时间:2023-04-06 18:53:05
导言:作为写作爱好者,不可错过为您精心挑选的10篇财务比率论文,它们将为您的写作提供全新的视角,我们衷心期待您的阅读,并希望这些内容能为您提供灵感和参考。
自2005年7月21日以后,人民币汇率不再盯住单一美元,开始实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度,形成更富弹性的人民币汇率机制。从改革运行至今,人民币对美元表现有升有降,对欧元、日元趋势也是如此,但幅度不大。尽管如此,来自各方面的迫使人民币升值的压力仍然不小,目前,国内的许多学者对人民币汇率的讨论主要集中在人民币汇率的形成机制、人民币汇率变动对国民经济的影响等方面,对于人民币升值的财务影响及对策方面却极少涉及。本文在假定人民币汇率仍有升值压力的前提下,分析了人民币升值对公司财务的影响,并提出化解汇率风险的对策。
人民币升值对公司财务的影响
对公司财务费用的影响
财务费用是公司当期发生的费用中的重要组成部分,是本期发生的直接计入损益的费用,财务费用的大小将影响公司的净利润。汇兑损益是财务费用核算的主要内容之一,它是指在持有外币货币资产和负债期间,由于外币汇率变动而引起的外币资产或负债的价值发生变动而产生的损益。
人民币升值影响公司财务费用体现在:人民币升值后,等量的外币只能换回较少的人民币,对于拥有外币债务余额(如外币短期借款、长期借款、应付账款)的公司,外债折算为人民币后的汇兑损益将会减少,从而减少财务费用,而财务费用具有税收挡板的作用,它的减少将增加当期的净利润。因此,人民币升值后,拥有外币借款、应付账款等外债的公司将因此受益。如某公司2004年底有日元贷款折合人民币为15亿元,人民币升值2%将因此每年减少公司财务费用450万元(利息支出减少150万元,本金减少300万元),对公司整体盈利状况影响接近0.01元/股。对于拥有外币货币性资产(如外币现金、外币银行存款、应收账款)的公司,人民币升值后,用人民币计价的汇兑损益将会增加,从而增加财务费用,减少当期的净利润。因此,人民币升值后,拥有外币货币性资产的公司将因此遭受损失。如某电厂拥有1.79亿美元和141亿日元的应收账款,人民币升值2%将使公司增加约人民币300万元的财务费用,这将影响到公司整体盈利状况。
对公司筹资成本的影响
汇率的“国际收支决定论”认为,一国的国际收支状况是影响汇率最直接的因素之一。当一国有较大的国际收支逆差时,对外汇的需求大于外汇的供给,本币对外贬值;反之则会造成本币升值。从国际收支状况看,我国的经常项目和资本项目收支从1994年人民币汇率并轨以来一直维持较大的顺差。特别是近几年,我国成为全球最大的资本流入国,每年流入的国际直接投资高达500亿美元左右。这种经常项目和资本项目双顺差的状况使得我国近年来的外汇储备节节上升,截至2004年年底我国外汇储备已达到6099亿美元,较2003年年底增加了51.3%,成为2004年全球外汇储备增加最多的国家。经济的快速增长,外汇储备的增加,国际收支顺差的扩大又进一步增加了人民币升值压力,加剧了国际短期资本的流入。
我国对人民币汇率的调整影响了外商对我国的投资热情,导致海外对华投资的缩减。据报告,受人民币升值影响,我国2005年7月末外汇存款余额1605亿美元,比上月减少48亿美元;8月末,外汇存款余额为1611亿美元,虽比上月增加6亿美元,但远低于8月份人民币各项存款增加额4364亿元。从筹资的角度看,缺少外资或者是外资骤减将影响公司的权益资金的筹集,当公司急需资金时,只能转向其他的负债融资。受资金供求关系的影响,在资金供给数量一定的情况下,资金需求量增加,筹资成本必然上升。同时,负债资金增加,将带来财务杠杆的效应,如果投资利润率高于资金成本率,则负债融资将为公司带来额外的收益,反之,将给公司带来较大的财务风险,影响公司的效益。
对营业费用的影响
营业费用是指公司销售过程中发生的费用,包括运输费、展览费、广告费以及为销售本公司产品而专设的销售机构(含销售网点、售后服务网点等)的职工工资及福利费。营业费用直接计入当期损益,营业费用的大小将影响公司当期的业绩。
随着我国经济的快速发展,产品国际竞争力的大幅提高,国际贸易盈余、外国直接投资、外汇储备持续增加,西方发达国家感到了压力,担心我国会影响其在全球的经济利益,因此,世界主要国家仍就人民币升值问题向我国施压,希望通过提升币值的方式,削弱我国产品提高本国产品的国际竟争力,达到维护本国产业和经济利益的目的。
人民币升值将对以价格优势为特色的我国产品造成严重打击。由于人民币升值后,进口受到鼓励,进口商品变得便宜,出口减少,结果,本国市场上供给越来越多,本国商品和进口商品之间的竞争激烈,为使公司的商品能在市场上占有一定的份额,增加商品的国际竞争力,许多公司将会在营销方面多下功夫,如扩大产品宣传、增设销售网点等,届时,营业费用将大幅增加,影响公司的经营业绩。
应对人民币升值的财务对策
关注汇率的变动趋势
要关注美日等国对人民币汇率态度。以美日等为代表的各国对人民币的态度将直接或间接地影响人民币汇率的趋势。2003年7月6日闭幕的亚欧财长会议上,日本、欧洲各国相继提出了人民币升值的要求。到了2005年前后,国外分散的压力逐步演变成为发达国家的国际共识:日本、美国、欧盟等主要发达国家,或基于国内经济的需要,或迫于国内政治的压力,要求中国改变汇率制度,或径直要求人民币升值。在此背景下,尽管2005年7月人民币汇率有所上调,但上调的幅度不大,未达到西方主要国家的预期,人民币来自国外的升值压力仍然不小。
关注美国联邦基金加息情况。按理说,美元加息在一定程度上可以缓解人民币的升值压力。因为,美元利率的持续上升支撑了美元,美元资产的吸引力会引起国际热钱回流美国。尤其是在中国的汇率形成机制改革平稳实施后,目前美元短期利率已上升至4%,高过人民币短期利率2.25%(税后利率约为1.8%)的水平,由此将大大缓解国际热钱对人民币汇率升值的巨大冲击。但有专家分析指出,当前人民币的升值幅度仍然远远低于美国等国的预期目标。当人民币升值幅度难以满足它们的要求时,人民币升值压力就很难减轻,相反这种压力将长期存在。所以,美元持续升息并不能从根本上缓解人民币升值压力,人民币升值压力将继续以经济问题的形式来反映政治问题的实质而长期存在。
关注国内学者对人民币汇率的态度。国内的一些知名学者,专门研究人民币汇率的形成机制,汇率升值的幅度、时机,升值后对我国经济的影响等。这些对于公司财务管理人员来说,是很好的参考资料。此外,人民币汇率变动后,市场上的各种价格会随之发生变动,诸多因素,例如大宗商品的价格,房地产价格,都会有影响。
作为公司财务管理人员,应关注人民币汇率变动的国内外宏观经济环境,关注人民币升值对产业内部可能造成的影响,时刻保持警惕性,及时调整相应的财务决策,减少汇率波动所带来的损失。
适量持有外币灵活管理外币债权债务
2005年7月21日,中国人民银行宣布美元/人民币官方汇率由8.27调整为8.11,人民币升幅约2%。人行还宣布每日银行间外汇市场美元对人民币的交易价在人民银行公布的美元交易中间价上下千分之三的幅度内浮动,非美元货币对人民币的交易价在人民银行公布的该货币交易中间价上下0.15%幅度内浮动。作为公司财务管理人员,应坚持“尽早结汇,适量持有外币、灵活管理外币债权债务”的原则。“尽早结汇”是指公司收到外币时,尽快结算成人民币,由于人民币还有升值的趋势,央行总是根据实际经济运行状况来决定人民币升值的时机和幅度的,所以财务管理人员应认真分析汇率的发展趋势,减少央行突然宣布人民币升值对公司的冲击。“适量持有外币”是指对于出口、进口额均较大的外贸公司,可持有适量外币以应付日常之需,避免因外币不足所引起的短缺成本的增加,但应注意持有外币的时间不宜过长,以避免汇率变动带来的损失。“灵活管理外币债权债务”是指公司对于外币类债权债务的管理要讲究方法,权衡利弊,选择能降低财务费用、使公司效益最大化的策略。如对于外币“应收账款”,要讲究收账政策和收账方法,改变信用政策,加速资金的回笼。而对于外币“应付账款”,在不影响公司信誉的情况下,尽量延迟进口材料或延迟付款,或改变货款结算方式,如采取远期信用证结算方式或以人民币计价等。
