公司财务预警范文

导语：如何才能写好一篇公司财务预警，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。

篇1

关键词：财务预警

一、背景

随着市场经济的日益发展，企业受外部环境改变和内部经营机制转变的双重影响日益明显，财务风险便成为其必然产物。财务风险处理不当是诱发企业产生财务危机的根本原因。因此，加强企业财务风险管理，建立和完善公司财务预警管理体系尤其必要。

二、财务预警管理的理念、方法

公司财务预警管理是以企业信息化为基础，对企业在经营管理活动中的潜在风险进行实时监控，并为经营者提供决策和风险控制依据的管理活动。它贯穿于企业经营活动的全过程，以企业的财务报表、经营计划及其他相关的经营资料为依据，根据企业建立的组织体系，利用财务会计、企业管理、市场营销等理论，采用比例分析，数学模型等各种定量或定性的分析方法，发现企业生产经营中存在的风险，分析企业发生经营非正常波动或财务危机的原因，挖掘其中所隐藏的问题，及时向经营者示警，并督促经营者提前采取防范措施。

三、实现方法

（一）建立财务预警体系

财务预警体系建立的关键是如何确定预警的指标和判断预警的警戒线。我们以针对性、全面性、动态性、可行性为原则，主要建立以下两种模式：

1、单一模式。单一模式是通过单个财务比率的恶化程度来预测财务风险。我们根据公司经营管理需要和财务活动特点设置以下几方面内容：

（1）财务报表趋势分析。趋势分析是利用财务报表提供的数据资料，将各期有关指标的实际数值与相同指标的历史数值进行定基对比和环比对比，揭示企业财务状况和经营成果变化趋势的一种分析方法。采用趋势分析法通常要编制比较财务报表。通过按绝对数编制和按相对数编制两种方法，评价、预测业经营成果与财务状况的演变。

（2）财务比率分析。比率分析法是利用同一时期财务报表中两项(或多项)相关数值的比率，评价企业财务状况和经营成果的一种分析方法。常用的财务比率可分为相关比率、结构比率和动态比率三类。从多方面详尽反映企业财务状况，揭示企业经营发展的问题。主要包括：

A、盈利能力分析。主要包括：销售毛利率、销售利润率、总资产收益率、所有者权益收益率、资本保值增值率等财务指标。

B、偿债能力分析。主要包括：流动比率、速动比率、资产负债率、利息保障倍数、长期负债与营运资金比率、长期资产适合率等财务指标。

C、营运能力分析。主要包括：总资产周转率、应收帐款周转率、存货周转率、流动资产周转率等财务指标。

D、发展能力分析。主要包括：销售增长率、资本积累率、总资产增长率、固定资产成新率、三年利润平均增长率、三年资本平均增长率等财务指标。

企业良好的盈利、偿债、营运以及发展能力可以表现出企业长期、稳定的发展态势。通过行业平均数值和企业历史数值相结合的方式设立各财务指标的警戒数值。当上述指标达到预先设立的警戒值，预警系统便发出警示。不同财务比率的变化趋势必然表示出企业风险的趋势，并对企业的财务状况和经营成果做出评价。

2、综合模式。单独使用某个财务分析指标或财务分析方法，结果直观，但有时会掩盖一些企业经营中的实质性问题，有时不同的财务比率反映的情况相互矛盾，很难作出综合全面的结论，因此，有必要采用多元分析法。

这里介绍一下适合制造业分析的Altman模型。该模型是一个多元线型函数模型，它以建立5个财务指标加权汇总产生的总判别值来综合分析、预测企业风险。

Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99X5

其中：Z一判别函数值； X1一营运资金 / 资产总额；X2一留存收益/资产总额；X3—息税前利润/资产总额；X4一普通股和优先股市场价值总额/负债账面价值总额；X5一销售收入/资产总额。

该模型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，得到一个综合指数。一般认为当Z值大于2.67时，表明企业财务状况良好；当Z值小于1.81时，表明企业财务状况堪忧；当Z值介于2.67和1.81之间，说明企业财务状况不稳定。这种模式给企业一个参考标准，从总体角度检查企业财务状况，弥补了单一模式的不足。

（二）定期分析，及时预警

建立了预警体系构架，更需要做好实时分析，真正、充分发挥预警作用，为公司决策层及时预报财务经营信息。在实际运作中，还要注意以下几方面：

1、准确把握预警报告的结构和层次。财务预警体系整体上要有相对的固定性,但也会随决策层对信息需求的特点而作相应增减，形成定变结合、适时可调的指标体系。

2、预警分析要与公司经营业务紧密结合，深刻领会财务数据背后的业务背景，切实揭示业务过程中存在的问题。财务分析人员通过对公司生产经营情况的了解，提供真实可信的预警信息。

四、管理效果

公司财务预警管理实施以后，可以实现以下效果：

（一）信息收集。通过收集与公司经营相关的各类财务和生产经营状况信息，进行分析比较，判断是否预警。

（二）预知危机。经过对大量信息的分析，当出现可能危害公司财务状况的关键因素时，财务预警管理能预先发出警告，提醒经营者早做准备或采取对策，避免潜在的风险演变成现实的损失。

篇2

随着中国的企业必逐渐融入到国际市场这个大环境中，国内市场竞争将演变成国际性竞争。新的形势下，如何有效的规避与防范各种风险因素，防止企业在发展过程中陷入危机境地，成为当前企业管理的重点课题。当各种不测风险发生后，最易遭受侵害的必然是企业资金运动的中枢——财务管理系统，由财务状况逐渐恶化而导 致财务危机，随着时间的推移，当财务危机加剧到企业无法承受的限度时，全面危机将会随之爆发。因此，根据本企业的生产经营特点，建立一套完善有效的财务危机预警系统，及早诊断出危机信号，并采取相应措施，将危机消灭于萌芽阶段，成为现代企业财务管理工作的重要内容。一般说来，企业的财务危机由初步萌生到恶化，并非瞬间所致，通常都要经历一个渐进积累转化的过程。在这一过程中，各种危机的因素，都将直接或间接地在资金运动的“晴雨表”——一些敏感性财务指标值的不同变化上反映出来。这样，通过分析判断这些敏感性财务指标的优劣变化，便可以对企业的财务状况发挥预警作用。从这一角度出发，所谓财务危机预警系统，就是以企业信息化为基础，以企业的财务报表、经营计划及其他相关的财务资料为依据，利用财会、金融、企业管理、市场营销等相关理论，采用比例分析、数学模型等方法，通过设置并观察一些敏感性财务指标的变化，对企业可能或将要面临的财务危机进行预测、预报的财务管理分析系统。

一、财务危机预警系统的功能及特征

企业的财务危机预警系统，作为一种规避和防范企业风险的工作，其灵敏度越高就越能及早地发现问题并告知企业管理者，就越能有效地防范与解决问题、回避财务危机的发生，所以，一个有效的财务危机预警系统通常具有以下功能：

第一，信息处理功能。它通过收集与企业经营相关的产业政策、市场竞争状况、企业本身的各类财务和生产经营状况信息，进行分析比较，判断是否予以报警。

第二，危机预知功能。经过对大量信息的分析，当出现可能危害企业财务状况的关键因素时，财务危机预警系统能预先发出警告，提醒管理者早作准备或采取对策，避免潜在的风险演变成现实的损失，起到未雨绸缪、防患于未然的作用。

第三，控制危机功能。当财务危机征兆出现时，有效的财务危机预警系统不仅能预知并预告，还能及时寻找导致财务状况恶化的根源，使管理者有的放矢，对症下药，制定有效的措施，阻止财务状况的进一步恶化，避免财务危机真正发生。

第四，避免危机再次发生功能。有效的财务危机预警系统不仅能及时回避现存的财务危机，而且能通过系统详细地记录其发生缘由、解决措施、处理结果，并及时提出改进建议，弥补企业财务管理及企业经营中的缺陷，完善财务危机预警系统，从而既提供前车之鉴，又能从根本上消除隐患。

基于以上财务危机预警系统的功能，我们在构建一个有效的预 警系统时，财务指标的选择必须具备以下两个基本的特性：

其一，必须具有高度的敏感性，即危机因素一旦萌生，能够从指标值上迅速反映出来；

其二，指标的先兆性，一旦指值趋于恶化，往往意味着危机可能发生或将要发生，亦即应当属于危机初步产生时的先兆性指标，而不是已经陷入严重危机状态时的结果性指标。

从财务管理方面讲，诱发财务危机最为直接的原因，或是由于资源配置缺乏效率，或是由于对竞争应对不当及功能乏力，由此而导致企业竞争地位下降，未来现金流入能力低下；或是企业一味地追求营业数额的增长，却忽略了对营业质量现金流入的关注，由此导致企业陷入了过度经营状态与现金支付能力匮乏的困境。这就要求我们在选择财务危机预警指标时以此为出发点考虑。

二、建立财务危机预警系统应做的工作

1、加强信息管理。财务危机预警系统必须以大量的信息为基础，这就要求强有力的信息管理向预警系统提供全面的、准确的、及时的信息。耍建立信息管理组织机构，配备必要的专业人员，要明确信息收集、处理、贮存到反馈各环节的工作内容和要求以及信息专业人员的职责，提供必要的技术支持。

2、协调好各子系统之间的关系。企业是一个有机的整体，财务危机预警系统应该与其他子系统保持和谐的合作关系。应当考虑不同子系统的数据传递和各个子系统对各种数据的不同要求，实现企业数据共享，使各子系统之间的关系变得更加和谐。

3、完善内部控制制度。财务危机预警系统向内部控制制度提出了更高的要求。良好的内部控制制度应该包括法人治理结构完善、组织建设权责分明、交易处理程序适当、信息记录真实、披露及时等内容。需要明确的一点是，虽然风险管理不当可能诱发财务危机，但二者并非是同一概念。风险是竞争的孪生体，是市场经济制度的一种必然现象。它虽然隐藏着危机，却也孕育着商机。尽管时刻面临着市场竞争的巨大压力，但危机的策源地 或许更主要的是滋生于企业内部，如滞后的管理理念、错误的决策行为，以及由此伴随而来的资源配置效率低下以及对竞争风险应对不当或功能乏力等的结果。单从财务危机预警系统方面而言，自然不足以揭示财务危机的本质和根源，但透过财务指标的优劣变化却能够使企业感受到危机的存在，这将有助于企业管理人员对危机的深层诱因进行延伸追溯，从而做到防患于未然。

参考文献

[1]万希宁，苏秋根.关于上市公司财务失败预警的实证分析[J]商业研究，2003，（12）.

