前言：中文期刊网精心挑选了上市公司财务危机预警研究范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
上市公司财务危机预警研究范文1
本文在分析研究国内外关于财务危机动态预警相关研究的基础之上，对财务危机的动态预警模型的研究现状进行综述，探讨财务危机动态预警研究的发展趋势。
【关键词】财务危机 动态预警 研究综述
在全球经济衰退、金融危机的大背景下，探索识别财务危机，为企业利益相关者提供预警信号是非常值得研究的现实问题。因此，建立基于时间序列特征的动态预警系统成为了必然的趋势。国内外很多学者都对财务危机预警模型进行了研究，并建立了相应的预警模型。但是现阶段关于财务危机预警的动态研究还是较少，目前我们的财务危机预警系统大多是静态预警，大部分学者采用的都是多截面样本数据，对不同时期的多个样本数据进行研究，但是这样研究存在一个显著的逻辑性缺陷，即没有考虑到财务状况的时间延续性。这些实证研究的结果普遍存在着预测准确率不理想的情况，特别是多期财务危机预测准确率较低的情况。如果企业的整体财务状况很好，只是单期的表现不好，随后企业的财务状况会很快恢复正常，这种暂时的偏离正常值不应该被归为财务危机公司，但静态模型不考虑历史的影响，会将这种公司归为危机公司，预测准确率不理想。
一、财务危机动态预警模型简介
动态财务预警主要使用的技术有人工智能技术（如神经网络模型和机器学习等分析技术）具备良好的模式辨别能力，克服了传统统计方法的局限性，有更高的预测能力。
二、国外关于财务危机动态预警模型的研究
目前，国外学者广泛应用的动态预警模型主要有神经网络模型、遗传算法模型、案例推理模型等等。
（一）人工神经网络模型
人工神经网络模型主要是运用神经网络的分类方法来进行财务预警。许多功能是对人脑神经网络系统的模拟，有很好的模式识别能力，根据随时更新的数据进行自我学习，因此有很高的纠错能力，能够更好的预测财务危机。Odom和Sharda（1990）是最早在财务危机预警模型中运用人工神经网络模型的，随后许多学者做了相似研究，并对模型及算法进行了响应的改进。
（二）遗传算法（genetic algorithm，GA）
遗传算法是模仿生物遗传进化规律，运用在大量复杂概念空间内随机搜索的技术，用于企业财务危机的预测。Varetto（1998）、Shin&Lee（2002）、Hyunchui（2009）都进行了这方面的研究，Franco（2010）的研究表明了采用GA来进行预测比较省时并且受到主观影响也较小，但是预测精度没有MDA高。
（三）案例推理（case-based reasoning，CBR）
案例推理一般运用K临近算法对存储案例进行分类，据此来对新增的案例进行推断，主要适用于在复杂多变的环境中进行决策。Hongkyu（1997）对案例推理（CBR）、人工神经网络模型（ANN）以及多元判别分析方法（MDA）进行了比较分析，结果显示CBR与MDA判别结果无本质上的区别，更适合在数据不充分的时候使用；Cheol-Soo（2002）用层次分析法（AHP）对K临近算法进行了改进，预测精度明显得到了提高。
（四）支持向量机（support vector machine，SVM）
SVM方法是在统计学理论基础之上的一种机器学习方法，这种算法通过非线性变换把实际问题换到高维特征空间，并且进行处理，对维数的要求没有那么严格，具有很好的推广能力。在这方面，Fan、Palaniswami均有相关的研究，Kyung-Shik Shin（2005）采用这种算法构建了财务危机预警模型，并对韩国的企业进行实证研究，结果表明SVM的预测性能高于BP神经网络模型。
（五）粗集理论（rough set theory，RST）
RST是一种用多个财务比率来描述财务危机与财务正常公司的工具，可以有效地解释财务指标与财务危机的关系。Pawlak、Dimitras和Joseph都将RST应用与财务危机预警系统的研究中。
三、国内关于财务危机动态预警模型的研究
国外对财务危机动态预警模型的研究已经取得比较丰硕的成果，国内的学者关于动态预警系统的研究少之甚少。
（一）大部分学者是从动态管理角度得出破产公司和非破产公司的现金管理特征变量，并据此构建预警模型
国内由于对现金流重要性的认识不够，加上我国从1998年开始才要求上市公司编制现金流量表，因此进行实证研究所需的现金流量方面的数据严重缺乏。这些原因，最终导致国内的研究仅仅停留在对现金流量指标体系构建的理论探讨层面。
姚靠华、蒋艳辉（2005）就动态财务预警系统建立的技术基础和系统框架进行了阐述，提出应该充分利用数据仓库技术、数据挖掘技术和Agent技术来建立企业的动态财务预警系统。
张鸣、程涛（2005）运用Logistic回归方法，先从财务指标角度构建财务指标预警模型，然后引入现金管理特征变量和现金管理结果变量，从财务指标和现金流量角度共同构建综合预警模型。
杨淑娥、王乐平（2007）以T-2、T-3期财务数据组合的面板数据作为研究样本，构建BP神经网络模型对上市公司的财务状况进行预测。
蒋丽（2007）用因子分析法分别建立ST前三年的三个评分模型F1、F2、和F3，依次对样本进行预测，从动态的角度找出不同时期的特征变量，预测财务危机的紧急程度。
陈磊、任若恩（2008）以因财务原因被实施特别处理和暂停上市作为上市公司财务阶段的分类标志，将上市公司的财务状况分成3个阶段，借鉴Theodossiou的方法，使用时间序列判别分析技术、指数加权移动平均控制图模型对中国上市公司的财务危机预测进行研究。
孙晓琳、田也壮、王文彬（2010）基于Kalman滤波理论，考虑财务比率在时间序列上的趋势性和历史数据对结果的影响，构建了财务危机的动态预警模型。
时建中，程龙生在2012年针对模型的增量学习能力不足的问题，建立了能够增量学习的财务危机动态预警模型，且经过实证分析证明该模型有很好的适应性与稳定性。
