财务危机预警应用（共11篇）
财务危机预警应用 篇1
在竞争激烈的市场经济舞台，总有一些企业因失误，甚至陷于危机，但任何危机都有一个逐步显现、不断恶化的过程，也最终会通过财务指数反映出来。及早察觉危机的信号，及时对发现的问题进行分析并采取有效措施，化逆境为顺境，是包括成功企业在内的任何企业所必需的。小而言之，它能保证企业的成长，促进经济的发展;大而言之，它是企业规避风险或摆脱危机的理论，对构建企业现代化的经营管理机制和提高管理水平具有普遍性意义。
一、系统样本的选择及分组
1. 样本选择
与中小企业相比而言，上市公司财务制度更加健全，财务数据更加规范和透明。同时，上市公司作为我国企业改革的先锋，面对的是众多的投资者，这就要求上市公司应该进一步提高风险意识，加强风险管理。在这里，把上市公司作为财务危机预警系统的研究对象。对于上市公司来说，建立和实施财务风险预警系统将更加紧迫和实用。
本文把上市公司中的ST公司作为财务危机型企业，相应地，其他企业均作为健康型企业。以2006年上半年沪深两市中首次被ST的公司作为初始样本，选择其中20家公司，并按照行业相同，总资产规模相近原则，选择20家非ST公司与之配对。样本公司如下表所示：
2. 样本分组
以上两类样本共包括了40家上市公司，为了切实检验模型的预测能力，从两类样本中分别随机抽取10家，即总共20家上市公司重新组成一组，作为构建财务危机预警模型，剩下20家上市公司组成另一组，作为检验样本用来检验预测模型的有效性。
二、数据选择
与以往研究不同的是，本文没有利用样本公司T-1 (ST之前第一年，即2005年)年和T-2 (ST之前第二年，即2004年)年的有关数据，而是利用T-3年的数据，即2003年的有关数据。之所以不采用T-1年的数据预测2006年的ST，这同ST的决定机制有关。2006年被ST的公司实际上是由于它们在2004年和2005年里连续亏损。因此，对于某一特定公司，在2005年的时候就已经知道它会不会在2006年被ST，用2005年的信息预测2006年公司财务困境事实上没有意义。同时本文也不采用T-2年的数据，因为如果一个公司在2004年有利润，那么该公司即使在2005年亏损也不会被ST。而一个公司如果在2004年亏损，基于这一数据对2006年ST的预测将变成简单的对2005年亏损还是盈利的预测。使用2003年，即ST之前第三年的数据，则不存在这些问题。此外，有关人员研究发现，在T-4年是，财务困境企业与正常企业之间的差异是不明显的，公司财务困境的有效预测期往往以T-3年为起点。
本文所用会计信息方面的数据来自证券之星网站、深沪证券交易所网站以及上市公司的年度报告。
三、指标选择
1. 模型指标的分类
建立财务预警模型，其中最基础的工作之一便是确定模型的自变量，即模型的指标。在参照国内外学者研究成果的基础上，结合我国上市公司的实际情况，选择了能反映公司偿债能力、营运能力、成长能力、盈利能力和现金流量状况的五大类17个指标作为我国上市公司财务预警指标，各指标说明如下：
2. 模型指标的确定原则
确定基础指标时应考虑下述原则：
(1) 可测性原则。建立财务预警系统的目的是为财务管理人员提供管理与控制的依据，设计指标体系时必须考虑其可操作性，要简明适用。即选取的指标不仅应符合财务预警目的，更应有数据支持。也就是说，评价指标的数据应容易取得。
(2) 预测性原则。财务预警要求能对企业的财务风险进行预测，因而，选取的指标也应具有预测性。
(3) 全面性原则。在系统的构建中，所考虑纳入的指标应能够全面揭示企业的财务风险，且要求各指标间具有较强的互补性。为保证综合评价结构客观准确，在初步建立指标体系时应尽可能地选取可以概括反映企业财务状况的指标，以便最终确定指标体系时有筛选余地。
(4) 可比性原则。选取指标时，应注意评价指标口径范围和计算方法的纵向可比和横向可比原则。在对同一事物不同时期的评价中应注意纵向可比，而对同一时期不同事物之间评价中应注意横向可比。
(5) 科学性原则。企业财务预警指标体系的构建要按照企业财务危机理论原因科学设计，指标体系应能够对各大原因做出合理科学描述。
(6) 协调性原则。在选取评价指标时，应注意与所采用预警方法相协调。有的方法本身能够消除指标之间的相互干扰和替代，这时选取指标应多注意全面性口而另一些方法却要求评价指标间尽可能不相关，这时就注意指标的代表性。
三、模型基础指标的确定
上述包括17个指标的基础指标体系，是进行指标筛选的基础。因为，现在还不能说明财务危机型企业与健康型企业在这些指标上存在着重大差异。
对于应当选择何种指标来揭示企业可能出现的财务危机的研究，已有大量的经验性研究成果，本文通过总结这些经验性研究，找出那些被研究人员普遍采用且被证明有效的指标，以此作为财务预警模型的备选变量，分别是：流动比率 (X1) 、流动负债总负债比 (X2) 、资产负债率 (X4) 、总资产周转率 (X7)、净资产收益率 (X8) 、总资产增长率(X16)、每股现金流量活动现金流量净额 (X17) 。
四、模型的构建及分析
1. 模型选择
结合中国上市公司的实际情况，本文采用多元逻辑回归模型(Logistic模型)作为基本分析模型。主要原因有三点：第一，Logistic回归模型对自变量的概率分布没有具体要求，适用范围更广;第二，Logistic回归模型在实际运用中简单方便;第三，国内学者绝大多数都使用Logistic回归模型，是研究财务困境的主流方法。
2. 模型解释
逻辑回归模型是解决0～1回归问题行之有效的方法。假设Xi为第i个发生财务危机的预警变量矩阵，那么其发生财务危机的概率Pi和Xi之间存在如下回归关系：
Pi=exp (Yi)/[1+exp (Yi)]，其中Yi=α+ΣbiXi
上式中Yi值为总判别分它反映的是第i项在总体中某一上市公司综合财务状况的数量特征;bi为权数，表示对有关自变量Xi的重视程度;Xi是与财务危机预警有关的财务比率;α为随机干扰项。
逻辑回归模型的曲线为S型，且其预警的最大值趋近1，其预警的最小值趋近0。一般选择50%作为分割点，其含义是如果通过逻辑回归密性计算出来的发生财务危机的概率Pi大于0.5，那么该上市公司可以归入发生财务危机的ST公司，如果发生财务危机的概率Pi小于0.5，那么该上市公司视为正常公司。
3. 模型的建立
运用spss13.0统计软件，采用Forward Conditional方法对20家估计样本公司(其中包括10家ST公司和10家非ST公司)进行逻辑回归分析，结果如下表所示：
显然，检验结果是流动比率(X1)、净资产收益率(X8)、总资产增长率 (X16) 这三个财务比率指标进入了模型。根据公式Yi=b1X1+b2X2+b3X3+…biXi+α=α+ΣbiXi，将表4-3中的步骤3计算结果代入上述公式，得到以下上市公司财务危机模型：
将其代入公式Pi=exp (Yi)/[1+exp (Yi)]，得以下上市公司财务危机模型：
4. 模型的应用及结果分析
将上述模型的判别临界值确定为0.5，即当上市公司的Pi值大于0.5，那么该上市公司可以归入发生财务危机的ST公司，如果发生财务危机的概率Pi小于0.5，那么该上市公司视为正常公司。使用以上建立的Logistic模型对剩余20家检验样本公司进行预测，结果如下表显示：
结果显示，10家ST公司有5家被误判为非ST公司，误判率为50%;10家非ST公司中有1家被误判为ST公司，误判率为10%，总体而言，预测模型对检验样本的总误判率为30%，预测准确率为70%。这说明本模型在企业财务危机发生前两年具有较高的预测准确率。
对模型预测的结果可以从两个方面进行认识：一方面说明该预警模型具有一定的科学性、有效性和灵敏性，它可以成为上市公司量化财务风险以及进一步加强对财务风险进行管理的有效预警工具。但其中还存在一些问题，如在确定样本企业时，本文将因财务状况异常而被宣布为特别处理的企业 (即ST企业) 作为财务危机企业，除此之外的企业均作为健康企业。这种界定财务危机的方法是否合理，未有定论。从我国己有的关于企业财务预警的研究来看，绝大多数文献均将ST企业界定为财务危机企业，在没有更好的企业财务危机界定标准之前，这种方法就是目前较好的界定财务危机企业的方式了，这也在一定程度上影响了模型预警效果的准确率。
实证表明，任何预警模型的准确率都不可能达到100%，本模型也不例外，其原因除了模型本身的构建方法上有待改进外，我国上市公司中存在的诸多问题和弊端也是预警模型出现误判的主要原因：第一，从模型的预测结果看，绝大多数的ST公司在财务危机发生前两年就表现出明显征兆，但管理当局并没有充分重视这一事实，对公司经营末采取积极有效的措施，使企业最终步入ST行列，这也充分暴露出上市公司本身缺乏风险意识，对广大投资者和债权人采取不负责任的态度，使广大的投资者和债权人最终成为受害者。再有效的预警系统也只能是提供企业可能发生财务危机的信号，如果上市公司对此信号听之任之，预警系统并不能真正发挥预警职能，也就违背了财务预警研究的初衷。第二，管理当局即使意识到企业存在发生财务危机的潜在可能，但由于受各方面条件的约束和限制，企业尽管采取了一系列措施，但并不能真正达到力挽狂澜的目的，因而使企业由两年前财务危机发生的可能性演变为两年后被证监会宣布为ST的事实。第三，现在上市公司中普遍存在着比较严重的操纵会计利润的动机和行为，他们通过各种手段以达到改善并美化会计信息的目的，由此得出的各项指标并不能真正反映企业经营的真实状况，进而影响建立在财务指标基础上的财务预警模型的可靠性，通过模型检测企业财务状况表现正常，但企业事实上却蕴含了极大的财务风险，这种风险积聚到一定程度便会发展成财务危机，因而使模型的预测结果与企业的真实情况发生差异，使运用该模型预测发生误判。
摘要：构建一个有效适用的财务预警系统, 对财务运营做出预测预报, 无论从哪个立场分析都是十分必要的。及早察觉危机的信号, 及时对发现的问题进行分析并采取有效措施, 化逆境为顺境, 是包括成功企业在内的任何企业所必需的。本文把部分上市公司作为财务危机预警系统的研究对象, 对如何构建财务预警模型及模型的具体应用进行了阐述。
关键词：财务预警系统,财务危机,构建及应用
参考文献
[1]张鸣张艳程涛:企业财务预警研究前沿[M].北京:中国财政经济出版社, 2004
[2]路杨:上市公司财务危机预警的理论与实证研究[D].山东:青岛大学, 2004
[3]谢芳:财务危机智能预警:指标选择与技术路线[J].财会通讯 (学术版) , 2006, 8:12～14
[4]张喜柱秦学诗:企业财务预警系统研究[J].财务与会计.2006, 27 (6) :75～78
[5]姚靠华蒋艳辉:静态财务预警与动态财务预警系统比较研究[J].长沙铁道学院学报 (社会科学版) , 2005, 6
财务危机预警应用 篇2
本文在对比分析了各种企业财务危机预警方法的`基础上,提出基于模糊综合评价方法的企业财务风险预警模型,并作了实证分析.
