财务预警方法比较研究（精选6篇）
财务预警方法比较研究 篇1
随着世界范围内经济发展速度的加快, 在企业经济的发展过程中不确定因素也随之增长, 和以往相比, 现代企业面临着更大的出现破产和财务危机的可能性。因此, 对企业防微杜渐进行财务预警研究是十分必要的。主要的财务预警模型分为单变量财务预警模型和多变量财务预警模型两种。单变量财务预警模型由于只有一种财务指标, 现代企业面临着多方面的影响, 往往单一指标并不能全面完全地反映企业的经济状况, 运用这一模型时就会常常出现模型预警失误, 因此, 多变量财务预警模型成为预警模型的主要选择。目前主要的多变量财务预警模型包括:多元判别模型、主成分分析模型、多元逻辑模型、多元概率比模型和BP神经网络模型五种。但目前对于多变量财务预警指标如何选取并没有明确的理论指导, 本文对前人的研究加以整理分析, 希望可以在财务预警模型应用方面提供一些可以参考的信息。
一、财务危机的界定及样本选取
国外对财务危机的研究主要侧重于破产角度。Beaver认为拖欠债务, 优先股股利, 破产是财务危机的表现。Carmichae认为危机是指企业履行业务时受阻, 表现为:长期债务能力低、资金取得困难。外国学者大多以破产来定义财务危机。但就我国而言, 对破产研究的很少, 郭丽红认为财务危机是企业不能在规定期限内还款的一种表现, 赵爱玲也认为财务危机即资不抵债。我国学者通常认为财务危机即无力支付到期债务的现象。同时, 在样本的选择中外国学者通常选取《Moody行业手册》中破产企业为样本, Beaver他以79家财务正常公司和破产公司作为研究对象, 所选择研究对象来源于《Moody行业手册》。国内通常选取上市ST公司为研究对象, 姜秀华、孙铮以2001年11月20日为基点选取了42家ST公司进行财务预警研究。
就五种财务预警模型纵向比较而言, 国内外学者在对财务危机的界定和样本的选取方面存在着一定差异, 但这种差异是由于国情等现实因素造成的, 总的来说符合研究的实际情况, 对五种财务预警模型的应用并没有实质性的影响。
二、财务预警模型的应用范围
在上述五种财务预警模型中, 在理论层面上由于模型本身的要求, 对模型的应用范围有一定的限制。对于多元逻辑模型, BP神经网络模型的应用并没有数据类型的限制, 但对于多元判别模型、主成分分析模型、多元概率比模型适用范围有着严格的要求。陶艳珍指出对于多元判别模型, 主成分分析模型要求样本必须服从正态分布, 两个样本组的协方差相等且变量之间存在着多重共线性关系。张妍妍指出多元概率比模型要求样本服从正态分布, 同时要求所选财务指标可以线性解释P值。在实际应用中除了受模型本身要求之外, 五种财务预警模型可以随意应用到各个行业领域。
从上述可以得出, 单纯就模型的适用性而言, 由于模型本身对于样本数据的要求多元判别模型、主成分分析模型和多元概率比模型应用受到一定的限制。多元逻辑模型、BP神经网络模型适用性更强。
三、财务预警指标选取
多元判别财务预警模型的首创者Altman所建立的Z模型从22个会计比率类财务指标中提取出5个具有代表的指标, 即:营运资本/总资产、留存收益/总资产、息税前收益/总资产、股东权益/总负债和销售收入/总资产。吴世农引入公司内外部治理变量, 在其建立的预警指标体系中使用了12个非财务类指标, 利用多元判别模型对公司财务状态进行了预测。
杨淑娥, 徐伟刚在主成分分析模型中考虑到反映现金流量方面的比率指标和累计盈利能力的比率指标。曹德芳、夏好琴运用主成分分析法, 结合财务指标, 将股权结构变量法人股比例、流通股比例引入到财务危机预警研究中。
Martin建立的多元逻辑模型中指出净利润/总资产、坏账/净利润、费用额/营业收入、等六个财务比率指标能够更显著判别公司的危机。杨华在引入财务指标的基础上又引入了股权结构、年报披露、等四个方面的非财务指标, 运用Logistic回归方法构建模型, 预测准确率大有提高。
Ohlson运用Probit判别法建立的Probit模型考虑到资产负债率, 流动比率, 利润率等财务指标。白承彪从企业偿债能力, 盈利能力, 营运能力和发展能力四个方面选取指标利用多元概率比模型进行预警。
Koh用息税前利润、负债比率、资产报酬率、股票市价/总资产保留盈余/资产五个指标建立人工神经网络模型。谭久均利用BP神经网络模型引入了销售现金比率、经营活动现金流入比与现金流动负债比等三个现金流量类比率。
在五种财务预警模型的预警指标发展方面可以看出, 初期财务预警指标集中于会计指标, 随着研究的深入, 非财务指标和现金流量指标的引入使预警的准确性提升了。
四、预警度
在多元判别财务预警模型中Altman认为如果企业的Z值大于2.675, 表明企业的财务良好;如果Z值小于1.81, 则企业存在很大的破产风险;如果Z值处于1.81—2.675之间, 企业财务状况是极不稳定的。
杨淑娥建立的Y模型中Y>1为财务状况非常安全区域;1>Y>0.5财务状况安全区域;0.5>Y>0.3财务状况灰色区域;0.3>Y>0财务状况失败区域;0>Y财务状况严重恶化区域。
