時間：2023-06-07 16:19:09
導語：在財務預警分析的撰寫旅程中，學習并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優秀范文，愿這些內容能夠啟發您的創作靈感，引領您探索更多的創作可能。
中圖分類號：F275 文獻標志碼：A 文章編號：1673-291X（2014）31-0137-02
引言
市場經濟體制改革深化，企業的改革的進一步復雜，在經濟領域高度復雜性的情況下，企業發生財務危機的可能性大大增加。企業出現破產倒閉的情況，會與日俱增。利用財務預警指標建立，實現對財務、經營等方面的跟蹤控制，財務危機信號及時被發現，并且能預測企業未來的財務風險，及時制定防范風險的措施，對于企業的長期健康發展意義十分重大。
一、企業財務預警內涵
1.財務危機預警功能
財務危機預警功能是多方面的。首先，它具有矯正功能，有效財務危機預警模型能在預測危機以外，還可以根據長期記錄尋找危機產生原因;并且提出改進建議，促使企業存在問題的解決;制定推行解決措施，彌補企業財務及經營管理上的漏洞。其次，預警功能，在大量的信息分析基礎上，財務危機預警系統才能實現危機攔截;并找到財務危機發生的根源，針對企業的財務危機根源，及時地應對措施，避免財務危機擴大化。最后，免疫功能，即預警指標體系本身也具有免疫職能，有效的財務危機預警，對某一企業長期觀測，在完善財務危機預警構建的同時，可以幫助企業避免財務危機再現。
2.財務危機預警系統的特點
要建立財務危機預警系統，要對財務危機預警系統的特點進行具體分析。第一，財務危機預警系統有警示性。通過連續跟蹤預測，在財務預警體系中，觀測指標接近安全警戒線的情況，可以提前預測財務危機，促使管理者采取補救、化解財務危機。第二，獨立性。獨立性是指財務預警系統，應該不受任何權利操縱，在客觀性的基礎上實現獨立性。第三，靈敏性。各指標之間密切相關，某一因素的變化，會引起另外因素變化。要及時觀察指標靈敏度，從提供預警信息控制整個數據的變化。第四，參照性。財務危機系統能從海量數據中篩選出有效信息，反映企業財務狀況指標。從而構建判斷企業財務狀況，實現的預警監測。第五，超前性。如果財務危機預警系統構建完善，財務危機發生前的時間段內，甚至幾年內就已經預測出發生，體現了預測的超前性，使得預測更有實際意義。
二、預警指標體系建立注意的問題
建立財務預警體系是一個復雜工程。是否切合企業實際情況，決定著運行效果的成敗，所以，在建立中采用流程分析法，也可以采用現場觀察法，比較分析法、調查法，多種方法進行綜合使用。其中預警指標體系的基本結構（如下頁圖1所示）：
財務預警指標需要從各個角度分析，著重考慮以下三個方面的問題：
首先，預警建立的基礎是財務部門核算財務實際數據，這些數據來源真實可靠程度，直接決定著財務預警指標在發揮作用方面的功效，因為企業經濟資源，受到各種客觀條件限制。但是，財務報表對經濟資源不能完全真實反映，受到這個原因的影響，企業財務指標分析結果會存在一定的偏差。所以，統計完財務指標之后，主要采用比較分析法、因素分析法以及綜合其他各種分析的方法，對企業的實際財務特征，進行定性、定量分析。
第二，財務預警指標參考值確定。企業在會計政策的運用過程中，數據的一致性要保持。在實際業務發生中，不少實際處理的數據的人員存在很多的職業判斷，導致了不同的會計人員在同一會計問題上出現不同的財務決策。
第三，除了采用量化財務數據分析，還要考慮非量化指標影響。在對企業進行狀況評估時候，運用財務風險預警指標比率，要全面考慮企業歷史經營情況，綜合企業財務現狀，運用報告數據資料，實現對企業全面系統評估。
三、中小企業構建有效預警模型的建議
1.充分了解財務預警模型構建的原理
財務風險預警指標體系的建立，目的是在企業未出現財務問題的時候，未雨綢繆。在預警模型構建原理上，要遵循以下幾個原則：首先，擁有實用的功能，并且對危機可以預測為前提。在解決企業的實際問題方面，財務預警系統能夠達到多種目的。滿足管理潛在風險要求。需要注意的是，建立時企業財務預警系統同時，成本與收益是這其中一個對等原則。在不實現企業價值最大化方面，發揮著不同的作用。財務預警模型，應依據經營中財務報表來制定。分析預測財務數據趨勢，實現企業管理層，根據指標警示實施風險控制。其次，預警系統全面性的要求。財務預警模型的建立，不僅僅是財務指標有提前效用，還要求模型指標有全面性，這就要求它從整體角度考慮，對整個企業的財務預警系統建立。財務預警構建的最終目的是通過采取對策保證企業財務安全狀態，所以這個體系的建立，必須使用控制論原理。總的來說，控制分為前饋控制，反饋控制和復合控制。預警管理要應用前饋控制，同時進行和復合控制。另外，在內部的籌資、投資方面，財務預警管理，要求從企業整體出發，觀察項指標波動進行總體上的分析，多方面考慮，從整體上采取促使進行預防。
2.建立預警模型需考慮的財務指標，以適應自身預警要求
良好的防范財務風險水平，可以促進企業長期發展。企業的經營活動主要是在資金的籌集、資金的運用和退出方面。具體的財務風險指標系統首先有負債結構財務指標，這個指標反映企業務杠桿，體現財務穩健度。其次是資金運用效率，這個指標能反映出企業盈利情況，反映了企業經營成果，以及資產管理水平。再次是盈利財務指標，它綜合了多方面業務情況，反映出整個會計期間，財務的投資回報程度。最后是財務的償債能力指標。它能夠反映企業對負債的保障程度。
3.預警模型的優化要求要高效
當前，企業財務預警的建立主要是由統計回歸的數學預測方法對財務風險實現預測，雖然統計回歸預測模型在外國的發展已經大量展開，但是它在中國的發展，仍然處于一種滯后的狀態。這種方法不僅提高模型準確性，在提高模型的解釋能力方面，效果也相對的明顯。從橫向和縱向比較角度，不同情形下的預警可以實現估算成本計算，為財務預警模型實施提供指引的具體參照;從樣本的選擇的角度，企業建模可以考慮財務數據處理方式在樣本配比角度選擇不同比例，以全面反映企業的財務狀況。
結語
綜合來講，我們需要在建立一個財務預警的的指標基礎上，實現預警模型的建立。財務預警中財務預警模型是重要關鍵環節。所以，建立這個體系第一步是進行財務預警指標的設立。指標的設立要適合企業自身財務的發展，實現監測的高效性，避免新的企業財務隱患出現，發現問題及時預警，提出合理解決措施，將損失降低到最小。并且運用這個系統，對企業其他問題的處理進行一個指導，與財務工作相聯系，通過財務預警系統進行綜合梳理，實現與財務指標的結合，在現金流和非數據化指標的的影響下，實現預警模型最大功效的發揮。
參考文獻：
[1] 彭艷露.企業財務風險管理框架及預警指標體系的構建[J].企業研究，2014，（6）：108-110.
[2] 廖哲愛.中小企業財務預警模型探究[J].湖南行政學院學報，2009，（3）：75-102.
