時(shí)間：2023-06-07 16:19:09
導(dǎo)語：在財(cái)務(wù)預(yù)警分析的撰寫旅程中，學(xué)習(xí)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(yōu)秀范文，愿這些內(nèi)容能夠啟發(fā)您的創(chuàng)作靈感，引領(lǐng)您探索更多的創(chuàng)作可能。
關(guān)鍵詞：中小企業(yè);財(cái)務(wù);預(yù)警指標(biāo);預(yù)警模型
中圖分類號(hào)：F275 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-291X（2014）31-0137-02
引言
市場(chǎng)經(jīng)濟(jì)體制改革深化，企業(yè)的改革的進(jìn)一步復(fù)雜，在經(jīng)濟(jì)領(lǐng)域高度復(fù)雜性的情況下，企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性大大增加。企業(yè)出現(xiàn)破產(chǎn)倒閉的情況，會(huì)與日俱增。利用財(cái)務(wù)預(yù)警指標(biāo)建立，實(shí)現(xiàn)對(duì)財(cái)務(wù)、經(jīng)營(yíng)等方面的跟蹤控制，財(cái)務(wù)危機(jī)信號(hào)及時(shí)被發(fā)現(xiàn)，并且能預(yù)測(cè)企業(yè)未來的財(cái)務(wù)風(fēng)險(xiǎn)，及時(shí)制定防范風(fēng)險(xiǎn)的措施，對(duì)于企業(yè)的長(zhǎng)期健康發(fā)展意義十分重大。
一、企業(yè)財(cái)務(wù)預(yù)警內(nèi)涵
1.財(cái)務(wù)危機(jī)預(yù)警功能
財(cái)務(wù)危機(jī)預(yù)警功能是多方面的。首先，它具有矯正功能，有效財(cái)務(wù)危機(jī)預(yù)警模型能在預(yù)測(cè)危機(jī)以外，還可以根據(jù)長(zhǎng)期記錄尋找危機(jī)產(chǎn)生原因;并且提出改進(jìn)建議，促使企業(yè)存在問題的解決;制定推行解決措施，彌補(bǔ)企業(yè)財(cái)務(wù)及經(jīng)營(yíng)管理上的漏洞。其次，預(yù)警功能，在大量的信息分析基礎(chǔ)上，財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)才能實(shí)現(xiàn)危機(jī)攔截;并找到財(cái)務(wù)危機(jī)發(fā)生的根源，針對(duì)企業(yè)的財(cái)務(wù)危機(jī)根源，及時(shí)地應(yīng)對(duì)措施，避免財(cái)務(wù)危機(jī)擴(kuò)大化。最后，免疫功能，即預(yù)警指標(biāo)體系本身也具有免疫職能，有效的財(cái)務(wù)危機(jī)預(yù)警，對(duì)某一企業(yè)長(zhǎng)期觀測(cè)，在完善財(cái)務(wù)危機(jī)預(yù)警構(gòu)建的同時(shí)，可以幫助企業(yè)避免財(cái)務(wù)危機(jī)再現(xiàn)。
2.財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)的特點(diǎn)
要建立財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)，要對(duì)財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)的特點(diǎn)進(jìn)行具體分析。第一，財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)有警示性。通過連續(xù)跟蹤預(yù)測(cè)，在財(cái)務(wù)預(yù)警體系中，觀測(cè)指標(biāo)接近安全警戒線的情況，可以提前預(yù)測(cè)財(cái)務(wù)危機(jī)，促使管理者采取補(bǔ)救、化解財(cái)務(wù)危機(jī)。第二，獨(dú)立性。獨(dú)立性是指財(cái)務(wù)預(yù)警系統(tǒng)，應(yīng)該不受任何權(quán)利操縱，在客觀性的基礎(chǔ)上實(shí)現(xiàn)獨(dú)立性。第三，靈敏性。各指標(biāo)之間密切相關(guān)，某一因素的變化，會(huì)引起另外因素變化。要及時(shí)觀察指標(biāo)靈敏度，從提供預(yù)警信息控制整個(gè)數(shù)據(jù)的變化。第四，參照性。財(cái)務(wù)危機(jī)系統(tǒng)能從海量數(shù)據(jù)中篩選出有效信息，反映企業(yè)財(cái)務(wù)狀況指標(biāo)。從而構(gòu)建判斷企業(yè)財(cái)務(wù)狀況，實(shí)現(xiàn)的預(yù)警監(jiān)測(cè)。第五，超前性。如果財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)構(gòu)建完善，財(cái)務(wù)危機(jī)發(fā)生前的時(shí)間段內(nèi)，甚至幾年內(nèi)就已經(jīng)預(yù)測(cè)出發(fā)生，體現(xiàn)了預(yù)測(cè)的超前性，使得預(yù)測(cè)更有實(shí)際意義。
二、預(yù)警指標(biāo)體系建立注意的問題
建立財(cái)務(wù)預(yù)警體系是一個(gè)復(fù)雜工程。是否切合企業(yè)實(shí)際情況，決定著運(yùn)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(xiàn)場(chǎng)觀察法，比較分析法、調(diào)查法，多種方法進(jìn)行綜合使用。其中預(yù)警指標(biāo)體系的基本結(jié)構(gòu)（如下頁圖1所示）：
財(cái)務(wù)預(yù)警指標(biāo)需要從各個(gè)角度分析，著重考慮以下三個(gè)方面的問題：
首先，預(yù)警建立的基礎(chǔ)是財(cái)務(wù)部門核算財(cái)務(wù)實(shí)際數(shù)據(jù)，這些數(shù)據(jù)來源真實(shí)可靠程度，直接決定著財(cái)務(wù)預(yù)警指標(biāo)在發(fā)揮作用方面的功效，因?yàn)槠髽I(yè)經(jīng)濟(jì)資源，受到各種客觀條件限制。但是，財(cái)務(wù)報(bào)表對(duì)經(jīng)濟(jì)資源不能完全真實(shí)反映，受到這個(gè)原因的影響，企業(yè)財(cái)務(wù)指標(biāo)分析結(jié)果會(huì)存在一定的偏差。所以，統(tǒng)計(jì)完財(cái)務(wù)指標(biāo)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(duì)企業(yè)的實(shí)際財(cái)務(wù)特征，進(jìn)行定性、定量分析。
第二，財(cái)務(wù)預(yù)警指標(biāo)參考值確定。企業(yè)在會(huì)計(jì)政策的運(yùn)用過程中，數(shù)據(jù)的一致性要保持。在實(shí)際業(yè)務(wù)發(fā)生中，不少實(shí)際處理的數(shù)據(jù)的人員存在很多的職業(yè)判斷，導(dǎo)致了不同的會(huì)計(jì)人員在同一會(huì)計(jì)問題上出現(xiàn)不同的財(cái)務(wù)決策。
第三，除了采用量化財(cái)務(wù)數(shù)據(jù)分析，還要考慮非量化指標(biāo)影響。在對(duì)企業(yè)進(jìn)行狀況評(píng)估時(shí)候，運(yùn)用財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)比率，要全面考慮企業(yè)歷史經(jīng)營(yíng)情況，綜合企業(yè)財(cái)務(wù)現(xiàn)狀，運(yùn)用報(bào)告數(shù)據(jù)資料，實(shí)現(xiàn)對(duì)企業(yè)全面系統(tǒng)評(píng)估。
三、中小企業(yè)構(gòu)建有效預(yù)警模型的建議
1.充分了解財(cái)務(wù)預(yù)警模型構(gòu)建的原理
財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的建立，目的是在企業(yè)未出現(xiàn)財(cái)務(wù)問題的時(shí)候，未雨綢繆。在預(yù)警模型構(gòu)建原理上，要遵循以下幾個(gè)原則：首先，擁有實(shí)用的功能，并且對(duì)危機(jī)可以預(yù)測(cè)為前提。在解決企業(yè)的實(shí)際問題方面，財(cái)務(wù)預(yù)警系統(tǒng)能夠達(dá)到多種目的。滿足管理潛在風(fēng)險(xiǎn)要求。需要注意的是，建立時(shí)企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)同時(shí)，成本與收益是這其中一個(gè)對(duì)等原則。在不實(shí)現(xiàn)企業(yè)價(jià)值最大化方面，發(fā)揮著不同的作用。財(cái)務(wù)預(yù)警模型，應(yīng)依據(jù)經(jīng)營(yíng)中財(cái)務(wù)報(bào)表來制定。分析預(yù)測(cè)財(cái)務(wù)數(shù)據(jù)趨勢(shì)，實(shí)現(xiàn)企業(yè)管理層，根據(jù)指標(biāo)警示實(shí)施風(fēng)險(xiǎn)控制。其次，預(yù)警系統(tǒng)全面性的要求。財(cái)務(wù)預(yù)警模型的建立，不僅僅是財(cái)務(wù)指標(biāo)有提前效用，還要求模型指標(biāo)有全面性，這就要求它從整體角度考慮，對(duì)整個(gè)企業(yè)的財(cái)務(wù)預(yù)警系統(tǒng)建立。財(cái)務(wù)預(yù)警構(gòu)建的最終目的是通過采取對(duì)策保證企業(yè)財(cái)務(wù)安全狀態(tài)，所以這個(gè)體系的建立，必須使用控制論原理?？偟膩碚f，控制分為前饋控制，反饋控制和復(fù)合控制。預(yù)警管理要應(yīng)用前饋控制，同時(shí)進(jìn)行和復(fù)合控制。另外，在內(nèi)部的籌資、投資方面，財(cái)務(wù)預(yù)警管理，要求從企業(yè)整體出發(fā)，觀察項(xiàng)指標(biāo)波動(dòng)進(jìn)行總體上的分析，多方面考慮，從整體上采取促使進(jìn)行預(yù)防。
2.建立預(yù)警模型需考慮的財(cái)務(wù)指標(biāo)，以適應(yīng)自身預(yù)警要求
良好的防范財(cái)務(wù)風(fēng)險(xiǎn)水平，可以促進(jìn)企業(yè)長(zhǎng)期發(fā)展。企業(yè)的經(jīng)營(yíng)活動(dòng)主要是在資金的籌集、資金的運(yùn)用和退出方面。具體的財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)系統(tǒng)首先有負(fù)債結(jié)構(gòu)財(cái)務(wù)指標(biāo)，這個(gè)指標(biāo)反映企業(yè)務(wù)杠桿，體現(xiàn)財(cái)務(wù)穩(wěn)健度。其次是資金運(yùn)用效率，這個(gè)指標(biāo)能反映出企業(yè)盈利情況，反映了企業(yè)經(jīng)營(yíng)成果，以及資產(chǎn)管理水平。再次是盈利財(cái)務(wù)指標(biāo)，它綜合了多方面業(yè)務(wù)情況，反映出整個(gè)會(huì)計(jì)期間，財(cái)務(wù)的投資回報(bào)程度。最后是財(cái)務(wù)的償債能力指標(biāo)。它能夠反映企業(yè)對(duì)負(fù)債的保障程度。
3.預(yù)警模型的優(yōu)化要求要高效
當(dāng)前，企業(yè)財(cái)務(wù)預(yù)警的建立主要是由統(tǒng)計(jì)回歸的數(shù)學(xué)預(yù)測(cè)方法對(duì)財(cái)務(wù)風(fēng)險(xiǎn)實(shí)現(xiàn)預(yù)測(cè)，雖然統(tǒng)計(jì)回歸預(yù)測(cè)模型在外國(guó)的發(fā)展已經(jīng)大量展開，但是它在中國(guó)的發(fā)展，仍然處于一種滯后的狀態(tài)。這種方法不僅提高模型準(zhǔn)確性，在提高模型的解釋能力方面，效果也相對(duì)的明顯。從橫向和縱向比較角度，不同情形下的預(yù)警可以實(shí)現(xiàn)估算成本計(jì)算，為財(cái)務(wù)預(yù)警模型實(shí)施提供指引的具體參照;從樣本的選擇的角度，企業(yè)建模可以考慮財(cái)務(wù)數(shù)據(jù)處理方式在樣本配比角度選擇不同比例，以全面反映企業(yè)的財(cái)務(wù)狀況。
結(jié)語
綜合來講，我們需要在建立一個(gè)財(cái)務(wù)預(yù)警的的指標(biāo)基礎(chǔ)上，實(shí)現(xiàn)預(yù)警模型的建立。財(cái)務(wù)預(yù)警中財(cái)務(wù)預(yù)警模型是重要關(guān)鍵環(huán)節(jié)。所以，建立這個(gè)體系第一步是進(jìn)行財(cái)務(wù)預(yù)警指標(biāo)的設(shè)立。指標(biāo)的設(shè)立要適合企業(yè)自身財(cái)務(wù)的發(fā)展，實(shí)現(xiàn)監(jiān)測(cè)的高效性，避免新的企業(yè)財(cái)務(wù)隱患出現(xiàn)，發(fā)現(xiàn)問題及時(shí)預(yù)警，提出合理解決措施，將損失降低到最小。并且運(yùn)用這個(gè)系統(tǒng)，對(duì)企業(yè)其他問題的處理進(jìn)行一個(gè)指導(dǎo)，與財(cái)務(wù)工作相聯(lián)系，通過財(cái)務(wù)預(yù)警系統(tǒng)進(jìn)行綜合梳理，實(shí)現(xiàn)與財(cái)務(wù)指標(biāo)的結(jié)合，在現(xiàn)金流和非數(shù)據(jù)化指標(biāo)的的影響下，實(shí)現(xiàn)預(yù)警模型最大功效的發(fā)揮。
參考文獻(xiàn)：
[1] 彭艷露.企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管理框架及預(yù)警指標(biāo)體系的構(gòu)建[J].企業(yè)研究，2014，（6）：108-110.
