财务预警系统风险评价模型评价

[摘要] 预警系统是度量某种状态偏离预警线强弱程度、发出预警信号并采取防范措施的系统，企业必须建立风险评估体系以便进行风险控制。本文对财务预警系统风险评价模型进行了总结和评价。

[关键词] 财务预警系统；风险评价模型；风险控制

预警系统是度量某种状态偏离预警线强弱程度、发出预警信号并采取防范措施的系统，随着市场经济体制改革的不断深化，市场竞争日趋激烈，企业在经营过程中随时会遇到各种风险，企业必须通过对风险的识别，建立风险评估体系和进行风险控制，来预防或化解风险的发生，将风险造成的损失降到最小。

企业应运用一定方法对风险进行评估，以量化风险。风险评估是以企业财务报表为依据，用各种财务比率或数学模型，对企业的偿债能力和收益能力等方面进行分析，从而预测企业财务危机的可能性。评估财务风险的关键在于如何确定预警指标及预警指标的临界值，对于每一个具体的预警指标，企业应根据实际情况确定相应的临界值，以判断企业的财务状况是否

正常、财务风险是否存在。在企业日常财务风险管理中，企业应定期或动态地将预警指标与临界值进行比较，若预警指标临近或突破临界值，则根据具体情况发出警报。以下收集了大部分的风险评估模型，并进行了简要评价。

一、单变量预警模型

单变量预警模型是威廉·比弗通过比较研究1954—1964年期间的79个失败企业和相同数量、相同资产规模的成功企业提出的。他认为预测财务失败的比率有：（1）债务保障率=现金流量/债务总额；（2）资产收益率=净收益/资产总额；（3）资产负债率=负债总额/资产总额；（4）资产安全率=资产变现率-资产负债率；（5）资产变现率=资产变现金额/资产账面价值。

比弗认为债务保障率能够最好地判定企业的财务状况（误判率最低），其次是资产负债率，并且离失败日越近,误判率越低，所以，按照单变量模式的解释，企业良好的现金流量、净收益和债务状况应该表现为企业长期的、稳定的状况,所以跟踪考察企业时，应对上述比率的变化趋势予以特别注意。一般地，失败企业有较少的现金而有较多的应收账款，或者表现为极不稳定的财务状况。单变量模型分析较为简单，但不能综合说明公司整体财

务状况，运用这种方法可能出现对于同一公司、不同的预测指标得出不同结论的情况，因此指标选择决定单变量模型方法运用的成败。

二、多元线性判别模型

典型的多元线性判别模型是美国奥特曼教授的Z分数模型。这种分析模式是运用多种财务指标加权汇总产生的总判别值来预测财务风险，即建立一个多元线性函数模型，来综合反映企业的财务风险。奥特曼认为企业是个综合体，各个财务指标之间存在某种相互联系，对企业整体的风险影响作用也是不一样的。他所提出的Z系列模型从20多个财务指标中综合出5个模型变量，即营运资本/总资产、留存收益/总资产、息税前收益/总资产、股东权益市场价值/总负债和本期销售收入/总资产，在分析这些变量相关性的基础上，进行综合分析后建立多元线性Z分数预测模型。公式为：Z=0.012Ｗ1+0.014Ｗ2+0.33Ｗ3+0.006Ｗ4+0.999Ｗ5。式中, Ｗ1表示营运资金/总资产,反映资产的流动性；Ｗ2表示留存收益/总资产，反映累计盈利情况；Ｗ3表示税前利润/u20战场总资产，反映资产的营运效率；Ｗ4表示股票市价/总负债面值，反映偿债能力；Ｗ5表示销售总额/总资产，反映资产周转速度。

通过统计分析，他认为当Z2.67时，企业处于安全状态；当1.811+0.13Ｗ2+0.18Ｗ3+0.15

Ｗ4。式中Ｗ1表示税前利润/流动负债;Ｗ2表示流动资产/负债总额;Ｗ3表示流动负债/资产总额;Ｗ4表示（流动资产-流动负债）/（经营费用-折旧）。20世纪70年代，日本开发银行调查部综合了更广的财务数据,建立了如下预警模型：Ｚ=2.1Ｗ1+1.6Ｗ2-1.7Ｗ3-Ｗ4+2.3Ｗ5+2.5Ｗ6。其中,Ｗ1表示销售额增长率;Ｗ2表示总资本利润率；Ｗ3表示他人资本分配率；Ｗ4表示资产负债率；Ｗ5表示流动比率;Ｗ6表示粗附加值生产率（即折旧费、人工成本、利息与利税之和与销售额之比）。

