企业财务危机预警模型的演变与发展_小企业财务危机预警模型指标

时间：2019-01-01 06:36:47　来源：星星阅读网本文已影响人

　　[摘要] 本文介绍、分析了各种财务危机预警模型，并指出了现有财务危机预警模型存在的问题及进一步深入研究的方向。　　[关键词] 财务危机预警模型　　
　　财务危机预警是指通过设置一些财务敏感指标并观察其值的变化，对可能造成企业财务危机的风险因素进行跟踪、监测、预测，同时根据理论研究和经验总结，设计一种有效的综合性模型并确定一个阀值，当相关因素指标综合值超过阀值时发出危机警报并采取对策。财务危机预警模型则是通过数学或统计方法建立模型对财务危机进行定量预警分析。目前国内外对企业财务危机预测模型的已取得了一些成果。
　　
　　一、单变量判定模型
　　
　　Fitzpatrick（1932）最早发现，出现财务困境的公司其财务比率和正常的财务比率相比，有显著不同。Beaver(1966)则首先应用统计方法建立了单变量财务预测模型，他首先使用了5个财务比率作为变量，选取美国1954年～1964年间资产规模相同的79家经营失败企业和79家正常经营正常的企业，进行对比研究，发现具有良好预测性的财务比率依此为现金流量/负责总额的比率、资产负责率、资产收益率。
　　在我国陈静（1999）选择了4个财务比率指标作为变量即资产负债率、流动比率、净资产收益率、总资产收益率，运用两分法，发现资产负债率、流动比率和总资产收益率的预测效果较好。
　　
　　二、多变量判定模型
　　
　　1.财务比率综合分析法：其将各项财务分析指标作为一个整体，系统地对企业财务状况和经营情况进行剖析、解释和评价。这类方法的主要代表是杜邦财务分析体系和沃尔比重评分法，前者是以净值报酬率为龙头，以资产净利润率为核心，重点揭示企业获利能力及其前因后果；后者是将选定的七项财务比率分别给定各自的分数比重，通过与标准比率进行比较，确定各项指标的得分及总体指标的累计分数，从而得出企业财务状况的综合评价，续而确定其信用等级。
　　2.多元线性函数模型：多元线性函数模型是运用多边模式思路上建立起来的，其中最著名的是美国纽约大学的Altman教授在20世纪60年代中期提出的Z计分模型。他通过将多种财务指标加权汇总，计算出一个总差别分来预测、计量企业破产的可能性，这个总差别分通常被称为Z值，这个模型被称为Z值计分模型：
　　
　　其中: -判别函数值；=营运资金/总资产；=留成收益/总资产；=息税前利润/总资产；=(普通股价值+优先股价值)/总负债；=销售收入/总资产
　　我国的陈静（1999）、邓茂（2003）等人利用Z值计分模型对我国的上市公司进行了研究，发现此模型对ST公司和非ST公司有较好的判别率，当年、前一年、前两年的正确率分别在92%、85%、79%以上。
　　3.Logistic和Probit概率模型：Logistic和Probit方法的结论很相似，一般多使用Logistic概率模型。Logistic又叫增长函数，是1838年比利时P.F.Verhulst首先提出的,二元Logistic概率函数的为：
　　
　　其中是在条件下事件发生的概率，代表事件不发生的概率，是截距, 是待估计的参数。通过设定临界值作为事件发生与否的标准，如果事件发生的概率大于临界值，则判断事件发生，反之，判定事件不发生。回归模型的一般形式如下：
　　
　　美国学者Ohlson是最早把此模型运用到财务危机预警中的人。我国学者吴世农、卢贤义（2001）、上海财经大学的姜秀华（2002）运用此模型对沪深证市场的部分ST公司进行了研究，并认为Logistic概率模型优于多元线性预警模型。
　　
　　三、神经网络分析模型
　　
　　人工神经网络(Artificial Neural Networks,ANN)是一种平行分散处理模式，其建构理念植基于人类大脑神经运行的模式。ANN除了具有较好的模式识别能力外，而且可以克服统计方面的限制，因它具有容错能力，对数据的分布要求不严格，具备处理资料遗漏或是错误的能力；最重要的是ANN具有学习能力，可随时依据新准备数据资料进行自我学习、训练，调整其内部的储存权重参数以对应多边的企业环境。ANN在经济预警(Early Warning,EW)系统中的应用，无论从思想，还是技术上都是对传统EW的一种拓宽和突破，克服了以往模型重定量指标，难以处理定性指标；模型不具有时变性，缺乏自适应、学习能力。目前国内外一些学者，在ANN预警系统研究方面做过一些理
　　论和实践上的探讨。
　　
　　四、现有财务危机预警模型的局限性
　　
　　上述分析模型在理论和实践上还有待完善，在实际运用中也各有优缺点，主要表现在以下几个方面：
　　1.单变量判定模型有良好的理论基础，但其割裂了各个财务分析指标之间的内在整体联系，在实际运用中存在很大局限性，并预警的准确性较差。
　　2.概率统计模型在实践运用中具有较好的预测性，但其缺乏理论基础。
　　3.神经网络预警系统运用到公司财务危机预警模型中的时间并不长，神经网络预警模型过于复杂，在运用中还有待完善，因此在实践上受到很大限制。
　　4.现有预警模型无法对上市公司提供的数据真假做出辨别。
　　5.现有预警模型还都主要侧重于财务定量数据的使用，对于像宏观经济状况、国家政策的变化、不同企业的特殊情况（如信用）等定性指标考虑还较少。
　　
　　五、财务危机预警模型的未来发展
　　
　　1.需要发展一些不同行业的财务危机预警分析模型。由于各个行业都有自身的一些经营特点，具体体现在财务数据上就有一些差异，这就降低了各个行业之间财务数据的可比性，从而使建立不同行业的财务危机预警模型很有必要。
　　2.未来的财务危机预警模型还应把一些非财务指标所能体现的定性因素考虑进去。
　　3.未来的财务危机预警模型应能够对公司所提供的财务数据的真伪做出一定鉴别。
　　4.未来的财务危机预警模型应该具备一定的自我学习能力。
　　
　　参考文献：
　　[1]陈静:上市公司财务恶化预测的实证研究［J］.会计研究.1999.(4)
　　[2]郑茂:我国上市公司财务风险预警模型的构建及实证分析［J］.金融论坛.2003.(10)
　　[3]吴世农卢贤义:我国上市公司财务困境的预测模型研究［J］.经济研究,2001,(6)
　　[4]姜秀华任强孙铮:上市公司财务危机预警模型研究［J］.预测,2002,(3)
　　
　　注：“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。”

企业财务危机预警模型的演变与发展_小企业财务危机预警模型指标

最新文章

热门文章