故障预警模型

故障预警模型（精选7篇）

故障预警模型 篇1

我国的中压配电网中性点一般采用经消弧线圈接地方式[1], 在配电网各类故障中, 单相接地故障发生最多, 高达80%以上[2,3]。因此, 如能对配电网单相接地故障做出及时的预警, 就能在发生永久故障前消除故障, 则将减少80%以上的配电网故障, 对提高电网供电可靠性和保证电力系统安全稳定运行具有重要意义[4]。

研究配电网单相接地故障的预警和事后尽快恢复供电是提高配电网供电可靠性的一个重要课题[5]。目前在故障后选线方面已有大量研究, 而对于发生在永久接地故障前的瞬时故障方面却少有研究。由于绝缘老化的影响, 配电网在发生永久故障前, 时常产生大量的瞬时故障, 而瞬时故障的发生又伴随着暂态量的出现, 并且瞬时故障的发生次数和频率逐渐上升[6,7]。针对上述问题, 本文通过对瞬时故障暂态量的监测, 建立了一种配电网故障预警模型对永久接地故障进行预警。

配电网故障预警模型主要由绝缘老化馈线选线系统和老化馈线预警系统两个部分组成, 目的在于通过对瞬时故障暂态量的实时监测, 提前对馈线绝缘老化状态做出预警, 以防止永久故障可能造成的停电影响。本模型以馈线为研究对象, 旨在找出绝缘老化状态较严重的馈线, 并发出预警信号, 提示运行人员对馈线进行排查与检修, 避免由于馈线老化加剧而造成的永久接地故障及后续的被迫停电。

1 配电网故障预警模型

1.1 绝缘老化馈线选线系统

1.1.1 绝缘老化馈线选线方法

小波包算法具有良好的时域和频域分析能力, 特别适用于对突发性、衰减性较强的暂态信号的频率分析与信号提取[8,9]。配电网故障选线中, 小波包这种时频局部化、多分辨率分析的特点得到了充分利用[10]。小波包算法有很多小波函数, 常用的小波函数有Haar、db N、Coiflet N。由文献[11]可知, db10的奇异性检测效果显然优于Haar, 而Coiflet4又略优于db10, 因此, 本模型选用Coiflet4小波来进行信号的分解。

Coiflet4小波虽然能够提供相位信息, 但考虑到暂态零序电流自身包含多种频率成分, 若直接进行Coiflet4分解之后再提取的相位信息将十分混乱, 以致无法进行老化馈线的判断。因此, 本模型先按照能量最大原则确定各条馈线暂态零序电流的特征频带之后再进行相位判断[12,13,14]。若某条馈线相位与其他馈线不同, 则为该馈线老化;若每条馈线相位均相同, 则为母线老化。

1.1.2 绝缘老化馈线选线步骤

图1给出了本模型的选线流程。如图1可见, 首先对母线零序电压和各条馈线零序电流进行实时采样, 当零序电压超过门槛值时认为配电网发生了瞬时故障, 进入绝缘老化馈线选线环节, 选出绝缘老化馈线。通过Matlab对采样信号进行分析选线, 选线具体步骤如下:

(1) 采用Coiflet4小波对各条馈线的零序电流信号进行4尺度小波包分解。

(2) 对各条馈线第4尺度各个频带的波形进行重构, 并获得小波包频带重构后的小波系数。

(3) 计算各条馈线的能量值。频带的能量值为小波包系数的累加平方和, 每个频带都有一个能量值, 每个频带都有n个系数。频带的能量值公式为[15]:

其中, 是第j层第k个子频带下的小波包分解系数。

(4) 去掉工频所在的频带, 找出能量最大的频带, 作为选线特征频带。

(5) 提取各条馈线特征频带内的小波包分解系数。

(6) 确定瞬时故障发生时刻。由于零序电压较零序电流的突变值大且受到的干扰较小, 故采用Coiflet4小波对母线零序电压进行4尺度分解, 找出对应特征频带内的模极大值, 作为瞬时故障发生时刻。

(7) 以故障发生时刻为参考, 仅提取步骤 (5) 分解系数中故障发生时刻前后的若干点作为有效数据。

(8) 求出步骤 (7) 所提取的有效数据相位值。

(9) 对各条馈线的相位值进行比较分析, 选出绝缘老化馈线。

1.2 老化馈线预警系统

考虑各个影响绝缘状态的因素[16], 建立馈线老化值计算式, 在对绝缘老化馈线做出选择后, 对馈线的绝缘状况进行监测, 若超出预警值则发出告警。

本模型定义某馈线当日的老化值D计算式如下所示:

式中:

Nz——本馈线从开始计算老化值以来的累计故障次数;

TSi——本馈线第i次瞬时故障持续时间;

TCi——本馈线第i次瞬时故障影响剩余时间;

TDi——本馈线第i次故障与第i-1次故障的间隔时间;

Ni——本馈线24h内发生了第i次瞬时故障的累计次数;

U0i——本馈线第i次瞬时故障零序电压有效值;

Af——累计影响因子, 一般取为常数0.1。

其中, 设置的常数10、360是为了平衡各参数的单位数量级不同而设置的权重, 常数30的设置是由于两次瞬时故障间隔不到1个月则认为馈线老化加快。

式 (2) 中的各个参数都是与馈线绝缘老化相关的参数, 能从不同层面反映绝缘老化状况。TSi越大则瞬时接地时产生的电弧持续时间越长, 馈线绝缘水平下降越多;TCi越大, 则对于绝缘的影响越大, 越容易产生老化;TDi越小, 则说明两次瞬时故障的间隔越近, 瞬时故障频率上升, 老化速度加快;Ni越大, 则馈线在短时间内发生瞬时故障的次数增多, 绝缘发生永久击穿的可能性越大;U0i越大, 则接地阻抗越小, 绝缘老化越严重, 电弧能量造成的损坏也越大。

根据实际运行历史数据, 考虑一天发生12次瞬时接地故障, 每次瞬时故障的持续时间为10ms, 则设置馈线老化预警值W=2700 (可根据变电站的实际运行环境进行适当调整) 。通过预警值的设置, 能更直观地对馈线老化做出预警, 当D>W时, 说明馈线老化较为严重, 及时向运行人员发出告警信号, 并安排对该馈线的绝缘薄弱点做出排查与检修, 避免永久故障的发生。

