【作 者】
李 颜，张友棠（博士生导师）
【作者单位】
武汉理工大学管理学院，武汉430070
【摘 要】
【摘要】工业4.0的大力推进，给制造业带来了各种新的投资机遇和挑战，并引发了相应的投资风险，包括行业投资风险和企业投资风险。为了预防或降低行业投资风险，首要之计就是对其进行有效预警并发现风险点及风险等级。从投资规模风险和投资效益风险出发，选取相应的投资风险预警指标，进而在编制投资风险预警指数后构建行业投资风险预警矩阵模型。以汽车制造行业为例，对其主板上市公司2015年和2016年的相关样本数据进行行业投资风险预警矩阵模型的预警定位分析，并提出相应的建议。
【关键词】投资风险；预警指数；预警矩阵；预警定位
【中图分类号】F275.5 【文献标识码】A 【文章编号】1004-0994（2017）35-0027-8一、引言
以智能制造为主导的第四次工业革命——工业4.0具有数字化、网络化、大规模定制、创新等优势。它通过将信息技术和网络物理系统进行深度融合，能降低人工成本，提高资源配置率，推动制造业智能化转型，实现制造业及时、迅速、无故障的智能化生产。但伴随着工业4.0的推进，我国传统资源密集型和劳动密集型的制造业企业也正逐步丧失竞争力，一些低技术、低科技的企业面临着被无情淘汰的风险。基于工业4.0给制造业带来的各种投资机遇和挑战，如何采取恰当、合理的引入新技术、置换旧设备等投资行为，定位及管控行业投资风险，是当今制造业智能化转型所需要面对的问题。为了解决这一实际问题，本文从投资规模风险和投资效益风险出发，衡量行业投资风险的水平，并指出行业投资风险的可解决方向。
二、文献综述
（一）投资效率
投资是企业生存和发展的前提，是企业创造价值的起点。Dixit、Pindyck（1994）认为投资是为实现未来预期回报而采取的承担瞬时成本的行为。投资效率的高低直接决定投资是否处于最佳水平，近年来国内外学者主要针对投资效率进行了相关研究。投资效率具体指的是通过投资注入企业新的资源、提升企业创造价值的能力。Richardson（2006）认为新增投资由预期投资和非正常投资构成，当非正常投资为正值时表示过度投资，为负值时表示投资不足。Hovakimian（2006）将企业资本支出和当年该企业所处行业平均资本支出作为过度投资或投资不足的标准。欧阳凌（2005）指出，非效率投资包括投资不足、“羊群”投资和投资过度等。可以看出，投资效率的度量主要是以非效率投资作为替代变量。投资效率的研究模型主要包括投资—现金敏感性模型和投资水平—投资机会敏感性模型。投资—现金敏感性模型是基于信息不对称理论，通过分析投资与现金之间的关系来衡量投资效率，二者关系越强，则投资效率越低。投资水平—投资机会敏感性模型主要基于代理成本理论，由于代理成本的存在，投资规模和投资机会不符，导致投资效率不高。
投资效率长期低迷会引发投资风险。赵严伟认识不足、投资脱离实际。刘金海（2012）指出，过度追求高额回报、投资决策缺乏创新、对自身资金状况不重视、内部控制差都会产生投资风险。李玉纳、张友棠和罗政（2016）在分析企业投资环境风险时，指出投资风险的来源包括投资效率低下和新增长期资产规模过大。前人针对投资风险控制的研究主要从投资效率中的投资规模和投资效益两个角度出发。其中投资规模主要反映的是在一定期间资产的扩张速度，投资效益主要反映的是资产的盈利质量。投资规模的合理化是提高投资效益的前提，实行扩张性投资政策或紧缩性投资政策都不利于投资效益的提高。投资效益贯穿投资的各个阶段，当投资效益不佳时，一定程度上会制约投资规模。
（二）财务预警
