财务预警研究范文

导语：如何才能写好一篇财务预警研究，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。

篇1

[关键词] 财务预警 定性分析 定量分析

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。在财务预警分析中，常用的基本方法有定性分析法与定量分析法。定性分析法是依靠人们的主观分析判断进行财务预警分析的方法，主要有标准化调查法、“四阶段症状”分析法、流程图分析法、管理评分法等；定量分析法是根据过去比较完备的统计资料，应用一定的数学模型或数理统计方法对各种数据资料进行科学的加工处理，主要有一元判定模型、多元线性判定模型、多元逻辑(Logit)模型、多元概率比 (Probit)回归模型、人工神经网络(ANN)模型等方法。

一、定性分析方法

1.标准化调查法。又称风险分析调查法，即通过专业人员、调查公司、协会等，对公司可能遇到的问题进行详细的调查与分析，并形成报告文件供公司管理者参考的方法。

该方法的优点是在调查过程中所提出的问题对所有公司或组织都有意义，普遍适用;它的缺点是无法针对特定公司的特定问题进行调查分析。另外，调查时没有对要求回答的每个问题进行解释，也没有引导使用者对所问问题之外的相关信息做出正确判断。

2.“四阶段症状”分析法。公司财务运营情况不佳，甚至出现财务危机是有特定症状的，而且是逐渐加剧的，财务运营病症大体可以分为四个阶段，即财务危机潜伏期、发作期、恶化期、实现期，每个阶段都有反映危机轻重程度的典型症状。

财务危机潜伏期：盲目扩张；无效市场营销，销售额上升，利润下降；企业资产流动性差，资源分配不当；资本结构不合理，疏于风险管理；财务经营信誉持续降低，缺乏有效的管理制度；无视环境的重大变化。

财务危机发作期:自有资本不足；过分依赖外部资金，利息负担重；缺乏会计的预警作用；债务拖延偿付。

财务危机恶化期:经营者无心经营业务，专心于财务周转;资金周转困难;债务到期违约不支付。

财务危机实现期:负债超过资产，丧失偿付能力;宣布倒闭。

根据上述症状进行综合分析，公司如有相应症状出现，一定要尽快弄清病因，判定公司财务危机的程度，对症下药，防止危机的进一步发展，使公司尽快摆脱财务困境，以恢复财务的正常运作。这种方法简单明了，但实际中很难将这四个阶段作截然的划分，特别是财务危机的表现症状，它们可能在各个阶段都有相似或互有关联的表现。

3.流程图分析法。流程图分析是一种动态分析方法，对识别公司生产经营和财务活动的关键点特别有用，运用这种分析方法可以暴露公司潜在的风险。在公司生产经营流程中，必然存在着一些关键点，如果在关键点上出现堵塞和发生损失，将会导致公司全部经营活动终止或资金运转终止。在画出的流程图中，每个公司都可以找出一些关键点，对公司潜在风险进行判断和分析，发现问题及时预警，在关键点处采取防范的措施，才可能有效降低风险。

4.管理评分法。美国的仁翰・阿吉蒂调查了企业的管理特性及可能导致破产的公司缺陷，按照几种缺陷、错误和征兆进行对比打分，还根据这几项对破产过程产生影响的大小程度对它们作了加权处理。

用管理评分法对公司经营管理进行评估时，每一项得分要么是零分，要么是满分，不容许给中间分。所给的分数就表明了管理不善的程度，总分是100分，参照管理评分法中设置的各项目进行打分，分数越高，则公司的处境越差。在理想的公司中，这些分数应当为零；如果评价的分数总计超过25分，就表明公司正面临失败的危险；如果评价的分数总计超过35分，公司就处于严重的危机之中；公司的安全得分一般小于18分。这种管理评分法试图把定性分析判断定量化，这一过程需要进行认真的分析，深入公司及车间，细致的对公司高层管理人员进行调查，全面了解公司管理的各个方面，才能对公司的管理进行客观的评价。这种方法简单易懂，行之有效，但其效果还取决于评分者是否对被评分公司及其管理者有直接、相当的了解。

二、定量分析方法

1.一元判定模型。一元判定模型是指以某一项财务指标作为判别标准来判断公司是否处于破产状态的预测模型。在一元判定模型中，最为关键的一点就是寻找判别临界值。

一元判定模型虽然方法简单，使用方便，但总体判别精度不高。对前一年的预测，一元判定模型的预测精度明显低于多元模型。不过，一元判定模型在前两年、前三年的预测中也能表现出很强的预测能力，说明一些上市公司的财务危机是从某些财务指标的恶化开始的。

一元判定模型的缺点是:其一，只重视一个指标的分离能力，如果经理人员知道这个指标，就有可能去粉饰这个指标，以使公司表现出良好的财务状况;其二，如果使用多个指标分别进行判断，这几个指标的分类结果之间可能会产生矛盾，以致无法作出正确判断。也就是说，虽然财务比率是综合性较高的判别指标，但是仅用一个财务指标不可能充分反映公司的财务特征。

2.多元线性判定模型,又称ZScore模型,最早是由Altman(1968)开始研究的。他得到的最终预测方程包含五个判别变量，在破产前一年的总体判别准确度高达95%。运用多元线性判别方法判定二元问题时，可以通过降维技术,仅以最终计算的Z值来判定其归属,其构造的线性方程简单易懂,具有很强的实际应用能力。

多元线性判定模型具有较高的判别精度，但也存在一些缺陷。其一，工作量比较大，研究者需要做大量的数据收集和数据分析工作。其二，在前一年的预测中，多元线性判定模型的预测精度比较高，但在前两年、前三年的预测中，其预测精度都大幅下降，甚至低于一元判别模型。其三，多元线性判定模型有一个很严格的假设，即假定自变量是呈正态分布的，两组样本要求等协方差，而现实中的样本数据往往并不能满足这一要求，这就大大限制了多元线性判定模型的使用范围。其四，使用多元判别分析技术，要求在财务困境组与控制组之间进行配对，但配对标准如何恰当确定是一个难题。

3.多元逻辑(Logit)模型。多元逻辑模型的目标是寻求观察对象的条件概率，从而据此判断观察对象的财务状况和经营风险。这一模型建立在累计概率函数的基础上，不需要自变量服从多元正态分布和两组间协方差相等的条件。判别方法和其他模型一样，先是根据多元线性判定模型确定公司破产的Z值，然后推导出公司破产的条件概率。其判别规则是:如果p值大于0.5，表明公司破产的概率比较大，可以判定公司为即将破产类型:如果p值低于0.5，表明公司财务正常的概率比较大，可以判定公司为财务正常。

Logit模型的最大优点是，不需要严格的假设条件，克服了线性方程受统计假设约束的局限性，具有了更广泛的适用范围。目前，这种模型的使用较为普遍，但其计算过程比较复杂，而且在计算过程中有很多的近似处理,这不可避免地会影响到预测精度。

4.多元概率比(Probit)回归模型。Probit回归模型同样假定公司破产的概率为p，并假设公司样本服从标准正态分布，其概率函数的p分位数可以用财务指标线性解释。

Probit模型和Logit模型的思路很相似，但在具体的计算方法和假设前提上又有一定的差异，主要体现在三个方面:一是假设前提不同，Logit不需要严格的假设条件，而Probit则假设公司样本服从标准正态分布，其概率函数的p分位数可以用财务指标线性解释;二是参数a、b的求解方法不同，Logit采用线性回归方法求解，而Probit采用极大似然函数求极值的方法求解;三是求破产概率的方法不同,Logit采用取对数方法,而Probit采用积分的方法。

5.人工神经网络模型(Artificial Neural Network， ANN)是将神经网络的分类方法应用于财务预警。ANN除具有较好的模式识别能力外，还可以克服统计方法的局限，因为它具有容错能力和处理资料遗漏或错误的能力。最为可贵的是，ANN还具有学习能力，可随时依据新的数据资料进行自我学习，并调整其内部的储存权重参数，以应对多变的公司环境。由于ANN具备上述良好的性质与能力，因而可以作为解决分类问题的一个重要工具。

ANN模型通常由输入层、输出层和隐藏层组成，其信息处理分为前向传播和后向学习两步进行。根据最后的期望输出，得出公司的期望值，然后根据学习得出的判别规则来对样本进行分类。然而，由于理论基础比较薄弱，ANN对人体大脑神经模拟的科学性、准确性还有待进一步提高，因此其适用性也大打折扣。

三、财务预警研究方法评析

1．财务预警研究的定性分析与定量分析，两者的分析方法不同。定性分析法侧重于从事物质的角度分析问题，着重于分析事物的来龙去脉及因果关系，以说理的方式透过事物的表象抓事物的本质；而定量分析法从可量化角度出发，对事物运用数学的、统计的方法进行量化分析，侧重于以数据说明问题。

2.财务预警定量模型分析主要基于财务报表数据对公司的财务状况做出的评价，这种分析是建立在历史记录的基础上的，公开的财务数据与公司的实际财务状况相比是滞后的，这也是对于公司财务失败的预测还没有一种能够完全令人接受的财务预警分析模型的原因之一。

3.财务预警定量分析模型并没有综合考虑公司财务报表以外的因素对其所用指标的影响，特别是与公司日常生产经营关系密切的一些非财务因素，这些因素有可能使公司陷入不可估量的财务失败危机中去。另外，定量分析灵活性较差，对于特定方法都有统一的模式，较少考虑到公司的个别情况。

4．在实际应用中,定性分析法具有较大的灵活性,可以根据公司的具体情况进行相应的调整, 定性分析法由于无需完整的数据资料，需要凭借人们的经验对财务风险的趋势进行定性分析，有时比定量分析更加可靠和有效。但这种方法也有缺点，即容易受到个人主观意见的影响，个人的偏见往往会给公司带来巨大的损失。

因此，公司财务预警模型不能单纯依靠财务数据，只注重定量分析和指标分析，在运用财务预警定量分析模型的同时应充分考虑能够影响公司财务状况的非财务数据。换句话说，既要涉及到定量信息，也要涉及到定性信息，这样才能更为完整地反映公司全貌。所以，较好的解决方案是同时使用定性分析法与定量分析法, 建立定性分析与定量分析相结合的模型，取长补短，弥补各自的缺陷，这样既考虑了公司自身的具体情况，又避免了仅用定量分析法的不足，提高防范财务风险的准确性。

参考文献:

