时间：2023-03-20 16:13:51
导语：在财务比率论文的撰写旅程中，学习并吸收他人佳作的精髓是一条宝贵的路径，好期刊汇集了九篇优秀范文，愿这些内容能够启发您的创作灵感，引领您探索更多的创作可能。
[论文摘要]企业财务危机已成为企业利益相关者需要预测并应对的重要风险之一。企业应构建财务预警机制，及时沟通企业有关财务危机预警的信息，有效地防范和化解财务危机。本文对国内外财务危机预警模型逐一进行评析，旨在为构建符合我国实际并具有可操作性的财务危机预警模型提供借鉴。
随着我国市场经济体制改革的不断深化，经济领域中的复杂性、不确定性日益凸现，企业发生财务危机的情况越来越频繁，因此，财务危机已成为企业利益相关者需要预测并应对的重要风险之一。构建财务预警机制，及时沟通企业有关财务危机预警的信息，有效地防范和化解财务危机，是任何一个企业都必须亟待解决的问题。近年来，除了沿用传统的经验判别与定性分析方法外。企业利益相关者也开始关注并尝试使用财务危机预警模型来定量预测财务危机。财务危机预警模型就是借助企业一系列财务指标和非财务指标来识别企业财务危机的判别模型。其关键点就是如何确定预警指标及预警指标的临界值。本文对国内外财务危机预警模型逐一进行评析，旨在为构建符合我国实际并具有可操作性的财务危机预警模型提供借鉴。
一、单变量预警模型
单变量预警模型是指利用单个财务比率来进行财务预警，以判断企业是否发生财务危机的一种预测模型。beaver(1966)在其“财务比率与失败预测”一文中，以财务危机预警为主题，以单一的财务比率指标为基本变量，运用配对样本法。随机挑选了1954年至1964年间79家危机中的企业。并针对这79家企业逐一挑选与其产业相同且资产规模相近的79家正常企业进行比较。得出的结论是，最能对企业危机做出预警的指标是“现金流量/总负债”比率，其次是“净收益/总资产”比率和“总负债/总资产”比率。其中，“现金流量”来自“现金流量表”的3种现金流量之和，除现金外还充分考虑了资产变现力，同时结合了企业销售和利润的实现及生产经营状况的综合分析，这个比率用总负债作为基数，考虑了长期负债与流动负债的转化关系，但是总负债只考虑了负债规模，而没有考虑负债的流动性，即企业的债务结构，因此对一些因短期偿债能力不足而出现危机的企业存在很大的误判性。“总资产”这一指标没有结合资产的构成要素。因为不同的资产项目在企业盈利过程中所发挥的作用是不同的，这不利于预测企业资产的获利能力是否具有良好的增长态势。
beaver最先在企业危机预警研究中使用非参数统计的二分类检验方法来确定分割点。使其错误分类率降至最低，这一方法为以后的企业财务危机预警研究者广泛采用。此外，beaver还首创配对抽样的技术以控制因产业类别和企业资产规模不同而引起的混淆。但单变量预警模型只是利用个别财务比率预测企业财务危机。因此其有效性受到一定的限制。一般来说。企业的生产经营状况受到许多因素的影响，各种因素之间既有联系又有区别，单个比率反映的内容往往有限，无法全面解释企业的财务状况。
二、多元判别分析模型
多元判别分析模型是对企业多个财务比率进行汇总，求出一个总判别分值来预测企业财务危机的模型。altman(1968)在其“财务比率、判别分析和公司破产预测”一文中认为，企业是一个综合体，各个财务指标之间存在某种相互联系。各个财务指标对企业整体风险的影响和作用也是不一样的。他通过把传统的财务比率和多元判别分析方法结合在一起，发展了一种财务危机预警模型，即z计分模型。该模型的具体形式如下：
z=0.012x1+0.014x2+0.033x3+0.006x4+0.999x5
式中，x1=营运资本/总资产，反映资产的流动性与规模特征；x2=留存收益/总资产，反映企业累计盈利状况；x3=息税前收益/总资产，反映企业资产的获利能力；x4=权益的市场价值/总债务的账面值，反映企业的偿债能力；x5=销售总额/总资产，反映企业的营运能力。
通过统计分析，altman认为z值应在1.81-2.99之间，等于2.675时居中。如果企业的z值大于2.675，表明企业的财务状况良好；如果z值小于1.81，则企业存在很大的破产风险；如果z值处于1.81-2.675之间，称为“灰色地带”，处在这个区间，则企业财务状况是极不稳定的。
z计分模型的变量是从资产流动性、获利能力、偿债能力和营运能力等指标中各选择一两个最具代表性的指标。模型中的系数则是根据统计结果得到的各指标相对重要性的量度。实证表明该模型对企业财务危机有很好的预警功能。但其预测效果也因时间的长短而不一样，预测期越短，预测能力越强，因此该模型较适合企业短期风险的判断。
z计分模型在企业破产前超过3年的预测正确率大大降低，而且随着时间的推移，经济环境也将出现重大变化，特别是进入20世纪70年代以后，企业财务危机的平均规模急剧增大，原有的z计分模型已无法解释当时的企业财务危机现象。于是，altman等人于1977年又提出了一种能更准确地预测企业财务危机的新模型——zeta模型。在该模型中，altman等人利用27个初始财务比率进行区别分析，最后选取了7个解释变量，即资产报酬率(息税前利润/总资产)、盈余稳定性(息税前利润，总资产的10年标准误差)、利息保障倍数(息税前利润/利息支出总额)、累计盈余(留存收益/总资产)、流动性(流动比率)、资本比率(5年普通股平均市值/总资本)和资本规模(普通股权益/总资产)。该模型存在的不足是选择比率没有理论可依，选择同一行业中相匹配的危机公司和正常公司也是困难的，而且观察的总是历史事件。但由于该模型简单明了。以后对企业财务危机预警模型的研究都是沿着这一思路进行的。
20世纪70年代，日本开发银行调查部选择了东京证券交易所310家上市公司作为研究对象，使用与altman相同的研究方法，建立了“利用经营指标进行企业风险评价的破产模型”，进行财务危机预测。其判别函数为：
z=2.1x1+1.6x2-1.7x3-x4+2.6x5+2.5x6
式中，x1表示销售额增长率；x2表示总资本利润率；x3表示他人资本分配率；x4表示资产负债率；x5表示流动比率；x6表示粗附加值生产率(为折旧费、人工成本、利息及利税之和与销售额之比)。模型中和的系数是负数，表明他人资本分配率和资产负债率越小，风险也越小。该模型z值的判断标准是：如果z值大于10，则企业财务状况良好：如果z值小于0，则企业存在严重的财务危机，破产的概率极大；如果z值在0与10之间。则表明企业处于“灰色区域”，存在财务隐患。
陈肇荣应用中国台湾地区的企业财务资料建立了多元判别函数，但未给出临界值及警度区间。该模型如下：
z=0.35x1+0.67x2-0.57x3+0.39x4+0.55x5
式中，x1=速动资产/流动负债；x2=营运资金/资产总额；x3=固定资产/资本净值；x4=应收账款/销售净额；x5=现金流入量/现金流出量。
由于z计分模型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，中国学者周首华等对z计分模型加以改造，并建立其财务危机预测的新模型——f分数模式。f分数模式的主要特点是：(1)f分数模型中加入现金流量这一预测自变量。许多专家证实现金流量比率是预测公司破产的有效变量，因而弥补了z计分模型的不足。(2)考虑了现代化公司财务状况的发展及其有关标准的更新。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)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计分模型的样本仅为66家(33家破产公司和33家非破产公司)。
f分数模式如下：
z=0.1774+1.1091x1+1.1074x2+1.9271x3+0.0302x4+0.4961x5+0，496 1x5
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；x3=(税后纯收益+折旧)/平均总负债；x3=(税后纯收益+利息+折旧)/平均总资产。
f分数模式与z计分数模型中各比率的区别就在于其x3，x5的比率不同。x3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。x5测定的是企业总资产在创造现金流量方面的能力。相对于z计分模型，它可以更准确地预测出企业是否存在财务危机。f分数模式的f分数临界点为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。
多元判别分析模型是根据特定样本建立起来的判别模型，因而根据一个地区(或时期)样本企业建立的判别分析模型可能无法有效地对另一个地区(或时期)的企业进行预测。此外，多元判别分析模型的有用性差，导致理论研究热而实际应用冷的尴尬局面。
三、线性概率模型
线性概率模型是多元判别分析模型的一种替代选择。该模型为：
p=c0+c1x1+c2x2+…+cnxn
该模型可以解释为，在给定财务比率xn的情况下，p为该企业发生财务危机的概率的估计值。该模型计算虽然简单，但存在明显的缺陷：(1)该模型表示企业发生财务危机的可能性，则p值只能在(0，1)区间之中，然而线性回归方程无法做到这一点，采用该模型进行预测时，p值可能在(0，1)区间之外；(2)线性概率的假设往往与实际情况不吻合。现实生活中的经济变量是不确定的，而在该模型中，自变量c却是一个常数。基于以上原因，该模型在企业财务危机预测的实际研究中鲜有采用。
四、logistic模型
尽管多元判别分析模型有较好的预测性，但存在假设上的局限性，即要求各自变量(财务比率)服从多元正态分布的假设和两组变量(发生财务危机与未发生财务危机企业)具有同样方差一协方差矩阵的假设，显然，这些假设与现实相去甚远。此外。样本的抽取往往也会影响评价模型的预测准确性。因此。为服务于对定性因变量的多元非线性分析，ohlson率先在财务危机预警研究中应用了二元概率函数来计算危机事件发生的概率，由此产生了logistic模型。在企业财务危机判定与预测中，logistic模型如下：
yi=β0+β1xli+…+βkxki
pi=1/(1+e-yx)
式中，yi代表第i家企业是否发生财务危机，i=0或1，0代表正常企业，1代表财务危机企业，xki代表第i家企业的第k个财务比率，pi代表根据logistic模型所估计出来的第i家企业可能发生财务危机的概率。
该模型是一个用来测度企业是否会发生财务危机的二元选择模型。对这个模型的参数估计只能采用最大似然估计法。logistic模型的一个重要优点是它把在(0，1)区间预测一个企业是否发生财务危机的概率的问题转化为在实数轴上预测一个企业是否发生财务危机的机会比的问题，这与线性概率有着本质上的不同和进步。
五、人工神经网络分析模型
运用线性概率分析、逻辑回归方法来建立财务危机判别函数都是直接或者间接地依赖于线性函数来建立模型。存在的只是理论上的优越性。往往并不能很好地拟合复杂的实际数据。1987年，lapedes和fayber首次应用人工神经网络分析模型进行预测，开创了人工神经网络预警的先河。该模型是一种平行分散处理模型，其构建理念基于对人类大脑神经运作的模拟。它除具有较好的模式识别能力外，还可以克服传统统计方法的局限，具有容错能力。更难能可贵的是，该模型具有随不断变化的复杂环境进行自我学习的能力，因而使企业财务危机动态预警成为可能。
【关键词】财务预警；财务危机；逻辑回归
一、研究背景及意义
伴随着我国社会主义市场经济体制改革的不断深化，激烈的市场竞争不仅给我国上市公司带来了磨练的机遇，也带来了诸多新的挑战。由于存在这种激烈的市场竞争氛围，不可避免地会使一批实力不够强大的上市公司陷入财务危机，这就会给与该上市公司有利益关联的投资者、债权人、其他企业以及国家造成不利的影响。所以，构造财务危机预警模型已成为世界各国学者争相研究的热门课题。由于所有预警模型的预测效果均受来自样本容量和误差的影响，而且在现实的经济世界中总会发生这样或那样的对上市公司生产经营造成不利影响的偶然事件，因此人们建立的财务危机预警模型不是百分之百的准确。但是，一个判断准确率较高的预警模型还是很有价值的，这对于保护与该上市公司有利益关联的投资者、债权人、其他企业以及国家的利益具有重大意义。
二、关于财务危机含义的界定
财务危机（Financial Crisis）又称财务困境（Financial Distress），破产是最为严重的财务危机，大多数国外学者的研究着眼点都是从企业破产着手的。在Beaver（1966）的研究中，79家“财务困境公司”包括59家破产公司、16家拖欠优先股股利公司和3家拖欠债务的公司。由此可见，Beaver把破产、拖欠优先股股利、拖欠债务界定为财务困境。Altman（1968）定义的财务困境是“进入法定破产的企业”。Deakin（1972）则认为财务困境公司“仅包括已经经历破产、无力偿债或为债权人利益而已经进行清算的公司”。Carmichael（1972）认为财务困境是企业履行义务时受阻，具体表现为流动性不足、权益不足、债务拖欠及资金不足四种形式。国内学者对财务危机的界定并多不，一般认为“财务危机是指企业因财务运作不善而导致财务状况恶化的一系列动态结果”，将被ST的上市公司定义为陷入财务危机。
三、文献回顾
（一）国外文献回顾
最早进行财务预警模型研究的是Fitzpatrick（1932）所做的单变量破产预测模型，他以19家企业为样本，运用单个财务比率将样本分为破产和非破产两组，结果发现判别能力最高的是净利润/股东权益和股东权益/负债两个比率，而且在经营失败之前三年这些比率呈现出显著差异。
Beaver（1966）选取了30个财务比率进行研究，在排除行业因素和公司资产规模因素的前提下，通过对30个比率进行单个检验，研究发现现金流量/债务总额，净收益/资产总额，债务总额/资产总额对预测财务危机是有效的，其中现金流量/债务总额指标表现最好。
Altman（1968）提出的了多元判别模型—Z-score判别模型。他以1946年至1965年期间提出破产申请的33家公司和相对应的33家非破产公司作为样本，运用逐步多元区别分析法提炼最具有代表性的财务比率，通过统计技术筛选出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。用其财务比率拟合出一个多元线性函数方程，求出Z值，对其经营状况进行预测或判断，发现模型的预测力在破产前一年的成功率明显超过了一元判定模型。
Ohlson（1980）采用Logistic回归方法建立财务预警模型，分析样本公司在破产概率区间上的分布以及两类判别错误和分割点的关系。Logistic回归模型对于变量的分布不再有具体要求，而且在回归时通过概率值进行预测，具有较好的实用性。
Coats和Fant（1993）使用BP神经网络理论，以Altman构建的5个财务比率为研究变量建立财务预警模型，对财务失败公司进行判别分析，结果表明Z值模型对破产当年具有很好的判断效果，但不具有很好的提前预测效果，而神经网络模型能够较好解决这一问题。
（二）国内文献回顾
受证券市场发展的影响，国内对财务预警的研究起步较晚。吴世农和黄世忠（1986）首次介绍了企业破产的分析指标和预测模型。周首华等（1996）选用1977-1990年31家国外破产公司和另外相对应的同一行业、同一年度及相近净销售额的31家非破产公司作为研究样本，提出了F分数模型，在充分考虑了企业现金流量的变动等方面的情况后，通过调整和更新指标对Z值模型进行修正。
