预警指数模型（精选7篇）
预警指数模型 篇1
0 引言
随着风力发电机组的单机容量越来越大,装机量也逐年增加,相关的第三产业即风电机组运行维护、监测、故障诊断等将成为行业新的增长点[1,2]。
风场处在荒原等恶劣环境中,人工巡检困难,大批风机即将超过保修期。近年来,因为维修不及时,风机倒塌、着火事故频频发生[3]。对风电机组状态的监测预警可为检修提供依据,利于工程人员进行状态检修,减小故障状态下的损失,并为以后风电机组传感器数据的进一步研究和预测提供可靠的理论参考和价值性的经验。
1 监测预警系统原理结构
由于风电场的机组数量多且分布广泛,非常适合采用物联网技术对杆塔的倾斜沉降等状态进行远程监测预警。基于物联网的预警系统结构如图1 所示。用于采集风电机杆塔工作状态数据的无线传感器节点通过无线通信方式形成为多跳的自组织网络。数据采集传输过程是由作业现场的传感器节点协作感知,采集数据,并通过无线信道进行数据传输[4,5]。传输过程中监测数据可能被多节点处理,经过多跳后汇总到汇聚节点,由汇聚节点经底层协议将数据传送到网关节点,再由网关将采集到的监测数据通过网桥和智能网络连接进行数据传输,最终发送到监测中心。用户的手持终端有WSN(无线传感网络)和RFID(射频)功能,用于人工巡检、调试时识别风机号,便于准确定位。
2 数据处理模型及其改进
2.1 传感器数据预处理
2.1.1 坏值预处理
因为风电机组工作环境恶劣,多处于海边、山地等偏远地区。由于外界振动、电磁干扰、仪器故障等引起了传感器的测量值异常,从而传感器的输出值带有粗大误差,所以采集并输出的数据带有一定坏值[6,7]。
常用的克服随机误差的方法有限幅滤波、中值滤波和基于拉依达准则的奇异数据滤波法。风机所用传感器采集并传输的是大量的重复测量值,考虑到大量动态测量数据的事实,选取拉依达准则剔除坏值。
拉依达准则(3σ 准则):
设对被测量进行等精度测量,得到独立测量值xi,算出其算术平均值及剩余误差vi:
并按贝塞尔公式算出标准误差 σ,若某个测量值xk的剩余误差vk(1 ≤k ≤n )满足
则认为xk是含有粗大误差值的坏值,应予剔除。
在对位移传感器的数据预处理问题上,为了精确测量值,在对总体数据运用拉依达准则剔除坏值后,又对余下数据进行二次拉依达准则滤波,重新计算了数据的平均值和标准误差,进一步提高数据可信度。
2.1.2 缺省值预处理
原始数据在剔除坏值后,若直接忽略掉缺省数据将影响数据量的大小,且数据容易受到缺省值的影响,影响其平滑度和预测准确度。针对缺省数据问题,运用平均值填充法处理缺失数据。若第K个数据缺失,则有
xk∗作为第K个数据的替代值。在缺失值不频发的条件下,用平均值填补缺失值可以降低跳变处对数据的影响。
2.2 传感器数据分析与处理
传感器正常工作时由于自身器件和电路元件的振动等原因,会产生一定的系统误差,修正系统误差这种小幅度高频噪声可以选择算术平均滤波法、滑动平均滤波法和指数平滑法[8]。
根据应用背景可知,去噪后获得的多传感器数据为大量动态数据,且整体数据为有下降趋势的时间序列。算术滤波法的效果主要取决于采样值个数N,N越大效果越好,但是随着N的增加系统灵敏度将下降[9]。针对应用数据的特点,选取二次曲线指数平滑法处理数据。
2.2.1 二次曲线指数平滑滤波法
对于非线性增长的时间序列,采用二次曲线指数平滑法比线性指数平滑法更为有效。它的特点是不但考虑了线性增长的因素,而且也考虑了二次抛物线的增长因素。其公式为
式中:st1,st2,st3分别为t时刻xt的一次、二次、三次指数平滑数值;At为t时刻的水平值;Bt为t时刻的线性增量;Ct为t时刻的抛物线增量。
则可得到时间序列超前m步预测模型为
由于无线位移传感器数据值特点为:递减时间序列,历史数据平稳,数值小。为确保预测精度,使用预测误差的标准差,即SDE来衡量预测精度高低。
2.2.2 平滑参数a的改进
平滑系数a反映了模型对系统变化的反映速度,又反映了预测模型对数据的平滑能力。由此模型可知,平滑系数a的选择直接决定了未来时刻数据值预测的准确度[10,11]。若历史数据相对平稳,a的取值区间一般为(0.1~0.3):若历史数据波动较大,a的取值区间一般为(0.6~0.8)。但仅凭人工经验选取a值,导致预测随机性过大,预测结果不合理[12,13,14,15]。
典型的一维非线性优选法为黄金分割优选法,它的优点是提高了模型的收敛速度和逼近能力并减少了工作数量。但当时间序列呈递减趋势,并且有凸函数性质时,该方法对未来时刻的预测有偏差。
改进的0.618 法为:将(0.1, 0.3]平分为5 个等距区间, 即a1∈(0.1, 0.14] , a2∈(0.14, 0.18] ,…,a5∈ (0.26, 0.3] ,并设定a的精度η =0.001。试点ai∈(b0,c0],i=1,2,,5。
1)令试点1 为
2)令试点2 为
3)若|ai-ai′|>η ,则分别求出SDE (ai)和S D E(ai′)。
