導(dǎo)語(yǔ)：如何才能寫(xiě)好一篇財(cái)務(wù)預(yù)警研究，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

[關(guān)鍵詞] 財(cái)務(wù)預(yù)警 定性分析 定量分析

財(cái)務(wù)預(yù)警是通過(guò)對(duì)公司財(cái)務(wù)報(bào)表及相關(guān)經(jīng)營(yíng)資料的分析，利用及時(shí)的財(cái)務(wù)數(shù)據(jù)和相應(yīng)的數(shù)據(jù)化管理方式，將公司所面臨的危險(xiǎn)情況預(yù)先告知公司經(jīng)營(yíng)者和其他利益相關(guān)者，并分析公司發(fā)生財(cái)務(wù)危機(jī)的原因和財(cái)務(wù)運(yùn)營(yíng)體系隱藏的問(wèn)題，以提早做好防范措施的財(cái)務(wù)管理活動(dòng)。在財(cái)務(wù)預(yù)警分析中，常用的基本方法有定性分析法與定量分析法。定性分析法是依靠人們的主觀分析判斷進(jìn)行財(cái)務(wù)預(yù)警分析的方法，主要有標(biāo)準(zhǔn)化調(diào)查法、“四階段癥狀”分析法、流程圖分析法、管理評(píng)分法等；定量分析法是根據(jù)過(guò)去比較完備的統(tǒng)計(jì)資料，應(yīng)用一定的數(shù)學(xué)模型或數(shù)理統(tǒng)計(jì)方法對(duì)各種數(shù)據(jù)資料進(jìn)行科學(xué)的加工處理，主要有一元判定模型、多元線性判定模型、多元邏輯(Logit)模型、多元概率比 (Probit)回歸模型、人工神經(jīng)網(wǎng)絡(luò)(ANN)模型等方法。

一、定性分析方法

1.標(biāo)準(zhǔn)化調(diào)查法。又稱風(fēng)險(xiǎn)分析調(diào)查法，即通過(guò)專業(yè)人員、調(diào)查公司、協(xié)會(huì)等，對(duì)公司可能遇到的問(wèn)題進(jìn)行詳細(xì)的調(diào)查與分析，并形成報(bào)告文件供公司管理者參考的方法。

該方法的優(yōu)點(diǎn)是在調(diào)查過(guò)程中所提出的問(wèn)題對(duì)所有公司或組織都有意義，普遍適用;它的缺點(diǎn)是無(wú)法針對(duì)特定公司的特定問(wèn)題進(jìn)行調(diào)查分析。另外，調(diào)查時(shí)沒(méi)有對(duì)要求回答的每個(gè)問(wèn)題進(jìn)行解釋，也沒(méi)有引導(dǎo)使用者對(duì)所問(wèn)問(wèn)題之外的相關(guān)信息做出正確判斷。

2.“四階段癥狀”分析法。公司財(cái)務(wù)運(yùn)營(yíng)情況不佳，甚至出現(xiàn)財(cái)務(wù)危機(jī)是有特定癥狀的，而且是逐漸加劇的，財(cái)務(wù)運(yùn)營(yíng)病癥大體可以分為四個(gè)階段，即財(cái)務(wù)危機(jī)潛伏期、發(fā)作期、惡化期、實(shí)現(xiàn)期，每個(gè)階段都有反映危機(jī)輕重程度的典型癥狀。

財(cái)務(wù)危機(jī)潛伏期：盲目擴(kuò)張；無(wú)效市場(chǎng)營(yíng)銷，銷售額上升，利潤(rùn)下降；企業(yè)資產(chǎn)流動(dòng)性差，資源分配不當(dāng)；資本結(jié)構(gòu)不合理，疏于風(fēng)險(xiǎn)管理；財(cái)務(wù)經(jīng)營(yíng)信譽(yù)持續(xù)降低，缺乏有效的管理制度；無(wú)視環(huán)境的重大變化。

財(cái)務(wù)危機(jī)發(fā)作期:自有資本不足；過(guò)分依賴外部資金，利息負(fù)擔(dān)重；缺乏會(huì)計(jì)的預(yù)警作用；債務(wù)拖延償付。

財(cái)務(wù)危機(jī)惡化期:經(jīng)營(yíng)者無(wú)心經(jīng)營(yíng)業(yè)務(wù)，專心于財(cái)務(wù)周轉(zhuǎn);資金周轉(zhuǎn)困難;債務(wù)到期違約不支付。

財(cái)務(wù)危機(jī)實(shí)現(xiàn)期:負(fù)債超過(guò)資產(chǎn)，喪失償付能力;宣布倒閉。

根據(jù)上述癥狀進(jìn)行綜合分析，公司如有相應(yīng)癥狀出現(xiàn)，一定要盡快弄清病因，判定公司財(cái)務(wù)危機(jī)的程度，對(duì)癥下藥，防止危機(jī)的進(jìn)一步發(fā)展，使公司盡快擺脫財(cái)務(wù)困境，以恢復(fù)財(cái)務(wù)的正常運(yùn)作。這種方法簡(jiǎn)單明了，但實(shí)際中很難將這四個(gè)階段作截然的劃分，特別是財(cái)務(wù)危機(jī)的表現(xiàn)癥狀，它們可能在各個(gè)階段都有相似或互有關(guān)聯(lián)的表現(xiàn)。

3.流程圖分析法。流程圖分析是一種動(dòng)態(tài)分析方法，對(duì)識(shí)別公司生產(chǎn)經(jīng)營(yíng)和財(cái)務(wù)活動(dòng)的關(guān)鍵點(diǎn)特別有用，運(yùn)用這種分析方法可以暴露公司潛在的風(fēng)險(xiǎn)。在公司生產(chǎn)經(jīng)營(yíng)流程中，必然存在著一些關(guān)鍵點(diǎn)，如果在關(guān)鍵點(diǎn)上出現(xiàn)堵塞和發(fā)生損失，將會(huì)導(dǎo)致公司全部經(jīng)營(yíng)活動(dòng)終止或資金運(yùn)轉(zhuǎn)終止。在畫(huà)出的流程圖中，每個(gè)公司都可以找出一些關(guān)鍵點(diǎn)，對(duì)公司潛在風(fēng)險(xiǎn)進(jìn)行判斷和分析，發(fā)現(xiàn)問(wèn)題及時(shí)預(yù)警，在關(guān)鍵點(diǎn)處采取防范的措施，才可能有效降低風(fēng)險(xiǎn)。

4.管理評(píng)分法。美國(guó)的仁翰?阿吉蒂調(diào)查了企業(yè)的管理特性及可能導(dǎo)致破產(chǎn)的公司缺陷，按照幾種缺陷、錯(cuò)誤和征兆進(jìn)行對(duì)比打分，還根據(jù)這幾項(xiàng)對(duì)破產(chǎn)過(guò)程產(chǎn)生影響的大小程度對(duì)它們作了加權(quán)處理。

用管理評(píng)分法對(duì)公司經(jīng)營(yíng)管理進(jìn)行評(píng)估時(shí)，每一項(xiàng)得分要么是零分，要么是滿分，不容許給中間分。所給的分?jǐn)?shù)就表明了管理不善的程度，總分是100分，參照管理評(píng)分法中設(shè)置的各項(xiàng)目進(jìn)行打分，分?jǐn)?shù)越高，則公司的處境越差。在理想的公司中，這些分?jǐn)?shù)應(yīng)當(dāng)為零；如果評(píng)價(jià)的分?jǐn)?shù)總計(jì)超過(guò)25分，就表明公司正面臨失敗的危險(xiǎn)；如果評(píng)價(jià)的分?jǐn)?shù)總計(jì)超過(guò)35分，公司就處于嚴(yán)重的危機(jī)之中；公司的安全得分一般小于18分。這種管理評(píng)分法試圖把定性分析判斷定量化，這一過(guò)程需要進(jìn)行認(rèn)真的分析，深入公司及車間，細(xì)致的對(duì)公司高層管理人員進(jìn)行調(diào)查，全面了解公司管理的各個(gè)方面，才能對(duì)公司的管理進(jìn)行客觀的評(píng)價(jià)。這種方法簡(jiǎn)單易懂，行之有效，但其效果還取決于評(píng)分者是否對(duì)被評(píng)分公司及其管理者有直接、相當(dāng)?shù)牧私狻?/p>

二、定量分析方法

1.一元判定模型。一元判定模型是指以某一項(xiàng)財(cái)務(wù)指標(biāo)作為判別標(biāo)準(zhǔn)來(lái)判斷公司是否處于破產(chǎn)狀態(tài)的預(yù)測(cè)模型。在一元判定模型中，最為關(guān)鍵的一點(diǎn)就是尋找判別臨界值。

一元判定模型雖然方法簡(jiǎn)單，使用方便，但總體判別精度不高。對(duì)前一年的預(yù)測(cè)，一元判定模型的預(yù)測(cè)精度明顯低于多元模型。不過(guò)，一元判定模型在前兩年、前三年的預(yù)測(cè)中也能表現(xiàn)出很強(qiáng)的預(yù)測(cè)能力，說(shuō)明一些上市公司的財(cái)務(wù)危機(jī)是從某些財(cái)務(wù)指標(biāo)的惡化開(kāi)始的。

一元判定模型的缺點(diǎn)是:其一，只重視一個(gè)指標(biāo)的分離能力，如果經(jīng)理人員知道這個(gè)指標(biāo)，就有可能去粉飾這個(gè)指標(biāo)，以使公司表現(xiàn)出良好的財(cái)務(wù)狀況;其二，如果使用多個(gè)指標(biāo)分別進(jìn)行判斷，這幾個(gè)指標(biāo)的分類結(jié)果之間可能會(huì)產(chǎn)生矛盾，以致無(wú)法作出正確判斷。也就是說(shuō)，雖然財(cái)務(wù)比率是綜合性較高的判別指標(biāo)，但是僅用一個(gè)財(cái)務(wù)指標(biāo)不可能充分反映公司的財(cái)務(wù)特征。

2.多元線性判定模型,又稱ZScore模型,最早是由Altman(1968)開(kāi)始研究的。他得到的最終預(yù)測(cè)方程包含五個(gè)判別變量，在破產(chǎn)前一年的總體判別準(zhǔn)確度高達(dá)95%。運(yùn)用多元線性判別方法判定二元問(wèn)題時(shí)，可以通過(guò)降維技術(shù),僅以最終計(jì)算的Z值來(lái)判定其歸屬,其構(gòu)造的線性方程簡(jiǎn)單易懂,具有很強(qiáng)的實(shí)際應(yīng)用能力。

多元線性判定模型具有較高的判別精度，但也存在一些缺陷。其一，工作量比較大，研究者需要做大量的數(shù)據(jù)收集和數(shù)據(jù)分析工作。其二，在前一年的預(yù)測(cè)中，多元線性判定模型的預(yù)測(cè)精度比較高，但在前兩年、前三年的預(yù)測(cè)中，其預(yù)測(cè)精度都大幅下降，甚至低于一元判別模型。其三，多元線性判定模型有一個(gè)很嚴(yán)格的假設(shè)，即假定自變量是呈正態(tài)分布的，兩組樣本要求等協(xié)方差，而現(xiàn)實(shí)中的樣本數(shù)據(jù)往往并不能滿足這一要求，這就大大限制了多元線性判定模型的使用范圍。其四，使用多元判別分析技術(shù)，要求在財(cái)務(wù)困境組與控制組之間進(jìn)行配對(duì)，但配對(duì)標(biāo)準(zhǔn)如何恰當(dāng)確定是一個(gè)難題。

3.多元邏輯(Logit)模型。多元邏輯模型的目標(biāo)是尋求觀察對(duì)象的條件概率，從而據(jù)此判斷觀察對(duì)象的財(cái)務(wù)狀況和經(jīng)營(yíng)風(fēng)險(xiǎn)。這一模型建立在累計(jì)概率函數(shù)的基礎(chǔ)上，不需要自變量服從多元正態(tài)分布和兩組間協(xié)方差相等的條件。判別方法和其他模型一樣，先是根據(jù)多元線性判定模型確定公司破產(chǎn)的Z值，然后推導(dǎo)出公司破產(chǎn)的條件概率。其判別規(guī)則是:如果p值大于0.5，表明公司破產(chǎn)的概率比較大，可以判定公司為即將破產(chǎn)類型:如果p值低于0.5，表明公司財(cái)務(wù)正常的概率比較大，可以判定公司為財(cái)務(wù)正常。

Logit模型的最大優(yōu)點(diǎn)是，不需要嚴(yán)格的假設(shè)條件，克服了線性方程受統(tǒng)計(jì)假設(shè)約束的局限性，具有了更廣泛的適用范圍。目前，這種模型的使用較為普遍，但其計(jì)算過(guò)程比較復(fù)雜，而且在計(jì)算過(guò)程中有很多的近似處理,這不可避免地會(huì)影響到預(yù)測(cè)精度。

4.多元概率比(Probit)回歸模型。Probit回歸模型同樣假定公司破產(chǎn)的概率為p，并假設(shè)公司樣本服從標(biāo)準(zhǔn)正態(tài)分布，其概率函數(shù)的p分位數(shù)可以用財(cái)務(wù)指標(biāo)線性解釋。

Probit模型和Logit模型的思路很相似，但在具體的計(jì)算方法和假設(shè)前提上又有一定的差異，主要體現(xiàn)在三個(gè)方面:一是假設(shè)前提不同，Logit不需要嚴(yán)格的假設(shè)條件，而Probit則假設(shè)公司樣本服從標(biāo)準(zhǔn)正態(tài)分布，其概率函數(shù)的p分位數(shù)可以用財(cái)務(wù)指標(biāo)線性解釋;二是參數(shù)a、b的求解方法不同，Logit采用線性回歸方法求解，而Probit采用極大似然函數(shù)求極值的方法求解;三是求破產(chǎn)概率的方法不同,Logit采用取對(duì)數(shù)方法,而Probit采用積分的方法。

5.人工神經(jīng)網(wǎng)絡(luò)模型(Artificial Neural Network， ANN)是將神經(jīng)網(wǎng)絡(luò)的分類方法應(yīng)用于財(cái)務(wù)預(yù)警。ANN除具有較好的模式識(shí)別能力外，還可以克服統(tǒng)計(jì)方法的局限，因?yàn)樗哂腥蒎e(cuò)能力和處理資料遺漏或錯(cuò)誤的能力。最為可貴的是，ANN還具有學(xué)習(xí)能力，可隨時(shí)依據(jù)新的數(shù)據(jù)資料進(jìn)行自我學(xué)習(xí)，并調(diào)整其內(nèi)部的儲(chǔ)存權(quán)重參數(shù)，以應(yīng)對(duì)多變的公司環(huán)境。由于ANN具備上述良好的性質(zhì)與能力，因而可以作為解決分類問(wèn)題的一個(gè)重要工具。

ANN模型通常由輸入層、輸出層和隱藏層組成，其信息處理分為前向傳播和后向?qū)W習(xí)兩步進(jìn)行。根據(jù)最后的期望輸出，得出公司的期望值，然后根據(jù)學(xué)習(xí)得出的判別規(guī)則來(lái)對(duì)樣本進(jìn)行分類。然而，由于理論基礎(chǔ)比較薄弱，ANN對(duì)人體大腦神經(jīng)模擬的科學(xué)性、準(zhǔn)確性還有待進(jìn)一步提高，因此其適用性也大打折扣。

三、財(cái)務(wù)預(yù)警研究方法評(píng)析

1．財(cái)務(wù)預(yù)警研究的定性分析與定量分析，兩者的分析方法不同。定性分析法側(cè)重于從事物質(zhì)的角度分析問(wèn)題，著重于分析事物的來(lái)龍去脈及因果關(guān)系，以說(shuō)理的方式透過(guò)事物的表象抓事物的本質(zhì)；而定量分析法從可量化角度出發(fā)，對(duì)事物運(yùn)用數(shù)學(xué)的、統(tǒng)計(jì)的方法進(jìn)行量化分析，側(cè)重于以數(shù)據(jù)說(shuō)明問(wèn)題。

2.財(cái)務(wù)預(yù)警定量模型分析主要基于財(cái)務(wù)報(bào)表數(shù)據(jù)對(duì)公司的財(cái)務(wù)狀況做出的評(píng)價(jià)，這種分析是建立在歷史記錄的基礎(chǔ)上的，公開(kāi)的財(cái)務(wù)數(shù)據(jù)與公司的實(shí)際財(cái)務(wù)狀況相比是滯后的，這也是對(duì)于公司財(cái)務(wù)失敗的預(yù)測(cè)還沒(méi)有一種能夠完全令人接受的財(cái)務(wù)預(yù)警分析模型的原因之一。

3.財(cái)務(wù)預(yù)警定量分析模型并沒(méi)有綜合考慮公司財(cái)務(wù)報(bào)表以外的因素對(duì)其所用指標(biāo)的影響，特別是與公司日常生產(chǎn)經(jīng)營(yíng)關(guān)系密切的一些非財(cái)務(wù)因素，這些因素有可能使公司陷入不可估量的財(cái)務(wù)失敗危機(jī)中去。另外，定量分析靈活性較差，對(duì)于特定方法都有統(tǒng)一的模式，較少考慮到公司的個(gè)別情況。

4．在實(shí)際應(yīng)用中,定性分析法具有較大的靈活性,可以根據(jù)公司的具體情況進(jìn)行相應(yīng)的調(diào)整, 定性分析法由于無(wú)需完整的數(shù)據(jù)資料，需要憑借人們的經(jīng)驗(yàn)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的趨勢(shì)進(jìn)行定性分析，有時(shí)比定量分析更加可靠和有效。但這種方法也有缺點(diǎn)，即容易受到個(gè)人主觀意見(jiàn)的影響，個(gè)人的偏見(jiàn)往往會(huì)給公司帶來(lái)巨大的損失。

因此，公司財(cái)務(wù)預(yù)警模型不能單純依靠財(cái)務(wù)數(shù)據(jù)，只注重定量分析和指標(biāo)分析，在運(yùn)用財(cái)務(wù)預(yù)警定量分析模型的同時(shí)應(yīng)充分考慮能夠影響公司財(cái)務(wù)狀況的非財(cái)務(wù)數(shù)據(jù)。換句話說(shuō)，既要涉及到定量信息，也要涉及到定性信息，這樣才能更為完整地反映公司全貌。所以，較好的解決方案是同時(shí)使用定性分析法與定量分析法, 建立定性分析與定量分析相結(jié)合的模型，取長(zhǎng)補(bǔ)短，彌補(bǔ)各自的缺陷，這樣既考慮了公司自身的具體情況，又避免了僅用定量分析法的不足，提高防范財(cái)務(wù)風(fēng)險(xiǎn)的準(zhǔn)確性。

參考文獻(xiàn):

[1]張友棠:財(cái)務(wù)預(yù)警系統(tǒng)管理研究[M].北京:中國(guó)人民大學(xué)出版社，2004

[2]張鳴張艷程濤:企業(yè)財(cái)務(wù)預(yù)警研究前沿[M]．北京:中國(guó)財(cái)政經(jīng)濟(jì)出版社，2004

篇2

【關(guān)鍵詞】財(cái)務(wù)失敗預(yù)警 多元判別分析 人工神經(jīng)網(wǎng)絡(luò)

