财务危机预警研究范文

时间:2023-07-27 17:01:59

导语:如何才能写好一篇财务危机预警研究,这就需要搜集整理更多的资料和文献,欢迎阅读由公务员之家整理的十篇范文,供你借鉴。

财务危机预警研究

篇1

【关键词】财务危机,财务预警,综述

国内外学者对于财务危机预警的研究已经将近80年,从Fitzpatrick(1932)最早发现出现财务危机的公司其财务比率显著不同于正常公司的财务比率起,到运用统计方法进行建模。随着计算机技术被运用到预警模型,大大提高了预测的准确度。

本文旨在对前人研究中,财务危机的概念界定、变量选择、样本选取、模型发展等环节中的成果进行综述,指出存在的一些问题,提出可能的发展趋势及未来研究思路。

一、概念界定

Beaver(1966)将财务危机定义为破产、拖欠优先股股息、银行透支和债券违约。Altman(1968)认为财务危机是“企业失败,包括在法律上的破产、被接管和重整等”。

朱家安、陈志斌(2007)对国内主要经管类学术刊物上有关财务危机预警的34篇文章进行了统计,将财务危机界定为“以财务状况异常被ST的公司”占35%,直接将财务危机界定为“被ST的公司”占44%,说明将ST界定为财务危机在在研究中已被广泛采用。

二、变量选择

(一)财务指标Fitzpatrick(1932)最早发现出现财务危机的公司其财务比率显著不同于正常公司的财务比率。Altman(1968)使用常规的财务指标,如负债比率、流动比率、净资产收益率和资产周转速度等,作为模型的变量。Aziz和Lawson(1989)发展了现金流量信息指标体系,发现含现金流量信息的模型预测效果更好。在朱家安、陈志斌(2007)的统计中,国内研究中指标选取多为利润指标,较少涉及现金流量指标。

(二)股权结构指标La Portaetal(1999)发现公司的股权集中程度越高,财务状况越容易出问题。Shleifer & Vishny(1986)、Faccio & Lang(2002)指出,所有权集中度的提高会降低企业发生财务危机的可能性。姜秀华和孙铮(2001)认为分散的股权结构使得股东之间的“搭便车”行为更容易导致企业出现财务危机。于富生和张敏(2008)则发现我国上市公司股权集中程度同公司财务危机之前有显著正相关关系。

(三)治理结构指标Shi jun Cheng(2008)指出,董事会规模同公司业绩呈负相关;Judge & Zeithaml(1992)发现,高比例的内部董事放松了对管理层的监督,从而有可能导致财务危机的发生;Bhagat & Black(2002)研究发现,公司的独立董事比例同公司业绩无显著相关性。孙永祥等(2000)以托宾Q值、总资产收益率和净资产收益率作为衡量公司业绩的指标,表明我国上市公司董事会规模同公司业绩之间具有负向关系;于富生和张敏(2008)发现,独立董事比例与公司财务风险之间存在显著负相关关系。

(四)管理层特征指标Whitaker(1999)认为,许多公司陷入财务危机更多的是源于其薄弱的管理而非经济上的困难。McConnell & Servaes(1990)研究了管理层激励对财务危机的影响,认为经理人员持股比例与公司表现呈波动性关系。Warfield(1995)的研究认为,公司管理层持有本公司股票越多,其与股东权益就越趋于一致,就会有较强的动机避免公司陷入财务危机。陈超(2002)的研究认为,我国上市公司高管持股比例同公司陷入财务危机的可能性负相关。

(五)其他指标除上述提及的非财务指标外,很多学者试图选取其他一些独立的非财务指标,如公司资产市场价值指标、股东大会股东出席率、股票换手率甚至地域指标等。但目前学术界对这些指标的预测效率并未取得一致性的看法,这些指标也未获得广泛使用。

随着经济一体化不断加快,企业间的竞争日趋激烈,人们也逐渐意识到在复杂环境下,仅靠财务指标难以较好地对财务危机进行预测,而加入资本市场可获取导致危机的动力性因素,势必大大增加模型的复杂程度,模型的精细化又势必导致适用度降低。

三、样本选取

很多实证研究中的样本选择是非随机的,导致模型估计出的系数和概率有偏。邓白氏报告显示,在美国,自1934年以来,企业倒闭频率从来没有超过0.75%。而在包括Beaver(1966)、Altman(1968)在内的多项研究中,其样本中财务危机企业数占总样本的50%,是总体频率的66.7倍。国内大部分研究也沿用一一配对的方式。陈晓(2000)、彭大庆(2006)采用非配对样本进行研究,模型的判别正确率分别为78.24%、62.9%,与其他配对抽样的研究结果相比,判别正确率偏低。由于市场体制的不完善,我国上市公司中盈余管理行为普遍存在。研究者应识别公司是否有盈余管理的嫌疑,将噪音数据剔除,或者在初步得出模型的预测准确率后进行修正,以反映真实的预测效果。

四、模型发展

财务危机预警模型的演变既反映了也受制于科学研究方法以及科学技术的发展。从20世纪30年代的单变量预警模型到现在的人工智能技术的运用,财务危机预警模型经历了从低级到高级的演变。但从技术上来看,模型的发展已出现瓶颈期,很大程度上依附于现有研究方法的改进。

五、总结

对于财务危机预警模型的研究,多数学者一味地追求模型的完美,高预测准确率和精度,而忽视了基本理论的建立,导致研究在很多细节上得不到扎实的理论支持,实践中效果不理想,从而很容易受到质疑。我国处于转轨经济的特殊时期,资本市场的弱式有效性导致可获取数据的无规律性和影响因素的复杂性,是研究者采用常规模式对资本市场的规律进行研究的一大阻碍。同时,正是这种特殊的环境给了我国研究者一个对特定环境下市场规律进行探究的良好契机。

参考文献:

篇2

[关键词] 财务危机财务危机预警指标体系财务危机预警模型

企业财务危机指企业丧失偿付能力,财务状况陷入入不敷出的状态,或指资产价值低于负债价值,净资产是负值,或指缺乏偿还当前到期债务的现金流入,现金净流量为负值的状态。及早地发现财务危机,使经营者能够在财务危机出现的萌芽阶段采取有效措施来改善企业经营,建立一套财务危机预警系统,是避免企业陷入财务危机甚至破产的有力武器。

一、目前企业财务危机预警模型的局限性

1.财务危机预警模型指标选择上的局限性

国内外的财务危机预警模型普遍采用的是静态的财务指标,在指标的选择上过分强调了流动项目、盈利能力对企业财务危机的影响。而经营者可以通过调整会计政策、控制财务费用等手段来调节净利润的高低,粉饰报表,导致企业的会计信息失真,相应的指标也就失去了意义。

一般企业没有对现金流量对财务危机的影响予以充分的重视,企业财务危机最直接的表现就是企业现金支付能力变弱,没有足够的现金支付到期的债务。按照会计分期假设和权责发生制原则确认的账面收入,首先表现为一种应计的现金流入量,而非直接等同于实际的现金流入量。从财务上讲,只有当应计现金流入量成为实际的现金流入量时,才表明销售收入的真实实现。倘若企业账面意义的销售收入不能转化为足够的实际现金流入量,不仅意味着企业销售收入质量低下,而且会由于现金的匮乏而无力支付到期债务和日常经营的开支,造成企业的债务风险增加。倘若企业长期处于现金短缺的状态,必然会陷入严重的财务危机困境,甚至破产倒闭。因而,过去和现在的现金流量可以很好的反映企业的价值和破产概率。

同时由于缺乏经济理论的指导,对于在众多的财务指标中找出最有效的财务比率作为财务危机预警模型的解释变量,中外学者还没有达成共识。在关于财务危机预警的研究中,先后共有近30个的财务比率在财务危机预警系统中被频繁的使用,可以看出财务指标选择在财务危机预警研究中一定的随意性了。

2.财务危机预警模型应用上的局限性

在实证研究中,由于陷入财务危机的企业相对较少,使得研究人员不得不将在不同时期陷入危机的不同行业企业的集合在一起,已获得足够大的样本容量,以这样的一个样本得到的预测变量,必然是对所有样本公司都显著的变量,它们反映了陷入危机的样本企业最普遍的共同特征,但难以反应个性企业的特殊情况。

目前的大多数模型是对已经失败或时已经解体的企业集团进行实证分析,不具有普遍的危机预警意义。另外,选择上市公司作为研究对象的模型也比较的多,大多数研究的目的都希望能给企业和投资者提供一个可以广泛适用的财务危机预警系统。由于上市公司的财务危机影响面较大,而且数据资料取得较为容易,在财务危机预警的研究中,基本上采用其样本数据。在现实生活中,发生财务危机比例更大的是中小企业,但由于其财务资料取得较为困难等原因,以中小企业为样本展开的研究很少,财务危机预警研究的结论缺乏广泛的适用性。

财务危机预警模型计算结果的有效性必须建立在企业的数据是真实的、正确的基础上,但在我国现阶段,市场经济尚未规范,企业经济活动中存在大量的粉饰报表,会计信息失真的现象。企业财务危机预警模型利用财务指标进行量化的分析,可以直观的反映企业的财务状况,但在应用时无法对虚假的信息做出正确的财务危机预警。同时,财务危机预警无法对因特殊突发事件而造成的财务危机做出预警。

在财务危机预警研究中,由于构建模型的思路和理论基础不同,所使用的数据处理方法也不大相同。例如单变量模型中,由于“现金流量/总负债”指标只考虑了负债规模,而没有考虑负债的结构及流动性,对一些由于短期偿债能力不足而出现危机的企业存在较大的误判性;二是“净利润/总资产”这一指标没有结合资产的构成要素,因为不同的资产项目在企业盈利过程中所发挥的作用是不相同的;三是单变量分析法因不同财务比率的预测方向与能力经常有相当大的差距,有时会产生对于同一企业使用了不同比率预测出不同结果的现象。单变量模型招致了许多批评,逐渐被多变量模型方法所取代。

二、财务危机预警模型指标体系的改进

1.财务危机预警指标的主体财务比率

企业持续的生存和发展必须可以偿还债务,有好的盈利能力,有强的获现能力和现金流动能力。为了保证财务比率具有科学性和实际应用价值,作为构成财务指标的主体的财务比率,本文认为应当包括有关的偿债能力、盈利能力、获现能力、发展能力、现金流量5个方面的内容。

(1)偿债能力指标

企业的财务危机从资产存量的角度看,表现为企业总资产的账面价值低于总负债的账面价值,从《企业破产法》规定的角度来看,企业破产的界限为“因经营管理不善造成严重的亏损,不能偿还到期的债务”,过度举债是形成企业财务危机的“第一杀手”,偿债能力指标是构建财务危机系统指标体系的重要因素。

(2)盈利能力指标

不论是投资人、债权人还是企业的经营者都非常关心企业的盈利能力。一般说来,企业的盈利能力只涉及到正常营业的状况,非正常的营业状况,为了客观的评价投资人所关注的盈利能力可选择主营业务利润率、总资产报酬率、净资产报酬率。

(3)获现能力指标

企业利润最终需要转化为可以自由流动的资金才有意义,这个比率可用来衡量企业的获现能力。财务危机的爆发不完全取决于企业是否有盈利,企业如果有很大的盈利,但如果这些盈利转化为现金的能力不强的话,就无法应付日常的开支,那么企业就无法维持下去。评价企业的获现能力,应选择销售现金比率、每股经营活动现金净流量、总资产现金流量比率。

