分析师现金流预测

分析师现金流预测（精选9篇）

分析师现金流预测 篇1

一、引言

贴现现金流量(Discount Cash Flow,DCF)方法是企业价值评估实务中最为广泛采用的估值方法。贴现现金流量方法的基本思想是:企业的价值(Enterprise Value,EV)取决与企业未来所获得的自由现金流量(Free Cash Flow,FCF)以及企业加权平均资本成本(Weighted Average Cost of Capital,WACC)。基于DCF的企业价值估值模型为:。理论上,WACCt可以较为容易地根据资本资产定价模型(CAPM)确定。根据上述DCF估值模型可知,FCFt(未来各期自由现金流量)是决定企业价值的关键性因素。因此,较为准确地预测企业未来自由现金流量是应用DCF估值模型进行企业价值估计的必要基础。基于对DCF估值模型的理解,本文拟构建自由现金流量预测模型,并进行实证检验,以期有益于企业价值估值。

二、文献回顾

(一)经营现金流量预测模型的相关文献

目前国内外学术界研究较多的是经营现金流量预测模型。Dechow等(1998)构建了一个关于收益、现金流量以及应计项目的相互关系模型(DKW模型)。该模型以公司收益及历史现金流量为输入变量能够较好地预测未来经营现金流量。DKW模型假设销售收入服从随机漫步过程,而销售成本、存货以及应收应付项与销售收入呈比例关系,因此可以构建一个关于现金流量的计量经济模型,运用回归分析即可实现对未来现金流量的预测。Barth等(2001)在上述DKW模型的基础上将总应计项目数据细化到每一具体应计项目,改进了经营现金流量预测模型(BNC模型),提高了模型的预测能力。戴耀华等(2007)以国内上市公司数据为基础对DKW模型和BNC模型进行了实证研究,经验证据表明BNC模型对未来经营活动现金流量具有相对更强的解释力。张国清(2007)在研究现金流量披露与否及其披露方法是否有利于提高经营活动现金流量预测水平时,证明了多变量预测模型的预测能力显著强于单变量预测模型,且与其它模型比,BNC模型有更好地预测表现。国内关于现金流量预测模型的研究主要侧重应用数学模型、统计模型或人工智能技术对数据进行拟合并对未来经营现金流量加以预测。宋新波等(2006)基于企业资产管理能力指标、变现能力指标、盈利能力指标而不是历史经营现金流量本身来构建计量经济模型对未来经营现金流量进行预测。朱冬根等(2005)根据成长性企业的特点将龚柏兹成长曲线模型应用于现金流量预测。迟国泰等(2006)在指数平滑法和Va R方法基础上,以现金流量波动为约束条件,建立了基于EWMA-Va R的企业整体现金流量预测模型。

(二)自由现金流量预测模型的相关文献

相比较而言,针对经营现金流预测模型的研究比较深入。尤其是DKW模型和BCN模型以计量经济学方法根据经营现金流量的财务本质为基础,显著增强了模型的预测能力。而针对自由现金流量预测模型的研究还相对较少。Rappaport(1998)建立了一个自由现金流量预测模型(Rappaport模型),通过对销售增长率、销售利润率、有效所得税率、边际固定资本投资和边际营运资本投资等五个变量进行恰当的估计,对未来一年的自由现金流量进行预测。王化成等(2005)构建一个基于BP神经网络的自由现金流量预测模型对公司价值评估中涉及的自由现金流量进行时序预测。自由现金流量预测模型中,Rappaport模型基于对解释变量预测的估计而计算未来自由现金流量。但模型并没有给出解释变量预测值的估计方法或模型。基于BP神经网络的自由现金流量预测模型则纯粹从预测技术角度进行研究,忽略了自由现金流量的财务本质。针对上述不足,本文借鉴DKW模型与BNC模型的研究思路与方法,立足自由现金流量的财务本质,以计量经济学方法研究并构建出一个自由现金流量预测模型,并通过对汽车行业面板数据的分析来检验所构建的预测模型。

三、研究设计

(一)自由现金流量预测模型的简化

自由现金流量不同于经营活动现金流量,不能从公司财务报表直接得到。因此要预测自由现金流量就需要明确自由现金流量的计算方法,从中找出决定自由现金流量的会计项目。当自由现金流量可以分解成各相应的会计项目,并考虑相互之间的运算关系,那么就可以根据这些具体会计项目的时间序列特性,基于计量经济学方法预测下一期的自由现金流量。需要指出的是,实务中自由现金流量所包含的要素相当广泛,与持续经营业务相关的现金流出和流入项目都属于自由现金流量的计算范围。其中有些项目,如递延所得税、无形资产摊销等的变化量通常较小,对未来自由现金流量预测的意义较弱,通常不包括在有关自由现金流量预测研究的范围之内。因此,本文假定研究对象处于成熟稳定阶段,具有十年以上历史,经营管理水平正常,因而具有可预测性,并将自由现金流量预测模型简化为:自由现金流量=税后净营业利润+折旧及摊销-资本支出-营运资本增加。同时对其中的变量确定进行了如下简化,以便观察哪些财务变量对自由现金流量预测具有较强的预测能力。(1)税后净营业利润只考虑主营业务净收入、主营业务成本和一般管理费用,未考虑净利息支出;(2)计算自由现金流量时不考虑公司递延所得税和各种摊销;(3)资本支出只包括公司对厂房、机器设备等持续经营性资产的现金投入,以固定资产增加额近似替代;(4)简化营运资本变化,仅考虑应收账款、存货、应付账款等项目。

(二)FCF计算

计算FCF的过程如下:(1)计算扣除调整税的净营业利润(NOPLAT)。NOPLATt=EBITt(1-T)=(Revt-Co G-SGAtt-Deprt)(1-T)。其中EBIT为息税前收益;Rev(Revenue)为主营业务收入;Co G(Cost of goods)为主营业务成本;Depr(Depreciation)为折旧;T为所得税率;SGA(Selling,General and Administrative Expenses)为销售、一般及管理费用。(2)计算营运资本变化额(△OWCt)。△OWCt=△ARt+△INVt-△APt=(ARt-ARt-1)+(INVt-INVt-1)-(APt-APt-1)。其中AR(Accounts Receivable)为应收账款;AP(Accounts Payable)为应付账款;INV(Inventory)为存货。(3)计算资本支出(CEt)。资本支出在06年之前的公司财务报告中体现为资产负债表中固定资产净值的变化加上当期折旧,CEt=△NFXt=NFXt-NFXt-1+Deprt=(FXt-Deprt)-(FXt-1-Deprt-1)+Deprt=△FXt+Deprt-1。其中FX(Fixed Assets)为固定资产。(4)计算自由现金流量(FCFt)。FCFt=NOPLAT+Deprt-△OWC-△CE=(Revt-COGt-SGAt)(1-T)-(△ARt+△INVt-△APt)-△FX+(1-T)Deprt-Deprt-1

(三)构建FCF预测模型

根据FCF计算第四步得到的自由现金流量计算公式可知,FCF受到当期销售收入、销售成本、销售管理费用、存货、应付账款变化、应收账款变化、固定资产变化、以及折旧的共同影响。对于一个经营管理相对稳定的一般公司而言,销货成本以及销售管理费用通常表现为当期销售收入的一个稳定的比例,假设这一比例为,那么上述计算公式可改写为:

FCFt=(1-α)(1-T)Revt-(△APt+△INVt-△APt)-△FXt+(1-T)Deprt-Deprt-1

同样道理,当期应收账款的变化由期初应收账款和期末应收账款决定。仍可以合理假设在销售政策稳定的情况下,本期应收账款的增加通常也与当期销售收入保持一个相对平稳的比例关系。假设这一比例为β,那么:Revt=β-1·△APt代入上式,得:

FCFt=[β-1(1-α)(1-T)-1]△APt-△INVt+△APt-△FXt+(1-T)Deprt-Deprt-1

该式表明在给定的假定前提下自由现金流量由本期应收账款的变化、存货变化、应付账款变化、固定资产变化所决定。对于一个正常经营的公司而言,短期内这几项参数具有较为稳定的时间序列特性。因此可以假设:△APt=δ1·△APt-1,△INVt=δ2·△INVt-1,△APt=δ3·△APt-1,△FXt=δ4·△FXt-1,Deprt=δ5·Deprt-1,Deprt-1=δ6·Deprt-2,进一步得到t+1期自由现金流量FCFt+1:

FCFt+1=[β-1(1-α)(1-T)-1]·δ1·△ARt-δ2·△INVt+δ3·△APt-δ4·△FXt-1+(1-T)·δ5·Deprt-1-δ6·Deprt-1

至此,在给定一系列假定前提下,即可构建滞后一期的自由现金流量预测模型:

FCFt=β1+△ARt-1+β2·△INVt-1+β3·△APt-1+β4·△FXt-1+β5·Deprt-1+β6·Deprt-2+εt

其中:β1=[β-1(1-α)(1-T)-1]δ1,β2=-δ2,β3=δ3,β4=-δ4,β5=(1-T)·δ5,β6=-δ6

(四)样本选择和数据来源

为了对所构建的自由现金流量预测模型进行实证分析与检验,本文选取1996~2006年A股上市公司中汽车制造企业共16家。为了计算其历史现金流量,收集了这16家公司上市以来的年报数据,包括年度资产负债表和利润表。

