财务危机预警分析范文

前言：我们精心挑选了数篇优质财务危机预警分析文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。

第1篇

【关键词】上市公司；财务指标；财务危机；预警变量

近年来我国资本市场的快速发展，使得上市公司在获得巨大发展契机的同时面临的经营风险和财务风险也在不断的加大，这些风险都直接或间接的形成了上市公司的财务危机。因此有必要对企业的财务指标进行分析，找出能有效的反映财务危机的指标作为财务危机预警的解释变量，对于建立预警模型进行危机预测具有现实意义。

一、财务危机预警变量选择原则

Edward·Altman教授在建立企业破产预测的Z-Score模型时，财务指标的最初选取遵循了两个原则：一是该指标在以前的研究中出现的频率；二是指标与所要研究问题的潜在相关性。本文认为这两个原则比较科学，是选择财务预警变量的基本原则。此外在选取研究变量指标时还应该考虑如下几个原则：

（1）高度敏感性和强烈预示性。选择指标要能够比较灵敏地反映企业财务运行的主要情况，有发生财务危机的苗头时，能在指标上比较迅速的反映出来，并且指标值一旦恶化就预示着公司很有可能发生财务危机。

（2）重要性和代表性。指标反映的内容在经济活动中居重要地位，对于特定的环节有重大的影响或代表性。

（3）可操作性。指标不能太复杂，能方便的从公司中获取所需要的财务指标数据，便于实际操作。

目前，多数研究者财务指标的选取存在显著的差异，即便是反映同一类型的指标，不同的研究者选取的指标差异也很大，一方面由于缺乏理论的指导，研究者在指标选择时受到自身价值判断的影响；另一方面由于上市公司所处的行业、经营特点和所处时期不同等原因，指标的敏感度也不尽相同造成的。

二、财务危机预警指标初选

从国内财务预警研究情况看，在变量选择方面缺乏具体的理论指导，不同的研究者选择的研究变量各不相同，但通过考察和归纳国内外研究中选择的有显著贡献的预测变量，可以划分为综合反映公司财务状况的四类财务指标，即偿债能力指标、盈利能力指标、营运能力指标和发展能力指标。本文结合我国实际使用的绩效评价指标体系，及研究变量获取的难易程度，选择了20个财务指标作为财务预警研究的备选变量，各指标如表1所示。

三、财务危机预警指标的筛选与分析

1.数据来源与研究样本的选取

本文数据主要来源：上市公司年报、锐思数据库、新浪财经等各财经类网站。搜集样本公司的财务数据，这些财务数据与指标综合反映了公司的盈利能力、偿债能力、资产运营能力、发展能力和现金流量情况。

研究的ST样本选用2010至2012年被特别处理的A股上市公司，根据公司的行业分类和总股本规模选择相应的控制样本，构成非ST样本组。在研究样本的数据选择时，选取样本被特别处理前1～3年的财务数据，用t-1表示被特别处理前1年的数据，t-2表示被特别处理前2年的数据，t-3表示被特别处理前3年的数据，利用三年的财务数据进行财务指标的比较和选择。

2.财务预警变量的筛选

为了确定各个指标是否具有判定上市公司财务危机的能力，利用SPSS统计软件，计算ST公司与非ST公司的20个财务指标在被特别处理前1～3年的均值、标准差和各年T统计检验量及检验概率，然后比较两组公司的20个财务指标各年的均值是否存在显著性差异。当显著性概率小于10%时，一般认为样本数据之间有显著性差异，随着样本公司被特别处理时间的临近，本文逐年提高显著性判别标准，减少误判率，将t-3年的显著性概率设为5%，t-2年和t-1年设为1%，显著性检验结果见表2。

3.财务预警变量的分析和确定

根据表2显著性检验结果进行分析，分析结果如下：

（1）在短期偿债能力方面，选取的四个指标中营运资金对资产总额比率连续三年通过显著性检验，流动比率、营运资金比率连续两年通过显著性检验，表明这三个指标在两样本组之间具有显著性差异，具有较强的判别能力，而速动比率判别效果不明显。

（2）在长期偿债能力方面，选取的四个指标中资产负债率和所有者权益比率连续三年通过显著性检验，考虑到这两个指标的相关性，在判别时可以选择其中的一个指标；负债与权益市价比率连续两年通过显著性检验，而权益对负债比率判别效果不明显。

（3）在资产营运能力方面，选取的三个指标中只有流动资产周转率连续三年通过显著性检验，固定资产周转率只有一年通过显著性检验，而总资产周转率判别效果不明显，可见，流动资产周转率在两样本组之间具有显著性差异，具有较强的判别能力。

（4）在盈利能力方面，选取的四个指标中固定资产净利润率连续三年通过显著性检验，资产报酬率、总资产净利润率、主营业务收入增长率连续两年通过显著性检验，表明上市公司盈利能力的下降，盈利指标在ST公司和非ST公司之间具有很高的显著性差异，具有较强的判别能力。

（5）在现金流量方面，选择的三个指标中每股经营活动现金净流量、每股现金净流量连续两年通过显著性检验，现金流量对流动负债比率只有一次通过显著性检验。表明上市公司在没发生亏损的情况下，现金流量在ST公司和非ST公司之间差异不明显，当ST公司发生首次亏损后，现金流量在ST公司和非ST公司之间具有显著性差异，判别效果明显。

（6）在发展能力方面，选取的两个指标中总资产增长率连续两年通过显著性检验，判别效果明显，而资本积累率只有在ST公司亏损两年后才表现出与非ST公司之间的明显差异。

通过上述分析，由筛选出的财务指标可以发现，在判断上市公司由盈利到首次亏损，再到出现连续两年亏损方面，不同的财务指标表现出不同的判别能力，按照至少连续两年显著的原则，选择了14个财务指标作为财务危机预警的指标体系。具体财务指标见表3。

四、小结

文章选用被特别处理的A股上市公司为研究样本，选取ST样本公司没有发生亏损、首次发生亏损、连续两年发生亏损的财务数据和非ST公司的三年财务数据进行财务指标的比较和选择。使用SPSS统计软件，采取显著性检验筛选预警指标，选择了14个财务指标作为财务危机预警系统的指标体系。

通过研究发现，在上市公司陷入财务危机的过程中，公司在经营和财务上出现的危机征兆可以通过一系列的财务指标来反映和判别，并且不同的财务指标表现出不同的判别能力。其中，营运资金对资产总额比率、资产负债率、所有者权益比率、流动资产周转率、固定资产净利润率在不同的时期都表现出显著的判别能力。因此，对于上市公司来说，在揭示风险时应该密切关注这些指标的变化。

参考文献

[1]Edward I.Altman.Financial ratios，Discriminant analysis and the prediction of corporate bankruptcy[J].Journal of Finance Vol.XXⅢ，1968，September：589-609.

[2]吴世农，卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究，2001，6.

[3]耿贵彬.上市公司中长期财务危机预警模型的构建[J].财会月刊，2007，9.

第2篇

关键词:财务危机;预警模型;财务风险;Logit模型

中图分类号:F230文献标志码:A文章编号:1673-291X(2010)30-0084-02

财务危机预警是以财务会计报表为基础,通过建立和观测一些敏感指标的变化,对企业可能发生的财务危机实施评价、预测和预警,此过程中使用的数学模型即为财务危机预警模型。在理论和经验检验中所使用的财务危机预警模型可以分为判别分析模型、Logit模型和人工神经网络模型三大类。其中,判别分析模型又可分为一元判别模型和多元判别模型。本文对几种主要的财务危机预警模型进行比较分析,希望能够为进一步的研究提供一些借鉴。

一、判别分析模型

判别分析是对研究对象所属类别进行判别的一种统计分析方法。进行判别分析的必要条件是已知观测对象的分类和若干表明预测对象特征的变量值,然后从中筛选出能提供较多信息量的变量,进而建立判别函数,使推导出的判别函数对观测样本分类时的错判率最小。

(一)一元判别模型

一元判别模式是以某一项财务指标作为判别标准来判断企业是否处于财务危机状态的预测模型。通常将样本分为“估计样本”和“有效样本”两组,首先将估计样本按某一财务比率排序,之后最为关键的是寻找临界值,它可使两组的错判率最小,最后依据此临界值对有效样本进行预测。Fitzpatrick(1932)最早运用一元判别模型进行财务危机预警研究,他选用19家企业作为样本,并将其划分为破产与非破产两组,运用一项财务比率进行分析,结果表明预测能力最强的指标是净利润/股东权益和股东权益/负债。之后,Beaver(1966)选取美国1954―1964年间79家陷入财务危机的企业和79家正常企业,考察了30个财务比率,发现具有良好财务预测的财务比率分别是营运现金流/负债,净利润/资产和负债/资产。

一元判别模型首次把财务比率运用于预测财务危机,并且仅需对单个财务比率进行分析考察,计算简便。但它的缺点也较明显,如果对同一公司使用不同比率进行预测,往往会得出不同的结果,而且企业通过粉饰财务报表掩盖财务危机的可能性较大。

(二)多元判别模型

多元判别模型是指通过统计技术筛选出那些在两组间差别尽可能大但在两组内部的离散度最小的变量,这样多个标识变量可在最小信息损失下转换为分类变量。多元判别模型能有效提高预测精度。

1.Z值模型

Edward.Altman(1968)提出了Z值模型(也称为Altman模型),其基本原理如下:首先将样本分为预测样本和测试样本,再根据预测样本建立多元判别模型:Z=V1X1+V2X2+…+VnXn,其中,V1,V2,…Vn是权数,X1,X2,…Xn是各种财务比率。之后,根据此模型确定临界值Z值,然后把测试样本的数据代入此判别方程,并计算测试样本的Z值,最后依据判别标准进行判定。

Altman分别选取了33家失败企业和33家成功企业的22个财务数据,使用软件逐步淘汰区分能力差的财务数据,最后保留了5个财务比率:X1=营运资本/资产,X2=留存收益/资产,X3=息税前利润/资产,X4=权益的市场价值/负债的市价,X5=销售额/资产。其Z值模型为:Z=1.2X1+1.4X2+

3.3X3+0.6X4+0.999X5。Z值越低,企业发生财务危机的概率越高,当Z

Z值模型简单易懂,数据易于获取,计算简便,不仅有利于企业管理当局进行财务分析,也为投资人、债权人作出有效的投资决策提供了依据。但使用Z值模型时必须注意时间性,Z值模型只适应于对企业短期风险的判断。而且,Z值模型没有充分考虑现金流量等方面的影响。此外,由于该模型只适用于上市公司,Altman后来对该模型进行了修订,建立了非上市公司财务危机预警的Z′模型和跨行业的Zeta模型。

2.F分数模型

为了克服Z值模型的局限性,周首华、杨济华和王平(1996)对Z值模型进行改进,建立了F分数模型。F分数模型扩大了Z值模型的样本容量,使用了Compustat PC Plus会计数据库中的4 160家企业的数据。F分数模型中加入了现金流量这一自变量,现金流量的计算是长期投资决策中所用到的营业现金流量,等于税后净利润加上折旧,这里暗含非付现费用只有折旧。基于Donalson理论,F分数模型同样选取了5个财务比率,与Z值模型不同的是X3和X5这两个变量,其中X3是一个现金流量变量,X3=(税后净利润+折旧)/平均负债,它用来衡量企业使用全部现金流偿还债务的能力;X5=(税后净利润+利息+折旧)/平均资产,它测量了企业的资产创造现金流的能力。F分数模型为:F=-0.1774+

1.1091X1+0.1074 X2+1.9271X3+0.0302X4+0.4961X5。F分数模型测算的临界值为0.0274,如果F

二、Logit模型

Logit模型又被称为评定模型、分类评定模型和逻辑回归模型,建立的基础是累计概率函数,目标是寻找观察对象的条件概率,据此判断观察对象的财务状况和经营风险。Logit模型是一个非线性模型,曲线呈S型或倒S型,模型公式为:

lnP/1-P=αβiXi,其中,P是在因素(X1,X2,…,Xm)的影响下企业发生财务危机的概率,0≤P≤1;1-P是企业不发生财务危机的概率;Xi(i=1,2,…,m)是影响财务危机的第i个因素;αi,βi(i=1,2…,m)是待估计参数。然后利用最大似然估计法估计参数。判别规则是:取0.5作为概率的临界值,将样本数据代入回归方程后,如果P>0.5,表明其也发生财务危机的概率较大,否则,判断企业财务正常。

Ohlson(1980)第一个采用Logit方法进行破产预测,使用9个自变量,估计了三个模型,分析了样本公司在破产概率区间上的分布以及两类判别错误和分割点的关系。他发现至少有四类显著影响公司破产概率的变量:公司规模、资本结构、业绩和当前资产的变现能力。继Ohlson之后,Gentry,Newbold and Whitford(1985);Casey and Bartczak(1985);Zavgren(1985)也采用类似的方法进行研究。程涛(2002)以1998―2000年被ST的A股上市公司为研究样本,运用时间序列回归和Logit回归方法,从财务指标角度和现金流量角度分别构建预警模型,并在此基础上构建综合预警模型。姜秀华(2001)、吴世农、卢贤义(2001)、李华中(2001)等也采用类似的方法进行了研究。

同一元判别模型相比,Logit模型信息含量大,解释能力强,并且不容易发生冲突。此模型最大的优点在于克服了多元判别模型要求变量服从正态分布并且分组样本间的协方差相等的局限性。但是,Logit模型是建立在累计概率函数的基础之上,同样要求各个自变量之间不存在多重共线性。而且,运用Logit模型在计算过程中有许多的近似处理,这会影响预测精度。

三、人工神经网络模型

人工神经网络(Artificial Neural Networks)建构理念植根于人类对大脑神经网络认识,人工构造一种神经网络以实现某种功能,最为广泛使用的是反向传播人工神经网络,即BP网络。

Odom and Sharda(1990)是用BP神经网络预测财务困境这一方法的开拓者,其研究是以Altman所构建的五个财务比率为研究变量,使用类神经网络与判别分析作验证比较,结果发现类神经网络具有更佳的预测能力。Tam(1991)通过对人工神经网络(ANN)的模拟,得出神经网络可以应用于财务预警,而且具有较高的预测精度。Koh and Tan在1999年以6个财务指标为研究变量作了类似的研究,认为类神经网络模型的预测效果优于Probit模型。杨保安等(2002)采用ANN模型进行财务危机预警研究,结果表明:样本的实际输出和期望输出较为接近,显示出神经网络是进行财务评估的一种很好的应用工具。柳炳祥、盛昭翰(2002)分析了评价财务危机的指标体系、财务危机等级的划分和基于粗神经网络的财务预警方法,并用一个预警实例进行了验证。

已有的研究表明,人工神经网络具有较好的模式识别能力,而且它具有容错能力,对数据的分布不做严格要求,能够处理有噪声和不完全的数据,误差小,建模更科学,克服了传统统计方法的限制。更为重要的是人工神经网络具有学习能力,可依据新的数据资料自我学习、训练,调整内部的储存权重参数以应对多变的企业运作环境。

四、对已有模型的述评

可以看出,已有的很多模型构筑精巧,使用了很多量化技术,但也产生了一个问题,模型的应用性和可操作性较差,模型在使用中受到样本选择范围和选择时间的限制,模型成立的前提条件也较苛刻,模型中所涉及变量的选择也缺乏理论支持,更多的是凭“通用性”和经验。因此,我们认为,财务危机预警分析需要考虑诸多方面的因素,除了关注模型的设计外,还应该加强财务比率的设计和选择,积极探索将非量化因素引入财务危机预警指标体系。同时,财务危机预警模型必须以大量的真实信息为基础,因此,应加强信息管理,建立使用信息和分析信息的合理机制,进一步增强财务信息的有用性。

参考文献:

[1]A1tman E.I,“Financial Ratios,Discriminant Analysis,and the Prediction of Bankruptcy”,Journal of Finance[J].September 1968.