(4)发展能力指标

发展能力是企业在生存的基础上,扩大规模,壮大实力的潜在能力,反映企业未来的市场扩张、规模壮大及利润增长的前景,是企业发展趋势的综合体现。为了反映企业未来资本扩张的能力,可选择销售增长率,总资产增长率和净利润增长率。

(5)现金流量指标

从现金流量角度看,财务危机另一个重要的表现就是企业现金流入小于现金流出,即企业净现金流量为负数。净利润会受到经营者的控制,这种利润操作行为,导致财务信息失真,同时演绎成一种非常奇特、非常矛盾的状况:一方面企业账面有会计利润;另一方面,企业缺少现金支付能力。为了克服权责发生制所带来的人为操纵利润的弊端,人们在现金收付制的基础上,发展了现金流量基础。财务危机预警系统的重点应是现金及其流动,为了反映企业的现金流量,可选择现金流动负债比、现金债务总额比等指标。

2.财务危机预警改进指标体系

基于对财务危机预警模型局限性,以及财务危机预警指标特点的分析,本文认为适合我国企业的财务危机预警指标体系应在原有的基础上再从企业的获现能力、现金流的角度来选择关键性的财务指标,如表1:

表1财务危机预警指标体系

三、财务危机预警的改进模型

1.线性改进模型的解释变量

根据以上分析,本文选择了上述六个变量来建立财务危机预警模型,建立的判别函数为:

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

其中:Z为判别函数,x1是速动比率,x2是资产净利率,x3是每股经营性现金流量,x4是净利润增长率,x5是现金流动负债比,x6现金债务总额比,b1至b6为系数。

2.实际数据的计算

本文选用了表2的15家非破产和破产企业的统计资料:

表2非破产和破产企业的数据

进行回归计算得到:

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

0.101x6

根据上面的分析,可以知道当Z值越大时,公司的财务状况良好,不会陷入财务危机;当Z值越小,公司财务状况不好,公司可能陷入财务危机。

篇3

关键词:财务危机 预警体系 财务指标

序言

经济全球化时代,市场经济的飞速发展一方面促使企业全面走向市场,为企业发展提供了广大的资金和产品销售市场,另一方面市场中的企业,时刻面临着各种风险,每种风险都有可能导致企业走向灭亡。如果企业不能卓有成效的规避与防范各种风险因素的话,势必使企业的未来发展陷入严重的危机境地。然而,在企业遭遇风险之前,财务状况会逐渐恶化产生企业的财务危机,随着时间的推移,当财务危机加剧到企业无以承受的极限时,全面危机将会随之爆发。

企业财务危机的产生有着多方面的原因,不仅仅是企业外部条件会造成企业的财务危机,企业内部由于经营管理不善也会促发企业的财务危机,为此就必需选择恰当的财务指标,建立合理的财务危机预警体系,加强企业财务风险防范,为企业发展保驾护航。

一、企业财务危机的基本认识

(一)企业财务危机含义及表现形式

财务危机是由于种种原因导致的企业财务状况持续恶化,财务风险加剧,出现不能清偿到期债务的信用危机,直至最终破产的一系列事件的总称。

财务危机从总体上说是支付能力不足或者支付能力丧失,但具体地看,却存在多种表现形式:

1、从资产存量角度看,企业总资产的账面净值相当于或小于账面记录的负债金额,即企业净资产小于或等于零。当企业净资产为负值时,就是所谓的“资不抵债”,表明企业已经事实上破产。

2、从可持续经营的角度看,企业主营业务量持续负增长,市场销售黯淡,盈利能力差,存在数额巨大的未弥补亏损。

3、从现金流量角度看,企业现金流入小于现金流出,经营性现金净流量为负值,并常常伴有资金流量萎缩的情况,一些必要的约束性支出被压缩或拖欠,且这种现金流量的非正常情况处于长期的持续状态,其应履行的偿债义务受到阻碍。

4、由于经常拖欠应付款项,企业信用丧失,难以从供应商、金融机构或资本市场等相应融资渠道筹集必需的补充资金,用来维持日常支出或基本的偿债需求,使企业资金来源日益枯竭,从而步人恶性循环,导致企业发生严重财务危机而不得不宣告破产。

(二)企业财务危机的特征

从财务危机的定义可以看出它指的是企业无力支付到期债务或费用的一种经济现象,财务危机的特征可以概括为以下几点:

1、客观积累性。财务危机的客观积累性表现为期间概念,它是反映企业一定时期在资金筹集、投资、占用、耗费、回收、分配等各个环节上所出现的失误,而非会计报表某一时点上某一项目的失误,即是各种财务活动行为失误的综合。

2、突发性。财务危机由于受到许多主、客观因素的影响,其中有些因素是可以把握和控制的,但更多因素是爆发性的、意外性的,有的甚至是急转直下的。

3、多样性。由于受到企业经营环境、经营过程、财务行为方式多样化的影响,这些活动环节中不管哪一个环节出现问题都可能引发财务危机。

4、灾难性。财务危机虽然包括多种情况,但不管是资金管理技术性失败,还是企业破产,或是介于两者之间的任何一种情况发生都会给企业带来灾难性的损失。

(三)企业财务危机形成的原因

1、企业经营风险的存在

影响企业经营风险的主要因素是:市场对企业产品的需求、企业产品的销售价格、生产资料价格的稳定性、企业对产品销售价格的调整能力、单位产品变动成本的变化、企业固定成本总额的高低以及经营管理者的业务素质和管理经验等,其中决定性因素是管理的质量。

2、企业丧失筹资能力

企业债务的一种重要清偿方式是以新筹资金还债。新筹资金包括权益资金和债务资金。一个企业筹资能力丧失(或者无筹资能力),企业现金又不足以维持企业持续经营,此时到期债务不能清偿就为必然,所以,企业筹资能力丧失是企业发生财务危机的首要原因。

3、企业现金流量不佳

合理的现金流量,是维持企业在一个适当的资本和财务结构下经营及运作的需要,也是维持企业在较强的流动性下得以生存和发展的需要。在日常经济生活中,有时一个盈利不错的企业也会走向破产。一个企业现金流量是否合理,主要体现在企业盈利质量、现金流量结构和支付能力等方面。

4、企业资产流动性的强弱

5、企业负债结构和企业资产占用期限搭配(即筹资政策)不合理

二、企业财务危机预警体系解析

企业财务危机一旦发生对企业的发展将造成致命的打击,企业财务危机是多种因素作用的结果,它具有较长的潜伏期。一般其形成过程有规律可寻,因此建立企业财务危机预警体系就显得尤为重要。

(一)企业财务危机预警体系的含义

财务预警体系就是以企业的财务报表、经营计划、相关经营资料以及所收集的外部资料为依据,根据企业建立的组织体系,采用各种定量或定性的分析方法,将企业所面临的经营波动情况和危险情况预先告知企业经营者和其他利益相关方,并分析企业发生经营非正常波动或财务危机的原因,挖掘企业财务运营体系中所隐藏的问题,以督促企业管理部门提前采取防范或预防措施,为管理部门提供决策和风险控制依据的组织手段和分析系统。

(二)企业财务危机预警体系指标设计原则

企业在构建企业外务危机预警体系时,首要的问题是财务指标的选取,所选取的指标应该全方位地反映企业的财务现状和运行规律,及时对企业财务运营中存在的风险发出警报并迅速做好防范和控制措施。一般说来,财务指标的设计和预警体系的构造应遵循以下几个原则:

1、针对性原则。即预警指标必须与企业的特点充分结合起来,使构建的预警指标体系对企业的财务分析和风险判断做到真实可靠。

2、全面性原则。即预警指标体系应该全面、系统反映企业的财务风险程度,设计的指标能够充分考虑企业可能面临的财务风险,做到预警指标不重复、不遗漏。

3、动态性原则。即必须在分析企业现状的基础上,把握未来的发展趋势。此外,还必须根据经济发展和环境变化不断修正、补充指标体系的内容,确保预警的时效性。

4、可行性原则。即在企业的经营情况及财务状况出现恶化或发生危机之前,能够及时发出警报。预警的信号要明确,判断要简单,不应把指标设计得于复杂,缺乏实用性。此外,还必须保证所花费的成本低于其所能带来的效益。

(三)企业财务危机预警程序

企业财务预警过程实质上是一个逻辑分析过程,即应用因果分析法,从结果出发寻找产生这种结果的原因,再分析原因又是如何影响结果—警情及影响程度大小。财务预警遵循的逻辑过程即预警系统研究所遵循的思路依次是:

1、确定警情。确定警情是预警的前提,可以通过预警系统中所选择的若干重要预警指标的预测景气信号来反映。

2、寻找警源。确定警源是预警过程的起点。警源是导致警情发生的根源。一般说来,警源有两类:一是可控性较弱的警源,主要是客观条件和外部市场环境等外生警源;另一类是可控性较强的警源,主要指一些内在因素的作用

3、分析警兆。分析警兆是预警的关键环节。预警不能只停留在对警源的分析上,而应该作进一步的分析,即根据警兆分析来预报警情的程度。警兆根据可否直接表现为外部现象特征指标,分为景气警兆和动向警兆。

4、预报警度。预报警度是预警的目的。根据警兆的变化状况,通过监测预警系统中景气信号,可确定下一个景气信号,从而确定下一个阶段的警度,即实际警情的严重程度。

5、处理警情。即当警情出现后采取什么措施去处理,企业财务危机的警情处理十分重要,一个可操作的警情处理方法和路径能够较好的防范企业危机,同时在处理过程中也要依据警情的大小和重要性分别对待,重要的警情必须报告高层管理人员。

(四)企业财务危机预警体系的功能

企业的财务风险预警系统的作用主要有以下四个方面:

1、监测作用。财务危机预警活动的第一要务,是确立企业重要的生产经营环节以及对企业运行有举足轻重作用的经济活动与领域为监测对象。

2、识别与诊断作用。通过监测信息的分析,可确立企业经济活动中己发生的危机现象或将要发生的危机活动趋势。

3、预防和控制作用。有效的财务危机预警系统不仅能及时预防现存的财务危机,而且能通过系统详细记录,了解危机发生的原因,并及时提出解决措施和改进建议,更正企业营运中的偏差或过失,使企业回复到正常的运转轨道上。

4、提升企业价值。企业的价值就是以其所控制的经济资源,为社会创造最大的财富,实现企业价值的不断增值。建立财务风险预警系统,其目的是要促使企业千方百计改善经营管理,提升经营策略,在激烈的市场竞争中,避免企业财务失败的出现。

转贴于 三、企业财务危机预警体系的建构

不可否认企业财务危机是多方面因素造成的,但是产生财务危机的根本原因是财务风险处理不当,财务风险是现代企业面对市场竞争的必然产物,尤其是在我国市场经济发育不健全的条件下更是不可避免,因此,加强企业财务风险管理,建立和完善财务预警体系尤其必要。

