導語：如何才能寫好一篇財務預警分析，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

關鍵詞：財務預警；問題；策略；企業

中圖分類號：F275 文獻識別碼：A 文章編號：1001-828X（2016）009-000-01

隨著市場經濟體制改革的進行，不但給我國企業帶來了機遇也給其帶來了很多的風險。企業應該重視內控機制的完善，建立現代企業制度，幫助企業更好的化解存在的財務水平，切實提高企業財務管理水平。現在，很多企業陷入困境的原因都是財務風險的存在，若是能夠及時發現財務管理過程中存在問題，便能夠對財務風險進行預測，來降低風險給企業造成的影響。

一、我國企業財務預警現狀和存在的問題

（一）我國企業財務預警現狀

在我國絕大多數的中小企業組織機構都不夠健全，管理時也不夠科學，企業運營水平較低，企業管理水平無法跟上企業規模的擴大，二者不協調。企業在進行發展戰略制定時也沒有全面的考慮到外部環境，這也導致了宏觀經濟調整時，企業比較被動。并且很多中小企業本身的財務風險比較高，財務狀況瞬息萬變，實施財務預警系統存在較大的難度[1]。

我國有些上市公司已經進行了財務預警系統的建立，但是僅僅通過系統進行數據分析和計算，對于預警系統的變化不夠關注，更沒有針對其變化分析原因，這也導致其作用很難發揮出來。

（二）企業財務預警方面存在的主要問題

1.認識不到位

現在我國很多企業的領導都對生產和營銷比較重視，對于財務管理不夠重視，或者是只關注企業的利潤變化，沒有認識到財務管理的重要性，也沒有從財務分析方面出發幫助企業做好經營管理工作，這樣給財務分析正常進行和作用發揮造成了很大影響。

2.指標構建存在一定問題

首先，選取財務指標科學性和全面性不夠，行業不同，財務指標預警標準存在一定差別，就財務比例而言，工業企業中流動比例為2：1會比較合理，而在商業企業中，其流動比率標準要比這個數值低。現在很多企業在進行財務預警系統建立時，選取指標比較盲目，導致了企業選擇的指標無法將企業財務狀況反映出來，財務預警系統的功效更是不可能發揮。其次，非財務指標選擇存在問題，現在很多制定的預警指標針對的主要是財務，很少考慮到那些和財務無關的指標。企業財務危機是否出現不但由財務指標決定，還和非財務指標有著直接關系，而這些非財務指標也會給預警系統有效性造成影響[2]。

3.技術分析存在一定問題

首先，會計信息真實性較差，財務預警系統建立的基礎便是真實和全面的財務信息。在工作開展過程中，由于受到各種因素的影響，企業報表資料往往景觀了包裝，會計信息失真情況嚴重，這也給財務預警系統有效性造成了很大影響。其次，分析過程存在片面性，比如過度重視客觀分析，輕視主觀分析等。最后，對象分析存在狹隘性，隨著經營活動的不斷進行，企業資金也會不斷的發生變化，并且企業的實際經營情況也會直觀的反映在資金變動中，通過資金變動情況的分析，便能夠了解企業經營情況[3]。但是在分析時，往往只重視資金方面的變化，沒有分析業務活動的進行給資金變化造成的影響。

4.預警機制存在問題

首先預警機制不夠完善，很多企業沒有做好時候信息分析，并進行信息的反饋，這樣直接導致了財務預警系統構架缺失，預警機制沒有得到完善。其次，財務預警后續管理欠缺，后續管理不到位，直接導致了經驗和教訓無法吸取，出現類似問題時，企業反映不夠及時，不能給后期經營管理提供經驗。

二、完善企業財務預警機制的措施

（一）全面科學的認識財務預警機制

想要做好財務預警工作，首先必須認識到其重要性，領導必須將其作為經營管理的重要手段和方法，進行財務預警分析制度的建立，并通過措施不斷的提高企業的管理質量。其次，財務管理人員必須認識到財務管理以及預警分析對企業管理造成的影響，切實提高分析質量，提高企業的效益[4]。

（二）確保構建的財務預警體系真正的科學合理

首先應該根據相關原則進行財務預警指標體系的構建，其原則包含了下面幾點，分別是敏感性、針對性、可操作性、重要性以及全面性原則。其次，應該重視預警模型變量選擇范圍的拓寬，確保其合理性；再次，對于非財務指標的引進必須慎重，只有全面了解企業出現困境的原因，才能夠提高預測能力。最后，還應該進行長期財務預警分析指標體系和短期財務預警分析指標體系的建立，并將二者結合起來。

（三）企業必須重視財務預警分析技術的提高

首先應該重視會計基礎工作的加強，確保會計信息真實可靠。其次，需要完善財務分析制度，保證期科學性，做好人員選拔工作，明確每一個工作人員的目標和責任。最后，還應該根據實際情況，做好調查分析，分析時應該做到有的放矢，直接了當，提高其針對性[5]。

（四）重視內部預警機制的完善

首先應該完善內部預警機制的事前、事中以及事后三重機制，將預警系統功能全面的發揮出來。其次，需要進行對策庫的建立，及時的收集相關的數據，確保在遇到類似問題時，能夠快速有效的提出解決方案。

三、結語

在企業財務管理過程中，財務預警是非常重要的環節和內容。但是我國目前很多企業并沒有真正認識到財務預警分析的重要性，操作過程也不夠規范，通過筆者的研究，希望能夠給企業財務預警機制完善提供一定幫助。

參考文獻：

[1]牛怡然.中小企業財務風險的預警與控制[J].中小企業管理與科技（上旬刊），2011，（02）：108-109.

[2]朱大華.企業財務風險預警指標體系建立初探[J].會計之友，2011 （26）：55-56.

[3]鄭鵬，李雅寧.企業財務風險預警指標體系改進的研究[J].天津大學學報（社會科學版），2012，（06）：502-507.

篇2

關鍵詞：高技術企業；財務風險；風險預警；風險控制

高技術企業作為近幾年新興的企業概念，在目前的經濟發展形勢下，其在我國經濟活動中的作用也在日益增大。但是，在市場經濟和全球一體化的進程中，高技術企業在擁有高成長性的同時，其所面臨的財務風險也在不斷增加。因此，對于深入研究發展高技術企業財務風險預警以及相對應的控制措施，顯得越來越重要。

近年來，由于全球經濟危機，我國高技術企業的發展受到了很大的影響，遇到了很多諸如資金籌措緊張，資金鏈容易斷裂等多方面的籌資風險問題。首先，高技術企業融資過分依賴于銀行以及信貸機構等間接融資。對于高技術企業在經營過程中，其所采用或者擬采用的專業技術,對于未來在市場的經濟互動過程中所能帶來的收益與損失，都具有一定程度的不確定性，其自身便存在著較高的市場風險。因此，較高的市場風險便增加了高技術企業的信貸風險，故而商業銀行、信貸機構對于高技術企業的發展預期并不十分看好，這在一定程度上，增加其融資風險。其次，就目前的經濟環境下的各類高技術企業來講，其自身的盈利能力較差。因此，高技術企業的內源融資能力相對來講較差。這導致了高技術企業的資金流入較少，從而使得盈余公積和未分配利潤減少，從內源融資方面增加了高技術企業的融資風險。最后，高技術企業所賴以生存的技術革新和技術創新，所需耗用的研究資金大、研究周期長，故而其發展風險加大。再加上政府雖然對高技術企業逐漸重視，對其行業發展做出宏觀的調整和改革，但政府的扶持力度仍需加大，各方面的發展基金、信貸保障體系都有待完善，故而高技術企業的融資風險在可預計的未來仍然不容樂觀。針對企業可能遇到的財務風險，經過各國學者多年的研究和實踐，現在已經形成了一套比較完整的財務控制體系。這個研究可以在一定程度上有效地幫助企業規避風險，從而達到企業良好發展的目的。總結來講，財務控制體系主要包含了三個方面：財務控制環境、會計系統以及控制程序。

控制環境，即為控制的環境。簡單地說，控制環境就是指企業領導層合理的配置企業資源、合理地制定經營理念、企業的組織結構完整并且權責分明等方面。財務控制環境，就是在企業的經營運行當中，能夠健全、完善、加強企業實施財務控制的各種因素。避免因為環境因素，帶來不必要的財務風險。影響這些因素的主要原因，在于企業的環境問題。對此，企業可以建立良好的企業文化、良好的企業組織結構以及良好的激勵約束機制，這其中尤為重要的是企業的經營理念。一個企業的長遠發展，必定離不開一個合理完善的經營理念。有了科學的經營理念，才能依據其制定一系列的投資發展措施，才能將一個企業帶入良好發展的循環中。會計系統就是指利用企業相關的會計信息，形成一個能夠對企業的資金運作進行有效控制的會計核算和會計監督系統。高技術企業由于要進行技術研發個產品革新，在資金運作方面更要慎之又慎。因此，高技術企業一定要形成一套適合自己企業發展的會計系統，選擇最好的投資方式，研究最有競爭力的技術，創造最有價值的產品，以用來規避在各個方面可能存在的財務風險。高技術企業作為新興的企業發展模式，在企業的經營理念上更應當創新革新。在財務控制上，更要在原有的研究基礎上，對企業的財務活動全面實施監督、檢查、調節的職能，形成適合自己企業發展的財務控制體系。企業對于財務預警的方法有很多種，借助企業所能提供的經營計劃、財務報表以及其他相關的財務數據，通過一系列的方法來對財務狀況進行模擬以達到預告和警示的目的。現在常見的財務預警方法，大致可以分為兩類：一類是定性的財務預警分析，多用標準化調查法、“四階段癥狀”分析法、“三個月資金周轉率”分析法、流程圖分析法等。一類是定量的財務預警分析，主要有單變量分析法和多變量分析法。高技術企業作為現在新興發展起來的企業，在經濟市場上有著良好的發展前景。而高技術企業所面臨的財務風險，存在于各個方面。

