财务危机预警研究十篇

财务危机预警研究篇1

一、企业财务危机预警概述

1.财务危机的定义及危害

财务危机是指企业在日常经营活动中不能产生充足的现金流量来满足资本所有者的要求（包括债权人的偿还要求和投资者的报酬要求），而引起的财务紧张和财务困难。并且财务危机会引发各种不良影响，诸如企业亏损、经营利润下降、重要合同违约、股价暴跌，甚至会面临破产清算。

企业为了获得长远发展，防止财务危机带来的上述危害，关键在于制定财务危机预警措施。为此，我们需要用定量的方法客观清晰地度量财务危机。

2.财务危机预警定量研究的方法

定量模型分析主要是指通过计算具体的财务指标来构造企业财务危机的预警模型，在实际应用中具有很高的参考价值。本文主要选取单变量模型和Z变量模型两种定量分析方法及其应用分别进行详细阐述。

二、预警模型理论分析

1.单变量预警模型理论分析

单变量模型预警是指采用单个特定财务指标对企业出现财务危机的可能性进行预测，从而达到预警的目的。美国学者比弗（1966）在其“Financial ratios and failure prediction”一文中，为了探究对企业财务危机的预警，他利用单个特定的财务比率，采取对样本企业进行配?Φ姆绞健＝岷厦拦?当时79家处于危机中的企业进行研究，发现债务保障率（现金流量/债务总额）、资产收益率（净收益/资产总额）、资产负债率（负债总额/资产总额）等指标能够很好的预测公司的经营状况，由此拉开单变量模型预测企业财务危机的序幕。

但是，随着时代的进步、经济的发展，1964年的单变量模型难以有效预测当今时代的企业所面临的财务危机。因此，单变量预警模型经过不断地完善后，现在主要分为以下八种指标：

2.Z变量预警模型理论分析

Z变量模型由五个指标作基准变量，乘以固定的系数并相加得出Z值，充分考虑了企业在经营过程中可能出现的各种危机信号。

通过计算，观察企业近几年Z值大小，与上述表格中已知的判断标准作比较，从而判断企业是否出现财务危机，出现财务危机的可能性有多大。

三、财务危机预警模型的应用--*ST博元投资公司财务危机预警分析

本文以上海证券交易所挂牌上市交易的“*ST博元”这家公司为例来进行实证分析，分析财务危机预警模型在中国企业之应用的可能性。

1.研究对象的选择依据

珠海市博元投资股份有限公司是我国有名的“老八股”之一。上市几年后，业绩逐年下滑，公司股权几经易手。最终于2016年3月29日进入退市整理期。选择“*ST博元”公司，主要出于三个方面的考虑：一是因为博元公司出现财务危机的情况比较典型，代表了我国发生财务危机的企业的普遍现象；二是因为它是上市公司，资料比较容易搜集；三是因为研究“*ST博元”公司的财务信息，不但可以验证财务预警模型的有效性及其利弊，还可以验证目前在中国特色社会主义市场经济的大背景下，什么样的预警方法效果更好。

2.单变量预警模型应用分析

根据上市公司数据，本文收集到2012-2014年财务数据，并从现金状况、短期偿债能力、长期偿债能力和周转状况四个方面中八个财务比率对*ST博元公司的财务危机进行单变量模型预警。具体情况如下（表2）：

单变量模型分析表明，*ST博元2012年到2014年期间，现金状况预警指标中，只有经营现金比率和2013年的现金比率在合理范围内，但是在2012年和2014年现金比率远小于警戒值，说明*ST博元企业的现金流量缺乏，很容易产生债务危机，必须得到极大的重视。该公司三年期间的流动比率均小于警戒值，且企业的速动比率呈现逐年递减的趋势，尤其是2014年严重低于警戒值，很有可能面临破产的危险。资产负债率同样如此，均超过警戒值60%，资本结构不合理。已获利息倍数均小于警戒值1，说明企业的获利能力若不足以弥补债务利息，极容易出现财务危机。存货周转率和应收账款周转率均小于行业平均水平。综上，预警指标显示*ST博元极可能面临严重财务危机。在2016年3月末，*ST博元成为首个因信息披露违法被终止上市的企业，也恰好印证了该企业发生财务危机的可能。

3.Z变量预警模型应用分析

对*ST博元的财务状况，运用Z变量预警模型进行分析，具体结果如下表所示（表3）：

由上述表中数据，我们可以看出博元公司2012年～2014年连续三年的Z值分别为-1.5141，-1.0675，-14.196，远远小于Z变量模型的警戒值1.81，而且出现负数的情况，表明企业很可能出现财务危机。判断结果与*ST博元公司的实际情况吻合，预警正确。这说明Z变量预警模型拥有较广的适应范围，完全可以对我国上市公司进行财务危机预警。同时，表3-2的数据也体现博元公司经营状况恶化严重，很容易会出现财务危机，面临破产。由此可以看出判别结果的准确性。

四、单变量预警模型与Z变量预警模型分析比较

通?^对两种财务危机预警模型的理论知识和应用进行较为详细的叙述，得出他们的共同点是：单变量模型与Z变量模型都是在财务报表数据的基础上进行计算，都能较为准确地对企业财务危机进行预警。

那么，他们之间的优劣如何，哪一种更适应中国企业呢，下文进行了详细阐述。

1.单变量预警模型与Z变量预警模型的理论比较

（1）单变量预警模型的优、缺点

优点：单变量预警模型的分析方法简明单一，各种数据可以直接从财务报表中获得，有利于信息使用者的理解和使用。

缺点：各类预警指标的计算较为繁杂。并且，不同财务比率预测出的数据可能会出现不同的判断结果，产生矛盾，不利于企业经营管理者做出最恰当的判断。

（2）Z变量预警模型的优、缺点

优点：计算简便，易于理解，判断结果明确，不会出现单变量预警模型中判断结果矛盾的情况，且准确率高。因此，目前已广泛应用在国外许多诸多类型的企业，如银行、证券机构、制造企业等。

缺点：众所周知，现金流量是预测企业财务危机的有效指标，但是在Z计分模型中却并未使用该变量，存在一定的局限性。

2.单变量预警模型与Z变量预警模型的应用比较

财务危机预警研究篇2

摘 要 随着我国市场经济体制改革的深化和资本市场的快速发展,企业在获得机会的同时,也面临着无尽的风险。公司陷入财务危机不仅危及其自身的生存和发展,也给投资者、债权人等利益相关者带来巨大的损失,为了避免企业陷入财务危机,建立企业财务危机动态预警系统,对其进行研究不仅具有较高的学术价值,而且具有现实意义。本文首先对财务危机预警进行了界定,然后综合介绍了国内外研究情况,在此基础上对其进行了评析和建议。

关键词 财务危机 预警模型 上市公司

2006年,随着我国股权分置改革基本完成,证券市场步入健康、快速、有序的发展阶段。截止2007年底,深沪两地上市公司市值达到32万亿元人民币,占GDP比重将近130%,资本市场呈现出良好的发展势头。但是,随着我国改革开放的不断深化,市场竞争日益激烈,各种各样的风险与危机不断涌现,企业财务状况由正常逐步恶化,无法按期偿债甚至破产的例子屡见不鲜,使得投资者、债权人、经营者等多方利益人遭受巨大损失。企业产生财务危机的原因是多方面的,并且它的发生是一个逐步显见、不断恶化的过程,因此,我们要防微杜渐,在财务系统的正常运作中,就要对企业的财务运营过程进行跟踪、监控,及早发出预警信号,将企业面临的潜在风险告知经营者,从而使其早做准备或采取对策,以避免或减弱对企业的破坏。

一、财务危机预警界定

对于财务危机预警不同的人有不同的理解。财务危机预警是以企业信息化为基础,对企业在经营管理活动中的潜在财务危机风险进行监测、诊断与报警的一种技术。它贯穿于企业经营活动的全过程,以企业的财务报表、经营计划及其他相关的财务资料为依据,利用会计、金融、企业管理、市场营销等理论,采用比率分析、数学模型等方法,发现企业存在的风险,并向利益相关者发出警示,以便采取相应对策的管理方法,避免潜在的风险演变成现实的损失,起到未雨绸缪的作用。有关经济学家称财务危机预警为“触按经济脉络的手指”。

构建一个有效适用的财务危机预警系统,对财务运营做出预报,无论从哪个立场分析都是十分必要的,可以说财务危机预警涵盖了财务管理的一系列环节,它具有以下功能:信息收集功能、监测功能、预报功能、诊断功能、治疗功能、辅助决策功能、健身功能。总之,企业财务危机预警是企业预警系统的一部分,它除了能预先告知经营者、投资者有关企业组织内部财务营运体系隐藏的问题之外,还能清晰地告知企业经营者应朝哪一个方向努力来有效地解决问题,使企业的资源得到充分利用,创造最大效益。

二、财务预警模型国内外相关研究

国外学者对财务预警研究较早,并由起初的财务定性研究转向定量与定性相结合,形成了单变量模型、多变量模型、Logit预警模型、非统计模式预警模型等。

在单变量模型中,Fitz Patrick(1932)最早利用其进行了破产研究,他以19家样本公司进行了单变量破产预测,研究发现净利润/股东权益和股东权益/负债两个财务指标的判别预测能力较高。单变量预测分析在上世纪六十年代得到了广泛的应用,而其中影响最为深远的是Beaver(1966)提出的单变量判定模型。我国对单变量模型研究不多,其中影响较大的为陈静(1999)的研究。吴世农、卢贤义(2001)也进行了单变量分析。薛亚飞(2006)用单变量建立逻辑回归模型进行财务危机预警,结果证明以净资产收益率为解释变量的模型具有最好的判别效果。总的来看该模型容易受所选指标的影响,分析方法较为简单,不能全面的分析企业的整体财务状况。

