预警分析模型（通用12篇）
预警分析模型 篇1
0 引言
近年来,高校突发事件日渐增多,对高校影响日益突出。各高校都建立了突发事件的预警、处置、救援及事后恢复等为一体的应急管理机制和体系,这其中,有效的预警可以避免突发事件的发生,或者纵然无法避免,但是可降低突发事件的影响力和破坏力,为后期的处置、救援和恢复提供支持,而高效的预警是以有效的预警信息为基础的。因此,如果能建立对海量、复杂的原始预警信息进行有效分析处理的机制,无疑会为高校管理决策者应对突发事件提供有效的决策依据。
在以往的研究工作中,与此较为相关的有以下几个方面的研究工作。
第一方面是对高校突发事件预警机制的研究。主要从定性的角度,针对高校突发事件的类型和特点从管理机构设置、危机预案制定、多种机制联动等,构建突发事件的预警机制[1,2,3]。
第二方面是对突发事件预警系统设计的研究。主要是利用计算机信息技术,建立监测、分析、报警和预控子系统系统构成的突发事件预警系统[4]。突发事件预警系统研究在高校领域涉及较少。
第三方面是对突发事件预警指标和模型的研究。具体有网络舆情突发事件预警指标体系[5]、嫡值法确定指标权重的预警模型[6]、预警指标选择偏好与权重赋值阈的预警模型[7]等,高校突发事件预警指标和模型的研究与上述内容相似。
第四方面是在突发事件预警体系、机制等基础上,从宏观角度分析了信息传播主体[8]、信息管理[9]、信息获取方法[10]等,但未明确提出预警信息的概念,而针对高校突发事件预警信息研究则主要从定性角度,对应急管理中信息的重要性、信息传播机制[11]等方面进行了探讨,是属于事中或者事后分析,未从事前预防角度提炼预警信息,也未建立针对预警信息的有用性、可信性和关联性等方面进行分析的流程和方法,而通过对预警信息的分析可以发现预警信息与高校突发事件的潜在关系,可为突发事件预警提供参考。
因此,本研究以与高校突发事件相关的预警信息为对象,给出具体含义,在分类基础上,建立预警信息分析处理概念模型,为高校突发事件预警信息分析提供一种新思路。
1 高校突发事件预警信息分类
1.1 高校突发事件预警信息的含义
关于预警信息,联合国国际减灾战略工作委员会把它定义为由专门的机构或系统提供及时和有效的信息,使得处在危险中的个人或组织迅速采取行动以避免或减少风险,并准备有效的应对。具体是指可以描述可能发生并造成严重社会危害的自然灾害、事故灾难、公共卫生等事件的特征、属性的集合体。本文认为高校突发事件预警信息是指:用来描述和衡量与高校突发事件有关的要素的特征及属性、并经过处理、分析和整合后的信息集合体,它是进行高校突发事件应急管理决策的基础,为了区别,将未经过加工处理的信息称为原始预警信息,经过分析处理的成为预警信息。
1.2 高校突发事件预警信息的分类
根据《国家突发公共事件总体应急预案》,将突发公共事件按照事件的发生过程、性质和机理进行将突发公共事件分为事故灾害突发事件、公共卫生突发事件、社会安全突发事件和自然灾害突发事件四大类[12],在此基础上,按照预警信息的来源,将高校突发事件预警信息划分为来自学校外部的预警信息和来自学校内部的预警信息(如表1所示)。
1.2.1 高校突发事件内部预警信息
主要是指来自学校内部与突发事件相关的预警信息,是学校自身构成要素中包含或者存在与突发事件特征有关构成要素密切相关的信息。
1.2.2 高校突发事件外部预警信息
主要是指来自学校外部的与突发事件相关的预警信息。这一类预警信息对高校安全和稳定造成的威胁更大,而且由于其具有模糊性、动态性和多样性,导致其与内部预警信息相比更加不可控,对高校应急管理体系有效性影响更为严重。
在获取具体预警信息时,应该包括:预警信息的主体(信息的发出者)信息、突发事件特征信息、预警信息的客体(信息的接收者)、预警信息传播渠道以及突发事件可能造成的风险和影响五大类信息。具体如图1所示。
2 高校突发事件预警信息分析流程
根据前述定义,从不同渠道获取的高校突发事件预警信息是未经过加工的、原始的信息,而分析模型的目的是对这些原始信息(原始预警信息)的加工处理,最终输出真实、有效、高质量的能为应急管理提供决策帮助的预警信息。因此,整个分析流程分为两部分,一部分是对突发事件原始预警信息进行分析处理,另一部分是输出结构化的预警信息。具体分析流程可以视为一个输入信息(原始预警信息信息源),通过整序、转化、分析和整合处理(原始预警信息处理过程),输出预警信息的系统过程(具体如图2所示)。在输入端,原始预警信息来自不同的信息源,是整个系统的前提和对象,原始预警信息处理过程需要多种方法和技术的支持,是整个体系的核心过程;最后以特定的形式输出最终的预警信息以供决策。
3 高校突发事件预警信息分析模型
根据高校突发事件预警信息分析流程,建立了预警信息分析处理模型(如图3所示)。
3.1 高校突发事件预警信息信息源
预警信息源是提供高校应急管理决策的基础。主要有两部分,高校突发事件预警信息源和外部预警信息源,从这两种渠道获取的预警信息是未经处理的原始信息。
3.1.1 内部预警信息信息源
这类信息来自高校内部,包括学校各种构成要素、成员和载体以及内部调查中获得。
3.1.2 外部预警信息信息源
包括:Internet资源、传统媒体载体、社会网络等,这类信息源涉及渠道多,且有相互交叉相互重叠。
3.2 高校突发事件预警信息分析处理模块
高校突发事件预警信息分析处理模块是该模型的核心,具体由预警信息的获取、存储、分析和输出来构成。
3.2.1 高校突发事件原始预警信息获取
该模块的作用是从高校内部和外部信息途径获取各种原始预警信息,并进行筛选、分类等初步整理。信息获取模块是系统模型的输入部分,是预警信息分析工作的基础,其工作的速度和质量将极大地影响整个系统地效能和效益。如图4所示。
3.2.2 高校突发事件原始预警信息预处理
建立突发事件原始预警信息数据库,将信息转换为结构化数据,可以分为内部和外部预警信息数据库,建立数据库的目的对这些原始数据加工整理,建立数据仓库。此过程需要利用知识库(方法、模型、案例等)对数据抽取、转换、整理,存储结构如表2。
具体内容包括:
(1)高校突发事件原始预警信息合并功能。可以将来自不同途径的原始预警信息合并成单一的信息。原始预警信息的重复、结构不相同等问题都将得到解决。
(2)高校突发事件原始预警信息提取功能。可以将原始预警信息结构化。
(3)高校突发事件原始预警信息匹配更新功能。预警信息匹配功能根据判断准则,自动地比较原始信息是否已存在于高校突发事件预警信息数据库中,自动识别“新信息”是否比已有预警信息在时间上更新、在内容上更全面。
(4)高校突发事件原始信息清理功能。预警信息清理功能主要是清除数据库中陈旧、不完整的、重复的信息。它修补预警信息中的缺陷,消除冗余、保持预警信息之间有机的关联。
3.2.3 高校突发事件原始预警信息分析
预警信息分析是模型的核心,主要应用分类分析、关联分析、和序列分析等,从大量数据中挖掘出未知的、有价值的突发事件预警信息。
(1)高校突发事件原始预警信息分类分析
分类分析是按照一定的标准对预警信息进行划分的方法,在具体的操作中,需要对数据仓库中的每一条预警信息进行类别标记。例如,根据不同来源的预警信息可信度不一样来对信息的可靠性进行分析。一般而言来自高校内部的数据或资料,可信度相对要高,因而校验工作比较简单;但对于获取的外部预警信息必须进行严格的甄别,可靠性可以通过其他渠道来验证,如对来自Internet的信息,可以通过媒体或电话询问等方式进行查证。一般情形,经过两个以上渠道验证的预警信息可以被认为是可靠的,唯一信息来源的预警信息不一定不可靠,要继续收集以辨真伪。这样经过分类,按照对应的类别的属性描述,通过一段时间的积累,工作人员不但可以比较全面的掌握高校突发事件原始预警信息源的概况,而且对信息源的可靠度也有了清楚的了解,更有利于对预警信息的分析。
(2)高校突发事件原始预警信息关联规则分析
上述分类分析是对每一不同类别突发事件预警信息进行单一分析,而在现实中,看似不相关的因素当在某些特定的情形下,就会引发突发事件,并造成严重后果,所以对高校突发事件不同预警信息的关联性进行分析就尤为重要。例如,2003年西部某高校在举办文化节时由于不恰当的表演而引发的学生示威游行到后来的打砸事件,看似互不相关联的“文化节和反日示威游行”,由于信息发出的主体(信息源,日本人)不同、不恰当的节目、信息接收的客体特性(中国学生),以上的信息主体、节目内容和信息客体本身也是传递着不同的信息,这些信息综合联系在一起,引发了反日示威游行。如果信息发出主体不是日本人,或者信息客体不是中国人,也许就不会发展到这种地步,这正是体现了关联性的含义。依据关联分析中的支持度、可信度、期望可信度、作用度,可以帮助学校快速对用突发事件预警信息进行权重分析,并建立预警信息之间的关联规则,从而制定适当、及时的应急管理策略 ,为规避突发事件风险,减少影响,降低损失,提供及时、准确的依据。
(3)高校突发事件原始预警信息序列分析
序列分析是要分析高校突发事件不同类预警信息之间时间序列关系的模式。序列分析的原理是:在给定的预警信息数据库中,每个序列按照发生时间顺序排列的预警信息集,挖掘序列函数作用在这个预警信息序列上,按照设定的阈值,返回出现高频的序列,由于列序模式的预警信息集构成一个时间上的序列,所以序列分析中的每个预警信息项都具有时间属性,重点在于分析不同预警信息之间根据时间的前后或者因果关系。例如通过分析,“在某高校某类群体骚乱事件中,预警信息的传播是由突发事件信息主体A发出信息,接着通过信息传播渠道B、C传播,而后到达突发事件信息客体D”,并按照规则得出该类突发事件中,A→B、C→D发生的频度较高(符合设定的规则或阈值)等等结论。在高校突发事件预警信息分析中,发现预警信息之间的序列关系,可以帮助学校掌握与某突发事件全过程特征相关的预警信息的时间特性,进而可以在不同的时间节点制定有针对性的预案和措施,降低风险。
(4)高校突发事件预警信息格式输出
原始预警信息分析的工作完成后,形成各种规则统计、序列描述、图表,以多种格式的文档(如Word、Pdf等格式)输出,并整合为分析报告,经过专家审查合格后,成为最终的预警信息,可以提供给相关部门来使用,作为高校突发事件应急决策的依据。
4 结论
高校突发事件预警对于应急管理具有重要作用,而保证预警有效性的关键是获取及时、准确的预警信息。本文在对高校突发事件预警信息进行定义、分类的基础上,建立预警信息分析流程,构建预警信息分析概念模型。该理论模型充分考虑了高校突发事件预警信息的特征,并将关联分析、聚类分析等数据挖掘方法融入到模型中,使用于所有类型的高校突发事件预警信息分析,具有很好的通用性,为高校突发事件预警信息有效分析提供了解决的思路,也为实现高校应急管理决策系统开发提供依据。
摘要：从高校突发事件预警角度,提出高校突发事件预警信息含义,按照预警信息来源将其分为内部和外部预警信息,并建立预警信息分析流程。在此基础上,构建高校突发事件预警信息获取、预处理、存储和分析的概念模型。对如何获取、分析有效的预警信息进行了初步探讨,提供了研究高校突发事件预警信息分析的一种思路,为后期提高高校突发事件应急管理预警决策有效性提供依据,也可为提升高校应急管理能力水平提供支持。
关键词：高校突发事件,预警信息,分析模型
参考文献
[1]吴建勋.高校突发事件与应急管理[J].科技进步与对策,2004(7):113-115WU Jian-xun.Emergencies management in high institu-tions[J].Science&Technology Progress and Policy,2004(7):113-115
[2]谢凌凌.从风险预警到危机干预的资源配置与整合-高校突发事件的认识与应对[J].教育科学,2010,26(1):9-13XIE Ling-ling.From risk warning to crisis intervention ofresource distribution and integration-awareness and re-sponse to the university emergency[J].Education Sci-ence,2010,26(1):9-13
[3]陈伟珂,张力英.高校突发公共事件应急管理能力评价研究[J].中国安全生产科学技术,2008,7(11):92-96CHEN Wei-ke,ZHANG Li-ying.Research on evaluationof emergency management capability in university publicincident[J].Journal of Safety Science and Technology,2008,7(11):92-96
[4]刘铁民,李湖生,邓云峰.突发公共事件应急信息系统平战结合[J].中国安全生产科学技术,2005,1(5):3-7LIU Tie-min,LI Hu-sheng,DENG Yun-feng.Public inci-dent emergency management information system for bothpeacetime and wartime[J].Journal of Safety Science andTechnology,2005,1(5):3-7
[5]曾润喜.网络舆情突发事件预警指标体系构建[J].情报理论与实践,2010,1(33):77-79ZENG Runxi.Construction of the network opinion emer-gencies early warning index system[J].Information Stud-ies:Theory&Application,2010,1(33):77-79
[6]张秋菊,朱帮助.基于嫡权灰色关联分析的群体性突发事件预警模型[J].数学的实践与认识,2011(12):25-32ZHANF Qiu-ju,ZHU Bang-zhu.Forewarning model ofgroup unexpected incidents involving mass participationbased on entropy methods and grey relevant analysis[J].Mathematics in Practice and Theory,2011(12):25-32
[7]张维平.突发事件预警指标选择偏好与权重赋值阈值研究[J].中国人民公安大学学报(社会科学版),2008,(6):80-89ZHANG Wei-ping.Option partiality and balance for earlywarning quota of meeting emergencies[J].Journal ofChinese People’s Public Security University(Social Sci-ences Edition),2008,(6):80-89
[8]陶方林.突发事件中信息传播主体的特性分析[J].情报杂志,2011,30(6):56-60TAO Fang-lin.Analysis on the characteristics of subjectof information dissemination in emergencies[J].Journalof Intelligence,2011,30(6):56-60
[9]吴叶葵.突发事件预警系统中的信息管理和信息服务[J].图书情报知识,2006(5):73-75WU Ye-kui.Information management and service of emer-gency early warning system[J].Document,Information&Knowledge,2006(5):73-75
[10]樊博.应急信息系统中空间预警情报的提取方法研究[J].现代图书情报技术,2011(9):54-59FAN Bo.The computation method for key spatial infor-mation in emergency information system[J].New Tech-nology of Library and Information Service,2011(9):54-59
[11]韦庆辛.关于构建高校突发事件应急管理机制的思考[J].中国安全生产科学技术,2010,3(6):191-196WEI Qing-xin.Reflection of constructing university e-mergency management mechanism[J].Journal of SafetyScience and Technology,2010,3(6):191-196
[12]国家突发公共事件总体预案体系.http://www.gov.cn/yjgl/2005-08/31/content_27872.htmMaster State Plan for Rapid Response to Public Emer-gencies.http://www.gov.cn/yjgl/2005-08/31/content_27872.htm.
