【安凱汽車企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)探究（數(shù)據(jù)論文）12000字】

一、引言伴隨著經(jīng)濟(jì)的持續(xù)發(fā)展，企業(yè)外部的競爭壓力不斷擴(kuò)大，為了應(yīng)對企業(yè)外部的壓力，企業(yè)內(nèi)部的物料流通與資金運(yùn)轉(zhuǎn)的流程的繁瑣程度也隨之增加，進(jìn)而帶來了更多的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)。這種風(fēng)險(xiǎn)并非突變而成，而常常是潛在漸變產(chǎn)生的。為了贏得更多的利益，企業(yè)應(yīng)做到守中有進(jìn)，而“守”正需要企業(yè)建立有效的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，從而使企業(yè)管理者第一時(shí)間了解企業(yè)財(cái)務(wù)危機(jī)情況，并及時(shí)采取相應(yīng)防御措施，從而盡可能規(guī)避財(cái)務(wù)危機(jī)，減少企業(yè)損失。財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)對企業(yè)的健康平穩(wěn)發(fā)展意義重大，而當(dāng)下財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)也正處學(xué)界研究熱點(diǎn)，這是因?yàn)槠髽I(yè)的生產(chǎn)經(jīng)營能力可由企業(yè)的財(cái)務(wù)狀況進(jìn)行綜合反映。但同時(shí)，也常有企業(yè)因?yàn)榻?jīng)營不善導(dǎo)致其陷入財(cái)務(wù)危機(jī)。財(cái)務(wù)風(fēng)險(xiǎn)在一定程度上是可以預(yù)測的，構(gòu)建企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型能夠?yàn)槠髽I(yè)的生存發(fā)展提供保障。因此，企業(yè)應(yīng)當(dāng)掌握構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的方法，結(jié)合自身的財(cái)務(wù)與生產(chǎn)狀況對風(fēng)險(xiǎn)進(jìn)行提前預(yù)警，并通過模型分析找到財(cái)務(wù)風(fēng)險(xiǎn)的內(nèi)在發(fā)生因素，幫助企業(yè)解決風(fēng)險(xiǎn)，促進(jìn)發(fā)展。為研究現(xiàn)有企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)的構(gòu)建方式和運(yùn)行效果，本文選擇以安凱汽車為研究對象進(jìn)行分析。安凱汽車成立于20世紀(jì)60年代，作為國內(nèi)最為知名的高中檔、大小型客車的汽車生產(chǎn)制造企業(yè)，在建立后數(shù)十年內(nèi)發(fā)展迅速，在目標(biāo)消費(fèi)者中享有盛譽(yù)，但近幾年運(yùn)營卻面臨較大危機(jī)，發(fā)生了重大財(cái)務(wù)風(fēng)險(xiǎn)，甚至一度被實(shí)行“退市風(fēng)險(xiǎn)警示”處理，但在2021年成功實(shí)現(xiàn)“脫帽”，因此安凱汽車作為案例非常具有代表性。本文結(jié)合國內(nèi)外有關(guān)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)的相關(guān)文獻(xiàn)研究成果，以安凱汽車為分析案例，選擇適用于汽車制造企業(yè)的Z-score模型，搜集并整理安凱汽車近年來的相關(guān)指標(biāo)數(shù)據(jù)進(jìn)行預(yù)警效果分析，同時(shí)結(jié)合企業(yè)環(huán)境風(fēng)險(xiǎn)和網(wǎng)絡(luò)輿情展開比對研究，從而了解現(xiàn)行企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)的優(yōu)缺點(diǎn)，并根據(jù)情況提出完善企業(yè)風(fēng)險(xiǎn)預(yù)警系統(tǒng)的相關(guān)建議，由此幫助國內(nèi)企業(yè)更好的構(gòu)建企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警，為國內(nèi)企業(yè)增強(qiáng)抗風(fēng)險(xiǎn)能力提供有效的幫助。二、國內(nèi)外研究現(xiàn)狀（一）國外研究現(xiàn)狀作為企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究的鼻祖，F(xiàn)itzpartrick（1932）利用比較分析，對與企業(yè)財(cái)務(wù)情況有關(guān)的財(cái)務(wù)指標(biāo)進(jìn)行逐一研究，并根據(jù)影響程度將財(cái)務(wù)指標(biāo)進(jìn)行重要性排序，發(fā)現(xiàn)資產(chǎn)收益率、權(quán)益占固定資產(chǎn)比例和產(chǎn)權(quán)比率能夠較好地分析和預(yù)測企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的發(fā)生情況，并以此為單一變量構(gòu)建了單變量模型進(jìn)行預(yù)測，這便是單一財(cái)務(wù)指標(biāo)變量預(yù)警模型[1]。這一模型開創(chuàng)了財(cái)務(wù)風(fēng)險(xiǎn)研究領(lǐng)域，為后續(xù)發(fā)展提供了許多幫助。與之相對的，Beaver（1966）則從諸多存在企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的公司中分析其共通性，從而確立財(cái)務(wù)風(fēng)險(xiǎn)的具體定義，并以此為研究基礎(chǔ)選擇了4個(gè)財(cái)務(wù)指標(biāo)變量構(gòu)建了與Fitzpartrick不同的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型[2]。但這仍屬于單變量模型的范疇內(nèi)。顯然，通過單變量分析得出的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)情況并不可靠，應(yīng)當(dāng)加入更多有關(guān)指標(biāo)進(jìn)行綜合分析研究。Altman（1968）對此展開了深入分析，根據(jù)財(cái)務(wù)指標(biāo)線性影響的相關(guān)因素，選擇更多的指標(biāo)數(shù)據(jù)對單變量模型進(jìn)行完善，在1968年研究出了以多元判別為核心的Z模型[3]。幾年后，Altman等（1977）為了降低預(yù)測風(fēng)險(xiǎn)，更好地反映財(cái)務(wù)情況，對Z模型進(jìn)行了深入優(yōu)化，得到了能夠更綜合可靠反應(yīng)企業(yè)風(fēng)險(xiǎn)的ZETA模型[4]。