摘要：在“碳达峰、碳中和”的背景下，由于新能源产业高度依赖政府支持、成本管理，其能效控制困难、融资难度大，使公司面临较多的财务风险。文章选取548家新能源上市公司为研究对象，将前人的研究成果与新能源产业的实际情况相结合，构建合适的财务指标和非财务指标，对数据进行正态性检验，并通过了显著性检验，最终通过因子分析法对指标进行筛选，从而提取出10个公共因子，构建新能源上市公司财务危机预警指标体系。
关键词：新能源产业,上市公司,财务预警,指标体系
引言
随着全球能源需求的增长和环境污染问题的日益突出，新能源产业在全球范围内迅速崛起，并成为政府关注和支持的重点发展领域。作为推动可持续发展的重要力量，新能源上市公司在实现自身快速发展的同时也面临着一系列风险和挑战。财务危机是制约新能源产业上市公司健康发展的重要因素之一，一旦发生财务危机，不仅会使企业自身遭受严重损失，还可能对整个行业甚至经济系统产生连锁反应，进而引发一系列社会问题。由于公司财务危机的爆发具有一定的突发性，不利于资本市场中投资者、借贷者、管理者以及审计师等及时获取有关企业经营状况和财务的真实信息，从而做出正确的决策，因此，如何在公司出现财务危机之前，对其进行有效的预测，并构建一套科学合理的、与新能源产业相适应的财务危机预警指标体系，就显得尤为重要。
本文以沪深证券交易所发布的《上海证券交易所股票上市规则（2020年12月修订）》和《深圳证券交易所股票上市规则（2020年修订）》中的强制退市指标和其他风险警示指标作为判断企业是否陷入财务危机的标准，并在此基础上进一步确定了财务危机预警指标体系，在具体实施过程中，我们还需要根据企业的实际情况，对所选择的财务指标和非财务指标进行筛选和调整，并根据新的筛选结果建立相应的财务预警指标体系。这一过程需要我们对企业进行深入研究和理解，只有这样，我们才能更好地预测企业可能面临的财务风险和经营风险。此外，在预警指标体系的构建过程中，为了提高预警的准确性和有效性，我们还需要不断地调整和优化预警指标体系。这不仅需要我们对现有的预警指标进行分析和比较，还需要我们对其进行适应性调整。只有这样，我们才能更好地服务于资本市场中的各方，为他们的决策提供更有价值的参考信息。
一、研究设计
（一）碳中和、碳达峰的背景下新能源产业的特点
本文的研究对象为新能源产业，其产业范围参考了国家统计局2018年最新下发的《战略性新兴产业分类》，新能源产业包含核电、风能、太阳能、生物质能及其他新能源、智能电网五个细分产业，新能源产业致力于替代传统能源，减少环境污染，并促进能源可持续发展的产业领域，是指利用可再生能源或清洁能源进行能源生产、利用和转换的产业领域。
1.高度依赖政府支持
在政策的扶持下，新能源产业实现了从规模不经济到质量效益提高的跨越。在新能源产业的初期发展阶段，通过降低成本、创造市场需求、完善基础建设等方式，实现新能源产业的快速发展。因此，新能源产业在初始发展阶段，通常高度依赖于政府的补贴政策和优惠措施。但是由于新能源产业在发展初期主要仰赖于政府的支持，缺乏自主创新和技术研发的动力，因此更多地将注意力集中在满足国家政策需求上，而有时会忽略了自己的自主创新能力和技术进步。随着国家对企业补贴力度的逐步减弱，企业在面对新的竞争环境时，将会面临更大的生存压力。
2.成本管理和能效控制困难
在新能源产业中，制约因素主要集中在生产成本和能源成本上。新能源技术的研发、设备采购以及基础设施建设都需要大规模的资金注入，初期成本相对较高，给企业在运营初期带来了巨大的财务压力，同时也提高了管理成本的难度。维护和运营新能源设备往往伴随较高的成本，这些投入需要持续进行，对企业的财务状况和管理能力提出了严格要求。此外，新能源技术在能源转换过程中存在一定的损耗，导致转换效率相对较低。从整个新能源产业链条来看，其涉及到很多供应链环节，从原材料的采购到生产加工再到运输，这些环节都会带来一定的成本。另外，在生产环节，对环境也有一定的影响。因此，企业在新能源产业中的参与需要全面考虑这些方面的经济因素，以实现可持续经营和发展。
3.融资难度大
由于技术创新、政策变化和市场波动等因素的影响，新能源公司的盈利能力可能存在较大的波动性，这使得投资者对其未来收益的预期不确定，从而增加了融资的难度。新能源项目可能因融资难度大而无法按计划实施或达到预期的规模，这将对2060年碳中和目标的实现产生负面影响。相对于传统能源产业，新能源产业在市场上的认可度相对较低。由于新能源产业的发展时间相对较短，一些投资者对其商业模式、技术可行性和市场前景存在疑虑，不愿意承担较大的投资风险，从而导致融资难度增加。这种融资难度可能影响新能源公司的项目实施，并对其在市场上的竞争地位产生负面影响。
（二）样本选取与数据来源