预警分析模型 篇2
构建专利预警模型可以有效避免环境工程技术的研发陷阱、交易陷阱、侵权陷阱。环境工程技术专利预警模型包括信息收集、信息整理、信息分析判断、预警判别、对策提供以及危机管理。根据警度评价指标数值的变化可以发出不同程度的警报，帮助我国实现环境水利工程技术的规范化、科学化、标准化管理，充分发挥我国环保投资效益。
一、环境工程技术和专利
“环境工程”这一术语早已出现，但是人们长期以来理解的“环境工程”实际上指的是环境保护工程，其保护对象为地球上的人类、各种植物和动物等，其内容主要是环境污染的测量和控制、环境保护和环境治理，而这与国外环境工程的本意是有所差别的。所谓环境工程技术，根据我国颁布的《国家环境保护标准》的规定应当为保护自然环境和自然资源、防治环境污染、修复生态环境、改善生活环境和城镇环境质量的工程技术和工艺单元。通常可以分为水污染控制工程技术、大气污染控制工程技术、固体废物污染控制工程技术、物理污染控制工程技术和生态修复工程技术等。
二、环境工程技术专利预警的意义
所谓专利预警是指通过收集与分析相同技术领域及相关技术领域的专利信息和国内外市场信息，了解竞争对手在做什么，把可能发生专利纠纷的前兆及可能产生的危害、建议采取的对策措施及时告知相关政府部门、行业组织及业内企业;同时发布专利权被侵害的信息，建议行业组织和行内企业采取应对措施。建立环境工程专利预警机制是适应我国环境工程建设快速发展的需要，弥补该领域在技术管理指导方面的不足，在推广先进、成熟的环境工程技术广泛应用方面起到不可替代的作用。
随着我国经济建设的快速发展，国家在环境污染治理方面的投资在快速增加。在“十二五”期间，预计环保投资将超过3.1万亿元，其中用于环境污染治理工程技术攻关的投资预计会超过1万亿元。随着我国环境保护事业的不断发展，环境工程已经成为一个相对独立、初具规模、快速发展的工程领域。同时，一大批先进、成熟的环境工程技术已成为相关领域普遍采用的主导技术，特别是在污染源的成套污染防治技术和污染治理单元技术方面。但是，要建立和完善我国的环境工程技术规范体系、提高环保投资效率、加强环境工程设计施工的标准化建设并推广先进污染防治技术的应用，就要加强对国内外相同或相关领域专利技术的管理和规范工作，通过环境工程技术专利预警机制的构建，可以对及时掌握可能发生专利纠纷和可能产生的危害情况，并避免了我国在相关技术上进行重复性的研究，用节省下来的人力、物力、财力投入到更高端的环境工程技术攻关创新中，通过一套整合了各方资源而形成的集国内外环境工程技术专利信息收集、分析、发布和反馈与一体的环境工程专利预警机制，必将对我国的环境工程技术朝循环发展、良性发展产生直接或间接的重要影响。
三、环境工程技术专利预警模型的构建
环境工程技术专利预警系统的构建是对我国在环境工程技术发展过程中的行为失误、管理波动的状态进行识别、分析与评价，并由此作出警示的管理活动，对国家在环境工程建设中的重大失误与波动现象的早期征兆进行矫正和控制的管理活动。因此，本文从专利预警系统运行的一般规律出发，试图构建起一个包含信息收集、信息整理、信息分析判断、预警判别、对策提供以及危机管理于一体的环境工程技术专利预警模型，通过该模型的构建来为我国的环境工程技术专利预警机制的构建提供一个初步的理论上的思路。
(一)模型的构成。
在该模型中，最主要的构成系统包括：
1、环境工程技术信息收集系统和整理系统。
信息的收集与管理工作可以是整个模型运行的基础，其主要是通过各种渠道对与环境工程技术相关的各种专利文献信息、非专利文献信息、国内外的市场信息以及其他可能会与专利侵权纠纷征兆相关的其他信息进行收集和管理，所有的信息都应当与环境工程技术具有相关性。信息收集人员要具备熟练驾驭、使用信息资源的能力，力求避免有效信息量不足、信息不全、信息深度不够以及资源分散等缺陷，及时有效地将收集到的各种信息传递到信息整理系统中以便进行有效的整理。
通过信息收集系统的收集、汇总，在信息整理系统中就可以按照环境工程技术的分类方式建立各类环境工程技术专题数据库，例如水污染控制技术数据库、大气污染控制技术数据库等，通过不同数据库的建立能够有效的实现信息有序归类保存以供查询和分析专利信息时使用。相关人员在进行环境工程技术研发和使用时都可有效的通过数据库检索浏览到各类技术的详细信息。
2、环境工程技术信息分析判断系统。
环境工程技术信息的分析和判断工作是在前两个系统运行的基础上开展的，通过对技术信息整理系统中各专题数据库的信息进行综合分析后，利用环境工程技术专利预警的警情评价指标体系，就可以有效的对可能发生的各种环境工程技术专利侵权危机的类型和危害的程度进行准确的判断。这部分工作可以通过两个步骤进行：
第一，进行环境工程技术信息的初步分析。初步分析一般包括两个方面的`内容，一是检测是否存在相关技术领域相同或近似的其他专利;二是检测是否存在与相关技术领域相同或近似的其他非专利技术。如果有，就要把这些信息挑选出来，建立新的数据库进行保存。
第二，进行环境工程技术信息的精细分析。将通过初步分析挑选出来的相关信息与需检测的技术机型特征对比，建立各单元的技术特征比较表，并确认每一单元所比较得出的相同技术特征、等同技术特征和不同技术特征的数量。
3、环境工程技术预警判断与报警系统。
专利信息的预警判断工作是通过分析和判断以后对当前情况下是否应当发出警报以及发出何种状态警报进行判断。并非所有处于警戒状态下地技术都要发出警报，警报是否发出以及应当发出何种状态的警报，不仅取决于风险因素对相关技术研发的影响程度，也取决于该技术本身对这种风险和多种风险因素共同作用的应对能力，只有那些有较大专利侵权风险的技术信息才应当立即发出预警警报。
4、环境工程技术对策系统。
当预警判断系统发出预警警报后，对策库可以为还未处于危机状态的环境工程技术提供可供参考的对策、方案和思路。对策系统作用的发挥主要是完成两项任务：一是对已经实施的对策进行归纳总结，总结初成功、失败的对策，以供未来工作的借鉴和参考;二是进行预控对策模拟工作，对可能发生的专利侵权纠纷的未来运行趋势进行预测，并作出相应的对策模拟。在整个对策系统中，中心任务是包括处于警界状态时的对策研究和选择处于危机状态时的对策研究和选择。
四、结语
预警分析模型 篇3
摘 要 本文以我国深市上市公司中的中小板企业为研究对象,筛选了2008到2010年被ST戴帽的49家上市公司作为财务困境公司样本,同时选取了130家经营状况较好的公司作为正常公司样本。通过分析这149个样本公司08年的财务报表数据,运用判别分析法建立了一个符合中国上市公司实际情况的财务困境预警模型,并对之进行实证检验。研究结果表明:建立的模型能够较好的对中小上市公司经营风险做出预测。
关键词 中小上市公司 财务困境预警模型 判别分析法
一、文献回顾
关于上市公司财务困境预警研究,国内外学者曾建立过多个预警模型。最早的财务困境预警研究是Fitz Patrick所做的单变量破产预警模型,其后Winaker&Smith和Merwin也作了相似的研究。但是这些早期研究仅仅是属于描述性分析(Profile Analysis)范畴。自1968年Altman首次将多元线性判别方法引入到财务困境预警领域后,多元线性判别方法就逐渐取代了单变量模型。在1968年Altman的模型中,Altman通过多元判别模型产生了一个总的判别分,称为Z值,并依据Z值进行判断。这个模型就是著名的Z模型。由于模型简便、成本低、效果佳。几乎所有的国家都依据z评分模型发展出与之相适应的信用风险度量模型。Scott(1981)对以往学者的实证结果进行比较,认为在多元判别分析模型中Zeta模型最优。然而根据陈静(1999)和宋秋萍(2000)的研究,认为由于中美两国会计准则有一定的差距,用美国公司财务数据建立的模型并不一定适用于对中国公司的信用风险预测,从国内企业的财务数据中提炼出特征指标,建立判别函数则更为务实。
由此可见,根据中国的会计准则和实际情况,建立一个符合中国上市公司的的财务困境模型也显得十分重要。而由于企业自身规模和经营情况的不同,还没有一个模型能够准确的预测所有类型的上市企业的财务困境情况。因此,根据不同规模的企业选择不同的预测模型也就显得十分重要。而这里我们主要选择研究中小上市公司的财务困境模型。
二、财务困境预警模型的建立和分析
(一)模型的选择
根据美国风险管理专家Ahman在1968年,利用多元判别式法建立的著名“z评分模型”。本文采用判别分析模型的形式分析分析,旨在研究两类分司的财务状况,一类是财务危机公司,另一类是财务健康公司。以此为目标分别找出反映这两类公司相关性高的特征变量而建立判别函数,然后用建立的判别函数对中小板所有的上市公司进行财务困境分析。判别函数的一般形式是:
Z=a1x1+ a2x2+ a3x3+……+anxn
其中:Z为判别分(判别值)X1,X2,X3是反映研究对象的特征变量,如财务比率。a1,a2,a3为各变量的判别系数。
(二)样本的选择
本文一共选取了51家上市公司作为样本进行分析。其中:财务危机公司49家,由于中小板企业中09年之前只有2家企业被ST戴帽,所以剩下的47家ST企业,在沪深两市07年以后被戴帽的企业中随机选取代替。财务健康公司130家,其中60家来自于08年中小板上市公司综合排名前60强,剩余70家则通过对中小板企业随机挑选得出。
在样本选定之后,需要对财务分析指标进行选择。通过对上市公司的资产负债表,现金流量表和利润表进行分析,从偿债能力,盈利能力,资本结构状况和营运状况等四个方面选择了14个相关财务比率:X1总负债/总资产,X2现金/流动负债,X3流动资产/流动负债,X4净利润/主营业务收入,X5净利润/总资产,X6营业利润/利润总额,X7流动负债/总资产,X8长期负债/总资产,X9应收账款/流动资产,X10(流动资产-流动负债)/总资产,X11现金/总资产,X12利润总额/总资产,X13主营业务收入/总资产,X14净利润/所有者权益。
(三)判别分析过程
对于函数的推到,采用spss统计软件中classify下面的discriminant计算功能,我们把所有14个变量代入模型以逐步回归法进行分步计算,通过F检验的解释变量则放入判别函数中作为评分模型的计算依据。
在运用逐步回归法的过程中一共进行了6次筛选过程,具体操作方法是选择0.05的显著水平和3.84的临界值水平,每一步回归都选择当次回归过程中最显著的变量进入判别模型,然后再将剩下的解释变量进行再回归,当进行到第6次回归的时候,剩下的所有变量都低于3.84的临界值水平,因此停止筛选过程。
在筛选出来的5个解释变量(X10,X12,X4,X6,X13)之间继续进行总体显著性的检验,我们可以看出X10,X12,X4,X6,X13的估计结果都大于显著性为0.05的临界值3.84。在此基础上我们再通过对解释变量判别系数的估计,就能够得到完整的判别方程。
综上所述,通过把所有变量引入判别分析中,运用逐步回归法,最终得到了包含5变量的判别系数,即:
Z=-1.204-0.466X4+0.045X6+2.592X10+6.084X12 +0.402X13
其中:
X4 净利润/主营业务收入。该指标用来衡量一个企业的盈利能力,表示一个企业的利润占主营业务收入的比重,该指标越大说明一个企业的偿债能力越强。
X6 为营业利润率=营业利润/利润总额。该指标用来衡量一个企业的盈利能力,表示一个企业的营业利润占到了所有利润收入的比重。
X10 为营运资本/总资产。这是公司的净流动资产相对于总资产的一种衡量,营运资本是公司流动资产与流动负债之差。
X12 为总资产收益率=利润总额/总资产。该指标体现的是每单位的资产对应的利润份额。从一定程度上能够反应出企业的盈利能力情况。
