公務員期刊網(wǎng) 精選范文 企業(yè)財務危機預警范文

企業(yè)財務危機預警精選(九篇)

前言:一篇好文章的誕生,需要你不斷地搜集資料、整理思路,本站小編為你收集了豐富的企業(yè)財務危機預警主題范文,僅供參考,歡迎閱讀并收藏。

企業(yè)財務危機預警

第1篇:企業(yè)財務危機預警范文

【關鍵詞】財務危機;風險管理;預警模型

1 財務危機的界定

“財務危機”是由Ross(1999)在總結前人研究成果的基礎上精煉而成的概念:技術失敗,指企業(yè)沒有足夠的流動資金按時償還已到履約期的債務合同;會計失敗,指企業(yè)的賬面凈資產為負數(shù),資不抵債;企業(yè)失敗,指企業(yè)依法進行清算后所得的資金仍不足以償還債務;法定破產,指企業(yè)無法持續(xù)經營,依照破產法向司法機關申請破產。針對我國金融市場實情,上市公司鮮有被破產清算,若將企業(yè)破產等狀況界定為“財務危機”作為研究的對象,那么財務危機預警模型的實用意義也就降低了。因此,我國證券市場主要是以上市公司是否被“特別處理(ST)”作為中國特色的企業(yè)財務危機判斷標準。

2 財務危機預警模型研究現(xiàn)狀

學術界提出了各種不同的財務危機預警的方法和模型,本文將其歸納為定性預警模型和定量預警模型兩大類。定量預警模型進一步細分為統(tǒng)計類財務危機預警模型和人工智能類財務危機預警模型。

2.1 定性財務危機預警模型

財務危機的定性研究,通過人為經驗主觀識別風險,實現(xiàn)財務危機預警的方法。目前定性研究模型主要分為以下四類:1)標準化調查法:指借助外界因素即通過專業(yè)人員或咨詢公司等就公司可能遇到的問題加以詳細的調查和分析,形成報告供公司經營者參考的方法。標準化的問題就是財務預警指標,其對警情的預報則體現(xiàn)在公司對問題的回答中。2)四階段癥狀分析法:公司財務運營情況不佳在各個階段伴隨有特定的癥狀,因此把公司財務運營“病癥”大體分為四個階段:財務危機潛伏期,財務危機發(fā)作期,財務危機的惡化期和財務危機爆發(fā)期。通過財務分析來確定公司的財務狀況處于哪一個階段,然后再“對癥下藥”,采取不同的風險應對措施以降低企業(yè)風險,使企業(yè)經營回歸正軌。3)三個月資金周轉表分析法:以三個月作為時間段,通過制定該階段的資金周轉表來分析指標異動原因及合理性。若企業(yè)很難在規(guī)定的時間段內提供寬松的現(xiàn)金流轉表,則表明企業(yè)財務風險正在加劇。4)管理評分法:首先對企業(yè)經營管理中出現(xiàn)的問題對比打分,再根據(jù)這些項目對破產影響的大小進行加權處理,最終得出加權總分。根據(jù)總分落入的分數(shù)區(qū)間,判定企業(yè)面臨的財務風險程度。

定性研究能夠彌補定量研究的不足,對于一些無法或很難量化的指標,我們可以通過定性研究的方法,著重分析事物因果關系。

2.2 定量財務危機預警模型

2.2.1 傳統(tǒng)統(tǒng)計模型

(1)單變量財務危機預警模型

單變量分析是最早用于財務危機預警的模型,F(xiàn)itzpatrick(1932)提出以單項財務指標比率作為標準來判斷企業(yè)財務風險狀態(tài)。他采用單變量指標將樣本公司劃分為破產和非破產兩組,最后發(fā)現(xiàn)“凈利潤/股東權益”和“股東權益/負債”兩個指標在財務風險判定方面的效果最佳。Beaver(1966)采用財務比率對企業(yè)財務危機進行預測,他經過研究證實在排除行業(yè)因素和公司資產規(guī)模因素的前提下,債務保障率、總資產凈利潤率等財務比率對預測財務危機是有效的。陳靜(1999)對27家ST公司和27家非ST公司1995-1997年三年的財務數(shù)據(jù)也進行了單變量研究。雖然單變量模型運用廣泛,但也存在許多缺陷:多個單一指標指示結果之間相互矛盾而無法全面地反映企業(yè)財務特征,易發(fā)生企業(yè)管理人員有意地粉飾單變量指標使得財務預警效果失真等。

(2)多元線性判別模型

多元線性判定模型是運用多種財務比率指標構造多元線性函數(shù)公式來進行危機預警的模型,其典型代表有Z Score模型和Fisher判別模型。

Z Score模型,最早是由Altman(1968)建立,他從22個財務指標中提取5個公因子分別從企業(yè)資產利用率,資產規(guī)模,償債能力,財務結構,盈利能力等方面綜合分析預測企業(yè)的財務狀況,通過對33組制造性上市企業(yè)的研究,綜合分析后建立多元線性Z Score模型。通過統(tǒng)計分析,Altman得出當Z2.67時,公司處于安全狀態(tài)。向德偉(2002)針對性地選80家上市公司為樣本,采用Z模型對樣本2000-2001年的財務數(shù)據(jù)進行分析,實驗結果表明Z模型對某些特例可能失效,但總體上有效。麻鵬波(2010)應用Z模型對上市公司進行實證分析,根據(jù)計算得出的數(shù)據(jù)和模型判別標準,判定企業(yè)財務狀況并提出相關的財務風險防范措施。嚴碧紅、馬廣奇(2011)選取深市61家房地產上市公司,運用Z模型對其2010-2011年的財務風險進行實證研究,判斷房地產上市公司存在的財務危機。Z模型簡單明了易于理解,根據(jù)實證研究表明針對不同財務狀況具有一定判斷能力,故得到較為廣泛的運用,但該模型不適于時間跨度較長的企業(yè)危機預警。

Fisher判別分析模型是統(tǒng)計性分析方法,其基本思想是把所有數(shù)據(jù)的總離差平方和分解為組內差和組間差兩部分,而組間差與組內差的比值大小作為衡量總體差異大小的標志?;谥匾钥紤],F(xiàn)isher判別分析模型的具體算法與運用就不在本文詳述了。

多元線性判定模型具有較高的判別精度,但也存在一些缺陷:第一,是數(shù)據(jù)收集和分析的工作量龐大;第二,時間跨度越長,其精確度越低;第三,多元線性判定模型具有兩個很嚴格的前提假設,一是假定自變量是呈正態(tài)分布的,另一個是要求解釋變量之間完全獨立;第四,要求在財務危機組與控制組之間進行配對,但配對標準如何恰當確定是一個難題。為了克服這些局限性,自20世紀70年代末以來,財務危機研究人員引進了Logistic和Probit回歸方法,人工神經網(wǎng)絡等技術。

(3)Logistic財務危機預警模型

多元邏輯回歸模型主要目標在于尋求所觀察數(shù)據(jù)的條件概率,根據(jù)其條件概率來判斷觀察對象是否存在財務風險。Martin(1977)首次嘗試將Logistic模型應用于企業(yè)財務危機預警模型的構建,以1969-1974上市公司作為研究對象,選取25個財務指標來預測兩年后樣本公司的破產概率。實證結果顯示“凈利潤/總資產”等六個財務比率具有顯著的預測效果。Ohlson(1980)設計的Logistic模型使用了9個自變量,選取1970-1976年間105家破產公司和2058家非破產公司為樣本,分析了樣本公司在破產概率區(qū)間[0-1]上的分布,他發(fā)現(xiàn)了四類顯著影響破產概率的變量:公司規(guī)模、資本結構、業(yè)績和資產變現(xiàn)能力。Lau(1987)選用了10個自變量,使用多元邏輯模型構建了財務危機的五階段預警模型。姜國華(2004)利用Logistic回歸模型分析了影響公司ST的因素,結果發(fā)現(xiàn)模型具有良好的預測能力且得出影響公司財務危機兩個主要因素是主營業(yè)務利潤和大股東持股比例。浦軍(2009)選取40家ST公司和103家非ST公司作為研究樣本,選取資產負債率、每股收益、股權集中度等8個變量指標作為建模指標,運用Logistic回歸模型建立相應的財務危機預警模型,取得了良好的預測效果。

(4)Probit財務危機預警模型

Z.mijewski(1989)提出的Probit回歸模型,其假定公司破產的概率為p,并假設公司樣本服從標準正態(tài)分布,其概率p可以用財務指標線性解釋。其計算方法和Logistic模型相似,先是確定公司樣本的極大似然函數(shù),通過求似然函數(shù)的極大值得到參數(shù)a和b,然后利用公式求出公司破產的概率。