多元逻辑模型和多元概率比模型p>0.5财务状况良好;p<0.5出现财务危机。Martin认为当p值大于0.5时说明企业财务状况良好, 反之企业会面临极大的破产风险。
朱燕妮利用BP神经网络模型按照第一次出现净利润为负值, 连续两年出现净利润为负值, 每股净资产低于账面价值三个方面的不同情况把企业分为健康, 轻度和重度三个方面。将预警安全指数在0~1之间分为5部分 (0, 0.2) 巨警; (0.2, 0.4) 重警; (0.4, 0.6) 中警; (0.6, 0.8) 轻警; (0.8, 1) 无警。
在各个模型的预测过程中由于所选样本, 指标各个方面都存在着差异, 因此模型的警度也有差异。
五、准确度
张玲以120家公司为研究对象, 选取了70家处于财务困境的公司和非财务困境的公司为样本, 应用了线性判定分析, 多元线性回归分析和logist逻辑回归模型三种方法, 分别建立三种预测财务困境的模型, 这三种模型也都有一定的实践效果。但针对同样一个样本数据的分析而言, Logistic预测模型的预测精度最高, 预测效果最好。吴应宇以我国上市公司为研究对象, 根据行业分类和总资产规模选取被ST和正常公司各28家作为训练样本, 运用3种独立的建模方法, 分别建立了主成分分析预警模型、线性判别预警模型和逻辑回归预警模型。通过模型比较发现, 主成分分析预警模型优于线性判别模型。辛秀从偿债能力等6个方面选取指标, 利用小波神经网络方法构建财务预警模型, 研究结果表明该方法优于多元统计方法, Logisic和Pobit方法构建的财务预警模型。
就一般情况而言, 对财务危机预测精度, 多元逻辑模型优于多元判别模型, 多元概率比模型, 主成分分析模型优于多元判别模型, BP神经网络模型优于多元逻辑模型和主成分分析模型, 但有时模型的准确度也受所选行业所选财务指标影响。
六、研究结论及建议
从上文的分析中可以看出, 在财务预警的过程中要充分了解每一个财务预警模型。在面对不同行业、不同样本、不同财务状况的公司时才能综合应用这几种模型。下面提出几点在模型应用选择中的意见。
(一) 对各个模型要充分了解, 综合应用选择
在模型的选择过程中要充分利用模型的特点, 针对企业不同情况分时段选择。不可拘泥于单一的财务预警模型。例如多元判别模型指标反映全面但指标之间存在一定干扰性, 可作为短期预测模型, BP神经网络模型适合作为由内部机制引起问题的模型。因此, 这些模型应综合应用。
(二) 选取模型时, 要充分考虑到样本的使用条件
样本的使用条件不仅包括样本是否满足模型的基本条件, 还包括样本所处行业特征和其他财务状况等。例如, 如果样本过多会造成BP神经网络模型学习能力不高影响预测效果, 同样, 在多元逻辑模型中如果样本数量较少也会造成预测准度下降。
(三) 在模型的应用过程中, 要注意模型的改进
模型对于财务预警模型的准确度有很大的影响。在模型的应用过程中, 我们要重视模型的改进问题, 提高模型的应用效率。例如, BP神经网络模型中, 可以应用遗传算法来提高收敛速度, 提升预测准确性。
(四) 在预警过程中, 也要注意指标的选取
预警指标作为财务预警的重要组成部分, 在模型预测过程中有十分重要的作用, 在模型的预测过程中, 也要根据具体行业选取一定的行业指标和非财务指标、现金流量指标, 才能更好地提高预测效果。
参考文献
[1]Beaver W H.Financial Ratios as Predictors of Failure:Empirical Research in Accounting[J].Journal ofAccounting Research, 1966 (05) .
[2]Carmichael D.R.the Auditor’s Reporting Obligation[J].Auditing Research Monograph, 1972 (01) .
[3]郭丽红.企业财务危机的原因分析[J].浙江财税与会计, 2001 (10) .
[4]赵爱玲.企业财务危机的识别与分析[J].财经理论与实践, 2000 (06) .
[5]姜秀华.孙铮治理弱化与财务危机:一个预测模型[J].南开管理评论, 2001 (10) .
[6]陶艳珍.财务预警模型及其应用探讨[J].财会月刊, 2008 (12) .
[7]赵秀敏.财务预警模型的创建与应用[J].西部财会, 2011 (03) .
[8]张妍妍, 吴乔.基于probit模型的中国上市公司退市风险预警研究[J].贵州财经学院学报, 2011 (01) .
[9]Altman E, Haldeman R, Narayanan P.Zeta Analysis-a New Model toIdentify Bankruptcy Risk of Corporations[J].Journal ofBanking&Finance, 1977.
财务预警方法比较研究 篇2
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) .
