前言：中文期刊網(wǎng)精心挑選了企業(yè)財(cái)務(wù)預(yù)警研究范文供你參考和學(xué)習(xí)，希望我們的參考范文能激發(fā)你的文章創(chuàng)作靈感，歡迎閱讀。
企業(yè)財(cái)務(wù)預(yù)警研究范文1
關(guān)鍵詞 企業(yè) 財(cái)務(wù)風(fēng)險(xiǎn) 預(yù)警模型
一、引言
隨著市場(chǎng)經(jīng)濟(jì)的不斷發(fā)展完善，企業(yè)經(jīng)營(yíng)發(fā)展面臨的外部競(jìng)爭(zhēng)日趨激烈，同時(shí)所應(yīng)對(duì)的風(fēng)險(xiǎn)問(wèn)題也越發(fā)嚴(yán)重，尤其是在當(dāng)前經(jīng)濟(jì)趨于下行時(shí)期，企業(yè)各類風(fēng)險(xiǎn)特別是財(cái)務(wù)風(fēng)險(xiǎn)問(wèn)題頻發(fā)，預(yù)警防范控制管理不當(dāng)，很容易造成企業(yè)出現(xiàn)嚴(yán)重的財(cái)務(wù)危機(jī)。為了確保企業(yè)經(jīng)營(yíng)活動(dòng)開展過(guò)程中各項(xiàng)管理工作的安全規(guī)范，促進(jìn)企業(yè)健康穩(wěn)定持續(xù)發(fā)展，必須在企業(yè)內(nèi)部建立完善的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系，及時(shí)發(fā)現(xiàn)企業(yè)內(nèi)部經(jīng)營(yíng)過(guò)程中的財(cái)務(wù)風(fēng)險(xiǎn)問(wèn)題，進(jìn)而采取有效的控制防范措施，為企業(yè)在復(fù)雜市場(chǎng)環(huán)境下的經(jīng)營(yíng)發(fā)展提供良好的基礎(chǔ)條件，這也是企業(yè)管理工作的核心內(nèi)容。
二、企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)概念及其成因分析
財(cái)務(wù)風(fēng)險(xiǎn)主要是指企業(yè)在開展各項(xiàng)業(yè)務(wù)經(jīng)營(yíng)以及財(cái)務(wù)管理活動(dòng)中，由于外部市場(chǎng)環(huán)境以及內(nèi)部經(jīng)營(yíng)管理中的各種不確定因素，造成企業(yè)出現(xiàn)的財(cái)務(wù)狀況不穩(wěn)定的問(wèn)題。企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)問(wèn)題主要包含了籌資風(fēng)險(xiǎn)、投資風(fēng)險(xiǎn)、現(xiàn)金流以及連帶財(cái)務(wù)風(fēng)險(xiǎn)等幾類。按照現(xiàn)代企業(yè)管理理念，財(cái)務(wù)風(fēng)險(xiǎn)往往與企業(yè)的資本結(jié)構(gòu)有著直接的關(guān)聯(lián)，通常情況下，負(fù)債總額越高，財(cái)務(wù)風(fēng)險(xiǎn)問(wèn)題也就越大。造成企業(yè)出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)問(wèn)題的原因從企業(yè)內(nèi)部和外部環(huán)境分析，主要表現(xiàn)如下：
在企業(yè)的內(nèi)部經(jīng)營(yíng)管理上，導(dǎo)致企業(yè)可能出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)的問(wèn)題主要有：企業(yè)的經(jīng)營(yíng)管理過(guò)程中，盈利能力較差，企業(yè)的成本投資難以實(shí)現(xiàn)相應(yīng)的效益收入，整體運(yùn)營(yíng)管理能力較差；在財(cái)務(wù)工作方面，應(yīng)收賬款控制不力，存貨周轉(zhuǎn)率處理不合理，成本控制效果較差；企業(yè)的成長(zhǎng)潛力較弱，發(fā)展能力不佳，難以支撐長(zhǎng)期的經(jīng)營(yíng)發(fā)展；企業(yè)的內(nèi)部控制管理機(jī)制不健全，在內(nèi)部決策管理等各個(gè)方面存在較多漏洞和薄弱環(huán)節(jié)，論證決策流程不夠科學(xué)合理，內(nèi)部審計(jì)監(jiān)督不及時(shí)等等。
在外部環(huán)境上，有可能導(dǎo)致企業(yè)出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)的因素主要有：外部宏觀經(jīng)濟(jì)環(huán)境的波動(dòng)，特別是當(dāng)前經(jīng)濟(jì)下行壓力大，更易導(dǎo)致財(cái)務(wù)風(fēng)險(xiǎn)；國(guó)家相關(guān)產(chǎn)業(yè)政策調(diào)整，特別是金融信貸政策的變化波動(dòng)等等，影響了企業(yè)的資金周轉(zhuǎn)，或者是對(duì)企業(yè)的生產(chǎn)經(jīng)營(yíng)業(yè)務(wù)帶來(lái)了不良影響，這些問(wèn)題都有可能造成企業(yè)出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)問(wèn)題。
三、企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系構(gòu)建的基本原則
財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警主要是指運(yùn)用財(cái)務(wù)管理以及現(xiàn)代化企業(yè)管理理論，通過(guò)比率、比較以及因素分析等相關(guān)的分析手段，依靠對(duì)企業(yè)各類財(cái)務(wù)會(huì)計(jì)信息的分析，及時(shí)監(jiān)測(cè)分析企業(yè)生產(chǎn)經(jīng)營(yíng)過(guò)程中可能出現(xiàn)的財(cái)務(wù)風(fēng)險(xiǎn)問(wèn)題，為企業(yè)制定財(cái)務(wù)風(fēng)險(xiǎn)防范控制措施提供科學(xué)的參考依據(jù)。在企業(yè)內(nèi)部構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系應(yīng)該重點(diǎn)遵循以下幾項(xiàng)原則：
（1）有效性原則。在企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系的建設(shè)上，應(yīng)該遵循科學(xué)、合理、有效的基本原則，特別是在財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)的選取上，應(yīng)該充分考慮企業(yè)所處行業(yè)的特點(diǎn)、企業(yè)自身的實(shí)際規(guī)模、政策要求以及內(nèi)部管理情況等，確保整個(gè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系能夠真正發(fā)揮作用。
（2）可操作性的原則。一些企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系失效的重要一方面原因就是由于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)選取不當(dāng)，難以對(duì)財(cái)務(wù)風(fēng)險(xiǎn)數(shù)據(jù)進(jìn)行定性定量分析。因此，提高企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系的有效性，在財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)的選取上，應(yīng)該結(jié)合企業(yè)能夠收集到的財(cái)務(wù)數(shù)據(jù)以及相關(guān)的財(cái)務(wù)會(huì)計(jì)信息等，合理地確定財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)，提高可操作性。
（3）預(yù)測(cè)性的原則。造成企業(yè)出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)的主要原因就是由于受到各種不確定因素的影響，因此在企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系的建設(shè)上，應(yīng)該充分突出財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的準(zhǔn)確預(yù)測(cè)功能，通過(guò)對(duì)各項(xiàng)財(cái)務(wù)會(huì)計(jì)信息數(shù)據(jù)以及財(cái)務(wù)指標(biāo)的分析，及時(shí)發(fā)現(xiàn)企業(yè)風(fēng)險(xiǎn)點(diǎn)，進(jìn)而指導(dǎo)企業(yè)科學(xué)合理地制定相應(yīng)財(cái)務(wù)風(fēng)險(xiǎn)決策。
四、企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系具體建設(shè)研究
（1）科學(xué)合理地選擇財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)。在企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)的選擇上，應(yīng)該確保可以全面反映企業(yè)的財(cái)務(wù)狀況以及可能出現(xiàn)的財(cái)務(wù)風(fēng)險(xiǎn)，同時(shí)又能夠體現(xiàn)行業(yè)的特殊性，具有較強(qiáng)的可操作性與可比性。在財(cái)務(wù)指標(biāo)的具體選擇上，選擇指標(biāo)重點(diǎn)可以參考以下幾方面：短期償債能力指標(biāo)，主要全面地反映企業(yè)、債權(quán)人以及投資者之間的權(quán)益關(guān)系，通常通過(guò)流動(dòng)比率、現(xiàn)金比率、營(yíng)運(yùn)資金對(duì)資產(chǎn)總額比率等財(cái)務(wù)指標(biāo)進(jìn)行反映。長(zhǎng)期償債能力，主要是以資產(chǎn)負(fù)債率以及流動(dòng)資產(chǎn)比率作為風(fēng)險(xiǎn)衡量指標(biāo)。營(yíng)運(yùn)能力，主要反映企業(yè)運(yùn)作企業(yè)內(nèi)部各項(xiàng)流動(dòng)以及非流動(dòng)資產(chǎn)的能力，財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)的選擇上主要是以應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率等指標(biāo)。盈利能力指標(biāo)，主要評(píng)價(jià)企業(yè)贏取利潤(rùn)的能力，通常以營(yíng)業(yè)毛利率、營(yíng)業(yè)利潤(rùn)率、資產(chǎn)報(bào)酬率、總資產(chǎn)凈利潤(rùn)率、銷售利潤(rùn)率、成本費(fèi)用利潤(rùn)率等指標(biāo)反映。成長(zhǎng)能力指標(biāo)，通常以總資產(chǎn)增長(zhǎng)率、營(yíng)業(yè)收入增長(zhǎng)率來(lái)評(píng)價(jià)。現(xiàn)金流量指標(biāo)，目的是為了評(píng)價(jià)分析企業(yè)現(xiàn)金流轉(zhuǎn)能力及可能存在的風(fēng)險(xiǎn)問(wèn)題，評(píng)價(jià)指標(biāo)主要是每股經(jīng)營(yíng)活動(dòng)現(xiàn)金凈流量、現(xiàn)金流量比率、全部資產(chǎn)現(xiàn)金回收率等指標(biāo)，也是企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的關(guān)鍵指標(biāo)。通過(guò)合理地選擇指標(biāo)，為評(píng)價(jià)分析企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)提供良好的前提基礎(chǔ)。
（2）財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)權(quán)重確定及模型構(gòu)建。在明確了企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)以后，需要進(jìn)一步確定企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)的權(quán)重。現(xiàn)階段對(duì)于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)權(quán)重的確定，往往采取層次分析法來(lái)確定，并通過(guò)專家論證的方式，以確保各項(xiàng)指標(biāo)權(quán)重賦值的科學(xué)合理。在完成指標(biāo)權(quán)重的確定以后，應(yīng)該結(jié)合企業(yè)的實(shí)際情況，通過(guò)統(tǒng)計(jì)分析軟件，針對(duì)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)管理建立相應(yīng)的控制函數(shù)，準(zhǔn)確地評(píng)價(jià)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的不同等級(jí)，明確不同財(cái)務(wù)管理活動(dòng)可能造成的財(cái)務(wù)風(fēng)險(xiǎn)隱患問(wèn)題。
（3）優(yōu)化企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警管理方法。在企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警管理過(guò)程中，應(yīng)該盡可能地利用各種信息化的技術(shù)、信息管理手段和風(fēng)險(xiǎn)計(jì)量工具，依托財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型等，建立風(fēng)險(xiǎn)實(shí)時(shí)監(jiān)控系統(tǒng)和風(fēng)險(xiǎn)預(yù)警系統(tǒng)，第一時(shí)間掌握可能發(fā)生的財(cái)務(wù)風(fēng)險(xiǎn)問(wèn)題。同時(shí)，在財(cái)務(wù)風(fēng)險(xiǎn)管理上應(yīng)該盡可能地采取分類管理的模式，依靠財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)進(jìn)行監(jiān)控，對(duì)于市場(chǎng)風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)等可度量指標(biāo)，依靠指標(biāo)體系檢測(cè)；對(duì)于操作風(fēng)險(xiǎn)、政策風(fēng)險(xiǎn)等不可度量的風(fēng)險(xiǎn)指標(biāo)，依靠?jī)?yōu)化業(yè)務(wù)流程來(lái)實(shí)現(xiàn)，最大限度地提高企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警效果。
（4）加強(qiáng)對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的應(yīng)對(duì)管理。在企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)應(yīng)對(duì)管理上，首先應(yīng)該建立暢通、高效的溝通機(jī)制，加強(qiáng)企業(yè)內(nèi)部風(fēng)險(xiǎn)管理工作和業(yè)務(wù)工作的聯(lián)系組織。企業(yè)內(nèi)部生產(chǎn)經(jīng)營(yíng)、財(cái)務(wù)管理等各個(gè)部門應(yīng)該及時(shí)就經(jīng)營(yíng)中存在的風(fēng)險(xiǎn)進(jìn)行及時(shí)的相互溝通，并進(jìn)一步制定完善的風(fēng)險(xiǎn)確認(rèn)、評(píng)估的標(biāo)準(zhǔn)和方法及風(fēng)險(xiǎn)控制的操作流程，提高財(cái)務(wù)風(fēng)險(xiǎn)控制以及風(fēng)險(xiǎn)監(jiān)督能力，進(jìn)而實(shí)現(xiàn)降低財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生可能性的目的。
五、結(jié)語(yǔ)
企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)因素多種多樣，為了控制財(cái)務(wù)風(fēng)險(xiǎn)問(wèn)題，企業(yè)財(cái)務(wù)管理部門應(yīng)該全面深入地總結(jié)可能造成企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的主要影響因素，合理地確定企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)，構(gòu)建完善的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系，依靠科學(xué)合理的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，防范各類財(cái)務(wù)風(fēng)險(xiǎn)問(wèn)題的發(fā)生。
（作者單位為青島公交集團(tuán)市南巴士有限公司）
參考文獻(xiàn)
[1] 陳燕，廖冠民.大股東行為、公司治理與財(cái)務(wù)危機(jī)[J].當(dāng)代財(cái)經(jīng)，2010（5）：14-17.