四、实证结果分析

(一)时间序列的单位根检验及协整检验

本文首先根据自由现金流量模型计算出当期自由现金流量。同时将当期的应收账款、存货、应付账款、固定资产、折旧与当期自由现金流量组合在一起构成一组面板数据并以此作为对预测模型进行实证检验的数据基础。然后根据计量经济分析理论与方法,在进行时间序列回归分析之前需要对独立变量和解释变量分别进行单位根检验,以确定各自是否具有平稳性。(表1)是Eviews 6.0对模型中各时间序列进行面板数据ADF单位根检验的结果。检验结果表明除了折旧时间序列有单位根外(DEPRECIATE(-1)与DEPRECIATE(-2)仅样本观察值个数不同,实为同一序列),其余时间序列都是平稳的。因此,要对模型进行回归检验,就必须对时间序列DEPRECIATE(-1)和DEPRECIATE(-2)进行协整分析。如果两者存在协整关系,那么将这两个时间序列一并作为解释变量与其他解释变量一起进行回归分析就是可行的,因为两者某个线性组合具有平稳性。(表2)是Eviews 6.0对时间序列DEPRECIATE(-1)和DEPRECIATE(-2)进行的面板数据协整检验。结果显著拒绝无协整关系的原假设,接受备择假设,认为两者具有协整关系,可以进行回归分析。

(二)面板数据回归分析

按照构建的自由现金流量预测模型,在EViews6.0中设定FCF为独立变量,解释变量有:d(receivable(-1))、d(payable(-1))、d(fixasset(-1))、d(inventory(-1))、depreciate(-1)、depreciate(-2)。考虑到同行业共性和行业发展的波动性,在选择回归估计方法时选取Period SUR似乎不相关回归以反映行业发展的时期异方差性和各界面之间的同期相关性。回归分析得到结果如(表3)所示。回归结果表明,回归方程整体以及解释变量的显著性都很高,调整后的模型适配度R2为81.19%,证明所构建的预测模型以及所选取的解释变量对于下一期自由现金流量具有较强的解释力和预测能力。

(三)回归系数符号分析

预测模型以滞后一期或滞后两期的财务变量预测下一期自由现金流量。根据各变量变化对自由现金流量变化的影响,对解释变量的回归系数符号作出简要分析。本文假设企业正常运转,只从事主业经营,信用政策稳定。因此,影响企业自由现金流量的因素主要是市场变化、资本支出、信用政策等。其中最根本的是市场变化,决定了收入的变化、信用政策的松紧、资本支出的规模,进而决定自由现金流量的变化。一般情况下,市场变化可以从财务量的变化中体现出来,而市场变化通常具有内在的惯性。因而可以通过观察历史财务数据的变化判断市场的变化,从而间接地判断自由现金流量的变动方向。1996年至2006年,我国汽车行业经历了快速发展,其中2001年至2003年前后出现过井喷式增长,随后增长有所回落。根据这一市场变化特点,以静态分析方法分析各回归系数的符号,试图说明各解释变量与独立变量之间的相关关系。(1)应收账款变化回归系数β1。销售高速增长时期,应收账款变化绝对量的增加主要由于销售收入增长所致。而在销售增长减缓阶段,企业为了一定的销售收入增长会放宽信用政策,因此应收账款变化绝对量也会出现增长。在样本时间范围由于市场的快速增长而出现应收账款变化绝对量的增长,会导致自由现金流量的相对减少。因此,在其他条件不变的情况下,滞后一期应收账款的增加量的变化与下一期自由现金流量呈负相关关系,回归系数β1符号为负。(2)存货变化回归系数β2。库存是企业可以主动调节和控制的财务变量。滞后一期的库存增量的提高反映企业面临销售不畅而积压存货或者预期下一期销售快速增长而增加存货以扩大下一期销售。前一种情况下,企业将削减下一期产量并放松信用政策积极扩大销售以削减库存。后一种情况下库存因销售快速增长而减少。因此,下一期的库存变化会有所下降,与下一期的自由现金流量呈正相关关系。回归系数β2符号为正。(3)应付账款回归系数β3。在上游供货商信用政策不变的情况下,滞后一期应付账款增加预示着下一期将要偿还更多的应付账款,即下一期应付账款会减少,给下一期自由现金流量带来负面影响。因此,滞后一期应付账款的增加对于下一期自由现金流量具有负相关关系,其回归系数β3符号预期为负。(4)固定资产原值变化回归系数β4。滞后一期固定资产原值的变动等于滞后两期的折旧额。当固定资产原值的变动扩大也就是滞后两期的折旧额增加且折旧政策和其他条件不变时,滞后一期和下一期的折旧额必将减少,从而减少下一期自由现金流量。因此固定资产原值变化与下一期自由现金流量呈负相关关系,回归系数β4的符号为负号。(5)滞后一期折旧回归系数β5。折旧与固定资产投资密切相关。在保持稳定的折旧政策情况下,折旧的多少取决于固定资产原值,而固定资产原值的变化由固定资产投资决定。滞后一期折旧增加表明同期固定资产投资增加。当期新增的固定资产投资除了当期增加折旧之外,其残值还将在下一期被提取折旧,从而增加下一期自由现金流量。因此滞后一期的折旧额与下一期的自由现金流量成正相关关系。另外,模型本身表明滞后一期折旧的系数为(1-T)δ5,其中T为实际税率,小于1,δ5为滞后一期折旧与滞后两期折旧之比,大于0。因此滞后一期折旧的回归系数β5的符号为正。(6)滞后两期回归系数β6。其他条件不变的情况下,滞后两期的折旧额增加将减小滞后一期固定资产原值,因为在滞后两期进行的固定资产投资中有一部分需要补偿当期折旧。当滞后一期的固定资产原值减少,则滞后一期折旧会减少,同时下一期的折旧额也会下降,从而下一期自由现金流量随之减少。因此滞后两期的折旧额与下一期自由现金流量呈负相关关系。另外,模型本身亦表明滞后两期折旧的系数-δ6,其中δ6为滞后二期折旧与滞后一期折旧之比,因为折旧额一定为正数所以-δ6为负数。显然,回归系数β6必为负号。

五、结论

(一)研究结论

综合面板数据回归分析结果,可以发现本文所构建的自由现金流量预测模型反映了自由现金流量的财务本质,同时得到了实证分析与检验,因而具有一定的学术和应用价值。这一模型为进一步深入研究自由现金流量预测模型作出了有益的探索。同任何模型一样,本文所构建的模型也是基于一些给定的前提假设:销货成本、销售费用、管理费用分别为当期销售收入的一个稳定的比例;本期应收账款的增加通常也与本期销售收入保持一个稳定的比例关系;应收账款变化、存货变化、应付账款变化、固定资产变化具有较为稳定的时间序列特性,相邻两期之间存在比例关系。上述假设条件是否成立直接影响到本文所构建的自由现金流量预测模型的正确性和准确性。由于模型在汽车制造业行业面板数据方面具有很好的显著性和较强的解释力,得出以下结论:(1)模型的实证检验结果显示,滞后两期的财务变量包含有对下一期自由现金流量进行预测所必需的有用信息。这就要求历史数据的时间跨度以避免信息损失,增强预测能力。(2)模型的解释变量表明,下一期自由现金流量与滞后一期的应收账款变化、存货变化、应付账款变化、总资产变化、折旧额以及之后两期的折旧额密切相关,分别与预测期的自由现金流量呈现负相关、正相关、负相关、负相关、正相关、负相关关系。这对预测自由现金流量变动方向有积极作用。(3)与总量预测不同,模型将自由现金流量根据其本质进行分解并在一定的假设前提下构建预测模型,结果表明各解释变量分别具有增量预测信息。这有助于根据详实的历史数据对下一期自由现金流量进行符合其本质属性的较为准确的预测。

(二)研究局限

当然,本文所构建的自由现金流量预测模型及其实证检验也存在诸多不足之处,有待进一步研究:(1)对于含有实际序列数据的回归分析而言,时间跨度有一定的要求,理论上越多越好。本文选取的数据时间跨度为1996~2006年,跨度稍小。主要是由于我国资本市场发展较晚,上市公司存续的时间还不够长,导致数据时间跨度不够。(2)我国的上市公司治理不完善,因此存在对会计政策和会计估计的重大变更,从而导致数据在时间上的一致性遭到破坏,影响到模型的适配度,削弱了模型的预测能力。(3)实证检验所选用的数据是汽车制造业的面板数据,样本容量有限,因而模型的说服力收到限制。该模型是否反映自由现金流量具有跨行业跨时期普遍性质,则需要大样本、宽时间跨度数据进行实证检验。(4)本文选取的数据是季度数据,而一、三季度财务报告是未经过独立审计的财务报告,数据质量会影响到模型的表现。如果数据频率为半年可能更有利于通过模型发现问题的本质。但这需要数据的时间跨度尽可能长。(5)模型解释变量为自由现金流量的主要构成要素,在这个分解层面上模型是显著有效的。那么,进一步分解这些解释变量是否会有助于提高自由现金流量预测的准确性,以及解释变量之间是否存在财务意义上的确定性的相关关系从而影响到解释变量的确定,这都是值得进一步研究的问题。

参考文献

[1]戴耀华、杨淑娥、张强:《上市公司未来现金流量预测模型解释力研究》,《生产力研究》2006年。[1]戴耀华、杨淑娥、张强:《上市公司未来现金流量预测模型解释力研究》,《生产力研究》2006年。

[2]张国清:《经营活动现金流量预测实证研究》,《当代财经》2007年第1期。[2]张国清:《经营活动现金流量预测实证研究》,《当代财经》2007年第1期。

[3]迟国泰、吴珊珊、许文:《基于EWMA-VaR的企业整体现金流量预测模型》,《预测》2006年第2期。[3]迟国泰、吴珊珊、许文:《基于EWMA-VaR的企业整体现金流量预测模型》,《预测》2006年第2期。

[4]王化成、尹美群:《BP神经网络模型对公司价值评估中自由现金流量的时序预测》,《统计与决策》2005年第9期。[4]王化成、尹美群:《BP神经网络模型对公司价值评估中自由现金流量的时序预测》,《统计与决策》2005年第9期。

[5]Rappaport, A. Creating Shareholder Value. New York Free Press, 1998.[5]Rappaport, A. Creating Shareholder Value. New York Free Press, 1998.