財(cái)務(wù)失?。╢inancial failure）是指公司無(wú)力支付到期債務(wù)的經(jīng)濟(jì)事項(xiàng)。財(cái)務(wù)失敗分可為技術(shù)上無(wú)力償債和破產(chǎn)兩種形式。前者是指公司的資產(chǎn)總額大于負(fù)債總額，即“資大于債”，但其財(cái)務(wù)狀況不合理，即現(xiàn)有的現(xiàn)金流量小于需要償付的債務(wù)，導(dǎo)致公司不能清償?shù)狡趥鶆?wù)，從而有可能發(fā)生破產(chǎn)；后者是指公司的資產(chǎn)總額小于負(fù)債總額，即“資不抵債”，導(dǎo)致公司不能清償?shù)狡趥鶆?wù)而發(fā)生破產(chǎn)。引起公司財(cái)務(wù)失敗的風(fēng)險(xiǎn)主要包括經(jīng)營(yíng)風(fēng)險(xiǎn)和財(cái)務(wù)風(fēng)險(xiǎn)兩方面。

一、國(guó)外財(cái)務(wù)失敗預(yù)警模型研究

最早的財(cái)務(wù)失敗預(yù)警研究是fitzpatrick(1932)開(kāi)展的單變量破產(chǎn)預(yù)測(cè)研究。他以19家公司作為樣本，運(yùn)用單個(gè)財(cái)務(wù)比率將樣本劃分為破產(chǎn)和非破產(chǎn)兩組，他發(fā)現(xiàn)判斷能力最高的是凈利潤(rùn)/股東權(quán)益和股東權(quán)益/負(fù)債兩個(gè)比率。beaver(1966)使用由79對(duì)公司組成的樣本，他發(fā)現(xiàn)最好的判斷變量是營(yíng)運(yùn)資本流/負(fù)債(在公司破產(chǎn)的前一年成功地判斷了90%的破產(chǎn)公司)和凈利潤(rùn)/總資產(chǎn)(在同一階段的判別成功率是88%)。

altman于1968年首先使用了多元線性判別模型研究公司的破產(chǎn)問(wèn)題。根據(jù)行業(yè)和資產(chǎn)模型，他為33家破產(chǎn)公司選擇了33家非破產(chǎn)配對(duì)公司，選用了22個(gè)變量作為破產(chǎn)前1～5年的預(yù)測(cè)備選變量，根據(jù)誤判率最小的原則，最終選擇了5個(gè)變量作為判斷變量。其模型在破產(chǎn)前一年成功地判斷出33家破產(chǎn)公司中的31家，而對(duì)于由25家破產(chǎn)公司和56家非破產(chǎn)公司組成的檢驗(yàn)樣本，模型在公司破產(chǎn)前一年正確地從25家破產(chǎn)公司中判斷出24家，從56家非破產(chǎn)公司中判斷出52家。

ohlson(1980)分析了樣本公司在破產(chǎn)概率區(qū)間上的分布以及兩類判斷錯(cuò)誤和分割點(diǎn)的關(guān)系，他發(fā)現(xiàn)至少存在四類顯著影響公司破產(chǎn)概率的變量：公司規(guī)模、資本結(jié)構(gòu)、業(yè)績(jī)和當(dāng)前的變現(xiàn)能力。

隨著研究的深入和技術(shù)的發(fā)展，國(guó)外在財(cái)務(wù)失敗預(yù)警模型方面突破了傳統(tǒng)的統(tǒng)計(jì)方法，目前比較成熟的研究方法有：人工智能預(yù)測(cè)模型、遺傳算法（genetic algorithms）、泰勒的logistic 回歸拓展應(yīng)用、混合神經(jīng)網(wǎng)絡(luò)模型（hybrid neural network models）、自組織映射預(yù)測(cè)模型(self-organizing map) 、概率神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型等。

二、國(guó)內(nèi)財(cái)務(wù)失敗預(yù)警模型研究

在國(guó)內(nèi)的研究中，吳世農(nóng)、黃世忠(1986)曾介紹公司的破產(chǎn)分析指標(biāo)和預(yù)測(cè)模型；陳靜(1999)以1998年的27家st公司和27家非st公司，使用了1995-1997年的財(cái)務(wù)報(bào)表數(shù)據(jù)，進(jìn)行了單變量分析和二類線性判定分析，在單變量判定分析中，發(fā)現(xiàn)在負(fù)債比率、流動(dòng)比率、總資產(chǎn)收益率、凈資產(chǎn)收益率4個(gè)財(cái)務(wù)指標(biāo)中，流動(dòng)比率與負(fù)債比率的誤判率最低；在多元線性判定分析中，發(fā)現(xiàn)由負(fù)債比率、凈資產(chǎn)收益率、流動(dòng)比率、營(yíng)運(yùn)資本/總資產(chǎn)、總資產(chǎn)周轉(zhuǎn)率6個(gè)指標(biāo)構(gòu)建的模型，在st發(fā)生的前3年能較好地預(yù)測(cè)st。我國(guó)在財(cái)務(wù)失敗預(yù)警研究方面起步比較晚，更多的還停留在理論研究上。

1、多元判別分析方法

多元判別分析方法應(yīng)用最著名的是美國(guó)的altman的zeta模型。早在60年代，altman altman經(jīng)過(guò)大量的實(shí)證考察和分析研究，選擇了5種基本財(cái)務(wù)比率，根據(jù)每一種比率對(duì)財(cái)務(wù)失敗的影響程度賦予權(quán)值（即各種比率的系數(shù)），以此作為預(yù)測(cè)公司財(cái)務(wù)失敗和破產(chǎn)的基本模型，即所謂的“z-score”模型，其基本表達(dá)式為：

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

奧特曼教授通過(guò)對(duì)z-score模型的研究分析得出：z值越小，該公司遭受財(cái)務(wù)失敗的可能性就越大。奧特曼的研究表明，一般美國(guó)公司z值的臨界值為1.8。

具體判斷標(biāo)準(zhǔn)為：z>2.9時(shí)，財(cái)務(wù)失敗的可能性很??；1.8≤z≤2.9時(shí)，財(cái)務(wù)失敗可能性很大；z<1.8時(shí)，財(cái)務(wù)失敗可能性非常大。

由于z－score模型沒(méi)有充分考慮現(xiàn)金流量變動(dòng)等方面的情況，因而具有一定的局限性。為此，我國(guó)學(xué)者對(duì)z－score模型進(jìn)行了改造，建立了新的財(cái)務(wù)失敗預(yù)測(cè)模型——f分?jǐn)?shù)模型。f=-0.1774x1+1.1091x2+1.9271x3+0.0302x4+0.4961x5(1-2)

其中：x1=(期末流動(dòng)資產(chǎn)-期末流動(dòng)負(fù)債)/期末總資產(chǎn)；x2=期末留存收益/期末總資產(chǎn);x3=（稅后凈收益+折舊）/平均總資產(chǎn)；x4=期末股東權(quán)益的市場(chǎng)價(jià)值/期末總負(fù)債；x5=（稅后凈收益+利息+折舊）/平均總資產(chǎn)。

2、bp神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（artificial neural network-ann）是一種平行分散處理模式，其建構(gòu)理念根植于對(duì)人類大腦神經(jīng)運(yùn)作的模擬。前向三層bp(back propagation)神經(jīng)網(wǎng)絡(luò)通常由輸入層、輸出層和隱藏層組成，其信息處理分為前向傳播和后項(xiàng)學(xué)習(xí)兩步進(jìn)行，網(wǎng)絡(luò)的學(xué)習(xí)是一種誤差從輸出層到輸入層后向傳播并修正數(shù)值的過(guò)程，學(xué)習(xí)的目的是使網(wǎng)絡(luò)的實(shí)際輸出逼近某個(gè)給定的期望輸出。在前向三層bp網(wǎng)絡(luò)算法中，對(duì)網(wǎng)絡(luò)性能影響較大的是權(quán)值修正方法，為改進(jìn)bp網(wǎng)絡(luò)減少訓(xùn)練時(shí)間，并改善收斂特性，通常在權(quán)值公式增加一個(gè)態(tài)勢(shì)項(xiàng)，常用的方法是：

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

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

式中，α為勢(shì)態(tài)因子，η為學(xué)習(xí)率，t為迭代次數(shù)，e為定義誤差，wjh為輸入層節(jié)點(diǎn)與隱藏節(jié)點(diǎn)之間的連接權(quán)值，whi為隱藏層節(jié)點(diǎn)與輸出節(jié)點(diǎn)之間的連接權(quán)值。

三、統(tǒng)計(jì)模型的缺陷

1、技術(shù)上的缺陷

①模型建立在一定的假設(shè)之上，如多元判別分析假設(shè)自變量服從正態(tài)分布、協(xié)方差矩陣相等、獨(dú)立變量之間完全線性補(bǔ)償。雖然二次方判別分析不需要獨(dú)立變量之間完全線性補(bǔ)償，提出了一個(gè)更普遍的二次函數(shù)關(guān)系。logistic回歸分析雖然不考慮多元變量的正態(tài)分布，但是它要求變量之間的完全線性補(bǔ)償。

②獨(dú)立變量選擇有失偏頗。由于變量之間存在著相關(guān)性，在建模之前進(jìn)行被選變量相關(guān)性檢驗(yàn)是非常必要的。如果一些變量具有較高的相關(guān)性，他們將對(duì)公司的財(cái)務(wù)狀況具有相同的影響。

2、財(cái)務(wù)報(bào)表信息批露的不足

①財(cái)務(wù)報(bào)表中的數(shù)據(jù)是分類匯總性數(shù)據(jù)，它不能直接反映公司財(cái)務(wù)狀況的詳細(xì)情況。

②財(cái)務(wù)報(bào)表存在著虛假信息影響了財(cái)務(wù)報(bào)表分析。目前我國(guó)的上市公司存在著捏造虛假利潤(rùn)欺騙投資者的行為，這為我們通過(guò)模型正確預(yù)測(cè)公司未來(lái)發(fā)展趨勢(shì)帶來(lái)了不利的影響。

③財(cái)務(wù)失敗預(yù)測(cè)模型沒(méi)有考慮財(cái)務(wù)分析的縱向比較。分析以上提到的預(yù)測(cè)模型可以發(fā)現(xiàn)，這些模型在進(jìn)行財(cái)務(wù)失敗預(yù)測(cè)時(shí)，一般選取公司預(yù)測(cè)前三年的財(cái)務(wù)數(shù)據(jù)，然后分別預(yù)測(cè)，三年內(nèi)的數(shù)據(jù)相互之間沒(méi)有聯(lián)系。

三、對(duì)我國(guó)財(cái)務(wù)失敗預(yù)警模型研究的建議

為了克服統(tǒng)計(jì)模型的缺陷，提高預(yù)警的準(zhǔn)確度，筆者認(rèn)為在指標(biāo)的選取上應(yīng)該包括盡可能多的財(cái)務(wù)比率，并且要至少涵蓋以下五大類：償債能力指標(biāo)、資產(chǎn)負(fù)債管理能力指標(biāo)、盈利能力指標(biāo)、成長(zhǎng)能力指標(biāo)與現(xiàn)金流量指標(biāo)。

另外，在進(jìn)行企業(yè)財(cái)務(wù)失敗預(yù)警時(shí)還必須考慮非財(cái)務(wù)因素的影響。因?yàn)樨?cái)務(wù)報(bào)表只對(duì)公司的經(jīng)營(yíng)成果做出綜合的反映，僅從財(cái)務(wù)指標(biāo)數(shù)值上無(wú)法看出公司經(jīng)營(yíng)的具體情況，這些數(shù)值本身的意義有限。

【參考文獻(xiàn)】

[1] 張鳴、張艷：財(cái)務(wù)困境預(yù)測(cè)的實(shí)證研究與評(píng)述.財(cái)經(jīng)研究,2001,(12):29-34

篇3

一、國(guó)外財(cái)務(wù)預(yù)蕾研究中的非財(cái)務(wù)指標(biāo)選擇綜述

自上世紀(jì)80年代以來(lái)，越來(lái)越多的國(guó)外學(xué)者開(kāi)始意識(shí)到對(duì)企業(yè)的財(cái)務(wù)狀況過(guò)分關(guān)注、單純以財(cái)務(wù)指標(biāo)來(lái)預(yù)警財(cái)務(wù)危機(jī)難以讓人信服，事實(shí)上，非財(cái)務(wù)因素在財(cái)務(wù)預(yù)警中的作用同樣不可忽視。在引入非財(cái)務(wù)指標(biāo)方面，以往文獻(xiàn)主要從基于宏觀經(jīng)濟(jì)和經(jīng)濟(jì)周期方面的考慮、立足于行業(yè)差異分析、針對(duì)管理水平度量三個(gè)方面予以思考。Rose(1982)檢驗(yàn)了28個(gè)經(jīng)濟(jì)周期指標(biāo)從而論證了宏觀經(jīng)濟(jì)狀況影響著企業(yè)失敗進(jìn)程。Mensah(1983)用參照價(jià)格水平進(jìn)行調(diào)整后的數(shù)據(jù)評(píng)估破產(chǎn)預(yù)測(cè)模型后發(fā)現(xiàn)這對(duì)于提高預(yù)測(cè)率作用不大。Lawrence(1983)和Whittred Zimmer(1984)檢驗(yàn)了上市公司財(cái)務(wù)狀況延遲披露引起的預(yù)測(cè)偏差。Goudie(1987)嘗試將英國(guó)經(jīng)濟(jì)活力(Dynamic)模型與其開(kāi)發(fā)的破產(chǎn)預(yù)測(cè)模型進(jìn)行整合，但因缺乏統(tǒng)計(jì)準(zhǔn)確性而影響不大。Platt(1990)用行業(yè)比率標(biāo)準(zhǔn)化的方法控制行業(yè)之間的差異，得出一個(gè)穩(wěn)定的破產(chǎn)模型，證明行業(yè)增長(zhǎng)對(duì)企業(yè)失敗影響顯著，隨后又進(jìn)一步比較了行業(yè)比率調(diào)整與否對(duì)破產(chǎn)模型穩(wěn)定性與完整性的影響。Sunti’Tirapal(1999)運(yùn)用PMI、CPE、INT和MS2四個(gè)宏觀經(jīng)濟(jì)變量作為因變量對(duì)企業(yè)股票的月回報(bào)進(jìn)行了多元線性回歸，以得出的回歸系數(shù)作為該企業(yè)對(duì)宏觀經(jīng)濟(jì)的敏感性度量。John Baldwin等(2000)應(yīng)用行業(yè)特征、宏觀經(jīng)濟(jì)和地區(qū)變量對(duì)加拿大的小企業(yè)失敗構(gòu)建了預(yù)測(cè)模型，其中行業(yè)影響方面的指標(biāo)有：企業(yè)規(guī)模，進(jìn)入行業(yè)第一年的平均規(guī)模、行業(yè)集中度、行業(yè)員工流轉(zhuǎn)率、進(jìn)入行業(yè)第一年平均企業(yè)規(guī)模，行業(yè)平均企業(yè)規(guī)模，該模型論證了所處地區(qū)對(duì)小企業(yè)成敗影響巨大而行業(yè)因素則作用甚微。

二、國(guó)內(nèi)財(cái)務(wù)預(yù)警研究中的非財(cái)務(wù)指標(biāo)選擇綜述

中國(guó)臺(tái)灣學(xué)者葉銀華、李存修(2002)在《整合公司治理，會(huì)計(jì)資訊與總體經(jīng)濟(jì)敏感度之財(cái)務(wù)危機(jī)模型》一文中將公司治理、會(huì)計(jì)資訊、總體經(jīng)濟(jì)敏感度三方面的變量納入一個(gè)Logistic回歸模型并對(duì)臺(tái)灣上市公司進(jìn)行分析，結(jié)合多方面信息對(duì)企業(yè)失敗預(yù)測(cè)作了有益嘗試。還有學(xué)者試圖通過(guò)公司高層學(xué)歷、企業(yè)主年齡、企業(yè)主婚姻狀況、原料供需配合情形、生產(chǎn)設(shè)備現(xiàn)況、產(chǎn)品是否取得驗(yàn)證、公司與重要客戶銷售情形、營(yíng)業(yè)情形等變量來(lái)分辨管理水平的影響。

內(nèi)地的財(cái)務(wù)預(yù)警研究總體起步較晚。從上個(gè)世紀(jì)80年代開(kāi)始，國(guó)外的預(yù)警研究與應(yīng)用成果逐漸引入國(guó)內(nèi)，基于非財(cái)務(wù)指標(biāo)的財(cái)務(wù)預(yù)警思想也同時(shí)傳人國(guó)內(nèi)。90年代我國(guó)制定了統(tǒng)一的會(huì)計(jì)準(zhǔn)則后，國(guó)內(nèi)財(cái)務(wù)預(yù)警研究在參考國(guó)外研究成果的基礎(chǔ)上逐漸興起，在引入非財(cái)務(wù)預(yù)警指標(biāo)方面也結(jié)合中國(guó)獨(dú)特的政治、經(jīng)濟(jì)、社會(huì)、法律環(huán)境開(kāi)始了系統(tǒng)研究。楊兵、柯佑鵬(2005)基于數(shù)據(jù)挖掘方法構(gòu)建了財(cái)務(wù)危機(jī)預(yù)警模型，采用了9個(gè)非財(cái)務(wù)指標(biāo)，如表1所示。譚一可、張玲(2005)構(gòu)建的Logit財(cái)務(wù)困境預(yù)警模型從宏觀經(jīng)濟(jì)敏感度和公司治理兩個(gè)角度引入非財(cái)務(wù)指標(biāo)，如表2所示。鄧曉嵐、王宗軍等(2006)在中國(guó)上市公司財(cái)務(wù)困境預(yù)警實(shí)證研究中，運(yùn)用Logistic回歸分別檢驗(yàn)股權(quán)結(jié)構(gòu)、公司治理、市場(chǎng)信息等方面的10個(gè)非財(cái)務(wù)變量(如表3所示)對(duì)財(cái)務(wù)困境的解釋力，并應(yīng)用jack knife method檢驗(yàn)?zāi)Ｐ偷姆诸愵A(yù)測(cè)能力。結(jié)果顯示，年度累積超額收益率與審計(jì)師意見(jiàn)的預(yù)警效果較好，其他非財(cái)務(wù)變量均不顯著，納入了非財(cái)務(wù)因素的模型預(yù)測(cè)力更強(qiáng)。王克敏、姬美光(2006)在虧損公司財(cái)務(wù)預(yù)警研究中，突破以往財(cái)務(wù)預(yù)警研究基于財(cái)務(wù)指標(biāo)或治理指標(biāo)的單一層面分析，在財(cái)務(wù)因素分析基礎(chǔ)上，引入公司治理、投資者保護(hù)等因素，進(jìn)而比較分析基于財(cái)務(wù)指標(biāo)、非財(cái)務(wù)指標(biāo)及綜合指標(biāo)的預(yù)測(cè)模型的有效性。其非財(cái)務(wù)指標(biāo)如表4所示。陸瑾、張學(xué)謙(2006)從財(cái)務(wù)健康度的角度建立財(cái)務(wù)預(yù)警體系，所采用的健康度指標(biāo)采用了財(cái)務(wù)報(bào)表以外反映的健康度的2個(gè)非財(cái)務(wù)指標(biāo)，分別是違規(guī)擔(dān)保及委托理財(cái)現(xiàn)象和會(huì)計(jì)師事務(wù)所變更現(xiàn)象。王海鷗、李建民(2006)所設(shè)計(jì)的財(cái)務(wù)預(yù)警指標(biāo)體系中，在企業(yè)發(fā)展能力中選取了5個(gè)非財(cái)務(wù)指標(biāo)，包括：企業(yè)創(chuàng)新能力、主導(dǎo)產(chǎn)品是否符合國(guó)家產(chǎn)業(yè)政策、行業(yè)受生命周期影響程度、所處行業(yè)競(jìng)爭(zhēng)力、獲得開(kāi)發(fā)新產(chǎn)品及配套投資所需資金情況。萬(wàn)希寧、王艷(2007)應(yīng)用多級(jí)模糊綜合評(píng)判法對(duì)財(cái)務(wù)風(fēng)險(xiǎn)因素進(jìn)行定量化評(píng)價(jià)，對(duì)定性的非財(cái)務(wù)指標(biāo)采用模糊統(tǒng)計(jì)的方法，從定量與定性相結(jié)合的角度出發(fā)，構(gòu)建了基于非財(cái)務(wù)指標(biāo)的財(cái)務(wù)危機(jī)模糊預(yù)警模型。其非財(cái)務(wù)指標(biāo)如表5所示。