在多变量模型中,率先将多元线性判别方法引入财务预警领域的是美国学者Altman(1968)。他对1946―1965年期间提出破产申请的33家财务危机公司和同样数量的非财务危机公司为配对样本进行了研究,根据误判率最小的原则,确定了营运资产/资产总额、留存收益/资产总额、息税前利润/资产总额、权益市价/总负债账面价值和销售收入/资产总额5个比率作为判别变量,构建了Z计分模型,该研究对破产前一年的判断正确率达95%,前两年的判断正确率达72%,但对两年以上的预测能力不高,1977年该模型被进一步扩展,形成了预测精度更高的ZETA模型。后来,许多专家根据本国企业特点对其进行了更深入的研究,建立与本地资本市场相适应的多元判别模型。如我国学者周首华(1996)考虑了现金流指标,选用1977―1999年的62家公司,在Z分数模型的基础上进行改进,建立了F分数模型。该模型在衡量公司业绩时考虑了多项指标,在分析预测方面的效果也比较明显,但在自变量的选择方面,仍存在与正态分布假设不相符的问题。

在Logit预警模型中,Martin(1977)首次将逻辑回归分析法引入财务危机预警的研究,使模型不仅能就样本公司是否发生财务危机进行分类,还可以衡量发生财务危机的概率。Ohlson(1980)则运用多元逻辑回归方法建立了财务危机预警模型,并发现公司规模、资本结构、经营绩效及流动性对企业发生财务危机具有显著的预测能力。类似的研究还有Tirapat和Nittaygasetwat(1999),Matthieu Bussere和Marcel Fratzcher(2006)等,我国学者陈晓、陈治鸿(2000),姜天和韩立岩(2004)等也做了相关的研究,该模型被广泛的研究和验证,克服了单变量和多变量预警模型中自变量服从多元正态分布和两组间协方差相等假设的局限性。

除上述之外,Frydman(1985)引入了基子模式识别的计算机化非参数方法―递归划分算法进行财务分析,Fant和Coast(1993),王乐平(2007),吴铭峰(2006)等利用神经网络模型和多元判别模型建立财务预警模型。Theodossiou(1993)首次将累积和(以下简称CUSUM)模型应用于财务危机预警模型,采用多变量CUSUM和时间序列分析为架构,建立动态的财务危机预警模型。我国学者杨淑娥、徐伟刚(2003)等采用统计法中的主成分分析法,建立了上市公司财务预警模型――Y分数模型。

三、财务危机模型的评析与建议

从国内外财务危机预警模型的研究来看,从单变量到多变量,从财务指标到非财务指标,从定性到定量,从统计模型到非统计模型,从单一模型到混合模型,可以说,财务危机预警模型的研究在世界范围内受到广泛关注与重视。在过去的研究中,财务危机预警模型一般趋于静态,模型本身并没有随着企业内外环境的变化而进行调整,许多模型的数据来自于1-3年前,这与企业当前状况相差甚远,缺乏实践性、客观性、及时性和可操作性,现在的预警模型采用动态的研究方法,使得模型的时效性和全面性大大增强。但是我们仍需注意以下几点:1.模型假设条件的限制,财务预警模型的建立都是以一定的假设条件为前提的,如多变量模型假设自变量服从正态分布,协方差矩阵相等,独立变量之间线性互补等,而逻辑分析模型则不考虑变量的正态分布,但是会要求变量间要线性互补,很明显不同模型都有其所满足的条件,这对模型预测的准确度和精度都会产生直接影响。2.变量选择的限制。从当前的研究中,我们可以发现财务危机预警指标的选择大多偏重于财务指标,而对非财务指标选择较少,并且研究者在选择变量指标时也常受自身价值判断的影响,这在一定程度上会与实际情况不符,从而直接影响实证结果。3.样本选择的限制,不同模型对其样本选择都有其侧重点,不同国家、行业以及研究区间都会对其实使用性产生很大的影响,并且由于大多数据来源于财务报告,而财务报告信息披露不足以及虚假信息的存在使得这些数据的真实性、可靠性大打折扣,这样预测的准确度更是让人怀疑。因此,在研究财务预警模型时,我们应结合本国实际,增强模型的适应性,并随实际情况的变化不断完善、更新。同时,我们还应注意到财务预警模型的经济理论基础,财务指标与财务危机的关系仍是我们努力探寻的重点,这样才会使得指标选取更具有实用性、全面性。

参考文献:

财务危机预警研究篇3

【关键词】财务危机，财务预警，综述

国内外学者对于财务危机预警的研究已经将近80年，从Fitzpatrick（1932）最早发现出现财务危机的公司其财务比率显著不同于正常公司的财务比率起，到运用统计方法进行建模。随着计算机技术被运用到预警模型，大大提高了预测的准确度。

本文旨在对前人研究中，财务危机的概念界定、变量选择、样本选取、模型发展等环节中的成果进行综述，指出存在的一些问题，提出可能的发展趋势及未来研究思路。

一、概念界定

Beaver（1966）将财务危机定义为破产、拖欠优先股股息、银行透支和债券违约。Altman（1968）认为财务危机是“企业失败，包括在法律上的破产、被接管和重整等”。

朱家安、陈志斌（2007）对国内主要经管类学术刊物上有关财务危机预警的34篇文章进行了统计，将财务危机界定为“以财务状况异常被ST的公司”占35%，直接将财务危机界定为“被ST的公司”占44%，说明将ST界定为财务危机在在研究中已被广泛采用。

二、变量选择

（一）财务指标Fitzpatrick（1932）最早发现出现财务危机的公司其财务比率显著不同于正常公司的财务比率。Altman（1968）使用常规的财务指标，如负债比率、流动比率、净资产收益率和资产周转速度等，作为模型的变量。Aziz和Lawson（1989）发展了现金流量信息指标体系，发现含现金流量信息的模型预测效果更好。在朱家安、陈志斌（2007）的统计中，国内研究中指标选取多为利润指标，较少涉及现金流量指标。

（二）股权结构指标La Portaetal（1999）发现公司的股权集中程度越高，财务状况越容易出问题。Shleifer & Vishny（1986）、Faccio & Lang（2002）指出，所有权集中度的提高会降低企业发生财务危机的可能性。姜秀华和孙铮（2001）认为分散的股权结构使得股东之间的“搭便车”行为更容易导致企业出现财务危机。于富生和张敏（2008）则发现我国上市公司股权集中程度同公司财务危机之前有显著正相关关系。

（三）治理结构指标Shi jun Cheng（2008）指出，董事会规模同公司业绩呈负相关；Judge & Zeithaml（1992）发现，高比例的内部董事放松了对管理层的监督，从而有可能导致财务危机的发生；Bhagat & Black（2002）研究发现，公司的独立董事比例同公司业绩无显著相关性。孙永祥等（2000）以托宾Q值、总资产收益率和净资产收益率作为衡量公司业绩的指标，表明我国上市公司董事会规模同公司业绩之间具有负向关系；于富生和张敏（2008）发现，独立董事比例与公司财务风险之间存在显著负相关关系。

（四）管理层特征指标Whitaker（1999）认为，许多公司陷入财务危机更多的是源于其薄弱的管理而非经济上的困难。McConnell & Servaes（1990）研究了管理层激励对财务危机的影响，认为经理人员持股比例与公司表现呈波动性关系。Warfield（1995）的研究认为，公司管理层持有本公司股票越多，其与股东权益就越趋于一致，就会有较强的动机避免公司陷入财务危机。陈超（2002）的研究认为，我国上市公司高管持股比例同公司陷入财务危机的可能性负相关。

（五）其他指标除上述提及的非财务指标外，很多学者试图选取其他一些独立的非财务指标，如公司资产市场价值指标、股东大会股东出席率、股票换手率甚至地域指标等。但目前学术界对这些指标的预测效率并未取得一致性的看法，这些指标也未获得广泛使用。

随着经济一体化不断加快，企业间的竞争日趋激烈，人们也逐渐意识到在复杂环境下，仅靠财务指标难以较好地对财务危机进行预测，而加入资本市场可获取导致危机的动力性因素，势必大大增加模型的复杂程度，模型的精细化又势必导致适用度降低。

三、样本选取

很多实证研究中的样本选择是非随机的，导致模型估计出的系数和概率有偏。邓白氏报告显示，在美国，自1934年以来，企业倒闭频率从来没有超过0.75%。而在包括Beaver（1966）、Altman（1968）在内的多项研究中，其样本中财务危机企业数占总样本的50%，是总体频率的66.7倍。国内大部分研究也沿用一一配对的方式。陈晓（2000）、彭大庆（2006）采用非配对样本进行研究，模型的判别正确率分别为78.24%、62.9%，与其他配对抽样的研究结果相比，判别正确率偏低。由于市场体制的不完善，我国上市公司中盈余管理行为普遍存在。研究者应识别公司是否有盈余管理的嫌疑，将噪音数据剔除，或者在初步得出模型的预测准确率后进行修正，以反映真实的预测效果。