适当增加外币债务
如果一些外资预计人民币将进一步升值,必将选择最佳时机大量涌入中国,但因一时找不到好项目,就先存放在银行,到时资金供给将相对充裕,筹资成本会有所下降,公司可利用这一时机适当多举债,较好地利用财务杆杠为公司带来收益。所以,对于有人民币升值预期的公司来说,可适当增加美元债务,这是一种较好降低融资成本的财务决策。增加美元债务的方法很多,诸如增加美元贷款、借外币负债、将人民币借贷变成外汇借贷、尽可能偿还人民币贷款、将要到期的国外贷款推迟还款等。
加强公司内部控制
内部控制包括控制环境、风险评估、控制活动、信息与沟通、监控等五个相互联系的要素。严谨的内部控制,要对公司经营管理的各个方面实行全方位的有效控制,把公司的各项经济活动全面置于经济监控之中。由于汇率升值后可能影响到产品在国际市场上竞争力不足,公司可重点从以下方面加强内部控制,一定程度上抵消人民币升值带来的营业费用增加的影响:
加强资金管理。要由专门的财务人员对资金特别是外币资金的筹集、调度、使用、分配等进行筹划,并由相关人员实行严格控制,防止资金体外循环。
严格控制成本费用。公司可在成本控制和定价上下功夫,降低成本应从现在逐步开始,待人民币升值时,公司依然能够向客户报出有竞争力的价格。对于成本控制,可在“采购成本和制造成本”上下功夫,并尽可能“降低费用率”等。如福耀玻璃公司推出了一整套“全面的战略成本规划”,通过降低设备使用成本、人工成本、材料成本和提升工艺和技术水平,保持成本竞争优势。预计公司到2006年能够将成本降低15%-20%,因此,即使人民币有一定幅度的升值,“福耀”也能够保持成本和价格的竞争优势。
建立相应的激励约束机制,把财务管理人员的短期行为长期化。公司可以根据其自身的特点和需要建立相应激励约束机制,通过公司的激励和约束,使公司财务人员更关注汇率的影响及公司长远的发展,及时采取策略应对人民币升值对公司的影响,提高公司的效益。
在经济日益全球化的今天,一个国家的汇率自由化应是大势所趋。不管国际市场有没有施加压力,中国目前出口强劲,外汇储备充足,对外部环境变化也有了较强的承受力,逐步调整人民币汇率、增加货币政策的独立性是我国未来的汇率趋势。作为财务管理人员,应未雨绸缪,关注时势的发展变化,从成本控制、增加原材料进口等方面,通过各种不同的途径积极筹划,即使不久的将来人民币再升值,也可以最大限度地控制汇率风险。
摘要:在企业运行管理当中,其会计管理者往往使用财务报表分析对企业财务或运行状况进行统计并评估,然而当前企业中使用的财务报表以及其评价指标方法都存在一定的不足之处,这些不足之处使得财务报表不能完全发挥其有效作用,导致进行财务评估的结论不能使人信服。本论文对财务报表中影响其发挥有效作用的几个方面进行具体分析和讨论,同时根据探讨结论给出解决方案,目的是为了促使财务报表在企业运行中发挥最大作用,使得报表使用者从中获得最大收益。
关键词 :财务报表;局限性;完善措施
中图分类号:F230 文献标志码:A 文章编号:1000-8775(2015)04-0148-01
收稿日期:2015-01-20
作者简介:常甡(1981-)女,河北满城人,中级讲师,研究方向:财务。
引言
企业财务报表分析也叫做财务分析,其基本原理如下几步:首先对财务会计报告中有用的数据进行整合处理;第二步,根据数据以及其它扩展信息,对企业的财务情况、运行情况等进行分析评估;最后是通过以上评估结论指导企业的运行管理工作。但是同时,我们应当有个明确的认知,也就是这些财务分析和结论并不是完全正确的。原因是我们在进行财务分析过程中,存在各种各样的不利因素而使得财务报表不能完全发挥正常作用,使得财务分析有一定缺陷,这些缺陷导致了分析结论可能不符合预期,达不到人们的要求。
一、财务报表分析的局限性
(一)财务报表缺乏一定的可靠性和有效性
在进行分析中,财务报表分析的结论在实际中不能完全对应,这样的后果就是企业财务评估结论不是很可靠。归其原因,主要是由于财务报表分析时候列入表中的只是能够使用的货币资源,而现实条件中,企业里还有许多经济资源未能在报表中显示,不能显示是因为这些经济资源受到现实条件或者是被会计管理限制。
(二)财务报表分析者的分析能力有限
财务分析的主体是人,也就是说,对企业财务报表分析评价是由报表分析者进行的。而现实情况里,财务分析者不同,他们对财务表都有各自的认识和判断,这些不同点主要表现在以下几个方面:①对财务报表认识不同;②对财务报表的解读能力不同;③对财务分析理论认识差异。这些不同点使得分析结果不同。除此之外,在进行财务报表时,分析者仅仅根据课本上的理论知识还远远不够,不光要有理论知识还要有在实际工作里的实践经验。
(三)财务报表的数据结果失真
财务报表的数据质量与其企业管理者的职业素质息息相关。企业的目标就是为了挣钱,同时当前会计制度以权责发生制为基本出发点,这样一来企业的内部员工可以根据这一出发点自己设定一些他们理想中的财务数据,通过这些数据能够使企业满足最大收益。总之,不管是财务报表自己的不足,还是企业运行着对财务数据的不真实的处理等等,都会使得财务报表有很大误差,会对外部会计信息使用者造成不利影响。
二、针对财务报表分析的局限性提出的改进措施
(一)注意财务比率分析体系内各指标的内在联系
所谓财务比率分析指的是一个具有系统联系的、不能人为改变或者独立提出来的一个系统。在这个系统里,各个因素互相关联,在分析过程中一定要结合它们之间的关系。也就是说,在财务比率分析时,应当将各个指标有效结合一起进行考察探讨,单独分析一个指标是不科学的,不能正确的分析企业整体情况,对考察来说没有意义。主要原因在于单个财务比率在没有其他比率作用下不能说明任何问题。在实际中,如果通过财务比率分析对一个企业的运行状况考察的时候,应将该企业所在的行业、行业内其他企业、企业之前的成绩以及市场环境这四点结合起来进行考察,这样才能很好地认识到该企业处于市场中的地位以及之后发展趋势等,能对该企业的运行状况做出一个全面的考察。
(二)注意所提供比率的及时性和可比性
随着计算机技术在会计行业也就是会计电算法的发展,“适时”财务比率应用越来越多,这就要求企业财务管理者能充分结合计算机技术,最快时间的将“适时”财务比率送达到相关信息使用者手中,最快的发挥财务比率分析的有效作用。同时电算法会带给信息使用者多种方法计算得出的财务比率,而不需要额外增加投入,同时在不同财务比率下企业可以进行更深层次的横向上的比较
(三)注意所分析企业所在行业状况等大环境因素
财务比率分析应该考虑到整个行业的状况以及周围市场经济,也就是说在进行财务分析时候,不仅要考虑到该企业在这个行业中处于何种地位,还应该考虑周围经济对该企业发展的作用。因为不同行业和不同企业都有各自特点,所以财务比率也差别特别大,有时候即使是一个行业,不同企业也有不同的财务比率。还有很重要的一点就是外界经济形势对企业财务比率的影响,比方说,通货膨胀很厉害,或者说经济衰落时,销售收入以及利润降低就很正常,可以肯定的是所有的企业都会受到经济环境的影响。除上述两个因素之外,还有季节性因素,很多企业往往在不同时期有不同的经济状况,在处于旺季时候财务比率和淡季时候财务比率一定会有很大差别。
总结
上述内容是对财务报表分析存在不足的分析讨论,并对其解决方案具体深入研究。伴随我国经济社会的不断前进,越来越多的企业管理者会意识到财务报表分析的必要性。结合当前财务分析的特点,取长补短,不断通过对深化财务报表内容等许多方面进行改革分析,会很大程度上帮助管理者对企业的经营管理。总之通过以上分析,希望能为完善和发展企业的财务报表分析体系提供新的思路和方法。
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.