三、國(guó)內(nèi)外財(cái)務(wù)預(yù)警研究中的非財(cái)務(wù)指標(biāo)選擇評(píng)價(jià)

通過(guò)對(duì)國(guó)內(nèi)外財(cái)務(wù)預(yù)警研究中非財(cái)務(wù)指標(biāo)選擇的探討，不難發(fā)現(xiàn)非財(cái)務(wù)指標(biāo)是對(duì)單純依靠財(cái)務(wù)指標(biāo)進(jìn)行財(cái)務(wù)預(yù)警的重要和有效補(bǔ)充，既有研究也證明了非財(cái)務(wù)指標(biāo)在財(cái)務(wù)預(yù)警準(zhǔn)確性上更有優(yōu)勢(shì)。已有的研究文獻(xiàn)財(cái)務(wù)預(yù)警研究中的非財(cái)務(wù)指標(biāo)選擇具有以下特點(diǎn)：一是非財(cái)務(wù)指標(biāo)涉及的類型比較少，主要從宏觀經(jīng)濟(jì)方面、行業(yè)差異方面、企業(yè)內(nèi)部治理、股權(quán)結(jié)構(gòu)、股票價(jià)格和收益、財(cái)務(wù)報(bào)告的表外信息等方面選擇。這是因?yàn)榕c財(cái)務(wù)指標(biāo)不同，非財(cái)務(wù)指標(biāo)數(shù)據(jù)的收集難度較大、成本較高，特別是定性指標(biāo)要靠實(shí)驗(yàn)研究(如問(wèn)卷調(diào)查)方法取得。因此，現(xiàn)階段以上市公司為研究樣本的非財(cái)務(wù)指標(biāo)主要來(lái)源于財(cái)務(wù)報(bào)告中除財(cái)務(wù)報(bào)表以外的披露信息，如表外的其他信息、市場(chǎng)交易信息、公司其他公告、中介機(jī)構(gòu)相關(guān)公告等。二是國(guó)外研究對(duì)于非財(cái)務(wù)指標(biāo)的選擇偏重宏觀經(jīng)濟(jì)層面和中觀行業(yè)層面，國(guó)內(nèi)研究則偏重企業(yè)微觀層面。這主要是因?yàn)閲?guó)外的市場(chǎng)經(jīng)濟(jì)歷史悠久且已經(jīng)發(fā)展完善，宏觀經(jīng)濟(jì)的統(tǒng)計(jì)數(shù)據(jù)容易獲得，且企業(yè)受宏觀經(jīng)濟(jì)影響較大；我國(guó)的市場(chǎng)經(jīng)濟(jì)歷史較短且尚處于發(fā)展完善過(guò)程中，影響了統(tǒng)計(jì)數(shù)據(jù)的有效性。三是已有研究中的股票價(jià)格和收益、資產(chǎn)規(guī)模等方面的非財(cái)務(wù)指標(biāo)，數(shù)據(jù)依然來(lái)源于財(cái)務(wù)指標(biāo)，其實(shí)是一種“準(zhǔn)財(cái)務(wù)指標(biāo)”。其他類型的則可視為標(biāo)準(zhǔn)的非財(cái)務(wù)指標(biāo)。四是非財(cái)務(wù)指標(biāo)選擇的理論依據(jù)普遍不足?，F(xiàn)有研究中非財(cái)務(wù)指標(biāo)的選擇往往取決于研究者的直觀判斷以及資料的可獲性。由于缺乏理論指導(dǎo)，研究者在選擇指標(biāo)時(shí)，會(huì)受到自身價(jià)值判斷的影響。財(cái)務(wù)預(yù)警中，警情的出現(xiàn)和危機(jī)的發(fā)生往往在事前存在著一定的征兆，這就是財(cái)務(wù)預(yù)警的警兆，而警兆的識(shí)別需要基于一定的財(cái)務(wù)理論，迄今為止尚無(wú)一個(gè)公認(rèn)的理論能全面說(shuō)明財(cái)務(wù)預(yù)警的警兆因素。

隨著財(cái)務(wù)預(yù)警研究的逐步深入，我國(guó)財(cái)務(wù)預(yù)警研究也應(yīng)在借鑒國(guó)外研究理論和方法的基礎(chǔ)上更多地采用宏觀經(jīng)濟(jì)和中觀行業(yè)的非財(cái)務(wù)指標(biāo)，作為企業(yè)微觀層面指標(biāo)的重要補(bǔ)充。同時(shí)，在理論方面注重指標(biāo)選擇的理論依據(jù)研究；在實(shí)證研究中引入非財(cái)務(wù)指標(biāo)，以使財(cái)務(wù)預(yù)警結(jié)果更加準(zhǔn)確、科學(xué)、可信。

參考文獻(xiàn)：

[1]張鳴、張艷：《企業(yè)財(cái)務(wù)預(yù)警研究前沿》，中國(guó)財(cái)政經(jīng)濟(jì)出版社2004年版。

[2]鄧曉嵐、王宗軍等：《非財(cái)務(wù)視角下的財(cái)務(wù)困境預(yù)警》，《管理科學(xué)》2006年第3期。

[3]王克敏、姬美光：《基于財(cái)務(wù)與非財(cái)務(wù)指標(biāo)的虧損公司財(cái)務(wù)預(yù)警研究》，《財(cái)經(jīng)研究》2006年第7期。

[4]萬(wàn)希寧、王艷：《基于非財(cái)務(wù)指標(biāo)的企業(yè)財(cái)務(wù)危機(jī)模糊預(yù)警模型研究》，《管理學(xué)報(bào)》2007年第3期。

篇4

摘 要 隨著我國(guó)市場(chǎng)經(jīng)濟(jì)體制改革的深化和資本市場(chǎng)的快速發(fā)展，企業(yè)發(fā)生財(cái)務(wù)危機(jī)乃至破產(chǎn)的情形越來(lái)越多，因此有效地預(yù)防財(cái)務(wù)危機(jī)的出現(xiàn)成為一個(gè)重要的研究課題。本文回顧了國(guó)內(nèi)外財(cái)務(wù)預(yù)警研究理論，并對(duì)現(xiàn)有的理論文獻(xiàn)進(jìn)行了詳細(xì)的梳理和評(píng)價(jià)。

關(guān)鍵詞 證券市場(chǎng) 上市公司 財(cái)務(wù)預(yù)警

一、引 言

自改革開(kāi)放以來(lái)，我國(guó)市場(chǎng)經(jīng)濟(jì)體制改革不斷深化，市場(chǎng)競(jìng)爭(zhēng)日趨激烈，財(cái)務(wù)危機(jī)成為導(dǎo)致企業(yè)生存危機(jī)的重要因素。因此及時(shí)溝通企業(yè)有關(guān)財(cái)務(wù)信息，構(gòu)建財(cái)務(wù)預(yù)警系統(tǒng)，有效地防范和化解財(cái)務(wù)危機(jī)，是每個(gè)企業(yè)亟待解決的問(wèn)題。同時(shí)隨著我國(guó)證券市場(chǎng)信息披露制度的不斷完善，根據(jù)這些信息構(gòu)造合理的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型已經(jīng)具備了現(xiàn)實(shí)的可能性。

財(cái)務(wù)預(yù)警理論是隨著證券市場(chǎng)不斷發(fā)展而產(chǎn)生和不斷深入的?！拔C(jī)預(yù)警”思想源于20世紀(jì)初的歐美，在20世紀(jì)50年代取得了顯著成果，進(jìn)入90年代，由于企業(yè)危機(jī)爆發(fā)的頻率越來(lái)越高，尤其是自2007年以來(lái)由美國(guó)次貸危機(jī)引發(fā)的全球金融危機(jī)，使得人們更加重視危機(jī)預(yù)警管理。與此同時(shí)，財(cái)務(wù)預(yù)警的研究也相應(yīng)展開(kāi)。根據(jù)研究方法的差異，一般可將這些理論大致分為定性預(yù)警分析和定量預(yù)警分析兩類。

二、定性預(yù)警方面的研究

財(cái)務(wù)預(yù)警的定性分析方法主要包括以下幾種方法：標(biāo)準(zhǔn)化調(diào)查法是通過(guò)專業(yè)人員、咨詢公司、協(xié)會(huì)等，通過(guò)直觀的歸納對(duì)企業(yè)可能遇到的問(wèn)題加以詳細(xì)調(diào)查和分析，對(duì)企業(yè)未來(lái)的發(fā)展趨勢(shì)作出判斷。

“死階段癥狀”分析法認(rèn)為：企業(yè)財(cái)務(wù)運(yùn)營(yíng)病癥大體分為四個(gè)階段：財(cái)務(wù)危機(jī)潛伏期；財(cái)務(wù)危機(jī)發(fā)作期；財(cái)務(wù)危機(jī)惡化期；財(cái)務(wù)危機(jī)實(shí)現(xiàn)期，而且每個(gè)階段都有其典型癥狀。

管理評(píng)分法是美國(guó)學(xué)者仁翰•阿吉蒂在對(duì)企業(yè)的管理特性和破產(chǎn)企業(yè)存在的缺陷進(jìn)行調(diào)查中，對(duì)集中缺陷、錯(cuò)誤和征兆進(jìn)行了對(duì)比打分，還根據(jù)對(duì)破產(chǎn)過(guò)程產(chǎn)生影響的大小程度對(duì)他們進(jìn)行加權(quán)處理。

我國(guó)學(xué)者李秉成從上市公司財(cái)務(wù)困境形成角度、困境征兆角度探討了上市公司財(cái)務(wù)困境預(yù)警分析方法。提出了財(cái)務(wù)困境加權(quán)分析法和象限分析法兩類財(cái)務(wù)困境綜合分析方法。

三、定量預(yù)警方面的研究

最早的財(cái)務(wù)預(yù)警研究是菲茨帕特里克（1932）開(kāi)展的單變量破產(chǎn)預(yù)測(cè)研究。他最早發(fā)現(xiàn)陷于財(cái)務(wù)困境的公司的財(cái)務(wù)比率和正常公司相比有顯著不同，從而認(rèn)為財(cái)務(wù)比率能夠反應(yīng)企業(yè)的財(cái)務(wù)狀況，并對(duì)企業(yè)未來(lái)具有預(yù)測(cè)作用。美國(guó)學(xué)者比弗（1996）最早運(yùn)用統(tǒng)計(jì)方法研究了公司財(cái)務(wù)失敗的問(wèn)題，提出了較為成熟的單變量判定模型。但是單變量模型具有明顯的局限性，很難做出正確的判斷。

美國(guó)學(xué)者阿特曼（1968）最早運(yùn)用主成分分析方法提煉最具有代表性的財(cái)務(wù)比率，將多個(gè)標(biāo)志變量在最小的信息損失下轉(zhuǎn)換為分類變量，獲得能有效提高預(yù)測(cè)精度的多元線性判別方程，被稱為Z分?jǐn)?shù)模型。我國(guó)學(xué)者周首華等 （1996）提出了F分?jǐn)?shù)預(yù)測(cè)模型，通過(guò)更新指標(biāo)和擴(kuò)大樣本數(shù)對(duì)Z分?jǐn)?shù)模型進(jìn)行了修正。多元線性判定模型具有較高的判別精度，但存在一些缺陷。其一，模型假定比較嚴(yán)格，現(xiàn)實(shí)中的樣本數(shù)據(jù)往往不能滿足其自變量呈正態(tài)分布的假定前提。使得結(jié)論必然存在令人質(zhì)疑的成分。其二，在前一年的預(yù)測(cè)中多元線性判定模型的預(yù)測(cè)精度較高，但在前兩年、前三年中其預(yù)測(cè)精度都大幅下降。

奧爾森（1980）第一個(gè)采用Logit方法進(jìn)行破產(chǎn)預(yù)測(cè)。其模型使用了9個(gè)自變量估計(jì)了三個(gè)模型，分析樣本公司在破產(chǎn)概率區(qū)間上的分布以及兩類錯(cuò)誤判別錯(cuò)誤和分割點(diǎn)的關(guān)系。我國(guó)學(xué)者陳曉等（2000）以38家ST公司為研究對(duì)象，運(yùn)用Logit回歸方法進(jìn)行實(shí)證研究，發(fā)現(xiàn)負(fù)債權(quán)益比率、應(yīng)收賬款周轉(zhuǎn)主營(yíng)業(yè)務(wù)利潤(rùn)/總資產(chǎn)、留存收益/總資產(chǎn)具有較強(qiáng)的預(yù)測(cè)能力。其后多位國(guó)內(nèi)學(xué)者也采用類似方法對(duì)上市公司財(cái)務(wù)預(yù)警進(jìn)行了研究。

類神經(jīng)網(wǎng)絡(luò)模型一般是利用一組案例建立系統(tǒng)模型，該模型接受一組輸入信息并產(chǎn)生反應(yīng)，然后與預(yù)期反應(yīng)相比。如果錯(cuò)誤率超過(guò)可以接受的水平，需要對(duì)權(quán)重作出修改或增加隱藏層數(shù)目并開(kāi)始新的學(xué)習(xí)過(guò)程。經(jīng)過(guò)反復(fù)循環(huán)，直至錯(cuò)誤率降低到可以接受的水平，這時(shí)學(xué)習(xí)過(guò)程結(jié)束并鎖定權(quán)重，類神經(jīng)網(wǎng)絡(luò)就可以發(fā)揮預(yù)測(cè)功能。奧多姆和沙爾達(dá)（1990）開(kāi)拓了用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)財(cái)務(wù)困境的新方法，我國(guó)學(xué)者楊保安等（2002）采用ANN模型進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究，結(jié)果表明樣本的實(shí)際輸出和期望輸出較為接近?，F(xiàn)實(shí)中神經(jīng)網(wǎng)絡(luò)具有較好的糾錯(cuò)能力，從而能夠更好的進(jìn)行預(yù)測(cè)，但由于理論基礎(chǔ)較薄弱，其對(duì)人體大腦神經(jīng)模擬的科學(xué)性、準(zhǔn)確性還有待進(jìn)一步提高，因此適用性也大打折扣。

四、淺議國(guó)內(nèi)外現(xiàn)有文獻(xiàn)

在財(cái)務(wù)預(yù)警的定性研究方面，國(guó)內(nèi)外學(xué)者對(duì)引起企業(yè)危機(jī)發(fā)生發(fā)展的內(nèi)外各種因素進(jìn)行了深入探討，但結(jié)論能夠直接和定量模型結(jié)合起來(lái)的還不多。從財(cái)務(wù)預(yù)警的定量研究方面看，國(guó)內(nèi)外學(xué)者結(jié)合各種量化技術(shù)，出現(xiàn)了眾多的預(yù)警模型，但應(yīng)用性和可操作性較差。而筆者認(rèn)為模型的最根本作用還是得應(yīng)用到實(shí)際中解決不同財(cái)務(wù)信息使用者的認(rèn)知需要。

由于財(cái)務(wù)預(yù)警模型的局限性、模型變量的選擇方法問(wèn)題、財(cái)務(wù)信息失真問(wèn)題以及非財(cái)務(wù)變量對(duì)財(cái)務(wù)預(yù)警的影響，使得財(cái)務(wù)預(yù)警理論的實(shí)際應(yīng)用一時(shí)很難得到解決。而只有解決當(dāng)前存在的這些問(wèn)題，才能為正確解決上市公司財(cái)務(wù)預(yù)警課題奠定基礎(chǔ)。

參考文獻(xiàn)：

[1]彭韶兵.財(cái)務(wù)風(fēng)險(xiǎn)機(jī)理與控制分析.西南財(cái)經(jīng)大學(xué).2001博士學(xué)位論文.