a)若SD E (ai)
b)若SD E (ai)>SD E (ai′) ,说明ai′ 较为精确,令c0不变,b0=ai′ ,可得ai′=ai,从而SDE (ai)=SDE (ai′) ,转入步骤2)。
4 ) |ai-ai′| ≤η , 则取二者平均值, 即代入式(4)~式(10)和式(11),求出提前m步预测值yt+m和误差值SDE (ai*),并转入下一个子区间进行迭代。
5)求出并选取对应SDE (ai*)值最小的ai*,即为平滑系数的改进值。
3 仿真分析
采用某风电机场的110 个无线位移传感器数据样本,对比改进前后预测数据的平滑度和准确性,来验证改进参数选取范围后的二次曲线指数平滑法是否提高了该项目预测的精度。
由于位移传感器采集到的是大量实时动态数据,取提前预测步长m=3。在未改进的二次曲线指数平滑模型中,基于最小拟合误差的经验性前提,选取平滑系数a=0.15,通过Matlab仿真得到图2。而改进平滑系数选取后, 得到最优平滑系数a=0.2996,通过二次曲线指数平滑模型的Matlab仿真,得到图3。
图4 和图5 分别为改进平滑系数前后的时间序列预测值的放大图,可直观看出改进平滑系数后的二次曲线指数平滑在预测的信度和平滑度上有明显提高。
按照改进平滑系数后的算法得出原始数据预测数据如表1 所示。
4 结论
改进平滑系数选取值的二次曲线指数平滑法,避免了经验性选取平滑系数对数据预测造成的错误干扰,直接有效地减少了预测误差。
通过对风电机组无线位移传感器数据的Matlab仿真及改进平滑系数前后的曲线对比,可以看出:改进平滑系数后的二次曲线指数平滑法在预测的平滑度和信度上,都有非常明显的优化效果。
8月汽车库存预警指数51.8% 篇2
8月库存预警指数仍超警戒线
从构成预警指数的5个分指数看, 市场总需求、库存指数、从业人员指数、经营状况指数均有不同程度地上升, 销量指数相比7月份有所下降。表明8月份经销商库存压力依然存在, 并未得到有效改善, 销量有所下滑, 但并未影响8月份整体的经营状况, 经销商从业人员稳定。
其中, 8月的市场总需求指数为48.9%, 环比上升2.3个百分点。调查显示:经销商认为总需求量“增长”的比例由上月的18.5%增至18.8%;认为总需求“基本持平”的比例从36.1%增至48.2%;认为总需求量“下降”的比例从45.4%降至33.0%。
销量指数为40.9%, 环比下降10.4个百分点。调查显示:经销商认为平均日销量“增加”的比例从25.0%降至16.1%;“基本持平”的比例从34.3%增至35.7%;而认为日销量“下降”的比例则由上月的40.7%增至48.2%。
从业人员指数为50.9%, 环比上升0.8个百分点。调查显示:经销商认为从业人员“减少”的比例从上月的24.1%降至17.9%;认为“增加”的比例由上月的5.6%增至8.0%;认为“基本持平”的比例由上月的70.4%增至74.1%。
经营状况指数为55.3%, 环比上升12.6%。调查显示:经营状况“一般”的企业从50.9%增至62.5%;经营状况“好”的比例从上月的6.5%增至18.8%;经营状况“不好”的比例从上月的42.6%降至18.7%。
进口车7月库存同比大幅攀升
据中国汽车流通协会进口车工作委员会研究员郑晖介绍, 7月进口汽车数量首次超过13万辆, 创下单月历史最高值。但是市场需求量却与进口量形成反比, 7月销量为8.9万辆, 同比增速回落到10.9%。
进口车销量环比下降表现符合正常的季节性规律, 但除季节因素外, 反垄断调查引发的市场观望也对销量产生了一定的抑制。
同时, 目前进口车的行业库存达到3.4个月, 超过2013年同期水平, 库存风险进一步加大。在销售终端则表现在进口车经销商加大优惠幅度, 其中D级轿车平均优惠金额22万元。而之前热门D级SUV的加价金额由1月份的7万元降至7月份的3000元。奔驰S级的低排量版本和路虎揽胜运动版则由一季度的加价销售转为优惠销售状态。
浅谈财务危机预警指数内涵及性质 篇3
一、财务预警指数概念界定
编制财务危机预警指数必须要弄清研究对象, 即可能或将要面临财务危机的企业。尽管有关财务危机研究的文献可以说汗牛充栋, 然而在学术界和实务界对财务危机的内涵并未达成共识。表1就具有代表性的国内外学者对财务危机的内涵认识做一梳理。 (表1)
国外学者界定财务危机主要有两种思路:其一, 直接界定为申请破产清算;其二, 体现财务危机轻重之分, 由支付不灵、技术失败等经营困难到资不抵债、破产清算的演变过程。国内学者研究财务危机预警相对国外起步较晚, 一些学者参考国外学者思路, 将财务危机界定为一个过程, 但是大部分学者出于我国资本市场发展实际和样本研究需要还是将财务危机界定为财务状况异常而被特别处理。因此, 我们将财务危机预警界定为以财务会计信息为基础, 通过设置并观察一些敏感性预警指标的变化, 对可能或者将要面临的因财务状况异常而被特别处理的情形所实施的实时监控和预测警报。
