财务预警研究十篇

财务预警研究篇1

关键词：财务预警；财务指标；模型；研究

中图分类号：F27文献标识码：A文章编号：1672-3198（2008）08-0205-02

1 国外关于财务预警方法的研究

关于公司财务预警的研究在国外历史悠久。总体而言，运用于财务预警的方法可分为统计类和非统计类两大类，详细的财务预警方法分类如图1所示。

图1

1.1 一元判别法

最早的财务预警研究是Fitzpatrick的单变量破产预测研究。其后，美国学者Beaver提出了较为成熟的单一变量模型，又称一元判别模型。一元判别方法简单易行，然而此后就很少出现专门的单变量研究。

1.2 多元线性判别

1968年，Ahman首次使用了多元判定分析预测财务困境。他对1946-1965年间对提出破产申请的33家公司和33家非破产公司进行了研究，运用多元判别模型建立了z模型此后，多变量分析方法被广泛采用，成为一种主流方法。

1.3 多元逻辑回归模型

进入20世纪80年代，研究者开始使用逻辑回归模型来估计企业进入困境的概率，以概率高低来判定企业未来进入困境的可能性。为克服线性模型的局限，研究人员引进了逻辑和概率比回归方法。1980年Ohlson用多元逻辑回归方法分析了1970-1976年间破产的105家公司和2058家公司组成的非配对样本，发现利用公司规模、当前的变现能力进行财务危机的预测准确率达到96.12％。

1.4 递归划分算法(递归分割法RPA)

1985年，Frydman等提供了一种新分类方法――递归划分算法。递归划分算法兼具多变量模型的信息容量大和单变量模型简洁的优点，同时，由于这种方法属于非参数研究方法，从而避免了参数类研究方法的诸多缺陷。在RPA模型中可以选用非财务指标和定性指标，但复杂的分类树结构可能引起样本的过度适应，预测风险高，因此分类树结构宜简不宜繁，便于灵活应用。

1.5 神经网络模型(NNS)

1991年，Coats和Fant论述了神经网络模型可正确预测公司的财务危机的观点，并用了47家财务危机公司和47家健康公司检测模型的预测效果，拟和度达100％。神经网络模型克服了选择模型函数形式的困难，同时运用神经网络模型预测财务困境存在很多争议。因此综合起来看，NNS是否全面优于计量经济模型很难评价。

1.6 其他非统计类财务预警方法

其他非统计类财务预警方法还包括有专家系统法、实验法、灾害理论、混沌系统理论、期权定价理论等等。

1988年，Messier和Hansen将专家系统法(Es)首次引入到财务预警中。1991年，Gregory-Allen和Henderson.Jr。指出灾害理论可以用来描述公司的破产并作了实证检验，结果证明，在一定条件下，灾害理论能在公司公告时预测公司股票收益率的结构性漂移。

1994年，Lindsay和Campbell应用混沌系统对46对破产公司和非破产公司的配对样本进行分析，指出健康公司比非健康公司显现更多的混沌现象。

2000年，Chafitou和Tfigeorgis使用期权定价模型研究了1983-1994年间的39对美国企业，结果发现到期债务面值、企业资产的当期市价、企业价值变化的标准差等期权变量在预测破产方面作用显著，当这些期权变量与盈利能力、现金流／流动性、利息相关变量综合运用时则效果更好。

尽管目前财务危机预测方法层出不穷，但主流的分析方法只有一元判别模型、多元判别模型和多元逻辑回归模型三大类。其他研究方法由于模型开发历史较短，研究不够广泛，模型的稳定性尚有待进一步检验。

2 国内关于上市公司财务预警方法的研究现状

2.1 主要方法

在国内，受证券市场发展的影响，对财务预警的研究起步较晚。1986年，吴世农、黄世忠首次在我国介绍了企业破产的分析指标和预测模型。1990年，国家自然科学基金委员会管理科学组先后支持佘廉等人从事企业预警研究，并于1999年出版了企业预警管理丛书。之后我国学者才真正开始了对财务预警的研究，并取得了一定的成果，但主要还是借鉴国外的模型。总体来说，研究方法可以分为两大类：单模型研究和多模型比较研究。

2.1.1 单模型研究方法

1996年周首华、杨济华提出了F分数模型，它是在充分考虑了企业现金流量的变动等方面的情况后，对z模型进行了修正。2000年，张玲使用更细分的样本数据，用1998―1999年120家上市公司组成的样本，同样用线性判别分析方法进行了预测研究。

国内研究应用逻辑回归模型的，以陈晓、陈治鸿的研究为代表。另外类似的研究有储一军和姜秀华，结果同样发现多元逻辑回归模型预测效果良好。张爱民等借鉴Altman的多元z值判定模型，运用统计学的主成分分析方法，建立了主成分预测模型，结果显示了一定的有效性。杨保安等利用BP神经网络对中信实业银行的30个企业客户的财务风险状况进行了判别分类，认为BP神经网络方法是企业财务危机预警中较好的应用工具，并能为银行贷款授信、预警提供有效决策。而杨怡光则认为：人工神经网络、混沌分析等新的数学分析方法，由于方法的复杂性以及可操作性等方面的问题，在实践中不便使用。

2.1.2 多模型比较研究方法

陈静以1998年的27家被特别处理的公司和没有被特别处理的公司为对象，使用了1995-1997年的财务报表数据，进行单变量分析和多元线性判定分析，同时对两种方法进行了比较。这项研究作为国内最早的实证财务困境预测研究，利用中国的数据，作了有益的探索。但由于受样本与数据的限制，样本量小，结果难有广泛适用性。

吴世农、卢贤义以我国上市公司为研究对象，选取了70家处于财务危机的公司和70家财务正常的公司为样本。首先应用剖面分析和单边量判定分析，确定了6个预测指标，然后应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法，分别建立财务危机预测模型。结果表明：三种模型都能在财务困境发生前发出相对准确的预测。而相对同一信息集，Logistic预测模型的误判率最低。

2.2 主要缺陷

（1）与国外相比，国内财务预警研究方法多是采用单变量分析、多元判别模型和多元逻辑回归模型，很少涉及生存分析法和其他非统计类方法。而国外对于非统计类方法进行了很多大胆的尝试，总体效果比较好。

（2）预警指标只能反映结果（即风险程度）风险量变的过程和产生风险的根本原因不充分、不详细，不利于内部管理者提出应对风险的防范措施。资产负债表反映的是某一时点的财务状况，而损益表反映的则是一定期间的经营成果，没有反映危机量变的过程及其产生危机的直接因素。而现有各种财务风险预警方法利用的数据大部分来源于会计报表（而且利用的大部分是年度会计报表），即当前人们只注重研究企业的经营结果即质变的问题，而忽视了量变的问题研究。佘丛国、席酉民指出当前我国预警研究存在的问题之一就是：重警兆和警度的研究，忽视对警义和警源的分析，从而对企业危机产生的本质特征缺乏深入了解，限制了指标体系的可靠性和说明力。

（3）财务风险预警的时效性较差由于现有财务风险预警方法需依赖会计报表数据，然而会计报表一般在当期结束以后一个月甚至三个月才能公布，时间比较滞后。对于风险预警而言时间就是其生命，然而显然现有财务风险预警的时效性较差，一旦发生风险危机，预警晚矣。

（4）预警指标不科学当出现大量不良资产时，有些预警指标失灵（不能把潜在的风险及时揭示出来）。

3 完善我国财务风险预警的思路

因我国财务风险预警存在以上不足，在此特提出如下思路：在现有财务风险预警指标的基础上稍作修改，成为我国企业的年度财务风险预警指标体系；另外为了应对瞬息万变的市场，及时反映萌芽状态的风险和产生该风险的直接原因，建立一套企业内部管理者适用的财务风险预警子系统――资产风险预警系统，主要用于企业年度内各月份的风险监控。资产风险预警是指企业针对各项资产风险控制点收集整理监测数据，通过与预警标准的对比分析进行风险识别、评估和报告，及时采取有关措施防范和控制资产风险发生的过程。

狭义上的财务风险也称筹资风险，是指企业因举债而导致到期不能清偿债务的可能性。其主要衡量指标是资产负债率，其风险主要存在于资产和负债之中。企业虽然对资产风险和负债风险都必须进行控制，但其控制程度却有不同，其差异主要体现在企业负债规模不但受企业自己控制，而且很大程度上受债权人的约束；而企业资产的投放一般不受他人的限制。由于企业的负债行为受到法律、企业债权人或潜在债权人的约束，企业无法如愿获得高比例的负债。另外，从财务管理学资本结构实务中可得知，最佳的资本结构不用求出某个最佳点，而只需算出最佳区域，即上线和下线即可。同样，在求企业最佳的资产负债率时也不必算出某一点，而只需算出安全区域，得出预警线即可，也就是说资产负债率可以在一定区域内摆动，应有一个缓冲区。所以对负债风险的预警只进行年度预警即可，而不必每月进行预警，在各月份中应重点进行资产风险的预警。资产的投放则与负债相反，不但不受对方限制，有些时候还受到对方的鼓励，甚至引诱。企业负债受到企业外部条件的约束，企业想高比例负债变得非常困难，甚至无法实现。而资产的投放几乎不受外部条件的限制，完全需要靠企业管理者或股东来控制。另外，资产风险控制好了，资产的流动性好，在客观上也会降低负债风险，使企业能够及时清偿债务。因此，企业需要重点对企业资产的品质和数量进行风险管理和控制，那么建立资产风险预警也就顺理成章了。