除了Z模型系列的多變量財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測模型外，Martin（1977）的Logit模型[5]和Ohlson（1980）的Logistic[6]模型都極大豐富了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警領(lǐng)域的內(nèi)容，大幅度完善了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)框架。以單變量模型和多變量模型為基石，財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型領(lǐng)域在后續(xù)學(xué)者的努力下不斷壯大，出現(xiàn)了更多預(yù)測模型研究成果對體系進(jìn)行不斷完善，以張根明等（2011）為例，他們對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分析，利用神經(jīng)網(wǎng)絡(luò)的優(yōu)越性對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行更及時(shí)的預(yù)測，其預(yù)測結(jié)果更能迅速反映當(dāng)下財(cái)務(wù)情況[7]。（二）國內(nèi)研究現(xiàn)狀財(cái)務(wù)風(fēng)險(xiǎn)的數(shù)據(jù)大多來源于ST企業(yè)，因此較多的學(xué)者是以所構(gòu)建模型的類別及借助的方法為切入點(diǎn)，針對ST產(chǎn)業(yè)的財(cái)務(wù)數(shù)據(jù)展開分析的。羅康洋，王國強(qiáng)（2020）基于ST公司，在處理預(yù)警數(shù)據(jù)時(shí)，針對不平衡與高維的兩個(gè)特點(diǎn)，利用優(yōu)化后的MRMR算法，通過代價(jià)敏感進(jìn)行分類，從而搭建新的財(cái)務(wù)預(yù)警模型[8]；顧曉安，王炳蘄，李文卿（2018）為提高預(yù)警正確率，在Logistic財(cái)務(wù)預(yù)警模型中引用了兩個(gè)盈余變量，包括真實(shí)盈余和應(yīng)計(jì)盈余，這樣能夠有效發(fā)現(xiàn)并調(diào)整財(cái)務(wù)信息偏差，從而降低錯(cuò)誤判斷的可能性[9];王秀麗，張龍?zhí)?，賀曉霞（2017）比較分析了母公司報(bào)表和合并報(bào)表，構(gòu)建并使用Logistic研究了其財(cái)務(wù)預(yù)警效果的差距，發(fā)現(xiàn)在一般情況下合并報(bào)表的預(yù)警效果更優(yōu)，但是當(dāng)母公司的戰(zhàn)略選擇以投資為主時(shí)，母公司的預(yù)警效果更好[10]；王小燕，姚佳含（2020）在原有模型的基礎(chǔ)上結(jié)合GroupBridge，形成優(yōu)化的Logistic模型，從而挑選出更加合適的相關(guān)性指標(biāo)進(jìn)行風(fēng)險(xiǎn)預(yù)測，經(jīng)過測試分析可以發(fā)現(xiàn)這種新模型的預(yù)測效果對比原有模型，有了顯著提升[11]。也有一部分學(xué)者跳出財(cái)務(wù)指標(biāo)這一著眼點(diǎn)，而將注意力聚焦到非財(cái)務(wù)指標(biāo)上。劉玉敏，劉莉，任廣乾（2016）針對上市公司的非財(cái)務(wù)指標(biāo)開展研究，認(rèn)為依賴于財(cái)務(wù)指標(biāo)的現(xiàn)行財(cái)務(wù)預(yù)警系統(tǒng)并不能夠幫助公司發(fā)現(xiàn)其產(chǎn)生財(cái)務(wù)風(fēng)險(xiǎn)的原因，因此難以從根源上幫助公司預(yù)警并解決風(fēng)險(xiǎn)。所以他們選擇與公司管理有關(guān)的非財(cái)務(wù)信息進(jìn)行整理和選擇，并構(gòu)建新的財(cái)務(wù)預(yù)警指標(biāo)體系，根據(jù)新的指標(biāo)體系采取PSO的計(jì)算方法來進(jìn)行組合排列，通過SVM進(jìn)行預(yù)測分析，結(jié)果新的預(yù)測模型的準(zhǔn)確率相較于原來有了較大的提升，說明新的模型的效果較好，可以作為新的依據(jù)[12]。（三）小結(jié)通過文獻(xiàn)整理可以發(fā)現(xiàn)，學(xué)者們對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建已有了一定程度上的研究。雖然國內(nèi)的研究從時(shí)間上落后于國外研究，但國內(nèi)的學(xué)者綜合國情和國外的技術(shù)理論，提出了許多更適合我國情況的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型構(gòu)建方法。從學(xué)者們的研究中可以發(fā)現(xiàn)，反正并完善企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)可以參考以下角度進(jìn)行探討和實(shí)踐：（1）對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)相關(guān)理論進(jìn)行完善。構(gòu)建風(fēng)險(xiǎn)預(yù)測模型首先需要對風(fēng)險(xiǎn)的定義有確切的認(rèn)識，明確預(yù)測的對象才能夠更有效進(jìn)行模型的預(yù)測和優(yōu)化；（2）選取更多指標(biāo)數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)預(yù)測。不同角度和層面的指標(biāo)能夠從更多方面反映企業(yè)財(cái)務(wù)的運(yùn)行情況，選取更多的指標(biāo)便能更好地發(fā)現(xiàn)企業(yè)財(cái)務(wù)的異常，進(jìn)而對風(fēng)險(xiǎn)進(jìn)行更準(zhǔn)確地預(yù)測；（3）靜態(tài)與動(dòng)態(tài)結(jié)合，構(gòu)建綜合立體的風(fēng)險(xiǎn)預(yù)測模型?，F(xiàn)行預(yù)測模型大部分利用了某一時(shí)間節(jié)點(diǎn)的相關(guān)數(shù)據(jù)進(jìn)行分析，但風(fēng)險(xiǎn)本身是動(dòng)態(tài)的，風(fēng)險(xiǎn)的預(yù)測更需要通過現(xiàn)有數(shù)據(jù)對動(dòng)態(tài)的風(fēng)險(xiǎn)變化情況進(jìn)行分析。三、財(cái)務(wù)風(fēng)險(xiǎn)和財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警概述（一）財(cái)務(wù)風(fēng)險(xiǎn)的概念廣義而言，財(cái)務(wù)危機(jī)指的是由于企業(yè)經(jīng)營或運(yùn)作出現(xiàn)問題導(dǎo)致企業(yè)面臨諸多嚴(yán)重的財(cái)務(wù)問題，例如無法償債等情況。