财务危机预警指数是一个高度浓缩财务信息和部分非财务信息的指标, 不仅全面反映整体财务状况, 而且动态描述财务信息, 可以说财务危机预警指数又是一个指数体系, 这个体系包含了不同公司、不同时间和不同指标的三维信息。
二、财务预警指数的财务性质
从内容上看, 财务危机预警指数反映了整体财务运行状态, 是统计指数在财务领域的一种应用。财务危机预警是对企业财务危机的预测和监控, 而财务危机归根溯源是由企业面临的各种财务风险所引发。所以, 财务危机预警归根结底是对财务风险的预警。目前, 理论界对于“财务风险”的概念没有统一的认识, 可谓仁者见仁, 智者见智。笔者在综合各方观点的基础上, 将财务风险界定为处于复杂理财环境中的企业组织财务活动时由于各种不确定因素的影响, 使企业财务收益与预期收益发生偏离的可能性。财务风险存在于企业筹资、投资、日常营运和收益分配等整个财务活动中, 财务危机预警指数预达到准确预警, 将财务危机扼杀在摇篮里的愿景, 必须有效预测和监控各项财务活动, 防范财务风险发生。这样看来, 编制财务危机预警指数也是一种风险控制方式。
综上所述, 财务风险理论应该是财务危机预警指数构建的理论依据, 财务危机预警是财务风险免疫功能的核心。财务危机预警指数的编制在指标选取、方法选择和模型构建上都需要体现跟踪监测财务风险的作用, 这样财务危机预警指数传达的信息才可能更全面、系统且具有高效性和动态性。
三、财务预警指数的统计性质
从结构形式来看, 财务危机预警指数是反映不同时期性质各异的财务指标和非财务指标综合变动的动态相对数, 显然属于统计指数范畴。具体体现在如下几个方面:
1、财务危机预警指数是一个综合指数。
拟编制财务危机预警指数所用方法不是20世纪三十年代财务预警研究伊始采用的传统单因素判别法, 而是采用经研究可以进行有效预测的马尔科夫模型, 指标选取也更加全面, 包括财务指标、非财务指标和现金流量类指标。所以财务危机预警指数不是单个财务指标值的比较, 而是就不同时期可能带来财务风险的财务活动、理财环境等综合状况值的比较。故财务危机预警指数具有综合的性质。
2、财务危机预警指数是一个动态指数。
统计指数按对比场合不同可分为动态指数和静态指数。静态指数是反映同类现象在相同时期内不同空间 (地区和单位等) 的差异程度;动态指数反映同类现象在不同时期的水平变动程度, 比如居民消费价格指数 (CPI) 、国内生产总值指数 (GDP) 。很显然, 财务危机预警指数是一个动态指数, 并将以定基指数和环比指数的形式予以体现, 满足不同种类的比较分析之需。因此, 财务危机预警指数是一个动态综合指数。
预警指数模型 篇4
关键词：上市公司,财务危机预警指数,编制,原则
一、财务预警指数编制的意义
(一) 理论意义
1、简化复杂问题。上市公司的财务报告及其附注等会计资料为会计信息使用者提供了大量的财务和非财务信息, 但是面对包罗万象的海量信息, 很多信息使用者尤其是非专业人士会无所适从。通过编制财务危机预警指数对这些海量信息加以相应整理, 将庞大的数据内容和非财务信息标准化后的结果归纳总结为一个简明的财务危机预警指数, 从而有助于外部投资者、债权人, 尤其是公司管理者更快捷、更深入地掌握上市公司的财务状况, 及时预知财务危机的征兆, 做出科学有效的财务决策。
2、拓展会计信息。理论来源于实践并服务于实践, 但是会计理论研究注重研究会计信息的生成, 忽视会计信息使用;会计实务中注重单纯地提供会计信息, 忽视会计信息的再加工及其分析使用。使用会计信息是会计信息生成的最终目的, 在使用会计信息的过程中又可以发现会计信息生成的不足, 从而有的放矢对会计信息进行再加工和分析使用, 以便进一步增强会计信息的有用性, 这样又有利于会计信息的合理使用与准确分析。财务危机预警指数是对不同公司、不同时间、不同指标的三维信息的汇总加工, 是为了预防财务危机、控制财务风险而对使用会计信息的进一步拓展深化。
3、丰富危机管理理论。危机管理产生于上世纪八十年代初, 主要研究公司对于各种危机事件的事前、事中和事后的应对措施及其管理, 以避免和减少危机产生带来的危害, 努力将损失降到最低。目前, 许多公司已经在内部推行了危机管理, 财务危机预警正是对公司财务危机的预测和监控, 是危机管理的重要措施之一。财务危机追根溯源因财务风险所引发, 因此正确识别公司所面临的财务风险并加以防范和控制是进行财务危机预警研究需要考虑的根本问题。财务危机预警将公司内的各种逆境现象, 作为一个相对独立的活动过程来考察, 在分析财务逆境与财务危机现象的形成机理与内在特性的基础上, 提出提前预报与预控的原理与方法, 建立用于监测、评价、预报公司财务逆境现象与危机现象的预警指标体系, 努力做到有效预测和监控财务风险, 减少或避免财务危机的发生。因此, 可以说财务危机预警理论丰富了危机管理理论。