四、模型发展

财务危机预警模型的演变既反映了也受制于科学研究方法以及科学技术的发展。从20世纪30年代的单变量预警模型到现在的人工智能技术的运用，财务危机预警模型经历了从低级到高级的演变。但从技术上来看，模型的发展已出现瓶颈期，很大程度上依附于现有研究方法的改进。

五、总结

对于财务危机预警模型的研究，多数学者一味地追求模型的完美，高预测准确率和精度，而忽视了基本理论的建立，导致研究在很多细节上得不到扎实的理论支持，实践中效果不理想，从而很容易受到质疑。我国处于转轨经济的特殊时期，资本市场的弱式有效性导致可获取数据的无规律性和影响因素的复杂性，是研究者采用常规模式对资本市场的规律进行研究的一大阻碍。同时，正是这种特殊的环境给了我国研究者一个对特定环境下市场规律进行探究的良好契机。

参考文献：

财务危机预警研究篇4

关键词：创业板；预警模型；logistic模型

我国于2009年新开板的创业板市场，关于财务预警的研究因为样本少、无评判创业板公司危机或健康的标准等原因，我国学者对它的研究尚少。但是创业板上市公司在现今经济环境下危机重重，有必要建立有效的财务预警机制，加强对企业的有效监控，将财务危机消灭于萌芽阶段。

一、样本选取

（一）本文对财务危机的界定

本文在前人没有对创业板公司财务危机界定标准的前提下，为解决界定标准问题欲参考2012年5月1日正式实施的创业板退市制度来衡量创业板上市公司是否陷入财务危机。理由如下：第一，创业板暂时无破产，破产为标准不可行；第二，我国创业板上市公司没有ST制度，ST作为公司财务危机的标志并不可行。第三，创业板退市制度的颁布，给了评价创业板上市公司财务危机一个官方认可的标准。

（二）样本选取

公司财务危机预警的研究中，我们通常将样本公司分为两大类，财务危机公司和财务健康公司，因为公司财务危机预警模型的主要作用是将财务状况未知的公司在这两类中进行划分[1]。本文危机公司样本数据来自新浪财经网和wind资讯，健康公司数据来自国泰安数据库。

1.危机公司样本选取。2012年5月1日起施行的《深圳证券交易所创业板股票上市规则》。新浪财经网相关新闻和wind资讯统计出以下23家处于财务危机边缘的公司本文，整理了这23家公司处于退市危险的原因及其对应的退市条件，以此作为危机公司样本，本文对创业板退市制度的解读与使用，解决了以前创业板内没有评判财务危机公司和健康公司标准的问题。

2.健康公司样本选取。由前述已经选出23家危机公司样本，本文根据配对原则，也选出23家财务健康公司，财务健康公司选取的范围为所有创业板上市公司（扣除23家财务危机公司），本文的财务健康公司的选取是根据年份和公司规模来一一配对的。

二、指标体系建立

（一）财务指标体系的建立

我国学者也有少量研究创业板上市公司财务危机模型的文章，但是他们大多局限于前人在主板市场上的研究成果，简单的选取主板财务危机研究中预警效果较明显的财务指标，套用于创业板上市公司财务危机模型的研究上，本文试图打破这样的格局，尝试从大量的涉及各个角度的财务指标中，选出真正适合我国创业板上市公司财务危机预警模型构建的财务指标。最终本文选取的财务指标描述了公司财务状况的各个方面，包括长期偿债能力、短期偿债能力、发展能力、风险水平、股东获利能力、现金流量能力、盈利能力、营运能力，8个方面。

（二）公司治理指标体系的建立

为更全面的衡量公司经营状况，本文在引入财务指标的同时，也引入了公司治理变量，以期望更好的预测公司的财务危机[2]。本文的公司治理变量基于前人研究的基础上选择，同时也参考了国泰安数据库中可提供的公司治理变量数据，共选出了16个公司治理变量，其中技术开发人员比例这一指标是本文新增加的一个公司治理变量，因为创也板上市公司多为高新技术企业，公司是否具备独立创新能力关系着公司的长远发展，增加这一指标正是用于衡量公司的创新能力。

三、模型建立

（一）多重共线性检测

在进行模型构建之前，一般先对样本数据进行多重共线性检验，因为在进行财务危机预警研究时，本文使用的logistic模型会受到变量的多元共线性的影响。

本文选择的变量共86个，经由SPSS18.0的运行下表选出变量39个，全部变量的容忍度在0.1以下，全部变量的VIF在10以上，VIF最高的值达到106.853，VIF最低的达10.037到由此仍说明本文所选的自变量有39个相互之间有存在较为严重的多重共线性。本文选择的变量之间虽然存在多重共线性情况，但并不代表这些变量对于因变量的解释能力有问题，故本文为解决自变量之间的多重共线性问题，将选用逐步回归模型对此问题进行解决，从而建立自变量对因变量的最优模型。

（二）logistic模型建立

管理费用率 = 管理费用/营业收入，是盈利能力指标中的一个。管理费用率的系数为正，并且指标显著，与财务危机发生概率正相关，这表示如果创业板上司公司的管理费用在营运收入中的比重过高，会导致该公司的盈利能力下降，企业财务危机的可能性加大。

营运指数 = 经营活动现金净流量/经营所得现金，营运指数反映的是企业现金回收的质量，在本模型中，该指标的系数为负，并且指标显著，表示该指标越大，企业发生危机的可能性越小，财务管理理论中该指标的理想数值为1，小于1说明公司有部分收益没有以现金的形式收回，非现金形式的收益比现金形式的收益对企业的风险要大，故营运指数越小，企业财务危机的可能性也越大。

董事、监事及高管前三名薪酬总额，该指标前系数为负，并且指标显著，表示模型中这个指标与公司财务危机发生概率成负向关系，这一指标衡量的是薪酬制度对于公司董事、监事、高管等的激励作用是否有效，模型指标显著且为负，表示在我国创业板上市公司给予高管、董事、监事高的薪酬可以激励他们更好的履行自己的职责，高管和董事能更好的合作经营公司，监事能更好的起到监督作用。

（三）模型有用性检测

新模型是否真的实用、合理，还需通过不在模型中的新样本来检验。本文共找出来46个样本公司，只用了42个样本公司来模拟新模型，新的4个样本公司将用来对模型进行检验。将指标数据运用EXCEL，计算可得实际组分类与预测组分类是一样的，即模型用新样本对logistic模型进行检验的正确率为100%，因此得第二个模型的实际适用性是很高的。

本文的研究主要存在以下几个方面的局限性，这也是后续研究应当努力解决的问题：

第一：创业板开板为2009年，至今仍只有5年时间，时间上过于短暂使得本文只能找到创业板上市公司发生危机的前一年的数据，只能对创业板公司发生危机的前一年进行分析，研究仍不完善。

第二：本文虽通过对创业板退市制度进行分析得出了23家触犯创业板退市制度的公司作为财务危机样本企业，但是23家这个数据仍太少。（作者单位：华南农业大学珠江学院）

参考文献：

财务危机预警研究篇5

一、引言

随着全球经济一体化的逐步推进，企业之间竞争日益激烈，因财务危机导致企业经营陷入困境甚至宣告破产的例子屡见不鲜。任何财务危机都有一个逐步显现、不断恶化的过程。因此，我们要防微杜渐，在财务系统的正常运作中，就应对企业的财务运营过程进行跟踪、监控，及早发出预警信号，将企业面临的潜在风险告知经营者，从而使其早做准备或采取对策，以避免或减弱对企业的破坏程度。建立财务预警模型，对企业特别是上市公司是十分必要的。

财务危机预警研究始于20世纪六十年代，时至今日，许多研究成果已软件化并付诸商业应用，有力地支撑了实际经济活动的决策。总的来说，财务危机预警的研究主要有单变量分析、多元线性分析、Logistic分析等方法，但由于神经网络在处理非线性系统所表现出来的强大能力，使其成为近年来财务危机预警研究的首选。本文的研究希望通过粗糙集理论与神经网络技术相结合构建一个组合模型，利用粗糙集理论的知识约简技术首先对神经网络的输入进行预处理，既可以去除神经网络的冗余信息，降低神经网络的复杂程度，提高神经网络的预测效率，还可以有效规避神经网络在结构选取上的主观性和盲目性，提高网络的解释能力。然后，通过神经网络的训练算法采用动量添加法和自适应参数调整法对样本进行训练仿真，从而有效地规避神经网络在规则提取上的“黑箱操作”，提高网络的训练速度。

二、研究样本及财务指标的选取

（一）选取样本。选取沪深两市2006年和2007年两个会计年度的98家A股上市公司构成总样本，其中包括49家ST公司以及49家配对的非ST公司。我们随机将这98家公司分为估计样本组和检验样本组，估计样本组50家（25家ST公司和25家非ST公司），检验样本组48家（24家ST公司和24家非ST公司）。

（二）财务指标的选取。本文根据T-3年的年度财务数据来预测第t年是否会成为ST公司，即以2003年及2004年的财务数据分别预测公司2006年及2007年是否被ST。在参考了以往研究文献的基础上，共选取了31个财务指标，特别是增加了反映流动性的现金流量指标，无论是从短期因素还是从长期因素方面考虑，希望能比较全面地反映企业的财务状况。另外，考虑到上市公司股权结构的独特性，本文分别计算了总股本市值/总负债和流通股市值/总负债两个指标，以便真实地反映我国公司资本结构与资本市场以及绩效之间的关系。具体各财务指标计算公式如表1所示。（表1）

