危机模型

危机模型（精选11篇）

危机模型 篇1

我们知道, 在现代社会中, 企业作为社会经济发展的主体, 危机是影响企业生存和发展中的关键因素。而人力资源是企业最重要的资源之一, 是推动企业发展的关键因素, 直接影响了企业的收益和长远发展。完善的危机预警系统的建立, 使我们能够观察、捕捉到企业出现人力资源危机前的细小征兆。并对这些信息进行整理、分析和评估。决定是否需要发出警报, 以便企业采取正确的反应措施, 及早进行必要的防范。因此, 建立企业人力资源管理危机模型, 为企业提供科学适用的人力资源危机预警方法和预警系统, 具有重要的意义。

人力资源管理与危机管理

1.人力资源管理

人力资源是指能够推动整个经济和社会发展的劳动者的能力, 包括具有智力劳动和体力劳动的能力。从企业管理的角度看, 人力资源是由企业支配并加以开发的, 依附于企业员工个体的, 对企业效益和企业发展具有积极作用的劳动能力的总和。如果从现实的应用形态来看, 则包括体质、智力、知识和技能四个方面。

2.危机管理

由于企业人力资源存在的缺陷而对企业的生存与发展产生严重制约作用, 从而使企业遭受重大损失的人力资源事件。其主要表现在两个方面:一是企业人力资源数量不足或流失严重, 二是企业人力资源结构不合理。企业人力资源预警是指通过对企业人力资源内外部环境的全面监测, 识别有代表性的危机征兆, 对这些征兆进行正确的诊断和评价, 在危机来临之前进行科学预报, 并及时采取应对措施, 以减少企业人力资源危机损失, 达到企业人力资源良性管理、企业健康发展的一种方法。

企业人力资源危机预警评价指标体系

1.构建原则

(1) 灵敏性原则

要对企业的人力资源危机进行预警评价, 就需要时刻监测企业的人力资源危机状态, 而要监测企业的人力资源危机状态就需要建立相应的指标。并且要求指标体系能准确敏感的反映企业人力资源面临的各类风险, 及时反映隐患程度及主要因素的危险状态, 以及波动变异趋势, 以帮助及早做出预控对策准备。

(2) 广泛性原则

因为不同类型的企业, 在不同时期都有特定的人力资源危机, 这就要求我们尽可能全面系统地收集企业人力资源活动中诸多事件的背景、发展过程与后果影响等信息, 从整体上掌握危机发生的发展规律, 找到影响危机发生的根源, 并进行整合归类, 进而找出每一类别最基本的、主要的、实质的原因, 然后通过对其分析来设计或选取指标, 这样设计出来的指标体系才可能是一个完整、协调的系统, 能够尽量全面地反映评价目标。

(3) 独立性原则

对企业进行危机预警评价, 需要监控企业人力资源管理的各个部分。每个部分都要相应地设计或选取一些指标对该部分的运行状态进行监测, 这些指标构成了一个指标集。各个部分的监测指标形成整个企业人力资源危机预警评价系统的指标体系。每个部分的指标集的指标用于监测该部分的某一个或者一类问题, 其中有的问题需要一个指标进行监测, 而有的问题则需要多个指标进行监测。

(4) 定性与定量相结合原则

单纯的定量指标或者是定性指标都不能全面完整地反映一个企业的所有问题。为了能对这些方面进行有效的预警评价, 就必须大量地采用定性指标, 当然其中的一些方面可以进行量化评价的, 则尽量采用定量指标, 毕竟定量指标是客观性指标。而对企业财务方面, 内部流程方面, 工作的标准化和规范化程度都比较高, 能够用于预警评价这几个方面的定量指标有很多, 那么就尽量采用定量指标进行评价。

2.设计思路

分析评价内容—选择影响因素—影响因素的指标化—评价指标的确立。企业人力资源危机预警评价系统的功能是评价企业人力资源活动中可能出现的危机, 它保证了企业人力资源状态处于可靠、可控的状态。要考察企业人力资源危机的状态, 关键是找出影响人力资源危机的因素。要想进行科学的量化处理, 首先应该建立一个科学的评价指标体系, 使得各个因素之间的关系层次化、条理化, 并能够区分它们对各自评价目标的影响程度的大小。因此, 在设计预警评价指标体系时, 要考虑指标体系的覆盖面, 有重点地选择, 同时兼顾定性指标的量化分析, 以便能更好的进行预警。

3.体系建立

在本文进行指标设计的实际操作当中, 是将企业人力资源危机的评价内容分解为:财务视角、客户视角、内部流程和学习与成长视角四个子系统, 然后对这四个子系统进行分析, 在每个子系统中选取最根本最主要的, 最能集中反映各个系统特征的因素作为这个子系统的特有指标, 这样便可以保证各个指标之间的相对独立性, 也进一步减少了众多指标在综合加权预警判别中相互冲突、干扰, 出现降低预警效果的可能性。下面开始设置指标。其中设置四个一级指标, 即财务视角、客户视角、内部流程、学习与成长视角。24个二级指标, 用于评价财务子系统的指标有6个, 他们是人力资源投资回报率、工资总额预算安排达成率、招聘费用预算达成率、招聘投资回报率、培训费用预算达成率、培训投资回报率;用于评价客户子系统的指标有3个, 他们是客户满意度、客户投诉率、客户索赔率;用于评价内部流程子系统的指标有9个, 他们是制度和流程书面化比率、员工绩效计划的按时完成率、企业保险制度、招聘空缺职位所需实际天数、人员编制控制率、指令失效率、关键人才流失率、员工薪酬结构合理性、员工薪酬竞争性;用于评价学习与成长子系统的指标有6个, 他们是企业人力资源素质、员工培训率、培训完成率、员工培训满意度、员工缺勤率、员工工作满意度。

企业人力资源危机预警评价模型

1.评价方法

(1) 定性指标的评价方法

采用德尔菲法对指标体系中的定性指标进行评分, 评分的赋值范围为1-9。1-9的赋值表示该指标的危机指数, “1”是最小的危机指数, 为安全态的最值点;“5”是危机指数的中值, 是安全态和危机态的临界点, 即通常所说的“一般状态”, 是一种既不怎么安全但又无明显的危机征兆的情况;“9”是最大的危机指数, 为危机态的最值点;“2, 3, 4”表示从安全状态到临界点过渡的安全程度;“6, 7, 8”表示从临界点到危机状态过渡的危机程度。 (见图1)

(2) 定量指标的评价方法

在指标体系中的定量指标, 分为极大值型、极小值型和适量型三类。其中极大值型的取值越大越好;极小值型的取值越小越好;适量型的取值要求不太大也不太小, 靠近一个理想值才是最好。由于企业人力资源危机预警中需要给出企业的人力资源危机状态, 而危机的等级采用1-9的尺度来衡量, 所以必须对这些定量的指标进行无纲量化和一致性处理, 把他们的数值都映射到1-9的尺度当中去。根据概率统计理论, 企业定量指标的值一般都服从正态分布或平均分布。

2.权重的确定

企业人力资源危机预警评价系统既包含了定性的因素也包含了定量的因素, 是一个多目标评价的问题。需要建立评价目标和评价指标之间的线性模型。而构建这种模型的前提是必须确定指标的权重。取得权重的方法有很多种, 本论文采用了层次分析法的思想来取得权重。层次分析法 (AHP) 是美国著名的运筹学家T.L.Satty等人在20世纪70年代提出的一种定性和定量分析相结合的多准则决策方法。它是指将决策问题的有关元素分解成目标、准则、方案等层次, 在此基础上进行定性分析和定量分析的一种决策方法。行定性分析和定量分析的一种决策方法。

(1) 建立层次分析模型

建立层次分析结构是分析系统中各个因素的相互关系、逻辑归属以及重要性, 进行分层排列, 构成一个自上而下的阶梯层次结构。本文利用层次分析法 (AHP) 确定评估指标的权重, 层次分析模型就是基于平衡计分卡理论的人力资源危机预警评价指标体系。 (见图2) 性, 进行分层排列, 构成一个自上而下的阶梯层次结构次分析法 (AHP) 确定评估指标的权重, 层次分析模型计分卡理论的人力资源危机预警评价指标体系。 (见图2)

(2) 构造判断矩阵

建立层次分析模型之后, 我们就可以在各层元素中进行两两比较, 构造比较矩阵。层次分析法主要是人们对每一层次中各个因素相对重要性给出的判断, 这些判断通过引入适量的标度用数值表示出来, 写成判断矩阵。判断矩阵表示针对上一层次因素, 本层次与之有关因素之间相对重要性的比较。判断矩阵是层次分析法的基本信息, 也是进行相对重要度计算的重要依据。

