财务危机预警研究范文第1篇

一、非财务信息概念界定

理论界对非财务信息的概念尚没有一个统一的认识。由于缺乏统一的概念界定，不同的文献在非财务信息所包含内容方面也存在很大差异。随着非财务信息在各个决策层面重要性的提高，以及对其研究的进一步深化，对非财务信息从概念上给予明确的界定，就显得必要而紧迫。

（一）国外机构与学者的主要观点具体如下：

（1）美国财务会计准则委员会（FASB）在《企业财务报表项目的确认和计量》中，从财务信息披露的角度规定，只有符合可定义性、可计量性、相关性和可靠性的项目才能予以确认进入报表；而那些不满足条件被排斥在会计报表之外的反映公司经营活动的信息就可以定义为非财务信息。澳大利亚特许会计师协会在其发表的《报告非财务信息》的研究报告中认为，非财务信息是指除财务报表和相关附注以外的所有信息，包括叙述性信息和量化的非财务信息，如经营比率、存货数量和雇员数量等。该类观点只是从广义的角度对非财务信息给予了说明，这种界定全面却并不那么容易让人理解和把握。

（2）美国注册会计师协会(A1CPA)提出企业应当考虑披露下列非财务信息：经营业绩信息，企业管理当局对财务信息和非财务信息的分析、前瞻性信息、有关股东、管理人员的信息、背景信息，但并没有从定义的角度给出明确的说明。Roberts．Kaplan和David Norton在对平衡记分卡的论述中也提到：非财务信息是财务信息的先导性指标，是阐述财务成果形成过程的信息，包括组织的学习与成长，经营及生产过程效率，顾客价值等信息。这些观点通过列举的方式给出了非财务信息应该包含的一些具体方面，容易被人理解把握但其内容却并不全面。

（二）国内学者的主要观点国内学者马晖、王静（2005）指出非财务信息是指以非财务资料形式出现与企业的生产经营活动有着直接或间接联系的各种信息资料。李晓龙（2005）认为不满足条件而未能进入会计信息系统的、反映公司经营活动的，与企业未来财务业绩密切相关的业绩信息就可以定义为非财务信息。耿黎（2008）认为会计信息应包括财务信息和非财务信息。财务信息是指那些完全符合可定义性、可计量性、可靠性、相关性的，能够通过确认、计量、记录、报告程序进入财务报表的信息，以及附注中的解释说明和由财务报表扩展而来的信息。非财务信息则是指与财务信息相对应的，与企业生产经营活动相关的，与利益相关人相关的，不受公认会计准则约束的信息。除上述几种得到较多认可的观点以外，其他的学者大都选择运用罗列内容的方法来说明非财务信息的含义。

综合以上各种观点，笔者认为非财务信息有广义和狭义之分。广义的非财务信息是指除财务报表及其附注本身和可扩展信息以外的所有其他信息；狭义的非财务信息是指针对特定会计主体内部而言的，能反映企业生产经营情况且不受公认会计准则约束的信息。

二、在财务危机预警系统中引入非财务信息的必要性

科学全面地运用财务指标建立起来的财务危机预警模型能较直观地反映企业的综合财务状况，但其不能充分体现那些与企业未来密切相关的前瞻性的非财务信息对危机发生的影响。因此，要建立有效的财务危机预警模型，就应该在充分利用财务信息的基础上，加强非财务信息的引入。这主要是基于两个方面的考虑。

（一）财务信息局限性随着知识经济的到来，现代市场竞争日益激烈，经营环境更是瞬息万变。在这样的时代背景下，信息使用者时刻都需要更新自己掌握的信息来进行有效决策，然而财务报表的数据在通常情况下都是以年度为期间统计的，不能满足决策者对信息的及时更新需求。另外，传统的财务信息只能说明企业过去相当长时间内的状态，而不能对现状进行及时揭示，更不用说超前反映企业的发展趋势了。相对于财务信息的滞后性，非财务信息却具有较强的前瞻性和预测性，更能满足财务危机预警的要求。因此，要准确反映企业的真实状况，真正起到提前预警危机的作用，只采用滞后性的财务指标是远远不够的，应该综合非财务指标的内容。