[1]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

[2]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

篇2

【关键词】财务失败预警 多元判别分析 人工神经网络

财务失败（financial failure）是指公司无力支付到期债务的经济事项。财务失败分可为技术上无力偿债和破产两种形式。前者是指公司的资产总额大于负债总额，即“资大于债”，但其财务状况不合理，即现有的现金流量小于需要偿付的债务，导致公司不能清偿到期债务，从而有可能发生破产；后者是指公司的资产总额小于负债总额，即“资不抵债”，导致公司不能清偿到期债务而发生破产。引起公司财务失败的风险主要包括经营风险和财务风险两方面。

一、国外财务失败预警模型研究

最早的财务失败预警研究是fitzpatrick(1932)开展的单变量破产预测研究。他以19家公司作为样本，运用单个财务比率将样本划分为破产和非破产两组，他发现判断能力最高的是净利润/股东权益和股东权益/负债两个比率。beaver(1966)使用由79对公司组成的样本，他发现最好的判断变量是营运资本流/负债(在公司破产的前一年成功地判断了90%的破产公司)和净利润/总资产(在同一阶段的判别成功率是88%)。

altman于1968年首先使用了多元线性判别模型研究公司的破产问题。根据行业和资产模型，他为33家破产公司选择了33家非破产配对公司，选用了22个变量作为破产前1～5年的预测备选变量，根据误判率最小的原则，最终选择了5个变量作为判断变量。其模型在破产前一年成功地判断出33家破产公司中的31家，而对于由25家破产公司和56家非破产公司组成的检验样本，模型在公司破产前一年正确地从25家破产公司中判断出24家，从56家非破产公司中判断出52家。

ohlson(1980)分析了样本公司在破产概率区间上的分布以及两类判断错误和分割点的关系，他发现至少存在四类显著影响公司破产概率的变量：公司规模、资本结构、业绩和当前的变现能力。

随着研究的深入和技术的发展，国外在财务失败预警模型方面突破了传统的统计方法，目前比较成熟的研究方法有：人工智能预测模型、遗传算法（genetic algorithms）、泰勒的logistic 回归拓展应用、混合神经网络模型（hybrid neural network models）、自组织映射预测模型(self-organizing map) 、概率神经网络预测模型等。

二、国内财务失败预警模型研究

在国内的研究中，吴世农、黄世忠(1986)曾介绍公司的破产分析指标和预测模型；陈静(1999)以1998年的27家st公司和27家非st公司，使用了1995-1997年的财务报表数据，进行了单变量分析和二类线性判定分析，在单变量判定分析中，发现在负债比率、流动比率、总资产收益率、净资产收益率4个财务指标中，流动比率与负债比率的误判率最低；在多元线性判定分析中，发现由负债比率、净资产收益率、流动比率、营运资本/总资产、总资产周转率6个指标构建的模型，在st发生的前3年能较好地预测st。我国在财务失败预警研究方面起步比较晚，更多的还停留在理论研究上。

1、多元判别分析方法

多元判别分析方法应用最著名的是美国的altman的zeta模型。早在60年代，altman altman经过大量的实证考察和分析研究，选择了5种基本财务比率，根据每一种比率对财务失败的影响程度赋予权值（即各种比率的系数），以此作为预测公司财务失败和破产的基本模型，即所谓的“z-score”模型，其基本表达式为：

z=0.012x1+0.014x2+0.033x3+0.006x4+0.999x5 （1-1）

奥特曼教授通过对z-score模型的研究分析得出：z值越小，该公司遭受财务失败的可能性就越大。奥特曼的研究表明，一般美国公司z值的临界值为1.8。

具体判断标准为：z>2.9时，财务失败的可能性很小；1.8≤z≤2.9时，财务失败可能性很大；z<1.8时，财务失败可能性非常大。

由于z－score模型没有充分考虑现金流量变动等方面的情况，因而具有一定的局限性。为此，我国学者对z－score模型进行了改造，建立了新的财务失败预测模型——f分数模型。f=-0.1774x1+1.1091x2+1.9271x3+0.0302x4+0.4961x5(1-2)

其中：x1=(期末流动资产-期末流动负债)/期末总资产；x2=期末留存收益/期末总资产;x3=（税后净收益+折旧）/平均总资产；x4=期末股东权益的市场价值/期末总负债；x5=（税后净收益+利息+折旧）/平均总资产。

2、bp神经网络

人工神经网络（artificial neural network-ann）是一种平行分散处理模式，其建构理念根植于对人类大脑神经运作的模拟。前向三层bp(back propagation)神经网络通常由输入层、输出层和隐藏层组成，其信息处理分为前向传播和后项学习两步进行，网络的学习是一种误差从输出层到输入层后向传播并修正数值的过程，学习的目的是使网络的实际输出逼近某个给定的期望输出。在前向三层bp网络算法中，对网络性能影响较大的是权值修正方法，为改进bp网络减少训练时间，并改善收敛特性，通常在权值公式增加一个态势项，常用的方法是：

wjh(t+1)=wjh(t)-ηαe/αwjh+α(wjh(t)-wjh(t-1) (1-3)

wjh(t+1)=wjh(t)-ηαe/αwjh+α(wjh(t)-wjh(t-1) (1-4)

式中，α为势态因子，η为学习率，t为迭代次数，e为定义误差，wjh为输入层节点与隐藏节点之间的连接权值，whi为隐藏层节点与输出节点之间的连接权值。

三、统计模型的缺陷

1、技术上的缺陷

①模型建立在一定的假设之上，如多元判别分析假设自变量服从正态分布、协方差矩阵相等、独立变量之间完全线性补偿。虽然二次方判别分析不需要独立变量之间完全线性补偿，提出了一个更普遍的二次函数关系。logistic回归分析虽然不考虑多元变量的正态分布，但是它要求变量之间的完全线性补偿。

②独立变量选择有失偏颇。由于变量之间存在着相关性，在建模之前进行被选变量相关性检验是非常必要的。如果一些变量具有较高的相关性，他们将对公司的财务状况具有相同的影响。

2、财务报表信息批露的不足

①财务报表中的数据是分类汇总性数据，它不能直接反映公司财务状况的详细情况。

②财务报表存在着虚假信息影响了财务报表分析。目前我国的上市公司存在着捏造虚假利润欺骗投资者的行为，这为我们通过模型正确预测公司未来发展趋势带来了不利的影响。

③财务失败预测模型没有考虑财务分析的纵向比较。分析以上提到的预测模型可以发现，这些模型在进行财务失败预测时，一般选取公司预测前三年的财务数据，然后分别预测，三年内的数据相互之间没有联系。

三、对我国财务失败预警模型研究的建议

为了克服统计模型的缺陷，提高预警的准确度，笔者认为在指标的选取上应该包括尽可能多的财务比率，并且要至少涵盖以下五大类：偿债能力指标、资产负债管理能力指标、盈利能力指标、成长能力指标与现金流量指标。

另外，在进行企业财务失败预警时还必须考虑非财务因素的影响。因为财务报表只对公司的经营成果做出综合的反映，仅从财务指标数值上无法看出公司经营的具体情况，这些数值本身的意义有限。

【参考文献】

[1] 张鸣、张艳：财务困境预测的实证研究与评述.财经研究,2001,(12):29-34

篇3

一、国外财务预蕾研究中的非财务指标选择综述

自上世纪80年代以来，越来越多的国外学者开始意识到对企业的财务状况过分关注、单纯以财务指标来预警财务危机难以让人信服，事实上，非财务因素在财务预警中的作用同样不可忽视。在引入非财务指标方面，以往文献主要从基于宏观经济和经济周期方面的考虑、立足于行业差异分析、针对管理水平度量三个方面予以思考。Rose(1982)检验了28个经济周期指标从而论证了宏观经济状况影响着企业失败进程。Mensah(1983)用参照价格水平进行调整后的数据评估破产预测模型后发现这对于提高预测率作用不大。Lawrence(1983)和Whittred Zimmer(1984)检验了上市公司财务状况延迟披露引起的预测偏差。Goudie(1987)尝试将英国经济活力(Dynamic)模型与其开发的破产预测模型进行整合，但因缺乏统计准确性而影响不大。Platt(1990)用行业比率标准化的方法控制行业之间的差异，得出一个稳定的破产模型，证明行业增长对企业失败影响显著，随后又进一步比较了行业比率调整与否对破产模型稳定性与完整性的影响。Sunti’Tirapal(1999)运用PMI、CPE、INT和MS2四个宏观经济变量作为因变量对企业股票的月回报进行了多元线性回归，以得出的回归系数作为该企业对宏观经济的敏感性度量。John Baldwin等(2000)应用行业特征、宏观经济和地区变量对加拿大的小企业失败构建了预测模型，其中行业影响方面的指标有：企业规模，进入行业第一年的平均规模、行业集中度、行业员工流转率、进入行业第一年平均企业规模，行业平均企业规模，该模型论证了所处地区对小企业成败影响巨大而行业因素则作用甚微。

二、国内财务预警研究中的非财务指标选择综述

中国台湾学者叶银华、李存修(2002)在《整合公司治理，会计资讯与总体经济敏感度之财务危机模型》一文中将公司治理、会计资讯、总体经济敏感度三方面的变量纳入一个Logistic回归模型并对台湾上市公司进行分析，结合多方面信息对企业失败预测作了有益尝试。还有学者试图通过公司高层学历、企业主年龄、企业主婚姻状况、原料供需配合情形、生产设备现况、产品是否取得验证、公司与重要客户销售情形、营业情形等变量来分辨管理水平的影响。