[6]Patiricia M. Dechow, S.P. Kothari, Ross L. Watts. The relation between earnings and cash flows. Journal of Accounting and Economics. 1998.[6]Patiricia M. Dechow, S.P. Kothari, Ross L. Watts. The relation between earnings and cash flows. Journal of Accounting and Economics. 1998.

分析师现金流预测 篇2

企业的现金流结构代表着企业经营活动的核心，也是企业经营成果的表现方式，企业日常的财务核算和管理大部分都是围绕现金流来展开的，由企业的现金流可以看出企业真实的经营状况与财务状况。

摘要：在如今市场经济飞速发展的情况下，经济管理这一现代的企业管理手法也应当做出紧跟形势的改革创新，以新方式重新配置资源，优化整合。本文首先简单介绍了现金流结构分析的组成，然后结合企业经济管理，分析了现金流结构分析对经济管理起到的贡献意义，继而探讨了有关经济管理创新的部分措施。

关键词：现金流量;结构分;经济管理;创新

现金的流转运动是企业生存的基础，有企业的“血液”之称，同时现金也是一种资产形式，也可以有由此实现资本增值。围绕现金流进行的经济管理目前存在许多问题，不仅仅管理观念落后，无法跟得上企业的发展速度，企业的现金流结构的经济管理也并不到位，无论是内部控制层面还是财务管理层面，依旧沿用过去的一些传统的管理方法。

现金流结构经济管理也牵扯到企业的许多经营管理方面，包括采购行为、销售行为、赊销以及应收应付款项等众多方面的管理。所以在企业的经济管理中，现金流结构管理与方法对于企业的生存和发展至关重要。通过对企业流程的改造，可以加速现金的回收，提高现金的效率性和流动性，可以促进企业现金流量的好转，加强现金流的营利性和创值性。

一、企业现金流结构分析

企业现金流结构的分析主要包括流入、流出结构分析;流入流出结构比分析。其结构如图1所示，现金的流入包括经营活动、投资活动和筹资活动，对于一般制造类、服务类的企业来说，经营活动应该是现金主要流入的方式，对于投资型企业来说，投资和筹资则是企业现金主要流入的方式。对流入结构进行分析是就是分析企业现金流入的主要来源和突进，包括经营、投资、筹资和总流入结构等活动的内部结构分析。对于现金的流出结构分析也是如此。而现金流入流出比分析则是需要对经营活动流入流出比、通过投资活动流入流出比、筹资活动流入流出比三个方面的数据进行分析，与基准值1进行比较，经营活动流入流出比应该要比1大，并且数值越大越证明企业经营状况良好;如果投资活动流入流出比比1小，则表示企业正处于扩张期，反之，则表示企业已经处于衰退期。而筹资活动流入流出比如果比1大，则表示企业的借款额大于还款额，代表企业可能会出现债务危机。

二、企业现金流结构经济管理创新的意义

(一)高效的现金流结构经济管理是企业良好经营的基本要求

可能对于许多的企业管理者来说，企业经营的好坏全看企业的利润有多少。这样的想法无疑是不准确的，企业财务报表上反应的利润可以是通过账目调整体现的，比如虚假销售，而企业的现金流量是实实在在很难遮掩的，所以我们观察一个企业是否经营得当，不仅要看资产负债表，还需要研究企业的现金流量表。所以，企业经济管理活动离不开对现金流结构的分析，通过对企业自身的`现金流结构分析，管理者可以比较清晰地看出企业的经营状态，从而避免虚假利润的舞弊出现，也能够从而提高企业的竞争力。

(二)良好的企业经济管理模式能最大限度地发挥企业资金管理的职能

基于企业现金流结构的分析，我们知道企业的资金流入和流出就基本与三个方向有关，经营、投资和筹资，所以企业的经济管理也需要关注这三个点。经济管理自然少不了对企业资金的动向进行管理和监控，需要对企业日常资金的分配及使用进行深入的了解和分析，从而起到经济管理的作用：或者降低企业的生产成本，或者使企业的利润最大化，或者充分利用企业的闲置资金。所以，一个良好的企业经济管理体制能够让企业的各项日常经济活动得到规范的管理，更加完善合理的分配企业的资金。

(三)良好的经济管理模式可以监控企业的经营状况

现金流量结构分析的一大特点就是可以通过数据反应企业经营的状况如图2，从而根据数据来源确定企业经营出现的问题是由何处产生的，进而去解决相应的问题，所以，企业拥有一个良好的经济管理模式就能对该企业的包括现金结构在内的各类财务数据进行有效的管理与分析，为决策者提供资料，为企业的发展保驾护航。

三、企业经济管理创新策略

(一)企业基于现金流结构分析的经济管理制度的创新

既然要进行经济管理创新，一般首先考虑的就是更新一套具有约束力的企业制度。从现金流结构的内部控制方面来考虑，例如最典型的不相容职位的分离。当然，制度创新需要找关注其他容易忽视的制度死角，比如销售循环的现金流、采购循环的现金流、以及资金循环，通常企业可能不太会注意细节的制度约束，比如销售循环中有关结算的制度，可由财务人员结算，或者有专人进行销售现金的结算。

(二)经济管理理念的创新

在整体的企业经济管理中，管理理念主导了企业管理的风格和方向。对企业现金流结构的经济管理创新也需要根本上管理观念的改变。首先是企业管理者既然要求外部的内部控制评估机构对企业控制制度进行评估以及提出建议，就要勇于接受建议并从根本上进行改变，许多新的管理措施由于触及了许多人过去可以轻易获得的非法利益而无法得到良好的推行，仅仅实施一段时间就夭折了，那么现金流结构中的风险依然存在。其次，管理理念的创新对企业来说是至关重要的。贴近形势的经济管理理念的创新可以纠正与时代不符的，落后的管理方式，又能帮助企业进行经济管理的创新改革，吸纳并推行科学有效的管理措施，使企业能健康的发展前行。

(三)经济管理组织的创新

企业的经济管理组织需要承担各个岗位相互制约的作用。在当前科技与经济发展迅速的形势下，组织内出现的舞弊手段以及风险种类日益科技化，所以企业需要一个能与时俱进的组织管理方式，杜绝各类现金流结构风险。

(四)经济管理系统技术创新

在电子信息技术飞速发展的现代社会，企业管理也早就走在了信息化的道路上，对企业自身经济管理技术系统进行创新发展，使系统不仅能够起到信息管理的作用，还能起到职权制约，现金流内部控制等作用，通过电脑的绝对控制，减少岗位徇私的发生。

(五)管理创新要以人为本

人力资源的合理配置是支撑上述几项创新措施的基础性措施。首先，现金流的经济管理制度的创新需要人来推行;其次，管理理念的革新需要人来改变;再次，企业现代化管理技术革新也需要技术人员的支撑;最后，现金流结构经济管理组织的创新也需要人来搭建。所以，现金流结构经济管理的创新还需要考虑人力资源的因素。不管新还是旧，以人为本是不变的。新形势下，反而要更加注重人性化，发掘员工的潜能，关注员工心理状况，不仅能使员工感到归属感从而提高其工作效率，还能从“舞弊三元论”的角度提早发现和预防员工的“压力”因素，从而减少舞弊的风险。

四、结束语

有效的经济管理创新应当根据企业的具体情况制定，本着实事求是，以人为本的原则，以提高企业经营成果为目的，然后再与包括现金流结构分析在内的各类财务分析指标相结合，科学地、辩证地制定制度，才能最大程度的实现经济管理的作用。本文首先简单介绍了现金流结构分析的组成，然后结合企业经济管理，分析了现金流结构分析对经济管理起到的贡献意义，继而探讨了有关经济管理创新的部分措施。

参考文献：

[1]王晓春.基于现金流入流出结构分析的企业经济管理新思维[J].科技资讯,(13).

分析师现金流预测 篇3

1 自由现金流的计算

根据定义者所处的角度不同, 自由现金流分为公司自由现金流和股权自由现金流。本文论述所使用的自由现金流为公司自由现金流, 其计算公式为:

以下是根据企业的三张财务报表计算自由现金流的过程。

第一步, 计算税后净营业利润。通过利润表得到扣除所得税费用后的净利润。

第二步, 计算折旧和摊销。通过现金流表得到固定资产折旧、无形资产摊销、长期待摊费用摊销, 三者相加作为企业总的折旧和摊销。

第三步, 计算必要资本支出。必要的资本支出是指企业为维持正常经营或扩大经营规模而购买各种长期资产所必须支付的现金。实践中, 我们很难确定企业所购买的各种长期资产, 哪些是用来维持企业经营和发展的, 哪些却是随意性的。因此, 这里我们假设企业所购买的各种长期资产都是为了谋求持续经营所必需的合理投资, 用现金流量表中的购建固定资产、无形资产和其他长期资产所支付的现金近似的作为企业必要的资本支出。

第四步, 计算营运资本净增加额。营运资本一般等于流动资产减去流动负债, 但是在计算自由现金流时的营运资本仅表示为维持企业正常经营所占用的那部分现金, 因此: (1) 列入计算的流动资产应该扣除超额现金。由于实践中我们很难区分企业持有的现金哪些是维持企业经营所必须的, 哪些是超额的, 而实际情况通常是企业所持有的货币资金大部分都是超额的, 因此这里我们近似的扣除全部的货币资金;

(2) 列入计算的流动负债应该扣除短期借款;

(3) 用当期的营运资本减去上期的营运资本就可以得到营运资本净增加额。

第五步, 通过公式 (1) 计算自由现金流量。

2 利用自适应滤波法建立自由现金流量预测模型

通过上述自由现金流计算方法得到一组历史现金流序列{y t, t=1, 2, L, …, n}, 利用自适应滤波法建立自由现金流模型。

对于每一个t=N, N+1L, …, n (N为权数的个数) , t+1期自由现金流量的预测值公式为:

其中iw为第t-i+1期自由现金流观测值的权数;yt-i+1为t-i+1期自由现金流观测值, i=1, 2, L, …, N。则下一期自由现金流量预测公式中的各权数调整为:

其中k为学习常数, 其大小决定权数调整的速度;et+1为第t+1期自由现金流的预测误差, 即

按照这一过程就可以从t=N开始递推, 直到t=n-1第一轮调整结束, 得到一组新权数。再把这些新权数作为初始权数重复上述过程, 如此循环直到新一轮的预测总误差没有明显改进为止, 此时得到的一组权数就认为是“最佳”权数, 可以用它来预测第n+1期的自由现金流量。

3 案例应用

本文以一汽轿车 (股票代码000800) 为例, 阐述企业自由现金流的计算和预测过程。这里我们选取了从2007年到2012年的财务数据 (新浪财经) , 从其资产负债表、现金流表和利润表中可以得到有关项目的季度数据, 根据之前阐述的自由现金流的计算过程能够得到该企业的自由现金流量表并根据之前建立的预测模型, 用matlab编写预测程序。通过在计算机上运行程序, 经过379次迭代计算, 最终得到的最佳的四个权数分别为此时n-N期的预测结果与各期现金流量观测值的均方误差达到最小, 为173.1026×1017。则最终的自由现金流预测模型为下一期自由现金流量的预测值为--2.3359×108元。

4 结论

本文根据公司自由现金流的定义, 并结合企业的实际情况, 总结了通过企业财务报表计算公司自由现金流的具体过程。在此基础上, 应用在时间序列预测中已被广泛使用的自适应滤波法构建自由现金流的预测模型。并通过编写Matlab程序, 以实际数据验证了预测模型的可行性。

基于自适应滤波法的自由现金流预测模型, 原理简单, 可以应用计算机技术自动进行计算, 并可以随着历史数据的更新而不断的更新权数, 使得新的权数依然可以使拟合误差达到最小, 从而改进预测, 使预测结果更加贴近现实。

当然本文也存在一定的局限性。例如在实际案例的应用中, 由于可取的样本数量有限, 并且短期内波动巨大, 这都会影响最终预测结果的准确性。鉴于此, 笔者认为在使用该模型进行自由现金流预测时, 所选取的历史现金流序列的数据量必须较大, 其次所预测的企业现金流量需存在一定的长期趋势变化或季节变化, 方能保证预测结果的准确性。

摘要：由于企业的历史现金流量符合时间序列的定义, 因此本文借鉴了时间序列分析的研究成果, 利用时间序列预测中已被广泛使用的自适应滤波法构建自由现金流预测模型, 对具有长期趋势或季节变化的企业自由现金流进行预测, 取得了较好的效果。

关键词：时间序列,自适应滤波法,自由现金流预测

参考文献

[1]王化成, 尹美群.公司价值评估中自由现金流量的时序预测[J].统计与决策, 200 (15) :15-17.

[2]黄越, 赵敏侠, 李薇.趋势外推法下构建自由现金流量预测模型[J].会计月刊, 2011 (3) :59-61.

现金流量表分析 篇4

从这两个表可以看出投资活动产生的现金流量小于零。这意味着企业在购建固定资产、无形资产、其他长期资产以及对外投资等方面所支付的现金之和，大于企业在收回投资、取得投资收益、处置固定资产、无形资产和其他长期资产而收到的现金净额之和。主要是因为tcl集团正处于发展阶段，企业需要大量的现金，一方面用来购买生产经营所需要的物资，另一方面用来对外投资以扩大生产经营的规模。

从这两个表可以看出筹资活动产生的现金流量大于零。这意味着企业处于发展阶段，对现金的需求大，经营活动获取现金的能力还不够强，因此企业对现金流量的需求还需要通过筹资活动来解决，一般采取不分配、低股利或满足生产经营需求后再分配的剩余股利政策，所以这一阶段股权性筹资的现金流入量远大于现金流出量。2013-2015年筹资活动产生的现金净额逐年上升表明企业筹措资金的能力变强。

其中，2013年的筹资活动产生的现金净额为负数，我们通过查阅资料得知TCL集团2013年实现营业总收入853.2亿元，同比增长22.9%；净利润28.9亿元，同比增长126.7%，可能是由于企业给股东回报的现金股利多。

以2010年为基期，做定比趋势分析，得到2011,2012,2014,2015的数据都是经营活动现金流入量大于流出量，投资活动现金流入量小于流出量，筹资活动现金流入量小于流出量时，说明主要依靠经营活动的现金流入运营。其中，2013年的数据显示，经营活动现金流入量大于流出量，投资活动现金流入量小于流出量，筹资活动现金流入量小于流出量时，说明企业经营活动和借债都能产生现金净流入，说明财务状况较稳定；扩大投资出现投资活动负向净流入也属正常。

从上表可以分析出，2010年到2011年企业的现金收入一直在增加，其中经营活动现金收入的增长快于总现金收入的增长，达到8.42%。投资活动现金收入增长也达到了206067，这就表明在此之前企业的投资已经得到了回报。

分析师现金流预测 篇5

关键词：自由现金流量,预测模型,趋势外推法

一、引言

Rappaport (1998) 建立了一个自由现金流量预测模型 (Rappaport模型) , 通过对销售增长率、销售利润率、有效所得税率、边际固定资本投资和边际营运资本投资等五个变量进行恰当的估计, 对未来一年的自由现金流量进行预测。马香云 (2000) 对未来现金流量进行了动态分析, 提出根据应收项目的预期流入和应付项目的预期流出, 来确定未来现金流量的动态走势图。王化成、尹美群 (2005) 将BP神经网络时序分析用于对自由现金流量的时序预测, 完成对现金流量的短期预测。石伟、蒋国瑞、黄梯云 (2008) 则研究了基于财务比率的自由现金流量预测, 通过重构自由现金流量表达式, 将其表示成各相应财务比率及销售收入的运算关系式, 这也是建立在严格的理论假设下的, 然后根据计量经济学相关原理和方法, 构建一个对下一期的自由现金流量进行预测的预测模型。已有的这些研究分别从不同角度对自由现金流量进行了预测, 却没用考虑到自由现金流量自身内在的变化规律, 即通过研究其内在变化趋势来对其未来值进行预测。因此, 本文通过对自由现金流量的变化趋势进行研究, 根据其变化趋势, 建立起预测模型。

企业的发展也是一个连续的过程, 企业未来自由现金流量的变化会受到历史自由现金流量的影响, 而在其变化中也可能会存在某种趋势。所以本文考虑到, 当历史自由现金流量的变化存在趋势时, 用趋势曲线对其变化趋势进行拟合, 并建立起预测模型。

趋势外推法是一种根据事物变化、发展趋势来进行预测的常用方法。当预测对象依时间变化呈现某种上升或下降趋势, 没有明显的季节波动, 且能找到一个合适的函数曲线反映这种变化趋势时, 就可以用趋势外推法进行预测。其基本理论是决定事物过去发展的因素, 在很大程度上也决定该事物未来的发展, 其变化不会太大;事物发展过程一般都是渐进式的变化, 而不是跳跃式的变化。掌握事物的发展规律, 依据这种规律推导, 就可以预测出它的未来趋势和状态。因此, 当历史自由现金流量的变化存在趋势时, 就可以考虑运用趋势外推法来对未来自由现金流量进行预测。

趋势外推法是在对研究对象过去和现在的发展作了全面分析之后, 利用某种模型描述某一参数的变化规律, 然后以此规律进行外推。它以时间为自变量, 序列指标为因变量, 拟合函数方程为y=f (t) , 据以进行外推预测。为了拟合数据点, 常用的一些函数模型有线性模型、多项式曲线、指数曲线、对数曲线、生长曲线、包络曲线等。

二、自由现金流量的预测

1. 自由现金流量的计算。

企业自由现金流量是DCF法中最重要和最难确定的一个参数, 主要是由经营性现金流量组成, 是企业可以自由支配的现金流量。汤姆·科普兰教授认为其计算公式为:

企业自由现金流量=息税前利润-所得税+折旧与摊销-资本性支出-营运资本增加=经营现金净流量-营运资本增加-资本支出

由于会计利润采用的是权责发生制, 包含有未实际收回的赊销款项, 未能真实反映资金的实际情况。而经营现金流量以收付实现制为基础, 消除了会计利润失真的影响, 是更为合理的指标。所以, 本文根据上面公式, 以经营现金净流量作为出发点计算自由现金流量。利用历史资产负债表和现金流量表, 可以计算企业的历史自由现金流量。并按时间的先后顺序将以往年度自由现金流量作为一个序列, 用于后面曲线拟合模型的建立。

2. 确定企业历史自由现金流量序列是否存在着趋势。

按时间的先后顺序, 将计算出的企业历史自由现金流量作为一个序列后, 对该自由现金流量序列是否存在着趋势进行检验。本论文选择了非参数检验方法, 它是一种不依赖于总体分布知识的检验方法, 不对总体分布加以限制性假设。并进一步选择了非参数检验中的单样本游程检验, 游程检验是一种研究一个序列是否具有非随机趋势常用的统计工具, 它的零假设H0是总体变量值的出现是随机的。其基本思想是, 对于一个时间序列{xt}, 设其样本均值为, 对序列中比小的观察值记为“-”号, 比大的观察值记为“+”号, 这样就形成了一个符号序列。并可求出这个序列的游程数。设序列长度为H0, N=N1+N2, N1和N2分别为序列中“+”与“-”出现的次数, 游程总数为r, 则有:

在大样本情况下 (N1或N2大于15) , 统计量渐近服从N (0, 1) 分布。

可以利用SPSS软件简便地完成单样本游程检验。如果Z统计量的概率p值小于给定的显著性水平α (一般为0.05) , 则应拒绝零假设, 认为变量值的出现不是随机的。

