首页 > 文章中心 > 财务预警论文

财务预警论文范文精选

财务预警论文

财务预警论文范文第1篇

(一)树立“财务管理”的工作中心

要想完成财务预算下的经济管理工作,就要明确工作中心,不要简单地认为财务部门是整个医院顺利发展的中心,而是要求各个阶段的经济管理工作都能够在财务管理工作基础之上进行。按照国家有关的各项法律、法规以及相关的规章制度;坚持勤俭办事、厉行节约、杜绝浪费奢侈的现象,坚持社会效益的原则下追求经济效益。根据现阶段各大医院的运行状况来分析,医院资金的分配、筹集、财务管理以及使用与财务管理工作存在较大的关系。在进行药品销售、进药、存储以及业务收入的分配、使用工作时,都离不开各项财务调控工作,医院的财务监督、经济核算更是对各项经济活动进行检查以及制约的主要方法,所以,突出财务管理在整个经济管理工作中的地位,能够保证各项经济活动的顺利进行。

(二)做好医院的财务内部控制工作

1、实施成本管理与核算根据国家所颁布的相关会计工作制度以及财务制度来对各项医疗活动中产生的费用进行分配以及归集,从而达到规范、统一、便于对医院各项经营业绩以及财务成果进行考核以及量化。通过各种会计工作软件以及工作方法形成一套专门的会计账目、会计科目以及会计报表来对医院各个科室的单病种成本以及项目成本进行进行反映、记录以及揭示,通过各种统计以及会计软件和方法做好相应的经济信息以及财务指标分析,从根本上完善各项经济管理工作,从而提升医院所开展的业务水平以及档次。

2、做好实物管理工作要从根本上转变经济管理思想,做好相应的实物计价挂账相关工作,建立并完善物资出入库的各项规章制度,并结合医院发展实际状况制定不同物资的实际消耗定额,从根本上杜绝物品随意领取以及无计划领取等现象,避免由于盲目采购而造成的资金浪费以及物资积压现象。还要提升残渣物资以及报废物资的处理意识,从根本上提升设备的投资回报率以及利用率。

(三)提升财务工作人员的综合素质

随着经济社会的不断发展,财务管理工作难度逐渐增大。财务工作人员在实际工作中面临着更复杂和全新的挑战,转变了传统的工作方向,通过对各项网络技术、会计电算化技术、法律以及外语等现代化技术对获取、搜集所得的信息进行提炼和分析,并对医院的发展前景进行预测、判断以及规划,能够从根本上对医院的经济管理工作进行基本决策。财务管理工作人员还要不断提升自我管理能力,从算账、记账以及报账等工作方向转变到利用财务管理手段对资金进行预算,从而对医院各项业务的收入结构进行调账,从而控制医疗卫生活动的成本,对成本核算工作进行规划,提升财务资金的实际利用率,做好相应的风险控制工作。

二、结束语

财务预警论文范文第2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。

财务预警论文范文第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

财务预警论文范文第4篇

【论文摘要】依据科学性、系统性、实用性等原则,建立了一套酒店财务风险预警指标体系。该体系由基本现存置存标准、现金流量指数等6方面构成的现金状况预警指标,营业收入净利润率与毛利率、资产净利润率等5方面构成的盈利状况预警指标,以及短期和长期偿债状况预警构成的负债状况预警指标3部分组成。指出应注意财务会计数据资料的真实与规范等,才能确保财务风险预警的正确性与有效性。

酒店财务风险预警是以酒店财务信息为基础,通过设置并观察一些敏感性指标的变化。对其可能或将要面临的财务风险实施有效监控和预报。酒店财务风险预警包括财务风险和财务预警两个方面。财务风险是指在财务活动中由于各种因素导致经济损失的机会和可能性:财务预警是度量某种财务指标偏离预警线而发出的预报,它可以帮助企业避免或降低可能的经济损失。依据酒店经营特点建立一套科学的财务风险预警指标体系是准确预警财务风险的关键。

本文所阐述的酒店财务风险预警指标体系是基于预测功能而建立的,它的建立可为酒店财务风险预测提供科学直观的基本预警方法及预警标准,有助于酒店财务风险预警系统及时有效地发挥作用,显著提高酒店财务管理水平。