内地的财务预警研究总体起步较晚。从上个世纪80年代开始，国外的预警研究与应用成果逐渐引入国内，基于非财务指标的财务预警思想也同时传人国内。90年代我国制定了统一的会计准则后，国内财务预警研究在参考国外研究成果的基础上逐渐兴起，在引入非财务预警指标方面也结合中国独特的政治、经济、社会、法律环境开始了系统研究。杨兵、柯佑鹏(2005)基于数据挖掘方法构建了财务危机预警模型，采用了9个非财务指标，如表1所示。谭一可、张玲(2005)构建的Logit财务困境预警模型从宏观经济敏感度和公司治理两个角度引入非财务指标，如表2所示。邓晓岚、王宗军等(2006)在中国上市公司财务困境预警实证研究中，运用Logistic回归分别检验股权结构、公司治理、市场信息等方面的10个非财务变量(如表3所示)对财务困境的解释力，并应用jack knife method检验模型的分类预测能力。结果显示，年度累积超额收益率与审计师意见的预警效果较好，其他非财务变量均不显著，纳入了非财务因素的模型预测力更强。王克敏、姬美光(2006)在亏损公司财务预警研究中，突破以往财务预警研究基于财务指标或治理指标的单一层面分析，在财务因素分析基础上，引入公司治理、投资者保护等因素，进而比较分析基于财务指标、非财务指标及综合指标的预测模型的有效性。其非财务指标如表4所示。陆瑾、张学谦(2006)从财务健康度的角度建立财务预警体系，所采用的健康度指标采用了财务报表以外反映的健康度的2个非财务指标，分别是违规担保及委托理财现象和会计师事务所变更现象。王海鸥、李建民(2006)所设计的财务预警指标体系中，在企业发展能力中选取了5个非财务指标，包括：企业创新能力、主导产品是否符合国家产业政策、行业受生命周期影响程度、所处行业竞争力、获得开发新产品及配套投资所需资金情况。万希宁、王艳(2007)应用多级模糊综合评判法对财务风险因素进行定量化评价，对定性的非财务指标采用模糊统计的方法，从定量与定性相结合的角度出发，构建了基于非财务指标的财务危机模糊预警模型。其非财务指标如表5所示。

三、国内外财务预警研究中的非财务指标选择评价

通过对国内外财务预警研究中非财务指标选择的探讨，不难发现非财务指标是对单纯依靠财务指标进行财务预警的重要和有效补充，既有研究也证明了非财务指标在财务预警准确性上更有优势。已有的研究文献财务预警研究中的非财务指标选择具有以下特点：一是非财务指标涉及的类型比较少，主要从宏观经济方面、行业差异方面、企业内部治理、股权结构、股票价格和收益、财务报告的表外信息等方面选择。这是因为与财务指标不同，非财务指标数据的收集难度较大、成本较高，特别是定性指标要靠实验研究(如问卷调查)方法取得。因此，现阶段以上市公司为研究样本的非财务指标主要来源于财务报告中除财务报表以外的披露信息，如表外的其他信息、市场交易信息、公司其他公告、中介机构相关公告等。二是国外研究对于非财务指标的选择偏重宏观经济层面和中观行业层面，国内研究则偏重企业微观层面。这主要是因为国外的市场经济历史悠久且已经发展完善，宏观经济的统计数据容易获得，且企业受宏观经济影响较大；我国的市场经济历史较短且尚处于发展完善过程中，影响了统计数据的有效性。三是已有研究中的股票价格和收益、资产规模等方面的非财务指标，数据依然来源于财务指标，其实是一种“准财务指标”。其他类型的则可视为标准的非财务指标。四是非财务指标选择的理论依据普遍不足。现有研究中非财务指标的选择往往取决于研究者的直观判断以及资料的可获性。由于缺乏理论指导，研究者在选择指标时，会受到自身价值判断的影响。财务预警中，警情的出现和危机的发生往往在事前存在着一定的征兆，这就是财务预警的警兆，而警兆的识别需要基于一定的财务理论，迄今为止尚无一个公认的理论能全面说明财务预警的警兆因素。

随着财务预警研究的逐步深入，我国财务预警研究也应在借鉴国外研究理论和方法的基础上更多地采用宏观经济和中观行业的非财务指标，作为企业微观层面指标的重要补充。同时，在理论方面注重指标选择的理论依据研究；在实证研究中引入非财务指标，以使财务预警结果更加准确、科学、可信。

参考文献：

[1]张鸣、张艳：《企业财务预警研究前沿》，中国财政经济出版社2004年版。

[2]邓晓岚、王宗军等：《非财务视角下的财务困境预警》，《管理科学》2006年第3期。

[3]王克敏、姬美光：《基于财务与非财务指标的亏损公司财务预警研究》，《财经研究》2006年第7期。

[4]万希宁、王艳：《基于非财务指标的企业财务危机模糊预警模型研究》，《管理学报》2007年第3期。

篇4

摘 要 随着我国市场经济体制改革的深化和资本市场的快速发展，企业发生财务危机乃至破产的情形越来越多，因此有效地预防财务危机的出现成为一个重要的研究课题。本文回顾了国内外财务预警研究理论，并对现有的理论文献进行了详细的梳理和评价。

关键词 证券市场 上市公司 财务预警

一、引 言

自改革开放以来，我国市场经济体制改革不断深化，市场竞争日趋激烈，财务危机成为导致企业生存危机的重要因素。因此及时沟通企业有关财务信息，构建财务预警系统，有效地防范和化解财务危机，是每个企业亟待解决的问题。同时随着我国证券市场信息披露制度的不断完善，根据这些信息构造合理的财务风险预警模型已经具备了现实的可能性。

财务预警理论是随着证券市场不断发展而产生和不断深入的。“危机预警”思想源于20世纪初的欧美，在20世纪50年代取得了显著成果，进入90年代，由于企业危机爆发的频率越来越高，尤其是自2007年以来由美国次贷危机引发的全球金融危机，使得人们更加重视危机预警管理。与此同时，财务预警的研究也相应展开。根据研究方法的差异，一般可将这些理论大致分为定性预警分析和定量预警分析两类。

二、定性预警方面的研究

财务预警的定性分析方法主要包括以下几种方法：标准化调查法是通过专业人员、咨询公司、协会等，通过直观的归纳对企业可能遇到的问题加以详细调查和分析，对企业未来的发展趋势作出判断。

“死阶段症状”分析法认为：企业财务运营病症大体分为四个阶段：财务危机潜伏期；财务危机发作期；财务危机恶化期；财务危机实现期，而且每个阶段都有其典型症状。

管理评分法是美国学者仁翰•阿吉蒂在对企业的管理特性和破产企业存在的缺陷进行调查中，对集中缺陷、错误和征兆进行了对比打分，还根据对破产过程产生影响的大小程度对他们进行加权处理。

我国学者李秉成从上市公司财务困境形成角度、困境征兆角度探讨了上市公司财务困境预警分析方法。提出了财务困境加权分析法和象限分析法两类财务困境综合分析方法。

三、定量预警方面的研究

最早的财务预警研究是菲茨帕特里克（1932）开展的单变量破产预测研究。他最早发现陷于财务困境的公司的财务比率和正常公司相比有显著不同，从而认为财务比率能够反应企业的财务状况，并对企业未来具有预测作用。美国学者比弗（1996）最早运用统计方法研究了公司财务失败的问题，提出了较为成熟的单变量判定模型。但是单变量模型具有明显的局限性，很难做出正确的判断。

美国学者阿特曼（1968）最早运用主成分分析方法提炼最具有代表性的财务比率，将多个标志变量在最小的信息损失下转换为分类变量，获得能有效提高预测精度的多元线性判别方程，被称为Z分数模型。我国学者周首华等 （1996）提出了F分数预测模型，通过更新指标和扩大样本数对Z分数模型进行了修正。多元线性判定模型具有较高的判别精度，但存在一些缺陷。其一，模型假定比较严格，现实中的样本数据往往不能满足其自变量呈正态分布的假定前提。使得结论必然存在令人质疑的成分。其二，在前一年的预测中多元线性判定模型的预测精度较高，但在前两年、前三年中其预测精度都大幅下降。

奥尔森（1980）第一个采用Logit方法进行破产预测。其模型使用了9个自变量估计了三个模型，分析样本公司在破产概率区间上的分布以及两类错误判别错误和分割点的关系。我国学者陈晓等（2000）以38家ST公司为研究对象，运用Logit回归方法进行实证研究，发现负债权益比率、应收账款周转主营业务利润/总资产、留存收益/总资产具有较强的预测能力。其后多位国内学者也采用类似方法对上市公司财务预警进行了研究。

类神经网络模型一般是利用一组案例建立系统模型，该模型接受一组输入信息并产生反应，然后与预期反应相比。如果错误率超过可以接受的水平，需要对权重作出修改或增加隐藏层数目并开始新的学习过程。经过反复循环，直至错误率降低到可以接受的水平，这时学习过程结束并锁定权重，类神经网络就可以发挥预测功能。奥多姆和沙尔达（1990）开拓了用BP神经网络预测财务困境的新方法，我国学者杨保安等（2002）采用ANN模型进行财务危机预警研究，结果表明样本的实际输出和期望输出较为接近。现实中神经网络具有较好的纠错能力，从而能够更好的进行预测，但由于理论基础较薄弱，其对人体大脑神经模拟的科学性、准确性还有待进一步提高，因此适用性也大打折扣。

四、浅议国内外现有文献

在财务预警的定性研究方面，国内外学者对引起企业危机发生发展的内外各种因素进行了深入探讨，但结论能够直接和定量模型结合起来的还不多。从财务预警的定量研究方面看，国内外学者结合各种量化技术，出现了众多的预警模型，但应用性和可操作性较差。而笔者认为模型的最根本作用还是得应用到实际中解决不同财务信息使用者的认知需要。

由于财务预警模型的局限性、模型变量的选择方法问题、财务信息失真问题以及非财务变量对财务预警的影响，使得财务预警理论的实际应用一时很难得到解决。而只有解决当前存在的这些问题，才能为正确解决上市公司财务预警课题奠定基础。

参考文献：

[1]彭韶兵.财务风险机理与控制分析.西南财经大学.2001博士学位论文.