（二）我国财务信息披露现状一方面，我国资本市场的发展起步较晚，公司信息的公开披露制度和披露质量标准尚不完善。同时，由于净利润容易受到经营者的操纵，经营者可通过调整会计政策来调节净利润的高低，将可能导致财务信息失真，造成决策信息混乱。因此，在我国单纯地依赖企业的财务指标进行财务危机预警是不科学的，也是不能保证预警准确性和可信性的。

另一方面，财务指标由于受企业会计基础和计量属性的影响，其本身具有一定的局限性。一个具有良好财务指标的企业，可能现金支付能力极差。这种偏差既可能是由于会计权责发生制使用所带来的已发生的的利润并没有带来真实现金流入造成的；也可能是由于历史成本计量属性下的利润由于通货膨胀等因素影响并没有带来实际净现金流入造成的。由于存在这样的局限，财务指标不能满足预警对于准确性的要求。因此，只采用财务指标来评判企业的财务危机状况，显然是不准确的，甚至还会出现差错。

同时，我国目前可得的财务信息主要来自于企业财务报告，而财务报告侧重于提供定量信息，但忽视定性信息的披露；侧重反映有形资产状况，但对企业经营过程中造就的竞争优势、企业形象、知识产权、商誉等无形资产，并没有给予恰当反映。但是这类事项或情况，对企业以后的经营业绩和长远发展却有着很大的影响。因此，在这样的情况下，在财务危机预警模型中引入非财务信息就显得更为必要。

综上所述，财务危机预警中，在充分运用财务信息的同时，应该加强非财务信息的应用，以增强财务危机预警的科学性、准确性和可信度。财务危机预警模型最好既要涉及到定量的财务指标，也要涉及到定性或定量的非财务信息，将非财务信息的评价作为企业预警模型的一个构成部分，这样才能更为完备地反映企业的整体面貌，真正达到财务危机预警的目的。

三、财务危机预警中非财务信息应用研究评述

目前，国内外的学者对非财务信息在财务危机预警中应用的研究主要集中在非财务指标的选择方面。

（一）国外财务危机预警中非财务指标研究在20世纪8O年代，很多国外学者就开始意识到过分关注企业的财务状况、单纯以财务指标来预警财务危机难以让人信服，于是他们便开始尝试将非财务因素引入到财务危机预警模型中，并对引入后的预警效果进行了检验。在引入非财务指标方面，国外文献主要从基于宏观经济和经济周期方面的考虑、立足于行业差异分析、针对管理水平度量三个方面予以思考。Rose(1982)检验了28个经济周期指标从而论证了宏观经济状况影响着企业失败进程。Mensah(1983)考虑价格水平变动对财务数据的影响，用调整后的数据来预测企业财务危机，结果显示这对于提高预测准确性的作用不大。Lawrence(1983)和Whittred Zimmer(1984)检验了上市公司财务状况延迟披露对危机预警结果的影响。Goudie(1987)尝试将英国经济活力(Dynamic)模型与其开发的破产预测模型进行整合，但因缺乏统计准确性而影响不大。Platt(1990)用行业比率标准化的方法控制行业之间的差异，得出一个稳定的破产模型，证明行业增长对企业失败影响显著，随后又进一步比较了行业比率调整与否对破产模型稳定性与完整性的影响。Sunti Tirapat(1999)运用PMI、GPE、INT和MS2四个宏观经济变量作为因变量对企业股票的月回报进行了多元线性回归，以得出的回归系数作为该企业对宏观经济的敏感性度量。John Baldwin等(2000)应用行业特征、宏观经济和地区变量对加拿大的小企业失败构建了预测模型，其中行业影响方面的指标有：企业规模／进入行业第一年的平均规模、行业集中度、行业员工流转率、进入行业第一年平均企业规模，行业平均企业规模，该模型论证了所处地区对小企业成败影响巨大而行业因素则作用甚微。