篇5

【關(guān)鍵詞】 財(cái)務(wù)預(yù)警； 財(cái)務(wù)危機(jī)； 追溯重述； Logistic模型

中圖分類號(hào)：F275.5 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004-5937（2014）07-0075-04

一、引言

對(duì)于處于市場(chǎng)經(jīng)濟(jì)環(huán)境中的每個(gè)企業(yè)而言，風(fēng)險(xiǎn)無(wú)處不在、無(wú)時(shí)不有。信息技術(shù)的飛速發(fā)展在給企業(yè)帶來(lái)巨大機(jī)遇的同時(shí)，也將企業(yè)的風(fēng)險(xiǎn)進(jìn)一步放大。財(cái)務(wù)風(fēng)險(xiǎn)作為企業(yè)風(fēng)險(xiǎn)的一個(gè)重要組成部分，受到越來(lái)越多的關(guān)注。為了適應(yīng)變化的組織結(jié)構(gòu)、管理模式和市場(chǎng)環(huán)境，迫切需要企業(yè)研究與時(shí)俱進(jìn)的現(xiàn)代財(cái)務(wù)管理手段。財(cái)務(wù)預(yù)警模型以其客觀性、科學(xué)性和較高的精度與效度，為方便客觀地評(píng)價(jià)企業(yè)財(cái)務(wù)狀況、預(yù)測(cè)企業(yè)未來(lái)發(fā)展趨勢(shì)提供了重要方法。

建立和運(yùn)用正確的企業(yè)財(cái)務(wù)預(yù)警模型，具有重要的理論意義和現(xiàn)實(shí)意義。一方面，通過(guò)建立模型對(duì)風(fēng)險(xiǎn)的形成機(jī)制進(jìn)行研究，有助于豐富企業(yè)管理理論；另一方面，風(fēng)險(xiǎn)預(yù)警模型的正確運(yùn)用對(duì)于經(jīng)營(yíng)者正確把握企業(yè)自身財(cái)務(wù)健康狀況、保護(hù)投資者和債權(quán)人的利益、提高政府對(duì)企業(yè)的宏觀監(jiān)控質(zhì)量及規(guī)范證券市場(chǎng)，都將起到重要作用。

目前，我國(guó)理論界對(duì)財(cái)務(wù)危機(jī)預(yù)警模型的實(shí)證研究一般都是采用以“ST公司”為主的單一兩分法識(shí)別危機(jī)樣本，沒(méi)有考慮管理層可能的利潤(rùn)操縱行為，無(wú)法提高預(yù)警模型的預(yù)警效率，從而無(wú)法有效保護(hù)投資者。2012年7月7日上海證券交易所《上海證券交易所股票上市規(guī)則（2012年修訂）》（簡(jiǎn)稱“上市規(guī)則”）①，經(jīng)過(guò)第七次修訂的股票上市規(guī)則，在對(duì)股票交易實(shí)施退市風(fēng)險(xiǎn)警示時(shí)首次引入了追溯重述，表明了監(jiān)管機(jī)構(gòu)對(duì)財(cái)務(wù)重述的重視。本文通過(guò)引入財(cái)務(wù)重述對(duì)滬深兩市2009—2010年的“危機(jī)樣本”進(jìn)行重新界定，以檢驗(yàn)引入財(cái)務(wù)重述后的財(cái)務(wù)預(yù)警模型的預(yù)警效率。

二、文獻(xiàn)評(píng)述

自Fitzpatrick（1932）率先使用單變量破產(chǎn)預(yù)測(cè)模型開(kāi)創(chuàng)財(cái)務(wù)危機(jī)預(yù)警模型研究先河以來(lái)，國(guó)內(nèi)外學(xué)術(shù)界對(duì)財(cái)務(wù)危機(jī)預(yù)警的研究主要集中在以下幾個(gè)方面：

（一）財(cái)務(wù)危機(jī)預(yù)警的模型

目前，學(xué)術(shù)界關(guān)于財(cái)務(wù)危機(jī)的預(yù)警模型主要有：?jiǎn)巫兞磕Ｐ停‵itzpatrick，1932；Beaver，1966）；Z模型（Altman，1968）；ZETA模型（Altman、Haldeman & Narayanan，1977）；F分?jǐn)?shù)模型（周首華等，1996）；LOGIT回歸模型（Martin，1977；Ohison，1980）；PROBIT回歸模型（Ohison，1980）；決策樹(shù)模型（Frydman、Altman & Kao，1985）；神經(jīng)網(wǎng)絡(luò)模型（Coats & Fant，1991）等。根據(jù)2008—2011年在會(huì)計(jì)類核心期刊發(fā)表的相關(guān)文章，經(jīng)過(guò)整理分析，上述幾種計(jì)量模型在實(shí)證研究中的應(yīng)用情況見(jiàn)表1。表1列示的是各種財(cái)務(wù)危機(jī)預(yù)警模型的使用次數(shù)。由表1可見(jiàn)，LOGIT回歸模型在實(shí)證研究中應(yīng)用最為廣泛，其次是神經(jīng)網(wǎng)絡(luò)模型和Z-score模型，其他計(jì)量模型的使用頻率較低。

（二）評(píng)價(jià)指標(biāo)體系的選取

Fitzpatrick（1932）通過(guò)對(duì)19家企業(yè)的研究發(fā)現(xiàn)凈利潤(rùn)與股東權(quán)益的比率和股東權(quán)益與負(fù)債總額的比率對(duì)財(cái)務(wù)風(fēng)險(xiǎn)具有較強(qiáng)的識(shí)別能力，Beaver（1966）在此基礎(chǔ)上擴(kuò)充了評(píng)價(jià)指標(biāo)體系，提出債務(wù)保障率、資產(chǎn)收益率、資產(chǎn)負(fù)債率三個(gè)財(cái)務(wù)指標(biāo)能有效地預(yù)測(cè)財(cái)務(wù)危機(jī)狀況，其中債務(wù)保障率指標(biāo)預(yù)測(cè)的準(zhǔn)確率最高（吳英娟，2005）。此后，評(píng)價(jià)指標(biāo)體系不斷擴(kuò)充，逐步形成了財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)兩大體系。其中，財(cái)務(wù)指標(biāo)主要包括償債能力指標(biāo)、盈利能力指標(biāo)、股東獲利能力指標(biāo)和營(yíng)運(yùn)能力指標(biāo)等；非財(cái)務(wù)指標(biāo)主要引入了公司治理（劉孫蕓和邱重植，2010）、股權(quán)結(jié)構(gòu)（袁康來(lái)和李繼志，2009）、經(jīng)濟(jì)附加值EVA（苗洛濤等，2008；梁杰等，2011）等因素。此外，國(guó)內(nèi)學(xué)者還分行業(yè)和地區(qū)對(duì)評(píng)價(jià)指標(biāo)進(jìn)行了研究，試圖建立適合不同行業(yè)和地區(qū)的評(píng)價(jià)指標(biāo)體系（趙蘭，2010；劉宏洲，2011；蔣太才和韓信，2011；顏哲等，2012；辛磊和高建來(lái)，2012）。

三、研究設(shè)計(jì)

（一）“危機(jī)”樣本界定

目前我國(guó)理論界對(duì)財(cái)務(wù)危機(jī)公司大都界定為被實(shí)施“風(fēng)險(xiǎn)警示”（即被“ST”）的企業(yè)，然而針對(duì)我國(guó)資本市場(chǎng)尚未完善和財(cái)務(wù)信息時(shí)常失真的現(xiàn)實(shí)，很多面臨財(cái)務(wù)危機(jī)的上市公司會(huì)因資本市場(chǎng)壓力和高管薪酬契約等方面的動(dòng)機(jī)進(jìn)行盈余操縱，這些經(jīng)過(guò)粉飾的企業(yè)往往也埋藏著財(cái)務(wù)失敗的種子。

2012年7月實(shí)施的股票上市規(guī)則首次引入了追溯重述，將退市風(fēng)險(xiǎn)預(yù)警定義為上市公司出現(xiàn)以下情形之一的，本所對(duì)其股票實(shí)施退市風(fēng)險(xiǎn)警示：（1）最近兩個(gè)會(huì)計(jì)年度經(jīng)審計(jì)的凈利潤(rùn)連續(xù)為負(fù)值或者被追溯重述后連續(xù)為負(fù)值；（2）最近一個(gè)會(huì)計(jì)年度經(jīng)審計(jì)的期末凈資產(chǎn)為負(fù)值或者被追溯重述后為負(fù)值；（3）最近一個(gè)會(huì)計(jì)年度經(jīng)審計(jì)的營(yíng)業(yè)收入低于1 000萬(wàn)元或者被追溯重述后低于1 000萬(wàn)元；（4）最近一個(gè)會(huì)計(jì)年度的財(cái)務(wù)會(huì)計(jì)報(bào)告被會(huì)計(jì)師事務(wù)所出具無(wú)法表示意見(jiàn)或者否定意見(jiàn)的審計(jì)報(bào)告；（5）因財(cái)務(wù)會(huì)計(jì)報(bào)告存在重大會(huì)計(jì)差錯(cuò)或者虛假記載，被中國(guó)證監(jiān)會(huì)責(zé)令改正但未在規(guī)定期限內(nèi)改正，且公司股票已停牌兩個(gè)月；（6）未在法定期限內(nèi)披露年度報(bào)告或者中期報(bào)告，且公司股票已停牌兩個(gè)月；（7）公司可能被解散；（8）法院依法受理公司重整、和解或者破產(chǎn)清算申請(qǐng)；（9）因第12.14條股權(quán)分布不具備上市條件，公司在規(guī)定的一個(gè)月內(nèi)向本所提交解決股權(quán)分布問(wèn)題的方案，并獲得本所同意；（10）本所認(rèn)定的其他情形。②

為了使財(cái)務(wù)危機(jī)預(yù)警模型提高預(yù)警效率，并切實(shí)保護(hù)投資者，必須對(duì)隱藏的危機(jī)公司進(jìn)行深入挖掘。但是，通過(guò)對(duì)2008—2011年的財(cái)務(wù)重述報(bào)告進(jìn)行分析，難以發(fā)現(xiàn)符合追溯重述后被ST的公司。由于信息不對(duì)稱等方面的原因，公司的盈余操縱行為很難被發(fā)現(xiàn)，即使被發(fā)現(xiàn)，這樣的公司就一定存在財(cái)務(wù)危機(jī)嗎？有一點(diǎn)可以確定，為避免被“ST”巨虧后微利的企業(yè)——類似于“洗大澡（Big Bath）”的企業(yè)——肯定是有問(wèn)題的。因此，本文對(duì)危機(jī)公司的界定不僅包含傳統(tǒng)的“ST”企業(yè)，也加入了被證監(jiān)會(huì)或主流媒體披露存在虛增利潤(rùn)進(jìn)行財(cái)務(wù)重述的企業(yè)。本文通過(guò)對(duì)財(cái)務(wù)失敗企業(yè)的重新界定，試圖將財(cái)務(wù)失敗和財(cái)務(wù)信息質(zhì)量聯(lián)系起來(lái)，通過(guò)挖掘隱藏的危機(jī)公司，構(gòu)建引入財(cái)務(wù)信息重述的財(cái)務(wù)危機(jī)預(yù)警模型。

（二）樣本選取與數(shù)據(jù)來(lái)源

按照本文對(duì)危機(jī)樣本的界定，在滬深兩市A股市場(chǎng)上市的制造業(yè)企業(yè)中選取2009—2010年度被ST處理的37家上市公司和巨虧后微利同時(shí)進(jìn)行財(cái)務(wù)重述的13家上市公司作為財(cái)務(wù)危機(jī)公司樣本，另外在財(cái)務(wù)危機(jī)公司樣本確定后相應(yīng)地選擇與之配對(duì)的50家不存在財(cái)務(wù)危機(jī)的公司作為對(duì)比樣本，共100個(gè)樣本觀測(cè)值，其中不考慮財(cái)務(wù)重述時(shí)有74個(gè)觀測(cè)值。對(duì)比樣本的選取原則為：（1）配比企業(yè)行業(yè)相同；（2）配比企業(yè)資產(chǎn)規(guī)模相當(dāng)；（3）配比企業(yè)上市時(shí)間接近。

“預(yù)”——財(cái)務(wù)危機(jī)預(yù)警的生命力所在（吳星澤，2011）。根據(jù)我國(guó)上市公司年報(bào)披露制度，上市公司公布其年報(bào)的截止日期為下一年的4月30日，所以上市公司（t-1）年的年報(bào)和其在第t年是否被特別處理這兩件事幾乎是同時(shí)發(fā)生的，用t-1年的數(shù)據(jù)預(yù)測(cè)第t年是否被特別處理是沒(méi)有實(shí)際意義的（劉克濤，2010）。因此本文采用公司第（t-2）年的財(cái)務(wù)數(shù)據(jù)建立預(yù)警模型來(lái)預(yù)測(cè)公司在第t年是否存在財(cái)務(wù)危機(jī)。比如：世紀(jì)光華2010年3月5日起實(shí)行“退市風(fēng)險(xiǎn)警示”特別處理，所以選取2008年（t-2）末的財(cái)務(wù)數(shù)據(jù)。對(duì)于巨虧后微利同時(shí)進(jìn)行財(cái)務(wù)重述的公司的微利年份視為虧損，因此采用公司巨虧年份的財(cái)務(wù)數(shù)據(jù)建立預(yù)警模型。

本文使用的相關(guān)財(cái)務(wù)數(shù)據(jù)來(lái)源于國(guó)泰安（CSMAR）數(shù)據(jù)庫(kù)中的上市公司財(cái)務(wù)指標(biāo)子庫(kù)，財(cái)務(wù)公告信息來(lái)源于上海證券交易所網(wǎng)站、深圳證券交易所網(wǎng)站和巨潮資訊網(wǎng)；本文主要通過(guò)STATA對(duì)所有數(shù)據(jù)進(jìn)行處理和統(tǒng)計(jì)分析。

（三）假設(shè)發(fā)展

在對(duì)財(cái)務(wù)危機(jī)預(yù)警的實(shí)證研究中，最具挑戰(zhàn)性的問(wèn)題是關(guān)于財(cái)務(wù)危機(jī)預(yù)警模型的計(jì)量問(wèn)題，但最根本、最基礎(chǔ)的問(wèn)題是對(duì)“危機(jī)樣本”的界定問(wèn)題。在對(duì)這些方法的使用價(jià)值和精確度進(jìn)行衡量之前，如果不能很好地解決對(duì)“危機(jī)樣本”界定這一最根本、最基礎(chǔ)的問(wèn)題，就難以得出有效的實(shí)證研究結(jié)果。

假設(shè)1：引入財(cái)務(wù)重述的財(cái)務(wù)危機(jī)預(yù)警模型能夠提高模型的預(yù)警效率。

四、實(shí)證研究

（一）財(cái)務(wù)預(yù)警指標(biāo)選取

表2列示了構(gòu)建財(cái)務(wù)預(yù)警模型的指標(biāo)，該指標(biāo)體系從盈利能力、股東獲利能力、現(xiàn)金流量能力、營(yíng)運(yùn)能力、發(fā)展能力和償債能力六個(gè)維度列示了樣本公司的財(cái)務(wù)信息。

表3列示了不考慮財(cái)務(wù)重述時(shí)危機(jī)樣本和非危機(jī)樣本的均值T檢驗(yàn)。檢驗(yàn)結(jié)果表明，危機(jī)樣本的銷售凈利率（ROS）、資產(chǎn)報(bào)酬率（ROA）、每股收益（EPS）、資本保值增值率（RAA）和總資產(chǎn)保值率（TA）顯著高于非危機(jī)樣本公司，且均在1%的統(tǒng)計(jì)水平下顯著，而其他變量在分組樣本間的差別則不顯著。

（二）預(yù)測(cè)模型與臨界區(qū)域的建立及分析

表5列示了將考慮財(cái)務(wù)重述的分組樣本帶入模型公式（1）進(jìn)行檢驗(yàn)的結(jié)果。由表5可以看出在不考慮財(cái)務(wù)重述時(shí)模型的預(yù)測(cè)率是比較高的，但在考慮財(cái)務(wù)重述時(shí)模型的預(yù)測(cè)率明顯降低，尤其是對(duì)于巨虧后微利同時(shí)進(jìn)行財(cái)務(wù)重述的企業(yè)。預(yù)測(cè)結(jié)果間接表明了假設(shè)1的推斷：引入財(cái)務(wù)重述的財(cái)務(wù)危機(jī)預(yù)警模型能夠提高模型的預(yù)警效率。

五、研究結(jié)論

將財(cái)務(wù)重述引入上市公司特殊處理的判定是上海證券交易所和深圳證券交易所上市規(guī)則的重心之舉，通過(guò)對(duì)以往經(jīng)驗(yàn)數(shù)據(jù)的分析可以看出，考慮財(cái)務(wù)重述的特別處理能夠提高財(cái)務(wù)預(yù)警的效率，表明了監(jiān)管部門對(duì)資本市場(chǎng)監(jiān)管力度的加大，表明新的上市規(guī)則具有較強(qiáng)的現(xiàn)實(shí)意義。

【主要參考文獻(xiàn)】

[1] 吳世農(nóng)，盧賢義.我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J].經(jīng)濟(jì)研究，2001（6）：46-55.

[2] 劉克濤.高科技產(chǎn)業(yè)財(cái)務(wù)困境預(yù)警的實(shí)證研究[J].財(cái)會(huì)研究，2010（20）：50-54.

[3] 盧興杰.我國(guó)上市公司財(cái)務(wù)預(yù)警的實(shí)證研究[J]. 財(cái)會(huì)月刊（綜合），2006（1）：3-4.

[4] 陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析[J]. 會(huì)計(jì)研究，1999（4）：31-38.

[5] 陸建橋.中國(guó)虧損上市公司盈余管理實(shí)證研究[J].會(huì)計(jì)研究.1999（9）：31-36.

[6] 崔學(xué)剛，王立彥，許紅.企業(yè)增長(zhǎng)與財(cái)務(wù)危機(jī)關(guān)系研究[J].會(huì)計(jì)研究，2007（12）：55-62.

[7] 谷祺，劉淑蓮.財(cái)務(wù)危機(jī)企業(yè)投資行為分析與對(duì)策[J].會(huì)計(jì)研究，1999（10）：28-31.

[8] 李心合.財(cái)務(wù)失敗及其預(yù)警[J].財(cái)務(wù)與會(huì)計(jì)（理財(cái)版），2007（12）：57-59.

[9] 李心合.利益相關(guān)者財(cái)務(wù)論[J].會(huì)計(jì)研究，2003（10）：10-15.

[10] （德）馬克斯·韋伯.社會(huì)科學(xué)方法論[M].北京：中央編譯出版社，1999：17-18.

[11] 彭韶兵，邢精平.公司財(cái)務(wù)危機(jī)論[M].北京：清華大學(xué)出版社，2005：50-51.

[12] 吳星澤.財(cái)務(wù)預(yù)警的非財(cái)務(wù)觀[J].當(dāng)代財(cái)經(jīng)，2010（4）：122-127.

[13] 袁淳，荊新，廖冠民.國(guó)有公司的信貸優(yōu)惠：信貸干預(yù)還是隱性擔(dān)保？——基于信用貸款的實(shí)證檢驗(yàn)[J].會(huì)計(jì)研究，2010（8）：49-54.

[14] 朱家安，陳志斌.我國(guó)財(cái)務(wù)困境預(yù)測(cè)實(shí)證研究文獻(xiàn)綜述和分析[J].會(huì)計(jì)之友（上），2007（4）.