根据新能源产业的界定，本文选取了中国沪深A股548家新能源产业上市公司，以企业ST与否作为判断企业是否发展财务危机的标准，将企业连续两年净利润小于零而被实施ST的企业认定为财务危机企业，将没有被实施ST的企业认定为财务健全的企业。本研究将ST发生前一年作为T年，以企业ST发生前两年的数据作为T-1的财务数据的样本，对企业是否在第T年会被ST进行预测。样本具体包括2012—2022年间被ST的50家企业，并按照接近1∶10的比率，选取了498家资产规模与ST企业相似并且同产业的非ST企业作为财务健全的对比样本，共计548家企业数据作为样本。（数据来源于CSMAR数据库）。
（三）财务预警指标选取
1.财务指标的选取具有全面性
企业需要综合考虑多个指标，不能仅关注单一指标，因为企业的财务状况是多方面的，只依赖一个指标可能无法全面准确地评估企业风险。在财务预警指标体系的选择上，我们经历了从单变量指标到多变量指标的构建。传统财务预警指标主要包括偿债、盈利、营运、发展能力四个方面，加入现金流量这一关键指标使得预测率达到了70%以上[1]，同时更应该考虑新能源产业成本高、融资难度大等方面的财务指标。基于此，本文遵循全面性原则从盈利能力、发展能力、营运能力、现金流能力、偿债能力五个方面选取财务指标。盈利能力包括流动资产净利润率A、固定资产净利润率A、净资产收益率A、息税前利润与资产总额比、长期资本收益率、营业成本率、研发费用率、销售期间费用率、息税前营业利润率、投资收益率，依次命名为F1、F2……F10；发展能力包括资本保值增值率A、固定资产增长率A、总资产增长率A、利润总额增长率B、营业利润增长率B、营业总成本增长率、销售费用增长率、管理费用增长率、可持续增长率、所有者权益增长率A、每股净资产增长率B、净资产收益率增长率C，依次命名为F11、F12……F22；营运能力包括现金及现金等价物周转率A、流动资产与收入比、流动资产周转率A、资本密集度、总资产周转率A、股东权益周转率A，依次命名为F23、F24……F28；现金流能力包括全部现金回收率、现金适合比率、现金再投资比率、现金满足投资比率，依次命名为F29、F30……F32；偿债能力包括流动比率、现金比率、有形资产负债率、产权比率、经营活动产生的现金流量净额／负债合计，依次命名为F33、F34……F37。
2.财务预警指标的选取还要考虑非财务指标
除了传统的财务指标，还包括非财务指标。这些指标的综合使用可以从不同的角度反映企业的经营状况和潜在风险，有助于更全面地评估企业的财务预警情况。有学者提出应当重视审计意见对财务危机的预测能力[2]，因此本文选取了审计意见类型F45这个非财务指标。引入最能表现公司治理结构特征的股权集中度指标，说明企业陷入财务危机很大程度上取决于公司的治理结构[3]。参照以往相关研究，遵循可比性的原则确定传统财务指标和非财务指标，本文选取股权集中指标4、Z指数、S指数、独立董事占比、员工密集度作为公司治理结构指标，依次命名为F40、F41、F42、F43、F44。
3.财务预警指标的选取要突出新能源产业特色
基于新能源产业高度依赖政府支持、新能源技术需要大量资金进行研发投入的特点，本文选取了政府补助、研发投入、环境与可持续发展披露情况等非财务指标。实证发现企业财务风险水平与研发投入比例和财政补助比例显著正相关[4]。研发投入选取了研发人员数量占比、研发投入占营业收入比例，命名为F38、F39；政府补助选取了政府补助金额与利润之比，命名为F46。现在开始研究ESG综合评分、环境责任评分、社会责任评分、公司治理评分对每股收益的影响，发现ES G评分体系对不同行业的上市公司均有不同程度的正向影响[5]，本文通过环境和可持续发展披露情况F47来反映社会责任部分。
（四）财务预警指标筛选
根据以前学者的研究以及新能源产业的特点初步选取新能源上市公司财务危机预警指标体系之后，通过SPSS软件依次对数据进行正态性检验、显著性检验以及因子分析，最终提取公共因子，构建出具有新能源产业特点的财务预警指标体系。
1.正态性检验
当数据满足参数检验的要求时，应该优先使用参数检验。因为，参数检验与非参数检验相比，其准确性要高得多。在统计上，先假定样本数据的整体服从正态分布，然后用正态性检验来证实样本数据是否符合正态分布。如果正态性检验的P值小于设定的显著性水平0.05，则拒绝原假设，表明样本数据总体分布不服从正态分布；反之，如果正态性检验的P值大于设定的显著性水平0.05，则保留原假设，表明样本数据总体分布服从正态分布。结果显示，文中选取的指标中，在显著性水平α=0.05的水平下，所选指标体系检验结果除F35外，其余全部小于0.05，不服从正态分布，下一步应该进行非参数检验（Mann-Whitney U检验）。