3. 建立趋势曲线拟合模型。

在确定了企业历史自由现金流量有趋势之后, 根据其历史数据走势的分析和未来的信息, 就可以运用趋势外推法对未来自由现金流量进行预测。考虑到企业自由现金流量一般不会简单地呈现线性变化趋势, 因此本文根据历史自由现金流量散点图的变化趋势选择趋势外推法中合适的趋势曲线模型进行拟合, 拟合过程可以用SPSS软件中的曲线估计完成。这一步, 结合历史数据和未来信息是选择恰当的趋势曲线模型的关键, 进而利用合适的趋势曲线拟合模型进行预测。趋势曲线拟合模型可以是多项式模型、对数曲线模型, 指数曲线模型, 生长曲线模型等。其一般式为:

yt=f (t)

4. 趋势曲线模型拟合的有效性检验。

为了验证趋势曲线模型拟合的有效性, 需要对其进行有效性检验, 检验的方法包括两类:最佳无偏检验和相关性检验。

(1) 最佳无偏检验。设残差, 利用最小二乘法估计, 假设残差的方差为ε2, 则:

ε用来表示预测的无偏且一致估计量。ε的值越小, 趋势预测模型对数据的拟合就越好, 预测模型越有效。

(2) 相关性检验。相关性检验公式如下:

其中, R2是在yt的总方差中yt对t的趋势模型所能解释的那部分方差占总方差的比例, 其取值一般在0到1之间。接近于1时说明相关性好, 否则相关性差。如果趋势模型能够完全解释yt的方差时, R2=1;如果趋势模型完全不能解释方差时, R2=0。

因此, 对于所选的几种趋势曲线拟合模型, 根据最佳无偏检验或相关性检验就可以确定出哪种趋势曲线拟合模型的拟合度比较好, 即能反映企业自由现金流量的变化趋势, 为最终所选的预测模型。这一步在SPSS曲线估计中, 主要以判定系数R2为依据来确定最优模型。

三、案例应用

在深圳证券交易所网站上选取某大型轿车企业 (股票代码:000×××) 2000~2009年的企业自由现金流数据 (见表1) 。因为其自由现金流数据比较平稳, 所以可以根据上述方法对其未来自由现金流量进行预测。

单位:元

由于计算得出的这十年数据中, 2004年负值数值巨大, 在判断是否存在趋势及进行曲线拟合预测时, 将这个异常点去掉, 以消除对整体的影响。先利用SPSS软件进行单样本游程检验, 以确定自由现金流序列是否存在趋势。SPSS游程检验输出结果如下表2所示, 检验统计量对应的概率p值为0.033。如果显著性水平α为0.05, 由于p值小于显著性水平α, 因此应拒绝零假设, 认为历史自由现金流的出现不是随机的, 即自由现金流序列是存在趋势的。

然后根据自由现金流的散点图趋势选择了三个备选的趋势曲线模型进行拟合, 它们分别是:

三次抛物线模型:

对数曲线模型:

S曲线模型:

对于上面所选的三种趋势曲线模型, 在用SPSS进行曲线拟合时, 最终的拟合结果中, 三次抛物线模型的拟合度最好, 其判定系数R2=0.994, 故本文选择了三次抛物线拟合模型作为预测模型。其各趋势曲线模型用SPSS软件拟合的结果如下图:

根据SPSS曲线估计输出结果得到三次抛物线拟合模型为:

据此, 在Excel中计算得出未来5年的自由现金流量如表3所示:

单位:元

由于预测期越长, 预测的值就越不准确。因此本文进行了短期预测, 即对未来五年的自由现金流量进行了预测。当然, 样本比较少、报表信息的真实性问题等都将在一定程度上影响了预测的准确性。

四、结论

自由现金流量折现法由于其诸多优势, 仍然是企业价值评估的主流方法之一。本文通过运用游程检验先确定了历史自由现金流量是否存在趋势, 当确定存在趋势时, 再运用趋势外推法中各种趋势曲线模型, 借助SPSS软件进行拟合并确定拟合度最优的趋势曲线模型, 进而建立起自由现金流量的预测模型, 为自由现金流量折现法的应用提供帮助。本文主要考虑到了自由现金流量存在的内在变化规律, 从其自身的变化趋势开始进行了研究, 并结合趋势外推法中的趋势曲线模型对未来自由现金流量进行了预测。

当然本文也存在一些局限性, 例如在对某一大型轿车企业自由现金流量的预测中, 由于样本较少, 在进行趋势曲线模型拟合时, 模型的参数可能会受到一定影响, 最终影响自由现金流量计算的准确性。鉴于此, 本文认为, 欲更为准确地预测自由现金流量, 需要更多的样本量作为预测的基础。

参考文献

[1].马香云.未来现金流量的动态分析与控制.中青年论坛, 2000

[2].王化成, 尹美群.公司价值评估中自由现金流量的时序预测.统计与决策, 2005;15

[3].汤姆.科普兰, 蒂姆.科勒, 杰克.默林著.谢关平译.价值评估——公司价值的衡量与管理 (第3版) .北京:电子工业出版社, 2002

[4].李娇娇.我国现金流实证研究概述.财会月刊, 2010;6

分析师现金流预测 篇6

1 现金流量预测的理论探析

1.1 现金流管理的意义

目前, 在企业财务管理方面, 价值创造和现金流管理受到越来越多的重视。企业价值最大化, 是现代公司理财的目标, 而要实现这一最终目标, 重点是对企业现金流量进行管理。从理论上来讲, 现金流确实是连接各项生产经营活动之间、各项资产之间、资产与权益之间的纽带, 是企业生存的命脉、发展的血液, 价值创造才能反映企业各方关系的本质要求;实践上, 现金流指标和价值指标相对于资产、成本费用、利润更客观, 更科学, 更能综合反映企业管理活动和财务管理的成效;学科发展上, 一种新的财务学——以创值为目标、自由现金流为财务对象的财务管理学 (现金流创值财务学) 已经产生。这一新财务学将传统的以资产为中心的财务管理、以成本费用为中心的财务管理、以利润为中心的财务管理推进到以自由现金流为对象、以价值创造为中心的财务管理新阶段。

现金流量预测的目的是合理规划企业现金收支, 协调现金收支与经营、投资、融资活动的关系, 保持现金收支平衡和偿债能力, 同时也为现金流管理提供依据。完善现金流预测能在影响现金流的核心业务功能中推动经营改善, 从而提高资本的使用率并创造价值。

1.2 现金流量预测内容及分类

1.2.1 预测内容

现金流量预测应建立在对现金流入和流出的良好理解之上, 对于企业而言, 现金流量预测的内容包括:运营活动、投资活动、融资活动的现金流量预测。企业现金流是一个动态和静态相结合的概念:从动态看, 是指企业现金的流转和流动过程, 包括现金流的流量、流向、流速和流程等内容, 贯穿企业经营管理的全过程;从静态看, 是指一项资产及其数量, 涉及企业的营运现金流、资产现金流、战略现金流 (投资现金流、资本性融资现金流) 、限制性现金流、自由现金流等。

1.2.2 预测分类

(1) 按时间角度分类, 现金流量预测可分为:资金流动性预测/运营预测 (1~30天) 、短期现金预测 (0~3个月) 、融资/中期预测 (3~12月) 、战略预测 (1~5年) 。

(2) 按预测内容分类, 现金流量预测可分为:收入预测、支出预测、净流量预测。

1.3 现金流量预测方法及模型

目前, 现金流量预测的主要方法有现金收支法和净收益调整法。现金收支法是将计划期全部可能发生的现金收支分类列出, 分别测算, 进而确定现金流量的方法。净收益调整法是指企业的净收益按实际收付现金进行调整, 然后确定企业现金流量的方法。除此之外, 基于企业价值创造的自由现金流预测, 也是当下业界不断研究和探讨的方法。以上方法的主要预测步骤和适用范围如下。

1.3.1 现金收支法 (收入—支出模型)

现金收支法的主要步骤是:

(1) 预测企业在一定时期的现金流入量。

(2) 预测企业在一定时期的现金流出量。

(3) 预测企业现金净流量, 确定现金流量安排。

现金收支法 (收入—支出模型) 适合企业用于在一年以内的中、短期现金流量预测, 此预测方法的使用需要以企业预计的日常营运活动、业务计划和预算为基础进行。

1.3.2 净收益调整法 (收益调整模型)

净收益调整法的主要步骤是:

(1) 先将按权责发生制确定的企业的税前净收益调整为现金收付实现制的税前净收益, 然后再按一定的方法调整为税后净收益。

(2) 将税后净收益加减与预测期净收益无关的现金收付额, 然后调整为预测期的现金余额的增加额。

(3) 利用预测期初与期末调整数, 确定企业一定时期内的现金存量, 并随时进行调整。

净收益调整法 (收益调整模型) 适合企业年度现金流预测及战略预测。

1.3.3 拉帕波特模型及自由现金流预测

企业的自由现金流可以理解为, 就是企业产生的、在满足了再投资需要之后剩余的现金流, 这部分现金流是在不影响公司持续发展的前提下可提供分配的最大现金余额。阿尔弗洛德·拉帕波特 (Alfred Rappaport) 建立了一个自由现金流量预测模型 (Rappaport模型) , 拉帕波特认为, 任一年度的企业自由现金流估计值就是以所预测的销售收入扣除营业费用和资本支出后的净额为基础。这一模型通过对销售增长率、销售利润率、有效所得税率、边际固定资本投资和边际营运资本投资等五个变量进行恰当的估计, 对未来一年的自由现金流量进行预测。Rappaport模型将企业未来的自由现金流与企业价值联系了起来, 但此模型难以在实践中加以应用, 因为其存在着无法精确地确定每一因素对企业价值的影响量, 以及此模型并未考虑到自由现金流量自身内在的变化规律等缺陷。因此, 现阶段对于自由现金流量预测模型更多的是进行理论研究与探讨, 在企业实际应用中, 对现金流量的预测更多是选择更加切实可行的前两种方法。