(3) 层次排序

计算出某层次因素相对于上层次中某一因素的相对重要性, 这种排序计算称之为层次单排序。具体地说, 层次单排序是根据判断矩阵计算对于上一层某元素而言本层次与之有联系的元素重要性次序的权值。理论上讲, 层次单排序计算问题可归结为计算判断矩阵的最大特征及其特征向量的问题, 但一般来说, 计算判别矩阵的最大特征及其特征向量, 并不需要追求较高的精确度。这是因为判断矩阵本身有相当的误差范围。而且, 应用层次分析法给出的层次中各个因素优先排序权值从本质上来说是表达某种定性的概念。因此一般用迭代法在计算机上求得的是近似的最大特征值及其对应的特征向量。

(4) 判断矩阵的一致性检验

在上述过程中我们建立了判断矩阵, 这使得判断思维数学化, 简化了问题的分析, 使得复杂的社会、经济及其管理领域中的问题定量分析成为可能。此外, 这种数学化的方法还有助于决策者检查并保持判断思维的一致性。应用层次分析法, 保持判断思维的一致性是非常重要的。我们建立判断矩阵的时候说过对于实际问题建立起来的判断矩阵往往满足不了一致性。比如由于客观事物的复杂性和人们认识上的多样性, 以及可能产生的片面性。要求每个判断都有完全的一致性显然不太可能, 特别是因素多规模大的问题更是如此。但是, 要求判断具有大体的一致性确实应该的。若出现甲比乙极端重要, 乙比丙极端重要, 丙又比甲极端重要的情况是违反常识的。因此, 为了保证应用层次分析法分析得到的结论合理, 还需要对构造的判断矩阵进行一致性检验。

3.模型建立

根据如上步骤, 我们即可建立一个评价模型。根据这个模型对企业进行评价, 所得到的数值需经过四舍五入处理, 得到的数值就是企业的危机状况指数。我们还需要对可能发生的危机类型进行识别, 以便为危机预防的决策提供参考。

企业危机预警评价模型实证研究

1.企业概况

某烟草公司主要从事辖区内卷烟批发和零售工作, 企业人数超400人, 实现年销售收入逾亿元。

2.模型验证

通过实地调查和发放调查问卷的方式获得这家企业的有关财务、客户、内部流程和学习与成长方面的信息和数据, 然后运用德尔菲法, 根据这家企业的信息和数据并参考所在企业的行业平均水平对定性指标进行打分;定量指标的分值根据企业的按照前面的无纲量化和一致化的计算公式进行计算。德尔菲法打分的流程如下: (1) 每位专家对指标体系进行单独的打分。 (2) 收集和分析打分的结果。 (3) 如果专家们的打分结果存在比较明显的分歧, 则把结果反馈给专家, 转到第一步, 要求专家参考结果重新进行打分, 直到分歧比较小为止。 (4) 如果专家的打分结果分歧很小, 则进行打分结果的相关矩阵运算, 并检验所有的一致性比率CR。 (5) 如果存在CR>0.10, 则分析出对打分结果中对不一致性影响最大的地方, 并进行初步调整, 然后把结果再反馈给专家, 并转到第一步, 要求专家参考结果重新进行打分。 (6) 如果所有的CR<0.10, 则整理专家们的打分结果。这样就得到了一个综合了专家的经验与智慧, 并且按照一致性情况进行整合的打分结果。具体见表3:

根据上述计算结果, 我们可以建立起一个评价模型:

其中:

最后参考专家意见、企业中高层意见、部分客户意见对企业的人力资源危机状况进行评定。由结果可知, 此企业得分为4分, 危机预警的警度为中警状态。评价结果与被评测企业的实际情况相符, 说明评价模型具有一定的准确性。

3.结果分析

从得到的结果来看, 企业的危机状态为中警。这个评价与企业的实际状况相符。因此, 本文指标体系的权重分布的合理性在这个实例中又得到了验证, 同时也验证了前面评价模型评价效果的准确性。

基于模型的有效性分析, 为人力资源危机预警的工作提供了战略方向, 避免出现人力资源战略脱离企业战略目标的危险。我公司已着手把平衡计分卡理论、层次分析法引用到人力资源危机预警模型的构建中来, 并将进一步验证实效。

危机模型 篇2

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：

上市公司财务危机预警模型构建 篇3

一、研究设计

（一）样本选取 本文选择了在2009年3月至2009年6月期间，在2008年年报公布后，因财务状况异常而首次被ST 的30家上市公司（数据来自wind资讯），为了更好地研究样本的特征，同时选取同行业（按证监会行业代码分类）、同规模的30家非ST公司作为配对样本。在选取样本时注意以下问题：

（1）考虑到ST公司是由于2008年报公布后，连续2年亏损而导致被ST的。 在选择观测年限时， 取被ST前1年的财务年度的财务指标， 即选择2008年的财务指标，对应的配对样本取同期的财务指标。

（2）对ST样本的选择时，由于本文研究目的在于研究财务信息对财务预警的作用，因此剔除了有以下几种情况的公司：

被注册会计师出具无法表示意见或否定意见的审计报告；

追溯调整导致最近两年连续亏损；

在法定期限内未依法披露定期报告；

在规定期限内未对存在重大会计差错或虚假财务会计报告进行改正；

主营业务所属行业发生变化的，行业归属不符合证监会行业要求的。

（二）变量选取根据我国上市公司的特点，本文从偿债能力、盈利能力、运营能力、现金流量等4个方面选择了19个财务指标作为构建财务危机预警模型的预选指标。分别定义为表示偿债能力等5个指标：已获利息倍数（x1）；资产负债率（x2）；速动比率（x3）；流动比率（x4）；长期负债与营运资金比率（x5）。

表示盈利能力的5个指标：销售净利率（x6）；资产净利率（x7）；净资产收益率（x8）；销售毛利率（x9）；营业利润比重（x10）。

表示营运能力的5个指标：总资产周转率（x11）；存货周转率（x12）；应收账款周转率（x13）；流动资产周转率（x14）；营运资本周转率（x15）。

表示现金流量的4个指标：销售现金比率（x16）；现金债务总额比（x17）；全部资产现金回收率（x18）；现金流动负债比（x19）。

二、实证研究

（一）用因子分析对数据预处理由于各财务指标之间存在着较多的相关关系，信息重复较多，直接用它们分析现实问题，不但模型复杂，而且还会因为多重共线性问题而引起极大的误差。因此，首先利用因子分析使变量简化降维，用少数因子代替所有变量去分析整个问题。首先进行KMO and Bartlett's 测试，KMO取值0.651大于0.6，和Bartlett球型检验中的Sig=0.000，说明检测结果适合做因子分析。

（二）因子分子法运用具体如下：

（1）定義变量。将上述19个研究变量依次定义为分析变量，记为Xi，i取1，2，3，……19。

（2）将原始数据进行规范化处理。 由于财务指标众多，信息重复，直接使用原始数据做因子分析达不到理想的降维效果，因此需要利用SPSS软件功能进行数据的标准化处理（均值为0，方差为1）。

（3）对样本数据进行T检验。应用T检验，可以检验独立的正态总体下样本均值之间是否具有显著性差异。进行两个独立正态总体下样本均值的比较时， 根据方差齐与不齐两种情况， 应用不同的统计量进行检验。 给定显著性水平α为0.05， 根据SPPSS

13.0运行的结果，对各个财务指标变量的显著性差异的判断情况如下。

指标X1（已获利息倍数）、X2（资产负债率）、X3（速动比率）、X4（流动比率）、X6（销售净利率）、X7（资产净利率）、X9（销售毛利率）、X11（总资产周转率）、X12（存货周转率）、X14（流动资产周转率）、X16（销售现金比率）、X17（现金债务总额比）、X18（全部资产现金回收率）、X19（现金流动负债比）等14个指标具有明显的差异。鉴于以上十种结果， 后续的研究将采用该14个财务指标进行研究。

（4）计算公共因子的特征值和方差贡献率，并由大到小排序，提取公共因子（见表1）。

从表1中可以看出，前4个因子的特征根大于1，累计方差贡献率为82.27%，即前4个变量解释了原有变量总方差的82.27%。在因子旋转后，累计方差比没有改变，没有影响原有变量的共同度。总体上，原有变量的信息丢失较少，因子分析效果理想。原有的19个财务信息分别集中到4个综合因子中去（见表2）