我国直到1999年4月才真正开始了以我国企业数据为基础，建立适合我国国情的预警模型的实证研究。陈静（1999）以1998年27个ST公司和27个非ST公司为样本，最终选定资产负债率、净资产收益率、总资产报酬率等6个财务指标，分别以公司被ST的前1年、前2年、前3年的财务数据为基础，用判别分析方法做了实证分析。在单变量判定分析中，选取了资产负债率、净资产收益率、总资产收益率、流动比率4个财务指标进行了研究，发现在这4个财务指标中，流动比率与负债比率的误判率最低；在多元判别分析中，选取了负债比率、净资产收益率、净利润/年末总资产、流动比率、营运资本/总资产、总资产周转率6个财务指标，构建了Fisher判别分析模型，发现这个模型在ST发生的前3年能较好地预测ST。
张玲（2000）以120家公司为研究对象，使用其中60家公司（其中有30家1998或1999年戴帽的ST公司，30家绩优公司）的财务数据估计二类线性判别模型，并使用另外60家公司（其中有21家ST公司和随机选择的39家非ST公司）进行模型检验，经过判别分析过程，从原来的15个特征财务比率变量中最后推导出只有4个变量：资产负债比率、营运资金与总资产比率、总资产利润率、留成收益与资产总额的判别函数，发现判别模型具有超前4年的预测结果。
吴世农、卢贤义（2001）分别采用了剖面分析法、单变量判定分析方法、多变量判定方法进行财务危机预警研究。通过验证比较最终得出结论：多变量判定模型优于单变量模型，并且三种多变量判定模型的效果表明，Logit回归模型的判定准确性最高。Logit回归模型选取的预测变量有盈利增长指数、资产报酬率、流动比率、长期负债股东权益比率、营运资本/总资产、资产周转率。
张爱民等（2001）在借鉴奥特曼（Altman）的多元Z值判定模型的基础上，采用主成分分析方法，建立了一种新的预测企业财务失败的模型——主成分预测模型，并把沪深两地证券市场的ST公司界定为“财务失败企业”，选取40家ST公司及与之相对应的40家非ST公司共80家企业作为研究样本，对上市公司财务失败的主成分预测模型进行实证检验。5个提取的主成分分别为：成长能力、偿债能力、收益能力之总资产报酬率、收益能力之销售（营业）利润率、收益能力之净资产收益率。检测结果显示：特别处理前一、二、三年40家测试企业分别有37、35、31家判断正确，正确率分别达92.5%、87.5%、77.5%。
随着统计技术和计算机技术的不断发展，人工智能及人工神经元网络等技术也逐渐被引入到财务危机预警模型中，刘洪、何光辉（2004）选取每股净资产、净资产收益率、每股经营现金流量、现金获利指数、主营业务净收益率、利息保障倍数、应收账款周转率、流动资产周转率、主营业务收人增长率、净资产增长率10个财务指标，在用传统的判别分析方法和逻辑回归分析方法对公司经营失败建立预警模型的基础上，探索应用人工神经网络方法对该问题进行了比较研究。结果表明，人工神经网络方法的预测精度远高于两种传统的统计方法。
四、BP人工神经网络技术的简介
人工神经网络是一种平行分散处理模式，其构建理念基于人类大脑神经运作的模拟。人工神经网络除具有较好的模式识别能力外，还可以克服传统统计方法的局限，因它具有容错能力，对数据的分布要求不严格，具备处理资料遗漏或是错误的能力。最可贵的一点是人工神经网络具有学习能力，可随时依据新准备的数据资料进行自我学习、训练，调整其内部的储存权重参数以对应多变的企业运作环境。前向三层BP神经网络方法被认为是最适用于模拟输入、输出的近似关系，它是在人工神经网络中算法最成熟、应用最广泛的一种。BP神经网络方法摆脱了一般回归方法的局限，突破了依赖线性函数来建立统计模型的限制，用非线性函数更好地拟合实际资料数据，实现了方法上的创新。
（一）BP神经网络的基本结构
典型的BP神经网络模型是一个由输入层、隐含层和输出层组成的阶层型神经网络。层间神经元实现全连接，层内神经元无连接，其中隐含层可以是一层，也可以是多层。BP神经网络构架如图1所示。
BP网络的产生归功于BP算法的获得。BP算法属于δ算法，是一种监督式的学习算法。其主要思想为：对于q个输入学习样本P1，P2，…，Pq，已知对应的输出样本为T1，T2，…，Tq。学习的目的是用网络的实际输出A1，A2，…，Aq与目标矢量T1，T2，…，Tq之间的误差来修改其权值，使Al（l=1，2，…q）与期望的Tl尽可能的接近，即使网络输出层的误差平方和最小。它是通过连续地在相对误差函数斜率下降的方向上计算网络权值和偏差的变化而逐渐逼近目标的。
（二）MATLAB中的BP网络的结构设计和编程
我们假定一个7-15-1结构的神经网络预测模型。其中7-15-1表示7个输入节点、15个隐层神经元、1个输出节点（定义：输出1为有财务危机，输出0为无财务危机，即矩阵[y]）。输入层到隐含层的传递函数确定tansig型传递函数，隐含层到输出层之间的传递函数都确定为logsig型传递函数，目标误差为0.00000001，学习速率为0.09，训练循环次数10000次。使用MATLAB编程语言，建立了一个前向三层BP网络，并运用若干个训练样本作为学习集进行训练。再将另外若干个个测试样本的7个同样指标的原始数据代入网络进行预测。则MATLAB编程语言如下：
通过运行上述程序，即可得出预测的矩阵[y]。将其与真实值进行对比，便可以求出预测的精确度。
参考文献
[1]Altman，E.I.Financial Raions，Discriminant Analysis and Prediction of Corporate Bankruptcy.Journal of Finance，1968（9）：589-609.
[2]Beaver，W.H.Financial Rations as Predictors of Failures.Journal of Accounting Research，Supplement，1966（4）：71-127.
[3]Carmichael，D.R.1972，“The Auditor’s Reporting Obligation”，Auditing Research Monograph No.1（New York：AICPA），pp：94.
[4]Coats P，L F Fant.Recognizing Financial Distress Patterns Using A Neural Network Tool[J].Financial Management，1993，（22）：142-155.
[5]Deakin，E.B.1972，“A Discriminant Analysis of Prediction of Business Failure”，Journal of Accounting Research（Spring）：pp：167-169.
[6]Fitzpatrick.P.J.A comparison of ratios of successful industrial enterprises with those of failed firms[J].Certified Public Account，1932，Oct：598-605.
[7]Ohlson.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980（19）：109-131.
[8]陈静.上市公司财务恶化预测的实证分析[J].会计研究，1994（4）：31-38.
[9]丛爽.面向MATLAB工具箱的神经网络理论与应用（第3版）[M].中国科学技术大学出版社，2009.
[10]冯月平.Logistic财务预警回归模型的构建与检验—以我国制造业上市公司为例[M].青岛理工大学2010级硕士论文.
[11]刘洪，何光军.基于人工神经网络方法的上市公司经营失败预警研究[J].会计研究，2004（2）.
[12]吴世农，黄世忠.企业破产的预测指标和检测模型[J].中国经济问题，1986（6）：5-8.
[13]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.
[14]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[J].金融研究，2001（3）：10-25.
关键词：上市公司 财务分析 财务指标
中图分类号:F830.91 文献标识码:A
文章编号:1004-4914（2011）08-068-02
一、汾酒集团经营状况及相关行业背景的简述和评价
汾酒集团为国有独资公司，是全国最大的名优白酒生产基地之一，是我国知名的白酒生产企业。对于汾酒集团所处的中国白酒行业则有如下的几点特点：首先，由于白酒行业消费升级前提下的产品结构调整，及其中低档酒市场萎缩让位于中高档白酒产品的趋势较为明显。近几年白酒行业销售收入和利润率大幅增长；其次，我国目前的白酒行业集中度提高，两极分化日趋严重。形成了不同程度的寡占市场结构；再次，在产品差异化上，除一些诸如：汾酒集团等的大型企业在培养自己的特色产品外，市场中的众多中小厂商未能突破产品差别化，没有有效建立自己的消费群。这使得白酒行业整体差异化水平较低。最后，高档化趋势明显，随着经济的增长，高档白酒消费将表现出比普通白酒更快的增长速度，并将替代部分中低档产品。总体来讲，这样的行业背景对于处于行业前列的汾酒集团，不管是现在的经营还是未来的发展都是利大于弊的。然而，虽然中国白酒行业总体趋于寡占，但处于行业顶端的各公司间的竞争依然是非常激烈的。加之随着中国市场的进一步开放，对于传统白酒行业的冲击是不可小觑的。
二、相关财务分析方法的介绍
企业财务分析的方法是由财务信息的使用者对财务分析的要求所决定的。尽管各个不同的分析主体进行财务分析的侧重点不同，但都要求通过财务分析来揭示企业的经营趋势、公司盈利等方面的情况。具体的财务分析方法主要包括：基础财务分析和综合财务分析。
（一）基础财务分析
基础财务分析举例主要有：趋势分析、比率分析等。
1.趋势分析法。趋势分析法是将企业连续几个时期的同类指标数字两两相除，求出趋势比率，以确定分析其各有关项目的变动情况和趋势的一种财务分析方法。
2.比率分析。财务比率是根据财务报表数据计算而来的反映财务报表各项目之间相互关系的比值。具体包括：衡量企业短期偿债能力的流动比率、速动比率、现金比率，衡量企业资本结构（长期偿债能力）的资产负债率、产权比率，衡量企业盈利能力的营业毛利率、资产净利率、净资产收益率等财务比率。
（二）杜邦财务分析体系
杜邦财务分析体系，是利用各主要财务比率的内在联系，把反映企业偿债能力、营运能力和盈利能力等单方面的指标结合起来，形成一套财务分析指标体系。
三、对汾酒集团的财务分析
会计人员的一个重要目的就是以有利于决策的形式向使用者报告财务信息。而这些看上去单调的财务报表和冗繁的财务数据，就成为了在企业之内和之外沟通财务信息的主要手段。下面我们就对汾酒集团相关财务报表、财务数据进行加工处理，以及在此基础上做进一步的思考与分析。
（一）短期偿债能力分析
短期偿债能力主要是指企业流动资产及时足额偿付流动负债的能力。具体到相关的财务指标主要包括：流动比率、速动比率、现金比率、流动负债经营活动净现金流比等。
1.汾酒集团2006-2009年短期偿债能力指标情况。从表1中，我们可以直观的看出汾酒集团的各项短期偿债能力指标总体上讲是比较稳定的，从2006到2009年的四年间基本没有较大的波动，尤其是速动比率几乎没有什么变化。至于现金比率和经营活动净现金流比除了2007年的小幅下挫，也基本维持在0.6左右。而流动比率还有逐年上升之势。所以，总的来讲近几年汾酒集团的短期偿债能力维持在一个较稳的水平。然而，当我们的目光移出汾酒集团，投入到2006到2009年的整个宏观经济环境时，我们就会发现情况远没有我们在图表中看到的那样乐观和平稳。在2008年金融危机中，很多的中国企业都受到严重的影响，有的甚至濒临破产甚至倒闭。而汾酒集团，最起码从短期偿债能力指标上来看，不但没有受到金融危机的影响，而且除速动比率外的各项指标都比2007年有明显的上扬。所以，进一步总结，汾酒集团的短期偿债能力不但是稳定的而且是趋好的。
另外，我们还要指出的一点是：不要认为这样好的短期偿债能力对于公司就是绝对有利的。从另一个方面，它也说明了企业把很大一部分经营所得以低收益资产，甚至是以现金的形式保留，这也表明公司缺乏较好的长期投资机会和较成熟的短期投资管理。
2.汾酒集团短期偿债能力指标与贵州茅台相关指标的比较。当我们单独考察汾酒集团的短期偿债能力指标时，我们或许会为其短期偿债能力如此之好而感叹。但当我们将贵州茅台，这个中国白酒行业的龙头老大的数据至于其下进行比较时，我们就不再那么惊讶了。贵州茅台的各相关比率除了经营活动净现金流比都要高于汾酒集团，有的甚至高出数倍。虽然没有更多的数据佐证，但白酒行业惯常的高短期偿债能力应该是该行业的一个特点，这可能与它们较高的毛利率相关。
而另一方面，贵州茅台的财务数据明显要比汾酒集团有着更大的波动性，尤其是经营活动净现金流比，就会发现贵州茅台财务数据的波动主要是源于2008年数据的突然下挫，显然贵州茅台比汾酒集团更大的受到了全球经济危机的影响。
（二）长期偿债能力分析
长期偿债能力分析，是指企业偿还长期负债的能力，它不仅取决于企业在长期内的盈利能力，还取决于企业的资本结构。具体到相关的财务指标主要包括：资产负债率、产权比率、现金负债比。
1.汾酒集团长期偿债能力分析。
从绝对上的数字来看，汾酒集团的资产负债率和产权比率，负债只占公司账面价值的20%左右，股东权益的比重将近是负债的四倍左右。这表明汾酒集团对债务的依赖程度是很低的，也即企业的长期债务较少。当然这从一个方面就表明汾酒集团的长期偿债能力是较强的。另外，从另一个方面，企业的现金偿债总额比是比较高的，除2007年外，基本维持在0.6左右，这表明企业将近60%的长期债务是可以直接用现金偿付的，这显然是汾酒集团的长期偿债能力较强的又一个佐证。
其次，从趋势分析上来看，汾酒集团的资产债务率和产权比率在过去的四年里是相当平稳的，波动率最高也只到25%左右，总的来讲沿袭了我们在短期偿债能力分析之中对公司经营稳定性的结论。
2.汾酒集团长期偿债能力指标与贵州茅台的比较。
比较了汾酒集团和贵州茅台的数据，我们略去过多的赘余，直接得出结论：首先贵州茅台的资本结构中债务的比重（最高是15%）比汾酒集团（最低也有18%）低很多。看来低的债务依赖度，进而强的长期偿债能力和低的经营风险是白酒行业的一个特点，所以我们或许可以少一些对汾酒集团的苛责；其次考查汾酒集团与贵州茅台的数据比较，汾酒集团的各项长期偿债能力的财务指标，尤其是现金负债比，还是比贵州茅台稳定些。这也表明了汾酒集团的经营是较为稳定的。
四、对汾酒集团的财务状况作出最终的评价