四、对国内外关于财务危机动态预警模型研究的评价
一是财务危机动态预警模型有很好的适用性，并且跟静态模型相比，其预测精度有很大的提高，能够更及时的给企业预警，避免财务危机的发生。
二是现有关于财务危机动态预警的研究还是较少，主要还是采用静态预警模型进行回归分析来对企业的财务危机状况进行预测。
三是对财务危机的动态预警大都是针对总体的企业，很少针对某一行业的特点对特定行业进行动态预警，每个行业的特点不同，与财务危机发生影响密切的相关指标也不尽相同，并且由于动态预警能够比静态模型给出早期的预警信号，分行业研究就更加有必要。
五、对将来财务危机动态预警模型研究的展望
通过上文的综述，今后我们可以在财务危机动态预警系统的以下几个方面做进一步的研究：
首先，在样本指标的选择方面，可以根据不同行业在财务指标方面的差异，加入行业调整变量以更加贴合不同企业的实际情况，提高预测准确率。
其次，在模型的构建方面，目前大部分学者的研究均为单纯的运用一个模型进行实证分析，可以综合模型的不同特点，组成模型组优化现有模型，提高模型的预测精度。
最后，在信息利用方面，可以充分利用现在先进的信息技术，运用各种技术来更新完善财务危机的动态系统，实时、准确的预测财务危机，避免企业陷入财务困境。
参考文献
[1]Ross Neophytou，Andreas Charitou，Predicting Corporate Failure.Empirical Evidence for the UK[M]. Corporate Finance，2000（9）：457-471.
[2]Claessens，Stijin，Simeon Djankov，and Larry Lang，The Separation of Ownership and Control in East Asian Corporations[J].Journal of Financial Economics， 2000，（58）：81-112.
[3]Stephen A.Ross.Randolph.Wethersfield.Jeffrey F.Jaff.吴世农，沈艺峰等译.公司理[M].北京机械出版社，2000：157-163.
[4]Howard and Swaryl.An Analysis of Risk and Return Characteristic Of Corporate Bankruptcy Using Capital Market Data.The Journal of Finance，SeP.1980.1001-1016.
[5]孙晓琳. 财务危机动态预警模型研究[M]，上海交通大学出版社，2011：3-56.
[6]顾晓安.公司财务预警系统的构建[J].财经论坛，2000（4）：65-71.
上市公司财务危机预警研究范文2
关键词：企业集团 财务危机 预警指标 因子分析 Logistic方法
中图分类号：F830 文献标识码：A
一、引言
企业集团是以一个实力雄厚的企业为主体，以产权、产品、技术、经济、契约等为纽带，形成的由多个成员企业组成的具有多层次组织结构的经济联合体，企业集团在我国经济发展进程中具有举足轻重的作用。由于企业集团成员企业之间存在的关联性以及经营和管理的复杂性，财务风险是其所面临的重大风险之一。因此，为增强企业集团抵抗风险能力，构建企业集团的财务危机预警模型具有十分重要的理论研究价值和现实意义。
国外就对企业财务危机预警的相关研究始于20世纪30年代初。例如Fitz P（1932）和Beaver W.H（1966）构建了企业财务危机预警的单变量模型[1]，Altman在1968和1977年分别提出了Z值判定模型和Zeta模型[2-3]，以Ohlson为代表的一些研究者采用条件概率模型对财务危机进行预警，包括Logistic模型和Probit模型等方法[4]。随着研究的深入新的方法被引入，Kim H C（2002）以及Shin KS（2005）等运用支持向量机方法对公司财务危机预警进行了研究[5、6]。国外对财务危机预警的研究呈现多角化发展趋势。国内关于企业财务危机预警方面的研究始于20世纪80年代末，主要针对一般性企业的财务预警问题展开的研究[7-14]。迄今为止，国内外针对企业集团财务危机预警方面的研究还十分鲜见。本文以沪深A股企业集团上市公司为研究对象，将财务危机企业集团界定为因财务问题而被特别处理即被ST的企业集团。本文第二节在基本财务指标基础上引入企业集团的3类特征指标和6类公司治理类指标建立了由28个指标构成的财务危机预警指标体系。第三节对预警初始变量因子分析提取出公因子作为预警变量。鉴于Logistic回归方法的自变量不用服从多元正态分布的假设使其有更广的适用度和其运用的成熟度，本文在第四节中选取Logistic回归方法构建预警模型，对预警指标体系进行了检验。
二、预警指标与研究样本
（一）预警指标选取
企业财务危机是由初步萌生到程度恶化的过程，且其财务危机的迹象都将直接或间接地在一些敏感性财务或非财务指标的变化上反映出来[15]。本文根据预警指标满足客观性、完整性、可操作性和敏感性的原则，选取这些敏感性指标作为预警财务危机的预警指标。除了选择五大类基本财务指标之外，本文根据企业集团规模庞大、涉及行业较多、投资多元化以及关联交易频繁等特征，以及结合国内外对公司治理与财务危机关系的研究，在五大类基本财务指标基础上引入企业集团特征指标（关联交易次数，关联交易金额占总资产比重以及涉及行业个数）和6个公司治理类指标，共选择28个初选指标构建出企业集团财务危机预警指标体系（见表1）。并为了进一步分析引入的特征指标和公司治理类指标对预警模型的作用，根据预警指标体系划分了三类预警初始变量：一是在企业集团基本财务指标基础上引入特征指标和公司治理指标的预警初始变量；二是仅引入特征指标的预警初始变量；三是仅含基本财务指标的预警初始变量。
（二）样本选取