2.2.2 人工智能財務危機模型

(1)神經網(wǎng)絡模型

Odom和Sharda(1990)是最早把BP神經網(wǎng)絡技術應用于財務危機預測研究中的。Tam和Kiang(1992)以Texas的1985-1987年118家銀行(59家破產59家未破產)為樣本,建立了一個三層神經網(wǎng)絡財務危機預警模型,該篇以神經網(wǎng)絡技術為核心的文獻為財務危機預警帶來了巨大貢獻。黃小原和肖四漢(1995)提出了神經網(wǎng)絡預警系統(tǒng)的構建。楊寶安等(2001)應用前饋神經網(wǎng)絡進行了示范性設計和驗證。楊淑娥和黃禮(2005)選用深交所180家上市公司的財務資料,其中選用120家上市公司作為訓練樣本,應用BP神經網(wǎng)絡建立預測模型預測上市公司是否面臨財務危機,又以60家上市公司作為檢驗樣本,對BP神經網(wǎng)絡模型的預測結果進行檢驗,分別取得了建模樣本90.8%和檢驗樣本90%的判斷正確率。朱燕妮(2008)選取了44家中國房地產上市公司的1998-2006年的數(shù)據(jù)作為樣本從償債能力、盈利能力、經營發(fā)展能力以及公司治理等8個方面選擇了能夠全面反映出公司經營與管理各個方面的63個指標采用BP神經網(wǎng)絡方法構建了中國房地產上市公司分警度財務危機預警模型,在進行仿真檢驗時獲得了92.38%的正確率。

(2)基于支持向量機的財務危機預警模型

為了有效解決傳統(tǒng)模型存在的小樣本、高維數(shù)、非線性等問題,張在旭(2006)基于支持向量機方法(SVM)建立了一種新的公司財務危機預測模型。此后,閻娟娟、孫紅梅和劉金花(2006),邱玉蓮和朱琴(2006)也對支持向量機在財務危機預警模型的構建上做了深入研究,也都得出該方法運用于財務危機預警中是有效的,為財務危機預警提供了一條新的研究思路。

3 財務危機預警模型述評

第2篇:企業(yè)財務危機預警范文

[關鍵詞]企業(yè);財務危機;預警

[DOI]10.13939/ki.zgsc.2016.03.142

近幾年來,全球經濟一體化趨勢的加快,使得全球的經濟牽一發(fā)而動全身,市場環(huán)境的不穩(wěn)定更是加劇了經濟的不穩(wěn)定性,企業(yè)財務在面臨著前所未有的挑戰(zhàn),企業(yè)在生產經營的過程中也出現(xiàn)了諸多的風險。要規(guī)避風險,確保企業(yè)健康持續(xù)發(fā)展,企業(yè)的管理人員應該構建企業(yè)財務危機預警體系,控制好企業(yè)財務收支情況,科學有效規(guī)避財務風險。

1 企業(yè)財務危機及其預警體系的功能與作用

所謂的企業(yè)財務危機,指的是企業(yè)運營發(fā)展的過程中企業(yè)的財務不斷出現(xiàn)狀況導致財務危機加劇,甚至達到無法償還的地步,使得企業(yè)的財務難以維持企業(yè)正常的開支。企業(yè)的財務出現(xiàn)危機會給企業(yè)的經營帶來難以想象的嚴重后果。企業(yè)財務危機預警體系被廣泛應用于企業(yè)的財務危機管理當中,主要是通過設置與財務有關的敏感指標并對其進行觀察,然后利用數(shù)據(jù)進行財務危機的識別、報警與處理的系統(tǒng)。企業(yè)的財務危機預警系統(tǒng)可以實現(xiàn)對于企業(yè)內部的所有經營活動各種相關資料的全面掌握與了解,通過合理科學的分析對財務危機進行提前預知,在發(fā)現(xiàn)危機之后用科學手段對危機進行預警告知企業(yè)經營者和其他利益相關人。并且預警體系還可以對于導致財務危機發(fā)生的原因進行進一步探究,就產生的原因給以必要的應對措施,最終幫助企業(yè)及時規(guī)避財務危機,促使經濟活動順利進行。企業(yè)財務危機預警體系具有以下四個功能。

第一,監(jiān)測功能。財務危機預警體系能夠對企業(yè)的各項經營管理環(huán)節(jié)和重要的經濟活動事項進行及時而有效的監(jiān)測。第二,預防與控制功能。財務危機預警體系能夠及時發(fā)現(xiàn)企業(yè)運行中的財務風險,對財務危機進行預警。并通過系統(tǒng)記錄,及時了解風險與危機的產生原因,提出改革與解決建議,糾正企業(yè)運行中的偏差。第三,識別與診斷功能。財務危機預警體系能夠對企業(yè)運行中的潛在風險因素和潛在危機現(xiàn)象進行識別與診斷,并判斷出這些危機活動的發(fā)展趨勢。第四,能夠提升企業(yè)的價值。企業(yè)的價值實際就是企業(yè)利用好其自身資源,所創(chuàng)造出的最大財富。財務危機預警體系能夠幫助企業(yè)實現(xiàn)這種價值的不斷增值。

2 企業(yè)財務預警體系存在的問題

2.1 財務信息不真實

受到傳統(tǒng)企業(yè)財務管理模式的影響,我國的企業(yè)通常會把管理的重心放在企業(yè)的技術部門和銷售部門,而對于企業(yè)財務部門的管理重視程度遠遠不夠。由于企業(yè)的管理者缺乏對于企業(yè)財務管理人員的培養(yǎng),導致企業(yè)的財務人員普遍素質和技能不高,而高素質的財務人員十分匱乏。盡管近年來對于財務管理人員的專業(yè)化水平要求在不斷提高,但是企業(yè)的財務管理成員仍然缺乏高級會計師、注冊稅務師等高級的財務人員,容易造成財務信息的填寫不真實,阻礙了企業(yè)財務管理水平的進一步提高。

2.2 企業(yè)資金結構不合理

在我國,資金結構主要體現(xiàn)的是權益資金與負債資金的比例關系,由于企業(yè)資金結構不合理的現(xiàn)象普遍存在,導致出現(xiàn)了企業(yè)財務負擔沉重,償付能力嚴重不足,由此產生財務風險。同時企業(yè)債務的一種重要清償方式是以新籌資金還債,新籌資金包括權益資金和債務資金。一個企業(yè)籌資能力喪失,企業(yè)現(xiàn)金又不足以維持企業(yè)持續(xù)經營,此時到期債務不能清償就成為必然,所以,企業(yè)籌資能力喪失是企業(yè)發(fā)生財務危機的首要原因。

2.3 財務指標較為單一

因為我國處于市場經濟發(fā)展的初級階段,因此在財務管理方面存在很多的不足,尤其是財務指標體系不健全現(xiàn)象突出。很多企業(yè)通常會將歷年的財務指標作為參考的主要依據(jù),而缺乏對于實際的資金周轉、現(xiàn)金比例等財務指標的考察和核算,而是更多地進行企業(yè)的負債和利潤的分析考察??梢?,財務指標的單一會使得企業(yè)在建立財務危機預警體系的過程中遇到很多難題,難以達到預警的效果。

2.4 管理體制不健全

由于很多企業(yè)缺乏對于系統(tǒng)管理機制的認識,導致在企業(yè)的財務危機預警體系建立的過程中沒有完善的管理機制,很難實現(xiàn)有效地財務危機預警管理和控制。

同時,很多企業(yè)由于現(xiàn)實條件的限制使得對于財務危機預警的監(jiān)督管理意識不夠,在危機發(fā)生時不能立即采取應對措施造成嚴重的經濟損失。企業(yè)要發(fā)展必須要把預警機制落實到企業(yè)管理的各個方面,經營的過程中對潛藏的財務風險進行有效的識別,但是很多企業(yè)管理者并未真正建立起科學有效、全面系統(tǒng)的財務危機預警機制,一些財務風險都無法被及時的發(fā)現(xiàn)并處理。

3 企業(yè)財務危機預警體系的建立

3.1 推進企業(yè)財務危機預警系統(tǒng)的構建

由于我國的市場經濟還不成熟,不能簡單機械地重復相同的經濟內核,因此,可以構建我國企業(yè)破產預測模型的運用,在該模型的基礎上為我國各行業(yè)的企業(yè)數(shù)據(jù)庫提供了大量建模所需的數(shù)據(jù)。同時要選取大量的破產企業(yè)和非破產企業(yè)作為樣本,按照模型變量的構成和系數(shù)值,定期重新估計模型方程,體現(xiàn)出反映宏觀經濟環(huán)境的變量

如利息等,根據(jù)企業(yè)自身的情況對模型結論的修正和補充,以使所得結論更加正確。一方面要建立短期財務危機預警系統(tǒng),企業(yè)能否維持下去完全取決于是否盈利,還取決于是否有足夠的現(xiàn)金流入可以彌補各種支出。準確的現(xiàn)金流量預算能夠使經營者能夠及早采取措施。同時企業(yè)應將財務狀況及投資計劃等以量化的形式建立企業(yè)預算體系,預測未來現(xiàn)金流量狀況并建立滾動式現(xiàn)金流量預算。另一方面是建立長期財務危機預警系統(tǒng)。對企業(yè)的償債能力、營運措施、發(fā)展?jié)摿Φ冗M行預測,在建立了財務危機預警體系后,企業(yè)針對風險形成原因及過程,制訂切實可行的風險管理體系,降低企業(yè)受損的程度。