首先，从短期偿债能力来讲，总的来讲汾酒集团的短期偿债能力很好的，这一点对于债权人是有利的。而且从趋势上，汾酒集团的短期偿债能力是比较稳定的，各相关指标的数据一直维持在一个较稳定的水平上。不过，这对于公司而言，不见得就全是好的。过高的短期偿债能力指标表明企业在短期投资，也即短期财务计划和管理上缺乏效率，甚至非常薄弱。另外它从侧面也表明企业长期投资的缺乏。具体而言：企业握有大量低收益的现金而不去做一些短期上的证券投资（交易性金融资产的数额多年来一直为0），长期上的投资也几乎没有（除了为数不多的长期股权投资，企业的持有至到期投资和可出售金融资产也是一直为0）。所以汾酒集团在日后应将手里握有的巨大的现金财富更好的利用起来，而不是像现在这样只是简单的存入银行中以使自己的财务费用多年保持负值。当然，如果我们考虑了贵州茅台的相关数据，或许这一点是整个白酒行业需要注意改进的。
其次，在长期偿债能力上，汾酒集团的长期债务管理能力是很好的，债务依存度也较低，这也是贵州茅台的特点。故此就行业背景而言，高的长期偿债能力及低的债务依存度应该是白酒行业的普遍特点。另外，在趋势上讲，汾酒集团的长期偿债能力是很稳定的。
再次，在盈利能力上，汾酒集团的表现依然是较为平稳的。但它与白酒行业的龙头老大贵州茅台的差距依然是明显的。这表明汾酒集团在今后的经营中应加强盈利能力的提高，在之后的杜邦财务分析体系中，我们又进一步分析到：提高盈利能力的症结是对成本控制水平的提高。另外，在发展趋势上，汾酒集团在销售规模和资产规模上都有稳步的提升，这表明汾酒集团的发展前景还是乐观的。
最后，就营运能力而言，不论是汾酒集团还是贵州茅台其存货周转率都很低，这表明白酒行业的平均存货管理能力不强。在应收账款周转率方面，汾酒集团则表现了较高的水平，体现了其应收账款管理能力的出众。至于流动资产周转率和总资产周转率，汾酒集团在数值上表现的较为稳定，也即至少在过去的三年里其资本结构没有较大的变化。
参考文献：
1.张裕强.企业财务报表分析方法研究――基于光明乳业股份有限公司的报表分析[D].上海财经大学学位论文,2007
2.袁红飞.吉林电力股份有限公司的财务分析与评价[D].吉林大学学位论,2008
3.张先治.基于管理者决策与控制的财务分析一企业内部报告的财务分析应用[J].财会月刊，2008(3)
4.杨有红.西方财务分析浅论[J].财会研究，1994(8)
5.张立达.王雷.财务管理学[M].立信会计出版社，2007
6.姜国华.财务报表分析与证券投资[M].北京大学出版社，2008
7.李可人.企业财务分析指标研究[J].中小企业管理与科，2008,(22)
8.王彦忠.浅析财务分析指标的局限性[J].中国总会计师，2008(9)
9.彭新亮.上市公司财务报表分析指标浅析[J].北方经贸，2008(6)
10.夏群,马双燕.当前财务分析存在的问题及对策[J].长春金融高等专科学校学报,2008(4)
11.施慧敏.试论上市公司的财务指标分析要素[J].市场周刊(理论研究),2009(1)
12.钟顺东.浅论主要财务指标的分析[J].商业会计,2007(8)
13.杨有红.西方财务分析浅论[J].财会研究，1994(8)
14.张彦临.对上市公司财务指标分析方法的探讨[J].煤炭企业管理,2000(5)
15.丹.改进现行财务分析指标体系的几点建议[J].商业会计，2008(10)
16.郭斌.对企业财务分析的探讨[J].商业会计，2008(10)
17.王靖楠.财务分析指标体系研究.当代经济[J]，2009（5）
18王淑芝.上市公司财务指标分析.辽宁经济，2007（9）
财务困境的定义
一．国外研究
在进行财务困境预测时首先需要解决的是其概念的界定问题。从经济学的角度出发，企业陷入财务困境是一个逐步的连续过程，通常从财务正常渐渐发展到财务困境，不存在一个明确的分界点将企业分为陷入财务困境和没有陷入财务困境两类，因此国内外专家学者对财务困境有多种不同的定义方法，对财务困境也有不同的判断标准。
在Beaver(1966)的研究中，他把财务困境定义为破产、拖欠优先股股息、银行透支和债券不能偿付。Deakin(1972)认为财务困境包括已经破产、无力偿债或为债权人利益而已经清算的公司。Carmichael (1972)认为财务困境是企业履行业务受阻，具体表现为流动性不足、权益不足、资金不足和债务拖欠。George Foster(1986) 在他的《Financial Statement Analysis》中指出：所谓财务困境，就是指公司出现了严重的资产折现问题，而且这种问题的解决必须要依赖于公司的经营方式或存在形式的转变。Morris（1997） 列出了严重程度依次递减的12条企业陷入财务困境的标志：（1）债权人申请破产清算，企业自愿申请破产清算，或者被指定接收者完全接收；（2）公司股票在交易所被停止交易；（3）被会计师出具对持续经营的保留意见；（4）与债权人发生债务重组；（5）债权人寻求资产保全；（6）违反债券契约，公司债券评级或信用评级下降，或发生对针对公司财产或董事的诉讼；（7）公司进行重组；（8）重新指定董事，或者公司聘请公司诊断师对企业进行诊断；（9）被接管（但不是所有被接管都预示企业陷入财务困境）；（10）公司关闭或出售其部分产业；（11）减少或未能分配股利，或者报告损失；（12）报告比市场预期或可接受水平低的利润，或者公司股票的相对市场价格出现下降。
Ross (1999)认为应从以下四个方面定义财务困境: （1）企业失败，即企业清算后仍不能支付债权人的债务；（2）法定破产，即企业和债权人向法院申请破产；（3）技术破产，即企业无法按期履行债务合同还本付息；（4）会计破产，即企业账面净资产出现负数，资不抵债。
美国教授查尔斯・吉布森在经过长期的实践考察与分析之后，将财务困境总结为以下五种表现：（1）企业被迫清算，他认为清算是企业在解散或者依法破产过程中，为了终结企业现存的各种法律关系，而由专门的工作机构对企业的资产、债权、债务关系进行全面清查、作价及处理的一项财务工作。如果企业不是因为企业的法定营业期届满而开展这项工作，企业清算则属被迫进行。因此，企业被迫清算既是企业财务失败的直接表现，也是财务困境无法扭转的结局；（2）企业对短期债权人被迫实行延期付款。毫无疑义，延期付款破坏了企业与短期债权人的事先约定，降低了企业的商业信誉，从而给企业价值带来负面影响。这是与企业价值最大化的财务管理目标相悖的，是财务困境的表现；（3）企业延期偿还债券利息，企业债券是反映债权债务关系的有价证券，当发行企业不能按期履行支付利息的法定责任时，这种有价证券就会贬值, 负债企业价值将会明显下降，从而形成财务困境；（4）企业延期偿还债券本金，当企业延期偿还债券本金成为社会公众所瞩目的现实时，发行企业的资本实力和支付保障就成为虚构成分。于是，该债券的市场价值与发行企业的价值则同时下降，形成财务困境现象；（5）企业无力支付优先股股利，当企业无力支付应当定期支付的优先股股利时，企业价值将会受到市场投资者的重新确认，使企业价值贬值等等。
二．国内研究
由于在实际的实证研究中，往往需要用客观的，可以观察到的标志来确定研究样本，因此研究人员将企业是否申请破产作为企业是否陷入财务困境的标志。但是破产是一个法律行为, 除了受经济因素影响外，还受政治和其他非市场因素影响；另外陷入财务困境与企业是否破产并无确定的一一对应关系，在我国这一情况尤为突出。因此，无法明确有效地定义财务困境，而只能根据实证研究的具体内容确定。
在我国，暂时没有对财务困境进行深入研究及下一个准确的定义，只是在《中华人民共和国破产法(试行)》第一章第三条对破产提出了一种定义，即定义为企业因经营管理不善造成严重亏损，不能清偿到期债务。
由于国内财务困境预测的研究对象主要针对上市公司,故一般将财务困境界定为财务状况异常而被“特别处理”。1998年深沪证券交易所正式启用了当上市公司出现“异常状况”时,对上市公司进行“特别处理”的条款。“异常状况”包括“财务状况异常”和“其他状况异常”,其中因“其他状况异常”而被特别处理具有很大的不确定性,难以从财务角度进行有效预测,而对“财务状况异常”情况的界定符合一般认为企业财务状况不健康的判断。所以国内研究人员一般将陷入财务困境的公司定义为因财务状况异常而被特别处理的公司。在陈静(1999)的研究中考虑到这个问题,但由于样本量的限制,在实际样本确定中未对被特别处理的原因加以区分。在陈晓和陈治鸿(2000)的同类研究中则界定了其研究对象是因财务状况异常而被特别处理的公司。
财务困境预测
一．国外研究成果
财务困境预测在西方又普遍被称为破产预测，西方的研究人员从20世纪40年代开始研究这一问题，取得了相对比较成熟的研究成果。
1．判别分析法（Discriminant Analysis，DA）
（1)单变量判别分析法（Univariate Discriminant Approach，UDA）
最早的财务困境预测研究是Fitzpatrick(1932)开展的单变量破产预测研究。1932年Fitzpatrick的相关文章“AComparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms”。他发现在所有指标中判别能力最高的是净利润/股东权益和股东权益/负债这两个指标。由于当时缺乏先进的统计和计算工具，因此主要的研究方法是对失败企业和正常企业的一系列财务比率进行经验分析和比较。这种状况一直延续到1960年代初期，之后财务风险判别研究才真正进入系统化阶段。
1966年，William Beaver(1966)在其论文“Financial Ratios as Predictors of Failure”中率先提出了单变量分析法，提出了单一比率模型，即利用单一的财务比率来预测企业的财务困境。他发现最好的判别变量是营运资本流/负债(在公司破产的前一年成功地判别了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%)。
(2)多变量判别分析法（Multivariate Discriminant Approach，MDA）
美国财务专家Altman(1968) 首先使用了多元线性判别模型研究公司的破产问题。他根据行业和资产规模，为33家破产公司选择了33家非破产配对公司，确定了资产营运资本率、资产留存收益率、资产报酬率、债务权益市价率和总资产周转率这5个变量作为判别变量，产生了一个总的判别企业财务状况恶化程度的概率值即Z值。之后，Altman等(1977)又提出了一种能更准确预测企业财务困境的新模型-ZETA模型，由于向企业提供这项服务是有偿的，他们并没详细介绍这一模型的具体操作方法。
2．逻辑(1ogit)和概率比(probit)回归分析
多元判别分析模型存在严格的假设条件：如多元变量多元正态分布、多元变量的等协方差以及多元指标变量的平均向量、协方差、先验概率及错分成本必须为已知。但实证发现大多数财务比率并不满足这一要求。且一旦出现虚拟变量，联合正态分布的假设就完全不成立，而且产生的Z值没有明确的含义。为克服这些局限性，自20世纪70年代末以来，财务困境研究人员引进了逻辑(1ogit)和概率比(probit)回归方法。从而将问题简化为已知一个公司具有某些性质(由财务比率指标加以呈现),计算它在一段时间里陷入财务困境的条件概率有多大。如果算出的概率大于设定的分割点,则判定该公司在这段时间内会陷入财务困境。
Ohlson(1980)使用logit方法分析了选用的非配对样本在破产概率区间上的分布以及两类判别错误和分割点的关系,认为以前根据行业和资产规模来进行样本配对的选样方法过于武断,将资产规模变量直接放入模型中。用1970-1976年间105家破产公司及2058家正常公司为研究对象。采取9个财务变量来估计模型，实证结果表明，其中4项财务资料对评估破产概率具有统计显著性，依次是规模（总资产/GNP物价指数后取对数）；资本结构（总负债/总资产）；资产报酬率或来自经营的资金/总负债；短期流动性（营运资金/总资产、流动负债/流动资产），判别正确率也高达92%以上。他构造了两个虚拟变量,OPNEG和INTWO,前者当企业总资产超过总负债时值为1,否则为0;后者当企业破产前两年的净利润负时值为1,否则为0。其研究结果表明这两个虚拟变量对模型的解释能力甚至不低于某些常用的财务比率。他指出采用破产之后获得的信息来预测破产会高估破产模型的预测能力。
1984年Zmijewski 使用probit分析模型，用逻辑比分析的方法对财务困境的预测进行了新的探索。他研究了两组间样本个体数量分配的问题,认为一一配对会使样本中两类公司的比例严重偏离两类公司在实际总体中的比例,从而高估模型的预测能力,特别会高估对破产公司的预测能力。他的研究结果表明这种过度选样所带来的模型偏差的确存在,但并未显著影响统计参数和模型的总体预测精度。
3．现代分析方法
随着近年来计算机技术和信息技术的发展, 西方研究人员还将人工神经元网络、专家系统、遗传算法等技术引入对财务困境的预测研究。
（1）人工神经网络分析方法（ANN）
在1980年代末期，神经网络理论（NN）开始兴起，其影响也及于财务危机预测研究领域。虽然神经网络判别模型可谓是研究方法上的重大创新，但实际效果却很不稳定。例如，Coats 和Fant（1991）对47家财务危机公司和47家正常公司运用神经网络模型进行判别时，对财务危机公司的预测准确率达到了91%，明显高于多元判别法72%的准确率。然而，Back等人在1994年所做的一项研究却并不认为神经网络模型具有比多元判别分析（MDA）和Logistic分析明显更佳的预测效果。Altman, Marco和Varetto(1995)对意大利公司财务危机预测中应用了神经网络分析法。Coats, Fant(1993)、Trippi和Turban,Kevin、KarYanTan和MdodyY.Kiang(1992)采用了神经网络分析法分别对美国公司和银行财务危机进行了预测，取得了一定的效果。Altman(1995)在对神经网络法和判别分析法的比较研究中得出结论“神经网络分析方法在信用风险识别和预测中的应用,并没有实质性的优于线性判别模型”。
（2）期权定价理论
Charitou 和Trigeorgis（2000）使用B-S期权定价模型中的相关变量构建了财务危机判别模型，对1983年到1994年期间的139对美国企业进行了对比检验，结果发现到期债务面值、企业资产的当期市价、企业价值变化的标准差等期权变量在预测破产方面作用显著。不过，该研究的基础方法仍然建立于Logistic回归检验之上，仅仅在变量设计方面引入了期权因子，因此实际的理论贡献不大。
（3）专家系统方法应用（ES）
1988年Messier和Hansen将专家系统首次引入到财务困境预测领域，他们从知识获取角度探讨比较了专家系统(Expert System, ES)在信用分析领域的应用。通过对71家公司的数据条件下将该方法与线性判别分析（LDA）、群决策等方法加以比较，结果证明专家系统分类效果最好，ES对检验样本的正确分类率为87.5，而DA为57，并且比群决策的正确率稳定。
二．国内研究现状
回顾有关文献，我国学者在这方面的研究主要有：
周首华等利用Compustat Pc Plus会计数据库中1990年以来4160家公司，使用Spss-X统计软件建立了F分数模式(周首华等，1996)。但他们的研究对象却不是中国的证券市场。
1999年陈静以1998年27家ST公司和27家非ST公司为对象，使用1995～1997年的财务报表数据，进行了单变量和二类线性判别分析，总体正确率为92.6%（陈静，1999）。但是由于文章用于检验模型判别正确率的样本就是用于估计模型参数的样本，所以上述的判别正确率有高估的倾向。而且，根据我国上市公司的年报披露制度，上市公司t－1年度的财务报表的公开披露和上市公司在t年是否会被特别处理这两个信息几乎是同时得到的，因此，使用1997年度报表数据来预测1998年上市公司是否会被ST，就预测目的而言没有太多的实际意义。
