关于企业财务危机预警模型的探讨刘学香本科毕业设计论文.docx

关于企业财务危机预警模型的探讨刘学香本科毕业设计论文.docx

《关于企业财务危机预警模型的探讨刘学香本科毕业设计论文.docx》由会员分享，可在线阅读，更多相关《关于企业财务危机预警模型的探讨刘学香本科毕业设计论文.docx（19页珍藏版）》请在冰豆网上搜索。

关于企业财务危机预警模型的探讨刘学香本科毕业设计论文

本科生毕业论文（设计）

关于企业财务危机预警模型的探讨

摘要

随着经营全球化的发展，企业的生存和发展环境发生了很大变化，面临着很大的经营风险和财务风险。

企业面临的财务风险极容易引起财务危机，从而导致企业破产。

为了有效化解财务危机，必须建立适合企业的财务危机预警模型。

财务预警是以财务会计信息为基础,通过设置并观察一些敏感性预警指标的变化,对企业可能或将要面临的财务危机实施的实时监控和预测警报。

财务预警中的数学模型就是财务预警模型,它是指借助企业财务指标和非财务指标体系,识别企业财务状况的判别模型。

财务预警模型的种类很多,常见的有以下几种:

一元判别模型、多元线性判别模型、多元逻辑回归模型、多元概率比回归模型，人工神经网络模型等。

本文对这几种财务危机预警模型进行了对比分析，提出了各个模型适应的范围和环境，指出了这几种模型在应用中的局限性，使得企业能够根据自身的特点选择适合自己公司财务状况的预警模型，以达到有效预测财务危机的目的。

同时针对企业财务危机预警模型的演变和发展进行了讨论，并指出了在企业财务危机预警模型构建过程中指标体系的选择，以及企业财务危机预警模型在具体的应用中应该注意的问题等。

关键字：

财务危机；预警模型；指标体系

Abstract

Withtheglobalizationofmanagement,thesurvivalenvironmentfortheenterprises’developmenthasgreatlychanged,facingagreatmanyrisksonmanagementandfinance.Theriskswhichthefirmsfacewillcausefinancialcrisiseasily,andmaycausethefirmsgobankruptcompletely.Inordertoavertthefinancialcrisiseffectively,itisnecessarytoestablishafinancialcrisiswarningmodelwhichissuitedtothefirms.Thefinancialcrisiswarningsystemisafinancialanalysissystemwhichisusedtodetectandtoforecastthefinancialrisksthattheenterprisesmaybeconfrontedwith.Themathematicalmodelinthefinancialwarningsystemistheveryfinancialwarningmodel.Itisadiscriminantmodelwhichdistinguishesthefinancialsituation,bymeansoffinancialindicatorandnon-financialindicatorsystem.Therearemanykindsoffinancialwarningmodels,suchasUnivariate,MultipleDiscriminantAnalysis（MDA）,Logitmodel,ProbitmodelandtheANNandsoon.Theessaydiscussedthedifferencesofthemodelsanddrewaconclusionabouttheenvironmentwhichissuitedtothedifferentmodels.Italsopointstheshortcomingsintheprocessofpracticalusing,thusthefirmscanchoosetherightmodel,accordingtothesituationsofthemselvestopredictthecrisiseffectively.Theessaylookedbacktothehistoryofthefinancialcrisiswarningmodel,andindicatedthechoosingoftheindexsystemduringtheprocessofbuildingupthefirmfinancialcrisiswarningmodels,andtheproblemsofthepracticalusingwhichshouldbepaidattentionto.

Keywords:

financialcrisis;warningmodel;indexsystem

目录

引言1

一、企业财务危机预警模型的演变与发展2

（一）国外的演变与发展2

（二）国内的演变与发展3

二、企业财务危机预警模型的种类4

（一）统计类财务危机预警模型4

1.一元判别模型4

2.多元线性判别模型4

3.多元逻辑回归模型5

4.多元概率比回归模型6

（二）非统计类财务危机预警模型6

（三）不同企业财务危机预警模型对比分析6

三、企业财务危机预警模型构建时指标体系的选择8

（一）偿债能力指标8

（二）盈利能力指标8

（三）营运能力指标8

（四）发展能力指标9

（五）现金流量指标9

四、应用企业财务危机预警模型应注意的问题9

参考文献11

致谢12

引言

企业财务危机预警的研究一直是理论界和实务界广泛关注的课题,建立一个有效的财务危机预警模型对于保护投资者和债权人的利益、经营者防范财务危机、政府管理部门监控上市公司质量和证券市场风险,都具有重要的现实意义，可以发挥危机预知作用、财务诊断作用、过程控制作用和风险规避作用等。

