導(dǎo)語(yǔ)：如何才能寫好一篇財(cái)務(wù)危機(jī)預(yù)警研究，這就需要搜集整理更多的資料和文獻(xiàn)，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(cái)務(wù)危機(jī)，財(cái)務(wù)預(yù)警，綜述

國(guó)內(nèi)外學(xué)者對(duì)于財(cái)務(wù)危機(jī)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(cái)務(wù)危機(jī)的公司其財(cái)務(wù)比率顯著不同于正常公司的財(cái)務(wù)比率起，到運(yùn)用統(tǒng)計(jì)方法進(jìn)行建模。隨著計(jì)算機(jī)技術(shù)被運(yùn)用到預(yù)警模型，大大提高了預(yù)測(cè)的準(zhǔn)確度。

本文旨在對(duì)前人研究中，財(cái)務(wù)危機(jī)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(jìn)行綜述，指出存在的一些問(wèn)題，提出可能的發(fā)展趨勢(shì)及未來(lái)研究思路。

一、概念界定

Beaver（1966）將財(cái)務(wù)危機(jī)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(rèn)為財(cái)務(wù)危機(jī)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(duì)國(guó)內(nèi)主要經(jīng)管類學(xué)術(shù)刊物上有關(guān)財(cái)務(wù)危機(jī)預(yù)警的34篇文章進(jìn)行了統(tǒng)計(jì)，將財(cái)務(wù)危機(jī)界定為“以財(cái)務(wù)狀況異常被ST的公司”占35%，直接將財(cái)務(wù)危機(jī)界定為“被ST的公司”占44%，說(shuō)明將ST界定為財(cái)務(wù)危機(jī)在在研究中已被廣泛采用。

二、變量選擇

（一）財(cái)務(wù)指標(biāo)Fitzpatrick（1932）最早發(fā)現(xiàn)出現(xiàn)財(cái)務(wù)危機(jī)的公司其財(cái)務(wù)比率顯著不同于正常公司的財(cái)務(wù)比率。Altman（1968）使用常規(guī)的財(cái)務(wù)指標(biāo)，如負(fù)債比率、流動(dòng)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(biāo)體系，發(fā)現(xiàn)含現(xiàn)金流量信息的模型預(yù)測(cè)效果更好。在朱家安、陳志斌（2007）的統(tǒng)計(jì)中，國(guó)內(nèi)研究中指標(biāo)選取多為利潤(rùn)指標(biāo)，較少涉及現(xiàn)金流量指標(biāo)。

（二）股權(quán)結(jié)構(gòu)指標(biāo)La Portaetal（1999）發(fā)現(xiàn)公司的股權(quán)集中程度越高，財(cái)務(wù)狀況越容易出問(wèn)題。Shleifer & Vishny（1986）、Faccio & Lang（2002）指出，所有權(quán)集中度的提高會(huì)降低企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性。姜秀華和孫錚（2001）認(rèn)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(cái)務(wù)危機(jī)。于富生和張敏（2008）則發(fā)現(xiàn)我國(guó)上市公司股權(quán)集中程度同公司財(cái)務(wù)危機(jī)之前有顯著正相關(guān)關(guān)系。

（三）治理結(jié)構(gòu)指標(biāo)Shi jun Cheng（2008）指出，董事會(huì)規(guī)模同公司業(yè)績(jī)呈負(fù)相關(guān)；Judge & Zeithaml（1992）發(fā)現(xiàn)，高比例的內(nèi)部董事放松了對(duì)管理層的監(jiān)督，從而有可能導(dǎo)致財(cái)務(wù)危機(jī)的發(fā)生；Bhagat & Black（2002）研究發(fā)現(xiàn)，公司的獨(dú)立董事比例同公司業(yè)績(jī)無(wú)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(jī)的指標(biāo)，表明我國(guó)上市公司董事會(huì)規(guī)模同公司業(yè)績(jī)之間具有負(fù)向關(guān)系；于富生和張敏（2008）發(fā)現(xiàn)，獨(dú)立董事比例與公司財(cái)務(wù)風(fēng)險(xiǎn)之間存在顯著負(fù)相關(guān)關(guān)系。

（四）管理層特征指標(biāo)Whitaker（1999）認(rèn)為，許多公司陷入財(cái)務(wù)危機(jī)更多的是源于其薄弱的管理而非經(jīng)濟(jì)上的困難。McConnell & Servaes（1990）研究了管理層激勵(lì)對(duì)財(cái)務(wù)危機(jī)的影響，認(rèn)為經(jīng)理人員持股比例與公司表現(xiàn)呈波動(dòng)性關(guān)系。Warfield（1995）的研究認(rèn)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(huì)有較強(qiáng)的動(dòng)機(jī)避免公司陷入財(cái)務(wù)危機(jī)。陳超（2002）的研究認(rèn)為，我國(guó)上市公司高管持股比例同公司陷入財(cái)務(wù)危機(jī)的可能性負(fù)相關(guān)。

（五）其他指標(biāo)除上述提及的非財(cái)務(wù)指標(biāo)外，很多學(xué)者試圖選取其他一些獨(dú)立的非財(cái)務(wù)指標(biāo)，如公司資產(chǎn)市場(chǎng)價(jià)值指標(biāo)、股東大會(huì)股東出席率、股票換手率甚至地域指標(biāo)等。但目前學(xué)術(shù)界對(duì)這些指標(biāo)的預(yù)測(cè)效率并未取得一致性的看法，這些指標(biāo)也未獲得廣泛使用。

隨著經(jīng)濟(jì)一體化不斷加快，企業(yè)間的競(jìng)爭(zhēng)日趨激烈，人們也逐漸意識(shí)到在復(fù)雜環(huán)境下，僅靠財(cái)務(wù)指標(biāo)難以較好地對(duì)財(cái)務(wù)危機(jī)進(jìn)行預(yù)測(cè)，而加入資本市場(chǎng)可獲取導(dǎo)致危機(jī)的動(dòng)力性因素，勢(shì)必大大增加模型的復(fù)雜程度，模型的精細(xì)化又勢(shì)必導(dǎo)致適用度降低。

三、樣本選取

很多實(shí)證研究中的樣本選擇是非隨機(jī)的，導(dǎo)致模型估計(jì)出的系數(shù)和概率有偏。鄧白氏報(bào)告顯示，在美國(guó)，自1934年以來(lái)，企業(yè)倒閉頻率從來(lái)沒(méi)有超過(guò)0.75%。而在包括Beaver（1966）、Altman（1968）在內(nèi)的多項(xiàng)研究中，其樣本中財(cái)務(wù)危機(jī)企業(yè)數(shù)占總樣本的50%，是總體頻率的66.7倍。國(guó)內(nèi)大部分研究也沿用一一配對(duì)的方式。陳曉（2000）、彭大慶（2006）采用非配對(duì)樣本進(jìn)行研究，模型的判別正確率分別為78.24%、62.9%，與其他配對(duì)抽樣的研究結(jié)果相比，判別正確率偏低。由于市場(chǎng)體制的不完善，我國(guó)上市公司中盈余管理行為普遍存在。研究者應(yīng)識(shí)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(cè)準(zhǔn)確率后進(jìn)行修正，以反映真實(shí)的預(yù)測(cè)效果。

四、模型發(fā)展

財(cái)務(wù)危機(jī)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(jì)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(yùn)用，財(cái)務(wù)危機(jī)預(yù)警模型經(jīng)歷了從低級(jí)到高級(jí)的演變。但從技術(shù)上來(lái)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(jìn)。

五、總結(jié)

對(duì)于財(cái)務(wù)危機(jī)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(cè)準(zhǔn)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(xì)節(jié)上得不到扎實(shí)的理論支持，實(shí)踐中效果不理想，從而很容易受到質(zhì)疑。我國(guó)處于轉(zhuǎn)軌經(jīng)濟(jì)的特殊時(shí)期，資本市場(chǎng)的弱式有效性導(dǎo)致可獲取數(shù)據(jù)的無(wú)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(duì)資本市場(chǎng)的規(guī)律進(jìn)行研究的一大阻礙。同時(shí)，正是這種特殊的環(huán)境給了我國(guó)研究者一個(gè)對(duì)特定環(huán)境下市場(chǎng)規(guī)律進(jìn)行探究的良好契機(jī)。

參考文獻(xiàn)：

篇2

[關(guān)鍵詞] 財(cái)務(wù)危機(jī)財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系財(cái)務(wù)危機(jī)預(yù)警模型

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

一、目前企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型的局限性

1．財(cái)務(wù)危機(jī)預(yù)警模型指標(biāo)選擇上的局限性

國(guó)內(nèi)外的財(cái)務(wù)危機(jī)預(yù)警模型普遍采用的是靜態(tài)的財(cái)務(wù)指標(biāo)，在指標(biāo)的選擇上過(guò)分強(qiáng)調(diào)了流動(dòng)項(xiàng)目、盈利能力對(duì)企業(yè)財(cái)務(wù)危機(jī)的影響。而經(jīng)營(yíng)者可以通過(guò)調(diào)整會(huì)計(jì)政策、控制財(cái)務(wù)費(fèi)用等手段來(lái)調(diào)節(jié)凈利潤(rùn)的高低，粉飾報(bào)表，導(dǎo)致企業(yè)的會(huì)計(jì)信息失真，相應(yīng)的指標(biāo)也就失去了意義。

一般企業(yè)沒(méi)有對(duì)現(xiàn)金流量對(duì)財(cái)務(wù)危機(jī)的影響予以充分的重視,企業(yè)財(cái)務(wù)危機(jī)最直接的表現(xiàn)就是企業(yè)現(xiàn)金支付能力變?nèi)?，沒(méi)有足夠的現(xiàn)金支付到期的債務(wù)。按照會(huì)計(jì)分期假設(shè)和權(quán)責(zé)發(fā)生制原則確認(rèn)的賬面收入，首先表現(xiàn)為一種應(yīng)計(jì)的現(xiàn)金流入量，而非直接等同于實(shí)際的現(xiàn)金流入量。從財(cái)務(wù)上講，只有當(dāng)應(yīng)計(jì)現(xiàn)金流入量成為實(shí)際的現(xiàn)金流入量時(shí)，才表明銷售收入的真實(shí)實(shí)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(shí)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(huì)由于現(xiàn)金的匱乏而無(wú)力支付到期債務(wù)和日常經(jīng)營(yíng)的開(kāi)支，造成企業(yè)的債務(wù)風(fēng)險(xiǎn)增加。倘若企業(yè)長(zhǎng)期處于現(xiàn)金短缺的狀態(tài)，必然會(huì)陷入嚴(yán)重的財(cái)務(wù)危機(jī)困境，甚至破產(chǎn)倒閉。因而，過(guò)去和現(xiàn)在的現(xiàn)金流量可以很好的反映企業(yè)的價(jià)值和破產(chǎn)概率。

同時(shí)由于缺乏經(jīng)濟(jì)理論的指導(dǎo)，對(duì)于在眾多的財(cái)務(wù)指標(biāo)中找出最有效的財(cái)務(wù)比率作為財(cái)務(wù)危機(jī)預(yù)警模型的解釋變量，中外學(xué)者還沒(méi)有達(dá)成共識(shí)。在關(guān)于財(cái)務(wù)危機(jī)預(yù)警的研究中，先后共有近30個(gè)的財(cái)務(wù)比率在財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)中被頻繁的使用，可以看出財(cái)務(wù)指標(biāo)選擇在財(cái)務(wù)危機(jī)預(yù)警研究中一定的隨意性了。

2.財(cái)務(wù)危機(jī)預(yù)警模型應(yīng)用上的局限性

在實(shí)證研究中，由于陷入財(cái)務(wù)危機(jī)的企業(yè)相對(duì)較少，使得研究人員不得不將在不同時(shí)期陷入危機(jī)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(gè)樣本得到的預(yù)測(cè)變量，必然是對(duì)所有樣本公司都顯著的變量，它們反映了陷入危機(jī)的樣本企業(yè)最普遍的共同特征，但難以反應(yīng)個(gè)性企業(yè)的特殊情況。

目前的大多數(shù)模型是對(duì)已經(jīng)失敗或時(shí)已經(jīng)解體的企業(yè)集團(tuán)進(jìn)行實(shí)證分析，不具有普遍的危機(jī)預(yù)警意義。另外，選擇上市公司作為研究對(duì)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(gè)可以廣泛適用的財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)。由于上市公司的財(cái)務(wù)危機(jī)影響面較大，而且數(shù)據(jù)資料取得較為容易，在財(cái)務(wù)危機(jī)預(yù)警的研究中，基本上采用其樣本數(shù)據(jù)。在現(xiàn)實(shí)生活中，發(fā)生財(cái)務(wù)危機(jī)比例更大的是中小企業(yè)，但由于其財(cái)務(wù)資料取得較為困難等原因，以中小企業(yè)為樣本展開(kāi)的研究很少，財(cái)務(wù)危機(jī)預(yù)警研究的結(jié)論缺乏廣泛的適用性。

財(cái)務(wù)危機(jī)預(yù)警模型計(jì)算結(jié)果的有效性必須建立在企業(yè)的數(shù)據(jù)是真實(shí)的、正確的基礎(chǔ)上，但在我國(guó)現(xiàn)階段，市場(chǎng)經(jīng)濟(jì)尚未規(guī)范，企業(yè)經(jīng)濟(jì)活動(dòng)中存在大量的粉飾報(bào)表，會(huì)計(jì)信息失真的現(xiàn)象。企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型利用財(cái)務(wù)指標(biāo)進(jìn)行量化的分析，可以直觀的反映企業(yè)的財(cái)務(wù)狀況，但在應(yīng)用時(shí)無(wú)法對(duì)虛假的信息做出正確的財(cái)務(wù)危機(jī)預(yù)警。同時(shí)，財(cái)務(wù)危機(jī)預(yù)警無(wú)法對(duì)因特殊突發(fā)事件而造成的財(cái)務(wù)危機(jī)做出預(yù)警。

在財(cái)務(wù)危機(jī)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(fù)債”指標(biāo)只考慮了負(fù)債規(guī)模，而沒(méi)有考慮負(fù)債的結(jié)構(gòu)及流動(dòng)性，對(duì)一些由于短期償債能力不足而出現(xiàn)危機(jī)的企業(yè)存在較大的誤判性;二是“凈利潤(rùn)/總資產(chǎn)”這一指標(biāo)沒(méi)有結(jié)合資產(chǎn)的構(gòu)成要素，因?yàn)椴煌馁Y產(chǎn)項(xiàng)目在企業(yè)盈利過(guò)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(cái)務(wù)比率的預(yù)測(cè)方向與能力經(jīng)常有相當(dāng)大的差距，有時(shí)會(huì)產(chǎn)生對(duì)于同一企業(yè)使用了不同比率預(yù)測(cè)出不同結(jié)果的現(xiàn)象。單變量模型招致了許多批評(píng)，逐漸被多變量模型方法所取代。

二、財(cái)務(wù)危機(jī)預(yù)警模型指標(biāo)體系的改進(jìn)

1.財(cái)務(wù)危機(jī)預(yù)警指標(biāo)的主體財(cái)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(qiáng)的獲現(xiàn)能力和現(xiàn)金流動(dòng)能力。為了保證財(cái)務(wù)比率具有科學(xué)性和實(shí)際應(yīng)用價(jià)值，作為構(gòu)成財(cái)務(wù)指標(biāo)的主體的財(cái)務(wù)比率，本文認(rèn)為應(yīng)當(dāng)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(gè)方面的內(nèi)容。

(1)償債能力指標(biāo)

企業(yè)的財(cái)務(wù)危機(jī)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(jià)值低于總負(fù)債的賬面價(jià)值，從《企業(yè)破產(chǎn)法》規(guī)定的角度來(lái)看,企業(yè)破產(chǎn)的界限為“因經(jīng)營(yíng)管理不善造成嚴(yán)重的虧損,不能償還到期的債務(wù)”，過(guò)度舉債是形成企業(yè)財(cái)務(wù)危機(jī)的“第一殺手”，償債能力指標(biāo)是構(gòu)建財(cái)務(wù)危機(jī)系統(tǒng)指標(biāo)體系的重要因素。