2 配电网故障预警模型的工程验算

2.1 绝缘老化馈线选线系统工程验算

根据对国网福建泉州供电公司10个变电站在2008~2013年间运行数据的调研, 排除了自然、人为等因素造成的永久故障, 取得了上千次瞬时接地故障和47次永久接地故障数据。经统计, 在每次线路发生永久故障前, 都产生了大量的瞬时故障。通过对多组数据的分析验算, 均能达到故障预警的目的。本文以其中一个变电站 (设为A变电站) 的历史故障数据为例, 进行工程验算。A变电站有6条馈线 (L1~L6) , 其系统简化模型如图2所示。

A变电站的一条馈线于2012年7月22日发生了瞬时接地故障, 假设为L4。通过对6条馈线的零序电流和母线零序电压进行采样 (采样频率为7200Hz) , 送入配电网故障预警模型的选线系统进行故障选线。在经过Coiflet4小波分解后计算出了各馈线各频带的能量值, 能量值如表1所示。

经统计, 去掉工频所在频带 (4, 0) , 各馈线能量最大值的频带如表2所示。

由表2易得各馈线在频带 (4, 1) 的能量值均为最大值, 取能量最大值的频带为特征频带, 对故障发生时刻附近各馈线的小波包分解系数进行相位分析后, 得出的波形如图3所示。

由图3可知, L4的零序电流相位与其他馈线完全相反, 从而可以判断为L4发生了瞬时接地故障, 与实际情况相符。证明本模型提出的选线方法可行、有效。

2.2 老化馈线预警系统工程验算

A变电站L4线于2012年7月25日发生了一次永久接地故障, 原因为配电变压器故障。故障当月和之前的18个月瞬时接地故障发生次数月统计图如图4所示。

由图4可见, L4线在前11个月发生的瞬时接地故障次数较少, 但在第12个月以后开始逐渐增多, 且在最后四个月快速增长, 最终第19个月绝缘彻底老化而发生了永久接地故障。

在每次发生瞬时故障时, 经选线系统确定, L4线为老化的馈线。分别计算每次瞬时故障的故障日期、持续时间TSi、故障时间间隔TDi、影响剩余时间TCi、零序电压有效值U0i、故障累计次数Ni这些参数, 代入式 (2) 计算出馈线老化值D, 做出曲线如图5所示。

由图5可见, 第300天之前发生瞬时故障次数较少, 因此这期间的馈线老化值较小, 从第300天之后馈线老化值开始逐渐上升, 表明绝缘水平逐渐下降, 在第487天超过了预警值W, 并在之后迅速上升。在馈线老化值第487天超过预警值时, 立即向运行人员发出告警信号, 警示馈线已严重老化, 需要对馈线进行巡线检修。

3 结束语

模型利用小波包良好的时频域分析能力, 对瞬时故障暂态零序电流和零序电压进行多分辨分析, 得到不同频带的小波包分解系数, 通过确定有效特征频带和故障时刻, 仅通过对关键区段的相位进行分析, 从而选出老化馈线。此后, 将采样信号送入老化馈线预警系统, 提取有关参数, 进行分析计算, 超出预设的预警值时即发出告警信号, 达到故障预警的目的。经过理论分析和大量的工程验算, 结果表明:

(1) 本模型的选线系统提出的基于小波包变换的相位方法, 克服了单一Coiflet4小波变换的不足, 通过特征频带和故障关键区段的细化, 减少了干扰, 有效过滤了信息。

(2) 对调研的历史数据整理可得, 在大多数馈线老化初期, 瞬时故障时有发生, 但发生次数存在分散性和统计性。在接近永久接地故障的前几个月, 瞬时故障发生次数快速增长, 馈线老化加快, 最终在永久接地故障当月达到最大值。

(3) 通过实际工程数据的验算表明, 配电网故障预警模型能实时、有效地监测配电网绝缘状态, 在馈线老化较严重时, 立即向运行人员发出告警, 对老化线路进行巡线检修, 避免了永久接地故障, 起到了预警的作用。

摘要：配电网绝缘老化是一个逐渐演变的过程, 配电网在发生永久故障前, 时常产生大量的瞬时故障, 而瞬时故障的发生又伴随着暂态量的出现。在故障发生前对故障进行预警对配电网的供电可靠性至关重要, 据此提出一种配电网故障预警模型。该模型通过对母线零序电压的实时监测, 在电压超过门槛值时, 通过选线系统采用小波包算法进行相位分析选出绝缘老化馈线后, 将数据送入预警系统进行分析计算, 在馈线老化值超过预警值时发出告警信号, 提示运行人员进行巡线检修。对实际工程数据进行验算表明, 该模型能实时、有效地监测配电网馈线绝缘状态, 达到预警的目的。

关键词：配电网,瞬时故障,暂态量,绝缘老化,选线,故障预警

财务困境预警模型综述 篇2

财务风险无时不在, 无处不在, 财务困境的普遍存在性使得企业必须采取有效手段对财务状况进行预测, 才能最大限度的规避风险, 降低损失。国外对财务困境预警的研究一般认为始于20世纪30年代, 至今已有70多年。财务困境的预警模型根据使用变量的多少分为单变量模型和多变量模型, 而多变量模型又因使用计量方法的不同可分为线性判定模型、Probit模型和Logistic模型等。随着信息技术、统计方法等研究手段的不断进步, 财务困境预测的研究方法也取得新的进展, 生存分析法、专家系统法、神经网络法等多种方法也开始被引入财务困境预警研究领域。

2 模型概述

(1) 单变量判别分析法。

该方法即是利用单一的财务比率来预测企业的财务困境。Fitzpatrick (1932) 进行了一项单变量的破产预测研究, 开创了财务预警研究的先河。他选取19 家公司作为样本, 利用单一财务比率将样本划分为破产和非破产两组, 其研究结果显示净利润/股东权益、股东权益/负债这两个比率的判别能力最高, 即误判率最低。不过当时由于条件的限制, 主要的研究方式是对正常企业和非正常企业的一些财务比率进行比较和经验分析, 且之后的30年内都很少有学者进行单变量判别法的研究, 这种状况一直持续到20世纪60年代初, 此后的财务风险判别才可算是真正进入系统化阶段。

Beaver (1966) 创造性的提出了单变量模型, 他也是最早将现金流量用于财务困境预测研究的学者。Beaver选取了79家失败公司和79家非失败公司, 应用一元判别法比较了各项财务指标在公司破产前1~5年的预测效果, 发现现金流量/总负债的预测能力最好, 并且离失败日越近误判率越低, 在财务困境前1年误判率仅为13%。

单变量的开创性作用不可忽视, 该方法简便易行, 实践中可操作性强, 在研究条件较差时具有很大优势, 但其局限性也是很明显的。由于企业的财务状况错综复杂, 单一的财务比率往往不能准确反映客观实际, 这就影响了预测的有效性。

