受2008年全球金融危机影响，中国有色金属行业遭受到较大冲击，市场供过于求导致有色金属价格下跌，行业整体盈利水平下滑。2009年起国家大力整顿有色金属行业，并出台一系列政策调整和振兴有色金属行业。总体来看，产能过剩、价格下滑和经营环境不确定性较高是有色金属企业面临的普遍问题，导致部分企业濒临破产。另外，矿业项目建设期、投资回收期和运营期长、投资数额大，加大了矿山产生财务风险的可能性。我国有色金属矿山企业不断调整战略，加大筹资力度，也会给企业造成更大的财务风险。因此，在市场日益开放、竞争日趋激烈的新环境下，有色金属矿山企业如何适应新环境、提高抗风险能力值得关注。
有色金属矿山企业运营系统是一个系统工程，它受到诸如国家政策、地理环境、开采技术、地质储量和市场需求等因素的影响，各因素之间相互关联、相互作用。其中，现金流是企业发展的血液，企业经营活动的基础是充足的现金流量，现金流量也是投资者和债权人密切关注的问题。因此如何控制好矿山企业的风险，保证资金充足，维持现金流动稳定显得尤为重要。目前，有色金属矿山企业一般利用财务管理系统生成财务报表，根据财务指标进行风险管理，尚未开展基于现金流预警仿真的风险管理与控制，因此根据矿产资源开采特点，针对有色金属矿山企业经营、投资和筹资各现金流量问题进行预警研究有着重要意义。
本文基于国内外相关研究成果，梳理和总结企业运营管理中关于预警控制已经显现的主要影响因子，通过系统分析矿山运营管理所具有的特征，找出影响矿山运营、投资和筹资等活动现金流量变化的关键因素，建立现金流预警模型，并为各变量建立数学方程式，以期为我国矿山企业在运营管理中的财务风险管理提供一个实用的预警模型。利用系统动力学构建了现金流模型，变量选取与有色金属行业特征、财务特征和风险源相结合，拓展了预警管理的研究思路与方法，完善了企业危机预警管理理论。以一家铜矿企业为例，选取几组敏感因子通过系统动力学建模软件Vensim-PLE进行仿真运行分析，模拟该矿山各活动现金流量动态变化规律，分析现金流在数量、时间和结构比例的动态平衡，规范现金流入流出的时间、方式和流量等运作程序，防范财务风险，起到未雨绸缪的作用。
1 财务预警研究进展
1.1 预警指标选取的研究
1.2 财务预警模型与方法的研究
现有财务预警模型的种类极为丰富，包括单一变量模型和多元变量模型、多元概率回归模型和逻辑回归模型、人工神经网络模型等。
（2）国内关于财务预警或控制模型与方法的研究。陈静[6]进行了单一变量财务预警的研究。孔宁宁等[21]和颜哲等[22]利用Ｔ检验和因子分析建立了Logistic财务危机预警模型。王宗胜等[23]应用Logistic回归分析与Fisher判别法构建了财务预警模型。邓馨等[24]引入EVA指标构建了Logistic回归模型与Fisher判别模型。任惠光等[25]采用DEA、Logistic和模糊神经网络模型，提出了一种跨期财务综合危机预警模型。一些学者将神经网络分析方法应用于企业财务危机判定与预警[26,27,28]。王德青[29]和刘小莉[30]利用因子和杠杆分析法对我国有色金属企业财务风险进行度量测评。刘卫常等[31]构建了矿业环境风险预警防控机制。潘继征[32]采用财务收益率、银行利差和金融流动性等指标进行预警建模。任助理等[33]运用几何布朗运动（GBM）构建多金属价格预测模型。周智勇等[34]综合运用主成分分析法和灰色预测模型构建了矿山生态环境预测模型。杨苇等[35]分析了影响矿山企业成本的主要因素并提出管控措施。
总体来看，财务预警理论研究比较成熟，成果较为丰富。存在的主要问题是：针对有色金属矿山企业财务风险预警的系统性研究成果较少，实证研究相对缺乏；预警控制指标中定性指标较多，定量指标较少；多数研究侧重于财务指标，未考虑现金流量指标；依赖线性函数构建的模型较多，针对一些非线性函数耦合模拟复杂问题构建的预警模型较少。鉴于此，本研究专门针对有色金属矿山企业现金流预警进行系统性研究，对评价指标尽可能定量化，将系统动力学方法引入财务预警模型，从而对复杂的现象进行有效模拟，使预警结果更具准确性和科学性。
2 现金流预警的系统动力学模型
据文献[36],系统动力学（System Dynamics）最早由Jay W.Forrester教授提出，适用于研究社会大系统，处理复杂性和非线性问题。即从研究系统的内部结构入手，建立动态仿真模型，再利用计算机进行模拟，提前预知可能的变化趋势，最后寻求解决方案。现有的企业财务管理软件一般只有输入、输出、查询和数据导出功能，而系统动力学建模软件Vensim-PLE是个可视化的建模工具，具有利用因果关系、流位和流率图建立模拟模型的功能。本文运用系统动力学建模软件Vensim-PLE构建了动态系统下矿山企业现金流预警仿真系统模型，以揭示三大活动现金流之间的动态变化趋势，及时了解现金的结余情况。该系统可以对复杂现象进行有效模拟，解决现金流系统的非线性、复杂性、动态性和时滞性问题。
