财务危机预警模型（共11篇）
财务危机预警模型 篇1
财务危机预警是通过对企业财务报表及相关经营资料的分析, 利用适时财务数据和相应的数据化管理方式, 将企业所面临的危险情况预先告知企业经营者和其他利益关系人, 并分析企业发生财务危机的原因和企业财务运营体系隐藏的问题, 以提早做好防范措施的财务管理活动。相应地, 财务危机预警模型就是借助企业一系列财务指标和非财务指标来识别企业财务状况的判别模型。目前, 国内外学者对上市公司财务危机预警模型的研究已经较为成熟, 并且推动了其在企业内的广泛应用。
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
[1]谢维佳、干胜道:《财务风险预警模型初探》, 《经济师》2006年第2期。
财务危机预警模型 篇2
对于财务危机恶化的上市公司,描述性分析表明:制造业公司依然比重最大。而财务危机程度最严重的公司在批发和零售贸易行业所占比重都比较大,仅次于制造业。随着财务危机恶化程度的加重,财务危机不同程度公司的平均资产规模是递减的。
我们发现资产规模在1亿元到10亿元的公司最易出现财务危机。资产规模在100亿元以上的公司出现连续两年亏损的概率很小,而资产规模在50亿元以上的公司出现连续三年亏损的概率很小,资产规模在20亿元以上的出现资不抵债情形较小。
在亏损两年后财务危机危机的恶化程度有加重趋势,并且亏损程度越严重的公司,其债务负担也越沉重,整体财务状况都呈下降趋势。
在判断连续两年亏损的公司是否会恶化成连续三年亏损方面,盈利能力和成长性、偿债能力、清偿资产/总资产指标的判别力强,而经营能力指标和现金流指标无判别作用。
研究表明,行业变量和规模变量在财务危机恶化预警系统中并不显著,反映出行业因素和规模因素并不是影响上市公司财务危机恶化的主要因素。
本课题研究目的有两个,一是通过实证研究检验出若干预警能力强的财务指标,建立起一套行之有效的.动态财务危机预警系统,并且能够根据已建立的财务危机预警系统,运用现有的公开数据,预测出下一年度出现财务危机的公司,为投资者的投资决策提供依据;二是对已面临财务危机的公司,通过实证研究检验出影响公司财务危机进一步恶化的因素,并建立动态财务危机恶化预警系统。
通过对上市公司财务危机预警系统及上市公司财务危机恶化的预警系统的研究,我们有如下结论:
1、上市公司的财务危机是一个时期概念,有开端和终止,从财务危机出现的那一时点起,直至公司破产都属于财务危机过程,并且上市公司出现的财务危机有着程度之分。
2、在预测上市公司是否发生财务危机上,净利润比总资产、投资收益占利润总额比重、应收帐款周转率、营业利润增长率、净资产增长率、长期负债比总资产、净利润增长率、存货周转率等共8个财务指标有着显著的判别作用。
具体而言,上市公司的投资收益占利润总额比重和长期负债比总资产的两个指标越大,即投资收益占利润总额比重越大,长期负债占总资产的比重越大,上市公司亏损的可能性越大,而对于其他6个财务指标,如净利润比总资产、应收帐款周转率、营业利润增长率、净资产增长率、净利润增长率、存货周转率,则意味着随着这6个财务指标越大,上市公司亏损的可能性越小。
3、我们对建立的财务危机预警模型进行了预测检验,模型和模型的预测正确率分别达到68.8%和68.6%,预测出有204家上市公司可能首次出现亏损。
4、对于财务危机恶化的上市公司,行业因素和规模因素并不是影响上市公司财务危机恶化的主要因素。我们的研究发现,债务因素是导致上市公司财务恶化成资不抵债情形或连续三年亏损的主要原因,对于由首次亏损变为连续两年亏损的上市公司而言,除了财务因素外,经营因素也是导致其财务状况恶化的重要原因。
对比资不抵债公司和每股净资产界于0与1之间的公司,我们发现资不抵债公司债务负担沉重,净现金流和经营净现金流指标都出现负数,其现金状况要明显弱于每股净资产界于0与1之间的公司,并且亏损和负增长的幅度都大于每股净资产界于0与1之间的公司。我们也发现资不抵债公司的资产风险主要集中在公司的流动资产方面,尤其是集中在应收帐款上,并且公司的资金来源中对负债的依赖性很大。
5、对于资不抵债公司和每股净资产界于0与1之间的公司,我们建立了财务危机恶化预警系统,我们模型的判别率达到82.5%。
我们的模型表明:资产负债率和货币资金比流动负债两个指标在判别公司每股净资产是否小于0时有着重要作用,而这两个指标都属于偿债能力指标,反映出债务负担过重是导致上市公司财务危机恶化的重要原因。另外,货币资金比总资产、长期负债比总资产、留存盈余比总资产、经营净现金流比流动负债、净资产增长率等五个财务指标也有着一定的判别作用。
6、我们建立了监控首亏公司是否继续亏损的财务危机恶化预警系统,模型的判别率达到98.7%。共有9个财务指标可以预警和判别亏损一年公司的财务危机是否继续恶化,它们分别是货币资金比流动负债、净利润比总资产、主业利润占利润总额比重、其他业务利润比利润总额、投资收益占利润总额比重、货币资金比总资产、主营业务收入增长率、营业利润增长率、净利润增长率。
我们的研究发现9个财务指标在亏损一年的公司的财务危机继续恶化过程中可以起到预警和判别作用。另外,我们也发现反映出投资收益占利润总额比重不仅在预测上市公司是否亏损有着重要作用,而且在预测上市公司是否会出现连续两年亏损上有着重要作用。总资产净利润率这个指标不仅在预测上市公司是否亏损有着长期预警作用,而且在预测上市公司是否会出现连续两年亏损上也有着长期预警作用。
7、我们建立了监控连续亏损两年的公司是否继续亏损的财务危机恶化预警系统,模型的判别率达到100%,有5个指标可以判别和预警连续亏损两年上市公司的财务危机是否继续恶化,它们分别是流动比率、净利润比总资产、主业利润占利润总额比重、投资收益占利润总额比重、净利润增长率。
在监控连续亏损两年的公司是否继续亏损的财务危机恶化预警系统的建立过程中,我们的研究对象是连续两年亏损的公司和连续三年亏损的公司。我们的研究发现五个指标在连续亏损两年的上市公司的财务危机继续恶化过程中可以起到判别和预警作用。另外,我们也发现主业利润占利润总额比重和投资收益占利润总额比重两个指标不仅在预测上市公司是否连续两年亏损有着长期预警作用,而且在预测上市公司是否会出现连续三年亏损上也有着长期预警作用。
(长城证券)
财务危机预警模型 篇3
[关键词] 财务危机 预警 模型
财务危机预警是指通过设置一些财务敏感指标并观察其值的变化，对可能造成企业财务危机的风险因素进行跟踪、监测、预测，同时根据理论研究和经验总结，设计一种有效的综合性模型并确定一个阀值，当相关因素指标综合值超过阀值时发出危机警报并采取对策。财务危机预警模型则是通过数学或统计方法建立模型对财务危机进行定量预警分析。目前国内外对企业财务危机预测模型的已取得了一些成果。
一、单变量判定模型
Fitzpatrick（1932）最早发现，出现财务困境的公司其财务比率和正常的财务比率相比，有显著不同。Beaver(1966)则首先应用统计方法建立了单变量财务预测模型，他首先使用了5个财务比率作为变量，选取美国1954年～1964年间资产规模相同的79家经营失败企业和79家正常经营正常的企业，进行对比研究，发现具有良好预测性的财务比率依此为现金流量/负责总额的比率、资产负责率、资产收益率。
在我国陈静（1999）选择了4个财务比率指标作为变量即资产负债率、流动比率、净资产收益率、总资产收益率，运用两分法，发现资产负债率、流动比率和总资产收益率的预测效果较好。
二、多变量判定模型
1.财务比率综合分析法：其将各项财务分析指标作为一个整体，系统地对企业财务状况和经营情况进行剖析、解释和评价。这类方法的主要代表是杜邦财务分析体系和沃尔比重评分法，前者是以净值报酬率为龙头，以资产净利润率为核心，重点揭示企业获利能力及其前因后果；后者是将选定的七项财务比率分别给定各自的分数比重，通过与标准比率进行比较，确定各项指标的得分及总体指标的累计分数，从而得出企业财务状况的综合评价，续而确定其信用等级。
2.多元线性函数模型：多元线性函数模型是运用多边模式思路上建立起来的，其中最著名的是美國纽约大学的Altman教授在20世纪60年代中期提出的Z计分模型。他通过将多种财务指标加权汇总，计算出一个总差别分来预测、计量企业破产的可能性，这个总差别分通常被称为Z值，这个模型被称为Z值计分模型：
其中: -判别函数值；=营运资金/总资产；=留成收益/总资产；=息税前利润/总资产；=(普通股价值+优先股价值)/总负债；=销售收入/总资产
我国的陈静（1999）、邓茂（2003）等人利用Z值计分模型对我国的上市公司进行了研究，发现此模型对ST公司和非ST公司有较好的判别率，当年、前一年、前两年的正确率分别在92%、85%、79%以上。
3.Logistic和Probit概率模型：Logistic和Probit方法的结论很相似，一般多使用Logistic概率模型。Logistic又叫增长函数，是1838年比利时P.F.Verhulst首先提出的,二元Logistic概率函数的为：
其中是在条件下事件发生的概率，代表事件不发生的概率，是截距, 是待估计的参数。通过设定临界值作为事件发生与否的标准，如果事件发生的概率大于临界值，则判断事件发生，反之，判定事件不发生。回归模型的一般形式如下：
美国学者Ohlson是最早把此模型运用到财务危机预警中的人。我国学者吴世农、卢贤义（2001）、上海财经大学的姜秀华（2002）运用此模型对沪深证市场的部分ST公司进行了研究，并认为Logistic概率模型优于多元线性预警模型。
三、神经网络分析模型
