前言：中文期刊网精心挑选了财务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。
财务预警研究范文1
一、财务预警及其方法研究概述
财务预警是以财务及非财务信息为基础，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所实施的实时监控和预测警报。财务预警主要有统计预警、模型预警和指数预警三类方法，分别通过设置警兆指标、建立预警模型和构造指数体系进行警情分析和预报。
统计预警研究方面，主要集中在财务预警研究的早期阶段。Beaver（1966）提出较为成熟的单变量判定模型，Altman（1968）运用多变量判别法提出著名的Z值模型，周首华（1996）等在Z值模型的基础上创立了F分数模型。模型预警研究方面，预警模型从单一向多元化发展，从静态模型向动态模型发展。Ohlson（1980）最早采用Logistic模型进行财务预警，发现利用公司规模、资本结构、业绩和当前的融资能力等指标进行财务危机预测的准确率达到96.12%。Odom和Sharda（1990）首次将神经网络模型应用于企业财务危机预警，实证研究显示该模型的辨别率极高。杨淑娥等（2007）以上市公司被ST前两年和前三年的面板数据构建财务危机预警的BP神经网络模型，研究发现，该模型具有良好的中长期财务危机识别能力。陈磊等（2009）用时间序列判别分析的方法估计财务比率的演变过程，用指数加权移动平均控制图模型构建公司财务危机的动态预测模型，实践表明预测效果良好。孙晓琳等（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。指数预警研究方面，相对于前两种方法，目前的文献较少。张勇（2006）在回顾企业财务预警研究历程的基础上，提出将财务指数运用于财务预警中的观点，利用主成分分析法，对财务预警个体指数进行分析，建立房地产行业财务指数预警模型，测度样本企业的财务预警综合指数。张友棠（2008）认为指数预警是建立在统计预警和模型预警之上的一种以定量预警为主的综合性预警方法，提出了三维财务风险预警系统，从理论上阐述了三维财务风险预警指数的编制方法。
二、财务指标预警理论与实证研究
无论是采用哪种财务预警方法，财务指标都是财务预警研究中最基本的变量。不同类型的指标所含的信息量是不同的，因此，对财务危机预警指标的选择关系到财务危机预警模型的预测能力和效果。在财务预警指标体系的选择上，先后经历了传统财务指标、现金流量指标和与非财务指标相结合三个阶段，这三个阶段并没有明确的界限。
国内外学者早期的研究通常使用常规的财务指标，如负债比率、流动比率、净资产收益率和资产周转速度等，作为预测模型的变量进行财务危机预测。随着研究的发展，财务指标不断扩展，现金流量指标越来越受到重视，Beaver（1966）基于财务报表比率，对危机和正常企业的个别财务比率进行比较，认为资产收益率、资产负债率等4个指标具有较高的区别。Deakin（1972）的研究中较多的采用现金流量指标，如现金/负债、现金/总资产等。鲍新中（2007）把企业的现金流量从构成上分为经营活动、投资活动、筹资活动三个方面，然后从现金流量的数量性指标和效益性指标两个方面来选择预警指标。陈磊和任若恩（2009）采用Wann-Whieney检验和spearman相关系数剔除共线性指标，最终选择营业利润/主营业务收入、应收账款周转率、总资产对数增长率、固定资产/总资产4个财务指标。刘先伟和陶萍（2011）在反映企业财务状况7个类别的财务指标中，采用AIC信息准则进行辨别，各选一个指标，共7个财务指标作为预警模型的构建指标。
20世纪60年代后期开始，学者开始逐渐引入一些非财务指标应用于财务危机预警研究。Wiiliam在1968年的研究中加入股票收益率指标。研究发现，股票收益率指标和财务会计指标的预测并不完全同步，但综合这两种指标进行判断，有助于提高预测的准确率。Marquette（1980）认为大多数以财务比率为基础构建的预警模型将会因时间的推移而改变，判别效果也会退化。为改善这种状况，他建议在构建模型时将长期宏观经济指标考虑进去，如通货膨胀率、景气变动指标、利率、产业与经济之间的关系等指标。Elfoumi和Gueyie（2001）以1994-1998年间的92家加拿大公司为样本，以董事会的某些特征（如董事会中外部董事的比例、董事长和总经理是否兼任等）为变量进行研究，结果发现除财务指标外，企业董事会的构成与结构也可以解释企业的财务困境。姜秀华（2001）引入了股权集中度、管理层持股比例以及总经理持股比例等非财务变量；张建（2004）选用了董事会规模、董事长和总经理二位一体性、内部董事比例、高管人员持股比例、总经理持股比例、董事长持股比例、监事会规模、股权集中度、第一大股东持股比例等反映公司治理和股权结构的指标。目前来看，学者们在研究中所采用的非财务指标主要包括公司治理指标、股权结构指标、市场价值维度指标和宏观经济指标等。
综上，经过几十年的发展，基于财务指标构建的模型预警研究成果丰硕。然而，财务预警模型研究成果在现实中的应用并不乐观，财务预警模型的高判别率并未转化为现实中的高预测率。企业是一个开放性的经营实体，需要不断地与外界交换物质和信息并发生财务关系，以获取和配置资源，保障持续经营。因此，企业的财务危机除了受企业内部运营与管理的影响，还与外部宏观经济的波动密不可分。另外，财务预警是以财务及非财务信息为基础的，需要通过设置并观察一些敏感性预警指标的变化，才能对企业可能或者将要面临的财务危机进行实时监控和预测警报。当前，理论界已经充分认识到财务指数研究在发挥会计信息重大决策预警作用方面的重大学术价值，相比微观指标的使用，指数避免了主观因素的干扰，比较客观地反映上市公司财务状况的集中趋势；指数十分直观，易于使用，企业和其他利益相关者可以方便快捷的使用该指数判断企业面临的风险。
