財務(wù)危機預(yù)警研究范文

導(dǎo)語：如何才能寫好一篇財務(wù)危機預(yù)警研究，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

【關(guān)鍵詞】財務(wù)危機，財務(wù)預(yù)警，綜述

國內(nèi)外學(xué)者對于財務(wù)危機預(yù)警的研究已經(jīng)將近80年，從Fitzpatrick（1932）最早發(fā)現(xiàn)出現(xiàn)財務(wù)危機的公司其財務(wù)比率顯著不同于正常公司的財務(wù)比率起，到運用統(tǒng)計方法進行建模。隨著計算機技術(shù)被運用到預(yù)警模型，大大提高了預(yù)測的準確度。

本文旨在對前人研究中，財務(wù)危機的概念界定、變量選擇、樣本選取、模型發(fā)展等環(huán)節(jié)中的成果進行綜述，指出存在的一些問題，提出可能的發(fā)展趨勢及未來研究思路。

一、概念界定

Beaver（1966）將財務(wù)危機定義為破產(chǎn)、拖欠優(yōu)先股股息、銀行透支和債券違約。Altman（1968）認為財務(wù)危機是“企業(yè)失敗，包括在法律上的破產(chǎn)、被接管和重整等”。

朱家安、陳志斌（2007）對國內(nèi)主要經(jīng)管類學(xué)術(shù)刊物上有關(guān)財務(wù)危機預(yù)警的34篇文章進行了統(tǒng)計，將財務(wù)危機界定為“以財務(wù)狀況異常被ST的公司”占35%，直接將財務(wù)危機界定為“被ST的公司”占44%，說明將ST界定為財務(wù)危機在在研究中已被廣泛采用。

二、變量選擇

（一）財務(wù)指標Fitzpatrick（1932）最早發(fā)現(xiàn)出現(xiàn)財務(wù)危機的公司其財務(wù)比率顯著不同于正常公司的財務(wù)比率。Altman（1968）使用常規(guī)的財務(wù)指標，如負債比率、流動比率、凈資產(chǎn)收益率和資產(chǎn)周轉(zhuǎn)速度等，作為模型的變量。Aziz和Lawson（1989）發(fā)展了現(xiàn)金流量信息指標體系，發(fā)現(xiàn)含現(xiàn)金流量信息的模型預(yù)測效果更好。在朱家安、陳志斌（2007）的統(tǒng)計中，國內(nèi)研究中指標選取多為利潤指標，較少涉及現(xiàn)金流量指標。

（二）股權(quán)結(jié)構(gòu)指標La Portaetal（1999）發(fā)現(xiàn)公司的股權(quán)集中程度越高，財務(wù)狀況越容易出問題。Shleifer & Vishny（1986）、Faccio & Lang（2002）指出，所有權(quán)集中度的提高會降低企業(yè)發(fā)生財務(wù)危機的可能性。姜秀華和孫錚（2001）認為分散的股權(quán)結(jié)構(gòu)使得股東之間的“搭便車”行為更容易導(dǎo)致企業(yè)出現(xiàn)財務(wù)危機。于富生和張敏（2008）則發(fā)現(xiàn)我國上市公司股權(quán)集中程度同公司財務(wù)危機之前有顯著正相關(guān)關(guān)系。

（三）治理結(jié)構(gòu)指標Shi jun Cheng（2008）指出，董事會規(guī)模同公司業(yè)績呈負相關(guān)；Judge & Zeithaml（1992）發(fā)現(xiàn)，高比例的內(nèi)部董事放松了對管理層的監(jiān)督，從而有可能導(dǎo)致財務(wù)危機的發(fā)生；Bhagat & Black（2002）研究發(fā)現(xiàn)，公司的獨立董事比例同公司業(yè)績無顯著相關(guān)性。孫永祥等（2000）以托賓Q值、總資產(chǎn)收益率和凈資產(chǎn)收益率作為衡量公司業(yè)績的指標，表明我國上市公司董事會規(guī)模同公司業(yè)績之間具有負向關(guān)系；于富生和張敏（2008）發(fā)現(xiàn)，獨立董事比例與公司財務(wù)風險之間存在顯著負相關(guān)關(guān)系。

（四）管理層特征指標Whitaker（1999）認為，許多公司陷入財務(wù)危機更多的是源于其薄弱的管理而非經(jīng)濟上的困難。McConnell & Servaes（1990）研究了管理層激勵對財務(wù)危機的影響，認為經(jīng)理人員持股比例與公司表現(xiàn)呈波動性關(guān)系。Warfield（1995）的研究認為，公司管理層持有本公司股票越多，其與股東權(quán)益就越趨于一致，就會有較強的動機避免公司陷入財務(wù)危機。陳超（2002）的研究認為，我國上市公司高管持股比例同公司陷入財務(wù)危機的可能性負相關(guān)。

（五）其他指標除上述提及的非財務(wù)指標外，很多學(xué)者試圖選取其他一些獨立的非財務(wù)指標，如公司資產(chǎn)市場價值指標、股東大會股東出席率、股票換手率甚至地域指標等。但目前學(xué)術(shù)界對這些指標的預(yù)測效率并未取得一致性的看法，這些指標也未獲得廣泛使用。

隨著經(jīng)濟一體化不斷加快，企業(yè)間的競爭日趨激烈，人們也逐漸意識到在復(fù)雜環(huán)境下，僅靠財務(wù)指標難以較好地對財務(wù)危機進行預(yù)測，而加入資本市場可獲取導(dǎo)致危機的動力性因素，勢必大大增加模型的復(fù)雜程度，模型的精細化又勢必導(dǎo)致適用度降低。

三、樣本選取

很多實證研究中的樣本選擇是非隨機的，導(dǎo)致模型估計出的系數(shù)和概率有偏。鄧白氏報告顯示，在美國，自1934年以來，企業(yè)倒閉頻率從來沒有超過0.75%。而在包括Beaver（1966）、Altman（1968）在內(nèi)的多項研究中，其樣本中財務(wù)危機企業(yè)數(shù)占總樣本的50%，是總體頻率的66.7倍。國內(nèi)大部分研究也沿用一一配對的方式。陳曉（2000）、彭大慶（2006）采用非配對樣本進行研究，模型的判別正確率分別為78.24%、62.9%，與其他配對抽樣的研究結(jié)果相比，判別正確率偏低。由于市場體制的不完善，我國上市公司中盈余管理行為普遍存在。研究者應(yīng)識別公司是否有盈余管理的嫌疑，將噪音數(shù)據(jù)剔除，或者在初步得出模型的預(yù)測準確率后進行修正，以反映真實的預(yù)測效果。

四、模型發(fā)展

財務(wù)危機預(yù)警模型的演變既反映了也受制于科學(xué)研究方法以及科學(xué)技術(shù)的發(fā)展。從20世紀30年代的單變量預(yù)警模型到現(xiàn)在的人工智能技術(shù)的運用，財務(wù)危機預(yù)警模型經(jīng)歷了從低級到高級的演變。但從技術(shù)上來看，模型的發(fā)展已出現(xiàn)瓶頸期，很大程度上依附于現(xiàn)有研究方法的改進。

五、總結(jié)

對于財務(wù)危機預(yù)警模型的研究，多數(shù)學(xué)者一味地追求模型的完美，高預(yù)測準確率和精度，而忽視了基本理論的建立，導(dǎo)致研究在很多細節(jié)上得不到扎實的理論支持，實踐中效果不理想，從而很容易受到質(zhì)疑。我國處于轉(zhuǎn)軌經(jīng)濟的特殊時期，資本市場的弱式有效性導(dǎo)致可獲取數(shù)據(jù)的無規(guī)律性和影響因素的復(fù)雜性，是研究者采用常規(guī)模式對資本市場的規(guī)律進行研究的一大阻礙。同時，正是這種特殊的環(huán)境給了我國研究者一個對特定環(huán)境下市場規(guī)律進行探究的良好契機。

參考文獻：

篇2

[關(guān)鍵詞] 財務(wù)危機財務(wù)危機預(yù)警指標體系財務(wù)危機預(yù)警模型

企業(yè)財務(wù)危機指企業(yè)喪失償付能力，財務(wù)狀況陷入入不敷出的狀態(tài),或指資產(chǎn)價值低于負債價值，凈資產(chǎn)是負值，或指缺乏償還當前到期債務(wù)的現(xiàn)金流入，現(xiàn)金凈流量為負值的狀態(tài)。及早地發(fā)現(xiàn)財務(wù)危機，使經(jīng)營者能夠在財務(wù)危機出現(xiàn)的萌芽階段采取有效措施來改善企業(yè)經(jīng)營，建立一套財務(wù)危機預(yù)警系統(tǒng)，是避免企業(yè)陷入財務(wù)危機甚至破產(chǎn)的有力武器。

一、目前企業(yè)財務(wù)危機預(yù)警模型的局限性

1．財務(wù)危機預(yù)警模型指標選擇上的局限性

國內(nèi)外的財務(wù)危機預(yù)警模型普遍采用的是靜態(tài)的財務(wù)指標，在指標的選擇上過分強調(diào)了流動項目、盈利能力對企業(yè)財務(wù)危機的影響。而經(jīng)營者可以通過調(diào)整會計政策、控制財務(wù)費用等手段來調(diào)節(jié)凈利潤的高低，粉飾報表，導(dǎo)致企業(yè)的會計信息失真，相應(yīng)的指標也就失去了意義。

一般企業(yè)沒有對現(xiàn)金流量對財務(wù)危機的影響予以充分的重視,企業(yè)財務(wù)危機最直接的表現(xiàn)就是企業(yè)現(xiàn)金支付能力變?nèi)酰瑳]有足夠的現(xiàn)金支付到期的債務(wù)。按照會計分期假設(shè)和權(quán)責發(fā)生制原則確認的賬面收入，首先表現(xiàn)為一種應(yīng)計的現(xiàn)金流入量，而非直接等同于實際的現(xiàn)金流入量。從財務(wù)上講，只有當應(yīng)計現(xiàn)金流入量成為實際的現(xiàn)金流入量時，才表明銷售收入的真實實現(xiàn)。倘若企業(yè)賬面意義的銷售收入不能轉(zhuǎn)化為足夠的實際現(xiàn)金流入量，不僅意味著企業(yè)銷售收入質(zhì)量低下，而且會由于現(xiàn)金的匱乏而無力支付到期債務(wù)和日常經(jīng)營的開支，造成企業(yè)的債務(wù)風險增加。倘若企業(yè)長期處于現(xiàn)金短缺的狀態(tài)，必然會陷入嚴重的財務(wù)危機困境，甚至破產(chǎn)倒閉。因而，過去和現(xiàn)在的現(xiàn)金流量可以很好的反映企業(yè)的價值和破產(chǎn)概率。

同時由于缺乏經(jīng)濟理論的指導(dǎo)，對于在眾多的財務(wù)指標中找出最有效的財務(wù)比率作為財務(wù)危機預(yù)警模型的解釋變量，中外學(xué)者還沒有達成共識。在關(guān)于財務(wù)危機預(yù)警的研究中，先后共有近30個的財務(wù)比率在財務(wù)危機預(yù)警系統(tǒng)中被頻繁的使用，可以看出財務(wù)指標選擇在財務(wù)危機預(yù)警研究中一定的隨意性了。

2.財務(wù)危機預(yù)警模型應(yīng)用上的局限性

在實證研究中，由于陷入財務(wù)危機的企業(yè)相對較少，使得研究人員不得不將在不同時期陷入危機的不同行業(yè)企業(yè)的集合在一起，已獲得足夠大的樣本容量，以這樣的一個樣本得到的預(yù)測變量，必然是對所有樣本公司都顯著的變量，它們反映了陷入危機的樣本企業(yè)最普遍的共同特征，但難以反應(yīng)個性企業(yè)的特殊情況。

目前的大多數(shù)模型是對已經(jīng)失敗或時已經(jīng)解體的企業(yè)集團進行實證分析，不具有普遍的危機預(yù)警意義。另外，選擇上市公司作為研究對象的模型也比較的多，大多數(shù)研究的目的都希望能給企業(yè)和投資者提供一個可以廣泛適用的財務(wù)危機預(yù)警系統(tǒng)。由于上市公司的財務(wù)危機影響面較大，而且數(shù)據(jù)資料取得較為容易，在財務(wù)危機預(yù)警的研究中，基本上采用其樣本數(shù)據(jù)。在現(xiàn)實生活中，發(fā)生財務(wù)危機比例更大的是中小企業(yè)，但由于其財務(wù)資料取得較為困難等原因，以中小企業(yè)為樣本展開的研究很少，財務(wù)危機預(yù)警研究的結(jié)論缺乏廣泛的適用性。

財務(wù)危機預(yù)警模型計算結(jié)果的有效性必須建立在企業(yè)的數(shù)據(jù)是真實的、正確的基礎(chǔ)上，但在我國現(xiàn)階段，市場經(jīng)濟尚未規(guī)范，企業(yè)經(jīng)濟活動中存在大量的粉飾報表，會計信息失真的現(xiàn)象。企業(yè)財務(wù)危機預(yù)警模型利用財務(wù)指標進行量化的分析，可以直觀的反映企業(yè)的財務(wù)狀況，但在應(yīng)用時無法對虛假的信息做出正確的財務(wù)危機預(yù)警。同時，財務(wù)危機預(yù)警無法對因特殊突發(fā)事件而造成的財務(wù)危機做出預(yù)警。

在財務(wù)危機預(yù)警研究中，由于構(gòu)建模型的思路和理論基礎(chǔ)不同，所使用的數(shù)據(jù)處理方法也不大相同。例如單變量模型中，由于“現(xiàn)金流量/總負債”指標只考慮了負債規(guī)模，而沒有考慮負債的結(jié)構(gòu)及流動性，對一些由于短期償債能力不足而出現(xiàn)危機的企業(yè)存在較大的誤判性;二是“凈利潤/總資產(chǎn)”這一指標沒有結(jié)合資產(chǎn)的構(gòu)成要素，因為不同的資產(chǎn)項目在企業(yè)盈利過程中所發(fā)揮的作用是不相同的;三是單變量分析法因不同財務(wù)比率的預(yù)測方向與能力經(jīng)常有相當大的差距，有時會產(chǎn)生對于同一企業(yè)使用了不同比率預(yù)測出不同結(jié)果的現(xiàn)象。單變量模型招致了許多批評，逐漸被多變量模型方法所取代。

二、財務(wù)危機預(yù)警模型指標體系的改進

1.財務(wù)危機預(yù)警指標的主體財務(wù)比率

企業(yè)持續(xù)的生存和發(fā)展必須可以償還債務(wù)，有好的盈利能力，有強的獲現(xiàn)能力和現(xiàn)金流動能力。為了保證財務(wù)比率具有科學(xué)性和實際應(yīng)用價值，作為構(gòu)成財務(wù)指標的主體的財務(wù)比率，本文認為應(yīng)當包括有關(guān)的償債能力、盈利能力、獲現(xiàn)能力、發(fā)展能力、現(xiàn)金流量5個方面的內(nèi)容。

(1)償債能力指標

企業(yè)的財務(wù)危機從資產(chǎn)存量的角度看，表現(xiàn)為企業(yè)總資產(chǎn)的賬面價值低于總負債的賬面價值，從《企業(yè)破產(chǎn)法》規(guī)定的角度來看,企業(yè)破產(chǎn)的界限為“因經(jīng)營管理不善造成嚴重的虧損,不能償還到期的債務(wù)”，過度舉債是形成企業(yè)財務(wù)危機的“第一殺手”，償債能力指標是構(gòu)建財務(wù)危機系統(tǒng)指標體系的重要因素。

(2)盈利能力指標

不論是投資人、債權(quán)人還是企業(yè)的經(jīng)營者都非常關(guān)心企業(yè)的盈利能力。一般說來，企業(yè)的盈利能力只涉及到正常營業(yè)的狀況，非正常的營業(yè)狀況，為了客觀的評價投資人所關(guān)注的盈利能力可選擇主營業(yè)務(wù)利潤率、總資產(chǎn)報酬率、凈資產(chǎn)報酬率。

(3)獲現(xiàn)能力指標

企業(yè)利潤最終需要轉(zhuǎn)化為可以自由流動的資金才有意義，這個比率可用來衡量企業(yè)的獲現(xiàn)能力。財務(wù)危機的爆發(fā)不完全取決于企業(yè)是否有盈利，企業(yè)如果有很大的盈利，但如果這些盈利轉(zhuǎn)化為現(xiàn)金的能力不強的話，就無法應(yīng)付日常的開支，那么企業(yè)就無法維持下去。評價企業(yè)的獲現(xiàn)能力，應(yīng)選擇銷售現(xiàn)金比率、每股經(jīng)營活動現(xiàn)金凈流量、總資產(chǎn)現(xiàn)金流量比率。