在选定各个样本公司的财务指标之后，首先采用统计方法对初选的财务指标进行初步筛选。先用独立样本的T检验方法检验各个变量在两组的均值是否存在显著性差异，将差异不显著的变量剔除。本文使用SPSS统计软件进行独立样本T检验。T检验的执行结果如表2所示。（表2）

根据T检验的执行结果，在初选的31个指标当中有12个财务指标对于ST公司和正常公司存在显著性差异，这12个财务指标为：X1资产净利润率、X2投资报酬率、X3净资产收益率、X4销售净利润率、X6每股经营现金流、X7每股收益、X8资产周转率、X16现金流量比率、X26资产负债率、X27产权比率、X28负债股本账面值比、X31股本账面值市值比。

然后，为了避免指标的多重共线性，对选出的变量进行相关性分析，我们根据专业知识进行判断，去掉与研究问题相对次要的相关系数大于0.8的财务指标。对上述两次筛选后的预测变量，再次应用粗糙集的指标约简算法进行变量筛选，用得到的变量建立预测模型。对于财务指标相关性的分析依然采用SPSS统计软件进行。

通过相关系数的计算，我们知道，资产净利润率和投资报酬率及每股收益都存在较强的相关性，而其本身与其他财务指标也存在比较强的相关性，因此我们分别选择了资产净利润率和每股收益，而剔除资产净利润率；每股经营现金流与现金流量比率存在较强的相关性，按照专业知识，我们选择了现金流量比率；资产负债率与产权比率存在较强的相关性，由于资产负债率是衡量企业财务危机的最基本的指标，因此选择资产负债率。

通过上述分析和判断，考虑变量间是否存在差异和指标的相关系数计算，最终保留下来的财务指标有9个，即X2投资报酬率、X3净资产收益率、X4销售净利润率、X6每股经营现金流、X7每股收益、X8资产周转率、X26资产负债率、X28负债股本账面值比、X31股本账面值市值比。

三、粗糙集――神经网络的财务预警实证建模

（一）模型的建立。首先，为了消除影响预测结果的噪声，消除不同因素之间由于数值大小的差异而造成的误差，使学习过程顺利进行，本文将数据进行归一化预处理，将神经网络输入的变量规范在［0，1］之间。因此，本研究对输入数据进行标准化处理，其公式如下：

计算在Excel上完成。

然后，利用竞争学习神经网络对输入数据进行离散化处理，用matlab的竞争性学习网络工具箱中的函数进行聚类。将决策表中每个属性的各个连续数值组成的向量作为网络的输入，设定Number of neurons（神经网络神经元的个数）为3；Kohonen learning rate（Kohonen学习率）取默认数值为0.01；Conscience Learning Rate（阈值学习率）取默认值0.001。根据训练以后得到的神经网络的输出即为各个连续数值的离散结果。

离散化处理之后，将上述数据作为输入，采用Rosetta软件进行属性约简，有22个约简结果，无核值。

（二）模型的训练及检验。粗糙集的处理结果即为神经网络输入端的约简结果。因此，在神经网络输入层单元节点数的选择上，是依据粗糙集对本文初选的9个财务指标作约简后的5个财务指标为基准。因此，本模型输入层节点数确定为5个。

神经网络仍然采用三层BP神经网络，输出层神经元个数为1个；隐含层经多次实验确定为11个。

传递函数采用Sigmoid型函数，即：

网络训练函数选取基于快速BP算法的前向反馈型神经网络的训练函数，学习规则上选取动量因子算法规则，学习速率上采用了自适应学习速率。训练时参数确定如下：目标误差为0.0001；学习速率增加的比率为1.05；学习速率减少的比率为0.7；动量因子为0.95。

在Matlab软件上经过2797次迭代生成权值矩阵，神经网络训练完毕。将获得的权值矩阵和阈值用于对估计样本组的仿真，将估计样本组企业的T-3年财务数据作为神经网络的输入端，输入到已经构建好的神经网络模型中，经过MATLAB软件的处理，最终可以得到基于粗糙集――神经网络的财务危机预警模型的回判仿真预测准确率如表3所示：

再将前面训练好的神经网络用于对检验样本的仿真，以判断模型的预测仿真能力，得到基于粗糙集――神经网络的财务危机预警模型的仿真预测准确率如表4所示：

由上可知，基于粗糙集――神经网络的财务危机预警模型的回判仿真准确率达到了100%，而模型对于检验样本的判断ST企业为75%，非ST企业也达到了90%以上，总体样本的判断准确率为83.33%，说明模型的仿真效果很好。在模型的训练过程中，不仅减少了财务指标的数量，提取了主要的特征属性，而且也降低了神经网络的复杂性和训练时间，达到了建模的预期效果。

财务危机预警研究篇6

张学伟（1990-），男，汉，籍贯：河北廊坊，硕士在读，北京工商大学，研究方向：物流管理、财务管理。

摘 要：本文以我国上市房地产企业为研究样本，通过主成分分析法和Fisher判别法的组合应用，对构建企业财务危机预警模型进行了实证研究。通过该模型，可以对企业未来1至2年的财务状况进行基本判别，从而有效帮助企业改善财务结构，规避财务风险。

关键词：房地产；财务危机；Fisher判别

引言

自二十世纪末实施城市住房制度改革以来，房地产业开始了长达十余年的高速发展，其中隐藏的风险也日益突出。目前，在我国财务预警的理论研究和实证研究仍然处于探索阶段，应用最广泛的的主流分析方法仍然是经典的横截面统计方法以及衍生的各种统计判别分析模型，如一元判别分析模型，多元统计判别分析的Z-score模型以及改进的Zeta模型，多元逻辑回归模型，多元概率比回归Probit模型。同时一些新型研究成果如人工神经网络分析方法，倒传递神经网络模型也开始在实证研究中应用。本研究首次提出应用主成分分析法和Fisher判别法相结合的两阶段法，来对我国房地产企业构建财务预警模型进行探讨和研究。

1.fisher判别法

假设将两个总体的样品观测值代入判别式中，可得：

y（1）i=c1x（1）i1+c2x（1）i2+…+cpx（1）ip，i=1，2，…n1 ；

y（2）i=c1x（2）i2+c2x（2）i2+…+cpx（2）ip，i=1，2，…n2

其中xip代表样品各个指标的观测值，对相应的n1，n2个上式分别进行左右相加，再除以相应的样品个数，可得：

（1）=∑pk=1ck（1）k；（2）=∑pk=1ck（2）k。

将其转化为数学语言就是：（1）来自不同总体的两个平均值（1）i、（2）i相差最大，（2）对于第一个总体的y（1）i（i=1，…n1）要求它们的离差平方和∑n1i=1（y（1）i-（1））2最小，同理也要求∑n2i=1（y（2）i-（2））2最小。

记I=QF，

则基于Fisher的判别规则，I应满足极大值。利用微积分求极值的必要条件，通过求导可得到使I达到最大值的c1，c2，…cp值，即判别系数。

有了判别函数后，要建立判别准则还要确定判别的临界值yo，在两个总体先验概率相等的假设下，一般取yo为（1）与（2）的加权平均值，即y0=n1（1）+n2（2）n1+n2。

2.实证研究与分析

2.1样本及数据指标

由于我国房地产业市场化发展年限较短，市场中存在的破产案例较少。因此，本研究选取我国上市地产企业。其中以05年以后被ST的、主营业务为房地产的企业代表破产企业样本，选取同年份、同规模的非ST企业为财务健康企业进行配比。同时将已选样本分为两组，2005-10年被ST的企业为研究组，主要用来构建模型；2011年被ST的企业为检验组，主要用来检测模型的有效性。

选取的数据指标即要能有效的反映所在行业的特性，又对预测所在行业中企业财务危机具有高相关性，本研究选取如下数据指标：总资产利润利率，成本费用利润率，股本报酬率，销售毛利润，主营业务收入增长率，净资产增长率，应收账款周转率，存货周转率，固定资产周转率，股东权益周转率，流动比率，利息支付倍数，产权比率，清算价值比率，现金流量比率。

2.2数据输出

对样本公司数据指标进行主成分分析。对t-1、t-2、t-3年数据指标分别进行KMO和Bartlett球形度检验。其中KMO值越接近1表示越适合做主成分分析，从检验结果可以得到三期的KMO值分别为0.553、0.508、0.419，表示比较适合做主成分分析。Bartlett球形度检验的原始假设为相关系数矩阵为单位阵，三期Sig.值均为0.000小于显著水平0.01，因此拒绝原假设，说明变量之间存在相关关系，适合做主成分分析。

对进行主成分提取后的样本数据进行Fisher判别分析。运用Fisher判别法进行企业财务危机预警时，对研究组样本数据进行再分类。本研究中将研究组样本中ST样本自变量定义为“0”，非ST样本自变量定义为“1”。采用回归分析的方法，应用SPSS软件直接计算判别函数的相关数据属性和输出结果。见表2-1

