财务危机的特征模板(10篇)

导言：作为写作爱好者，不可错过为您精心挑选的10篇财务危机的特征，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。

篇1

财务危机包括无力支付到期债务、丧失支付能力以及经营不善、资不抵债等经济现象，它是企业由于内外部环境的不确定性引起财务风险的一种极端表现。如果在这一阶段，企业能够识别危机信号，及时采取防范措施，就能化解危机，回到正常的财务风险阶段，反之，企业的财务危机就会加重，并最终导致破产。按照这一理解，企业的财务危机有轻重之分，轻者可能仅仅发生了暂时的流动性危机，只要有外部资金注入就可以渡过难关，重的则是经营失败和破产清算，而在这两个极端之间还存在很多属于中间状态企业财务危机。

在国内，学者们将上市公司是否被“特别处理”（ST）作为其是否发生财务危机的判断依据，本文认为该依据是合理的，这是因为：第一，由于我国会计制度和财务制度的限制，学者们在进行实证研究时只能通过企业财务年报的形式获得微观数据，而只有上市公司才会定期公布其财务年报，因此，能够分析的企业一般也只能是上市公司。第二，根据沪深证券交易所的规定，上市公司在具备以下两个条件之一时，就会被“特别处理”，一个是上市公司连续两个会计年度的净利润为负值，另一个是上市公司最近一年的每股净资产小于其股票面值。这两个指标在某种程度上均反映了企业财务状况出现问题，可以作为界定危机的依据和标志；第三，上市公司在我国是宝贵的“壳资源”，当上市公司被“特别处理”（ST）后，其市场价值会大幅缩水，这就给那些想上市却由于种种原因不能上市的资本提供了“借壳上市”的可能性，即外部资本以较低的价格获得上市公司的实际控制权，这对于那些被ST的上市公司而言，已经属于实质破产。因此，在我国，上市公司的“ST”涵盖了企业财务危机的各个层面和阶段，可以作为危机发生的判断依据。

二、财务危机预警分析一般模型

财务危机预警是指在选择一组对企业财务危机影响较大，与企业财务经营状况密切相关的指标的基础之上，通过对这些指标的整理与分析对企业的财务危机状况作出判断，并提出纠正措施的过程。它主要包括信息搜集、风险分析、程度判断和对策制定四个阶段。从国内外的研究来看，财务危机预警主要通过以下四种模型进行：

（一）单变量预警模型 该模型首先需要确定一个对企业财务危机产生决定性影响的一个指标，然后依据该指标进行排序从而对企业的财务危机状况进行预警。根据Beaver（1996），反映企业盈利能力的净收益与资产总额之比、反映企业短期偿债能力的现金流量与债务总额之比以及反映企业资本结构的债务总额与资产总额之比这三个指标与财务危机的关系最为密切，但是其准确性随着时间的推移而下降。

（二）多元线性预警模型 该方法为了克服单变量分析的片面性，根据财务指标重要性程度的不同对多个指标进行加权平均从而得到一个判断企业财务危机的综合性指标。使用该模型进行分析时，一般会以以下五个变量作为基础：留存收益/总资产、权益市值/负债总额、（流动资产-流动负债）/总资产、息税前收益/总资产以及销售收入/总资产。

（三）逻辑回归预警模型 该方法进一步克服了线性模型对于因变量分布假设的局限性，使用对打似然估计法对经典的Logistic回归模型进行回归，并通过拟合结果直接判断企业发生财务危机的可能性。如果可能性大于0.5，则意味着企业面临着严重的财务危机，反之则意味着企业产生财务危机的可能性很小，可以忽略不计。

（四）神经网络预警模型 相对于逻辑回归模型，神经网络模型对样本的要求更低，并能够进行自我学习和培训，因此具有很强的自适应能力，再加上运算快捷，容错性较强，该模型一经出现就迅速应用到企业财务预警分析中，但是该模型存在黑箱，对某些处理过程不能很好地说明，因此也具有一定的局限性。