(4)發(fā)展能力指標

發(fā)展能力是企業(yè)在生存的基礎(chǔ)上，擴大規(guī)模，壯大實力的潛在能力，反映企業(yè)未來的市場擴張、規(guī)模壯大及利潤增長的前景，是企業(yè)發(fā)展趨勢的綜合體現(xiàn)。為了反映企業(yè)未來資本擴張的能力，可選擇銷售增長率，總資產(chǎn)增長率和凈利潤增長率。

(5)現(xiàn)金流量指標

從現(xiàn)金流量角度看，財務(wù)危機另一個重要的表現(xiàn)就是企業(yè)現(xiàn)金流入小于現(xiàn)金流出，即企業(yè)凈現(xiàn)金流量為負數(shù)。凈利潤會受到經(jīng)營者的控制，這種利潤操作行為，導(dǎo)致財務(wù)信息失真，同時演繹成一種非常奇特、非常矛盾的狀況：一方面企業(yè)賬面有會計利潤；另一方面，企業(yè)缺少現(xiàn)金支付能力。為了克服權(quán)責發(fā)生制所帶來的人為操縱利潤的弊端，人們在現(xiàn)金收付制的基礎(chǔ)上，發(fā)展了現(xiàn)金流量基礎(chǔ)。財務(wù)危機預(yù)警系統(tǒng)的重點應(yīng)是現(xiàn)金及其流動，為了反映企業(yè)的現(xiàn)金流量，可選擇現(xiàn)金流動負債比、現(xiàn)金債務(wù)總額比等指標。

2.財務(wù)危機預(yù)警改進指標體系

基于對財務(wù)危機預(yù)警模型局限性，以及財務(wù)危機預(yù)警指標特點的分析，本文認為適合我國企業(yè)的財務(wù)危機預(yù)警指標體系應(yīng)在原有的基礎(chǔ)上再從企業(yè)的獲現(xiàn)能力、現(xiàn)金流的角度來選擇關(guān)鍵性的財務(wù)指標，如表1：

表1財務(wù)危機預(yù)警指標體系

三、財務(wù)危機預(yù)警的改進模型

1.線性改進模型的解釋變量

根據(jù)以上分析，本文選擇了上述六個變量來建立財務(wù)危機預(yù)警模型，建立的判別函數(shù)為:

Z=a+b1x1+b2x2+b3x3+b4x4+b5x5+b6x6

其中:Z為判別函數(shù)，x1是速動比率，x2是資產(chǎn)凈利率，x3是每股經(jīng)營性現(xiàn)金流量，x4是凈利潤增長率，x5是現(xiàn)金流動負債比，x6現(xiàn)金債務(wù)總額比，b1至b6為系數(shù)。

2.實際數(shù)據(jù)的計算

本文選用了表2的15家非破產(chǎn)和破產(chǎn)企業(yè)的統(tǒng)計資料:

表2非破產(chǎn)和破產(chǎn)企業(yè)的數(shù)據(jù)

進行回歸計算得到:

Z=0.582+0.016x1+0.007x2+0.042x3+0.001x4+0.1829x5+

0.101x6

根據(jù)上面的分析，可以知道當Z值越大時，公司的財務(wù)狀況良好，不會陷入財務(wù)危機;當Z值越小，公司財務(wù)狀況不好，公司可能陷入財務(wù)危機。

篇3

關(guān)鍵詞：財務(wù)危機 預(yù)警體系 財務(wù)指標

序言

經(jīng)濟全球化時代，市場經(jīng)濟的飛速發(fā)展一方面促使企業(yè)全面走向市場，為企業(yè)發(fā)展提供了廣大的資金和產(chǎn)品銷售市場，另一方面市場中的企業(yè)，時刻面臨著各種風險，每種風險都有可能導(dǎo)致企業(yè)走向滅亡。如果企業(yè)不能卓有成效的規(guī)避與防范各種風險因素的話，勢必使企業(yè)的未來發(fā)展陷入嚴重的危機境地。然而，在企業(yè)遭遇風險之前，財務(wù)狀況會逐漸惡化產(chǎn)生企業(yè)的財務(wù)危機，隨著時間的推移，當財務(wù)危機加劇到企業(yè)無以承受的極限時，全面危機將會隨之爆發(fā)。

企業(yè)財務(wù)危機的產(chǎn)生有著多方面的原因，不僅僅是企業(yè)外部條件會造成企業(yè)的財務(wù)危機，企業(yè)內(nèi)部由于經(jīng)營管理不善也會促發(fā)企業(yè)的財務(wù)危機，為此就必需選擇恰當?shù)呢攧?wù)指標，建立合理的財務(wù)危機預(yù)警體系，加強企業(yè)財務(wù)風險防范，為企業(yè)發(fā)展保駕護航。

一、企業(yè)財務(wù)危機的基本認識

（一）企業(yè)財務(wù)危機含義及表現(xiàn)形式

財務(wù)危機是由于種種原因?qū)е碌钠髽I(yè)財務(wù)狀況持續(xù)惡化，財務(wù)風險加劇，出現(xiàn)不能清償?shù)狡趥鶆?wù)的信用危機，直至最終破產(chǎn)的一系列事件的總稱。

財務(wù)危機從總體上說是支付能力不足或者支付能力喪失，但具體地看，卻存在多種表現(xiàn)形式：

1、從資產(chǎn)存量角度看，企業(yè)總資產(chǎn)的賬面凈值相當于或小于賬面記錄的負債金額，即企業(yè)凈資產(chǎn)小于或等于零。當企業(yè)凈資產(chǎn)為負值時，就是所謂的“資不抵債”，表明企業(yè)已經(jīng)事實上破產(chǎn)。

2、從可持續(xù)經(jīng)營的角度看，企業(yè)主營業(yè)務(wù)量持續(xù)負增長，市場銷售黯淡，盈利能力差，存在數(shù)額巨大的未彌補虧損。

3、從現(xiàn)金流量角度看，企業(yè)現(xiàn)金流入小于現(xiàn)金流出，經(jīng)營性現(xiàn)金凈流量為負值，并常常伴有資金流量萎縮的情況，一些必要的約束性支出被壓縮或拖欠，且這種現(xiàn)金流量的非正常情況處于長期的持續(xù)狀態(tài)，其應(yīng)履行的償債義務(wù)受到阻礙。

4、由于經(jīng)常拖欠應(yīng)付款項，企業(yè)信用喪失，難以從供應(yīng)商、金融機構(gòu)或資本市場等相應(yīng)融資渠道籌集必需的補充資金，用來維持日常支出或基本的償債需求，使企業(yè)資金來源日益枯竭，從而步人惡性循環(huán)，導(dǎo)致企業(yè)發(fā)生嚴重財務(wù)危機而不得不宣告破產(chǎn)。

（二）企業(yè)財務(wù)危機的特征

從財務(wù)危機的定義可以看出它指的是企業(yè)無力支付到期債務(wù)或費用的一種經(jīng)濟現(xiàn)象，財務(wù)危機的特征可以概括為以下幾點：

1、客觀積累性。財務(wù)危機的客觀積累性表現(xiàn)為期間概念，它是反映企業(yè)一定時期在資金籌集、投資、占用、耗費、回收、分配等各個環(huán)節(jié)上所出現(xiàn)的失誤，而非會計報表某一時點上某一項目的失誤，即是各種財務(wù)活動行為失誤的綜合。

2、突發(fā)性。財務(wù)危機由于受到許多主、客觀因素的影響，其中有些因素是可以把握和控制的，但更多因素是爆發(fā)性的、意外性的，有的甚至是急轉(zhuǎn)直下的。

3、多樣性。由于受到企業(yè)經(jīng)營環(huán)境、經(jīng)營過程、財務(wù)行為方式多樣化的影響，這些活動環(huán)節(jié)中不管哪一個環(huán)節(jié)出現(xiàn)問題都可能引發(fā)財務(wù)危機。

4、災(zāi)難性。財務(wù)危機雖然包括多種情況，但不管是資金管理技術(shù)性失敗，還是企業(yè)破產(chǎn)，或是介于兩者之間的任何一種情況發(fā)生都會給企業(yè)帶來災(zāi)難性的損失。

（三）企業(yè)財務(wù)危機形成的原因

1、企業(yè)經(jīng)營風險的存在

影響企業(yè)經(jīng)營風險的主要因素是：市場對企業(yè)產(chǎn)品的需求、企業(yè)產(chǎn)品的銷售價格、生產(chǎn)資料價格的穩(wěn)定性、企業(yè)對產(chǎn)品銷售價格的調(diào)整能力、單位產(chǎn)品變動成本的變化、企業(yè)固定成本總額的高低以及經(jīng)營管理者的業(yè)務(wù)素質(zhì)和管理經(jīng)驗等，其中決定性因素是管理的質(zhì)量。

2、企業(yè)喪失籌資能力

企業(yè)債務(wù)的一種重要清償方式是以新籌資金還債。新籌資金包括權(quán)益資金和債務(wù)資金。一個企業(yè)籌資能力喪失(或者無籌資能力)，企業(yè)現(xiàn)金又不足以維持企業(yè)持續(xù)經(jīng)營，此時到期債務(wù)不能清償就為必然，所以，企業(yè)籌資能力喪失是企業(yè)發(fā)生財務(wù)危機的首要原因。

3、企業(yè)現(xiàn)金流量不佳

合理的現(xiàn)金流量，是維持企業(yè)在一個適當?shù)馁Y本和財務(wù)結(jié)構(gòu)下經(jīng)營及運作的需要，也是維持企業(yè)在較強的流動性下得以生存和發(fā)展的需要。在日常經(jīng)濟生活中，有時一個盈利不錯的企業(yè)也會走向破產(chǎn)。一個企業(yè)現(xiàn)金流量是否合理，主要體現(xiàn)在企業(yè)盈利質(zhì)量、現(xiàn)金流量結(jié)構(gòu)和支付能力等方面。

4、企業(yè)資產(chǎn)流動性的強弱

5、企業(yè)負債結(jié)構(gòu)和企業(yè)資產(chǎn)占用期限搭配(即籌資政策)不合理

二、企業(yè)財務(wù)危機預(yù)警體系解析

企業(yè)財務(wù)危機一旦發(fā)生對企業(yè)的發(fā)展將造成致命的打擊，企業(yè)財務(wù)危機是多種因素作用的結(jié)果，它具有較長的潛伏期。一般其形成過程有規(guī)律可尋，因此建立企業(yè)財務(wù)危機預(yù)警體系就顯得尤為重要。

（一）企業(yè)財務(wù)危機預(yù)警體系的含義

財務(wù)預(yù)警體系就是以企業(yè)的財務(wù)報表、經(jīng)營計劃、相關(guān)經(jīng)營資料以及所收集的外部資料為依據(jù)，根據(jù)企業(yè)建立的組織體系，采用各種定量或定性的分析方法，將企業(yè)所面臨的經(jīng)營波動情況和危險情況預(yù)先告知企業(yè)經(jīng)營者和其他利益相關(guān)方，并分析企業(yè)發(fā)生經(jīng)營非正常波動或財務(wù)危機的原因，挖掘企業(yè)財務(wù)運營體系中所隱藏的問題，以督促企業(yè)管理部門提前采取防范或預(yù)防措施，為管理部門提供決策和風險控制依據(jù)的組織手段和分析系統(tǒng)。

（二）企業(yè)財務(wù)危機預(yù)警體系指標設(shè)計原則

企業(yè)在構(gòu)建企業(yè)外務(wù)危機預(yù)警體系時，首要的問題是財務(wù)指標的選取，所選取的指標應(yīng)該全方位地反映企業(yè)的財務(wù)現(xiàn)狀和運行規(guī)律，及時對企業(yè)財務(wù)運營中存在的風險發(fā)出警報并迅速做好防范和控制措施。一般說來，財務(wù)指標的設(shè)計和預(yù)警體系的構(gòu)造應(yīng)遵循以下幾個原則：

1、針對性原則。即預(yù)警指標必須與企業(yè)的特點充分結(jié)合起來，使構(gòu)建的預(yù)警指標體系對企業(yè)的財務(wù)分析和風險判斷做到真實可靠。

2、全面性原則。即預(yù)警指標體系應(yīng)該全面、系統(tǒng)反映企業(yè)的財務(wù)風險程度，設(shè)計的指標能夠充分考慮企業(yè)可能面臨的財務(wù)風險，做到預(yù)警指標不重復(fù)、不遺漏。

3、動態(tài)性原則。即必須在分析企業(yè)現(xiàn)狀的基礎(chǔ)上，把握未來的發(fā)展趨勢。此外，還必須根據(jù)經(jīng)濟發(fā)展和環(huán)境變化不斷修正、補充指標體系的內(nèi)容，確保預(yù)警的時效性。

4、可行性原則。即在企業(yè)的經(jīng)營情況及財務(wù)狀況出現(xiàn)惡化或發(fā)生危機之前，能夠及時發(fā)出警報。預(yù)警的信號要明確，判斷要簡單，不應(yīng)把指標設(shè)計得于復(fù)雜，缺乏實用性。此外，還必須保證所花費的成本低于其所能帶來的效益。

（三）企業(yè)財務(wù)危機預(yù)警程序

企業(yè)財務(wù)預(yù)警過程實質(zhì)上是一個邏輯分析過程，即應(yīng)用因果分析法，從結(jié)果出發(fā)尋找產(chǎn)生這種結(jié)果的原因，再分析原因又是如何影響結(jié)果—警情及影響程度大小。財務(wù)預(yù)警遵循的邏輯過程即預(yù)警系統(tǒng)研究所遵循的思路依次是：

1、確定警情。確定警情是預(yù)警的前提，可以通過預(yù)警系統(tǒng)中所選擇的若干重要預(yù)警指標的預(yù)測景氣信號來反映。

2、尋找警源。確定警源是預(yù)警過程的起點。警源是導(dǎo)致警情發(fā)生的根源。一般說來，警源有兩類：一是可控性較弱的警源，主要是客觀條件和外部市場環(huán)境等外生警源；另一類是可控性較強的警源，主要指一些內(nèi)在因素的作用

3、分析警兆。分析警兆是預(yù)警的關(guān)鍵環(huán)節(jié)。預(yù)警不能只停留在對警源的分析上，而應(yīng)該作進一步的分析，即根據(jù)警兆分析來預(yù)報警情的程度。警兆根據(jù)可否直接表現(xiàn)為外部現(xiàn)象特征指標，分為景氣警兆和動向警兆。

4、預(yù)報警度。預(yù)報警度是預(yù)警的目的。根據(jù)警兆的變化狀況，通過監(jiān)測預(yù)警系統(tǒng)中景氣信號，可確定下一個景氣信號，從而確定下一個階段的警度，即實際警情的嚴重程度。

5、處理警情。即當警情出現(xiàn)后采取什么措施去處理，企業(yè)財務(wù)危機的警情處理十分重要，一個可操作的警情處理方法和路徑能夠較好的防范企業(yè)危機，同時在處理過程中也要依據(jù)警情的大小和重要性分別對待，重要的警情必須報告高層管理人員。

（四）企業(yè)財務(wù)危機預(yù)警體系的功能

企業(yè)的財務(wù)風險預(yù)警系統(tǒng)的作用主要有以下四個方面：

1、監(jiān)測作用。財務(wù)危機預(yù)警活動的第一要務(wù)，是確立企業(yè)重要的生產(chǎn)經(jīng)營環(huán)節(jié)以及對企業(yè)運行有舉足輕重作用的經(jīng)濟活動與領(lǐng)域為監(jiān)測對象。

2、識別與診斷作用。通過監(jiān)測信息的分析，可確立企業(yè)經(jīng)濟活動中己發(fā)生的危機現(xiàn)象或?qū)⒁l(fā)生的危機活動趨勢。

3、預(yù)防和控制作用。有效的財務(wù)危機預(yù)警系統(tǒng)不僅能及時預(yù)防現(xiàn)存的財務(wù)危機，而且能通過系統(tǒng)詳細記錄，了解危機發(fā)生的原因，并及時提出解決措施和改進建議，更正企業(yè)營運中的偏差或過失，使企業(yè)回復(fù)到正常的運轉(zhuǎn)軌道上。

