[摘要]每年有大量企業(yè)出現(xiàn)財(cái)務(wù)危機(jī)甚至破產(chǎn),盡管這些企業(yè)運(yùn)行著ERP或財(cái)務(wù)軟件系統(tǒng),但系統(tǒng)本身并沒有財(cái)務(wù)危機(jī)預(yù)警子系統(tǒng),難以進(jìn)行實(shí)時(shí)自動(dòng)預(yù)測(cè)報(bào)警,入而失去了企業(yè)經(jīng)營賴以決策的重要診斷工具。本文將ERP功能擴(kuò)展,進(jìn)行了財(cái)務(wù)危機(jī)預(yù)警子系統(tǒng)的系統(tǒng)分析與設(shè)計(jì)。
[關(guān)鍵詞]財(cái)務(wù)危機(jī);預(yù)警;ERP
[中圖分類號(hào)]F270.7 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1673-0194(2006)06-0028-04
一、建立基于ERP的財(cái)務(wù)危機(jī)預(yù)警子系統(tǒng)的必要性
財(cái)務(wù)危機(jī),又稱財(cái)務(wù)困境,嚴(yán)重的財(cái)務(wù)危機(jī)將導(dǎo)致企業(yè)破產(chǎn)。對(duì)財(cái)務(wù)危機(jī)的定義各不相同,主要指企業(yè)不能按期還本付息、資不抵債、破產(chǎn)等,國內(nèi)也將最近兩年連續(xù)虧損,或最近一年的每股凈資產(chǎn)低于每股面值,或因其他狀況異常而被特別處理的ST公司,視為財(cái)務(wù)危機(jī)公司。
如果企業(yè)出現(xiàn)財(cái)務(wù)危機(jī)甚至破產(chǎn),將給國家、企業(yè)自身、投資者、債權(quán)人、供應(yīng)鏈上的供應(yīng)商和客戶造成嚴(yán)重?fù)p失。由于財(cái)務(wù)危機(jī)通常不是因?yàn)橥话l(fā)的、不可抗拒的外力造成的,而是由于企業(yè)自身決策、經(jīng)營管理不善造成的,就是說,財(cái)務(wù)危機(jī)是在一定時(shí)間區(qū)間內(nèi)逐漸形成的,因此是可以提前預(yù)測(cè)的。財(cái)務(wù)危機(jī)預(yù)警就是用統(tǒng)計(jì)、人工智能的方法建立預(yù)測(cè)模型,通過財(cái)務(wù)指標(biāo)的變化,預(yù)測(cè)企業(yè)發(fā)生危機(jī)的風(fēng)險(xiǎn),并向經(jīng)營者示警,以采取對(duì)策,避免危機(jī)和破產(chǎn)的發(fā)生。
但是,目前國內(nèi)的ERP(企業(yè)資源計(jì)劃)系統(tǒng)或財(cái)務(wù)軟件系統(tǒng)并沒有財(cái)務(wù)危機(jī)預(yù)警子系統(tǒng),企業(yè)若進(jìn)行預(yù)警研究,則用SAS、SPSS等統(tǒng)計(jì)軟件建立預(yù)測(cè)模型。由于預(yù)測(cè)模型與ERP系統(tǒng)割裂,出現(xiàn)信息孤島,不利于進(jìn)行實(shí)時(shí)自動(dòng)預(yù)測(cè)報(bào)警。若將ERP功能擴(kuò)展,建立財(cái)務(wù)危機(jī)預(yù)警信息系統(tǒng),則該系統(tǒng)無疑是企業(yè)經(jīng)營的重要診斷工具。因此,本文進(jìn)行了基于ERP的財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)的系統(tǒng)分析與設(shè)計(jì)。
二、財(cái)務(wù)危機(jī)預(yù)警模型的研究現(xiàn)狀
1.國外