2000年张玲以120家上市公司为对象，使用其中60家公司的财务数据估计二类线性判别模型，并使用另外60家公司进行模型检验，发现模型具有超前4年的预测结果。2000年陈晓等将多元逻辑回归模型引入上市公司的财务困境预测。2001年黄岩等则采用了费歇尔判别分析建立了我国工业类上市公司财务困境预测模型，并给出了所研究上市公司的Z值范围。2001年吴世农等则以140家上市公司为样本比较了费歇尔判别、多元线性回归分析和多元逻辑回归分析的预测效果，发现多元逻辑回归模型的判定能力最好。杨保安（2001）薛锋（2002）探讨了基于BP算法和LM算法的神经网络在企业财务危机预测上的应用。
小结
相比之下，国内对财务困境预测的相关研究目前还只处于起步状态，与国外研究存在着较大差距。但是综合来看，不管国内国外，都有一些在今后研究中需要继续努力的地方：一是预测财务变量指标的选取很多凭直观经验或直接借用已有研究成果，缺乏客观基础。二是大多数研究都仅仅对样本的年度财务数据进行截面分析，而忽视了企业财务循环中的时间序列特征；三是很多研究都采用了“配对抽样”方法为财务困境公司构造一组控制样本，尽管这么做可以控制一些因素如行业和资产规模，但是配对抽样会造成样本中两类公司的比例和它们在总体中的比例严重不一致，夸大了预测模型的正确率（Zmijewski，1984）。四是将困境企业误判为非困境企业与将非困境企业误判为困境企业的误判损失显然是不同的，误判成本如何与预测模型的判别性能结合是一个极需解决的问题，而目前还较少这方面的研究。这些都是我们今后进行财务困境预测所要努力的方向和研究的重点。
论文摘要：本文在分析国外在信贷风险评估方法上创新、应用及其发展趋势的基础上，结合内部评级的国际经验，分析了我国商业银行在信用风险管理方式、控制手段和管理框架上的不足，提出了建立内部评级体系的一系列措施，以期为我国金融机构信贷风险管理提供一些有益的参考。
一、信用评级相关研究成果综述
(一)财务指标变量预测企业经营危机的起源最早运用单一财务指标变量预测企业经营危机的研究，始于1930年代的Smith&Winker(1930、1935)。Fitzpatrick(1932)进行单变量破产预测研究，选择了19家公司作为样本，运用单个财务比率指标将样本划分为破产和非破产两组，发现判别能力最高的是净利润，股东权益和股东权益，负债两个比率。1966年由威廉，比弗(WilliamBeaver)沿着该思路继续研究。Beaver(1966)应用统计方法研究1954～1964年期间的79家失败企业，并以单变量分析法建立财务危机预测模型。发现有些财务比率在两组公司间确有显著不同，其中“现金流量，负债总额”是预测经营失败的最佳指标，其次为“资产负债率”以及“资产报酬率”。笔者认为，Beaver用单一的财务指标变量来判别企业的违约概率这样的复杂层面分类存在问题，因为企业违约概率的影响因素是多层面，仅用一个指标来判断未免偏颇。
(二)多元线性判别分析模型典型的代表是美国的爱德华·阿尔特曼博士(Edward Airman)著名的Z-score模型和ZETA信用风险模型。多元线性判别分析模型是研究对象所属类别进行判别的一种统计分析方法，该方法是从若干表明观测对象特征的变量值(财务比率)中筛选出能提供较多信息的变量并建立判别函数，使推导出的判别函数对观测样本分类时的错判率最小。Airman(1968)是率先将多变量分析用于预测财务困境公司，提出了著名的z一8COle模型。其过程包括各种可选函数(包括每个自由变量的相对贡献的判决)的统计显著性的观测；相关变量的相关关系评价；各种变量组合预测精度的观测；专家的意见。作者早在1968年对美国破产和非破产生产企业进行观察，采用了22个财务比率经过数理统计筛选建立了著名的5变量Z-score模型，最后选出了最具解释力的5个财务指标，分别是营运资金／总负债、保留利润／总资产、息税前利润／总资产、权益市价／总负债、销售收入／总资产财务比率。根据比率对借款还本付息的影响程度确定变量权重，最后将每一个比率乘以相应权重后相加，最后结合成一个线性模型，被定名为z-score模型。1977年Altman对此模型进行了修正和扩展，建立了ZETA信用风险模型，模型变量由5个变为7个。对于此种不同期间导致模型的差异，Altman认为是由于企业环境的改变而需要使用不同的财务变量，且财务预警模型也可能因使用不同期间的财务报表而有差异。
(三)多元回归模型来判别企业违约的代表Horrigan(1966)使用多元回归模型预测Moody与S&P的评级，对各个不同的等级赋予主观数值，如Aaa为9，A a为8，最低为c，数值为1，依次类推，最后的回归模型包括总资产、债券顺位、营运资金，营运收入、净值，负债，净值周转率与净利率等。其预测的正确率对Moody为58％，S&P为52％。其次West也使用多元回归模型，利用其预测Moody与S＆P的投资级债信评级，将Fisher(1959)用以估计风险溢价的自变量建立一个多元回归模型，针对Moody评级在B级以上的公司建立等级决定模型，其变数包括9年的获利变异性、偿债期间、负债权益比率与在外流通的债券总额等，正确率为62％。相对前述的危机预测，两者的准确率均不高，原因之一是前述的预测只有两类，非高即低，债券等级预测却可能多达9个等级，在其他条件固定下预测正确率下降属必然。
(四)神经网络分析法对财务危机进行预测虽然神经网络的理论可追溯到上个世纪40年代，但在信用风险分析中的应用还是始于上个世纪90年代。神经网络是从神经心理学和认识科学研究成果出发，应用数学方法发展起来的一种并行分布模式处理系统，具有高度并行计算能力、自学能力和容错能力。神经网络的结构是由一个输入层、若干个中间隐含层和输出层组成。国外研究者如Altman，Marco和Varetto(1995)，对意大利公司财务危机预测中应用了神经网络分析法。Coats，Pant(1993)采用神经网络分析法分别对美国公司和银行财务危机进行了预测，取得了一定的效果。然而神经网络的最大缺点是其工作的随机性较强。因为要得到一个较好的神经网络结构，需要人为地去调试，非常耗费人力与时间，因此应用受到了限制。Altman(1995)在对神经网络法和判别分析法的比较研究中得出结论：神经网络分析方法在信用风险识别和预测中的应用，并没有实质性的优于线性判别模型。但神经网络作为一门崭新的信息处理科学仍然吸引着众多领域的研究者。
(五)财务因素的可量化性、数据的可获得性使其在传统的信用评估研究中受到广泛的关注由于财务因素在银行信用评估分析中存在滞后性、灰色性(财务报表披露的信息很大程度上带有不完整性，甚至虚假性)和短期性等诸多弊端，已有越来越多的学者将部分注意力转移到非财务因素上。认为借款企业不是处于一个封闭的系统中，必然还要受到外部因素的影响和制约，认为非财务因素是未来贷款风险的预警信号，因此，同时结合财务因素和非财务因素比仅用其中任一因素在违约率预测上更为精确。巴塞尔银行监督委员会(2001)要求银行不仅要考虑定量因素，还要考虑定性因素。《巴塞尔新资本协议》于2004年正式公布，其推广实施将对全球银行业的发展格局产生深远影响。新协议对银行风险管理提出了更高要求，强调了风险计量的精确性、敏感性和标准化，突出了内部评级法(Internal Ratings-Based Approaches，IRB)的地位和作用。正如巴塞尔委员会主席卡如纳所说，内部评级法作为新资本协议的核心技术，代表着未来银行业风险管理和资本监管的发展方向。内部评级系统所提供的违约概率(PD)、违约损失率(LGD)、预期损失(EL)以及非预期损失(UL)等关键指标，在授信审批、贷款定价、限额管理、风险预警等信贷管理流程中发挥着重要的决策支持作用。同时，该系统的计量分析结果也是制定信贷政策、计提准备金、分配经济资本以及实施RAROC管理的重要基础。
二、国有商业银行信贷风险评级中的问题分析
(一)信用评级指标体系的组成有待进一步深入研究目前国有商业银行使用的评级指标体系中选择的各项指标大多是通过内部从事信贷管理的专家确定的，属于专家意见法，缺乏对于各项指标能否灵敏反映借款企业违约率、企业信用水平的定量化研究。此外，科学的评级指标体系应该能够全面而不冗余、重复的反映评级对象的风险信息，仅通过专家意见法确定的评级指标体系难以实现这一目标。
(二)信用评级指标权重缺乏科学性目前评级方法中主要依靠专家的经验，即专家对各项指标相对重要性的认识，确定指标的各自权重，通过主观意见确定权重形成的评级办法在科学性与客观性方面都存在问题，影响了评级结果的准确性，因此科学合理的确定评级指标权重，提高评级结果的准确性是目前需要解决的重要问题。
(三)国内信用评级方法存在缺陷国内学者和专业人士提出的贷款信用评级方法主要包括信用评分法，综合评判法，判别分析法和神经网络预测法等，这些方法存在的主要缺陷：一是评级指标和权重的确定缺乏客观依据，基本依靠专家意见法确定，主观性较强，某些研究虽然应用了数理统计方法，但存在不能很好的解决反映风险有关信息重叠与遗漏矛盾等方面的向题；二是模型只能对是否违约进行判断，不能给出贷款违约概率等信息；三是由于模型不能给出贷款违约概率等信息，难以指导信贷定价等控制信用风险的工作；四是神经网络方法存在的黑箱性、过分拟合不稳定性、随机性，可能实现局部最优而非全局最优，因此这种方法的应用性受到不少人特别是实务界的怀疑。
(四)商业银行缺乏有效的信用风险防范和控制手段在信用风险防范和控制手段上，我国商业银行没有建立起分产品、分部门、分客户的核算机制和以内部资金转移价格为中心的定价体系。贷款审查通常是以定性分析为主，缺少市场细分，盲目吸纳大型客户，没有清晰的市场风险、行业风险和地区风险控制的政策目标。在信用风险发生后又急于抽回贷款，方式、方法过于简单，容易造成企业经营困难，甚至导致企业破产和银行不良贷款的积累。另外，我国信用评级行业尚处在起步阶段，存在问题较多，整体上难以达到国际上认可的技术和管理标准。健全的风险管理框架是实现全面风险管理的前提。国外银行通过引进内部评级制度，对信用风险进行识别、评估和分类，并由风险管理委员会等专职机构来统筹信用风险管理政策的执行和协调。而国内银行此方面管理职责分散，缺乏专门的管理部门，而且不同类型的风险由不同的部门负责。这种分散管理的做法，使得银行系统缺乏统一的风险管理战略和政策，高层管理者更是无法清楚了解银行面临的整体风险状况。同时，分散管理还使得有些信用风险因无人管理而陷入真空状态。另外，我国商业银行现行的组织管理结构为典型的“金字塔”式结构，在实践中存在管理层次多、决策滞后、风险集中、成本过高等问题，纵向过长的链条加上商业银行过大的规模使得信息传递和决策渠道存在过多环节，极易形成银行内部委托链条上的信息不对称，难以有效防范信用风险的发生。
三、国有商业银行内部评级体系构建的整体思路和方法步骤
论文摘要：对务报表是对企业经营状况评价的主要依据?对务报表分析方法的科学与否关系到评价的准确性和客现性。本文系统地介绍了对务报表分析的内容及方法。
一、财务报表分析的含义和目的:
财务报表是总括地反映企业在一定时期内的财务状况和经营成果等信息的书面文件?其内容有两方面:一是企业经营成果?包括企业营业收人、成本控制和费用节省情况、利润的多少和投资者获得的红利等;二是企业财务状况的好坏?包括资金供应、偿债能力和企业的发展潜力等。财务报表分析又称财务分析?以财务报表和其他资料为依据和起点?采用专门方法?系统分析和评价企业的过去和现在的经营成果、财务状况及其变动?目的是了解过去、评价现在和预测将来?帮助利益关系集团改善决策。财务分析的最基本功能是将大量的报表数据转换成对特定决策有用的信息?减少决策的不确定性。
企业对外的财务报表?是根据全体使用人的一般要求设计的?对于不同的使用人?他们的分析的目的不完全相同:
投资人:为决定是否投资?分析企业的资产和盈利能力;为决定是否转让股翰?分析盈利状况?股份变动和发展前景;为考查经营者业绩?要分析资产盈利水平、破产风险和能力;为决定股利分配政策?要分析筹资状况。
债权人:为决定是否给企业贷款?要分析贷款的报酬和风险;为了解债务人的短期偿债能力?要分析其流动状况;为了解债务人的长期偿债能力?要分析其盈利状况;为决定是否出让债权?要评价其价值。
经理人员:为改善财务决策而进行财务分析?涉及的内容最广泛?几乎包括外部使用人关心的所有间题。政府:要通过财务分析了解企业纳税情况;遵守政府法规和市场秩序的情况?职工收入和就业状况。
分析财务报表的一般目的可以概括为:评价过去的经营业绩?衡量现在财务状况?预测未来的发展趋势。
二、财务报表分析的内容
不同的报表使用者?由于其对财务信息的需求不同?因而相应地财务报表分析的内容也不同。但概括起来?财务报表分析的内容主要包括以下几个方面:
1、资本结构分析
企业在生产经营过程中周转使用的资金?包括从债权人借人和企业自有两部分?是以不同的形态分配和使用。资本结构的建立和合理与否?直接关系到企业经济实力的充实和经营基础的稳定与否。分析资本结构对企业的经营者、投资者或债权人都具有十分重要的意义。
2,偿债能力分析
企业在生产经营过程中?为了弥补自有资金的不足?经常通过举债筹集部分生产经营资金。因此企业经营者通过财务报表分析?测定企业的偿债能力?有利于作出正确的筹集决策。而对债权人来说?偿债能力的强弱是其作出贷款决策的基本依据。
3、获利能力分析
获取利润是企业的最终目的?也是投资者投资的基本目的。获利能力的大小显示着企业经营管理的成败和企业未来前景的好坏。
4、资金运用效率分析
资金利用效率的高低直接关系到企业获利能力大小?预示着企业未来的发展前景?是企业经营者和投资者财务报表分析的一项重要内容。
5,财务状况变动分析
财务状况变动分析主要是通过财务状况变动表或现金流量表的各项目的研究和评价?了解企业当期内资金流人的数量及其渠道?资金流出的数量及其用途?期初和期末相比企业资金增加或减少了多少?是什么原因引起的?从而正确评价企业的偿债能力和支付能力?为决策提供充分的依据。
6、成本费用分析
在市场经济条件下?产品的价格是市场决定的。企业如果能降低成本?减少费用?就会获得较高的利润?从而在市场竞争中处于有利的地位由于有关成本、费用的报表属于企业内部使用报表?投资者、债权人一般无法取得?因而成本费用的分析是企业经营者财务报表分析的重要内容。
三、财务报表分析的方法
财务报表分析的方法很多?基本方法有趋势分析、结构分析、财务指标分析、比较分析和因素分析等几种。
1、趋势分析法
趋势分析法是通过观察连续数期的财务报表?比较各期的有关项目金额?分析某些指标的增减变动情况?在此基础上判断其发展趋势?从而对未来可能出现的结果作出预测的一种分析方法运用趋势分析法?报表使用者可以了解有关项目变动的基本趋势?判断这种趋势是否有利并对企业的未来发展作出预测。
例如?a商场2000年1一6月份有关商品销售资料如表所示:
根据表1数字资料?进一步计算各项目的趋势百分比。趋势百分比分为定比和环比两种。(1>以1月份为基期?其余各期与基期比较?计算出趋势百分比?即定比。表2为1一6月份的定比。