企業(yè)財(cái)務(wù)預(yù)警研究范文2
關(guān)鍵詞：財(cái)務(wù)預(yù)警模型；Fisher二類判別模型；Logistic回歸模型；BP網(wǎng)絡(luò)模型；比較研究
中圖分類號(hào)：F275 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3198（2007）09-0163-02
1 研究樣本的設(shè)計(jì)
財(cái)務(wù)預(yù)警模型的研究樣本設(shè)計(jì)過(guò)程，主要包括如何確定陷入財(cái)務(wù)危機(jī)公司的樣本組，如何確定作為配對(duì)標(biāo)準(zhǔn)的控制因素以及如何進(jìn)行兩組間樣本個(gè)體數(shù)量分配的問(wèn)題等。
（1）樣本組的選擇。
在選擇樣本組時(shí)，需要考慮以下幾個(gè)因素的影響：
①考慮樣本個(gè)體所處的行業(yè)。縱觀陷入財(cái)務(wù)危機(jī)的公司所處行業(yè)，發(fā)現(xiàn)制造業(yè)公司占大多數(shù)。為了消除行業(yè)因素的影響，在具體的環(huán)境下對(duì)財(cái)務(wù)預(yù)警模型進(jìn)行比較研究，把研究對(duì)象局限于制造業(yè)。
②確定陷入財(cái)務(wù)危機(jī)公司的一定研究期間。均衡地考慮樣本規(guī)模的大小和時(shí)間跨度的影響，選取了2003-2005年因“財(cái)務(wù)狀況異常”被ST的65家公司及65家財(cái)務(wù)健康公司作為配對(duì)樣本。同時(shí)，采用了Altman的研究方法，控制進(jìn)入樣本的個(gè)體，使其在三年的分布大致平均。其中，2003年24家財(cái)務(wù)危機(jī)公司和24家財(cái)務(wù)健康公司，2004年18家財(cái)務(wù)危機(jī)公司和18家財(cái)務(wù)健康公司，2005年23家財(cái)務(wù)危機(jī)公司和23家財(cái)務(wù)健康公司。
③考慮公司規(guī)模。樣本公司的規(guī)模雖然都在億元以上，但是沒(méi)有資產(chǎn)超過(guò)百億元的超大型公司，規(guī)模配合比較適中。
④對(duì)樣本數(shù)據(jù)完整性的要求。Zmijewski（1984）檢驗(yàn)了由于選樣時(shí)所持的數(shù)據(jù)完整性標(biāo)準(zhǔn)所帶來(lái)的模型偏差。他認(rèn)為前人的研究都將數(shù)據(jù)完整性作為選樣的標(biāo)準(zhǔn)，實(shí)際破壞了建立預(yù)測(cè)模型過(guò)程中所采用統(tǒng)計(jì)技術(shù)的應(yīng)用前提――隨機(jī)選樣的要求，而且一般陷入財(cái)務(wù)危機(jī)的公司更可能提供不完整的數(shù)據(jù)。建立在完整數(shù)據(jù)基礎(chǔ)上的模型忽視這一信息，無(wú)疑會(huì)使模型低估了公司破產(chǎn)的概率。他的研究表明這種偏差的確存在，但經(jīng)他修正以后的模型卻未在參數(shù)的統(tǒng)計(jì)顯著性和總體預(yù)測(cè)精度上有顯著提高。因此，本文并沒(méi)有按照隨機(jī)選樣的要求來(lái)選擇樣本，還是根據(jù)前人人為的可獲取資料的完整性來(lái)作為樣本選擇的標(biāo)準(zhǔn)之一。
2003-2005年，在滬深A(yù)股上市公司制造業(yè)中，共有69家公司被ST，其中2003年27家，2004年19家，2005年23家（如果樣本同時(shí)在兩年內(nèi)以ST的身份出現(xiàn)，歸為第一年樣本）。另外，剔除了4家數(shù)據(jù)不完整的公司，分別為ST金馬、ST珠峰、ST金泰、ST盛工。
（2）配對(duì)組的選擇。
①配對(duì)標(biāo)準(zhǔn)的控制因素。在制造業(yè)中，按照會(huì)計(jì)年度、資產(chǎn)規(guī)模（ST前1-5年期末資產(chǎn)總額最接近）配對(duì)的標(biāo)準(zhǔn)來(lái)選擇一定的配對(duì)樣本。
②兩組間樣本個(gè)體的數(shù)量分配。考慮到選樣并沒(méi)有顯著的影響模型總體的預(yù)測(cè)精度，選擇樣本的時(shí)候仍然是按照兩組間樣本數(shù)量一一對(duì)應(yīng)的標(biāo)準(zhǔn)來(lái)選取的。
根據(jù)上述選樣標(biāo)準(zhǔn)，2003-2005年共有65家財(cái)務(wù)危機(jī)公司，ST前1-5年分別有65家財(cái)務(wù)健康公司與之配對(duì)。隨機(jī)抽取45家財(cái)務(wù)危機(jī)公司（2003-2005每年各15個(gè)公司）和45家財(cái)務(wù)健康公司，作為建模樣本，剩下的20家財(cái)務(wù)危機(jī)公司和20家財(cái)務(wù)健康公司作為預(yù)測(cè)樣本。由于本文通過(guò)五次配對(duì)抽樣得到五組財(cái)務(wù)健康公司樣本，因而各組的財(cái)務(wù)健康公司不盡相同。
2 變量指標(biāo)的選擇
企業(yè)財(cái)務(wù)預(yù)警模型的理論基礎(chǔ)相對(duì)比較薄弱，缺乏能夠準(zhǔn)確預(yù)測(cè)模型所應(yīng)包括的變量指標(biāo)的經(jīng)濟(jì)理論支持，所以目前該領(lǐng)域內(nèi)的實(shí)證研究還處于初期探索的艱苦階段。根據(jù)以往的研究，財(cái)務(wù)預(yù)警模型根據(jù)所用的變量指標(biāo)類型不同可分為財(cái)務(wù)指標(biāo)類模型、現(xiàn)金流量類模型和市場(chǎng)收益類模型。
在借鑒國(guó)內(nèi)外已有文獻(xiàn)，同時(shí)考慮數(shù)據(jù)的可獲得性的前提下，初步確定了53個(gè)變量指標(biāo)，分別反映了企業(yè)流動(dòng)性及償債能力、盈利能力、營(yíng)運(yùn)能力、發(fā)展能力和現(xiàn)金流量等方面。部分變量指標(biāo)直接來(lái)自中國(guó)股票市場(chǎng)交易數(shù)據(jù)庫(kù)，部分是數(shù)據(jù)庫(kù)中的三張財(cái)務(wù)報(bào)表計(jì)算得出的。
3 模型的建立與檢驗(yàn)
（1）Fisher二類判別模型的建立與檢驗(yàn)。
①異常值的處理。本文采用標(biāo)準(zhǔn)化數(shù)值（Z分?jǐn)?shù)）來(lái)檢測(cè)異常值，剔除了Z分?jǐn)?shù)小于-3或大于+3的值。
②柯爾莫哥洛夫-米諾夫（K-S）檢驗(yàn)。通過(guò)單樣本的K-S檢驗(yàn)來(lái)驗(yàn)證變量指標(biāo)是否符合正態(tài)分布，檢驗(yàn)結(jié)果表明：部分指標(biāo)符合正態(tài)分布，部分指標(biāo)不符合正態(tài)分布。
③曼-惠特尼-威爾科克森（MWW）檢驗(yàn)。根據(jù)樣本數(shù)據(jù)的特征，采用MWW非參數(shù)檢驗(yàn)法來(lái)分析財(cái)務(wù)危機(jī)公司和財(cái)務(wù)健康公司的53個(gè)變量指標(biāo)總體分布是否相同。檢驗(yàn)結(jié)果表明：
④方差-協(xié)方差相等的檢驗(yàn)（BoxM檢驗(yàn)）。在0.000的顯著性水平上拒絕了總體協(xié)方差陣相等的零假設(shè)。因此，采用合并的方差-協(xié)方差陣進(jìn)行判別分析。
⑤逐步判別分析（多重共線性）。采用容許度（TOL）統(tǒng)計(jì)量檢驗(yàn)多重共線性，TOL統(tǒng)計(jì)量值都大于0.1，說(shuō)明進(jìn)入模型的六個(gè)變量不具有多重共線性。
⑥Fisher二類判別模型的建立。
⑦Fisher二類判別模型的擬合優(yōu)度檢驗(yàn)。
使用Fisher二類線性判別模型，以原始數(shù)據(jù)分別進(jìn)行回代，組合的平均Z值分別是2.468和-2.139。確定的先驗(yàn)概率為0.5，所以確定最佳判定點(diǎn)為兩者的平均值0.1645。
當(dāng)以原始數(shù)據(jù)代入判別模型所得的判別分Z值大于最佳判定點(diǎn)0.1645，則判定為組合0，即財(cái)務(wù)健康公司；否則判定為組合1，即財(cái)務(wù)危機(jī)公司。Wilkλ值為0.1540，較小；顯著性水平為0.0000，拒絕兩組判別函數(shù)均值相等的零假設(shè)；說(shuō)明此Fisher二類判別函數(shù)模型擬合較好。
⑧Fisher二類判別模型的預(yù)測(cè)結(jié)果。
在ST前1年，采用Fisher二類判別模型，選擇進(jìn)行建模的樣本組，預(yù)測(cè)準(zhǔn)確率為92.7%；留作預(yù)測(cè)的樣本組，預(yù)測(cè)準(zhǔn)確率為91.9%；選擇進(jìn)行交互式檢驗(yàn)的樣本組，預(yù)測(cè)準(zhǔn)確率為91.5%。
同理，對(duì)ST前2-5年分別建立了Fisher二類判別模型，并進(jìn)行了檢驗(yàn)。最后得出，ST前1-5年，F(xiàn)isher二類判別模型的預(yù)測(cè)準(zhǔn)確率分別為91.9%，87.5%，72.5%，72.5%，63.4%；離ST時(shí)間越近，預(yù)測(cè)準(zhǔn)確率越高；具有提前4年的預(yù)測(cè)能力。
（2）Logistic回歸模型的建立與檢驗(yàn)。
①Logistic回歸模型的建立。
Fisher二類判別模型中篩選的變量指標(biāo)已進(jìn)行了多重共線性檢驗(yàn)，不存在多重共線性；因變量被分為兩組分別為組1和組0；樣本數(shù)量遠(yuǎn)遠(yuǎn)大于參數(shù)個(gè)數(shù)，符合Logistic回歸模型的適用條件。采用Fisher二類判別模型中篩選的變量指標(biāo)，分別建立ST前1-5年的Logistic回歸模型。
②Logistic回歸模型的擬合優(yōu)度檢驗(yàn)。在SPSS的Logistic回歸程序中，輸出的-2LL值為23.672，較小，說(shuō)明所建模型擬合較好。Hosmer and Lemeshow Test統(tǒng)計(jì)量大于0.05，接受觀測(cè)數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)之間沒(méi)有顯著差異的零假設(shè)，即認(rèn)為模型對(duì)數(shù)據(jù)的擬合度較好。
③Logistic回歸模型的預(yù)測(cè)準(zhǔn)確性檢驗(yàn)。Cox & Snell R2，Nagel ker ke R 解釋的是回歸變異，值分別為0.666和0.888，說(shuō)明自變量對(duì)因變量具有很強(qiáng)的解釋能力。
④Logistic回歸模型的Χ2檢驗(yàn)。本文僅考慮到兩種模型：僅包含常數(shù)項(xiàng)的模型和包含常數(shù)項(xiàng)與6個(gè)變量的模型，所以三種模型的卡方值全部相同。整體顯著性水平檢驗(yàn)的P值為0.000，說(shuō)明模型中所包含的自變量對(duì)因變量有顯著的解釋能力，所擬合的方程具有統(tǒng)計(jì)學(xué)意義。
⑤Logistic回歸模型的預(yù)測(cè)結(jié)果。在ST前1年采用Logistic回歸模型，建模樣本達(dá)到93.9%的預(yù)測(cè)準(zhǔn)確率，預(yù)測(cè)樣本達(dá)到91.9%的預(yù)測(cè)準(zhǔn)確率。
