上市公司財務危機預警研究范文
時間：2023-11-14 17:36:28
導語：如何才能寫好一篇上市公司財務危機預警研究，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。
篇1
關鍵詞：財務危機 預警指標 預警模型
一、引言
財務危機又稱財務困境或財務問題，最嚴重的則是財務失敗或破產。自二十世紀三十年代起，國內外學者對于財務危機的研究已經積累了豐富的資料和研究成果。然而，從相關文獻中可以發現，對于財務危機的概念沒有一個較高的統一。總的來說，國外對財務危機界定的研究，主要有兩種思路:其一，很多學者將財務危機企業定義為己宣告破產的企業。如Altman（1968）認為，財務危機包括四種情形，分別為經營失敗、無償付能力、違約、破產，并把企業破產作財務危機的標志。Deakin（1972）認為財務危機公司是那些“已經破產，無償債能力或為了債權人的利益而被清算的企業”。其二，財務危機有輕重之分，輕者是暫時的資金周轉困難，經過一系列有效措施之后有可能度過難關，重新實現企業的持續經營；而重者則是經營失敗或破產清算，對企業造成無法挽回的不良后果。1998年3月16日中國證券監督管理委員會頒布了證監交字【1998】6號文件《關于上市公司狀況異常期間的股票特別處理方式的通知》，要求證券交易所應對“財務狀況異常”或“其他異常狀況”的上市公司實行股票交易的特別處理（Special Treatment，簡稱ST）。因此我國出現了一批以ST作為界定財務危機公司標志的學者，如陳靜（1999）、陳曉與陳治鴻（2000）、張玲（2000）及吳世農與盧賢義（2001）等。大多數學者將財務危機定義為一個過程，即包括較輕微的財務困難，也包括極端的破產清算以及介于兩者之間的各種情況。如谷棋與劉淑蓮（1999）將財務危機定義為“企業無力支付到期債務或費用的一種經濟現象，包括從資金管理技術性失敗到破產以及出于兩者之間的各種情況。郭麗紅（2000）認為，財務危機通常是指企業不能償還到期債務的困難和危機，其極端情況為破產。趙愛玲（2001）則認為，財務危機通常是指企業無力支付到期債務或費用的一種經濟現象，根據其失敗的程度和處理的程序不同，財務失敗可以分為技術性清算和破產。因此，他們以上市公司是否虧損作為判別公司發生財務危機的主要標志。綜上所述，財務危機是指企業經營管理不善、不能適應外部環境發生變化而導致企業生產經營活動陷入一種危及企業生存和發展的嚴重困境，反映在財務報表上己呈現長時間的虧損狀態且無扭轉趨勢，出現資不抵債甚至面臨破產倒閉的危險。本文旨在針對上市公司陷入財務危機問題進行分析，通過構造預測模型，正確預測企業財務危機，更好地防范財務風險，保護投資者和債權人的利益。
二、研究設計
（一）樣本和數據的選取基于下列原因，本文選擇滬深兩市上市公司為研究對象：第一，上市公司的重要性。截至2007年末，中國證券市場共有上市公司1550家，滬深兩市股票市場總市值已達32.71萬億元，在國民經濟生活中的地位日益提高。同時，上市公司的投資者也日漸增加，社會影響不斷擴大，一旦陷入財務危機，將對證券市場乃至整個社會產生巨大的影響。第二，上市公司樣本數據的易得性。根據我國《證券法》的規定，上市公司必須嚴格遵守信息披露制度。因此可以充分利用上市公司公開披露的各種表內和表外信息，為本文的研究提供真實、有效的數據支持，使本文的研究更具實際操作性和可行性。與國內眾多學者一樣，本文將公司因財務狀況異常而被特別處理的ST公司作為財務危機公司。最終，從2005年至2007年間因財務狀況異常原因而首次被實施特別處理且無B股、H股的ST公司中，選取了23家作為財務危機公司樣本。（數據來源于CSMAR數據庫）
（二）變量設計 本文在充分借鑒已有研究成果，并考慮研究問題的特點，運用已有的指標選取經驗，結合定性和定量的分析理論，最終選用了七大類19個財務指標，它們分別是短期償債能力:流動比率（x1）、營運資金比率（x2）；長期償債能力:資產負債率（x3）、利息保障倍數（x4）；營運能力:應收賬款周轉率（x5）、存貨周轉率（x6）、總資產周轉率（x7）；盈利能力:營業收入凈利潤率（x8）、資產報酬率（x9）、凈資產收益率（x10）；現金獲取能力:主營業務收入現金比率（x11）、現金流量對流動負債比率（x12）、每股現金凈流量（x13）；股東獲利能力:每股營業收入（x14）、每股收益（y1）、每股凈資產（x15）；發展能力:資本積累率（x16）、總資產增長率（x17）、主營業務收入增長率（x18）、凈利潤增長率（x19）。財務危機用每股收益y1表示為因變量，以本年度財務指標Xt為解釋變量。
（三）研究假設 本文基于研究目的提出如下假設：
H1：資產負債率指標對財務危機的預測無顯著影響
H2：總資產周轉率指標對財務危機的預測有顯著影響，呈負相關關系
H3：資產報酬率指標對財務危機的預測有顯著影響，呈正相關關系
H4：每股現金凈流量對財務危機的預測有顯著影響，呈正相關關系
三、實證結果分析
（一）描述性統計從（表1）的描述性統計結果可以看出，ST公司和非ST公司在償債能力、營運能力、盈利能力、股東獲利能力、現金獲取能力和發展能力方面存在一定差異。具體表現如下：第一，ST公司的資產流動性普遍不如非ST公司。ST公司流動比率（X1）、營運資金營比率（X2）的均值都低于非ST公司，說明它的短期償債能力明顯低于非ST公司。第二，ST公司的財務風險高于非ST公司。ST公司資產負債率高于非ST公司，說明負債很重，易于陷入財務困境。第三，ST公司的盈利能力顯著低于非ST公司。ST公司的營業收入凈利潤率（x8）、資產報酬率（x9）、凈資產收益率（x10）均低于非ST公司，說明ST公司陷入虧損。第四，ST公司資本積累率（x16）、總資產增長率（x17）、主營業務收入增長率（x18）均低于非ST公司，說明ST公司沒有發展后勁，很難從財務困境中擺脫出來。
（二）顯著性檢驗和相關性分析本文己初步選取了19個財務危機預警指標。然而預警指標過多，一方面會使信息的收集、整理、分析帶來很大的不便，降低工作效率，不利于及時發現財務危機；另一方面，預警指標之間存在較大的相關性，可能會導致預警判別結果出現偏差。因此在使用這些預警指標建立判別模型之前，需要對19個預警指標進一步篩選，以達到運用盡可能少的、有代表性的指標來反映盡可能多的信息。用Eviews作回歸，對指標進行顯著性檢驗，結果如（表2）所示。由各個解釋變量的P值可以看出，在5%的顯著性水平下，流動比率（x1）、營運資金比率（x2）、資產負債率（x3）、凈資產收益率（x10）、主營業務收入現金比率（x11）、現金流量對流動負債比率（x12）、每股營業收入（x14）、資本積累率（x16）、總資產增長率（x17）、主營業務收入增長率（x18）、凈利潤增長率（x19）對財務危機的預測不顯著，從而驗證了假設1：資產負債率指標對財務危機的預測無顯著影響。這些財務指標不能很好的預測財務危機，因此將其去掉。剩余指標利息保障倍數（x4）、應收賬款周轉率（x5）、存貨周轉率（x6）、總資產周轉率（x7）、營業收入凈利潤率（x8）、資產報酬率（x9）、每股現金凈流量（x13）、每股凈資產（x15）對財務危機的預測有顯著影響，并且總資產周轉率（x7）對財務危機的預測呈負相關關系；資產報酬率（x9）對財務危機的預測呈正相關關系；每股現金凈流量（x13）對財務危機的預測呈正相關關系。從而驗證了假設2，假設3和假設4。
（三）回歸分析 根據（表3）回歸分析，從中選擇利息保障倍數（x4）、總資產周轉率（x7）、資產報酬率（x9）、每股現金凈流量（x13）建立預警模型，如下：Y1=0.041039+0.033461X4-1.066242X7+0.701593X9+0.445728X13
四、結論
本文通過對ST上市公司的財務指標進行分析，得出結論：資產負債率指標對財務危機的預測無顯著影響；總資產周轉率指標對財務危機的預測有顯著影響，且呈負相關關系；資產報酬率指標對財務危機的預測有顯著影響，且呈正相關關系；每股現金凈流量對財務危機的預測有顯著影響，且呈正相關關系。本文還存在如下不足：樣本的選擇。由于我國市場經濟起步的時間不長，很多公司的財務數據并不健全，因此，本文只選取了2005年至2007年23家ST上市公司，樣本選取不夠。我國對于財務危機的研究大多是對于公司被ST狀況的研究，而上市公司被ST既不是發生財務危機的充分條件，也不是發生財務危機的必要條件。財務指標變量的局限性。本文只選取了19個財務指標變量，但并未包括股權結構、管理層信息、審計意見等非財務因素的影響，這樣對預測結果可能有一定影響。統計軟件的局限性。本文只是用Eviews作簡單回歸，沒有用其他軟件進行深入分析。
參考文獻：
［1］陳靜：《上市公司財務惡化預測的實證分析》，《會計研究》1999年第4期。
［2］陳曉、陳治鴻：《中國上市公司的財務困境預測》，《中國會計與財務研究》2000年第24期。
［3］吳世農、盧賢義：《我國上市公司財務困境的預測模型研究》，《經濟研究》2001年第13期。
［4］長城證券課題組：《上市公司財務危機預警系統:理論研究與實證分析》，2002年第3期課題報告。
［5］姜秀華、任強、孫錚：《上市公司財務危機預警模型研究》，《預測》2002年第3期。
［6］崔學剛、王立彥、許紅：《企業增長與財務危機關系研究》，《會計研究》2007年第12期。
［7］王琳、周心：《我國上市公司財務危機預警模型的實證研究》，《重慶科技學院學報（社會科學版） 》2008年第6期。
［8］劉彥文：《上市公司財務危機預警模型研究》，《大連理工大學博士學位論文》2009年。
篇2
[關鍵詞]上市公司 財務危機預警 指標篩選 多層次
一、前言
隨著我國市場經濟的迅速發展，證券市場已成為影響我國國民經濟的重要組成部分。雖然近年來，我國上市公司的數量不斷增漲，規模也在不斷擴大，但大多數上市公司都較普遍地存在企業經營業績不佳和抗御風險能力不強等問題。如何利用信息技術建立有效的財務危機預警系統來預防財務危機的到來，對企業、投資者和政府都具有重大的現實意義。財務危機預警指標的選定對預警系統的運行速度及預測精度的影響較大，因此，本文將建立多層次篩選的方法去確定最敏感的指標屬性，從而保證預警系統的實用性。
二、初選財務危機預警指標
為了全面的反映企業的財務狀況，在進行財務指標初選時應全面了解企業各方面的綜合情況，保證所選指標能全面揭示企業的財務狀況和發展趨勢。本文借鑒國內外學者的研究成果的基礎上，選取包括了企業償債能力、成長能力、盈利能力、營運能力和現金能力等方面的財務指標，除此外，還選擇了包括審計報告類型、獨立董事比例等方面的非財務指標，這樣能有效地結合了審計及宏觀經濟指標等信息構建了綜合指標體系，共選取43個指標作為研究初始變量來構建上市公司財務危機預警的指標體系，其中包括財務指標29個，非財務指標14個。
三、多層次篩選財務危機預警指標
本文先后采用統計學中的顯著性檢驗和粗糙集約簡等技術對預警指標進行多層次地篩選。顯著性檢驗一種可根據樣本數據推斷樣本總體的特征的統計方法，是用來反映差異的產生是真實的差異還是偶然的波動。顯著性檢驗包括參數檢驗和非參數檢驗，參數檢驗的方法是在總體分布已知的情況，推斷總體特征以及對兩個或多個總體參數進行比較分析，而非參數檢驗的方法可在總體分布未知的情況，根據樣本數據對總體的分布形式或特征進行推斷。本文選取了相關指標構建預警模型的指標體系，由于模型的預警指標較多（財務及非財務指標共計43個），因此，應對指標進行相關的約簡，去掉存在較大相關性的指標，這樣可方便信息的收集、整理和分析，提高模型的工作效率及預測精度。
首先，通過K-S檢驗對樣本指標總體分布狀態進行推斷，根據所樣本指標是否為正態分布，分別再采用參數及非參數檢驗方法對43個預警指標進行初步地篩選，剔除顯著性較差的指標。
1.正態性分布檢驗
本文先對43個財務指標及非財務指標進行正態分布檢驗。根據其檢驗結果再確定指標顯著性的檢驗方法。K統計量公式如下：
K=max（丨S(xi)-F(xi)丨）
本文利用SPSS統計分析軟件提供的K-S檢驗，對120家訓練樣本上市公司2006年至2009年的43個財務指標進行正態分布進行檢驗。在a=0.05的顯著性水平下，X3（資產報酬率）、X4（總資產凈利潤率）、X14（總資產周轉率）、X15（流動資產周轉率）、X17（總資產增長率）、X18（凈利潤增長率）、X21（現金流量對流動債務比率）、X22（現金流量對債務總額比率）、X25（每股經營現金流量）的K統計量的概率P值大于0.05。除以上9個指標的樣本總體符合正態分布，將采用T獨立樣本檢驗的方法，其余35個指標樣本總體不符合正態分布，將采用兩獨立樣本的非參數檢驗顯著性差異。
2.兩獨立樣本的T檢驗