X13 为主营业务收入/总资产。该指标用来衡量一个企业的偿债能力,表示一个企业的主营业务收入占总资产的比重,该指标越大说明一个企业的偿债能力越强。
(四)判别模型准确性的检验
1.原始样本分类的准确性
检验结果表明,用建立的判别函数对财务出现困境的ST公司的预测正确率达到了87.8%,而对财务状况健康的非ST公司的预测正确率也达到了93.1%。由于判别函数是从原始样本数据中推导出来的,因此原始样本分类的期望准确率理所当然要高些。通过计算两组判别分(Z值),我们可以看出两组的Z值几乎都分别落在(-0.5,-1.5)的两边。因此我们可以将区间(-0.5,-1.5)作为灰色地带,当判别分数属于该区间的时候,可以判断该公司在短期内有破产的风险,应该对这样的公司引起重视,做更加深入的分析调查。
2.临界值的确定
虽然原始样本判别值的分界线比较明显,结果非常理想。但需要说明的是原始样本中的非ST公司有一半都来自2008年中小板块排名前60名中的企业,因此是具有的两级分化公司的性质。假如用此函数对新样本计算出的判别分也能获得这样的结果,那么上述临界区间才完全可作为我们判断决策的依据。为了进一步验证这一模型的判别效果以最终确定更具代表性的临界值,我们用未参加模型推导分析的随机挑选的5个ST公司和10个非ST公司进行检验。用建立的判别函数公式计算出公式的值。
从检验结果可以看出,检验样本中的5家ST公司中有4家的Z值都小于-1.5。非ST的10家公司中有9家公司的Z值都大于-0.5。因此综合原始样本和新样本两组的结果,区间(-0.5,-1.5)是这两类公司的一个分水岭。据此我们可以得出以下判别法则:当Z值大于-0.5的时候,我们可以认为被分析的公司属于财务健康的类型,在近期没有破产的风险,Z值越大企业破产的风险越小;当Z值小于-1.5的时候,我们可以认为被分析的公司属于财务状况不健康的类型,在近期破产的风险,Z值越小,近期破产的可能性越大。当Z值落在了区间(-0.5,-1.5)的时候,应该引起我们的高度重视,因为这样的公司面临着破产的危险,也包括财务状况暂时健康的一些公司,因此我们需要对这样的公司做进一步的考察。
三、研究结论及政策建议
(一)研究结论
在建立财务危机预警模型时,本文从公司财务报表中提取了14个指标作为预警模型建立的基础,通过分析最终从中提取了5个变量成功构建了模型。并且通过了对临界值的界定,达到了较为理想的效果。
第一,不同的公司营运环境对财务预警模型的影响。通过对Altman的Z评分模型分析,我们可以发现该模型目前被发达国家的众多金融机构应用,但是我国具有和发达国家差异显著的商业营运环境,如果原封不动的照搬Z评分模型是不符合我国国情的,也不能得出准确率较高的分析结果。此外,不同的企业规模之间还存在着一定的显著差异,根据不同的企业规模建立不同的判别分析函数有助于提高模型分析的准确性。所以从国内的中小上市公司财务数据中提炼出特征指标,建立中国自己的判别函数,对于模型的准确性和在我国的实用性具有十分积极的作用。
第二,会计制度不同对财务预警模型的影响。由于国与国之间的会计制度一直存在着差异性,我国的会计制度以及财务信息披露制度有待于跟国际统一的相关制度接轨。而目前我国的会计工作领域存在的会计秩序混乱、会计信息失真、会计控制弱化等一系列问题,这些问题都严重影响了会计职能的发挥和会计工作质量的提高。在我国现行会计制度下的财务数据与发达国家的财务数据并不完全一致,如果照搬Z评分模型也会导致判别准确率的降低。
(二)政策建议
首先,整合资源,均衡发展。目前我国中小企业普遍面临筹资困难的情况,由于存在自身规模较小,经营状况存在着很大的不确定性等因素,金融机构很难对中小企业进行大量的放款。改善目前不佳的信用状况。而管理部门也应该对于不同的中小企业,采用不同的手段进行引导。企业的管理部门要在切实做好重大项目的落地和开工建设的同时,保证项目的顺利实施,为以后的赢利及企业增长做好准备,并重视在引进消化吸收基础上的再创新,保证资金的供应链,以降低出现财务危机的可能性。合理充分地利用资源,规避风险,降低发生财务危机的可能性。
其次,重视Z值偏差显著的公司。从本文的指标分析和实证检验都可以发现,高Z值公司并非是绝对的安全,它也可能存在着财务危机的隐患。因此,当企业的财务危机预警z值超高时,企业的管理层不能盲目乐观,认为公司的财务状况是不存在危机的。应该在内部建立有效的财务预警机制及应急预案,关注Z值的变化情况,对于企业财务危机预警的高z值要具体问题具体分析,不能放松危机意识。
参考文献:
[1]Edward I Ahman.Financial Ratios Discriminant Analysis and the Prediction of Corporate Bankruptcy.The Journal of Finance.1968.23(4):589-609.
[2]William H.Beaver.Financial Ratios∞Predictors of Failure.Journal of Accounting Research.Empirical Research in Accounting:selected Studies.1966(4):71-111.
[3]陈静.上市公司财务恶化预测的实证分析.会计研究.1999(4): 31-38.
[4]张玲.财务危机预警分析判别模型.数量经济技术经济研究. 2000(3):49-51.
[5]温璐璐,王海涛.辽宁产业结构分析及对策.经济研究.2006(12):75-76.
[6]吴世农,卢贤义.我国上市公司财务困境的预测模型研究.经济研究.2001(6):46-55.
[7]王娟.财务危机理论在我国的运用.统计与决策.2004(11): 128-129.
预警分析模型 篇4
一、国有商贸企业财务危机的特征
由于商贸企业的特殊性, 商贸企业与其他企业相比, 在财务危机方面, 存在以下一些特征:
财务危机的市场决定性。企业在经营时, 由于消费市场所出现的重大波动、价格的上下波动等导致市场出现消费低谷, 对商贸企业的销售就会产生财务危机, 而使商贸企业的运营陷入财务困境。
财务危机的偶然性。在商贸企业的经营中, 一些影响因素是客观的、可把握的, 但是也存在一些突发的、偶然性的因素。由于商贸企业的自有资金所占比重较低, 同时其对资金的流动性依赖程度较高。当商贸企业的财务活动缺乏合理的规划与控制时, 就会由于资本结构的不合理、筹资结构的不匹配等因素导致出现偶然性的财务危机。
现金流量财务指标对财务危机的预警存在较大敏感性。对于商贸企业来讲, 有服务就会存在盈利的差价。从根本上讲, 商贸企业是利用一套有形的服务, 将商品以更有价值的形式销售给消费者。因此, 现金流财务指标对财务危机的预警存在较大的敏感性, 在评价商贸企业财务状况时要密切关注现金流的作用。
二、国有商贸企业财务预警模型的构建
(一) 建模方法
判别分析是指利用原有的分类信息, 在已知分类数目的情况下, 按照一定的数据指标进行归类, 得到体现这种分类的函数关系式, 然后利用函数去判断未知样本的所属类别。常用的判别分析法有逐步判别法、距离判别法、费歇尔判别法、贝叶斯判别法和典型判别法。
(二) 模型变量设定
以全面反映商贸企业财务状况为基本原则, 在设定财务预警模型变量时, 应全面地考虑以下几方面因素:一是考虑特定的国有商贸企业的财务状况特征;二是将综合反映企业财务状况的指标分为偿债能力、反映资产管理能力、盈利能力及成长能力这四大财务指标, 但是由于导致财务危机的因素比较多, 因而在这四大财务指标的基础上还可进一步细分;三是充分借鉴国内外有关商贸企业财务危机领域的研究方法及研究成果。基于以上考虑的因素, 设定以下模型变量, 如图1所示。
(三) 建立财务危机预警模型
基于上述分析, 借助SPSS统计软件, 进行多变量均值相等的检验, 如图2所示。
由F检验可知, x1、x4、x6、x7、x8、x9、x11、x14、x17所对应的P值均小等于0.05, 说明这9个指标在表现财务困境企业与在非困境企业的相同指标表现存在着显著差异, 所以应作为选择变量。
在进行分析时, 如果变量之间的相关程度较高, 就会使得某些特征重复计算, 这样, 判别变量不能提供新的信息, 无法估计判别函数。因此, 在进行变量的选择时, 应尽可能地消除变量的高度相关性。
如图3所示, 由图中变量之间的相关系数可知, x1与x6的相关系数达到0.956, 属于高度相关, 因此, 二者之间只能选择一个作为变量。通过定性分析可知, x1经营现金总负债比所包含的信息比x6 (经营现金流动负债) 更能反映企业对于全部负债的长期偿还能力, 反应信息更全面, 因此, 留下x1。同时, x4与x8的相关系数达到-0.9223, 接近于-1。x8资产负债率是企业重要的财务指标, 比x4流动比率能够更好地反映企业的财务状况, 因此, 保留x8。
经过上述逐步筛选, 选择7个指标:现金债务总额比 (x1) 、利息保障倍数 (x7) 、资产负债率 (x8) 、存货周转率 (x9) 、总资产周转率 (x11) 、总资产利润率 (x14) 和总资产增长率 (x17) 。
基于以上分析, 建立财务预警模型为:
其中, 式中X1为经营现金总债务比, X7为利息保障倍数, X8为资产负债率, X9为存货周转率, X11为总资产周转率, X14为总资产利润率, X17为总资产增长率。这一模型具有以下优点:首先, 模型具有全面性。这一模型包含了7个财务指标, 基本上将企业所有的财务能力指标包含在内, 信息比较全面;其次, 模型具有可行性。这一模型属于线性模型, 没有深奥晦涩的专业术语, 简洁易懂, 不仅专业人士可以借鉴, 一般的商贸企业投资者也可直接使用。
三、防范商贸企业财务危机的建议
优化债务结构, 防止过度负债。一般来讲, 企业的财务危机都会伴随着债务履行的压力, 要优化债务结构, 防止过度负债是降低财务危机风险的重要措施。首先, 降低负债率。避免过高的财务杠杆是商贸企业得以发展的前提。企业负债率的高低应以有利于促进企业的良性循环发展为目的, 当企业的资产负债率较高时, 企业就必须采取适当的措施来降低负债率。
1.进行债务重组, 将公司债务以多种形式通过重组得以抵减或者偿还。
2.增加资本金并要求以现金投入。企业出资者中的出资额未投足者应尽快投入企业以直接增加其偿债能力;其次, 优化负债结构。优化负债结构可从以下几点入手: (1) 采取多种资金筹资方式来代替单一的银行贷款, 以避免缺乏现金偿还所导致的财务危机; (2) 企业应该尽量使债务的到期日期及数量与预期现金流量保持协调一致, 避免债务到期日集中而没有足够的资金支付影响按期还款。
把握企业财务危机预兆。对于商贸企业而言, 把握可能导致企业财务危机的预兆可以从以下几方面着手:一是资金的周转率。资金周转率是衡量资金流动性的指标, 若资金的周转率低, 则表明企业的资金流动性差。而企业的资金流动性差则会给企业造成经营、资本运作、经营能力等方面的故障;二是当企业的销售处于不理想状态时, 大量的资金将会以实物状态沉淀下来而难以流动, 就会导致大量的存货积压, 为防范财务危机, 要防止商贸企业中存货的积压。三是应收账款长期挂账。应收账款的数额越大、时间越长, 也就会造成流动资金的缺乏效应在积累中被放大, 进而导致财务危机的产生。
预警分析模型 篇5
目前，我国有关上市公司财务风险预警系统方面的研究还不是很成熟，明显滞后于我国证券市场的发展。但是在国外，由于证券市场已经高度发展，而且与其发达的资本市场相对应的财务预警模型研究也早已引起足够重视，并且也形成了多种关于财务危机预警的体系。