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

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

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

篇6

關(guān)鍵詞：行業(yè)環(huán)境；風(fēng)險(xiǎn)識(shí)別；財(cái)務(wù)預(yù)警控制系統(tǒng)

一、企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管理

（1）營(yíng)銷體系中財(cái)務(wù)風(fēng)險(xiǎn)管理。與傳統(tǒng)營(yíng)銷理念、方式不同，現(xiàn)代企業(yè)營(yíng)銷活動(dòng)并未盲目追求市場(chǎng)經(jīng)濟(jì)利潤(rùn)，而是越發(fā)重視推動(dòng)企業(yè)可持續(xù)發(fā)展。在企業(yè)各項(xiàng)經(jīng)營(yíng)活動(dòng)過(guò)程中，企業(yè)銷售作為各項(xiàng)活動(dòng)進(jìn)行的基礎(chǔ)，要重點(diǎn)考察企業(yè)產(chǎn)品危機(jī)征兆，如果市場(chǎng)容量提高了，企業(yè)相應(yīng)增長(zhǎng)率卻沒(méi)有提高，就需要高度注重。（2）生產(chǎn)活動(dòng)中財(cái)務(wù)風(fēng)險(xiǎn)管理?，F(xiàn)代企業(yè)的生產(chǎn)實(shí)現(xiàn)了自動(dòng)化、智能化、科技化，對(duì)應(yīng)的材料、工本、費(fèi)用的比例出現(xiàn)變化，導(dǎo)致生產(chǎn)過(guò)程中財(cái)務(wù)管理也有很大變化。企業(yè)生產(chǎn)的主要任務(wù)就是要深入研發(fā)，根據(jù)市場(chǎng)變動(dòng)情況，提出項(xiàng)目建設(shè)的具體意見(jiàn)，并分析意見(jiàn)的可行性，與研發(fā)設(shè)計(jì)相符的方案，公司高層決策人員開(kāi)展審批，然后科研部門實(shí)施研發(fā)及試生產(chǎn)，并鑒定首批生產(chǎn)出來(lái)的產(chǎn)品，在鑒定符合質(zhì)量要求后再進(jìn)行生產(chǎn)。在生產(chǎn)過(guò)程中，要根據(jù)客戶具體要求制定相應(yīng)銷售計(jì)劃，結(jié)合實(shí)際計(jì)劃從材料倉(cāng)庫(kù)中領(lǐng)取材料，在各個(gè)車間生產(chǎn)中分配每一種材料，并形成半產(chǎn)品入庫(kù)到產(chǎn)成品倉(cāng)庫(kù)之中，財(cái)務(wù)部門負(fù)責(zé)核算費(fèi)用。在這一系列過(guò)程中，若是有生產(chǎn)流程不完善、勞動(dòng)生產(chǎn)率低下等問(wèn)題，就會(huì)嚴(yán)重影響著財(cái)務(wù)管理的順利進(jìn)行。（3）企業(yè)籌集資金活動(dòng)中財(cái)務(wù)風(fēng)險(xiǎn)管理。對(duì)于企業(yè)而言，資金是其發(fā)展的根本，然而資金都是有限的，這就需要各大企業(yè)實(shí)施籌集資金，最大限度上滿足企業(yè)擴(kuò)大生產(chǎn)與產(chǎn)品開(kāi)發(fā)的現(xiàn)實(shí)需要。一旦中斷了資金鏈，企業(yè)就會(huì)遭受巨大的資金風(fēng)險(xiǎn)，各大銀行和供應(yīng)商都會(huì)不再信任企業(yè)。企業(yè)有多種方式來(lái)籌集資金，包括權(quán)益性籌集資金、債務(wù)性籌集資金等。權(quán)益性籌資一般都是企業(yè)建立的第一筆資金，而債務(wù)性集資通常是企業(yè)主要的資金來(lái)源，有其獨(dú)有的特征，籌集資金在時(shí)間上有所限制，需要支付企業(yè)債券、融資租賃等固定利息。（4）投資運(yùn)作中財(cái)務(wù)風(fēng)險(xiǎn)機(jī)制。在信息時(shí)代的今天，很多企業(yè)越發(fā)注重對(duì)外投資，而在投資中如何規(guī)避風(fēng)險(xiǎn)是需要慎重考慮的問(wèn)題。投資也需要遵守相應(yīng)原則，在投資項(xiàng)目選擇中，先應(yīng)咨詢調(diào)查各個(gè)項(xiàng)目，項(xiàng)目部分在立項(xiàng)調(diào)查投資方案后，投資委員會(huì)對(duì)項(xiàng)目實(shí)施的可行性和可操作性進(jìn)行審批，在這個(gè)過(guò)程中財(cái)務(wù)部應(yīng)支付投資款，企業(yè)投資從項(xiàng)目立項(xiàng)到成功投資需要經(jīng)過(guò)很長(zhǎng)一段時(shí)間，這樣就很難及時(shí)評(píng)價(jià)投資效果，也就會(huì)隨之增加具體的財(cái)務(wù)風(fēng)險(xiǎn)，因此應(yīng)對(duì)風(fēng)險(xiǎn)認(rèn)真分析，強(qiáng)化分析投資預(yù)警，并構(gòu)建健全的內(nèi)部投資預(yù)警機(jī)制。

二、分析企業(yè)財(cái)務(wù)預(yù)警管理中風(fēng)險(xiǎn)的成因

（1）分析企業(yè)面臨的外部經(jīng)營(yíng)風(fēng)險(xiǎn)。企業(yè)外部環(huán)境包括很多方面，如政治因素、國(guó)家政策、消費(fèi)者偏好等，每個(gè)方面都很有可能引發(fā)企業(yè)外部環(huán)境面臨的經(jīng)營(yíng)風(fēng)險(xiǎn)。政治風(fēng)險(xiǎn)是一項(xiàng)與我國(guó)政策有關(guān)的風(fēng)險(xiǎn)；法律風(fēng)險(xiǎn)指的是在變更法律后使企業(yè)政策也需做具體調(diào)整的一項(xiàng)風(fēng)險(xiǎn)?？梢哉f(shuō)，我國(guó)各大中小型企業(yè)都面臨著外部經(jīng)營(yíng)風(fēng)險(xiǎn)，因此，減少外部經(jīng)營(yíng)風(fēng)險(xiǎn)因素是提高企業(yè)發(fā)展能力的強(qiáng)有力對(duì)策。（2）分析財(cái)務(wù)管理風(fēng)險(xiǎn)的形成。企業(yè)形成財(cái)務(wù)管理風(fēng)險(xiǎn)是有很多種原因的。在組織結(jié)構(gòu)上，很多企業(yè)都沒(méi)有設(shè)置合理的財(cái)務(wù)機(jī)構(gòu)，造成功能性不完善，很難提供出完善的財(cái)務(wù)方案，即便構(gòu)建了組織結(jié)構(gòu)，也會(huì)出現(xiàn)權(quán)責(zé)不清的狀況，財(cái)務(wù)信息不及時(shí)縱向流動(dòng)后，就會(huì)出現(xiàn)各種內(nèi)部矛盾。會(huì)計(jì)工作人員作為一名財(cái)務(wù)管理者，應(yīng)具備較強(qiáng)的會(huì)計(jì)知識(shí)，進(jìn)而為科學(xué)準(zhǔn)確決策奠定基礎(chǔ)。（3）分析道德風(fēng)險(xiǎn)的成因。賒銷、賒購(gòu)情況會(huì)考驗(yàn)著現(xiàn)代企業(yè)信用度，很多企業(yè)在實(shí)際運(yùn)用中都會(huì)出現(xiàn)欠債、拖欠狀況，造成企業(yè)面臨巨大財(cái)務(wù)風(fēng)險(xiǎn)。同時(shí)，在社會(huì)競(jìng)爭(zhēng)日益激烈下，很多人或者企業(yè)團(tuán)體都出現(xiàn)了“搭便車”的情況，在并未付出成本的狀況下，獲得了很多利益，嚴(yán)重影響了企業(yè)健康發(fā)展。

三、結(jié)合行業(yè)環(huán)境識(shí)別的企業(yè)財(cái)務(wù)預(yù)警控制機(jī)制

（1）不確定環(huán)境下風(fēng)險(xiǎn)的形成。根據(jù)分類標(biāo)準(zhǔn)可將環(huán)境分為外部環(huán)境、微觀環(huán)境、行業(yè)環(huán)境、內(nèi)部環(huán)境等，在處于一個(gè)大環(huán)境體系中，任何企業(yè)所面臨的環(huán)境都是快速變化的，企業(yè)應(yīng)結(jié)合這些實(shí)際變化做出相應(yīng)的調(diào)整。通過(guò)研究發(fā)現(xiàn)，行業(yè)環(huán)境會(huì)影響企業(yè)盈利能力。結(jié)合自適應(yīng)理論而言，個(gè)體、組織和集團(tuán)時(shí)時(shí)刻刻都在交換信息，這種交換是以相對(duì)穩(wěn)定的方式進(jìn)行的，但在現(xiàn)實(shí)情況下，是無(wú)法預(yù)知外部環(huán)境的，其阻礙著信息的順利交換，個(gè)體與組織若是不能適應(yīng)好外部環(huán)境，企業(yè)就很難順利發(fā)展。在外部環(huán)境有所變化后，企業(yè)資源就很難充分運(yùn)用，企業(yè)運(yùn)作質(zhì)量也就無(wú)法提高。（2）企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警控制機(jī)制。要重視起識(shí)別行業(yè)環(huán)境風(fēng)險(xiǎn)：應(yīng)對(duì)企業(yè)財(cái)務(wù)預(yù)警控制動(dòng)因進(jìn)行了解，財(cái)務(wù)預(yù)警控制以控制企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)為主，通過(guò)分析預(yù)設(shè)指標(biāo)后，警告超出規(guī)范值的部分，并追本溯源，既需要了解問(wèn)題的所在，也要對(duì)產(chǎn)生問(wèn)題的原因進(jìn)行分析，并促使企業(yè)管理者采用具體完善的應(yīng)對(duì)措施；應(yīng)構(gòu)建模型預(yù)測(cè)企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)，以前的傳統(tǒng)預(yù)測(cè)模型只是簡(jiǎn)單實(shí)施財(cái)務(wù)預(yù)警，很難體現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)形成路徑，造成企業(yè)處于被動(dòng)經(jīng)營(yíng)狀態(tài)中，只能發(fā)現(xiàn)問(wèn)題，卻很難解決問(wèn)題，而系統(tǒng)動(dòng)力學(xué)模型既能夠完美解釋財(cái)務(wù)系統(tǒng)變量間關(guān)系，并在了解財(cái)務(wù)風(fēng)險(xiǎn)傳導(dǎo)路徑后，找到問(wèn)題出現(xiàn)的根本原因，還能在仿真模擬下，提供更為合理有效的變量參數(shù)，為企業(yè)制定完善合理的風(fēng)險(xiǎn)控制措施打下良好基礎(chǔ)。

四、預(yù)警控制系統(tǒng)的實(shí)際內(nèi)容

建立健全的檢測(cè)系統(tǒng)，在對(duì)市場(chǎng)宏觀經(jīng)濟(jì)情況全面分析下，對(duì)外部行業(yè)環(huán)境走勢(shì)進(jìn)行預(yù)測(cè)，分析我國(guó)各大企業(yè)財(cái)務(wù)狀況。同時(shí)，在面臨的外部環(huán)境風(fēng)險(xiǎn)下，還需要適時(shí)檢測(cè)企業(yè)內(nèi)部財(cái)務(wù)情況，構(gòu)建完善的檢測(cè)系統(tǒng)，對(duì)現(xiàn)金流量指標(biāo)進(jìn)行監(jiān)控，監(jiān)管資金流轉(zhuǎn)狀況。為了及時(shí)追蹤市場(chǎng)以及行業(yè)環(huán)境變化情況，構(gòu)建信息預(yù)警系統(tǒng)，交易和處理外部環(huán)境信息，需有效識(shí)別行業(yè)環(huán)境中的風(fēng)險(xiǎn)。上述所講的都是與收集外部信息有關(guān)的工作，財(cái)務(wù)預(yù)警控制系統(tǒng)在獲取數(shù)據(jù)后要進(jìn)行深度研究，需要構(gòu)建合理的預(yù)警指標(biāo)系統(tǒng)，各大行業(yè)企業(yè)應(yīng)結(jié)合自身實(shí)際情況，構(gòu)建相應(yīng)的指標(biāo)體系，確保指標(biāo)體系可以對(duì)企業(yè)面臨的財(cái)務(wù)狀況與發(fā)展?fàn)顩r進(jìn)行充分了解，在準(zhǔn)備好各項(xiàng)工作后，預(yù)警對(duì)策系統(tǒng)是控制系統(tǒng)最為重要的一項(xiàng)內(nèi)容，能有效分析財(cái)務(wù)風(fēng)險(xiǎn)性質(zhì)，并做出相應(yīng)的應(yīng)急措施，這也是確保企業(yè)能夠識(shí)別經(jīng)營(yíng)風(fēng)險(xiǎn)的有效對(duì)策。另外，有關(guān)調(diào)查結(jié)果顯示，我國(guó)很多企業(yè)雖然表面看起來(lái)?yè)碛行酆竦倪\(yùn)作資金，其實(shí)現(xiàn)金流量并不多，而很多企業(yè)常常陷入發(fā)展困境，但卻能憑借充足的運(yùn)作資金走出困境。由此可見(jiàn)，企業(yè)想要取得更好的發(fā)展，并不是僅僅靠經(jīng)濟(jì)利潤(rùn)，而需要借助現(xiàn)金流的作用。因此，我國(guó)各大企業(yè)應(yīng)有效管理自身現(xiàn)金流，做好市場(chǎng)調(diào)研有關(guān)工作，加強(qiáng)企業(yè)整體發(fā)展能力。

綜上所述，在企業(yè)經(jīng)營(yíng)與發(fā)展運(yùn)作過(guò)程中，面臨著諸多風(fēng)險(xiǎn)因素，而構(gòu)建完善的企業(yè)財(cái)務(wù)預(yù)警控制系統(tǒng)，能夠有效分析行業(yè)環(huán)境，篩選出影響企業(yè)發(fā)展的風(fēng)險(xiǎn)因素，并及時(shí)制定解決風(fēng)險(xiǎn)的對(duì)策，進(jìn)而將企業(yè)風(fēng)險(xiǎn)扼殺在萌芽狀態(tài)中，提高企業(yè)整體發(fā)展實(shí)力，以便企業(yè)能在競(jìng)爭(zhēng)激烈的市場(chǎng)上站穩(wěn)腳跟，并成為行業(yè)的佼佼者。另外，在我國(guó)企業(yè)構(gòu)建財(cái)務(wù)預(yù)警控制系統(tǒng)中，我國(guó)可借鑒其他國(guó)家的經(jīng)驗(yàn)和做法，進(jìn)而來(lái)彌補(bǔ)企業(yè)在控制風(fēng)險(xiǎn)中的不足，大大強(qiáng)化企業(yè)發(fā)展實(shí)力。

參考文獻(xiàn)

1.羅寧.淺談我國(guó)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)防、預(yù)警與控制.經(jīng)濟(jì)研究導(dǎo)刊，2015（15）.

2.王愛(ài)群，王藝霖，余雙江.基于全面風(fēng)險(xiǎn)管理的企業(yè)預(yù)警指標(biāo)體系構(gòu)建研究.社會(huì)科學(xué)戰(zhàn)線，2013（09）.

3.陳仲華.淺析金融危機(jī)下企業(yè)財(cái)務(wù)預(yù)警體系的構(gòu)建與拓展.商場(chǎng)現(xiàn)代化，2011（04）.

篇7

工業(yè)企業(yè)從事的是工業(yè)性生產(chǎn)或勞務(wù)的經(jīng)營(yíng)活動(dòng)，在國(guó)家的生產(chǎn)、流通、服務(wù)等經(jīng)濟(jì)活動(dòng)中起到了重要作用，但在知識(shí)經(jīng)濟(jì)迅猛發(fā)展的時(shí)代，高新技術(shù)企業(yè)和第三企業(yè)的崛起，使得工業(yè)企業(yè)在投資融資甚至生產(chǎn)經(jīng)營(yíng)上都受到了較大的財(cái)務(wù)威脅，因此要加強(qiáng)對(duì)工業(yè)企業(yè)的財(cái)務(wù)預(yù)警，從而為企業(yè)的信息使用者提供及時(shí)有效的財(cái)務(wù)信息，預(yù)防企業(yè)可能出現(xiàn)的風(fēng)險(xiǎn)，保障股東的權(quán)益和市場(chǎng)穩(wěn)定。

首先在財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警領(lǐng)域樹(shù)立里程碑的是Beaver（1966），他利用單變量對(duì)企業(yè)破產(chǎn)進(jìn)行預(yù)測(cè)，局限性是對(duì)同一企業(yè)的風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)時(shí)，選擇的比率不同，得到的結(jié)果也可能有所不同。美國(guó)學(xué)者Edward Altman在1968年提出了多元變量Z-score模型，突破了單變量的研究。之后學(xué)者們紛紛利用多變量財(cái)務(wù)預(yù)警模型進(jìn)行研究，但在1980年學(xué)者Ohlson首次采用Logistic方法預(yù)測(cè)財(cái)務(wù)風(fēng)險(xiǎn)。進(jìn)入20世紀(jì)90年代，出現(xiàn)了基于神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，得到的結(jié)果比較理想。隨后一些新的方法如：支持向量機(jī)、期權(quán)定價(jià)模型也被運(yùn)用到財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的分析中。我國(guó)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究起步較晚，周首華、楊濟(jì)華（1996）把現(xiàn)金流量指標(biāo)引入到Z分?jǐn)?shù)模型中，提出了新的模型―― F分?jǐn)?shù)模型。陳瑜（2000）運(yùn)用二元線性回歸和主成分分析對(duì)上市公司財(cái)務(wù)預(yù)警模型的構(gòu)建進(jìn)行實(shí)證研究。姜秀華、孫錚（2001）則運(yùn)用Logistic建立回歸判別模型。隨后的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究采用了新的方法――神經(jīng)網(wǎng)絡(luò)，如： BP神經(jīng)網(wǎng)絡(luò)（楊淑娥、黃禮，2005），模糊神經(jīng)網(wǎng)絡(luò)混合模型（梁杰，2006），遺傳神經(jīng)網(wǎng)絡(luò)（蔡志岳、吳世農(nóng)，2006），RBF神經(jīng)網(wǎng)絡(luò)對(duì)物流企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的評(píng)價(jià)（劉磊、郭巖，2012）等。隨著多學(xué)科的交流融合，也出現(xiàn)了其他的模型，如2015年藍(lán)莎運(yùn)用系統(tǒng)動(dòng)力學(xué)對(duì)財(cái)務(wù)系統(tǒng)進(jìn)行結(jié)構(gòu)―功能模擬，建立了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系。

總體來(lái)看，多元判別分析、Logistic和人工神經(jīng)網(wǎng)絡(luò)是主要的預(yù)測(cè)方法，三者之中預(yù)測(cè)度最高的是人工神經(jīng)網(wǎng)絡(luò)，最差的是多元判別模型。目前文獻(xiàn)對(duì)工業(yè)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究較少，本文選取北京市工業(yè)企業(yè)與財(cái)務(wù)風(fēng)險(xiǎn)有關(guān)的財(cái)務(wù)與非財(cái)務(wù)數(shù)據(jù)，并引入人工神經(jīng)網(wǎng)絡(luò)中相對(duì)完善、易于操作的多層次感知器，構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系。

二、數(shù)據(jù)樣本的確定

（一）樣本預(yù)警指標(biāo)選取

本文研究對(duì)象是北京市45家在上海證券交易所上市的A股工業(yè)企業(yè)，并通過(guò)csmar數(shù)據(jù)庫(kù)收集2012―2014年這些公司的相關(guān)指標(biāo)。選取的指標(biāo)既包括了反映企業(yè)償債能力、盈利能力、經(jīng)營(yíng)能力和發(fā)展能力四個(gè)方面的財(cái)務(wù)指標(biāo)，也涵蓋了相關(guān)非財(cái)務(wù)指標(biāo)，如股權(quán)集中度和獨(dú)立董事比例，總計(jì)18項(xiàng)預(yù)警指標(biāo)，如表1所示。