人工神经网络(Artificial Neural Networks,ANN)是一种平行分散处理模式，其建构理念植基于人类大脑神经运行的模式。ANN除了具有较好的模式识别能力外，而且可以克服统计方面的限制，因它具有容错能力，对数据的分布要求不严格，具备处理资料遗漏或是错误的能力；最重要的是ANN具有学习能力，可随时依据新准备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边的企业环境。ANN在经济预警(Early Warning,EW)系统中的应用，无论从思想，还是技术上都是对传统EW的一种拓宽和突破，克服了以往模型重定量指标，难以处理定性指标；模型不具有时变性，缺乏自适应、学习能力。目前国内外一些学者，在ANN预警系统研究方面做过一些理
论和实践上的探讨。
四、现有财务危机预警模型的局限性
上述分析模型在理论和实践上还有待完善，在实际运用中也各有优缺点，主要表现在以下几个方面：
1.单变量判定模型有良好的理论基础，但其割裂了各个财务分析指标之间的内在整体联系，在实际运用中存在很大局限性，并预警的准确性较差。
2.概率统计模型在实践运用中具有较好的预测性，但其缺乏理论基础。
3.神经网络预警系统运用到公司财务危机预警模型中的时间并不长，神经网络预警模型过于复杂，在运用中还有待完善，因此在实践上受到很大限制。
4.现有预警模型无法对上市公司提供的数据真假做出辨别。
5.现有预警模型还都主要侧重于财务定量数据的使用，对于像宏观经济状况、国家政策的变化、不同企业的特殊情况（如信用）等定性指标考虑还较少。
五、财务危机预警模型的未来发展
1.需要发展一些不同行业的财务危机预警分析模型。由于各个行业都有自身的一些经营特点，具体体现在财务数据上就有一些差异，这就降低了各个行业之间财务数据的可比性，从而使建立不同行业的财务危机预警模型很有必要。
2.未来的财务危机预警模型还应把一些非财务指标所能体现的定性因素考虑进去。
3.未来的财务危机预警模型应能够对公司所提供的财务数据的真伪做出一定鉴别。
4.未来的财务危机预警模型应该具备一定的自我学习能力。
参考文献：
[1]陈静:上市公司财务恶化预测的实证研究［J］.会计研究.1999.(4)
[2]郑茂:我国上市公司财务风险预警模型的构建及实证分析［J］.金融论坛.2003.(10)
[3]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)
[4]姜秀华任强孙铮:上市公司财务危机预警模型研究［J］.预测,2002,(3)
财务危机预警模型 篇4
关键词：财务危机,预警,非财务信息
一、财务指标的选取
(一) 财务危机预警指标选取标准
1、可操作性。
能够代表企业经营状况和财务状况的指标有很多, 有些指标的数据相对容易取得, 如资产负债率等可以直接从企业年度报表或数据库中获取。但有些数据指标数据很难得到, 或即使能够取得也需要花费大量的时间和精力, 故本文选取的指标变量都是数据相对容易取得的指标。本文以我国A股上市公司为研究对象, 数据主要来源于国泰安数据库。
2、体现盈利能力。
盈利是企业生存发展的目标, 从长期来看, 不盈利或利润低的企业很难保持投资者信心, 最终难逃消亡的后果。本文选取营业利润率、销售利润率、资产报酬率和净资产收益率四个指标来体现企业的盈利能力。
3、体现现金流量状况。
金融危机发生之后, 现金流量研究引起社会公众的高度关注。在某种程度上, 现金流可以说决定着企业的兴衰存亡, 若现金流发生断裂, 一个盈利能力良好的企业也难免陷入财务危机。本文选取现金到期债务比、营业收入现金比率、每股现金净流量三个指标反映企业现金流量状况。
4、体现偿债能力。
企业有无能力偿还到期债务, 是企业生存发展的基础, 与财务危机也息息相关。一般情况下, 偿债能力差的企业发生财务危机的概率也相对较大。因此, 选择的指标要能够反映企业的偿债能力。本文选取速动比率、营运资金比率、营运资金对净资产总额比率和资产负债率等指标来反映企业的偿债能力。
5、体现营运能力。
资产营运能力是反映企业资产管理效率的指标, 资产管理良好的企业往往有较好的经营业绩。因此, 反映资产管理能力的指标也是考察企业陷入财务危机可能性的重要指标。本文选取应收账款周转率、存货周转率、应付账款周转率、流动资产周转率和总资产周转率等五个指标反映企业的营运能力。
6、体现发展能力。
发展能力往往代表着企业未来的发展潜力, 没有潜力的企业即使现在拥有可观的业绩, 也难免陷入财务危机。从长远来看, 没有发展潜力的企业迟早会步入消亡。本文选取资本积累率、固定资产增长率、总资产增长率和营业收入增长率来体现企业的发展能力。
7、体现股东获利能力。
股东作为企业的投资者, 出资目的就是为了获利, 企业若不能满足股东的获利要求, 股东迟早会抽资退出, 企业失去了股东资本支撑, 财务状况就可能会恶化。本文选取每股收益、每股净资产、市净率、每股营业收入、每股息税前利润、留存收益资产比和每股留存收益七个指标反映股东获利能力。
8、体现风险水平。
本文所指的风险水平主要包括经营风险和财务风险, 主要是由于企业资产组成结构而使企业固有的风险。本文选取综合杠杆系数来反映风险水平。
(二) 财务指标汇总。 (表2)
二、非财务指标与上市公司财务危机关系分析
(一) 公司治理结构与财务危机关系分析。
完善的公司治理结构对于推动公司成长发展、规避财务风险、提高财务安全等级有着积极的意义, 作为协调公司内外部各种关系的制度, 公司治理的目的在于处理各种利益相关者的关系, 不仅应当调整好公司内部员工、股东、董事会、管理层之间的委托代理关系, 同时还应尊重债权人、供应商、客户等外部利益相关者的合法权利, 与各方利益相关者积极合作, 共同推动公司持续健康发展。
公司治理结构与财务危机的关系主要体现在股权治理结构、董事会规模、独立董事与监事会三个方面。
第一, 股权治理结构对公司财务危机风险有明显影响。部分学者认为, 他们之间存在正向联系, 如果股权集中度较高, 容易形成一股独大的状况。由于股东大会负责选举董事会和监事会成员, 在股权过于集中的情况下, 选举产生的董事会和监事会成员可能成为控股股东的代言人, 公司内部监督效率下降;同时, 股权过于集中容易降低经理层的积极性, 控股股东由于利益驱动, 可能会干预经理层决策, 使公司产生财务危机的可能性加大。但也有学者认为, 股权集中度和财务风险存在负向联系, 公司的股权集中度较高时, 大股东就趋向于提升公司管理绩效, 企业财务危机风险将会降低。
第二, 董事会规模与财务危机的关系。一些学者认为规模较大的董事会比规模较小的董事会对公司财务危机的控制和规避能力更强, 较大的董事会有更充分的能力和资源帮助公司走出困境。也有学者研究认为董事会规模与公司财务危机呈U型关系, 董事会规模过大或过小都不好, 规模适中最有利于公司财务风险的控制。
第三, 独立董事制度与财务危机的关系。大多数学者研究认为独立董事制度能够有效制衡控股股东或实际控制人, 维护中小股东利益, 降低委托-代理成本。监事会作为上市公司的内部监管机构, 对公司运营进行全面监督。独立董事与监事的存在提高了公司内部的监管力度与运营规则, 独立董事制度与监事会的建立健全均有助于提高公司价值, 抵抗财务危机。
(二) 年报审计意见与财务危机的关系。
对于年报审计意见与财务危机的关系, 一些学者研究了审计意见对公司破产或财务困境的预测能力, 发现审计意见对破产或财务困境概率的预测和解释能力均极为显著。审计意见是识别公司破产的一个重要信号, 注册会计师根据中立性和持续经营原则出具审计报告, 揭示公司运营中存在的潜藏风险, 对财务困境发生的可能性具有解释作用。
(三) 多元化水平与财务危机的关系。
对于多元化水平与财务危机的关系分析, 一些学者认为在资本市场弱势有效的情况下, 容易诱导企业多元化。上市公司可以通过多元化发展建立内部资本市场, 起到分散非系统性风险的作用。还有学者认为多元化战略在一定范围内能够降低收益的波动性, 降低企业的经营风险, 但随着负债的增加, 多元化发展能够增大企业的财务风险。
三、财务危机预警机制构建
(一) 成立财务危机预警组织机制。
公司财务危机预警机制的构建, 首先要建立健全组织机制, 并保持独立性。预警组织机制的独立性直接关系到预警系统功能发挥的稳定性, 因此有必要专门设置, 负责财务预警的日常分析工作。预警组织不应成为公司原有组织架构的一部分, 应由公司董事会聘请外部财务专家、内部高管人员和熟悉风险控制的管理专家组成。具备条件的公司应该建立预警组织体系, 从价值链的角度, 纵向考虑与企业有联动关系的上下游企业, 从整体上评估公司的财务风险。预警组织建立后, 应保持工作的独立性, 最终的分析结果只对公司董事会负责。
(二) 非财务信息与财务信息的传递机制。
财务危机预警系统的有效性在很大程度上取决于风险信息收集和传递的及时性, 因此有必要统一信息平台, 通过信息传递机制分析可能存在的财务危机信息因素。在引入非财务信息的财务危机预警系统中, 存在不同的信息源, 要通过董事会、监事会和股东等利益相关者收集公司的非财务信息, 通过公司的运营部门、财务审计部门和外部独立机构获得公司的财务信息。通过预警组织机构, 利用已经建立的预警信息传递机制, 将收集来的非财务信息与财务信息, 运用模型进行分析。如果财务风险较小, 未达到临界值, 则为无警, 返回预警组织进行下一期分析;如果财务风险较大, 超过临界值, 则为有警, 需进一步分析引起财务危机的风险因素, 并通过公司的预警组织进行后期危机治理。
参考文献
[1]徐莉萍, 辛宇, 陈工孟.股权集中度和股权制衡及其对公司经营绩效的影响[J].经济研究, 2006.