由以上的分析可知，高技術企業在控制財務風險的過程中，應當從不同的層面綜合考慮財務風險防范于控制策略的制定和實施。這就要求企業既要保證對于已經出現的風險進行有效的控制和化解，又要提高企業自身在防范和控制財務風險的能力和水平。這樣，才能保障企業在長期的市場競爭中保證可持續性發展，提高企業自身的競爭力。高技術企業財務風險預警與控制的研究是一項復雜的系統工程，尤其是針對國內外現在的經濟形勢，經營環境逐步改善，企業應當根據發展形勢，客觀地評估企業的發展形勢，以制定出完善的企業治理結構并發現最適合企業發展的財務風險預警體系。

篇3

【關鍵詞】上市公司；財務指標；財務危機；預警變量

近年來我國資本市場的快速發展，使得上市公司在獲得巨大發展契機的同時面臨的經營風險和財務風險也在不斷的加大，這些風險都直接或間接的形成了上市公司的財務危機。因此有必要對企業的財務指標進行分析，找出能有效的反映財務危機的指標作為財務危機預警的解釋變量，對于建立預警模型進行危機預測具有現實意義。

一、財務危機預警變量選擇原則

Edward·Altman教授在建立企業破產預測的Z-Score模型時，財務指標的最初選取遵循了兩個原則：一是該指標在以前的研究中出現的頻率；二是指標與所要研究問題的潛在相關性。本文認為這兩個原則比較科學，是選擇財務預警變量的基本原則。此外在選取研究變量指標時還應該考慮如下幾個原則：

（1）高度敏感性和強烈預示性。選擇指標要能夠比較靈敏地反映企業財務運行的主要情況，有發生財務危機的苗頭時，能在指標上比較迅速的反映出來，并且指標值一旦惡化就預示著公司很有可能發生財務危機。

（2）重要性和代表性。指標反映的內容在經濟活動中居重要地位，對于特定的環節有重大的影響或代表性。

（3）可操作性。指標不能太復雜，能方便的從公司中獲取所需要的財務指標數據，便于實際操作。

目前，多數研究者財務指標的選取存在顯著的差異，即便是反映同一類型的指標，不同的研究者選取的指標差異也很大，一方面由于缺乏理論的指導，研究者在指標選擇時受到自身價值判斷的影響；另一方面由于上市公司所處的行業、經營特點和所處時期不同等原因，指標的敏感度也不盡相同造成的。

二、財務危機預警指標初選

從國內財務預警研究情況看，在變量選擇方面缺乏具體的理論指導，不同的研究者選擇的研究變量各不相同，但通過考察和歸納國內外研究中選擇的有顯著貢獻的預測變量，可以劃分為綜合反映公司財務狀況的四類財務指標，即償債能力指標、盈利能力指標、營運能力指標和發展能力指標。本文結合我國實際使用的績效評價指標體系，及研究變量獲取的難易程度，選擇了20個財務指標作為財務預警研究的備選變量，各指標如表1所示。

三、財務危機預警指標的篩選與分析

1.數據來源與研究樣本的選取

本文數據主要來源：上市公司年報、銳思數據庫、新浪財經等各財經類網站。搜集樣本公司的財務數據，這些財務數據與指標綜合反映了公司的盈利能力、償債能力、資產運營能力、發展能力和現金流量情況。

研究的ST樣本選用2010至2012年被特別處理的A股上市公司，根據公司的行業分類和總股本規模選擇相應的控制樣本，構成非ST樣本組。在研究樣本的數據選擇時，選取樣本被特別處理前1～3年的財務數據，用t-1表示被特別處理前1年的數據，t-2表示被特別處理前2年的數據，t-3表示被特別處理前3年的數據，利用三年的財務數據進行財務指標的比較和選擇。

2.財務預警變量的篩選

為了確定各個指標是否具有判定上市公司財務危機的能力，利用SPSS統計軟件，計算ST公司與非ST公司的20個財務指標在被特別處理前1～3年的均值、標準差和各年T統計檢驗量及檢驗概率，然后比較兩組公司的20個財務指標各年的均值是否存在顯著性差異。當顯著性概率小于10%時，一般認為樣本數據之間有顯著性差異，隨著樣本公司被特別處理時間的臨近，本文逐年提高顯著性判別標準，減少誤判率，將t-3年的顯著性概率設為5%，t-2年和t-1年設為1%，顯著性檢驗結果見表2。

3.財務預警變量的分析和確定

根據表2顯著性檢驗結果進行分析，分析結果如下：

（1）在短期償債能力方面，選取的四個指標中營運資金對資產總額比率連續三年通過顯著性檢驗，流動比率、營運資金比率連續兩年通過顯著性檢驗，表明這三個指標在兩樣本組之間具有顯著性差異，具有較強的判別能力，而速動比率判別效果不明顯。

（2）在長期償債能力方面，選取的四個指標中資產負債率和所有者權益比率連續三年通過顯著性檢驗，考慮到這兩個指標的相關性，在判別時可以選擇其中的一個指標；負債與權益市價比率連續兩年通過顯著性檢驗，而權益對負債比率判別效果不明顯。

（3）在資產營運能力方面，選取的三個指標中只有流動資產周轉率連續三年通過顯著性檢驗，固定資產周轉率只有一年通過顯著性檢驗，而總資產周轉率判別效果不明顯，可見，流動資產周轉率在兩樣本組之間具有顯著性差異，具有較強的判別能力。

（4）在盈利能力方面，選取的四個指標中固定資產凈利潤率連續三年通過顯著性檢驗，資產報酬率、總資產凈利潤率、主營業務收入增長率連續兩年通過顯著性檢驗，表明上市公司盈利能力的下降，盈利指標在ST公司和非ST公司之間具有很高的顯著性差異，具有較強的判別能力。

（5）在現金流量方面，選擇的三個指標中每股經營活動現金凈流量、每股現金凈流量連續兩年通過顯著性檢驗，現金流量對流動負債比率只有一次通過顯著性檢驗。表明上市公司在沒發生虧損的情況下，現金流量在ST公司和非ST公司之間差異不明顯，當ST公司發生首次虧損后，現金流量在ST公司和非ST公司之間具有顯著性差異，判別效果明顯。

（6）在發展能力方面，選取的兩個指標中總資產增長率連續兩年通過顯著性檢驗，判別效果明顯，而資本積累率只有在ST公司虧損兩年后才表現出與非ST公司之間的明顯差異。

通過上述分析，由篩選出的財務指標可以發現，在判斷上市公司由盈利到首次虧損，再到出現連續兩年虧損方面，不同的財務指標表現出不同的判別能力，按照至少連續兩年顯著的原則，選擇了14個財務指標作為財務危機預警的指標體系。具體財務指標見表3。

四、小結

文章選用被特別處理的A股上市公司為研究樣本，選取ST樣本公司沒有發生虧損、首次發生虧損、連續兩年發生虧損的財務數據和非ST公司的三年財務數據進行財務指標的比較和選擇。使用SPSS統計軟件，采取顯著性檢驗篩選預警指標，選擇了14個財務指標作為財務危機預警系統的指標體系。

通過研究發現，在上市公司陷入財務危機的過程中，公司在經營和財務上出現的危機征兆可以通過一系列的財務指標來反映和判別，并且不同的財務指標表現出不同的判別能力。其中，營運資金對資產總額比率、資產負債率、所有者權益比率、流動資產周轉率、固定資產凈利潤率在不同的時期都表現出顯著的判別能力。因此，對于上市公司來說，在揭示風險時應該密切關注這些指標的變化。

參考文獻

[1]Edward I.Altman.Financial ratios，Discriminant analysis and the prediction of corporate bankruptcy[J].Journal of Finance Vol.XXⅢ，1968，September：589-609.

[2]吳世農，盧賢義.我國上市公司財務困境的預測模型研究[J].經濟研究，2001，6.

[3]耿貴彬.上市公司中長期財務危機預警模型的構建[J].財會月刊，2007，9.

