3]周首华，杨济华，王平.论财务危机的预警分析F分数模式[J].会计研究，1996(8)
[4]张友棠，黄阳.基于行业环境风险识别的企业财务预警控制系统研究[J].会计研究，2012(3)
[5]彭中文，李力，文磊.宏观调控、公司治理与财务风险——基于房地产上市公司的面板数据[J].中央财经大学学报，2014(5)
[6]王文红，杨惠琳.财务预警的Z积分模型实证研究[J].财务分析，2015(1)
[7]王淑英.煤炭企业财务风险评估及应对策略研究[J].中国煤炭，2014(5)
HuFanfan,FengTaozhu
(CollegeofManagement,Xi'anUniversityofScience&Technology,Xi'an,Shaanxi710054,China)
AbstractTheauthorsrespectivelyappliedexpertscorecardmodelandfactoranalysismodelfromqualitativeandquantitativeaspects,selectedrelativedataofA-sharelistedcoalcompaniesin2012-2016,builtacomprehensiveevaluationmodelofcorporationfinancialrisk,judgedthefinancialriskandanalyzedexistingproblemsofthecoallistedcompanies,andprovidedsuggestionsofpolicyopportunities,circulareconomy,personnelquality,financialoperationandtechnicalinnovationcountermeasures.
Keywordscoallistedenterprises,financialrisks,financialearlywarning,riskassessment
中图分类号TD-9
文献标识码A
基金项目：国家自然科学基金青年科学基金项目(71303184)，陕西省软科学研究计划(2015KRM005)
引用格式：胡帆帆，冯套柱.煤炭上市企业财务风险评价研究[J].中国煤炭，2018，44(3):28-33.
HuFanfan,FengTaozhu.Researchonfinancialriskevalutionoflistedcoalenterprises[J].ChinaCoal，2018，44(3):28-33.
作者简介：胡帆帆(1993-)，女，河南三门峡人，西安科技大学管理学院在读研究生，主要从事公司财务风险管理方面的研究。