电力企业财务危机预警方法研究 篇3
财务危机预警是为了化解企业财务危机而建立起来的一种机制, 是企业根据财务管理学、风险管理学和统计学等相关的理论, 以企业的财务报表、经营计划、相关经营资料等为依据, 利用定性和定量的分析方法, 建立预警分析机制, 将企业所面临的经营波动情况和危险情况预先告知企业经营者和其他利益相关方, 以便及时的分析企业发生经营非正常波动或财务危机的原因, 挖掘企业财务运营体系中所隐藏的问题, 以督促企业管理部门提前采取防范措施, 为企业管理部门提供决策和风险控制依据。总的来说, 财务危机预警方法指的是通过设置并观察一些敏感性财务指标的变化, 对企业可能或将要面临的财务危机事先进行预测、预报的财务分析方法。财务危机预警方法是一种成本低廉的企业财务诊断工具, 在企业中制定财务危机预警机制, 可以充分的发挥财务预警机制的财务监测作用、财务诊断作用、财务治疗作用, 对企业的生产经营过程和财务状况进行跟踪监控, 及时的对财务预警进行分析, 发现财务状况异常的征兆, 以便迅速采取应变措施, 将财务危机扼杀在摇篮之中, 避免财务危机, 减少企业损失。
二、电力企业财务危机预警指标选择的原则
(一) 代表性原则
在电力企业财务危机预警指标选择的时候, 要选择具有高度总结性、代表性、概况性的, 能大体反应某类能力的基本特征和变化趋势的财务预警指标。
(二) 系统性原则
电力企业的财务危机预警指标不仅需要有先进性的监测指标, 还要求监测的对象具有完整性和全面性, 能够对电力企业可能面临的系统内或者系统外的风险进行监测, 并且对各种风险因素进行全面的考虑, 找出防范、解决风险的措施, 从而从整体上强化预警企业财务总体变动状况, 提高财务危机预警信号的有效度。
(三) 灵敏性原则
电力企业在选择财务危机预警指标的时候, 要坚持灵敏性的原则, 保证所选择的财务危机预警指标能够灵敏的反映电力企业内部的财务变动状况, 从而及时的对其进行控制, 使电力企业系统内部的财务状况保持在规定的范围之内。通过灵敏的财务危机预警指标, 使电力企业根据财务变动状况有效的控制和合理的分配调控电力企业的财务, 从而使电力企业的财务变动能够控制在合理的置信期间内进行。
此外, 除了上面三个财务危机预警指标选取的原则之外, 还有坚持重要性的原则、一致性的原则、准确性和迅速性的原则等等。
三、电力企业财务危机预警方法的选择
(一) 多变量模型和单变量模型相结合的财务危机预警方法
单变量模型具有简单易行的优点, 但是精度不够, 在财务指标上不能全面的体现电力企业综合财务状况, 而多变量模型能够准确的反应电力企业整体的财务状况, 在财务危机预警中能够起到主导作用, 因此, 在电力企业中, 可以采用多变量模型和单变量模型相结合的财务危机预警方式, 通过单变量和多变量之间的互补, 充分利用单变量模型和多变量的优点, 建立完善的电力企业财务危机预警机制, 有效的防弊电力企业出现财务风险。
(二) 通过对实际情况进行综合分析, 找出最适合的电力企业财务危机预警方法
企业财务危机预警机制的建立必须符合本企业的具体情况。在电力企业当中, 部门众多, 分类复杂, 要根据本企业的组织形式、管理水平、经营理念等具体情况, 通过全面综合的分析, 找出最适合电力企业的财务危机预警机制分析方法。具体来说, 要根据电力企业各部门的具体特点, 在预警模型中选择好一定的财务危机预警指标项目, 对电力企业的综合股权结构、财务报表、内部控制以及发展战略等多方面因素进行具体全面的分析, 找出最科学的财务危机预警机制分析方法。
(三) 合理选取会计数据和财务指标
企业会计数据和财务指标是企业对财务进行控制的主要依据和保障, 是对企业破产可行性分析的指标, 因此, 合理选取会计数据和财务指标对于建立财务危机预警机制具有重要的作用。在电力企业中, 合理的选取会计数据和财务指标, 并对其进行综合分析, 建立电力企业财务危机预警机制, 从而达到对电力企业财务合理分析控制的目的, 确保电力企业财务的安全。
(四) 把电力企业的现金流和非现金流指标相结合
现金流量是影响企业财务流动的主要因素, 经研究发现, 很多的盈利企业破产的原因就是因为现金流量不足, 因此, 在企业的财务危机预警机制中, 要把现金流和非现金流相结合。在电力企业当中, 可以通过把现金流量和非现金流量指标相结合, 保证电力企业的财务危机预警机制能够有效的进行。
(五) 在确定电力企业财务危机预警方法的时候, 要严格的执行电力企业财务制度
首先要加强电力企业财务监督、防范工作, 成立电力企业财务稽核机构, 重视对电力企业财务的监督工作。其次, 要遵守国家有关电力企业财务危机预警的规章制度, 强化财务监督职能建设, 及时的发现电力企业中的财务问题, 并找出有效的防范和化解财务风险措施。第三, 要加强会计核算基础工作, 保证会计核算信息的真实性、完整性、精确性, 提高电力财务信息核算的质量。
结语
综上所述, 财务危机预警方法指的是通过设置并观察一些敏感性财务指标的变化, 对企业可能或将要面临的财务危机事先进行预测、预报的财务分析方法。电力企业的财务危机在发展的过程中是一个循序渐进的过程, 因此可以通过做好电力企业的财务危机预警机制, 提高对电力企业财务的管控能力, 有效消除企业内部财务危机隐患, 杜绝财务危机的发生。
摘要：电力企业是我国的基础能源企业, 关系到人们的日常生活和国家的安定有序。一旦电力企业出现财务危机, 不但会严重影响电力企业经济的发展, 还会给整个国家的经济体系带来灾难, 给人们的生活带来困扰。电力企业的财务危机在发展的过程中是一个循序渐进的过程, 因此可以通过做好电力企业的财务危机预警机制, 提高对电力企业财务的管控能力, 有效消除企业内部财务危机隐患, 杜绝财务危机的发生。本文主要分析研究了电力企业财务危机预警方法研究。
关键词：电力企业,财务危机,预警,方法,研究
参考文献
[1]王素芳.电力企业财务危机预警方法探讨[J].现代企业文化, 2009 (15) :157-158.