表2-1 判别输出结果

组

别股票名称

tt-1t-2t-3

是否STDis_1Dis_1Dis_1股票名称

tt-1t-2t-3

是否STDis_1Dis_1Dis_1

研

究

组

st运盛0000st华控0000

st东源0000st珠江0100

st中房0000st海鸟0001

北京城建1111世茂股份1101

金地集团1111天地源1110

天房发展1111新黄浦1111

保利地产1111中华企业1111

冠城大通1111金融街1111

空港股份1111深圳华强1111

深长城1111北辰实业1111

深深房A1110东华实业1111

深振业A1111上实发展1111

检验组

st园城（0）010银基发展（1）000

荣盛发展（1）111中天城投（1）111

通过检测分析结果可以看出，引入的变量对提高分类精度是有作用的。三期Sig.值均小于0.01，表明判别函数在0.01显著水平下显著，说明判别能力很强，且各自变量之间独立性较好。

从表2-1可以看出，用建立的由主成分分析和fisher判别法组成的混合模型对2011年4家代测样本公司的检验结果来看，对检验组三期的判别正确率分别为75%、50%、75%。尽管检验组的判别正确率不高，本研究认为其原因是银基发展三期判别结果均错这一因素造成的，本质上是因为检验组样本数量较少，仅为2011年的4家企业，存在的偶然性较高，提高样本数量对提高预测精度会有所帮助。

3.结论

通过主成分分析法和Fisher判别法的综合运用，及对数据指标的针对性筛选和标准化处理，本研究有效的对房地产样本企业进行了判定。这说明本研究提出的构建房地产业财务危机预警模型的方法是有效的，能够在很大程度上准确预测房地产企业未来财务状况。同时，由于模型的简单易懂，数据指标的简单易得和实际操作过程中的计算机化处理，在很大程度上简化了模型在实践中应用，对于一般的企业管理者也可以很快掌握应用。因此，本研究提出的模型构建方法不仅在理论上，而且在实践中也能发挥很大作用。

参考文献：

[1] 董景荣，陈军.论经典统计财务困境预测模型的理论误区.武汉：统计与决策，2010.4

财务危机预警研究篇7

关键词：财务危机　预处理　阶段性　财务数据结构　预警

一、引言

随着我国资本市场的发展，企业财务危机预警已成为财务领域重要研究方向，而预警财务指标选择的质量，直接影响预警结果的准确性。企业财务危机预警指标体系构建的基本原则之一是系统性与层次性相结合，即在设计时要充分考虑各指标之间的内在联系，不能顾此失彼，也不应使各指标所评价的内容相互重复；二是动态性与静态性相结合，即在指标选择时考虑预警期间长短对指标的影响(王慧敏，2000)。阶段性是指标预处理方法可能因为企业所处财务危机阶段的不同而需采用不同的方法，而预处理的主要任务是消除指标的重复性和保持反映企业财务危机状况指标的差异性。现有文献中探讨指标间内容是否重复的，如杨淑娥、徐伟刚(2003)，刘红霞、张心林(2004)等人利用主成分法进行指标约简，李晓峰、徐玖平(2004)利用粗集(Rough Set)方法对指标信息冗余进行处理。对指标信息差异性检验通常选择T检验与Mann-Whitney等非参数检验，刘国光、王慧敏、张兵等人(2005)及胡杨、冯武(2006)的相关研究。但对不同预警期间，预警指标阶段信息的差异性与重复性对预警准确率的影响程度，缺乏深入探讨与实证分析。本文分别采用Mann-Whitney检验、粗集理论中知识约简方法及财务数据结构下层次化处理的定性手段，逐期对预警指标信息的差异性与重复性进行预处理。通过采用ANN预警模型进行实证，探讨差异性与重复性在不同预警期间的作用，选择相应的预处理方法，以提高模型预测的准确度。

二、财务危机预蕾指标的预处理

(一)信息差异性预处理：Mann-Whitney检验非参数检验中的Mann-Whitneyu检验用于判断两组样本是否存在差异。其步骤为：将两组样本混合并由最小值到最大值依次序排列，并将排序后的值从小到大依次赋予其顺序号1至n(n为混合后样本总容量)，然后分别计算两组样本的序号和，并记为T1和T2，根据Tl和T2计算Mann-Whitney检验统计量：Ul=nln2+n1(n1+l)/2-T1；u2=nln2+n2(n2+1)/2-T2

其中，nln2分别为样本1和样本2的样本容量。选择U1和U2中较小者作为最终的检验统计量。对于两样本容量均大于10的大样本的Mann-Whitneyu统计量，对应的均值和标准差为：

在样本个数小于30时，以u统计量的相伴概率值作为判断标准；在样本个数大于30时，属于大样本情况下，应以z统计量的相伴概率值作为判断标准。如果相伴概率小于或等于显著性水平α，则拒绝零假设H0，认为两个样本来自的总体均值有显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设H0，而认为两个样本来自的总体均值无显著差异。

(二)信息重复性预处理主要包括定性和定量两种方法。

(1)定性方法：财务数据结构下的层次化处理。财务数据结构。数据结构是指数据及其相互之间的联系。在数据结构中每个数据元素有且仅有一个直接前驱元素，有且仅有一个直接后继元素，这种数据结构为线性结构。树结构的特点是数据元素之间的1对N联系(N≥0)，即层次关系。若节点之间的联系是M对N联系(M≥0，N≥O)，即网状关系。这种数据结构称为图结构(徐孝凯，2004)。财务数据结构是指财务数据及其相互之间的联系。财务数据具有极强的层次性。在会计学中，存在着“资产=负债+所有者权益”的平衡关系。上述项目又有不同层次的明细科目。杜邦体系也进一步说明在指标间的层次性，该体系以权益净利率为核心指标，从影响权益净利率的因素着手，将偿债能力、资产营运能力与盈利能力有机地结合起来，层层分解并逐步深入，构建企业业绩考核评价指标体系。不同层次指标信息含量不同，其层次越高，综合性越强，差异性愈弱。如果在不同层次下同时作为预测指标，会出现信息重复的现象。如“权益净利率=销售净利率×资产周转率×权益乘数”，若同时选择权益净利率与其下一层次的资产周转率等指标，甚至同时选择存货周转率、应收账款周转率等更下一层次的指标共同作为预警指标，将会出现信息冗余、相关的现象。我们通过对2004年上市公司43家商业与零售业企业，截面数据统计显示，净资产收益率与资产周转率和资产负债率的相关系数Ry12为0．3464；资产周转率与存货周转率和应收账款周转率的相关系数Ry12为0．3074，验证了同时选择不同层次指标会出现信息相关。层次化处理是将反映同一目标的不同层次指标，根据企业财务数据结构的特点进行分类与判断的一种财务处理定性方法。若高、低层次指标均为单一指标，则选择信息含量较完整的高层次指标作为备选预警指标；若低层次指标为一类指标，则选择兼顾信息的完整性与差异性的同一类低层次指标为备选预警指标。选择一类指标时，则将指标限定在同层次内进行选择，以减少信息冗余。

(2)定量方法：基于粗集理论的知识约简。粗集理论方法。通常将多个指标化为少数指标的方法，可以采用多元统计分析中的主成分分析方法(高尚，1995)，但其计算量比较大，不便于应用(高尚，2003)。而采用粗集(Roughset)理论中的知识约简方法来挑选关键特征参数较为便捷。Roughset理论是20世纪80年代初，由波兰数学家Z．Pawlak首先提出的一种分析数据的数学理论。其主要思想是保持分类能力不变的前提下，通过知识约简导出问题的决策和分类规则(张文修等，2001)。本文将由个体样本组和属性(样本数据)构成的二维矩阵称为粗集理论中的决策表(也可称为信息表)，决策表是一类特殊而重要的知识表达系统，表示当满足某些条件时，决策(行为、操作、控制)应当如何进行。在决策表中列由属性标识，行由个体(或称对象)标识，行、列交叉位置为属性值。决策表可以定义如下：一个决策表是一个信息表知识表达系统s=(U,R,V f)，R=CUD是属性集合，子集c和D分别称为条件属

性和决策(结果)属性集，D≠φ。一个决策表中的结果属性有时是单一的，称为唯一决策；有时不是唯一的，称为多决策。对于具有多个结果属性的决策表，也可通过一定的方法转化成单一决策的决策表。而本文决策表的结果属性是单一的，即判断企业财务危机的存在与否。

由于每一个属性aεu是一个映射，a：UVa，Va为a的值集。对每一个属性子集B包含于R，给出一个二元关系IND(B)，称其为U上的一个不可分辨关系。定义IND(B)={(x，y)∈U2：Va∈B，a(x)=a(y)}显然IND(B)是一等价关系。知识库中知识(属性)并不是同等重要的，甚至其中某些知识是冗余的(ArrowK J，1963)。所谓知识约简就是保持知识库分类能力不变的条件下，删除其中不相关或不重要的知识。

基于粗集理论的知识约简。首先通过求指标的平均数来给样本指标确定阈值，然后将样本数据转换成决策表的数据格式R=CuD，C为样本数据，D={0，1}，0代表非财务危机企业，1代表财务危机企业。对于包含于R的每一属性子集B，在a(x)=a(y)约束下定义IND(B)，则根据阈值和IND(R-[r])确定指标体系的Roughset数据。最后，进行Matlab编程实现粗集算法，检验信息表的冗余属性并删除信息冗余的指标，把经过粗集算法约减后的指标带入神经网络训练。