（二）財(cái)務(wù)風(fēng)險(xiǎn)劃分

由于45家北京市工業(yè)企業(yè)被ST特殊處理的情況較少，且標(biāo)記為ST發(fā)生在出現(xiàn)財(cái)務(wù)危機(jī)之后，很難對(duì)企業(yè)風(fēng)險(xiǎn)預(yù)警產(chǎn)生前瞻性影響，而且財(cái)務(wù)風(fēng)險(xiǎn)的發(fā)生是一個(gè)漸進(jìn)的過(guò)程，上市公司的財(cái)務(wù)狀況在不加以控制的情況下會(huì)由輕度財(cái)務(wù)危機(jī)轉(zhuǎn)換為重度財(cái)務(wù)危機(jī)。所以本文將財(cái)務(wù)風(fēng)險(xiǎn)按照以下標(biāo)準(zhǔn)將其細(xì)分為低風(fēng)險(xiǎn)、中等風(fēng)險(xiǎn)和重大風(fēng)險(xiǎn)。如果當(dāng)年的凈利潤(rùn)不為負(fù)時(shí)，表明上市公司的財(cái)務(wù)風(fēng)險(xiǎn)為低風(fēng)險(xiǎn);當(dāng)年首次出現(xiàn)凈利潤(rùn)為負(fù)，則表明上市公司為中等財(cái)務(wù)風(fēng)險(xiǎn)水平;當(dāng)年為第二次出現(xiàn)凈利潤(rùn)為負(fù)時(shí)，則表明財(cái)務(wù)風(fēng)險(xiǎn)水平很高，歸類為重大風(fēng)險(xiǎn)。根據(jù)上述標(biāo)準(zhǔn)，將2012―2014年45家公司共135個(gè)樣本劃分為三類，其中：低風(fēng)險(xiǎn)有120個(gè)，中等風(fēng)險(xiǎn)為10個(gè)，重大風(fēng)險(xiǎn)為5個(gè)。

三、實(shí)證檢驗(yàn)

（一）KMO檢驗(yàn)與Bartlett球度檢驗(yàn)

在收集到以上45家工業(yè)上市公司近三年18項(xiàng)指標(biāo)數(shù)據(jù)后，對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，以消除不同指標(biāo)間的量綱差異。在此基礎(chǔ)上為判斷135個(gè)樣本數(shù)據(jù)是否能進(jìn)行主成分分析，首先對(duì)標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行KMO檢驗(yàn)與Bartlett球度檢驗(yàn)，如表2所示，其中KMO值為0.678，大于0.6，適合做主成分分析;Bartlett球度檢驗(yàn)的顯著性概率為0，說(shuō)明變量具有統(tǒng)計(jì)學(xué)意義，而且表現(xiàn)出高度的相關(guān)性和顯著性。

（二）主成分因子的提取

為了對(duì)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警進(jìn)行更加有效的分析，需要減少變量的個(gè)數(shù)，分析2012―2014年共135個(gè)樣本數(shù)據(jù)的18項(xiàng)預(yù)警指標(biāo)，利用SPSS軟件進(jìn)行因子分析，提取主成分因子，如表3所示。在特征值大于1時(shí)，共提取7個(gè)主成分因子，這7個(gè)主成分因子的累計(jì)方差貢獻(xiàn)率達(dá)到75.9%，能反映18個(gè)變量四分之三的信息。設(shè)主成分因子為Fi（i=1，2， …，7），做成分矩陣（如表4所示），可以進(jìn)一步分析主成分Fi所代表的能力和它反映的有關(guān)上市公司的財(cái)務(wù)信息。

主成分因子F1中資產(chǎn)報(bào)酬率、每股收益、營(yíng)業(yè)凈利率的比重較大，說(shuō)明F1主要反映公司的盈利能力;F2中所有者權(quán)益增長(zhǎng)率和凈利潤(rùn)增長(zhǎng)率所占的比重大，代表公司的發(fā)展能力;F3中反映償債能力的指標(biāo)比重較大，說(shuō)明F3主要變現(xiàn)為償債能力;F4中非財(cái)務(wù)指標(biāo)的獨(dú)立董事比例比重最大，則把公共因子看成股權(quán)結(jié)構(gòu)因子;F5中總資產(chǎn)周轉(zhuǎn)率的比重最大，代表整體營(yíng)運(yùn)能力;F6中綜合杠桿的比重最大，反映了風(fēng)險(xiǎn)水平能力;F7中營(yíng)運(yùn)能力的應(yīng)收賬款周轉(zhuǎn)率和存貨周轉(zhuǎn)率指標(biāo)所占的比重大，F(xiàn)7代表日常營(yíng)運(yùn)能力因子。這7個(gè)因子涉及到財(cái)務(wù)和非財(cái)務(wù)的相關(guān)信息，比較全面地反映出財(cái)務(wù)風(fēng)險(xiǎn)的各種因素。

（三） MLP風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建及實(shí)證結(jié)果

多層感知器（MLP）是一種多層前饋網(wǎng)絡(luò)模型，具有高度的非線性映射能力，它由三部分組成：一層為感知單元組成的輸入層;一層為（或多層）計(jì)算節(jié)點(diǎn)的隱藏層;一層為計(jì)算節(jié)點(diǎn)的輸出層。

本文運(yùn)用SPSS軟件，首先將七個(gè)主成分因子代表初始的18項(xiàng)指標(biāo)，代入神經(jīng)網(wǎng)絡(luò)的多層感知器，作為協(xié)變量，風(fēng)險(xiǎn)程度作為因變量。其次在分區(qū)中，按照七比三的比例隨機(jī)分配個(gè)案，即135個(gè)樣本中70%作為訓(xùn)練變量，30%作為測(cè)試變量。其中訓(xùn)練變量中重大風(fēng)險(xiǎn)的樣本為3個(gè)，中等風(fēng)險(xiǎn)的樣本數(shù)為8個(gè)，低風(fēng)險(xiǎn)的樣本數(shù)為86個(gè);測(cè)試變量中包含重大風(fēng)險(xiǎn)的樣本2個(gè)，中等風(fēng)險(xiǎn)的樣本數(shù)為2個(gè)，低風(fēng)險(xiǎn)的樣本數(shù)為34個(gè)。然后在體系結(jié)構(gòu)中，設(shè)置最低的隱藏層數(shù)為1，分批進(jìn)行培訓(xùn)操作時(shí)，選擇調(diào)整的共軛梯度對(duì)算法進(jìn)行優(yōu)化。最后可以輸出ROC曲線分析準(zhǔn)確性和特異性，判斷對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)警能力。

MLP對(duì)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警識(shí)別結(jié)果如表5所示，已預(yù)測(cè)與已觀測(cè)的樣本相比，在訓(xùn)練變量中，有三個(gè)樣本其實(shí)屬于重大風(fēng)險(xiǎn)，卻預(yù)測(cè)為中等風(fēng)險(xiǎn)，準(zhǔn)確率為0，中等風(fēng)險(xiǎn)和低風(fēng)險(xiǎn)全部預(yù)測(cè)準(zhǔn)確，總體來(lái)看，訓(xùn)練變量的正確率為96.9%;在測(cè)試變量中，重大風(fēng)險(xiǎn)有2個(gè)在預(yù)測(cè)的中等風(fēng)險(xiǎn)水平中，總計(jì)的測(cè)試變量的準(zhǔn)確率為94.7%。由此得出綜合正確率為95.8%，其中低風(fēng)險(xiǎn)預(yù)測(cè)準(zhǔn)確率為100%，說(shuō)明多層感知器對(duì)低風(fēng)險(xiǎn)能較好的預(yù)測(cè);誤判均發(fā)生在將重大風(fēng)險(xiǎn)歸類到中等風(fēng)險(xiǎn)，究其原因可能是重大風(fēng)險(xiǎn)與中等風(fēng)險(xiǎn)劃分不明確，且在第一年出現(xiàn)凈利潤(rùn)為負(fù)時(shí)，第二年要想轉(zhuǎn)虧為盈的難度也很大，或者即使利潤(rùn)為正，為彌補(bǔ)去年差異最后的凈利潤(rùn)數(shù)額也較小，這樣造成重度風(fēng)險(xiǎn)和中度風(fēng)險(xiǎn)的差異不大，利用多層感知器預(yù)測(cè)時(shí)會(huì)產(chǎn)生偏差。

四、結(jié)論

為了使工業(yè)企業(yè)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)先的測(cè)定和防范，減少風(fēng)險(xiǎn)到來(lái)時(shí)企業(yè)的損失，本文根據(jù)45家北京市工業(yè)企業(yè)的財(cái)務(wù)數(shù)據(jù)，運(yùn)用多層感知器神經(jīng)網(wǎng)絡(luò)對(duì)工業(yè)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)展開(kāi)評(píng)價(jià)研究。

篇8

【關(guān)鍵詞】高新技術(shù)企業(yè) 財(cái)務(wù)風(fēng)險(xiǎn) 財(cái)務(wù)預(yù)警理論

在目前高新技術(shù)企業(yè)的發(fā)展中，財(cái)務(wù)風(fēng)險(xiǎn)是經(jīng)營(yíng)管理過(guò)程中不可避免的風(fēng)險(xiǎn)之一，同時(shí)也是對(duì)企業(yè)經(jīng)營(yíng)影響最大的風(fēng)險(xiǎn)，為了保證高新技術(shù)企業(yè)能夠在發(fā)展過(guò)程中處于有利的競(jìng)爭(zhēng)地位，我們必須對(duì)企業(yè)所面臨的財(cái)務(wù)風(fēng)險(xiǎn)有足夠的認(rèn)識(shí)。從當(dāng)前的研究成果來(lái)看，企業(yè)應(yīng)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)有效的辦法是根據(jù)財(cái)務(wù)預(yù)警理論，建立有效的財(cái)務(wù)預(yù)警機(jī)制，提高企業(yè)應(yīng)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的能力，使企業(yè)能夠在財(cái)務(wù)風(fēng)險(xiǎn)形成之前有所預(yù)知，并采取積極的方法進(jìn)行干預(yù)，減少財(cái)務(wù)風(fēng)險(xiǎn)的發(fā)生，保證企業(yè)的經(jīng)營(yíng)效果?；谶@種認(rèn)識(shí)，我們應(yīng)該對(duì)財(cái)務(wù)預(yù)警理論有深入的了解。

一、高新技術(shù)企業(yè)財(cái)務(wù)危機(jī)和財(cái)務(wù)預(yù)警的概念與描述

（一）財(cái)務(wù)危機(jī)又稱財(cái)務(wù)困境，國(guó)內(nèi)外學(xué)術(shù)界并沒(méi)有給出財(cái)務(wù)危機(jī)的統(tǒng)一定義，通常公認(rèn)有兩種確定的方法：一是法律對(duì)企業(yè)破產(chǎn)的定義，二是以證券交易所對(duì)持續(xù)虧損、有重大潛在損失或者股價(jià)持續(xù)低于一定水平的上市公司給予特別處理或退市作為標(biāo)準(zhǔn)。根據(jù)中外學(xué)者的研究，財(cái)務(wù)危機(jī)至少有以下幾種表現(xiàn)形式：第一，從企業(yè)的運(yùn)營(yíng)情況看，表現(xiàn)為產(chǎn)銷嚴(yán)重脫節(jié)，企業(yè)銷售額和銷售利潤(rùn)明顯下降，多項(xiàng)績(jī)效評(píng)價(jià)指標(biāo)嚴(yán)重惡化;第二，從企業(yè)的資產(chǎn)結(jié)構(gòu)看，表現(xiàn)為應(yīng)收賬款大幅增長(zhǎng)，產(chǎn)品庫(kù)存迅速上升;第三，從企業(yè)的償債能力看，表現(xiàn)為喪失償還到期債務(wù)的能力，流動(dòng)資產(chǎn)不足以償還流動(dòng)負(fù)債，總資產(chǎn)低于總負(fù)債。

（二）所謂企業(yè)財(cái)務(wù)預(yù)警，即財(cái)務(wù)失敗預(yù)警，是指借助企業(yè)提供的財(cái)務(wù) 報(bào)表、經(jīng)營(yíng)計(jì)劃及其他相關(guān)會(huì)計(jì)資料，利用財(cái)會(huì)、統(tǒng)計(jì)、金融、企業(yè)管理、市場(chǎng)營(yíng)銷理論，采用比率分析、比較分析、因素分析及多種分析方法，對(duì)企業(yè)的經(jīng)營(yíng)活動(dòng)、財(cái)務(wù)活動(dòng)等進(jìn)行分析預(yù)測(cè)，以發(fā)現(xiàn)企業(yè)在經(jīng)營(yíng)管理活動(dòng)中潛在的經(jīng)營(yíng)風(fēng)險(xiǎn)和財(cái)務(wù)風(fēng)險(xiǎn)，并在危機(jī)發(fā)生之前向企業(yè)經(jīng)營(yíng)者發(fā)出警告督促企業(yè)管理當(dāng)局采取有效措施，避免潛在的風(fēng)險(xiǎn)演變成損失。

二、目前財(cái)務(wù)預(yù)警理論和財(cái)務(wù)預(yù)警方法分析

目前的財(cái)務(wù)預(yù)警理論主要是研究企業(yè)如何能夠利用正確的財(cái)務(wù)行為，避免財(cái)務(wù)危機(jī)的發(fā)生。從企業(yè)所面臨的財(cái)務(wù)危機(jī)來(lái)看，財(cái)務(wù)預(yù)警理論將研究重點(diǎn)放在了如何對(duì)財(cái)務(wù)危機(jī)進(jìn)行預(yù)先判斷和分析上，旨在通過(guò)對(duì)企業(yè)財(cái)務(wù)行為的分析，達(dá)到對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)警。

目前來(lái)看，企業(yè)財(cái)務(wù)預(yù)警主要采取了以下方法：首先，通過(guò)對(duì)基礎(chǔ)的財(cái)務(wù)數(shù)據(jù)材料進(jìn)行分析得出企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的判斷，并以此理論為指導(dǎo)，推動(dòng)企業(yè)采取具體措施對(duì)風(fēng)險(xiǎn)進(jìn)行干預(yù)。其次，通過(guò)采用多種分析方法，對(duì)企業(yè)面臨的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行判斷，主要方法為比率分析法、比較分析發(fā)、因素分析發(fā)等，保證分析的準(zhǔn)確性。再次，通過(guò)對(duì)企業(yè)面臨的潛在風(fēng)險(xiǎn)進(jìn)行預(yù)警，避免企業(yè)財(cái)務(wù)危機(jī)的出現(xiàn)，一旦發(fā)現(xiàn)企業(yè)存在潛在風(fēng)險(xiǎn)，應(yīng)立即采取措施，對(duì)風(fēng)險(xiǎn)進(jìn)行干預(yù)和消除。

三、目前財(cái)務(wù)預(yù)警理論和方法存在的問(wèn)題和局限性

從目前財(cái)務(wù)預(yù)警理論和預(yù)警方法來(lái)看，主要表現(xiàn)為三個(gè)層面，首先為基礎(chǔ)數(shù)據(jù)分析層面，其次為專業(yè)分析方法層面，再次為潛在風(fēng)險(xiǎn)預(yù)知層面。雖然這幾種方法在企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警中取得了積極效果，但是由于高新技術(shù)企業(yè)所面臨的經(jīng)營(yíng)形勢(shì)和市場(chǎng)環(huán)境不斷發(fā)生著變化，為此現(xiàn)有的財(cái)務(wù)預(yù)警理論和方法還存在一定的問(wèn)題和局限性。

（一）高新技術(shù)企業(yè)的財(cái)務(wù)預(yù)警方法過(guò)于單一

對(duì)于高新技術(shù)企業(yè)而言，在經(jīng)營(yíng)管理過(guò)程中，雖然對(duì)財(cái)務(wù)預(yù)警理論非常重視，但是在實(shí)際運(yùn)行中財(cái)務(wù)預(yù)警的方法采用的比較單一，沒(méi)有取得預(yù)期的管理效果，沒(méi)有完全消除企業(yè)遇到的財(cái)務(wù)危機(jī)。

（二）高新技術(shù)企業(yè)面臨的財(cái)務(wù)形勢(shì)日趨復(fù)雜

由于高新技術(shù)企業(yè)面臨的市場(chǎng)競(jìng)爭(zhēng)非常激烈，自身的財(cái)務(wù)形勢(shì)也比較復(fù)雜，企業(yè)的多數(shù)資金都用于產(chǎn)品研發(fā)，導(dǎo)致了資金配置不合理，存在一定的風(fēng)險(xiǎn)，同時(shí)受到市場(chǎng)競(jìng)爭(zhēng)的影響，日趨復(fù)雜的財(cái)務(wù)形勢(shì)制約了財(cái)務(wù)預(yù)警理論的發(fā)展。

（三）高新技術(shù)企業(yè)的財(cái)務(wù)結(jié)構(gòu)制約了財(cái)務(wù)預(yù)警理論作用的發(fā)揮

考慮到高新技術(shù)企業(yè)的特點(diǎn)，高新技術(shù)企業(yè)在財(cái)務(wù)結(jié)構(gòu)方面將資金投入重點(diǎn)放在了產(chǎn)品研發(fā)上，客觀上導(dǎo)致了資金傾斜過(guò)于明顯，使企業(yè)的財(cái)務(wù)面臨一定的風(fēng)險(xiǎn)。也正是這種財(cái)務(wù)結(jié)構(gòu)，制約了財(cái)務(wù)預(yù)警理論作用的發(fā)揮。

四、高新技術(shù)企業(yè)財(cái)務(wù)預(yù)警研究的理論框架分析

通過(guò)對(duì)高新技術(shù)企業(yè)財(cái)務(wù)管理制度的研究，高新技術(shù)企業(yè)要想取得良好的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警效果，就要根據(jù)企業(yè)自身發(fā)展特點(diǎn)提出財(cái)務(wù)預(yù)警研究的理論框架，指導(dǎo)企業(yè)財(cái)務(wù)預(yù)警實(shí)踐。以下以哈爾濱高新技術(shù)企業(yè)為例，重點(diǎn)探討高新技術(shù)企業(yè)財(cái)務(wù)預(yù)警研究理論框架的形成。

（一）哈爾濱高新技術(shù)企業(yè)偏向于新產(chǎn)品的研發(fā)，需要成熟的財(cái)務(wù)預(yù)警理論來(lái)有效的預(yù)防財(cái)務(wù)風(fēng)險(xiǎn)。從目前哈爾濱高新技術(shù)企業(yè)的產(chǎn)品定位和企業(yè)結(jié)構(gòu)設(shè)置來(lái)看，天然存在的風(fēng)險(xiǎn)對(duì)財(cái)務(wù)預(yù)警理論提出了具體的要求。

