前言：中文期刊网精心挑选了企业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。
企业财务预警研究范文1
关键词 企业 财务风险 预警模型
一、引言
随着市场经济的不断发展完善，企业经营发展面临的外部竞争日趋激烈，同时所应对的风险问题也越发严重，尤其是在当前经济趋于下行时期，企业各类风险特别是财务风险问题频发，预警防范控制管理不当，很容易造成企业出现严重的财务危机。为了确保企业经营活动开展过程中各项管理工作的安全规范，促进企业健康稳定持续发展，必须在企业内部建立完善的财务风险预警体系，及时发现企业内部经营过程中的财务风险问题，进而采取有效的控制防范措施，为企业在复杂市场环境下的经营发展提供良好的基础条件，这也是企业管理工作的核心内容。
二、企业财务风险概念及其成因分析
财务风险主要是指企业在开展各项业务经营以及财务管理活动中，由于外部市场环境以及内部经营管理中的各种不确定因素，造成企业出现的财务状况不稳定的问题。企业的财务风险问题主要包含了筹资风险、投资风险、现金流以及连带财务风险等几类。按照现代企业管理理念，财务风险往往与企业的资本结构有着直接的关联，通常情况下，负债总额越高，财务风险问题也就越大。造成企业出现财务风险问题的原因从企业内部和外部环境分析，主要表现如下：
在企业的内部经营管理上，导致企业可能出现财务风险的问题主要有：企业的经营管理过程中，盈利能力较差，企业的成本投资难以实现相应的效益收入，整体运营管理能力较差；在财务工作方面，应收账款控制不力，存货周转率处理不合理，成本控制效果较差；企业的成长潜力较弱，发展能力不佳，难以支撑长期的经营发展；企业的内部控制管理机制不健全，在内部决策管理等各个方面存在较多漏洞和薄弱环节，论证决策流程不够科学合理，内部审计监督不及时等等。
在外部环境上，有可能导致企业出现财务风险的因素主要有：外部宏观经济环境的波动，特别是当前经济下行压力大，更易导致财务风险；国家相关产业政策调整，特别是金融信贷政策的变化波动等等，影响了企业的资金周转，或者是对企业的生产经营业务带来了不良影响，这些问题都有可能造成企业出现财务风险问题。
三、企业财务风险预警体系构建的基本原则
财务风险预警主要是指运用财务管理以及现代化企业管理理论，通过比率、比较以及因素分析等相关的分析手段，依靠对企业各类财务会计信息的分析，及时监测分析企业生产经营过程中可能出现的财务风险问题，为企业制定财务风险防范控制措施提供科学的参考依据。在企业内部构建财务风险预警体系应该重点遵循以下几项原则：
（1）有效性原则。在企业的财务风险预警体系的建设上，应该遵循科学、合理、有效的基本原则，特别是在财务风险预警指标的选取上，应该充分考虑企业所处行业的特点、企业自身的实际规模、政策要求以及内部管理情况等，确保整个财务风险预警体系能够真正发挥作用。
（2）可操作性的原则。一些企业财务风险预警体系失效的重要一方面原因就是由于财务风险预警指标选取不当，难以对财务风险数据进行定性定量分析。因此，提高企业财务风险预警体系的有效性，在财务风险预警指标的选取上，应该结合企业能够收集到的财务数据以及相关的财务会计信息等，合理地确定财务风险预警指标，提高可操作性。
（3）预测性的原则。造成企业出现财务风险的主要原因就是由于受到各种不确定因素的影响，因此在企业的财务风险预警体系的建设上，应该充分突出财务风险预警的准确预测功能，通过对各项财务会计信息数据以及财务指标的分析，及时发现企业风险点，进而指导企业科学合理地制定相应财务风险决策。
四、企业财务风险预警体系具体建设研究
（1）科学合理地选择财务风险预警指标。在企业财务风险预警指标的选择上，应该确保可以全面反映企业的财务状况以及可能出现的财务风险，同时又能够体现行业的特殊性，具有较强的可操作性与可比性。在财务指标的具体选择上，选择指标重点可以参考以下几方面：短期偿债能力指标，主要全面地反映企业、债权人以及投资者之间的权益关系，通常通过流动比率、现金比率、营运资金对资产总额比率等财务指标进行反映。长期偿债能力，主要是以资产负债率以及流动资产比率作为风险衡量指标。营运能力，主要反映企业运作企业内部各项流动以及非流动资产的能力，财务风险预警指标的选择上主要是以应收账款周转率、存货周转率、总资产周转率等指标。盈利能力指标，主要评价企业赢取利润的能力，通常以营业毛利率、营业利润率、资产报酬率、总资产净利润率、销售利润率、成本费用利润率等指标反映。成长能力指标，通常以总资产增长率、营业收入增长率来评价。现金流量指标，目的是为了评价分析企业现金流转能力及可能存在的风险问题，评价指标主要是每股经营活动现金净流量、现金流量比率、全部资产现金回收率等指标，也是企业财务风险预警的关键指标。通过合理地选择指标，为评价分析企业的财务风险提供良好的前提基础。
（2）财务风险预警指标权重确定及模型构建。在明确了企业的财务风险预警指标以后，需要进一步确定企业财务风险预警指标的权重。现阶段对于财务风险预警指标权重的确定，往往采取层次分析法来确定，并通过专家论证的方式，以确保各项指标权重赋值的科学合理。在完成指标权重的确定以后，应该结合企业的实际情况，通过统计分析软件，针对企业的财务风险管理建立相应的控制函数，准确地评价企业财务风险的不同等级，明确不同财务管理活动可能造成的财务风险隐患问题。
（3）优化企业的财务风险预警管理方法。在企业的财务风险预警管理过程中，应该尽可能地利用各种信息化的技术、信息管理手段和风险计量工具，依托财务风险预警模型等，建立风险实时监控系统和风险预警系统，第一时间掌握可能发生的财务风险问题。同时，在财务风险管理上应该尽可能地采取分类管理的模式，依靠财务风险预警指标进行监控，对于市场风险、流动性风险等可度量指标，依靠指标体系检测；对于操作风险、政策风险等不可度量的风险指标，依靠优化业务流程来实现，最大限度地提高企业财务风险预警效果。
（4）加强对企业财务风险的应对管理。在企业的财务风险应对管理上，首先应该建立畅通、高效的沟通机制，加强企业内部风险管理工作和业务工作的联系组织。企业内部生产经营、财务管理等各个部门应该及时就经营中存在的风险进行及时的相互沟通，并进一步制定完善的风险确认、评估的标准和方法及风险控制的操作流程，提高财务风险控制以及风险监督能力，进而实现降低财务风险发生可能性的目的。
五、结语
企业财务风险因素多种多样，为了控制财务风险问题，企业财务管理部门应该全面深入地总结可能造成企业财务风险的主要影响因素，合理地确定企业的财务风险预警指标，构建完善的财务风险预警体系，依靠科学合理的财务风险预警模型，防范各类财务风险问题的发生。
（作者单位为青岛公交集团市南巴士有限公司）
参考文献
[1] 陈燕，廖冠民.大股东行为、公司治理与财务危机[J].当代财经，2010（5）：14-17.
