互联网金融企业经营风险探微
——基于改进的CRITIC-GRAP模型

2017-11-13 01:57傅为忠教授曹新蓉
财会月刊 2017年32期
关键词:经营风险关联度指标体系

傅为忠(教授),曹新蓉

互联网金融企业经营风险探微
——基于改进的CRITIC-GRAP模型

傅为忠(教授),曹新蓉

首先利用文献挖掘法构建互联网金融上市公司经营风险水平的评价指标体系,通过指标相关性分析法对指标体系进行分析,达到简化指标体系的目的。然后引入平均差、相关系数的绝对值改进CRITIC客观赋值法并对指标赋权,应用GRAP模型对2015年我国90家互联网金融上市公司的经营风险水平进行评价。再从企业性质的视角对样本进行分析,得出创新投入是影响公司经营风险水平的重要因素。最后,有针对性地提出对策建议。

互联网金融;CRITIC;GRAP;经营风险;创新投入

一、引言

近年来,互联网不断与金融、商务、交通、医疗、影视、教育等各个行业融合。自2010年起,互联网金融在中国崛起;2011年,P2P网络借贷平台兴起,互联网金融也迅猛发展起来;2013年,随着电子支付和虚拟货币的广泛使用,互联网金融与人民的日常生活全面结合,越来越多的传统金融业务被互联网金融所取代;截至2015年,我国互联网金融营运平台达到2593家。随着我国互联网金融市场的快速发展和国际化,互联网金融企业不仅要直面世界经济危机的影响,还要应对国内经济发展新常态的大趋势,严峻的国内外环境制约了企业的成长。在这样的大环境下,保持健康的经营状况、降低经营风险是企业维持自身竞争优势的重要支撑力量。因此,对互联网金融上市公司进行经营风险研究就显得非常必要,这不仅有利于互联网金融企业进行科学的经营管理和风险管控,还有利于广大投资者做出合理的投资决策。

二、文献综述

互联网金融是近几年出现的一个新概念,目前国内外研究互联网金融企业的相关文献资料还比较少,仅有的文献资料更注重研究互联网金融发展中的某个方面,如互联网金融模式界定、发展中存在的监管问题和对策等,而对互联网金融企业经营风险的研究则大多是从理论的角度进行说明,极少涉及实证研究。

欧阳黔南、肖毅等(2014)通过分析互联网金融企业理财产品在发展过程中所面临的各种形式的风险,提出竞争合作的应对策略,并深入研究了互联网企业未来的发展。牛艳艳(2015)对互联网金融企业目前所处的形势以及其本身所面临的资金、信息、技术、模式、法律等方面的风险进行了剖析,同时提出了竞合方面的对策。许群英(2015)首先分析了互联网金融企业的财务特征,然后阐述了企业财务风险的成因,并对此提出对策建议。贾殿钧、包诺民等(2015)通过对通辽市互联网金融企业经营风险情况进行专项调查,对如何有效化解金融风险、促进互联网金融规范健康发展提出政策建议。彭雅琼(2015)从偿债能力、盈利能力、资产营运能力、成长能力、现金能力、创新能力、管理能力和股权集中度这八个维度构建评价指标体系,全面反映了互联网企业的筹资风险、投资风险、现金流动风险和商业模式风险。关宏(2016)分析了互联网金融企业的发展情况,发现我国的互联网金融企业不仅面临技术以及法律风险,还面临信息、资金以及新型模式方面的风险,为了使企业有效规避风险,应从建立完善的金融监管体制、促进大数据金融的发展、加快移动金融与O2O模式融合这三个方面应对。王康民(2016)运用SPSS系统,对数据进行描述性统计、相关性分析以及回归分析,分别从托宾Q值、EVA值、股价三个方面阐述了对于互联网上市公司财务风险的防控。

本文基于改进的CRITIC-GRAP模型对互联网金融上市公司进行经营风险评价,并根据实证结果有针对性地提出对策建议,希望可以对互联网金融企业的健康发展起到一定的积极作用。

三、评价指标体系的构建

1.互联网金融上市公司经营风险评价指标体系构建。首先,本文遵循全面性、可行性、可比性、相关性以及具体性原则,借鉴已有文献中的上市公司经营风险评价体系,结合互联网金融企业的实际情况,建立了包含筹资风险、投资回报风险、资产营运风险、现金流量风险、收益分配风险和创新投入风险等六个方面、22个指标的指标体系,详见表1。