三、财务指数预警理论与实证研究
在财务预警研究的早期，主要借鉴企业破产理论或生命周期理论，综合运用数理统计技术对企业财务危机进行预警，即传统的统计预警方法，停留在"指标判别"预警上。近年来，随着财务预警研究的不断深入以及边缘统计学科的不断渗入，财务指数预警研究成为了一个新的研究热点。
截至二十世纪末，国内财务指数预警研究领域尚处一片空白，亟待学者们认真地加以研究。陈静宇（1993）探索性的将主要应用于宏观经济领域的经济景气分析与预测方法引入企业微观经济领域，运用移动平均比率法剔除时间序列的季节变动和部分随机变动因素，获得反映经济周期性波动的财务指标。显然，初期的企业经营周期波动及其预警主要停留在具体财务指标波动的预警上。21世纪以来，财务指数预警研究有了较快的发展。赵德武（2000）初创性的提出基于指数平均加权法编制财务经济指数对企业财务经济进行监测与预警。其基本原理是通过监测财务经济运行过程，识别其所处的景气状态，并预测财务经济运行过程可能的发展动向。
此后，国内关于上市公司财务指数预警的研究逐渐丰富起来。借鉴宏观景气监测理论，综合运用统计方法并以指数的形式反映，财务景气预警方法应运而生。陈磊（2004）在实证分析企业景气问卷调查结果的基础之上，分别建立了各景气调查指标的扩散指数（DI）和综合衡量企业景气状况变动的合成指数（CI）。然而，由于企业景气调查是基于企业家对企业运营情况和宏观经济发展态势做出的经验判断，虽然能够较为全面提供反映企业景气状况的丰富信息，但人为的判断主观性较大，降低了预警的效果。王恩德、高铁梅等（2006）运用数据仓库技术对数据进行了处理，参照陈磊（2004）的景气指数法特别针对中小工业企业研制了反映其经营状况的经济指数，传递预警信号。在此基础之上，张友棠、张勇（2006）进一步细分了财务景气预警系统，分别从行业环境及内部控制风险评估系统、财务景气监测系统和财务景气预警系统三个层面作预警分析。此外，张友棠、冯自钦、杨轶（2008）借鉴波士顿咨询集团业务组合矩阵的思想，采用指数预警矩阵的方法进行预警指数分析，对定量化预警指数数据进行处理和分析，达到预警风险和危机的目的。类似地，闵剑（2013）将战略地位与行动评价矩阵引入跨国投资风险监测预警，通过对风险指数多维度的探讨分析，矩阵思想在风险预警领域也作了非常有益的尝试。
综上，财务景气预警方法的运用主要依赖于扩散指数或合成指数的建立。但由于扩散指数在监测预警程度方面的不足，逐渐被合成指数所取代。当然合成指数预警也有自身的缺陷，这种缺陷表现为难以识别预警转折点上各因素之间的相互关联程度（黎春，2010），并且其编制过程繁琐难以广泛运用。此外，财务景气指数能够较好地监测企业财务状况波动情况，但预警的关键仍然在于预警临界值的准确选择，其预警效果有待进一步的探究。同时，可以发现矩阵思想在指数预警中的运用也即将把财务指数预警研究推向一个新的高度。
四、财务指数预警研究展望
财务指数预警的研究尚处在指数预警理论探讨和方法的尝试阶段，但不论采用何种方法编制指数进行监测预警，在宏观景气监测理论的基础之上探讨宏观经济波动与微观企业危机的相互关系存在可取之处。本文认为未来研究至少可以从以下几个方面进行拓展：
（一）宏观微观视角并重，开拓财务指数预警新领域
尽管会计严格假设企业的持续经营性质，但现实中不可避免存在企业因经营不善或处于企业发展的衰退期而导致破产清算。传统的财务预警主要基于企业生命周期理论与实务中的破产理论，由此对企业财务困境或危机的预警，也主要源于微观层面的经济预警。立足于宏观经济预警视角，拓展传统财务预警领域，充分实现宏观微观经济预警理论的结合，对深化财务指数预警研究颇具学术前景。
（二）突破财务危机研究样本的局限性，建立全样本指数研究体系
国内危机预警相关实证研究，大多基于上市公司是否被ST作为企业有无发生危机的判别标准，而企业的“财务危机”指的是企业缺乏足够的现金流偿付到期债务与利息的一种经济现象，这意味着陷入财务危机的企业完全可以是账面有盈利的企业。公司被ST只能理解为公司陷入财务困境所传递出的一个可能信号，财务危机与ST难以等同。因此，现行“两阶段划分法”研究样本存在较大的局限性，其依据的财务危机概念的内涵与外延并不统一，亟待建立全样本指数研究体系。
（三）分门别类，合理构建行业或区域专有的财务指数预警体系
同一财务指数预警体系对不同行业预警的判别效果差异明显，需要构建行业、区域各自的财务预警指数体系。原因有二：第一，由于各区域、各行业影响财务危机的因素大不相同，不同行业之间的财务指数自然存在巨大差异，这必然导致财务指数预警判别标准的紊乱，预测效果降低。第二，基于宏观经济理论建立的财务危机预警体系，由于各行业、地区间发展的不平衡以及行业间关联性较大（例如，房地产行业的兴起，或多或少带动了钢铁、水泥等行业的发展），导致行业发展存在“先导”行业或“滞后”行业之分，且各行业受到宏观经济政策不同程度的影响，若混为一谈，指数预警体系难以合理构建。
（四）结合非财务因素研究，充分把握财务危机产生的根源