企业财务预警研究范文2
关键词：财务预警模型；Fisher二类判别模型；Logistic回归模型；BP网络模型；比较研究
中图分类号：F275 文献标识码：A 文章编号：1672-3198（2007）09-0163-02
1 研究样本的设计
财务预警模型的研究样本设计过程，主要包括如何确定陷入财务危机公司的样本组，如何确定作为配对标准的控制因素以及如何进行两组间样本个体数量分配的问题等。
（1）样本组的选择。
在选择样本组时，需要考虑以下几个因素的影响：
①考虑样本个体所处的行业。纵观陷入财务危机的公司所处行业，发现制造业公司占大多数。为了消除行业因素的影响，在具体的环境下对财务预警模型进行比较研究，把研究对象局限于制造业。
②确定陷入财务危机公司的一定研究期间。均衡地考虑样本规模的大小和时间跨度的影响，选取了2003-2005年因“财务状况异常”被ST的65家公司及65家财务健康公司作为配对样本。同时，采用了Altman的研究方法，控制进入样本的个体，使其在三年的分布大致平均。其中，2003年24家财务危机公司和24家财务健康公司，2004年18家财务危机公司和18家财务健康公司，2005年23家财务危机公司和23家财务健康公司。
③考虑公司规模。样本公司的规模虽然都在亿元以上，但是没有资产超过百亿元的超大型公司，规模配合比较适中。
④对样本数据完整性的要求。Zmijewski（1984）检验了由于选样时所持的数据完整性标准所带来的模型偏差。他认为前人的研究都将数据完整性作为选样的标准，实际破坏了建立预测模型过程中所采用统计技术的应用前提――随机选样的要求，而且一般陷入财务危机的公司更可能提供不完整的数据。建立在完整数据基础上的模型忽视这一信息，无疑会使模型低估了公司破产的概率。他的研究表明这种偏差的确存在，但经他修正以后的模型却未在参数的统计显著性和总体预测精度上有显著提高。因此，本文并没有按照随机选样的要求来选择样本，还是根据前人人为的可获取资料的完整性来作为样本选择的标准之一。
2003-2005年，在沪深A股上市公司制造业中，共有69家公司被ST，其中2003年27家，2004年19家，2005年23家（如果样本同时在两年内以ST的身份出现，归为第一年样本）。另外，剔除了4家数据不完整的公司，分别为ST金马、ST珠峰、ST金泰、ST盛工。
（2）配对组的选择。
①配对标准的控制因素。在制造业中，按照会计年度、资产规模（ST前1-5年期末资产总额最接近）配对的标准来选择一定的配对样本。
②两组间样本个体的数量分配。考虑到选样并没有显著的影响模型总体的预测精度，选择样本的时候仍然是按照两组间样本数量一一对应的标准来选取的。
根据上述选样标准，2003-2005年共有65家财务危机公司，ST前1-5年分别有65家财务健康公司与之配对。随机抽取45家财务危机公司（2003-2005每年各15个公司）和45家财务健康公司，作为建模样本，剩下的20家财务危机公司和20家财务健康公司作为预测样本。由于本文通过五次配对抽样得到五组财务健康公司样本，因而各组的财务健康公司不尽相同。
2 变量指标的选择
企业财务预警模型的理论基础相对比较薄弱，缺乏能够准确预测模型所应包括的变量指标的经济理论支持，所以目前该领域内的实证研究还处于初期探索的艰苦阶段。根据以往的研究，财务预警模型根据所用的变量指标类型不同可分为财务指标类模型、现金流量类模型和市场收益类模型。
在借鉴国内外已有文献，同时考虑数据的可获得性的前提下，初步确定了53个变量指标，分别反映了企业流动性及偿债能力、盈利能力、营运能力、发展能力和现金流量等方面。部分变量指标直接来自中国股票市场交易数据库，部分是数据库中的三张财务报表计算得出的。
3 模型的建立与检验
（1）Fisher二类判别模型的建立与检验。
①异常值的处理。本文采用标准化数值（Z分数）来检测异常值，剔除了Z分数小于-3或大于+3的值。
②柯尔莫哥洛夫-米诺夫（K-S）检验。通过单样本的K-S检验来验证变量指标是否符合正态分布，检验结果表明：部分指标符合正态分布，部分指标不符合正态分布。
③曼-惠特尼-威尔科克森（MWW）检验。根据样本数据的特征，采用MWW非参数检验法来分析财务危机公司和财务健康公司的53个变量指标总体分布是否相同。检验结果表明：
④方差-协方差相等的检验（BoxM检验）。在0.000的显著性水平上拒绝了总体协方差阵相等的零假设。因此，采用合并的方差-协方差阵进行判别分析。
⑤逐步判别分析（多重共线性）。采用容许度（TOL）统计量检验多重共线性，TOL统计量值都大于0.1，说明进入模型的六个变量不具有多重共线性。
⑥Fisher二类判别模型的建立。
⑦Fisher二类判别模型的拟合优度检验。
使用Fisher二类线性判别模型，以原始数据分别进行回代，组合的平均Z值分别是2.468和-2.139。确定的先验概率为0.5，所以确定最佳判定点为两者的平均值0.1645。
当以原始数据代入判别模型所得的判别分Z值大于最佳判定点0.1645，则判定为组合0，即财务健康公司；否则判定为组合1，即财务危机公司。Wilkλ值为0.1540，较小；显著性水平为0.0000，拒绝两组判别函数均值相等的零假设；说明此Fisher二类判别函数模型拟合较好。