[2]Tam and Kiang,“Predicting Bank Failures:A Neural Network Approach”,Management Science[J].1992,8:926-947.

第3篇

*ST国祥成立于1993年，公司全称为浙江国祥制冷工业股份有限公司，是首个在大陆A股上市的台资企业。注册资本145，324，675，法人代表王学文。公司的主要产品为螺杆式冷水机组、风冷式冷热水机组、组合式空调机组、风机盘管机组。

2009年9月*ST国祥实现了资产重组，河北地产开发商华夏幸福基业股份有限公司成功注入旗下房地产开发企业，实现了地产资产整体借壳上市。浙江国祥制冷工业股份有限公司因其2007年和2008年连续两个会计年度的审计结果显示的净利润均为负值，根据《上海证券交易所股票上市规则》的有关规定，公司股票自2009年5月4日起被上海证券交易所实行退市风险警示的特别处理，公司简称变更为“*ST 国祥”。

公司经审计的2009年财务报告显示2009年度归属于上市公司股东的净利润为7，465，255.23元，归属于上市公司股东的扣除非经常性损益后的净利润为-3，037，420.57元。公司于2010年4月30日向上海证券交易所提交申请撤销退市风险警示及实施其他特别处理的报告，若得到核准，公司股票简称将变更为“ST 国祥”。

由于各国对财务失败的界定不一致，而我国主要把上市公司ST作为财务失败的标志，这也是选择*ST国祥作为样本的原因。本文中的财务数据均由企业2009年财务报告得出。

二、基于z-score财务预警模型的财务危机分析

所谓的财务预警分析，是通过对企业财务报表及相关经营资料的分析，利用及时的财务数据和相应的数据化管理方式，预先告知企业所面临的危险情况，同时分析企业发生财务危机的原因，发现企业财务运营体系隐藏的问题，及时做好防范措施的财务分析系统。

其一，预警模型的建立。z-score模型又称多元线性判定模型（Multivariate discriminant model），是美国学者奥特曼（Edward Altman）以1946年至1965 年期间提出破产申请的33 家公司和相对应的33 家非破产公司作为样本，用其财务比率拟合出的一个多元线性函数方程。

z-score模型是一种运用多变量思路建立多元线性函数公式，即运用多种财务指标加权汇总产生的总判别值（即Z值）来预测财务危机。

上市公司Z-Score 模型判别函数为：

Z=0.012X1+0.014 X2+0.033 X3+0.006 X4+0.999 X5

X1=营运资金/ 资产总额，X2=留存收益/ 资产总额，X3=息税前利润/ 资产总额，X4=股东权益的市场价值总额/ 负债的账面价值总额，X5= 销售收人/ 资产总额。基于*ST国祥2009年的财务数据分别得出结果如表1所示：

得出z=0.673903。

运用Z值模型计算出数据的几点说明：

一是营运资金由流动资产减去流动负债得出；

二是息税前利润计算中所需的利息费用由财务费用代替；

三是股东权益的市场价值由该公司2010年6月11日的股票收盘价乘以发行在外的股票数得出。

奥特曼通过对Z- Score 模型的研究分析得出Z值的如下定量判断临界值：1.8以下存在严重财务危机，破产机率很高；1.8~2.8以下存在一定的财务危机，破产机率；2.8~3.0 以下存在某些财务隐患，解决不好有破产可能；3.0 以上财务状况良好，无破产可能。

虽然Z值模型运用到我国上市公司存在一定的局限性，Z值模型计算的数字对我国上市公司来说可能过于偏激，如一些业绩良好的上市公司的Z值仍然在临界值上界之下，但此模型仍能起到一定的财务警示作用，从上述临界值可以看出*ST国祥存在财务危机。

其二，基于财务预警模型的财务危机分析。从上述Z值模型的计算可以看出该公司存在严重的财务危机。从实际情况来看，该公司2007、2008年净利润均为负值，被上交所给予ST处理。2009年营业利润仍为负值，但通过处置大量的固定资产，使得利润总额达到正值从而避免退市的风险。

（1）利润贡献因素分析。由于面临退市的风险，企业有必要采取措施实现利润为正值，因此需对企业利润表各项目进行分析，得出其对企业利润总额的贡献比例，并由此找出企业实现利润的途径。根据该企业2009年与同行业领先企业TCL集团股份有限公司利润表得出表2所示数据：

表2反映的是利润表各项目对利润总额（不考虑所得税因素）的贡献水平，通过与同行业业绩良好的企业的比较可以看出企业在获取利润方面的优势和不足，从而加深企业对自身的认识，并采取改进措施。

第一列表示毛利对利润总额的贡献。国祥的毛利对利润总额的贡献是4.45倍，而TCL是将近7倍，说明国祥主营业务对企业利润的贡献有限，这可以归因于该行业竞争激烈，大企业拥有品牌价值和消费者忠诚度优势，因此国祥应该加强自身品牌建设，提高品牌知名度，加大企业创新投入，让产品更满足消费者需求，尤其是消费者的个性化需求。提高主营业务的盈利水平是提高企业利润水平的根本途径。

第二列表示企业费用的控制，从上表可以看出，国祥对企业费用的控制比较好，同时从财务报表得出，国祥的主营业务成本率比TCL低了3%，说明企业在成本费用控制方面占优势，企业应该发挥此方面的优势，但是成本控制一定要以质量为前提。

第三列是非经营损益对利润的贡献。从上表可以看出TCL的非经营性净损益是国祥的5倍，2009年财务报表中反映的国祥的投资收益只有处置长期股权投资净收益13万。在企业主营业务呈下降趋势的情况下，国祥没有积极的拓宽收入来源，做出很好的投资决策，良好的投资决策也是企业扭亏为盈的关键。

第四列是营业外净损益对利润总额的贡献。由上表可以看出，2009年度企业的营业外净收益异常多，且本年度的营业外净收益主要是通过处置企业的固定资产实现的，这也是企业2009年度净利润呈现正值的主要原因。企业2007、2008年净利润均为负值，为避免停牌的风险，企业有必要扭亏为盈。但是营业外收益并不是企业利润的主要来源，处置固定资产也不是企业实现利润为正的长久之计，因此企业有必要按照根据第一列得出的结论增强企业的实力，使企业彻底的扭亏为盈。

（2）行业因素分析。从“完全竞争”行业到“完全垄断”行业，企业竞争程度依次递减，财务风险的程度亦依次递减，即竞争性越强财务风险越大。本企业处于家电行业，该行业竞争比较激烈，形成了企业容易产生财务风险的大环境。该企业2009年营业总收入比2008年减少40%，而且在家电行业原材料（如钢铁）价格上涨的情况（从财务报告得出）也促成了企业财务危机的发生。

（3）企业创新因素。由于家电行业处于行业生命周期的成熟期，市场基本饱和。企业必须加强创新，才能使企业的产品利于不败之地，而且在市场基本饱和的情况下也只有通过创新才能吸引消费者的注意，给企业创造收益。但是从企业资产负债表可以看出企业2009年无形资产有减无增，没有发生开发支出，而作为行业领先企业的TCL集团股份有限公司2009年开发支出占非流动资产总额的比例为7%。因此，企业有必要加强构建无形资产的支出，增强企业产品的竞争力。

（4）投资决策因素。从2009年财务报表附注可以看出，企业2008年权益法核算的长期股权投资收益-22万元，处置长期股权投资产生的投资收益-129万元，而本期处置长期股权投资产生的投资收益仅为13万元。企业投资失败导致了企业的营业利润变为负值，从而净利润为负值，形成了累计效应。因此，企业投资要把握好投资方向，寻找好的投资企业，否则不但给企业带来负担而且可能把企业的主业拖垮，使企业得不偿失。

综上所述，根据财务预警警兆研究得出，该企业处于财务风险的“潜伏期”，因此通过对导致企业财务问题的上述因素的有效管理，企业是可以走出危机的。

三、结论

所有企业而并非仅限于ST企业都有必要建立财务预警模型对其财务状况进行检测，并及时发现存在的财务问题，提高企业财务管理的质量。通过对企业财务预警模型的建立及企业财务问题的分析对企业的财务危机进行事前控制，增强企业化解危机的主动性，减少发生严重财务危机甚至破产的可能性。

第4篇

一、两种财务危机预警模型概述

（一）Z计分模型 Z计分模型Altman以美国公司作为研究样本建立的：Altman先后提出过两个模型，一个适用于上市公司，一个适用于非上市公司。本文只研究适用于上市公司的模型，即：

（二）F分数模型 F分数模型是周首华、王平和杨济华（1996）在Altman研究的基础上，考虑了现金流量对企业破产的影响，对Z记分模型进行改造而建立的。模型如下：

（三）两种模型比较分析 Z计分模型强调企业的经营绩效和资产的利用效率，模型中的系数是根据统计结果得到的各指标的权重。从现有的实证结果来看，该模型对企业财务危机具有良好的预警功能，但模型对企业出现困境的前几年预测效果较为准确，预测期越短，预测能力越强。因此，该模型比较适合企业短期风险的判断，对企业破产前一年的财务风险判别准确率很高。同时，模型没有考虑较为客观的现金流量指标，往往不能准确地反映企业实际的偿债能力。F分数模型增加了现金流量指标，使得预测具有可靠性，它比Z计分模型更具适用性。在现实情况下，企业一旦陷入偿债危机，就有为了增加现金流、提高偿债能力、摆脱困境，而不惜损害长期经济效益，如果企业不能尽快解决经营上的困境，企业最终会面临破产。此外，F模型没有考虑到不同行业之间指标差异，财务模型的具体运用上仍需改进。

二、两种模型在财务危机预测中的检验及应用

（一）样本选取及数据来源 本文选取2008～2010年通信及相关设备制造业8家ST公司及相对应的41家非ST公司共49家企业作为研究样本，样本数据来自国泰安数据库（CSMAR）。

（二）两种模型比较分析及应用 具体如下：（1）根据Z计分模型计算要求，对2008～2010年通信及相关设备制造业的数据进行整理、计算后，得出模型各参数值及评价值，表3只列出了2008～2010年ST公司、结果显示为“危险”的公司以及需要警惕的公司，其他良好的公司未列出。比较来看，2008年预测为财务危险的ST公司比例较高，2009年和2010年预测为财务危险和警惕的非ST公司比2008年减少。（2）根据F分数模型计算要求，对2008～2010年通信及相关设备制造业的数据进行整理、计算后，得出模型各参数值及评价值，表4只列出了2008～2010年ST公司、结果显示为破产边缘（危险）的公司以及需要警惕的公司，其他为模型预测运行良好的公司。从表4可以看出，2008年预测为财务危险的ST公司比例较高，2009年和2010年预测为财务危险和警惕的非ST公司比2008年减少。

三、两种模型比较及预测分析

（一）模型比较分析 从表3、表4中Z值和F值可以看出，两种模型对通信及相关设备制造业2008～2010年期间财务状况变动趋势的测算基本一致，然而，得出的结论却不尽相同。实证检验的结果中，波导在Z计分模型连续2008年预测结果为“生存”；而F分数模型2008年预测为危险，实际中2009年波导被冠以ST头衔。Z计分模型中，*ST 光华2009年被预测为“生存”；而F分数模型中2009年预测为财务危险，实际中2010年光华被冠以ST头衔，实行“退市风险警示”。因此，本文认为，F分数模型比Z计分模型在我国上市公司进行财务危机预测的结果更为准确，它对企业出现困境的前几年显露出的种种财务困境迹象的预测准确率更高。

（二）模型预测分析 本文认为，F分数模型在我国上市公司财务危机预的结果更为准确。因此，本文只研究F分数模型在非ST公司中的应用。从表4中看出，在2008年宁通信B预测为危险，2009年和2010年预测为需要警惕，说明企业的经营效率和资产的利用效果有所提高，但是企业管理人员应给予重视。上海普天2008年预测为危险，2010年预测为财务危险，因此，企业管理者应给予高度重视，不断的提高企业的运营状况和财务能力，才不会使企业陷入财务困境。

四、研究结论及问题探讨

（一）研究结论 通过比较分析发现，两种财务预警模型均属于多变量预测模型。主要差别在于：Z计分模型重点关注企业资产的整体经营情况，F分数模型则更注重企业的偿债能力。两种模型在通信及相关设备制造业财务危机预测中有一定差异，但结论基本一致，且结果被预测为财务危机的公司与现实中已经出现财务困境的ST公司大致相同。Z计分模型和F分数模型准确度比较高，且在企业出现困境的前几年预测准确率更高。

（二）问题探讨 具体如下：

（1）模型的适用性有待增强。两种模型中都采用了指标X4，它表示是普通股和优先股市价与负债的账面价值的比值，主要是测算公司的再融资能力和偿债能力。在实际的应用中，股票的价格受多种因素影响，尤其是对ST公司来说，会增加投资者对公司重组的预期，成为被炒作的对象。

本文认为，取经营性现金流量除以净资产的做法，该指标反映公司利用资本金获取实际现金收入的能力，用 NCFOE 表示。同时，选取市净率指标（MBR）来衡量企业价值，两者指标进行对比，看看哪个指标更能发挥作用，从而使Z值和F值更能反映企业的真实财务状况，增强其判别模型的适用性，更好地为企业发挥财务预警作用。

（2）模型缺乏实用性，不利于横向比较。不同行业的上市公司采用统一的模型，计算出结果后再加以比较，Z值和F值大的行业（企业）发生破产的几率小，这样的规定过于死板，因为不同行业的经营环境、获利水平、风险水平、偿债能力等差异很大，而两种模型都未对此加以考虑。这样模型不利于不同行业之间与同行业不同企业之间的比较，从而影响了模型的适用性。因此，笔者认为，应该区分不同的行业，运用统计学的方法得出各指标的权重，得出适用的Z值和F值，使得模型更具实用性。

（3）模型中缺乏非财务指标的考量。两种模型均采用了财务指标计量的方法，在实际中，财务指标一方面是短期的业绩指标，如果把它作为企业奖励措施的一部分，会牺牲企业的长期发展；另一方面它使用历史成本的会计计量，忽视了公司不同阶段的差异和价格水平的变化。因此，模型中引入辅助的非财务指标是很有必要的，非财务指标包括：市场占有率、创新能力、员工培训、产品质量和服务等。

参考文献：

第5篇

关键字：企业财务危机预警；集成模型；Bagging；Adaboost

1 引言

建立有效的财务危机预警模型是金融机构一项非常重要而艰巨的任务。财务危机预警模型可以用来预测上市公司的财务是否发生问题。如果预测模型不能正常运行，如预测错误率很高，它会导致不正确的决策，并很可能会由此导致严重的金融危机和灾难。

财务危机预警模型也可以表示为一类具有输入和输出的二分类问题。也就是说，预测模型将每个样本分类到2个预定义的类。对于财务危机预警问题，输出结果即为发生财务危机或者未发生财务危机。单变量分析方法最早应用于企业财务危机预警领域，Beaver（1966）[1]等是较早采用单变量分析法预测企业状况的学者，并在研究中发现对企业财务状况判别能力高的财务指标和关键要素。Ohlson（1980）[2]发现Logistic模型更适合描述企业发生财务危机与否和财务比率指标之间的非线性关系。自上世纪50年代人工智能技术，如决策树、支持向量机、神经网络、概率神经网络等分类器成为预测企业财务危机较常用的方法。Odom（1990）[3]最先运用神经网络模型对企业财务状况进行预测。