根據兩樣本均值差的T統計量，對X3（資產報酬率）、X4（總資產凈利潤率）、X14（總資產周轉率）、X15（流動資產周轉率）、X17（總資產增長率）、X18（凈利潤增長率）、X21（現金流量對流動債務比率）、X22（現金流量對債務總額比率）、X25（每股經營現金流量）等9個預警指標變量進行獨立樣本T檢驗。在a=0.05的顯著水平下，X3（資產報酬率）、X14（總資產周轉率）、X17（總資產增長率）、X18（凈利潤增長率）、X21（現金流量對流動債務比率）、X22（現金流量對債務總額比率）、X25（每股經營現金流量）這7個預警指標變量通過了T檢驗的顯著性水平。X4（總資產凈利潤率）和X15（流動資產周轉率）由于概率值P都大于0.05，因此，該兩個變量未通過顯著性檢驗，應該剔除。
3.兩獨立樣本的非參數檢驗
兩種獨立樣本非參數檢驗的方法包括曼-惠特尼（Mann-Whitney）U檢驗和K-S檢驗等，借鑒前人此兩種檢驗方法后K-S檢驗效果是最好的最穩定的。因此，本文選擇使用■D統計量的K-S檢驗方法。
非參數統計方法由于不假定特定的總體概率分布，盡量從數據本身獲取所需信息，有著廣泛的適用范圍。特別是在數據由于某種原因被污染，有著許多離群值（Outlier)，或者在分析定性數據時，非參數方法更具有天然的優勢。因此，本文將對所有不符合正態分布的樣本指標采用曼-惠特尼U檢驗方法進行顯著性檢驗。
U統計量的計算公式為：
根據T檢驗和非參數U檢驗的結果可以得出被確定的預警指標為X1（每股收益）、X3（資產報酬率）、X5（銷售凈利率）、X10（資產負債率）、X14（總資產周轉率）、X17（總資產增長率）、X18（凈利潤增長率）、X21（現金流量對流動債務比率）、X22（現金流量對債務總額比率）、X25（每股經營現金流量）、K13（審計意見類型）等11個預警指標。
最后，利用粗糙集簡約技術進一步篩選財務危機預警指標。粗糙集理論是用于處理不確定、不完全和不精確數據的數學計算理論，能有效地處理各種不確定信息，并從中發現隱含知識，揭示事物和實踐的內在規律。粗糙集理論具有以下特點：不需要先驗知識、強大的數據分析功能和粗糙集與模糊集描述了不完備信息的兩個方面等。將粗糙集知識約簡技術與BP神經網絡技術相結合的方法，該方法的理論基礎就是采用粗糙集知識約簡技術先對訓練樣本參數進行知識提煉與約簡，再通過BP神經網絡技術進行數據判別與分類。由粗糙集優化神經網絡財務危機預警模型的原理得出，粗糙集優化模型的數據判別過程主要包含以下兩步：
（1）樣本數據的知識約簡處理
在實際訓練樣本中包含若干屬性，這些屬性并非都會對系統的判別與分類處理有影響，對于那些不會影響分類結果的屬性，則視其為冗余屬性，可以通過粗糙集的知識約簡技術對其進行約簡處理，以提高系統的效率。因此，粗糙集優化神經網絡財務危機預警模型處理的第一步是對樣本數據進行知識約簡處理。即將粗糙集的屬性約簡置為整個模型的前置裝置，負責對訓練樣本的屬性進行冗余消減的預處理。具體約簡步驟又分為離散化處理與冗余屬性的約簡兩步。
①離散化處理，為了使樣本屬性符合粗糙集約簡技術的要求，我們需要對樣本屬性進行離散化處理。具體操作為：先采用Matlab的競爭性學習網絡工具箱中的提供的函數對樣本屬性進行聚類操作；然后將決策表中的每個屬性的各個連續數值組成的賂量作為網絡的輸入；最后設置相應的參數，Number of meurons（神經網絡經元的個數）為3、Kohonen learning rate(Kohonen 學習率)取默認數值0.01、Conscience Learning Rate（閾值學習率）取默認值0.001。通過以上操作，我們可以得到訓練樣本屬性的離散結果。
②冗余屬性的約簡，通過對訓練樣本屬性的離散化處理，我們得到了所有樣本屬性的離散結果，將離散結果作為粗糙集約簡的輸入，即可對樣本屬性進行冗余消減處理。在對冗余屬性的約簡處理時，本文采用的是粗糙集工程軟件Rosetta的RSESGeneticReducer遺傳運算規則對離散樣本屬性進行冗余消減。標準BP神經網絡財務預警模型的輸入屬性為11個，粗糙集優化神經網絡模型屬性約簡后的輸入屬性為6個。
（2）約簡后數據的訓練判決
粗糙集優化神經網絡模型的前置裝置已經對訓練樣本屬性進行了冗余消減，消減后的樣本屬性確定為6個。BP神經網絡作為粗糙集優化神經網絡模型的訓練判決模塊，將約簡的6個樣本屬性作為輸入層的神經元節點數。神經網絡的模型結構仍采用原有的三層基本結構，隱含層的神經元節點數為11個，輸出層神經元節點數為1個。
通過多層次的指標篩選后，確定最終預警指標為X1（每股收益）、X10（資產負債率）、X14（總資產周轉率）、X17（總資產增長率）、X21（現金流量對流動債務比率）、K13（審計意見類型）等6個預警指標。
四、總結
本文初步選擇43個財務及非財務指標作為預警指標，先后應用正態性分布檢驗、兩獨立樣本的T檢驗、兩獨立樣本的非參數檢驗及粗糙集約簡等技術多層次剔除了多余的屬性。通過多層次地財務指標篩選，最終確定6個敏感指標用于財務危機預警系統研究，既減少了系統的“噪聲”干擾，又提高系統的預測精度。
參考文獻:
[1]E．Altman．Corporte Finaneial Distress and Bankruptey[J]．John Wiley & Logitsons，2000，124（6）：242～244
[2]Li Longfu，Cheng Huixia，Lu Bingyuan．Study on data reduction and rules discovery based on convex rough set[J]．Joural of Southeast University，2002，32（6）：201～206
篇3
【關鍵詞】財務危機預警研究 存在問題 改進建議 上市公司
隨著競爭逐漸激烈，上市公司財務危機發生的頻率也越來越高，因此公司管理當局、股東、債權人等相關者的利益受到很大損失，同時給其帶來了巨大的壓力。受我國市場經濟發展時間短的影響，我國財務預警相關研究的時間也較短，同時由于一些客觀環境的限制和約束，很多問題存在于我國上市公司財務預警研究中。所以，為了加強對上市公司財務危機的預警，必須強化這方面的研究。
一、我國上市公司財務危機預警研究存在的問題
（一）公司治理結構不健全，風險意識缺乏
公司治理結構的完善對企業有著重要的意義：首先，可以保障投資者的利益，防止其合法權益被企業的“內部人”侵吞；其次，科學決策在企業中得到保證，效率得到。因為企業效率的提高是企業各方面的利益有效的保障。持股比例過于集中、所有者缺位和內部控制不力等是目前我國公司治理結構不健全的主要表現方面。對財務危機的不重視，風險意識淡薄也基本上是公司治理結構不健全造成的。
（二）證券市場不規范，破產機制不健全
我國的證券市場經歷的時間還比較短，與之相關的破產機制更是不健全，具有笑話意味的是我國迄今為止尚無一家證券上市公司宣告破產，以致破產不能作為研究人員為財務危機標準的定義，并在此基礎上使用控制樣本建立財務預警模型。由于當前“ST”制度執法不夠嚴厲，加之它也不能夠很準確地代表財務危機，因此如果以此為標準展開財務預警研究，勢必會影響其研究成果。
（三）預警指標的選擇狹窄
建立財務危機預警系統的基礎是指標的選擇。現有的財務理論和實踐經驗是目前研究者進行研究的主要依據，同時已發生財務危機公司的實際情況也是參考，備選指標組也是從一系列財務指標中選擇的，最后相對顯著的指標再通過統計檢驗篩選出。通過分析，還可以通過以下幾方面完善預警系統。第一，現有的財務指標利用的是資產負責表和利潤表計算的，預警系統中利用的這個財務指標是權責發生制下的，忽視了更為客觀的現金流量指標，對企業的財務運行狀況沒有真實反應。第二，現在的一些預警指標主要針對財務指標，忽視或者很少考慮非財務指標。企業的財務管理水平以及其內部的非財務性因素和外部的理財環境共同決定著一個企業是否發生財務危機，而預警系統的有效性也因這些局限性在一定程度上受到制約。
（四）預警模型缺乏實用性
樣本是財務指標模型的基礎，因為財務指標是對其的相關分析建立起來的，這樣樣本不同可能導致最終進入預測模型的變量不同，那么巨大的差異存在于具有顯著預測能力的指標便不足為奇。在許多方面有很大的差異存在于危機發生前的財務危機企業和非危機企業之間，但因為研究者在選擇樣本和變量時存在差異，因此最后得到不同的預測變量。模型使用者會因為預測模型種類繁多而感到困惑，使財務預測模型的應用受到影響。并且，目前現狀是研究過多的關注于建模技術、模型預測精度，對模型的實用性考慮較少，過于重視形式，過重追求判定結果的正確率，反而忽視了實際解決危機的方案。
（五）排警措施不夠重視
排警措施是一個完整的財務危機預警系統必不可少的部分，目前企業需要的不僅是能夠預測危機，也需要真正建立起防范財務危機的預警系統，這個系統除了能夠發現企業潛在的危機，還能夠對產生危機的根源做出解釋,找到解決危機的方法，但是預測結果只是發現病癥，分析病癥, 解決問題的根本途徑還是癥下藥。
二、對改進我國上市財務危機預警的建議
（一）加強理論研究
與西方發達國家相比,我國對財務危機預警的研究要晚一些，基礎也更差，因此“走出去”戰略是財務危機預警應該實施的，我們借鑒、學習西方先進的理論、研究成果，使他們用于我國，再結合我國的實際情況，逐漸探索出適合我國國情的財務危機預警系統。“引進來”，總結發達國家經驗，更新理念，創新財務危機研究，使之能更加科學地指導預警研究。
（二）樹立風險防范意識
財務危機預警系統能夠得以成功建立并有效運行，企業具有風險防范意識是前提。只有得到高度重視的財務危機預警系統才能真正發揮其效能，而不是作為虛設的系統。這對企業全體員工特別是管理層就有更高的更多的要求，起碼思想上要保持高度警惕，企業經營過程中出現的問題和潛在的危機能夠隨時發現，并且及時采取措施有效消除。
（三）健全內部控制制度，融合企業各項制度
為了保護經濟主體的資產完整，必須建設內部控制制度，會計資料真實、正確也是靠此來保證的，經營效益的提高也依賴于此，相互聯系、相互制約的方法、程序和行為準則必須在經濟主體的內部得以建立，來促進經營方針的貫徹實施。財務預警模型中的各種指標、財務比率計算的真實性都與內部控制制度是否建立健全有關。所以說，行之有效的內部控制制度是建立財務預警系統的前提，但是必須把這些制度與企業的預警系統結合起來并且可以得到一貫執行，以發揮其最大的協同作用。
（四）量化分析與非量化分析相結合
指標的客觀性和準確性是靠量化分析來確保的，但是傳統的定性分析絕不能被取代，因為不同的企業條件有差異、評價標準的主觀性及數據獲取難度與成本會限制指標的客觀性與準確性。當股價驟跌,總資產和收益急劇下降，股利大幅度削減等情況出現時就需要比量化分析更為可靠、靈敏和有效的非量化分析。競爭在不斷加劇，投資規模也不斷擴張，與之相應的企業面臨的風險和危機與日俱增，計算一些比率，對比一些指標已經不是預警功能單純能夠實現的，系統的方法庫和模型庫必須隨之創建，現代科學技術也應該被應用其中，比如現代計算機技術、網絡通信技術、數據庫技術以及管理學、財務學、運籌學、統計學、模型論和各種優化技術，同時必須加強定量分析和定性分析方法相結合的綜合應用。
（五）拓寬預警模型變量選擇范圍
預警變量需要重新設計考慮，現金流量方面的指標也要被合理引入，對現金流入、流出要加強監測分析。另外，非財務因素等一些非財務指標是應該考慮的，比如來自宏觀和微觀角度的、股權的集中程度、審計意見結果、產業相對比率，這樣可以有效彌補很多滯后性的缺陷，比如其數據太依賴于會計報表的財務指標，擴大了預警系統的涵蓋范圍，增強預警能力。
（六）建立預警對策庫
將警源監控、警情播報到輔助排警等一系列功能進行整合，就是現代財務預警系統，建立一個執行預警、排警功能的管理子系統,將它從傳統預警的會計附屬功能中獨立出來。應急排警對策集合是在各種風險條件下的事先準備好的預警對策庫，能夠自動地采用相應排警對策根據預警信息性質、類型和警報的程度發出風險預報當預警信息系統發揮作用時。為了使企業能夠按照提示，去尋求實際的、更實用、有效的方案，思路性、提示性的對策應該是預警對策庫中所有的。
（七）根據實際情況完善財務預警模型
現有的預警模型存在一定的局限性，因為都是國外學者依據本國公司的資料統計得出的，盡管在許多國家也具有一定的效用。現代市場上統計軟件的功能日益增強，對其的開發與會計資料庫也逐步建立，我們根據國外已有研究成果，再結合我國現代企業的特點，進行融合創新，建立一種預警模型，使之更適用于本公司或本行業的財務預警模型，并隨時根據實際情況進行改進，隨時關注評價指標，企業可能遇到的各種風險才能準確及時地在企業的財務預警系統中得以顯示，財務危機才能更好的得以防范。綜上所述，風險防范和控制需要依賴于財務危機預警，它為企業經營提供了一種行之有效的方法。財務預警系統在我國沒有很好的發揮作用是由于受到多種現實條件的限制，這一領域的研究還有待國內的學者做出更大的努力。
參考文獻
[1] 王琳,周心. 我國上市公司財務危機預警模型的實證研究[J].重慶科技學院學報(社會科學版), 2008, (06) .