4 建立风险预警系统需要解决的问题

（1）在建立预警指标体系时，既要考虑指标体系的完备性，又要考虑到指标间反映预警主体的非重复性，尽可能使所建立的指标体系为指标集中的最小完备集。这些指标至少应包括下列内容：不良资产、存货规模、应收账款规模、对外投资总额等。

（2）对不良资产的判断问题。近年来，不良资产一词常常出现，但其概念一直众说纷纭，其判断标准更是五花八门。虽然《企业会计制度》中对不良资产计提减值准备有所规定，但只是些笼统性原则，不便于实际操作，也没有对不良资产作出明确的定义。

（3）资产风险预警具体实施的要点。建立了资产风险预警系统之后，预警组织及其制度是风险预警实施的基础。预警组织可以成立独立的部门，也可以设置在财务部门或其他管理部门之内。预警制度则包括预警组织形式，数据的传递、获取、计算，警情的报告，草拟预警指令等。

5 结语

虽然财务预警方法研究取得了重大进展，开始进入快速成长阶段，但总体上看，尚未进入成熟阶段。而我国的相关研究更相对滞后，基于财务预警方法现状的研究，财务预警方法的运用还应在以下两个方面有所突破：首先，国内目前还没有对具体行业进行分析、建模。由于每个行业的状况不同，影响财务危机的因素自然不同，因此，分行业研究更有价值。国外在分行业研究中发现，由于行业的不同，同一预警变量包含信息量有所不同，其预测效果大有差别。其次，国内财务预警还只局限于对被特别处理的公司的预测上，为投资者买卖股票提供一些投资依据，对企业自身的预警也并不多见。

参考文献

［1］W.H.Beaver. Financial Rations as Predictors of Failure［J］. Journal of Accounting Research (supplement)，1966.

［2］Ahman E.I，Financial ratios. Discriminant analysis and theprediction of corporate bankruptcy［J］.Journal of Finance，1968(9)：58-67.

［3］Ohlson.J.A. Financial Ratios and the Probabilistic Predic.tion of Bankruptcy［J］.Journal of Accounting Research，1980(1)：109-131.

［4］Halina Frydman，Edward I.Ahman，Duen-Li Kao，Intro.ducing Recursive Partitioning for Financial Classification ：The Case of Financial Distress［J］. Journal of Finance，1 985，Volume 40.Issue 1.PP.269-291.

财务预警研究篇2

关键词：财务；预警；系统

一、企业财务预警系统构建的原则

企业财务预警系统，以预警财务危机信息为主要目的，并为企业的健康发展，提供防范财务危机的信息。为此，企业财务预警系统的构建，至少需要符合以下几个方面的原则：

（一）系统性原则

财务信息渗透于企业发展的各个环节，我们构建财务预警系统，不能够独立于企业的其他管理工作。譬如企业在分析销售成本回收困难原因时，不能够一味深究销售环节的问题，而要综合考虑采购、设计、生产、销售、行政等各个环节情况，比方说同类和同量的生产物资，本期采购成本远远低于上期采购的成本，这些财务数据说明可能在采购环节出现问题，波及到产品的质量，使得销售工作寸步难行。由此可见，我们需要将财务预警系统，视为企业整体管理的有机组成部分，从企业全方位发展的视角，监控各个区域的财务状况。

（二）科学性原则

财务预警系统发出预警信号之前，是事无巨细地收集各类财务信息，其中不乏关联不大、失真失效信息，侧面要求我们所构建的财务预警系统，具备科学检测的能力，方可保证所得出的预警信号，为科学合理的结论。反之，如果财务预警系统的检测指标和检测方法不合理，必然会影响预警数据的真实性，难以行之有效地解释财务运行规律。因此，我们在开发企业财务预警系统时，务必秉着科学性原则，合理设置财务预警监测的指标，如实反映企业的财务活动风险。

（三）动态性原则

财务预警工作，主要立足于企业运营的过去和现在，动态分析监测财务的数据，以判断尚未发生的财务风险。对此，财务预警系统的开发，要体现出动态性原则，善于根据过去和现状，把握企业的未来财务工作走向，在发现可能潜藏财务危机时，修正财务管理方案和调整财务管理方向，并在系统功能方法，因地制宜地进行修改和补充，这样才能够确保财务预警系统的先进性。

（四）及时性原则

财务预警系统构建的目的，就是为了让企业能够第一时间掌握财务的情况，分析是否可能出现财务状况恶化或者险情，并及时采取措施防范财务危机。假设预警系统不及时，无法在财务危机发生之前“拉响警报”，那么系统将形同虚设，可见财务预警系统构建需遵循及时性原则。

二、企业财务预警系统构建的方法

企业财务系统的构建，必须同时满足系统性、科学性、动态性、及时性等基本要求，而关于系统的构建，除了要合理划分系统的内容，还要求从各个层面揭示系统构建的细节。笔者基于相关的财务管理经验，归纳总结出以下几方面的财务预警系统构建方法：

（一）财务预警组织机构

财务预警组织机构，视为预警工作的基本前提，机构的设立，其原则性条件是“专人负责”，即要求预警分析的各项细节性工作，都有相应职责的工作人员执行，并不受到机构以外的其他部门干扰。以某企业为例，该系统在董事会的直接领导下，成立了财务风险预警机构，主要负责财务预警目标的确立、财务预警方案的制定、财务预警信息的统计分析、财务风险的预测等，进而为公司提出相应的预警提示，并接受公司所反馈的财务风险防范情况。另外还有一种模式的财务预警组织机构，是在企业战略管理职能组织下，其中一个组织负责预警管理，譬如财务预警和其他预警，而另外一个组织负责执行管理。这种模式的财务预警组织结构，比较适合规模比较大的企业，但前提是将细节工作落实到位。

（二）财务信息收集和传递

财务信息的收集和传递，由专人收集大量市场信息、行业信息和企业内部数据后，统计和分析这些数据，并贮存在资料数据库当中，数据库要进行定时更新，同时升级数据库系统，确保数据库中的财务信息，保持足够的准确性和完整性。在企业财务预警系统中，财务信息的收集和传递功能，可概括为：收集、处理、辨伪、存储、推断等，其中需要赋予专人的工作职能和系统的技术支持。通常情况下，我们在确定考察内容后，广泛收集、统计和分析信息，进而整理、汇编和计算，最终获取材料中隐含的企业发展趋势，以及隐藏的财务危机。某企业有意拓展海外市场，委派专人调查了多个国家的经济、军事、政治等情况，发现中东多个国家受到战火影响，尽管商业契机颇多，但潜藏诸多财务风险，譬如外汇兑现困难、银行机构瘫痪等，企业将市场的调查信息录入了财务预警系统，同时综合其他国家的市场信息作出甄选判断，做出海外市场的正确甄选。

（三）财务预警指标构建

考虑到企业财务活动辐射范围广，不仅与市场、行业的外部情况有关，而且企业内部的这种财务信息错综复杂，为此我们需要保证财务预警指标的全面，包括偿债、资产管理、资产结构、盈利、现金流量、核心能力等，都是为财务预警指标的内容之一。笔者认为，财务预警指标对应某种程度的财务危机，而财务危机程度有大有小，因此有必要划分财务预警指标的类别：一方面是一般预警指标，包括偿债能力指标、资产管理指标、运营效率指标、资产结构风险指标、盈利能力指标、发展能力指标；另一方面是关键预警指标，属于敏感性更高的指标，可概括为营业现金流量流入和流出指标、营业现金流量纳税保障率指标、维持当前现金流量能力保障率指标、营业现金流量偿债贡献率指标、净收益营运指数指标、现金营运指数指标、经营性资产收益率指标等。这些指标确定之后，财务预警系统就能够有的放矢地运作。

（四）日常风险监测和分析

根据财务预警指标的内容，统计和分析数据库中的各种信息，预测企业未来可能面对的各种财务风险，提前做好预防的措施。首先是根据财务预警指标数据监测，以偿债能力分析为例，正常情况下，企业现金的流动比率在1-2之间，表明企业短期内具备足够的偿债能力，假设企业的现金流动比率异常，表明可偿债的能力有所下降，需要提前做好偿债准备金。其次是企业经营风险监测，综合企业经营过程中的人力资源、财力资源、物力资源等的使用效率，衡量投入产出的风险、存货积货的风险、机器设备使用效率风险、固定资产补偿不足的风险、不良资产风险等。最后是企业市场风险监测，根据企业产品或者服务在市场所占的份额，同类型产品的数量，产品或者服务的质量、品种等，判断企业的核心能力竞争风险、产品滞销风险、新产品开发风险、广告宣传风险等。总之，企业日常风险的监测和分析，离不开财务预警系统的科学运作，系统中的判别标准、指标跟踪等，都要作为系统开发的依据。

三、结束语

综上所述，企业财务预警系统，以预警财务危机信息为主要目的，并为企业的健康发展，提供防范财务危机的信息。企业财务系统的构建，必须同时满足系统性、科学性、动态性、及时性等基本要求，而关于系统的构建，除了要合理划分系统的内容，还要求从各个层面揭示系统构建的细节。文章通过研究，基本明确了财务预警系统的开发和运作方法，但考虑到不同企业财务管理工作要求和条件的差异性，以上方法在财务管理实践中，要紧扣工作的实际情况，予以灵活地参考借鉴。

参考文献：

[1]张慧君，苏宁，陈丽荣.从财务指标的选用看财务预警系统的有效性[J].华东经济管理，2004（2）：171-173.