已有研究表明，分类器集成技术在预测精度和误差等方面都要优于单一分类器模型和传统的统计方法。集成分类器是针对同一问题通过组合一组分类器进行解决的，最终的分类结果根据每个分类器的组合从而最终得到。常用的集成方法包括Bagging和Adaboost。West（2005）[4]研究了用于对神经网络进行集成的cross-validation，bagging，boosting三类集成策略，并证明多分类器集成方法的预测能力优于单一模型。Alfaro（2008）[5]对比了使用AdaBoost集成方法和神经网络模型的预测企业破产的精度，结果显示AdaBoost集成方法有效降低了神经网络的泛化错误。

虽然许多相关的研究已经证明了集成分类器优于许多单分类器，但是在企业财务危机预警领域，关于集成模型的应用还缺少全面的对比及分析。所以本文选取了Bagging和Adaboost集成模型，同时选取了神经网络（NN）、支持向量机（SVM）和决策树（DT）作为集成的基分类器，重点讨论如何构建财务危机预警的最优集成分类器模型。

2 集成模型

集成学习方法是机器学习的新兴领域。近些年来，采用集成模型对企业财务危机进行预警的研究也呈上升趋势。集成模型的目的在于将多个具有一般性能的弱分类器整合成为具有较强分类性能的集成模型。也就是说，用于集成的基分类器能够有效弥补其它基分类器所产生的不足，从而获得比单分类器更好的预测效果，显著的提高预测模型的泛化能力。

将不同的基分类器的预测结果进行组合得到最终的预测结果，这些用于组合的基分类器可以通过不同的训练数据集产生，也可以通过不同的分类算法产生：

2.1 Bagging

Bagging首先通过自助抽样法，从初始训练数据集中有放回的对样本进行抽样，形成不同的训练数据集。进而采用某一分类算法分别用各个训练数据集对基分类器模型进行训练，从而形成不同的基分类器模型。最后采用多数投票法融合各个基分类器的预测结果。已有研究表明，Bagging采用的自助抽样法和多数投票法能够有效降低模型的方差从而提高预测的精度。

2.2 Adaboost

在Adaboost中，各个分类器是连续生成的。即Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的基分类器，然后把这些基分类器通过多数加权投票的方法进行整合形成一个最终的强分类器。Adaboost的算法如下：

假设有训练样本集 ，代表一个二分类问题中训练样本的对应输出。当经过第t次迭代时，每个训练样本的权重表示为 。每个训练样本的初始权重为1/n，样本的权重随着迭代的增加而不断的更新。在t次迭代时，Adaboost根据权重分布生成新的训练样本集，并使用新的训练样本生成基分类器，通过ft表示。Et代表分类器ft的错误率，可以通过式（1）进行计算：

（1）

根据容易分类的样本分配较小权重，较难分类的样本分配较大权重的基本思想，样本的权重通过式（2）进行更新：

（2）

式（2）中的αt和lit分别通过式（3），（4）计算得到：

（3）

（4）

将以上得到的权重进行标准化处理，可以得到 （5）。

当进行T次迭代时，将有T个弱分类器用于集成。Adaboost通过加权投票集成法得到最终的分类结果。

3 实证研究

3.1 样本描述

本文采用的上市公司的财务数据样本均通过CCER经济金融数据库获取。采用沪深两市中的上市公司因为连续两年以上财务状况异常而被“特别处理（Special Treatment，ST）”作为分类器的分类标准。基于此，本文选取2009-2014年首次被证监会“特别处理”的上市公司，共计167家上市公司作为发生财务危机的公司样本。并根据同行业和相似总资产选取准则，选取了167家财务健康的上市公司作为配对样本进行实验。基于既有的的指标选取原则，本文分别从市场价值、营运能力、资本结构、偿债能力、盈利能力和成长能力6个方面选取了38个财务指标作为构建财务预警模型的输入。具体包含的指标内容如表1所示：

3.2 实验设计

本文选取了神经网络（NN），支持向量机（SVM）和决策树（DT）三个常用的预测模型作为集成的基分类器。使用神经网络作为基分类器，主要需要确定网络层神经元的数量，本文采用经验法对其进行设置，即网络层的神经元数量一般设置为 ，其中m是输入层神经元的个数，即输入财务指标集的数量，n是输出层的神经元个数，即是否发生财务危机，a是一个0-10之间的常数。采用支持向量机作为集成的基分类器时，采用径向基函数（RBF）作为其核函数，并利用交叉验证法寻找最优的惩罚系数C和核参数σ。

为了避免训练样本因为一次抽样而使得模型的测试产生有偏的结果，采用10-折交叉验证作为模型的验证方法。即将样本数据随机划分为互斥的10组，用其中9组作为训练样本，剩余1组作为测试样本，重复这一过程，直至每组都做过一次测试样本，并计算最终正确分类的样本数量占总样本数量的值来评估分类器的性能。

3.3 评价标准

本文分别采用整体预测准确率（Accuracy）、第一类错误率（type I error）和第二类错误率（type II error）作为评判模型优劣的评价标准。融合矩阵及各个评价标准的定义如下所示：

3.4 实验结果与分析

为了分析以下两个问题，一是在企业财务危机预警中Bagging和Adaboost两类集成模型预测能力的差异，二是NN，DT和SVM分别与Bagging和Adaboost集成后预测能力的差异。本实验共进行了9组实验，来较全面的分析以上两个问题。具体实验结果见表3：

从表3可以看出，当使用Adaboost作为集成框架，DT作为集成的基分类器时，构建的模型具有最好的预测性能，准确率达到了80.24%，第一类错误率为17.86%，第二类错误率为21.69%。而采用Adaboost-SVM和Adaboost-NN的预测结果分类别77.55%和76.35%。同时可以看出，无论选择哪种预测算法作为集成的基分类器，Adaboost集成框架的预测效果都优于Bagging，因为Adaboost具有更好的泛化性能和降低方差的能力。

4 结论

既往研究中，关于分类器集成方法在企业财务危机预警中的作用没有被充分挖掘。所以本文对集成方法进行了较全面的研究和比较分析。本文选取了企业财务危机预警中常用了两个集成模型：Bagging和Adaboost，用于比较。同时，每个集成模型都分别与神经网络、决策树和支持向量机相结合，用于判断集成模型的性能。实验表明，Adaboost-DT具有最优的预测能力。此外，相比于其它集成模型，Adaboost-DT具有更好的效率。所以，在未来关于企业财务危机预警的实践应用中，该模型为管理者和投资者提供了一个较好的决策工具。

参考文献：

第6篇

一、生存分析的参数法、非参数法和半参数法的原理

生存分析方法主要可分为参数法、非参数法和半参数法，目前关于生存分析的研究也都是围绕这三种方法展开的。

1.生存分析的参数法原理。参数法是假定生存时间服从于某一特定的参数分布，如指数分布、Weibull分布等，然后根据已知分布的特点对影响生存的时间进行分析的方法。常用的方法有指数分布法、weibull分布法、对数Logistic回归分析法和对数正态回归分析法等。根据已知生存时间符合的分布特点，将相应用分布置函数带入似然函数中，然后通过最大似然法对参数进行估计得到生存率的估计值，对于两组及以上的样本，可根据参数估计对其进行统计推断。

其优点：①可以估计生存函数；②可以比较两组或多组生存分布函数；③可以分析危险因素对生存时间的影响；④可以建立生存时间与危险因素之间依存关系的模型。其缺点：需要事先知道生存时间的分布。

2.生存分析的非参数方法原理。非参数法是指对总体分布不能用有限个实参数来刻画，只能对它作一些诸如分布连续、有密度、具有某阶矩等一般性进行假定的一类方法。非参数法是生存分析领域中研究最早的方法，其特点是不论资料是什么样的分布，只根据样本提供的顺序统计量对生存率作出估计。估计生存时间分布特征时，在没有适当的模型并需要拟合理论分布之前，非参数方法是较为有效的方法。对于两个及多个生存率的比较，其无效假设也只是假定两组或多组的总体生存时间分布相同，而不对其分布形式及参数做出推断。非参数模型针对观测样本的大小，分为乘积极限法和寿命表法两种。

其优点：①不需要事先知道生存时间的分布；②可以描述生存过程；③可以比较两组或多组生存过程。其缺点：①无法分析危险因素对生存时间的影响；②无法建立生存时间与危险因素之间依存关系的模型。

3.生存分析的半参数方法原理。半参数法是对总体的模型有一定的先验设定，在此基础上，对某些参数性条件进行放宽的一类方法。半参数法兼有参数法和非参数法的特点，主要用于分析影响生存时间和生存率的因素，属于多因素分析法。半参数法不需要对生存时间的分布作出假定，但却可以通过一个模型来分析生存时间的分布规律，以及危险因素对生存时间的影响。其典型方法是Cox模型分析法。

半参数法兼具了参数法和非参数法的优点，又有效的弥补了两种方法的不足，其优点：①可以估计生存函数；②可以比较两组或多组生存分布函数；③可以分析危险因素对生存时间的影响；④可以建立生存时间与危险因素之间依存关系的模型；⑤不需要事先知道生存时间的分布。

二、生存分析的参数法、非参数法和半参数法的比较研究

生存分析方法的使用者在选择与应用各种方法时，方法的生存过程、样本含量的确定、模型效率的高低以及方法的应用范围是四个不容忽视也是必须考虑的问题。因此，本文将从生存过程、样本含量、模型效率、应用范围四个方面对参数法、非参数法、半参数法进行比较。

1.生存过程。参数法的生存时间要符合一定的参数分布，运用指数分布、Weibull分布进行参数方法的生存过程描述，分布参数检验进行参数方法的生存过程比较，相应的指数回归、Weibull回归进行参数方法的影响因素分析与预测。非参数法的总体分布不能用一个具体的实参数来刻画，所以不能进行影响因素的分析与预测，但可以运用Kaplan-Meier、寿命表、平均存活期进行非参数方法的生存过程描述，用对数秩（log-rank）检验、趋势检验进行非参数方法的生存过程比较。半参数法是一种多因素分析方法，既可以做生存过程的描述与比较，又可以用来进行影响因素分析与预测。

2.样本含量。参数法在做生存分析的影响因素分析及预测时，按照传统经验的估计，样本含量要求非截尾例数至少为变量数的10倍。非参数方法无法做生存分析的影响因素分析和预测，但是可以做生存过程描述。在进行生存过程的描述时，不涉及到样本含量的确定问题，如果样本较大，采用参数方法中的寿命表法（Life-Table Method）。如果样本较小，采用乘积极限法，又称卡卜兰—迈尔（Kapfan-Meier）法。半参数法在做生存分析的影响因素分析及预测时，按照传统经验的估计，样本含量要求非截尾例数至少为变量数的10倍。

3.模型效率。参数法当截尾数据较多时，参数模型效率比非参数模型高。截尾数据多是生存分析的一个特点，所以在实际应用中，参数模型的效率往往是高于非参数模型的。Prentice等（1979）在讨论两样本问题时指出，当截尾数据较多时，非参数法存在方差过大现象，因而效率不高。当截尾数据较多时，半参数模型效率比非参数模型高，效率一般渐近于参数模型。

4.应用范围。参数方法的应用条件是要知道生存时间的分布类型，然而在实际的研究过程中，生存时间的分布类型是很难得到的。因此，参数方法在实际中的应用范围非常局限。生存分析非参数方法属于单因素分析方法，然而在实际的研究中，影响因素往往不止一个，因此，非参数方法的应用范围也很局限。生存分析半参数方法兼具了参数方法和非参数方法的优点，又有效的弥补了两种方法的不足，不仅可以分析各种自变量对生存时间的影响，而且对基准风险分布不作任何要求，尤其是几乎所有的统计软件都可以实现Cox回归的分析。因此，在实际应用中，Cox模型具有很高的研究价值。

三、基于生存分析的财务危机预警应思考的问题

企业陷入财务危机是一个逐步形成、逐渐发展并不断恶化的动态过程。通过以上的论述可以发现，生存分析方法能够很好的从企业生存时间段来描述企业财务风险的变化。然而参数法、非参数法、半参数法在财务危机预警中的应用又各有其特点和适用范围。以下从研究目的、研究对象、研究效率三个方面，分析三种方法的适用性。

1.研究目的。基于不同的研究目的，可以选用的生存分析方法也有所不同。在描述与比较公司财务危机状况研究中，可以采用参数法与非参数法；如果可以预测出公司生存时间的参数分布，参数法就比较适用；反之，无法预测生存时间的参数分布的情况下，非参数法比较适用。因为非参数法无法做影响因素的分析与预测，所以在进行上市公司的财务危机影响因素分析与预测的研究中，只能采用参数法与半参数法；如果可以预测出公司生存时间的参数分布，就可以采用参数法；如果无法预测公司生存时间的参数分布，就只能用半参数法。然而，在实际的财务危机预警应用中，生存时间的分布类型很难得到，所以参数法在实践中的应用非常局限。

2.研究对象。研究对象的确定，对于所有的财务危机预警研究都必不可少。在用生存分析进行财务危机预警时，都需要比较大的样本量，一般情况下要求危机公司的样本数量应至少为自变量数的10倍以上。并且，在选取样本的时候，非财务危机公司的样本比例不宜超过70%。如果非财务危机公司的比例较大的话，财务危机预警的准确性会大大下降，并且随着非财务危机公司的比例的增大而不断下降。

3.研究效率。在进行企业财务危机预警时，模型效率的问题无疑是方法使用者最关心的问题。在运用生存分析方法时，如果样本中非危机公司的比例比较大的情况下，非参数法就会存在方差过大的现象，此时的效率不高，明显低于参数法和半参数法。所以，在准确度要求较高的研究中，就应该选择参数法和半参数法。

第7篇

［关键词］平衡记分卡 财务危机 预警分析

一、平衡记分卡方法简介

由哈佛大学教授罗伯特•卡普兰与诺朗顿研究院的执行长戴维•罗顿研究并提出的“平衡记分卡”将财务指标和非财务指标相结合，为企业提供了全新的业绩评价方法，该方法一经提出便迅速在企业中应用和推广。平衡记分卡打破了传统的只注重财务指标的业绩管理方法，增加了客户、内部经营过程、学习与成长三个方面的非财务指标，从而将企业的愿景、使命和发展战略与企业的业绩评价系统联系起来，将企业的任务和策略转化为有形的、可计量的目标，为企业的业绩评价、战略管理等提供了新的理念。

平衡记分卡从四个方面对企业做出评价：财务、客户、内部经营过程、学习与成长。其中财务关注的是鼓动如何看待企业，客户方面关注的是顾客如何看待企业，内部经营过程则关注如何改善流程，最后，学习与成长则关注如何提高应变和持续改进能力。

平衡记分卡的四个方面并非独立的、毫无联系的，而是可以被视为一个做单一决策的工具，一个决策就是一系列关于因果的假设。这四个方面的因果关系是员工的素质决定产品质量、销售渠道等；产品和服务质量决定顾客满意度和忠诚度；顾客满意度和忠诚度及产品和服务质量等决定财务状况和市场份额。

通过一连串的互动因果关系，企业可以把产出和绩效驱动因素串联起来，以衡量指标与其量度作为语言，把企业的使命和策略转变为一套前后连贯的系统绩效评核量度，把复杂而笼统的概念转化为精确的目标，籍以寻求财务与非财务的衡量之间、短期与长期的目标之间、落后与领先的指标之间，以及外部与内部绩效之间的平衡。