但是財(cái)務(wù)危機(jī)并非一蹴而就，而是經(jīng)過財(cái)務(wù)風(fēng)險(xiǎn)不斷演變而成的。如果說財(cái)務(wù)危機(jī)是結(jié)果，那么財(cái)務(wù)風(fēng)險(xiǎn)便是危機(jī)發(fā)展過程，因此如何界定財(cái)務(wù)風(fēng)險(xiǎn)由對過程的研究角度而決定。國外學(xué)者偏向于從整體角度展開研究。Deakin（1972）最早嘗試對財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行定義，認(rèn)為企業(yè)遭遇財(cái)務(wù)風(fēng)險(xiǎn)的表現(xiàn)主要是破產(chǎn)、償債能力缺陷或已清算債權(quán)人利益[13]，但這類定義顯然只在意了最后結(jié)果，并不確切。幾年后，AmyHing（1987）對企業(yè)發(fā)展階段進(jìn)行具體分類，試圖通過不同階段的財(cái)務(wù)特征對財(cái)務(wù)風(fēng)險(xiǎn)的定義進(jìn)行闡明。他認(rèn)為應(yīng)當(dāng)以股利作為判斷標(biāo)準(zhǔn)，對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)情況進(jìn)行預(yù)估確認(rèn)。如果分發(fā)股利的情況出現(xiàn)負(fù)面變化，那么企業(yè)財(cái)務(wù)情況便存在問題[14]?？梢钥闯?，AmyHing通過分發(fā)股利的情況展開分析，利用的是發(fā)生危機(jī)過程中的指標(biāo)，這可以體現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)的過程性，但這一理論仍然較為片面。21世紀(jì)后，Charles教授通過五個(gè)方面，對財(cái)務(wù)風(fēng)險(xiǎn)的定義提出了比較完整通用的理論解釋。他從財(cái)務(wù)運(yùn)行失敗、違背償還責(zé)任，喪失支付保證，違逆經(jīng)營目標(biāo)，降低企業(yè)價(jià)值五個(gè)方面，對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行了動(dòng)態(tài)描述，得到了較多人的認(rèn)可。國內(nèi)專家傾向于從細(xì)節(jié)方面進(jìn)行剖析。張皎（2018）從經(jīng)濟(jì)現(xiàn)象的角度出發(fā)，認(rèn)為企業(yè)風(fēng)險(xiǎn)是逐步演變的，并不是單一時(shí)間點(diǎn)的事件。從企業(yè)發(fā)生財(cái)務(wù)危機(jī)開始，到企業(yè)風(fēng)險(xiǎn)不斷惡化，以至于企業(yè)破產(chǎn)這一整個(gè)過程都是屬于財(cái)務(wù)風(fēng)險(xiǎn)[15]。國內(nèi)的相關(guān)機(jī)構(gòu)與部門對財(cái)務(wù)風(fēng)險(xiǎn)的研究，在制度上也有一定的表現(xiàn)。例如，滬深交易所在1998年推出了新制度，以“ST”作為標(biāo)識，對發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的企業(yè)實(shí)行特別處理，這也是財(cái)務(wù)風(fēng)險(xiǎn)研究發(fā)展過程中的一個(gè)重大事件。（二）傳統(tǒng)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警分析的模型1.一元判定模型所謂一元判定模型，又稱為單一財(cái)務(wù)指標(biāo)變量模型，其含義為根據(jù)實(shí)際情況，選擇某一特定的財(cái)務(wù)指標(biāo)作為判定的依據(jù)，從而對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)情況進(jìn)行預(yù)測。模型使用者在實(shí)際預(yù)測中要挑選合適的財(cái)務(wù)指標(biāo)，并選取兩組樣本數(shù)據(jù)進(jìn)行對照測試，利用預(yù)測樣本來確定風(fēng)險(xiǎn)判定的財(cái)務(wù)指標(biāo)閾值，利用該閾值對測試樣本進(jìn)行風(fēng)險(xiǎn)判定，確認(rèn)測試樣本的風(fēng)險(xiǎn)水平。該模型操作簡易，可行性高，但存在著一定的風(fēng)險(xiǎn)。例如，若選擇錯(cuò)誤的財(cái)務(wù)指標(biāo)，便會導(dǎo)致風(fēng)險(xiǎn)預(yù)測的誤判；由于只使用一元數(shù)據(jù)，因此即便選擇合適的財(cái)務(wù)指標(biāo)，其預(yù)測結(jié)果也可能存在片面性，不能完全反映實(shí)際情況。2.多元判別模型以Z-score模型為代表的多元判別模型是一元判定模型的優(yōu)化和延申，通過多元的財(cái)務(wù)指標(biāo)能夠更綜合地進(jìn)行風(fēng)險(xiǎn)預(yù)測，更全面地反映企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)情況。由于使用了大量的財(cái)務(wù)數(shù)據(jù)，雖然該方法的準(zhǔn)確性和泛用性相較于一元判定模型得到了一定的提升，但操作也因此變得較為復(fù)雜，因此難以適應(yīng)市場的變動(dòng)。3.多元邏輯模型以Logistic預(yù)警模型為主的多元邏輯模型的判定機(jī)理依賴于概率學(xué)，通過數(shù)字方面的專業(yè)計(jì)算能夠更準(zhǔn)確地反映企業(yè)財(cái)務(wù)經(jīng)營情況。但與之相對的，該方法對模型使用者的專業(yè)水平有更高的要求。四、案例與分析——以安徽安凱汽車股份有限公司為例（一）安凱汽車概況安徽安凱汽車有限公司是一家以汽車及其零部件為主要生產(chǎn)對象的上市公，其于1997年7月在深交所上市。安凱汽車的產(chǎn)品種類豐富，涵蓋了各種類型的公路客車，其質(zhì)量高，安全好，耗能省，多年來受到消費(fèi)者的歡迎。安凱汽車在新能源與智能物聯(lián)網(wǎng)汽車的發(fā)展中起到領(lǐng)頭作用，生產(chǎn)出了中國首款公路試行的無人客車。表4.12016-2020年凈利潤情況單位：元年份2016年2017年2018年2019年2020年凈利潤46810914.8-276582078.2-875708815.6478392245但近幾年來，在市場環(huán)境變化和經(jīng)營策略改變的情況下，安凱汽車遇到了較為嚴(yán)重的財(cái)務(wù)風(fēng)險(xiǎn)問題（如表4.1），其于2019年7月被實(shí)行“退市風(fēng)險(xiǎn)警示”處理，更名為*ST安凱。雖然在2021年4月安凱公司成功“脫帽”，撤銷其他風(fēng)險(xiǎn)警示，但顯然安凱汽車仍存在一定程度上的財(cái)務(wù)風(fēng)險(xiǎn)。由于近幾年安凱汽車歷經(jīng)“戴帽”再“脫帽”的過程，因此，安凱汽車是一個(gè)非常合適的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測的分析對象。