關鍵詞:財務危機;預警模型;財務風險;Logit模型
中圖分類號:F230文獻標志碼:A文章編號:1673-291X(2010)30-0084-02
財務危機預警是以財務會計報表為基礎,通過建立和觀測一些敏感指標的變化,對企業可能發生的財務危機實施評價、預測和預警,此過程中使用的數學模型即為財務危機預警模型。在理論和經驗檢驗中所使用的財務危機預警模型可以分為判別分析模型、Logit模型和人工神經網絡模型三大類。其中,判別分析模型又可分為一元判別模型和多元判別模型。本文對幾種主要的財務危機預警模型進行比較分析,希望能夠為進一步的研究提供一些借鑒。
一、判別分析模型
判別分析是對研究對象所屬類別進行判別的一種統計分析方法。進行判別分析的必要條件是已知觀測對象的分類和若干表明預測對象特征的變量值,然后從中篩選出能提供較多信息量的變量,進而建立判別函數,使推導出的判別函數對觀測樣本分類時的錯判率最小。
(一)一元判別模型
一元判別模式是以某一項財務指標作為判別標準來判斷企業是否處于財務危機狀態的預測模型。通常將樣本分為“估計樣本”和“有效樣本”兩組,首先將估計樣本按某一財務比率排序,之后最為關鍵的是尋找臨界值,它可使兩組的錯判率最小,最后依據此臨界值對有效樣本進行預測。Fitzpatrick(1932)最早運用一元判別模型進行財務危機預警研究,他選用19家企業作為樣本,并將其劃分為破產與非破產兩組,運用一項財務比率進行分析,結果表明預測能力最強的指標是凈利潤/股東權益和股東權益/負債。之后,Beaver(1966)選取美國1954―1964年間79家陷入財務危機的企業和79家正常企業,考察了30個財務比率,發現具有良好財務預測的財務比率分別是營運現金流/負債,凈利潤/資產和負債/資產。
一元判別模型首次把財務比率運用于預測財務危機,并且僅需對單個財務比率進行分析考察,計算簡便。但它的缺點也較明顯,如果對同一公司使用不同比率進行預測,往往會得出不同的結果,而且企業通過粉飾財務報表掩蓋財務危機的可能性較大。
(二)多元判別模型
多元判別模型是指通過統計技術篩選出那些在兩組間差別盡可能大但在兩組內部的離散度最小的變量,這樣多個標識變量可在最小信息損失下轉換為分類變量。多元判別模型能有效提高預測精度。
1.Z值模型
Edward.Altman(1968)提出了Z值模型(也稱為Altman模型),其基本原理如下:首先將樣本分為預測樣本和測試樣本,再根據預測樣本建立多元判別模型:Z=V1X1+V2X2+…+VnXn,其中,V1,V2,…Vn是權數,X1,X2,…Xn是各種財務比率。之后,根據此模型確定臨界值Z值,然后把測試樣本的數據代入此判別方程,并計算測試樣本的Z值,最后依據判別標準進行判定。
Altman分別選取了33家失敗企業和33家成功企業的22個財務數據,使用軟件逐步淘汰區分能力差的財務數據,最后保留了5個財務比率:X1=營運資本/資產,X2=留存收益/資產,X3=息稅前利潤/資產,X4=權益的市場價值/負債的市價,X5=銷售額/資產。其Z值模型為:Z=1.2X1+1.4X2+
3.3X3+0.6X4+0.999X5。Z值越低,企業發生財務危機的概率越高,當Z
Z值模型簡單易懂,數據易于獲取,計算簡便,不僅有利于企業管理當局進行財務分析,也為投資人、債權人作出有效的投資決策提供了依據。但使用Z值模型時必須注意時間性,Z值模型只適應于對企業短期風險的判斷。而且,Z值模型沒有充分考慮現金流量等方面的影響。此外,由于該模型只適用于上市公司,Altman后來對該模型進行了修訂,建立了非上市公司財務危機預警的Z′模型和跨行業的Zeta模型。
2.F分數模型
為了克服Z值模型的局限性,周首華、楊濟華和王平(1996)對Z值模型進行改進,建立了F分數模型。F分數模型擴大了Z值模型的樣本容量,使用了Compustat PC Plus會計數據庫中的4 160家企業的數據。F分數模型中加入了現金流量這一自變量,現金流量的計算是長期投資決策中所用到的營業現金流量,等于稅后凈利潤加上折舊,這里暗含非付現費用只有折舊。基于Donalson理論,F分數模型同樣選取了5個財務比率,與Z值模型不同的是X3和X5這兩個變量,其中X3是一個現金流量變量,X3=(稅后凈利潤+折舊)/平均負債,它用來衡量企業使用全部現金流償還債務的能力;X5=(稅后凈利潤+利息+折舊)/平均資產,它測量了企業的資產創造現金流的能力。F分數模型為:F=-0.1774+
1.1091X1+0.1074 X2+1.9271X3+0.0302X4+0.4961X5。F分數模型測算的臨界值為0.0274,如果F
二、Logit模型
Logit模型又被稱為評定模型、分類評定模型和邏輯回歸模型,建立的基礎是累計概率函數,目標是尋找觀察對象的條件概率,據此判斷觀察對象的財務狀況和經營風險。Logit模型是一個非線性模型,曲線呈S型或倒S型,模型公式為:
lnP/1-P=αβiXi,其中,P是在因素(X1,X2,…,Xm)的影響下企業發生財務危機的概率,0≤P≤1;1-P是企業不發生財務危機的概率;Xi(i=1,2,…,m)是影響財務危機的第i個因素;αi,βi(i=1,2…,m)是待估計參數。然后利用最大似然估計法估計參數。判別規則是:取0.5作為概率的臨界值,將樣本數據代入回歸方程后,如果P>0.5,表明其也發生財務危機的概率較大,否則,判斷企業財務正常。
Ohlson(1980)第一個采用Logit方法進行破產預測,使用9個自變量,估計了三個模型,分析了樣本公司在破產概率區間上的分布以及兩類判別錯誤和分割點的關系。他發現至少有四類顯著影響公司破產概率的變量:公司規模、資本結構、業績和當前資產的變現能力。繼Ohlson之后,Gentry,Newbold and Whitford(1985);Casey and Bartczak(1985);Zavgren(1985)也采用類似的方法進行研究。程濤(2002)以1998―2000年被ST的A股上市公司為研究樣本,運用時間序列回歸和Logit回歸方法,從財務指標角度和現金流量角度分別構建預警模型,并在此基礎上構建綜合預警模型。姜秀華(2001)、吳世農、盧賢義(2001)、李華中(2001)等也采用類似的方法進行了研究。
同一元判別模型相比,Logit模型信息含量大,解釋能力強,并且不容易發生沖突。此模型最大的優點在于克服了多元判別模型要求變量服從正態分布并且分組樣本間的協方差相等的局限性。但是,Logit模型是建立在累計概率函數的基礎之上,同樣要求各個自變量之間不存在多重共線性。而且,運用Logit模型在計算過程中有許多的近似處理,這會影響預測精度。
三、人工神經網絡模型
人工神經網絡(Artificial Neural Networks)建構理念植根于人類對大腦神經網絡認識,人工構造一種神經網絡以實現某種功能,最為廣泛使用的是反向傳播人工神經網絡,即BP網絡。
Odom and Sharda(1990)是用BP神經網絡預測財務困境這一方法的開拓者,其研究是以Altman所構建的五個財務比率為研究變量,使用類神經網絡與判別分析作驗證比較,結果發現類神經網絡具有更佳的預測能力。Tam(1991)通過對人工神經網絡(ANN)的模擬,得出神經網絡可以應用于財務預警,而且具有較高的預測精度。Koh and Tan在1999年以6個財務指標為研究變量作了類似的研究,認為類神經網絡模型的預測效果優于Probit模型。楊保安等(2002)采用ANN模型進行財務危機預警研究,結果表明:樣本的實際輸出和期望輸出較為接近,顯示出神經網絡是進行財務評估的一種很好的應用工具。柳炳祥、盛昭翰(2002)分析了評價財務危機的指標體系、財務危機等級的劃分和基于粗神經網絡的財務預警方法,并用一個預警實例進行了驗證。
已有的研究表明,人工神經網絡具有較好的模式識別能力,而且它具有容錯能力,對數據的分布不做嚴格要求,能夠處理有噪聲和不完全的數據,誤差小,建模更科學,克服了傳統統計方法的限制。更為重要的是人工神經網絡具有學習能力,可依據新的數據資料自我學習、訓練,調整內部的儲存權重參數以應對多變的企業運作環境。
四、對已有模型的述評
可以看出,已有的很多模型構筑精巧,使用了很多量化技術,但也產生了一個問題,模型的應用性和可操作性較差,模型在使用中受到樣本選擇范圍和選擇時間的限制,模型成立的前提條件也較苛刻,模型中所涉及變量的選擇也缺乏理論支持,更多的是憑“通用性”和經驗。因此,我們認為,財務危機預警分析需要考慮諸多方面的因素,除了關注模型的設計外,還應該加強財務比率的設計和選擇,積極探索將非量化因素引入財務危機預警指標體系。同時,財務危機預警模型必須以大量的真實信息為基礎,因此,應加強信息管理,建立使用信息和分析信息的合理機制,進一步增強財務信息的有用性。
參考文獻:
[1]A1tman E.I,“Financial Ratios,Discriminant Analysis,and the Prediction of Bankruptcy”,Journal of Finance[J].September 1968.