公司财务危机预警模型的建立可以帮助其降低运营风险；有效的财务危机预警分析方法和预警模型的建立使用，可促进我国资本市场的规范和健康发展；有效的财务预警指标体系和预警模型的使用，可以帮助政府，证券监管部门体察市场风险，确定监管风险。

　企业财务危机也称为“财务困境”或“财务失败”,是指企业无法偿还到期债务所带来的危机,包括技术性失败、破产等多种形式。

财务预警是以财务会计信息为基础，通过设置并观察一些敏感性预警指标的变化，对企业可能或者将要面临的财务危机实施的实时监控和预测警报。

财务预警中的数学模型就是财务预警模型，它是指借助企业财务指标和非财务指标体系，识别企业财务状况的判别模型。

最早提出利用财务比率对企业未来财务状况进行预测分析的是Fitzpatrick。

Beaver运用统计分析方法,建立了单变量财务预警模型。

Altman（1968）利用多元判别分析法,建立了著名的多变量预警模型——Z模型,并在对该模型进行修正后,提出了ZETA模型。

Ohlson是运用Logit回归模型进行企业财务预警研究。

其后,Zmijewski、Zavgren、Lavartt、Keasey和McGuin-ness也运用Logit模型进行财务危机预警研究,并且模型的预测精度有了很大的提高。

而我国的财务预警模型研究始于20世纪90年代。

陈静（1999）、张玲（2000）、吴世农和卢贤义（2001）等人是运用多元判别方法对上市公司进行财务危机预警分析,刘昊、齐治平和余妙志、朱曦和冯田等人是运用Logit模型对财务危机进行研究，周兵和张军，周思恩和丁莉，则是用主成分分析法生成线性或Logit函数方程进行财务预警研究。

目前,我国的企业财务危机预警模型研究尚处于起步阶段。

由于受到数据的可获得性和样本数量的制约,大量的研究主要是围绕上市公司展开,而上市公司的特殊性，使得研究成果的应用受到一定的限制。

本文的写作方法主要是通过阅读图书馆和阅览室的相关书籍，并通过登陆中国知网查阅、下载月刊和毕业生论文，然后打印出来进行仔细阅读和理解。

通过对比分析，研究资料，得出了自己的观点。

本文主要是对企业财务危机预警模型的探讨，概括了企业财务危机预警模型的演变和发展，介绍了国内外流行的几种财务危机预警模型，总结了各种模型的优点和其在应用中的局限性，对企业财务危机预警模型的未来发展做出了展望。

一、企业财务危机预警模型的演变与发展

（一）国外的演变与发展

企业财务危机预警模型的发展,大致经历了从单变量模型到多变量模型,从多元判别模型到Logit模型等参数模型,从统计的参数模型到非参数模型,从单一模型到综合系统的过程（程涛，2003）。

对财务危机预警的研究可以追溯到20世纪30年代，其研究主要集中在财务预警模型的构建，如今这些研究成果己经比较成熟，并且在实际中得到广泛应用。

一般来说，财务预警模型主要分为单变量模型和多变量模型。

单变量模型研究的先驱者首推Fitzpatrick，他在1932年选取了19家公司为样本，运用单个财务比率将样本划分为破产和非破产两组，结果发现净利润/股东权益和股东权益/负债两个比率有较强的判别能力。

1966年美国芝加哥大学的教授WilliamBeaver提出较为成熟的单变量模式，他以79家失败企业和相同数量、同等规模的成功企业为样本，分别检验了反映不同财务特征的6组30个变量在公司破产前1-5年的预测能力，结果发现债务保障率预测的准确率最高，其次是资产负债率，并且离破产日越近，预见性就越强。

1968年美国学者Edward.I.Altman率先将多元线性判别方法引入财务预警领域，开创了多变量预警模型的先河。

他选用了22个变量作为预备选变量，通过对33家破产制造企业和33家非破产配对企业的研究分析，根据误判率最小的原则，最终确定营运资产/资产总额、留存收益/资产总额、息税前利润/资产总额、股东权益市场价值/总负债账面价值和销售收入/资产总额5个变量作为判别变量，构建了Z-score模型。

