財務危機預警研究
前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇財務危機預警研究范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。
財務危機預警研究范文第1篇
一、非財務信息概念界定
理論界對非財務信息的概念尚沒有一個統一的認識。由于缺乏統一的概念界定，不同的文獻在非財務信息所包含內容方面也存在很大差異。隨著非財務信息在各個決策層面重要性的提高，以及對其研究的進一步深化，對非財務信息從概念上給予明確的界定，就顯得必要而緊迫。
（一）國外機構與學者的主要觀點具體如下：
（1）美國財務會計準則委員會（FASB）在《企業財務報表項目的確認和計量》中，從財務信息披露的角度規定，只有符合可定義性、可計量性、相關性和可靠性的項目才能予以確認進入報表；而那些不滿足條件被排斥在會計報表之外的反映公司經營活動的信息就可以定義為非財務信息。澳大利亞特許會計師協會在其發表的《報告非財務信息》的研究報告中認為，非財務信息是指除財務報表和相關附注以外的所有信息，包括敘述性信息和量化的非財務信息，如經營比率、存貨數量和雇員數量等。該類觀點只是從廣義的角度對非財務信息給予了說明，這種界定全面卻并不那么容易讓人理解和把握。
（2）美國注冊會計師協會(A1CPA)提出企業應當考慮披露下列非財務信息：經營業績信息，企業管理當局對財務信息和非財務信息的分析、前瞻性信息、有關股東、管理人員的信息、背景信息，但并沒有從定義的角度給出明確的說明。Roberts．Kaplan和David Norton在對平衡記分卡的論述中也提到：非財務信息是財務信息的先導性指標，是闡述財務成果形成過程的信息，包括組織的學習與成長，經營及生產過程效率，顧客價值等信息。這些觀點通過列舉的方式給出了非財務信息應該包含的一些具體方面，容易被人理解把握但其內容卻并不全面。
（二）國內學者的主要觀點國內學者馬暉、王靜（2005）指出非財務信息是指以非財務資料形式出現與企業的生產經營活動有著直接或間接聯系的各種信息資料。李曉龍（2005）認為不滿足條件而未能進入會計信息系統的、反映公司經營活動的，與企業未來財務業績密切相關的業績信息就可以定義為非財務信息。耿黎（2008）認為會計信息應包括財務信息和非財務信息。財務信息是指那些完全符合可定義性、可計量性、可靠性、相關性的，能夠通過確認、計量、記錄、報告程序進入財務報表的信息，以及附注中的解釋說明和由財務報表擴展而來的信息。非財務信息則是指與財務信息相對應的，與企業生產經營活動相關的，與利益相關人相關的，不受公認會計準則約束的信息。除上述幾種得到較多認可的觀點以外，其他的學者大都選擇運用羅列內容的方法來說明非財務信息的含義。
綜合以上各種觀點，筆者認為非財務信息有廣義和狹義之分。廣義的非財務信息是指除財務報表及其附注本身和可擴展信息以外的所有其他信息；狹義的非財務信息是指針對特定會計主體內部而言的，能反映企業生產經營情況且不受公認會計準則約束的信息。
科學全面地運用財務指標建立起來的財務危機預警模型能較直觀地反映企業的綜合財務狀況，但其不能充分體現那些與企業未來密切相關的前瞻性的非財務信息對危機發生的影響。因此，要建立有效的財務危機預警模型，就應該在充分利用財務信息的基礎上，加強非財務信息的引入。這主要是基于兩個方面的考慮。
（一）財務信息局限性隨著知識經濟的到來，現代市場競爭日益激烈，經營環境更是瞬息萬變。在這樣的時代背景下，信息使用者時刻都需要更新自己掌握的信息來進行有效決策，然而財務報表的數據在通常情況下都是以年度為期間統計的，不能滿足決策者對信息的及時更新需求。另外，傳統的財務信息只能說明企業過去相當長時間內的狀態，而不能對現狀進行及時揭示，更不用說超前反映企業的發展趨勢了。相對于財務信息的滯后性，非財務信息卻具有較強的前瞻性和預測性，更能滿足財務危機預警的要求。因此，要準確反映企業的真實狀況，真正起到提前預警危機的作用，只采用滯后性的財務指標是遠遠不夠的，應該綜合非財務指標的內容。
（二）我國財務信息披露現狀一方面，我國資本市場的發展起步較晚，公司信息的公開披露制度和披露質量標準尚不完善。同時，由于凈利潤容易受到經營者的操縱，經營者可通過調整會計政策來調節凈利潤的高低，將可能導致財務信息失真，造成決策信息混亂。因此，在我國單純地依賴企業的財務指標進行財務危機預警是不科學的，也是不能保證預警準確性和可信性的。
另一方面，財務指標由于受企業會計基礎和計量屬性的影響，其本身具有一定的局限性。一個具有良好財務指標的企業，可能現金支付能力極差。這種偏差既可能是由于會計權責發生制使用所帶來的已發生的的利潤并沒有帶來真實現金流入造成的；也可能是由于歷史成本計量屬性下的利潤由于通貨膨脹等因素影響并沒有帶來實際凈現金流入造成的。由于存在這樣的局限，財務指標不能滿足預警對于準確性的要求。因此，只采用財務指標來評判企業的財務危機狀況，顯然是不準確的，甚至還會出現差錯。
同時，我國目前可得的財務信息主要來自于企業財務報告，而財務報告側重于提供定量信息，但忽視定性信息的披露；側重反映有形資產狀況，但對企業經營過程中造就的競爭優勢、企業形象、知識產權、商譽等無形資產，并沒有給予恰當反映。但是這類事項或情況，對企業以后的經營業績和長遠發展卻有著很大的影響。因此，在這樣的情況下，在財務危機預警模型中引入非財務信息就顯得更為必要。
