财务比率论文范文第1篇

关键词：财务风险 负债经营 资产负债率

债务资本是一把“双刃剑”，与利润既有正相关关系，又有负相关关系。确定合理的资本结构，促进企业经营绩效的提高，对企业的生存和发展非常重要。现代资本结构理论也指出：在有效市场前提假设下，资本结构的变动会影响企业价值和企业的财务风险，债务融资方式相对于股权融资方式而言对企业更有利。本文分析了相关理论，并结合案例这件事上市公司实证分析，研究样本公司的资本结构是否影响公司绩效和财务风险以及怎样影响公司绩效的财务风险，检验国外经典的资本结构理论在我国上市公司中的适用性，对优化我国上市公司的资本结构，提高上市公司的经营绩效，降低公司的财务风险具有重要的现实意义。

一、文献综述

（一）国外文献 Aghion.Boloton（2008）认为企业利用负债融资提高企业的财务杠杆比率，可以降低企业加权平均资本成本率，从而提高企业的价值。但是同时会加大企业的财务风险，Agrawal .A（2009）认为不论财务杠杆如何变化，企业综合资本成本都是固定的，因而企业的总价值也是固定不变的，即不存在最佳资本结构，资本结构和公司价值无关。Allen.M.P（2011）加权平均成本取决于权益成本和负债成本，当企业用负债来减少发行在外的股票时，权益资本成本上升缓慢，负债成本平稳不变，而且比权益资本成本低，所以加权平均成本逐渐下降。当负债比例加大，权益资本成本加速上升，虽然负债在全部资本结构中比例增加，但不能抵消权益资本成本快速上升的影响，结果使加权平均成本下降到最低点后开始上升。

（二）国内文献 肖游（2006）从财务风险的特征、成因入手，提出财务风险控制的目标、原则和程序。而关于财务风险控制的方法，在结合之前研究的结果，引入了财务杠杆系数作为控制筹资风险的风险。吴井红（2005）认为公司的财务风险主要有公司的资产负债率，盈利有关。肖作平（2007）认为公司的财务风险主要和上市公司的财务费用比率有关。沈根详（2005）主要以权衡理论为基础，探讨了资本结构与破产成本以及税盾效应之间的关系，通过实证得出结论认为中国上市公司的资本结构最优资本结构应该是资产负债率在60%至70%之间，大于百分七十，破产成本将急剧上升，超过了税盾带来的效应。刘星（2011）放宽了MM定理关于所得税率恒定的条件，考察了在中国特殊国情下所得税率和资本结构之间的关系，得出了资本结构与所得税率成正相关的关系。

多数学者研究的是上市公司资本结构与财务风险的关系，很少学者考虑到负债收益与财务风险之间权衡利弊的关系，本文研究是基于负债收益和财务风险之间权衡的关系，以期完善上市公司财务风险的理论。

二、研究设计

（一）研究假设 企业负债规模越大，企业还本付息的压力也就越大相应地财务风险也就越大。企业的负债规模越大，要偿还的本金及利息就越多，由于收益降低而导致不能偿还到期债务的风险也就越大，因而其财务风险就越大。尤其是当企业经营不善时，到期债务的还本付息将给企业带来很大的压力甚至会使企业破产。因此，本文提出假设：

假设1：企业财务风险与资产负债率正相关

在企业负债经营的条件下，负债越多，则所需偿付的利息费用也越高。高的利息费用增加了企业可能因无法偿付债务带来的风险，故提高了财务风险。另一方面，财务费用比率的高低也与营业收入密切相关，与营业收入成反比。如果企业具有较高的营业收入，则财务费用比率低，而其将具有较多的资金流用于偿还负债，因此财务风险也会相应较小。因此，本文提出假设：

假设2：企业财务风险与财务费用比率正相关

从理论上说净资产收益率（ROE）受三个因素驱动：资本回报率（ROIC）、ROIC与R的差异即经营差异率、净财务杠杆（DFL）， 资产收益率（ROE）高的公司往往是因为资本回报率（ROIC）比较高，拥有着极高的经济商誉和较强的经济特许权，具备着较高的行业壁垒，往往不需要通过高的财务杠杆来获得负债收益，因为这样往往也会同时增加财务风险。而如果企业经营管理不善，长期不盈利，资本回报率（ROIC）低下，那么企业要偿还借款的本金及利息就会非常困难，这样就会给企业带来偿还债务的压力也可能使企业信誉受损，不能有效的再去筹集资金，导致陷入财务风险。盈利是支付长期本金利息所需资金的最可靠、最理想的来源。企业投资回报率越高、盈利能力越强，其偿还债务的保障也就越大，发生财务风险的可能性也就越小。因此，本文提出假设：

假设3：企业财务风险与净资产收益率负相关

（二）样本选取和数据来源 本文的研究样本为我国2011年浙江省在沪深两市A股的上市公司。剔除了以下特殊样本：（1）金融类上市公司；（2）研究期间内为特别转让和特殊处理的公司，以及被注册会计师出具过否定或保留等审计意见的公司；（3）净利润小于零，资不抵债的上市公司。（4）数据异常的公司。最终得到127家上市公司为研究样本。本文的所有数据来源于国泰安数据库以及新浪财经网上公布的各上市公司的年度报表。