4、提升企業(yè)價值。企業(yè)的價值就是以其所控制的經(jīng)濟資源，為社會創(chuàng)造最大的財富，實現(xiàn)企業(yè)價值的不斷增值。建立財務(wù)風險預(yù)警系統(tǒng)，其目的是要促使企業(yè)千方百計改善經(jīng)營管理，提升經(jīng)營策略，在激烈的市場競爭中，避免企業(yè)財務(wù)失敗的出現(xiàn)。

轉(zhuǎn)貼于 三、企業(yè)財務(wù)危機預(yù)警體系的建構(gòu)

不可否認企業(yè)財務(wù)危機是多方面因素造成的，但是產(chǎn)生財務(wù)危機的根本原因是財務(wù)風險處理不當，財務(wù)風險是現(xiàn)代企業(yè)面對市場競爭的必然產(chǎn)物，尤其是在我國市場經(jīng)濟發(fā)育不健全的條件下更是不可避免，因此，加強企業(yè)財務(wù)風險管理，建立和完善財務(wù)預(yù)警體系尤其必要。

（一）建立短期財務(wù)預(yù)警系統(tǒng)，編制現(xiàn)金流量預(yù)算

由于企業(yè)理財?shù)膶ο笫乾F(xiàn)金及其流動，就短期而言，企業(yè)能否維持下去，并不完全取決于是否盈利，而取決于是否有足夠現(xiàn)金用于各種支出。預(yù)警的前提是企業(yè)有利潤，對于經(jīng)營穩(wěn)定的企業(yè)，由于其應(yīng)收，應(yīng)付賬款及存貨等一般保持穩(wěn)定，因此經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額一般應(yīng)大于凈利潤。企業(yè)現(xiàn)金流量預(yù)算的編制，是財務(wù)管理工作別重要一環(huán)，準確的現(xiàn)金流量預(yù)算，可以為企業(yè)提供預(yù)警信號，使經(jīng)營者能夠及早采取措施。為能準確編制現(xiàn)金流量預(yù)算，企業(yè)應(yīng)該將各具體目標加以匯總，并將預(yù)期未來收益、現(xiàn)金流量、財務(wù)狀況及投資計劃等，以數(shù)量化形式加以表達，建立企業(yè)全面預(yù)算，預(yù)測未來現(xiàn)金收支的狀況，以周、月、季、半年及一年為期，建立滾動式現(xiàn)金流量預(yù)算。

（二）確立財務(wù)分析指標體系，建立長期財務(wù)預(yù)警系統(tǒng)

對企業(yè)而言，在建立短期財務(wù)預(yù)警系統(tǒng)的同時，還要建立長期財務(wù)預(yù)警系統(tǒng)。其中獲利能力、償債能力、經(jīng)濟效率、發(fā)展?jié)摿χ笜俗罹哂写硇浴＋@利是企業(yè)經(jīng)營最終目標，也是企業(yè)生存與發(fā)展的前提。

從資產(chǎn)獲利能力看：

表示每一元資本的獲利水平，反映企業(yè)運用資產(chǎn)的獲利水平。

反映每耗費一元所得利潤水平越高，企業(yè)的獲利能力越強。

對償債能力，有流動比率和資產(chǎn)負債率。如果流動比率過高，會使流動資金喪失再投資機會，一般生產(chǎn)性企業(yè)最佳為2左右，資產(chǎn)負債率一般為40—60%，在投資報酬率大于借款利率時，借款越多，利越多，同時財務(wù)風險越大。

上述資產(chǎn)獲利能力和償債能力二指標是企業(yè)財務(wù)評價的二大部分，而經(jīng)濟效率高低又直接體現(xiàn)企業(yè)經(jīng)營管理水平。其中：反映資產(chǎn)運營指標有應(yīng)收帳款周轉(zhuǎn)率以及產(chǎn)銷平衡率。

對企業(yè)發(fā)展?jié)摿Ψ矫孢x擇銷售增長率和資本保值增值率。一般采用經(jīng)改進的功效系數(shù)法對企業(yè)進行綜合評價，對選定的每個評價指標規(guī)定幾個數(shù)值，一個是滿意值，一個是不允許值，設(shè)計并計算各類指標單項功效系數(shù)，運用特爾菲法等確定各個指標權(quán)數(shù)，用加權(quán)算術(shù)平均或者加權(quán)幾何平均得到平均數(shù)即為綜合功效系數(shù)，用此方法可以定量化企業(yè)財務(wù)狀況。

然而，企業(yè)為適應(yīng)未預(yù)料的需要和機會，應(yīng)該具備采取有效措施，改變現(xiàn)金流的流量與時間的能力，這就是財務(wù)彈性。主要與企業(yè)營業(yè)活動所產(chǎn)生的現(xiàn)金凈流量有關(guān)。反映財務(wù)彈性的指標有：用于測定企業(yè)全部資產(chǎn)的流動性水平的營運資金與總資產(chǎn)比率，到期債務(wù)本金償付率、實有凈資產(chǎn)與有形長期資產(chǎn)比率、應(yīng)收賬款及存貨周轉(zhuǎn)率，其中：

實有凈資產(chǎn)與有形長期資產(chǎn)比率計算如下：

從長遠觀點看，一個企業(yè)能夠遠離財務(wù)危機，必須具備良好的盈利能力，企業(yè)對外籌資能力和清償債務(wù)能力才能越強。指標有：

雖然，上述指標可以預(yù)測財務(wù)危機，但從根本上講，企業(yè)發(fā)生風險是由于舉債導(dǎo)致的，一個全部用自有資本從事經(jīng)營的企業(yè)只有經(jīng)營風險而沒有財務(wù)風險。因此，要權(quán)衡舉債經(jīng)營的財務(wù)風險來確定債務(wù)比率，應(yīng)將負債經(jīng)營資產(chǎn)收益率與債務(wù)資本成本率進行對比，只有前者大于后者，才能保證本息到期歸還，實現(xiàn)財務(wù)杠桿收益；同時還要考慮債務(wù)清償能力，即企業(yè)擁有現(xiàn)金多少或其資產(chǎn)變現(xiàn)能力強弱；債務(wù)資本在各項目之間配置合理程度。考核指標有：長期負債與營運資金比，資產(chǎn)留存收益率以及債務(wù)股權(quán)比率。其中：

（三）結(jié)合實際采取適當?shù)娘L險策略

在建立了風險預(yù)警指標體系后，企業(yè)對風險信號監(jiān)測，如出現(xiàn)產(chǎn)品積壓，質(zhì)量下降，應(yīng)收帳款增大，成本上升，要根據(jù)其形成原因及過程，指定相應(yīng)切實可行的風險管理策略，降低危害程度。面臨財務(wù)風險通常采用回避風險，控制風險，接受風險和分散風險策略。其中控制風險策略可進一步分類：按控制目的分為預(yù)防性控制和抑制性控制，前者指預(yù)先確定可能發(fā)生損失，提出相應(yīng)措施，防止損失的實際發(fā)生。后者是對可能發(fā)生的損失采取措施，盡量降低損失程度。

由于市場經(jīng)濟的發(fā)展，利用財務(wù)杠桿作用籌集資金進行負債經(jīng)營是企業(yè)發(fā)展途徑。從大量負債經(jīng)營實例，不難得出幾點教訓(xùn)：企業(yè)經(jīng)營決策失誤，盲目投資，沒有進行事前周密的財務(wù)分析和市場調(diào)研是造成失誤的原因，雖然適度舉債是企業(yè)發(fā)展的必要途徑，但必須以自有資金為基礎(chǔ)，如資本結(jié)構(gòu)中債務(wù)資本過大，必然惡性循環(huán)。同時企業(yè)償債能力強弱是對負債經(jīng)營最敏感的指標，只從償債能力看，負債比率越低，企業(yè)償債能力越強，但未必合理，如企業(yè)借款利率小于利潤率。企業(yè)應(yīng)充分利用負債經(jīng)營的好處。不同產(chǎn)業(yè)的負債經(jīng)營合理程度是不一樣的，一般是：第一產(chǎn)業(yè)為0.2左右，第二產(chǎn)業(yè)為0.5左右，第三產(chǎn)業(yè)為0.7左右。

四、結(jié)束語

雖然企業(yè)財務(wù)危機的積累性、多樣性、突發(fā)性等特點，但事實證明其形成和作用過程是有規(guī)律可尋的，為此建立企業(yè)財務(wù)危機預(yù)警體系對于企業(yè)發(fā)展而言就不可避免的被提高到重要位置，合理的確立企業(yè)財務(wù)指標，建立短期、長期財務(wù)預(yù)警系統(tǒng)，采取適當?shù)娘L險策略，規(guī)避企業(yè)財務(wù)風險對于企業(yè)發(fā)展而言有著重大的理論意義和實踐意義。

參考文獻

[1]吳曉梅.財務(wù)預(yù)警系統(tǒng)的功能及其建設(shè)[J].計劃與市場，2002，(6).

[2]龔巧莉.建立財務(wù)預(yù)警系統(tǒng)，防范企業(yè)風險[J].新疆農(nóng)墾經(jīng)濟，2002，(4).

[3]苗潤生.企業(yè)財務(wù)預(yù)警系統(tǒng)研究[J].中央財經(jīng)大學(xué)學(xué)報，2003，(8).

[4]陳功.淺談企業(yè)財務(wù)預(yù)警系統(tǒng)的構(gòu)建[[J].華東經(jīng)濟管理，2000，(10).

[5]高天宏.財務(wù)預(yù)警系統(tǒng)在財務(wù)管理中的應(yīng)用評價[J].北力經(jīng)貿(mào)，2004，

[6]張友棠.財務(wù)預(yù)警系統(tǒng)管理研究[M].北京:中國人民大學(xué)出版社，2004.

篇4

[關(guān)鍵詞] 財務(wù)預(yù)警 財務(wù)指標 預(yù)警模型

一、單變量預(yù)警模型

最早的財務(wù)危機預(yù)測研究是FitzPatrikc(1932)所做的單變量破產(chǎn)預(yù)測模型，他發(fā)現(xiàn)，出現(xiàn)財務(wù)困境的公司其財務(wù)比率和正常公司的財務(wù)比率相比有顯著的不同，從而認為企業(yè)的財務(wù)比率能夠反應(yīng)企業(yè)財務(wù)狀況，對企業(yè)未來具有預(yù)測作用。

Beaver(1966)對美國1954年～1964年間79家失敗企業(yè)和79家成功企業(yè)的30個財務(wù)比率進行研究的結(jié)果表明，具有良好預(yù)測性的財務(wù)比率為“現(xiàn)金流量/負債總額”、“資產(chǎn)收益率（凈收益/資產(chǎn)總額）和資產(chǎn)負債率（債務(wù)總額/資產(chǎn)總額）。Bevaer也因此開創(chuàng)了建立財務(wù)預(yù)警模型的先河。

二、多元線性判別模型

1.Z計分模型

1968年埃德沃德?阿爾特曼Altman提出了多元線性判定模型即運用多種財務(wù)指標加權(quán)匯總產(chǎn)生的總判斷分值(稱為z值)來預(yù)測財務(wù)危機，此模型分為在上市公司和非上市公司兩種情況。上市公司的Z值模型和判別規(guī)則如下:Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5 其中:X1=凈營運資本/資產(chǎn)總額，反映公司總營運資本的流動性；X2=留存收益/資產(chǎn)總額，反映公司的支付剩余能力；X3=息稅前利潤/資產(chǎn)總額，反映公司的收益率大小，衡量公司運用全部資產(chǎn)獲取利潤的能力；X4=普通股和優(yōu)先股市場價值總額/債務(wù)賬面價值總額，反映公司財務(wù)狀況的穩(wěn)定性；X5=本期銷售收入/資產(chǎn)總額，反映公司的活動比率。

該模型實際上是通過五個變量(五種財務(wù)比率)，將反映企業(yè)償債能力的指標(X1、X4)、獲利能力指標(X2、X3)和營運能力指標(X5)有機聯(lián)系起來，綜合分析預(yù)測企業(yè)財務(wù)失敗或破產(chǎn)的可能性。一般地，Z值越低企業(yè)越有可能發(fā)生破產(chǎn)。

非上市公司的Z值模型和判別規(guī)則如下:Z=0.717X1+0.847X2 +3.107X3+0.420X4+0.998X5，其中，X4修正為:股東權(quán)益/總負債，反映公司財務(wù)狀況的穩(wěn)定性。其余X1、X2、X3、X5與上市公司的相同。

2.F分數(shù)模型

我國學(xué)者周首華(1996）等提出對Z值判定模型加以改造建立起F分數(shù)模型。許多專家證實，現(xiàn)金流量比率是預(yù)測公司破產(chǎn)的有效變量，F(xiàn)分數(shù)模型加入現(xiàn)金流量這一預(yù)測自變量，彌補了Z值判定模型的不足。其表達公式為:

F=-0.1774+1.1091X1+0.1704 X2+l.9271 X3+0.0302 X4+0.4961 X5，其中，X1、X2及X4與Z計分模型中的X1、X2及X4反映的指標相同，而X3、X5與Z分數(shù)模型的X3、X5不同。X3=(稅后凈收益+折舊)/平均總負債，它是一個現(xiàn)金流量變量，是衡量企業(yè)所產(chǎn)生的全部現(xiàn)金流量可用于償還企業(yè)債務(wù)能力的重要指標。X5=(稅后凈收益+利息+折舊)/平均總資產(chǎn)，測定的是企業(yè)總資產(chǎn)在創(chuàng)造現(xiàn)金流量方面的能力(其中的利息是指企業(yè)利息收入減去利息支出后的余額)。相對于Z分數(shù)模型，它可以更準確地預(yù)測出企業(yè)是否存在財務(wù)危機。

三、邏輯回歸模型

多元邏輯回歸模型克服了多元線性判別分析方法對預(yù)測變量有著嚴格的聯(lián)合正態(tài)分布要求、且要求財務(wù)危機組與控制組之間一定要進行配對的局限性，從而將問題簡化為已知一個公司具有某些財務(wù)特征，計算其在一段時間內(nèi)陷入財務(wù)危機的可能性有多大。美國學(xué)者Ohlson(1980)是最早在財務(wù)預(yù)警研究中應(yīng)用這種方法的人。

我國學(xué)者陳曉、陳治鴻(2000)以因財務(wù)狀況異常而被特別處理(ST)作為上市公司陷入財務(wù)危機的標志，運用多元邏輯回歸模型和可公開獲得財務(wù)數(shù)據(jù)，對中國上市公司的財務(wù)危機進行了預(yù)測，發(fā)現(xiàn)負債權(quán)益比、應(yīng)收賬款周轉(zhuǎn)率、“主營利潤率/總資產(chǎn)”和“預(yù)留收益/總資產(chǎn)”對上市公司財務(wù)危機有著顯著的預(yù)示效應(yīng)。他們的研究所發(fā)現(xiàn)的最優(yōu)模型能夠從上一年股本收益率公告小于5%的上市公司中預(yù)測出73.68%的下一年會進入TS板塊的公司，總體判別正確率為78.24%。

四、神經(jīng)網(wǎng)絡(luò)模型

Odour和Sharda(1990)用BP神經(jīng)網(wǎng)絡(luò)預(yù)測了財務(wù)危機。他們的模型要優(yōu)于當時的判別分析模型，但也僅僅是神經(jīng)網(wǎng)絡(luò)方法應(yīng)用的展示和Altman(1968)研究的重復(fù)。Coats和Fant(1992)運用神經(jīng)網(wǎng)絡(luò)技術(shù)學(xué)習(xí)審計專家的結(jié)論來判別財務(wù)危機，他們選取了由審計師判定的1971年～1990年間的94家持續(xù)經(jīng)營的公司和188家財務(wù)狀況變動較大的公司，并采用Atlman的Z值模型中5個財務(wù)比率分析了這些公司在破產(chǎn)前3年內(nèi)的數(shù)據(jù)。Coats和Fnat認為Z值模型對破產(chǎn)當年具有很好的判斷效果，但不具有很好的提前預(yù)測效果，神經(jīng)網(wǎng)絡(luò)模型則解決了此問題。

