财务比率论文范文第1篇

论文关键词：财务比率经营活动现金流量现金股利保障倍数

论文摘要：本文以公开发行教材中的现金流量比率为研究对象，分析了现金流量比率设置中存在的主要不足，提出了包含现金流量项目在内的新的财务比率体系。

一、当前使用现金

流量财务比率的基本状况在我国作者编写或编著的、于2002年到2005的年之间版的《财务管理》教材中．笔者搜集到32本(因篇幅限制未列明)。完全未提及现金流量指标的有8本，占25％：在余下的涉及现金流量指标的24本教材(以下称可比样本)中，将现金流量分析独立于传统的资产负债表和损益表分析的有9本．占可比样本的37．5％。无论是单独对现金流量进行分析还是将现金流量分析与传统财务评价结合一起．这24本教材都主张按不同的分析目的来设置指标：全数表示现金流量表项目可用于偿债能力评价．但其中有6本教材仅仅设置“现金比率”这一个指标：有12本教材设置了获现能力或叫获利能力分析的指标．占可比样本的50％；有9本设置了盈利质量分析指标．占可比样本的37．5％；还有6本写明了要进行财务弹性分析．占可比样本的25％

仔细分析教材中使用的评价指标，大致可以归纳为27个．分属四种分析目的。偿债能力分析指标最为大家认可，其出现的频率达N44％，其次是获现能力指标，频率为36％，财务弹性指标占l1％．盈利质量指标占9％。具体到各财务比率．公认程度最高的是经营现金净流入／流动负债．其出现的频数达到19％经营活动现金流量／N期债务本息、经营活动现金流量／到期债务、现金及现金等价物／流动资产、经营活动现金流量／全部债务、经营活动现金流量／平均总资产等五项财务比率的认同程度也较高．均达9％。

二、现行教材中现金流量指标设置存在的问题

(一)夸大现金流量表的作用

如前文所示．约四成的教材将现金流量分析独立于传统的资产负债表和损益表分析之外．说明仍有不少人将现金流量分析视为与传统财务分析并列的～部分事实上，现金流量表作为传统两表的桥梁．其作用不可能超越他们。其次．现金流量表的编制基础与传统两表不同．它不可能取代后者．因而不可能独立存在。而且．现金流量表也存在人为操纵的可能。比如：年末时大量回收货款或大量借款、有意调整“现金”概念．将本来就是现金范围的现金归口为非现金项目以增加现金流量、将现金流量表的各项数据同时调增或同时调减．以达到调节表内各项目数据的目的。

(二)指标名目繁多，未能突出现金流量表的作用

1．将结构比率、趋势比率等不属于财务比率的指标吸纳进来财务比率是将企业某个时期财务报表中不同类但具有一定关系的项目进行对比而形成的比率．其数据均来自一个会计期间．不同于趋势比率：这些数据属于不同类项目，因而有别于结构比率：2．纳入了非现金流量指标。如：现金及现金等价物之和／流动资产．数据可以从资产负债表中获取而不必从金流量表中获取：3．将非财务指标纳入体系。如：最大负债能力——经营活动现金流量与市场利率之比中．市场利率在财务报表中不能获取．超出了财务比率的范畴。

(三)指标命名欠规范，容易混淆

1．同一指标．名称不同“经营活动现金净流量／流动负债”这～比率就有现金偿债比率、现金流动负债比率、现金流量比率、短期债务现金流量比率、现金流量负债比等7种名称：2．有的指标“名不符实”，如：利润变现比率；经营活动净现金流量／营业利润．公式中分母仅限于营业利润，而指标名称却叫“利润”变现比率，外延大多了；而且，利润与现金的关系并不是变现的过程，这与传统的资产“变现”概念相背，不利于对指标的理解。

(四)指标的计算公式有争议甚至有错误

1．现金比率一般是指现金及现金等价物之和与流动资产的比值，有学者将计算式的分母取作总资产。还有人取作流动负债：2．经营活动现金净流量／流动负债，也有人将分子取作“经营现金流入”：3．现金利息保障倍数有(经营活动净现金流量+利息支出+所得税付现)／现金利息支出及(利润总额+利息支出)／N息支出两种计算公式：后者更粗略一些，因为利润总额未考虑到非付现费用及非经营所收或所付的现金；，分子分母显然口径不一．会导致错误计算。

三、包含现金流量项目的财务比率体系

鉴于现金流量表与传统资产负债表和损益表之间存在紧密联系．重构的财务比率体系是以同一时期三张报表的相关项目计算而成的比值为主体，剔除所有的结构比率、趋势比率．按不同报表使用者分为四个方面——传统的偿债能力分析、盈利能力分析、营运能力分析和增设的财务弹性分析，不再对现金流量进行单独评价

(一)偿债能力分析

现金是偿还债务最直接的工具．也是最终的偿债手段。在传统的速动比率、资产负债率等指标的基础上，补充以下包含现金流量信息的财务比率：1．短期偿债能力指标现金流量比率=经营活动现金流量／流动负债．该指标反映企业在经营活动中获得现金偿还短期债务的能力。其值越高．对短期债权人的本金保障程度越高但由于现金的流动性最强．其盈利能力也最差．该比率值过高．说明企业没有充分利用现金造成资源浪费按速动比率的经验值来推断．现金流量比率值在l左右属于理想范围：2．长期偿债能力指标：现金流量保障倍数=(经营活动现金净流量+所得税付现)／[现金利息支出+优先股股利／(1一T)+到期债务本金／新思考(1一I’)]

利息费用是可抵税费用．满足一元的这些债务只要求有1元的税前现金流量．但优先股股息和债务本金偿还须从税后现金流量中支付．除以(1一T)得到相当于满足它们的税前现金流量