[2]端木正.财务预警系统理论初探[J].财会研究，2004（9）：37-38.

[3]薛祖云，刘金星.现代企业财务风险预警系统指标体系的构建[J].财会通讯：综合版，2004（8）：17-18.

财务预警研究篇3

关键词：财务困境；K均值聚类；Softmax回归

一、引言

上市公司财务状况和经营成果都受到投资者和债权人等多方利益相关者的关注，而公司一旦陷入财务困境会给许多利益相关者带来直接和间接的损失。如果能够及时地识别可能出现财务困境的公司，并在财务状况进一步恶化之前采取必要的措施，那么这些损失是可以避免的。财务困境预警试图识别出可能出现财务困境的公司，揭示财务困境的影响因素，是防范和化解财务困境有效途径。关于财务困境预警已有大量实证研究，但是基于不同的研究思路和方法，不同的学者给出了许多不同的财务困境的界定标准。例如Beaver（1966）[1]将企业失败明确定义为企业不能偿付到期债务；吕长江、徐丽莉和周琳（2004）[2]则认为公司财务困境的表现是公司流动比率长期小于1。这些界定标准都将公司财务状况简单地划分为“好”与“坏”两类。财务状况二分类的思想存在一些问题：公司出现财务困境不是一个一蹴而就的过程，非困境公司的财务状况也可能并不健康[3]；不论以何种标准划分困境与非困境企业，这两类企业的数量都存在巨大差异，导致了其研究很难获取到足够数量的非困境样本[4-5]。所以，财务困境预警首要的问题是公司财务状况的分类。本文将使用聚类分析对上市公司财务状况进行分类，以期得到较为合理的分类结果。将聚类结果作为样本标签，训练并测试多分类预警模型。

二、文献回顾

现有研究多集中在二分类预警模型，例如徐炜（2019）[6]和Chow等（2018）[7]。然而，Amy（1987）[8]认为企业的财务状态具有连续性，不应简单地划分为失败与非失败。Hensher，Jones和Greene（2007）[9]指出，公司彻底破产并不能反映实际中财务困境的全部状态。Chancharat等（2010）[10]考察了不同公司退市的原因，而每种退市方式都可能是不同的影响因素所导致的。KingsleyOpokuAppiah（2017）[11]提到在财务预警实证研究中，依据不同的定义和标准，不同的文献中存在样本选择偏差的问题。吕长江（2004）[12]提出，将上市公司直接划分为“好”与“坏”两种极端的情况是不合理的，并深刻剖析了二分类预警研究存在的弊病。首先，非财务困境公司的财务状况也不一定良好，存在一些处在困境边缘的公司。其次，就是基于历史数据来揭示可能导致公司陷入财务困境的影响因素，而一些偶发性因素不一定能通过分析历史数据进行溯源。最终，使用聚类分析将上市公司财务状态划分为财务闲置、财务充盈、财务均衡、财务困境和财务破产五类。

三、实证研究

（一）研究变量

目前，对上市公司质量进行评价，主要使用财务指标评价和会计信息质量评价。预警指标既要参考以前研究中采用的指标，还需要具有可操作性。财务预警依赖于真实可靠的会计信息，盈余管理程度已是现有研究中衡量会计信息质量的重要指标之一。借鉴现有文献中成熟的预警指标体系，最终选择了如表1所示的14个预警指标。

（二）数据来源与预处理

本文从国泰安数据库，获取了2775家上市公司2016年～2019年的财务指标。为了便于聚类分析，对2019年数据进行标准化处理。而2016年～2017年数据则先以0.25的比例划分测试数据集，然后对该年的训练集和测试集分别进行标准化处理。

（三）聚类结果分析

首先要明确K均值聚类的原型个数k。本文进行了15次聚类实验，将轮廓系数作为实验结果，对三组实验结果采用成对T检验。检验结果显示，k=3时轮廓系数明显低于其他两组，而k=4和k=5两组结果的均值在0.1的水平下不具有显著性差异，P值约为0.1094。但是观察分类结果发现，当k=5时，时常会出现某一簇仅有1个样本，所以最终指定k=4。2019年上市公司的聚类结果如表2所示。通过对比各个簇与样本总体平均值之间以及各簇之间的差异，可以发现：簇1的样本量占总体的58%，ST的比例是各簇中最低的2.2%，除发展能力各项指标平均水平为各簇最高外，财务状况应当属于中等水平。簇2平均公司规模最小，但是资产负债率极低，流动资产充足，偿债能力和盈利能力最强，应是财务健康的公司。簇3偿债能力、发展能力和盈利能力均是最差，且全部样本均为2019年被特别处理的公司，所以应为财务困境的公司。簇4平均资产规模最大，虽然营运能力较强，但其偿债能力和盈利能力都低于样本总体平均水平，会计信息质量较低，其中有许多处于困境边缘的公司。据此，本文利用聚类分析将上市公司样本划分为4类，分别命名为健康、中等、困境边缘和财务困境，在表2中的排序为2、1、4和3。健康公司数量较少，而中等水平的公司占据了样本的大半。财务困境公司数量极少，其财务状况已经严重恶化。而困境边缘公司数量却不在少数，这一部分公司应引起足够的重视。

（四）预警模型

对于样本数据集有k个类别，即yi∈（1，2，…，k），如式（1）所示，softmax回归主要估算样本数据xi归属于每一类的概率。最后，以概率值最高的类别作为该样本的分类结果。将2016年～2018年的数据分别分割为训练集和测试集，训练集用于训练模型，测试集则用于评价模型预测性能。多分类结果的评价比二分类更为复杂，本文利用卡帕系数评价多分类模型的预测结果。卡帕系数是一种衡量分类精度的度量指标，与准确率和召回率一样，都可以根据分类结果的混淆矩阵计算得到。计算得到的真实类别和预测结果的卡帕系数，可以从0到1均匀地划分为五个区间，每个区间表示一个一致性水平，分别是轻微（slight）、一般（fair）、中等（moderate）、基本一致（substanial）和几乎完全一致（almostperfect）。观察基于不同年份数据的预警模型测试结果，能够得到以下结论：卡帕系数显示，基于2018年数据的预警模型，预测性能是三者中最优的，但0.78仍属于中等一致性水平。2016年财务中等的样本的预测结果准确率很低，这是因为有大量误判样本，这些误判样本真实类别为困境边缘。财务困境与困境边缘公司之间存在大量误判，2016年财务困境样本的召回率仅有0.25，被误判的样本有一半被模型识别为困境边缘的样本，另有约一半被分类为财务中等的样本。

（五）模型解释

基于2018年数据训练得到的模型预测性能最优，这符合一般实证研究的结论，即使用t-1期的数据得到的预警模型最为准确。2016年和2017年的预测结果存在许多误判，所以表4仅列示了2018年Softmax回归模型的系数。为了降低过拟合的风险，通常会在损失函数中加入正则化项，本文也使用了L2范数正则化。正则化能够将特征选择和训练过程融为一体，在模型训练过程中自动完成特征选择，会使得模型中不重要的特征的系数更加接近0。公司规模（X1）的系数绝对值均较高，而且对于财务健康和中等公司，公司规模与分类为这两类的概率呈负向关系，而与困境边缘和财务困境公司则是正向的。资产负债率（X5）也呈现出与公司规模类似的情况，资产负债率越高，公司财务状况恶化的可能性越高。发展能力相关的三个指标，总资产增长率（X8）、净利润增长率（X9）、可持续增长率（X10），的系数在Z3中均为负。盈利能力相关指标就显得不那么重要，例如净资产收益率（X11）在Z2中的系数仅为0.006。同时可以发现，总资产净利率（X13）越高，分类为困境边缘的公司的可能性越大而分类为财务中等的公司概率越低，说明该指标在这判断这两类样本是具有误导性。

四、结论

财务预警研究篇4

关键词：高新技术企业； 财务风险； 财务预警理论

中图分类号：F275 文献标识码：A 文章编号：1001-828X（2013）03-0-01

一、前言

在目前高新技术企业的发展中，财务风险是经营管理过程中不可避免的风险之一，同时也是对企业经营影响最大的风险，为了保证高新技术企业能够在发展过程中处于有利的竞争地位，我们必须对企业所面临的财务风险有足够的认识。从当前的研究成果来看，企业应对财务风险有效的办法是根据财务预警理论，建立有效的财务预警机制，提高企业应对财务风险的能力，使企业能够在财务风险形成之前有所预知，并采取积极的方法进行干预，减少财务风险的发生，保证企业的经营效果。基于这种认识，我们应该对财务预警理论有深入的了解。