同理，對(duì)ST前2-5年建立Logistic回歸模型并進(jìn)行檢驗(yàn)，得出預(yù)測(cè)準(zhǔn)確率分別為94.6%，70%，71.8%，69.2%。這說(shuō)明此模型具有提前五年的預(yù)警能力。但是，出現(xiàn)ST前2年的預(yù)警能力比ST前1年高、ST前4年的預(yù)警能力比ST前3年高的異常現(xiàn)象，說(shuō)明Logistic回歸模型的預(yù)測(cè)不穩(wěn)定，可能是由于建模樣本與預(yù)測(cè)樣本選擇的隨機(jī)性所致。
（3）BP網(wǎng)絡(luò)模型的建立與檢驗(yàn)。
本文建立了一個(gè)輸入層、兩個(gè)隱層和一個(gè)輸出層的BP網(wǎng)絡(luò)模型。其中，輸入層有6個(gè)結(jié)點(diǎn)，第一個(gè)隱層有3個(gè)結(jié)點(diǎn)，第二個(gè)隱層有2個(gè)結(jié)點(diǎn)，輸出層有1個(gè)結(jié)點(diǎn)。指定學(xué)習(xí)參數(shù)r=0.1，對(duì)ST前1年的90個(gè)建模樣本進(jìn)行訓(xùn)練，經(jīng)過(guò)1483次訓(xùn)練結(jié)束，得到各結(jié)點(diǎn)之間的權(quán)數(shù)。
ST前1年，訓(xùn)練樣本達(dá)到96.67%的預(yù)測(cè)準(zhǔn)確率，學(xué)習(xí)樣本達(dá)到95%的預(yù)測(cè)準(zhǔn)確率。ST前2年，有3個(gè)指標(biāo)進(jìn)入模型；ST前3-5年，只有兩個(gè)指標(biāo)進(jìn)入模型。這樣，輸入層結(jié)點(diǎn)過(guò)少，導(dǎo)致隱藏層沒(méi)有存在的必要，從而使得神經(jīng)網(wǎng)絡(luò)模型線性化。在原來(lái)進(jìn)入模型的變量指標(biāo)基礎(chǔ)之上，又進(jìn)行了定性分析，分別加入了幾個(gè)指標(biāo)，使得每年的輸入層都保持與ST前1年相同的6個(gè)結(jié)點(diǎn)。ST前2年，訓(xùn)練樣本達(dá)到93.33%的預(yù)測(cè)準(zhǔn)確率，學(xué)習(xí)樣本達(dá)到85%的預(yù)測(cè)準(zhǔn)確率。對(duì)于ST前3-5年數(shù)據(jù)，不管學(xué)習(xí)參數(shù)如何設(shè)定，訓(xùn)練樣本都很難收斂，說(shuō)明再用神經(jīng)網(wǎng)絡(luò)建立財(cái)務(wù)預(yù)警模型意義不大。
4 預(yù)測(cè)結(jié)果的比較
ST前1年，F(xiàn)isher二類判別模型、Logistic回歸模型和BP網(wǎng)絡(luò)模型的預(yù)測(cè)準(zhǔn)確率分別為91.9%，91.9%，95%，說(shuō)明BP網(wǎng)絡(luò)模型具有最強(qiáng)的預(yù)測(cè)能力。ST前2年，三種模型的預(yù)測(cè)準(zhǔn)確率分別為87.5%，94.6%，85%，說(shuō)明Logistic回歸模型具有最強(qiáng)的預(yù)測(cè)能力。ST前3年、前4年，F(xiàn)isher二類判別模型比Logistic回歸模型具有更好的預(yù)測(cè)能力。ST前5年，F(xiàn)isher二類判別模型和Logistic回歸模型的預(yù)測(cè)準(zhǔn)確率都低于70%，預(yù)測(cè)能力有限。
參考文獻(xiàn)
［1］Fitzpatrick. A Comparison of Ratios of Successful Industrial Enterprises with those of Failed Firms. Certified Public Accountant, 1932,（4）:598-662.
［2］Beaver W. Financial Ratios as Predictors of Failure［J］. Journal of Accounting Research, 1966：71-111.
［3］Altman E. Financial Ratios, Discriminant Analysic and the Prediction of Corporate Bankruptcy［J］.The Journal of Finance, 1968,（9）:589-609.
［4］陳曉，陳治鴻. 中國(guó)上市公司的財(cái)務(wù)困境預(yù)測(cè)［J］. 中國(guó)會(huì)計(jì)與財(cái)務(wù)研究，2000,（3）：55-75.
企業(yè)財(cái)務(wù)預(yù)警研究范文3
關(guān)鍵詞：企業(yè)財(cái)務(wù)危機(jī)預(yù)警 動(dòng)態(tài)管控框架
一、相關(guān)概述
企業(yè)的財(cái)務(wù)危機(jī)始終都伴隨著企業(yè)的生產(chǎn)經(jīng)營(yíng)過(guò)程，在實(shí)際運(yùn)營(yíng)過(guò)程中財(cái)務(wù)問(wèn)題及經(jīng)營(yíng)問(wèn)題都始終伴隨著企業(yè)的各個(gè)環(huán)節(jié)，財(cái)務(wù)危機(jī)的表現(xiàn)形式有多種多樣，主要是流動(dòng)資金不足、權(quán)益不足、流動(dòng)性不足以及債務(wù)拖欠等幾個(gè)方面，這些都可能導(dǎo)致企業(yè)在正常的經(jīng)濟(jì)業(yè)務(wù)時(shí)受到阻礙，甚至于發(fā)生除非企業(yè)進(jìn)行大規(guī)模的重組，否則難以有效化解危機(jī)及困難的局面。而且，在財(cái)務(wù)危機(jī)的諸多因素中，較弱的公司治理結(jié)構(gòu)往往會(huì)導(dǎo)致上市企業(yè)發(fā)生較為嚴(yán)重的財(cái)務(wù)危機(jī)，財(cái)務(wù)危機(jī)通常就會(huì)成為公司治理結(jié)構(gòu)比較薄弱的表現(xiàn)，正是基于這一原因，強(qiáng)化財(cái)務(wù)危機(jī)管理具有重要意義。
財(cái)務(wù)危機(jī)作為一種能夠嚴(yán)重干擾企業(yè)正常發(fā)展、影響企業(yè)價(jià)值的經(jīng)濟(jì)困境，通常會(huì)導(dǎo)致企業(yè)財(cái)務(wù)持續(xù)虧損或者嚴(yán)重虧損，進(jìn)而無(wú)法正常支付企業(yè)費(fèi)用及債務(wù)，在這種情況下，企業(yè)自身的持續(xù)經(jīng)營(yíng)能力、盈利能力及償債能力都會(huì)遭受很大的喪失和削弱，并進(jìn)一步導(dǎo)致企業(yè)破產(chǎn)，價(jià)值受損，是企業(yè)處于經(jīng)營(yíng)困難的處境。
二、企業(yè)財(cái)務(wù)危機(jī)機(jī)理研究
財(cái)務(wù)危機(jī)的出現(xiàn)并不是偶然的，它的形成和發(fā)展需要經(jīng)歷一個(gè)累積的過(guò)程，它是企業(yè)在自身的經(jīng)營(yíng)過(guò)程中，依次經(jīng)歷危機(jī)潛伏、危機(jī)形成、危機(jī)發(fā)展以及破產(chǎn)和恢復(fù)的一系列過(guò)程，正因?yàn)槿绱耍髽I(yè)財(cái)務(wù)危機(jī)常常具有漸進(jìn)性、突變性、綜合性、可逆性以及后果嚴(yán)重性的特點(diǎn)。并在發(fā)生的過(guò)程中出現(xiàn)多種征兆，這些征兆是多種多樣的，始終貫穿于企業(yè)的生產(chǎn)、經(jīng)營(yíng)、管理以及財(cái)務(wù)的各個(gè)方面和階段。
總的來(lái)講，企業(yè)的財(cái)務(wù)危機(jī)主要表現(xiàn)為以下幾個(gè)方面：首先是企業(yè)的利潤(rùn)質(zhì)量比較低，甚至于發(fā)生嚴(yán)重的虧損，其次是企業(yè)的資源浪費(fèi)情況嚴(yán)重，資源使用效率低下甚至無(wú)效，企業(yè)自身的財(cái)務(wù)狀況及經(jīng)營(yíng)狀況發(fā)生明顯的惡化，企業(yè)的資金短缺等。
由此可以發(fā)現(xiàn)，企業(yè)的財(cái)務(wù)危機(jī)始終都伴隨著企業(yè)的生產(chǎn)經(jīng)營(yíng)過(guò)程，在實(shí)際運(yùn)營(yíng)過(guò)程中財(cái)務(wù)問(wèn)題及經(jīng)營(yíng)問(wèn)題都始終伴隨著企業(yè)的各個(gè)環(huán)節(jié)，財(cái)務(wù)危機(jī)的因子早已在生產(chǎn)中潛伏著，企業(yè)發(fā)生財(cái)務(wù)危機(jī)實(shí)際上是危機(jī)因子不斷擴(kuò)大的結(jié)果。正是由于企業(yè)生產(chǎn)經(jīng)營(yíng)自身所具有的變化性及動(dòng)態(tài)性，企業(yè)的財(cái)務(wù)危機(jī)在反應(yīng)及預(yù)防方面也就增加了難度，這使得企業(yè)財(cái)務(wù)危機(jī)動(dòng)態(tài)預(yù)警成為日常管理中的重要內(nèi)容。
三、企業(yè)財(cái)務(wù)危機(jī)預(yù)警動(dòng)態(tài)管控框架構(gòu)建
企業(yè)建立財(cái)務(wù)危機(jī)預(yù)警動(dòng)態(tài)管控框架應(yīng)當(dāng)結(jié)合企業(yè)自身的管理和經(jīng)營(yíng)特點(diǎn)以及企業(yè)的資源狀況，同時(shí)還應(yīng)當(dāng)滿足成本效益原則、動(dòng)態(tài)管控原則、開放性原則等，而且還要確保財(cái)務(wù)危機(jī)預(yù)警動(dòng)態(tài)框架具有較強(qiáng)的可操作性。這就要求企業(yè)在建立相應(yīng)的危機(jī)預(yù)警管控框架時(shí)有效分析企業(yè)發(fā)生財(cái)務(wù)危機(jī)的種種原因，以便做到管控框架的有效性。
中小企業(yè)財(cái)務(wù)危機(jī)預(yù)警的內(nèi)部環(huán)境是企業(yè)財(cái)務(wù)危機(jī)管控的重要因素，這是因?yàn)槠髽I(yè)的生產(chǎn)經(jīng)營(yíng)離不開具體的經(jīng)濟(jì)環(huán)境，正是由于各種因素共同形成的資源集合體，使得企業(yè)的經(jīng)營(yíng)在很大程度上受制于內(nèi)部環(huán)境因素，良好的內(nèi)部經(jīng)營(yíng)環(huán)境對(duì)于財(cái)務(wù)危機(jī)預(yù)警具有重要意義。
企業(yè)財(cái)務(wù)危機(jī)預(yù)警動(dòng)態(tài)管控模型的構(gòu)建要從戰(zhàn)略管控、經(jīng)營(yíng)管控、作業(yè)實(shí)時(shí)管控等環(huán)節(jié)，從戰(zhàn)略層面、經(jīng)營(yíng)層面及作業(yè)層面來(lái)強(qiáng)化分析管控，具體來(lái)講，可以分為中長(zhǎng)期財(cái)務(wù)預(yù)警、短期財(cái)務(wù)預(yù)警及動(dòng)態(tài)財(cái)務(wù)預(yù)警等。
首先，企業(yè)財(cái)務(wù)危機(jī)預(yù)警動(dòng)態(tài)管控框架第一階段：經(jīng)營(yíng)預(yù)警
