HI,欢迎来到好期刊网!

财务预警分析

时间:2023-06-07 16:19:09

导语:在财务预警分析的撰写旅程中,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。

财务预警分析

第1篇

关键词:中小企业;财务;预警指标;预警模型

中图分类号:F275 文献标志码:A 文章编号:1673-291X(2014)31-0137-02

引言

市场经济体制改革深化,企业的改革的进一步复杂,在经济领域高度复杂性的情况下,企业发生财务危机的可能性大大增加。企业出现破产倒闭的情况,会与日俱增。利用财务预警指标建立,实现对财务、经营等方面的跟踪控制,财务危机信号及时被发现,并且能预测企业未来的财务风险,及时制定防范风险的措施,对于企业的长期健康发展意义十分重大。

一、企业财务预警内涵

1.财务危机预警功能

财务危机预警功能是多方面的。首先,它具有矫正功能,有效财务危机预警模型能在预测危机以外,还可以根据长期记录寻找危机产生原因;并且提出改进建议,促使企业存在问题的解决;制定推行解决措施,弥补企业财务及经营管理上的漏洞。其次,预警功能,在大量的信息分析基础上,财务危机预警系统才能实现危机拦截;并找到财务危机发生的根源,针对企业的财务危机根源,及时地应对措施,避免财务危机扩大化。最后,免疫功能,即预警指标体系本身也具有免疫职能,有效的财务危机预警,对某一企业长期观测,在完善财务危机预警构建的同时,可以帮助企业避免财务危机再现。

2.财务危机预警系统的特点

要建立财务危机预警系统,要对财务危机预警系统的特点进行具体分析。第一,财务危机预警系统有警示性。通过连续跟踪预测,在财务预警体系中,观测指标接近安全警戒线的情况,可以提前预测财务危机,促使管理者采取补救、化解财务危机。第二,独立性。独立性是指财务预警系统,应该不受任何权利操纵,在客观性的基础上实现独立性。第三,灵敏性。各指标之间密切相关,某一因素的变化,会引起另外因素变化。要及时观察指标灵敏度,从提供预警信息控制整个数据的变化。第四,参照性。财务危机系统能从海量数据中筛选出有效信息,反映企业财务状况指标。从而构建判断企业财务状况,实现的预警监测。第五,超前性。如果财务危机预警系统构建完善,财务危机发生前的时间段内,甚至几年内就已经预测出发生,体现了预测的超前性,使得预测更有实际意义。

二、预警指标体系建立注意的问题

建立财务预警体系是一个复杂工程。是否切合企业实际情况,决定着运行效果的成败,所以,在建立中采用流程分析法,也可以采用现场观察法,比较分析法、调查法,多种方法进行综合使用。其中预警指标体系的基本结构(如下页图1所示):

财务预警指标需要从各个角度分析,着重考虑以下三个方面的问题:

首先,预警建立的基础是财务部门核算财务实际数据,这些数据来源真实可靠程度,直接决定着财务预警指标在发挥作用方面的功效,因为企业经济资源,受到各种客观条件限制。但是,财务报表对经济资源不能完全真实反映,受到这个原因的影响,企业财务指标分析结果会存在一定的偏差。所以,统计完财务指标之后,主要采用比较分析法、因素分析法以及综合其他各种分析的方法,对企业的实际财务特征,进行定性、定量分析。

第二,财务预警指标参考值确定。企业在会计政策的运用过程中,数据的一致性要保持。在实际业务发生中,不少实际处理的数据的人员存在很多的职业判断,导致了不同的会计人员在同一会计问题上出现不同的财务决策。

第三,除了采用量化财务数据分析,还要考虑非量化指标影响。在对企业进行状况评估时候,运用财务风险预警指标比率,要全面考虑企业历史经营情况,综合企业财务现状,运用报告数据资料,实现对企业全面系统评估。

三、中小企业构建有效预警模型的建议

1.充分了解财务预警模型构建的原理

财务风险预警指标体系的建立,目的是在企业未出现财务问题的时候,未雨绸缪。在预警模型构建原理上,要遵循以下几个原则:首先,拥有实用的功能,并且对危机可以预测为前提。在解决企业的实际问题方面,财务预警系统能够达到多种目的。满足管理潜在风险要求。需要注意的是,建立时企业财务预警系统同时,成本与收益是这其中一个对等原则。在不实现企业价值最大化方面,发挥着不同的作用。财务预警模型,应依据经营中财务报表来制定。分析预测财务数据趋势,实现企业管理层,根据指标警示实施风险控制。其次,预警系统全面性的要求。财务预警模型的建立,不仅仅是财务指标有提前效用,还要求模型指标有全面性,这就要求它从整体角度考虑,对整个企业的财务预警系统建立。财务预警构建的最终目的是通过采取对策保证企业财务安全状态,所以这个体系的建立,必须使用控制论原理。总的来说,控制分为前馈控制,反馈控制和复合控制。预警管理要应用前馈控制,同时进行和复合控制。另外,在内部的筹资、投资方面,财务预警管理,要求从企业整体出发,观察项指标波动进行总体上的分析,多方面考虑,从整体上采取促使进行预防。

2.建立预警模型需考虑的财务指标,以适应自身预警要求

良好的防范财务风险水平,可以促进企业长期发展。企业的经营活动主要是在资金的筹集、资金的运用和退出方面。具体的财务风险指标系统首先有负债结构财务指标,这个指标反映企业务杠杆,体现财务稳健度。其次是资金运用效率,这个指标能反映出企业盈利情况,反映了企业经营成果,以及资产管理水平。再次是盈利财务指标,它综合了多方面业务情况,反映出整个会计期间,财务的投资回报程度。最后是财务的偿债能力指标。它能够反映企业对负债的保障程度。

3.预警模型的优化要求要高效

当前,企业财务预警的建立主要是由统计回归的数学预测方法对财务风险实现预测,虽然统计回归预测模型在外国的发展已经大量展开,但是它在中国的发展,仍然处于一种滞后的状态。这种方法不仅提高模型准确性,在提高模型的解释能力方面,效果也相对的明显。从横向和纵向比较角度,不同情形下的预警可以实现估算成本计算,为财务预警模型实施提供指引的具体参照;从样本的选择的角度,企业建模可以考虑财务数据处理方式在样本配比角度选择不同比例,以全面反映企业的财务状况。

结语

综合来讲,我们需要在建立一个财务预警的的指标基础上,实现预警模型的建立。财务预警中财务预警模型是重要关键环节。所以,建立这个体系第一步是进行财务预警指标的设立。指标的设立要适合企业自身财务的发展,实现监测的高效性,避免新的企业财务隐患出现,发现问题及时预警,提出合理解决措施,将损失降低到最小。并且运用这个系统,对企业其他问题的处理进行一个指导,与财务工作相联系,通过财务预警系统进行综合梳理,实现与财务指标的结合,在现金流和非数据化指标的的影响下,实现预警模型最大功效的发挥。

参考文献:

[1] 彭艳露.企业财务风险管理框架及预警指标体系的构建[J].企业研究,2014,(6):108-110.

[2] 廖哲爱.中小企业财务预警模型探究[J].湖南行政学院学报,2009,(3):75-102.