[2] 廖哲愛.中小企業(yè)財(cái)務(wù)預(yù)警模型探究[J].湖南行政學(xué)院學(xué)報(bào)，2009，（3）：75-102.
關(guān)鍵詞:財(cái)務(wù)危機(jī);預(yù)警模型;財(cái)務(wù)風(fēng)險(xiǎn);Logit模型
中圖分類號(hào):F230文獻(xiàn)標(biāo)志碼:A文章編號(hào):1673-291X(2010)30-0084-02
財(cái)務(wù)危機(jī)預(yù)警是以財(cái)務(wù)會(huì)計(jì)報(bào)表為基礎(chǔ),通過建立和觀測(cè)一些敏感指標(biāo)的變化,對(duì)企業(yè)可能發(fā)生的財(cái)務(wù)危機(jī)實(shí)施評(píng)價(jià)、預(yù)測(cè)和預(yù)警,此過程中使用的數(shù)學(xué)模型即為財(cái)務(wù)危機(jī)預(yù)警模型。在理論和經(jīng)驗(yàn)檢驗(yàn)中所使用的財(cái)務(wù)危機(jī)預(yù)警模型可以分為判別分析模型、Logit模型和人工神經(jīng)網(wǎng)絡(luò)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(duì)幾種主要的財(cái)務(wù)危機(jī)預(yù)警模型進(jìn)行比較分析,希望能夠?yàn)檫M(jìn)一步的研究提供一些借鑒。
一、判別分析模型
判別分析是對(duì)研究對(duì)象所屬類別進(jìn)行判別的一種統(tǒng)計(jì)分析方法。進(jìn)行判別分析的必要條件是已知觀測(cè)對(duì)象的分類和若干表明預(yù)測(cè)對(duì)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(jìn)而建立判別函數(shù),使推導(dǎo)出的判別函數(shù)對(duì)觀測(cè)樣本分類時(shí)的錯(cuò)判率最小。
(一)一元判別模型
一元判別模式是以某一項(xiàng)財(cái)務(wù)指標(biāo)作為判別標(biāo)準(zhǔn)來判斷企業(yè)是否處于財(cái)務(wù)危機(jī)狀態(tài)的預(yù)測(cè)模型。通常將樣本分為“估計(jì)樣本”和“有效樣本”兩組,首先將估計(jì)樣本按某一財(cái)務(wù)比率排序,之后最為關(guān)鍵的是尋找臨界值,它可使兩組的錯(cuò)判率最小,最后依據(jù)此臨界值對(duì)有效樣本進(jìn)行預(yù)測(cè)。Fitzpatrick(1932)最早運(yùn)用一元判別模型進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究,他選用19家企業(yè)作為樣本,并將其劃分為破產(chǎn)與非破產(chǎn)兩組,運(yùn)用一項(xiàng)財(cái)務(wù)比率進(jìn)行分析,結(jié)果表明預(yù)測(cè)能力最強(qiáng)的指標(biāo)是凈利潤(rùn)/股東權(quán)益和股東權(quán)益/負(fù)債。之后,Beaver(1966)選取美國(guó)1954―1964年間79家陷入財(cái)務(wù)危機(jī)的企業(yè)和79家正常企業(yè),考察了30個(gè)財(cái)務(wù)比率,發(fā)現(xiàn)具有良好財(cái)務(wù)預(yù)測(cè)的財(cái)務(wù)比率分別是營(yíng)運(yùn)現(xiàn)金流/負(fù)債,凈利潤(rùn)/資產(chǎn)和負(fù)債/資產(chǎn)。
一元判別模型首次把財(cái)務(wù)比率運(yùn)用于預(yù)測(cè)財(cái)務(wù)危機(jī),并且僅需對(duì)單個(gè)財(cái)務(wù)比率進(jìn)行分析考察,計(jì)算簡(jiǎn)便。但它的缺點(diǎn)也較明顯,如果對(duì)同一公司使用不同比率進(jìn)行預(yù)測(cè),往往會(huì)得出不同的結(jié)果,而且企業(yè)通過粉飾財(cái)務(wù)報(bào)表掩蓋財(cái)務(wù)危機(jī)的可能性較大。
(二)多元判別模型
多元判別模型是指通過統(tǒng)計(jì)技術(shù)篩選出那些在兩組間差別盡可能大但在兩組內(nèi)部的離散度最小的變量,這樣多個(gè)標(biāo)識(shí)變量可在最小信息損失下轉(zhuǎn)換為分類變量。多元判別模型能有效提高預(yù)測(cè)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(yù)測(cè)樣本和測(cè)試樣本,再根據(jù)預(yù)測(cè)樣本建立多元判別模型:Z=V1X1+V2X2+…+VnXn,其中,V1,V2,…Vn是權(quán)數(shù),X1,X2,…Xn是各種財(cái)務(wù)比率。之后,根據(jù)此模型確定臨界值Z值,然后把測(cè)試樣本的數(shù)據(jù)代入此判別方程,并計(jì)算測(cè)試樣本的Z值,最后依據(jù)判別標(biāo)準(zhǔn)進(jìn)行判定。
Altman分別選取了33家失敗企業(yè)和33家成功企業(yè)的22個(gè)財(cái)務(wù)數(shù)據(jù),使用軟件逐步淘汰區(qū)分能力差的財(cái)務(wù)數(shù)據(jù),最后保留了5個(gè)財(cái)務(wù)比率:X1=營(yíng)運(yùn)資本/資產(chǎn),X2=留存收益/資產(chǎn),X3=息稅前利潤(rùn)/資產(chǎn),X4=權(quán)益的市場(chǎng)價(jià)值/負(fù)債的市價(jià),X5=銷售額/資產(chǎn)。其Z值模型為:Z=1.2X1+1.4X2+
3.3X3+0.6X4+0.999X5。Z值越低,企業(yè)發(fā)生財(cái)務(wù)危機(jī)的概率越高,當(dāng)Z
Z值模型簡(jiǎn)單易懂,數(shù)據(jù)易于獲取,計(jì)算簡(jiǎn)便,不僅有利于企業(yè)管理當(dāng)局進(jìn)行財(cái)務(wù)分析,也為投資人、債權(quán)人作出有效的投資決策提供了依據(jù)。但使用Z值模型時(shí)必須注意時(shí)間性,Z值模型只適應(yīng)于對(duì)企業(yè)短期風(fēng)險(xiǎn)的判斷。而且,Z值模型沒有充分考慮現(xiàn)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(duì)該模型進(jìn)行了修訂,建立了非上市公司財(cái)務(wù)危機(jī)預(yù)警的Z′模型和跨行業(yè)的Zeta模型。
2.F分?jǐn)?shù)模型
為了克服Z值模型的局限性,周首華、楊濟(jì)華和王平(1996)對(duì)Z值模型進(jìn)行改進(jìn),建立了F分?jǐn)?shù)模型。F分?jǐn)?shù)模型擴(kuò)大了Z值模型的樣本容量,使用了Compustat PC Plus會(huì)計(jì)數(shù)據(jù)庫中的4 160家企業(yè)的數(shù)據(jù)。F分?jǐn)?shù)模型中加入了現(xiàn)金流量這一自變量,現(xiàn)金流量的計(jì)算是長(zhǎng)期投資決策中所用到的營(yíng)業(yè)現(xiàn)金流量,等于稅后凈利潤(rùn)加上折舊,這里暗含非付現(xiàn)費(fèi)用只有折舊?；贒onalson理論,F分?jǐn)?shù)模型同樣選取了5個(gè)財(cái)務(wù)比率,與Z值模型不同的是X3和X5這兩個(gè)變量,其中X3是一個(gè)現(xiàn)金流量變量,X3=(稅后凈利潤(rùn)+折舊)/平均負(fù)債,它用來衡量企業(yè)使用全部現(xiàn)金流償還債務(wù)的能力;X5=(稅后凈利潤(rùn)+利息+折舊)/平均資產(chǎn),它測(cè)量了企業(yè)的資產(chǎn)創(chuàng)造現(xiàn)金流的能力。F分?jǐn)?shù)模型為:F=-0.1774+
1.1091X1+0.1074 X2+1.9271X3+0.0302X4+0.4961X5。F分?jǐn)?shù)模型測(cè)算的臨界值為0.0274,如果F
二、Logit模型
Logit模型又被稱為評(píng)定模型、分類評(píng)定模型和邏輯回歸模型,建立的基礎(chǔ)是累計(jì)概率函數(shù),目標(biāo)是尋找觀察對(duì)象的條件概率,據(jù)此判斷觀察對(duì)象的財(cái)務(wù)狀況和經(jīng)營(yíng)風(fēng)險(xiǎn)。Logit模型是一個(gè)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(yè)發(fā)生財(cái)務(wù)危機(jī)的概率,0≤P≤1;1-P是企業(yè)不發(fā)生財(cái)務(wù)危機(jī)的概率;Xi(i=1,2,…,m)是影響財(cái)務(wù)危機(jī)的第i個(gè)因素;αi,βi(i=1,2…,m)是待估計(jì)參數(shù)。然后利用最大似然估計(jì)法估計(jì)參數(shù)。判別規(guī)則是:取0.5作為概率的臨界值,將樣本數(shù)據(jù)代入回歸方程后,如果P>0.5,表明其也發(fā)生財(cái)務(wù)危機(jī)的概率較大,否則,判斷企業(yè)財(cái)務(wù)正常。
Ohlson(1980)第一個(gè)采用Logit方法進(jìn)行破產(chǎn)預(yù)測(cè),使用9個(gè)自變量,估計(jì)了三個(gè)模型,分析了樣本公司在破產(chǎn)概率區(qū)間上的分布以及兩類判別錯(cuò)誤和分割點(diǎn)的關(guān)系。他發(fā)現(xiàn)至少有四類顯著影響公司破產(chǎn)概率的變量:公司規(guī)模、資本結(jié)構(gòu)、業(yè)績(jī)和當(dāng)前資產(chǎn)的變現(xiàn)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(jìn)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(yùn)用時(shí)間序列回歸和Logit回歸方法,從財(cái)務(wù)指標(biāo)角度和現(xiàn)金流量角度分別構(gòu)建預(yù)警模型,并在此基礎(chǔ)上構(gòu)建綜合預(yù)警模型。姜秀華(2001)、吳世農(nóng)、盧賢義(2001)、李華中(2001)等也采用類似的方法進(jìn)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(qiáng),并且不容易發(fā)生沖突。此模型最大的優(yōu)點(diǎn)在于克服了多元判別模型要求變量服從正態(tài)分布并且分組樣本間的協(xié)方差相等的局限性。但是,Logit模型是建立在累計(jì)概率函數(shù)的基礎(chǔ)之上,同樣要求各個(gè)自變量之間不存在多重共線性。而且,運(yùn)用Logit模型在計(jì)算過程中有許多的近似處理,這會(huì)影響預(yù)測(cè)精度。
三、人工神經(jīng)網(wǎng)絡(luò)模型
人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks)建構(gòu)理念植根于人類對(duì)大腦神經(jīng)網(wǎng)絡(luò)認(rèn)識(shí),人工構(gòu)造一種神經(jīng)網(wǎng)絡(luò)以實(shí)現(xiàn)某種功能,最為廣泛使用的是反向傳播人工神經(jīng)網(wǎng)絡(luò),即BP網(wǎng)絡(luò)。
Odom and Sharda(1990)是用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)財(cái)務(wù)困境這一方法的開拓者,其研究是以Altman所構(gòu)建的五個(gè)財(cái)務(wù)比率為研究變量,使用類神經(jīng)網(wǎng)絡(luò)與判別分析作驗(yàn)證比較,結(jié)果發(fā)現(xiàn)類神經(jīng)網(wǎng)絡(luò)具有更佳的預(yù)測(cè)能力。Tam(1991)通過對(duì)人工神經(jīng)網(wǎng)絡(luò)(ANN)的模擬,得出神經(jīng)網(wǎng)絡(luò)可以應(yīng)用于財(cái)務(wù)預(yù)警,而且具有較高的預(yù)測(cè)精度。Koh and Tan在1999年以6個(gè)財(cái)務(wù)指標(biāo)為研究變量作了類似的研究,認(rèn)為類神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)效果優(yōu)于Probit模型。楊保安等(2002)采用ANN模型進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究,結(jié)果表明:樣本的實(shí)際輸出和期望輸出較為接近,顯示出神經(jīng)網(wǎng)絡(luò)是進(jìn)行財(cái)務(wù)評(píng)估的一種很好的應(yīng)用工具。柳炳祥、盛昭翰(2002)分析了評(píng)價(jià)財(cái)務(wù)危機(jī)的指標(biāo)體系、財(cái)務(wù)危機(jī)等級(jí)的劃分和基于粗神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)預(yù)警方法,并用一個(gè)預(yù)警實(shí)例進(jìn)行了驗(yàn)證。