[2]Tam and Kiang,“Predicting Bank Failures:A Neural Network Approach”,Management Science[J].1992,8:926-947.
一、引起財務風險的原因
財務風險的成因分為兩大類：外部因素和內部因素。
1.外部因素
外部因素是對所有的企業都會產生影響的因素，是企業無法回避的，主要包括以下幾個方面：a.市場變動，即市場由于政治形勢、自然災害等客觀原因造成的供求關系的改變。b.宏觀經濟形勢變化，如一國的經濟形勢變動會影響其他國家和地區經濟形勢的變動、通過膨脹、通過緊縮、利率變動、匯率變動、稅收政策變動等。影響財務風險的這些外部因素，企業無法回避，但是對這些因素進行及時監控，可以幫助企業采取措施應對，避免產生較大的危機和損失。
2.內部因素
內部因素是企業特有因素，是由企業自身事件產生的因素，包括內部管理因素，財務管理因素，財務因素和經營因素。
在內部因素中，有些因素在短期內將引起財務風險，而有些因素是在長期內將引起風險，而實際上這是一個“因果”關系。由于內部管理不當、財務管理失誤、經營決策錯誤，最終引起企業資產負債率過高、應收賬款過多、現金不足以支付到期債務等財務風險的出現，而在財務風險預警中，我們對這些“因果”都要反映，才能真正實現預警的目的。內部因素是企業可控因素，外部因素是企業不可控因素，但外部因素也會通過內部因素引起財務風險，在財務風險預警研究中無法將兩者分開，但在分析中，應區分原因，采取措施。
二、引起財務風險的原因可能產生的現象
外部因素和內部因素都會引起財務風險，但財務風險畢竟是個抽象的概念，要建立財務風險預警體系，必須了解財務風險的具體現象，即財務風險的征兆，一旦發現，即采取措施，予以控制。引發財務風險的具體現象有：
1.規模過度擴張。企業經營進入成熟期和衰退期后，如果進行大規模的新建項目或對原油廠房進行大規模擴修，或者同時在許多地方收購其他企業，涉足許多不同領域，都可能使企業資金負擔過重，如果沒有進行嚴密的資金預算，都會導致企業支付能力下降，引發財務風險。
2.企業內部管理層做出了不同以往的特殊決策或管理層突然出現重大人員變更，這種現象的出現意味著企業內部管理出現問題，引發了管理風險，必將引起財務風險。
3.銷售出現不正常的下滑。從表面看，銷售下滑是市場問題，但引起的原因很多，如果不是由外部宏觀因素引起，很可能是企業產品質量問題或市場出現了強有力的替代產品，無論哪種原因，都可能在短期或長期引發財務風險。
4.非計劃的存貨積壓。非計劃的存貨積壓產生的主要原因是銷售出現非正常下滑，但除此原因外，管理層的錯誤決策或者財務的粉飾需求都可能引起存貨的非計劃積壓，引發財務風險和管理風險。
5.過度依賴貸款。過度依賴貸款，意味著企業喪失了其他的融資能力，意味著企業喪失了以往的信用，標志著企業資金周轉失調或盈利能力下降。
6.財務報表公開不及時。如果頻繁出現財務報表不及時公開，應警惕財務粉飾，關注報表附注。
除以上提到幾點外，還有許多可能引發財務風險的現象，如企業進行了大規模的新產品研制，如果此項經營決策失誤，同樣會導致企業產品積壓，現金周轉困難；另外，客戶交易記錄惡化，可能導致賒銷款項無法收回等。因此，引發財務危機的現象很多，對這些現象應進行仔細分析，查找原因，才能及時防范財務風險，避免財務危機。
三、引發財務風險現象的財務表現形式
引發財務風險的現象，并不都是財務現象，有管理現象，還有經營現象，它們可能引發狹義財務風險、管理風險和經營風險等，管理風險和經營風險可以通過在管理環節和經營環節中發現，采取措施予以規避，但風險的產生和危機的引發是個逐步的過程，對于在管理中和經營中沒有防范住的風險，最后都會反映為千百萬，因此，我們必須了解引發賬務風險的現象的財務表現形式，而最好的財務表現形式就是最好的財務指標。
目前我國常用的財務指標從四方面來界定，財務效益狀況指標、資產營運狀況指標、償債能力狀況指標和發展能力狀況指標，用來對企業的經營業績進行評價，而本文我們是研究財務風險預警，這里要分析的是企業財務風險預警指標，通過這些指標應能靈敏地反映企業的財務風險狀況，對企業的財務危機進行及時預警，因此我們根據財務風險的成因和現象構建了四方面財務風險預警指標，它們是：管理狀況指標、財務結構指標和運營狀況指標。
1.管理狀況指標
管理狀況可通過高層領導決策失誤率、內部控制制度執行率等指標來反映，它們可直接反映出管理風險，在一段時間后反映為財務風險，是財務風險預警的早期指標。
高層領導決策失誤＝某時期高層領導的錯誤決策數/某時期高層領導的總決策數
內部控制制度執行率＝已執行的內部控制制度數/已制訂的內部控制制度數
2.財務狀況指標
財務狀況可通過流動比率、速動比率、現金流動負債率、主營業務利潤率、凈資收益率、銷售收入增長率和權益增長率等指標來反映，直接反映出財務風險。
流動比率＝流動資產/流動負債
現金比率＝（貨幣資金+短期證券）/流動負債
現金流動負債率＝經營現金凈流量/流動負債
主營業務利潤率＝利潤總額/銷售收入總額
凈資產收入增長率＝（本期銷售收入—上期銷售收入）/上期銷售收入
權益增長率＝（期末所有者權益—期初所有者權益）/期初所有者權益
3.財務結構指標
財務結構可通過流動資產率、資產負債率、應收賬款壞賬率等指標來反映，反映企業應對負債的能力。
流動資產率＝流動資產/總資產
資產負債率＝負債總額/資產總額
應收賬款壞賬率＝應收賬款壞賬/應收賬款總額
4.運營狀況指標
運營狀況可通過總資產周轉率、應收賬款周轉率、存貨周轉率、投入產出率、不良資產占有率和現金流入流出率等指標來反映，這些指標既可反映財務風險，也可反映經營風險。
總資產周轉率＝銷售收入凈額/平均資產總額
應收賬款周轉率＝銷售收入凈額/應收賬款平均余額
存貨周轉率＝銷貨成本/存貨平均余額
投入產出率＝產品銷售收入/（產品銷售成本+期間費用）
不良資產占用率＝不良資產/資產總額
現金流入流出率＝現金流入量/現金流出量
我們這里構建的指標，是從一般意義出發形成的，企業在具體運用中，應依據實際需要，進行調整。
四、構建財務風險預警體系的方法
從廣義上說，構建財務風險預警體系的方法包括前面介紹的企業財務風險預警的信息表現，只有收集了資料，才能進行必要的研究，因此，這里所指的構建方法是指如何對財務風險預警指標進行分析和運用，得到企業所處財務危機的程度的信息，幫助企業做出危機判斷的具體方法。
企業財務風險預警的方法總體來說，分為兩大類：一是定性分析的方法；二是定量分析的方法。定性分析包括專家調查法、分階段分析法、流程圖分析法和管理評分法。定量分析法是通過對預警指標的篩選，運用數學和統計方法，建立模型，用數字對企業財務危機作出判斷的方法，一般分為單變量模型和多變量模型。具體包括以下幾種：a.單變量財務危機預警模型；b.Z得分模型；c.邁耶和皮弗的LPM模型和馬丁的Logit曲線回歸模型；d.神經網絡財務危機預警模型。
定性分析法和定量分析法在實際應用中可結合使用，如對管理狀況就可采用定性的方法進行前期的分析，判斷管理風險的程度，根據所得到的信息，計算管理狀況的指標，使得指標得以量化。
五、結語
我國學者對財務預警研究始于20世紀80年代后，1986年吳世農、黃世忠研究了企業破產分析指標和預測模型，1998年陳靜對27家ST公司和非ST公司進行了單變量分析，建立了Z得分模型，2000年張玲以120家公司進行模型檢驗。經過大量的實證分析，財務指標和Z得分法模型對我國企業財務危機的預測有較好作用。在這些分析中，學者們都選擇了定量分析法，而忽視了定性分析法，同時他們均以上市公司為研究主體，進行橫向研究。實際上，對任何一家企業都需要進行財務危機預測，這將是企業財務管理的新趨勢，企業可根據自身的實際情況選擇適當的預警指標和預警方法，建立財務風險預警體系。
參考文獻
[1]胡華.現代企業財務風險的成因及防范[J].會計之友，2009.