利用财务指标构建模型是目前学术界关于财务危机预警研究的主流方法。但有学者认为财务指标充其量为企业财务营运水平的征兆，企业是一个开放性的经营实体，与外界不断地交换信息，同时需要不断的对外投资与融资实现拥有配置资源的权利，保持企业的持续经营。因此，包含宏观经济波动等在内的非财务因素是导致财务危机的原因之一。截至目前，国内外学者开始关注宏观经济波动等一系列非财务因素对财务危机的影响。Mensah（1984）基于总体经济景气因素（通货膨胀率、利率水平、商业周期）的影响程度，区分预警模型在不同经济景气时期的预警效果，发现加入总体经济景气因素能提高其预测能力。吴星泽（2011）突破使用财务指标进行预警的框架，明确提出了用非财务指标进行财务预警的非财务观理论。由此可见，未来的财务指数研究需要结合非财务因素对财务危机预警进行深入的探讨，以把握财务危机产生的根源。
（五）合理确定预警临界值
预警临界值的选择是构建财务指数预警的关键环节与难点。国内现有实证研究成果大多基于公司ST与否来判定财务预警的临界值。但在全样本指数预警体系中，预警临界值的确定变得更加复杂化，需要综合分析目标行业的影响因素后加以确定。而且，有必要在不同阶段应用不同的预警方法进行处理。首先，采用指标体系法对基础预警指标进行筛选。其次，运用财务预警模型确定警度，划分警限。最后，采用综合评分法对各指标进行科学赋值，综合评价与准确预警。在财务指数预警的大框架下，充分利用传统的统计预警、模型预警优势，同时借鉴矩阵预警现有成果，以确定最佳的预警临界值。
总之，财务指数预警体系的建立，不仅开拓了传统财务分析研究和传统财务危机预警研究视角，更是会计信息研究领域的重大突破。通过建立囊括个体指数、综合指数在内的多层次指数体系进行财务预警分析将是未来财务指数应用研究的方向。X
（注：本文系浙江省自然科学基金重点课题“基于宏观经济波动的财务指数预警体系及其应用研究”的阶段性成果；项目编号：Z13G020005）
参考文献：
1.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）.
2.陈静宇.企业经营的周期波动及其预警[J].重庆大学学报，1993，16：（4）.
3.陈磊.企业景气状况与宏观经济运行[J].管理世界，2004，（3）.
4.王恩德，梁云芳，孔宪丽，高铁梅.中国中小工业企业景气监测预警系统开发与应用[J].吉林大学社会科学学报，2006，46：（5）.
5.张友棠.财务预警系统管理研究[M].北京：中国人民大学出版社，2004.
6.闵剑.企业跨国投资风险预警指数及定位监控模型[J].财会通讯，2013，（1）.
财务预警研究范文2
我国教育改革带来了高等教育事业的发展，同时也出现了高校规模的扩张和教育投入不足之间的矛盾。为满足愈来愈多的新增学生的学习、生活需要，在财政支持力度相对减小的情况下，高校不得不利用信贷资金来解决这一矛盾。在利用信贷资金改善办学条件、加快高校基础设施和重点学科建设、提高高校人才培养的同时，财务风险也逐渐显现。因此，为防范与化解高校财务风险，探讨高校财务风险预警系统的构建具有重要的现实意义。
一、高校财务风险预警系统及其建立原则
高校财务风险是指在高校运营过程中因资金运动而面临的风险。高校财务风险预警系统则是在高校现有财务管理和会计核算基础上，设置一些科学化的敏感性财务预警指标和财务预警标准，监测高校实际财务状况偏离预警线的强弱程度，发出预警信号并采取有效措施控制风险的一种有组织的程序。建立预警系统的目的，就是要在高校现有的财务管理和会计核算基础上，采用合理、可比的原则，设置相关的量化指标，分析和评价高校办学资金使用的合理程度、财务管理水平和真实财力情况；通过该系统，找出高校之间存在的差距，及时揭示隐性问题，为各级领导的宏观决策提供客观的依据，并对高校财务运行中潜在的风险起到预警预报的作用，并采取措施规避和化解财务风险。
建立高等学校财务风险预警系统是为了满足学校自身及其他方面的管理需求，以求快捷、方便、准确、及时地了解财务运行状况，作为一项系统工程，在建立过程中应遵循一定的原则。
其一，预测性原则。系统对高等学校财务风险的监测要有分析发展趋势、预测未来的作用。高等学校的管理成效最终通过财务信息反映出来，预警系统要从众多的财务指标中选取一系列能敏锐反映高等学校财务状况且独立性高、补充性强的指标，运用数学方法测算出高等学校管理绩效的综合指数，从而让大家认识、了解高等学校的发展现状。
其二，统一性原则。高等学校财务风险预警系统应以现行的会计核算体系为基础，在收集信息的范围、方法、口径上应统一，以保证判定结果的可比、准确和连续。
其三，动态连续性原则。高等学校财务风险预警系统能及时预测风险出现的情况，发出警报，亮出红黄牌，但它监测的是高等学校一个动态连续的管理过程，系统也只有坚持动态连续性的原则，才能不断修正、补充，确保先进性，把握未来发展的趋势。
其四，实时性原则。高等学校要准确、及时地预防财务风险的发生，尽可能地减少或避免经济损失，就要求高等学校财务风险预警系统必须要敏捷、实时地采集信息，分析信息，判断信息，发出预警。
二、高校财务风险预警系统的构建
财务风险管理的一般程序是风险的识别、风险的测度和风险的控制。本文按照这个思路来构建高校财务预警系统，
高校财务预警系统是一个循环运行的系统。基本信息系统负责财务信息的收集，财务信息收集的对象主要是高校内部财务信息和外部信息，并形成一个资料系统，将所有资料传递给分析监测系统。分析监测系统是财务风险预警系统的核心，运用专门的财务预警模型，通过分析监测可以迅速排除对财务影响小的风险，从而将主要精力放在有可能造成重大影响的风险上，对其重点研究，分析出风险的原因，评估其可能造成的损失。风险控制系统应及时根据财务风险水平的高低制定相应的风险防范或化解策略，对财务风险回避、转移和承接。