在這一階段，要明確企業(yè)進(jìn)行危機(jī)預(yù)警的經(jīng)營(yíng)環(huán)境，包括內(nèi)部經(jīng)營(yíng)環(huán)境、外部經(jīng)營(yíng)環(huán)境等，以此來(lái)處理好企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)、財(cái)務(wù)風(fēng)險(xiǎn)跟企業(yè)經(jīng)營(yíng)環(huán)境之間的互動(dòng)關(guān)系，理順三者之間的關(guān)系。而且在實(shí)際的管控過(guò)程中，需要明確管控的重點(diǎn)環(huán)節(jié)及方面，這里面主要涉及了生產(chǎn)方面、采購(gòu)方面、營(yíng)銷方面等。針對(duì)具體的流程，進(jìn)一步實(shí)現(xiàn)簡(jiǎn)化和有效管控，實(shí)現(xiàn)企業(yè)在生產(chǎn)經(jīng)營(yíng)中的產(chǎn)購(gòu)銷各個(gè)環(huán)節(jié)的有效良好銜接，根據(jù)企業(yè)的生產(chǎn)實(shí)際及管理水平對(duì)業(yè)務(wù)流程實(shí)現(xiàn)動(dòng)態(tài)管理。
其次，企業(yè)財(cái)務(wù)危機(jī)預(yù)警動(dòng)態(tài)管控框架第二階段：財(cái)務(wù)指標(biāo)預(yù)警
在財(cái)務(wù)階段，量化的指標(biāo)就是財(cái)務(wù)危機(jī)預(yù)警的指標(biāo)，這要求企業(yè)按照內(nèi)部環(huán)境及外部環(huán)境分析作為預(yù)警指導(dǎo)，將企業(yè)財(cái)務(wù)報(bào)表分析作為預(yù)警的切入點(diǎn)，將各財(cái)務(wù)數(shù)據(jù)加工和分析，及時(shí)轉(zhuǎn)化為有用的財(cái)務(wù)數(shù)據(jù)和信息。具體來(lái)講要重點(diǎn)分析企業(yè)償債能力預(yù)警指標(biāo)、營(yíng)運(yùn)能力預(yù)警指標(biāo)、盈利能力預(yù)警指標(biāo)、發(fā)展能力預(yù)警指標(biāo)等，同時(shí)還應(yīng)當(dāng)重點(diǎn)分析現(xiàn)金流量預(yù)警指標(biāo)，準(zhǔn)確把握分析重點(diǎn)。
再次，企業(yè)財(cái)務(wù)危機(jī)預(yù)警動(dòng)態(tài)管控框架第三階段：實(shí)現(xiàn)兩階段的一體化結(jié)合及動(dòng)態(tài)化管控
管理層需要針對(duì)企業(yè)所表現(xiàn)出的警報(bào)或者警示信息作出合理科學(xué)判斷，并針對(duì)具體的財(cái)務(wù)危機(jī)提出措施、有效執(zhí)行。企業(yè)的財(cái)務(wù)危機(jī)預(yù)警動(dòng)態(tài)管控框架總體上就是反應(yīng)——執(zhí)行——糾正的持續(xù)過(guò)程，在這一動(dòng)態(tài)管控框架下，企業(yè)需要強(qiáng)化自身危機(jī)意識(shí)，重視企業(yè)財(cái)務(wù)危機(jī)預(yù)警管控的作用及積極意義，同時(shí)針對(duì)不同的危機(jī)定期不定期地進(jìn)行分類預(yù)警，以此有效把握危機(jī)動(dòng)向，強(qiáng)化危機(jī)處理，重點(diǎn)控制好關(guān)鍵環(huán)節(jié)和關(guān)鍵流程。
總的來(lái)講，企業(yè)財(cái)務(wù)危機(jī)預(yù)警動(dòng)態(tài)管控框架需要將企業(yè)的財(cái)務(wù)階段及經(jīng)營(yíng)階段的關(guān)鍵環(huán)節(jié)進(jìn)行有機(jī)整合，做到財(cái)務(wù)危機(jī)預(yù)警框架的動(dòng)態(tài)管理和及時(shí)更新，逐步建立健全企業(yè)財(cái)務(wù)危機(jī)預(yù)警管框框架的內(nèi)容及要素，并且在實(shí)際的危機(jī)預(yù)警管控過(guò)程中要逐步強(qiáng)化管控過(guò)程的綜合性及合一性，避免單獨(dú)或者割裂地執(zhí)行管控的某一個(gè)環(huán)節(jié)，做到動(dòng)態(tài)管控過(guò)程的相互聯(lián)系和相互影響，提升企業(yè)財(cái)務(wù)危機(jī)預(yù)警動(dòng)態(tài)管控過(guò)程效率及效果。
參考文獻(xiàn)：
[1]楊淑娥.企業(yè)財(cái)務(wù)危機(jī)預(yù)警的經(jīng)濟(jì)動(dòng)因與循環(huán)機(jī)理剖析[J].會(huì)計(jì)之友（下旬刊）. 2006（01）
[2]馬軍生.內(nèi)部控制十大漏洞[J].企業(yè)管理. 2010（01）
[3]羅雁，趙紅，陳紹愿.企業(yè)成長(zhǎng)危機(jī)演變機(jī)制及其調(diào)控策略[J].商業(yè)時(shí)代. 2009（03）
[4]譚慧潔，劉耀中.危機(jī)管理中組織結(jié)構(gòu)的構(gòu)建[J].商業(yè)時(shí)代. 2007（03）
企業(yè)財(cái)務(wù)預(yù)警研究范文4
一、企業(yè)財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)構(gòu)建方法
企業(yè)財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)構(gòu)建有兩種方法，即定量分析法和定性分析法。
（一）定量分析法
定量分析法是以財(cái)務(wù)指標(biāo)為基礎(chǔ)的比率分析。財(cái)務(wù)數(shù)據(jù)與企業(yè)價(jià)值及財(cái)務(wù)狀況密切相關(guān)，是企業(yè)財(cái)務(wù)狀況的量化表現(xiàn)，其中財(cái)務(wù)指標(biāo)在某些方面反映的信息比企業(yè)財(cái)務(wù)會(huì)計(jì)報(bào)告中的絕對(duì)數(shù)信息更為重要，因而財(cái)務(wù)指標(biāo)可以作為預(yù)測(cè)企業(yè)經(jīng)濟(jì)前景的計(jì)量指標(biāo)。企業(yè)發(fā)生財(cái)務(wù)危機(jī)要經(jīng)歷一個(gè)從量變到質(zhì)變的漸進(jìn)發(fā)展過(guò)程，這種漸進(jìn)發(fā)展情況必然會(huì)通過(guò)一些財(cái)務(wù)指標(biāo)的變化體現(xiàn)出來(lái)。因此要準(zhǔn)確測(cè)度企業(yè)財(cái)務(wù)狀況和預(yù)測(cè)警情，從大量的財(cái)務(wù)因子中選好財(cái)務(wù)指標(biāo)是關(guān)鍵。
目前建立預(yù)警系統(tǒng)的模式主要有以下兩種：
1.單變量模型。它是通過(guò)單個(gè)財(cái)務(wù)比率的變化趨勢(shì)來(lái)預(yù)測(cè)財(cái)務(wù)危機(jī)可能性的模式。
根據(jù)財(cái)務(wù)預(yù)警指標(biāo)選擇的原則，可從以下三個(gè)方面來(lái)確定財(cái)務(wù)預(yù)警指標(biāo)：
（1）償債能力。從償債能力上來(lái)預(yù)測(cè)企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性是極為重要的。企業(yè)發(fā)生財(cái)務(wù)危機(jī)的最直接表現(xiàn)就是喪失現(xiàn)金流上的支付能力，反映為資產(chǎn)的變現(xiàn)力差，現(xiàn)金總流人小于現(xiàn)金總流出，即現(xiàn)金凈流量為負(fù)值。一般來(lái)說(shuō)，一個(gè)企業(yè)的資產(chǎn)流動(dòng)性越大，其償還負(fù)債的能力越強(qiáng)。一般包括以下指標(biāo)：流動(dòng)比率、速動(dòng)比率、應(yīng)收帳款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、有形凈值債務(wù)率、利息保障倍數(shù)。
（2）獲利能力。盈利是企業(yè)償債和信用的保障，從長(zhǎng)遠(yuǎn)的觀點(diǎn)來(lái)看，一個(gè)企業(yè)只有經(jīng)營(yíng)前景和盈利能力良好，才會(huì)遠(yuǎn)離財(cái)務(wù)危機(jī)。一般來(lái)說(shuō)，企業(yè)盈利能力越強(qiáng)，對(duì)外籌資能力和償債能力也越強(qiáng)，發(fā)生財(cái)務(wù)危機(jī)的可能性就越小。因此從反映盈利方面的財(cái)務(wù)指標(biāo)的變化來(lái)預(yù)測(cè)財(cái)務(wù)危機(jī)也是極為重要的。主要指標(biāo)有：銷售凈利潤(rùn)率、成本費(fèi)用利潤(rùn)率、總資產(chǎn)報(bào)酬率。
（3）發(fā)展能力。反映企業(yè)積累能力和可持續(xù)發(fā)展能力。該指標(biāo)越大，反映企業(yè)資本越充實(shí)和越壯大，企業(yè)利用證券市場(chǎng)來(lái)融資的功能越強(qiáng)，財(cái)務(wù)危機(jī)越不易發(fā)生。這方面的指標(biāo)有：銷售增長(zhǎng)率、資本保值增值率。
建立的思路是：首先確定好以上三方面的財(cái)務(wù)指標(biāo)，然后設(shè)定出這些指標(biāo)的判別標(biāo)準(zhǔn)。設(shè)定判別標(biāo)準(zhǔn)時(shí)要考慮企業(yè)經(jīng)營(yíng)狀況、經(jīng)營(yíng)性質(zhì)、行業(yè)平均發(fā)展水平以及行業(yè)以往經(jīng)驗(yàn)等因素，并據(jù)實(shí)際變化不斷對(duì)之進(jìn)行修正。當(dāng)某指標(biāo)達(dá)到判別標(biāo)準(zhǔn)時(shí)，可預(yù)示財(cái)務(wù)警情發(fā)生。但這種模式存在局限性，由于每一指標(biāo)只反映財(cái)務(wù)狀況的某一方面，容易導(dǎo)致不同指標(biāo)判斷的矛盾。
2.多變量模型。它是運(yùn)用多種財(cái)務(wù)指標(biāo)加權(quán)匯總產(chǎn)生的總判別值來(lái)預(yù)測(cè)財(cái)務(wù)危機(jī)可能性的模式。它利用會(huì)計(jì)系統(tǒng)固有的平衡特性，將相互聯(lián)系的多個(gè)財(cái)務(wù)指標(biāo)有機(jī)結(jié)合，建立一個(gè)多元線型函數(shù)模型來(lái)綜合反映企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)情況，以消除個(gè)別指標(biāo)在評(píng)價(jià)企業(yè)財(cái)務(wù)狀況方面的缺陷。目前國(guó)外實(shí)踐中影響較大、較為有效的多變量預(yù)測(cè)模型是Z指標(biāo)模型。Z指標(biāo)模型是1968年美國(guó)學(xué)者奧特曼（Altiman）采用統(tǒng)計(jì)學(xué)中的判別分析法構(gòu)造的用五項(xiàng)財(cái)務(wù)指標(biāo)的加權(quán)平均數(shù)計(jì)算的預(yù)測(cè)破產(chǎn)的量化模型。判別函數(shù)為：
Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5.