綜上所述，財務危機預警中，在充分運用財務信息的同時，應該加強非財務信息的應用，以增強財務危機預警的科學性、準確性和可信度。財務危機預警模型最好既要涉及到定量的財務指標，也要涉及到定性或定量的非財務信息，將非財務信息的評價作為企業預警模型的一個構成部分，這樣才能更為完備地反映企業的整體面貌，真正達到財務危機預警的目的。
三、財務危機預警中非財務信息應用研究評述
目前，國內外的學者對非財務信息在財務危機預警中應用的研究主要集中在非財務指標的選擇方面。
（一）國外財務危機預警中非財務指標研究在20世紀8O年代，很多國外學者就開始意識到過分關注企業的財務狀況、單純以財務指標來預警財務危機難以讓人信服，于是他們便開始嘗試將非財務因素引入到財務危機預警模型中，并對引入后的預警效果進行了檢驗。在引入非財務指標方面，國外文獻主要從基于宏觀經濟和經濟周期方面的考慮、立足于行業差異分析、針對管理水平度量三個方面予以思考。Rose(1982)檢驗了28個經濟周期指標從而論證了宏觀經濟狀況影響著企業失敗進程。Mensah(1983)考慮價格水平變動對財務數據的影響，用調整后的數據來預測企業財務危機，結果顯示這對于提高預測準確性的作用不大。Lawrence(1983)和Whittred Zimmer(1984)檢驗了上市公司財務狀況延遲披露對危機預警結果的影響。Goudie(1987)嘗試將英國經濟活力(Dynamic)模型與其開發的破產預測模型進行整合，但因缺乏統計準確性而影響不大。Platt(1990)用行業比率標準化的方法控制行業之間的差異，得出一個穩定的破產模型，證明行業增長對企業失敗影響顯著，隨后又進一步比較了行業比率調整與否對破產模型穩定性與完整性的影響。Sunti Tirapat(1999)運用PMI、GPE、INT和MS2四個宏觀經濟變量作為因變量對企業股票的月回報進行了多元線性回歸，以得出的回歸系數作為該企業對宏觀經濟的敏感性度量。John Baldwin等(2000)應用行業特征、宏觀經濟和地區變量對加拿大的小企業失敗構建了預測模型，其中行業影響方面的指標有：企業規模／進入行業第一年的平均規模、行業集中度、行業員工流轉率、進入行業第一年平均企業規模，行業平均企業規模，該模型論證了所處地區對小企業成敗影響巨大而行業因素則作用甚微。
（二）國內財務危機預警中非財務指標研究在非財務信息中有一部分是可以直接量化的，國內很多學者將這部分非財務信息與量化的財務信息一起共同應用到財務危機預警系統模型的構建中。如：林素真、羅紹德（2005）將變更會計師次數、更換高階經理人及財務主管次數、變更財測次數及出具非無保留意見次數等四個非財務變量應用到財務危機預警中。經過實證結果的分析驗證所得的結果符合上述論述，加入非財務變量后的財務預警模型及完整性預警模型，在正常企業及危機企業和整體模型的預測率，果然較單純以財務性變量的預警模型為佳。曹德芳、趙希男、王宇星（2006）就曾嘗試將董事會治理因素引入到財務危機預警中。他們以120家上市公司為研究對象,分別運用非參數檢驗、T檢驗以及主成分分析法對財務變量和董事會治理變量進行篩選,并最終選定董事長持股、獨立董事比例、董事會成員持股三個董事會治理變量，進而將其與財務變量一起運用Logistic回歸分析構建預警模型。結果顯示，未引入董事會治理變量的模型的預測正確率為92.5%,而引入董事會治理變量的模型預測正確率為94.15%,預警能力明顯增強，證明了非財務信息中的董事會治理因素是影響公司財務危機的一個重要方面，對預警有著和常規財務信息同等重要的作用。鄧曉嵐、王宗軍等(2006)分別檢驗股權結構、公司治理、市場信息等方面的10個非財務變量對財務困境的解釋力，并應Jackknife Method檢驗模型的分類預測能力。結果顯示，年度累積超額收益率與審計師意見的預警效果較好，其他非財務變量均不顯著，納入了非財務因素的模型預測力更強。郭斌、戴小敏等(2006)的研究及實證結果表明，消除行業影響后模型的分類準確度有所提高，而同時考慮財務與非財務因素及經濟環境因素的滯后預警作用，將大大改善總體分類準確度和擬合度。王宗軍、熊銀平、鄧曉嵐（2006）也嘗試著將董事會高管人員持股比例、股權集中度、股票價格變動趨勢和樣本公司是否更換會計師事務所（更換=1,未更換=0）等四個非財務指標運用到危機預警中。從實證結果看,在公司財務狀況發生變化的前一年,只包含財務變量的預測模型對ST公司的判別正確率為93.3%,對非ST公司的判別正確率為90%,總體正確率為91.7%。加入非財務變量――公司股價變動趨勢以后建立的預測模型對ST公司的判別正確率升至96.7%,對非ST公司的判別正確率升至96.7%,總體正確率為96.7%,提高了5%，也證明了非財務信息的良好的預警效果。
