金字塔模型与幼儿教师

金字塔模型与幼儿教师（共3篇）

金字塔模型与幼儿教师 篇1

摘要：提出了一种层析芯片荧光信号自动识别的算法。该算法使用基于RGB空间的数学形态学运算方法对图像滤波增强,并采用金字塔连接算法分割图像,然后使用高斯混合模型(GMM)检测荧光信号,最后再计算荧光区域的平均亮度。经实验证明,该算法能将荧光区域完整地分割出来,并能快速准确地检测出荧光信号,实现层析芯片的定量检测。

关键词：层析芯片,荧光信号,图像分割,金字塔连接,高斯混合模型

免疫层析芯片是一个很好的快速检测病原体的方法,它是以抗原或抗体作为检测对象,利用抗体与抗原的特异性结合的免疫反应,实现对待测物的定量分析[1]。

采用新型的纳米粒子,如磁性荧光纳米粒子或量子点作为层析芯片的标记物是一种新的方案,可以显著提高检测的灵敏度[2]。芯片上荧光区域的亮度就反映了抗原抗体之间的相互作用的情况,可以通过提取荧光信号来达到疾病检测的目的。实验通过对一组由不同浓度的抗原——抗体的免疫反应产生的荧光区域的亮度的计算,来定量地分析抗原浓度与荧光亮度之间的对应关系,从而达到病毒检测的目的。

为了更好地提取免疫层析芯片荧光信号的信息,根据层析芯片图像的特点,本文提出了一种新的算法,来检测出荧光区域信号。此算法首先用基于RGB空间的数学形态学运算对图像滤波增强[3],并采用金字塔连接算法分割图像[4、5],然后使用高斯混合模型(GMM)[6]检测荧光信号,以准确地提取出荧光区域的轮廓,最后再计算荧光区域的平均亮度并对其作定量分析[7]。通过多次实验验证,该方法对荧光信号的检测具有很好的效果。

本文先介绍算法的相关背景知识,提出新算法,包括数学形态学滤波、金字塔连接和高斯混合模型;然后通过实验数据分析进一步验证算法的有效性;最后再对这种荧光信号的检测算法进行归纳总结。

1 背景知识

1.1 彩色数学形态学

免疫层析芯片在制备、清洗、扫描的过程中必然会产生随机的噪声,这些噪声在图像中会对荧光信号的识别造成影响。采用彩色图像形态学的方法进行滤波处理,基于RGB彩色空间,采用平面结构元素的彩色形态变换方法[8]。

V(x)为RGB空间的彩色图像,P为平面结构元素,且P∈Z2,数学形态学运算可表示如下:

结构元素P的选取与采集芯片图像的荧光区域大小和噪点大小有关[9],在对免疫层析芯片图像滤波增强时,既要保留荧光区域,又要去除掉背景噪声。

1.2 金字塔分割

金字塔由一系列级组成,越高级别信息量越少,每一步向更高级别变换用信息缩减的分析算子实现,而每一步向更低级别变换用信息保留的合成算子实现[10]。通常金字塔的低分辨率图像用于分析大的结构,而高分辨率图像用于分析单个部分的特性。

金字塔分割的一般过程是首先要建立金字塔的简单系统,在建立完金字塔后,相邻层之间就形成了父子关系。设置两个阈值threshold1和threshold2,threshold1是建立连接的错误阈值,threshold2是分割簇的错误阈值。如果层i与其邻层的灰度值差小于threshold1,则在层i的像素点a与其邻层的父亲像素点b之间建立连接,在定义好连接部件后,它们被加入到某些簇中;如果a与b之间的平均灰度值差小于threshold2,则两个像素点属于同一簇。

1.3 高斯混合模型(GMM)

高斯混合模型(Gaussian Mixture Model,GMM)[11]是单一高斯概率密度函数的延伸,能够平滑地近似任意的密度分布。混合高斯模型的概率密度函数是由M个高斯概率密度函数的加权求和得到:

其中,是均值向量,∑i是协方差矩阵。图1是一个k=3的高斯混合模型。

完整的高斯混合模型由参数均值向量、协方差矩阵和混合权重组成,表示为:

2 荧光信号的检测算法

首先对免疫层析芯片图像进行滤波增强,由于形态学噪声操作只能消除那些比结构元素小的噪声,所以结构元素选用的全黑模板。在形态学的图像应用中,开运算常用来实现滤波,闭运算通常用来滤除较小的暗细节。开和闭不互为逆运算,本文采用级连使用应用于层析芯片图像。结合荧光信号的特点,采用开闭级连的方法,可以有效抑制图像的噪声,为后面的图像分割做好准备。

在对芯片图像进行形态学滤波后,采用金字塔连接算法[12]对图像进行初始分割,分割出背景并保留荧光区域的特征。在金字塔的最底层,节点数为原始图像的象素个数。每一个节点都包含了根据计算图像而得到的特征值。当向金字塔的上层移动时,尺寸和分辨率就降低,而高层图像中的节点的初始值由低层节点的均值计算而来。在整个金字塔建立起来后,从金字塔的底部开始,相邻层的各个节点建立连接。相邻层各节点的关系称为父子关系。这种算法的迭代过程如下:

(1)计算高斯金字塔。实验中选用GAUSSIAN_4x4模板来建立金字塔。

(2)建立父子关系。在计算出高斯金字塔后,相邻层之间就形成了父子关系。第l层金字塔中的节点(i,j)所包含的特征值有4个:(1)局部图像特征值c[i,j,l][t];(2)特征的面积a[i,j,l][t];(3)指向父结点的指针p[i,j,l][t];(4)分割特征,即整个分割区域包含节点的平均值s[i,j,l][t]。字母t表示迭代次数(t≥0)。对于第l层的每一个节点(i j),在第l-1层有16个可选取的子节点(i',j'),在l+1层有4个可选取的父结点(i'',j'')。在金字塔顶层以下的各层中,对于每次迭代t,所有节点都建立了父子关系。

(3)将连接的像素平均。定义了父子关系之后,t,c和a的值从最底层向最高层(0≤l≤n)计算,a[i,j,0][t]=1,c[i,j,0][t]=c[i,j,0][0],a[i,j,l][t]=∑a[i',j',l-1][t]其中求和是计算节点(i,j)所有子节点的和。如果a[i,j,0][t]=0,则没有子节点;如果a[i,j,l][t]>0则c[i,j,l][t]=∑(a[i',j'l-1][t].c[i',j',l-1][t])/a[i,j,l][t],通过c的变化来控制迭代过程。在每一层l,每个节点的s值就是它的父结点的c值,即s[i,j,l][t]=c[i",j",l+1][t]。当t次迭代完成后,第t+1次迭代就开始;当c没有变化时,迭代过程就结束。

在金字塔算法对芯片图像初始分割后,采用高斯混合模型对荧光信号进一步检测,算法主要步骤如下:

(1)根据金字塔分割出的背景区域与前景区域,我们选出感兴趣的荧光区域部分;

(2)结合这些荧光区域的颜色信息,通过EM算法估计出了GMM的各个参数值,把图像的背景与前景分别用GMM近似估计概率分布。EM算法包括两个步骤:由E步和M步组成,它是通过迭代最大化完整数据的对数似然函数的期望来最大化不完整数据的对数似然函数。E-步,计算完整数据的对数似然函数的期望;M-步,通过最大化期望来获得新的参数Θ。通过交替使用这两个步骤,EM算法逐步改进模型的参数,使参数和训练样本的似然概率逐渐增大,最后终止于一个极大点,最后则实现参数的估计,生成一个高斯分布。

(3)把图像的背景与前景分别用GMM去近似估计概率分布。通过实验知道,当参数K为6时,可以得到较好的效果。遍历图像的每个像素,分别计算每个像素属于背景与前景的概率,比较这两个概率,将该像素化到概率大的一方中。遍历完整个图像后,则得到分割后的荧光区域。

3 实验结果分析

3.1 图像滤波增强处理结果

为了简洁地说明问题,检验上述所提算法的有效性,我们选取一幅免疫层析芯片图像进行分析,原图像如图2a所示。

根据采集的免疫层析芯片图像的特点,为了更好的去除噪声增强荧光信号,选取了9x9的全黑模板,并采用了开闭级连,对RGB空间的图像进行了彩色形态学变换。图像滤波后的结果如图2b所示。