2.基于指标相关性的评价指标体系优化。基于指标相关性分析法,对评价指标体系进行优化,步骤如下:

(1)获取原始数据。

(2)运用极差变换法,对原始数据进行无量纲化处理,使结果值映射到[0,1]之间。各指标进行无量纲化处理的做法为:

对于正向指标:

对于适度指标:

其中,XMax为样本数据的最大值,XMin为样本数据的最小值,L为适度指标的适度值。对于适度指标,在进行无量纲化处理时,选取样本公司该指标的平均值作为最适度值。

(3)建立变量的相关系数矩阵R。

(4)找到学者认可度和使用频率比较高的指标,率先将其纳入指标体系,再将与其显著相关甚至高度相关的指标删除。

表1 经营风险评价指标体系

下面以筹资风险下属四个指标为例说明指标相关性分析法在指标体系优化过程中的作用。分别用X1、X2、X3、X4代表流动比率、速动比率、资产负债率、利息保障倍数这四个指标。用SPSS 21.0计算各指标之间的相关系数矩阵,结果如表2所示。

表2 相关系数矩阵R

首先,将资产负债率这一指标纳入评价指标体系是毋庸置疑的,不管是国内企业还是国外企业,在进行综合评价时都会将其纳入指标体系,这一指标的认可度非常高。从表2中可以看出,流动比率与速动比率两者显著相关,并且相关系数非常大,为0.954。在此,可以剔除其中一个指标,具体剔除哪一个指标可以参照这两个指标与资产负债率的相关系数,保留与资产负债率信息交叉最少的指标。最终纳入指标体系反映企业筹资风险的指标有:速动比率、资产负债率、利息保障倍数。

表3 优化后的互联网金融上市公司经营风险评价指标体系

四、改进的CRITIC法与GRAP模型的选择

1.改进的CRITIC法。CRITIC(Criteria Impor⁃tance Trough Intercriteria Correlation)法,是由Diak⁃oulaki在1995年提出的一种客观赋权法,其基本思路是通过对比强度和指标之间的冲突性这两个基本概念来确定指标的客观权数,以充分挖掘原始数据所提供的信息。对比强度,是指一个指标在各个不同方案之间取值的差距大小,在此方法中以标准差的形式来体现。标准差越大,表明不同方案之间的差距越大;指标之间的冲突性,以指标之间的相关性为基础,若指标间有较强的相关性,则这两个指标的冲突性较低。具体表达式为:

其中:σj表示第j个指标的标准差;rij表示第i个指标与第j个指标的相关系数。

Cj越大,表示第j个指标所包含的信息量越大,所以第j个指标的权重Wj应为:

但是,上述方法存在两个问题:①标准差在反映数据变异程度上存在着准确性低、误差大的致命缺陷,并且缺乏解构性功能,没有办法解释数据变异程度的构成现状和结构运动变化规律。同时,标准差也较易受两极数值的影响,使得标准差与作为差异水平原型的平均差发生偏离,有时候甚至有可能出现与平均差完全相反的结论。②指标i和指标j之间的相关系数可能是正值,也有可能是负值,但是对于绝对值相同的正相关与负相关来说,所反映的指标间的相关性也应该是相同的。

据此,本文对CRITIC客观赋权法进行两方面的改进:①用平均差代替标准差。采用平均差计算出来的数值在反映各单位离差水平时,既不夸大离差水平,也不缩小离差水平,能够准确地反映总体各单位数值相对于平均数的离中趋势,所以这里尝试使用平均差代替标准差。②用来衡量指标之间的冲突性,由于绝对值相同的正相关与负相关所反映的指标间的相关性是相同的,所以用|rij|代替rij。具体表达式如下:

其中:ADj表示 Zj的平均差;rij表示 Zi与 Zj的相关系数。

所以,运用改进的CRITIC法计算第j个指标客观权重Wj的计算公式为:

2.基于改进的CRITIC法的GRAP模型。GRAP(灰色关联分析法)是一种根据各因素数列曲线的相似程度进行态势分析的方法,若两个因素变化态势相一致,则说明同步变化程度较高,认为二者间关联程度较大;相反,则认为二者间关联程度较小。相对于传统数理统计分析方法而言,灰色关联分析法对样本量没有要求,计算量也比较小。本文通过改进的CRITIC法确定各指标权重,进而构建改进的CRITIC-GRAP模型,具体步骤如下:

(1)确定样本序列。确定参考序列为X0={X0(k)|k=1,2,…,n};比较序列为Xi={Xi(k)|k=1,2,…,n},i=1,2,…,m。比较序列是由90家互联网金融上市公司16个指标数据所组成的矩阵,参考序列是基于指标属性的数据的最优值。反映筹资风险的速动比率和资产负债率为适度指标,取值既不能太高也不能太低,所以选取样本公司该指标的平均值作为参考序列的最优值;反映资产营运风险的期间费用率为负向指标,取值越小越好;其他13个指标都为正向指标,取值越大越好。这样,参考序列始终都是比较序列各评价项的最优值,可以有效地体现各评价指标数据间的比较关系。

(2)样本数据的无量纲化。指标体系中各项指标的数据可能由于量纲不同,无法比较或者在比较时难以得到正确的结论,需要对样本原始数据进行处理。上文在基于指标相关性进行评价指标体系优化时,已根据式(1)~式(3)对原始数据进行了无量纲化处理。

(3)确定指标相应权重。在此模型中,使用改进的CRITIC方法确定各指标权重。

(4)求序列差。绝对序列差:

其中,△0i(k)即为比较序列Xi曲线上的每个点与参考序列X0曲线上每个点的绝对差值。

两级最大绝对差:

其中,△max为比较序列Xi与参考序列X0的绝对差值的最大值。

两级最小绝对差:

其中,△min为比较序列Xi与参考序列X0的绝对差值的最小值。

(5)计算关联系数。具体计算式如下:

其中,ρ∈(0,+∞),被称为分辨系数,作用在于提高关联系数之间的差异显著性。ρ越小,分辨力越强,当ρ≤0.5463时,分辨力最强,所以通常取ρ=0.5。

(6)计算关联度并根据计算结果排序。综合关联度为指标关联系数与权重的乘积之和。具体计算式如下:

按照综合关联度大小进行排序,如果r1<r2,则说明比较序列X2与参考序列X0的动态趋势更相近,该公司的经营风险较小。

五、实证分析

1.样本及数据来源。根据互联网金融上市公司经营风险评价的指标体系,本文选取2015年在我国沪深两市上市的互联网金融公司共124家进行数据搜集,剔除34家数据不全的公司,本文的样本公司一共为90家。选取的指标数据来源于同花顺财务分析中心、国泰安数据库、巨灵财经、Wind资讯。

2.数据处理。

(1)利用改进的CRITIC法赋权。利用Excel计算出各指标的平均差以及相关系数矩阵,具体见表4与表5。

表4 各指标平均差

根据式(6)与式(7),计算出各指标权重,具体如表6所示:

表6 各指标权重

从表6中可以发现,各指标的权重相差不大,说明各指标对2015年互联网金融上市公司经营风险的影响比较均衡,该指标体系考虑得比较全面。进一步分析各个指标的重要性,可以发现资产负债率、技术人员比重、研发投入比重、期间费用率、每股经营活动现金净流量这五个指标权重都大于权重均值0.0625,累计权重达到0.5398。其中,对互联网金融上市公司经营风险影响最大的指标是资产负债率,权重达到0.1513,说明较好的筹资能力对公司的经营管理有非常重要的影响。创新投入风险的两个评价指标技术人员比重和研发投入比重都占有较大权重,说明高创新投入对互联网金融上市公司的经营管理有较积极的正向作用。