(一)建立短期财务预警系统,编制现金流量预算

由于企业理财的对象是现金及其流动,就短期而言,企业能否维持下去,并不完全取决于是否盈利,而取决于是否有足够现金用于各种支出。预警的前提是企业有利润,对于经营稳定的企业,由于其应收,应付账款及存货等一般保持稳定,因此经营活动产生的现金流量净额一般应大于净利润。企业现金流量预算的编制,是财务管理工作别重要一环,准确的现金流量预算,可以为企业提供预警信号,使经营者能够及早采取措施。为能准确编制现金流量预算,企业应该将各具体目标加以汇总,并将预期未来收益、现金流量、财务状况及投资计划等,以数量化形式加以表达,建立企业全面预算,预测未来现金收支的状况,以周、月、季、半年及一年为期,建立滚动式现金流量预算。

(二)确立财务分析指标体系,建立长期财务预警系统

对企业而言,在建立短期财务预警系统的同时,还要建立长期财务预警系统。其中获利能力、偿债能力、经济效率、发展潜力指标最具有代表性。获利是企业经营最终目标,也是企业生存与发展的前提。

从资产获利能力看:

表示每一元资本的获利水平,反映企业运用资产的获利水平。

反映每耗费一元所得利润水平越高,企业的获利能力越强。

对偿债能力,有流动比率和资产负债率。如果流动比率过高,会使流动资金丧失再投资机会,一般生产性企业最佳为2左右,资产负债率一般为40—60%,在投资报酬率大于借款利率时,借款越多,利越多,同时财务风险越大。

上述资产获利能力和偿债能力二指标是企业财务评价的二大部分,而经济效率高低又直接体现企业经营管理水平。其中:反映资产运营指标有应收帐款周转率以及产销平衡率。

对企业发展潜力方面选择销售增长率和资本保值增值率。一般采用经改进的功效系数法对企业进行综合评价,对选定的每个评价指标规定几个数值,一个是满意值,一个是不允许值,设计并计算各类指标单项功效系数,运用特尔菲法等确定各个指标权数,用加权算术平均或者加权几何平均得到平均数即为综合功效系数,用此方法可以定量化企业财务状况。

然而,企业为适应未预料的需要和机会,应该具备采取有效措施,改变现金流的流量与时间的能力,这就是财务弹性。主要与企业营业活动所产生的现金净流量有关。反映财务弹性的指标有:用于测定企业全部资产的流动性水平的营运资金与总资产比率,到期债务本金偿付率、实有净资产与有形长期资产比率、应收账款及存货周转率,其中:

实有净资产与有形长期资产比率计算如下:

从长远观点看,一个企业能够远离财务危机,必须具备良好的盈利能力,企业对外筹资能力和清偿债务能力才能越强。指标有:

虽然,上述指标可以预测财务危机,但从根本上讲,企业发生风险是由于举债导致的,一个全部用自有资本从事经营的企业只有经营风险而没有财务风险。因此,要权衡举债经营的财务风险来确定债务比率,应将负债经营资产收益率与债务资本成本率进行对比,只有前者大于后者,才能保证本息到期归还,实现财务杠杆收益;同时还要考虑债务清偿能力,即企业拥有现金多少或其资产变现能力强弱;债务资本在各项目之间配置合理程度。考核指标有:长期负债与营运资金比,资产留存收益率以及债务股权比率。其中:

(三)结合实际采取适当的风险策略

在建立了风险预警指标体系后,企业对风险信号监测,如出现产品积压,质量下降,应收帐款增大,成本上升,要根据其形成原因及过程,指定相应切实可行的风险管理策略,降低危害程度。面临财务风险通常采用回避风险,控制风险,接受风险和分散风险策略。其中控制风险策略可进一步分类:按控制目的分为预防性控制和抑制性控制,前者指预先确定可能发生损失,提出相应措施,防止损失的实际发生。后者是对可能发生的损失采取措施,尽量降低损失程度。

由于市场经济的发展,利用财务杠杆作用筹集资金进行负债经营是企业发展途径。从大量负债经营实例,不难得出几点教训:企业经营决策失误,盲目投资,没有进行事前周密的财务分析和市场调研是造成失误的原因,虽然适度举债是企业发展的必要途径,但必须以自有资金为基础,如资本结构中债务资本过大,必然恶性循环。同时企业偿债能力强弱是对负债经营最敏感的指标,只从偿债能力看,负债比率越低,企业偿债能力越强,但未必合理,如企业借款利率小于利润率。企业应充分利用负债经营的好处。不同产业的负债经营合理程度是不一样的,一般是:第一产业为0.2左右,第二产业为0.5左右,第三产业为0.7左右。

四、结束语

虽然企业财务危机的积累性、多样性、突发性等特点,但事实证明其形成和作用过程是有规律可寻的,为此建立企业财务危机预警体系对于企业发展而言就不可避免的被提高到重要位置,合理的确立企业财务指标,建立短期、长期财务预警系统,采取适当的风险策略,规避企业财务风险对于企业发展而言有着重大的理论意义和实践意义。

参考文献

[1]吴晓梅.财务预警系统的功能及其建设[J].计划与市场,2002,(6).

[2]龚巧莉.建立财务预警系统,防范企业风险[J].新疆农垦经济,2002,(4).

[3]苗润生.企业财务预警系统研究[J].中央财经大学学报,2003,(8).

[4]陈功.浅谈企业财务预警系统的构建[[J].华东经济管理,2000,(10).

[5]高天宏.财务预警系统在财务管理中的应用评价[J].北力经贸,2004,

[6]张友棠.财务预警系统管理研究[M].北京:中国人民大学出版社,2004.

篇4

[关键词] 财务预警 财务指标 预警模型

一、单变量预警模型

最早的财务危机预测研究是FitzPatrikc(1932)所做的单变量破产预测模型,他发现,出现财务困境的公司其财务比率和正常公司的财务比率相比有显著的不同,从而认为企业的财务比率能够反应企业财务状况,对企业未来具有预测作用。

Beaver(1966)对美国1954年~1964年间79家失败企业和79家成功企业的30个财务比率进行研究的结果表明,具有良好预测性的财务比率为“现金流量/负债总额”、“资产收益率(净收益/资产总额)和资产负债率(债务总额/资产总额)。Bevaer也因此开创了建立财务预警模型的先河。

二、多元线性判别模型

1.Z计分模型

1968年埃德沃德・阿尔特曼Altman提出了多元线性判定模型即运用多种财务指标加权汇总产生的总判断分值(称为z值)来预测财务危机,此模型分为在上市公司和非上市公司两种情况。上市公司的Z值模型和判别规则如下:Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5 其中:X1=净营运资本/资产总额,反映公司总营运资本的流动性;X2=留存收益/资产总额,反映公司的支付剩余能力;X3=息税前利润/资产总额,反映公司的收益率大小,衡量公司运用全部资产获取利润的能力;X4=普通股和优先股市场价值总额/债务账面价值总额,反映公司财务状况的稳定性;X5=本期销售收入/资产总额,反映公司的活动比率。

该模型实际上是通过五个变量(五种财务比率),将反映企业偿债能力的指标(X1、X4)、获利能力指标(X2、X3)和营运能力指标(X5)有机联系起来,综合分析预测企业财务失败或破产的可能性。一般地,Z值越低企业越有可能发生破产。

非上市公司的Z值模型和判别规则如下:Z=0.717X1+0.847X2 +3.107X3+0.420X4+0.998X5,其中,X4修正为:股东权益/总负债,反映公司财务状况的稳定性。其余X1、X2、X3、X5与上市公司的相同。

2.F分数模型

我国学者周首华(1996)等提出对Z值判定模型加以改造建立起F分数模型。许多专家证实,现金流量比率是预测公司破产的有效变量,F分数模型加入现金流量这一预测自变量,弥补了Z值判定模型的不足。其表达公式为:

F=-0.1774+1.1091X1+0.1704 X2+l.9271 X3+0.0302 X4+0.4961 X5,其中,X1、X2及X4与Z计分模型中的X1、X2及X4反映的指标相同,而X3、X5与Z分数模型的X3、X5不同。X3=(税后净收益+折旧)/平均总负债,它是一个现金流量变量,是衡量企业所产生的全部现金流量可用于偿还企业债务能力的重要指标。X5=(税后净收益+利息+折旧)/平均总资产,测定的是企业总资产在创造现金流量方面的能力(其中的利息是指企业利息收入减去利息支出后的余额)。相对于Z分数模型,它可以更准确地预测出企业是否存在财务危机。

三、逻辑回归模型

多元逻辑回归模型克服了多元线性判别分析方法对预测变量有着严格的联合正态分布要求、且要求财务危机组与控制组之间一定要进行配对的局限性,从而将问题简化为已知一个公司具有某些财务特征,计算其在一段时间内陷入财务危机的可能性有多大。美国学者Ohlson(1980)是最早在财务预警研究中应用这种方法的人。

我国学者陈晓、陈治鸿(2000)以因财务状况异常而被特别处理(ST)作为上市公司陷入财务危机的标志,运用多元逻辑回归模型和可公开获得财务数据,对中国上市公司的财务危机进行了预测,发现负债权益比、应收账款周转率、“主营利润率/总资产”和“预留收益/总资产”对上市公司财务危机有着显著的预示效应。他们的研究所发现的最优模型能够从上一年股本收益率公告小于5%的上市公司中预测出73.68%的下一年会进入TS板块的公司,总体判别正确率为78.24%。

四、神经网络模型

Odour和Sharda(1990)用BP神经网络预测了财务危机。他们的模型要优于当时的判别分析模型,但也仅仅是神经网络方法应用的展示和Altman(1968)研究的重复。Coats和Fant(1992)运用神经网络技术学习审计专家的结论来判别财务危机,他们选取了由审计师判定的1971年~1990年间的94家持续经营的公司和188家财务状况变动较大的公司,并采用Atlman的Z值模型中5个财务比率分析了这些公司在破产前3年内的数据。Coats和Fnat认为Z值模型对破产当年具有很好的判断效果,但不具有很好的提前预测效果,神经网络模型则解决了此问题。

五、国内外研究简评

在国内外现有的财务预警研究中,指标的选择往往基于一般的财务理论、风险理论和管理理论,有时甚至取决于研究者的直观判断以及资料的可获得性,众多研究者还没有找到令人信服的财务风险和预警理论来支撑所建立的预警模型,由此造成了各种财务预警模型的预警结论不一致,甚至相互矛盾和冲突。企业财务风险的形成和警情的出现往往在事前存在着一定的征兆,这就是财务预警的警兆,而警兆的识别需要以科学的财务风险理论和财务预警理论为基础。然而,在当前的研究中,还没有找到一种公认的理论来全面地说明财务风险的成因和财务预警的警兆因素,为此,国内外的众多研究者还在努力探索。

参考文献:

篇5

【关键词】财务危机;预测方法

财务困境预测方法是指借助数学和计算机技术构建预测模型,通过对企业财务指标的系统分析来预测企业出现财务困境的可能性。从国内外的研究现状来看,财务困境预测模型主要有两类:传统统计类预测模型和人工智能型预测模型。

一、传统统计类预测模型

传统统计类预测模型包括:一元判别分析模型、多元判别分析模型、线性概率分析模型以及累积求和模型等。

(一)一元判别分析模型(UDA)