除了有一部分可以直接量化外，大部分的非財務信息都是不太容易量化處理的。對這類非財務信息，國內學者通常采用模糊統計的方法，從定量與定性相結合的角度出發，構建財務危機模糊預警模型。如萬希寧、王艷(2007)選擇了研發能力與發展創新能力、管理團隊及員工積極性、市場定位及經營發展戰略等非財務信息，應用多級模糊綜合評判法對財務風險因素進行定量化評價，對定性的非財務指標采用模糊統計的方法，從定量與定性相結合的角度出發，構建了基于非財務指標的財務危機模糊預警模型。孫杰、李輝（2008）針對財務危機定量預警方法忽視專家的經驗知識以及非財務信息的局限性，提出基于灰色綜合評價的多專家群決策財務危機預警方法，并給出了該方法運用的算例。算例表明基于灰色綜合評價的企業財務危機群決策預警方法，能充分利用多專家的經驗知識以及大量財務及非財務信息，來評價企業出現財務危機的可能性程度并發出預警信號，從而在一定程度上彌補了單純依靠定量預測手段進行企業財務危機預警的局限性，為在財務危機預警中應用非財務信息提供了新的思路和方法。
（三）財務危機預警中非財務信息應用研究評述從國內外的研究現狀來看，關于非財務信息在財務危機預警中的應用目前還沒有一個較為成熟和統一的理論體系。不同的研究者只是從自己認為應引入的非財務信息入手開展研究，并得出相關的結論。由于沒有統一的理論前提，研究者們得出的結論都不具有繼承性和互補性，難以形成系統性的結論，不能對財務危機預警實踐產生很好的指導作用。另外，由于研究者一般選擇的樣本比較小，涉及行業比較少，導致其得出結論的適用性不強。不同的研究者開展的研究，由于選擇的樣本存在很大差異，其結論在邏輯上就不具有可直接累加的特性，導致重復研究的發生。
基于上述研究現狀，本文認為非財務信息的應用研究在未來必然走向概念規范化的道路，并逐漸形成比較完善的理論框架。研究者們會在統一明確的非財務信息概念界定基礎上開展研究，保證研究者各自研究結果的繼承性和互補性。同時在研究方法的選擇上，研究者們會繼續采用實證研究的方法探討該問題，只是在樣本的選擇上會逐步縮小樣本范圍并擴大樣本數量。即由于不同行業和類型的企業在各個方面都存在很大差異，所以會對小范圍大樣本進行研究，從而形成一系列針對性比較強的財務危機預警理論和方法。
財務危機預警研究范文第2篇
發生在企業的財務危機一般是指企業的現金流不足，財務狀況不斷惡化，出現財務風險，資不抵債，無法支付企業的到期債務或利息，出現信用危機，導致企業經濟損失，給投資者、債權人以及社會帶來極其不利的影響。使企業經營失敗，甚至導致企業破產的所有事件的總稱。企業的財務危機是由企業的各種風險因素而產生的，企業的財務風險危機是企業在經營過程中不斷積累的，如果能夠構建合財務風險預警模型，對企業的財務危機進行有效的預測，可以辨析企業財務危機惡化的程度，分析和掌握企業財務風險危害的大小，就可以有效地避免危機的發生。
二、財務危機預警的含義及作用
企業財務危機預警是對企業的財務風險進行有效的預警，是通過設置并觀察一些敏感性財務指標的變化，通過分析企業的相關財務數據，預測企業在經營活動中的財務風險，對預測到的企業可能或將要面臨的財務危機發出預警信號，使企業管理者能夠及時發現并提前采取措施，避免財務風險的發生，降低企業經濟損失。因此對企業的財務危機在發生之前進行預測、預先警示企業的經營管理者，對出現的風險要及時采取有效的措施，從而使企業避免財務危機的發生或減輕財務危機的破壞度。財務危機預警通過對企業的整個生產和經營管理的過程跟蹤監測，對監測的結果進行識別、判定、監測企業的財務狀況，做到早預防，早診斷，這樣就可以規避企業的財務風險的發生。提高企業的經濟效益。
三、預警系統設計的原則
1、科學性原則。預警模型、方法和指標體系的建立必須科學、有效。否則，預警系統不能起到正確的預警作用，這樣會給經營管理決策造成嚴重的后果。因此企業要結合本企業的財務狀況，科學合理地構建適合本企業的財務危機預警模式。
2、系統全面性。在進行財務預警監測時，由于導致企業出現財務危機的因素有很多，所以選取的指標。應將其內外的各個影響及各類風險的因素全部考慮在內，選取財務指標要能夠全面的反映企業的財務狀況，對公司財務能夠進行全面監測。做到監測指標的全面性。
3、可操作性。由于上市公司的規模較小、生產的產品比較單一，財務指標的實際可操作性的大小。所以在選取財務指標時要應盡可能的簡單實用，能夠真實的反映上市公司的財務狀況。當公司出現財務危機或公司經營狀況惡化之前，能發出預警信號，使公司能夠有效規避風險。
4、要有現金流信息。一個企業的能否生存，現金是關鍵，現金流是企業未來的可持續發展的命脈。如果企業出現財務危機，現金流缺乏，就不能保證企業正常的經營需要，所以財務指標體系中要有現金流信息。
5、成本效益權衡原則。在預警指標設計中，成本和效益需要考慮，預警過程中所花費的成本要小于或等于預警系統產生的效益。因此在指標的設計上，對于一些獲取成本較大的指標可以用相近的低成本指標替代。
6、績效評價指標體系。在財務危機預警中加入績效評價指標體系，從企業經營業績的角度，可以更加直觀的反應財務危機的狀況。
四、財務危機預警指標體系的建立
財務危機預警指標體系的建立，指標的選取是關鍵，指標的選取必須能夠有效的判斷企業財務危機企業。本文從反映企業的盈利能力、償債能力、成長能力和現金流量狀況4個方面選取財務指標，如表1所示。運用財務比率進行分析。
因子分析模型可以作為一種指標處理的方法。在研究實際問題時，對收集過多的相關財務數據信息，因子分析法首先通過構建因子分析模型，然后通過對企業的相關數據信息計算綜合得分來判斷企業財務危機狀況，評價企業的綜合效益。
四、加強企業財務危機預警對策
1、樹立危機意識
企業財務危機與企業內部管理和外部經營環境密切相關聯，企業面臨的風險危機具有復雜性和多元性，因此，為了防范企業財務危機的發生，企業員工要有風險危機意識，認識企業財務危機的規律性，平時對企業日常經常過程中的危機預警控制多關注，人人樹立危機意識，對于防范企業財務危機有重要意義。