[2]宋鹏, 梁吉业, 曹付元.基于邻域粗糙集的企业财务危机预警指标选择[J].经济管理.
[3]李豫湘, 胡新良.公司治理结构与财务危机关系研究综述[J].财会通讯.
[4]佘镜怀, 胡洁.上市公司股权结构与公司绩效关系的实证分析[J].当代经济科学.
财务危机预警探析 篇5
一、财务危机及产生原因
财务危机（Financial crisis）又称财务困境（Financial distress），国内外学术界并没有给出财务危机的统一定义，通常公认有两种确定的方法：一是法律对企业破产的定义，企业破产是用来衡量企业财务危机最常用的标准，也是最准确和最极端的标准；二是以证券交易所对持续亏损、有重大潜在损失或者股价持续低于一定水平的上市公司给予特别处理或退市作为标准。根据中外学者的研究，财务危机至少有以下几种表现形式：第一，从企业的运营情况看，表现为产销严重脱节，企业销售额和销售利润明显下降，多项绩效评价指标严重恶化；第二，从企业的资产结构看，表现为应收账款大幅增长，产品库存迅速上升；第三，从企业的偿债能力看，表现为丧失偿还到期债务的能力，流动资产不足以偿还流动负债，总资产低于总负债；第四，从企业现金流量看，表现为缺乏偿还即将到期债务的现金流，现金总流入小于现金总流出。
企业产生财务危机的原因是多方面的，既可能是企业经营者决策失误，也可能是管理失控，还可能是外部环境恶化等。本文从财务学的视角上对财务危机的成因进行分析。
（一）企业的多角化经营可能导致财务危机
证券投资组合理论是多角化经营的理论基础。该理论认为，金融资产的风险有两种：一是不可分散的风险或称系统风险，即存在于每个证券中，不能通过证券组合来分散掉的风险；二是可分散的风险或称非系统风险，即存在于单个证券中，可以通过证券组合来分散掉的风险。投资者可以通过持有一个证券组合来分散非系统风险，证券间相关系数越低，分散风险的效果越好，随着组合内证券数量的增多，分散效果越明显，当证券数量达到一定时，基本可完全分散掉非系统风险。这一原理应用到企业生产经营活动时，即为企业的多角化经营。然而，证券组合投资具有其特定的条件，如果不加分析地盲目应用，不但不能达到规避风险的作用，反而加剧了企业的财务危机。证券组合理论的投资对象是金融资产，金融资产投资具有可分割性、流动性和相容性等特点，因此在进行金融资产投资时，不必考虑投资的规模、投资的时间约束以及投资项目的多少等因素，只要考虑各金融资产的相关性、风险、报酬及其相互关系问题，并依据风险——报酬的选择即可实现金融资产投资的优化选择。而多角化经营的投资对象是实物资产，其投资具有整体性、不可逆性、时间约束性和互斥性等特点。所以在多角化经营时，不能简单地进行不相关产业的多方位投资，而是要考虑到各项目的投资规模、资金占用情况及资金约束条件下各项目的比较选优问题。否则，简单误用证券组合理论必将导致企业投资于无关项目、无序多占资金、投入大于产出等等现象，最终导致企业资金缺乏，周转不灵，出现财务危机。众所周知的巨人集团的兴衰就是最好的证明。
（二）利用财务杠杆过度负债也是导致财务危机的重要原因。
企业如果一味地追求获取财务杠杆利益，便会加大企业的负债筹资。负债的增加使公司的财务风险增大，债权人无法按期得到利息的风险也相应增大。债权人将要求公司对增加的负债提供风险溢酬，这就导致企业定期支出的利息等固定费用增加，同时企业投资者也因企业风险的增大而要求更高的报酬率，作为对可能产生风险的一种补偿，这就会使企业发行股票、债券和借款筹资的筹资成本大大提高。韩国大宇集团的解散，就是财务杠杆消极作用影响的真实体现。大宇集团在政府政策和银行信贷的支持下，走的是一条“举债经营”之路。试图通过大规模举债，达到大规模扩张的目的，最后实现“市场占有率至上”的目标。当1997年亚洲金融危机爆发后，大宇集团已经显现出经营上的困难，其销售额和利润均不能达到预期的目的。此时，如果大宇集团不再大量发行债券进行“借贷式经营”，而是向韩国其他四大集团一样进行自律性结构调整——重点改善财务结构，努力减轻债务负担，恐怕大宇集团今天仍是韩国的五大集团之一。然而，大宇却认为，只要提高开工率，增加销售额和出口就能躲过这场金融危机，于是，一意孤行地继续大量发行债券，进行“借贷式经营”。由于经营不善，加上资金周转困难，韩国政府于1999年7月26日下令债券银行接手对大宇集团进行结构调整，加快了这个负债累累集团的解散速度。由此可见，大宇集团举债经营所产生的财务杠杆效益是消极的，不仅难以提高企业的盈利能力，反而因巨大的偿付压力使企业陷入无法解脱的财务困境。
二、财务危机预警指标体系的建立
冰冻三尺，非一日之寒。看上去是在危机中“突然”倒下的企业，实际上并不是突然倒下的，而是早就暴露出许多迹象了。企业内部的一些小问题日积月累，就会使企业逐步失去解决问题的能力和机制。财务危机预警是以财务会计信息为基础，通过设置并观察一些敏感性指标的变化，对企业可能或将要面临的财务危机所实施的实时监控和预测警报。企业的各项财务管理活动，经过会计的确认、计量记录、归类汇总，最终形成了财务报表，财务报表是对过去财务管理活动结果的综合反映。企业财务报表主要有资产负债表、利润表、现金流量表和其他辅助报表。财务报表分析是以财务报表为依据，将大量的报表数据经过处理和加工，使其转换为对决策有用的信息和数据。企业财务报表虽然具有一定的滞后性，但通过分析，可以系统评价企业过去财务管理整体效果和变动趋势，通过预警可以帮助企业把握财务管理发展方向。本文从能反映企业整体财务状况的现金流指标体系出发，分析企业的偿债能力、财务弹性、获现能力、现金流量结构等方面来选择关键性的现金流指标。
（一）偿债能力分析指标
充分利用财务杠杆负债经营是现代企业的一个重要特征。但是负债的额度和期限必须保持合理的结构才能促进企业的稳健经营，否则，可能加大企业的还债负担，增加企业经营风险。很多上市公司因财务费用负担过重，无法偿还到期债务而引发财务危机。对于债权人，投资者来讲，关注上市公司的偿债能力至关重要。从现金流角度去分析企业偿债能力更加客观、科学、合理、可靠。衡量偿债能力的指标主要有：
1.经营活动现金净流量／流动负债
该指标说明企业通过经营活动所获得的现金净流量可以用来偿还现时债务的能力。该指标比率越大，说明企业资金流动性越大，短期偿债能力越强；反之，则说明企业资金流动性小，短期偿债能力弱。如果经营活动的现金净流量长期偏低，而偿还债务的资金主要来源于筹资活动所带来的现金流入或投资收回的现金流入，企业必将面临财务危机。
2.经营活动现金净流量／负债总额
该指标反映企业年度经营活动产生的现金净流量偿还企业全部债务的能力，反映企业长期偿债能力。该指标比率越大，表示企业长期偿债能力越强；反之，表明企业的长期偿债能力越弱。国外经验表明，该比率值在“0.20”以上的公司财务状况较好。
值得注意的是，若企业经营活动所取得的现金在满足了维持经营活动正常运转所必需的支出后，不足以偿清债务，而必须向外筹措资金来偿债，这就说明企业财务状况有所恶化。即使企业向外筹措到新的资金，但债务本金的偿还最终还是取决于经营活动的现金流量。
（二）财务弹性分析指标
所谓财务弹性就是指企业适应经济环境变化和利用投资机会的能力。这种能力来源于经营现金流量和支付要求之间的比较。支付要求可以是投资需求、承诺支付等。当经营现金流量超过需要，有剩余现金，企业适应经济环境变化的能力和生存就强。财务弹性包括以下几个指标：
1.现金股利保障倍数，即：每股营业现金净流入／每股现金股利
该指标表明企业用年度正常经营活动所产生的现金净流量来支付股利的能力，比率越大，表明企业支付股利的现金越充足，企业支付现金股利的能力也就越强，财务状况良好。
2.资本购置比率，即：经营活动现金净流量／资本支出
“资本支出”是指公司为购置固定资产，无形资产等发生的支出。该指标反映企业用经营活动产生的现金流量净额维持和扩大生产经营规模的能力。比率越大，说明企业支付资本支出的能力越强，资金自给率越高。当比率达到“1”时，说明企业可以靠自身经营来满足扩充所需的资金；若比率小于“1”，则说明企业是靠外部融资来补充扩充所需的资金。
（三）获现能力分析指标
通常用经营现金净流入与投资资本的比值来反映企业获取现金的能力。获现能力指标弥补了根据损益表分析公司获利能力指标的不足，具有鲜明的客观性。主要包含以下指标：
1.销售现金比率，即：经营现金净流量／主营业务收入