第2篇

关键词:财务危机;预警模型;财务风险;Logit模型

中图分类号:F230文献标志码:A文章编号:1673-291X(2010)30-0084-02

财务危机预警是以财务会计报表为基础,通过建立和观测一些敏感指标的变化,对企业可能发生的财务危机实施评价、预测和预警,此过程中使用的数学模型即为财务危机预警模型。在理论和经验检验中所使用的财务危机预警模型可以分为判别分析模型、Logit模型和人工神经网络模型三大类。其中,判别分析模型又可分为一元判别模型和多元判别模型。本文对几种主要的财务危机预警模型进行比较分析,希望能够为进一步的研究提供一些借鉴。

一、判别分析模型

判别分析是对研究对象所属类别进行判别的一种统计分析方法。进行判别分析的必要条件是已知观测对象的分类和若干表明预测对象特征的变量值,然后从中筛选出能提供较多信息量的变量,进而建立判别函数,使推导出的判别函数对观测样本分类时的错判率最小。

(一)一元判别模型

一元判别模式是以某一项财务指标作为判别标准来判断企业是否处于财务危机状态的预测模型。通常将样本分为“估计样本”和“有效样本”两组,首先将估计样本按某一财务比率排序,之后最为关键的是寻找临界值,它可使两组的错判率最小,最后依据此临界值对有效样本进行预测。Fitzpatrick(1932)最早运用一元判别模型进行财务危机预警研究,他选用19家企业作为样本,并将其划分为破产与非破产两组,运用一项财务比率进行分析,结果表明预测能力最强的指标是净利润/股东权益和股东权益/负债。之后,Beaver(1966)选取美国1954―1964年间79家陷入财务危机的企业和79家正常企业,考察了30个财务比率,发现具有良好财务预测的财务比率分别是营运现金流/负债,净利润/资产和负债/资产。

一元判别模型首次把财务比率运用于预测财务危机,并且仅需对单个财务比率进行分析考察,计算简便。但它的缺点也较明显,如果对同一公司使用不同比率进行预测,往往会得出不同的结果,而且企业通过粉饰财务报表掩盖财务危机的可能性较大。

(二)多元判别模型

多元判别模型是指通过统计技术筛选出那些在两组间差别尽可能大但在两组内部的离散度最小的变量,这样多个标识变量可在最小信息损失下转换为分类变量。多元判别模型能有效提高预测精度。

1.Z值模型

Edward.Altman(1968)提出了Z值模型(也称为Altman模型),其基本原理如下:首先将样本分为预测样本和测试样本,再根据预测样本建立多元判别模型:Z=V1X1+V2X2+…+VnXn,其中,V1,V2,…Vn是权数,X1,X2,…Xn是各种财务比率。之后,根据此模型确定临界值Z值,然后把测试样本的数据代入此判别方程,并计算测试样本的Z值,最后依据判别标准进行判定。

Altman分别选取了33家失败企业和33家成功企业的22个财务数据,使用软件逐步淘汰区分能力差的财务数据,最后保留了5个财务比率:X1=营运资本/资产,X2=留存收益/资产,X3=息税前利润/资产,X4=权益的市场价值/负债的市价,X5=销售额/资产。其Z值模型为:Z=1.2X1+1.4X2+

3.3X3+0.6X4+0.999X5。Z值越低,企业发生财务危机的概率越高,当Z

Z值模型简单易懂,数据易于获取,计算简便,不仅有利于企业管理当局进行财务分析,也为投资人、债权人作出有效的投资决策提供了依据。但使用Z值模型时必须注意时间性,Z值模型只适应于对企业短期风险的判断。而且,Z值模型没有充分考虑现金流量等方面的影响。此外,由于该模型只适用于上市公司,Altman后来对该模型进行了修订,建立了非上市公司财务危机预警的Z′模型和跨行业的Zeta模型。

2.F分数模型

为了克服Z值模型的局限性,周首华、杨济华和王平(1996)对Z值模型进行改进,建立了F分数模型。F分数模型扩大了Z值模型的样本容量,使用了Compustat PC Plus会计数据库中的4 160家企业的数据。F分数模型中加入了现金流量这一自变量,现金流量的计算是长期投资决策中所用到的营业现金流量,等于税后净利润加上折旧,这里暗含非付现费用只有折旧。基于Donalson理论,F分数模型同样选取了5个财务比率,与Z值模型不同的是X3和X5这两个变量,其中X3是一个现金流量变量,X3=(税后净利润+折旧)/平均负债,它用来衡量企业使用全部现金流偿还债务的能力;X5=(税后净利润+利息+折旧)/平均资产,它测量了企业的资产创造现金流的能力。F分数模型为:F=-0.1774+

1.1091X1+0.1074 X2+1.9271X3+0.0302X4+0.4961X5。F分数模型测算的临界值为0.0274,如果F

二、Logit模型

Logit模型又被称为评定模型、分类评定模型和逻辑回归模型,建立的基础是累计概率函数,目标是寻找观察对象的条件概率,据此判断观察对象的财务状况和经营风险。Logit模型是一个非线性模型,曲线呈S型或倒S型,模型公式为:

lnP/1-P=αβiXi,其中,P是在因素(X1,X2,…,Xm)的影响下企业发生财务危机的概率,0≤P≤1;1-P是企业不发生财务危机的概率;Xi(i=1,2,…,m)是影响财务危机的第i个因素;αi,βi(i=1,2…,m)是待估计参数。然后利用最大似然估计法估计参数。判别规则是:取0.5作为概率的临界值,将样本数据代入回归方程后,如果P>0.5,表明其也发生财务危机的概率较大,否则,判断企业财务正常。

Ohlson(1980)第一个采用Logit方法进行破产预测,使用9个自变量,估计了三个模型,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。他发现至少有四类显著影响公司破产概率的变量:公司规模、资本结构、业绩和当前资产的变现能力。继Ohlson之后,Gentry,Newbold and Whitford(1985);Casey and Bartczak(1985);Zavgren(1985)也采用类似的方法进行研究。程涛(2002)以1998―2000年被ST的A股上市公司为研究样本,运用时间序列回归和Logit回归方法,从财务指标角度和现金流量角度分别构建预警模型,并在此基础上构建综合预警模型。姜秀华(2001)、吴世农、卢贤义(2001)、李华中(2001)等也采用类似的方法进行了研究。

同一元判别模型相比,Logit模型信息含量大,解释能力强,并且不容易发生冲突。此模型最大的优点在于克服了多元判别模型要求变量服从正态分布并且分组样本间的协方差相等的局限性。但是,Logit模型是建立在累计概率函数的基础之上,同样要求各个自变量之间不存在多重共线性。而且,运用Logit模型在计算过程中有许多的近似处理,这会影响预测精度。

三、人工神经网络模型

人工神经网络(Artificial Neural Networks)建构理念植根于人类对大脑神经网络认识,人工构造一种神经网络以实现某种功能,最为广泛使用的是反向传播人工神经网络,即BP网络。

Odom and Sharda(1990)是用BP神经网络预测财务困境这一方法的开拓者,其研究是以Altman所构建的五个财务比率为研究变量,使用类神经网络与判别分析作验证比较,结果发现类神经网络具有更佳的预测能力。Tam(1991)通过对人工神经网络(ANN)的模拟,得出神经网络可以应用于财务预警,而且具有较高的预测精度。Koh and Tan在1999年以6个财务指标为研究变量作了类似的研究,认为类神经网络模型的预测效果优于Probit模型。杨保安等(2002)采用ANN模型进行财务危机预警研究,结果表明:样本的实际输出和期望输出较为接近,显示出神经网络是进行财务评估的一种很好的应用工具。柳炳祥、盛昭翰(2002)分析了评价财务危机的指标体系、财务危机等级的划分和基于粗神经网络的财务预警方法,并用一个预警实例进行了验证。