本文选取了2004年至2010年被“ST”的企业集团和根据研究期间一致、行业类型相同或相近、资产规模相当和上市时间接近的原则与其配对的财务正常的企业集团各50家，其中剔除由于数据严重缺失或不合理的公司以及两年内就被“ST”及因其他状况异常而被“ST”的公司，研究样本共计100家。其中把2004年至2007年的70家样本作为模型估计样本，2008年至2010年的30家样本作为模型检验样本。
由于证监会对上市公司进行“ST”处理的依据为最近两个会计年度审计结果显示的净利润均为负值，所以本文采用的数据为企业集团上市公司被“ST”前三年的会计年度的数据。本文的研究数据来源于国泰安数据库和CCER数据库。
三、预警初始变量的分析处理
（一）预警初始变量的因子分析
本文为了去除预警初始变量间的相关性和减少预警变量个数便于模型的构建，分别对三类预警初始变量进行因子分析，以提取的公因子作为预警变量。
通过因子分析，对三类预警初始变量分别提取出10个公因子F1、F2、F3、F4、F5、F6、F8、F9、F10，7个公因子F1*、F2*、F3*、F4*、F5*、F6*、F7*和6个公因子F1**、F2**、F3**、F4**、F5**、F6**，其累计贡献率分别为76.21 %、75.43 %、75.1%。进一步对其因子载荷矩阵进行旋转，这三类公因子反映了企业集团盈利能力、偿债能力、营运方面能力、现金流量能力和发展方面的情况，同时在关联交易、行业规模和公司治理方面都有不同程度的反映。
（二）预警变量的统计性描述
本文以提取的公因子作为自变量，在构建模型前，先对三类变量进行描述性统计，检验财务危机与财务正常的企业集团在发生财务危机之前，财务状况是否就存在着显著差异。采用t检验比较均值差异，统计结果见表2、表3和表4。
从表2、表3和表4可知：显然对ST企业集团上市公司与财务正常的企业集团而言，三类财务危机预警变量的t检验都存在着显著差异，说明在企业集团陷入财务困境之前，财务危机企业集团在财务状况上就与财务正常的企业集团存在着显著的差异。因此，这些公因子包含着预警财务困境的信息，因此可以运用这些因子建立预警模型。
四、基于Logistic回归方法的财务危机预警模型构建与检验
本文以由因子分析得到的公因子作为预警变量，因变量f为二元变量，对三类样本进行Logistic回归，回归分析结果见下表5、6和7。三类因子变量在5%的置信水平下均较显著，说明它们有显著的解释能力。三类财务危机预警模型分别见下式：
将检验样本代入所构建的模型，计算f值。选取0.5作为财务危机发生的临界值，当f＞0.5时，判定该企业集团为财务危机企业；当f＜0.5时，判定该企业集团财务状况正常。检验结果见表8。
五、结束语
本文在财务指标的基础上引入企业集团特征指标和公司治理指标构建企业集团财务危机预警指标体系，并运用logistic方法建立企业集团财务危机的预警模型，进而对指标体系进行检验。从效果上看，预警准确度令人满意，且引入企业集团特征指标和公司治理指标的预警准确率高于不引入的模型情况，说明企业集团的特征以及公司治理等指标包含了我国企业集团财务危机预警的大量信息。因此，本文所构建的企业集团财务危机预警指标体系具有重要的理论与应用价值。
资助项目：国家自然科学基金（项目编号：70971015）
[参考文献]
[1]Beaver W.H.Financial Ratios as Predictors of Failure,in Empirical Research in Accounting:Selected Studies[J].Journal of Accounting Research,1966,5(7)：179-199
[2]Altman E.I.Financial Ratios:Discriminate Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance,1968,6(9)：589-609．
[3]Altman E.I.Hadelman R.G.,Narayanan P.Zeta Analysis:A New Model to Identify Bankruptcy Risk of Corporations[J].Journal of Banking and Finance,1977, 9(1)：29-51．
[4]Ohlson J.A.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J]. Journal of Operation Research,1980,9(15)：109-131．
[5]Kim H C,Pang S,Je H M,Kim D,Bang S Y.Pattern classification using support vector machine ensemble[C].16th International Conference on Pattern Recognition (ICPR’02).2002,(2):278-289
[6]Shin KS,Lee TS,Kim HJ.An application of support vector machines in bankruptcy prediction model[J].Expert Systems with Applications.2005, 1(23):127-135
[7]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(6)：8-11．
[8]陈静.上市公司财务恶化预测的实证分析[J].会计研究,1999, 4(9)：31-38．
[9]陈晓,陈治鸿.中国上市公司的财务困境预测[J].中国财务与会计研究,2000,3(9)：7-15．
[10]肖智,张志恒,黄海生.粗糙集理论在财务危机预测中的应用[J].决策与参考,2004,3(7)：48-53.