一、酒店财务风险预警指标的特征及体系建立的原则

酒店财务风险预警指标体系是依据酒店经营特点确立的一系列敏感性财务指标及相关数值的集合,具有较强的预测功能。财务风险预警指标应具备以下两个基本特征:一是高度的敏感性,一旦财务风险因素萌生,就能够在财务指标值上迅速得到反映;二是较强的预测性,它们是财务风险萌生时的先兆指标,而非已陷入严重危机状态的结果指标,能预示财务风险可能或将要发生。

确立酒店财务风险预警指标体系必须坚持以下原则:一是科学性原则。所建立的指标体系必须能够准确地反映财务数据与经营管理活动的内在联系,客观地反映财务及经营活动中潜在的风险。不科学的指标体系会导致预测结果的错误及调整措施的不当,甚至给未来经营造成严重损失。二是系统性原则。从酒店经营内容、经营特点人手,建立一套能够全面检测酒店财务运行及经营活动状况的财务风险预警指标体系。三是实用性原则。指标必须具有极强的可操作性,必须能在实践中真正起到预警作用。指标体系的设计必须易于理解、易于取值、易于计算、易于预警。四是重要性原则。注重成本效益,根据酒店经营内容、经营特点,有侧重地选择、确定能够揭示酒店财务运行规律和如实反映重大潜在风险的指标。五是预测性原则。在建立财务风险预警指标体系过程中,要注意该指标体系应有依赖历史财务信息分析预测未来的特性,能够及时预测到引发财务风险发生的潜在因素的变化,及早提出预警。六是动态性原则。所建立的财务风险预警指标体系要具有可以不断更新的特性,其设计不仅能满足静态截面的分析,而且能用于财务运行状况的实时监控。

二、酒店财务风险预警指标体系的构建

酒店财务风险预警指标体系主要由一系列基础财务指标及一定时期的基础财务指标预警数值组成,这些指标及相关的预警指标值能从整体上说明酒店企业财务风险出现的可能性,其主体指标应包括现金状况、盈利状况、负债状况等的预警指标及预警标准值(见图1)。

1.现金状况预警指标

酒店经营与其他行业在财务流程上有很大差异。正常经营酒店的财务特点主要体现在:一次性的资金投入和持续的现金流出,现金管理在酒店财务管理中具有重要地位。针对这一特点,其现金状况预警指标应包括基本现金置存标准、现金流量指数、营业现金流量指数、营业现金流量纳税保障率、营业现金净流量偿债贡献率和自由营业现金流量比率。

(1)基本现金置存标准。该标准是指企业一定时期基本现金置存的最低标准值。酒店应依据自身经营规模和财务活动要求进行确定。在酒店经营过程中.当实际现金存量低于这个最低标准值时可能引发现金风险,应发出预警。

(2)现金流量指数。它等于现金流入量除以现金流出量表明酒店现金流入对现金流出的总体保障能力。该指数大于1时,表明企业对各种现金支付的需求有保障;小于1时,表示经营活动现金流入量不足以弥补其现金流出量,持续下去,将引发财务风险。

(3)营业现金流量指数。它等于营业现金流入量除以营业现金流出量。营业现金流量是酒店整体现金流量的主要构成部分,是良好现金支付能力存在的保障。营业现金流量指数是对整体现金流量状况的进一步分析,该指数大于1,表明企业现金支付保障基础较好;反之,表明企业收益质量低下,营业现金流入匮乏,支付能力下降,长此以往.会发生财务风险,甚至导致企业破产倒闭。

(4)营业现金流量纳税保障率。它等于(营业现金净流量+所得税+营业税)/(营业税+所得税)。纳税现金流出量具有刚性特征,因企业一旦取得应税收入或利润,无论其质量如何或有无足够的现金流入量保障,都必须及时履行依法纳税的责任,否则将受到处罚。因此,该比率应大于1。如果小于1.企业将不得不通过借款或压缩未来营业活动必要现金支出的方式来上缴税款,这势必对未来的经营活动以及现金流入能力造成危害,增大财务风险出现的机率。

(5)营业现金净流量偿债贡献率。它等于(营业现金净流量一应纳税款)/到期债务本息。营业现金净流量偿债贡献额是指企业所取得的营业现金流入量弥补了营业现金流出量、支付了应纳税款后,可用于偿付到期债务的额度。营业现金净流量偿债贡献率大于1,说明企业完全可以依靠营业活动现金流入量偿付到期债务;若小于1,则说明企业不得不通过举借新的债务或其他现金融通途径来偿付到期债务。