（一）基本信息系统
良好的财务预警系统必须建立在对大量资料进行统计分析的基础上，形成基本信息系统。负责财务信息的收集和传递，这个系统应该是开放性的，不仅包括信息的输入，还包括信息的输出；不仅有财会人员提供的财会信息，更有其他渠道的信息。这里的会计信息系统不仅是指一般意义上的会计核算报告系统，还包括对会计资料的认真阅读、分析和评价，以及寻找高校潜在的财务风险并及时消除财务风险的工作。
（二）分析监测系统
分析监测系统是财务风险预警系统的核心，它以高校的财务报表及其他相关的资料为依据，通过定量分析与定性分析相结合的方法，对高校存在的风险做出判断，对风险水平达到或超过预警线的财务风险进行预警。定量分析主要是通过设计一套财务风险指标评价体系,来评估高校财务风险的。
1.建立高效财务风险指标评价体系
高等学校财务风险预警指标体系中最关键的是选择高敏感性的重点预警指标，以便预警指标体系能够全面、真实地反映高等学校所面临的财务风险的状况。根据高等学校财务活动的特点，其预警指标体系一般可分为四类：偿债能力指标、运营绩效指标、收益能力指标和发展潜力指标。考虑到财务风险的主要来源是负债，所以预警指标体系以偿债能力指标为主，运营绩效指标为辅，收益能力指标和发展潜力指标为补充。在具体指标的选择方面，各指标间应既相互补充，又不重复，尽可能全面综合地反映高校的财务状况。
（1）偿债能力指标。偿债能力反映高校偿还各种到期债务的能力，可选择资产负债率、流动比率、带息负债比率、长期负债占全部负债的比例、负债偿付率、可供周转月数等指标评价高校偿债能力。各指标具体说明如下：资产负债率=负债总额/资产总额×100%。资产负债率用于分析负债程度和财务风险的大小。从高校的性质来看，资产负债率保持在较低的比例上较为合适，高校资产负债率的警戒线为40%-60%。当高校资产负债率大于60%，就应该发出预警信号；资产负债率大于1，说明高校财务状况已严重恶化。流动比率=流动资产/流动负债。流动比率越高，偿还流动负债的能力就越强。高校流动比率为1.5较好，小于1.5则应发出预警；但比率过高，其偿债能力未必很强，反而会因为大量流动资产的占用影响到高校资金的运营效果。带息负债比率=（短期借款+一年内到期的长期借款+长期借款+应付利息）/负债总额×100%。带息负债比率表明：高校带息负债占全部负债的比例，带息负债比率越高，说明高校的财务负担越重，还本付息的压力越大。长期负债占全部负债的比例=长期负债总额/负债总额×100%。这一指标越少，表明高校还债的时间越紧迫，风险越大。负债偿付率=一定时期内还本付息总额/可用于偿还债务的收入×100%，负债偿付率将债务与收入结合起来，用来分析高校取得收入偿还债务的能力，比率越小说明偿债能力越强。可供周转月数=(年末银行存款+年末现金+年末借出款+年末债券投资+年末应收票据-年末借入款-年末应交税金）/学校全年支出总额/12。该指标值越大，表明支付能力越强。经费来源中稳定性、可靠性最强的渠道是国家拨款，而这些拨款一般是按季度下达，所以可供周转月数最好不要低于3个月。（2）运营绩效能力指标。高校资产和资金的使用是为了维持和发展高校教学、科研事业，如果不能完成既定目标，说明高校的资产和资金管理方面存在问题。可选择收入支出比率、生均学费收入支出比率、公用支出比率、固定资产增长率、自筹收入能力比率、应收及暂付款占年末流动资产的比重等指标来反映运营绩效能力。具体说明如下：收入支出比率=一定时期高校收入总额/一定时期高校支出总额。这一指标反映高校每一元支出有多少收入作保障，是衡量高校对资源的利用能力，指标值越大，说明高校自我支付能力越强，相对来说筹资风险越小，一般以0.5为宜。生均学费收入支出比率=生均学费收入数/生均支出数。该指标反映高校生均支出一元有多少生均学费收入作保障，是衡量高校学生交费补偿支出能力，指标值越大，说明高校动用其他经费补足学生支出的能力越强。公用支出比率=公用经费支出/事业支出，衡量事业支出的结构指标。公用支出比率反映高校合理安排资金的能力，指标值越大，说明高校用于发展投入的资金大。一般以0.5为宜。固定资产增长率=（固定资产总额-上年固定资产）/上年固定资产。该指标反映高校在设施建设及设备购置中所投入的资金，指标值越大，说明高校资产增长速度越快；但过高也会导致筹资风险增加。自筹收入能力比率=自筹收入/总收入。这一指标衡量高校在开源创收方面的能力，也是高校自身价值实现的体现，指标值越大，说明高校自我发展能力越强。应收及暂付款占年末流动资产的比重=应收及暂付款/（学校总资产-固定资产-无形资产），该指标反映了高校资金使用效益和财务管理水平，指标数值越大则财务风险越大。
（3）收益能力指标。在市场经济的发展进程中，高校必须适应社会主义市场经济的要求，开展全方位的社会服务，运用自身力量最大限度的获取最佳的办学效益。可选择总资产收入率、净资产收入率、投资收益率、职工人均纯贡献、合格学生生均教育成本等指标衡量高校收益能力。
（4）发展能力指标。发展能力反映高校持续发展能力，可选择资产权益比率、自有资金动用程度、其他资金占用程度、自有资金余额占年末货币资金的比重等指标反映高校发展能力。
2.定量分析和定性分析相结合