篇3

1.以现金流为中心。我们知道在当下的经济生活中，企业的现金流量指标是一项非常专业的利润指标，它比传统的权责发生制下的利润指标，更具有明显的优势。它能够真实准确地反映出企业在财务管理方面的质量。因此，现金流管理也是财务预警系统的主要研究内容。分析现金流的利润可以真实地反映公司的收益情况，而传统管理模式下的应记制编制的资产负债表以及利润对公司财务管理的反映比较主观，容易受到管理者主观所控制。现金流指标可以弥补传统权发生制的不足，从而按照实现制编制，不受主观因素的影响，现金流量的指标也是国外公司财务预警系统常用的指标之一。提高可持续增长公司的会计信息的可比较性。现金流作为一项关键指标，不仅可以实现以收付实现制为基础的估价方法，而且还可以排除由于传统的权责制以及配比制进行估算的不足，剔除了企业以及公司之间进行会计处理的不统一性，促进了企业及公司之间处理会计信息的可比性，因此，现金流估价方法具有较强的应用价值。全面反映可持续增长公司的偿债能力。我们知道，对于破产倒闭的企业来说，有大部分企业的盈利状况较好。而通过现金流指标可以充分的分析公司的偿债能力，促进可持续增长公司的发展。所以，现金流指标相对于其他传统的权责发生制的指标来说，对于可持续增长公司偿债能力的预判更具有说服力。

2.可及时调整公司的战略导向。对于可持续增长的公司来说，其发展正处理有力阶段，在发展的过程中需要及时调整各项工作战略以促进公司的可持续增长。由于对于创业以及处在发展初级阶段的公司来说，更是如此。所以，财务预警系统中的战略导向，便于可持续增长公司根据企业发展的计划以及市场的状况，来调整自身的财务战略，使得企业决策更加科学化。所以，通过财务预警系统中的战略导向能够大大提高公司财务战略的科学性，提高财务预警效率。

3.预警系统积极性明显。对于可持续增长的公司财务预警系统来说，积极性是其中的明显特征。由于可持续增长公司对于财务管理工作非常重视，在财务风险发生之前，积极通过财务预警系统建立预警方案，合理使用资料，设定财务预警管理小组，从而提高对于财务风险预警、处理的积极性。由于在现金制下的财务系统具备积极性这一特点，所以在财务预警的反映速度以及处理结果上，它比传统的权责制的预警系统能够更快地做出相应的反映，从而可以快速地采取措施，减少被动性。

4.稳定、可靠。相比于传统的财务预警系统来说，通过以现金流为中心进行对比的财务预警系统能够更加稳定可靠地对市场信息进行收集。节约了可持续增长公司对于信息收集以及加工的成本。除此之外，对于可持续增长公司来说，现金流为中心的财务预警模式更容易操作，便于财务管理人员使用和维护。

二、可持续增长率在公司财务预警系统的应用

篇4

关键词：财务；预警机制

据《2012年度中国实体经济发展报告》统计，"截至 2012 年 10 月，在统计样本（非金融类上市公司）1689 家中，存在较大或重大财务风险的上市公司 475 家，占所有上市公司的 28.06%；财务安全较为优秀企业仅为 23 家，占所有上市公司的1.36%；最优秀企业数量0"。可见我国上市公司财务安全状况非常严峻，财务危机已成为阻碍我国上市公司发展乃至生存的重要隐患。有时财务危机的发生会让上市公司遭受不可预计的损失，如若处理不当上市公司甚至会因此而破产倒闭。因此，一直以来，上市公司对财务危机的防治是投资者、债权人以及政府等各方共同关注的问题。通过上市公司财务预警机制的建立，真正实现上市公司对自身经营管理风险的及时控制以及潜在财务危机的有效防治。

一、公司财务预警机制概述

1、财务预警机制的含义

我们通常所说的预警，是指在面对不利事情或风险展开的预测及报警，以尽量降低或避免损失。虽然预警源于竞争，但是商场如战场，特别是随着我国经济不断的向前发展，相关的经济理论不断与时俱进，经济学家开始将军事领域中的预警概念以及应用方式引入到了宏观经济学中，以类似的方式对公司经营环境中的各种可能不利的经济环境或者是经营风险进行分析及预测，以此实现经济预警。

上市公司的财务预警是普通的经济预警在一定层次上的一个延伸，与非上市公司的经济预警有所不同，它主要是从财务的角度对企业的经营状况进行预警，以企业经营环境下的具体信息作为基本的依据，然后结合财会、金融以及市场营销等方面的理论，通过采用比率分析、比较分析以及因素分析等金融分析方法，对企业的财务活动进行分析和预测。普通意义上的公司财务预警，一般都是以理论和实务经验作为基本根据，通过建立预警线，然后采用财务指标对企业的财务偏离预警线的情况，并结合周围的经济环境及企业的现状发出相关警戒信号的过程。上市公司的财务预警需要综合企业的财务风险、财务预测、财务控制以及财务评价等各个相关环节，对公司总体的财务运营情况进行系统分析，然后得出企业整体的财务预警分析报告。

总的来看，财务预警机制也即财务失败预警机制，通过对企业日常经营中财务运行状况进行持续的监控，以防范企业发生财务危机，最终导致企业经营危机甚至破产的一种监控和防范机制。该预警机制是一种综合性的预警方法，并着眼于企业的综合经济效果。企业通过建立起健全和有效的财务预警机制，以便够尽早发现企业经营中存在的问题和潜在危机，并告知企业经营管理决策者，从而有效化解潜在危机，使企业保持良性运营。企业所构建的财务预警机制的灵敏度越高，越能够发挥其"预警"的功能。

2、财务预警机制的运行机理

公司财务预警机制分为企业财务预警组织机制、企业财务预警信息收集传递机制、企业财务预警分析报警机制、企业财务预警对策生成机制和企业财务预警监督机制共五个维度，各方面协同运作，实现企业财务预警工作流程的规范和运行效率的提高，为企业财务预警工作更好的发挥作用提供保证。各维度之间的关系如图所示。

其中，财务预警组织机制处于核心地位，科学、合理的组织机制是其他四种机制机能有效发挥的前提，一旦组织机制被决定，其他四种机制之间的相互关系、以及作用形式也就被确定下来。财务预警监督机制对财务预警信息收集传递机制、财务预警分析报警机制和财务预警对策生成机制的运作进行监督，为整个财务预警机制的有效运行提供保障。财务预警信息收集传递机制、财务预警分析报警机制和财务预警对策生成机制三个机制相辅相成（其中实线表示正向作用，虚线表示反向作用）。正向作用：财务预警信息收集传递机制根据财务预警分析环节的数据要求为财务预警分析报警机制提供充分、准确的信息。财务预警分析报警机制则根据所得到的信息分析是否存在潜在财务危机或是已知风险的强度，向相关决策机构发出预警信号，最后由对策生成机制提供解决方案。反向作用：根据排警对策的实施情况对对策进行调整，必要时对财务预警方法也要进行相应的调整，这些变化最终会影响到企业财务预警信息收集的范围以及对原有信息的取舍。如果不需要调整，则此次预警工作的记录直接存档，以备企业未来发生类似情况时做出迅速反映。

3、财务预警机制的功能

预警功能。财务预警机制的核心是财务预警分析报警工作，财务预警分析报警工作是对企业财务困境或财务危机的前馈控制，即通过对企业经营管理状况观察，经过系统分析，及时捕获导致财务状况出现异常的潜在不良信号，对信号的强度进行判断并向企业管理者发出警报。警示其采取相应政策对经营管理做出调整，进而实现对风险的最大程度的控制，做到防患于未然。

自动更新功能。机制的一个重要作用就是能够使一个工作系统接近于一个自适应系统，即在外部条件发生变化时，能够自动迅速的做出反映，调整原定的方式和方法，实现工作目标。完善的财务预警机制能够通过企业管理者和其他人员的参与及时发现企业经营管理环境的改变，并对财务预警机制自身进行修正、升级来适应不断改变的经营环境。

免疫功能。由于财务危机自身具有多样性、积累性的特征，财务预警过程复杂而且企业内部各部门被广泛涉及。健全的财务预警机制，能够通过机制内部各要素的协同作用成功控制经营管理风险、预防企业发生财务危机，并对以往企业财务危机或经营管理风险的触发条件或处理过程留下相关记录，为以后对类似情况的从容应对和迅速处理提供宝贵经验。

二、华茂股份有限公司财务预警机制

安徽华茂股份有限公司是有着50年历史的国有控股的上市公司（股票代码：000850）。现有本部及3个工业园，集纺织、烧毛丝光染色、服装、典当拍卖、金融投资等多元化经营。公司一直以严格的管理和优良的品质享誉国内外。产品远销日本、意大利、德国、香港等高端市场，与国内外众多品牌企业产品相配套。实现了产品向精品化、品牌化的稳定发展。迄今，华茂已连续35年保持赢利。以资本为链条，推进技术创新，向原材料和高科技面料、时装等两端延伸，华茂在传统产业中找到了持续发展的动力--人民币升值、人力和原料成本上升，以纺纱织布起家的安徽华茂集团却实现了连续四十年盈利。

1、华茂股份有限公司介绍

1998年，华茂将优质资源主业上市。上市所募集来的资金，对公司的棉纺技术进行升级改造。同时，持有多家证券企业、银行的股权。十几年来，资本市场的回报开始反哺主业。2009年，华茂集团将部分国有股通过挂牌转让方式，盘活存量资产，引进战略投资者，放大增量资产，形成了公司发展与员工激励相互促进的长效机制。在政府的支持下，利用股权出让获得的收益，华茂兴建华茂国际纺织工业城，产业链实现了两头延伸，产品结构得到了调整，企业转型升级迈上了新的台阶。失去了部分股权，得到的却是全新的运行机制和上百亿元的新产业。近年来，像接线头、落纱一样熟练，华茂在资本市场上有了一双点石成金的手。通过密集、稳健的资本操作，在买方信贷、套期保值等方面进行有效探索，努力放大资本效应。实业资本与金融资本互为发展，互为支撑，有力地化解了企业的经营风险。今年1-9月份，华茂已完成销售收入29.9亿元，利润4.19亿元，利税4.99亿元，超过了去年同期。

长期以来，华茂始终致力于企业技术发展和品牌建设，着力打造产品的精品形象，立足于高档、高质量、高技术含量和高附加值。配置了具有世界一流水平、具有国际先进水平的检、试验仪器，确保从原料、半制品到纱线的质量检测和控制，使公司产品密切追踪国际先进水平，从而保证了产品质量的稳定和新产品的研发力。

2、公司财务预警工作现状

在日趋成熟的财务预警理论与方法的影响和推动下，国内许多上市公司开始尝试将财务预警工作加入到公司的经营管理中来，并在实践中积累了一定经验。但是，由于目前我国上市公司的监管部门尚未就上市公司如何开展财务预警工作做出具体的规定，许多上市公司在计划和进行财务预警工作的过程中存在一定盲目性。就实践效果来看，上市公司财务预警工作没有在上市公司经营管理风险的治理和财务危机的防控过程中发挥应有的作用。这主要表现在以下三个方面：

（1）危机意识不足

随着知识经济的到来以及全球经济一体化进程的加快，上市公司面对的市场竞争日趋激烈，经营环境日益复杂，不少上市公司的管理者已经有了一定的危机观念。但是从总体上看，计划经济的观念束缚还留有影响，市场竞争观念需要进一步深化，财务危机的防范意识更是有待加强。目前，大部分上市公司的管理者在经营管理过程中缺乏危机意识，只追求短期、片面的发展，对企业财务状况的变化缺乏及时准确的判断，而忽视对财务危机的预防，应用财务预警的积极性不足，这在一定程度上，影响到了财务预警工作在上市公司中的开展。

（2）缺乏财务预警组织设置

在企业财务预警工作的安排中，合理有效的管理制度和组织保障是确保财务预警工作发挥作用的前提。然而实际情况是，大部分上市公司并没有制定一套系统、完善的管理制度，其财务预警组织设置也存在缺陷。这就导致了其财务预警组织机制的丧失，在第二章中已经述及组织机制在财务预警机制中的重要性，缺少了必要的财务预警组织机制机能的支持，在这基础上进行的财务预警工作，自然不能做到对公司存在的经营管理风险的及时治理，以及对公司未来可能发生的财务危机的有效防控。

（3）财务预警方法模式化

现阶段，大部分上市公司采用多元线性判别分析作为主要的财务预警方法。由第一章综述部分的分析可以得出该方法只适用于中短期预测，而且单纯的财务指标本身具有滞后性，对财务危机的预测能力有限。此外，部分上市公司还存在财务危机预警样本数据陈旧，财务预警系统偶尔启用之后便搁置一边的情况。这些都在一定程度上影响了上市公司财务预警工作结果的有效性。

三、公司财务预警机制的构建

上市公司由于受到外部激烈市场的竞争以及内部经营管理的不完善，不少公司出现了财务危机。从这个角度来看，上市公司应该具有更高的风险意识，以达到加强风险管理、建立足够准确的财务险预警系统的目的。因此，上市公司建立财务预警机制加以分析，研究如何建立一个切实可行的财务预警模型就显得尤为必要。

1、实施预警机制注意的问题

牢固树立财务危机防范意识。牢固树立财务危机防范意识是财务预警机制得以成功建立并有效运行的前提。无论是席卷全球大部分地区的金融危机，还是个别上市公司的财务危机，其发生和蔓延都直接与危机防范意识的薄弱相关。而所谓财务危机防范意识，首先要求全员上下，尤其是决策层在思想上对潜在的危机应有清醒的认识和警惕，不被一时的表面繁荣景象冲昏头脑。同时它还要求，相关人员应具备认识与控制各种财务危机的能力。