2、建立多部門協調的財務危機預警系統
風險存在企業的經營活動整個過程中，企業財務危機的防范，需要企業的各個組織部門共同參與，建立多部門協調的財務危機預警系統，對出現的企業財務危機征兆及原因的進行分析判斷，隨時對風險有效的識別和防范，防止企業出現財務危機。建立多部門協調的財務危機預警系統主要從征兆分析、成因分析、治理對策三個方面，如圖1所示。
圖1 多部門協調的財務危機預警組織機制
3、構建適當的財務預警指標體系
要對企業財務風險進行有效的預警，企業財務預警指標體系選取很關鍵。應結合企業的具體情況，考慮企業的經營特點和行業特征，考慮所選對財務危機非常敏感的相關的數據信息來判斷企業的財務危機。在指標體系建立中，要全面、客觀，企業的業績也是一項重要指標，能判斷企業的市場競爭能力，構建有效的財務危機預警指標體系，應當審慎分析企業各項數據信息，避免選擇無效的指標。
4、定性分析和定量分析相結合
財務指標的選取對企業財務狀況判斷很關鍵，但財務指標的選取又不能全面的反映出企業全部的財務狀況，因此，為了實現有效地財務危機預警，就需要對影響企業可持續發展能力和未來財務狀況的非財務指標和定性因素，進行全面的預警分析。對企業的財務危機做出較為正確的預測，做到定性分析和定量分析相結合，預測企業是否會發生財務危機。
5、加強財務信息網絡建設
財務危機預警研究范文第3篇
[關鍵詞] 財務危機 預警模型
隨著資本市場的不斷完善，財務危機預警的研究一直是實務界和學術界關注的熱點問題。財務危機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，對公司可能或者將要面臨的財務危機實施的實時監控和預測警報。
一、前言
財務預警中的數學模型就是財務預警模型，它是指借助公司財務指標和非財務指標體系，識別公司財務狀況的判別模型。
按照研究方法可分為定性研究和定量研究。定性分析包括：標準化調查法；“四階段癥狀”分析法；“三個月資金周轉表”分析法；流程圖分析法；管理評分法(王玲玲等，2005)。定量分析已取得了比較成熟的研究成果，可以劃分為兩個階段：20世紀60年代～80年代，形成了一些以統計方法為分析工具的傳統的財務危機預警模型，主要包括：單變量判定模型(Univariate)；多元線性判定模型(Multiple discriminate analysis，MDA)－Altman的Z值判定模型（Z-score 模型、Zeta模型、Z*值模型）、Edmisterd(1972)的小公司財務預警模型、英國的Taffler(1977)的多變量模式、日本開發銀行建立的“利用經營指標進行公司風險評價的破產模型”；概率模型(Logistic regression model)－多元邏輯(Logit)回歸模型、多元概率比(Probit)回歸模型，這些模型的發展已趨于成熟，但存在著難以克服的缺陷。
20世紀90年代后，學者們開始探索使用新的方法，主要是非統計方法來創建的新興的財務危機預警模型，它們從不同方面克服了傳統模型的缺陷。但新興的財務困境預警模型的探討與應用研究較為分散，還沒有形成完善的綜合研究格局。本文綜合述評了新興的財務危機預警模型，并對未來的研究方向進行展望。
二、新興的財務危機預模型
由于傳統的財務危機預警模型所采用的統計方法一般都受制于母體分布的假設前提，存在著難以克服的缺陷，因此，20世紀90年代后，主要是基于非統計方法的新興的財務危機預警模型。
1.建模技術的發展
(1)粗糙集分析(Rough set analysis，RST)。Slowinski和Zopoudinis(1995)率先將粗糙集分析方法用于企業失敗風險的評估。粗糙集方法包含了知識發現及分類決策法則的推導。它善于用不完善的信息進行分類，被證明是用一組多價值屬性的財務比率描述失敗與非失敗公司的有效工具。(2)神經網絡模型(Artificial neural network，ANN)。Odour和Sharda(1990)是最早把BP神經網絡技術應用于財務危機預測研究中，結果顯示神經網絡要優于當時的判別分析模型。(3)混沌模型(Chaos theory model)。Lindsay和Campbell(1996)將公司視為具有混沌行為的系統，建立了公司失敗預測模型。它是對企業財務健康狀況的非線性動態分析，能測度出企業在不同時期混沌量的差異。(4)自組織映射模型(Self organizing map model)。Kiviluoto & Bergius(1998)在運用SOM技術時考慮了動態性，他們建立了雙層自組織映射模型，可分析連續幾年的財務信息，對破產與非破產公司進行可視化的區分，并勾畫出隨時間演變的失敗路徑。(5)多維標度模型(Multi dimensional scaling model，MDS)。Bishop、Mar-Molinero和Turner(2003)利用MDS在行業背景下對一家公司財務狀況的演變過程進行了案例研究，它是一種圖像化的聚類方法，它的獨特之處是把公司當作變量，而將屬性(如財務比率)作為案例。(6)累積和模型(Cumulative sum model，CUSUM)。Kahya和Theodossiou運用累積和模型對公司失敗進行預測，認為模型還應包含財務狀況惡化的動態過程信息，于2000年提出了預測公司失敗的CUSUM模型，該方法能探測財務狀況由好轉壞的拐點，對財務狀況惡化敏感并具有記憶力，區分財務指標變化是由序列相關引起的還是由于財務情況惡化造成的。除了以上介紹的財務危機預警模型之外，還包括基于模糊法則的分類模型、動態事件歷史分析、機器學習決策樹法、線性目標規劃法、專家系統等。