已有的研究表明,人工神經(jīng)網(wǎng)絡(luò)具有較好的模式識(shí)別能力,而且它具有容錯(cuò)能力,對(duì)數(shù)據(jù)的分布不做嚴(yán)格要求,能夠處理有噪聲和不完全的數(shù)據(jù),誤差小,建模更科學(xué),克服了傳統(tǒng)統(tǒng)計(jì)方法的限制。更為重要的是人工神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)能力,可依據(jù)新的數(shù)據(jù)資料自我學(xué)習(xí)、訓(xùn)練,調(diào)整內(nèi)部的儲(chǔ)存權(quán)重參數(shù)以應(yīng)對(duì)多變的企業(yè)運(yùn)作環(huán)境。
四、對(duì)已有模型的述評(píng)
可以看出,已有的很多模型構(gòu)筑精巧,使用了很多量化技術(shù),但也產(chǎn)生了一個(gè)問題,模型的應(yīng)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(shí)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(jīng)驗(yàn)。因此,我們認(rèn)為,財(cái)務(wù)危機(jī)預(yù)警分析需要考慮諸多方面的因素,除了關(guān)注模型的設(shè)計(jì)外,還應(yīng)該加強(qiáng)財(cái)務(wù)比率的設(shè)計(jì)和選擇,積極探索將非量化因素引入財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系。同時(shí),財(cái)務(wù)危機(jī)預(yù)警模型必須以大量的真實(shí)信息為基礎(chǔ),因此,應(yīng)加強(qiáng)信息管理,建立使用信息和分析信息的合理機(jī)制,進(jìn)一步增強(qiáng)財(cái)務(wù)信息的有用性。
參考文獻(xiàn):
[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(cái)務(wù)風(fēng)險(xiǎn)的原因
財(cái)務(wù)風(fēng)險(xiǎn)的成因分為兩大類：外部因素和內(nèi)部因素。
1.外部因素
外部因素是對(duì)所有的企業(yè)都會(huì)產(chǎn)生影響的因素，是企業(yè)無法回避的，主要包括以下幾個(gè)方面：a.市場(chǎng)變動(dòng)，即市場(chǎng)由于政治形勢(shì)、自然災(zāi)害等客觀原因造成的供求關(guān)系的改變。b.宏觀經(jīng)濟(jì)形勢(shì)變化，如一國(guó)的經(jīng)濟(jì)形勢(shì)變動(dòng)會(huì)影響其他國(guó)家和地區(qū)經(jīng)濟(jì)形勢(shì)的變動(dòng)、通過膨脹、通過緊縮、利率變動(dòng)、匯率變動(dòng)、稅收政策變動(dòng)等。影響財(cái)務(wù)風(fēng)險(xiǎn)的這些外部因素，企業(yè)無法回避，但是對(duì)這些因素進(jìn)行及時(shí)監(jiān)控，可以幫助企業(yè)采取措施應(yīng)對(duì)，避免產(chǎn)生較大的危機(jī)和損失。
2.內(nèi)部因素
內(nèi)部因素是企業(yè)特有因素，是由企業(yè)自身事件產(chǎn)生的因素，包括內(nèi)部管理因素，財(cái)務(wù)管理因素，財(cái)務(wù)因素和經(jīng)營(yíng)因素。
在內(nèi)部因素中，有些因素在短期內(nèi)將引起財(cái)務(wù)風(fēng)險(xiǎn)，而有些因素是在長(zhǎng)期內(nèi)將引起風(fēng)險(xiǎn)，而實(shí)際上這是一個(gè)“因果”關(guān)系。由于內(nèi)部管理不當(dāng)、財(cái)務(wù)管理失誤、經(jīng)營(yíng)決策錯(cuò)誤，最終引起企業(yè)資產(chǎn)負(fù)債率過高、應(yīng)收賬款過多、現(xiàn)金不足以支付到期債務(wù)等財(cái)務(wù)風(fēng)險(xiǎn)的出現(xiàn)，而在財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警中，我們對(duì)這些“因果”都要反映，才能真正實(shí)現(xiàn)預(yù)警的目的。內(nèi)部因素是企業(yè)可控因素，外部因素是企業(yè)不可控因素，但外部因素也會(huì)通過內(nèi)部因素引起財(cái)務(wù)風(fēng)險(xiǎn)，在財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究中無法將兩者分開，但在分析中，應(yīng)區(qū)分原因，采取措施。
二、引起財(cái)務(wù)風(fēng)險(xiǎn)的原因可能產(chǎn)生的現(xiàn)象
外部因素和內(nèi)部因素都會(huì)引起財(cái)務(wù)風(fēng)險(xiǎn)，但財(cái)務(wù)風(fēng)險(xiǎn)畢竟是個(gè)抽象的概念，要建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系，必須了解財(cái)務(wù)風(fēng)險(xiǎn)的具體現(xiàn)象，即財(cái)務(wù)風(fēng)險(xiǎn)的征兆，一旦發(fā)現(xiàn)，即采取措施，予以控制。引發(fā)財(cái)務(wù)風(fēng)險(xiǎn)的具體現(xiàn)象有：
1.規(guī)模過度擴(kuò)張。企業(yè)經(jīng)營(yíng)進(jìn)入成熟期和衰退期后，如果進(jìn)行大規(guī)模的新建項(xiàng)目或?qū)υ蛷S房進(jìn)行大規(guī)模擴(kuò)修，或者同時(shí)在許多地方收購(gòu)其他企業(yè)，涉足許多不同領(lǐng)域，都可能使企業(yè)資金負(fù)擔(dān)過重，如果沒有進(jìn)行嚴(yán)密的資金預(yù)算，都會(huì)導(dǎo)致企業(yè)支付能力下降，引發(fā)財(cái)務(wù)風(fēng)險(xiǎn)。
2.企業(yè)內(nèi)部管理層做出了不同以往的特殊決策或管理層突然出現(xiàn)重大人員變更，這種現(xiàn)象的出現(xiàn)意味著企業(yè)內(nèi)部管理出現(xiàn)問題，引發(fā)了管理風(fēng)險(xiǎn)，必將引起財(cái)務(wù)風(fēng)險(xiǎn)。
3.銷售出現(xiàn)不正常的下滑。從表面看，銷售下滑是市場(chǎng)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(yè)產(chǎn)品質(zhì)量問題或市場(chǎng)出現(xiàn)了強(qiáng)有力的替代產(chǎn)品，無論哪種原因，都可能在短期或長(zhǎng)期引發(fā)財(cái)務(wù)風(fēng)險(xiǎn)。
4.非計(jì)劃的存貨積壓。非計(jì)劃的存貨積壓產(chǎn)生的主要原因是銷售出現(xiàn)非正常下滑，但除此原因外，管理層的錯(cuò)誤決策或者財(cái)務(wù)的粉飾需求都可能引起存貨的非計(jì)劃積壓，引發(fā)財(cái)務(wù)風(fēng)險(xiǎn)和管理風(fēng)險(xiǎn)。
5.過度依賴貸款。過度依賴貸款，意味著企業(yè)喪失了其他的融資能力，意味著企業(yè)喪失了以往的信用，標(biāo)志著企業(yè)資金周轉(zhuǎn)失調(diào)或盈利能力下降。
6.財(cái)務(wù)報(bào)表公開不及時(shí)。如果頻繁出現(xiàn)財(cái)務(wù)報(bào)表不及時(shí)公開，應(yīng)警惕財(cái)務(wù)粉飾，關(guān)注報(bào)表附注。
除以上提到幾點(diǎn)外，還有許多可能引發(fā)財(cái)務(wù)風(fēng)險(xiǎn)的現(xiàn)象，如企業(yè)進(jìn)行了大規(guī)模的新產(chǎn)品研制，如果此項(xiàng)經(jīng)營(yíng)決策失誤，同樣會(huì)導(dǎo)致企業(yè)產(chǎn)品積壓，現(xiàn)金周轉(zhuǎn)困難；另外，客戶交易記錄惡化，可能導(dǎo)致賒銷款項(xiàng)無法收回等。因此，引發(fā)財(cái)務(wù)危機(jī)的現(xiàn)象很多，對(duì)這些現(xiàn)象應(yīng)進(jìn)行仔細(xì)分析，查找原因，才能及時(shí)防范財(cái)務(wù)風(fēng)險(xiǎn)，避免財(cái)務(wù)危機(jī)。
三、引發(fā)財(cái)務(wù)風(fēng)險(xiǎn)現(xiàn)象的財(cái)務(wù)表現(xiàn)形式
引發(fā)財(cái)務(wù)風(fēng)險(xiǎn)的現(xiàn)象，并不都是財(cái)務(wù)現(xiàn)象，有管理現(xiàn)象，還有經(jīng)營(yíng)現(xiàn)象，它們可能引發(fā)狹義財(cái)務(wù)風(fēng)險(xiǎn)、管理風(fēng)險(xiǎn)和經(jīng)營(yíng)風(fēng)險(xiǎn)等，管理風(fēng)險(xiǎn)和經(jīng)營(yíng)風(fēng)險(xiǎn)可以通過在管理環(huán)節(jié)和經(jīng)營(yíng)環(huán)節(jié)中發(fā)現(xiàn)，采取措施予以規(guī)避，但風(fēng)險(xiǎn)的產(chǎn)生和危機(jī)的引發(fā)是個(gè)逐步的過程，對(duì)于在管理中和經(jīng)營(yíng)中沒有防范住的風(fēng)險(xiǎn)，最后都會(huì)反映為千百萬，因此，我們必須了解引發(fā)賬務(wù)風(fēng)險(xiǎn)的現(xiàn)象的財(cái)務(wù)表現(xiàn)形式，而最好的財(cái)務(wù)表現(xiàn)形式就是最好的財(cái)務(wù)指標(biāo)。
目前我國(guó)常用的財(cái)務(wù)指標(biāo)從四方面來界定，財(cái)務(wù)效益狀況指標(biāo)、資產(chǎn)營(yíng)運(yùn)狀況指標(biāo)、償債能力狀況指標(biāo)和發(fā)展能力狀況指標(biāo)，用來對(duì)企業(yè)的經(jīng)營(yíng)業(yè)績(jī)進(jìn)行評(píng)價(jià)，而本文我們是研究財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警，這里要分析的是企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)，通過這些指標(biāo)應(yīng)能靈敏地反映企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)狀況，對(duì)企業(yè)的財(cái)務(wù)危機(jī)進(jìn)行及時(shí)預(yù)警，因此我們根據(jù)財(cái)務(wù)風(fēng)險(xiǎn)的成因和現(xiàn)象構(gòu)建了四方面財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)，它們是：管理狀況指標(biāo)、財(cái)務(wù)結(jié)構(gòu)指標(biāo)和運(yùn)營(yíng)狀況指標(biāo)。
1.管理狀況指標(biāo)
管理狀況可通過高層領(lǐng)導(dǎo)決策失誤率、內(nèi)部控制制度執(zhí)行率等指標(biāo)來反映，它們可直接反映出管理風(fēng)險(xiǎn)，在一段時(shí)間后反映為財(cái)務(wù)風(fēng)險(xiǎn)，是財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的早期指標(biāo)。
高層領(lǐng)導(dǎo)決策失誤＝某時(shí)期高層領(lǐng)導(dǎo)的錯(cuò)誤決策數(shù)/某時(shí)期高層領(lǐng)導(dǎo)的總決策數(shù)
內(nèi)部控制制度執(zhí)行率＝已執(zhí)行的內(nèi)部控制制度數(shù)/已制訂的內(nèi)部控制制度數(shù)
2.財(cái)務(wù)狀況指標(biāo)
財(cái)務(wù)狀況可通過流動(dòng)比率、速動(dòng)比率、現(xiàn)金流動(dòng)負(fù)債率、主營(yíng)業(yè)務(wù)利潤(rùn)率、凈資收益率、銷售收入增長(zhǎng)率和權(quán)益增長(zhǎng)率等指標(biāo)來反映，直接反映出財(cái)務(wù)風(fēng)險(xiǎn)。
流動(dòng)比率＝流動(dòng)資產(chǎn)/流動(dòng)負(fù)債
現(xiàn)金比率＝（貨幣資金+短期證券）/流動(dòng)負(fù)債
現(xiàn)金流動(dòng)負(fù)債率＝經(jīng)營(yíng)現(xiàn)金凈流量/流動(dòng)負(fù)債
主營(yíng)業(yè)務(wù)利潤(rùn)率＝利潤(rùn)總額/銷售收入總額
凈資產(chǎn)收入增長(zhǎng)率＝（本期銷售收入—上期銷售收入）/上期銷售收入