比弗率先提出了一元判别分析模型,也叫做单变量分析模型,它是通过单个财务指标来预测财务风险的。他比较了1954―1964年期间的79家失败企业和79家相同资产规模的成功企业的30个财务指标的差异,发现具有良好预测性的财务比率依次为现金流量/负债总额、资产收益率和资产负债率。而且离财务失败日越近,判别的效果更好。

虽然比弗的单变量判别模型能够取得较好的预测准确性,但它的缺点在于:只重视一个指标的分析能力,如果使用多个财务指标分别进行判断,单个指标的分类结果之间可能产生冲突,导致无法做出正确的判断。但是单变量判别模型为后来的多变量分析模型在破产分析中的应用奠定了基础。

国内学者陈静在1999年以公司被ST的前1年、前2年、前3年的财务数据为基础,用一元判别分析模型做了实证研究,得出在宣布被ST前1年总的准确率为85%。

(二)多元判别分析模型(MDA)

美国学者奥特曼(1968)最早将MDA模型应用到财务危机预警模型中,他在1968年对美国破产和非破产企业进行观察,对22个财务比率经过梳理统计筛选得到五个变量,建立了著名的Z分数模型,以及在此基础上改进的”Zeta”模型。根据判别分值,以确定的临界值对研究对象进行信贷风险的定位。由于模型简便、成本低、效果佳,日本、德国、法国、英国等许多发达国家的金融机构都纷纷研制了各自的判别模型。

国内学者张玲(2000)选取了沪、深两市涉及14个行业共计120家上市公司为样本,选取了四个反应偿债能力、盈利能力、资本结构和运营能力的财务指标构建判别模型。

杨淑娥、徐伟刚(2003)等学者采用主成分分析法对财务指标进行筛选后建立了MDA模型。

MDA模型的应用也存在诸多局限,比如它要求研究样本的财务比率呈近似正态分布、两组的协方差矩阵相等,这在现实中较难实现。

(三)线性概率分析模型(LPA)

LPA模型主要有Logit和Probit两种。

Edmister(1972)用线性回归建立了包含7个财务比率的财务困境预测模型,预测精度在90%以上。

Qhlson(1980)首次将Logit模型应用到破产预测。

国内学者张后奇在所做的《上市公司财务危机预警系统:理论研究与实证分析》报告中,运用了LR线性回归模型。

LR模型的优点是不要求数据呈正态分布、两组的协方差矩阵相等的假设,在不满足正太分布的条件下,LR模型的预测效果要好于MDA模型,缺点是样本的数量不宜少于200个,否则存在参数估计的有偏性。

(四)累积求和模型(CS)

西奥达西奥与1993年提出了预测企业失败的CS模型,该模型能探测财务状况由好变坏的拐点,对财务状况恶化敏感并具有记忆性,能区分财务指标变化是由序列相关引起的还是由于财务情况恶化引起。

二、人工智能型预测模型

人工智能型预测模型主要包括:人工神经网络模型、遗传算法模型、粗集理论模型、递归划分分析模型以及支持向量机模型。现分述如下:

(一)人工神经网络模型(ANN)

奥多姆(1990)第一次把ANN模型应用于财务困境预测研究,他使用了三层前馈神经网络,并与传统的MDA模型进行了比较研究。

奥特曼(1994)对意大利的1000家公司利用其发生困境前1年的数据进行预测,结果发现,MDA比ANN的预测效果还稍微好一点。

ANN相对于传统统计类模型的优势在于它能够同时处理定性变量和定量变量,而且无需考虑变量之间的统计关系。但它也存在一些问题,如模型的拓扑定义较难实现、模型计算量较大以及判别能力不强等。

(二)遗传算法模型(GA)

遗传算法是模仿自然界生物遗传进化规律在大量复杂概念空间内的随机搜索技术,尤其适合目标函数的多参数优化问题,并运用于证券选择、证券组合选择、预算分配以及信用评价等金融、财务领域。瓦雷托・弗朗哥采用遗传算法提取了线性函数和判别规则。研究结果表明,遗传算法可以获得不受统计约束的最优线性方程,提取的线性函数与MDA相比,省时并且受分析人员的主观影响较小,但结果不如MDA。

(三)粗集理论模型(RST)

RST模型被证明是能够运用一组多价值属性变量描述多个对象的有效工具,可以用来揭示相互关联的财务特征与企业失败风险之间的关系。弗朗西斯研究表明,RST能够发现隐藏在数据中的重要事实,并能用自然语言表达成一组决策规则,每个决策规则都有案例支持,能够结合使用定性变量和定量变量,无需统计约束和模糊隶属度评能够价,节省决策形成的成本和时间,工程透明,可以考虑决策者的知识背景,并可用于集成决策支持系统。迪米特拉正式,由于不同样本与决策者知识会产生不同的决策规则组,因此研究结果并不具有通用性。

(四)递归划分分析模型(BPA)

弗里德曼首次采用BPA建立预警模型,他以财务比率为判别点建立二叉分类树,以最低误判成本为标准对样本企业进行分类预测。结果发现犯第一类错误的概率高于犯第二类错误的概率,MDA模型对研究样本的期望误判成本明显高于BPA模型。在RPA模型中可以选用非财务指标和定性指标,但复杂的分类树结构可能引起样本的过度适应,预测风险高,因此分类树结构宜不宜繁,便于灵活运用。

(五)支持向量机模型(SVM)

范・格斯特等将SVM应用到财务困境预测模型中,采用最小二乘法作为SVM的线性学习器,构建LS―SVM财务困境预测模型,预测模型的判别准确率高达89.91%。

李英昌采用表格搜索技术对SVM核参数进行优化后,建立了SVM模型,预测效果优于MDA、LR和BP―ANN模型。

申庆植等采用SVM建立了财务困境预测模型,他通过对韩国中型制造企业的实证研究结果表明:SVM模型的预测性能优于BP―ANN模型。

沃尔夫冈・哈德勒尝试着将SVM应用到财务困境预测研究中,通过对美国2001-2002年间84家企业的实证分析,结果表明SVM具有很好的分类效果。

国内学者李贺、冯天谨(2005)通过对我国烟酒行业50家上市企业连续3年的公开数据的实证研究表明:SVM模型的预测性能优于ANN模型;徐晓燕(2006)提出了一种将Logit回归与SVM集成的预测方法。即LR―SVM。该方法通过修改支持向量机的输出而改进其预测精度,即先对支持向量机的训练数据用Logit回归进行分析,再用支持向量机进行预测。如果Logit回归的结果支持SVM的结果,则不对SVM的输出结果进行修改,否则修改SVM的输出结果。实证结果表明,该方法的预测精度明显优于一般的支持向量机。

SVM的主要优势表现在:专门针对小样本,具有较好的推广能力;巧妙地解决了维数问题,算法的复杂度与样本维数无关;无需对变量作任何特殊假设;变量间是否存在共线性对数据处理和模型估计影响不大。它的局限性是特征集和核参数对模型性能具有重要影响。

综上所述,国内学者对传统统计类预测模型之间、统计类模型与ANN之间做比较研究的较多,而对SVM与其他模型之间进行比较研究的很少,尤其是SVM改进算法以及核参数优化对财务困境影响的研究就更少。

参考文献

[1]陈静.上市公司财务恶化预测的实证分析[J].会计研究,1999,4:31-38.

[2]张玲.财务危机预警分析判别模型[J].数量经济技术经济研究,2000,3:49-51.

篇6

一、公司治理与财务危机预警

20世纪90年代,亚洲金融危机使得公司治理问题,尤其是内部治理成为全球关注的焦点。研究发现大量企业的破产和倒闭起因于弱化的公司治理,这一现象引起学者对公司治理与财务危机关系的研究。

(一)股权结构与财务危机预警从国外看,Shleifer等(1986)的研究显示,公司的大股东能够激励和监督管理层,使公司价值增加;Daily和Dalton(1995)研究发现,集中的权力使得公司治理与企业破产具有相当大的联系;La Porta等(1999)的研究表明,股权集中的程度越高,公司财务状况就越容易出现问题;Tsun-Siou Lee和Yin-Hua Yeh(2002)在考察台湾上市公司所有权集中情况时发现,控股股东在董事会中拥有的董事会席位百分比、控股股东用作银行抵押贷款的股票百分比、控制权和现金流量要求权的偏离程度三个变量与公司在次年发生财务危机的可能性正相关。在国内,姜秀华和孙铮(2001)的实证结果表明,股权集中度越高的公司越不容易陷入财务危机,因为股权越分散股东之间相互“搭便车”的动机就越强烈;赵沫(2005)的研究显示,控股股东的国有股身份与公司陷入财务危机的可能性正相关,控股股东持股比例与公司陷入财务危机的可能性为“N”型关系;曹德芳和夏好琴(2006)研究发现,法人股比例、控股模式、流通股比例、前五大股东持股比例的平方和、国有股比例等5个变量与企业会否出现财务危机有着显著关系。

(二)董事会结构与财务危机预警 在国外,Baysinger和Butler(1985)研究表明,董事会组成会影响财务健康的程度,绩效水平处于平均绩效之上的公司外部董事比例较高;Warner(1988)、Brickly等(1994)研究发现,内部人监管CEO的无效和在决策过程中的参与不足,对公司陷入财务危机具有有害影响;Mallette和Fowler(1992)研究表明,外部董事比例较高的公司发生财务危机的可能性较小;Fathi Elloumi和Jean-pierre Gueyie(2001)研究发现,外部董事比例和公司发生财务危机的可能性之间存在显著负相关关系,但董事长和总经理是否一体在困境公司和非困境公司之间并不存在显著差异;Hambrick和Diaveni(1992)、Daily(1995)等研究发现,外部董事数量的下降会先于公司破产出现;Judge和Zeitham(1992)认为,高比例的内部董事使得董事会很少参与公司的战略决策制定,导致管理层对公司拥有绝对的控制,进而企业容易陷入财务危机;Elloumi和Gueyié(2001)研究发现,除财务变量以外,董事会的构成与结构也可以解释财务危机。在国内,陈流江(2004)首次在财务危机预警模型中加入独立董事人数这一指标,模型的预测准确度得到相当大的提高;陈良华和孙健(2005)通过对沪市上市公司的研究,发现独立董事比例、第一大股东持股比例、现金流量权与表决权的偏离等治理结构变量与财务危机存在相关性;江向才等(2006)的研究显示,董监事持股、控制股东担任董事监察人、专业经理人担任董事席位数、董事会规模等指标可作为投资人投资公司的参考以及财务危机公司是否能转危为安的判断依据;曹德芳、赵希男、王宇星(2007)的实证研究表明,未引入董事会结构变量的模型预测正确率为92.5%,而引入董事会结构变量的模型预测正确率为94.15%,模型预警能力明显增强。

(三)激励约束机制与财务危机预警 国外的相关研究有 :Jensen(1989)认为,公司陷入财务危机会促使管理者提高管理效率或者激励其更关注公司业绩的增加;Warfield(1995)指出,管理者持股比例越高的公司陷入财务危机的概率低;Claessens(2000)以及Faccio和Lang(2002)的研究表明,控股股东的持股比例与财务危机间具有负相关的关系;Wang Zhen等(2004)认为,管理层持股比例和总经理持股比例对公司财务危机有显著的影响。国内的相关研究有:张健(2004)认为高管人员持有一定比例的公司股份能够减少问题和公司管理人员的寻租行为,公司不易陷入财务危机;陈燕(2006)则认为我国高管人员的股权激励程度普遍过低,高管人员的股权激励并不影响公司发生财务危机的概率;王宗军等人(2006)的研究表明,我国ST公司和非ST公司在高管人员持股比例方面的区别不显著。