篇4

關鍵詞：民營企業 財務困境 預警分析

財務困境是企業無力支付到期債務或費用的現象。財務困境是一個過程而不是一個點狀態，既包括較輕微的財務困難，也包括極端的破產清算以及處于兩者之間的各種情況。

我國的民營企業以勞動密集型的中小企業為主，抗風險能力遠遠沒有大型企業和外資企業強。金融危機發生以來，每年倒閉的民營企業速度加快，2008年是10萬多家。民營企業的平均壽命期從2.7年降到2008年年底的2.2年。民營企業處在嚴峻的經營和競爭環境之中，防范財務困境刻不容緩。

一、現有的理論

國內外對財務困境預警模型的研究，主要有：美國學者比弗（Beaver）于1966年提出的單變量模型，奧特曼（Altman）最早提出的多元判別模型，我國學者周首華、楊濟華研究出F分數模型等等。

以上財務困境預警模型的研究，主要是以上市公司作為背景，但是我國的民營企業絕大部分都非上市企業，財務核算的規范性、數據的質量、報表披露的完整性等方面，存在普遍的問題，所以現有的模型對于國內大多數未上市的民營企業并不適用，很有必要研究找到一種簡便實用的方法，不僅僅依靠財務報表，能夠從主要的管理信息中發現民營企業財務困境發生的規律，有助加強和完善對財務困境的預警。

二、案例分析：金烏墜落

“日中有金烏”，中國古代神話傳說，太陽中有一只金黃色的三足烏鴉，因而太陽又稱為“金烏”。創始人給企業起名“金烏”，是喻指企業蓬勃發展、如日中天。

“金烏集團”網站的公開信息顯示，公司主要從事襪業、服裝加工、紡織原材料批發、現代農業開發、酒店等，集團注冊資本8000萬，下屬14家子公司，總資產超過10億，職員2000余人。

80年代，初中畢業不久的張政建只身來到河南安陽小商品市場經商，而后又前往河北石家莊經銷襪子生意，1991年才回義烏市場租攤位專心做襪業批發。1998年，張政建創建了金烏集團，這是義烏市第一家獲得進出口權的民企。2004年，他投資1億多元人民幣，拿下了中國在迪拜的最大商貿城——“龍城”的500間商鋪。而后，他又轉回義烏招商，幾十個知名品牌借此打入中東市場。

金烏集團的主業嬌麗襪業發展一直比較健康，這是金烏起步的主業，主攻歐美市場。2007年報表利潤大約1000萬元，2008年主業并沒有出現虧損。在原材料上漲5%、勞動力成本上漲12%的情況下，嬌麗襪業的利潤依然能維持在10%以上。

張政建從一個只有初中文化的小商販，經過20多年的努力到資產上十億企業集團老總，可以說創造了一個商業奇跡。然而，商業上的成功并沒有使他思維上成長為一個優秀的企業家，而是依然保持著小商人的短視；過去的輝煌業績也更加膨脹了他建立龐大商業帝國的野心，盲目進行產業擴張。

2005年，看到地產投資的巨大利潤，金烏集團進行了大規模的“土地”擴張，先后投資3億元購買寫字樓、土地、開發酒店等，大部分來源于外部資金。為迅速抓住“轉瞬即逝”的商業機會，張政建的“如意算盤”是：依靠民間高利貸來支付土地出讓金，等土地手續辦完再向銀行融資，歸還民間借貸。

從2006年開始，金烏集團的民間借貸規模開始增加。錢的來路比較復雜，義烏本地較多，其他還包括諸暨和永康等地。從最早的月息2～3分，到超過6分，中間僅僅隔了兩年不到。而在此過程中，金烏集團的連續投資使資金鏈越發緊張。

從2007年下半年開始到2008年，義烏民間拆借利率持續走高，行情是8～9分。最高的是按天計利，1萬元本金每天利息50元，月利約1毛5，理論上年利達180%。

2007年下半年開始，由于銀根緊縮，加之風聞金烏集團借入一定數額的高利貸，有一家當地小型銀行開始回收金烏集團貸款。此事發生后，其他銀行也意識到金烏可能存在比較大的資金鏈漏洞，紛紛開始催收。張政建的債務危機大規模爆發。初步統計金烏集團的民間欠債13.8億，其中本金約8億，孳生的高額利息達6億。

2008年4月24日，法院凍結了張政建的股權，金烏的資金鏈開始經受各方的拆解。6月3日，張從義烏飛北京，借道香港赴馬來西亞，債權人找不到張政建了。金烏危機經媒體公開披露。7月21日，金烏集團的資產開始拍賣。“金烏”墜落了。

三、民營企業財務困境預警的三階段分析法

通過對金烏集團財務困境從輕微到嚴重的前后發展過程的分析，可以從中發現，經歷了三個階段：

第一個階段是存在輕微的財務困境，主要特征是：企業的短期償債能力尚可，但是長期償債能力出現了問題。由于企業自身前期積累的存在，企業的短期債務本金和債務利息之和，小于經營現金凈流量、資產可抵押可變現金額二者之和；但同時，企業從債務利息小于息稅前利潤的財務穩健狀態，轉變成了債務利息大于等于息稅前利潤的不利狀態。

民營企業一般都經歷過艱辛的創業史，都是依靠創始人自己的精明和勤奮在商戰中得以勝出，長期的磨練造就了民營企業家對于市場、成本和利潤的敏感性。所以，民營企業的正常經營活動是不會導致財務困境的，導致民營企業陷入財務困境不能自撥的，往往是初始的成功，導致擴張的沖動，迫不及待地實施多元化戰略。投資、并購、多元化的擴張，必然引融資規模的增大，擴大投資的效益尚末實現，債務的利息已經開始超越了主業的盈利。這時侯，企業已經從輕微的財務困境開始向不利方向發展。

第二個階段是發生嚴重的財務困境，主要特征是：企業的短期償債能力和長期償債能力都出現了問題， 企業的短期債務本金和債務利息之和，大于經營現金凈流量、資產可抵押可變現金額二者之和；同時，企業債務利息大于等于息稅前利潤。在此階段，企業還是可以憑借其聲譽和信用能夠在民間進行融資來彌補資金缺口，從而延長財務危機爆發的時間。

第三個階段是瀕臨破產的財務困境，主要特征是：企業的短期償債能力和長期償債能力都出現了問題，而且企業的聲譽和信用也受到嚴重損壞，已經無法從民間渠道融得更多的資金。

四、財務困境階段應采取的措施

1、輕微財務困境階段應采取的措施

曾經有一位管理專家說過，許多的民營企業都是“成于銷售，敗于管理”。這里的所說“管理”，其實主要內容應該是財務管理。大多數的民營企業在人事、行政、生產、營銷等等各方面的管理都建立了一整套的規章制度，有些民營企業在管理標準化方面甚至能夠趕超國企或外企，而財務管理卻始終是一個薄弱的環節。造成這種現象的原因是，人事、行政、生產、營銷等等各方面的管理是有章可循、模式統一、可移植、可復制的，許多企業在這些方面的管理基本上是大同小異的，所以也是容易建立起一整套標準化管理制度。而財務管理卻是每個企業基礎不同、層次相差、自有特點、秘而不宣。失敗的企業，基本上都是首先在財務管理上失敗，沒有做到通過預警分析防范財務困境、及時采取有效措施化解財務困境，導致財務危機爆發，資金鏈斷裂，最終使企業多年的基業毀于一旦。

復旦大學管理學院李若山教授說過，以前的企業是“得市場者得天下”，而現在的企業則是“得金融者得天下”。金融“Finance”的另一層涵義就是“資金，財務”，這也是說明了企業在銷售上取得成功之后，迫切需要提升財務管理水平，才能真正保持持久的競爭優勢。

在輕微的財務困境這個階段，解決財務困境的對策，主要是依靠優化主業的資源配置。這就要把財務管理當做關鍵環節，從財務核算基礎、財務分析、業績評價、財務內控等多方面建立健全財務管理體系，從而能夠正確運用財務管理的方法、技巧，分析和梳理生產經營各個環節中，企業資源的使用效率和投入產出的效益，從而促使優化主業的資源配置，提高內部供應鏈的價值創造能力，加速應收賬和存貨資金周轉、處分低效和閑置資產和投資，降低現金需求與極大化現金來源。

2、嚴重財務困境階段應采取的措施

在這個階段，解決財務困境的對策，主要是依靠資產重組。公司要么與債權人談判，希望獲得延期付息的機會，要么就得變賣資產償付利息。資產重組的具體措施是：加速應收款收回，降低存貨，處分閑置資產，出售非經營主業的資產，收回對外投資，等等。通過剝離非主業的部分資產，“壯士斷臂”，從而取得新的資金支付能力來減除債務，使企業迅速擺脫嚴重的財務困境，然后再進一步采取內部管理提質提效等積極措施，使企業在較短的時間內恢復財務實力。

資深管理專家石章強在《企業過冬》中提到“暫時蹲下，或斷臂求生，等著下一次跳起，熬到頭就是勝利——剩者為王，也不失為好策略”。

3、瀕臨破產財務困境階段應采取的措施

解決財務困境的對策，主要依靠債務重組。企業與債權人就原債務合同進行談判以確定新的債務合同，包括債務展期、債務減免和債轉股等，避免進入破產清算程序。

五、結論

綜上所述，民營企業的財務困境，第一個階段是存在輕微的財務困境，第二個階段是發生嚴重的財務困境，第三個階段是瀕臨破產的財務困境。通過三個階段的分析，可以起到提前預警并從源頭采取措施、針對性地遏制財務困境的作用。在第一個階段的財務困境中主要是依靠優化主業的資源配置，第二個階段的財務困境，主要依靠資產重組。第三個階段的財務困境，主要依靠債務重組。

（本文指導老師為復旦大學管理學院李若山教授）

參考文獻：

傅元略.中級財務管理[M].上海：復旦大學出版社，2007：436.