该指标反映每元销售得到的现金多少，既可反映公司生产的商品在市场上的畅销程度，又从另一个侧面体现了公司管理层的经营能力。该指标的比率越大越好，类似于权责发生制下的主营业务利润率。
2.每股经营活动现金净流量，即：经营现金净流量／普通股股数
该指标反映公司最大分派现金股利的能力，公司分派的现金股利若超过该指标比值，说明需要借款分红，此时公司面临财务危机。
3.全部资产现金回收率，即：经营现金净流量／全部资产
该指标说明公司全部资产产生现金的能力，该指标比值越大越好。通过与同业平均水平或历史同期水平比较，可评价上市公司获取现金能力的强弱和公司可持续发展的潜力。
（四）现金流量结构分析指标
现金流量结构是反映企业财务状况是否正常的一个重要方面，包括现金流入、现金流出及其内部结构三个部分。其中，经营活动流入量／经营活动流出量这一比率最为重要。该比率反映了企业靠自身经营活动所获现金满足其正常经营活动所需现金的程度。在某种程度上，该指标体现了企业盈利水平的高低和获利能力的强弱。长期来看，若其比值大于“1”，说明企业的简单再生产在不增加负债的情况下能基本得到维持；该指标比值若长期小于“1”，表明企业缺乏足够的现金维持再生产的正常进行，企业正常的生产经营活动必须靠出售资产或向外融资才能维持，企业将面临破产危险。
航空公司财务危机预警模型研究 篇6
在经济全球化背景下,随着社会主义市场经济体制改革的不断深入,市场竞争日趋激烈,企业经营面临的不确定因素逐渐增加,经营风险和财务风险也随之增加。随着航权的不断开放,我国航空公司在国际航线上遇到巨大挑战,运营能力和服务质量较之国际大型航空承运人均存在较大差距,难以开展有效竞争。航空公司的财务风险主要源于经营不善以及战略失误导致的资金周转困难,当这种困难恶化到一定程度时就会使企业出现无法偿还到期债务,被宣告破产的风险,即通常所说的财务失败。2009年以前,我国各大航空公司均出现不同程度的亏损,尤其是2008年,四大上市航空公司(分别是国航、东航、南航、海航)的财务报表更是全面飘红,其中东航竟然出现资不抵债现象。只是在最近几年由于航空公司积极进行战略调整,寻求加入海外航空联盟,以及进行并购重组等大规模的资本运作,才使情况有一定好转。为实现健康有序的发展,与国外航空公司开展积极有效的竞争,并不断拓展航线等市场资源,我国航空公司必须不断进行管理创新。而进行管理创新的当务之急就是有效地规避、防范与控制风险。作为风险管理的手段之一,预警管理的重要性日益凸显。在我国,财务危机预警研究尚处于起步阶段,在航空业没有得到普遍应用。因此,建立航空公司的财务危机预警模型,对于指导管理者、投资者、债权人、金融机构等进行及时正确的决策具有重要意义。
二、文献回顾
在对于财务危机预警体系的研究上,国外学者的研究成果较为丰富。在静态研究方面,Fitzapatrick(1932)最早进行了单变量破产预测研究。Beaver(1966)最早用统计方法研究公司财务失败问题。美国学者Altman(1968)选取5个代表公司财务健康状况的指标,建立多元线性函数模型(Z分数模型)对企业财务状况进行研究,并最终确定了代表企业破产可能性的Z值区间。20世纪70年代后,Ohlson(1980)、Zmijewski(1984)等的Logit模型和Probit模型也是对财务预警研究的 多变量模 型。在动 态财务预 警研究方 面 ,Salchenberger(1992)运用人工神经网络模型(ANN)对金融业的财务失败进行分析,该研究显示出了较以往的线性分析模型更理想的结果。国内学者对财务预警的研究以静态财务预警研究为主,动态研究较少。陈静(1999)采用传统的单变量研究法,得出对企业财务危机状况预测能力较强的四个财务比率指标,分别是资产负债率、流动比率、总资产收益率和净资产收益率。吴世农、卢贤义(2001)分别使用多元线性回归模型、Fisher线性判定分析和多元逻辑(Logit)模型建立财务预警模型,研究表明,多元逻辑模型的误判率最低。杨保安等(2001)运用人工神经网络模型对银行业进行财务预警分析,最后得到了与实际基本一致的结果。笔者对航空公司的财务危机预警模型进行研究,选取与企业财务状况相关的五个方面指标,基于Logistic回归分析建立航空公司风险管理的财务预警模型,并运用该模型对航空公司财务危机进行实证检验。
三、研究设计
(一)样本选取与数据来源本文以我国四大上市航空公司2004-2012年报数据为样本,由于上市时间不同,国航选取2006-2012年的数据,其他航空公司选取2004-2012年的数据,最终样本量是34。将各公司2004、2005与2006年度作为检验样本组,其余年份作为建立Logistic回归模型的样本组。所选数据来自各公司官方网站和wind资讯数据库。
(二)财务危机界定国内外学者对财务危机有不同的界定方法。国外学者通常将破产上市公司作为研究对象,而国内由于上市公司破产前必定经过退市处理,破产上市公司事实上并不存在,所以大多数国内学者将ST公司作为财务预警研究对象。然而,国内上市航空公司数量少,上市时间晚,并且2012年度上市航空公司中没有ST公司,因此本文采取刑有洪(2011)的方法,将经济增加值(EVA)的符号作为判定航空公司是否为财务危机企业的标准。EVA是企业获得的收益扣除为获得此项收益而投入的资本成本,是业绩计量的常用指标。EVA反映了企业为股东创造财富的大小,EVA为正值表示为股东创造了财富;反之,则表示减损了股东财富。从股东的角度看,EVA为负值意味着企业价值的减损,表明出现了财务危机。根据国资委最新修订的《中央企业负责人经营业绩考核暂行办法》的规定,经济增加值的计算公式为:经济增加值=税后净营业利润调整后资本×平均资本成本率。其中,税后净营业利润=净利润+(利息支出+研究开发费用调整项)×(1-25%),调整后资本=平均所有者权益+平均负债合计-平均无息流动负债-平均在建工程,无息流动负债是指企业财务报表中“应付票据”、“应付账款”等项目。对于非工业企业,平均资本成本率在资产负债率小于80%时,取5.5%,大于80%时,取6%。
(三)财务预警指标体系构建为了全面反映企业的财务状况、经营成果和现金流量,需要建立财务预警综合指标体系。指标的选取既要全面考虑财务风险的各种影响因素,又要兼顾成本效益原则,避免过于复杂而失去可操作性。本文建立如下财务预警指标体系,具体包括:(1)偿债能力指标。偿债能力与企业的财务状况直接相关,反映企业在一定期间清偿到期债务的能力。偿债能力的恶化通常会伴随着上市公司经营绩效的下降,筹资能力的降低和被特别处理等情形。偿债能力指标包括流动比率、速动比率、资产负债率和利息保障倍数。(2)营运能力指标。此类指标是资产利用程度的体现,与财务状况密切相关。营运能力指标包括存货周转率、流动资产周转率和总资产周转率。(3)盈利能力指标。盈利能力是上市公司获利能力和营业绩效的体现。此类指标越大,企业在对外融资方面越具有优势;指标越小,对外融资就会遇到困难,同时伴随着股价下降和股东财富的减损。盈利能力指标包括总资产报酬率、成本费用利润率和每股收益。(4)发展能力指标。发展能力是指公司通过经营活动不断发展壮大的能力,反映了公司的成长潜力。发展能力指标包括营业收入增长率、净利润增长率和总资产增长率。(5)现金流量指标。按传统的权责发生制原则计算的财务比率难以全面真实地反映公司的财务状况和经营成果,现金流量指标能够起到很好的补充作用。此外,现金流量状况的恶化,意味着企业偿债能力的下降,通常能够提供企业陷入财务危机的预兆。现金流量指标包括现金流量比率、销售现金比率和每股营业现金流量。(6)其他指标,包括企业规模。所有指标及计算方法见表1。
四、实证结果分析
(一)因子分析本文选取了17个指标,各指标间可能存在较强的相关关系,包含重复信息。为了精简模型,需要利用主成分分析法对变量进行筛选。首先对样本数据进行KMO检验和Bartlett球度检验,以判断样本数据是否适合做主成分分析。本文利用SPSS20.0统计软件对数据进行检验,得到如表2所示的输出结果。KMO统计量的结果为0.528,大于0.5,样本数据通过了KMO检验。Bartlett球度检验统计量为707.836,对应的概率显著小于0.05,因此,样本数据适合做主成分分析。