⑧Fisher二类判别模型的预测结果。
在ST前1年，采用Fisher二类判别模型，选择进行建模的样本组，预测准确率为92.7%；留作预测的样本组，预测准确率为91.9%；选择进行交互式检验的样本组，预测准确率为91.5%。
同理，对ST前2-5年分别建立了Fisher二类判别模型，并进行了检验。最后得出，ST前1-5年，Fisher二类判别模型的预测准确率分别为91.9%，87.5%，72.5%，72.5%，63.4%；离ST时间越近，预测准确率越高；具有提前4年的预测能力。
（2）Logistic回归模型的建立与检验。
①Logistic回归模型的建立。
Fisher二类判别模型中筛选的变量指标已进行了多重共线性检验，不存在多重共线性；因变量被分为两组分别为组1和组0；样本数量远远大于参数个数，符合Logistic回归模型的适用条件。采用Fisher二类判别模型中筛选的变量指标，分别建立ST前1-5年的Logistic回归模型。
②Logistic回归模型的拟合优度检验。在SPSS的Logistic回归程序中，输出的-2LL值为23.672，较小，说明所建模型拟合较好。Hosmer and Lemeshow Test统计量大于0.05，接受观测数据和预测数据之间没有显著差异的零假设，即认为模型对数据的拟合度较好。
③Logistic回归模型的预测准确性检验。Cox & Snell R2，Nagel ker ke R 解释的是回归变异，值分别为0.666和0.888，说明自变量对因变量具有很强的解释能力。
④Logistic回归模型的Χ2检验。本文仅考虑到两种模型：仅包含常数项的模型和包含常数项与6个变量的模型，所以三种模型的卡方值全部相同。整体显著性水平检验的P值为0.000，说明模型中所包含的自变量对因变量有显著的解释能力，所拟合的方程具有统计学意义。
⑤Logistic回归模型的预测结果。在ST前1年采用Logistic回归模型，建模样本达到93.9%的预测准确率，预测样本达到91.9%的预测准确率。
同理，对ST前2-5年建立Logistic回归模型并进行检验，得出预测准确率分别为94.6%，70%，71.8%，69.2%。这说明此模型具有提前五年的预警能力。但是，出现ST前2年的预警能力比ST前1年高、ST前4年的预警能力比ST前3年高的异常现象，说明Logistic回归模型的预测不稳定，可能是由于建模样本与预测样本选择的随机性所致。
（3）BP网络模型的建立与检验。
本文建立了一个输入层、两个隐层和一个输出层的BP网络模型。其中，输入层有6个结点，第一个隐层有3个结点，第二个隐层有2个结点，输出层有1个结点。指定学习参数r=0.1，对ST前1年的90个建模样本进行训练，经过1483次训练结束，得到各结点之间的权数。
ST前1年，训练样本达到96.67%的预测准确率，学习样本达到95%的预测准确率。ST前2年，有3个指标进入模型；ST前3-5年，只有两个指标进入模型。这样，输入层结点过少，导致隐藏层没有存在的必要，从而使得神经网络模型线性化。在原来进入模型的变量指标基础之上，又进行了定性分析，分别加入了几个指标，使得每年的输入层都保持与ST前1年相同的6个结点。ST前2年，训练样本达到93.33%的预测准确率，学习样本达到85%的预测准确率。对于ST前3-5年数据，不管学习参数如何设定，训练样本都很难收敛，说明再用神经网络建立财务预警模型意义不大。
4 预测结果的比较
ST前1年，Fisher二类判别模型、Logistic回归模型和BP网络模型的预测准确率分别为91.9%，91.9%，95%，说明BP网络模型具有最强的预测能力。ST前2年，三种模型的预测准确率分别为87.5%，94.6%，85%，说明Logistic回归模型具有最强的预测能力。ST前3年、前4年，Fisher二类判别模型比Logistic回归模型具有更好的预测能力。ST前5年，Fisher二类判别模型和Logistic回归模型的预测准确率都低于70%，预测能力有限。
参考文献
［1］Fitzpatrick. A Comparison of Ratios of Successful Industrial Enterprises with those of Failed Firms. Certified Public Accountant, 1932,（4）:598-662.
［2］Beaver W. Financial Ratios as Predictors of Failure［J］. Journal of Accounting Research, 1966：71-111.
［3］Altman E. Financial Ratios, Discriminant Analysic and the Prediction of Corporate Bankruptcy［J］.The Journal of Finance, 1968,（9）:589-609.
［4］陈晓，陈治鸿. 中国上市公司的财务困境预测［J］. 中国会计与财务研究，2000,（3）：55-75.