(二) 实践意义。上市公司财务危机预警指数的最基本功能不容置疑是实时预警, 即根据财务危机预警指数反映的公司财务危机信息, 对未来财务状况的发展趋势进行预测并适时发出预警信号。尤其是在瞬息骤变的激烈竞争环境中, 现代上市公司若想生存、发展和获利, 势必实时关注财务状况, 预防财务危机的发生。因而, 财务危机预警指数体系可以被广泛应用于政府及相关部门宏观层面以及上市公司本身及其利益相关者微观层面, 在不同领域发挥作用。
1、有利于宏观经济政策的制定及实施。财务危机预警不仅直接或间接影响到企业是否能得以持续生存、发展和获利, 而且波及社会稳定、经济发展、产业结构升级等方方面面。通过财务危机预警指数, 政府及相关部门可以明确我国不同行业、不同地区的上市公司是否存在财务风险及财务危机发生的可能性, 据此制定相应政策协调各方关系, 减少或避免财务危机带来的直接和间接损失, 维护社会稳定、优化资源配置、调整产业结构;另一方面, 财务危机预警指数体系也是政府宏观经济政策实施的反馈体系, 财务危机预警指数的灵敏变动能够及时反映政府及相关部门制定的财政金融等宏观经济政策对上市公司整体和各行业、各地区所造成的影响, 从而为政府及相关部门及时了解政策执行情况提供了路径。
2、有利于上市公司自我诊断。上市公司根据编制的财务危机预警指数综合排名, 或者通过横向比较某一时期的财务危机预警指数, 找寻自身与上市公司之间的差距, 了解在各行业、各地区中的竞争地位, 做好客观有效的定位。上市公司也可以依据财务危机预警指数, 持续跟踪、监控公司的财务活动全过程, 比较不同时期本公司财务活动运行轨迹, 分析自身财务安全并预警潜在风险, 找出危机源头, 有针对性地采取措施以减少或避免损失, 以更好地实现可持续发展。
3、有利于投资者和债权人等利益相关者做出财务决策。通过对综合财务危机预警指数的动态分析, 投资者和债权人能更有效地判断上市公司的财务状况与潜在投资价值。而对个股的财务危机预警指数横向比较分析, 又有助于其做出理性的投资决策;投资者理性投资, 又会促使整个股票市场走势趋于理性, 降低股市的非理性波动。一套高效的财务危机预警体系, 可以为投资者及债权人等利益相关者提供多维度的财务信息, 提供一种间接评价公司经营业绩的尺度, 有助于投资者和债权人等利益相关者树立正确的理财理念, 做出科学的财务决策。事实上, 正是投资者、债权人等利益相关者对公司财务危机预警的强烈要求推动了该项研究的飞速发展。
二、编制财务危机预警指数应的遵循原则
编制财务危机预警指数必须明确引发财务危机的财务风险的特征:全过程性、系统性和连续性等, 因此有必要对财务风险进行持续、全面的多层次多角度的监控, 在构建财务危机预警指数时必须坚持和遵循一定的原则。
(一) 科学性原则。科学选取预警指标是编制财务危机预警指数的重要环节。科学性原则主要体现在理论依据的正确性、指标体系的完备性和可信度、权重确定的准确性和预警模型的逻辑严密性等方面, 将理论与实践有机结合, 在理论上要站得住脚, 同时又能反映预警对象的客观实际情况, 抓住最重要的、最本质的和最有代表性的东西。对客观实际抽象描述得越清楚、越简练、越实际, 科学性就越强。
(二) 可预测性原则。在财务危机预警指数的构建过程中, 通常是在传统的以面向过去为主体的财务报告等财务信息中, 增加对未来期间财务信息的加工统计和总结归纳, 使政府及相关部门、上市公司本身以及以投资者、债权人为主导的利益相关者能够通过深入分析财务危机预警指数, 对未来上市公司财务状况的发展趋势以及面临财务危机的可能性做出相应的判断。
(三) 现金流量至上原则。现金流是公司发展的血液, 决定公司的兴衰存亡, 是制约公司财务活动的首要因素, 是政府及相关部门、经营管理者、投资者和债权人等关注的焦点, 更重要的是现金流量难受“会计戏法”的影响, 难以人为操纵, 能够更客观更权威地反映公司财务状况, 因此现金流量原则对于预警财务危机而言具有“至高无上”的重要性。
(四) 系统性原则。系统性原则首先要求明确编制财务危机预警指数的目标导向———预测和监控财务危机;其次要求指数体系将全面性和独立性相结合, 构成一个有序的整体, 既要反映引发财务危机的源头———财务风险整体在不同层次、不同维度的表现, 又要尽量避免不同类别预警指标之间的高度相关性, 杜绝多重共线性的存在;最后, 系统性原则要求财务危机预警指数体系必须考虑财务危机起因的开放性。财务危机是公司内部条件与外部环境相互联系、交互作用的综合结果, 而且可能表现为循序渐进的一个过程, 既取决于公司内部财务活动情况, 又受制于外部环境影响, 理应是开放的, 在指标选取时要注意选择动态的指标来进行预警, 以维护其动态性和开放性。
参考文献
[1]赵德武, 马永强, 黎春.中国上市公司财务指数编制:意义、思路与实现路径[J].会计研究, 2012.12.
[2]吴应宇, 蔡秋萍, 吴芃.基于神经网络技术的企业财务危机预警研究[J].东南大学学报 (哲学社会科学版) , 2008.1.
[3]马东山, 叶子荣, 胡建中.我国财政审计预警指标体系及指数的构建[J].现代财经, 2013.1.