作 者：高艳青 栾甫贵 作者单位：北京工业大学经济与管理学院,北京,100022 刊 名：经济问题探索 PKU CSSCI英文刊名：INQUIRY INTO ECONOMIC PROBLEMS 年，卷(期)： “”(1) 分类号： 关键词：模糊综合评价法 层次分析法 财务危机预警
财务危机预警模型的构建 篇3
[关键词] 主成分分析财务预警
近些年，随着竞争的加剧、管理的失误，公司出现财务危机的现象频频出现。为此，急需建立一个财务预警模型。
一、预警模型的建立
1.财务预警指标体系的建立
上市公司被特别处理的原因不尽相同，因此本文从反映公司综合实力出发选择以下九个财务指标，分别是净资产收益率X1、销售利润率X2、总资产报酬率X3、总资产周转率X4、流动资产周转率X5、资产负债率X6、速动比率X7、现金流量比率X8、长期资产适合率X9。
2.样本的选取和数据来源
研究样本是四川省所有的上市公司，共计64家。样本数据来自于2006年公开披露的财务报表，主要从银河证券、证券之星网取得有关个股资料。在64家公司中，把它们随机分为两组：估计样本组44家（34家正常公司和10家ST公司）和测试样本组20家（15家正常公司和5家ST公司）。
3.主成分分析及预警模型
运用SPSS软件对样本进行主成分分析，结果见表1、表2、表3。
表1 财务指标间的相关系数
由表1可知：财务指标之间不存在严重的多重共线性。
表2 主成分贡献率与累计贡献率（%）
我们取累计贡献率为94.426%，即用6个主成分代替原有的9个财务指标，为了对所取得的6个主成分进行解释，需要得到9个财务指标对6个主成分的因子载荷矩阵。
表3 因子载荷矩阵
综合表2、表3，可以得到公司的预测分值Y与9个财务指标间的表达式:Y=0.36X1+0.08X2+0.18X3+0.22X4+0.18X5+ 0.36X6+0.17X7-0.27X8+0.12X9，将64家上市公司的各项财务指标代入上式，计算得到各公司的预测分值Y并进行分类，结果见表4。
由表4我们可以得到如下评价区域：
Y>1 为财务状况非常安全的区域
1>Y>0.5 为财务状况安全区域
0.5>Y>0 为财务状况预警区域
0>Y为财务状况危机区域
同时我们把安全类和危机类上市公司被列入预警区域均看作判断正确。
由此，我们可以得到如下判别分类结果：
表5判别分类结果
由表5可知：对于估计样本组来说，准确率达到97.73%；对于测试样本组来说，准确率达到95%；对于四川省64家公司来说，准确率达到96.88%。
二、结束语
从上面的分析結果来看，我们给出的预警模型的预测效果较好，能够比较准确地预测四川省上市公司的财务状况，具有较强的可信度。
参考文献：
[1]朱乃平孔玉生：工业公司财务危机预警模型的构建.统计与决策，2007.1
[2]曹小秋陈福：上市公司财务风险预警模型分析.中国乡镇企业会计，2005.12
[3]蔡壁洪：企业财务危机预警的定量分析指标探讨.财会研究，2002.8
财务危机预警应用 篇4
一、财务危机预警中财务指标的不足分析
以往的财务危机预警系统或者预警模型的研究当中, 所运用的预警指标主要是企业一定时期的基础财务指标和经营性指标, 包括现金状况预警指标、债务状况预警指标、投资状况预警指标、成本费用状况预警指标、盈利状况预警指标等等。这些财务指标对于财务危机有着较好的预警效果, 但也有其难以避免的不足之处:
第一, 财务指标大多以会计数据为基础, 由于会计分期等限制, 来自会计报表的许多财务指标是滞后的。会计报表是各部门、各项活动的综合结果, 财务指标只代表了企业所有者的利益, 体现不出其他利益相关者的意志, 如顾客和员工的满意程度等等。并且会计系统反映的是能用货币计量的经济资源, 无法体现如人力资源、创新能力等重要的无形能力的价值, 势必会影响到财务指标的准确性。
第二, 财务指标是种高度总结、概括性的指标, 对发现管理性问题的本质及提供解决方案和相关信息的作用非常有限, 不利于指导管理行为。并且财务指标评价体系中的各指标权重是人为事先设定的, 难免使评价结果带有一定的主观性。以财务指标为主的评价体系容易导致经营管理层的短视行为, 为追求短期财务效益而牺牲组织长远利益。
第三, 经营环境的不确定性、市场竞争的白热化程度以及经营活动的复杂性, 使得企业经营成果中不可计量、难以确定的因素越来越多, 企业经营行为与企业价值之间的关系也越来越复杂, 单纯的财务指标评价难以涵盖企业经营的各个方面。
二、财务危机预警中非财务指标的运用
鉴于财务指标的固有缺陷, 许多学者在进行财务预警研究时引进了非财务指标。非财务指标是指不能从企业的财务报表中分析取得、无法用财务数据计算, 而只能由企业某些外在特征即非财务信息体现出来的指标。财务预警指标的选择如果能够全面考虑财务与非财务两个角度, 将会使得财务预警工作更具科学性, 预警效果更加准确。在具体设计考虑具有预警作用的非财务指标时, 笔者认为可以分为两大类来进行讨论, 一类是企业外部因素指标, 另一类是企业内部因素指标。
(1) 企业外部因素。具体包括:
第一, 宏观经济、金融状况。国家宏观经济环境因素的变化应该引起企业的充分关注, 如国家产业政策变化、行业优惠政策的出台、商品质量标准的修订、国家税务政策的改变等等。在社会经济相对萧条的时候, 企业应该采用稳健的财务战略, 实施较为严格的财务预警标准。一定时期国家金融政策的变动, 对企业财务预警系统影响巨大。如银行基础利率的变化、货币政策的改变、国家信用政策的变动、各种金融交易的严格程度等, 都会对企业财务状况造成直接或间接的影响。一般来讲, 国家金融政策越严格, 企业的筹资活动和资金运作就会越困难, 可能会因此而引起短期财务危机甚至导致企业破产。有关的衡量指标有:消费者物价指数 (CPI) 、国内生产总值 (GDP) 、第一产业、第二产业、第三产业占国内生产总值的比例、货币存量和外汇储备量等。
第二, 行业风险。各个行业的不同特性也是影响企业财务风险的重要因素, 掌握总体的行业特性标准和差异, 可以提高企业财务状况分析质量。主要从以下两个方面来研究:首先, 企业所生产的产品或提供的劳务等是否属于社会的长效产品, 即是否是消费者长期需要的基本产品, 而不是某一特点时期生产的短效消费品;其次, 要看企业在整个消费市场中所占有的份额, 即通常讲的市场占有率。另外, 可以根据行业所处的发展阶段、产品特性、附加值高低、技术发展趋势、产品生命周期变化快慢、产品市场销售半径等确定供求总量及趋势, 准确预测行业发展趋势、产品市场空间, 合理进行企业竞争力分析, 促进行业间相关性和特性的分析, 合理确定评价重点。衡量行业风险的指标主要有:行业进入壁垒、行业对国民经济重要性、产品供求状况、行业投资报酬率和社会平均利润率比较等。
(2) 企业内部因素。具体包括:
第一, 财务报告附注信息。企业财务报告除了会计报表以外, 还有一些文字说明和信息披露, 这些附注信息对企业财务状况的说明力度有时候比会计报表还要大。重要的指标具体有:年报审计意见类型、是否更换会计师事务所、重大对外担保事项、大股东资金占用和企业关联方交易等。
第二, 企业治理结构。企业治理结构是企业内部机关设置及权利制衡的各项机制, 是一种联系并规范股东、董事会、高级管理人员权利和义务分配, 并对此进行监督的制度框架, 良好的公司治理结构对企业能否高效运转、是否具有竞争力起到决定性的作用。考察企业治理结构的指标和内容有:董事长或副董事长是否兼任总经理、董事会规模、独董比例、年度股东大会出席率和前三名高管报酬总额。