企业财务预警研究范文3
关键词：企业财务危机预警 动态管控框架
一、相关概述
企业的财务危机始终都伴随着企业的生产经营过程，在实际运营过程中财务问题及经营问题都始终伴随着企业的各个环节，财务危机的表现形式有多种多样，主要是流动资金不足、权益不足、流动性不足以及债务拖欠等几个方面，这些都可能导致企业在正常的经济业务时受到阻碍，甚至于发生除非企业进行大规模的重组，否则难以有效化解危机及困难的局面。而且，在财务危机的诸多因素中，较弱的公司治理结构往往会导致上市企业发生较为严重的财务危机，财务危机通常就会成为公司治理结构比较薄弱的表现，正是基于这一原因，强化财务危机管理具有重要意义。
财务危机作为一种能够严重干扰企业正常发展、影响企业价值的经济困境，通常会导致企业财务持续亏损或者严重亏损，进而无法正常支付企业费用及债务，在这种情况下，企业自身的持续经营能力、盈利能力及偿债能力都会遭受很大的丧失和削弱，并进一步导致企业破产，价值受损，是企业处于经营困难的处境。
二、企业财务危机机理研究
财务危机的出现并不是偶然的，它的形成和发展需要经历一个累积的过程，它是企业在自身的经营过程中，依次经历危机潜伏、危机形成、危机发展以及破产和恢复的一系列过程，正因为如此，企业财务危机常常具有渐进性、突变性、综合性、可逆性以及后果严重性的特点。并在发生的过程中出现多种征兆，这些征兆是多种多样的，始终贯穿于企业的生产、经营、管理以及财务的各个方面和阶段。
总的来讲，企业的财务危机主要表现为以下几个方面：首先是企业的利润质量比较低，甚至于发生严重的亏损，其次是企业的资源浪费情况严重，资源使用效率低下甚至无效，企业自身的财务状况及经营状况发生明显的恶化，企业的资金短缺等。
由此可以发现，企业的财务危机始终都伴随着企业的生产经营过程，在实际运营过程中财务问题及经营问题都始终伴随着企业的各个环节，财务危机的因子早已在生产中潜伏着，企业发生财务危机实际上是危机因子不断扩大的结果。正是由于企业生产经营自身所具有的变化性及动态性，企业的财务危机在反应及预防方面也就增加了难度，这使得企业财务危机动态预警成为日常管理中的重要内容。
三、企业财务危机预警动态管控框架构建
企业建立财务危机预警动态管控框架应当结合企业自身的管理和经营特点以及企业的资源状况，同时还应当满足成本效益原则、动态管控原则、开放性原则等，而且还要确保财务危机预警动态框架具有较强的可操作性。这就要求企业在建立相应的危机预警管控框架时有效分析企业发生财务危机的种种原因，以便做到管控框架的有效性。
中小企业财务危机预警的内部环境是企业财务危机管控的重要因素，这是因为企业的生产经营离不开具体的经济环境，正是由于各种因素共同形成的资源集合体，使得企业的经营在很大程度上受制于内部环境因素，良好的内部经营环境对于财务危机预警具有重要意义。
企业财务危机预警动态管控模型的构建要从战略管控、经营管控、作业实时管控等环节，从战略层面、经营层面及作业层面来强化分析管控，具体来讲，可以分为中长期财务预警、短期财务预警及动态财务预警等。
首先，企业财务危机预警动态管控框架第一阶段：经营预警
在这一阶段，要明确企业进行危机预警的经营环境，包括内部经营环境、外部经营环境等，以此来处理好企业经营风险、财务风险跟企业经营环境之间的互动关系，理顺三者之间的关系。而且在实际的管控过程中，需要明确管控的重点环节及方面，这里面主要涉及了生产方面、采购方面、营销方面等。针对具体的流程，进一步实现简化和有效管控，实现企业在生产经营中的产购销各个环节的有效良好衔接，根据企业的生产实际及管理水平对业务流程实现动态管理。
其次，企业财务危机预警动态管控框架第二阶段：财务指标预警
在财务阶段，量化的指标就是财务危机预警的指标，这要求企业按照内部环境及外部环境分析作为预警指导，将企业财务报表分析作为预警的切入点，将各财务数据加工和分析，及时转化为有用的财务数据和信息。具体来讲要重点分析企业偿债能力预警指标、营运能力预警指标、盈利能力预警指标、发展能力预警指标等，同时还应当重点分析现金流量预警指标，准确把握分析重点。
再次，企业财务危机预警动态管控框架第三阶段：实现两阶段的一体化结合及动态化管控
管理层需要针对企业所表现出的警报或者警示信息作出合理科学判断，并针对具体的财务危机提出措施、有效执行。企业的财务危机预警动态管控框架总体上就是反应——执行——纠正的持续过程，在这一动态管控框架下，企业需要强化自身危机意识，重视企业财务危机预警管控的作用及积极意义，同时针对不同的危机定期不定期地进行分类预警，以此有效把握危机动向，强化危机处理，重点控制好关键环节和关键流程。
总的来讲，企业财务危机预警动态管控框架需要将企业的财务阶段及经营阶段的关键环节进行有机整合，做到财务危机预警框架的动态管理和及时更新，逐步建立健全企业财务危机预警管框框架的内容及要素，并且在实际的危机预警管控过程中要逐步强化管控过程的综合性及合一性，避免单独或者割裂地执行管控的某一个环节，做到动态管控过程的相互联系和相互影响，提升企业财务危机预警动态管控过程效率及效果。
参考文献：
[1]杨淑娥.企业财务危机预警的经济动因与循环机理剖析[J].会计之友（下旬刊）. 2006（01）
[2]马军生.内部控制十大漏洞[J].企业管理. 2010（01）
[3]罗雁，赵红，陈绍愿.企业成长危机演变机制及其调控策略[J].商业时代. 2009（03）
[4]谭慧洁，刘耀中.危机管理中组织结构的构建[J].商业时代. 2007（03）
企业财务预警研究范文4
一、企业财务危机预警系统构建方法
企业财务危机预警系统构建有两种方法，即定量分析法和定性分析法。
（一）定量分析法
定量分析法是以财务指标为基础的比率分析。财务数据与企业价值及财务状况密切相关，是企业财务状况的量化表现，其中财务指标在某些方面反映的信息比企业财务会计报告中的绝对数信息更为重要，因而财务指标可以作为预测企业经济前景的计量指标。企业发生财务危机要经历一个从量变到质变的渐进发展过程，这种渐进发展情况必然会通过一些财务指标的变化体现出来。因此要准确测度企业财务状况和预测警情，从大量的财务因子中选好财务指标是关键。
目前建立预警系统的模式主要有以下两种：
1.单变量模型。它是通过单个财务比率的变化趋势来预测财务危机可能性的模式。
根据财务预警指标选择的原则，可从以下三个方面来确定财务预警指标：
（1）偿债能力。从偿债能力上来预测企业发生财务危机的可能性是极为重要的。企业发生财务危机的最直接表现就是丧失现金流上的支付能力，反映为资产的变现力差，现金总流人小于现金总流出，即现金净流量为负值。一般来说，一个企业的资产流动性越大，其偿还负债的能力越强。一般包括以下指标：流动比率、速动比率、应收帐款周转率、存货周转率、有形净值债务率、利息保障倍数。
（2）获利能力。盈利是企业偿债和信用的保障，从长远的观点来看，一个企业只有经营前景和盈利能力良好，才会远离财务危机。一般来说，企业盈利能力越强，对外筹资能力和偿债能力也越强，发生财务危机的可能性就越小。因此从反映盈利方面的财务指标的变化来预测财务危机也是极为重要的。主要指标有：销售净利润率、成本费用利润率、总资产报酬率。
（3）发展能力。反映企业积累能力和可持续发展能力。该指标越大，反映企业资本越充实和越壮大，企业利用证券市场来融资的功能越强，财务危机越不易发生。这方面的指标有：销售增长率、资本保值增值率。
建立的思路是：首先确定好以上三方面的财务指标，然后设定出这些指标的判别标准。设定判别标准时要考虑企业经营状况、经营性质、行业平均发展水平以及行业以往经验等因素，并据实际变化不断对之进行修正。当某指标达到判别标准时，可预示财务警情发生。但这种模式存在局限性，由于每一指标只反映财务状况的某一方面，容易导致不同指标判断的矛盾。
2.多变量模型。它是运用多种财务指标加权汇总产生的总判别值来预测财务危机可能性的模式。它利用会计系统固有的平衡特性，将相互联系的多个财务指标有机结合，建立一个多元线型函数模型来综合反映企业财务风险情况，以消除个别指标在评价企业财务状况方面的缺陷。目前国外实践中影响较大、较为有效的多变量预测模型是Z指标模型。Z指标模型是1968年美国学者奥特曼（Altiman）采用统计学中的判别分析法构造的用五项财务指标的加权平均数计算的预测破产的量化模型。判别函数为：
Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5.