(2)盈利能力指標(biāo)

不論是投資人、債權(quán)人還是企業(yè)的經(jīng)營(yíng)者都非常關(guān)心企業(yè)的盈利能力。一般說(shuō)來(lái)，企業(yè)的盈利能力只涉及到正常營(yíng)業(yè)的狀況，非正常的營(yíng)業(yè)狀況，為了客觀的評(píng)價(jià)投資人所關(guān)注的盈利能力可選擇主營(yíng)業(yè)務(wù)利潤(rùn)率、總資產(chǎn)報(bào)酬率、凈資產(chǎn)報(bào)酬率。

(3)獲現(xiàn)能力指標(biāo)

企業(yè)利潤(rùn)最終需要轉(zhuǎn)化為可以自由流動(dòng)的資金才有意義，這個(gè)比率可用來(lái)衡量企業(yè)的獲現(xiàn)能力。財(cái)務(wù)危機(jī)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(qiáng)的話，就無(wú)法應(yīng)付日常的開(kāi)支，那么企業(yè)就無(wú)法維持下去。評(píng)價(jià)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(yíng)活動(dòng)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(biāo)

發(fā)展能力是企業(yè)在生存的基礎(chǔ)上，擴(kuò)大規(guī)模，壯大實(shí)力的潛在能力，反映企業(yè)未來(lái)的市場(chǎng)擴(kuò)張、規(guī)模壯大及利潤(rùn)增長(zhǎng)的前景，是企業(yè)發(fā)展趨勢(shì)的綜合體現(xiàn)。為了反映企業(yè)未來(lái)資本擴(kuò)張的能力，可選擇銷售增長(zhǎng)率，總資產(chǎn)增長(zhǎng)率和凈利潤(rùn)增長(zhǎng)率。

(5)現(xiàn)金流量指標(biāo)

從現(xiàn)金流量角度看，財(cái)務(wù)危機(jī)另一個(gè)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(fù)數(shù)。凈利潤(rùn)會(huì)受到經(jīng)營(yíng)者的控制，這種利潤(rùn)操作行為，導(dǎo)致財(cái)務(wù)信息失真，同時(shí)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(huì)計(jì)利潤(rùn)；另一方面，企業(yè)缺少現(xiàn)金支付能力。為了克服權(quán)責(zé)發(fā)生制所帶來(lái)的人為操縱利潤(rùn)的弊端，人們?cè)诂F(xiàn)金收付制的基礎(chǔ)上，發(fā)展了現(xiàn)金流量基礎(chǔ)。財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)的重點(diǎn)應(yīng)是現(xiàn)金及其流動(dòng)，為了反映企業(yè)的現(xiàn)金流量，可選擇現(xiàn)金流動(dòng)負(fù)債比、現(xiàn)金債務(wù)總額比等指標(biāo)。

2.財(cái)務(wù)危機(jī)預(yù)警改進(jìn)指標(biāo)體系

基于對(duì)財(cái)務(wù)危機(jī)預(yù)警模型局限性，以及財(cái)務(wù)危機(jī)預(yù)警指標(biāo)特點(diǎn)的分析，本文認(rèn)為適合我國(guó)企業(yè)的財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系應(yīng)在原有的基礎(chǔ)上再?gòu)钠髽I(yè)的獲現(xiàn)能力、現(xiàn)金流的角度來(lái)選擇關(guān)鍵性的財(cái)務(wù)指標(biāo)，如表1：

表1財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系

三、財(cái)務(wù)危機(jī)預(yù)警的改進(jìn)模型

1.線性改進(jìn)模型的解釋變量

根據(jù)以上分析，本文選擇了上述六個(gè)變量來(lái)建立財(cái)務(wù)危機(jī)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(dòng)比率，x2是資產(chǎn)凈利率，x3是每股經(jīng)營(yíng)性現(xiàn)金流量，x4是凈利潤(rùn)增長(zhǎng)率，x5是現(xiàn)金流動(dòng)負(fù)債比，x6現(xiàn)金債務(wù)總額比，b1至b6為系數(shù)。

2.實(shí)際數(shù)據(jù)的計(jì)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(jì)資料:

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

進(jìn)行回歸計(jì)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(dāng)Z值越大時(shí)，公司的財(cái)務(wù)狀況良好，不會(huì)陷入財(cái)務(wù)危機(jī);當(dāng)Z值越小，公司財(cái)務(wù)狀況不好，公司可能陷入財(cái)務(wù)危機(jī)。

篇3

關(guān)鍵詞：財(cái)務(wù)危機(jī) 預(yù)警體系 財(cái)務(wù)指標(biāo)

序言

經(jīng)濟(jì)全球化時(shí)代，市場(chǎng)經(jīng)濟(jì)的飛速發(fā)展一方面促使企業(yè)全面走向市場(chǎng)，為企業(yè)發(fā)展提供了廣大的資金和產(chǎn)品銷售市場(chǎng)，另一方面市場(chǎng)中的企業(yè)，時(shí)刻面臨著各種風(fēng)險(xiǎn)，每種風(fēng)險(xiǎn)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(fēng)險(xiǎn)因素的話，勢(shì)必使企業(yè)的未來(lái)發(fā)展陷入嚴(yán)重的危機(jī)境地。然而，在企業(yè)遭遇風(fēng)險(xiǎn)之前，財(cái)務(wù)狀況會(huì)逐漸惡化產(chǎn)生企業(yè)的財(cái)務(wù)危機(jī)，隨著時(shí)間的推移，當(dāng)財(cái)務(wù)危機(jī)加劇到企業(yè)無(wú)以承受的極限時(shí)，全面危機(jī)將會(huì)隨之爆發(fā)。

企業(yè)財(cái)務(wù)危機(jī)的產(chǎn)生有著多方面的原因，不僅僅是企業(yè)外部條件會(huì)造成企業(yè)的財(cái)務(wù)危機(jī)，企業(yè)內(nèi)部由于經(jīng)營(yíng)管理不善也會(huì)促發(fā)企業(yè)的財(cái)務(wù)危機(jī)，為此就必需選擇恰當(dāng)?shù)呢?cái)務(wù)指標(biāo)，建立合理的財(cái)務(wù)危機(jī)預(yù)警體系，加強(qiáng)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)防范，為企業(yè)發(fā)展保駕護(hù)航。

一、企業(yè)財(cái)務(wù)危機(jī)的基本認(rèn)識(shí)

（一）企業(yè)財(cái)務(wù)危機(jī)含義及表現(xiàn)形式

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

財(cái)務(wù)危機(jī)從總體上說(shuō)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(dāng)于或小于賬面記錄的負(fù)債金額，即企業(yè)凈資產(chǎn)小于或等于零。當(dāng)企業(yè)凈資產(chǎn)為負(fù)值時(shí)，就是所謂的“資不抵債”，表明企業(yè)已經(jīng)事實(shí)上破產(chǎn)。

2、從可持續(xù)經(jīng)營(yíng)的角度看，企業(yè)主營(yíng)業(yè)務(wù)量持續(xù)負(fù)增長(zhǎng)，市場(chǎng)銷售黯淡，盈利能力差，存在數(shù)額巨大的未彌補(bǔ)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(yíng)性現(xiàn)金凈流量為負(fù)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(zhǎng)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(xiàng)，企業(yè)信用喪失，難以從供應(yīng)商、金融機(jī)構(gòu)或資本市場(chǎng)等相應(yīng)融資渠道籌集必需的補(bǔ)充資金，用來(lái)維持日常支出或基本的償債需求，使企業(yè)資金來(lái)源日益枯竭，從而步人惡性循環(huán)，導(dǎo)致企業(yè)發(fā)生嚴(yán)重財(cái)務(wù)危機(jī)而不得不宣告破產(chǎn)。

（二）企業(yè)財(cái)務(wù)危機(jī)的特征

從財(cái)務(wù)危機(jī)的定義可以看出它指的是企業(yè)無(wú)力支付到期債務(wù)或費(fèi)用的一種經(jīng)濟(jì)現(xiàn)象，財(cái)務(wù)危機(jī)的特征可以概括為以下幾點(diǎn)：

1、客觀積累性。財(cái)務(wù)危機(jī)的客觀積累性表現(xiàn)為期間概念，它是反映企業(yè)一定時(shí)期在資金籌集、投資、占用、耗費(fèi)、回收、分配等各個(gè)環(huán)節(jié)上所出現(xiàn)的失誤，而非會(huì)計(jì)報(bào)表某一時(shí)點(diǎn)上某一項(xiàng)目的失誤，即是各種財(cái)務(wù)活動(dòng)行為失誤的綜合。

2、突發(fā)性。財(cái)務(wù)危機(jī)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(yíng)環(huán)境、經(jīng)營(yíng)過(guò)程、財(cái)務(wù)行為方式多樣化的影響，這些活動(dòng)環(huán)節(jié)中不管哪一個(gè)環(huán)節(jié)出現(xiàn)問(wèn)題都可能引發(fā)財(cái)務(wù)危機(jī)。

4、災(zāi)難性。財(cái)務(wù)危機(jī)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(huì)給企業(yè)帶來(lái)災(zāi)難性的損失。

（三）企業(yè)財(cái)務(wù)危機(jī)形成的原因

1、企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)的存在

影響企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)的主要因素是：市場(chǎng)對(duì)企業(yè)產(chǎn)品的需求、企業(yè)產(chǎn)品的銷售價(jià)格、生產(chǎn)資料價(jià)格的穩(wěn)定性、企業(yè)對(duì)產(chǎn)品銷售價(jià)格的調(diào)整能力、單位產(chǎn)品變動(dòng)成本的變化、企業(yè)固定成本總額的高低以及經(jīng)營(yíng)管理者的業(yè)務(wù)素質(zhì)和管理經(jīng)驗(yàn)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(gè)企業(yè)籌資能力喪失(或者無(wú)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(yíng)，此時(shí)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(cái)務(wù)危機(jī)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(gè)適當(dāng)?shù)馁Y本和財(cái)務(wù)結(jié)構(gòu)下經(jīng)營(yíng)及運(yùn)作的需要，也是維持企業(yè)在較強(qiáng)的流動(dòng)性下得以生存和發(fā)展的需要。在日常經(jīng)濟(jì)生活中，有時(shí)一個(gè)盈利不錯(cuò)的企業(yè)也會(huì)走向破產(chǎn)。一個(gè)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(dòng)性的強(qiáng)弱

5、企業(yè)負(fù)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(cái)務(wù)危機(jī)預(yù)警體系解析

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

（一）企業(yè)財(cái)務(wù)危機(jī)預(yù)警體系的含義

財(cái)務(wù)預(yù)警體系就是以企業(yè)的財(cái)務(wù)報(bào)表、經(jīng)營(yíng)計(jì)劃、相關(guān)經(jīng)營(yíng)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(yíng)波動(dòng)情況和危險(xiǎn)情況預(yù)先告知企業(yè)經(jīng)營(yíng)者和其他利益相關(guān)方，并分析企業(yè)發(fā)生經(jīng)營(yíng)非正常波動(dòng)或財(cái)務(wù)危機(jī)的原因，挖掘企業(yè)財(cái)務(wù)運(yùn)營(yíng)體系中所隱藏的問(wèn)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(fēng)險(xiǎn)控制依據(jù)的組織手段和分析系統(tǒng)。

（二）企業(yè)財(cái)務(wù)危機(jī)預(yù)警體系指標(biāo)設(shè)計(jì)原則

企業(yè)在構(gòu)建企業(yè)外務(wù)危機(jī)預(yù)警體系時(shí)，首要的問(wèn)題是財(cái)務(wù)指標(biāo)的選取，所選取的指標(biāo)應(yīng)該全方位地反映企業(yè)的財(cái)務(wù)現(xiàn)狀和運(yùn)行規(guī)律，及時(shí)對(duì)企業(yè)財(cái)務(wù)運(yùn)營(yíng)中存在的風(fēng)險(xiǎn)發(fā)出警報(bào)并迅速做好防范和控制措施。一般說(shuō)來(lái)，財(cái)務(wù)指標(biāo)的設(shè)計(jì)和預(yù)警體系的構(gòu)造應(yīng)遵循以下幾個(gè)原則：

1、針對(duì)性原則。即預(yù)警指標(biāo)必須與企業(yè)的特點(diǎn)充分結(jié)合起來(lái)，使構(gòu)建的預(yù)警指標(biāo)體系對(duì)企業(yè)的財(cái)務(wù)分析和風(fēng)險(xiǎn)判斷做到真實(shí)可靠。

2、全面性原則。即預(yù)警指標(biāo)體系應(yīng)該全面、系統(tǒng)反映企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)程度，設(shè)計(jì)的指標(biāo)能夠充分考慮企業(yè)可能面臨的財(cái)務(wù)風(fēng)險(xiǎn)，做到預(yù)警指標(biāo)不重復(fù)、不遺漏。

3、動(dòng)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(lái)的發(fā)展趨勢(shì)。此外，還必須根據(jù)經(jīng)濟(jì)發(fā)展和環(huán)境變化不斷修正、補(bǔ)充指標(biāo)體系的內(nèi)容，確保預(yù)警的時(shí)效性。

4、可行性原則。即在企業(yè)的經(jīng)營(yíng)情況及財(cái)務(wù)狀況出現(xiàn)惡化或發(fā)生危機(jī)之前，能夠及時(shí)發(fā)出警報(bào)。預(yù)警的信號(hào)要明確，判斷要簡(jiǎn)單，不應(yīng)把指標(biāo)設(shè)計(jì)得于復(fù)雜，缺乏實(shí)用性。此外，還必須保證所花費(fèi)的成本低于其所能帶來(lái)的效益。

（三）企業(yè)財(cái)務(wù)危機(jī)預(yù)警程序

企業(yè)財(cái)務(wù)預(yù)警過(guò)程實(shí)質(zhì)上是一個(gè)邏輯分析過(guò)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(cái)務(wù)預(yù)警遵循的邏輯過(guò)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(guò)預(yù)警系統(tǒng)中所選擇的若干重要預(yù)警指標(biāo)的預(yù)測(cè)景氣信號(hào)來(lái)反映。

2、尋找警源。確定警源是預(yù)警過(guò)程的起點(diǎn)。警源是導(dǎo)致警情發(fā)生的根源。一般說(shuō)來(lái)，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(chǎng)環(huán)境等外生警源；另一類是可控性較強(qiáng)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(duì)警源的分析上，而應(yīng)該作進(jìn)一步的分析，即根據(jù)警兆分析來(lái)預(yù)報(bào)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(biāo)，分為景氣警兆和動(dòng)向警兆。

4、預(yù)報(bào)警度。預(yù)報(bào)警度是預(yù)警的目的。根據(jù)警兆的變化狀況，通過(guò)監(jiān)測(cè)預(yù)警系統(tǒng)中景氣信號(hào)，可確定下一個(gè)景氣信號(hào)，從而確定下一個(gè)階段的警度，即實(shí)際警情的嚴(yán)重程度。

5、處理警情。即當(dāng)警情出現(xiàn)后采取什么措施去處理，企業(yè)財(cái)務(wù)危機(jī)的警情處理十分重要，一個(gè)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(jī)，同時(shí)在處理過(guò)程中也要依據(jù)警情的大小和重要性分別對(duì)待，重要的警情必須報(bào)告高層管理人員。

（四）企業(yè)財(cái)務(wù)危機(jī)預(yù)警體系的功能

企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)的作用主要有以下四個(gè)方面：

1、監(jiān)測(cè)作用。財(cái)務(wù)危機(jī)預(yù)警活動(dòng)的第一要?jiǎng)?wù)，是確立企業(yè)重要的生產(chǎn)經(jīng)營(yíng)環(huán)節(jié)以及對(duì)企業(yè)運(yùn)行有舉足輕重作用的經(jīng)濟(jì)活動(dòng)與領(lǐng)域?yàn)楸O(jiān)測(cè)對(duì)象。