[2]张冬青.电力企业财务危机预警方法研究[J].科技与企业, 2012 (11) :54.
财务预警方法比较研究 篇4
关键词：财务危机预警,配对样本t检验,主成分分析
0 引言
财务危机是指企业明显无力按时偿还到期的无争议债务的困难与危机。根据相关网站统计, 国内外每年都有数以万计的企业因财务危机而倒闭。这种经营失败, 实质上是企业缺乏财务风险防范能力, 在财务风险面前显得软弱无力。本文基于此通过主成分分析方法运用多个财务指标综合建立主成分财务危机预警模型, 帮助企业在危机来临前识别风险, 对防范和处理我国上市公司财务风险具有一定的指导意义和实用价值。
1 文献综述
国外最早的财务预警研究者是Fitzpatrick, 其创建的单财务比率判定模型, 开创了单变量财务预警方法的先河。随着对现金流量信息重要性的认可, 许多学者尝试运用现金流量信息预测企业财务困境。Beaver (1966) 利用单变量模型预测企业财务情况, 发现现金流量与负债比率能够比较准确地判定公司是否陷入财务困境。Altman (1968) 创立了多变量的Z分数财务预警模型。
国内的企业预警研究起步较晚, 绝大部分以上市公司为研究对象, 其研究初期主要是对国外方法的介绍和具体应用。陈静 (1999) 在《上市公司财务恶化预测的实证分析》中使用1998年的27家ST公司和27家非ST公司的财务报表数据, 进行了单变量分析和二类线性判定分析研究。张玲 (2000) 采用多元线性判定法则选取深沪交易所120家上市公司作为研究对象, 研究得出的判别方程和判别法则选择出的指标为资产负债率, 营运资金/总资产, 总资产利润率, 留存收益/总资产。吴世农、卢贤义 (2001) 在《我国上市公司财务困境的预警模型研究》中选取6项财务比率建立了财务预警系统。张爱民 (2001) 等选取40家ST公司及40家非ST公司作为研究样本, 采用主成分分析方法, 建立了另一种预测企业财务失败的模型———主成分预测模型, 并对上市公司财务失败的主成分预测模型进行了实证检验。
2 研究设计
2.1 研究假设
根据后文对财务危机预警模型设计的需要以及结合现实性, 本文做出以下相关假设:①由于连续两年净利润为负而被ST处理的上市公司被认为陷入财务危机状况;②与选取的ST公司同行业且资产规模相差±10%范围内的非ST公司具有可比性;③上市公司的财务数据真实且能反映公司财务状况。
2.2 研究方法
本文利用配对t检验来筛选公司处于和不处于财务危机时财务指标是否存在显著性差异, 然后作为构造模型的指标进入下一阶段, 再通过主成分分析方法在不损失或很少损失原有信息的前提下, 减少变量个数, 反应综合信息。
2.3 变量设计
本文共选取盈利能力、发展能力、营运能力、偿债能力等四个维度共18个变量来构建财务危机预警指标体系, 综合反映ST公司的财务状况。
2.4 数据来源和样本选择
①数据来源及选用。本文的数据来自于聚源数据工作站和新浪财经网上有关各上市ST及非ST公司的财务数据。其中假定上市公司被ST的2010年份为t。本文选取因财务状况异常而被特别处理的ST上市公司和非ST上市公司t-1年 (2009年) 和t-2年 (2008年) 为研究范围, 取用这两年的财务数据作配对检验, 以t-2年数据作主成分分析。②配对原则。在为ST公司选择配对的非ST公司时, 本文按照时间匹配及数量1:1匹配原则:要求所处行业相同, 且资产规模相差+10%以内, 极个别确实无法准确配对但具有重要意义的样本除外的其他无法配对的样本个体均被剔除, 这样的选取原则可以较好的满足可比性要求。
3 实证分析
3.1 配对样本t检验
通过SPSS19.0软件根据24家公司t-1年和t-2年的财务数据对20个指标进行显著性分析, 我们设定两年的配对结果必须都在0.05的置信水平下通过配对t检验, 才能说明该财务指标能够显著区别ST公司和非ST公司, 并将通过检验的财务指标作为财务预警指标进入下面的主成分分析。初步筛选结果如表1所示, 销售毛利率、销售净利率、ROE、ROA、流动比率、速动比率等共11个可进入下一阶段的财务预警指标。
3.2 主成分分析
3.2.1 基于初步筛选的11个指标, 再通过主成分分析提取信息 (前4个主成分综合指标信息提取度达到82.71%) 后, 本文提取的综合财务指标如下, 并列主成分载荷矩阵表如表2所示。
由表2成分矩阵的系数和各主成分特征值计算得到主成分的系数矩阵如表3。
根据表中系数矩阵和各标准化变量可得到t-2年4个主成分的综合表达式:
Y1=0.028*ZX1+0.424*ZX2+0.087*ZX3+0.408*ZX4+0.326*ZX5+0.300*ZX6+0.328*ZX8+0.303*ZX9+0.212*ZX16+0.381*ZX17-0.242*ZX18
Y2=-0.459*ZX1-0.209*ZX2+0.141*ZX3-0.296*ZX4+0.361*ZX5+0.427*ZX6+0.217*ZX8-0.284*ZX9+0.286*ZX16+0.002*ZX17+0.340*ZX18
Y3=0.299*ZX1-0.123*ZX2+0.805*ZX3+0.028*ZX4+0.089*ZX5+0.0001*ZX6+0.235*ZX8+0.157*ZX9-0.352*ZX16-0.039*ZX17+0.272*ZX18
Y4=0.261*ZX1+0.119*ZX2+0.003*ZX3+0.015*ZX4+0.012*ZX5+0.127*ZX6-0.399*ZX8+0.408*ZX9+0.566*ZX16-0.328*ZX17+0.385*ZX18
主成分Y1式各系数均在0.3-0.4之间, 可见Y1反映公司财务状况的综合因子1;主成分Y2的各变量系数都差不多, 因此也为反映公司财务状况的综合因子2;Y3的ZX3系数较高, 可见是反映公司获利能力的因子;Y4的变量系数中ZX8、ZX9、ZX16、ZX17、ZX18均较高, 因此为偿债能力和发展能力因子。
3.2.2 对主成分的特征值与贡献率进行计算可构造反映公司财务状况评价指数F, F是各综合因子Y1、Y2、Y3、Y4的线性组合。F=∑4i=1ki×Yi, 其中为各主成分对综合指标F的贡献率。
由上式得出2010年各ST上市公司样本组在t-2年的财务状况综合指标值, 再全部加总平均后得出均值F1为-0.2698。
4 预警临界值的确定及模型检验
同样运用上述方法计算得出配对样本组非ST上市公司的财务状况综合指标均值为0.4668。以两个样本组值的平均值作为上市公司财务危机预警的临界值, 结果为-0.0985。即表示:低于临界值则预示公司将会陷入财务危机, 应引起公司高层的重视, 从而起到预警作用;而高于临界值则表明公司财务状况良好;等于临界值时为灰色状态, 需另行判定。
确定预警临界值后我们返回对上述样本进行检验, 其检验结果如表4所示。
检验结果显示, 对于ST公司预测正确率为75.0%, 对于非ST公司的预测结果为87.5%, 两者综合正确率为81.3%。说明预警模型有较好的预测性, 能较好地预测上市公司的财务状况。
5 结论
上述检验结果表明基于主成分分析方法的财务危机预警模型能较好反映并预示上市公司的财务状况。主要基于以下几点:①通过配对t检验过滤掉不能反映上市公司财务状况好坏差异的财务指标, 同时使公司高层可以集中精力放在主要而非全部的财务指标。②运用主成分分析的方法二次浓缩指标, 使得模型在不失真的条件下能充分反映预警效果;同时浓缩的主成分能更好地解释上市公司财务状况好坏的原因。
但是, 本文研究的结果还是存在不完善之处。如在进行样本配对时没有对资产规模的影响进行详细的分析;其次, 模型只能简单判定是否将会有财务危机而无法辨别目前的隐患程度;再者, 事实上t-3年公司即使利润不为负, 也有可能存在某些隐患征兆, 而我们只对t-2年进行判定检验而已。因此, 本文的研究成果有待进一步深入发展。
参考文献
[1]Fitzpatrick, P.J., A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms[J].Certified Public Accountant, 1932:589-605.
[2]Edward I.Altman., Financial Ratios, Discriminated Analysis and The Prediction of Corporate Bankruptcy[J].Journal of Finance, 1968 (23) :589-609.
[3]陈静.上市公司财务恶化预测的实证分析[J].会计研究, 1999 (4) .
[4]吴世农, 卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究, 2001 (6) .
[5]张爱民, 祝春山, 许丹健.上市公司财务失败的主成分预测模型及其实证研究[J].金融研究, 2001, 3:10-25.
[6]徐凤菊.基于主成分分析法的财务风险评价模型[J].财会月刊, 2008, 12:48-50.