（二）国内财务危机预警中非财务指标研究在非财务信息中有一部分是可以直接量化的，国内很多学者将这部分非财务信息与量化的财务信息一起共同应用到财务危机预警系统模型的构建中。如：林素真、罗绍德（2005）将变更会计师次数、更换高阶经理人及财务主管次数、变更财测次数及出具非无保留意见次数等四个非财务变量应用到财务危机预警中。经过实证结果的分析验证所得的结果符合上述论述，加入非财务变量后的财务预警模型及完整性预警模型，在正常企业及危机企业和整体模型的预测率，果然较单纯以财务性变量的预警模型为佳。曹德芳、赵希男、王宇星（2006）就曾尝试将董事会治理因素引入到财务危机预警中。他们以120家上市公司为研究对象,分别运用非参数检验、T检验以及主成分分析法对财务变量和董事会治理变量进行筛选,并最终选定董事长持股、独立董事比例、董事会成员持股三个董事会治理变量，进而将其与财务变量一起运用Logistic回归分析构建预警模型。结果显示，未引入董事会治理变量的模型的预测正确率为92.5%,而引入董事会治理变量的模型预测正确率为94.15%,预警能力明显增强，证明了非财务信息中的董事会治理因素是影响公司财务危机的一个重要方面，对预警有着和常规财务信息同等重要的作用。邓晓岚、王宗军等(2006)分别检验股权结构、公司治理、市场信息等方面的10个非财务变量对财务困境的解释力，并应Jackknife Method检验模型的分类预测能力。结果显示，年度累积超额收益率与审计师意见的预警效果较好，其他非财务变量均不显著，纳入了非财务因素的模型预测力更强。郭斌、戴小敏等(2006)的研究及实证结果表明，消除行业影响后模型的分类准确度有所提高，而同时考虑财务与非财务因素及经济环境因素的滞后预警作用，将大大改善总体分类准确度和拟合度。王宗军、熊银平、邓晓岚（2006）也尝试着将董事会高管人员持股比例、股权集中度、股票价格变动趋势和样本公司是否更换会计师事务所（更换=1,未更换=0）等四个非财务指标运用到危机预警中。从实证结果看,在公司财务状况发生变化的前一年,只包含财务变量的预测模型对ST公司的判别正确率为93.3%,对非ST公司的判别正确率为90%,总体正确率为91.7%。加入非财务变量――公司股价变动趋势以后建立的预测模型对ST公司的判别正确率升至96.7%,对非ST公司的判别正确率升至96.7%,总体正确率为96.7%,提高了5%，也证明了非财务信息的良好的预警效果。

除了有一部分可以直接量化外，大部分的非财务信息都是不太容易量化处理的。对这类非财务信息，国内学者通常采用模糊统计的方法，从定量与定性相结合的角度出发，构建财务危机模糊预警模型。如万希宁、王艳(2007)选择了研发能力与发展创新能力、管理团队及员工积极性、市场定位及经营发展战略等非财务信息，应用多级模糊综合评判法对财务风险因素进行定量化评价，对定性的非财务指标采用模糊统计的方法，从定量与定性相结合的角度出发，构建了基于非财务指标的财务危机模糊预警模型。孙杰、李辉（2008）针对财务危机定量预警方法忽视专家的经验知识以及非财务信息的局限性，提出基于灰色综合评价的多专家群决策财务危机预警方法，并给出了该方法运用的算例。算例表明基于灰色综合评价的企业财务危机群决策预警方法，能充分利用多专家的经验知识以及大量财务及非财务信息，来评价企业出现财务危机的可能性程度并发出预警信号，从而在一定程度上弥补了单纯依靠定量预测手段进行企业财务危机预警的局限性，为在财务危机预警中应用非财务信息提供了新的思路和方法。