对于选定的17个变量,利用样本数据进行主成分分析,提取因子,结果如表3所示。有5个满足特征值大于1的主成分,5个主成分分别解释了所有变量方差的27.481%,25.821%,13.780%,10.514%和9.135%。这5个主成分因子包含了86.732%的信息量,综合了原始指标的大部分信息,因此,能够较好地解释样本。
为了解释提取的5个主成分,需要得到17个原始变量对5个公共因子的因子载荷。本文使用最大方差法进行正交旋转,得到因子载荷矩阵,结果如表4所示。
从因子载荷矩阵中可以看出:(1) 主成分1的支配变量为总资产报酬率、每股收益和成本费用利润率。此类指标反映企业盈利能力,因此主成分1可以解释为盈利主成分,代表指标为总资产报酬率。从我国上市航空公司整体来看,财务危机公司(EVA<0的公司)总资产报酬率较低,盈利能力较弱。(2)主成分2的支配变量为流动比率和速动比率。该指标反映企业偿债能力,因此主成分2可以解释为偿债主成分,代表指标为速动比率。财务危机公司总体上速动比率较低,短期偿债能力较弱。(3)主成分3的支配变量为营业收入增长率和总资产增长率。该指标反映企业成长能力,因此主成分3可以解释为成长主成分,代表指标为营业收入增长率。出现财务危机的航空公司总体上营业收入增长率较低,成长速度不及非财务危机公司。(4) 主成分4的支配变量为现金流量比率和销售现金比率。主成分4可以概括为现金流量主成分,代表指标为现金流量比率。总体上来看,出现财务危机的航空公司的现金流量比率较低,现金充裕度较差。(5)主成分5的支配变量为存货周转率。该指标反映企业资产管理能力,因此主成分5可以概括为营运主成分,代表指标为存货周转率。出现财务危机的公司总体上存货周转率较低,与非困境公司相比运用资产创造收入的能力较弱。
(二)判别模型构建首先建立基于Logistic回归分析的财务危机预警模型,再检验模型的准确性。运用上文选定的财务指标———总资产报酬率、速动比率、营业收入增长率、现金流量比率、存货周转率,作为模型的自变量,取财务危机公司(EVA<0)为1,非财务危机公司为0,作为因变量Y,样本公司的EVA与因变量Y取值见表5。
利用SPSS 20.0统计分析软件,通过二元逻辑回归分析建立回归模型,回归结果见表6。
a.在步骤1中输入的变量:总资产报酬率、速动比率、营业收入增长率、现金流量比率、存货周转率。
根据表6建立Logistic回归模型一:In(p/1-p)=2.816-50.081X1+6.978X2-0.136X3-9.937X4-0.015X5
单位:千元
模型以0.5作为判别临界点,p值大于0.5的企业为财务危机企业,p值越大,该企业在未来出现财务危机的可能性越大;p值小于0.5的企业为非财务危机企业,p值越小,该企业在未来的财务状况越好。P值等于0.5的企业财务状况不明,谨慎起见,通常判别为财务危机企业。
(三)模型检验错判矩阵是判断Logistic回归模型优劣的一种方法,它通过矩阵的形式反映预测值与观测值及二者的符合程度。上文建立的Logistic回归模型的错判矩阵如表7所示,表中显示回归模型的总体正确率为83.3%,其中对非财务危机组的预测准确率为85.7%,对财务危机组的预测准确率为80.0%。
利用上文建立的模型,预测各航空公司2004、2005、2006年是否陷入财务危机,并对预测结果进行检验。根据表8的数据,模型对各航空公司2004-2006年度的检测准确率为70.0%,预测结果比较理想。
以上是对我国四家上市航空公司进行分析得出的结果。从预测效果来看,模型较为准确地反映了我国上市航空公司的财务状况,可以为航空公司、行业监管部门、投资者以及债权人提供参考,便于其及时发现出现财务危机的企业,并采取相应措施。
五、结论
本文在回顾国内外学者对财务危机预警的研究成果的基础上,选取样本和研究变量,建立基于Logistic回归分析的财务预警模型,并对模型预测效果进行了检验,发现模型预测准确率较高。根据上文的研究结果,可以得到如下结论:第一,尽可能全面选取指标,才能全面反映企业的财务状况,在此基础上所建立模型的预测效果更好。企业财务状况的影响因素很多,受样本数量的限制,无法将所有指标纳入财务预警模型。此外,人为选取指标不免带有片面性,可能遗漏某些对企业财务状况有重大影响的指标。主成分分析可以在保留大部分原始信息的同时简化分析,因此,本文将主成分分析与二元逻辑回归结合,通过主成分分析对建立的财务预警指标体系进行降维,并以主成分作为样本数据,建立Logistic回归模型,其结果的准确性和实用性得到改善。第二,越接近企业发生财务危机的年度,模型预测准确率越高。对样本检测结果的分析可知,预测错误主要发生在2004和2005年度(检测前两年),而2008年四大航空公司均陷入财务危机,2006年的预测结果均正确,说明距离企业发生财务危机年度越近,某些指标越接近预警临界值,模型预测准确率越高。第三,我国上市航空公司的财务数据是有效的,基于这些财务数据建立的预警模型能够反映企业的财务状况,起到较好的预测效果。
注:“实际类型”与“预测类型”中,数字 1 表示财务危机公司,数字 0 表示非财务危机公司。
财务危机预警模型 篇7
一、研究设计
(一) 样本的选取
本文将因财务状况异常而被特别处理界定为财务危机, 而将没有被实施特别处理的公司界定为健康公司。对于危机样本, 选取深、沪两市2001年至2012年间首次被实施特别处理的A股机械、设备、仪表行业的49家上市公司为财务危机样本。对于健康样本, 根据被实施特别处理的方法可知, 用被实施特别处理前一年或两年的数据来预测第T年是否被实施特别处理缺乏意义, 因此本文选取 (T-3) 年的数据建模。按照1︰1的配比, 对第T年被实施ST的危机样本, 从T-3年非ST的机械、设备、仪表行业的上市公司中挑选与该ST样本上市时间相近、资产总额接近的公司作为选取的配对健康样本, 共选出49家健康公司作为配对样本。进而, 将2001年至2008年选取的74个样本作为建模样本, 2009年至2012年选定的24个样本作为检验样本。
(二) 财务指标的选择
根据全面性、易得性等原则, 从盈利能力指标、偿债能力指标、成长能力指标、营运能力指标、现金流量指标和资本结构指标中, 共选取了28个财务指标作为初始指标, 分别记为X1、X2……X28。
(三) 财务危机预警方法
通过对选取的样本用四种方法建模进行实证研究。其中, 多元判别和逻辑回归两种方法属于传统建模方法, BP神经网络和支持向量机属于人工智能建模方法。
二、实证结果与分析
首先利用SPSS 16.0统计软件对建模指标进行筛选, 然后利用数据挖掘软件SPSS Clementine 12.0构建多元判别和逻辑回归两种传统模型以及BP神经网络和支持向量机两种人工智能模型。
(一) 建模指标的筛选
首先, 对建模样本的28个原始指标进行正态性K-S检验。然后, 对符合正态分布的指标进行两独立样本的T检验, 而对不符合正态分布的指标进行曼-惠特尼U检验。从T检验和曼-惠特尼U检验的结果可知, 28个原始指标中共有13个指标通过了显著性检验, 可用于构建财务危机预警模型。这13个指标如表1所示。
(二) 财务危机预警模型的建立
首先对上述得到的13个指标进行标准化处理, 记Xi标准化处理后的变量为ZXi, 以这13个标准化处理后的变量作为建模变量构建财务危机预警模型。
1. 多元判别模型的建立
定义Y为因变量, 若样本为财务危机公司, 则Y=1;若样本为健康公司, 则Y=0。构建逻辑回归模型和神经网络模型时也采用这种因变量定义方式。利用SPSS 16.0软件, 对上述经过筛选后得到的13个指标, 采用Stepwise逐步进入法建立贝叶斯多元判别模型, 得到正常组和危机组的判别函数分别为:
可见, 只有营业收入增长率X14和流动资金周转率X20两个变量被选入了模型, 且营业收入增长率对模型的贡献率更大。将各样本的这两个财务指标值代入以上两式, 若Y0大于Y1, 则判定该样本属于健康公司;否则, 属于财务危机公司。
2. 逻辑回归模型的建立
建立逻辑回归模型时, 变量进入模型的策略有强制进入、向前筛选和向后筛选三种方式。本文选择向后筛选策略构建逻辑回归模型, 结果如表2所示。
从表2可以发现最终的模型中包含了四个财务比率。另外, 从得到的变量重要性结果可知, 对构建逻辑回归模型最重要的两个变量依次是资产净利率X3和营业收入增长率X14。由表2可以得到逻辑回归模型表达式为:
其中, P代表财务危机发生的概率, 将各样本ZX1、ZX3、ZX14和ZX18的值带入上式可得到概率P。设定0.5为最佳分割点, 若P大于0.5, 则判定样本为财务危机公司;否则, 判定为健康公司。
由回归方程的Hosmer andLemeshow检验结果可知, 在最终模型中, Hosmer and Lemeshow统计量的观测值为9.213, 观测概率P值为0.325, 远大于显著性水平0.05, 因此可认为由建模样本实际得到的分布与预测值得到的分布没有显著差异, 模型的拟合度较好。
3. BP神经网络模型的建立
本文采用快速训练法进行建模, 输入层节点个数为13, 输出层节点个数为1。设置隐含层节点个数为3, 指定冲量项Alpha为0.95, 高Eta为0.05, 其他学习率参数为默认设置。此时, 训练样本的总体判别准确率为94.60%, 预测样本总体判别准确率为70.83%, 且该模型对预测样本中危机样本的判定准确率可达75%, 详见表3。
另外, 变量重要性结果表明, 对所构建的神经网络模型最重要的两个变量是营业收入增长率X14和资产净利率X3。
4. 支持向量机模型的建立
定义Y为因变量, 若样本是财务危机公司, Y=1;若样本为健康公司, Y=-1。使用RBF核函数, 本文设置RBFγ=0.15, 惩罚系数C=90, 其他参数为默认设置, 对建模样本及检验样本进行预测, 结果见表4。
变量重要性结果表明, 对得到的支持向量机模型最重要的两个变量是资产净利率X3和营业收入增长率X14。
(三) 结果分析
本文从各模型对样本预测精度和对构建各模型最重要的指标两方面对模型进行分析。
1. 模型预测精度分析
以上所建四种模型对建模样本和检验样本的预测准确率汇总见表5。
比较四种模型对建模样本预测准确率可知, 无论是对总体还是对单独的每一类样本来说, BP神经网络的预测准确率都是最高的, 可达到90%以上;其次是支持向量机模型, 预测准确率也可达80%;最后是两种传统建模方法所构建的模型。
比较四种模型对检验样本预测准确率, 可知用支持向量机方法构建的模型对检验样本的预测准确率最高, 可达80%, 且该模型对危机样本的预测准确率可达83%, 与其他几种方法构建的模型相比准确率更高。其次, BP神经网络模型的预测准确率达到了70%, 而多元判别方法构建模型预测准确率只有60%。
所以, 无论对建模样本还是对检验样本, 人工智能方法所构建模型的预测准确率均比传统方法构建模型的准确率高。
2. 重要建模指标比较
由各模型变量重要性结果可知, 资产净利率X3和营业收入增长率X14这两个变量对几种模型的构建均有重要作用, 是判断机械、设备、仪表行业上市公司财务状况优劣的重要指标。
三、结论
本文针对机械、设备、仪表行业74家上市公司 (T-3) 年的财务数据, 分别用四种方法构建了财务危机预警模型, 并对所构建模型的预警精度和建模变量进行了比较分析。研究发现:第一, 人工智能方法所构建模型的预测准确率比传统方法构建模型的准确率高。第二, 资产净利率X3和营业收入增长率X14这两个变量对四种模型的构建均有重要作用, 是区分机械、设备、仪表行业上市公司财务状况优劣的重要指标。
参考文献
[1].邱玉莲, 朱琴.基于支持向量机的财务预警方法[J].统计与决策, 2006, (8) .
[2] .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) .
[3] .徐晓燕, 王昱.一种集成logistic回归与支持向量机的判别分析规则[J].系统工程理论与实践, 2007, (4) .
[4] .杨淑娥, 黄礼.基于BP神经网络的上市公司财务危机预警模型[J].系统工程理论与实践, 2005, (6) .
财务危机预警模型 篇8
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。
财务危机预警模型 篇9
一、高校多校区办学财务风险成因分析
(一) 多校区办学导致高校负债急剧增加
多校区办学造成了办学成本的急剧增加, 而近几年由于国家的教育投入相对不足, 高校的扩张大多是靠银行贷款解决, 并且贷款数额普遍较大, 这导致许多多校区办学的高校背上沉重的债务包袱。各高校享受到的银行贷款虽然改善了学校的办学条件, 但由此带来的巨额债务压力和教育经费紧缺的问题也日益突出。在目前的情况下, 许多高校将会陷入“以贷还贷”困境, 面临着严峻的财务状况。
(二) 高校未来生源可能减少
我国高校收费制度经过几年的改革, 目前已初步形成了高等教育经常性成本分担的机制, 学费收入占经常性成本的比例接近25%~30%。高校由于多校区办学造成办学成本急剧增加, 使其资金供应更加依赖于生源市场。学校现在主要通过贷款扩大办学规模, 但近几年是学生就学高峰, 随着就业压力的不断上升, 学生对于学校的选择越来越慎重, 对于软硬件实力较弱的高校或是非重点院校而言, 长期发展后必然会对其生源产生严重的影响, 导致入学人数的急剧下滑, 这将使这些高校的学费收入受到一定的影响, 从而加大其财务风险。
(三) 多校区建设资金规划使用存在缺陷
高校多校区办学的资金除用于高校人员经费开支和经常性支出外, 主要用于教学楼等基本建设投资、专业学科建设及其配套设施建设投资、校办产业投资等。但由于很多高校的多校区建设是在扩招导致场地不足的压力下, 匆匆征地、规划和建设的, 这必然导致急于征地耗费大量资金, 而建设资金却迟迟不能到位、短期内难以开发建设或是教育设施建好后配套设施却不能到位, 造成部分投资的浪费、短期内不能发挥效益的现象。此外在高校扩建过程中, 对部分专业学科及其配套设施的投资等也缺乏可行性论证, 往往是为了完成政府或机构的计划, 为了应付学校设施达标的要求, 或是为了完成教学投资预算而购买设备, 常常是由资金来安排设备投资, 而不是根据设备使用的需要来安排资金, 使设备投资存在盲目性和重复购买现象, 造成极大的浪费。多校区建设资金使用的不合理, 必然使高校财务风险进一步加大。
二、高校多校区办学财务风险预警指标选取
(一) 选取原则具体如下:
(1) 预测性原则。财务风险预警指标对多校区办学的高校财务风险的监测要有分析发展趋势、预测未来的作用。即它应依据在高校运行活动中形成的历史数据资料分析预测未来可能发生的情况, 而不只是对过去的成果和管理责任履行情况作出考核评价。从而让大家认识、了解多校区办学高校的发展现状。
(2) 及时性原则。多校区办学的高校要准确、及时地预防财务风险的发生, 尽可能地减少或避免经济损失, 就要求其财务风险预警指标必须要敏捷、迅速地采集信息, 分析信息, 判断信息, 发出预警, 最大限度地避免可能发生的损失。
(3) 经济性原则。多校区办学的高校在选取财务预警指标时, 除了要考虑它的作用外, 还应分析它在经济上的合理性。即要求运用该预测指标产生预警信息的价值必须大于产生信息的投入。这就要求这些预警指标必须能够合理地识别和预测, 且在指标处理过程中应尽量减少迭代层次, 同时对指标数据的挖掘和利用应适可而止。
(二) 预警指标体系选取
本文借鉴了一般企业财务预警系统的构建方法, 根据高等学校财务活动的特点, 为多校区办学高校的财务危机预警模型的构建选取了以下四类财务风险预警指标:偿债能力指标、营运能力指标、盈利能力指标和发展能力指标。并为各类指标设定了若干备选指标, 通过运用层次分析、类比分析和专家调查法进行筛选, 确定了如下预警指标集。考虑到多校区办学的高校财务风险的主要来源是负债, 所以预警指标体系以偿债能力指标为主, 营运能力指标为辅, 盈利能力指标和发展能力指标为补充。
(1) 偿债能力指标。偿债能力指标可以反映高校偿还各种到期债务的能力, 它是反映高校多校区办学的财务状况中最为重要的指标, 所以赋予的权重最大。这里选择用资产负债率、流动比率、现金负债比、新校区基建项目投资负债率这四个指标来衡量多校区办学高校的偿债能力。
资产负债率。该指标值越高, 高校偿还债务的能力就越差, 反之越强。高校资产负债比率的警戒线为40%~60%。当高校资产负债率大于60%, 就应该发出预警信号;资产负债率大于1, 说明高校财务状况已严重恶化。其预警临界比率为0.6。
流动比率。该指标可以反映高校用其流动资产偿还到期债务的保障程度。一般认为流动比率达到2:1时, 企业的财务状况才比较可靠, 鉴于高校的特殊情况, 其流动比率为略大于1.5较好, 小于1.5则应发出预警。其预警临界比率为1.5。