3.2 完善財務管理體系

對于一個企業(yè)來說,內控制度有利于更好地預防財務風險的產生,由于市場對企業(yè)產品的銷售價格、生產資料價格的穩(wěn)定性和銷售價格的調整能力都有一定的風險,企業(yè)產品變動成本總額的高低以及經營治理者的業(yè)務素質和治理經驗等,都是企業(yè)財務管理的瓶頸所在。企業(yè)管理人員要認識到企業(yè)內部管理工作對企業(yè)的積極作用,完善內部管理控制制度,避免財務危機發(fā)生。同時也要提高財務決策的科學化水平.財務決策的正確與否直接關系財務管理環(huán)境,企業(yè)應配備高素質的財務管理人員,不斷強化財務管理的各項基礎工作,使企業(yè)財務管理系統(tǒng)能夠有效防范因財務管理系統(tǒng)引起的財務風險.在決策過程中,應充分考慮各種可行的方案,并選擇最優(yōu)的決策方案。

3.3 構建財務預警信息機制

為企業(yè)提供財務預警信息,所需信息要增補一些能夠反映企業(yè)財務風險大小的信息,與原來的財務管理信息系統(tǒng)結合在一起,必須建立在對大量資料系統(tǒng)分析的基礎上,建立以計算機為中心的處理信息的會計信息管理系統(tǒng),在該系統(tǒng)中要實現(xiàn)數(shù)據(jù)共享,并反映企業(yè)的狀況,企業(yè)管理者利用這些指標體系建立模型以進行多變量綜合分析。

3.4 豐富企業(yè)財務危機預警的方法

一般來說,企業(yè)的財務危機預警會由三部分組成,分別是定性分析法、定量分析法、現(xiàn)金流分析法。定性分析法主要是對企業(yè)所有經營活動的影響因素進行系統(tǒng)分析,并且會對于不利因素進行及時防范用以提高企業(yè)財務危機預警的能力。定量分析法是以企業(yè)的財務指標為依據(jù),透過企業(yè)的財務狀況與財務數(shù)據(jù)之間的關系,對財務數(shù)據(jù)進行量化從而更好地進行預警。加之企業(yè)的危機都是不斷發(fā)生變化的,財務指標必然會有所改變,可見在企業(yè)的經濟發(fā)展過程中財務指標具有十分重要的指導作用。最后,現(xiàn)金流分析法就是依靠現(xiàn)金流指標為依據(jù),其實也從屬于定量分析法的一種。主要的作用是對企業(yè)的現(xiàn)金流入和流出進行科學的預測和分析評估,很多企業(yè)由于缺乏對于現(xiàn)金流的認識而容易阻礙企業(yè)財務危機預警體系功能的發(fā)揮??偟膩碚f,企業(yè)在經濟發(fā)展的過程中應該要根據(jù)自身的經濟發(fā)展狀況進行財務危機預警方法的不斷探索,全方位提高企業(yè)的財務危機預警能力。

參考文獻:

[1]張文英.淺談企業(yè)財務危機預警體系的構建[J].商場現(xiàn)代化,2013(1):152-153.

[2]劉燕.企業(yè)財務危機預警體系的構建[J].企業(yè)改革與管理,2014(15):15-16.

[3]李啟祥.企業(yè)財務危機的預測及防范[J].中國市場,2013(22).

第3篇:企業(yè)財務危機預警范文

[關鍵詞] 財務危機 預警 模型

財務危機預警是指通過設置一些財務敏感指標并觀察其值的變化,對可能造成企業(yè)財務危機的風險因素進行跟蹤、監(jiān)測、預測,同時根據(jù)理論研究和經驗總結,設計一種有效的綜合性模型并確定一個閥值,當相關因素指標綜合值超過閥值時發(fā)出危機警報并采取對策。財務危機預警模型則是通過數(shù)學或統(tǒng)計方法建立模型對財務危機進行定量預警分析。目前國內外對企業(yè)財務危機預測模型的已取得了一些成果。

一、單變量判定模型

Fitzpatrick(1932)最早發(fā)現(xiàn),出現(xiàn)財務困境的公司其財務比率和正常的財務比率相比,有顯著不同。Beaver(1966)則首先應用統(tǒng)計方法建立了單變量財務預測模型,他首先使用了5個財務比率作為變量,選取美國1954年~1964年間資產規(guī)模相同的79家經營失敗企業(yè)和79家正常經營正常的企業(yè),進行對比研究,發(fā)現(xiàn)具有良好預測性的財務比率依此為現(xiàn)金流量/負責總額的比率、資產負責率、資產收益率。

在我國陳靜(1999)選擇了4個財務比率指標作為變量即資產負債率、流動比率、凈資產收益率、總資產收益率,運用兩分法,發(fā)現(xiàn)資產負債率、流動比率和總資產收益率的預測效果較好。

二、多變量判定模型

1.財務比率綜合分析法:其將各項財務分析指標作為一個整體,系統(tǒng)地對企業(yè)財務狀況和經營情況進行剖析、解釋和評價。這類方法的主要代表是杜邦財務分析體系和沃爾比重評分法,前者是以凈值報酬率為龍頭,以資產凈利潤率為核心,重點揭示企業(yè)獲利能力及其前因后果;后者是將選定的七項財務比率分別給定各自的分數(shù)比重,通過與標準比率進行比較,確定各項指標的得分及總體指標的累計分數(shù),從而得出企業(yè)財務狀況的綜合評價,續(xù)而確定其信用等級。

2.多元線性函數(shù)模型:多元線性函數(shù)模型是運用多邊模式思路上建立起來的,其中最著名的是美國紐約大學的Altman教授在20世紀60年代中期提出的Z計分模型。他通過將多種財務指標加權匯總,計算出一個總差別分來預測、計量企業(yè)破產的可能性,這個總差別分通常被稱為Z值,這個模型被稱為Z值計分模型:

其中: -判別函數(shù)值;=營運資金/總資產;=留成收益/總資產;=息稅前利潤/總資產;=(普通股價值+優(yōu)先股價值)/總負債;=銷售收入/總資產

我國的陳靜(1999)、鄧茂(2003)等人利用Z值計分模型對我國的上市公司進行了研究,發(fā)現(xiàn)此模型對ST公司和非ST公司有較好的判別率,當年、前一年、前兩年的正確率分別在92%、85%、79%以上。

3.Logistic和Probit概率模型:Logistic和Probit方法的結論很相似,一般多使用Logistic概率模型。Logistic又叫增長函數(shù),是1838年比利時P.F.Verhulst首先提出的,二元Logistic概率函數(shù)的為:

其中是在條件下事件發(fā)生的概率,代表事件不發(fā)生的概率,是截距, 是待估計的參數(shù)。通過設定臨界值作為事件發(fā)生與否的標準,如果事件發(fā)生的概率大于臨界值,則判斷事件發(fā)生,反之,判定事件不發(fā)生。回歸模型的一般形式如下:

美國學者Ohlson是最早把此模型運用到財務危機預警中的人。我國學者吳世農、盧賢義(2001)、上海財經大學的姜秀華(2002)運用此模型對滬深證市場的部分ST公司進行了研究,并認為Logistic概率模型優(yōu)于多元線性預警模型。

三、神經網(wǎng)絡分析模型

人工神經網(wǎng)絡(Artificial Neural Networks,ANN)是一種平行分散處理模式,其建構理念植基于人類大腦神經運行的模式。ANN除了具有較好的模式識別能力外,而且可以克服統(tǒng)計方面的限制,因它具有容錯能力,對數(shù)據(jù)的分布要求不嚴格,具備處理資料遺漏或是錯誤的能力;最重要的是ANN具有學習能力,可隨時依據(jù)新準備數(shù)據(jù)資料進行自我學習、訓練,調整其內部的儲存權重參數(shù)以對應多邊的企業(yè)環(huán)境。ANN在經濟預警(Early Warning,EW)系統(tǒng)中的應用,無論從思想,還是技術上都是對傳統(tǒng)EW的一種拓寬和突破,克服了以往模型重定量指標,難以處理定性指標;模型不具有時變性,缺乏自適應、學習能力。目前國內外一些學者,在ANN預警系統(tǒng)研究方面做過一些理

論和實踐上的探討。

四、現(xiàn)有財務危機預警模型的局限性

上述分析模型在理論和實踐上還有待完善,在實際運用中也各有優(yōu)缺點,主要表現(xiàn)在以下幾個方面:

1.單變量判定模型有良好的理論基礎,但其割裂了各個財務分析指標之間的內在整體聯(lián)系,在實際運用中存在很大局限性,并預警的準確性較差。

2.概率統(tǒng)計模型在實踐運用中具有較好的預測性,但其缺乏理論基礎。

3.神經網(wǎng)絡預警系統(tǒng)運用到公司財務危機預警模型中的時間并不長,神經網(wǎng)絡預警模型過于復雜,在運用中還有待完善,因此在實踐上受到很大限制。

4.現(xiàn)有預警模型無法對上市公司提供的數(shù)據(jù)真假做出辨別。

5.現(xiàn)有預警模型還都主要側重于財務定量數(shù)據(jù)的使用,對于像宏觀經濟狀況、國家政策的變化、不同企業(yè)的特殊情況(如信用)等定性指標考慮還較少。