2、識(shí)別與診斷作用。通過(guò)監(jiān)測(cè)信息的分析，可確立企業(yè)經(jīng)濟(jì)活動(dòng)中己發(fā)生的危機(jī)現(xiàn)象或?qū)⒁l(fā)生的危機(jī)活動(dòng)趨勢(shì)。

3、預(yù)防和控制作用。有效的財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)不僅能及時(shí)預(yù)防現(xiàn)存的財(cái)務(wù)危機(jī)，而且能通過(guò)系統(tǒng)詳細(xì)記錄，了解危機(jī)發(fā)生的原因，并及時(shí)提出解決措施和改進(jìn)建議，更正企業(yè)營(yíng)運(yùn)中的偏差或過(guò)失，使企業(yè)回復(fù)到正常的運(yùn)轉(zhuǎn)軌道上。

4、提升企業(yè)價(jià)值。企業(yè)的價(jià)值就是以其所控制的經(jīng)濟(jì)資源，為社會(huì)創(chuàng)造最大的財(cái)富，實(shí)現(xiàn)企業(yè)價(jià)值的不斷增值。建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，其目的是要促使企業(yè)千方百計(jì)改善經(jīng)營(yíng)管理，提升經(jīng)營(yíng)策略，在激烈的市場(chǎng)競(jìng)爭(zhēng)中，避免企業(yè)財(cái)務(wù)失敗的出現(xiàn)。

轉(zhuǎn)貼于 三、企業(yè)財(cái)務(wù)危機(jī)預(yù)警體系的建構(gòu)

不可否認(rèn)企業(yè)財(cái)務(wù)危機(jī)是多方面因素造成的，但是產(chǎn)生財(cái)務(wù)危機(jī)的根本原因是財(cái)務(wù)風(fēng)險(xiǎn)處理不當(dāng)，財(cái)務(wù)風(fēng)險(xiǎn)是現(xiàn)代企業(yè)面對(duì)市場(chǎng)競(jìng)爭(zhēng)的必然產(chǎn)物，尤其是在我國(guó)市場(chǎng)經(jīng)濟(jì)發(fā)育不健全的條件下更是不可避免，因此，加強(qiáng)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管理，建立和完善財(cái)務(wù)預(yù)警體系尤其必要。

（一）建立短期財(cái)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(cái)?shù)膶?duì)象是現(xiàn)金及其流動(dòng)，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(rùn)，對(duì)于經(jīng)營(yíng)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(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~一般應(yīng)大于凈利潤(rùn)。企業(yè)現(xiàn)金流量預(yù)算的編制，是財(cái)務(wù)管理工作別重要一環(huán)，準(zhǔn)確的現(xiàn)金流量預(yù)算，可以為企業(yè)提供預(yù)警信號(hào)，使經(jīng)營(yíng)者能夠及早采取措施。為能準(zhǔn)確編制現(xiàn)金流量預(yù)算，企業(yè)應(yīng)該將各具體目標(biāo)加以匯總，并將預(yù)期未來(lái)收益、現(xiàn)金流量、財(cái)務(wù)狀況及投資計(jì)劃等，以數(shù)量化形式加以表達(dá)，建立企業(yè)全面預(yù)算，預(yù)測(cè)未來(lái)現(xiàn)金收支的狀況，以周、月、季、半年及一年為期，建立滾動(dòng)式現(xiàn)金流量預(yù)算。

（二）確立財(cái)務(wù)分析指標(biāo)體系，建立長(zhǎng)期財(cái)務(wù)預(yù)警系統(tǒng)

對(duì)企業(yè)而言，在建立短期財(cái)務(wù)預(yù)警系統(tǒng)的同時(shí)，還要建立長(zhǎng)期財(cái)務(wù)預(yù)警系統(tǒng)。其中獲利能力、償債能力、經(jīng)濟(jì)效率、發(fā)展?jié)摿χ笜?biāo)最具有代表性。獲利是企業(yè)經(jīng)營(yíng)最終目標(biāo)，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(yùn)用資產(chǎn)的獲利水平。

反映每耗費(fèi)一元所得利潤(rùn)水平越高，企業(yè)的獲利能力越強(qiáng)。

對(duì)償債能力，有流動(dòng)比率和資產(chǎn)負(fù)債率。如果流動(dòng)比率過(guò)高，會(huì)使流動(dòng)資金喪失再投資機(jī)會(huì)，一般生產(chǎn)性企業(yè)最佳為2左右，資產(chǎn)負(fù)債率一般為40—60%，在投資報(bào)酬率大于借款利率時(shí)，借款越多，利越多，同時(shí)財(cái)務(wù)風(fēng)險(xiǎn)越大。

上述資產(chǎn)獲利能力和償債能力二指標(biāo)是企業(yè)財(cái)務(wù)評(píng)價(jià)的二大部分，而經(jīng)濟(jì)效率高低又直接體現(xiàn)企業(yè)經(jīng)營(yíng)管理水平。其中：反映資產(chǎn)運(yùn)營(yíng)指標(biāo)有應(yīng)收帳款周轉(zhuǎn)率以及產(chǎn)銷平衡率。

對(duì)企業(yè)發(fā)展?jié)摿Ψ矫孢x擇銷售增長(zhǎng)率和資本保值增值率。一般采用經(jīng)改進(jìn)的功效系數(shù)法對(duì)企業(yè)進(jìn)行綜合評(píng)價(jià)，對(duì)選定的每個(gè)評(píng)價(jià)指標(biāo)規(guī)定幾個(gè)數(shù)值，一個(gè)是滿意值，一個(gè)是不允許值，設(shè)計(jì)并計(jì)算各類指標(biāo)單項(xiàng)功效系數(shù)，運(yùn)用特爾菲法等確定各個(gè)指標(biāo)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(cái)務(wù)狀況。

然而，企業(yè)為適應(yīng)未預(yù)料的需要和機(jī)會(huì)，應(yīng)該具備采取有效措施，改變現(xiàn)金流的流量與時(shí)間的能力，這就是財(cái)務(wù)彈性。主要與企業(yè)營(yíng)業(yè)活動(dòng)所產(chǎn)生的現(xiàn)金凈流量有關(guān)。反映財(cái)務(wù)彈性的指標(biāo)有：用于測(cè)定企業(yè)全部資產(chǎn)的流動(dòng)性水平的營(yíng)運(yùn)資金與總資產(chǎn)比率，到期債務(wù)本金償付率、實(shí)有凈資產(chǎn)與有形長(zhǎng)期資產(chǎn)比率、應(yīng)收賬款及存貨周轉(zhuǎn)率，其中：

實(shí)有凈資產(chǎn)與有形長(zhǎng)期資產(chǎn)比率計(jì)算如下：

從長(zhǎng)遠(yuǎn)觀點(diǎn)看，一個(gè)企業(yè)能夠遠(yuǎn)離財(cái)務(wù)危機(jī)，必須具備良好的盈利能力，企業(yè)對(duì)外籌資能力和清償債務(wù)能力才能越強(qiáng)。指標(biāo)有：

雖然，上述指標(biāo)可以預(yù)測(cè)財(cái)務(wù)危機(jī)，但從根本上講，企業(yè)發(fā)生風(fēng)險(xiǎn)是由于舉債導(dǎo)致的，一個(gè)全部用自有資本從事經(jīng)營(yíng)的企業(yè)只有經(jīng)營(yíng)風(fēng)險(xiǎn)而沒(méi)有財(cái)務(wù)風(fēng)險(xiǎn)。因此，要權(quán)衡舉債經(jīng)營(yíng)的財(cái)務(wù)風(fēng)險(xiǎn)來(lái)確定債務(wù)比率，應(yīng)將負(fù)債經(jīng)營(yíng)資產(chǎn)收益率與債務(wù)資本成本率進(jìn)行對(duì)比，只有前者大于后者，才能保證本息到期歸還，實(shí)現(xiàn)財(cái)務(wù)杠桿收益；同時(shí)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(qiáng)弱；債務(wù)資本在各項(xiàng)目之間配置合理程度。考核指標(biāo)有：長(zhǎng)期負(fù)債與營(yíng)運(yùn)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(shí)際采取適當(dāng)?shù)娘L(fēng)險(xiǎn)策略

在建立了風(fēng)險(xiǎn)預(yù)警指標(biāo)體系后，企業(yè)對(duì)風(fēng)險(xiǎn)信號(hào)監(jiān)測(cè)，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(guò)程，指定相應(yīng)切實(shí)可行的風(fēng)險(xiǎn)管理策略，降低危害程度。面臨財(cái)務(wù)風(fēng)險(xiǎn)通常采用回避風(fēng)險(xiǎn)，控制風(fēng)險(xiǎn)，接受風(fēng)險(xiǎn)和分散風(fēng)險(xiǎn)策略。其中控制風(fēng)險(xiǎn)策略可進(jìn)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(shí)際發(fā)生。后者是對(duì)可能發(fā)生的損失采取措施，盡量降低損失程度。

由于市場(chǎng)經(jīng)濟(jì)的發(fā)展，利用財(cái)務(wù)杠桿作用籌集資金進(jìn)行負(fù)債經(jīng)營(yíng)是企業(yè)發(fā)展途徑。從大量負(fù)債經(jīng)營(yíng)實(shí)例，不難得出幾點(diǎn)教訓(xùn)：企業(yè)經(jīng)營(yíng)決策失誤，盲目投資，沒(méi)有進(jìn)行事前周密的財(cái)務(wù)分析和市場(chǎng)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(guò)大，必然惡性循環(huán)。同時(shí)企業(yè)償債能力強(qiáng)弱是對(duì)負(fù)債經(jīng)營(yíng)最敏感的指標(biāo)，只從償債能力看，負(fù)債比率越低，企業(yè)償債能力越強(qiáng)，但未必合理，如企業(yè)借款利率小于利潤(rùn)率。企業(yè)應(yīng)充分利用負(fù)債經(jīng)營(yíng)的好處。不同產(chǎn)業(yè)的負(fù)債經(jīng)營(yíng)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(yǔ)

雖然企業(yè)財(cái)務(wù)危機(jī)的積累性、多樣性、突發(fā)性等特點(diǎn)，但事實(shí)證明其形成和作用過(guò)程是有規(guī)律可尋的，為此建立企業(yè)財(cái)務(wù)危機(jī)預(yù)警體系對(duì)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(cái)務(wù)指標(biāo)，建立短期、長(zhǎng)期財(cái)務(wù)預(yù)警系統(tǒng)，采取適當(dāng)?shù)娘L(fēng)險(xiǎn)策略，規(guī)避企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)對(duì)于企業(yè)發(fā)展而言有著重大的理論意義和實(shí)踐意義。

參考文獻(xiàn)

[1]吳曉梅.財(cái)務(wù)預(yù)警系統(tǒng)的功能及其建設(shè)[J].計(jì)劃與市場(chǎng)，2002，(6).

[2]龔巧莉.建立財(cái)務(wù)預(yù)警系統(tǒng)，防范企業(yè)風(fēng)險(xiǎn)[J].新疆農(nóng)墾經(jīng)濟(jì)，2002，(4).

[3]苗潤(rùn)生.企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)研究[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2003，(8).

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

[5]高天宏.財(cái)務(wù)預(yù)警系統(tǒng)在財(cái)務(wù)管理中的應(yīng)用評(píng)價(jià)[J].北力經(jīng)貿(mào)，2004，

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

篇4

[關(guān)鍵詞] 財(cái)務(wù)預(yù)警 財(cái)務(wù)指標(biāo) 預(yù)警模型

一、單變量預(yù)警模型

最早的財(cái)務(wù)危機(jī)預(yù)測(cè)研究是FitzPatrikc(1932)所做的單變量破產(chǎn)預(yù)測(cè)模型，他發(fā)現(xiàn)，出現(xiàn)財(cái)務(wù)困境的公司其財(cái)務(wù)比率和正常公司的財(cái)務(wù)比率相比有顯著的不同，從而認(rèn)為企業(yè)的財(cái)務(wù)比率能夠反應(yīng)企業(yè)財(cái)務(wù)狀況，對(duì)企業(yè)未來(lái)具有預(yù)測(cè)作用。

Beaver(1966)對(duì)美國(guó)1954年～1964年間79家失敗企業(yè)和79家成功企業(yè)的30個(gè)財(cái)務(wù)比率進(jìn)行研究的結(jié)果表明，具有良好預(yù)測(cè)性的財(cái)務(wù)比率為“現(xiàn)金流量/負(fù)債總額”、“資產(chǎn)收益率（凈收益/資產(chǎn)總額）和資產(chǎn)負(fù)債率（債務(wù)總額/資產(chǎn)總額）。Bevaer也因此開(kāi)創(chuàng)了建立財(cái)務(wù)預(yù)警模型的先河。

二、多元線性判別模型

1.Z計(jì)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(yùn)用多種財(cái)務(wù)指標(biāo)加權(quán)匯總產(chǎn)生的總判斷分值(稱為z值)來(lái)預(yù)測(cè)財(cái)務(wù)危機(jī)，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(yíng)運(yùn)資本/資產(chǎn)總額，反映公司總營(yíng)運(yùn)資本的流動(dòng)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(rùn)/資產(chǎn)總額，反映公司的收益率大小，衡量公司運(yùn)用全部資產(chǎn)獲取利潤(rùn)的能力；X4=普通股和優(yōu)先股市場(chǎng)價(jià)值總額/債務(wù)賬面價(jià)值總額，反映公司財(cái)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(dòng)比率。

該模型實(shí)際上是通過(guò)五個(gè)變量(五種財(cái)務(wù)比率)，將反映企業(yè)償債能力的指標(biāo)(X1、X4)、獲利能力指標(biāo)(X2、X3)和營(yíng)運(yùn)能力指標(biāo)(X5)有機(jī)聯(lián)系起來(lái)，綜合分析預(yù)測(cè)企業(yè)財(cái)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(fù)債，反映公司財(cái)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?jǐn)?shù)模型

我國(guó)學(xué)者周首華(1996）等提出對(duì)Z值判定模型加以改造建立起F分?jǐn)?shù)模型。許多專家證實(shí)，現(xiàn)金流量比率是預(yù)測(cè)公司破產(chǎn)的有效變量，F(xiàn)分?jǐn)?shù)模型加入現(xiàn)金流量這一預(yù)測(cè)自變量，彌補(bǔ)了Z值判定模型的不足。其表達(dá)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(jì)分模型中的X1、X2及X4反映的指標(biāo)相同，而X3、X5與Z分?jǐn)?shù)模型的X3、X5不同。X3=(稅后凈收益+折舊)/平均總負(fù)債，它是一個(gè)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(biāo)。X5=(稅后凈收益+利息+折舊)/平均總資產(chǎn)，測(cè)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(duì)于Z分?jǐn)?shù)模型，它可以更準(zhǔn)確地預(yù)測(cè)出企業(yè)是否存在財(cái)務(wù)危機(jī)。

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(duì)預(yù)測(cè)變量有著嚴(yán)格的聯(lián)合正態(tài)分布要求、且要求財(cái)務(wù)危機(jī)組與控制組之間一定要進(jìn)行配對(duì)的局限性，從而將問(wèn)題簡(jiǎn)化為已知一個(gè)公司具有某些財(cái)務(wù)特征，計(jì)算其在一段時(shí)間內(nèi)陷入財(cái)務(wù)危機(jī)的可能性有多大。美國(guó)學(xué)者Ohlson(1980)是最早在財(cái)務(wù)預(yù)警研究中應(yīng)用這種方法的人。