二、高新技术企业财务危机和财务预警的概念与描述

1.财务危机又称财务困境，国内外学术界并没有给出财务危机的统一定义，通常公认有两种确定的方法：一是法律对企业破产的定义，二是以证券交易所对持续亏损、有重大潜在损失或者股价持续低于一定水平的上市公司给予特别处理或退市作为标准。根据中外学者的研究，财务危机至少有以下几种表现形式：第一，从企业的运营情况看，表现为产销严重脱节，企业销售额和销售利润明显下降，多项绩效评价指标严重恶化；第二，从企业的资产结构看，表现为应收账款大幅增长，产品库存迅速上升；第三，从企业的偿债能力看，表现为丧失偿还到期债务的能力，流动资产不足以偿还流动负债，总资产低于总负债。

2.所谓企业财务预警，即财务失败预警，是指借助企业提供的财务 报表、经营计划及其他相关会计资料，利用财会、统计、金融、企业管理、市场营销理论，采用比率分析、比较分析、因素分析及多种分析方法，对企业的经营活动、财务活动等进行分析预测，以发现企业在经营管理活动中潜在的经营风险和财务风险，并在危机发生之前向企业经营者发出警告督促企业管理当局采取有效措施，避免潜在的风险演变成损失。

三、目前财务预警理论和财务预警方法分析

目前的财务预警理论主要是研究企业如何能够利用正确的财务行为，避免财务危机的发生。从企业所面临的财务危机来看，财务预警理论将研究重点放在了如何对财务危机进行预先判断和分析上，旨在通过对企业财务行为的分析，达到对企业财务风险的预警。目前来看，企业财务预警主要采取了以下方法：

首先，通过对基础的财务数据材料进行分析得出企业财务风险的判断，并以此理论为指导，推动企业采取具体措施对风险进行干预。

其次，通过采用多种分析方法，对企业面临的财务风险进行判断，主要方法为比率分析法、比较分析发、因素分析发等，保证分析的准确性。

再次，通过对企业面临的潜在风险进行预警，避免企业财务危机的出现，一旦发现企业存在潜在风险，应立即采取措施，对风险进行干预和消除。

四、目前财务预警理论和方法存在的问题和局限性

从目前财务预警理论和预警方法来看，主要表现为三个层面，首先为基础数据分析层面，其次为专业分析方法层面，再次为潜在风险预知层面。虽然这几种方法在企业的财务风险预警中取得了积极效果，但是由于高新技术企业所面临的经营形势和市场环境不断发生着变化，为此现有的财务预警理论和方法还存在一定的问题和局限性。

1.高新技术企业的财务预警方法过于单一

对于高新技术企业而言，在经营管理过程中，虽然对财务预警理论非常重视，但是在实际运行中财务预警的方法采用的比较单一，没有取得预期的管理效果，没有完全消除企业遇到的财务危机。

2.高新技术企业面临的财务形势日趋复杂

由于高新技术企业面临的市场竞争非常激烈，自身的财务形势也比较复杂，企业的多数资金都用于产品研发，导致了资金配置不合理，存在一定的风险，同时受到市场竞争的影响，日趋复杂的财务形势制约了财务预警理论的发展。

3.高新技术企业的财务结构制约了财务预警理论作用的发挥

考虑到高新技术企业的特点，高新技术企业在财务结构方面将资金投入重点放在了产品研发上，客观上导致了资金倾斜过于明显，使企业的财务面临一定的风险。也正是这种财务结构，制约了财务预警理论作用的发挥。

五、高新技术企业财务预警研究的理论框架分析

通过对高新技术企业财务管理制度的研究，高新技术企业要想取得良好的财务风险预警效果，就要根据企业自身发展特点提出财务预警研究的理论框架，指导企业财务预警实践。以下以哈尔滨高新技术企业为例，重点探讨高新技术企业财务预警研究理论框架的形成。

1.哈尔滨高新技术企业偏向于新产品的研发，需要成熟的财务预警理论来有效预防财务风险。从目前哈尔滨高新技术企业的产品定位和企业结构设置来看，天然存在的风险对财务预警理论提出了具体的要求。

2.哈尔滨高新技术企业的贷款存量较高，需要完整的财务预警理论来支持整个企业财务发展。由于哈尔滨高新技术企业在发展中吸引了一定数量的贷款和民间资金，因此在财务风险上处于高风险的状态，这一现状决定了企业需要完整的财务预警理论。

3.哈尔滨高新技术企业的发展速度较快，需要根据财务预警理论构建有效的财务预警体系。考虑到高新技术企业高速发展的现状，只有有效的财务预警体系才能实现对企业财务风险的干预。

参考文献：

[1]卢声，任若恩，李清.中国上市公司财务困境模型的研究[J].北京航空航天大学学报（社会科学版），2001（01）.

[2]李荣.西北地区上市公司财务危机预警模型问题研究[J].商业研究，2007（06）.

[3]张鸣，张艳.财务困境预测的实证研究与评述[J].财经研究，2001（12）.

[4]徐勇.上市公司财务困境预测模型实证研究—基于制造业的实例[J].财会通讯（学术版），2007（01）.

财务预警研究篇5

[关键词] 财务危机 预警模型

随着资本市场的不断完善，财务危机预警的研究一直是实务界和学术界关注的热点问题。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，对公司可能或者将要面临的财务危机实施的实时监控和预测警报。

一、前言

财务预警中的数学模型就是财务预警模型，它是指借助公司财务指标和非财务指标体系，识别公司财务状况的判别模型。

按照研究方法可分为定性研究和定量研究。定性分析包括：标准化调查法；“四阶段症状”分析法；“三个月资金周转表”分析法；流程图分析法；管理评分法(王玲玲等，2005)。定量分析已取得了比较成熟的研究成果，可以划分为两个阶段：20世纪60年代～80年代，形成了一些以统计方法为分析工具的传统的财务危机预警模型，主要包括：单变量判定模型(Univariate)；多元线性判定模型(Multiple discriminate analysis，MDA)－Altman的Z值判定模型（Z-score 模型、Zeta模型、Z*值模型）、Edmisterd(1972)的小公司财务预警模型、英国的Taffler(1977)的多变量模式、日本开发银行建立的“利用经营指标进行公司风险评价的破产模型”；概率模型(Logistic regression model)－多元逻辑(Logit)回归模型、多元概率比(Probit)回归模型，这些模型的发展已趋于成熟，但存在着难以克服的缺陷。

20世纪90年代后，学者们开始探索使用新的方法，主要是非统计方法来创建的新兴的财务危机预警模型，它们从不同方面克服了传统模型的缺陷。但新兴的财务困境预警模型的探讨与应用研究较为分散，还没有形成完善的综合研究格局。本文综合述评了新兴的财务危机预警模型，并对未来的研究方向进行展望。

二、新兴的财务危机预模型

由于传统的财务危机预警模型所采用的统计方法一般都受制于母体分布的假设前提，存在着难以克服的缺陷，因此，20世纪90年代后，主要是基于非统计方法的新兴的财务危机预警模型。

1.建模技术的发展

(1)粗糙集分析(Rough set analysis，RST)。Slowinski和Zopoudinis(1995)率先将粗糙集分析方法用于企业失败风险的评估。粗糙集方法包含了知识发现及分类决策法则的推导。它善于用不完善的信息进行分类，被证明是用一组多价值属性的财务比率描述失败与非失败公司的有效工具。(2)神经网络模型(Artificial neural network，ANN)。Odour和Sharda(1990)是最早把BP神经网络技术应用于财务危机预测研究中，结果显示神经网络要优于当时的判别分析模型。(3)混沌模型(Chaos theory model)。Lindsay和Campbell(1996)将公司视为具有混沌行为的系统，建立了公司失败预测模型。它是对企业财务健康状况的非线性动态分析，能测度出企业在不同时期混沌量的差异。(4)自组织映射模型(Self organizing map model)。Kiviluoto & Bergius(1998)在运用SOM技术时考虑了动态性，他们建立了双层自组织映射模型，可分析连续几年的财务信息，对破产与非破产公司进行可视化的区分，并勾画出随时间演变的失败路径。(5)多维标度模型(Multi dimensional scaling model，MDS)。Bishop、Mar-Molinero和Turner(2003)利用MDS在行业背景下对一家公司财务状况的演变过程进行了案例研究，它是一种图像化的聚类方法，它的独特之处是把公司当作变量，而将属性(如财务比率)作为案例。(6)累积和模型(Cumulative sum model，CUSUM)。Kahya和Theodossiou运用累积和模型对公司失败进行预测，认为模型还应包含财务状况恶化的动态过程信息，于2000年提出了预测公司失败的CUSUM模型，该方法能探测财务状况由好转坏的拐点，对财务状况恶化敏感并具有记忆力，区分财务指标变化是由序列相关引起的还是由于财务情况恶化造成的。除了以上介绍的财务危机预警模型之外，还包括基于模糊法则的分类模型、动态事件历史分析、机器学习决策树法、线性目标规划法、专家系统等。