该比率值大于1．说明企业利用税前经营活动现金净流入量可以偿还到期债务并支付利息、优先股股息．无需另行筹资来履行固定义务：反之，该比率值小于1．表明企业履行这些义务时．不但耗尽了同期经营活动产生的税前现金流量．还动用了前期的现金及现金等价物．企业资产的流动性将受到不利影响．

(二)盈利能力分析

传统的盈利能力分析主要都是依据权责发生制下的利润。但利润是否有实实在在的现金净流入作为保障．还需要将现金流量与利润额对比，判断盈利的质量．作为传统盈利能力分析的补充。可设置如下盈利质量分析指标：

营运指数=经营活动现金流量／(净收益一非经营收益+非付现费用)

非经营收益主要是指投资收益、财务费用、公允价值变动损益、营业外收支净额．而非付现成本包括计提的资产损失准备、提取的固定资产折旧、无形资产和长期待摊费用的摊销、待摊费用的减少等。上式中的分母，常被称为经营所得现金。该指标反映经营活动净现金流量与调整后经营利润的差异程度。该比率大于1．说明经营活动现金流量高于营业活动应得现金．主营业务创造的利润具有更多的现金作为保证，该比率小于1。说明一部分收益尚没有取得现金．原因是应收账款的增加、应付账款的减少或存货增加．使得实际得到的经营现金减少。而存货有贬值的风险．应收账款有形成呆、坏账的风险，因此。未收现的收益质量不如已收现的收益：即使不出现上述风险．存货和应收账款占用的资金也是有机会成本的．那么．企业取得同样的净收益要付出更大的代价，实际的业绩水平下降，营业利润的质量下滑。

(三)营运能力分析

在传统财务分析中．销售收入与投入资源或业务相比较．获得的存货周转率、总资产周转率等被归纳为营运能力分析指标。而获现能力指标一般也是将企业经营活动现金流量与投入资源和相关业务相比较．如．将企业经营活动现金流量与资产平均余额相比较．将经营活动现金流量与销售额相比较可见．营运能力评价指标和获现能力评价指标都反映企业利用资源获取经营成果的能力．不过．前者反映的是权责发生制下的经营成果．后者反映收付实现制下的经营成果从这个角度出发．可把获现能力评价视为营运能力评价的补充可设置如下指标：1．反映销售业务获现能力指标销售现金流量比率=经营现金净流量／销售额．该指标可以衡量销货收入在当年收现的程度．用以评价销货工作的质量。该比率值越高．说明企业积压在应收账款上的资金越少，企业的经营成本越低．管理效率越高：2．反映总资产获现能力的指标资产现金流量回报率=(经营现金流量+利息支出+所得税付现)，平均总资产．该指标更全面反映资产的获现能力，用以衡量企业运用全部资产进行经营创造现金的能力．反映企业资产利用的综合效果。其值越大．说明企业资产的利用效率越高。

(四)财务弹性分析

企业财务弹性是指企业应付各种挑战、适应经济环境变化的能力．具体表现为企业能否灵活筹集资金应付偶发性支出、股利支出以及捕捉投资机会的能力。将现金流量表与资产负债表、损益表相结合，能获取现金流量和支付现金需要两方面信息．用以判断企业可稳定获得的现金是否充足．

从而分析企业的财务弹性大小。可设置如下指标：1．现金股利保障倍数=每股经营现金流量／每股现金股利=经营现金流量／现金股利．该指标反映企业运用现金流量支付股利的能力。其值越大．说明企业对股利的支付越有保障．支付现金股利的能力越强。若比率值低于1，当遇到经济不景气，企业极可能没有现金维持当前的股利水平．投资者可能要求搁置企业投资以发放股利，从而影响企业利用新的投资机会；或者，企业需要借债才能维持当前的股利水平．此举将增加企业未来的债务负担．降低未来可支出现金．企业的财务弹性变弱：2．现金流量再投资比率=(经营活动现金流量一现金股利)／(固定资产+长期投资+其他资产+营运资金)。根据资产=负债+所有者权益．营运资金：流动资产一流动负债．现金流量再投资比率还可表示为：

财务比率论文范文第2篇

[论文摘要]企业财务危机已成为企业利益相关者需要预测并应对的重要风险之一。企业应构建财务预警机制，及时沟通企业有关财务危机预警的信息，有效地防范和化解财务危机。本文对国内外财务危机预警模型逐一进行评析，旨在为构建符合我国实际并具有可操作性的财务危机预警模型提供借鉴。

随着我国市场经济体制改革的不断深化，经济领域中的复杂性、不确定性日益凸现，企业发生财务危机的情况越来越频繁，因此，财务危机已成为企业利益相关者需要预测并应对的重要风险之一。构建财务预警机制，及时沟通企业有关财务危机预警的信息，有效地防范和化解财务危机，是任何一个企业都必须亟待解决的问题。近年来，除了沿用传统的经验判别与定性分析方法外。企业利益相关者也开始关注并尝试使用财务危机预警模型来定量预测财务危机。财务危机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危机的判别模型。其关键点就是如何确定预警指标及预警指标的临界值。本文对国内外财务危机预警模型逐一进行评析，旨在为构建符合我国实际并具有可操作性的财务危机预警模型提供借鉴。