（二）安凱汽車財(cái)務(wù)分析1.短期償債能力分析由于安凱汽車屬于汽車制造企業(yè)，公司規(guī)模之間相差較大，因此在分析安凱汽車時(shí)，為了排除企業(yè)規(guī)模帶來的影響，選擇流動(dòng)比率這一指標(biāo)進(jìn)行分析。同時(shí)為了更具可比性，我們將長安汽車公司的數(shù)據(jù)也納入進(jìn)來進(jìn)行比較。作圖如下：圖4.12016-2020年流動(dòng)比率折線圖通過圖4.1，我們可以發(fā)現(xiàn)安凱汽車在2018年后的流動(dòng)比率基本都在1以下，說明他的短期償債能力遠(yuǎn)遠(yuǎn)不足。從時(shí)間過程來看，安凱汽車的流動(dòng)比率趨勢呈較為明顯的波動(dòng)態(tài)勢，可見其資金鏈出現(xiàn)了一定的問題。2.營運(yùn)能力分析在汽車制造行業(yè)，如果說是否擁有有適當(dāng)?shù)牧鲃?dòng)資金進(jìn)行研發(fā)制造決定了公司能否發(fā)展，那么是否將產(chǎn)出的商品賣出以達(dá)到持續(xù)營運(yùn)的目的決定這個(gè)企業(yè)是能否發(fā)展平穩(wěn)。所以說為了了解安凱汽車營運(yùn)能力如何，我們需要對他的存貨周轉(zhuǎn)進(jìn)行分析。作圖如下：圖4.22016-2020年存貨周轉(zhuǎn)率折線圖在研究安凱汽車存貨周轉(zhuǎn)率的時(shí)候我們依然將他和長安汽車公司進(jìn)行對比，以便找出安凱汽車的發(fā)展點(diǎn)。圖4.2清晰地展現(xiàn)了汽車行業(yè)的存貨周轉(zhuǎn)是呈現(xiàn)周期性變化的，可以看出安凱汽車在2017年前周轉(zhuǎn)率較高，但2017年后存貨周轉(zhuǎn)率下降較大，總體絕對數(shù)值上逐漸低于長安汽車企業(yè)，存貨周期的整體態(tài)勢發(fā)展相似，可見安凱汽車的銷售在近幾年遇到一定的瓶頸。3.盈利能力分析企業(yè)為了追求多元化發(fā)展，其經(jīng)營業(yè)務(wù)往往并不單一，看一個(gè)企業(yè)是否做的成功如果只追求他們的主營業(yè)務(wù)往往不夠，所以我們通常通過營業(yè)利潤率來看他的整體經(jīng)營成果。作圖如下：圖4.32016-2020年?duì)I業(yè)利潤率柱形圖從圖4.3來看，安凱汽車的營業(yè)利潤率呈現(xiàn)走低至走高的趨勢，但是這需要考慮到中國汽車行業(yè)近年來產(chǎn)銷增速總體逐漸放緩及2020年疫情影響的大環(huán)境。不過即便考慮到大環(huán)境的因素，安凱汽車的整體情況均表現(xiàn)不佳，常年偏低，但最近一個(gè)季度有所恢復(fù)。此外，在2021年3月8日的披露中，安凱汽車表示其2月的汽車銷量同比增加3.84%，而汽車產(chǎn)量也同比增加了13.37%，可體現(xiàn)安凱汽車的形式正在好轉(zhuǎn)。安凱汽車于2021年3月8日晚間披露2月份產(chǎn)銷快報(bào)中表示，2月汽車產(chǎn)量為62輛，本年累計(jì)499輛，同比增長13.37%；銷量為128輛，本年累計(jì)514輛，同比增長3.84%。五、安凱汽車的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測（一）基于Z-score模型進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測在1968年，美國紐約大學(xué)斯特恩商學(xué)院的教授愛德華·阿爾特曼（EdwardAltman）針對美國制造業(yè)進(jìn)行研究，通過對美國破產(chǎn)和非破產(chǎn)生產(chǎn)企業(yè)進(jìn)行觀察，利用統(tǒng)計(jì)學(xué)方法，選取了美國制造業(yè)企業(yè)22個(gè)財(cái)務(wù)指標(biāo)進(jìn)行測試。在實(shí)驗(yàn)中，他一共篩選了66家公司進(jìn)行研究，其中有33家存在財(cái)務(wù)危機(jī)，33家企業(yè)經(jīng)營較為正常；然后通過逐步多元回歸的方法最終篩選出五個(gè)最具預(yù)測能力的指標(biāo)，同時(shí)根據(jù)系數(shù)建立多元回歸判別函數(shù)，即Z-score模型，表達(dá)式為：Z=0.012（X1）+0.014（X2）+0.033(X3)+0.006(X4)+0.999(X5)或：Z=1.2（X1）+1.4（X2）+3.3(X3)+0.6(X4)+0.999(X5)；這兩個(gè)公式的主要區(qū)別就在于，最后一個(gè)變量是倍數(shù)的形式，而前四個(gè)變量系數(shù)取決于變量是否用百分比表示。在這個(gè)公式中：Z是指判別方程式的函數(shù)值；X1、X2、X3、X4、X5五個(gè)變量分別代表不同財(cái)務(wù)指標(biāo)。其中，X1=凈營運(yùn)資本/總資產(chǎn)；這個(gè)公式中的凈營運(yùn)成本可以看做是流動(dòng)資本，在財(cái)務(wù)報(bào)表中可以用流動(dòng)資產(chǎn)減去流動(dòng)負(fù)債進(jìn)行計(jì)算。由于涉及流動(dòng)資產(chǎn)和流動(dòng)負(fù)債，所以這一指標(biāo)可以用來反映該公司的流動(dòng)性特點(diǎn)，如果凈營運(yùn)資本越多，就可以說明公司的償債能力越高，不能償債的風(fēng)險(xiǎn)也就越小。然后，公式中的X2=留存收益/總資產(chǎn)；而留存收益在財(cái)務(wù)報(bào)表中可以通過盈余公積和未分配利潤計(jì)算得出，從這一角度可以看到X2指標(biāo)反應(yīng)的是公司積累的利潤，在計(jì)算過程中可以看出公司規(guī)模。而X3=息稅前收益/總資產(chǎn)，其中息稅前收益又叫息稅前利潤（EBIT），在財(cái)務(wù)上有多種計(jì)算方式，但是在財(cái)報(bào)上用利潤總額加上利息費(fèi)用較為簡便。這一指標(biāo)忽略了稅收和融資等因素的影響，反映了企業(yè)利用債權(quán)人和所有者權(quán)益投資的經(jīng)營能力，該比率越高，企業(yè)的資產(chǎn)利用就越充分，綜合來說這一指標(biāo)反映了管理者的管理水平。至于X4=優(yōu)先股和普通股市值/總負(fù)債，不過在中國股票市場對于優(yōu)先股的制度并不完善，大部分企業(yè)都沒有發(fā)行優(yōu)先股，所以在計(jì)算X4的時(shí)候可以進(jìn)行適當(dāng)簡化。所以這一指標(biāo)衡量的是企業(yè)的價(jià)值和債權(quán)之間的關(guān)系，可以反映出企業(yè)的財(cái)務(wù)結(jié)構(gòu)是否合理，是否會出現(xiàn)資不抵債這一現(xiàn)象。如果比率較高，那就可以說明債權(quán)人的權(quán)利能夠得到更好的保障。最后，X5=銷售額/總資產(chǎn)，這一指標(biāo)衡量的是企業(yè)進(jìn)行銷售的能力。反映出企業(yè)資產(chǎn)利用情況，指標(biāo)越低，表明資產(chǎn)的利用率越低，說明企業(yè)在增加收入方面不具備良好能力。