五、國內(nèi)外研究簡評

在國內(nèi)外現(xiàn)有的財務(wù)預(yù)警研究中,指標的選擇往往基于一般的財務(wù)理論、風險理論和管理理論，有時甚至取決于研究者的直觀判斷以及資料的可獲得性，眾多研究者還沒有找到令人信服的財務(wù)風險和預(yù)警理論來支撐所建立的預(yù)警模型,由此造成了各種財務(wù)預(yù)警模型的預(yù)警結(jié)論不一致，甚至相互矛盾和沖突。企業(yè)財務(wù)風險的形成和警情的出現(xiàn)往往在事前存在著一定的征兆，這就是財務(wù)預(yù)警的警兆,而警兆的識別需要以科學(xué)的財務(wù)風險理論和財務(wù)預(yù)警理論為基礎(chǔ)。然而,在當前的研究中，還沒有找到一種公認的理論來全面地說明財務(wù)風險的成因和財務(wù)預(yù)警的警兆因素，為此，國內(nèi)外的眾多研究者還在努力探索。

參考文獻:

篇5

【關(guān)鍵詞】財務(wù)危機；預(yù)測方法

財務(wù)困境預(yù)測方法是指借助數(shù)學(xué)和計算機技術(shù)構(gòu)建預(yù)測模型，通過對企業(yè)財務(wù)指標的系統(tǒng)分析來預(yù)測企業(yè)出現(xiàn)財務(wù)困境的可能性。從國內(nèi)外的研究現(xiàn)狀來看，財務(wù)困境預(yù)測模型主要有兩類：傳統(tǒng)統(tǒng)計類預(yù)測模型和人工智能型預(yù)測模型。

一、傳統(tǒng)統(tǒng)計類預(yù)測模型

傳統(tǒng)統(tǒng)計類預(yù)測模型包括：一元判別分析模型、多元判別分析模型、線性概率分析模型以及累積求和模型等。

（一）一元判別分析模型（UDA）

比弗率先提出了一元判別分析模型，也叫做單變量分析模型，它是通過單個財務(wù)指標來預(yù)測財務(wù)風險的。他比較了1954―1964年期間的79家失敗企業(yè)和79家相同資產(chǎn)規(guī)模的成功企業(yè)的30個財務(wù)指標的差異，發(fā)現(xiàn)具有良好預(yù)測性的財務(wù)比率依次為現(xiàn)金流量/負債總額、資產(chǎn)收益率和資產(chǎn)負債率。而且離財務(wù)失敗日越近，判別的效果更好。

雖然比弗的單變量判別模型能夠取得較好的預(yù)測準確性，但它的缺點在于：只重視一個指標的分析能力，如果使用多個財務(wù)指標分別進行判斷，單個指標的分類結(jié)果之間可能產(chǎn)生沖突，導(dǎo)致無法做出正確的判斷。但是單變量判別模型為后來的多變量分析模型在破產(chǎn)分析中的應(yīng)用奠定了基礎(chǔ)。

國內(nèi)學(xué)者陳靜在1999年以公司被ST的前1年、前2年、前3年的財務(wù)數(shù)據(jù)為基礎(chǔ)，用一元判別分析模型做了實證研究，得出在宣布被ST前1年總的準確率為85%。

（二）多元判別分析模型（MDA）

美國學(xué)者奧特曼（1968）最早將MDA模型應(yīng)用到財務(wù)危機預(yù)警模型中，他在1968年對美國破產(chǎn)和非破產(chǎn)企業(yè)進行觀察，對22個財務(wù)比率經(jīng)過梳理統(tǒng)計篩選得到五個變量，建立了著名的Z分數(shù)模型，以及在此基礎(chǔ)上改進的”Zeta”模型。根據(jù)判別分值，以確定的臨界值對研究對象進行信貸風險的定位。由于模型簡便、成本低、效果佳，日本、德國、法國、英國等許多發(fā)達國家的金融機構(gòu)都紛紛研制了各自的判別模型。

國內(nèi)學(xué)者張玲（2000）選取了滬、深兩市涉及14個行業(yè)共計120家上市公司為樣本，選取了四個反應(yīng)償債能力、盈利能力、資本結(jié)構(gòu)和運營能力的財務(wù)指標構(gòu)建判別模型。

楊淑娥、徐偉剛（2003）等學(xué)者采用主成分分析法對財務(wù)指標進行篩選后建立了MDA模型。

MDA模型的應(yīng)用也存在諸多局限，比如它要求研究樣本的財務(wù)比率呈近似正態(tài)分布、兩組的協(xié)方差矩陣相等，這在現(xiàn)實中較難實現(xiàn)。

（三）線性概率分析模型（LPA）

LPA模型主要有Logit和Probit兩種。

Edmister（1972）用線性回歸建立了包含7個財務(wù)比率的財務(wù)困境預(yù)測模型，預(yù)測精度在90%以上。

Qhlson（1980）首次將Logit模型應(yīng)用到破產(chǎn)預(yù)測。

國內(nèi)學(xué)者張后奇在所做的《上市公司財務(wù)危機預(yù)警系統(tǒng)：理論研究與實證分析》報告中，運用了LR線性回歸模型。

LR模型的優(yōu)點是不要求數(shù)據(jù)呈正態(tài)分布、兩組的協(xié)方差矩陣相等的假設(shè)，在不滿足正太分布的條件下，LR模型的預(yù)測效果要好于MDA模型，缺點是樣本的數(shù)量不宜少于200個，否則存在參數(shù)估計的有偏性。

（四）累積求和模型（CS）

西奧達西奧與1993年提出了預(yù)測企業(yè)失敗的CS模型，該模型能探測財務(wù)狀況由好變壞的拐點，對財務(wù)狀況惡化敏感并具有記憶性，能區(qū)分財務(wù)指標變化是由序列相關(guān)引起的還是由于財務(wù)情況惡化引起。

二、人工智能型預(yù)測模型

人工智能型預(yù)測模型主要包括：人工神經(jīng)網(wǎng)絡(luò)模型、遺傳算法模型、粗集理論模型、遞歸劃分分析模型以及支持向量機模型。現(xiàn)分述如下：

（一）人工神經(jīng)網(wǎng)絡(luò)模型（ANN）

奧多姆（1990）第一次把ANN模型應(yīng)用于財務(wù)困境預(yù)測研究，他使用了三層前饋神經(jīng)網(wǎng)絡(luò)，并與傳統(tǒng)的MDA模型進行了比較研究。

奧特曼（1994）對意大利的1000家公司利用其發(fā)生困境前1年的數(shù)據(jù)進行預(yù)測，結(jié)果發(fā)現(xiàn)，MDA比ANN的預(yù)測效果還稍微好一點。

ANN相對于傳統(tǒng)統(tǒng)計類模型的優(yōu)勢在于它能夠同時處理定性變量和定量變量，而且無需考慮變量之間的統(tǒng)計關(guān)系。但它也存在一些問題，如模型的拓撲定義較難實現(xiàn)、模型計算量較大以及判別能力不強等。

（二）遺傳算法模型（GA）

遺傳算法是模仿自然界生物遺傳進化規(guī)律在大量復(fù)雜概念空間內(nèi)的隨機搜索技術(shù)，尤其適合目標函數(shù)的多參數(shù)優(yōu)化問題，并運用于證券選擇、證券組合選擇、預(yù)算分配以及信用評價等金融、財務(wù)領(lǐng)域。瓦雷托?弗朗哥采用遺傳算法提取了線性函數(shù)和判別規(guī)則。研究結(jié)果表明，遺傳算法可以獲得不受統(tǒng)計約束的最優(yōu)線性方程，提取的線性函數(shù)與MDA相比，省時并且受分析人員的主觀影響較小，但結(jié)果不如MDA。

（三）粗集理論模型（RST）

RST模型被證明是能夠運用一組多價值屬性變量描述多個對象的有效工具，可以用來揭示相互關(guān)聯(lián)的財務(wù)特征與企業(yè)失敗風險之間的關(guān)系。弗朗西斯研究表明，RST能夠發(fā)現(xiàn)隱藏在數(shù)據(jù)中的重要事實，并能用自然語言表達成一組決策規(guī)則，每個決策規(guī)則都有案例支持，能夠結(jié)合使用定性變量和定量變量，無需統(tǒng)計約束和模糊隸屬度評能夠價，節(jié)省決策形成的成本和時間，工程透明，可以考慮決策者的知識背景，并可用于集成決策支持系統(tǒng)。迪米特拉正式，由于不同樣本與決策者知識會產(chǎn)生不同的決策規(guī)則組，因此研究結(jié)果并不具有通用性。

（四）遞歸劃分分析模型（BPA）

弗里德曼首次采用BPA建立預(yù)警模型，他以財務(wù)比率為判別點建立二叉分類樹，以最低誤判成本為標準對樣本企業(yè)進行分類預(yù)測。結(jié)果發(fā)現(xiàn)犯第一類錯誤的概率高于犯第二類錯誤的概率，MDA模型對研究樣本的期望誤判成本明顯高于BPA模型。在RPA模型中可以選用非財務(wù)指標和定性指標，但復(fù)雜的分類樹結(jié)構(gòu)可能引起樣本的過度適應(yīng)，預(yù)測風險高，因此分類樹結(jié)構(gòu)宜不宜繁，便于靈活運用。

（五）支持向量機模型（SVM）

范?格斯特等將SVM應(yīng)用到財務(wù)困境預(yù)測模型中，采用最小二乘法作為SVM的線性學(xué)習(xí)器，構(gòu)建LS―SVM財務(wù)困境預(yù)測模型，預(yù)測模型的判別準確率高達89.91%。

李英昌采用表格搜索技術(shù)對SVM核參數(shù)進行優(yōu)化后，建立了SVM模型，預(yù)測效果優(yōu)于MDA、LR和BP―ANN模型。

申慶植等采用SVM建立了財務(wù)困境預(yù)測模型，他通過對韓國中型制造企業(yè)的實證研究結(jié)果表明：SVM模型的預(yù)測性能優(yōu)于BP―ANN模型。

沃爾夫?qū)?哈德勒嘗試著將SVM應(yīng)用到財務(wù)困境預(yù)測研究中，通過對美國2001-2002年間84家企業(yè)的實證分析，結(jié)果表明SVM具有很好的分類效果。

國內(nèi)學(xué)者李賀、馮天謹（2005）通過對我國煙酒行業(yè)50家上市企業(yè)連續(xù)3年的公開數(shù)據(jù)的實證研究表明：SVM模型的預(yù)測性能優(yōu)于ANN模型；徐曉燕（2006）提出了一種將Logit回歸與SVM集成的預(yù)測方法。即LR―SVM。該方法通過修改支持向量機的輸出而改進其預(yù)測精度，即先對支持向量機的訓(xùn)練數(shù)據(jù)用Logit回歸進行分析，再用支持向量機進行預(yù)測。如果Logit回歸的結(jié)果支持SVM的結(jié)果，則不對SVM的輸出結(jié)果進行修改，否則修改SVM的輸出結(jié)果。實證結(jié)果表明，該方法的預(yù)測精度明顯優(yōu)于一般的支持向量機。

SVM的主要優(yōu)勢表現(xiàn)在：專門針對小樣本，具有較好的推廣能力；巧妙地解決了維數(shù)問題，算法的復(fù)雜度與樣本維數(shù)無關(guān)；無需對變量作任何特殊假設(shè)；變量間是否存在共線性對數(shù)據(jù)處理和模型估計影響不大。它的局限性是特征集和核參數(shù)對模型性能具有重要影響。

綜上所述，國內(nèi)學(xué)者對傳統(tǒng)統(tǒng)計類預(yù)測模型之間、統(tǒng)計類模型與ANN之間做比較研究的較多，而對SVM與其他模型之間進行比較研究的很少，尤其是SVM改進算法以及核參數(shù)優(yōu)化對財務(wù)困境影響的研究就更少。

參考文獻

[1]陳靜.上市公司財務(wù)惡化預(yù)測的實證分析[J].會計研究，1999，4：31-38.

[2]張玲.財務(wù)危機預(yù)警分析判別模型[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2000，3：49-51.

篇6

一、公司治理與財務(wù)危機預(yù)警

20世紀90年代，亞洲金融危機使得公司治理問題，尤其是內(nèi)部治理成為全球關(guān)注的焦點。研究發(fā)現(xiàn)大量企業(yè)的破產(chǎn)和倒閉起因于弱化的公司治理，這一現(xiàn)象引起學(xué)者對公司治理與財務(wù)危機關(guān)系的研究。

（一）股權(quán)結(jié)構(gòu)與財務(wù)危機預(yù)警從國外看，Shleifer等（1986）的研究顯示，公司的大股東能夠激勵和監(jiān)督管理層，使公司價值增加；Daily和Dalton（1995）研究發(fā)現(xiàn)，集中的權(quán)力使得公司治理與企業(yè)破產(chǎn)具有相當大的聯(lián)系；La Porta等（1999）的研究表明，股權(quán)集中的程度越高，公司財務(wù)狀況就越容易出現(xiàn)問題；Tsun-Siou Lee和Yin-Hua Yeh（2002）在考察臺灣上市公司所有權(quán)集中情況時發(fā)現(xiàn)，控股股東在董事會中擁有的董事會席位百分比、控股股東用作銀行抵押貸款的股票百分比、控制權(quán)和現(xiàn)金流量要求權(quán)的偏離程度三個變量與公司在次年發(fā)生財務(wù)危機的可能性正相關(guān)。在國內(nèi)，姜秀華和孫錚（2001）的實證結(jié)果表明，股權(quán)集中度越高的公司越不容易陷入財務(wù)危機，因為股權(quán)越分散股東之間相互“搭便車”的動機就越強烈；趙沫（2005）的研究顯示，控股股東的國有股身份與公司陷入財務(wù)危機的可能性正相關(guān)，控股股東持股比例與公司陷入財務(wù)危機的可能性為“N”型關(guān)系；曹德芳和夏好琴（2006）研究發(fā)現(xiàn)，法人股比例、控股模式、流通股比例、前五大股東持股比例的平方和、國有股比例等5個變量與企業(yè)會否出現(xiàn)財務(wù)危機有著顯著關(guān)系。

（二）董事會結(jié)構(gòu)與財務(wù)危機預(yù)警 在國外，Baysinger和Butler（1985）研究表明，董事會組成會影響財務(wù)健康的程度，績效水平處于平均績效之上的公司外部董事比例較高；Warner（1988）、Brickly等（1994）研究發(fā)現(xiàn)，內(nèi)部人監(jiān)管CEO的無效和在決策過程中的參與不足，對公司陷入財務(wù)危機具有有害影響；Mallette和Fowler（1992）研究表明，外部董事比例較高的公司發(fā)生財務(wù)危機的可能性較小；Fathi Elloumi和Jean-pierre Gueyie（2001）研究發(fā)現(xiàn)，外部董事比例和公司發(fā)生財務(wù)危機的可能性之間存在顯著負相關(guān)關(guān)系，但董事長和總經(jīng)理是否一體在困境公司和非困境公司之間并不存在顯著差異；Hambrick和Diaveni（1992）、Daily（1995）等研究發(fā)現(xiàn)，外部董事數(shù)量的下降會先于公司破產(chǎn)出現(xiàn)；Judge和Zeitham（1992）認為，高比例的內(nèi)部董事使得董事會很少參與公司的戰(zhàn)略決策制定，導(dǎo)致管理層對公司擁有絕對的控制，進而企業(yè)容易陷入財務(wù)危機；Elloumi和Gueyié（2001）研究發(fā)現(xiàn)，除財務(wù)變量以外，董事會的構(gòu)成與結(jié)構(gòu)也可以解釋財務(wù)危機。在國內(nèi)，陳流江（2004）首次在財務(wù)危機預(yù)警模型中加入獨立董事人數(shù)這一指標，模型的預(yù)測準確度得到相當大的提高；陳良華和孫健（2005）通過對滬市上市公司的研究，發(fā)現(xiàn)獨立董事比例、第一大股東持股比例、現(xiàn)金流量權(quán)與表決權(quán)的偏離等治理結(jié)構(gòu)變量與財務(wù)危機存在相關(guān)性；江向才等（2006）的研究顯示，董監(jiān)事持股、控制股東擔任董事監(jiān)察人、專業(yè)經(jīng)理人擔任董事席位數(shù)、董事會規(guī)模等指標可作為投資人投資公司的參考以及財務(wù)危機公司是否能轉(zhuǎn)危為安的判斷依據(jù)；曹德芳、趙希男、王宇星（2007）的實證研究表明，未引入董事會結(jié)構(gòu)變量的模型預(yù)測正確率為92.5%，而引入董事會結(jié)構(gòu)變量的模型預(yù)測正確率為94.15%，模型預(yù)警能力明顯增強。