二、审计意见与财务危机预警

对审计意见与财务危机预警之间的关系,多数学者认为其具有相关性,但也有部分学者认为这两者之间不具有显著的相关性。

(一)认为审计意见与财务危机预警不相关 部分学者认为审计意见与财务危机预警间不具有相关性,如Altman和Mutchler(1974)的研究发现:审计意见在财务危机预警中不具有显著的解释力;Lennox(1999)的研究也认为审计意见对公司破产不具有显著的解释能力。

(二)认为审计意见与财务危机预警相关 多数学者的研究认为审计意见与财务危机是相关的。国外的研究有:Hopwood(1989)研究表明审计意见对企业财务危机有显著性影响;Kennedy和Shaw(1991)的研究也表明审计意见具有识别公司破产申请的能力;Wilkins(1997)的研究发现,审计师的意见可以在一定程度上反映技术上违约的企业将来是否会陷入财务危机。国内的研究有:张鸣(2004)在财务危机预警模型中使用了审计意见变量,变量的引入显著提高了模型的预测效果,但只是从单一角度引入非财务变量,没考虑多方面变量的共同影响;邓晓岚等(2006)的实证研究表明审计意见与财务困境概率呈负相关,加入审计意见后,模型的正确识别率从86.7%提高到88.3%。

三、其他相关领域与财务危机预警

除上述两方面的研究外, 一些学者还尝试将统计、金融、经济、社会等领域的各种方法相结合,用以推进财务危机预警领域的研究。

(一)国外的研究 Cumming和Saini(1981)的研究表明,公司陷入财务危机的主要原因是由于商品的需求不足和货币政策的不合理,日本公司财务状况受国内消费水平、政府投资、生产力以及利率的影响,英国公司的财务状况受出口水平的影响;Rose等(1982)在研究经济周期对公司财务状况的影响后,认为GDP、失业率、商品零售额对公司财务状况有显著影响;Alman(1983)认为在经济衰退时期,公司更容易陷入困境,经济增长、股价指数和货币供给量会对公司陷入危机产生显著影响;Izan(1984)的研究发现产业相对比率在区分财务危机公司和正常公司方面具有显著效果;Hill,Perry和Andes(1995)运用历史事件分析法研究陷入财务危机的企业时发现,除财务指标外,失业率和银行最优惠贷款利率等经济指标在预测财务危机方面也起着重要作用;Warren和Westhrook(2000)对1994年23个地区的3 200家公司进行了长达5年的实证研究,采用财务指标和人口统计指标验证针对破产公司的经营机制而提出的一系列假设;Bae(2002)以亚洲金融危机为背景,证实了宏观经济状况通过银企关系影响公司财务困境。

(二)国内的研究 21世纪初,国内学者开始关注结合非财务变量和定性因素去构建财务危机预警模型。谭一可(2005)分析了近20年来国内外在引进非财务变量进行企业破产预测方面的一些创新及其发展趋势后,提出可将宏观经济因素、行业差异、公司治理等定性因素引入财务危机预警领域;杨兵和柯佑鹏(2005)研究了样本的选取对于研究结果的影响以及非财务指标在预测财务危机中的作用后,用实证模型验证了非财务指标的引入可以大幅度提高上市公司财务危机预测的准确程度;万希宁(2005)认为财务危机具有模糊性和复杂性,为克服纯量化因素建立预警模型的不足,可以结合财务指标和非财务指标,运用专家评分法和模糊优先关系排序决策法进行指标的有效选择,借助模糊数学构建综合模糊预测模型;吕峻(2005)认为以非财务指标构建的财务困境预测模型的预测精度不会随时间的向前推移而降低,非财务指标可以更本质地反映困境公司的特征,并可以在一定程度上解释财务困境发生的原因;龚凯颂(2005)认为,上市公司对外担保与财务困境具有显著相关性,上市公司的对外担保与财务困境正相关,关联方担保指标和不良担保指标与财务困境的相关程度高于非关联担保指标和非不良担保指标,反担保指标降低财务风险的效果不显著;杨华(2007)的研究表明,体现年报披露、地域环境的非财务指标的引入提高了模型对危机公司的预测准确率,并使模型的总体预测准确率提高。

四、结论

国内外学者关于非财务变量和定性因素的预警研究,均重视公司治理变量的作用,对审计意见、宏观经济指标、行业差异等非财务变量关注不够,这也是今后研究的方向;国内关于非财务变量的预警研究,大多数认为非财务指标纳入预警模型可以提高模型的精度,从而肯定了非财务变量对预警模型的意义。对于定性因素的研究,鉴于其无法量化或难以量化,如何引入财务危机预警研究领域还存在一定的难度,也激起学者们的研究兴趣。对于非财务变量和定性因素引入财务危机预警研究领域的研究,学者们的尝试相对而言更为多元和复杂,难以获取统一的研究结论,而且争议较多(如审计意见与财务危机的关系)。财务危机预警研究从依赖一个财务变量到依赖多变量财务变量,再到引入非财务变量和定性因素,朝着动态化和精准定量化的方向发展。这与西方国家发达的证券市场和高度的市场流动性是相适应的,其无疑是更加精确的;但对于我国转轨时期的经济状态而言,不发达的证券市场和特殊市场结构决定了研究变量的选择在借鉴西方学者研究的基础上应当适合我国的国情和实践。

[本文系山东省软科学立项课题(项目编号:2009RKB533)阶段性研究成果]

参考文献:

[1]姜秀华、孙铮:《治理弱化与财务危机:一个预测模型》,《南开管理评论》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

关键词:财务危机;多元判别分析法;Logit回归;主成分分析;行业;地区

文章编号:1003-4625(2007)05-0042-04中图分类号:F830.2文献标识码: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

随着经济金融的发展和对信用风险认识的不断加深,人们对企业财务危机预警的研究也越来越多。

回顾企业财务危机预警模型的发展过程,大致经历了从单变量模型到多变量模型,多元判别模型到Logit模型等其他参数模型,从统计参数模型到非参数模型,从单一模型到综合系统的过程。技术的进步,改变了以往单纯依赖专家进行风险判别的局限性,大大提高了财务危机判别的有效性、准确性和一致性,同时也明显降低了判别成本。

国际上,Fitzpatrick(1930)最早认为企业的财务比率能够对企业未来财务状况进行预测分析。Beaver(1966)首先运用统计方法建立单变量财务预警模型。Altman(1968)利用多元判别分析法建立了著名的多变量预警模型――Z模型,以后又进行修正,提出了ZETA模型。Ohlson(1980)首先运用Logit回归模型进行企业财务预警研究。随后,Zmijewski(1984)、Zavgren(1985)、Lav(1987)、Keasey和McGuinness(1990)也运用Logit模型进行财务危机预警研究,并且大大提高了模型的预测精度。

我国的财务预警模型研究始于1990年。陈静(1999)、张玲(2000)、吴世农和卢贤义(2001)等,运用多元判别对上市公司进行了财务危机预警分析。刘(2001),齐治平、余妙志(2002),朱曦、冯田、印丽娟(2004)等,运用Logit模型对财务危机进行了研究。周兵、张军(2002),周思恩、丁莉(2003)用主成分分析法,生成线性的或Logit的函数方程进行财务预警研究。

目前,我国的预警模型研究尚处在起步阶段,由于受到数据可获得性的制约,大量研究主要是针对上市公司开展的。由于上市公司的特殊性,使得研究结果的运用受到一定的限制。同时,对于区域的企业财务危机预警研究还不多见。运用商业银行的大量数据,进行分行业、分地区的企业财务预警模型研究尚属空白。进而,对模型的财务指标进行深入比较分析,在公开资料上也不多见。

本文将运用多种模型技术,利用商业银行多年的企业财务数据,研究生成了分行业、分地区的财务危机预警研究,并进行相应的比较分析。

一、多元判别分析原理

判别分析是判别样本隶属类型的一种统计方法。一般来讲,有k个总体G1,G2,…,GK,它们的分布密度函数分别为f 1(x),f2(x),…,f k(x),对于给定的一个样品X=(x1,x2,…,xm)T,判别分析是判断它属于k个总体中哪一个的统计方法。

本文采用多元线性判别,基本思想是将K组(类)m维数据投影到某一方向,使得组与组之间的投影尽可能地分开。

若从K个总体分别取得K组m维观察值:

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

设a为一m维列向量,y(X)=aTX为X以a为法线方向的投影,则

, , ,

选取适当的a,使得不同组(类)之间的区分能力越大越好,每个组内的y值离散程度越小越好。

二、Logit回归原理

Logit模型采用二元的Logistic概率函数作为模型方程,又称增长函数,是1838年比利时P.F.Verhulst首次提出来的。

假设响应变量y为二值定性变量,用0,1分别表示企业财务正常和危机两个不同的状态,y=1的概率p是我们研究的对象,自变量为x1,x2,…,xm,Logistic回归拟合的回归方程为

其中:m是自变量个数,β0,β1,…,βm是待估参数,p是自变量取值为X=(x1,x2,…,xm)T,时,原响应变量Y取值为1时的概率,Logistic回归方程的另一种形式为p=exp(Z)/[1+exp(Z)]

显然,Z是自变量X的线性函数,通常称上式为Logit变换,它有很强的统计意义,如它表示了y取值1的概率与取值为0的概率的比值的对数。

三、主成分分析原理

主成分分析法,也称因子分析法,最早是由美国心理学家Charles Spearman 在1904年提出的,其基本思想是将实测的多个指标,用少数几个潜在的相互独立的主成分指标(因子)的线性组合来表示,构成的线性组合可反映原多个实测指标的主要信息。它的优点是可以对观测样本进行分类,并根据各因子在样本中所起的作用自动生成(确定)各因子权重,简化实测指标系统。主成分分析方法的一般模型为:

其中:

F1,F2,…,Fn为实测变量;

aij(i=1,2,…,m;j=1,2,…,n)为因子载荷;

Xi(i=1,2,…,m)为选择确定的们m个主成分因子;

Ki(i=1,2,…,m)为主成分因子的权重(即第i个因子的贡献率);

Y是公司财务危机的预测值。

需说明的是,因子载荷aij是第Fj个实测变量在第Xi个主成分上的载荷,或者说,第Fj个变量与第Xi个主成分的相关系数。载荷越大,说明第Fj个实测变量与第Xi个主成分的关系越密切;反之亦然。在主成分分析的基础上,对主成分因子,运用Logit回归模型,生成相关的预警模型,对企业财务危机进行预警分析。

四、研究设计

(一)财务危机企业的界定

财务危机企业的界定,是预警模型研究的关键性内容。本文利用商业银行实际的企业客户数据,界定了两类财务危机企业。为突出反映财务状况劣变快的特性,将企业信用等级下降三个及以上信用等级的企业,界定为第一类危机企业。为区分企业财务状况优劣,将有不良贷款、信用等级低的客户,界定为第二类财务危机企业。与此相匹配,界定正常类客户。