在阿爾特曼教授界定完這五個(gè)財(cái)務(wù)變量后，通過計(jì)算得出判定企業(yè)失敗的可能性標(biāo)準(zhǔn)，如果Z越高，那么企業(yè)就越不可能陷入財(cái)務(wù)風(fēng)險(xiǎn)；當(dāng)Z<1.8時(shí)，企業(yè)處于破產(chǎn)區(qū)；當(dāng)1.8≤Z<2.99時(shí)，企業(yè)處于灰色區(qū)，那么在一年內(nèi)破產(chǎn)的可能性是95%，兩年內(nèi)破產(chǎn)的可能性是70%，當(dāng)Z大于2.99的時(shí)候，說明企業(yè)的財(cái)務(wù)狀況良好，出現(xiàn)破產(chǎn)可能性較小。這一模型適用于企業(yè)公共制造企業(yè)，但是對于服務(wù)型企業(yè)以及私營一般性企業(yè)不具有適用性，所以阿爾特曼又進(jìn)行了前后三次的修正補(bǔ)訂，得到了學(xué)術(shù)界的認(rèn)可。不可否認(rèn)的是，Z-score模型在各行業(yè)的運(yùn)用有利于企業(yè)提高預(yù)防財(cái)務(wù)風(fēng)險(xiǎn)的能力。該模型通過多個(gè)財(cái)務(wù)指標(biāo)綜合檢測，可以從不同角度發(fā)現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)存在，為企業(yè)的預(yù)警提供參考。與此同時(shí)，在我國推出股市退出機(jī)制之后，企業(yè)利益相關(guān)方理應(yīng)更加關(guān)注企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)建設(shè)；防患于未然，才能讓企業(yè)平穩(wěn)有效運(yùn)行。ST安凱屬于公共汽車制造企業(yè)，相對適用Z-score預(yù)警模型，所以本文借助Z-score模型對安凱汽車進(jìn)行財(cái)務(wù)預(yù)警分析完全合理。同時(shí)，Z-score預(yù)警模型經(jīng)過長時(shí)間的檢驗(yàn)和論證，其正確性和準(zhǔn)確性都有一定保障，計(jì)算方式也并不復(fù)雜，適用于企業(yè)進(jìn)行財(cái)務(wù)預(yù)警研究。首先，本文準(zhǔn)備運(yùn)用的Z-score公式為：Z=0.012（X1）+0.014（X2）+0.033(X3)+0.006(X4)+0.999(X5)，前文已經(jīng)論述過公式的應(yīng)用行業(yè)和各指標(biāo)含義。其次，為保證數(shù)據(jù)來源的可靠性和有效性，本文選取安凱汽車2016年至2020年連續(xù)5年的財(cái)務(wù)數(shù)據(jù)進(jìn)行研究論證。根據(jù)Z-score公式數(shù)據(jù)要求，匯總了2016年至2020年部分財(cái)務(wù)報(bào)表數(shù)據(jù)如下：表5.12016-2020年原始財(cái)務(wù)數(shù)據(jù)情況單位：元2016年2017年2018年2019年2020年流動(dòng)資產(chǎn)72862722556346187117555985741837039175593726155796流動(dòng)負(fù)債68562605476171778225592857729442210965084021408375總資產(chǎn)90784134967978811618713147497252584348135111885945盈余公積49581021.7147367283473672834736728347367283未分配利潤184077321.7-43861636.82-937200922.3-903580313.7-803997868.2利潤總額78769012-295314186.8-73749891155103603.79100646086.4財(cái)務(wù)費(fèi)用5802656072485830754478658933677475351129.46凈資產(chǎn)14717811911140404391454278742.3506004031.4609211912.5總負(fù)債76066323046838407226667719623047524307824502674032營業(yè)收入47573266245448916378314679918533758704253259905477表5.1中的數(shù)據(jù)從ST安凱2016年至2020年財(cái)務(wù)報(bào)表中均可以找到原始數(shù)據(jù)，同時(shí)這些數(shù)據(jù)也是運(yùn)用Z-score模型必須的數(shù)據(jù)。其中，由于安凱汽車沒有發(fā)行優(yōu)先股，所以在計(jì)算公司總市值的時(shí)候不需要考慮；除此之外，考慮到總市值僅僅是一家企業(yè)有形資產(chǎn)和無形資產(chǎn)一起作用的結(jié)果，具有一定的不確定性，隨著市場的波動(dòng)會產(chǎn)生很大的變化。相比較而言，凈資產(chǎn)價(jià)格比市場價(jià)格更為真實(shí)，所以在假定公司財(cái)報(bào)真實(shí)的情況下，我們采用凈資產(chǎn)價(jià)格，即所有者權(quán)益來替代X4中的優(yōu)先股和普通股市值。至于假定公司財(cái)報(bào)真實(shí)的前提，從理論上來說是可以假定的，因?yàn)樨?cái)務(wù)風(fēng)險(xiǎn)預(yù)警是公司為了平穩(wěn)有效發(fā)展所采用的措施，所以公司自身為了保證預(yù)測的合理性，必然會盡可能保證代入Z-score模型數(shù)據(jù)的真實(shí)性和準(zhǔn)確性。在獲得相關(guān)數(shù)據(jù)之后（如表5.2），我們可以用X1=凈營運(yùn)資本/總資產(chǎn)、X2=留存收益/總資產(chǎn)、X3=息稅前收益/總資產(chǎn)、X4=優(yōu)先股和普通股市值/總負(fù)債、X5=銷售額/總資產(chǎn)五個(gè)公式算出變量值，最后得出我們需要的Z值，如下表：表5.22016-2020年處理后財(cái)務(wù)數(shù)據(jù)情況單位：元2016年2017年2018年2019年2020年總資產(chǎn)90784134967978811618713147497252584348135111885945凈營運(yùn)資本430011708174408892-368719876-517178949-295252579.2留存收益233658343.43505646.18-889833639.3-856213030.7-756630585.2息稅前利潤136795572-222828356.8-662051046144440377.8175997215.9營業(yè)收入47573266245448916378314679918533758704253259905477總負(fù)債76066323046838407226667719623047524307824502674032凈資產(chǎn)14717811911140404391454278742.3506004031.4609211912.5表5.32016-2020年安凱汽車Z值單位：元2016年2017年2018年2019年2