第三, 企业内部控制。从本质上讲, 内部控制是企业自我调节、自我完善、自我制约的一种内在机制。如果行使内部控制职权的决策者出了问题, 或企业内部管理人员串通作案时, 内部控制制度将失去其原本应有的功能, 因而产生财务危机。衡量企业内部控制状况的指标有:最高管理层是否追求不切实际的发展目标、董事会对高管阶层的监督是否有效、董事会成员是否具有一定的管理经验、董事会是否相对于管理层具有独立性、企业组织结构是否具有合理性、人力资源管理中对员工是否定期培训、对业绩良好的职工是否有奖励计划、对违规事项是否有处罚措施、高级管理人员对环境改变风险的应变能力、高级管理人员对顾客价值的重视程度、企业对实物资产是否进行定期盘点和安全检查、企业对信息处理的控制能力、企业是否建立内部经营信息资料、企业是否建立了顾客偏好的市场情报与信息资料、企业是否建立了竞争对手的相关经营资料、企业的内部监督活动是否持续。
第四, 企业经营能力。企业经营能力是指企业生产产品或者提供劳务的效率和优劣程度, 良好经营能力可以使企业对市场的变化应有很强的应变能力, 迅速适应市场。企业经营能力的衡量标准有:产品质量, 包括购进原材料、生产过程中的质量控制, 产品的技术含量、性能、使用价值情况;售后服务, 包括提供技术文档的及时性和完整性, 维修人员的技术水平, 维修的彻底性, 服务的及时性、服务的一次成功率、服务人员对待客户的态度等情况;交货效率, 指企业及时发货的次数占总发货次数的百分比, 考察企业的可信赖程度、声誉。
第五, 企业可持续发展潜力。企业想要可持续的发展下去, 就不能够只顾眼前利益作出短视的决策, 必须要充分合理利用自然资源, 保护环境, 且为了节约能源和提高效率而不断创新。衡量企业可持续发展潜力的标准有:技术创新, 指企业要不断改进现有产品, 使生产技术紧随国际先进水平不断更新;资源利用情况, 指企业是否充分利用现有的生产能力等方面情况, 可以从原材料利用率、设备利用率这两个指标进行评价;环境保障情况, 指企业可持续发展能力方面的情况, 可以从有害物质生成量、污染控制程度、废弃物再生利用率这三个指标进行评价。
非财务指标具有前瞻性、战略性、整体性等特点, 越来越受到企业和学者的重视。在具体使用非财务指标时, 与财务指标相比, 非财务指标数据的收集难度较大、成本较高, 尤其是定性指标, 要靠问卷调查、定性赋值等方法取得。传统的财务预警指标重视财务状况轻视非财务状况, 重视企业内部因素忽视企业外部因素, 重视经营结果轻视经营过程, 这些弊端都可以通过财务与非财务指标的综合运用来弥补和修正。综合运用财务与非财务指标, 可以使两种指标相辅相成, 优势互补, 更好的反映企业财务风险, 为企业财务危机预警提供科学、全面的依据, 使得财务预警结果更加准确、可信。
参考文献
[1]张鸣、张艳:《企业财务预警研究前沿》, 中国财政经济出版社2004年版。
[2]万希宁、王艳:《基于非财务指标的企业财务危机模糊预警模型研究》, 《管理学报》2007年第3期。
[3]廖永强、张玲、刘玲:《基于非财务和财务信息的财务预警实证研究》, 《现代管理科学》2008年第4期。
[4]杨轶:《财务预警研究中非财务指标选择综述与评价》, 《财会通讯》 (综合) 2008年第6期。
业财务危机预警系统浅谈 篇5
摘 要 本文从中国企业面料的竞争环境入手，阐述了企业财务危机预警系统的功能及特征，并对企业如何建立财务危机预警系统提供了一些建议。
关键词 企业 财务 预警系统
新的形势下，如何有效的规避与防范各种风险因素，防止企业在发展过程中陷入危机境地，成为当前企业管理的重点课题。当各种不测风险发生后，最易遭受侵害的必然是企业资金运动的中枢——财务管理系统，由财务状况逐渐恶化而导致财务危机。因此，建立一套完善有效的财务危机预警系统，及早诊断出危机信号，将危机消灭于萌芽阶段，成为现代企业财务管理工作的重要内容。所谓财务危机预警系统，就是以企业信息化为基础，以企业的财务报表、经营计划及其他相关的财务资料为依据，利用财会、金融、企业管理、市场营销等相关理论，采用比例分析、数学模型等方法，通过设置并观察一些敏感性财务指标的变化，对企业可能或将要面临的财务危机进行预测、预报的财务管理分析系统。
一、财务危机预警系统的功能及特征
企业的财务危机预警系统，作为一种规避和防范企业风险的工，其灵敏度越高就越能及早地发现问题并告知企业管理者，就越能有效地防范与解决问题、回避财务危机的发生，所以，一个有效的财务危机预警系统通常具有以下功能：
第一，信息处理功能。它通过收集与企业经营相关的产业政策、市场竞争状况、企业本身的各类财务和生产经营状况信息，进行分析比较，判断是否予以报警。
第二，危机预知功能。经过对大量信息的分析，当出现可能危害企业财务状况的关键因素时，财务危机预警系统能预先发出警告，提醒管理者早作准备或采取对策，避免潜在的风险演变成现实的损失，起到未雨绸缪、防患于未然的作用。
第三，控制危机功能。当财务危机征兆出现时，有效的财务危机预警系统不仅能预知并预告，还能及时寻找导致财务状况恶化的根源，使管理者有的放矢，对症下药，制定有效的措施，阻止财务状况的进一步恶化，避免财务危机真正发生。
第四，避免危机再次发生功能。有效的财务危机预警系统不仅能及时回避现存的财务危机，而且能通过系统详细地记录其发生缘由、解决措施、处理结果，并及时提出改进建议，弥补企业财务管理及企业经营中的缺陷，完善财务危机预警系统，从而既提供前车之鉴，又能从根本上消除隐患。
基于以上财务危机预警系统的功能，我们在构建一个有效的预警系统时，财务指标的选择必须具备以下两个基本的特性：
其一，必须具有高度的敏感性，即危机因素一旦萌生，能够从指标值上迅速反映出来；
其二，指标的先兆性，一旦指值趋于恶化，往往意味着危机可能发生或将要发生，亦即应当属于危机初步产生时的先兆性指标，而不是已经陷入嚴重危机状态时的结果性指标。
二、建立财务危机预警系统应做的工作
1．加强信息管理。财务危机预警系统必须以大量的信息为基础，这就要求强有力的信 息管理向预警系统提供全面的、准确的、及时的信息。要建立信息管理组织机构，配备必要 的专业人员，要明确信息收集、处理、贮存到反馈各环节的工作内容和要求以及信息专业人员的职责，提供必要的技术支持。
2．协调好各子系统之间的关系。企业是一个有机的整体，财务危机预警系统应该与其他子系统保持和谐的合作关系。应当考虑不同子系统的数据传递和各个子系统对各种数据的不同要求，实现企业数据共享，使各子系统之间的关系变得更加和谐。
3．完善内部控制制度。财务危机预警系统向内部控制制度提出了更高的要求。良好的内部控制制度应该包括法人治理结构完善、组织建设权责分明、交易处理程序适当、信息记 录真实、披露及时等内容。需要明确的一点是，虽然风险管理不当可能诱发财务危机，但二者并非是同一概念。风险是竞争的孪生体，是市场经济制度的一种必然现象。它虽然隐藏着危机，却也孕育着商机。尽管时刻面临着市场竞争的巨大压力，但危机的策源地或许更主要的是滋生于企业内部，如滞后的管理理念、错误的决策行为，以及由此伴随而来的资源配置 效率低下以及对竞争风险应对不当或功能乏力等的结果。单从财务危机预警系统方面而言，自然不足以揭示财务危机的本质和根源，但透过财务指标的优劣变化却能够使企业感受到危机的存在，这将有助于企业管理人员对危机的深层诱因进行延伸追溯，从而做到防患于未然。
参考文献：
[1]万希宁,苏秋根.关于上市公司财务失败预警的实证分析.商业研究.2003(12).