[2] 崔學剛,王立彥,許紅. 企業增長與財務危機關系研究――基于電信與計算機行業上市公司的實證證據[J].會計研究, 2007, (12) .
篇4
Abstract：Constructingfinancialcrisispre-warningsystemisthenecessitytothedevelopmentofcapitalmarketinChina.Thispaperanalyzesthepossibilityofconstructingfinancialcrisispre-warningsystemofthelistedcompaniesfromthreeaspects,theory，economicsandtechnology,andworksoutthenewthoughtandbasicframeworkofconstructingfinancialcrisispre-warningsystemsoastopreventandresolvethefinancialcrisisofthelistedcompanies.
關鍵詞：上市公司財務危機預警系統
KeyWord：ListedcompanyFinancialcrisisPre-warningsystem
隨著經濟一體化，經營全球化的發展，企業的生存發展環境發生了很大變化，面臨著很大的風險性和復雜性。作為企業改革先鋒的上市公司，同樣存在著潛在的危機。一旦財務危機無法化解，就會被戴上“ST”的帽子，以失敗告終。為了有效化解財務危機，亟待建立適合我國上市公司的財務危機預警系統。
1財務危機預警系統
財務危機是企業喪失償還到期債務的能力。財務危機預警系統正是為化解上市公司財務危機而建立起來的一種機制，財務危機預警系統還沒有公認的定義，筆者在分析預警系統構成要素的基礎上，將其定義為：財務危機預警系統是企業專門組織根據財務管理學、風險管理和統計學的相關理論，以企業的財務報表、經營計劃、相關經營資料以及所收集的外部資料為依據，采用定性和定量的分析方法，建立預警分析機制，將企業所面臨的經營波動情況和危險情況預先告知企業經營者和其他利益相關方,并分析企業發生經營非正常波動或財務危機的原因,挖掘企業財務運營體系中所隱藏的問題，以督促企業管理部門提前采取防范或預防措施,為管理部門提供決策和風險控制依據的組織手段和分析系統。簡單的說，它是企業專門組織預警-報警-排警的有機管理過程體系。
2構建財務危機預警系統的重要性
從理論上看，上市公司財務危機預警系統的構建是我國企業管理與控制理論的豐富和發展。本文所構建的財務危機預警系統是基于我國上市公司相關理論和經濟技術特點上的，為上市公司財務危機警兆的理論研究提供新思路，從而建立一套發現警兆-確認警情-排警對策（預警-報警-排警）的邏輯機理，為我國上市公司提供一種危機預警管理新模式，在預防和化解危機，提高企業危機預警管理水平方面發揮作用。
從實踐上看，對于上市公司來說，借助財務危機預警系統，公司管理層能夠及時發現公司財務狀況的惡化，以及造成公司財務狀況惡化的原因，從而能夠及時地、有針對性的調整公司的經營策略，扭轉公司經營狀況惡化的勢頭，以避免淪為“ST”“PT”的行列。另外公司越早獲得危機信號，越可以減少其在會計、審計、律師等方面所支付的費用。同時，有利于證監部門加強財務監督管理，以提高上市公司的經濟效益。
3構建財務危機預警系統的可行性
3.1理論依據
我國20世紀80年代初有了經濟預警的概念，承認經濟的波動性和周期性。企業預警理論主要包括危機管理理論、策略震撼理論、企業逆境管理理論以及企業診斷理論。這就為財務預警理論的發展和成熟提供了理論基礎。財務危機預警系統是基于上市公司財務運作的全過程，不斷成熟的財務管理學理論則成為其基礎；財務危機預警系統的預警分析是對大量原始信息和數據的處理，日益發展完善的信息傳遞理論和統計學為其提供了理論基礎；財務危機預警系統中的危機管理不僅是對危機全過程的監測和控制，而且是對風險的處理，那么現代經濟周期理論和風險管理理論則為其提供了依據。另外，證監部門于2001年11月《虧損上市公司暫停上市和終止上市實施辦法（修訂）》，表明我國證券市場退市機制不斷健全和完善。證券市場的退市機制是實現上市公司優勝劣汰的重要途徑，增強上市公司的風險防范意識，提高上市公司的質量，引導證券市場朝良性方向發展。
3.2經濟基礎
財務危機預警系統是在危機前建立的，這個時候上市公司的財務狀況良好，財力雄厚，完全可以滿足構建財務危機預警系統的所有資金需求。同時，財務危機預警系統建立起來以后，為公司解決財務危機提供了有效分析手段和控制對策，使上市公司不至于破產，更甚是能及時發現風險，保證了公司經濟效益的實現，可以彌補構建財務危機預警系統的全部支出，實現風險收益，即危機管理支出小于危機管理所帶來的收益。
3.3技術支撐
上市公司的財務資料相對容易搜集，財務數據趨于規范財務預警系統以財務報表及其他相關的財務信息與非財務信息為依據，在建立財務預警模型和進行預警分析時，要運用大量的財務資料。大部分上市公司已經能夠按照市場經濟的基本規則進入市場，完成了現代企業制度的建設，產權明晰，管理規范、科學，財務披露制度較為健全。同時，又處于公開的市場監管之下，各種操作行為較為規范。同時，監管部門監管力度的加大，將進一步抑制會計造假者的造假動機，提高財務數據質量，從而更加有利于財務預警系統的順利運行。
4構建財務危機預警系統的新思路
財務危機有潛伏、發作、惡化三個階段，在各個階段應該有相應的管理對策，這一系列的對策就構成了本文財務危機預警系統的基本框架。
財務危機的潛伏時期，上市公司處在一個多變的環境之中，公司的市場狀況、產品的升級換代速度、關聯企業的供貨和資金償付能力、競爭對手的價格政策變動、金融市場的波動、利率和外匯市場的變化、銀行信用和利率政策的改變等等，都會對企業的財務狀況、籌資能力、資金調度能力和償債能力等產生巨大的影響。為了及時準確的識別財務危機，就需要有一個專門組織對企業內外的財務信息和數據進行全面收集和有效傳遞，為預警分析機制提供信息數據基礎，這就構成了財務危機預警系統的信息處理機制。
財務危機的發作時期，在證監部門的財務監督下，上市公司為保證經濟效益的實現，就必須對收集的內外財務信息和數據進行分析，選擇能夠明顯反映公司財務狀況特征的指標體系，不僅要有財務指標，而且要引入非財務指標，如行業、企業規模、管理水平等，以全面反映公司財務狀況，然后用收集的數據和選定的指標，通過現代建模方法（如主成分法，人工神經網絡方法）構建預警分析模型，以準確判斷財務危機是否已經產生，將此分析結果及時反饋給企業管理者，便于其迅速采取對策。指標分析和模型分析構成了財務危機預警系統的預警分析機制。
財務危機的惡化時期，財務危機已經存在，如果不能及時控制或有效化解，上市公司將面臨生死存亡的境地。為了化解危機，公司管理層就要立即啟動財務危機處理小組，迅速分析財務危機產生的原因，及時采取有效的管理措施，以恢復公司正常經營。由于財務危機有突發性，要求公司管理層要有強烈的危機意識。
任何一項管理活動都離不開管理者，上市公司財務危機預警管理也不例外，要有一個專門組織為預警管理服務。構建了以財務危機發展階段為基礎的預警-報警-排警的財務危機預警過程機理，還需要有實施財務危機預警系統的組織機制，它包含了組織體系和組織過程。組織體系就是構建一個專門為危機預警管理服務的組織；組織過程則是在危機預警系統實施中的預警-報警-排警邏輯過程。
此財務危機預警系統是以專門組織為保證，依次執行預警-報警-排警三項活動，與前面的研究相比，克服了將組織機制、信息處理機制、預警分析機制、危機管理機制并列的不足，使預警系統結構更為合理，為財務危機預警系統的實施提供了新思路。
參考文獻：
[1]EIAltman.CorporateFinancialDistressandBankruptcy[M].NewYork：Wiley，2000.
[2]StephenARoss.公司理財[M].北京：機械工業出版社，2000.
[3]張鳴，張艷，程濤.企業財務預警研究前沿[M].北京：中國財政經濟出版社，2004.
[4]張友棠.財務預警系統管理研究[M].北京：中國人民大學出版社，2004.
[5]汪平.財務理論[M].北京：經濟管理出版社，2003.