篇5

【关键词】 财务预警； 财务危机； 追溯重述； Logistic模型

中图分类号：F275.5 文献标识码：A 文章编号：1004-5937（2014）07-0075-04

一、引言

对于处于市场经济环境中的每个企业而言，风险无处不在、无时不有。信息技术的飞速发展在给企业带来巨大机遇的同时，也将企业的风险进一步放大。财务风险作为企业风险的一个重要组成部分，受到越来越多的关注。为了适应变化的组织结构、管理模式和市场环境，迫切需要企业研究与时俱进的现代财务管理手段。财务预警模型以其客观性、科学性和较高的精度与效度，为方便客观地评价企业财务状况、预测企业未来发展趋势提供了重要方法。

建立和运用正确的企业财务预警模型，具有重要的理论意义和现实意义。一方面，通过建立模型对风险的形成机制进行研究，有助于丰富企业管理理论；另一方面，风险预警模型的正确运用对于经营者正确把握企业自身财务健康状况、保护投资者和债权人的利益、提高政府对企业的宏观监控质量及规范证券市场，都将起到重要作用。

目前，我国理论界对财务危机预警模型的实证研究一般都是采用以“ST公司”为主的单一两分法识别危机样本，没有考虑管理层可能的利润操纵行为，无法提高预警模型的预警效率，从而无法有效保护投资者。2012年7月7日上海证券交易所《上海证券交易所股票上市规则（2012年修订）》（简称“上市规则”）①，经过第七次修订的股票上市规则，在对股票交易实施退市风险警示时首次引入了追溯重述，表明了监管机构对财务重述的重视。本文通过引入财务重述对沪深两市2009—2010年的“危机样本”进行重新界定，以检验引入财务重述后的财务预警模型的预警效率。

二、文献评述

自Fitzpatrick（1932）率先使用单变量破产预测模型开创财务危机预警模型研究先河以来，国内外学术界对财务危机预警的研究主要集中在以下几个方面：

（一）财务危机预警的模型

目前，学术界关于财务危机的预警模型主要有：单变量模型（Fitzpatrick，1932；Beaver，1966）；Z模型（Altman，1968）；ZETA模型（Altman、Haldeman & Narayanan，1977）；F分数模型（周首华等，1996）；LOGIT回归模型（Martin，1977；Ohison，1980）；PROBIT回归模型（Ohison，1980）；决策树模型（Frydman、Altman & Kao，1985）；神经网络模型（Coats & Fant，1991）等。根据2008—2011年在会计类核心期刊发表的相关文章，经过整理分析，上述几种计量模型在实证研究中的应用情况见表1。表1列示的是各种财务危机预警模型的使用次数。由表1可见，LOGIT回归模型在实证研究中应用最为广泛，其次是神经网络模型和Z-score模型，其他计量模型的使用频率较低。

（二）评价指标体系的选取

Fitzpatrick（1932）通过对19家企业的研究发现净利润与股东权益的比率和股东权益与负债总额的比率对财务风险具有较强的识别能力，Beaver（1966）在此基础上扩充了评价指标体系，提出债务保障率、资产收益率、资产负债率三个财务指标能有效地预测财务危机状况，其中债务保障率指标预测的准确率最高（吴英娟，2005）。此后，评价指标体系不断扩充，逐步形成了财务指标和非财务指标两大体系。其中，财务指标主要包括偿债能力指标、盈利能力指标、股东获利能力指标和营运能力指标等；非财务指标主要引入了公司治理（刘孙芸和邱重植，2010）、股权结构（袁康来和李继志，2009）、经济附加值EVA（苗洛涛等，2008；梁杰等，2011）等因素。此外，国内学者还分行业和地区对评价指标进行了研究，试图建立适合不同行业和地区的评价指标体系（赵兰，2010；刘宏洲，2011；蒋太才和韩信，2011；颜哲等，2012；辛磊和高建来，2012）。

三、研究设计

（一）“危机”样本界定

目前我国理论界对财务危机公司大都界定为被实施“风险警示”（即被“ST”）的企业，然而针对我国资本市场尚未完善和财务信息时常失真的现实，很多面临财务危机的上市公司会因资本市场压力和高管薪酬契约等方面的动机进行盈余操纵，这些经过粉饰的企业往往也埋藏着财务失败的种子。

2012年7月实施的股票上市规则首次引入了追溯重述，将退市风险预警定义为上市公司出现以下情形之一的，本所对其股票实施退市风险警示：（1）最近两个会计年度经审计的净利润连续为负值或者被追溯重述后连续为负值；（2）最近一个会计年度经审计的期末净资产为负值或者被追溯重述后为负值；（3）最近一个会计年度经审计的营业收入低于1 000万元或者被追溯重述后低于1 000万元；（4）最近一个会计年度的财务会计报告被会计师事务所出具无法表示意见或者否定意见的审计报告；（5）因财务会计报告存在重大会计差错或者虚假记载，被中国证监会责令改正但未在规定期限内改正，且公司股票已停牌两个月；（6）未在法定期限内披露年度报告或者中期报告，且公司股票已停牌两个月；（7）公司可能被解散；（8）法院依法受理公司重整、和解或者破产清算申请；（9）因第12.14条股权分布不具备上市条件，公司在规定的一个月内向本所提交解决股权分布问题的方案，并获得本所同意；（10）本所认定的其他情形。②

为了使财务危机预警模型提高预警效率，并切实保护投资者，必须对隐藏的危机公司进行深入挖掘。但是，通过对2008—2011年的财务重述报告进行分析，难以发现符合追溯重述后被ST的公司。由于信息不对称等方面的原因，公司的盈余操纵行为很难被发现，即使被发现，这样的公司就一定存在财务危机吗？有一点可以确定，为避免被“ST”巨亏后微利的企业——类似于“洗大澡（Big Bath）”的企业——肯定是有问题的。因此，本文对危机公司的界定不仅包含传统的“ST”企业，也加入了被证监会或主流媒体披露存在虚增利润进行财务重述的企业。本文通过对财务失败企业的重新界定，试图将财务失败和财务信息质量联系起来，通过挖掘隐藏的危机公司，构建引入财务信息重述的财务危机预警模型。

（二）样本选取与数据来源

按照本文对危机样本的界定，在沪深两市A股市场上市的制造业企业中选取2009—2010年度被ST处理的37家上市公司和巨亏后微利同时进行财务重述的13家上市公司作为财务危机公司样本，另外在财务危机公司样本确定后相应地选择与之配对的50家不存在财务危机的公司作为对比样本，共100个样本观测值，其中不考虑财务重述时有74个观测值。对比样本的选取原则为：（1）配比企业行业相同；（2）配比企业资产规模相当；（3）配比企业上市时间接近。

“预”——财务危机预警的生命力所在（吴星泽，2011）。根据我国上市公司年报披露制度，上市公司公布其年报的截止日期为下一年的4月30日，所以上市公司（t-1）年的年报和其在第t年是否被特别处理这两件事几乎是同时发生的，用t-1年的数据预测第t年是否被特别处理是没有实际意义的（刘克涛，2010）。因此本文采用公司第（t-2）年的财务数据建立预警模型来预测公司在第t年是否存在财务危机。比如：世纪光华2010年3月5日起实行“退市风险警示”特别处理，所以选取2008年（t-2）末的财务数据。对于巨亏后微利同时进行财务重述的公司的微利年份视为亏损，因此采用公司巨亏年份的财务数据建立预警模型。

本文使用的相关财务数据来源于国泰安（CSMAR）数据库中的上市公司财务指标子库，财务公告信息来源于上海证券交易所网站、深圳证券交易所网站和巨潮资讯网；本文主要通过STATA对所有数据进行处理和统计分析。

（三）假设发展

在对财务危机预警的实证研究中，最具挑战性的问题是关于财务危机预警模型的计量问题，但最根本、最基础的问题是对“危机样本”的界定问题。在对这些方法的使用价值和精确度进行衡量之前，如果不能很好地解决对“危机样本”界定这一最根本、最基础的问题，就难以得出有效的实证研究结果。

假设1：引入财务重述的财务危机预警模型能够提高模型的预警效率。

四、实证研究

（一）财务预警指标选取

表2列示了构建财务预警模型的指标，该指标体系从盈利能力、股东获利能力、现金流量能力、营运能力、发展能力和偿债能力六个维度列示了样本公司的财务信息。

表3列示了不考虑财务重述时危机样本和非危机样本的均值T检验。检验结果表明，危机样本的销售净利率（ROS）、资产报酬率（ROA）、每股收益（EPS）、资本保值增值率（RAA）和总资产保值率（TA）显著高于非危机样本公司，且均在1%的统计水平下显著，而其他变量在分组样本间的差别则不显著。

（二）预测模型与临界区域的建立及分析

表5列示了将考虑财务重述的分组样本带入模型公式（1）进行检验的结果。由表5可以看出在不考虑财务重述时模型的预测率是比较高的，但在考虑财务重述时模型的预测率明显降低，尤其是对于巨亏后微利同时进行财务重述的企业。预测结果间接表明了假设1的推断：引入财务重述的财务危机预警模型能够提高模型的预警效率。

五、研究结论

将财务重述引入上市公司特殊处理的判定是上海证券交易所和深圳证券交易所上市规则的重心之举，通过对以往经验数据的分析可以看出，考虑财务重述的特别处理能够提高财务预警的效率，表明了监管部门对资本市场监管力度的加大，表明新的上市规则具有较强的现实意义。

【主要参考文献】

[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].经济研究，2001（6）：46-55.

[2] 刘克涛.高科技产业财务困境预警的实证研究[J].财会研究，2010（20）：50-54.

[3] 卢兴杰.我国上市公司财务预警的实证研究[J]. 财会月刊（综合），2006（1）：3-4.

[4] 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.

[5] 陆建桥.中国亏损上市公司盈余管理实证研究[J].会计研究.1999（9）：31-36.

[6] 崔学刚，王立彦，许红.企业增长与财务危机关系研究[J].会计研究，2007（12）：55-62.

[7] 谷祺，刘淑莲.财务危机企业投资行为分析与对策[J].会计研究，1999（10）：28-31.

[8] 李心合.财务失败及其预警[J].财务与会计（理财版），2007（12）：57-59.

[9] 李心合.利益相关者财务论[J].会计研究，2003（10）：10-15.

[10] （德）马克斯·韦伯.社会科学方法论[M].北京：中央编译出版社，1999：17-18.

[11] 彭韶兵，邢精平.公司财务危机论[M].北京：清华大学出版社，2005：50-51.

[12] 吴星泽.财务预警的非财务观[J].当代财经，2010（4）：122-127.

[13] 袁淳，荆新，廖冠民.国有公司的信贷优惠：信贷干预还是隐性担保？——基于信用贷款的实证检验[J].会计研究，2010（8）：49-54.

[14] 朱家安，陈志斌.我国财务困境预测实证研究文献综述和分析[J].会计之友（上），2007（4）.

[15] CraigG. Johnson. Ratio Analysis and the Prediction of Firm Failure.[J] The Journal of Finance，1970，25 （Dec）：1166-1168.

[16] D. B. Deakin. A Discriminant Analysis of Predictors of Business Failure[J]. Journal of Accounting Research，1972（spring）：167-169.

[17] E. I. Altman. Financial Ratios，Discriminant Ana-lysis，and the Prediction of Corporate Bankruptcy[J].Journal of Finance，1968（September）：589-609.