(2) 多变量判别分析法。

该方法同时使用多个财务指标, 利用多元变量的组合来预测企业的财务困境。Altman (1968) 首次运用了多元线性判别分析法, 建立了多元判别模型, 其后的研究者通称为Z模型。相比以前的预测模型, 该模型的预测准确率有着较大的提高。然而Z模型在建立时并未充分考虑到现金流量的变动等方面的情况, 因而具有较大的局限性。Altman在1977年对自己的模型进行了修正, 提出了ZETA模型, 使得预测的效率又有所提高。

Altman的研究可说是具有很大贡献, 到目前为止, 在实践中Z模型依旧占据重要地位。但是Z模型要求变量必须符合正态分布, 现实中的许多变量多不满足该假设, 这就降低了模型的使用性。

(3) Logistic模型。

该方法采用一系列财务指标自变量来建立模型, 对变量没有严格的要求, 从而克服了Z模型的不足。Martin (1977) 首次运用了Logistic模型。他于1970—1977年, 以58家财务困难银行为研究对象, 选取了总资产净利率等8个指标, 在Z模型、ZETA模型和Logistic模型之间作比较, 发现Logistic模型的预测能力更高。

Ohlson (1980) 采用Logistic方法进行破产预测, 他在1970—1976年, 研究了105家破产公司和2085家正常公司, 运用9个财务变量来构建模型, 研究发现公司的融资能力和业绩对破产有很大影响。但他也指出, 采用破产之后获得的信息来预测破产会高估破产模型的预测能力。

(4) Probit模型。

该方法与Logistic方法类似。Zmijewski (1983) 以72家破产企业和3573家非破产企业为样本, 使用Probit模型, 用逻辑比分析的方法进行了财务困境预测。研究发现破产与非破产企业之间有四类财务比率有明显的差别, 分别是:回报率、财务杠杆、固定收入保障率、股票回报率。

虽然Probit模型和Logistic模型的方法相似, 但Probit模型的条件较严格, 且计算方法不如Logistic模型简便, 因而使用面不如Logistic模型广。

(5) 生存分析法。

现代科学技术的发展, 新的方法被不断应用到财务困境预测中, M.Luoma和E.K.Laitinen (1991) 在“survival analysis as a tool for company failure prediction”中提到了用生存分析法来预测企业的失败, 相对于传统方法而言这是很好的发展, 不过这种方法现在并未得到广泛使用。

(6) 专家系统法。

人工智能的应用和发展, 专家系统方法也被逐渐采用。Messier和Hansen (1988) 首次将专家系统应用于财务困境预测研究, 并将该方法与线性判别分析、群体决策等方法进行比较, 发现专家系统法的分类效果最好, 而且比群体决策的正确率稳定。

(7) 神经网络判别模型。

神经网络判别模型是财务困境预警研究方法上的重大创新, Odom和Sharda (1990) 开创了用神经网络预测财务困境的新方法, Coats和Fant (1991) 选取47家正常公司和47家危机公司使用神经网络模型进行判别, 预测准确率达到91%。目前神经网络模型预测的效果还不稳定, 但随着研究方式的改进和模型完善, 该方法在未来研究中可能成为一个重要方向。

3 结束语

在财务困境的预警研究中, 重要的方法之一就是建立预警模型, 综观国内外的研究史, 经典的模型代表了各个阶段的研究水平, 体现了不同时期的研究成果。简单比较以上模型, 可以看出:各模型都具有一定的优势和劣势, 无论是在理论研究中还是在实践中都无法作出绝对的比较。可以说, 关于财务困境预警的研究, 直到今天都未达成绝对的共识, 也不存在一种绝对行之有效的模型, 现实情况的不断演变, 新问题的层出不穷, 任何模型都无法适用一切场合, 研究需要随之不断深化。

摘要：本文对国外的相关文献资料进行归纳总结, 将部分财务困境预警模型做一整理归纳, 以利于了解财务困境预警研究的历史进程和现状, 并对各种财务困境预警模型作一比较。

关键词：财务困境,预警研究,综述

参考文献

[1]马若微.企业财务困境预测理论及实证研究评述[J].中国城市经济, 2005 (6) :46-48.

[2]王雪梅, 王春巍.财务困境预测研究发展变迁[J].合作经济与科社, 2007 (2) :78-79.

金融危机早期预警模型研究 篇3

1 概述

对金融危机预警的研究始于20世纪70年代。发展到现在, 金融危机预警主要可以分为模型预警和非模型预警两类。后者主要是根据一定的标准通过对经济体的一系列经济指标的综合评价, 评定该经济体发生危机的可能性, 典型方法包括主要债券利差法、权威信用评级法和货币市场分析法。而模型预警理论的基本方法是构造危机分辨指标、定义识别危机的极限边界值、比较危机前后的某些经济指标的变化特点, 选取预警信号代表性诊断指标并界定相应的预警标准。IMF的研究表明, 从1990年以后发生的金融危机来看, 基于模型的预警方法比非模型方法的准确性要高得多。

目前国际上比较流行的金融危机预警模型包括1996年Frankel和Rose根据许多发展中国家的样本数据开发的FR概率模型、1996年Sachs, Tornell和Velasco开发的STV横截面回归模型、1997年Kaminsky, Lizondo和Reinhart联合开发的KLR信号分析法和Kumar、Moorthy和Perraudin (2003) 提出基于滞后宏观经济和金融数据的Simple Logit模型。

2 主要的金融危机预警模型

2.1 FR概率模型

1997年, Frankel和Rose以100个发展中国家在1971-1992年这段时间发生的货币危机为样本, 以各个国家的年度数据为样本资料, 建立了可以估计货币危机发生可能性的概率模型。FR模型将货币危机定义为货币贬值至少25%, 并至少超出上年贬值率的10%。其研究对象不包括货币当局通过卖出外汇储备或提高利率成功击退投机供给的情况。Frankel和Rose认为, 货币危机有多种因素引发, 其中选择的变量有:GDP的增长率、国外的利率、国内信贷增长率、政府预算赤字占GDP的比率和经济开放程度等等。如果用Y表示货币危机这一离散变量, 用X表示货币危机的各种引发因素的向量, β代表X所对应的参数向量, 那么就可以用引发因素X的联合概率分布来衡量货币危机发生的概率, A表示货币危机发生, B表示货币危机未发生。用公式表示为:

Frankel和Rose运用数据指标对货币危机发生的概率进行了最大对数似然估算。结论是:当产出增长缓慢, 国内信贷增长较快, 国外利率较高, 外国直接投资占总债务的比例较低时, 货币危机发生的概率增加。另外, 研究结果说明外汇储备水平较低和实际汇率升值对预期危机有一定的作用。