權(quán)益增長(zhǎng)率＝（期末所有者權(quán)益—期初所有者權(quán)益）/期初所有者權(quán)益
3.財(cái)務(wù)結(jié)構(gòu)指標(biāo)
財(cái)務(wù)結(jié)構(gòu)可通過流動(dòng)資產(chǎn)率、資產(chǎn)負(fù)債率、應(yīng)收賬款壞賬率等指標(biāo)來反映，反映企業(yè)應(yīng)對(duì)負(fù)債的能力。
流動(dòng)資產(chǎn)率＝流動(dòng)資產(chǎn)/總資產(chǎn)
資產(chǎn)負(fù)債率＝負(fù)債總額/資產(chǎn)總額
應(yīng)收賬款壞賬率＝應(yīng)收賬款壞賬/應(yīng)收賬款總額
4.運(yùn)營(yíng)狀況指標(biāo)
運(yùn)營(yíng)狀況可通過總資產(chǎn)周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、投入產(chǎn)出率、不良資產(chǎn)占有率和現(xiàn)金流入流出率等指標(biāo)來反映，這些指標(biāo)既可反映財(cái)務(wù)風(fēng)險(xiǎn)，也可反映經(jīng)營(yíng)風(fēng)險(xiǎn)。
總資產(chǎn)周轉(zhuǎn)率＝銷售收入凈額/平均資產(chǎn)總額
應(yīng)收賬款周轉(zhuǎn)率＝銷售收入凈額/應(yīng)收賬款平均余額
存貨周轉(zhuǎn)率＝銷貨成本/存貨平均余額
投入產(chǎn)出率＝產(chǎn)品銷售收入/（產(chǎn)品銷售成本+期間費(fèi)用）
不良資產(chǎn)占用率＝不良資產(chǎn)/資產(chǎn)總額
現(xiàn)金流入流出率＝現(xiàn)金流入量/現(xiàn)金流出量
我們這里構(gòu)建的指標(biāo)，是從一般意義出發(fā)形成的，企業(yè)在具體運(yùn)用中，應(yīng)依據(jù)實(shí)際需要，進(jìn)行調(diào)整。
四、構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系的方法
從廣義上說，構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系的方法包括前面介紹的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的信息表現(xiàn)，只有收集了資料，才能進(jìn)行必要的研究，因此，這里所指的構(gòu)建方法是指如何對(duì)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警指標(biāo)進(jìn)行分析和運(yùn)用，得到企業(yè)所處財(cái)務(wù)危機(jī)的程度的信息，幫助企業(yè)做出危機(jī)判斷的具體方法。
企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)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(diào)查法、分階段分析法、流程圖分析法和管理評(píng)分法。定量分析法是通過對(duì)預(yù)警指標(biāo)的篩選，運(yùn)用數(shù)學(xué)和統(tǒng)計(jì)方法，建立模型，用數(shù)字對(duì)企業(yè)財(cái)務(wù)危機(jī)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(cái)務(wù)危機(jī)預(yù)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(jīng)網(wǎng)絡(luò)財(cái)務(wù)危機(jī)預(yù)警模型。
定性分析法和定量分析法在實(shí)際應(yīng)用中可結(jié)合使用，如對(duì)管理狀況就可采用定性的方法進(jìn)行前期的分析，判斷管理風(fēng)險(xiǎn)的程度，根據(jù)所得到的信息，計(jì)算管理狀況的指標(biāo)，使得指標(biāo)得以量化。
五、結(jié)語
我國(guó)學(xué)者對(duì)財(cái)務(wù)預(yù)警研究始于20世紀(jì)80年代后，1986年吳世農(nóng)、黃世忠研究了企業(yè)破產(chǎn)分析指標(biāo)和預(yù)測(cè)模型，1998年陳靜對(duì)27家ST公司和非ST公司進(jìn)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(jìn)行模型檢驗(yàn)。經(jīng)過大量的實(shí)證分析，財(cái)務(wù)指標(biāo)和Z得分法模型對(duì)我國(guó)企業(yè)財(cái)務(wù)危機(jī)的預(yù)測(cè)有較好作用。在這些分析中，學(xué)者們都選擇了定量分析法，而忽視了定性分析法，同時(shí)他們均以上市公司為研究主體，進(jìn)行橫向研究。實(shí)際上，對(duì)任何一家企業(yè)都需要進(jìn)行財(cái)務(wù)危機(jī)預(yù)測(cè)，這將是企業(yè)財(cái)務(wù)管理的新趨勢(shì)，企業(yè)可根據(jù)自身的實(shí)際情況選擇適當(dāng)?shù)念A(yù)警指標(biāo)和預(yù)警方法，建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系。
參考文獻(xiàn)
[1]胡華.現(xiàn)代企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的成因及防范[J].會(huì)計(jì)之友，2009.
[2]陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)例分析[J].會(huì)計(jì)研究，2009.
關(guān)鍵詞:財(cái)務(wù)杠桿系數(shù) 灰色災(zāi)變預(yù)測(cè) 財(cái)務(wù)預(yù)警
在市場(chǎng)變化的不確定性及競(jìng)爭(zhēng)日益激烈的環(huán)境下,由于財(cái)務(wù)的復(fù)雜性,企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)成為一種客觀存在。而企業(yè)財(cái)務(wù)活動(dòng)的組織和管理過程中的某一方面或某個(gè)環(huán)節(jié)的問題,都可能促使這種風(fēng)險(xiǎn)轉(zhuǎn)變?yōu)閾p失,導(dǎo)致企業(yè)發(fā)生財(cái)務(wù)危機(jī)。因此,對(duì)企業(yè)財(cái)務(wù)狀況進(jìn)行預(yù)警分析并進(jìn)行有效的防范,對(duì)規(guī)避企業(yè)財(cái)務(wù)風(fēng)險(xiǎn),從而提高企業(yè)經(jīng)濟(jì)效益和競(jìng)爭(zhēng)力。
一、財(cái)務(wù)預(yù)警模型的構(gòu)造
本文選擇財(cái)務(wù)杠桿系數(shù)作為分析的財(cái)務(wù)指標(biāo),并根據(jù)灰色預(yù)測(cè)方法只需較少數(shù)據(jù)即可建立分析模型以及可處理財(cái)務(wù)風(fēng)險(xiǎn)無規(guī)則概率分布的特點(diǎn),運(yùn)用灰色災(zāi)變預(yù)測(cè)方法對(duì)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行預(yù)警分析。
(一)財(cái)務(wù)杠桿系數(shù)
企業(yè)可以通過借款或其他方式增加資本,只要債務(wù)成本低于這些資本投入的收益,財(cái)務(wù)杠桿就可以提高企業(yè)的資本收益率,但與此同時(shí)財(cái)務(wù)杠桿也提高了企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)。資本結(jié)構(gòu)決策需要在杠桿收益與其相關(guān)的風(fēng)險(xiǎn)之間進(jìn)行合理的權(quán)衡。
(二)灰色災(zāi)變預(yù)測(cè)
灰色災(zāi)變預(yù)測(cè)屬于灰色理論中的一個(gè)部分,主要針對(duì)“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(yùn)用數(shù)學(xué)方法進(jìn)行描述出來。主要任務(wù)是利用模型預(yù)測(cè)出下一個(gè)或幾個(gè)異常值出現(xiàn)的時(shí)刻,以使人們提前做好防備,采取對(duì)策,減少損失。灰色災(zāi)變預(yù)測(cè)的準(zhǔn)確率較高、實(shí)用性也較強(qiáng),目前被大量應(yīng)用于預(yù)測(cè)實(shí)踐當(dāng)中。
二、實(shí)證分析
以下結(jié)合具體實(shí)例進(jìn)行分析,該企業(yè)為河南省某一著名企業(yè),企業(yè)近年來發(fā)展勢(shì)頭良好,做出了不殊的成績(jī)。以下數(shù)據(jù)來源于集團(tuán)公司各年中期和年度財(cái)務(wù)報(bào)告,數(shù)據(jù)為集團(tuán)母子公司的合并后數(shù)據(jù)。根據(jù)對(duì)該企業(yè)財(cái)務(wù)報(bào)告及企業(yè)情況的分析得知,利息費(fèi)用占據(jù)了財(cái)務(wù)費(fèi)用的大部分,故本文的分析對(duì)財(cái)務(wù)費(fèi)用進(jìn)行了處理,使其分離出利息費(fèi)用。為使處理簡(jiǎn)單化以便于分析,用各期財(cái)務(wù)費(fèi)用總額乘以0.9,得出相應(yīng)各期的利息費(fèi)用。(如表1）
以該企業(yè)2002年中期至2008年中期的資料作為災(zāi)變預(yù)測(cè)依據(jù),對(duì)此序列數(shù)據(jù)進(jìn)行統(tǒng)計(jì),將=1.20作為是否發(fā)生財(cái)務(wù)預(yù)警的臨界值,并認(rèn)為1.20為財(cái)務(wù)風(fēng)險(xiǎn)較高,產(chǎn)生了財(cái)務(wù)預(yù)警。根據(jù)灰色災(zāi)變模型及數(shù)據(jù)分析,則有:
1)該企業(yè)財(cái)務(wù)杠桿系數(shù)的原始序列為:
6)進(jìn)行殘差檢驗(yàn)。分別令k=1,2,3,4,可計(jì)算出預(yù)測(cè)值如表3所示:
由于平均相對(duì)殘差及均小于0.05,故模型合格,可用于對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)測(cè)。令k=5,可得預(yù)測(cè)值,即再過11-12期左右,即2008年末-2009年中期將會(huì)出現(xiàn)一次財(cái)務(wù)杠桿系數(shù)的異常(災(zāi)變)值。根據(jù)預(yù)警結(jié)果,企業(yè)應(yīng)該意識(shí)到存在的財(cái)務(wù)風(fēng)險(xiǎn),并對(duì)企業(yè)的資本結(jié)構(gòu)進(jìn)行調(diào)整,在合理利用財(cái)務(wù)杠桿所帶來的杠桿效應(yīng)的同時(shí),也要避免隨之而來的擴(kuò)大的財(cái)務(wù)風(fēng)險(xiǎn),把財(cái)務(wù)杠桿系數(shù)穩(wěn)定在一個(gè)合理的水平,從而避免財(cái)務(wù)風(fēng)險(xiǎn)。
三、結(jié)語
本文根據(jù)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)往往呈現(xiàn)無規(guī)則概率分布的特點(diǎn),選取能衡量財(cái)務(wù)風(fēng)險(xiǎn)的重要財(cái)務(wù)指標(biāo)---財(cái)務(wù)杠桿系數(shù)進(jìn)行分析,利用灰色系統(tǒng)中的災(zāi)變預(yù)測(cè)理論建立了灰色災(zāi)變預(yù)測(cè)模型,對(duì)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行了預(yù)警分析。通過實(shí)證研究發(fā)現(xiàn),選取財(cái)務(wù)杠桿系數(shù)作為分析指標(biāo),應(yīng)用灰色災(zāi)變預(yù)測(cè)模型可為企業(yè)財(cái)務(wù)預(yù)警分析提供了一個(gè)新的研究思路和方法,具有很高的實(shí)用價(jià)值。當(dāng)然,任何方法都有一定的局限性。獲取真實(shí)可靠的財(cái)務(wù)數(shù)據(jù),綜合多種方法進(jìn)行比對(duì)分析,建立與企業(yè)實(shí)際情況有較高擬合度的財(cái)務(wù)預(yù)警分析模型,將對(duì)企業(yè)防范財(cái)務(wù)風(fēng)險(xiǎn),及時(shí)做好應(yīng)對(duì)措施具有極重要的意義。
參考文獻(xiàn)
[1]蔣元濤.基于現(xiàn)金流量的投資企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警分析[J].財(cái)貿(mào)研究,2005;4.