一、单变量预警模型

单变量预警模型是指利用单个财务比率来进行财务预警，以判断企业是否发生财务危机的一种预测模型。Beaver(1966)在其“财务比率与失败预测”一文中，以财务危机预警为主题，以单一的财务比率指标为基本变量，运用配对样本法。随机挑选了1954年至1964年间79家危机中的企业。并针对这79家企业逐一挑选与其产业相同且资产规模相近的79家正常企业进行比较。得出的结论是，最能对企业危机做出预警的指标是“现金流量/总负债”比率，其次是“净收益/总资产”比率和“总负债/总资产”比率。其中，“现金流量”来自“现金流量表”的3种现金流量之和，除现金外还充分考虑了资产变现力，同时结合了企业销售和利润的实现及生产经营状况的综合分析，这个比率用总负债作为基数，考虑了长期负债与流动负债的转化关系，但是总负债只考虑了负债规模，而没有考虑负债的流动性，即企业的债务结构，因此对一些因短期偿债能力不足而出现危机的企业存在很大的误判性。“总资产”这一指标没有结合资产的构成要素。因为不同的资产项目在企业盈利过程中所发挥的作用是不同的，这不利于预测企业资产的获利能力是否具有良好的增长态势。

Beaver最先在企业危机预警研究中使用非参数统计的二分类检验方法来确定分割点。使其错误分类率降至最低，这一方法为以后的企业财务危机预警研究者广泛采用。此外，Beaver还首创配对抽样的技术以控制因产业类别和企业资产规模不同而引起的混淆。但单变量预警模型只是利用个别财务比率预测企业财务危机。因此其有效性受到一定的限制。一般来说。企业的生产经营状况受到许多因素的影响，各种因素之间既有联系又有区别，单个比率反映的内容往往有限，无法全面解释企业的财务状况。

二、多元判别分析模型

多元判别分析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。Altman(1968)在其“财务比率、判别分析和公司破产预测”一文中认为，企业是一个综合体，各个财务指标之间存在某种相互联系。各个财务指标对企业整体风险的影响和作用也是不一样的。他通过把传统的财务比率和多元判别分析方法结合在一起，发展了一种财务危机预警模型，即Z计分模型。该模型的具体形式如下：

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

式中，X1=营运资本/总资产，反映资产的流动性与规模特征；X2=留存收益/总资产，反映企业累计盈利状况；X3=息税前收益/总资产，反映企业资产的获利能力；X4=权益的市场价值/总债务的账面值，反映企业的偿债能力；X5=销售总额/总资产，反映企业的营运能力。

通过统计分析，Altman认为Z值应在1.81-2.99之间，等于2.675时居中。如果企业的Z值大于2.675，表明企业的财务状况良好；如果Z值小于1.81，则企业存在很大的破产风险；如果Z值处于1.81-2.675之间，称为“灰色地带”，处在这个区间，则企业财务状况是极不稳定的。

Z计分模型的变量是从资产流动性、获利能力、偿债能力和营运能力等指标中各选择一两个最具代表性的指标。模型中的系数则是根据统计结果得到的各指标相对重要性的量度。实证表明该模型对企业财务危机有很好的预警功能。但其预测效果也因时间的长短而不一样，预测期越短，预测能力越强，因此该模型较适合企业短期风险的判断。

Z计分模型在企业破产前超过3年的预测正确率大大降低，而且随着时间的推移，经济环境也将出现重大变化，特别是进入20世纪70年代以后，企业财务危机的平均规模急剧增大，原有的Z计分模型已无法解释当时的企业财务危机现象。于是，Altman等人于1977年又提出了一种能更准确地预测企业财务危机的新模型——ZETA模型。在该模型中，Altman等人利用27个初始财务比率进行区别分析，最后选取了7个解释变量，即资产报酬率(息税前利润/总资产)、盈余稳定性(息税前利润，总资产的10年标准误差)、利息保障倍数(息税前利润/利息支出总额)、累计盈余(留存收益/总资产)、流动性(流动比率)、资本比率(5年普通股平均市值/总资本)和资本规模(普通股权益/总资产)。该模型存在的不足是选择比率没有理论可依，选择同一行业中相匹配的危机公司和正常公司也是困难的，而且观察的总是历史事件。但由于该模型简单明了。以后对企业财务危机预警模型的研究都是沿着这一思路进行的。

20世纪70年代，日本开发银行调查部选择了东京证券交易所310家上市公司作为研究对象，使用与Altman相同的研究方法，建立了“利用经营指标进行企业风险评价的破产模型”，进行财务危机预测。其判别函数为：

Z=2.1X1+1.6X2-1.7X3-X4+2.6X5+2.5X6

式中，X1表示销售额增长率；X2表示总资本利润率；X3表示他人资本分配率；X4表示资产负债率；X5表示流动比率；X6表示粗附加值生产率(为折旧费、人工成本、利息及利税之和与销售额之比)。模型中和的系数是负数，表明他人资本分配率和资产负债率越小，风险也越小。该模型Z值的判断标准是：如果Z值大于10，则企业财务状况良好：如果Z值小于0，则企业存在严重的财务危机，破产的概率极大；如果Z值在0与10之间。则表明企业处于“灰色区域”，存在财务隐患。

陈肇荣应用中国台湾地区的企业财务资料建立了多元判别函数，但未给出临界值及警度区间。该模型如下：

Z=0.35X1+0.67X2-0.57X3+0.39X4+0.55X5

式中，X1=速动资产/流动负债；X2=营运资金/资产总额；X3=固定资产/资本净值；X4=应收账款/销售净额；X5=现金流入量/现金流出量。

由于Z计分模型在建立时并没有充分考虑到现金流量的变动等方面的情况，因而具有一定的局限性。为此，中国学者周首华等对Z计分模型加以改造，并建立其财务危机预测的新模型——F分数模式。F分数模式的主要特点是：(1)F分数模型中加入现金流量这一预测自变量。许多专家证实现金流量比率是预测公司破产的有效变量，因而弥补了Z计分模型的不足。(2)考虑了现代化公司财务状况的发展及其有关标准的更新。公司所应有财务比率标准已发生了许多变化，特别是现金管理技术的应用，已使公司所应维持的必要的流动比率大为降低。(3)使用的样本更加扩大。其使用了CompustatPCPlus会计数据库中1990年以来的4160家公司的数据进行了检查；而Z计分模型的样本仅为66家(33家破产公司和33家非破产公司)。