一、 引言
现代商业银行的经营本质上是以信用为基础和保证的,如何有效管理银行的信用风险,始终是商业银行面对的重要问题。目前我国信用体系的建设尚处于起步阶段,缺乏有效可行的采集、整合信用的手段和方法,因此根据我国实际情况,根据现有的信息和资源,加强信用风险模型方面的研究,开发适合我国国情的信用风险管理方法,具有重要的理论和现实意义。
基于市场数据方法的信用风险管理模型――KMV的DEF模型,是当前国际金融界最流行的信用风险计量模型之一,国内学者从1998年开始关注KMV模型,早期的研究局限于对KMV模型的介绍和分析,具有代表性的有杜本峰的《实值期权理论在信用风险评估中的应用》和王琼与陈金贤的《信用风险定价方法与模型研究》等文章。目前国内对KMV模型的研究思路主要包括模型的修正及有效性检验。周沅帆用KMV模型研究中国上市保险公司的信用风险,将公司净收益增长率引入到违约距离的计算中,并且对模型实证结果表明KMV模型有良好的预测能力。张能,张佳重新设定违约点DP=a×STD+b×LTD,选取82家上市公司作为样本,按照一定的判断标准,用Matlab程序进行计算得出最优的(a,b)值,通过比较新旧违约点下的违约距离,从而得出能更准确反映我国上市公司信用状况的违约点。但是模型的修正基本围绕违约点的设定、公司股权的波动率和预期公司资产价值等自身的修正,在我国由于有关公司破产的历史统计数据严重缺乏,很难建立我国上市公司的违约距离DD和违约率DEF的映射关系,并且不能全面的反映上市公司的历史财务状况。
综上所述,基于以上两种方法的信用风险管理文献较多,但是能把两者有效结合的研究却不多。所以,本文利用Fisher线性判别模型将财务比率方法与市场股票数据方法结合起来,增加了基于KMV模型,利用证券市场数据计算的违约距离作为Fisher判别函数新的自变量,建立Fisher判别函数,扩展后的Fisher模型中,将KMV模型与财务数据的结合,使新模型既能反映上市公司的历史财务状况,也能反映其市场变化情况,从而提高了商业银行预测信用风险的准确度。
本文结构如下:第二部分为以财务指标为自变量的Fisher线性判别函数构建,总体预测准确率达到87.9%。第三部分为增加违约距离为自变量的Fisher模型,即扩展后的Fisher模型构建,总体预测准确率达到92.6%,准确度高于第一类模型。第四部分为实证结果比较分析。从三个层面的比较得出,商业银行进行信用风险预测时应将财务比率与市场数据等进行综合的分析,以提高模型预测的准确度。
二、 基于财务比率的Fisher模型的建立
1. 总样本选取。我们视被ST的上市公司为信用差的公司,没有被ST的上市公司为信用好的公司。截至2011年,在上海和深圳交易所上市的上市公司中有80家被ST的公司,按照证监会行业分类,其中属于在制造业的上市公司就占了其中39家,其余均分散在其他各行业。因此为了考虑到行业资产规模及财务指标的不同,对模型建立的准确性有影响,所以本论文选择制造业的39家上市公司作为研究对象。
在39家制造业上市公司中,剔除两家财务数据缺失比较严重的上市公司,共37家,我们随机选取了30家作为构建模型中违约公司的估计样本,剩余的7家作为违约公司的检验样本。并随机选取了同时期,规模差别不大的30家和6家正常的制造业上市公司分别作为估计样本和检验样本中违约公司的配对样本。
2. 变量的选取。
基于数据的全面性和代表性考虑,本文选择了32个财务比率作为建立线性判别模型的解释变量,这些数据来源于RESSET金融数据库,所选的数据充分反映了企业的每股指标、盈利能力、偿债能力、成长能力指标、营运能力指标、现金流量指标、资本结构指标。包括:X1每股净资产、X2每股公积金、X3每股未分配利润、X4资产净利率、X5销售毛利率、X6营业利润/营业总收入、X7财务费用率、X8营业利润率、X9流动比率、X10速动比率、X11股东权益/负债合计、X12股东权益/带息债务、X13有形净值/带息债务、X14息税折旧摊销前利润/负债合计、X15经营净现金流量/负债合计、X16经营净现金流量/流动负债、X17利息保障倍数、X18营业收入增长率、X19营业利润增长率、X20净利润增长率、X21净利润增长率、X22总资产增长率、X23存货周转率、X24应收账款周转率、X25应付账款周转率、X26流动资产周转率、X27总资产周转率、X28总资产现金回收率、X29资产负债率、X30流动资产/总资产、X31流动负债/负债合计、X32净利润/营业总收入。
(1)Mann-Whitney U检验。首先,对这些指标运用U检验进行简单的均值差异分析。
从表1可以看出,在5%的显著性水平下,共有24个变量其均值在组间存在显著性差异,因此我们剔除另外5个差异不显著的指标,分别是X5,X19,X20,X23,X24,X25,X26,X31。24个指标从不同的方面反映了ST上市公司与正常公司的显著区别。
(2)主成分分析。选取的24个指标涵盖了财务比率的各个板块,避免了遗漏重要的信息,但是选取过多的指标会增加问题的复杂性,由于有一些指标均是对同一财务比率板块的反映,不可避免的造成信息的大量重叠。基于以上思考,本文采用主成分分析法对24个财务比率进行降维处理。由总方差分解表(表2)可以看出,保留7个主成分是合适的,首先满足了特征根大于1的标准,并且提取7个主成分时能解释约80%的总方差。
3. 基于财务比率数据的Fisher模型。7个主成分已经不存在多重线性关系,因此我们用这7个主成分做Fisher判别分析且选择逐步判别法估计判别函数的显著性,由Box'M检验结果(表3)的F值及其显著水平可知,各总体协方差矩阵相等,所以所选取的变量是满足判别分析的假定的。
由Wilks' Lambda检验(表4),认为判别函数在0.05的显著性水平上是显著的。通过逐步判别法得出的判别函数,即fisher线性判别函数为:
ST公司判别函数:G(1)=-0.527F3-1.122F5-1.068
正常公司判别函数:G(0)=0.685F3+1.350F5-1.252
三、 模型的扩展――增加违约距离DD的Fisher模型
1. KMV模型假设。本部分以2010年12月31日计算基准日,比较未来一年内这73家上市公司的信用状况。为了便于实证分析,先做如下假定:
(1)公司违约点的确定。与KMV公司的处理方法略有不同,根据张能,张佳在《改进的KMV模型在我国上市公司信用风险度量中的应用》中的研究表明,假设违约点DP=1.8×流动负债STD+1.2×长期负债LTD时得到的违约距离更能反映我国公司的信用状况。其中,为了使预测具有现实意义,我们的负债数据均为公司2010年中期财务报告的数据。
(2)公司权益价值计算公式:收盘价×总股数。
(3)无风险利率为2.75%。
(4)预测时间为T=1年。
2. 违约距离DD的计算。用Mathcad15.0算出所有上市公司的违约距离DD值,进行Wilcoxon检验可见,两个总体的DD值存在显著性差异(表5)。将DD值与其他24个财务比率重新进行主成分分析,进行逐步判别分析,得到的新的Fisher判别函数。
加入违约距离DD的Fisher判别函数为:
ST公司判别函数:G(1)=-0.607F3-1.259F5-0.506F6+0.506F8-1.247
正常公司判别函数:G(0)=0.755F3+1.479F5+0.411F6-0.493F8-1.390
四、 模型间预测结果比较与结论
从预测的结果可以看出,将传统财务比率与市场数据结合起来的Fisher模型预测结果总体上优于只用财务比率建立的Fisher模型。
1. 对于13个检验样本,对7个ST公司的预测准确率均为100%,6个正常公司的预测准确率为83.3%。检测样本的预测准确率均为92.3%。说明,两个模型对上市公司的信用风险均具有较强的预测能力。
2. 第一类模型的总体预测的准确率为84.9%,低于第二类模型的预测结果93.2%。
3. 在银行实务中,将违约公司误判为正常公司导致的后果比将正常公司误判为违约公司的后果更为严重,因为这将给银行带来更严重的风险。第一类模型将违约公司误判为正常公司的概率为10.8%,第二类模型的误判率仅为8.1%,低于第一类模型。所以,商业银行进行信用风险预测时应将财务指标与市场数据等进行综合的分析,以提高模型预测的准确度。
参考文献:
1. 沈沛龙,任若恩.现代信用风险管理模型和方法的比较研究.经济科学,2002,(3).