（三）变量定义和模型建立 本文的研究变量主要包括被解释变量、解释变量和控制变量：（1）被解释变量。被解释变量，即上市公司的财务风险，本文用综合杠杆（简称DTL）作为评价指标。综合杠杆是经营杠杆和财务杠杆共同所起的作用，用于衡量销售量的变动对普通股每股收益变动的影响程度，该指标越高，说明企业财务风险越大。运用综合杠杆来衡量企业的财务风险，主要是能综合全面的考虑到企业的筹资风险、投资风险，综合杠杆等于财务杠杆乘以经营杠杆，财务杠杆的高低和企业的筹资风险有紧密的联系，财务杠杆越高，企业的筹资风险越大，因为高的财务杠杆往往会导致企业较高的筹资成本，导致企业偿债压力加剧，经营杠杆的高低与企业的投资风险有精密的联系，经营杠杆越高，企业的投资风险越大，因为高的经营杠杆往往要求企业投资的项目的净现值也要较高，一旦投资项目净现值不如预期，企业的经营就会遭受风险。（2）解释变量。解释变量，即上市公司的负债经营效益，根据企业成长效益的指标，综合考虑到数据的可获得性，本文共选取了3个解释变量来衡量上市公司的负债经营效益：企业的资产负债率（用DAR表示）。企业的负债经营效益首先要确定的是企业的资产负债率，其表示公司总资产中有多少是通过负债筹集的，该指标是评价公司负债水平的综合指标。企业财务费用比率（用FE/IFM表示），企业财务费用主要包括企业为负债经营所支付的利息费用，财务费用比率描述企业财务费用与主营业务收入的比率，是描述负债经营大小及效益的一个双重指标。企业净资产收益率（用ROE表示），描述企业在剔除负债效益之后企业的实际盈利能力，是企业资产对企业的收益最直接的贡献，描述企业的经营效益指标，结合上述两个指标，能很好的对企业的负债经营效益进行分析。（3）控制变量。财务绩效的主要影响因素除了上述提出的3个变量之外，还会有其他的因素，如宏观经济环境，企业的管理效率等等。为控制上市公司其他因素对财务风险的影响且基于数据的可取得性，引入企业的成长性（CIGR）、企业的所有制性质（OWNSP）、企业的规模（SIZE）作为控制变量。定义如表（1）所示。

采用多元线性回归模型来分析企业负债经营效益与财务风险之间的关系，根据以上假设，建立模型如下： DTLi=β0+β1*DARi+β2*FE/IFMi+β3*ROEi+β4*CIGRi+β5*SIZEi+β6*OWNSPi+Ui，其中，βi为待估系数，Ui为随机扰动项，i表示第i家上市公司的数据。

三、实证检验分析

（一）描述性统计 本文选取了我国2011年浙江地区在沪深两市A股的304家上市公司来研究企业负债经营效益与财务风险之间的关系。通过筛选，最终选取了127家上市公司共计127个样本的数据。样本数据的基本情况如表（2）所示。

（二）相关性分析 分析结果如表（3）所示。可以看出，综合杠杆与资产负债率、财务费用比率和企业资产规模显著正相关，与净资产收益率和主营业务增长率成显著负相关，与公司的所有者性质关系不显著。变量之间存在多重共线性问题，企业资产负债率、财务费用比率和企业规模显著正相关，净资产收益率与主营业务增长率也呈显著正相关，这可能对实证分析的结果的有效性产生影响。但是根据统计分析的原理，如果两个变量之间的相关系数小于0.8，一般就认为两个变量之间不存在显著的多重共线性。从表中各相关系数值可以明显得出数据样本的多重共线性问题不明显。

（三）回归分析 为了探究企业社会责任对企业财务绩效的影响，进行了多元线性回归分析，结果如表（4）所示。在回归结果中计算了各个变量的方差膨胀因子，各变量的VIF值都接于1，通常情况下，当VIF值大于等于10时，共线性才会在变量间显现，所以本文模型中的各个变量之间并不存在严重的共线性问题。另外，从表中可以得到，除主营业务增长率和所有制性质外，其他解释变量和控制变量均通过了0.01水平下的显著性检验。可以发现：（1）上市公司资产负债率对其财务风险的影响最大，在1%（sig=0.00

四、结论

从本文分析结果看，公司的资产负债率，财务费用比率对公司的财务风险水平有着显著正相关的关系，而资产收益率对公司的财务风险水平有着显著的负相关关系，资产负债率代表着的是公司的资本结构，公司的资本结构和财务风险水平有着显著正相关关系，在一定程度内，一个公司资本结构越高，获得的税盾效益也就越高，但是必须要承受一定的财务风险，因此，企业要在可控的财务风险水平下，采取合适的资本结构。公司的财务费用比例代表着公司的财务管理水平，一个公司的财务管理水平越高，财务风险也就会相应降低，公司必须要学会运用各种金融工具，降低自己的财务费用率，这样就能其他条件的不变的情况下，降低财务风险水平。公司的净资产收益率代表着公司的盈利能力，公司的净资产收益率越高，公司的财务风险越低，这给我国的上市公司带来的启示是，要从根本上在保持一定盈利能力的前提下，同时也承受不过高的财务风险水平，必须要提高自身的净资产收益水平，而要提高公司的净资产收益水平，必须引入优质资产，提升自身的产品竞争能力，加强公司的营运能力。

参考文献：

[1]曹德芳、曾慕李：《我国上市公司财务风险影响因素的实证分析》，《技术经济与管理研究》2005年第6期。

[2]吴井红：《我国上市公司财务风险初探》，《经济周刊》2006年第8期。

[3]肖游：《试论上市公司财务风险控制》，《商业研究》2006年第13期。

[4]沈根详：《上市公司资本结构与经营风险》，《经济研究，》2009年第6期。

[5]刘新：《上市公司所得税与财务风险关系研究》，《经济研究》2009年第6期。

[6]李春奇：《我国上市公司财务风险研究》，《技术经济与管理研究》2010年第6期。

财务比率论文范文第2篇

关键词：证券市场；上市公司；财务预警

文章编号：1003－4625（2009）03－0086－05中图分类号：F830.91文献标识码：A

Abstract: This paper reviews the theoretical study of domestic and foreign literatures about financial alarm. Based on evaluation of the existing theories，it is proposed that non-financial and financial variables should be combined, and financial distortion alarm theory and financial failure alarm theory should be integrated.