五、財務危機預警模型的未來發(fā)展

1.需要發(fā)展一些不同行業(yè)的財務危機預警分析模型。由于各個行業(yè)都有自身的一些經營特點,具體體現(xiàn)在財務數(shù)據(jù)上就有一些差異,這就降低了各個行業(yè)之間財務數(shù)據(jù)的可比性,從而使建立不同行業(yè)的財務危機預警模型很有必要。

2.未來的財務危機預警模型還應把一些非財務指標所能體現(xiàn)的定性因素考慮進去。

3.未來的財務危機預警模型應能夠對公司所提供的財務數(shù)據(jù)的真?zhèn)巫龀鲆欢ㄨb別。

4.未來的財務危機預警模型應該具備一定的自我學習能力。

參考文獻:

[1]陳靜:上市公司財務惡化預測的實證研究[J].會計研究.1999.(4)

[2]鄭茂:我國上市公司財務風險預警模型的構建及實證分析[J].金融論壇.2003.(10)

[3]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,(6)

第4篇:企業(yè)財務危機預警范文

【關鍵詞】 企業(yè)財務危機; 預警方法; 預警模型

一、引言

企業(yè)財務危機預警是指依據(jù)企業(yè)財務會計資料,運用科學的方法,對企業(yè)財務系統(tǒng)和財務活動中存在的問題進行分析和診斷,及時發(fā)現(xiàn)企業(yè)的潛在危機,進而提出解決措施。財務危機預警的方法有很多,如果根據(jù)不同方法所使用的資料情況分類,可以簡單地將其分為靜態(tài)方法和動態(tài)方法。靜態(tài)方法包括:財務指標分析法、單變模型分析法、多元線性模型分析法、多元邏輯回歸模型分析法等;動態(tài)方法是指人工神經網(wǎng)絡模型分析等方法。企業(yè)財務危機預警屬于微觀經濟預警范疇,比之宏觀經濟預警而言,其在理論上和方法上都相對滯后。因此,研究和設計企業(yè)財務危機預警方法體系是一個正在探索的課題。

二、企業(yè)財務危機預警的主要方法及其優(yōu)缺點

(一)單變模型分析法

單變模型分析法是通過單個財務比率走勢的惡化程度來預測財務危機。常用的財務比率主要有: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。企業(yè)良好的現(xiàn)金流量、收益能力和債務狀況應表現(xiàn)為企業(yè)長期穩(wěn)定的發(fā)展態(tài)勢。在跟蹤考察時,當這些財務比率達到經營者設立的警戒線時,就需特別注意防范財務危機。

單變模型分析法的優(yōu)點是理解容易,計算簡便;缺點是這種方法僅能反映企業(yè)財務惡化的趨勢,無法進行風險大小的準確度量。而且,企業(yè)風險是各項目風險的綜合,單變模型分析法并不能揭示不同財務比率因素對整體風險的作用大小,也不能反映各財務比率之間的相互影響作用。相反,對同一公司采用不同的財務比率進行預測,還可能出現(xiàn)結果不同的現(xiàn)象。

(二)多元線性模型分析法

近年來,多元線性模型分析法在財務危機預警中得到了廣泛的應用。多元線性模型分析法最常見的是“Z計分模型”法,它是運用多種財務指標加權匯總產生的總判別值(Z值)來預測財務危機。其函數(shù)模型為:

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

該模型以5個財務比率,將反映企業(yè)償債能力的指標(X1,X4)、獲利能力指標(X2,X3)和營運能力指標(X5)有機地聯(lián)系起來,綜合分析和預測企業(yè)風險。在這三類指標中,最重要的指標是營運能力指標。一般認為,Z值越低企業(yè)越有可能發(fā)生破產。

“Z計分模型”是比較成熟的一種財務危機預警方法。該模型從總體角度給了企業(yè)一個定量標準,以檢查企業(yè)的財務狀況,有利于不同時期的比較。但由于企業(yè)規(guī)模、行業(yè)、地域等諸多差異,使Z值并不具有橫向可比性。同時,由于這種線性判別函數(shù)存在兩個無法克服的邏輯缺陷:固定影響假設和完全線性補償假設。而這兩個缺陷更是極大地限制了模型的分類和預測能力。

(三)多元邏輯(Logit)回歸模型分析法

多元邏輯回歸模型的目標是尋求觀察對象的條件概率,從而據(jù)此判斷觀察對象的財務狀況和經營風險。這一模型建立在累計概率函數(shù)的基礎上,不需要自變量服從多元正態(tài)分布和兩組間協(xié)方差相等的條件。

近年來,多元邏輯回歸預警研究在我國發(fā)展較快。如:吳世農、盧賢義以我國上市公司為研究對象,選取了70家處于財務危機的公司和70家財務正常的公司為樣本,應用Fisher線性判定分析、多元線性回歸分析和Logistic回歸分析三種方法,分別建立三種預測財務危機的模型。研究結果表明:三種模型都能在財務困境發(fā)生前發(fā)出相對準確的預測。而相對同一信息集,Logistic預測模型的判定準確率最高,財務危機發(fā)生前第1年的判定準確率為93.53%。陳曉、陳治鴻以截至1999年7月1日的38家因“財務狀況異?!倍惶貏e處理的ST公司為研究對象,運用多元Logit回歸進行研究。研究結果表明,用負債權益比率、應收賬款周轉率、主營業(yè)務利潤/總資產和留存收益/總資產構建的多元邏輯回歸具有較強的預測能力。姜秀華于2001年在其出版的博士論文中運用邏輯回歸方法構建的預警模型,其在企業(yè)財務危機發(fā)生前第1年的判定準確率為95.45%。陳洪波(2003)根據(jù)理論和實證研究結論,考慮對融資結構產生影響的種種因素,選擇資產負債率、調整后的速動比率、EBIT/總利息支付、銷售凈利率和主營收入利潤率的增長率前N年的變化平均值5個財務指標作為變量構建了一個財務危機預警的多變模型。吳世珍、柯大鋼從“應收款”視角構建了一個我國上市公司的財務危機預警模型,并對模型的有效性進行了檢驗。

Logit模型的最大優(yōu)點是不需要嚴格的假設條件,克服了線性方程受統(tǒng)計假設約束的局限性,具有更廣泛的應用范圍;其缺點是使用該方法時收集信息和計算的過程較為復雜,不易掌握,從而又限制了模型在實踐中的應用和推廣。

(四)人工神經網(wǎng)絡(ANN)分析法

近年來,人工神經網(wǎng)絡(ANN)技術的發(fā)展,給企業(yè)財務預測提供了新的工具,應用新的研究方法提高預測準確度逐漸成為該領域的重要發(fā)展方向。ANN作為一種平行分散處理模式,是對人類大腦神經運作的模擬。ANN除具有較好的模式識別能力外,還可以克服統(tǒng)計方法的局限,因為它具有容錯能力和處理資料遺漏或錯誤的能力。

人工神經網(wǎng)絡具有較好的糾錯能力,從而能夠更好地進行預測。如:1991年,Coats和Fant論述了神經網(wǎng)絡模型可正確預測公司的財務危機的觀點,并用了47家財務危機公司和47家健康公司檢測模型的預測效果,擬和度達100%。模型用于預測財務危機公司準確率達91%,而采用多元判別法的預測精度僅為72%。又如:楊保安等(2001)采用ANN模型進行財務危機預警,結果表明:樣本的實際輸出與期望輸出比較接近,顯示出ANN是進行企業(yè)財務危機預警的一種很好的應用工具等等。然而,由于該方法理論基礎比較薄弱,ANN對人體大腦神經模擬的科學性、準確性還有待進一步提高,且其計算也有較大難度,因此ANN模型的適用性也就大打折扣。

(五)其他方法

其他財務危機預警方法主要是指一些非統(tǒng)計類預警方法,包括案例研究法、專家系統(tǒng)法、實驗法、災害理論、混沌系統(tǒng)理論、期權定價理論等等。由于這些方法在理論上還不夠成熟,在實務中應用也較少,本文不一一贅述。

三、思考

盡管目前財務危機預警研究取得了重大進展,財務危機預測方法層出不窮,但主流分析方法只有單變模型分析法、多元線性模型分析法和多元邏輯回歸模型分析法三大類。其他研究方法雖然也作出了有益的嘗試,但是要么由于預警方法考慮的因素單一,方法過于簡單,其預測準確率較低;要么由于模型開發(fā)歷史較短,研究不夠成熟,模型的穩(wěn)定性有待進一步檢驗。

基于財務危機預警方法研究的現(xiàn)狀,筆者認為,財務危機預警方法的研究還應在以下兩個方面進行突破:首先,應在分行業(yè)的企業(yè)財務危機預警研究方面進行突破。由于每個行業(yè)的狀況不同,影響財務危機的因素自然不同,我們很難構建一個能適合所有行業(yè)的企業(yè)財務危機預警系統(tǒng)。國外理論界在分行業(yè)的財務危機預警研究中發(fā)現(xiàn),由于行業(yè)的不同,同一預警變量包含的信息量有所不同,其預測效果有很大差別。因此,分行業(yè)研究可能更有價值。其次,國內財務危機預警方法絕大多數(shù)只限于預測被“特別處理”(ST)的上市公司,且模型的敏感性較低(多數(shù)只能提前1-2年進行較為準確的預測),其研究成果主要為投資者買賣股票提供一些投資依據(jù),對企業(yè)自身的財務預警作用并不明顯。另外,各種預警方法對非上市公司研究很少,因此,在財務危機預警研究的范圍方面還應進行拓展和突破。

【參考文獻】

[1] 齊治平,余妙志. Logistic模型在上市公司財務狀況評價中的運用[J].東北財經大學學報,2002,1:60-61.