(6)自由营业现金流量比率。它等于自由营业现金流量除以营业现金净流量。自由营业现金流量=税后营业现金净流量一维持当前现金流量能力必须追加资本性支出一到期债务及利息。自由营业现金流量是企业未来发展的基本能力与稳健性的保障,企业对其有充分的自主支配权,并且该部分现金无论怎样处置以及实际效果如何,都不会对企业未来发展的基础构成危害。因此,自由营业现金流量比率越高、金额越大,表明企业的财务风险越小、现金支付能力越强,同时企业价值与股东财富也就越大。

2.盈利状况预警指标

盈利状况指标可以间接地揭示财务风险的大小。盈利能力越强,财务风险越小;反之,财务风险越大。依据酒店经营特点和盈利方式。盈利状况预警指标应包括营业收入净利润率与毛利率、资产净利润率、成本费用利润率、营业收入现金率和资产现金率。

(1)营业收入净利率与毛利率。营业收入净利率=净利润/营业收入.表明市场竞争力与盈利能力的高低。正常情况下,该指标较低或持续下降,说明酒店的市场竞争力与盈利能力在下降,如不能得到及时改善。可能导致现金短缺、财务状况恶化、所投资产及设备价值逐步丧失,从而预示财务风险即将爆发。毛利=营业收入一营业成本,毛利率=毛利/营业收入。当企业净利率为正数时。表明毛利有可能为负数或在较低水平,所以净利率有可能掩盖主营业务的真实市场竞争力,而毛利率能对此进行较准确的反映。因此毛利率较低或持续下降。更应引起管理者的警惕。由于各酒店经营规模、经营方式、所在地区均存在较大的差异性。因此。应依据自己的实际情况来确定净利率与毛利率的预警标准值。一旦发现净利率与毛利率有异常变动。应立即实施风险预警。

(2)成本费用利润率指标。成本费用利润率=营业利润/成本费用总额。该指标越高,酒店成本费用盈利能力越强。即该酒店能以较小的投入取得较大的利润:如果该指标较低或持续下降,尤其是低于同行业平均水平或企业设置的警戒值,说明主营业务市场竞争力与盈利能力在下降,成本费用有可能严重超支,如不及时预警纠正,极易引发财务风险。此指标还可以按不同经营项目进行设置、测算。以便更准确地发出预警信号。

(3)营业现金流人比率。它等于营业现金流人量除以营业收入净额。营业现金流人量是酒店生存的命脉,该比率越高,其现收能力越强、财务状况越安全。如果该比率较低或持续下降,说明酒店营业收入的质量不高,现金收款状况较差,应收账款过高:如不及时预警控制,随着现金流人量的减少.将发生现金支付困难,爆发财务风险。此指标预警标准值.应依据酒店实际经营需要结合现金预警指标加以确定。

(4)资产净利率(总资产报酬率)。它等于净利润/f(期初资产总额+期末资产总额)/2,反映每元资产赚取净利润的能力。该指标越高,说明企业资产的利用效率越高,总资产盈利能力越强,所面临的财务风险较小;如果该指标较低或在下降。说明企业市场竞争力、盈利能力、资产价值均在下降。管理者应及时予以调整。否则将引发财务心风险。

(5)净资产收益率(权益报酬率)。它等于净利润,(期初所有者权益合计+期末所有者权益合计)/2,全面反映了酒店资产的盈利能力。一般来讲,该指标越高,企业权益资本盈利能力越强,在财务状况良好的情况下。短期内不会出现财务风险。但如果该指标过高于同行业水平,说明该酒店可能是一个高负债、高利息费用的企业。一旦财务状况恶化。由高债务带来的高风险将一触即发。净资产收益率是监测企业财务风险的一个极其重要的指标。其预警标准值应依据企业实际经营情况确定。

3.偿债状况预警指标

偿债状况预警指标包括短期偿债和长期偿债指标。短期偿债指标主要包括流动比率、速动比率和应收账款周转率。该类指标体现企业流动资产变现能力的强弱。可以预警企业短期偿债能力的恶化。长期偿债指标主要包括资产负债率和本息偿付倍率。该类指标表明企业偿还其债务本金与支付利息的能力。可以预测企业长期偿债能力的变化。