保证财务预警信息传递路线的畅通和预控反应的实时性。财务危机预警系统不仅包括原始信息的收集、分析和预警信息的产生，其最终价值的体现还在于该预警信息能实时反馈到经营者及其利益相关者那里并及时采取相应的预控对策，正如体检的意义不在于发现未觉察的病症，更重要的是开出药方并及时治疗。但是良药苦口，再加上普遍的利益近视与侥幸心理，使财务预警系统形同虚设，而上市公司则痛失重组良机。

正确处理财务危机预警系统和其他管理体系的关系。财务危机预警系统是以上市公司财务信息为中心，以预警为目的，不同于上市公司其他经营管理系统的目的，如上市公司效益评价体系，就是以评价上市公司业绩，反映上市公司资本保值增值为目的。财务危机预警系统是利用财务信息对上市公司采购、生产、销售各环节的综合监控，发出预警信号，而财务信息又是上市公司各个业务运作的综合反应，上市公司经营业绩的好坏，经营措施成功与否，都可以通过财务信息直接或间接地反应出来。因此，预警系统与经营业务是反应和被反应、监控和被监控的关系。但是，经营决策、方案、业务是上市公司营运的实质内容，预警系统是对上市公司经营反映的一种形式。因此，两者又体现为实质决定形式，形式在一定条件下可以反作用于实质。财务危机预警系统是一种危机控制机制，而不是行政关系，但通过预警系统反映出来的问题，又要靠行政手段来实施行之有效的改善措施，才能发挥监控的作用。因此，财务危机预警系统不同于行政，又必须依赖于行政。

2、公司财务预警机制的其体构建

上市公司应根据全面性、系统性、前瞻性等原则对其经营环境进行独立评估，根据评估结果寻找财务风险产生的主要来源，建立财务预警机制。

第一，企业财务环境预警。建设企业财务预警体系的基本前提之一，是企业内外部财务管理环境不发生重大变化。因此，企业应当关注企业内外部财务管理环境。一旦发生重大变化，就要适时调整财务预誉机制，以适应新条件的要求。

第二，企业资金运用活动预警。企业资金运用主要反映在采购、生产、营销和基础管理活动中。从其循环过程看，一部分购买原材料，一部分以人工费用进入生产成本和费用，一部分购人固定资产，以折旧的形式进人成本和费用。因此，上市公司的财务预警机制，应站在资金角度，全面跟踪、反映、监督、评价企业增值业务的过程。

第三，企业筹资活动预警。筹资活动预警是以筹资方式的不同分项目进行的。主要包括短期借款、票据融资、商业信用、中长期借款和权益融资预警，对筹资活动中的不同情况提供了比较详细的对策方案。所提供的预警指标主要有筹资方式所占比重、筹资增长率、付款逾期率、应收应付配合率、财务费用增长率、财务费用水平、利息支付率和留存收益增长率等。

参考文献：

[1]刘淑莲.企业财务风险管理[M].北京：经济科学出版社，2004.

[2]卢田.企业集团财务风险预警系统问题探析[J].财税广角，2009，（11）.

[3]林秀端.财务预警机制完善构想[J].财务会计，2010，（5）.

[4]孙爱平.成长型企业财务风险预警系统构建与完善[J].财会通讯，2009，（6）.

[5]邹碧，田超.企业集团财务风险预警体系设计探讨[J].理论广角，2010，（6）.

[6]王婷，何学忠，舒海棠.我国企业财务风险预警机制研究[J].企业经济，2004，（2）..

[7]董霞.我国上市公司财务风险预警机制研究[J].经济师.2009，（6）.

[8]岳明，卢赫天.论企业财务预警机制的建立[J].电子科技大学学报，2010，（12）.

[9]顾晓安.企业财务预警系统的构建[J].财经论丛，2006，（7）.

篇5

关键词：财务危机；风险预警；Z模型

一、概述

（一）财务预警

财务预警是通过对公司财务报表及相关经营资料的分析，利用及时的财务数据和相应的数据化管理方式，将公司所面临的危险情况预先告知公司经营者和其他利益相关者，并分析公司发生财务危机的原因和财务运营体系隐藏的问题，以提早做好防范措施的财务管理活动。

财务预警应当在企业陷入财务困境之前做出。企业财务困境根据严重性的不同，可以有这样几种状态：一是亏损、现金流量不足、违约。二是资不抵债，净资产为负。三是破产。

（二）Z模型

Z模型的基本模型如下：

研究表明，Z值大小与公司发生财务危机的可能性成反比，一般而言，如果公司的Z值大于2.675，则表明公司经营的财务状况良好，发生破产的可能性较小；如果公司的Z值小于1.81，则公司当前存在较大的破产风险；如果Z值介于1.81～2.675之间，称之为“灰色地带”，即表明进入这个区间的公司，其财务状况极不稳定，模型对其不具有解释性。

二、吉林省上市公司财务危机现状抽样评价

（一）吉林上市公司基本分布情况分析

截至2012年末，吉林省39家上市公司分布在18个行业中，其中医药生物制品制造业的企业数目最多，有7家，占总数的17.95%，排名在第2至第3位的依次是机械制造行业，房地产业，排在前3位的制造业企业共计17家，占吉林省上市公司总数的43.59%。另外，值得注意的是，吉林省目前仍有许多行业没有企业上市。

（二）上市公司财务预警研究样本选择

（1）选取A股上市公司。根据规定，A股上市公司执行国内的会计准则和会计制度，由国内的会计师事务所审计，B股上市公司采用国际会计准则，有外资会计师事务所审计。这种差异导致A股和B股资料之间不能进行有效的可比性，故而选取A股上市公司。

（2）选择被特殊处理的吉林省A股上市公司。国外将破产或者提出破产申请的公司作为财务困境公司，但是由于我国还未出现上市公司破产的情况，无法取得实际的数据，本文选取吉林省在2010年～2013年3月31日之间被ST处理的股票和随机选取的未被ST处理的10家股票作为样本。

（三）吉林省上市公司Z值计算和分析

由2010年～2012年样本上市公司Z值，可以得到：

（1）ST上市公司Z值分布情况。从表1可以看出，Z模型对于所选取的ST公司的判定结果显示，2010年～2012年3年中，判定正确率为100%。说明该模型对于ST上市公司具有较好的判定能力，可以在实际中用该模型对ST上市公司进行财务预警判别。

表1 ST上市公司Z值分布情况

（2）非ST上市公司Z值分布情况。从表2以看出，2010年～2012年3年中，除在2010年一汽轿车的Z值大于2.675，表明财务状况良好外，其他公司Z值均低于1.81。2010年正确判定为10%，2011年和2012年正确判定率为0，误判率高达100%。说明Altman Z模型对于吉林省非ST上市公司不具有判定效应，不能用来进行财务预警判别。

表2 非ST上市公司Z值分布情况

三、吉林省上市公司财务危机的应对措施

（一）增强企业的营运能力

营运能力是指企业的经营运行能力，即企业运用各项资产以赚取利润的能力。要增强企业的营运能力，可以从以下几方面入手：确立优化资本、提升价值等资本运营的理念；建立现代企业制度、营造资本运营的微观基础；培训资本运营人才、造就优秀企业家队伍。

（二）增加留存收益的积累

留存收益是指企业从历年实现的利润中提取或形成的留存于企业的内部积累。要提高企业留存收益的积累，根本方面还是在于企业是否能够取得利润。此外，在不影响企业长期发展和股票价格的前提下，尽量避免发放现金股利。

（三）提高企业的获利能力

企业经营的核心首先是生存、发展，最终要实现盈利，利润是衡量一个企业是否优秀的标准。随着全球金融危机的进一步加剧和蔓延，行业平均利润率水平将不断缩水，企业发展的机会和空间会越来越小。因此，企业必须要寻找新的利润增长点，打造出一个适合自己的盈利模式，提升企业盈利能力。

四、结论

篇6

关键词：财务危机 主成分分析 石化行业 预警

着我国资本市场的不断深化和发展，越来越多的企业选择通过上市来筹集资金，而因陷入财务困境导致公司经营失败的案例也屡见不鲜。因此建立一套合理有效的财务危机预警模型对公司管理者、投资者和市场监管者及时识别并规避财务风险具有重要现实意义。研究表明，财务风险具有行业特性。石化行业是我国国民经济发展中重要的基础行业之一，为此，本文以石化行业上市公司作为对象研究财务危机预警模型。

一、文献回顾

财务风险预警研究始于Fitzpatrick（1932）、Beaver（1966）等人用单变量法分析企业财务风险。其后，学者Altinan（1968）和Blum（1974）等采用多变量分析方法来建立企业的财务危机预警模型，Ohison（1980）和Zmijewski（1984）等采用Logistic回归分析研究方法构建企业的财务预警模型，随后又跨越到人工智能模型阶段。与国外相比，我国关于企业财务预警方面的研究起步较晚，相关研究是从20世纪80年代末开始的，且其研究的对象主要集中在上市公司。陈静（1999）用单变量判别分析和多变量判别分析方法做了实证分析，得出在宣布日前一年总的准确率分别为100%和85%。吴世农、卢贤义（2001）建立Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种预测财务危机的模型，研究结果发现logistic回归模型的误判率最低。目前，国内越来越多的学者尝试运用人工智能模型进行财务预警，但统计方法因其较强的操作性和可理解性，仍被广泛的应用于财务预警中。

主成分分析是一种通过降维来简化数据结构的方法，这种方法由Pearson（1904）首先使用，以后经Hotelling（1933）、Cooley和lohnes（1971）、Kshirsagar（1972）、Morrison（1976）和Mardia、Kent&Bibby （1979）发展和成熟起来。其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各因子权重，简化实测指标系统，具有很强的可操作性。因此，本文在吸收主成分分析法优点的基础上，建立了以石化行业为例的多重截面的主成分分析的财务危机预警模型。

二、研究设计

（一）样本的选择

本文从2008-2012年沪深两市A股市场上石化行业首次被ST及*ST的37家上市公司界定出26家作为财务危机公司的研究样本。然后通过资产规模、上市时间相近等原则，按照1：1的比例进行逐一配对，得到相应的财务健康公司26家作为配对样本。再将52家公司平均分成训练样本26家（其中危机公司13家，健康公司13家）和检测样本26家。定义财务危机公司被ST或*ST时为T年，本文选取其T-2、T-3、T-4、T-5年内的比率数据进行分析。财务数据均来自瑞思数据库（）。

（二）指标选取

在财务危机研究中，变量指标的选取通常没有一个统一的标准。本文借鉴前人的研究成本并在其基础上进行适当的补充，遵循全面性、有效性和可操作性原则，选取涵盖公司盈利能力、偿债能力、成长能力、营运能力、现金流量和资本结构六个方面的22个财务指标，具体指标见表1。

（三）模型的构建

主成分分析法（因子分析法）的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。主成分分析法的一般模型为：

其中，X1，X2，...Xn为实测变量；aij（i=1，2，...，m；j=1，2，...，n）为因子荷载；Fi（i=1，2，...，m）为选择确定的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）；F是公司财务状况的预测值。

三、实证结果与分析

（一）描述性统计

1.均值对比分析。将选定训练样本的13家财务危机公司和13家配对的健康公司分成两组，然后分别计算两组22个财务指标在被ST的前四年的均值，然后利用EXCEL的折线图将均值的对比情况描述出来，具体的变化详见图1。从折线图我们可以看出，ST公司和非ST公司的各项财务指标的平均值的变化趋势不一致，有以下规律：第一，随着ST年份的临近，ST公司和非ST公司部分财务指标的差异逐渐明显，折线图上二者之间的距离逐渐扩大，因而得出结论：指标具有较好的预测效果，如净资产收益率、资产报酬率、流动比率、速动比率、经营净现金流量/负债比率、每股收益增长率、应收账款收益率、销售现金比率、股东权益比率等。第二，两类公司多数的财务指标变动曲线可以分开。例如，若非ST公司的指标在ST公司指标变动曲线的上方，则这类指标就是正指标，如净资产收益率、总资产报酬率、每股收益增长率、净利润增长率、总资产增长率、应收账款周转率等。若非ST公司的财务指标变动曲线在ST公司的下方，这类指标就是逆指标，如资产负债率、固定资产比率等。也存在两类指标互相交叉的情况，如流动比率、净利润增长率、存货周转率、销售现金比率等。