财务危机预警应用 篇6
一、我国上市公司应用财务危机预警系统的现实意义
财务危机预警系统作为一种成本低廉的诊断工具, 能实时对公司的生产经营过程和财务状况进行跟踪监控, 及时地进行财务预警分析, 发现财务状况异常的征兆, 并迅速报警, 及时采取应变措施, 避免或减少损失。在上市公司应用财务危机预警系统, 主要可以发挥四个作用:
1. 财务监测作用。
监测、跟踪企业的生产经营过程, 将企业生产经营的实际情况同企业预定的目标、计划、标准进行比较, 进行核算、考核, 找出偏差, 并从中发现产生偏差的原因或存在的问题。
2. 财务诊断作用。
它是根据跟踪检测的结果, 运用现代企业管理技术、诊断技术对公司营运状况之优劣做出判断, 找出公司运行中的弊端及其病根之所在。即分析“警度”, 告知“警情”的程度。并使经营者知其然, 更知其所以然, 制定有效措施, 阻止财务状况进一步恶化, 避免严重的财务危机真正发生。
3. 财务治疗作用。
财务治疗功能是在监测、诊断的基础上, 识别病根、对症下药, 更正企业营运中的偏差或过失, 使企业回到正常运转的轨道。准确来讲, 治疗功能并非财务预警系统的本质功能。但是, 一个有效的预警系统不仅应该能够找出企业的“症结”所在, 而且应该能够提出改进方案和应对措施。
4. 保健作用。
通过财务预警分析, 财务预警系统不仅能及时回避现存的财务危机, 而且能通过系统详细地记录其发生缘由、解决措施、处理结果, 并及时提出改进意见, 弥补公司现有财务管理及经营中的缺陷, 完善财务预替系统, 从而提供未来类似情况的前车之鉴, 更能从根本上消除隐患即“防警”。
二、我国上市公司财务预警系统应用中存在的问题
动态财务预警系统不仅仅包括有效的财务预警模型, 要使其能发挥作用, 还要配合有效的信息系统和内控系统。而由于我国上市公司发展状况的制约, 使我国在应用方面还有所欠缺。
1. 会计信息失真影响财务预警系统的有效性。
上市公司财务预警体系的设计运用了大量的财务数据, 真实及时的财务信息是建立有效可行的财务预警系统的基础。随着经营权与所有权的分离, 委托代理关系在上市公司中普遍存在, 委托人和代理人之间存在的信息不对称, 使得我国上市公司中存在着投资者和管理层之间信息不对称的问题, 管理层在会计信息编报方面拥有过大的权利, 而且现行的监督机制和独立审计机制难以确保上市公司的财务信息质量。这种普遍存在的会计信息失真现象势必影响财务预警系统的有效性, 从而进一步影响了有关利益各方运用财务预警系统的积极性。
2. 内部控制不完善。
企业的国有控制权不明确, 使得投资主体的监管形同虚设国有企业股权结构中的“一股独大”是中国上市公司的显著特征。在这种体制下, 由于缺乏有效的激励约束机制, 很多人并不能自觉地维护公司利益, 导致企业的内控失效。有的虽然也制定了比较全面的内控制度, 由于制度本身不切合实际, 制度的可操作性不强, 使得企业的内控制度成为一纸空文;有的虽然制定了一套比较切合自身实际并切实可行的内控制度, 却由于外部监督不力, 企业不愿执行, 将其束之高阁。
3. 上市公司决策层缺乏主动运用财务预警系统的意识。
目前, 我国证券市场还不够成熟、完善, 上市公司行为也不够规范。上市公司有关决策层往往受到“第一大股东”, 代表国有股或法人股的“关键人”的控制。甚至存在着控股方通过盈余管理手段“圈钱”, 利用关联方交易恶意造假, 肆意侵吞上市公司利益的特权消费现象。在这种不良但又比较普遍的行为当中, 一般的投资者是利益受损方, 而上市公司决策层是既得利益方, 使得上市公司决策层作为受益者, 缺乏主动运用财务预警系统的意识成为正常现象。
4. 财会人员素质不高。
法制观念淡薄有的财会人员忘记了法律赋予的权力和职责, 冒着被吊销会计从业资格证书的风险, 为单位领导的不法行为出谋划策, 粉饰经营业绩, 甚至侵吞国家财产, 更加加大了预警系统有效发挥作用的难度。
三、上市公司财务预警系统有效实施的建议
1. 财务危机预警系统的定性分析和定量分析的结合运用。
量化的财务指标能对财务状况进行总量控制, 而某些非财务指标和定性因素可对细节即具体过程进行控制, 以弥补财务指标的不足, 从微量上找出影响公司长期财务状况的动因。
财务预警是一种量化分析, 它有利于清晰、直观地反映上市公司的财务状况, 但它难以全面满足揭示上市公司财务危机程度的需要, 并不能完全替代传统的定性分析, 特别是财务报表的编制质量和审计质量等因素会直接决定模型结果的准确性和实用性。
企业应根据具体情况选择合适的维度评价企业的经营状况, 具体来说, 财务危机预警系统的实施的规则是:企业定期监测容易发生经营危机和财务危机的各种因素, 报告经营风险和财务风险, 建立风险报告制度, 并利用有经验分析人员的直觉判断作定性分析评价。同时, 定期运用预警模型进行量化分析。由于模型预测所使用的数据来自年度财务报告, 因此, 量化分析的时间可定为一年一次, 而非量化分析相对容易些, 可把时间定为一月一次, 甚至更短一些, 以便使预测更加及时有效。另外, 在年度财务危机预警时, 可把平时非量化分析结果和年度量化分析结果进行相互修正。例如, 企业按助gistic回归模型预测出在财务危机警戒线以上, 即企业不会发生财务危机, 但根据企业当年报表外的非财务信息 (如或有负债等表外因素) 、专业人员的经验判断计算出企业的定性评价指标总分在预测警戒线以下, 反映出企业存在着发生财务危机的可能性。若定性分析和定量分析得出相反的矛盾, 这就需要作出仔细判断, 专业人员的主观性是否过强, 还是定量分析模型因行业因素的变化需要重新建模。企业在仔细分析后, 再重新预测是否会发生财务危机。
3. 关注重点指标, 建立适合我国国情的财务危机预警指标体系。
首先, 关注主营业务指标, 加强主业监管。如果频繁变更主营业务, 上市公司的业绩无法得到保障, 具有很大的不稳定性, 投资者很难有一个合理的业绩预期, 这对投资者和上市公司来说都是很大的风险。如果主营业务急剧萎缩, 并且造成这种情况的因素是根本性的, 持续性的, 那么上市公司就有可能陷入财务困境。上市公司大多是高新技术企业, 其核心能力强弱的直接市场表现无疑是主营业务收入/总资产指标。该指标通过与市场或行业平均 (先进) 水平的比较及其走势的考察, 可以对上市公司市场竞争的优劣态势有一个较为清晰的判断。如果该指标经常低于市场或行业的平均 (先进) 水平, 且成持续走低杰势块上市公司财务危机预警问题研究的话, 便意味着上市公司处于竞争的不利地位。如果不及时扭转, 将导致严重的财务危机。因此, 上市公司要强调突出主营业务, 在评估上市公司主业竞争能力时要关注主营业务收入/总资产指标。只有如此, 才有可能建立真正有效的财务危机预警指标体系。其次, 关注资产管理能力指标和负债比率指标。判别盈利公司与财务危机公司的财务差异, 资产管理能力指标和负债比率指标有着中长期的判别作用, 而盈利能力及回报能力、资产流动性和公司增长能力指标则短期判别能力强。在防范上市公司的财务危机时, 应侧重于资产管理能力指标和负债比率指标。
3. 进行预警指标的敏感性分析。
敏感性分析是指企业的财务指标的变动对预警结果的影响程度, 重要指标的变动会对企业产生较大影响。预警系统一旦报警, 管理曾首先要确定是哪些指标偏离造成的危机, 进而采取相应措施进行调整。调整可以针对某一个指标, 也可以是某几个指标。选取哪种方式更有效、更经济, 管理层有必要在敏感性和调整难度之间进行权衡, 选取适当的调整方式。
摘要：竞争激烈的市场经济带来机遇的同时也使得企业经营面临更大的风险和危机。为了在激烈的市场竟争中求生存谋发展, 我国上市公司必须建立财务预警系统, 它能帮助企业正确地预测、防范财务危机。本文在论述财务危机预警系统的现实意义、分析其应用所存在问题的基础上, 对上市公司有效应用财务预警系统提出了建议。
关键词：上市公司,财务危机,预警系统,应用
参考文献
[1]张鸣张艳程涛:企业财务预警研究前沿[M].北京:中国财政经济出版社, 2004
[2]张艳秋王彤彤:我国上市公司财务危机预警系统应用研究[J].会计之友, 2008, (3)
[3]吕长江周现华:上市公司财务困境预测方法的比较研究[J].吉林大学社会科学学报, 2005, (6)
[4]张喜柱秦学诗:企业财务预警系统研究[J].财务与会计, 2006, (6)
财务危机预警应用 篇7
关键词：财务危机,预警,违约距离,Logit回归
1 前言
上市公司若陷入财务困境不仅危及自身的生存和发展,也将给利益相关人带来巨大损失,财务困境预警也日益受到关注,同时,由于我国证券市场日益规范和完善,也具备了根据企业信息构建更为有效、快捷财务困境预警机制的可能性。长期以来,国内学者对国内上市公司财务困境预警开展了广泛研究,鲁炜等(2003)研究了KMV模型在公司价值评估中的应用问题;张玲、陈收(2004)通过调整股权市值计算和违约点设定方法,运用KMV模型评价上市公司的信用风险,并检验模型识别上市公司信用风险的能力;马若微(2006)对比分析Logistic、Fisher等模型后,肯定了KMV模型对上市公司财务困境的预警优势明显;夏红芳、马俊海(2008)通过对国内4家上市公司股票价格的违约距离实证分析,检验了KMV模型的灵敏度;孙小琰等(2008)利用修正后的KMV模型估算ST公司的净资产价值和虚拟价值——“壳”资源价值,在一定程度上解释了国内证券市场上ST公司被追捧的原因。值得注意的是,目前研究成果主要偏重于财务比率指标与公司股票市场价值,忽略了企业经营者粉饰财务报表的动机,同时,财务指标本身的滞后性也影响了报表信息的及时性。除了财务比率指标、公司股票价格及波动外,企业的经营效率、股权结构、外部经济环境的影响等不能量化的表外因素也对企业财务困境的进程产生重要影响。构建一个系统、科学的财务困境预警系统,对于管理者预先采取有效防范措施、保护公司债权人、投资者利益、降低金融机构信贷风险及提高政府对于上市公司的监管质量,均具有非常重要的现实意义和广阔的应用前景。
2 理论模型
KMV模型是由美国的KMV公司于20世纪90年代利用BS期权定价理论和莫顿理论开发的一种用来估计借款企业违约概率的预测模型,可以预测那些股权公开交易的上市公司和银行的违约概率。该模型把公司权益和负债视为期权,把公司资本作为标的资产,把公司的债权作为以公司资产为基础资产的看涨期权,而把负债作为看跌期权。从期权和公司资产价值的角度来看,公司股东持有的是以债务面值为协议价格、公司资产为标的物的看涨期权,公司的债权人持有的是一份看跌期权。期权的执行期限为债务的到期期限,当债务到期时,如果公司资产未来的市场价值不足以清偿负债面值,公司的股东将会违约,将公司的资产转还给债权人,公司就会陷入财务危机;反之,公司可以正常继续运营。因此得出,公司的违约风险和期权价值间存在着直接的相关联系,其发生违约的可能性是由公司的资产和负债所共同决定的。
在KMV模型中,违约距离(Default Distance,DD)是衡量公司违约风险大小的指标,其值越大,表示公司到期偿还债务的能力越强,发生违约的可能性越小;反之,公司破产清盘的可能加大。
该模型由三个模块组成:
模块一:估计公司的资产价值VA和波动率eA.