[11]熊志斌.运用遗传神经网络模型对我过上市公司财务危机的预测[J].决策与统计,2008,14(3)：32-34．
[12]杨毓,蒙肖莲.用支持向量机(SVM)构建企业破产预测模型[J]. 金融研究,2006,10(1):65-75
[13]宋新平,丁永生.基于最优支持向量机模型的经营失败预警研究[J].管理科学,2008,21(1):115-121
[14]董霞.基于公司治理结构的上市公司财务危机预警机制研究[J]. 商业经济,2010,11(9): 82-85
上市公司财务危机预警研究范文3
根据国外公司法或者国外研究人员的定义，财务危机是指企业由于经营失败而没有能力支付到期债务。以下事项只要满足一项就表明企业经营失败，即：破产，债券违约，透支银行账户，无法支付优先股股利。这样的定义是基于国外资本市场十分成熟的情况下做出的，然而，由于我国的资本市场仅仅发展二十余年，尚不成熟，并且我国上市公司的退市制度还不完善，因此，本文将发生财务危机的企业定义为中国证券监督管理委员会（证监会）设定为“特别处理”的企业，通常在资本市场中这类企业的股票代码前冠以“ST”符号以示区分。
基于现有的各类财务指标，构建一个财务危机预警的数学模型，用于提示企业发生财务危机的可能性有很多现实意义。建立与企业实际发展状况相符的财务危机预警模型有利于投资者做出更加理智的投资决策，有利于企业管理者更好地理解企业财务状况以提高管理水平，有利于银行和其他债权人更好地评估企业的债务违约风险，有利于政府监管部门更有针对性地监督上市公司，有利于审计人员更加高效地审计上市公司等等。
二、选择样本
失败企业的筛选：
在第一部分，将“ST”企业定义为经营失败的企业，数据来自于上海证券交易所和深圳证券交易所网站。由于有些失败企业数据缺失，最终筛选出2005年的55家“ST”企业。为了将模型适用于各类企业，这55家“ST”企业来自各行各业，有制造业、建筑业、交通运输业等。资本市场中，大部分企业使用统一的会计制度，但是金融保险业上市公司使用其专有的会计制度，因此，本文挑选的55家“ST”企业不包括金融保险业上市公司。
非失败企业的筛选：
非失败企业的筛选按照以下步骤进行：（1）查找“ST”公司的行业类别代码；（2）在该类行业中，筛选出和“ST企业”资产规模最接近的企业；（3）如果筛选出的企业是非失败企业，则采用；（4）重复以上步骤，直到筛选出与失败企业同样数量的非失败企业。
表 失败企业和非失败企业的来源与数量 单位：家
三、选择财务指标
目前，通过哪些财务指标来判断企业是否遇到了财务危机没有一个统一的标准，而且仅仅通过若干个财务指标来描述企业的经营状况是很困难的。本文在前人研究经验的基础上，初步筛选出反映企业总体状况的六个方面的15个财务指标，这六个方面分别是短期偿债能力，长期偿债能力，盈利能力，资产管理能力，主营业务盈利能力和增长能力。筛选的15个财务指标来自2005年12月31日的资产负债表，主要有流动比率，速动比率，现金比率，产权比率，已获利息倍数，现金收入比率，总资产收益率，净资产收益率，存货周转率，应收账款周转率，总资产周转率，主营业务利润率，资本保值增值率，净利润增长率，总资产增长率。
在建立预测模型之前，首先要在15个财务指标中找出与企业被“ST”最相关的指标。在Rapidminer 6.1中，使用相关矩阵测算财务指标与“ST”之间的关系。通过计算，除去流动比率（相关系数为0.03
图1
使用Rapidminer 6.1的相关矩阵函数计算找出与企业被“ST”最相关的财务指标，软件中使用的模块和连接如图中所示。
图2
展示了13个财务指标分别与企业被“ST”之间的相关系数，运行结果显示，财务指标X1（流动比率）和财务指标X3（现金比率）与“ST”的相关系数小于0.05，表明他们之间的相关性小，因此剔除这两个财务指标。
四、实验过程
神经网络的建模过程如图3、图4所示，图5表示的是预测的准确率。
图3 主要处理过程
将待处理数据和SPLIT函数模块拖入主界面，将两个模块连接，SPLIT函数模块的作用是将待处理数据随机分割成两部分，设定分隔系数是0.7，即70%的财务数据用作训练数据，30%的财务数据用作检验数据。
图4
将导入主界面的全部数据中的70%，即导入77家上市公司的财务数据，使用神经网络模型进行训练，训练完成的神经网络模型用于对剩余30%的数据即33家上市公司的财务数据进行预测，预测这33家上市公司中失败企业（即“ST”上市公司）的数量和非失败企业（即正常上市公司）的数量。
图5
训练后的神经网络的预测结果：93.33%的原“ST”企业被预测成功，88.89%的原正常企业被预测成功，总体预测精度达到90.91%。
上市公司财务危机预警研究范文4
（一）理论意义
1、简化复杂问题。上市公司的财务报告及其附注等会计资料为会计信息使用者提供了大量的财务和非财务信息，但是面对包罗万象的海量信息，很多信息使用者尤其是非专业人士会无所适从。通过编制财务危机预警指数对这些海量信息加以相应整理，将庞大的数据内容和非财务信息标准化后的结果归纳总结为一个简明的财务危机预警指数，从而有助于外部投资者、债权人，尤其是公司管理者更快捷、更深入地掌握上市公司的财务状况，及时预知财务危机的征兆，做出科学有效的财务决策。
2、拓展会计信息。理论来源于实践并服务于实践，但是会计理论研究注重研究会计信息的生成，忽视会计信息使用；会计实务中注重单纯地提供会计信息，忽视会计信息的再加工及其分析使用。使用会计信息是会计信息生成的最终目的，在使用会计信息的过程中又可以发现会计信息生成的不足，从而有的放矢对会计信息进行再加工和分析使用，以便进一步增强会计信息的有用性，这样又有利于会计信息的合理使用与准确分析。财务危机预警指数是对不同公司、不同时间、不同指标的三维信息的汇总加工，是为了预防财务危机、控制财务风险而对使用会计信息的进一步拓展深化。