（三）财务危机预警中非财务信息应用研究评述从国内外的研究现状来看，关于非财务信息在财务危机预警中的应用目前还没有一个较为成熟和统一的理论体系。不同的研究者只是从自己认为应引入的非财务信息入手开展研究，并得出相关的结论。由于没有统一的理论前提，研究者们得出的结论都不具有继承性和互补性，难以形成系统性的结论，不能对财务危机预警实践产生很好的指导作用。另外，由于研究者一般选择的样本比较小，涉及行业比较少，导致其得出结论的适用性不强。不同的研究者开展的研究，由于选择的样本存在很大差异，其结论在逻辑上就不具有可直接累加的特性，导致重复研究的发生。

基于上述研究现状，本文认为非财务信息的应用研究在未来必然走向概念规范化的道路，并逐渐形成比较完善的理论框架。研究者们会在统一明确的非财务信息概念界定基础上开展研究，保证研究者各自研究结果的继承性和互补性。同时在研究方法的选择上，研究者们会继续采用实证研究的方法探讨该问题，只是在样本的选择上会逐步缩小样本范围并扩大样本数量。即由于不同行业和类型的企业在各个方面都存在很大差异，所以会对小范围大样本进行研究，从而形成一系列针对性比较强的财务危机预警理论和方法。

财务危机预警研究范文第2篇

【关键词】财务危机 预警模型

引言：财务危机的界定

对财务危机的界定,国内外学者因研究目的不同而异,使用了不同的标准。Beaver(1966)认为，破产、拖欠偿还债务、透支银行账户或无力支付优先股股利四项中的发生任何一项的企业,,即可定义为发生了财务危机的企业。Altman(1968)认为，财务危机企业是“进入法定破产的企业”。在国内，多数学者在研究中倾向于直接使用披露的上市公司数据，并以是否被“ST（特别处理）”作为判断该企业是否发生财务危机的判断标准。

一、财务危机预警模型相关研究成果

国内财务危机预警的研究始于20世纪80年代中后期，而到1996年以后，才陆续出现以企业财务数据为基础建立的财务危机预警模型。

周首华、杨济华、王平（1996）在埃特曼（Altman）Z分数模式的基础上，建立了新的预测模式――F分数模式。他们选取了31家破产公司及31家非破产公司作为样本建立F分数模式，并用4160家公司数据作为检验样本进行了验证，得出其准确率近70%。F分数模式充分考虑了现金流量的变动情况，其选取的五个判定变量完全基于财务理论，而非像其他模式的变量系数取自实务选定方法。研究指出，如采用F分数模式进行趋势分析，较之时间序列上任一时点的单一F分数分析都重要得多。

陈静（1999）采用单变量分析和多元预测模型对国内市场27家ST公司和非ST公司进行了实证分析。在单变量分析中，发现资产负债率和流动比率在宣布ST前一年的误判率最低，而在宣布前三年时，总资产收益率和流动比率的误判率较低。在其建立的多元线性判别分析中，选取了资产负债率、净资产收益率、净利润、流动比率、营运资本/总资产以及总资产周转率六个指标来构建预警模型，并通过对三年判定函数预测正确率的计算和比较，发现多元判定模型在宣布前一年的成功率较高，离宣布日越远，成功率越低。

吴世农、卢贤义（2001）选取1998-2000年发生ST的样本公司70家和相对应的非ST样本公司70家，首先应用剖面分析和单变量判定分析，选取盈利增长指数、资产报酬率、流动比率、长期负债与股东权益比率、营运资本与总资产比、资产周转率6个指标作为多元判定分析得变量，并以此构建LPM模型、Fisher二类线性判定模型和Logistic回归模型。研究表明，LPM模型与Fisher判定模型在财务困境发生前1年的误判率均为10.07%，从应用上可证明两个模型是等价的。三种模型均能在财务危机发生前做出较为准确的判断，且就同一样本集而言，Logistic回归模型误判率最低，判定效果最好。