已有的研究表明,人工神经网络具有较好的模式识别能力,而且它具有容错能力,对数据的分布不做严格要求,能够处理有噪声和不完全的数据,误差小,建模更科学,克服了传统统计方法的限制。更为重要的是人工神经网络具有学习能力,可依据新的数据资料自我学习、训练,调整内部的储存权重参数以应对多变的企业运作环境。

四、对已有模型的述评

可以看出,已有的很多模型构筑精巧,使用了很多量化技术,但也产生了一个问题,模型的应用性和可操作性较差,模型在使用中受到样本选择范围和选择时间的限制,模型成立的前提条件也较苛刻,模型中所涉及变量的选择也缺乏理论支持,更多的是凭“通用性”和经验。因此,我们认为,财务危机预警分析需要考虑诸多方面的因素,除了关注模型的设计外,还应该加强财务比率的设计和选择,积极探索将非量化因素引入财务危机预警指标体系。同时,财务危机预警模型必须以大量的真实信息为基础,因此,应加强信息管理,建立使用信息和分析信息的合理机制,进一步增强财务信息的有用性。

参考文献:

[1]A1tman E.I,“Financial Ratios,Discriminant Analysis,and the Prediction of Bankruptcy”,Journal of Finance[J].September 1968.

[2]Tam and Kiang,“Predicting Bank Failures:A Neural Network Approach”,Management Science[J].1992,8:926-947.

第3篇

一、引起财务风险的原因

财务风险的成因分为两大类:外部因素和内部因素。

1.外部因素

外部因素是对所有的企业都会产生影响的因素,是企业无法回避的,主要包括以下几个方面:a.市场变动,即市场由于政治形势、自然灾害等客观原因造成的供求关系的改变。b.宏观经济形势变化,如一国的经济形势变动会影响其他国家和地区经济形势的变动、通过膨胀、通过紧缩、利率变动、汇率变动、税收政策变动等。影响财务风险的这些外部因素,企业无法回避,但是对这些因素进行及时监控,可以帮助企业采取措施应对,避免产生较大的危机和损失。

2.内部因素

内部因素是企业特有因素,是由企业自身事件产生的因素,包括内部管理因素,财务管理因素,财务因素和经营因素。

在内部因素中,有些因素在短期内将引起财务风险,而有些因素是在长期内将引起风险,而实际上这是一个“因果”关系。由于内部管理不当、财务管理失误、经营决策错误,最终引起企业资产负债率过高、应收账款过多、现金不足以支付到期债务等财务风险的出现,而在财务风险预警中,我们对这些“因果”都要反映,才能真正实现预警的目的。内部因素是企业可控因素,外部因素是企业不可控因素,但外部因素也会通过内部因素引起财务风险,在财务风险预警研究中无法将两者分开,但在分析中,应区分原因,采取措施。

二、引起财务风险的原因可能产生的现象

外部因素和内部因素都会引起财务风险,但财务风险毕竟是个抽象的概念,要建立财务风险预警体系,必须了解财务风险的具体现象,即财务风险的征兆,一旦发现,即采取措施,予以控制。引发财务风险的具体现象有:

1.规模过度扩张。企业经营进入成熟期和衰退期后,如果进行大规模的新建项目或对原油厂房进行大规模扩修,或者同时在许多地方收购其他企业,涉足许多不同领域,都可能使企业资金负担过重,如果没有进行严密的资金预算,都会导致企业支付能力下降,引发财务风险。

2.企业内部管理层做出了不同以往的特殊决策或管理层突然出现重大人员变更,这种现象的出现意味着企业内部管理出现问题,引发了管理风险,必将引起财务风险。

3.销售出现不正常的下滑。从表面看,销售下滑是市场问题,但引起的原因很多,如果不是由外部宏观因素引起,很可能是企业产品质量问题或市场出现了强有力的替代产品,无论哪种原因,都可能在短期或长期引发财务风险。

4.非计划的存货积压。非计划的存货积压产生的主要原因是销售出现非正常下滑,但除此原因外,管理层的错误决策或者财务的粉饰需求都可能引起存货的非计划积压,引发财务风险和管理风险。

5.过度依赖贷款。过度依赖贷款,意味着企业丧失了其他的融资能力,意味着企业丧失了以往的信用,标志着企业资金周转失调或盈利能力下降。

6.财务报表公开不及时。如果频繁出现财务报表不及时公开,应警惕财务粉饰,关注报表附注。

除以上提到几点外,还有许多可能引发财务风险的现象,如企业进行了大规模的新产品研制,如果此项经营决策失误,同样会导致企业产品积压,现金周转困难;另外,客户交易记录恶化,可能导致赊销款项无法收回等。因此,引发财务危机的现象很多,对这些现象应进行仔细分析,查找原因,才能及时防范财务风险,避免财务危机。

三、引发财务风险现象的财务表现形式

引发财务风险的现象,并不都是财务现象,有管理现象,还有经营现象,它们可能引发狭义财务风险、管理风险和经营风险等,管理风险和经营风险可以通过在管理环节和经营环节中发现,采取措施予以规避,但风险的产生和危机的引发是个逐步的过程,对于在管理中和经营中没有防范住的风险,最后都会反映为千百万,因此,我们必须了解引发账务风险的现象的财务表现形式,而最好的财务表现形式就是最好的财务指标。

目前我国常用的财务指标从四方面来界定,财务效益状况指标、资产营运状况指标、偿债能力状况指标和发展能力状况指标,用来对企业的经营业绩进行评价,而本文我们是研究财务风险预警,这里要分析的是企业财务风险预警指标,通过这些指标应能灵敏地反映企业的财务风险状况,对企业的财务危机进行及时预警,因此我们根据财务风险的成因和现象构建了四方面财务风险预警指标,它们是:管理状况指标、财务结构指标和运营状况指标。

1.管理状况指标

管理状况可通过高层领导决策失误率、内部控制制度执行率等指标来反映,它们可直接反映出管理风险,在一段时间后反映为财务风险,是财务风险预警的早期指标。

高层领导决策失误=某时期高层领导的错误决策数/某时期高层领导的总决策数

内部控制制度执行率=已执行的内部控制制度数/已制订的内部控制制度数

2.财务状况指标

财务状况可通过流动比率、速动比率、现金流动负债率、主营业务利润率、净资收益率、销售收入增长率和权益增长率等指标来反映,直接反映出财务风险。

流动比率=流动资产/流动负债

现金比率=(货币资金+短期证券)/流动负债

现金流动负债率=经营现金净流量/流动负债

主营业务利润率=利润总额/销售收入总额

净资产收入增长率=(本期销售收入—上期销售收入)/上期销售收入

权益增长率=(期末所有者权益—期初所有者权益)/期初所有者权益

3.财务结构指标

财务结构可通过流动资产率、资产负债率、应收账款坏账率等指标来反映,反映企业应对负债的能力。

流动资产率=流动资产/总资产

资产负债率=负债总额/资产总额

应收账款坏账率=应收账款坏账/应收账款总额

4.运营状况指标

运营状况可通过总资产周转率、应收账款周转率、存货周转率、投入产出率、不良资产占有率和现金流入流出率等指标来反映,这些指标既可反映财务风险,也可反映经营风险。

总资产周转率=销售收入净额/平均资产总额

应收账款周转率=销售收入净额/应收账款平均余额

存货周转率=销货成本/存货平均余额

投入产出率=产品销售收入/(产品销售成本+期间费用)

