应收应付项目和企业资金链断裂关系探究.docVIP

应收应付项目和企业资金链断裂关系探究 　　摘要：本文采用灰色关联度评价（GRA）方法，以A股上市公司退市的42家企业为样本，对其资金链断裂与其原因的关联度进行了测试与排序。得出如下结果：从财务指标与企业资金链断裂关系的排列顺序来看：排在最前面的应收账款周转率，其次为应收项目占流动资产比，再次为应收账款回收率，然后依次分别是资产负债率、应付账款周转率。这说明应收应付项目对识别企业资金链断裂风险具有较大的预警作用。 关键词：资金链断裂 应收应付项目 灰色关联度分析 一、引言 资金是企业整体运营的“血液”，企业从事任何活动都离不开资金的运转，资金链断裂将会使企业的生产、营销等各项工作中断。2004年银行紧缩德隆系贷款，导致了德隆系“老三股”湘火炬（000549）、合金投资（000633）、新疆屯河（600737）出现资金链问题，一个拥有177个子公司、58000员工、年纳税额高达20亿的集团公司轰然倒下。2005年南方高科资金链断裂，对我国国产手机的生产企业给予沉重打击。自2010年之后，非上市的民间企业资金链断裂的事件频繁发生，温州、杭州、鄂尔多斯、郑州等多个城市出现了大面积的企业倒闭、老板“跑路逃离”甚至跳楼自杀的群体事件。资金链断裂不仅对企业的生存带来威胁，也对经济、社会发展产生巨大的影响，找到资金链断裂的原因并提前加以预防，是一个非常重要的课题。导致企业资金链断裂的原因很多，企业之间相互借贷、相互拖欠款项，形成了大量的应收应付款项，导致一个企业出现资金链断裂带动相关企业出现资金链断裂，这是当前在民营企业比较发达的地区大面积出现资金链问题的主要原因。这一结论是否成立有待理论研究的检验。 二、文献综述 （一）单变量预警分析方法 根据文献记载最早开展财务预警研究的是Fitzpatrick（1932），之后美国财务专家威廉·比弗（William Beaver）于1966年建立了单变量财务预警模型，1968年美国《会计评论》首次发表了关于单变量财务预警模型的研究报告，发现最好的判别变量是债务保障率，其在公司破产的前一年的预测准确率可达90%，其次是资产收益率和资产负债率。我国学者吴世农、卢贤义（2001）也是应用单变量判定分析方法建立了企业财务预警分析模型，他们经过研究得出第一年的误判率分别为：净资产报酬率为9.35%；负债比例为24.46%；营运资产与总资产的比例为21.58%；；资产周转率为29.50%。 （二）多变量财务风险预警模型 Edward I. Altman（1968）运用多元判别分析法（Multiple discriminant Analysis）对财务危机预警的研究，得出Z系列模型。这个模型在财务风险判别研究领域一直具有非常重要的影响力。Erik M.Vermeulen等（1998）运用多因素预测模型（Multi-factor model）建立了条件失败预警模型。该模型与通常的预警模型不同之处在于，认为破产取决于企业外部风险因素值而不是取决于一系列“内部的”财务比率。而且，该模型不仅仅把企业分类，还模拟外部风险因素（通过敏感性）对企业现金流产生过程的影响。20世纪90年代起，国外一些学者开始运用神经网络在财务失败预警方面开展了研究，诸如Odom及Sharda（1990）运用与Altman（1968）Z-Score模型中相同的5个财务比率基于神经网络方法建立了财务预警模型。基于一些学者运用神经网络在财务失败预警方面开展的研究，我国学者杨保安等（2001）、端木正（2004）、刘洪等（2004）运用前向三层BP（Back Propagation）神经网络构建的财务预警模型，李晓峰等（2004）运用粗糙集（Rough）和人工神经网络（ANN）理论建立的Rough-ANN模型等等。刘洪等（2004）学者运用神经网络建立的模型得到的估计样本精确度达到95.7%，通过实证研究表明神经网络分析模型在判定财务风险方面要优于MDA模型和Logist模型。董妍慧（2008）利用LVQ神经网络构建了上市公司财务预警模型，选定了我国A股上市公司作为实证研究样本，选择五类重要的财务指标，以Matlab7.0为平台，证明了LVQ神经网络可以成功的应用在财务危机预警实践中。Logit预警模型又称Logistic回归模型，是比利时学者P.F.Verhulst（1838）首次提出的。但最早采用该模型来研究财务危机预测问题的是Ohlson（1980）。张扬（2005）在对上市公司财务报告研究的基础上，分别比较了适用于高新技术行业和传统制造业的两个行业的Logit回归财务预警模型，两个行业的财务指标选择是相同的，得出的预测结果并不相同，财务失败概率的计算模型也不同，但是预测的效果都是不错的。李晓奇（2011）运用Log