[2]陳靜.上市公司財務惡化預測的實例分析[J].會計研究，2009.
關鍵詞:財務杠桿系數 灰色災變預測 財務預警
在市場變化的不確定性及競爭日益激烈的環境下,由于財務的復雜性,企業的財務風險成為一種客觀存在。而企業財務活動的組織和管理過程中的某一方面或某個環節的問題,都可能促使這種風險轉變為損失,導致企業發生財務危機。因此,對企業財務狀況進行預警分析并進行有效的防范,對規避企業財務風險,從而提高企業經濟效益和競爭力。
一、財務預警模型的構造
本文選擇財務杠桿系數作為分析的財務指標,并根據灰色預測方法只需較少數據即可建立分析模型以及可處理財務風險無規則概率分布的特點,運用灰色災變預測方法對企業的財務風險進行預警分析。
(一)財務杠桿系數
企業可以通過借款或其他方式增加資本,只要債務成本低于這些資本投入的收益,財務杠桿就可以提高企業的資本收益率,但與此同時財務杠桿也提高了企業的財務風險。資本結構決策需要在杠桿收益與其相關的風險之間進行合理的權衡。
(二)灰色災變預測
灰色災變預測屬于灰色理論中的一個部分,主要針對“部分信息已知,部分信息未知”的“小樣本”,“貧信息”的不確定性問題,運用數學方法進行描述出來。主要任務是利用模型預測出下一個或幾個異常值出現的時刻,以使人們提前做好防備,采取對策,減少損失。灰色災變預測的準確率較高、實用性也較強,目前被大量應用于預測實踐當中。
二、實證分析
以下結合具體實例進行分析,該企業為河南省某一著名企業,企業近年來發展勢頭良好,做出了不殊的成績。以下數據來源于集團公司各年中期和年度財務報告,數據為集團母子公司的合并后數據。根據對該企業財務報告及企業情況的分析得知,利息費用占據了財務費用的大部分,故本文的分析對財務費用進行了處理,使其分離出利息費用。為使處理簡單化以便于分析,用各期財務費用總額乘以0.9,得出相應各期的利息費用。(如表1）
以該企業2002年中期至2008年中期的資料作為災變預測依據,對此序列數據進行統計,將=1.20作為是否發生財務預警的臨界值,并認為1.20為財務風險較高,產生了財務預警。根據灰色災變模型及數據分析,則有:
1)該企業財務杠桿系數的原始序列為:
6)進行殘差檢驗。分別令k=1,2,3,4,可計算出預測值如表3所示:
由于平均相對殘差及均小于0.05,故模型合格,可用于對企業財務風險的預測。令k=5,可得預測值,即再過11-12期左右,即2008年末-2009年中期將會出現一次財務杠桿系數的異常(災變)值。根據預警結果,企業應該意識到存在的財務風險,并對企業的資本結構進行調整,在合理利用財務杠桿所帶來的杠桿效應的同時,也要避免隨之而來的擴大的財務風險,把財務杠桿系數穩定在一個合理的水平,從而避免財務風險。
三、結語
本文根據企業財務風險往往呈現無規則概率分布的特點,選取能衡量財務風險的重要財務指標---財務杠桿系數進行分析,利用灰色系統中的災變預測理論建立了灰色災變預測模型,對企業的財務風險進行了預警分析。通過實證研究發現,選取財務杠桿系數作為分析指標,應用灰色災變預測模型可為企業財務預警分析提供了一個新的研究思路和方法,具有很高的實用價值。當然,任何方法都有一定的局限性。獲取真實可靠的財務數據,綜合多種方法進行比對分析,建立與企業實際情況有較高擬合度的財務預警分析模型,將對企業防范財務風險,及時做好應對措施具有極重要的意義。
參考文獻
[1]蔣元濤.基于現金流量的投資企業財務風險預警分析[J].財貿研究,2005;4.