从表2可以看出?用百分比反映的变化趋势较之用绝对数(表1)?更能说明a商场6个月来光销售收人增长了45%?而销售利润则增长了67%?高于销售收人的增长?其原因主要是销售成本增长低于销售收入的增长?从而影响了销售利润的增长。
(2>将各期项目数和前期数目相比较?计算出趋势百分比?即环比。表3为1一6月份的环比。
从表3可以看出?销售成本逐月增长?而且增长速度是递增的;销售收人虽然都在增长?但增长速度较慢?其结果是销售利润虽然逐月在增长?但增长速度在递减?而且到6月份增长率仅为111%0
2、结构分析法
所谓结构分析法是指将财务报表中某一关键项目的数字作为基数(即为100%)?再计算该项目各个组成部分占总体的百分比?以分析总体构成的变化?从而揭示出财务报表中各项目的相对地位和总体结构关系。
仍以表1中a商场的销售收人等项目数据为例?以销售收入为100%?计算出其他项目的结构百分比?如表40
从各期结构百分比的变动情况可以看出?由于销售成本逐期下降?导致产品利润占销售收人的比重逐年下降。结构分析对于资产负债表和损益表的分析是很有用的。作为基数的项目?在损益表通常为产品销售收入?在资产负债表中?通常为资产总额、负债总额和所有者权益总额。
3,时比分析法
对比分析法是将财务报表中的某些项目或比率与其他的相关资料对比来确定数量差异?以说明和评价企业的财务状况和经营成绩的一种报表分析方法。按照相互对比的双方可以分为以下几个方面:
(1)本期的实际数据与前期(上月、上季、上年等)的数据相比较?以反映生产经营活动的发展状态?考察且改进情况。
(2)本企业的数据与同行业其他企业或全行业的平均水平、先进水平相比较?以发现企业同先进水平的差距?找出潜力之所在。
(3)本期的实际发生数与计划数、预算数相比较?检查计划完成情况?给进一步分析提供方向。
(4)期末数与期初数相比较?说明本期生产经营和财务状况的最新变动。
总之?通过企业财务数据的对比?可以揭示企业取得的成绩和存在的差距?发现问题?为进一步分析原因、挖掘潜力指明方向或提供线索。
4、因素分析法
因素分析法是通过分析影响财务指标的各项因素及其对指标的影响程度?说明本期实际与计划或基期相比较发生变动的主要原因以及各变动因素对财务指标变动的影响程度的一种分析方法。
假设b公司?有关数据如下:
权益净利率二资产净利率x权益年数
第一年14.93%二7.39%x2.02
第二年12.12%二6%x 2.02
通过分解可以看出?权益净利率的下降不在于资本结构?而是资产利用或成本控制发生了问题?造成净资产利率下降。
例如又可以对资产净利率进行分解:
资产净利率=销售净利率x资产周转率
第一年7.39%=4.53%x 1.6304
第二年6%=3%x 2
通过分解可以看出?资产的使用效率提高了?但由此带来的收益不足以抵补销售净利率下降造成的损失。
运用因素分析法的一般程序是?首先明确某项财务指标受哪些因素的影响;其次确定各种因素与该指标之间的数量关系?是加减关系还是乘除关系?在此基础上?列成一个分析计算式;再次计算确定各种因素影响财务指标变动程度的数额。
5、比率分析法
比率分析是在同一张财务报表的不同项目或不同类别之间?或在不同财务报表的有关项目之间?用比率来反映它们互相之间的关系?据以评价企业的财务状况和经营业绩?并找出经营中存在的问题和解决办法。
财务比率可以分为以下四类:
(1)变现能力比率?如流动比率、速动比率。
(2)资产管理比率?如存货周转率、流动资产周转率、总资产周转率、应收帐款周转率等。
(3)负债比率?如资产负债率、产权比率、有形净值债务率和已获利息倍数等。
摘要：论文以西部矿业为例，结合资源型企业特点，嵌入生态影响因素，重新构建与客观区位环境相适应的企业绩效评价体系。选取企业2011―2014年度数据为训练样本，运用灰色关联度分析法对各项指标的优劣进行评价得出，论文构建的资源型企业绩效评价指标体系与企业绩效评价结果关联度较高。以企业2015年度数据为检验样本，发现企业在盈利能力、偿债能力、发展能力、污染控制能力及环保力度等方面存在不足，提出了针对性的绩效管控对策。
关键词：灰色关联度分析法 资源型企业 绩效评价 管理控制
根据全国的主体功能区规划，青海属保障国家生态安全的“两屏三带”生态地区，生态地位特殊。资源型企业是一种特殊类型的企业，其社会责任具有明显异于其他类型企业的特征，但目前资源型企业的社会责任缺失问题较为突出，由此引发的生态问题也给社会造成了负面影响。论文基于企业可持续发展的视角，以西部矿业为例，嵌入环境因素来重新构建生态脆弱地区资源型企业绩效评价指标体系，引导企业综合考虑企业发展的环境影响和经济影响，自觉维护生态秩序，保护利益相关者的利益，形成资源型企业与生态环境和谐发展长效机制。
一、理论基础
（一）生态经济理论
传统经济学注重资源所能创造的价值而忽视了资源过度开发使用带来的外部经济性，对自然资源肆意消耗的成本费用由环境“买单”的后果是造成各种环境污染、生态破坏，而企业自愿买单的结果就是污染治理支出，被动埋单的结果则是受到有关环保监管部门的处罚，最终导致企业经济利益流失的同时名誉受损。自党的十将生态文明建设并入中国特色社会主义建设中以来，“五位一体”的总布局实为深入贯彻科学发展观的新部署。生态文明时代下，协调生态环境保护与经济发展的矛盾显得尤为迫切。事实证明，经济发展与环境保护的相互协调可以保证经济的良性发展。生态经济理论旨在协调生态、经济两者间的相互关系，主张坚持走生态发展的道路，明确树立可持续发展观念对企业乃至整个社会发展的重大意义。
（二）利益相关者理论
利益相关者理论的鼻祖Freeman给利益相关者下了一个日后成为经典的定义：“一个组织里的利益相关者是可以影响到组织目标的实现或受其实现影响的群体或个人”。可见Freeman是从广义的角度来定义利益相关者的概念。
当代企业具有经济、生态、社会三重属性，因此绩效评价的价值导向应当是包含企业三重属性的广义利益相关者价值取向，这里广义利益相关者是包含了企业的直接利益相关者、后代利益相关者、社会利益相关者、生态利益相关者等，而对于后代、间接利益相关者，企业生态价值和社会价值的创造直接影响着他们以及企业自身生存发展的持续性和稳定性。
二、资源型企业绩效评价指标体系构建――以西部矿业为例
（一）资源型企业概念界定
资源是物力、财力、人力等各种物质要素的总称，有社会资源和自然资源之分，狭义的资源仅指自然资源。资源型企业是通过占有自然资源，以自然资源开发为主或以自然资源为主要投入，辅以后续加工，尽可能利用区域内存在的自然条件，依靠资源的消耗实现成长，最终以盈利为目的，具有法人资格，实行自主经营、独立核算的盈利性经济实体。
（二）西部矿业简介
西部矿业股份有限公司（以下简称西部矿业）是青海省一家以矿产资源综合开发为主业的大型矿业上市公司。主要从事铜、铅、锌、铝、铁等基本金属、黑色金属和非金属磷矿的采选、冶炼、贸易等业务。经过近几年的发展，公司逐渐形成了以资源开发为基础，以技术进步为动力，以发展民族经济为己任的资源型大型矿业集团公司。
（三）资源型企业绩效评价体系构建
现有绩效评价体系没有考虑资源型企业对环境的影响因素，不能有效激励企业建立可持续发展的战略目标，因此，本文以西部矿业为例，根据企业独特环境特点及企业性质，嵌入环境因素，引入生态收益有关指标，结合财务指标和非财务指标，重新构建资源型企业绩效评价指标体系，以全面考核企业的经营绩效。具体指标体系设计如表1所示。
三、灰色关联度分析法在西部矿业绩效评价中的应用
本文选取青海省资源型上市公司――西部矿业为样本，运用灰色关联度分析法，通过计算各指标与企业绩效评价结果之间的关联度，进行资源型企业绩效评价指标优劣的评价。
（一）灰色关联度分析法介绍
灰色系统理论是我国学者邓聚龙教授于20世纪80年代提出的。利用灰色关联度分析法分析企业绩效评价指标的优劣水平，即对各绩效评价指标进行排序，分析各评价指标与理想指标的接近程度，评价指标与理想指标越接近，其关联度就越大。其中关联度最大的评价指标为最优。
（二）灰色关联度分析法在西部矿业绩效评价中的应用
1.数据选取。本文选取西部矿业2011―2014年度的财务与非财务数据，财务信息来源于和讯网披露的年度报告，非财务信息主要依靠实地调研和阅读企业年度社会责任报告、环境报告取得（见下页表2）。
2.对数据进行无量纲化处理（见下页表3）。
3.计算绝对差值OX0（k）-Xi（k）O。结果见下页表4。
min minOX0（k）-Xi（k）O=min（0.0700，0.0300，0.3445，0.0400，14.8700，17.6400，0.0055，0.0375，0.4800，0.7500，0.3598，0.2856，6.2300，0.2356，0.4966，0.2441）=0.0055为两级最小差；
max maxOX0（k）-Xi（k）O=max（0.9300，0.9700，0.8900，0.9600，15.2361，18.2666，0.1235，0.2000，0.8111，1.1100，0.3774，0.7300，7.3614，0.8200，1.0004，0.9819）=18.2666为两级最大差。
4.计算关联系数。利用公式ξ0i（k）=[min minOX0（k）-Xi（k）O+ρ max maxOX0（k）-Xi（k）O]/ [OX0（k）-Xi（k）O+ρ max maxOX0（k）-Xi（k）O]，ρ取0.5，求得共计4×16个关联系数ξ0i（k）。
5.计算关联系数均值。
利用公式roi=（1/n）ξ0i（k）计算每个指标的关联系数均值，结果见表6。
6.结果评价。由上述分析结果可知，除A21（存货周转率）、A22（应收账款周转率）两个指标与企业绩效的关联度小于0.5外，其余指标与绩效评价结果的关联程度均大于0.5，指标关联度大于0.5的比重为87.5%（14/16=0.875），说明构建的指标体系能有效地评价企业的绩效。
16项指标按其与企业绩效评价结果的关联程度由高到低依次为：A23>A31>A14>A34>A12>A11>A43>A41>B21>A13>A32>B11>A33>A42>A21。其中，指标A23（总资产周转率）与企业绩效评价结果的关联程度最高（0.9942），A31（现金比率）次之（0.9888），A14（销售生态收益率）排名第三（0.9645），指标A22（应收账款周转率）与企业绩效评价结果的关联程度最低（0.3365）。
突破传统的企业绩效财务指标评价体系，本文构建的4个财务指标――净资产生态收益率（A11）、总资产生态收益率（A12）、销售生态收益率（A14）、生态收益增长率（A42），2个非财务指标――排污成本率（B11）、环保投资率（B21）与绩效评价结果的关联度分别为0.9565、0.9597、0.9645、0.56661、09234、0.9487，均大于0.5，且除了生态收益增长率外，其余指标与绩效评价结果的关联度均高于0.9，因此，本文在传统的企业绩效财务指标评价体系基础之上，根据西部矿业所处环境的特点，构建的6项绩效评价指标与资源型企业绩效评价结果的关联程度较高，这6项指标的引入对于提高资源型企业绩效评价有很强的效果性。
由表7可以看出，与企业绩效评价结果的关联程度最高的指标A23（总资产周转率）高于参考值，说明西部矿业在2015年度总资产管理能力提升。除反映企业资产管理能力的三项指标：A21（存货周转率）、A23（总资产周转率）、A22（应收账款周转率）外，其余各项财务指标比率均小于参考值，西部矿业应在日后的经营管理中在盈利能力、偿债能力、发展能力、污染治理能力及环保力度等方面进一步加强。企业在绩效考评方面除了对财务指标进行考量外，也应注重污染控制、环境保护等方面的指标考量。
四、西部矿业绩效管控对策
本文在传统财务指标体系之上，嵌入环境影响因素，引入生态收益有关指标，重新构建资源型企业绩效评价指标体系。发现构建的4个财务指标（净资产生态收益率、总资产生态收益率、销售生态收益率、生态收益增长率）和2个非财务指标（排污成本率和环保投资率）在企业2015年度的比率均低于参考值，故针对西部矿业绩效管控提出以下几点对策建议：
（一）强化环保力度
环保投资力度体现的是企业的社会责任和环保意识，与企业绩效成果紧密相关，因此，对于容易对环境造成破坏的资源型企业而言，强有力的环保举措不仅能为周围环境的良好势态做贡献，而且也能为企业赢得正面的社会形象，这部分不可量化的收益作为一笔无形财富带来企业绩效的提升。
（二）减少污染物排放量
排污费是企业为污染排放量买单的结果，且污染控制能力与资源型企业绩效高度相关，因此，企业首先应严格遵守国家环境保护法律、法规、标准等，全面履行环境保护职责，通过加强基础管理，强化责任落实，严格监督管理，全面督进节能减排工作，深化隐患排查与治理，有效控制事故风险。其次，企业内部可以建立《环境保护奖惩制度》《环境保护责任制管理制度》《环境保护管理制度》等一系列的制度来督促企业履行环保责任和义务。再次，企业可广泛开展环境保护宣传教育工作，组织员工参加环保设施管理知识培训、环境监测知识培训、总量控制排污监督管理及污染控制新技术培训等，以提高环保岗位工作人员的专业技能、管理水平及环保意识。最后，应鼓励重度污染型企业持续推进污染治理工作，如企业可通过引进先进的清洁生产技术和设备、建立重点污染防治工程、持续加大环境治理投入等措施来减少污染排放。
（三）重视生态收益指标
在对资源型企业进行绩效评价的过程中，财务指标仍然占据主导地位，将财务指标中的传统会计收益指标替换为更为符合循环经济发展理念的生态收益指标，可以更加全面地反映资源型企业的经营成果，准确分析资源型企业的财务风险，全面考核经营管理者的业绩。在损益表中计算经营成果时，只有将企业对环境影响的耗费作为收入的减项反映，才能客观反映企业的经营成果；只有在负债总额中加上企业因对环境造成危害而形成的环保负债额，才能得出真实可靠的资产负债率，准确分析资源型企业的财务风险。利用生态收益指标及时揭示企业履行环境责任的信息，从社会的角度而不是仅仅从企业的角度来全面考核经营管理者的业绩。
五、结语
本文以西部矿业为例，以生态经济理论、利益相关者理论为基础，通过嵌入环境影响因素，在传统财务指标的基础上重新构建与客观区位环境相适应的财务与非财务指标相结合的企业绩效评价体系。以西部矿业2011―2014年度数据为训练样本，2015年度数据为检验样本，运用灰色关联度分析法进行分析后发现，论文构建的4个财务指标和2个非财务指标与企业绩效评价结果关联度较高。在分析企业2015年度财务比率时发现，企业在盈利能力、偿债能力、发展能力、污染控制能力及环保力度等方面存在不足，故针对企业出现的情况提出相应的绩效管控对策。
论文在构建资源型企业绩效评价指标体系时，在修缮传统的财务评价指标的基础上只引入了两个非财务指标，因此指标尚不够全面，存在局限性，有待进一步补充完善。由于信息收集存在一定的难度，论文以西部矿业2011―2014年度数据为训练样本，2015年度数据为检验样本，样本数据量过小，以期在之后进一步的研究中通过实地调研获取更多企业信息。且论文选择灰色关联度分析法来衡量企业绩效评价指标的优劣，在方法选择上过于主观，需进一步考证方法的科学性。X
参考文献：
[1]Freeman，R.E.Strategic management：A stakeholder approach[M].Boston：Pitman，1984.