2. 王春峰,万海晖,张维.商业银行信用风险评估及其实证研究.管理科学学报,1998,(1).
3. Altman E I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance,1968,(23).
4. Press S J, Wilson S. Choosing between Logistic Regression and Discriminant Analysis. J. Amer. Statist. Assoc,1978,(73).
5. 方洪全,曾勇.银行信用风险评估方法实证研究及比较分析.金融研究,2004,(1).
6. 周沅帆.基于KMV模型对我国上市保险公司的信用风险度量.保险研究,2009,(3).
7. 张能,张佳.改进KM模型在我国上市公司信用风险度量中的应用.预测,2010,(5).
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).
中图分类号:F2
文献标识码:A
文章编号:1672-3198(2013)09-0027-02
企业信用评估和企业财务预警是企业财务管理研究的重要课题。诸多学者将两个问题一起进行研究,这两者之间还是有本质区别的。财务预警即财务失败预警,是指借助企业提供的财务报表、经营计划及其他相关会计资料,利用财会、统计、金融、企业管理、市场营销理论,采用比率分析、比较分析、因素分析及多种分析方法,对企业的经营活动、财务活动等进行分析预测,以发现企业在经营管理活动中潜在的经营风险和财务风险,并在危机发生之前向企业经营者发出警告。信用评估本质上是对企业履约各种承诺能力和信用程度进行全面评估,预测未来偿债可能性来辨识不同企业的方法。服务的对象有商业银行、金融监管机构、与受评对象有业务往来的商业客户以及社会公众和投资者。
(1)定性评估方法:人工专家分析法,又被称为古典信用分析方法,包括5C、5P、5W法,5C法指贷款申请企业或个人的道德状况,偿债能力,贷款申请企业或个人的财产状况,可用于进行贷款申请时抵押担保的资产价值,宏观经济状况。 5W法指贷款申请人、申请贷款的使用、贷款的时间长度、担保资产价值及还款方式。目前我国商业银行实务中仍主要采用的信用评估分析方法。
(2)定量评估方法。
①统计方法:多元判别分析法(Multi-linear Discriminate Analysis)是较早应用于企业信用评估的多元统计方法。Altman(1968)最早提出Z-score模型对企业运营财务危机预警、企业违约预测问题进行研究,使用较少的财务比率迅速进行判断分析,使用年度报表的数据运用财务比率进行分析:企业运营成本/平均总资产、留存收益/平均总资产、息税前利润总额/平均总资产、普通股股东权益合计/平均总负债、营业收入/平均总资产,并且对三十多家样本公司进行分析,得到准确率较高的分析结果,该模型属于贝叶斯判别,用样本修正已有的先验概率分布得到后验概率分布。这篇经典论文开创了企业破产预测,财务危机预警,信用评估分析的先河。Altman(1977)在前述论文的基础上进行了完善,又加入几个财务比率建立ZETA模型,使用总资产收益率(利润总额/平均总资产)、利润增长率(利润总额/上一年利润总额)、利息保障倍数(息税前利润总额/利息费用)、留存收益/平均总资产、流动比率(流动资产/流动负债)、平均总资产、公司股票市价等财务比率,得到比签署模型更好的分析结果。Logistic模型分析。Martin(1977)使用财务比率进行企业经营财务预警及企业贷款违约分析,使用多元统计学中的Logistic回归方法,使用1970至1971年的报表数据从的美联储成员银行5600多家中选取58家属于财务困境,违约样本的银行进行分析测算,使用资产净利率(利润总额/平均总资产)等8个财务比率,进行分析测算,并且分析不同的信息使用者的风险偏好差异,如投资人和债权人,测算不同的风险预警系数,便于信息使用者更好地作出分析决策,得到较好的分析结果,并且使用该多元回归模型与前述的Z-Score模型,ZETA模型测算的结果进行对比分析,得到优于前述模型的预测数据。吴世农(2001)收集我国上市公司1998至2002年A股市场的ST公司共计七十多家,收集样本数据的时间是公司转化成ST的年度,并且选取相关行业的七十多家作为对照组样本,进行横截面数据分析,选用不同的计量模型进行对比研究,主要有线性概率模型(LPM),Fisher二类线性判定,Logistic模型等多元统计方法对企业财务进行预警研究,最终结果是Logistic模型的预测准确率均高于Fisher判别分析法和LPM的准确率。于立勇、詹捷辉(2004)也使用Logistic模型,选取商业银行的贷款企业客户的财务数据进行信用违约的分析,得到较好的测算概率。方洪全、曾勇(2004)在银行信用风险评估方法实证研究及比较分析中运用Logit模型分析。李志辉、李萌(2005)选取了195家上市公司为样本,Logistic模型的准确率高于线性判别模型神经网络模型。Junni L. Zhang(2010)运用贝叶斯加分类树法对德国公司财务报表数据进行偿债能力进行有效得分类。
②信用风险评估模型。Credit Metrics(信用计量模型)是摩根大通等美国知名金融机构采用用VaR(在险价值模型)的思路,对个人和企业的贷款以及其他金融资产进行价值估计和风险预测的计算方法。麦肯锡公司提出的Credit Portfolio View模型(信贷组合审查模型),是改造Credit Metrics模型,考虑到周期性宏观经济因素,结合信用风险评级转移和宏观经济变量如年度经济增长率、市场利率、政府支出等建立关联模型,使用蒙特卡罗技术模拟宏观经济周期性因素的计算得到评级转移概率。KMV模型(Credit Monitor模型)(是美国KMV公司提出后被穆迪公司收购),该模型是可以对上市公司的信贷违约概率进行预测分析。张玲等(2004)运用KMV模型评估我国上市公司ST公司和非ST公司的信用风险后得到,改变KMV模型的相关变量可以至少提前2年预警我国上市公司的信用违约风险,并且可以提前4年进行上市公司的信用风险变化趋势的预测。戴志锋等(2005) 运用KMV对我国上市公司数据和某国有商业银行非上市公司的信贷数据进行验证,实证结果表明非上市公司模型在中国具有一定的预测能力,但预测准确率低于欧美国家。Credit Risk+模型(信用风险附加模型)是由瑞士信贷银行金融产品部(CSFP)开发的,它是一个违约模型(Default Model)。
③人工智能方法:神经网络。陈雄华等(2002)采用人工神经网络模型研究企业信用等级的评估问题,按照企业样本分为制造业和非制造业两大类,利用偏相关分析方法建立了企业信用评级的指标体系,实验结果表明神经网络模型具有更好的预测准确性。于立勇(2003)收集一百多个企业作为训练样本,运用神经网络模型进行信用违约风险分析,得到有效的预测结果。章忠志、符林、唐换文(2003)使用神经网络模型,选取28个企业数据做为样本进行分析,预测结果准确率达到90%以上。徐佳娜、西宝(2004)使用人工神经网络模型与层次分析法(AHP)相结合建立模型对企业信用风险进行评估,预测结果说明该模型比已有的其他模型准确更高。张卫东等(2006)建立模型结合前馈型神经网络、遗传算法和模糊数学方法来,评估商业银行企业客户的信用风险,使用Matlab软件对选取的商业银行企业客户数据进行测算,得到的结果表明准确率比以前的模型方法有所提高,模型更具鲁棒性。夏红芳(2007)通过与上海某商业银行的合作,对其1999-2005年的贷款明细和公司财务数据进行了系统研究,运用粗糙集理论的约简功能,从中选出最能反映企业信用状况的8项财务指标,再应用模糊神经网络方法进行信用评估,实证研究表明所提方法具有较高精度。但是使用人工神经网络模型需要根据实际的样本数据不断调整系数,相对而言模型的鲁棒性不够强。戴芬(2009)根据中小企业信用评估指标体系,提出了一种基于蚁群神经网络的评估模型。结果表明蚁群神经网络的预测方法与传统的BP 神经网络预测方法相比,具有较强的泛化能力,应用在中小企业信用评估系统中具有很高的评估准确率。