平衡记分卡的提出为企业战略管理、业绩评价等提供了一个新的工具，并得到了广泛的应用。

二、基于平衡记分卡的财务危机预测指标选择

平衡记分卡的主导思想是一种目标倒推的方法，即企业的最终目标是增加股东的财富，而如何实现这一目标呢？关键是企业拥有的客户和占有一定的市场份额，这就要求企业提供能够给客户增加价值的产品和优质的服务，在市场竞争非常激烈的环境下，企业要求从内部改进生产经营技术和创新，也就是说企业要拥有一流的人力资源。从这里我们可以得到启示：一个不能够在财务上创造好的业绩的企业，一定是在他的客户和内部经营上出现问题。因此企业发生财务危机的终极原因是其内部经营上存在问题，如果能够将这方面的因素纳入到财务危机预测模型中，无疑将会提高预测效果。正是基于这样一种思想，我们借鉴平衡记分卡方法，将非财务方面引入到财务危机预测中。

在选择财务危机预测指标时，我们需要从技术创新、员工、内部经营过程、客户和财务等方面等设计。

1.技术创新

在竞争日益激烈的市场中，创新技术是企业获取竞争优势或核心竞争力的关键。通过技术创新，企业可以将新技术、新工艺、引入到产品生产中以降低成本，从而提高产品获利空间；通过技术创新，企业可以提高产品性能从而提高产品售价或销量；通过技术创新，企业可以不断推出新产品以满足市场和客户的需求。而技术创新一方面靠企业的研发投入；另一方面靠研发的效率。因此，我们可以从研究开发费用率和研究开发费用增长率这两方面设计指标来评价企业的技术创新能力。

2.员工

员工层面的指标主要包括员工素质、员工离职率、员工满意度变化、员工培训投入率等。

3.内部经营过程

内部经营过程是把现有的产品和服务生产出来并交付给客户，其目标就是低成本、高质量、高效率地完成定单的生产任务。因此，在对内部经营过程的评价可以从质量、循环时间和生产成本三个方面设计指标。

4.客户

企业只有将生产的产品提供给客户，其获利过程才算完成。因此，企业生产的产品能不能满足客户的需要，对于是否拥有相对固定的客户群并保持一定的增长是决定企业成败的关键。我们可以选择市场占有率、客户满意度和客户获得率三个指标来反映在这方面的能力。

5.财务方面

财务指标是企业过去经营活动结果的集中体现， 它从两反面反映企业的未来发展：一方面是资金的运作和管理对未来的影响，这可以通过企业的长短期偿债能力反反映；另一个是财务指标所展示的企业过去经营活动的结果对企业未来的影响，主要通过盈利能力、资产管理能力等指标来反映。财务方面的指标我们采用综合指数法中所确定的指标，即应收账款周转率、负债权益比率、净资产收益率、EBIT/资产比率、经营现金流动负债比率、主营业务增长率等。

三、基于平衡记分卡的财务危机预警方法

在借鉴平衡记分卡方法将非财务指标引入财务危机预测中时，由于非财务指标所反映的内容在不同企业中的标准差别比较大，而且非财务方面的信息很难通过企业公开的信息中获取，这就给预测模型的构建带来一定的困难。因此，在具体实施时，可以采用综合指数法，将非财务指标纳入危机预测模型中，或将非财务指标所反映的信息作为预测结果的一个补充，定性地分析其对企业未来财务状况的影响。

参考文献：

[1]胡玉明：高级管理会计[M].厦门：厦门大学出版社，2005

[2]王宗军等：平衡计分卡绩效评价初探[J].湖北社会科学，2003-7

第8篇

二、文献综述

近年来，国内外学者对此进行了大量研究。余景选等（2012）采用Z-score模型对我国农业类上市公司进行了财务危机预警研究。其研究结果表明：在对农业类上市公司进行财务危机预警时，应该考虑我国的特殊国情以及农业上市公司的特征，将用来判断财务危机状况的临界值相应降低。庞清乐等（2011）为了克服神经网络分析法在财务危机预警中的缺陷，提出了基于蚁群算法的改进的神经网络财务危机预警模型。经过他们的实证检验，证明该模型具有结构简单、预警精度高的特点。潘彬等（2011）在传统财务危机预警KMV模型基础上嵌入期权定价模型，通过加入反映上市公司股票价格和波动率的违约距离指标，建立了一个集财务、公司经营管理和违约距离指标于一体的综合财务危机预警模型。徐光华等（2012）基于契约理论，将企业内部风险控制与财务危机预警两大系统相结合，构建了两者耦合的财务危机分析框架体系。秦江萍等（2011）应用因子分析中的Logistic模型对新疆上市公司财务状况进行了实证研究。研究结果表明：上市公司的盈利能力、成长能力、营运能力、偿债及资本结构等指标越好，发生财务危机的可能性越小；反之发生财务危机的可能性就越大。纵观此类研究所采用的方法大致有两类：定性预警分析法和定量预警分析法。具体的研究方法有早期的基于多元判别分析方法的ZETA模型和Logistic回归法，还有近年来发展起来的基于BP人工神经网络的分析方法，以及将粗糙集理论和神经网络相结合的粗糙-模糊神经网络分析法和经济增加值分析法等。由于定性预警分析法更多的是利用主观判断而形成的简单结论，其结论往往受到人们的质疑。本文主要从定量分析的角度，应用经济增加值这一指标，探讨上市公司财务危机预警模型的构建及其应用。

二、研究设计

（一）样本选取 本文在选择样本时把上海证券交易所和深圳证券交易所上市的ST和*ST公司界定为财务困境公司。2011年度，沪、深两市共有76家ST类上市公司，和50家*ST类上市公司。本文就选取这126家财务状况异常的上市的公司为样本。其次，在财务困境公司样本确定之后再相应地选择与财务困境公司相配对的126家非ST公司作为对比样本。这252家所选公司包括纺织、化工、机械制造、信息技术、有色、以及医药生物等，几乎涵盖了我国各个行业和产业。

（二）财务指标选取 根据我国上市公司的特点，为了较全面地反映公司的财务状况，本文从公司偿债能力、营运能力、盈利能力等方面选择了28个财务指标，作为构建财务危机预警模型的预选指标变量。具体的财务指标见表1。

（三）EVA概述 经济增加值（EVA）的概念源于诺贝尔经济学奖获得者：Merton Miller和Franco Modigliani关于公司价值的模型。20世纪90年代初，美国Stern Stewart & Company财务管理咨询公司把EVA概念引入公司财务评价体系。经济增加值EVA计算公式如下：

EVA=NOPAT-WACC×TC

税后净营业利润（NOPAT）的计算方法为：

NOPAT=报告期经营净利润+坏账准备的增加+计价方式下存贷的增加+商誉摊销+净资本化后研究开发费用的增加+其它营业收入-现金营业税

资本加权平均成本（WACC）的计算方法为：

WACC=■（1-T）+■

其中：Dm为企业负债总额的市场价；Em为企业权益总额的市场价值；Kd为企业负债的税前成本；T为企业边际税率；Ke为企业权益的资本成本。

三、实证结果与分析

（一）财务指标筛选 本文使用SPSS统计软件中的Logistic回归分析法进行实证研究。经过统计计算，选取出主营业务收入增长率等三个指标构建Logistic模型。具体的输出结果见表2。

根据以上实证计算结果，可以构建财务危机预警方程：

p= ■（1）

本文选择临界值为0.5，并且根据方程（1）对研究样本126家ST公司和126家非ST公司的预测效果见表3。

从表3中的数据分析可以看出，该财务预警模型对ST公司和非ST公司正确率分别高达76.98%和80.95%，总体平均正确率为78.96%，说明该模型预警效果较好。

（二）基于EVA的财务危机预警模型构建 为了检验基于EVA概念对财务危机预警的效果，将EVA指标引用到预警模型中。继续使用Logistic回归方法，利用样本公司的EVA资本率和选用的相关财务指标，构建新的Logistic回归方程。输出结果见表4。

根据以上结果，可以建立新的财务危机预警模型（2）和预测效果（见表5）。

p= ■（2）

对比表5和表3的结果可以看出：方法2与方法1相比较，判别的准确率均有很大提高。这说明引入EVA概念后对企业财务危机的预警效果更好。

四、结论

本文通过实证研究，对比了引入EVA概念前、后两个财务预警模型的效果，证明了EVA概念对公司财务危机预警能力的提升。随着我国证券市场的深入发展和上市公司的增多，上市公司应该从各个方面着手，努力提高公司的经济增加值。此外，上市公司也应该增加EVA对企业财务状况作用的认识，使之发挥更大的作用。

参考文献：

[1]余景选、郑少锋：《农业上市公司Z计分财务预警模型应用研究》，《财会通讯》2012年第4期。

[2]庞清乐、刘新允：《基于蚁群神经网络的财务危机预警方法》，《数理统计与管理》2011年第30期。

[3]潘彬、凌飞：《引入违约距离的上市公司财务危机预警应用》，《系统工程》2012年第30期。

[4]徐光华、沈弋：《企业内部控制与财务危机预警耦合研究》，《会计研究》2012年第5期。

第9篇

关键词：财务危机 Logistic模型

财务危机预警问题是财务学中的一个重要研究课题，而且具有很大的现实意义。建立财务预警模型，对企业财务危机进行预测，对于保护投资者和债权人利益、对于政府部门提高对企业的宏观监控质量以及规范证券市场等方面，都将起到重要作用。

一、文献综述

（一）Logistic模型的选用和预测准确率研究国外对于企业财务危机预警模型的研究已有七十多年的历史，产生了一元分析法、多元分析法、Logistic回归分析法、人工神经网络等多种方法，从20世纪80年代以来，Logistic回归分析代替判别分析法，在财务危机预测研究领域占据主流地位。Logistic回归方法没有严格的假设条件，不要求数据的正态分布，因而其参数估计比判别分析更加稳健；而且对于二分类总体判别问题，具有较好的区分效果。国内直至20世纪90年代末才开始有关于这一方面的学术研究出现，其中都借鉴了西方较为成熟的模型或理论，并结合中国的特色加以研究。近年来，随着中国资本市场的发展，国内学者对这一领域的研究越来越重视，有关财务危机预测研究的文献日益增多。从这些文献看出，国外的研究方法在中国的上市公司财务危机预测中均得到了应用，而Logistic回归分析方法在这些文献中占了很大比例。但不同文献Logistic模型的预测准确率有较大的差异，如吴世农等（2001）的Logistic模型总体预测准确率为93.53%；赵息等（2007）建立的Logistic模型在发生财务危机的前两年，模型判断正确率在90%以上；乔卓等（2002）研究发现提前两年和提前三年其Logistic 模型的预测准确率分别达到81.16%和76.81%；姜国华等（2004）的模型对ST公司的预测准确率为64%。这些预测效果的差异，一方面是由于样本和变量选择范围不同造成的，另一方面是由于有些研究在预测效果判别等方面的缺陷造成的。

（二）样本规模的选择对于样本规模的选择，Logistic模型要求大样本规模。因为Logistic模型运用最大似然估计法估计模型参数，最大似然估计具有一致性、渐进有效性和渐进正态性的统计性质，然而保持这些性质的前提条件为样本规模要很大。国外一些资深研究人员认为最大似然估计的大样本性质一般维持得较好，即使在中等规模（比如样本数为100）的条件下，也能够接受。而样本规模小于100时使用最大似然估计的风险较大（王济川等，2001）。而国内有些文献的样本规模小于100，其研究结果的有效性和稳健性就值得怀疑。如洪梅（2007）以40家公司为样本建立Logistic预测模型，以0.5为分界点，模型总体预测准确率为86.1%；宋鹏等（2009）以80家样本公司所建模型的总体回判正确率为95% ，对35家预测样本的总体判断准确率80%；而胜等（2004）利用32家样本建立不同的预警模型进行比较，在试图建立Logistic回归模型时发现指标变量难以进入模型，建模失败，这也说明了样本规模对Logistic模型的建立有直接影响。对模型预测效果的判别，大部分文献都采用分类表对模型预测准确性进行评价。采用分类表判别预测模型预测效果时的问题主要表现在对分界点的确定以及对预测结果的解释方面。有的作者没有说明分界点的确定依据，如崔学刚等（2007）以34家危机公司与66家非危机公司作为样本公司建立Logistic模型，采用0.34为阙值概率（分界点），得出总体预测准确率70%，危机公司预测准确率70.6%，非危机公司预测准确率69.7%，但没有说明分界点的确定方法；有的文献对分界点的确定做了说明，但不具有普遍适用性，姜秀华等（2002）选用42家ST公司和42家非ST公司为研究样本，借助贝叶斯公式，判断最佳分界点为0.1，得到模型的回判准确率为84.52%。但文中利用较低的分界点（0.1）对ST公司进行外推判别能够得到很高的判别准确率，不代表模型的总体预测准确率高。

（三）样本比例和分界点的选择有些文献当危机公司和非危机公司的样本比例不是1:1时，仍简单地采用0.5为分界点，影响了预测结果的准确性。如鲜文铎等（2007）利用61家ST公司和183家非ST公司作为估计样本，并利用60家ST公司和180家非ST 家公司为验证组，研究结果显示，以0.5为分界点时，标准Logistic 模型对ST 公司、非ST 公司和总体样本的预测正确率在估计样本中分别为68.9%、96.2%和89.3%，在验证样本中分别为73.3%、91.1%和86.7%，可以看出其模型对非ST 公司的预测准确率远高于对ST公司的预测准确率，由于非ST 公司样本数大于ST公司样本数，而使模型对总体样本预测准确性也高估；赵息等（2007）选取了35家财务危机公司和67家非财务危机公司作为样本，建立了基于主成分分析的Logistic预警模型，以0.5为分界点，分析结果表明在发生财务危机的前两年模型判断正确率在 90%以上，在发生财务危机前的第3年，判断正确率为74.51%。其研究发现ST 公司的误判率高于非ST公司的误判率，但却认为是由于报表粉饰引起的财务数据扭曲导致。还有一些文献当危机公司和非危机公司的样本比例不是1:1时，只采用类R2、HL指标说明模型拟合优度，而没有对分界点和模型预测准确率进行说明。如浦军等（2009）运用Logistic回归模型，利用2007年40家ST样本、103家非ST样本建立了相应的Logistic财务危机预警模型，只用类R2表示模型拟合优度较好。曹德芳等（2005）选用21家工业企业ST公司和104家非ST公司，采用HL指标说明模型拟合优度，也没有说明Logistic模型预测准确率。

本文拟在克服以上缺陷的基础上，利用2008、2009年最新的财务危机公司为研究对象，建立新会计准则背景下的Logistic财务危机预测模型，利用ROC分析确定最佳分界点，并利用分类表和ROC曲线对模型的预测准确性和实用性进行判别。

二、研究设计

（一）样本选择对于财务危机的界定不同的学者有不同的观点，国内绝大多数学者在其研究中将上市公司因财务状况异常而被特别处理（ST）作为企业陷入财务危机的标志。但本文比较赞同崔学刚等（2007）的观点，将首次亏损作为财务危机的界定标准。原因主要为首次亏损是公司财务状况恶化的开端，而且这种界定有助于获取足够大样本量，满足Logistic模型对大样本的要求，也使研究更具一般性。本文以近三年首次出现亏损作为上市公司财务危机的界定标准，当净利润小于0时，因变量Y取1；否则为0。本文共选取了474家上市公司，其中2008年首次出现亏损的公司119家，2009年首次出现亏损的公司39家，随机选取截至2008年连续三年盈利的公司238家和截至2009年连续三年盈利的公司78家作为配对样本。样本筛选过程中，剔除了金融保险类公司和近三年财务数据不全的公司及发行有B股、H股的公司。数据来源于上海证券交易所、深圳证券交易所、和讯网等权威证券网站。为了分析不同样本规模对预警模型最佳分界点及预测准确性的影响，在进行实证分析时，将474家公司进行两次随机分组，第一次按危机公司和非危机公司1:1的比例分组，第1组取158家公司作为估计样本，第2组158家公司作为检验样本；第二次按危机公司和非危机公司1:2的比例分组，第3组237家作为估计样本，第4组237家作为检验样本。各类样本年度分布见（表1）。