財(cái)務(wù)預(yù)警即財(cái)務(wù)失敗預(yù)警，是以財(cái)務(wù)會(huì)計(jì)信息為基礎(chǔ)，通過設(shè)置并觀察一些敏感性預(yù)警指標(biāo)的變化，以發(fā)現(xiàn)企業(yè)在經(jīng)營(yíng)管理活動(dòng)中潛在的經(jīng)營(yíng)風(fēng)險(xiǎn)和財(cái)務(wù)風(fēng)險(xiǎn)，并在危機(jī)發(fā)生之前向企業(yè)經(jīng)營(yíng)者發(fā)出警告，對(duì)企業(yè)在經(jīng)營(yíng)管理活動(dòng)中潛在的財(cái)務(wù)危機(jī)進(jìn)行實(shí)時(shí)監(jiān)控。
財(cái)務(wù)預(yù)警具有參照性、預(yù)測(cè)性、預(yù)防性和靈敏性等四個(gè)特點(diǎn)。參照性：從參照性特點(diǎn)看，運(yùn)用財(cái)務(wù)管理和數(shù)據(jù)分析方法，測(cè)算出反應(yīng)企業(yè)財(cái)務(wù)運(yùn)行狀態(tài)的指標(biāo)和指標(biāo)體系，使其成為我們判斷和認(rèn)識(shí)企業(yè)財(cái)務(wù)運(yùn)行規(guī)律的參照或指標(biāo)體系。預(yù)測(cè)性：根據(jù)財(cái)務(wù)運(yùn)行狀態(tài)的發(fā)展趨勢(shì)和變化，預(yù)測(cè)或推算與此密切相關(guān)的各因素的發(fā)展變化。預(yù)防性：一旦財(cái)務(wù)預(yù)警體系中的指標(biāo)接近安全線，便可以及時(shí)尋找導(dǎo)致財(cái)務(wù)運(yùn)行惡化的原因，以化解財(cái)務(wù)危機(jī)。靈敏性：由于財(cái)務(wù)體系各因素之間密切聯(lián)系、相互依存，某一因素的變化會(huì)在另一因素中敏銳的反映出來，從而提供相關(guān)的預(yù)警信息。
財(cái)務(wù)預(yù)警模型是一步步不斷發(fā)展完善起來的，Beaver（1966）最早運(yùn)用統(tǒng)計(jì)方法建立了單變量財(cái)務(wù)預(yù)警模型，Altman(1968)最早運(yùn)用多變量分析方法探討財(cái)務(wù)預(yù)警問題，建立了Z模型，Ohlson(1980)第一個(gè)用Logit方法進(jìn)行破產(chǎn)預(yù)測(cè)，Odom and Sharda(1990)開拓了用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)財(cái)務(wù)困境的新方法。
二、財(cái)務(wù)預(yù)警實(shí)證分析
1.實(shí)例背景
商業(yè)銀行在經(jīng)營(yíng)過程中，由于事前無法預(yù)料的不確定因素的影響，使實(shí)際收益與預(yù)期收益產(chǎn)生偏差，從而有蒙受經(jīng)濟(jì)損失和獲取額外收益的機(jī)會(huì)和可能性的風(fēng)險(xiǎn)，任何忽視風(fēng)險(xiǎn)只追求收益的行為都有可能導(dǎo)致災(zāi)難性的后果。本文以工商銀行為例，來分析財(cái)務(wù)預(yù)警模型的應(yīng)用。
中國(guó)工商銀行股份有限公司前身為中國(guó)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(lián)合交易所同日掛牌上市， 創(chuàng)造了全球資本市場(chǎng)有史以來最大規(guī)模的 IPO。
2.財(cái)務(wù)預(yù)警應(yīng)用
本文以中國(guó)工商銀行股份有限公司2009年12月的部分財(cái)務(wù)數(shù)據(jù)進(jìn)行財(cái)務(wù)預(yù)警應(yīng)用的實(shí)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(yíng)運(yùn)資金/資產(chǎn)總額
x2- - 留存收益/資產(chǎn)總額
x3- - 息稅前利潤(rùn) /資產(chǎn)總額
x4- - 股東權(quán)益總額 /負(fù)債總額
x5- - 銷售收入/資產(chǎn)總額
由上面數(shù)據(jù)可得出 Z為2.775 根據(jù)這一模型，一般地Z值越低企業(yè)就越有可能破產(chǎn)Altman還提出了判斷企業(yè)破產(chǎn)的臨界值：若 Z值大于 2.675，則表明企業(yè)財(cái)務(wù)狀況良好，發(fā)生破產(chǎn)的可能性較??；若 Z值低于 1.81 則表明企業(yè)存在很大破產(chǎn)危險(xiǎn)；如果 Z值處于1.81- 2.675之間，Altman稱之為 灰色地帶 的確，進(jìn)入這個(gè)區(qū)間的企業(yè)財(cái)務(wù)是極不穩(wěn)定的，由于 2.775 高于2.675，則可以預(yù)測(cè)該企業(yè)不存在破產(chǎn)危險(xiǎn)。
三、小結(jié)
工商銀行采取了有效的風(fēng)險(xiǎn)控制制度，積極完善全面風(fēng)險(xiǎn)管理體系，加強(qiáng)制度創(chuàng)新，加快提升全面風(fēng)險(xiǎn)管理能力。編制年度風(fēng)險(xiǎn)限額管理方案，充分發(fā)揮限額對(duì)風(fēng)險(xiǎn)的控制作用；積極應(yīng)對(duì)復(fù)雜的外部形勢(shì)，實(shí)現(xiàn)對(duì)境內(nèi)分行風(fēng)險(xiǎn)管理情況的動(dòng)態(tài)評(píng)價(jià)；規(guī)范境外分行及附屬機(jī)構(gòu)風(fēng)險(xiǎn)報(bào)告工作，進(jìn)一步完善集團(tuán)層面風(fēng)險(xiǎn)報(bào)告機(jī)制。通過F模型，驗(yàn)證了工商銀行的風(fēng)險(xiǎn)管理機(jī)制起到了有效控制風(fēng)險(xiǎn)的作用，將公司發(fā)生財(cái)務(wù)危機(jī)的可能性降到了最低。
參考文獻(xiàn)：
[1] 潘穎：企業(yè)短期財(cái)務(wù)預(yù)警系統(tǒng)的構(gòu)建[J]. 生產(chǎn)力研究，2009，(4)：137- 138
[2] 黃德忠：企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究綜述[J]. 財(cái)會(huì)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(yè)財(cái)務(wù)預(yù)警分析大多是定量研究，但其不能揭示出企業(yè)存在的所有問題，而且對(duì)于非財(cái)務(wù)因素，運(yùn)用財(cái)務(wù)數(shù)據(jù)建立的預(yù)警模型是無法解決的，這就需要定量研究與定性研究相結(jié)合，本文主要研究企業(yè)財(cái)務(wù)預(yù)警定性分析法，并對(duì)其進(jìn)行比較，對(duì)企業(yè)的情況有一個(gè)更為全面、客觀的預(yù)測(cè)分析，以此彌補(bǔ)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(guān)鍵詞：定性分析法 三個(gè)月資金周轉(zhuǎn)表 四階段癥狀
Key words: qualitative analysis；cash flow table of three months；four-stage symptoms
中圖分類號(hào)：F275文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1006-4311（2011）29-0117-01
1定性分析法的概念
在企業(yè)財(cái)務(wù)預(yù)警分析中，主要采用的是定量研究，雖然其是實(shí)證研究，帶有很強(qiáng)的說明力，但其僅考慮了財(cái)務(wù)因素，未將非財(cái)務(wù)因素納入財(cái)務(wù)預(yù)警的體系，并不能全面反映企業(yè)的全貌，為此應(yīng)輔之定性分析法，使研究更全面準(zhǔn)確，以此建立更為合理、準(zhǔn)確的財(cái)務(wù)預(yù)警系統(tǒng)。定性分析法是指研究人員根據(jù)自己的專業(yè)知識(shí)、以往經(jīng)驗(yàn)和對(duì)公司行業(yè)特征、基本情況、產(chǎn)品市場(chǎng)占有率、商譽(yù)、生命周期、治理結(jié)構(gòu)等情況對(duì)公司的各種風(fēng)險(xiǎn)綜合評(píng)價(jià)得出財(cái)務(wù)預(yù)警結(jié)論，定性分析方法得出的結(jié)果只是一種判斷。定性分析法主要有“三個(gè)月資金周轉(zhuǎn)表”分析法、管理評(píng)分法――仁翰?阿吉蒂的“A記分”法、標(biāo)準(zhǔn)化調(diào)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(gè)月資金周轉(zhuǎn)表”分析法看有沒有制定三個(gè)月的資金周轉(zhuǎn)表是判斷企業(yè)財(cái)務(wù)狀況的有效方法之一。是否制定資金周轉(zhuǎn)的三個(gè)月計(jì)劃表，是否經(jīng)常檢查銷售額對(duì)付款票據(jù)兌現(xiàn)額的比率、考慮資金周轉(zhuǎn)以及結(jié)轉(zhuǎn)下月余額對(duì)總收入的比率等問題，對(duì)企業(yè)的持續(xù)經(jīng)營(yíng)具有重大意義。經(jīng)濟(jì)繁榮的程度與資金周轉(zhuǎn)聯(lián)系較為密切，如企業(yè)從繁榮走向蕭條，尤其是在進(jìn)入蕭條期后，企業(yè)的計(jì)劃就經(jīng)常被打亂，甚至賒銷款和銷售額的回收都不能按照計(jì)劃及時(shí)收回，但是各種費(fèi)用卻很容易超過起先的預(yù)算。因此，如果企業(yè)不制定特別詳細(xì)的資金周轉(zhuǎn)計(jì)劃表，資金就不能滿足正常生產(chǎn)經(jīng)營(yíng)業(yè)務(wù)的需要；相反，企業(yè)從蕭條轉(zhuǎn)向繁榮時(shí)，資金周轉(zhuǎn)就會(huì)逐漸變得靈活起來。這種分析方法的判定標(biāo)準(zhǔn)：如果企業(yè)制定不出三個(gè)月的資金周轉(zhuǎn)表，這說明該企業(yè)的資金周轉(zhuǎn)出現(xiàn)了大問題；倘若企業(yè)能制定出三個(gè)月的資金周轉(zhuǎn)表，說明該企業(yè)的資金周轉(zhuǎn)暫時(shí)不存在問題，能滿足企業(yè)生產(chǎn)經(jīng)營(yíng)業(yè)務(wù)的需要。這種分析方法的實(shí)質(zhì)是企業(yè)面臨的理財(cái)環(huán)境是變化多端的，要避免發(fā)生各種支付危機(jī)，就應(yīng)該周密計(jì)劃，保證企業(yè)能制定出周轉(zhuǎn)較高的三個(gè)月資金周轉(zhuǎn)表。如果制定不出此表，就說明該企業(yè)已經(jīng)有潛在的風(fēng)險(xiǎn)了，要引起相關(guān)部門的注意。
2.2 管理評(píng)分法――仁翰?阿吉蒂的“A記分”法管理評(píng)分法又稱為仁翰?阿吉蒂的“A記分”法。美國(guó)的仁翰?阿吉蒂調(diào)查了企業(yè)的管理特性及可能導(dǎo)致破產(chǎn)企業(yè)的不足，按照幾種經(jīng)營(yíng)缺點(diǎn)、經(jīng)營(yíng)錯(cuò)誤和破產(chǎn)征兆進(jìn)行對(duì)比打分，還根據(jù)這幾項(xiàng)對(duì)破產(chǎn)過程產(chǎn)生影響的大小程度對(duì)它們作了加權(quán)處理，總分是100分。評(píng)判標(biāo)準(zhǔn)為：所得分值越低，企業(yè)處境便越好；反之，所得分值越高，企業(yè)處境便越差。這種管理評(píng)分方式試圖將定性分析判斷定量化處理，這一過程需要對(duì)企業(yè)進(jìn)行深入的研究，分析整個(gè)企業(yè)甚至具體到車間，對(duì)企業(yè)高層管理人員進(jìn)行細(xì)致的調(diào)查，全面深入分析企業(yè)管理的方方面面，才能對(duì)企業(yè)的管理給出比較客觀的評(píng)價(jià)。對(duì)企業(yè)經(jīng)營(yíng)管理活動(dòng)用管理評(píng)分法進(jìn)行評(píng)估時(shí)，不允許打中間分值，即每項(xiàng)的評(píng)分不是零分就是滿分，給出的分值代表了企業(yè)管理不善的程度。參照各項(xiàng)標(biāo)準(zhǔn)進(jìn)行打分，分值越高，則企業(yè)的處境越差。企業(yè)的安全分值一般應(yīng)小于18分；如果評(píng)價(jià)的分值合計(jì)大于25分，就說明企業(yè)正面臨著財(cái)務(wù)危機(jī)；如果評(píng)價(jià)的分值合計(jì)大于35分，就說明企業(yè)正處于嚴(yán)重的財(cái)務(wù)危機(jī)當(dāng)中。由此可見，管理評(píng)分法認(rèn)為企業(yè)高級(jí)管理層是企業(yè)失敗的根本原因，這種方法操作方便，簡(jiǎn)單易懂，但其效果的好壞還要取決于是否對(duì)被評(píng)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(píng)分法具備了定量分析中多元線性函數(shù)的基本條件。
2.3 標(biāo)準(zhǔn)化調(diào)查法標(biāo)準(zhǔn)化調(diào)查法又稱風(fēng)險(xiǎn)分析調(diào)查法，是指就公司可能遇到的問題通過咨詢公司、協(xié)會(huì)、專業(yè)人員等，加以全面詳細(xì)的調(diào)查和分析，最后形成報(bào)告文件形式供企業(yè)管理層參考的方法。該方法的優(yōu)點(diǎn)是帶有普遍適用性，它所提出的問題對(duì)所有企業(yè)都有意義；不足在于無法針對(duì)特定公司的特定問題進(jìn)行調(diào)查分析,無法就某些特定問題提供相關(guān)的個(gè)性研究。另外，調(diào)查時(shí)沒有對(duì)要求回答的每個(gè)問題進(jìn)行解釋，也沒有引導(dǎo)使用者對(duì)所問問題之外的相關(guān)信息做出正確判斷。
2.4 “四階段癥狀”分析法企業(yè)財(cái)務(wù)運(yùn)營(yíng)過程中出現(xiàn)的病癥可以大體分為四個(gè)階段：財(cái)務(wù)危機(jī)潛伏期、財(cái)務(wù)危機(jī)發(fā)作期、財(cái)務(wù)危機(jī)惡化期和財(cái)務(wù)危機(jī)實(shí)現(xiàn)期，且程度是依次加重?！八碾A段癥狀”分析法各階段的特征，如圖1所示。如企業(yè)在財(cái)務(wù)運(yùn)營(yíng)過程中有上述特征出現(xiàn)，要根據(jù)特征確定相應(yīng)的階段，并尋求有效解決辦法，使企業(yè)盡早回歸正常的生產(chǎn)經(jīng)營(yíng)活動(dòng)。此方法操作簡(jiǎn)單，表達(dá)清晰，作為企業(yè)自我檢查的有效方法之一，但不足在于每個(gè)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(shí)戰(zhàn)經(jīng)驗(yàn)。
3定性分析法之評(píng)價(jià)
在企業(yè)實(shí)際運(yùn)用中，定性分析法具有較大的靈活性，企業(yè)可以根據(jù)自身的具體情況作出相應(yīng)的調(diào)整，定性分析法需要有關(guān)人員憑借自身的經(jīng)驗(yàn)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行分析。因此這種方法容易受到個(gè)人主觀意識(shí)的影響，個(gè)人的偏見會(huì)給企業(yè)帶來一定的損失。
企業(yè)在建立財(cái)務(wù)預(yù)警時(shí)不能單純依靠財(cái)務(wù)數(shù)據(jù)，應(yīng)充分考慮能夠影響企業(yè)財(cái)務(wù)狀況的非財(cái)務(wù)數(shù)據(jù)。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(yè)的全貌。較好的方法是同時(shí)使用定性分析法與定量分析法，使其取長(zhǎng)補(bǔ)短，提高防范財(cái)務(wù)風(fēng)險(xiǎn)的準(zhǔn)確性。
參考文獻(xiàn)：
[1]彭韶兵,邢精平.公司財(cái)務(wù)危機(jī)論[M].北京：清華大學(xué)出版社,2005.