篇5
摘 要：隨著經濟日益發展，市場競爭日趨激烈，完善的財務危機預警體系是房地產上市公司在激烈的市場競爭中處于不敗的必要保障。但我國財務危機預警體系研究起步較晚，至今尚未形成完整的財務危機預警體系。我國房地產上市公司主要采用定量分析法來進行財務危機預警。本文在前人研究的基礎上，從我國房地產上市公司財務危機預警體系的現狀出發，指出僅采用定量分析法來預測公司財務風險的局限性，提出引入非財務指標因素及改進財務預警模型兩點建議來完善我國房地產上市公司財務危機預警體系，旨在加強我國房地產上市公司防范財務風險的能力。
關鍵詞：上市公司；財務危機；預警體系
一、引言
隨著全球化的發展，市場競爭日益激烈，由財務失敗而導致的破產公司越來越多，2009年的金融危機更是把破產風潮推向頂端。因此，建立完善的財務危機預警體系十分必要。
財務危機預警的研究國內外已經有了一些優秀的研究成果。國外學者Fitzpatrick于1931年以19家公司作為樣本，利用單一財務比率進行分析，發現凈利潤/股東權益和股東權益/負債兩個比率的判別能力最高。Beaver于1968年選擇79家經營失敗和未失敗的公司，選用30個財務比率進行分析，發現債務保障率、資產收益率、資產負債率、資金安全率、應收賬款周轉率、存貨周轉率、流動資金周轉率等比率判別力較高。但是，這些單一變量模型不能反映各財務比率之間的相互影響。Altman于1968年提出了Z模型。其多元線性判定模型為：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99X5，其中判別變量分別為營運資本/總資產、留存收益/總資產、息稅前收益/總資產、股票市值/債務的賬面價值、銷售收入/總資產。由于公司規模、行業、地域等諸多差異，使Z值并不具有橫向可比性。再者，模型中一些數據的收集十分困難。Olson于1980年將邏輯回歸方法引入財務危機預警領域，提出了logistic回歸分析模型，此模型收集信息和計算過程較為復雜，不易掌握。Tam于1991年采用人工神經網絡模型進行財務危機預警研究，提出了人工神經網絡模型，但是模型很抽象，且不同樣本模型其隱藏要素個數會有所不同，影響比較的客觀性。
國內學者杜蘭英，王海波于2006年提出長期財務預警模型由獲利能力、償債能力、經濟效率和發展潛力四個模塊組成，從公司財務評價，經營管理水平和發展潛力三方面對財務危機進行監測。但是過于依賴定量指標，沒有考慮定性因素對財務危機的影響。柏麗于2008年提出經營風險引起財務風險，應因采取適當的風險策略，并制定相應切實可行的風險管理策略來降低危害。可是，財務風險總會受到特定歷史時期各種相關因素的影響，比如政策風險、自然風險等，經營風險只是影響因素之一。趙彬于2009年提出非財務指標往往先于財務指標發現問題，在財務危機預警體系中占有重要角色。雖開始關注非財務指標和定性指標，但是只引入了國家宏觀經濟產業政策的研究，沒有注重上市公司的微觀經營環境。
二、財務危機預警體系的理論研究
財務危機是指財務陷入困境，是公司風險貨幣化的集中表現，是一種復合性風險概念。公司的財務風險按其在經營中的表現不同，可以分為狹義財務風險和廣義財務風險。
狹義財務風險，通常也稱為籌資風險，是指公司因借入資金而增加的喪失償債能力或減少公司利潤的可能性。
廣義財務風險是指公司在運行過程中籌資、投資、資金收回、收益分配等各個環節產生的風險。財務風險是個綜合性極強的概念。首先，它涉及到公司資金運動的各個環節、公司內部的各個方面以及公司環境中的各個因素。其次，公司的其它風險，如經營風險、政策風險、自然風險等，對公司的影響最終也會通過財務成果來反映。由此可知，財務風險是財務活動和經營活動過程中各種不確定性的綜合反映，是公司風險貨幣化的集中體現。
財務危機預警是指依據公司財務報表及相關經營資料，運用科學的方法，對公司財務系統和財務活動中存在的問題進行分析和診斷，及時發現公司的潛在危機，進而提出解決措施。
三、我國房地產上市公司財務危機預警體系現狀及問題
我國房地產上市公司財務危機預警的現狀表現在以下四方面：
（一）主要采用定量分析法進行預警分析
我國有些房地產上市公司對其相關財務指標進行分析來預測財務風險，比如，凈利潤率、資產負債率、股利增長率、凈資產收益率等。有些公司通過選取一些財務指標作為預測變量，沿用國外的預警模型來進行預警分析，Z模型使用較為普遍。
（二）預測變量的選擇及相關關系的確立依據不充分
我國財務危機模型的研究是在借鑒國外的實證性研究的基礎上進行的。但是公司樣本的選擇并不完全適合我國上市公司。首先，我國上市公司的退市機制剛建立，上市公司有關破產機制不健全，迄今為止尚無一家上市公司宣告破產，以至研究人員無法以破產為財務危機標準來建立財務危機預警模型，通過選取ST公司來代替。ST公司是指連續虧損兩年的上市公司，這都是根據上市公司的虧損狀況而定的，虧損并不意味著就公司就陷入了財務困境。因此，模型中預測變量的選擇是否與公司持續經營相關，依據不充分。
（三）預測變量數據缺乏準確性
隨著所有權和經營權的分離，投資者和經營者信息不對稱。經營者在信息編報方面權利過大，而且現行獨立審計機制和監督機制難以保證上市公司的財務信息質量，這會影響模型預測的準確性。再者，許多模型中變量數據收集十分困難，例如，“Z-模型”中需要的股東權益的市場價值，其包含資產負債表中已經存在的所有者權益，同時還包括市場對上市公司未來盈利能力和市場價值的估計，對于一個發展前景好的公司，其權益市場價值通常會高于其賬面的所有者權益價值，二者不存在簡單的算術關系。因此，這些都使得模型的準確性大打折扣。
（四）對非財務指標因素重視不夠
公司進行財務預警分析時，往往忽視了非財務指標的作用。財務指標面向過去，非財務指標往往面向未來，非財物指標是公司未來財務危機較好的指示器，不容忽視。對非財務指標這一定性因素進行改善，將有助于改善公司的財務業績，增強公司抵御風險和財務危機的能力。
四、完善我國房地產上市公司財務危機預警體系建議
（一）重視非財務指標的作用
房地產上市公司陷入財務危機是一個逐步惡化的過程。從一定意義上說，如果房地產公司的可持續發展能力長期處于虛弱狀態，將會導致財務危機的出現。因此，本文提出將房產上市公司的可持續發展能力這一非財務指標因素納入財務危機預警體系研究。影響房產上市公司可持續發展水平及能力高低的因素很多，本文認為，房地產上市公司應對以下因素進行考察：
1、房地產上市公司的發展戰略
發展戰略是房地產上市公司的發展遠景，是塑造公司核心競爭能力實現其持續發展的謀略。因此，房地產上市公司應制定適當的發展戰略，其各種短期、中期、長期發展戰略的制定要從公司全局出發，實事求是，高瞻遠矚，確保發展方向正確、目標明確、靈活運用規模化和差別化原則、充分利用各種資源、戰略措施的制定貼近實際而又靈活機動。目前，我國房地產上市公司的資源利用并不充分，外部資源利用太少，融資渠道太窄，這也就說明應該制定正確的發展戰略，拓寬融資渠道，廣開源路。
2、房地產上市公司的制度環境
制度是房地產上市公司良性運作和可持續發展的保障機制。公司可持續發展客觀上要求一種制度可持續發展，而公司治理就是一種制度安排，那么公司治理體系越完善就越能保障公司制度的持續發展。因此，我國房地產上市公司應該要不斷完善公司治理結構，可從以下方面進行完善：第一，分散股權，改善股權結構，積極推進產權改革。在一般的競爭行業，可通過出讓國家股、國有法人股或者資產重組等方式，同時制訂外資公司收購上市公司股權的管理辦法，并加以完善。第二，規范董事會，建立和健全董事提名和任免機制，股東對董事的任免起決定作用。分設董事長與總經理職位。第三，提高監事會的獨立性，強化監事會的監督力度。第四，設立獨立的薪酬委員會，保持薪酬委員會與受益人之間的獨立性，防止各方串通勾結。
3、房地產上市公司的人力資源狀況
知識經濟時代，社會經濟活動的一切競爭，歸根到底是人力資源特別是人才的競爭。人力資源越優越，公司的綜合能力就越強。房地產上市公司的人力資源狀況包括全體員工的文化水平、道德水平、技術技能、組織紀律性等綜合情況。因此，公司必須重視對人才的培養，通過各種適合自身發展所需要的培訓途徑來傳導公司文化、提高人才素質，促進公司優勢人力資源的形成。公司人力資源管理應注重變革管理和人性管理，采取前瞻態度，注重人員的貯備、使用和提高，只有這樣才能吸引、保留和激勵人才，促進公司的可持續發展。i
（二）完善財務危機預警模型
在建立財務指標預警模型時，應考慮由于不同年度上市公司所處環境的差異，公司各項財務指標是否受到與時間跨度有關因素的影響，如宏觀經濟形勢、經濟周期等，并加以必要的處理。
在預測變量數據的使用方面，嘗試利用中報數據，建立中報預測模型，努力使研究結果提高公司財務預測的及時性，并檢驗我國上市公司中報信息的質量，確保模型數據的真實性。
隨著統計軟件的日益完善和計量經濟學的不斷發展，研究者應該結合我國上市公司的實際情況，不斷建立更多、更先進的財務預測模型。（作者單位：湘潭大學）
參考文獻：
[1] 顧曉安.公司財務預警系統的構建[J].財經論叢，2000（4）：69-70.
[2] 柏麗.公司財務危機預警體系探究[J].山東行政學院報，2008（6）：107-109.
[3] 馮璇.影響我國上市公司可持續發展的公司治理因素研究――來自制造業上市公司的經驗數據[J].財會通訊，2008：15-18.
篇6
【關鍵詞】財務危機；logistic回歸模型；財務預警
一、引言
隨著我國市場經濟不斷發展和完善，企業之間的競爭也越來越激烈，市場的復雜性和不可預見性使得企業一旦經營不善，就有可能陷入財務困境之中。從上世紀90年代開始，世界經濟出現了許多意外的復雜情況，企業由于財務危機而破產的例子屢見不鮮。2008年的金融危機席卷了全球，讓為數不少的企業陷入了財務危機甚至面臨著破產。
財務危機(financial crisis)又稱財務困境(financial distress)，學術界對該術語有著許多不同的見解。Altman（1990）綜合了學術界的觀點，認為財務危機為經營失敗（failure）、無償付能力(insolvency)、違約(default)、破產(bankruptcy)四種情形。在國外的許多研究中，為了將財務危機盡可能有效的量化和客觀化，一般是以破產作為標準而展開的。而在我國，財務危機研究多以上市公司中的“ST”公司為對象展開。因為我國的證券市場上市公司破產的案例是極少數的，以破產為標準作為研究對象是不太現實的。2002年《上海證券交易所股票上市交易規則》和《深圳證券交易所上市規則》中規定：“上市公司出現財務狀況和其他狀況異常，導致投資者難于判斷公司前景，權益可能受損害的。本所對公司股票交易實行特別處理，在股票簡稱前冠以‘ST’字樣，以區別于其他股票”，并且詳細說明財務狀況和其他狀況異常的具體情況。所以本文將滬、深兩交易所A股市場中因“財務狀況異常”而被特別處理（ST）的上市公司，作為財務危機公司的界定標準。
在我國證券市場上，由于連續虧損出現財務危機而被ST的上市公司，不僅給投資者帶來巨大的損失，也給公司以后生產經營帶來巨大壓力。事實表明，企業通常是一個漸進發展的過程，逐步的陷入財務危機之中的，通常都是有預兆的且可預測到的。如果投資人和債權人能借助一定的科學方法和相對準確的預警模型對財務狀況進行預測，就能為他們的投資決策提供理論和方法支持。所以基于此，本文的目的在于為企業、投資者、債權人提供了一個簡單而有效的財務預警模型。
本文財務預警的數據來源于國泰安數據庫（Csmar），以我國A股市場2009年因財務原因新被ST的43家上市公司以及與其行業、資產規模相當的43家非ST的上市公司的財務數據為基礎，對財務指標進行差異T檢驗選出預警指標變量，并據預警指標變量基于Logistic回歸分析的方法，構建了財務預警的模型，得出回判的正確率是較高的。最后為了進一步檢驗模型的預測能力，從A股市場中隨機抽取200家上市公司（不包括已在模型中使用的上市公司）2004-2008年連續五年的財務數據代入預警模型進行預測，結果可以看到模型的預警能力是很高的，回判率達到近87%，結果比較令人滿意。
二、文獻回顧