3、丰富危机管理理论。危机管理产生于上世纪八十年代初，主要研究公司对于各种危机事件的事前、事中和事后的应对措施及其管理，以避免和减少危机产生带来的危害，努力将损失降到最低。目前，许多公司已经在内部推行了危机管理，财务危机预警正是对公司财务危机的预测和监控，是危机管理的重要措施之一。财务危机追根溯源因财务风险所引发，因此正确识别公司所面临的财务风险并加以防范和控制是进行财务危机预警研究需要考虑的根本问题。财务危机预警将公司内的各种逆境现象，作为一个相对独立的活动过程来考察，在分析财务逆境与财务危机现象的形成机理与内在特性的基础上，提出提前预报与预控的原理与方法，建立用于监测、评价、预报公司财务逆境现象与危机现象的预警指标体系，努力做到有效预测和监控财务风险，减少或避免财务危机的发生。因此，可以说财务危机预警理论丰富了危机管理理论。
（二）实践意义。上市公司财务危机预警指数的最基本功能不容置疑是实时预警，即根据财务危机预警指数反映的公司财务危机信息，对未来财务状况的发展趋势进行预测并适时发出预警信号。尤其是在瞬息骤变的激烈竞争环境中，现代上市公司若想生存、发展和获利，势必实时关注财务状况，预防财务危机的发生。因而，财务危机预警指数体系可以被广泛应用于政府及相关部门宏观层面以及上市公司本身及其利益相关者微观层面，在不同领域发挥作用。
1、有利于宏观经济政策的制定及实施。财务危机预警不仅直接或间接影响到企业是否能得以持续生存、发展和获利，而且波及社会稳定、经济发展、产业结构升级等方方面面。通过财务危机预警指数，政府及相关部门可以明确我国不同行业、不同地区的上市公司是否存在财务风险及财务危机发生的可能性，据此制定相应政策协调各方关系，减少或避免财务危机带来的直接和间接损失，维护社会稳定、优化资源配置、调整产业结构；另一方面，财务危机预警指数体系也是政府宏观经济政策实施的反馈体系，财务危机预警指数的灵敏变动能够及时反映政府及相关部门制定的财政金融等宏观经济政策对上市公司整体和各行业、各地区所造成的影响，从而为政府及相关部门及时了解政策执行情况提供了路径。
2、有利于上市公司自我诊断。上市公司根据编制的财务危机预警指数综合排名，或者通过横向比较某一时期的财务危机预警指数，找寻自身与上市公司之间的差距，了解在各行业、各地区中的竞争地位，做好客观有效的定位。上市公司也可以依据财务危机预警指数，持续跟踪、监控公司的财务活动全过程，比较不同时期本公司财务活动运行轨迹，分析自身财务安全并预警潜在风险，找出危机源头，有针对性地采取措施以减少或避免损失，以更好地实现可持续发展。
3、有利于投资者和债权人等利益相关者做出财务决策。通过对综合财务危机预警指数的动态分析，投资者和债权人能更有效地判断上市公司的财务状况与潜在投资价值。而对个股的财务危机预警指数横向比较分析，又有助于其做出理性的投资决策；投资者理性投资，又会促使整个股票市场走势趋于理性，降低股市的非理性波动。一套高效的财务危机预警体系，可以为投资者及债权人等利益相关者提供多维度的财务信息，提供一种间接评价公司经营业绩的尺度，有助于投资者和债权人等利益相关者树立正确的理财理念，做出科学的财务决策。事实上，正是投资者、债权人等利益相关者对公司财务危机预警的强烈要求推动了该项研究的飞速发展。
二、编制财务危机预警指数应的遵循原则
编制财务危机预警指数必须明确引发财务危机的财务风险的特征：全过程性、系统性和连续性等，因此有必要对财务风险进行持续、全面的多层次多角度的监控，在构建财务危机预警指数时必须坚持和遵循一定的原则。
（一）科学性原则。科学选取预警指标是编制财务危机预警指数的重要环节。科学性原则主要体现在理论依据的正确性、指标体系的完备性和可信度、权重确定的准确性和预警模型的逻辑严密性等方面，将理论与实践有机结合，在理论上要站得住脚，同时又能反映预警对象的客观实际情况，抓住最重要的、最本质的和最有代表性的东西。对客观实际抽象描述得越清楚、越简练、越实际，科学性就越强。
（二）可预测性原则。在财务危机预警指数的构建过程中，通常是在传统的以面向过去为主体的财务报告等财务信息中，增加对未来期间财务信息的加工统计和总结归纳，使政府及相关部门、上市公司本身以及以投资者、债权人为主导的利益相关者能够通过深入分析财务危机预警指数，对未来上市公司财务状况的发展趋势以及面临财务危机的可能性做出相应的判断。
（三）现金流量至上原则。现金流是公司发展的血液，决定公司的兴衰存亡，是制约公司财务活动的首要因素，是政府及相关部门、经营管理者、投资者和债权人等关注的焦点，更重要的是现金流量难受“会计戏法”的影响，难以人为操纵，能够更客观更权威地反映公司财务状况，因此现金流量原则对于预警财务危机而言具有“至高无上”的重要性。
上市公司财务危机预警研究范文5
关键词：创业板；预警模型；logistic模型
我国于2009年新开板的创业板市场，关于财务预警的研究因为样本少、无评判创业板公司危机或健康的标准等原因，我国学者对它的研究尚少。但是创业板上市公司在现今经济环境下危机重重，有必要建立有效的财务预警机制，加强对企业的有效监控，将财务危机消灭于萌芽阶段。
一、样本选取
（一）本文对财务危机的界定
本文在前人没有对创业板公司财务危机界定标准的前提下，为解决界定标准问题欲参考2012年5月1日正式实施的创业板退市制度来衡量创业板上市公司是否陷入财务危机。理由如下：第一，创业板暂时无破产，破产为标准不可行；第二，我国创业板上市公司没有ST制度，ST作为公司财务危机的标志并不可行。第三，创业板退市制度的颁布，给了评价创业板上市公司财务危机一个官方认可的标准。