在载荷表中载荷系数越大，表明综合因子对相应的原始指标解释能力越强。由表3可知：

现金指标（X16、X17、X18、X19）在第一个因子上有较高的载荷，第一个因子F1可以成为现金指标因子；

盈利能力指标（X6、X7、X9）在第二个因子上有较高的载荷，第二个因子F2可以称为盈利指标因子；

营运能力指标（X11、X12、X14）在第三个因子上有较高的载荷，第三个因子F3可以称为营运指标因子；

偿债能力指标（X3、X4）在第四个因子上有较高的载荷，第四个因子F4可以称为偿债指标因子。

根据表3的结果，可以写出以下因子得分函数：

（三）运用Logistic回归建立预警模型 将因子分析得到的4个因子与因变量Y作为引入变量，利用二分类Logistic回归建立预警模型并预测。

二元逻辑回归拟合的方程为：

其中，P是上市公司发生财务危机的概率；Xi是影响财务危机的第i个因素，i=1，2，…，m；a，bi（i=1，2，…，m）是待估参数。

运行SSPS13.0，得到的结果如表4所示：

从表4的结果可以看出，所有系数均通过了检验，可建立如下Logistic回归方程：

表5输出了模型的似然值（-2 Log）和两个伪决定系数Cox & Snell R Square和Nagelkerke R Square，后两者从不同角度反映了当前模型中自变量的变异占因变量总变异的比例。可以看到，这两个伪决定系数分别达到0.69和0.92，说明模型中自变量对因变量的解释程度良好。以0.50为概率最佳分割点进行预测，P大于0.50判断为ST公司。

从表6的预测结果来看，模型的整体预测效果为94.02%，其中ST公司的预测准确率为92.62%，非ST公司的预测准确率为95.16%。这个结果优于现有的研究结论。

参考文献：

［1］陈静：《上市公司财务恶化预测的实证分析》，《会计研究》1994年第4期。

［2］陈晓、陈治鸿：《企业财务困境研究的理论、方法及应用》，《投资研究》2000年第6期。

［3］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年第6期。

［4］张玲：《上市公司财务预警分析判别模型》，《数量经济研究》2000年第3期。

［5］李华中：《上市公司经营失败的预警系统研究》，《财经研究》2001年第10期。

［6］张文彤：《SPSS统计分析高级教程》，高等教育出版社2008年版。

［本文系浙江省教育厅科研项目（编号：Y201018565）的阶段性研究成果］

（编辑向玉章）

财务危机预警模型研究评析 篇4

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

危机模型 篇5

关键词：财务危机；预警模型；实证研究

一、引言

随着资本市场的不断发展和完善，对上市公司财务危机预警进行研究一直是国内外学术界研究的热点问题之一。财务危机预警是以现有的财务比率为基础，通过设计并观察一些敏感性财务预警指标的变化，建立数学模型来预测企业财务危机发生的可能性，这样就能在很大程度上帮助上市公司防范和化解财务危机。然而，由于种种原因，财务危机预警系统在我国上市公司中尚未得到广泛应用。

二、财务危机预警模型的发展及分类

1、单变量模型

单变量模型，即一元判别模式，它运用单一的财务指标来预测企业的财务危机。W.H.Beaver（1966），他最早将统计方法应用与财务指标结合起来，选择了29个能够代表企业财务状况的指标，从1954年到1964年之间他定义的财务危机企业中，挑选了79家，并选择了产业相同、资产规模相近的另外79家非财务危机企业作为配对样本，他对这79家财务危机企业和79家非财务危机企业前五年的29个财务指标进行了立面分析，最后得出结论，认为现会流量/负债总额能够最好地判定公司的财务状况（误判率最低，破产前一年的预测币确率町以达到87%），其次是资产负债率和“净利润/总资产”比率，并且离财务危机出现同越近，误判率越低，预见性越强。

2、多元线性回归模型

多元线性判别模型，即通过线性回归技术来构建能够以最小的分类错误率对样本公司进行划分的多元线性方程。比较著名的有Altman的Z分数模型以及后来E.Altman、R.Haldeman.和P.Narauaman的ZETA模型。

2.1、Z分数模型

Altman（1968）提出了Z分数模型。该模型是Altman根据美国股票市场的实际情况，经过上千次的实证分析，以33家破产公司及33家配对公司作为样本，使用选择的5个比率拟合出了一个多元线性方程，建立了Z分数模型，首次采用了多变量来预测企业的财务危机。

模型如下：

2.2、ZETA模型

1977年Altman等人将预测模型Z分数模型从单纯的制造业中解放出来，加入了非上市公司和各个行业，建立了新的、更具有准确性的企业财务危机预测模型一zETA模型，它包括了经营收益/总资产、收益稳定性、利息保障倍数、留存收益/总资产、流动比率、普通股权益/总资本和普通股权益/总资产这7项比率。Altman等经过对样本的分析，发现用ZETA模型预测五年和一年之后的财务危机企业的精确度分别为70%和91%。并且通过对相同样本进行预测分析，比较发现，ZETA模型的预测准确度要明显优于Z分数预测模型。

2.3、F分数模型

由于Z分数模型没有考虑对企业财务状况影响重大的现会流量因素，导致其财务解释和预测的效果大打折扣。为弥补这一缺陷，我国学者对Z分数模型加以改进，建立了F分数模型（周首华、杨济华，1996）在F分数模型中加入了现金流量的预测变量，其模型如下：

3、多元逻辑回归

多元逻辑回归（二项Logistic回归）的统计方法都是建立在累积概率函数的基础上，一般运用极大似然估计法来进行判定，而不需要满足自变量服从多元正念分布和两组问协方差相等的条件。他们是解决O一1回归问题的行之有效的方法。

Martin（1977）年在财务困境预测中首次采用了逻辑回归模型，从25个财务指标中选取了8个作为变量建立了回归模型，结果发现逻辑回归的预测效果要好于前面两种模型。0hlson（1980）以1970年至1976年问105家失败公司为样本，运用了条件逻辑模型来建立财务预警模型，研究结果显著。

三、研究不足

由于我国的理论研究相对滞后，市场体制还不完善，目前企业财务预警模型构建存在的问题有如下几点：

第一，预警变量选择缺乏理论支持。

第二，样本选取范围和样本时间区间存在局限。

第三，预警模型缺乏非财务因素支持。

绝大部分的研究都以财务会计报表数据为基础，以各种财务指标为变量来建立预警模型。运用财务指标建立的财务预警模型虽然能较直观地反映企业的综合财务状况，但从我国企业的情况来看，不能仅采用财务指标作为判别依据。

参考文献

[1]Wi l l i am H. Baever . Fi nanci al as Pr edi ct or s of Fai l ur e[ J] . Journal of Account i ng Resear ch，1966. 5.

[2]AICPA.Improving Business ReD0rtS_— A Customer Fo～sEM3.AICPA Iuc，1994.

[3]Sorte～An"Event"Approach tO Basic Accounting n-e0ry[J].The Acc0unthlg Review.januaryt 1969

[4]王 强：企业失败定义研究[J].北京工业大学学报，2002.Vol.2 No.1

[5]谷 祺 刘淑莲：财务危机企业投资行为分析与决策[J].会计研究，1999.11

[6]赵爱玲：企业财务危机的识别与分析[J].财经理论与实践，2000

[7]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，2oo1，（6）.

[8]陈静.上市公司财务恶化预测的实证分析[J].会计研究，1999，（4）.

金融危机早期预警模型研究 篇6

1 概述

对金融危机预警的研究始于20世纪70年代。发展到现在, 金融危机预警主要可以分为模型预警和非模型预警两类。后者主要是根据一定的标准通过对经济体的一系列经济指标的综合评价, 评定该经济体发生危机的可能性, 典型方法包括主要债券利差法、权威信用评级法和货币市场分析法。而模型预警理论的基本方法是构造危机分辨指标、定义识别危机的极限边界值、比较危机前后的某些经济指标的变化特点, 选取预警信号代表性诊断指标并界定相应的预警标准。IMF的研究表明, 从1990年以后发生的金融危机来看, 基于模型的预警方法比非模型方法的准确性要高得多。

目前国际上比较流行的金融危机预警模型包括1996年Frankel和Rose根据许多发展中国家的样本数据开发的FR概率模型、1996年Sachs, Tornell和Velasco开发的STV横截面回归模型、1997年Kaminsky, Lizondo和Reinhart联合开发的KLR信号分析法和Kumar、Moorthy和Perraudin (2003) 提出基于滞后宏观经济和金融数据的Simple Logit模型。

2 主要的金融危机预警模型

2.1 FR概率模型

1997年, 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。FR模型将货币危机定义为货币贬值至少25%, 并至少超出上年贬值率的10%。其研究对象不包括货币当局通过卖出外汇储备或提高利率成功击退投机供给的情况。Frankel和Rose认为, 货币危机有多种因素引发, 其中选择的变量有: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。如果用Y表示货币危机这一离散变量, 用X表示货币危机的各种引发因素的向量, β代表X所对应的参数向量, 那么就可以用引发因素X的联合概率分布来衡量货币危机发生的概率, A表示货币危机发生, B表示货币危机未发生。用公式表示为:

Frankel和Rose运用数据指标对货币危机发生的概率进行了最大对数似然估算。结论是:当产出增长缓慢, 国内信贷增长较快, 国外利率较高, 外国直接投资占总债务的比例较低时, 货币危机发生的概率增加。另外, 研究结果说明外汇储备水平较低和实际汇率升值对预期危机有一定的作用。

2.2 STV横截面回归模型

横截面回归模型由Sachs, Tornell和Velasco研究建立因此又称为STV横截面回归模型。他们认为, 实际汇率贬值, 国内私人贷款增长率、国际储备/M2是判断一个国家发生金融危机与否的重要指标。

他们选择了20个新兴市场国家的截面数据, 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;将货币危机指数IND定义为1994年11月-1995年4月加权的储备下降百分比和汇率贬值百分比的总和。他们认为:实际汇率、贷款增长率、国际储备与广义货币供应量的比率对一个国家是否发生货币危机至关重要。此外, 他们还确定了两个虚拟变量:当实际汇率贬值幅度处于低四分位或国内私人信贷增长率高四分位时, 第一个虚拟变量取值为1, 其他情况则为0;当国际储备与广义货币量的比率处于低四分位时, 第二个虚拟变量取值为1, 其他情况为0。结果发现, 如果一国的银行体制比较脆弱 (LB, 用1990-1994年对私人部门信贷的增长率来衡量) , 汇率高估 (RER, 用从1986-1989年和1990-1994年实际汇率的贬值率来衡量) , 同时, 外汇储备水平 (DLR, 用外汇储备/M2来衡量) 较低, 经济基本面脆弱 (DWF) 就会遭到更严重的攻击。

IND=β1+β2RER+β3LB+β4RER.DLR+β5LB.DWF+β6RER.DWF+β7LB.DEF

其中:β为7个指标各自回归的相关系数。在估计方程中, 假设:

(1) 实际汇率贬值的国家遭受的危机较轻, 但是这只与较低的外汇储备和脆弱的经济基本面因素有关, 所以有:β2=0, β2+β4=0, β2+β4+β6<0。

(2) 贷款膨胀导致危机的严重性增加, 但也只是与较低的储备和脆弱的基本面因素有关, 因此有:β3=0, β3+β5=0, β3+β5+β7<0。

2.3 KLR模型

KLR信号分析法于1997年由该模型是Kaminsky、Lizondo和Reinhart于1998年创立并经过Kaminsky (1999) 的完善。

KLR信号分析法的理论基础是研究经济周期转折的信号理论, 其核心思想是首先通过研究货币危机发生的原因来确定哪些经济变量可以用于货币危机的预测, 然后运用历史上的数据进行统计分析, 确定与货币危机有显著联系的变量, 以此作为货币危机发生的先行指标。然后为每一个选定的先行指标根据其历史数据确定一个安全阈值。当某个指标的阈值在某个时点或某段时间被突破, 就意味着该指标发出了一个危机信号;危机信号发出越多, 表示某一个国家在未来一段时间内爆发危机的可能性就越大。阈值是使噪音——信号比率 (即错误信号与正确信号之比值) 最小的临界值。

2.4 基于滞后宏观经济和金融数据的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, 该模型的特点主要表现在四个方面:

(1) 模型考察了对两种货币危机定义情况下发生货币危机的可能性, 即利率调整引起的汇率大幅度贬值和货币的贬值幅度超过了以往的水平的情形, 而以往的模型只考虑一种情况。

(2) 该模型不仅可以在样本内进行预测, 还可以对样本外的数据预测。

(3) 模型对32个发展中国家1985年1月-1999年10月的危机进行预测。

(4) 模型还可以对预测的结果进行比较和检验, 克服以往的模型只能解释货币危机的局限。

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 (Unanticipated Depreciation Crash, 简称为UDC) 和总贬值冲击模型 (Total Depreciation Crashes, 简称为TDC) 。

3 结语

由于预警方法的研究目前仍然处于起步阶段, 因此要开发出一种预测百分之百准确的预警系统是根本不可能的。以目前最具影响力的KLR信号分析法为例, Kaminsky用该方法预测1997年的东亚金融危机, 发生危机的无条件概率仅为27%, 而条件概率仅提高到40%, 所以预测效果并不理想, 这说明金融危机预警模型的研究是一项长期并且棘手的工作。因此, 我们认为目前对预警方法开展研究的意义就在于能勾勒出一国总体经济发展的趋势, 提前发现一国存在问题的严重性, 对人们产生一种警示, 能达到这种目的也就足够了。

从本轮次贷危机来看, 在危机发生之前, 几乎没有模型能预测到此次美国次贷危机大范围爆发。所以, 进一步研究方向本文认为应该将多种预警方法相结合, 将不同的方法进行集成, 共同来提高预警的准确性。总之, 要建立一个理想的金融危机预警模型还需要大量的艰辛工作, 需要我们坚持不懈的努力。

摘要：货币危机早期预警系统是一国金融安全建设的主要内容之一。介绍了FR概率模型、STV横截面回归模型、KLR模型和Simple Logit模型这四种主要的金融危机早期预警模型。

关键词：金融危机,预警模型

参考文献

[1]韦震, 王硕.金融危机预警模型综述以及评价[J].经济师, 2009, (11) :201-203.

[2]陈全功, 王红斌.货币危机早期预警系统及运行效果:一个文献综述[J].贵州财经学院学报, 2005, (2) :23-17.

[3]余倩.货币危机预警模型研究[D].西南财经大学, 2007, (4) .

财务危机预测模型的构建 篇7

一、国内外研究现状

对于国外证券市场来说,基于Logistic回归模型研究公司财务危机预测的研究文献比较多。Martin(1977)首次运用Logistic回归模型对银行破产进行了预测;Ohlson(1980)第一个将逻辑回归方法引入财务危机预警领域;随后Hufman等(1996)运用Logistic回归模型对1977—1991年间违约的171家企业的高收益债券进行了预测研究;Laitinen(1999)、Westgaard和Van Der Wijst(2001)以及Matthiett和Marcel(2006)等均运用Logistic回归模型对信用评估进行过研究。然而对于国内的证券市场来说,由于其发展历史较短,因此基于Logistic回归模型对公司财务危机预测的研究尚处于起步阶段。吴世农、卢贤义(2001)以中国上市公司为研究对象,选取70家处于财务困境的公司和70家财务正常的公司为样本,通过研究表明:Logistic预测模型的误判率低,财务困境前一年的误判率可以达到6.47%。

二、研究方法概述与模型构建

(一)研究方法概述

本文主要采用的是二元logistic回归研究方法。二元logistic回归是指因变量为二级得分或二级评定的回归分析,对于二分类变量的定性数据可以用0或1两个数值进行表示。通过建立二元Logistic回归模型,记因变量为y,取值1表示事件发生,取值0表示事件未发生,影响y的n个自变量分别记为:x1,x2,…xn。其回归模型为:

所研究事件发生的概率为P(y=1│xi)=pi,其中pi代表在第i个观测中事件发生的概率,1-pi是第i个观测中事件不发生的概率,βi为待估计参数。

事件发生与不发生的概率之比为:pi/(1-pi),称为事件的发生比,对发生比做对数变换,得到逻辑回归模型的线性模式:

(二)模型构建

1. 样本选择。

本文主要是基于Logistic回归模型选取中国制造业上市公司作为样本对财务危机预测进行研究。因为制造业ST公司占所有ST公司较大的比重,以制造业上市公司作为样本来研究有重要的意义。本文从上市公司中选取118家制造类企业,涉及食品饮料、纺织服装、造纸印刷、医药化工、机械仪表等各个行业。样本资料主要来源于东方财富网中2009年末个股资料的财务指标数据。

2. 变量选择。

该模型从企业的盈利能力、营运能力、偿债能力、成长能力、现金流量等方面出发,选取了10个财务预警指标。为了反映企业的盈利能力选取了总资产收益率(x1)、营业利润率(x2)、成本费用利润率(x3)这三个指标;为了反映企业的营运能力选取了应收账款周转率(x4)、总资产周转率(x5)这两个指标;为了反映企业的偿债能力选取了流动比率(x6)、资产负债率(x7)这两个指标;为了反映企业的成长能力选取了主营业务增长率(x8)、净利润增长率(x9)这两个指标;为了反映企业的现金流量情况选取了经营现金净流量对负债的比率(x10)这个指标。

3. 模型构建。

根据选定的十项财务指标和logistic模型构建方法,可以构建出根据上市公司发生财务危机时的logistic模型,该模型如下:

其中,pi代表上市公司发生财务危机的概率大小,当其他条件不变时,解释变量xi增加一单位时,发生比即上市公司发生财务危机的概率变化变为原来的eβi倍,βi>0时,发生比(上市公司发生财务危机的概率变化)随xi增加而增加,βi<0时,发生比随xi增加而减少。本文将ST公司赋值为1,而非ST公司赋值为0。根据上述模型,将收集的有关这十个财务指标的数据输入到spss软件中,进行Logistic回归分析。在具体研究中一般取0.5来作为概率的临界值,假如将样本数据带入回归模型中得到的概率值大于0.5时,就可以判定该样本是面临财务危机的公司,反之则可以认定该样本为没有面临财务危机的公司。