对于上市公司而言,无法直接观测到它的资产价值及其波动率,但是公司股票的价格和波动率就可以直接观测和计算出来。因此,可以通过期权定价公式中的公司股权的市场价值VE及其波动率eE和公司负债账面价值推算出公司的资产价值VA和波动率eA.
在期权定价模型的假设条件中,公司资产的市场价值遵循维纳的随机过程:
其中,_表示公司资产价值的期望收益率;VA和dVA表示公司资产价值和其变化;eA代表公司公司资产价值的波动率;dz是标准维纳过程。
B-S模型中只允许单一负债和单一期权两种类型的债务,假设公司有普通债务和股权融资两种资金来源,那么股权的市场价值VE和资产的市场价值VA有如下关系表示:
其中:VE表示公司的股权价值;VA表示公司的资产价值;N(d)是d的标准正态分布函数值,即,r表示无风险利率,f是时间长度。
对式(2)两边求微分后再取数学期望,得:
模块二:计算违约距离(DD)。违约距离是指公司财务危机发生前资产与违约点的接近程度。所以,为了计算违约距离就需要确定公司的违约点(DP)。理论上,违约点是公司资产价值正好等于其债务的点,但在现实中,大多数公司受到一些长期负债的影响并没有在公司资产价值等于公司总负债账面价值时发生违约。KMV公司研究发现,公司违约时的资产价值一般都是处于公司的总负债和流动负债之间的某一点上,也就是公司发生违约最频繁的临界点在公司资产价值大于或等于50%的长期负债加上流动负债。故DP=STD+0.5LTD,其中STD为流动负债,LTD为长期负债。
违约距离表示的是公司资产的未来预期价值和违约点之间距离相对于未来资产收益的标准差。它的计算公式为:
其中,E(VA)代表公司资产未来价值的期望值;DP为违约点。
模块三:估计期望违约率EDF.即由历史违约数据建立起的违约距离DD和期望违约率EDF的一种映射关系的违约数据库。
EDF是公司资产价值低于违约点时出现的违约现象的频数。假定VA服从正态分布,理论上的EDF就是资产价值小于违约点的累积概率,计算公式如下:
KMV模型的核心分析工具就是预期违约率EDF,根据借款公司的股票价格波动来计算EDF,并通过违约概率EDF来计算违约的损失额。KMV模型需要十年以上的违约数据库来构建违约距离DD与违约概率EDF之间的函数映射关系,但是对国内而言,违约信用库的建立尚处在初始阶段,积累历史违约数据的工作存在滞后性,较难以实现确定违约距离与实际违约频率之间的映射关系,所以,国内很多学者一般都选用违约距离DD来反映违约概率EDF,故本文选用违约距离DD来衡量公司违约概率EDF.
3 实证资料
以沪深上市公司为研究对象,选取2008~2009年被ST的58家上市公司作为公司陷入财务危机的样本(排除了由于其他状况而被ST的公司、数据严重缺失的上市公司)。再按照同行业、同时期、规模相似的原则选取与之配比的58家财务正常公司。其中,文中将发生财务危机的前一年定义为T-1年,前二年定义为T-2年,前三年定义为T-3年,选取这116家上市公司的第T、T-1、T-2、T-3的财务数据和股票交易数据来验证违约距离的适用性。(数据主要来源于国泰安数据库、清华金融研究数据库、上海证券交易所、深圳证券交易所和巨潮资讯网等)。
(1)违约距离参数的确定及计算
(1)无风险收益率的确定。本文的无风险利率取中国人民银行公布的一年期整存整取的存款利率r来计算(04年10月后调整为2.25%),即r=0.0225。
(2)时间t为1年,即计算1年期的违约距离;
(3)公司违约实施点DP的确定。本文参照KMV公司的处理方法,公司发生违约的条件是公司资产价值等于到期流动负债与50%到期长期负债之和,即DP=STD+50%LTD.
(4)股权价值的确定。考虑到中国股市特有的流通股和非流通股问题,股权的市场价值可以采用加权的方法计算:股权的市场价值=股价×流通股股数+股权的账面价值×(总股本-流通股股数)/总股本。
(5)股权价值年波动率的确定。本文波动率的计算使用历史波动率模型的方法,利用T、T-1、T-2、T-3年每一年的日收盘价确定日波动率,从而计算出年波动率。
确定以上参数后,可以通过式(2)和式(3),利用1stopt软件迭代计算出上市公司的资产价值VA和波动率eA,从而得到违约距离DD.
(2)违约距离与财务危机的相关性分析
如图1所示,通过对比公司发生财务危机的T、T-1、T-2、T-3年的危机公司和正常公司违约距离DD的年均值来检验违约距离对上市公司财务危机的识别能力。正常公司违约距离的均值曲线在T、T-1、T-2、T-3这4年中都一直处于危机公司违约距离的均值曲线的上方,看出正常公司违约距离都大于危机公司的违约距离的,也证明了危机公司和正常公司的违约距离指标是存在差异的。同时,离T年越近,危机公司的DD值就越小,进一步证明了DD值越小公司发生财务危机的概率越大,从而验证了DD值能够有效的识别公司发生财务危机。
在图1中发现,在T-2年时公司的违约距离就有明显的变化,故运用SPSW 17.0软件对T-2年危机和正常公司的DD值两组数据进行配对样本T检验(如表1),双尾T检验的显著性概率为0.000,即p<0.05,所以危机公司和正常公司在T-2年的DD指标存在着显著性差异,进一步用实证的方法来判断这两组数据之间是否存在显著性差异,验证DD值在公司财务危机预警中的可行性。
4 实证分析
(1)变量的选择与筛选
结合公司财务理论,本文从公司的偿债能力、发展能力、股东获利能力、现金流量能力、盈利能力和营运能力上选取财务指标变量,其初始财务变量包括:X1流动比率、X2速动比率、X3资产负债率、X4利息保障倍数、X5资本积累率、X6营业收入增长率、X7营业利润增长率、X8每股收益、X9每股净资产、X10每股营业收入、X11现金流量比率、X12营业收入现金比率、X13经营活动现金流入流出比、X14营业利润率、X15营业毛利率、X16总资产报酬率、X17净资产收益率、X18管理费用率、X19应收账款周转率、X20存货周转率、X21营运资金周转率、X22流动资产周转率、X23总资产周转率。
同时,考虑到公司治理因素的影响,本文还选取代表公司治理变量的指标作为研究变量,包括:S1管理层持股比例、S2流通股占总股本比例、S3第一大股东持股比例、S4第二大股东持股比例、S5股权制衡度(S3/S4的比值)、S6国有股比例、S7董事长与总经理是否两职合一、S8董事会规模、S9独立董事比例、S10代理成本(管理费用/总资产)。
根据以上财务和公司治理指标体系,可以对上市公司的财务状况做出较为完整、客观的评价。为了选择对ST公司和非ST公司区分能力最强的指标变量以及剔除过多的指标带来的多重共线性问题,本文分别进行变量间配对样本t检验和指标变量的相关性检验,其结果见表2及表3。
注:xi表示危机样本的财务指标,zi表示正常样本的财务指标,i=1,2,…,23;si和ki分别表示危机样本和正常样本的公司治理指标,i=1,2,…,10。
根据表2可看出,在检验水平0.05下,x3、x4、x5、x7、x8、x9、x13、x14、x15、x16、x17、x18、s3、s6、s11这15对样本的双侧配对t检验的显著性水平p<0.05,这说明了这些指标在两组样本之间在0.05的水平下通过了显著性检验,即这12个财务比率指标和3个公司治理指标能够较好的区分危机样本与正常样本,可以作为下一步分析的备选变量。同时,为了避免指标之间存在的多重共线性问题对预测模型的影响,本文进行了相关性分析,结果如表3和表4所示。
根据表3的相关性检验结果显示:x3和x19的相关系数为0.539,x8和x16、x17的相关系数分别为0.756和0.524,x16和x17的相关系数为0.714,x13和x17的相关系数高达0.887,相关度比较高,应剔除具有高度相关的财务指标,选择了x3、x4、x5、x7、x13、x15、x17、x18这8个指标与公司治理指标和DD值做进一步的相关性分析,结果如表4所示,最后选择的建模变量为:x3、x4、x5、x7、x13、x15、x17、x18、s3、s6、s11、DD.