2.1 模型设定
（1）矿山企业销售量由其生产量决定，矿产品生产量由矿山设计生产能力和生产负荷决定；销售价格随着国际市场价格波动而变动。
（2）现金流入仅考虑主营业务收入；现金流出主要用于支付原材料采购和生产经营管理需要，其中原材料采购是正常生产经营年份现金流出的主要部分。
（3）企业生产具有连续性，在模拟期间原材料价格变化暂忽略不计。
（4）以2017年度为模拟初始点，模拟时段为2018~2022年。
2.2 现金流预警模型
基于矿山企业现金流系统分析，以三大活动为主轴，挑选了经营活动净现金流量、投资活动净现金流量、筹资活动净现金流量、留存利润、公积金和现金6个水平变量，经营流入、经营流出等10个流率变量及其他49个辅助变量。运用系统动力学建模软件Vensim-PLE构建企业现金流预警模型，如图1所示。
图1
图1
有色金属矿山企业现金流预警模型
Fig.1
Cash flow prediction model for nonferrous metal mining enterprises
企业现金流预警模型变量的主要数学方程式如下：
（1）经营活动净现金流量=经营流入-经营流出
（2）经营流入=现销收回现金+赊销收回现金
（3）经营流出=行政管理费用+赊购现金支付+现购现金支付+运营成本+销售费用+各项税费
其中，运营成本包括探矿费用、采矿成本、选矿成本、运输成本和安全成本等
（4）累计经营活动净现金流量=经营活动净现金流量初值+经营流入-经营流出
（5）投资活动净现金流量=长（短）期投资流入-长（短）期投资流出
（6）投资收益=长期投资收益+短期投资收益
（7）投资流入=收回长（短）期投资+长（短）期投资收益
（8）投资流出=取得长（短）期投资+新增生产性（辅助生产性）建筑物+新增房屋建筑物+新增采（选）矿设备+复垦投资+环保投资
（9）累计投资活动净现金流量=投资活动净现金流量初值+长（短）期投资流入-长（短）期投资流出
（10）筹资活动净现金流量=筹资流入-筹资流出
（11）筹资流入=借入银行长（短）期借款+投入股本
（12）筹资流出=偿还银行长（短）贷本金+偿还长（短）贷借款利息+股利分配
（13）累计筹资活动净现金流量=筹资活动净现金流量初值+筹资流入-筹资流出
（14）现金净流量=筹资活动净现金流量+经营活动净现金流量+投资活动净现金流量
（15）盈余公积金=盈余公积金初值+提取盈余公积金-盈余公积金转入资本
（16）盈余公积金转入资本=盈余公积金×转入资本比
（17）提取盈余公积金=净利润×盈余公积金计提比
其中，图1为有色金属矿山企业现金流预警仿真的一般模型，实际运用时，可结合企业实际及研究需要，选择主要变量进行仿真模拟。
3 模型应用
3.1 矿山简介
本研究选取的铜矿企业隶属某大型铜业集团，于1985年建成投产，1989年达产，日处理矿石1×104 t，年产铜精矿13×104 t。2006年底启动了“露转坑”基建工程建设，随后形成露坑联合开采的格局。
3.2 模型参数设置
通过调研企业数据，依据行业规定，运用统计方法、预警技术和数学方法对模型参数进行估计。主要的常量参数设定如下：
（1）基本参数：初始时间为0，最终时间为5，模拟步长为1，以年为单位。
（2）经营活动部分参数：采矿损失率为0.1，贫化率为0.15，原矿品位为1.5%，精矿品位为20%，增值税率为13%，赊购比例为0.1。
（3）投资活动部分参数：废水处理率为60%，废气处理率为40%，固废处理率为50%，采矿设备折旧率为0.1，选矿设备折旧率为0.11，房屋建筑物折旧率为0.015，辅助生产性建筑物折旧率为0.023，生产性建筑物折旧率为0.033，矿产资源税税率为5元/t，矿产资源补偿费费率为0.02。
（4）筹资活动部分参数：借款期限为5，借款利率为6%，公积金计提比例为15%，所得税率为25%。
在模拟仿真时，以上常量参数可以根据企业生产经营现状、外部环境变化等进行科学设置和动态调整。
3.3 模型仿真与结果分析
通过研究不确定因素变动对现金流量的影响程度，进一步分析或估算有关数据可能的变化范围，测算项目的风险大小。根据图1，运用所建立的模型方程式，结合模型参数设置，选取对经营活动、投资活动和筹资活动现金流影响较敏感的因子进行仿真运行与结果分析。
图2
图2
经营活动净现金流量模拟曲线图
Fig.2
Simulated graph of net cash flow from operating activities
