前言：本站為你精心整理了財務危機預警模型意義范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：現代企業在不斷發展的過程中，不可避免地要面對各種各樣的財務風險，如何建立起一套全面、高效和實用的財務預警系統更是現代企業關注的重中之重。文章從財務危機與預警的定義出發，通過對國內外現有財務預警模型的比較分析，得出了完善我國企業財務預警的啟示。

關鍵詞：財務危機預警模型；財務風險；企業財務管理；單變量模型；多變量模型

經濟周期波動是一種客觀存在的經濟現象，一個企業要生存、發展都離不開對財務環境的監測，對財務風險的預警。在當前金融危機的背景下，我國財政部企業司也要求企業加強財務監管，建立企業財務預警機制和財務管理評估制度。因此，完善我國財務監測與預警系統具有重要的理論和現實意義。

一、財務預警含義界定

財務預警，具體地說就是財務危機的預測與警報。所以提到財務預警，首先需要界定財務危機的含義。財務危機（FinancialCrisis），又稱財務困境（FinancialDistress），財務失敗（FinancialFailure）。顧名思義，處于財務危機狀態的企業必然陷入了財務困境，這類企業要么連年虧損，要么經營不暢，面臨著較大的財務風險。財務危機是財務風險的一種極端表現。

二、國內外財務預警模型的研究現狀

目前對財務預警模型的研究主要集中在以下幾個方面：

（一）單變量模型

單變量模型又稱一元判定模型，是以一項財務指標作為判別標準來判斷企業是否處于破產狀態的預測的模型。財務指標分為償債能力指標、獲利能力指標和營運能力指標。Fitzpatrick（1932）最早利用該模型對企業財務困境進行預測，他以19家公司作為樣本，運用單個財務指標進行預測，結果發現凈利潤/股東權益、股東權益/負債這兩個財務指標判別能力最高。而Smith和Winakor（1935）進行了類似的研究，則發現營運資本/總資產這個指標的預測能力最高。此外，Merwin（1942）發現營運資本/總資產、股東權益/負債、流動資產/流動負債這三個指標能提前6年對企業破產做出預測。Beaver（1966）發現判別能力最高的財務指標分別是現金流/總負債、凈收入/總資產、總債務/總資產。

國內學者對此模型也做了不少探索。陳靜（1999）使用截至1998年底的27家ST公司與同行業、同規模的非ST公司作為樣本，研究發現資產負債率、凈資產收益率、流動比率、營運資本/總資產、總資產周轉率6個指標在ST公司與非ST公司有明顯的差異。進一步研究得出，資產負債率與流動比率在宣布前一年的誤判率最低，具有較好的預測力，而在稍遠的時間段，總資產收益率的誤判率則表現良好。同時發現凈資產收益率和資產周轉率極不穩定，在ST前一年，誤判率達到最高。吳世農、盧賢義（2001）以70家ST和70家非ST上市公司為樣本，應用單變量分析研究財務困境出現前5年這兩類公司21個財務指標各年的差異，最后確定6個預測指標。

（二）多變量模型分析

1．Z分數模型。Z分數模型是Altman教授在1968年經過大量的實證考察和分析研究的基礎上提出來的。Z分數模型是采用多元線性函數的模式，通過統計技術篩選出那些在兩組樣本中差別盡可能大而在兩組內部的離散度最小的變量，從而將多個變量轉換為分類變量，獲得能有效提高預測精確度的判別方程。

Z分數模型的判別函數為：

Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5

其中，X1=（期末流動資產－期末流動負債）/期末總資產；

X2=期末留存收益/期末總資產；

X3=息稅前利潤/期末總資產；

X4=期末股東收益的市場價值/期末總負債；

X5=本期銷售收入/總資產。

Z分數模型從企業的資產規模、變現能力、獲利能力、財務結構、償債能力、資產利用效率等方面綜合分析預測企業的財務狀況，進一步推動了財務預警的發展。Altman通過對Z分數模型長期的研究分析提出該模型的判斷標準為：Z＞2.675時，企業財務狀況良好，發生破產的概率很小；1.81≤Z≤2.675時，企業財務狀況極不穩定，為灰色地帶；2＜1.81時，企業財務失敗可能性非常大。Z值越低，該企業遭受財務失敗的可能性就越大；Z值越高，該企業遭受財務失敗的可能性就越小。2．主成分分析。主成分分析就是對多變量的平面數據表進行最佳綜合簡化，即：在力保數據信息丟失最少的原則下，對高維變量空間進行降維處理。在實際工作中，主成分個數的多少取決于能夠反映原來變量80%以上的信息量為依據。主成分模型對樣本沒有假設要求，但是要對樣本數據進行標準化處理。因為各樣本數據的量綱不完全一致，所以需要進行標準化處理，即將各種不同度量的指標轉為同度量的指標，使各指標具有可比性。其適用范圍較廣，但計算和分析過程過于復雜，判別規則的確定比較復雜。