三、旅游上市公司行业特征分析

（一）行业上市公司数量较少，不适宜大样本分析 目前，我国的旅游类上市公司主要包括综合类、景点类和酒店类等三种类型的旅游公司，涉及到旅游社服务、旅馆服务、景点经营、餐饮服务、交通服务以及娱乐服务等多种产业，因此其界定存在一定的模糊性，也正是由于这种模糊性，各大网站对于旅游类上市公司的认定存在一定差异，但有一点是确定的，旅游类上市公司的数目相对于制造业等传统产业来讲，其上市公司的数目较少：截止到2013年，东方财富网统计旅游酒店类上市公司有30个，新浪财经网统计有23个，而凤凰财经网统计只有18个。可见无论是以哪一个数据为准，旅游类上市公司的数目都较少，这就意味着无论是logistic模型，还是神经网络模型，都不能用来对旅游类上市公司的财务危机预警进行分析，因为这两个模型对于样本的数量有较高要求，大样本可以显著提高这些模型的估计精度，反之，像旅游类上市公司这样的小样本则无法满足其对精度的要求。

（二）经营多元化特征明显，经营波动剧烈，线性预警模型无法提供全面准确信息 旅游类上市公司的多元化经营特征明显，这主要表现在：（1）旅游业内部的多元化经营。以首旅股份为例，2013年首旅股份经营涉及旅游服务收入、景区收入、展览广告和酒店四个板块，其中，旅游服务收入占比最高，而展览广告收入占比最低；（2）跨行业的多元化经营。以新都酒店为例，2013年新都酒店的收入包括：食品销售收入、租赁收入、餐饮收入、客房收入、商品收入和其他收入。像这种多元化经营的状况并不是个别旅游上市公司的个别现象，而是一种普遍的现象。在这种情况下，无法依据单个指标或有限的几个指标对上市公司的财务经营状况进行科学判断。

此外，根据旅游类上市公司财务指标波动性的分析，还发现其经营状况波动剧烈，以资产收益率为例，2005～2013年间，30家上市公司的资产收益率围绕0上下波动，即使在相近的年份也会由盈利变为亏损，经营状况极不稳定，更有上市公司的资产收益率在一年之间从2%跌至-40%，这种极不稳定的波动状态就意味着传统的线性预警模型已经无法满足旅游类上市公司财务风险预警的需要。

（三）公司经营状况严重分化、兼并重组频繁，企业财务危机频现 从30家上市公司的财务指标来看，一方面，黄山旅游、中青旅游、宋城股份等的每股收益率均在50%以上，全聚德每股的收益率则高达70%。而另一方面，ST张家界和ST东海仍然处于“特别处理”的状态，每股收益率为负值。此外，从公司市值来看，中国国旅、东方明珠的市值都在200亿元以上，而大连圣亚的市值还不到15亿元，这充分说明旅游类上市公司的财务经营状况出现严重分化，财务危机并不是危言耸听。

也正是由于严重分化的财务经营状况，我国旅游类上市公司的兼并重组十分频繁，根据相关统计，其资产重组率达到了80%。这一方面是由于这些公司的资产规模较小，容易成为外部资本借壳上市选择的对象，另一方面则是由于旅游业自身的行业特征使得外部因素特别是自然灾害和传染性疾病等对旅游业的打击较大，因此其财务危机的预警分析也显得格外重要。

四、旅游类上市公司财务危机预警模型构建

（一）预警指标选取 由于旅游类上市公司多元化经营的特征较为明显，在选取预警指标时，本着全面性、有效性、可比性和可获取性四个基本原则，从偿债能力、资本结构、运营能力、发展能力、盈利能力以及投资收益等六个方面来描述其财务经营状况，下面分别予以详细分析。

（1）偿债能力指标。包括：反映企业短期偿债能力的企业速动资产与流动负债之比。速动资产是企业流动资产中变现能力最强的核心部分，包括货币资金、短期投资、应收账款等，它集中体现了企业短期偿债能力的强弱，如果企业的流动比率较高，但是速动比率较低，那么企业的短期偿债能力一般也不高，因此，速动比率相对于流动比率来讲是对企业偿债能力的更好度量。资产负债率，指负债总额与资产总额之比。其主要描述了企业债务性资产的比例，该指标越小，表明企业的长期偿债能力越强，反之则越弱，因为企业的债务性资产比例越高，企业在破产清算时需要承担的清偿责任就越大。反映企业利息支付能力的企业息税前利润与利息费用之比，该指标一般大于1，而且其值越大，说明企业偿还负债（利息）的能力越强。

