新能源汽车企业财务风险研究思维导图

财务风险具有损失性和收益性双重特征，如果能对财务风险进行有效识别并加以预警，我们就能有针对性地进行风险干预，此时财务风险发挥的是查漏补缺的功能，能够完善企业管理，从而表现出收益性特征。反之，如果在经营管理中对潜在的财务风险缺乏分析和预警，则有可能给公司带来巨大损失。公司在生产经营过程中会受到各种因素的影响，而这些影响因素并不是独立存在的，它们之间相互影响，交叉并存。因此，企业就需要建立完善的风险预警机制，当公司的相关财务指标出现变化时，能够及时加以预警并进行风险防范，使公司的经济损失降至最低。

（一）企业财务风险定义受内外部环境的影响，企业在生产经营活动中因各种不确定性因素导致的实际收益与预期收益发生偏差的可能性统称为财务风险。

（二）企业财务风险分类企业的财务风险大体可分为以下几类。1.筹资风险：随着宏观经济环境、资本市场供需关系的变化以及企业在资本筹措方面的不确定性而在财务上造成损失的可能性称为筹资风险。筹资风险一般分为利率风险、再融资风险、财务杠杆效应、汇率风险、购买力风险等。2.投资风险：受市场需求变化的影响，企业投资在收益方面所面临的风险称为投资风险。3.资金营运风险：资金营运风险主要指的是企业流动资金方面所面临的风险。资金营运风险受供应链上各个节点、供产销多个环节多重因素的影响。4.收益分配风险。收益分配风险是指因为企业经营管理层制定了不合理的收益分配方案，而对企业的生产经营活动造成不利影响的可能性。

（三）企业财务风险分析方法在对企业财务风险的识别中，多采用定量分析方法。当企业发生财务问题后，其财务比率与正常企业的财务比率相比具有明显差别，通过对异常指标的量化分析，可以快速识别企业所面临的风险。随着企业运营环境的日益复杂、多变，单一的指标已无法全面体现企业的综合财务状况。所以在对企业财务风险进行定量分析时普遍采用的是多变量判定模型。与单变量判定模型相比，多变量判定模型具有较高的判别精度，但是多变量判定模型的运用没有单变量判定模型广泛，主要是因为多变量判定模型假定条件较为苛刻。多变量判定模型包括多元线性评价模型、fisher判别模型、主成分分析模型、F分数模型和Z分数模型等方法。为了使分析结果更加客观，本文在对长城汽车进行财务风险分析时采用了F分数模型和Z分数模型两种方法。

2006年，长城汽车便已涉足新能源项目，不过当时对新能源的研究还只停留在试验阶段，所以外界所知甚少。2009年，长城汽车成立了新能源汽车研究小组，并注入大量资金，对新能源汽车开展基础研究与生产布局。截至目前，长城汽车股份有限公司已完成了电芯、机理研究、PACK、BMS试制实验室以及动力电池测试车间、实验所、研究中心等生态布局；建立了以保定本部为中心，遍及欧盟、东南亚、美国等地的国际化开发架构，如其在奥地利设立的新能源驱动电机控制器生产研究中心以及在韩国设立的先进电池材料研究中心，都致力于纯电动模式新能源的研究与探索。长城汽车目前已完成上中下游全面布局。核心的电池、电机、电控等都已经具备自研自产能力。在新能源汽车产业布局上，长城汽车走在了行业的前面。其新能源汽车品牌欧拉自从2018年8月20日上市以后，市场表现良好。长城汽车2021年财报数据显示，欧拉品牌当年12月销量为20926辆，全年累计销量135028辆，看起来欧拉成功打入了新能源市场。但和长城WEY的命运一样，在经历了短暂的辉煌后，2022年第一季度欧拉的销量增长陷入了窘境。当下新能源市场规模仍处于增长之中，在行业整体规模增长阶段，各品牌之间比拼的是增长速度，而欧拉销量增幅的停滞状态必然会反映在其财务数据中。因此，有必要对长城汽车各种财务数据进行分析，以判断其是否存在财务风险以及财务风险的大小。下面本文通过Z分数模型法和F分数模型法对长城汽车的财务风险展开具体分析。