(2)计算关联度并排序。利用式(11)和式(12)计算关联系数和关联度,并对2015年我国互联网金融上市公司的经营风险按从小到大排序。

表5 各评价指标相关系数矩阵

根据GRAP模型以及选取的各指标数据,2015年我国互联网金融上市公司综合关联度如表7所示,公司关联度越高,说明公司经营风险越小;反之,经营风险越大。

表7中分析结果显示,2015年我国互联网金融上市公司经营风险关联度的平均值为0.5290,90家样本公司中,综合关联度低于0.5290的占48.89%。从总体上看,互联网金融上市公司的经营风险较高,还需要进一步加强管理。另外,各公司的经营风险管理水平也有较大差异,从表7中可以看出,综合关联度排名前三的分别是同花顺、恒生电子、天源迪科,关联度均在0.60以上。而排名在后25名的公司,关联度均在0.50以下,排名在最末一位的是经营风险最大的凯瑞德,关联度只有0.3803。

为了更清晰地表现各公司的经营风险水平,本文根据2015年我国互联网金融上市公司经营风险的综合关联度将各公司进行分类,结果如表8所示。

由于本文样本公司较多,在此不对样本一一进行分析,只选取经营风险最低的第一类样本公司以及经营风险最高的第五类样本公司进行对比分析,具体如表9所示。

表8 2015年我国互联网金融上市公司经营风险水平分类结果

表9 第一类及第五类样本公司的具体情况

表7 2015年我国互联网金融上市公司的关联度及排序

第一类企业包括同花顺、恒生电子、天源迪科,与其他企业相比,这三家企业的经营风险最小,综合关联度均值达到了0.6309。同花顺在筹资风险、投资回报风险和现金流量风险这三个方面把控得比较好,恒生电子有较高水平的创新投入,而天源迪科有较强的筹资能力和资产营运能力。

第五类企业包括新纶科技、得润电子等九家企业,与其他企业相比,这九家企业经营风险最高,综合关联度均值只有0.4601。将第五类企业的总体情况与第一类企业进行对比可以发现,这九家企业在筹资风险、收益分配风险以及创新投入风险这三个方面的风险把控能力还有很大的进步空间。

(3)企业性质视角的经营风险分析。本文所选取的90家样本公司大部分可分为两类:第一类,金融类IT企业及大数据服务提供商;第二类,互联网金融概念与传统行业相结合的公司。在所选取的样本中,第一类企业占31家,如二三四五、恒生电子、同花顺等;第二类企业占57家,如泛海控股、万泽股份等。具体经营风险水平情况如图所示。

从图中可以看出,第一类金融类IT企业及大数据服务提供商的经营风险状况比较乐观,大多处于中上游水平,经营风险较小;第二类互联网金融概念与传统行业相结合企业的经营风险状况较第一类企业来说不是很乐观,经营风险较大。从具体数据可以看出,第一类企业的综合关联度均值为0.5486,标准差为0.0464,变异系数为0.0846;第二类企业的综合关联度均值为0.5194,标准差为0.0351,变异系数为0.0676。第一类企业综合关联度均值较大,标准差以及变异系数也较大,数据离散程度较大,这说明尽管金融类IT企业及大数据服务提供商整体经营风险较小,但是在行业内部各企业的风险监管水平有很大差别。而第二类企业综合关联度均值较小,标准差以及变异系数也较小,数据较为集中,离散程度小,这说明互联网金融概念与传统行业相结合的企业整体经营风险较高,同时行业内部各企业的风险监管能力相差不大,都处于较低水平。进一步分析数据可发现,第一类企业与第二类企业综合关联度的差异主要体现在创新投入风险这个方面,第一类企业创新投入风险的关联度均值为0.1268,第二类企业创新投入风险的关联度均值为0.0912。由此可以看出,在如今经济转型、万众创新的大趋势下,互联网金融作为新兴事物,对传统金融业造成巨大的冲击,在整个行业面临重新洗牌之际,企业拥有较强的创新能力和核心竞争力,就能降低自身的经营风险,继而蓬勃发展。

两类互联网金融企业经营风险比较图

六、结论及对策建议

1.结论。本文通过构建互联网金融上市公司经营风险评价指标体系,利用改进的CRITIC-GRAP模型对90家互联网金融上市公司2015年的经营风险水平进行了评价。根据以上实证过程,得出如下结论:

(1)利用平均差和相关系数的绝对值对CRITIC方法进行改进,提高了该方法的准确性。利用改进的CRITIC客观赋权法来确定GRAP模型中各指标的权重,避开了原方法中各评价指标被平均化的缺陷,提高了该模型评价结果的科学性。