（二）样本选取
公司财务危机预警的研究中，我们通常将样本公司分为两大类，财务危机公司和财务健康公司，因为公司财务危机预警模型的主要作用是将财务状况未知的公司在这两类中进行划分[1]。本文危机公司样本数据来自新浪财经网和wind资讯，健康公司数据来自国泰安数据库。
1.危机公司样本选取。2012年5月1日起施行的《深圳证券交易所创业板股票上市规则》。新浪财经网相关新闻和wind资讯统计出以下23家处于财务危机边缘的公司本文，整理了这23家公司处于退市危险的原因及其对应的退市条件，以此作为危机公司样本，本文对创业板退市制度的解读与使用，解决了以前创业板内没有评判财务危机公司和健康公司标准的问题。
2.健康公司样本选取。由前述已经选出23家危机公司样本，本文根据配对原则，也选出23家财务健康公司，财务健康公司选取的范围为所有创业板上市公司（扣除23家财务危机公司），本文的财务健康公司的选取是根据年份和公司规模来一一配对的。
二、指标体系建立
（一）财务指标体系的建立
我国学者也有少量研究创业板上市公司财务危机模型的文章，但是他们大多局限于前人在主板市场上的研究成果，简单的选取主板财务危机研究中预警效果较明显的财务指标，套用于创业板上市公司财务危机模型的研究上，本文试图打破这样的格局，尝试从大量的涉及各个角度的财务指标中，选出真正适合我国创业板上市公司财务危机预警模型构建的财务指标。最终本文选取的财务指标描述了公司财务状况的各个方面，包括长期偿债能力、短期偿债能力、发展能力、风险水平、股东获利能力、现金流量能力、盈利能力、营运能力，8个方面。
（二）公司治理指标体系的建立
为更全面的衡量公司经营状况，本文在引入财务指标的同时，也引入了公司治理变量，以期望更好的预测公司的财务危机[2]。本文的公司治理变量基于前人研究的基础上选择，同时也参考了国泰安数据库中可提供的公司治理变量数据，共选出了16个公司治理变量，其中技术开发人员比例这一指标是本文新增加的一个公司治理变量，因为创也板上市公司多为高新技术企业，公司是否具备独立创新能力关系着公司的长远发展，增加这一指标正是用于衡量公司的创新能力。
三、模型建立
（一）多重共线性检测
在进行模型构建之前，一般先对样本数据进行多重共线性检验，因为在进行财务危机预警研究时，本文使用的logistic模型会受到变量的多元共线性的影响。
本文选择的变量共86个，经由SPSS18.0的运行下表选出变量39个，全部变量的容忍度在0.1以下，全部变量的VIF在10以上，VIF最高的值达到106.853，VIF最低的达10.037到由此仍说明本文所选的自变量有39个相互之间有存在较为严重的多重共线性。本文选择的变量之间虽然存在多重共线性情况，但并不代表这些变量对于因变量的解释能力有问题，故本文为解决自变量之间的多重共线性问题，将选用逐步回归模型对此问题进行解决，从而建立自变量对因变量的最优模型。
（二）logistic模型建立
管理费用率 = 管理费用/营业收入，是盈利能力指标中的一个。管理费用率的系数为正，并且指标显著，与财务危机发生概率正相关，这表示如果创业板上司公司的管理费用在营运收入中的比重过高，会导致该公司的盈利能力下降，企业财务危机的可能性加大。
营运指数 = 经营活动现金净流量/经营所得现金，营运指数反映的是企业现金回收的质量，在本模型中，该指标的系数为负，并且指标显著，表示该指标越大，企业发生危机的可能性越小，财务管理理论中该指标的理想数值为1，小于1说明公司有部分收益没有以现金的形式收回，非现金形式的收益比现金形式的收益对企业的风险要大，故营运指数越小，企业财务危机的可能性也越大。
董事、监事及高管前三名薪酬总额，该指标前系数为负，并且指标显著，表示模型中这个指标与公司财务危机发生概率成负向关系，这一指标衡量的是薪酬制度对于公司董事、监事、高管等的激励作用是否有效，模型指标显著且为负，表示在我国创业板上市公司给予高管、董事、监事高的薪酬可以激励他们更好的履行自己的职责，高管和董事能更好的合作经营公司，监事能更好的起到监督作用。
（三）模型有用性检测
新模型是否真的实用、合理，还需通过不在模型中的新样本来检验。本文共找出来46个样本公司，只用了42个样本公司来模拟新模型，新的4个样本公司将用来对模型进行检验。将指标数据运用EXCEL，计算可得实际组分类与预测组分类是一样的，即模型用新样本对logistic模型进行检验的正确率为100%，因此得第二个模型的实际适用性是很高的。
本文的研究主要存在以下几个方面的局限性，这也是后续研究应当努力解决的问题：
第一：创业板开板为2009年，至今仍只有5年时间，时间上过于短暂使得本文只能找到创业板上市公司发生危机的前一年的数据，只能对创业板公司发生危机的前一年进行分析，研究仍不完善。
第二：本文虽通过对创业板退市制度进行分析得出了23家触犯创业板退市制度的公司作为财务危机样本企业，但是23家这个数据仍太少。（作者单位：华南农业大学珠江学院）
参考文献：
上市公司财务危机预警研究范文6
文章选取我国制造业2014年4月沪深股市的61家ST公司和61家非ST公司为研究样本，运用熵权法，筛选出10个包含信息量多，并能准确预警的指标，通过这10个指标建立“因子分析”模型进行定量分析，得到财务危机预警函数（即为ST与非ST的判别函数），最后将测试组中60家公司的数据回代到预警函数中检验其判别率，判别率达到81.67%，具有较高的的判别正确率，说明文章建立的财务预警系统对于上市公司财务危机的预测与防范起到一定的作用。