篇5

一、國外財務風險預警模型研究

①單變量判別模型。Fitzpatrick是最早探索財務風險預警模型的學者之一。他以19家公司為樣本，他建立一個單變量判別模型來探索財務風險預警問題，通過對破產和經營正常企業財務比率的對比分析，得出產權比率和凈資產收益率兩個指標對財務風險具有較高的預警精度。芝加哥大學教授Beaver開發了一個基于Fitzpatrick的單變量預警模型，以1954-1966年158家破產企業與正常企業的財務關系為研究對象，得出凈利潤/總資產指標和凈現金流量/總負債指標在財務風險預測方面更為準確。②多變量判別模型。Altman是將多變量判別模型應用于財務風險預警領域研究的首位開拓者。他提出的Z-Score模型是國外影響最大的多元線性判別模型。從1946年至1965年期間66家有問題和經營中的公司中隨機抽取一個樣本，它從22個提供最佳預警的備選財務比率的范圍內選擇了5個，并建立了一個五變量判別模型來計算Z值，并根據Z值的大小確定公司破產或失敗的概率。結果表明，Z評分模型的預測精度遠高于單變量模型，但Z評分模型僅適用于短期預測，長期預警精度較差。在接下來的幾年里，Altman等分別選擇了53家和58家破產公司以及58家正常公司，并在五個變量Z-score5中添加了兩個財務指標，因為非上市公司無法估計股票的市場價格狀況。建立一個七變量ZETA模型。P’Wu建立了多變量判別預警模型，在傳統財務風險與收益管理和相關分析的基礎上提出了財務風險預警的必要性，并構建了多元線性預警模型多樣性驗證了線性預警模型的有效性，目前已有較好的驗證性預警模型。③邏輯回歸模型。由于單元和多元判別預警模型都無法準確測算企業財務風險的概率，多元邏輯回歸模型逐漸成為1970年代時期研究者探究預警財務風險的最普遍模型。Martin是將Logistic回歸模型運用到財務風險預警的首位開拓者。研究結果發現，在樣本正態，變量獨立且非等均值的狀態下，多元判定模型僅僅是Logistic回歸模型的特殊情況。Ciarlone等將現有的預警模型和宏觀經濟學理論結合，構建了實證有效且規則簡單的邏輯風險預警模型。Matthieu等創新性地將二元離散方法融入Logistic回歸模型中，并基于32家處于財務危機中的公司的財務數據，他們建立并劃分了Logistic回歸預警模型。經過檢驗對企業的潛在危機有較高預測精度。④神經網絡模型。ClarenceTam通過Coats等的研究基礎上。對94家破產企業和188家正常企業的財務數據進行分析，結果表明，神經網絡模型對財務風險預警具有較高的精度。George根據醫藥行業的特點，運用人工神經網絡理論，建立了醫藥企業現金流預警模型，并對樣本數據進行了同行分析，研究結果表明，預警模型精度與公司距離ST時間的長短呈現負相關。綜上所述，國外財務風險預警研究主要集中于構建財務風險預警模型。研究成果比較成熟，在實踐中得到了廣泛的應用，財務風險預警成為企業財務風險研究的一個重要領域。

二、國內財務風險預警模型研究

綜述國內大部分的財務預警研究都是借鑒國外研究經驗建立模型的，我國的財務風險預警研究開始于1990年代，風險預警進行了單個變量變為多個變量到復雜模型多個階段。隨著我國經濟的增長，國內研究者對公司財務風險預警模型的研究也在不斷深入。通過結合各個行業的特點，結合定量和定性分析，建立與社會主義經濟相適應的財務風險預警模型。1.財務風險理論研究。劉恩祿等較早且全面地對財務風險的概念界定，財務風險通常是指在企業的生產、采購、銷售等一系列生產經營活動中，企業由于被內外部環境影響和各種事前難以控制和預料的不確定性因素以間接和無形方式的作用和改變，實際收益在特定的時間段內與預計的預期收益產生一定的偏差給利益相關者造成損失的可能性。張影認為餐飲業主要需要應對的財務風險包括籌資、投資、營運三個維度，并從餐飲企業自身及其面臨的宏觀環境中客觀分析了產生財務風險的原因。2.財務風險預警模型研究。①單變量判別模型。吳世農等在《中國經濟問題》發表文章，對公司破產分析的有關預警指標并首次介紹了單變量判別模型。陳靜對同行業及規模的ST和非ST共54家公司的財務信息構建單變量模型，結果顯示，資產負債率、營運資本比率、流動比率和總資產收益率這四個指標對企業的財務失敗的預測具有敏感性，流動比率和資產負債率判別正確率最高。②多變量判別模型。袁康來等人利用Z模型對農業企業財務風險預警進行了研究，驗證了Z模型具有良好的預警效果。李元峰等在楊成巖等前人研究成果的基礎上優化通過調整了臨界值和增加了3個新變量優化Z模型，大大提高了模型的精度和適用性。周守華等通過增加一個能夠預測公司破產的財務指標——現金流量指數，建立了F評分模型。在實施該模型的實證實踐中，選擇了4160家公司，準確率高達70%。結果表明，F-Score模型是一種更為準確的財務風險預警模型。張玲選擇120家共涉及14個行業的公司，利用多元判別函數建立了財務風險預警系統。研究結果表明，該模型能夠為ST公司的財務風險預警分析提供依據。③邏輯回歸模型。陳曉等采用Logistic回歸模型對ST公司進行了實證研究。結果表明，股權指數和資產收益率是反映ST公司財務風險預警效果最好的財務指標。將因子分析在處理指標方面的優勢與Logistic回歸模型擬合精度較高的優勢相結合，研究上市公司財務風險預警問題。王華麗等在奧特曼Z評分模型的基礎上，建立了中小企業財務風險預警模型。結果表明，奧特曼的Z評分模型基本上反映了企業的財務狀況。2015年黃楊選取ST公司12家和正常經營的12家作為研究樣本。結果表明，該模型具有較高的財務風險預警精度。李常山將2016年23家制造業上市公司與2016年30家非制造業上市公司進行了比較，在對財務信息進行主成分分析后，采用Logistic回歸建立了財務風險預警模型。結果表明，通過建立財務風險預警模型，上市公司可以有效降低財務危機發生的概率。④神經網絡預警模型。李芳等建立基于神經網絡模型的企業財務預警模型，結果表明資產負債率、每股凈資產、凈現金流量三個指標對企業財務危機預警具有重要作用，具有良好的財務危機判斷和預測能力。通過專家調查，李曉青等獲得了15家樣本企業的物流外包風險評價指標。基于BP神經網絡構建了適合物流行業公司的模型預警財務風險。結果表明，該模型對物流企業具有較高的預警精度。邢瑞雪等以78家上市公司財務數據為樣本，采用BP神經網絡支持向量機構建基于人工智能方法的模型，并與傳統財務風險預警結果對比。結果表明，用人工智能方法建立的財務風險預警模型具有更高的預警精度。孫新賢等從2004年至2016年的四大航空公司中選擇了49家，其中38家是培訓樣本，11家是測試樣本。他運用主成分分析的方法對預警財務風險的各個指標降維優化，基于BP神經網絡構建財務風險預警系統。研究結果顯示，BP神經網絡模型能夠有效地預測航空公司的財務風險。

三、模型比較

單變量決策模型的最大特點是選擇單一的財務指標作為研究對象。該模型的應用首先需要選擇兩組樣本，一組是預測樣本，另一組是檢驗樣本，來建立和檢驗模型。其次，根據一定的財務比率對預測樣本進行分類，尋找一個閾值來判斷兩組樣本，使誤差最小。再其次，用閾值測試試樣。單變量決策模型的優點是易于管理，過程簡單易行；缺點是無法監測和分析企業內外部環境的不斷變化。因此，結果往往既不那么確定，也不那么客觀，無法準確預測公司的風險。多元判別模型與一維決策模型最大的區別在于前者選擇了更多的變量和角度來預測企業的風險。該模型的關鍵是選擇多維度反映企業財務狀況、有利于宏觀風險控制的指標。與單變量判別模型相比，多變量判別模型可以從多個維度更詳細、更客觀地監測和分析企業財務狀況，提高預警精度。然而，多變量判別預警模型仍有局限性。一方面，多變量判別預警模型要求變量滿足正態分布假設，另一方面，它們沒有充分考慮現金流量的變化情況，從而縮小了模型的使用范圍。多元邏輯回歸中對于自變量分布的假設沒有要求，克服了線性模型必須滿足統計假設的缺陷，因此Logistic回歸方法可以規避了判別分析中難以達到的前提假設，它極大地改善財務風險的預測并解決了判別分析中的多種弊病，包括比率指標是正態分布的假設以及樣本企業具有相同的協方差方差矩陣的假設。因此，1980年代之后多元Logistic回歸代替了判別分析預警模型，占領了財務風險研究范疇核心地位。邏輯回歸模型的局限性在于由于大部分計算結果都是近似的，因此計算并不準確，與實際結果間有較大差距。

