我国新能源行业上市公司财务风险评价

来源:用户上传      作者:

　　 [提要] 新能源行业高投入、高风险及回收周期长等行业特点使得企业定期的财务风险评价工作意义重大，文章从偿债能力、营运能力、盈利能力、发展能力、创新能力及政府补助程度共六个方面出发，构建新能源行业上市公司的财务风险评价指标体系，通过熵权法确定指标权重，运用TOPSIS评价模型对所选取的10家样本公司进行财务风险综合评价分析并给出了合理化建议。研究结果表明，熵权TOPSIS模型能合理有效地对企业财务风险进行评价分析，为新能源行业财务风险评价提供一种新思路。
　　 关键词：财务风险评价;新能源行业;熵权法;TOPSIS法
　　 中图分类号：F275.5 文献标识码：A
　　 收录日期：2020年7月9日
　　 一、引言
　　 近年来，恶化的环境污染问题、全球气候变暖趋势及替代能源的发展使以化石能源为主的传统能源行业面临严峻的挑战，新能源行业的兴起及发展成为全球共同关注的焦点。因此，加强新能源企业发展中财务风险的防范和控制、促进新能源行业健康发展至关重要。
　　 财务风险是指在各种内外部因素影响下，企业未实现预期收益甚至遭受一定经济损失的可能性。新能源行业具有高投入、高风险及回收周期长等行业特点，核心技术及政府政策导向也是其发展的关键因素。在我国新能源行业飞速发展的当前，如何提高成本优势、调整销售战略以缩短回收周期以及把控核心技术以提升市场竞争力成为防范和控制新能源行业发展中财务风险的重要环节。
　　 相比较我国学者，国外学者在财务风险研究方面起步较早。Ohlson（1980）通过多元回归分析——Logistic方法研究了企业规模、资本结构、经营绩效和现有资产的变现能力对企业遭遇财务风险的影响程度并建立了财务危机预警模型。Odam和Sharda（1990）用不同公司的财务数据验证了使用BP神经网络方法进行财务预测的准确性要高于多元判别分析法。随着国外相关理论的不断完善，国内学者开始致力于财务风险评价指标选择的研究及财务风险模型的建立。王庆华、杨杏（2015）采用多分类Logistic回归模型对制造业上市公司的财务进行研究，结果表明，偿债能力、盈利能力、现金流量能力和成长能力对于企业财务风险影响显著。李丽君、司梦倓等（2016）在选取财务风险评价指标体系时纳入了反映制造业行业特点的代表性指标，利用多级模糊综合评价法对制造业企业的财务风险进行了综合评价分析。
　　 目前，我国常用的财务风险评价方法有主成分分析法、因子分析法、层次分析法和Logistics回归分析等方法。本文选取熵权TOPSIS法进行财务风险评价，熵权法是一种客观的赋权方法，其可以根据样本本身的数据信息得到各评价指标的权重，相比其他方法而言，熵权法因不涉及主观赋值因此可以得到更为客观、合理的各指标权重;TOPSIS法是一种逼近理想解的排序方法，其通过测算各个评价对象在各评价指标上的与理想解和负理想解之间的相对距离，并将相对距离依次排序进而进行综合评价。
　　 二、财务风险模型设计
　　 （一）指标选择。本文选取的指标包括一般性财务指标和非财务指标。其中一般性财务指标借鉴前人在进行财务风险分析时所选取的财务指标进行分析，包括偿债能力、盈利能力、营运能力和发展能力共四个方面15个指标，非财务类指标根据新能源行业自身生产经营特点选取，包括创新能力和政府补助2个指标。综上，本文共确定了17个指标，具体指标见表1。（表1）
　　 （二）模型构建
　　 1、基于熵权法确定权重
　　 （1）构建评价矩阵。设有m个指标，n个评价对象，形成原始数据评价矩阵R=（rij）m×n：