2.建模变量的发展

(1)加入期权变量。Charitou和Trigeorgis(2000)使用B-S期权定价模型中的相关变量构建了财务危机判别模型，对1983年到1994年期间的139对美国公司进行了对比检验，结果发现到期债务面值、公司资产的当期市价、公司价值变化的标准差等期权变量在预测破产方面作用显著。(2)利用市场收益率。Aharony等提出了基于市场收益率方差的破产预测模型。发现在正式的破产公告日之前的4年内，破产公司股票的市场收益率方差与一般公司存在差异。Altman和Brenner发现，破产公司的股票在破产前至少1年内在资本市场上表现欠佳。Clark等发现破产公司股票在破产前至少3年内存在负的市场收益率。（3)加入公司股权结构、治理结构变量。有学者研究发现，公司的股权结构、治理模式等会对业绩产生重要影响。Simpson等研究了银行企业董事会结构、所有权和财务困境。Gilson研究了处于财务困境中的企业中高级管理人员的更替问题。除了以上介绍的财务危机预警模型之外，还包括运用现金流量指标、加入参考审计意见、加入违约距离、基于平衡计分卡等的模型。

三、财务危机预模型的评析

1.财务危机预警模型缺乏经济理论的指导

目前财务危机研究集中于预警模型的构建之上，并未深入到对引起公司财务危机的内部机理的探析。被引入模型的变量（财务指标）只是公司陷入财务危机的征兆，而不是公司陷入财务危机的原因和本质。用财务变量建立预测模型对公司财务危机进行预测只是一种基于样本的相关性分析，而不是因果关系。大多数财务预警模型只能给财务分析人员提供一些表面上的信息，而不能从根本上防止公司陷入财务危机。

2.预警变量选择缺乏理论支持

目前还没有形成有说服力的优选预警变量的理论框架，影响了模型预测的可靠性。预警变量（财务指标）的选取不能在理论指导下有系统性的进行，而只能靠研究者经验判断、对前人研究成果借鉴和统计筛选。研究者的经验判断会因主观因素影响模型预警效果。事实上，诸多模型中变量的选择都存在显著差异，即使是同一类型的财务指标，不同的研究者选取的指标差异也很大。

3.预警模型考虑定性变量和非财务指标有限

财务危机预警型主要以财务会计报表数据为基础，以各种财务指标为变量来建立预警模型，对定性变量和非财务指标使用有限。不可否认财务报表数据是公司经营状况的一个综合反映，但财务报表数据披露不足，时效性较差，缺乏对风险信息和不确定信息的披露。非财务指标和非定量因素在披露公司财务状况方面要比财务指标更为可靠、有效，公司的生存和发展会产生许多有利或不利的影响，有时可能是本质原因，比如，公司出现过度依赖银行贷款、公司人力资源匮乏、公司市场定位不清等状况，都预示着公司存在潜在的危机，而这些是财务比率所不能反映的。

4.非平稳问题的处理重视不足

很多方法在运用中对数据的非平稳性问题重视不足。由于商业周期的阶段性、市场环境的变化及技术变革等原因，检验时段与预测时段的自变量平均结构可能发生变化，变量间的关系也随之改变。很多研究没有对这一问题加以重视，可能导致模型的预测力与鲁棒性受到影响。因此有必要对数据进行一些处理，如使用行业相对比率、扣除数据中的通胀因素等，使变量的平均结构及变量间关系从检验期向预测期跨越时保持相对平稳。

四、财务危机预模型研究的展望

1.深入研究基于经济、财务及管理的理论

要深入研究基于经济、财务及管理理论，系统揭示公司陷入财务危机的内部机理和规律，建立宏观层次要素和公司财务危机微观层次间的联系，以提高模型的可信度和解释能力。

2.预测变量的选择多样化

财务危机预警模型不能单纯依靠财务指标，至少要在预警系统中涉及到非财务指标和定性变量，这样才能更为完整地反映公司全貌。如：考虑宏观经济波动指标、产业指标、管理指标、市场收益类和市场收益方差类指标、行业差异的指标等；考虑定量方法和定性方法的有机结合。因此，未来的发展趋势应当是以财务指标为主，兼顾其他几类指标和定性变量，构建更为全面的备选指标组，然后进一步通过现代分析方法对备选指标进行相关性分析，保留主要指标进行建模，以起到信息互补、提高预测精确度、提高模型的判别能力、拓展模型的适用性的作用。

3.预测方法转向实时动态预测

随着网络技术和计算机技术的高速发展，特别是以Internet为主的现代信息技术的发展，为危机预警带来了新的机遇和新的挑战。如何利用现代信息技术的强大功能将危机预警系统与公司其他信息系统相融合，建立网络环境下的危机预警系统，动态、实时地从内部信息网络和Internet上获取最新数据，不断修正完善预警模型，使得预警模型成为一个动态学习的模型，将是今后研究的热点。

五、结束语

通过对财务困境预警模型进行回顾和评析，使我们的研究视野有了极大的拓展，便于我们在借鉴前人思路和方法的基础上进行更深入的研究，也便于我们选用最为恰当的财务困境预警模型去研究我国的财务困境预警问题。

参考文献：

[1]王玲玲 曾繁荣:财务预警模型评述[J].市场论坛,2005(12)

[2]Slowinski R, Zopudinis C. Application of the rough set approach to evaluation of bankruptcy risk[J].Intelligent Systems in Accounting, Finance and Management,1995,4:27～41

[3]Odour M D, Sharda R.A neural network model for bankruptcy prediction[J].Conference on Neural Networks,1990(6):136～138

财务预警研究篇6

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，企业发生财务危机乃至破产的情形越来越多，因此有效地预防财务危机的出现成为一个重要的研究课题。本文回顾了国内外财务预警研究理论，并对现有的理论文献进行了详细的梳理和评价。

关键词 证券市场 上市公司 财务预警

一、引 言

自改革开放以来，我国市场经济体制改革不断深化，市场竞争日趋激烈，财务危机成为导致企业生存危机的重要因素。因此及时沟通企业有关财务信息，构建财务预警系统，有效地防范和化解财务危机，是每个企业亟待解决的问题。同时随着我国证券市场信息披露制度的不断完善，根据这些信息构造合理的财务风险预警模型已经具备了现实的可能性。

财务预警理论是随着证券市场不断发展而产生和不断深入的。“危机预警”思想源于20世纪初的欧美，在20世纪50年代取得了显著成果，进入90年代，由于企业危机爆发的频率越来越高，尤其是自2007年以来由美国次贷危机引发的全球金融危机，使得人们更加重视危机预警管理。与此同时，财务预警的研究也相应展开。根据研究方法的差异，一般可将这些理论大致分为定性预警分析和定量预警分析两类。

二、定性预警方面的研究

财务预警的定性分析方法主要包括以下几种方法：标准化调查法是通过专业人员、咨询公司、协会等，通过直观的归纳对企业可能遇到的问题加以详细调查和分析，对企业未来的发展趋势作出判断。

“死阶段症状”分析法认为：企业财务运营病症大体分为四个阶段：财务危机潜伏期；财务危机发作期；财务危机恶化期；财务危机实现期，而且每个阶段都有其典型症状。

管理评分法是美国学者仁翰•阿吉蒂在对企业的管理特性和破产企业存在的缺陷进行调查中，对集中缺陷、错误和征兆进行了对比打分，还根据对破产过程产生影响的大小程度对他们进行加权处理。

我国学者李秉成从上市公司财务困境形成角度、困境征兆角度探讨了上市公司财务困境预警分析方法。提出了财务困境加权分析法和象限分析法两类财务困境综合分析方法。

三、定量预警方面的研究

最早的财务预警研究是菲茨帕特里克（1932）开展的单变量破产预测研究。他最早发现陷于财务困境的公司的财务比率和正常公司相比有显著不同，从而认为财务比率能够反应企业的财务状况，并对企业未来具有预测作用。美国学者比弗（1996）最早运用统计方法研究了公司财务失败的问题，提出了较为成熟的单变量判定模型。但是单变量模型具有明显的局限性，很难做出正确的判断。

美国学者阿特曼（1968）最早运用主成分分析方法提炼最具有代表性的财务比率，将多个标志变量在最小的信息损失下转换为分类变量，获得能有效提高预测精度的多元线性判别方程，被称为Z分数模型。我国学者周首华等 （1996）提出了F分数预测模型，通过更新指标和扩大样本数对Z分数模型进行了修正。多元线性判定模型具有较高的判别精度，但存在一些缺陷。其一，模型假定比较严格，现实中的样本数据往往不能满足其自变量呈正态分布的假定前提。使得结论必然存在令人质疑的成分。其二，在前一年的预测中多元线性判定模型的预测精度较高，但在前两年、前三年中其预测精度都大幅下降。

奥尔森（1980）第一个采用Logit方法进行破产预测。其模型使用了9个自变量估计了三个模型，分析样本公司在破产概率区间上的分布以及两类错误判别错误和分割点的关系。我国学者陈晓等（2000）以38家ST公司为研究对象，运用Logit回归方法进行实证研究，发现负债权益比率、应收账款周转主营业务利润/总资产、留存收益/总资产具有较强的预测能力。其后多位国内学者也采用类似方法对上市公司财务预警进行了研究。

类神经网络模型一般是利用一组案例建立系统模型，该模型接受一组输入信息并产生反应，然后与预期反应相比。如果错误率超过可以接受的水平，需要对权重作出修改或增加隐藏层数目并开始新的学习过程。经过反复循环，直至错误率降低到可以接受的水平，这时学习过程结束并锁定权重，类神经网络就可以发挥预测功能。奥多姆和沙尔达（1990）开拓了用BP神经网络预测财务困境的新方法，我国学者杨保安等（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。现实中神经网络具有较好的纠错能力，从而能够更好的进行预测，但由于理论基础较薄弱，其对人体大脑神经模拟的科学性、准确性还有待进一步提高，因此适用性也大打折扣。

四、浅议国内外现有文献

在财务预警的定性研究方面，国内外学者对引起企业危机发生发展的内外各种因素进行了深入探讨，但结论能够直接和定量模型结合起来的还不多。从财务预警的定量研究方面看，国内外学者结合各种量化技术，出现了众多的预警模型，但应用性和可操作性较差。而笔者认为模型的最根本作用还是得应用到实际中解决不同财务信息使用者的认知需要。

由于财务预警模型的局限性、模型变量的选择方法问题、财务信息失真问题以及非财务变量对财务预警的影响，使得财务预警理论的实际应用一时很难得到解决。而只有解决当前存在的这些问题，才能为正确解决上市公司财务预警课题奠定基础。

参考文献：

[1]彭韶兵.财务风险机理与控制分析.西南财经大学.2001博士学位论文.