（三）激勵約束機制與財務(wù)危機預(yù)警 國外的相關(guān)研究有 ：Jensen（1989）認為，公司陷入財務(wù)危機會促使管理者提高管理效率或者激勵其更關(guān)注公司業(yè)績的增加；Warfield（1995）指出，管理者持股比例越高的公司陷入財務(wù)危機的概率低；Claessens（2000）以及Faccio和Lang（2002）的研究表明，控股股東的持股比例與財務(wù)危機間具有負相關(guān)的關(guān)系；Wang Zhen等（2004）認為，管理層持股比例和總經(jīng)理持股比例對公司財務(wù)危機有顯著的影響。國內(nèi)的相關(guān)研究有：張健（2004）認為高管人員持有一定比例的公司股份能夠減少問題和公司管理人員的尋租行為，公司不易陷入財務(wù)危機；陳燕（2006）則認為我國高管人員的股權(quán)激勵程度普遍過低，高管人員的股權(quán)激勵并不影響公司發(fā)生財務(wù)危機的概率；王宗軍等人（2006）的研究表明，我國ST公司和非ST公司在高管人員持股比例方面的區(qū)別不顯著。

二、審計意見與財務(wù)危機預(yù)警

對審計意見與財務(wù)危機預(yù)警之間的關(guān)系，多數(shù)學(xué)者認為其具有相關(guān)性，但也有部分學(xué)者認為這兩者之間不具有顯著的相關(guān)性。

（一）認為審計意見與財務(wù)危機預(yù)警不相關(guān) 部分學(xué)者認為審計意見與財務(wù)危機預(yù)警間不具有相關(guān)性，如Altman和Mutchler（1974）的研究發(fā)現(xiàn)：審計意見在財務(wù)危機預(yù)警中不具有顯著的解釋力；Lennox（1999）的研究也認為審計意見對公司破產(chǎn)不具有顯著的解釋能力。

（二）認為審計意見與財務(wù)危機預(yù)警相關(guān) 多數(shù)學(xué)者的研究認為審計意見與財務(wù)危機是相關(guān)的。國外的研究有：Hopwood（1989）研究表明審計意見對企業(yè)財務(wù)危機有顯著性影響；Kennedy和Shaw（1991）的研究也表明審計意見具有識別公司破產(chǎn)申請的能力；Wilkins（1997）的研究發(fā)現(xiàn)，審計師的意見可以在一定程度上反映技術(shù)上違約的企業(yè)將來是否會陷入財務(wù)危機。國內(nèi)的研究有：張鳴（2004）在財務(wù)危機預(yù)警模型中使用了審計意見變量，變量的引入顯著提高了模型的預(yù)測效果，但只是從單一角度引入非財務(wù)變量，沒考慮多方面變量的共同影響；鄧曉嵐等（2006）的實證研究表明審計意見與財務(wù)困境概率呈負相關(guān)，加入審計意見后，模型的正確識別率從86.7%提高到88.3%。

三、其他相關(guān)領(lǐng)域與財務(wù)危機預(yù)警

除上述兩方面的研究外， 一些學(xué)者還嘗試將統(tǒng)計、金融、經(jīng)濟、社會等領(lǐng)域的各種方法相結(jié)合，用以推進財務(wù)危機預(yù)警領(lǐng)域的研究。

（一）國外的研究 Cumming和Saini（1981）的研究表明，公司陷入財務(wù)危機的主要原因是由于商品的需求不足和貨幣政策的不合理，日本公司財務(wù)狀況受國內(nèi)消費水平、政府投資、生產(chǎn)力以及利率的影響，英國公司的財務(wù)狀況受出口水平的影響；Rose等（1982）在研究經(jīng)濟周期對公司財務(wù)狀況的影響后，認為GDP、失業(yè)率、商品零售額對公司財務(wù)狀況有顯著影響；Alman（1983）認為在經(jīng)濟衰退時期，公司更容易陷入困境，經(jīng)濟增長、股價指數(shù)和貨幣供給量會對公司陷入危機產(chǎn)生顯著影響；Izan（1984）的研究發(fā)現(xiàn)產(chǎn)業(yè)相對比率在區(qū)分財務(wù)危機公司和正常公司方面具有顯著效果；Hill，Perry和Andes（1995）運用歷史事件分析法研究陷入財務(wù)危機的企業(yè)時發(fā)現(xiàn)，除財務(wù)指標外，失業(yè)率和銀行最優(yōu)惠貸款利率等經(jīng)濟指標在預(yù)測財務(wù)危機方面也起著重要作用；Warren和Westhrook（2000）對1994年23個地區(qū)的3 200家公司進行了長達5年的實證研究，采用財務(wù)指標和人口統(tǒng)計指標驗證針對破產(chǎn)公司的經(jīng)營機制而提出的一系列假設(shè)；Bae（2002）以亞洲金融危機為背景，證實了宏觀經(jīng)濟狀況通過銀企關(guān)系影響公司財務(wù)困境。

（二）國內(nèi)的研究 21世紀初，國內(nèi)學(xué)者開始關(guān)注結(jié)合非財務(wù)變量和定性因素去構(gòu)建財務(wù)危機預(yù)警模型。譚一可（2005）分析了近20年來國內(nèi)外在引進非財務(wù)變量進行企業(yè)破產(chǎn)預(yù)測方面的一些創(chuàng)新及其發(fā)展趨勢后，提出可將宏觀經(jīng)濟因素、行業(yè)差異、公司治理等定性因素引入財務(wù)危機預(yù)警領(lǐng)域；楊兵和柯佑鵬（2005）研究了樣本的選取對于研究結(jié)果的影響以及非財務(wù)指標在預(yù)測財務(wù)危機中的作用后，用實證模型驗證了非財務(wù)指標的引入可以大幅度提高上市公司財務(wù)危機預(yù)測的準確程度；萬希寧（2005）認為財務(wù)危機具有模糊性和復(fù)雜性，為克服純量化因素建立預(yù)警模型的不足，可以結(jié)合財務(wù)指標和非財務(wù)指標，運用專家評分法和模糊優(yōu)先關(guān)系排序決策法進行指標的有效選擇，借助模糊數(shù)學(xué)構(gòu)建綜合模糊預(yù)測模型；呂峻（2005）認為以非財務(wù)指標構(gòu)建的財務(wù)困境預(yù)測模型的預(yù)測精度不會隨時間的向前推移而降低，非財務(wù)指標可以更本質(zhì)地反映困境公司的特征，并可以在一定程度上解釋財務(wù)困境發(fā)生的原因；龔凱頌（2005）認為，上市公司對外擔保與財務(wù)困境具有顯著相關(guān)性，上市公司的對外擔保與財務(wù)困境正相關(guān)，關(guān)聯(lián)方擔保指標和不良擔保指標與財務(wù)困境的相關(guān)程度高于非關(guān)聯(lián)擔保指標和非不良擔保指標，反擔保指標降低財務(wù)風險的效果不顯著；楊華（2007）的研究表明，體現(xiàn)年報披露、地域環(huán)境的非財務(wù)指標的引入提高了模型對危機公司的預(yù)測準確率，并使模型的總體預(yù)測準確率提高。

四、結(jié)論

國內(nèi)外學(xué)者關(guān)于非財務(wù)變量和定性因素的預(yù)警研究，均重視公司治理變量的作用，對審計意見、宏觀經(jīng)濟指標、行業(yè)差異等非財務(wù)變量關(guān)注不夠，這也是今后研究的方向；國內(nèi)關(guān)于非財務(wù)變量的預(yù)警研究，大多數(shù)認為非財務(wù)指標納入預(yù)警模型可以提高模型的精度，從而肯定了非財務(wù)變量對預(yù)警模型的意義。對于定性因素的研究，鑒于其無法量化或難以量化，如何引入財務(wù)危機預(yù)警研究領(lǐng)域還存在一定的難度，也激起學(xué)者們的研究興趣。對于非財務(wù)變量和定性因素引入財務(wù)危機預(yù)警研究領(lǐng)域的研究，學(xué)者們的嘗試相對而言更為多元和復(fù)雜，難以獲取統(tǒng)一的研究結(jié)論，而且爭議較多（如審計意見與財務(wù)危機的關(guān)系）。財務(wù)危機預(yù)警研究從依賴一個財務(wù)變量到依賴多變量財務(wù)變量，再到引入非財務(wù)變量和定性因素，朝著動態(tài)化和精準定量化的方向發(fā)展。這與西方國家發(fā)達的證券市場和高度的市場流動性是相適應(yīng)的，其無疑是更加精確的；但對于我國轉(zhuǎn)軌時期的經(jīng)濟狀態(tài)而言，不發(fā)達的證券市場和特殊市場結(jié)構(gòu)決定了研究變量的選擇在借鑒西方學(xué)者研究的基礎(chǔ)上應(yīng)當適合我國的國情和實踐。

［本文系山東省軟科學(xué)立項課題（項目編號：2009RKB533）階段性研究成果］

參考文獻：

［1］姜秀華、孫錚：《治理弱化與財務(wù)危機：一個預(yù)測模型》，《南開管理評論》2001年第5期。

［2］Andrei Shleifer and Robert Vishny. Large Shareholders and Corporate Contonl，Journal of Political Economy，1986.

［3］Daily. C. M. ，The Relationship Between Board Composition and Leadership Structure and Bankruptcy Reorganization outcomes，Journal of Management，1995.

篇7

關(guān)鍵詞：財務(wù)危機；多元判別分析法；Logit回歸；主成分分析；行業(yè)；地區(qū)

文章編號：1003－4625（2007）05－0042－04中圖分類號：F830.2文獻標識碼：A

Abstract: This paper conducts an early-warning research of company’s financial distress in different industries and regions by making use of the multiple discriminate analysis model, Logit model and principal component analysis model. It analyzes the discretion accuracy of the early-warning models, the parameter selection of different models and the early-warning discrimination of different types of financial distress. The models presented can be used for credit risk measurement for commercial banks.

Key words: financial distress; multiple discriminate analysis; Logit regression; principal component analysis; industry; region

隨著經(jīng)濟金融的發(fā)展和對信用風險認識的不斷加深，人們對企業(yè)財務(wù)危機預(yù)警的研究也越來越多。

回顧企業(yè)財務(wù)危機預(yù)警模型的發(fā)展過程，大致經(jīng)歷了從單變量模型到多變量模型，多元判別模型到Logit模型等其他參數(shù)模型，從統(tǒng)計參數(shù)模型到非參數(shù)模型，從單一模型到綜合系統(tǒng)的過程。技術(shù)的進步，改變了以往單純依賴專家進行風險判別的局限性，大大提高了財務(wù)危機判別的有效性、準確性和一致性，同時也明顯降低了判別成本。

國際上，F(xiàn)itzpatrick（1930）最早認為企業(yè)的財務(wù)比率能夠?qū)ζ髽I(yè)未來財務(wù)狀況進行預(yù)測分析。Beaver（1966）首先運用統(tǒng)計方法建立單變量財務(wù)預(yù)警模型。Altman（1968）利用多元判別分析法建立了著名的多變量預(yù)警模型――Z模型，以后又進行修正，提出了ZETA模型。Ohlson（1980）首先運用Logit回歸模型進行企業(yè)財務(wù)預(yù)警研究。隨后，Zmijewski（1984）、Zavgren（1985）、Lav（1987）、Keasey和McGuinness（1990）也運用Logit模型進行財務(wù)危機預(yù)警研究，并且大大提高了模型的預(yù)測精度。

我國的財務(wù)預(yù)警模型研究始于1990年。陳靜（1999）、張玲（2000）、吳世農(nóng)和盧賢義（2001）等，運用多元判別對上市公司進行了財務(wù)危機預(yù)警分析。劉（2001），齊治平、余妙志（2002），朱曦、馮田、印麗娟（2004）等，運用Logit模型對財務(wù)危機進行了研究。周兵、張軍（2002），周思恩、丁莉（2003）用主成分分析法，生成線性的或Logit的函數(shù)方程進行財務(wù)預(yù)警研究。

目前，我國的預(yù)警模型研究尚處在起步階段，由于受到數(shù)據(jù)可獲得性的制約，大量研究主要是針對上市公司開展的。由于上市公司的特殊性，使得研究結(jié)果的運用受到一定的限制。同時，對于區(qū)域的企業(yè)財務(wù)危機預(yù)警研究還不多見。運用商業(yè)銀行的大量數(shù)據(jù)，進行分行業(yè)、分地區(qū)的企業(yè)財務(wù)預(yù)警模型研究尚屬空白。進而，對模型的財務(wù)指標進行深入比較分析，在公開資料上也不多見。

本文將運用多種模型技術(shù)，利用商業(yè)銀行多年的企業(yè)財務(wù)數(shù)據(jù)，研究生成了分行業(yè)、分地區(qū)的財務(wù)危機預(yù)警研究，并進行相應(yīng)的比較分析。

一、多元判別分析原理

判別分析是判別樣本隸屬類型的一種統(tǒng)計方法。一般來講，有k個總體G1,G2,…，GK，它們的分布密度函數(shù)分別為f 1(x)，f2(x)，…，f k(x)，對于給定的一個樣品X=(x1，x2，…，xm)T，判別分析是判斷它屬于k個總體中哪一個的統(tǒng)計方法。

本文采用多元線性判別，基本思想是將K組（類）m維數(shù)據(jù)投影到某一方向，使得組與組之間的投影盡可能地分開。

若從K個總體分別取得K組m維觀察值：

G1:x1(1)，x2(1)，…，xn(1)；…；GK：x1(k)，x2(k)，…，xn(k)，n=n1+n2+…+nk。

設(shè)a為一m維列向量，y(X)=aTX為X以a為法線方向的投影，則

， ， ，

。

選取適當?shù)腶，使得不同組（類）之間的區(qū)分能力越大越好，每個組內(nèi)的y值離散程度越小越好。

二、Logit回歸原理

Logit模型采用二元的Logistic概率函數(shù)作為模型方程，又稱增長函數(shù)，是1838年比利時P．F．Verhulst首次提出來的。

假設(shè)響應(yīng)變量y為二值定性變量，用0，1分別表示企業(yè)財務(wù)正常和危機兩個不同的狀態(tài)，y＝1的概率p是我們研究的對象，自變量為x1，x2，…，xm，Logistic回歸擬合的回歸方程為

其中：m是自變量個數(shù)，β0，β1，…，βm是待估參數(shù)，p是自變量取值為X=(x1，x2，…，xm)T，時，原響應(yīng)變量Y取值為1時的概率，Logistic回歸方程的另一種形式為p=exp(Z)/[1+exp(Z)]

顯然，Z是自變量X的線性函數(shù)，通常稱上式為Logit變換，它有很強的統(tǒng)計意義，如它表示了y取值1的概率與取值為0的概率的比值的對數(shù)。

三、主成分分析原理

主成分分析法，也稱因子分析法，最早是由美國心理學(xué)家Charles Spearman 在1904年提出的，其基本思想是將實測的多個指標，用少數(shù)幾個潛在的相互獨立的主成分指標（因子）的線性組合來表示，構(gòu)成的線性組合可反映原多個實測指標的主要信息。它的優(yōu)點是可以對觀測樣本進行分類，并根據(jù)各因子在樣本中所起的作用自動生成（確定）各因子權(quán)重，簡化實測指標系統(tǒng)。主成分分析方法的一般模型為：

其中：

F1，F(xiàn)2，…，F(xiàn)n為實測變量；

aij（i＝1，2，…，m；j＝1，2，…，n）為因子載荷；

Xi（i＝1，2，…，m）為選擇確定的們m個主成分因子；

Ki（i＝1，2，…，m）為主成分因子的權(quán)重（即第i個因子的貢獻率）；

Y是公司財務(wù)危機的預(yù)測值。

需說明的是，因子載荷aij是第Fj個實測變量在第Xi個主成分上的載荷，或者說，第Fj個變量與第Xi個主成分的相關(guān)系數(shù)。載荷越大，說明第Fj個實測變量與第Xi個主成分的關(guān)系越密切；反之亦然。在主成分分析的基礎(chǔ)上，對主成分因子，運用Logit回歸模型，生成相關(guān)的預(yù)警模型，對企業(yè)財務(wù)危機進行預(yù)警分析。

四、研究設(shè)計

（一）財務(wù)危機企業(yè)的界定

財務(wù)危機企業(yè)的界定，是預(yù)警模型研究的關(guān)鍵性內(nèi)容。本文利用商業(yè)銀行實際的企業(yè)客戶數(shù)據(jù)，界定了兩類財務(wù)危機企業(yè)。為突出反映財務(wù)狀況劣變快的特性，將企業(yè)信用等級下降三個及以上信用等級的企業(yè)，界定為第一類危機企業(yè)。為區(qū)分企業(yè)財務(wù)狀況優(yōu)劣，將有不良貸款、信用等級低的客戶，界定為第二類財務(wù)危機企業(yè)。與此相匹配，界定正常類客戶。