三、实证研究分析

(一)样本的选取与数据来源本文选取沪深两市A股市场上2003―2005年13家sT公司作为财务危机公司研究样本。同时随机选取了43家非ST商业类公司作为控制样本。财务报表数据选取sT公司财务危机前1―4年的资产负债表、利润表、现金流量表数据。本文所指的财务危机前的年份是指ST的当年往前追溯所得的会计年度数,将sT当年定义为财务危机前的第0年。如财务危机前1年是指实施sT当年的前1年，计为T-1。数据主要来源于证券之星网站和深圳国泰安信息技术有限公司提供的财务指标数据。

(二)指标预处理 常用财务预警指标体系的建立结合1999年财政部、国家经贸委、人事部和国家计委联合的《国有资本金效绩评价规则》与中国证券网上市公司年报财务评价指标体系的主要内容。对于在各种研究中都最能解释企业财务危机的因素，Stiekney认为：投资因素、融资因素、经营因素与增长因素(Clyde P.Stickney等著，张志强等译，2004)。这些指标与通过CNKI网站进行检索，在中文核心期刊2003年至2006年4月期间，检索到主题为“企业财务危机预警”的相关文献，所采用的主要财务预警指标范围基本一致。分别采用Roughset知识约简方法,定性的层次化处理与Mann-Whitney检验，对常用预警指标体系进行筛选，其结果如(表2)。

(三)神经网络预警模型的训练与检验本文选取56家样本分为训练样本43家，其中34家为非sT公司，9家为sT公司；检验样本13家，其中9家为非sT公司，4家为ST公司。网络的输出为0或1。0说明公司运营正常，而输出1说明企业存在危机。采用BP算法训练神经网络，其隐含层个数为一层。隐层节点采用试算法，学习函数采用logsig函数，取误差上限为le-023，最大迭代次数为10000，取目标梯度值为le-050，学习速率为0.5，惯性参数为0.1。

(1)神经网络的训练。根据Roughset知识约简方法、层次化处理与Mann-Whitney检验，对预警指标进行筛选，神经网络的网络结构分别采用14-9-1(即输入层为14个节点、隐层取9个节点、输出层为1个节点)、17-11-1与19-13-1的形式。分期将43家训练样本的相应财务指标输入神经网络，按BP算法训练网络，得到最优化的网络权值和阈值矩阵。将13家检验样本企业带入已训练网络中，通过计算得出其输出值进行判别，完成一次神经网络的训练与检验，每期每一网络结构分别训练五次。

(2)检验结果的准确率对比。通过BP神经网络，分别求出经过指标预处理及未经过预处理的预警结果。各自检验样本预测准确率，见(表3)。根据(表3)所示，T-1年至T-4年的四期平均预测准确率为：未采用指标预处理82.70％、Mann-Whitney预处理84.62％、粗集预处理86.54％、层次化预处理88.46％。

财务危机预警研究篇8

[关键词] 财务危机 主成分分析 Logistic分析 财务预警 财务指标

1.引言

自改革开放以来,随着我国市场开放度的不断加大,使得国内外市场竞争日益加剧,企业内部管理机制也不断出现新的问题。2008年的全球金融危机,更是给不少上市公司带来了严重的经营危机。而陷入经营危机的上市公司几乎毫无例外地都是以出现财务危机为征兆。

本文在查阅文献的基础上，按照理论与实证研究相结合的方法来构建论文。选取了30家ST和30家非ST的上市公司作为案例分析。其中15家ST和15家非ST的上市公司用来构建预警体系，另15家ST和15家非ST用来进行验证。通过该论文的研究希望能引起上市公司对财务预警的重视，及早诊断出财务危机的信号，并采取相应对策，使企业在市场经济的大潮中立于不败之地。

2.理论分析和模型自变量的确定

2.1 理论分析

2.1.1 财务预警的概念

财务危机预警是以财务会计信息为基础，通过设置并观察一些敏感性预警指标的变化，对企业可能或者将要面临的财务危机所实施的实时监控和预测警报。财务预警由财务危机和预警两个词构成。它要求管理人员依据相关指标的变化来预测企业财务即将呈现的问题，及时向利益相关者提出警示。企业的支付压力和支付能力的脱节是财务危机的表象，资金配置的失效是财务危机的实质。财务危机事实上是一种风险控制机制。

2.1.2 财务预警的理论基础

企业预警理论是构建财务预警系统管理理论的基础理论，主要包括危机管理理论、策略震撼管理理论、企业逆境管理理论以及系统非优理论。

2.2 系统样本的选取

中国证监会于1998年3月16日颁布了《关于上市公司状况异常期间的股票特变处理方式的通知》，要求证券交易所应对“状况异常”的上市公司实行股票的特别处理（special treatment，简称ST)。我国证券市场上被ST的股票大多是由于“连续两年亏损或每股净资产低于股票面值（1元）”，即财务指标的恶化是上市公司被特别处理的主要原因。因此国内研究一般把被ST作为上市公司陷入财务危机的标准，本文也将ST公司作为财务危机公司，非ST公司作为财务安全公司。

在对上市公司进行研究时，由于同一指标在不同行业之间往往有不同的标准，因而在确定研究样本时，最好仅选取某一行业的上市公司作为研究样本来建立财务危机预警体系，这样可以避免因为不同行业的数据可比性不高而导致的模型实用性不高。在中国证监会公布的13个上市公司行业大类中，制造业所占的比例最大，经过分析比较，最终将我国沪市A股中的制造业上市公司作为本文的研究样本。

本文的研究当中采用配对的方法，从沪市的上市公司中来选取样本，即选取近被ST的上市公司作为财务危机样本组，共30家。同时选取与财务危机组30家上市公司同行业，资产规模在10%差异之内的30家非财务危机上市公司作为配对样本。

2.3 变量的选取

本文在参考了众多文献的基础上，分别从企业的盈利能力，偿债能力，资产营运能力，成长能力和获取现金能力反应企业的财务状况的5个方面出发，考虑了指标数据获取的难易程度并结合了以上原则，选取了以下15个指标来建立指标体系做为分析的起点。如表1所示。

3.实证研究和结果分析

本文将利用SPSS统计软件作为分析工具，对以上所收集的样本公司的财务指标数据进行因子分析和逻辑回归分析，建立预警模型。

3.1 因子分析

在上文确定了15个财务指标用来建立财务危机预警模型，这些指标从不同的方面反映了公司的财务状况。并引进统计学的因子分析法。通过因子分析，找到较少的几个因子，进而代表数据的基本结构，反映原始信息的本质特征，然后用这些因子代替原来的观测量进行其他相关的统计分析，建立预警模型。

下边对研究样本在被宣布ST处理的前一年的15个财务指标数据运用SPSS统计分析软件进行因子分析。首先，我们可以得到KMO和Bartlett的检验结果，如表2所示。

表2 KMO和Bartlett的检验结果

KMO 和 Bartlett 的检验

取样足够度的 Kaiser-Meyer-Olkin 度量。

由表2 可知，KMO值和Bartlett球度检验结果得出，样本数据适合做因子分析。

在对研究样本的15个指标完成因子分析计算后，可以获得15个特征值。本文提取了特征值大于1的6个因子变量作为下一步研究所用的变量。从表3中我们可以看到，这6个因子的累计贡献率达到了81.123%，即这几个变量已经包含了原来15个财务指标81.123%的信息，因此，我们可以认为这6个因子变量基本反映了原有的财务指标的综合差异。

3.2 Logistic回归分析以及实证研究结果

3.2.1 逻辑回归模型

逻辑回归模型是对二分类因变量进行回归分析时最普遍使用的多元统计方法。它根据样本数据使用最大似然估计法估计出参数值，经过一定的数学推导运算，可求得相应变量取某个值的概率。

逻辑回归模型的数学表达公式为：

可以等价的表示为：

在这里，P表示某件事发生的概率，ai为呆估计参数，Fi为自变量。

3.2.2逻辑回归分析及预警模型的构建

利用SPSS统计分析软件，对上述60家上市公司的六个因子变量进行逻辑回归分析，可以建立相应的财务危机预警模型。

（1）模型判别分割点的选取

在建立逻辑回归模型时，首先必须确定所要建立的模型的判别分割点。由于本文所选取的样本是均衡的，即两类公司的比例为1：1，故采用0.5作为分割点。因此，通过模型计算出来的某公司的概率大于0.5时，那么就判定样本公司为ST公司；反之，视其为非ST公司。

（2）分析结果及构建模型

将研究样本前一年的6个因子变量输入SPSS统计数据中，选择逻辑回归法，可以得到以下结果，如表6所示。

表6方程中的变量

从上表可以看到F1、F4、F5、F6这因子变量都通过了显著性水平为5%的显著性检验，进入了最后的模型中，而x2、x3未能通过显著性检验，因而模型中最终只有4个因变量。根据上表，我们可以得到前一年的逻辑回归模型：

P值的范围在[0,1]，该值越大，表明公司在未来一年内发生财务危机可能性越大，反之，这表明公司的财务状况比较安全，发生财务危机的可能性比较小。由于此模型是以0.5作为判别的分割点，因此当P值大于0.5时，在未来一年内将会被判为ST公司；反之，我们将被研究公司判定为非ST公司。