预警指数模型 篇5
具体分指数变动情况如下:
3月,市场总需求指数为46.9%,环比上升24.1个百分点。经销商认为总需求量“增长”的比例由上月的2.7%上升至33.1%;认为总需求“基本持平”的比例从12.7%升至34.5%;认为总需求量“下降”的比例从84.7%降至34.2%
3月,库存指数为69.2%,环比上升13.2个百分点。调查显示:经销商认为库存量“增长”的比例从3 5 . 3 % 升至4 1 . 7 % ;“基本持平”的比例从41.3%降至46.0%;认为“下降”的比例从23.3%降至12.2%。
3月,销量指数为46.5%,环比上升23.7个百分点。调查显示:经销商认为平均日销量“增长”的比例从2 . 7 % 升至3 6 . 0 % ;“基本持平”的比例从12.7%升至28.1%;认为“下降”的比例从至84.7%降至36.0%。
3月,从业人员指数为48.9%,环比下降5 . 3 个百分点。调查显示:经销商认为从业人员“减少”的比例从上月的13.3%降至9.4%;认为“增加”的比例由上月的5.3%升至13.7%;认为“基本持平”的比例由上月的81.3%降至77.0%。
3月,经营状况指数为34.2%,环比下降3.1个百分点。调查显示:经销商认为经营状况“好”的比例从上月的4.7%降至4.3%;认为“一般”的比例由上月的65.3%升至68.3%;认为“不好”的比例由上月的30.0%降至27.3%。
中国汽车经销商库存预警指数趋势图
中国汽车流通协会早在2010年3月就提出了“库存预警体系”的建设,并从2010年7月开始定期开展汽车、经销商的库存调查。2012年,为了更具前瞻性地反应行业动态,协会经过半年多的研究,构建了汽车经销商库存预警指数。
汽车经销商库存预警指数调查的目的:第一,把握市场脉搏。通过对全国各品牌汽车经销商库存状况调查,及时掌握行业总体状况,预测未来市场趋势;第二,辅助调控决策。通过了解经销商库存变动,为相关部门制定调控措施提供精准的信息。第三,监控运营风险。及时反映汽车市场产销波动,为厂家合理安排生产计划,为经销商制定营销策略及控制经营风险提供参考。
根据PMI编制的原理,库存预警指数采用扩展指数的编制方法,以50%作为荣衰线。5 0 % 以下均处于合理范围。库存预警指数越高,反应出市场的需求越低,库存压力越大,经营压力和风险越大。
预警指数模型 篇6
一、货币政策景气监测分析
对货币政策景气的监测，通过货币政策景气指数来反映，它是对一国短期利率和汇率相对基期偏离值的加权平均，通常以利率和汇率对经济增长的影响来确定权数。货币政策景气指数的经典形式为：MCIt=β1(Rt-R0)+β2(qt-q0)。其中R表示利率，q表示汇率，β表示权重。根据货币政策景气指数模型[2]计算2004年第1季度到2014年第4季度我国货币政策景气变化情况，如图1所示。指数下降表明货币政策宽松，反之则表示紧缩。
二、基于货币政策景气指数的行业融资风险传导渠道
基于货币政策景气指数的行业融资风险传导渠道，指货币政策变动沿着一定路径影响企业融资结构和融资额度，并由此间接作用于企业经营、投资活动风险[3]，因此其传导渠道分为直接渠道和间接渠道。
（一）行业融资风险直接传导渠道
货币政策通过利率渠道和信贷渠道直接影响企业债务筹资水平。货币政策中利率的变动与企业当年贷款利息支出密切相关，存在以下传导渠道：货币政策变动→利率水平、法定准备金率→利息支出→融资结构→融资风险[4]。
（二）行业融资风险间接传导渠道
货币政策通过利率渠道和信贷渠道使得企业改变融资结构，并由此间接影响企业经营、投资活动现金净流量。此处存在如下传导渠道为：货币政策变动→利率水平、法定准备金率→融资结构变化→融资风险→调整经营（投资）策略→经营（投资）活动现金流入量、经营（投资）活动现金流出量→经营（投资）活动风险[5]。
三、基于货币政策景气指数的行业融资风险预警定位矩阵
（一）基于货币政策景气指数的行业融资风险关联度
由融资风险的货币政策传导渠道分析可知，监测货币政策景气对行业融资风险可以起到一定的预警作用。可以采用灰色关联分析法2对货币政策景气指数与行业融资风险指标之间变化趋势的一致性进行假设验证。
（二）行业融资风险预警指数
选取融资风险预警指标——经营现金流入利息支出比，来计算行业中各企业所面临的融资风险，该指标计算公式为：经营现金流入利息支出比=本期负债利息支出/本期经营活动现金流入量。该指标属于愈小愈好型指标，其中本期负债利息支出反映了企业外部负债融资所付出的成本，本期经营活动现金流入量则反映了企业内部融资的自有资金创造能力。可以根据行业类型直接判断预警临界值（小于临界值无警情，反之则有警情），通常情况下，该临界值为7%。因此，若该指标大于7%，则表示该企业面临融资风险。
依据该指标可进一步得到行业融资风险预警指数与预控指数，融资风险预警指数与预控指数相加等于1，如公式1.公式2所示。