篇6

关键词：行业环境；风险识别；财务预警控制系统

一、企业财务风险管理

（1）营销体系中财务风险管理。与传统营销理念、方式不同，现代企业营销活动并未盲目追求市场经济利润，而是越发重视推动企业可持续发展。在企业各项经营活动过程中，企业销售作为各项活动进行的基础，要重点考察企业产品危机征兆，如果市场容量提高了，企业相应增长率却没有提高，就需要高度注重。（2）生产活动中财务风险管理。现代企业的生产实现了自动化、智能化、科技化，对应的材料、工本、费用的比例出现变化，导致生产过程中财务管理也有很大变化。企业生产的主要任务就是要深入研发，根据市场变动情况，提出项目建设的具体意见，并分析意见的可行性，与研发设计相符的方案，公司高层决策人员开展审批，然后科研部门实施研发及试生产，并鉴定首批生产出来的产品，在鉴定符合质量要求后再进行生产。在生产过程中，要根据客户具体要求制定相应销售计划，结合实际计划从材料仓库中领取材料，在各个车间生产中分配每一种材料，并形成半产品入库到产成品仓库之中，财务部门负责核算费用。在这一系列过程中，若是有生产流程不完善、劳动生产率低下等问题，就会严重影响着财务管理的顺利进行。（3）企业筹集资金活动中财务风险管理。对于企业而言，资金是其发展的根本，然而资金都是有限的，这就需要各大企业实施筹集资金，最大限度上满足企业扩大生产与产品开发的现实需要。一旦中断了资金链，企业就会遭受巨大的资金风险，各大银行和供应商都会不再信任企业。企业有多种方式来筹集资金，包括权益性筹集资金、债务性筹集资金等。权益性筹资一般都是企业建立的第一笔资金，而债务性集资通常是企业主要的资金来源，有其独有的特征，筹集资金在时间上有所限制，需要支付企业债券、融资租赁等固定利息。（4）投资运作中财务风险机制。在信息时代的今天，很多企业越发注重对外投资，而在投资中如何规避风险是需要慎重考虑的问题。投资也需要遵守相应原则，在投资项目选择中，先应咨询调查各个项目，项目部分在立项调查投资方案后，投资委员会对项目实施的可行性和可操作性进行审批，在这个过程中财务部应支付投资款，企业投资从项目立项到成功投资需要经过很长一段时间，这样就很难及时评价投资效果，也就会随之增加具体的财务风险，因此应对风险认真分析，强化分析投资预警，并构建健全的内部投资预警机制。

二、分析企业财务预警管理中风险的成因

（1）分析企业面临的外部经营风险。企业外部环境包括很多方面，如政治因素、国家政策、消费者偏好等，每个方面都很有可能引发企业外部环境面临的经营风险。政治风险是一项与我国政策有关的风险；法律风险指的是在变更法律后使企业政策也需做具体调整的一项风险。可以说，我国各大中小型企业都面临着外部经营风险，因此，减少外部经营风险因素是提高企业发展能力的强有力对策。（2）分析财务管理风险的形成。企业形成财务管理风险是有很多种原因的。在组织结构上，很多企业都没有设置合理的财务机构，造成功能性不完善，很难提供出完善的财务方案，即便构建了组织结构，也会出现权责不清的状况，财务信息不及时纵向流动后，就会出现各种内部矛盾。会计工作人员作为一名财务管理者，应具备较强的会计知识，进而为科学准确决策奠定基础。（3）分析道德风险的成因。赊销、赊购情况会考验着现代企业信用度，很多企业在实际运用中都会出现欠债、拖欠状况，造成企业面临巨大财务风险。同时，在社会竞争日益激烈下，很多人或者企业团体都出现了“搭便车”的情况，在并未付出成本的状况下，获得了很多利益，严重影响了企业健康发展。

三、结合行业环境识别的企业财务预警控制机制

（1）不确定环境下风险的形成。根据分类标准可将环境分为外部环境、微观环境、行业环境、内部环境等，在处于一个大环境体系中，任何企业所面临的环境都是快速变化的，企业应结合这些实际变化做出相应的调整。通过研究发现，行业环境会影响企业盈利能力。结合自适应理论而言，个体、组织和集团时时刻刻都在交换信息，这种交换是以相对稳定的方式进行的，但在现实情况下，是无法预知外部环境的，其阻碍着信息的顺利交换，个体与组织若是不能适应好外部环境，企业就很难顺利发展。在外部环境有所变化后，企业资源就很难充分运用，企业运作质量也就无法提高。（2）企业财务风险预警控制机制。要重视起识别行业环境风险：应对企业财务预警控制动因进行了解，财务预警控制以控制企业经营风险为主，通过分析预设指标后，警告超出规范值的部分，并追本溯源，既需要了解问题的所在，也要对产生问题的原因进行分析，并促使企业管理者采用具体完善的应对措施；应构建模型预测企业经营风险，以前的传统预测模型只是简单实施财务预警，很难体现财务风险形成路径，造成企业处于被动经营状态中，只能发现问题，却很难解决问题，而系统动力学模型既能够完美解释财务系统变量间关系，并在了解财务风险传导路径后，找到问题出现的根本原因，还能在仿真模拟下，提供更为合理有效的变量参数，为企业制定完善合理的风险控制措施打下良好基础。

四、预警控制系统的实际内容

建立健全的检测系统，在对市场宏观经济情况全面分析下，对外部行业环境走势进行预测，分析我国各大企业财务状况。同时，在面临的外部环境风险下，还需要适时检测企业内部财务情况，构建完善的检测系统，对现金流量指标进行监控，监管资金流转状况。为了及时追踪市场以及行业环境变化情况，构建信息预警系统，交易和处理外部环境信息，需有效识别行业环境中的风险。上述所讲的都是与收集外部信息有关的工作，财务预警控制系统在获取数据后要进行深度研究，需要构建合理的预警指标系统，各大行业企业应结合自身实际情况，构建相应的指标体系，确保指标体系可以对企业面临的财务状况与发展状况进行充分了解，在准备好各项工作后，预警对策系统是控制系统最为重要的一项内容，能有效分析财务风险性质，并做出相应的应急措施，这也是确保企业能够识别经营风险的有效对策。另外，有关调查结果显示，我国很多企业虽然表面看起来拥有雄厚的运作资金，其实现金流量并不多，而很多企业常常陷入发展困境，但却能凭借充足的运作资金走出困境。由此可见，企业想要取得更好的发展，并不是仅仅靠经济利润，而需要借助现金流的作用。因此，我国各大企业应有效管理自身现金流，做好市场调研有关工作，加强企业整体发展能力。

综上所述，在企业经营与发展运作过程中，面临着诸多风险因素，而构建完善的企业财务预警控制系统，能够有效分析行业环境，筛选出影响企业发展的风险因素，并及时制定解决风险的对策，进而将企业风险扼杀在萌芽状态中，提高企业整体发展实力，以便企业能在竞争激烈的市场上站稳脚跟，并成为行业的佼佼者。另外，在我国企业构建财务预警控制系统中，我国可借鉴其他国家的经验和做法，进而来弥补企业在控制风险中的不足，大大强化企业发展实力。

参考文献

1.罗宁.浅谈我国企业财务风险的预防、预警与控制.经济研究导刊，2015（15）.

2.王爱群，王艺霖，余双江.基于全面风险管理的企业预警指标体系构建研究.社会科学战线，2013（09）.

3.陈仲华.浅析金融危机下企业财务预警体系的构建与拓展.商场现代化，2011（04）.

篇7

工业企业从事的是工业性生产或劳务的经营活动，在国家的生产、流通、服务等经济活动中起到了重要作用，但在知识经济迅猛发展的时代，高新技术企业和第三企业的崛起，使得工业企业在投资融资甚至生产经营上都受到了较大的财务威胁，因此要加强对工业企业的财务预警，从而为企业的信息使用者提供及时有效的财务信息，预防企业可能出现的风险，保障股东的权益和市场稳定。

首先在财务风险预警领域树立里程碑的是Beaver（1966），他利用单变量对企业破产进行预测，局限性是对同一企业的风险进行预测时，选择的比率不同，得到的结果也可能有所不同。美国学者Edward Altman在1968年提出了多元变量Z-score模型，突破了单变量的研究。之后学者们纷纷利用多变量财务预警模型进行研究，但在1980年学者Ohlson首次采用Logistic方法预测财务风险。进入20世纪90年代，出现了基于神经网络的财务风险预警模型，得到的结果比较理想。随后一些新的方法如：支持向量机、期权定价模型也被运用到财务风险预警的分析中。我国的财务风险预警研究起步较晚，周首华、杨济华（1996）把现金流量指标引入到Z分数模型中，提出了新的模型―― F分数模型。陈瑜（2000）运用二元线性回归和主成分分析对上市公司财务预警模型的构建进行实证研究。姜秀华、孙铮（2001）则运用Logistic建立回归判别模型。随后的财务风险预警研究采用了新的方法――神经网络，如： BP神经网络（杨淑娥、黄礼，2005），模糊神经网络混合模型（梁杰，2006），遗传神经网络（蔡志岳、吴世农，2006），RBF神经网络对物流企业财务风险预警的评价（刘磊、郭岩，2012）等。随着多学科的交流融合，也出现了其他的模型，如2015年蓝莎运用系统动力学对财务系统进行结构―功能模拟，建立了财务风险预警体系。

总体来看，多元判别分析、Logistic和人工神经网络是主要的预测方法，三者之中预测度最高的是人工神经网络，最差的是多元判别模型。目前文献对工业企业的财务风险预警研究较少，本文选取北京市工业企业与财务风险有关的财务与非财务数据，并引入人工神经网络中相对完善、易于操作的多层次感知器，构建财务风险预警体系。

二、数据样本的确定

（一）样本预警指标选取

本文研究对象是北京市45家在上海证券交易所上市的A股工业企业，并通过csmar数据库收集2012―2014年这些公司的相关指标。选取的指标既包括了反映企业偿债能力、盈利能力、经营能力和发展能力四个方面的财务指标，也涵盖了相关非财务指标，如股权集中度和独立董事比例，总计18项预警指标，如表1所示。