整数规划法。薛锋(2006)选取上市公司数据,使用混合整数规划法,建立企业信用风险评估模型进行信用风险评估,模型可以满足非参数检验,也不需要样本数据服从正态分布,可以较为广泛的应用,经数据实际测算的结果说明,该模型鲁棒性较好,预测效果较好,准确率较高。遗传算法。薛惠锋(2006)利用人工智能方法——GA-PSO混合规划算法构建企业信用风险评估模型。并利用上证50若干企业的实际数据对模型进行了实证检验。实证结果显示该模型能有效预测上市企业的信用风险状况。该模型在收敛性能及预测准确率等方面优于基于传统的多元回归方法及GP方法的信用风险评估模型。Jonathan N. Crook(2007) 参考诸多文献比较线形回归(LDA),Logistic回归,决策树,数学规划法,神经网络法,遗传算法,遗传编程,K近邻法,支持向量机几种方法,认为支持向量机法的准确率相对较高。
从以上对国内外研究现状的分析可知,尽管国内外已有许多专家学者对商业银行客户信用评估进行大量的研究,但在实际应用中涉及中小企业的研究较少,未考虑我国企业普遍存在的内部人控制的企业中管理者个人因素对企业信用的影响,限制了模型的适用范围。
参考文献
[1]Altman,E.I.,Financial ratio discriminant analysis and the prediction of corporate bankruptcy[J].Journal of Finance,1968,23(4):189-209.
[2]Altman,E.I.,R.Haldeman & P.Narayanan,ZETA analysis:A new model to identify bankruptcy risk of corporations[J].Journal of Banking and Finance,1977,(l):29-54.
[3]D.Martin.Early warning of bank failure: A Logit regression approach[J].Journal of banking and finance,1977,(1):249-276.
[4]吴世农,黄世忠.我国上市公司财务困境的预测模型研究[J].经济研究,2001,(6):46-55.
[5]于立勇,詹捷辉.基于Logistic回归分析的违约概率预测研究[J].财经研究,2004,(9):15-23.
[6]方洪全,曾勇.银行信用风险评估方法实证研究及比较分析[J].金融研究,2004,(1):62-69.
[7]李志辉,李萌.我国商业银行信用风险识别模型及其实证研究[J].经济科学,2005,(5):61-71.
[8]Junni L. Zhang,Wolfgang K. Hrdle The Bayesian Additive Classification Tree applied to credit risk modeling Computational[J].Statistics and Data Analysis 54 (2010) 1197_1205.
[9]张玲,杨贞柿,陈收.KMV模型在上市公司信用风险评估中的应用研究[J].系统工程,2004,(11).
[10]戴志锋,张宗益,陈银忠.基于期权定价理论的中国非上市公司信用风险度量研究[J].管理科学,2005,(6).
[11]陈雄华,林成德,叶武.基于神经网络的企业信用等级评估系统[J].工程学报,2002,(6):570-575.
[12]于立勇.商业银行信用风险评估预测模型研究[J].管理科学学报,2003,(5):46-52.
[13]章忠志,符林,唐换文.基于人工神经网络的商业银行信用风险[J].模型经济数学,2003,(3):42-47.
[14]徐佳娜,西宝.基于AHP-ANN模型的商业银行信用风险评估[J].哈尔滨理工大学学报,2004,(3):94-98.
[15]张卫东,韩云昊,米阳于.GA-BP模糊神经网络的商业银行信用风险评估[J].工业工程与管理,2006,(5):81-84.
[16]夏红芳.商业银行信用风险度量与管理研究[D].南京:南京航空航天大学,2007,(8).
[17]戴芬,刘希玉,王晓敏.蚁群神经网络在中小企业信用评估中的应用[J].计算机技术与发展,2009,(10):218-221.
关键词 机械制造业 财务状况预警 经济学分析
一、相关企业的样本选取以及变量选取
财务状况的相关预警预测对于企业的生存和发展有着非常重要的作用。直到2002年的年底,在深圳和上海两个城市的A股市场中有着一百零五家ST公司,我们见面过在深圳的相关A股市场中进行机械制造产业的相关企业作为实际的研究资料,对其分别通过机械制造相关产业的相关ST作为其抽取的相关样本,并且对于机械制造产业中的ST企业中抽取十家,再将实际的机械制造相关产业中非ST的相关企业作为样本,并依据一定的比例间隔对于十家非ST相关公司进行随机抽取并作为其对照样本组。除此之外,在进行五家相关机械制造产业的相关公司进行随意抽取并将其作为测试样本,依照这样的原则在深圳市的A股交易市场的二十五家已经上市的机械制造产业中的相关企业作为此次进行研究的相关样本,并且对他们分别计算出每股的实际收益、以及股东实际权益的相关比率和净资产的实际收益率以及总资产实际周转率和主营业务的实际利润率、企业的总资产的实际增长率。详细的相关情况请见表一:
为了分析对于上面情况所叙述的相关财务比率是不是能够真正有效的进行ST公司同非ST公司有效的区别,我们对于上述的20家相关的上市公司的实际的相关估计样本通过相关统计软件来进行6个相关财务比率的T检验。经过对于T检验所得出的结果的分析和了解,我们获得以下的相关结论:在每一股的实际收益以及主要经营项目业务的实际利润率进行双尾T的相关检验的实际显著性的概率都大于百分十零点零五。可以认为对于每股收益以及其主要经营项目业务的实际利润率都不能对于ST公司以及非ST公司进行良好的有效的区分。企业的净资产的实际收益率、总资产的实际周转率、股东权益的实际比率以及总资产的实际增长率的相关双尾T的实际检验的相关显著性的相关概率都小于百分之零点零五。这四项相关比率都能够对于机械制造产业的非ST公司以及ST公司进行良好的区分。以下将选用净资产的实际收益率(Y3)、总资产的实际周转率(Y2)、股东权益实际比率(Y1)以及总资产的实际增长率(Y4)这四项指标来将其作为研究的实际有效的相关财务变量并建立起实际的机械制造产业的相关财务状况的相关预警预测模型。
模型的建立
在对于20家相关企业的十几样本组的某年所进行上报的相关财务比率数据进行统计软件的相关统计之后进行了分析,对于其主要的成分特征值以及贡献率进行了相关对比。得出Z1的实际运营能力的特征值是1.91,其贡献率是40.8%。累计贡献率是38.08%;Z2的发展能力其特征值是0.97,贡献率是19.2%,累计贡献率是57.0%;Z3的盈利能力其特征值是1.12,贡献率是19.4%,累计贡献率是77.4;Z4的偿债能力其特征值是1.30,贡献率是21.6%,累计贡献率是100%。我们将其累计贡献率取为100%,也就是说这四项主要的相关成分所包括的原有的相关变量信息的100%。这四项财务的原始比率对于这四个的主要的成分的实际因子负荷量以及因子得分系数的相关矩阵见以下表3和表4。