（2）资本结构指标。包括：长期负债与长期资金之比，其中长期资金为长期负债与股东权益之和；负债总额与所有者权益之比，该指标是评价企业资金结构合理性的常用指标，可以依此判断企业财务政策是否稳健，该比率无论是过高还是过低，都反映了企业没有很好的利用财务杠杆；反映企业负债合理性的股东权益与资产总额之比，如果其比值过小，表明企业负债超过了合理界限，降低了企业抵御风险的能力，从而增加了财务危机发生的可能性，反之则意味着企业没有很好地利用财务杠杆来实现企业利润的最大化。

（3）运营能力指标。包括：固定资产周转率，指企业销售收入与固定资产净值的比率，即每一元固定资产所支持的销售收入，其衡量了企业固定资产的利用程度；存货周转率，反映企业购入存货、投入生产、销售收回的过程，能反映企业的现金流情况和供应链的运作效率，存货周转速度越快，企业的销售能力越强；总资产周转率，指业务收入净额与平均资产总额的比率，能反映企业的资产运营效率和管理水平。

（4）增长能力指标。包括：反映单位公司股权的利润增长程度的单股收益率指标，该指标主要用于横纵向的比较，以反映公司的投资价值；反映企业资产扩张能力的净资产增长率指标，计算公式为本期净资产总额/上期净资产总额，该指标也是衡量企业成长状况的重要指标；主营业务收入增长率，是从企业产品生命周期的视角来分析企业的财务风险，如果该比率超过10%，则认为企业发展状况很好，基本没有财务风险，如果该比率小于5%，则认为该企业发展前景不容乐观，存在着爆发严重财务危机的可能性，如果该比率在5%到10%之间，则认为该企业存在着财务风险的可能性。

（5）盈利能力指标。包括：反映企业全部资产获利能力的企业息税前利润与总资产之比，即通常所说的资产回报率，其中，息税前利润等于净利润、利息费用与所得税费用的加总，与净资产报酬率相比，总资产报酬率从债权人和所有者共同的角度来考察企业的盈利能力；销售净利润率，指每一元销售收入带来的净利润，它与净利润成正比，与销售收入成反比，反映了销售收入的盈利能力；股本回报率，指税前盈利与年均股本的比值，也适用于行业内不同企业的比较以反映其盈利能力的指标。

（6）投资收益指标。包括：股息发放率，指每股股利与每股净收益的比值，主要是针对普通股股东而言，即其能够从每股净收益中分得的利润；市盈率，指股票价格与每股收益的比率，投资者依据该指标判断股票的投资价值；市净率，与市盈率类似，其值等于股票价格与每股净资产之比，该指标也是投资者选择资产组合形式的主要依据，一般来讲，市净率越低，则股票的投资价值越高。

（二）预警模型选取 根据上文的分析，在第二部分中提出的四种预警模型均不适合分析中国的旅游上市公司，本文基于第三部分提出的旅游行业特征提出使用新近发展起来的灰色预测模型作为分析和预测中国旅游上市公司财务危机的工具。该模型主要是基于灰色系统理论提出，其对样本数量和信息质量的要求较低，对于那样小样本，信息较少的对象尤其适合，而这正符合中国旅游上市公司的行业特征，此外，灰色预测模型不需要对总体的结构方程进行预设，而只需要通过一阶方程来对变量的动态特征进行描述，因此比较适合中国旅游上市公司收益率变动剧烈的个体特征。更重要的是，灰色系统理论认为模型预测所基于的原始数据也是现实世界中多种因素共同作用的结果，因此，可以通过对现有数据的分析来得出系统运行的一般规律，从而为科学预测提供基础和依据。同时还可以使用级比检验、残差检验、灰色关联度检验和后验差检验等方法对灰色预测模型的结果进行检验。

在使用灰色预测模型获得预测结果后，再通过AHP―模糊综合评价法对旅游上市公司的财务状况进行评价。该方法将层次分析法和模糊综合评价法有机结合，在实际生活中应用较为广泛。其中，层析分析法的主要优点是在设计权重时较为科学，通过将总目标分解为不同层次的子目标，再对不同子目标的相对重要性进行评价，对于那些较为重要的子目标，设计较高的权重，而对于那些较不重要的子目标设计较低的权重，这样就可以为选择总体的最佳方案提供依据。在确定好权重之后，再使用模糊综合评价法进行综合评价，在评价的过程中，关键是指标权重和隶属度矩阵的确定，这需要专家根据具体情况进行打分并形成判断矩阵，因此要求专家组成员在充分调研、认真分析、深入讨论、客观公正的基础上确定权重，尽量降低由主观打分带来的模型误差。