注:*表示在0.05的水平上显著相关;**表示在0.01的水平上显著。
(2)模型的设计与实证分析
Logistic回归主要应用于预测二值相应变量(例如成功和失败)或者次序相应变量(如:没有、一般及严重)的值,是解决0-1回归问题的有效方法。它是建立在累计概率函数的基础上,而且不要求自变量服从多元正态分布和两组间协方差的假设。Logistic模型假设了企业破产的概率p(破产取1,非破产取0),并且ln[p/(1-p)]可以用财务比率线性解释。其具体原理是:假设Xi为第i个危机公司xi的预警变量矩阵,那么其发生财务危机的概率Pi和xi之间存在如下回归关系:
式中:Yi为总判别分,反映第i项在总体中某一上市公司综合财务状况的数量特征;Pi是在线性回归模型基础上计算得出的发生财务危机的概率;bi为逻辑回归系数,表示对有关自变量xi的重视程度;xi是与财务危机预警有关的指标;ai为常数项。
将上述筛选的指标变量通过SPSW 17进行Logit回归分析,得到:
仅加入财务指标的模型一:
财务指标和公司治理指标相结合的模型二:
加入违约距离后的综合模型三:
其中,预测时以0.5为概率最佳分割点,大于0.5的为财务困境公司,反之为财务健康公司。
用检验样本所选取的12个指标数据对本文建立的三个Logit模型进行检验,得到三个模型在危机前两年对上市公司是否会陷入财务危机的预测情况和用建模样本所得到的预测情况如表5所示。
由表5看出,进行模型检验后,三个模型的预测正确率分别为83.93%、85.71%、87.5%,与之前用建模样本预测出的效果虽然预测准确度有稍微下降,但总的说来,加入了违约距离后的综合预警模型的预测准确度还是较高于其他两个模型,在一定程度上还是验证了本文所建模型的有效性。
5 研究结论
以上研究证明,在发生危机前两年加入违约距离后的型的预测精度高于仅含有财务指标和公司治理指标的型,提高了模型的判别正确性,能够较早的预测财务危的发生,以加入违约距离后的Logit回归模型构建一个学的财务困境预警系统,对于管理者预先采取有效防范施、保护公司债权人、投资者利益、降低金融机构信贷风险及提高政府对于上市公司的监管质量,均具有非常重要的现实意义和广阔的应用前景,目前,人工智能和数据挖掘技术以及群决策理论不断发展,为企业财务困境预警研究开阔新的思路,因此,将财务管理学、会计学、人工智能和数据挖掘技术、群决策理论进行有机结合,从财务、非财务、总体经济等多方面对企业财务困境预警理论开展系统研究,建立更为快捷、有效、实用的企业财务困境预警模型与反应和决策机制是该项研究领域未来发展的必然趋势。
参考文献
[1]Beaver W H.Financial ratio as predictors of failure[J].Journal of Accounting Research,1966:71～102.
[2]Modeling default risk[M].KMV Corporation,2002:214～256.
[3]Aspuith,Mullins,Wolff.Original issue high yieldbonds:Aging analysis of defaulet,exchanges andcalls[J].Journal of Finance,1989,9:924～953.
[4]Hull J,White A.The impact of default risk on theprices of options and other derivative securities[J].Journal of Banking and Finance,1995:299～322.
[5]刘国光,王慧敏,张兵.考虑违约距离的上市公司危机预警模型研究[J].财经研究,2005,(11).
[6]朱振海.基于Logistic回归的上市公司财务危机预警模型[J].会计之友,2007,(8).
[7]马若微.KMV模型运用与中国上市公司财务困境的实证检验[J].数理统计与管理,2006,(9).
[8]谭久均.财务指标与违约距离相融合的上市公司财务预警模型[J].系统工程,2005,23(9).
[9]都红雯,杨威.我国对KMV模型实证研究中存在的若干问题及对策思考[J].国际金融研究,2004,(11).
财务危机预警应用 篇8
风险价值 (V alue at R isk, 简称V A R) 是指在一定的置信水平下, 预期资产的最大可能损失, 其被广泛用来衡量金融风险。设资产的收益为R, 预期收益为一定值E (R) , 置信水平为1-a, 则V A R可以由下式定义:P (R<-V A R) =1-a (绝对损失) , 其中V A R取损失的绝对值。在正态分布情况下, 上式可化为:V A R=-up+Zaσp (其中:1-a为置信水平;为预期收益的波动性) 。金融环境因素以及宏观经济变量是非财务变量中非常重要的两个方面, 特别是对房地产行业。建立房地产行业财务危机预警可以考虑引入度量金融市场风险的V A R指标, 从而考察房地产行业受股市波动影响产生财务危机的程度。
二、实证分析
本文选取2006年沪深两市66家上市房地产公司数据进行实证分析, 剔除数据不完整的18家公司, 对剩余的48家公司进行统计分析。
第一, 聚类分析。影响企业财务状况的因素是多方面的, 反映企业财务状况的标准除了净利润外, 还有其它种种指标。不能仅仅根据净利润连续两年为负数这一标准, 人为地将企业以是否被特别处理 (即ST) 来分类, 而必须根据上市公司财务数据的内在关系来进行科学的分类, 即运用聚类分析来分类, 以达到尽量消除主观因素的影响, 避免过去靠人为经验判断的不足, 提高分类的科学性。本文对我国房地产业上市公司聚类分析的结果也证明了这一点。本文设计的28个变量如表1。
计算万科2006年日收益率是否符合正态分布的O ne-Sam ple K olm ogorow-Sm irnov Test, 检验结果得出显著性概率P=0.35>0.01表明2006年万科日收益率符合正态分布, 根据公式V A R=-up+Zaσp得出V A R=0.0411, 同理计算得出表2。
由此表可看出ST天保被ST的前两年V A R值在增大, 说明其面临的金融风险增大, 而且明显大于非ST公司万科, 说明ST公司所面临的金融风险明显大于非ST公司所面临的风险。对万科公司而言2006年经营状况比2005年经营状况好, 应对金融风险的能力增强, 2006年面临的金融风险小于2005年面临的金融风险, 与现实发展状况相吻合。根据所计算的28个指标的值, 对48家房地产公司进行聚类分析, 与不加入V A R指标聚类的结果对比分析如下表3。
通过对比分析, 可以看出加入V A R指标后的聚类效果比不加入V A R指标的聚类效果要好一些, 能够把ST公司与非ST公司有效区分出来, 还有一些非ST公司虽然未被ST, 可是在效果上与ST公司类似, 客观上应该属于财务危机公司。从分类中可看出, 在我国房地产上市公司中, S*ST昌源的总体财务状况较差, 本文将S*ST昌源单独划分为的一类属于财务状况极端恶化的一类。万科A, 深振业A, 绿景地产等35家公司的总体财务状况在行业内相对较好, 出现财务危机的可能性较小。ST达声, 银基发展, 渝开发, *ST广厦等12家公司介于前两类之间, 财务危机状况已经出现, 未被ST的几家公司与ST公司的财务状况相似, 若不及时采取措施, 财务危机状况将急剧恶化, 并将被并入ST的行列。从以上聚类分析结果可以看出, 是否是ST公司并非分类的唯一标准, 一些非ST公司由于总体财务状况与ST相似, 也与ST公司同属一类。这也说明运用聚类法能较好地排除人为主观经验分类的缺陷。
第二, 主成份分析。将前27个财务指标进行主成份分析, 提取主要成分, 从27个主成份中提取前9个主成份, 这9个主成份析方差累计贡献率达到84.897%。从主成份得分系数矩阵可以得出, 主成份F1和F9主要反应的是获取现金能力因子;F3主要反应的是企业的获利能力因子;F4和F5主要反应企业的营运能力因子;F2主要反应企业的资本实力因子;F5和F6主要反应企业的偿债能力因子;F7主要反应企业的成长能力因子。
第三, 回归分析。2006年的逐步回归分析中进入回归模型的变量分别是F2, F2, F4, V A R和F1, 分别代表着企业的资本实力因子, 盈利能力因子, 营运能力因子, 金融风险因子和获取现金能力因子。可见对于房地产企业来说, 较强的资本实力是其抗拒风险的首要因素。其次是企业的盈利能力, 对于房地产来说资金周转的主要来源是其售房所得的收入。如果房地产公司售房收入过低, 很有可能造成房屋大量积压, 从而占用了大量资金, 盈利能力直接影响企业资金的周转, 继而引发财务危机。对于房地产行业来说企业的运营能力也是影响财务危机的一个重要因素, 进一步反应到固定资产周转率和总资产周转率两个方面。再次是V A R反应金融风险的指标, 房地产行业的资产负债率都较高, 大部分资金来源于金融市场, 金融市场的大幅度波动会影响到企业的资金运行和风险, V A R进入衡量财务危机的模型也反映出加入这个指标对房地产行业来说是合理的。根据回归系数则2006年的logistic回归模型如下:
其中p为2006年发生财务危机的可能性。上述结果显示, 模型参数估计都以10%显著性水平通过检验, 表明得到的参数估计值得依赖, 并且在模型系数多项测试参数表中给出卡方值, 提供自由度和显著性水平。上述回归结果的卡方值的显著性水平均为0.000, 说明模型的整体检验十分显著。
第四, 分割点确定。逻辑回归模型完成以后, 分割点的选取至关重要, 因为模型是否对样本具有较好的判别能力是区分模型好坏的一个重要标志, 而一个模型的总判别率高低除了与模型本身有关以外, 还与分割点的确定有关。此外分割点的确定还受选择的预测样本的影响, 因此分割点会因样本公司的配对的不同而不同。本文根据总判误率最小原则来确定分割点。分割点分别确立为:当1>P>0.9时, 该公司为财务危机严重公司;当80%
第五, 回代检验。将所有样本原始数据带入模型, 计算出P值, 将P值与确立的分割点进行比较, 得出其处的状况。将预测状况与原始分类状况进行比较, 得出模型的预测精度检验结果如表4所示。
可见在本文只运用很小范围的检验样本的情况下, 判别准确率与估计样本所得到的判别准确率相差不是很大, 可见模型具有一定的稳定性, 也说明了本文的财务预警模型还是比较成功的。
参考文献
[1]何卫红、郑垂勇:《财务困境及预警研究述评》, 《财会通讯》 (学术) 2007年第7期。[1]何卫红、郑垂勇:《财务困境及预警研究述评》, 《财会通讯》 (学术) 2007年第7期。
财务危机预警应用 篇9