（二）樣本選擇

經(jīng)過篩選，本文選擇了17個大類行業(yè)9700多家企業(yè)、10個地區(qū)8600多家企業(yè)2004年的財務(wù)數(shù)據(jù)進行財務(wù)預(yù)警研究。每個行業(yè)平均有285個樣本，其中平均正常企業(yè)樣本數(shù)為145個，平均危機企業(yè)樣本數(shù)為140個；每個地區(qū)平均有430個樣本，其中平均正常企業(yè)樣本數(shù)為218個，平均危機企業(yè)的樣本數(shù)為212個。

（三）變量定義

分析國內(nèi)外已有財務(wù)預(yù)警模型變量的選取情況，本文首先匯總整理了償債能力、財務(wù)效益、資金營運、發(fā)展能力、企業(yè)規(guī)模共五大類47個財務(wù)指標。

初步選擇某個行業(yè)客戶的財務(wù)數(shù)據(jù)，對此進行分析。根據(jù)客戶數(shù)據(jù)的可獲得性，剔除一些數(shù)據(jù)質(zhì)量不高或難以獲得的指標（目前企業(yè)現(xiàn)金流量表的數(shù)據(jù)不易獲得，真實性相對較差），剔除了一些經(jīng)過T檢驗后不顯著的、均值與方差對判別區(qū)分力不強的指標，又剔除一些相關(guān)系數(shù)較高的指標。最后得到24個財務(wù)指標，作為擬建立模型的備選變量，包括資產(chǎn)負債率、全部資本化比率、速動比率、（現(xiàn)金+短期投資+應(yīng)收票據(jù)）/資產(chǎn)總額、流動資產(chǎn)/資產(chǎn)總額、現(xiàn)金/流動負債、凈資產(chǎn)收益率、銷售（營業(yè)）利潤率、總資產(chǎn)報酬率、成本費用利潤率、主營業(yè)務(wù)鮮明率、總資產(chǎn)周轉(zhuǎn)率（次）、存貨周轉(zhuǎn)率（次）、應(yīng)收賬款周轉(zhuǎn)率、固定資產(chǎn)凈值/所有者權(quán)益、營運資產(chǎn)與總資產(chǎn)比率、營運資金/銷售收入、固定資產(chǎn)周轉(zhuǎn)率、銷售（營業(yè)）收入增長率、資本積累率、總資產(chǎn)增長率、留存利潤比、營業(yè)利潤增長率、LOG（總資產(chǎn)）。

（四）計算方法

本文運用SPSS軟件，通過多元判別、Logit回歸、主成分分析+Logit回歸三個統(tǒng)計原理，使用了全部變量一次生成模型、全部變量逐步篩選生成模型、經(jīng)過T檢驗再篩選部分變量生成模型，三種計算方法來實現(xiàn)預(yù)警研究。同時，根據(jù)模型公式回判準確率的高低來最終取舍相關(guān)模型。同時，利用上述三種方法，分別對第一類、第二類財務(wù)危機企業(yè)進行了預(yù)警研究。

五、計算結(jié)果及分析

（一）行業(yè)的企業(yè)財務(wù)危機預(yù)警模型

運用以上三種方法，研究生成了17個行業(yè)的預(yù)警模型。限于篇幅，僅展示通用設(shè)備制造業(yè)第二類財務(wù)危機的預(yù)警模型，其中多元線性判別模型由篩選后指標逐步回歸得到，準確率為95.7%。公式為：

Y=－3.777－0.015X1＋0.004X2＋0.055X3＋0.007X4＋0.031X5－0.602X6＋0.880X7

X1：資產(chǎn)負債率X2：速動比率

X3：總資產(chǎn)報酬率 X4：成本費用利潤率

X5：主營業(yè)務(wù)鮮明率X6：總資產(chǎn)周轉(zhuǎn)率

X7：LOG（總資產(chǎn)）

判別區(qū)間為－0.98、0.47。

17個行業(yè)的財務(wù)預(yù)警模型，其回判準確率統(tǒng)計如下：

表一行業(yè)的企業(yè)財務(wù)預(yù)警模型回判準確率

由上表可見，行業(yè)的預(yù)警模型回判準確率比較高，可以運用到風險管理的實踐中去。

（二）區(qū)域的企業(yè)財務(wù)危機預(yù)警模型

運用以上三種方法，研究生成了10個地區(qū)的預(yù)警模型。限于篇幅，僅展示河北省第一類財務(wù)危機的預(yù)警模型。

1.Logit回歸

該模型由24個指標逐步回歸法得到，回判準確率為96.2%。公式為：

其中E的指數(shù)

Y=33.363＋0.115X1－0.034X2－0.083X3－0.586X4＋0.061X5－6.803X6

X1：全部資本化比率 X2：速動比率

X3：銷售（營業(yè)）利潤率X4：總資產(chǎn)報酬率

X5：固定資產(chǎn)凈值/實收資本 X6：LOG（總資產(chǎn)）

2.主成分＋Logit回歸

由主成分分析，通過指標篩選，生成了4個主成分，具體參數(shù)見表二：

隨后，由篩選后指標逐步回歸得到模型，其回判準確率為97.8%，公式如下：

其中E的指數(shù)

Y=－1.459968＋0.045358X1－0.000250X2＋0.000532X3

＋0.638560X4－0.037890X5－0.049253X6－0.001224X7

＋0.472836X8－0.001835X9－0.006300X10－0.015369X11

－0.021877X12－0.153261X13＋0.098905X14

X1：資產(chǎn)負債率 X2：全部資本化比率

X3：速動比率X4：（現(xiàn)金＋現(xiàn)金等價物）/資產(chǎn)總額

X5：凈資產(chǎn)收益率X6：總資產(chǎn)報酬率

X7：成本費用利潤率 X8：營運資產(chǎn)與總資產(chǎn)比率

X9：固定資產(chǎn)周轉(zhuǎn)率 X10：銷售（營業(yè)）增長率

X11：資本積累率X12：總資產(chǎn)增長率

X13：營業(yè)利潤增長率X14：LOG（總資產(chǎn)）

表二主成分分量參數(shù)表

由此，10個區(qū)域的財務(wù)預(yù)警模型，其回判準確率統(tǒng)計如下：

表三 區(qū)域的企業(yè)財務(wù)預(yù)警模型回判準確率

由上表可見，區(qū)域的預(yù)警模型回判準確率比較高，也可以運用到風險管理的實踐中去。

（三）行業(yè)、區(qū)域預(yù)警模型比較分析

由表一、二可見，不同判別方法的回判準確率比較接近，其中Logit模型的回判準確率相對最高，多元判別和主成分+Logit模型的判別方法的回判準確率沒有明顯的高低差異。

區(qū)域預(yù)警模型，是在不考慮樣本企業(yè)所屬行業(yè)的基礎(chǔ)上進行的預(yù)警。因此，各個地方（或者國家）完全可以根據(jù)各自的風險管理情況，采用不同的預(yù)警模型進行風險管理。

行業(yè)預(yù)警模型，忽略了企業(yè)所屬區(qū)域，可以對具有行業(yè)特點的財務(wù)危機進行有針對性的風險判別，同時相關(guān)信息可以提供行業(yè)分析、企業(yè)行業(yè)排名的輔助參考。

行業(yè)、地區(qū)的預(yù)警模型回判準確率比較接近。不同地區(qū)、不同行業(yè)完全可以生成適應(yīng)自身需要的預(yù)警模型來提高風險管理的水平。同時利用行業(yè)、區(qū)域預(yù)警模型進行風險預(yù)警分析，可以從兩個維度相互驗證、相互補充來進行風險預(yù)警，從而進一步提高風險判別有效度，并不斷滿足風險管理多樣性的需求。

（四）財務(wù)指標重要性比較分析

不同行業(yè)、地區(qū)的預(yù)警模型，選用財務(wù)指標的頻率是不同的，其中比較普遍的是反映企業(yè)規(guī)模的LOG（總資產(chǎn)）、反映負債特點的資產(chǎn)負債率等指標。

由此認為，人們在判別企業(yè)財務(wù)質(zhì)量時，有側(cè)重的選擇不同的財務(wù)指標，是有統(tǒng)計依據(jù)的，不同財務(wù)指標在分析企業(yè)財務(wù)狀況時的重要性和有效性是有區(qū)別的。

表四 預(yù)警模型變量選擇比例

（五）對財務(wù)優(yōu)劣的判別與對財務(wù)質(zhì)量劣變速度的判別比較分析

表五第一類危機、第二類危機的預(yù)警

由上表可見，兩種預(yù)測的精度都不錯，結(jié)果均可用；對財務(wù)質(zhì)量預(yù)測的準確度明顯比對財務(wù)劣變預(yù)測的準確度要高。說明，財務(wù)危機波動性的預(yù)測難度更大。

六、總結(jié)

建立具有較高回判準確率的不同行業(yè)、區(qū)域的企業(yè)財務(wù)危機預(yù)警模型說明，我國已經(jīng)具備了利用企業(yè)財務(wù)數(shù)據(jù)進行財務(wù)危機預(yù)警和信用風險管理的條件。同時，從一個側(cè)面證明了國外預(yù)警模型的指標、參數(shù)是不大適合直接運用到中國生產(chǎn)實踐中去的。

研究表明，商業(yè)銀行可以針對重點行業(yè)、重點地區(qū)，對具有不同信用風險特征的企業(yè)建立不同的財務(wù)危機預(yù)警模型，以不斷提高信用風險管理的水平。同時，針對特定的需要和對象，如大信用額度的客戶、集團客戶、關(guān)聯(lián)客戶等，也可以建立相應(yīng)的預(yù)警模型，以突出進行差別化的信用風險管理。

在預(yù)警模型的基礎(chǔ)上建立風險預(yù)警系統(tǒng)，可以將現(xiàn)代統(tǒng)計技術(shù)運用到風險管理的日常實踐中去，并能夠在短時間內(nèi)加快縮短我國與國外在信用風險管理方面的差距。

此外，通過采用風險預(yù)警技術(shù)，可以開展違約誘導(dǎo)因素分析、信用等級自動判別、風險動態(tài)管理等多種研究，以不斷豐富信用風險管理的工具和手段。

參考文獻：

[1]Frizpatrick. A Comparison of Ratios of Successful Industrial Enterprises With Those of Failed Firms[M].Certified Public Accountant.1932

[2]Beaver W H.financial ratios as predictors of failure[J].Journal of Accounting Research.1966 ， （supplement） ：71－111

[3]Altman E I. Financial Ratios Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance.1968 ， Vo1. 23：4－7

[4] J S. Ohlson.Financial Ratios and the Probabilitistic Prediction of Bankruptcy[J].Journal of Accounting Research.1980 ， Vo1. 4：123－133

[5]陳靜.上市公司財務(wù)惡化預(yù)測的實證分析[J].會計研究,1999,(4):31-35.

[6]張玲.財務(wù)危機預(yù)警分析判別模型及其應(yīng)用[J].預(yù)測,2000,(6):38-40.

[7]高培業(yè),張道奎.企業(yè)失敗判別模型實證研究[J].統(tǒng)計研究,2000,(10).

[8]徐國祥.上市公司經(jīng)營業(yè)績綜合評價及實證研究[J].統(tǒng)計研究,2000,(9).

[9]吳世農(nóng),盧賢義.我國上市公司財務(wù)困境的預(yù)測模型研究[J].經(jīng)濟研究,2001,(6):46-55.

[10]劉.上市公司財務(wù)狀況異常的預(yù)警分析[J].資本經(jīng)營,2001,(2):38-42.

[11]齊治平,余妙志.Logistic模型在上市公司財務(wù)狀況評價中的運用[J].東北財經(jīng)大學(xué)學(xué)報,2002,(1):60-63.

[12]周兵,張軍.上市公司財務(wù)狀況惡化的預(yù)警模型分析[J].華東經(jīng)濟管理,2002,(8):92-98.

[13]周思恩,丁莉.上市公司被特別處理的分級預(yù)警模型分析[J].財經(jīng)科學(xué),2003, (增刊):289-291.

篇8

自2009年10月30日起，創(chuàng)業(yè)板市場運行已有5年的時間。上市公司的數(shù)量飛速增加，財務(wù)指標初具規(guī)模。但隨著創(chuàng)業(yè)板市場的不斷發(fā)展壯大，也出現(xiàn)了不少亟待解決的問題。隨著的披露，創(chuàng)業(yè)板上市公司板高成長的光環(huán)已然褪去，財報業(yè)績頻頻變臉。2012年4月20日，證監(jiān)會正式《深圳證券交易所創(chuàng)業(yè)板股票上市規(guī)則（2012年修訂）》。在新的退市制度中，規(guī)定了創(chuàng)業(yè)板上市公司若達到了其規(guī)定的暫停上市或終止上市標準，將嚴格執(zhí)行其規(guī)定標準，結(jié)果就是直接退市。因此，為了使我國創(chuàng)業(yè)板市場持續(xù)和諧成長，并且使廣大投資者的權(quán)益不受到侵害，需要對創(chuàng)業(yè)板上市公司的財務(wù)狀況做出提前預(yù)測，更需要建立一個適合我國創(chuàng)業(yè)板上市公司的，對其財務(wù)危機狀況判別率較高的財務(wù)預(yù)警模。

二、Cox建模方法簡述

生存分析方法在研究企業(yè)經(jīng)營失敗方面的模型分為三類：非參數(shù)、參數(shù)和半?yún)?shù)模型。半?yún)?shù)模型主要用于不確定生存時間分布類型的研究樣本。這類方法能夠分析多個風險因素對生存時間的影響情況。Lane，Looney和Wansley（1986），Wheelock和Wlison（2000）以及Balcaen和Ooghe（2004）認為研究企業(yè)經(jīng)營失敗的最適模型為半?yún)?shù)Cox比例風險模型。所以本文選用Cox比例風險模型，下面就對Cox比例風險模型進行詳細的介紹。

Cox模型是一種用于研究多因素對生存時間影響的半?yún)?shù)模型，它不要求樣本的生存時間服從特定的分布，也可以分析刪失數(shù)據(jù)，這樣就大大降低了運用過程的繁瑣性。Cox模型自D.R.Cox于1972年提出以來，從最初應(yīng)用于生物醫(yī)學(xué)領(lǐng)域，現(xiàn)在已擴展到了金融、管理等領(lǐng)域。Cox比例風險模型采用的是偏似然函數(shù)對協(xié)變量進行估計。并且每個樣本都包含三個變量time，status和Xi，其中，time表示的是樣本的生存時間；status表示的是樣本的生存狀態(tài)，status=0表示樣本發(fā)生危機事件，反之status=1表示樣本未發(fā)生危機；Xi表示的是與樣本生存時間和生存狀態(tài)有關(guān)的協(xié)變量。Cox比例風險模型的表達式為：

H（t，AX）=h0（t）F（AX）

其中，h0（t）為t時刻的基準風險率；X=（x1，x2，x3，…xn）為協(xié)變量，它們可以是定量指標，也可以是定性與等級指標；A=（a1，a2，a3，…an）是參數(shù)變量，即各協(xié)變量的回歸系數(shù)。

相應(yīng)的生存函數(shù)表達式為：

S（t，AX）=S0（t）F（BX）

其中，S0（t）為t時刻的基準生存率；X=（x1，x2，x3，…xn）為協(xié)變量，它們可以是定量指標，也可以是定性與等級指標；B=（b1，b2，b3，…bn）是參數(shù)變量，即各協(xié)變量的回歸系數(shù)。

三、建模樣本的選取

（一）建模樣本選擇

與本文以虧損集中發(fā)生的2012年至2014年為觀測期，選取2009至2011年上市的創(chuàng)業(yè)板公司為估計樣本。排除財務(wù)數(shù)據(jù)缺失企業(yè)10間，觀測期前發(fā)生虧損的企業(yè)一間（當升科技），本文估計樣本內(nèi)含財務(wù)困境即虧損企業(yè)33間，健康企業(yè)246間。

在主板上市公司的財務(wù)危機預(yù)警中，通常設(shè)公司被ST當年為第T年。被ST發(fā)生時間通常在公司上一年財務(wù)報告披露之后。即第（T-2）年與第（T-1）年發(fā)生兩年連續(xù)虧損，第T年被ST。預(yù)警模型的估計樣本數(shù)據(jù)通常為第（T-3）年。