財務預警即財務失敗預警，是以財務會計信息為基礎，通過設置并觀察一些敏感性預警指標的變化，以發現企業在經營管理活動中潛在的經營風險和財務風險，并在危機發生之前向企業經營者發出警告，對企業在經營管理活動中潛在的財務危機進行實時監控。
財務預警具有參照性、預測性、預防性和靈敏性等四個特點。參照性：從參照性特點看，運用財務管理和數據分析方法，測算出反應企業財務運行狀態的指標和指標體系，使其成為我們判斷和認識企業財務運行規律的參照或指標體系。預測性：根據財務運行狀態的發展趨勢和變化，預測或推算與此密切相關的各因素的發展變化。預防性：一旦財務預警體系中的指標接近安全線，便可以及時尋找導致財務運行惡化的原因，以化解財務危機。靈敏性：由于財務體系各因素之間密切聯系、相互依存，某一因素的變化會在另一因素中敏銳的反映出來，從而提供相關的預警信息。
財務預警模型是一步步不斷發展完善起來的，Beaver（1966）最早運用統計方法建立了單變量財務預警模型，Altman(1968)最早運用多變量分析方法探討財務預警問題，建立了Z模型，Ohlson(1980)第一個用Logit方法進行破產預測，Odom and Sharda(1990)開拓了用神經網絡預測財務困境的新方法。
二、財務預警實證分析
1.實例背景
商業銀行在經營過程中，由于事前無法預料的不確定因素的影響，使實際收益與預期收益產生偏差，從而有蒙受經濟損失和獲取額外收益的機會和可能性的風險，任何忽視風險只追求收益的行為都有可能導致災難性的后果。本文以工商銀行為例，來分析財務預警模型的應用。
中國工商銀行股份有限公司前身為中國工商銀行，成立于1984年1月1日。2005 年 10 月 28 日，整體改制為股份有限公司。2006 年 10 月 27 日，
成功在上海證券交易所和香港聯合交易所同日掛牌上市， 創造了全球資本市場有史以來最大規模的 IPO。
2.財務預警應用
本文以中國工商銀行股份有限公司2009年12月的部分財務數據進行財務預警應用的實例分析。由Altman 提出的Z模型：
Z=1.2x1+1.4x2+3.3x3+0.6x4+1.0x5
其中: x1- - 營運資金/資產總額
x2- - 留存收益/資產總額
x3- - 息稅前利潤 /資產總額
x4- - 股東權益總額 /負債總額
x5- - 銷售收入/資產總額
由上面數據可得出 Z為2.775 根據這一模型，一般地Z值越低企業就越有可能破產Altman還提出了判斷企業破產的臨界值：若 Z值大于 2.675，則表明企業財務狀況良好，發生破產的可能性較小；若 Z值低于 1.81 則表明企業存在很大破產危險；如果 Z值處于1.81- 2.675之間，Altman稱之為 灰色地帶 的確，進入這個區間的企業財務是極不穩定的，由于 2.775 高于2.675，則可以預測該企業不存在破產危險。
三、小結
工商銀行采取了有效的風險控制制度，積極完善全面風險管理體系，加強制度創新，加快提升全面風險管理能力。編制年度風險限額管理方案，充分發揮限額對風險的控制作用；積極應對復雜的外部形勢，實現對境內分行風險管理情況的動態評價；規范境外分行及附屬機構風險報告工作，進一步完善集團層面風險報告機制。通過F模型，驗證了工商銀行的風險管理機制起到了有效控制風險的作用，將公司發生財務危機的可能性降到了最低。
參考文獻：
[1] 潘穎：企業短期財務預警系統的構建[J]. 生產力研究，2009，(4)：137- 138
[2] 黃德忠：企業財務風險預警研究綜述[J]. 財會通訊,2005，(9):41-44
Yang Yu'e
（The College of Business，Xi'an International University，Xi'an 710077，China）
摘要：目前企業財務預警分析大多是定量研究，但其不能揭示出企業存在的所有問題，而且對于非財務因素，運用財務數據建立的預警模型是無法解決的，這就需要定量研究與定性研究相結合，本文主要研究企業財務預警定性分析法，并對其進行比較，對企業的情況有一個更為全面、客觀的預測分析，以此彌補定量分析法的不足。
Abstract: Most of the current corporate financial early warning analysis is quantitative research, but it can not reveal all the problems in the business. But also for non-financial factors, the early warning model established by the financial data can not solve them, so it requires the quantitative and qualitative research. This paper mainly studies the qualitative analysis of corporate financial early warning, and compares them to have a more comprehensive and objective prediction analysis of the situation of enterprises and compensate for the lack of quantitative analysis.
關鍵詞：定性分析法 三個月資金周轉表 四階段癥狀
Key words: qualitative analysis；cash flow table of three months；four-stage symptoms
中圖分類號：F275文獻標識碼：A文章編號：1006-4311（2011）29-0117-01
1定性分析法的概念
在企業財務預警分析中，主要采用的是定量研究，雖然其是實證研究，帶有很強的說明力，但其僅考慮了財務因素，未將非財務因素納入財務預警的體系，并不能全面反映企業的全貌，為此應輔之定性分析法，使研究更全面準確，以此建立更為合理、準確的財務預警系統。定性分析法是指研究人員根據自己的專業知識、以往經驗和對公司行業特征、基本情況、產品市場占有率、商譽、生命周期、治理結構等情況對公司的各種風險綜合評價得出財務預警結論，定性分析方法得出的結果只是一種判斷。定性分析法主要有“三個月資金周轉表”分析法、管理評分法――仁翰?阿吉蒂的“A記分”法、標準化調查法、“四階段癥狀”分析法四種。
2定性分析法之比較
2.1 “三個月資金周轉表”分析法看有沒有制定三個月的資金周轉表是判斷企業財務狀況的有效方法之一。是否制定資金周轉的三個月計劃表，是否經常檢查銷售額對付款票據兌現額的比率、考慮資金周轉以及結轉下月余額對總收入的比率等問題，對企業的持續經營具有重大意義。經濟繁榮的程度與資金周轉聯系較為密切，如企業從繁榮走向蕭條，尤其是在進入蕭條期后，企業的計劃就經常被打亂，甚至賒銷款和銷售額的回收都不能按照計劃及時收回，但是各種費用卻很容易超過起先的預算。因此，如果企業不制定特別詳細的資金周轉計劃表，資金就不能滿足正常生產經營業務的需要；相反，企業從蕭條轉向繁榮時，資金周轉就會逐漸變得靈活起來。這種分析方法的判定標準：如果企業制定不出三個月的資金周轉表，這說明該企業的資金周轉出現了大問題；倘若企業能制定出三個月的資金周轉表，說明該企業的資金周轉暫時不存在問題，能滿足企業生產經營業務的需要。這種分析方法的實質是企業面臨的理財環境是變化多端的，要避免發生各種支付危機，就應該周密計劃，保證企業能制定出周轉較高的三個月資金周轉表。如果制定不出此表，就說明該企業已經有潛在的風險了，要引起相關部門的注意。
2.2 管理評分法――仁翰?阿吉蒂的“A記分”法管理評分法又稱為仁翰?阿吉蒂的“A記分”法。美國的仁翰?阿吉蒂調查了企業的管理特性及可能導致破產企業的不足，按照幾種經營缺點、經營錯誤和破產征兆進行對比打分，還根據這幾項對破產過程產生影響的大小程度對它們作了加權處理，總分是100分。評判標準為：所得分值越低，企業處境便越好；反之，所得分值越高，企業處境便越差。這種管理評分方式試圖將定性分析判斷定量化處理，這一過程需要對企業進行深入的研究，分析整個企業甚至具體到車間，對企業高層管理人員進行細致的調查，全面深入分析企業管理的方方面面，才能對企業的管理給出比較客觀的評價。對企業經營管理活動用管理評分法進行評估時，不允許打中間分值，即每項的評分不是零分就是滿分，給出的分值代表了企業管理不善的程度。參照各項標準進行打分，分值越高，則企業的處境越差。企業的安全分值一般應小于18分；如果評價的分值合計大于25分，就說明企業正面臨著財務危機；如果評價的分值合計大于35分，就說明企業正處于嚴重的財務危機當中。由此可見，管理評分法認為企業高級管理層是企業失敗的根本原因，這種方法操作方便，簡單易懂，但其效果的好壞還要取決于是否對被評分公司及其管理者有全面、深入的接觸。從某種程度上看，管理評分法具備了定量分析中多元線性函數的基本條件。
2.3 標準化調查法標準化調查法又稱風險分析調查法，是指就公司可能遇到的問題通過咨詢公司、協會、專業人員等，加以全面詳細的調查和分析，最后形成報告文件形式供企業管理層參考的方法。該方法的優點是帶有普遍適用性，它所提出的問題對所有企業都有意義；不足在于無法針對特定公司的特定問題進行調查分析,無法就某些特定問題提供相關的個性研究。另外，調查時沒有對要求回答的每個問題進行解釋，也沒有引導使用者對所問問題之外的相關信息做出正確判斷。
2.4 “四階段癥狀”分析法企業財務運營過程中出現的病癥可以大體分為四個階段：財務危機潛伏期、財務危機發作期、財務危機惡化期和財務危機實現期，且程度是依次加重。“四階段癥狀”分析法各階段的特征，如圖1所示。如企業在財務運營過程中有上述特征出現，要根據特征確定相應的階段，并尋求有效解決辦法，使企業盡早回歸正常的生產經營活動。此方法操作簡單，表達清晰，作為企業自我檢查的有效方法之一，但不足在于每個階段的劃分不容易確定，帶有很大的主觀因素，需要診斷者具有豐富的實戰經驗。
3定性分析法之評價
在企業實際運用中，定性分析法具有較大的靈活性，企業可以根據自身的具體情況作出相應的調整，定性分析法需要有關人員憑借自身的經驗對財務風險進行分析。因此這種方法容易受到個人主觀意識的影響，個人的偏見會給企業帶來一定的損失。
企業在建立財務預警時不能單純依靠財務數據，應充分考慮能夠影響企業財務狀況的非財務數據。既要涉及到定量信息，也要涉及到定性信息，這樣才能更為完整地反映企業的全貌。較好的方法是同時使用定性分析法與定量分析法，使其取長補短，提高防范財務風險的準確性。
參考文獻：
[1]彭韶兵,邢精平.公司財務危機論[M].北京：清華大學出版社,2005.