（二）财务风险划分

由于45家北京市工业企业被ST特殊处理的情况较少，且标记为ST发生在出现财务危机之后，很难对企业风险预警产生前瞻性影响，而且财务风险的发生是一个渐进的过程，上市公司的财务状况在不加以控制的情况下会由轻度财务危机转换为重度财务危机。所以本文将财务风险按照以下标准将其细分为低风险、中等风险和重大风险。如果当年的净利润不为负时，表明上市公司的财务风险为低风险;当年首次出现净利润为负，则表明上市公司为中等财务风险水平;当年为第二次出现净利润为负时，则表明财务风险水平很高，归类为重大风险。根据上述标准，将2012―2014年45家公司共135个样本划分为三类，其中：低风险有120个，中等风险为10个，重大风险为5个。

三、实证检验

（一）KMO检验与Bartlett球度检验

在收集到以上45家工业上市公司近三年18项指标数据后，对原始数据进行标准化处理，以消除不同指标间的量纲差异。在此基础上为判断135个样本数据是否能进行主成分分析，首先对标准化后的数据进行KMO检验与Bartlett球度检验，如表2所示，其中KMO值为0.678，大于0.6，适合做主成分分析;Bartlett球度检验的显著性概率为0，说明变量具有统计学意义，而且表现出高度的相关性和显著性。

（二）主成分因子的提取

为了对财务风险预警进行更加有效的分析，需要减少变量的个数，分析2012―2014年共135个样本数据的18项预警指标，利用SPSS软件进行因子分析，提取主成分因子，如表3所示。在特征值大于1时，共提取7个主成分因子，这7个主成分因子的累计方差贡献率达到75.9%，能反映18个变量四分之三的信息。设主成分因子为Fi（i=1，2， …，7），做成分矩阵（如表4所示），可以进一步分析主成分Fi所代表的能力和它反映的有关上市公司的财务信息。

主成分因子F1中资产报酬率、每股收益、营业净利率的比重较大，说明F1主要反映公司的盈利能力;F2中所有者权益增长率和净利润增长率所占的比重大，代表公司的发展能力;F3中反映偿债能力的指标比重较大，说明F3主要变现为偿债能力;F4中非财务指标的独立董事比例比重最大，则把公共因子看成股权结构因子;F5中总资产周转率的比重最大，代表整体营运能力;F6中综合杠杆的比重最大，反映了风险水平能力;F7中营运能力的应收账款周转率和存货周转率指标所占的比重大，F7代表日常营运能力因子。这7个因子涉及到财务和非财务的相关信息，比较全面地反映出财务风险的各种因素。

（三） MLP风险预警模型的构建及实证结果

多层感知器（MLP）是一种多层前馈网络模型，具有高度的非线性映射能力，它由三部分组成：一层为感知单元组成的输入层;一层为（或多层）计算节点的隐藏层;一层为计算节点的输出层。

本文运用SPSS软件，首先将七个主成分因子代表初始的18项指标，代入神经网络的多层感知器，作为协变量，风险程度作为因变量。其次在分区中，按照七比三的比例随机分配个案，即135个样本中70%作为训练变量，30%作为测试变量。其中训练变量中重大风险的样本为3个，中等风险的样本数为8个，低风险的样本数为86个;测试变量中包含重大风险的样本2个，中等风险的样本数为2个，低风险的样本数为34个。然后在体系结构中，设置最低的隐藏层数为1，分批进行培训操作时，选择调整的共轭梯度对算法进行优化。最后可以输出ROC曲线分析准确性和特异性，判断对财务风险的预警能力。

MLP对财务风险预警识别结果如表5所示，已预测与已观测的样本相比，在训练变量中，有三个样本其实属于重大风险，却预测为中等风险，准确率为0，中等风险和低风险全部预测准确，总体来看，训练变量的正确率为96.9%;在测试变量中，重大风险有2个在预测的中等风险水平中，总计的测试变量的准确率为94.7%。由此得出综合正确率为95.8%，其中低风险预测准确率为100%，说明多层感知器对低风险能较好的预测;误判均发生在将重大风险归类到中等风险，究其原因可能是重大风险与中等风险划分不明确，且在第一年出现净利润为负时，第二年要想转亏为盈的难度也很大，或者即使利润为正，为弥补去年差异最后的净利润数额也较小，这样造成重度风险和中度风险的差异不大，利用多层感知器预测时会产生偏差。

四、结论

为了使工业企业对财务风险进行预先的测定和防范，减少风险到来时企业的损失，本文根据45家北京市工业企业的财务数据，运用多层感知器神经网络对工业企业财务风险展开评价研究。

篇8

【关键词】高新技术企业 财务风险 财务预警理论

在目前高新技术企业的发展中，财务风险是经营管理过程中不可避免的风险之一，同时也是对企业经营影响最大的风险，为了保证高新技术企业能够在发展过程中处于有利的竞争地位，我们必须对企业所面临的财务风险有足够的认识。从当前的研究成果来看，企业应对财务风险有效的办法是根据财务预警理论，建立有效的财务预警机制，提高企业应对财务风险的能力，使企业能够在财务风险形成之前有所预知，并采取积极的方法进行干预，减少财务风险的发生，保证企业的经营效果。基于这种认识，我们应该对财务预警理论有深入的了解。

一、高新技术企业财务危机和财务预警的概念与描述

（一）财务危机又称财务困境，国内外学术界并没有给出财务危机的统一定义，通常公认有两种确定的方法：一是法律对企业破产的定义，二是以证券交易所对持续亏损、有重大潜在损失或者股价持续低于一定水平的上市公司给予特别处理或退市作为标准。根据中外学者的研究，财务危机至少有以下几种表现形式：第一，从企业的运营情况看，表现为产销严重脱节，企业销售额和销售利润明显下降，多项绩效评价指标严重恶化;第二，从企业的资产结构看，表现为应收账款大幅增长，产品库存迅速上升;第三，从企业的偿债能力看，表现为丧失偿还到期债务的能力，流动资产不足以偿还流动负债，总资产低于总负债。

（二）所谓企业财务预警，即财务失败预警，是指借助企业提供的财务 报表、经营计划及其他相关会计资料，利用财会、统计、金融、企业管理、市场营销理论，采用比率分析、比较分析、因素分析及多种分析方法，对企业的经营活动、财务活动等进行分析预测，以发现企业在经营管理活动中潜在的经营风险和财务风险，并在危机发生之前向企业经营者发出警告督促企业管理当局采取有效措施，避免潜在的风险演变成损失。

二、目前财务预警理论和财务预警方法分析

目前的财务预警理论主要是研究企业如何能够利用正确的财务行为，避免财务危机的发生。从企业所面临的财务危机来看，财务预警理论将研究重点放在了如何对财务危机进行预先判断和分析上，旨在通过对企业财务行为的分析，达到对企业财务风险的预警。

目前来看，企业财务预警主要采取了以下方法：首先，通过对基础的财务数据材料进行分析得出企业财务风险的判断，并以此理论为指导，推动企业采取具体措施对风险进行干预。其次，通过采用多种分析方法，对企业面临的财务风险进行判断，主要方法为比率分析法、比较分析发、因素分析发等，保证分析的准确性。再次，通过对企业面临的潜在风险进行预警，避免企业财务危机的出现，一旦发现企业存在潜在风险，应立即采取措施，对风险进行干预和消除。

三、目前财务预警理论和方法存在的问题和局限性

从目前财务预警理论和预警方法来看，主要表现为三个层面，首先为基础数据分析层面，其次为专业分析方法层面，再次为潜在风险预知层面。虽然这几种方法在企业的财务风险预警中取得了积极效果，但是由于高新技术企业所面临的经营形势和市场环境不断发生着变化，为此现有的财务预警理论和方法还存在一定的问题和局限性。

（一）高新技术企业的财务预警方法过于单一

对于高新技术企业而言，在经营管理过程中，虽然对财务预警理论非常重视，但是在实际运行中财务预警的方法采用的比较单一，没有取得预期的管理效果，没有完全消除企业遇到的财务危机。

（二）高新技术企业面临的财务形势日趋复杂

由于高新技术企业面临的市场竞争非常激烈，自身的财务形势也比较复杂，企业的多数资金都用于产品研发，导致了资金配置不合理，存在一定的风险，同时受到市场竞争的影响，日趋复杂的财务形势制约了财务预警理论的发展。

（三）高新技术企业的财务结构制约了财务预警理论作用的发挥

考虑到高新技术企业的特点，高新技术企业在财务结构方面将资金投入重点放在了产品研发上，客观上导致了资金倾斜过于明显，使企业的财务面临一定的风险。也正是这种财务结构，制约了财务预警理论作用的发挥。

四、高新技术企业财务预警研究的理论框架分析

通过对高新技术企业财务管理制度的研究，高新技术企业要想取得良好的财务风险预警效果，就要根据企业自身发展特点提出财务预警研究的理论框架，指导企业财务预警实践。以下以哈尔滨高新技术企业为例，重点探讨高新技术企业财务预警研究理论框架的形成。

（一）哈尔滨高新技术企业偏向于新产品的研发，需要成熟的财务预警理论来有效的预防财务风险。从目前哈尔滨高新技术企业的产品定位和企业结构设置来看，天然存在的风险对财务预警理论提出了具体的要求。

（二）哈尔滨高新技术企业的贷款存量较高。需要完整的财务预警理论来支持整个企业财务发展。因此在财务风险上处于高风险的状态，这一现状决定了企业需要完整的财务预警理论。

篇9

一、财务预警概述

财务预警是指以公司的财务报表及相关的会计资料为依据，通过对财务指标的综合分析，对公司财务状况进行预测研究，及时发现企业生产经营过程中潜在的财务风险，并在危机爆发前提前向公司的管理当局发出警告，督促公司管理当局对此做出相应的改变，避免财务危机的发生，较好地起到了未雨绸缪的作用。根据警情界定程度的不同，可将其分为狭义和广义的财务预警。狭义的财务预警偏重于研究财务危机，实际上就是财务危机预警。广义的财务预警是对所有可能引起企业财务活动波动的因素进行研究，只要引起企业财务活动产生不利因素就进行预警。财务预警系统就是合理保证企业财务活动不偏离企业的正常生产经营活动，对财务周期活动中出现的不确定和不稳定现象进行预测，判断企业目前是处于“正常状态”还是“危险状态”。减少造成企业出现危机的各种因素，避免出现管理波动或管理失误的重复出现。本文从财务预警理论出发，利用ST公司与非ST公司的财务状况中的财务指标进行对比，根据比较的结果预警上市公司可能出现的财务风险状况。