关键词:
财务预警；熵权法；因子模型；判别函数
一、引言
（一）建立财务危机预警的意义制造业是我国国民经济的支柱产业，是我国经济增长的主导部门和经济转型的基础，是经济社会发展的重要依托，更是我国城镇就业的主要渠道和全球产业链的重要组成部分。在全球竞争条件下，我国制造业上市公司面临来自多方面的压力，尤其金融危机的影响，使得我国制造业上市公司陷入到财务风险和破产危险的可能性急剧上升，这不仅会对利益相关者造成损失，更会制约资本市场的稳定发展。故我国制造业上市公司要持续发展，必须警惕危机，正视危机，在经营活动中设立财务预警系统，进行经常性的分析和诊断。因此，本文将在对国内外有关财务预警研究的理论及模型的归纳、整理和评述的基础之上，来分析我国制造业上市公司财务预警研究的现状，以我国制造业上市公司为研究样本，构建财务预警指标，建立财务预警模型。
（二）国内外文献述评国外对财务预警的研究要早于国内，早在20世纪30年代国外学者就已开始了对财务预警的研究，历经了从单变量分析到多变量分析的过程。我国起步于20世纪80年代中后期，1986年吴世农、黄世忠首次介绍了企业破产的分析指标和预测模型。1990年佘廉等人从事了企业预警研究，并于1994年发表文章对企业预警管理进行了系统分析。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，并逐渐发展起来。单变量预警模型是指以某一项财务指标作为判别标准来判断企业是否处于破产状态的预测模型。财务预警研究最早就开始于1932年Fitzpatrick用统计方法开展的单变量破产预测研究。在众多预测公司财务危机困境的多变量模型中，最早亦最著名的当属美国纽约大学1968年Ed-wardAltman教授的Z-Score判定模型。即：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5。1996年国内学者周首华、杨济华对Z计分模型进行修正，提出了F分数模型。1999年国内学者陈静运用单变量分析方法和多元线性判别分析方法分别建立财务预警模型，并将两种财务预警模型进行比较研究。2003年杨淑娥在Z-score模型的基础上，通过运用统计学中的主成分分析法，构造了Y分数模型，该模型在用于财务预警检验的回判准确率大致为86%。
二、样本、指标的选取
（一）样本的选取本文在样本的选取上是根据2014年4月沪深股市公布的所有ST公司（根据1998年实施的股票上市规则，将对财务状况或其它状况出现异常的上市公司的股票交易进行特别处理(specialtreat-ment，简称ST)，其中ST股是指境内上市公司连续二年亏损，被进行特别处理的股票，*ST股是指境内上市公司连续三年亏损的股票）共90家中，抽取了本文需要研究的制造业中的61家公司，并根据同行业，同时期，规模相当（即非ST公司与相对应的ST公司的期末资产总额相差不超过150%）的配对原则，选取了61家与之相对应的非ST公司，共122家上市公司作为研究对象。只有在满足上述配对原则的情况下才使得研究样本之间具有可比性，分析更趋合理性，结果更具科学性。
（二）指标的选取本文指标数据主要来源于和讯财经网以及大智慧投资软件，通过数据的整理，剔除了个别的缺失值和特大异常值，并根据以下原则选取16个财务比率基础指标：1．全面性，在系统的构建中，所考虑纳入的指标应能全面揭示企业的财务风险，且各指标间具有较强的互补性。2．可比性，选取指标时，应注意评价指标口径范围和计算方法的纵向可比和横向可比原则。3．同趋势性，即是指标正向化，当财务比率增大时，表示财务状况的改善，反之财务比率减小时，表示财务状况的恶化。4．可获得性，采用上市公司财务报告披露的数据是可以获取的（和讯网、大智慧软件等）。指标体系具体如表1所示。以上财务比率指标体系，可以对上市公司的财务状况做出较为完整、客观的评价。但为了选取对ST公司和非ST公司区分能力强，包含信息多，权重更大，能准确预警的指标，下面采用“熵权法”对这16个指标进行筛选。
三、基于“熵权法”筛选财务指标体系模型
（一）本模型利用“熵权法”的基本原理本模型利用估计组中61个ST与61个非ST公司共16个财务基础比率指标，这些指标经过标准化，归一化处理后变成一个评价矩阵，计算出每个指标的信息熵，信息熵越大表明该指标有序程度越高，即该指标在该指标体系中差异小，信息熵越小表明指标在该指标体系中差异大，则该指标对于财务危机的预警这一决策起到的作用较大，可以被选用作为财务危机预警指标。
（二）指标的正向化和标准化设有n个公司，p个财务指标。为了模型研究的需要（即尽可能使每种能力中有一两个熵权大的指标来反映公司的财务状况），取阀值为0.015，当熵权大于0.015时则选入该研究指标体系，当熵权小于0.015时则退出该研究指标体系，通过比较得出最后的指标体系如图1。
四、基于“因子分析”模型分析
（一）因子分析的基本原理因子分析法是在尽量减少信息丢失的前提下，从众多指标中提取出少量的不相关指标，然后再根据贡献率定以权重，进而计算出综合得分，其计算结果更为准确、客观、操作性比较强。因子分析中有多种确定因子变量的方法，如基于主成分模型的主成分分析法、极大似然法、最小二乘法等，本文选取的是基于因子分析模型的主轴因子法。本文根据估计组中61家ST公司和61家同行业、规模相当的非ST公司作为样本，以“熵权法”筛选后的10个包含信息多，重要性更大的财务指标为基础建立的指标体系进行因子分析，最后得出因子综合得分函数—财务危机预警判别函数，并通过估计值综合因子得分值的排名表求出ST与非ST的分割值，作为判别公司财务与否出现危机的预警值，最后再选用测试组的样本进行回代，检验判别函数的判别正确率，从实证分析的角度为财务危机预警系统方法方面进行了初步的探讨。