其中X1=营运资产/总资产，X2=留存收益/总资产，X3=息税前利润/总资产，X4=权益的市场价值/债务的帐面价值，X5=销售额/总资产。
当Z值大于2.675时，表明企业财务状况良好，Z值在1.81与2.675之间，表明企业财务状况极不稳定，Z值小于1.81时，则表明企业存在很大的破产风险。Z指标模型预测企业未来一年内破产的准确性约为90%，两年内的准确性约为80%，但对于两年期以上的破产预测作用不大。
多变量模型中几乎包括了所有预测能力很强的指标，舍弃了一些不重要的因素，并且应用十分方便，克服了单变量模式需要很多指标和需对比分析，并要求分析人员具有很高专业水平的缺陷。但其变量和判别标准的确定却很困难。
（二）定性分析法
利用一些财务指标直接分析或构建模型来预测企业财务危机发生的可能性只是整个财务预警系统的一个方面，由于一些难以量化的非财务信息也是影响企业持续经营能力的不可忽视的重要因素，因此在财务危机预警中除进行定量分析外，还应结合一些相关的非财务因素进行定性分析，充分估计各种不利因素对企业财务状况的影响，以更好地预测财务危机发生的可能。可以从以下几方面来进行：
1.宏观经济环境。一般地说，国家政治稳定，政策优惠，经济繁荣，会有利于企业的经营发展。而经济环境变化、国家经济政策调整会直接或间接地对企业产生影响。如通货膨胀时期，利率提高会增加借款企业的利息负担，不利于其经营。此外国家的财政税收政策、产业政策等变化也会对企业经营发生影响。
2.行业特征。行业不同，财务风险是不同的。例如，有些行业与其他行业联系紧密，其市场需求易受其他行业的盛衰影响，财务风险就较大。又如有些高科技产业，具有高投入、高产出和高效益的特点，同时也存在高风险的不利之处。此外，同一行业所处发展阶段不同，财务风险也不会相同。处在行业成长上升阶段的企业，风险小些，而在成熟和衰退阶段，风险就大些。
3.市场状况。企业的产品价格、技术、质量符合市场需求，对路热销或竞争对手少，风险就小。反之，风险就大。
4.企业经营方式。企业经营品种单一，经营范围狭窄，一旦市场情况有变，企业难以适应，发生财务危机的可能性就大。
5.企业管理水平。缺乏管理经验、管理素质低下是造成企业财务危机的主要原因。管理水平高的企业，各项制度健全，系统运转良好，功能充分发挥，财务状况良好，因而发生财务危机的可能性小。此外管理上如能对外界市场条件的变化做出迅速、有效的反应调整，企业往往能成功避免财务危机的发生。
二、积极推进中国企业财务危机预警系统的构建
我国关于财务危机预警的研究主要在借鉴西方研究成果的基础上形成。从目前的情况看，结合国情对单变量模式的理论研究比较多而深入，而在多变量模式预警方面的研究基本上很少。如前所述，单变量模式具有局限性，多变量模式是较单变量模式更适宜的预测企业财务危机的方式，目前在国际上应用较广，我国今后的研究趋势也将是多变量模式研究。考虑到我国和西方的社会经济背景不同，我国的市场经济还不成熟，相关法律也不健全，所以奥特曼的Z指标模型不适合我国国情，不能简单机械地在我国运用。但由于中国企业与美国企业作为微观经济主体有着相同的经济内核，因此，奥特曼的模型虽然是以美国公司为样本分析得出，其思想应该可以为构建我国企业破产预测模型所运用。可以在该模型的基础上结合我国的经济与文化环境对之加以改进。
目前建立符合我国经济实际的财务危机预警多变量模型的条件基本具备，一是因为随着市场经济体制改革的不断深化、《企业破产法》的颁布及破产机制的健全，发生破产的企业越来越多，为我国各行业的企业数据库提供了大量建模所需的数据。二是随着企业会计准则和具体会计准则的颁布实施，随着我国加入WTO后的会计行业竞争的加剧以及注册会计师行业的逐步成熟和会计实务的规模化，企业公布的会计数据的真实可信性也将大为提高。建立我国财务危机预警模型应基于不同行业的数据库，选取大量的破产企业和非破产企业作为样本，按Z指标模型的建立思路构建我国不同行业的危机预测模型。随市场经济的纵深发展，模型变量的构成和系数值、判断标准会随时间而变化，应定期重新估计模型方程，以确保反映的是最新情况。除定量分析外，还应结合一些无法用数据揭示的社会因素来进行定性分析。
此外，还应说明的是，奥特曼的Z指标模型在指标选择上还存在一些局限性，如未考虑现金流量这一预测财务危机的有效变量，也没有体现出反映宏观经济环境的变量如利息率、失业率等，影响了预测的准确性。这些在构建我国的财务危机预警模型中应该引起注意。
还有，上面介绍的定性分析法也很重要，各企业也要根据自身的情况选用，并加以认真地分析研究，以作为对模型结论的修正和补充，以使所得结论更加正确和更加科学。
参考文献
[1]张凤娜，张 进。财务失败预警分析[J].现代会计，2001（1）。
企业财务预警研究范文5
关键词：交通运输企业 财务指标 财务风险 财务风险预警
一、引言