020年X10.0473663940.021859006-0.051703172-0.09835226-0.057758053X20.0257377950.000439369-0.12477554-0.162826594-0.14801398X30.015068224-0.027927512-0.092835080.0274683210.034429019X40.193486570.1667646210.0680343560.1064726780.135300026X50.5240262110.6829233020.4412550280.6419914950.637710918Z0.5260890810.6825878180.4357911250.6394349940.555339747通過以上數(shù)據(jù)，我們不難發(fā)現(xiàn)近四年以來，安凱汽車的Z值均在1.8以下，盡在0.6左右徘徊，數(shù)值處于破產(chǎn)區(qū)，可見安凱汽車已經(jīng)身處財(cái)務(wù)風(fēng)險(xiǎn)之中，這與近幾年該公司帶帽“ST”相吻合。同時(shí)從2016年以來該公司的Z值一直呈現(xiàn)波動(dòng)趨勢，2020年與2021年相比z值不增反減，可以反映出公司的財(cái)務(wù)風(fēng)險(xiǎn)不斷波動(dòng)變化，未來幾年企業(yè)管理者面臨可能退市的嚴(yán)峻挑戰(zhàn)。然而，雖然經(jīng)過嚴(yán)密的數(shù)據(jù)計(jì)算，通過Z-score模型得出的結(jié)論是安凱汽車直至2020年末仍處于嚴(yán)重的財(cái)務(wù)風(fēng)險(xiǎn)中，并沒有相應(yīng)好轉(zhuǎn)，短期內(nèi)難以擺脫財(cái)務(wù)風(fēng)險(xiǎn)。但實(shí)際上，在2020年6月23日，*ST安凱完成“摘星”變更為ST安凱，撤銷退市風(fēng)險(xiǎn)警示并被實(shí)行其他風(fēng)險(xiǎn)警示；2021年4月19日，ST安凱成功撤銷其他風(fēng)險(xiǎn)警示完成“摘帽”，從“ST安凱”變更回“安凱客車”。能夠通過深圳證券交易所審核通過撤銷警示的申請，可見安凱客車在2020年以來一定程度上已經(jīng)解決了一部分的財(cái)務(wù)風(fēng)險(xiǎn)，公司財(cái)務(wù)整體形勢是積極向上的，但這便與Z-score模型得出的結(jié)論相違背，這反映了Z-score模型存在的缺陷與隱患。Z-socre模型的優(yōu)勢在于阿爾特曼利用多元回歸分析方法找出了最具有代表性的五個(gè)財(cái)務(wù)指標(biāo)對風(fēng)險(xiǎn)進(jìn)行預(yù)估，數(shù)據(jù)易于取得與計(jì)算，方法也相對簡單與直觀，但僅僅是公司的財(cái)務(wù)指標(biāo)并不能完整充分地反映公司實(shí)際所處的財(cái)務(wù)情況。除了微觀、靜態(tài)與主觀的公司財(cái)務(wù)指標(biāo)這一財(cái)務(wù)因素以外，還有諸多非財(cái)務(wù)因素能從側(cè)面反應(yīng)公司情況。例如，從宏觀層面上，存在行業(yè)環(huán)境風(fēng)險(xiǎn)，包括政府規(guī)制與行業(yè)競爭，都能對公司的財(cái)務(wù)情況產(chǎn)生沖擊；從動(dòng)態(tài)與客觀層面上，投資者輿情，特別是網(wǎng)絡(luò)輿情的變化能從側(cè)面反應(yīng)公司一段時(shí)間以來的財(cái)務(wù)風(fēng)險(xiǎn)變動(dòng)情況。（二）基于行業(yè)環(huán)境風(fēng)險(xiǎn)進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的起因不僅只是由于企業(yè)自身經(jīng)營的問題，其與行業(yè)環(huán)境風(fēng)險(xiǎn)也密切相關(guān)。首先，行業(yè)環(huán)境會影響企業(yè)的經(jīng)營環(huán)境，而企業(yè)的成長于發(fā)展正需要合適的經(jīng)營環(huán)境。如果經(jīng)營環(huán)境過于惡劣，那么企業(yè)不論如何調(diào)整經(jīng)營戰(zhàn)略，都無法適應(yīng)環(huán)境，難以取得成果。相對的，若是經(jīng)營環(huán)境較為優(yōu)越，那么企業(yè)的發(fā)展便能事半功倍，發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的概率也將大幅降低；其次，行業(yè)環(huán)境是不確定的，幾乎不受企業(yè)本身活動(dòng)的影響的。而無法控制的因素所帶來的不確定性，正是企業(yè)發(fā)生風(fēng)險(xiǎn)的起因，這其中便包括政府規(guī)制與行業(yè)競爭。政府政策的實(shí)施或是競爭企業(yè)的強(qiáng)勢，都會影響到企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)；最后，企業(yè)克服財(cái)務(wù)風(fēng)險(xiǎn)的本身便是在不斷適應(yīng)環(huán)境的過程，而行業(yè)環(huán)境正是構(gòu)成環(huán)境的重要組成部分。由此可見，行業(yè)環(huán)境風(fēng)險(xiǎn)能從客觀角度上影響企業(yè)經(jīng)營，從而使企業(yè)提高或降低出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)的可能性。企業(yè)若是能夠及時(shí)掌握行業(yè)環(huán)境風(fēng)險(xiǎn)信息，根據(jù)實(shí)際情況適時(shí)作出相應(yīng)的經(jīng)營對策，那么便能在一定程度上抵御乃至控制財(cái)務(wù)風(fēng)險(xiǎn)的發(fā)生。仍以安凱汽車為例，安凱汽車于2019年實(shí)行退市風(fēng)險(xiǎn)警示處理，能夠在2021年成功撤銷，不僅是因?yàn)槠髽I(yè)本身采取了有效的營業(yè)策略，還離不開這兩年來相關(guān)省政府部門的支持和行業(yè)風(fēng)向的改變。一方面，近年來，安徽省政府為響應(yīng)號召，大力支持新能源汽車的發(fā)展，通過下?lián)車倚履茉雌囃茝V應(yīng)用補(bǔ)貼資金以及土地收儲補(bǔ)償，為安凱汽車度過難關(guān)提供了巨大動(dòng)力，并成功等到了新能源汽車的風(fēng)口，建設(shè)實(shí)現(xiàn)了新能源汽車產(chǎn)業(yè)鏈，達(dá)到了雙贏。另一方面，自2017年以來，受客車市場的變化，我國客車銷售額持續(xù)下滑，特別是受到了疫情因素的影響，在2020年銷售額暴跌。但隨著疫情逐漸結(jié)束，以及財(cái)務(wù)部于2020年發(fā)布的《關(guān)于完善新能源汽車推廣應(yīng)用財(cái)政補(bǔ)貼政策的通知》，新能源客車的市場開始復(fù)蘇乃至增長，而安凱汽車作為新能源客車的領(lǐng)跑企業(yè)，在新的市場情況下?lián)碛辛诵碌陌l(fā)展動(dòng)力。