Key Words: Security Market; Listed Companies; Financial Warning

我国自改革开放以来，竞争激烈的市场经济一方面为企业提供了广阔的舞台，另一方面也面临着激烈的竞争和挑战，稍有不慎就可能被卷入失败的漩涡。企业因财务危机导致经营陷入困境,甚至破产的例子更是屡见不鲜。如何在财务危机到来之前就预先觉察苗头，以便尽早采取措施，消除危机隐患，已成为当前亟待解决的现实问题。同时，随着我国证券市场信息披露制度的不断完善,根据这些信息构造合理的财务风险预警模型已经具备了现实的可能性。

从财务预警理论的发展历程来看,财务预警理论是随着证券市场不断发展而产生和不断深入的。“危机预警”的思想起源于20世纪初的欧美，在20世纪50年代取得了显著的成果。进入90年代，由于企业危机爆发的频率也越来越高，人们更加重视危机预警管理。在危机预警的发展过程中，财务预警的研究也相应展开。根据研究方法的差别，一般可把这些理论大致分为定性预警分析和定量预警模式两类。

一、定性预警方面的研究

定性预警的方法主要包括灾害理论、专家调查法、“四阶段症状”分析法等几种方法。

Scapens, Ryan和Fletcher(1981)的灾害理论是分析解释因均衡系统的影响因素缓慢变化从而引起系统的突然变化的理论。该理论认为公司就像一个流动资产的储备池，财务比率就是用来测量流过储备池流量的大小。但流量大小并不能够确定储备池是否一定要枯竭，因为可以通过债权人继续加水。这就要看债权人怎么看待财务比率的变化。许多公司破产，原因就在于债权人看到公司财务比率恶化，然后就想抽干“储备池”，或者不想继续加“水”了。

专家调查法就是企业组织各领域专家运用专业方面的知识和经验，根据企业的内外环境，通过直观的归纳，对企业过去和现在的状况、变化发展过程进行综合分析研究，找出企业运动、变化、发展的规律，从而对企业未来的发展趋势做出判断。

“四阶段症状”分析法认为:企业财务运营情况不佳，肯定有特定的症状，而且是逐渐加剧的。因此应及早发现各个阶段的症状，对症下药。企业财务运营病症大体可分为四个阶段:财务危机潜伏期;财务危机发作期;财务危机恶化期;财务危机实现期。

我国学者李秉成(2004) 从上市公司财务困境形成角度、困境征兆角度探讨上市公司财务困境预分析方法。提出了财务困境加权分析法和象限分析法两类财务困境综合分析方法。

张友棠(2004)指出建立财务预警系统是财务管理制度创新的必然选择。在此基础上，构建了基于经济周期理论的财务预警管理系统――理论模型、程序方法、警兆识别、指数测度。

二、定量财务预警方面的研究

（一）单变量判定模型

最早的财务预警研究是Fitzpatrick(1932)开展的单变量破产预测研究。Fitzpatrick最早发现，出现财务困境的公司其财务比率和正常公司的相比，有显著不同，从而认为企业的财务比率能够反应企业财务状况，并对企业未来具有预测作用。实证结果表明判别能力最高的是净利润／股东权益和股东权益／负债。

而美国的比弗Beaver (1966 )最早运用统计方法研究了公司财务失败问题，提出了较为成熟的单变量判定模型。比弗发现具有良好预测性的财务比率依次为1.现金流量/债务总额;2.净收益/资产总额；3.债务总额/资产总额。该研究的意义在于发现了不同财务指标具有不同预测企业破产的能力，为多变量方法预测奠定了基础。

但是单变量模型却具有以下局限性：其一，仅用一个财务指标不可能充分反映企业的财务特征。其二，如果使用多个指标分别进行判断，这几个指标的分类结果之间可能会产生矛盾，分析者可能得出不同的结论，以致无法做出正确判断。

（二）多变量线性判定模型

美国学者Altman (1968 )最早运用多变量分析方法探讨财务预警问题。Altman运用主成分分析方法提炼最有代表性的财务比率，通过统计技术筛选出那些在两组间差别尽可能大而在两组内部的离散度最小的变量，从而将多个标志变量在最小信息损失下转换为分类变量，获得能有效提高预测精度的多元线性判别方程。

Z=1.2X1+1.4 X2+3.3 X3+0.6 X4+0.999 X5

其中Z是判别函数值；X1～X5是Altman所选的5个比率，它们分别是：X1=营运资金/资产总额,X2=留存收益/资产总额，X3=息税前利润/资产总额,X4=权益的市场价值/负债账面价值总额，X5=销售收入/资产总额。

一般来说，Z值越低企业越有可能破产。奥特曼还提出了判断企业破产的临界值：当Z记分超过2.99时，企业被划为不会破产之列；若Z分值低于1.81，则企业被列为破产类。在这两个数字之间的区域被称为“未知区域”或“灰色区域”。

我国学者周首华、杨济华和王平(1996)提出了F分数预测模型，通过更新指标和扩大样本数对Z分数模型进行了修正。

陈静(1999) 以1998年的27家ST公司和对应的27家非ST公司，使用了1995-1997年的财务报表数据，进行多元线性判定分析，发现由负债比率、净资产收益率、流动比率、营运资本/总资产、总资产周转率6个指标构建的模型，在ST发生的前3年能较好地预测ST。

多元线性判定模型具有较高的判别精度，但也存在一些缺陷。其一，模型假定比较严格。模型要求自变量是呈正态分布的，两组样本要求等协方差，而现实中的样本数据往往并不能满足这一要求。这就使得许多研究都是在相对准确的前提下进行，其结论必然会有令人质疑的成分。其二，在前一年的预测中，多元线性判定模型的预测精度比较高，但在前两年、前三年的预测中，其预测精度都大幅下降，甚至低于一元判别模型。

（三）多元逻辑(Logit)模型

多元逻辑模型的目标是寻求观察对象的条件概率，从而据此判断观察对象的财务状况和经营风险。Logit模型假设了企业破产的概率P（破产取1，非破产取0），并假设Ln[p/(1-P)]可以用财务比率线性解释。假定Ln[p/(1-p)]=a+bx，根据推导可以得出p=exp(a+bx)/[1+exp(a+bx)]，从而计算出企业破产的概率。

Ohlson(1980)第一个采用Logit方法进行破产预测。其模型使用了9个自变量,估计了三个模型，分析了样本公司在破产概率区间上的分布以及两类判别错误和分割点的关系。他发现至少有四类显著影响公司破产概率的变量:公司规模、资本结构、业绩和当前资产的变现能力。继Ohlson之后，Gentry, Newbold and Whitford(1985); Casey and Bartczak(1985); Zavgren(1985)也采用类似的方法进行研究。

我国学者陈晓等（2000）以38家ST公司为研究对象，运用Logit回归，研究结果表明:负债权益比率、应收账款周转率、主营业务利润/总资产、留存收益/总资产具有较强的预测能力。程涛(2002)以1998-2000年被ST的A股上市公司为研究样本，运用时间序列回归和Logit回归方法，从财务指标角度和现金流量角度分别构建预警模型，并在此基础上构建综合预警模型。姜秀华(2001)、吴世农、卢贤义(2001)、李华中(2001)等也采用类似的方法进行研究。