参考文献：

[1]王玲：《医药行业上市公司财务风险预警模型研究》，西安电子科技大学2011年硕士论文。

篇2

DOI：10.3969/j.issn.1005-5304.2016.01.018

中图分类号：R29 文献标识码：A 文章编号：1005-5304（2016）01-0078-04

Xinjiang Uygur Medicine Image Feature Extraction and Discriminant Analysis Based on Color and Textural Features YUN Wei-kang1， Murat HAMIT1， YAN Chuan-bo1， Abdugheni KUTLUK1， Asat MATMUSA2， YAO Juan3， YANG Fang1， Elzat ALIP1 （1. College of Medical Engineering Technology， Xinjiang Medical University， Urumqi 830011， China； 2. College of Public Health， Xinjiang Medical University， Urumqi 830011， China； 3. Department of Radiology， First Affiliated Hospital of Xinjiang Medical University， Urumqi 830054， China）

Abstract： Objective To extract Xinjiang Uyghur medicine image features and analyze the features； To investigate the image classification effect of the researched features； To find the suitable features for Xinjiang Uyghur medicine image classification； To lay the foundation for content-based medical image retrieval system of Xinjiang Uyghur medicine images. Methods The flowers and leaves of Xinjiang Uyghur medicine were treated as the research objects. First， images were under preprocessing. Then color and textural features were extracted as original features and statistics method was used to analyze the features. Maximum classification distance was used to analyze the main features obtained from image classification. At last， the classification ability of features was evaluated by Bayes discriminant analysis. Results Color and textural features were selected and classified. The correct classification rate of flower images was 85% and the correct classification rate of leaf images was 62%. The classification effect of flower images used by selected features was better than classification effect of original feature. Conclusion Compared with the classification of original features， the classification accuracy of flower medicine is higher through selected features. This research can lay a certain foundation for the further researches on Xinjiang Uyghur medicine images

and the improvement of feature extraction methods.

Key words： Xinjiang Uyghur medicine； color feature； textural feature； feature extraction； discriminant classification

维吾尔医学是我国传统民族医学，是新疆维吾尔自治区卫生服务体系中不可或缺的重要组成部分。新疆地域辽阔，具有独特的地理环境，生态环境多样，孕育着丰富的药材资源。合理并有效地利用这些维吾尔药材数据资源，对保护传统民族药材资源意义重大。

基于内容的图像检索（CBIR）随着数字化时代的到来而迅速发展[1]，成为当今的研究热点。CBIR是指以1个图像作为查询条件，或描述图像的内容，在提取底层特征的基础上建立索引的方式，然后通过计算比较这些特征和查询条件之间的相似度距离，来判断2个图片的相似程度。CBIR包括图像特征提取、特征值的比对、结合语义分析等步骤，其中图像特征提取是其关键步骤之一。图像特征提取是一门交叉性的学科，它既包含在计算机视觉技术中，也包含在图像处理中，通过计算机的分析和处理提取图像特征，进而解决实际问题[2]。

虽然CBIR技术在各领域得到了长足发展，但针对维吾尔医药材的研究较少，因此，在维吾尔医药领域展开相关研究具有重要意义。本研究以维吾尔医植物药材中的花和叶为研究对象，提取药材图像的颜色特征和纹理特征，通过统计分析判断特征分类能力。

1 图像预处理

对原始图像提取特征之前，需对维吾尔药材图像进行预处理。

首先，对彩色图像进行去噪，滤除无用信息，加强原图的细节，使图像颜色更加鲜明、更加立体化。然后对图像尺寸大小进行归一化处理，使图像的最长边界为300像素点。处理后，图像的质量和尺寸得到统一。为了适合图像处理，在尺寸归一化的基础上，要把药材图像从RGB颜色空间转化为HSV颜色空间。以药材数据库中的植物药红花和艾叶为例，预处理结果见图1。

2 图像特征提取

2.1 颜色直方图特征的提取

颜色特征以图像整体为对象，是一种全局特征，描述图像或图像区域所对应景物的表面颜色性质[3-4]。常见的颜色特征有颜色直方图、颜色矩、颜色集。本研究对维吾尔药材图像颜色直方图特征进行提取。

为了便于计算和检索，先将色调（H）、饱和度（S）和亮度（V）3个分量按照色彩的不同范围，采用以下公式的量化级别进行量化。

将HSV三维特征矢量取不同的权值转换成一维特征矢量。在这3个矢量中，H、S和V影响人眼辨别颜色的能力呈递减趋势。根据H、S、V的量化级数和其频率的不同进行组合，S和V的量化级数均为4。可得到表达式：L=16H+4S+V。