(二)样本选择

经过筛选,本文选择了17个大类行业9700多家企业、10个地区8600多家企业2004年的财务数据进行财务预警研究。每个行业平均有285个样本,其中平均正常企业样本数为145个,平均危机企业样本数为140个;每个地区平均有430个样本,其中平均正常企业样本数为218个,平均危机企业的样本数为212个。

(三)变量定义

分析国内外已有财务预警模型变量的选取情况,本文首先汇总整理了偿债能力、财务效益、资金营运、发展能力、企业规模共五大类47个财务指标。

初步选择某个行业客户的财务数据,对此进行分析。根据客户数据的可获得性,剔除一些数据质量不高或难以获得的指标(目前企业现金流量表的数据不易获得,真实性相对较差),剔除了一些经过T检验后不显著的、均值与方差对判别区分力不强的指标,又剔除一些相关系数较高的指标。最后得到24个财务指标,作为拟建立模型的备选变量,包括资产负债率、全部资本化比率、速动比率、(现金+短期投资+应收票据)/资产总额、流动资产/资产总额、现金/流动负债、净资产收益率、销售(营业)利润率、总资产报酬率、成本费用利润率、主营业务鲜明率、总资产周转率(次)、存货周转率(次)、应收账款周转率、固定资产净值/所有者权益、营运资产与总资产比率、营运资金/销售收入、固定资产周转率、销售(营业)收入增长率、资本积累率、总资产增长率、留存利润比、营业利润增长率、LOG(总资产)。

(四)计算方法

本文运用SPSS软件,通过多元判别、Logit回归、主成分分析+Logit回归三个统计原理,使用了全部变量一次生成模型、全部变量逐步筛选生成模型、经过T检验再筛选部分变量生成模型,三种计算方法来实现预警研究。同时,根据模型公式回判准确率的高低来最终取舍相关模型。同时,利用上述三种方法,分别对第一类、第二类财务危机企业进行了预警研究。

五、计算结果及分析

(一)行业的企业财务危机预警模型

运用以上三种方法,研究生成了17个行业的预警模型。限于篇幅,仅展示通用设备制造业第二类财务危机的预警模型,其中多元线性判别模型由筛选后指标逐步回归得到,准确率为95.7%。公式为:

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

X1:资产负债率X2:速动比率

X3:总资产报酬率 X4:成本费用利润率

X5:主营业务鲜明率X6:总资产周转率

X7:LOG(总资产)

判别区间为-0.98、0.47。

17个行业的财务预警模型,其回判准确率统计如下:

表一行业的企业财务预警模型回判准确率

由上表可见,行业的预警模型回判准确率比较高,可以运用到风险管理的实践中去。

(二)区域的企业财务危机预警模型

运用以上三种方法,研究生成了10个地区的预警模型。限于篇幅,仅展示河北省第一类财务危机的预警模型。

1.Logit回归

该模型由24个指标逐步回归法得到,回判准确率为96.2%。公式为:

其中E的指数

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

X1:全部资本化比率 X2:速动比率

X3:销售(营业)利润率X4:总资产报酬率

X5:固定资产净值/实收资本 X6:LOG(总资产)

2.主成分+Logit回归

由主成分分析,通过指标筛选,生成了4个主成分,具体参数见表二:

随后,由筛选后指标逐步回归得到模型,其回判准确率为97.8%,公式如下:

其中E的指数

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:资产负债率 X2:全部资本化比率

X3:速动比率X4:(现金+现金等价物)/资产总额

X5:净资产收益率X6:总资产报酬率

X7:成本费用利润率 X8:营运资产与总资产比率

X9:固定资产周转率 X10:销售(营业)增长率

X11:资本积累率X12:总资产增长率

X13:营业利润增长率X14:LOG(总资产)

表二主成分分量参数表

由此,10个区域的财务预警模型,其回判准确率统计如下:

表三 区域的企业财务预警模型回判准确率

由上表可见,区域的预警模型回判准确率比较高,也可以运用到风险管理的实践中去。

(三)行业、区域预警模型比较分析

由表一、二可见,不同判别方法的回判准确率比较接近,其中Logit模型的回判准确率相对最高,多元判别和主成分+Logit模型的判别方法的回判准确率没有明显的高低差异。

区域预警模型,是在不考虑样本企业所属行业的基础上进行的预警。因此,各个地方(或者国家)完全可以根据各自的风险管理情况,采用不同的预警模型进行风险管理。

行业预警模型,忽略了企业所属区域,可以对具有行业特点的财务危机进行有针对性的风险判别,同时相关信息可以提供行业分析、企业行业排名的辅助参考。

行业、地区的预警模型回判准确率比较接近。不同地区、不同行业完全可以生成适应自身需要的预警模型来提高风险管理的水平。同时利用行业、区域预警模型进行风险预警分析,可以从两个维度相互验证、相互补充来进行风险预警,从而进一步提高风险判别有效度,并不断满足风险管理多样性的需求。

(四)财务指标重要性比较分析

不同行业、地区的预警模型,选用财务指标的频率是不同的,其中比较普遍的是反映企业规模的LOG(总资产)、反映负债特点的资产负债率等指标。

由此认为,人们在判别企业财务质量时,有侧重的选择不同的财务指标,是有统计依据的,不同财务指标在分析企业财务状况时的重要性和有效性是有区别的。

表四 预警模型变量选择比例

(五)对财务优劣的判别与对财务质量劣变速度的判别比较分析

表五第一类危机、第二类危机的预警

由上表可见,两种预测的精度都不错,结果均可用;对财务质量预测的准确度明显比对财务劣变预测的准确度要高。说明,财务危机波动性的预测难度更大。

六、总结

建立具有较高回判准确率的不同行业、区域的企业财务危机预警模型说明,我国已经具备了利用企业财务数据进行财务危机预警和信用风险管理的条件。同时,从一个侧面证明了国外预警模型的指标、参数是不大适合直接运用到中国生产实践中去的。

研究表明,商业银行可以针对重点行业、重点地区,对具有不同信用风险特征的企业建立不同的财务危机预警模型,以不断提高信用风险管理的水平。同时,针对特定的需要和对象,如大信用额度的客户、集团客户、关联客户等,也可以建立相应的预警模型,以突出进行差别化的信用风险管理。

在预警模型的基础上建立风险预警系统,可以将现代统计技术运用到风险管理的日常实践中去,并能够在短时间内加快缩短我国与国外在信用风险管理方面的差距。

此外,通过采用风险预警技术,可以开展违约诱导因素分析、信用等级自动判别、风险动态管理等多种研究,以不断丰富信用风险管理的工具和手段。

参考文献:

[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]陈静.上市公司财务恶化预测的实证分析[J].会计研究,1999,(4):31-35.

[6]张玲.财务危机预警分析判别模型及其应用[J].预测,2000,(6):38-40.

[7]高培业,张道奎.企业失败判别模型实证研究[J].统计研究,2000,(10).

[8]徐国祥.上市公司经营业绩综合评价及实证研究[J].统计研究,2000,(9).

[9]吴世农,卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究,2001,(6):46-55.

[10]刘.上市公司财务状况异常的预警分析[J].资本经营,2001,(2):38-42.

[11]齐治平,余妙志.Logistic模型在上市公司财务状况评价中的运用[J].东北财经大学学报,2002,(1):60-63.

[12]周兵,张军.上市公司财务状况恶化的预警模型分析[J].华东经济管理,2002,(8):92-98.

[13]周思恩,丁莉.上市公司被特别处理的分级预警模型分析[J].财经科学,2003, (增刊):289-291.

篇8

自2009年10月30日起,创业板市场运行已有5年的时间。上市公司的数量飞速增加,财务指标初具规模。但随着创业板市场的不断发展壮大,也出现了不少亟待解决的问题。随着的披露,创业板上市公司板高成长的光环已然褪去,财报业绩频频变脸。2012年4月20日,证监会正式《深圳证券交易所创业板股票上市规则(2012年修订)》。在新的退市制度中,规定了创业板上市公司若达到了其规定的暂停上市或终止上市标准,将严格执行其规定标准,结果就是直接退市。因此,为了使我国创业板市场持续和谐成长,并且使广大投资者的权益不受到侵害,需要对创业板上市公司的财务状况做出提前预测,更需要建立一个适合我国创业板上市公司的,对其财务危机状况判别率较高的财务预警模。

二、Cox建模方法简述

生存分析方法在研究企业经营失败方面的模型分为三类:非参数、参数和半参数模型。半参数模型主要用于不确定生存时间分布类型的研究样本。这类方法能够分析多个风险因素对生存时间的影响情况。Lane,Looney和Wansley(1986),Wheelock和Wlison(2000)以及Balcaen和Ooghe(2004)认为研究企业经营失败的最适模型为半参数Cox比例风险模型。所以本文选用Cox比例风险模型,下面就对Cox比例风险模型进行详细的介绍。

Cox模型是一种用于研究多因素对生存时间影响的半参数模型,它不要求样本的生存时间服从特定的分布,也可以分析删失数据,这样就大大降低了运用过程的繁琐性。Cox模型自D.R.Cox于1972年提出以来,从最初应用于生物医学领域,现在已扩展到了金融、管理等领域。Cox比例风险模型采用的是偏似然函数对协变量进行估计。并且每个样本都包含三个变量time,status和Xi,其中,time表示的是样本的生存时间;status表示的是样本的生存状态,status=0表示样本发生危机事件,反之status=1表示样本未发生危机;Xi表示的是与样本生存时间和生存状态有关的协变量。Cox比例风险模型的表达式为:

H(t,AX)=h0(t)F(AX)

其中,h0(t)为t时刻的基准风险率;X=(x1,x2,x3,…xn)为协变量,它们可以是定量指标,也可以是定性与等级指标;A=(a1,a2,a3,…an)是参数变量,即各协变量的回归系数。

相应的生存函数表达式为:

S(t,AX)=S0(t)F(BX)

其中,S0(t)为t时刻的基准生存率;X=(x1,x2,x3,…xn)为协变量,它们可以是定量指标,也可以是定性与等级指标;B=(b1,b2,b3,…bn)是参数变量,即各协变量的回归系数。

三、建模样本的选取

(一)建模样本选择

与本文以亏损集中发生的2012年至2014年为观测期,选取2009至2011年上市的创业板公司为估计样本。排除财务数据缺失企业10间,观测期前发生亏损的企业一间(当升科技),本文估计样本内含财务困境即亏损企业33间,健康企业246间。

在主板上市公司的财务危机预警中,通常设公司被ST当年为第T年。被ST发生时间通常在公司上一年财务报告披露之后。即第(T-2)年与第(T-1)年发生两年连续亏损,第T年被ST。预警模型的估计样本数据通常为第(T-3)年。

本文采用与主板类似的研究方法,设财务困境企业出现亏损当年为第T年,本文基于困境企业的第(T-1)年及健康企业的2013年财务数据进行模型估计,数据来源为国泰安数据库。生存时间为公司上市至首次发生亏损年份。Cox回归模型不要求样本数目的匹配性,因此,本文估计样本容量为279。