[2] 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,1998,6:18-20.

[3] 陳曉,陳治鴻.中國上市公司的財務困境預測[J].中國會計與財務研究,2000,9:55-72.

[4] 姜秀華.治理內核與綜合業(yè)績的相關性研究[M].上海:上海財經大學出版社,2003年版.

[5] 陳洪波.中國上市公司財務危機判別模型[J].四川會計,2003,1:23.

[6] 吳世珍,柯大鋼.我國上市公司財務危機預警研究[J].財會月刊,2007,3:16-19.

第5篇:企業(yè)財務危機預警范文

關鍵詞:企業(yè);財務危機;預警體系;建立

在日益復雜化的市場環(huán)境中,蘊藏著來自各方各面的可能影響企業(yè)正常發(fā)展的危機。通常,企業(yè)財務危機的出現(xiàn)與其內部外部各種因素都有一定的關系。企業(yè)財務危機對于企業(yè)正常穩(wěn)定發(fā)展的影響不言而喻。對于企業(yè)的長久發(fā)展來說,如果缺乏危機意識,缺乏一套合理有效的財務危機預警體系,則可能使得企業(yè)發(fā)展陷入困境。資金周轉不善、資本流通不及時等都是財務危機可能引起的不良狀態(tài)。因此,我國各個企業(yè)必須結合自身,制定出合理完善的財務危機預警體系來應對市場的發(fā)展與變化。

一、現(xiàn)行企業(yè)財務危機預警體系存在的問題

(一)缺乏完善的預警體系

在預警機制的整個行程形成過程中,有許多因素制約著預警體系的完善建立。對于企業(yè)的財務管理人員而言,許多工作人員習慣了原有的工作體系。他們普遍認為在原有的工作模式下企業(yè)財務仍能夠維持正常發(fā)展,因此對于財務預警工作缺乏認識和重視。這就導致的財務管理工作人員對于財務預警體系建立的不重視。另外,即使在一些對于財務預警體系進行了適當強調的企業(yè)當中建立了一定的財務預警體系,在其發(fā)揮作用時也受到了一定的約束。比如,許多企業(yè)在現(xiàn)行財務預警體系解決了一定的財務危機之后,對已經遇到并解決了的危機不加以重視,這就導致一些危機的反復發(fā)生。這在很大程度上造成了預警體系的不完善以及工作效率的低下。

(二)指標選取不夠合理

財務危機預警體系總得說來是一套執(zhí)行預測與考評的工作體系。而在對于財務危機的預判過程中,現(xiàn)行的財務預警體系大多使用的是一些傳統(tǒng)且初級的分析指標。一些指標也存在一定的時效性,這些非實時指標使得財務危機不能及時得到發(fā)現(xiàn)與解決。采取這樣的一些指標進行財務危機預判在很多時候并不能得出實際可靠的財務運轉情況,因而無法真實地反映出一些潛在的危機。在這樣的情況下,會很大程度上影響到財務預警體系的工作可信度。另外,在調查分析中可以發(fā)現(xiàn),現(xiàn)行的財務危機預警體系對于現(xiàn)金流通過程的分析較為缺乏,而這對于企業(yè)發(fā)展是十分重要的一個項目。

(三)預警體系信息網(wǎng)絡不發(fā)達

隨著市場流通的加快,企業(yè)的財務流動也是一個十分快速的過程。而當前,企業(yè)財務危機預警體系的實際運行中卻存在著嚴重的信息滯留現(xiàn)象。對于財務危機預判信息沒有及時地進行反饋,而這些信息很多時候是存在于一個飛速變化的環(huán)境當中的。因此,缺乏及時的信息反饋使得財務危機預警工作起不到其應有作用,使之形同虛設。實際上,信息的溝通不及時并不單純是由于工作人員的工作而引起的,它也存在一定的客觀因素。財務危機的預判通常是由一些會計財務指標來進行的,而這些信息本身就不屬于實時信息。許多信息是在月末統(tǒng)一進行統(tǒng)計的,因此它本身就存在一定的信息滯后性。

(四)預警信息應用程度低

企業(yè)建立財務危機預警體系主要是為了應對企業(yè)在未來一段時間內可能遇到的財務風險和危險,保證企業(yè)能夠正常的運營。但是在實際的財務危機預警工作中,由于企業(yè)沒有重視預警工作的開展,只是簡單地建立了預警體系并根據(jù)企業(yè)的財務信息來實施預警工作。企業(yè)中的預警結果與實際的運營管理工作聯(lián)系程度較小,加上相關工作人員沒有對相關的預警結果進行分析研究并體現(xiàn)在企業(yè)的實際工作中,對未來可能遭遇的危機不能起來有效地預警作用。

二、企業(yè)財務危機預警體系改良建議

(一)構建完善的預警體系

完善的財務危機預警體系對于企業(yè)的財務管理以及其他工作中應對未來可能的危機風險來說有積極作用,因此企業(yè)需要對現(xiàn)有的預警體系進行改良,提升對財務危險預警的效果。構建完善的財務預警體系,首先需要建立相應的預警機制,該預警機制的建立必須根據(jù)企業(yè)的現(xiàn)有狀況、行業(yè)發(fā)展情況等內部和外部因素來實現(xiàn),保證建立的預警制度能夠與企業(yè)的工作聯(lián)系起來,并能有效地在各個環(huán)節(jié)的工作中發(fā)揮預警作用。其次預警體系需要建立匹配的預警工作實施機制和監(jiān)督機制,保證企業(yè)的預警體系能夠有效地開展,并在未來的發(fā)展中根據(jù)未來的具體情況而做出相應的調整,保證預警體系的適用性,并避免預警工作中因為不規(guī)范而造成的預警效果不佳問題。

(二)合理選擇預警指標

企業(yè)的財務危機預警體系沒有能夠發(fā)揮理想的效果的有一個原因是預警指標的選擇不合理,為了提高財務危機預警工作的效果,需要對預警指標的選擇進行優(yōu)化。首先對于以往存在的預警指標單一的問題,應該通過企業(yè)的實際運營涉及的環(huán)節(jié)以及容易出現(xiàn)危機的部門的具體信息來具體制定,保證通過選擇的預警指標可以有效地反映企業(yè)的實際運營情況以及可能出現(xiàn)的問題。同時對于預警指標的在保證全面性和系統(tǒng)性之后,更需要針對預警指標的時效性進行提高,因為每個時期企業(yè)面臨的財務危機不同所要選取的預警指標也不相同,必須根據(jù)具體時期的特點來具體選擇,保證財務危機預警工作能夠及時反映企業(yè)的實際情況。

(三)建立完善的預警信息網(wǎng)絡

企業(yè)的財務危機預警工作與其中的財務信息以及企業(yè)其他方面的信息都息息相關,但是在實際情況中經常出現(xiàn)信息網(wǎng)絡不發(fā)達而導致的信息真實度和流通度不夠,為了保證財務危機預警體系能夠正常發(fā)揮作用必須解決其中的問題。企業(yè)需要建立自己的財務預警信息網(wǎng)絡,并以信息網(wǎng)絡作為預警工作的基礎。預警信息網(wǎng)絡首先需要保證信息的真實度,在各部門向財務部門反饋財務信息以及管理信息時,需要通過相關的監(jiān)督檢查來保證反饋信息的真實可靠。財務部門對相關的信息進行分析處理后,同樣需要預警信息網(wǎng)絡來及時地對企業(yè)中的各個部門傳遞工作調整信息來面對可能遇到的風險。通過預警信息網(wǎng)絡可以更進一步將財務部門和其他部門聯(lián)系起來,同時可以互相起到監(jiān)督和支撐作用,確保預警體系能夠有效地發(fā)揮作用。

(四)加強預警體系的實際作用

財務危機預警體系在企業(yè)運營中可以發(fā)揮重要的作用,但企業(yè)由于長期堅持傳統(tǒng)的財務管理模式,所以對于預警體系的重視程度不夠,財務預警體系能夠發(fā)揮的作用有限。企業(yè)如果想要更好地進行財務管理來應對可能遇到的財務危機,首先需要在全企業(yè)范圍進行預警工作的教育,加強對預警工作的重視,并通過財務預警的相關學習來提升相關員工的財務預警工作能力。企業(yè)需要不斷加強對財務預警結果的分析和處理能力,結合未來的經濟發(fā)展趨勢來發(fā)現(xiàn)其中存在的問題,并能夠及時地將相關的預警信息轉換為企業(yè)中的各部門需要做出的工作計劃,保證預警工作的及時性和有效性。預警體系的實施同樣可以加強各部門的聯(lián)系,促進企業(yè)成為一個緊密的整體來面對未來的風險。

