基于FCF的上市公司财务预警研究——以物流业为例

文/来苏婷

1.FCF理论概述

自由现金流量(英文：free cash flow)是指企业在满足再投资的需要后剩余的现金流量。这部分现金流量可以分配给公司的资本提供者，而不会损害公司的持续发展，这是分配的最大限度。

2.物流业上市公司财务预警模型的构建及检验

2.1样本选取及分组

鉴于在国内，A股上市公司的财务指标比港股、美股更易获取且更全面，本文选择使用2020年A股物流业上市公司的数据来构建二元logistic回归模型，2021年的数据来检验模型预测准确度。上海和深圳证券交易所使用“ST”或“*ST”名称来警示上市公司的财务或其他异常情况，提醒投资者注意。根据之前的研究，“资产的内在价值是其未来现金流量的现值”这一观点已被广泛接受并得到应用[3，4]。因此，经营活动产生的净现金流量与流动负债的比率被本文选为定义财务困境的标准[5]。其相较于国内的“ST制度”的财务危机企业的筛选标准，更专注财务数据，能够剔除因意外事件被列为ST公司对预警模型准确率的影响。认为企业仅仅因为在一个营业周期内发布了危机警报就陷入了经营困难是过于草率的。然而，如果企业连续两年通报资金困难限度，那么可以推断该企业正处于财政危机之中。因此本文选择将它作为分组依据，即将2017年至2021年的经营活动产生的现金流量净额与流动负债的比率平均值作为企业陷入金融危机的警戒值，计算结果为0.21。如果一个企业连续两年的比值都低于警戒线0.21，那么它将被归入财务危机组，而其他企业则被归入财务健康组。

2.2实证分析变量以及样本的选择

选取财务指标时,应遵循相关的选取原则，包括但不限于相关性、可衡量性、可比性、时效性、可解释性和全面性等。因此，本文本着这些原则，从获企业利能力、营运能力、偿债能力、成长能力这四个方面进行挑选，并且加入了现金流量指标，共计16项。具体财务指标包括，X1流动比率，X2速动比率，X3资产负债率，X4总资产增长率，X5净利润增长率，X6净资产增长率，X7经营活动现金流量增长率，X8应收账款周转率，X9总资产周转率，X10营业利润率，X11总资产报酬率，X12净利润率，X13筹资活动产生的现金流量净额，X14现金及现金等价物净增加额，X15期末现金及现金等价物余额，X16净利润。为了确保金融危机警报模型的准确性，需要选择能够明确区分企业经营困难与否的指标。如果某个指标不够显著，它就会影响模型的预测效果，从而影响预测精度，不能作为区分企业财务状况的预警指标。因此，我们测试了16个候选指标的正态性，使用了k-s对s-w的方法。在这些测试中，我们发现x3在k-s测试中具有0.192的显著性，在s-w测试中具有0.124的显著性，均大于临界值0.1，但除此之外的十五个指标都不符合正态分布的要求，因此我们需要对这十五个指标进行非参数检验。由M ann-W hitney U检验结果可知，X1、X4、X5、X6、X7、X8、X9、X13、X14、X16这10项没有呈现显著性（p>0.05），故予以剔除。接下来对X3进行独立样本T检验，显著性水平为0.997，有显著性差异。综合上述检验结果，本文最终选取X2、X3、X10、X11、X12、X15共6个指标作为了物流业财务危机预警指标。

2.3财务预警模型的建立

以往研究表明，利用模型对上市公司进行金融警报的有效性可以通过主成分分析法来提高。该方法可以缩小财务指标的范围，提取最重要的共性因素，并构建物流模型，从而显著提高模型的精度。因此，本文对六个指标进行了主成分分析，并得出结果：km o的检验系数为0.605，显著性水平小于0.001。KMO系数是用于评估因子分析模型适合性的指标，当km o系数越高时，说明因子分析模型的适合度越好。如果km o系数大于0.6，则表示因子分析模型的适合度很高。如果sig<0.001，则说明指标变量之间的相关性很强，可以使用主成分分析法进行分析。通过主成分分析法提取综合特征值，我们可以得到两个主要要素，它们的贡献率分别为53.524%和23.379%，累计贡献率为76.903%。因此，这两个主要要素可以很好地解释这6个财务指标所包含的信息。下面是共同因子f1和f2的得分系数模型。将这2个主成分分别计为F1、F2，公共因子F1、F2的得分系数模型如下所示 ：F1=0.508X12+0.505X10+0.444X11+0.401X2-0.131X15-0.355X3；F2=0.293X12+0.289X10+0.263X11-0.391X2+0.567X 15+0.537X3。F1中，占载荷量较大的指标分别有净利润率，营业利润率，总资产报酬率，也就是这三个指标影响程度最大，主要反映了公司的盈利能力，所以，也可以将F1称为盈利能力主成分。F2中，占载荷量较大的指标为速动比率、资产负债率、期末现金及现金等价物余额，主要体现了公司的偿债能力，所以也可以将F2称为偿债能力主成分。