对于试纸条的层析芯片图像,我们最终需要提取的是图像中上下两部分黄色荧光条带部分(即检测带和质控带)。从原始图2a中可以看出背景中存在了很多的噪声,通过图2b可以看到,荧光区域之外的背景噪声有了一定程度的去除,荧光信号就更加明显,从而为后面的图像分割做好准备。

3.2 荧光信号轮廓提取

图2b是采用金字塔算法对生物芯片图像进行初步分割的结果。从原始图像和金字塔分割后的图像灰度直方图(图3d、3e)对比也可以看出,金字塔连接算法有效地对芯片图像进行了预处理,去除了很多背景干扰噪声,增强了图像的对比度,在此基础上再用GMM分割荧光区域从而获得最终的黄色荧光区域的轮廓,实验效果图如图3c所示:

3.3 荧光信号的数据分析

平均法,是一种广泛使用的统计方法,通过统计出的荧光信号区域内所有像素点光密度的平均值来反映荧光区域的荧光强度。抗体与不同浓度的抗原相结合,荧光的亮度就反映了抗原抗体之间相互作用的情况。通过前面提到的算法实现自动提取出荧光区域,再计算出提取的荧光区域的平均亮度,就可以定量地分析参与反应的抗原的浓度与荧光亮度间的对应关系。

针对采集的一组不同浓度抗原与抗体结合的免疫层析芯片图像,由本文算法自动提取荧光区域的轮廓并计算荧光亮度,根据检测的数据得到图4和表1。

图4表示抗原浓度与荧光亮度之间的对应关系,由表1的数据拟合而成的直线,f(x)=883.53487x+133.58974拟合度达到0.9926。可以看出,检测出的荧光区域的平均亮度与参与反应的抗原浓度呈一定的线性关系,从而为层析芯片信息的定量分析提供了依据,也验证了算法的有效性和精确性。

4 结论

由实验结果可以说明,本文采用的算法对于层析芯片的荧光信号的检测具有很好的效果,能够准确地检测出荧光信号,从而实现免疫层析芯片的定量分析。利用了金字塔的分割特性,计算快速简单且执行效率高,而采用高斯混合模型,可以有效地进一步分割图像,并精确地提取出荧光区域的轮廓。该方法可以有效地针对量子点标记的免疫层析芯片进行荧光信息的自动提取。

参考文献

[1]H.Arai,B.Petchclai,K.Khupulsup,T.Kurimura,K.Takeda.Evaluation of a rapid immunochromatographic test for detection of antibodies to human immunodeficiency virus[J].J Clin Microbiol,1999,37:360-70.

[2]H.Yang,Q.Guo,R.He,et al.A Quick and Parallel Analytical Method Based on Quantum Dots Labeling for ToTCH-Related Antibodies[J].Nanoscale Research Letters,2009,4:1469-1474.

[3]L.A.Overturf,M.L.Comer,and E.J.Delp.Color image coding using morphological pyramid Decomposition[J].IEEE Trans.Image Process,1995,4:177-185.

[4]M.Bister,J.Cornelis and A.Rosenfeld.A critical view of pyramid segmentation algorithms[J].Pattern Recog.Lett,.1990,11:605-617.

[5]D.Prewer and L.Kitchen.Soft image segmentation by weighted linked pyramid[J].Pattern Recog.Lett,2001,2:123-132.

[6]Z.Zivkovic.Improved adaptive gausian mixture model for background subtraction[J].Proc.Int.Conf.Pattern Recognition,2004,2:28-31.

[7]Xujing Wang*,Soumitra Ghosh and Sun-Wei Guo.Quantitative quality control in microarray im-age processing and data acquisition[J].Nucleic Acids Research,2001,15:75.

[8]Robert HIRATA Jr.,Junior BARRERA.Microarray gridding by mathematical morphology[A].Pro-ceedings of XIV Brazilian Symposium on Computer Graphics and Image Processing[C].IEEE2001:112-119.