[2]張文,李海燕.企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型應(yīng)用研究[J].財(cái)會(huì)月刊,2007,(30).
關(guān)鍵字：企業(yè)財(cái)務(wù)危機(jī)預(yù)警；集成模型；Bagging；Adaboost
1 引言
建立有效的財(cái)務(wù)危機(jī)預(yù)警模型是金融機(jī)構(gòu)一項(xiàng)非常重要而艱巨的任務(wù)。財(cái)務(wù)危機(jī)預(yù)警模型可以用來預(yù)測(cè)上市公司的財(cái)務(wù)是否發(fā)生問題。如果預(yù)測(cè)模型不能正常運(yùn)行，如預(yù)測(cè)錯(cuò)誤率很高，它會(huì)導(dǎo)致不正確的決策，并很可能會(huì)由此導(dǎo)致嚴(yán)重的金融危機(jī)和災(zāi)難。
財(cái)務(wù)危機(jī)預(yù)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(yù)測(cè)模型將每個(gè)樣本分類到2個(gè)預(yù)定義的類。對(duì)于財(cái)務(wù)危機(jī)預(yù)警問題，輸出結(jié)果即為發(fā)生財(cái)務(wù)危機(jī)或者未發(fā)生財(cái)務(wù)危機(jī)。單變量分析方法最早應(yīng)用于企業(yè)財(cái)務(wù)危機(jī)預(yù)警領(lǐng)域，Beaver（1966）[1]等是較早采用單變量分析法預(yù)測(cè)企業(yè)狀況的學(xué)者，并在研究中發(fā)現(xiàn)對(duì)企業(yè)財(cái)務(wù)狀況判別能力高的財(cái)務(wù)指標(biāo)和關(guān)鍵要素。Ohlson（1980）[2]發(fā)現(xiàn)Logistic模型更適合描述企業(yè)發(fā)生財(cái)務(wù)危機(jī)與否和財(cái)務(wù)比率指標(biāo)之間的非線性關(guān)系。自上世紀(jì)50年代人工智能技術(shù)，如決策樹、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、概率神經(jīng)網(wǎng)絡(luò)等分類器成為預(yù)測(cè)企業(yè)財(cái)務(wù)危機(jī)較常用的方法。Odom（1990）[3]最先運(yùn)用神經(jīng)網(wǎng)絡(luò)模型對(duì)企業(yè)財(cái)務(wù)狀況進(jìn)行預(yù)測(cè)。
已有研究表明，分類器集成技術(shù)在預(yù)測(cè)精度和誤差等方面都要優(yōu)于單一分類器模型和傳統(tǒng)的統(tǒng)計(jì)方法。集成分類器是針對(duì)同一問題通過組合一組分類器進(jìn)行解決的，最終的分類結(jié)果根據(jù)每個(gè)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(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)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(yù)測(cè)能力優(yōu)于單一模型。Alfaro（2008）[5]對(duì)比了使用AdaBoost集成方法和神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)企業(yè)破產(chǎn)的精度，結(jié)果顯示AdaBoost集成方法有效降低了神經(jīng)網(wǎng)絡(luò)的泛化錯(cuò)誤。
雖然許多相關(guān)的研究已經(jīng)證明了集成分類器優(yōu)于許多單分類器，但是在企業(yè)財(cái)務(wù)危機(jī)預(yù)警領(lǐng)域，關(guān)于集成模型的應(yīng)用還缺少全面的對(duì)比及分析。所以本文選取了Bagging和Adaboost集成模型，同時(shí)選取了神經(jīng)網(wǎng)絡(luò)（NN）、支持向量機(jī)（SVM）和決策樹（DT）作為集成的基分類器，重點(diǎn)討論如何構(gòu)建財(cái)務(wù)危機(jī)預(yù)警的最優(yōu)集成分類器模型。
2 集成模型
集成學(xué)習(xí)方法是機(jī)器學(xué)習(xí)的新興領(lǐng)域。近些年來，采用集成模型對(duì)企業(yè)財(cái)務(wù)危機(jī)進(jìn)行預(yù)警的研究也呈上升趨勢(shì)。集成模型的目的在于將多個(gè)具有一般性能的弱分類器整合成為具有較強(qiáng)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(bǔ)其它基分類器所產(chǎn)生的不足，從而獲得比單分類器更好的預(yù)測(cè)效果，顯著的提高預(yù)測(cè)模型的泛化能力。
將不同的基分類器的預(yù)測(cè)結(jié)果進(jìn)行組合得到最終的預(yù)測(cè)結(jié)果，這些用于組合的基分類器可以通過不同的訓(xùn)練數(shù)據(jù)集產(chǎn)生，也可以通過不同的分類算法產(chǎn)生：
2.1 Bagging
Bagging首先通過自助抽樣法，從初始訓(xùn)練數(shù)據(jù)集中有放回的對(duì)樣本進(jìn)行抽樣，形成不同的訓(xùn)練數(shù)據(jù)集。進(jìn)而采用某一分類算法分別用各個(gè)訓(xùn)練數(shù)據(jù)集對(duì)基分類器模型進(jìn)行訓(xùn)練，從而形成不同的基分類器模型。最后采用多數(shù)投票法融合各個(gè)基分類器的預(yù)測(cè)結(jié)果。已有研究表明，Bagging采用的自助抽樣法和多數(shù)投票法能夠有效降低模型的方差從而提高預(yù)測(cè)的精度。
2.2 Adaboost
在Adaboost中，各個(gè)分類器是連續(xù)生成的。即Adaboost是一種迭代算法，其核心思想是針對(duì)同一個(gè)訓(xùn)練集訓(xùn)練不同的基分類器，然后把這些基分類器通過多數(shù)加權(quán)投票的方法進(jìn)行整合形成一個(gè)最終的強(qiáng)分類器。Adaboost的算法如下：
假設(shè)有訓(xùn)練樣本集 ，代表一個(gè)二分類問題中訓(xùn)練樣本的對(duì)應(yīng)輸出。當(dāng)經(jīng)過第t次迭代時(shí)，每個(gè)訓(xùn)練樣本的權(quán)重表示為 。每個(gè)訓(xùn)練樣本的初始權(quán)重為1/n，樣本的權(quán)重隨著迭代的增加而不斷的更新。在t次迭代時(shí)，Adaboost根據(jù)權(quán)重分布生成新的訓(xùn)練樣本集，并使用新的訓(xùn)練樣本生成基分類器，通過ft表示。Et代表分類器ft的錯(cuò)誤率，可以通過式（1）進(jìn)行計(jì)算：
（1）
根據(jù)容易分類的樣本分配較小權(quán)重，較難分類的樣本分配較大權(quán)重的基本思想，樣本的權(quán)重通過式（2）進(jìn)行更新：
（2）
式（2）中的αt和lit分別通過式（3），（4）計(jì)算得到：
（3）
（4）
將以上得到的權(quán)重進(jìn)行標(biāo)準(zhǔn)化處理，可以得到 （5）。
當(dāng)進(jìn)行T次迭代時(shí)，將有T個(gè)弱分類器用于集成。Adaboost通過加權(quán)投票集成法得到最終的分類結(jié)果。
3 實(shí)證研究
3.1 樣本描述
本文采用的上市公司的財(cái)務(wù)數(shù)據(jù)樣本均通過CCER經(jīng)濟(jì)金融數(shù)據(jù)庫獲取。采用滬深兩市中的上市公司因?yàn)檫B續(xù)兩年以上財(cái)務(wù)狀況異常而被“特別處理（Special Treatment，ST）”作為分類器的分類標(biāo)準(zhǔn)。基于此，本文選取2009-2014年首次被證監(jiān)會(huì)“特別處理”的上市公司，共計(jì)167家上市公司作為發(fā)生財(cái)務(wù)危機(jī)的公司樣本。并根據(jù)同行業(yè)和相似總資產(chǎn)選取準(zhǔn)則，選取了167家財(cái)務(wù)健康的上市公司作為配對(duì)樣本進(jìn)行實(shí)驗(yàn)?；诩扔械牡闹笜?biāo)選取原則，本文分別從市場(chǎng)價(jià)值、營(yíng)運(yùn)能力、資本結(jié)構(gòu)、償債能力、盈利能力和成長(zhǎng)能力6個(gè)方面選取了38個(gè)財(cái)務(wù)指標(biāo)作為構(gòu)建財(cái)務(wù)預(yù)警模型的輸入。具體包含的指標(biāo)內(nèi)容如表1所示：
3.2 實(shí)驗(yàn)設(shè)計(jì)
本文選取了神經(jīng)網(wǎng)絡(luò)（NN），支持向量機(jī)（SVM）和決策樹（DT）三個(gè)常用的預(yù)測(cè)模型作為集成的基分類器。使用神經(jīng)網(wǎng)絡(luò)作為基分類器，主要需要確定網(wǎng)絡(luò)層神經(jīng)元的數(shù)量，本文采用經(jīng)驗(yàn)法對(duì)其進(jìn)行設(shè)置，即網(wǎng)絡(luò)層的神經(jīng)元數(shù)量一般設(shè)置為 ，其中m是輸入層神經(jīng)元的個(gè)數(shù)，即輸入財(cái)務(wù)指標(biāo)集的數(shù)量，n是輸出層的神經(jīng)元個(gè)數(shù)，即是否發(fā)生財(cái)務(wù)危機(jī)，a是一個(gè)0-10之間的常數(shù)。采用支持向量機(jī)作為集成的基分類器時(shí)，采用徑向基函數(shù)（RBF）作為其核函數(shù)，并利用交叉驗(yàn)證法尋找最優(yōu)的懲罰系數(shù)C和核參數(shù)σ。
為了避免訓(xùn)練樣本因?yàn)橐淮纬闃佣沟媚Ｐ偷臏y(cè)試產(chǎn)生有偏的結(jié)果，采用10-折交叉驗(yàn)證作為模型的驗(yàn)證方法。即將樣本數(shù)據(jù)隨機(jī)劃分為互斥的10組，用其中9組作為訓(xùn)練樣本，剩余1組作為測(cè)試樣本，重復(fù)這一過程，直至每組都做過一次測(cè)試樣本，并計(jì)算最終正確分類的樣本數(shù)量占總樣本數(shù)量的值來評(píng)估分類器的性能。
3.3 評(píng)價(jià)標(biāo)準(zhǔn)
本文分別采用整體預(yù)測(cè)準(zhǔn)確率（Accuracy）、第一類錯(cuò)誤率（type I error）和第二類錯(cuò)誤率（type II error）作為評(píng)判模型優(yōu)劣的評(píng)價(jià)標(biāo)準(zhǔn)。融合矩陣及各個(gè)評(píng)價(jià)標(biāo)準(zhǔn)的定義如下所示：
3.4 實(shí)驗(yàn)結(jié)果與分析
為了分析以下兩個(gè)問題，一是在企業(yè)財(cái)務(wù)危機(jī)預(yù)警中Bagging和Adaboost兩類集成模型預(yù)測(cè)能力的差異，二是NN，DT和SVM分別與Bagging和Adaboost集成后預(yù)測(cè)能力的差異。本實(shí)驗(yàn)共進(jìn)行了9組實(shí)驗(yàn)，來較全面的分析以上兩個(gè)問題。具體實(shí)驗(yàn)結(jié)果見表3：
從表3可以看出，當(dāng)使用Adaboost作為集成框架，DT作為集成的基分類器時(shí)，構(gòu)建的模型具有最好的預(yù)測(cè)性能，準(zhǔn)確率達(dá)到了80.24%，第一類錯(cuò)誤率為17.86%，第二類錯(cuò)誤率為21.69%。而采用Adaboost-SVM和Adaboost-NN的預(yù)測(cè)結(jié)果分類別77.55%和76.35%。同時(shí)可以看出，無論選擇哪種預(yù)測(cè)算法作為集成的基分類器，Adaboost集成框架的預(yù)測(cè)效果都優(yōu)于Bagging，因?yàn)锳daboost具有更好的泛化性能和降低方差的能力。
4 結(jié)論
既往研究中，關(guān)于分類器集成方法在企業(yè)財(cái)務(wù)危機(jī)預(yù)警中的作用沒有被充分挖掘。所以本文對(duì)集成方法進(jìn)行了較全面的研究和比較分析。本文選取了企業(yè)財(cái)務(wù)危機(jī)預(yù)警中常用了兩個(gè)集成模型：Bagging和Adaboost，用于比較。同時(shí)，每個(gè)集成模型都分別與神經(jīng)網(wǎng)絡(luò)、決策樹和支持向量機(jī)相結(jié)合，用于判斷集成模型的性能。實(shí)驗(yàn)表明，Adaboost-DT具有最優(yōu)的預(yù)測(cè)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(guān)于企業(yè)財(cái)務(wù)危機(jī)預(yù)警的實(shí)踐應(yīng)用中，該模型為管理者和投資者提供了一個(gè)較好的決策工具。
參考文獻(xiàn)：
關(guān)鍵詞：主成分；Logistic模型；財(cái)務(wù)預(yù)警分析
中圖分類號(hào)：F830.91 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-291X（2016）18-0073-04