其中X1=營(yíng)運(yùn)資產(chǎn)/總資產(chǎn)，X2=留存收益/總資產(chǎn)，X3=息稅前利潤(rùn)/總資產(chǎn)，X4=權(quán)益的市場(chǎng)價(jià)值/債務(wù)的帳面價(jià)值，X5=銷售額/總資產(chǎn)。
當(dāng)Z值大于2.675時(shí)，表明企業(yè)財(cái)務(wù)狀況良好，Z值在1.81與2.675之間，表明企業(yè)財(cái)務(wù)狀況極不穩(wěn)定，Z值小于1.81時(shí)，則表明企業(yè)存在很大的破產(chǎn)風(fēng)險(xiǎn)。Z指標(biāo)模型預(yù)測(cè)企業(yè)未來(lái)一年內(nèi)破產(chǎn)的準(zhǔn)確性約為90%，兩年內(nèi)的準(zhǔn)確性約為80%，但對(duì)于兩年期以上的破產(chǎn)預(yù)測(cè)作用不大。
多變量模型中幾乎包括了所有預(yù)測(cè)能力很強(qiáng)的指標(biāo)，舍棄了一些不重要的因素，并且應(yīng)用十分方便，克服了單變量模式需要很多指標(biāo)和需對(duì)比分析，并要求分析人員具有很高專業(yè)水平的缺陷。但其變量和判別標(biāo)準(zhǔn)的確定卻很困難。
（二）定性分析法
利用一些財(cái)務(wù)指標(biāo)直接分析或構(gòu)建模型來(lái)預(yù)測(cè)企業(yè)財(cái)務(wù)危機(jī)發(fā)生的可能性只是整個(gè)財(cái)務(wù)預(yù)警系統(tǒng)的一個(gè)方面，由于一些難以量化的非財(cái)務(wù)信息也是影響企業(yè)持續(xù)經(jīng)營(yíng)能力的不可忽視的重要因素，因此在財(cái)務(wù)危機(jī)預(yù)警中除進(jìn)行定量分析外，還應(yīng)結(jié)合一些相關(guān)的非財(cái)務(wù)因素進(jìn)行定性分析，充分估計(jì)各種不利因素對(duì)企業(yè)財(cái)務(wù)狀況的影響，以更好地預(yù)測(cè)財(cái)務(wù)危機(jī)發(fā)生的可能。可以從以下幾方面來(lái)進(jìn)行：
1.宏觀經(jīng)濟(jì)環(huán)境。一般地說(shuō)，國(guó)家政治穩(wěn)定，政策優(yōu)惠，經(jīng)濟(jì)繁榮，會(huì)有利于企業(yè)的經(jīng)營(yíng)發(fā)展。而經(jīng)濟(jì)環(huán)境變化、國(guó)家經(jīng)濟(jì)政策調(diào)整會(huì)直接或間接地對(duì)企業(yè)產(chǎn)生影響。如通貨膨脹時(shí)期，利率提高會(huì)增加借款企業(yè)的利息負(fù)擔(dān)，不利于其經(jīng)營(yíng)。此外國(guó)家的財(cái)政稅收政策、產(chǎn)業(yè)政策等變化也會(huì)對(duì)企業(yè)經(jīng)營(yíng)發(fā)生影響。
2.行業(yè)特征。行業(yè)不同，財(cái)務(wù)風(fēng)險(xiǎn)是不同的。例如，有些行業(yè)與其他行業(yè)聯(lián)系緊密，其市場(chǎng)需求易受其他行業(yè)的盛衰影響，財(cái)務(wù)風(fēng)險(xiǎn)就較大。又如有些高科技產(chǎn)業(yè)，具有高投入、高產(chǎn)出和高效益的特點(diǎn)，同時(shí)也存在高風(fēng)險(xiǎn)的不利之處。此外，同一行業(yè)所處發(fā)展階段不同，財(cái)務(wù)風(fēng)險(xiǎn)也不會(huì)相同。處在行業(yè)成長(zhǎng)上升階段的企業(yè)，風(fēng)險(xiǎn)小些，而在成熟和衰退階段，風(fēng)險(xiǎn)就大些。
3.市場(chǎng)狀況。企業(yè)的產(chǎn)品價(jià)格、技術(shù)、質(zhì)量符合市場(chǎng)需求，對(duì)路熱銷或競(jìng)爭(zhēng)對(duì)手少，風(fēng)險(xiǎn)就小。反之，風(fēng)險(xiǎn)就大。
4.企業(yè)經(jīng)營(yíng)方式。企業(yè)經(jīng)營(yíng)品種單一，經(jīng)營(yíng)范圍狹窄，一旦市場(chǎng)情況有變，企業(yè)難以適應(yīng)，發(fā)生財(cái)務(wù)危機(jī)的可能性就大。
5.企業(yè)管理水平。缺乏管理經(jīng)驗(yàn)、管理素質(zhì)低下是造成企業(yè)財(cái)務(wù)危機(jī)的主要原因。管理水平高的企業(yè)，各項(xiàng)制度健全，系統(tǒng)運(yùn)轉(zhuǎn)良好，功能充分發(fā)揮，財(cái)務(wù)狀況良好，因而發(fā)生財(cái)務(wù)危機(jī)的可能性小。此外管理上如能對(duì)外界市場(chǎng)條件的變化做出迅速、有效的反應(yīng)調(diào)整，企業(yè)往往能成功避免財(cái)務(wù)危機(jī)的發(fā)生。
二、積極推進(jìn)中國(guó)企業(yè)財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)的構(gòu)建
我國(guó)關(guān)于財(cái)務(wù)危機(jī)預(yù)警的研究主要在借鑒西方研究成果的基礎(chǔ)上形成。從目前的情況看，結(jié)合國(guó)情對(duì)單變量模式的理論研究比較多而深入，而在多變量模式預(yù)警方面的研究基本上很少。如前所述，單變量模式具有局限性，多變量模式是較單變量模式更適宜的預(yù)測(cè)企業(yè)財(cái)務(wù)危機(jī)的方式，目前在國(guó)際上應(yīng)用較廣，我國(guó)今后的研究趨勢(shì)也將是多變量模式研究。考慮到我國(guó)和西方的社會(huì)經(jīng)濟(jì)背景不同，我國(guó)的市場(chǎng)經(jīng)濟(jì)還不成熟，相關(guān)法律也不健全，所以?shī)W特曼的Z指標(biāo)模型不適合我國(guó)國(guó)情，不能簡(jiǎn)單機(jī)械地在我國(guó)運(yùn)用。但由于中國(guó)企業(yè)與美國(guó)企業(yè)作為微觀經(jīng)濟(jì)主體有著相同的經(jīng)濟(jì)內(nèi)核，因此，奧特曼的模型雖然是以美國(guó)公司為樣本分析得出，其思想應(yīng)該可以為構(gòu)建我國(guó)企業(yè)破產(chǎn)預(yù)測(cè)模型所運(yùn)用。可以在該模型的基礎(chǔ)上結(jié)合我國(guó)的經(jīng)濟(jì)與文化環(huán)境對(duì)之加以改進(jìn)。
目前建立符合我國(guó)經(jīng)濟(jì)實(shí)際的財(cái)務(wù)危機(jī)預(yù)警多變量模型的條件基本具備，一是因?yàn)殡S著市場(chǎng)經(jīng)濟(jì)體制改革的不斷深化、《企業(yè)破產(chǎn)法》的頒布及破產(chǎn)機(jī)制的健全，發(fā)生破產(chǎn)的企業(yè)越來(lái)越多，為我國(guó)各行業(yè)的企業(yè)數(shù)據(jù)庫(kù)提供了大量建模所需的數(shù)據(jù)。二是隨著企業(yè)會(huì)計(jì)準(zhǔn)則和具體會(huì)計(jì)準(zhǔn)則的頒布實(shí)施，隨著我國(guó)加入WTO后的會(huì)計(jì)行業(yè)競(jìng)爭(zhēng)的加劇以及注冊(cè)會(huì)計(jì)師行業(yè)的逐步成熟和會(huì)計(jì)實(shí)務(wù)的規(guī)模化，企業(yè)公布的會(huì)計(jì)數(shù)據(jù)的真實(shí)可信性也將大為提高。建立我國(guó)財(cái)務(wù)危機(jī)預(yù)警模型應(yīng)基于不同行業(yè)的數(shù)據(jù)庫(kù)，選取大量的破產(chǎn)企業(yè)和非破產(chǎn)企業(yè)作為樣本，按Z指標(biāo)模型的建立思路構(gòu)建我國(guó)不同行業(yè)的危機(jī)預(yù)測(cè)模型。隨市場(chǎng)經(jīng)濟(jì)的縱深發(fā)展，模型變量的構(gòu)成和系數(shù)值、判斷標(biāo)準(zhǔn)會(huì)隨時(shí)間而變化，應(yīng)定期重新估計(jì)模型方程，以確保反映的是最新情況。除定量分析外，還應(yīng)結(jié)合一些無(wú)法用數(shù)據(jù)揭示的社會(huì)因素來(lái)進(jìn)行定性分析。
此外，還應(yīng)說(shuō)明的是，奧特曼的Z指標(biāo)模型在指標(biāo)選擇上還存在一些局限性，如未考慮現(xiàn)金流量這一預(yù)測(cè)財(cái)務(wù)危機(jī)的有效變量，也沒(méi)有體現(xiàn)出反映宏觀經(jīng)濟(jì)環(huán)境的變量如利息率、失業(yè)率等，影響了預(yù)測(cè)的準(zhǔn)確性。這些在構(gòu)建我國(guó)的財(cái)務(wù)危機(jī)預(yù)警模型中應(yīng)該引起注意。
還有，上面介紹的定性分析法也很重要，各企業(yè)也要根據(jù)自身的情況選用，并加以認(rèn)真地分析研究，以作為對(duì)模型結(jié)論的修正和補(bǔ)充，以使所得結(jié)論更加正確和更加科學(xué)。
參考文獻(xiàn)
[1]張鳳娜，張 進(jìn)。財(cái)務(wù)失敗預(yù)警分析[J].現(xiàn)代會(huì)計(jì)，2001（1）。
企業(yè)財(cái)務(wù)預(yù)警研究范文5
關(guān)鍵詞：交通運(yùn)輸企業(yè) 財(cái)務(wù)指標(biāo) 財(cái)務(wù)風(fēng)險(xiǎn) 財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警
一、引言