为了进一步挖掘配对样本之间的差异性，本文使用SPSS16.0统计软件分别计算危机公司和健康公司的22个财务指标T-2、T-3、T-4、T-5四年的均值及标准差，并将它们的均值与标准差相减进行比较。得出，健康公司与危机公司在均值上存在显著的差异，健康公司的财务指标中除存货周转率（X13）、资产负债率（X20）、固定资产比率（X21）的均值比危机公司小，其余的财务指标的均值均比危机公司大。且非ST公司样本组的盈利能力、成长能力、现金流量等指标明显高于ST公司样本组的对应指标。从标准差的对比中可以发现，财务指标中标准差的差值大部分为负数，说明ST公司样本组的被ST前四年的均值波动要大于非ST公司样本组。

由均值和标准差对比分析可知，危机公司与健康公司的财务指标存在显著的差异，当某个公司的多个财务指标有明显的下降趋势且波动较大时，表明该公司存在财务危机的可能。但是，均值对比分析是基于各指标的平均值来进行的，因此不可避免地存在极端值造成指标均值差异的可能，所以我们只能够依据均值分析进行粗略的估计。

2.非参数Wilcoxon秩和检验。为从统计上检验选取的变量在危机公司样本组和健康公司样本组之间是否存在显著的差异，我们应用非参数Wilcoxon Mann-Whitney检验法对两组样本22个财务指标进行统计检验。通过检验得到，在企业发生财务危机的前四年内，在显著性水平为0.1时，通过显著性检验的，T-5年、T-4年、T-3年、T-2年依次有5个、5个、10个、12个指标。由此可见，距离财务危机发生的时间越近，危机公司与健康公司财务指标之间的差异性就越大，这说明危机的发生可能存在一定的时序渐进性。

（二）主成分分析模型

主成分分析之前，先需要检验数据是否适合做主成分分析。根据KMO和Bartlett’s检验结果，发现T-2、T-3、T-4、T-5年KMO值依次为0.611、0.559、0.808、0.426，Bartlett’s检验P值均为0.000，小于0.001的检验水平，拒绝单位相关性的原始假设，故可知适合做主成分分析。因此，运用SPSS16.0软件依次对T-2、T-3、T-4、T-5年的具有显著性差异的指标变量进行主成分分析。通过方差最大化旋转，在满足特征值大于1的前提下，提取主成分因子。具体情况见表2。通过旋转后的因子载荷矩阵可对主成分因子进行解释，由统计结果可知：T-2年的第一个因子主要解释了X1、X2、X3、X4、X9、X11几个变量，可解释为公司的盈利能力和成长能力；第二个因子主要解释了X5、X20、X22几个变量，因此F2主要代表公司的资本结构状况；第三个因子由变量X8、X17、X19贡献最多，故F3可解释为现金流量状况。以此类推，各年的主成分因子的含义如表2所述。在确定了各主成分的经济含义后，可根据因子得分系数矩阵建立各个主成分关于原始财务比率的线性表达式。同时，根据统计结果中各个主成分的贡献率，可以得到主成分预测函数。

（三）各年预测结果的比较

将训练样本和检测样本的数据进行标准化处理，然后将各年标准化数据代入危机前四年所建立的主成分分析模型的预测表达式中，计算F值。根据误差最小化原则，确定各年F值的临界值，从而进行预测准确率的计算。其中危机公司判定为健康公司为一类误判；健康公司判定为危机公司为二类误判，得到训练样本和检测样本的预测准确率的结果见表3、表4。从表中可以看到各个年度训练样本的预测准确率均高于检测样本，说明训练样本对预测模型的拟合程度较高，且T-2年主成分分析模型的综合预测准确率训练样本达到93.50%，检测样本达到82.50%，高于T-3年和T-4年主成分分析的结果，而T-3年和T-4年的预测准确率差别不大。由此可见，危机到来前两年的数据预测效果较好。

四、结论及局限

本文选取石化行业上市公司中配比的危机公司和健康公司作为研究样本，选取22个财务指标作为指标变量。从各年度的主成分分析表达式中可以归纳出，企业的盈利能力以及现金流量状况是影响石化行业企业是否会陷入财务危机的关键性预警因素。此外，本文选取石化行业上市公司被ST前四年的数据建立多重截面的主成分分析模型，实证结果表明T-2年主成分分析模型的预测准确率是最高的，明显高于T-3和T-4年的模型。但本文的预测准确率整体上并不是很高，主要存在以下因素：（1）大部分财务危机预警的研究均选择了T-1年的数据，而上市公司在T年是否被特别处理是由其T-1年财务报告的公布决定的，因此，T-1年预测模型即使有很高的预测精度，在实际预测中也没有太大的应用价值。（2）财务指标的局限。本文建立的财务预警系统主要是以财务指标作为输入变量进行判别和预警，而财务指标又有其局限性，不能概括企业经营过程中的非财务因素。（3）样本量的局限。根据数理统计的大数定理，评价样本的数量越大，协方差矩阵就越趋于稳定，主成分分析的准确性就越高。而本文选取了2008-2012年5年间石化行业被ST的26家上市公司为危机样本，样本量相对较小。X

（注：本文受54科研基地-科技创新平台-商务运作与企业服务创新项目的资助）

参考文献：

1.吴世农，卢贤义.我国上市公司财务困境的预测模型研究[J].会计研究，2001，（6）.

篇7

(一)规范理论。规范理论由两种财务模型组成，第一种模型为期权定价模型，第二种模型为赌徒破产模型，其中，赌徒破产模型又按照是否与外部资本市场衔接分为两种模型，其一是不具备外部资本市场条件的赌徒模型，其二是由前者放松资本市场假设而得到的模型，这也符合了学者研究的一贯方法，循序渐进地放宽限制的条件，从而将模型应用的范围不断扩大，以便适应更多的需求。首先，期权定价模型把负债经营公司进行证券化，所有权归属于债权人，同时股东将在公司债务价值低于公司总价值时使用看涨期权，所谓的看涨期权实际上是指以证券为标的物的附加值。公司重组或者破产的直接因素是公司价值与公司负债，这两个因素共同影响公司的期权价值，因而期权定价是尤为关键的。其次，假设公司不能够在证券市场中进行资本筹措，从而使得公司不具备外部资本市场，排除了资本市场因素的干扰，同时在现金流方面，公司正负现金流的概率都是存在的，只是数值不同而已，如果负现金流过多，那么公司的财务状况不容乐观，因此，公司净资产清算价值、现金流两个因素共同影响公司破产或重组的概率。在前面赌徒模型的基础上，将外部资本市场的条件进行考虑，同时保持其他的因素假设均相同，那么赌徒破产模型就得以完善，由于外部资本市场的空间较大，信息量较大，因此可以在很大程度上拓宽模型的适用范围，为信息使用者提供很大的帮助，在影响因素上与前者略微不同，将公司净资产清算价值替换为公司价值。规范性理论对于指标的选取具有一定应用价值，同时让学者有理可循，从而进行实证研究。(二)实证理论。在理论范畴内，实证理论越来越被更多的人认可，由于其数据的及时性、统计工具的科学性、工作的效率性较之规范理论均有明显的优势，因此更多的学者在进行相关研究时较多地使用实证理论。在财务预警研究中，数据的主要获取方式是通过企业的财报，企业根据数据进行分析比对，利用统计工具对数据进行处理，从而方便快捷地得到预测模型，以便信息使用者进行利用。总体来说，财务预警的实证方法有两种:其一是单定检验法，即用一组数据所确定的分割点来检验另一组数据所构成的样本，从而得出模型的正判率或者误判率;其二是交互检验法，这种方法在单定检验法的基础上有所改进，其充分利用了样本，使得所有样本都参与其中，都可以进行检验，只是这种方法的工作量稍大。以上两种方法的样本分配都是随机的，规避了人为设置因素。两种方法有许多共性:都是利用检验样本与分割点来进行检验，从而测定模型的预测水平;二者均需要进行参数估计，以便得出最优的预警模型。二者的不同点在于样本分配的比例不同，前者较为均衡，后者则是一对多的比例，在优缺点上各有利弊，前者工作流程较为规范，工作量相对较少，而后者检验较为全面，但较为繁琐。进入21世纪后，经研究发现，在预警模型的构建中，判别分析法在实践中会产生较大的误差，进而将神经网络分析法运用于研究中，将学习样本定为原始的30个样本，建模的方法选为神经网络法，结果显示样本的错判率仅为5%［1］。另一方面考虑了董事会治理因素和股权结构指标，结果证明非财务变量的引入提高了模型的预测正确率［2］。通过研究表明:控股股东性质、股权制衡度、股权集中度、高管薪酬和董事长兼任情况等公司治理结构变量影响显著［3］。运用Logic回归法进行实证分析可以得出两条结论，其一为财务危机发生的概率与董事会规模的大小是正相关关系，其二为董事长与总经理兼任现象越普遍，上市公司越难发生财务危机［4］。

二、企业财务危机成因

(一)国家宏观政策影响。党的十八届三中全会前不久在北京召开，此次会议的一个重要的亮点是强调了市场的主体地位，并进行财税改革、提高国企红利上缴比例、推行股票发行注册制、允许民资办银行，这些因素都将给企业带来巨大的影响，收益与风险是并存的。以允许民资办银行为例，普通百姓可能将在今后的生活中看到“娃哈哈银行”、“肯德基银行”之类的民资银行，那么这些银行在获得收益的同时也将面临着较大的风险挑战，国有四大行的挤压、以阿里巴巴集团为首的电商的竞争、外资银行的涌入，这些因素势必会对民资银行带来冲击。因此，企业的财务状况更加值得关心，国家宏观政策对于企业财务危机的影响是显而易见的。(二)宏观经济周期影响。经济周期一般由复苏、繁荣、衰退和萧条四个阶段构成。不同国家、时期的经济周期可能具有各自的不同点。在20世纪60年代以前西方国家经济周期的特点是产出和价格的同向大幅波动。在70年代初期，西方国家先后进入所谓的“滞胀”时期，经济大幅度衰退，价格却仍然猛烈上涨，经济的停滞与严重的通货膨胀并存。而80－90年代以来的经济波动幅度大大缩小，并且价格总水平只涨不跌，衰退和萧条期下降的只是价格上涨速度而非价格的绝对水平。进入90年代中期以后，一些新兴市场经济国家，如韩国、东南亚国家等，受到金融危机的冲击，导致一些商品的国际市场价格大幅下滑。目前的欧债危机、后时代金融危机都让我们不寒而栗，我们现在所担心的是中国可能将会出现滞胀的局面，在这种情况之下，企业的生存是非常艰难的，危机也就同时出现。(三)财务投资决策失误。一个成功的投资绝非主观的、盲目的，而应该是经过科学合理的方式进行不断修正而得出的结论，投资失误将可能导致企业步入万劫不复的深渊，有的企业会计账目混乱，管理不规范，偷逃税款，这些都是企业危机的导火索。因此做好财务投资的测算、风险的评估，是决策的基本先行条件，财务危机的预警系统则显得尤为重要。(四)缺乏预警意识及管理经验。在企业中，有些财务人员由于学历不高、专业技能不强、经验不足等原因而缺乏最基本的预警意识，只是为了完成工作任务而工作，没有考虑到潜在风险的存在，这可能给企业带来较大的损失。这种现象和企业的管理者也有一定的关系，有些企业的管理者为了节约成本，没有对入岗人员进行岗前培训，在职人员也没有得到较好的提升机会，没有进行科学的人员管理，缺乏管理的经验，导致人员流动过大等现象，这都是不可取的。