不良资产占用率=不良资产/资产总额

现金流入流出率=现金流入量/现金流出量

我们这里构建的指标,是从一般意义出发形成的,企业在具体运用中,应依据实际需要,进行调整。

四、构建财务风险预警体系的方法

从广义上说,构建财务风险预警体系的方法包括前面介绍的企业财务风险预警的信息表现,只有收集了资料,才能进行必要的研究,因此,这里所指的构建方法是指如何对财务风险预警指标进行分析和运用,得到企业所处财务危机的程度的信息,帮助企业做出危机判断的具体方法。

企业财务风险预警的方法总体来说,分为两大类:一是定性分析的方法;二是定量分析的方法。定性分析包括专家调查法、分阶段分析法、流程图分析法和管理评分法。定量分析法是通过对预警指标的筛选,运用数学和统计方法,建立模型,用数字对企业财务危机作出判断的方法,一般分为单变量模型和多变量模型。具体包括以下几种:a.单变量财务危机预警模型;b.Z得分模型;c.迈耶和皮弗的LPM模型和马丁的Logit曲线回归模型;d.神经网络财务危机预警模型。

定性分析法和定量分析法在实际应用中可结合使用,如对管理状况就可采用定性的方法进行前期的分析,判断管理风险的程度,根据所得到的信息,计算管理状况的指标,使得指标得以量化。

五、结语

我国学者对财务预警研究始于20世纪80年代后,1986年吴世农、黄世忠研究了企业破产分析指标和预测模型,1998年陈静对27家ST公司和非ST公司进行了单变量分析,建立了Z得分模型,2000年张玲以120家公司进行模型检验。经过大量的实证分析,财务指标和Z得分法模型对我国企业财务危机的预测有较好作用。在这些分析中,学者们都选择了定量分析法,而忽视了定性分析法,同时他们均以上市公司为研究主体,进行横向研究。实际上,对任何一家企业都需要进行财务危机预测,这将是企业财务管理的新趋势,企业可根据自身的实际情况选择适当的预警指标和预警方法,建立财务风险预警体系。

参考文献

[1]胡华.现代企业财务风险的成因及防范[J].会计之友,2009.

[2]陈静.上市公司财务恶化预测的实例分析[J].会计研究,2009.

第4篇

关键词:财务杠杆系数 灰色灾变预测 财务预警

在市场变化的不确定性及竞争日益激烈的环境下,由于财务的复杂性,企业的财务风险成为一种客观存在。而企业财务活动的组织和管理过程中的某一方面或某个环节的问题,都可能促使这种风险转变为损失,导致企业发生财务危机。因此,对企业财务状况进行预警分析并进行有效的防范,对规避企业财务风险,从而提高企业经济效益和竞争力。

一、财务预警模型的构造

本文选择财务杠杆系数作为分析的财务指标,并根据灰色预测方法只需较少数据即可建立分析模型以及可处理财务风险无规则概率分布的特点,运用灰色灾变预测方法对企业的财务风险进行预警分析。

(一)财务杠杆系数

企业可以通过借款或其他方式增加资本,只要债务成本低于这些资本投入的收益,财务杠杆就可以提高企业的资本收益率,但与此同时财务杠杆也提高了企业的财务风险。资本结构决策需要在杠杆收益与其相关的风险之间进行合理的权衡。

(二)灰色灾变预测

灰色灾变预测属于灰色理论中的一个部分,主要针对“部分信息已知,部分信息未知”的“小样本”,“贫信息”的不确定性问题,运用数学方法进行描述出来。主要任务是利用模型预测出下一个或几个异常值出现的时刻,以使人们提前做好防备,采取对策,减少损失。灰色灾变预测的准确率较高、实用性也较强,目前被大量应用于预测实践当中。

二、实证分析

以下结合具体实例进行分析,该企业为河南省某一著名企业,企业近年来发展势头良好,做出了不殊的成绩。以下数据来源于集团公司各年中期和年度财务报告,数据为集团母子公司的合并后数据。根据对该企业财务报告及企业情况的分析得知,利息费用占据了财务费用的大部分,故本文的分析对财务费用进行了处理,使其分离出利息费用。为使处理简单化以便于分析,用各期财务费用总额乘以0.9,得出相应各期的利息费用。(如表1)

以该企业2002年中期至2008年中期的资料作为灾变预测依据,对此序列数据进行统计,将=1.20作为是否发生财务预警的临界值,并认为1.20为财务风险较高,产生了财务预警。根据灰色灾变模型及数据分析,则有:

1)该企业财务杠杆系数的原始序列为:

6)进行残差检验。分别令k=1,2,3,4,可计算出预测值如表3所示:

由于平均相对残差及均小于0.05,故模型合格,可用于对企业财务风险的预测。令k=5,可得预测值,即再过11-12期左右,即2008年末-2009年中期将会出现一次财务杠杆系数的异常(灾变)值。根据预警结果,企业应该意识到存在的财务风险,并对企业的资本结构进行调整,在合理利用财务杠杆所带来的杠杆效应的同时,也要避免随之而来的扩大的财务风险,把财务杠杆系数稳定在一个合理的水平,从而避免财务风险。

三、结语

本文根据企业财务风险往往呈现无规则概率分布的特点,选取能衡量财务风险的重要财务指标---财务杠杆系数进行分析,利用灰色系统中的灾变预测理论建立了灰色灾变预测模型,对企业的财务风险进行了预警分析。通过实证研究发现,选取财务杠杆系数作为分析指标,应用灰色灾变预测模型可为企业财务预警分析提供了一个新的研究思路和方法,具有很高的实用价值。当然,任何方法都有一定的局限性。获取真实可靠的财务数据,综合多种方法进行比对分析,建立与企业实际情况有较高拟合度的财务预警分析模型,将对企业防范财务风险,及时做好应对措施具有极重要的意义。

参考文献

[1]蒋元涛.基于现金流量的投资企业财务风险预警分析[J].财贸研究,2005;4.

第5篇

财务预警即财务失败预警,是以财务会计信息为基础,通过设置并观察一些敏感性预警指标的变化,以发现企业在经营管理活动中潜在的经营风险和财务风险,并在危机发生之前向企业经营者发出警告,对企业在经营管理活动中潜在的财务危机进行实时监控。

财务预警具有参照性、预测性、预防性和灵敏性等四个特点。参照性:从参照性特点看,运用财务管理和数据分析方法,测算出反应企业财务运行状态的指标和指标体系,使其成为我们判断和认识企业财务运行规律的参照或指标体系。预测性:根据财务运行状态的发展趋势和变化,预测或推算与此密切相关的各因素的发展变化。预防性:一旦财务预警体系中的指标接近安全线,便可以及时寻找导致财务运行恶化的原因,以化解财务危机。灵敏性:由于财务体系各因素之间密切联系、相互依存,某一因素的变化会在另一因素中敏锐的反映出来,从而提供相关的预警信息。

财务预警模型是一步步不断发展完善起来的,Beaver(1966)最早运用统计方法建立了单变量财务预警模型,Altman(1968)最早运用多变量分析方法探讨财务预警问题,建立了Z模型,Ohlson(1980)第一个用Logit方法进行破产预测,Odom and Sharda(1990)开拓了用神经网络预测财务困境的新方法。

二、财务预警实证分析

1.实例背景

商业银行在经营过程中,由于事前无法预料的不确定因素的影响,使实际收益与预期收益产生偏差,从而有蒙受经济损失和获取额外收益的机会和可能性的风险,任何忽视风险只追求收益的行为都有可能导致灾难性的后果。本文以工商银行为例,来分析财务预警模型的应用。