2.2 STV横截面回归模型

横截面回归模型由Sachs, Tornell和Velasco研究建立因此又称为STV横截面回归模型。他们认为, 实际汇率贬值, 国内私人贷款增长率、国际储备/M2是判断一个国家发生金融危机与否的重要指标。

他们选择了20个新兴市场国家的截面数据, 分析了1994年末的墨西哥货币危机在1995年对其他新兴市场国家的影响, 考察了货币危机发生的决定因素;将货币危机指数IND定义为1994年11月-1995年4月加权的储备下降百分比和汇率贬值百分比的总和。他们认为:实际汇率、贷款增长率、国际储备与广义货币供应量的比率对一个国家是否发生货币危机至关重要。此外, 他们还确定了两个虚拟变量:当实际汇率贬值幅度处于低四分位或国内私人信贷增长率高四分位时, 第一个虚拟变量取值为1, 其他情况则为0;当国际储备与广义货币量的比率处于低四分位时, 第二个虚拟变量取值为1, 其他情况为0。结果发现, 如果一国的银行体制比较脆弱 (LB, 用1990-1994年对私人部门信贷的增长率来衡量) , 汇率高估 (RER, 用从1986-1989年和1990-1994年实际汇率的贬值率来衡量) , 同时, 外汇储备水平 (DLR, 用外汇储备/M2来衡量) 较低, 经济基本面脆弱 (DWF) 就会遭到更严重的攻击。

IND=β1+β2RER+β3LB+β4RER.DLR+β5LB.DWF+β6RER.DWF+β7LB.DEF

其中:β为7个指标各自回归的相关系数。在估计方程中, 假设:

(1) 实际汇率贬值的国家遭受的危机较轻, 但是这只与较低的外汇储备和脆弱的经济基本面因素有关, 所以有:β2=0, β2+β4=0, β2+β4+β6<0。

(2) 贷款膨胀导致危机的严重性增加, 但也只是与较低的储备和脆弱的基本面因素有关, 因此有:β3=0, β3+β5=0, β3+β5+β7<0。

2.3 KLR模型

KLR信号分析法于1997年由该模型是Kaminsky、Lizondo和Reinhart于1998年创立并经过Kaminsky (1999) 的完善。

KLR信号分析法的理论基础是研究经济周期转折的信号理论, 其核心思想是首先通过研究货币危机发生的原因来确定哪些经济变量可以用于货币危机的预测, 然后运用历史上的数据进行统计分析, 确定与货币危机有显著联系的变量, 以此作为货币危机发生的先行指标。然后为每一个选定的先行指标根据其历史数据确定一个安全阈值。当某个指标的阈值在某个时点或某段时间被突破, 就意味着该指标发出了一个危机信号;危机信号发出越多, 表示某一个国家在未来一段时间内爆发危机的可能性就越大。阈值是使噪音——信号比率 (即错误信号与正确信号之比值) 最小的临界值。

2.4 基于滞后宏观经济和金融数据的Simple Logit模型

基于滞后宏观经济和金融数据的Simple Logit模型由Kumar, Moorthy和Perraudin在2003年提出, 该模型的特点主要表现在四个方面:

(1) 模型考察了对两种货币危机定义情况下发生货币危机的可能性, 即利率调整引起的汇率大幅度贬值和货币的贬值幅度超过了以往的水平的情形, 而以往的模型只考虑一种情况。

(2) 该模型不仅可以在样本内进行预测, 还可以对样本外的数据预测。

(3) 模型对32个发展中国家1985年1月-1999年10月的危机进行预测。

(4) 模型还可以对预测的结果进行比较和检验, 克服以往的模型只能解释货币危机的局限。

该模型基于利率调整引起的汇率贬值构建了两个投机冲击预测模型:未预期到的贬值冲击模型 (Unanticipated Depreciation Crash, 简称为UDC) 和总贬值冲击模型 (Total Depreciation Crashes, 简称为TDC) 。

3 结语

由于预警方法的研究目前仍然处于起步阶段, 因此要开发出一种预测百分之百准确的预警系统是根本不可能的。以目前最具影响力的KLR信号分析法为例, Kaminsky用该方法预测1997年的东亚金融危机, 发生危机的无条件概率仅为27%, 而条件概率仅提高到40%, 所以预测效果并不理想, 这说明金融危机预警模型的研究是一项长期并且棘手的工作。因此, 我们认为目前对预警方法开展研究的意义就在于能勾勒出一国总体经济发展的趋势, 提前发现一国存在问题的严重性, 对人们产生一种警示, 能达到这种目的也就足够了。

从本轮次贷危机来看, 在危机发生之前, 几乎没有模型能预测到此次美国次贷危机大范围爆发。所以, 进一步研究方向本文认为应该将多种预警方法相结合, 将不同的方法进行集成, 共同来提高预警的准确性。总之, 要建立一个理想的金融危机预警模型还需要大量的艰辛工作, 需要我们坚持不懈的努力。

摘要：货币危机早期预警系统是一国金融安全建设的主要内容之一。介绍了FR概率模型、STV横截面回归模型、KLR模型和Simple Logit模型这四种主要的金融危机早期预警模型。

关键词：金融危机,预警模型

参考文献

[1]韦震, 王硕.金融危机预警模型综述以及评价[J].经济师, 2009, (11) :201-203.

[2]陈全功, 王红斌.货币危机早期预警系统及运行效果:一个文献综述[J].贵州财经学院学报, 2005, (2) :23-17.

[3]余倩.货币危机预警模型研究[D].西南财经大学, 2007, (4) .