杨淑娥、黄礼（2005）从沪深两市上市公司中选取了以工业板块和综合板块为主的90家ST公司和相应的90家非ST公司，选择流动比率、现金比率等10个指标利用BP人工神经网络算法构建BP神经网络模型。通过构建的模型对建模样本进行回判以及对检验样本进行判定，其正确判定率分别达到90.8%和90%，证明了基于财务指标信息的BP人工神经网络方法是预测企业财务是否会发生危机的有效方法。同时，该文也指出，预警模型在研究同类行业时将取得更好的效果。

二、对企业财务危机预警模型研究成果的基本评价

纵观大多数学者对财务危机预警系统的研究，周首华、陈静等在国外研究模型的基础上，进一步发展符合国内实情的财务预警模型，杨淑娥、黄礼等则采用新的思路，结合其他学科对构建财务预警模型的新方法进行的探究。这些研究基本上都更加重视现金流量在财务危机预警中的重要作用，以及强调进行时间序列上的趋势分析的重要性。

通过上述研究可以发现，所构建的财务危机预警模型的误判率明显降低，证明近年来国内在该领域上的研究成果显著。但与此同时，也应看到我们的研究仍存在不足之处。

1.数据的获取和处理，国内研究更大程度上是在上市公司披露的数据下进行进一步研究和建模，获取的数据是否真实可信，对数据的处理是否得当，这些都是影响模型有效性的重要因素，但这些因素在研究中没有得到适当的保证。

2.财务指标的选择，不同行业各财务指标的重要性及衡量标准有所区别，国内研究一味强调ST公司的选择而忽略了公司行业性质的影响，可能使构建出来的模型“被综合”，从而无法做出更加精确的判定。

三、继续研究的价值和方向

如何有效控制企业风险、避免企业财务危机发生，可以说是关系到企业的生死存亡，因此对于财务危机预警模型的研究和深化不仅具有重要意义，而且是十分必要的。基于大多数学者的研究，进一步深入发展或整合利用其他学科研究，建立更为有效的财务危机预警模型是当前研究的一个主流趋势。另外，可以考虑在对财务指标进行定量分析建模的基础上，加入一些对触发事件、披露事件等的定性分析，提高模型的效度和实用性。

参考文献

[1]陈静.上市公司财务恶化预测的实证分析.会计研究, 1999.4.

[2]吴世农,卢贤义.我国上市公司财务困境的预测模型研究. 经济研究,2001.6.

[3]杨淑娥,黄礼.基于BP神经网络的上市公司财务预警模型. 系统工程理论与实践,2005.1.

财务危机预警研究范文第3篇

[关键词] 财务预警 财务指标 预警模型

一、单变量预警模型

最早的财务危机预测研究是FitzPatrikc(1932)所做的单变量破产预测模型，他发现，出现财务困境的公司其财务比率和正常公司的财务比率相比有显著的不同，从而认为企业的财务比率能够反应企业财务状况，对企业未来具有预测作用。

Beaver(1966)对美国1954年～1964年间79家失败企业和79家成功企业的30个财务比率进行研究的结果表明，具有良好预测性的财务比率为“现金流量/负债总额”、“资产收益率（净收益/资产总额）和资产负债率（债务总额/资产总额）。Bevaer也因此开创了建立财务预警模型的先河。

二、多元线性判别模型

1.Z计分模型

1968年埃德沃德・阿尔特曼Altman提出了多元线性判定模型即运用多种财务指标加权汇总产生的总判断分值(称为z值)来预测财务危机，此模型分为在上市公司和非上市公司两种情况。上市公司的Z值模型和判别规则如下:Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5 其中:X1=净营运资本/资产总额，反映公司总营运资本的流动性；X2=留存收益/资产总额，反映公司的支付剩余能力；X3=息税前利润/资产总额，反映公司的收益率大小，衡量公司运用全部资产获取利润的能力；X4=普通股和优先股市场价值总额/债务账面价值总额，反映公司财务状况的稳定性；X5=本期销售收入/资产总额，反映公司的活动比率。