财务预警研究篇7

    【关键词】财务风险 预警 风险控制

    一、企业内部财务风险形成原因

    企业产生财务风险的原因很多,不同的财务风险形成的具体原因也不尽相同,既有企业外部的原因,也有企业自身的原因。而财务管理因决策失误、管理不善及缺乏风险意识等原因造成内部财务风险,存在于财务管理工作的各个环节。

    1、企业管理者盲目追求规模扩张,决策缺乏科学性。在现实工作中,许多企业的管理人员缺乏风险意识,认为只要做大做强,企业就会有发展前途,风险意识淡薄,从而导致决策失误,这是财务风险产生的重要原因之一。成功的企业总是追求更大的成功,不断扩张是每个企业内在的冲动。然而没有明确目标和科学决策的盲目扩张,会使一个本来健全的企业陷入混乱。这种增长不仅会给企业带来财务风险和经营亏损,甚至会使企业彻底崩溃或破产。

    2、企业筹资方式不当,资本结构不合理。由于筹资决策失误等原因,企业资本结构不合理的现象普遍存在。企业盲目追求利益最大化,过于追求成本最低的筹资方式是错误的。目前,可供企业选择的筹资方式主要有银行贷款、发行股票、发行债券、融资租赁和商业信用。不同的筹资方式在不同的时期会有各自的优点与弊端,如果选择不当,就会增加企业的额外费用,从而减少企业的应得利益,影响企业的资金周转最终产生财务风险。

    3、企业财务关系混乱,内部管理不完善。企业内部财务关系混乱,内部管理不完善,是企业目前存在的通病,企业与内部各部门之间及企业与上级企业之间,在资金管理及使用、利益分配等方面存在权责不明、管理混乱的现象,造成资金使用效率低下,资金流失严重,资金的安全性、完整性无法得到保证。

    由于上述原因的存在,如果企业对其不快速做出相应的反映或处理,这些原因都将会在一定程度上,或直接或间接地促使企业走向破产,或引发企业的财务危机的产生,财务预警恰好起到了对财务危机进行事前预报并防患于未然的作用。

    二、财务预警模型研究的简要评述

    我国有关财务风险预警分析的研究起步较晚,而国外开始相关领域的研究比较早,已经有企业将财务风险预警模型投入实际运用当中。下面将对一些常见的预警模型进行介绍。非量化分析主要包括:标准化调查法、“四阶段症状”分析法、“三个月资金周转表”分析法、流程图分析法、管理评分法等;量化分析分为单变量判定模型和多变量判定模型。本文主要介绍量化分析。

    1、单变量预警模型。单变量预警模型即是运用个别的财务比率来预测财务危机的模型。美国学者William Beaver通过对1954-1964年期间的79个失败企业和相同数量、相同资产规模的成功企业的比较研究提出了单变量预警模型。他认为预测财务失败的比率有:(1)现金保障率=现金流量/债务总额;(2)资产收益率=净收益/资产总额;(3)资产负债率=负债总额/资产总额;(4)资产安全率=资产变现率-资产负债率,其中资产变现率=资产变现金额/资产账面金额。他的研究认为现金保障率能够最好地判定企业的财务状况。其次是资产负债率,并且离失败日越近,误判率越低。

    单变量预测模型法简单易懂,但其缺点也较明显。(1)由于单个比率不像多个财务比率能够反映企业的整体财务状况,所以要求企业在建立模型时要选择最能反映企业财务运行核心特征的财务比率作为预测指标。(2)企业的核心管理层为了掩盖真实财务状况往往会对某些财务比率进行粉饰,故由这些不真实的财务比率所作出的预警信息就失去了可靠性。(3)对同一家公司,预测者可能会因使用比率的不同而得出不同的预测结果。

    2、多变量预警模型。多变量预警模型即是运用多种财务比率加权汇总而构成线性函数公式来预测财务危机的一种模型。多变量预警模型中当属美国纽约大学教授Altman的Z-Score五变量模型的应用最为广泛。它是根据1946-1965年期间,在相当规模及行业里,提出破产申请的33家破产企业和33家非破产企业作为样本,在经过大量的实证考察和分析研究的基础上,从最初的22个财务比率中选择了5个,使用破产企业破产前一年的数据和非破产企业在相应时段的数据,用统计方法对5个财务比率分别给出一定权数,进而计算其加权平均值(即Z值)。Z-Score五变量模型的差别函数表示如下:

    Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5(式中:Z-差别函数值)

    X1-营运资金A资产总额;

    X2-留存收益A资产总额;

    X3-息税前利润A资产总额;

    X4-普通股和优先股市场价值总额÷负债账面价值总额;

    X5-销售收入A资产总额;

    由于该模型来自于对上市公司的研究,应用范围不广,故此后Altman重新评估变量X4将其确定为:股票账面价值(所有者权益)/总债务账面价值,新的模型被Altman称之为Z模型,其基本表达式为:

    Z=0.717X1+0.847X2+3.107X3+0.42X4+0.998X5

    当z≥2.99时,陷入财务困境的可能性很小;当2.7≤Z<2.99时,有陷入财务困境可能;当1.81≤z<2.7时,陷入财务困境可能性很大;当z<1.81时,陷入财务困境的可能性非常大。

    Z模型克服了单变量预警模型的缺陷,几乎包括了所有预测能力很强的指标。它除了可预测本企业的财务发展状况外,还可以分析企业的竞争对手、供应商、客户及利益相关公司的情况。

    但其局限性在于:(1)不具有横向可比性,即不可用于规模、行业不同的公司之间的比较。(2)采用的是按权责发生制编制的报表资料,没有考虑到较为客观的现金流量指标,可能不能真实反映企业现实的财务质量。

    为了解决权责发生制原则所带来的人为操纵财务比率的问题,增加了两个有关现金流量分析的指标:现金盈利质量率和现金增值质量率。现金盈利质量率=现金盈利值/净利润。其中,现金盈利值是根据现金流量表提供的财务信息计算出来的企业现金净收益。现金增值质量率=现金增加值/留存收益。其中,现金增加值是企业支付了各项现金分配后的留存现金收益。

    3、其他预警模型。目前,还有其他一些比较常见的财务预警的分析方法,如人工神经网络分析法、F分数模型、近邻法、分类树方法等。可见,财务预警模型是随着实际运用的发展而不断完善、更新的。

    三、构建财务预警模型的建议

    基于上述分析,笔者认为应依托现代计算机技术、网络通信技术、数据库技术以及管理学、财务学、统计学和各种优化技术,尽快构建起科学有效的现代企业财务预警系统。构建现代企业财务预警系统注意以下问题:

    首先,建立适合本企业的财务预警模型,并使其具有动态发展性特点、行业特点、企业规模等许多因素均会影响财务预警模型的预测精度。应积极借鉴美国、日本等国业已成功开发并应用的预警模型,来建立和完善适合我国企业的财务预警模型。

    其次,管理信息系统的建立和完善是财务预警系统有效运行的基础和前提,财务预警系统的有效运行依赖于管理信息系统的建立和完善。财务预警系统是为企业管理信息系统服务的,离开了管理信息系统,财务预警系统也就失去了存在的价值。因此,企业必须建立和完善管理信息系统。

    再次,定性方法与定量方法相结合,财务指标与非财务指标兼顾选择哪些财务指标作为建立财务预警模型的变量,对模型的预警精确性和可靠性将产生较大的影响。

    【参考文献】

    [1] 江少华:企业财务风险的预警预报系统研究,财会研究,2005,(1)。

财务预警研究篇8

关键词：财务危机预警 财务指标 熵权法

一、引言

随着竞争环境的日趋复杂，企业对风险管理的要求越来越高，客观地评价企业在经营管理中遇到的财务风险，建立有效的财务危机预警机制，进一步提高预警的水平具有重要的现实意义。财务预警的研究由来已久，但仍然存在指标繁琐、方法复杂、准确率不高等问题。本文将以上市公司为研究对象，选择有限的财务指标，运用熵权法对企业财务风险预警问题进行探讨，以期对企业的财务健康程度给出一个综合的判断标准，从而提高企业的财务管理水平。