2.建模變量的發展
(1)加入期權變量。Charitou和Trigeorgis(2000)使用B-S期權定價模型中的相關變量構建了財務危機判別模型，對1983年到1994年期間的139對美國公司進行了對比檢驗，結果發現到期債務面值、公司資產的當期市價、公司價值變化的標準差等期權變量在預測破產方面作用顯著。(2)利用市場收益率。Aharony等提出了基于市場收益率方差的破產預測模型。發現在正式的破產公告日之前的4年內，破產公司股票的市場收益率方差與一般公司存在差異。Altman和Brenner發現，破產公司的股票在破產前至少1年內在資本市場上表現欠佳。Clark等發現破產公司股票在破產前至少3年內存在負的市場收益率。（3)加入公司股權結構、治理結構變量。有學者研究發現，公司的股權結構、治理模式等會對業績產生重要影響。Simpson等研究了銀行企業董事會結構、所有權和財務困境。Gilson研究了處于財務困境中的企業中高級管理人員的更替問題。除了以上介紹的財務危機預警模型之外，還包括運用現金流量指標、加入參考審計意見、加入違約距離、基于平衡計分卡等的模型。
三、財務危機預模型的評析
1.財務危機預警模型缺乏經濟理論的指導
目前財務危機研究集中于預警模型的構建之上，并未深入到對引起公司財務危機的內部機理的探析。被引入模型的變量（財務指標）只是公司陷入財務危機的征兆，而不是公司陷入財務危機的原因和本質。用財務變量建立預測模型對公司財務危機進行預測只是一種基于樣本的相關性分析，而不是因果關系。大多數財務預警模型只能給財務分析人員提供一些表面上的信息，而不能從根本上防止公司陷入財務危機。
2.預警變量選擇缺乏理論支持
目前還沒有形成有說服力的優選預警變量的理論框架，影響了模型預測的可靠性。預警變量（財務指標）的選取不能在理論指導下有系統性的進行，而只能靠研究者經驗判斷、對前人研究成果借鑒和統計篩選。研究者的經驗判斷會因主觀因素影響模型預警效果。事實上，諸多模型中變量的選擇都存在顯著差異，即使是同一類型的財務指標，不同的研究者選取的指標差異也很大。
3.預警模型考慮定性變量和非財務指標有限
財務危機預警型主要以財務會計報表數據為基礎，以各種財務指標為變量來建立預警模型，對定性變量和非財務指標使用有限。不可否認財務報表數據是公司經營狀況的一個綜合反映，但財務報表數據披露不足，時效性較差，缺乏對風險信息和不確定信息的披露。非財務指標和非定量因素在披露公司財務狀況方面要比財務指標更為可靠、有效，公司的生存和發展會產生許多有利或不利的影響，有時可能是本質原因，比如，公司出現過度依賴銀行貸款、公司人力資源匱乏、公司市場定位不清等狀況，都預示著公司存在潛在的危機，而這些是財務比率所不能反映的。
4.非平穩問題的處理重視不足
很多方法在運用中對數據的非平穩性問題重視不足。由于商業周期的階段性、市場環境的變化及技術變革等原因，檢驗時段與預測時段的自變量平均結構可能發生變化，變量間的關系也隨之改變。很多研究沒有對這一問題加以重視，可能導致模型的預測力與魯棒性受到影響。因此有必要對數據進行一些處理，如使用行業相對比率、扣除數據中的通脹因素等，使變量的平均結構及變量間關系從檢驗期向預測期跨越時保持相對平穩。
四、財務危機預模型研究的展望
1.深入研究基于經濟、財務及管理的理論
要深入研究基于經濟、財務及管理理論，系統揭示公司陷入財務危機的內部機理和規律，建立宏觀層次要素和公司財務危機微觀層次間的聯系，以提高模型的可信度和解釋能力。
2.預測變量的選擇多樣化
財務危機預警模型不能單純依靠財務指標，至少要在預警系統中涉及到非財務指標和定性變量，這樣才能更為完整地反映公司全貌。如：考慮宏觀經濟波動指標、產業指標、管理指標、市場收益類和市場收益方差類指標、行業差異的指標等；考慮定量方法和定性方法的有機結合。因此，未來的發展趨勢應當是以財務指標為主，兼顧其他幾類指標和定性變量，構建更為全面的備選指標組，然后進一步通過現代分析方法對備選指標進行相關性分析，保留主要指標進行建模，以起到信息互補、提高預測精確度、提高模型的判別能力、拓展模型的適用性的作用。
3.預測方法轉向實時動態預測
隨著網絡技術和計算機技術的高速發展，特別是以Internet為主的現代信息技術的發展，為危機預警帶來了新的機遇和新的挑戰。如何利用現代信息技術的強大功能將危機預警系統與公司其他信息系統相融合，建立網絡環境下的危機預警系統，動態、實時地從內部信息網絡和Internet上獲取最新數據，不斷修正完善預警模型，使得預警模型成為一個動態學習的模型，將是今后研究的熱點。
五、結束語
通過對財務困境預警模型進行回顧和評析，使我們的研究視野有了極大的拓展，便于我們在借鑒前人思路和方法的基礎上進行更深入的研究，也便于我們選用最為恰當的財務困境預警模型去研究我國的財務困境預警問題。
參考文獻：
[1]王玲玲 曾繁榮:財務預警模型評述[J].市場論壇,2005(12)