当企业面临融资风险时，即经营现金流入利息支出比>7%，则融资风险预警指数>1，融资风险预控指数<0；当企业无融资风险时，即0<经营现金流入利息支出比≤7%，则融资风险预警指数<1,0<融资风险预控指数<1。由此可见，融资风险预警指数属于“愈小愈好型”指标，用于判断行业融资风险超出临界值的倍数，而融资风险预控指数属于“愈大愈好型”指标，用于判断行业融资风险在临界值下的可控比例，若为负数则表示风险的不可控程度。
（三）行业融资风险预警定位矩阵
根据反应货币政策动向的货币政策景气指数和反应行业融资风险可控程度的融资风险预控指数，来对行业融资风险进行定位分析，如图2所示。其中，横坐标为融资风险预控指数，纵坐标为货币政策景气指数。当货币政策宽松时，若行业融资风险预控指数处于0～1之间，则行业融资风险处于无警，表明该企业具有良好的融资风险预控能力，其融资风险预控指数越趋近于1，表示该企业融资风险可控程度越高；若行业融资风险预控指数小于0，则行业融资风险处于发作期，表明该企业正面临融资风险发作阶段，企业存在融资问题，若不及时改进融资结构，在货币政策调整为紧缩后，将导致融资风险的恶化；若行业融资风险预控指数小于0，则融资风险处于恶化期，表明企业融资结构面临重大问题，这时企业应立即调整融资模式，改进投资和经营策略；当货币政策紧缩时，若行业融资风险预控指数处于0～1之间，则行业融资风险处于潜伏期，说明该企业虽然未在当期表现出警情，但是若不及时调整融资结构、过多的短期贷款和盲目扩大投资等均会导致企业财务状况恶化，面临融资风险发作的威胁。
四、实证研究
（一）基于货币政策景气指数的房地产行业融资风险关联度分析
由于房地产行业相对其他行业融资规模较大，对货币政策的动向较为敏感，因此选取沪深两市房地产上市公司2004至2014年数据进行分析。剔除数据缺失的公司以及ST公司，确定150家房地产上市公司。
在计算灰色关联度前，首先计算房地产行业经营活动现金流入量和利息支出的各季度行业平均值并进行无量纲化处理；然后遴选不同类型货币政策时期的行业数据；最后采用灰色关联分析计算关联度，如表1所示。
由表1可知，货币政策宽松时，其与房地产行业各指标的灰色关联度均高于0.5且低于0.6，由此反映宽松的货币政策与影响房地产行业融资风险的经营活动现金流入量利息支出存在一定关联度，但是影响程度较小。货币政策紧缩时，货币政策景气指数呈上升趋势，其与房地产行业经营活动现金流入量和利息支出灰色关联度均远高于0.6，由此反映紧缩的货币政策与影响房地产行业融资的经营活动现金流入量和利息支出关联度较高，而且影响程度相对货币政策宽松时期大。因此，检验结果支持所有假设。
（二）基于货币政策景气指数的房地产行业融资风险预警定位矩阵分析
为了对我国房地产行业融资风险进行预警定位，本文从上述150家房地产企业中选取10家不同规模房地产企业，分别选取货币政策宽松的2011年第1季度和货币政策紧缩的2013年第2季度指标数据，以便于对不同货币政策条件下的房地产行业融资风险进行对比，探讨行业融资风险随货币政策变动的演化情况。结果如表2，表3所示。
依据表2，表3可进一步绘制出10家房地产企业在货币政策宽松的2011年第1季度和货币政策紧缩的2013年第2季度的融资风险预警定位矩阵图，如图3，图4所示。在融资风险无警和潜伏期区域，融资风险预控指数越趋近于0的企业表明该企业融资风险的可控程度越低，此时应当倍加留意企业融资结构，以便货币政策变动时及时调整融资策略；在融资风险发作期和恶化期区域，融资风险预控指数越远离于0的企业，表明该企业融资风险的不可控程度越高，需要做出的融资结构调整相对越难。
由图3，图4可以看出，在货币政策宽松时期，海德股份、世纪星源两家企业对融资风险的可控程度远高于其他房地产企业，在货币政策紧缩后，70%企业均进入恶化期，然而这两家融资风险预控指数较高的企业却得以幸免，而进入融资风险潜伏期。而货币政策宽松时，融资风险预控指数趋近于0的中洲控股、中航地产以及深振业A这三家企业，由于未能提高企业融资管控能力，在2013年货币政策紧缩时期，爆发出融资风险，进入融资风险恶化期。此外，香江控股在货币政策宽松时表现的融资风险不可控程度较大，而在货币政策紧缩时进入融资风险潜伏期，这表明该企业在2011第1季度到2013年第2季度间，做过较大程度的融资调整以防止融资风险的进一步恶化。
参考文献
[1]林朝颖,黄志刚,杨广青等.货币政策与企业成长——基于收益与风险双重视角的分析[J].管理现代化,2014(6).
[2]朱培金.基于广义脉冲反应函数法的货币状况指数构建[J].浙江金融,2014(11).
[3]马文超,胡思玥.货币政策、信贷渠道与资本结构[J].会计研究,2012(11).
[4]李志军,王善平.货币政策、信息披露质量与公司债务融资[J].会计研究,2011(10).