三、实证分析

(一)样本选择与数据来源

本文研究所选用的数据全部来自国泰安经济金融研究数据库(CSMAR)，选取了2011年和2012年期间首次被ST处理的公司作为研究对象，使得数据具有及时性，令财务危机预警系统的构建更为贴合实际，同时值得提出的是有很多家上市公司被多次进行ST处理，这种现象极为普遍，而本文只研究首次被特别处理的上市公司，排除了财务舞弊、粉饰报表行为的干扰。为了使样本的范围合理，保证数据时间的连续性，选取了被特别处理公司前三年的数据进行研究，而且由于A股、B股和境外上市公司股票之间存在差异，同一家上市公司在A、B两股之间对外的报表是一致的，因此本文只将A股上市公司的数据作为建模依据，同时剔除了数据不完备公司，以减少异常样本对结果的影响。基于上述原则，本文随机选取了30家ST公司的90个样本作为实证研究对象，同时又选取了30家非ST公司的90个样本作为匹配进行研究，总共180个样本，将公司被ST的年份定义为“T年”，被特别处理前一年为“T－1年”，前两年为“T－2年”，前三年为“T－3年”。本文从科学性的角度出发，在初期指标变量的选取上，尽可能将范围扩大，使得更多的指标变量可以进入到研究过程中，同时还需要考虑到指标变量的可操作性，有些指标的收集不完整，则不应予以考虑，国际上的一些有关财务预警系统的研究成果需要同中国的具体情形结合起来进行研究。在选择传统财务变量指标的基础上，将公司治理方面的因素引入其中，包括未流通股份数比例、独立董事人数比例、董事、监事及高管前三名薪酬总额比例。其定义式见表1。在财务预警模型系统的构建中，除了上述的公司治理因素变量外，财务变量依旧是主要的组成部分，本文从四个方面划分财务状况指标体系。盈利能力指标:净资产收益率(ROE)、每股收益、投入资本回报率、成本费用利润率、主营业务利润率。偿债能力指标包括保守速动比率、所有者权益比率、速动比率、流动比率。资产运营能力指标包括股东权益周转率、营运资金周转率、应收账款周转率、总资产周转率、存货周转率。成长能力指标包括资本保值增值率、资本积累率、稀释每股收益增长率、主营业务收入增长率、净利润增长率。

(二)筛选指标

在众多的科学指标中，不是所有的指标变量都可以进行使用，因为这些变量可能具有共线性，一旦变量共线，那么最终得出的结论就会存在不科学的因素，误差较大，甚至出现错误，对于信息的接收者，如企业的经营者、投资人、债权人的判断、分析、预测、决策行为产生误导，使其受到不必要的损失。在此基础上，进行单变量T值检验法，目的是选择出适合模型构建的最终变量，减小误差，使得模型预测结果更加准确，变量的范围则是上文提到的公司治理变量及财务变量，共22个，所选用的样本容量为180个。当变量三年中的均值变化较大，差异较大，同时T值的大小处在0．05以下，则基本上可以判定所选的变量较为显著，可以作为财务预警模型构建的最终变量。根据上述思路分析，分别对19个财务指标和3个公司治理指标进行分析，根据能否有效区分ST公司与非ST公司为原则，最终选取了13个财务与公司治理指标对财务危机Logistic预测模型进行构建。同时利用SPSSStatistics17．0软件对其进行主成分分析，旨在进行降维处理，得到最具代表性、解释力的指标，来构建预警模型。同时，数据需要在进行因子分析前检验，来判定采用因子分析方法是否得当，因此，在本文之中采用了KMO检验和巴特利特球度检验，KMO检验中三年的结果均在0．6和1．0之间，说明变量间具有较强的相关性，适合做因子分析。巴特利特球度检验观测值概率均为0．000，小于0．05，通过显著性检验，此结论与T检验相符，综上所述，可以采用因子分析对指标数据进行处理。变量共同度反映了公因子中包含原始信息的程度，只有资本保值增值率和独立董事所占比例两个变量的共同度在50%左右，其他均在60%以上，表明提取的变量对原始信息具有一定解释力。选取主成分分析法对公因子进行提取，根据特征值大于1的基本原则，主成分由前四个因子组成。原始因子解释方差的比例为35．423%、18．893%、9．025%、7．563%，旋转平方和载入后的因子解释方差的比例为33．202%、18．607%、10．568%、8．527%，这四个因子的累积比例为70．904%，因此可以表明这四个主成分因子涵盖了原始13个变量的70．904%的信息，可以较好地对原变量进行替代，以构建预警模型。随后，需要将主成分与各原始变量组成矩阵，使得主成分因子有更好的解释性，为了让主成分因子之间关系更加明确，将主成分因子进行Kaiser标准化的正交旋转，旋转在5次迭代后收敛。因子1在流动比率、保守速动比率、所有者权益比率三个变量上均具有很高的载荷，这三个变量体现了公司的偿债能力，同时投入资本回报率、成本费用利润率两个变量的载荷也很高，他们代表了公司的盈利能力，因此因子1体现了公司的偿债能力和盈利能力。对于因子2而言，存货周转率、总资产周转率以及股东权益周转率三者的载荷量均在0．800以上，而其他变量的载荷量相差较为明显，所以因子2代表了公司的资产运营能力。由于载荷量的比较是针对绝对值而言，因此未流通股份所占比例的载荷量虽为负值，但绝对值最大，资本保值增值率的载荷量虽然只有0．619，但仍属较大值，故因子3体现了成长能力以及公司治理因素。由于董事、监事及高管前三名薪酬总额所占比例变量的载荷量较大，因子4则代表了公司治理因素。

(三)回归分析

本文利用二元Logistic方法进行回归分析，原始回归函数为:S=ln(p/1－p)=a+b1x1+．．．+bnxn，定义因变量S=1为上市公司被ST，S=0为未被ST处理，上述函数的p值在0和1之间，代表了事件发生的概率，由于通常临界值为0．5，a为常量，b1．．．bn代表参数估计值，x1．．．xn为自变量。因此，将主成分因子带入函数方程，进行二元Logistic回归分析，分别得出三年的预警函数方程，进行上市公司财务预警。B表示方程参数估计值，S．E．表示标准差，Wald表示统计量，Sig为显著性水平;Exp(B)表示B的幂次方。显著性水平大部分小于0．05，统计量较大，方程的预警效果较好。因此，三年的预警模型如下:ST－1=－1．562–6．103FAC1–2．299FAC2–1．468FAC3–2．035FAC4ST－2=－0．508–3．614FAC1–1．482FAC2–1．078FAC3–1．695FAC4ST－3=－0．602–3．816FAC1–1．827FAC2–1．451FAC3–1．813FAC4在预测效果方面如表2所示，“T－1”年时，S=0的预测正确率高达96．7%，而S=1的预测正确率为93．3%，总计百分比为95．0%，说明模型的预测效果较好。“T－2”年中，对于S=0有90．0%的正确率，而对于S=1有86．7%的正确率，总计百分比为88．3%，因此可以得出结论，危机前两年预警模型预测效果较好。“T－3”年时，S=0的预测正确率为83．3%，S=1的预测正确率为76．7%，虽然有所下降，但是总计百分比依然保持在80．0%。综上所述，财务危机发生前三年模型预测总计正确率均在80%以上，说明模型对上市公司财务危机预警作用较好，并且时间越接近被特别处理，模型预测的正确率越高，同时，同一会计年度中，S=0的预测正确率均高于S=1的预测正确率，也就是说将非ST公司错判成ST公司的可能性要小一些。

四、主要结论与建议

篇8

关键词：财务预警 F模型 Z模型 ST公司

中图分类号:F275 文献标识码:A

文章编号:1004-4914（2011）08-177-03

一、导论

财务危机预警是指以财务会计信息为基础，通过设置并观察一些敏感性预警指标的变化，对企业可能或者将要面临的财务危机所实施的实时监控和预测警报。

在我国，周守华教授以及张维（1992年）教授较早的向国内介绍了国外的财务预警研究但限于我国《破产法》的实施情况和证券市场发展状况，直到1998年3月16日中国证监会颁布了《关于上市公司状况异常期间的股票特别处理方式的通知》，要求证券交易所对“状况异常”：包括财务状况异常，即连续两年亏损或每股净资产低于股票面值的上市公司的股票交易进行特别处理(Special Treatment,ST)，国内才开始出现基于上市公司数据的财务预警研究。

虽然近年来财务预警主要源于公司财务的实证研究领域，但从目前研究方向和应用需求的发展来看，财务预警并不仅仅是一个预测模型或预测技术，实际上更是一种复杂、综合性的管理活动，其理论和实践涉及到组织管理、公司金融、信息技术、数理工具以及模拟技术等多学科知识。

因此，对于我国上市公司中被ST的公司进行财务预警分析，对于财务预警模型在我国的运用有其重要的实践意义。本文所选题目为ST上市公司财务预警研究，把研究对象限定于上市ST公司，一方面可以为上市ST公司的财务预警模型研究提供参考；另一方面ST公司仍然是上市公司，从被ST之前的几年财务数据中进行财务预警模型的计算可以有效地判断各种财务预警模型的适用范围以及优缺点。

二、财务预警模型

（一）Z-score模型

“Z-Score”模型是由纽约大学商学院著名的财务金融学家Edward Altman在1968年提出来的，最初是依据制造业企业公司的资料提出的。Altman共选择了22个可能有用的财务比率来研究，这些财务比率被分为五大类：流动性、获利能力、财务杠杆、偿债能力和活动性。根据行业和资产规模，Altman选择了33家破产公司和33家非破产公司作为研究样本，再分析有关变量间的相互依存关系,观察各变量对预测的准确性，根据误判率最小的原则，确定了5个变量作为判别变量。其多元线性判定模型为：

Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5

其中，Z＝判别函数值；X1＝营运资本／总资产；X2＝留存收益／总资产；X3＝息税前利润／总资产；X4＝股东权益的市场价值／负债总额的账面价值；X5＝资产周转率＝销售收入／总资产。

Altman通过对Z-Score模型的研究分析得出：Z值越低，企业越可能发生破产，面临的风险越大，该企业遭受财务失败的可能性也就越大。按照上述模型，根据对过去经营失败企业统计数据的分析，Altman还提出了判断企业破产的临界值：如果企业的Z值大于2.675，则表明企业的财务状况良好，发生破产的概率很小；反之，若Z值小于1.81，则企业存在很大的破产危险；如果Z值处于1.81―2.675之间，则称之为“灰色地带”，即说明进入这一区间的企业财务是极不稳定的。此模型在企业破产前一年成功地判别出33家破产企业中的31家，总体预测精度高达95%。（王化成，2003）

目前，Altman的Z-Score模型的应用最为广泛，并且已经拓展应用于私人企业、非制造性企业以及新兴的市场公司。多元线性判别方法现已成为财务困境预测最常用的方法。Grice和Ingram（2001）的研究表明，尽管Altman的Z-Score模型的预测精度近年来有所下降，但该模型在预测财务危机和破产方面仍有较高的应用价值。

（二）F模型

由于Z分数模式在建立时并没有充分考虑到现金流量的变动等方面的情况，因而具有一定的局限性。为此，有学者拟对Z分数模式加以改造，并建立其财务危机预测的新模式――F分数模式（Failure Score Model）。F分数模式的主要特点是：

1.预测公司破产的有效变量，因而它弥补了Z分数模式的不足。

2.本模式考虑到了现代公司财务状况的发展及其有关标准的更新。比如公司所应有财务比率标准已发生了许多变化，特别是现金管理技术的应用，已使公司所应维持的必要的流动比率大为降低。

3.本模式使用的样本更加扩大。其使用了Compustat PC Plus会计数据库中1990年以来的4160家公司的数据进行了检查；而Z分数模型的样本仅为66家（3家破产公司及33家非破产公司）。F分数模式对4160家公司进行验证的结果如下表所示：