20世紀30年代，國外學者就已經開始對財務困境預警模型進行研究。運用于財務危機預測的基本方法分為定性分析法和定量分析法。定性分析方法主要是依靠人的主觀判斷進行財務預警分析的方法。定量分析方法比較有代表性的預警模型有單變量預警模型、多變量預警模型。該種方法是根據企業的財務資料，運用一定的數學模型或者數理統計方法，對各種財務資料進行加工處理分析，建立起一種模型反映企業財務狀況。從研究的發展歷程來看，各學者利用相應的財務數據指標，在指標選擇和模型的構建等方面，對財務預警進行一系列研究，主要分為三部分：
（1）單變量模型：即運用具有代表性的單一變量財務指標來預測財務危機的模型。1966年美國Beaver提出了單變量判定模型，但模型存在很大的缺陷，即該模型采用不同的財務指標對同一企業進行預測時，往往會得出相悖的預測結果，因此無法得到正確的預測結論，當然也引來了其他學者的不少的批評。國內學者陳靜（1999）才首次采用了單變量分析和判別分析，以1998年深滬上市的27家ST公司和27家非ST公司為樣本，使用了1995-1997年的財務報表數據，對財務危機預警模型進行了實證檢驗。
（2）多變量模型：即運用多個指標進行綜合分析，得出預警模型。多變量預警模型以美國Altman教授的研究最具有代表性。Altman利用多元判別分析法對1945-1965年間美國33家破產企業和33家正常經營企業的財務狀況進行了研究。他在經過大量的實證考察和分析的基礎上，從最初的22個財務比率指標中選擇了5個，進行加權匯總來對企業的財務狀況進行預測，準確程度達95%左右，其研究結論形成了著名的Z值模型。而我國對企業財務危機預警的研究起步比較晚。1980年之后我國學者才陸陸續續對企業財務困境進行預測研究。1986年吳世農、黃世忠曾在《企業破產的分析指標和預警模型》中介紹企業破產的財務分析指標及其預測模型。但在相當長的時間里，關于財務危機預警模型的實證研究基本上是空白的，而且我國大部分的學者對財務預警的研究是處于模仿階段的。直至1996年周首華、楊濟華、王平對Altman教授Z值模型進行了修正，充分考慮到現金流量的因素，建立了財務危機預測的新模型。該模型通過檢驗，其準確率高達近70%，這是我國學者首次提出的財務危機預測模型。
（3）多元條件概率模型：主要是尋求觀察對象的條件概率，從而據此判斷觀察對象的財務狀況和經營情況，包括logistic和probit模型。眾多學者對logistic模型進行過研究。首次使用的是Martin，使用其來預測公司的破產以及違約的概率。國內的學者如姜秀華、任強、孫錚（2002）利用logistic模型對我國上市公司進行了信用風險研究分析。吳應宇、袁陵（2004）通過結合因子分析并運用logistic模型，進行公司財務預警研究。郝運鵬（2009）在財務危機的兩階段動態模型中運用了logistic模型。張慧君、李卉（2010）也運用logistic模型建立了上市公司財務預警模型。隨后，越來越多的學者采用了概率模型對公司進行財務預警研究。
綜上所述，單變量財務預警模型由于采用的財務指標單一，具有使用簡便易行的優點。但是，各種單變量模型直接依據的是單個財務比率的變化趨勢來預測財務危機可能性，每一指標只反映財務狀況的某一方面，而且還容易導致運用不同指標判斷之間的相互矛盾，所以這種判別方法無法全面地反映企業財務特征。為了克服單變量預警模型本身存在的缺陷，Altma首次將多元判別分析法引入到財務危機預警領域，建立了多元線性判定模型，但是，多元線性判定模型有一個嚴格的假設，即假定自變量是呈正態分布的，兩組樣本要求等協方差，然而由許多的實例驗證結果顯示，財務資料往往是不能滿足這一要求，那么這在一定程度上影響了模型的使用范圍。針對這種情況，一些學者采用非線性邏輯回歸模型來彌補這種缺陷。邏輯回歸模型的最大優點是，不需要嚴格的假設條件，克服了線性方程受統計假設約束的局限性。Logistic回歸模型的曲線為S型，該預警模型一般是以0.5作為分割點，其含義是如果通過邏輯回歸模型計算出來的概率P大于0.5，那么該上市公司就是正常公司；反之，是財務危機公司，即ST公司。本文就是利用邏輯回歸方法來構建財務預警模型進行財務預測，該模型可以很好很快的預測出企業的風險情況，具有較高的準確性和前瞻性，是值得推廣和應用的一種模型。
三、研究設計
（一）樣本選擇
本文將滬、深兩交易所A股市場中因“財務狀況異常”而被特別處理(ST)的上市公司，作為財務危機公司的界定標準，而為被特別處理的上市公司作為財務健康公司。樣本數據取自國泰安研究服務中心“中國上市公司財務指標分析數據庫”。
1.ST公司（財務危機公司）的選取
我國A股市場2009年滬、深兩市ST公司共230家，我們選擇其中43家由于2007、2008連續兩年虧損，即在2009年由于財務原因新被ST的上市公司。
2.非ST公司（財務健康公司）的選取
非ST公司的選取通常有兩種方法。第一種，由于Logistic函數的對稱性質，在數據完整的上市公司中抽取與ST公司數目幾乎等額樣本的公司。第二種，抽取全部非ST公司，由于ST公司與非ST公司的數量不等，采取加權邏輯回歸模型，或者對邏輯回歸模型的常數項進行調整，使常數項下降logK1-logK2，K1和K2分別為ST和非ST公司的樣本占總樣本的比例。
Maddala(1992)認為第二種方法為經驗方法，無解析方法證明其合理性。所以本文采用第一種方法。對每一家ST公司進行配對選擇非ST公司，要求其行業相同或者相近，資產規模相當（這里資產主要是指總資產規模，要求規模上下浮動比例不超過5%）。一些無法配對（數據異常，某些公司在某年間的數據與往年相比差異太大）的ST公司樣本個體被剔除，最終選定ST公司中的43家，并根據上述原則選定43家非ST公司。
（二）財務預警指標選擇
將樣本進行篩選分組后，重要的一點就是預警指標的選擇。本文收集ST公司和非ST公司2006-2009年間的資產負債表、利潤表、現金流量表，預警指標的選擇按以下原則進行選擇。
第一，充分考慮以前財務預警研究中采用的財務指標。Z值.模型是目前財務預警中最常使用的一種模型。Altman教授的Z值模型中的5個指標是從22個財務指標中經過嚴格的方法測算出來的，具備一定的合理性和科學性。所以本文在進行指標的選擇時，充分考慮了以前財務預警研究中運用的財務指標。
第二，選擇合適的財務指標。一個企業財務狀況的好環取決于企業的償債能力、盈利能力、營運能力、發展能力、現金流量能力等。所以，一個全面合理的財務預警體系，要涵蓋償債能力、盈利能力、營運能力、發展能力、現金流量能力等方面的財務比率指標。因此，進行指標選擇時，要考慮到選擇出來的預警指標是否具有較高的信息含量，是否能有效的、及時的反映出財務危機的征兆。
第三，滿足可操作性原則。操作性是完成實踐的一個重要前提。滿足條件的財務比率指標是很多的，但有些財務數據是難于采集到的，會耗費大量的人力和物力。因此，這些取得成本較高的財務比率指標是不予考慮的。
基于上述的原則，為使預測變量的選擇范圍更加廣泛和全面。本文也借鑒國泰安研究服務中心“中國上市公司財務指標分析數據庫”中相關指標的設置分類，選擇全面反映企業償債能力、盈利能力、營運能力、發展能力、現金流量能力的17個財務指標作為備選變量。
五、結論
本文的財務預警模型是通過資產負債率、利息保障倍數、ROA、資本保值增值率對我國的上市公司的財務狀況進行判斷。實證結果分析表明，該模型的預測準確率達到了近87%，有較好的預警效果。企業可以利用此模型作為防范財務風險的手段，及時調整財務戰略和經營戰略，防患于未然。投資者可以利用此模型預測企業未來財務狀況趨勢，為防范投資風險提供有益的參考。債權人則可以運用此模型判斷借款和債權投資的安全性，決定是否為上市公司提供融資。
總的來說，logistic回歸模型對于財務困境的判別，仍是一種簡單而有效的方法，值得在實踐中大力推廣。但本文也存在一些研究局限：第一，本文所選取的研究變量都是財務指標，未選取非財務指標。因此，模型未能反映出非財務因素對企業財務狀況產生的影響；第二，本文在進行logistic回歸時，采用的是2006-2008年的數據，可能會影響預測的效果；第三，本文的一個思路是：進行ST公司和非ST公司預警指標T檢驗，選擇出四個預警指標，進而利用這些指標進行logistic回歸建構模型。這樣通過ST公司和非ST公司之間預警指標的差異構建的財務預警模型的預測能力可能影響預測的效果。因此，未來研究可以從這幾個方面不斷加以完善。
參考文獻
[1]J.S.Ohlson,Financial ratio and the probabilistic of bankruptcy,Journal of Accounting Research,1980.
[2]Beaver,Financial Ratios as Predictors of Failures,Journal of Accounting Research,1966.
[3]E.I.Altman.Financial ratio.discriminate analysis and prediction of corporate bankruptcy.Journal of Finance,1968.
[4]周首華,楊濟華,王平.論財務危機的預警分析―F分數[J].會計研究,1996(08).
[5]陳靜.上市公司財務惡化預測的實證研究[J].會計研究,1999(04).
[6]吳世農,盧賢義.我國上市公司財務困境的預測模型研究[J].經濟研究,2001(06).
[7]姜秀華,任強,孫錚.上市公司財務預警模型研究[J].預測,2002(03).
[8]吳應宇,袁陵.基于因子分析的上市公司財務危機預警研究的修正[J].東南大學學報(哲學社會科學版),2004(06).
[9]張興福.上市公司財務預警模型構建與檢驗[J].財會通訊,2008(05).
篇7
一、財務預警概述
財務預警是指以公司的財務報表及相關的會計資料為依據，通過對財務指標的綜合分析，對公司財務狀況進行預測研究，及時發現企業生產經營過程中潛在的財務風險，并在危機爆發前提前向公司的管理當局發出警告，督促公司管理當局對此做出相應的改變，避免財務危機的發生，較好地起到了未雨綢繆的作用。根據警情界定程度的不同，可將其分為狹義和廣義的財務預警。狹義的財務預警偏重于研究財務危機，實際上就是財務危機預警。廣義的財務預警是對所有可能引起企業財務活動波動的因素進行研究，只要引起企業財務活動產生不利因素就進行預警。財務預警系統就是合理保證企業財務活動不偏離企業的正常生產經營活動，對財務周期活動中出現的不確定和不穩定現象進行預測，判斷企業目前是處于“正常狀態”還是“危險狀態”。減少造成企業出現危機的各種因素，避免出現管理波動或管理失誤的重復出現。本文從財務預警理論出發，利用ST公司與非ST公司的財務狀況中的財務指標進行對比，根據比較的結果預警上市公司可能出現的財務風險狀況。
二、上市公司施行財務預警系統現狀
我國資本市場作為新興的半強勢半弱勢市場，進行財務預警方面的研究起步很晚，大部分上市公司建立的財務預警系統都是借鑒西方的成熟模型，而且也應用到農業、林業、工業、交通等各個領域。但作為我國特色資本市場基礎上建立的財務預警系統，還是比較年輕的研究領域，證券市場以及上市公司還不是很成熟，雖然我國上市公司的監管部門就上市公司運用財務預警系統做出相應的規定，但由于我國上市公司在運用財務預警系統進行財務風險預警方面缺乏一定的主動性，直到很多上市公司出現了大量的ST或PT現象，給廣大投資者帶來巨大損失的現象發生以后，才引起管理當局對財務預警的重視，財務預警系統逐漸被運用。常用的預警模型有Z分數模型、線性概率模型、F分數模型等。
（一）多元線性判定模式 多元線性判定模式，又稱Z-Score方法，其基本原理是通過統計技術篩選出那些在兩組間差別盡可能大而在兩組內部的離散度最小的變量，從而將多個標志變量在最小信息損失下轉換為分類變量，獲得能有效提高預測精度的多元線性判別方程。Z分數模型的判別函數如下：
Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5
其中，X1=（期末流動資產一期末流動負債）/期末總資產X2=期末留存收益/期末總資產X3=息稅前利潤/期末總資產X4=期末股東權益的市場價值/期末總負債X5=本期銷售收入/總資產
Z分數模型的判斷標準如下：Z>2.675，表示財務狀況良好，發生破產的概率小；1.81≤Z≤2.675，表示財務狀況不穩定，為灰色地帶；Z