四、指标的选取与处理

(一)财务预警指标的初选

财务危机产生的本质原因有所差别。本文在企业偿债能力、经营能力、盈利能力、成长能力、比率结构五个方面选取了具有代表性的二十九个财务指标,具体见表2。

(二)财务预警指标的显著性检验

在前文初选的二十九个指标上,首先?ρ?本数据进行显著性检验,只有通过显著性检验的财务指标才能进入下一步检验。本文采用Mann-Whitney U独立样本非参数检验方法,分析两类独立样本提前1年财务数据的描述性统计量。

结果显示,在0.05的显著性水平下,现金及现金等价物周转率、固定资产增长率、流动资产比率、显著性比率、流动负债比率五项指标无法通过显著性检验,其余25个指标进入下一步检验。

(三)财务预警指标的相关性检验

共线性是影响Cox回归模型精度与预测水平的主要因素。对上述通过显著性检验的25个指标进行皮尔逊相关性检验,得到相关性矩阵(附表1)。以65%为分界点,剔除相关性较强的部分指标,包括流动比率、资产负债率、流动资产周转率、总资产净利润率、资本保值增值率,其余18个财务指标进入Cox回归模型构建。

五、模型构建

(一)Cox模型回归

将前文通过显著性检验与相关性检验的19个财务指标进行Cox模型回归,选择能防止遗漏有预测能力变量的向后:LR逐步回归法。采取严进宽出的原则,设定步进概率为进入:0.05与删除:0.10。回归结果见表。

模型回归结果显示,经营活动产生的现金流量/负债总额X5、存货周转率X7、存货与收入比X8、总资产周转率X13、资产报酬率X14、营业毛利率X18、营业利润率X19、留存收益资产比X27八个财务指标与公司陷入财务困境的可能性相关。将估计结果代入,可得危险率模型:

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)为危险率模型的基准死亡函数。

(二)生存函数估计

上文中,通过显著性检验与共线性检验的模型在Cox回归中,显示出良好的回归结果及各财务指标的偏相关系数。然而,要想最终得到更为精确的危险率模型,本文仍需对上文所得模型中的基准死亡函数h0(t)进行进一步估计。

危险率率模型中的基准死亡函数取决于累计死亡率随生存时间变化的分布模式。首先,本文通过生存分析中Kaplan-Meier分析,得到估计样本的生存表如表5。生存表内包含生存时间数据及对应累积死亡率。

在基准死亡率分布未知时,通常会假设死亡率符合某种具体分布,进行进一步拟合估计。在以往针对财务指标Cox模型预警的研究中,学者一般事先假设基准死亡率满足线性分布、S分布、Logistic分布等分布。因此,本文综合考虑以往常见的此三种分布,分别设定生存时间与上表累积死亡率为自变量与因变量,用曲线估计方式同时用线性分布、S分布与Logistic分布拟合,考察三种分布拟合效果,结果见表6。

拟合结果显示,S分布拟合效果最佳,R-square为93.8%,三种分布中拟合效果最佳。因此,本文假设基准死亡率符合S分布。本文转化公式后用线性回归模型拟合,可得基准死亡函数:

h0(t)=exp(-5.618297)*(t^2.127813)

将基准死亡函数代入原死亡率函数中,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)预测能力检验

财务指标预警模型中,预测能力的检验颇显重要,能在一定程度上显示该模型实践效果的有效性。一般而言,模型的检验需同时在样本内和样本外进行。但考虑到创业板危机公司数目的有限性,为同时保证样本估计与预测检验的样本容量足够大,本文在样本内随机抽取12家困境企业与12家健康企业用于预测能力检验。以0.5为判定点,获得模型精度检验结果如表7。

由预测结果与实际情形对比,本文发现,由前文回归所得模型在创业板财务预警效果较高。预测困境准确率为91.67%,预测健康的准确率为83.33%。

表7 样本内检验结果

虽然在创业板历史偏短与危机公司偏少的限制性下,本文暂时无法获得样本外检验效果,但从样本内检验结果看来,本文认为,该模型具有较好的预?y能力。

六、研究不足

本文在取得一定的研究成果的同时,仍存在着一些缺陷,还有进一步改进的空间。本文的研究不足主要有以下三方面:

(一)指标选取

本文所选取的指标均为财务指标,对于非财务指标的影响不能充分体现。而一个上市公司的财务状况,很多时候又会受到非财务状况的影响,甚至这种影响会是决定性的。

(二)样本容量

创业板毕竟从开始运行到现在只有短短的6年时间,时间跨度相对较小,而财务危机的发生是一个动态的过程,这就需要利用企业发生财务危机以前年度的数据进行模型的建立,所以本文选取了样本企业T-1年的数据进行建模。其中亏损企业33间,健康企业246间,样本量相对较少,造成了只能进行样本内检验的困境,并且可能会对模型的预测效果造成一定的影响。

篇9

关键词:U检验 因子分析 财务危机预警

中图分类号:F275 文献标识码:A 文章编号:1002-5812(2015)18-0042-04

一、引言

经济环境的复杂化和竞争的白热化,使得企业经营面临巨大风险和不确定性从而导致财务危机。财务危机预警可预知财务危机发生的征兆,其有效性和准确性的提高有助于企业及时发现导致财务状况恶化的原因,及早应对。准确有效的预警除了对企业管理层起到警示作用外,还能助投资者做出有利的投资决策,便于债权人控制信贷风险,利于证券等监督部门的监管。迄今,理论界已发展出诸如多元判别模型、多元逻辑回归模型和神经网络模型等多种模型来研究财务危机预警,但受制于多元判别模型和逻辑回归模型需要众多假设条件,神经网络模型建模复杂、其运作原理无法明确等问题,这些模型的适用性受到极大限制,鉴于此,本文选择无假设要求且原理简单的因子分析模型对财务危机预警进行研究。

二、文献回顾

20世纪30年代,国外已开始对财务危机预警进行研究,取得了一定的成果并广泛应用于实际。而国内学者对财务危机预警模型的研究起步较晚,始于20世纪80年代末。总体来说,国内外财务危机预警模型的研究进展可概括为:从单变量分析模型到多变量分析模型,从统计分析方法到基于人工智能的机器学习分析方法。

Beaver(1966)首建了单变量财务危机预警模型,使用30个财务比率进行了对比研究,结果表明,资产负债率、资产收益率和现金流量/负债总额这3个财务比率预测财务危机是有效的,其中现金流量/总负债这一财务比率预测财务失败效果最好。Altman(1968)首用多变量分析进行了财务危机预警研究,并提出了判断企业破产的临界值,这种方法用多个财务指标加权汇总后产生的总判断分值(称为Z值)来预测财务危机。周首华等(1996)对Altman的Z分数模型进行了改善,将现金流量指标加入预警机制中从而建立了F分数模型。吴世农和卢贤义分别采用判别分析和logistic 回归方法建立和估计了预警模型,并比较了各种方法的预测效果。随着数据挖掘技术的日渐成熟,开始有学者使用神经网络研究财务危机预警,Odom 和 Sharda(1990)将人工神经网络模型应用在破产预测模式中,用人工神经网络预测财务危机的新方法,他们选用Altman 选取的5个财务比率,设置5个隐藏节点,建立了神经网络预警模型,发现使用神经网络的方法对公司财务危机的预测率高于基于统计的方法。我国学者杨淑娥、黄礼等通过改变隐含层个数等方式对模型的可靠性进行了验证。

三、样本与指标的选取

(一)样本确定及分组

国内学术界和实务界对财务危机的界定各不相同,概括起来主要分为两种:其一,认为企业破产是最严重的财务危机;其二,鉴于我国资本市场的特殊性,国内大多数学者将是否被“ST”作为判断企业发生财务危机与否的标准。考虑可行性,本文也以是否被ST作为判断企业财务危机的标准,选取了2011―2012年间被ST的A股上市公司作为发生财务危机的公司样本,同时按配对样本属于同类行业且总资产规模相差在10%以内的原则,对每一家ST公司进行配对选择非ST公司,共选定50家ST公司和与之配对的50家非ST公司作为研究样本。其中,50家ST公司中,20家在2011年被宣布为ST公司,30家在2012年被宣布为ST公司。研究时,笔者把50家被ST的公司随机分成两组,一组为建模样本组,一组为检验样本组。剩下的50家非ST公司根据与其配对的ST公司的分组情况,相应分配到检验数据组和建模数据组中。这样,100家企业中就有50家(25家ST公司和25家非ST公司)公司用来建模,50家(25家ST公司和25家非ST公司)用来检验模型预测的准确性。

(二)预警指标体系的确定

在总结了前人研究及企业经营特征的基础上,本文选取了23个指标,分别囊括了企业偿债能力、营运能力、盈利能力、成长能力、现金流量状况和表外其他信息6个方面。这些变量的类别如表1所示。

(三)财务危机预警指标的筛选

为建立一个有效的财务预警模型,所选指标必须能够有效地判别财务危机企业和财务正常企业。因此,在构建模型之前,需要对所选指标进行显著性检验以剔除ST公司和非ST公司之间显著差别不高的指标。

显著性检验即事先对总体的参数或总体分布形式做出预先假设,然后利用样本信息判断该假设是否合理,即判断总体的真实情况与原假设是否有显著性差异。当样本总体符合正态分布时,一般会使用参数检验的方法;当样本总体不符合正态分布时,一般采用非参数的检验方法。在本文中,由于总体分布未知,故首先要对样本数据进行正态性检验。

1.样本数据的正态性检验――单样本K-S检验。通过SPSS 19.0对前面所选取的23个财务比率指标进行显著性水平为5%的K-S检验,结果如表2所示(其中T-1、T-2和T-3分别代表被宣布特别处理前1年、前2年和前3年)。

在显著性水平为0.05的水平下,当渐进显著性P值>0.05 时,该指标符合正态分布。从表2中可以得出:T-1年只有 X6、X7、X9、X11、X15、X17、X21符合正态分布;T-2年只有X6、X7、X9、X13符合正态分布;T-3 年只有X6符合正态分布。整体上看,三年内只有X6都符合正态分布,故指标变量整体来说并不符合正态分布。

2.样本数据的显著性检验――初次筛选。对样本数据进行显著性检验时,T检验和U检验均可用。实用时,只要检验样本含量较大(n>30)或检验样本含量较小(n<30)但总体标准差σ已知时,即可应用u检验;当检验样本含量较小(n<30),总体标准差σ未知时可应用T检验,但要求样本数据呈正态分布。由于所选取的指标变量在总体上不符合正态分布,且样本数较大,所以本文采用U检验来检验指标变量的显著性。

利用收集的两组共100家上市公司的数据资料,使用SPSS 19.0统计分析软件中的两个独立样本显著性检验,对被宣布特别处理前1年、2年、3年的数据进行U检验,结果如上页表3所示。

据表3可得T-1年至T-3年指标变量显著性检验的结果:应收账款周转率(X4)、存货周转率(X5)、总资产周转率(X6)、销售毛利率(X11)、Z指标(X22)和审计意见类型(X23)这6个财务指标在0.05水平上没有通过显著性检验,说明该6个指标无法有效区分企业是财务失败还是财务正常,故剔除这6个指标。

3.因子分析――再次筛选。考虑中国证监会界定上市公司财务状况异常的标准一般是“连续两年亏损”,所以本文利用建模组公司T-2的数据,共50个样本,结合前文中通过显著性检验筛选出的17个指标进行因子分析,利用因子分析对这17个指标再次精简,去除重复信息。