在2021年3月8日的產(chǎn)銷披露中，安凱汽車在2月實(shí)現(xiàn)了汽車產(chǎn)量和銷量的同比雙增，可見安凱汽車的經(jīng)營形式正在由危轉(zhuǎn)安，財(cái)務(wù)風(fēng)險(xiǎn)也得到了一定程度的緩解。最后，在我國客車出口市場方面，隨著一帶一路政策的貫徹落實(shí)，我國客車出口到一帶一路沿線國家的比重正在穩(wěn)定增加，銷量也在不斷增長，可見一帶一路沿線國家將成為我國客車出口的主力城市，未來市場發(fā)展情況理想。根據(jù)上述分析可見，雖然安凱公司近年來在公司經(jīng)營方面存在一部分問題，但是整體新能源客車行業(yè)環(huán)境是不斷向好的，政府政策方面也提供了強(qiáng)而有力的支持，因此安凱公司的財(cái)務(wù)風(fēng)險(xiǎn)得以快速緩解，實(shí)際風(fēng)險(xiǎn)水平并不與Z-score模型的計(jì)算結(jié)果相一致。此外，在可預(yù)見的將來，安凱公司所處的行業(yè)環(huán)境仍在不斷改善，行業(yè)環(huán)境風(fēng)險(xiǎn)低，將對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的抵御提供正面影響。（三）基于網(wǎng)絡(luò)輿情進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測對于上市公司而言，對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)予以高度重視的不僅有企業(yè)經(jīng)營者，還包括諸多相關(guān)投資者。在一定程度上，投資者為了保護(hù)自身利益，對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的敏銳程度甚至比企業(yè)內(nèi)部人員更高，一部分富有經(jīng)驗(yàn)與能力的投資者甚至能從企業(yè)經(jīng)營者所忽視的角度中發(fā)覺企業(yè)財(cái)務(wù)可能存在的風(fēng)險(xiǎn)。況且，相對于固定周期發(fā)布的企業(yè)財(cái)務(wù)靜態(tài)信息，不斷變化的投資者意見與觀點(diǎn)顯得更加動(dòng)態(tài)，能夠更及時(shí)的反饋企業(yè)情況，因此，相關(guān)投資者的觀點(diǎn)對于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測同樣有一定的重要性。但在傳統(tǒng)情況下，由于投資者數(shù)量多，水平高低不齊，企業(yè)經(jīng)營者難以從海量的投資者信息中抓取到有效的意見信息。但隨著互聯(lián)網(wǎng)平臺的發(fā)展與計(jì)算機(jī)技術(shù)的發(fā)展，投資者的觀點(diǎn)可以通過互聯(lián)網(wǎng)平臺（例如東方財(cái)富網(wǎng)）進(jìn)行反饋，在整體上能夠呈現(xiàn)出投資者對企業(yè)的意見，這也稱為“網(wǎng)絡(luò)輿情”。不同時(shí)點(diǎn)的網(wǎng)絡(luò)輿情能夠反映不同時(shí)點(diǎn)投資者對企業(yè)運(yùn)營的態(tài)度，能夠從側(cè)面反映企業(yè)財(cái)務(wù)經(jīng)營的情況。但是，如何從表達(dá)相對模糊的網(wǎng)絡(luò)輿情中提取有效信息，同樣是基于網(wǎng)絡(luò)輿情進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測的一大難點(diǎn)。在這一方面，可從以下三個(gè)角度進(jìn)行處理其一，對將采集到的網(wǎng)絡(luò)輿情進(jìn)行限制，使其能夠從具體角度上反饋網(wǎng)絡(luò)輿情的意見。具體限制方式可從限制信息類型進(jìn)行，例如，搜集角度從搜集投資者對企業(yè)經(jīng)營的文字意見信息，轉(zhuǎn)變?yōu)樗鸭顿Y者對企業(yè)股票漲跌的投票意見。仍以安凱汽車和長安汽車為例，在東方財(cái)富網(wǎng)的網(wǎng)友意見投票調(diào)查中，截至至2021年5月1日，安凱汽車的漲跌比為47：53，而長安汽車的漲跌比為77：23，可見在整體網(wǎng)絡(luò)輿情中，相對于長安汽車而言，投資者對安凱汽車的未來情況相對比較中庸，與安凱汽車剛“脫帽”的情況相吻合。其二，對已采集到的網(wǎng)絡(luò)輿情的特征進(jìn)行分析，使其能夠從部分角度反饋網(wǎng)絡(luò)輿情的實(shí)質(zhì)。例如，從網(wǎng)絡(luò)輿情的數(shù)量上可以反饋投資者對企業(yè)的關(guān)注程度。投資者自然會將注意點(diǎn)更多的放在他們認(rèn)為更有發(fā)展?jié)摿Φ钠髽I(yè)，因此網(wǎng)絡(luò)輿情的數(shù)量多少恰能反應(yīng)投資者的輿情。仍以安凱汽車和長安汽車為例，在東方財(cái)富網(wǎng)上，安凱汽車的討論人氣排名基本位于1300名左右，即使在“脫帽”前后人氣排名提高至前百，但數(shù)周后便再次回到千名。而長安汽車的討論人氣居高不下，在200名左右徘徊，近月由于經(jīng)營形式良好已穩(wěn)定在前百。可見網(wǎng)絡(luò)輿情的人氣排名從一定程度上也能反應(yīng)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)情況。其三，對已采集到的網(wǎng)絡(luò)輿情進(jìn)行深入處理，使其能夠提取出重要信息。網(wǎng)絡(luò)輿情的處理難度集中于對非規(guī)范化語言的信息提取。但網(wǎng)絡(luò)輿情仍是輿情，仍是投資者對先行情況的意見與分析，其文字期間不可避免存在相應(yīng)的情緒詞語。對網(wǎng)絡(luò)輿情進(jìn)行處理能夠從宏觀角度反應(yīng)投資者的情緒變動(dòng)，進(jìn)而體現(xiàn)投資者對企業(yè)運(yùn)營的情感態(tài)度，從側(cè)面角度反應(yīng)投資者對企業(yè)財(cái)務(wù)運(yùn)營情況的認(rèn)知，從而表現(xiàn)企業(yè)經(jīng)營的風(fēng)險(xiǎn)情況。在這一過程中，可以通過計(jì)算機(jī)互聯(lián)網(wǎng)爬蟲技術(shù)對具體網(wǎng)絡(luò)信息進(jìn)行大規(guī)模檢索與獲取，以情感文本詞典為學(xué)習(xí)基礎(chǔ)，讓大數(shù)據(jù)程序利用相關(guān)的分類方法對搜集到的信息進(jìn)行情感分析與整理，進(jìn)而轉(zhuǎn)換為數(shù)字指標(biāo)，協(xié)助企業(yè)進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測分析。顯然，網(wǎng)絡(luò)輿情分析并不是企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測的主要分析工具，其存在較多不可控因素，更多的是起到從旁輔助的作用。但不可否認(rèn)，整體網(wǎng)絡(luò)輿情不僅是企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)情況的反饋，同樣也能夠?qū)ζ髽I(yè)抵抗財(cái)務(wù)風(fēng)險(xiǎn)提供輿論支持與動(dòng)力，因此并不可忽視網(wǎng)絡(luò)輿情。