（二）变量选取本文以本年度（定义为第t年）是否首次出现亏损为因变量，首次出现亏损取1；否则取0。以前一年（定义为第t-1年）财务指标与非财务指标为自变量。本文综合考虑企业偿债能力、获利能力、营运能力、成长能力、获取现金能力及公司治理等多方面的因素，选取了37个指标作为自变量。具体指标分别是反映偿债能力的指标：流动比率、速动比率、现金比率、流动资产对负债总额比率、营运资产与总资产的比率、现金与总资产比率、资产负债率、有形净值债务率、权益乘数；反映盈利能力的指标：净资产净利率、扣除非经常损益后的净利润率、总资产报酬率、销售净利率、成本费用利润率、主营收入毛利率、主营收入税前利润率、主营收入税后利润率、每股收益、扣除非经常损益的每股收益；反映营运能力的指标：应收账款周转率、存货周转率、总资产周转率、固定资产周转率、净资产周转率；反映发展能力的指标：主营收入增长率、净利润增长率、净资产增长率、固定资产投资扩张率、总资产扩张率、可持续增长率、超常增长率、经营现金净流量增长率；反映现金获取能力的指标：主营业务现金比率、每股经营活动现金净流量、资产的经营现金流量回报率；反映盈利质量的指标：非经常性损益比率；反映公司股权结构的指标：第一大股东持股比例。

（三）研究方法Logistic模型是一种非线性判别的统计方法。在二分类Logistic模型中，通常用Y代表因变量，它的取值有两种可能（如危机公司为1，非危机公司为0）。X=（X1，X2，…，Xn）表示自变量。P用于表示Y在特定条件下的发生概率。P通过下式求得：

系数可以按照一般回归系数那样解释，一个自变量的作用如果是增加事件的对数发生比Ln［p/（1-p）］，也就增加事件发生的概率P，反之亦然。由于Logistic回归中因变量与自变量之间的关系是非线性的，Logistic模型估计未知参数时采用最大似然估计。本文的研究目的是利用上市公司的财务指标和股权结构指标构建Logistic模型，对上市公司发生财务危机的概率进行预测。评价Logistic预测模型预测效果常用的工具是分类表，在分类表中可以计算出样本总预测正确率、灵敏度（Sensitivity）和特异度（Specificity）等指标。但分类表预测准确性取决于分界点（Cutoff point/cutoff value）的确定，在模型一定情况下，不同分界点会导致完全不同的预测准确性。因此本文首先利用ROC（Receiver Operating Characteristic）曲线确定最佳分界点，然后根据分类表结果和ROC曲线下面积估计模型预测准确率。ROC曲线分析的基本原理是：通过分界点的移动，获得多对灵敏度和误判率（1-特异度），以灵敏度为纵轴，以误判率为横轴，连接各点绘制曲线，然后计算曲线下的面积，面积越大，判断价值越高。灵敏度就是把实际为真值的判断为真值的概率，表示通过预测模型准确预测出发生事件占实际发生事件的比重。特异度就是把实际为假值的判断为假值的概率。误判率就是把实际为假值的判断为真值的概率，其值等于1-特异度。本文中灵敏度=被正确预测为危机公司的样本数/实际发生危机的样本公司数。特异度=被正确预测为非危机公司的样本数/实际非危机公司样本数。误判率=被误判为危机公司的样本数/实际非危机公司的样本数。总体准确率=被正确分类的样本数/样本公司总数。

三、实证结果分析

（一）独立样本T检验由于所选自变量较多，各项指标间可能存在不同程度的相关性，影响回归分析的准确性，因此在进行Logistic回归分析前首先利用财务指标的独立样本T检验对自变量进行筛选。检验结果表明，当危机公司与非危机公司样本比例为1:1时，在两类企业之间有显著差异的财务指标共12个，当危机公司与非危机公司样本比例为1:2时，在两类企业之间有显著差异的财务指标共15个，其中有10个指标与样本比例为1:1时相同。检验结果见（表2）、（表3）。可以看出，危机公司与非危机公司在现金流指标、主营业务盈利指标、非经常损益比率以及固定资产和总资产扩张等几类指标有显著差异。危机公司利用现金进行偿债的能力、投资扩张能力、获取现金流的能力以及主营业务的盈利能力都比较差。从（表2）看出危机公司的净利润增长率显著高于非危机公司，但其扣除非经常损益后的净利润率显著低于非危机公司，说明危机公司的利润增长主要源于非经常损益的增长，说明其盈利质量较差、盈利缺乏可持续性。

（二）回归分析以本年度（定义为第t年）是否首次出现亏损为因变量，首次出现亏损取1；否则取0。以前一年（定义为第t-1年）通过T检验的财务指标为自变量，进行单变量Logistic回归分析，剔除统计不显著的变量指标。同时，通过相关系数矩阵检验各个自变量之间的多重共线性，按照单变量检验显著性从高到低的标准选择进入预测模型的变量，最终得到两个危机预测模型，危机公司与非危机公司样本比例为1:1时所得模型为M1，危机公司与非危机公司样本比例为1:2时所得模型为M2，模型回归结果见（表4）和（表5）。可以看出，如果上市公司收益中非经常损益比率越高、净利润增长率越大，即当上公司通过增加非经常性损益大幅增加利润时，公司下一年亏损的可能性越大，而公司主营收入毛利率高、扣除非经常性损益后的净利润率高，而且经营净现金流及其增长率大时，说明上市公司盈利质量高，下一年出现亏损的可能性小。当流动资产对总资产比率越高时，公司资产流动性越强，公司下一年出现亏损可能性小，这一点与奥特曼Z记分模型结论一致。

（三）Logistic风险预警模型评价对Logistic 回归模型的评价主要有三个方面：模型总体显著性、拟合优度与预测准确性。

（1）模型总体显著性检验。模型总体显著性检验采用Omnibus Tests of Model Coefficients检验，该指标类似于多元线性回归中的F统计量，表明了模型自变量对因变量的总体解释能力。从（表4）和（表5）的回归结果可以看出M1、M2两个模型的卡方统计量分别为32.735和27.213，对应Sig. （相伴概率p值）均为0.000，说明两个模型均通过了总体显著性检验，模型自变量对因变量的解释能力较强。

（2）拟合优度评价。拟合优度反映了模型匹配观测数据的程度。如果模型的预测值能够与对应的观测值有较高的一致性，就认为这一模型拟合数据。否则，将不能接受这一模型，而需要对模型重新设置。当Logistic模型中自变量很多，或者自变量中包含连续性变量的情况下，应采用Hosmer-Lemeshow（HL）指标判别模型拟合优度，而且HL指标被认为是估价Logistic回归模型拟合优度方面应用最广泛的指标（王济川等，2001）。在具体应用时，检验的是模型预测值与实际观测值之间的差别，判断标准是查看Sig.值，如果是sig>0.05，即说明模型预测值与实际观测值之间没有显著差别，即拟合方程与真实的方程基本没有偏差，也就是说HL指标的Sig.值越大越好。（表4）、（表5）显示模型的H L拟合优度检验结果，M1的卡方统计量为5.249，Sig.（相伴概率p值）为0.731，M2的卡方统计量为7.82，Sig.（相伴概率p值）为0.451。两个模型的Sig.值均远远大于给定的显著性水平0.05，表明模型M1和M2较好地拟合了数据。

（3）最佳分界点确定及预测准确度评价。本文利用Spss中Analyze――Roc Curve命令，绘制了两个模型的roc曲线，见（图1）、（图2）同时确定各模型的最佳分界点。根据统计理论，危机公司与非危机公司的判别错误率与分界点关系的方向相反，二者此消彼长。即当分界点值逐渐增大时，非危机公司判别错误率逐渐减小，危机公司判别错误率逐渐增大，反之亦然。因此，从统计角度来看，不存在使得危机公司和非危机公司判别错误率都达到最低的分界点值。在实际应用中分界点的确定一般需要根据使用目的和判别错误成本来定。对于筛选性质的研究，往往选择在容许的特异度情况下，尽可能使灵敏度高一下；对于确认性研究，往往在灵敏度容许的范围内，选择使特异度高一些的分界点。但判别错误成本的测定比较困难，不同使用者出于不同的使用目的考虑，对于判别错误成本的测定方法可能也不一致。因此，绝大多数学者在研究中回避了这一问题，本文的研究也未考虑判别错误的成本。在不考虑判别错误成本的情况下，本文将非危机公司判别准确率与危机公司判别准确率之和最大时（即总体判别准确率最大，判别错误率最小）对应的分界点确定为最佳分界点。通过以上方法确定最佳分界点之后，各个模型的预测准确率如（表6）和（表7）所示，本文同时列出了分界点为0.5时的预测精准确率进行对比。从（表6）可以看出当危机公司与非危机公司样本比例为1:1时，最佳分界点（接近0.5）处的总体预测准确率高于以0.5为分界点的总体预测准确率。从（表7）中可以看出当危机公司与非危机公司样本比例为1:2时，以0.5为分界点时，会低估危机公司预测准确率（灵敏度），高估非危机公司的判别准确率（特异度），由于非危机公司样本数多于危机公司样本数，从而导致模型总体预测准确率高估。（表6）与（表7）显示，当危机公司与非危机公司样本比为1:1时，最佳分界点分布在0.5附近，而当危机公司与非危机公司样本比为1:2时，最佳分界点分布在0.33附近，即最佳分界点与危机公司在总样本公司中所占比例比较接近。此结果也与崔学刚等以34家危机公司与66家非危机公司作为样本公司时采用0.34为分界点，姜国华等（2004）选用33家ST公司和778家非ST公司作为样本公司时采用0.04为分界点相一致。本文推断这种现象不是巧合，而是有其必然性。因为Logistic模型如果拟合较好，则模型就应该反映样本公司的总体情况，如果样本总体中实际发生危机公司所占比率为α，则根据Logistic模型计算出的所有样本公司中发生危机的概率也应为α，因此采用α为分界点，所预测结果与实际情况最相符。M1估计组和检验组ROC曲线图如（图1）和（图2）所示，其横轴是非危机公司的判别错误率（1-特异度），纵轴是危机公司的判别正确率（灵敏度），ROC曲线越陡峭，ROC曲线面积越大（指ROC曲线下边部分面积），预测模型的稳定性和判别精度越高。按照国际通行值， ROC曲线面积如果能达到0.7，该模型即可应用于实践。本文模型M1估计组的ROC曲线面积达到0.758，而且其检验组的ROC曲线面积达到0.735，说明模型稳定性和判别精度较高，可以应用于实践。M2估计组及其检验组的ROC曲线面积分别为0.699和0.662（限于篇幅，文中没有列出图示），说明模型尚不足以应用于实践。

四、结论

根据前文分析，得出如下结论：危机公司与非危机公司的差别主要体现在偿债能力、盈利能力、发展能力及经营现金流的获取方面。偿债能力差异主要为危机公司的现金以及营运资产在总资产中的比例显著低于非危机公司，其偿还到期负债的能力较差；盈利能力方面的差异主要体现在危机公司主营业务盈利能力差并且盈利质量不佳，利润中非经常性损益比例较大，说明其持续盈利能力不强。发展能力方面的差异主要表现为危机公司的固定资产扩张速度和总资产的增长率都显著低于非危机公司，说明危机公司发展潜力不足。另外研究发现危机公司的经营现金流指标显著低于非危机公司。

参考文献：

［1］吴世农、卢贤义：《我国上市公司财务困境的预测模型研究》，《经济研究》2001年第6期。

［2］赵息、肖铮、何辉渝：《Logistic模型在上市公司财务预警中的应用研究》，《西安电子科技大学学报（社会科学版）》2007年第3期。

［3］乔卓、薛锋、柯孔林：《上市公司财务困境预测Logit 模型实证研究》，《华东经济管理》2002年第10期。

［4］姜国华、王汉生：《财务报表分析与上市公司ST预测的研究》，《审计研究》2004年第6期。

［5］王济川、郭志刚：《Logistic回归模型: 方法与应用》，《高等教育出版社》2001年第9期。

［6］胜、梁梁、殷尹：《不同模型在财务预警实证中的比较研究》，《管理工程学报》2004年第2期。

［7］崔学刚、王立彦、许红：《企业增长与财务危机关系研究》，《会计研究》2007年第12期。

［8］姜秀华、任强、孙铮：《上市公司财务危机预警模型研究》，《预测》2002年第3期。

［9］鲜文铎、向锐：《基于混合Logit 模型的财务困境预测研究》，《数量经济技术经济研究》2007年第9期。

［10］傅文：《基于Logit模型的上市公司财务预警分析》，《云南财贸学院学报》2005年第8期。

第10篇

关键词：财务危机原因 多元统计 分析危机 预警作用

国内学者对于公司财务危机预警的研究也越来越多，然而学者们大多数只针对纯财务指标构建财务危机预警模型，却忽略了非财务信息的作用。很显然，单一的财务数据所能体现的信息还不够完整，很难反映公司的真实情况，难免会造成预警的偏差，而非财务信息能够对财务信息进行有效地补充，因此，引入非财务指标构建预警模型是非常有必要的。

一、企业财务危机产生的原因

许多现代企业面临着危及生存的问题，财务危机是企业的一大重要问题，许多企业管理不得当，财务环节控制不到位，并且缺少有效的监管机制，造成企业财务管理混乱。企业财务危机是法律意义上对企业破产的定义，企业破产是用来衡量企业财务危机最常用的标准。企业财务危机有负债危机、市场危机、收益质量危机，除此之外，长短期资产配置不当、企业财务机制不健全、管理层的财务管理素质低下、企业本身的风险意识薄弱等都会造成企业财务危机的发生，由于企业更倾向于通过负债来获取收益，因而当风险意识不强时极易形成高度负债，在企业出现入不敷出的财务危机时便会导致破产。

二、多元统计分析

（一）多元统计分析概述与作用

多元统计分析是一种综合分析方法，能够在多个对象和多个指标互相关联的情况下分析它们的统计规律。多元统计规律包含很多内容，主要包括多元正态分布及其抽样分布、多元正态总体的均值向量和协方差阵的假设检验、主成分分析和因子分析、判别分析和聚类分析、直线回归与相关、多元线性回归与相关。多元统计分析可以对许多数据进行观测以及预测，多元统计分析即为分析多元数据的统计方法。根据统计规律性对未来企业财务情况做出预测，根据多元的数据对财务情况进行多方面的设想与观测，预测企业未来发展过程中可能会发生的财务危机情况以及危机程度，让企业提早知晓可能发生的财务危机，并做好全方面的应对措施。

（二）多元统计分析在企业财务危机预警中的主要方法

多元统计分析主要是使用判别分析和主成分分析建立企业财务危机预警模型。首先，在建模的过程中利用随机抽样和对应样本法在企业中进行选择，选取各类指标来反映企业的财务情况，变量越多企业财务危机预警模型就建立的越好。其次，利用抽样选取法抽选出样本和变量，依据这些样本和变量使用判别分析法建立企业财务危机的预警机制。第三，将企业中抽取出来的多个变量通过线换选出较少的数量并且是重要的变量，由于变量之间都存在着一定的相关关系，而且要以最少的变量来建立模型，所以要将相关重复的变量除去，最后剩下各不相关的变量，全方面分析企业中存在的问题，这就是主成分分析。