多元線性判定法從企業的資產規模、獲利能力、財務結構、資產利用效率以及償債能力等方面綜合分析預測企業的財務狀況，準確率較高，進一步推動了財務預警的發展。
Z-Score模型的局限性：一是工作量比較大，費時費力。二是在前一兩年的預測中，多元線性判定方法的預測精度比較高，但再往前，其預測精度會大幅下降，甚至可能低于單變量模型。三是多元線性判定方法有一個很嚴格的假設，這就大大限制了多元線性判定方法的使用范圍。
（二）EVA判別方法 經濟增加值（EVA）的英文簡稱，是一種評價公司經營業績的新指標，其定義為EVA=NOPAT-KW（NA）。其中，NOPAT為稅后凈經營利潤；KW為公司資本加權平均成本；NA為經過調整的期初公司凈資產價值。EVA判別法相對于傳統財務指標相比具有以下優勢：（1）真實性。由于EVA針對現行的會計政策進行了一系列的調整，減少了上市公司管理層通過各種途徑改變資本結構，從而進行盈余管理。這相對于傳統的會計指標，能更加真實地反映上市公司的經營狀況。（2）可靠性。EVA作為一種創值指標，它不僅考慮了公司使用的全部資本，充分利用了公司提供的全部公開信息，而且考慮了風險，同時含有企業外部的市場信息，而傳統的財務指標則完全利用公司內部的信息。所以，這相對于傳統的財務指標具有明顯的可靠性。
EVA判別法的局限性：由于EVA涉及對傳統利潤指標復雜的調整計算，其實用性遭到國內學者的質疑，所以有關EVA在預測財務困境方面的研究目前在國內尚屬空白。
（三）F分數模型 F分數模型的判別函數如下：
F=-0.1774+1.1091X1+0.1074X2+1.9271X3+0.0302X4+0.4961X5
其中，X1=（期末流動資產一期末流動負債）/期末總資產；X2=期末留存收益/期末總資產；X3=（稅后純收益+折舊）/平均總負債；X4=期末股東權益的市場價值/期末總負債；X5=（稅后純收益+利息+折舊）/平均總資產。
F分數模型的臨界點為0.0274，若F分數低于0.0274，則將被預測為破產公司；反之，若F分數高于0.0274，則公司將被預測為繼續生存公司。此數值上下0.0775內為不確定區域，區間為[-0 0501，0.1049]，若落入此區域中，管理決策者應該進一步分析，因為F分數模型只能輔助管理者，警告可能會發生財務危機。即F分數模型的判斷標準可如下表示：F>0.0274，表示被預測為繼續生存公司；F
F分數模型中的5個自變量的選擇是基于財務分析理論，因此，它可以較為準確地預測出企業是否存在財務危機，降低了單變量的誤判率；及時預警上市公司的財務危機并尋求發生財務危機的根源，同時還能加強公司對于財務危機的防范措施，分析和判斷上市公司未來的發展趨勢，在一定程度上，可以幫助利益相關者做出相應的決策。
雖然已經建立了系統的財務預警模型，但目前很多上市公司并沒有廣泛采用，這是因為一方面很多上市公司的管理當局缺乏建立系統的財務預警模型的意識，另外上市公司建立的科學的財務預警系統要在真實合法的資料基礎上，但是由于中國的資本市場不完善，上市公司造假的現象屢見不鮮，使得建立出來的系統并沒有發揮應有的作用，上市公司的會計失真現象極大地影響到財務預警系統的有效性，使其失去應有的效果，財務預警系統也就形同虛設了。
三、上市公司財務預警系統實證分析――以制造業為例
本文針對我國滬、深兩市所有被ST的制造業上市公司進行隨機抽樣，從中隨機抽取10家ST上市公司以及10家非ST的制造業上市公司作為本次的研究樣本。本文的樣本數據均取自各年上市公司公開披露在網上（和訊、證券之星、巨潮資訊等）的各年年報和有關財務指標，主要選取2008～2010年的相關財務數據進行研究。
（一）Z-Score模型實證分析 按照Z-Score模型的要求收集整理財務數據，計算得到不同年份制造業上市公司的Z值得分，見表1～6。
Z-Score模型預警方法分析：（1）對非ST上市公司的預測。從上述的表格中可以看出，Z-Score模型對非ST企業的預測結果為：非ST上市公司的Z值大于2.675（即處于安全地帶）的平均比例為63.33%；Z值在1.81～2.675之間（即處于灰色地帶）的平均比例為26.33%；Z值小于1.81的（即處于危險地帶）的平均比例為10.34%。這說明我國非ST制造業上市公司財務狀況基本良好，有一定的抵御風險的能力。（2）對ST上市公司的預測。從上述的表格中可以看出，在被“特別處理”前幾年，上市公司的財務狀況已經出現明顯的惡化。Z-Score模型對ST企業的預測結果為：Z值小于1.81（即處于危險地帶）的平均比例為60%；Z值在1.81～2.675之間（即處于灰色地帶）的平均比例為16.67%；Z值大于2.675（即處于安全地帶）的平均比例為23.33%。這說明我國ST制造業上市公司財務狀況大部分處于破產邊緣，它們需要及時調整本身存在的問題，如果不及時進行調整或者是調整力度不夠，就極易走向破產的深淵。（3）ST上市公司在被列入“特別處理”的前兩年（即2008、2009年），他們的Z值平均值為-2.432；而同期非ST的上市公司我Z值平均值為4.3918。很顯然，ST上市公司的財務狀況遠遠差于非ST上市公司，ST上市公司的財務危機已經相當嚴重了，已經在破產的邊緣了。
（二）EVA判別法實證分析 按照EVA判別法的要求收集整理財務數據，計算得到不同年份制造業上市公司的EVA值，見表7～9。
EVA判別法的分析：（1）對非ST上市公司的分析。從上述表格中可以看出，非ST上市公司的EVA為正數的平均比例為73.33%，這說明我國上市公司的創值能力還是比較強的。同時，非ST上市公司的EVA平均值呈現逐年遞增的現象，這說明我國非ST上市公司的財務狀況普遍較為良好。分析如圖1所示。
（2）對ST上市公司的分析。從上述表格中可以看出，ST上市公司的EVA為負數的比例比較高，尤其是在前兩年（即2008、2009年），達到了70%。同時，2008、2009年兩年的企業EVA值持續走低，說明這些企業的財務狀況更加惡化了，急需做出調整。而到了2010年，ST上市公司的EVA值大部分都為正數，只有兩家企業為負數，這說明各ST企業經過了一系列的調整，并取得了一定的成效。ST上市公司這三年的EVA值走勢如圖2所示
（3）對比ST上市公司和非ST上市公司，不難發現，雖然ST企業在2010年的財務狀況稍微得到了一點改善，但是其財務危機還是明顯地比非ST上市公司惡化，必須進行及時有效的調整措施，要不然就難逃被破產厄運。同時，非ST企業也有不穩定的，也必須進行相應的調整，切勿置之不理，否則，等到風險積壓到一定程度的時候就會演變成財務危機，直至破產。
（三）F分數模型實證分析 按照F分數模型的要求收集整理財務數據，計算得到不同年份制造業上市公司的F值得分，見表10～15。
F分數模型預警方法的判定結果及分析：（1）對非ST上市公司的預測。從上述的表格中可以看出，F分數模型對非ST企業的預測結果為：非ST上市公司的F值大于0.1049（即處于安全地帶）的平均比例為80%；F值在-0.0501～0.1049之間（即處于不穩定地帶）的平均比例為20%；Z值小于-0.0501的（即處于危險地帶）的為0。（2）對ST上市公司的預測。從表10～15中可以看出，在被“特別處理”前幾年，上市公司的財務狀況已經出現明顯的惡化。F分數模型對ST企業的預測結果為：F值小于-0.0501（即處于危險地帶）的平均比例為50%；F值在-0.0501～0.1049之間（即處于不穩定地帶）的平均比例為20%；Z值大于0.1049（即處于安全地帶）的平均比例為30%。（3）ST上市公司在被列入“特別處理”的前兩年（即2008、2009年），其F值小于-0.0501的平均比例為70%，其F值遠遠低于非ST上市公司。但是ST公司于2010年的F值小于-0.0501為0家，說明ST上市公司經過了兩年的調整逐漸走出了金融危機帶來的影響，并逐漸走出財務危機。
（四）制造類上市公司財務預警模型實證結果比較 針對以上研究結果，并對其進行匯總，得到表16。
從表16可以看出：（1）三種預警模型在特別處理前一年，EVA判別法的準確率為70%，而Z-Score模型以及F分數模型的準確率則為75%，高于EVA判別法。（2）三種預警模型在特別處理前兩年，Z-Score模型以及EVA判別法的準確率都為75%，而F分數模型的準確率則為80%，高于另外兩種判別方法。（3）綜合比較，三種方法的準確率都比較高，但是F分數模型的準確率最高，高于EVA判別法和Z-Score模型。
（五）F分數模型優勢 從上述的財務分析情況來看，利用F分數模型可以有效監測公司的運營情況。F分數模型中的5個自變量的選擇是基于財務分析理論，因此，它可以較為準確地預測出企業是否存在財務危機，降低了單變量的誤判率；還能及時預警上市公司的財務危機情況，尋求發生財務危機的根源；同時加強公司對于財務危機的防范措施，分析和判斷上市公司未來的發展趨勢，在一定程度上，可以幫助利益相關者做出相應的決策，有利于公司的健康長遠發展。通過Execl等軟件進行數據處理工作，有目的、有計劃地進行了我國制造業上市公司財務預警模型的研究，得出以下結論：
我國制造業非ST上市公司普遍具有良好的財務狀況，具有較好的風險抵御能力。但是，也有的非ST企業處于不穩定甚至危險地帶，這些企業必須及時而有效的做出相應的調整措施，如果調整不力或者是效果不明顯，則這些財務風險必將演變成財務危機，進一步威脅著企業的生產發展；Z-Score模型能提供給投資者更多的預測性，投資者能早期得到企業陷入困境的警告，及早做出決策，規避風險，還可以幫助企業做出信用決策等；EVA作為一種長期的財務指標，其對企業財務困境的預測具有相關性，且相對其他財務指標其預測準確程度較高，這說明運用EVA對中國上市公司財務狀況進行評價與分析具有一定的可行性；F分數模型可以更準確地預測出企業是否存在財務危機；降低了單變量的誤判率；預警上市公司的財務危機；及時尋求發生財務危機的根源；加強公司對于財務危機的防范措施；分析和判斷上市公司未來的發展趨勢；在一定程度上，可以幫助利益相關者做出相應的決策。通過對比可以發現，在三種預警模型中，F分數模型的準確率最高，高于其他兩種模型。
參考文獻：
[1]寧靜鞭：《基于KNN和logistic回歸方法的財務預警模型比較》，《商業時代》2008年第13期。
[2]馮月平：《Logistic財務預警回歸模型的構建與檢驗》，青島理工大學2010年碩士學位論文。
篇8
關鍵詞：Z計分模型 經濟增加值 財務預警
在市場經濟的大環境中，世界經濟一體化的趨勢和我國資本市場的發展要求企業時刻保持高度的危機意識，航空公司也不例外。我國航空公司近年來面臨嚴峻的競爭形勢，2006年上半年，民航行業全面虧損；2008年三大航都發生了巨額虧損，這無疑對公司利益相關者造成了損害。對航空公司的財務危機進行預警，可以幫助企業采取積極有效的措施化解危機，避免或減少財務危機給利益相關者的損害。本文從財務危機的界定、財務危機預警模型的指標選取等方面對傳統的Z計分模型進行了修正，希望在加強我國航空公司財務管理，提高公司效益，實現股東權益最大化發揮一定作用。
一、研究設計
（一）財務危機的界定 縱觀國內的上市公司財務危機研究，上市公司是否因 “財務狀況異常”受到特別處理（ST）作為上市公司是否陷入財務危機的一個客觀的分類已經被越來越廣泛的采用了。但由于我國航空公司上市時間比較晚，上市公司數量較少，并且我國上市航空公司被ST的只有東方航空（2009年）和上海航空（2009年），所以是否被ST作為上市航空公司是否陷入財務危機的界定標準不合理。經濟增加值（Economic Value Added，簡稱EVA）是考慮了資本投入總成本的一種企業績效評價方法。公司每年創造的經濟增加值等于稅后凈營業利潤與全部資本成本之間的差額，其中資本成本包括債務資本的成本，也包括股權資本的成本。EVA 是對經濟利潤的評價，是衡量企業業績和評價財務狀況較準確的尺度。如果EVA的值為正，則表明公司獲得的收益高于為獲得此項收益而投入的資本成本，即公司為股東創造了新價值；相反，如果EVA的值為負，則表明股東的財富在減少。本文站在股東的立場以EVA為負值作為財務危機的界定標準，即EVA值為負為財務危機企業，EVA值為正為非財務危機企業。