[9]J.Electron.Morphological operations for color image processing[J].Electrical Imaging,1999,8:100-103.

[10]Goutsias J.Non Linear Multiresolution Signal Decomposition Schemes-Part I:Morphological Pyramids[J].IEEE Trans on Image Processing,2000,9(11):1862-1876.

[11]Carsten Rother,Andrew BLAKE,et al.Grabcut-interactive foreground extraction using iterated graph cuts[J].In Proceedings of ACM SIGGRAPH,2004,3:309-314.

[12]Jahne B.Digital Image Processing[M].New York:Springer,1997.

金字塔模型与幼儿教师 篇2

随着社会信息化的发展,地理信息服务的重要性越来越突出,人们对系统服务的即时响应能力的要求也越来越高,而传统的WebGIS采用的是实时请求地图服务器动态生成所需地图并传输至客户端的模式,在服务器资源、网络带宽、服务器负载等方面的开销较大,难以满足用户特别是互联网用户的体验要求。

为了更好地为一般性地理信息应用系统特别是面向公共服务的互联网应用提供高效的地图服务能力,并作为基础性的算法组件为更多的信息系统提供高可复用的代码。下文重点研究了基于利用ArcGIS对矢量地图数据进行预处理切片生成的金字塔模型地图图片,实现按区域获取切片地图并进行拼接合成的算法,并利用C++代码加以实现。

2 需求描述

该算法着重解决GIS在面向Web和Wap的客户端应用中,传统按需出图性能较弱、服务端负荷过重而不适合高负荷运作的问题,同时满足一些地理信息应用的一般性需求:

(1)按用户指定区域(即屏幕分辨率)、指定图层层级下动态获取金字塔模型地图切片。

(2)对所获取的地图切片进行拼接,形成完整的图片。

典型应用情景:

(1)基于指定位置(如智能手机持有者当前定位所在位置),显示周边默认区域内(区域可配置化,并且针对不同的智能终端设备进行自动适配以获取最佳用户体验)的地图图片,并将指定位置用特殊显示图片叠加在拼接好的图片上以作为用户的兴趣点,显示效果如气泡等。

(2)Wap应用中地图的放大与缩小以及上、下、左、右移动以及复位等。

3 算法描述

该算法用来解决在已知某个矩形区域(即上下左右)情况下,来获取ArcGIS所发布地图在此区域内切图的问题。

ArcGIS的切图是按照不同的分辨率组织的。同一分辨率下所有切图放在同一个文件夹下。比如L00文件夹存放第一级分辨率下的所有图片(假设地图在此级别分辨率下被切分成16×32张图片)。在此文件夹下,按行存放着切图,每一行切图放在同一个子文件夹下,子文件夹的名称分别为R00000000,R00000001,…,R0000000F,R00000000文件夹存放着地图的最上边一行,其它文件夹以此类推。在子文件夹下面,按列存放着切图,比如C00000000.jpg,C00000001.jpg,…,C0000000F.jgp,…,C0000001F.jpg。

该算法的思路是通过获取ArcGIS的配置文件中某些已知信息,经过简单计算来得到指定区域内切图的完整路径。

比如要求获取(120,32,123,30)区域内的图片,即经度为120-123,纬度为30-32区域内的切图,并且已知分辨率。首先应找到此分辨率对应的文件夹,这个可以在ArcGIS的配置文件中找到,这个文件会在发布切图的同时一起发布。假设此文件夹为L03。接下来计算该区域内图片对应的行和列,以便获取更细致的路径。基本步骤如下:

(1)首先把指定区域(120,32,123,30)切分成几个小块的区域,其中每一个小块的大小是切图的大小。切图的大小在配置文件中已有,用像素表示,比如256×256。乘以分辨率后即可得到切图的坐标大小(即经纬度大小),这里假设坐标大小为1×1,如此(32,120,30,123)这个区域即可切为6块,分别是(120,32,121,31),(121,32,122,31),(122,32,123,31),(120,31,121,30),(121,31,122,30),(122,31,123,30)。