（二）哈爾濱高新技術(shù)企業(yè)的貸款存量較高。需要完整的財(cái)務(wù)預(yù)警理論來(lái)支持整個(gè)企業(yè)財(cái)務(wù)發(fā)展。因此在財(cái)務(wù)風(fēng)險(xiǎn)上處于高風(fēng)險(xiǎn)的狀態(tài)，這一現(xiàn)狀決定了企業(yè)需要完整的財(cái)務(wù)預(yù)警理論。

篇9

一、財(cái)務(wù)預(yù)警概述

財(cái)務(wù)預(yù)警是指以公司的財(cái)務(wù)報(bào)表及相關(guān)的會(huì)計(jì)資料為依據(jù)，通過(guò)對(duì)財(cái)務(wù)指標(biāo)的綜合分析，對(duì)公司財(cái)務(wù)狀況進(jìn)行預(yù)測(cè)研究，及時(shí)發(fā)現(xiàn)企業(yè)生產(chǎn)經(jīng)營(yíng)過(guò)程中潛在的財(cái)務(wù)風(fēng)險(xiǎn)，并在危機(jī)爆發(fā)前提前向公司的管理當(dāng)局發(fā)出警告，督促公司管理當(dāng)局對(duì)此做出相應(yīng)的改變，避免財(cái)務(wù)危機(jī)的發(fā)生，較好地起到了未雨綢繆的作用。根據(jù)警情界定程度的不同，可將其分為狹義和廣義的財(cái)務(wù)預(yù)警。狹義的財(cái)務(wù)預(yù)警偏重于研究財(cái)務(wù)危機(jī)，實(shí)際上就是財(cái)務(wù)危機(jī)預(yù)警。廣義的財(cái)務(wù)預(yù)警是對(duì)所有可能引起企業(yè)財(cái)務(wù)活動(dòng)波動(dòng)的因素進(jìn)行研究，只要引起企業(yè)財(cái)務(wù)活動(dòng)產(chǎn)生不利因素就進(jìn)行預(yù)警。財(cái)務(wù)預(yù)警系統(tǒng)就是合理保證企業(yè)財(cái)務(wù)活動(dòng)不偏離企業(yè)的正常生產(chǎn)經(jīng)營(yíng)活動(dòng)，對(duì)財(cái)務(wù)周期活動(dòng)中出現(xiàn)的不確定和不穩(wěn)定現(xiàn)象進(jìn)行預(yù)測(cè)，判斷企業(yè)目前是處于“正常狀態(tài)”還是“危險(xiǎn)狀態(tài)”。減少造成企業(yè)出現(xiàn)危機(jī)的各種因素，避免出現(xiàn)管理波動(dòng)或管理失誤的重復(fù)出現(xiàn)。本文從財(cái)務(wù)預(yù)警理論出發(fā)，利用ST公司與非ST公司的財(cái)務(wù)狀況中的財(cái)務(wù)指標(biāo)進(jìn)行對(duì)比，根據(jù)比較的結(jié)果預(yù)警上市公司可能出現(xiàn)的財(cái)務(wù)風(fēng)險(xiǎn)狀況。

二、上市公司施行財(cái)務(wù)預(yù)警系統(tǒng)現(xiàn)狀

我國(guó)資本市場(chǎng)作為新興的半強(qiáng)勢(shì)半弱勢(shì)市場(chǎng)，進(jìn)行財(cái)務(wù)預(yù)警方面的研究起步很晚，大部分上市公司建立的財(cái)務(wù)預(yù)警系統(tǒng)都是借鑒西方的成熟模型，而且也應(yīng)用到農(nóng)業(yè)、林業(yè)、工業(yè)、交通等各個(gè)領(lǐng)域。但作為我國(guó)特色資本市場(chǎng)基礎(chǔ)上建立的財(cái)務(wù)預(yù)警系統(tǒng)，還是比較年輕的研究領(lǐng)域，證券市場(chǎng)以及上市公司還不是很成熟，雖然我國(guó)上市公司的監(jiān)管部門就上市公司運(yùn)用財(cái)務(wù)預(yù)警系統(tǒng)做出相應(yīng)的規(guī)定，但由于我國(guó)上市公司在運(yùn)用財(cái)務(wù)預(yù)警系統(tǒng)進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警方面缺乏一定的主動(dòng)性，直到很多上市公司出現(xiàn)了大量的ST或PT現(xiàn)象，給廣大投資者帶來(lái)巨大損失的現(xiàn)象發(fā)生以后，才引起管理當(dāng)局對(duì)財(cái)務(wù)預(yù)警的重視，財(cái)務(wù)預(yù)警系統(tǒng)逐漸被運(yùn)用。常用的預(yù)警模型有Z分?jǐn)?shù)模型、線性概率模型、F分?jǐn)?shù)模型等。

（一）多元線性判定模式 多元線性判定模式，又稱Z-Score方法，其基本原理是通過(guò)統(tǒng)計(jì)技術(shù)篩選出那些在兩組間差別盡可能大而在兩組內(nèi)部的離散度最小的變量，從而將多個(gè)標(biāo)志變量在最小信息損失下轉(zhuǎn)換為分類變量，獲得能有效提高預(yù)測(cè)精度的多元線性判別方程。Z分?jǐn)?shù)模型的判別函數(shù)如下：

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

其中，X1=（期末流動(dòng)資產(chǎn)一期末流動(dòng)負(fù)債）/期末總資產(chǎn)X2=期末留存收益/期末總資產(chǎn)X3=息稅前利潤(rùn)/期末總資產(chǎn)X4=期末股東權(quán)益的市場(chǎng)價(jià)值/期末總負(fù)債X5=本期銷售收入/總資產(chǎn)

Z分?jǐn)?shù)模型的判斷標(biāo)準(zhǔn)如下：Z>2.675，表示財(cái)務(wù)狀況良好，發(fā)生破產(chǎn)的概率?。?.81≤Z≤2.675，表示財(cái)務(wù)狀況不穩(wěn)定，為灰色地帶；Z

多元線性判定法從企業(yè)的資產(chǎn)規(guī)模、獲利能力、財(cái)務(wù)結(jié)構(gòu)、資產(chǎn)利用效率以及償債能力等方面綜合分析預(yù)測(cè)企業(yè)的財(cái)務(wù)狀況，準(zhǔn)確率較高，進(jìn)一步推動(dòng)了財(cái)務(wù)預(yù)警的發(fā)展。

Z-Score模型的局限性：一是工作量比較大，費(fèi)時(shí)費(fèi)力。二是在前一兩年的預(yù)測(cè)中，多元線性判定方法的預(yù)測(cè)精度比較高，但再往前，其預(yù)測(cè)精度會(huì)大幅下降，甚至可能低于單變量模型。三是多元線性判定方法有一個(gè)很嚴(yán)格的假設(shè)，這就大大限制了多元線性判定方法的使用范圍。

（二）EVA判別方法 經(jīng)濟(jì)增加值（EVA）的英文簡(jiǎn)稱，是一種評(píng)價(jià)公司經(jīng)營(yíng)業(yè)績(jī)的新指標(biāo)，其定義為EVA=NOPAT-KW（NA）。其中，NOPAT為稅后凈經(jīng)營(yíng)利潤(rùn)；KW為公司資本加權(quán)平均成本；NA為經(jīng)過(guò)調(diào)整的期初公司凈資產(chǎn)價(jià)值。EVA判別法相對(duì)于傳統(tǒng)財(cái)務(wù)指標(biāo)相比具有以下優(yōu)勢(shì)：（1）真實(shí)性。由于EVA針對(duì)現(xiàn)行的會(huì)計(jì)政策進(jìn)行了一系列的調(diào)整，減少了上市公司管理層通過(guò)各種途徑改變資本結(jié)構(gòu)，從而進(jìn)行盈余管理。這相對(duì)于傳統(tǒng)的會(huì)計(jì)指標(biāo)，能更加真實(shí)地反映上市公司的經(jīng)營(yíng)狀況。（2）可靠性。EVA作為一種創(chuàng)值指標(biāo)，它不僅考慮了公司使用的全部資本，充分利用了公司提供的全部公開(kāi)信息，而且考慮了風(fēng)險(xiǎn)，同時(shí)含有企業(yè)外部的市場(chǎng)信息，而傳統(tǒng)的財(cái)務(wù)指標(biāo)則完全利用公司內(nèi)部的信息。所以，這相對(duì)于傳統(tǒng)的財(cái)務(wù)指標(biāo)具有明顯的可靠性。

EVA判別法的局限性：由于EVA涉及對(duì)傳統(tǒng)利潤(rùn)指標(biāo)復(fù)雜的調(diào)整計(jì)算，其實(shí)用性遭到國(guó)內(nèi)學(xué)者的質(zhì)疑，所以有關(guān)EVA在預(yù)測(cè)財(cái)務(wù)困境方面的研究目前在國(guó)內(nèi)尚屬空白。

（三）F分?jǐn)?shù)模型 F分?jǐn)?shù)模型的判別函數(shù)如下：

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

其中，X1=（期末流動(dòng)資產(chǎn)一期末流動(dòng)負(fù)債）/期末總資產(chǎn)；X2=期末留存收益/期末總資產(chǎn)；X3=（稅后純收益+折舊）/平均總負(fù)債；X4=期末股東權(quán)益的市場(chǎng)價(jià)值/期末總負(fù)債；X5=（稅后純收益+利息+折舊）/平均總資產(chǎn)。

F分?jǐn)?shù)模型的臨界點(diǎn)為0.0274，若F分?jǐn)?shù)低于0.0274，則將被預(yù)測(cè)為破產(chǎn)公司；反之，若F分?jǐn)?shù)高于0.0274，則公司將被預(yù)測(cè)為繼續(xù)生存公司。此數(shù)值上下0.0775內(nèi)為不確定區(qū)域，區(qū)間為[-0 0501，0.1049]，若落入此區(qū)域中，管理決策者應(yīng)該進(jìn)一步分析，因?yàn)镕分?jǐn)?shù)模型只能輔助管理者，警告可能會(huì)發(fā)生財(cái)務(wù)危機(jī)。即F分?jǐn)?shù)模型的判斷標(biāo)準(zhǔn)可如下表示：F>0.0274，表示被預(yù)測(cè)為繼續(xù)生存公司；F

F分?jǐn)?shù)模型中的5個(gè)自變量的選擇是基于財(cái)務(wù)分析理論，因此，它可以較為準(zhǔn)確地預(yù)測(cè)出企業(yè)是否存在財(cái)務(wù)危機(jī)，降低了單變量的誤判率；及時(shí)預(yù)警上市公司的財(cái)務(wù)危機(jī)并尋求發(fā)生財(cái)務(wù)危機(jī)的根源，同時(shí)還能加強(qiáng)公司對(duì)于財(cái)務(wù)危機(jī)的防范措施，分析和判斷上市公司未來(lái)的發(fā)展趨勢(shì)，在一定程度上，可以幫助利益相關(guān)者做出相應(yīng)的決策。

雖然已經(jīng)建立了系統(tǒng)的財(cái)務(wù)預(yù)警模型，但目前很多上市公司并沒(méi)有廣泛采用，這是因?yàn)橐环矫婧芏嗌鲜泄镜墓芾懋?dāng)局缺乏建立系統(tǒng)的財(cái)務(wù)預(yù)警模型的意識(shí)，另外上市公司建立的科學(xué)的財(cái)務(wù)預(yù)警系統(tǒng)要在真實(shí)合法的資料基礎(chǔ)上，但是由于中國(guó)的資本市場(chǎng)不完善，上市公司造假的現(xiàn)象屢見(jiàn)不鮮，使得建立出來(lái)的系統(tǒng)并沒(méi)有發(fā)揮應(yīng)有的作用，上市公司的會(huì)計(jì)失真現(xiàn)象極大地影響到財(cái)務(wù)預(yù)警系統(tǒng)的有效性，使其失去應(yīng)有的效果，財(cái)務(wù)預(yù)警系統(tǒng)也就形同虛設(shè)了。

三、上市公司財(cái)務(wù)預(yù)警系統(tǒng)實(shí)證分析――以制造業(yè)為例

本文針對(duì)我國(guó)滬、深兩市所有被ST的制造業(yè)上市公司進(jìn)行隨機(jī)抽樣，從中隨機(jī)抽取10家ST上市公司以及10家非ST的制造業(yè)上市公司作為本次的研究樣本。本文的樣本數(shù)據(jù)均取自各年上市公司公開(kāi)披露在網(wǎng)上（和訊、證券之星、巨潮資訊等）的各年年報(bào)和有關(guān)財(cái)務(wù)指標(biāo)，主要選取2008～2010年的相關(guān)財(cái)務(wù)數(shù)據(jù)進(jìn)行研究。

（一）Z-Score模型實(shí)證分析 按照Z(yǔ)-Score模型的要求收集整理財(cái)務(wù)數(shù)據(jù)，計(jì)算得到不同年份制造業(yè)上市公司的Z值得分，見(jiàn)表1～6。

Z-Score模型預(yù)警方法分析：（1）對(duì)非ST上市公司的預(yù)測(cè)。從上述的表格中可以看出，Z-Score模型對(duì)非ST企業(yè)的預(yù)測(cè)結(jié)果為：非ST上市公司的Z值大于2.675（即處于安全地帶）的平均比例為63.33%；Z值在1.81～2.675之間（即處于灰色地帶）的平均比例為26.33%；Z值小于1.81的（即處于危險(xiǎn)地帶）的平均比例為10.34%。這說(shuō)明我國(guó)非ST制造業(yè)上市公司財(cái)務(wù)狀況基本良好，有一定的抵御風(fēng)險(xiǎn)的能力。（2）對(duì)ST上市公司的預(yù)測(cè)。從上述的表格中可以看出，在被“特別處理”前幾年，上市公司的財(cái)務(wù)狀況已經(jīng)出現(xiàn)明顯的惡化。Z-Score模型對(duì)ST企業(yè)的預(yù)測(cè)結(jié)果為：Z值小于1.81（即處于危險(xiǎn)地帶）的平均比例為60%；Z值在1.81～2.675之間（即處于灰色地帶）的平均比例為16.67%；Z值大于2.675（即處于安全地帶）的平均比例為23.33%。這說(shuō)明我國(guó)ST制造業(yè)上市公司財(cái)務(wù)狀況大部分處于破產(chǎn)邊緣，它們需要及時(shí)調(diào)整本身存在的問(wèn)題，如果不及時(shí)進(jìn)行調(diào)整或者是調(diào)整力度不夠，就極易走向破產(chǎn)的深淵。（3）ST上市公司在被列入“特別處理”的前兩年（即2008、2009年），他們的Z值平均值為-2.432；而同期非ST的上市公司我Z值平均值為4.3918。很顯然，ST上市公司的財(cái)務(wù)狀況遠(yuǎn)遠(yuǎn)差于非ST上市公司，ST上市公司的財(cái)務(wù)危機(jī)已經(jīng)相當(dāng)嚴(yán)重了，已經(jīng)在破產(chǎn)的邊緣了。

（二）EVA判別法實(shí)證分析 按照EVA判別法的要求收集整理財(cái)務(wù)數(shù)據(jù)，計(jì)算得到不同年份制造業(yè)上市公司的EVA值，見(jiàn)表7～9。

EVA判別法的分析：（1）對(duì)非ST上市公司的分析。從上述表格中可以看出，非ST上市公司的EVA為正數(shù)的平均比例為73.33%，這說(shuō)明我國(guó)上市公司的創(chuàng)值能力還是比較強(qiáng)的。同時(shí)，非ST上市公司的EVA平均值呈現(xiàn)逐年遞增的現(xiàn)象，這說(shuō)明我國(guó)非ST上市公司的財(cái)務(wù)狀況普遍較為良好。分析如圖1所示。

（2）對(duì)ST上市公司的分析。從上述表格中可以看出，ST上市公司的EVA為負(fù)數(shù)的比例比較高，尤其是在前兩年（即2008、2009年），達(dá)到了70%。同時(shí)，2008、2009年兩年的企業(yè)EVA值持續(xù)走低，說(shuō)明這些企業(yè)的財(cái)務(wù)狀況更加惡化了，急需做出調(diào)整。而到了2010年，ST上市公司的EVA值大部分都為正數(shù)，只有兩家企業(yè)為負(fù)數(shù)，這說(shuō)明各ST企業(yè)經(jīng)過(guò)了一系列的調(diào)整，并取得了一定的成效。ST上市公司這三年的EVA值走勢(shì)如圖2所示

（3）對(duì)比ST上市公司和非ST上市公司，不難發(fā)現(xiàn)，雖然ST企業(yè)在2010年的財(cái)務(wù)狀況稍微得到了一點(diǎn)改善，但是其財(cái)務(wù)危機(jī)還是明顯地比非ST上市公司惡化，必須進(jìn)行及時(shí)有效的調(diào)整措施，要不然就難逃被破產(chǎn)厄運(yùn)。同時(shí)，非ST企業(yè)也有不穩(wěn)定的，也必須進(jìn)行相應(yīng)的調(diào)整，切勿置之不理，否則，等到風(fēng)險(xiǎn)積壓到一定程度的時(shí)候就會(huì)演變成財(cái)務(wù)危機(jī)，直至破產(chǎn)。

（三）F分?jǐn)?shù)模型實(shí)證分析 按照F分?jǐn)?shù)模型的要求收集整理財(cái)務(wù)數(shù)據(jù)，計(jì)算得到不同年份制造業(yè)上市公司的F值得分，見(jiàn)表10～15。

F分?jǐn)?shù)模型預(yù)警方法的判定結(jié)果及分析：（1）對(duì)非ST上市公司的預(yù)測(cè)。從上述的表格中可以看出，F(xiàn)分?jǐn)?shù)模型對(duì)非ST企業(yè)的預(yù)測(cè)結(jié)果為：非ST上市公司的F值大于0.1049（即處于安全地帶）的平均比例為80%；F值在-0.0501～0.1049之間（即處于不穩(wěn)定地帶）的平均比例為20%；Z值小于-0.0501的（即處于危險(xiǎn)地帶）的為0。（2）對(duì)ST上市公司的預(yù)測(cè)。從表10～15中可以看出，在被“特別處理”前幾年，上市公司的財(cái)務(wù)狀況已經(jīng)出現(xiàn)明顯的惡化。F分?jǐn)?shù)模型對(duì)ST企業(yè)的預(yù)測(cè)結(jié)果為：F值小于-0.0501（即處于危險(xiǎn)地帶）的平均比例為50%；F值在-0.0501～0.1049之間（即處于不穩(wěn)定地帶）的平均比例為20%；Z值大于0.1049（即處于安全地帶）的平均比例為30%。（3）ST上市公司在被列入“特別處理”的前兩年（即2008、2009年），其F值小于-0.0501的平均比例為70%，其F值遠(yuǎn)遠(yuǎn)低于非ST上市公司。但是ST公司于2010年的F值小于-0.0501為0家，說(shuō)明ST上市公司經(jīng)過(guò)了兩年的調(diào)整逐漸走出了金融危機(jī)帶來(lái)的影響，并逐漸走出財(cái)務(wù)危機(jī)。

（四）制造類上市公司財(cái)務(wù)預(yù)警模型實(shí)證結(jié)果比較 針對(duì)以上研究結(jié)果，并對(duì)其進(jìn)行匯總，得到表16。

