企业财务预警，即财务失败预警，是指借助企业提供的财务报表、经营⽅案及其他相关会计资料，⾏使财会、统计、⾦融、企业管理、市场营销理论，采⽤⽐率剖析、⽐较剖析、因素剖析及多种剖析⽅法，对企业的经营活动、财务活动等进⾏分析预测，以发现企业在经营管理活动中潜在的经营风险和财务风险，并在危机产⽣之前向企业经营者发出警告，督促企业管理当局采取有效措施，避免潜在的风险演变成损失，起到未⾬绸缪的作⽤。 ⼆、国外专家学者对财务风险预警的研究
1、1932年，Fitzpatrick利⽤单变量破产模型，选取19个样本运⽤单个财务⽐率进⾏预测，结果发现判别能⼒最⾼的是净利润/股东权益和股东权益/⽋债两个⽐率。当时由于条件限制，主要的研究⽅法就是对正常企业和⾮正常企业进⾏财务⽐率⽐较和经验分析。
2、1966年，Bwaver利⽤30个财务⽐率进⾏研究，发现三个⽐率是有效的：债务保障率（现⾦流量/债务总额）、资产收益率（净收益/资产总额）、资产⽋债率（债务总额/资产总额），此中，债务保障率指
标表现最好。这可以看作是单变量模型的开创性研究，⽅法简单易⾏，可操作性强，在当时研究条件较差的情况下优势很⼤；其局限性也较明显，单⼀的财务⽐率不能全⾯反映客观事实，有可能在编制财务报表时存在粉饰某个指标的嫌疑，影响预测的有效性。
（⼆）多变量模型
1、Z计分模型。20世纪六⼗年代，爱德华•；阿尔曼对5个财务⽐率分别给出⼀定权数，计算其加权平均数值Z值： Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5
此中：X1=营运资⾦/资产总额；X2=留存收益/资产总额；X3=息税前利润/资产总额；X4=股份市值/负债账⾯价值总额；X5=销售收⼊/资产总额。
⼀般地，Z值越低，企业越有可能产⽣破产。若Z≥2.675，则表明企业的财务状况良好，发⽣破产的可能性较⼩；若
斑玉螺Z≤1.81，则企业存在很⼤的破产危险。
大胡子小丙烯酸乙酯 该模型实际上是通过五个变量（五种财务⽐率），将反映企业偿债能⼒的指标（X1、X4）、获利能⼒的指标（X2、X3）和运营能⼒的指标（X5）有机联系起来，综合分析预测企业财务失败或破产的可能性。在企业失败前⼀、⼆年的预测准确率很⾼；预测期变长，准确率有所降低，距失败前五年的
预测准确率仅为36%。1977年，爱德华⼜对本⾝的模型进⾏了修正，提出了ZETA模型。
腾讯迷你网首页 Z计分模型准确率相⽐之前的单变量模型有很⼤的提⾼，但是未充实考虑到现⾦流量变动情况，⽽且要求变量符合正态分布的假定，降低了模型的使⽤范围。
2、Logisitic回归模型。该模型属于线性概率模型，通过对观察对象条件概率的观测，来判定对象的财务状况和经营风险。适⽤于因变量是⾮连续的且为⼆分类选择模式，将违约概率限定在0和1之间，并通过函数的对数分布来计算违约的概率。在⼆分类判别法中假定因变量为1和0，分别对应事件发⽣和事件不发⽣。Logisitic回归模型形式为：
Li＝ln■=?琢＋■?茁jXij+?着i
该模型使⽤的是最⼤似然估计，似然函数值越⼤，表明模型的模拟效果越好。其最⼤优点是，不需要严格的假定条件，可以或许克服线性⽅程受统计假定约束的局限性，具有更⼴泛的适⽤范围。⽬前这种模型使⽤较为普遍，但其计算过程较复杂，需要操作者具有较⾼的数学基础，同时其计算过程有近似处理，结果将会影响到预测的精确度。
3、Probit模型。假定企业的破产概率为P，样本服从正态分布，选取的财务指标对应P的分位数，先确定企业样本的极⼤似然函数，然后通过求似然函数的极⼤值就可以得到参数αβ，然后就可以利⽤公式求出企业的破产概率。P＜0.5，判别为财务正常；P＞0.5，即为破产型。
其公式为：
P＝■（1/■）e■dt
该模型和Logistic模型⽅法相似，但条件严格，计算⽅法相对复杂，使⽤⾯不如Logistic模型⼴泛。
4、⼈⼯神经⽹络理论和⽅法（ANN）。神经⽹络模型是⼀种并⾏分布模式处理系统，是由⼤量的简单处理单元相互联结组成的复杂⽹络系统，具有⾼度并⾏计算能⼒、⾃学能⼒和容错能⼒。作为⾮参数的预测模型，它克服了选择模型函数形式的困难，同时对样本及变量的分布特征没有限制，还能克服统计⽅⾯的限制，可以或许同时处理定性变量和定量变量，具备处理资料遗漏或是错误的能⼒。然⽽由于理论基础⽐较薄弱，模型计算量较⼤，辨别能⼒不强，⼈⼯神经⽹络对⼈体⼤脑神经模拟的科学性、准确性还有待进⼀步提⾼。
武汉一高校被下达窃电通知书