定量分析虽然是通过对财务报表进行分析、加工和处理来完成财务风险预警的，有其科学性和合理性，但这种方式也会受到不同高校条件差异、高校在不同时期影响因素的变化、评价时对评价指标的选择，以及高校对会计政策的选择等各种因素的影响，无法满足高校对财务风险预警的全面需要。而定性分析则是在财务报表分析的基础上，结合专业分析人员的经验判断，可以对定量分析的不足加以弥补。如当高校过度依赖贷款、总资产和收入急剧下降、过度大规模扩张、财务预测在较长时间不准确等情况，则预示着高校存在发生财务风险的可能性。为此，高校不但要通过定量分析来把握高校的发展趋势，而且要相应地结合定性分析来进行考量和判断。
（三）高校财务风险控制系统
风险控制系统就是针对分析检测系统对财务运作过程中存在的问题和隐患作出的预警，对不同的财务风险类型提供不同的有效控制措施。控制措施按其是否依靠外界帮助可分为两类：一类是将财务风险转移，另一类是将财务风险自行承接。高校对自身控制能力有限，即使可以控制，但控制的成本和代价太大的财务风险可以实施转移策略，如会同商业银行制定切实可行的还贷方案和多家银行组合实现贷款，向专业保险公司投保等。高校对不能转移的财务风险或自己有能力将损失控制在可容忍范围内的财务风险可以实施自行承接策略。自行承接的方式即制定相应的对策改善目前的财务状况，如加速应收账款的收回，节约开支，有效处理不良资产等。在制定好控制措施后，还应定期检查风险控制措施的实施效果，并根据整个系统的运行情况重新对财务风险评估系统作出的预警进行适当性、有效性、及时性的分析，并对基本信息系统的风险信息进行修正，从而将高校财务预警系统的三部分连成一个有机的整体。
财务预警研究范文3
【关键词】现金流量 财务风险 财务预警
一、财务风险预警的定义
财务风险预警是指为了防止企业财务运行偏离预期目标而建立的报警系统，即借助企业提供的财务报表与其他相关会计资料，对企业的日常经营活动进行预测，识别企业在经营管理活动中潜在的财务风险和经营风险，发出预警，使企业能够及时采取有效措施，起到未雨绸缪的作用。
国内关于财务预警的定义主要有以下几种观点：第一，财务预警是以企业信息为基础，对企业的日常经营管理活动中潜在的风险实施监控。第二，财务预警是以企业财务数据为基础，以财务指标为标准，反映企业财务状况的变化，并及时对出现财务数据异常的情况发出预警。第三，财务预警是以企业财务报表及相关资料为基础，将企业面临的财务风险和经营风险预先告知各利益相关者，并分析风险发生的原因以及运营过程隐藏的潜在漏洞，提前做好防范措施。这种观点是对财务风险预警比较综合的阐述，现被广泛采用。
二、国内外对财务风险预警模型的研究
国外对财务预警模型的研究起步较早，至今已达到比较成熟的阶段，我国对财务预警的研究多是建立在国外学者的研究基础上。总体来说，企业财务预警模型的演变大致可以划分为三个阶段：
（一）单变量预警模型的研究
Fitzpatrick（1932）首次运用单个财务比率作为变量进行财务危机预警，发现划分为破产企业和非破产企业两类的19家样本公司在经营失败前三年权益净利率和资本结构呈现出显著差异。
Beaver（1966）通过对79家配对企业的30个财务比率进行研究，最终得出可以有效预测财务风险的的财务比率依次为：债务保障率、资产负债率、资产收益率、资产安全率。其中，以债务保障率作为预警指标误判率最低。
陈静（1999）以上市公司为样本进行实证研究，选取了27家ST和非ST公司作为对比样本，分别进行了单变量分析和二类线性判定分析。得出了单变量模型中资产负债率和流动比率误判率最低和多元线性判定模型在ST-3年能较好预警的结论。
（二）多元线性判定模型的研究
Altman（1968）首先将多元线性判别法引入财务危机预警研究领域，他利用逐步多元鉴别分析逐步粹取5种最具共同预测能力的财务比率，建立起了一个类似回归方程式的鉴别函数――Z计分法模型。
Blum（1974）运用多元线性判别法构建了包括现金流量变量的财务危机预警模型，在财务危机发生前5年的预测准确率均超过70%。周首华和杨济华（1996）建立了F分数模型，如果企业的F值大于0.0274 则被预测为非破产公司，反之则为破产公司，该研究的判别准确率高于70%，不足在于研究样本选取的是国外公司。张玲（2000）以1998-1999年间深、沪交易所120家企业作为样本，运用线性判定分析对企业的财务风险预警进行了研究，结果显示预警模型的预测期超过4年。
多元线性判定模型预测精度更高，但对模型的应用有严格的假设前提，要求自变量服从标准正态分布，且要求等协方差。
（三）多元逻辑回归模型的研究
Martin（1977）首次采用多元逻辑回归分析方法建立财务危机预警模型进行预测，得出了多元逻辑回归模型优于Z 分数模型的结论。
Olson（1980）建立了3 个多元逻辑回归模型。他将1970-1976 年105 家破产公司和非配对的2058 家正常公司作为样本，研究结果表明公司规模、经营绩效、资本结构、以及流动性（流动、速动比率）等4个因素是影响企业财务危机的主要因素。陈晓（2000）以 38 家ST公司作为研究对象，运用多元逻辑回归模型，得出结论：负债权益比率、应收账款周转率的预测能力最强。
多元逻辑回归模型适用范围更广，但局限性在于模型计算过程复杂，且因涉及大量近似处理，会使模型的预测精度降低。
（四）多元概率回归模型的研究
Zmijewski最早把多元概率回归模型引入财务风险预警研究，多元概率回归模型要求样本必须服从标准正态分布，而多元逻辑回归模型无需严格的假设前提。其次，多元概率回归模型企业破产概率采用积分方法获得，而多元逻辑回归模型采用取对数方法获得。最后，多元概率回归模型采用线性回归方法求解参数a、b，而多元逻辑回归模型采用极大似然函数求解。