[2]迟春洁，蒋景楠.循环经济评价指标体系的研究内容和构建思路[J].技术经济，2006，（02）：5-7.
关键词:证券公司;失败预警;研究综述
Abstract:The failure of main U.S. investment banks in 2008 turned the U.S. subprime crisis into international financial crisis very quickly,which almost damaged all the developed countries' financial systems and further caused global economic crisis. These series crises strongly demonstrate that timely and effective early warning of the failure of securities companies (investment banks)is very important. This paper reviews current research results about early warning of the failure of securities companies and provides a sound basis for further research in this important field.
Key Words:securities company,early warning of failure,research review
中图分类号:F830文献标识码: A文章编号:1674-2265(2009)12-0016-05
一、引言
自2007年美国爆发次贷危机以来,美国投资银行业逐步陷入危机。2008年3月美国第五大投资银行贝尔斯登因濒临破产而被摩根大通收购;2009年9月15日,美国第四大投资银行雷曼兄弟公司宣布破产,而美国银行则宣布收购第三大投资银行美林;2009年9月21日,美国第一和第二大投资银行,高盛和摩根士丹利被美联储批准从投资银行转型为银行控股公司。美国主要投资银行的基本崩溃,使得美国次贷危机迅速演变为传染遍及主要发达国家的金融危机,进而导致全球经济危机。这一系列危机表明,及早有效地对证券公司(投资银行)的失败进行预警极为重要。
就我国而言,2001年到2005年,伴随着证券市场数年的低迷,证券公司长期累积的风险先后暴露,证券监管部门在短短几年间对近60家证券公司采取了风险处置措施,以妥善化解行业危机。这次全面行业危机的集中爆发,既反映出监管的不足,也恰恰说明亟需建立一种有效的金融风险早期预警系统,以防患于未然。
本文拟通过对证券公司失败预警研究成果进行归纳分析,为证券公司失败预警系统的建立完善提供进一步研究的基础。从国内外的研究现状看,对证券公司失败预警的研究很少,而且对证券公司失败预警的研究基本上被视为一般公司(非金融类)失败预警研究在证券行业的应用,其研究方法也基本沿袭了一般公司失败预警研究。因此,本文在全面梳理证券公司失败预警的研究现状时,必须涉及一般公司的失败预警研究现状,也须涉及金融类公司的失败预警研究现状。回顾一般公司和金融类公司的失败预警研究,既可以理清失败预警研究的发展启承脉络关系,又可以为证券公司的失败预警研究提供参考借鉴。
二、一般公司(非金融类)失败预警研究回顾
(一)国外一般公司失败预警研究回顾
Beaver(1966)的文章开创了企业财务困境预测研究的先河,最早采用了单变量分析法进行企业财务失败预警研究。其后,大量学者在这一领域进行了深入研究,并发表了诸多研究成果,可以说国外企业财务困境预测研究已经臻于成熟。
1. 多元统计方法。
(1)多元判别分析。判别分析用统计模型的语言描述为,设有 个总体,希望建立一个准则,对给定的任意一个样本 ,依据这个准则能判断它是来自哪个总体。
Altman(1968)首次采用多元判别分析对企业财务困境预测问题进行研究,选取了于1946―1965年间破产的33家制造业上市公司,通过行业、资产规模及报表年份进行配对选取了33家非破产企业,研究了涵盖流动性、盈利性、杠杆比率、清偿能力和经营活动5个方面的22个财务比率变量,最终建立了
(营运资本/总资产)、 (留存收益/总资产)、 (息税前利润/总资产)、 (权益/负债总额、 (销售收入/总资产)五变量的值模型:
采用样本数据对该模型进行检验,结果表明:在财务困境前一年该模型具有95%的预测能力,在财务困境前两年该模型具有72%的预测能力。这说明该模型具有良好的可靠性。后来,Altman,Haldeman 和Narayanan( 1977) 修正了模型,在原有 5 个财务指标的基础上加入了公司规模与盈余稳定性两个变量,建立了模型。Altman(1995)又进一步拓展了其研究,分别建立了针对非上市制造企业的 模型和针对非制造企业的模型。2000年再次对 模型进行了修正,去掉了带来行业影响因素的销售收入/总资产,得到了跨行业的 值模型:
由于多元判别分析方法不仅能够了解哪些财务比率最具有判别能力,而且同时考虑多项指标,因此对整体绩效衡量较单变量分析更为客观。在Altman(1968)之后,多元判别分析成为学术界研究财务困境预测问题的主流方法。但是应当注意的是,多元统计分析是建立在一系列假设之上的,包括自变量服从多元正态分布,财务困境组与非财务困境组具有相等的方差-协方差矩阵,发生财务困境的先验概率和误判成本均为已知等,而事实上,这些假设常常不成立。
(2)多元条件概率模型。学者们随后引入了假设相对宽松的多元条件概率模型Logit分析和Probit分析,克服了多元统计分析面临的统计假设问题。Logit模型的目标是提供可以归为某一类观察对象的条件概率。它建立在累计概率函数的基础上,不需要自变量满足多元正态分布和两组间协方差相等的条件。
Ohlson(1980)将Logit分析方法应用到企业财务困境的研究中。Ohlson选择在1970―1976年间破产的105家公司(破产前在证券交易所上市至少三年)和2058家非破产公司组成的非配对样本,使用Logit回归方法,分析了样本公司在破产概率区间上的分布以及两类判别错误和分割点的关系。相比而言,运用Probit方法进行的研究较少,这主要是因为Probit方法计算较为复杂,且预测效果与Logit方法相差不大。Logit方法也存在一些缺陷,比如对多重共线性、极值和数据缺失等问题极为敏感(Ooghe,2006),而且一些实证研究对MDA和Logit两种方法的预测效果进行了比较,并没有得出Logit方法明显优于MDA方法的结论。
2. 期权定价方法。1974年,默顿论述了有关将期权定价理论运用于风险贷款和证券估价的思想。其后,许多学者尝试将期权定价理论应用于信用风险的度量领域,KMV模型正是这样的一个成功的例子。
KMV模型是KMV公司开发的一种违约预测模型(信用监控模型,Credit Monitor Model),运用预期违约频率来衡量一年内借款者的违约概率。违约风险大小是用违约距离(Distance-to-Default)来衡量的。该值越大,说明公司到期能偿还债务的能力越强,该公司信用风险越小;反之,则公司信用风险越大。为计算违约距离,KMV模型采用Black―Scholes―Merton期权定价模型构建了资产市场价值和股权市值之间的关系。在计算得出公司违约距离后,将其与相应的违约距离数据库相对比,把相同违约距离公司中实际违约公司的百分比作为该公司的预期违约频率(EDF),从而对公司违约破产概率进行衡量。KMV模型是一种动态模型,它是一个基于现代公司理财和期权理论的“结构性模型”,对外界条件的改变能很好地作出反应(EDF每季度更新一次),并且可以及时反映股票市场上的信息,具有一定的前瞻性。不过,KMV模型也存在一些缺陷。比如,由于KMV模型主要依靠股票市场数据来预测违约率,股票的价格若受投机因素影响很难正确反映公司资产价值及其变化情况,模型的精确性将大打折扣;根据同样失败距离确定失败频率必须依赖于一个庞大的公司失败信息数据库。
3. 其他方法。随着计算机技术的发展,综合智能等方法被应用到研究中,主要包括:递归分类算法(Recursive Partitioning Algorithm)、专家系统(Expert Systems)、神经网络(Neural Networks)等。但是并没有证据表明这些方法的预测效果明显优于传统的多元判别分析和Logit分析(Ooghe,2004)。
(二)国内一般公司失败预警研究回顾
由于我国企业破产制度不完善,并且会计制度和审计制度建立较晚,国内对企业财务失败预警的研究起步比较晚。但近十几年来,随着我国证券市场的快速发展,上市公司的会计实践和信息披露制度不断完善,国内越来越多的学者开始将国外的研究方法应用到国内的研究中,得出了许多有价值的结论。主要的研究按照方法不同介绍如下。
1. 多元统计方法。陈静(1999)以1998 年27 家ST 公司和27 家非ST 公司为对象,进行了单变量和二类线性判别分析,总体正确率为92.6%,该研究是国内第一个以上市公司为样本判定企业财务困境的成果,虽然在方法选择、样本构造、判别标准等方面有待深入,但其意义却是重要的。
高培业、张道奎(2000)选取深圳市非上市企业作为样本,运用多元判别分析、Logit分析、Probit分析等多种方法建模,并借鉴Altman设定待定区间的做法,提高了模型的预测效率。吴世农、卢贤义(2001)则以140 家上市公司为样本比较了Fisher 判别、多元线性回归分析和多元Logit 回归分析的预测效果,发现多元Logit 回归模型的判定能力最好。
2. 期权定价方法。由于有关公司破产的历史统计数据严重缺乏,相应数据库还未建立,很难把违约距离转化成预期违约频率,KMV 模型的建模方式在我国应用尚有些困难。而由于宏观经济的差异,我国直接使用国外的数据库来建立映射关系显然也是不合适的。
3. 其它方法。刘洪、何光军(2004)在用传统的判别分析方法和Logit方法对公司经营失败建立模型的基础上,应用人工神经网络方法对该问题进行了比较研究。另外,有些学者将数据挖掘方法(吴俊杰,2006),生存分析中的COX模型(陆志明等,2007),学习矢量量化算法(王静等,2004)应用在我国公司财务失败预测模型中,也取得了一定的结果。
三、金融类公司失败预警研究回顾
由于金融类公司与非金融类一般公司在资本结构、经营方式、风险暴露等方面存在差异,因此对金融类公司失败的预警研究更要有针对性。金融类公司失败预警方法中应用较为广泛的主要有以下两种:一是外部评级机构的评级。比如美国联邦金融机构检查评议委员会于1979年建立的CAMEL评级系统。二是借鉴非金融类公司的思路和方法对金融类公司失败预警进行研究(见表1)。对非证券、金融类公司的失败预警研究,国外文献比较少。
目前,国内对金融类公司失败预警研究比较少,例如在银行失败研究方面,多是对引发银行危机原因的分析及应对机制的设计,在主流学术刊物上基本没有定量研究的论文。我们在此不作叙述。
四、证券公司失败预警研究回顾
相比其他金融类公司,证券公司(投资银行)具有自身行业的特殊性。目前对证券公司风险预警研究的文献不多。相对于国外证券业失败预警的研究而言,国内证券业失败预警的研究更显得滞后。
国外证券公司失败预警的代表性研究是1976年Altman和Loris发表的论文。文章以1971-1973年美国SIPA条例下破产的40家证券经纪商作为研究样本,选择能够代表NASD市场上公司规模和寿命的125家公司作为健康公司样本。指标选取包括三个方面的内容:一是传统财务指标,如盈利性指标、流动性指标、杠杆类指标等。二是能够代表证券行业特征的指标,如次级债占股东权益的比率等。三是寿命、组织形式等非财务性指标。文章根据数据完整性和可靠性并运用系统选择技术对变量的判别能力进行评估后,最终选择了6个指标:(1)反映盈利能力的净利润/总资产;(2)反映财务杠杆水平的(总负债+次级债)/权益,此处作者将来自于所有者和顾客的次级债看成是证券经纪商的负债而非权益;(3)反映公司总资产结构流动性的总资产/调整净资本,调整净资本被广义地定义为流动性强的资产与总负债之差;(4)(期末资本―资本附加)/期初资本,该比率体现了报告期资本的运转和支出对公司资本结构的影响,反映了在没有新资本注入的情况下公司的信用情况;(5)在一定程度上反映风险的加权寿命,与公司在证券市场上的经营经验相关,SIPC清算的经纪商中经营时间不长于5年的占了75%,反映出经验的缺乏是公司失败的一个重要因素;(6)涵盖10个元素的综合指标,这10个元素是在NASD工作人员对能预示失败指标判断的基础上选择的,包括反映盈利能力的指标、对资本短缺和破产较敏感的指标,反映寿命以及报告及时性的指标。作者通过检验得出了失败经纪商和非失败经纪商的组内协差阵不相等的结论,为选择二次判别函数形式(
)奠定了理论上的依据。文章设定临界值为-4.385,检验结果显示二次判别式前一年的正确判别率达到了90.1%,误判率仅为9.9%。由于使用初始样本检验使检验结果有被高估的偏差,作者通过回代检验和交叉检验来检验模型的可靠性。检验得出的结论为:判别模型用一年前数据对证券经纪商的失败正确判别率为86.2%,误判率为13.8%。作者又利用季度数据对模型进行了检验,由于季度数据的缺失,剔除了税后净收入/总资产和综合指标中的两个因素,最终选取了5个指标变量。剔除变量后,模型的误判率只是轻微提高,说明判别模型提前一年对证券经纪商的失败有很好的预测能力。
国内最早的对证券公司失败预警的研究,是合肥工业大学――国元证券课题组(2005)发表的《证券公司失败研究》。该课题组运用Logit 回归分析模型建立证券公司财务困境预警系统,以2002年以来19家破产或被接管的证券公司为失败证券公司样本组A,以进入银行间同业拆借市场的正常经营的48家证券公司为正常证券公司样本组B(已剔除有经营不利的市场传闻的证券公司),A组部分证券公司和B组证券公司数据来源于银行间同业拆借市场公布的财务报告。模型依据监管部门对证券公司安全性评价提出的7个指标为基础,确定了净资产、利润总额、注册资本、营业收入(主要是发行收入、经纪收入、自营收入、委托理财收入)、扣除客户保证金后的负债总额、流动资产、流动负债、客户保证金、权益类证券总额、委托资产账户购入的权益类证券期末余额等10个研究变量,以失败概率P为预测变量,建立了Logit回归模型。由于选取的变量为资产负债表项目,而非财务指标,而且变量选取与设计并没有反映出证券公司业务与风险的特点。最终结果表明选取的变量对判定证券公司经营成败不存在显著的差异,未能建立证券公司失败的预警模型函数。
截至2006年10月,我国共有58家证券公司进入风险处置程序,这为进一步的研究提供了较为充足的数据资料。李涛(2008)将证券公司财务困境定义为证券公司破产或被监管机构采取风险处置措施。依据这一定义,作者得到了9家在2004―2006年间陷入财务困境的证券公司,同时,根据资产规模匹配原则,按1:1的比例选取了9家正常经营的证券公司,其中剔除了虽不符合上述财务困境的定义但是公布重组的证券公司。实证研究结果表明,在财务困境前1年多元判别模型和Logit模型都有较好的预测能力,财务困境前2年,其综合误判率均较财务困境前1年有显著的上升,基本上不能有效地对证券公司财务困境进行预测。由于作者只选择了18家证券公司,样本数量偏小,代表性不高,实证结果缺乏大样本数据的支持和检验,可能存在一定的偏差。
王晓燕(2009)也将证券公司进入风险处置程序界定为财务失败,按资产规模配对的原则,共选取了24家健康的证券公司作为配对样本。作者最初设计了36个财务指标作为研究变量,然后利用非参数检验、相关性检验、逐步判别分析等方法对变量进行了筛选,最终选择5个变量建立了线性判别模型、二次判别模型和Logit模型。回代检验和交叉检验的结果表明,由5个变量构成的线性判别模型判别效果最好,回代检验和交叉检验的正确率均在85%以上。二次判别模型和Logit模型的判别效果略有下降。该论文的方法和结论有待进一步验证和优化。
五、结论
从国内外研究现状看,证券公司(投资银行)失败预警研究在研究方法、研究模型和模型变量选择等方面基本沿袭了一般公司(非金融类)失败预警研究,或者借鉴了非证券、金融类公司的失败预警研究。主流的研究方法有两种。其一是以实证为基础的多元统计方法,其中又以多元判别分析方法和Logit回归分析方法运用较为普遍,该类方法多是根据公司历史财务数据和其他公司特性指标来构造模型;其二是以KMV为代表,基于理论模型、并结合实证方法(即根据失败距离,借助实际数据库映射出失败频率)的期权定价方法。由于大量证券公司并不是公开上市公司,这使得在证券公司失败预警研究中运用期权定价方法存在困难。
从应用有效性来看,证券公司失败预警研究在全球范围内仍然任重道远,亟待出现突破性研究成果。2008年美国具有系统重要性的诸家投资银行几乎是在毫无预警的情况下发生崩溃的。这为证券公司失败预警研究提出了一个极具挑战性的课题:为什么过去的证券公司失败预警研究无法预警此次诸家投资银行的失败?这一系列危机确定无疑地表明,证券公司失败预警研究极为重要;而过去的证券公司失败预警研究一定存在某种局限性。
未来的证券公司失败预警研究必须努力突破这种局限性。在研究方法上,应对现有的各种方法进行对比分析,选择适合证券公司的失败预警模型以提高预测的准确性。今后的研究可以尝试加入更多的外部因素(如宏观因素)作为区分失败与否的另一边界,在多维空间中设定多维的阈值进行判别分类。在变量的选取上,仍然需要根据证券公司行业特征和风险特点,因地制宜地设计相应的变量指标。鉴于宏观经济的周期波动对证券市场的周期波动具有决定性影响,进而对证券公司的经营状况有决定性影响,所以加入反映经济周期的宏观经济变量可能显著提高预警模型的有效性;同时,金融创新层出不穷,过度运用金融创新工具在获取收益、规避风险的同时更可能带来新的、未知的风险,所以未来的研究中也应考虑加入能够反映金融创新相关风险的变量。
参考文献:
[1]A. Aziz,D. C. Emanuel,G. H.Lawson,1988, “Bank-
ruptcy Prediction:An Investigation of Cash Flow Based Model”,Journal of Management Studies, 25,419-437.