我国学者舒惠好也按照行业差异对该模型进行了修正，其修正方法有如下3种思路：第一，在模型整体上加上行业修正值；第二，针对每个财务变量设定行业修正值；第三，使模型中所选取的财务变量呈现行业性差异。通过修正以期使财务预警模型更精确更有针对性，在实际运用中可以根据客观情况进行调整。

三、线性概率分析

线性概率分析是多元线性判别模型的一种替代选择。由于了解企业陷入财务困境的概率对防范财务困境具有很大的帮助，所以研究人员开发出了预测财务困境的线性概率模型。该类模型是对二项因变量（0-1）的普通最小二乘回归的一种特例，其原理是假设变量Y是公

司I的n个特点的线性组合，通过转换，该公司陷入财务困境的概率Pi为:

Pi=a0+a1Xi1+a2Xi2+…+anXin

其中: a0，a1，…，an是最小二乘的估计系数，Xi1，Xi2，…，Xin是公司I的n个自变量。由于存在可替代性，并且证明了线性概率分析和多元线性判别分析的误判率是一致的、分类结果是相同的，所以这种方法应用的不是很多。

四、逻辑回归分析

上述的多元线性判别模型虽然经实证研究有较好的预测性，但存在假设上的局限性，即要求自变量呈正态分布，并满足两组变量的斜方差矩阵相等。因此，美国学者Ohlson率先在财务预警研究中应用了二元概率函数来计算危机事件发生的概率，提出了条件概率模型，主要有对数成败比率模型（Logit）和概率单位模型（ Profit）两种统计方法。它们都是建立在累计概率函数的基础上，一般运用最大似然估计，从而克服了线性判别模型假设局限性（即不需要满足自变量服从多元正态分布和两组间协方差相等的假设）。实证研究表明Logit和Profit方法得出的结论非常相似，而且都比线性判别模型略好一点。

五、相对流动性指标（DRL）模型

通常认为导致企业破产清算的原因有两个,一个是企业经营困难,长期亏损,导致资不抵债,破产清算；再就是企业虽然可能盈利，甚至盈利丰厚，但由于不能按时偿还到期债务，由债权人宣布企业破产清算。这种倒闭的危险使得企业必须重视资产的流动性。DRL模型就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。其模型为：DRL=潜在现金/潜在支出。潜在现金可以从期初营运资本中获得，也可以从正常经营过程的创收中获得。在建立该模型时，没有考虑下列活动引起的现金收支：（1）资本性收支；（2）股票的发行和清偿；（3）有价证券的投资和收回；（4）长期借款的取得和偿还。

DRL=TCP/E=[WC+OT+SVI]/[NSV-(NI+NON)-WCC]

其中TCP=总潜在现金；E=正常经营的现金支出；WC=南宁pm2.5期初营运现金；OT=销售收入/[应收账款+库存产成品×（销售收入/ 泰州市大浦中心小学销售成本）]，反映在经营期内以售价计算的库存产成品和应收账款转换成现金的次数；SVI=库存产成品×（销售收入/ 销售成本），将以成本计价的产成品转换成以售价计价；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。

粉泥网

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＜1ntfs格式分区，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，为进一步分析提供依据。

六、神经网络分析模型

神经网络分析是一种并行分布模式处理系统，具有高度并行计算能力、自学习能力和容错能力。这种分析的一个优点是使企业财务动态预警成为可能，并使模型具备随不断变化的复杂环境自学习的能力。这意味着随着样本数的积累，这种模型可以定期更新推理知识，从而对企业危机动态预警。神经网络分析在财务预警模型中的应用始于20世纪90年代，包括Fletcher、Coss和Altman等国外研究者。国内学者周敏、王新宇在2002年通过实证分析认为神经网络分析在判定正确率方面比线性模型和Logistic回归模型更加有效，并且不受变量分布特征影响，不需要主观定性地判断企业财务危机状态，因而能够更加合理地预测企业财务危机。这种方法由于客观条件的限制，到目前为止很少有人进行实证研究，而且由于方法过于复杂，其应用范围也极其有限。

总之，各企业在选择财务预警系统的风险度量模式时，还应从自身情况出发，考虑其可操作性，选择出适合自己的方法。

主要参考文献

［1］江少华. 企业财务风险的预警预报系统研究［J］. 财会研究，2005，（1）.