Beaver(1966)最先采用單變量分析方法對(duì)企業(yè)財(cái)務(wù)危機(jī)進(jìn)行了預(yù)測(cè)。由于單個(gè)財(cái)務(wù)比率不能全面反映企業(yè)狀況,因此Altman(1968)首次將多元判別分析方法引入財(cái)務(wù)危機(jī)預(yù)測(cè)中。表1中列舉了最著名的破產(chǎn)預(yù)測(cè)模型。以下是兩個(gè)美國模型:
(1)奧特曼模型(Altman,1968)。該模型又稱Z值(Z-score)判別模型,用來預(yù)測(cè)制造業(yè)上市公司是否會(huì)破產(chǎn)。創(chuàng)建該模型使用了66個(gè)中型企業(yè)樣本,資產(chǎn)在70萬美元到2 590萬美元,包括1946-1965年期間提出破產(chǎn)申請(qǐng)的33家企業(yè),另有33家非破產(chǎn)企業(yè)。最初挑選了22個(gè)財(cái)務(wù)比率進(jìn)行實(shí)驗(yàn),最后保留了5個(gè)判別能力強(qiáng)的比率。該模型在破產(chǎn)前一年的預(yù)測(cè)準(zhǔn)確率為95%,破產(chǎn)前兩年的準(zhǔn)確率為72%。
Z=1.2 ×1+1.4 ×2+3.3 ×3+0.6 ×4+0.999×5
其中:×l=營運(yùn)資金/資產(chǎn)總額;×2=累計(jì)留存收益/資產(chǎn)總額;×3:息稅前利潤/資產(chǎn)總額;×4二股票市場(chǎng)價(jià)值/債務(wù)賬面價(jià)值;×5=銷售收入/資產(chǎn)總額。Z是判別函數(shù)值,如果Z<1.81,則公司將破產(chǎn);如果1.812.99,則公司不會(huì)破產(chǎn)。
(2)弗枚爾模型(Fulmer,1984)。創(chuàng)建該模型使用了60個(gè)小企業(yè)樣本,平均資產(chǎn)45.5萬美元,30個(gè)破產(chǎn)企業(yè),30個(gè)正常經(jīng)營的企業(yè)。最初模型含有40個(gè)變量,最終使用了9個(gè)。該模型破產(chǎn)前一年預(yù)測(cè)準(zhǔn)確率為98%,前二年準(zhǔn)確率為81%。
H=5.528 V1+0.212 V2+0.073 V3+1.270 V4—0.120 V5+2.335 V6+0.575 V7+1.083 V8+0.894V9—6.075
其中:V1=累計(jì)未分配利潤/總資產(chǎn);V2=銷售收入/總資產(chǎn);V3=稅前利潤/凈資產(chǎn);V4=現(xiàn)金流/負(fù)債總額;V5=長(zhǎng)期負(fù)債/總資產(chǎn);V6=流動(dòng)負(fù)債/總資產(chǎn);V7=log(有形資產(chǎn));V8=流動(dòng)資本/負(fù)債總額;V9=log(息稅前利潤/利息)。如果H 〈0,破產(chǎn)是不可避免的。
2.國內(nèi)
吳世農(nóng)、黃世忠(1986)最早進(jìn)行了企業(yè)破產(chǎn)的單變量預(yù)測(cè)模型和多變量Fisher線性判別模型的研究。高培業(yè)、張道奎(2000)把能否按時(shí)償還銀行貸款本息作為企業(yè)發(fā)生財(cái)務(wù)危機(jī)與否的標(biāo)準(zhǔn),對(duì)深圳非上市的制造企業(yè)和非制造企業(yè)分別建立了貝葉斯線性判別函數(shù)預(yù)測(cè)模型。陳靜(1999)、張玲(2000)、吳世農(nóng)和盧賢義(2001)、長(zhǎng)城證券課題組(2002),把上市公司被特別處理(ST)作為發(fā)生財(cái)務(wù)危機(jī)的標(biāo)準(zhǔn),分別建立了線性判別和Logit預(yù)測(cè)模型。搜索中國期刊全文數(shù)據(jù)庫,結(jié)果顯示:截止到2005年8月,財(cái)務(wù)危機(jī)預(yù)警方面的文章約310篇,而96%以上的文章是2000年以后發(fā)表的,學(xué)術(shù)界開展預(yù)警研究已較晚,可以推測(cè)國內(nèi)很少有企業(yè)在開展財(cái)務(wù)危機(jī)預(yù)警應(yīng)用。