通过计算得到256柄的一维直方图。3个三维分量H、S、V转换成1个一维矢量。对H、S和V分别取权重为16、4和1，减小了S和V对计算和检索结果的影响。进行检索实验时，能够较好地检索出颜色分布不同的图像，在充分利用图像颜色特征的同时达到了对图像检索的要求。得到的颜色直方图结果见图2。通过直方图可以直观看出图像的颜色分布。

在颜色直方图基础上，通过计算得到一些统计量，包括均值、方差、歪斜度、峰态、能量，以此来反映图像的特征值[5]。

2.2 纹理特征的提取

灰度共生矩阵（gray level co-occurrence matrix）是反映图像区域微观纹理的有力工具，它按一定的空间关系描述像素点对之间的灰度相关性[6-7]。基于灰度共生矩阵提取纹理特征的方法是一个经典的统计分析方法，是目前公认的纹理分析方法[8]。

经过正规化处理的灰度共生矩阵即是抽取二次统计量纹理特征系数的基础。本研究所采用的特征统计量有以下5种：角二阶矩、熵、惯性矩、相关性和逆差矩。取像素距离d=1，θ={0°，45°，90°，135°}，计算各统计量，并取4个方向的均值。这样就抑制了方向分量，得到的特征与方向无关，从而组成图像的纹理特征。

3 结果与分析

3.1 图像处理结果

选取图像数据库中2种类型图像各100幅[9-10]，采用MATLAB7.1软件编程计算图像的颜色特征和纹理特征，结果见表1。

3.2 结果分析

3.2.1 描述性统计分析和类间距分析 通过描述性统计分析，计算特征向量的均值和方差，描述颜色特征和纹理特征的集中、离散趋势。

在判别分析前，为了剔除分类效果相对较差的特征，适当地选择特征是很重要的。方差归一化间距是衡量用1个特征区分2类能力的指标[11]，故本研究采用归一化间距来评价和选取特征。

对于某一个特征x而言，第i类和第j类类间距离（D）为： 。

其中 、 和 、 分别为第i类和第j类x特征的均值和方差。D越大，说明该特征的分类能力越强；反之，该特征的分类能力越弱。各特征的均值、方差及2种类型图像分类的类间距见表2。

对这10个特征值取平均值，求得 =0.345 311。本研究将D> 的特征筛选出来。根据类间距的结果显示，均值、方差、能量、角二阶矩、熵、惯性矩这6个特征的类间距相对较大，对于图像的分类能力相对较强，将这6个特征值组成筛选后的综合特征。

3.2.2 判别分析 Bayes法是对特征分类能力的有效性进行评估的重要方式，既可用于计量资料的两类判别，也可用于多类判别。Robin H等[12-13]在不同复杂度的模型非监督分类中使用Bayes法。因此，本研究使用Bayes法对结果进行分析。采用SPSS17.0软件对数据进行处理，随机取图像数据库中的两类图像各100幅，提取其特征进而判别分析。首先分别利用颜色特征和纹理特征对药材图像进行判别分析，再利用两类特征的原始特征进行判别分析。为提高特征向量的分类能力，根据表2中类间距值，利用筛选出来的6个特征进行判别分析。得到线性判别函数式。

y1=-0.018x1+0.001x2+60.002x3+466.443x4+149.586x5-

44.553x6-241.524

y2=-0.008x1-0.001x2+60.864x3+468.94x4+148.718x5-

41.567x6-240.652

其中，y1、y2表示花类和叶类，x1、x2、x3、x4、x5、x6分别表示均值、方差、能量、角二阶矩、熵、惯性矩。y1、y2的先验概率同为0.5，即一张药材图像，被判别为花类和叶类的概率是相等的。

根据上述判别函数式和先验概率进行判别分析，进而得到后验概率，即每个样品归属于每一类的概率，判别准则是按后验概率的大小归类。结果见表3。进而比较利用不同特征进行判别分析的分类效果。