由上面的表达式可以得出企业的破产概率与F1、F4、F5和F6这四个因子成负相关，即该四个因子越大，企业的破产概率就越小。其中，F1主要由总资产的收益水平、销售的净利润以及现金的回收能力决定，反映了企业的盈利能力以及现金的回收能力；F4主要由主营业务收入增长率和总资产增长率决定，反映了企业的成长能力；F5主要由应收账款周转率和存货周转率决定，反映了资本的营运能力；F6主要由总资产周转率和以及资产的增长率决定，反映了资产的状况。因此我们可以得出企业的破产概率与企业的现金回收能力、成长能力，资本的营运能力以及资产的应用能力负相关。

3.3 预警模型的检验与评价

3.3.1 模型的检验

将研究样本前一年的数据代入逻辑回归模型中，然后根据判别分割点的标准，我们可以得到60家公司的判定结果，如下表7所示。

从判断结果汇总表中我们可以看到：

（1）从整体预测率来看，预测的准确率为80%。

（2）横向比较：比较模型中的两类错误可以发现非ST公司被判定为ST公司的概率要大一些，为23.3%。另一类错误为17.7%

3.3.2 模型的评价

经过因子分析法和逻辑回归法建立的预警模型具有以下特点：

3.3.1 全面性。本文所见的模型包含了15个财务指标，浓缩为6个因子变量。这些变量基本上包含了企业所有的财务信息，分别从上市公司的盈利能力、偿债能力、资产营运能力、成长能力以及现金能力等几个方面综合评价了公司的财务状况。

3.3.2 可操作性。逻辑回归模型通俗易懂，没有深奥的专业术语或不可量化的指标，不仅专业人士可以借鉴，一般的投资者也可以利用。另外，在运用该模型进行财务危机预测时，由于SPSS等统计软件的辅助计算，是这种预测变得相对简单可行，可以在实践中运用。

3.3.3 灵活应用性。本文所建立的模型不仅可以对非ST公司变成ST公司作出预测，而且还可以对ST公司变成非ST公司作出预测。

3.4 相关的结论

（1）在构建该体系时，应采用对财务指标分布无要求的统计方法（如逻辑回归方法）。因为研究样本的财务指标并不一定符合正态分布。

（2）SY公司的财务状况恶化并不是突然发生的，因而我们完全可以通过分析财务指标的变化来预测公司的未来财务状况。通过上述的分析，可以发现ST公司的大部分财务指标在其被特别处理前一年会计年度内呈现出了恶化的趋势，ST公司与非ST公司财务指标之间所呈现的差距很大，这使得财务与危机预警不仅必要，而且成为可能。

（3）本文将现金流量的因素考虑了进去，因为现金流量能够很好的反映企业的财务状况，这样使这些财务指标能够更全面的反映企业的财务状况。

（4）本文采用了因子分析法和逻辑回归法相结合的方法建立我国制造业上市公司的财务危机预警体系。这是由于本文采用的指标较多，需要因子分析法进行浓缩；同时，逻辑回归在对财务危机企业进行研究过程时，其存在一定的局限性。结果表明：两种方法的结合使所构建的财务危机预警体系取得了比较理想的预测结果。

（5）有以上的分析我们可以得出企业的破产概率与企业的现金回收能力、成长能力，资本的营运能力以及资产的应用能力负相关。即企业的现金回收能力、成长能力，资本的营运能力以及资产的应用能力越强，企业越不可能破产。

4.结束语

通过对我国沪市制造业的60家上市公司2009年的财务数据进行了统计分析，结合一定的研究方法，建立了财务危机预警体系，并进行了回代检验，最后的检验结果显示了该体系取得较好的预测效果。可见其体系具有一定的实用性。

参考文献

[1] 王莹. 浅析企业财务危机预警系统的构建[J]. 会计之友(中旬刊),2009,(04).

[2] 王亚. 我国上市公司财务预警模型研究[J]. 中国总会计师, 2009,(02) .

[3] 杨哲. 企业财务危机预警系统构建探讨[J]. 煤炭经济研究, 2009,(01) .

财务危机预警研究篇9

[关键词] 上市公司 财务危机 预警系统 应用

随着资本市场的不断发展与完善, 对上市公司财务危机进行预警研究一直是国内外学术界的热点问题之一。财务危机预警是以财务会计信息为基础, 通过设置并观察一些敏感性预警指标的变化, 对企业可能或者将要面临的财务危机所实施的实时监控和预测警报。近年来一些上市公司因为治理结构失衡, 公司管理层管理混乱等诸多原因, 导致公司业绩逐下降, 出现亏损、财务状况异常甚至资不抵债等严重情形, 最终受到特别处理, 面临退市危险, 使投资者、债权人及其他利益相关者遭受巨大损失。但如果能够通过研究上市公司相关信息, 构建有效的财务危机预警模型, 及时对发现的问题进行分析并采取有效措施，化逆境为顺境，就能很大程度上帮助上市公司防范和化解财务危机。然而, 由于种种原因,财务预警系统在我国上市公司中尚未得到广泛应用。

一、我国上市公司应用财务危机预警系统的现实意义

财务危机预警系统作为一种成本低廉的诊断工具，能实时对公司的生产经营过程和财务状况进行跟踪监控，及时地进行财务预警分析，发现财务状况异常的征兆，并迅速报警，及时采取应变措施，避免或减少损失。 在上市公司应用财务危机预警系统,主要可以发挥四个作用:

1.财务监测作用。监测、跟踪企业的生产经营过程，将企业生产经营的实际情况同企业预定的目标、计划、标准进行比较，进行核算、考核，找出偏差，并从中发现产生偏差的原因或存在的问题。

2.财务诊断作用。它是根据跟踪检测的结果，运用现代企业管理技术、诊断技术对公司营运状况之优劣做出判断，找出公司运行中的弊端及其病根之所在。即分析“警度”，告知“警情”的程度。并使经营者知其然，更知其所以然，制定有效措施，阻止财务状况进一步恶化，避免严重的财务危机真正发生。

3.财务治疗作用。财务治疗功能是在监测、诊断的基础上，识别病根、对症下药，更正企业营运中的偏差或过失，使企业回到正常运转的轨道。准确来讲，治疗功能并非财务预警系统的本质功能。但是，一个有效的预警系统不仅应该能够找出企业的“症结”所在，而且应该能够提出改进方案和应对措施。

4.保健作用。通过财务预警分析，财务预警系统不仅能及时回避现存的财务危机，而且能通过系统详细地记录其发生缘由、解决措施、处理结果，并及时提出改进意见，弥补公司现有财务管理及经营中的缺陷，完善财务预替系统，从而提供未来类似情况的前车之鉴，更能从根本上消除隐患即“防警”。

二、我国上市公司财务预警系统应用中存在的问题

动态财务预警系统不仅仅包括有效的财务预警模型，要使其能发挥作用，还要配合有效的信息系统和内控系统。而由于我国上市公司发展状况的制约，使我国在应用方面还有所欠缺。

1.会计信息失真影响财务预警系统的有效性。上市公司财务预警体系的设计运用了大量的财务数据，真实及时的财务信息是建立有效可行的财务预警系统的基础。 随着经营权与所有权的分离，委托关系在上市公司中普遍存在，委托人和人之间存在的信息不对称，使得我国上市公司中存在着投资者和管理层之间信息不对称的问题，管理层在会计信息编报方面拥有过大的权利，而且现行的监督机制和独立审计机制难以确保上市公司的财务信息质量。这种普遍存在的会计信息失真现象势必影响财务预警系统的有效性，从而进一步影响了有关利益各方运用财务预警系统的积极性。

2.内部控制不完善。企业的国有控制权不明确，使得投资主体的监管形同虚设国有企业股权结构中的“一股独大”是中国上市公司的显著特征。在这种体制下，由于缺乏有效的激励约束机制，很多人并不能自觉地维护公司利益，导致企业的内控失效。有的虽然也制定了比较全面的内控制度，由于制度本身不切合实际，制度的可操作性不强，使得企业的内控制度成为一纸空文；有的虽然制定了一套比较切合自身实际并切实可行的内控制度，却由于外部监督不力，企业不愿执行，将其束之高阁。

3.上市公司决策层缺乏主动运用财务预警系统的意识。目前，我国证券市场还不够成熟、完善，上市公司行为也不够规范。上市公司有关决策层往往受到“第一大股东”，代表国有股或法人股的“关键人”的控制。甚至存在着控股方通过盈余管理手段“圈钱”，利用关联方交易恶意造假，肆意侵吞上市公司利益的特权消费现象。在这种不良但又比较普遍的行为当中，一般的投资者是利益受损方，而上市公司决策层是既得利益方，使得上市公司决策层作为受益者，缺乏主动运用财务预警系统的意识成为正常现象。

4.财会人员素质不高。法制观念淡薄有的财会人员忘记了法律赋予的权力和职责，冒着被吊销会计从业资格证书的风险，为单位领导的不法行为出谋划策，粉饰经营业绩，甚至侵吞国家财产，更加加大了预警系统有效发挥作用的难度。

三、上市公司财务预警系统有效实施的建议

1.财务危机预警系统的定性分析和定量分析的结合运用。量化的财务指标能对财务状况进行总量控制，而某些非财务指标和定性因素可对细节即具体过程进行控制，以弥补财务指标的不足，从微量上找出影响公司长期财务状况的动因。