[2]張文,李海燕.企業財務風險預警模型應用研究[J].財會月刊,2007,(30).
關鍵字：企業財務危機預警；集成模型；Bagging；Adaboost
1 引言
建立有效的財務危機預警模型是金融機構一項非常重要而艱巨的任務。財務危機預警模型可以用來預測上市公司的財務是否發生問題。如果預測模型不能正常運行，如預測錯誤率很高，它會導致不正確的決策，并很可能會由此導致嚴重的金融危機和災難。
財務危機預警模型也可以表示為一類具有輸入和輸出的二分類問題。也就是說，預測模型將每個樣本分類到2個預定義的類。對于財務危機預警問題，輸出結果即為發生財務危機或者未發生財務危機。單變量分析方法最早應用于企業財務危機預警領域，Beaver（1966）[1]等是較早采用單變量分析法預測企業狀況的學者，并在研究中發現對企業財務狀況判別能力高的財務指標和關鍵要素。Ohlson（1980）[2]發現Logistic模型更適合描述企業發生財務危機與否和財務比率指標之間的非線性關系。自上世紀50年代人工智能技術，如決策樹、支持向量機、神經網絡、概率神經網絡等分類器成為預測企業財務危機較常用的方法。Odom（1990）[3]最先運用神經網絡模型對企業財務狀況進行預測。
已有研究表明，分類器集成技術在預測精度和誤差等方面都要優于單一分類器模型和傳統的統計方法。集成分類器是針對同一問題通過組合一組分類器進行解決的，最終的分類結果根據每個分類器的組合從而最終得到。常用的集成方法包括Bagging和Adaboost。West（2005）[4]研究了用于對神經網絡進行集成的cross-validation，bagging，boosting三類集成策略，并證明多分類器集成方法的預測能力優于單一模型。Alfaro（2008）[5]對比了使用AdaBoost集成方法和神經網絡模型的預測企業破產的精度，結果顯示AdaBoost集成方法有效降低了神經網絡的泛化錯誤。
雖然許多相關的研究已經證明了集成分類器優于許多單分類器，但是在企業財務危機預警領域，關于集成模型的應用還缺少全面的對比及分析。所以本文選取了Bagging和Adaboost集成模型，同時選取了神經網絡（NN）、支持向量機（SVM）和決策樹（DT）作為集成的基分類器，重點討論如何構建財務危機預警的最優集成分類器模型。
2 集成模型
集成學習方法是機器學習的新興領域。近些年來，采用集成模型對企業財務危機進行預警的研究也呈上升趨勢。集成模型的目的在于將多個具有一般性能的弱分類器整合成為具有較強分類性能的集成模型。也就是說，用于集成的基分類器能夠有效彌補其它基分類器所產生的不足，從而獲得比單分類器更好的預測效果，顯著的提高預測模型的泛化能力。
將不同的基分類器的預測結果進行組合得到最終的預測結果，這些用于組合的基分類器可以通過不同的訓練數據集產生，也可以通過不同的分類算法產生：
2.1 Bagging
Bagging首先通過自助抽樣法，從初始訓練數據集中有放回的對樣本進行抽樣，形成不同的訓練數據集。進而采用某一分類算法分別用各個訓練數據集對基分類器模型進行訓練，從而形成不同的基分類器模型。最后采用多數投票法融合各個基分類器的預測結果。已有研究表明，Bagging采用的自助抽樣法和多數投票法能夠有效降低模型的方差從而提高預測的精度。
2.2 Adaboost
在Adaboost中，各個分類器是連續生成的。即Adaboost是一種迭代算法，其核心思想是針對同一個訓練集訓練不同的基分類器，然后把這些基分類器通過多數加權投票的方法進行整合形成一個最終的強分類器。Adaboost的算法如下：
假設有訓練樣本集 ，代表一個二分類問題中訓練樣本的對應輸出。當經過第t次迭代時，每個訓練樣本的權重表示為 。每個訓練樣本的初始權重為1/n，樣本的權重隨著迭代的增加而不斷的更新。在t次迭代時，Adaboost根據權重分布生成新的訓練樣本集，并使用新的訓練樣本生成基分類器，通過ft表示。Et代表分類器ft的錯誤率，可以通過式（1）進行計算：
（1）
根據容易分類的樣本分配較小權重，較難分類的樣本分配較大權重的基本思想，樣本的權重通過式（2）進行更新：
（2）
式（2）中的αt和lit分別通過式（3），（4）計算得到：
（3）
（4）
將以上得到的權重進行標準化處理，可以得到 （5）。
當進行T次迭代時，將有T個弱分類器用于集成。Adaboost通過加權投票集成法得到最終的分類結果。
3 實證研究
3.1 樣本描述
本文采用的上市公司的財務數據樣本均通過CCER經濟金融數據庫獲取。采用滬深兩市中的上市公司因為連續兩年以上財務狀況異常而被“特別處理（Special Treatment，ST）”作為分類器的分類標準。基于此，本文選取2009-2014年首次被證監會“特別處理”的上市公司，共計167家上市公司作為發生財務危機的公司樣本。并根據同行業和相似總資產選取準則，選取了167家財務健康的上市公司作為配對樣本進行實驗。基于既有的的指標選取原則，本文分別從市場價值、營運能力、資本結構、償債能力、盈利能力和成長能力6個方面選取了38個財務指標作為構建財務預警模型的輸入。具體包含的指標內容如表1所示：
3.2 實驗設計
本文選取了神經網絡（NN），支持向量機（SVM）和決策樹（DT）三個常用的預測模型作為集成的基分類器。使用神經網絡作為基分類器，主要需要確定網絡層神經元的數量，本文采用經驗法對其進行設置，即網絡層的神經元數量一般設置為 ，其中m是輸入層神經元的個數，即輸入財務指標集的數量，n是輸出層的神經元個數，即是否發生財務危機，a是一個0-10之間的常數。采用支持向量機作為集成的基分類器時，采用徑向基函數（RBF）作為其核函數，并利用交叉驗證法尋找最優的懲罰系數C和核參數σ。
為了避免訓練樣本因為一次抽樣而使得模型的測試產生有偏的結果，采用10-折交叉驗證作為模型的驗證方法。即將樣本數據隨機劃分為互斥的10組，用其中9組作為訓練樣本，剩余1組作為測試樣本，重復這一過程，直至每組都做過一次測試樣本，并計算最終正確分類的樣本數量占總樣本數量的值來評估分類器的性能。
3.3 評價標準
本文分別采用整體預測準確率（Accuracy）、第一類錯誤率（type I error）和第二類錯誤率（type II error）作為評判模型優劣的評價標準。融合矩陣及各個評價標準的定義如下所示：
3.4 實驗結果與分析
為了分析以下兩個問題，一是在企業財務危機預警中Bagging和Adaboost兩類集成模型預測能力的差異，二是NN，DT和SVM分別與Bagging和Adaboost集成后預測能力的差異。本實驗共進行了9組實驗，來較全面的分析以上兩個問題。具體實驗結果見表3：
從表3可以看出，當使用Adaboost作為集成框架，DT作為集成的基分類器時，構建的模型具有最好的預測性能，準確率達到了80.24%，第一類錯誤率為17.86%，第二類錯誤率為21.69%。而采用Adaboost-SVM和Adaboost-NN的預測結果分類別77.55%和76.35%。同時可以看出，無論選擇哪種預測算法作為集成的基分類器，Adaboost集成框架的預測效果都優于Bagging，因為Adaboost具有更好的泛化性能和降低方差的能力。
4 結論
既往研究中，關于分類器集成方法在企業財務危機預警中的作用沒有被充分挖掘。所以本文對集成方法進行了較全面的研究和比較分析。本文選取了企業財務危機預警中常用了兩個集成模型：Bagging和Adaboost，用于比較。同時，每個集成模型都分別與神經網絡、決策樹和支持向量機相結合，用于判斷集成模型的性能。實驗表明，Adaboost-DT具有最優的預測能力。此外，相比于其它集成模型，Adaboost-DT具有更好的效率。所以，在未來關于企業財務危機預警的實踐應用中，該模型為管理者和投資者提供了一個較好的決策工具。