表1最著名的破產(chǎn)預(yù)測(cè)模型
(http://www.cfin.ru/finanalysis/fulmer.shtml):
三、我國企業(yè)進(jìn)行財(cái)務(wù)危機(jī)預(yù)警的信息化基礎(chǔ)已形成
財(cái)務(wù)危機(jī)預(yù)警系統(tǒng),是建立在企業(yè)信息化基礎(chǔ)之上的信息深加工系統(tǒng)。自上世紀(jì)70年代末期至今,中國企業(yè)的信息化建設(shè)取得了巨大發(fā)展,歸納起來是沿著兩條路走過來的:一是部分企業(yè)從應(yīng)用物料需求計(jì)劃MRP開始,再擴(kuò)展到制造資源計(jì)劃MRPII和企業(yè)資源計(jì)劃ERP;二是絕大部分中國企業(yè)是從應(yīng)用財(cái)務(wù)軟件開始,再擴(kuò)展到分銷和生產(chǎn)制造系統(tǒng)。兩條路殊途同歸。
1994年,財(cái)政部在《關(guān)于大力發(fā)展我國會(huì)計(jì)電算化事業(yè)的意見》中制定的總的目標(biāo)是:到2000年,力爭(zhēng)達(dá)到有40%-60%的大中型企業(yè)事業(yè)單位和縣級(jí)以上國家機(jī)關(guān)實(shí)現(xiàn)會(huì)計(jì)電算化;其他單位的會(huì)計(jì)電算化開展面應(yīng)達(dá)到10%-30%。到2010年,力爭(zhēng)使80%以上的基層單位基本實(shí)現(xiàn)會(huì)計(jì)電算化。根據(jù)CCID 2004-2005年度市場(chǎng)調(diào)查數(shù)據(jù)顯示,“用友”軟件占據(jù)中國財(cái)務(wù)軟件、ERP軟件、管理軟件市場(chǎng)份額3項(xiàng)第一,分別為27.4%、21.9%、18.4%。中國有40萬家企業(yè)運(yùn)行著用友軟件,每年有4萬家企業(yè)選擇用友軟件,每天有200萬人在使用用友軟件。由此推算全國約有146萬家企業(yè)使用財(cái)務(wù)軟件,并且95%以上是國產(chǎn)軟件。因此,如果國產(chǎn)商品化ERP軟件或財(cái)務(wù)軟件具有財(cái)務(wù)危機(jī)預(yù)警子系統(tǒng),能進(jìn)行實(shí)時(shí)自動(dòng)預(yù)測(cè)報(bào)警,則企業(yè)就有了防范危機(jī)發(fā)生的防御系統(tǒng)。
四、基于ERP的財(cái)務(wù)危機(jī)預(yù)警子系統(tǒng)的建立——系統(tǒng)分析與系統(tǒng)設(shè)計(jì)
ERP系統(tǒng)主要包括分銷、財(cái)務(wù)和生產(chǎn)制造三大部分,由于主要從總賬子系統(tǒng)獲取數(shù)據(jù),因此財(cái)務(wù)危機(jī)預(yù)警子系統(tǒng)應(yīng)包含在財(cái)務(wù)模塊中。
(一)財(cái)務(wù)危機(jī)預(yù)警子系統(tǒng)的數(shù)據(jù)流程設(shè)計(jì)
圖1財(cái)務(wù)危機(jī)預(yù)警子系統(tǒng)數(shù)據(jù)流程圖
(二)財(cái)務(wù)危機(jī)預(yù)警子系統(tǒng)的功能模塊設(shè)計(jì)