四、研究結論

篇6

【關鍵詞】 財務預警 自由現金流量 經濟增加值 現金增加值

在進行財務預警研究時要考慮的因素主要有模型、指標、行業的選取以及規模的修正，其中模型的發展構成了現有財務預警研究中顯而易見的一條主線。模型的選擇實質上是預警方法的確定，現行主流的預警方法仍以統計建模為主，包括單一變量模型,多元線性判定模型，多元邏輯回歸模型等，非主流的預警方法主要以非統計類方法為基礎的股價分析法，案例分析法以及神經網絡模型等，模型在應用中的逐步改進與完善使得財務預警的研究更為深入。但這些不同的預警模型有一個共同的特點：它們都必須以公司的財務數據為基礎構造不同的預警指標。因此我們按照財務指標在預警研究中發展的時間順序把它們分為三類：以權責發生制為基礎的傳統財務指標，以收付實現制為基礎的經營現金流量相關指標以及我們將要論述的三種新興指標。我國現有的財務預警研究由于各種限制只發展到以現金流量表相關指標為基礎建立的預警模型，這些模型或者是在原有指標體系中增設現金流量表指標或者單獨只以現金流量表指標進行預警。而后續關于以新興指標建立財務預警模型的研究則還處于展望階段。這里的新興指標主要指：自由現金流量（FCF）相關指標，經濟增加值（EVA）相關指標，現金增加值（CVA）相關指標。這三種指標從公開的會計報表中無法直接獲得，需要進行較復雜的調整與計算，因此在我國的應用受到了一定的限制，但實事上它們在國外已經得到相當廣泛的應用，尤其是自由現金流量被作為一個必要指標在會計報表中進行披露。

一、選擇FCF，EVA，CVA三個指標具有可比較性的公式列示如下，并對它們的區別與聯系進行分析

自由現金流量（FCF）＝稅后經營活動現金流量－在凈營運資本上的投資－在固定資產和其他長期資產上的投資經濟增加值（EVA） ＝稅后凈經營利潤－資本成本×期初資本現金增加值（CVA） ＝稅后經營活動現金流量－沉沒資金折舊－資本成本×期初成本 （沉沒資金折舊主要指一個期間到下一個期間資產市價的變化，也被稱作經濟折舊，如果把會計記帳方式中資產的入帳方式改為市價法，則這里的沉沒資金折舊就相當于傳統意義的會計折舊）

1.自自由現金流量。由現金流量（FCF）以收付實現制為基礎，只考慮正常經營活動現金流入，公式中的稅后經營活動現金流量指未扣除利息費用但扣除了實際支付的稅金后的經營現金流量，在稅后經營活動現金流量基礎上再扣除為了維持現有的經營狀況、資本擴張所必須的資本投入，包括凈營運資本的投入，固定資產和長期資產的投入，最后計算出自由現金流量。從這個意義上說自由現金流量是指能自由分配給投資者的現金，這里的投資者包括債權人與股東。

2.經濟增加值。經濟增加值（EVA）主要以權責發生制為基礎，但它較傳統的指標考慮了資金的資本成本，形象直觀的計算出企業的價值創造，是基于權責發生制的一種經濟收益的計算方式。我們從經濟利潤的角度分解經濟增加值：財務會計師按照權責發生制將收益和成本費用配比計算凈利潤，在凈利潤基礎上加回稅后利息費用得到稅后凈經營利潤，它是可以提供給所有股東和債券人的盈余。在稅后凈經營利潤基礎上減去投入資本成本則可得到經濟利潤，原則上經濟利潤需要經過一些細節調整才能得到EVA，公式中我們為了方便比較以及理解經濟增加值的含義后續的細節調整則不予考慮了。

3.現金增加值。現金增加值（CVA）以收付實現制為基礎，考慮資金的資本成本，考慮經濟折舊，經濟折舊的考慮使得這里的折舊與收付實現制得到了很好的呼應，因為在它的計算里資產采用的是市價法，對在會計制度中資產記賬使用歷史成本法帶來的一些財務舞弊給予了消除。同樣CVA也是經濟收益的一種計算方式，與經濟增加值一樣，但它基于的是收付實現制。我們根據這三個指標計算原理的不同把它們典型的區別列表如下,這三個指標的特點將直接決定它們應用在財務預警時所具有的優勢和缺陷。

表1 三指標的區別與聯系

確認原則 是否考慮資本成本 資本支出的處理形式 是否剔除非常損益

自由現金流量 收付實現制 否 實際資本支出 是

經濟增加值 權責發生制 是 會計折舊 是

現金增加值 收付實現制 是 經濟折舊 是

二、三種指標在財務預警中的優勢

我們從表1中列示的四個特點來分析這三個指標的優勢

1.確認原則。自由現金流量與現金增加值都是基于收付實現制，在進行財務預警時具有經營現金流量指標的全部優點，很好地避免了現有上市公司中諸多財務造假的可能，另外雖然經濟增加值基于的是權責發生制但在計算過程中它剔除了非經營性的損益，也能夠一定程度地避開虛假財務信息及關聯交易真實地反映公司的現狀，因為一些財務作假尤其是關聯交易一般都是通過非經營業務來調整和粉飾，故這三種指標都具有能改善傳統財務指標真實性的作用。

2.資本成本。資本成本的考慮建立了經濟利潤的概念，原始經濟利潤的公式如下： 經濟利潤＝銷售收入－銷售成本－經營費用－稅金－全部資本成本經濟增加值在經濟利潤的基礎上作了一些調整，主要有三種調整，一是抵消傳統會計師編制財務報表時的許多準備金，如壞帳準備和后進先出準備，一定程度上修正了權責發生制，把它向收付實現制靠攏，這也是我們為什么說經濟增加值是主要基于權責發生制；二是將傳統對有關建立市場的支出費用化改成資本化，即將即時變現觀轉變為持續經營觀；三是將累計稅后非經常性虧損或者盈利消除，將成功法轉變為完全成本法；現金增加值的理念和經濟增加值是一致的，但是它計算的初始就以收付實現制為基礎。資本成本的計算需要利用CAPM模型計算資本成本率，其中ß值的引用考慮了不同公司的風險值，因此這兩個指標很好的彌補了傳統會計指標中不考慮股權成本和風險的缺陷，直觀的計算出企業創造的價值。

3.資本支出。自由現金流量扣減了實際資本支出，而不是像其他兩個指標以扣減折舊的形式,因為折舊并不是實際的資金流出，由折舊保留下來的現金在資本更新前仍然是可以自由使用的，自由現金流量以扣減實際資本支出代替折舊直觀反映公司可自由使用的現金流量，這些現金可以進行分配，也可以保留在企業里進行資本擴充或者預防風險。經濟增加值剔除的是傳統會計折舊,按照權責發生制計算在第一步盈利線中折舊就已經被剔除。現金增加值的計算原理與經濟增加值對比,由于它采用收付實現制,在稅后經營活動現金流量這一步,折舊仍然是包括在內的,在后續折舊剔除時,現金增加值使用了沉沒資金折舊或者說是經濟折舊,這是它與經濟增加值的區別。因此總的來說自由現金流量更能反映現金的支付能力，在預測或者評價公司流動性時具有更好的作用，而后兩者則從揭示公司的價值創造方面有突出的表現，一個是從傳統會計角度，一個則對傳統會計制度作了諸多修正，因此它們在反映公司的整體價值創造上更有優勢。

4.非常損益。這三個指標共同的特點是它們都剔除了非正常損益，傳統財務指標和現金流量表指標都是反映實際發生的經營活動,非常損益也是包括在內的,但是非常損益由于不是可持續的盈利或者虧損,并不能反映公司真實的運營能力,除此之外,財務作假也更青睞非常損益項目,這三個指標對非常損益的剔除可以更真實地反映公司可持續的經營能力，并一定程度上避免了財務作假。

三、以這三種指標為基礎建立可適合預警的指標體系

指標體系的選擇依照的原則很多，比如杜邦體系從盈利能力，運營能力，資本結構三個方面對公司的財務狀況進行分析，比如梁飛媛（2005）在基于現金流的財務預警系統實證研究中從獲現能力，償債能力，財務彈性，財務結構四個方面對指標進行分類，我們從這三個指標本身的特性出發把指標體系分為四類：獲現能力/盈利能力，流動性分析，收益質量分析，增長潛力。這四種分類分別從不同的側面反映了公司的運營情況。