5、递归划分分析模型。以财务⽐率为判别点建⽴⼆叉分类树，以最低误判成本为标准对样本企业进⾏分类预测。结果发现将破产企业误判为⾮破产企业的概率要⾼于将⾮破产企业误判为破产企业。可以选⽤⾮财务指标和定性指标，但复杂的分类树结构可能引起样本的过度适应，预测风险⾼。
6、⽀持向量机模型。该模型建⽴在机器学习理论基础之上，Fan A etc采⽤欧⽒距离⽅式最⼤化不同类的向量之间的距离、最⼩化同类的向量之间的距离，实现对预警指标的筛选，计算成本较低。Van
Gestel T etc将其应⽤到财务危机预警模型中，采⽤最⼩⼆乘法作为⽀持向量机线性学习器，构建LS-SVM财务危机预警模型，判别准确率⾼达89.91%。
中知网
三、我国学者的主要研究
国内关于财务危机预警的研究开始于20世纪⼋⼗年代中后期，直到1996年以后，才陆续出现以企业财务数据为基础⽽建⽴的财务危机预警模型，并逐步发展起来。
1996年周⾸华、杨济华和王平，在Z分数模型的基础上进⾏改进，选取了31家破产公司和31家⾮破产公司作为样本建⽴模型，并且⽤4，160家公司的数据作为检修样本进⾏验证，该模型充实考虑了现⾦流量变动情况指标，具体模型为：
F=-0.1774+1.1091X1+0.1704X2+1.9271X3+0.0302X4+0.4961X5
此中，X1、X2及X4与Z计分模型中的X1、X2及X4反映的指标相同，⽽X3、X5与Z分数模型的X3、X5不同。X3=（税后净收益+折旧）/平均总负债，它是⼀个现⾦流量变量，是衡量企业所产⽣的全部现⾦流量可⽤于偿还企业债务能⼒的重要指
标。X5=（税后净收益+利息+折旧）/平均总资产，测定的是企业总资产在创造现⾦流量⽅⾯的能⼒（其中的利息是指企业利息收⼊减去利息⽀出后的余额）。相对于Z分数模型，它可以更准确地预测
出企业是否存在财务风险，判别临界点为0.0274。 1999年陈静选取1998年27家ST公司和同⾏业、同规模27家⾮ST公司作为样本分析。在单变量分析中，选取了资产负债率、净资产收益率、总资产收益率、流动⽐率4个指标。发现流动⽐率和负债⽐率的误判率最低。在多元判别中选取负债⽐率、净资产收益率、流动⽐率、营运资本/总资产、总资产周转率等财务指标构建的模型，在公司ST发⽣前三年可以或许较好地对财务危机进⾏预测。
2001年吴世农、卢贤义采⽤剖⾯分析法、单变量判定分析⽅法、多元线性判定⽅法进⾏财务危机预警研究，得出结论：多变量优于单变量，且Logit回归模型的判定准确性最⾼。选取的预测变量有盈利增长指数、资产报酬率、流动⽐率、存取负债股东权益⽐率、营运资本/总资产、资产周转率。同年，杨保安引⼊神经⽹络分析⽅法并应⽤于企业财务危机判定与预测，选⽤BP神经⽹络法构建模型，结果显⽰判别正确率⾼达95%。
2003年，杨淑娥、徐伟刚在借鉴美国学者Altman的Z分数模型基础上，在变量选取⽅⾯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，具体共12个指标：速动⽐率、权益⽐率、利息保障倍数、债务保障率、来⾃经营活动的现⾦流量总额、总资产报酬率、销售成本利润率、应收账款周转率、存货周转率、主营业务增长率、资本保值率、累积盈利能⼒，形成了Y模型。
四、各种模型评述
单变量分析模型相对简单直观，但不可以或许反映企业综合财务状况，同时使⽤⼏个单变量，有可能出现⽭盾情况。多元线性判别模型可以或许较全⾯反映企业财务状况，提⾼判别和预测的准确度，变量之间需要满⾜不同的假定前提，且需要⼤量的样本作为⽀撑，计算相对复杂。ANN模型具有较好的模式识别能⼒，并且具有学习能⼒，⽆需考虑变量之间的统计关系，能同时处理定性和定量变量，也同时存在结构确定困难性、不具解释性、操作性差及训练效率低的缺陷。⽀持向量机模型是⼀种新型的模式，⽆需特殊假设，针对⼩样本具有较⼴的推⼴空间。
每种分析⽅法均有其适⽤条件及优缺点，企业应根据⾏业特点选择操作性强的财务预警模型，建⽴财务预警系统，及时预测财务状况，提⾼⾃⾝竞争能⼒。
（作者单位：⼭东财政学院会计学院）
主要参考⽂献：
[1]张春莲，张淑琴.财务危机预警模型综述及其启⽰[J].中国⾼新技术企业，2009.11.
[2]陈静.上市公司财务恶化预测的实证分析[J].会计研究，1999.4.
[3]周⾸华，杨济华，王平.论财务危机的预警分析——F分数模式[J].会计研究，1996.8.
%D%A
本⽂由北京⽞⽣堂极⼒推荐！⽂章转⾃《合作经济与科技》
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议