对企业可能发生的财务危机进行预警，能够帮助企业发现财务危机的根源，并及时采取措施以防范财务危机进一步恶化。Fitzpatrick（1932）运用单变量分析方法，发现“净利润/股东权利”和“股东权益/负债”这两个财务指标对破产企业的判别度最高。Altman（1968）首次利用多元判别分析法建立了财务预警模型——Z模型。Martin（1977）利用多元Logit模型对破产银行进行预测。Odom、Sharda（1990）通过神经网络模型预测财务危机。在国外学者的研究基础上，周首华等（1996）通过引入现金流量，将Z模型引申为F模型。张爱民等（2001）采用主成分分析法建立了主成分财务预测模型。张友棠（2004）提出利用指标实际值减去指标预警临界值的方法建立预警指数，从而构建预警模型。黄德忠、朱超群（2016）通过实证研究发现，引入资产质量指标能够提高财务预警模型的准确性。
考虑到投资风险既表现为投资收益的不确定性，又表现为投资结果的不确定性。对投资风险进行预警，能够帮助企业了解自身投资效率，合理实施投资政策，提高企业的盈利水平，促进企业的发展。因此，本文以投资规模风险和投资效益风险为出发点，评估行业投资风险，以期实现对行业投资风险的管控。
三、基于工业4.0的行业投资风险预警矩阵模型设计思路
（一）基于工业4.0的行业投资风险
随着人工成本的提高、原材料价格的起伏、信息技术的深入，加之工业4.0的相关内容又与我国倡导的信息化、工业化相呼应，工业4.0越来越得到制造业的重视。就投资的机遇和挑战而言，工业4.0的提出给制造业带来的投资机遇包括劳动生产力的极大提高，产品创新速度的加快，减少耗能、降低库存，信息化发展势头良好，充分满足消费者的个性化需求，带给消费者更好的服务感受等。给制造业带来的投资挑战包括部分工业企业技术理论落后、核心基础部件缺失、导致原始产品竞争力丧失、使用高新技术机器的专业人才不足、低成本的优势丧失等。由于实现工业4.0是一个长期、渐进的过程，若没有把握好行业投资的度，就会产生行业投资风险。而从这些投资机遇和挑战来看，产生的行业投资风险主要表现在：第一，行业会产生大量的投资行为，但若一味追求高额回报，使投资脱离实际，导致投资规模过大，自由现金流不足，就会引发投资规模风险；第二，行业若对投资环境没有充分认识而盲目投资，就不能显著提高核心产品的盈利水平，导致投资效益不好、后续的投资活动连接不上，进而波及日常的生产经营，引发投资效益风险。
（二）行业投资风险预警矩阵模型设计思路
行业投资风险预警矩阵模型设计思路主要包括投资风险预警指标的遴选、投资风险预警指数的编制、行业投资风险预警矩阵模型的构建。具体设计思路如图1所示。
1. 行业投资风险预警指标的遴选。工业4.0给行业带来的投资风险为投资规模风险和投资效益风险。本文从投资规模风险和投资效益风险这两个角度选取了与其相关的多个重要的投资风险预警指标，包括投资规模风险预警指标和投资效益风险预警指标，以实现对投资规模风险和投资效益风险的合理预警。
2. 行业投资风险预警指数的编制。投资风险预警指数的编制涉及两个指数层级：第一级指数层级是行业投资风险预警指数，用来综合反映行业投资风险，具体为行业投资规模风险预警指数和行业投资效益风险预警指数；第二级指数层级是企业投资风险预警指数，用来初步反映企业单个投资风险预警指标数据的预警意义，具体为企业投资规模风险预警指数和企业投资效益风险预警指数。
3. 行业投资风险预警矩阵模型的构建。根据“风险矩阵”的基本原理，本文以投资规模风险作为X轴，以投资效益风险作为Y轴，建立一个二维预警矩阵模型。首先，将行业投资风险预警矩阵模型切割成不同的预警区域，再根据行业投资风险预警指数的数值显示的不同行业投资风险水平，定位到行业投资风险预警矩阵模型的相应区域。
四、行业投资风险预警矩阵模型的设计
（一）投资风险预警指标遴选