我國(guó)學(xué)者陳曉、陳治鴻(2000)以因財(cái)務(wù)狀況異常而被特別處理(ST)作為上市公司陷入財(cái)務(wù)危機(jī)的標(biāo)志，運(yùn)用多元邏輯回歸模型和可公開(kāi)獲得財(cái)務(wù)數(shù)據(jù)，對(duì)中國(guó)上市公司的財(cái)務(wù)危機(jī)進(jìn)行了預(yù)測(cè)，發(fā)現(xiàn)負(fù)債權(quán)益比、應(yīng)收賬款周轉(zhuǎn)率、“主營(yíng)利潤(rùn)率/總資產(chǎn)”和“預(yù)留收益/總資產(chǎn)”對(duì)上市公司財(cái)務(wù)危機(jī)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(cè)出73.68%的下一年會(huì)進(jìn)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(cè)了財(cái)務(wù)危機(jī)。他們的模型要優(yōu)于當(dāng)時(shí)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(yùn)用神經(jīng)網(wǎng)絡(luò)技術(shù)學(xué)習(xí)審計(jì)專家的結(jié)論來(lái)判別財(cái)務(wù)危機(jī)，他們選取了由審計(jì)師判定的1971年～1990年間的94家持續(xù)經(jīng)營(yíng)的公司和188家財(cái)務(wù)狀況變動(dòng)較大的公司，并采用Atlman的Z值模型中5個(gè)財(cái)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(rèn)為Z值模型對(duì)破產(chǎn)當(dāng)年具有很好的判斷效果，但不具有很好的提前預(yù)測(cè)效果，神經(jīng)網(wǎng)絡(luò)模型則解決了此問(wèn)題。

五、國(guó)內(nèi)外研究簡(jiǎn)評(píng)

在國(guó)內(nèi)外現(xiàn)有的財(cái)務(wù)預(yù)警研究中,指標(biāo)的選擇往往基于一般的財(cái)務(wù)理論、風(fēng)險(xiǎn)理論和管理理論，有時(shí)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(méi)有找到令人信服的財(cái)務(wù)風(fēng)險(xiǎn)和預(yù)警理論來(lái)支撐所建立的預(yù)警模型,由此造成了各種財(cái)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(cái)務(wù)風(fēng)險(xiǎn)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(cái)務(wù)預(yù)警的警兆,而警兆的識(shí)別需要以科學(xué)的財(cái)務(wù)風(fēng)險(xiǎn)理論和財(cái)務(wù)預(yù)警理論為基礎(chǔ)。然而,在當(dāng)前的研究中，還沒(méi)有找到一種公認(rèn)的理論來(lái)全面地說(shuō)明財(cái)務(wù)風(fēng)險(xiǎn)的成因和財(cái)務(wù)預(yù)警的警兆因素，為此，國(guó)內(nèi)外的眾多研究者還在努力探索。

參考文獻(xiàn):

篇5

【關(guān)鍵詞】財(cái)務(wù)危機(jī)；預(yù)測(cè)方法

財(cái)務(wù)困境預(yù)測(cè)方法是指借助數(shù)學(xué)和計(jì)算機(jī)技術(shù)構(gòu)建預(yù)測(cè)模型，通過(guò)對(duì)企業(yè)財(cái)務(wù)指標(biāo)的系統(tǒng)分析來(lái)預(yù)測(cè)企業(yè)出現(xiàn)財(cái)務(wù)困境的可能性。從國(guó)內(nèi)外的研究現(xiàn)狀來(lái)看，財(cái)務(wù)困境預(yù)測(cè)模型主要有兩類：傳統(tǒng)統(tǒng)計(jì)類預(yù)測(cè)模型和人工智能型預(yù)測(cè)模型。

一、傳統(tǒng)統(tǒng)計(jì)類預(yù)測(cè)模型

傳統(tǒng)統(tǒng)計(jì)類預(yù)測(cè)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(guò)單個(gè)財(cái)務(wù)指標(biāo)來(lái)預(yù)測(cè)財(cái)務(wù)風(fēng)險(xiǎn)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(gè)財(cái)務(wù)指標(biāo)的差異，發(fā)現(xiàn)具有良好預(yù)測(cè)性的財(cái)務(wù)比率依次為現(xiàn)金流量/負(fù)債總額、資產(chǎn)收益率和資產(chǎn)負(fù)債率。而且離財(cái)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(cè)準(zhǔn)確性，但它的缺點(diǎn)在于：只重視一個(gè)指標(biāo)的分析能力，如果使用多個(gè)財(cái)務(wù)指標(biāo)分別進(jìn)行判斷，單個(gè)指標(biāo)的分類結(jié)果之間可能產(chǎn)生沖突，導(dǎo)致無(wú)法做出正確的判斷。但是單變量判別模型為后來(lái)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(guó)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(cái)務(wù)數(shù)據(jù)為基礎(chǔ)，用一元判別分析模型做了實(shí)證研究，得出在宣布被ST前1年總的準(zhǔn)確率為85%。

（二）多元判別分析模型（MDA）

美國(guó)學(xué)者奧特曼（1968）最早將MDA模型應(yīng)用到財(cái)務(wù)危機(jī)預(yù)警模型中，他在1968年對(duì)美國(guó)破產(chǎn)和非破產(chǎn)企業(yè)進(jìn)行觀察，對(duì)22個(gè)財(cái)務(wù)比率經(jīng)過(guò)梳理統(tǒng)計(jì)篩選得到五個(gè)變量，建立了著名的Z分?jǐn)?shù)模型，以及在此基礎(chǔ)上改進(jìn)的”Zeta”模型。根據(jù)判別分值，以確定的臨界值對(duì)研究對(duì)象進(jìn)行信貸風(fēng)險(xiǎn)的定位。由于模型簡(jiǎn)便、成本低、效果佳，日本、德國(guó)、法國(guó)、英國(guó)等許多發(fā)達(dá)國(guó)家的金融機(jī)構(gòu)都紛紛研制了各自的判別模型。

國(guó)內(nèi)學(xué)者張玲（2000）選取了滬、深兩市涉及14個(gè)行業(yè)共計(jì)120家上市公司為樣本，選取了四個(gè)反應(yīng)償債能力、盈利能力、資本結(jié)構(gòu)和運(yùn)營(yíng)能力的財(cái)務(wù)指標(biāo)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(duì)財(cái)務(wù)指標(biāo)進(jìn)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(cái)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(shí)中較難實(shí)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(gè)財(cái)務(wù)比率的財(cái)務(wù)困境預(yù)測(cè)模型，預(yù)測(cè)精度在90%以上。

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

國(guó)內(nèi)學(xué)者張后奇在所做的《上市公司財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)：理論研究與實(shí)證分析》報(bào)告中，運(yùn)用了LR線性回歸模型。

LR模型的優(yōu)點(diǎn)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(cè)效果要好于MDA模型，缺點(diǎn)是樣本的數(shù)量不宜少于200個(gè)，否則存在參數(shù)估計(jì)的有偏性。

（四）累積求和模型（CS）

西奧達(dá)西奧與1993年提出了預(yù)測(cè)企業(yè)失敗的CS模型，該模型能探測(cè)財(cái)務(wù)狀況由好變壞的拐點(diǎn)，對(duì)財(cái)務(wù)狀況惡化敏感并具有記憶性，能區(qū)分財(cái)務(wù)指標(biāo)變化是由序列相關(guān)引起的還是由于財(cái)務(wù)情況惡化引起。

二、人工智能型預(yù)測(cè)模型

人工智能型預(yù)測(cè)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(jī)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(cái)務(wù)困境預(yù)測(cè)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(jìn)行了比較研究。

奧特曼（1994）對(duì)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(jìn)行預(yù)測(cè)，結(jié)果發(fā)現(xiàn)，MDA比ANN的預(yù)測(cè)效果還稍微好一點(diǎn)。

ANN相對(duì)于傳統(tǒng)統(tǒng)計(jì)類模型的優(yōu)勢(shì)在于它能夠同時(shí)處理定性變量和定量變量，而且無(wú)需考慮變量之間的統(tǒng)計(jì)關(guān)系。但它也存在一些問(wèn)題，如模型的拓?fù)涠x較難實(shí)現(xiàn)、模型計(jì)算量較大以及判別能力不強(qiáng)等。

（二）遺傳算法模型（GA）

遺傳算法是模仿自然界生物遺傳進(jìn)化規(guī)律在大量復(fù)雜概念空間內(nèi)的隨機(jī)搜索技術(shù)，尤其適合目標(biāo)函數(shù)的多參數(shù)優(yōu)化問(wèn)題，并運(yùn)用于證券選擇、證券組合選擇、預(yù)算分配以及信用評(píng)價(jià)等金融、財(cái)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(jì)約束的最優(yōu)線性方程，提取的線性函數(shù)與MDA相比，省時(shí)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(yùn)用一組多價(jià)值屬性變量描述多個(gè)對(duì)象的有效工具，可以用來(lái)揭示相互關(guān)聯(lián)的財(cái)務(wù)特征與企業(yè)失敗風(fēng)險(xiǎn)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(shí)，并能用自然語(yǔ)言表達(dá)成一組決策規(guī)則，每個(gè)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(wú)需統(tǒng)計(jì)約束和模糊隸屬度評(píng)能夠價(jià)，節(jié)省決策形成的成本和時(shí)間，工程透明，可以考慮決策者的知識(shí)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(shí)會(huì)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(cái)務(wù)比率為判別點(diǎn)建立二叉分類樹(shù)，以最低誤判成本為標(biāo)準(zhǔn)對(duì)樣本企業(yè)進(jìn)行分類預(yù)測(cè)。結(jié)果發(fā)現(xiàn)犯第一類錯(cuò)誤的概率高于犯第二類錯(cuò)誤的概率，MDA模型對(duì)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(cái)務(wù)指標(biāo)和定性指標(biāo)，但復(fù)雜的分類樹(shù)結(jié)構(gòu)可能引起樣本的過(guò)度適應(yīng)，預(yù)測(cè)風(fēng)險(xiǎn)高，因此分類樹(shù)結(jié)構(gòu)宜不宜繁，便于靈活運(yùn)用。

（五）支持向量機(jī)模型（SVM）

范?格斯特等將SVM應(yīng)用到財(cái)務(wù)困境預(yù)測(cè)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(cái)務(wù)困境預(yù)測(cè)模型，預(yù)測(cè)模型的判別準(zhǔn)確率高達(dá)89.91%。

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

申慶植等采用SVM建立了財(cái)務(wù)困境預(yù)測(cè)模型，他通過(guò)對(duì)韓國(guó)中型制造企業(yè)的實(shí)證研究結(jié)果表明：SVM模型的預(yù)測(cè)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(cái)務(wù)困境預(yù)測(cè)研究中，通過(guò)對(duì)美國(guó)2001-2002年間84家企業(yè)的實(shí)證分析，結(jié)果表明SVM具有很好的分類效果。

國(guó)內(nèi)學(xué)者李賀、馮天謹(jǐn)（2005）通過(guò)對(duì)我國(guó)煙酒行業(yè)50家上市企業(yè)連續(xù)3年的公開(kāi)數(shù)據(jù)的實(shí)證研究表明：SVM模型的預(yù)測(cè)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(cè)方法。即LR―SVM。該方法通過(guò)修改支持向量機(jī)的輸出而改進(jìn)其預(yù)測(cè)精度，即先對(duì)支持向量機(jī)的訓(xùn)練數(shù)據(jù)用Logit回歸進(jìn)行分析，再用支持向量機(jī)進(jìn)行預(yù)測(cè)。如果Logit回歸的結(jié)果支持SVM的結(jié)果，則不對(duì)SVM的輸出結(jié)果進(jìn)行修改，否則修改SVM的輸出結(jié)果。實(shí)證結(jié)果表明，該方法的預(yù)測(cè)精度明顯優(yōu)于一般的支持向量機(jī)。

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

綜上所述，國(guó)內(nèi)學(xué)者對(duì)傳統(tǒng)統(tǒng)計(jì)類預(yù)測(cè)模型之間、統(tǒng)計(jì)類模型與ANN之間做比較研究的較多，而對(duì)SVM與其他模型之間進(jìn)行比較研究的很少，尤其是SVM改進(jìn)算法以及核參數(shù)優(yōu)化對(duì)財(cái)務(wù)困境影響的研究就更少。

參考文獻(xiàn)

[1]陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析[J].會(huì)計(jì)研究，1999，4：31-38.

[2]張玲.財(cái)務(wù)危機(jī)預(yù)警分析判別模型[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2000，3：49-51.

篇6

一、公司治理與財(cái)務(wù)危機(jī)預(yù)警

20世紀(jì)90年代，亞洲金融危機(jī)使得公司治理問(wèn)題，尤其是內(nèi)部治理成為全球關(guān)注的焦點(diǎn)。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(duì)公司治理與財(cái)務(wù)危機(jī)關(guān)系的研究。

（一）股權(quán)結(jié)構(gòu)與財(cái)務(wù)危機(jī)預(yù)警從國(guó)外看，Shleifer等（1986）的研究顯示，公司的大股東能夠激勵(lì)和監(jiān)督管理層，使公司價(jià)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(dāng)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(cái)務(wù)狀況就越容易出現(xiàn)問(wèn)題；Tsun-Siou Lee和Yin-Hua Yeh（2002）在考察臺(tái)灣上市公司所有權(quán)集中情況時(shí)發(fā)現(xiàn)，控股股東在董事會(huì)中擁有的董事會(huì)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(gè)變量與公司在次年發(fā)生財(cái)務(wù)危機(jī)的可能性正相關(guān)。在國(guó)內(nèi)，姜秀華和孫錚（2001）的實(shí)證結(jié)果表明，股權(quán)集中度越高的公司越不容易陷入財(cái)務(wù)危機(jī)，因?yàn)楣蓹?quán)越分散股東之間相互“搭便車”的動(dòng)機(jī)就越強(qiáng)烈；趙沫（2005）的研究顯示，控股股東的國(guó)有股身份與公司陷入財(cái)務(wù)危機(jī)的可能性正相關(guān)，控股股東持股比例與公司陷入財(cái)務(wù)危機(jī)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(guó)有股比例等5個(gè)變量與企業(yè)會(huì)否出現(xiàn)財(cái)務(wù)危機(jī)有著顯著關(guān)系。

（二）董事會(huì)結(jié)構(gòu)與財(cái)務(wù)危機(jī)預(yù)警 在國(guó)外，Baysinger和Butler（1985）研究表明，董事會(huì)組成會(huì)影響財(cái)務(wù)健康的程度，績(jī)效水平處于平均績(jī)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(wú)效和在決策過(guò)程中的參與不足，對(duì)公司陷入財(cái)務(wù)危機(jī)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(cái)務(wù)危機(jī)的可能性較?。籉athi 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(cái)務(wù)危機(jī)的可能性之間存在顯著負(fù)相關(guān)關(guān)系，但董事長(zhǎng)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(huì)先于公司破產(chǎn)出現(xiàn)；Judge和Zeitham（1992）認(rèn)為，高比例的內(nèi)部董事使得董事會(huì)很少參與公司的戰(zhàn)略決策制定，導(dǎo)致管理層對(duì)公司擁有絕對(duì)的控制，進(jìn)而企業(yè)容易陷入財(cái)務(wù)危機(jī)；Elloumi和Gueyié（2001）研究發(fā)現(xiàn)，除財(cái)務(wù)變量以外，董事會(huì)的構(gòu)成與結(jié)構(gòu)也可以解釋財(cái)務(wù)危機(jī)。在國(guó)內(nèi)，陳流江（2004）首次在財(cái)務(wù)危機(jī)預(yù)警模型中加入獨(dú)立董事人數(shù)這一指標(biāo)，模型的預(yù)測(cè)準(zhǔn)確度得到相當(dāng)大的提高；陳良華和孫?。?005）通過(guò)對(duì)滬市上市公司的研究，發(fā)現(xiàn)獨(dú)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(cái)務(wù)危機(jī)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(dān)任董事監(jiān)察人、專業(yè)經(jīng)理人擔(dān)任董事席位數(shù)、董事會(huì)規(guī)模等指標(biāo)可作為投資人投資公司的參考以及財(cái)務(wù)危機(jī)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(shí)證研究表明，未引入董事會(huì)結(jié)構(gòu)變量的模型預(yù)測(cè)正確率為92.5%，而引入董事會(huì)結(jié)構(gòu)變量的模型預(yù)測(cè)正確率為94.15%，模型預(yù)警能力明顯增強(qiáng)。