白承彪（2010）分别运用Logistic模型和Probit模型，对沪深两市2007年―2009年发生亏损的57家制造业企业及其配对企业进行对比分析，结果显示多元概率回归模型预测效果要优于多元逻辑回归模型。
（五）BP神经网络模型的研究
杨淑娥和黄礼（2005）选取120家上市企业作为样本，建立了基于截面财务指标的BP神经网络财务预警模型，预测精度达到90.8%。聂丽洁（2009）以我国制造业上市公司的数据为基础，采用因子分析法和逐步回归法对财务指标进行筛选，将处理结果作为变量输入BP神经网络模型，结果显示，基于筛选后的财务指标建立的BP 神经网络模型预测效果更胜一筹。BP神经网络模型由于不需要对企业财务状态进行主观判断，且不受变量性质的影响，因而相比其他分析模型而言预测效果最佳，但其原理抽象且复杂，不易理解和推广。
综上所述，国外关于财务预警的研究，主要以实证研究为主，以传统的财务指标为核心，较少考虑现金流量指标。我国关于财务预警的研究主要是在借鉴国外研究成果的基础上，利用上市公司财务报表中的数据建立相似的财务预警模型并进行验证，研究对象的界定是以企业财务状况是否异常为标准，财务预警模型中预警指标的选取主要基于传统财务指标，全部采用现金流指标作为预警指标的实证研究并不多。
三、基于现金流视角的财务预警模型存在的局限性
（一）样本数据的选取：财务预警研究使用的数据是上市公司的公开数据，目前上市公司数据失真现象广泛存在。除此之外，不同的生命周期，现金流量的特点是截然不同的，这一因素在很大程度上影响模型的精度。
（二）样本的选取：在财务风险预警模型的实证性研究中，大多数学者采用配对的抽样方法，即样本容量和对照组包含的容量相等。
（三）指标的选取：指标选取缺乏理论的依据，主观随意性大，而且变量选择不全面，如选取的现金指标不能包含非财务因素，事实上，非财务因素对企业财务状况的披露比财务因素可靠性、真实性更高。
（四）模型应用的前提：应用模型需要对样本数据有一定的假设要求。例如，多元判别模型、Z分数模型和ZETA模型要求样本数据服从标准正态分布；样本要服从等协方差，而现实中，可能无法完全满足假设，只能进行近似地处理，这可能对模型的精度产生一定的影响。
（五）财务预警模型自身不对预警指标的真伪进行鉴别。即财务预警模型的建立是基于财务信息真实的基础上，而当今财务信息的质量仍存在很大争议，建立在不真实财务信息上的模型不仅无法达到预警作用，还会给企业带来灾难。
四、研究展望
未来关于现金流量财务预警模型的研究可以从以下几个方面进行扩展：
（一）样本的选取进行细分。主要对行业的选取进行细分，通常，传统的显著性T检验不能对行业的差异进行区分，因而应建立一个较为全面的区分方法是我们接下来可以扩展的方面。
（二）研究方法上应同时采用定量研究与定型研究（如专家调查法、经验分析法、特尔斐法），建立定量研究与定性研究结合的模型，使财务预警模型的预测更加全面，可靠性程度更高。模型的建立方法上除采用统计类的预警研究方法，还应结合非统计类的预警研究方法。
（三）将生命周期理论纳入研究，考虑到企业处于不同生命周期现金流呈现不同特点，因此，未来研究可以针对不同生命周期阶段选择不同的现金流指标进行预测。
（四）模型中融入非财务指标。目前，国内外关于财务预警模型的建立大多基于财务指标，把非财务指标纳入考虑的较少，在今后的研究中可以从公司治理角度、股权结构、审计意见类型等非财务指标入手，丰富模型的全面性。
参考文献：
[1]陈静：《上市公司财务恶化预测的实证分析》[J]，《会计研究》，1999， （4）
[2]卢兴杰：《我国上市公司财务预警的实证研究》[J]， 财会月刊，2006，（1）
[3]佘廉：《企业预警管理论》[M]，石家庄，河北科学技术出版社，1999：2-5
[4]吴世农：《我国上市公司财务困境的预测模型研究》[J] ，经济研究，2001，（6）
[5]晏静：《现金流量信息功能研究：理论分析与实证》[M]，广州，暨南大学出版社，2004：36-48
[6]章之旺：《现金流量信息含量与财务困境预测》[J]，《 证券市场导报》，2004，（4）
[7]张友棠：《财务预警系统管理研究》[M] ，北京，中国人民大学出版社，2004：138-146
财务预警研究范文4
第一，对风险体系进行系统研究和分析，确立风险预警目标，确定所应对的风险分类和结构，建立明确的控制与管理对象。第二，选择适用的风险测评模式，确定风险预警子系统和中间控制过程，组建风险管理组织框架，选定测评专业人员。第三，建立风险控制指令和对风险处置的行为标准，建立风险预警信号采集和对应的测评体系，保证风险管理的连续性。第四，保证风险预警调节传导的有效运行，控制各个风险管理工具和手段的应用效果，建立一系列管理方案，提高风险防御能力。
二、财务风险预警机制的分析方法
企业在财务预警分析的时候，一般采用两种常用的分析方法。一是定性分析。它通过对企业的经济环境、经营状况和财务状况的判断和分析，预测企业发生财务危机的可能性，而这主要是靠分析人员的工作经验和判断力，很大程度上存在主观臆断性。二是定量分析。它通过将实际值与目标值进行对比，根据其差距发出不同程度的预警信息，或通过运用相应的数据图表分析来判断一些定量指标的变动趋势。定量预警分析法所得结论较精确，但可能不完整。它又包括单变量预警分析模型和多变量预警分析模型。
1.单变量预警分析模型