從表16可以看出：（1）三種預(yù)警模型在特別處理前一年，EVA判別法的準(zhǔn)確率為70%，而Z-Score模型以及F分?jǐn)?shù)模型的準(zhǔn)確率則為75%，高于EVA判別法。（2）三種預(yù)警模型在特別處理前兩年，Z-Score模型以及EVA判別法的準(zhǔn)確率都為75%，而F分?jǐn)?shù)模型的準(zhǔn)確率則為80%，高于另外兩種判別方法。（3）綜合比較，三種方法的準(zhǔn)確率都比較高，但是F分?jǐn)?shù)模型的準(zhǔn)確率最高，高于EVA判別法和Z-Score模型。

（五）F分?jǐn)?shù)模型優(yōu)勢(shì) 從上述的財(cái)務(wù)分析情況來(lái)看，利用F分?jǐn)?shù)模型可以有效監(jiān)測(cè)公司的運(yùn)營(yíng)情況。F分?jǐn)?shù)模型中的5個(gè)自變量的選擇是基于財(cái)務(wù)分析理論，因此，它可以較為準(zhǔn)確地預(yù)測(cè)出企業(yè)是否存在財(cái)務(wù)危機(jī)，降低了單變量的誤判率；還能及時(shí)預(yù)警上市公司的財(cái)務(wù)危機(jī)情況，尋求發(fā)生財(cái)務(wù)危機(jī)的根源；同時(shí)加強(qiáng)公司對(duì)于財(cái)務(wù)危機(jī)的防范措施，分析和判斷上市公司未來(lái)的發(fā)展趨勢(shì)，在一定程度上，可以幫助利益相關(guān)者做出相應(yīng)的決策，有利于公司的健康長(zhǎng)遠(yuǎn)發(fā)展。通過(guò)Execl等軟件進(jìn)行數(shù)據(jù)處理工作，有目的、有計(jì)劃地進(jìn)行了我國(guó)制造業(yè)上市公司財(cái)務(wù)預(yù)警模型的研究，得出以下結(jié)論：

我國(guó)制造業(yè)非ST上市公司普遍具有良好的財(cái)務(wù)狀況，具有較好的風(fēng)險(xiǎn)抵御能力。但是，也有的非ST企業(yè)處于不穩(wěn)定甚至危險(xiǎn)地帶，這些企業(yè)必須及時(shí)而有效的做出相應(yīng)的調(diào)整措施，如果調(diào)整不力或者是效果不明顯，則這些財(cái)務(wù)風(fēng)險(xiǎn)必將演變成財(cái)務(wù)危機(jī)，進(jìn)一步威脅著企業(yè)的生產(chǎn)發(fā)展；Z-Score模型能提供給投資者更多的預(yù)測(cè)性，投資者能早期得到企業(yè)陷入困境的警告，及早做出決策，規(guī)避風(fēng)險(xiǎn)，還可以幫助企業(yè)做出信用決策等；EVA作為一種長(zhǎng)期的財(cái)務(wù)指標(biāo)，其對(duì)企業(yè)財(cái)務(wù)困境的預(yù)測(cè)具有相關(guān)性，且相對(duì)其他財(cái)務(wù)指標(biāo)其預(yù)測(cè)準(zhǔn)確程度較高，這說(shuō)明運(yùn)用EVA對(duì)中國(guó)上市公司財(cái)務(wù)狀況進(jìn)行評(píng)價(jià)與分析具有一定的可行性；F分?jǐn)?shù)模型可以更準(zhǔn)確地預(yù)測(cè)出企業(yè)是否存在財(cái)務(wù)危機(jī)；降低了單變量的誤判率；預(yù)警上市公司的財(cái)務(wù)危機(jī)；及時(shí)尋求發(fā)生財(cái)務(wù)危機(jī)的根源；加強(qiáng)公司對(duì)于財(cái)務(wù)危機(jī)的防范措施；分析和判斷上市公司未來(lái)的發(fā)展趨勢(shì)；在一定程度上，可以幫助利益相關(guān)者做出相應(yīng)的決策。通過(guò)對(duì)比可以發(fā)現(xiàn)，在三種預(yù)警模型中，F(xiàn)分?jǐn)?shù)模型的準(zhǔn)確率最高，高于其他兩種模型。

參考文獻(xiàn)：

[1]寧?kù)o鞭：《基于KNN和logistic回歸方法的財(cái)務(wù)預(yù)警模型比較》，《商業(yè)時(shí)代》2008年第13期。

[2]馮月平：《Logistic財(cái)務(wù)預(yù)警回歸模型的構(gòu)建與檢驗(yàn)》，青島理工大學(xué)2010年碩士學(xué)位論文。

篇10

[關(guān)鍵詞] 財(cái)務(wù)預(yù)警模型 主成分分析 SPSS軟件平臺(tái)的二次開(kāi)發(fā)

一、引言

本文首次引入多元邏輯回歸法的主成分分析法SPSS軟件二次開(kāi)發(fā)平臺(tái),研究構(gòu)建財(cái)務(wù)預(yù)警模型。以德光公司連續(xù)10年的財(cái)務(wù)數(shù)據(jù)為樣本，以實(shí)際業(yè)績(jī)波動(dòng)為判斷依據(jù)，作一次主成分法財(cái)務(wù)預(yù)警方法的實(shí)證研究，并期望對(duì)財(cái)務(wù)預(yù)警方法的普遍推廣帶來(lái)新的方法。

二、研究設(shè)計(jì)

縱觀目前所有以財(cái)務(wù)指標(biāo)為數(shù)據(jù)樣本來(lái)建立財(cái)務(wù)預(yù)警模型的研究，始終以?shī)W特曼(Altman)教授的多變量模型為藍(lán)本 Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5 （式一）

按這一思路。為獲得德光公司特有財(cái)務(wù)預(yù)警模型，計(jì)劃按下列框架進(jìn)行研究。

1.以主成分分析法得到的特征方程根貢獻(xiàn)率作為模型系數(shù)（上文公式中系數(shù)）。為準(zhǔn)確且快速有效獲得結(jié)果，研究中使用著名商業(yè)軟件SPSS和最新主成分分析法二次開(kāi)發(fā)成果來(lái)演繹數(shù)據(jù)。

2.借鑒以已有的主成分法對(duì)我國(guó)上市公司的研究結(jié)果（2006年），同時(shí)結(jié)合自身公司的實(shí)際獲取德光公司的財(cái)務(wù)指標(biāo)主成分（上文公式中變量X）。

3.用主成分分析法推導(dǎo)獲得的德光公司特有的財(cái)務(wù)預(yù)警模型。為檢驗(yàn)該預(yù)警模型的準(zhǔn)確性，用理論近似的F值模型法檢驗(yàn)比較結(jié)果有效性。

4.選用ST大唐上市公司過(guò)去10年（1998~2007）的財(cái)務(wù)數(shù)據(jù)為樣本重復(fù)研究，進(jìn)一步驗(yàn)證本文方法的正確性和普遍適用性。

三、財(cái)務(wù)預(yù)警模型的建立及預(yù)警效果分析

1.SPSS的主成分法二次開(kāi)發(fā)平臺(tái)的運(yùn)行環(huán)境與調(diào)試。

SPSS的主成分法二次開(kāi)發(fā)平臺(tái) ，需要安裝在Window XP操作系的電腦上。本研究選用統(tǒng)計(jì)運(yùn)用軟件SPSS(v13)和netframework2.0，再通過(guò)SPSS的功能編輯器導(dǎo)入二次開(kāi)發(fā)的主成分法。軟件安裝成功后，通過(guò)運(yùn)行測(cè)試數(shù)據(jù)檢查了計(jì)算平臺(tái)的正確有效性。

2.財(cái)務(wù)指標(biāo)的選擇和財(cái)務(wù)警情的判斷值定義

在已有主成分分析法對(duì)我國(guó)幾十家上市公司的財(cái)務(wù)預(yù)警模型的研究基礎(chǔ) ，結(jié)合實(shí)際決定采用下列9個(gè)財(cái)務(wù)指標(biāo)和預(yù)警值Z的評(píng)價(jià)區(qū)域判斷依據(jù)表（表1）：

財(cái)務(wù)指標(biāo)定義:1應(yīng)收賬款周轉(zhuǎn)率=銷售收入/應(yīng)收賬款平均占用額；2速動(dòng)比率=（流動(dòng)資產(chǎn)-存貨）/流動(dòng)負(fù)債；3總資產(chǎn)周轉(zhuǎn)率=銷售收入/平均總資產(chǎn);4主營(yíng)毛利率=(銷售收入-銷售收入)/銷售收入;5主營(yíng)業(yè)務(wù)收入增長(zhǎng)率=(本年主營(yíng)收入-上年主營(yíng)收入)/上年主營(yíng)收入；6總資產(chǎn)凈利潤(rùn)率=凈利潤(rùn)/總資產(chǎn)平均余額；7股東權(quán)益比=凈資產(chǎn)/總資產(chǎn)；8利息保障倍數(shù)=息稅前利潤(rùn)總額/利息費(fèi)用；9主營(yíng)業(yè)務(wù)現(xiàn)金比率=銷售收入的現(xiàn)金回收總數(shù)/銷售收入

3.主成分法數(shù)據(jù)計(jì)算和結(jié)果

(1)主成分法財(cái)務(wù)預(yù)警方法在德光公司實(shí)證研究

德光公司是一家中德合資企業(yè)，一直擔(dān)當(dāng)國(guó)內(nèi)光學(xué)顯微鏡行業(yè)的龍頭企業(yè)。從1999年進(jìn)行了股份重組由合資變?yōu)榈路?0%控股及新聘總經(jīng)理。為公司引來(lái)了新一輪發(fā)展機(jī)遇。為研究公司財(cái)務(wù)預(yù)警可顯示性，本文正是選用了這樣一段歷史階段（1998年到2007年）。

在SPSS軟件平臺(tái)輸入德光公司的10年財(cái)務(wù)指標(biāo)，獲得以下主成分分析法的主要結(jié)果：

按數(shù)學(xué)模型合并主成分的貢獻(xiàn)率后得到以下主成分法財(cái)務(wù)預(yù)警方程模型：

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

0.249X7+0.187X8（式二）

由主成分方程模型計(jì)算得到德光公司10年的預(yù)警值Z值(見(jiàn)表5，A部分）

(2)選用F 值模型對(duì)以上結(jié)果的準(zhǔn)確性做驗(yàn)證

將德光公司的10年的財(cái)務(wù)指標(biāo)，輸入F 值模型法 ，計(jì)算運(yùn)行獲F值(見(jiàn)表5，B部分).

當(dāng)F

(3)選取ST大唐公司做重復(fù)檢驗(yàn)研究

為進(jìn)一步驗(yàn)證本文所選實(shí)證研究方法的正確性和普及性，以相同的主成分法模型和運(yùn)算平臺(tái)，隨機(jī)選取了一家ST上市作為檢驗(yàn)對(duì)象， ST大唐全稱為大唐電信科技股份有限公司。是一家從事各類通信網(wǎng)絡(luò)系統(tǒng)等網(wǎng)絡(luò)建設(shè)為主要業(yè)務(wù)的通信制造企業(yè)。研究選用從“中國(guó)上市公司資訊網(wǎng)”，獲得的ST大唐上市公司過(guò)去10年（1998~2007）的財(cái)務(wù)數(shù)據(jù)為樣本。

在SPSS平臺(tái)運(yùn)行主成分分析法，合并主成分的貢獻(xiàn)率后得到以下財(cái)務(wù)預(yù)警方程模型：

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

用ST大唐公司財(cái)務(wù)指標(biāo)在以上方程式計(jì)算得到ST大唐上市公司10年的預(yù)警值如下：

四、模型的預(yù)警效果檢驗(yàn)及研究結(jié)論

1.對(duì)德光2種不同方法獲得的不同結(jié)果的比較分析。

為方便比較研究，將德光2種不同方法獲得的結(jié)果匯總?cè)?表5)

由主成分方程模型計(jì)算獲得德光公司10年的預(yù)警值和用F模型計(jì)算獲取結(jié)果的分析比較，得到以下分析：

第一，兩種方法預(yù)警值變化趨勢(shì)相同。從2種不同法方得到的結(jié)果都顯示出相同的公司發(fā)展趨勢(shì)，按財(cái)務(wù)預(yù)警值模型理論2種方法的預(yù)警值都趨向逐漸變大，都反映了預(yù)警結(jié)果和公司實(shí)際發(fā)展相一致的狀況，那就是公司在向好的財(cái)務(wù)狀態(tài)發(fā)展。

第二，兩種方法前3年的財(cái)務(wù)預(yù)警預(yù)測(cè)結(jié)果一致。由表4我們可以看出，公司前三年連續(xù)虧損。但虧損趨勢(shì)由大變小。2種不同方法都如實(shí)反映出這一事實(shí)。略有差異是2種方法的精確度或是系統(tǒng)內(nèi)在的統(tǒng)計(jì)原理導(dǎo)致理解的差異。F模型由于對(duì)警情程度沒(méi)有定量的逐級(jí)細(xì)分所以不能看出企業(yè)在第三年的發(fā)展趨勢(shì)。而主成分法，模型建立在大量實(shí)際案例的統(tǒng)計(jì)判斷分析，并設(shè)定細(xì)致的警情判斷值，能深一步告知我們當(dāng)前企業(yè)的發(fā)展趨勢(shì)。其結(jié)果更準(zhǔn)確和有指導(dǎo)性。

第三，除了第五年，以后警情結(jié)果一致。由F值模型中公式中有關(guān)自變量定義得知，由于直接引用了凈利潤(rùn)，所以凈利潤(rùn)的盈虧對(duì)F模型的影響會(huì)突出的明顯。而主成分法通過(guò)數(shù)學(xué)提煉把原來(lái)多個(gè)財(cái)務(wù)指標(biāo)統(tǒng)一歸納，獲得即能代表原來(lái)因素的趨勢(shì)但不同于原來(lái)指標(biāo)的主成分指標(biāo)，故而反映出更全面深入的企業(yè)發(fā)展動(dòng)態(tài)和趨勢(shì)。主要導(dǎo)致F模型對(duì)第五年的財(cái)務(wù)狀況有警情的原因是在第五年公司為提升現(xiàn)有和將來(lái)發(fā)展建立了先進(jìn)的但昂貴的ERP(企業(yè)資源管理軟件SAP)軟件。由于會(huì)計(jì)處理的規(guī)定當(dāng)年費(fèi)用化所有與軟件無(wú)關(guān)的費(fèi)用，制使當(dāng)年的管理費(fèi)用比往年翻倍利潤(rùn)大幅下降。而由于主成分法的方法更科學(xué)，預(yù)警結(jié)果放映了公司發(fā)展本質(zhì)而沒(méi)有報(bào)警。

驗(yàn)證結(jié)論：通過(guò)以上3點(diǎn)分析，可以得到由本研究方法獲得的主成分法財(cái)務(wù)預(yù)警模型方程（式二）用于德光公司的財(cái)務(wù)預(yù)警是有效可行的。

2.本文實(shí)證方法在ST大唐上市公司的結(jié)果分析

用主成分分析法的SPSS二次開(kāi)發(fā)平臺(tái)計(jì)算獲得如表4的ST大唐上市公司10年的預(yù)警值。并通過(guò)與該公司同期的每股盈利水平的分析比較，筆者得到以下分析，

第一，預(yù)警結(jié)果100%反映公司實(shí)際盈虧。采用主成分分析預(yù)警模型計(jì)算得到大唐公司的10年預(yù)警結(jié)果，與公司實(shí)際每股收益做分析對(duì)比，并按該預(yù)警警情判斷值表（表1），預(yù)警值能正確反映出該公司當(dāng)年度的盈利變化的方向是好是壞。

第二，由輕到重的警情指標(biāo)能正確反映出公司業(yè)績(jī)的變化趨勢(shì)。對(duì)表8中，對(duì)大唐公司10年業(yè)績(jī)的觀測(cè)，我們發(fā)現(xiàn)每當(dāng)預(yù)警模型做出警情預(yù)報(bào)后公司業(yè)績(jī)也隨之變差，而一旦警情消失，業(yè)績(jī)也馬上會(huì)提升。

第三，通過(guò)已獲得主成法預(yù)警方程成功實(shí)現(xiàn)對(duì)該公司2007年的預(yù)警預(yù)測(cè)。由于筆者在做本研究時(shí)該公司07年度公司業(yè)績(jī)尚未發(fā)表。所以只用第三季度報(bào)表數(shù)據(jù)。結(jié)果由預(yù)警值出現(xiàn)由06年的“巨警”變?yōu)楫?dāng)前的“無(wú)警”。在事后對(duì)其業(yè)績(jī)檢查，大唐公司果然在07年實(shí)現(xiàn)扭虧為盈。

驗(yàn)證結(jié)論：通過(guò)以上3點(diǎn)分析，可以得到由本研究方法在大唐公司獲得的主成分法財(cái)務(wù)預(yù)警模型方程（式三）用于ST大唐公司的財(cái)務(wù)預(yù)警是有效可行的。

五、結(jié)論

本文選取主成分法財(cái)務(wù)預(yù)警模型的已有預(yù)警研究成果并結(jié)合最新計(jì)算機(jī)軟件開(kāi)發(fā)平臺(tái)，經(jīng)過(guò)以上的運(yùn)用研究，我們得出了以下結(jié)論：

第一 ，通過(guò)將以上2種方法在同一家公司的計(jì)較和同一種方法在不同公司的分析結(jié)果可以看出，本文所進(jìn)行的財(cái)務(wù)預(yù)警方法研究而獲得的基于正確的公司財(cái)務(wù)數(shù)據(jù)的財(cái)務(wù)預(yù)警模型對(duì)公司經(jīng)營(yíng)趨勢(shì)具有較強(qiáng)的預(yù)測(cè)能力。

第二，對(duì)主成分法財(cái)務(wù)預(yù)警模型方程的系數(shù)研究分析發(fā)現(xiàn)，由于該系數(shù)時(shí)基于企業(yè)自身業(yè)務(wù)領(lǐng)域的特殊性統(tǒng)計(jì)得到的不同權(quán)重系數(shù)，所以能為企業(yè)經(jīng)營(yíng)管理人客觀的提供提高業(yè)績(jī)的經(jīng)營(yíng)重點(diǎn)領(lǐng)域。如提高總資產(chǎn)周轉(zhuǎn)率等。

第三，在對(duì)樣本數(shù)據(jù)的準(zhǔn)備和試驗(yàn)中，發(fā)現(xiàn)由于該理論方法的內(nèi)在需求，采用主成分法財(cái)務(wù)預(yù)警模型要獲得正確預(yù)測(cè)方程，其樣本數(shù)據(jù)的取樣年限有一定要求建議在實(shí)際操作中，樣本每年疊加，方程每年更新，但以KMO檢驗(yàn)及球形檢驗(yàn)的檢驗(yàn)值不斷提高，使之趨向于1為前提。

參考文獻(xiàn):

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