财务危机预警模型研究评析 篇7
一、财务危机预警模型概述
(一) 单变量模型分析
最早开展单变量破产预测研究的是Fitzpatrick (1932) 。单变模型, 又叫财务指标分析法, 主要原理是用单一的变量, 或用许多具有典型代表意义的财务比率指标来预测企业财务危机。单变量分析法虽然简单, 但却因不同财务比率的预测方向与能力经常有相当大的差距, 有时会产生对于同一公司使用不同比率预测出不同结果的现象, 或因不同财务比率的预测方向和判定标准不同而使预测结果互相矛盾, 这样的评价往往不够全面, 而且时效性不强。
(二) 传统多变量模型分析
主要包括:
(1) Z分数模型。该模型是美国的Edward Altman于1968年提出来的。Z分数模型是采用多元线性函数的模式, 运用五种财务比率, 进行加权汇总产生的总判别值, 来对企业的财务状况进行预测的一种模型, Z分数模型的判别函数如下:
其中, X1= (期末流动资产-期末流动负债) /期末总资产;X2=期末留存收益/期末总资产;X3=息税前利润/期末总资产;X4=期末股东权益的市场价值/期末总负债;X5=本期销售收入/总资产。Z模型的判断标准如下:Z>2.675表示财务状况良好, 发生破产的概率很小;1.81≤Z≤2.675表示财务状况极不稳定, 为灰色地带;Z<1.81表示财务失败可能性非常大。
1977年, Altman等人对Z模型进行了改进与补充, 产生了经修正的跨行业ZETA模型, 模型中的变量由5个增加到7个, 并根据不同行业列出不同的系数。ZETA模型比Z值模型预测更为准确, 在公司破产前一年其准确率高达95%。由于综合考虑了反映公司财务环境包括财务危机状况的多个方面的因素, 多变量模型与单变量模型相比具有能够更加全面和准确反映企业财务状况的优点。
(2) 巴萨利模型。该模型是以其发明者亚力山大·巴萨利 (Alexander Bathory) 的名字命名的。其适用于所有的行业, 且不需要复杂的计算。巴萨利模型的判别函数如下:
其中, X1= (税后利润+折旧+递延税) /流动负债;X2=税前利润/营运资本;X3=股东权益/流动负债;X4=有形资产净值/负债总额;X5=营运资本/总资产。这五种财务比率值的总和 (即B值的大小) 便是该模型的最终指数。若该模型的最终指数越低或呈现负值都表明企业前景不妙, 财务状况面临着极大的风险, 企业财务失败的可能性越大。据调查, Bathory模型的准确率可达到95%。Bathory模型在预测公司财务危机可能性的同时, 也能衡量公司实力大小。
(三) 现代财务危机预警模型构建方法分析主要有:
(1) 判别分析法。其产生于本世纪30年代, 是用于判别个体所属群体的一种统计方法。判别分析的特点是根据已掌握历史上每个类别的若干样本的数据信息, 总结出客观事物分类的规律性, 建立判别公式和判别准则。然后, 当遇到新的样本点时, 只要根据总结出来的判别公式和判别准则, 就能判别该样本点所属的类别。判别分析法有两总体判别与多总体判别之分, 从不同的角度提出问题, 可以有不同的判别法则。最常见的有距离判别法、贝叶斯判别法和费雪判别法等。
(2) Logistic回归分析。Logit模型是一种更符合实际的经济情况的模型, 其不要求样本满足多元正态分布, 是解决0一1回归问题的有效方法。但Logit模型对中间区域的判别敏感性较强, 可能会导致判别结果不稳定。其局限性主要体现在:由于模型中对参数的估计将运用到最大似然估计法, 使得计算程序相对复杂;分界点的决定也会影响到模型的预测能力;计算过程中有很多近似处理, 所以预测精度会有所降低。
Logistic概率函数的形式为:
Pi是在条件Xij= (X11, X12, ……X1n) 下的事件发生的概率:1-Pi代表事件不发生的概率, α是截距, βj是待估的参数。Logistic回归模型的一般形式如下:
逻辑回归模型其预警的最大值趋近于1, 最小值趋近于0。1指企业存在财务风险, 0指企业不存在财务风险, 一般选择50%作为分割点, 其含义是如果P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P值大于0.5, 则该上市公司视为正常公司。
(3) 主成分分析。该方法最初由Hotelling于1933年提出来。主成分分析就是设法将原来的指标重新组合成一组新的互相无关的综合指标, 同时, 选取几个能够更多反映原来指标信息的综合指标。综合指标即新的变量, 是原来多个变量的线性组合, 虽然这些综合变量不能直接观测, 但这些变量彼此互不相关, 能反映原来多个变量的信息。综合指标就叫做原来变量的主成分。
(4) 人工神经网络方法。人工神经网络 (Artificial Neural Network) 是一种平行分散处理模式, 其建构理念根植于对人类大脑神经运作的模拟。该方法在研究企业财务状况时, 一方面利用其映射能力, 另一方面主要利用其泛化能力, 即在经过一定数量的带噪声的样本的训练后, 神经网络可以抽取样本所隐含的特征关系, 并对新情况下的数据进行内插和外推以推断其属性。该方法除具有较好的模式识别能力外, 还可以处理非量化的变量, 并具有学习能力, 可随时依据新数据资料进行自我学习、训练, 调整其内部的储存权重参数以对应多变的企业运作环境。但也存在实际效果不稳定, 适用性不强等局限。
(5) 相对流动性指标 (DRL) 模型。DRL模型是以预计潜在现金与预计正常现金支出的比例来评估企业财务风险的。