（三）激勵(lì)約束機(jī)制與財(cái)務(wù)危機(jī)預(yù)警 國(guó)外的相關(guān)研究有 ：Jensen（1989）認(rèn)為，公司陷入財(cái)務(wù)危機(jī)會(huì)促使管理者提高管理效率或者激勵(lì)其更關(guān)注公司業(yè)績(jī)的增加；Warfield（1995）指出，管理者持股比例越高的公司陷入財(cái)務(wù)危機(jī)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(cái)務(wù)危機(jī)間具有負(fù)相關(guān)的關(guān)系；Wang Zhen等（2004）認(rèn)為，管理層持股比例和總經(jīng)理持股比例對(duì)公司財(cái)務(wù)危機(jī)有顯著的影響。國(guó)內(nèi)的相關(guān)研究有：張?。?004）認(rèn)為高管人員持有一定比例的公司股份能夠減少問(wèn)題和公司管理人員的尋租行為，公司不易陷入財(cái)務(wù)危機(jī)；陳燕（2006）則認(rèn)為我國(guó)高管人員的股權(quán)激勵(lì)程度普遍過(guò)低，高管人員的股權(quán)激勵(lì)并不影響公司發(fā)生財(cái)務(wù)危機(jī)的概率；王宗軍等人（2006）的研究表明，我國(guó)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(jì)意見(jiàn)與財(cái)務(wù)危機(jī)預(yù)警

對(duì)審計(jì)意見(jiàn)與財(cái)務(wù)危機(jī)預(yù)警之間的關(guān)系，多數(shù)學(xué)者認(rèn)為其具有相關(guān)性，但也有部分學(xué)者認(rèn)為這兩者之間不具有顯著的相關(guān)性。

（一）認(rèn)為審計(jì)意見(jiàn)與財(cái)務(wù)危機(jī)預(yù)警不相關(guān) 部分學(xué)者認(rèn)為審計(jì)意見(jiàn)與財(cái)務(wù)危機(jī)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(jì)意見(jiàn)在財(cái)務(wù)危機(jī)預(yù)警中不具有顯著的解釋力；Lennox（1999）的研究也認(rèn)為審計(jì)意見(jiàn)對(duì)公司破產(chǎn)不具有顯著的解釋能力。

（二）認(rèn)為審計(jì)意見(jiàn)與財(cái)務(wù)危機(jī)預(yù)警相關(guān) 多數(shù)學(xué)者的研究認(rèn)為審計(jì)意見(jiàn)與財(cái)務(wù)危機(jī)是相關(guān)的。國(guó)外的研究有：Hopwood（1989）研究表明審計(jì)意見(jiàn)對(duì)企業(yè)財(cái)務(wù)危機(jī)有顯著性影響；Kennedy和Shaw（1991）的研究也表明審計(jì)意見(jiàn)具有識(shí)別公司破產(chǎn)申請(qǐng)的能力；Wilkins（1997）的研究發(fā)現(xiàn)，審計(jì)師的意見(jiàn)可以在一定程度上反映技術(shù)上違約的企業(yè)將來(lái)是否會(huì)陷入財(cái)務(wù)危機(jī)。國(guó)內(nèi)的研究有：張鳴（2004）在財(cái)務(wù)危機(jī)預(yù)警模型中使用了審計(jì)意見(jiàn)變量，變量的引入顯著提高了模型的預(yù)測(cè)效果，但只是從單一角度引入非財(cái)務(wù)變量，沒(méi)考慮多方面變量的共同影響；鄧曉嵐等（2006）的實(shí)證研究表明審計(jì)意見(jiàn)與財(cái)務(wù)困境概率呈負(fù)相關(guān)，加入審計(jì)意見(jiàn)后，模型的正確識(shí)別率從86.7%提高到88.3%。

三、其他相關(guān)領(lǐng)域與財(cái)務(wù)危機(jī)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(jì)、金融、經(jīng)濟(jì)、社會(huì)等領(lǐng)域的各種方法相結(jié)合，用以推進(jìn)財(cái)務(wù)危機(jī)預(yù)警領(lǐng)域的研究。

（一）國(guó)外的研究 Cumming和Saini（1981）的研究表明，公司陷入財(cái)務(wù)危機(jī)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(cái)務(wù)狀況受國(guó)內(nèi)消費(fèi)水平、政府投資、生產(chǎn)力以及利率的影響，英國(guó)公司的財(cái)務(wù)狀況受出口水平的影響；Rose等（1982）在研究經(jīng)濟(jì)周期對(duì)公司財(cái)務(wù)狀況的影響后，認(rèn)為GDP、失業(yè)率、商品零售額對(duì)公司財(cái)務(wù)狀況有顯著影響；Alman（1983）認(rèn)為在經(jīng)濟(jì)衰退時(shí)期，公司更容易陷入困境，經(jīng)濟(jì)增長(zhǎng)、股價(jià)指數(shù)和貨幣供給量會(huì)對(duì)公司陷入危機(jī)產(chǎn)生顯著影響；Izan（1984）的研究發(fā)現(xiàn)產(chǎn)業(yè)相對(duì)比率在區(qū)分財(cái)務(wù)危機(jī)公司和正常公司方面具有顯著效果；Hill，Perry和Andes（1995）運(yùn)用歷史事件分析法研究陷入財(cái)務(wù)危機(jī)的企業(yè)時(shí)發(fā)現(xiàn)，除財(cái)務(wù)指標(biāo)外，失業(yè)率和銀行最優(yōu)惠貸款利率等經(jīng)濟(jì)指標(biāo)在預(yù)測(cè)財(cái)務(wù)危機(jī)方面也起著重要作用；Warren和Westhrook（2000）對(duì)1994年23個(gè)地區(qū)的3 200家公司進(jìn)行了長(zhǎng)達(dá)5年的實(shí)證研究，采用財(cái)務(wù)指標(biāo)和人口統(tǒng)計(jì)指標(biāo)驗(yàn)證針對(duì)破產(chǎn)公司的經(jīng)營(yíng)機(jī)制而提出的一系列假設(shè)；Bae（2002）以亞洲金融危機(jī)為背景，證實(shí)了宏觀經(jīng)濟(jì)狀況通過(guò)銀企關(guān)系影響公司財(cái)務(wù)困境。

（二）國(guó)內(nèi)的研究 21世紀(jì)初，國(guó)內(nèi)學(xué)者開(kāi)始關(guān)注結(jié)合非財(cái)務(wù)變量和定性因素去構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型。譚一可（2005）分析了近20年來(lái)國(guó)內(nèi)外在引進(jìn)非財(cái)務(wù)變量進(jìn)行企業(yè)破產(chǎn)預(yù)測(cè)方面的一些創(chuàng)新及其發(fā)展趨勢(shì)后，提出可將宏觀經(jīng)濟(jì)因素、行業(yè)差異、公司治理等定性因素引入財(cái)務(wù)危機(jī)預(yù)警領(lǐng)域；楊兵和柯佑鵬（2005）研究了樣本的選取對(duì)于研究結(jié)果的影響以及非財(cái)務(wù)指標(biāo)在預(yù)測(cè)財(cái)務(wù)危機(jī)中的作用后，用實(shí)證模型驗(yàn)證了非財(cái)務(wù)指標(biāo)的引入可以大幅度提高上市公司財(cái)務(wù)危機(jī)預(yù)測(cè)的準(zhǔn)確程度；萬(wàn)希寧（2005）認(rèn)為財(cái)務(wù)危機(jī)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(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)，運(yùn)用專家評(píng)分法和模糊優(yōu)先關(guān)系排序決策法進(jìn)行指標(biāo)的有效選擇，借助模糊數(shù)學(xué)構(gòu)建綜合模糊預(yù)測(cè)模型；呂峻（2005）認(rèn)為以非財(cái)務(wù)指標(biāo)構(gòu)建的財(cái)務(wù)困境預(yù)測(cè)模型的預(yù)測(cè)精度不會(huì)隨時(shí)間的向前推移而降低，非財(cái)務(wù)指標(biāo)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(cái)務(wù)困境發(fā)生的原因；龔凱頌（2005）認(rèn)為，上市公司對(duì)外擔(dān)保與財(cái)務(wù)困境具有顯著相關(guān)性，上市公司的對(duì)外擔(dān)保與財(cái)務(wù)困境正相關(guān)，關(guān)聯(lián)方擔(dān)保指標(biāo)和不良擔(dān)保指標(biāo)與財(cái)務(wù)困境的相關(guān)程度高于非關(guān)聯(lián)擔(dān)保指標(biāo)和非不良擔(dān)保指標(biāo)，反擔(dān)保指標(biāo)降低財(cái)務(wù)風(fēng)險(xiǎn)的效果不顯著；楊華（2007）的研究表明，體現(xiàn)年報(bào)披露、地域環(huán)境的非財(cái)務(wù)指標(biāo)的引入提高了模型對(duì)危機(jī)公司的預(yù)測(cè)準(zhǔn)確率，并使模型的總體預(yù)測(cè)準(zhǔn)確率提高。

四、結(jié)論

國(guó)內(nèi)外學(xué)者關(guān)于非財(cái)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(duì)審計(jì)意見(jiàn)、宏觀經(jīng)濟(jì)指標(biāo)、行業(yè)差異等非財(cái)務(wù)變量關(guān)注不夠，這也是今后研究的方向；國(guó)內(nèi)關(guān)于非財(cái)務(wù)變量的預(yù)警研究，大多數(shù)認(rèn)為非財(cái)務(wù)指標(biāo)納入預(yù)警模型可以提高模型的精度，從而肯定了非財(cái)務(wù)變量對(duì)預(yù)警模型的意義。對(duì)于定性因素的研究，鑒于其無(wú)法量化或難以量化，如何引入財(cái)務(wù)危機(jī)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(duì)于非財(cái)務(wù)變量和定性因素引入財(cái)務(wù)危機(jī)預(yù)警研究領(lǐng)域的研究，學(xué)者們的嘗試相對(duì)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(zhēng)議較多（如審計(jì)意見(jiàn)與財(cái)務(wù)危機(jī)的關(guān)系）。財(cái)務(wù)危機(jī)預(yù)警研究從依賴一個(gè)財(cái)務(wù)變量到依賴多變量財(cái)務(wù)變量，再到引入非財(cái)務(wù)變量和定性因素，朝著動(dòng)態(tài)化和精準(zhǔn)定量化的方向發(fā)展。這與西方國(guó)家發(fā)達(dá)的證券市場(chǎng)和高度的市場(chǎng)流動(dòng)性是相適應(yīng)的，其無(wú)疑是更加精確的；但對(duì)于我國(guó)轉(zhuǎn)軌時(shí)期的經(jīng)濟(jì)狀態(tài)而言，不發(fā)達(dá)的證券市場(chǎng)和特殊市場(chǎng)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(dāng)適合我國(guó)的國(guó)情和實(shí)踐。

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

參考文獻(xiàn)：

［1］姜秀華、孫錚：《治理弱化與財(cái)務(wù)危機(jī)：一個(gè)預(yù)測(cè)模型》，《南開(kāi)管理評(píng)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(cái)務(wù)危機(jī)；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(hào)：1003－4625（2007）05－0042－04中圖分類號(hào)：F830.2文獻(xiàn)標(biāo)識(shí)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(jì)金融的發(fā)展和對(duì)信用風(fēng)險(xiǎn)認(rèn)識(shí)的不斷加深，人們對(duì)企業(yè)財(cái)務(wù)危機(jī)預(yù)警的研究也越來(lái)越多。

回顧企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型的發(fā)展過(guò)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(jì)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(guò)程。技術(shù)的進(jìn)步，改變了以往單純依賴專家進(jìn)行風(fēng)險(xiǎn)判別的局限性，大大提高了財(cái)務(wù)危機(jī)判別的有效性、準(zhǔn)確性和一致性，同時(shí)也明顯降低了判別成本。

國(guó)際上，F(xiàn)itzpatrick（1930）最早認(rèn)為企業(yè)的財(cái)務(wù)比率能夠?qū)ζ髽I(yè)未來(lái)財(cái)務(wù)狀況進(jìn)行預(yù)測(cè)分析。Beaver（1966）首先運(yùn)用統(tǒng)計(jì)方法建立單變量財(cái)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(jìn)行修正，提出了ZETA模型。Ohlson（1980）首先運(yùn)用Logit回歸模型進(jìn)行企業(yè)財(cái)務(wù)預(yù)警研究。隨后，Zmijewski（1984）、Zavgren（1985）、Lav（1987）、Keasey和McGuinness（1990）也運(yùn)用Logit模型進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究，并且大大提高了模型的預(yù)測(cè)精度。

我國(guó)的財(cái)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(yùn)用多元判別對(duì)上市公司進(jìn)行了財(cái)務(wù)危機(jī)預(yù)警分析。劉（2001），齊治平、余妙志（2002），朱曦、馮田、印麗娟（2004）等，運(yùn)用Logit模型對(duì)財(cái)務(wù)危機(jī)進(jìn)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(jìn)行財(cái)務(wù)預(yù)警研究。

目前，我國(guó)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(duì)上市公司開(kāi)展的。由于上市公司的特殊性，使得研究結(jié)果的運(yùn)用受到一定的限制。同時(shí)，對(duì)于區(qū)域的企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究還不多見(jiàn)。運(yùn)用商業(yè)銀行的大量數(shù)據(jù)，進(jìn)行分行業(yè)、分地區(qū)的企業(yè)財(cái)務(wù)預(yù)警模型研究尚屬空白。進(jìn)而，對(duì)模型的財(cái)務(wù)指標(biāo)進(jìn)行深入比較分析，在公開(kāi)資料上也不多見(jiàn)。

本文將運(yùn)用多種模型技術(shù)，利用商業(yè)銀行多年的企業(yè)財(cái)務(wù)數(shù)據(jù)，研究生成了分行業(yè)、分地區(qū)的財(cái)務(wù)危機(jī)預(yù)警研究，并進(jìn)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(jì)方法。一般來(lái)講，有k個(gè)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(duì)于給定的一個(gè)樣品X=(x1，x2，…，xm)T，判別分析是判斷它屬于k個(gè)總體中哪一個(gè)的統(tǒng)計(jì)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(kāi)。

若從K個(gè)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(dāng)?shù)腶，使得不同組（類）之間的區(qū)分能力越大越好，每個(gè)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(zhǎng)函數(shù)，是1838年比利時(shí)P．F．Verhulst首次提出來(lái)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(cái)務(wù)正常和危機(jī)兩個(gè)不同的狀態(tài)，y＝1的概率p是我們研究的對(duì)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(gè)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(shí)，原響應(yīng)變量Y取值為1時(shí)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L(zhǎng)ogit變換，它有很強(qiáng)的統(tǒng)計(jì)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(duì)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(guó)心理學(xué)家Charles Spearman 在1904年提出的，其基本思想是將實(shí)測(cè)的多個(gè)指標(biāo)，用少數(shù)幾個(gè)潛在的相互獨(dú)立的主成分指標(biāo)（因子）的線性組合來(lái)表示，構(gòu)成的線性組合可反映原多個(gè)實(shí)測(cè)指標(biāo)的主要信息。它的優(yōu)點(diǎn)是可以對(duì)觀測(cè)樣本進(jìn)行分類，并根據(jù)各因子在樣本中所起的作用自動(dòng)生成（確定）各因子權(quán)重，簡(jiǎn)化實(shí)測(cè)指標(biāo)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(shí)測(cè)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(gè)主成分因子；

Ki（i＝1，2，…，m）為主成分因子的權(quán)重（即第i個(gè)因子的貢獻(xiàn)率）；

Y是公司財(cái)務(wù)危機(jī)的預(yù)測(cè)值。

需說(shuō)明的是，因子載荷aij是第Fj個(gè)實(shí)測(cè)變量在第Xi個(gè)主成分上的載荷，或者說(shuō)，第Fj個(gè)變量與第Xi個(gè)主成分的相關(guān)系數(shù)。載荷越大，說(shuō)明第Fj個(gè)實(shí)測(cè)變量與第Xi個(gè)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(duì)主成分因子，運(yùn)用Logit回歸模型，生成相關(guān)的預(yù)警模型，對(duì)企業(yè)財(cái)務(wù)危機(jī)進(jìn)行預(yù)警分析。