二、研究样本选取

基于我国国情，本文以上市公司被ST、且最近两个会计年度净利润均为负值，作为发生财务危机的标准，简称ST公司。通过招行证券全能版选取27家2012年首次被ST的上市公司为发生财务危机的样本公司，同时按照1：1的比例选取行业相同、地域相同或相近的27家财务健康的上市公司作为配对公司，以上述54家上市公司2009、2010和2011年共162份财务指标为研究样本数据。样本及配对公司见表3。

三、基于熵权法的财务预警机制构建

首先，在常用财务指标的基础上，通过spss两配对样本非参数检验法进行显著性分析，确定基础财务指标；采用熵权法为选定的基础财务指标赋权，进而计算综合熵值；利用综合熵值判断企业财务状况的健康程度，给出具体的值域建立预警机制。

（一）基础预警财务指标的筛选与确定

本文参考国内外学者的研究，从短期偿债能力、长期偿债能力、运营能力、盈利能力、发展能力和现金流能力6个方面，初步选定25个财务指标作为预警的初选基础财务指标，其中，正指标即数值越大越好、负指标即数值越小越好、适度指标即在某一个固定区间内为好的指标。运用上述27家ST公司及其配对公司2009-2011年三年的相关数据，对这25个初选基础财务指标进行筛选。通过Kolmogorov-Smirnov检验（简称K-S检验），25个财务指标的显著性均小于0.1，均不符合正态分布，因此采用spss两配对样本非参数检验法进行显著性分析，其中21个基础财务指标显著性小于0.1，通过检验。初选基础财务指标及筛选结果见下页表1。

（二）采用熵权法为基础财务指标赋权

为克服财务指标间的多重共线性，采用熵权法为财务指标赋权。熵权法是依据指标的信息承载量的大小来确定指标权重的一种客观赋权方法。

运用本文选取的54家公司三年162个样本数据，以及筛选出的21个评价指标，构建待评价矩阵Rx，其中，Xij表示第i家公司的第j项指标（i=1，2…m；j=1，2…，n）。

（其中m=162，n=21）

为了消除由于量纲和量纲单位的存在导致的不可共度性，在赋权前对基础财务指标进行无量纲化处理。其中：

对正指标的具体处理如下：

对于负指标的具体处理如下：

对于适度指标，本文选取最佳区间参照张友棠对于区间型变量满意值范围规定，如果某个行业某个指标均值为X，则满意值区间为[0.8X ，1.2X ]。具体处理如下：

（三）综合熵值计算及预警值域的确定

首先，在确定各基础财务指标权数的基础上，根据162个样本数据计算确定各个样本的综合熵值。综合熵值的计算公式如下：

进而分别计算ST公司和健康公司的平均综合熵值，并将其作为财务状况的判断标准，用来预警公司的财务风险。ST公司的平均综合熵值为1.458879054，如果公司的综合熵值等于或小于这个平均值，则认为该公司已经陷入财务危机；健康公司的平均综合熵值为1.516613208，如果公司的综合熵值等于或大于这个平均值，则可以认为该公司财务健康，运营良好。如果公司的综合熵值在这两者之间，则认为该公司财务已经处于亚健康状态，应引起高度重视。同时，可根据公司综合熵值的大小判断财务危机（或健康）的程度，总体看综合熵值越大企业的财务状况越好。

四、综合熵值财务预警的准确性检验

以27家样本公司及其配对公司2011年的综合熵值为例进行检验，综合熵值小于1.458879054为15家公司，其中ST公司有13家，正常公司有2家；综合熵值大于1.516613208有16家公司，其中正常公司13家，ST公司有3家；可见在发生财务危机前一年的判断准确率达到83.96%。27家样本公司及其配对公司2011年的综合熵值见表3。

以此类推，用样本公司及其配对公司2010年、2009年的综合熵值，分别检验判断的准确性，2010年的准确率为76.28%，2009年的准确率为69.44%，具体判断结果见表4。

五、结论与启示

从总体趋势看，综合熵值的数值越大企业的财务状况越好，反之则越差，说明综合熵值的大小对于判断企业财务状况的健康程度具有一定的意义；通过三年的财务预警检验的结果可以看出，离ST（2012）年越近，基于熵权法的预警模型的准确度越高，这说明利用熵理论建立的财务危机模型有一定的预测价值；但由于本文样本数量有限，且模型构建仅考虑了基本财务指标，因此预警的准确度尚有待提高。J

参考文献：

1.Altman E. Finaneial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].Joumal of Finanee，1968，23（9）：1 001-1 016.

2.Quinlan， J. R. Discovering rules by induction from large collections of examples in D. Michie （Ed.） Expert Systems in the Microelectronic Age[M].Edinburgh， England：Edinburgh University Press，1979：168-201.

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）：31-38.

4.谷祺，刘淑莲.财务危机企业投资行为分析与对策[J].会计研究，1999，（10）：28-31.

5.吴，吴应宇，仲伟俊.基于熵理论的上市公司财务预警模型的构建与实证研究[J].现代管理科学， 2009，（9）：15-17.

财务预警研究篇9

【关键词】财务失败预警 多元判别分析 人工神经网络

财务失败（financial failure）是指公司无力支付到期债务的经济事项。财务失败分可为技术上无力偿债和破产两种形式。前者是指公司的资产总额大于负债总额，即“资大于债”，但其财务状况不合理，即现有的现金流量小于需要偿付的债务，导致公司不能清偿到期债务，从而有可能发生破产；后者是指公司的资产总额小于负债总额，即“资不抵债”，导致公司不能清偿到期债务而发生破产。引起公司财务失败的风险主要包括经营风险和财务风险两方面。

一、国外财务失败预警模型研究

最早的财务失败预警研究是fitzpatrick(1932)开展的单变量破产预测研究。他以19家公司作为样本，运用单个财务比率将样本划分为破产和非破产两组，他发现判断能力最高的是净利润/股东权益和股东权益/负债两个比率。beaver(1966)使用由79对公司组成的样本，他发现最好的判断变量是营运资本流/负债(在公司破产的前一年成功地判断了90%的破产公司)和净利润/总资产(在同一阶段的判别成功率是88%)。

altman于1968年首先使用了多元线性判别模型研究公司的破产问题。根据行业和资产模型，他为33家破产公司选择了33家非破产配对公司，选用了22个变量作为破产前1～5年的预测备选变量，根据误判率最小的原则，最终选择了5个变量作为判断变量。其模型在破产前一年成功地判断出33家破产公司中的31家，而对于由25家破产公司和56家非破产公司组成的检验样本，模型在公司破产前一年正确地从25家破产公司中判断出24家，从56家非破产公司中判断出52家。

ohlson(1980)分析了样本公司在破产概率区间上的分布以及两类判断错误和分割点的关系，他发现至少存在四类显著影响公司破产概率的变量：公司规模、资本结构、业绩和当前的变现能力。

随着研究的深入和技术的发展，国外在财务失败预警模型方面突破了传统的统计方法，目前比较成熟的研究方法有：人工智能预测模型、遗传算法（genetic algorithms）、泰勒的logistic 回归拓展应用、混合神经网络模型（hybrid neural network models）、自组织映射预测模型(self-organizing map) 、概率神经网络预测模型等。

二、国内财务失败预警模型研究

在国内的研究中，吴世农、黄世忠(1986)曾介绍公司的破产分析指标和预测模型；陈静(1999)以1998年的27家st公司和27家非st公司，使用了1995-1997年的财务报表数据，进行了单变量分析和二类线性判定分析，在单变量判定分析中，发现在负债比率、流动比率、总资产收益率、净资产收益率4个财务指标中，流动比率与负债比率的误判率最低；在多元线性判定分析中，发现由负债比率、净资产收益率、流动比率、营运资本/总资产、总资产周转率6个指标构建的模型，在st发生的前3年能较好地预测st。我国在财务失败预警研究方面起步比较晚，更多的还停留在理论研究上。

1、多元判别分析方法

多元判别分析方法应用最著名的是美国的altman的zeta模型。早在60年代，altman altman经过大量的实证考察和分析研究，选择了5种基本财务比率，根据每一种比率对财务失败的影响程度赋予权值（即各种比率的系数），以此作为预测公司财务失败和破产的基本模型，即所谓的“z-score”模型，其基本表达式为：

z=0.012x1+0.014x2+0.033x3+0.006x4+0.999x5 （1-1）

奥特曼教授通过对z-score模型的研究分析得出：z值越小，该公司遭受财务失败的可能性就越大。奥特曼的研究表明，一般美国公司z值的临界值为1.8。

具体判断标准为：z>2.9时，财务失败的可能性很小；1.8≤z≤2.9时，财务失败可能性很大；z<1.8时，财务失败可能性非常大。

由于z－score模型没有充分考虑现金流量变动等方面的情况，因而具有一定的局限性。为此，我国学者对z－score模型进行了改造，建立了新的财务失败预测模型——f分数模型。f=-0.1774x1+1.1091x2+1.9271x3+0.0302x4+0.4961x5(1-2)