?

其中p表示金融危机发生概率，1-p表示金融危机发生概率。经过调整阈值后，发现在0.4的阈值下，金融预警模型表现最佳，预测精度最高。在此基础上，本文将阈值设定为0.4。当金融危机发生概率p大于等于0.4时，公司的财务状况被认为是健康的；而当p小于0.4时，公司可能面临金融危机。2.4实证分析结果检验

实证分析的检验数据应与建立模型的数据相互独立，因为会导致结果的偏差与不准确性，因此本文采用2021年的财务数据作为检验数据，并计算出2021年样本数据的财务困境判别值，即将经营活动现金流量与流动负债比值与临界值0.21进行比较，以区分健康企业和陷入财务困境的企业。然后计算出主成分因子指标大小，并且代入二元logistic回归模型公式，计算出p值。由于信息不全面，有1家企业被剔除，最终只有42家企业的财务指标被用作检测数据，根据检验结果显示，共有25家企业的财务状况被确认为正常，准确度达到了86.2%。对于8家属于金融危机集团的企业，其财政困难的判断准确性为61.5%，整体辨别准确性为78.6%。总的来说，该模型对于物流部门的金融危机识别具有较高的准确性。这种可靠的财务危机预警手段有助于企业及时检测财务状况的变化，加强经营管理。

3.应对物流业上市公司财务危机的建议

3.1建立完善的内控体系，可降低财务风险

企业可以采取以下措施来降低财务风险：建立完善的收款流程，包括发票开具、账单发送、催款等环节，确保收款工作有条不紊地进行；及时跟进客户的付款情况，了解客户的付款计划和付款能力，及时催款，避免拖欠；加强对客户的信用管理，建立客户信用档案，对信用较差的客户采取相应的措施，如提高预付款比例、限制信用额度等。

3.2运用数字化系统做好成本控制

在企业的财务管理中，成本控制是非常重要的一环，其目的是降低企业成本，提高企业的经济效益。物流成本主要由人工成本、燃料成本（包括汽油、柴油等运输过程中消耗的燃料）、维修成本（包括设备定期维护和工人修理、备件消耗）以及其他费用构成。企业可以利用数字化系统来实时监测成本相关的指标，制定合理的成本控制策略，合理分配资源，降低成本，提高效益。同时，企业还需要及时发现成本异常情况，采取相应的措施进行调整。

3.3建立财务预警风险模型，增强财务管理意识

建立财务预警风险模型是企业财务管理的重要手段之一，它可以帮助企业及时发现和预防财务风险，保障企业的经营稳定和可持续发展。每个物流公司都有自己的特点，应当以行业整体数据为依托，根据自身情况建立出适合自己公司的财务风险预警。

3.4建立完善的风险管理制度

除了严格执行通用会计法律、法规、规章制度外，企业还应该根据所在行业以及自身实际情况，建立健全一套完整的制度体系，以便于监督和预防风险，规范企业行为，避免潜在风险。可以采取以下措施，比如：明确风险管理的职责和权限，建立风险管理部门；建立内部控制制度，包括财务、人力资源、信息技术等方面的控制，确保公司运营的合法性、规范性和透明度；建立风险评估和监测机制，对公司的各项业务进行风险评估和监测，提高公司的透明度和公信力；加强员工培训，提高员工的风险意识和风险管理能力，确保员工遵守公司的风险管理制度和规定。

引用出处

[1]赵淯婉.我国制造业基于现金流的财务危机预警问题研究[C].华中科技大学,2020.

[2]张璟龙.公司财务风险预警文献综述[J].中国市场,2021,(36):12-14.