交通运输业是现代国民经济的基础设施行业，具有着完全竞争与部分行业垄断相结合、社会意义较为重要的特征。由于市场瞬息万变和难以预测、客观环境复杂以及管理者素质水平有限，均使得风险常常存在，财务风险也随之应运而生。这些风险是：（1）筹资风险。目前交通运输企业投资主要来源于外部融资。外部筹资包括股权筹资与借贷筹资两种形式。目前国内交通运输类上市公司只有77家，因此，交通运输类企业主要是以借贷融资的方式来筹集资金，而如果借入的资金不能够产生预期经济效益，就会导致交通运输企业集团不能够按时还本付息，使得企业集团可能付出更高的代价，甚至于陷入到破产倒闭的财务危机之中。（2）投资风险。即企业集团投入了一定资金后，因市场环境变化等多因素影响，最终导致实际收益与预期收益发生了偏离进而造成的损失。它主导着资金循环过程中所有风险，制约着财务风险中其它类型风险的发生及其发展程度。投资风险包括两部分，一部分来自于短期投资，一部分来于自长期投资，其中比较重要的是长期投资风险。如高速公路的BOT项目，项目建设期、竣工期大大晚于预期；不能够完成项目的建设或完成的项目不能够达到预期的设计标准，施工的成本超过预算的成本，这些均可能导致企业面临巨大的投资风险，甚至可能使一个企业陷人严重的财务危机中。（3）资金回笼风险。在公司开始经营运转的过程中，投入的资金会以各种各样的形式出现，因此存在着技术和经济贬值的风险。如国内的货物运输企业为了扩大市场占有率，通常会先提供货物运输服务，然后再与客户定期结算，这样更容易保留稳定客户，但随之便产生了各种应收款项，增加了坏账发生的可能性，进而加大了资金回收的风险。（4）外汇风险。交通运输企业集团所而临的外汇风险：一是经济风险，即企业集团在向国外销售或购买商品、劳务时，会由于不利的汇率变动使成本增加或收入减少的风险。这种风险发生于汇率变动之后，其特点是具有长期性和持续性。二是交易风险，即从交易达成时起到款项支付或收讫的这段时间产生的风险，它在汇率变动之前产生，于汇率变动之后结束。三是折算风险，即企业集团的母公司，在编制用外币计量的子公司合并财务报表时所产生的风险，这种风险和交易风险一样，在汇率变动的时侯已经成型，是一次性的风险。如果不能有效规避和防范各种财务风险，必将威胁到企业的生存与发展，使之陷入财务失败的困境，最终导致倒闭破产。因此，建立交通运输业财务风险预警模型，及时诊断出财务危机信号，进而采取解决对策，对于保障交通运输企业的安全健康和可持续发展，有着极其重要的意义。
二、研究设计
（一）预警指标设计 交通运输企业包括铁路运输、水上运输、公路运输、管道运输业、航空运输、仓储物流和交通运输辅助业等行业。我们在选择指标的时候，如果指标选取的不全面，可能就会遗漏某些较为重要的预警指标，从而有损综合评价的客观全面性；但如果指标选取的过多，范围太大，可能会造成评价工作不经济。鉴于以上原则，交通运输企业财务预警指标体系的主体应该是企业财务评价指标体系。经过分析企业财务评价指标体系的具体内容，在交通运输企业预警指标体系中，仍需反映企业基本绩效的四个方面因素，即财务效益状况、资产管理效率、偿债能力状况和成长能力状况。主要预警指标参见表（1）。为便于对指标进行量化处理，结合交通运输企业管理的特点和各指标的行业标准，每一指标都被定义了三种状态，每种状态分别表示不同程度的风险。状态A表示财务情况较好；状态B表示财务情况一般；状态C表示财务情况较差。预警指标体系见表（2）。
（二）样本的选取 样品材料主要是从经济一般上市公司金融数据库系统。由数据源和数据可靠性约束，研究样本来自上市公司。由于交通行业上市公司77只，特别是破产的公司很少发生，所以唯一的选择和交通运输企业的经营特点，金融结构类似于样本公司。上市公司在圣类企业定义为“财务失败”或“金融危机”的企业。本文的样本资料主要来源于CCER中一般上市公司的金融数据库系统。受信息来源和可靠性约束，本文研究的样本均来自上市公司。由于国内交通运输行业上市公司只有77家，加之破产公司鲜有出现，所以选择与交通运输企业集团的经营特点、财务结构等相似的样本公司。如果上市公司某年出现于ST类企业名单中，则被认定为“财务失败”或“财务危机”的公司。交通集团及与交通集团经营特点、财务结构等有相似的样本公司；2007-2008年被ST、未被ST的公司，并要求获得两年前的资料；为了适应本文的需要，研究时我们随机抽取了88家交通运输业上市公司及财务结构类似的上市公司作为构建模型的样本。
（三）模型变量的选择 本文根据交通运输企业的特点选取了10个变量：X1： 净资产收益率（营业利润）X2： 资产收益率X3： 净利润率X4： 营业收入增长率X5： 营业利润增长率X6： 流动比率X7： 现金流动负债比率X8： 资产负债率X9： 应收账款周转率X10： 资产周转率。
（四）预警模型的建立 运用SPSS 16.0软件，按照上述确定的10个研究变量，对这88家样本企业进行主成分分析。可以得出以下结果：从表（3）（方差解释表）来看，对于这10个指标的信息，当选取7个主成分因子时，其信息量达到了94.237%，基本上保留了原来的指标信息。从表（4）（旋转后的因子载荷矩阵）来看，第一主成分FAC1_1与X6： 流动比率、X7： 现金流动负债比率、X8： 资产负债率三个指标的因子负荷能力远大于其他一些指标，可见，从这3个变量，反映企业的偿债能力。所以FAC1_1可表示偿债能力主成分。FAC2_1主要由变量 X1： 净资产收益率（营业利润）、X2： 资产收益率两个变量解释，这两个变量均反映企业的盈利能力，因此FAC2_1表示的是企业盈利能力主成分。FAC3_1主要由变量X3： 净利润率解释，该指标属于盈利能力的指标，由此FAC3_1与FAC2_1主成分一样，表示的是企业的盈利能力主成分。FAC4_1主要由变量X10： 资产周转率解释，该变量反映了企业的营运能力，所以FAC4_1表示的是是企业的营运能力主成分。FAC5_1主要由变量X5： 营业利润增长率解释，该指标也属于发展能力的指标，因此FAC5_1代表的是企业发展能力主成分。FAC6_1主要由变量X9： 应收账款周转率解释，该指标属于营运能力指标，因此FAC6_1与FAC4_1主成分一样也代表的是企业营运能力主成分。
三、实证检验