根据结果可得，颜色特征对于两类图像的分类效果一样；纹理特征对于花类的分类效果较好，但叶类的就比较差；与原始特征比较，利用最大类间距筛选后的特征进行判别分析使得花类的判别准确率得以提高，但降低了叶类的准确率。综合上述结果，在最大类间距筛选特征的基础上进行判别分类，可以在一定水平上提高花类图像分类的准确率。但叶类药材的效果却相反，这可能与叶类药材的叶片颜色差异不大有关。说明利用筛选后的综合特征比较适合花类，这为进一步研究维吾尔药材图像分类和完善特征提取方法提供了依据。后续会尝试引入其他特征（如形状特征）进行相关研究。

4 小结

图像特征提取是CBIR中一个重要环节。本研究以维吾尔医植物药材图像为对象，提取图像的颜色特征和纹理特征，初步构建了基于维吾尔医植物药材图像特征数据库。根据新疆维吾尔药材中花类和叶类在颜色和纹理分布上的差异，结合药材图像的特点，使用颜色特征和纹理特征提取方法，并进行统计分析。实验结果表明，使用筛选后的特征对花类图像进行判别分类的效果相对较好。这为进一步研究基于内容的新疆维吾尔药材图像检索系统研究奠定了基础。

参考文献：

[1] 冯伍，张俊兰，白树芳.基于内容的图像检索技术在医学领域中的应用[J].医疗卫生装备，2012，33（11）：98.

[2] 王志瑞，闫彩良.图像特征提取方法的综述[J].吉首大学学报（自然科学版），2011，32（5）：43-47.

[3] 王娟，孔兵，贾巧丽.基于颜色特征的图像检索技术[J].计算机系统应用，2011，20（7）：160-164.

[4] 戴雯惠.一种基于多特征融合的彩色图像检索方法[J].电脑与信息技术，2011，19（5）：15-17.

[5] 刘益新，郭依正.灰度直方图特征提取的Matlab实现[J].电脑知识与技术，2009，5（32）：9032-9034.

[6] 童隆正，王磊，陈海荣，等.肝纤维化图像的灰度共生矩阵分析[J].首都医科大学报，2003，24（3）：240-242.

[7] 木拉提・哈米提，李莉，艾克热木・阿西木，等.新疆地方性肝包虫病CT 图像的灰度共生矩阵分析[J].科技通报，2012，28（3）：75-80.

[8] WALKER R F， JACKEAY P T， LONGSTAFF I D. Recent developments in the use of the co-occurrence matrix for texture recognition[C]// Proceedings of 13 Intenational Conference on Digital Image Processing. Santorini Greece，1997：63-65.

[9] 国家中医药管理局《中华本草》编委会.中华本草：维吾尔药卷[M].上海：上海科学技术出版社，2005：3-10.

[10] 新疆维吾尔自治区革命委员会卫生局.新疆中草药（维吾尔文）[M].乌鲁木齐：新疆人民出版社，1973.

[11] 尹剑仑，卫武迪，梁永贵.肿瘤超声图像灰度和纹理特征提取方法研究[J].通信技术，2009，42（9）：168-170.

篇3

一、财务风险

（一）财务风险的界定

关于财务风险的界定，当前有两种主流观点。第一种观点认为，财务风险是企业用货币资金偿还到期债务的不确定性。第二种观点认为，财务风险是企业财务活动中由于不确定因素影响，使企业财务收益与预期收益发生偏离，造成蒙受损失的机会和可能。Altman（1990）综合了学术界描述，更加科学地将财务风险界定为的四种情形：经营失败、无偿付能力、违约、破产。

（二）财务风险的特征

深入了解财务风险的基石，是归纳总结财务风险的特征。笔者通过研究文献、结合企业案例，概括出企业的财务风险具有以下五大特征：全面性，即资金筹集、资金运用、资金积累分配等财务活动，均会产生财务风险；不确定性，即财务风险虽可以事前加以估计和控制，但事前不能准确地确定财务风险的大小；共存性，即风险与收益并存且成正比，一般来说，财务活动的风险越大，收益也就越高。权衡性，即财务风险的客观存在会促使企业权衡风险与收益的关系，采取措施防范财务风险。

（三）财务风险的成因分析

财务风险影响因素多样，大致可以分为两大类：外部成因与内部成因。

受外部因素的影响而产生的财务风险称为系统风险，它对所有企业都发生作用，是企业自身不可控制的。这些因素有：市场变动；经济形势变化；通货膨胀或通货紧缩；利率变动；汇率变动；税收政策变动。

受内部因素的影响产生的财务风险称为非系统风险，它是企业的特有风险，由企业自身承担。企业财务活动一般包括资金筹集、资金使用、资金回收和资金分配，在财务活动的每一环节，都有可能形成财务风险。