Logit模型的最大优点是，放宽了模型的假设条件，运用范围更加广泛。但是其计算过程比较复杂，在计算过程中还有很多的近似处理，这些会影响到模型的预测准确度。如Logit模型常假定先验概率为1?1，选择0.5为分割点，实际上企业破产概率要比不破产概率小得多。以实际破产/非破产概率比作为先验概率可能会影响模型的预测精度。

（四）多元概率比(Probit)回归模型

Probit回归模型同样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Logit很类似，先是确定企业样本的极大似然函数，通过求似然函数的极大值得到参数a、b，然后利用公式p=■1■e■2dt，求出企业破产的概率。

Ohlson(1980)首先采用Probit方法进行财务预警研究的。他选择1970-1976年间破产的105家公司和 2058家非破产公司组成配对样本，采用极大似然法，分析了样本公司在破产概率区间上分布以及两类错误和判别阀值点之间的关系。

Probit模型和logit模型的思路很相似，所以其局限性和Logit模型类似。不同之处在于多元概率比模型假设样本服从标准正态分布，且寻求破产概率的方法不同，Logit采用取对数方法，而Probit采用积分的方法。

（五）神经网络分析模型

用于财务危机判定与预测的类神经网络模型一般利用一组案例建立系统模型，类神经网络模型接收一组输入信息并产生反应，然后与预期反应相比较。如果错误率超过可以接受的水平，需要对权重W做出修改或增加隐藏层数目并开始新的学习过程。经过反复循环，直至错误率降低到可以接受的水平，这时学习过程结束并锁定权重,类神经网络就可以发挥预测功能了。

Odom and Sharda(1990)开拓了用BP神经网络预测财务困境的新方法，其研究是以Altman所构建的五个财务比率为研究变量，使用类神经网络与判别分析做验证比较，其结果发现类神经网络具有较佳的预测能力。

Tam(1991)采用人工神经网络(ANN) 进行财务预警研究，通过对人工神经网络的模拟，得出神经网络可以应用于财务预警，且具有较高的预测精度。

Koh and Tan在1999年以6个财务指标为研究变量做了类似的研究，得出类神经网络模型的预测效果优于Probit模型的结论。

我国学者杨保安等(2002)采用ANN模型进行财务危机预警研究，结果表明:样本的实际输出和期望输出较为接近，显示出神经网络是进行财务评估的一种很好的应用工具。柳炳祥、盛昭翰(2002)分析了评价财务危机的指标体系和财务危机等级的划分和基于粗神经网络的财务预警方法，并用一个预警实例进行了验证。

人工神经网络具有较好的纠错能力，从而能够更好地进行预测。然而，由于理论基础比较薄弱，ANN对人体大脑神经模拟的科学性、准确性还有待进一步提高，因此其适用性也大打折扣。

（六）其他财务预警模型

除上述提到的主要的研究财务预警的模型分析方法外，还有如递归分割算法、生存分析、CUSUM模型、线性目标规划、事件历史分析法、专家系统等模型和分析方法，但由于其适用性或准确性等原因，没有成为主要的财务预警理论，在此不再一一赘述。

（七）财务预警理论的拓展研究

1.考虑其他非财务因素的研究

研究人员一直尝试使用非财务信息构建预测准确率更高、预测结果更稳定的预测模型。Gilson (1989)认为高层管理者如CEO、总经理或总裁等离职也可以作为财务危机的指标。他以1979年至1984年共381家发生财务危机的公司为样本，发现52%公司的有高级管理人员异动之情形，而正常公司只有19％。

Donaldson (1986)及GirouxWiggin (1984)认为有的经济事件有一定的前置时间，可以用作构建模型的变量。如破产前几年企业通常有到期票据不能及时支付、银行贷款不能及时偿还及高层管理人员出售公司股票等等。

Marquette(1980)认为使用长期性或宏观性的经济指标，如将利率、通货膨胀率、景气变动指标、产业与经济之间关系等作为构建模型的变量，可以提高模型的准确度。

王克敏（2005）研究认为在财务指标基础上引入公司治理、关联交易、对外担保等非财务指标，可以大大提高公司ST的预测准确率。郭斌等(2006) 研究认为加入贷款期限和M2增长率这两个非财务指标的8参数建立模型，具有较高的预测精度和较好的模型拟合度。邓晓岚（2006）研究结果显示加入年度累积超额收益率与审计师意见的非财务指标后预警效果较好。

2.财务失真预警方面的研究

关于财务信息失真问题，早期的研究大多从财务舞弊的动因、手段、防范与治理等方面来进行研究。1999年Healy and Wahlen首先从会计舞弊行为市场反应与识别方面进行了研究。认为投资者似乎能够辨认物价上升期间那些为了税收利益而采用后进先出法的公司，并且对相应的报告盈余的下降反应温和。Green and Choi(1997)以财务指标为输入变量，采用人工神经网络（ANN）技术构造了建立在原始财务数据基础上的会计舞弊判别模型，并发现这一模型将大大改善独立审计师发现舞弊行为的能力。Beneish(1999)提出利用会计数据来判别上市公司是否存在会计舞弊的思想，他以1987-1993年间受美国证监会处罚的74家公司为会计舞弊样本，以其他上市公司为正常样本，基于8个财务指标建立了Probit模型，准确预测率达到了75%。Spathis, Doumpons and Zopounidis(2002)以希腊舞弊公司与非舞弊为样本，采用多标准分析、单变量和多变量统计技术建立了包含Z计分值和不包括Z计分值的模型识别舞弊财务报告的可能性。

鹿小楠和傅浩(2003)在Beneish的研究基础上，分别建立多元判别模型和Logit回归模型，但对我国会计舞弊公司的判别成功率都仅仅为60%;蔡志岳、吴世农(2007)运用条件Logit回归模型对公司信息披露违规进行预警研究，实证结果表明在违规前一年，基于财务指标、市场指标和治理指标的预警模型可以有效地提前甄别信息披露违规的上市公司。