1.獲現能力或者盈利能力指標包括：自由現金流量/總資產（凈資產）（總股數），經濟增加值/總資產（凈資產）（總股數），現金增加值/總資產（凈資產）（總股數）。

2.流動性分析指標包括：自由現金流量/流動負債（長期負債），經濟增加值/流動負債（長期負債），現金增加值/流動負債（長期負債）。

3.收益質量分析指標包括：最近三年每股收益平均值/最近三年每股自由現金流量平均值，經濟增加值/留存收益，現金增加值/留存收益。收益質量分析指標產生的原理是以自由現金流量，經濟增加值，現金增加值比上傳統指標中可對應的指標，比如基于收付實現制的自由現金流量與權責發生制中的凈利潤相比它調整了由于非正常收益和權責發生制可能帶來的舞弊和不真實，一個財務報表真實的企業雖然每年兩者之間也可能會有較大差距，但是對于一個真實有效的會計體系，長期來看兩者應該是一致的，故我們對分子分母取最近三年的平均值，兩者越接近說明財務報表的真實性越高；經濟增加值與現金增加值相當于兩種不同會計確認制度中的經濟收益，它們與傳統會計指標中的留存收益具有相同的意義，都扣除了債權人與股東要求的回報，不同的是前兩者以資本成本的形式，更為合理地反映了價值創造，而留存收益扣除的是實際支付的資本成本。

4.增長潛力指標包括：每股自由現金流量增長率，每股經濟增加值增長率，每股現金增加值增長率。上述指標在財務預警中應用時可以是在原有預警模型中增加以上三類指標進行修正或者單獨以一類指標進行預警。

綜上所述這三種指標系統由于它們本身計算原理上的優勢在財務預警方面應用時是可以更好地彌補傳統指標缺陷的，張錦華（2005）在農業上市公司持續性經營能力研究中，完全采用以自由現金流量建立的指標體系證明在預測經營失敗時準確率為85％，遠遠大于傳統指標的65%，但這三種指標體系是否比經營現金流量指標更有效目前為止還無法得到有效證明。我們在傳統指標體系中選擇資產結構比率，比如資產負債率這類沒有造假可能的指標，另外以經營現金流量指標體系為主體，結合新指標尤其是自由現金流量指標體系，可以建立一套更為完善的預警指標系統。

篇7

關鍵詞：財務危機；風險預警；Z模型

一、概述

（一）財務預警

財務預警是通過對公司財務報表及相關經營資料的分析，利用及時的財務數據和相應的數據化管理方式，將公司所面臨的危險情況預先告知公司經營者和其他利益相關者，并分析公司發生財務危機的原因和財務運營體系隱藏的問題，以提早做好防范措施的財務管理活動。

財務預警應當在企業陷入財務困境之前做出。企業財務困境根據嚴重性的不同，可以有這樣幾種狀態：一是虧損、現金流量不足、違約。二是資不抵債，凈資產為負。三是破產。

（二）Z模型

Z模型的基本模型如下：

研究表明，Z值大小與公司發生財務危機的可能性成反比，一般而言，如果公司的Z值大于2.675，則表明公司經營的財務狀況良好，發生破產的可能性較小；如果公司的Z值小于1.81，則公司當前存在較大的破產風險；如果Z值介于1.81～2.675之間，稱之為“灰色地帶”，即表明進入這個區間的公司，其財務狀況極不穩定，模型對其不具有解釋性。

二、吉林省上市公司財務危機現狀抽樣評價

（一）吉林上市公司基本分布情況分析

截至2012年末，吉林省39家上市公司分布在18個行業中，其中醫藥生物制品制造業的企業數目最多，有7家，占總數的17.95%，排名在第2至第3位的依次是機械制造行業，房地產業，排在前3位的制造業企業共計17家，占吉林省上市公司總數的43.59%。另外，值得注意的是，吉林省目前仍有許多行業沒有企業上市。

（二）上市公司財務預警研究樣本選擇

（1）選取A股上市公司。根據規定，A股上市公司執行國內的會計準則和會計制度，由國內的會計師事務所審計，B股上市公司采用國際會計準則，有外資會計師事務所審計。這種差異導致A股和B股資料之間不能進行有效的可比性，故而選取A股上市公司。

（2）選擇被特殊處理的吉林省A股上市公司。國外將破產或者提出破產申請的公司作為財務困境公司，但是由于我國還未出現上市公司破產的情況，無法取得實際的數據，本文選取吉林省在2010年～2013年3月31日之間被ST處理的股票和隨機選取的未被ST處理的10家股票作為樣本。

（三）吉林省上市公司Z值計算和分析

由2010年～2012年樣本上市公司Z值，可以得到：

（1）ST上市公司Z值分布情況。從表1可以看出，Z模型對于所選取的ST公司的判定結果顯示，2010年～2012年3年中，判定正確率為100%。說明該模型對于ST上市公司具有較好的判定能力，可以在實際中用該模型對ST上市公司進行財務預警判別。

表1 ST上市公司Z值分布情況

（2）非ST上市公司Z值分布情況。從表2以看出，2010年～2012年3年中，除在2010年一汽轎車的Z值大于2.675，表明財務狀況良好外，其他公司Z值均低于1.81。2010年正確判定為10%，2011年和2012年正確判定率為0，誤判率高達100%。說明Altman Z模型對于吉林省非ST上市公司不具有判定效應，不能用來進行財務預警判別。

表2 非ST上市公司Z值分布情況

三、吉林省上市公司財務危機的應對措施

（一）增強企業的營運能力

營運能力是指企業的經營運行能力，即企業運用各項資產以賺取利潤的能力。要增強企業的營運能力，可以從以下幾方面入手：確立優化資本、提升價值等資本運營的理念；建立現代企業制度、營造資本運營的微觀基礎；培訓資本運營人才、造就優秀企業家隊伍。

（二）增加留存收益的積累

留存收益是指企業從歷年實現的利潤中提取或形成的留存于企業的內部積累。要提高企業留存收益的積累，根本方面還是在于企業是否能夠取得利潤。此外，在不影響企業長期發展和股票價格的前提下，盡量避免發放現金股利。

（三）提高企業的獲利能力

企業經營的核心首先是生存、發展，最終要實現盈利，利潤是衡量一個企業是否優秀的標準。隨著全球金融危機的進一步加劇和蔓延，行業平均利潤率水平將不斷縮水，企業發展的機會和空間會越來越小。因此，企業必須要尋找新的利潤增長點，打造出一個適合自己的盈利模式，提升企業盈利能力。

四、結論

篇8

在Logit回歸模型中，因變量設為Y，服從二項分布，取值為0（無財務危機）和1（有財務危機），自變量為X1、X2、X3、X4、X5、X6，分別表示每股負債、每股收益、凈資產收益率、流動比率、每股未分配利潤、營業收入增長率這六大財務指標。

事件發生（Pi）與不發生（1-Pi）的概率之比為OR值，對OR值做對數變換，即可得到Logit回歸模型的線性模式ln=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6。

二、樣本選取及ST&非ST上市公司財務數據搜集

使用的數據均來自國泰安數據庫，選取121家ST上市公司及2925家非ST上市公司的六大指標財務數據，并從中隨機選擇16家ST及9家非ST，再進行隨機排列，選擇前20家公司作為目標樣本。

三、確定Logit回歸方程參數值

導入數據至SPSS19.0，采用向后Wald法，以sig.

此外，將此模型用于被ST的121家上市公司進行總體檢測，現121例個案中僅有5例預測有誤，預測精度達到95.87%。

由表4可知，在118家非ST上市公司中，該模型正確識別了109家公司，錯誤識別9家公司，預測精度達92.4%；而在118家ST公司中，該模型正確識別了99家，錯誤識別19家公司，預測精度也達到83.9%，模型總的正確率為88.1%，具有較高的預測能力，因此可以運用此模型對上市公司進行財務預警。

四、Logit模型財務預警的現實意義

篇9

一、財務危機預警模型

二、研究設計

（一）樣本選取及數據來源 本文選取2010、2011年滬深兩市A股首次被ST的上市公司作為研究樣本，共計42家，按照財務危機理論，選擇32家財務狀況異常而被特別處理（即ST）的上市公司作為本文的研究樣本。此外，根據會計期間一致、行業相同、企業資產規模相似的配對樣本選擇標準以及1：1原則，從滬深股市選擇配對樣本A股上市公司32家， 共64家公司作為本文的研究樣本。

ST公司T-1、T-2年度的審計計算結果中“凈利潤”為負，公司出現財務危機的特征已經非常明顯，研究意義不大；此外，早在2002年就有學者研究發現，在T-4年度，財務危機企業與正常企業之間不存在顯著性差異。因此，本文選用最有效的預測年度T-3年度數據，力求準確地預測企業未來的健康狀況。

（二）財務指標 根據信息的完整性原則，結合我國上市公司的財務危機特征，本研究初步選擇償債能力、營運能力、盈利能力、獲現能力和發展能力5個方面的24個財務指標。其中償債能力包括：流動比率X1、速動比率X2、現金流量比率X3、資產負債率X4、產權比率X5、利息保障倍數X6；營運能力包括：存貨周轉率X7、應收賬款周轉率X8、流動資產周轉率X9、固定資產周轉率X10、總資產周轉率X11；盈利能力包括：銷售凈利率X12、主營業務毛利率X13、主營業務凈利率X14、成本費用利潤率X15、凈資產收益率X16、總資產收益率X17；獲現能力包括：經營活動現金流入流出比率X18、經營活動現金凈流量增長率X19、每股經營活動凈現金流量X20；發展能力包括：主營業務收入增長率X21、營業利潤增長率X22、凈資產增長率X23、總資產增長率X24。