三、结果解释

1.Omnibus Tests of Model Coefficients(模型系数的混合检验)。该检验针对步骤、模块和模型开展模型系数的综合性检验。将选取的2009年末118家制造类上市公司的财务指标数据输入模型进行分析,得出表1模型系数的混合检验值。

取显著性水平0.05,考虑到模型自由度数目df=4,利用统计函数“CHIINV”,就可以查出卡方临界值9.4877,计算的卡方值100.217,大于临界值,并且相应的Sig.值小于0.05,因此模型有显著的统计意义。

2.Variables in the Equation(最终模型中的变量)。将选取的2009年末118家制造类上市公司的10个财务指标的数据输入到spss软件中,进行Logistic回归分析,得出最终模型变量的相关数据。从表2可以看出,总资产收益率、总资产周转率、资产负债率、主营业务增长率、经营活动现金净流量对负债的比率5项财务指标对上市公司发生财务危机有重要影响。

B对应的是回归系数的估计值,Exp(B)是对回归系数B值进行指数运算的结果。表2中Exp(B)列表明,总资产收益率每增加1个单位,将导致公司出现财务危机的概率变为原来的0.778倍;总资产周转率每增加1个单位,将导致公司出现财务危机的概率变为原来的0.172倍;资产负债率每增加1个单位,将导致公司出现财务危机的概率变为原来的1.077倍;主营业务增长率每增加1个单位,将导致公司出现财务危机的概率变为原来的0.973倍;经营现金净流量对负债的比率每增加1个单位,将导致公司出现财务危机的概率变为原来的1.046倍。

根据表2可以构建出上市公司财务危机的预测模型方程:

上式就是本文通过118家制造类企业财务数据分析而得出的财务危机预测模型,其中,x1为总资产收益率;x5为总资产周转率;x7为资产负债率这个指标;x8为主营业务增长率;x10为经营现金净流量对负债的比率。当预测概率大于0.5时,此公司财务状况不好;反之,财务状况良好。

四、财务危机的应对措施

导致企业陷入财务危机的因素主要包括盈利能力较差甚至亏损、营运能力不佳资产周转慢、偿债能力较弱无法偿还到期债务、成长能力不足缺乏后劲、现金流短缺等。根据模型预测公司陷入财务危机后,公司管理者可以从以下这五个方面进行改进,使公司出现财务危机的概率降低。

1.增收节支,提高企业的盈利能力。本文经过Logistic回归分析得出衡量盈利能力指标的总资产收益率是影响企业是否陷入财务危机的一个重要因素。总资产收益率越高,表明企业的资产利用效益越好,整个企业盈利能力越强。总资产收益率每增加1个单位即1%,将导致公司出现财务危机的概率变为原来的0.778倍。因此,企业要做好产品创新工作,增强公司盈利能力,保证公司主营业务稳定。同时,要加强成本费用管理,努力控制生产成本和制造费用,有效降低产品成本,厉行节约,降低管理费用,从而增加利润,提高总资产收益率,降低进入财务危机的可能性。

2.加快资产周转,提升企业的营运能力。本文经过Logistic回归分析得出衡量营运能力指标的总资产周转率也是影响企业是否陷入财务危机的一个重要因素。营运能力反映了企业对经济资源管理、运用的效率高低。企业资产周转越快,流动性越高,企业的偿债能力越强,资产获取利润的速度就越快。总资产周转率每增加1个单位即多周转1次,将导致公司出现财务危机的概率变为原来的0.172。因此,企业要加快闲置资产的处置,进一步盘活公司资产,充分提高公司资产运营效率,降低进入财务危机的可能性。

3.确定合理的资本结构,增强企业的偿债能力。本文经过Logistic回归分析得出衡量偿债能力指标的资产负债率也是影响企业是否陷入财务危机的一个重要因素。企业合理的资产负债率通常在60%—70%之间,适度负债可以获取财务杠杆收益,但过度负债则会严重影响企业的支付能力,发生支付危机。资产负债率每增加1个单位即1%,将导致公司出现财务危机的概率变为原来的1.077倍,因此,负债已经较高的上市公司如果再融资,不能通过债权融资,一般应通过股权融资,以降低资产负债率,降低进入财务危机的可能性。

4.开发新产品,扩大市场份额,提高企业的成长能力。本文经过Logistic回归分析得出,衡量成长能力指标的主营业务增长率也是影响企业是否陷入财务危机的一个重要因素。主营业务收入增长率可以用来判断公司发展所处的阶段。如果主营业务收入增长率超过10%,说明公司产品处于成长期,将继续保持较好的增长势头,尚未面临产品更新的风险,属于成长型公司。如果主营业务收入增长率在5%—10%之间,说明公司产品已进入稳定期,不久将进入衰退期,需要着手开发新产品。如果该比率低于5%,说明公司产品已进入衰退期,保持市场份额已经很困难,主营业务利润开始滑坡。根据本文Logistic回归分析,主营业务增长率指标每增加1个单位即1%,将导致公司出现财务危机的概率变为原来的0.973倍。因此可以通过开发新产品,扩大市场份额,提高主营业务增长率降低进入财务危机的可能性。

5.充分利用流动资金,增强盈利能力,保障现金流的充足。本文经过Logistic回归分析得出经营活动现金净流量对负债的比率也是影响企业是否陷入财务危机的一个重要因素。经营活动现金净流量对负债的比率是衡量现金流的状况好坏的一个指标。经营现金净流量对负债的比率每增加1个单位即1%,公司出现财务危机的概率变为原来的1.046倍,也就是说,企业要充分利用流动资金,进行固定资产或其他投资,使盈利能力增强,降低经营活动现金净流量对负债的比率,使进入财务危机的可能性降低。

五、总结

运用Logistic模型预测准确率比较高,选择的变量具有较强的代表性。但是有的上市公司的财务状况由于出现被粉饰的现象,所以运用Logistic模型分析得出的最终结果会受到上市公司发布的财务资料准确性的影响。但是总的来说,运用Logistic模型对上市公司财务危机进行预测具有较高的实用价值,得出的预测结果对企业管理层和投资者都具有很高的参考价值,可为企业管理者和投资者作出正确决策提供重要的依据。

摘要：基于Logistic回归模型,选取中国制造业上市公司作为样本对财务危机预测进行研究。从企业的盈利能力、营运能力、偿债能力、成长能力、现金流量等方面出发,选取了10个财务预警指标,经过回归分析得出,总资产收益率、总资产周转率、资产负债率、主营业务增长率、经营活动现金净流量对负债的比率五项财务指标对上市公司发生财务危机有重要影响。从而提出要从提高盈利能力、提升营运能力、增强偿债能力、提高成长能力、保障现金流的充足几方面来应对财务危机。

关键词：Logistic模型,财务危机,预测

参考文献

[1]吴世农,黄世忠.企业破产的分析指标和预测模型[J].中国经济问题,1986,(6).

[2]王冬梅.建立中国上市公司业绩综合评价指标体系[J].南开管理评论,2000,(4).

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

[4]朱建平,殷瑞飞.SPSS在统计分析中的应用[M].北京:清华大学出版社,2007.

[5]王瑞林.中国上市公司财务困境预警指标的检验与选取[J].山东理工大学学报,2010,(1).