其中TCP=总潜在现金;E=正常经营的现金支出;WC=期初营运现金;OT=销售收入/[应收账款+库存产成品× (销售收入/销售成本) ];SVI=库存产成品× (销售收入/销售成本) ;NSV=销售收入;NI=净利润;NON=非付现费用 (主要指折旧+摊销等) ;WCC=期末营运现金-期初营运现金。如果DRL>1, 表明企业财务状况良好, 有足够的现金偿还到期流动负债, 近期不会发生财务危机;如果DRL<1, 表明企业财务状况不稳定, DRL值越小, 财务状况越差, 如无法取得外部资金, 企业前景堪忧。通过连续几年资料计算DRL, 可以准确地判断出企业资金流动状况的好转或恶化。但是在建立该模型时, 没有考虑下列活动引起的现金收支:资本性收支;股票的发行和清偿;有价证券的投资和收回;长期借款的取得和偿还。
二、财务危机预警模型评价
(一) 模型综合比较
财务危机预警研究模型经历了从定性研究到定量研究, 从统计模型到非统计模型, 从单一模型到混合模型的过程。从动态性看, 早期的研究模型都是静态的研究, 没有建立可随时更新的动态模型, 模型建成后一般不再变动, 但是, 随着社会经济的发展, 企业、行业的特点发生了变化, 模型本身是应该得到发展的。从实效性来看, 传统的研究模型很多是基于1-3年前的数据建立的模型, 与企业当前情况相去甚远。从可操作性看, 传统模型更多的是统计模型, 非常复杂, 可操作性差。现代的模型非常注重其实践性。从全面性来讲, 传统的模型主要为定性研究, 其主观性很强。后来的单变量模型则仅仅从某一个指标来反映, 其说服力也大打折扣。现代模型借用了很多的多元数据处理方法, 使得模型的全面性大大增强。
(二) 统计模型缺陷
主要有: (1) 技术上的缺陷。一是模型建立在一定的假设之上, 如多元判别分析假设自变量服从正态分布、协方差矩阵相等、独立变量之间完全线性补偿。二次方判别分析不需要独立变量之间完全线性补偿, 提出了一个更普遍的二次函数关系。Logistic回归分析虽然不考虑多元变量的正态分布, 但是它要求变量之间的完全线性补偿。二是独立变量选择有失偏颇。由于变量之间存在着相关性, 在建模之前进行被选变量相关性检验是非常必要的。如果一些变量具有较高的相关性, 他们将对公司的财务状况具有相同的影响。 (2) 财务报表信息批露的不足。一是财务报表中的数据是分类汇总性数据, 它不能直接反映公司财务状况的详细情况。二是财务报表存在着虚假信息影响了财务报表分析。目前我国的上市公司存在着捏造虚假利润欺骗投资者的行为, 这为我们通过模型正确预测公司未来发展趋势带来了不利的影响。三是财务失败预测模型没有考虑财务分析的纵向比较。这些模型在进行财务失败预测时, 一般选取公司预测前三年的财务数据, 然后分别预测, 三年内的数据相互之间没有联系。
三、我国企业财务危机预警模型研究应注意问题
(一) 增强模型对我国企业适用性
目前, 国内企业对财务危机预警模型的运用仍处于不成熟阶段, 大多照搬国外的研究成果, 导致模型本身的发展和创新方面比较弱。因此, 所构建的财务危机预警模型无论是在指标的选取、权数的确定, 或是评价标准的高低上都存在显著的不一致性, 这必将导致所构建的财务危机预警模型不能完全适应本企业所面临的实际发展环境。另外, 企业在构建了财务危机预警模型之后, 往往需要通过统计数据来确定其有效性。而我国证券市场样本容量小, 上市公司法人治理结构有待改善。需要克服统计数据的缺乏探索出真正适合我国企业现状的财务危机预警模型。
(二) 及时维护与更新模型以提高准确性
财务危机预警模型是随着实际运用的发展而不断完善、更新的。由于不同时期宏观经济环境和会计处理方法的不同, 因而建立模型的财务数据具有鲜明的时效性, 模型也具有时效性, 这就使每隔数年对模型进行更新成为必要。同时模型是为深入分析数据服务的, 因此可以有多种方法建立不同的财务危机预警模型。而且建模后应继续评价模型的有效性和精确度, 并检验模型的理论基础, 以便在模型的实践应用中提高预测能力。
(三) 加强理论研究以增强对模型指导性
财务危机预警模型缺乏经济理论的指导。在目前的文献中, 尚没有一个理论能完全解释财务指标和财务危机之间的关系。由于缺乏理论上的指导, 所以各模型在财务指标的选择上显得比较随意。另一方面, 各模型所选取的财务指标还可能仅仅是企业陷入财务危机的征兆, 而不是根本原因。
(四) 注重使用非财务指标以及定性分析方法
当前, 常用的财务危机预警模型在选择自变量时均采用可量化的财务指标, 在评价方法上均采用数学评价方法, 这使得财务危机预警信号较为客观和精确。但是, 财务危机预警是一个动态的概念, 不仅仅指企业破产或不能持续经营等现象产生, 企业管理者的风险意识高低、财务人员的认识深浅、企业目前的生存环境是否发生变化等非量化或主观性的因素也在很大程度上影响对企业财务风险的评价。因此, 结合定量分析方法, 管理者们也要考虑到重要的非财务指标和定性分析方法对企业财务风险的影响, 从而更加全面地判断企业面临的风险。
(五) 克服财务指标与样本选取局限
各种模型都有其财务指标选择的侧重点, 从某种程度来讲, 这种侧重因忽视了其他方面的财务指标而存在一定的片面性。比如现有的财务危机预警模型大多比较重视对上市公司提供的资产负债表和利润表中数据指标的运用, 而容易忽视对现金流量表和上市公司提供的其他数据的运用。另一方面, 不同的样本选取也会对财务危机预警模型的适用性有很大的影响。比如不同的国家和地区、不同行业以及不同的研究区间的选取等。
参考文献