F分数模式如下：

F=-0.1774+1.1091X1+1.1074X2+1.9271X6+0.0302X4+0.4961X7

式中，X1、X2及X4与Z计分模型中的X1，X2及X4相同，这里不再进行分析；X6=(税后纯收益+折旧)/平均总负债；X7=(税后纯收益+利息+折旧)/平均总资产。F分数模式中的五个自变量的选择是基于财务理论，其临界点为0.0274；若某一特定的F分数低于0.0274，则将被预测为破产公司；反之，若F分数高于0.0274，则公司将被预测为继续生存公司（周守华，1996年）。

（三）模型的指标选择及计算

X1为营运资本／总资产，主要运用公司的净营运资本除以该公司期末总资产。反映了企业资产的折现能力和规模特征。营运资本定义为流动资产减去流动负债，具有周转速度快，变现能力强，项目繁多等特点。通常情况下，一个企业营运资本的持续减少,往往预示着企业资金周转不灵或出现短期偿债危机。

X2为留存收益／总资产，主要运用期末未分配利润、盈余公积、公益金之和除以期末总资产。反映了企业的累积获利能力。期末留存收益是由企业累积税后利润而成，对于上市公司，留存收益是指净利润减去全部股利的余额。在实际情况中，新企业建立的时间越短，发生财务危机的可能性就越大。这是由于新企业没有足够时间创造和积累较多的利润，因此相对于其他企业来说该比率较小。

X3为息税前利润/总资产，即EBIT/资产总额。这个比率用来反映在不考虑税收和财务杠杆因素影响的情况下企业总资产的实际获利能力。EBIT是指扣除债务利息与所得税之前的正常业务利润(包括对外投资收益),不包括非正常项目、中断营业和特别项目及会计原则变更的累积前期影响而产生的收支净额。该指标主要是从企业各种资金来源(包括所有者权益和负债)的角度对企业资产的使用效益进行评价的,通常是反映企业财务失败的最有力依据之一。

X4股东权益的市场价值／负债总额的账面价值，主要运用市盈率乘以每股收益再乘以实收资本然后除去期末负债总额。它用股东权益的市场价值取代了账面价值，因而对公认的、影响企业财务状况的产权比率进行了修正，使分子能客观地反映公司价值的大小。这个比率反映了企业的价值和它所承担的债务之间的关系，比率越高，企业的价值越大，偿还债务的能力越强，发生财务危机的可能性就越小。

X5为总资产周转率，主要运用主营业务收入除以总资产得出。企业总资产的营运能力集中反映在总资产的经营水平上。因此，总资产周转率可以用来分析企业全部资产的使用效率。如果企业总资产周转率高，说明企业利用全部资产进行经营的成果好，效率高；反之，如果总资产周转率低,则说明企业利用全部资产进行经营活动的成果差，效率低，最终将影响企业的获利能力。如果总资产周转率长期处于较低的状态，企业就应当采取措施提高各项资产的利用程度，对那些确实无法提高利用率的多余、闲置资产应当及时进行处理，加速资产周转速度（刘凤娇，2006）。

X6为(税后纯收益+折旧)/平均总负债,主要是利用净利润于本年的固定资产折旧之和除以本年平均负债得出。该指标主要反映企业的实际偿债能力,通过付现金流来计算企业的偿债能力能够更好的反映企业实际的盈利还债能力。该指标主要通过考虑现金流来反映企业的经营状况，是改善Z模型的重要指标之一。其次该指标还是反映偿债能力的指标，是一个现金流量变量，它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。一般来讲，企业提取的折旧费用，也是企业创造的现金流入，必要时可将这部分资金用来偿还债务。

X7为(税后纯收益+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。主要运用净利润、本年应付利息、本年固定资产折旧费用三者之和除以本年期初期末总资产值和的平均值来计算得出。X7越大说明企业筹资和再投资能力越强，相对于Z分数模式，它可以更准确地预测出企业是否存在财务危机。（其中的利息是指企业利息收入减去利息支出后的余额）。另外该指标主要是反映企业在考虑现金流量的情况下的盈利能力，最终反映企业的经营状况。该指便越高说明企业的利用资产的经营能力强，反之则会影响企业的发展，可能会出现危机的前兆。

二、基于Z模型和F模型的财务预警研究

（一）研究样本的选择

在我国，由于国情的特殊性，迄今为止，尚未出现一家上市公司破产的案例，所以根本无法将破产企业作为我们的研究对象。正因为如此，在为数不多的财务预警研究中，几乎所有的研究都将研究对象界定为因“财务状况异常”而被“特别处理”的公司。2006年深沪证券交易所股票上市规则规定：上市公司出现财务状况或其他状况异常，导致其股票存在终止上市风险,或者投资者难以判断公司前景,其投资权益可能受到损害的,本所对该公司股票交易实行特别处理。特别处理分为警示存在终止上市风险的特别处理和其他特别处理,前者在公司股票简称前冠以“*ST”字样,后者冠以“ST”以区别于其他股票。

基于此，本文也选取了国内普遍的做法，将ST公司界定为财务困境公司。研究样本的选取，本文的研究样本选取了2009年上海证券交易所中前41家ST公司作为样本进行研究。通过计算各个预警公司2006年至2009的财务数据的Z值和F值来预测2009年被ST的可能性，从而说明财务预警模型在预测财务危机方面的重要作用，但是也要说明其中的不足。（见表1）

（二）样本数据的计算

通过从CCER数据库导出的样本公司的财务指标，计算得出预测指标X1、X2、X3、X4、X5、X6、X7及以Z模型计算出来的判别值Z值（X1=营运资本／总资产、X2=留存收益／总资产、X3=息税前利润/总资产、X4=股东权益的市场价值／负债总额的账面价值、X5=总资产周转率、X6=(税后纯收益+折旧)/平均总负债、X7=(税后纯收益+利息+折旧)/平均总资产。

（三）计算结果及其分析

通过样本数据计算根各个公司2006-2009年的Z值和F值，见表2。

根据表2的值来计算F模型和Z模型的预测每个公司产生财务危机的可能性，见表3。

1.Z模型和F模型在ST公司被特别处理之前的一年预测正确的准确率都高于85%,但是F模型在总体上预测的准确率却不如Z模型,ST公司被特别处理之前的2年至3年期预测的准确率都大大低于Z模型,分别低了14%～17%。

2.ST公司的Z值都远远低于1.81，有50%以上的上市公司在被特别处理的前一年Z值都小于0，根据Altman Z模型的破产预测，90%的有破产危机企业，从2008年到2009年Z值都降低了，正如Z模型就如同Altman的研究报告中所示，在前一年的判别准确度很高。相比较而言F模型在企业被特别处理之前的一年预测的准确率也在85%以上，并且F模型的破产预测，95%的上市公司的被特别处理之前的一年F值都小于0。

3.ST公司在被列入“特别处理”前三年(2006、2007年2008年)，他们的Z值80%都小于1.81，说明有很大的破产危险，这仅仅是对总体而言的，对于个别公司如ST东北高速来说其Z值从2004年至2007年是递增的并且高于临界值，这说明其不存在出现财务危机的可能性，但是用F模型来计算就可以看出其F值一直是减少的，肯定要出现财务危机。

4.从上述计算结果分析得知，通过计算所得到的Z总平均值全部都是在Altman确定的上临界值以下，这和这些公司当时的现状不是很符合。造成我国公司Z值低于Altman所确定的临界值的原因是多方面的。第一，破产界定不一样。对于美国公司,若资不抵债则就可能破产，而不论是否仍有偿债能力。而在我国,若已经资不抵债，只要仍存在偿债能力(包括借新债还旧债)，只要不存在无力支付的情况，就不能由债权人申请破产。第二，我国政府从维护整个国民经济、保证就业、维持人民生活稳定等角度综合考虑，对重点的上市公司，只要亏损的程度不大严重，即使出现了无力支付的情况，政府也可能通过行政手段要求银行贷款、债转股等其他方式缓解企业一时的财务偿债危机，这样导致了Altman所确定的临界值相对于我国实际情况偏高。最后，我国公司的资产负债率平均在60%～70%，我国企业的高负债经营使得企业偿债能力相对较差，获利能力也相对很差，财务费用金额大，进而影响了计算所得的Z值使得我国公司按照该模型计算出来的Z值当然就较低。

因此我国公司在运用该模型对公司的财务状况进行测算时，必须根据公司的实际情况进行修正，方能适合公司的实际情况，也才能有真正的实用价值。

5.通过分析，F模型在对个别公司的预测比较准确,而对整体而言时Z名模型较为准确；而Z模型在前一年有很好的预测效果。因此，在使用“Z一Score”模型进行财务预警时，不仅要留意具体Z值的范围，还应关注公司几年的Z值变化趋势来分析资产状况，再结合现金流预警体系能够更准确地反映出企业的财务状况。分析得出各公司的Z值是在不断的下降，除前述的个别公司外，90%以上的公司Z值和F值在下降过程中体现了其财务危机在持续经营过程中不断外现。

三、运用Z分数与F分数进行财务危机预警应注意的问题

从以上的数据分析我们可以看出各个模型都是不能完完全全的预测到企业的财务危机，但是我们所需要的也并不是这样的模型，只要能够在财务危机爆发之前就能给予警示，从而给其他企业、机关以及个人能够依此作出正确的判断。但是只有这两种财务预警模型是不够的，我们在作出正确判断的过程中需要考虑其他一些方面因素：

1.遵循成本效益原则。企业在运用财务预警系统的过程中要考虑其为自己的生产持续经营带来效益做出比较，使财务预警系统设计要使产生预警信息的价值大于产生预警信息的成本，保证系统的经济性和有效性。

2.加强信息管理，保证预警信息传递路线的通畅。财务预警系统必须以大量的动态信息为基础，这就要求加强信息管理，使之能够全面准确及时的向财务风险预警系统提供信息。必要时可配备专业的人员，使预警信息能迅速反馈到管理层以便及时作出对策反应。

3.注意保持预警系统的先进性和有用性，淘汰不适用的指标，增加更能反映本企业实际问题的新指标。现有的预警模型都是外国学者根据本国上市公司的资料进行统计计算出来的，虽然具有一定的有效性，但仍存在局限性，企业应根据我国市场的实际情况完善财务风险预警模型，制定出适合本单位财务特点的预警指标体系。

4.注重企业的现金流量管理。企业所需的经营信息主要来自于财务会计报表，良好的经营活动现金流入能增强企业的盈利能力，满足企业长、短期负债的偿还需要，使企业保持良好的财务状况。所以企业除了要对资产负债表、利润表进行关注的同时，对现金流量表也应格外关注。

参考文献:

1.艾健明.企业财务危机预警研究[J].企业经济，2002（2）

2.陈月圆.上市公司ST风险预警实证研究[J].财会月刊,2008（11）

3.韩东平,田艳丽,王悦鑫.基于现金流测量标准的财务预警实证研究 [J].财会通讯（学术版）,2006(12)

4.刘凤姣.Z-Score模型在企业财务预警分析中应用的研究[J].经济师，2006（5）

5.李艳.我国ST上市公司财务预警研究[D].贵州大学，2007

6.李俊秀.上市公司财务失败内因分析[J].山西煤炭管理干部学院学报,2006（4）

7.秦彬.“刍议现代企业财务预警系统构建”[J].经济问题，2006(3)

8.王化成.高级财务管理[M].中国人名大学出版社,2007

9.王志坚,曹扬.企业财务失败的预测模型[J].上海会计,1999（3）

10.万希宁,苏秋根.关于上市公司财务失败预警的实证分析[J].商业研究,2003(12)

11.张鸣,张艳,程涛.企业财务预警研究前沿[M].北京：中国财政经济出版社，2004

12.张华伦,孙毅.上市公司财务预警分析―――基于现金流模型的实证研究[J].商业经济与管理，2005（12）

13.章之旺.现金流量在财务困境预测中的信息含量实证研究――来自2003―2004年度ST公司的新证据[J].中国管理科学，2004（6）

14.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

15.吴世农，卢贤义.我国上市公司财务困境的预警模型研究[J].经济研究，2001（6）

16.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

17.周首华.论财务危机预替分析―F分数模型[J].会计研究，1996 (8)