财务危机预警模型的构建及应用 篇8

一、系统样本的选择及分组

1. 样本选择

与中小企业相比而言，上市公司财务制度更加健全，财务数据更加规范和透明。同时，上市公司作为我国企业改革的先锋，面对的是众多的投资者，这就要求上市公司应该进一步提高风险意识，加强风险管理。在这里，把上市公司作为财务危机预警系统的研究对象。对于上市公司来说，建立和实施财务风险预警系统将更加紧迫和实用。

本文把上市公司中的ST公司作为财务危机型企业，相应地，其他企业均作为健康型企业。以2006年上半年沪深两市中首次被ST的公司作为初始样本，选择其中20家公司，并按照行业相同，总资产规模相近原则，选择20家非ST公司与之配对。样本公司如下表所示：

2. 样本分组

以上两类样本共包括了40家上市公司，为了切实检验模型的预测能力，从两类样本中分别随机抽取10家，即总共20家上市公司重新组成一组，作为构建财务危机预警模型，剩下20家上市公司组成另一组，作为检验样本用来检验预测模型的有效性。

二、数据选择

与以往研究不同的是，本文没有利用样本公司T-1 (ST之前第一年，即2005年)年和T-2 (ST之前第二年，即2004年)年的有关数据，而是利用T-3年的数据，即2003年的有关数据。之所以不采用T-1年的数据预测2006年的ST，这同ST的决定机制有关。2006年被ST的公司实际上是由于它们在2004年和2005年里连续亏损。因此，对于某一特定公司，在2005年的时候就已经知道它会不会在2006年被ST，用2005年的信息预测2006年公司财务困境事实上没有意义。同时本文也不采用T-2年的数据，因为如果一个公司在2004年有利润，那么该公司即使在2005年亏损也不会被ST。而一个公司如果在2004年亏损，基于这一数据对2006年ST的预测将变成简单的对2005年亏损还是盈利的预测。使用2003年，即ST之前第三年的数据，则不存在这些问题。此外，有关人员研究发现，在T-4年是，财务困境企业与正常企业之间的差异是不明显的，公司财务困境的有效预测期往往以T-3年为起点。

本文所用会计信息方面的数据来自证券之星网站、深沪证券交易所网站以及上市公司的年度报告。

三、指标选择

1. 模型指标的分类

建立财务预警模型，其中最基础的工作之一便是确定模型的自变量，即模型的指标。在参照国内外学者研究成果的基础上，结合我国上市公司的实际情况，选择了能反映公司偿债能力、营运能力、成长能力、盈利能力和现金流量状况的五大类17个指标作为我国上市公司财务预警指标，各指标说明如下：

2. 模型指标的确定原则

确定基础指标时应考虑下述原则：

(1) 可测性原则。建立财务预警系统的目的是为财务管理人员提供管理与控制的依据，设计指标体系时必须考虑其可操作性，要简明适用。即选取的指标不仅应符合财务预警目的，更应有数据支持。也就是说，评价指标的数据应容易取得。

(2) 预测性原则。财务预警要求能对企业的财务风险进行预测，因而，选取的指标也应具有预测性。

(3) 全面性原则。在系统的构建中，所考虑纳入的指标应能够全面揭示企业的财务风险，且要求各指标间具有较强的互补性。为保证综合评价结构客观准确，在初步建立指标体系时应尽可能地选取可以概括反映企业财务状况的指标，以便最终确定指标体系时有筛选余地。

(4) 可比性原则。选取指标时，应注意评价指标口径范围和计算方法的纵向可比和横向可比原则。在对同一事物不同时期的评价中应注意纵向可比，而对同一时期不同事物之间评价中应注意横向可比。

(5) 科学性原则。企业财务预警指标体系的构建要按照企业财务危机理论原因科学设计，指标体系应能够对各大原因做出合理科学描述。

(6) 协调性原则。在选取评价指标时，应注意与所采用预警方法相协调。有的方法本身能够消除指标之间的相互干扰和替代，这时选取指标应多注意全面性口而另一些方法却要求评价指标间尽可能不相关，这时就注意指标的代表性。

三、模型基础指标的确定

上述包括17个指标的基础指标体系，是进行指标筛选的基础。因为，现在还不能说明财务危机型企业与健康型企业在这些指标上存在着重大差异。

对于应当选择何种指标来揭示企业可能出现的财务危机的研究，已有大量的经验性研究成果，本文通过总结这些经验性研究，找出那些被研究人员普遍采用且被证明有效的指标，以此作为财务预警模型的备选变量，分别是：流动比率 (X1) 、流动负债总负债比 (X2) 、资产负债率 (X4) 、总资产周转率 (X7)、净资产收益率 (X8) 、总资产增长率(X16)、每股现金流量活动现金流量净额 (X17) 。

四、模型的构建及分析

1. 模型选择

结合中国上市公司的实际情况，本文采用多元逻辑回归模型(Logistic模型)作为基本分析模型。主要原因有三点：第一，Logistic回归模型对自变量的概率分布没有具体要求，适用范围更广;第二，Logistic回归模型在实际运用中简单方便;第三，国内学者绝大多数都使用Logistic回归模型，是研究财务困境的主流方法。

2. 模型解释

逻辑回归模型是解决0～1回归问题行之有效的方法。假设Xi为第i个发生财务危机的预警变量矩阵，那么其发生财务危机的概率Pi和Xi之间存在如下回归关系：

Pi=exp (Yi)/[1+exp (Yi)]，其中Yi=α+ΣbiXi

上式中Yi值为总判别分它反映的是第i项在总体中某一上市公司综合财务状况的数量特征;bi为权数，表示对有关自变量Xi的重视程度;Xi是与财务危机预警有关的财务比率;α为随机干扰项。

逻辑回归模型的曲线为S型，且其预警的最大值趋近1，其预警的最小值趋近0。一般选择50%作为分割点，其含义是如果通过逻辑回归密性计算出来的发生财务危机的概率Pi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，如果发生财务危机的概率Pi小于0.5，那么该上市公司视为正常公司。

3. 模型的建立

运用spss13.0统计软件，采用Forward Conditional方法对20家估计样本公司(其中包括10家ST公司和10家非ST公司)进行逻辑回归分析，结果如下表所示：

显然，检验结果是流动比率(X1)、净资产收益率(X8)、总资产增长率 (X16) 这三个财务比率指标进入了模型。根据公式Yi=b1X1+b2X2+b3X3+…biXi+α=α+ΣbiXi，将表4-3中的步骤3计算结果代入上述公式，得到以下上市公司财务危机模型：

将其代入公式Pi=exp (Yi)/[1+exp (Yi)]，得以下上市公司财务危机模型：

4. 模型的应用及结果分析

将上述模型的判别临界值确定为0.5，即当上市公司的Pi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，如果发生财务危机的概率Pi小于0.5，那么该上市公司视为正常公司。使用以上建立的Logistic模型对剩余20家检验样本公司进行预测，结果如下表显示：

结果显示，10家ST公司有5家被误判为非ST公司，误判率为50%;10家非ST公司中有1家被误判为ST公司，误判率为10%，总体而言，预测模型对检验样本的总误判率为30%，预测准确率为70%。这说明本模型在企业财务危机发生前两年具有较高的预测准确率。

对模型预测的结果可以从两个方面进行认识：一方面说明该预警模型具有一定的科学性、有效性和灵敏性，它可以成为上市公司量化财务风险以及进一步加强对财务风险进行管理的有效预警工具。但其中还存在一些问题，如在确定样本企业时，本文将因财务状况异常而被宣布为特别处理的企业 (即ST企业) 作为财务危机企业，除此之外的企业均作为健康企业。这种界定财务危机的方法是否合理，未有定论。从我国己有的关于企业财务预警的研究来看，绝大多数文献均将ST企业界定为财务危机企业，在没有更好的企业财务危机界定标准之前，这种方法就是目前较好的界定财务危机企业的方式了，这也在一定程度上影响了模型预警效果的准确率。

实证表明，任何预警模型的准确率都不可能达到100%，本模型也不例外，其原因除了模型本身的构建方法上有待改进外，我国上市公司中存在的诸多问题和弊端也是预警模型出现误判的主要原因：第一，从模型的预测结果看，绝大多数的ST公司在财务危机发生前两年就表现出明显征兆，但管理当局并没有充分重视这一事实，对公司经营末采取积极有效的措施，使企业最终步入ST行列，这也充分暴露出上市公司本身缺乏风险意识，对广大投资者和债权人采取不负责任的态度，使广大的投资者和债权人最终成为受害者。再有效的预警系统也只能是提供企业可能发生财务危机的信号，如果上市公司对此信号听之任之，预警系统并不能真正发挥预警职能，也就违背了财务预警研究的初衷。第二，管理当局即使意识到企业存在发生财务危机的潜在可能，但由于受各方面条件的约束和限制，企业尽管采取了一系列措施，但并不能真正达到力挽狂澜的目的，因而使企业由两年前财务危机发生的可能性演变为两年后被证监会宣布为ST的事实。第三，现在上市公司中普遍存在着比较严重的操纵会计利润的动机和行为，他们通过各种手段以达到改善并美化会计信息的目的，由此得出的各项指标并不能真正反映企业经营的真实状况，进而影响建立在财务指标基础上的财务预警模型的可靠性，通过模型检测企业财务状况表现正常，但企业事实上却蕴含了极大的财务风险，这种风险积聚到一定程度便会发展成财务危机，因而使模型的预测结果与企业的真实情况发生差异，使运用该模型预测发生误判。

摘要：构建一个有效适用的财务预警系统, 对财务运营做出预测预报, 无论从哪个立场分析都是十分必要的。及早察觉危机的信号, 及时对发现的问题进行分析并采取有效措施, 化逆境为顺境, 是包括成功企业在内的任何企业所必需的。本文把部分上市公司作为财务危机预警系统的研究对象, 对如何构建财务预警模型及模型的具体应用进行了阐述。