综合财务评价方法的比较研究 篇5
任何评价都是一个搜集信息、处理信息、得出结论的过程, 按照评价标准的复杂性, 评价可以分为单项评价和综合评价。单项评价是指采用单一的、明确的评价标准加以评价。综合评价则是相对于单项评价而言的。综合评价通常指对一个同时受到多个因素影响的复杂系统进行评价时, 需要依据多个相关指标采用多层次、多角度、复杂多项的、评价标准加以考察并得出结论。而综合评价法则是根据企业评价的目的, 以统计资料为依据, 借助一定的手段和方法, 对不能直接加总的、性质不同的项目进行综合, 得出概括性的结论, 从而揭示事物的本质及其发展规律的一种分析方法。
企业的财务评价涉及多个方面, 如:盈利能力、偿债能力、运营能力、财务风险等, 其中有些内容是容易量化的、有些内容是很难量化的, 如果单纯地采用单一评价方法是很难全面、客观地评价企业的财务状况的。针对企业财务评价的特点, 就需要将综合评价方法引入财务评价领域。运用综合财务评价方法进行企业财务可行性分析:首先, 能够有效地克服单一评价结果的片面性及不准确性, 增加评价结果的客观性及全面性, 为企业做出正确的投融资决策提供依据;其次, 能够对定性信息加以量化, 突出评价结果的科学性与有效性, 真正做到用数据说话, 提高决策的可信度;第三, 能够为企业财务评价及可行性分析提供一种新的思路, 有助于财务评价体系及财务评价理论的深层次多元化发展。近年来, 人们除了从现代统计学方法中寻找合适的统计评价方法外, 更多的是从众多的决策科学、系统科学中寻找适合财务评价的综合评价方法与思想。
2 综合财务评价方法存在的不足
综合评价方法以其评价更全面、更客观、更科学的特点被应用于财务评价领域, 但在具体的工作实践中也显现出一些问题及不足, 主要体现在以下方面。
第一, 多种综合评价方法所得评价结论的非一致性。目前, 对同一投资项目的财务可行性进行评价, 往往可以采用多种综合评价方法, 但由于运用这些方法的过程中要受到遴选专家组成、评价指标体系选择等多种因素的影响, 经常会出现对同一评价对象使用不同方法进行评价所得结论差异较大的情况。这就需要进一步对评价对象加以分类, 从而研究不同类型对象最佳的综合财务评价方法。
第二, 综合财务评价方法的选择没有可依据的准则。目前, 关于综合财务评价方法的针对性研究较少。不同评价方法的机理各异, 对不同待评价对象的适用度有所不同。财务评价的对象可以是国民经济发展各个领域的综合财务状况, 也可以是不同类型的投资项目, 既有宏观评价也有微观评价, 既有多目标评价也有单目标评价。因此, 对于同一评价对象, 出于评价目的的不同, 所选择的评价方法就会有所区别。如何选择合适的综合财务评价方法, 目前没有一个统一的标准可供参考。
第三, 理论研究与实际工作需要相脱节。从目前国内外的研究成果来看, 综合财务评价研究呈现两大趋势:一是财务评价方法研究集中在针对某类问题创新的新思路与方法, 并运用实例说明方法的有效性;二是财务评价方法研究更侧重理论研究, 评价方法所用模型越来越专业、越来越复杂。这两大趋势所产生的最直接的问题就是研究本身会消耗大量的资源, 而研究成果又很难为广大实际工作者所掌握, 很难在实践领域加以推广。因此, 针对理论研究与实际应用相脱节的问题, 最好的解决方法就是针对原有方法在实践中的不足加以完善, 以满足综合财务评价工作的需要。
3 综合财务评价方法比较研究
结合目前综合财务评价方法在实际应用中存在的问题, 本文针对现有综合财务评价方法加以比较研究, 以求对实际财务评价工作有所帮助。
3.1 改进的功效系数法
改进的功效系数法是利用多目标规划原理中的功效系数加以改进, 从而得到综合评判的分数, 并据此做出经营决策的方法。该方法的基本思路是:首先, 确定每个评价指标的满意值和不容许值;其次, 计算单项评价值即di=60+[ (实际值-不容许值) / (满意值-不容许值) ]×40;最后, 将单项评价值加权平均得到综合评价值。
改进的功效系数法在进行财务评价时的优势在于, 该方法的比较标准是用社会允许的共同尺度来衡量, 实际值经无量纲化后可比性增强;其次, 在财务综合评价时所建指标体系可以包含正指标, 也可以包含反指标, 且都是该指标评分越高, 评价结果越好, 评价指标不需要经过同向化处理;第三, 该方法下单项评价指标值一般在60~100之间, 削弱了单项指标值过大或过小对于综合评价值的影响。
该方法在综合财务评价时存在的不足也比较明显, 即满意值和不容许值很难客观、科学地界定。如果满意值及不容许值确定不准确则直接影响评价结果的准确性。因此, 改进的功效系数法更适用于评价指标明确且容易取得满意值及不容许值的行业及领域等。
3.2 层次分析法
层次分析法于20世纪70年代, 由美国运筹学家T homas L.Saaty提出。该方法运用系统分层分析, 将评价对象总体目标进行连续性分解, 并通过两两比较确定各层子目标的权重, 最后以最底层目标的组合权重定权, 加权平均求出综合指数, 并根据综合指数的大小来排序评定目标的实现情况。