F分数模式如下：

Z=0.1774+1.1091X1+1.1074X2+1.9271X3+0.0302X4+0.4961X5+0，4961X5

式中，X1、X2及X4与Z计分模型中的X1，X2及X4相同，这里不再进行分析；X3=(税后纯收益+折旧)/平均总负债；X3=(税后纯收益+利息+折旧)/平均总资产。F分数模式与Z计分数模型中各比率的区别就在于其X3，X5的比率不同。X3是一个现金流量变量，它是衡量企业所产生的全部现金流量可用于偿还企业债务能力的重要指标。一般来讲，企业提取的折旧费用，也是企业创造的现金流入，必要时可将这部分资金用来偿还债务。X5测定的是企业总资产在创造现金流量方面的能力。相对于Z计分模型，它可以更准确地预测出企业是否存在财务危机。F分数模式的F分数临界点为0.0274；若某一特定的F分数低于0.0274，则将被预测为破产公司；反之，若F分数高于0.0274，则公司将被预测为继续生存公司。

多元判别分析模型是根据特定样本建立起来的判别模型，因而根据一个地区(或时期)样本企业建立的判别分析模型可能无法有效地对另一个地区(或时期)的企业进行预测。此外，多元判别分析模型的有用性差，导致理论研究热而实际应用冷的尴尬局面。

三、线性概率模型

线性概率模型是多元判别分析模型的一种替代选择。该模型为：

P=c0+c1x1+c2x2+…+cnxn

该模型可以解释为，在给定财务比率xn的情况下，P为该企业发生财务危机的概率的估计值。该模型计算虽然简单，但存在明显的缺陷：(1)该模型表示企业发生财务危机的可能性，则P值只能在(0，1)区间之中，然而线性回归方程无法做到这一点，采用该模型进行预测时，P值可能在(0，1)区间之外；(2)线性概率的假设往往与实际情况不吻合。现实生活中的经济变量是不确定的，而在该模型中，自变量c却是一个常数。基于以上原因，该模型在企业财务危机预测的实际研究中鲜有采用。

四、Logistic模型

尽管多元判别分析模型有较好的预测性，但存在假设上的局限性，即要求各自变量(财务比率)服从多元正态分布的假设和两组变量(发生财务危机与未发生财务危机企业)具有同样方差一协方差矩阵的假设，显然，这些假设与现实相去甚远。此外。样本的抽取往往也会影响评价模型的预测准确性。因此。为服务于对定性因变量的多元非线性分析，Ohlson率先在财务危机预警研究中应用了二元概率函数来计算危机事件发生的概率，由此产生了Logistic模型。在企业财务危机判定与预测中，Logistic模型如下：

Yi=β0+β1xli+…+βkxki

Pi=1/(1+e-yx)

式中，Yi代表第i家企业是否发生财务危机，i=0或1，0代表正常企业，1代表财务危机企业，xki代表第i家企业的第k个财务比率，Pi代表根据Logistic模型所估计出来的第i家企业可能发生财务危机的概率。

该模型是一个用来测度企业是否会发生财务危机的二元选择模型。对这个模型的参数估计只能采用最大似然估计法。Logistic模型的一个重要优点是它把在(0，1)区间预测一个企业是否发生财务危机的概率的问题转化为在实数轴上预测一个企业是否发生财务危机的机会比的问题，这与线性概率有着本质上的不同和进步。

五、人工神经网络分析模型

运用线性概率分析、逻辑回归方法来建立财务危机判别函数都是直接或者间接地依赖于线性函数来建立模型。存在的只是理论上的优越性。往往并不能很好地拟合复杂的实际数据。1987年，Lapedes和Fayber首次应用人工神经网络分析模型进行预测，开创了人工神经网络预警的先河。该模型是一种平行分散处理模型，其构建理念基于对人类大脑神经运作的模拟。它除具有较好的模式识别能力外，还可以克服传统统计方法的局限，具有容错能力。更难能可贵的是，该模型具有随不断变化的复杂环境进行自我学习的能力，因而使企业财务危机动态预警成为可能。

财务比率论文范文第3篇

摘要：财务危机的出现意味着企业基本面发生根本性变化，处理不当就会导致企业破产。因此，识别企业财务危机，并对其做出预警，不仅对企业经营者及时采取措施化解危机具有重大的意义，而且对于投资者规避风险也有非常重要的价值。

关键词：财务危机；预警；指标体系

一、引言

“财务危机”又称财务困境，最严重的财务危机是企业破产。企业因财务危机最终导致破产实际上是一种违约行为，所以财务危机又可称为“违约风险”。

关于财务危机的定义，目前尚无一个统一的说法。具有代表性的观点有以下几种：(1)Beaver(1966)将破产、拖欠优先股股利、拖欠债务界定为财务危机。(2)Altman(1968)定义的财务危机是进入法定破产、被接管或者重整的企业。(3)Deakin(1972)则认为财务危机公司仅包括已经经历破产、无力偿债或为债权人利益而已经进行清算的公司。(4)Carmichael(1972)认为财务危机是企业履行义务时受阻，具体表现为流动性不足、权益不足、债务拖欠及资金不足四种形式。(5)Wruck(1990)给出的财务危机的定义是企业现金流量不足以抵偿现有债务的情况，这些债务包括应付未付款、诉讼费用、违约的利息和本金等。(6)Ross等人(1999；2000)则认为可从四个方面定义企业的财务危机：一是企业失败，即企业清算后仍无力支付债权人的债务；二是法定破产，即企业和债权人向法院申请企业破产；三是技术破产，即企业无法按期履行债务合约付息还本；四是会计破产，即企业的账面净资产出现负数，资不抵债。(7)Lee(2004)认为可以从两方面定义财务危机：一是未能偿还到期借款的本息，借款期间有过延期还款和减少本息支付的协议；二是公司的净资产减少到其股本的一半以下。