通过单个财务比率指标的走势变化来预测企业财务危机。但是由于任何一个企业的财务状况都是由多方面的财务指标来反映的，没有哪一个比率能概括企业的全貌，并且不同的企业的选取的数据不同，预测指标亦就不相同，得出的结论更是会千差万别。单变量预测模型最早是由威廉•比弗（William.Beaver）提出的债务保障率能够最好地判定企业的财务状况（误判率最低），其次是资产收益率和资产负债率，并且离经营失败日越近，误判率越低，预见性越强。后来经过众多学者、实务专家的研究，认为资金安全率也是一个非常实用的单变量指标。计算如下：债务保障率＝现金流量／债务总额；资产收益率＝净收益／资产总额；资产负债率＝负债总额／资产总额；资产安全率＝资产变现率－资产负债。
2.多变量预警模型
通过运用多种财务比率加权汇总而构成线性函数公式来预测财务危机的一种模型。相对于单变量模型而言，多变量预警模型运用多个财务指标衡量企业风险，多方位反映企业经营状态，揭示企业产、供、销各环节可能存在的风险，为管理决策提供帮助，能更全面，更系统反映集团财务风险。
三、构建财务风险预警机制的具体措施
财务预警研究范文5
1、企业财务预警概述
所谓财务预警，主要是指根据企业所提供的财务报表以及其他会计资料，利用金融、企业管理、市场营销等理论，对企业当前的经营状况和财务活动等工作进行全面、系统的分析预测，从而通过预测结果来发现企业发展过程中所面临的风险，并根据企业发展的实际情况，采取相应的措施规避风险，以此来避免这些风险发生而给企业带来的经济损失。就以往企业财务预警的分类来看，主要包括两种类型，即一元判别法和多元判别法。其中，一元判别法又称单变量模型，这种财务预警模型是以某个单项指标作为评判标准的预警模型，虽然能够在某些方法将企业的经营状况和财务活动反映出来，但由于评判标准存在片面性，因此，并不能全面的将财务特征的缺陷表现出来。多元判别法的出现将一元判别法的缺点进行的有效弥补，该预警模型主要是通过多元线性判别式产生判别分，并通过判别分来对企业的经营状况和财务活动进行全面分析、预测，从而得到最为全面的预测结果。但无论是一元判别法还是多元判别法，都无法突破线性判别方法的局限性，从而导致无法进行动态学习和调整。
为了更好的对企业财务预警模型进行完善，专家尝试将神经网络应用到预警模型中。所谓神经网络，是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。但是，这种方法需要大量的样本数据作为基础，一旦样本数据的数量达不到要求，那么就会直接影响到神经网络的推广能力。近年来，神经网络在企业财务预警中的应用越来越广泛，如何将其在财务预警中的作用充分发挥出来也成为了专家所面临的重大课题。
2、企业财务预警PCA―SVM模型构建与研究思路
本文所介绍的PCA―SVM模型的构建大致可以分为两个部分，即对数据进行主成分分析和利用SVM进行分类。其中，对数据进行主成分分析主要是在诸多变量中选取几个最具代表性、信息含量最丰富的变量作为主成分，然后对其进行分析并形成样本数据，这样做是为了尽可能减少数据分析时的复杂操作，从而将大量的数据简单化，从而为接下来的数据处理工作奠定基础。利用SVM进行分类实质上是一种统计学习方法，这种方法最适合小样本问题，是将空间中不可分问题通过非线性高换映射到高维线性可分的特征空间，并在此基础上进行分类。
3、实证研究及分析
为了更好的对财务预警PCA―SVM模型进行研究，本文选取了15家公司3年的财务报表和相关的会计资料作为基础数据，这些公司均为房地产公司，所要证实的内容主要包括2点：一是财务报表可以确保一定的真实性；二是以原始数据为主，可以尽可能避免不同分析方法所产生的误差。
3.1、原始比率变量分析
首先，提取主成分实现维数压缩，减小各输入值之间的相关性，在对15家公司的财务报告进行分析之后，发现整体原始数据上存在较大的冗余性，可以进行简化。同时，流动比率与速动比率之间存在较强的相关性，其他的几项指标之间也都存在着较大的相关性，比如说总资产周转率、净资产收益率和成本费用利润率等。相比之下，也有一些相关性比较弱的指标，比如说股东权益比率、存货周转率以及流动资产周转率等。
3.2、主成分选择及解释
表1所介绍的是主成分的特征值和贡献率，如果想要对表1中的5个主成分因子进行解释，就必须利用原始的财务数据，换句话说，原始数据域主成分因子之间存在着必然的联系。其中，主成分1需要由股东权益比率、主营业务利润率、成本费用利润率、净资产收益率以及总资产收益率解释；主成分2需要由流动比率、速动比率、资产负债率和负债权益比率解释；主成分3需要由负债权益比率、固定资产周转率和总资产周转率解释；主成分4需要由现金比率和主营业务毛利率解释；主成分5需要由应收账款周转率解释。
3.3、建立模型识别部分
从上文的分析我们已经得到了5个典型的数据样本，我们将主成分1到主成分5作为输入，以SVM作为模式识别工具。在实际操作中，我们以软件Maltalb6.5作为主要软件，采用SMO训练算法，结合DDAG实现多类划分。通过该实验的设计和实施，我们完成了两种分类，即二类划分和三类划分，划分的具体结果如表2和表3所示：
从表2我们能够看出，正常类样本100%正确识别，关注类样本100%正确识别，报警类测试样本被识别为关注。说明支撑向量机提取正常与关注的区别特征，并可利用这种特征进行正确的分类识别。证实了利用支撑向量机进行财务数据分类的可行性。
从表3我们能够看出，正常类样本全部正确识别；关注类样本有2个正确识别，1个误识为正常，一个误识为报警；报警类4个样本全部正确识别。由于企业样本自身分类的模糊性，关注类样本介于正常和报警类样本之间，此处测试结果在可接受范围之内。由于SVM的c类划分是由c（c一1）/2个2类SVM分类器组成，每个SVM只对其中的2类进行区别，可能出现无法正确区分的情况。