此后，多变量分析方法被广泛采用，各国学者根据Altman的思路构建了自己的多变量模型。

比较典型的有Edmisterd提出的专门针对小企业的财务预警模型，英国的Taffler的多变量模式，日本开发银行建立的多变量预测模型（20世纪70年代），Altman.Haldeman和Narayanan1977年对Z-score模型进行修正和补充的ZETA模型等。

以Altman的Z-score为代表的多变量判别分析法虽然己成为财务预警模型的基础，但其对预测变量具有严格的联合正态分布要求，而现实生活中大多数财务比率并不满足这一要求。

为克服这一局限，研究人员提出采用回归分析方法来提高财务预警的能力。

1980年Ohlson选取1970-1976年间的105家破产公司和2058家非破产公司为样本，运用逻辑思维回归方法建立了Logit预警模型，之后出现了Zmijewski的Probit分析模型。

随着计算机技术和信息技术的不断发展，西方研究人员开始运用人工神经网络、专家系统、遗传算法等非统计类方法进行财务困境的预测研究。

1990年Odom等开始运用人工神经元网络进行财务困境预测的探索，1998年Messier和Hansen将专家系统首次引入到财务困境预测领域。

Franco和Varett，进行了应用遗传算法构建预警模型的尝试。

这些研究与以往的线性分析模型相比都取得了较好的结果。

值得注意的是，近年来，灾害理论、混沌理论、期权理论等也被引入到财务危机预警的研究中，大大推动了财务预警研究在西方的迅速发展。

（二）国内的演变与发展

由于受证券市场发展的影响，国内对财务危机预警的研究起步较晚。

最早是1986年吴世农、黄世忠在《中国经济问题》发表了一篇文章，首次在我国介绍了企业破产的分析指标和预测模型。

1990年，国家自然科学基金委员会管理科学组先后支持佘廉等人从事企业预警研究，并于1999年出版了企业预警管理丛书。

之后我国学者真正开始了对财务预警的研究，并取得了一定的成果。

1996年周首华、杨济华借鉴Altman的研究成果，在Z分数模型的基础上进行改进，考虑了现金流量指标，选用1977-1990年的62家公司（其中31家破产公司取自《华尔街杂志索引》，另外配对的31家非破产公司取自Compustas会计数据库），建立了F分数模型，并以CompustatPCPlus会计资料中1990年以来的4160家公司数据作为检验样本进行了验证，其准确率高达70%，但他们的研究对象却不是中国的证券市场。

1999年陈静第一个对我国上市公司的财务困境预测进行。

她使用27家ST和非ST公司作为对比样本，选取资产负债率、净资产收益率、总资产收益率和流动比率4个财务指标，进行了单变量分析，结果发现资产负债率和流动比率的误判率最低；在多元判别分析中，选取资产负债率、净资产收益率、总资产收益率、流动比率、营运资本/总资产及总资产周转率6个指标构建了多元线性判别函数，在ST发生的前3年有较好的预测能力。

2000年，张玲（2000）选取沪、深两市14个行业120家上市公司为样本，从偿债能力、盈利能力、资本结构状况和营运状况4个方面几个相关财务比率中筛选出4个变量构建了二分类线性判定模型。

同年陈瑜和陈晓、陈志鸿分别建立了多元分析模型和Logistic模型。

2001年，吴世农、卢贤义（2001）选取1998-2000年中的70家ST公司作为财务危机公司和70家非ST公司作为配对样本，从企业盈利能力、偿债能力、营运能力、营运能力、成长能力和企业规模等6个方面21个财务指标中确定了6个预测指标，应用Fisher判别分析、多元线性回归和逻辑回归分析三种方法构建了相应的模型，结果证明对于同一信息集而言，逻辑回归模型的判定能力最好。

同年，杨保安、季海针对判别分析方法在构建财务危机预警模型中存在的问题，最先运用BP神经网络建立财务预警模型。

之后相继出现了粗糙集神经网络、基于模糊优选的神经网络和人工神经网络财务预警模型；2003年柳炳祥、盛昭翰又提出了基于案例推理的财务危机预警系统的初步构想，2004年张林也对此进行了相关探讨。

以上学者对我国上市公司财务危机的预警做出了很大的贡献，极大地推动了我国这方面的发展。

但总的来说，与国外相比国内研究还相对滞后。

二、企业财务危机预警模型的种类

财务预警是以企业信息化为基础，对企业在经营管理活动中的潜在财务危机风险进行监测、诊断与报警的系统。

它贯穿于企业经营活动的全过程，以企业的财务报表、经营计划及其他相关的财务资料为依据，利用会计、金融、企业管理、市场营销等理论，采用比率分析、数学模型等方法，发现企业存在的风险，并向利益相关者发出警示，以便采取相应对策的管理方法。