篇9

随着我国资本市场快速发展，上市公司已经成为国民经济发展的重要组成部分，对上市企业的直接或间接投资也已成为投资者的重要投资渠道。上市公司的财务运行状况不仅关系到公司的发展能力，也逐渐成为投资者进行投资决策的重要参考因素。随着我国上市公司退市制度的健全，能否及时有效地监测上市公司财务状况，以便预测财务风险并及时采取有效的措施防范，逐渐成为上市公司管理层、投资者、债权人十分关注的问题。对上市公司管理层而言，可以根据财务预警系统提供的相关信息，随时发现企业财务运行的各种预警及恶化信号，从而可以及早采取应对策略。对投资者或债权人而言，财务预警可以为投资决策提供依据，避免投资损失或减少损失；债权人可以根据财预警系统提供的相关信息，对贷款决策及债务风险监控，防止因公司破产倒闭而产生坏账。

二、文献综述

（一）国外研究 国外关于公司困境（或者破产）预测的研究较多，其成果比较成熟。最早的代表性研究成果是Fitzpatrick（1932）建立的财务预警模型，他运用单个财务比率指标将样本分为破产与未破产两组，研究发现判别能力最高的指标是净利润/股东权益、股东权益/负债。不过，Beave（1966）利用79对样本公司数据检验了不同财务指标对公司破产的预测能力，研究发现最好的判别指标是现金流量/总负债与资产负债率，越临近破产误判率越低。当然，不同指标随着使用目的不同，判断的准确性可能存在较大差别。Altman（1968）根据行业和资产规模差异，选取了33家破产公司与33家非破产配对公司作为样本，选用22个指标作为破产预测变量，研究结果显示，在破产前一年预测准确性较高，但在破产前五年预测准确性较低，该模型即被称为Z模型。与Altman模型相类似的还有Deakin（1972）建立的概率模型等。此外，具有代表性的研究是Ohlsom（1980）建立的模型，他使用逻辑回归方法研究了破产概率分布、判别错误概率以及分割点关系，研究发现公司规模、资产结构、公司业绩和资产变现能力对公司破产概率具有较大影响。其他学者，大多以上述研究为基础，分别建立了多指标模型等。

（二）国内研究 国内关于上市公司财务困境的研究起步相对较晚，但也取得了不错的成果。陈静（1999）首次利用上市公司的配对数据研究了公司财务困境问题，利用27家ST公司和27家非ST公司的财务数据，分别进行了单变量分析与二类线性判定分析。张玲（2000）利用60家公司的财务数据计量估计了二类型线性判别模型，并使用其他60家公司对模型进行检验，研究发现二类型模型具有较强的预测能力。吴世农和卢贤义（2001）利用140家上市公司为研究对象，应用了剖面分析和单变量判定分析法研究了财务困境发生前5年公司财务指标的变动，进而构建三种预测财务困境模型，为后续研究提供了较好的基础。就具体研究方法来看，众多学者相继采用了各种方法建立了财务预警模型，主要包括神经网，络方法（杨保安，2002；马超群、吴丽华，2009；周昊旬，2011；等）、灰色理论方法（秦小丽、田高良，2011）、统计分析方法与Logistic模型（孔宁宁、魏韶巍，2010；汪超群、黄晓莉，2011；张恒等，2011）。

综上所述，财务预警的主要目的是寻找一套有效预测上市公司财务状况的方法，以避免上市公司破产导致经济发展不稳定等现象。Logistic模型是采用一系列财务比率变量来预测公司破产或违约的概率，然后根据公司、投资者的风险偏好程度设定风险警界线，以此对分析对象进行风险定位和决策，其与多元判别分析法的本质区别在前者不要求满足正态分布。因此，本文采取Logistic回归作为研究模型，利用2002-2010年上市公司的财务数据建立模型、以及模型检验。

三、研究设计

（一）样本选择 本文从2002-2010年被特别处理上市公司中选取ST公司共60家、非ST公司60家，样本总量为120家上市公司，并将其作为样本建立模型。（1）为获得足够的样本数据进行比较，将公司被特别处理前3年的数据作为样本的时间范围，这需要样本必须具有较好的时间连续性和可比性。为表述方便，本文把公司被特别处理当年称t年，其中（t-1）、（t-2）、（t-3）分别代表被特别处理的前一年、前两年和前三年。（2）在选取被特别处理公司时，需要剔除了上市两年就被特别处理的公司。主要考虑到这些公司财务数据过少和存在严重包装上市嫌疑，使得这些公司与样本中其他公司不具有同质性，也可能降低模型的可靠性。

（二）指标选取 本文主要从公司盈利能力、偿债能力、资产管理能力、股本扩张能力、现金流动性和主营业务鲜明状况等六方面选择财务指标，作为模型构建的初始变量（见表1）。

四、模型构建

（一）剔除非显著变量 为更好反映选取指标在两类公司间的差异，本文首先采用Z值检验法对指标差异的显著性进行检验，以剔除发生财务困境公司与正常公司差异不显著的指标。然后，对分组60家被特别处理公司和60家非特别处理公司15个财务指标的3年平均值的差异进行Z值检验，并剔除非显著变量。表2统计检验结果显示，非ST公司与ST公司的每股公积金、主营业务鲜明率指标差别并不显著，其可能原因是由于公积金的积累是法定的，需要按照规定的比例缴纳，所以两个指标并没有显著差别。

（二）公共因子提取 考虑到各变量之间具有一定的相关性，为尽可能多的反映样本信息，又可以较少指标数量，本文采用因子分析法提取公共因子展开分析。因子分析法的基本思想是根据变量相关性大小对变量进行归类分组，使得同组内变量的相关性较高，而不同组的变量相关性相对较低。这样每组变量就形成一个公共因子，公共因子往往能够反映事物或研究对象的本质。因子分析法的数学模型可以表示为：Z=AX+aδ。其中：A表示因子载荷矩阵，a表示为因子载荷；X表示Z的公共因子，δ表示特殊因子。

常用到的因子分析法适用性检验是巴特利特球度检验，该检验服从χ2分布。检验结果显示，巴特利特球度检验相伴概率为0.0001，在1%水平上显著，说明所选取的财务指标适合于因子分析。就公共因子累计贡献率来看，公共因子累计贡献率达到92.51%，说明提取公共因子具有较好的代表性。

为较好理解公共因子的经济意义，采用方差最大法（Varimax）对公共因子进行旋转，以将公共因子表示为原始指标形式，这样可根据原始指标与公共因子转化形式确定公共因子得分。就旋转后因子负载值来看（见表3）：第一公共因子主要反映了公司的流动比率、速动比率、存货周转率等信息，代表短期偿债能力和存货变现能力；第二公共因子主要反映了公司的资产负债率、总资产利润率等信息，代表偿债能力和盈利能力；第三公共因子反映了公司的每股未分配利润、每股收益率、每股净资产等信息，代表了发展潜力；第四公共因子反映了公司的每股经营活动净现金流量的信息，代表现金流动能力；第五公共因子主要反映了公司的主营业务利润率，代表主营业务的盈利能力；第六公共因子主要反映了公司的总资产周转率的信息，代表资产管理能力；第七公共因子反映了公司的净资产收益率的信息；第八公共因子反映了公司的应收账款周转率的信息，代表资产的变现能力。

（三）因子得分 公共因子得分是进一步分析的基础，公共因子得分就是公共因子在每一个样本点上的分值。常用的求解方法是用回归思想求解出来，通常以公共因子为因变量，以原始变量为自变量，然后进行线性回归的估计值，从而实现原始数据向公共因子得分的转变，回归的模型如下：

Xj=βj1+x1+…+βjpxp （1）

其中βj表示第j个指标对应的系数，p表示样本的总量。由此可见，本模型包括8个公共因子与13个原始指标，公共因子分值计算公式如下：

x1x8=Ax1x13 （2）

其中A表示系数矩阵。根据因子得分与原始变量的标准化值，可以计算每个公共因子得分，并进行进一步分析。由此，可以根据该系数矩阵，实现原始变量向公共因子的转换。本文主要采用SPSS软件进行处理，各公共因子与原始财务指标的线性表达式采用矩阵表示，具体如下：

（四）模型建立 为提高财务预警模型预测准确性，需要确定不同情况下公司发生财务困境的概率。为此，本文采用logistic方法建立预测模型，该模型是建立在随机效用函数基础上的二元选择模型，该模型将逻辑分布作为μ*i的概率分布而推导出来的。B？觟rsch-Supan（1987）指出，如果选择行为是依据效用最大化原则进行，具有极限值的逻辑分布是较好的选择，在这种情况下二元选择模型就应该采用Logistic模型。若假设企业经营失败的概率为P、ln■可以用财务指标比率线性解释。即公司发生经营困境的计量模型可以表示为：

ln■=βX+ε （3）

p=■ （4）

若设定某一临界值作为财务困境发生与否的判别标准，当事件发生的概率大于临界值时，则判定财务困境发生，否则判定财务困境不发生。在选定企业发生财务困境概率阀值后，将样本数据代入模型p=■，若得到的p值大于选定的阀值，则判定该样本公司属于财务困境公司组，否则该样本公司属于未发生财务困境的公司组。

由于上市公司经营状况通常是由公司的经营管理能力、资产管理能力、资本运作能力等因素共同决定的，因此，上市公司是否会发生财务困境是由公司盈利能力、资产管理能力、偿债能力、股本扩张能力等多方面因素内生决定。从数据使用来看，考虑到模型需要对公司的财务状况进行预测分析，因此，本文主要使用混合数据展开研究。为保证变量的稳定性，使用Eviews软件对模型进行逐步回归。表4结果显示，计量模型各项检验指标反映模型拟合效果较好，模型的整体检验相伴概率为0.00，在1%水平上显著，除一个公共因子在10%水平显著外，其余公共因子均在1%水平显著。由此，可将财务困境预警模型表示为：

该模型从系数来看，影响程度从大到小的排列顺序为X2、X8、X6、X4、X5、X7。

（五）模型检验 参照相关研究，本文选取0.5为发生财务困境的阀值，当拟合值大于0.5时判定该公司为ST公司，当拟合值小于0.5时判定该公司为非ST公司。应用上述模型分别对2010新增ST上市公司和对应的非ST公司进行检验（结果见表5）。模拟结果显示，该模型具有较好的预测能力，其中上市公司在被特别前三年的准确率为84.91%，前两年的准确率为94.34%，前一年的准确率为96.23%。在公司被列为ST公司前两年，该模型预测准确程度均比较高，这反映该模型进行预测时具有比较稳定、可靠的性质。但是也应该注意到，公司发生财务困境前第三年的预测程度较低，这可能是因为时间跨度较大，由于公司发生财务困境是个渐进的过程，所以导致模型在不同年份的预测准确率存在较大差异。

五、模型评价

（一）指标选取方法的评价 为克服指标上的主观性等问题，本研究综合运用Z检验、因子分析法等对指标进行初步分析与遴选，在Z检验后剔除两个指标的基础上，利用因子分析法将13个指标信息浓缩为8个代表性的公共因子指标，并且有效解决了指标间相关性对估计结果的影响。

（二）使用数据的评价 本文采用的数据是2002-2010年上市公司的混合数据，这综合考虑到了样本公司特征与系统特征的影响，避免了个别年份导致指标变动对估计结果的影响，有效提高了模型的稳定性与预测准确率，由此建立的财务困境模型在进行预测分析时的可靠性更高。

（三）模型的有效性 本文建立的财务困境预警模型可能存在的最大优点是模型预测的准确率与有效性较高，正如结果显示，上市公司发生财务困境前3年的预测准确率均比较高，这为后续的模型应用提供了较好的基础。

（四）模型的适应性 考虑到本模型主要运用了随机选择与因子分析法，抽象掉了上市公司的个体特征，这使得模型对公司的个性化特征变动考虑不够，因此，模型存在的可能不足主要在于公司个体特征考虑不够周全，在模型具体应用中也要结合公司具体特征展开分析。

参考文献：

[1]Dominic Barton，Roberto Newell，and Gregory Wilson. An early warning system for financial crises[J]，McKinsey on Finance， 2003。