本文采用與主板類似的研究方法，設(shè)財務(wù)困境企業(yè)出現(xiàn)虧損當年為第T年，本文基于困境企業(yè)的第（T-1）年及健康企業(yè)的2013年財務(wù)數(shù)據(jù)進行模型估計，數(shù)據(jù)來源為國泰安數(shù)據(jù)庫。生存時間為公司上市至首次發(fā)生虧損年份。Cox回歸模型不要求樣本數(shù)目的匹配性，因此，本文估計樣本容量為279。

四、指標的選取與處理

（一）財務(wù)預(yù)警指標的初選

財務(wù)危機產(chǎn)生的本質(zhì)原因有所差別。本文在企業(yè)償債能力、經(jīng)營能力、盈利能力、成長能力、比率結(jié)構(gòu)五個方面選取了具有代表性的二十九個財務(wù)指標，具體見表2。

（二）財務(wù)預(yù)警指標的顯著性檢驗

在前文初選的二十九個指標上，首先?ρ?本數(shù)據(jù)進行顯著性檢驗，只有通過顯著性檢驗的財務(wù)指標才能進入下一步檢驗。本文采用Mann-Whitney U獨立樣本非參數(shù)檢驗方法，分析兩類獨立樣本提前1年財務(wù)數(shù)據(jù)的描述性統(tǒng)計量。

結(jié)果顯示，在0.05的顯著性水平下，現(xiàn)金及現(xiàn)金等價物周轉(zhuǎn)率、固定資產(chǎn)增長率、流動資產(chǎn)比率、顯著性比率、流動負債比率五項指標無法通過顯著性檢驗，其余25個指標進入下一步檢驗。

（三）財務(wù)預(yù)警指標的相關(guān)性檢驗

共線性是影響Cox回歸模型精度與預(yù)測水平的主要因素。對上述通過顯著性檢驗的25個指標進行皮爾遜相關(guān)性檢驗，得到相關(guān)性矩陣（附表1）。以65%為分界點，剔除相關(guān)性較強的部分指標，包括流動比率、資產(chǎn)負債率、流動資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)凈利潤率、資本保值增值率，其余18個財務(wù)指標進入Cox回歸模型構(gòu)建。

五、模型構(gòu)建

（一）Cox模型回歸

將前文通過顯著性檢驗與相關(guān)性檢驗的19個財務(wù)指標進行Cox模型回歸，選擇能防止遺漏有預(yù)測能力變量的向后：LR逐步回歸法。采取嚴進寬出的原則，設(shè)定步進概率為進入：0.05與刪除：0.10。回歸結(jié)果見表。

模型回歸結(jié)果顯示，經(jīng)營活動產(chǎn)生的現(xiàn)金流量/負債總額X5、存貨周轉(zhuǎn)率X7、存貨與收入比X8、總資產(chǎn)周轉(zhuǎn)率X13、資產(chǎn)報酬率X14、營業(yè)毛利率X18、營業(yè)利潤率X19、留存收益資產(chǎn)比X27八個財務(wù)指標與公司陷入財務(wù)困境的可能性相關(guān)。將估計結(jié)果代入，可得危險率模型：

h（t，X（t））=h0（t）exp（-2.801X5-0.299X8-3.151X13-16.423 X14-6.954X18+1.157X19-5.274X27）

其中，h0（t）為危險率模型的基準死亡函數(shù)。

（二）生存函數(shù)估計

上文中，通過顯著性檢驗與共線性檢驗的模型在Cox回歸中，顯示出良好的回歸結(jié)果及各財務(wù)指標的偏相關(guān)系數(shù)。然而，要想最終得到更為精確的危險率模型，本文仍需對上文所得模型中的基準死亡函數(shù)h0（t）進行進一步估計。

危險率率模型中的基準死亡函數(shù)取決于累計死亡率隨生存時間變化的分布模式。首先，本文通過生存分析中Kaplan-Meier分析，得到估計樣本的生存表如表5。生存表內(nèi)包含生存時間數(shù)據(jù)及對應(yīng)累積死亡率。

在基準死亡率分布未知時，通常會假設(shè)死亡率符合某種具體分布，進行進一步擬合估計。在以往針對財務(wù)指標Cox模型預(yù)警的研究中，學(xué)者一般事先假設(shè)基準死亡率滿足線性分布、S分布、Logistic分布等分布。因此，本文綜合考慮以往常見的此三種分布，分別設(shè)定生存時間與上表累積死亡率為自變量與因變量，用曲線估計方式同時用線性分布、S分布與Logistic分布擬合，考察三種分布擬合效果，結(jié)果見表6。

擬合結(jié)果顯示，S分布擬合效果最佳，R-square為93.8%，三種分布中擬合效果最佳。因此，本文假設(shè)基準死亡率符合S分布。本文轉(zhuǎn)化公式后用線性回歸模型擬合，可得基準死亡函數(shù)：

h0（t）=exp（-5.618297）*（t^2.127813）

將基準死亡函數(shù)代入原死亡率函數(shù)中，可得：

h（t，X（t））=h0（t）exp（-2.801X5-0.299X8-3.151X13-16.423 X14-6.954X18+1.157X19-5.274X27）

（三）預(yù)測能力檢驗

財務(wù)指標預(yù)警模型中，預(yù)測能力的檢驗頗顯重要，能在一定程度上顯示該模型實踐效果的有效性。一般而言，模型的檢驗需同時在樣本內(nèi)和樣本外進行。但考慮到創(chuàng)業(yè)板危機公司數(shù)目的有限性，為同時保證樣本估計與預(yù)測檢驗的樣本容量足夠大，本文在樣本內(nèi)隨機抽取12家困境企業(yè)與12家健康企業(yè)用于預(yù)測能力檢驗。以0.5為判定點，獲得模型精度檢驗結(jié)果如表7。

由預(yù)測結(jié)果與實際情形對比，本文發(fā)現(xiàn)，由前文回歸所得模型在創(chuàng)業(yè)板財務(wù)預(yù)警效果較高。預(yù)測困境準確率為91.67%，預(yù)測健康的準確率為83.33%。

表7 樣本內(nèi)檢驗結(jié)果

雖然在創(chuàng)業(yè)板歷史偏短與危機公司偏少的限制性下，本文暫時無法獲得樣本外檢驗效果，但從樣本內(nèi)檢驗結(jié)果看來，本文認為，該模型具有較好的預(yù)?y能力。

六、研究不足

本文在取得一定的研究成果的同時，仍存在著一些缺陷，還有進一步改進的空間。本文的研究不足主要有以下三方面：

（一）指標選取

本文所選取的指標均為財務(wù)指標，對于非財務(wù)指標的影響不能充分體現(xiàn)。而一個上市公司的財務(wù)狀況，很多時候又會受到非財務(wù)狀況的影響，甚至這種影響會是決定性的。

（二）樣本容量

創(chuàng)業(yè)板畢竟從開始運行到現(xiàn)在只有短短的6年時間，時間跨度相對較小，而財務(wù)危機的發(fā)生是一個動態(tài)的過程，這就需要利用企業(yè)發(fā)生財務(wù)危機以前年度的數(shù)據(jù)進行模型的建立，所以本文選取了樣本企業(yè)T-1年的數(shù)據(jù)進行建模。其中虧損企業(yè)33間，健康企業(yè)246間，樣本量相對較少，造成了只能進行樣本內(nèi)檢驗的困境，并且可能會對模型的預(yù)測效果造成一定的影響。

篇9

關(guān)鍵詞：U檢驗 因子分析 財務(wù)危機預(yù)警

中圖分類號：F275 文獻標識碼：A 文章編號：1002-5812（2015）18-0042-04

一、引言

經(jīng)濟環(huán)境的復(fù)雜化和競爭的白熱化，使得企業(yè)經(jīng)營面臨巨大風險和不確定性從而導(dǎo)致財務(wù)危機。財務(wù)危機預(yù)警可預(yù)知財務(wù)危機發(fā)生的征兆，其有效性和準確性的提高有助于企業(yè)及時發(fā)現(xiàn)導(dǎo)致財務(wù)狀況惡化的原因，及早應(yīng)對。準確有效的預(yù)警除了對企業(yè)管理層起到警示作用外，還能助投資者做出有利的投資決策，便于債權(quán)人控制信貸風險，利于證券等監(jiān)督部門的監(jiān)管。迄今，理論界已發(fā)展出諸如多元判別模型、多元邏輯回歸模型和神經(jīng)網(wǎng)絡(luò)模型等多種模型來研究財務(wù)危機預(yù)警，但受制于多元判別模型和邏輯回歸模型需要眾多假設(shè)條件，神經(jīng)網(wǎng)絡(luò)模型建模復(fù)雜、其運作原理無法明確等問題，這些模型的適用性受到極大限制，鑒于此，本文選擇無假設(shè)要求且原理簡單的因子分析模型對財務(wù)危機預(yù)警進行研究。

二、文獻回顧

20世紀30年代，國外已開始對財務(wù)危機預(yù)警進行研究，取得了一定的成果并廣泛應(yīng)用于實際。而國內(nèi)學(xué)者對財務(wù)危機預(yù)警模型的研究起步較晚，始于20世紀80年代末。總體來說，國內(nèi)外財務(wù)危機預(yù)警模型的研究進展可概括為：從單變量分析模型到多變量分析模型，從統(tǒng)計分析方法到基于人工智能的機器學(xué)習(xí)分析方法。

Beaver（1966）首建了單變量財務(wù)危機預(yù)警模型，使用30個財務(wù)比率進行了對比研究，結(jié)果表明，資產(chǎn)負債率、資產(chǎn)收益率和現(xiàn)金流量/負債總額這3個財務(wù)比率預(yù)測財務(wù)危機是有效的，其中現(xiàn)金流量/總負債這一財務(wù)比率預(yù)測財務(wù)失敗效果最好。Altman（1968）首用多變量分析進行了財務(wù)危機預(yù)警研究，并提出了判斷企業(yè)破產(chǎn)的臨界值，這種方法用多個財務(wù)指標加權(quán)匯總后產(chǎn)生的總判斷分值（稱為Z值）來預(yù)測財務(wù)危機。周首華等（1996）對Altman的Z分數(shù)模型進行了改善，將現(xiàn)金流量指標加入預(yù)警機制中從而建立了F分數(shù)模型。吳世農(nóng)和盧賢義分別采用判別分析和logistic 回歸方法建立和估計了預(yù)警模型，并比較了各種方法的預(yù)測效果。隨著數(shù)據(jù)挖掘技術(shù)的日漸成熟，開始有學(xué)者使用神經(jīng)網(wǎng)絡(luò)研究財務(wù)危機預(yù)警，Odom 和 Sharda（1990）將人工神經(jīng)網(wǎng)絡(luò)模型應(yīng)用在破產(chǎn)預(yù)測模式中，用人工神經(jīng)網(wǎng)絡(luò)預(yù)測財務(wù)危機的新方法，他們選用Altman 選取的5個財務(wù)比率，設(shè)置5個隱藏節(jié)點，建立了神經(jīng)網(wǎng)絡(luò)預(yù)警模型，發(fā)現(xiàn)使用神經(jīng)網(wǎng)絡(luò)的方法對公司財務(wù)危機的預(yù)測率高于基于統(tǒng)計的方法。我國學(xué)者楊淑娥、黃禮等通過改變隱含層個數(shù)等方式對模型的可靠性進行了驗證。

三、樣本與指標的選取

（一）樣本確定及分組

國內(nèi)學(xué)術(shù)界和實務(wù)界對財務(wù)危機的界定各不相同，概括起來主要分為兩種：其一，認為企業(yè)破產(chǎn)是最嚴重的財務(wù)危機;其二，鑒于我國資本市場的特殊性，國內(nèi)大多數(shù)學(xué)者將是否被“ST”作為判斷企業(yè)發(fā)生財務(wù)危機與否的標準。考慮可行性，本文也以是否被ST作為判斷企業(yè)財務(wù)危機的標準，選取了2011―2012年間被ST的A股上市公司作為發(fā)生財務(wù)危機的公司樣本，同時按配對樣本屬于同類行業(yè)且總資產(chǎn)規(guī)模相差在10%以內(nèi)的原則，對每一家ST公司進行配對選擇非ST公司，共選定50家ST公司和與之配對的50家非ST公司作為研究樣本。其中，50家ST公司中，20家在2011年被宣布為ST公司，30家在2012年被宣布為ST公司。研究時，筆者把50家被ST的公司隨機分成兩組，一組為建模樣本組，一組為檢驗樣本組。剩下的50家非ST公司根據(jù)與其配對的ST公司的分組情況，相應(yīng)分配到檢驗數(shù)據(jù)組和建模數(shù)據(jù)組中。這樣，100家企業(yè)中就有50家（25家ST公司和25家非ST公司）公司用來建模，50家（25家ST公司和25家非ST公司）用來檢驗?zāi)Ｐ皖A(yù)測的準確性。

（二）預(yù)警指標體系的確定

在總結(jié)了前人研究及企業(yè)經(jīng)營特征的基礎(chǔ)上，本文選取了23個指標，分別囊括了企業(yè)償債能力、營運能力、盈利能力、成長能力、現(xiàn)金流量狀況和表外其他信息6個方面。這些變量的類別如表1所示。

（三）財務(wù)危機預(yù)警指標的篩選

為建立一個有效的財務(wù)預(yù)警模型，所選指標必須能夠有效地判別財務(wù)危機企業(yè)和財務(wù)正常企業(yè)。因此，在構(gòu)建模型之前，需要對所選指標進行顯著性檢驗以剔除ST公司和非ST公司之間顯著差別不高的指標。

顯著性檢驗即事先對總體的參數(shù)或總體分布形式做出預(yù)先假設(shè)，然后利用樣本信息判斷該假設(shè)是否合理，即判斷總體的真實情況與原假設(shè)是否有顯著性差異。當樣本總體符合正態(tài)分布時，一般會使用參數(shù)檢驗的方法;當樣本總體不符合正態(tài)分布時，一般采用非參數(shù)的檢驗方法。在本文中，由于總體分布未知，故首先要對樣本數(shù)據(jù)進行正態(tài)性檢驗。

1.樣本數(shù)據(jù)的正態(tài)性檢驗――單樣本K-S檢驗。通過SPSS 19.0對前面所選取的23個財務(wù)比率指標進行顯著性水平為5%的K-S檢驗，結(jié)果如表2所示（其中T-1、T-2和T-3分別代表被宣布特別處理前1年、前2年和前3年）。

在顯著性水平為0.05的水平下，當漸進顯著性P值>0.05 時，該指標符合正態(tài)分布。從表2中可以得出：T-1年只有 X6、X7、X9、X11、X15、X17、X21符合正態(tài)分布;T-2年只有X6、X7、X9、X13符合正態(tài)分布;T-3 年只有X6符合正態(tài)分布。整體上看，三年內(nèi)只有X6都符合正態(tài)分布，故指標變量整體來說并不符合正態(tài)分布。

2.樣本數(shù)據(jù)的顯著性檢驗――初次篩選。對樣本數(shù)據(jù)進行顯著性檢驗時，T檢驗和U檢驗均可用。實用時，只要檢驗樣本含量較大（n>30）或檢驗樣本含量較小（n<30）但總體標準差σ已知時，即可應(yīng)用u檢驗;當檢驗樣本含量較小（n<30），總體標準差σ未知時可應(yīng)用T檢驗，但要求樣本數(shù)據(jù)呈正態(tài)分布。由于所選取的指標變量在總體上不符合正態(tài)分布，且樣本數(shù)較大，所以本文采用U檢驗來檢驗指標變量的顯著性。

利用收集的兩組共100家上市公司的數(shù)據(jù)資料，使用SPSS 19.0統(tǒng)計分析軟件中的兩個獨立樣本顯著性檢驗，對被宣布特別處理前1年、2年、3年的數(shù)據(jù)進行U檢驗，結(jié)果如上頁表3所示。

據(jù)表3可得T-1年至T-3年指標變量顯著性檢驗的結(jié)果：應(yīng)收賬款周轉(zhuǎn)率（X4）、存貨周轉(zhuǎn)率（X5）、總資產(chǎn)周轉(zhuǎn)率（X6）、銷售毛利率（X11）、Z指標（X22）和審計意見類型（X23）這6個財務(wù)指標在0.05水平上沒有通過顯著性檢驗，說明該6個指標無法有效區(qū)分企業(yè)是財務(wù)失敗還是財務(wù)正常，故剔除這6個指標。