三、对国内外现有文献述评

在财务预警的定性研究方面，国内外学者从引起企业危机发生发展的内外各种因素进行了探讨，对财务危机的各个阶段进行了详细的划分和研究，对问题各个方面的分析都很深入。但从事定性研究的结论能够直接和定量模型结合起来的还不多。如探讨了影响企业财务困境的各种因素，但怎样把这些因素用于财务预警模型中，进行这方面研究的人并不多见。

从财务预警的定量研究方面看，国内外学者结合各种量化的技术，出现了很多的预警模型，在上述文献综述中我们也可以感受到这一点。但是其应用性和可操作性较差。笔者认为，不管模型做的多么复杂和巧妙，关键是要能够应用到实际中去，解决不同财务信息使用者的认知需要，这才是最根本的。

（一）财务预警模型的局限性

首先，模型会受到样本选取范围和样本时间区间的限制。研究发现，从不同的样本选取范围和不同的时间区间所得出的预警模型存在很大的差异。影响模型精度的因素很多，包括建立模型所用资料的时效性、国别特点、行业特点等。一国建立的模型不能直接适用于另一个国家，因此有必要建立各国自己的预警模型。其次，由于不同的模型需要不同的前提条件，如自变量要服从正态分布，样本要求等协方差等，而事实上很多时候这些条件并不能够完全得到满足，很多研究者所建模型大多是在近似条件下成立的，这必然影响到模型的正确性和预测精度。

（二）变量的选择方法问题

如何选取变量指标还缺乏理论支撑，研究人员在选择变量时，常受到自身价值判断的影响。如Altman在建立Z模型时，也只列出了22个财务比率，从中选出了5个比率。这些比率的选择不是建立在理论的基础之上的，而是根据它们的“通用性”和Altman的主观认为。另外，这些模型的变量大多只涉及财务比率，考虑非量化因素的较少。考虑非量化因素后加入定性指标的分析将会有效提高模型的准确度，这需要进一步的探索。

（三）财务预警研究重理论研究轻应用研究

财务预警研究者更多的是关注预测的准确性，但却没有能够同时关心使用者的实际可操作性。财务预警研究在财务预警模型精巧性的同时，更需要在财务预警技术的应用与推广方面多下工夫。

（四）关于财务信息失真问题

传统的财务失败(困境)预警模型本身不能对财务报表的真伪进行鉴别,用可能虚假的财务报告来进行财务预警,会使财务危机预警模型的预测结果发生偏差。从财务失真预警这方面来看，理论研究较少，特别是国内的研究尚处于起步阶段。另外，财务失真和财务失败预警两方面的研究相互脱节，这两方面的研究没有能够结合起来进行。

根据上述研究述评，笔者认为要重点解决财务预警理论的实际应用性问题，使其能够真正满足财务信息使用者的需要。应注意使用包括非量化因素的财务预警指标体系，尤其要注意建立财务失真（舞弊）和财务失败（困境）二者相结合的双元财务预警模型，一方面，对中国不发达、不完善的证券市场而言，财务信息失真问题是非常严重的（事实上在美国这样成熟的市场，财务失真现象也是大量存在的），财务失真的预警研究尤其必要。但从现有的文献来看，绝大多数的理论性研究局限于上市公司会计舞弊的动因、手段、防范和治理，很少涉足舞弊的市场反应与识别和预警问题，特别是预警模型的研究。另一方面看，上市公司所面临的各种危机和财务困境，要求我们要进行财务失败预警的研究。这方面的文献较多，正如前面所述，理论上也较为丰富。但是，财务失败预警的研究没有和财务失真预警研究结合起来，用可能是失真的数据来预警，其结果可想而知。所以，要建立财务失真和财务失败双方面相结合的财务预警模型，才是正确解决上市公司财务预警问题的根本之道。

参考文献：

[1]A1tman E.I, “Financial Ratios, Discriminant Analysis, and the Prediction of Bankruptcy”, Journal of Finance, September 1968.

[2]Amy Hing-Ling, “A Five-State Financial Distress Prediction Model”，Journal of Accounting ResearchSpring 1987.

[3] Carmichael, D.R., The Auditor's Reporting Obligation. Auditing Research Monograph No.l(New York: AICPA), 1972.

[4]Charles E. Mossman, Geoffrey G. Bell, L. Mick Swartz. Harry Turtle. An Empirical Comparison of Bankruptcy Models. The Financial Review 33. 199835-54

[5] Green B.P. and Choi J.H. Assessing the Risk of Management Fraud though Neural Network Technology [J].Auditing, 1997,(16):1―19.

[6]Ohlson, J.S.，“Financial Ratio，and the Probabilistic Predict ion o f Bankruptcy", Journal of Accounting Research Vol.18,No1,1980.

[7] Odom, M.D., and R.Sharda. “A Neural Network Model for Bankruptcy In Proceedings of the International Joint Conference on Neural works”.1990,6:136-138.

[8]Scott，J, “The Probability ofBankruptcy A Comparison of Empirical Predication and Theoretical Model”，Journal of Banking and Finance,September, 1981.

[9]Tam and Kiang ,“Predicting Bank Failures: A Neural Network Approach”, Management Science[J]，1992, 8:926-947.

[10]蔡志岳,吴世农.基于公司治理的信息披露舞弊预警研究[J].管理科学,2006,(8).

[11]陈工孟,芮萌,许庆胜.现代企业财务困境预测[M].上海:上海财经大学出版社,2006,(7).

[12]陈静.上市公司财务恶化预测的实证研究[J].会计研究,1999,(4).

[13]程涛.财务预警模型综述[J].山西财经大学学报,2003,(10).

[14]邓晓岚,王宗军,李红侠,杨忠诚.非财务视角下的财务困境研究[J].管理科学,2006,(6).

[15]姜秀华,孙铮.治理弱化与财务危机:一个预测模型[J].南开管理评论,2001,(5).

[16]金春蕾,郭炜,王宗军.我国上市公司财务失败预警模型的评析[J].商业研究,2003,(12).

[17]鹿小楠,傅浩.中国上市公司财务造假问题研究[J].上证研究,2003,(2):36-95.

[18]彭韶兵.财务风险机理与控制分析[Z].西南财经大学,2001博士学位论文.

[19]秦江萍.会计舞弊的市场反应与识别[M].北京:经济科学出版社,2006,(5).

[20]宋雪枫.中国上市公司财务危机预警问题研究[Z].上海交通大学,2006年博士学位论文.