财务预警模型就是借助企业一系列财务指标和非财务指标来识别企业财务状况的判别模型。

本文把企业财务危机预警模型分为统计类和非统计类进行探讨。

（一）统计类财务危机预警模型

统计类财务预警模型包括一元判别模型、多元线性判别模型、多元逻辑回归模型、多元概率比回归模型等

1.一元判别模型

一元判别模型是指将某一项财务指标作为判别标准来判断企业是处于破产状态还是非破产状态的一种预测模型。

一元判别模型的主要思想是通过比较财务困境企业和非财务困境企业之间某个财务指标的显著差异，从而对财务困境企业提出预警。

最早的财务危机预警研究就是Fitzpatrick所做的单变量破产预测模型。

他以19家公司为样本，运用单个财务比率将样本分为破产和非破产两组。

研究结果发现，判别能力最高的是净利润/股东权益和股东权益/负债两个比率，而且在经营失败之前三年这些比率就呈现出显著差异。

Beaver对一元判别模型进行系统的分析，他对1954-1964年期间的79家发生财务危机的企业和相同数量、同等资产规模的成功企业的30个财务比率进行了比较研究（即通过个别财务比率走势恶化来预测财务危机状况）。

在排除行业因素和公司资产规模因素的前提下，Beaver的研究表明，可以有效预测财务危机的比率有债务保障率、资产收益率、资产负债率和资产安全率。

同时，他的研究结果表明，债务保障比率（现金流量/债务总额）预测财务危机的效果最好。

一元判别分析是最早应用于企业财务预警的实证模型，它开创了财务预警实证研究的先河。

2.多元线性判别模型

多元线性函数模型是对企业多个财务比率进行汇总，求出一个总判别分值来预测企业财务危机的模型。

它从总体的、综合的角度来检查企业的财务状况，未雨绸缪，做好财务危机的规避或延缓财务危机的发生。

多元线性函数模型中应用最广的是Z分数模型。

Z分数模型最早是由美国学者Altman于1968年开始研究的。

Altman的多元判别模型如下：

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

X1=（期末流动资产-期末流动负债）/期末总资产

X2=期末留存收益/期末总资产

X3=息税前利润/期末总资产

X4=期末股东权益的市场价值/期末总负债

X5=本期销售收入/总资产

Alman研究发现：

Z值越低，该企业遭受财务失败的可能性就越大；Z值越高，该企业遭受财务失败的可能性就越小。

他曾经对66家企业进行分析测算，其准确程度达95%左右。

Z分数模型的具体判断标准为：

Z≥3.0财务失败的可能性很小

2.8≤Z≤2.9有财务失败可能

1.81≤Z≤2.7财务失败可能性很大

Z≤1.8财务失败可能性非常大

多变量模型可以说是对单变量模型的修正，在一定程度上弥补了单变量模型的一些缺陷。

3.多元逻辑回归模型

多元逻辑回归模型的目标在于寻求观察对象的条件概率，从而据以判断观察对象的财务状况和经营风险。

它是建立在累计概率函数的基础上，不需要自变量服从多元正态分布和两组间协方差相等的假设条件。

多元逻辑回归模型假设企业破产的概率p（破产取1，非破产取0），并假设㏑

可以用财务比率线性解释。

首先假定㏑

=a+bx，然后根据推导可以得出p=exp

，从而计算出企业破产的概率。

其判别方法和其他的模型一样，先是根据多元线性判断模型确定企业破产的Z值（Z=a+bx），然后推导出企业破产的条件概率。

其判别规则是：

如果p值大于0.5，则表明企业破产的概率比较大，那么判定企业为即将破产类型；如果p值低于0.5则表明企业财务正常的概率比较大，判定企业为财务正常。

Ohlson第一次采用多元逻辑回归模型进行破产预测。

他选择了1970-1976年间破产的105家公司和2058家非破产公司组成的配对样本。

分析了样本公司在破产概率区间上的分布以及两类错误和分割点之间的关系。

他发现至少存在四类影响公司破产概率的变量：

公司规模、资本结构、业绩和当前的融资能力。

研究结果表明用这四类变量进行财务危机的预测准确率达到96.12%。

4.多元概率比回归模型

多元概率比回归模型也假定企业破产的概率为p，并假设企业样本服从标准正态分布，其概率函数的p分位数可以用财务指标线性解释。

其计算方法和多元逻辑回归方法很类似，先是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a、b，接下来就可以利用下式求出企业破产的概率。