表1 经营活动净现金流量模拟数值
Table 1
| 年份 | 年出矿量/（×104 t） | 精矿/（×104 t） | 销售收入/万元 | 经营活动净现金流量/万元 |
|---|---|---|---|---|
| 2017年 | 180 | 12 | 99 307 | 53 731 |
| 2018年 | 195 | 13 | 107 202 | 58 405 |
| 2019年 | 200 | 14 | 107 592 | 56 510 |
| 2020年 | 200 | 14 | 112 467 | 59 258 |
| 2021年 | 200 | 14 | 112 823 | 57 290 |
| 2022年 | 200 | 14 | 114 078 | 55 479 |
图3
图3
投资活动净现金流量模拟曲线图
Fig.3
Simulated graph of net cash flow from investment activities
表2 投资活动净现金流量模拟数值
Table 2
| 年份 | 未处理固废量/（×104 t） | 固体废料处理量/（×104 t） | 环保投资/万元 | 投资流出/万元 | 投资活动净现金流量/万元 |
|---|---|---|---|---|---|
| 2017年 | 23 | 5 | 260 | 307 | -193 |
| 2018年 | 18 | 11 | 964 | 1 008 | -906 |
| 2019年 | 13 | 17 | 1 395 | 1 439 | -1 347 |
| 2020年 | 9 | 21 | 1 650 | 1 694 | -1 611 |
| 2021年 | 8 | 24 | 1 805 | 1 850 | -1 775 |
| 2022年 | 5 | 26 | 1 904 | 1 950 | -1 882 |
图4
图4
筹资活动净现金流量模拟曲线图
Fig.4
Simulated graph of net cash flow from financing activities
表3 筹资活动净现金流量模拟数值表
Table 3
| 年份 | 投资流出/万元 | 长期负债/万元 | 筹资流入/万元 | 筹资活动净现金流量/万元 |
|---|---|---|---|---|
| 2017年 | 307 | 35 | 155 | 340 |
| 2018年 | 1 008 | 19 | 217 | 396 |
| 2019年 | 1 439 | 69 | 287 | 458 |
| 2020年 | 1 694 | 180 | 358 | 511 |
| 2021年 | 1 850 | 345 | 434 | 562 |
| 2022年 | 1 950 | 561 | 511 | 606 |
4 结论和建议
4.1 结论
运用系统动力学建模软件Vensim-PLE构建了企业现金流预警模型，并以一家铜矿企业为例，对该企业经营活动、投资活动和筹资活动现金流影响较敏感的因子进行仿真分析。其中经营活动选取了年出矿量、精矿和经营流入3个变量，投资活动选取了未处理固废量、固体废料处理量、环保投资和投资流出4个变量，筹资活动中选取了投资流出、长期负债和筹资流入3个变量。仿真结果与实际情况基本相符，说明本文所构建的现金流预警模型具有较好的适用性。
基于系统动力学构建的有色金属矿山企业现金流预警仿真系统，力图使矿山企业财务风险从源头上得以动态控制，达到适时追踪的目标。通过模拟仿真分析，可以及时发现企业现金流可能产生的风险及其形成原因，并及时、有针对性地调整企业的经营策略，优化企业经营状况，从而防范财务风险，达到未雨绸缪的目的。由此，预警仿真系统可以为企业资金运作与风险防范提供科学依据，起到政策实验室的作用。这也是本系统的主要优势之一。本模型不仅适用于有色金属矿山企业现金流预警仿真，其理论框架和模型也可推广至一般的工业企业。但模型仿真需要详细的企业运营数据，数据越详尽，仿真结果越精确。
4.2 建议
基于仿真结果，对有色金属矿山企业运营管理提出如下建议：投资决策前应尽可能收集详细的投资数据资料，预计企业未来现金流量的变化趋势，及时了解现金的结余情况，提前做好资金不足的应对策略，提高资金盈利能力。在经营活动中，净现金流量为负时，需要降低生产成本，优先开采富矿；在生产性投资活动中，净现金流量为负时，需要做好方案优选，提前谋划筹资；在筹资活动中，应注意筹资方式和筹资成本等，控制好筹资时间，避免资金链断裂产生的风险。
参考文献
A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms
[M].