军队油库安全预警模型研究 篇4

1. 油库安全预警指标体系的建立

综合考虑影响油库安全的各因素, 根据对油库安全系统的综合分析, 得出影响油库安全主要有以下因素:人员 (身体状况和业务素质, 安全意识, 思想政治素质) ;设备设施 (储油系统、装卸油与输油系统、辅助作业系统、消防系统、防护抢救装备) ;安全管理 (安全教育、安全组织、安全规章制度、安全预案演练、安全检查) 。根据以上内容, 建立如图1的油库安全预警指标体系:

2. 油库安全预警模型的建立

油库安全影响因素物元是由名称、特征、量值构成的, 因此, 每个指标可以看成分物元, 利用物元方法可建立多指标参数的油库安全预警模型, 以定量的数值表示预警结果, 从而能完整地反映油库安全的实际综合水平, 并且便于使用计算机进行规范化评定。

2.1 确定油库安全水平的物元集合

把油库安全预警等级分为重警、中警、轻警和无警四个等级。由以往的经验资料 (数据库) 或专家意见给出各等级的数据范围, 再将待评油库的安全预警指标代入各等级的集合中进行多指标预警。预警结果按其与各等级集合的关联度大小进行比较, 关联度越大, 与某等级集合的符合程度就越好。

(1) 确定经典域

式中, Moj表示所划分的j个油库安全预警等级, 因此, j=4, ci表示强弱等级N0j的特征;x0ji分别为N0i关于ci所规定的量值范围, 即各质量等级关于对应特征所取的数据范围———经典域。

(2) 确定节域

其中, p—表示油库安全预警等级的全体, Xpi—p关于ci所取的量值范围。

(3) 确定待评物元

2.2 确定待评对象关于各等级的关联度令

对每个特征Ci, 取wi为权系数, 令

称Kj (p0) 为待评油库风险因素p0关于等级j的关联度。

2.3 油库安全预警等级评定

若Kj0=max Kj (p0) j∈{1, 2, ..., m} (公式3)

则评定油库安全p0的预警等级属于等级j0, 若对一切j, Ki (p0) ≤0表示p0的油库安全预警等级已不在所划分的各等级之内, 应舍去。

3. 油库安全预警模型应用

现对某油库的安全现状进行预警, 综合多位安全专家的意见, 对该油库的安全现状要素打分, 结果是人员因素75分, 设备设施因素78分, 安全管理因素71分 (文章篇幅有限, 仅对一级指标进行预警) 。试对该油库安全现状进行预警。

3.1 确定各等级物元矩阵量值, 建立各等级的经典域

采用德尔菲法, 确定各等级的量值范围, 可按无警、轻警、中警、重警四个等级依次进行。建立经典域如下:

3.2确定油库安全的节域物元矩阵量值

根据确保油库安全的需要, 确定节域如下:

3.3建立待评对象物元矩阵

3.4 油库安全预警等级评定

同理可得

由层次分析法得到指标体系的权重分别为w1=0.5, w2=0.3, w3=0.2则

因为Max Ki (p0) =K3 (p0) , 所以该油库安全现状预警等级为中警。需要在人员安全素质和安全管理方面进行提高和改进。

4. 结论

油库预警问题是具有多种复杂因素和不确定性的问题, 本文构建了油库安全预警指标体系, 建立了油库安全预警模型, 并对模型进行了实证分析。该模型具有动态性和客观性等特点, 是一种可以对油库安全进行预警的有效方法。

摘要：通过分析影响油库安全的因素, 建立了油库安全综合预警指标体系, 构建了基于物元理论的油库安全预警模型, 最后进行了实例分析, 对模型的有效性进行了验证。

故障预警技术的油井节能实践 篇5

1 建立技术平台

1.1 硬件系统构建

油井预警管理平台硬件系统主要组成部分：多功能远程数据采集控制器(RTU)、无线通讯系统、电量采集模块、远程控制系统[1]。

1.2 软件系统构建

油井预警管理平台软件系统主要组成部分：SQL SERVER数据集中处理技术、基于WEB系统的多用户处理技术、数据动态自动分析技术、基于故障预警的三级处理技术。

1.3 油井故障预警的自动控制

油井故障预警的自动控制是油井管理平台的核心功能之一，每十分钟自动完成一次油井采集生产数据分析并计算波动情况，系统自动对比预警波动比例，有异常情况自动生成信息提示见图1。

2 现场应用

油井预警管理平台自应用以来年处理油井生产问题575井次，减少故障处理时间3 218 h，年节约热洗化防费用19.8万元，年节约检泵费用69.8万元。

井例1：车108-4X井

该井日产液14.3m3，含水78.4%，含蜡13.04%，原加药周期为50 kg/30 d，应用油井预警管理平台后根据油井参数变化情况确定加药时间，年节约药剂500 kg，见图2。

井例2：晋98平2井

7月21日，油井预警管理平台发出故障报警，示功图显示抽油泵碰泵，载荷显示异常，现场落实情况后，及时调整防冲距使油井恢复正常，避免了因调整不及时造成检泵情况的发生，节约检泵费用4.5万元见图3。

3 结论

1)通过油井预警管理平台的现场应用,缩短了油井故障反应处理时间，实现了油井异常的及时调整，提高了油井生产时率。

2)促进了油井降耗，节约了油井生产成本，提高了油井单井效益，为创建节能、高效、低耗企业做出了贡献。

摘要：油井故障及时发现对油井节能降耗生产有着决定性的影响。冀中南部油田依托完善的单井自动化系统建立了一套基于故障预警技术的油井管理平台,实现了油井生产参数的实时分析及异常报警,提高了油井精细化管理水平。现场应用后年减少故障处理时间3 218 h,年节约热洗化防费用19.8万元,年节约检泵费用69.8万元。

关键词：油井,故障预警,自动化,节约

参考文献

上市公司财务预警模型构建 篇6

财务预警模型在应对财务危机方面具有重要作用, 并在国外得到了广泛的应用。近年来, 随着我国上市公司的迅速发展, 因财务危机被证券交易所特别处理甚至退市的例子屡见不鲜。因此, 构建符合我国上市公司特点的财务预警模型已成为理论界关注的焦点。从发展趋势上看, 国外财务预警模型的发展大体上经历了由单变量预警模型向多变量预警模型发展的过程。Fitzpatrick (1932) 提出了运用财务指标分析企业的财务状况, 但主要是针对企业的单个变量进行对比, 涉及范围较窄, 反映的指标也不够全面。Beaver (1966) 在此基础上首次提出了运用财务指标构建财务预警模型的想法, 并通过扩大搜集企业和指标的范围构建了财务预警模型, 标志着单变量财务预警体系的成熟。随着企业的迅速发展, 单变量预警模型预测准确性差的弊端日益显现出来, 为此爱德华·阿特曼在1968年提出了著名的Z分模型, 标志着多变量财务预警模型的产生。随后, 众多学者在此基础上不断地放宽假设对Z分模型进行了完善和发展。进入20世纪90年代以后, 神经网络法构架财务预警模型得到了广泛应用, 奥多姆和沙达 (1990) 首次将神经网络法运用于财务预警模型的建立, 随后萨奇伯格 (1992) 和瓦里托 (1994) 分别将此方法运用于实证分析中, 并取得了较为理想的分析结果。我国学者主要是针对我国上市公司的特点对财务预警模型构建的方法进行了研究。周首华、杨济华、王平 (1996) 通过将现金流量指标加入Z分模型中, 形成了F分模型。陈瑜 (2000) 在实证分析的基础上首次将二元线性回归方法与主成分分析法结合构建我国上市公司财务预警模型。杨淑娥、黄礼 (2005) 采用BP神经网络法构建我国上市公司的财务预警模型。笔者主要综合运用主成分分析法和多元判别分析法构建财务预警模型, 并对模型的准确性进行检验。