(1)KMO检验。通常在因子分析之前,需要对原有变量之间是否存在相关关系进行研究。本文采用KMO和巴特利特检验对变量进行相关性检验。表4的检验结果显示KMO值为0.667大于0.6,表明可做因子分析;又因Bartlett球状检验的相伴概率为0.000,远小于显著性水平0.05,因此可以认为原始变量之间存在相关性,适合做因子分析。

(2)因子分析。统计方法中,可据因子载荷矩阵得出所选公因子的个数。为确定选取的公因子个数,需要计算各因子的特征值和累计贡献率。本文选取公因子时要求因子的特征值大于1。表5显示,选取5个公因子时,每个公因子的特征值都大于1,且累计贡献率达到76.74%,即这5个主成分因子包含了原来76.74%的信息量,变量信息丢失较少,因子分析的结果较为理想。为便于对这5个因子进行解释,本文使用了正交旋转法中最大方差法进行转换得到因子载荷矩阵表6。表6显示:因子Z1中,财务比率X10 、X12的因子载荷量都大于90%,而这2个财务比率是反映企业盈利能力的指标,故将Z1命名为盈利能力因子;因子Z2中,财务比率X14、X18的因子载荷量远大于其他财务比率的因子载荷量,而X14、X18是反映企业成长能力的指标,故将Z2命名为成长能力因子;因子Z3中,财务比率X2、X3的因子载荷量都大于90%,远大于其他财务比率的因子载荷量,而X2、X3是反映企业偿债能力的指标,故将Z3命名为偿债能力因子;在因子Z4中,财务比率X19、X21的因子载荷量远大于其他财务比率的因子载荷量,而X19、X21分别反映企业现金流量的指标,故将Z4命名为现金能力因子;在因子Z5中,财务比率X7、X17的因子载荷量大于其他财务比率的因子载荷量,而X7、X17分别反映企业盈利和成长能力的指标,故将Z5命名为综合能力因子。

根据表6旋转平方和载入方差值和表7各公因子得分系数,确定财务危机预警函数为:

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

四、财务危机预测值的确定及预警模型的检验

(一)财务危机预测值的确定

将建模组共50个样本的数据带入公式一中,得到各企业综合财务风险预测值F,根据F值的高低排列企业,结果见表8。

根据表8中各预测值F和确保最小错误率的原则,选定ST企业和非ST的最佳分割点,本文中称该分割点为风险临界值PS。通过分析可看出,这个分割点在-0.08和0.02之间时,误判率最小,故本文选择这两个数值的平均数作为风险临界值,即PS为-0.03。

据前文,距被宣布特别处理前两年财务预警的因子分析模型为:

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

若 F≥PS,则2年后该企业为非ST企业;若 F<PS,则2年后该企业为ST企业。

(二)预警模型的检验

为检验PS临界值-0.03在预测财务危机方面的准确性,本文把距被宣布特别处理前两年(即T-2年)的检验组样本数据(共50个样本)带入因子分析模型,即公式一中,得到检验组样本各公司F值,根据F值的高低排列企业,结果见表9。

根据建模样本组确定的风险临界值PS=-0.03,被宣布特别处理前两年的检测组公司样本数据F值计算结果表明:50家企业里有45家预测正确,预测错误的为华电能源、莲花味精、金健米业、*ST新农、*ST南纺这五家,预测正确率达90%。因此,公司被宣布特别处理前两年,该财务风险预警模型具有较好的预测能力。

五、结论

本文选取2011―2012年间A股上市公司中被ST的50家公司和与其配对的50家非ST的公司作为研究样本,以被ST前三年的数据作为样本数据,使用U检验严格筛选出17个财务指标作为指标变量,对上市公司前两年的数据运用因子分析对指标体系进行再次筛选,构建了财务危机预警模型。研究结果显示:公司被宣布特别处理前两年预测的正确率高达90%,达到了较好的预测效果。J

参考文献:

篇10

【关键词】 制造业;财务危机;预警系统

一、引言

随着市场经济体制改革的不断深化,我国的企业在面临着无数机遇的同时,也面临着前所未有的风险,众多企业因为财务风险陷入困境,甚至宣告破产。然而,任何的危机都是一个逐渐恶化的过程,如果能及时发现企业在财务管理中存在的问题,就可以预测财务风险,使管理层能够采取有效措施预防失败。

目前我国尚处于社会主义的初级阶段,工业尤其是制造业仍是我国经济发展的支柱,制造业的发展也在一定程度上决定了农业、服务业以及国防的水平,制造业的健康发展关系到整个社会经济体系的健康发展。因此,及时预测制造业面临的财务风险,建立适当的制造业公司财务危机预警系统至关重要。

二、研究思路

本文以2005-2007年我国制造业上市公司的财务报表为研究对象,以上市公司因财务异常而被特殊处理(ST)做为企业陷入财务危机的标志,选取样本组和预测组,根据大量文献证明有效的财务指标,构建相应的财务危机预警系统。通过锐思数据库导出公司资产负债表、利润表、现金流量表,通过公式计算财务预警系统中各指标的值,运用SPSS软件得到建立模型所用的敏感性指标,采用定量分析法的Logistic回归分析得到预警系统,并通过预测组对结果进行分析得出相关结论。

三、指标系统构建

现代财务管理理论认为,企业的财务状况主要取决于企业的偿债能力、盈利能力、营运能力和成长能力,在世界上财务体系的研究和实践中运用的财务指标也分别反映了上述内容。而由于目前越来越多的企业开始关注自身的现金流量状况,实践中也证明了现金流量的大小直接决定了企业是否有足够的资金进行正常的生产经营活动、能否到期还债,它与企业的生存、发展息息相关,因此也将现金流量纳入到财务预警系统中。

本文在借鉴前人研究的基础上,考虑到指标数据取得的难易程度,通过以下指标建立了一套与财务预警相关的指标体系,并从偿债能力、盈利能力、营运能力、成长能力和现金流量状况对财务危机预警进行分析,见表1 财务危机预警指标体系。

四、样本选取

本文从我国证券市场上2005-2007年制造业企业中界定出32家(其中ST公司30家、非ST公司30家)作为研究样本,借鉴国外的经验并结合我国的实际情况制定取样原则如下:

一是同门类。根据中国证监会的《上市公司行业分类指引》选取典型制造业企业作为研究对象。

二是同时期。为了保证研究对象所处的宏观经济环境相同,从而保证模型分析有意义,本文选择ST公司被“特别处理”的前三年即2005-2007年作为数据采集的时间范围,ST公司和与其相配对的非ST公司的财务数据均以ST公司被“特别处理”的时间为限,从而使财务指标在时间上具有一致性。

三是规模相似。

四是样本的分组,取ST公司、非ST公司各15企业作为估计组,另取非ST公司和ST公司各15企业作预测组,根据对估计组进行研究分析得到的结论对预测组进行预测,从而验证研究结果。

五、实证结果及分析

(一)变量的显著性检验

下面利用选取的两组共60家上市公司的财务数据,使用SPSS软件中的显著性检验功能对相关财务指标进行变量的显著性检验,比较ST公司和非ST公司在这16个财务指标的平均值上是否具有显著性差异,从而对财务指标进行初步的筛选。

从ST公司和非ST公司备选财务指标T检验结果表(表略)中我们可以得到备选财务指标的显著性检验结果, ST公司和非ST公司在现金营运指数、存货周转率、应收账款周转率、利息保障倍数、主营业务利润率等指标上不具有显著性差异。综上所述,流动比率、速动比率、资产负债率、总资产利润率、净资产利润率、每股经营现金净流量、总资产现金回收率、主营业务收入增长率、利润总额增长率、总资产周转率、总资产增长率等11项财务指标通过了0.05显著性水平检验。

(二)变量的相关性分析

由于财务指标之间大多存在多重共线性关系,为了减轻这11项财务指标之间的多重共线性度,利用SPSS软件分析这些指标的相关系数(表略)。

本文以0.6作为分界点即大于0.6则认为具有明显的相关关系,从而得到:流动比率与资产负债率、总资产利润率与净资产利润率、总资产周转率,具有明显的相关关系;总资产增长率与主营业务收入增长率具有明显的相关关系;每股经营现金净流量与总资产现金回收率具有明显的相关关系;总资产周转率与总资产现金回收率具有明显的相关关系。

根据上述分析,结合财务指标的显著性分析以及各指标所能够反应企业相关能力的程度选取速动比率作为偿债能力的指标;选取总资产周转率作为营运能力指标;选取净资产利润率作为盈利能力指标;选取利润总额增长率、总资产增长率作为成长能力的指标;选取每股经营现金净流量作为现金流量能力的指标,以上述六个指标,构建财务预警系统体系。

(三)建立财务预警系统模型

将样本组的上述六个指标通过SPSS软件处理,得到Logistic回归模型:

u=26.423-10.989X2+7.422X7-20.156X10+0.237X12-25.743X13-1.022X16。根据上述Logistic回归方程,将相对应的指标代入方程得到0.6467

将预测组代入回归方程进行检验,判定结果见表2。(其中1代表财务陷入危机的公司,2代表财务状况正常的公司,3代表在灰色地带的公司)

从上述检验结果表可见,预测组中15家ST公司中有2家误判,正确率为86.7%;15家非ST中有2家误判,正确率为86.7%。

从上述分析中可以发现,误判率稍高,可能是有下列几个原因:第一,样本选择的数量偏少,导致回归方程的系数发生偏差,从而导致模型精度稍低;第二,预警系统选择的相关财务指标的数量偏少,未能完全反应企业财务状况;第三,指标的计算口径不完全一致;第四,由于采集样本的企业来自制造业的各个类别,企业特点、运行方式有细微的差别,从而导致建立的模型不精确。

六、结论及建议

本文建立的财务危机预警系统是通过6个财务指标,对我国制造业财务状况作出的比较精确的判断。当0< p

然而,本文引用的所有财务数据、财务指标都是由上市公司的财务报表得到的。企业出于各种目的,使财务报表具有一定弹性,往往不能十分准确的反映企业真实的财务状况。因此,以此为基础建立的模型的准确性会受到一定的影响。

鉴于以上的分析,本文建立的模型具有很大的局限性。针对上述财务系统,笔者建议:

第一,企业财务危机预警系统的建立是需要大量的公司作为研究样本的,本文建立的系统也是由于样本的数量不够导致模型精度不够。因此,要通过对大量数据研究的基础上才能建立完善的、精度很高的模型。

第二,每一个企业有自己的特点。企业应该根据自己的实际情况对模型进行修正,舍弃某些不适用的指标,增加一些更适用于本企业的指标,从而保证系统具有实用性。

第三,本文适用的是多变量分析的方法,目的是对企业的财务状况进行综合反映。若能将多变量模型与单变量模型结合起来可以使财务危机预警系统更加精确。

【参考文献】

[1] 韩新宽. 财务管理学[M]. 哈尔滨: 哈尔滨工业出版社,2007, 35-40.

[2] 赵爱玲. 企业财务危机的识别与分析[J].财务与会计,2002,(11):69-71.

[3] 张友棠. 财务预警系统管理研究[M]. 北京:中国人民出版社,2004.

[4] 蔡勇. 我国信息技术上市公司财务危机预警的实证研究[J]. 江门职业技术学院学报,2007,(9):10-21.