四、研究設(shè)計(jì)

（一）財(cái)務(wù)危機(jī)企業(yè)的界定

財(cái)務(wù)危機(jī)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(shí)際的企業(yè)客戶數(shù)據(jù)，界定了兩類財(cái)務(wù)危機(jī)企業(yè)。為突出反映財(cái)務(wù)狀況劣變快的特性，將企業(yè)信用等級(jí)下降三個(gè)及以上信用等級(jí)的企業(yè)，界定為第一類危機(jī)企業(yè)。為區(qū)分企業(yè)財(cái)務(wù)狀況優(yōu)劣，將有不良貸款、信用等級(jí)低的客戶，界定為第二類財(cái)務(wù)危機(jī)企業(yè)。與此相匹配，界定正常類客戶。

（二）樣本選擇

經(jīng)過(guò)篩選，本文選擇了17個(gè)大類行業(yè)9700多家企業(yè)、10個(gè)地區(qū)8600多家企業(yè)2004年的財(cái)務(wù)數(shù)據(jù)進(jìn)行財(cái)務(wù)預(yù)警研究。每個(gè)行業(yè)平均有285個(gè)樣本，其中平均正常企業(yè)樣本數(shù)為145個(gè)，平均危機(jī)企業(yè)樣本數(shù)為140個(gè)；每個(gè)地區(qū)平均有430個(gè)樣本，其中平均正常企業(yè)樣本數(shù)為218個(gè)，平均危機(jī)企業(yè)的樣本數(shù)為212個(gè)。

（三）變量定義

分析國(guó)內(nèi)外已有財(cái)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(cái)務(wù)效益、資金營(yíng)運(yùn)、發(fā)展能力、企業(yè)規(guī)模共五大類47個(gè)財(cái)務(wù)指標(biāo)。

初步選擇某個(gè)行業(yè)客戶的財(cái)務(wù)數(shù)據(jù)，對(duì)此進(jìn)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(biāo)（目前企業(yè)現(xiàn)金流量表的數(shù)據(jù)不易獲得，真實(shí)性相對(duì)較差），剔除了一些經(jīng)過(guò)T檢驗(yàn)后不顯著的、均值與方差對(duì)判別區(qū)分力不強(qiáng)的指標(biāo)，又剔除一些相關(guān)系數(shù)較高的指標(biāo)。最后得到24個(gè)財(cái)務(wù)指標(biāo)，作為擬建立模型的備選變量，包括資產(chǎn)負(fù)債率、全部資本化比率、速動(dòng)比率、（現(xiàn)金+短期投資+應(yīng)收票據(jù)）/資產(chǎn)總額、流動(dòng)資產(chǎn)/資產(chǎn)總額、現(xiàn)金/流動(dòng)負(fù)債、凈資產(chǎn)收益率、銷售（營(yíng)業(yè)）利潤(rùn)率、總資產(chǎn)報(bào)酬率、成本費(fèi)用利潤(rùn)率、主營(yíng)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(yíng)運(yùn)資產(chǎn)與總資產(chǎn)比率、營(yíng)運(yùn)資金/銷售收入、固定資產(chǎn)周轉(zhuǎn)率、銷售（營(yíng)業(yè)）收入增長(zhǎng)率、資本積累率、總資產(chǎn)增長(zhǎng)率、留存利潤(rùn)比、營(yíng)業(yè)利潤(rùn)增長(zhǎng)率、LOG（總資產(chǎn)）。

（四）計(jì)算方法

本文運(yùn)用SPSS軟件，通過(guò)多元判別、Logit回歸、主成分分析+Logit回歸三個(gè)統(tǒng)計(jì)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(guò)T檢驗(yàn)再篩選部分變量生成模型，三種計(jì)算方法來(lái)實(shí)現(xiàn)預(yù)警研究。同時(shí)，根據(jù)模型公式回判準(zhǔn)確率的高低來(lái)最終取舍相關(guān)模型。同時(shí)，利用上述三種方法，分別對(duì)第一類、第二類財(cái)務(wù)危機(jī)企業(yè)進(jìn)行了預(yù)警研究。

五、計(jì)算結(jié)果及分析

（一）行業(yè)的企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型

運(yùn)用以上三種方法，研究生成了17個(gè)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(cái)務(wù)危機(jī)的預(yù)警模型，其中多元線性判別模型由篩選后指標(biāo)逐步回歸得到，準(zhǔn)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(fù)債率X2：速動(dòng)比率

X3：總資產(chǎn)報(bào)酬率 X4：成本費(fèi)用利潤(rùn)率

X5：主營(yíng)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(gè)行業(yè)的財(cái)務(wù)預(yù)警模型，其回判準(zhǔn)確率統(tǒng)計(jì)如下：

表一行業(yè)的企業(yè)財(cái)務(wù)預(yù)警模型回判準(zhǔn)確率

由上表可見(jiàn)，行業(yè)的預(yù)警模型回判準(zhǔn)確率比較高，可以運(yùn)用到風(fēng)險(xiǎn)管理的實(shí)踐中去。

（二）區(qū)域的企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型

運(yùn)用以上三種方法，研究生成了10個(gè)地區(qū)的預(yù)警模型。限于篇幅，僅展示河北省第一類財(cái)務(wù)危機(jī)的預(yù)警模型。

1.Logit回歸

該模型由24個(gè)指標(biāo)逐步回歸法得到，回判準(zhǔn)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(dòng)比率

X3：銷售（營(yíng)業(yè)）利潤(rùn)率X4：總資產(chǎn)報(bào)酬率

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

2.主成分＋Logit回歸

由主成分分析，通過(guò)指標(biāo)篩選，生成了4個(gè)主成分，具體參數(shù)見(jiàn)表二：

隨后，由篩選后指標(biāo)逐步回歸得到模型，其回判準(zhǔn)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(fù)債率 X2：全部資本化比率

X3：速動(dòng)比率X4：（現(xiàn)金＋現(xiàn)金等價(jià)物）/資產(chǎn)總額

X5：凈資產(chǎn)收益率X6：總資產(chǎn)報(bào)酬率

X7：成本費(fèi)用利潤(rùn)率 X8：營(yíng)運(yùn)資產(chǎn)與總資產(chǎn)比率

X9：固定資產(chǎn)周轉(zhuǎn)率 X10：銷售（營(yíng)業(yè)）增長(zhǎng)率

X11：資本積累率X12：總資產(chǎn)增長(zhǎng)率

X13：營(yíng)業(yè)利潤(rùn)增長(zhǎng)率X14：LOG（總資產(chǎn)）

表二主成分分量參數(shù)表

由此，10個(gè)區(qū)域的財(cái)務(wù)預(yù)警模型，其回判準(zhǔn)確率統(tǒng)計(jì)如下：

表三 區(qū)域的企業(yè)財(cái)務(wù)預(yù)警模型回判準(zhǔn)確率

由上表可見(jiàn)，區(qū)域的預(yù)警模型回判準(zhǔn)確率比較高，也可以運(yùn)用到風(fēng)險(xiǎn)管理的實(shí)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(jiàn)，不同判別方法的回判準(zhǔn)確率比較接近，其中Logit模型的回判準(zhǔn)確率相對(duì)最高，多元判別和主成分+Logit模型的判別方法的回判準(zhǔn)確率沒(méi)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(jìn)行的預(yù)警。因此，各個(gè)地方（或者國(guó)家）完全可以根據(jù)各自的風(fēng)險(xiǎn)管理情況，采用不同的預(yù)警模型進(jìn)行風(fēng)險(xiǎn)管理。

行業(yè)預(yù)警模型，忽略了企業(yè)所屬區(qū)域，可以對(duì)具有行業(yè)特點(diǎn)的財(cái)務(wù)危機(jī)進(jìn)行有針對(duì)性的風(fēng)險(xiǎn)判別，同時(shí)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(zhǔn)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(lái)提高風(fēng)險(xiǎn)管理的水平。同時(shí)利用行業(yè)、區(qū)域預(yù)警模型進(jìn)行風(fēng)險(xiǎn)預(yù)警分析，可以從兩個(gè)維度相互驗(yàn)證、相互補(bǔ)充來(lái)進(jìn)行風(fēng)險(xiǎn)預(yù)警，從而進(jìn)一步提高風(fēng)險(xiǎn)判別有效度，并不斷滿足風(fēng)險(xiǎn)管理多樣性的需求。

（四）財(cái)務(wù)指標(biāo)重要性比較分析

不同行業(yè)、地區(qū)的預(yù)警模型，選用財(cái)務(wù)指標(biāo)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(fù)債特點(diǎn)的資產(chǎn)負(fù)債率等指標(biāo)。

由此認(rèn)為，人們?cè)谂袆e企業(yè)財(cái)務(wù)質(zhì)量時(shí)，有側(cè)重的選擇不同的財(cái)務(wù)指標(biāo)，是有統(tǒng)計(jì)依據(jù)的，不同財(cái)務(wù)指標(biāo)在分析企業(yè)財(cái)務(wù)狀況時(shí)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(duì)財(cái)務(wù)優(yōu)劣的判別與對(duì)財(cái)務(wù)質(zhì)量劣變速度的判別比較分析

表五第一類危機(jī)、第二類危機(jī)的預(yù)警

由上表可見(jiàn)，兩種預(yù)測(cè)的精度都不錯(cuò)，結(jié)果均可用；對(duì)財(cái)務(wù)質(zhì)量預(yù)測(cè)的準(zhǔn)確度明顯比對(duì)財(cái)務(wù)劣變預(yù)測(cè)的準(zhǔn)確度要高。說(shuō)明，財(cái)務(wù)危機(jī)波動(dòng)性的預(yù)測(cè)難度更大。

六、總結(jié)

建立具有較高回判準(zhǔn)確率的不同行業(yè)、區(qū)域的企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型說(shuō)明，我國(guó)已經(jīng)具備了利用企業(yè)財(cái)務(wù)數(shù)據(jù)進(jìn)行財(cái)務(wù)危機(jī)預(yù)警和信用風(fēng)險(xiǎn)管理的條件。同時(shí)，從一個(gè)側(cè)面證明了國(guó)外預(yù)警模型的指標(biāo)、參數(shù)是不大適合直接運(yùn)用到中國(guó)生產(chǎn)實(shí)踐中去的。

研究表明，商業(yè)銀行可以針對(duì)重點(diǎn)行業(yè)、重點(diǎn)地區(qū)，對(duì)具有不同信用風(fēng)險(xiǎn)特征的企業(yè)建立不同的財(cái)務(wù)危機(jī)預(yù)警模型，以不斷提高信用風(fēng)險(xiǎn)管理的水平。同時(shí)，針對(duì)特定的需要和對(duì)象，如大信用額度的客戶、集團(tuán)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(jìn)行差別化的信用風(fēng)險(xiǎn)管理。

在預(yù)警模型的基礎(chǔ)上建立風(fēng)險(xiǎn)預(yù)警系統(tǒng)，可以將現(xiàn)代統(tǒng)計(jì)技術(shù)運(yùn)用到風(fēng)險(xiǎn)管理的日常實(shí)踐中去，并能夠在短時(shí)間內(nèi)加快縮短我國(guó)與國(guó)外在信用風(fēng)險(xiǎn)管理方面的差距。

此外，通過(guò)采用風(fēng)險(xiǎn)預(yù)警技術(shù)，可以開(kāi)展違約誘導(dǎo)因素分析、信用等級(jí)自動(dòng)判別、風(fēng)險(xiǎn)動(dòng)態(tài)管理等多種研究，以不斷豐富信用風(fēng)險(xiǎn)管理的工具和手段。

參考文獻(xiàn)：

[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(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析[J].會(huì)計(jì)研究,1999,(4):31-35.

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

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

[8]徐國(guó)祥.上市公司經(jīng)營(yíng)業(yè)績(jī)綜合評(píng)價(jià)及實(shí)證研究[J].統(tǒng)計(jì)研究,2000,(9).

[9]吳世農(nóng),盧賢義.我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J].經(jīng)濟(jì)研究,2001,(6):46-55.

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

[11]齊治平,余妙志.Logistic模型在上市公司財(cái)務(wù)狀況評(píng)價(jià)中的運(yùn)用[J].東北財(cái)經(jīng)大學(xué)學(xué)報(bào),2002,(1):60-63.

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

[13]周思恩,丁莉.上市公司被特別處理的分級(jí)預(yù)警模型分析[J].財(cái)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(chǎng)運(yùn)行已有5年的時(shí)間。上市公司的數(shù)量飛速增加，財(cái)務(wù)指標(biāo)初具規(guī)模。但隨著創(chuàng)業(yè)板市場(chǎng)的不斷發(fā)展壯大，也出現(xiàn)了不少亟待解決的問(wèn)題。隨著的披露，創(chuàng)業(yè)板上市公司板高成長(zhǎng)的光環(huán)已然褪去，財(cái)報(bào)業(yè)績(jī)頻頻變臉。2012年4月20日，證監(jiān)會(huì)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(dá)到了其規(guī)定的暫停上市或終止上市標(biāo)準(zhǔn)，將嚴(yán)格執(zhí)行其規(guī)定標(biāo)準(zhǔn)，結(jié)果就是直接退市。因此，為了使我國(guó)創(chuàng)業(yè)板市場(chǎng)持續(xù)和諧成長(zhǎng)，并且使廣大投資者的權(quán)益不受到侵害，需要對(duì)創(chuàng)業(yè)板上市公司的財(cái)務(wù)狀況做出提前預(yù)測(cè)，更需要建立一個(gè)適合我國(guó)創(chuàng)業(yè)板上市公司的，對(duì)其財(cái)務(wù)危機(jī)狀況判別率較高的財(cái)務(wù)預(yù)警模。

二、Cox建模方法簡(jiǎn)述

生存分析方法在研究企業(yè)經(jīng)營(yíng)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(shí)間分布類型的研究樣本。這類方法能夠分析多個(gè)風(fēng)險(xiǎn)因素對(duì)生存時(shí)間的影響情況。Lane，Looney和Wansley（1986），Wheelock和Wlison（2000）以及Balcaen和Ooghe（2004）認(rèn)為研究企業(yè)經(jīng)營(yíng)失敗的最適模型為半?yún)?shù)Cox比例風(fēng)險(xiǎn)模型。所以本文選用Cox比例風(fēng)險(xiǎn)模型，下面就對(duì)Cox比例風(fēng)險(xiǎn)模型進(jìn)行詳細(xì)的介紹。

Cox模型是一種用于研究多因素對(duì)生存時(shí)間影響的半?yún)?shù)模型，它不要求樣本的生存時(shí)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(yùn)用過(guò)程的繁瑣性。Cox模型自D.R.Cox于1972年提出以來(lái)，從最初應(yīng)用于生物醫(yī)學(xué)領(lǐng)域，現(xiàn)在已擴(kuò)展到了金融、管理等領(lǐng)域。Cox比例風(fēng)險(xiǎn)模型采用的是偏似然函數(shù)對(duì)協(xié)變量進(jìn)行估計(jì)。并且每個(gè)樣本都包含三個(gè)變量time，status和Xi，其中，time表示的是樣本的生存時(shí)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(jī)事件，反之status=1表示樣本未發(fā)生危機(jī)；Xi表示的是與樣本生存時(shí)間和生存狀態(tài)有關(guān)的協(xié)變量。Cox比例風(fēng)險(xiǎn)模型的表達(dá)式為：

H（t，AX）=h0（t）F（AX）

其中，h0（t）為t時(shí)刻的基準(zhǔn)風(fēng)險(xiǎn)率；X=（x1，x2，x3，…xn）為協(xié)變量，它們可以是定量指標(biāo)，也可以是定性與等級(jí)指標(biāo)；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(dá)式為：