參考文獻：
關鍵詞：主成分；Logistic模型；財務預警分析
中圖分類號：F830.91 文獻標志碼：A 文章編號：1673-291X（2016）18-0073-04
引言
隨著全球經濟一體化進程，我國市場經濟不斷發展完善，上市公司之間的競爭也愈演愈烈，市場的復雜性和不可預見性使得企業一旦經營不善就可能陷入財務困境之中。從20世紀開始，全球經濟出現了許多復雜情況，很多企業包括上市公司陷入了財務危機，甚至因此而導致破產。
財務危機，也稱財務困境或財務失敗，財務危機分為經營失敗、無償付能力、違約、破產四種情形，最終可能會導致公司破產。財務危機預警就是利用企業財務信息和相關資料，選取一些敏感性較高、有針對性的財務指標，通過建立數學模型，及時監控和預測可能出現或已經出現的財務危機。隨著由于財務危機而導致破產的企業增多，財務風險管理的重要性愈發顯著。財務危機預警既滿足企業在日趨激烈的競爭中維持生存最基本的需要，也符合市場競爭機制的動態要求。如何做到防患于未然，預測財務風險是上市公司需要考慮的重要問題。
鑒于此，本文以食品類上市公司為例，試圖通過選取能夠全面反映食品上市公司經營狀況和財務狀況的指標（包括反映其盈利能力、營運能力、獲取現金的能力、償債能力以及發展能力）構建其財務危機預警指標體系，針對食品上市公司被實施ST前三年的財務數據，分別運用Logistic回歸分析和主成分分析方法來建立財務危機預警模型，并對其判別效果進行比較分析，以期為上市公司的財務危機預警起到一定的參考作用。
一、文獻綜述
（一）國外的財務危機預警研究
財務危機預警研究源于 20世紀30年代，美國學者Fitzpatrick（1932）首次采用以財務比率作為預測財務危機的單變量分析方法，比較分析了健康和危機企業的財務指標。20世紀60年代，學者Beaver et al.采用統計方法，首次建立了單變量財務危機預警模型。最早的多元判別預警模型是 Altman的Z-Score模型。Sevim et al.重點對比分析了一元判斷分析模型、多元判斷分析模型及Logistic模型的優缺點，最終選取Logistic模型對土耳其國內的制造業上市公司的財務狀況進行了動態預測。Ohlson采用多元 Logistic回歸方法構造財務危機預警模型，并發現了企業當前的變現能力、資本結構、規模、業績四個指標有明顯的預測效果。后來的研究學者用人工神經網絡模型以及多元概率比回歸模型，也取得了較好的預測結果。
（二）國內的財務危機預警研究
國內對財務預警的研究相較國外起步比較晚。周首華、楊濟華、王平利用Compustat PC Plus建立了 F 分數模型。學者于文華等收集了ST、非ST兩類制造業上市公司財務數據，通過構建Logistic回歸模型處理財務危機預警指標，探析了財務危機爆發主要影響指標。何妮選取非參數檢驗、顯著性檢驗及因子分析等方法，構建了Logistic回歸模型發現財務危機預警模型具有可實施性。章早立、何沛俐在采用Logistic 回歸分析之前使用全局主成分分析，并建立了以時序立體數據空間為基礎的財務危機判別模型。劉靜以34家正常公司為例，利用F分數模型對財務數據進行了分析，認為F分數模型在制造業上市公司財務危機預判上精度較高。王世蘭通過對現階段的財務危機預警模型進行歸納總結，認為目前所應用的制造業上市公司財務危機預警模型可歸納為傳統統計方法和人工智能兩類。張健基于Logistic回歸法建立了EVA財務危機預警模型，對52家上市公司的財務狀況進行實證檢驗，但研究發現該方法只適用于短期預測。
通過上面的文獻綜述，可以發現財務危機預警模型還存在一些不足：一是沒有考慮到財務指標之間具有的較強相關性，可能導致信息重疊，影響預警模型的穩健性。二是選取財務指標沒有考慮財務信息失真的影響。上述國內外研究文獻在預警方法與模型方面，多集中于Logistic或因子分析等單一預測模型的構建與使用，而對不同方法間財務危機預警精度差異的研究較少，缺乏針對制造業財務危機預警方法的探討。
二、研究設計
（一）選擇研究樣本
本文中選取2011―2013年首次被實施ST的43家A股食品上市公司作為研究對象，并按照合適的比例選取同行業上市公司被實施ST資產規模相近的43家非ST公司作為配對樣本。將這86家公司分為建模組和檢驗組： 選取2011―2012年被實施ST的32家食品上市公司和相對應的32家非ST公司作為建模組，利用Logistic回歸分析和主成分分析方法建立財務危機預警模型；選取2013年被實施ST的11家食品上市公司和與之對應的11家非ST公司作為檢驗組，驗證模型的準確度。
（二）選取財務指標
選取合適的樣本之后，指標的選取成為模型預測的關鍵。企業在選擇財務危機預警指標時，首先，應該考慮企業的實際狀況選取合適財務危機預警指標。其次，選擇的財務指標通常要包含能夠全面反映企業財務狀況和經營狀況的信息，以及能否很好地反映該公司的財務危機。鑒于此，選取了包括盈利能力、營運能力、獲取現金的能力、償債能力以及發展能力幾個方面的22個財務指標作為研究變量（如下表所示）。
另外，選取的反映盈余管理程度的財務指標主要有：應收賬款占銷售收入比率、其他應收款與流動資產比率和應收賬款與流動資產比率，以及非經常性損益占利潤總額比率。
（三）研究的方法
1.提取主成分。鑒于財務指標之間較強的相關性，可能導致信息重復，不利于分析和構建后續預警模型，因此克服財務指標之間的多重重復性，保留財務信息，建立有效的財務預警模型尤為重要。這里采用主成分分析方法將眾多具有相關關系的財務指標變量轉變為彼此不相關的較少的的綜合指標。如下公式：
fi=a1x1+a2x2+…+aixi（i=1，2，…n）
2.選擇模型。Logistic回歸分析方法不要求因變量服從正態分布，與多元線性回歸相比，這種判別分析方法更加穩健，在實際運用中也更加簡便。因此，Logistic回歸分析方法是處理模型中變量的常用統計分析方法，也是研究財務危機的主流方法。公式如下：
其中，p為在給定自變量xn的值的條件下事件發生的概率，ai為回歸系數，a0為截距。
3.構建模型。對提取的10個財務預警指標主成分，應用 SPSS 統計分析軟件進行Logistic回歸分析，并剔除判別作用不顯著的財務預警指標主成分F2、F6和F9，最后得到包含F1、F3和F5等7個財務預警指標主成分的預警模型。分別采用K 獨立樣本非參數檢驗和T 檢驗來檢驗因變量的均值是否具有明顯差異性。檢驗結果顯示，在α=0.05顯著性水平下，有X1、X2等預警指標變量有顯著性差異。
4.檢驗模型預測能力。由于上述樣本中正常公司與出現財務危機公司比例為2∶1，所以選取 0.67 作為判別點。P≥0.67時，為正常公司，反之則為財務危機公司。利用財務危機預警模型對檢驗和建模樣本分別進行檢驗，結果顯示，Ⅰ類誤判率（財務危機公司誤判為正常公司的比率）低于15%，模型前后兩次檢驗的準確率也均超過85%。這也證實了基于Logistic回歸和主成分分析的財務危機預警模型的穩定性較強，預測能力較高，同時又可以降低誤判成本。
結論
本文對食品類上市公司的財務數據和指標進行分析，利用Logistic回歸方法建立了財務危機預警模型，并與利用主成分建立的財務危機預警模型分析結果進行分析比較，發現Logistic回歸分析法更加適用于食品類上市公司的財務危機預警。
參考文獻：
[1] Fitzpatrick P.J.A comparison of ratios of successful industrial enterprise with those of failed firms[J].Certified PublicAccountant，1932，（10）.