六、結(jié)論與啟示本文就現(xiàn)有的國內(nèi)外財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)進(jìn)行研究，并以安凱汽車為例，對現(xiàn)有的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的準(zhǔn)確性進(jìn)行測試和檢驗(yàn)。在這一過程中，本文發(fā)現(xiàn)目前以財(cái)務(wù)指標(biāo)為主導(dǎo)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)仍存在一些不足之處，應(yīng)當(dāng)結(jié)合非財(cái)務(wù)指標(biāo)對公司的財(cái)務(wù)情況進(jìn)行綜合測定。本文認(rèn)為，當(dāng)下企業(yè)構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型應(yīng)當(dāng)注意以下幾點(diǎn)。（一）以靜態(tài)的財(cái)務(wù)指標(biāo)為主要預(yù)測依據(jù)當(dāng)下大部分通行的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，例如Logit模型、Z模型及ZETA模型等，都是利用靜態(tài)的財(cái)務(wù)數(shù)據(jù)進(jìn)行計(jì)算比較從而反應(yīng)企業(yè)當(dāng)下財(cái)務(wù)情況的。顯然，財(cái)務(wù)數(shù)據(jù)等數(shù)字化信息較文本類信息更加客觀準(zhǔn)確，因此能夠更敏銳的反映出其企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)狀況。作為現(xiàn)行較為成熟的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警方式，其效用得到了有效性認(rèn)可，其方法得到了可行性實(shí)踐，因此企業(yè)在構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)時(shí)不能因?yàn)榭赡艽嬖诘牟粶?zhǔn)確情況而完全拋棄以財(cái)務(wù)指標(biāo)為核心的各類預(yù)測模型。相反，企業(yè)仍應(yīng)當(dāng)以財(cái)務(wù)指標(biāo)為主要預(yù)測依據(jù)，構(gòu)建企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，這樣才能保持企業(yè)常態(tài)化的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警機(jī)制，保持風(fēng)險(xiǎn)預(yù)測的系統(tǒng)性。以靜態(tài)的財(cái)務(wù)指標(biāo)為主要預(yù)測依據(jù)的風(fēng)險(xiǎn)預(yù)警方法，是企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)的建立基礎(chǔ)。（二）以動(dòng)態(tài)的非財(cái)務(wù)指標(biāo)為側(cè)面映照財(cái)務(wù)指標(biāo)數(shù)據(jù)雖然相對準(zhǔn)確敏感，但是存在局限，并不能全面完整的反饋當(dāng)下企業(yè)實(shí)際的財(cái)務(wù)情況。靜態(tài)的財(cái)務(wù)指標(biāo)僅僅只能反應(yīng)企業(yè)自身的財(cái)務(wù)情況，卻無法反應(yīng)外界的政策支持、市場風(fēng)險(xiǎn)以及消費(fèi)者反饋情況。除此以外，在依照數(shù)理統(tǒng)計(jì)和概率性原理構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的時(shí)候，往往是從公開披露的已有的信息入手，這樣一來就會受到信息誤差的影響，憑借這些信息得來的預(yù)測結(jié)果是很難完全真實(shí)的。因此，為了更準(zhǔn)確充分的反應(yīng)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)情況，企業(yè)在構(gòu)建企業(yè)財(cái)務(wù)預(yù)警風(fēng)險(xiǎn)時(shí)，除了以靜態(tài)的財(cái)務(wù)指標(biāo)為主要核心外，還需要將動(dòng)態(tài)的非財(cái)務(wù)指標(biāo)加入財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測系統(tǒng)，為整體風(fēng)險(xiǎn)預(yù)測提供側(cè)面映照，從而運(yùn)用財(cái)務(wù)指標(biāo)與非財(cái)務(wù)指標(biāo)綜合預(yù)測企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)。所謂非財(cái)務(wù)指標(biāo)，具體包括企業(yè)經(jīng)營環(huán)境、公司治理、EVA、網(wǎng)絡(luò)輿情等等。對于這些非財(cái)務(wù)指標(biāo)，企業(yè)經(jīng)營者應(yīng)當(dāng)根據(jù)企業(yè)的實(shí)際情況，合理確認(rèn)所需的非財(cái)務(wù)指標(biāo)，并根據(jù)需要設(shè)立具體的統(tǒng)計(jì)和評價(jià)機(jī)制，從而使非財(cái)務(wù)指標(biāo)有效發(fā)揮側(cè)面映照作用。通過綜合運(yùn)用財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)對企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)測，構(gòu)建企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，除了能夠更全面準(zhǔn)確的反應(yīng)企業(yè)財(cái)務(wù)情況外，更能夠利用多方面的信息來源，將靜態(tài)和動(dòng)態(tài)的信息相結(jié)合，從而實(shí)現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警及時(shí)反饋，有助于企業(yè)借助預(yù)測結(jié)果及時(shí)追朔財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生原因，進(jìn)而解決不良因子，從而實(shí)現(xiàn)企業(yè)的良好平穩(wěn)運(yùn)行，達(dá)到企業(yè)發(fā)展的目標(biāo)。這將是當(dāng)下企業(yè)建立企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系