和前面的判别规则一样，如果概率p小于0.5，就判别为财务正常型，如果p大于0.5，则为即将破产型。

Zmijewsk最早使用多元概率回归模型，他选择了1972-1978年间76家破产企业和3880家正常企业进行了分析。

采用极大似然法，通过使每个样本个体的破产与非破产的联合概率最大来构造模型，并分析了样本公司在破产概率区间上的分布以及两类错误和判别阀值点之间的关系。

（二）非统计类财务危机预警模型

非统计类财务危机预警模型主要有人工神经网络模型。

这是将网络的分类方法应用于财务预警的模型。

人工神经网络是一种平行分散处理式，其构建原理是基于对人类大脑神经运作的模拟。

人工神经网络通常由输入层、输出层和隐藏层组成，其信息处理分为前向传播和后向学习两步进行。

网络的学习是一种误差从输出层到输入层向后传播并修正数值的过程，学习的目的是使网络的实际输入逼近某个给定的期望输出。

根据最后的期望输出，得出企业的期望值，然后根据学习得出的判别规则来对样本进行分类。

人工神经网络具有较好的纠错能力，从而能够更好地进行预测。

Odom和Sharda是最早把神经网络技术应用于财务危机预警研究中的。

他们用人工神经网络预测了财务危机。

他们以1975-1982年间的64家失败企业与64家正常企业配对，并将样本区分为训练样本与保留样本，以Altman（1968）Z计分模型所使用的5个财务比率为研究变量，使用神经网络构建模型。

结果发现训练样本的判别正确率高达100%，对保留样本失败的企业与正常企业的预测正确率分别为81.75%与78.18%，显示神经网络具有较佳的预测能力。

他们的模型要优于当时的判别分析模型，能更好的解决分类问题。

但他们的模型仅仅是神经网络方法应用的展示和Altman（1968）研究的重复。

人工神经网络具有较好的模式识别能力，还可以克服统计等方法的限制，因它具有容错能力，对数据的分布要求不严格，不需要考虑是否符合正态分布的假设，具有处理自律遗漏或是错误的能力，而且可以处理非量化的变量，最重要的一点是人工神经网络具有学习能力，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变的企业运作环境。

而传统的统计方法却不具备此学习能力。

（三）不同企业财务危机预警模型对比分析

经过国内外学者的研究，企业财务危机预警模型得到了极大的发展，能够对企业的财务危机预警起到重要的作用。

很多企业根据自身行业的特点和自身发展的状况构建了适合本企业的财务危机预警模型，有效地对公司可能出现的危机进行预测并采取积极的措施进行防范，从而推动了企业的发展。

但是，各个企业财务危机预警模型又有自身的局限性。

以下分别进行讨论。

1.一元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联系，在实际运用中存在很大局限性，并且预警的准确性较差。

2.二元判定模型在实际运用中具有较好的预测性，但它缺乏理论基础。

多变量判定模型存在严重偏离现实的假设以及因错拒与误受的错误所带来的机会成本损失等，这些显然都与客观现实不符。

同时多变量判定模型需要大量的数据支持，对于我国发展中的资本市场来讲，上市公司的数量和能提供的数据都有限，并且我国从1999年才开始实行ST和PT制度，可供使用的参考数据更是有限，因此其预测结果的可靠性还有待加强。

3.神经网络预警系统运用于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数据的真假做出辨别。

由于存在公司治理不完善，对上市公司的监管不到位及会计制度存在漏洞等原因，许多公司管理层出于自身利益的种种考虑，对外提供虚假的财务报告和数据。

如果预警模型不能对这些信息和数据做出辨别，就会导致建立在这些信息和数据基础上的预警模型参数不可靠，最终降低预测结果的准确性和可靠性。

5.现有财务预警模型主要侧重于财务定量数据的使用，对于宏观经济状况，国家政策的变化及不同企业的特殊情况（如信用）等定性指标考虑还较少，而这些因素会对企业的生存和发展产生有利或不利的影响，有时甚至会起到决定性的作用。

6.现有的财务预警模型大多比较重视对上市公司提供的资产负债表和利润表中数据指标的运用，而容易忽视对现金流量表和上市公司提供的其他数据的运用。

资产负债表和利润表都是建立在权责发生制的基