　　 （2）数据标准化。由于原始数据的量纲、量纲单位以及指标的正负取向均有差异，为了让数据之间具有可比性，需要分别对效益型指标和成本型指标进行标准化处理。其中效益型指标是数据越大越好的指标，成本型指标是数值越小越好的指标。
　　
　　 Ci为各个评价对象的综合得分，Ci数值接近于1，说明其得分越高，即该评价对象的财务风险在同行业中越低，企业的财务绩效越高;相反，Ci数值接近于0，说明其得分越低，即该评价对象的财务风险在同行业中越高，企业的财务绩效越低。
　　 三、我国新能源行业上市公司财务风险实证分析
　　 截止至2019年3月，我国沪深交易所新能源行业A股上市公司共有148家（参考东方财富Choice金融终端数据库），本文在剔除了其中财务数据不全的20家上市公司后，选取了剩余共128家新能源行业上市公司的2017年财务数据，运用熵权法计算出所选指标的权重。然后从这128家上市公司中选取了10家新能源相关业务收入占比较大的新能源行业代表性企业作为评价对象，通过TOPSIS模型对这10家样本公司进行财务风险评价的实证分析。（表2）
　　 （一）计算各指标的熵值与熵权。由表3可以看出，营运能力和偿债能力指标所占权重分别为33.30%和24.37%，两者所占权重之和大于50%，然后是发展能力指标，所占权重为16.72%，最后是政府补助、创新能力和盈利能力指标，所占权重分别为11.83%、9.91%和3.87%。由此可看出，六项一级指标中，营运能力、偿债能力及发展能力指标对于新能源行业的财务风险评价影响程度最高，因此，对于新能源行业企业而言，这三项指标是在进行财务风险监控过程中需要警惕的首要指標。在二级指标体系中，偿债能力中的现金比率指标、营运能力中的存货周转率指标、盈利能力中的成本费用率指标和发展能力中的营业收入同比增长率指标分别是四大能力中所占权重最大的指标，因此这四项指标是首应警惕的二级财务指标。（表3）
　　 （二）理想解与负理想解。本文从128家上市公司中选取了10家公司作为样本进行财务风险评价分析，运用MATLAB将这10家公司的17项指标数据进行标准化处理，并结合上文确定的各项风险指标的权重得到加权标准化决策矩阵，根据指标分类计算各个评价指标下的最大值或最小值，进而得到各个指标的理想解与负理想解。（表4） 　　 （三）欧式距离与相对贴近度。利用MATLAB得到10家上市公司指标数据与各指标理想解、负理想解之间的欧式距离和相对贴近度。评价对象的相对贴近度越大，表示其与理想解之间的距离越小，与负理想解之间的距离越大，其财务风险程度越低;相对贴近度越小，表示其理想解之间的距离越大，与负理想解之间的距离越小，其财务风险程度越高。（表5）
　　 （四）评价结果分析
　　 1、偿债能力指标的评价分析。计算10家样本公司偿债能力指标的加权标准化决策矩阵与偿债能力指标的理想解、负理想解之间的相对贴近度，结果如表6所示。可以看出，10家新能源行业上市公司的偿债能力相对贴近度排名依次为龙马环卫、国轩高科、横店东磁、中国宝安、银星能源、先导智能、明阳智能、比亚迪、天原集团、吉电股份。其中龙马环卫的相对贴近度为0.8310，在10家样本公司中排名第一，说明其偿债能力在这10家公司中是最强的;吉电股份的相对贴近度为0.0103，在10家样本公司中排名最后，说明其偿债能力在这10家公司中相对较弱。（表6）
　　 2、营运能力指标的评价分析。10家样本公司的营运能力相对贴近度如表7所示。可以看出，10家新能源行业上市公司的营运能力相对贴近度排名依次为天原集团、吉电股份、横店东磁、龙马环卫、比亚迪、先导智能、国轩高科、中国宝安、银星能源、明阳智能。其中，天原集团的相对贴近度为0.7569，在10家样本公司中排名第一，说明其营运能力在这10家公司中是最强的;明阳智能的相对贴近度为0.0698，在10家样本公司中排名最后，说明其营运能力在这10家公司中是相对较弱的。（表7）