圖2 財(cái)務(wù)危機(jī)預(yù)警子系統(tǒng)的功能模塊設(shè)計(jì)
1.報(bào)表生成模塊
能自動(dòng)實(shí)時(shí)生成資產(chǎn)負(fù)債表、損益表、現(xiàn)金流量表等,并能進(jìn)行絕對(duì)數(shù)分析、定基分析、環(huán)比分析、對(duì)比分析、結(jié)構(gòu)分析等趨勢(shì)分析。
2.指標(biāo)生成模塊
根據(jù)報(bào)表自動(dòng)生成財(cái)務(wù)比率指標(biāo),包括償債能力、盈利能力、經(jīng)營效率、成長(zhǎng)能力、每股指標(biāo)等?！荒苡蓤?bào)表直接生成的非財(cái)務(wù)指標(biāo),則手工輸入,包括公司治理、股權(quán)結(jié)構(gòu)及其他指標(biāo)。公司治理指標(biāo)包括:高管持股比例、董事會(huì)規(guī)模、監(jiān)事會(huì)規(guī)模、董事長(zhǎng)和總經(jīng)理是否二位一體、持股董事比例等。股權(quán)結(jié)構(gòu)指標(biāo)包括:國家股比例、流通股比例、第一大股東持股比例、股權(quán)集中度等。其他指標(biāo)包括:是否更換會(huì)計(jì)師事務(wù)所、年報(bào)是否為標(biāo)準(zhǔn)無保留審計(jì)意見、有無關(guān)聯(lián)方交易、有無對(duì)外擔(dān)保等。各種指標(biāo)作為預(yù)測(cè)模型的備選解釋變量。
另外,可對(duì)財(cái)務(wù)比率進(jìn)行單比率分析、綜合比率分析、杜邦分析。單比率分析包括:償債能力、盈利能力、經(jīng)營效率、成長(zhǎng)能力分析。綜合比率分析是指,將各財(cái)務(wù)比率的實(shí)際值除以標(biāo)準(zhǔn)值,再分別乘以重要性系數(shù),再相加,得到的值用于對(duì)企業(yè)財(cái)務(wù)狀況進(jìn)行綜合分析。
3.預(yù)測(cè)模型生成模塊
(1)財(cái)務(wù)危機(jī)定義和樣本采集。財(cái)務(wù)危機(jī)是指企業(yè)到期不能還本付息、資不抵債、成為ST公司、破產(chǎn)等。危機(jī)形式不同,樣本采集標(biāo)準(zhǔn)就不同。例如把公司成為ST看成發(fā)生了財(cái)務(wù)危機(jī),則建模時(shí)就選擇一定數(shù)量的ST公司和一定數(shù)量的相似的健康公司作為樣本。若把“到期不能還本付息”視為發(fā)生財(cái)務(wù)危機(jī),則建模型時(shí)就選擇一定數(shù)量的“到期不能還本付息”的企業(yè)和一定數(shù)量的健康企業(yè)作為樣本。從上市公司數(shù)據(jù)庫、銀行、信貸保險(xiǎn)公司或網(wǎng)絡(luò)上采集樣本。通常將危機(jī)企業(yè)分類標(biāo)號(hào)為1,將健康企業(yè)分類標(biāo)號(hào)為0。若危機(jī)發(fā)生在t年(或t季度),則選擇t-n年(或t-n季度)的樣本作為估計(jì)樣本,得到預(yù)測(cè)模型后,把t-n年(或t-n季度)估計(jì)樣本(或檢驗(yàn)樣本)回代到模型中判斷其類別,并與t年的實(shí)際類別情況相比較,從而得出模型在t年的回判精度(或檢驗(yàn)精度)。若把t年的數(shù)據(jù)代入模型,則預(yù)測(cè)未來是否發(fā)生財(cái)務(wù)危機(jī)。
(2)預(yù)測(cè)方法選擇和預(yù)測(cè)模型生成。