依照上述的情况进行分析,我们能够得到在机械制造相关产业的实际ST公司的相关财务状况的实际预警预测模型应该如下所示:
RS=0.408*Z1+0.192*Z2+0.194*Z3+0.216*Z4
当RS大于等于0.07,就表明了该企业是一种非财务状况下预警的相关企业,当RS的值大于0.07,就表明该企业是财务状况的相关预警企业。
模型的实际检验
为了对于相关模型进行预警作用的实际检验,我们将其他的机械制造相关产业的相关测试样本组里面的6家企业(其中3家是机械制造相关产业的实际非ST公司和2家是机械制造相关产业的相关ST公司)中的以上四项实际的财务比率运用预警模型进行相关计算并得到了相关的RS预测分值。其结果如下:
通过检测的相关结果显示,在机械制造相关产业中的ST公司其RS值都小于0.7,其检测的结果与实际情况一直,而三家非ST机械制造相关产业的企业的实际RS值都大于0.07,这就进一步说明了这三家企业并不是财务状况的相关预警企业,从而同实际情况达到一致。
模型局限性
1.预警预测的财务状况的前提是该企业对于其自身的相关财务数据具有真实可信的特点,但是由于现在的企业的相关会计信息出现着频繁的失真现象,因此有一些相关企业不能够对于自身的实际财务数据进行真实性的反应。这样就会使得上面所涉及的模型里面的相关财务指标不能够真实完全对于企业的实际经营业绩进行反映。因此,在对于企业的预警预测财务状况进行良好的模型规划之后,还要对于企业的实际会计管理进行加强,保证企业的会计信息的准确性,保证在企业进行财务数据的的时候,能够是企业的真实财务发展运营状况,从而保证企业在其进行相关统计和分析的时候,不会偏离公司的正常经营发展状况。以便于有效的提高企业的综合运营水平,加强企业的综合竞争力。
2.从相关行业的方向来说,这项模型是通过机械制造相关产业作为实际分析和计算的样本而得到的,因为在不同的企业中的产业的实际财务比率都有着自己的特点,造成不同产业之间存在着差异,所以对于不是机械制造相关产业的企业在运用该模型进行相关研判的时候一定要在事先进行修正。要根据自己所在公司的经营状况,市场经济发展情景以及自身的各项因素等进行详细的了解和对比,找出适合自己所在企业的预警预测财务状况的相关模型,从而真正的帮助企业建立起良好的财务预警预测系统。
3.根据本文中所设定的模型并没有对于非财务指标的相关因素的有关影响进行考虑。所以模型的实际应用还会受到不用的企业的评价标准自身主观性、条件差异性等的限制,从而难以对于企业全面满足。所以在进行预警模型的了解和分析的前提下,还应该对于非财务相关指标的干扰因素以及一些有经验的相关分析人员的实际直觉来进行定性的评价以及分析。
总结:财务状况的相关预警预测对于企业的生存和发展有着非常重要的作用。在对于企业的预警预测财务状况进行良好的模型规划之后,还要对于企业的实际会计管理进行加强,保证企业的会计信息的准确性,保证在企业进行财务数据的的时候,能够是企业的真实财务发展运营状况,从而保证企业在其进行相关统计和分析的时候,不会偏离公司的正常经营发展状况。本文通过对于上海和深圳的20家上市企业进行财务比率的统计和分析,得出在机械制造相关产业中的财务预警预测的相关模型。从而有效的实现对于机械制造相关产业的财务状况实际的预警的经济学研究和分析。
参考文献:
[1]位文明,刘海涛,张俊,赵万华,张晓毅,朱祥.基于实际面压力分布的结合面有限元建模方法.中国科技论文在线.2011(08).
迄今为止,国内外对于企业财务危机的界定仍然存有诸多意见。Beaver(1966)把破产、拖欠优先股股利和拖欠债务界定为财务危机。Altman(1968)、Ohlson(1971)、Zmijewski(1984)等将企业根据破产法提出破产申请的行为,作为确定企业进入财务危机的标志,他们研究的对象也局限在法定的破产公司。Altman(1990)的研究则综合了学术界描述财务危机的四种情形:经营失败、无偿付能力、违约、破产。总体而言,财务危机的认定多集中在破产清算或无偿付能力等。
而在我国,由于制度性原因,大量基于上市公司财务危机的实证研究采用了“ST”制度(张玲,2000;吴世农等,2001等),将因“财务状况异常”而被特别处理的公司判定为财务危机公司。实际上,本文认为上市公司首次出现亏损即可列入财务危机范畴。原因有以下几点:
(一)由于我国的上市公司连续两年亏损将被特别处理,发生亏损的公司总会千方百计扭亏为盈,诸如盈余管理或者资产转让、债务重组层出不穷,以避免摘牌的危险,保住宝贵的“壳”资源,除非危机严重到无法收拾局面,因此企业总是千方百计维持良好盈利能力的形象。陆建桥(1999)的实证研究也证实了亏损企业在首次亏损之前存在普遍的盈余管理行为。所以,首次出现亏损的公司我们即可认定上市公司财务危机。
(二)企业首次亏损就预示着财务的危机也得到了审计师的认同,1999年全部上市公司非标准审计意见的比例为19.64%、2000年为14.48%,2001年为13.38%,2002年为12.1%,而同期首次亏损的公司当中非标准审计意见比重分别为63.04%、52.17%、48.28%和27.38%,远远高于平均水平。
(三)多数发生首次亏损的企业,都伴随资金周转的困难,在我们所研究的发生首亏的上市公司中,流动比率或速动比率小于1的上市公司占66.8%。
(四)大多数发生首亏的上市公司,都在随后年度的经营中再次出现亏损的,1999年至2001年期间发生首亏的上市公司在随后一年的经营中继续亏损的比例为51.7%,在随后两年内的经营中继续亏损的比例为65.6%。因此,当企业首次出现亏损时,我们就可以将其认定为发生了财务危机。由于企业的经营是一个动态的过程(吕长江等,2004),如果企业在随后几年内继续出现亏损,以致于无法进行正常生产经营,更无法偿还到期债务,则进入财务破产的阶段;否则则转危为安。
二、研究设计
(一)样本确定
1.研究样本时间的确定
本文对企业财务危机的研究,将追寻到其发生首次亏损前两年。这样做一方面是基于对于企业财务危机状况的早期诊断,有利于投资者制订有效的决策;另外一方面,也是考虑到无形资产的本身作用机理,诸如人力资产、内部结构性资产等无形资产,其对企业经营的作用,往往不是通过当期的经营过程就可以得到准确的反映的,而通常需要在一定时间的协作和磨合后,才会逐渐对企业的经营产生作用。我们在研究的过程中,用t=0表示危机发生当年,t=-1表示危机发生的前一年,t=-2表示危机发生的前两年。
2.研究样本的确定