综合上述各种定义可知，无论财务危机如何定义，企业发生财务危机都具有无力偿还到期债务、现金流的紧张状态可能使经营无法持续的特点。财务危机的出现意味着企业基本面发生根本性变化，处理不当就会导致企业破产。因此，识别企业财务危机，并对其做出预警，不仅对企业经营者及时采取措施化解危机具有重大的意义，而且对于投资者规避风险也有非常重要的价值。

二、文献综述

企业财务危机预警问题的研究很早就引起了各方面的关注，很多经济学家与财务专家都在这方面做了大量的工作，他们利用相应的财务变量构造了一系列的预测模型，其中有代表性的研究成果可归纳为四类。

(一)单变量模型

单变量模型是运用单一变数、个别财务比率来预测财务危机的模型。最早的财务预警研究是Fitzpatrick(1932)的单变量破产预测研究。此后，WilliamBeaver(1966)使用单变量为分析方法，采用成对抽样法进行样本配对，考察了29个财务比率在企业陷入财务困境前1-5年的预测能力。Beaver发现在破产前一年的预测正确率可以达到87%，对于失败企业是最具有预测能力的指标。国内学者对单变量模型也作了较深入的研究，包括陈静(1999)以1998年的27家ST公司和27家非ST公司，使用1995-1997年的财务报表数据，进行了单变量分析。吴世农和卢贤义(2001)以70家ST公司和70家非ST公司，应用单变量分析法研究了在上市公司陷入财务危机前5年21个财务指标之间所存在的差异。

单变量模型的优点是只需要观测一个变量，应用比较简单；但是，任何一个财务比率无法充分和全面地反映企业的财务特征，所以该方法在现今的研究中很少被单独使用，一般都是与其他方法结合运用。

(二)多变量分析模型

多变量分析模型又可以分为多元回归分析模型和多元判别分析模型。EdwardAltman(1968)使用多变量分析法对企业财务危机进行研究。他以1946-1965年间33家破产的制造业企业为样本，并配对33家正常企业，将22项财务比率分为流动性、获利性、财务杠杆、偿债能力和活动力五大类指数，利用多变量分析法建立了著名的Z-Score记分模型。Meyer和Pifer(1970)以1948-1965年间失败的30家银行与其相匹配的30家非失败银行为样本，利用二元回归分析法建立模型，并且用9对相匹配银行组成的预测样本对模型进行了验证。此外，还有其他典型的判别分析模型，包括：Deakin模型、Blum模型、Casey模型和Taffler模型等等。国内的相关研究主要有陈静(1999)使用1995-1997年的财务数据，对27家ST公司和27家非ST公司进行的多元判别分析。张玲(2000)以120家公司为研究对象，使用其中60家公司的财务数据，通过多元判别法建立了财务危机预警模型。卢守林等(2002)以沪深两市A股市场上所有上市公司1998-2000年的财务资料为依据，用多元判别分析法构建的Z-Score模型。

多变量分析法弥补了单变量分析法的不足，具有较高的准确率和稳定性，但是也存在着一些不足：第一，这种方法受到了统计假设的限制，只适用于自变量近似服从正态分布的情况，并且要求组内的协方差矩阵相等，否则得到的预测结果可能是有偏的；第二，多元判别分析要求财务危机公司与正常公司之间一定要配对，而配对的标准具有较大的主观性。

(三)多元条件概率模型

多元条件概率模型是使用极大似然法对参数进行估计的一类概率模型，包括Logistic模型和Probit模型。Martin(1977)首次使用Logit模型预测公司的破产及违约概率。Ohlson(1980)从1970-1976年间在美国的上市公司之中排除公共事业、运输公司、金融服务业，总共挑选出105家破产公司和2058家正常公司为样本，采用九个财务比率建立了Logit模型。Huffman&Ward(1996)运用Logit模型对1977-1991年间违约的171家企业的高收益债券进行了预测研究等。国内的相关研究主要包括：吴世农和卢贤义(2001)分别采用多元判别分析和Logit回归方法建立和估计了预警模型。刘旻(2001)使用1999年28家ST公司与另外28家正常公司陷入财务危机前3年的数据，通过Logit回归方法建立了财务危机预警模型。姜秀华(2002)和齐治平(2002)利用Logit模型对我国上市公司进行信用风险分析。李萌(2005)以不良贷款率作为信用风险衡量标准，构造商业银行信用风险评估的Logit模型等。

多元条件概率模型的主要优点是不需要自变量服从多元正态分布和组内协方差矩阵相等的假设条件，但是要求因变量有逻辑含义，而且计算过程较为复杂，有很多近似处理。

(四)神经网络预警模型

神经网络，又称人工神经网络(ArtificialNeuralNetwork，ANN)是一种从神经心理学和认识科学的研究成果出发，应用数学方法发展起来的并行分布模式处理系统。常见的神经网络模型主要有：BP神经网络模型、MDA协助神经网络模型、ID3协助神经网络模型和SOFM协助神经网络模型。Odom和Sharda(1990)是将人工神经网络模型应用在破产预测模式中最具代表性的学者。Koh和Tan(1999)以1978-1985年间出现的165家破产公司为失败样本并以正常公司165家作为配对样本，使用人工神经网络模型构建了企业危机预警模型。在我国，王春峰(1998)、杨保安(2001)等学者也在此领域进行了深入的研究，杨保安通过对中信实业银行的分析，选取了4大类共15个财务指标，运用BP神经网络方法建立了一个可供银行用于授权评价的预警系统。台湾的林文修(2000)选取1992-1996年在台湾证交所上市企业中的36家失败企业和64家正常企业，并区分为学习样本73家与测试样本27家，比较了多元判别分析、Logit模型、BP神经网络模型和演化式神经网络模型等四种方法的模型预测准确率。神经网络预警模型的主要优点是分析层次清晰且逻辑关系严密，并依据心理学理论加入了一主观因素，从而有效地使客观分析与主观判断相融合。它的缺点是规范分析特点明显，不适宜做实证分析，分析模式缺乏灵活性，数据性假设条件过于苛刻。