三、多元统计分析在企业财务危机预警中的作用

（一）对财务危机进行分析和预测

多元统计可以通过抽取变量建立预测模型对企业未来的财务危机进行分析和预测，从各个不同的角度预测企业未来可能发生的财务危机，并且经过验证判断企业是财务危机公司，或是非财务危机公司，或是中间状态公司。这种方法的正确率十分高，但是如果预测的年份越远，预测的准确率就会越低；反之年份越近预测的精确度就越高。因此，企业需要及时更新企业的财务危机预测模型，根据不断变化的数据和指标对企业财务危机进行分析，提高预测的准确率，对未来所可能出现的危机做出适应的措施。

（二）减小财务危机对企业的影响

多元统计分析可以减小财务危机对企业的影响，可以通过多元统计分析对企业进行分类，依据采集到的数据建立的模型，辅助分类企业判断是否处于财务危机状态。如果预测结果为财务危机企业，必定会引起相关部门对企业发展的重视，以及采取各类的方法对企业未来可能会发生的财务危机进行合理地防范，企业会谨慎对待发展的每一个步骤，加强风险意识，减小负债率，减小财务危机对企业的影响。

（三）促进市场经济健康发展

以多元统计分析对各个企业进行财务危机预警，使我国的每个企业都能够划分清楚，并且采取最全面、有效的体系适应国内企业的发展，在一定程度上减少了财务危机带来的影响，促进了市场经济的健康发展，提高我国的经济发展水平。

四、结束语

多元统计分析是一项对研究企业财务危机十分有效的方法，在其他领域的应用也十分广泛，多元统计分析可以为企业带来完善的财务预警体系，使企业预测未来可能会发生的财务危机，对未来发生的财务危机采取适当的、避免发生的措施，促进了企业经济的健康发展。

参考文献：

[1]李杰，王蔚佳，刘兴智. 多元统计分析在企业财务危机预警中的应用[J].重庆建筑大学学报，2004

第11篇

[关键词] 财务危机；配对样本；主成分分析；逻辑回归；预警模型

一、　“财务危机”(pinancial crisis) 又称“财务困境”(pinancial distress)，国外多数同类研究采用破产标准。但中国从1988年开始试行《企业破产法》至今，没有一家上市公司破产．尽管2004年6月“st宁窖”爆出破产风波，但也在同年12月通过债权人和解解除了危机。由此可见，中国的破产机制不健全，加上国内证券市场的发展历史很短，采用外国学者的做法行不通。

国内学者大都将特别处理(st)的上市公司作为存在财务危机的公司，如陈静(1999)、李华中(2001)、姜秀华(2002)等。本文也将st公司作为研究样本，并将“财务危机”定义为“因财务状况异常而被特别处理(st)”，所指的“财务状况异常”包括上市公司突然出现重大亏损、连续两年亏损、股东权益低于注册资本或每股净资产低于面值等几种情形。

二、国内研究文献综述

陈静(1999)以1998年的27家st公司和27家非st公司为研究样本，使用1995—1997年的财务指标进行了单变量分析和多元判定分析，由于受样本量的限制没有对上市公司被st的原因加以详细区分；李华中(2001)用判别函数对1997—1999上市公司分类，描述了st公司的行业分布，利用向前回归法筛选财务指标建立预警模型；姜秀华等(2002)以在深沪两市上市的42家公司为控制相关变量，同时随机选取42家非st公司为控制样本进行了研究，运用logistic回归得到预警模型，并进行了预测与效果检验。

三、研究方法和研究样本

(一)研究方法

本文采用的方法是二元逻辑回归(logit)，相关的数据分析处理通过spssl3．0软件完成。

(二)研究样本及样本的行业特征分析

1.选择的研究样本

本文选择的样本s1是2002—2004年深沪两市首次被st的118家公司。

同时，选择了与样本s1同行业并且资产规模相近的118家盈利上市公司作为配对样本s2。

本文的数据主要来源于“亚洲证券”和“巨潮资讯”。

2.样本行业特征分析

至2005年8月，深沪两市共计有1379家上市公司(深市551家，沪市828家)。发生财务危机的118家上市公司分布在11个行业。其中，制造业出现财务危机的上市公司最多，占st公司总数的58．48％，但与该行业上市公司的总数相比，发生st的比例并不突出，只占8．60％．传播文化类上市公司有2家发生亏损，鉴于此类别的上市公司较少，虽占st公司总数的1．7％，但占整个行业的18．18％，说明传播文化类公司承担的风险较大，发生财务危机的比例也就较高。其次是综合类上市公司，占st公司总数的10．17％，占整个行业的15．00％。

四、预警指标的选择和分析

如果上市公司在第t年被实施st，那么(t－1)年表示上市公司被实施st的前1年。

(一)财务危机预警指标的初步选择

为对上市公司的情况进行全面、系统的描述，本文结合国内外的研究成果，初步选择了变现能力b1(流动比率x1、速动比率x2)、资产管理b2(总资产周转率x3、总资产周转率x4、应收账款周转率x5)、负债能力b3(资产负债率x6、产权比率x7)、盈利能力b4(净资产收益率x8、销售毛利率x9、销售净利率x10)、现金流量b5(每股经营现金净流量x11、经营现金净流量对挣利润比率x12、经营现金净流量对负债比率x13)、成长能力b6(资产增长率x14、主营业务收入增长率x15、净利润增长率x16)、股权扩张b7(每股收益x17、每股挣资产x18)、股东持股b8(前三大股东持股比例x19、前十大股东持股比例x20)等8个方面的20个财务指标。

(二)初选指标分析

1．财务指标的均值和标准差分析

利用spss计算st与非st公司各财务指标的均值及标准差。研究结果显示，发生财务危机的前1年，st公司与非st公司的20个指标的均值均存在明显区别。

2．配对样本检验

根据st公司与非st公司的同一财务指标的配对，利用spss进行配对样本t检验和wilcoxon秩检验，wilcoxon秩检验使用的是z统计量。

从表1中可以看出，除资产增长率x14外，st与非st公司的20个指标的配对样本t检验普遍显著，st公司的z统计量明显高于非st。

总之，通过上述分析，可以看到st公司与非st公司在财务危机发生的前1年，两者的均值、标准差、t统计量、z统计量发生了明显的变化。

(三)财务预警指标的进一步筛选

st与非st公司的上述20个指标，有的作用显著，起了较大作用，相比之下有的作用并不明显，而且指标过多会存在多重共线性或序列自相关。因此，在建立财务危机预警模型前，有必要进一步对财务指标进行筛选，利用变化显著的指标建立预警模型。本文拟选择主成分分析法。

1．变量间相关性分析

本文的相关性分析采用person相关系数，结果表明产权比率x7与净资产收益率朋、流动比率x1与速动比率x2、每股经营现金净流量x11与经营现金净流量对负债比率x13、每股收益x17与每股净资产x18、前三大股东持股比率之和x19与前十大股东持股比率之和x20的相关系数均超过0．6。为消除多重共线性的影响，按财务指标间相关性较小为优原则，经比较，剔除x7、x2、x13、x18及x19这五个财务指标。

2．财务指标的进一步筛选

引入虚拟变量y，表示上市公司是否出现财务危机。将上市公司出现财务危机设为1，没有出现财务危机设为0。

利用直接斜交转轴法，对剩余15个财务指标进行主成分分析，提取了3个因子。这3个因子分别为流动比率x1、每股经营现金净流量x11、前十大股东持股比率之和x20。

五、预警模型的建立及预测

笔者利用主成分分析得到的上述三个财务指标，选择二元逻辑回归(logit)方法，建立财务危机预警模型并进行预测。

(一)模型的建立

设多元逻辑回归(logit)拟合的方程为：

(二)预警模型效果检测

以0．500为概率最佳分割点进行预测。预测结果显示该模型的整体预测效果为75．319％，其中st公司的预测准确率为76．923％，非st公司的预测准确率为73．729%。

六、结论

笔者采用2002—2004年新增st公司的日个方面的20个财务指标，建立起上市公司发生财务危机前1年的危机预警模型进行了预测。为便于对比研究，选取相同数目的盈利公司作为配对样本进行t检验和wilcoxon秩检验。研究表明，选取财务指标的效果明显，建立的st公司的危机预警模型的判断准确率达到95．31％．由于研究是假定上市公司的财务数据是真实的，若上市公司粉饰财务报表，模型准确性可能受到影响。

主要参考文献

[1]ohlson，james a：“financial ratios and the probabilistlc prediction of bankruptcy”，journal of accounting research，1980．

[2]陈静．上市公司财务恶化预测的实证分析．会计研究[j]，1999，(4)．

第12篇

Abstract： Through the proportion principle and the principal component analysis research of ST for the t-2 years financial data in 2010， this paper establishes model and comprehensively determines whether the early warning value F determination mode has early warning. The results show that principal component analysis method can better make early warning alerts for whether the listed companies' financial position fall into financial crisis.

关键词： 财务危机预警；配对样本t检验；主成分分析

Key words： financial crisis early warning；paired samples t test；principal component analysis

中图分类号：F275 文献标识码：A 文章编号：1006-4311（2014）09-0137-03

0 引言

财务危机是指企业明显无力按时偿还到期的无争议债务的困难与危机。根据相关网站统计，国内外每年都有数以万计的企业因财务危机而倒闭。这种经营失败，实质上是企业缺乏财务风险防范能力，在财务风险面前显得软弱无力。本文基于此通过主成分分析方法运用多个财务指标综合建立主成分财务危机预警模型，帮助企业在危机来临前识别风险，对防范和处理我国上市公司财务风险具有一定的指导意义和实用价值。

1 文献综述

国外最早的财务预警研究者是Fitzpatrick，其创建的单财务比率判定模型，开创了单变量财务预警方法的先河。随着对现金流量信息重要性的认可，许多学者尝试运用现金流量信息预测企业财务困境。Beaver（1966）利用单变量模型预测企业财务情况，发现现金流量与负债比率能够比较准确地判定公司是否陷入财务困境。Altman（1968）创立了多变量的Z分数财务预警模型。

国内的企业预警研究起步较晚，绝大部分以上市公司为研究对象，其研究初期主要是对国外方法的介绍和具体应用。陈静（1999）在《上市公司财务恶化预测的实证分析》中使用1998年的27家ST公司和27家非ST公司的财务报表数据，进行了单变量分析和二类线性判定分析研究。张玲（2000）采用多元线性判定法则选取深沪交易所120家上市公司作为研究对象，研究得出的判别方程和判别法则选择出的指标为资产负债率，营运资金/总资产，总资产利润率，留存收益/总资产。吴世农、卢贤义（2001）在《我国上市公司财务困境的预警模型研究》中选取6项财务比率建立了财务预警系统。张爱民（2001）等选取40家ST公司及40家非ST公司作为研究样本，采用主成分分析方法，建立了另一种预测企业财务失败的模型——主成分预测模型，并对上市公司财务失败的主成分预测模型进行了实证检验。

2 研究设计

2.1 研究假设 根据后文对财务危机预警模型设计的需要以及结合现实性，本出以下相关假设：①由于连续两年净利润为负而被ST处理的上市公司被认为陷入财务危机状况；②与选取的ST公司同行业且资产规模相差±10%范围内的非ST公司具有可比性；③上市公司的财务数据真实且能反映公司财务状况。

2.2 研究方法 本文利用配对t检验来筛选公司处于和不处于财务危机时财务指标是否存在显著性差异，然后作为构造模型的指标进入下一阶段，再通过主成分分析方法在不损失或很少损失原有信息的前提下，减少变量个数，反应综合信息。

2.3 变量设计 本文共选取盈利能力、发展能力、营运能力、偿债能力等四个维度共18个变量来构建财务危机预警指标体系，综合反映ST公司的财务状况。

2.4 数据来源和样本选择 ①数据来源及选用。本文的数据来自于聚源数据工作站和新浪财经网上有关各上市ST及非ST公司的财务数据。其中假定上市公司被ST的2010年份为t。本文选取因财务状况异常而被特别处理的ST上市公司和非ST上市公司t-1年（2009年）和t-2年（2008年）为研究范围，取用这两年的财务数据作配对检验，以t-2年数据作主成分分析。②配对原则。在为ST公司选择配对的非ST公司时，本文按照时间匹配及数量1：1匹配原则：要求所处行业相同，且资产规模相差+10%以内，极个别确实无法准确配对但具有重要意义的样本除外的其他无法配对的样本个体均被剔除，这样的选取原则可以较好的满足可比性要求。

3 实证分析

3.1 配对样本t检验 通过SPSS19.0软件根据24家公司t-1年和t-2年的财务数据对20个指标进行显著性分析，我们设定两年的配对结果必须都在0.05的置信水平下通过配对t检验，才能说明该财务指标能够显著区别ST公司和非ST公司，并将通过检验的财务指标作为财务预警指标进入下面的主成分分析。初步筛选结果如表1所示，销售毛利率、销售净利率、ROE、ROA、流动比率、速动比率等共11个可进入下一阶段的财务预警指标。

3.2 主成分分析

3.2.1 基于初步筛选的11个指标，再通过主成分分析提取信息（前4个主成分综合指标信息提取度达到82.71%）后，本文提取的综合财务指标如下，并列主成分载荷矩阵表如表2所示。

由表2成分矩阵的系数和各主成分特征值计算得到主成分的系数矩阵如表3。

根据表中系数矩阵和各标准化变量可得到t-2年4个主成分的综合表达式：

Y1=0.028*ZX1+0.424*ZX2+0.087*ZX3+0.408*ZX4+0.326*ZX5+0.300*ZX6+0.328*ZX8+0.303*ZX9+0.212*ZX16+0.381*ZX17-0.242*ZX18

Y2=-0.459*ZX1-0.209*ZX2+0.141*ZX3-0.296*ZX4+0.361*ZX5+0.427*ZX6+0.217*ZX8-0.284*ZX9+0.286*ZX16+0.002*ZX17+0.340*ZX18

Y3=0.299*ZX1-0.123*ZX2+0.805*ZX3+0.028*ZX4+0.089*ZX5+0.0001*ZX6+0.235*ZX8+0.157*ZX9-0.352*ZX16-0.039*ZX17+0.272*ZX18

Y4=0.261*ZX1+0.119*ZX2+0.003*ZX3+0.015*ZX4+0.012*ZX5+0.127*ZX6-0.399*ZX8+0.408*ZX9+0.566*ZX16-0.328*ZX17+0.385*ZX18

主成分Y1式各系数均在0.3-0.4之间，可见Y1反映公司财务状况的综合因子1；主成分Y2的各变量系数都差不多，因此也为反映公司财务状况的综合因子2；Y3的ZX3系数较高，可见是反映公司获利能力的因子；Y4的变量系数中ZX8、ZX9、ZX16、ZX17、ZX18均较高，因此为偿债能力和发展能力因子。

3.2.2 对主成分的特征值与贡献率进行计算可构造反映公司财务状况评价指数F，F是各综合因子Y1、Y2、Y3、Y4的线性组合。F=■ki×Yi，其中ki=■为各主成分对综合指标F的贡献率。

由上式得出2010年各ST上市公司样本组在t-2年的财务状况综合指标值F，再全部加总平均后得出均值■为-0.2698。

4 预警临界值的确定及模型检验

同样运用上述方法计算得出配对样本组非ST上市公司的财务状况综合指标均值■为0.4668。以两个样本组值■的平均值作为上市公司财务危机预警的临界值，结果为-0.0985。即表示：低于临界值则预示公司将会陷入财务危机，应引起公司高层的重视，从而起到预警作用；而高于临界值则表明公司财务状况良好；等于临界值时为灰色状态，需另行判定。

确定预警临界值后我们返回对上述样本进行检验，其检验结果如表4所示。

检验结果显示，对于ST公司预测正确率为75.0%，对于非ST公司的预测结果为87.5%，两者综合正确率为81.3%。说明预警模型有较好的预测性，能较好地预测上市公司的财务状况。

5 结论

上述检验结果表明基于主成分分析方法的财务危机预警模型能较好反映并预示上市公司的财务状况。主要基于以下几点：①通过配对t检验过滤掉不能反映上市公司财务状况好坏差异的财务指标，同时使公司高层可以集中精力放在主要而非全部的财务指标。②运用主成分分析的方法二次浓缩指标，使得模型在不失真的条件下能充分反映预警效果；同时浓缩的主成分能更好地解释上市公司财务状况好坏的原因。

但是，本文研究的结果还是存在不完善之处。如在进行样本配对时没有对资产规模的影响进行详细的分析；其次，模型只能简单判定是否将会有财务危机而无法辨别目前的隐患程度；再者，事实上t-3年公司即使利润不为负，也有可能存在某些隐患征兆，而我们只对t-2年进行判定检验而已。因此，本文的研究成果有待进一步深入发展。

参考文献：

[1]Fitzpatrick， P.J.， A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms[J]. Certified Public Accountant，1932：589-605.

