新能源汽车业上市公司财务危机预警实证研究

马闪霞 刘希麟

摘要：经济新常态下，我国经济处于经济转型的关键时期，经济发展的“瓶颈”期。制造业作为我国的支柱性产业，是实体经济的主體，汽车制造业是实体经济的基础，对我国GDP的贡献有着举足轻重的作用。近几年来，在科学技术的推动下、国家政策的扶持下及市场需求的驱动下新能源汽车处于井喷式发展，新能源汽车已经成为汽车行业发展的主要方向和投资热点。为了实现新能源汽车制造企业健康稳定持续发展的目标，有必要对其财务危机进行预警。文章结合新能源汽车制造企业自身固有特性，借鉴前人的研究成果，采用能够代表该类企业的预警指标，建立适用于该类型企业的财务风险预警模型，提高该类企业财务风险预测的准确性。

关键词：新能源汽车;财务危机;财务危机预警

一、研究背景

目前，新能源汽车主要有三种类型：混合动力汽车、燃料电池电动汽车、纯电动汽车。在当前全球呼吁保护环境、节约资源的大背景下，是新能源汽车发展的大好时机，新能源汽车也是能源结构升级的必然途径。据中国统计局公布的数据可知，2017年新能源汽车产量同比增长178.1%，从长远来看，新能源汽车有着很大的发展前景。新能源汽车制造企业在发展中不仅面临着机遇而且还面临着来自多方面的风险，比如外部宏观经济环境中的利率、外汇汇率波动的风险和通货膨胀，以及企业内部的经营风险：生产成本高，低市场占有率低、筹资成本高等风险，这些风险最终都会转化为企业的财务风险得以体现。

二、文献综述

（一）财务危机的定义

国外学者通常将财务危机视为破产，如Beaver（1966）认为，财务危机就是企业经营失败即企业破产。Altman（1968）认为，财务危机是指企业没有足够的资金流来偿还短期到期债务本息已经或者即将进入破产程序面临清算。国外学者给出的财务危机的定义会因研究对象的不同而略有差异。吴世农等人将财务危机视为财务困境，最严重的财务困境就是企业破产，财务困境导致企业破产行为其实是一种违约行为。企业财务困境的发生是量变到质变的渐进过程，在危机发生之前往往可以通过财务状况的变化趋势进行预测的，是有征兆存在的而不是不可预测的、毫无征兆就突然陷入财务困境。考虑到我国特殊国情，在我国上市企业中很少有破产的企业。因此，国内外学者对于财务危机的定义并没有统一的规定，相比于国外学者给出的财务危机的定义，国内学者通常将被特别处理作为发生财务危机的信号。

（二）财务危机预警研究现状

目前，国内外学者使用最多的构建财务危机预警模型的方法大致可以分为两类：传统的统计分析方法和人工智能的方法。国外学者中，Altman（1968）最早使用资产负债率、流动比率、净资产收益率和资产周转率等财务报表数据通过传统统计分析方法构建财务危机预警模型并预测企业财务风险状况和评价企业财务危机程度，并创建了著名的Z-Score模型。Chava，Jarrow以1962～1999的年度和月度财务数据为样本，验证了Z计分模型交其他预警模型更具有优越性，而且还得出了行业因素对企业破产预测的准确率具有重要影响的重要结论。陈静（1999）是国内最早使用统计分析方法对企业财务困境预测进行实证研究。以27家被特别处理的公司和27家配对的非ST公司为样本，通过单变量和多元线性判定模型进行实证分析发现两种模型均具有一定的预测准确性。邓旭东等人（2018）以房地产上市公司为研究对象，运用多元逻辑回归构建模型，实证结果表明总体预测准确率高达85%以上。田宝新，王建琼（2018）基于管理层和治理层两个角度，选取财务指标和非财务指标构建预警模型。

三、研究设计

（一）研究对象与数据来源

1. 研究对象。本文选取15家已成功研发并有一定发展规模的新能源汽车上市公司作为研究样本。

2. 数据来源。（1）从新能源汽车网选取了15家已成功研发并有一定发展规模的新能源汽车上市公司。（2）财务数据来源于新浪财经各公司年报中对外公布的财务数据信息、国泰安数据库、上海证券交易所和深圳证券交易所公布的相关信息。（3）为了能更准确评价我国新能源汽车制造业上市公司财务危机程度和破产概率，本文选取了2013～2017年5年的财务数据来计算15家公司具体Z值并进行具体分析。

（二）研究模型

Altman是较早对制造业上市公司财务困境预警问题进行研究。他在单一线性模型的基础上进行了改进，并创建了最具有代表性的Z-score多元线性模型。Z计分模型是以基于多变量统计方法的财务预警模型。国内外学者的实证研究表明，Z模型的预测真确率可达70%以上。本文以使用最为广泛、准确率较高的Z计分模型为基础，选择最具有代表性的财务指标评价新能源汽车制造业企业的财务困境程度，并预测该行业企业未来几年的财务风险水平和破产概率。