考虑沪深交易所“ST”制度的颁布时间为1998年,并且我国上市公司对部分非财务信息的披露始于《信息披露的内容与格式准则第二号年度报告的内容与格式》(1998)的颁布以后,故本研究构建诊断模型所需样本为沪深交易所1998年后发生首次亏损的上市公司。根据我们研究样本时间确定的要求,最终我们将样本总体的采集时间限定于沪深交易所2000年后发生首次亏损的上市公司。与此同时,根据Stooll and Curley(1970)、Ritter(1991)、Loughran and Ritter(1995)、Aharony,Lee and Wong,(1997)等的研究,上市公司在其首次公开发行股票之前,往往会通过财务包装行为高估公司发行股票前年度的利润,以图提高股票发行价格和公司信誉,而当公司发行股票之后,前期高估的利润就会冲转回来,导致公司股票发行后年度业绩的人为滑坡。为了使本论文的研究免受股票发行定价方面因素的影响,我们在选取样本时,剔除了亏损上市公司中上市不足两年的上市公司和因财务信息违规操作而被处理的上市公司。并且,为了控制外部环境和行业因素的影响,我们在选择亏损公司样本时,还为每家亏损公司选取了一个控制公司,组成控制样本,控制样本公司的选取步骤为:(1)确定每家亏损公司所属行业及其第一次出现亏损前一年末的资产总额;(2)在扣除所有亏损公司之外的上海证券交易所A股盈利公司中选取与亏损公司同行业,且上市已在两年以上的公司;(3)在与每家亏损公司隶属行业相同的盈利公司中,最终选取亏损前一年度与亏损公司资产总额最为接近的那家公司作为控制公司。
3.样本研究指标的确定
根据现有文献所涉及的指标,并考虑到相关指标获取的难易程度,本文对样本研究指标的确定,具体如表1所示。
(二)样本数据来源及其他说明
本来对上市公司财务危机诊断的研究数据,来源于wind数据库和巨灵数据库。在研究过程中,我们利用spss11.5 for windows作为本文主要的数据分析工具。在分析的过程中,我们将选取的样本按照发生首次亏损的时间,划分为t=0、t=-1、t=-2三个混合样本,分别对上市公司的财务危机的诊断效率进行比较分析。
三、实证研究
样本的描述统计及单指标检验
样本的描述性统计及两个样本对照组的均值检验和wilcoxon秩和检验。
通过表2中对样本指标的全样本描述,我们可以发现,利用单指标对上市公司财务危机进行诊断的效力,财务比率要明显优于无形资产比率。但财务比率在上市公司财务危机发生当年的诊断能力最高,随着时间的前移,财务比率对财务危机发生的诊断能力有减弱趋势。而无形资产比率对上市公司财务危机的诊断效力,除B4用人费用率以外,则随着时间的前移,有逐渐增强的趋势。
另外,从无形资产比率单指标的诊断能力来看,利用非财务指标计算所得的无形资产比率,如B1国有股比重、B2股权集中度等,这类反映内部结构性状况的无形资产对上市公司财务危机的提前诊断能力更强;而利用财务指标计算所得的无形资产比率,B3无形资产比率和B4用人费用率,则对上市公司财务危机的提前诊断能力相对较弱,这可能是因为,利用财务指标计算的无形资产比率,与财务指标之间存在的相关性所致。其中,B2股权集中
度的诊断能力最强,这与姜秀华、孙铮(2001)在研究中的发现相一致,姜秀华等曾发现股权集中度对上市公司财务危机具有较强的解释效力。
由此可见,利用单指标对上市公司财务危机进行诊断时,无形资产比率指标是具有解释能力的,并且与我们的假设相一致,内部结构性资产等无形资产对上市公司财务危机的甄别能力带有一定的前瞻性。治理效能的好坏、内部经营管理的优劣,是影响上市公司企业业绩的深层原因,这些因素之间相互作用,对上市公司的财务状况产生影响,而这一影响往往是潜移默化的,通过未来期的上市公司企业经营才能得以体现,因此无形资产对上市公司的财务危机诊断能力,随时间的前移有增强的趋势。
四、结论及建议
上文的实证结果表明,加入无形资产比率指标的研究,有助于尽早地诊断企业财务危机的发生,提高上市公司的财务危机模型诊断能力,而且有别于财务比率,无形资产比率对于上市公司财务危机发生的诊断能力,随着时间的前移有所增强,更有利于投资者对上市公司的未来经营状况做出准确及时的判定。因此,如何在财务报告中及时准确地反映企业无形资产,提高上市公司财务报告的有效性,将成为我们今后研究和讨论的重点。
首先,会计控制需要发挥新的作用,要求能够更加及时有效地反映企业生产经营的全貌,就要适当拓展无形资产的内容(Baruch,1999;孟翠湖,2004;王广庆,2004;等),增加知识型资本的确认范围,要将人力资本、知识产权等无形资产纳入会计系统进行确认。
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,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。
中图分类号:F830.593 文献标识码:A 文章编号:1004-5937(2015)17-0047-04
中小投资者是相对于大股东或控股股东而言,一般来讲,投资者按其在公司中所占股权比例大小和对股价的实际控制能力的大小,划分为机构投资者或大股东和中小投资者(中小股东)。目前在我国证券市场上,中小投资者处于相对劣势地位,属于“弱势群体”,掌握不到足够的财务信息,大部分中小投资者很难获得投资收益,而且机构投资者和中小投资者投入的资金数额不同,投资目的不同,因此,二者所使用的财务分析体系也应该有所区别,应基于中小投资者的视角建立简单明了的财务分析体系,从而帮助更多的中小投资者作出正确的投资决策,并获得收益。从中小投资者的角度建立财务报表分析体系首先应充分考虑中小投资者的特点,使财务分析体系的设计更具有针对性及适用性。本文通过问卷调查取得部分相关数据,问卷设计成两部分,第一部分用来调查中小投资者所具有的特点,第二部分用来调查中小投资者投资时财务分析手段使用情况,以及希望得到什么样的财务分析手段。采用抽样调查法,调查时段约两个月,调查的对象为中小投资者,实际发放调查问卷2 500份,收回调查问卷2 390份,有效调查问卷2 000份。其中本文分析中所涉及到的偿债能力分析指标、营运能力分析指标、盈利能力分析指标以及成长能力分析指标为多选,这就导致了其所占比例和不等于1。但是对于每个选项来说,其被选择的概率是平等的,所以单独计算每个选项所使用的频数是具有可行性的。
一、中小投资者的特点
(一)中小投资者户数所占的比例较高
近年来,在我国的证券市场上,中小投资者户数所占的比例一直很高。上海证券交易所统计年鉴(2014)公布自然人投资者2013年占比82.24%,比2012年占比80.78%增长1.8%;根据深圳证券交易所统计数据,2014年中小投资者户数所占比重达99%以上。在中国股市未来的一段时期,中小投资者仍然是证券市场上的主体,以中小投资者为主体,研究上市公司财务报表分析体系,具有重要的意义。
(二)中小投资者交易频繁,持股期限较短
总体上中小投资者交易较为频繁。具体表现在资金周转率仍处于较高水平,个人交易频度远高于机构,小投资者高于大投资者。2009―2012年个人投资者年资金周转率分别为8.99、7.21、6.35和6.9,机构投资者年资金周转率分别为3.83、1.61、1.41和1.42。中小投资者偏好持有和交易投机性较强的高市盈率股、低价股和ST股。个人投资者平均持股期限仅为39.1天,远低于机构投资者的190.3天。考虑到这个特点,在设计财务报表分析体系时应偏重于短期财务指标的使用。
(三)中小投资者处于信息的弱势地位
中小投资者信息的弱势地位具体表现在以下方面:其一,中小投资者一般只能从网站上或电视报纸上获得上市公司的公开信息,并不能了解上市公司的一些内部交易;其二,有些上市公司为了获得更多的投资,对财务报表进行粉饰,中小投资者由于缺乏专业的投资知识,并不能识别这些被粉饰的数据;其三,机构投资者可以通过专业人士对上市公司的财务报表进行分析,能够获得更多的关于被投资公司的信息,而中小投资者考虑到使用专业人士进行财务分析的成本,一般情况下是凭借自身的能力进行投资。这一特点要求在建立财务报表分析体系时,所使用的数据应该充分考虑中小投资者是否能够获得,除此之外,还应该考虑中小投资者获得这些数据的成本,只有在中小投资者能够获得这些数据且成本效益最大化的情况下,所建立的财务报表分析体系才有实际意义。