Z分数模型是采用多因子分析的多元线性函数公式，即利用由多个财务指标风险因素综合产生的分值来预估公司经营风险的一种方法。埃特曼通过大量的实证研究分析了破产公司和非破产公司的相关财务指标，最终选取5个财务指标作为变量，构建了公司财务危机预警模型，即Z分数模型。模型如下：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5式中，X1反映资产的流动性与规模特性，X2反映公司累计收益情况，X3反映企业资产的收益水平，X4反映企业的还款能力，X5反映企业资本的使用效益。具体计算公式如下：X1=营运资金（流动资产-流动负债）/资产总额，X2=留存收益（盈余公积+未分配利润）/资产总额，X3=息税前利润/资产总额，X4=股东权益市场价值/负债总额，X5=销售收入/资产总额。Z值越小，企业破产的可能性越大。埃特曼认为，确定破产企业和非破产企业的Z值分界点为2.675，Z值大于2.675为非破产企业；Z值小于1.81为破产企业；处于1.81~2.675之间的企业，其财务状况很不稳定，误判的概率很大。Z分数模型的风险参考值如表1所示。由于长城汽车新能源发展板块真正独立是从2018年开始的，所以选用其2018—2021年的财务数据进行评价。数据来源于长城汽车年报，计算分析通过EXCEL2016实现。结合长城汽车2018—2021年财报数据发现，长城汽车近五年内Z值均小于1.81，预测结果均为破产。相关结果如表2所示。

由于现金流量变化没有被Z分数模型考虑在内，所以有研究者对Z分数模型作了改进，从而形成F分数模型，模型如下：F=-0.1774+1.1091X1+0.1074X2+1.9271X3+0.0302X4+0.4961X其中，X1、X2及X4与Z分数模型中的X1、X2及X4相同，这里不再进行分析。F分数模型与Z分数模型中各比率的差异主要表现在X3、X5的比值结果。X3是一种现值变量，用以衡量企业所有流动资金偿还企业债务的能力。企业的流动资金主要是指税后纯收益，必要时还可把企业的固定资产折旧费用作为还款资金的来源。X5衡量的则是企业资产总额在创造现金流量方面的综合能力。在对资产总额的计算中，除了税后纯收益和固定资产折旧费用，还把利息（利息收入-利息支出）计算在内，在预测财务风险方面要比Z分数模型更加准确。具体计算公式如下：X3=（税后纯收益+折旧）/平均总负债，X5=（税后纯收益+利息+折旧）/平均总资产。F分数模型的临界点是0.0274，如果某一特定企业的F分值小于0.0274，将被预测为破产企业；如果F分值大于0.0274，企业将被预测为非破产企业。结合长城汽车2018—2021年财报数据发现，长城汽车2018—2021年内F值均超过了临界值0.0274，但是整体呈下降趋势。相关结果如表3所示。

（一）研究结论实验结果表明，Z分数模型对企业经营风险具有较强的警示效果，但是横向比较的效果并不好。在公司倒闭之前的两年内使用该模型的判断准确度很高,而超过两年精度则比较低，而且所用的数据空间和财务指标变化也需要满足正态分布。另外，模型也没有考虑现金流量数据，因此容易对企业的真实财务状况产生误判。F分数模型在指标选取上有理论依据，长期风险判断效果较好，可根据多个时点的F值进行财务风险趋势分析，操作简单，结果易于理解分析；但是自变量的选取较少，容易影响预警效果。

（二）研究建议通过以上的研究结果可以看出，长城汽车股份有限公司存在一定的财务风险，主要是其在新能源汽车方面的增长速度过快，造成了发展断层。世界上一般的大型企业成长都是循序渐进的，而我国自主企业一般都是在最近十多年内迅速成长起来的，在管理、技术层面，长城汽车或者其他自主企业需要更长时间的积淀。然而，本文两种模型选择的窗口期虽然是相同的，但是得到的实证结果存在一定差别，因此长城汽车也需要根据本企业实际情况构建科学的财务风险预警模型。