[2]Edward I. Altman. ， Financial Ratios， Discriminated Analysis and The Prediction of Corporate Bankruptcy[J]. Journal of Finance，1968（23）：589-609.

[3]陈静.上市公司财务恶化预测的实证分析[J].会计研究，1999（4）.

[4]吴世农，卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究，2001（6）.

[5]张爱民，祝春山，许丹健.上市公司财务失败的主成分预测模型及其实证研究[J].金融研究，2001，3：10-25.

第13篇

随着我国证券市场的迅速发展，上市公司的数量逐渐增多，市场的规模也不断扩大，公司财务危机的影响力也越来越明显。因此，国内学者对于公司财务危机预警的研究也越来越多，然而学者们大多数只针对纯财务指标构建财务危机预警模型，却忽略了非财务信息的作用。很显然，单一的财务数据所能体现的信息还不够完整，很难反映公司的真实情况，难免会造成预警的偏差，而非财务信息能够对财务信息进行有效地补充，因此，引入非财务指标构建预警模型是非常有必要的。

二、基于引入非财务指标的预警模型构建

（一）样本选择 本文选取2010、2011年沪深两市A股首次被ST的上市公司作为目标样本，共计42家，其中被注册会计师出具无法表示意见或者否定意见的有2家；其他状况异常导致被ST的上市公司3家；无法找到同时期、同行业、同规模配对样本的上市公司5家，剔除由于以上原因导致被ST的上市公司之后，剩余32家上市公司作为本文的目标样本。此外，根据会计期间一致、行业相同、企业资产规模相似的配对样本选择标准，再根据1：1原则，从沪深股市选择配对样本A股上市公司32家，一共64家公司作为本文的研究样本。

（二）数据时间范围 根据我国对上市公司的特殊要求，上市公司上一个年度的年度报表于次年的4月30号之前对外公布，因此，上市公司是否被特殊处理，证券公司往往在5月和6月公布。本文沿用前人的研究思路，把上市公司被特殊处理的年份假定为T年，按照财务危机理论，该上市公司T-1、T-2年度的审计计算结果中“净利润”为负，公司出现财务危机的特征已经非常明显，研究意义不大；此外，早在2002年就有学者研究发现，在T-4年度，财务危机企业与正常企业之间不存在显著性差异。因此，本文选用最有效的预测年度T-3年度数据，力求准确地预测企业未来的健康状况，为企业的进一步发展和吸收社会投资提供重要的依据。

（三）指标体系建立 具体如下：

（1）财务指标。根据信息的完整性原则，结合我国上市公司的财务危机特征，本研究初步选择偿债能力、营运能力、盈利能力、获现能力和发展能力5个方面的24个财务指标。其中偿债能力包括：流动比率X1、速动比率X2、现金流量比率X3、资产负债率X4、产权比率X5、利息保障倍数X6；营运能力包括：存货周转率X7、应收账款周转率X8、流动资产周转率X9、固定资产周转率X10、总资产周转率X11；盈利能力包括：销售净利率X12、主营业务毛利率X13、主营业务净利率X14、成本费用利润率X15、净资产收益率X16、总资产收益率X17；获现能力包括：经营活动现金流入流出比率X18、经营活动现金净流量增长率X19、每股经营活动净现金流量X20；发展能力包括：主营业务收入增长率X21、营业利润增长率X22、净资产增长率X23、总资产增长率X24。

（2）非财务指标。根据信息的重要性原则，本文初步选择股权结构、管理结构、重大事项、人力资本和其他指标5个方面的12个非财务指标。其中股权结构包括：第一大股东持股比例K1（第一大股东持股数量/股份总数）、前五大股东持股比例和K2（前五大股东持股数量/股份总数）；管理结构包括：董事长和总经理双职合一K3（虚拟变量，双职合一，为0；否则为1）、管理费用率K4（管理费/销售收入）；重大事项包括：无重大仲裁K5（虚拟变量，有为0；否则为1）、关联方交易情况K6（虚拟变量，有为0；否则为1）、会计师事务所变更K7（虚拟变量，有为0；否则为1）、担保率K8（担保总额/公司净资产）；人力资本包括：总经理素质K9（虚拟变量，大学本科或本科毕业学历为1；否则为0）、员工素质K10（大专以上学历人数/职工人数总和）；其他指标包括：地区生产总值K11（虚拟变量，处在国内生产总值前十城市为1；否则为0）、省会城市K12（虚拟变量，处在省会城市为1；否则为0）。

二、实证研究

（一）正态性检验 一个有效的预警模型，指标体系需要满足显著性条件，这样才能对模型产生显著性地影响。T检验以及非参数检验是检验样本是否符合显著性的统计量， 为了满足这两种统计量的检验条件，必须确定哪些指标总体满足正态性分布。本文统一整理36个预警指标，利用K-S检验进行正态性检验，其中有现金流动比率、资产负债率、固定资产周转率、总资产周转率、净资产收益率、总资产收益率、每股经营活动净现金流量、主营业务收入增长率、第一大股东持股比例、前五大股东持股比例和、员工素质11个样本指标通过了正态性检验，符合正态分布；剩余的25个样本指标总体不符合正态性分布。

（二）显著性检验 具体有：

（1）T检验。对11个服从正态性的预警指标利用两独立样本的T检验做显著性检验，其中有现金流量比率、固定资产周转率、每股经营活动净现金流量、主营业务收入增长率、员工素质这5个样本指标没有通过显著性水平，指标没有显著性差异。而资产负债率、总资产周转率、净资产收益率、总资产收益率、第一大股东持股比例、前五大股东持股比例和这6个样本指标通过了显著性检验，指标具有显著性差异。

（2）非参数检验。25个总体不服从正态性分布的预警指标利用两独立样本的非参数检验做显著性检验，其中有7个预警指标存货周转率、经营活动现金流入流出比率、经营活动现金净流量增长率、董事长和总经理双职合一、管理费用率、会计师事务所变更、地区生产总值没有通过显著性检验；剩余的18个样本指标通过了显著性检验。

综合以上的分析，在T检验的11个样本指标当中，有6个指标通过了显著性检验，在非参数检验的25个样本指标中有18个通过了显著性检验，合计24个（财务指标17个，非财务指标7个）预警指标将成为本文的最终指标体系，其余不具有显著性的指标则予以剔除。

综合两个预测结果得知，相对于财务指标的预警模型，利用综合指标进行财务预警使ST公司的判断正确率提高了9.4%，正常公司的判断正确率提高了6.3%，综合提高了7.8%。实证结果充分证实了在对财务危机预警模型研究过程当中引入非财务信息变量，可以提高模型预测能力，有效地降低误判成本。

三、结论

本文在引入非财务指标的前提下构建财务危机预警模型，是在预警方面一种新的尝试，能有效地提升模型的预测性。然而由于多方面的制约条件，本文在研究中还存在着一些缺点和不足之处，对后续研究有如下建议：

一是在数据方面，由于难以获取相关数据，本文只针对上市公司作为样本进行模型构建，由于公司规模、管理机制等不同，上市公司预警模型能否运用于中小企业、民营企业等还有待证实；另外，本文的数据基本上来自于上市公司的年报，较为单一，且一些上市公司可能存在隐瞒或者修改信息的情况，而这些信息可能会影响预测结果。

二是在模型构建方面，不管是24个财务指标还是加上12个非财务指标构建财务预警模型，都难以反映公司的整体状况，是否是这些指标最能体现预警模型的预测性，还有待研究证实。本文针对2010年、2011年的ST公司研究有84.38%是制造业，一共也只涉及5个行业，行业过于集中，行业间的差异性可能对于判别结果有一定的影响，所以所构建的模型不一定具有普遍性。

虽然财务危机预警还缺失相应的理论基础，模型上也没有相应的定论，但其已经被公司管理者以及投资者广泛应用于经济生活中的投资与决策。因此，财务危机预警模型得到了学术界以及实务界的重视，而财务指标与非财务信息的结合构建财务危机预警模型作为一种新的思想将具有广阔的发展前景。

参考文献：

[1]吴星泽：《 财务危机预警研究：存在问题与框架重构》，《会计研究》2011年第2期。

[2]陈静：《上市公司财务恶化预测的实证研究》，《会计研究》

1999年第4期。

[3]彭韶兵、邢精平：《公司财务危机论》，清华大学出版社2005年版。

第14篇

关键词：财务危机；警度；排警措施

中图分类号：F23 文献标识码：A

收录日期：2011年10月15日

财务管理是企业管理活动的基础，企业的一切生产经营活动最终都要反映到财务上来。因此，研究财务危机，研究如何从企业财务状况上探寻蛛丝马迹，防范财务风险，借以提高企业对财务危机的事前、事中及事后管理水平以及应急决策水平，为企业的生存和长远发展保驾护航，是摆在我们面前的一个十分紧迫的问题。我们采用财务危机预警体系对企业的财务危机进行预报，但是预报并不是管理者的目的，怎样解除财务危机才是管理者关注的重点，本文笔者重点讲述企业财务危机的警度分析与排警措施。企业出现财务危机是个渐进的过程，我们可以把这个逐步显现的过程主观地划分为几个阶段，即我们说的警度分析。企业只有知道自己处在财务危机中哪一阶段，才能根据该阶段的特点选择合适的排警措施。

一、财务危机的潜伏期

（一）财务危机潜伏期企业情况介绍。财务危机的潜伏时期，企业处在一个复杂多变的环境之中，公司的市场繁盛程度、产品的市场占有率、关联企业的财务状况、竞争对手的价格策略、金融市场的波动、利率和外汇市场的变化等等，都会对企业的财务状况、筹资能力、资金调度能力和偿债能力等产生巨大的影响。

（二）财务危机潜伏期应关注的警兆

1、行业竞争风险。行业竞争风险包括以下几个方面：一是行业的竞争类型。从竞争的强弱程度来看，行业的竞争类型可划分为完全竞争型行业、不完全竞争型行业、寡头垄断行业、完全垄断行业四种。从完全竞争行业到完全垄断行业，竞争程度依次递减，财务风险的程度也依次递减，即竞争性越弱，财务风险越小，反之亦然；二是行业受生命周期变动的影响程度。一个行业的生命周期分为四个阶段：初创期、成长期、成熟期、衰退期。面对行业生命周期，企业的财务风险按从小到大的顺序依次排序为：初创期、成长期、成熟期、衰退期；三是行业的产品是否符合国家的产业政策。符合国家产业政策的风险小，属于国家调整产业政策的风险稍大，属于国家抑制的产业风险最大。

2、市场竞争风险。市场竞争主要涉及两个方面：一是市场竞争引起产品售价变动；产品的市场售价与上期对比，大于或等于上期，则为无警区域，小于上期的则为有警区域，根据小于比例的递增可以划分为轻警区域、中警区域、重警区域和巨警区域；二是主要原料短缺引起材料进价上涨。主要原料进价或材料采购总平均进价与上期对比，小于或等于上期，则为无警区域，大于上期平均进价的则为有警区域，根据大于比例的递增也可以定义为轻警区域、中警区域、重警区域和巨警区域。

3、经营控制风险。经营控制风险，涉及以下几个具体化的分析监测内容：

（1）职责划分。职责划分的目标为：保障企业资产的安全，监测交易的真实可靠性。一个企业有很多业务，也有很多部门，各部门应列出详细职责划分表，这样做一方面使各种业务的职责划分既不重复也不遗漏；另一方面若经营业务控制出现问题，可以做到责任追踪。

（2）授权规定。涉及经营业务的货币收支时，应采用授权形式办理。对授权的范围、内容、金额、时间等应给予明确的规定。这样既可以避免越权行为的发生，又能防止出现问题后部门之间出现“踢皮球”的现象。

（3）复核责任。复核是企业内部控制的重要内容，一个企业没有正常的复核机制，各项制度就无人执行；一项业务没有复核，就可能产生错弊。

4、投资控制风险。从投资的内部控制角度分析，主要的监测内容为：投资方向是否受到国家政策的鼓励；投资项目是否得到国家或地区优惠政策的支持；投资对企业未来核心竞争能力的影响。

5、筹资控制风险。潜伏期的筹资控制风险具有明显的行业特征和时间特征。一般而言，该行业的平均资产收益率高于同一时期的债务资金成本率，则意味着无警；反之，则意味着有警情出现。从筹资的内部控制角度分析，主要监测的内容为：各种筹资方案是否进行了可行性分析；是否真正考虑了融资顺序。

（三）财务危机潜伏期的警兆指标及评分标准。美国的仁翰・阿吉蒂调查了可能导致破产的公司缺陷，按照缺陷的征兆进行对比打分，人们称之为管理评分法。根据管理评分法和“潜伏期”财务风险的警兆，设计表1。（表1）

按管理评分法，对财务危机“潜伏期”的警兆表现评分，每一项只能按得分栏的指定栏次得到唯一的得分。分数越高，企业的财务风险越大。最低总得分为0，最高得分为30分。

一般而言，根据企业的实际得分可按表2判断其警度等级。（表2）

（四）财务危机潜伏期的排警措施。针对财务危机潜伏期的特点，企业可采取以下措施排警：

1、开拓新的市场。丧失市场使企业财务出现风险、出现危机，因此扭转财务的不利局面应从开拓竞争性市场开始。

2、寻找涨价原料的替代品。开展产品的功能成本分析，寻找供应紧张的主要原料的替代品，如开发新能源等，降低成本，为企业生存带来一线生机。

3、消减和压缩资本性支出。即延缓非生产性支出，在降低生产经营成本的同时，压缩日常经费开支，推迟和延缓固定资产建造及改造项目。

二、财务危机的爆发期

（一）财务危机发作期企业情况介绍。从逻辑关系来看，“潜伏期”的财务危机警兆表现为外部环境变化与内部控制失控，这种警兆表现不能得到有效控制，就会发展成“爆发期”财务风险的警兆。也就是说，“爆发期”的警兆表现是“潜伏期”的风险进一步发展的结果。