笔者以2010年上海证券交易所中34家被ST的上市公司为研究样本, 为了构建和检验模型的准确性, 另外选取34家性质和规模相近的非ST上市公司进行配对。在选取样本的时间范围上, 选取上市公司被ST前三年的相关指标为研究对象, 分别以t-1、t-2、t-3表示, 通过分析说明预测准确性和预测时间之间的关系。为了全面反映上市公司财务情况, 主要是上市公司的盈利能力、现金流能力、营运能力、发展能力和偿债能力, 选取了11个指标为研究对象, 包括销售净利率 (X1) 、总资产报酬率 (X2) 、加权平均净资产报酬率 (X3) 、现金流量利息保障倍数 (X4) 、现金流量比率 (X5) 、应收账款周转率 (X6) 、总资产周转率 (X7) 、总资产增长率 (X8) 、净资产增长率 (X9) 、流动比率 (X10) 、资产负债率 (X11) 。

二、财务预警模型构建

(一) KMO检验与Bartlett球度检验

为消除不同指标之间量纲差别过大的影响, 在主成分分析之前首先对原始数据进行了标准化处理;为了检验标准化后的数据是否适合主成分分析, 首先对数据进行KMO检验和Bartlett球度检验, 具体结果见表1、表2、表3:

由上表可知, 三年的KMO值分别为0.692、0.632和0.602, 根据统计学家Kaiser给出的标准, KMO取值大于0.6, 被认为适合做主成分分析, 因此, 三年的数据均适合做主成分分析。三年的Bartlett球度检验给出的相伴概率均为0.00, 小于显著性水平0.05, 因此被认为是具有统计学意义的, 综上所述, 认为适合于主成分分析。笔者将重点列出以t-1年数据为例的财务预警模型的构建过程。

(二) 提取主成分

解释的总方差表示提取的主成分是否能够代表大部分的原始信息, 具体结果见表4:

通过解释的总方差可以看出, 提取的五个主成分能够反映84.041%的原始变量, 能够解释大多数的原始信息, 可以进行主成分分析。为了进一步分析这五个主成分分别代表的含义, 可进一步分析成分矩阵, 以说明这五个主成分分别代表了上市公司哪些方面的财务信息, 具体结果见表5:

提取方法:主成分分析法, a已提取了5个主成分。

通过对成分矩阵的分析可以看出, 主成分1中表示上市公司获取现金流能力指标的负荷量较高, 因此主成分1代表上市公司获取现金流的能力;主成分2中净资产收益率增长率的指标明显高于其他变量, 代表上市公司的发展能力;主成分3中代表应收账款周转率指标的比重较大, 代表上市公司的营运能力;主成分4中资产负债率指标的负荷量较大, 代表上市公司的长期偿债能力;主成分5中净资产报酬率指标负荷量较大, 因此主成分5代表上市公司的盈利能力。

(三) 基于主成分分析的财务预警模型构建为构建财务预警模型, 首先通过分析得出成分得分系数矩阵, 具体结果见表6:

通过成分得分系数矩阵可知主成分表达式的系数, 用F1、F2、F3、F4、F5分别表示五个主成分, 则:

F1=0.16X1+0.24X2+0.072X3+0.215X4+0.257X5+0.047X6+0.169X7+0.197X8+0.119X9+0.218X10+0.019X11

F2=-0.12X1-0.034X2+0.141X3-0.243X4-0.211X5-0.23X6-0.196X7+0.42X8+0.55X9+0.076X10+0.159X11

F3=0.335X1+0.286X2+0.182X3-0.374X4-0.254X5+0.297X6+0.336X7+0.076X8-0.03X9-0.344X10+0.155X11

F4=0.07X1+0.116X2+0.291X3-0.02X4-0.031X5-0.395X6-0.04X7-0.274X8-0.256X9+0.228X10+0.629X11

F5=-0.532X1-0.198X2+0.612X3+0.153X4+0.004X5+0.492X6+0.132X7-0.054X8+0.04X9+0.058X10+0.107X11

用T1表示t-1年上市公司, 根据表4的解释的总方差可以得出上市公司的财务预警模型:

T1= (27.341F1+17.274F2+14.623F3+13.702F4+11.1F5) /84.041

将样本中标准化后的数据代入该模型即可得出各个上市公司预警值的分布情况。

在对t-2年和t-3的数据进行主成分分析时, 分别提出了四个主成分, 按照同样的方法可以构建出被ST前2年和前3年的财务预警模型, 前2年的模型为:

T2= (27.207F1+21.056F2+17.783F3+14.58F4) /80.626

其中:

F1=0.264X1+0.275X2+0.127X3+0.13X4+0.132X5+0.099X6+0.102X7+0.218X8+0.149X9+0.138X10+0.055X11

F2=-0.205X1-0.102X2-0.168X3+0.435X4+0.422X5+0.283X6+0.036X7-0.107X8+0.016X9-0.132X10-0.087X11

F3=-0.138X1-0.087X2-0.172X3+0.076X4+0.068X5+0.074X6-0.017X7-0.13X8-0.012X9+0.519X10+0.593X11

F4=0.065X1-0.084X2+0.627X3+0.186X4+0.054X5+0.126X6-0.124X7-0.018X8-0.678X9+0.034X10+0.12X11

从四个主成分的等式中可以看出, 主成分1中X1、X2、X3的系数较大, 代表上市公司的盈利能力, 主成分2中, X4、X5的系数较大, 反映上市公司获取现金流的能力, 主成分3中, X10、X11的系数较大, 反映上市公司的偿债能力, 主成分4中X3、X9的系数较大, 则同时反映上市公司获取现金流能力和发展能力。

前三年的模型为:

T3= (31.895F1+19.643F2+18.282F3+15.141F4) /84.961

其中:

F1=0.728X1+0.884X2+0.862X3+0.252X4+0.506X5-0.021X6-0.01X7+0.242X8+0.461X9-0.312X10-0.466X11

F2=0.063X1+0.263X2+0.058X3-0.246X4+0.294X5+0.377X6+0.379X7+0.355X8+0.27X9+0.735X10+0.635X11

F3=-0.103X1-0.003X2-0.275X3+0.614X4+0.373X5+0.31X6+0.644X7+0.345X8-0.257X9-0.171X10-0.304X11

F4=-0.258X1-0.022X2-0.123X3+0.484X4+0.46X5+0.094X6+0.374X7+0.501X8+0.371X9+0.217X10+0.055X11

从中可以看出, 主成分1中X1、X2、X3的系数明显高于其他变量, 表示上市公司的盈利能力, 主成分2中, X10、X11的系数较大, 反映上市公司的偿债能力, 主成分3中, X4、X7的系数较大, 代表上市公司获取现金流能力和营运能力, 主成分4中, X8的系数较大, 反映上市公司的发展能力。