本文的实证性较强，遵照理论分析与实证分析相结合的原则，以理论为依据来建立模型，同时又用模型的拟合来支持和丰富理论。通过回顾国内外财务危机预警研究的相关文献，可以看出目前的研究主要集中在预警模型的构建上，且主要为单一预测方法构建的模型，但是单预测模型都有其自身的局限性，本文利用Z3分数模型对房地产上市公司进行财务预警模型的构建，并采用主成份分析法建立适合该行业的财务预警模型，以期能提高预测的精度，使之成为预测上市公司财务危机状态的有效工具。
二、房地产业上市公司财务预警研究的意义
财务危机预警的研究已经经历了多年的发展，从最初对模型构建方法的研究，到本国企业财务危机预警模型的构建研究，再到适合各行业财务危机预警模型的探寻，每一步都体现了学者们对财务危机预警研究的热情、执着，也更体现了其对于我国乃至世界范围内企业发展的重要地位[2]。
房地产上市公司作为我国新兴的行业，其潜力大、关联度高、带动力强等特点在我国经济发展的轨迹中显露无遗，另外其特有的融资、负债结构特点使得它在特定条件下(如房价下跌等)很容易发生财务危机[3-4]。房地产上市公司作为我国证券交易市场上独立的行业板块，能够基本代表本行业在我国的发展情况，对其研究基本也可以代表对行业的研究。由此可见对房地产上市公司财务危机预警研究是有必要的，对我国房地产行业乃至整个经济的发展也是有重大意义的。
三、房地产上市公司财务预警模型的假设研究及样本构建
1、房地产上市公司财务危机预警模型应用的研究假设
首先要确定样本的类型，在以往的财务危机研究中，ST以及*ST的上市公司都被作为了发生财务危机的样本，ST公司为发生“异常状况”而被特殊处理(Special Treatment，简称ST)的上市公司。这里所指的异常状况包括“财务状况异常”和“其他状况异常”。前者是指“连续两个会计年度亏损”和“每股净资产低于股票面值”;后者主要是指自然灾害、重大事故等导致上市公司生产经营活动基本终止，在三个月内不能恢复;公司涉及可能赔偿金额超过本公司净资产的诉讼;公司主要银行账号被冻结，影响上市公司正常经营等情况。由于其他异常状况具有不确定性，难以预测，所以一般情况下只是对“财务状况异常”进行分析[5]。
奥特曼的Z3模型是在其Z值研究的基础上，于提出的适合非制造业行业的预警模型，由于本文研究的对象房地产上市公司同样为非制造行业，所以可以将其作为待参考的模型之一,因此本文在房地产行业预警研究上也采用了该模型[6]。
基于上述分析、本文提出如下假设：
财务预警模型存在的缺陷 篇6
在翻阅大量的书籍以及文献后，发现目前对于财务困境的基础理论仍有多种解释。一般来讲，大多数人把财务困境的定义分为四种类型，即失败（如，停止经营、自愿退出经营、实行破产监管或重组等法律事务）、无力清偿（从技术层面上讲是企业自身无法偿还它的现行债务，导致公司资金无法流动至暂停等。）、违约（这是涉及到公司与债权人的关系，通常是法律层面的问题，但一般它也是公司财务困境的一种信号。）、破产（即公司的净资产为负值）。
对于财务困境理论的理解，从定义上我们能够明显的看出它主要是从财务指标，这种可以以计算来表现的外向形式。同时在我们进行财务困境的预测分析时，也是由于财务理论的基础相对比较薄弱，迄今为止对于公司的财务困境的概念仍然没有一个统一的界定并且缺乏一些能够准确预测困境中所应包括的预测变量的经济理论支持。因此，许多的研究者都是通过自身多年的研究经验，并把一些在陷入财务危机中出现的财务指标来作为预测因素的，同时还通过收集大量的数据以及严格的统计筛选来把预测中相对显著的变量因素作为预警判别模型。我们更多的是要来研究其陷入财务困境时的环境，以及这些财务变量发生变化的原因和状态，再结合其与财务困境的关系来进行具体的分析与研究。因此，在界定一个企业是否陷入财务危机时，我们所要探索的方面很多，仅仅依靠一种定义方式是不全面的，这也是导致一些企业在进行财务预警时出现偏差的重要原因。
财务困境理论的界定是由于关注点的偏离，缺少对非财务指标深层次和根本性的探究，以及大多数学者在进行财务困境理论研究时对非财务指标的忽视，这也是使得其困境理论无法深层次的剖析企业在经济运行中产生问题的重要结点。由于非财务指标贯穿于企业的各个角落，从而在我们探究财务困境理论时，把非财务指标引入其中并把它作为财务危机预警系统研究的理论基础是非常必要的。
二、财务指标缺乏可靠性和前瞻性
由于缺乏相对可靠的财务困境理论的理论性支撑，因而，传统的财务指标在财务危机预警中存在很多缺陷。在建立财务危机预警模型时，无论是国外学者还是国内学者，他们的研究都是以会计信息是真实的这一假设为前提条件来建立财务危机预警模型的。并且，在研究财务困境的发生与财务指标的关系上，基本上都是基于已有的模型来验证，更多的是缺乏深入的对陷入困境的原因与环境的探讨。
对其进一步的分析，首先是上市公司披露的年度报表并不一定是对公司财务状况的真实反映，其主要原因是，公司的管理者可以通过操纵会计利润以及编制虚假的会计信息来使公司财务账面的状况表面上达到大家所预期的水平；其次是除开人为的操纵外，企业内部的执行情况对企业财务数据的准确性、可靠性也产生了重大影响；还有，财务危机预警信号的时效滞后，一般来讲，上市公司每年的年度财务报表都是在次年的4月份左右对外进行披露的，因此，会计报表的财务数据在时间上对公司的财务预警存在很大的滞后性；再是财务指标不能反映所有与财务危机有关的信息，例如会计比率。
章之旺（2005）认为使用会计比率类指标作为预测变量，至少存在两个方面的问题：第一，会计比率是根据资产负债表和利润表项目计算的，并且由于不同企业之间的会计政策的选择存在分歧，因此不同企业之间缺乏可比性。第二，回归方法在实践中的会计比率的分子分母是不符合配比原则的。利润的销售额渠道中不仅包含销售收入，其中它的回报率也应该包括外商投资等项目。随后也有些学者根据这些缺陷性，从企业的内外部环境的变化对财务危机的发生进行了简单的研究。
三、财务预警模型存在局限性
最先被引用于财务预警模型中的是单变量分析法，它最早也是被用来对一些企业进行破产预测分析。在破产预测分析中，由于可以从一些财务困境企业中分析出财务指标与非财务指标之间的不同点，从而也可以从它们之间的差异中找到财务的预测点。在1932年，就有一位经济学家Fitzpatrick对此开始了最初的研究。Fitzpatrick把19家已经破产的公司与没有破产的公司进行比对，同时运用单个财务指标量来进行预测，最后结果发现评估能力最高的财务比率是是股东权益净利润率和股东权益/负债率。再就是在1996年，为了使单变量分析法的预测能力更进一步深化，于是Beaver采用统计分析方法来对发生破产的企业财务问题进行研究，结果显示其得到很好的改善。然而，单变量分析模型虽然是最早应用于企业财务预警实证研究的，并且在运用的时候也相对简单。但它排斥其他指标的作用，信息量狭窄是单个财务指标的最大缺点，因此它不能够企业财务状况进行全面的折射。由于财务指标的不同，则对其进行判断得出的结论有时也可能是截然相反的，例如有的企业盈利能力比较差，然而流动性较好，可是根据流动性指标可被判别为非财务困境企业，但是根据盈利能力指标又可判别为财务困境指标。有时，模型还会受到通货膨胀等因素的影响，因此这些局限性严重影响了指标的适用性。
多元判别分析模型，是由Altman（1986）博士提出的。这个模型是运用多个财务比率来检查企业的财务运营情况的稳定性，以此来说明企业是否存在财务困境。虽然相对于其它模型来说，这种Z计分模型较于理解，并且也具有较好的评估能力和实际应用的能力，但仍然存在很大的缺陷。它的分析要有严格的假设，要求预测变量呈正太分布，并且需要样本分布满足正太分布的条件即预测变量的方差，协方差矩阵必须是相等的，但在实际中，这些数据是很难满足的，因此其预测精度也无疑会降低。最后还有就是目前对Z计分模型分值划分标准还没有科学的判别方法等问题。
同样，多元逻辑回归模型和神经网络模型也存在着或多或少的问题。多元逻辑回归模型虽然不要求数据呈正太分布，同时也克服了一些多元判别模型存在的局限性，使得数据更加稳定和可靠，但是该模型使用时必须经过多个转换步骤来计算，并且对参数的估计运用到了最大似然法，计算程序相对复杂，使其临界值的选定存在很多争议。神经网络模型也因其计算量大，判别能力难以解释等问题存在多种争议。
预警分析模型 篇7
在Logit回归模型中, 因变量设为Y, 服从二项分布, 取值为0 (无财务危机) 和1 (有财务危机) , 自变量为X1、X2、X3、X4、X5、X6, 分别表示每股负债、每股收益、净资产收益率、流动比率、每股未分配利润、营业收入增长率这六大财务指标。
事件发生 (Pi) 与不发生 (1-Pi) 的概率之比为OR值, 对OR值做对数变换, 即可得到Logit回归模型的线性模式ln=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6。
二、样本选取及ST&非ST上市公司财务数据搜集
使用的数据均来自国泰安数据库, 选取121家ST上市公司及2925家非ST上市公司的六大指标财务数据, 并从中随机选择16家ST及9家非ST, 再进行随机排列, 选择前20家公司作为目标样本。
三、确定Logit回归方程参数值
导入数据至SPSS19.0, 采用向后Wald法, 以sig.<0.05为判定标准, 判定引入变量是否具备统计意义, 得到如下结果:
根据表3所得回归系数确定Logit函数为:log (p/ (1-p) ) =logit (p) =3.132-5.467X5;p=exp (3.132-5.467X5) / (1+exp (3.132-5.467X5) ) 。
此外, 将此模型用于被ST的121家上市公司进行总体检测, 现121例个案中仅有5例预测有误, 预测精度达到95.87%。
由表4可知, 在118家非ST上市公司中, 该模型正确识别了109家公司, 错误识别9家公司, 预测精度达92.4%;而在118家ST公司中, 该模型正确识别了99家, 错误识别19家公司, 预测精度也达到83.9%, 模型总的正确率为88.1%, 具有较高的预测能力, 因此可以运用此模型对上市公司进行财务预警。
四、Logit模型财务预警的现实意义
财务预警模型是指借助企业财务指标和非财务指标体系来判别企业财务状况的模型。通常包括六大类:一元判定模型 (Univariate) 、多元判定模型 (MDA) 、多元逻辑 (Logit) 回归模型、多元概率比 (Probit) 回归模型、人工网络 (ANN) 模型和联合预测模型。笔者仅选择其中一类--基于Logit模型对上市公司进行财务预警。根据实证研究结果可以看出此模型的预测精度较佳, 且能对众多财务指标进行筛选, 找出最能反映及预测上市公司是否将出现财务危机的关键财务因子。在选定的六大财务指标中, 可以看到每股未分配利润这一财务指标在预测公司未来的财务状况中起着重要的作用。每股未分配利润越高, 企业出现财务危机的可能性越小。
构建Logit模型一方面可以判别上市公司财务状况, 为投资者或者股东提供关键信息, 同时警示对于经预测会出现财务危机的公司管理层, 及时作出战略调整, 进行成本管控等系列提升公司绩效的措施;另一方面可以通过实证分析筛选出重要财务因子, 从而可以其为切入点, 更为具体地研究财务指标和非财务指标如何影响并反映公司的财务状况、经营成果和现金流量等财务信息。
参考文献
[1]Chan Lin.林婵.基于Logit模型的上市公司财务预警实证分析[J].琼州学院学报, 2010, (05) :110-112.