由次贷危机引发的全球性金融危机, 对我国经济产生了重大影响。尽管在这场危机中, 我国高新技术企业的总体表现优于传统制造业, 但仍有相当一部分企业出现了产品出口减少、盈利能力下降、现金流量不足等问题, 而且我国高新技术企业多数处于成长起步阶段, 自身抗击风险能力较弱, 内外部压力使得这些企业亮起财务红灯的可能性大大增加。为此, 研究预警模型并有效预测财务危机, 对高新技术企业的实际经营者和资金供给者, 都具有一定的借鉴意义。
1 文献回顾
财务危机预警模型经历了从传统统计方法到人工智能方法的一个发展过程。早期研究预警模型多是利用多元判别分析 (Altman, 1968) 、Logit回归分析 (Ohlson, 1980) 、Probit概率模型 (Zmijewski, 1984) 等传统统计方法, 由于这些模型对样本数量要求较高, 在使用方面存在着一些不足。随着统计和计算机技术的不断发展, 人工智能模型逐渐被引入到财务危机预警的研究中。90年代初期, 神经网络方法被广泛使用, 但其结构难于确定, 在实际应用过程中, 存在一定的局限性。直到90年代中期, Vapnik提出了一种全新的机器学习方法——支持向量机 (support vector machine, SVM) , 适用于有限样本问题, 预测效果较好, 可操作性强, 具有较高的应用价值, 成为当前财务危机预警模型研究的一个突出热点。
国内外对SVM的研究多集中于模型精度和模型比较方面, Fan等人 (2000) 将多种方法进行综合比较研究, 结果显示, SVM预测的准确率高于神经网络模型、LVQ和多元判别分析, 证明SVM的预测能力优于其他几种方法。[1]Shin等 (2005) 运用1996—1999年间韩国破产企业的数据, 对SVM方法和BP神经网络方法进行比较, 结果表明, 训练样本越小, SVM的准确率和总体表现就越优于BP神经网络模型[2]。
国内对SVM应用于预警模型的研究始于2006年, 闫娟娟等 (2006) 采用上市公司的财务报表数据, 将基于SVM同神经网络模型的财务危机预警模型进行比较, 结果表明, 无论是在分类能力还是在预测能力上, SVM模型的精度都高于神经网络模型。[3]张秋水等 (2006) 以1998—2002年工业类行业上市公司为样本, 通过SVM与传统的多元线性回归和Logit分析的实证对比和模型分析, 得出SVM在20组测试样本集上的平均误判率是最好的, 显著优于多元线性回归, 也优于Logit分析, 证实了SVM模型用于财务困境预测的有效性和优越性。[4]朱发根等 (2009) 首次将SVM方法运用到高新技术上市公司财务危机预警模型, 利用以50家高新技术企业或所在行业的高新技术产业的上市公司为样本, 模型具有100%的训练精度和90%的预警精度, 表明将SVM运用于高新技术企业财务预警方面能够获得较好的效果[5]。
总之, 国内学者在利用SVM构建企业财务危机预警模型方面, 已经取得了一些成就, 但是由于数据的易取得性和结果的易观测性, 几乎当前所有的研究都是围绕着上市公司展开的。截止到2008年底, 我国共有高新技术企业2万多家, 而上市高新技术企业才不过几百家, 相对于我国高新技术企业的总量, 上市公司所占份额非常微小。上市公司财务质量相对较高, 财务指标总体要优于未上市公司, 所以利用上市公司的样本数据建立高新技术企业预警模型, 很容易出现样本选取偏差, 结果出现过度拟合的状况, 导致模型预测有效性降低, 不能广泛用于整个高新技术行业的财务危机预警。为此, 本文应用SVM算法建立高新技术企业财务危机预警模型的过程中, 选用非上市的高新技术企业作为样本来源, 并通过验证分析, 证明基于SVM算法的财务危机预警模型, 在非上市的高新技术企业也同样适用。
2 原理和算法
SVM追求的不是一个将两类样本简单分开的分类面, 而是要得到一个最优的分类面, 使它能够尽可能多的将两类数据点正确地分开, 同时使分开的两类数据点距离分类面最远, 从而实现风险最小。最优分类面方程w5x-b=0, 支撑面之间的距离叫做分类间隔
模型:
作广义Lagrange乘子函数
由对偶理论得知, 系数可由如下二次规划问题解得,
得到最优分类函数:
如果输入指标和输出结果是非线性关系, 需要通过非线性变换将输入空间变换到一个高维空间, 然后在这个新空间中求取最优线性分类面, 而这种非线性变换是通过定义适当的核函数实现的。目前常用的核函数主要包括三类,
(1) 多项式形式的核函数polynomial, 即
(2) Sigmoid核函数, 如K (x, xi) =tanh (v (xTxi) +c)
(3) 径向基 (RBF) 形式的核函数, 即
此时的最优分类函数为:
3 模型构建
3.1 模型的输入变量
财务危机预警模型的输入端, 国内外学者普遍采用五种能力指标, 即:经营能力指标、盈利能力指标、偿债能力指标、现金流量指标和成长能力指标, 然后分别选取具体指标作为输入变量。笔者在设计输入变量时, 深入研究我国高新技术企业财务危机成因后发现, 尽管原因错综复杂, 但从财务本身的角度去分析, 可以归结为以下几点:在融资过程中, 企业的负债结构不合理;成长过程中, 企业在研发方面大量投入, 导致现金流量发生持续性的净流出;企业盈利能力减弱, 成长势头减缓;应收帐龄变长, 应收账款周转率明显下降;产品和服务与市场需求出现较大差异, 导致企业经营出现问题, 等等。在此基础上, 笔者参考以往相关研究中具有显著影响的变量, 选取了净资产收益率、应收账款周转率、速动比率、盈利现金比率等指标作为输入变量。此外, 我国最近出台的高新技术企业认定办法中, 将高新技术产品和服务收入的比重作为衡量高新技术企业的一项重要指标, 因此, 本文也将高新技术产品和服务收入增长率引入作为输入变量, 具体含义如表1所示。
3.2 模型的输出变量
国外学者在研究财务预警问题时, 多是以破产为标准进行研究的, 其预警主要是针对企业破产的预警。我国《破产法》将破产定义为企业法人不能清偿到期债务, 并且资产不足以清偿全部债务或者明显缺乏清偿能力。在实际研究中, 由于国内上市公司还没有出现破产情况, 国内学者多用“被特别处理” (ST) 作为财务危机的标识, 但是, 这样的输出结果就要求研究的样本必须是上市公司, 模型对非上市公司的适用性值得商榷, 于是他们提出这一评判标准不是很成熟, 只是现有条件下的较优选择。
国外的研究表明, 财务状况严重恶化, 违约时间超过一年以上的企业, 其陷入严重的财务危机甚至破产的概率非常高。我国的实际情况也是如此, 每家企业都有一个贷款卡号, 一旦企业存在严重的违约, 在人民银行的贷款系统里, 很容易就查出来, 该企业很难再获得其他金融机构的支持, 也很难获得风险投资的青睐, 这样, 融资能力下降, 导致企业陷入更为严重的财务危机, 甚至破产清算。为此, 本文在国内外研究的基础上, 选择“违约”作为非上市高新技术企业财务危机预警模型的输出变量, 定义为企业爆发大规模的财务危机, 从而无法偿还应付债务, 且违约时间超过一年以上。这样, 较好地解决了非上市公司预警模型的输出端问题。
3.3 模型样本的确定
本文样本数据来源于上海浦东发展银行全国公司客户池①, 从中选择未上市的75家高新技术企业作为样本企业, 其中包括50家财务正常企业和25家违约企业, 这些企业经营范围主要为科技、信息、新能源、新农业、生物制药等, 遍布于我国11个省市。构造样本集 (x, y) , 维数为5, 即为表1中的5个输入变量, y是样本的属性类别, 对于“正常”的企业, 令y=1, 对于“违约”的企业, 令y=-1。将第一类错误定义为将“正常”公司预测为“违约”公司, 第二类错误为将“违约”公司预测为“正常”公司。选择50家企业作为训练样本, 包括35家正常企业和15家违约企业, 25家企业作为验证样本, 包括15家正常企业和10家违约企业。财务数据来自于样本企业的2007年终财务报表。
3.4 验证分析
应用winSVM软件对训练样本进行1000次优化训练, 根据最小均方差原则选取了多项式内核函数polynomial, 阶数degree=2, 惩罚因子C=1000。运用polynomial核函数和上述参数对训练样本进行了测试, 并不断进行调试, 确定最终的核函数和参数值, 对验证样本进行分析。
如表2所示, 该预警模型精度较高。50个训练样本的总体准确率为98%, 仅将1家正常企业误判为违约企业, 第一类错误率为2.9%, 第二类错误率为0。在利用学习结果对检验样本进行预测时, 25个样本的总体准确率为92%, 其中, 将1家正常企业误判为违约企业, 1家违约企业误判为正常企业, 第一类错误率为6.7%, 第二类错误率为10%, 模型的预测效果较为理想。
在对非上市的高新技术企业进行预警时, 将“违约”误判为“正常”的代价, 要远远高于将“正常”误判为“违约”, 训练样本的第二类错误率为0, 验证样本的第二类错误率为10%, 误判率相对较低。验证样本的总体准确率较训练样本下降6%, 显然模型的鲁棒性较好, 能够满足实际工作的要求。总体来说, 运用SVM方法对非上市的高新技术企业进行财务危机预警, 是行之有效的。
4 结语
SVM是基于小样本学习的通用学习算法, 严格的理论基础和卓越的泛化性能, 使其具有广阔的应用前景。在非上市高新技术财务危机预警模型中, 笔者主要着眼于建模技术和模型的预测精度, 并利用非上市公司的财务数据进行检验, 使模型的有效性得到了充分的验证。在具体的研究过程中, 笔者发现在高新技术企业所涵盖的各个行业中, 最佳资本结构和负债率不尽相同, 资产报酬率也具有明显的行业性差异。比如科技类和新能源类的高新技术企业的财务状况, 要明显优于新型制造业和新农业类的高新技术企业。因此, 把所有行业高新技术企业的财务数据放在一起比较, 其结果可能有失偏颇。另外, 由于存在着经济状况和金融环境的地域性差异, 即使处于相同行业相同财务状况的高新技术企业, 财务危机发生的概率大大不同。为此, 在以后的进一步研究中, 需要充分考虑到行业和地区之间的差异性, 从而利用SVM适合解决有限样本问题的特性, 来建立区域或行业的非上市高新技术企业财务危机预警模型, 以便加强高新技术企业财务危机预警模型的针对性与有效性。
参考文献
[1]FAN A, PALANISWAMI M.A new approach to corporate loan de-fault prediction from financial statements[C].Proceedings of thecomputational finance/forecasting financial markets conference, 2000, London (CD) , UK.