[2]Slowinski R, Zopudinis C. Application of the rough set approach to evaluation of bankruptcy risk[J].Intelligent Systems in Accounting, Finance and Management,1995,4:27～41
[3]Odour M D, Sharda R.A neural network model for bankruptcy prediction[J].Conference on Neural Networks,1990(6):136～138
財務危機預警研究范文第4篇
關鍵詞：財務危機 主成分分析 石化行業 預警
著我國資本市場的不斷深化和發展，越來越多的企業選擇通過上市來籌集資金，而因陷入財務困境導致公司經營失敗的案例也屢見不鮮。因此建立一套合理有效的財務危機預警模型對公司管理者、投資者和市場監管者及時識別并規避財務風險具有重要現實意義。研究表明，財務風險具有行業特性。石化行業是我國國民經濟發展中重要的基礎行業之一，為此，本文以石化行業上市公司作為對象研究財務危機預警模型。
一、文獻回顧
財務風險預警研究始于Fitzpatrick（1932）、Beaver（1966）等人用單變量法分析企業財務風險。其后，學者Altinan（1968）和Blum（1974）等采用多變量分析方法來建立企業的財務危機預警模型，Ohison（1980）和Zmijewski（1984）等采用Logistic回歸分析研究方法構建企業的財務預警模型，隨后又跨越到人工智能模型階段。與國外相比，我國關于企業財務預警方面的研究起步較晚，相關研究是從20世紀80年代末開始的，且其研究的對象主要集中在上市公司。陳靜（1999）用單變量判別分析和多變量判別分析方法做了實證分析，得出在宣布日前一年總的準確率分別為100%和85%。吳世農、盧賢義（2001）建立Fisher線性判定分析、多元線性回歸分析和Logistic回歸分析三種預測財務危機的模型，研究結果發現logistic回歸模型的誤判率最低。目前，國內越來越多的學者嘗試運用人工智能模型進行財務預警，但統計方法因其較強的操作性和可理解性，仍被廣泛的應用于財務預警中。
主成分分析是一種通過降維來簡化數據結構的方法，這種方法由Pearson（1904）首先使用，以后經Hotelling（1933）、Cooley和lohnes（1971）、Kshirsagar（1972）、Morrison（1976）和Mardia、Kent&Bibby （1979）發展和成熟起來。其優點是可以對觀測樣本進行分類，并根據各因子在樣本中所起的作用自動生成各因子權重，簡化實測指標系統，具有很強的可操作性。因此，本文在吸收主成分分析法優點的基礎上，建立了以石化行業為例的多重截面的主成分分析的財務危機預警模型。
二、研究設計
（一）樣本的選擇
本文從2008-2012年滬深兩市A股市場上石化行業首次被ST及*ST的37家上市公司界定出26家作為財務危機公司的研究樣本。然后通過資產規模、上市時間相近等原則，按照1：1的比例進行逐一配對，得到相應的財務健康公司26家作為配對樣本。再將52家公司平均分成訓練樣本26家（其中危機公司13家，健康公司13家）和檢測樣本26家。定義財務危機公司被ST或*ST時為T年，本文選取其T-2、T-3、T-4、T-5年內的比率數據進行分析。財務數據均來自瑞思數據庫（）。
（二）指標選取
在財務危機研究中，變量指標的選取通常沒有一個統一的標準。本文借鑒前人的研究成本并在其基礎上進行適當的補充，遵循全面性、有效性和可操作性原則，選取涵蓋公司盈利能力、償債能力、成長能力、營運能力、現金流量和資本結構六個方面的22個財務指標，具體指標見表1。
（三）模型的構建
主成分分析法（因子分析法）的基本思想是將實測的多個指標，用少數幾個潛在的相互獨立的主成分指標（因子）的線性組合來表示，構成的線性組合可反映原多個實測指標的主要信息。主成分分析法的一般模型為：
其中，X1，X2，...Xn為實測變量；aij（i=1，2，...，m；j=1，2，...，n）為因子荷載；Fi（i=1，2，...，m）為選擇確定的m個主成分因子；Ki（i=1，2，...，m）為主成分因子的權重（即第i個因子的貢獻率）；F是公司財務狀況的預測值。
三、實證結果與分析
（一）描述性統計
1.均值對比分析。將選定訓練樣本的13家財務危機公司和13家配對的健康公司分成兩組，然后分別計算兩組22個財務指標在被ST的前四年的均值，然后利用EXCEL的折線圖將均值的對比情況描述出來，具體的變化詳見圖1。從折線圖我們可以看出，ST公司和非ST公司的各項財務指標的平均值的變化趨勢不一致，有以下規律：第一，隨著ST年份的臨近，ST公司和非ST公司部分財務指標的差異逐漸明顯，折線圖上二者之間的距離逐漸擴大，因而得出結論：指標具有較好的預測效果，如凈資產收益率、資產報酬率、流動比率、速動比率、經營凈現金流量/負債比率、每股收益增長率、應收賬款收益率、銷售現金比率、股東權益比率等。第二，兩類公司多數的財務指標變動曲線可以分開。例如，若非ST公司的指標在ST公司指標變動曲線的上方，則這類指標就是正指標，如凈資產收益率、總資產報酬率、每股收益增長率、凈利潤增長率、總資產增長率、應收賬款周轉率等。若非ST公司的財務指標變動曲線在ST公司的下方，這類指標就是逆指標，如資產負債率、固定資產比率等。也存在兩類指標互相交叉的情況，如流動比率、凈利潤增長率、存貨周轉率、銷售現金比率等。