预警分析模型 篇8
关键词：粮食安全,预警,灰色模型,河南省
粮食安全问题始终是我国政府的工作重点, 确保粮食安全是关乎国计民生、经济社会发展全局的大事。当粮食安全出现危急时, 必须及时采取应对措施进行干预, 以免造成不必要的损失。近年来国内外环境发生了深刻变化, 全球粮食危机、自然灾害频发更是为我国粮食安全敲响了警钟。为适应粮食安全决策科学化的需要, 建立和完善粮食安全预警体系, 以防范于未然是极其必要的[1]。目前, 国内对粮食安全预警的研究愈来愈热[2,3]。雷勋平等[4]结合熵权和可拓学理论, 建立基于熵权可拓决策模型的区域粮食安全预警模型;夏天等[5]提出了粮食产量变化率和粮食安全指数两个模型, 以此来判断衡量一个区域的粮食安全状况, 建立区域粮食安全预警系统, 进行粮食安全信息预警预报;孙晓燕等[6]提出了一种基于信息融合的多因素粮食安全评估方法, 该方法将各个信息源的定量定性信息转换为基本概率指派函数, 利用层次分析方法确定各个属性的权重, 基于Dempster组合规则实现了多因素的融合。这些研究成果为科学指导粮食安全实践提供了技术支持, 但基于粮食安全预警体系及灰信息处理与挖掘是不够的。
基于此, 本文在充分考虑粮食供求的总量和市场流通的基础上, 通过构建粮食安全预警指标体系, 利用历史数据, 运用灰色预测模型, 对未来粮食安全状况进行预警, 在出现或存在潜在粮食风险时, 提前发出预报, 并追溯警兆指标及其相关因素发展态势, 寻找主要警源, 以便采取必要的调控手段, 降低或化解粮食不安全风险。
1 河南省粮食安全预警指标体系的构建
指标体系的设计是建立粮食安全预警系统的基础, 为了及时掌握国内外、省内外对粮食供求、市场流通的变化信息, 并及时做出市场分析, 遵循代表性原则、互补性原则和可得性原则, 确立粮食预警指标体系。
参考国内外粮食安全预警指标[7,8], 结合经济发展特点及粮食生产现状选取供给x1、需求x2、市场流通x3三方面共11个指标进行评价。其中, 粮食供给方面指标是根据粮食生产全过程的三阶段:生产投入→生产过程→产出结果选取的, 五个指标分别为粮食单位面积产量、人均粮食产量、单位面积农业机械总动力、有效灌溉面积比重和农资投入, 从三方面解释了影响粮食供给的主要指标。粮食需求方面, 对于河南省粮食需求而言, 主要是考虑到粮食的四方面需求:口粮、种子用粮、饲料用粮及工业用粮。对于种子用量, 考虑到河南省每年的耕地面积几乎没有变化, 以及每单位面积种子用量的较为稳定性, 故种子用量对河南省粮食安全的影响比较有限, 不予考虑。口粮、饲料用粮、工业用粮分别用人均口粮消费量、饲料产量和食品工业产量来表示。对于流通方面考虑到市场供求及河南省实际情况, 分别选取粮食消费价格指数、粮食自给率和粮食产量波动率作为其代表指标。构建河南省粮食安全预警指标体系表1。
2 基于中心点三角白化权函数的灰色评价模型
使用基于中心点的三角白化权函数进行灰色评价, 在划分灰类时, 将属于某灰类程度最大的点称为该灰类的中心点。进行评价的具体步骤如下:
第一步按照评价要求所需划分的灰类数s, 分别确定灰类1, 2, …, s的中心点 (中心点是最可能属于某一灰类的点, 它可以是对应小区间的中点, 也可以不是中点) λ1, λ2, …, λs, 将各个指标的取值范围也相应地划分为s个灰类, 分别以λ1, λ2, …, λs作为各个灰类的代表。
第二步将灰类向不同方向进行延拓, 考虑增加0灰类和s+1灰类, 并确定其中心点λ0, λs+1, 从而得到新的中心点序列λ0, λ1, λ2, …, λs, λs+1.分别连接点 (λk, 1) 与第k-1和k+1个小灰类的中心点 (λk-1, 0) , (λk+1, 0) , 得到j指标关于关于k灰类的三角白化权函数fjk (·) (j=1, 2, …, m;k=1, 2, …, s) (图1) 。
对于指标j的一个观测值x, 可由
计算出其属于灰类k (k=1, 2, …, s) 的隶属度fjk (x) 。
第三步计算对象i (i=1, 2, …, n) 关于灰类k (k=1, 2, …, s) 的综合聚类系数σik,
其中, fjk (xij) 为j指标k子类白化权函数, ηj为指标j在综合聚类中的权重。
灰色聚类是根据灰色关联矩阵或灰数的白化权函数将一些观测指标或观测对象划分成若干可定义类别的方法。一个聚类可以看成是属于同一类的观测对象的集合。灰色白化权函数聚类主要用于检查观测对象是否属于事先设定的不同类别, 以便区别对待[9]。选用基于中心点三角白化权函数灰色聚类评价模型对粮食安全进行预警分析, 避免了基于端点三角白化权函数存在两个以上灰类多重交叉的不足。另外, 相对于端点三角白化权函数和其它灰色聚类评估方法, 其端点和白化权函数的选取和确定没有一套程序化的方法, 灰类划分缺乏充分的科学依据, 而中心点三角白化权函数以最可能属于k灰类的点λk为该灰类中心点, 更易于基于λ0, λ1, λ2, …, λs, λs+1得到各个灰类的三角白化权函数。
3 河南省粮食安全预警
河南省粮食生产不仅满足了河南近亿人口的粮食需求和粮食加工企业的原料需求, 并且为保障国家粮食安全做出了重要贡献。但是, 在三化建设情况下, 存在越来越多的因素正在以现实的或潜在的方式, 影响着粮食生产能力的稳定, 如耕地减少, 人地矛盾突出;水资源紧缺, 土壤的退化和肥力下降等, 使我国粮食安全面临严峻考验。因此, 构建粮食安全监测预警系统, 对科学、全面地分析测度粮食供给需求安全状况、提前发出粮食安全预报信息、方便政府部门和有关机构及时采取应对措施, 就显得尤为重要[3]。因此, 对河南省的粮食安全状况进行预警并进行分析具有重大的现实意义。
3.1 数据的选取
为了确保预测的精度, 首先要保证有充分高的模拟精度, 从预测角度看, 随着系统的发展, 老数据的信息意义将逐步降低, 及时地去掉老信息, 建模序列更能反映系统在目前的特征, 尤其是系统随着量变的积累, 发生质的飞跃或突变时, 与过去的系统相比已经面目全非。去掉已根本不可能反映系统目前特征的老数据, 显然是合理的。因此, 在对河南省粮食安全进行预测时, 选取粮食安全预警指标近五年 (即2008-2012年) 的数据进行预测, 如表2。
利用GM (1, 1) 对各指标值进行预测, 可得出各个指标模拟值和平均相对误差, 见表3。
注:指标x14的值在2008—2012年相等, 均为0.52, 运用GM (1, 1) 模型进行模拟没有意义, 所以, 不予运算;对于指标x33, 选用2008—2012年的原始值进行模拟, 误差过大, 平均相对误差达到25.30%, 为了提高精度, x33的指标值选用2010—2012年的数值进行建模。
根据式 (1) 、式 (2) 和表3的结果对河南省粮食安全各预警指标未来五年的指标值进行预测, 见表4。
注:由于指标x14的值在2008—2012年相等, 均为0.52, 所以预测值保持不变。
由于数据的可获得性, 对于指标权重的确定, 依据相关文献的研究, 确定供给、需求和市场流通三方面对粮食安全预警的重要程度[4,10], 分别定为0.5、0.3、0.2。各单项指标权重的确定根据灰色关联分析测算出各指标的影响程度大小, 通过定性与定量相结合的方式予以确定, 按照预警指标体系的层次结构, 得到各指标的层次权重和组合权重, 如表5。
为尽可能精确地反映河南省粮食安全的情况, 将河南省粮食安全划分为4个灰类, 灰类序号为k (k=1, 2, 3, 4) , 分别表示为粮食安全的重警、轻警、基本安全及完全安全, 得到各灰类的中心点, 由表2可知各个指标在第3灰类, 即河南省粮食安全处于基本安全状态时的中心点, 考虑到数据的可取性以及界限的明显性, 将第1灰类、第2灰类及第4灰类, 即河南省粮食安全处于重警、轻警和完全安全状态下的中心点依次定为第3灰类中心点的50%、75%、125%。结合河南省实际情况将灰类向不同方向进行延拓, 得到各灰类及延拓后的中心点序列, 如表6。
3.2 基于中心点三角白化权函数的灰色测算
根据式 (2) , 由表 (4) 、表 (5) 表 (6) 的数据, 可以计算出2013—2017年各层次及河南省粮食安全综合聚类系数 (表7) 。
3.3 结果分析
由以上结果可知, 河南省粮食安全在2013-2017年整体状况良好, 未出现粮食安全处于轻警或重警灰类, 除2017年处于基本安全灰类外, 其余年份均处于粮食安全完全安全灰类。尽管2013-2017年的预测结果都处于安全和完全安全灰类, 但仍存在不安全因素。
通过表7的结果可以看出, 2013年河南省粮食安全整体处于完全安全灰类, 从三个层次所处的灰类来看, 供给和市场流通方面处于完全安全灰类, 但需求方面处于轻警灰类;2014年河南省粮食安全整体处于完全安全灰类, 从三个层次所处的灰类来看, 供给、需求和市场流通方面同样处于完全安全灰类;2015年河南省粮食安全整体处于完全安全灰类, 从三个层次所处的灰类来看, 供给和市场流通方面处于完全安全灰类, 但需求方面处于重警灰类;2016年河南省粮食安全整体处于完全安全灰类, 从三个层次所处的灰类来看, 供给和市场流通方面处于完全安全灰类, 但需求方面处于重警灰类;2017年河南省粮食安全整体处于安全灰类, 从三个层次所处的灰类来看, 供给方面处于完全安全灰类, 市场流通方面处于安全灰类, 但需求方面处于重警灰类。
4 结语
根据上述研究, 虽然河南省的粮食安全在研究时段内等级水平较高, 但预警结果同时也表明河南省粮食安全在需求方面较为薄弱, 应进一步加强。为确保河南省粮食安全状况保持良好的发展态势, 需要从各方面加强措施。应进一步建立健全粮食安全预警系统, 提高国家的宏观调控能力。
参考文献
[1]陈芬菲, 李孟刚.建立和完善粮食安全预警体系——基于新粮食安全观的我国粮食安全警情指标研究[J].中国国情国力, 2011 (2) :4-6.
[2]吴永常.基于县域的粮食安全早期预警方法研究[J].中国农业资源与区划, 2012, 33 (3) :7-13.
[3]尚华伟, 刘冠勤.河南省粮食安全监测预警系统的构建及政策建议[J].管理学家, 2013 (16) :330.