(2)从各指标的权重来看,权重较大的前4个指标分别是资产负债率、技术人员比重、研发投入比重以及期间费用率,可以看出一个企业的筹资能力、创新投入以及资产营运能力对企业的经营有非常大的影响力。增强企业的偿债能力,增加企业在创新研发方面的投入,控制企业的经营成本费用,可以有效降低互联网金融企业的经营风险。

(3)从样本公司的总体情况来看,2015年我国互联网金融上市公司的总体经营风险处于中等水平,综合关联度低于平均值0.5290的企业占48.89%,接近总数的一半,还需进一步加大对整个互联网金融行业的风险管控力度。

(4)从企业性质的视角对样本公司的经营风险进行分析可以发现,金融类IT企业及大数据服务提供商的经营风险要低于互联网金融概念与传统行业相结合的企业,造成这一差异的显著原因在于创新投入的差异。

2.对策建议。根据上述结论,本文提出如下建议:

(1)加强危机管理,健全风险预警机制。互联网金融是由互联网技术与金融行业融合发展形成的新兴行业,但这一行业的本质仍然是金融业。与其他企业相比,互联网金融企业在经营过程中面临着更大的风险。这就需要增强企业员工的风险意识,并建立健全风险预警机制,意外一旦发生,能够第一时间发现并采取对策,控制和应对危机,最大限度地减少企业的损失。

(2)优化资本结构,降低筹资风险。互联网金融上市公司的资本结构是否合理,会直接对公司的经营造成影响,由实证分析可以发现,经营风险较高的互联网金融上市公司往往筹资风险也较高。对此,可以采取以下对策:一是提高企业资产质量,优化企业资本结构,增加企业的速动资产和营运资金,将负债比例控制在适当的水平。二是拓宽企业融资渠道,选择融资成本较低的融资方式,增强企业的偿债能力。

(3)增加创新投入,开发互联网金融盈利新模式。一直以来,互联网金融业务的主要盈利模式是通过平台向客户收取手续费或中介费,盈利模式比较单一,互联网金融产品同质化问题非常严重。所以,互联网金融企业想要在竞争中获得优势,就必须在创新方面大力投入,积极探索新的业务领域,不断创新金融产品和金融服务,开发互联网金融盈利新模式,准确定位最能满足客户需求的金融业务,以此来赢得市场。

欧阳黔南,肖毅,聂笑一.互联网金融企业的风险及竞合应对策略研究[J].电子商务,2014(11).

牛艳艳.互联网金融企业的风险及应对策略[J].中国商论,2015(10).

许群英.互联网金融企业的财务风险分析与防范[J].全国商情,2016(14).

贾殿钧,包诺民.对欠发达地区互联网金融经营风险情况的调查与思考——通辽市个案[J].北方金融,2015(11).

彭雅琼.互联网企业财务风险评价指标体系构建[D].济南:山东财经大学,2015.

关宏.互联网金融企业的风险及其应对策略[J].新经济,2016(21).

王康民.我国互联网上市公司财务风险防控研究[D].哈尔滨:黑龙江大学,2016.

D.Diakoulaki,G.Mavroutas,L.Papayannakis.Determining objective weights in multiple criteria problems:thecriticmethod[J] .Computers&Operations Research,1995(22).

张立军,张潇.基于改进CRITIC法的加权聚类方法[J].统计与决策,2015(22).

F272.3

A

1004-0994(2017)32-0036-7

安徽省软科学研究计划项目“新常态下科技支撑皖江经济带区域发展战略研究”(项目编号:1607a0202008);安徽省重大教学改革研究项目“互联网+背景下高校创新创业型人才培养模式改革与实践”(项目编号:2015zdjy017)

作者单位:合肥工业大学管理学院,合肥230009

猜你喜欢
经营风险关联度指标体系
房地产开发中的经营风险管理探讨
中国制造业产业关联度分析
中国制造业产业关联度分析
沉香挥发性成分与其抗肿瘤活性的灰色关联度分析
层次分析法在生态系统健康评价指标体系中的应用
供给侧改革指标体系初探
公路施工企业经营风险防范探析
浅谈如何降低医院的经营风险——从内控管理的角度分析
基于灰关联度的锂电池组SOH评价方法研究
国际地面工程项目经营风险之若干问题