為了進一步挖掘配對樣本之間的差異性，本文使用SPSS16.0統計軟件分別計算危機公司和健康公司的22個財務指標T-2、T-3、T-4、T-5四年的均值及標準差，并將它們的均值與標準差相減進行比較。得出，健康公司與危機公司在均值上存在顯著的差異，健康公司的財務指標中除存貨周轉率（X13）、資產負債率（X20）、固定資產比率（X21）的均值比危機公司小，其余的財務指標的均值均比危機公司大。且非ST公司樣本組的盈利能力、成長能力、現金流量等指標明顯高于ST公司樣本組的對應指標。從標準差的對比中可以發現，財務指標中標準差的差值大部分為負數，說明ST公司樣本組的被ST前四年的均值波動要大于非ST公司樣本組。
由均值和標準差對比分析可知，危機公司與健康公司的財務指標存在顯著的差異，當某個公司的多個財務指標有明顯的下降趨勢且波動較大時，表明該公司存在財務危機的可能。但是，均值對比分析是基于各指標的平均值來進行的，因此不可避免地存在極端值造成指標均值差異的可能，所以我們只能夠依據均值分析進行粗略的估計。
2.非參數Wilcoxon秩和檢驗。為從統計上檢驗選取的變量在危機公司樣本組和健康公司樣本組之間是否存在顯著的差異，我們應用非參數Wilcoxon Mann-Whitney檢驗法對兩組樣本22個財務指標進行統計檢驗。通過檢驗得到，在企業發生財務危機的前四年內，在顯著性水平為0.1時，通過顯著性檢驗的，T-5年、T-4年、T-3年、T-2年依次有5個、5個、10個、12個指標。由此可見，距離財務危機發生的時間越近，危機公司與健康公司財務指標之間的差異性就越大，這說明危機的發生可能存在一定的時序漸進性。
（二）主成分分析模型
主成分分析之前，先需要檢驗數據是否適合做主成分分析。根據KMO和Bartlett’s檢驗結果，發現T-2、T-3、T-4、T-5年KMO值依次為0.611、0.559、0.808、0.426，Bartlett’s檢驗P值均為0.000，小于0.001的檢驗水平，拒絕單位相關性的原始假設，故可知適合做主成分分析。因此，運用SPSS16.0軟件依次對T-2、T-3、T-4、T-5年的具有顯著性差異的指標變量進行主成分分析。通過方差最大化旋轉，在滿足特征值大于1的前提下，提取主成分因子。具體情況見表2。通過旋轉后的因子載荷矩陣可對主成分因子進行解釋，由統計結果可知：T-2年的第一個因子主要解釋了X1、X2、X3、X4、X9、X11幾個變量，可解釋為公司的盈利能力和成長能力；第二個因子主要解釋了X5、X20、X22幾個變量，因此F2主要代表公司的資本結構狀況；第三個因子由變量X8、X17、X19貢獻最多，故F3可解釋為現金流量狀況。以此類推，各年的主成分因子的含義如表2所述。在確定了各主成分的經濟含義后，可根據因子得分系數矩陣建立各個主成分關于原始財務比率的線性表達式。同時，根據統計結果中各個主成分的貢獻率，可以得到主成分預測函數。
（三）各年預測結果的比較
將訓練樣本和檢測樣本的數據進行標準化處理，然后將各年標準化數據代入危機前四年所建立的主成分分析模型的預測表達式中，計算F值。根據誤差最小化原則，確定各年F值的臨界值，從而進行預測準確率的計算。其中危機公司判定為健康公司為一類誤判；健康公司判定為危機公司為二類誤判，得到訓練樣本和檢測樣本的預測準確率的結果見表3、表4。從表中可以看到各個年度訓練樣本的預測準確率均高于檢測樣本，說明訓練樣本對預測模型的擬合程度較高，且T-2年主成分分析模型的綜合預測準確率訓練樣本達到93.50%，檢測樣本達到82.50%，高于T-3年和T-4年主成分分析的結果，而T-3年和T-4年的預測準確率差別不大。由此可見，危機到來前兩年的數據預測效果較好。
四、結論及局限
本文選取石化行業上市公司中配比的危機公司和健康公司作為研究樣本，選取22個財務指標作為指標變量。從各年度的主成分分析表達式中可以歸納出，企業的盈利能力以及現金流量狀況是影響石化行業企業是否會陷入財務危機的關鍵性預警因素。此外，本文選取石化行業上市公司被ST前四年的數據建立多重截面的主成分分析模型，實證結果表明T-2年主成分分析模型的預測準確率是最高的，明顯高于T-3和T-4年的模型。但本文的預測準確率整體上并不是很高，主要存在以下因素：（1）大部分財務危機預警的研究均選擇了T-1年的數據，而上市公司在T年是否被特別處理是由其T-1年財務報告的公布決定的，因此，T-1年預測模型即使有很高的預測精度，在實際預測中也沒有太大的應用價值。（2）財務指標的局限。本文建立的財務預警系統主要是以財務指標作為輸入變量進行判別和預警，而財務指標又有其局限性，不能概括企業經營過程中的非財務因素。（3）樣本量的局限。根據數理統計的大數定理，評價樣本的數量越大，協方差矩陣就越趨于穩定，主成分分析的準確性就越高。而本文選取了2008-2012年5年間石化行業被ST的26家上市公司為危機樣本，樣本量相對較小。X
（注：本文受54科研基地-科技創新平臺-商務運作與企業服務創新項目的資助）
參考文獻：
1.吳世農，盧賢義.我國上市公司財務困境的預測模型研究[J].會計研究，2001，（6）.