[4]雷勋平, 吴杨, 叶松, 等.基于熵权可拓决策模型的区域粮食安全预[J].农业工程学报, 2012, 28 (6) :233-239.
[5]夏天, 周勇.区域粮食安全预警研究[J].华中师范大学学报:人文社会科学版, 2013, 52 (24) :8-12.
[6]苏晓燕, 张蕙杰, 李志强, 等.基于多因素信息融合的中国粮食安全预警系统[J].农业工程学报, 2011, 27 (5) :183-189.
[7]游建章.粮食安全预警与评价的评价[J].农业技术经济, 2002 (2) :11-14.
[8]农业社会经济调查司.我国粮食安全评价指标体系研究[J].统计研究, 2005 (8) :3-9.
[9]刘思峰, 党耀国, 方志耕, 等.灰色系统理论及其应用[M].5版.北京:科学出版社, 2010.
预警分析模型 篇9
一、“Z分数模型”概述
最早运用多变量分析法探讨公司财务风险预测问题的是一位美国学者奥特兰 (Atelan 1968) , 他将若干变量合并入一个函数方程, 首创了“Z分数模型”。
Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5
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分数模型从企业的资产规模、变现力、获利能力、财务结构、偿债能力、资产利用效率等方面综合反映了企业的财务状况, 进一步推动了财务风险预警研究的发展。奥特兰教授通过对Z分数模型的研究得出:Z值越小发生财务风险的可能性就越大。具体判定标准见表1:
二、种业上市公司财务预警中“Z分数模型”应用分析
以登海种业股份有限公司、丰乐种业股份有限公司、敦煌种业股份有限公司等上市公司为例 (以下简称登海种业、丰乐种业、敦煌种业) , 进行实证分析。
(一) 登海种业财务风险解析进行“Z分数模型”指标分析, 具体见表2。
单位:元
依据表2计算:
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
2006年Z值=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5=1.2*
同理计算2007年、2008年Z值:
2008年Z值=1.2* (777313932-330229615) /1132131502+
根据上述计算得出的数据, 结合Z分数模型的具体判断标准, 可以看出登海种业2006年~2008年的Z值分别为6.0615、5.8902、6.299, 远远大于3.0, 财务状况良好, 无破产可能。事实证明该上市公司收益稳定增长, 有较好的业绩, 二级市场股价持续稳步上扬, 属于绩优蓝筹股。
为此, 登海种业应采取以下财务风险防范举措:加强销售体系建设。强化以经销商为特点的销售网络体系建设, 发挥自身优势, 进一步塑造登海种业品种优质的市场形象;根据品种及销售区域生态环境的差异性, 认真研究品种的营销方法, 加大新品种的推广力度;建立公司和谐发展的机制, 强化保密工作管理, 积极认真地组织力量打击非法侵权行为, 维护公司的合法权益;加强股东与债权人的权益保护, 认真做好信息披露工作, 建立良好的投资者关系;加强职工的权益保护, 关注职工的健康、安全, 实现员工与企业共同成长;加强对供应商、客户和消费者的权益保护;加强环境保护, 提倡绿色环保生产;积极致力于社会公益事业, 回报社会, 促进和谐, 树立承担社会责任的良好企业形象。
(二) 丰乐种业财务风险分析进行“Z分数模型”指标分析, 如表3所示。
单位:元
a.数据来源:http://quote.stockstar.com/, http://money.finance.sina.com.cn.b.表3根据历年年报数值整理编制。
依据表3计算:
2006年Z值=1.2* (683913190-636865443) /1151526195+
2007年Z值=1.2* (693981756-600513794) /1143739975+
2008年Z值=1.2* (779322310-677717287) /1234167147+
从上述计算得出的数据, 结合Z分数模型的具体判断标准, 可以看出丰乐种业2006年Z值为1.8635, 处于1.8≤Z≤2.8区间, 财务状况很不稳定, 存在一定的财务危机, 破产机率较高。2007年公司认真找问题, 加强全面管理, Z值为3.0811, 大于3.0, 上升幅度较大, 财务状况有较大改善, 财务状况良好, 无破产可能。2008年Z值下降为2.947, 处于2.8
为此, 丰乐种业应采取以下财务风险防范举措:
一是调整发展战略, 加强经营、项目、人员全面管理, 努力实现利润目标。公司将坚持“做强做大种业, 积极发展工业, 调整房地产业, 提升旅游服务业”的发展战略, 以加强企业管理为基础, 积极化解金融危机带来的种种不利影响, 努力控制风险, 加大管理力度、创新力度、市场开拓力度, 增强公司抗风险能力和赢利能力, 保持公司持续健康快速发展。
二是夯实种业发展基础, 增强竞争能力。继续加大在种业科研和基础设施建设上的投资;加大东北市场的开拓力度, 巩固黄淮海市场;继续扩大两系杂交稻制种基地规模, 巩固提升公司的龙头地位;加大西甜瓜新品种的示范推广力度, 使西甜瓜产业焕发新的活力;规模发展小麦产业;加快农化、香料项目建设, 尽快形成新的经济增长点;完善用人机制和薪酬激励机制, 在对公司中层管理人员进行考核测评的基础上, 重新聘用, 积极营造一个良好的人才晋升、施展才能的平台和氛围, 形成干部能上能下的竞争机制;理顺工资体系, 完善以绩效为导向的目标考核激励机制, 营造比业绩、比贡献的竞争氛围;多渠道筹措资金, 依托“新农村”建设对“三农”的政策倾斜和扶持, 为把握机遇, 加强与银行合作, 积极筹措资金, 解决发展的资金需求。
三是严格种子基地管理制度。精选制种基地, 调整布局, 通过分散制种, 规避自然灾害;进一步加强技术攻关, 采用新技术改良作物的品性, 增强适应性, 提高制种的安全性;建立严格的种子基地管理制度, 通过加强基地设施建设, 改良品种品性等手段防范生产风险;在生产和经营决策中做到慎之又慎, 通过分析国家的产业政策和发展动态, 加强市场调研, 努力做好预测分析工作, 提高决策能力, 防止出现种子供过于求或供不应求的局面。
四是进一步建立健全质量管理体系。公司将采取措施, 提高全员质量意识, 规范生产流程, 落实过程监控, 责任到人;加强种子的质检工作, 采用加代繁殖、田间鉴定等手段, 确保商品种子的质量;进一步加强技术攻关, 提高制种的技术水平。
(三) 敦煌种业财务风险分析进行“Z分数模型”指标分析, 如表4所示。
单位:元
a.数据来源:http://quote.stockstar.com/, http://money.finance.sina.com.cn.b.表2根据历年年报数值整理编制。
依据表4计算:
2006年Z值=1.2* (1143483011-1040218233) /1696600066+
2007年Z值=1.20* (1211830443-1151727695) /1798967625+
2008年Z值=1.2* (1591022216-1496936748) /2225878011
从计算得出的数据, 并结合Z分数模型的具体判断标准, 可以看出敦煌种业2006年的Z值为1.437, 2007年Z值下降为1.1412, 2008年Z值为1.39, 三年Z值均小于1.8, 财务风险发生的可能性很大, 存在严重财务危机, 破产机率很高。企业盈利能力、偿债能力、发展能力较差, 公司已有财务风险存在。在未来经营期间, 管理层如不高度重视企业财务风险, 从公司的内因和外因方面细致剖析, 找出根源, 制定整改措施和发展规划, 使企业逐步走出困境, 公司将会面临ST处理, 更严重的将会破产退市。
为此, 敦煌种业应采取以下财务风险防范举措:
一是完善法人治理结构。公司应严格按照《公司法》、《证券法》、《关于开展上市公司专项治理专项活动有关事项的通知》、《上市公司治理准则》等法律法规的要求, 规范“三会”运作机制, 建立股东大会、董事会、监事会、经理层分权制衡的法人治理结构。特别是注重发挥董事会战略委员会、审计委员会、薪酬与考核委员会、提名委员会四个专门委员会和内外审计的作用, 提高执行力, 保证公司运行合法合规。
二是强化财务管理。建立有效的财务信息系统, 强化财务预算管理, 合理调度资金, 保持合理的现金储备, 以确保企业的正常支付和意外所需;加快存货的周转, 重视资金的时间价值;加快货币资金回笼, 确保销售资金的安全性;流动资产、固定资产和其他资产应保持合理的比例。合理确定银行融资规模与结构, 动态地平衡短期、中期和长期负债比率。重视投入产出率, 增加公司的资本积累。注意保持资本弹性化, 平衡自有资金、借贷资金和预收资金的规模与结构, 确保资金的边际效用最大化, 以提高公司资金的流动性、安全性与盈利性。考虑企业现有资金以及未来的财务收支状况, 灵活运用资本成本决策法。企业应该加强保险决策在控制财务风险方面的应用, 逐步推行通过保险合同转移风险和通过金融衍生工具转移风险。
三是加强经营管理。调整灵活的经营方式, 掌握客户资讯。积极加入行业组织中来, 充分利用协会的平台, 及时捕获种业信息, 随时调整经营方式及策略。企业要根据所处的行业特点确定其发展的速度和总体规模, 运用净资产收益率法, 确定新增资金是采取权益融资还是负债融资。在日常经营当中, 要动态地监控资产负债率、流动比率、速动比率等财务指标, 及时了解企业所面临的财务风险。同时, 企业的现金流量与资产负债率应动态地平衡, 当企业的现金流量充裕时, 可以适当地提高资产负债率;当现金流量不理想时, 应降低资产负债率, 以有效降低企业财务风险, 确保企业经营处于良性状态。加强研发工作, 推出好的不可替代产品, 满足客户需求, 树立竞争优势。加强危机处理能力, 调整品种结构, 尤其对于那些出口型产品的品种, 作为其他工业原料的农业产品品种, 一定要把握好市场, 及时做出调整。
参考文献
预警分析模型 篇10
关键词：财务危机,预警模型,主成分分析
随着我国市场经济体制改革的不断深化,经济领域中的复杂性、不确定性日益凸现,企业发生财务危机的情况越来越频繁,因此,财务危机已成为企业利益相关者需要进行预测并积极应对的重要风险之一。正确预测上市公司的财务危机,对于投资者及时调整投资决策、债权人进行合理放贷都具有重要意义。文章以我国上市公司为样本,通过主成分分析的构建财务风险预警模型。构建财务预警机制,及时掌握有关财务危机预警的信息,有效地防范和化解财务危机,都是企业亟待解决的重要问题。
1 样本数据来源
本文采用配对的方法,从全国上市公司中选取样本,将全国上市公司因“财务状况异常”而“被特别处理”的上市公司界定为发生财务危机的上市公司,即选取2009年被ST的上市公司作为财务危机样本组,共61家,同时选取与财务危机组同行业,资产规模在10%差异之内的61家非财务危机上市公司作为配对样本。
2 变量的选取
本文主要是利用上市公司的会计信息进行指标的设计,财务指标的选取以能全面反映公司财务状况为标准,借鉴参考了国外这一领域的前期研究成果,如Altman模型采用的预测变量,标准普尔公司采用的评级财务指标等,此外还参考了国内外先前研究所采取的一些指标,以及我国上市公司业绩综合评价指标体系中的指标等。
为了比较全面地反映企业的财务状况,根据我国上市公司的特点,选取以下5组12个指标来建立指标体系作为分析的起点。这12个指标综合反映了企业的盈利能力,偿债能力,资产营运能力,获取现金能力和成长能力,如表1所示。
3 主成分分析预警模型
对31组(62)家估计样本分别计算X1、X2、X3、X4、X5、X6、X7、X8、X9等比率的数值,并将估计样本原始数据进行标准化处理:
Xn的标准化值=(Xn-均值)/标准差
3.1 K-S显著性检验
首先对变量的样本序列进行K-S检验,检验样本序列是否服从正态分布。结果显示,在α=0.05的显著性水平下,t-1年X1(总资产报酬率)、X2(净资产收益率)、X6(流动比率)、X8(总资产周转率)、X10(存货周转率)K统计量的概率P值大于0.05,因此以上5个指标的样本总体符合正态分布,其余7个指标的样本总体不符合正态分布;t-2年X3(营业净利润)、X6(流动比率)、X7(资产负债率)、X9(应收账款周转率)、X12(主营业务收入增长率)以上5个指标总体符合正态分布,其余7个指标的样本总体不符合正态分布;t-3年X3(营业净利润)、X6(流动比率)、X9(应收账款周转率)、X11(经营活动现金流量增长率)以上4个指标总体符合正态分布,其余8个指标的样本总体不符合正态分布。