层次分析法较好地避免了改进的功效系数法中存在的评价标准难以确定的问题, 并且也避免了综合财务评价方法中主观赋权重的问题, 使评价结果更为客观。层次分析法将复杂的问题进行分解并进行综合评价排序, 很好地解决了复杂问题排序的难题, 是一种很有效的、具有较强可操作性的综合财务评价方法。
与此同时, 该方法在应用过程中也存在着不足, 主要表现在:首先, 分解的子目标的层次数量要适中, 如果层次过多会增大计算的工作量, 降低该方法的可操作性;其次, 该方法需要进行一致性检验, 而一致性检验是在一定概率范围内进行的, 构造的判断矩阵不同得出的结果也会有差异, 容易造成评价结果的不一致性。因此, 层次分析法适用于总体目标不确定、分解的子目标层次数量适中, 且要求评价人员具备丰富的专业知识, 能紧密结合实际构造合适的判断矩阵进行一致性检验的情况。
3.3 因子分析法
子分析法以财务指标为基础, 从研究相关矩阵内部的依赖关系出发, 根据相关性大小把变量分组, 并在尽量减少信息丢失的前提下, 从众多指标中提取出少量的不相关指标, 然后再根据方差贡献率确定权重, 进而计算出综合得分的一种方法。
因子分析法最大的优点在于根据各因子的方差贡献率大小来确定权重, 避免了人为确定权重的主观性, 使评价结果唯一, 结论较为客观合理。而该方法的不足则体现在只是以单一的财务指标做评价的基础, 无法反映一些宏观因素及一些特殊因素对评价结果的影响, 因子分析本身的工作量比较大, 以整体进行分析, 对基础数据的准确度要求很高, 分析中如果出现数据错误不容易发现。因此, 在采用因子分析法进行综合财务分析时, 建议使用人员运用计算机软件以提高分析效率及准确度, 并结合其他评价方法, 将企业的经营管理水平、技术水平及知名度等对企业核心竞争力有决定作用的无法量化因素纳入财务评价体系, 以更好地从不同角度对企业财务状况进行评价, 使评价结果更加客观。
摘要：随着公司制企业所有权和经营权的分离, 各利益相关者出于维护自身利益的需要更加关注企业各方面的财务评价结果, 而企业的财务状况又受到多方因素的影响, 因此, 各领域学者不断探索更科学、更客观、更有效的财务评价方法。本文通过对综合评价方法的介绍, 指出综合评价方法应用于财务评价领域所存在的问题, 并针对出现的问题对常规的综合财务评价方法进行比较研究, 提出不同方法的优缺点及适用领域, 目的在于促进最优综合财务评价体系的建立。
关键词：财务评价,综合评价,比较研究
参考文献
[1]中国注册会计师协会.财务成本管理[M].北京:中国财政经济出版社, 2012.
[2]周利芬.企业综合财务评价方法的比较[J].武汉冶金管理干部学院学报, 2011 (3) .
[3]刘召.基于AHP评标决策中的模糊综合评判模型[J].中国高新技术企业, 2010 (8) .
[4]孙利荣.现代综合评价理论的发展[J].中国统计, 2009 (6) .
财务预警方法比较研究 篇6
(一) 预警模型的选择
1. Z分数模型。
Z分数模型选用的财务指标如下:X1=营运资金/资产总额= (期末流动资产-期末流动负债) 期末总资产;X2=留存收益/资产总额= (未分配利润+盈余公积) /资产总额;X3=息税前利润/资产总额= (税前利润+财务费用) /资产总额;X4=期末股东权益的市场价值/期末总负债;X5=销售收入/资产总额=主营业务收入/资产总额。
Z分数模型的表达式为:Z=0.012X1+0.014 X2+0.033 X3+0.006 X4+0.999X5。
其中, X1反映营运资本占总资产的比例, 它可以衡量企业全部资产的流动性水平;X2反映企业总资产中留存收益的数额;X3是企业财务失败最有利的依据之一;X4反映企业的财务结构;X5反映企业运用资产以产生销售收入的能力。若Z≥2.99, 表明企业的财务状况良好, 发生破产的可能性较小;若Z≤1.81, 则企业存在很大的破产危险, 即1.81是企业破产发生的定量界定。
2. F分数模型。
F分数模型选用的财务指标如下:X1= (期末流动资产-期末流动负债) /期末总资产;X2= (未分配利润+盈余公积) /资产总额;X3= (净利润+折旧) /[ (期初总负债+期末总负债) /2];X4=期末股东权益的市场价值/期末总负债;X5= (净利润+财务费用+折旧) /[ (期初总资产+期末总资产) /2]。
F分数模型的表达式为:F=1.1091X1+0.1074X2+1.9271X3+0.0302X4+0.4961X5-0.1774。
其中:X1、X2和X4含义与Z分数模型相同;X3、X5含义与Z分数模型不一致:X3=年净现金流量/平均总负债, 反映企业产生的现金流量用于偿还债务的能力;X5= (年净现金流量+利息) /平均总资产, 反映企业资产创造现金流量的能力, 其中利息指利息收入减去利息支出后的余额。F分数模型以0.0274为临界点。若某一特定的F分数低于0.0274, 则将被预测为破产公司;反之, 若F分数高于0.0274, 则公司将被预测为可以继续生存的公司。