二、上市公司施行财务预警系统现状

我国资本市场作为新兴的半强势半弱势市场，进行财务预警方面的研究起步很晚，大部分上市公司建立的财务预警系统都是借鉴西方的成熟模型，而且也应用到农业、林业、工业、交通等各个领域。但作为我国特色资本市场基础上建立的财务预警系统，还是比较年轻的研究领域，证券市场以及上市公司还不是很成熟，虽然我国上市公司的监管部门就上市公司运用财务预警系统做出相应的规定，但由于我国上市公司在运用财务预警系统进行财务风险预警方面缺乏一定的主动性，直到很多上市公司出现了大量的ST或PT现象，给广大投资者带来巨大损失的现象发生以后，才引起管理当局对财务预警的重视，财务预警系统逐渐被运用。常用的预警模型有Z分数模型、线性概率模型、F分数模型等。

（一）多元线性判定模式 多元线性判定模式，又称Z-Score方法，其基本原理是通过统计技术筛选出那些在两组间差别尽可能大而在两组内部的离散度最小的变量，从而将多个标志变量在最小信息损失下转换为分类变量，获得能有效提高预测精度的多元线性判别方程。Z分数模型的判别函数如下：

Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5

其中，X1=（期末流动资产一期末流动负债）/期末总资产X2=期末留存收益/期末总资产X3=息税前利润/期末总资产X4=期末股东权益的市场价值/期末总负债X5=本期销售收入/总资产

Z分数模型的判断标准如下：Z>2.675，表示财务状况良好，发生破产的概率小；1.81≤Z≤2.675，表示财务状况不稳定，为灰色地带；Z

多元线性判定法从企业的资产规模、获利能力、财务结构、资产利用效率以及偿债能力等方面综合分析预测企业的财务状况，准确率较高，进一步推动了财务预警的发展。

Z-Score模型的局限性：一是工作量比较大，费时费力。二是在前一两年的预测中，多元线性判定方法的预测精度比较高，但再往前，其预测精度会大幅下降，甚至可能低于单变量模型。三是多元线性判定方法有一个很严格的假设，这就大大限制了多元线性判定方法的使用范围。

（二）EVA判别方法 经济增加值（EVA）的英文简称，是一种评价公司经营业绩的新指标，其定义为EVA=NOPAT-KW（NA）。其中，NOPAT为税后净经营利润；KW为公司资本加权平均成本；NA为经过调整的期初公司净资产价值。EVA判别法相对于传统财务指标相比具有以下优势：（1）真实性。由于EVA针对现行的会计政策进行了一系列的调整，减少了上市公司管理层通过各种途径改变资本结构，从而进行盈余管理。这相对于传统的会计指标，能更加真实地反映上市公司的经营状况。（2）可靠性。EVA作为一种创值指标，它不仅考虑了公司使用的全部资本，充分利用了公司提供的全部公开信息，而且考虑了风险，同时含有企业外部的市场信息，而传统的财务指标则完全利用公司内部的信息。所以，这相对于传统的财务指标具有明显的可靠性。

EVA判别法的局限性：由于EVA涉及对传统利润指标复杂的调整计算，其实用性遭到国内学者的质疑，所以有关EVA在预测财务困境方面的研究目前在国内尚属空白。

（三）F分数模型 F分数模型的判别函数如下：

F=-0.1774+1.1091X1+0.1074X2+1.9271X3+0.0302X4+0.4961X5

其中，X1=（期末流动资产一期末流动负债）/期末总资产；X2=期末留存收益/期末总资产；X3=（税后纯收益+折旧）/平均总负债；X4=期末股东权益的市场价值/期末总负债；X5=（税后纯收益+利息+折旧）/平均总资产。

F分数模型的临界点为0.0274，若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。此数值上下0.0775内为不确定区域，区间为[-0 0501，0.1049]，若落入此区域中，管理决策者应该进一步分析，因为F分数模型只能辅助管理者，警告可能会发生财务危机。即F分数模型的判断标准可如下表示：F>0.0274，表示被预测为继续生存公司；F

F分数模型中的5个自变量的选择是基于财务分析理论，因此，它可以较为准确地预测出企业是否存在财务危机，降低了单变量的误判率；及时预警上市公司的财务危机并寻求发生财务危机的根源，同时还能加强公司对于财务危机的防范措施，分析和判断上市公司未来的发展趋势，在一定程度上，可以帮助利益相关者做出相应的决策。

虽然已经建立了系统的财务预警模型，但目前很多上市公司并没有广泛采用，这是因为一方面很多上市公司的管理当局缺乏建立系统的财务预警模型的意识，另外上市公司建立的科学的财务预警系统要在真实合法的资料基础上，但是由于中国的资本市场不完善，上市公司造假的现象屡见不鲜，使得建立出来的系统并没有发挥应有的作用，上市公司的会计失真现象极大地影响到财务预警系统的有效性，使其失去应有的效果，财务预警系统也就形同虚设了。

三、上市公司财务预警系统实证分析――以制造业为例

本文针对我国沪、深两市所有被ST的制造业上市公司进行随机抽样，从中随机抽取10家ST上市公司以及10家非ST的制造业上市公司作为本次的研究样本。本文的样本数据均取自各年上市公司公开披露在网上（和讯、证券之星、巨潮资讯等）的各年年报和有关财务指标，主要选取2008～2010年的相关财务数据进行研究。

（一）Z-Score模型实证分析 按照Z-Score模型的要求收集整理财务数据，计算得到不同年份制造业上市公司的Z值得分，见表1～6。

Z-Score模型预警方法分析：（1）对非ST上市公司的预测。从上述的表格中可以看出，Z-Score模型对非ST企业的预测结果为：非ST上市公司的Z值大于2.675（即处于安全地带）的平均比例为63.33%；Z值在1.81～2.675之间（即处于灰色地带）的平均比例为26.33%；Z值小于1.81的（即处于危险地带）的平均比例为10.34%。这说明我国非ST制造业上市公司财务状况基本良好，有一定的抵御风险的能力。（2）对ST上市公司的预测。从上述的表格中可以看出，在被“特别处理”前几年，上市公司的财务状况已经出现明显的恶化。Z-Score模型对ST企业的预测结果为：Z值小于1.81（即处于危险地带）的平均比例为60%；Z值在1.81～2.675之间（即处于灰色地带）的平均比例为16.67%；Z值大于2.675（即处于安全地带）的平均比例为23.33%。这说明我国ST制造业上市公司财务状况大部分处于破产边缘，它们需要及时调整本身存在的问题，如果不及时进行调整或者是调整力度不够，就极易走向破产的深渊。（3）ST上市公司在被列入“特别处理”的前两年（即2008、2009年），他们的Z值平均值为-2.432；而同期非ST的上市公司我Z值平均值为4.3918。很显然，ST上市公司的财务状况远远差于非ST上市公司，ST上市公司的财务危机已经相当严重了，已经在破产的边缘了。

（二）EVA判别法实证分析 按照EVA判别法的要求收集整理财务数据，计算得到不同年份制造业上市公司的EVA值，见表7～9。

EVA判别法的分析：（1）对非ST上市公司的分析。从上述表格中可以看出，非ST上市公司的EVA为正数的平均比例为73.33%，这说明我国上市公司的创值能力还是比较强的。同时，非ST上市公司的EVA平均值呈现逐年递增的现象，这说明我国非ST上市公司的财务状况普遍较为良好。分析如图1所示。

（2）对ST上市公司的分析。从上述表格中可以看出，ST上市公司的EVA为负数的比例比较高，尤其是在前两年（即2008、2009年），达到了70%。同时，2008、2009年两年的企业EVA值持续走低，说明这些企业的财务状况更加恶化了，急需做出调整。而到了2010年，ST上市公司的EVA值大部分都为正数，只有两家企业为负数，这说明各ST企业经过了一系列的调整，并取得了一定的成效。ST上市公司这三年的EVA值走势如图2所示

（3）对比ST上市公司和非ST上市公司，不难发现，虽然ST企业在2010年的财务状况稍微得到了一点改善，但是其财务危机还是明显地比非ST上市公司恶化，必须进行及时有效的调整措施，要不然就难逃被破产厄运。同时，非ST企业也有不稳定的，也必须进行相应的调整，切勿置之不理，否则，等到风险积压到一定程度的时候就会演变成财务危机，直至破产。

（三）F分数模型实证分析 按照F分数模型的要求收集整理财务数据，计算得到不同年份制造业上市公司的F值得分，见表10～15。

F分数模型预警方法的判定结果及分析：（1）对非ST上市公司的预测。从上述的表格中可以看出，F分数模型对非ST企业的预测结果为：非ST上市公司的F值大于0.1049（即处于安全地带）的平均比例为80%；F值在-0.0501～0.1049之间（即处于不稳定地带）的平均比例为20%；Z值小于-0.0501的（即处于危险地带）的为0。（2）对ST上市公司的预测。从表10～15中可以看出，在被“特别处理”前几年，上市公司的财务状况已经出现明显的恶化。F分数模型对ST企业的预测结果为：F值小于-0.0501（即处于危险地带）的平均比例为50%；F值在-0.0501～0.1049之间（即处于不稳定地带）的平均比例为20%；Z值大于0.1049（即处于安全地带）的平均比例为30%。（3）ST上市公司在被列入“特别处理”的前两年（即2008、2009年），其F值小于-0.0501的平均比例为70%，其F值远远低于非ST上市公司。但是ST公司于2010年的F值小于-0.0501为0家，说明ST上市公司经过了两年的调整逐渐走出了金融危机带来的影响，并逐渐走出财务危机。

（四）制造类上市公司财务预警模型实证结果比较 针对以上研究结果，并对其进行汇总，得到表16。

从表16可以看出：（1）三种预警模型在特别处理前一年，EVA判别法的准确率为70%，而Z-Score模型以及F分数模型的准确率则为75%，高于EVA判别法。（2）三种预警模型在特别处理前两年，Z-Score模型以及EVA判别法的准确率都为75%，而F分数模型的准确率则为80%，高于另外两种判别方法。（3）综合比较，三种方法的准确率都比较高，但是F分数模型的准确率最高，高于EVA判别法和Z-Score模型。