根据正态分布检验结果,本文分别采用T检验和K独立样本非参数检验,来检验12个变量的均值是否有显著性差异。如表3、表4所示,T检验和Mann-Whitne U检验的结果显示,在α=0.05的显著性水平下,t-1年有X1(总资产净利率)、X2(销售净利率)等10个预警指标变量有显著性差异;t-2年有X1(总资产净利率)、X2(销售净利率)等10个预警指标变量有显著性差异;t-3年有X1(总资产净利率)、X2(销售净利率)等8个预警指标变量有显著性差异。
3.2 巴特莱特球度检验
要注意的是巴特莱特球度检验表格中的显著性,如果巴特莱特球度检验中的显著性大于0.05,运用主成分分析就没有实际意义。然后要注意KMO值,根据统计学家Kaiser给出的标准,KMO大于0.6,适合因子分析。如表5所示,由于在此例中3年的显著性都为0,小于0.05,且KMO值都大于0.6,所以运用主成分分析有意义。
3.3 主成分分析综合表达式的确定
运用SPSS软件对标准化值进行分析,计算主成分的特征值与贡献率。分析结果如表6:
续 表
表6中列出了按照Kaiser准则筛选出的合格的主成分(Kaiser(1960)准则:只保留特征值大于1的因子)。观察t-1年特征根列,发现只有前5个主成分的特征根大于1,他们的累计贡献率为80.147%,基本上全面地描述了公司财务状况。第一个主成分的特征根为3.462,它解释了信息量的28.846%,第二个主成分解释了信息量的17.088%。从进行主成分分析得到的特征值与贡献率表可知,取前5个主成分的贡献率,分别为28.846%、17.088%、14.592%、10.781%、8.840%,累计贡献率为80.147%,即此5个主成分可以代表原12个财务指标88.877%的信息量。观察t-2年特征根列,只有前面4个主成分的特征根大于1,他们的累计率为88.734%,从进行主成分分析得到的特征值与贡献率表可知,取前4个主成分的贡献率,分别为54.361%、17.011%、8.984%、8.379%。观察t-3年特征根列,只有前面3个主成分的特征根大于1,他们的累计率为77.298%,从进行主成分分析得到的特征值与贡献率表可知,取前3个主成分的贡献率,分别为36.9927%、28.455%、11.851%、对所选出的主成分进行解释,我们分别取得t-1年内5个主成分的因子载荷量,如表7;t-2年内4个主成分的因子载荷量,如表9;t-3年内3个因子载荷量,如表11:
续 表
从t-1年的因子载荷矩阵,可以得出如下结论:(1)主成分Z1主要由速动比率、流动比率指标解释,因这两个指标的因子载荷量远大于其他几个指标,故Z1表示的是企业的偿债能力。(2)主成分Z2主要由总资产报酬率指标解释,因这个指标的因子载荷量远大于其他几个指标,故Z2表示的是企业的盈利能力。(3)主成分Z3主要由净资产收益率指标解释,因这个指标的因子载荷量远大于其他几个指标,故Z3表示的是企业的盈利能力。(4)主成分Z4主要由销售净利率、营业净利润指标解释,因这两个指标的因子载荷量远大于其他几个指标,故Z4表示的是企业的盈利能力。(5)主成分Z5主要由应收账款周转率指标解释,因这个指标的因子载荷量远大于其他几个指标,故Z5表示的是企业的营运能力。
把表7中每列的系数除以其相应的特征根的开根后就可以得到主成分系数向量,即t-1特征值所对应的特征向量阵(系数矩阵),见表8:
续 表
由表8得到的特征向量与标准化后的数据相乘,就得到t-1年5个主成分如下:
Z1=0.03X1+0.16X2+0.76X3+0.76X4+0.87X5+0.88X6-0.02X7-0.26X8+0.03X9-0.12X10-0.72X11+0.179X12
Z2=0.98X1-0.17X2+0.02X3+0.03X4+0.05X5+0.06X6-0.98X7+0.23X8+0.03X9+0.13X10+0.5X11-0.12X12
Z3=0.12X1+0.9X2-0.11X3-0.11X4-0.8X5-0.05X6-0.01+0.29X8+0.04X9-0.22X10-0.05X11-0.12X12
Z4=0.03X1+0.04X2+0.61X3-0.61X4-0.42X5-0.42X6-0.01X7-0.03X8-0.24X9-0.05X10+0.29X11+0.07X12
Z5=0.00X1+0.05X2+0.08X3+0.01X4+0.03X5+0.02X6-0.01X7+0.07X8+0.74X9-0.63X10+0.27X11-0.19X12
续 表
从t-2年的因子载荷矩阵,可以得出如下结论:(1)主成分Z1主要由总资产报酬率、营业净利率、销售净利率、资产负债率、存货周转率指标解释,因这4个指标的因子载荷量远大于其他几个指标,故Z1表示的是企业的盈利能力和偿债能力、营运能力。(2)主成分Z2主要由速动比率、流动比率指标解释,因这两个指标的因子载荷量远大于其他几个指标,故Z2表示的是企业的偿债能力。(3)主成分Z3主要由主营业务收入增长率、流动比率指标解释,因这两个指标的因子载荷量远大于其他几个指标,故Z3表示的是企业的成长能力和偿债能力。(4)主成分Z4主要由应收账款周转率指标解释,因这个指标的因子载荷量远大于其他几个指标,故Z4表示的是企业的营运能力。
把表9中每列的系数除以其相应的特征根的开根后就可以得到主成分系数向量,即t-2特征值所对应的特征向量阵(系数矩阵),见表10:
续 表
由表10得到的特征向量与标准化后的数据相乘,就得到t-2年4个主成分如下:
Z1=0.38X1-0.391X2+0.39X3+0.39X4-0.07X5-0.07X6+0.39X7+0.38X8-0.01X9+0.32X10+0.01X11+0.01X12
Z2=0.06X1-0.05X2+0.05X3+0.05X4+0.67X5+0.66X6-0.02X7+0.05X8-0.14X9-0.07X10-0.28X11+0.03X12
Z3=0.000X1-0.01X2-0.02X3+0.02X4+0.04X5+0.08X6+0.06X7+0.04X8-0.06X9-0.18X10+0.5X11+0.84X12
Z4=0.1X1+0.02X2-0.03X3-0.03X4+0.04X5+0.08X6-0.06X7+0.05X8+0.95X9+0.06X10-0.17X11+0.17X12
续 表
从t-3年的因子载荷矩阵,可以得出如下结论:(1)主成分Z1主要由销售净利率、资产负债比率指标解释,因这两个指标的因子载荷量远大于其他几个指标,故Z1表示的是企业的盈利能力、偿债能力。(2)主成分Z2主要由总资产周转率、应付账款周转率指标解释,因这两个指标的因子载荷量远大于其他几个指标,故Z2表示的是企业的营运能力。(3)主成分Z3主要由净资产收益率、主营业务增长率指标解释,因这两个指标的因子载荷量远大于其他几个指标,故Z3表示的是企业的盈利能力和成长能力。
把表11中每列的系数除以其相应的特征根的开根后就可以得到主成分系数向量,即t-3特征值所对应的特征向量阵(系数矩阵),见表12:
由表12得到的特征向量与标准化后的数据相乘,就得到t-3年3个主成分如下:
Z1=0.13X1+0.000X2+0.14X3+0.14X4+0.13X7-0.04X8-0.02X9-0.01X10+0.003X12-0.001X13
Z2=0.05X1-0.15X2+0.06X3+0.06X4+0.02X7+0.4X8+0.41X9+0.21X10-0.21X12-0.16X13
Z3=0.06X1+0.58X2+0.000X3+0.000X4-0.03X7-0.001X8+0.17X9+0.23X10+0.48X12-0.44X13
对主成分的特征值与贡献率进行计算可构造公司财务状况综合指标F,F是各综合因子Z1、Z2、Z3、Z4、Z5的线性组合,即
F=a1Z1+a2Z2+a3Z3+a4Z4+a5Z5
依据t-1年的数据可得:
F=0.2885Z1+0.1709Z2+0.1459Z3+0.1078Z4+0.8840Z5+0.8730Z6
依据t-2年的数据可得:
F=0.5436Z1+0.1701Z2+0.8984Z3+0.8379Z4
依据t-3年的数据可得:
F=0.3699Z1+0.2846Z2+0.1186Z3
4 临界值确定及模型判断
将30组上市公司的财务数据输入上述3年的模型,得到危机型企业与健康型企业的平均F值分别为-0.1411和0.1348,因而我们可确定分界值应为-0.1032(- 0.1411和0.1348的平均数)。这样,我们把某一企业的相关指标数据代入F模型得到的F值若小于-0.1032,则说明该企业在未来一年内将陷入财务危机,反之,则为健康型企业。若F值恰好等于-0.1032,则说明该企业的财务状况不够明朗,处于灰色地带。我们发现在t-1年符合条件的30家ST企业中有判断正确个数为25,准确率是83.33%,而30家非ST企业准确率为80%,总体判断正确率为80.15%;依此类推,t-2年总体判断正确率为73.5%;t-3年总体判断正确率为81.65%。
5 结论及局限性
本文实证分析表明,通过选取较科学且具有代表性的指标建立主成分分析法模型;选取样本合理、全面,非常吻合我国证券市场的实际情况;在统计软件协助下采用的主成分分析法更易于操作,能够收到较好的财务危机预警效果,具有一定实用价值,该模型在通过检验数据的验证后且具备相当的有效程度。但是该模型也有不尽如人意的地方,例如:选用指标中没有包含非财务指标,但恰恰这些指标对企业财务状况影响也越来越大;模型中财务危机和非财务危机两类公司的比例与市场情况不尽相同,使得模型预测能力受到影响;数据来源于上市公司的年报,而年报披露的信息是否准确也并不十分确定。
参考文献
[1].吴冬梅,朱俊,庄新田,等.基于支持向量机的财务危机预警模型[J].东北大学学报(自然科学版),2010,(4)
[2].吴世珍,柯大钢.我国上市公司财务危机预警研究[J].财会月刊,2007,(3):16~19
[3].BEAVER W H.Financial rations as predictors of failure[J].Supplement to Journal of Accounting Research,1966:71~111
[4].ALTMAN E I.Financial rations,discriminant analysisand the prediction of corporate bankruptcy[J].Journal of Fi-nance,1968,(9):589~609
[5].宋鹏,张信东.基于Logistic模型的上市公司财务危机预警模型研究[J].2009,(8)
[6].JAMES BRADLEY.Elimination of Risk in Systems:Practical Principles for Eliminating and Reducing Risk in ComplexSystems[M].Canada Manitoba:Friesens,2002:96~101
[7].彭大庆,陈良华,陈春苗.上市公司财务困境动态预测模型的实证研究[J].工业技术经济,2006,(10):147~150,159
事业单位财务预警模型的实证探究 篇11
随着我国行政管理体制改革的不断深入，我国事业单位的改革也在逐渐的稳步推进。单位的财政状况对于转型期的事业单位来讲直接影响到自身的生存状况，所以必须要能够对财务危机进行有效的预测，并对财务状况加以改善，这已经成为事业单位一定要解决的问题。本文将多变量模型作为研究基础，将非财务指标引进从而促进财务预警模型的建立。通过将非财务指标引进过来，有机的将发展能力、运营能力以及偿债能力联系起来，从而对事业单位的财务危机以及财务困难进行综合分析，并针对其中的一些问题，提出了一些思考和建议，供大家参考。
一、我国财务预警模型的建立概述
我国的上市公司最早的应用财务预警模型对财务状况进行预测，主要目的是让监管部门、投资者以及管理者对公司的财务状况具有更清楚的了解。我国早期的财务预警模型对国外的优秀研究结果进行了充分的借鉴，主要是采用多变量模式以及单变量模式建立的。以我股票早期上市公司的财务管理状况和规模为根据，我国大部分企业在构建财务预警模型时采用的是多变量模式。
虽然我国目前事业单位的财务管理工作正在不断地完善当中，但是还是存在着一些问题。比如：事业单位财务管理薄弱的基础。由于事业单位在早期大部分都是采用收付实现制会计核算制度，主要是因为这项制度具有简单易操作的特点。直到近年以来，事业单位才开始对财务管理工作逐步的加强，对其中的构成项目和收支出行予以明确。尽管如此，目前还是存在着固定资产未合理摊销或者不摊销的问题。事业单位风险意识的缺乏。也由于少数的地方政府对事业单位的监督和管理往往非常松弛，因此造成事业单位近年来不断膨胀的趋势。单位盲目扩大规模以及盲目投资的现象随着事业单位的不断扩张膨胀变得愈加严重，造成常常处于紧张的资金链状态，有些地区的事业单位甚至无法对员工的薪水进行按时支付，从而使事业单位改革过程中的矛盾进一步被激化。因为我国政府一直针对事业单位采取行政保护的政策，所以事业单位不仅具有相对低下得到运营效果，还具有较低的资金周转率。虽然在这个过程中，政府多次推动了提高事业单位绩效新政的出台，但是最终的效果却不是很理想。