（二）财务危机“爆发期”的警兆。主要包括财务警兆、业务警兆和或有事项警兆。

1、财务警兆。主要有：（1）资不抵债。出现这种情况，意味着企业事实上面临着被清算偿债或进行重组的威胁；（2）经营活动现金净流量出现负数。这是财务危机“爆发期”的主要征兆之一，表明企业获利能力的原动力已出现故障；（3）过度依赖借款。这类企业极易出现筹资受阻，进而周转不灵，难以偿还到期债务或生产经营难以为继；（4）存在大额的逾期未付利润。这是偿付能力出现问题，财务危机出现的重要警兆；（5）无法履行借款合同中的有关条款，包括不能及时足额还款，未能按约定支付企业债券或借款的利息等。

2、业务警兆。主要有：（1）主导产品属于夕阳产品，表明企业的产品要么不符合国家产业政策，要么是被市场所淘汰的旧工艺。出现这种情况，有可能导致该企业被迫做产业结构调整或被迫关停并转；（2）已失去主要市场、特许权或主要供应商；（3）人力资源短缺，表明企业经营业务不景气，人才大量流失；（4）财务人员变动频繁。财务工作是一个连续性很强的工作，人员的频繁变动一方面很有可能会把公司账务搞得一团糟，另一方面也说明了该公司的管理风格有问题，同时，这也是一个公司营运不畅的征兆。

3、或有事项警兆。主要有：

（1）贴现。商业票据背书、转让或贴现是最大可能出现的或有负债项目。

（2）担保。根据应负连带责任，因此，它属于一种危险性很大的或有事项。

（3）抵押借款。如果未能按期还款就会面临很大的财务危机。

（4）未决诉讼。未决诉讼的存在使企业资产或经营效果具有很大的不确定性。

（三）财务危机爆发期的警兆指标及评判标准。表3中所列任何一项警兆表现出现，都表明企业存在着警情，所以，存在警情就划√，不存在就划×，根据出现√的数量来判断企业的财务危机警度。（表3、表4）

（四）财务危机爆发期的排警措施

1、寻找新的抵押和担保贷款。通过资产的抵押和质押，或寻找相应的担保，千方百计取得经营资金。

2、寻求并获得新的投资。包括所有者追加投资或增资扩股，获取新的投资等方式，以形成大额的现金流入，缓解资金紧张的状况。

3、实施资产重组。通过资产重组，优化资产配置，提高资产运营效率，改善企业运营不利的局面。

4、售后回租资产。采取这种措施能缓解短期内资金紧张的状况，同时满足生产、经营需要。如，将办公用房、交通工具等出售，然后再向买方租回，因租金远远小于其售价款，因而能起到缓解资金紧张局面的作用。

三、财务危机的恶化期

（一）财务危机恶化期企业情况介绍。财务危机的恶化期，财务危机已经存在，如果不能及时控制或有效化解，企业将面临破产的境地。为了化解危机，公司管理层就要迅速分析财务危机产生的原因，及时采取有效的管理措施，以恢复公司正常经营。

（二）财务危机恶化期的警兆。表现如下：1、主要财务指标显示财务状况恶化，如资产负债率急剧上升，大大超过警戒值100%，每股收益为负数，净资产收益率为负数等等；2、无法偿还到期债务，即无法偿还即将到期且难以展期的借款；3、关键管理人员离职且无人替代；4、异常原因导致非季节性停工、停产。

（三）财务危机恶化期的警度分析。当第1项和第2项同时出现，第3项和第4项未出现时，表明企业已经出现了财务风险；在第1项、第2项已经出现的基础上，第3项、第4项任何一项出现，将表明企业的财务风险已经转变为财务危机。同时表明，企业已面临倒闭，若不采取强制性排警措施，不到一个营业周期，将出现破产。

（四）财务危机恶化期的排警措施

首先，制订短期行动方案。其要点为降低现金需求与极大化资金来源，例如处分不良债权与加速回收应收账款；处分存货，包括制成品与原料、零部件；处分闲置资产，出租或出售无用的资产；收回对外投资等。

其次，寻求过渡时期的资产支援。分析问题之所在，主动说明目前的问题以及将如何解决，征得债权人、供应商、股东等的支持，共渡难关。同时，可以处置资产或进行债务重组。

最后，拟定重整方案及实施时间表。重新检讨其企业的策略方案与目标，吸取教训，制定重整方案。其做法为：调整组织结构；更换负责人；更换高级领导团队；创建企业文化；实施员工激励计划；改善生产程序；改善行销方式等。

本文在总结了国内外有关财务危机预警体系的基础上，按照财务危机发生的程度将其分期，并介绍了每一时期财务危机的警兆及其评分标准，使企业可以方便地判断出目前企业发生的财务危机处在何种时期，以便其采取相应的排警措施。当然对于企业来说，排警只是措施，在未来的生产经营活动中还是要防患于未然，将财务危机抹杀在潜伏期，这样才能更好地在市场大环境中发展。

主要参考文献：

[1]韩庆兰，吴长强.刍探财务预警系统[J].财会月刊，2001.4.

[2]吴世农，卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究，2001.6.

[3]黄世忠.财务报表分析：理论・框架・方法与案例.中国财经出版社，2007.2.

[4]佘丛国，席酉民.我国企业预警研究理论综述[J].预测，2003.2.

[5]吴晓梅.财务预警系统的功能及其建设[J].计划与市场，2002.6.

[6]张霄雯,韩晓舟.上市公司财务信息披露若干问题分析[J].沈阳工业大学学报，2000.1.

[7]龚巧莉.建立财务预警系统，防范企业风险[J].新疆农垦经济，2002.4.

第15篇

[关键词]财务风险；预警；指标

[DOI]10.13939/ki.zgsc.2015.15.205

1 引 言

2008年的世界金融危机突袭全球，对世界各国经济造成严重影响，世界经济金融局势复杂多变，不稳定不确定因素明显增多。许小年在2013年中国金融政策研讨会中指出：金融危机以来中国财务体系发展在倒退。同时，事业单位体制改革也不断深入，对于转型期的事业单位来说财务风险的把控直接影响到单位的生存状况。因此，及时把控财务风险，建立财务风险衡量指标，及早发现财务不稳定因素，从源头杜绝财务风险隐患，尽量减少财务风险扩大成为我国事业单位财务管理工作内容的改革方向。2014年12月全国财政工作会议强调要提高事业单位资金使用效率、加强监督检查、优化资金结构，积极推进当前财务改革发展要求，改善事业单位财务风险控制管理，提高财务风险的预警和把控能力。由此可见，财务风险预警系统的构建是我国财务工作的重要环节，但是目前，我国事业单位系统中尚没有完善的财务风险预警系统来把控财务风险，因此，本文将为事业单位的财务风险系统构建提供参考性研究。

2 财务风险预警系统的构建原则

2.1 先兆性原则

财务风险预警系统的建立必须对单位的财务状况有重点把控、预测未来的作用。财务风险衡量指标根据单位过去成果表现以及当下财务报表的数据整理情况，对收集的数据根据分析需要进行准确筛选，从众多的数据中准确把握能灵敏、直观地反映单位财务状况的指标，方便单位管理者了解单位的运行现状，并对单位未来可能出现的财务状况有心理预期。

2.2 科学性原则

事业单位的财务风险预警系统必须遵循科学性的原则，即风险预警系统指标选取、监测时间段设定、监测方法以及通过何种方式呈现出来整个系统过程都必须遵循科学性原则。财务风险指标选取的科学性指选取指标能反映单位内部财务数据之间的相关性，并且能真实反映单位内部生产经营业绩和财务活动存在的潜在危机；监测时间段科学性表现在财务风险预警系统必须根据单位的生产经营业绩和同行业单位的市场整体情况，定期地进行风险监控，若出现经济指标异常，风险预警系统需要调整预警时间段，及时反映单位经营动态和市场行情。预警方法合理科学指整个风险预警过程应该同时采用定量和定性的切实可行的分析方法，预警程序同单位的大小、规模相匹配，另外保持低成本预警支出也是预警合理原则必不可少的。

2.3 系统性原则

财务风险预警系统需要将单位作为整体考虑，从选取预警指标开始，全面整体的考虑单位在整个财务风险过程中可能面临的考核。运用财务信息的网络化趋势，从点、线、面一步步跟踪单位财务风险的变化，同时将市场环境、财政政策、利率、汇率等其他外部因素综合考虑起来分析财务风险发生的原因。系统化的财务风险预警体系还可以从动态角度根据单位过去的经济动态预测未来的发展趋势，敏锐、准确地反映单位未来的财务状况，对单位进行完整、全面的财务预警风险预测，通过监测指标对单位的真实财务状况给出系统的反应。

2.4 实用性原则

财务预警系统在实际操作过程中必须秉承着简单、实用、好用的特征，财务风险预警系统在设计上把单位管理需求作为第一要素考虑，将系统构建始终与实际业务需求紧密连接在一起，根据单位业务内容的变更，及时调整单位在财务风险预警系统的设计，保持系统建设良好的连贯性。只有预警系统具有可实际操作的价值并且便捷地反映单位财务情况，才能在单位里被广泛使用，达到实时监控的目的。

3 经营性事业单位财务预警系统构建

事业单位以社会服务为根本宗旨，并不追求高利润回报，因此事业单位的财务预警系统主要保障单位的收支平衡，防止盲目扩张以及过分投资。由于事业单位缺乏财务风险的敏感性，收集的2009―2013年财务报表框架简单，主要通过流动比率、速动比率、资产负债比率、净资产收益率、总资产报酬率、成本费用利润率、销售净利率、存货周转率、流动资产周转率、净利润增长率、主营业务收入增长率、现金净流量、债务保障率、现金再投资比率等考察事业单位财务风险预警能力。

注：流动比率=流动资产/流动负债；速动比率=（流动资产-存货）/流动负债；资产负债比率=经营现金流量/流动负债；

净资产收益率=净利润/平均资产总额； 总资产报酬率=总收益/总资产；成本费用利润率=净利润/成本费用；销售净利率=净利润/销售收入

存货周转率=销售成本/平均存货；流动资产周转率=流动资产/平均总资产；

总资产增长率； 净利润增长率=（本期净利润-上期净利润）/上期净利润；主营业务收入增长率=（本期主营业务收入-上期主营业务收入）/上期主营业务收入

现金净流量=现金或现金等价物的流入（收入）-流出（支出）/现金总量；债务保障率=现金流量/债务总额；现金再投资比率=经营现金流量/资本性支出

对经营性事业单位进行财务风险评价，可采取以下步骤：

（1）选取评价财务风险的基本模块及基本模块下的评价指标

（2）根据会计法则或评价指标对企业重要性的估计，两两比较各指标的相对重要性

（3）根据层次分析法（AHP）确定各项指标的权重。层次分析法（AHP）是根据美国匹兹堡大学教授T.L.Saaty 在20世纪70年代提出来的一种指标权重赋值法，其核心是对决策行为、方案和决策对象进行评价和选择，并对它们进行优劣排序，从而为决策者提供定量的决策依据。通过这种方法可以构建有序的递阶指标系统，通过德尔菲法、两两指标对比分析等主管评价各个指标重要程度。然后通过对各个评判结果将数据进行一致性处理，根据各指标的大小重要程度给予指标权重系数。本文的具体操作为：①将财务风险评定指标划分为几个模块，即判断矩阵。②计算每个矩阵每一行元素的乘积的N次方根，再对向量方根进行归一化处理即为指标的权重系数。

4 实例分析

为了集中反映该经营性事业单位五年内的生产经营状况，选取了2009―2013年单位的财务报表，并对相关指标给予了权重、归一化处理，通过十二个指标综合反映了其财务风险预警系统。

5 经营性事业单位财务风险因素分析

（1）偿债能力

从各指标的实际值来看，流动比率大于临界值，速动比率和资产负债比率低于临界值，说明此单位在偿债能力方面减少了负债积累，同时扩大了资本盈利能力的可能。从偿债能力的财务预警综合指数来看，单位在2009年有面临财务风险的情况，但是该单位在业务、管理手段方面给予调整，2010年和2011年摆脱财务风险的笼罩，但是2012年又出现财务风险状况，2013年出现财务风险重警预报。这说明2009年单位的财务风险根本问题并没有解决，只是暂时出现的风险消除假象，因此该单位应该在偿债能力方面引起重视。

（2）获利能力

获利能力的各项指标到2013年有明显提升，并且各项指标均高于临界值，说明单位在净资产、总资产、销售收入等方面均有提高。从偿债能力的财务预警综合指数来看，2009―2011年单位正在经历轻微的财务风险，但从2012年以来，单位从降低成本费用，增加总资产、销售收入等手段帮助单位摆脱财务风险，到2013年财务风险有所缓解。

（3）管理能力

单位固定资产周转率在2009年达到临界值，但是2010―2012年低于临界值，2013年恢复临界值水平；流动资产率随着企业的发展始终保持上升趋势，2013年大于临界值。2011年单位出现较严重财务风险预报，这时的财务风险已经比较严重了，单位进行了固定资产、流动资产周转率的调整。2012年、2013年单位完全摆脱财务风险预警危机，经济运行良好，同时也说明单位的管理能力较强。

（4）发展潜力

单位发展潜力各个指标的实际值随着单位的发展逐步好转，2012年与临界值基本持平，到2013年已经高于临界值水平。财务综合预警指数说明企业在2009年、2010年处于较严重财务预警报告中，有向更严重发展的趋势。2011年出现严重的财务风险警告，单位采取了提升总资产增长率、净利润增长率、主营业务增长率等方式扭转财务风险危机，2012年和2013年摆脱财务危机问题。通过对主营业务、总资产和净利润占比的调整，单位从财务风险危机预警中恢复得很快，说明单位的发展潜力巨大。

（5）现金流量

单位的现金流量各项指标都比较正常，2009―2013年每年的指标都有所提高并且逐渐趋于临界值，到2013年单位的现金流量比、债务保障比、再投资比率都超越了临界值。从财务预警综合指数来看，单位在近5年并没有重大的财务危机，2009年、2010年单位财务处于轻微财务风险预告，经过一些调整，从2011年起单位就摆脱了财务风险预警，一直处于良好状态。

从整体来看，2009年企业偿债能力（-0.25）、获利能力（-0.19）、管理能力（-0.25）、发展潜力（-0.14）、现金流量（-0.39）整体处于财务风险预警情况，2010年仍处于此状态，仅有偿债能力（0.04）这一项表示单位风险预警程度低，说明单位的财务风险并没有消除，需要进一步调整。2011年单位的财务风险不但没有减少，反而更加严重，单位管理能力（-2.83）和发展潜力（-2.53）的财务预警综合指数较高，但是现金流量（0.05）恢复良性状态，说明单位的管理方针出现错误并影响到了单位的进一步发展，但是通过现金流量的调整可以帮助单位摆脱财务风险危机。单位通过改进生产技术、扩大销售范围、收短收款期限、减少债务累积等方式帮助单位从严重财务风险中恢复过来，2012年企业管理能力（3.92）、发展潜力（4.33）两项财务指标恢复正常，现金流量（0.07）为轻警，偿债能力（-0.78）、获利能力（-0.54）两项变轻微。2013年单位的后四项财务综合预警情况良好，仅有偿债能力指标较高（-1.12），表明单位的财务状况在债务管理上仍有缺陷，需要通过减少借款额、减少债务占比、加快资金流转等方式进行债务管理调整。

参考文献：

[1]许小年.从来就没有救世主[M].上海：上海三联书店，2011.

[2]赵静，但琦.数学建模与数学实验.[M].北京：高等教育出版社，2008.

[3]陈静.上市公司财务恶化预测的实证分析[J].会计研究，1994（4）：31-38.