（二）因子分析的求解过程下面对熵权筛选后的10个指标正向化后的数据（逆指标的正向化公式为yj=1-xj）通过统计分析软件SPSS17.0的运行，KMO检验和Bartlett检验的结果如表3所示。通过表3可以看出，KMO值为0.744，大于0.5；Bartlett检验的卡方统计量为1019.591，相伴概率为0.000，在给定0.1%的显著水平下，拒绝各指标变量的相关矩阵是单位阵的假设，即两种统计检验方法都揭示指标变量之间是高度相关的，因此适合作因子分析。求得变量的样本相关阵R的特征值λi，前m个因子方差贡献率如下表根据累积方差贡献率须大于85%的原则，由上表可看出前5个公因子的累积方差达到88.81%，这5个公因子包含88.81%的信息，确定以5个公因子做因子分析。初始因子载荷阵B0m，进行方差最大化旋转，求得旋转后的因子载荷阵BΓm，使得旋转后各因子载荷阵的各元素按列向0或1两级分化（初始因子载荷阵，旋转后各因子载荷阵，0~1分化表如表5）。根据以上矩阵运算得出61家ST跟61家非ST公司的因子F1，F2，F3，F4，F5的因子得分值，因子命名见表6。通过EXCEL对以上61家ST公司和61家非ST公司财务比率指标的综合因子得分值进行排名，取这61家公司的得分值的中位数作为本模型区分ST与非ST的分割值PS-财务危机预警值，通过得分排名可看出在第31与32位的公司的综合因子得分值分别为1.332，1.266，本模型取这两个数的平均值作为本模型区分ST与非ST的分割值PS-财务危机预警值为1.299。本模型用了10个指标进行因子分析，其中资产负债率是逆向指标，所以当要求出一个公司的综合因子得分值时，要先将公司的财务比率原始指标xij进行正向化，即资产负债率这个指标进行正向化（用yj=1-xj公式），然后将其正向化后的10个财务比率指标yij代入上面的判别函数中，若一家非ST公司的综合因子得分值大于且接近于分隔值PS-预警值，则说明该公司应该启动财务危机预警，调整经营战略，改善公司的财务状况，以避免被ST。
五、财务预警模型的检验
将测试组中60个ST跟60个非ST的10个正向化后的财务比率指标数据代入到上面的财务危机预警判别函数中，得到这60家公司10个指标的因子F1，F2，F3，F4，F5的得分值及综合因子F综的得分值。将以上得出的60家公司的综合因子得分值F综由大到小进行排名，若公司的综合因子得分值大于分割值PS-财务危机预警值（1.299），该公司被判断为非ST公司则说明判断是正确的，若公司的综合因子得分值小于分割值PS-财务危机预警值（1.299），该公司被判断为ST公司则说明判断是正确的。本研究中有4家ST公司的因子得分值大于分割值PS，错误判断数为4个，有7家非ST公司的因子得分值小于分割值PS，错误判断数为7，总的错误判断数为11，则正确判断有49家公司。判别率θ＝49/60≈81.67%检验结果显示模型的判别率达到了81.67%。说明当一家上市公司将以上10个正向化后的财务比率指标代入判别函数中，若大于分割值，则我们有81.67%的把握性说此公司为财务不存在危机，若小于分割值，则我们有81.67%的把握性说此公司财务存在危机，此模型对于ST跟非ST公司的判别率达到了81.67%。
六、结论
1.本文基于61家ST与61家非ST公司的16个财务比率基础指标，通过建立“熵权法”模型筛选出10个包含信息多，能准确预警的财务比率指标，接着利用“因子分析”模型求得估计组中61家公司的综合因子得分值，并根据综合因子得分排名确定ST与非ST分割值（即为财务危机预警值）及财务危机预警函数，最后将测试组的数据代入财务危机预警函数中，求得预警函数的判别率为81.67%，从而建立起了财务危机预警系统。
2.本文在进行“因子模型”分析的过程中用旋转后的因子载荷阵及特征值求得每家公司的综合因子得分值，结果更优，更准确，相对于其他论文用主成分法还有旋转前的载荷阵及特征值得分的结果更能准确预警一家公司的财务状况。
3.本文所选取的样本具有合理性和全面性，根据行业分类和总资产规模进行配对选择，模型中选取的财务比率指标具有较强的解释能力，能较好辨别财务危机公司及非财务危机公司的区别，但是此预测模型结论的准确性还受到上市公司财务数据真实性的影响，我国部分上市公司仍然存在操纵会计利润，粉饰财务报表的现象，故该模型的预测效果因此受到一定的影响。
参考文献：
[1]吴世农,黄世忠.企业破产的分析指标和预测模型[J].中国经济问题,1987(06).
[2]佘廉,张倩.企业预警管理的系统分析[J].中国工业经济研究,1994(11).
[3]FitzpatrickDA.AComparisonofRatiosofSuccessfulIndustrialEnterpriseswithThoseofFailedFirms[M].CertifiedPublicAccountant,1932(04).
[4]AltmanEI.FinancialRatios,Dis-criminateAnalysisandthePredictionofCorporateFailure[J].TheJournalofFinance,1968(04).
[5]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(08).
[6]陈静.上市公司财务恶化预测的实证分析[J].会计研究,1999(04).
[7]杨淑娥,徐伟刚.我国上市公司实证研究[J].中国软科学,2003(01).