三、财务预警模型检验

运用SPSS软件进行多元判别分析法 (MDA) 检验, 根据错误分类最小原则最大限度的区分两类不同主体, 并与预测数据进行比较, 以检验预测模型的准确性。通过对上市公司被ST前三年的财务预警模型进行检验, 不但能够得出财务预警模型的准确性, 而且能够验证预测时间与准确性之间的关系。具体检验结果见表7:

通过对判别结果进行分析, 将被ST的上市公司 (1) 错判为非ST (2) 的情况计为第一类错误, 将非ST的上市公司 (2) 错判为ST (1) 的情况计为第二类错误。可以看出在t-1年中第一类的错误率为8.8%, 正确率为91.2%;第二类的错误率为2.9%, 正确率为97.1%, 综合准确率为94.15%。同理可以分析出t-2年和t-3年的综合准确率分别为86.75%和80.9%。由此可见运用主成分分析法构建财务预警模型的准确性较高, 在预测我国上市公司的财务困境方面具有较高的适应性。另外, 通过分析上市公司被ST前3年的综合准确率趋势, 可以看出, 预测时间越短, 准确率就越高, 随着预测时间的向前推移, 准确性会有所下降。

四、结论

随着证券市场的快速发展, 构建上市公司财务预警模型不仅能够帮助上市公司有效地避免财务风险, 而且有利于整个证券市场的稳定。笔者以上市公司被ST前三年的指标及相关非ST上市公司的数据为研究样本, 首先对原始数据进行了标准化处理, 随后运用主成分分析法构建了被ST前三年的财务预警模型, 最后运用多元判别分析法检验了财务预警模型的准确性, 结果表示:运用主成分分析法构建的财务预警模型对我国上市公司具有很好的适应性, 且预测时间越短其准确性就越高。

但上述研究还有一些局限性, 主要表现在: (1) 只选取了上市公司的财务指标, 而财务指标只能反映财务因素, 不能反映非财务因素, 影响了模型的准确性。 (2) 所选取的数据均为上市公司公开的财务数据, 可能被粉饰过, 因此降低了预警的有效性。 (3) 只是从定量角度进行了分析, 没有从定性角度分析, 使得结果并不十分准确。 (4) 由于被ST的公司有限, 所以选取的样本只能代表普遍性, 需要进一步改进。

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》, 《会计研究》2011年第2期。

[2]邱云来:《Z计分模型的改进及实证检验》, 《统计与决策》2009年第12期。

[3]张星文、廖英霞:《基于Logistic回归模型的上市公司财务预警实证研究》, 《中国证券期货》2011年第6期。

[4]Altman.Labor Market Discrimination, Pay Inequality, and Effort Variability:An Alternative to the Neoclassical Model.Eastern Economic Journal, 1995, (2) .

财务预警模型的创建与应用 篇7

一、财务预警系统的预警模式

财务预警系统建立的关键是如何确定预警的指标和判断预警的警戒线。企业财务预警系统一般由总体财务预警系统和部门财务预警系统两个层次构成。部门财务预警系统是企业根据各部门职能及特点构建的财务预警子系统及设立相应的预警线, 一旦达到预警线, 相关部门就应及时采取措施, 控制企业的经营风险和财务风险, 防范可能发生的财务危机;部门财务预警系统可以辅助总体财务预警系统深入探寻财务危机产生的根源, 协调各部门工作, 提高企业整体效益。总体财务预警系统则是从整体上把握企业财务运行状况, 让企业经营者预先了解企业财务危机。具体来说, 财务预警模式包括单变量模式和综合模式两种。

(一) 单变量模式

单变量模式是通过单个财务比率指标的走势变化来预测企业财务危机。美国威廉·比弗在对79个失败企业和相同数量的成功企业进行大量对比分析后发现, 下列指标能够较好地预测企业的财务风险与危机。

1、债务保障率。

即现金净流量与债务总额的比值, 反映企业现有现金清偿债务的程度。一般而言, 企业出现财务危机时, 现金流入量会越来越少, 应收账款会越来越多, 以致造成偿债能力低下, 债务保障率降低。

2、资产收益率。

即净收益与资产总额的比值, 反映企业全部资产的获利能力。一般来说, 存在财务危机的企业资产收益率也比较低。

3、资产负债率。

即负债总额与资产总额的比值, 表明债权人提供的资产在企业总资产中所占的比重, 直接反映企业的总体偿债能力。

单变量模式操作比较简便, 不足之处在于, 企业需要从多方面综合了解其财务状况, 但单个比率只能反映企业某一方面的风险程度, 不能概括企业的全貌, 当各指标的结论不完全一致时, 指标的警示作用可能被抵消, 因而其有效性受到一定的限制。

(二) 综合模式

综合模式思路是运用多种财务指标加权汇总产生的总判别函数值来预测财务风险, 即建立一个多元线性函数模型, 来综合反映企业风险。这种模式给企业一个定量的标准, 从总体角度检查企业财务状况, 有利于不同时期财务状况的比较。综合模式财务预警的思想是由美国著名财务学教授爱德华·阿尔曼 (Altman) 最早在1968年研究提出的。阿尔曼教授提出了预测公司财务状况的Z值模型, 后于2000年对模型进行了修正。

阿尔曼教授于2000年修正后的函数模型为:

该模型是以5个财务比率, 将反映企业偿债能力的指标 (X 1, X 4) 、获利能力指标 (X2, X3) 和营运能力指标 (X5) 有机地联系起来, 综合分析预测企业的风险。一般认为Z值大于2.90时, 表明企业财务状况良好;当Z值小于1.21时, 表明企业财务状况堪忧;在1.21和2.90之间, 说明企业财务状况不稳定。

采用这一模型, 阿尔曼教授研究了实际情况分别为破产和未破产的两组公司, 两组公司数量均为33家, 研究发现:破产组Z值平均数为0.15, 未破产组Z值平均数为4.14。Z值小于1.21的公司均为破产公司, Z值大于2.90的公司均为未破产公司;而Z值在1.21和2.90之间的公司有部分是破产公司、部分是未破产公司;用Z值预测破产公司的准确率为91%, 预测未破产公司的准确率为97%。