[2]D. Martin,1977,“Early warning of bank failure:A logit regression approach”,Journal of Banking and Finance, 1, 249-276.
[3]Edward I. Altman,1968,“Financial Ratios,Discriminant Analysis and the Prediction of Corporate Bankruptcy”, Journal of Finance, 23,589-609.
[4]Edward I. Altman,1976,“A Financial Early Warning System for Over-the-Counter Broker-Dealers”,Journal of Finance, 31,1201-1217.
[5]陈静.上市公司财务恶化预测的实证分析[J].会计研究,1999,(4).
[6]合肥工业大学――国元证券课题组.证券公司失败研究,上海证券交易所第十三期联合研究计划项目,2005.
【关键词】 主营业务利润率; 主营业务利润比重; 财务危机预警; Logistic模型
一、引言
随着经济环境的不断变化及市场竞争的日益激烈,越来越多的海内外企业面临着财务危机的窘境。这不仅给企业管理者、股东、员工等利益相关者带来巨大的经济损失,还给整个国家带来巨大的社会和经济成本。因而,如何构建一个准确的预警模型来减少财务危机的出现,一直是国内外学者关注的问题。但以往的研究所选择的都只是偿债能力等显性的常规财务指标,而没有考虑主营业务这样深层次的隐性指标。并且,在企业破产的诸多因素中,由于企业忽视自身主营业务,盲目跨行业经营而导致失败的为数不少,如韩国的起亚、露露、汉拿,我国的巨人集团等等。
因此,本文将从主营业务能力的视角出发,研究企业主营业务水平对财务危机的预测力,以期构建一个符合当前经济背景及我国制造行业特点的、较为精确的预警模型。
二、文献回顾
在财务危机预警模型的研究方面,国内外学者主要集中在财务危机的定义、预警方法的选择、预警变量或判别指标的探讨上。
(一)财务危机的定义
财务危机目前并没有一致公认的定义,国外运用较多的是破产标准(Beaver,1966;Altman,1968;Ohlson,1971;Deakin,1972;Zmijewski,1984;Aziz & Lawson,1989;Platt,1990;Gilbert
et al1,1990);也有从财务危机的程度来界定,如Laitinen(1991)把财务危机分为慢性失败公司、收益失败公司和严重失败公司三个过程;Ross等(1999)则从企业失败、法定破产、技术破产、会计破产四个方面定义企业财务危机。国内学者较为一致地运用ST标准来界定财务危机(陈静,l999;张玲,2000;吴世农与卢贤义,2001;姜秀华与孙铮,2001;杨淑娥和黄礼,2005),偶有少数学者将出现亏损或企业无力支付到期债务(谷祺和刘淑莲,1999)界定为财务危机。
由于我国上市公司仍是宝贵的“壳资源”,出现破产概率较小,用破产标准来界定不适合我国上市公司;而无偿付能力标准界定不全面;分阶段理论界定较模糊;综合理论缺乏一定的操作性。相比较而言,ST标准有较强的可操作性,且上市公司被ST处理,通常是因为前两年净利润为负值,公司可能面临较大的财务危机,因此,ST标准有较强的合理性,并沿用ST标准来界定财务危机。
(二)预警方法的选择
财务危机预警可分为定性分析和定量分析法。定性分析是通过分析企业内外部特征来预测企业发生财务危机的可能性,如标准化调查法、“四阶段症状”分析法、“三个月资金周转表”分析法、流程图分析法、管理评分法。定量分析则是运用不同的预测变量和数学工具来建立财务预警模型,如运用单一变量来预警的一元判定模型、运用多个财务比率汇总求出一个总判别分值来预测财务危机的多元线性判定模型(MDA);假设企业破产的概率为P(破产取1,非破产取0),且Ln[P/(1-P)]可用财务比率线性解释(Ln[P/(1-P)]=a+bx)的多元逻辑回归模型(Logistic);以及将神经网络的方法用于财务预警的人工神经网络模型等等。
尽管财务预警的方法很多,但受研究者欢迎的主要有一元判定模型、多元判别模型和Logistic回归模型,其他方法由于模型开发历史较短、研究不够广泛,模型稳定性和适用条件存在较大问题。运用一元判定模型,Beaver(1966)考察了30个财务比率在企业陷入财务困境前1～5年的预测能力,发现了营运资金/总负债这一指标在破产前5年的预测正确率可以分别达到87%、79%、77%、76%、78%。Altman(1968)首次利用多元判别方法构建了著名的Z计分模型,发现Z≤1.8时,企业存在严重的财务危机,且在破产前1年的总体判别准确度为95%;但在危机前2年至前5年该模型的正确率则迅速降低为72%、48%、29%、36%,使得其破产前3年失去了预测意义。Martin(1977)和Ohlson(1980)则发现Logistic模型具有显著的预测能力,且预测准确率达到96.12%。Odom &Sharda(1990)运用神经网络方法构建预警模型,发现ANN模型对保留样本失败类与正常类企业的预测正确率为81.75%与78.18%。国内研究方面,陈静(1999)使用多元判别法对1998年的27家ST企业和27家非ST企业进行了预测,发现该方法在提前3年的预测精度分别为92.6%、85.2%、75.6%。张玲(2000)使用多元判别法对原始样本提前5年的判正率分别为100%、87%、70%、62%、22%。杨淑娥、徐伟刚(2003)提出了Y分数模型,发现Y=0.5时,模型的回判准确率为86%,但在t-2、t-3年的预测中,预测精度大幅下降,甚至低于一元判别模型。孙铮(2000)运用Logistic回归来构建预警模型,发现其准确率为84.52%,且对2000年新增加的ST公司的判别准确率达到了95.45%。
吴世农和卢贤义(2001)发现在单变量分析,多元线性回归和logistic回归中,Logistic预测模型的误判率最低,t-1年仅为6.47%;并且对前五年的判正率较高,分别为93.53%、84.29%、76.26%、73.17%、55.56%。
另外,由于一元判别模型无法全面反映企业财务特征且容易被粉饰;多元判别模型需假定自变量成正态分布及各总体协方差矩阵相同,条件过于苛刻且无法衡量发生危机的概率;人工神经网络模型理论基础比较薄弱并存在黑箱问题,适用性不强。相比之下,多元Logistic模型所预测的第一类错误更小(Collins和Green,1982)。同时,由于Logistic回归不要求数据的正态分布,因而其参数估计比判别分析更加稳健(Lo,1986;吴世农,2001)。因此,本文将沿用Ohlson(1980)的多元Logistic法来构建制造业财务危机预警模型。
(三)预警指标的研究
由于研究的视角和出发点不同,国内外学者在构建预警模型时,对预警指标的选择也有所偏倚和差异。根据不同指标所具有的不同信息含量,可将其分为以下几类。
1.传统的常规财务指标
在财务危机预警研究的早期,国内外学者较多地运用了偿债能力、营运能力、盈利能力和成长能力等较为显性而直接的传统财务指标。譬如Fitzpatrick(1932)、Altman(1968)、Collins(1980)、Platt et al(1994)等,均采用负债比率、流动比率、净资产收益率和资产周转速度等,作为预警模型的指标变量进行财务危机预警。我国学者也较多地运用了资产负债率(陈静,1999;孙铮,2000;张玲,2000;崔学刚,2007;杨淑娥,2007),流动比率(陈静,1999;孙铮,2000;吴世农,2001;崔学刚,2007;杨淑娥,2007),总资产收益率(陈静,1999;崔学刚,2007;杨淑娥,2007),存货周转率(孙铮,2000;崔学刚,2007;杨淑娥,2007),应收账款周转率(崔学刚,2007;杨淑娥,2007);此外,崔学刚(2007),杨淑娥(2007)还采纳了每股收益、每股净资产、资产周转率、总资产增长率、净利润增长率等指标。
2.现金流量指标
现金流量不仅是企业正常运营的必要保证,还是其偿还债务的必备储蓄。如果公司没有足够的现金支付到期债务,而且又无其他途径获得资金时,那么公司最终将破产。因此,过去和现在的现金流量能很好地反映公司的价值和破产概率。Beaver(1966),Edmister(1972)等人较早运用了现金流量/总负债指标。此后,Aziz和Lawson(1989)在预警模型中加入每股现金流,发现现金流质量能在破产前的第2年和第3年预测多数破产案例。我国学者崔学刚(2007),杨淑娥(2007)等人也逐步加入了每股现金流,股东权益获现率等指标。
3.市场收益指标
Beaver(1968)发现在有效的资本市场里,股票收益率也如同财务指标一样可以预测破产,但时间略滞后。Altman & Brenner(1981)也将市场收益指标纳入到预警模型中,且发现该指标可以为财务危机预警提供传统财务比率以外的有用信息。Clark & Weinstein(1983)发现破产公司股票在破产前至少3年内存在负的市场收益率。我国学者杨淑娥(2007)等人也在模型中加入了股本市价/负债账面价来衡量市场收益。
4.公司治理指标
Lee and Yeh(2004)选取了45家困境上市公司和88家非困境上市公司作为研究样本,利用董事会持股比例,控股股东派出董事比例等公司治理变量构建了Logistic预测模型。我国学者孙铮(2000),杨淑娥(2007)等人运用了股权集中度、法人持股比例、独立董事比例、两职合一等指标来反映公司治理对财务危机的预测力。
5.其他指标
Edmister(1988)等认为除了财务比率外,会计师保留意见可以增加财务危机预警的准确度。Wu(2004)以1995～2000年的31家失败公司和31家非失败公司为样本,利用董事会持股比例、样本公司是否更换外部审计和股票价格趋势,结合财务变量进行比较研究。
然而,上述指标中,传统的常规财务指标、现金流量、市场收益、公司治理等指标研究有余,而企业的主营业务能力指标却鲜有人探索并应用于财务危机预警。随着当前“归核化”战略日益兴盛,彼得斯和沃特曼(T.J.Peters & R.H.Watemran,1982)强调“回归主业”是非常重要的。因此,本文密切关注企业主营业务的获利能力,试图从“归核化”战略出发,分析企业的主营业务能力与财务危机的关系,以期从企业的主营业务这个角度来预测制造业企业是否处于财务危机,并尝试构建一个高精确率的财务危机预警模型。
三、理论分析与研究假设
新古典经济学派创始人阿尔弗雷得・马歇尔(Alfred・Marshall,1920)认为企业之间以及产业之间的“差异分工”“专业化分工”会促进技能、知识和协调能力不断增加,推动企业不断成长。也就是说,实施产业化分工,专业化经营,选准安身立命的主业并不断发展壮大主营业务,提高主营业务的获利能力,企业才能减少财务危机,持续经营。彭罗斯(Penrose・Edith,1959)和伯格・沃纳菲尔特(Binger・Werner felt,1984)等“资源基础论”学者认为,企业的能力来源于其所拥有的资源,资源的不同性质和构成造成了竞争中频繁出现的优胜劣汰。由于资源存在着“资源禀赋”,具有不对称性和供给的有限性,企业在一定条件下不可能在所有资源类型中都拥有绝对优势。因而,充分利用企业内存的有限资源,发挥企业现存熟悉的产业优势,做精做强主营业务,不断提高企业主营业务的获利能力,不仅可以为企业积累剩余资源,更能增强企业规避经营风险,减少财务危机的能力。Forster(1978)认为企业的主力产品销售下降意味着企业陷入财务危机。彼得斯和沃特曼(T.J.Peters & R.H.Watemran,1982)认为企业必须“坚持主业”,才能创造好的业绩。罗伯特・巴泽尔和布拉德利・盖尔(Buzz ell,Robert D.& Gale,Bradley T.1987)认为企业只有将质量和信誉低劣的业务剥离出去,实施以强化主营业务为目标的战略,才能够提高企业绩效。马吉兹(1990)认为过度多元化经营的企业只有进行“归核化”经营战略,才能保证最好的绩效。国内学者叶学锋,魏江(2001)发现美国企业从事单一经营的百分比从1978年的36%上升到1989年的64%。祁顺生(2002)出版《归核化战略》,倡导我国企业实行“归核化”战略。实务界内,通用、诺基亚等大型公司在90年代后逐步剥离副业,强化各自的主营业务,使得回归主营业务、强化主营业务、突出主营业务的经营模式日益成为众多企业的最佳选择。因而,为了提高企业绩效,减少财务危机,企业必须坚持、强化主营业务,提高主营业务的获利能力。由此,提出如下假设。
假设1:主营业务获利能力越弱,企业陷入财务危机的可能性越大;反之,主营业务获利能力越强,企业越不容易陷入财务危机。
主营业务是企业的中流砥柱,是构建企业文化、积累剩余资源、培养企业核心能力的主要渠道,是企业成长的动力来源。王小哈、杨扬(2002)实证检验了39家房地产上市公司,发现主营业务在上市公司的可持续发展中起着决定性的作用。也就是说,主营业务发展越快,企业可持续能力越强。克里斯・祖克(2004)发现7个国家8 000多家企业中,大约80%的持续价值创造者都具有单一的拥有强大市场领导地位的核心业务;1993年~2003年间收入和利润的年平均增长率超过14%的30多家大型中国企业也是通过专注于一项或两项核心业务并不断提升其成长能力,成为这些核心业务的市场领导者而实现了显著的增长。
因而,不仅要关注主营业务当前的获利能力,还要重视主营业务的长期成长能力。只有当企业的主营业务不断向前发展,源源不断地供给养分,为企业创造长期稳定的收益和现金流,企业才能搏击风险,不容易陷入财务危机。因此,提出如下假设。
假设2:主营业务成长能力越弱,企业陷入财务危机的可能性越大;反之,主营业务成长性越好,企业越不容易陷入财务危机。