　　 3、盈利能力指标的评价分析。10家样本公司的盈利能力相对贴近度如表8所示。可以看出，10家新能源行业上市公司的盈利能力相对贴近度排名依次为先导智能、国轩高科、横店东磁、龙马环卫、比亚迪、明阳智能、中国宝安、天原集团、吉电股份、银星能源。其中先导智能的相对贴近度为1.0000，在10家样本公司中排名第一，说明其盈利能力在这10家公司中是最强的;银星能源的相对贴近度为0.0000，在10家样本公司中排名最后，说明其盈利能力在这10家公司中相对较弱。（表8）
　　 4、发展能力指标的评价分析。10家样本公司的发展能力相对贴近度如表9所示。可以看出，10家新能源行业上市公司的发展能力相对贴近度排名依次为先导智能、国轩高科、横店东磁、龙马环卫、中国宝安、吉电股份、比亚迪、天原集团、明阳智能、银星能源。其中先导智能的相对贴近度为0.9707，在10家样本公司中排名第一，说明其发展能力在这10家公司中是最强的;银星能源的相对贴近度为0.2165，在10家样本公司中排名最后，说明其发展能力在这10家公司中是相对较弱的。（表9）
　　 5、创新能力指标的评价分析。10家样本公司的创新能力相对贴近度如表10所示。可以看出，10家新能源行业上市公司的创新能力相对贴近度排名依次为国轩高科、比亚迪、明阳智能、先导智能、横店东磁、中国宝安、龙马环卫、天原集团、银星能源、吉电股份。其中国轩高科的相对贴近度为1.0000，在10家样本公司中排名第一，说明其创新能力在这10家公司中是最强的;吉电股份的相对贴近度为0.0000，在10家样本公司中排名最后，说明其创新能力在这10家公司中相对较弱。（表10）
　　 6、政府补助程度的评价分析。10家样本公司的政府补助程度相对贴近度如表11所示。可以看出，10家新能源行业上市公司的政府补助程度相对贴近度排名依次为国轩高科、明阳智能、中国宝安、银星能源、比亚迪、先导智能、横店东磁、吉电股份、天原集团、龙马环卫。其中国轩高科的相对贴近度为1.0000，在10家样本公司中排名第一，说明其政府补助程度在这10家公司中是最强的;龙马环卫的相对贴近度为0.0000，在10家样本公司中排名最后，说明其政府补助程度在这10家公司中相对较弱。（表11）
　　 7、综合评价分析。由TOPSIS模型计算得到10家样本公司的相对贴近度排序，如表5所示。可以看出，10家新能源行业上市公司财务风险从小到大排序依次为国轩高科、天原集团、横店东磁、龙马环卫、先导智能、吉电股份、比亚迪、明阳智能、中国宝安、银星能源。其中，国轩高科的相对贴近度最高，为0.4880，其距离理想解最近，为0.1983，距离负理想解最远，为0.1890，说明其财务风险在10家样本公司中最小。银星能源的相对贴近度最低，为0.1894，其距离理想解最远，为0.2630，距离负理想解最近，为0.0615，说明其财务风险在10家样本公司中最大。
　　 （五）模型验证。为了直观地验证熵权TOPSIS模型评价结果的合理性，本文选取了样本公司2017年部分财务指标数据及非财务指标数据进行分析，财务指标数据主要包括四项一级能力指标中所占权重相对较大的六项二级指标，如表12所示。（表12）