(2)然后对于每一个小块区域,求出其对应的瓦片所在行和列。这里还需要先获取整个地图左上角的经纬度坐标,这个值可以在配置文件中获取,此处假设为(115,35)。接下来求出(120,32,121,31)区域对应切图的行和列。行:(地图左上角横坐标-小块区域的左上角横坐标)/切图的坐标大小(切图坐标宽度);列:(地图左上角纵坐标-小块区域的左上角纵坐标)/切图的坐标大小(切图坐标高度)。

(3)求出行和列的值后,将其转换为ArcGIS的命名形式,即8个十六位数字。比如行的值为15,则转换后的值为R0000000F,列的值为18,则转换后的值为C00000012。最后将这些值拼起来,就得到切图的路径了,比如L03R0000000FC00000012.jgp。

算法流程如图1所示。

4 主要代码

(1)根据指定区域取出图片的主要函数

Image结构表示取出小图的Tile信息。

下面函数getImageToFile表示根据指定区域和分辨率取出符合条件的Image,其中第三个参数Url是金字塔数据在服务器上所在的路径,第四个参数是数据对应的在服务器磁盘上的路径。

代码如下:

5 运行效果

运行该算法的取图结果,图中气球位置表示取图区域的中心位置如图2-图4所示。

6 结语

通过C++语言实现了按指定区域获取地图切片的功能,并将其封装成可供不同客户端语言调用的动态链接库(DLL),用C#语言作为实现客户端调用程序调用该算法,实现在不同区域内获取到不同的地图图片切片并加以拼接,同时用气泡图片与拼接图片进行叠加,形成应用示范。基于该算法,在做了必要的逻辑处理后,可以实现更多的应用情景。

参考文献

[1]陈奇.面向对象程序设计高级教程.高等教育出版社,2002,5.

[2](美)Stanley B.Lippman,等.李师贤,等,译.C++Primer中文版.4版.人民邮电出版社,2006,3.

[3](美)Stanley B.Lippman,等.李师贤,等,译.设计模式:可复用面向对象软件的基础.人民邮电出版社,2006,3.

[4]郭明武,彭清山,李黎.ArcGIS Server中地图瓦片实时在线局部更新方法研究,测绘通报,2012,2.

金字塔模型与幼儿教师 篇3

一、我国企业财务预警方法研究现状

我国的财务预警研究起步较晚, 近几年才有所发展。总的来说, 现有的财务预警研究集中在3个方面:

第一, 传统财务预警指标。在这个方面进行研究的主要有:刘开瑞 (2007) 对财务预警的指标进行了分析, 将其分为偿债能力、资产运营状况、获利状况、发展能力和现金流量等方面;肖艳 (2004) 结合传统财务指标与现金流量指标进行了财务预警的研究;王斌, 宋鹏 (2007) 构建了财务危机预警重点指标观测体系。第二, 现金流量预警指标。在这个方面进行研究的主要有:杨娟 (2007) 提出以现金流量为基础构建中小企业财务预警系统的基本思路, 并以深圳证券交易所中小企业板的财务数据进行了实证研究;鲍新中、刘应文 (2007) 以现金流量作为企业财务预警的基础, 通过对现金流量数量指标和效益指标的分析, 建立现金流量的财务预警模型;刘江霞、韩嫄 (2004) 对现金流量财务预警警兆进行了理性的分析。第三, EVA指标。在这个方面进行研究的主要有:周敏、潘福乙 (2006) 在预警指标中加入了EVA指标;董雪雁、汤亚莉 (2005) 在传统指标的基础上引入了EVA, 运用Logistic回归分析方法, 构建财务预警模型, 实证研究表明, 模型具有超前3年的预测能力;徐光华、吴明鸣 (2006) 以沪市IT上市公司为研究对象, 运用EVA进行财务预警模型研究。

综上所述, 国内学者在财务预警方面已经作了大量的研究, 对企业财务预警工作实务也起到了一定的推动作用。但是财务预警的研究还主要集中在点研究, 即采用单一方面的预警指标进行研究 (以下称之为“点预警”) , 如财务报表、现金流量、EVA等, 而没有形成一个面的研究, 即针对整个企业建立一个全面的预警系统 (以下称之为“面预警”) 。笔者认为, 要想更全面地进行财务预警, 就必须将“点预警”和“面预警”结合, 形成一个完整的财务综合预警体系。