Financial ratios，discriminant analysis and the prediction of corporate bankruptcy
[J].
On the pricing of corporate debt：The risk structure of interest rate
[J].
Development of a class of stable predictive variables：The case of bankruptcy prediction
[J].
Auditor changes，information quality and bankruptcy prediction
[J].
上市公司财务恶化预测的实证分析
[J].
Empirical analysis of financial deterioration warning of listed companies
[J].
财务危机预警分析判别模型
[J].
A model of accounting crisis forecast and judgement
[J].
论财务危机的预警分析——F分数模式
[J].
Early warning analysis of financial crisis——F score model
[J].
基于现金流的财务危机预警指标体系构建研究——基于我国制造业上市公司数据
[J].
Cash flow indicators design for financial distress prediction——Based on Chinese listed companies’ data in manufacturing industry
[J].
企业财务风险预警指标体系改进的研究
[J].
Enterprise financial risk early warning index system improvement research
[J].
基于EVA的制造业上市公司财务危机阶段性预警研究
[J].
Research on periodical early warning of financial crisis of listed manufacturing companies based on EVA
[J].
KY公司财务风险预警体系应用及优化研究
[J].
Application and optimization of early-warning system of financial risk of KY company
[J].
供给侧结构性改革视角下企业财务预警指标体系构建
[J].
Construction of enterprise financial early-warning indicator system from the perspective of supply-side structural reform
[J].
我国有色金属上市公司财务风险的分析
[D].
Financial Risk Analysis of Listed Non-ferrous Metal Companies in China
[D].
上市公司财务风险评价模型实证研究——基于中国有色金属业的证据
[J].
Empirical research on financial risk evaluation model of listed companies——Based on the evidence of China’s non-ferrous metal industry
[J].
Financial rations as predictors of failures
[J].
Financial ratios and the probabilistic prediction of bankruptcy
[J].
Bankruptcy prediction：An investigation of cash flow based models
[J].
FCMAC-EWS：A bank failure early warning system based on a novel localized pattern learning and semantically associative fuzzy neural network
[J].
Methodological issues related to estimation of financial distress prediction models
[J].
基于主成分分析和Logistic回归方法的财务预警模型比较——来自我国制造业上市公司的经验证据
[J].
Comparison of financial early-warning model constructed based on principal component analysis and logistic regression——Evidence from China’s listed companies in manufacturing industry
[J].
房地产公司财务预警实证研究——T检验与因子分析法下Logistic模型运用对比
[J].
An empirical study on financial early warning of real estate companies：A comparison of logic model application under the analysis of T tests and factor analysis
[J].
我国制造业上市公司财务困境预警分析
[J].
Analysis on financial crisis of China’s manufacturing listed companies
[J].
引入EVA指标的上市公司财务预警模型对比研究
[J].
Comparative study on financial early-warning model of listed companies introducing EVA index
[J].
中国A股上市公司财务危机预警模型构建及实证研究
[J].
The construction of financial crisis predicting model：An empirical study of a-share listed companies in China
[J].
我国上市公司财务困境的预测模型研究
[J].
A study of models for predicting financial distress in China’s listed companies
[J].
BP神经网络在企业财务危机预警之应用
[J].
An application of back propagation neural networks to warning for corporate financial distress
[J].
基于BP神经网络和面板数据的上市公司财务危机预警
[J].
Research on financial warning for listed companies by using BP neural networks and panel data
[J].
中国有色金属工业经济预警系统研究
[J].
Study on economic early warning system for Chinese nonferrous metals industry
[J].
我国有色金属行业企业财务风险管理研究
[D].
Research on Financial Risk Management of Nonferrous Metal Enterprises in China
[D].
矿业环境风险预警防控机制的构建
[J].
Construction of early warning and control mechanism of environmental risks in mining industry
[J].
新形势下我国民营有色金属矿山企业财务危机预警建模研究
[J].
Research on prediction model of financial distress of private nonferrous metal mining enterprises in China under the new situation
[J].
基于金属价格不确定性的地下矿生产计划风险分析
[J].
Risk analysis of underground mine production scheduling based on metal price uncertainty
[J].
基于PCA和GM（1，1）的矿山生态环境预测模型
[J].
Prediction model of mine ecological environment based on PCA and GM（1，1）
[J].
矿山企业成本影响因素及管控措施
[J].
The influencing factors and controlling measures about the cost of mining enterprises
[J].
甘公网安备 62010202000672号