采用阿尔曼教授于2000年修正后的模型可以对企业的财务状况进行风险分析、假设分析和究因分析。风险分析是通过计算出的Z值来判断企业当前财务状况的风险程度;假设分析是指从因素到结果的逻辑分析过程, 即假设影响Z值的各个因素单独发生变化或同时发生变化时, 分析企业财务风险的变化;究因分析是指从结果到原因的逻辑分析过程, 即分析企业达到良好财务状况的临界状态时各个因素的变动值。下面通过实例来说明利用Excel工作表进行财务预警综合模式的分析。

例:四方公司2009年有关财务数据如表-1所示, 试对其财务状况进行风险分析、假设分析和原因分析。

2009年12月31日单位:元

另外:已知该公司本年的营业收入为20 000元, 息税前利润为8 000元。

1、风险分析。此处通过判别函数Z值来衡量风险程度的大小。

(1) 按照表-2所示, 输入有关数据和定义。

(2) 判别式输入:

其中:营运资本=流动资产-流动负债=50 000-40 000=10 000

上表中的E 7=0.717E 2+0.847E 3+3.107E4+0.42E 5+0.998E6E=IF8

E 7>2.9, 无风险。

E 7<1.21, 有风险或风险不确定。

(3) 小数位数设置。选中区域E3:E10, 然后单击鼠标右键, 弹出“设置单元格格式”, 在弹出的“设置单元格格式”对话框中, 单击“数字”选项, 选择“数值”, 将小数位数调整为2就可以了。结果如表-3所示。

2、假设分析。

此处仅分析影响Z值的营业收入因素单独发生变动时, 企业风险程度的变化, 并假设营业收入上升到50 000元, 分析企业的风险程度为多少。

按照风险分析的步骤, 输入有关数据和定义相关指标的公式, 得出结果如表-4所示。

3、原因分析

此处仅分析达到良好财务状况的临界状态时销售收入是多少。

选中单元格E7, 然后单击“工具/单变量求解”, 弹出单变量求解对话框。在“目标值 (V) :”输入比临界无风险判别函数值Z稍大的数2.91;选中“可变单元格 (C) :”输入框, 输入“$B$2” (或选中单元格B2) , 单击“确定”, 计算出营业收入达到204 678.40元时, Z值达到临界点2.91, 风险程度为无风险状态, 结果如表-5所示。

除应用表-2判断企业是否存在财务危机外, 还应对企业Z值的变化趋势进行跟踪分析。若Z值呈急剧下降态势, 说明企业存在财务问题, 即使此时Z值大于2.9, 也应积极分析原因, 采取风险应对措施, 扭转财务危机。

二、应用财务预警系统分析应注意的问题

应用财务预警系统 (Z-Score) 五变量模型预测财务风险时, 也应该注意其局限性, 因为该模型建立在自变量服从多元正态分布假设上, 因此, 预测结果并不总是准确。实践表明, 五变量财务预警系统模型可准确判断两年内企业破产的可能性;超过两年的预测期, 五变量模型预测结果的准确性就会下降。而且, 五变量模型不能用于规模、行业不同的企业之间的比较。因此, 在应用时应该注意以下几点。

(一) 要结合企业的实际状况进行分析

企业自身发展情况不同, 其财务危机发生的表现往往也有区别, 而财务危机预警的模式却不能因企业而异。这样, 那些精密设计的、以不变应万变的财务危机预警模型, 有时便不够准确有效了。不同的国家、地区、行业和企业有着不同的会计惯例, 每个企业的财务数据并不能保证完全一致的计算口径, 其标准财务指标也不尽相同, 这就限制了直接应用财务危机预警模型的范围。凡事都有度, 企业财务管理的各项指标也存在着“适宜度”的问题, 在具体分析每个指标时都要把握住适宜度的原则, 掌握分寸。

(二) 要注意指标之间的关系

财务危机预警模型往往涉及到多个变量, 否则其灵敏性、全面性和严密性就会受到怀疑。但所涉及的财务数据越多, 其获取的难度就越大, 周期也会越长, 成本也会攀升, 而企业和外部关系人要考虑成本--收益比率。因此, 模型虽然设计比较合理, 但鉴于其数据收集的难度, 应用并不广泛, 这个因素进一步限制了量化财务模型的使用。

(三) 要注意定量分析与定性分析相结合

单变量模式和多变量模式均是从定量角度进行财务评价, 事实上这些都是企业财务预警考察的一部分。单纯使用量化的方法进行财务危机预测, 存在着许多困难。因而预警分析不能单纯强调定量分析, 还应结合非量化因素和分析人员的经验判断。因为企业破产不仅与自身经营管理有关, 还与企业所处宏观经济环境有关, 而定量分析难以反映宏观经济环境对企业财务状况的影响。因此, 应将定量分析和定性分析相结合, 提高财务预警系统的效用。

三、财务预警中要制定防范与转化风险的措施

通过对财务危机预警指标的正确分析, 最后一个步骤就是采取合理有效的防范与转化措施, 使企业运转走上正常化轨迹。目前的财务预警主要是通过计算企业的五个指标值的加权平均数, 即通过计算五变量等指标找到经营安全的分区, 加上企业的财务结构现状, 对不同情况采取不同的经营策略并找到企业财务状态改善方向。

财务预警系统在使用过程中, 首先要寻找财务风险、危机的根源, 然后通过设置并观察一些敏感性财务指标的变化, 而对企业可能或将要面临的财务危机建立进行监测预报的财务分析指标。任何企业的财务危机由初步萌生到程度恶化, 并非瞬间所致, 通常都是经历了一个渐进积累转化的过程。在这一过程中, 各种危机的因素都将直接或间接地通过一些敏感性财务指标值的变化反映出来。这样, 通过观察这些敏感性财务指标的变化, 便可以对企业的财务危机发挥预警作用。

企业在建立财务预警系统的过程中, 还应树立风险防范意识, 完善内部控制制度, 保证预警信息传递的畅通, 提高应对财务风险的速度。只有高度重视财务预警系统, 才能充分发挥财务预警系统的功能, 这要求企业全体员工清醒认识并高度警惕财务风险, 不放松任何细微问题。

因此, 企业管理者要注意观察、总结财务预警指标, 然后再结合量化数据进行定性分析判断, 从而可以提高财务预警系统的效用, 提高自己规避风险的能力。

参考文献

[1]魏亚平, 尹均惠.财务管理实验教程.经济科学出版社, 2005.

[2]李小青.企业财务预警系统及其定量探讨.会计之友, 2002 (1) .