其中：x1=(期末流动资产-期末流动负债)/期末总资产；x2=期末留存收益/期末总资产;x3=（税后净收益+折旧）/平均总资产；x4=期末股东权益的市场价值/期末总负债；x5=（税后净收益+利息+折旧）/平均总资产。

2、bp神经网络

人工神经网络（artificial neural network-ann）是一种平行分散处理模式，其建构理念根植于对人类大脑神经运作的模拟。前向三层bp(back propagation)神经网络通常由输入层、输出层和隐藏层组成，其信息处理分为前向传播和后项学习两步进行，网络的学习是一种误差从输出层到输入层后向传播并修正数值的过程，学习的目的是使网络的实际输出逼近某个给定的期望输出。在前向三层bp网络算法中，对网络性能影响较大的是权值修正方法，为改进bp网络减少训练时间，并改善收敛特性，通常在权值公式增加一个态势项，常用的方法是：

wjh(t+1)=wjh(t)-ηαe/αwjh+α(wjh(t)-wjh(t-1) (1-3)

wjh(t+1)=wjh(t)-ηαe/αwjh+α(wjh(t)-wjh(t-1) (1-4)

式中，α为势态因子，η为学习率，t为迭代次数，e为定义误差，wjh为输入层节点与隐藏节点之间的连接权值，whi为隐藏层节点与输出节点之间的连接权值。

三、统计模型的缺陷

1、技术上的缺陷

①模型建立在一定的假设之上，如多元判别分析假设自变量服从正态分布、协方差矩阵相等、独立变量之间完全线性补偿。虽然二次方判别分析不需要独立变量之间完全线性补偿，提出了一个更普遍的二次函数关系。logistic回归分析虽然不考虑多元变量的正态分布，但是它要求变量之间的完全线性补偿。

②独立变量选择有失偏颇。由于变量之间存在着相关性，在建模之前进行被选变量相关性检验是非常必要的。如果一些变量具有较高的相关性，他们将对公司的财务状况具有相同的影响。

2、财务报表信息批露的不足

①财务报表中的数据是分类汇总性数据，它不能直接反映公司财务状况的详细情况。

②财务报表存在着虚假信息影响了财务报表分析。目前我国的上市公司存在着捏造虚假利润欺骗投资者的行为，这为我们通过模型正确预测公司未来发展趋势带来了不利的影响。

③财务失败预测模型没有考虑财务分析的纵向比较。分析以上提到的预测模型可以发现，这些模型在进行财务失败预测时，一般选取公司预测前三年的财务数据，然后分别预测，三年内的数据相互之间没有联系。

三、对我国财务失败预警模型研究的建议

为了克服统计模型的缺陷，提高预警的准确度，笔者认为在指标的选取上应该包括尽可能多的财务比率，并且要至少涵盖以下五大类：偿债能力指标、资产负债管理能力指标、盈利能力指标、成长能力指标与现金流量指标。

另外，在进行企业财务失败预警时还必须考虑非财务因素的影响。因为财务报表只对公司的经营成果做出综合的反映，仅从财务指标数值上无法看出公司经营的具体情况，这些数值本身的意义有限。

【参考文献】

[1] 张鸣、张艳：财务困境预测的实证研究与评述.财经研究,2001,(12):29-34

财务预警研究篇10

关键词：制造业　上市公司　财务困境　预警模型

一、引言

财务困境预警(以下简称“财务预警”)的研究在国外尤其在资本市场发达的国家是被广泛关注和研究的前沿性课题，在我国已加入WTO，面对国内外激烈竞争，国内资本市场快速发展及经济制改革不断深化的大背景之下，对上市公司财务预警的研究不仅具有理论意义，更具有重要的现实意义。现有的财务预警研究模型主要有：单变量预测模型、多元线性预测模型、多元逻辑回归模型、]probit模型、人工神经网络模型和联合预测模型。目前国内研究滞后于国外研究，国外文献较多，而国内相对较少；静态模型研究很多，而动态模型研究较少；财务预警理论的基础研究滞后于建模技术本身的发展；定量分析多，定性分析少；财务指标的取舍缺乏一定的依据；缺乏分行业或分部门的预警模型。基于此，本文采用多元线性预测模型，结合定性、定量分析选取财务指标，最终建立制造业上市公司财务预警模型。

二、研究样本选择

2006年深沪证券交易所股票上市规则规定：上市公司出现财务状况或其他状况异常，导致其股票存在终止上市风险，或者投资者难以判断公司前景，其投资权益可能受到损害的，本所对该公司股票交易实行特别处理。特别处理分为警示存在终止上市风险的特别处理和其他特别处理，前者在公司股票简称前冠以“*ST”字样，后者冠以“ST”以区别于其他股票。自1998年，深沪证券交易所正式启动上市公司出现“异常状况”予以“特别处理”以来，ST类公司的数量呈逐年增加的趋势，且地区分布更为广泛。统计数据表明，至2004年深沪两市的ST类公司数累计已达118家，占上市公司总数的10％，而其中大部分是因“财务状况异常”而被特别处理，由此可见，“财务状况异常”是被特别处理的上市公司的主要原因。本文对财务困境界定以上市公司因财务状况异常而被特别处理为标准。

本文将研究样本分为两类：ST类上市公司和良好类上市公司进行配对。配对原则是优先考虑大类相同、资产规模相近的企业，因为不同资产规模的企业对风险抵御的能力是不同的。若不能满足大类相同这一条件，则考虑相近大类资产规模相近者，其次考虑上市日期相近者。根据以上原则，选择2006年新增ST制造业上市公司(16家)，并逐一进行配对，其资产规模根据2005年年报确定，配对表见(表1)。

三、财务预警指标体系

本文运用财务分析原理，结合定量分析经过两次筛选，最终建立预警指标体系。(1)财务指标选择。根据财务分析原理，从企业偿债能力，营运能力，获利能力，现金流量四个方面共选取16个财务指标。体现偿债能力的指标：流动比率X2、速动比率X2、现金比率X3、资产负债率X4、产权比率X5、已获利息倍数X6。体现营运能力的指标：存货周转率X7、应收帐款周转率X8、流动资产周转率x9、总资产周转率X10。体现获利能力的指标：主营业务利润率X11、净资产收益率X12、资产利润率X13。体现现金流量活动的指标：每股营业现金净流量X14经营现金净流量对净利润的比率X15经营现金净流量对负债比率X16。(2)T显著性检验。选用ST类与健康类企业在ST前三年年报数据，检验其在哪些财务指标上有无显著性差别。如果在某些财务指标上有显著性差别，则说明该指标可能有一定的判别能力，目的是尽可能的将有判别能力的指标挑选出来。通过spss成对样本T检验分析，其结果如(表2)所示。(表2)黑点处标示了该年份存在显著性差异的财务指标，表中指标均通过了5％的T显著性检验，其它指标均未通过，由此可将16个财务指标简化为10个。(3)因子分析。利用spss分析时首先设定因子个数为10，采用主成分分析方法，得到其特征值、贡献率及累计贡献率见(表3)。由(表3)可看出前五个因子的累计贡献率已达94％以上，故取主成分因子个数为5。为了对这5个因子进行解释，使用方差最大旋转法，采用ST类企业ST前一年(2005年)数据，经因子旋转后得到因子载荷矩阵如(表4)所示。主成分1主要支配变量(表中灰色阴影处)为：X14，X15，X16，主要体现了企业的现金流量能力。主成分2主要支配变量为：X4，X12，X13，主要体现了企业的资产效用能力。主成分3主要支配变量为：X7，X9，X10，主要体现了企业的资产周转能力。主成分5主要支配变量为：X11，主要体现了企业的获利能力。而主成分4不易解释予以剔除。选取各主成分中因子载荷大者为备择指标，综合考虑得到最终预警指标为：X4，X9，X11，X12，X14，X15。

四、预警模型建立及分析

(一)模型建立 对两类样本企业ST前一年(2005年)数据，根据上文选定的6个财务指标，运用fisher二类线性判别法，建立预警模型，对ST类企业，ST前一年判别模型为：

Zt=36.269*X4+0.972*X9+25.349*X11+5.926*X12+0.3950*X14-0222*X15-12.455

对良好类企业，ST前一年判别模型为：

Z2=39.063*X4+5.174*X9+37.637*X11+12.137*X12+2.056*X14+0.054*X15-20.374

判别标准为：将要预测的企业各变量值代入上面两个判别函数中，选择函数值大的为该观测量的值。

(二)模型测试 模型测试的结果分别如下：(1)回代测试。用spss分析得到分类结果如(表5)所示。(表5)中type=1表示为ST类企业，type=2表示为良好类企业。表中给出了全部样本建立判别方程的分类结果为：ST类企业分类正确率100％，良好类企业分类正确率100％，分类总正确率100％。交叉验证建立判别方程的分类结果为：ST类企业分类正确率93.8％，良好类企业分类正确率100％，分类总正确率96.9％。(2)随机测试。随机抽取2004年、2005年制造业ST企业12家，2005年制造业良好企业24家，共36家。前者分别采用2003年、2004年年报数据，后者采用2005年年报数据，运用上文fisher二类判别模型进行判别。12家ST企业有1家被误判，误判率为8.3％，24家良好企业有3家被误判，误判率为12.5％，总误判率为11.1％，模型总正确率达88.9％。