(1)流动比率。它等于流动资产除以流动负债(取期末值或平均值),反映企业的短期偿债能力。该比率越高。企业的偿债能力越强,一般认为2比较安全。即每l元流动负债至少应该备有2元的流动资产。由于酒店行业资产负债表中的存货较少.其最大的存货实际为客房,因此其流动比率保持在1.2~1.5范围内较为合适。具体预警标准值在不同规模的酒店间会存在一定的差异,酒店应依据自身情况来确定。如果企业实际流动比率低于警戒线或存在持续下降趋势,则应及时预警。

(2)速动比率。它等于速动资产除以流动负债(取期末值或平均值)。由于酒店行业存货较少,速动资产应等于现金、银行存款、有价证券、应收票据和应收账款之和。由此可见,速动比率的敏感度明显高于流动比率,该指标能进一步说明企业短期偿债能力。该比率的最佳值一般为l,但由于酒店经营规模、经营项目等存在较大差异,所以预警标准值应由企业视自己的实际情况确定。

(3)应收账款周转率。它可以用应收账款周转次数或周转天数表示。为了取值方便,我们用周转次数表示。应收账款周转率=赊销收入净额/应收账款平均值.赊销收入净额=营业收入一现金收入一营业收入折扣与退回,应收账款平均值=(期初应收账款+期末应收账款)/2。当酒店销售规模稳定提高时,该比率越高,其资金回收越快,短期偿债能力越强。由于酒店经营中存在大量的赊销客户.如果不加强管理,会导致现金流人量降低,出现潜在的财务风险。可是,过分严格的信用政策会提升应收账款的周转率,同时也会导致客户的流失、销售规模及市场占有率的下降,最终将导致企业经营困难、利润下降和财务风险爆发。因此.管理者应依据企业实际状况和发展要求来确立应收账款周转率预警标准.对应收账款实施有效的预警与控制。

(4)资产负债率。它等于负债总额除以资产总额,反映企业的负债状况。该比率越高.企业面临的财务风险越大,具体预警比率应依据企业规模、风险意识、盈利状况和管理者对财务风险的承受能力来确定;如果企业的资产负债率超出了警戒线或持续居高不下,则应发出预警信号。

(5)本息偿付倍率。它等于息税前利润/(利息支出+到期负债本金/l-所得税税率).表明企业一定时期的本息偿付能力。该指数大于l,说明企业有充分的收益来偿付本息;若小于l,说明企业到期盈利无法偿还本息,有可能发生财务风险。

三、运用酒店财务风险预警指标体系应注意的问题

一般来说,财务风险预警指标体系运用的有效性与酒店的财务会计数据资料、财务风险预警制度等因素有关,因此,在使用时还应注意以下几方面的问题。

一是财务会计数据资料的真实与规范。酒店财务风险预警需要引用、分析、计算大量的财务会计数据资料,财务会计数据资料的真实性与规范性将直接影响到财务风险预警的准确性。因此要求在使用财务风险预警指标进行计算分析时,必须保证所使用财务会计数据资料的真实与规范。

二是结合经营管理特点,建立完善的财务风险定期预警制度。酒店经营一般具有季节性的特点,在建立其财务风险预警系统时,应充分考虑其经营特点、经营规模与经营方式,建立较为完善的财务风险定期预警制度.及时向管理者发出预警信号。超级秘书网

三是确定合理的财务风险预警标准值和波动区间。酒店的经营与发展呈现出一定的周期性,不同时期的财务状况将呈现不同的特征,譬如经营淡季会出现利润和经营现金流量较低的状况。因此在依据主要财务风险预警指标确定财务风险预警标准值和波动区间时,必须结合各酒店的经营发展周期,计算确定符合其实际经营状况的、较合理的财务风险预警标准值和波动区间.以保证风险预警的准确性。

四是结合趋势分析法.长期跟踪比率的变化趋势,及早发出财务风险预警。酒店发生财务风险是由经营管理不善等因素的长期积累造成的。在使用财务风险预警指标进行预警计算时.可以结合趋势分析法.将该期的计算结果与前期进行比较.观察其变化趋势,及早向管理者发出财务风险预警。

五是将定量计算预测结果与定性分析相结合。酒店财务风险预警指标的计算分析注重定量分析.由于受会计数据资料的限制.其计算分析结果有一定的局限性,应结合经济环境、经济政策等非量化因素进行预测分析,使预警结果更加可靠、有效。

财务预警论文范文第5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。