中国工商银行股份有限公司前身为中国工商银行,成立于1984年1月1日。2005 年 10 月 28 日,整体改制为股份有限公司。2006 年 10 月 27 日,

成功在上海证券交易所和香港联合交易所同日挂牌上市, 创造了全球资本市场有史以来最大规模的 IPO。

2.财务预警应用

本文以中国工商银行股份有限公司2009年12月的部分财务数据进行财务预警应用的实例分析。由Altman 提出的Z模型:

Z=1.2x1+1.4x2+3.3x3+0.6x4+1.0x5

其中: x1- - 营运资金/资产总额

x2- - 留存收益/资产总额

x3- - 息税前利润 /资产总额

x4- - 股东权益总额 /负债总额

x5- - 销售收入/资产总额

由上面数据可得出 Z为2.775 根据这一模型,一般地Z值越低企业就越有可能破产Altman还提出了判断企业破产的临界值:若 Z值大于 2.675,则表明企业财务状况良好,发生破产的可能性较小;若 Z值低于 1.81 则表明企业存在很大破产危险;如果 Z值处于1.81- 2.675之间,Altman称之为 灰色地带 的确,进入这个区间的企业财务是极不稳定的,由于 2.775 高于2.675,则可以预测该企业不存在破产危险。

三、小结

工商银行采取了有效的风险控制制度,积极完善全面风险管理体系,加强制度创新,加快提升全面风险管理能力。编制年度风险限额管理方案,充分发挥限额对风险的控制作用;积极应对复杂的外部形势,实现对境内分行风险管理情况的动态评价;规范境外分行及附属机构风险报告工作,进一步完善集团层面风险报告机制。通过F模型,验证了工商银行的风险管理机制起到了有效控制风险的作用,将公司发生财务危机的可能性降到了最低。

参考文献:

[1] 潘颖:企业短期财务预警系统的构建[J]. 生产力研究,2009,(4):137- 138

[2] 黄德忠:企业财务风险预警研究综述[J]. 财会通讯,2005,(9):41-44

第6篇

Yang Yu'e

(The College of Business,Xi'an International University,Xi'an 710077,China)

摘要:目前企业财务预警分析大多是定量研究,但其不能揭示出企业存在的所有问题,而且对于非财务因素,运用财务数据建立的预警模型是无法解决的,这就需要定量研究与定性研究相结合,本文主要研究企业财务预警定性分析法,并对其进行比较,对企业的情况有一个更为全面、客观的预测分析,以此弥补定量分析法的不足。

Abstract: Most of the current corporate financial early warning analysis is quantitative research, but it can not reveal all the problems in the business. But also for non-financial factors, the early warning model established by the financial data can not solve them, so it requires the quantitative and qualitative research. This paper mainly studies the qualitative analysis of corporate financial early warning, and compares them to have a more comprehensive and objective prediction analysis of the situation of enterprises and compensate for the lack of quantitative analysis.

关键词:定性分析法 三个月资金周转表 四阶段症状

Key words: qualitative analysis;cash flow table of three months;four-stage symptoms

中图分类号:F275文献标识码:A文章编号:1006-4311(2011)29-0117-01

1定性分析法的概念

在企业财务预警分析中,主要采用的是定量研究,虽然其是实证研究,带有很强的说明力,但其仅考虑了财务因素,未将非财务因素纳入财务预警的体系,并不能全面反映企业的全貌,为此应辅之定性分析法,使研究更全面准确,以此建立更为合理、准确的财务预警系统。定性分析法是指研究人员根据自己的专业知识、以往经验和对公司行业特征、基本情况、产品市场占有率、商誉、生命周期、治理结构等情况对公司的各种风险综合评价得出财务预警结论,定性分析方法得出的结果只是一种判断。定性分析法主要有“三个月资金周转表”分析法、管理评分法――仁翰・阿吉蒂的“A记分”法、标准化调查法、“四阶段症状”分析法四种。

2定性分析法之比较

2.1 “三个月资金周转表”分析法看有没有制定三个月的资金周转表是判断企业财务状况的有效方法之一。是否制定资金周转的三个月计划表,是否经常检查销售额对付款票据兑现额的比率、考虑资金周转以及结转下月余额对总收入的比率等问题,对企业的持续经营具有重大意义。经济繁荣的程度与资金周转联系较为密切,如企业从繁荣走向萧条,尤其是在进入萧条期后,企业的计划就经常被打乱,甚至赊销款和销售额的回收都不能按照计划及时收回,但是各种费用却很容易超过起先的预算。因此,如果企业不制定特别详细的资金周转计划表,资金就不能满足正常生产经营业务的需要;相反,企业从萧条转向繁荣时,资金周转就会逐渐变得灵活起来。这种分析方法的判定标准:如果企业制定不出三个月的资金周转表,这说明该企业的资金周转出现了大问题;倘若企业能制定出三个月的资金周转表,说明该企业的资金周转暂时不存在问题,能满足企业生产经营业务的需要。这种分析方法的实质是企业面临的理财环境是变化多端的,要避免发生各种支付危机,就应该周密计划,保证企业能制定出周转较高的三个月资金周转表。如果制定不出此表,就说明该企业已经有潜在的风险了,要引起相关部门的注意。

2.2 管理评分法――仁翰・阿吉蒂的“A记分”法管理评分法又称为仁翰・阿吉蒂的“A记分”法。美国的仁翰・阿吉蒂调查了企业的管理特性及可能导致破产企业的不足,按照几种经营缺点、经营错误和破产征兆进行对比打分,还根据这几项对破产过程产生影响的大小程度对它们作了加权处理,总分是100分。评判标准为:所得分值越低,企业处境便越好;反之,所得分值越高,企业处境便越差。这种管理评分方式试图将定性分析判断定量化处理,这一过程需要对企业进行深入的研究,分析整个企业甚至具体到车间,对企业高层管理人员进行细致的调查,全面深入分析企业管理的方方面面,才能对企业的管理给出比较客观的评价。对企业经营管理活动用管理评分法进行评估时,不允许打中间分值,即每项的评分不是零分就是满分,给出的分值代表了企业管理不善的程度。参照各项标准进行打分,分值越高,则企业的处境越差。企业的安全分值一般应小于18分;如果评价的分值合计大于25分,就说明企业正面临着财务危机;如果评价的分值合计大于35分,就说明企业正处于严重的财务危机当中。由此可见,管理评分法认为企业高级管理层是企业失败的根本原因,这种方法操作方便,简单易懂,但其效果的好坏还要取决于是否对被评分公司及其管理者有全面、深入的接触。从某种程度上看,管理评分法具备了定量分析中多元线性函数的基本条件。

2.3 标准化调查法标准化调查法又称风险分析调查法,是指就公司可能遇到的问题通过咨询公司、协会、专业人员等,加以全面详细的调查和分析,最后形成报告文件形式供企业管理层参考的方法。该方法的优点是带有普遍适用性,它所提出的问题对所有企业都有意义;不足在于无法针对特定公司的特定问题进行调查分析,无法就某些特定问题提供相关的个性研究。另外,调查时没有对要求回答的每个问题进行解释,也没有引导使用者对所问问题之外的相关信息做出正确判断。

2.4 “四阶段症状”分析法企业财务运营过程中出现的病症可以大体分为四个阶段:财务危机潜伏期、财务危机发作期、财务危机恶化期和财务危机实现期,且程度是依次加重。“四阶段症状”分析法各阶段的特征,如图1所示。如企业在财务运营过程中有上述特征出现,要根据特征确定相应的阶段,并寻求有效解决办法,使企业尽早回归正常的生产经营活动。此方法操作简单,表达清晰,作为企业自我检查的有效方法之一,但不足在于每个阶段的划分不容易确定,带有很大的主观因素,需要诊断者具有丰富的实战经验。

3定性分析法之评价

在企业实际运用中,定性分析法具有较大的灵活性,企业可以根据自身的具体情况作出相应的调整,定性分析法需要有关人员凭借自身的经验对财务风险进行分析。因此这种方法容易受到个人主观意识的影响,个人的偏见会给企业带来一定的损失。

企业在建立财务预警时不能单纯依靠财务数据,应充分考虑能够影响企业财务状况的非财务数据。既要涉及到定量信息,也要涉及到定性信息,这样才能更为完整地反映企业的全貌。较好的方法是同时使用定性分析法与定量分析法,使其取长补短,提高防范财务风险的准确性。

参考文献:

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

[2]张文,李海燕.企业财务风险预警模型应用研究[J].财会月刊,2007,(30).