（一）回归分析 在上述主成分分析的基础上，得出了7个主成分因子。结果见表（6）。可见，由“B”列的系数可以得出的交通运输业财务风险预警模型为：P=1/1+e-z（Z=-3.705*FAC1_1-7.453*FAC2_1
-5.927*FAC3_1+ 3.007*FAC4_1 + 2.522*FAC5_1 - 3.208*FAC6_1- 3.206*FAC7_1-2.132）。其中：P表示上市公司面临财务危机的概率；FAC1_1表示偿债能力主成分因子；FAC2_1表示盈利能力主成分因子；FAC3_1表示盈利能力主成分因子；FAC4_1表示营运能力主成分因子；FAC5_1表示发展能力主成分因子；FAC6_1表示营运能力主成分因子；FAC7_1表示发展能力主成分因子。因此，交通运输企业的财务状况主要由这7个主成分因素决定。利用此处得到的最终预警模型，就可以对交通运输企业的财务状况进行预测，当预测的概率大于0.5时，就推断其两年后将会发生财务危机，否则就推断其两年后将不会发生财务危机。通过运用Logistic回归分析，得出了该模型的预警结果，见表（7）。对于Logistic 回归分析的结果，在88个样本单元中，有7个被判错。其中在36个财务危机公司中，有2个被判错，准确率达到了94.4%；在52个非财务危机公司中，有5个被判错，准确率达到了90.4%，总体准确率达到了92%。可以看出，这个预警结果准确率很高，表明了该预警模型具有很高的实用价值。
（二）交通运输业财务风险预警判别模型的运用测试 为检验所构建的判别模型的有效性，在非ST类上市公司的交通行业企业中随机选取了2006年20家交通运输业上市公司的年报进行模拟财务预警，将20JI家公司财务数据标准化后代入因子得分方程，得到FAC1_1、FAC2_1、FAC3_1、FAC4_1、FAC5_1、FAC6_1、FAC7_1等7个主成分因子，再代入最终回归模型，最后判别结果见表（8）。利用本报告所构建的交通行业财务预警模型的警戒线为0.5。根据证券之星网2006年交通运输行业上市公司公布的财务数据所得到的判别值中，代号为600591上海航空公司和600115 S东航公司判别值大于0.5，属于应予以警示的公司范畴；其余18家交通运输企业上市公司属于财务健康公司。经调查了解与企业的实际情况相符。经分析可知两家公司发生财务危机的原因是营运效率低，盈利能力差导致负债率高，所以要摆脱困境首要企业要摆脱困境，避免财务危机的发生，首先必须解决的问题就是如何扭亏为盈，提高营运效率创造真实的利润与现金增量。
四、结论
财务风险的控制和管理是我国交通运输企业财务管理中的重要内容之一。为提高财务风险的控制和管理，要做的第一件事是如何进行财务风险的预警，使企业采取有效的措施来规避财务风险，并将损失降到最低。 本文结合了交通运输企业的特点，在保证财务指标的可靠性基础上，建立了能够全面反映交通运输业财务风险的预警指标体系，并进行了模型适用性的验证分析，使财务风险预警指标及风险评价指标具有了动态的可控性，从而保证了交通运输业财务风险预警及风险评价的实用性。
参考文献：
[1]田芬等：《物流企业财务风险综合预警研究》，《物流技术》2009年第9期。
[2]吴文强：《高速公路公司财务预警系统的研究》，《广东工业大学硕士学位论文》200年。
[3]中国注册会计师协会：《财务成本管理》，经济科学出版社2008年版。
[4]杜强、贾丽艳：《SPSS统计分析从入门到精通》，人民邮电出版社2009年版。
企业财务预警研究范文6
关键字：企业财务危机预警；集成模型；Bagging；Adaboost
1 引言
建立有效的财务危机预警模型是金融机构一项非常重要而艰巨的任务。财务危机预警模型可以用来预测上市公司的财务是否发生问题。如果预测模型不能正常运行，如预测错误率很高，它会导致不正确的决策，并很可能会由此导致严重的金融危机和灾难。
财务危机预警模型也可以表示为一类具有输入和输出的二分类问题。也就是说，预测模型将每个样本分类到2个预定义的类。对于财务危机预警问题，输出结果即为发生财务危机或者未发生财务危机。单变量分析方法最早应用于企业财务危机预警领域，Beaver（1966）[1]等是较早采用单变量分析法预测企业状况的学者，并在研究中发现对企业财务状况判别能力高的财务指标和关键要素。Ohlson（1980）[2]发现Logistic模型更适合描述企业发生财务危机与否和财务比率指标之间的非线性关系。自上世纪50年代人工智能技术，如决策树、支持向量机、神经网络、概率神经网络等分类器成为预测企业财务危机较常用的方法。Odom（1990）[3]最先运用神经网络模型对企业财务状况进行预测。
已有研究表明，分类器集成技术在预测精度和误差等方面都要优于单一分类器模型和传统的统计方法。集成分类器是针对同一问题通过组合一组分类器进行解决的，最终的分类结果根据每个分类器的组合从而最终得到。常用的集成方法包括Bagging和Adaboost。West（2005）[4]研究了用于对神经网络进行集成的cross-validation，bagging，boosting三类集成策略，并证明多分类器集成方法的预测能力优于单一模型。Alfaro（2008）[5]对比了使用AdaBoost集成方法和神经网络模型的预测企业破产的精度，结果显示AdaBoost集成方法有效降低了神经网络的泛化错误。
虽然许多相关的研究已经证明了集成分类器优于许多单分类器，但是在企业财务危机预警领域，关于集成模型的应用还缺少全面的对比及分析。所以本文选取了Bagging和Adaboost集成模型，同时选取了神经网络（NN）、支持向量机（SVM）和决策树（DT）作为集成的基分类器，重点讨论如何构建财务危机预警的最优集成分类器模型。