[21]王克敏,姬美光.基于财务与非财务指标的亏损公司财务预警研究[J].财经研究,2006,(7).

[22]王玲玲,曾繁荣.财务预警模型评述[J].市场论坛,2005(12).

[23]吴革.财务报告粉饰手法的识别与防范[M].北京:对外经济贸易出版社,2003,(1).

[24]吴世农.现代财务管理理论与方法[M].北京:中国经济出版社,1997.

[25]夏毅,魏岚.企业财务危机预警研究[J].当代经理人,2005,(18).

[26]杨宝安,季海.基于人工神经网络的商业银行贷款风险预誉研究[J].系统工程理论与实践,2001,(5).

[27]袁业虎,张燕.中外财务预警实证研究述评[J].审计与理财,2005,(9).

[28]张鸣,张艳,程涛.企业财务预警研究前沿[M].北京:中国财政经济出版社,2004,(4).

[29]张鸣,张艳.财务困境预测的实证研究与评述[J].财经研究,2001,(12).

[30]张玲.财务危机预警分析判别模型[J].数量经济技术经济研究,2000,(3):49-51.

[31]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,(3).

[32]张祥,陈荣秋.财务预警模型的变迁[J].华中科技大学学报(社科版),2003,(4).

财务比率论文范文第3篇

[关键词] 上市公司 财务危机预警 主成分分析 Logit模型

企业的财务状况直接影响企业的整体运行，因此对财务困境的研究，尤其是对财务困境预警的研究就显得十分重要。特别是在我国金融体系、社会信用体系都很不完善的情况下，无疑极具现实意义。本文采用实证研究，根据证券市场的实际情况，运用主成分分析方法，构建企业财务失败预测模型――Logit模型，选取20家ST公司和20家非ST公司共40家企业作为研究样本。

一、财务危机预警模型的实证分析

1.研究样本

在本文的研究中,我们把上市公司中的ST公司界定为“财务失败”企业。截至2007年底，上市公司被分为31个行业。但由于某些行业的特殊性不存在ST公司（如银行类），因此本文从20个不同的行业随即选取20家ST公司，并按照同行业近似规模原则选取与这些ST公司相对应的非ST公司。

2.财务比率的选取

根据财务管理理论的观点，企业的财务状况主要取决于企业的盈利能力、偿债能力、营运能力和成长能力。根据我国的财务特点结合已有学者的研究，选取如下11个财务分析指标作为分析的指标：

净资产收益率、总资产报酬率、销售利润率、存货周转率、应收帐款周转率、总资产周转率、股东权益比率、流动比率、利润增长率、总资产增长率和资本积累率。为了分析上述财务比率能否有效区别ST公司与非ST公司，下面就40家样本企业分别对上述11个财务比率进行单变量T检验 ，最终选择的财务比率分别是：净资产收益率(X1)、总资产利润率(X2)、销售利润率(X3)、股东权益比率(X7)、流动比率(X8)、总资产增长率(X10)和资本积累率(X11)。

3.主成分分析

对样本组企业财务比率数据,运用SPSS 统计软件进行主成分分析，首先得到各财务比率的相关系数表。从表中可以看出：（1）7个财务指标均呈正相关关系。(2)从相关系数的大小看，净资产收益率与总资产报酬率的相关性较高,相关系数为0.843。

又由Bartlett球度检验的sig值0.000小于显著性水平0.05，可知应该拒绝Bartlett检验的零假设，认为适合于因子分析。在主成分分析结果中,取累计贡献率为87.223%，用3个主成分来代替原来的7个财务比率。进行最大方差旋转法可得因子负荷矩阵：(1)因子FAC1在总资产增长率和资本积累率上有较大的载荷，所以FAC1代表的是公司的成长能力；(2)因子FAC2在销售利润率和股本权益比率上有较大的载荷，所以FAC2主要代表的是公司的盈利能力和偿债能力；(3)因子FAC3分别在净资产收益率和总资产报酬率上有较大的载荷, 所以FAC3代表的是企业的盈利能力。上述分析结果与相关系数矩阵的分析相一致。

二、Logit模型建立

运用SPSS对于logit模型的回归参数进行估计。模型的似然比卡方统计量为26.701，在0.000显著，说明所有解释变量一起对财务困境有显著性的影响，认为本模型拟合得较好，对于财务困境具有较强的解释能力。所有解释变量的系数均为负值，符合常理。以95%为置信水平，FAC2和截距项均未通过检验，由此可以得到财务危机的预警模型为：

Ln(P/1-P)＝-3.281FAC1-2.290FAC3

本文的研究样本是按1∶1配对组成的，属于均衡样本，因此，预测阀值可以取0.5。根据Logit回归方程，以0.5作为拟合检验的临界值对原始数据进行回判判定，如果得到的p值大于0.5，则判定样本面临财务困境，否则为盈利公司，由判定结果可知：本模型准确预测了2006年20家ST公司中的17家，准确率达85%，同时准确预测了20家非ST公司中的17家，准确率也为85%，二者的加权平均正确率为85%。预测检验结果证明该模型的预测能力较好。

三、结论

本文利用Logit回归构建上市公司成长危机预警模型, 研究发现以下结论：

1.Logit模型不失为一种简单而有效的预测方法，可以将此模型应用于上市公司危机预测，借此了解企业发生成长性危机的可能性。

2.上市公司业绩是决定成长性的最主要因素。回归分析表明净资产收益率和总资产收益率均与上市公司是否陷入财务困境显著相关，持续良好的业绩是上市公司成长性的保证。

3.模型也存在一定的局限性，如并未考虑公司治理等表外因素，且财务困境预测可行的前提是上市公司的财务数据是真实可信的，但我国部分上市公司存在人为操纵会计利润的现象,故模型结论的准确性可能会受到影响。

参考文献:

财务比率论文范文第4篇

关键词：财务危机预警；单变量模型；多变量模型

中图分类号：F275 文献标识码：A 文章编号：1001-828X（2013）05-0-01

本文根据企业财务风险预警指标来建立企业财务风险预警模型，综合评价企业的财务风险情况。

一、单变量模型

下面运用比弗的单变量分析对L集团进行研究。

一般地，按照综合性和预测能力大小，预测企业财务危机的比率有：

（1）债务保障率=现金流入量/债务总额

（2）资产收益率=净收益/资产总额

（3）资产负债率=负债总额/资产总额

（4）资金安全率=资产变现率一资产负债率

L集团的财务比率情况如下表所示。

从表中可以看出，L集团的2008年的债务保障率和资产负债率比2007年的有所提高，原因是L集团在2008年初加大了应收账款的催收力度以及为了应对金融危机而加大了筹资力度。但是从2006年到2008年L集团的资产收益率逐年下降，这与2007年下半年以来的金融危机所带来的不良影响的情况相符。

二、多变量模型

多变量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。

从表中可以看出，L集团的Z分数从2006年到2008年呈逐年下降趋势。2007年和2008年的Z分数处于0.5之下，显示企业处于财务危机区域，得出企业濒临破产。这与当前的金融危机带来的冲击所造成的严峻的财务状况相符。而2006年的Z分数为0.5024，非常接近于0.5，显示企业的状况处于灰色区域。很难简单得出企业是否肯定破产的结论。

总之，从以上的模型检验可以得出，为L集团建立并采用的比弗的单变量模型与多变量模型中的Z分数模型和张玲的财务危机预警分析判别模型的有效性。

三、单变量模型与多变量模型的比较

单变量模型设计和计算都比较简单，需要跟踪取得的财务数据较少。然而，其有很大的缺陷。首先，单变量模型只重视一个财务比率指标的变动，容易被企业经营者利用，为了粉饰财务报表，而将这个财务比率保持在稳定良好的状态。其次，单个财务比率容易受到各种内部和外部的因素的影响，容易与企业真实的财务变动状况产生偏差。

多变量模型可以更加全面地监测与分析企业的财务状况，从总体宏观的角度检查企业的财务状况是否稳定，从而可以取得较高的判别准确度。此外，多变量模型还可以进行因素分析，对发生的财务危机进行追根溯源，从源头上防范财务危机的恶化和再次发生。

单变量模型由于集中于某几个关键财务指标，在许多特定的情况下，可以获得更好的预警判别效果。然而，由于企业规模、行业、地域、国别等造成的诸多差异，多变量模型设计出的多元判别模型也可以有数种之多，由于过分关注指标的面面俱到而无法有效关注某些关键指标。所以，在实践中，要根据实际情况做出恰当的调整，建立起与之相适应的财务预警模型。

参考文献：

[1]曹欣.浅论企业财务预警系统[J].会计之友，2008（01）.

财务比率论文范文第5篇

关键词：公司财务；比例危险；主成分；财务困境；财务比率；预测

中图分类号：F275文献标识码：A文章编号：1000176X（2007）07009304

一、引 言

自Beaver 开创性地提出财务困境预测模型以来，许多预测方法被用于公司财务困境研究。20 世纪60 年代主要是Beaver和Altman分别采用的单变量、多变量判别分析；判别分析分别被70年代和80年代的logistic分析模型所取代，90 年代以来神经网络又被引入财务困境预测。

国内学者吴世农、黄世忠较早对我国上市公司财务困境进行了预测研究［1］；陈静使用Beaver和Altman的模型，得出预测模型对中国市场有效的结论［2］；吴世农、卢贤义应用单变量判定、多元线性判别和多元逻辑回归方法，分别建立ST 公司预测模型［3］；结果证明，这些模型均获得较高的判定精度，在财务困境发生前2年的误判率在28% 以内；姜秀华、孙铮研究了企业治理的弱化同企业财务困境之间的作用关系［4］；卢宇林建立了用于判断公司是否出现财务风险的兴业财务评价指数［5］。

这些模型在实践中取得了一定的应用价值，但也存在着如下问题：

1．都是以企业的静态数据作为样本，数据来源于横截面样本，忽略了企业财务比率的时间序列特点。

2．在样本选取时，对每一个危机样本都要选取配对的正常样本。这暗含两种风险：所选取的配对样本的财务比率非常漂亮，远远优于困境公司，这在进行预测时，那些财务比率介于正常和危机之间的样本的准确性就不会太好；配对样本选取了潜在的危机样本，这些样本的财务比率已经偏离了正常值，但还未发生所定义的财务困境的事件，这同样对预测精度有较大影响。因此，通过此类选取配对样本的方法预测时，模型的稳定性较差，选择不同的样本集往往得出不同的结果。

3．此类模型需要根据预测时间的不同而建立不同的模型，选择不同的样本，各个模型的财务比率和模型形式可能是不同的，这导致财务困境预测的工作量非常大。

针对此类模型存在的问题，本文用基于主成分的比例危险模型预测财务困境，将在生物统计和医学统计中较成熟的生存分析理论应用到企业财务困境的预测当中［6-7-8］。

二、基本理论模型

生存时间是测量某事件出现的时间，例如病人死亡时间、疾病的发生时间、药物的起效时间。由于其坚实的理论基础和在生物学、医学的成功应用，近年来在社会学、产品寿命、经济学等也开始发挥积极的作用。生存分析主要用以下函数描述：

1．生存函数S（t）

其定义是个体生存时间大于t的概率，即：

2．生存函数的概率密度函数f(t)

3．危险率函数h(t)

生存时间T的危险率函数h(t)就是条件生存率，其定义是：

4．累积危险率函数H（t）

5．生存函数间的等式关系

只要求出任意一个函数，即可根据（5）式求出另外两个。

1972年，英国统计学家D．R．Cox提出了一个半参数模型，该模型可研究多个变量对危险率的影响，且对生存时间分布无任何要求，这就是在生物统计学取得广泛应用的Cox比例危险模型（PHM）。

在比例危险模型中，假设在时点t个体出现观察结局的危险大小可以分解为两个部分，除了有一个基本危险量h0(t)外，第i个影响变量使得该危险量从h0(t)增加eβixi倍而成为h0(t)eβixi，因此，如果在k个因素同时作用影响生存过程的情况下，在时点t的危险率函数为：

其中，h0(t)只与时间t有关，类似于线性回归中的常数项。

求出危险率函数后，根据等式关系（5）可求出生存函数：

三、样本财务困境定义及选取

在我国现阶段，没有严格意义上的破产和财务困境公司的标准，因此本研究认定因最近两个会计年度的审计结果显示的净利润均为负值和最近一个会计年度股东权益低于注册资本（即每股净资产低于股票面值）为财务困境公司，这也是现阶段国内学者在此领域的公认标准，本文选取的行业为制造业。