根据中国上市公司年报披露准则的分类,利润由主营业务利润、其他业务利润、投资收益、营业外收支净额及补贴收入和前期损益调整组成。Ramakrishna &Thomas(1991)把盈利的组成分为:永久类(能无限持续)、暂时类(只影响当期盈利)、价格无关类(持久性为零);并认为主营业务利润是企业盈利的核心,具有永久的持续性,是利润中最稳定和最可预期的部分,而其它几个部分则属于暂时类或价格无关类。Lev & Thiagajan(1993)也表明盈利的质量与其持久性呈显著的正相关关系,而主营业务利润比重在很大程度上决定了公司的盈利质量和获利能力。蒋义宏,魏刚(2001)实证检验表明主营业务利润比重与公司的价值存在正相关关系;而当前我国上市公司利润构成中投资收益和补贴收入所占比例过大。很多企业重视短期行为、盲目崇拜多元化经营,导致企业投资过度分散化、主营业务没有得到应有的发展,公司经营绩效每况愈下。很多企业不顾自身的风险承受能力,寄盈利希望于投资收益;还有些企业寄生于政府,依靠财政补贴维持生存。但无论是上述其他业务收入、投资收益,还是营业外收入,都属于偶然性、不可预期的收入。只有主营业务利润才是企业最稳定、最可预期的利润来源,才是企业生存的基础。主营业务利润占公司总利润比重的高低及其稳定性将影响企业经营业绩的稳定性。上市公司尤其是制造业企业只有不断提高主营业务利润及其比重,将主营业务利润率保持一个稳定的数值,才能为企业创造充足的现金流,支付企业正常运转的费用,有效提高其整体绩效和核心竞争力。否则,如果一个企业主营业务水平持续低下且得不到改善,即使有再多的其他业务收入、投资收益或营业外等偶然性、不可预期的收入,这种低水平的主业也最终会削弱其整体的盈利能力,将企业陷入财务危机的境地。譬如双龙汽车因主营业务不景气而走向破产。因而,提出如下假设。
假设3:主营业务利润比重越低,企业陷入财务危机的可能性越大;反之,主营业务利润比重越大,企业越不容易陷入财务危机。
四、研究设计
(一)样本与数据的来源
本文以沪深两市2007年度被ST(包括*ST)的50家制造业上市公司和同行业的500家非ST上市公司为样本,选取了上市公司被ST前1年(t-1)、前2年(t-2),前3年(t-3),即2004年~2006年的数据,然后运用SPSS13.0软件进行统计分析预测。本文所用的数据来自锐思数据库和上市公司相关年报等。
(二)变量设计
1.因变量设计
本文旨在预测企业是否会发生财务危机,因此,y=(1,0)即为被因变量。y=1表示发生财务危机,其概率用p表示,即p=P(y=1)表示事件发生的概率;y=0表示没有财务危机。
2.自变量设计
根据前文的理论分析和研究假设,从主营业务获利能力、主营业务成长能力、主营业务利润比重三方面来衡量企业的主营业务能力。具体指标即自变量,如表1所示。
3.控制变量选择
由于国内外学者较多地从偿债能力、盈利水平等指标预测财务危机,且这些指标在某些层面上也能反映企业危机状况。因此,同时引入该方面指标作为控制变量(如表1所示),以此来检测主营业务指标在常规财务指标被控制后,是否依然能够预测企业是否发生危机。
(三)研究模型
本文将沿用Ohlson(1980)的多元Logistic法来构建制造业财务危机预警模型:logit(y)=ln[P/(1-P)]=a0+a1X1
+a2X2+…+anXn。其中,p=P(y=1)表示事件发生的概率;ai(i=0,…n)为待估参数,Xi(i=1,…n)为自变量。
五、实证检验
(一)描述性统计分析
首先分组计算50家财务危机公司和500家非财务危机公司的7个主营指标,在财务危机发生前1至前3年的平均值和标准差等描述性统计量,比较这两组在7个主营指标各年的平均值是否具有显著差异;其次计算各年的Z统计检验量①(结果如表2所示),在接受Mann-Whitney非参数检验时,7个主营指标在2004年~2006年均一致通过显著性检验,且显著性水平总体上较高,在1%水平上显著的居多。这说明在ST发生的前1至前3年,财务危机公司和非财务危机公司的7个主营指标中均存在显著差异。
(二)相关性分析
为了检验主营业务指标对财务危机具有独立的预测力,首先控制C1~C7这7个传统财务指标,然后运用偏相关分析②检验X类自变量与因变量之间的关系,结果如表3所示。
1.衡量主营业务获利能力的指标中,X1、X3和X4在(t-3)、(t-2)与(t-1)连续3年均与因变量(危机与否)成显著负相关关系,与假设1一致;X2在(t-3)年与因变量成显著正相关,与假设矛盾,但在(t-2)与(t-1)年均与因变量成显著负相关,与假设1一致;因而X2在(t-3)年的异常可能与部分特殊事项有关,不会影响到假设1。
2.衡量主营业务成长能力的指标中,X5在(t-3),(t-2)与(t-1)连续3年均与因变量(危机与否)成显著负相关关系,与假设2一致;X6除了在(t-3)年出现异常,与因变量成显著正相关,在之后的2年均与因变量成显著负相关,与假设2一致;因此,假设2也基本得到验证。
3.X7(主营业务利润比重)在
(t-3)、(t-2)与(t-1)连续3年均与因变量(危机与否)成显著负相关关系,与假设3一致,从而验证了前文的假设3。
六、基于主营视角的财务危机预警模型的构建
(一)单变量Logistic回归分析
在构建财务危机预警模型前,本文首先运用SPSS统计软件对拟研究的变量作了单变量Logistic回归分析,用Wald拟合优度检验③来筛选效果显著的自变量,具体结果如表4所示。
从表4可以看出:X3,X6,X7因Wald值小于6.635而无法通过(t-3)的检验;同时,X7在(t-1)年也没有通过检验,应当予以剔除;其余指标均能有效地预测企业是否发生财务危机,可以入选到模型中。
其次,为避免自变量间存在多重共线性,影响logistic预警模型的准确度,对上述初选的变量作了Pearson相关性检验(因篇幅限制,此处不报告详细过程),以进一步的筛选。同时,为了确保模型的精确率,本文将上述作为控制变量的传统财务指标(C1~C7)也纳入到模型中。
在t-3年:X1,X2,X4,X5与C1~C7的任何相关系数均不超过0.5,即不存在任何两两高度相关,因而均可以入选到模型中。
在t-2年:X6分别与X1,X5存在0.525,0.521的显著相关。除此之外,其他变量之间均不存在高度相关。因而,剔除X6,保留X1和X5,即入选到t-2年模型的指标包含X1,X2,X3,X4,X5,X7,以及C1~C7。
在t-1年:X5和C7存在0.618的显著相关,因本文探讨的是主营指标的独立预警能力,为防止自变量受控制变量影响,然后作用在因变量上,本文剔除X5,保留C7。另外,X1和X4存在0.512的显著相关,本文沿用X1,剔除X4。因而,入选到t-1年模型的指标包含X1,X2,X3,X6,以及C1~C7。
(二)基于主营视角的Logistic回归模型的构建
将上述筛选合格的变量纳入到Logistic回归中,可以得到以下危机预警模型(表5~表7)。
七、研究结论及建议
本文从主营视角出发,实证检验了我国制造业企业主营业务能力与财务危机的关系,结果发现:主营指标在危机和非危机企业中存在一定差异;主营业务的获利能力和成长能力与财务危机负相关;主营业务利润比重与财务危机负相关。将传统的常规财务指标作为控制变量,引入主营指标,构建综合的预警模型,则在t-3、t-2和t-1年预测精确率分别达到92.7%、95.5%和97.3%,预警效果较为理想。
根据这一结果得出,一是上市公司应当在战略上找准自己的定位,选准主业,重视主业,做精做强自身的核心业务,并逐步创造、强化自己的品牌,通过提高核心业务能力水平来增强企业的抗风险能力,降低企业陷入财务危机的可能性;同时,公司内部人员在监控自身的财务危机情况时,应当密切注视主营业务水平的获利能力和成长能力。二是投资人、债权人等利益相关者在与上市公司发生业务时,应当充分重视其主营业务能力,应更多的以主营业务水平来评价其财务风险状况和未来的竞争能力。三是证监会等外部监管人在核准公司上市时,应当更加关注其主营业务能力,确保其能够以主营业务水平来保障投资者的利益,进而促进整个资本市场发展。
本文的局限性在于:首先,由于财务危机预警本身缺乏成熟的理论支撑,而本文也只从归核化战略来切入,运用企业间分工理论和资源基础论来推导,对财务危机预警的理论分析尚且不够;其次,本文只收集了2004年~2006年的数据,时间段不够长;最后,本文只研究了制造行业550家上市公司,没有涉及其他行业和非上市公司,预警模型的使用有局限性。因此,还需要有更多的学者运用大样本继续探究主营业务能力与财务危机的关系,以构建出更精确的财务危机预警模型。
【参考文献】
[1] 阿尔弗雷得・马歇尔.经济学原理[M].中国社会科学出版社,2007.
[2] 伯格・沃纳菲尔特.企业资源基础论[M].1984.
[3] 陈静.上市公司财务恶化预测的实证分析[J].会计研究,1999(4).
[4] 崔学刚,王立彦,许红.企业增长与财务危机关系研究――基于电信与计算机行业上市公司的实证证据[J].会计研究,2007(12).
[5] 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).
[6] 姜秀华,孙铮.治理弱化与财务危机:一个预测模型[J].南开管理评论,2001(5).
[7] 蒋义宏,魏刚.主营业务利润、核心盈利能力和公司价值[J].证券市场导报,2001(04).
[8] 克里斯・祖克,詹姆斯・艾伦.回归核心[M].北京:中信出版社,2004:30-31.
[9] 罗伯特・巴泽尔和布拉德利・盖尔.PIMS原则:联系战略与绩效[M].1987.
[10] 马吉兹.多元化、归核化与经营绩效[D].博士论文,1990.
[11] 彭罗斯.企业成长理论[M].上海三联书店,2007.
[12] 祁顺生.归核化战略[M].上海:复旦大学出版社,2002:2.
[13] 王小哈,杨扬.上市公司主营业务贡献与经营绩效的实证分析[J].当代经济科学,2002(5).
[14] 吴世农,卢贤义.我国上市公司财务危机的预测模型研究[J].经济研究,2001(6).
[15] 杨淑娥,黄礼.基于BP神经网络的上市公司财务预警模型[J].系统工程理论与实践,2005(1).
[16] 杨淑娥,王乐平.基于BP神经网络和面板数据的上市公司财务危机预警[J].系统工程理论与实践,2007(2).
[17] 叶学锋,魏江.多元化经营的战略选择分析[J].科研管理,2001(11):57-62.
[18] 张玲.财务危机预警分析判别模型[J].数量经济技术经济研究,2000(3).
[19] Altman E.I.Financial ratios,discriminant analysis and prediction of corporate bankruptcy [J].Journal of Finance.1968.
[20] Aziz.A,D.Emanuel and G.Lawson.Bank Prediction:An Investigation of Cash Flow Based Models [J].Journal of Management Studies.1988 (25):419-437.
[21] Beaver W.H.Financial ratios as predictors of failure [J].Journal of Accounting Research.1966.
[22] Deakin,Edward.B.A,Discriminant Analysis of Predictors of Business Failure [J].Journal of Accounting Research.1972,10(1).
[23] Erkki K.Laitinen and Teija Laitinen.Cash Management Behavior and Failure Prediction[J].Journal of Business Finance & Accounting,Vol.25 Sep/Oct 1998,893- 919.
[24] Edmister R O,Combining Human Credit Analysis and Numerical Credit Scoring for Business Failure Prediction,Akron Business Economic Review,1988,19(3):6-14.
[25] Gilbert,L.R.,K.Menon,and K.B.Schwartz,1990,Predicting Bankr-
uptcy for Firms in Financial Distress.Journal of Business,Finance
& Accounting,Vol.17,No.1,p161-171.
[26] Green,R.C.and Talmor,E.Asset s-
ubstitution and the agency costs of debt financing[J].Journal of Banking and Finance.1986 (10):391-399.
[27] Lee T S,Yeh Y H.Corporate go-
vernance and financial distress:evidence from Taiwan [J].Corporate Governance.2004 (3).
[28] LEV,B.,AND R.THIAG.Fundamental Informational of Accounting Rese,1993(31).
[29] Mark.E.Zmijewski.Methodological Issues Related to the Estimation of Financial Distress Prediction Models [J].Journal of Accounting Research.1984 (22).
[30] Ohlson.J.S.Financial ratios and the probabilistic prediction of bankru-
ptcy[J].Journal of Accounting Re-
search.1980.
[31] Platt.H.D.and Marjorie.B.Platt.Predicting Corporate Financial Distress:Reflections on Choice Based Sample Bias[J].Journal of Economics and Finance.2002.Summer.
[32] Ramakrishnan,RamT.S.;Thomas,Jacob.K.Add Added Valuation of Permanent,Transitory,and PriceIrrelevant Components of Reported Earnings[J].Journal of Accounting,1991(13).
[33] Ross.Stephen.The Determination of Capital Structure:The Incentive Signaling Approach.Bell Journal of Economics.1977 (8):23-40.
[34] T.J.Peters,R.H.Waterman.Insearch of Excellence.Harper&Row.1982:49.
购物车(0)