表2中列舉了常用的預(yù)測(cè)方法。計(jì)量經(jīng)濟(jì)學(xué)建模步驟主要為:選擇預(yù)測(cè)方法、篩選解釋變量、模型參數(shù)估計(jì)和檢驗(yàn)、確定判別規(guī)則(判定點(diǎn))、樣本數(shù)據(jù)回代計(jì)算誤判率、模型確定,將模型存放在預(yù)測(cè)模型庫中,調(diào)用ERP數(shù)據(jù)預(yù)測(cè)。非參數(shù)方法,包括人工智能方法建模步驟通常為:利用訓(xùn)練樣本集合,通過分類算法,學(xué)習(xí)并獲得分類規(guī)則知識(shí)(模型),存放于預(yù)測(cè)模型庫中,對(duì)已知類別測(cè)試數(shù)據(jù)集合進(jìn)行模型準(zhǔn)確率評(píng)估。用學(xué)習(xí)獲得的分類規(guī)則,進(jìn)行企業(yè)危機(jī)與否的分類預(yù)測(cè)。
(3)預(yù)測(cè)模型修正。隨著樣本數(shù)據(jù)變動(dòng)或判例的增加,動(dòng)態(tài)修正模型。
表2財(cái)務(wù)危機(jī)預(yù)測(cè)方法(王滿玲、楊德禮,2004)
4.實(shí)時(shí)預(yù)警模塊
(1)單指標(biāo)閾值報(bào)警。是指當(dāng)財(cái)務(wù)比率、或是“報(bào)表趨勢(shì)分析”中的項(xiàng)目,超出標(biāo)準(zhǔn)值范圍而進(jìn)行自動(dòng)報(bào)警。例如,若流動(dòng)比率的標(biāo)準(zhǔn)值是2,則流動(dòng)比率<2時(shí),系統(tǒng)報(bào)警。又例如,在損益表對(duì)比分析中,若本期管理費(fèi)用較上期增加過大,系統(tǒng)報(bào)警。
(2)模型預(yù)警。系統(tǒng)利用預(yù)測(cè)模型庫中的各種模型,同時(shí)進(jìn)行預(yù)測(cè)和報(bào)警。計(jì)量經(jīng)濟(jì)模型:將ERP系統(tǒng)實(shí)時(shí)生成的財(cái)務(wù)比率以及存貯在數(shù)據(jù)庫中的非財(cái)務(wù)指標(biāo),自動(dòng)代入各種預(yù)測(cè)模型中,通過判別規(guī)則,預(yù)測(cè)企業(yè)是否將發(fā)生財(cái)務(wù)危機(jī)。智能模型:將各種財(cái)務(wù)比率或非財(cái)務(wù)指標(biāo)代人分類規(guī)則,進(jìn)行分類預(yù)測(cè)。
(3)預(yù)警分析報(bào)告。由系統(tǒng)自動(dòng)生成,包括企業(yè)名稱、行業(yè)性質(zhì)、“危機(jī)”定義、樣本選擇、預(yù)測(cè)方法、預(yù)測(cè)模型、變量、判別規(guī)則、預(yù)測(cè)結(jié)果等內(nèi)容的描述。也包括單指標(biāo)閾值報(bào)警內(nèi)容。
(三)財(cái)務(wù)危機(jī)預(yù)警子系統(tǒng)的數(shù)據(jù)庫設(shè)計(jì)
財(cái)務(wù)危機(jī)預(yù)警子系統(tǒng)主要包括以下數(shù)據(jù)庫:
1.報(bào)表數(shù)據(jù)庫
存放資產(chǎn)負(fù)債表、損益表、現(xiàn)金流量表,用于進(jìn)行報(bào)表趨勢(shì)分析。同時(shí)該數(shù)據(jù)庫中也存放報(bào)表項(xiàng)目變化的標(biāo)準(zhǔn)范圍,用以進(jìn)行單指標(biāo)閾值報(bào)警。例如,在損益表對(duì)比分析中,若本期管理費(fèi)用較上期增加過大,系統(tǒng)報(bào)警。
2.指標(biāo)數(shù)據(jù)庫