现金负债比。该指标反映了学校现金储备对外债的承受程度, 该比率越高, 表明高校的财务风险越大。由于现金的流动性最强, 且其具有广泛的支付能力, 因此成为学校财务活动和各项事业正常运转的重要保障。根据高校自身特点, 现金负债比应处于较低水平, 该指标值越小越好。其预警临界比率为0.1。
新校区基建项目投资负债率。目前高校多校区办学借贷所得资金主要用于新建教学楼、宿舍等基建投资项目, 启动资金数额巨大。因此基建投资项目负债率是反映多校区办学的高校偿债能力的重要指标。该指标值越小越好。其预警临界比率为1。
(2) 营运能力指标。高校进行多校区办学使用资产和资金的目的在于维持和发展高校教学和科研事业, 吸收更多的学生就学, 为国家培养有用的人才。如果不能完成既定目标, 说明高校的资产和资金管理方面存在问题。这里选择用新生报到率、招生资金比率、收入支出比率这三个指标来衡量多校区办学高校的营运能力。
新生报到率。 。该指标反映了高校生源吸收的能力, 该指标越高, 则表明高校办学前景越好, 说明高校扩建的资源将会得到更加重分的利用。反之, 则表明高校扩建将会造成一定的资源闲置与浪费。所以该指标值越接近于1越好。其预警临界比率为0.8。
招生资金比率。 。该指标表明学生的缴费情况。该指标越低, 表明学生欠费情况越严重, 如果学生欠费较多达到一定程度, 长久下去则会产生财务风险。该指标越接近于1越好。其预警临界比率为0.8。
收入支出比率。 该指标用以说明学校当年收入与支出的平衡关系, 是反映学校隐性负债状况的重要指标。该指标值越大, 说明高校自我支付能力越强, 相对来说高校涉及的筹资风险越小, 该指标值一般以0.5为宜其预警临界比率为0.5。
(3) 盈利能力指标。在市场经济的发展进程中, 高校必须适应社会主义市场经济的要求, 开展全方位的社会服务, 运用自身力量最大限度地获取最佳的办学效益。这里选择用总资产收入比率、生均教育成本两个指标来衡量多校区办学高校的盈利能力。
总资产收入比率。 。该指标用以说明学校运用全部资产盈利的能力, 该指标值越高, 表明高校的办学效益越好, 越容易吸引社会投资和银行贷款。其预警临界比率为0.5。
生均教育成本率。 。 。该指标用来反映高校培养合格人才的平均成本与全国高校生均教育成本的比例, 该指标值越低, 表明高校的办学成本越低, 能用低的投入培养出高素质的学生。因此该指标值越低越好。其预警临界比率为1。
(4) 发展能力指标。发展能力反映高校持续发展能力, 可选择资产权益比率、自有资金动用程度、其他资金占用程度、自有资金余额占年末货币资金的比重等指标反映高校发展能力。这里选择用自有资金动用程度、现金净额增长率两个指标来衡量多校区办学高校的发展能力。 。该指标越小表明自有资金动用越少, 可供学校发展的资金就越多;该指标值越大, 表明学校未来的发展越有可能受到制约。因此该指标值越低越好。其预警临界比率为1。
现金净额增长率。 。该指标直接体现了学校可支配和周转的财力状况, 反映了学校事业建设的可持续发展能力。为保证学校教育事业建设的持续发展, 保持一定的现金增长率是必要的。现金净额增长率指标, 直接体现了学校可支配和周转的财力状况, 反映了学校事业建设的可持续发展能力。该比率越高, 说明财务调控能力和对债务的支付能力越强。其预警临界比率为0.1。
三、高校多校区办学财务危机预警模型构建
(一) 财务风险预警指数计算及权数设定具体如下:
根据所选取的预警指标, 结合多校区办学的高校自身的特点和管理需要, 对确定的指标再次运用专家调查法, 给定每个指标的权重, 形成了如表1所示的预警系统指标集和权重集。
(二) 财务危机预警模型构建根据上节所列指标, 为多校区办学的高校构建的财务危机预警模型的表达式为:
其中:
通过上述公式计算所得结果可以确定该高校财务风险的警度, 从而为风险控制提供有力的分析工具。高校财务风险预警的警度一般可设计为无警、轻警、中警、重警、巨警五个等级, 其中无警即表示处于顺境状态, 轻警表明财务状况开始恶化, 中警表明财务状况中度恶化, 重警表明财务状况严重恶化、出现预警, 巨警表明进入危机状态, 财务状况已到非改不可的地步。
本文在与一般行政事业单位警限相比较的基础上, 运用上述方法将多校区办学高校的财务预警综合指标 (Z) 的警限进行设置如表2所示。
多校区办学的高校相比普通高校而言, 面临着更大的财务风险, 通过为这部分高校建立财务危机预警模型, 一方面能够让高校树立风险意识, 另一方面能通过预警指标值的动态变化, 捕捉高校财务风险的信息, 促使多校区办学的高校积极采取应对措施来防范和化解财务风险。
参考文献
财务危机预警模型 篇10
关键词：货币危机；早期预警模型
1 FR概率模型
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。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。结论是当经济增长越低，国内信贷增长越高，国际市场利率越高，外商直接投资与外债比越低，外汇储备越少以及实际汇率越被高估时，越有可能发生危机。
优点是对一系列前述指标的样本数据进行最大对数似然估计，以确定各个引发因素的参数值，模型构建简单，数据取得容易，方法较为成熟，应用较为广泛。缺陷主要是：“三重估计”在客观上限制了模型的准确性；在确定引发因素、样本数据方面对各个国家一视同仁，没有区分；数据很难达到“大数定律”的要求。
2 STV模型
Sachs，Tornell和Velasco选择20个新兴市场国家的截面数据进行研究，因此该模型被称为横截面数据回归模型。该模型分析了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。其实证结果表明当国家的金融体系脆弱和国际储备较低时，汇率高估或贷款繁荣容易引致投机进攻进而引发金融危机。
该模型除具有FR模型在指标选取和方便使用等方面的相同优点外，还使用了横截面数据，克服了FR概率模型没有考虑国别差异的不足；同时，该模型的指导思想是寻求哪些国家最有可能发生货币危机，而不是分析什么时候会发生货币危机。不足之处在于模型要求找到一系列相似的样本国家，这在现实中相当困难；考虑因素范围过于狭窄，只考虑汇率、国内私人贷款、国际储备与广义货币供应量的比率等指标；估计方程是线性回归模型，过于简单；虽然Sachs等人的回归分析法对货币危机发生的决定因素进行了有益的分析，但是人们关心的不仅仅是决定危机发生与否的因素，而是希望能够预测危机发生的时间。
3 KLR信号分析法
Kaminsky、Lizondo和Reinhar对货币危机进行定义，确定信号区间，然后依据显著性检验挑选出一些重要预警指标，如果预警指标的变动超出阀值，那么就认为该指标发出未来一段时期将要发生危机的信号。在预警系统设中，预警指标的选择需满足两个基本求：一是所选经济指标是符合货币危模型的，在理论上能对危机起预测用。二是所选指标在实际操作上是可的，即这些指标的数据是每月都可得的。得出的主要结论是：预测货币危机的有效指标包括出口、实际汇率对一般趋势的偏离、广义货币对外汇储备的比例、产出和股票价格，而国内外实际存款利率的差别、借款利率和贷款利率的差别、进口、银行存款等指标并不具备有效预测的能力。
KLR方法的优点首先是所选取的货币危机预警指标是一种先导指标，即在货币危机发生前一年到一年半之间就发出预警信号，便于当局先发制人、采取措施防止危机发生，真正起到“预替”的作用。其次，通过噪声/信号比筛选预警指标，KLR方法得出的指标体系具有稳健性，即就能够在危机发生前持续发出信号且准确度高、嗓声小。最后，KLR方法便于理解和应用，实证研究也证明了它的有效性。但是KLR模型的缺陷也很明显，由于KLR模型将外债指标作为研究对象，而外汇储备又不作为指标，于是导致认为外债指标作用不佳，从而放弃了外债指标。而且25个指标中有明显的倾向性，大多集中在外汇储备、信贷增长与实际汇率等方面，放弃了外债指标有失偏颇。
4 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和总贬值冲击模型。实证结果表明，样本外预测对货币危机的发生具有较强的解释力，而且它也进一步证实了早期理论研究中提出的导致货币危机发生的主要因素。模型的结果显示，外汇储备和出口的下降以及真实经济的虚弱是导致危机发生的最重要解释变量。此外，货币危机的传染性在货币危机中也起了重要的作用。