3.4、结果分析
从本文的分析我们可以得出以下结论：首先，利用SVM对提取的样本进行分类，可以有效克服以往财务预警模式在区分企业状态方法上线性判别的局限性，得到的最终结果要优于BP神经网络的结果。其次，从实验中我们也能够得知，一旦训练样本得以确定，那么BP神经网络便不能够有效提取不同类别企业的财务数据特征，从而无法实现对财务数据的有效分析和预测。最后，由于样本数量的绝对限制，PCA-SVM模型尚有一定缺陷，比如：准确率达不到100V%的正确，多类划分出现误差。但是，也可以看出，在相同样本数量条件下，多变量模型根本无法使用，BP神经网络也未能提取其分类特征，SVM在同等条件下达到的效果，也在我们可以接受的范围之内。PCA-SVM模型是将人工智能算法与传统方法结合构成新型专家系统的一次有效尝试。因此，在未来的时间里，我们需要不断对企业财务预警PCA―SVM模型进行不断优化与完善，尽可能将其尚有的缺陷弥补，从而使其作用能够在企业财务管理工作中充分发挥出来，提升企业的经济效益和社会效益。
财务预警研究范文6
一、财务危机的表现
财务危机是企业丧失偿付能力的一种经济现象。财务危机的表现是指企业发生财务危机的不同状态或类型,它是我们判断和识别财务危机的标志。从企业丧失偿付能力的角度考虑,财务危机的显性表现存在流量和存量两个方面。
1.从流量的角度是指企业资产负债表上总资产超过总负债,但由于财务管理技术失败使企业流动资金短缺,其现金流量不足以抵偿其到期债务。
2.从存量的角度是指企业现有资产价值不足偿还负债价值,即其账面净资产出现负数。此类财务危机称为经济性财务危机或者存量危机。
二、基于EVA的财务危机预警方法
企业财务危机的实质是因为企业财务关系失衡、紧张直至恶化的外在表现。最终都表现为企业丧失偿还到期债务的能力,无法支付到期债务或费用。目前财务危机预警研究一般都运用统计的方法建立财务危机预警模型,而要做到比较准确的进行财务危机预警,在进行预警分析时所采用的财务比率数据的性质则尤为重要。在研究过程中通常采用一些会计利润等传统的业绩衡量指标来进行分析。而随着经济的发展,由于传统的业绩衡量指标如税后净利润、每股收益和净资产收益率等,存在两个致命的缺陷:一是传统指标的计算没有扣除股本资本的成本,导致成本的计算不完全;二是传统指标的计算完全以会计报表信息为基础,而会计报表信息对公司财务状况和经营成果的反映本身就存在部分失真,因而导致传统业绩衡量指标越来越不能反映新经济环境下企业经营效益的全貌,传统业绩衡量指标作为财务预警的参照标准显得越来越不实用。为解决这一问题,本文将EVA的概念引入财务危机预警模型,提出采用EVA来代替会计利润进行财务危机预警的方法。
(一)样本选取。选择我国深沪两市2008年被ST的上市公司为样本,为了研究的需要,本文选取了与所选ST公司同行业、同时期且规模相近的非ST公司作为配对样本进行研究。“同行业”是指尽量使得控制组与原始样本组属于同一行业的明细板块,“同时期且规模相近”指的是上市公司与原始样本组的上市公司在相同的年度其资产规模相当。
财务危机企业选取ST中润、ST四环、ST大水、ST宇航、*ST锌业、ST阿继、*ST欣龙、*ST帝贤B、*ST雷伊B、ST东北高、*ST华光、ST金花、ST博信。
与其配对健康企业万方地产、西南证券、西水股份、钱江摩托、安泰科技、卧龙电气、新民科技、浪莎股份、美尔雅、重庆路桥、电广传媒、迪康药业、证通电子。
(二)变量的选择。变量的选择主要是传统财务数据,变量要能够反映企业的偿债能力、营运能力、收益能力、成长能力等。因此本文选择了如下表所示的指标:
财务危机预警分析变量:流动比率、速动比率、资产负债率、有形净值债务率、已获利息倍数、存货周转率、应收账款周转率、总资产周转率、每股收益、资产净利率、净资产收益率、每股收益增长率、总资产增长率、每股净资产增长率、每股现金流增长率、EVA、每元资产EVA率。
(三)变量统计描述。通过以上17个财务指标可以对上市公司的财务状况做出较为完整、客观的评价。但是由于过多的指标可能存在多重共线性问题,从而降低模型的预测能力,因此有必要对上述指标变量做进一步的筛选,选择那些区分能力最强的指标变量作为最后的建模依据。为了区分上述财务指标中那些能有效区别ST和非ST公司的指标,下面就26家样本公司分别对这17个财务指标进行了T检验。本研究进行数据处理时采用的软件是计量经济学软件SPSS13.00。
ST公司及其配对健康公司指标的T检验得出,VA、每元资产EVA率、流动比率、速动比率、资产负债率、有形净值债务率、存货周转率、应收账款周转率、总资产周转率、每股收益增长率以及每股净资产增长率的双尾检验的结果都低于0.05,说明ST公司与配对健康公司存在显著差异,因而成为我们分析的指标。为消除多重共线性的影响,根据相关性的大小,又剔除了EVA、速动比率、有形债务净值率、总资产周转率、应收账款周转率、每股净资产增长率六个指标,因此只剩下每元资产EVA率、流动比率、资产负债率、存货周转率、每股收益增长率五个指标,这五个指标对企业的财务危机预警有着较强的判别能力。
(四)Logistic回归分析
1.Logistic回归模型的建立。Logistic回归模型,是一种非线性概率模型,其因变量是分类变量,只有0和1两个取值。当因变量为0时表示上市公司陷入财务危机,当因变量取1时表示上市公司没有陷入财务危机。