引言
隨著全球經(jīng)濟(jì)一體化進(jìn)程，我國(guó)市場(chǎng)經(jīng)濟(jì)不斷發(fā)展完善，上市公司之間的競(jìng)爭(zhēng)也愈演愈烈，市場(chǎng)的復(fù)雜性和不可預(yù)見性使得企業(yè)一旦經(jīng)營(yíng)不善就可能陷入財(cái)務(wù)困境之中。從20世紀(jì)開始，全球經(jīng)濟(jì)出現(xiàn)了許多復(fù)雜情況，很多企業(yè)包括上市公司陷入了財(cái)務(wù)危機(jī)，甚至因此而導(dǎo)致破產(chǎn)。
財(cái)務(wù)危機(jī)，也稱財(cái)務(wù)困境或財(cái)務(wù)失敗，財(cái)務(wù)危機(jī)分為經(jīng)營(yíng)失敗、無償付能力、違約、破產(chǎn)四種情形，最終可能會(huì)導(dǎo)致公司破產(chǎn)。財(cái)務(wù)危機(jī)預(yù)警就是利用企業(yè)財(cái)務(wù)信息和相關(guān)資料，選取一些敏感性較高、有針對(duì)性的財(cái)務(wù)指標(biāo)，通過建立數(shù)學(xué)模型，及時(shí)監(jiān)控和預(yù)測(cè)可能出現(xiàn)或已經(jīng)出現(xiàn)的財(cái)務(wù)危機(jī)。隨著由于財(cái)務(wù)危機(jī)而導(dǎo)致破產(chǎn)的企業(yè)增多，財(cái)務(wù)風(fēng)險(xiǎn)管理的重要性愈發(fā)顯著。財(cái)務(wù)危機(jī)預(yù)警既滿足企業(yè)在日趨激烈的競(jìng)爭(zhēng)中維持生存最基本的需要，也符合市場(chǎng)競(jìng)爭(zhēng)機(jī)制的動(dòng)態(tài)要求。如何做到防患于未然，預(yù)測(cè)財(cái)務(wù)風(fēng)險(xiǎn)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(jīng)營(yíng)狀況和財(cái)務(wù)狀況的指標(biāo)（包括反映其盈利能力、營(yíng)運(yùn)能力、獲取現(xiàn)金的能力、償債能力以及發(fā)展能力）構(gòu)建其財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系，針對(duì)食品上市公司被實(shí)施ST前三年的財(cái)務(wù)數(shù)據(jù)，分別運(yùn)用Logistic回歸分析和主成分分析方法來建立財(cái)務(wù)危機(jī)預(yù)警模型，并對(duì)其判別效果進(jìn)行比較分析，以期為上市公司的財(cái)務(wù)危機(jī)預(yù)警起到一定的參考作用。
一、文獻(xiàn)綜述
（一）國(guó)外的財(cái)務(wù)危機(jī)預(yù)警研究
財(cái)務(wù)危機(jī)預(yù)警研究源于 20世紀(jì)30年代，美國(guó)學(xué)者Fitzpatrick（1932）首次采用以財(cái)務(wù)比率作為預(yù)測(cè)財(cái)務(wù)危機(jī)的單變量分析方法，比較分析了健康和危機(jī)企業(yè)的財(cái)務(wù)指標(biāo)。20世紀(jì)60年代，學(xué)者Beaver et al.采用統(tǒng)計(jì)方法，首次建立了單變量財(cái)務(wù)危機(jī)預(yù)警模型。最早的多元判別預(yù)警模型是 Altman的Z-Score模型。Sevim et al.重點(diǎn)對(duì)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(yōu)缺點(diǎn)，最終選取Logistic模型對(duì)土耳其國(guó)內(nèi)的制造業(yè)上市公司的財(cái)務(wù)狀況進(jìn)行了動(dòng)態(tài)預(yù)測(cè)。Ohlson采用多元 Logistic回歸方法構(gòu)造財(cái)務(wù)危機(jī)預(yù)警模型，并發(fā)現(xiàn)了企業(yè)當(dāng)前的變現(xiàn)能力、資本結(jié)構(gòu)、規(guī)模、業(yè)績(jī)四個(gè)指標(biāo)有明顯的預(yù)測(cè)效果。后來的研究學(xué)者用人工神經(jīng)網(wǎng)絡(luò)模型以及多元概率比回歸模型，也取得了較好的預(yù)測(cè)結(jié)果。
（二）國(guó)內(nèi)的財(cái)務(wù)危機(jī)預(yù)警研究
國(guó)內(nèi)對(duì)財(cái)務(wù)預(yù)警的研究相較國(guó)外起步比較晚。周首華、楊濟(jì)華、王平利用Compustat PC Plus建立了 F 分?jǐn)?shù)模型。學(xué)者于文華等收集了ST、非ST兩類制造業(yè)上市公司財(cái)務(wù)數(shù)據(jù)，通過構(gòu)建Logistic回歸模型處理財(cái)務(wù)危機(jī)預(yù)警指標(biāo)，探析了財(cái)務(wù)危機(jī)爆發(fā)主要影響指標(biāo)。何妮選取非參數(shù)檢驗(yàn)、顯著性檢驗(yàn)及因子分析等方法，構(gòu)建了Logistic回歸模型發(fā)現(xiàn)財(cái)務(wù)危機(jī)預(yù)警模型具有可實(shí)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(shí)序立體數(shù)據(jù)空間為基礎(chǔ)的財(cái)務(wù)危機(jī)判別模型。劉靜以34家正常公司為例，利用F分?jǐn)?shù)模型對(duì)財(cái)務(wù)數(shù)據(jù)進(jìn)行了分析，認(rèn)為F分?jǐn)?shù)模型在制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)判上精度較高。王世蘭通過對(duì)現(xiàn)階段的財(cái)務(wù)危機(jī)預(yù)警模型進(jìn)行歸納總結(jié)，認(rèn)為目前所應(yīng)用的制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警模型可歸納為傳統(tǒng)統(tǒng)計(jì)方法和人工智能兩類。張健基于Logistic回歸法建立了EVA財(cái)務(wù)危機(jī)預(yù)警模型，對(duì)52家上市公司的財(cái)務(wù)狀況進(jìn)行實(shí)證檢驗(yàn)，但研究發(fā)現(xiàn)該方法只適用于短期預(yù)測(cè)。
通過上面的文獻(xiàn)綜述，可以發(fā)現(xiàn)財(cái)務(wù)危機(jī)預(yù)警模型還存在一些不足：一是沒有考慮到財(cái)務(wù)指標(biāo)之間具有的較強(qiáng)相關(guān)性，可能導(dǎo)致信息重疊，影響預(yù)警模型的穩(wěn)健性。二是選取財(cái)務(wù)指標(biāo)沒有考慮財(cái)務(wù)信息失真的影響。上述國(guó)內(nèi)外研究文獻(xiàn)在預(yù)警方法與模型方面，多集中于Logistic或因子分析等單一預(yù)測(cè)模型的構(gòu)建與使用，而對(duì)不同方法間財(cái)務(wù)危機(jī)預(yù)警精度差異的研究較少，缺乏針對(duì)制造業(yè)財(cái)務(wù)危機(jī)預(yù)警方法的探討。
二、研究設(shè)計(jì)
（一）選擇研究樣本
本文中選取2011―2013年首次被實(shí)施ST的43家A股食品上市公司作為研究對(duì)象，并按照合適的比例選取同行業(yè)上市公司被實(shí)施ST資產(chǎn)規(guī)模相近的43家非ST公司作為配對(duì)樣本。將這86家公司分為建模組和檢驗(yàn)組： 選取2011―2012年被實(shí)施ST的32家食品上市公司和相對(duì)應(yīng)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(cái)務(wù)危機(jī)預(yù)警模型；選取2013年被實(shí)施ST的11家食品上市公司和與之對(duì)應(yīng)的11家非ST公司作為檢驗(yàn)組，驗(yàn)證模型的準(zhǔn)確度。
（二）選取財(cái)務(wù)指標(biāo)
選取合適的樣本之后，指標(biāo)的選取成為模型預(yù)測(cè)的關(guān)鍵。企業(yè)在選擇財(cái)務(wù)危機(jī)預(yù)警指標(biāo)時(shí)，首先，應(yīng)該考慮企業(yè)的實(shí)際狀況選取合適財(cái)務(wù)危機(jī)預(yù)警指標(biāo)。其次，選擇的財(cái)務(wù)指標(biāo)通常要包含能夠全面反映企業(yè)財(cái)務(wù)狀況和經(jīng)營(yíng)狀況的信息，以及能否很好地反映該公司的財(cái)務(wù)危機(jī)。鑒于此，選取了包括盈利能力、營(yíng)運(yùn)能力、獲取現(xiàn)金的能力、償債能力以及發(fā)展能力幾個(gè)方面的22個(gè)財(cái)務(wù)指標(biāo)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(cái)務(wù)指標(biāo)主要有：應(yīng)收賬款占銷售收入比率、其他應(yīng)收款與流動(dòng)資產(chǎn)比率和應(yīng)收賬款與流動(dòng)資產(chǎn)比率，以及非經(jīng)常性損益占利潤(rùn)總額比率。
（三）研究的方法
1.提取主成分。鑒于財(cái)務(wù)指標(biāo)之間較強(qiáng)的相關(guān)性，可能導(dǎo)致信息重復(fù)，不利于分析和構(gòu)建后續(xù)預(yù)警模型，因此克服財(cái)務(wù)指標(biāo)之間的多重重復(fù)性，保留財(cái)務(wù)信息，建立有效的財(cái)務(wù)預(yù)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(guān)關(guān)系的財(cái)務(wù)指標(biāo)變量轉(zhuǎn)變?yōu)楸舜瞬幌嚓P(guān)的較少的的綜合指標(biāo)。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(tài)分布，與多元線性回歸相比，這種判別分析方法更加穩(wěn)健，在實(shí)際運(yùn)用中也更加簡(jiǎn)便。因此，Logistic回歸分析方法是處理模型中變量的常用統(tǒng)計(jì)分析方法，也是研究財(cái)務(wù)危機(jī)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(fā)生的概率，ai為回歸系數(shù)，a0為截距。
3.構(gòu)建模型。對(duì)提取的10個(gè)財(cái)務(wù)預(yù)警指標(biāo)主成分，應(yīng)用 SPSS 統(tǒng)計(jì)分析軟件進(jìn)行Logistic回歸分析，并剔除判別作用不顯著的財(cái)務(wù)預(yù)警指標(biāo)主成分F2、F6和F9，最后得到包含F(xiàn)1、F3和F5等7個(gè)財(cái)務(wù)預(yù)警指標(biāo)主成分的預(yù)警模型。分別采用K 獨(dú)立樣本非參數(shù)檢驗(yàn)和T 檢驗(yàn)來檢驗(yàn)因變量的均值是否具有明顯差異性。檢驗(yàn)結(jié)果顯示，在α=0.05顯著性水平下，有X1、X2等預(yù)警指標(biāo)變量有顯著性差異。
4.檢驗(yàn)?zāi)Ｐ皖A(yù)測(cè)能力。由于上述樣本中正常公司與出現(xiàn)財(cái)務(wù)危機(jī)公司比例為2∶1，所以選取 0.67 作為判別點(diǎn)。P≥0.67時(shí)，為正常公司，反之則為財(cái)務(wù)危機(jī)公司。利用財(cái)務(wù)危機(jī)預(yù)警模型對(duì)檢驗(yàn)和建模樣本分別進(jìn)行檢驗(yàn)，結(jié)果顯示，Ⅰ類誤判率（財(cái)務(wù)危機(jī)公司誤判為正常公司的比率）低于15%，模型前后兩次檢驗(yàn)的準(zhǔn)確率也均超過85%。這也證實(shí)了基于Logistic回歸和主成分分析的財(cái)務(wù)危機(jī)預(yù)警模型的穩(wěn)定性較強(qiáng)，預(yù)測(cè)能力較高，同時(shí)又可以降低誤判成本。
結(jié)論
本文對(duì)食品類上市公司的財(cái)務(wù)數(shù)據(jù)和指標(biāo)進(jìn)行分析，利用Logistic回歸方法建立了財(cái)務(wù)危機(jī)預(yù)警模型，并與利用主成分建立的財(cái)務(wù)危機(jī)預(yù)警模型分析結(jié)果進(jìn)行分析比較，發(fā)現(xiàn)Logistic回歸分析法更加適用于食品類上市公司的財(cái)務(wù)危機(jī)預(yù)警。
參考文獻(xiàn)：
[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(jì)華，王平.論財(cái)務(wù)危機(jī)的預(yù)警分析――F分?jǐn)?shù)[J].會(huì)計(jì)研究，1996，（8）.