存放企業(yè)的財(cái)務(wù)比率、非財(cái)務(wù)比率,用于比率分析和杜邦分析,各種比率也是預(yù)測(cè)模型的備選變量。同時(shí)該數(shù)據(jù)庫中也存放標(biāo)準(zhǔn)財(cái)務(wù)比率,用以進(jìn)行單指標(biāo)閾值報(bào)警。例如流動(dòng)比率<2時(shí),系統(tǒng)報(bào)警。
3.樣本數(shù)據(jù)庫
存放危機(jī)企業(yè)樣本數(shù)據(jù)和健康企業(yè)數(shù)據(jù),用于建立預(yù)測(cè)模型或是提取判別規(guī)則。對(duì)于案例推理等智能模型而言,案例庫表、知識(shí)庫表可包含在該庫中,或是單獨(dú)設(shè)計(jì)。
4.預(yù)測(cè)方法庫
存放計(jì)量經(jīng)濟(jì)學(xué)、人工智能等預(yù)測(cè)方法的通用算法,包括算法函數(shù)或是算法子程序,用以生成預(yù)測(cè)模型。
5.預(yù)測(cè)模型庫
存放樣本數(shù)據(jù)與預(yù)測(cè)方法結(jié)合而生成的預(yù)測(cè)模型。例如線性概率模型(LPM)、Fisher判別模型、Bayes判別模型、逐步判別法模型、Logistic回歸模型、Probit模型、多元積和時(shí)間序列模型(CUSUM)、生存分析模型、主成分分析模型,以及基于遞歸分割法(RPA)、神經(jīng)網(wǎng)絡(luò)、遺傳算法、案例推理(CBR)而建立的分類預(yù)測(cè)模型等。
6.預(yù)警分析報(bào)告數(shù)據(jù)庫
存放預(yù)測(cè)和報(bào)警的結(jié)果,包括“單指標(biāo)閾值報(bào)警”的超界財(cái)務(wù)比率和報(bào)表項(xiàng)目,包括“模型預(yù)測(cè)”中使用的預(yù)測(cè)方法、變量、樣本、預(yù)測(cè)模型、判別規(guī)則、預(yù)測(cè)結(jié)果。
(四)財(cái)務(wù)危機(jī)預(yù)警子系統(tǒng)的程序設(shè)計(jì)
1.獨(dú)立開發(fā)全部子系統(tǒng)
包括預(yù)測(cè)方法及算法,具有獨(dú)立知識(shí)產(chǎn)權(quán)。開發(fā)工具可采用VB或VC,以及SQLServer數(shù)據(jù)庫。
2.系統(tǒng)集成、二次開發(fā)
某些預(yù)測(cè)方法或算法,可以調(diào)用統(tǒng)計(jì)軟件包或神經(jīng)網(wǎng)絡(luò)軟件包的函數(shù),開發(fā)模式是:ERP的數(shù)據(jù)庫,與VB(或VC)調(diào)用SPSS(或SAS、或MATLAB)相結(jié)合。
主要參考文獻(xiàn)
[1]王滿玲,楊德禮.國外公司財(cái)務(wù)困境預(yù)測(cè)研究進(jìn)展評(píng)述[J].預(yù)測(cè),2004,(6):15—20.
[2]吳世農(nóng),盧賢義.我國上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J].經(jīng)濟(jì)研究,2001,(6):46—55.
[3]Altman,EI,1968,Financial Ratios,Discriminant Analysis andPrediction Of Corporate Bankruptcy.Journal Of Finance 9,589—609.
[收稿日期]2006—03—15
[作者簡(jiǎn)介]李清(1966—),男,黑龍江遜克縣人,吉林大學(xué)商學(xué)院會(huì)計(jì)系副教授、碩士導(dǎo)師、在讀博士,研究方向:會(huì)計(jì)信息系統(tǒng)、財(cái)務(wù)數(shù)據(jù)挖掘。