三、财务危机预警的指标体系设计

导致企业发生财务危机的因素很多，且错综复杂，单变量模型与多变量模型仅能揭示影响关系与程度，变量的选择会因分析人员偏好的不同而不同，其不仅缺乏统一的理论基础，而且系统性往往较差，多元条件概率模型和神经网络预警模型虽然在分析技术上较为先进，且分析企图试图更精确，但它们在强调分析技术的同时，往往忽略了立论的基本依据，且在变量选择中往往伴随较明显的盲目性。因此，作为完善多变量模型系统性功能，为多元条件概率模型和神经网络预警模型提供变量选择的依据，利用相应的财务理论构建企业财务危机预警指标体系就是研究企业财务危机的基础之基础。但从财务本身的角度去分析，财务危机形成的原因可以归结为以下几点：(1)公司经营状况不佳，导致营业收入无法稳定增长，造成公司的连续亏损，使得财务危机发生的可能性增大；(2)过高的负债使公司面临更大的财务危机。虽然公司本身有盈余，但是可能因为无法应付短期的庞大利息支出而造成破产倒闭；(3)现金流量发生持续性的净流出，企业就像是流动性资产的储水槽，若水槽中的流量变小(资产变少)，流入量减少(现金流入减少)，流出量增加(现金流出增加)，流入量与流出量之间的差量就会逐步增大，这样会使公司出现财务危机的概率增加。

综合引起财务危机的三个主要因素，可以对应用五个方面的财务指标来描述或预警财务危机，用经营能力指标、成长能力指标和获利能力指标来度量或反映企业的经营状况，用公司的偿债能力指标来度量或反映企业的债务负担，用现金流量指标来度量现金流。从预警的角度考虑，五个方面的财务指标可进一步细分为20个更具体的财务变量(见表1)，以此构成财务危机预警的指标体系。

以深沪两市A股中被ST的上市公司为实际考察对象，利用2006年1月1日-2007年12月31日深沪两市A股中154家被ST的上市公司的数据。剔除由于以下几种原因而被ST的上市公司：(1)上市两年内被特别处理的公司；(2)因自然灾害、重大事故等意外事件而被特别处理的公司。经过剔除后，本文选取的有效样本变为80家。根据研究期间一致、行业相同或相近、规模相当的原则按1：1的比例选择没有被ST的上市公司作为配对样本。由于我国上市公司年报披露制度规定上市公司公布其年报的截止日期为下一年的4月30日，上市公司(t-1)年的年报和其在第t年是否被ST几乎同时发生，因此，用(t-1)年的数据预测第t年是否被ST没有实际意义。在本文中采用(t-2)年的数据进行分析。

表6是财务危机公司和正常公司的成长能力指标在发生财务危机前2年的统计性描述，包括最大值、最小值、平均数、标准差和t值。

四、结论

财务比率论文范文第4篇

【摘要】文章通过对我国上市公司股权再融资后业绩变化的统计性描述,得出股权再融资后公司业绩下滑的结论。并将公司区分为大公司和中小企业上市公司,将他们股权再融资后的业绩变化进行了对比分析,结果表明我国中小上市公司股权再融资后,长期业绩下滑确实比大公司下滑严重,这也跟某些学者研究的结果一致。

【关键词】中小上市公司;股权再融资;业绩变化

对公司股权再融资的研究最早可以追溯到20世纪60年代。Stigler(1964)等研究发现,公司股权再融资后股票一般都要经历一个长期的低迷表现,即价格行为表现为向下的走势,但该问题直到1986年后才得到系统研究。大多数国家都发现公司股权再融资后有明显的负效应,包括公告期有负的非正常收益和短期价格负效应,并且长期经营业绩恶化等。各国学者分别从机会之窗、价格压力、资本结构变化、信号假设、盈余管理等方面给股权再融资经营业绩下滑以理论支持。笔者将以近年来我国上市公司股权再融资后业绩变化进行实证研究。

一、指标、样本选择

(一)财务指标选择和样本选择

本研究选定的样本为2001年1月1日—2004年12月31在上海证券交易所和深圳证券交易所进行A股股权再融资的公司,其中2001年1月1日—2004年12月31进行了A股配股再融资的上市公司深沪两市共163家(以配股宣告日为准),其中还有5家公司在这个期间连续两次配股,计168次。目前这163家公司中已经有10家退市,剩下153家公司,而这153家公司中有21家属于中小企业上市公司,占13.73%的比例。(这里把总股本小于等于2亿股、流通股本在股权分置改革以前小于等于5000万股作为划分中小型企业的代替标准。)2001年1月1日—2004年12月31进行A股增发新股再融资的上市公司深沪两市共69家(以增发新股宣告日为准),计69次。目前这69家公司中已经有1家退市,剩下68家公司,而这68家公司中有13家属于中小企业上市公司,占19.11%的比例。扣除目前已经退市的共12家公司,则在2001年1月1日—2004年12月31期间进行了增发新股或者配股股权再融资公司共221家。本研究将选择这221家企业作为研究的样本(在该研究期间连续两次或者两次以上配股或者增发新股的,就考察第一次股权再融资的情况)。并选择这221家上市公司2000—2006年度如下财务比率:主营收入增长率、主营利润增长率、净利润增长率、总资产增长率和净资产收益率进行考察研究,这些财务指标的计算公式分别如下:

X1:主营收入增长率=(本期主营业务收入-上期主营业务收入)/上期主营业务收入绝对值

X2:主营利润增长率=(本期主营利润-上期主营利润)/上期主营利润绝对值

X3:净利润增长率=(本期净利润-上期净利润)/上期净利润绝对值

X4:总资产增长率=(期末总资产-期初总资产)/期初总资产绝对值

X5:净资产收益率=本期净利润/本期股东权益

净资产收益率为企业盈利能力指标,反映企业经营业务创造利润的能力。主营业务收入增长率、主营利润增长率、净利润增长率、总资产增长率指标评价再融资公司的成长性。投资公司就是投资它的未来,就是期望能够获得公司股票未来丰厚的现金股利和诱人的股价上涨空间,而现金分红和股价上涨都离不开公司的成长。公司成长能力如何,是评价公司投资价值的重要因素。成长能力分析是对企业的各项财务指标与往年相比的纵向分析,通过分析能够判断出企业的变化趋势。一般而言,随着再融资规模的扩大,主营业务收入增长率等也应相应地增长,所以,上述指标能够较好地反映公司持续盈利能力、成长性与发展趋势。

(二)数据来源与处理

二、我国中小上市公司股权再融资业绩变化统计性分析

(一)我国所有上市公司股权再融资后业绩变化统计性描述

表1是2000—2006年度的如下财务比率:主营收入增长率、主营利润增长率、净利润增长率、总资产增长率和净资产收益率的统计性描述分析:

从表1股权再融资公司2000—2006年度的净资产收益率的均值看,所有公司以及34家股权再融资的中小公司从2000—2005年是依次递减的,在2005年到达最低点,然后2006年度又有所上升,而187家股权再融资的大公司从2000—2006年是依次递减的,在2006年到达最低点。而净资产收益率是净利润除以股东权益,因此净资产净利率的下降有可能是因为净利润的下降引起,也可能是由于股东权益的扩大引起。一般而言,股权再融资当年净资产收益率比前一年相比下降,大都是因为当年增加了很多股东权益,因而是正常的;如果以后年度在没有大规模增加股东权益的情况下,净资产收益率继续下降只能归因于净利润即收益能力下降。由于上述样本公司增资、配股股权再融资的时间是在2001—2004年,每年都会有一些公司进行股权再融资,即较大规模地增加股东权益,因此上述净资产收益率的逐年下降不能完全归因于收益能力的下降。由于没有具体分行业,无法跟行业的净资产收益率平均水平比较,因此以下将按各公司股权再融资的时间将其分为增资或配股前一年(简称为-1年度),增资或配股当年(简称为0年度),增资或配股后一年(简称为1年度),增资或配股后两年(简称为2年度),并分别按中小上市公司和大公司详细比较各个财务比率,见如下表2和表3。

从上述样本的财务指标均值与标准差描述性统计分析表看,中小企业和大公司股权再融资后,(1)净资产收益率从当年开始每年均出现一定程度的下降,而股权再融资当年下降比率最大,如上面所分析那样,一方面有可能是因为收益下降,另一方面由于当年股权再融资增加了许多股东权益,从而导致该年度其净资产收益率下降;结合主营收入增长率、主营利润增长率、净利润增长率分析看,由于它们也是呈现下降趋势,说明盈利能力以及成长能力有一定下滑也是造成净资产收益率下降的原因。但再融资后第二年和第三年相比第一年,仍有下降则只是因为收益能力下降。主营收入增长率、主营利润增长率、净利润增长率这三个财务指标均值相比再融资前一年,基本也是呈逐年下降趋势,说明股权再融资公司再融资后盈利能力以及成长能力有一定下滑。

(2)总资产同比增长率比再融资当年有所增长,而后面几年相比再融资前一年都是逐年下降的。当年由于增资或者配股增加了很多股东权益,使资产总规模得到较大提高,因而当年总资产同比增长率得到较大提高,而其他年度由于盈利能力有所下降,不能通过留存盈余增加内部股权融资从而增加资产,而其他比率的下降也不需要或者难以增加更多的资产,导致总资产同比增长率逐年下降。说明了上市公司不管规模大小在增资、配股再融资后出现了经营业绩长期下降的情况,即符合前面国内外学者实证研究得出的股权再融资长期负效应现象,在我国也称为上市公司股权再融资后的“变脸”。

(二)我国中小上市公司股权再融资后业绩变化对比分析

通过上述统计分析描述看,中小公司和大公司股权再融资后各类财务指标都出现下降趋势,具有共同点,但是他们下降的幅度是不一样的,以下将比较分析两类样本公司,各类财务指标后面几年跟股权再融资前一年相比较的变动率,看哪类公司下降更严重,

从以上比较可以看出:34家中小公司(简称前者)与187家大公司(简称后者)股权再融资后财务指标变动率比较看,净资产收益率按下降的均值看两者的幅度相近,前者稍稍多一点(前者均值-0.666469894,后者均值-0.6341072);主营业务收入同比增长率和主营业务利润同比增长率,前者每年的下降幅度都要比后者大许多。但是净利润同比增长率前者每年的下降幅度都要比后者少(前者下降均值-3.065615584,后者下降均值-5.746020712);这极有可能是因为中小企业上市公司股权再融资后,为了加快发展、扩大规模和实力,在非主营业务方面的经营有所扩展,造成主营业务收入增长率和主营业务利润增长率下降比普通公司多,而净利润增长率下降比他们少。总资产同比增长率前者每年的下降幅度也要比后者大一些。以上说明中小公司股权再融资后长期经营业绩、增长性等下降更多,负效应现象更严重,这跟一些学者研究得出的结论基本一致,如前面所分析的那样,这跟中小企业上市公司本身的特点有关。