关键词：财务预警系统,财务危机,构建及应用

参考文献

[1]张鸣张艳程涛:企业财务预警研究前沿[M].北京:中国财政经济出版社, 2004

[2]路杨:上市公司财务危机预警的理论与实证研究[D].山东:青岛大学, 2004

[3]谢芳:财务危机智能预警:指标选择与技术路线[J].财会通讯 (学术版) , 2006, 8:12～14

[4]张喜柱秦学诗:企业财务预警系统研究[J].财务与会计.2006, 27 (6) :75～78

航空公司财务危机预警模型研究 篇9

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。

危机模型 篇10

关于危机分类学界从不同维度提出了不同的分类体系,如从动因性质分为自然危机､人为危机;从影响时空范围分为国际危机､国内危机､组织危机;从主要成因及涉及范围分为政治危机､经济危机､社会危机､价值危机;从采取手段分为和平型冲突方式和暴力型冲突方式等｡罗森塔尔(Rosenthal)和柯兹敏(Kouzmin)还从危机涉及领域､危机参与者态度两个维度给出了一个危机分类矩阵｡

本文则从危机根源是否属于组织自身问题而将危机分为两类:一类危机指因组织本身提供的产品､服务或公共物品存在问题而导致的危机;另一类危机则指引发危机的真实根源并非组织提供的产品､服务或公共物品本身存在问题,而是由恶意人为或公众缺乏必要的产品使用知识､信息所导致的危机｡

危机特征

危机的特征可分为四个方面｡一是突发性｡组织面临突如其来､始料不及的破坏性甚至灾难性事故｡缺乏危机演练､没有危机预警方案的组织往往手足无措,陷入混乱,甚至在最初的一刹那就被糊里糊涂击溃｡要降低危机的破坏力,最主要的是应把组织做大做强,强化组织的抗风险能力;同时要强化预警方案的预测功能,提高预测机制的敏感性,能及时甄别到危机发生的征兆,提前采取应对措施,防患于未然｡二是灾难性｡危机不同于一般的破坏性事故,往往极具恶性攻击能量,就是巨人组织也可能被摧毁｡如郑州亚细亚,国内保健品行业中的沈阳飞龙､三株口服液､巨人等,都曾如日中天,但在危机中纷纷轰然倒地,从此一蹶不振｡遭遇危机时组织往往显得尤为脆弱,甚至不堪一击｡埃克森石油公司1989年的漏油事故曾使得企业遭受重创,付出了高昂代价｡三是紧迫性｡危机往往间不容发,恶化速度极快,需要迅速决策,采取“雄鹰政策”,解危难于倒悬｡四是不确定性｡危机的随机性很强,组织往往难以预测其何时发生｡要成功化解危机,需要组织做强自身,提高组织机体防御风险的免疫力;同时要建立系统完善的危机预警方案,进行不间断的危机化解训练｡另外,危机不同于一般性事件的地方在于后续影响大不一样:危机都不同程度地伴隨有不良后遗症,一般持续时间为8周,无应变计划的企业比早有预防者还要长2.5倍｡

危机处理常见误区

误区一:错将公关问题当作纯技术或纯法律问题去处理｡

危机最初发生的诱因往往似乎是产品或服务质量存在问题,即使确实属于产品质量问题,也不应将其视为纯技术问题去处理｡1994年“奔腾芯片事件”即属此类问题:公司将其当作纯技术问题去处理,结果导致4.75亿美元的损失｡相反,本田公司在处理“缺陷车事件”时结合技术方法并引入公关手段,却取得了非常好的效果｡

另外,案例显示不少组织还常错将公关问题当作纯法律问题去处理｡这些公司最后甚至确实在法庭上赢得了官司,但却失去了消费者｡“三株常德事件”等就是鲜明的例证｡危机处理应高度关注公众社会心理｡启动法律程序有时是必要的,但必须从公关的角度来策划运作｡

大量案例深刻启示我们,无论是因技术缺陷还是公众自身所引起的危机问题,均应从公关的角度,采取技术的､法律的､传播的､公关的综合策略组合去处理,只有这样才可能将危机带来的损失降低到最小｡

误区二:将组织自身以外原因引发的危机公关问题当作无危机去处理｡不少组织一旦判断出危机不是由于消费者使用不当等原因引起的,经常会降低危机意识,重视程度在无形中被大大减弱,结果导致危机恶化,最终给组织带来重大不良影响｡

菲德勒模型在危机公关决策中的修正､应用

菲德勒权变模型(Fiedler contingency model)揭示了领导者､下属互动风格与情境约束的匹配程度对管理效果的影响,并分离出情境约束的三个因子:领导——员工关系(leader-member relations)､任务结构(task structure)､职位权力(position power)｡领导员工关系指下属对领导的信任(confidence)､尊敬(respect)程度｡任务结构指任务的程序化程度(the degree to which the job assignments are procedurized-that is structured or unstructured)｡程序化任务仅需程序化决策,有规章可依､有先例可循｡但像大量危机事件等非程序化任务,往往需要管理者作出创造性决策｡非程序化决策显然难度大于程序化决策,这也是危机处理挑战性的一个重要来源｡职位权力指领导者对聘用､辞退､晋职､提薪等权力变量的影响程度,由组织正式赋予｡这三个变量各有高低强弱,相互组合形成三类八种管理情境:良性的(favorable)､中性的(moderate)､不良型(unfavorable)｡管理效率最大化依靠领导者风格与管理情境的匹配程度｡

从菲德勒模型出发可以发现:危机并非惯常所谓仅属于不良型(unfavorable)情境大类,它也可能包含在良性的(favorable)和一般型(moderate)两类情境中｡具体来讲,危机情境构成包含以下三种情况:1.领导员工关系良好､职位权力高､任务结构化低,属于良性的(favorable)情境;2.领导员工关系良好､职位权力较高､任务结构化低,属于一般型(moderate)情境;3.领导员工关系差､职位权力低､任务结构化低,属于不良型(unfavorable)情境｡

如果单纯从菲德勒原模型来看,以上危机分属三大类情境,对领导者管理风格似无特殊要求｡但从大量案例实证分析来看,任务导向型领导(task oriented)与危机情境匹配后产生的管理效果明显要高｡为什么菲德勒模型在解释危机处理时会产生较大误差呢?经过分析可以发现,问题出在情境因子的权重上｡菲德勒模型原假设中领导员工关系､任务结构､职位权力这三个情境因子权重相同,但危机的核心特质即任务往往是非结构化的(unstructured),就是说危机事件多属以前未碰到过的,需要作出创造性决策｡显然,危机情境中任务结构的权重要远大于其他两个因子,具有决定性意义,从而确定了其只能属于不良型(unfavorable)情境｡而不良型(unfavorable)情境当然需要任务导向型领导｡

也就是说,运用菲德勒模型分析危机处理时应该对原模型作一修正,将任务结构的权重提高,压倒其他两个因子｡这样才能消除误差,作出符合现实的解释｡

从图上可以表示为(见下图):

根据修正后的菲德勒模型,危机事件属于不良型(unfavorable)情境｡该情境需要领导者拥有任务导向型管理风格｡该风格强调领导者的果断､快速反应,独立决策,发号施令,以事为中心,与强调参与型决策和旨在营造良好领导员工关系的关系型(relations oriented)管理风格恰恰相反｡从大量案例分析来看,该结论也是基本正确的｡危机处理需要任务导向型领导,危机演练应塑造管理者迅捷果断的任务导向型风格｡因此,选择什么样的领导去处理危机,平时的危机演练中应侧重训练管理团队何种能力,都至关重要｡这便是菲德勒模型在危机公关管理中的重要结论｡

实务中组织将自身以外其他原因引发的危机视为无危机,其实正是对情境作了错误归类,即把应属于不良型情境的危机归为良性或中性情境中去了,从而导致危机意识淡漠,重视度不足,最后致使危机恶化,招来重大损失｡

危机公关实证分析与检验

笔者从所收集的危机公关案例库中随机抽样出10个,分别就其决策者对危机归类与危机处理效果的关系作了分析①｡从图表菲德勒模型中可以看出,情境三大类八个子类中,情境归类从一到八,级别越高,情境越趋不良型(unfavorable),也就越近似于对危机事件作出正确归类｡笔者根据10个案例中决策者对事件的重视度､危机意识强弱度不同,确认出他们各自对危机事件的情境归类;另外根据案例描述和数据给定了这10个组织的危机处理效果｡经计算发现,危机事件的情境归类与危机处理效果之间存在较强的正相关关系(Spearmanrank-correlation系数为0.579)②｡即按照修正后的菲德勒模型,如果决策者将危机事件归类的等级越高,则危机处理效果越理想｡也就是说,即便是对于由组织自身以外的原因所导致的可能引发危机的事件,如果决策者对它们的危机敏感性越强,那么最后危机處理的效果就越好｡而实务中恰恰相反,像“三株常德事件”中该公司认为消费者身亡并非产品质量引起,并未将其视为危机事件,结果招致覆亡结局｡在这类失败案例中,决策者忘记了即使实际是消费者使用不当等原因引起的事件,经传播以后也会变成危及企业存亡的恶性事件,因为“公众的感觉往往是引发危机的根源”｡