因为出现了绩效地下、盲目扩大以及缺乏监管等问题，所以事业单位为了对自身的财务状况进行监督，必须要建立财务预警模型，从而防止出现因为收支不平衡而造成长期拖欠工资以及终止经营等情况。
二、事业单位财务预警模型的建立
由于服务社会是事业单位的宗旨，因此，事业单位并不需要追求高利润，为了保障事业单位的收支平衡，同时还要防止出现单位的过度膨胀和盲目投资，必须要建立财务预警体系。在对以往财务预警模型进行借鉴的基础上，还要对以往事业单位财务预警经验的缺乏进行考虑，由于事业单位具有财务危机意识缺乏以及财务报表相对简单的特点，所以在建设事业单位财务预警系统时主要是对包括发展能力、现金流量能力以及偿债能力在内的8个指标进行考察。
1.选取样本
河北省某事业单位的年度财务报表是本文样本资料的主要来源。因为破产清算等经济现象并不存在于事业单位当中，因此就将长期无法按时还贷或者员工工资拖欠超过三个月的收支不平衡严重的事业单位称为具有“高财务风险”的事业单位。本文选择采用该事业单位2000—2011年度的财务报表当成本文的样本数据对模型的有效性进行检验。
2.选取指标
将国家财政部指导意见中的分析事业单位财务的指标与财务预警模型常用的指标结合起来，对事业单位的会计事务状况进行综合考虑，然后选取事业单位财务预警模型建立的指标。
三、事业单位财务预警模型的实证分析
在确定事业单位预测指标权重的时候，本文除了对以往的研究成果有所借鉴以外，还向30余位专家分别征求了各自的意见；再通过数理统计方式对专家意见进行处理；然后再将以往的研究结果的权重和专家意见比对，将各指标的权重的出来，详细结果见下表1。
事业单位财务预警模型的准确性直接取决于财务指标权重的分配。因此，确认权重并选择指标以后，必须要对权重分配的准确性以及指标的有效性进行检验。
1.检验模型指标的预测结果
本文将以往收集到的数据作为依据，通过EView乘法模型的应用来预测指标的变化情况，将分指标的预测值和实际值作为竖轴，将时间作为横轴，将财务风险曲线绘制出来。下面就以资产负债率作为例子，见下图1。
我们可以从图1中看出，前期的准确性在预测结果中非常高，实际值和预测值几乎完全相同，在2008年预测值的偏差比较大，其中国际宏观经济的影响是导致这一现象的主要原因，尤其是爆发的金融危机，造成了预测值较大的偏差。不过从总体上看，预测结果还是非常良好的，然后我们运用同样的方法预测其他7个指标的变化情况，所得出的结果中。实际值和预测值十分接近，这就充分说明了只有恰当的分配指标的权重，才能实现比较精确地预测。因此，必须要先对指标和权重进行检验，才可以进一步进行综合财务风险的度量工作。
2.事业单位财务风险的综合度量
事业单位的财务风险预警指数必须要对事业单位自身的财务风险状况具有全面的反映，所以要综合考量财务风险。在对财务风险进行综合考量时需要将整个事业单位看作是一个整体，对其财务负担、发展能力、运营能力以及偿债能力进行综合考虑，通过对其综合财务预警指数的计算，全面客观地对事业单位的财务风险进行预测和评估。
3.事业单位风险预测结果的分析
该事业单位自从2000年开始，出现了财务风险逐年递增的趋势，从2000年开始综合预警指数开始进入上升阶段，从2001年开始不断地加速上升。事业单位在社会宏观经济加速增长的条件下的不断发展壮大是导致这一现象出现的主要原因。因为该事业单位自身的经营性收入不断增加，所以给单位带来了不断增多的资金来，随之而来的是该单位不断增加的资产投资。因此，最终造成了逐年增加的财务风险。在2008年财务预警指数达到了最大值，这主要是由于金融危机的冲击，导致我国宏观经济增长的十分缓慢。
我们通过财务风险预警模型可以预测到财务风险指数在2014年会略有下降，但是高财务风险阶段仍然是存在得的。该模型在预测一年内的财务风险时准确率达到87%，而在预测一到三年时的准确率则是76%，在预测三年以上时就会出现明显下降的准确度，所以需要进一步对该模型进行完善。
四、结语
本文将多变量模型作为研究基础，通过对事业单位发展能力、运营能力以及偿债能力的有机联系，将非财务指标引进，从而建立了与事业单位相适应的财务风险预警模型。这种财务预警模型的建立可以使事业单位对内部财务风险进行有效的控制。随着财务风险预警模型研究的不断深入，又相继出现了很多财务预警模型，然而以我国目前事业单位的现状为根据，可以发现该模型的可操作性更强，单位财务人员可以更好地对之进行适应。随着事业单位财务管理制度的不断加强和完善，需要进一步的对该模型加以完善。
（作者单位：新乡市市郊公路管理处）
预警分析模型 篇12
科技型产业以知识密集型技术为基础, 是一个国家获取长期竞争优势的主要原动力, 是社会经济可持续增长的重要推动器。科技型企业财务危机是指科技型企业丧失偿还到期债务的能力。事实上大多数科技型企业的财务危机都是具有先兆的, 是由财务状况正常逐步到恶化的。科技型企业财务危机预警模型就是以现有的财务比率为基础, 建立数学模型来预警科技型企业财务危机发生的可能性.。
二、Logistic回归模型简介
logistic模型用来解决某企业发生信用财务危机的概率有多大。
logistic回归是一种非线性分类的统计方法, logistic函数为其中, χi为违约的影响变量, 即违约度量指标;βi为回归系数, 通过回归或极大似然估计获得;- (β0+n i=lΣβiχi为影响企业违约的财务指标打分值;f (x) ∈[0, 1], 代表企业的违约概率。
logistic回归结果的实际意义:当f (x) 的值大于某临界值时, 判断因变量=1, 否则, 因变量=0。
三、模型的实证建立
1.研究样本的选择。本文依据2002年7月国家统计局向各单位印发的《高技术产业统计分类目录的通知》中对科技型企业的分类, 选择了100家上市科技型企业作为我们研究的原样本。这100家企业中有50家是在2007年或2008年被ST的企业, 另外50家为正常企业。按行业分类, 电子信息类20家, 航天航空类10家, 生物制药类30家, 通信类10家, 电子器件类20家, 仪器仪表10家。
2.指标体系的建立。
(1) 财务指标选择。本文在构建上市科技型企业信用风险评价指标体系过程中, 从反映企业盈利能力、偿债能力、营运能力、发展能力这几个方面来选择指标。在分类、汇总、整理的基础上, 同时兼顾数据的可获取性原则和可量化原则, 依次选取销售毛利率、主营业务利润率、总资产收益率、净资产收益率、收入与负债的比率、速动比率、流动比率、资产负债比率、经营现金净流量增长率、现金净流量与净利润比、总资产周转率、销售商品收到现金与主营收入比、经营活动现金流量净利润比率、存货周转率、应收账款周转率、股东权益比率、净资产增长率、总资产增长率、主营业务收入增长率、营业净利润增长率、税后利润增长率、留存收益与总资产比。
(2) 进入模型指标的初步筛选:非参数检验。本文在对22个财务指标数据分布特征进行了严格的分析检验后, 得知其显著不服从正态分布, 于是使用SPSS13.0统计分析软件中的两独立样本非参数检验方法, 对指标进行初步筛选, 以检验22个财务指标在ST企业与非ST企业中的分布是否存在显著差异, 把均值差异不明显的指标删除。具体的检验方法为Mann-Whitey U检验, 在0.05显著性水平下, 主营业务利润率、经营现金净流量增长率、现金净流量与净利润比、销售商品收到现金与主营收入比、存货周转率这5个指标没有通过前2年的检验。销售毛利率、存货周转率、应收账款周转率、营业净利润增长率、税后利润增长率、现金净流量与净利润比这6个指标没有通过前3年的检验。
3.Logistic回归模型的实证建立。将通过初步筛选的自变量, 以及样本企业的分类指标因变量输入统计分析软件SPSS13.0的数据窗口, 利用“Regression”中的“Binary logistic”进行回归分析。本文选择用[forward:wald]向前逐步选择自变量的方法进行Logistic回归分析得出上市科技型企业违约发生前3年的Logistic回归模型:
其中:x4:净资产收益率, x18:总资产增长率, x16:股东权益比率, x11:总资产周转率。
前2年的Logistic回归模型为:
其中:x17:净资产增长率, x11:总资产周转率, x8:资产负债率, x16:股东权益比率, x22:留存收益与总资产比。
四、Logistic回归模型的检验
为了检验模型的预测效果, 我们随机选择了14家2008年被ST的上市科技型企业, 和15家2008年的非ST上市科技型企业, 以其作为检验样本, 把它们2005年的财务数据和2006年的财务数据分别输入违约发生前3年和违约发生前2年的Logistic回归模型, 以0.5为最佳判定点, 得到下面的预测效果:
我们可以看出, 在被ST前3年, 15个非ST企业有2个被错判, 误判率为13.33%, 14个ST企业有2个被错判, 误判率14.29%, 总体上看, 29个企业有4个被错判, 误判率13.79%。因此, 模型的预测正确率为86.21%
同样地, 在被ST前2年, 我们可以从表中看出模型的预测正确率为82.76%。
由上可知, 本文建立的Logistic回归模型的预测正确率都达到了80%以上, 还是很高的。
五、结论
本文结合实际数据建立了对我国上市科技型企业财务预警危机的Logistic回归模型, 研究结果表明, Logistic模型是一种较为理想的上市科技型企业财务预警危机模型。90年代以来, 我国由财务危机引发科技型企业破产而逃废债务的例子屡见不鲜。因此正确地预测科技型企业财务危机, 对促进我国的科技进步, 提高核心竞争力, 维持国民经济的持续高速发展都有不可估量的贡献。
参考文献
[1].M.Doumpos, K.Kosmidou, G Baourakis, C.Zopounidis, Credit riskassessment using a multi-criteria hierarchical discrimination approach:acomparative analysis.European Journal of Operational Research, 2002, 138:392-4121.M.Doumpos, K.Kosmidou, G Baourakis, C.Zopounidis, Credit riskassessment using a multi-criteria hierarchical discrimination approach:acomparative analysis.European Journal of Operational Research, 2002, 138:392-412
[2].Penrose, M, and R.Roll, Systematic Risk in Corporate Bond CreditSpreads.Journal of Fixed Income, 1998, 10:7-262.Penrose, M, and R.Roll, Systematic Risk in Corporate Bond CreditSpreads.Journal of Fixed Income, 1998, 10:7-26
[3].陈静.上市公司财务恶化预测的实证分析.会计研究[J].1999 (4) :31-383.陈静.上市公司财务恶化预测的实证分析.会计研究[J].1999 (4) :31-38
[4].张玲.财务危机预警分析判别模型及其应用.预测[J].2000 (6) :38-404.张玲.财务危机预警分析判别模型及其应用.预测[J].2000 (6) :38-40
[5].于立勇, 詹捷辉.基于Logistic回归分析的违约概率预测研究.财经研究[J].2004 (5) :15-245.于立勇, 詹捷辉.基于Logistic回归分析的违约概率预测研究.财经研究[J].2004 (5) :15-24
[6].程惠芳, 幸勇.中国科技企业的资本结构、企业规模与企业成长性.世界经济[J].2003 (2) :72-766.程惠芳, 幸勇.中国科技企业的资本结构、企业规模与企业成长性.世界经济[J].2003 (2) :72-76
[7].杨小平.统计分析方法与SPSS应用教程.北京:清华大学出版社, 20087.杨小平.统计分析方法与SPSS应用教程.北京:清华大学出版社, 2008