S（t，AX）=S0（t）F（BX）

其中，S0（t）為t時(shí)刻的基準(zhǔn)生存率；X=（x1，x2，x3，…xn）為協(xié)變量，它們可以是定量指標(biāo)，也可以是定性與等級(jí)指標(biāo)；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(cè)期，選取2009至2011年上市的創(chuàng)業(yè)板公司為估計(jì)樣本。排除財(cái)務(wù)數(shù)據(jù)缺失企業(yè)10間，觀測(cè)期前發(fā)生虧損的企業(yè)一間（當(dāng)升科技），本文估計(jì)樣本內(nèi)含財(cái)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(cái)務(wù)危機(jī)預(yù)警中，通常設(shè)公司被ST當(dāng)年為第T年。被ST發(fā)生時(shí)間通常在公司上一年財(cái)務(wù)報(bào)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(jì)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(cái)務(wù)困境企業(yè)出現(xiàn)虧損當(dāng)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(cái)務(wù)數(shù)據(jù)進(jìn)行模型估計(jì)，數(shù)據(jù)來(lái)源為國(guó)泰安數(shù)據(jù)庫(kù)。生存時(shí)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(jì)樣本容量為279。

四、指標(biāo)的選取與處理

（一）財(cái)務(wù)預(yù)警指標(biāo)的初選

財(cái)務(wù)危機(jī)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(yíng)能力、盈利能力、成長(zhǎng)能力、比率結(jié)構(gòu)五個(gè)方面選取了具有代表性的二十九個(gè)財(cái)務(wù)指標(biāo)，具體見(jiàn)表2。

（二）財(cái)務(wù)預(yù)警指標(biāo)的顯著性檢驗(yàn)

在前文初選的二十九個(gè)指標(biāo)上，首先?ρ?本數(shù)據(jù)進(jìn)行顯著性檢驗(yàn)，只有通過(guò)顯著性檢驗(yàn)的財(cái)務(wù)指標(biāo)才能進(jìn)入下一步檢驗(yàn)。本文采用Mann-Whitney U獨(dú)立樣本非參數(shù)檢驗(yàn)方法，分析兩類獨(dú)立樣本提前1年財(cái)務(wù)數(shù)據(jù)的描述性統(tǒng)計(jì)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(jià)物周轉(zhuǎn)率、固定資產(chǎn)增長(zhǎng)率、流動(dòng)資產(chǎn)比率、顯著性比率、流動(dòng)負(fù)債比率五項(xiàng)指標(biāo)無(wú)法通過(guò)顯著性檢驗(yàn)，其余25個(gè)指標(biāo)進(jìn)入下一步檢驗(yàn)。

（三）財(cái)務(wù)預(yù)警指標(biāo)的相關(guān)性檢驗(yàn)

共線性是影響Cox回歸模型精度與預(yù)測(cè)水平的主要因素。對(duì)上述通過(guò)顯著性檢驗(yàn)的25個(gè)指標(biāo)進(jìn)行皮爾遜相關(guān)性檢驗(yàn)，得到相關(guān)性矩陣（附表1）。以65%為分界點(diǎn)，剔除相關(guān)性較強(qiáng)的部分指標(biāo)，包括流動(dòng)比率、資產(chǎn)負(fù)債率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)凈利潤(rùn)率、資本保值增值率，其余18個(gè)財(cái)務(wù)指標(biāo)進(jìn)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(guò)顯著性檢驗(yàn)與相關(guān)性檢驗(yàn)的19個(gè)財(cái)務(wù)指標(biāo)進(jìn)行Cox模型回歸，選擇能防止遺漏有預(yù)測(cè)能力變量的向后：LR逐步回歸法。采取嚴(yán)進(jìn)寬出的原則，設(shè)定步進(jìn)概率為進(jìn)入：0.05與刪除：0.10?；貧w結(jié)果見(jiàn)表。

模型回歸結(jié)果顯示，經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量/負(fù)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(bào)酬率X14、營(yíng)業(yè)毛利率X18、營(yíng)業(yè)利潤(rùn)率X19、留存收益資產(chǎn)比X27八個(gè)財(cái)務(wù)指標(biāo)與公司陷入財(cái)務(wù)困境的可能性相關(guān)。將估計(jì)結(jié)果代入，可得危險(xiǎn)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(xiǎn)率模型的基準(zhǔn)死亡函數(shù)。

（二）生存函數(shù)估計(jì)

上文中，通過(guò)顯著性檢驗(yàn)與共線性檢驗(yàn)的模型在Cox回歸中，顯示出良好的回歸結(jié)果及各財(cái)務(wù)指標(biāo)的偏相關(guān)系數(shù)。然而，要想最終得到更為精確的危險(xiǎn)率模型，本文仍需對(duì)上文所得模型中的基準(zhǔn)死亡函數(shù)h0（t）進(jìn)行進(jìn)一步估計(jì)。

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

在基準(zhǔn)死亡率分布未知時(shí)，通常會(huì)假設(shè)死亡率符合某種具體分布，進(jìn)行進(jìn)一步擬合估計(jì)。在以往針對(duì)財(cái)務(wù)指標(biāo)Cox模型預(yù)警的研究中，學(xué)者一般事先假設(shè)基準(zhǔn)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(jiàn)的此三種分布，分別設(shè)定生存時(shí)間與上表累積死亡率為自變量與因變量，用曲線估計(jì)方式同時(shí)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(jiàn)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(zhǔn)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(zhǔn)死亡函數(shù)：

h0（t）=exp（-5.618297）*（t^2.127813）

將基準(zhǔn)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(cè)能力檢驗(yàn)

財(cái)務(wù)指標(biāo)預(yù)警模型中，預(yù)測(cè)能力的檢驗(yàn)頗顯重要，能在一定程度上顯示該模型實(shí)踐效果的有效性。一般而言，模型的檢驗(yàn)需同時(shí)在樣本內(nèi)和樣本外進(jìn)行。但考慮到創(chuàng)業(yè)板危機(jī)公司數(shù)目的有限性，為同時(shí)保證樣本估計(jì)與預(yù)測(cè)檢驗(yàn)的樣本容量足夠大，本文在樣本內(nèi)隨機(jī)抽取12家困境企業(yè)與12家健康企業(yè)用于預(yù)測(cè)能力檢驗(yàn)。以0.5為判定點(diǎn)，獲得模型精度檢驗(yàn)結(jié)果如表7。

由預(yù)測(cè)結(jié)果與實(shí)際情形對(duì)比，本文發(fā)現(xiàn)，由前文回歸所得模型在創(chuàng)業(yè)板財(cái)務(wù)預(yù)警效果較高。預(yù)測(cè)困境準(zhǔn)確率為91.67%，預(yù)測(cè)健康的準(zhǔn)確率為83.33%。

表7 樣本內(nèi)檢驗(yàn)結(jié)果

雖然在創(chuàng)業(yè)板歷史偏短與危機(jī)公司偏少的限制性下，本文暫時(shí)無(wú)法獲得樣本外檢驗(yàn)效果，但從樣本內(nèi)檢驗(yàn)結(jié)果看來(lái)，本文認(rèn)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(shí)，仍存在著一些缺陷，還有進(jìn)一步改進(jìn)的空間。本文的研究不足主要有以下三方面：

（一）指標(biāo)選取

本文所選取的指標(biāo)均為財(cái)務(wù)指標(biāo)，對(duì)于非財(cái)務(wù)指標(biāo)的影響不能充分體現(xiàn)。而一個(gè)上市公司的財(cái)務(wù)狀況，很多時(shí)候又會(huì)受到非財(cái)務(wù)狀況的影響，甚至這種影響會(huì)是決定性的。

（二）樣本容量

創(chuàng)業(yè)板畢竟從開(kāi)始運(yùn)行到現(xiàn)在只有短短的6年時(shí)間，時(shí)間跨度相對(duì)較小，而財(cái)務(wù)危機(jī)的發(fā)生是一個(gè)動(dòng)態(tài)的過(guò)程，這就需要利用企業(yè)發(fā)生財(cái)務(wù)危機(jī)以前年度的數(shù)據(jù)進(jìn)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(jìn)行建模。其中虧損企業(yè)33間，健康企業(yè)246間，樣本量相對(duì)較少，造成了只能進(jìn)行樣本內(nèi)檢驗(yàn)的困境，并且可能會(huì)對(duì)模型的預(yù)測(cè)效果造成一定的影響。

篇9

關(guān)鍵詞：U檢驗(yàn) 因子分析 財(cái)務(wù)危機(jī)預(yù)警

中圖分類號(hào)：F275 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1002-5812（2015）18-0042-04

一、引言

經(jīng)濟(jì)環(huán)境的復(fù)雜化和競(jìng)爭(zhēng)的白熱化，使得企業(yè)經(jīng)營(yíng)面臨巨大風(fēng)險(xiǎn)和不確定性從而導(dǎo)致財(cái)務(wù)危機(jī)。財(cái)務(wù)危機(jī)預(yù)警可預(yù)知財(cái)務(wù)危機(jī)發(fā)生的征兆，其有效性和準(zhǔn)確性的提高有助于企業(yè)及時(shí)發(fā)現(xiàn)導(dǎo)致財(cái)務(wù)狀況惡化的原因，及早應(yīng)對(duì)。準(zhǔn)確有效的預(yù)警除了對(duì)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(fēng)險(xiǎn)，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(lái)研究財(cái)務(wù)危機(jī)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(yùn)作原理無(wú)法明確等問(wèn)題，這些模型的適用性受到極大限制，鑒于此，本文選擇無(wú)假設(shè)要求且原理簡(jiǎn)單的因子分析模型對(duì)財(cái)務(wù)危機(jī)預(yù)警進(jìn)行研究。

二、文獻(xiàn)回顧

20世紀(jì)30年代，國(guó)外已開(kāi)始對(duì)財(cái)務(wù)危機(jī)預(yù)警進(jìn)行研究，取得了一定的成果并廣泛應(yīng)用于實(shí)際。而國(guó)內(nèi)學(xué)者對(duì)財(cái)務(wù)危機(jī)預(yù)警模型的研究起步較晚，始于20世紀(jì)80年代末。總體來(lái)說(shuō)，國(guó)內(nèi)外財(cái)務(wù)危機(jī)預(yù)警模型的研究進(jìn)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(jì)分析方法到基于人工智能的機(jī)器學(xué)習(xí)分析方法。

Beaver（1966）首建了單變量財(cái)務(wù)危機(jī)預(yù)警模型，使用30個(gè)財(cái)務(wù)比率進(jìn)行了對(duì)比研究，結(jié)果表明，資產(chǎn)負(fù)債率、資產(chǎn)收益率和現(xiàn)金流量/負(fù)債總額這3個(gè)財(cái)務(wù)比率預(yù)測(cè)財(cái)務(wù)危機(jī)是有效的，其中現(xiàn)金流量/總負(fù)債這一財(cái)務(wù)比率預(yù)測(cè)財(cái)務(wù)失敗效果最好。Altman（1968）首用多變量分析進(jìn)行了財(cái)務(wù)危機(jī)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(gè)財(cái)務(wù)指標(biāo)加權(quán)匯總后產(chǎn)生的總判斷分值（稱為Z值）來(lái)預(yù)測(cè)財(cái)務(wù)危機(jī)。周首華等（1996）對(duì)Altman的Z分?jǐn)?shù)模型進(jìn)行了改善，將現(xiàn)金流量指標(biāo)加入預(yù)警機(jī)制中從而建立了F分?jǐn)?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(jì)了預(yù)警模型，并比較了各種方法的預(yù)測(cè)效果。隨著數(shù)據(jù)挖掘技術(shù)的日漸成熟，開(kāi)始有學(xué)者使用神經(jīng)網(wǎng)絡(luò)研究財(cái)務(wù)危機(jī)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(cè)模式中，用人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)財(cái)務(wù)危機(jī)的新方法，他們選用Altman 選取的5個(gè)財(cái)務(wù)比率，設(shè)置5個(gè)隱藏節(jié)點(diǎn)，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(duì)公司財(cái)務(wù)危機(jī)的預(yù)測(cè)率高于基于統(tǒng)計(jì)的方法。我國(guó)學(xué)者楊淑娥、黃禮等通過(guò)改變隱含層個(gè)數(shù)等方式對(duì)模型的可靠性進(jìn)行了驗(yàn)證。

三、樣本與指標(biāo)的選取

（一）樣本確定及分組

國(guó)內(nèi)學(xué)術(shù)界和實(shí)務(wù)界對(duì)財(cái)務(wù)危機(jī)的界定各不相同，概括起來(lái)主要分為兩種：其一，認(rèn)為企業(yè)破產(chǎn)是最嚴(yán)重的財(cái)務(wù)危機(jī);其二，鑒于我國(guó)資本市場(chǎng)的特殊性，國(guó)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(cái)務(wù)危機(jī)與否的標(biāo)準(zhǔn)?？紤]可行性，本文也以是否被ST作為判斷企業(yè)財(cái)務(wù)危機(jī)的標(biāo)準(zhǔn)，選取了2011―2012年間被ST的A股上市公司作為發(fā)生財(cái)務(wù)危機(jī)的公司樣本，同時(shí)按配對(duì)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(duì)每一家ST公司進(jìn)行配對(duì)選擇非ST公司，共選定50家ST公司和與之配對(duì)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(shí)，筆者把50家被ST的公司隨機(jī)分成兩組，一組為建模樣本組，一組為檢驗(yàn)樣本組。剩下的50家非ST公司根據(jù)與其配對(duì)的ST公司的分組情況，相應(yīng)分配到檢驗(yàn)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(lái)建模，50家（25家ST公司和25家非ST公司）用來(lái)檢驗(yàn)?zāi)Ｐ皖A(yù)測(cè)的準(zhǔn)確性。

（二）預(yù)警指標(biāo)體系的確定

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

（三）財(cái)務(wù)危機(jī)預(yù)警指標(biāo)的篩選

為建立一個(gè)有效的財(cái)務(wù)預(yù)警模型，所選指標(biāo)必須能夠有效地判別財(cái)務(wù)危機(jī)企業(yè)和財(cái)務(wù)正常企業(yè)。因此，在構(gòu)建模型之前，需要對(duì)所選指標(biāo)進(jìn)行顯著性檢驗(yàn)以剔除ST公司和非ST公司之間顯著差別不高的指標(biāo)。

顯著性檢驗(yàn)即事先對(duì)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(shí)情況與原假設(shè)是否有顯著性差異。當(dāng)樣本總體符合正態(tài)分布時(shí)，一般會(huì)使用參數(shù)檢驗(yàn)的方法;當(dāng)樣本總體不符合正態(tài)分布時(shí)，一般采用非參數(shù)的檢驗(yàn)方法。在本文中，由于總體分布未知，故首先要對(duì)樣本數(shù)據(jù)進(jìn)行正態(tài)性檢驗(yàn)。

1.樣本數(shù)據(jù)的正態(tài)性檢驗(yàn)――單樣本K-S檢驗(yàn)。通過(guò)SPSS 19.0對(duì)前面所選取的23個(gè)財(cái)務(wù)比率指標(biāo)進(jìn)行顯著性水平為5%的K-S檢驗(yàn)，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(dāng)漸進(jìn)顯著性P值>0.05 時(shí)，該指標(biāo)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(biāo)變量整體來(lái)說(shuō)并不符合正態(tài)分布。

2.樣本數(shù)據(jù)的顯著性檢驗(yàn)――初次篩選。對(duì)樣本數(shù)據(jù)進(jìn)行顯著性檢驗(yàn)時(shí)，T檢驗(yàn)和U檢驗(yàn)均可用。實(shí)用時(shí)，只要檢驗(yàn)樣本含量較大（n>30）或檢驗(yàn)樣本含量較小（n<30）但總體標(biāo)準(zhǔn)差σ已知時(shí)，即可應(yīng)用u檢驗(yàn);當(dāng)檢驗(yàn)樣本含量較?。╪<30），總體標(biāo)準(zhǔn)差σ未知時(shí)可應(yīng)用T檢驗(yàn)，但要求樣本數(shù)據(jù)呈正態(tài)分布。由于所選取的指標(biāo)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(yàn)來(lái)檢驗(yàn)指標(biāo)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(jì)分析軟件中的兩個(gè)獨(dú)立樣本顯著性檢驗(yàn)，對(duì)被宣布特別處理前1年、2年、3年的數(shù)據(jù)進(jìn)行U檢驗(yàn)，結(jié)果如上頁(yè)表3所示。