三、結語

隨著我國企業(yè)的快速發(fā)展,其面臨的風險和挑戰(zhàn)也越來越多同時也更復雜。企業(yè)如果想要尋求更進一步地發(fā)展,必須對企業(yè)的財務危機預警體系進行相關的研究,在加強對財務危機預警體系的重視的同時不斷完善其中的不足,加強預警體系在企業(yè)中的應用,提高企業(yè)應對危機的能力,長久推動企業(yè)的發(fā)展。

作者:張楚勇 單位:南京萬川華拓醫(yī)藥有限公司

參考文獻:

第6篇:企業(yè)財務危機預警范文

關鍵詞:財務危機;預警方法;文獻綜述

中圖分類號:F230 文獻識別碼:A 文章編號:1001-828X(2015)018-000-01

一、國外財務危機預警文獻綜述

財務危機預警研究在國外起步很早。1966年,基于Fitzpatrick的研究,芝加哥大學教授Beaver借鑒統(tǒng)計學原理,建立了基于單個財務比率的一元財務危機預警模型。結果發(fā)現(xiàn)離樣本困境日越近,模型預測判別的正確性越高,困境前一年的預測正確率高達87%。Beaver的研究成果在財務危機預警領域起到了承前啟后的作用,并為接下來的多變量預測模型打下了牢固的基礎。

1977年,Altman,Haldeman和Narayanan對 Z―Score模型進行了進一步的修正和完善。他們打破行業(yè)局限選取樣本,同時新增資本總額和公司規(guī)模兩個判別變量。此后,多元線性分析判別法得到了各國學者的反復實踐應用。但是在實踐過程中,暴露許多弊端。

1977年,Martin首次應用Logistic回歸模型研究財務危機預警。從1969-1974年期間美聯(lián)儲5600家銀行中選定58家危機銀行進行預測。經研究發(fā)現(xiàn),相比Z模型和Zeta模型,Logistic回歸模型的誤判率較低,預測的精準度可高達96%。至今,該模型仍被廣泛的應用于各項研究中。隨著經濟技術的飛速發(fā)展,已經不能適應經濟、財務預警機制所要求的精準性,神經網(wǎng)絡技術與財務預警的結合應運而生。

1990年,Odom和Sharda創(chuàng)造性的將神經網(wǎng)絡技術應用于財務危機預警中。他選取65家破產企業(yè)作為樣本,并將其劃分為訓練組和檢驗組。結果發(fā)現(xiàn)訓練組的該模型較其他預警模型準確率大大提高。

Tam和Kiang的研究使該方法在預警領域得到了各國學者的實踐應用,研究發(fā)現(xiàn),雖然神經網(wǎng)絡方法明顯的優(yōu)于Logistic回歸分析法,但是在樣本數(shù)量的限制下需要進行多次反復的訓練仿真。

1998年,Luthern在神經網(wǎng)絡模型中首次引入遺傳算法,并將該方法與多元Logistic線性回歸分析法進行比較,結果顯示,基于遺傳算法的神經網(wǎng)絡模型預測結果更優(yōu)。

除以上研究外,許多專家學者建立混合模型進行財務預警研究。實證檢驗表明,混合方法比單個的方法具有較高的預測精度,更是在財務危機預警領域開辟了新的道路。

綜述以上研究現(xiàn)狀,可以看出在健全的資本市場的助力下,國外的財務危機預警研究頗豐。近年來,更是有災害理論、期權理論和混沌理論等眾多相關理論的引入,大大推動了該領域的發(fā)展。

二、國外財務危機預警文獻綜述

我國在該領域的研究相對起步較晚。20世紀90年代,隨著ST機制的引入和企業(yè)會計準則的頒布,財務風險預警越來越多的被專家學者所關注。

2005年,楊淑娥和黃禮選取180家上市公司,利用BP人工神經網(wǎng)絡工具構建財務危機預警模型。經過反復的訓練和學習,取得了90%以上的判正率。BP神經網(wǎng)絡在許多不可控因素下仍可以得到較低的誤判率,使預測結果令人滿意。

同年,許多專家學者都開始對神經網(wǎng)絡進行研究。李秉祥則提出了一種非線性組合預測風險的方法。該方法最大的特色就是以模糊神經網(wǎng)絡為基礎,并將該方法的預測結果與其他模型的結果進行對比,結果表明,該方法有較強的適應能力和較高的預測精度。

2011年,龐清樂和劉新允采取分層抽樣的方法選取60個企業(yè)作為研究對象,首次將蟻群算法和神經網(wǎng)絡結合。該方法利用蟻群算法的潛在優(yōu)點極大的克服了傳統(tǒng)神經網(wǎng)絡的局限性。實驗的結果表明,改進后的神經網(wǎng)絡模型的誤差平方和僅為0.057。

2014年,黃曉波和高曉瑩以制造業(yè)企業(yè)為研究對象并引入非財務指標構建神經網(wǎng)絡模型。在研究中他們利用因子分析對指標體系進行優(yōu)化。結果顯示,模型有良好的預測性,在所有指標中,盈利能力的影響因子系數(shù)最大。

我國在該領域的研究雖然相對較晚,但是在國外研究的基礎之上,我國也開展一系列的科研工作,許多研究已經同國外同步。并且,在此基礎上,有專家學者提出了財務危機預警要有中國元素,根據(jù)我國的基本國情和不同行業(yè)的特征制定的危機預警模型才更加具有適應性,足以表明我國在該領域的研究已日漸成熟。

三、國內外文獻評述

縱觀國內外對危機預警模型的研究,雖然起步時間不同,但是無論在理論上還是實踐中都有了較大的發(fā)展:從單變量模型到多變量模型,從邏輯回歸模型到人工智能模型,從單一判別方法到混合判別方法,從單一的財務管理理論到多學科的交匯融合,從靜態(tài)預警到動態(tài)時間預警,這些都表明了該領域的迅速發(fā)展,也表明了企業(yè)管理當局、投資者、債權人等利益相關者對企業(yè)財務風險預警的需求。

就目前財務危機預警的研究來看,仍然存在許多有待完善的地方。本文在客觀分析其不足之處的同時,也對財務危機預警的發(fā)展趨勢做以下展望:

首先,運用模型中對變量指標的篩選缺乏規(guī)范化處理。許多指標的采用受前人研究、研究者自身經驗的限制等因素的影響,缺乏客觀性和全面性。絕大多數(shù)財務危機預警模型所選取的變量都是財務指標,這些數(shù)據(jù)資料并不能全面準確的反映企業(yè)的財務狀況,相反對非財務指標等非量化指標考慮較少。其次,傳統(tǒng)意義上我們認為,只有ST的企業(yè)才是有財務危機的,并只把ST企業(yè)作為研究對象,這樣的方法過于拘泥傳統(tǒng)。所以在研究中,應該打破ST的限制,以企業(yè)的實際財務狀況為判斷依據(jù)。

綜上所述,財務危機預警在迅速發(fā)展的同時仍存在許多不足之處。就方法而言,雖然預警方法不斷進步,國內模型研究的主流仍然是多元線性判別模型和Logistic 回歸模型,神經網(wǎng)絡等人工智能方法應用仍較少。

參考文獻:

[1]吳世農,黃世忠.企業(yè)破產的財務分析指標及其預測模型[J].中國經濟問題,1986(5):8-15.

第7篇:企業(yè)財務危機預警范文

【關鍵詞】 Fisher判別法;財務危機;預警模型;應用研究

隨著我國市場經濟的發(fā)展,對公司財務危機預警研究的需求日益迫切。財務危機預警可利用的統(tǒng)計方法很多,如Fisher判別、貝葉斯判別、Logistic回歸等。通過分析不難發(fā)現(xiàn),F(xiàn)isher判別只要求二階矩陣,且對總體分布類型沒有嚴格的要求,模型構建簡單,可操作性強。因此,本文從實用性出發(fā),通過建立Fisher判別預警模型對我國上市公司財務狀況進行分析判別,力求為決策者提供一定的決策依據(jù)。

一、Fisher判別法

(一)Fisher判別法的基本思想

Fisher判別法是費希爾(R.A.Fisher)于1936年在生物學上植物分類提出來的?;舅枷胧牵簭膬蓚€總體中抽取具有P個指標的樣品觀測數(shù)據(jù),借助方差分析的思想構造一個判別函數(shù)y=c1x1+c2x2+…+cpxp,其中c1,c2,…,cp確定的原則是使兩個總體組間的區(qū)別最大,同時每個組內部的離差最小。確定了判別式后,對于一個新的樣品,將它的P個指標值代入判別式中求出y值,然后與判別臨界值(或稱分界點)進行比較,就可以判別它應歸于哪一個總體。

(二)Fisher判別法判別臨界值的確定

將兩個總體的樣品觀測值代入判別式中,可得:

如果有原始數(shù)據(jù)求得y(1)、y(2),且y(1)>y(2),則建立判別準則為:記某一個樣品X=(x1...xp)代入判別函數(shù)中所得值為y。若 y>y0,則判定X∈G1;若y<y0,則判定X∈G2。如果 y(1)y0,則判定X∈G2;若y<y0,則判定X∈G1。