以上是对目前现金流量管理及预测的理论内容进行了一定的探讨, 接下来将针对供电企业现金管理的特点和要求, 力争寻求对供电企业现金流量预测有效的方法和途径。

2 地市供电局现行现金流量预测分析

2.1 地市供电局现金流量的特点

按照资金集约化管理模式的要求, 目前, 广东电网公司对所属地市供电局已基本实现收入资金按日归集, 资金支付按月度资金计划分旬设定限额、实施支出帐户透支零余额管理。××供电局收入资金全额归集至广东电网公司, 日常资金支出以核定的月度资金计划为限、在本单位帐户以透支方式支出, 期末基本实现本单位帐户零余额。同时, ××供电局不涉及筹融资业务, 相关业务由广东电网公司集中统一开展。以上现行资金管理方式有助于广东电网公司优化资源配置、加速资金周转、有效调剂资金余缺、发挥规模效益、降低财务费用、提升公司价值创造力。地市供电局对现金流量的准确预测能够为省公司分析把握公司未来整体资金资源提供重要依据, 以做出更合理、经济、高效的资金规划。地市供电局现金流量主要特点表现为以下方面。

(1) 外部资金流入来源较为单一, 金额巨大, 资金流入预测与应收电费情况紧密关联。××供电局作为广东电网公司的直属国有特大型企业, 售电收入是主要收入来源, 外部资金流入绝大多数为售电收入资金流入, 且金额巨大。2011年××局主营业务收入资金流入380亿元, 占外部资金流入的98.95%;预计2012年主营业务收入资金流入近400亿元, 占外部资金流入的近99%。因此, 对于应收电费情况的预测是供电企业经营性资金流入预测的重要内容。

(2) 经营性资金支出项目种类较多, 其预测难度较大并与各日常业务计划紧密关联。地市供电局经营性资金支出包括供、购电成本及其他经营性支出 (代收代付政策性资金、税金、退用户电费、质保金等) , 其中具体到成本项目开支内容, 按照电网企业的成本预算项目体系, 包含了64项一级项目、116项明细项目, 涉及办公、人事、财务、市场、基建、生产技术、信息、物流等8个归口管理部门以及其他全部成本费用开支部门。因此, 地市供电局经营性开支项目种类繁多, 预测精细化难度较大, 需要与各业务计划紧密结合。

(3) 资本性项目资金支出项目众多, 规模较大, 其预测与资本支出预算紧密关联。目前, 地市供电局资本性项目资金支出包括电网基建项目、生产技改项目、营销技改项目、信息化项目、科技项目、小型基建项目及其他资本性项目等七大类, 在每大类项目下每年的具体明细项目繁多。并且电网企业的社会属性决定其“经济效益为重、社会效益优先”, 为了支持地方经济发展, 必须投入巨额资金开展资本性投资, 以确保电网安全运行, 并为社会经济发展提供电力保障。资本性项目资金支出预测应当与企业战略规划及各时期的资本性项目规划紧密关联。

(4) 资金收支两条线、资金收入集中归集、资金零余额管理等资金集约化管理模式深入推进, 地市供电局现金流量预测相比上级公司管理难度降低。随着南方电网公司、广东电网公司对所属单位资金集约化管理的深入推进, 地市供电局的现金流量预测难度有所降低, 主要涉及经营性资金流、资本性投资支出的资金预测, ××供电局不涉及投资活动资金流入、筹资活动资金流入及流出, 自身经营成果形成的资金净额通过内部往来结转省公司, 资本性投资支出融资成本由省公司分解列支, 不涉及直接对外支付融资成本。

通过以上分析得出地市供电局现金管理的主要内容可用图1表示:

2.2 地市供电局现金流量预测现状及存在问题

(1) 现金流量管理的重要性理念未完全植入企业管理, 影响现金流量管理工作的开展。现金流量管理是资金集约化管理的核心, 但由于供电企业产品销售收入资金容易回笼及应收帐款回收率一直以来较高的特点, 长期以来在企业内部形成了企业不缺资金的观念。并且这种观念在全面预算管理日臻成熟的当下也并未完全消除, 地市供电局各业务部门还常常认为有预算就有资金, 忽略了现金流管理的重要性, 影响到日常现金流量管理工作的开展。

(2) 现金流量预测主要是年度现金流量预测及月度现金流量预测等定期预测, 缺乏中长期预测及滚动预测。××供电局现金流量预测主要包括年度现金流量预测与月度现金流量预测, 年度预测表现为年度预计现金流量表的形成;月度现金流量预测反映为月度资金开支计划。年度预计现金流量表通常是由财务部门在编制下年度预算报表时, 根据已形成的其他相关预算表 (利润预算、资产负债预算、电量预算、售电收入预算、购电成本预算、供电成本预算、资本性支出预算等) 分析编制。月度资金开支计划由各用款单位根据预计的下月需付款项目资金向财务部门提报, 财务部审核合理、合法性后汇总形成。目前, 除以上两种时期的现金流量预测外, 缺乏一年以上的中长期现金流量预测及滚动预测, 并且对于年度现金流量预测实际完成情况未形成考核。

(3) 现金流量预测工作组织时间较短, 并且各业务部门参与程度不深, 不利于深入分析精细化资金需求, 影响预测准确性。从目前××供电局现金流量预测工作组织情况来看, 无论是年度现金流量预测, 还是月度资金计划形成, 其预测工作的时间较短。有时上级单位会要求临时上报一些阶段性现金流量预测情况, 所能组织的有效工作时间也较短, 通常仅几天时间。因为工作组织时间较短, 很难组织各业务部门深度参与, 因此对很多项目不能更为精细化地分析实际资金流动情况, 影响到预测的准确性。而地市供电局对现金流量的准确预测能够为省公司制定应收款项管理策略、应付款项管理策略提供依据, 如果预测不准确可能会导致融资成本增加或期末资金沉淀, 达不到现金流管理的最佳目标。

(4) 现金流量预测信息化手段支撑力度偏弱, 不利于推动精细化管理与分析。目前××供电局现金流量预测工作主要依靠系统外表格形式编制完成, 信息系统对现金流量预测及分析工作的支撑力度偏弱, 这样既不利于原始数据的提取与收集, 也不利于精细化管理。

2.3 地市供电局现金流量预测建议

(1) 建立科学的现金流量管理组织体系, 将现金流管理理念植入全员。构建多层次的现金管理组织架构, 建立以财务部门为现金流量综合管理部门、其他核心业务部门共同参与的综合管理机制, 各司其职、各负其责, 为现金流量管理提供组织保障, 将现金流管理重要性植入全员。现金流量管理组织体系如图2。

(2) 建立相对固定统一的现金流量预测机制, 将现金流量预测与业务计划、成本费用预算、资本性投资预算联动管理。全面预算体系主要由日常业务预算、资本决策预算和财务预算组成。日常业务预算由各业务条线在科学的生产经营预测和决策基础上分析规划形成;资本决策预算是根据企业短期、长期经营目标, 分析编制的专门决策预算;财务预算是一种综合性的财务规划。在实际应用中, 可以将广义的财务预算视同全面预算。现金预算是财务预算的重要内容, 建立相对固定统一的现金流量预测机制, 明确现金流量预测的周期、流程、调整及滚动修编要求, 并将各环节要求与业务计划及其他财务预算协同、联动。

(3) 提升信息化系统管理水平, 支撑现金流量预测工作开展。按照上级公司推进资金集约化管理工作的要求, 配合做好信息系统建设与改进工作, 加快现金流量管理工作在系统中的有效运作, 逐步提高信息化系统对现金流量管理工作的支撑水平。

3 基于业财联动的地市供电局现金流量预测实践应用

3.1 现金流量预测思路与方法选择

基于以上分析, 本文认为地市供电局现金流量预测工作应建立在与业务计划与财务预算联动的基础上, 重点侧重预测方法的切实可行。从组织体系上保障现金流量预测工作的顺利开展, 从工作机制上建立系统固定的现金流量预测机制, 从责任界定上明确各单位在现金流量预测工作中的职责, 在预测过程中提升现金流量预测的全面性、准确性及精细化, 加强信息化支撑水平。预测期结束, 加强预测与实际差异分析, 为日后现金流管理水平提升提供依据。

基于地市供电局现金管理的特点, 在现金流量预测时, 更加注重经营性现金流入、经营性现金支出及资本性项目支出的预测, 采用直接的“收入—支出”预测模型对各类项目逐项预测。

3.2 现金流量预测机制建立

3.2.1 建立现金流量管理组织体系

以现有预算管理组织体系为基础, 加挂现金管理决策层 (现金管理委员会) 、现金管理执行层、现金业务执行层, 与预算管理权责对等, 突出各组织层级的现金管理职责, 建立多层次的现金流量管理组织体系, 为现金流量管理提供坚实的组织保障。

3.2.2 建立现金流量预测机制

与各业务计划、财务预算协同, 自下而上、综合筹划, 建立起多层次、多维度的现金流量预测体系, 现金流量预测与业务计划、财务预算应做好如下方面的协同联动。

(1) 周期相同:按业务计划及财务预算编制周期, 同步组织现金预算编制。根据局中长期发展规划开展中长期现金流量规划, 对全局资金进行规划;在局年度预算基础上进行年度现金流量规划, 按照现金流量趋势分解到季、月、旬、日, 并根据年度预算执行情况及滚动调整, 开展现金流量预测的调整及滚动修编, 实行“年预算、季计划、月平衡、旬调度、日安排”的现金管理方法。

(2) 内容协同:指导各业务部门在业务预算编制同时编制现金分支预算。设置业务预算与现金预算关联方式, 确立现金明细预算编制模版, 指导各业务部门开展现金分支预算编制工作。

(3) 重点突出:对重点开支项目编制专项预算及现金支付计划。对局年度重点工作安排事项如安全生产、科技开发等, 编制专项预算, 并在组织预算编制同时对应编制现金支付计划, 在条件允许的情况下, 逐步扩大专项现金计划编制范围, 以提升现金流量预测的精细化和准确性。