（五）F分数模型优势 从上述的财务分析情况来看，利用F分数模型可以有效监测公司的运营情况。F分数模型中的5个自变量的选择是基于财务分析理论，因此，它可以较为准确地预测出企业是否存在财务危机，降低了单变量的误判率；还能及时预警上市公司的财务危机情况，寻求发生财务危机的根源；同时加强公司对于财务危机的防范措施，分析和判断上市公司未来的发展趋势，在一定程度上，可以帮助利益相关者做出相应的决策，有利于公司的健康长远发展。通过Execl等软件进行数据处理工作，有目的、有计划地进行了我国制造业上市公司财务预警模型的研究，得出以下结论：

我国制造业非ST上市公司普遍具有良好的财务状况，具有较好的风险抵御能力。但是，也有的非ST企业处于不稳定甚至危险地带，这些企业必须及时而有效的做出相应的调整措施，如果调整不力或者是效果不明显，则这些财务风险必将演变成财务危机，进一步威胁着企业的生产发展；Z-Score模型能提供给投资者更多的预测性，投资者能早期得到企业陷入困境的警告，及早做出决策，规避风险，还可以帮助企业做出信用决策等；EVA作为一种长期的财务指标，其对企业财务困境的预测具有相关性，且相对其他财务指标其预测准确程度较高，这说明运用EVA对中国上市公司财务状况进行评价与分析具有一定的可行性；F分数模型可以更准确地预测出企业是否存在财务危机；降低了单变量的误判率；预警上市公司的财务危机；及时寻求发生财务危机的根源；加强公司对于财务危机的防范措施；分析和判断上市公司未来的发展趋势；在一定程度上，可以帮助利益相关者做出相应的决策。通过对比可以发现，在三种预警模型中，F分数模型的准确率最高，高于其他两种模型。

参考文献：

[1]宁静鞭：《基于KNN和logistic回归方法的财务预警模型比较》，《商业时代》2008年第13期。

[2]冯月平：《Logistic财务预警回归模型的构建与检验》，青岛理工大学2010年硕士学位论文。

篇10

[关键词] 财务预警模型 主成分分析 SPSS软件平台的二次开发

一、引言

本文首次引入多元逻辑回归法的主成分分析法SPSS软件二次开发平台,研究构建财务预警模型。以德光公司连续10年的财务数据为样本，以实际业绩波动为判断依据，作一次主成分法财务预警方法的实证研究，并期望对财务预警方法的普遍推广带来新的方法。

二、研究设计

纵观目前所有以财务指标为数据样本来建立财务预警模型的研究，始终以奥特曼(Altman)教授的多变量模型为蓝本 Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5 （式一）

按这一思路。为获得德光公司特有财务预警模型，计划按下列框架进行研究。

1.以主成分分析法得到的特征方程根贡献率作为模型系数（上文公式中系数）。为准确且快速有效获得结果，研究中使用著名商业软件SPSS和最新主成分分析法二次开发成果来演绎数据。

2.借鉴以已有的主成分法对我国上市公司的研究结果（2006年），同时结合自身公司的实际获取德光公司的财务指标主成分（上文公式中变量X）。

3.用主成分分析法推导获得的德光公司特有的财务预警模型。为检验该预警模型的准确性，用理论近似的F值模型法检验比较结果有效性。

4.选用ST大唐上市公司过去10年（1998~2007）的财务数据为样本重复研究，进一步验证本文方法的正确性和普遍适用性。

三、财务预警模型的建立及预警效果分析

1.SPSS的主成分法二次开发平台的运行环境与调试。

SPSS的主成分法二次开发平台 ，需要安装在Window XP操作系的电脑上。本研究选用统计运用软件SPSS(v13)和netframework2.0，再通过SPSS的功能编辑器导入二次开发的主成分法。软件安装成功后，通过运行测试数据检查了计算平台的正确有效性。

2.财务指标的选择和财务警情的判断值定义

在已有主成分分析法对我国几十家上市公司的财务预警模型的研究基础 ，结合实际决定采用下列9个财务指标和预警值Z的评价区域判断依据表（表1）：

财务指标定义:1应收账款周转率=销售收入/应收账款平均占用额；2速动比率=（流动资产-存货）/流动负债；3总资产周转率=销售收入/平均总资产;4主营毛利率=(销售收入-销售收入)/销售收入;5主营业务收入增长率=(本年主营收入-上年主营收入)/上年主营收入；6总资产净利润率=净利润/总资产平均余额；7股东权益比=净资产/总资产；8利息保障倍数=息税前利润总额/利息费用；9主营业务现金比率=销售收入的现金回收总数/销售收入

3.主成分法数据计算和结果

(1)主成分法财务预警方法在德光公司实证研究

德光公司是一家中德合资企业，一直担当国内光学显微镜行业的龙头企业。从1999年进行了股份重组由合资变为德方90%控股及新聘总经理。为公司引来了新一轮发展机遇。为研究公司财务预警可显示性，本文正是选用了这样一段历史阶段（1998年到2007年）。

在SPSS软件平台输入德光公司的10年财务指标，获得以下主成分分析法的主要结果：

按数学模型合并主成分的贡献率后得到以下主成分法财务预警方程模型：

Z=0.286X1+0.196X2+0.259X3+0.099X3-0.183X4+0.218X5+0.251X6+

0.249X7+0.187X8（式二）

由主成分方程模型计算得到德光公司10年的预警值Z值(见表5，A部分）

(2)选用F 值模型对以上结果的准确性做验证

将德光公司的10年的财务指标，输入F 值模型法 ，计算运行获F值(见表5，B部分).

当F

(3)选取ST大唐公司做重复检验研究

为进一步验证本文所选实证研究方法的正确性和普及性，以相同的主成分法模型和运算平台，随机选取了一家ST上市作为检验对象， ST大唐全称为大唐电信科技股份有限公司。是一家从事各类通信网络系统等网络建设为主要业务的通信制造企业。研究选用从“中国上市公司资讯网”，获得的ST大唐上市公司过去10年（1998~2007）的财务数据为样本。

在SPSS平台运行主成分分析法，合并主成分的贡献率后得到以下财务预警方程模型：

Z=0.240X1+0.212X2+0.287X2+0.144X3+0.207X4+0.185X5 +0.188X6+0.249X7+-0.091X8（式三）

用ST大唐公司财务指标在以上方程式计算得到ST大唐上市公司10年的预警值如下：

四、模型的预警效果检验及研究结论

1.对德光2种不同方法获得的不同结果的比较分析。

为方便比较研究，将德光2种不同方法获得的结果汇总如(表5)

由主成分方程模型计算获得德光公司10年的预警值和用F模型计算获取结果的分析比较，得到以下分析：

第一，两种方法预警值变化趋势相同。从2种不同法方得到的结果都显示出相同的公司发展趋势，按财务预警值模型理论2种方法的预警值都趋向逐渐变大，都反映了预警结果和公司实际发展相一致的状况，那就是公司在向好的财务状态发展。

第二，两种方法前3年的财务预警预测结果一致。由表4我们可以看出，公司前三年连续亏损。但亏损趋势由大变小。2种不同方法都如实反映出这一事实。略有差异是2种方法的精确度或是系统内在的统计原理导致理解的差异。F模型由于对警情程度没有定量的逐级细分所以不能看出企业在第三年的发展趋势。而主成分法，模型建立在大量实际案例的统计判断分析，并设定细致的警情判断值，能深一步告知我们当前企业的发展趋势。其结果更准确和有指导性。

第三，除了第五年，以后警情结果一致。由F值模型中公式中有关自变量定义得知，由于直接引用了净利润，所以净利润的盈亏对F模型的影响会突出的明显。而主成分法通过数学提炼把原来多个财务指标统一归纳，获得即能代表原来因素的趋势但不同于原来指标的主成分指标，故而反映出更全面深入的企业发展动态和趋势。主要导致F模型对第五年的财务状况有警情的原因是在第五年公司为提升现有和将来发展建立了先进的但昂贵的ERP(企业资源管理软件SAP)软件。由于会计处理的规定当年费用化所有与软件无关的费用，制使当年的管理费用比往年翻倍利润大幅下降。而由于主成分法的方法更科学，预警结果放映了公司发展本质而没有报警。

验证结论：通过以上3点分析，可以得到由本研究方法获得的主成分法财务预警模型方程（式二）用于德光公司的财务预警是有效可行的。

2.本文实证方法在ST大唐上市公司的结果分析

用主成分分析法的SPSS二次开发平台计算获得如表4的ST大唐上市公司10年的预警值。并通过与该公司同期的每股盈利水平的分析比较，笔者得到以下分析，

第一，预警结果100%反映公司实际盈亏。采用主成分分析预警模型计算得到大唐公司的10年预警结果，与公司实际每股收益做分析对比，并按该预警警情判断值表（表1），预警值能正确反映出该公司当年度的盈利变化的方向是好是坏。

第二，由轻到重的警情指标能正确反映出公司业绩的变化趋势。对表8中，对大唐公司10年业绩的观测，我们发现每当预警模型做出警情预报后公司业绩也随之变差，而一旦警情消失，业绩也马上会提升。

第三，通过已获得主成法预警方程成功实现对该公司2007年的预警预测。由于笔者在做本研究时该公司07年度公司业绩尚未发表。所以只用第三季度报表数据。结果由预警值出现由06年的“巨警”变为当前的“无警”。在事后对其业绩检查，大唐公司果然在07年实现扭亏为盈。

验证结论：通过以上3点分析，可以得到由本研究方法在大唐公司获得的主成分法财务预警模型方程（式三）用于ST大唐公司的财务预警是有效可行的。

五、结论

本文选取主成分法财务预警模型的已有预警研究成果并结合最新计算机软件开发平台，经过以上的运用研究，我们得出了以下结论：

第一 ，通过将以上2种方法在同一家公司的计较和同一种方法在不同公司的分析结果可以看出，本文所进行的财务预警方法研究而获得的基于正确的公司财务数据的财务预警模型对公司经营趋势具有较强的预测能力。

第二，对主成分法财务预警模型方程的系数研究分析发现，由于该系数时基于企业自身业务领域的特殊性统计得到的不同权重系数，所以能为企业经营管理人客观的提供提高业绩的经营重点领域。如提高总资产周转率等。

第三，在对样本数据的准备和试验中，发现由于该理论方法的内在需求，采用主成分法财务预警模型要获得正确预测方程，其样本数据的取样年限有一定要求建议在实际操作中，样本每年叠加，方程每年更新，但以KMO检验及球形检验的检验值不断提高，使之趋向于1为前提。

参考文献:

[1]Altman E. Financial ratios discriminated analysis and prediction of corporate bankruptcy[J].Journal of Finance，1968，(11):588～609