據(jù)表3可得T-1年至T-3年指標(biāo)變量顯著性檢驗(yàn)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(biāo)（X22）和審計(jì)意見(jiàn)類型（X23）這6個(gè)財(cái)務(wù)指標(biāo)在0.05水平上沒(méi)有通過(guò)顯著性檢驗(yàn)，說(shuō)明該6個(gè)指標(biāo)無(wú)法有效區(qū)分企業(yè)是財(cái)務(wù)失敗還是財(cái)務(wù)正常，故剔除這6個(gè)指標(biāo)。

3.因子分析――再次篩選。考慮中國(guó)證監(jiān)會(huì)界定上市公司財(cái)務(wù)狀況異常的標(biāo)準(zhǔn)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(gè)樣本，結(jié)合前文中通過(guò)顯著性檢驗(yàn)篩選出的17個(gè)指標(biāo)進(jìn)行因子分析，利用因子分析對(duì)這17個(gè)指標(biāo)再次精簡(jiǎn)，去除重復(fù)信息。

（1）KMO檢驗(yàn)。通常在因子分析之前，需要對(duì)原有變量之間是否存在相關(guān)關(guān)系進(jìn)行研究。本文采用KMO和巴特利特檢驗(yàn)對(duì)變量進(jìn)行相關(guān)性檢驗(yàn)。表4的檢驗(yàn)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(yàn)的相伴概率為0.000，遠(yuǎn)小于顯著性水平0.05，因此可以認(rèn)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(jì)方法中，可據(jù)因子載荷矩陣得出所選公因子的個(gè)數(shù)。為確定選取的公因子個(gè)數(shù)，需要計(jì)算各因子的特征值和累計(jì)貢獻(xiàn)率。本文選取公因子時(shí)要求因子的特征值大于1。表5顯示，選取5個(gè)公因子時(shí)，每個(gè)公因子的特征值都大于1，且累計(jì)貢獻(xiàn)率達(dá)到76.74%，即這5個(gè)主成分因子包含了原來(lái)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(duì)這5個(gè)因子進(jìn)行解釋，本文使用了正交旋轉(zhuǎn)法中最大方差法進(jìn)行轉(zhuǎn)換得到因子載荷矩陣表6。表6顯示：因子Z1中，財(cái)務(wù)比率X10 、X12的因子載荷量都大于90%，而這2個(gè)財(cái)務(wù)比率是反映企業(yè)盈利能力的指標(biāo)，故將Z1命名為盈利能力因子;因子Z2中，財(cái)務(wù)比率X14、X18的因子載荷量遠(yuǎn)大于其他財(cái)務(wù)比率的因子載荷量，而X14、X18是反映企業(yè)成長(zhǎng)能力的指標(biāo)，故將Z2命名為成長(zhǎng)能力因子;因子Z3中，財(cái)務(wù)比率X2、X3的因子載荷量都大于90%，遠(yuǎn)大于其他財(cái)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(biāo)，故將Z3命名為償債能力因子;在因子Z4中，財(cái)務(wù)比率X19、X21的因子載荷量遠(yuǎn)大于其他財(cái)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(biāo)，故將Z4命名為現(xiàn)金能力因子;在因子Z5中，財(cái)務(wù)比率X7、X17的因子載荷量大于其他財(cái)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(zhǎng)能力的指標(biāo)，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(cái)務(wù)危機(jī)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(cái)務(wù)危機(jī)預(yù)測(cè)值的確定及預(yù)警模型的檢驗(yàn)

（一）財(cái)務(wù)危機(jī)預(yù)測(cè)值的確定

將建模組共50個(gè)樣本的數(shù)據(jù)帶入公式一中，得到各企業(yè)綜合財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)值F，根據(jù)F值的高低排列企業(yè)，結(jié)果見(jiàn)表8。

根據(jù)表8中各預(yù)測(cè)值F和確保最小錯(cuò)誤率的原則，選定ST企業(yè)和非ST的最佳分割點(diǎn)，本文中稱該分割點(diǎn)為風(fēng)險(xiǎn)臨界值PS。通過(guò)分析可看出，這個(gè)分割點(diǎn)在-0.08和0.02之間時(shí)，誤判率最小，故本文選擇這兩個(gè)數(shù)值的平均數(shù)作為風(fēng)險(xiǎn)臨界值，即PS為-0.03。

據(jù)前文，距被宣布特別處理前兩年財(cái)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(yàn)

為檢驗(yàn)PS臨界值-0.03在預(yù)測(cè)財(cái)務(wù)危機(jī)方面的準(zhǔn)確性，本文把距被宣布特別處理前兩年（即T-2年）的檢驗(yàn)組樣本數(shù)據(jù)（共50個(gè)樣本）帶入因子分析模型，即公式一中，得到檢驗(yàn)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(jiàn)表9。

根據(jù)建模樣本組確定的風(fēng)險(xiǎn)臨界值PS=-0.03，被宣布特別處理前兩年的檢測(cè)組公司樣本數(shù)據(jù)F值計(jì)算結(jié)果表明：50家企業(yè)里有45家預(yù)測(cè)正確，預(yù)測(cè)錯(cuò)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(cè)正確率達(dá)90%。因此，公司被宣布特別處理前兩年，該財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型具有較好的預(yù)測(cè)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(duì)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(yàn)嚴(yán)格篩選出17個(gè)財(cái)務(wù)指標(biāo)作為指標(biāo)變量，對(duì)上市公司前兩年的數(shù)據(jù)運(yùn)用因子分析對(duì)指標(biāo)體系進(jìn)行再次篩選，構(gòu)建了財(cái)務(wù)危機(jī)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(cè)的正確率高達(dá)90%，達(dá)到了較好的預(yù)測(cè)效果。J

參考文獻(xiàn)：

篇10

【關(guān)鍵詞】 制造業(yè)；財(cái)務(wù)危機(jī)；預(yù)警系統(tǒng)

一、引言

隨著市場(chǎng)經(jīng)濟(jì)體制改革的不斷深化，我國(guó)的企業(yè)在面臨著無(wú)數(shù)機(jī)遇的同時(shí)，也面臨著前所未有的風(fēng)險(xiǎn)，眾多企業(yè)因?yàn)樨?cái)務(wù)風(fēng)險(xiǎn)陷入困境，甚至宣告破產(chǎn)。然而，任何的危機(jī)都是一個(gè)逐漸惡化的過(guò)程，如果能及時(shí)發(fā)現(xiàn)企業(yè)在財(cái)務(wù)管理中存在的問(wèn)題，就可以預(yù)測(cè)財(cái)務(wù)風(fēng)險(xiǎn)，使管理層能夠采取有效措施預(yù)防失敗。

目前我國(guó)尚處于社會(huì)主義的初級(jí)階段，工業(yè)尤其是制造業(yè)仍是我國(guó)經(jīng)濟(jì)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(guó)防的水平，制造業(yè)的健康發(fā)展關(guān)系到整個(gè)社會(huì)經(jīng)濟(jì)體系的健康發(fā)展。因此，及時(shí)預(yù)測(cè)制造業(yè)面臨的財(cái)務(wù)風(fēng)險(xiǎn)，建立適當(dāng)?shù)闹圃鞓I(yè)公司財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)至關(guān)重要。

二、研究思路

本文以2005－2007年我國(guó)制造業(yè)上市公司的財(cái)務(wù)報(bào)表為研究對(duì)象，以上市公司因財(cái)務(wù)異常而被特殊處理（ST）做為企業(yè)陷入財(cái)務(wù)危機(jī)的標(biāo)志，選取樣本組和預(yù)測(cè)組，根據(jù)大量文獻(xiàn)證明有效的財(cái)務(wù)指標(biāo)，構(gòu)建相應(yīng)的財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)。通過(guò)銳思數(shù)據(jù)庫(kù)導(dǎo)出公司資產(chǎn)負(fù)債表、利潤(rùn)表、現(xiàn)金流量表，通過(guò)公式計(jì)算財(cái)務(wù)預(yù)警系統(tǒng)中各指標(biāo)的值，運(yùn)用SPSS軟件得到建立模型所用的敏感性指標(biāo)，采用定量分析法的Logistic回歸分析得到預(yù)警系統(tǒng)，并通過(guò)預(yù)測(cè)組對(duì)結(jié)果進(jìn)行分析得出相關(guān)結(jié)論。

三、指標(biāo)系統(tǒng)構(gòu)建

現(xiàn)代財(cái)務(wù)管理理論認(rèn)為，企業(yè)的財(cái)務(wù)狀況主要取決于企業(yè)的償債能力、盈利能力、營(yíng)運(yùn)能力和成長(zhǎng)能力，在世界上財(cái)務(wù)體系的研究和實(shí)踐中運(yùn)用的財(cái)務(wù)指標(biāo)也分別反映了上述內(nèi)容。而由于目前越來(lái)越多的企業(yè)開(kāi)始關(guān)注自身的現(xiàn)金流量狀況，實(shí)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(jìn)行正常的生產(chǎn)經(jīng)營(yíng)活動(dòng)、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(cái)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(biāo)數(shù)據(jù)取得的難易程度，通過(guò)以下指標(biāo)建立了一套與財(cái)務(wù)預(yù)警相關(guān)的指標(biāo)體系，并從償債能力、盈利能力、營(yíng)運(yùn)能力、成長(zhǎng)能力和現(xiàn)金流量狀況對(duì)財(cái)務(wù)危機(jī)預(yù)警進(jìn)行分析，見(jiàn)表1 財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系。

四、樣本選取

本文從我國(guó)證券市場(chǎng)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(guó)外的經(jīng)驗(yàn)并結(jié)合我國(guó)的實(shí)際情況制定取樣原則如下：

一是同門類。根據(jù)中國(guó)證監(jiān)會(huì)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(duì)象。

二是同時(shí)期。為了保證研究對(duì)象所處的宏觀經(jīng)濟(jì)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(shí)間范圍，ST公司和與其相配對(duì)的非ST公司的財(cái)務(wù)數(shù)據(jù)均以ST公司被“特別處理”的時(shí)間為限，從而使財(cái)務(wù)指標(biāo)在時(shí)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(jì)組，另取非ST公司和ST公司各15企業(yè)作預(yù)測(cè)組，根據(jù)對(duì)估計(jì)組進(jìn)行研究分析得到的結(jié)論對(duì)預(yù)測(cè)組進(jìn)行預(yù)測(cè)，從而驗(yàn)證研究結(jié)果。

五、實(shí)證結(jié)果及分析

（一）變量的顯著性檢驗(yàn)

下面利用選取的兩組共60家上市公司的財(cái)務(wù)數(shù)據(jù)，使用SPSS軟件中的顯著性檢驗(yàn)功能對(duì)相關(guān)財(cái)務(wù)指標(biāo)進(jìn)行變量的顯著性檢驗(yàn)，比較ST公司和非ST公司在這16個(gè)財(cái)務(wù)指標(biāo)的平均值上是否具有顯著性差異，從而對(duì)財(cái)務(wù)指標(biāo)進(jìn)行初步的篩選。

從ST公司和非ST公司備選財(cái)務(wù)指標(biāo)T檢驗(yàn)結(jié)果表（表略）中我們可以得到備選財(cái)務(wù)指標(biāo)的顯著性檢驗(yàn)結(jié)果， ST公司和非ST公司在現(xiàn)金營(yíng)運(yùn)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(yíng)業(yè)務(wù)利潤(rùn)率等指標(biāo)上不具有顯著性差異。綜上所述，流動(dòng)比率、速動(dòng)比率、資產(chǎn)負(fù)債率、總資產(chǎn)利潤(rùn)率、凈資產(chǎn)利潤(rùn)率、每股經(jīng)營(yíng)現(xiàn)金凈流量、總資產(chǎn)現(xiàn)金回收率、主營(yíng)業(yè)務(wù)收入增長(zhǎng)率、利潤(rùn)總額增長(zhǎng)率、總資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)增長(zhǎng)率等11項(xiàng)財(cái)務(wù)指標(biāo)通過(guò)了0.05顯著性水平檢驗(yàn)。

（二）變量的相關(guān)性分析

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

本文以0.6作為分界點(diǎn)即大于0.6則認(rèn)為具有明顯的相關(guān)關(guān)系，從而得到：流動(dòng)比率與資產(chǎn)負(fù)債率、總資產(chǎn)利潤(rùn)率與凈資產(chǎn)利潤(rùn)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(zhǎng)率與主營(yíng)業(yè)務(wù)收入增長(zhǎng)率具有明顯的相關(guān)關(guān)系；每股經(jīng)營(yíng)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(cái)務(wù)指標(biāo)的顯著性分析以及各指標(biāo)所能夠反應(yīng)企業(yè)相關(guān)能力的程度選取速動(dòng)比率作為償債能力的指標(biāo)；選取總資產(chǎn)周轉(zhuǎn)率作為營(yíng)運(yùn)能力指標(biāo)；選取凈資產(chǎn)利潤(rùn)率作為盈利能力指標(biāo)；選取利潤(rùn)總額增長(zhǎng)率、總資產(chǎn)增長(zhǎng)率作為成長(zhǎng)能力的指標(biāo)；選取每股經(jīng)營(yíng)現(xiàn)金凈流量作為現(xiàn)金流量能力的指標(biāo)，以上述六個(gè)指標(biāo)，構(gòu)建財(cái)務(wù)預(yù)警系統(tǒng)體系。

（三）建立財(cái)務(wù)預(yù)警系統(tǒng)模型

將樣本組的上述六個(gè)指標(biāo)通過(guò)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(duì)應(yīng)的指標(biāo)代入方程得到0.6467

將預(yù)測(cè)組代入回歸方程進(jìn)行檢驗(yàn)，判定結(jié)果見(jiàn)表2。（其中1代表財(cái)務(wù)陷入危機(jī)的公司，2代表財(cái)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(yàn)結(jié)果表可見(jiàn)，預(yù)測(cè)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(gè)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(cái)務(wù)指標(biāo)的數(shù)量偏少，未能完全反應(yīng)企業(yè)財(cái)務(wù)狀況；第三，指標(biāo)的計(jì)算口徑不完全一致；第四，由于采集樣本的企業(yè)來(lái)自制造業(yè)的各個(gè)類別，企業(yè)特點(diǎn)、運(yùn)行方式有細(xì)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(cái)務(wù)危機(jī)預(yù)警系統(tǒng)是通過(guò)6個(gè)財(cái)務(wù)指標(biāo)，對(duì)我國(guó)制造業(yè)財(cái)務(wù)狀況作出的比較精確的判斷。當(dāng)0< p

然而，本文引用的所有財(cái)務(wù)數(shù)據(jù)、財(cái)務(wù)指標(biāo)都是由上市公司的財(cái)務(wù)報(bào)表得到的。企業(yè)出于各種目的，使財(cái)務(wù)報(bào)表具有一定彈性，往往不能十分準(zhǔn)確的反映企業(yè)真實(shí)的財(cái)務(wù)狀況。因此，以此為基礎(chǔ)建立的模型的準(zhǔn)確性會(huì)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(duì)上述財(cái)務(wù)系統(tǒng)，筆者建議：

第一，企業(yè)財(cái)務(wù)危機(jī)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?。因此，要通過(guò)對(duì)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(gè)企業(yè)有自己的特點(diǎn)。企業(yè)應(yīng)該根據(jù)自己的實(shí)際情況對(duì)模型進(jìn)行修正，舍棄某些不適用的指標(biāo)，增加一些更適用于本企業(yè)的指標(biāo)，從而保證系統(tǒng)具有實(shí)用性。

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

【參考文獻(xiàn)】

[1] 韓新寬. 財(cái)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(ài)玲. 企業(yè)財(cái)務(wù)危機(jī)的識(shí)別與分析[J].財(cái)務(wù)與會(huì)計(jì)，2002，（11）:69-71.

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

[4] 蔡勇. 我國(guó)信息技術(shù)上市公司財(cái)務(wù)危機(jī)預(yù)警的實(shí)證研究[J]. 江門職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2007，（9）：10－21.