3.2.3 建立预测准确性考评机制

目前, 现金流量预测考核指标主要是对各单位进行月度资金计划准确率考核, 在月度资金计划准确率基础上计算年度资金计划准确率, 通过年初下达的年度资金计划准确率指标确定完成情况。但是, 目前的考核精细度不高, 缺乏对各重要项目的专项考核, 对今后明细项目资金开支控制不足。今后, 应尝试将现金流量预测准确性考核与预算考核口径趋同, 对预算考核重点关注的项目同步开展现金流量考核, 将现金流量预测准确性纳入基于业财联动的预算考评机制。

3.3 现金流量预测应充分考虑的因素

(1) 企业内部现金流量产生能力有多强?地市供电局应特别关注售电收入实现情况, 加强售电收入的精细化预测、加强应收电费管控策略的制定与执行。

(2) 企业营运现金支出是否符合增收节支管理目标, 资金计划安排是否充分考虑最大付款期限。

(3) 企业资本性项目资金开支占年度计划的付现比例, 项目资金开支安排是否符合相关工程管理规定。

摘要：本文从现金流管理理论及供电企业现金流量管理特点出发, 分析供电企业在资金集约化管理模式下现金流量预测的重要内容, 探索研究供电企业现金流量预测切实可行的方式与方法, 指出适合目前地市级供电企业现金流量预测的“收入—支出”预测模型, 建议现金流量预测应从源头与基于业财联动的全面预算管理接轨, 采用直接法做好供电企业现金流量预测。

关键词：供电企业,业财联动,现金流量,预测,研究

参考文献

[1]陈志斌.基于自由现金流管理视角的创值动因解析模型研究[M].中国会计协会.会计学术之路2012首期全国会计学术领军 (后备) 人才文集.大连:东北财经大学出版社, 2012.

[2]黄越, 赵敏侠, 李薇.趋势外推法下构建自由现金流量预测模型[J].财会月刊, 2011 (01) .

[3]梁敏杰, 陈海玲, 陈彬, 郭莉, 方蕾.电网企业业财联动预算形成机制研究[J].会计之友, 2012 (04) .

分析师现金流预测 篇7

现金周转中涉及应收账款、应付账款和存货, 其中, 应收账款代表与下游企业的资金联系, 而应付账款代表了企业与上游企业的联系, 则现金周转关系揭示了供应链中企业的资金联系。这为本文研究供应链中的单个企业如何将外界扰动通过资金流在上下游企业之间传递提供了切入点。

一、供应链的风险元传递理论

风险元是指在某一特定环境、特定时间段内对具体实际结果产生影响的不确定性因素, 项目风险管理中通过风险元在不同领域传递的途径和作用方式, 建立起风险传递模型。由于供应链中企业具有层级关系, 传统的风险辨识方法仅能识别单个企业内部的风险因素, 不能揭示风险在企业之间的传递机理, 因此基于风险元传递理论对整个供应链中的风险传递机理进行研究是很有必要的。

本文以制造企业为中心, 说明由原料的供应商、产品生产商、产品销售商构成的供应链的风险传递过程。在典型的由上游到下游的A→B→C三层式供应链系统中, 下游企业风险通过资金流动影响并传递给上游企业。假定A企业为原料供应商, B企业为产品制造商, C为零售商。物流由A企业流向B企业导致应付账款的形成, B企业流向C企业导致应收账款的形成, 从而有了一条反向的资金链。外部不利扰动直接影响零售商C的产品销量, 导致库存时间增长、应收账款回收困难, 进而影响B企业的现金周转。B企业资金周转出现困难后导致无法准时支付给A企业的应付账款, 由此风险元形成了自下而上的传递, 详见右图。

现金周转期和应付账款阶段时间之和等于存货阶段和应收账款阶段时间之和。其中, 应付账款是由企业内部资金运作所决定的, 因此, 本文将存货时间和应收款时间作为风险元来研究其在供应链中的传递效应。

二、供应链的资金风险元传递模型

1. 存货风险元的量化模型。

制造业中的存货一般占有大量的资金, 企业需要密切关注库存水平, 及时做出动态决策。库存时间的波动性受多种因素的影响, 如金融危机、流行趋势导向、消费理念的转变等。本文采用灰色系统理论对存在多种不确定性因素影响的库存时间进行量化预测。

灰色预测模型GM (1, 1) 基于人们对系统演化不确定性特征的认识, 运用序列算子等变换对原始数据进行处理, 进而挖掘系统演化规律、建立灰色系统模型来预测系统未来状态。对库存时间风险元的进行预测时, 设库存时间的原始序列为:X (0) = (X (0) (1) , X (0) (2) , …, X (0) (n) ) , 完成对原始数据进行处理, 用处理过的数据生成1-AGO序列:

设它的白化方程为:

则GM (1, 1) 模型的时间响应序列为:

进而可以求得:

接下来对建立的预测模型进行检验, 不符合要求的再进行相应的数据处理, 最后得到对预测的库存时间值ts, 其表达式为:

其中为残差数列。

2. 应收账款风险元的量化模型。

应收账款的时间是影响现金周转期的另一个重要因素。在经济社会中, 商家都倾向于晚付款, 本文用具有偏锋特征的离散型泊松分布来描述众多零售商还款的特征, 为简化问题, 将零售商的应付款项数额用平均应付账款代替。设T表示中游企业B给予零售商的信用期限, 根据泊松分布的性质, 用公式T0=T/n对信用期限进行放缩, 即把n天看作是单位时间。x表示距离信用期限末有多少个时间单位, 则账款回收时间的泊松分布的概率表示为:

对于不同的参数u, 公式 (7) 的概率分布图差别很大。随着u值变大, 泊松分布渐渐类似于正态分布。其中, 参数u值的确定是关键。外部扰动首先作用在库存时间这个变量上, 库存时间变长代表经济环境变差, 应收账款回收时间也会相应变长, 可知u和ts呈负相关性, 如公式 (8) 所示:

其中Ts是安全库存时间, a, b>0。

本文用概率分布中的最大概率所对应的时间表示应收账款的时间。假设max (P (x) ) 对应的x值为x1, 零售商们的违约率为应收账款回收期的增函数, 其中酌表示违约率的增长系数。建立应收账款风险tr模型, 如公式 (9) 所示:

3. 风险元在供应链上的传递。

已知存货和应收账款风险元的值ts和tr, 若来自上游企业A的应付账款时间的信用期限为TA, 则中游企业B的现金周转期的时间可以获得, 公式为:

现金周转期的时间越长则占用的资金越多, 随着资金占用的增加, 企业筹资能力也随之而降低, 那么企业的运营风险会呈指数倍增长。假定安全现金周转期的上限时间为Tc, 则风险值可表示为:

其中, 变量tc和Tc均大于0。

当y (tc) 值很大的时候, 应付账款必然出现拖欠。B企业对A企业越重要, A受影响越深, 也因此形成了风险由市场传递到上游企业的过程。

三、案例分析

假设在A→B→C型的供应链中, 上游企业给予其下游企业的应收账款的信用期限均为30天, 中游企业B的库存时间和现金周转期的安全上限都为50天。为预测企业B下一阶段库存时间的长短, 本文给出了企业B近5个阶段的库存时间数据, 序列如下:X= (32, 41, 50, 52, 60)

对数据无量钢化处理后, 得到初始序列。针对库存时间建立的GM (1, 1) 预测模型的时间响应序列为:x (1) (k+1) =22.72e0.056k-21.72

对建立的预测模型进行检验时发现数据不符合要求, 需要再对残差序列建立GM (1, 1) 预测模型, 进而得到所以则库存在下一阶段的预测值为ts=32× (1.637 2+0.3) ≈62 (天) 。

已知企业B给零售商的信用期限为30天, a, b, 酌的值根据以往的统计资料可以估算出来, 假设为a=4, b=0.1, 酌=0.02, 根据公式 (8) 得:

用MATLAB计算出Max (P (x) ) 对应的值为1, 进而求得:

则应收账款的时间为32天。因此, 整个现金占用的时间为94天。可以看出来, B企业的风险呈指数型上升, 因此A企业要结合自身的情况, 制定相应策略来防范这一风险。

四、结论

处在供应链中的企业, 其所面临的风险不仅仅来自于企业本身, 还可能来至于供应链的上游或下游企业。本文以中游企业的现金周转为切入点, 发现了多个企业在供应链系统中的资金关系, 并运用灰色模型GM (1, 1) 预测出库存时间, 以偏锋的泊松分布求解应收账款的回收时间, 进而得到现金周转期的时间。现金周转期的时间越长, 企业面临的资金压力越大, 则不止企业本身, 其上游企业都将面临一定的风险性。最后, 本文以算例形式说明这种传递现象的确存在, 而且下游企业的风险在向上传递时还有放大的效应, 需要及时加以控制。

参考文献

[1].张玉林, 陈剑.供应链中基于Stackelberg博弈的信息共享协调问题研究.管理工程学报, 2004;18

[2].周雄伟, 马费成.需求不确定环境下的供应链信息共享激励模型.管理工程学报, 2010;24

[3].邵晓峰, 黄培清, 季建华.供应链中供需双方合作批量模型的研究.管理工程学报, 2001;15

分析师现金流预测 篇8

农民增收是解决“三农”问题的核心任务之一。农民收入按收入的形态可分为现金纯收入和实物纯收入。实物纯收入是农民自产自用的粮食等农产品按市价的折价收入。农民人均现金收入由工资性收入、家庭经营收入、财产性收入构成,均以现金计量,数据更具有准确性。

2 时间序列分析及 ARIMA 模型

时间序列分析 ( Time Series Analysis) 是一种根据动态数据揭示系统动态结构和规律的统计方法。其基本思想是根据系统的有限长度的运行记录,建立能够比较准确地放映时间序列中所包含的动态依存关系的数学模型,并借以对系统的未来进行预测。