二、财务综合预警“金字塔”体系的构建及运行

(一) 综合财务预警体系的构建

本文通过建立3个层次的企业财务预警金字塔 (见图1) , 形成一个完整的财务预警体系, 将“点预警”和“面预警”有机地结合起来。

下面对财务预警“金字塔”中的3个构成因素予以分析。

1.EVA指标

EVA (Economic Value Added) , 即经济增加值, 其计算公式为:EVA=NOPAT-TC×WACC。

其中, EVA为经济增加值;NOPAT为税后净经营利润;TC为投入资本;WACC为资本成本率。

将EVA引入企业财务预警中, 具有独特的优越性, 主要表现在以下3个方面:第一, 可靠性。EVA作为一种创利指标, 由于它不仅考虑了公司使用的全部资本, 充分利用了公司提供的全部公开信息, 而且考虑了风险, 含有企业外部的市场信息, 而传统的创利指标完全依赖于企业内部的报表信息, 所以, 相对于传统的财务指标, EVA更具有信息可靠性。第二, 真实性。由于EVA针对现行的会计政策进行了一系列的调整, 减少了企业通过改变会计政策的选择, 改变资本结构, 进行盈余管理的空间, 相对于传统会计指标, 它能更真实地反映企业的经营状况。第三, 先见性。随着资本规模的扩张, 当利润还呈上升趋势时, 也许企业的EVA已经呈下降趋势, 当利润还为正时, EVA可能已经小于零, 所以从理论上讲, EVA相对于传统的创利指标, 特别是在企业处于规模扩张的情况下, 能较早地发现企业经营中的不良状况。

基于EVA以上的优势, 我们在建立企业综合财务预警体系时, 把EVA放在第一层次, 主要发挥着总揽全局的作用。因为EVA主要受税后净经营利润和资本成本的影响, 而税后净经营利润又与企业的营运能力和获利能力相联系, 资本成本主要与企业的偿债能力相联系, 通过这种联系, 把第一层次的EVA指标和第二层次的传统财务预警指标结合在一起。

目前, 学术界对于EVA预警临界值的判定标准还没有给出严格的界定。因此, 本文主要采取趋势分析的方法, 研究企业各年EVA的增减变化, 并且以0作为企业EVA正常和异常的临界点, 因为当EVA﹥0时, 企业价值处于增长状态;当EVA﹤0时, 企业的价值处于下降状态。

2.传统预警指标

传统的预警指标主要是指用于对财务报表进行分析的各种指标, 本文选取的传统预警指标主要包括偿债能力指标、营运能力指标和获利能力指标 (见表1) 。虽然传统预警指标存在着一些缺陷, 但是在财务预警中仍然发挥着非常重要的作用。在本文中, 传统预警指标位于金字塔的第二个层次, 是连接第一层次与第三层次的纽带。

3.现金流量预警指标

众所周知, 会计利润会受到经营者的控制, 经营者可以通过各种手段调节利润的高低, 这种利润操作行为被称为“会计戏法” (Accounting Magic) 。“会计戏法”将导致财务信息失真, 造成决策信息的混乱。企业财务上会出现非常矛盾的情况, 一方面企业的账面有会计利润;另一方面, 企业的现金支付能力极差。盈利的背后没有相应的现金流入作保证, 企业仍然有可能发生财务危机, 甚至破产。由于现金流量指标能克服传统预警指标的一些缺陷, 能够比较公正、客观地反映企业的经营状况, 对企业的财务预警具有较强的敏感性, 在本文的综合财务预警体系中, 将现金流量预警指标 (见表2) 置于金字塔的第三个层次, 是整个财务预警体系最前沿的指标。

基于前面的分析, 把企业的EVA指标、传统预警指标、现金流量预警指标结合在一起, 形成一套以EVA指标监测为核心, 以传统预警指标监测为重点, 以现金流量预警指标监测为基础的企业综合财务预警体系, 从而将点预警、面预警结合。3个层次的预警指标之间的关系如图2所示。