在遴选投资风险预警指标时，本文遵循了以下基本原则：①全面性原则。投资风险预警指标应该能够全面反映投资规模风险和投资效益风险，要求建立一个全面、完整的投资风险预警指标体系。②针对性原则。投资风险预警指标应该能如实地反映出行业投资风险，只有这样编制投资风险预警指数、利用行业投资风险预警矩阵模型进行预警定位才有意义。③可获取性原则。只有投资风险预警指标的获取有可靠的数据来源，便于操作，才能及时对行业投资风险进行预警。④可比性原则。考虑到不同指标计算口径以及计算方法上的不一致性，本文选取相对数指标，使得不同投资风险预警指标之间具有可比性。根据上述原则，遴选的投资风险预警指标如表1所示。
（二）投资风险预警指数编制
投资风险预警指数是通过灵活选取敏感性的投资风险预警指标，采取恰当的预警临界值来合理反映行业投资风险的预警指数。投资风险预警指数编制的基本流程为：首先将遴选好的投资风险预警指标通过确定预警临界值形成第二级指数层级即企业投资风险预警指数，再通过企业投资风险预警指数来确定权重形成第一级指数层级即行业投资风险预警指数，如图2所示。. 企业投资风险预警指数编制。
（1）企业投资风险预警指数。企业投资风险预警指数是指，将遴选好的投资风险预警指标的实际值与设定的预警临界值进行对比，通过测度二者的偏离程度可以初步判断企业投资风险水平在行业中的地位。考虑到投资风险预警指标均为正向指标，则企业投资风险预警指数编制公式为：
企业投资风险预警指数=（投资风险预警指标的实际值-预警临界值）/预警临界值 ①
（2）预警临界值。预警临界值的确定直接关系到行业投资风险的判定，本文选取的预警临界值为行业相应的投资风险预警指标的上四分位数，即将行业中企业投资风险有警和无警的比例确定为1∶3。当计算出企业投资风险预警指数为正值时，说明该企业此时的投资状态安全，企业的投资风险水平为无警；当企业投资风险预警指数为负值时，说明该企业此时的投资状态不安全，企业的投资风险水平为有警。企业投资风险预警指数的具体编制公式见表2。
2. 行业投资风险预警指数编制。
（1）行业投资风险预警指数。由于每个企业投资风险预警指数的重要性程度以及蕴含的预警意义不一样，通过权重可以分别将多个企业投资规模风险预警指数和多个企业投资效益风险预警指数合成行业投资规模风险预警指数和行业投资效益风险预警指数，以此综合、直观地反映投资规模风险和投资效益风险。
行业投资规模风险预警指数编制公式为：
IRx=[i=1nIR1i×w1i] ②
其中：IR1i表示第i个企业投资规模风险预警指数；w1i表示其对应的权重。
行业投资效益风险预警指数编制公式为：
IRy=[i=1nIR2i×w2i] ③
其中：IR2i表示第i个企业投资效益风险预警指数；w2i表示其对应的权重。
（2）权重。权重的确定方法包括主观和客观的赋权法。其中主观赋权法具体包括层次分析法、德尔菲法等，客观赋权法具体包括变异系数法、因子分析赋权、熵权法等。鉴于熵权法是利用指标信息的可靠程度来确定权重的方法，指标的信息熵越小，表示该指标的变异程度越大，所代表的权重也就越大，即指标含有的经济意义越丰富。因此，本文将多个企业投资规模风险预警指数和多个企业投资效益风险预警指数分别合成行业投资规模风险预警指数和行业投资效益风险预警指数时，均采用熵权法来依次确定各个企业投资风险预警指数对应的权重。
（三）行业投资风险预警矩阵模型构建
1. 模型构建原理。行业投资风险预警矩阵模型构建的目的是通过矩阵的形式来直观、全面地判别行业投资风险水平。本文根据行业投资风险水平的不同，将行业投资风险预警矩阵模型切割成不同的预警区域，每个具体的区域代表着对应的行业投资风险的预警警情。将编制的行业投资规模风险预警指数和行业投资效益风险预警指数经过归一化处理后的值分别作为行业投资风险预警矩阵模型预警定位中的X轴数值和Y轴数值。利用其确定在行业投资风险预警矩阵模型的落点，落点区域的不同表示行业投资风险水平的不同。行业投资风险预警矩阵模型如图3所示。