[2]KYUNG-SHIK SHIN, TAIK SOO LEE, HYUN-JUNG KIM.Anapplication of support vector machines in bankruptcy prediction model[J].Expert Systems with Applications, 2005 (28) :127-135.
[3]闫娟娟, 孙红梅, 刘金花.支持向量机的上市公司财务危机预警模型[J].统计与决策, 2006 (6) :158-159.
[4]张秋水, 罗林开, 刘晋明.基于支持向量机的中国上市公司财务困境预测[J].计算机应用, 2006 (6) :105-107.
财务危机预警应用 篇10
摘要：文章对财务危机预警指标分别进行了非参数检验、多重共线性检验，并最终构建了Logistic的财务危机预警模型。
关键词：非参数檢验 多重共线性检验 Logistic
1 Mann-Whitney U非参数检验
A1：资产负债率， A2：流动负债与经营活动净现金流比，A3：速动比率，B1：总资产周转率，B2：应收账款周转率，B3：存货周转率，C1：净资产收益率，C2：每股收益， C3：主营业务利润率，D1：主营业务收入增长率，D2：净利润增长率，D3：固定资产投资扩张率，E1：每股经营性现金流量，E2：现金股利支付率，F1：总资产，G1：独立董事比例，G2：董事会规模，G3：董事会会议次数，G4：董事长与总经理兼任情况，G5：国有股比重，G6：第一大股东持股比例，G7：Herfindahl-5指数，G8：管理层持股比例，G9：管理层薪酬（高管前三名薪酬总额）。
3 LOGISTIC模型建立
为82个训练样本中的ST公司赋值为1，非ST公司赋值为0，并运用SPSS进行分析，构建LOGISTIC模型。回归结果如下：
表3表明，总正确率为87.8%，预测精度较高。表4可看出，拟合百分比分别为43.60%、64.10%。模型很好地拟合了样本数据实际情况。表5除B2、C1、C3外，其他变量P值在5%的显著性水平下均显著，但因变量在Logistic回归前，均已通过Mann-Whitney U非参数检验，且评价Logistic模型优劣不能仅仅只看回归系数是否显著，因此认为，此11个变量基本上对训练样本进行了较好的拟合。
参考文献：
[1]吴星泽.财务危机预警研究：存在问题与框架重构[J].会计研究，2011.
财务危机与预警 篇11
1、财务危机的定义
财务危机是指企业丧失偿债能力, 本文所说财务危机是指上市公司无法偿还到期债务或以证券交易所对持续亏损、有重大潜在损失或者股价持续低于一定水平的上市公司给予特别处理或退市作为标准的情况。
2、国际上财务危机征兆的识别模型
1) 单变量预测模型。即通过单个财务比率指标的走势变化来预测企业财务危机。最早单变量预测模型由威廉 . 比弗提出。其观点是按照预测能力和综合性的大小来预测企业财务失败。指标主要有 :l) 资产收益率;2) 债务保障率;3) 资产安全率;4) 资产负债率。此模型比较简单, 缺点在于 : 企业的财务状况应用多方面的财务指标来反映, 无法用一个比率概括。此方法常用于同一个公司中得出不同结论的不同的预测指标现象。所以在选择具体财务预测指标时, 企业要选用可以表现自身财务运行核心特征要素的财务比率作为预测变量。2) 多变量t预测模型。即运用多种财务比率指标加权汇总而构造多元线性函数公式来预测财务危机。目前, 奥尔曼的Z-Score五变量t模型的应用最为广泛 :Z=1.2X1+1.4X2+3.3X3+0.6X4+0.99X5。具体判断标准如下表所示:Z≥3.0财务失败的可能性很小财务不失败组; 2.8≤Z≤2.9有财务失败可能;1.81≤Z≤2.7财务失败可能性很大; Z≤1.8财务失败的可能性非常大。
二、我国上市公司财务危机识别的征兆
1、通过财务状况指标分析来识别财务危机
借助财务状况来识别财务危机征兆也即使用定量分析的方法来分析财务指标, 上市公司应根据本公司自身特点来制定不同的指标临界点, 将公司实际的财务状况与制定的标准进行比较, 从而判断上市公司是否存在一定的财务危机。识别财务危机分析的核心指标有上市公司的资产管理能力、偿债能力及获利能力。本文采用的财务指标有:
1) 偿债能力分析, 反映企业财务状况和经营能力。偿债能力代表企业无法偿还到期债务, 有可能破产。企业是否能偿还到期债务是建立在一定资本或资产之上, 做为保证的是足够现金流入量。该指标有:速动比率、流动比率、资产负债率。2) 盈利能力分析, 盈利体现了企业的出发点和归宿。主要包括产品和资产获利能力。分析时应排除将要和已经停止的营业项目和会计政策变更会引发的累积影响等。该指标有:净资产报酬率、总资产报酬率、销售净利率。3) 营运能力分析, 由于存货和应收账款无法直接拿来偿还债务, 需进一步分析它们的周转速度来判断偿债能力、变现速度。如果存货、应收账款现速度慢, 企业可能会出现财务危机。该指标有:存货周转率、应收账款周转率、总资产周转率。4) 发展能力指标是对企业现在与往年各项财务指标相比再纵向分析。通过分析, 可以判断企业的大致变化趋势。从而对企业未来的发展情况做出相应预测。该指标有:净利润增长率、总资产增长率、主营业务收入增长率。5) 现金流量能力, 经营活动产生的净现金流才是企业偿还债务的基础和根本保障。现金流量能力包括:每股经营现金流量和全部经营现金净流量。6) 财务状况识别财务危机征兆:
①经营现金净流量为负。表明企业盈利能力出现问题。②资不抵债。表明企业面临进行重组或清算的威胁。③累计数额巨大的经营性亏损。表明企业存在财务危机, 资不抵债。④对短期借款过度依赖。这类企业筹资会受阻, 资金周转不顺, 无法偿还到期债务使得生产经营困难。⑤存在大量不良资产, 表明资产呆滞, 营运能力下降。⑥存在大量逾期未付债务。表明企业存在偿债能力问题, 出现财务危机。
2、通过分析经营状况识别财务危机征兆
通过经营状况来分析财务危机的征兆即采用非财务指标来定性分析上市公司中各相关因素。这些因素往往不能从财务比率或指标中直接获得, 但在分析企业的潜在危机时也起着至关重要的作用。
1) 股利分配政策及公司内部持股人持股情况。内部持股人出售股份常常是公司盈利能力恶化的重要信号。2) 过度扩张, 上市公司进行多元投资应首选拥有竞争力的相关产品, 要在市场上做好做强。但如果盲目扩张, 也会丧失原有的竞争优势。3) 过度依赖贷款进行筹资会引发上市公司面临巨大的偿债压力, 说明公司资金周转失调和低下的盈利能力, 最终导致破产。
3、通过分析管理者行为与报表粉饰行为识别财务危机是否存在
1) 管理者行为分析。财务困境会引发企业管理层为管理经营效率的提高而积极行动。①现金短缺情况的改善。为解决现金困扰进而减少现金流出或增加现金流入和采用多种方式增加现金收入。如处置存货、降薪。②削减成本。分析产品功能成本, 寻求替代原材料来降低成本, 降低非生产经营性支出。③突然变动的高管人员。企业高管层的更换由财务危机引发。管理层的重要人员突然变更, 尤其是集体辞职, 标志企业存在财务危机。2) 粉饰报表。学者们的相关研究发现:公司存在财务困境会使用以下方法:关联交易、重组资产、非经营性损益等, 常会引发相关财务指标出现反常。所以会分析会计质量来了解管理层有没有进行报表粉饰。
三、我国上市公司财务危机防范及处理对策
1) 建立有效的内部控制制度, 增强资金管理能力。事后对财务危机进行总结, 可以找出企业运行的软肋, 由于完善的内部控制的缺乏, 企业管理混乱, 期间费用高居不下, 随意性强的投资缺乏评估、审核。2) 降低财务风险可以建立完善的风险评估和监控系统。企业财务危机和风险相联系, 运作过程中企业会存在不同程度的风险, 完全避免财务危机只期望通过监测风险是不现实的。企业运营过程中会存在一些权变因素, 所以须通过对主要风险的监测和评估来减小发生财务危机的可能性。3) 修正并完善危机识别体系, 及时对企业财务危机进行防范, 便于危机管理能力的增强。分析财务危机, 进而增加企业对危机管理的经验。根据处理财务危机的经验和教训, 对财务预案重新修订, 使得企业今后应对财务危机中做到从容不迫。
参考文献
[1]吴世珍.我国上市公司财务危机预警研究[J].财会月刊, 2007 (3)
[2]吕峻.财务危机公司的治理结构征兆[J].山西财经大学学报, 2007 (1)
【财务危机预警应用】推荐阅读：
企业财务危机预警10-16
财务危机预警机制05-24
财务危机预警模型08-31
财务危机08-21
高校财务危机08-11
财务危机问题研究07-04
财务危机程度预测08-08
企业财务危机诊断分析08-19
上市公司财务危机原因05-29
次贷危机与财务管理07-01