(四)中小投资者缺乏专业的财务报表分析手段
中小投资者一般是非专业投资者,大多数不具备专业的知识以及丰富的经验。通过对问卷调查的数据进行分析,得出中小投资者使用财务报表的频率,如表1所示。
从表1的数据可知,30.5%的中小投资者几乎不使用财务分析手段对所要投资公司的财务报表进行分析研究,一半以上的中小投资者偶尔使用财务分析手段,仅有15%的中小投资者在投资前,会使用财务分析手段对目标公司进行分析。中小投资者进行投资的依据大多数是网络上的一些信息或者是跟风,这就直接导致了中小投资者进行投资的收益不乐观,如表2所示。
从表2可以得知,将近七成的中小投资者的投资收益处于保本和亏损状态。具体来说,对于经常使用财务报表手段的人来说,其获得投资收益的情况是比较可观的,有63.33%的中小投资者可以获得投资收益,相反的,对于几乎不使用财务报表分析手段的投资者来说,有72.13%的中小投资者的投资收益处于保本和亏损状态。
从以上分析可以看出,从中小投资者角度出发建立上市公司财务报表分析体系具有一定的必要性,在建立财务报表分析体系时,必须要考虑中小投资者专业知识匮乏的情况,要用简单便于理解的财务指标指导中小投资者进行投资,改变投资收益不乐观的现状。
二、财务分析指标的选取
(一)偿债能力指标
偿债能力是指利用经济资源偿还债务本息的一种能力,可以揭示投资公司的风险大小。具体分为短期偿债能力以及长期偿债能力分析。调查问卷相关分析结果如表3所示。
从表3可知,在2 000份调查问卷中,流动比率指标使用人数900人,占45%;速动比率指标使用人数530人,占26.5%;现金比率指标使用人数370人,占18.5%;资产负债率指标使用人数680人,占34%;有形资产负债率指标使用人数270人,占13.5%;产权比率指标使用人数250人,占12.5%;任何指标都没有使用的人数140人,占7%。
考虑到数据的可获取性以及调查问卷中中小投资者使用人数所占比重的大小,从中小投资者角度偏重于短期指标的使用,选取流动比率、速动比率以及资产负债率反映公司的偿债能力。
(二)营运能力指标
营运能力主要是通过对公司的资产效率进行分析,反映公司的资产管理水平。一般情况下,企业的资产营运能力越高,其变现能力也就越强。调查问卷相关分析结果如表4所示。
从表4可以看出,在2 000份调查问卷中,总资产周转率指标使用人数520人,占26%;应收账款周转率指标使用人数660人,占33%;存货周转率指标使用人数940人,占47%;流动资产周转率指标使用人数580人,占29%;任何指标都没有使用的人数300人,占15%。
从中小投资者角度,考虑到数据的可获取性以及计算的方便,选取使用人数所占比例较大的指标:存货周转率、应收账款周转率和流动资产周转率反映公司的营运能力。
(三)盈利能力指标
盈利能力是指一个企业运用其所拥有的经济资源在一定时间内获取利润的能力。调查问卷相关分析结果如表5所示。
从表5可以看出,在2 000份调查问卷中,销售净利润率指标使用人数930人,占46.5%;资产净利润率指标使用人数540人,占27%;净资产利润率指标使用人数630人,占31.5%;每股盈余指标使用人数320人,占16%;销售毛利率指标使用人数500人,占25%;市盈率指标使用人数280人,占14%;基本获利率指标使用人数340人,占17%。根据调查结果,选取销售净利润率、净资产利润率、销售毛利率反映公司的盈利能力。
(四)发展能力指标
发展能力是指企业在长时间内由小变大、由弱变强的变革过程。调查问卷相关分析结果如表6所示。
从表6可以看出,在2 000份调查问卷中,总资产增长率指标使用人数1 000人,占50%;营业收入增长率指标使用人数720人,占36%;净利润增长率指标使用人数360人,占18%;股东权益增长率指标使用人数600人,占30%;任何指标都没有使用的人数320人,占16%。根据调查结果,从中小投资者的角度选取总资产增长率、营业收入增长率以及股东权益增长率反映公司的成长能力。
三、财务分析体系的设计
财务指标确定之后,为了方便中小投资者对上市公司进行分析,借鉴沃尔评分法的思路,建立综合评分体系,以直观分数来评价不同的投资对象。首先计算其各指标的权重,研究采用简单的层次分析法来确定各指标的权重。建立的层次结构图有3层,包括目标层、指标层以及子指标层。目标层是指确定各财务指标在所建立的财务报表分析体系中的权重;指标层包括评价公司财务状况的主要财务指标,具体包括盈利能力指标、运营能力指标、偿债能力指标以及发展能力指标;子指标层是根据调查报告所确定使用的财务比率。最终得出财务报表分析的综合体系,如表7所示。
其中,偿债能力指标、盈利能力指标以及营运能力指标所使用的标准值是根据企业通常所设置的数值确定的,而发展能力所使用的标准值是根据2013《中国统计年鉴》计算分析得出。另外,需要注意资产负债率是反向指标,为了使数据具有方向上的一致性,在计算实际得分时使用资产负债率的倒数。
目标投资上市公司综合得分=实际值÷标准值×权重
上市公司的综合得分反映了公司的财务状况,如果综合得分等于或接近于100分,说明该公司的财务状况是良好的;如果综合得分远远低于100分,则说明该公司的财务状况较差;如果综合得分远远高于100分,则说明该公司的财务状况很理想。
四、中小投资者视角的财务报表分析体系运用研究
研究引用的数据从新浪财经网获取,以制造行业为例,抽取6家上市公司进行分析,这6家公司分别为:三星电气、龙源技术、林洋电子、永高股份、岳阳林纸、上海绿新,时间截点为2012年的年报。选取上市公司时考虑到选取反差比较明显的公司以便于比较,从而有利于验证所建立的财务报表分析体系的实用性。使用表7综合评价体系对所选取的制造业上市公司分析,6家上市公司2012年财务比率综合评分值分别如下:上海绿新107.77分;龙源技术120.27分;林洋电子96.82分;三星电气78.22分;永高股份140.44分;岳阳林纸37.72分。通过以上数据可以看出,龙源技术、永高股份以及凯乐科技的综合得分远远高于100分,说明这3家上市公司的财务状况很理想,另外,林洋电子的财务比率综合得分接近于100分,说明该公司的财务状况是良好的。而岳阳林纸的财务比率远远低于100分,说明该公司的财务状况现阶段比较差。将上述计算结果与实际情况进行比较,在实际投资市场上,通过商务部Themis上市公司财务安全评级,得出表8。
通过将本文设计的财务报表分析体系运用的结果和商务部Themis上市公司财务安全评级结果进行对比分析,本文所建立的财务报表分析体系对这6家上市公司财务状况的分析与在实际投资市场上所表现的是一致的,说明该财务报表评价体系具有可行性和有效性,能够帮助中小投资者作出正确的投资决策。
【参考文献】
[1] 阮永平.上市公司财务报表解读――新会计准则下投资价值挖掘视角[M].上海:华东理工大学出版社,2010.
[2] 中国注册会计师协会.财务成本管理[M].北京:中国财政经济出版社,2011.
[3] 中国证券业协会.中国证券业发展报告(2013)[R].北京:中国财政经济出版社,2013.
[4] 赵辉.基于中小投资者的上市公司经营业绩评价研究[D].山东大学硕士学位论文,2012.
[5] 王宛秋,张艳秋.财务报表分析[M].北京:北京工业大学出版社,2010.
[6] 姜冰.基于中小投资者视角的上市公司财务报表分析研究[D].云南财经大学硕士学位论文,2012.
[7] 郭学鹏.普通中小投资者对上市公司财务报表分析的方法运用[J].中国乡镇企业会计,2013(11):50-51.