2 集成模型
集成学习方法是机器学习的新兴领域。近些年来，采用集成模型对企业财务危机进行预警的研究也呈上升趋势。集成模型的目的在于将多个具有一般性能的弱分类器整合成为具有较强分类性能的集成模型。也就是说，用于集成的基分类器能够有效弥补其它基分类器所产生的不足，从而获得比单分类器更好的预测效果，显著的提高预测模型的泛化能力。
将不同的基分类器的预测结果进行组合得到最终的预测结果，这些用于组合的基分类器可以通过不同的训练数据集产生，也可以通过不同的分类算法产生：
2.1 Bagging
Bagging首先通过自助抽样法，从初始训练数据集中有放回的对样本进行抽样，形成不同的训练数据集。进而采用某一分类算法分别用各个训练数据集对基分类器模型进行训练，从而形成不同的基分类器模型。最后采用多数投票法融合各个基分类器的预测结果。已有研究表明，Bagging采用的自助抽样法和多数投票法能够有效降低模型的方差从而提高预测的精度。
2.2 Adaboost
在Adaboost中，各个分类器是连续生成的。即Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的基分类器，然后把这些基分类器通过多数加权投票的方法进行整合形成一个最终的强分类器。Adaboost的算法如下：
假设有训练样本集 ，代表一个二分类问题中训练样本的对应输出。当经过第t次迭代时，每个训练样本的权重表示为 。每个训练样本的初始权重为1/n，样本的权重随着迭代的增加而不断的更新。在t次迭代时，Adaboost根据权重分布生成新的训练样本集，并使用新的训练样本生成基分类器，通过ft表示。Et代表分类器ft的错误率，可以通过式（1）进行计算：
（1）
根据容易分类的样本分配较小权重，较难分类的样本分配较大权重的基本思想，样本的权重通过式（2）进行更新：
（2）
式（2）中的αt和lit分别通过式（3），（4）计算得到：
（3）
（4）
将以上得到的权重进行标准化处理，可以得到 （5）。
当进行T次迭代时，将有T个弱分类器用于集成。Adaboost通过加权投票集成法得到最终的分类结果。
3 实证研究
3.1 样本描述
本文采用的上市公司的财务数据样本均通过CCER经济金融数据库获取。采用沪深两市中的上市公司因为连续两年以上财务状况异常而被“特别处理（Special Treatment，ST）”作为分类器的分类标准。基于此，本文选取2009-2014年首次被证监会“特别处理”的上市公司，共计167家上市公司作为发生财务危机的公司样本。并根据同行业和相似总资产选取准则，选取了167家财务健康的上市公司作为配对样本进行实验。基于既有的的指标选取原则，本文分别从市场价值、营运能力、资本结构、偿债能力、盈利能力和成长能力6个方面选取了38个财务指标作为构建财务预警模型的输入。具体包含的指标内容如表1所示：
3.2 实验设计
本文选取了神经网络（NN），支持向量机（SVM）和决策树（DT）三个常用的预测模型作为集成的基分类器。使用神经网络作为基分类器，主要需要确定网络层神经元的数量，本文采用经验法对其进行设置，即网络层的神经元数量一般设置为 ，其中m是输入层神经元的个数，即输入财务指标集的数量，n是输出层的神经元个数，即是否发生财务危机，a是一个0-10之间的常数。采用支持向量机作为集成的基分类器时，采用径向基函数（RBF）作为其核函数，并利用交叉验证法寻找最优的惩罚系数C和核参数σ。
为了避免训练样本因为一次抽样而使得模型的测试产生有偏的结果，采用10-折交叉验证作为模型的验证方法。即将样本数据随机划分为互斥的10组，用其中9组作为训练样本，剩余1组作为测试样本，重复这一过程，直至每组都做过一次测试样本，并计算最终正确分类的样本数量占总样本数量的值来评估分类器的性能。
3.3 评价标准
本文分别采用整体预测准确率（Accuracy）、第一类错误率（type I error）和第二类错误率（type II error）作为评判模型优劣的评价标准。融合矩阵及各个评价标准的定义如下所示：
3.4 实验结果与分析
为了分析以下两个问题，一是在企业财务危机预警中Bagging和Adaboost两类集成模型预测能力的差异，二是NN，DT和SVM分别与Bagging和Adaboost集成后预测能力的差异。本实验共进行了9组实验，来较全面的分析以上两个问题。具体实验结果见表3：
从表3可以看出，当使用Adaboost作为集成框架，DT作为集成的基分类器时，构建的模型具有最好的预测性能，准确率达到了80.24%，第一类错误率为17.86%，第二类错误率为21.69%。而采用Adaboost-SVM和Adaboost-NN的预测结果分类别77.55%和76.35%。同时可以看出，无论选择哪种预测算法作为集成的基分类器，Adaboost集成框架的预测效果都优于Bagging，因为Adaboost具有更好的泛化性能和降低方差的能力。
4 结论
既往研究中，关于分类器集成方法在企业财务危机预警中的作用没有被充分挖掘。所以本文对集成方法进行了较全面的研究和比较分析。本文选取了企业财务危机预警中常用了两个集成模型：Bagging和Adaboost，用于比较。同时，每个集成模型都分别与神经网络、决策树和支持向量机相结合，用于判断集成模型的性能。实验表明，Adaboost-DT具有最优的预测能力。此外，相比于其它集成模型，Adaboost-DT具有更好的效率。所以，在未来关于企业财务危机预警的实践应用中，该模型为管理者和投资者提供了一个较好的决策工具。
参考文献：