（二）樣本選取和數據來源 本文選取我國四大航空公司2002年至2010年的年報數據作為樣本，根據各公司上市的時間，中國國航選擇2006至2010年度的數據，海南航空選擇2005年度至2010年度的數據，南方航空選擇2001年度至2010年度的數據，東方航空選擇2002年度至2010年度的數據。在指標的選取上，剔除了2003年度的數據，這是由于受SARS的影響，其指標并不具有代表性。這樣所選出的樣本的分布情況基本上也是與我國航空上市公司的實際情況相符合的。最終的樣本量是28，其中以四大航空公司2009、2010年度作為檢驗樣本組，其余年份作為建立修正模型的估計樣本組。所有數據均來自于各航空公司官方網站。
（三）Z計分模型及其修正變量選取 美國學者Altman于1968年提出了Z計分模型。該模型最初主要用于上市公司，其基本過程是：事先確認某些區分破產公司與非破產公司的關鍵因素，也就是在眾多的財務指標中篩選出敏感性的因素（變量），使得這些變量滿足：在組內差異最小化的同時實現組間差異最大化。然后把他們加總起來以聯合考慮或加權計算得出一個可以數量化的分值Z。Z值在某些情況下可以解釋為違約概率，在另一些情況下可以作為一種分類方法，把考察對象放到好的一組或壞的一組。其判別函數為：Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99X5。其判別規則為：若 Z值小于 1.81，表明企業破產的概率比較大；若 Z值在 1.81與 2. 675之間，企業財務狀況不明朗，稱之為“ 灰色地帶” ；若 Z值大于 2. 675，則企業財務狀況良好。根據（表1）Z值計算結果分析，我國四大航空公司的Z值均小于1.8.即根據Z計分模型，我國四大航空公司在研究期內均處于財務危機中，這種判斷顯然不合理。這說明Altman提出的計分模型的臨界值選取不符合我國航空公司的實際。對于我國上市航空公司來說，劃分財務危機、灰色地帶和安全地帶的臨界值應低于Altman提出的1.8和2.675。因此，需要對Z計分模型進行修正。
評價公司的財務狀況雖然各個公司有不同的側重點，但是航空公司因有行業特征，特別是我國航空公司正處于高速發展時期，各個航空公司也有其特性，因此本文從反映航空公司共性的財務指標入手，嘗試建立一套完整的構建我國航空公司財務危機預警的財務指標體系。Altman的Z計分模型中的變量X1與X2分別反映了公司的短期償債能力與累計獲利能力，繼續保留；變量X3中的利息支出在我國上市航空公司的財務報表中沒有充分體現，所以將變量X3剔除；在而另一方面由于我國目前的企業財務狀況與資本市值的關聯性較低，因而變量X4也剔除；變量X5反映了公司營運能力，我國評價公司營運能力的指標一般選擇資產周轉率和存貨周轉率等，所以修正模型將變量X5予以替換。結合以上情況，并綜合考慮企業的償債能力、獲利能力、發展能力和現金流量指標，本文在修正模型中加入以下指標：第一，反映長期償債能力指標：資產負債率。資產負債率是負債總額與資產總額之比。它是反映公司長期財務狀況或者說反映長期償債能力的重要指標。過高的資產負債率會使公司背上沉重的利息負擔，資本結構脆弱，會弱化長期支付能力，埋下財務危機的種子。第二，反映成長能力的指標：主營業務增長率。該指標從主營業務增長方面說明了公司抵御市場風險能力和發展潛力，屬于公司的成長能力。第三，反映現金流量的指標：經營現金負債比。該指標是公司主營業務所產生的現金流量與公司總負債的比率。反映公司主營業務的現金清償能力。目前很多上市公司籌資活動產生的現金流量遠遠大于經營活動的現金流量，但來自籌資活動的現金流量又不具備穩定性，故在很大程度上影響了公司現金流量的真實性，使用這一指標可以較好地解決這一問題，具有較好的說服力。第四，反映營運能力的指標總資產周轉率。該指標反映的是航空公司資產的利用程度、資產是否被充分利用這一指標。因為在當前油價不斷上漲的情況下，提高總資產周轉率是航空公司目前規避風險的主要手段之一。修正模型的變量見（表2）。
二、實證結果分析
（一）因子分析 本文運用spss18.0統計軟件，采用主成分分析法提取因子，并使用方差最大化旋轉法，得到相關矩陣旋轉后的特征值、特征值貢獻率和累積貢獻率如（表3）。可以看出，有3個滿足特征值大于1的主成分，第一主成分解釋能力占所有變量方差的42.614%，第二主成分解釋能力占所有變量方差的26.882%，第三主成分解釋能力占所有變量方差的17.284%。因此，可以認為前3個主成分綜合了原始指標的絕大部分信息，提取3個主成分就能對樣本做出較好解釋。為了對這3個因子進行解釋，就需要得到6個原始變量對這3個公共因子的因子載荷。由主成分分析結果可得因子載荷矩陣，因子載荷矩陣列示的是所選取的主成分與原始指標間的線性關系，各主成分是原始指標的線性組合，因子載荷反映了主成分與原變量的相關系數。為方便和簡化對因子的解釋，需將原始因子載荷矩陣進行結構調整簡化，即將因子軸進行旋轉。（表4）為方差最大化旋轉后的因子載荷矩陣。主成分可以通過相關指標進行衡量，利用旋轉后的因子載荷矩陣，三個主成分的表達式為：
F1=0.0581X1+0.905X2-0.94X3+0.074X4+0.714X5-0.001X6；
F2=-0.773X1-0.172X2+0.112X3+0.007X4-0.058X5+0.985X6；
F3=-0.101X1+0.078X2+0.115X3+0.987X4+0.178X5-0.042X6
根據三個主成分的表達式和（表3）中各個公共因子的方差貢獻率為權重構建W計分模型：
W=（F1*42.614%+F2*26.882%+F3*17.284%）/86.780% =0.58X1+0.77X2-0.13X3+0.54X4+0.7X5+0.3X6
W值表示的意義是：當把公司的相關財務比率代入W計分預警模型，如計算得出的W值大于臨界值時，表示該公司未出現財務危機；若W小于臨界值時，表示該公司發生財務危機。把樣本各變量值代入W計分模型可得到樣本W值如（表5）。
（二）分割點測試 國資委對經濟增加值（EVA）的計算公式規定如下：EVA＝NOPAT-Capital×WACC
其中：稅后凈營業利潤（NOPAT）＝凈利潤+少數股東損益+財務費用×（1-所得稅率）；調整后資本（Capital）＝平均所有者權益+平均少數股東權益+平均負債合計-平均流動負債合計+平均短期借款+平均一年內到期的長期負債-平均在建工程；平均資本成本率（WACC）：對于非工業企業當資產負債率小于80%時為5.5%，當資產負債率大于80%時為6%。由國資委規定經濟增加值的公式計算得出樣本公司各年的EVA值，如（表6）。國內關于財務危機模型基本上都是以ST及非ST公司作為研究對象，由于公司被ST（t年）與t-1年的數據公布幾乎是同時發生的，所以通常用t-2年的數據作為財務預警的數據。而本文以EVA值作為判定公司類型的標準，所以預測（t年）財務危機的發生，采用t-1年的數據進行預測。本文采用樣本公司2008年至2009年的數據對其2009年至2010年的財務狀況進行預測檢驗。本文采取兩分法測試進行財務危機臨界值的判定。在兩分法測試中，由（表5）、（表6）可得財務危機公司（EVA0）的W值平均數分別是-0.12和-0.06，-0.12和-0.06的平均數為-0.09，說明W值在-0.09周圍的公司財務狀況處于發生困境與非困境的邊緣，而越趨向于-0.06發生困境的可能性越小，越趨向于-0.12發生困境的可能性越大。所以這里在-0.12和-0.06之間選取7個分割點進行測試，分割點分別為-0.12、-0.11、-0.10、-0.09、-0.08、-0.07、-0.06。利用樣本組的數據進行W值對相應公司相應年份的經濟附加值（EVA）是否大于或小于0即是否發生財務危機做測試的正確率確定臨界值，測試結果顯示分割點為-0.06時，測試正確率最高，達到70%，所以選定財務危機臨界W值為-0.06。因此，定義某一公司的相關指標數據得到的W值若小于等于-0.06，則說明該企業在未來一年內將陷入財務危機，反之則為非財務危機企業。樣本公司2009年至2010年W值和經濟增加值（EVA）如（表7）。
（三）模型檢驗 根據（表5）、（表7）中四大航空公司2008年、2009年的W值，預測其2009、2010是否會陷入財務危機，并對模型進行檢驗，檢驗結果如（表8）。檢驗結果顯示W模型在財務危機前一年的預測準確率達到75%，預測結果比較理想。需說明的是2010年1月12日，東方航空與上海航空正式合并，合并協同效應日益顯現，盈利能力逐步提升。合并后新東航占據上海航空市場半壁江山，發揮規模優勢，減少惡性競爭，在銷售體系、運力引進、調配及航班時刻編排等方面均有融合和突破，盈利能力穩步提升。所以東方航空2009年W值預測2010年財務狀況不準確可以忽略，表示W模型在財務危機前一年的預測準確率達到87.5%，總體預測結果比較理想。
三、結論
文章首先站在股東的立場上對財務危機進行了界定，然后利用Altman的Z計分模型對我國A股市場的四家上市航空公司進行了研究，發現預測結果不理想，從而引出了對Z計分模型修正的必要性，在此基礎上提出了修正Z模型所應注意的問題，包括研究樣本的選取、研究變量的選定及統計方法的選擇等。建立了適合我國上市航空公司的財務危機預警模型；最后進行了模型檢驗，結果顯示修正模型的預測準確率比較理想。研究結論如下：對于我國上市公司財務危機預測不能直接照搬國外現有的預測模型，必須針對我國實際情況進行修訂，這樣才能保證預測的準確率；新建立的預測模型保留了Z計分模型中的兩個變量，即反映短期償債能力的指標和累計獲利能力指標，在此基礎上增加了反映長期償債能力指標、成長能力指標、營運能力指標和現金流量的指標，即資產負債率、主營業務增長率、總資產周轉率和經營現金負債比，所選用的財務比率從不同角度反映了企業的生產經營管理狀況，能更全面的反映企業財務狀況，提高預測準確率。
本文的創新點在于用經濟增加值指標區分危機公司和非危機公司，因為經濟增加值指標真實地反映出了公司是否在創造價值，并選用新的財務指標對Z計分模型進行了修正。實證研究結果顯示修正模型可以達到較高的判別精度，獲得較好的預測效果。本文的局限性主要為樣本規模較少。由于我國航空公司上市比較晚，導致用來建立模型和檢驗模型的樣本數量較少，一定程度上影響了模型的準確性。對于未來的研究，在預測變量選擇方面，通過使用經調整的預測變量、引入動態指標和必要的非財務指標來構造更為全面的變量組，設計盡可能全面反映我國上市航空公司財務狀況的預測指標，逐步建立預測企業財務危機的理論體系，做到理論實踐相結合。在研究數據使用方面，嘗試利用我國上市公司中報數據構造中報預測模型，以便提高預測的及時性，并在所做研究中融入最新數據，盡可能地應用在時限上所能獲得的全部數據進行研究，這些都將是未來研究所要努力的方向和重點。
參考文獻：
［1］吳世農、盧賢義：《 我國上市公司財務困境的預測模型研究》， 《經濟研究》 2001年第6期。
［2］常艷： 《我國上市公司財務預警模型的實證分析》， 《金融經濟》 2008年第2期。
［3］陳靜： 《上市公司財務惡化預測的實證分析》， 《會計研究》1999年第4期。
［4］高培業、張道奎： 《企業失敗判別模型實證研究》，《統計研究》 2000年第10期。
［5］陳曉、陳治鴻：《 企業財務困境研究的理論、方法及應用》， 《投資研究》 2000年第6期。
［6］章鐵生： 《企業財務危機預測模型研究綜述》，《安徽工業大學學報（社會科學版） 》 2002年第3期。
［7］程江、邢有洪：《基于新會計準則的上市公司財務危機預警分析》，《財會通訊》2011年第3期。
［8］王劍偉：《 滬深A股房地產行業上市公司的Z分數模型》，《北方經濟》2007年第2期。
篇9
【關鍵詞】煤炭行業 因子分析 財務預警 實證研究
一、引言
在經濟全球化的今天，對于能源的消耗越來越受到關注，而作為能源龍頭的煤炭行業則更是國家能源的支柱，我國是一個多煤少油的國家，對于煤炭有著很強的依賴性，這種不可替代的性質鞏固了煤炭行業的地位。我國煤炭行業一般來說具有高負債、大額固定資產投資的特點，因此對煤炭上市公司進行財務預警研究具有很大的必要性，避免其遭遇財務危機。