该模型实际上是通过五个变量(五种财务比率)，将反映企业偿债能力的指标(X1、X4)、获利能力指标(X2、X3)和营运能力指标(X5)有机联系起来，综合分析预测企业财务失败或破产的可能性。一般地，Z值越低企业越有可能发生破产。

非上市公司的Z值模型和判别规则如下:Z=0.717X1+0.847X2 +3.107X3+0.420X4+0.998X5，其中，X4修正为:股东权益/总负债，反映公司财务状况的稳定性。其余X1、X2、X3、X5与上市公司的相同。

2.F分数模型

我国学者周首华(1996）等提出对Z值判定模型加以改造建立起F分数模型。许多专家证实，现金流量比率是预测公司破产的有效变量，F分数模型加入现金流量这一预测自变量，弥补了Z值判定模型的不足。其表达公式为:

F=-0.1774+1.1091X1+0.1704 X2+l.9271 X3+0.0302 X4+0.4961 X5，其中，X1、X2及X4与Z计分模型中的X1、X2及X4反映的指标相同，而X3、X5与Z分数模型的X3、X5不同。X3=(税后净收益+折旧)/平均总负债，它是一个现金流量变量，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。X5=(税后净收益+利息+折旧)/平均总资产，测定的是企业总资产在创造现金流量方面的能力(其中的利息是指企业利息收入减去利息支出后的余额)。相对于Z分数模型，它可以更准确地预测出企业是否存在财务危机。

三、逻辑回归模型

多元逻辑回归模型克服了多元线性判别分析方法对预测变量有着严格的联合正态分布要求、且要求财务危机组与控制组之间一定要进行配对的局限性，从而将问题简化为已知一个公司具有某些财务特征，计算其在一段时间内陷入财务危机的可能性有多大。美国学者Ohlson(1980)是最早在财务预警研究中应用这种方法的人。

我国学者陈晓、陈治鸿(2000)以因财务状况异常而被特别处理(ST)作为上市公司陷入财务危机的标志，运用多元逻辑回归模型和可公开获得财务数据，对中国上市公司的财务危机进行了预测，发现负债权益比、应收账款周转率、“主营利润率/总资产”和“预留收益/总资产”对上市公司财务危机有着显著的预示效应。他们的研究所发现的最优模型能够从上一年股本收益率公告小于5%的上市公司中预测出73.68%的下一年会进入TS板块的公司，总体判别正确率为78.24%。

四、神经网络模型

Odour和Sharda(1990)用BP神经网络预测了财务危机。他们的模型要优于当时的判别分析模型，但也仅仅是神经网络方法应用的展示和Altman(1968)研究的重复。Coats和Fant(1992)运用神经网络技术学习审计专家的结论来判别财务危机，他们选取了由审计师判定的1971年～1990年间的94家持续经营的公司和188家财务状况变动较大的公司，并采用Atlman的Z值模型中5个财务比率分析了这些公司在破产前3年内的数据。Coats和Fnat认为Z值模型对破产当年具有很好的判断效果，但不具有很好的提前预测效果，神经网络模型则解决了此问题。

五、国内外研究简评

在国内外现有的财务预警研究中,指标的选择往往基于一般的财务理论、风险理论和管理理论，有时甚至取决于研究者的直观判断以及资料的可获得性，众多研究者还没有找到令人信服的财务风险和预警理论来支撑所建立的预警模型,由此造成了各种财务预警模型的预警结论不一致，甚至相互矛盾和冲突。企业财务风险的形成和警情的出现往往在事前存在着一定的征兆，这就是财务预警的警兆,而警兆的识别需要以科学的财务风险理论和财务预警理论为基础。然而,在当前的研究中，还没有找到一种公认的理论来全面地说明财务风险的成因和财务预警的警兆因素，为此，国内外的众多研究者还在努力探索。

参考文献:

财务危机预警研究范文第4篇

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）。

财务危机预警研究范文第5篇

[关键词] Altman模型 财务危机 医药行业 沪市数据

一、引言

随着经济全球化趋势的发展及各国企业自身的快速发展,公司、尤其是上市公司受到来自投资者、债权人、及政府的相关利益者的关注,因企业陷入财务危机而导致其经营失败、破产的案例屡见不鲜,所以对于财务危机的预测显得尤其重要,本文采用Altman的Z值法模型、选取我国医药行业上市公司数据来验证其模型对于我国公司的有效性。

财务危机(financial distress),又称为财务困境、企业失败(corporate failure),最严重的财务危机是“企业破产”。企业因财务困境导致破产实际上是一种违约行为,所以财务困境又可称为“违约风险”。财务危机是指企业丧失偿还到期债务的能力,包括从资金管理的技术性失败到破产以及处于两者之间的各种情况。

在具体的模型研究中,国内外学者也存在不同的观点:Beaver(1966)将破产、拖欠优先股鼓励、拖欠债务界定为财务危机;Altman(1968)将财务危机界定为“进入法定破产的企业”;Deakin(1972)则认为陷入财务危机的公司“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”。在国内,对财务危机预测的研究处于起步阶段,非上市公司的资料不够规范,难以获得有效而可靠的途径的数据,国内学者对其研究的对象基本为上市公司,同时我国证券市场还不够完善、退市的企业不多,因而大部分研究将上市公司被特别处理(ST)作为公司陷入财务危机的因变量,如陈静(1999),陈晓、陈治鸿(2000),吴世农、卢贤义(2001),李华中(2001),王磊(2009)。所以本文也是选取被特殊处理的上市公司作为研究陷入财务危机的客观标准。

二、Altman Z值法的模型介绍

Altman从资产负债表和损益表中初步选取了22个比率进行筛选,这些比率分为五大类,即流动性比率、盈利性比率、杠杆比率、偿付能力比率以及活动比率。从这22个比率中选出了在预测企业破产时综合效果最好的5个比率。

这五个指标分别是X1=营运资金/总资产,X2=留存收益/总资产,X3=息税前利润/总资产,X4=股票市值/帐面总负债,X5=销售收入/总资产,该模型还假定上述五个指标对企业财务健康状况的影响是线性的且呈正相关,即各指标值越大,表明企业的财务健康状况越好。

Altman的模型中用Z表示企业财务状况的判别值,即破产可能性的倒数。用X1、X2、X3、X4、X5分别表示上述五个指标,用b1、b2、b3、b4、b5分别表示这五个指标对Z值的影响权重系数,因此该多元判别函数可表示为:Z=b1X 1+b2X2+b3X3+b4X4+b5X5

Altman采用多元判别分析MDA来确定系数b1、b2、b3、b4、b5的值并通过计算出的Z值来判别企业破产的可能性。上述五个指标中对判别函数影响最大的是X3通过对大量的样本进行多元判别统计分析Altman得出以下两个针对不同类型企业的破产判别函数。

对于工业企业:Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0 X5

对于非工业企业:Z=6.56X1+3.26X2+6.72 X3+1.05X4

其中,Z值越高,表明企业破产的可能性越小。医药行业适用于工业企业模型。Altman在所选取的样本进行研究时,发现当Z值小于1.81时,样本企业全部破产倒闭;当Z值大于2.99时,没有企业破产;另外当Z值介于1.81与2.99之间时,不能进行准确判断。按错误判别率最小的原则,Altman选择2.67作为区分破产企业和财务健康企业的临界Z值。

三、我国医药行业沪市上市公司的Altman Z值法模型的运用

1.样本

本文初步选取了我国医药行业在上海证券交易所挂牌上市的公司57家2007~2008年两年的数据。数据来源是清华金融研究数据库、公司年报,上海证券交易所作为相关数据资料的补充。