3.因子分析――再次篩選。考慮中國證監(jiān)會界定上市公司財務(wù)狀況異常的標準一般是“連續(xù)兩年虧損”，所以本文利用建模組公司T-2的數(shù)據(jù)，共50個樣本，結(jié)合前文中通過顯著性檢驗篩選出的17個指標進行因子分析，利用因子分析對這17個指標再次精簡，去除重復(fù)信息。

（1）KMO檢驗。通常在因子分析之前，需要對原有變量之間是否存在相關(guān)關(guān)系進行研究。本文采用KMO和巴特利特檢驗對變量進行相關(guān)性檢驗。表4的檢驗結(jié)果顯示KMO值為0.667大于0.6，表明可做因子分析;又因Bartlett球狀檢驗的相伴概率為0.000，遠小于顯著性水平0.05，因此可以認為原始變量之間存在相關(guān)性，適合做因子分析。

（2）因子分析。統(tǒng)計方法中，可據(jù)因子載荷矩陣得出所選公因子的個數(shù)。為確定選取的公因子個數(shù)，需要計算各因子的特征值和累計貢獻率。本文選取公因子時要求因子的特征值大于1。表5顯示，選取5個公因子時，每個公因子的特征值都大于1，且累計貢獻率達到76.74%，即這5個主成分因子包含了原來76.74%的信息量，變量信息丟失較少，因子分析的結(jié)果較為理想。為便于對這5個因子進行解釋，本文使用了正交旋轉(zhuǎn)法中最大方差法進行轉(zhuǎn)換得到因子載荷矩陣表6。表6顯示：因子Z1中，財務(wù)比率X10 、X12的因子載荷量都大于90%，而這2個財務(wù)比率是反映企業(yè)盈利能力的指標，故將Z1命名為盈利能力因子;因子Z2中，財務(wù)比率X14、X18的因子載荷量遠大于其他財務(wù)比率的因子載荷量，而X14、X18是反映企業(yè)成長能力的指標，故將Z2命名為成長能力因子;因子Z3中，財務(wù)比率X2、X3的因子載荷量都大于90%，遠大于其他財務(wù)比率的因子載荷量，而X2、X3是反映企業(yè)償債能力的指標，故將Z3命名為償債能力因子;在因子Z4中，財務(wù)比率X19、X21的因子載荷量遠大于其他財務(wù)比率的因子載荷量，而X19、X21分別反映企業(yè)現(xiàn)金流量的指標，故將Z4命名為現(xiàn)金能力因子;在因子Z5中，財務(wù)比率X7、X17的因子載荷量大于其他財務(wù)比率的因子載荷量，而X7、X17分別反映企業(yè)盈利和成長能力的指標，故將Z5命名為綜合能力因子。

根據(jù)表6旋轉(zhuǎn)平方和載入方差值和表7各公因子得分系數(shù)，確定財務(wù)危機預(yù)警函數(shù)為：

F=（0.20302Z1+0.17393Z2+0.15622Z3+0.13054Z4+0.10364Z5）/0.73736 （公式一）

四、財務(wù)危機預(yù)測值的確定及預(yù)警模型的檢驗

（一）財務(wù)危機預(yù)測值的確定

將建模組共50個樣本的數(shù)據(jù)帶入公式一中，得到各企業(yè)綜合財務(wù)風險預(yù)測值F，根據(jù)F值的高低排列企業(yè)，結(jié)果見表8。

根據(jù)表8中各預(yù)測值F和確保最小錯誤率的原則，選定ST企業(yè)和非ST的最佳分割點，本文中稱該分割點為風險臨界值PS。通過分析可看出，這個分割點在-0.08和0.02之間時，誤判率最小，故本文選擇這兩個數(shù)值的平均數(shù)作為風險臨界值，即PS為-0.03。

據(jù)前文，距被宣布特別處理前兩年財務(wù)預(yù)警的因子分析模型為：

F=（0.20302Z1+0.17393Z2+0.15622Z3+0.13054Z4+0.10364Z5）/0.76736

若 F≥PS，則2年后該企業(yè)為非ST企業(yè);若 F<PS，則2年后該企業(yè)為ST企業(yè)。

（二）預(yù)警模型的檢驗

為檢驗PS臨界值-0.03在預(yù)測財務(wù)危機方面的準確性，本文把距被宣布特別處理前兩年（即T-2年）的檢驗組樣本數(shù)據(jù)（共50個樣本）帶入因子分析模型，即公式一中，得到檢驗組樣本各公司F值，根據(jù)F值的高低排列企業(yè)，結(jié)果見表9。

根據(jù)建模樣本組確定的風險臨界值PS=-0.03，被宣布特別處理前兩年的檢測組公司樣本數(shù)據(jù)F值計算結(jié)果表明：50家企業(yè)里有45家預(yù)測正確，預(yù)測錯誤的為華電能源、蓮花味精、金健米業(yè)、*ST新農(nóng)、*ST南紡這五家，預(yù)測正確率達90%。因此，公司被宣布特別處理前兩年，該財務(wù)風險預(yù)警模型具有較好的預(yù)測能力。

五、結(jié)論

本文選取2011―2012年間A股上市公司中被ST的50家公司和與其配對的50家非ST的公司作為研究樣本，以被ST前三年的數(shù)據(jù)作為樣本數(shù)據(jù)，使用U檢驗嚴格篩選出17個財務(wù)指標作為指標變量，對上市公司前兩年的數(shù)據(jù)運用因子分析對指標體系進行再次篩選，構(gòu)建了財務(wù)危機預(yù)警模型。研究結(jié)果顯示：公司被宣布特別處理前兩年預(yù)測的正確率高達90%，達到了較好的預(yù)測效果。J

參考文獻：

篇10

【關(guān)鍵詞】 制造業(yè)；財務(wù)危機；預(yù)警系統(tǒng)

一、引言

隨著市場經(jīng)濟體制改革的不斷深化，我國的企業(yè)在面臨著無數(shù)機遇的同時，也面臨著前所未有的風險，眾多企業(yè)因為財務(wù)風險陷入困境，甚至宣告破產(chǎn)。然而，任何的危機都是一個逐漸惡化的過程，如果能及時發(fā)現(xiàn)企業(yè)在財務(wù)管理中存在的問題，就可以預(yù)測財務(wù)風險，使管理層能夠采取有效措施預(yù)防失敗。

目前我國尚處于社會主義的初級階段，工業(yè)尤其是制造業(yè)仍是我國經(jīng)濟發(fā)展的支柱，制造業(yè)的發(fā)展也在一定程度上決定了農(nóng)業(yè)、服務(wù)業(yè)以及國防的水平，制造業(yè)的健康發(fā)展關(guān)系到整個社會經(jīng)濟體系的健康發(fā)展。因此，及時預(yù)測制造業(yè)面臨的財務(wù)風險，建立適當?shù)闹圃鞓I(yè)公司財務(wù)危機預(yù)警系統(tǒng)至關(guān)重要。

二、研究思路

本文以2005－2007年我國制造業(yè)上市公司的財務(wù)報表為研究對象，以上市公司因財務(wù)異常而被特殊處理（ST）做為企業(yè)陷入財務(wù)危機的標志，選取樣本組和預(yù)測組，根據(jù)大量文獻證明有效的財務(wù)指標，構(gòu)建相應(yīng)的財務(wù)危機預(yù)警系統(tǒng)。通過銳思數(shù)據(jù)庫導(dǎo)出公司資產(chǎn)負債表、利潤表、現(xiàn)金流量表，通過公式計算財務(wù)預(yù)警系統(tǒng)中各指標的值，運用SPSS軟件得到建立模型所用的敏感性指標，采用定量分析法的Logistic回歸分析得到預(yù)警系統(tǒng)，并通過預(yù)測組對結(jié)果進行分析得出相關(guān)結(jié)論。

三、指標系統(tǒng)構(gòu)建

現(xiàn)代財務(wù)管理理論認為，企業(yè)的財務(wù)狀況主要取決于企業(yè)的償債能力、盈利能力、營運能力和成長能力，在世界上財務(wù)體系的研究和實踐中運用的財務(wù)指標也分別反映了上述內(nèi)容。而由于目前越來越多的企業(yè)開始關(guān)注自身的現(xiàn)金流量狀況，實踐中也證明了現(xiàn)金流量的大小直接決定了企業(yè)是否有足夠的資金進行正常的生產(chǎn)經(jīng)營活動、能否到期還債，它與企業(yè)的生存、發(fā)展息息相關(guān)，因此也將現(xiàn)金流量納入到財務(wù)預(yù)警系統(tǒng)中。

本文在借鑒前人研究的基礎(chǔ)上，考慮到指標數(shù)據(jù)取得的難易程度，通過以下指標建立了一套與財務(wù)預(yù)警相關(guān)的指標體系，并從償債能力、盈利能力、營運能力、成長能力和現(xiàn)金流量狀況對財務(wù)危機預(yù)警進行分析，見表1 財務(wù)危機預(yù)警指標體系。

四、樣本選取

本文從我國證券市場上2005－2007年制造業(yè)企業(yè)中界定出32家（其中ST公司30家、非ST公司30家）作為研究樣本，借鑒國外的經(jīng)驗并結(jié)合我國的實際情況制定取樣原則如下：

一是同門類。根據(jù)中國證監(jiān)會的《上市公司行業(yè)分類指引》選取典型制造業(yè)企業(yè)作為研究對象。

二是同時期。為了保證研究對象所處的宏觀經(jīng)濟環(huán)境相同，從而保證模型分析有意義，本文選擇ST公司被“特別處理”的前三年即2005－2007年作為數(shù)據(jù)采集的時間范圍，ST公司和與其相配對的非ST公司的財務(wù)數(shù)據(jù)均以ST公司被“特別處理”的時間為限，從而使財務(wù)指標在時間上具有一致性。

三是規(guī)模相似。

四是樣本的分組，取ST公司、非ST公司各15企業(yè)作為估計組，另取非ST公司和ST公司各15企業(yè)作預(yù)測組，根據(jù)對估計組進行研究分析得到的結(jié)論對預(yù)測組進行預(yù)測，從而驗證研究結(jié)果。

五、實證結(jié)果及分析

（一）變量的顯著性檢驗

下面利用選取的兩組共60家上市公司的財務(wù)數(shù)據(jù)，使用SPSS軟件中的顯著性檢驗功能對相關(guān)財務(wù)指標進行變量的顯著性檢驗，比較ST公司和非ST公司在這16個財務(wù)指標的平均值上是否具有顯著性差異，從而對財務(wù)指標進行初步的篩選。

從ST公司和非ST公司備選財務(wù)指標T檢驗結(jié)果表（表略）中我們可以得到備選財務(wù)指標的顯著性檢驗結(jié)果， ST公司和非ST公司在現(xiàn)金營運指數(shù)、存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、利息保障倍數(shù)、主營業(yè)務(wù)利潤率等指標上不具有顯著性差異。綜上所述，流動比率、速動比率、資產(chǎn)負債率、總資產(chǎn)利潤率、凈資產(chǎn)利潤率、每股經(jīng)營現(xiàn)金凈流量、總資產(chǎn)現(xiàn)金回收率、主營業(yè)務(wù)收入增長率、利潤總額增長率、總資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)增長率等11項財務(wù)指標通過了0.05顯著性水平檢驗。

（二）變量的相關(guān)性分析

由于財務(wù)指標之間大多存在多重共線性關(guān)系，為了減輕這11項財務(wù)指標之間的多重共線性度，利用SPSS軟件分析這些指標的相關(guān)系數(shù)（表略）。

本文以0.6作為分界點即大于0.6則認為具有明顯的相關(guān)關(guān)系，從而得到：流動比率與資產(chǎn)負債率、總資產(chǎn)利潤率與凈資產(chǎn)利潤率、總資產(chǎn)周轉(zhuǎn)率，具有明顯的相關(guān)關(guān)系；總資產(chǎn)增長率與主營業(yè)務(wù)收入增長率具有明顯的相關(guān)關(guān)系；每股經(jīng)營現(xiàn)金凈流量與總資產(chǎn)現(xiàn)金回收率具有明顯的相關(guān)關(guān)系；總資產(chǎn)周轉(zhuǎn)率與總資產(chǎn)現(xiàn)金回收率具有明顯的相關(guān)關(guān)系。

根據(jù)上述分析，結(jié)合財務(wù)指標的顯著性分析以及各指標所能夠反應(yīng)企業(yè)相關(guān)能力的程度選取速動比率作為償債能力的指標；選取總資產(chǎn)周轉(zhuǎn)率作為營運能力指標；選取凈資產(chǎn)利潤率作為盈利能力指標；選取利潤總額增長率、總資產(chǎn)增長率作為成長能力的指標；選取每股經(jīng)營現(xiàn)金凈流量作為現(xiàn)金流量能力的指標，以上述六個指標，構(gòu)建財務(wù)預(yù)警系統(tǒng)體系。

（三）建立財務(wù)預(yù)警系統(tǒng)模型

將樣本組的上述六個指標通過SPSS軟件處理，得到Logistic回歸模型：

u=26.423－10.989X2＋7.422X7－20.156X10＋0.237X12－25.743X13－1.022X16。根據(jù)上述Logistic回歸方程，將相對應(yīng)的指標代入方程得到0.6467

將預(yù)測組代入回歸方程進行檢驗，判定結(jié)果見表2。（其中1代表財務(wù)陷入危機的公司，2代表財務(wù)狀況正常的公司，3代表在灰色地帶的公司）

從上述檢驗結(jié)果表可見，預(yù)測組中15家ST公司中有2家誤判，正確率為86.7％；15家非ST中有2家誤判，正確率為86.7％。

從上述分析中可以發(fā)現(xiàn)，誤判率稍高，可能是有下列幾個原因：第一，樣本選擇的數(shù)量偏少，導(dǎo)致回歸方程的系數(shù)發(fā)生偏差，從而導(dǎo)致模型精度稍低；第二，預(yù)警系統(tǒng)選擇的相關(guān)財務(wù)指標的數(shù)量偏少，未能完全反應(yīng)企業(yè)財務(wù)狀況；第三，指標的計算口徑不完全一致；第四，由于采集樣本的企業(yè)來自制造業(yè)的各個類別，企業(yè)特點、運行方式有細微的差別，從而導(dǎo)致建立的模型不精確。

六、結(jié)論及建議

本文建立的財務(wù)危機預(yù)警系統(tǒng)是通過6個財務(wù)指標，對我國制造業(yè)財務(wù)狀況作出的比較精確的判斷。當0< p

然而，本文引用的所有財務(wù)數(shù)據(jù)、財務(wù)指標都是由上市公司的財務(wù)報表得到的。企業(yè)出于各種目的，使財務(wù)報表具有一定彈性，往往不能十分準確的反映企業(yè)真實的財務(wù)狀況。因此，以此為基礎(chǔ)建立的模型的準確性會受到一定的影響。

鑒于以上的分析，本文建立的模型具有很大的局限性。針對上述財務(wù)系統(tǒng)，筆者建議：

第一，企業(yè)財務(wù)危機預(yù)警系統(tǒng)的建立是需要大量的公司作為研究樣本的，本文建立的系統(tǒng)也是由于樣本的數(shù)量不夠?qū)е履Ｐ途炔粔颉Ｒ虼耍ㄟ^對大量數(shù)據(jù)研究的基礎(chǔ)上才能建立完善的、精度很高的模型。

第二，每一個企業(yè)有自己的特點。企業(yè)應(yīng)該根據(jù)自己的實際情況對模型進行修正，舍棄某些不適用的指標，增加一些更適用于本企業(yè)的指標，從而保證系統(tǒng)具有實用性。

第三，本文適用的是多變量分析的方法，目的是對企業(yè)的財務(wù)狀況進行綜合反映。若能將多變量模型與單變量模型結(jié)合起來可以使財務(wù)危機預(yù)警系統(tǒng)更加精確。

【參考文獻】

[1] 韓新寬. 財務(wù)管理學(xué)[M]. 哈爾濱： 哈爾濱工業(yè)出版社，2007， 35-40.

[2] 趙愛玲. 企業(yè)財務(wù)危機的識別與分析[J].財務(wù)與會計，2002，（11）:69-71.

[3] 張友棠. 財務(wù)預(yù)警系統(tǒng)管理研究[M]. 北京：中國人民出版社，2004.

[4] 蔡勇. 我國信息技術(shù)上市公司財務(wù)危機預(yù)警的實證研究[J]. 江門職業(yè)技術(shù)學(xué)院學(xué)報，2007，（9）：10－21.