財務危機預警研究范文第5篇
關鍵詞：審計意見 財務危機預警 信息含量 logistic回歸模型
審計意見作為企業經營狀況的指示燈，能夠從其獨特的視角反映公司的經營狀況。關于審計意見信息含量的研究，國外開始的比較早，相關文獻表明，審計意見在財務危機預警中的作用尚無定論。與國外的研究結果相一致，我國學者對審計意見在財務危機預警中是否具有信息含量研究的結論也不一致。
研究設計
審計意見的分類。本文在研究時，審計意見的劃分為標準審計意見（標準無保留審計意見）和非標準審計意見（除標準無保留審計意見之外的其他審計意見）兩類。
財務危機的界定。本文在研究時，采用兩種較為常見的財務危機標志事件選擇方法并比較這兩種選擇方法在財務危機預警中作用的異同。取值規則（fda，financial distress affair）如下：
研究假設。國內一些學者關注審計意見信息含量的實證研究，基本著重于考察審計意見在股票市場上的市場反應，而沒有對審計意見能否預測財務危機給予正面回答。由此本文提出以下假設：
h1：財務危機公司獲得的非標準審計意見的比例要大于所有上市公司的平均水平。
h2：加入審計意見的預測模型的預測能力高于未加入審計意見模型的預測能力。
h3：離公司陷入財務危機的時間越短，預測精度就越高。
h4：對財務危機的不同界定方法（fad1和fad2）對模型的預測正確率有顯著影響。
本文數據來源于巨潮資訊網。選取1998～2006年度的所有虧損上市公司和因財務狀況異常而被st的所有上市公司作為統計分析的研究樣本。
實證研究
（一）我國上市公司審計意見的描述性統計
按照以上審計意見分類標準和財務危機的界定方法，本文對1998-2006年滬深兩市上市公司披露的審計意見作了描述性統計，具體結果如表1。
為了更好地反映不同類型公司在不同年度的審計意見，按照本文的劃分方法（標準審計意見和非標準審計意見），得到1999-2006年上市公司審計意見如圖1、圖2所示。
從表1、圖1、圖2中，我們可以看出：
第一，虧損公司和st公司獲得非標準審計意見的比例均顯著大于所有上市公司，也可以說，所有上市公司獲得的標準審計意見顯著大于虧損公司和st公司，所以h1成立。
第二，從時間序列上來看，st公司出具的非標準審計意見的比例要大于虧損公司，或者可以說，虧損公司出具的標準審計意見的比例要大于st公司。
（二）預測審計意見類型的logistic回歸
1.樣本選取與設計。選擇2006年度被st的上市公司50家，同時選擇與st公司處于同一行業，資產規模相近、上市時間相近的50家公司作為配對公司（記作sample1），然后選取st公司前一年和前兩年的數據分別建立模型。
選擇2006年度虧損上市公司50家，同時選擇與虧損公司處于同一行業，資產規模相近、上市時間相近的50家公司作為配對公司（記作sample2），然后選取虧損公司前一年和前兩年的數據分別建立模型。
2.模型設計。本文采用logistic多元回歸模型進行研究。為了比較兩種財務危機的界定方法（fda1和fda2）對回歸模型的影響，本文將以這兩種劃分標志分別建立模型，并且比較它們的預測效果；此外，由于本文的側重點在于審計意見信息含量的研究，所以沒有把過多的精力放在建立復雜的財務預警模型上，最終本文從反映企業的盈利能力、短期償債能力、長期償債能力、增長能力和資產利用能力等方面考慮，最終確定以下變量：資產收益率、流動比率、資產負債比率和總資產周轉率，分別用x1，x2，x3，x4表示，建立logistic回歸模型。
理性的管理者往往希望通過以前年度上市公司的審計意見類型，結合其他重要會計信息來合理預測本年度公司的情況，所以，我們把在2006年被st（或虧損）公司記為i年，因此i-1（2005），i-2（2004年）分別表示陷入財務困境前一年、前兩年。
未加入審計意見模型，
其中，
其中，i=1，2，分別表示i-1和i-2年；p表示上市公司陷入財務危機的概率。對于st（或虧損）公司，yi取1，否則取0，根據所得到的logistic方程，以0.5為最佳判定點對原始數據進行判定，若p>0.5，則判定該樣本為財務危機的公司，否則為正常公司。
加入審計意見x5建立新模型。在原來模型的基礎上引入審計意見這一指標，用x5表示。
建立的新模型如下：
3.預測模型及結果分析。為考察以上模型的預測效果，我們把樣本sample1中的3/5作為估計樣本，共60家，其中st公司和匹配公司各30家；其余的2/5作為預測樣本，共40家，其中st公司和匹配公司各20家；此外，我們把樣本sample2中的3/5作為估計樣本，共60家，其中虧損公司和匹配公司各30家；其余的2/5作為預測樣本，共40家，其中虧損公司和匹配公司各20家，通過估計樣本數據，分別建立預測模型。
由表2可得：無論采取哪種界定財務危機的方法，加入審計意見后，模型的預測正確率都會大大提高，也就證明了審計意見具有增量信息含量，從而證明h2成立。離公司陷入財務危機的時間越短，預測精度就越高。我們可以看出2005年綜合模型的預測正確率要大于2005所對應的綜合模型。從而證明h3成立。財務危機的界定方法對模型的影響不大，所以h4不成立。
結論
本文通過對1998～2006年滬深兩市上市公司披露的審計意見的實證分析，可以得出以下結論：財務危機公司（虧損公司和st公司）獲得非標準審計意見的比例均顯著大于所有上市公司的平均水平；從時間序列上來看，st公司出具的非標準審計意見的比例要大于虧損公司出具的非標準審計意見的比例；審計意見在財務預警中具有信息含量，即加入審計意見后，提高了預測正確率。
參考文獻：
1.陳梅花.審計意見信息含量研究－來自中國證券市場的實證證據[d].上海財經大學博士論文，2001