第7篇

关键字:企业财务危机预警;集成模型;Bagging;Adaboost

1 引言

建立有效的财务危机预警模型是金融机构一项非常重要而艰巨的任务。财务危机预警模型可以用来预测上市公司的财务是否发生问题。如果预测模型不能正常运行,如预测错误率很高,它会导致不正确的决策,并很可能会由此导致严重的金融危机和灾难。

财务危机预警模型也可以表示为一类具有输入和输出的二分类问题。也就是说,预测模型将每个样本分类到2个预定义的类。对于财务危机预警问题,输出结果即为发生财务危机或者未发生财务危机。单变量分析方法最早应用于企业财务危机预警领域,Beaver(1966)[1]等是较早采用单变量分析法预测企业状况的学者,并在研究中发现对企业财务状况判别能力高的财务指标和关键要素。Ohlson(1980)[2]发现Logistic模型更适合描述企业发生财务危机与否和财务比率指标之间的非线性关系。自上世纪50年代人工智能技术,如决策树、支持向量机、神经网络、概率神经网络等分类器成为预测企业财务危机较常用的方法。Odom(1990)[3]最先运用神经网络模型对企业财务状况进行预测。

已有研究表明,分类器集成技术在预测精度和误差等方面都要优于单一分类器模型和传统的统计方法。集成分类器是针对同一问题通过组合一组分类器进行解决的,最终的分类结果根据每个分类器的组合从而最终得到。常用的集成方法包括Bagging和Adaboost。West(2005)[4]研究了用于对神经网络进行集成的cross-validation,bagging,boosting三类集成策略,并证明多分类器集成方法的预测能力优于单一模型。Alfaro(2008)[5]对比了使用AdaBoost集成方法和神经网络模型的预测企业破产的精度,结果显示AdaBoost集成方法有效降低了神经网络的泛化错误。

虽然许多相关的研究已经证明了集成分类器优于许多单分类器,但是在企业财务危机预警领域,关于集成模型的应用还缺少全面的对比及分析。所以本文选取了Bagging和Adaboost集成模型,同时选取了神经网络(NN)、支持向量机(SVM)和决策树(DT)作为集成的基分类器,重点讨论如何构建财务危机预警的最优集成分类器模型。

2 集成模型

集成学习方法是机器学习的新兴领域。近些年来,采用集成模型对企业财务危机进行预警的研究也呈上升趋势。集成模型的目的在于将多个具有一般性能的弱分类器整合成为具有较强分类性能的集成模型。也就是说,用于集成的基分类器能够有效弥补其它基分类器所产生的不足,从而获得比单分类器更好的预测效果,显著的提高预测模型的泛化能力。

将不同的基分类器的预测结果进行组合得到最终的预测结果,这些用于组合的基分类器可以通过不同的训练数据集产生,也可以通过不同的分类算法产生:

2.1 Bagging

Bagging首先通过自助抽样法,从初始训练数据集中有放回的对样本进行抽样,形成不同的训练数据集。进而采用某一分类算法分别用各个训练数据集对基分类器模型进行训练,从而形成不同的基分类器模型。最后采用多数投票法融合各个基分类器的预测结果。已有研究表明,Bagging采用的自助抽样法和多数投票法能够有效降低模型的方差从而提高预测的精度。

2.2 Adaboost

在Adaboost中,各个分类器是连续生成的。即Adaboost是一种迭代算法,其核心思想是针对同一个训练集训练不同的基分类器,然后把这些基分类器通过多数加权投票的方法进行整合形成一个最终的强分类器。Adaboost的算法如下:

假设有训练样本集 ,代表一个二分类问题中训练样本的对应输出。当经过第t次迭代时,每个训练样本的权重表示为 。每个训练样本的初始权重为1/n,样本的权重随着迭代的增加而不断的更新。在t次迭代时,Adaboost根据权重分布生成新的训练样本集,并使用新的训练样本生成基分类器,通过ft表示。Et代表分类器ft的错误率,可以通过式(1)进行计算:

(1)

根据容易分类的样本分配较小权重,较难分类的样本分配较大权重的基本思想,样本的权重通过式(2)进行更新:

(2)

式(2)中的αt和lit分别通过式(3),(4)计算得到:

(3)

(4)

将以上得到的权重进行标准化处理,可以得到 (5)。

当进行T次迭代时,将有T个弱分类器用于集成。Adaboost通过加权投票集成法得到最终的分类结果。

3 实证研究

3.1 样本描述

本文采用的上市公司的财务数据样本均通过CCER经济金融数据库获取。采用沪深两市中的上市公司因为连续两年以上财务状况异常而被“特别处理(Special Treatment,ST)”作为分类器的分类标准。基于此,本文选取2009-2014年首次被证监会“特别处理”的上市公司,共计167家上市公司作为发生财务危机的公司样本。并根据同行业和相似总资产选取准则,选取了167家财务健康的上市公司作为配对样本进行实验。基于既有的的指标选取原则,本文分别从市场价值、营运能力、资本结构、偿债能力、盈利能力和成长能力6个方面选取了38个财务指标作为构建财务预警模型的输入。具体包含的指标内容如表1所示:

3.2 实验设计

本文选取了神经网络(NN),支持向量机(SVM)和决策树(DT)三个常用的预测模型作为集成的基分类器。使用神经网络作为基分类器,主要需要确定网络层神经元的数量,本文采用经验法对其进行设置,即网络层的神经元数量一般设置为 ,其中m是输入层神经元的个数,即输入财务指标集的数量,n是输出层的神经元个数,即是否发生财务危机,a是一个0-10之间的常数。采用支持向量机作为集成的基分类器时,采用径向基函数(RBF)作为其核函数,并利用交叉验证法寻找最优的惩罚系数C和核参数σ。

为了避免训练样本因为一次抽样而使得模型的测试产生有偏的结果,采用10-折交叉验证作为模型的验证方法。即将样本数据随机划分为互斥的10组,用其中9组作为训练样本,剩余1组作为测试样本,重复这一过程,直至每组都做过一次测试样本,并计算最终正确分类的样本数量占总样本数量的值来评估分类器的性能。

3.3 评价标准

本文分别采用整体预测准确率(Accuracy)、第一类错误率(type I error)和第二类错误率(type II error)作为评判模型优劣的评价标准。融合矩阵及各个评价标准的定义如下所示:

3.4 实验结果与分析

为了分析以下两个问题,一是在企业财务危机预警中Bagging和Adaboost两类集成模型预测能力的差异,二是NN,DT和SVM分别与Bagging和Adaboost集成后预测能力的差异。本实验共进行了9组实验,来较全面的分析以上两个问题。具体实验结果见表3:

从表3可以看出,当使用Adaboost作为集成框架,DT作为集成的基分类器时,构建的模型具有最好的预测性能,准确率达到了80.24%,第一类错误率为17.86%,第二类错误率为21.69%。而采用Adaboost-SVM和Adaboost-NN的预测结果分类别77.55%和76.35%。同时可以看出,无论选择哪种预测算法作为集成的基分类器,Adaboost集成框架的预测效果都优于Bagging,因为Adaboost具有更好的泛化性能和降低方差的能力。

4 结论

既往研究中,关于分类器集成方法在企业财务危机预警中的作用没有被充分挖掘。所以本文对集成方法进行了较全面的研究和比较分析。本文选取了企业财务危机预警中常用了两个集成模型:Bagging和Adaboost,用于比较。同时,每个集成模型都分别与神经网络、决策树和支持向量机相结合,用于判断集成模型的性能。实验表明,Adaboost-DT具有最优的预测能力。此外,相比于其它集成模型,Adaboost-DT具有更好的效率。所以,在未来关于企业财务危机预警的实践应用中,该模型为管理者和投资者提供了一个较好的决策工具。

参考文献:

第8篇

关键词:主成分;Logistic模型;财务预警分析

中图分类号:F830.91 文献标志码:A 文章编号:1673-291X(2016)18-0073-04

引言

随着全球经济一体化进程,我国市场经济不断发展完善,上市公司之间的竞争也愈演愈烈,市场的复杂性和不可预见性使得企业一旦经营不善就可能陷入财务困境之中。从20世纪开始,全球经济出现了许多复杂情况,很多企业包括上市公司陷入了财务危机,甚至因此而导致破产。

财务危机,也称财务困境或财务失败,财务危机分为经营失败、无偿付能力、违约、破产四种情形,最终可能会导致公司破产。财务危机预警就是利用企业财务信息和相关资料,选取一些敏感性较高、有针对性的财务指标,通过建立数学模型,及时监控和预测可能出现或已经出现的财务危机。随着由于财务危机而导致破产的企业增多,财务风险管理的重要性愈发显著。财务危机预警既满足企业在日趋激烈的竞争中维持生存最基本的需要,也符合市场竞争机制的动态要求。如何做到防患于未然,预测财务风险是上市公司需要考虑的重要问题。

鉴于此,本文以食品类上市公司为例,试图通过选取能够全面反映食品上市公司经营状况和财务状况的指标(包括反映其盈利能力、营运能力、获取现金的能力、偿债能力以及发展能力)构建其财务危机预警指标体系,针对食品上市公司被实施ST前三年的财务数据,分别运用Logistic回归分析和主成分分析方法来建立财务危机预警模型,并对其判别效果进行比较分析,以期为上市公司的财务危机预警起到一定的参考作用。

一、文献综述

(一)国外的财务危机预警研究

财务危机预警研究源于 20世纪30年代,美国学者Fitzpatrick(1932)首次采用以财务比率作为预测财务危机的单变量分析方法,比较分析了健康和危机企业的财务指标。20世纪60年代,学者Beaver et al.采用统计方法,首次建立了单变量财务危机预警模型。最早的多元判别预警模型是 Altman的Z-Score模型。Sevim et al.重点对比分析了一元判断分析模型、多元判断分析模型及Logistic模型的优缺点,最终选取Logistic模型对土耳其国内的制造业上市公司的财务状况进行了动态预测。Ohlson采用多元 Logistic回归方法构造财务危机预警模型,并发现了企业当前的变现能力、资本结构、规模、业绩四个指标有明显的预测效果。后来的研究学者用人工神经网络模型以及多元概率比回归模型,也取得了较好的预测结果。

(二)国内的财务危机预警研究

国内对财务预警的研究相较国外起步比较晚。周首华、杨济华、王平利用Compustat PC Plus建立了 F 分数模型。学者于文华等收集了ST、非ST两类制造业上市公司财务数据,通过构建Logistic回归模型处理财务危机预警指标,探析了财务危机爆发主要影响指标。何妮选取非参数检验、显著性检验及因子分析等方法,构建了Logistic回归模型发现财务危机预警模型具有可实施性。章早立、何沛俐在采用Logistic 回归分析之前使用全局主成分分析,并建立了以时序立体数据空间为基础的财务危机判别模型。刘静以34家正常公司为例,利用F分数模型对财务数据进行了分析,认为F分数模型在制造业上市公司财务危机预判上精度较高。王世兰通过对现阶段的财务危机预警模型进行归纳总结,认为目前所应用的制造业上市公司财务危机预警模型可归纳为传统统计方法和人工智能两类。张健基于Logistic回归法建立了EVA财务危机预警模型,对52家上市公司的财务状况进行实证检验,但研究发现该方法只适用于短期预测。

通过上面的文献综述,可以发现财务危机预警模型还存在一些不足:一是没有考虑到财务指标之间具有的较强相关性,可能导致信息重叠,影响预警模型的稳健性。二是选取财务指标没有考虑财务信息失真的影响。上述国内外研究文献在预警方法与模型方面,多集中于Logistic或因子分析等单一预测模型的构建与使用,而对不同方法间财务危机预警精度差异的研究较少,缺乏针对制造业财务危机预警方法的探讨。

二、研究设计

(一)选择研究样本

本文中选取2011―2013年首次被实施ST的43家A股食品上市公司作为研究对象,并按照合适的比例选取同行业上市公司被实施ST资产规模相近的43家非ST公司作为配对样本。将这86家公司分为建模组和检验组: 选取2011―2012年被实施ST的32家食品上市公司和相对应的32家非ST公司作为建模组,利用Logistic回归分析和主成分分析方法建立财务危机预警模型;选取2013年被实施ST的11家食品上市公司和与之对应的11家非ST公司作为检验组,验证模型的准确度。

(二)选取财务指标

选取合适的样本之后,指标的选取成为模型预测的关键。企业在选择财务危机预警指标时,首先,应该考虑企业的实际状况选取合适财务危机预警指标。其次,选择的财务指标通常要包含能够全面反映企业财务状况和经营状况的信息,以及能否很好地反映该公司的财务危机。鉴于此,选取了包括盈利能力、营运能力、获取现金的能力、偿债能力以及发展能力几个方面的22个财务指标作为研究变量(如下表所示)。

另外,选取的反映盈余管理程度的财务指标主要有:应收账款占销售收入比率、其他应收款与流动资产比率和应收账款与流动资产比率,以及非经常性损益占利润总额比率。

(三)研究的方法

1.提取主成分。鉴于财务指标之间较强的相关性,可能导致信息重复,不利于分析和构建后续预警模型,因此克服财务指标之间的多重重复性,保留财务信息,建立有效的财务预警模型尤为重要。这里采用主成分分析方法将众多具有相关关系的财务指标变量转变为彼此不相关的较少的的综合指标。如下公式:

fi=a1x1+a2x2+…+aixi(i=1,2,…n)

2.选择模型。Logistic回归分析方法不要求因变量服从正态分布,与多元线性回归相比,这种判别分析方法更加稳健,在实际运用中也更加简便。因此,Logistic回归分析方法是处理模型中变量的常用统计分析方法,也是研究财务危机的主流方法。公式如下:

其中,p为在给定自变量xn的值的条件下事件发生的概率,ai为回归系数,a0为截距。

3.构建模型。对提取的10个财务预警指标主成分,应用 SPSS 统计分析软件进行Logistic回归分析,并剔除判别作用不显著的财务预警指标主成分F2、F6和F9,最后得到包含F1、F3和F5等7个财务预警指标主成分的预警模型。分别采用K 独立样本非参数检验和T 检验来检验因变量的均值是否具有明显差异性。检验结果显示,在α=0.05显著性水平下,有X1、X2等预警指标变量有显著性差异。

4.检验模型预测能力。由于上述样本中正常公司与出现财务危机公司比例为2∶1,所以选取 0.67 作为判别点。P≥0.67时,为正常公司,反之则为财务危机公司。利用财务危机预警模型对检验和建模样本分别进行检验,结果显示,Ⅰ类误判率(财务危机公司误判为正常公司的比率)低于15%,模型前后两次检验的准确率也均超过85%。这也证实了基于Logistic回归和主成分分析的财务危机预警模型的稳定性较强,预测能力较高,同时又可以降低误判成本。

结论

本文对食品类上市公司的财务数据和指标进行分析,利用Logistic回归方法建立了财务危机预警模型,并与利用主成分建立的财务危机预警模型分析结果进行分析比较,发现Logistic回归分析法更加适用于食品类上市公司的财务危机预警。

参考文献:

[1] Fitzpatrick P.J.A comparison of ratios of successful industrial enterprise with those of failed firms[J].Certified PublicAccountant,1932,(10).

[2] Beaver W.H.Market price,financial ratios and the prediction of failure[J].Journal of Accounting Research,1968,(2).

[3] Sevim C.,Oztekin A.,Bali O.et al..Developing an early warning system to predict currency crises[J].European Journal of Operational Research,2014,(3).

[4] Tennant D.Factors impacting on whether and how businesses respond to early warning signs of financial and economic turmoil:Jamaican firms in the global crisis[J].Journal of Economics and Business,2011,(5).

[5] Koyuncugil S.,Ozgulbas N..Financial early warning system model and data mining application for risk detection[J].Expert Systemswith Applications,2012,(6).

[6] 周首华,杨济华,王平.论财务危机的预警分析――F分数[J].会计研究,1996,(8).

第9篇

[关键词]平衡记分卡 财务危机 预警分析

一、平衡记分卡方法简介

由哈佛大学教授罗伯特•卡普兰与诺朗顿研究院的执行长戴维•罗顿研究并提出的“平衡记分卡”将财务指标和非财务指标相结合,为企业提供了全新的业绩评价方法,该方法一经提出便迅速在企业中应用和推广。平衡记分卡打破了传统的只注重财务指标的业绩管理方法,增加了客户、内部经营过程、学习与成长三个方面的非财务指标,从而将企业的愿景、使命和发展战略与企业的业绩评价系统联系起来,将企业的任务和策略转化为有形的、可计量的目标,为企业的业绩评价、战略管理等提供了新的理念。

平衡记分卡从四个方面对企业做出评价:财务、客户、内部经营过程、学习与成长。其中财务关注的是鼓动如何看待企业,客户方面关注的是顾客如何看待企业,内部经营过程则关注如何改善流程,最后,学习与成长则关注如何提高应变和持续改进能力。

平衡记分卡的四个方面并非独立的、毫无联系的,而是可以被视为一个做单一决策的工具,一个决策就是一系列关于因果的假设。这四个方面的因果关系是员工的素质决定产品质量、销售渠道等;产品和服务质量决定顾客满意度和忠诚度;顾客满意度和忠诚度及产品和服务质量等决定财务状况和市场份额。

通过一连串的互动因果关系,企业可以把产出和绩效驱动因素串联起来,以衡量指标与其量度作为语言,把企业的使命和策略转变为一套前后连贯的系统绩效评核量度,把复杂而笼统的概念转化为精确的目标,籍以寻求财务与非财务的衡量之间、短期与长期的目标之间、落后与领先的指标之间,以及外部与内部绩效之间的平衡。

平衡记分卡的提出为企业战略管理、业绩评价等提供了一个新的工具,并得到了广泛的应用。

二、基于平衡记分卡的财务危机预测指标选择

平衡记分卡的主导思想是一种目标倒推的方法,即企业的最终目标是增加股东的财富,而如何实现这一目标呢?关键是企业拥有的客户和占有一定的市场份额,这就要求企业提供能够给客户增加价值的产品和优质的服务,在市场竞争非常激烈的环境下,企业要求从内部改进生产经营技术和创新,也就是说企业要拥有一流的人力资源。从这里我们可以得到启示:一个不能够在财务上创造好的业绩的企业,一定是在他的客户和内部经营上出现问题。因此企业发生财务危机的终极原因是其内部经营上存在问题,如果能够将这方面的因素纳入到财务危机预测模型中,无疑将会提高预测效果。正是基于这样一种思想,我们借鉴平衡记分卡方法,将非财务方面引入到财务危机预测中。

在选择财务危机预测指标时,我们需要从技术创新、员工、内部经营过程、客户和财务等方面等设计。

1.技术创新

在竞争日益激烈的市场中,创新技术是企业获取竞争优势或核心竞争力的关键。通过技术创新,企业可以将新技术、新工艺、引入到产品生产中以降低成本,从而提高产品获利空间;通过技术创新,企业可以提高产品性能从而提高产品售价或销量;通过技术创新,企业可以不断推出新产品以满足市场和客户的需求。而技术创新一方面靠企业的研发投入;另一方面靠研发的效率。因此,我们可以从研究开发费用率和研究开发费用增长率这两方面设计指标来评价企业的技术创新能力。

2.员工

员工层面的指标主要包括员工素质、员工离职率、员工满意度变化、员工培训投入率等。

3.内部经营过程

内部经营过程是把现有的产品和服务生产出来并交付给客户,其目标就是低成本、高质量、高效率地完成定单的生产任务。因此,在对内部经营过程的评价可以从质量、循环时间和生产成本三个方面设计指标。

4.客户

企业只有将生产的产品提供给客户,其获利过程才算完成。因此,企业生产的产品能不能满足客户的需要,对于是否拥有相对固定的客户群并保持一定的增长是决定企业成败的关键。我们可以选择市场占有率、客户满意度和客户获得率三个指标来反映在这方面的能力。

5.财务方面

财务指标是企业过去经营活动结果的集中体现, 它从两反面反映企业的未来发展:一方面是资金的运作和管理对未来的影响,这可以通过企业的长短期偿债能力反反映;另一个是财务指标所展示的企业过去经营活动的结果对企业未来的影响,主要通过盈利能力、资产管理能力等指标来反映。财务方面的指标我们采用综合指数法中所确定的指标,即应收账款周转率、负债权益比率、净资产收益率、EBIT/资产比率、经营现金流动负债比率、主营业务增长率等。

三、基于平衡记分卡的财务危机预警方法

在借鉴平衡记分卡方法将非财务指标引入财务危机预测中时,由于非财务指标所反映的内容在不同企业中的标准差别比较大,而且非财务方面的信息很难通过企业公开的信息中获取,这就给预测模型的构建带来一定的困难。因此,在具体实施时,可以采用综合指数法,将非财务指标纳入危机预测模型中,或将非财务指标所反映的信息作为预测结果的一个补充,定性地分析其对企业未来财务状况的影响。

参考文献:

[1]胡玉明:高级管理会计[M].厦门:厦门大学出版社,2005

[2]王宗军等:平衡计分卡绩效评价初探[J].湖北社会科学,2003-7