（三）非財務指標 根據信息的重要性原則，本文初步選擇股權結構、管理結構、重大事項、人力資本和其他指標5個方面的12個非財務指標，如表1所示。

三、實證結果與分析

（一）正態性檢驗 本文統一整理36個預警指標，利用K-S檢驗進行正態性檢驗，其中有現金流動比率、資產負債率、固定資產周轉率、總資產周轉率、凈資產收益率、總資產收益率、每股經營活動凈現金流量、主營業務收入增長率、第一大股東持股比例、前五大股東持股比例和、員工素質11個樣本指標通過了正態性檢驗，符合正態分布；剩余的25個樣本指標總體不符合正態性分布。

（二）顯著性檢驗 具體有：

（1）T檢驗。對11個服從正態性的預警指標利用兩個獨立樣本的T檢驗做顯著性檢驗，其中有現金流量比率、固定資產周轉率、每股經營活動凈現金流量、主營業務收入增長率、員工素質這5個樣本指標沒有通過顯著性水平，指標沒有顯著性差異。而資產負債率、總資產周轉率、凈資產收益率、總資產收益率、第一大股東持股比例、前五大股東持股比例和這6個樣本指標的通過了顯著性檢驗，指標具有顯著性差異。

（2）非參數檢驗。25個總體不服從正態性分布的預警指標利用兩獨立樣本的非參數檢驗做顯著性檢驗，其中有7個預警指標存貨周轉率、經營活動現金流入流出比率、經營活動現金凈流量增長率、董事長和總經理雙職合一、管理費用率、會計師事務所變更、地區生產總值沒有通過顯著性檢驗；剩余的18個樣本指標通過了顯著性檢驗。

綜合以上的分析，在T檢驗的11個樣本指標當中，有6個指標通過了顯著性檢驗，在非參數檢驗的25個樣本指標中有18個通過了顯著性檢驗，合計24個預警指標將成為本文的最終指標體系，其余不具有顯著性的指標則予以剔除。

（三）因子分析 采用主成分法提取公共因子如表2所示。

（四）Logistic回歸方法 根據前文提取的用于反映整體指標信息的公共因子構建二元Logistic回歸財務危機預警模型，選用Forward：Wald逐步向前法對變量進行剔除，檢驗每一步引入新的變量之后所有變量對于整個模型的顯著性，保留每一步對于整個模型顯著的變量，得到最后的預警模型。模型構建函數如表3所示：

根據構建結果知道，最后留在預測模型中的變量有6個，包括F2、F3、F4、F5、F6和常數項。公共因子顯著性判別Sig的值都小于0.05，證明這5個變量F2、F3、F4、F5、F6對預測模型具有顯著性影響； 而常數項的Sig值為0.675比預先設定的臨界值0.05大，證明常數項對整個模型沒有顯著性影響。在Logistic回歸里，Exp（B）反映了自變量變動一個單位而引起的發生比Odds的變化率，可見F2因子對于Odds比的影響最大，每變動一個單位將會引起Odds比132.339個單位的變化； 其次是F6， 每變動一個單位Odds比變動24.635；而其他幾個公共因子包括常數項的變動引起Odds比的變動比較微弱。根據B列系數項得到最終的財務預警模型為：

本文根據前人研究的經驗，選取以0.5為判別分界點：當P>0.5時，判別為危機企業，數值越大，說明該企業在未來幾年內發生財務困境的可能性就越大；當P

二元Logistic回歸預警模型預測結果中，預警模型對于樣本公司的兩個類別ST公司和配對公司的判別結果相差不多，并且預測效果都很好。樣本公司的32家ST公司中有31家被判斷正確，判斷正確率為96.9%；只有1家公司被判斷錯誤，錯判率為3.1%。原來的32家配對公司中，有30家被判斷正確，判斷正確率為93.8%；只有2家公司被判斷錯誤，錯判率為6.2%。整體預測準確率達到了95.3%，判斷錯誤率為4.7%。

（五）Fisher判別分析方法 利用Fisher判別構建財務危機預警模型，運用步進式方法中最常用的Wilks-Lambda方法將變量引進構建判別模型可以得到判別模型，分析中的變量系數如表5所示。

根據預警模型可以計算出樣本的判別值y，y值與判別閥值0之間進行比較。若y0，為財務狀況正常公司。預警模型的預測能力如表6所示：

Fisher預警模型預測結果中，預警模型對于樣本公司的兩個類別ST公司和配對公司的判別結果相差不多，并且預測效果都很好。 32家ST公司中有29家被判斷正確，判斷正確率為90.6%；只有3家公司被判斷錯誤，錯判率為9.4%。32家正常公司中，同樣也有30家被判斷正確，判斷正確率為93.8%；只有2家公司被判斷錯誤，錯判率為6.3%。整體預測準確率達到了92.2%，判斷錯誤率為7.8%。

（六）logistic回歸與Fisher判別模型對比分析 由表7得知，兩種判別分析方法對于研究樣本的判別結果比較接近，沒有太大的差異，而Logistic回歸對于總體的判斷正確率為95.3%，比Fisher判別的92.2%高出了3.1個百分點。從模型結果層面上看造成這種結果的原因：Logistic回歸對于被ST公司的判斷正確率為96.9%，比Fisher判別的90.6%高出6.3個百分點；Logistic回歸對于配對公司的判斷正確率為93.8%，等于Fisher判別的93.8%。從模型構建層面上看造成這種結果的原因：假如對于引入的自變量X總體滿足正態性分布、且有相等的方差-協方差矩陣等條件，從二分點判別的角度上來講Fisher判別模型可以作為Logistic判別模型的一個特例來看待；引入的變量指標不全是總體上滿足正態性分布的，并且本文在選擇配對樣本的時候主觀上本著相似性原則，但是相似與理論上面的相等還是有一定的差距，而引入Fisher判別模型時已經默認了樣本的協方差矩陣是相等的；Logistic模型在計算過程中使用最大似然估計法，其實并不是最優無偏估計，但統計學認為大樣本（樣本量大于30）情況下，是漸近無偏的。因此，從理論上面來講Fisher判別在使用時具有比較嚴格的使用條件，而Logistic回歸相對于Fisher判別卻不存在這些制約條件。

四、結論

在本文研究中，選用樣本公司財務危機發生前3年的財務數據結合一些量化的非財務信息進行預測，兩種方法的準確率都在92%以上，而且不管對于ST公司、正常公司還是總體，判別效率都超過90%；尤其是Logistic回歸預警模型，總體判別準確率達到95%以上，對于配對公司的判別正確率基本達到97%。這說明：第一，非財務信息能夠很好地配合財務指標進行預警分析，提高預測的準確性；第二，本文采用logistic回歸與Fisher判別分析構建的財務危機預警模型都具有很強的預測性，在實際中都有著重要的實踐指導意義；第三，比較兩種判定模型的預測效果表明，Logistic模型的判定準確性較高。

參考文獻：

[1]吳星澤：《財務危機預警研究：存在問題與框架重構》，《會計研究》2011年第2期。

篇10

【關鍵詞】 大數據； 財務預警； 非財務指標； 系統結構模型

【中圖分類號】 C931 【文獻標識碼】 A 【文章編號】 1004-5937（2017）09-0095-05

一、研究現狀

財務預警是一個世界性難題。國外對財務預警的研究較國內要早，多集中在多變量動態分析模型的基礎之上，國內尚未有人提出適合我國企業實際并得到有效驗證的財務預警模型。國內很多學者對財務預警進行了開創性的嘗試，財務預警管理已經成為企業管理研究的一個熱點話題[1]。

財務預警從選取的指標上劃分，可以分為基于財務指標和非財務指標兩種。基于財務指標的財務預警效果一直受限于會計信息的失真和滯后性。而基于非財務指標的財務預警模型又因為指標獲取的主觀性飽受詬病。以2008年發表在《自然》雜志上論述大數據科學的多篇文章為標志，世界范圍內對數據科學問題的研究正式拉開帷幕。伴隨著社會實踐的推進以及科學技術的發展，國內外對大數據科學問題的研究進一步深入，現階段學者研究的主題主要圍繞以下方面：（1）大數據是什么，即如何對大數據進行科學規范的定義問題。（2）大數據的影響，即大數據技術的發展會對人類社會的發展產生怎樣的變革，其中所蘊含的機遇與挑戰是什么。（3）大數據應用于人類社會發展實踐中所必須得以突破的關鍵技術是什么以及應該如何進行突破。（4）面對大數據時代的到來該如何應對等。在社會經濟領域，Michael et al.[2]指出，大數據時代來臨的趨勢已經不可逆轉，在審計領域，審計師將大數據技術應用到審計工作中已經成為了應對時代變革的重要舉措，其呼聲也越來越高。宋彪等[3]首次把大數據引進財務預警模型，根據上市公司的ST情況進行了實證，結果顯示預警的效果大為提高。目前的相關研究大都提出技術框架，或者關注技術實現，大數據如何引入財經領域的理論論證尚未完善。本文從理論的角度分析了大數據指標引入的可行性和途徑。一般把大數據引入到財經領域的研究中，需要研究企業大數據信息正面情緒指標、中性情緒指標、負面情緒指標、正面與負面情緒交互指標以及大數據信息頻次指標。這里所說的大數據是為了與財務指標區分，嚴格意義上來講，財務指標也是企業大數據的一部分。本文所提及的大數據指標，是通過對互聯網上無數網民這個企業傳感器進行搜集和信號融合而得到的。它的特點是來源廣泛，結構非常復雜，需要從網絡的海量信息中在線篩選才可獲取，能夠從所有利益相關人在線回饋信號流角度反映企業運行的全貌，個別力量難以左右其趨勢，具有群體智慧性，并且呈信息碎片化和無意識狀態，符合大數據的相關定義。這些信號流中已經包含了以往財務預警研究中涉及到的非財務指標信息，而且這種信號傳遞的信息比以往研究中，通過調研或者一些定性方法獲得的個別非財務指標要更加客觀和全面。