2. 预警刻度。从图3可以看到，本文利用预警刻度0、Kx1、Kx2、Kx3、Ky1、Ky2、Ky3、1将行业投资风险预警矩阵模型划分为16个小区域，并形成4个大区域。其中预警刻度Kx1、Kx2、Kx3、Ky1、Ky2、Ky3值的确定见表3。
以下是刻度值的预警含义：
定义1：若行业投资规模风险预警指数和行业投资效益风险预警指数归一化后的数值分别在［Kx3，1］和［Ky3，1］之间，表示投资规模风险和投资效益风险的预警警情的级别是无警。
定义2：若行业投资规模风险预警指数和行业投资效益风险预警指数归一化后的数值分别在［Kx2，Kx3）和［Ky2，Ky3）之间，表示投资规模风险和投资效益风险的预警警情的级别是轻警。
定义3：若行业投资规模风险预警指数和行业投资效益风险预警指数归一化后的数值分别在［Kx1，Kx2）和［Ky1，Ky2）之间，表示投资规模风险和投资效益风险的预警警情的级别是中警。
定义4：若行业投资规模风险预警指数和行业投资效益风险预警指数归一化后的数值分别在［0，Kx1）和［0，Ky1）之间，表示投资规模风险和投资效益风险的预警警情的级别是重警。
3. 预警定位。上述定义仅仅分别判断了投资规模风险和投资效益风险，考虑到这两种风险的相互作用，为了综合反映行业投资风险，将行业投资风险预警矩阵模型的预警定位也设定为四级，分别为无警、轻警、中警、重警。这四级预警定位的具体区间预警含义如下：
（1）无警区域。此时投资规模风险和投资效益风险都很小，几乎没有，是行业投资风险安全期，如图3中绿色区域。
（2）轻警区域。此时投资效益风险较小，但投资规模风险较大。当投资规模风险较大时，说明此时实施的投资政策不合理，可能在未来会导致自由现金减少，资金链断裂，影响企业的生产经营活动，从而对投资效益有着潜在的影响，是行业投资风险潜伏期，如图3中黄色区域。
（3）中警区域。此时的投资效益风险较大，说明投资行为获取的收益不足，投资盈利水平低，但投资规模风险较小，现金水平基本维持在一定水平值，有助于投资效益风险一定程度上的缓解，是行业投资风险发作期，如图3中橙色区域。
（4）重警区域。此时投资规模风险和投资效益风险都很大，是行业投资风险恶化期，如图3中红色区域。
五、实证分析
（一）样本的选择与数据的预处理
汽车新能源的兴起以及购买者个性化的需求，要求汽车制造行业积极适应工业4.0带来的新的投资环境，改变其传统的大规模生产模式，进行智能转型，提高生产效率，建立以顾客为核心的产品生产模式。目前，该行业已经有部分企业进行了相关智能转型的投资行为。因此，本文以汽车制造行业为例，以2015年和2016年的相关数据为样本，对其进行行业投资风险预警矩阵模型的预警定位分析。本文所有的实证样本数据均来源于国泰安数据库。
为了保证研究的合理性，本文对实证样本进行了相应的数据预处理：①选取的样本是在主板上市的汽车制造企业，并且剔除了2016年年初退市、16年年初新上市以及数据缺失的企业。②利用stata 12.0软件对投资风险预警指标进行winsorize双侧缩尾（1%分位数）处理，以减少异常值对行业投资风险判断的影响。
（二）汽车制造行业的行业投资风险预警矩阵模型测度
1. 行业投资风险预警指数测度。根据公式① ~ ③可以最终测度2015年和2016年汽车制造行业的行业投资规模风险预警指数和行业投资效益风险预警指数，见表4。
2. 预警刻度测度。将行业投资风险预警指数测度进行归一化处理后，利用表3分别测度了2015年和2016年汽车制造行业的预警刻度，结果见表5。