资料来源:2003年工业企业 (全行业) 效绩评价标准值, 中国统计年鉴。

资料来源:杨娟 (2007) 基于现金流量的中小企业财务预警系统研究;刘江霞、韩嫄 (2004) 对现金流财务预警警兆的理性分析。

(二) 综合财务预警体系的运行

本文从3个不同的层次评价企业财务警情, 把企业财务警情分为灰色 (正常) 警度、黄色警度、橙色警度和红色警度4个阶段, 具体见表3。

企业综合财务预警体系的运行主要是从分析企业的现金流量指标开始。首先, 运用5个现金流量指标分析企业的财务状况, 如果某个指标发生异常, 则扩展到与其相邻的指标。其次, 如果相邻的指标也出现异常, 则上升到企业偿债能力、营运能力、获利能力的分析, 最后归于EVA, 这是一个从下到上的过程。如果企业的EVA走势正常, 则从上到下分析原因, 找出警源, 进行有效预警, 这是一个从上到下的过程。这种分析能把点预警和面预警有效地结合起来, 使之成为一个整体, 形成一种先从下到上, 后从上到下的机制, 达到企业财务危机预警的目的。

三、应用举例

本文选取了在深圳证券交易所上市的ST汇通 (000920) 近3年的相关数据为样本, 对财务综合预警体系的应用过程进行说明, 经计算后的样本数据见表4。

按照企业综合财务预警体系运行的程序, 首先分析5个现金流量比率。通过对比可以发现, 2005年, 该企业的现金债务总额比率、经营现金流量增长率、销售净现金率及盈利现金比率均低于预警临界值, 尤其是销售净现金率和盈利现金比率, 出现异常。其次, 由于现金流量预警指标出现异常, 所以上升到传统预警指标。其中营运能力和获利能力异常。最后进一步上升到EVA指标, 可以发现该企业的EVA出现了较大的负数。以上情况说明, 企业财务警情比较严重, 警度已经处于橙色状态, 应采取相应的措施, 避免财务危机的出现。而对于导致警情出现的原因, 经从上到下进行分析发现, 主要是由于企业的营运能力较差, 获利能力过低, 导致经营现金流量增长率、销售净现金率和盈利现金比率出现异常, 进而出现企业整体价值的下降, EVA为负值, 所以企业应该采取措施, 努力提高营运能力和获利能力。

指标计算数据来源:新浪财经 (http://finance.sina.com.cn/) 。

按照同样的程序分析, 可以看到企业2006、2007年的财务状况有所好转, 尤其是2007年各指标趋于正常, 但是企业财务警情仍然比较严重, 因为企业的EVA一直处于负值状态, 主要原因是利润过低, 因此如果企业不加强警戒, 仍然有可能发生财务危机。

四、结论

以上实例分析表明, 企业综合财务预警体系能够全面反映企业的财务警情, 并且能准确地找到警源。综合财务预警突破了传统预警方法以单一方面的某些指标进行研究的局限性, 为企业的财务预警提供了新的思路和方法。但同时它也存在着一些不足, 如完整的财务预警系统不能仅局限于定量分析, 还应该结合定性分析, 如结合Logistic回归分析方法进行分析, 效果会更好。

参考文献

[1]彭静, 欧阳令南, 彭永.国内外财务危机预警研究综述[J].科技进步与对策, 2007 (9) .

[2]徐光华, 吴明鸣.基于EVA的财务预警模型研究[J].财务与会计, 2006 (24) .

[3]杨娟.基于现金流量的中小企业财务预警系统研究[J].生产力研究, 2007 (10) .

[4]吴世农, 卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究, 2001 (6) .

[5]刘芍佳, 从树海.创值论及其对企业绩效的评估[J].经济研究, 2002 (7) .

[6]刘开瑞.财务预警分析指标[J].生产力研究, 2007 (4) .

[7]耿贵彬.上市公司中长期财务预警模型的构建[J].财会月刊:理论版, 2007 (9) .

[8]王斌, 宋鹏.构建财务危机预警重点指标观测体系[J].生产力研究, 2006 (16) .

[9]张友棠.财务预警系统管理研究[M].北京:中国人民大学出版社, 2004.