与Z分数模型相比, F分数模型有了很大的改进:一是引入了反映企业财务状况的重要自变量——现金流量X3和X5。二是考虑到了现代企业财务状况的发展及有关财务比率标准的更新, 例如现金管理技术的应用已使企业的流动比率大大降低。三是样本扩大。另外, F分数模型样本数据库有4 160家公司的数据, 而Z分数模型样本仅为66家, 因此代表性更全面, 预测更准确。
(二) 样本公司的选取和数据来源
本次研究主要针对工程机械上市公司, 选取的样本公司分别为:柳工、三一重工、厦工股份、徐工集团、中联重科, 其2007-2009年财务数据略。
(三) 两种模型实证分析的结果
两种模型实证分析的结果如下页表1所示。
由Z分数模型计算结果表明, 样本所选取的5家上市公司中, 连续三年的Z值除了柳工2007年的Z值大于1.81外, 其他公司各年份的Z值全部小于1.81, 表明公司的财务状况很差, 发生财务危机的可能性很大, Z分数模型临界值相对我国的上市公司都相对偏高, 这和上市公司现状不是很符合, 而事实上这10家公司的经营业绩这三年都正常, 并随着金融危机的消退正以较快的成长速度增长。
由F分数模型计算结果表明, 样本所选取的5家上市公司中, 连续三年的F值全部大于0.0274, 表明公司的财务状况正常, 被预测为可以继续生存和发展的公司, 这与实际情况比较相符。
二、Z分数模型与F分数模型产生不同结果的原因分析
两种模型对目前国内知名工程机械上市公司的业绩预测的结果不同, Z分数模型认为绝大部分公司处于财务危机状况;而F分数模型却认为大部分公司均处于财务良好状况。而造成此种矛盾的原因有以下几点:
(一) 模型的建立基础不同
Z分数模型是创建于20世纪60年代后期, 开发样本是选择20世纪40-60年代的美国企业, 因此, 模型所得的结果在很大程度上与我国目前企业的实际情况有一定的出入, 其临界值相对于我国的上市公司也是偏高的。F分数模型是由我国学者根据我国企业自行研究的成果, 更适合于我国实际情况, 因此结论更准确。
(二) 会计准则的差异导致构建模型不同
会计准则的设计要与各国的经济环境、法律体系、文化环境、政治环境等诸方面相适应。由于环境等多方面的差异, 从Z值的主要预测指标上看, 主要反映企业效益与盈利能力的指标:息税前盈余/总资产普遍水平比国外低, 同时由于我国企业银行借款、应付账款等短期负债较高, 而流动资产相对偏低, 资本结构不尽合理, Z模型中的营运资金/总资产比国外企业值就会偏低。不同国家和地区的会计准则由于核算口径不一致, 核算的方法、手段、程度存在较大不同会导致构建模型不同, Z分数模型的依据是美国的会计准则, 因此, 预测结果与我国的实际情况有较大偏差。
三、结论及建议
(一) 预警模型必须考虑现金流量指标
真正用于偿还债务的是现金流量, 获取现金能力的大小可以更好地反映企业偿还债务的能力, 是上市公司信用程度的重要体现, 也是风险程度的重要标志。而Z分数模型并没有考虑获取现金能力大小的指标。所以构建的指标体系还不够全面。F分数模型更多的考虑现金流量因素, 它能更好地反映企业产生的全部现金流量可用于偿还企业债务能力及企业总资产创造价值的能力, 因此能够更准确地衡量企业是否存在财务危机。现金流量指标有助于度量企业的财务弹性, 实际上是一种“剩余”的概念。现金流量因而是除去利息支出和已经决定的投资支出之后, 管理者可以自由支配的那部分现金流量, 用以缓冲和应付可能出现的各种意外和失误, 反映企业面对各种生存危机所拥有的财务弹性。现金流量指标有助于判断企业的收益质量, 收益产生现金的能力是收益质量最重要的方面, 将现金流量与当期实现的净利润进行比较, 可以反映出企业赚取的收益满足扩张需要后剩余的现金比例, 从而更好地反映收益的质量和衡量企业财务风险。
(二) 定性分析和定量分析相结合
F分数模型引入现金流量指标能够更好地对上市公司的财务状况进行分析, 可以增强分析的客观性、准确性, 但单独采用这种定量分析方法主观性较强。因为各个公司情况不一样, 不同时期的宏观经济环境也不一样, 所以对于公司财务状况的判断分析不能单纯依赖定量模型, 要将定性指标与定量指标有机的结合, 多考虑一些宏观经济环境、财务政策、研发能力、市场占有率等因素, 这样才能更好地发挥量化模型的预警作用, 使F分数模型的作用得到充分的发展, 真正行使其预警作用。
(三) 完善F分数模型的理论体系及检验系统
公司财务预警的实证研究在资本市场发达的国家是一个被广泛关注的研究课题, 但我国对这一领域还处于初步探索阶段, 缺乏系统的理论支持及检验系统。系统地检验财务风险预测模型是研究开发适合我国企业财务状况预测模型的基础工作, 因此应当根据我国的经济状况建立一套财务预警理论体系及检验系统, 为我国的财务预警的研究奠定理论基础。
(四) 需要考虑多方面因素