二、實證研究

(一)模型變量選擇

本文選取的樣本來源于中國注冊會計師協(xié)會網(wǎng)站和訊網(wǎng)公布的2008年度財務財務報表。利用公開獲取的上市公司財務報表數(shù)據(jù),結合國內專家的研究成果進行適當取舍,選取的財務指標變量見表1。

(二)變量檢驗

為了使選擇的指標具有很強的判別能力,首先,做X1-X21組自變量的組間均值相等檢驗,結果如表2。

通過表2分析結果可以看出,變量X3,X10,X11,X20和X21的顯著水平(Sig.)分別為0.005、0.028、0.035、0.006、0.001,均在0.05水平下顯著,說明這5個財務指標具有很強的判別能力。

(三)相關性檢驗

為了避免多重指標帶來的多重共線性問題,并出于簡化的分析目的,需考查自變量的協(xié)方差和相關性,檢驗結果見表3。

通過表3分析可以看出, 組間協(xié)方差矩陣和組間相關矩陣顯示X10和X11之間的相關性為0.581有較強的相關性,需在兩者之間進行取舍。分別對兩組自變量進行標準化及結構分析,表4表示兩組模型的標準化典型判別系數(shù),表5表示結構矩陣,即自變量與判別函數(shù)的組內相關矩陣,各矩陣根據(jù)變量對判別函數(shù)影響力排序,絕對值越大表明影響力越大。當然,兩組矩陣結果有差異,通常是由于受到變量間共線性導致的。但是通常結構矩陣不受共線性影響,所以結構矩陣的分析結果相對可靠,依次類推,X11影響力大于X10,故選X11進入模型。

(四)模型構建

為了檢驗模型的可靠性、擬合度和預測能力,需對X3、X10、X20和X21進行顯著性檢驗,分析結果見表6。

通過分析結果可看出,相伴概率為0.00,表明判別函數(shù)在a=0.01水平下顯著,說明判別能力很強,且各自變量間獨立性比較好。

三、結論

本文采用Fisher判別分析法對選定的上市企業(yè)財務危機進行了預測與分析。研究結論如下:使用Fisher判別法可以對企業(yè)目前的財務狀況作出基本的判斷。由于模型構建簡單方便,實際操作性強,具有一定的實用價值。同時,也不難發(fā)現(xiàn),由于變量之間的相關性和多元線性函數(shù)變量之間可能存在多重共線性,導致全部由判別效率相對較高而生成的判別函數(shù)會高估模型的判別準確率,在今后的研究與實踐中,還需進一步將其它判別法的優(yōu)點綜合于Fisher判別法中。

【參考文獻】

[1] 陳曉紅,戴靜.基于Logit模型的中小企業(yè)成長危機預測[J].系統(tǒng)工程,2007(1).

[2] 姚瑾,盛松成,劉勤明.Fisher 判別法在房地產投資環(huán)境評價中的應用[J].建筑經濟,2008(6).

[3] 于秀林,任雪松.多元統(tǒng)計分析[M].北京:中國統(tǒng)計出版社,2006.

[4] ,崔文田,徐青川.應用統(tǒng)計分析教學實踐案例集[M].北京:清華大學出版社,2007.

第8篇:企業(yè)財務危機預警范文

一、引言

我國中小企業(yè)較多,普遍存在的問題是資本結構不健全、管理結構不合理、財務信息不完善、內部控制制度落后、風險意識薄弱等,因此中小企?I很難抵擋外部環(huán)境引發(fā)的風險。目前,很多中小型企業(yè)尚未意識到財務風險危機,也并未采取相關措施進行防治,直接導致很多中小企業(yè)連年虧損,甚至出現(xiàn)破產。建立一套完善可行的中小企業(yè)危機預警方法,成為當前學者們的研究熱點。

國外學者采用多元概率比回歸分析法、現(xiàn)金流量信息預測分析法和混合模型分析法對中小企業(yè)財務風險開展了大量研究,并取得了一定成果。Zmijewski[1]采用概率回歸分析法對3 800家正常企業(yè)和76家破產企業(yè)進行研究,建立了Probit財務預警模型;Aziz[2]通過對比破產和非破產企業(yè)的現(xiàn)金流量均值及公司納稅情況,提出了現(xiàn)金流量信息模型;Hongkyu et al.[3]采用破產預警混合模型,對韓國破產企業(yè)和正常企業(yè)進行了實證研究,驗證了混合模型分析法的可行性。任惠光等[4]采用DEA數(shù)據(jù)包絡分析法、Logistic模型和模糊神經網(wǎng)絡模型,選取了財務、公司管理、效益等51個技術指標,對378家上市公司進行實證研究,提出一種跨期財務綜合危機預警模型;楊瀟[5]結合傳統(tǒng)Logistic財務預警模型和隨機欠抽樣不均衡分析方法,建立了RU-Logistic財務預警模型,采用主成分分析法對我國上市電力公司開展研究。

雖然近年來國內外針對企業(yè)財務危機預警進行了大量研究,但是仍存在以下不足:(1)現(xiàn)有財務危機預警主要針對大型企業(yè),對中小企業(yè)的相關研究還不多見;(2)國內現(xiàn)有相關研究很少考慮我國國情,國外一些基本假設未必符合我國市場體制;(3)財務預警評價體系還不完善,很少考慮非財務指標對企業(yè)危機的影響。本文針對這些不足之處,選取80家中小企業(yè)上市公司為研究對象,采用Logistic方法建立了兩種不同的中小型企業(yè)財務危機預警回歸模型,并對比了兩種模型的企業(yè)財務危機預警準確率。研究成果可為中小企業(yè)財務危機預警提供參考。

二、企業(yè)財務危機預警模型設計

(一)模型特點與針對性

Logistic回歸模型是一種概率回歸廣義線性模型,可用于描述和推斷一組變量與多分類因變量之間的關系。Logistic回歸模型參數(shù)估計主要采用非條件最大似然法,通過建立似然函數(shù)和對數(shù)似然函數(shù),獲得對數(shù)似然函數(shù)的最大特征根相關參數(shù),得出各個參數(shù)的最大似然估計值。本文采用Logistic回歸來進行中小企業(yè)財務危機預警研究,主要因為Logistic回歸模型具有以下特點[6-7]:(1)Logistic回歸模型的自變量與因變量存在非線性關系;(2)Logistic回歸模型無需假設方差不變,對自變量分布無特殊要求,各個自變量可以是連續(xù)值或離散值,甚至可以為虛擬值,即不需要假設自變量間存在多元正態(tài)分布;(3)Logistic回歸模型的因變量為分類變量,預測精度較高?;贚ogistic回歸模型上述特點,認為其可以進行中小企業(yè)財務危機預警研究。

將中小企業(yè)是否陷入財務危機作為因變量,其狀態(tài)可以用0和1表示。當中小企業(yè)陷入財務危機時,因變量取1;當中小企業(yè)財務狀況良好時,因變量取0。在進行數(shù)據(jù)預處理時發(fā)現(xiàn)自變量(包括財務指標和非財務指標)不服從正態(tài)分布,因此選用不需要假設自變量間存在多元正態(tài)分布的Logistic回歸模型進行中小企業(yè)財務危機預警研究。

(二)研究樣本

鑒于我國大多中小企業(yè)并未上市,很多財務信息存在虛假情況且財務數(shù)據(jù)搜集較為困難,本文研究的中小企業(yè)主要來自滬深兩市中小企業(yè)板塊。采用與國內外學者類似的研究方法,以上市公司是否處于ST狀態(tài)為判斷財務危機的標準,共選取80家非金融類中小型上市公司,其中69家非ST企業(yè)和11家ST企業(yè),分為非財務危機組和財務危機組開展研究??紤]到行業(yè)等因素對研究結果的影響,非財務危機組所處行業(yè)和資產規(guī)模盡量與財務危機組相近,所搜集數(shù)據(jù)均來自2012―2016年滬深兩市的公開財務報表。

(三)研究變量選取

1.財務變量選取

企業(yè)財務狀況與其運營能力、管理能力、盈利能力息息相關,目前仍沒有形成完善的企業(yè)財務危機預測變量選取依據(jù)。本文基于現(xiàn)有研究基礎,認為預警模型財務變量需滿足如下條件:(1)變量指標相關數(shù)據(jù)容易獲得;(2)能夠顯示中小企業(yè)短期償債能力;(3)可以體現(xiàn)中小企業(yè)的經營現(xiàn)狀和發(fā)展狀態(tài);(4)可以體現(xiàn)中小企業(yè)投資水平的合理性;(5)可以體現(xiàn)中小企業(yè)成長能力。

參考中國上市公司財務指標分析數(shù)據(jù)庫中的相關指標選擇本文分析所需的財務變量[8]。根據(jù)中小企業(yè)特點,確定償債能力指標、盈利能力指標、營運能力指標、發(fā)展能力指標和現(xiàn)金流指標為財務危機預警的一級指標,具體二級指標及其計算方法見表1。