［關(guān)鍵詞］平衡記分卡 財(cái)務(wù)危機(jī) 預(yù)警分析
一、平衡記分卡方法簡(jiǎn)介
由哈佛大學(xué)教授羅伯特•卡普蘭與諾朗頓研究院的執(zhí)行長(zhǎng)戴維•羅頓研究并提出的“平衡記分卡”將財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)相結(jié)合，為企業(yè)提供了全新的業(yè)績(jī)?cè)u(píng)價(jià)方法，該方法一經(jīng)提出便迅速在企業(yè)中應(yīng)用和推廣。平衡記分卡打破了傳統(tǒng)的只注重財(cái)務(wù)指標(biāo)的業(yè)績(jī)管理方法，增加了客戶、內(nèi)部經(jīng)營(yíng)過程、學(xué)習(xí)與成長(zhǎng)三個(gè)方面的非財(cái)務(wù)指標(biāo)，從而將企業(yè)的愿景、使命和發(fā)展戰(zhàn)略與企業(yè)的業(yè)績(jī)?cè)u(píng)價(jià)系統(tǒng)聯(lián)系起來，將企業(yè)的任務(wù)和策略轉(zhuǎn)化為有形的、可計(jì)量的目標(biāo)，為企業(yè)的業(yè)績(jī)?cè)u(píng)價(jià)、戰(zhàn)略管理等提供了新的理念。
平衡記分卡從四個(gè)方面對(duì)企業(yè)做出評(píng)價(jià)：財(cái)務(wù)、客戶、內(nèi)部經(jīng)營(yíng)過程、學(xué)習(xí)與成長(zhǎng)。其中財(cái)務(wù)關(guān)注的是鼓動(dòng)如何看待企業(yè)，客戶方面關(guān)注的是顧客如何看待企業(yè)，內(nèi)部經(jīng)營(yíng)過程則關(guān)注如何改善流程，最后，學(xué)習(xí)與成長(zhǎng)則關(guān)注如何提高應(yīng)變和持續(xù)改進(jìn)能力。
平衡記分卡的四個(gè)方面并非獨(dú)立的、毫無聯(lián)系的，而是可以被視為一個(gè)做單一決策的工具，一個(gè)決策就是一系列關(guān)于因果的假設(shè)。這四個(gè)方面的因果關(guān)系是員工的素質(zhì)決定產(chǎn)品質(zhì)量、銷售渠道等；產(chǎn)品和服務(wù)質(zhì)量決定顧客滿意度和忠誠(chéng)度；顧客滿意度和忠誠(chéng)度及產(chǎn)品和服務(wù)質(zhì)量等決定財(cái)務(wù)狀況和市場(chǎng)份額。
通過一連串的互動(dòng)因果關(guān)系，企業(yè)可以把產(chǎn)出和績(jī)效驅(qū)動(dòng)因素串聯(lián)起來，以衡量指標(biāo)與其量度作為語言，把企業(yè)的使命和策略轉(zhuǎn)變?yōu)橐惶浊昂筮B貫的系統(tǒng)績(jī)效評(píng)核量度，把復(fù)雜而籠統(tǒng)的概念轉(zhuǎn)化為精確的目標(biāo)，籍以尋求財(cái)務(wù)與非財(cái)務(wù)的衡量之間、短期與長(zhǎng)期的目標(biāo)之間、落后與領(lǐng)先的指標(biāo)之間，以及外部與內(nèi)部績(jī)效之間的平衡。
平衡記分卡的提出為企業(yè)戰(zhàn)略管理、業(yè)績(jī)?cè)u(píng)價(jià)等提供了一個(gè)新的工具，并得到了廣泛的應(yīng)用。
二、基于平衡記分卡的財(cái)務(wù)危機(jī)預(yù)測(cè)指標(biāo)選擇
平衡記分卡的主導(dǎo)思想是一種目標(biāo)倒推的方法，即企業(yè)的最終目標(biāo)是增加股東的財(cái)富，而如何實(shí)現(xiàn)這一目標(biāo)呢？關(guān)鍵是企業(yè)擁有的客戶和占有一定的市場(chǎng)份額，這就要求企業(yè)提供能夠給客戶增加價(jià)值的產(chǎn)品和優(yōu)質(zhì)的服務(wù)，在市場(chǎng)競(jìng)爭(zhēng)非常激烈的環(huán)境下，企業(yè)要求從內(nèi)部改進(jìn)生產(chǎn)經(jīng)營(yíng)技術(shù)和創(chuàng)新，也就是說企業(yè)要擁有一流的人力資源。從這里我們可以得到啟示：一個(gè)不能夠在財(cái)務(wù)上創(chuàng)造好的業(yè)績(jī)的企業(yè)，一定是在他的客戶和內(nèi)部經(jīng)營(yíng)上出現(xiàn)問題。因此企業(yè)發(fā)生財(cái)務(wù)危機(jī)的終極原因是其內(nèi)部經(jīng)營(yíng)上存在問題，如果能夠?qū)⑦@方面的因素納入到財(cái)務(wù)危機(jī)預(yù)測(cè)模型中，無疑將會(huì)提高預(yù)測(cè)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(cái)務(wù)方面引入到財(cái)務(wù)危機(jī)預(yù)測(cè)中。
在選擇財(cái)務(wù)危機(jī)預(yù)測(cè)指標(biāo)時(shí)，我們需要從技術(shù)創(chuàng)新、員工、內(nèi)部經(jīng)營(yíng)過程、客戶和財(cái)務(wù)等方面等設(shè)計(jì)。
1.技術(shù)創(chuàng)新
在競(jìng)爭(zhēng)日益激烈的市場(chǎng)中，創(chuàng)新技術(shù)是企業(yè)獲取競(jìng)爭(zhēng)優(yōu)勢(shì)或核心競(jìng)爭(zhēng)力的關(guān)鍵。通過技術(shù)創(chuàng)新，企業(yè)可以將新技術(shù)、新工藝、引入到產(chǎn)品生產(chǎn)中以降低成本，從而提高產(chǎn)品獲利空間；通過技術(shù)創(chuàng)新，企業(yè)可以提高產(chǎn)品性能從而提高產(chǎn)品售價(jià)或銷量；通過技術(shù)創(chuàng)新，企業(yè)可以不斷推出新產(chǎn)品以滿足市場(chǎng)和客戶的需求。而技術(shù)創(chuàng)新一方面靠企業(yè)的研發(fā)投入；另一方面靠研發(fā)的效率。因此，我們可以從研究開發(fā)費(fèi)用率和研究開發(fā)費(fèi)用增長(zhǎng)率這兩方面設(shè)計(jì)指標(biāo)來評(píng)價(jià)企業(yè)的技術(shù)創(chuàng)新能力。
2.員工
員工層面的指標(biāo)主要包括員工素質(zhì)、員工離職率、員工滿意度變化、員工培訓(xùn)投入率等。
3.內(nèi)部經(jīng)營(yíng)過程
內(nèi)部經(jīng)營(yíng)過程是把現(xiàn)有的產(chǎn)品和服務(wù)生產(chǎn)出來并交付給客戶，其目標(biāo)就是低成本、高質(zhì)量、高效率地完成定單的生產(chǎn)任務(wù)。因此，在對(duì)內(nèi)部經(jīng)營(yíng)過程的評(píng)價(jià)可以從質(zhì)量、循環(huán)時(shí)間和生產(chǎn)成本三個(gè)方面設(shè)計(jì)指標(biāo)。
4.客戶
企業(yè)只有將生產(chǎn)的產(chǎn)品提供給客戶，其獲利過程才算完成。因此，企業(yè)生產(chǎn)的產(chǎn)品能不能滿足客戶的需要，對(duì)于是否擁有相對(duì)固定的客戶群并保持一定的增長(zhǎng)是決定企業(yè)成敗的關(guān)鍵。我們可以選擇市場(chǎng)占有率、客戶滿意度和客戶獲得率三個(gè)指標(biāo)來反映在這方面的能力。
5.財(cái)務(wù)方面
財(cái)務(wù)指標(biāo)是企業(yè)過去經(jīng)營(yíng)活動(dòng)結(jié)果的集中體現(xiàn)， 它從兩反面反映企業(yè)的未來發(fā)展：一方面是資金的運(yùn)作和管理對(duì)未來的影響，這可以通過企業(yè)的長(zhǎng)短期償債能力反反映；另一個(gè)是財(cái)務(wù)指標(biāo)所展示的企業(yè)過去經(jīng)營(yíng)活動(dòng)的結(jié)果對(duì)企業(yè)未來的影響，主要通過盈利能力、資產(chǎn)管理能力等指標(biāo)來反映。財(cái)務(wù)方面的指標(biāo)我們采用綜合指數(shù)法中所確定的指標(biāo)，即應(yīng)收賬款周轉(zhuǎn)率、負(fù)債權(quán)益比率、凈資產(chǎn)收益率、EBIT/資產(chǎn)比率、經(jīng)營(yíng)現(xiàn)金流動(dòng)負(fù)債比率、主營(yíng)業(yè)務(wù)增長(zhǎng)率等。
三、基于平衡記分卡的財(cái)務(wù)危機(jī)預(yù)警方法
在借鑒平衡記分卡方法將非財(cái)務(wù)指標(biāo)引入財(cái)務(wù)危機(jī)預(yù)測(cè)中時(shí)，由于非財(cái)務(wù)指標(biāo)所反映的內(nèi)容在不同企業(yè)中的標(biāo)準(zhǔn)差別比較大，而且非財(cái)務(wù)方面的信息很難通過企業(yè)公開的信息中獲取，這就給預(yù)測(cè)模型的構(gòu)建帶來一定的困難。因此，在具體實(shí)施時(shí)，可以采用綜合指數(shù)法，將非財(cái)務(wù)指標(biāo)納入危機(jī)預(yù)測(cè)模型中，或?qū)⒎秦?cái)務(wù)指標(biāo)所反映的信息作為預(yù)測(cè)結(jié)果的一個(gè)補(bǔ)充，定性地分析其對(duì)企業(yè)未來財(cái)務(wù)狀況的影響。
參考文獻(xiàn)：
[1]胡玉明：高級(jí)管理會(huì)計(jì)[M].廈門：廈門大學(xué)出版社，2005
[2]王宗軍等：平衡計(jì)分卡績(jī)效評(píng)價(jià)初探[J].湖北社會(huì)科學(xué)，2003-7