财务预警是一种量化分析，它有利于清晰、直观地反映上市公司的财务状况，但它难以全面满足揭示上市公司财务危机程度的需要，并不能完全替代传统的定性分析，特别是财务报表的编制质量和审计质量等因素会直接决定模型结果的准确性和实用性。

企业应根据具体情况选择合适的维度评价企业的经营状况，具体来说，财务危机预警系统的实施的规则是:企业定期监测容易发生经营危机和财务危机的各种因素，报告经营风险和财务风险，建立风险报告制度，并利用有经验分析人员的直觉判断作定性分析评价。 同时，定期运用预警模型进行量化分析。由于模型预测所使用的数据来自年度财务报告，因此，量化分析的时间可定为一年一次，而非量化分析相对容易些，可把时间定为一月一次，甚至更短一些，以便使预测更加及时有效。另外，在年度财务危机预警时，可把平时非量化分析结果和年度量化分析结果进行相互修正。例如，企业按助gistic回归模型预测出在财务危机警戒线以上，即企业不会发生财务危机，但根据企业当年报表外的非财务信息(如或有负债等表外因素)、专业人员的经验判断计算出企业的定性评价指标总分在预测警戒线以下，反映出企业存在着发生财务危机的可能性。若定性分析和定量分析得出相反的矛盾，这就需要作出仔细判断，专业人员的主观性是否过强，还是定量分析模型因行业因素的变化需要重新建模。企业在仔细分析后，再重新预测是否会发生财务危机。

3.关注重点指标，建立适合我国国情的财务危机预警指标体系。首先，关注主营业务指标，加强主业监管。如果频繁变更主营业务，上市公司的业绩无法得到保障，具有很大的不稳定性，投资者很难有一个合理的业绩预期，这对投资者和上市公司来说都是很大的风险。 如果主营业务急剧萎缩，并且造成这种情况的因素是根本性的，持续性的，那么上市公司就有可能陷入财务困境。上市公司大多是高新技术企业，其核心能力强弱的直接市场表现无疑是主营业务收入/总资产指标。该指标通过与市场或行业平均(先进)水平的比较及其走势的考察，可以对上市公司市场竞争的优劣态势有一个较为清晰的判断。如果该指标经常低于市场或行业的平均(先进)水平，且成持续走低杰势块上市公司财务危机预警问题研究的话，便意味着上市公司处于竞争的不利地位。如果不及时扭转，将导致严重的财务危机。因此，上市公司要强调突出主营业务，在评估上市公司主业竞争能力时要关注主营业务收入/总资产指标。只有如此，才有可能建立真正有效的财务危机预警指标体系。其次，关注资产管理能力指标和负债比率指标。判别盈利公司与财务危机公司的财务差异，资产管理能力指标和负债比率指标有着中长期的判别作用，而盈利能力及回报能力、资产流动性和公司增长能力指标则短期判别能力强。在防范上市公司的财务危机时，应侧重于资产管理能力指标和负债比率指标。

3.进行预警指标的敏感性分析。敏感性分析是指企业的财务指标的变动对预警结果的影响程度，重要指标的变动会对企业产生较大影响。 预警系统一旦报警，管理曾首先要确定是哪些指标偏离造成的危机，进而采取相应措施进行调整。调整可以针对某一个指标，也可以是某几个指标。选取哪种方式更有效、更经济，管理层有必要在敏感性和调整难度之间进行权衡，选取适当的调整方式。

参考文献：

[1]张鸣张艳程涛:企业财务预警研究前沿[m].北京:中国财政经济出版社，2004

[2]张艳秋王彤彤:我国上市公司财务危机预警系统应用研究[j].会计之友，2008，（3）

[3]吕长江周现华:上市公司财务困境预测方法的比较研究[j].吉林大学社会科学学报, 2005,( 6)

财务危机预警研究篇10

关键词：审计意见 财务危机预警 信息含量 logistic回归模型

审计意见作为企业经营状况的指示灯，能够从其独特的视角反映公司的经营状况。关于审计意见信息含量的研究，国外开始的比较早，相关文献表明，审计意见在财务危机预警中的作用尚无定论。与国外的研究结果相一致，我国学者对审计意见在财务危机预警中是否具有信息含量研究的结论也不一致。

研究设计

审计意见的分类。本文在研究时，审计意见的划分为标准审计意见（标准无保留审计意见）和非标准审计意见（除标准无保留审计意见之外的其他审计意见）两类。

财务危机的界定。本文在研究时，采用两种较为常见的财务危机标志事件选择方法并比较这两种选择方法在财务危机预警中作用的异同。取值规则（fda，financial distress affair）如下：

研究假设。国内一些学者关注审计意见信息含量的实证研究，基本着重于考察审计意见在股票市场上的市场反应，而没有对审计意见能否预测财务危机给予正面回答。由此本文提出以下假设：

h1：财务危机公司获得的非标准审计意见的比例要大于所有上市公司的平均水平。www.133229.coM

h2：加入审计意见的预测模型的预测能力高于未加入审计意见模型的预测能力。

h3：离公司陷入财务危机的时间越短，预测精度就越高。

h4：对财务危机的不同界定方法（fad1和fad2）对模型的预测正确率有显著影响。

本文数据来源于巨潮资讯网。选取1998～2006年度的所有亏损上市公司和因财务状况异常而被st的所有上市公司作为统计分析的研究样本。

实证研究

（一）我国上市公司审计意见的描述性统计

按照以上审计意见分类标准和财务危机的界定方法，本文对1998-2006年沪深两市上市公司披露的审计意见作了描述性统计，具体结果如表1。

为了更好地反映不同类型公司在不同年度的审计意见，按照本文的划分方法（标准审计意见和非标准审计意见），得到1999-2006年上市公司审计意见如图1、图2所示。

从表1、图1、图2中，我们可以看出：

第一，亏损公司和st公司获得非标准审计意见的比例均显著大于所有上市公司，也可以说，所有上市公司获得的标准审计意见显著大于亏损公司和st公司，所以h1成立。

第二，从时间序列上来看，st公司出具的非标准审计意见的比例要大于亏损公司，或者可以说，亏损公司出具的标准审计意见的比例要大于st公司。

（二）预测审计意见类型的logistic回归

1.样本选取与设计。选择2006年度被st的上市公司50家，同时选择与st公司处于同一行业，资产规模相近、上市时间相近的50家公司作为配对公司（记作sample1），然后选取st公司前一年和前两年的数据分别建立模型。

选择2006年度亏损上市公司50家，同时选择与亏损公司处于同一行业，资产规模相近、上市时间相近的50家公司作为配对公司（记作sample2），然后选取亏损公司前一年和前两年的数据分别建立模型。

2.模型设计。本文采用logistic多元回归模型进行研究。为了比较两种财务危机的界定方法（fda1和fda2）对回归模型的影响，本文将以这两种划分标志分别建立模型，并且比较它们的预测效果；此外，由于本文的侧重点在于审计意见信息含量的研究，所以没有把过多的精力放在建立复杂的财务预警模型上，最终本文从反映企业的盈利能力、短期偿债能力、长期偿债能力、增长能力和资产利用能力等方面考虑，最终确定以下变量：资产收益率、流动比率、资产负债比率和总资产周转率，分别用x1，x2，x3，x4表示，建立logistic回归模型。

理性的管理者往往希望通过以前年度上市公司的审计意见类型，结合其他重要会计信息来合理预测本年度公司的情况，所以，我们把在2006年被st（或亏损）公司记为i年，因此i-1（2005），i-2（2004年）分别表示陷入财务困境前一年、前两年。

未加入审计意见模型，

其中，

其中，i=1，2，分别表示i-1和i-2年；p表示上市公司陷入财务危机的概率。对于st（或亏损）公司，yi取1，否则取0，根据所得到的logistic方程，以0.5为最佳判定点对原始数据进行判定，若p>0.5，则判定该样本为财务危机的公司，否则为正常公司。

加入审计意见x5建立新模型。在原来模型的基础上引入审计意见这一指标，用x5表示。

建立的新模型如下：

3.预测模型及结果分析。为考察以上模型的预测效果，我们把样本sample1中的3/5作为估计样本，共60家，其中st公司和匹配公司各30家；其余的2/5作为预测样本，共40家，其中st公司和匹配公司各20家；此外，我们把样本sample2中的3/5作为估计样本，共60家，其中亏损公司和匹配公司各30家；其余的2/5作为预测样本，共40家，其中亏损公司和匹配公司各20家，通过估计样本数据，分别建立预测模型。

由表2可得：无论采取哪种界定财务危机的方法，加入审计意见后，模型的预测正确率都会大大提高，也就证明了审计意见具有增量信息含量，从而证明h2成立。离公司陷入财务危机的时间越短，预测精度就越高。我们可以看出2005年综合模型的预测正确率要大于2005所对应的综合模型。从而证明h3成立。财务危机的界定方法对模型的影响不大，所以h4不成立。

结论

本文通过对1998～2006年沪深两市上市公司披露的审计意见的实证分析，可以得出以下结论：财务危机公司（亏损公司和st公司）获得非标准审计意见的比例均显著大于所有上市公司的平均水平；从时间序列上来看，st公司出具的非标准审计意见的比例要大于亏损公司出具的非标准审计意见的比例；审计意见在财务预警中具有信息含量，即加入审计意见后，提高了预测正确率。

参考文献：

1.陈梅花.审计意见信息含量研究－来自中国证券市场的实证证据[d].上海财经大学博士论文，2001