注释:

①抽样出的10个危机案例,其危机事件的情境归类(采用菲德勒模型中管理情境八小类分法)与危机处理满意度(从l～5,满意度逐次提高)分别为:泰诺中毒事件8､5,玉环热水器爆炸事故7､5,沙松牌电冰箱爆炸事故8､5,天津AIZI病毒扎针事件3､3,日本爱媛号沉船事故4､2,江西万载爆炸事故7､2,三株常德事件3､l,百事可乐回行针危机8､5,1989年埃克森漏油事故3､2,雀巢风波2､3｡

②用Spearman rank-correlation方法作检验,发现危机事件情境归类与危机处理满意度之间存在显著的秩相关关系(Z==2.394>1.96,显著水平a=0.05)｡由此可见,危机事件情境归类与危机处理效果之间一致性较高,修正后菲德勒模型对组织处理危机实际效果的预测能力较强｡影响危机处理效果的变量很多,如公众利益位次､危机意识强度､反映及时度､透明度､真实性､媒体合作等级､危机处理策略组合等｡所以,单独危机事件的情境归类对危机处理效果的解释力不是很强｡这就是Spearman rank-correlation系数不太高(0.579)的原因｡

参考文献:

1.薛澜､张强､钟开斌:《危机管理》,清华大学出版社,2003年｡

2.菲克:《危机管理》,韩应宁译,台北经济与生活事业出版公司,1987年｡

3.诺曼·R·奥古斯丁:《危机管理》,中国人民大学出版社｡

(作者单位:天津外国语学院新闻传播系)

危机模型 篇11

2009年，金融危机带来的金融体系创伤和经济萧条将使资本市场面临极大的考验。风险成为投资者进行资本投资时考虑的首要因素。从目前的形式上看，与资本资产定价模型（CAPM）相比较，套利定价模型更适合在金融危机发生的时候运用。

首先，资本资产定价模型是建立在“八个有效假设”基础上由数学的方法推导出来的定价模型，假设环境与实际的资本市场环境存在着较大的差距，特别是在金融危机的条件下，这些假设成立的条件严重不足。早在20世纪，质疑效率市场假说的经济学家就曾对资本资产定价模型提出了批评。蒂尼奇和豪根等人也先后通过实证检验的方法对此模型提出了质疑。可见，资本资产定价模型存在着固有的局限性和缺陷。

其次，在金融市场运行受阻及资本市场风险剧增的今天，规避风险成为投资者普遍持有的投资倾向。在增值与保值的选择上，大多数的人都会采取相对保守的预期。不增加风险成为投资策略的第一要义，这一点与套利定价模型的假设是一致的。与CAPM相比，套利定价模型唯一的假设条件就是：每个投资者一定会利用不增加风险，但能增加收益的机会，实现机会的途径就是进行套利组合。显然，这个假设与目前条件下投资者的心理是比较接近的。[1]

此外，套利出现要求资本集中投资组合需要满足的条件是：

(1)能够利用零财富或自融资，即投资者不用额外筹集资金，购买一种证券所需的资金由卖出另一种证券来提供；

(2)投资者不承担额外的风险且能带来收益的增加。可见，套利出现在资本市场的不均衡状态，增加风险带来的收益不属于套利收益。这与金融危机中投资者的投资策略不谋而合。

2 套利定价模型的理论内容

(1）建立套利证券组合。

考虑多因素套利定价模型，多个因素会产生系统风险。假设：多个因素ri=E(ri）+βi1F1+βi2F2+βi3F3+…+βikFk+ei；[2]其中，ri为第i种证券的收益率，E(ri）为第种证券的期望收益率，βik为第i种证券对第k个因素的敏感程度，Fk为第k个因素，ei为人们对第i种证券的预期。

首先，假设资本市场有M种证券，Xi是指投资者对证券持有权重的变化。根据套利策略必须是自融资的，因此得到：

其次，根据套利的定义，假如存在套利机会，那么套利组合p不承担额外风险，且对于任何因素的敏感程度都是零，得到：

其中：M必须大于K，即证券的种类数大于因素的数量。[3]

此外，套利又必须获得利润，因而得到：

当投资者设计的投资组合满足式（1）、式（2）、式（3）三个方程时，就存在着一个能在不增加风险的前提下获得收益的套利组合。在此基础上，推导得到多因素套利定价模型为：

其中：rf是指无风险收益率，θk是指因素组合的预期收益，这就是套利定价方程的表达式。

(2）规划套利定价线。

在建立了套利组合的基础上，经过数学推到得到套利定价线的表达式为：

其中：E(Ri）为第i种证券的期望收益值，RF为无风险收益，bi为系数。

根据套利定价原理，当任何资产的因素敏感程度和预期收益率不再套利定价线上的时，投资者就面临着建立套利证券组合的机会。[4]如果资产A价格被低估，投资者可以购买资产A，出售价格被高估了的资产B，构成一个证券套利组合，如图1所示。由于套利不存在风险的增加，因而投资者无需使用新的资金。同时，资产A和资产B相同的因素敏感程度使得投资者设计的套利证券组合因素敏感程度之和等于零，并且这个组合有着明显正的预期回报。当套利组合中三个条件任何一个丧失时，套利活动就失去了机会。

3 金融危机中投资者对套利定价模型的运用

(1）规避风险。

在金融危机投资者可以利用套利定价模型来满足自身的风险保守型倾向。危机意味着大的风险，套利定价模型为投资者在不增加风险的情况下获得收益提供了理论依据。只要满足X1+X2+X3+…+XM=0，βi1=0,j=1,2,3，…，k,X1E1+X2E2+X3E3+…+XMEM>0三个基本条件，投资者就可以在获得充分的资本市场信息的条件下，运用套利定价模型来寻找投资的套利证券组合。[5]在美国和国际资本市场出现动荡，国内资本市场还不够完善、发达的情况下，投资者选择一个理性的投资战略就显得格外重要。

(2）进行国内资本市场与国外资本市场的APT模型比较分析。

在金融危机条件下，投资者必须把国内资本市场与国外资本市场（以美国纽约为例）进行比较。例如，我们通过实证检验结果比较发现，国内D证券市场APT模型的线性关系十分显著，F检验及显著性水平较高，考虑到样本因素，其拟合程度与国外N证券市场相当。第一步是计算R平方值：假设D用超额收益做样本时为0.543，用实际收益做样本时为0.741;N最大值为某个时间段的0.2784。第二步是进行验值：D各因素的T检验值及显著性皆较为理想；N各因素的T检验值不是很大，同样时间段里较为理想。[6]假如经过比价分析，我们发现D证券市场已初步具备了运用套利定价模型进行理论研究与实务探讨的基础，那么投资者可以迅速地了解到国内D证券市场与国外发达证券市场的成熟度之间的相似度。当然，完全运用套利定价模型指导进行投资、并购选择还需要进行进一步的研究与探讨。

(3）确定高估、低估资产的处理方法。

如果投资者发现存在着套利组合的机会，就可以按照套利定价线的理论来进行资产的处理。在套利决策做出以后，对于价格被低估的资产，其预期比其他资产高，投资者就可以卖掉一部分其他资产，而购买价格被低估的资产。同样，对于价格被高估的资产，其预期比其他资产低，投资者可以卖掉一部分价格被高估的资产而购买其他的预期比较高的资产，构成一个合理的套利组合。当套利机会消失的时候，投资者可以坚持保值的原则，在资产不能转为他用的时间内等待套利的机会的出现，以在不增加风险的前提下获得收益。

摘要：金融危机给资本市场投资带来了更大的风险,也使得证券投资在定价分析上更加复杂化。从现代投资组合模型的演化和目前投资人普遍规避风险的倾向来看,套利定价模型是更有效的分析模型。投资者可以在结合资本市场实际情况和偏好的同时运用套利定价模型,以便在危机中做出理性的选择。

关键词：金融危机,套利定价模型,套利定价线

参考文献

[1]郭敏等:《现代资本市场理论研究》[M];中国人民大学出版社,2007:64。

[2]王一鸣:《数理金融经济学》[M];武汉大学出版社,2000:16-23。

[3]T Hens and K R Schenk.An Evolutionary Portfolio Theory[M];NCCR FINRISK working paper,2003:51.

[4]斯蒂芬·A·罗斯:《公司理财》[M];机械工业出版社,2000:106-110。

[5]邢天才:《中外资本市场比较研究》[M];东北财经大学出版社,2003:32-34。