3．Logistic回歸分析。Logistic模型的目標是尋求觀察對象的條件概率，從而據此判定觀察對象的財務狀況和經營風險。這一模型建立在累積概率函數的基礎上，不需要自變量服從多元正態分布和兩組間協方差相等的條件。Logistic模型適用于因變量是非連續的且為二分類選擇模式，將違約概率限定在0和1之間，并通過函數的對數分布來計算違約的概率。在二分類判別法中假設因變量為1和0，分別對應事件發生和事件不發生。Logistic回歸模型的形式為：

Logistic回歸模型使用的是最大似然估計，似然函數值越大，表明模型的模擬效果越好。Logistic模型的最大優點是，不需要嚴格的假設條件，克服了線性方程受統計假設約束的局限性，具有了更廣泛的適用范圍。目前這種模型的使用較為普遍，但其計算過程比較復雜，計算過程有近似處理，會影響到預測精度。

4．多元概率比（Probit）模型。Probit回歸模型同樣地假定企業破產的概率為P，并假定企業樣本服從標準正態分布，其概率函數的P分位數可以用財務指標線性解釋。其計算方法和Logit模型很類似，先是確定企業樣本的極大似然函數，然后通過求似然函數的極大值就可以得到參數?琢，?茁，接下來就可以利用下面的式子求出企業破產的概率。和前面的判別規則一樣，如果概率P小于0.5，就判別為財務正常型，如果P大于0.5，即為破產型。

5．人工神經網絡（ANN）方法。神經網絡模型是由大量的簡單處理單元相互聯結組成的復雜網絡系統。它的許多功能和特性是對人腦神經網絡系統的模擬，是一種自然的非線性建模過程，也被稱為人工神經網絡（ArtificialNeuralNetwork）。作為非參數的預測模型，它克服了選擇模型函數形式的困難，同時對樣本及變量的分布特征沒有限制。然而，由于理論基礎比較薄弱，人工神經網絡對人體大腦神經模擬的科學性、準確性還有待進一步提高。

6．聯合預測模型。聯合預測模型是運用企業模型（CorporateModel）來模擬企業的運作過程，從而動態地描述財務正常企業和財務困境企業的特征。然后根據不同特征和判別規則，對企業樣本進行分類。其運用的關鍵就是如何準確模擬企業的運作過程。因此它要求有一個基本的理論框架，通過這一框架來有效模擬企業的運作過程，從而能夠有效反映和識別不同企業的行為特征、財務特征，并據以區分企業樣本。

三、完善我國財務風險預警的啟示

財務指標構建方面，應將財務指標和非財務指標相結合，適時引入一些新的財務變量，如EVA（經濟增加值）和MVA（市場增加值）等，在建立企業財務預警模型時應當適時地引進這些新指標，以適應現代財務理論的發展，更深入地認識企業面臨的財務危機。

研究方法方面，應注重定量分析和定性分析相結合，企業財務預警系統不能只單純注重對量化的模型、指標進行分析，還應結合非量化因素甚至是有經驗分析人員的直覺判斷作定性的分析評價。定性和定量的預測相結合，才能提高預警系統的效用。建立事前、事中、事后全面監控的財務預警系統。財務預警系統不只是在意識到公司可能將出現問題時才使用，而應當更注重日常監控，隨時充分考慮各種可能導致預警的原因，重視從細微處發現問題，以便及時采取應對措施。

參考文獻

[1]張鳴，張艷，程濤．企業財務預警研究前沿[M]．北京：中國財政經濟出版社，2003.

[2]劉紅霞．企業財務危機預警方法及系統的構建研究[M]．北京：中國統計出版社，2005.

[3]張友棠．財務預警系統管理研究[M]．北京：中國人民大學出版社，2004.