交通運(yùn)輸業(yè)是現(xiàn)代國(guó)民經(jīng)濟(jì)的基礎(chǔ)設(shè)施行業(yè)，具有著完全競(jìng)爭(zhēng)與部分行業(yè)壟斷相結(jié)合、社會(huì)意義較為重要的特征。由于市場(chǎng)瞬息萬(wàn)變和難以預(yù)測(cè)、客觀環(huán)境復(fù)雜以及管理者素質(zhì)水平有限，均使得風(fēng)險(xiǎn)常常存在，財(cái)務(wù)風(fēng)險(xiǎn)也隨之應(yīng)運(yùn)而生。這些風(fēng)險(xiǎn)是：（1）籌資風(fēng)險(xiǎn)。目前交通運(yùn)輸企業(yè)投資主要來(lái)源于外部融資。外部籌資包括股權(quán)籌資與借貸籌資兩種形式。目前國(guó)內(nèi)交通運(yùn)輸類上市公司只有77家，因此，交通運(yùn)輸類企業(yè)主要是以借貸融資的方式來(lái)籌集資金，而如果借入的資金不能夠產(chǎn)生預(yù)期經(jīng)濟(jì)效益，就會(huì)導(dǎo)致交通運(yùn)輸企業(yè)集團(tuán)不能夠按時(shí)還本付息，使得企業(yè)集團(tuán)可能付出更高的代價(jià)，甚至于陷入到破產(chǎn)倒閉的財(cái)務(wù)危機(jī)之中。（2）投資風(fēng)險(xiǎn)。即企業(yè)集團(tuán)投入了一定資金后，因市場(chǎng)環(huán)境變化等多因素影響，最終導(dǎo)致實(shí)際收益與預(yù)期收益發(fā)生了偏離進(jìn)而造成的損失。它主導(dǎo)著資金循環(huán)過(guò)程中所有風(fēng)險(xiǎn)，制約著財(cái)務(wù)風(fēng)險(xiǎn)中其它類型風(fēng)險(xiǎn)的發(fā)生及其發(fā)展程度。投資風(fēng)險(xiǎn)包括兩部分，一部分來(lái)自于短期投資，一部分來(lái)于自長(zhǎng)期投資，其中比較重要的是長(zhǎng)期投資風(fēng)險(xiǎn)。如高速公路的BOT項(xiàng)目，項(xiàng)目建設(shè)期、竣工期大大晚于預(yù)期；不能夠完成項(xiàng)目的建設(shè)或完成的項(xiàng)目不能夠達(dá)到預(yù)期的設(shè)計(jì)標(biāo)準(zhǔn)，施工的成本超過(guò)預(yù)算的成本，這些均可能導(dǎo)致企業(yè)面臨巨大的投資風(fēng)險(xiǎn)，甚至可能使一個(gè)企業(yè)陷人嚴(yán)重的財(cái)務(wù)危機(jī)中。（3）資金回籠風(fēng)險(xiǎn)。在公司開始經(jīng)營(yíng)運(yùn)轉(zhuǎn)的過(guò)程中，投入的資金會(huì)以各種各樣的形式出現(xiàn)，因此存在著技術(shù)和經(jīng)濟(jì)貶值的風(fēng)險(xiǎn)。如國(guó)內(nèi)的貨物運(yùn)輸企業(yè)為了擴(kuò)大市場(chǎng)占有率，通常會(huì)先提供貨物運(yùn)輸服務(wù)，然后再與客戶定期結(jié)算，這樣更容易保留穩(wěn)定客戶，但隨之便產(chǎn)生了各種應(yīng)收款項(xiàng)，增加了壞賬發(fā)生的可能性，進(jìn)而加大了資金回收的風(fēng)險(xiǎn)。（4）外匯風(fēng)險(xiǎn)。交通運(yùn)輸企業(yè)集團(tuán)所而臨的外匯風(fēng)險(xiǎn)：一是經(jīng)濟(jì)風(fēng)險(xiǎn)，即企業(yè)集團(tuán)在向國(guó)外銷售或購(gòu)買商品、勞務(wù)時(shí)，會(huì)由于不利的匯率變動(dòng)使成本增加或收入減少的風(fēng)險(xiǎn)。這種風(fēng)險(xiǎn)發(fā)生于匯率變動(dòng)之后，其特點(diǎn)是具有長(zhǎng)期性和持續(xù)性。二是交易風(fēng)險(xiǎn)，即從交易達(dá)成時(shí)起到款項(xiàng)支付或收訖的這段時(shí)間產(chǎn)生的風(fēng)險(xiǎn)，它在匯率變動(dòng)之前產(chǎn)生，于匯率變動(dòng)之后結(jié)束。三是折算風(fēng)險(xiǎn)，即企業(yè)集團(tuán)的母公司，在編制用外幣計(jì)量的子公司合并財(cái)務(wù)報(bào)表時(shí)所產(chǎn)生的風(fēng)險(xiǎn)，這種風(fēng)險(xiǎn)和交易風(fēng)險(xiǎn)一樣，在匯率變動(dòng)的時(shí)侯已經(jīng)成型，是一次性的風(fēng)險(xiǎn)。如果不能有效規(guī)避和防范各種財(cái)務(wù)風(fēng)險(xiǎn)，必將威脅到企業(yè)的生存與發(fā)展，使之陷入財(cái)務(wù)失敗的困境，最終導(dǎo)致倒閉破產(chǎn)。因此，建立交通運(yùn)輸業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，及時(shí)診斷出財(cái)務(wù)危機(jī)信號(hào)，進(jìn)而采取解決對(duì)策，對(duì)于保障交通運(yùn)輸企業(yè)的安全健康和可持續(xù)發(fā)展，有著極其重要的意義。
二、研究設(shè)計(jì)
（一）預(yù)警指標(biāo)設(shè)計(jì) 交通運(yùn)輸企業(yè)包括鐵路運(yùn)輸、水上運(yùn)輸、公路運(yùn)輸、管道運(yùn)輸業(yè)、航空運(yùn)輸、倉(cāng)儲(chǔ)物流和交通運(yùn)輸輔助業(yè)等行業(yè)。我們?cè)谶x擇指標(biāo)的時(shí)候，如果指標(biāo)選取的不全面，可能就會(huì)遺漏某些較為重要的預(yù)警指標(biāo)，從而有損綜合評(píng)價(jià)的客觀全面性；但如果指標(biāo)選取的過(guò)多，范圍太大，可能會(huì)造成評(píng)價(jià)工作不經(jīng)濟(jì)。鑒于以上原則，交通運(yùn)輸企業(yè)財(cái)務(wù)預(yù)警指標(biāo)體系的主體應(yīng)該是企業(yè)財(cái)務(wù)評(píng)價(jià)指標(biāo)體系。經(jīng)過(guò)分析企業(yè)財(cái)務(wù)評(píng)價(jià)指標(biāo)體系的具體內(nèi)容，在交通運(yùn)輸企業(yè)預(yù)警指標(biāo)體系中，仍需反映企業(yè)基本績(jī)效的四個(gè)方面因素，即財(cái)務(wù)效益狀況、資產(chǎn)管理效率、償債能力狀況和成長(zhǎng)能力狀況。主要預(yù)警指標(biāo)參見表（1）。為便于對(duì)指標(biāo)進(jìn)行量化處理，結(jié)合交通運(yùn)輸企業(yè)管理的特點(diǎn)和各指標(biāo)的行業(yè)標(biāo)準(zhǔn)，每一指標(biāo)都被定義了三種狀態(tài)，每種狀態(tài)分別表示不同程度的風(fēng)險(xiǎn)。狀態(tài)A表示財(cái)務(wù)情況較好；狀態(tài)B表示財(cái)務(wù)情況一般；狀態(tài)C表示財(cái)務(wù)情況較差。預(yù)警指標(biāo)體系見表（2）。
（二）樣本的選取 樣品材料主要是從經(jīng)濟(jì)一般上市公司金融數(shù)據(jù)庫(kù)系統(tǒng)。由數(shù)據(jù)源和數(shù)據(jù)可靠性約束，研究樣本來(lái)自上市公司。由于交通行業(yè)上市公司77只，特別是破產(chǎn)的公司很少發(fā)生，所以唯一的選擇和交通運(yùn)輸企業(yè)的經(jīng)營(yíng)特點(diǎn)，金融結(jié)構(gòu)類似于樣本公司。上市公司在圣類企業(yè)定義為“財(cái)務(wù)失敗”或“金融危機(jī)”的企業(yè)。本文的樣本資料主要來(lái)源于CCER中一般上市公司的金融數(shù)據(jù)庫(kù)系統(tǒng)。受信息來(lái)源和可靠性約束，本文研究的樣本均來(lái)自上市公司。由于國(guó)內(nèi)交通運(yùn)輸行業(yè)上市公司只有77家，加之破產(chǎn)公司鮮有出現(xiàn)，所以選擇與交通運(yùn)輸企業(yè)集團(tuán)的經(jīng)營(yíng)特點(diǎn)、財(cái)務(wù)結(jié)構(gòu)等相似的樣本公司。如果上市公司某年出現(xiàn)于ST類企業(yè)名單中，則被認(rèn)定為“財(cái)務(wù)失敗”或“財(cái)務(wù)危機(jī)”的公司。交通集團(tuán)及與交通集團(tuán)經(jīng)營(yíng)特點(diǎn)、財(cái)務(wù)結(jié)構(gòu)等有相似的樣本公司；2007-2008年被ST、未被ST的公司，并要求獲得兩年前的資料；為了適應(yīng)本文的需要，研究時(shí)我們隨機(jī)抽取了88家交通運(yùn)輸業(yè)上市公司及財(cái)務(wù)結(jié)構(gòu)類似的上市公司作為構(gòu)建模型的樣本。
（三）模型變量的選擇 本文根據(jù)交通運(yùn)輸企業(yè)的特點(diǎn)選取了10個(gè)變量：X1： 凈資產(chǎn)收益率（營(yíng)業(yè)利潤(rùn)）X2： 資產(chǎn)收益率X3： 凈利潤(rùn)率X4： 營(yíng)業(yè)收入增長(zhǎng)率X5： 營(yíng)業(yè)利潤(rùn)增長(zhǎng)率X6： 流動(dòng)比率X7： 現(xiàn)金流動(dòng)負(fù)債比率X8： 資產(chǎn)負(fù)債率X9： 應(yīng)收賬款周轉(zhuǎn)率X10： 資產(chǎn)周轉(zhuǎn)率。
（四）預(yù)警模型的建立 運(yùn)用SPSS 16.0軟件，按照上述確定的10個(gè)研究變量，對(duì)這88家樣本企業(yè)進(jìn)行主成分分析。可以得出以下結(jié)果：從表（3）（方差解釋表）來(lái)看，對(duì)于這10個(gè)指標(biāo)的信息，當(dāng)選取7個(gè)主成分因子時(shí)，其信息量達(dá)到了94.237%，基本上保留了原來(lái)的指標(biāo)信息。從表（4）（旋轉(zhuǎn)后的因子載荷矩陣）來(lái)看，第一主成分FAC1_1與X6： 流動(dòng)比率、X7： 現(xiàn)金流動(dòng)負(fù)債比率、X8： 資產(chǎn)負(fù)債率三個(gè)指標(biāo)的因子負(fù)荷能力遠(yuǎn)大于其他一些指標(biāo)，可見，從這3個(gè)變量，反映企業(yè)的償債能力。所以FAC1_1可表示償債能力主成分。FAC2_1主要由變量 X1： 凈資產(chǎn)收益率（營(yíng)業(yè)利潤(rùn)）、X2： 資產(chǎn)收益率兩個(gè)變量解釋，這兩個(gè)變量均反映企業(yè)的盈利能力，因此FAC2_1表示的是企業(yè)盈利能力主成分。FAC3_1主要由變量X3： 凈利潤(rùn)率解釋，該指標(biāo)屬于盈利能力的指標(biāo)，由此FAC3_1與FAC2_1主成分一樣，表示的是企業(yè)的盈利能力主成分。FAC4_1主要由變量X10： 資產(chǎn)周轉(zhuǎn)率解釋，該變量反映了企業(yè)的營(yíng)運(yùn)能力，所以FAC4_1表示的是是企業(yè)的營(yíng)運(yùn)能力主成分。FAC5_1主要由變量X5： 營(yíng)業(yè)利潤(rùn)增長(zhǎng)率解釋，該指標(biāo)也屬于發(fā)展能力的指標(biāo)，因此FAC5_1代表的是企業(yè)發(fā)展能力主成分。FAC6_1主要由變量X9： 應(yīng)收賬款周轉(zhuǎn)率解釋，該指標(biāo)屬于營(yíng)運(yùn)能力指標(biāo)，因此FAC6_1與FAC4_1主成分一樣也代表的是企業(yè)營(yíng)運(yùn)能力主成分。