财务危机预警模型 篇11
当前,财务危机预测的研究主要集中在普适性的财务危机预警指标体系及模型的构建方面,针对于某个行业的研究却很少。我国经济社会的发展促使行业分工更加细化,行业间的差异性越来越显著,普适性的指标体系和模型已经很难满足经济发展的需求。因此,构建分行业的财务危机预警指标和模型,更有利于提高模型的实用性。在当前情况下,中国制造业行业发展迅猛,其在国民经济中的基础性、先导性及联动性,已经使其已经成为国家的支柱产业。随着我国资本市场的快速发展,制造业上市公司的质量日益受到重视。但是制造业在快速发展的同时却承受着巨大的财务风险,加之国家的宏观调控的影响,风险与日俱增。因此,建立制造业上市公司财务预警系统,利用可以获取的财务数据及时进行财务预警将可以很大程度的避免风险的扩散与财务状况的恶化。
二、制造业上市公司财务预警模型指标
(一)样本选取上市公司财会年报的信息披露一般在次年的4月30日为截止日,因此,公司披露的上一年度的财务报表几乎可以同时包括公司是否出现“财务状况异常”而被特别处理的信息。结合Ohlson(1980)的研究经验,采用公司前两年的财务报表信息来预测本年度是否会因财务状况异常而被特别处理。本文的样本来源于万得数据库收录的我国沪、深证券交易所的制造业上市公司,根据我国信息披露制度的要求选取一组估计样本和一组检验样本,前者由22家2003—2013年首次被ST公司和22家同行业的非ST公司组成,用来构建财务危机预警模型。后者随机另外挑选了10家ST公司和10家非ST公司,用来检验模型的预测能力。
(二)指标选取财务危机的主要表现是不能偿还到期债务,尤其是制造业行业资产负债率偏高,因此优先选择偿债能力指标,当然,财务危机的形成从其它角度看也有可能是盈利能力差、营运能力差的结果,因此选取指标的范围包括了营运、成长、盈利、偿债、现金流量等方面指标。资本市场融资能力也是反映上市公司财务健康状况的重要内容,本文从两个方面来予以衡量:市净率和市盈率,这两个指标是衡量股票投资价值的一种动态指标,容易理解且数据容易取得,是很具有参考价值的股市指标。在高效的市场中,价格对信息的反应是瞬间的、迅速的,所以仅凭股价就可以准确判断出上市公司发生财务危机的可能性。但是在低效的证券市场上,股票价格只能部分反映公司的财务状况。目前我国股票市场基本达到弱式有效,市场效率不高,因此,以财务报表为基础,综合动态股市信息的模型具有更好的预测效果。
根据以上分析本文共选取表1所示的34个指标来构建财务危机预警模型。
(三)指标优化对34个解释变量进行了相关性检验,发现指标之间存在着显著的相关性,多重共线性的存在会影响本文采用回归分析构建预警模型的效果,因此,采用主成分分析法提取主成分来降低模型的变量并解决变量多重共线性的问题。
(1)确定因子是否适合做因子分析。运用KMO检验模型与巴特利特球度检验(Bartlett’s)检验数据是否适合采用因子分析法。检验结果如表2所示。
KMO统计量用于探查变量间的偏相关性,其取值范围在0-1之间。KMO越接近1,越适合做因子分析,0.9最佳,0.7尚可。KMO值大于0.7,表明适合采用因子分析法,同时,相伴概率为0.000,也支持采用因子分析法。
(2)提取主成分。如表3所示:
表3列示了各主成分的特征值和方差,按照特征根大于1,累计方差贡献率大于85%的原则提取前9个变量,累计方差贡献率为88.26%,符合主成分分析的要求,进一步计算主成分因子载荷矩阵,见表4。
(3)主成分的表达式。
根据主成分分值的计算公式:
计算主成分的表达方程:
…
其中,ZXi为各个解释变量的标准差,计算公式为:
通过以上步骤计算出44家样本公司的主成分分值。
三、制造业上市公司财务危机预警模型构建
(一)预警临界点划分在企业经营管理活动过程中,财务风险是普遍存在的,因此根据模型计算出来的数值在不高于某一临界值时,企业发生财务危机的可能性很小,当超过某一临界值时,企业发生财务危机的可能性则有可能会显著增大,因此需要寻找一个合理的临界值。构建多元线性回归模型需要不断的进行改造和发展,不断增加新变量或者减少不必要的变量,通过某些财务指标来判断企业的财务特征以及发生财务危机的概率。一般以0.5作为是否发生财务危机的分割点,如果模型得出的事件发生概率大于0.5,则判定这一事件发生。财务危机预测模型无法避免的两个错误是:Ⅰ类错误(误拒错误)和Ⅱ类错误(误受错误),前者指把财务危机公司误判为非财务危机公司,后者则恰恰相反。在理论上并不存在普遍适用的“分割点”,分割点的确定依赖于模型使用者的目标,同时还受到行业特征、企业特征的影响,因此,本文采用普遍使用的0.5作为最优分割点。
(二)财务危机预警模型构建在对模型进行回归统计过程中应考虑归结果的合理性,例如企业净资产收益率的提升应当减少财务危机发生的可能性,因此模型中的回归系数应为负,如果出现正数的值,则应考虑将其剔除。
根据样本公司t-2年的数据值计算各主成分得分并进行回归统计,因变量Y表示制造业上市公司是否陷入财务危机,取0和1两个值,0表示财务正常的制造业公司,1表示财务危机的制造业公司。运用SPSS软件分析获得模型的相关参数如表5所示。
回归结果表明,9个主成分中,F1、F3、F7、F8进入了模型且通过了显著性检验。其中F1在模型中的系数为-0.219,且在0.5%的显著性水平下通过了检验,这说明企业的盈利能力越强,企业陷入财务困境的可能性越小;F3在模型中的系数为-1.167,且在0.5%的显著性水平下通过了检验,这说明企业的营运能力越强,企业陷入财务困境的可能性越小;F8在模型中的系数为0.082,且在0.5%的显著性水平下通过了检验,与前面几个主成分不同,其系数为正,这说明企业的资产负债率越高,企业成为危机公司的可能性就越大;F8在模型中的系数为0.271,且在0.5%的显著性水平下通过了检验,这说明市净率越低,股票越具有投资价值,市场表现越好,显然陷入危机的可能性就越小。
从上表5可以得到公司在t-2年的财务危机预警模型:
即:
本文样本中财务危机公司与正常公司的比例为1:1,企业是否发生财务危机按照P值来判定,当P﹤0.5时,为财务正常公司;反之为财务危机公司。将样本中的解释变量带入到模型中,计算得出了44个样本企业的P值,制造业上市公司是否发生财务困境的预测准确率见表6。
模型的第一类错误预测误判率为8.12%,第二类错误的误判率为12.6%,总体误判率为10.89%,表明模型的预测准确性极较高。第一类误判是将非财务危机的公司误判为财务危机公司,会导致公司采取更谨慎的财务政策,影响企业的正常投资。第二类错误是将财务危机公司误判为非财务危机公司,会导致公司财务风险的提升,具有更大的危害性。因此,应重点关注第二类误判。
采集了20家制造业上市公司最后进入预警模型的财务变量的原始数据,采用新的样本数据对财务危机预警模型的预测能力进行检验,按照上述步骤计算检验样本与建模样本的准确率对比情况,结果如表所示。
从表7可以看出,用测试样本数据对模型进行检验时,发现将测试样本数据带入到模型中,预测模型的准确率达到90%,比建模样本的预测精度还要高,这表明本模型不仅对历史数据具有较好的拟合度,对未来状况的预测也是比较理想的。
四、结论
本文选取了34个财务指标建立的财务危机预警模型,分别获得了估计样本88.9%的预测准确率和测试样本90%的预测准确率。说明所选取的财务指标对制造业企业陷入财务危机有一定的判别作用。由于我国证券市场历史较短,制造业上市公司本来就不多,本研究涉及的样本数据有限,可能造成数据质量不高,同时,由于中小企业的财务资料没有对外公开,数据极难获得,而现实中该类制造业企业出现财务危机的可能性远大于上市的制造业企业。在后续的研究中,应尝试以中小制造业企业为研究对象建立预警模型,进一步验证该模型的实用性。
摘要：本文结合中国制造业行业的特点,以中国44家制造业上市公司2001~2013年的数据作为样本,选择34个财务指标采用主成分分析法对指标进行筛选和优化,得到了中国制造业上市公司的财务指标体系包含7类25个指标,最后本文采用回归统计的方法构建中国制造业上市公司财务危机预警模型并进行实证检验。