三、结果分析与结论

财务比率论文范文第5篇

论文提要：从企业产生财务困境的角度出发，介绍当前各种财务预警模型，并做优劣对比分析，对企业财务预警机制的建设提出建议。

一、引言

企业作为一个法人个体，不可避免的问题是生存、发展和获利。由于企业所面临宏观经济、政治、法律等往往具有不可控性，同时企业也因资本结构不够合理及其他企业自身问题，使企业面临各种潜在的风险。如何顺利地化解这些风险为企业发展保驾护航，是每个企业高管们不得不关注的焦点。本文立足于财务角度，结合当前国内外一些上市公司财务预警机制建设研究的成果，探讨建立企业财务预警机制途径。

二、企业发生财务困境的原因分析

企业发生财务困境，起初通常表现为企业短期资金周转不灵，进而由于处理不当，而给企业带来一系列的连锁反应，最终导致入不敷出，甚至资不抵债。结合国内外一些企业走上了“绝路”的案例，通常造成财务危机的原因可以归结为以下几个方面：

1、资金回收引起的财务危机。资金回收引起的财务危机是企业在产品销售或对外提供服务过程中，由于收回资金的时间和收回资金的数额不确定而引起。在激烈的市场竞争中，赊销是企业促销和占领市场份额的主要手段，但同时也要承担他人占用企业运营资金的机会成本及到期不能收回货款的坏账损失。长期以来，在“权责发生制”的会计确认原则下，企业只注重账面利润，而不注重现金流量，更多的资金被客户占用，使利润虚增，企业陷入严重的资金短缺或不能周转的困境之中。

2、融资引起的财务危机。融资引起的财务危机是由于企业利用负债筹资而引起到期不能偿还债务本息的可能性。其原因有以下两个方面：首先，企业在筹资时未能把握好负债规模、利率和期限，使其在银行或其他机构的不良贷款不断堆积，负债累累，从而造成财务危机。其次，是企业经营不善，经营活动现金净流量和流动资产中的速动资产不足﹑速动比率过低引起的。

3、投资引起的财务危机。投资引起的财务危机是指企业对内或对外有关项目进行投资时，由于各种不确定因素的影响，使原投资额不能按期收回，或根本无法收回而使企业遭受损失。这种危机主要是企业不能准确预计投资项目的现金流量导致决策失误形成的，这种失误严重时直接危机企业的生存与发展。通常过度扩张引起的财务危机在国内时有发生，比较典型的是巨人集团的轰然倒塌。

4、资产跌价引起的财务危机。资产跌价引起的财务危机通常是由于宏观方面各种不确定的因素，如通货膨胀、政策变化、法律约束及科学技术发展等原因，使投资者投入的资产遭受跌价、贬值的损失，从而导致资不抵债。

5、利润分配引起的财务危机。利润分配引起的财务危机是由于企业决策者制定分配政策不当，给企业未来生产经营活动带来不利的影响。如，股利分配率过高，虽短期可刺激股价上升，但却给企业带来偿债能力和筹资能力的下降，给企业未来的发展造成了一定制约。

三、财务预警模型分析综述

通常企业的财务危机的形成，是一个由量变到质变的过程，量变阶段具有潜在性、不易发觉，而到了质变阶段往往又是“病入膏肓”、回天乏术。如何对企业潜在的财务危机正确预测，把企业的财务危机消除在最初阶段一直是一个值得思索、探讨的问题。综合国内外实证研究成果，财务预警模型可以归结为以下几个方面：

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。但是，由于该模型利用单一指标作为衡量企业财务困境的指标，很难具有代表性，很容易造成以一带全。因此，该模型应用的范围很小。

2、多元线型判断模型。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。

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。Ohlson第一次采用多元逻辑回归模型进行破产预测。他通过分析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，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。

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相关参数的值，接下来就可以利用推算出来的多元概率回归模型求出企业破产的概率。与上面其他模型不同的是，该模型主要是利用P值的大小作为判断企业破产的界限。

5、人工神经网络模型。人工神经网络模型，是一种通过非财务指标建立的，主要是将神经网络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模式，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。

四、企业财务预警机制建议

正是因为企业产生财务危机的原因、企业财务预警模型多样性，因此企业在决策财务预警机制时具有多重可选择性。

1、企业应当根据自己的实际情况，合理地选择预测财务指标。不同企业、不同发展时期面临的风险是不同的，正确地根据企业自己的情况选择合理指标是至关重要的一步，如在急速扩张阶段就得注意负债规模的大小，那么就得更多地考虑用负债规模来进行财务预警。

2、模型的选择上，也应当根据企业自己实际能够获得的数据进行选择。不同类型企业的财务数据往往是有很大差别的，同时有的数据可能被人为地更改过，这些数据就失去实际意义，就需要剔除以提高预警的正确性。

3、企业应当注意定性分析和定量分析的结合。定量分析往往具有客观、易于度量的特点，定性分析则是主观性、模糊性的特点。企业面临的风险和危机与日俱增，这时的预警功能决不仅仅是计算几个比率，对比几个指标所能实现的，必须创建系统的方法库和模型库，全面使用现代计算机技术、网络通信技术、数据库技术以及管理学、财务学、统计学等，在重视定量分析的同时加强定性分析方法的应用。