Z模型的表达式如下：

Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5

其中：X1=WC/TA，WC：营运资本;TA：资产总额

X2=留存收益/资产总额;留存收益=盈余公积+未分配利润

X3=息税前利润/资产总额;息税前利润=利润总额+财务费用

X4=所有者权益总市值/负债总额

X5=主营业务收入/资产总额

资产总额、负债总额取自当年资产负债表日的期末余额

由上述模型分别计算出15新能源公司的Z值，并根据其值的大小判断新能源汽车行业财务风险大小和财务困境程度。财务困境程度的评价标准如表1所示。

四、实证研究结果分析

（一）Z值计算结果

本文选取了15家已经成功研发并且生产经营状况较好的新能源汽车制造业上市公司2013～2017年近五年的财务数据，基于财务危机预警模型-Z模型使用Excel统计软件计算15家公司的Z值，对整个新能源汽车制造业行业财务危机状况进行研究分析。15家新能源汽车上市公司的具体计算结果如表2所示。

（二）Z值均值及其分布

由表2计算结果可得出如下结论：15家新能源汽车制造业上市公司2013年Z值的平均值为2.93，2014年Z值的平均值为2.95，2015年的Z值平均值为3.12，2016年Z值的平均值为2.73，2017年Z值的平均值为2.63。其中2013～2016年Z值的平均值均大于Z值的临界值2.65，2017年Z值的平均值却小于临界值2.65，这说明了15家新能源汽车制造业上市公司在样本观测值的前四年财务状况较好，企业财务风险较小，陷入财务危机的概率很小。然而，在选取样本观测值的最后一年，新能源汽车制造业行业整体Z值的平均值2.63小于临界值2.65，这就意味着新能源汽车制造业行业面临较大的财务风险，企业陷入财务危机的概率较大。根据Z值的临界值，样本公司Z值分布情况如表3所示。

从Z值分布情况统计表格可以看到15家新能源汽车制造业企业在2013～2016年期间四年共有三家公司的Z值小于1.81，占公司总数的20%，也就是说新能源汽车制造业行业有20%的公司Z值是小于1.81的，这些公司的财务状况很差，财务风险很大，他们陷入财务危机的程度很大，这些企业有90%以上的概率面临破产倒闭。2017年一年就有四家公司的Z值小于1.81，占公司总数的26.67%，换言之，在2017年一年就新增了26.67%的企业面临陷入财务危机的风险，新能源汽车制造业行业的整体风险大大增加，有更多的公司纷纷出现危机预警，陷入财务困境、濒临破产的公司数量大大增加。针对这些Z值小于1.81的公司应该重点予以关注，并及时采取应对措施规避危机进一步恶化。2013～2017年平均有7家公司的Z值介于1.81和2.65之间，平均占比约为46.67%，这些公司的财务状况处于“灰色地带”，财务风险比较大，陷入财务危机的概率较大。针对Z值介于1.81和2.65之间的企业应该重点关注企业出现的财务危机征兆，对企业内外部环境变化产生的不利影响不能忽视，应该时刻做好预防可能出现的各种财务风险和非财务风险的准备，避免风险迅速扩大而导致企业陷入财务困境面临破产的严重后果。2013～2017年期间Z值大于2.65，平均有6家公司，约占公司总数量的44%。Z值大于2.65的公司财务状况较好，财务风险也比较小，企业陷入财务危机的概率通常低于10%，企业破产的可能性也比较低。

五、结论

通过对上述15家新能源汽车制造业企业的实证研究结果表明，2013～2016年四年的样本观测数据的Z值均大于临界值2.65，而且在2013～2015年期間样本Z值呈上升趋势，但是从2016～2017年Z值开始呈下降趋势，其中2016年较2015年Z值下降0.4，2017年Z值仍然下降甚至低于临界值2.65。由上述研究结果可知，近两年整个新能源汽车制造业行业的财务风险显著增加，财务状况开始出现恶化，企业陷入财务困境的程度较大，破产的概率较高，相关企业和政府有关部门应该给予高度关注，建立与其适应并具有可操作的财务危机预警模型，以便及时发现风险，及早采取措施避免造成严重后果。

参考文献：

[1]S.Chava，R.A.Jarrow.“Bankruptcy Prediction with Industry Effects”[J].Review of Finance，2004（04）.

[2]陈静.上市公司财务恶化预测的实证分析[J].会计研究，1994（04）.

[3]邓旭东，张瑜，徐文平.基于现金流量角度的财务预警模型研究——以房地产行业为例[J].会计之友，2018（23）.

[4]田宝新，王建琼.基于财务与非财务要素的上市公司财务困境预警实证研究[J].金融评论，2017（05）.