本研究选择估计样本的标准为:(1)被特别处理公司即ST公司:可以完整获得该公司(t-1)、(t-2)年的年度财务报告数据;(2)非特别处理公司即非ST公司:在(t-2)年1月1日前上市的,在t年没有被特别处理的,并且可以完整获得该公司(t-1)、(t-2)年度财务报告数据。

2.判别结果

样本中的57家医药公司,通过检索,2009年被ST的7家公司列表如下:

表1 2009年被ST的7家医药上市公司

由数据处理得出,2007年,即(t-2年)对2009年的财务危机判别值的结果的可靠性列表如下:

表2 2007年对2009年的财务危机判别值结果及可靠性

从(t-1)年即2008年的财务危机判别值来看,其预测结果的可靠性如下列表:

表3 2008年对2009年的财务危机盘别致结果及可靠性

2007年对2009年的财务危机预测的结果来看,Altman模型对非ST公司的预测可靠性是很高,达到了94%的预测成功百分比,而对ST公司的预测要小的多,仅为57.14%。2008年对下年即2009年的财务危机预测结果来看,该模型对非ST公司的预测可靠性为69.77%,而对ST公司的预测表现很弱,预测成功百分比仅为28.57%。

在Altman对选择的样本进行研究,其结果显示:以95%的准确率预测了1年后企业破产的情况;以72%的准确率,预测了2年后企业破产的情况。虽然Altman未能获得足够的案例作为样本进行预测,但是较高的判别准确率模型在当时是非常难得和重要的。

从本文选取的样本进行研究的结果来看,和Altman最初模型研究样本的结果存在诸多不一致的结论。首先,本文的研究结果现实2年后企业破产的财务危机预测结果可靠性要高于1年后企业破产的结果,出现这样的结果,主要和原因在于:我国的医药行业主要为国有控股的企业,当预测出现财务危机时,政府可以给予极大的扶持;我国的证券市场还不是很完善,财务会计准则存在一些缺陷、虽然我们一直在努力完善它,但是上市公司进行盈余管理等不规范操作也是司空见惯的;另外,Altman模型是理论界较早的一个模型,其背景和现有经济形势存在极大的差异,同时样本选择的差异也会导致其结果的不一致性。

虽然我们的研究结果并不是Altman模型能够基本预测的,但是其模型对于我国医药行业的预测还是具有一定的借鉴意义,尤其是对非上市公司的财务危机预测准确率较高。

3.研究局限性

本文的研究具有一定的局限性,首先样本的选取范围较小,其结果可能不太具有总体代表性;研究方法仅仅是利用Excel等简单的方法进行分析,结果可能不是很深刻。

四、结论和展望

本文是利用Altmanz模型对我国在沪市上市的医药行业的公司进行财务危机预警研究,研究结果显示,该模型对于我国该行业的预测准确性不高,所以有必要根据我国的具体情况对其模型进行改进,Altman、Haldeman & Narayanan(1977)提出了一种更准确预测企业财务危机的Zeta模型;Meyer & Pifer(1970)、Laitinen(1993)、Theodossiou(1991)将新型概率模型运用于企业财务危机预测;Martin(1977)、Ohlson(1980)运用Logistic模型进行财务危机的预警研究;Zmijewski(1984)使用了Probit分析模型;另外还有神经网络分析模型、递归分割算法、生存分析法及专家系统模型。这些模型分析方法对于较早的Altman模型做了许多改进,方法更加先进、涵盖的范围更加全面,预测的结果更加准确。

未来对于我国企业来说,最重要的是建立起适合我国企业特征的模型,而不仅仅是借鉴国外学者已研究的模型,同时相关的经济、社会体制能够更加完善,将使我国企业财务危机预警分析更加客观,在预测到危机时,企业能够及时调整战略,使企业朝着更加稳定的方向发展。

参考文献:

[1]Edward I. Altman. Financial Ratios,Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].The Journanl of Finance, 1968,(9).

[2]吴世农,卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究,2001,(6).

[3]王磊.我国医药行业上市公司财务危机预警研究[D].上海交通大学硕士学位论文,2009.