　　 国轩高科的现金比率和现金净流量同比增长率在10家样本公司中均处于最优水平，并且这两项指标分别代表的偿债能力和发展能力所占权重之和为41.09%，在一定程度上说明了国轩高科较高的财务安全度，虽然其代表所占权重最大的营运能力的存货周转率指标在10家公司中不占优势，但综合考虑其相对财务安全度最高的研发投入程度、政府补助程度和较高的成本费用利润率所代表的盈利能力，基本決定了国轩高科在10家样本公司财务安全度排名中的绝对优势，这与模型所做出的风险程度最低的结果一致。和国轩高科相反，银星能源代表营运能力的应收账款周转率指标和代表偿债能力的现金比率指标基本均处于10家样本公司中的最低水平，这两项能力所占权重之和为57.67%，基本可以决定其财务安全度排名的绝对劣势。同时，由表12可看出，其营业收入同比增长率所代表的发展能力也处于10家样本公司的最低水平，而这项能力所占权重为16.72%。综上可知，利用熵权TOPSIS模型进行财务风险综合评价的结果较为合理可靠，具有较高的实践价值。 　　 四、结论及建议
　　 （一）结论。新能源行业具有高投入、高风险及回收周期长等行业特点，公司的财务风险会受到生产经营过程中各种因素的影响，最终体现在反应公司绩效的各种指标中。本文运用熵权TOPSIS法对新能源行业上市公司财务风险进行了综合评价分析，首先，通过熵权法对偿债能力、营运能力、盈利能力、发展能力、创新能力和政府补助程度六个方面共17个指标进行客观赋值，发现营运能力是影响新能源行业上市公司财务风险的最重要因素，其次为偿债能力和发展能力，最后是政府补助程度、创新能力和盈利能力。其次，运用TOPSIS法分别从六个方面对10家样本公司排序并进行综合评价分析。最后，通过样本公司的财务指标数据验证了熵权TOPSIS模型的合理性与可推广性，为新能源行业财务风险评价提供了一种新思路。
　　 （二）建议
　　 1、积极提高新能源行业的整体营运能力。熵权法研究结果表明营运能力是新能源行业财务风险最重要的影响因素，由于新能源行业属于高新技术行业，其从投入研发成本、进行研发、测试等一系列前期活动到产品进入市场进行销售，每一个环节都需要企业投入大量的人力物力财力成本，并且这之间往往存在着较长的周期，因此企业面临着严峻的资金周转问题。为此，新能源行业必须尽快优化产品结构，调整销售战略，把控核心技术以提高成本优势。
　　 2、建立完善的财务风险评价体系与预警模型。企业的财务风险隐藏在生产经营的方方面面，随着企业所处成长阶段的不断变化，影响财务风险的指标也会有所差异，因此企业应定期对财务风险的度量指标进行评价，不断完善每一周期的评价指标体系，确定重点关注的指标，数据异常时立刻采取措施进行调控，及时沟通与反馈出现的问题，将财务风险扩大化的可能性降到最低。
　　主要参考文献：
　　[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]趙腾，杨世忠.熵权TOPSIS法在企业财务风险评价中的应用——以酒鬼酒公司为例[J].财会月刊，2019（3）.
　　[4]谢阿红，薛倩玉，朱家明.基于熵权-TOPSIS法对医疗器械类企业财务风险的实证研究[J].高师理科学刊，2019.39（2）.
　　[5]杨丹丹.基于熵权-TOPSIS法的矿业上市公司财务风险评价[D].中国地质大学（北京），2018.
　　[6]王娜.我国新能源上市公司财务风险度量研究[D].西南石油大学，2017.
　　[7]张文晶.基于DEA模型的我国新能源上市公司财务绩效评价研究[D].华东交通大学，2017.
　　[8]王庆华，杨杏.基于多分类Logistic回归模型的企业财务风险影响因素探析[J].财会月刊，2015（18）.
　　[9]李丽君，司梦倓，竺保娇.基于多级模糊综合评价法的制造企业财务风险评估[J].财会通讯，2016（8）.
　　[10]尹夏楠，鲍新中.基于熵权TOPSIS方法的高新技术企业财务风险评价——以生物制造行业为例[J].会计之友，2017（4）.
转载注明来源:https://www.xzbu.com/2/view-15336831.htm