根据表5进行初步分析可知，X轴方向即投资规模风险的预警刻度Kx1、Kx2在2016年均上升，Kx3在2016年轻微下降，表示该类风险重警和无警的范围扩大了，中警和轻警的范围缩小了，即汽车制造行业的投资规模风险在2016年开始显示两极分化。Y轴方向即投资效益风险的预警刻度Ky1、Ky2、Ky3在2016年均下降了，表示该类风险的无警范围扩大，重警范围缩小了，中警和轻警的范围基本不变，即汽车制造行业的投资效益风险范围整体较小。
3. 预警定位测度。根据图3的行业投资风险预警矩阵模型，结合行业投资风险预警指数测度归一化后的值和表5，可以对汽车制造行业的每个企业进行行业投资风险预警矩阵模型的预警定位测度，具体预警定位测度见表6。
为了更加清晰地反映2015年、2016年汽车制造行业的行业投资风险水平，绘制了汽车制造行业的行业投资风险预警矩阵模型的预警定位测度图，见图4和图5。
4. 小结。结合表6、图4、图5可以得出以下实证结论：
（1）在2015年，汽车制造行业的行业投资风险预警矩阵模型处于红色区域的企业中，中航黑豹（600760）和华菱星马（600375）投资风险最大，其余大多数企业的投资规模风险和投资效益风险为中于橙色区域和黄色区域的企业分布较为集中，即此区域的大多数企业的投资规模风险和投资效益风险为轻警；处于绿色区域的企业分布平均，但仍有少数企业的投资规模风险和投资效益风险是轻警，需要引起重视。
（2）在2016年，汽车制造行业的行业投资风险预警矩阵模型处于红色区域的企业分布开始更加趋向于原点，表明投资风险变大；处于橙色区域和黄色区域的企业分布与2015年类似，变化不大；处于绿色区域的企业分布不再平均化，更多企业的投资规模风险和投资效益风险变化较大。
（3）从区域面积的变化来看，虽然2015 ~ 2016年红色区域和橙色区域的面积变小，黄色区域和绿色区域的面积变大，但2016年仍有类似数目的企业处于红色区域和橙色区域，这说明汽车制造行业的整体行业投资风险增大了，尤其是投资规模风险对汽车制造行业投资风险的影响较大。
六、研究结论
本文基于工业4.0的行业投资风险来源，以投资规模风险和投资效益风险分别作为X轴和Y轴，确立了行业投资风险预警矩阵模型，并以汽车制造行业在主板上市企业2015年和2016年的数据为样本进行了实证分析，得出以下结论和相关投资风险管控建议：
第一，随着工业4.0的深入，行业投资风险增加、投资规模扩张、投资效益降低了。这表明在工业4.0的逐步推进过程中，汽车制造行业已经意识到智能化的重要性，投资活动频繁发生，却加大了行业投资风险。此时，需要综合考虑投资活动结果的影响因素，当出现投资规模风险时，应该根据自身生产经营发展确定投资规模，如采用净现值法与净现值指数法、盈亏分析等方法，同时对于在建、新建的项目应该控制在合理的范围内。当出现投资效益风险时，应该考虑是否需要完善投资决策机制，加强对投资项目整个流程的管理与监督，以提高资产的盈利质量。
第二，企业的管理层和相关投资者可以利用行业投资风险预警矩阵模型来测度企业在同行业中的投资风险水平，从而采取相应的投资决策，实现自身的长远发展。
主要参考文献：
韦康博．工业4.0时代的盈利模式［M］．北京：电子工业出版社，2015．
苑泽明．上市公司无形资产评价指数研究——基于创业板上市公司的实证检验［J］．会计研究，2015（5）．
张本照，马瑞雪，王海涛．利率市场化的效果：企业的投资效率改善了吗［J］．财会月刊，2016（12）．
梁飞媛，卜星．宏观经济背景下的公司财务预警指数设计——以机械制造业为例［J］．财会月刊，2014（6）．
张友棠，彭颖，ABM Munibur Rahman．基于行业风险监测的中国企业财务预警仿真研究［J］．财会月刊，2015（2）．