2.显著性检验
非参数检验适用于不满足正态分布的指标。Mann-Whitney U检验是一种常用的非参数检验方法，对不满足正态分布的指标进行Mann-Whitney U检验，从统计上来讲，目的就是剔除不存在显著差异的指标，这种方式可以避免因为数据不满足正态分布而使用参数检验导致的结果失真。如果Mann-Whitney U检验结果中的P值小于检验中设定的显著性水平0.05，说明可以拒绝原假设，两组独立的样本数据来自两类总体分布存在显著差异，反之，如果Mann-Whitney U检验结果中的P值大于检验中设定的显著性水平0.05，说明可以保留原假设，两组独立的样本数据来自两类总体分布不存在显著差异。结果显示，在显著性水平为α=0.05下，F7、F23、F28、F30、F37、F38、F40、F41、F42、F46这10个指标的Sig值是大于0.05，说明这些指标不存在显著性差异，可以剔除，剩下的36个指标下一步应该通过因子分析对其进行优化。
3.因子分析
本研究对各因素进行因子分析前，先采用KMO值及巴特利特球体检验法进行测试是否适合做因子分析。KMO值的取值范围为0到1，KMO值愈接近1，说明各变量之间的相关程度愈高，而部分相关程度愈低，则因子分析愈有效。巴特利特球体试验（X2统计量的显著概率）P<0.05，方能做因子分析。
如表1所示，KMO值大于0.7，且显著性小于0.05，可以进行因子分析。
如表2所示，本文采用最大方差法来进行因子旋转，保留特征值大于1的公共因子，将公因子依次命名为X1、X2等，将36个指标减少到10个公共因子，原解释变量的累计贡献率达到70.719%。结果表明选取的10个公共因子可以较好地描述原始变量的数据结构和取值。同时，通过对主成分进行正交旋转后得到了一个更简洁但仍具有代表意义的因子集，能够更好地对数据进行解释。利用因子正交旋转后得到的因子载荷矩阵，计算出10个公共因子与初始解释变量的相关系数。利用因子得分系数矩阵，计算出X1、X2等共10个公共因子样本数据值。根据各主成分的特征根及方差贡献率，可以得到X1—X10因子权重分别为18.12%、16.74%、12.21%、11.42%、10.93%、10.33%、6.14%、5.02%、4.63%、4.46%。
本文以2012—2022年间被ST的50家企业为研究对象，并按照接近1∶10的比率，选取了498家资产规模与ST企业相似并且同产业的非ST企业作为财务健全的对比样本，合计为548家中国沪深A股新能源产业上市公司数据作为样本。根据前人的研究结合新能源产业的特点构建了47个预警指标，并通过正态性检验、显著性检验对指标进行剔除，得到了36个预警指标，最后通过因子分析法对指标进行筛选，提取出10个公共因子，构建出具有新能源产业特点的财务预警指标体系。
二、结论
财务危机预警是企业管理中的重要环节，为及时发现和应对潜在的财务风险提供了有效手段。构建财务危机预警指标体系是预防财务危机的关键步骤，该体系不仅能够预测和警示潜在的财务危机，而且为解决这些风险提供了方法和建议。财务预警指标的选取需要综合考虑财务指标和非财务指标，并结合新能源产业的特点来选取合适的指标体系。财务预警指标体系是企业对自身经营状况的一种反映，通过分析，可以有效地发现并及时防范和控制企业的财务风险，从而有效地降低企业财务风险发生的可能性。在市场经济与产业竞争的双重挑战下，上市公司可以通过采用财务预警指标系统来有效控制财务风险的发生。持续审视公司财务问题，有助于确保公司能够有效化解财务风险，在激烈的市场竞争中保持竞争力。因此，构建完善的财务危机预警指标体系对新能源上市公司来说至关重要。在这一过程中，上市公司应结合自身特点制定合理的财务预警指标体系，并定期审视其有效性。只有这样才能使其发挥应有的作用，并确保公司能够在激烈的市场竞争中保持竞争优势。
参考文献：
[1]周首华，杨济华，王平.论财务危机的预警分析F分数模式[J].会计研究，1996（8）：8-11.
[2]贾春香，孟庆华.审计意见对财务危机的预测能力研究[J].财会研究，2008（1）：71-72.
[3]姜秀华，孙铮.治理弱化与财务危机：一个预测模型［J］．南开管理评论，2001（5）：19-25.
[4]陈标金，植嘉娟，区嘉湄.财政补助、研发投入与企业财务风险基于A股上市公司的证据[J].科技管理研究，2021，41（8）：117-123.
[5]安国俊，华超，张飞雄，等.碳中和目标下ESG体系对资本市场影响研究基于不同行业的比较分析[J].金融理论与实践，2022（3）：48-61.
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jingjilunwen/78640.html