二、基于系統結構模型的分析

確定大數據指標和非財務指標的關系，是一項極其龐大而復雜的任務。ISM即解釋結構模型，作為一種成熟的系統結構模型化技術，為研究大數據指標和非財務指標的系統關系提供了強有力的工具。

目前，非財務指標的既有研究所提出的各種指標缺乏系統性，研究非財務指標的系統性影響所使用的方法主要以規范為主，還沒有一個公認的非財務指標對財務危機的整體影響評價模型。非財務指標有必要進行系統分析，才能考慮引入財務危機預警模型，否則非財務指標之間結論不會穩定，甚至會出現自相矛盾的情況。

ISM模型構建主要有以下步驟：系統構成要素確定、鄰接矩陣確定、可達矩陣計算、層次化處理、繪制有向圖和形成遞階結構模型。研究大數據指標與非財務指標對財務危機預警的系統性關系，首先要確定相關指標。指標獲取方法主要是搜集文獻，搜集使用非財務指標進行財務危機預警的相關文獻，最終形成備擇文獻。其次，從備擇文獻中檢索出所有出現的非財務指標，整理形成備擇指標。最后，提請專家小組對備擇指標進行評價，對指標進行增減，以及對指標內涵進行新的擴展，從而得到完備指標要素，即構成ISM構成要素。系統由17個要素組成，如表1。

系統中的17要素是一個有機整體。為直觀顯示各要素之間的關系，本文利用鄰接矩陣進行描述，將要素間的直接影響表述為aij=1，即若要素之間沒有直接影響表述為aij=0，要素Ai對Aj沒有直接影響。根據專家組及相關人員分析之后，建立鄰接矩陣如表2。

根據鄰接矩陣可以構建要素關系圖，如圖1。

各個要素之間的直接關系是靠鄰接矩陣來表示的，然而事實上，間接關系也是這些要素之間要研究的重要內容。例如要素Ai會對Aj造成影響，同時Aj又對Ak產生影響，便將Ai視為基于Aj要素對Ak構成間接影響的要素，Ai對Ak產生了間接影響。這種間接影響則可以通過一個或者多個要素來進行傳遞。一般情況下研究的樣本中這些直接或者非直接的各個要素之間所形成的各種影響關系，可以使用可達矩陣M來進行描述。其中矩陣中的元素aij=1是用來描述要素Ai直接或非直接地影響到Aj，相反，aij=0。具體結果如表3。

接下來的研究需要進行級位劃分，主要是針對可達矩陣區域內元素進行地位確定，在整個過程中進行所有元素的層次地位劃分。將區域中基于影響關系構成的要素集合進行逐個排查，觀察找出系統中對其他任何要素都不產生影響的要素，將其定義為系統最高要素，并將其排除，之后重復上述過程逐級搜索一直到最低級的要素為止。

借助Matlab數據分析工具，可以快速將要素進行分級，結果見表4。

根據分級提取骨架矩陣，并構建遞階結構模型如圖2。

由圖2可以清楚地看到，大數據指標及非財務指標與財務危機關系系統是一個有8級的遞階結構模型。在線信號N1以及財務危機N2的直接原因就是股票價格N4的變化。而影響股票價格的直接原因有或有事項N5、審計意見N6、發展能力N14以及市場份額N17。或有事項和審計意見是一種外在因素，發展能力與市場份額的直接原因是公司治理N3和顧客滿意N11，公司治理的直接影響因素是股份結構N9和獨董人數N10，顧客滿意的直接影響因素是產品質量N12。股份結構與獨董人數的直接影響因素是戰略目標N13，而產品質量直接影響因素是技術目標N16。戰略目標的直接影響因素是市場變化N8，質量目標的直接影響因素是市場變化N8和創新能力N15。最低級行業背景N7是市場變化的原因。創新能力是一種系統客觀存在的狀態，在本系統中沒有直接影響因素。

根據要素全關系圖優化遞階結構模型，進而得到解釋結構模型，如圖3。

由于企業經營活動的復雜性，非財務指標的數量極其龐大，性質也特別復雜。對所有的非財務指標進行確定、跟蹤和分析是不可能的一項任務。系統中的各個非財務指標都是目前文獻中常用的，因此將未知的一些因素都放在或有事項里。這些指標在具體應用中的計算都比較困難，沒有統一的標準。往往靠定性分析，或者簡單地找到幾個財務指標來反映復雜的非財務指標內涵。在解釋結構模型中發現，在線信號可以預測股票價格的變化趨勢，這在國外的文獻中已有證明。同時，財務危機也是股票價格變化的一種結果，而且在線信號與財務危機具有相互作用的關系。因此以股票價格為流體，在線信號和財務危機形成一種連通器的構造，即在線信號的變化可以對財務危機進行同步的觀察和預測。由于在線信號量化的容易性，考慮用在線信號替代不易量化的非財務指標是一個有效的處理手段。

三、實證

為了對前面分析的結論進行驗證，本文采用網絡爬蟲技術對60家企業的所有相關全網網絡數據，包括博客、論壇、新聞等信息進行了采集，時間跨度為2009年1月1日到2013年12月31日。通過數據收集及數據清洗，共得到了7 000萬余條，其中大部分數據為文本信息。而文本信息本身具有非結構化和大量重復的特點。這些大數據反映的相關情緒引入到財務預警模型，能否起到改善預警效果的作用呢？首先對數據進行過濾，將文本信息中的o效信息篩選出去，并對剩余信息進行數值化處理。利用財經領域詞典對信息進行語義分析。同時為驗證大數據有效信息頻次對財務預警模型的影響，要對上市公司的相關有效信息進行頻次統計。考慮到制造業企業數量占全部上市企業總數量的比重最高，同時所在行業不同其表征的財務特點并不一致，具有風險的企業要遠遠小于正常企業的數量。為使模型在實際應用中具有更好的代表性，研究中把制造業作為模型研究的樣本企業。

在滬深A股中，制造業企業中的危機企業（以ST為準）要遠遠小于正常企業的數量。若按照資產規模進行1■1配對抽樣，則會認為破壞樣本的隨機性，致使模型效果虛高，模型預測精度夸大[4]。目前，基于資產規模原則進行配對，雖為通行做法但缺乏有力的理論根據，而本文也利用此種配對方式進行了檢驗，結果顯示對危機判斷中的表現并不顯著。因而，本文并未采用上述原則，而是將危機企業和正常企業采用1■2的方式進行隨機抽樣配比。收集的企業信息共有60家，其中包括20家危機企業和40家正常企業，危機企業的樣本主要來源于2012年、2013年的工業制造企業（被滬深兩市特別處理的），11家危機企業和22家正常企業來自2012年，另有9家危機企業和18家正常企業來自于2013年。危機企業選擇的是上市以來首次被處理，超過5年的上市時間，被特別處理是因為連續兩年虧損。采取隨機抽取的原則對正常企業（上市時間超過5年，且未被處理過的工業上市企業）的樣本進行選取，其財務指標源于RESST數據庫。

選擇了32個財務指標和4個大數據指標（文本積極、消極、頻次和交互情緒），利用T-2和T-3年度的數據，對T年通過支持向量機模型進行預測、驗證和比較（模型制定以及訓練過程等限于篇幅不再給出，可查詢參考文獻[3]）。結果如表5。

從比較結果可以看出，在財務預警模型中引入大數據指標，可以顯著改善預測的性能，而且在距離被預測年度的期間越大，大數據指標表現得越好。本文認為其原因是一些非正式來源的準確消息對滯后的財務信息起到了修正作用。

四、結論

大數據引入是各領域如何選取指標的一個難題。本文通過系統結構模型，理論上分析出在線大數據信號可以影響財務預警效果，進而指出可以通過大數據指標對企業財務預警模型進行優化。采集了60家上市企業，對結論進行了驗證，研究結果為財經領域如何引入大數據提供了新的思路。后續研究將對大數據指標進行細分，并引入深度學習算法，實現無人監督算法的財經預測模型，進一步規避人為主觀性帶來的影響。

【參考文獻】

[1] 馬忠華.財務預警方法評析[J].會計之友，2012（3）：100-101.

[2] MICHAEL A，MIKLOS A V. Thick data： adding context to big data to enhance auditability[J].International Journal of Auditing Technology，2014，2（2）：95-108.