[2]张爱民、祝春山、许丹健：《上市公司财务失败的主成分预测模型及其实证研究》，《金融研究》2001年第3期。

[3]吴世农、卢贤义：《我国上市公司财务困境的预测模型研究》，《经济研究》2001年第6期。

[4]马超群、吴丽华；《基于邻域粗糙集和神经网络的财务预警研究》，《软科学》2009年第11期。

[5]孔宁宁、魏韶巍：《基于主成分分析和Logistic回归方法的财务预警模型比较——来自我国制造业上市公司的经验证据》，《经济问题》2010年第6期。

[6]秦小丽、田高良：《基于灰色理论和神经网络的公司财务预警模型》，《统计与决策》2011年第16期。

[7]汪超群、黄晓莉：《基于现金流量的上市公司财务预警系统分析——以信息技术业为例》，《经济论坛》2011年第6期。

篇10

【关键词】 财务预警； EVA； Logistic回归分析； Fisher判别分析

中图分类号：F275 文献标识码：A 文章编号：1004-5937（2016）08-0039-04

随着我国资本市场的迅速发展，上市公司面临的财务风险日益突出，迫切需要进行有效的财务预警。现阶段对财务预警的研究主要采用实证分析的方法，通过构建预警模型来识别潜在的财务危机，应用较为广泛的是Logistic回归模型以及Fisher判别模型，本文分别构建基于Logistic回归分析和Fisher判别分析的预警模型，通过对二者的预警过程及效果进行对比，确定更为准确的预警模型，为上市公司财务预警提供一定的参考。

在构建财务预警模型过程中，指标体系对最终的判定准确率具有显著影响，因此，预警指标的选择显得尤为重要。然而传统财务指标在预警过程中却存在很多不足，例如，忽视权益资本成本、过度注重短期业绩、易受人为操纵等，所以仅靠传统财务指标难以完全满足财务预警的目的。国内外学者针对此类问题也在不断研究和探索，涌现出了许多新方法，如引入新的预警指标、利用非财务信息、构建时间序列等，其中，引入EVA指标就是一种新的思维与尝试[1]。

EVA实质是对剩余收益的扩展和延伸，被定义为税后净经营利润（Net Operating Profit After Tax，NOPAT）与资本成本（Capital Charge，CC）之间的差额。尽管EVA的定义较为简单，但实际的计算和调整过程却很复杂，调整项目多达160项。国内很多学者对我国现行企业会计准则下EVA计算体系进行研究发现，通过对研发费用、战略性投资、无息流动负债、折旧费用、各种准备金、重组费用、商誉、所得税等主要事项的调整，能够得出较为准确的EVA数据[2]。因此，本文在研究过程中通过对上述主要事项的计算和调整来确定上市公司的EVA数据。

一、引入EVA指标的财务预警研究设计

（一）样本选取

本文选取2010―2014年我国证券市场A股首次被ST的上市公司作为目标样本，合计103家，其中被注册会计师出具否定意见或者无法表示意见的有4家；其他状况异常导致被ST的上市公司有10家；无法找到同时期、同行业、同规模配对样本的上市公司有22家，剔除由于以上原因导致被ST的公司后，剩余67家上市公司作为本文的目标样本。此外，按照1：1的配对比例，选择同时期、同行业、同规模的67家非ST上市公司作为配对样本，合计134家上市公司作为最终的研究样本[3]。

（二）数据的时间范围

根据我国证监会上市交易规则，假定上市公司由于财务状况异常在第t年被特别处理，那么它在t-1、t-2年连续两年经审计的净利润为“负值”，如果仍然使用t-1、t-2这两年的财务数据构建预警模型，模型的准确性将会被严重高估。因此，应至少选择t-3年的数据构建预警模型。关于预警年度的问题，何沛俐和章早立[5]对时序样本进行了详尽的实证分析，发现如果在第t-4年进行财务预警，ST公司与非ST公司之间的差异是不显著的。综合来看，本文选择t-3年的样本数据进行财务预警，以更为真实地反映模型的预警效果。

（三）指标体系的构建

本文的财务预警指标主要包含两类：

1.EVA指标。调整和计算研究样本的EVA数据，并以此为基础确定EVA指标，即用EVA代替传统净利润确定相关的财务比率，从而提高预警指标的准确性[4]。EVA指标主要有：修正销售净利率K1（即EVA/营业收入）、修正主营业务净利率K2（即EVA/主营业务收入）、修正净资产收益率K3（即EVA/所有者权益）、修正总资产收益率K4（即EVA/总资产）。

2.传统财务指标。根据我国上市公司财务危机的特征，综合前人的研究成果，本文选择了20个传统财务指标，涵盖了公司的偿债能力、营运能力、盈利能力、获现能力以及发展能力，综合反映公司的整体状况。其中偿债能力指标包括：流动比率X1、速动比率X2、现金流量比率X3、资产负债率X4、产权比率X5、利息保障倍数X6；营运能力指标包括：存货周转率X7、应收账款周转率X8、流动资产周转率X9、固定资产周转率X10、总资产周转率X11；盈利能力指标包括：主营业务毛利率X12、成本费用利润率X13；获现能力指标包括：经营活动现金流入流出比率X14、经营活动现金净流量增长率X15、每股经营活动净现金流量X16；发展能力指标包括：主营业务收入增长率X17、营业利润增长率X18、净资产增长率X19、总资产增长率X20。

二、实证分析

（一）正态性检验

本文使用Kolmogorov一Smirnov拟合优度的检验方法，将样本数据的累计频数分布与正态分布进行对比，以确定预警指标是否服从正态分布。将EVA指标和传统财务指标进行K-S检验，检验结果为：在95%的置信水平上，资产负债率X4、每股经营活动净现金流量X16这两个指标的双侧渐近显著性值都大于0.05，故推断其服从正态分布，其余22个指标均不服从正态分布。

通过正态性检验，确定各个指标服从的分布情况，为下文的显著性检验奠定了基础：对于服从正态分布的指标采用T检验的方法进行显著性检验，对于不服从正态分布的指标采用非参数检验的方法进行显著性检验。据此确定各指标在预警过程中是否具有显著性，将显著的指标予以保留，组成最终的财务预警指标体系，作为构建财务预警模型的初始数据。

（二）显著性检验

1.T检验。对服从正态分布的两个指标进行T检验，综合方差方程和均值方程的t检验结果，在95%的置信水平上，资产负债率X4通过了T检验，表明ST公司与非ST公司在长期偿债能力方面存在显著差异；而每股经营活动净现金流量X16这一指标未能通过T检验，表明ST公司与非ST公司在现金流量方面不存在显著差异。

2.非参数检验。对不服从正态分布的22个指标进行非参数检验，采用Mann-Whitney U检验的方法，检验两个样本的总体在某些特定位置上是否相等。检验结果为：在95%的置信水平上，现金流量比率X3、存货周转率X7、固定资产周转率X10、总资产周转率X11、经营活动现金流入流出比率X14、主营业务收入增长率X17这6个指标未能通过非参数检验，应当予以剔除；其余通过非参数检验的16个指标，则予以保留。

综合T检验和非参数检验的结果，符合正态分布且T检验具有显著性的1个预警指标，不符合正态分布但非参数检验具有显著性的16个预警指标，总计17个显著的指标，组成最终的财务预警指标体系，作为构建预警模型的初始数据。

（三）因子分析

使用主成分法提取初始变量的公因子，以分析变量的相关矩阵作为提取公因子的依据，指定各公因子的最小特征值为1，通过因子分析发现提取6个公因子能够解释初始变量所包含72.65%的信息，因子得分系数如表1所示。

根据表1确定公因子与初始变量之间的线性得分公式为：

（四）Logistic回归分析

将EVA指标与传统财务指标相结合，通过正态性检验、显著性检验确定预警指标体系，以主成分法提取公因子，并按其因子得分构建Logistic回归模型，因变量为是否被ST，取值为0和1，0表示非ST公司，1表示ST公司。采用向前逐步法进行回归，根据Wald统计量的概率对变量进行剔除，输出结果如表2所示。

从表2可以看出，经过三个步骤构建的Logistic回归模型中，F1、F3、F4以及常量进入到了最终的回归方程，其中，F1、F3、F4的显著性值都小于0.05，表明这三个变量对回归方程的贡献均是显著的。Wald统计量也进一步验证了这一结论，Wald统计量的值越大，表明变量对回归方程的显著性越强。综合认为回归方程的拟合程度较好，据此构建的Logistic回归模型为：

在总结前人研究成果的基础上，设定观测量的切割值为0.5，当P>0.5时，判定为ST公司，数值越大，表明在未来几年内发生财务危机的可能性也就越大；当P

构建引入EVA指标的Logistic回归模型对上市公司进行财务预警，总体的预警准确率为81.3%，其中将67家非ST公司中50家判定准确，预警准确率为74.6%；将67家ST公司中59家判定准确，预警准确率为88.1%。这说明引入EVA指标构建的Logistic回归模型能够比较准确地预测上市公司出现财务危机的情况，为上市公司识别和防范财务危机提供有效的参考。

（五）Fisher判别分析

运用Fisher判别分析构建财务预警模型，使用步进式方法将变量引进判别模型，可以得出Fisher判别的标准化函数系数和非标准化函数系数，具体结果如表4所示。

经过Fisher判别分析中步进式方法的检验，F1、F3、F4、F6作为自变量进入到了判别模型中，通过标准化和非标准化的矩阵分析可以得到最终的判别函数，其中，根据标准化系数构建的判别函数为：

Z=0.421F1+0.371F3+0.872F4-0.334F6

根据非标准化系数构建的判别函数为：

Z=0.427F1+0.374F3+0.962F4-0.336F6

综合上述构建的判别模型，对研究样本进行检验，可以得出最终的判别结果如表5所示。

构建引入EVA指标的Fisher判别模型，从分类结果表可以得出，经过Fisher判别分析，总体的预警准确率为79.9%，其中将67家非ST公司中51家判定准确，判定准确率为76.1%；将67家ST公司中56家判定准确，判定准确率为83.6%。可以看出，引入EVA指标构建的Fisher判别模型能够较为准确地进行财务预警，为上市公司提供有效的参考。

（六）Logistic回归模型与Fisher判别模型对比分析

将传统财务指标经过EVA调整、修正，引入EVA相关指标，分别构建Logistic回归模型与Fisher判别模型，对比二者的预警结果如表6所示。

通过表6对比结果可知，Logistic回归模型对于非ST公司的判定准确率为74.6%，略低于Fisher判别模型的准确率76.1%；Logistic回归模型对于ST公司的判定准确率为88.1%，显著高于Fisher判别模型的准确率83.6%。综合来看，Logistic回归对样本总体的预警准确率为81.3%，明显高于Fisher判别模型的准确率为79.9%。从上述研究结果可以得出，引入EVA指标构建Logistic回归模型的预警效果明显优于Fisher判别模型的预警效果。

三、结论

本文将EVA指标引入财务预警，通过正态性检验、显著性检验确定预警指标体系，以主成分法提取公因子，分别构建引入EVA指标的Logistic回归模型与Fisher判别模型，通过实证研究发现：Logistic回归模型的预警效果明显优于Fisher判别模型的预警效果，构建引入EVA指标的Logistic回归模型能够较为准确地识别和防范上市公司出现财务危机的情况，有效地进行财务预警。

考虑到本文在样本公司出现财务危机的第t-3年进行财务预警，预警的时间跨度相对较长，因此，引入EVA指标的预警模型最终的判定准确率能够达到81.3%，基本实现了财务预警的目的。构建引入EVA指标的Logistic回归模型作为财务预警研究的一种尝试和探索，具有广阔的发展前景。

【参考文献】

[1] 谷祺，于东智.EVA财务管理系统的理论分析[J].会计研究，2000（11）：31-36.

[2] 国超，刘宏，邓馨.EVA的调整事项及其计算体系解析[J].商业会计，2008（12）：71-72.

[3] 彭韶兵，邢精平.公司财务危机论[M].北京：清华大学出版社，2005.