[2] Beaver W.H.Market price，financial ratios and the prediction of failure[J].Journal of Accounting Research，1968，（2）.
[3] Sevim C.，Oztekin A.，Bali O.et al..Developing an early warning system to predict currency crises[J].European Journal of Operational Research，2014，（3）.
[4] Tennant D.Factors impacting on whether and how businesses respond to early warning signs of financial and economic turmoil：Jamaican firms in the global crisis[J].Journal of Economics and Business，2011，（5）.
[5] Koyuncugil S.，Ozgulbas N..Financial early warning system model and data mining application for risk detection[J].Expert Systemswith Applications，2012，（6）.
[6] 周首華，楊濟華，王平.論財務危機的預警分析――F分數[J].會計研究，1996，（8）.
［關鍵詞］平衡記分卡 財務危機 預警分析
一、平衡記分卡方法簡介
由哈佛大學教授羅伯特•卡普蘭與諾朗頓研究院的執行長戴維•羅頓研究并提出的“平衡記分卡”將財務指標和非財務指標相結合，為企業提供了全新的業績評價方法，該方法一經提出便迅速在企業中應用和推廣。平衡記分卡打破了傳統的只注重財務指標的業績管理方法，增加了客戶、內部經營過程、學習與成長三個方面的非財務指標，從而將企業的愿景、使命和發展戰略與企業的業績評價系統聯系起來，將企業的任務和策略轉化為有形的、可計量的目標，為企業的業績評價、戰略管理等提供了新的理念。
平衡記分卡從四個方面對企業做出評價：財務、客戶、內部經營過程、學習與成長。其中財務關注的是鼓動如何看待企業，客戶方面關注的是顧客如何看待企業，內部經營過程則關注如何改善流程，最后，學習與成長則關注如何提高應變和持續改進能力。
平衡記分卡的四個方面并非獨立的、毫無聯系的，而是可以被視為一個做單一決策的工具，一個決策就是一系列關于因果的假設。這四個方面的因果關系是員工的素質決定產品質量、銷售渠道等；產品和服務質量決定顧客滿意度和忠誠度；顧客滿意度和忠誠度及產品和服務質量等決定財務狀況和市場份額。
通過一連串的互動因果關系，企業可以把產出和績效驅動因素串聯起來，以衡量指標與其量度作為語言，把企業的使命和策略轉變為一套前后連貫的系統績效評核量度，把復雜而籠統的概念轉化為精確的目標，籍以尋求財務與非財務的衡量之間、短期與長期的目標之間、落后與領先的指標之間，以及外部與內部績效之間的平衡。
平衡記分卡的提出為企業戰略管理、業績評價等提供了一個新的工具，并得到了廣泛的應用。
二、基于平衡記分卡的財務危機預測指標選擇
平衡記分卡的主導思想是一種目標倒推的方法，即企業的最終目標是增加股東的財富，而如何實現這一目標呢？關鍵是企業擁有的客戶和占有一定的市場份額，這就要求企業提供能夠給客戶增加價值的產品和優質的服務，在市場競爭非常激烈的環境下，企業要求從內部改進生產經營技術和創新，也就是說企業要擁有一流的人力資源。從這里我們可以得到啟示：一個不能夠在財務上創造好的業績的企業，一定是在他的客戶和內部經營上出現問題。因此企業發生財務危機的終極原因是其內部經營上存在問題，如果能夠將這方面的因素納入到財務危機預測模型中，無疑將會提高預測效果。正是基于這樣一種思想，我們借鑒平衡記分卡方法，將非財務方面引入到財務危機預測中。
在選擇財務危機預測指標時，我們需要從技術創新、員工、內部經營過程、客戶和財務等方面等設計。
1.技術創新
在競爭日益激烈的市場中，創新技術是企業獲取競爭優勢或核心競爭力的關鍵。通過技術創新，企業可以將新技術、新工藝、引入到產品生產中以降低成本，從而提高產品獲利空間；通過技術創新，企業可以提高產品性能從而提高產品售價或銷量；通過技術創新，企業可以不斷推出新產品以滿足市場和客戶的需求。而技術創新一方面靠企業的研發投入；另一方面靠研發的效率。因此，我們可以從研究開發費用率和研究開發費用增長率這兩方面設計指標來評價企業的技術創新能力。
2.員工
員工層面的指標主要包括員工素質、員工離職率、員工滿意度變化、員工培訓投入率等。
3.內部經營過程
內部經營過程是把現有的產品和服務生產出來并交付給客戶，其目標就是低成本、高質量、高效率地完成定單的生產任務。因此，在對內部經營過程的評價可以從質量、循環時間和生產成本三個方面設計指標。
4.客戶
企業只有將生產的產品提供給客戶，其獲利過程才算完成。因此，企業生產的產品能不能滿足客戶的需要，對于是否擁有相對固定的客戶群并保持一定的增長是決定企業成敗的關鍵。我們可以選擇市場占有率、客戶滿意度和客戶獲得率三個指標來反映在這方面的能力。
5.財務方面
財務指標是企業過去經營活動結果的集中體現， 它從兩反面反映企業的未來發展：一方面是資金的運作和管理對未來的影響，這可以通過企業的長短期償債能力反反映；另一個是財務指標所展示的企業過去經營活動的結果對企業未來的影響，主要通過盈利能力、資產管理能力等指標來反映。財務方面的指標我們采用綜合指數法中所確定的指標，即應收賬款周轉率、負債權益比率、凈資產收益率、EBIT/資產比率、經營現金流動負債比率、主營業務增長率等。
三、基于平衡記分卡的財務危機預警方法
在借鑒平衡記分卡方法將非財務指標引入財務危機預測中時，由于非財務指標所反映的內容在不同企業中的標準差別比較大，而且非財務方面的信息很難通過企業公開的信息中獲取，這就給預測模型的構建帶來一定的困難。因此，在具體實施時，可以采用綜合指數法，將非財務指標納入危機預測模型中，或將非財務指標所反映的信息作為預測結果的一個補充，定性地分析其對企業未來財務狀況的影響。
參考文獻：
[1]胡玉明：高級管理會計[M].廈門：廈門大學出版社，2005
[2]王宗軍等：平衡計分卡績效評價初探[J].湖北社會科學，2003-7