ARIMA ( Autoregressive Moving Average) 模型即自回归移动平均模型,适用于各种时序数据,该模型是博克斯—詹金斯 ( Box - Jenkins) 在1976年提出的,其基本思想是将时序数据序列视为一个随机序列,其单个序列然具有不确定性,但整个序列的变化却有一定的规律性。具有如下结构的模型为求和自回归移动平均模型,简记为ARIMA ( p,d,q) 模型:

,其中,Φ( B) = 1 - 1B - … - pBp,Θ( B) = 1 - θ1B - … - θqBq分别为d阶差分平稳可逆ARIMA ( p,d,q) 模型的p阶自回归系数多项式和q阶移动平滑系数多项式,为零均值的白噪声序列。

3 ARIMA 模型建立与预测

3. 1 数据的选取

本文数据选取自《中宏数据库》,选取自2000年第1季度至2014年第3季度的全国农民人均现金收入,通过ARIMA模型,进行预测。

3. 2 数据平稳性检验

ARMA模型应用的前提条件是时间序列是平稳的,即其均值与时间无关,其方差有限。因此,通过r语言读取出农民人均现金收入 ( money) ,发现农民人均现金收入具有明显的上升趋势和季节趋势。因此,为消除长期趋势和季节趋势,先后进行一阶差分和季节差分,经过差分后的农民人均现金收入在0值附近上下波动。故本文运用R语言,采用单位根检验法 ( ADF检验) 判断该序列是否为平稳序列。单位根检验原假设H0: 单位根等于1; 备择假设H1: 单位根小于1。对一阶差分后的出口额进行ADF单位根检验,p = 0. 01,拒绝原假设,故一阶差分出口额( dle) 序列属于平稳时间序列。

3. 3 模型的识别与定阶

通过考察平稳后时序的自相关函数和非自相关函数的形状及性质,对时序模型作最初的判断。ARMA模型建模的规则是,如果自相关函 ( ACF) 数为指数衰减,偏自相关函数 ( PACF) 在p步以后截尾,则此该时间序列模型为p阶自回归模型AR ( P) ; 如果自相关函数在q步以后截尾,偏相关系数为指数衰减,则此该时间序列模型为q阶移动平均模型MA ( q) ; 如果自相关函数在q步以后截尾,偏自相关函数 ( PACF) 在p步以后截尾,则可判定该序列为ARMA ( p,q) 序列,故首先绘出进行一阶差分后及季节差分后的农民人均现金收入 ( sdm) 的ACF、PACF图。从图1可以看出,自相关函数ACF一步截尾,PACF指数衰减,故先建立ARIMA ( 0,1,1) 模型。

3. 4 参数估计

由于农民人均现金收入 ( Money) 具有季节性和长期趋势,故对建立季节乘积模型SARIMA ( 0,1,1)×( 0,1,1)4,通过AIC准则对所建模型的比较,最终建立疏系数SARIMA ( 0,1,1) × ( 0,1,1)4模型。

3. 5 模型的诊断

对所建模型模型的残差进行白噪声检验,选用Ljung- Box检验统计量,原假设H0: 残差是白噪声序列,若不能拒绝原假设,则说明模型建立效果较好,残差中不存在自相关,残差近似于白噪声序列。

残差的标准差均集中在 - 2到2之间,残差的自相关图ACF均位于置信区间内,Ljung - Box统计量的p值均大于0. 05,故不能拒绝原假设,即残差是白噪声序列,模型拟合效果较好 ( 见图2) 。

3. 6 预测

模型对2014年第3季度、2015年第1、2季度预测。

4 X11 方法的应用

4. 1 去除季节趋势

利用Eviews6. 0进行操作,首先打开农村现金收入( shouru) ,通过观察其原数据发现该数据具有明显的季节趋势和长期趋势,故先利用X - 11技术滤掉季节趋势,得到提取出的季节因子序列、滤掉季节趋势之后的出口额徐磊,以及随机因子序列。

4. 2 建立回归模型

观察滤去季节性现金收入 ( shouru_ sa) 与时间t的关系,发现两者呈二次函数的关系,故进行二次函数拟合,然而由于误差具有自相关,故建立Xt= 633. 25 +0. 8243t2+ 0. 4972Xt -1,Xt为农村居民人均现金收入。

4. 3 模型检验

根据所建模型进行样本内预测,根据误差公式得到误差值与真实值的误差,发现样本内预测值与真实值的误差率均在5% 以下,模型拟合效果良好。

4. 4 模型预测

乘季节因子即可得到农民人均现金收入预测值。

5 模型的比较

对两种方法所建模型进行比较,如下表所示。

基于企业生命周期的现金流分析 篇9

企业的三大财务报表之一的现金流量表是基于收付实现制编制的财务报表, 只确认实际收到和支付的现金, 不确认权利和义务的变化, 可以向我们提供现金流的状况, 主要包括经营活动现金流、投资活动现金流和筹资活动现金流的状况, 我们通过分析确认上述三大现金流状况, 可以全面了解一个企业的现金流状况。

现金流分析主要从三个方面综合考虑, 首先是数量方面, 如果企业的现金流为正值, 则表明企业总的现金流入超过总的现金流出, 其中经营活动的现金流最为重要, 所以现金流分析应重点关注经营活动现金流状况;其次是质量方面, 主要包括现金流的构成分布, 现金流的可靠性以及企业的管理能力对现金流的影响;第三是时间方面, 现金流分析主要是基于某个会计期间的现金流进行分析, 但更为重要的是基于目前的现金流状况进行预测, 以分析判断企业未来的现金流状况, 如果企业目前的正的现金净流入主要靠融资活动形成, 不能及时改善这种状况, 这样的现金流状况将使企业在将来背上越来越沉重的债务负担, 最终会导致现金流的枯竭和企业的破产。

处于初创期的企业, 产品刚刚上市, 顾客接受度较低, 其销售收入必然很少, 而为了开发客户, 营销成本和广告费用又很大, 因此企业的经营活动现金流为“负值”, 同时企业需要大量的资金用于市场开发和购置大量的固定资产、流动资产, 因此, 企业的筹资活动现金流为“正值”, 而投资活动现金流为“负值”, 整体而言, 企业靠借债维持日常经营和生产规模的扩大, 现金流状况很不稳定, 针对这种状况, 一方面, 由于企业的现金流的主要支撑来自于筹资活动, 因此企业应尽力维护筹资活动的顺畅, 而初创期企业的主要筹资对象是风险投资者, 他们的投资是基于未来的高回报, 这就要求初创期企业必须保持非常高的成长预期, 企业要积极向投资者展示企业的高成长性并将企业的资金集中投资于具有高成长性的产品, 另一方面, 初创期企业要积极开拓市场, 努力提高市场份额, 提高经营收入, 控制经营成本, 争取经营活动现金流早日转负为正。

处于成长期的企业, 产品逐渐被市场接受, 企业开始在生产、销售等方面产生规模经济和学习曲线效应, 其经营活动现金流转为“正值”, 同时, 由于此时市场上会有大量的竞争者进入, 市场竞争异常激烈, 并伴随着兼并、并购的市场行为, 因此, 成长期的企业需要适当扩大投资规模, 以增强企业的市场竞争力, 其投资活动现金流仍为“负值”, 而对于成长期企业的筹资活动现金流即可能是“正值”也可能是“负值”, 前者主要是指企业经营状况良好, 在稳健经营的同时, 通过筹集资金进行投资活动, 针对这种情况, 企业应慎重选择投资项目, 着重分析项目的盈利能力, 否则将直接影响企业未来的偿债能力, 后者主要指企业经营状况十分顺畅, 一方面在偿还以前的债务, 另一方面还有多余的资金用于继续投资, 针对这种情况, 企业应密切关注企业经营活动的状况, 注意防范企业的经营风险。

处于成熟期的企业, 其经营状况依然良好, 企业经营活动现金流仍为“正值”, 同时, 由于整个产品市场进入稳定阶段, 投资活动也进入净流入阶段, 投资活动现金流也为“正值”, 而此时, 既然企业经营活动和投资活动都产生了现金净流入, 企业应该考虑偿还以前的借款或向股东支付股利, 其筹资活动现金流为“负值”, 这样一方面可以降低负债比率, 从而有助于控制企业的财务风险, 另一方面通过支付现金股利, 可以直接满足股东的收益需求。

处于衰退期的企业, 企业主营业务萎缩, 经营收入锐减, 而经营成本由于本身的粘滞性不能立即减少, 其经营活动现金流转为“负值”, 此时企业的投资活动现金流一般为“正值”, 但是, 企业应密切关注投资活动现金净流入是主要来自于投资收益还是主要来自于收回投资、处置资产项目, 如果是前者, 说明企业已经具备实施经营转移的能力, 只要企业进行适当筹资, 以加强相关投资, 企业即可度过难关, 进入新一轮的发展周期, 此时筹资活动现金流应为“正值”, 如果是后者, 企业也只好尽快出售企业资产, 把资金尽早的返还给企业的投资者, 此时筹资活动现金流应为“负值”。

从上面针对不同成长阶段企业的现金流分析可以看出处于不同阶段的企业具有不同的现金流状况, 同时处于同一个阶段的企业由于面临不同的财务状况, 其现金流状况也可能不同, 因此, 针对企业的现金流状况进行分析, 有助于我们判断企业所处的发展阶段, 全名了解企业真正面临的财务状况, 从而采取切实有效的财务策略。

摘要：本文基于企业生命周期理论对处于不同阶段的企业现金流状况进行分析阐述, 帮助人们了解处于不同阶段的企业的现金流状况及应注意的问题, 同时为人们如何通过现金流状况分析以判断企业的成长阶段提供参考。

关键词：财务分析,生命周期,现金流

参考文献

[1]陈泽明, 沈承红:浅析现金流分析方法[J].会计之友, 2006 (1)

[2]彭爽:基于企业生命周期的财务决策分析[J].山西财经大学学报, 2007 (S1)

[3]刘鸿义:投资者如何分析现金流量表[J].河北企业, 2008 (7)