本研究对生存时间的定义为：

以2001年为开始，如果企业在2003年被认定为符合本文的财务困境标准，则生存时间为1年，若2004年被认定为符合本文的财务困境标准，则生存时间为2年，依此类推，则会得到生存时间从1―4年的233个样本，其中133个样本用于估计模型，其余100个样本用于检验模型的准确性。

本文全部的数据来源于wind（万得）数据库。

四、对财务比率的主成分分析

根据万得数据库，总共选取了36个财务指标作为财务困境预测的备选指标，如表1所示：

国内外的文献表明，在对财务指标的选取上，没有明确的原则和方法，大多采用统计方法检验在正常样本和危机样本间有显著差异的指标，再将选出的指标代入到相关模型。但这种方法如用在本文的COX模型会存在两个问题：

1．财务指标间可能存有相关性，使回归模型出现多重共线性。

2．为了避免多重共线性，研究者往往只取有相关性指标中的一个指标带入模型，但这又会导致被舍弃的指标所含有的信息丢失。

因此，本文首先用主成分的方法提炼36个财务指标，主成分法的目的是在数据信息丢失最少的原则下，对高维变量空间进行降维处理，其实质是对原坐标系进行平移和旋转变换，使得新坐标的原点与数据群点的重心重合。主成分方法可有效解决上述两个问题。

用SPSS软件对上述36个财务比率进行主成分分析，特征值（＞1）及累积贡献率如表2所示：

由表2看出，总共有9个主成分的特征值大于1，他们的累积贡献率也达到了83．61%，这就是COX模型中的备选指标。

五、 COX实证结果

将133个估计样本的9个主成分值作为协变量，将每个公司从2001年起的未被本研究定义为财务困境公司的时间作为生存时间，则采用基于偏最大似然估计的向前逐步回归法得到如下结果（用其他的选择变量的方法得到的结果相同）：

第一主成分FAC1：有6个盈利能力指标和其有强正相关关系，说明公司盈利能力越强，距离财务困境越远；有两个获取现金能力指标和其有强正相关关系，说明获取现金能力越强，距离财务困境越远；有3个期间费用指标和其有强负相关关系，说明期间费用越高，越可能发生财务困境，这些相关关系和我们平常的认识是完全吻合的。第一主成分主要体现的是盈利质量和期间费用控制能力。

第四主成分FAC4：全部的4个资产周转能力指标和其有较强的正相关关系，因此第四主成分主要体现的是资产周转能力。

由此，得到各生存时间的累积危险率函数为：

从上述结果看出，第一主成分（盈利质量和期间费用控制能力）每增加一个单位，累积危险函数从h0(t)增加e-0．260倍而成为h0(t)e-0．260，累积危险函数在减小，生存函数在增大，完全符合我们的定性判断；同理，第四主成分可得出类似结论。

随后，根据公式（4）和（5）可分别求出生存函数S(t=1)，S(t=2)，S(t=3)。

得到各样本的生存函数后，需要一个判别阈值以决定是否会进入财务困境，本研究的阈值定义为生存时间大于t的样本占全部估计样本的比率［7］，如果样本在时间t的生存函数小于该阈值，则判断会在未来t年陷入财务困境。用PHM法计算预测准确率和经典的模型有较大的区别，具体方法如下所述：

首先将全部样本都带入到S（t＝1）的生存函数，计算实际生存时间为1年内的困境公司中有多少被判断正确，得出困境样本的预测准确率；同时判断有多少实际生存时间大于1年而被预测为1年内进入困境的样本数量，得出实际生存时间大于1年的样本的预测准确率，同理计算提前2―3年预测的准确率。表4为估计样本的准确性，

我们把原本是困境公司而预测模型将其归为正常公司的错误称为第一类错误，原本是正常公司而模型将其归为困境公司称为第二类错误，两类错误在实际应用中都应越小越好。从表4和表5可看出：模型在估计样本和预测样本提前3年的预测中都有较高的预测精度，其中提前1年的预测准确率最高，且两类错误都在可以接受的范围内，具有较强的应用价值。

六、结 论

本文用主成分的方法将36个财务比率提炼成9个主成分，这首先有效减少了选择财务比率的工作量；其次，消除了后续回归模型的多重共线性问题；再次，避免了因相关性原因而淘汰变量所导致的信息丢失。

随后本文用主成分作为协变量，用COX比例危险模型建立上市公司财务困境预测模型，模型的预测精度良好。该模型相对于经典的财务困境预测模型（如：判别分析模型、logistic模型、神经网络模型）有如下优点：

1．将企业的生存时间作为重要变量进入到模型中，考虑了随着时间的不同财务比率的变化。

2．无需配对样本，避免了为了凑准确率而有意识地选择样本的问题。

3．一套样本可以估计出多个预测提前量的模型，无需根据预测提前量的不同去选择不同的样本集，大大减少了工作量。

因此，如前文所述，从预测方法、预测精度两方面来说，PHM模型比传统的经典模型都具有较大的优势。

由于数据获得性的困难，本文只能采用上市公司中制造业的数据，虽然有133个样本用于估计方程，但数据量仍有偏少之嫌，这也是本文的局限性所在，如果在实际应用中，能够取得大量的财务危机的数据，模型估计得效果会更好。

参考文献：

［1］ 吴世农，黄世忠．企业破产的分析指标和预测模型［J］．中国经济问题，1986，(6)．

［2］ 陈静．上市公司财务恶化预测的实证分析［J］．会计研究，1999，(4)．

［3］ 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)．

［4］ 姜秀华，孙铮．治理弱化与财务困境: 一个预测模型［J］．南开管理评论，2001，(5)．

［5］ 卢宇林．上市公司财务失败预警系统实证分析［R］．深圳: 深圳证券交易所第四届会员单位、基金管理公司研究成果，2002．

［6］Luoma M，Laitinen E．Survival analysis as a tool for company failure prediction［J］．Omega，1991，(19)．

［7］Whalsen g，a proportional hazards model of bank failture: anexanination of its usefulness as an early warning tool［J］．Economic Review (00130281)，00130281，1991 1st Quarter．