三、實(shí)證檢驗(yàn)
（一）回歸分析 在上述主成分分析的基礎(chǔ)上，得出了7個(gè)主成分因子。結(jié)果見表（6）。可見，由“B”列的系數(shù)可以得出的交通運(yùn)輸業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型為：P=1/1+e-z（Z=-3.705*FAC1_1-7.453*FAC2_1
-5.927*FAC3_1+ 3.007*FAC4_1 + 2.522*FAC5_1 - 3.208*FAC6_1- 3.206*FAC7_1-2.132）。其中：P表示上市公司面臨財(cái)務(wù)危機(jī)的概率；FAC1_1表示償債能力主成分因子；FAC2_1表示盈利能力主成分因子；FAC3_1表示盈利能力主成分因子；FAC4_1表示營(yíng)運(yùn)能力主成分因子；FAC5_1表示發(fā)展能力主成分因子；FAC6_1表示營(yíng)運(yùn)能力主成分因子；FAC7_1表示發(fā)展能力主成分因子。因此，交通運(yùn)輸企業(yè)的財(cái)務(wù)狀況主要由這7個(gè)主成分因素決定。利用此處得到的最終預(yù)警模型，就可以對(duì)交通運(yùn)輸企業(yè)的財(cái)務(wù)狀況進(jìn)行預(yù)測(cè)，當(dāng)預(yù)測(cè)的概率大于0.5時(shí)，就推斷其兩年后將會(huì)發(fā)生財(cái)務(wù)危機(jī)，否則就推斷其兩年后將不會(huì)發(fā)生財(cái)務(wù)危機(jī)。通過(guò)運(yùn)用Logistic回歸分析，得出了該模型的預(yù)警結(jié)果，見表（7）。對(duì)于Logistic 回歸分析的結(jié)果，在88個(gè)樣本單元中，有7個(gè)被判錯(cuò)。其中在36個(gè)財(cái)務(wù)危機(jī)公司中，有2個(gè)被判錯(cuò)，準(zhǔn)確率達(dá)到了94.4%；在52個(gè)非財(cái)務(wù)危機(jī)公司中，有5個(gè)被判錯(cuò)，準(zhǔn)確率達(dá)到了90.4%，總體準(zhǔn)確率達(dá)到了92%。可以看出，這個(gè)預(yù)警結(jié)果準(zhǔn)確率很高，表明了該預(yù)警模型具有很高的實(shí)用價(jià)值。
（二）交通運(yùn)輸業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警判別模型的運(yùn)用測(cè)試 為檢驗(yàn)所構(gòu)建的判別模型的有效性，在非ST類上市公司的交通行業(yè)企業(yè)中隨機(jī)選取了2006年20家交通運(yùn)輸業(yè)上市公司的年報(bào)進(jìn)行模擬財(cái)務(wù)預(yù)警，將20JI家公司財(cái)務(wù)數(shù)據(jù)標(biāo)準(zhǔn)化后代入因子得分方程，得到FAC1_1、FAC2_1、FAC3_1、FAC4_1、FAC5_1、FAC6_1、FAC7_1等7個(gè)主成分因子，再代入最終回歸模型，最后判別結(jié)果見表（8）。利用本報(bào)告所構(gòu)建的交通行業(yè)財(cái)務(wù)預(yù)警模型的警戒線為0.5。根據(jù)證券之星網(wǎng)2006年交通運(yùn)輸行業(yè)上市公司公布的財(cái)務(wù)數(shù)據(jù)所得到的判別值中，代號(hào)為600591上海航空公司和600115 S東航公司判別值大于0.5，屬于應(yīng)予以警示的公司范疇；其余18家交通運(yùn)輸企業(yè)上市公司屬于財(cái)務(wù)健康公司。經(jīng)調(diào)查了解與企業(yè)的實(shí)際情況相符。經(jīng)分析可知兩家公司發(fā)生財(cái)務(wù)危機(jī)的原因是營(yíng)運(yùn)效率低，盈利能力差導(dǎo)致負(fù)債率高，所以要擺脫困境首要企業(yè)要擺脫困境，避免財(cái)務(wù)危機(jī)的發(fā)生，首先必須解決的問(wèn)題就是如何扭虧為盈，提高營(yíng)運(yùn)效率創(chuàng)造真實(shí)的利潤(rùn)與現(xiàn)金增量。
四、結(jié)論
財(cái)務(wù)風(fēng)險(xiǎn)的控制和管理是我國(guó)交通運(yùn)輸企業(yè)財(cái)務(wù)管理中的重要內(nèi)容之一。為提高財(cái)務(wù)風(fēng)險(xiǎn)的控制和管理，要做的第一件事是如何進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)警，使企業(yè)采取有效的措施來(lái)規(guī)避財(cái)務(wù)風(fēng)險(xiǎn)，并將損失降到最低。 本文結(jié)合了交通運(yùn)輸企業(yè)的特點(diǎn)，在保證財(cái)務(wù)指標(biāo)的可靠性基礎(chǔ)上，建立了能夠全面反映交通運(yùn)輸業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)警指標(biāo)體系，并進(jìn)行了模型適用性的驗(yàn)證分析，使財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)及風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)具有了動(dòng)態(tài)的可控性，從而保證了交通運(yùn)輸業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警及風(fēng)險(xiǎn)評(píng)價(jià)的實(shí)用性。
參考文獻(xiàn)：
[1]田芬等：《物流企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)綜合預(yù)警研究》，《物流技術(shù)》2009年第9期。
[2]吳文強(qiáng)：《高速公路公司財(cái)務(wù)預(yù)警系統(tǒng)的研究》，《廣東工業(yè)大學(xué)碩士學(xué)位論文》200年。
[3]中國(guó)注冊(cè)會(huì)計(jì)師協(xié)會(huì)：《財(cái)務(wù)成本管理》，經(jīng)濟(jì)科學(xué)出版社2008年版。
[4]杜強(qiáng)、賈麗艷：《SPSS統(tǒng)計(jì)分析從入門到精通》，人民郵電出版社2009年版。
企業(yè)財(cái)務(wù)預(yù)警研究范文6
關(guān)鍵字：企業(yè)財(cái)務(wù)危機(jī)預(yù)警；集成模型；Bagging；Adaboost
1 引言
建立有效的財(cái)務(wù)危機(jī)預(yù)警模型是金融機(jī)構(gòu)一項(xiàng)非常重要而艱巨的任務(wù)。財(cái)務(wù)危機(jī)預(yù)警模型可以用來(lái)預(yù)測(cè)上市公司的財(cái)務(wù)是否發(fā)生問(wèn)題。如果預(yù)測(cè)模型不能正常運(yùn)行，如預(yù)測(cè)錯(cuò)誤率很高，它會(huì)導(dǎo)致不正確的決策，并很可能會(huì)由此導(dǎo)致嚴(yán)重的金融危機(jī)和災(zāi)難。
財(cái)務(wù)危機(jī)預(yù)警模型也可以表示為一類具有輸入和輸出的二分類問(wèn)題。也就是說(shuō)，預(yù)測(cè)模型將每個(gè)樣本分類到2個(gè)預(yù)定義的類。對(duì)于財(cái)務(wù)危機(jī)預(yù)警問(wèn)題，輸出結(jié)果即為發(fā)生財(cái)務(wù)危機(jī)或者未發(fā)生財(cái)務(wù)危機(jī)。單變量分析方法最早應(yīng)用于企業(yè)財(cái)務(wù)危機(jī)預(yù)警領(lǐng)域，Beaver（1966）[1]等是較早采用單變量分析法預(yù)測(cè)企業(yè)狀況的學(xué)者，并在研究中發(fā)現(xiàn)對(duì)企業(yè)財(cái)務(wù)狀況判別能力高的財(cái)務(wù)指標(biāo)和關(guān)鍵要素。Ohlson（1980）[2]發(fā)現(xiàn)Logistic模型更適合描述企業(yè)發(fā)生財(cái)務(wù)危機(jī)與否和財(cái)務(wù)比率指標(biāo)之間的非線性關(guān)系。自上世紀(jì)50年代人工智能技術(shù)，如決策樹、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)等分類器成為預(yù)測(cè)企業(yè)財(cái)務(wù)危機(jī)較常用的方法。Odom（1990）[3]最先運(yùn)用神經(jīng)網(wǎng)絡(luò)模型對(duì)企業(yè)財(cái)務(wù)狀況進(jìn)行預(yù)測(cè)。