因子分析是一種多元統計分析處理方法，其面對的是多變量問題，因而用較少的變量代替原來較多的變量成為研究的關鍵，因子分析正是這樣一種降維、簡化數據的技術。它通過研究眾多變量之間的內部依賴關系，探求數據中的基本結構，用少數幾個“抽象”的變量來表示基本的數據結構，這幾個抽象的變量被稱作“因子”，用來反映原來眾多變量的主要信息。因子分析是其他多元統計方法的依據，與之結合，可以構建出財務預警模型。
二、文獻回顧
（一）國外對財務預警的研究
Fitz Patrick最早開展了單變量財務危機預警研究，研究發現，發生財務危機的公司的財務比率與正常公司的顯著不同，因而可以通過比較兩者的財務比率，預測財務危機的發生。Beaver選取了79家財務失敗公司與同等數量的財務正常公司進行比較，提出了單變量判定模型。由于運用不同的財務指標分析同一家公司會得出不同的結果，因此Altman首次將多元線性判別方法應用于財務危機的預測，提出了著名的Z計分模型。另外，Odom和Sharda還運用神經網絡進行財務預警研究，開創了神經網絡財務預警的先河。
（二）國內對財務預警的研究
國內對于財務危機預警的研究起步較晚，相比國外較為落后。周首華，楊濟華和王平鑒于Altman模型，對Z計分模型進行改進，建立了F分數模型。陳靜采用單變量分析和建立Z值模型分析方法，對1998年27家ST公司和27家非ST公司進行研究，構建出一個由6個財務指標組成的綜合模型。王春峰、萬海暉、張維等運用神經網絡法對商業銀行的財務風險進行了研究，發現其學習經驗的能力較強。張玲以120家上市工作作為研究樣本，從多個財務指標中篩選出4個建立財務預警模型，研究表明該模型具有提前4年的預測能力。吳世農、盧賢義選取70家財務危機公司與正常公司為樣本，分別通過Fisher線性判定、Logistic回歸以及多元線性回歸分析方法，構建了3種不同的財務預警模型。結果表明，Logistic回歸模型的預測效果最高。
三、樣本選取和數據來源
（一）樣本選取
本文樣本來自于我國三十家煤炭行業上市公司的財務數據。另外，為構建財務預警模型選取的樣本中剔除了ST公司，因為任何上市公司從財務狀況正常發展到財務危機發生都會經歷一個過程，財務危機具有先兆性，因此，通過構建財務預警模型可以預測上市公司的財務危機，進而可以通過觀察一些敏感財務指標的變化，使財務預警發揮作用，避免財務危機的發生。
（二）財務比率的選取
本文選取了反映上市公司償債能力、資產管理能力、盈利能力、現金流量水平、成長能力以及非財務方面的16個指標，這16項預警指標分別為：流動比率、速動比率、現金比率、股東權益比率、有形資產負債率、固定資產投資回報率、固定資產現金周轉率、總資產周轉率、總資產凈利率、權益凈利率、主營業務利潤率、成本費用利潤率、每股營業現金流量、主營業務現金比率、總資產增長率和凈資產增長率。
四、實證分析
（一）因子分析的前提假設
因子分析的目的是簡化數據或者找出基本的數據結構，因此使用因子分析的前提假設是觀測變量之間應該具有較強的相關關系。本文采用KMO和Bartlett檢驗，驗證因子分析的適應性。可知KMO值為0.627，根據KMO度量可知，樣本量滿足要求。Bartlett球形檢驗的顯著性水平為0.000，即原假設被拒絕，可以認為相關系數矩陣與單位矩陣有顯著差別。
（二）運用因子分析法提取公因子
首先，得出解釋的總方差。
可提取公因子的前提條件為初始特征值大于1，由分析可知前4個公因子的特征值大于1，所以應取前4個公因子。同時，這4個公因子的累積貢獻率達到79.926%，即這4個公因子可以解釋原16個變量79.926%的變異。為了對這幾個因子進行解釋，需要得到原始的財務指標對這幾個因子的因子載荷。
（三）由旋轉后的因子載荷陣命名公因子
因子旋轉的目的是為了使初始因子載荷矩陣的結構簡化，便于對公共因子進行解釋，這里的結構簡化是指使得每個變量僅在一個公共因子上具有較大的載荷，而在其余公共因子上載荷較小，使同一列上的載荷盡可能地向靠近1和靠近0的兩極分離。本文采用方差最大正交旋轉法。
由因子載荷矩陣可知，因子F1在X2速動比率、X1流動比率與X3現金比率上有較大的載荷，這些指標都與企業的償債能力有關，因此稱F1為償債因子。因子F2在X9總資產凈利率、X11主營業務利潤率、X10權益凈利率與X12成本費用利潤率上載荷，這些指標反映了企業的盈利能力，所以將F2命名為盈利因子。F3在X14上有較大的載荷，與企業的現金流量水平有關，故將其命名為現金流量水平因子。F4在X15總資產增長率、X16凈資產增長率上載荷，反映了成長能力，因此將F4命名為成長能力因子。
（四）確立因子得分表達式
在命名公因子之后，可根據SPSS軟件輸出的因子得分系數矩陣，確定每個因子的因子得分表達式。
根據因子得分系數矩陣，因子得分表達式為：
F1=0.223X1+0.227X2+0.213X3+0.107X4+0.021X5+0.178 X6+0.222X7+0.070X8+0.028X9-0.041X10-0.032X11-0.031X12
-0.005X13-0.017X14-0.034X15-0.022X16
……
上述的因子得分表達式即為我國煤炭行業上市公司的因子得分模型。因子得分是因子分析的最終體現，可以通過因子得分模型，計算出各個因子的得分數，進而在煤炭行業上市公司內排名，判斷其財務狀況，進而達到財務預警的目的。
五、結論
本研究參考了國內外學者研究財務預警的大量文獻，結合我國煤炭行業上市公司的特點，選取了30家上市公司作為研究樣本，本文運用統計軟件SPSS17.0，對因子分析在煤炭行業財務預警分析中的應用進行了實證研究。
研究結論如下：
第一，本文用因子分析方法對我國煤炭行業上市公司的財務預警狀況進行分析。在上市公司財務指標的選取方面，選擇了反映償債能力等五個方面的16個指標，這些指標之間都具有較強的相關關系，適合進行因子分析。在經過一系列因子分析之后，最終得出因子得分模型，進而可以計算出得分數，對煤炭行業上市公司進行排名，判斷其財務狀況。因此，可以看出，因子分析更多的是一種達到目的的中間手段，它往往會被作為許多模型的中間步驟，在對數據進行濃縮后繼續采用其他多元統計方法來解決實際問題。
第二，本研究所選取的樣本可靠，指標計算嚴謹，數據真實，基本上可以代表我國煤炭行業上市公司的情況。
參考文獻
[1]Fitzpairick P.J.A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms [J]. Certicified Public Account，1932，（2）：589-737.
[2]Beaver.WH. Financial. Ratios.as Predictors of Failures [J].Journal.of Accounting.Research，1996，（4）：71-127.
[3]周首華，楊濟華，王平.論財務危機的預警分析-F分數模式[J].會計研究，1996，（8）：8-10.
[4]左維.中國上市公司財務危機預警模型實證研究[D].成都：西南財經大學，2008.
篇10
關鍵詞：財務危機； 財務預警；財務風險
1 財務危機概述
財務危機又被譯為財務困境，其極端狀態是企業破產。但究竟什么是財務危機，不同的學者在進行研究時也采用了不同的標準。總體而言，財務危機的定性描述多集中在破產清算或無償付能力等方面。盡管財務危機的定性描述較為容易達成一致，但財務危機的定量界定有著更多的操作和研究意義。如何界定財務危機是進行財務危機預測研究需要考慮的首要問題。
2 預警指標體系建立的標準
總的說來，預警指標的選取應遵循以下原則科學性原則。公司財務預警指標體系的構建要按照公司財務危機相關理論設計，指標體系應能對大原因做出合理的科學描述。
全面性原則。為保證綜合評價結構客觀準確，在初步建立指標體系時應盡可能地選取可以全面反映公司財務狀況的指標。即要全面反映企業的獲利能力、償債能力、營運能力、成長能力等各方面的財務狀況，同時也應考慮指標項目之間的系統性和相互關聯性。
有效性原則。要選擇那些能夠對預測公司財務危機有指示作用的重要的財務指標，當公司危機因素產生時，該指標能夠靈敏、迅速地反映出來。
成本——效益原則。在指標體系及指標項目的設置過程中應充分考慮成本——效益原則。
重要性原則。這里的重要性原則有兩層含義，其一是指全面性與重要性相結合的原則。其二是當搜集某項指標的成本費用很大時，如果該項指標很重要，即它在指標體系中是不可或缺的，則仍應進行該項指標的搜集評價工作。
可操作性原則。這里的可操作性是指指標項目的易懂性和指標項目的有關數據收集的可行性。
3 動態財務預警系統
根據企業財務預警標準，結合我國上市公司的實際情況，提出建立動態財務預警系統的具體思路：
擬建立的財務預警系統分為四個部分：第一部分是財務信息收集傳遞機制，為財務分析提供及時準確的數據。這是整個財務預警系統建立的起點。第二部分是財務預警組織結構，主要從公司資金循環的各個方面入手，完善上市公司的內部控制制度。這部分是財務預警系統的基礎。第三部分是財務風險分析機制，根據預警方法的不同，分為定性、定量兩個方面：定性預警主要是針對能夠影響公司財務狀況的表外因素，定量預警主要是利用財務報表數據進行分析。其中，定量預警系統分籌資、投資、日常現金運用三個方面，在方法上主要采用人工神經網絡這種具有學習適應能力的方法，以達到實時預警的目的。第四部分是風險處理機制，對預測發生的和已經發生的風險采取有效的預防、控制和處理措施。財務風險分析機制和財務風險處理機制是核心和關鍵。整個體系架構由下圖所示：
4 動態預警系統的構成
4.1 實時信息系統的建設
動態預警系統要求上市公司能充分利用實時信息，運用網絡財務信息實時報告系統軟件，從桌面財務轉變為網絡財務，改變信息的傳遞方式，最敏銳、最及時、最準確地反映公司的財務狀況，使實時的信息成為整合整個公司經營過程的驅動力量，增強公司的決策、控制和預警的能力。
4.2 財務預警分析的組織結構
健全的內部控制制度是預警機制的神經中樞，是構建財務失敗預警機制的準備和基礎。為使財務預警分析的功能得到正常、充分的發揮，上市公司應當根據《內部會計控制基本規范》的有關規定，有針對性的完善企業自身的內控制度。上市公司內部控制主要包括對貨幣資金、籌資、采購、實物資產、成本費用、銷售與收款、工程項目、對外投資、擔保等業務的控制。
4.3 投資活動預警
投資風險是指投資項目不能達到預期效益，從而影響企業盈利水平和償債能力的風險。由缺乏周密系統的可行性研究、經濟信息不全面、不真實、投資決策者對投資風險的認識不足等原因導致的投資決策失誤現象普遍存在，我國上市公司在投資活動方面存在著巨大的財務風險。如下表所示： ①市場調查不充分，項目決策失誤②對內外部環境變化預計不足③缺乏有效的內部管理機制④在項目經營和管理期間，缺乏可靠性和真實性的項目運營信息，缺乏合理的監控體系和指標計算⑤資本結構不合理
4.4 日常風險監測系統
日常監測的風險主要是經營風險，是指企業在未來營業環境中的各種因素對息稅前收益影響的不確定性。建立日常風險監測系統，一方面可以關注月度的核心指標，密切注視其動態變化過程，及時發現財務危機的征兆；另一方面，當企業有警情出現時，可以從各方面指標的變化趨勢、變化幅度來幫助分析警源所在。
5 缺陷與定位
企業構建財務預警系統要注意以下兩點: 首先, 財務預警的關鍵是預警指標的選取, 它直接關系到預警的效果; 其次, 預警指標是否真實不是預警系統所能解決的問題, 企業財務預警建立在預警指標真實性的基礎上, 至于預警指標是否真實, 則不是財務預警所能解決的問題。基于權責發生制的預警指標, 因“會計戲法”的影響, 其真實性會大打折扣, 而使建立在傳統預警指標基礎上的財務預警模型, 無法真正起到預警的作用。而現金流量能提供企業真實的財務信息, 且不易縱, 所以選取現金流量作為預警指標,解決了傳統財務預警不能解決的預警指標真實性問題。因此, 現代企業應該構建現金流量財務預警系統, 即通過分析現金流量在企業活動中的數量和效益, 分別對經營現金流量財務預警、投資現金流量財務預警、籌資現金流量財務預警和現金流量綜合財務預警進行研究, 選取各自的預警指標, 并分行業設置有警與無警的臨界值, 構建適合于企業的現金流量財務預警系統, 提高預警的實用性有有效性。
參考文獻