2.非財務變量選取

中小企業(yè)財務危機不僅受到財務變量影響,還會受到宏觀經濟、社會環(huán)境、行業(yè)因素等非財務變量影響。與財務變量不同,非財務變量收集難度大、成本高。國外研究人員大多選擇宏觀經濟指標和行業(yè)指標作為非財務變量,但由于我國經濟環(huán)境與國外經濟環(huán)境有著較大差異,本文非財務變量更側重于微觀方面。選擇企業(yè)組織結構、管理費用、董事會構成和審計意見作為非財務變量一級指標,四項一級指標下設若干二級指標,具體情況見表2。

三、企業(yè)財務危機預警模型實證

(一)?量篩選

如果利用上述22個指標構建中小企業(yè)財務危機預警模型,雖然可以進行較為全面的分析,但是工作量十分巨大,這些指標中的部分指標存在線性相關。為了提高計算準確率,須對上文16個財務候選指標和6個非財務候選指標進行正態(tài)性檢驗和顯著性檢驗。對各變量進行K-S檢驗,利用隨機變量B的樣本數(shù)據(jù)構建分布函數(shù),通過計算分布函數(shù)落在某個區(qū)間內與正態(tài)分布重合的概率,用于判斷變量是否滿足正態(tài)分布。表3為16個財務候選指標和6個非財務候選指標的K-S檢驗及顯著性檢驗結果。表3中,各變量顯著性水平都接近于0,遠遠小于0.5。

由于各變量間不服從正態(tài)分布,因此需要對其進行Wilcoxon秩和非參數(shù)檢驗。將企業(yè)成為ST的前1年、前2年、前3年分別記為T-1、T-2、T-3。根據(jù)各單變量Wilcoxon秩和非參數(shù)檢驗結果,發(fā)現(xiàn)存貨周轉率(A12)、最大股東持股比例(B1)、Z-指數(shù)(B2)、董事會規(guī)模(B4)的顯著性水平均大于0.5,須剔除這些變量。因此,從前文16個財務候選指標和6個非財務候選指標中篩選出15個財務候選指標和3個非財務候選指標,作為中小企業(yè)財務危機預警模型的變量。

(二)因子分析

如果基于剩余的18個候選指標開展財務危機預警研究,計算量仍然很大,可進一步通過因子分析降低變量數(shù)。

1.KMO檢驗

利用KMO檢驗結果對候選財務變量進行判斷。若KMO值越大,說明變量相關性越強。對本文15個財務候選指標進行巴特利球體檢驗,其卡方計算結果為1192.15,自由度計算值為102,財務指標變量的KMO值為0.821。若KMO值分布在[0.8,0.9],則說明因子分析效果較好,因此15個財務候選指標因子分析效果較好。

2.公共因子計算

表4為15個財務候選指標公共因子特征值、貢獻率計算結果。由表4可知,如果選擇5個公共因子,則能反映出15個財務候選指標81.693%的信息量;如果選擇4個公共因子,則能反映出15個財務候選指標78.113%的信息量。綜合效率和計算量,本文選擇前4個公共因子作為財務候選指標的替代變量,將其分別記為C1、C2、C3、C4。

(四)結果分析

1.純財務指標Logistic回歸模型

采用純財務指標回歸模型進行財務危機預警的檢驗結果見表8。由表8可知,針對ST中小企業(yè)和非ST中小企業(yè),純財務指標回歸模型預警準確率分別為63.636%和82.609%。

2.綜合Logistic回歸模型

采用綜合回歸模型進行財務危機預警的檢驗結果見表9??梢?,對于ST中小企業(yè)和非ST中小企業(yè),綜合回歸模型預警準確率分別為81.818%和92.754%。對比綜合回歸模型和純財務指標回歸模型,綜合回歸模型預警準確率分別提升18.182%和10.145%。

第9篇:企業(yè)財務危機預警范文

關鍵詞:財務危機;預警 ;決策方法;

一、財務危機預警的基本含義

從財務危機發(fā)生的規(guī)律來看,企業(yè)財務危機有一個累積的過程,一般在其發(fā)生之前就能夠進行預測,并給企業(yè)管理當局發(fā)出明確的危機警示,使其主動調動企業(yè)內外部各種資源,制定有針對性的預控措施,從而使企業(yè)避免財務危機的發(fā)生或減輕財務危機的強度。危機并不可伯,比危機更可怕的是在危機到來之前還意識不到危機已經來臨,因此,有必要對財務危機進行預先警示。

二、財務危機的警源分析

(一)財務危機的外生警源

1、系統(tǒng)風險因素

系統(tǒng)風險因素亦稱市場風險因素,是指對所有企業(yè)都產生一定影響的因素,如國家政策,社會經濟環(huán)境等,是所有企業(yè)都無法避免的。

2、個別風險因素

個別風險因素是指只對本企業(yè)或其他較少企業(yè)產生不利影響的因素,如主要承銷商無力支付本企業(yè)貨款,重要客戶惡意賴賬,被投資企業(yè)發(fā)生虧損,被控保單位無力償債,協(xié)作單位撕毀營銷合同等。

(二)財務危機的內生警源

1、投資決策失誤

企業(yè)在經過一段時間的發(fā)展和積累后,往往有通過擴大投資來追求更大成功的內在沖動。在良好市場契機背景下經過充分論證和調查的投資決策,是很多企業(yè)迅速發(fā)展壯大的動力因素。然而,沒有明確目標和科學論證的盲目擴張,會使一個本來健全的組織陷入混亂,超越管理、組織和財務上的能力,致使資金壓力過大、產能閑置、存貨過多、成本過高等財務負擔,最終導致的不僅僅是經營虧損,甚至是徹底的崩潰和破產。

2、市場信息失誤

一方面,營運資金持有量是否恰當決定著企業(yè)財務周轉能否順暢進行,而企業(yè)的營運資金往往與企業(yè)的財務預測息息相關。由于財務預測是建立在對未來市場需求和銷售額預測基礎上的,當企業(yè)掌握的市場信息失誤,或對市場信息的處理不夠及時,企業(yè)對銷售預測的錯誤判斷就會成為財務預測背后隱蔽的危機因素。

3、內部管理控制失效

企業(yè)內部管理不善和內部控制失效是財務危機爆發(fā)的重要原因。當企業(yè)的管理狀態(tài)混亂無序,內部控制失效時,就會出現(xiàn)成本失控、損失浪費嚴重、價格缺乏競爭、收不抵支、應收賬款和存貨周轉緩慢、資產流動性差等現(xiàn)象。

4、公司治理不健全

合理的公司治理能夠在確保大小股東受到平等對待的前提下保護股東和利益相關者的合法權益,確保董事會對公司的戰(zhàn)略性指導和對管理人員的有效監(jiān)督。

三、基于群決策的財務危機預警實例

公司簡介及實例方案設計

1、公司簡介

上海開開實業(yè)股份有限公司是一家以服裝和醫(yī)藥為主營業(yè)務的上市公司。其前身為1936年在上海創(chuàng)立的開開百貨商店,銷售自行生產的襯衫及羊毛衫。1984年,該公司將生產并銷售的襯衫及羊毛衫所用品牌“開開牌”注冊為專利商標,后在全國各地陸續(xù)建立開開牌服裝的銷售網(wǎng)絡。1993年,經批準改組為股份有限公司,同時改用現(xiàn)時的公司名稱。2001年,經國泰君安證券股份有限公司推薦,其股票開始在上海證券交易所公開上市交易。從公司年度報告來看,2002年和2003年該公司各項財務指標表現(xiàn)良好,似乎處于各項業(yè)務和公司規(guī)模逐漸發(fā)展的成長階段,但是實際上已經埋下了一些危機的隱患。2004年,該公司總經理張晨攜數(shù)億元巨款潛逃,造成該公司巨額虧損。2005年,雖然該公司通過強化服裝和醫(yī)藥兩大主營業(yè)務,處置部分資產,壓縮信貸規(guī)模等舉措扭虧為盈,但是仍然面臨著較大的困難。2006年至今,該公司又相繼提出股權分置、控股股東股權轉讓和資產重組等方案,目前正在實施中。

2、實例方案

該公司2002年和2003年雖然已經埋下了一些危機隱患,但是整體財務狀況良好,各項財務指標均未出現(xiàn)顯著的異兆。2004年的巨額虧損型財務危機在某種程度上具有迅速爆發(fā)的特點,也就是說,企業(yè)財務危機周期中的潛伏期和形成期歷時較短。此種情形下,在2002年或2003年試圖通過各種財務危機定量預測方法處理財務指標數(shù)據(jù)來預測出2004年的財務危機狀況,幾乎是不可能的。在這種財務危機定量預測方法失去其有效性前提的狀況下,專家的經驗知識和非財務信息就顯得尤為重要。因此,該實例分析方案的設計思想如下:

(1)由五位具有注冊會計師資格和碩士以上學位的財務會計專業(yè)人員來擔任企業(yè)財務危機可能性評價的專家角色,并假設他們在評價過程中具有相同水平的調控能力。

(2)由于受信息來源途徑的限制,該實例分析中的專家只能利用上市公司公開披露的信息以及其他公共信息。因此,實例分析中采用的定性指標體系更加粗線條些。