已有研究表明，分類器集成技術(shù)在預(yù)測(cè)精度和誤差等方面都要優(yōu)于單一分類器模型和傳統(tǒng)的統(tǒng)計(jì)方法。集成分類器是針對(duì)同一問(wèn)題通過(guò)組合一組分類器進(jìn)行解決的，最終的分類結(jié)果根據(jù)每個(gè)分類器的組合從而最終得到。常用的集成方法包括Bagging和Adaboost。West（2005）[4]研究了用于對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行集成的cross-validation，bagging，boosting三類集成策略，并證明多分類器集成方法的預(yù)測(cè)能力優(yōu)于單一模型。Alfaro（2008）[5]對(duì)比了使用AdaBoost集成方法和神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)企業(yè)破產(chǎn)的精度，結(jié)果顯示AdaBoost集成方法有效降低了神經(jīng)網(wǎng)絡(luò)的泛化錯(cuò)誤。
雖然許多相關(guān)的研究已經(jīng)證明了集成分類器優(yōu)于許多單分類器，但是在企業(yè)財(cái)務(wù)危機(jī)預(yù)警領(lǐng)域，關(guān)于集成模型的應(yīng)用還缺少全面的對(duì)比及分析。所以本文選取了Bagging和Adaboost集成模型，同時(shí)選取了神經(jīng)網(wǎng)絡(luò)（NN）、支持向量機(jī)（SVM）和決策樹（DT）作為集成的基分類器，重點(diǎn)討論如何構(gòu)建財(cái)務(wù)危機(jī)預(yù)警的最優(yōu)集成分類器模型。
2 集成模型
集成學(xué)習(xí)方法是機(jī)器學(xué)習(xí)的新興領(lǐng)域。近些年來(lái)，采用集成模型對(duì)企業(yè)財(cái)務(wù)危機(jī)進(jìn)行預(yù)警的研究也呈上升趨勢(shì)。集成模型的目的在于將多個(gè)具有一般性能的弱分類器整合成為具有較強(qiáng)分類性能的集成模型。也就是說(shuō)，用于集成的基分類器能夠有效彌補(bǔ)其它基分類器所產(chǎn)生的不足，從而獲得比單分類器更好的預(yù)測(cè)效果，顯著的提高預(yù)測(cè)模型的泛化能力。
將不同的基分類器的預(yù)測(cè)結(jié)果進(jìn)行組合得到最終的預(yù)測(cè)結(jié)果，這些用于組合的基分類器可以通過(guò)不同的訓(xùn)練數(shù)據(jù)集產(chǎn)生，也可以通過(guò)不同的分類算法產(chǎn)生：
2.1 Bagging
Bagging首先通過(guò)自助抽樣法，從初始訓(xùn)練數(shù)據(jù)集中有放回的對(duì)樣本進(jìn)行抽樣，形成不同的訓(xùn)練數(shù)據(jù)集。進(jìn)而采用某一分類算法分別用各個(gè)訓(xùn)練數(shù)據(jù)集對(duì)基分類器模型進(jìn)行訓(xùn)練，從而形成不同的基分類器模型。最后采用多數(shù)投票法融合各個(gè)基分類器的預(yù)測(cè)結(jié)果。已有研究表明，Bagging采用的自助抽樣法和多數(shù)投票法能夠有效降低模型的方差從而提高預(yù)測(cè)的精度。
2.2 Adaboost
在Adaboost中，各個(gè)分類器是連續(xù)生成的。即Adaboost是一種迭代算法，其核心思想是針對(duì)同一個(gè)訓(xùn)練集訓(xùn)練不同的基分類器，然后把這些基分類器通過(guò)多數(shù)加權(quán)投票的方法進(jìn)行整合形成一個(gè)最終的強(qiáng)分類器。Adaboost的算法如下：
假設(shè)有訓(xùn)練樣本集 ，代表一個(gè)二分類問(wèn)題中訓(xùn)練樣本的對(duì)應(yīng)輸出。當(dāng)經(jīng)過(guò)第t次迭代時(shí)，每個(gè)訓(xùn)練樣本的權(quán)重表示為 。每個(gè)訓(xùn)練樣本的初始權(quán)重為1/n，樣本的權(quán)重隨著迭代的增加而不斷的更新。在t次迭代時(shí)，Adaboost根據(jù)權(quán)重分布生成新的訓(xùn)練樣本集，并使用新的訓(xùn)練樣本生成基分類器，通過(guò)ft表示。Et代表分類器ft的錯(cuò)誤率，可以通過(guò)式（1）進(jìn)行計(jì)算：
（1）
根據(jù)容易分類的樣本分配較小權(quán)重，較難分類的樣本分配較大權(quán)重的基本思想，樣本的權(quán)重通過(guò)式（2）進(jìn)行更新：
（2）
式（2）中的αt和lit分別通過(guò)式（3），（4）計(jì)算得到：
（3）
（4）
將以上得到的權(quán)重進(jìn)行標(biāo)準(zhǔn)化處理，可以得到 （5）。
當(dāng)進(jìn)行T次迭代時(shí)，將有T個(gè)弱分類器用于集成。Adaboost通過(guò)加權(quán)投票集成法得到最終的分類結(jié)果。
3 實(shí)證研究
3.1 樣本描述
本文采用的上市公司的財(cái)務(wù)數(shù)據(jù)樣本均通過(guò)CCER經(jīng)濟(jì)金融數(shù)據(jù)庫(kù)獲取。采用滬深兩市中的上市公司因?yàn)檫B續(xù)兩年以上財(cái)務(wù)狀況異常而被“特別處理（Special Treatment，ST）”作為分類器的分類標(biāo)準(zhǔn)。基于此，本文選取2009-2014年首次被證監(jiān)會(huì)“特別處理”的上市公司，共計(jì)167家上市公司作為發(fā)生財(cái)務(wù)危機(jī)的公司樣本。并根據(jù)同行業(yè)和相似總資產(chǎn)選取準(zhǔn)則，選取了167家財(cái)務(wù)健康的上市公司作為配對(duì)樣本進(jìn)行實(shí)驗(yàn)。基于既有的的指標(biāo)選取原則，本文分別從市場(chǎng)價(jià)值、營(yíng)運(yùn)能力、資本結(jié)構(gòu)、償債能力、盈利能力和成長(zhǎng)能力6個(gè)方面選取了38個(gè)財(cái)務(wù)指標(biāo)作為構(gòu)建財(cái)務(wù)預(yù)警模型的輸入。具體包含的指標(biāo)內(nèi)容如表1所示：
3.2 實(shí)驗(yàn)設(shè)計(jì)
本文選取了神經(jīng)網(wǎng)絡(luò)（NN），支持向量機(jī)（SVM）和決策樹（DT）三個(gè)常用的預(yù)測(cè)模型作為集成的基分類器。使用神經(jīng)網(wǎng)絡(luò)作為基分類器，主要需要確定網(wǎng)絡(luò)層神經(jīng)元的數(shù)量，本文采用經(jīng)驗(yàn)法對(duì)其進(jìn)行設(shè)置，即網(wǎng)絡(luò)層的神經(jīng)元數(shù)量一般設(shè)置為 ，其中m是輸入層神經(jīng)元的個(gè)數(shù)，即輸入財(cái)務(wù)指標(biāo)集的數(shù)量，n是輸出層的神經(jīng)元個(gè)數(shù)，即是否發(fā)生財(cái)務(wù)危機(jī)，a是一個(gè)0-10之間的常數(shù)。采用支持向量機(jī)作為集成的基分類器時(shí)，采用徑向基函數(shù)（RBF）作為其核函數(shù)，并利用交叉驗(yàn)證法尋找最優(yōu)的懲罰系數(shù)C和核參數(shù)σ。
為了避免訓(xùn)練樣本因?yàn)橐淮纬闃佣沟媚Ｐ偷臏y(cè)試產(chǎn)生有偏的結(jié)果，采用10-折交叉驗(yàn)證作為模型的驗(yàn)證方法。即將樣本數(shù)據(jù)隨機(jī)劃分為互斥的10組，用其中9組作為訓(xùn)練樣本，剩余1組作為測(cè)試樣本，重復(fù)這一過(guò)程，直至每組都做過(guò)一次測(cè)試樣本，并計(jì)算最終正確分類的樣本數(shù)量占總樣本數(shù)量的值來(lái)評(píng)估分類器的性能。
3.3 評(píng)價(jià)標(biāo)準(zhǔn)
本文分別采用整體預(yù)測(cè)準(zhǔn)確率（Accuracy）、第一類錯(cuò)誤率（type I error）和第二類錯(cuò)誤率（type II error）作為評(píng)判模型優(yōu)劣的評(píng)價(jià)標(biāo)準(zhǔn)。融合矩陣及各個(gè)評(píng)價(jià)標(biāo)準(zhǔn)的定義如下所示：
3.4 實(shí)驗(yàn)結(jié)果與分析
為了分析以下兩個(gè)問(wèn)題，一是在企業(yè)財(cái)務(wù)危機(jī)預(yù)警中Bagging和Adaboost兩類集成模型預(yù)測(cè)能力的差異，二是NN，DT和SVM分別與Bagging和Adaboost集成后預(yù)測(cè)能力的差異。本實(shí)驗(yàn)共進(jìn)行了9組實(shí)驗(yàn)，來(lái)較全面的分析以上兩個(gè)問(wèn)題。具體實(shí)驗(yàn)結(jié)果見表3：
從表3可以看出，當(dāng)使用Adaboost作為集成框架，DT作為集成的基分類器時(shí)，構(gòu)建的模型具有最好的預(yù)測(cè)性能，準(zhǔn)確率達(dá)到了80.24%，第一類錯(cuò)誤率為17.86%，第二類錯(cuò)誤率為21.69%。而采用Adaboost-SVM和Adaboost-NN的預(yù)測(cè)結(jié)果分類別77.55%和76.35%。同時(shí)可以看出，無(wú)論選擇哪種預(yù)測(cè)算法作為集成的基分類器，Adaboost集成框架的預(yù)測(cè)效果都優(yōu)于Bagging，因?yàn)锳daboost具有更好的泛化性能和降低方差的能力。
4 結(jié)論
既往研究中，關(guān)于分類器集成方法在企業(yè)財(cái)務(wù)危機(jī)預(yù)警中的作用沒(méi)有被充分挖掘。所以本文對(duì)集成方法進(jìn)行了較全面的研究和比較分析。本文選取了企業(yè)財(cái)務(wù)危機(jī)預(yù)警中常用了兩個(gè)集成模型：Bagging和Adaboost，用于比較。同時(shí)，每個(gè)集成模型都分別與神經(jīng)網(wǎng)絡(luò)、決策樹和支持向量機(jī)相結(jié)合，用于判斷集成模型的性能。實(shí)驗(yàn)表明，Adaboost-DT具有最優(yōu)的預(yù)測(cè)能力。此外，相比于其它集成模型，Adaboost-DT具有更好的效率。所以，在未來(lái)關(guān)于企業(yè)財(cái)務(wù)危機(jī)預(yù)警的實(shí)踐應(yīng)用中，該模型為管理者和投資者提供了一個(gè)較好的決策工具。
參考文獻(xiàn)：