二、财务危机

（一）财务危机的界定

财务危机，又称财务困境。关于企业财务危机的界定，不同的学者有着不同的看法，但归结起来可以分为两大类：

一是从法制层面对企业财务危机的界定。国外研究学者常常把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。国内研究学者则常常把沪深两地证券市场的ST公司界定为财务危机企业。

二是从研究层面对企业财务危机的界定。学者定义中的经典表述来自于Ross（1999）从四个方面界定的财务危机：企业失败，即企业清算后仍无力支付债权人的债务；法定破产，即企业和债权人向法院申请企业破产；技术破产，即企业无法按期履行债务合约付息还本；会计破产，即企业的资产净值小于净负债，资不抵债。

从实际情况上看，ST公司界定为财务危机对于我国的学术研究更有可操作性。目前我国对于上市公司特别处理的一般规定：上市公司出现财务状况异常或者其他异常情况，导致其股票存在被终止上市的风险，或者投资者难以判断公司前景，投资者权益可能受到损害的，本所对该公司股票交易实行特别处理。其中，“财务状况异常”指的是最近两年连续亏损，或最近一年的每股净资产低于每股面值，或同时出现上述两种情况；“其他异常状况”，指的是因自然灾害，重大事故导致公司生产经营活动基本终止，或公司面临赔偿金额可能超过其净资产的诉讼等。上市公司一旦发生上述情况，将自动进入所谓的ST板块。对上市公司的特别处理包括“退市风险警示”和“其他特别处理”。对“退市风险警示”的处理措施：在公司股票简称前冠以“*ST”字样，股票价格的日涨跌幅限制为5%。“其他特别处理”的处理措施：在公司股票简称前冠以“ST”字样，股票价格的日涨跌幅限制为5%。

（二）财务危机的特征

前面讲到了财务风险的特征，反观财务危机的特征，却大相径庭。

一般来说，财务危机有四大特征：第一，客观积累性。财务危机的客观积累性表现为期间概念，它是反映企业一定时期在资金筹集、投放、分配等各个环节上所出现的失误。第二，突发性。财务危机由于受到许多主客观因素的影响，其中有些因素是可以控制和把握的，但也有相当多因素是爆发性的、意外性的，有的甚至是急转直下的。第三，多样性。财务危机的多样性主要受三个方面的影响：企业经营环境多样化；企业经营过程多样；财务行为方式多样化。第四，灾难性。财务危机虽然包括多种情况，但不管是资金管理技术性失败，还是企业破产，或是介于两者之间的任何一种情况的发生都会给企业带来灾难性的损失。

（三）财务危机的成因分析

财务危机的成因一直是学界的争议焦点，是因为需要考虑的因素太多。这些因素有可能单独恶化企业财务状况，更有可能在多种因素联动作用下使企业陷入财务危机。所以我们有必要将这些因素系统归类，按照企业的实际情况对症下药，防范财务危机。

四阶段症状分析法是财务危机成因分析的方法之一。该方法将企业财务运营病症划分为4个阶段：财务危机潜伏期（盲目扩张、无效市场营销、疏于风险管理、缺乏有效的管理制度、企业资源分配不当、无视环境的重大变化）；财务危机发作期（自有资本不足、过分依赖外部资金、利息负担过重、缺乏会计的预警作用、债务拖延支付）；财务危机恶化期（经营者无心经营业务、专心于财务周转、资金周转困难、债务到期违约不能支付）；财务危机实现期（资不抵债、丧失偿付能力、宣布破产）。企业如有上述相应情况出现，就要查清具体原因，采取措施，尽快使企业摆脱财务危机。

三、财务风险与财务危机的关系

财务风险具有两面性，对企业而言可能产生损失，也有机会产生收益。而财务危机意味着企业产生损失的可能性极大，如不及时补救，企业状况可能陷入不断恶化的深渊。财务风险是财务危机产生的根源，陷入财务危机的企业必然面临着较大的财务风险，而具有财务风险的企业不一定陷入了财务危机。财务危机是财务风险朝不利方向发展的结果。企业若能在有效期间内采取化解措施，就能降低财务风险，摆脱财务危机；若企业面对危机束手无策，或措施不力，很可能会进一步加剧财务危机，甚至导致破产。

篇4

中图分类号：F830 文献标识码：A

一、引言

企业集团是以一个实力雄厚的企业为主体，以产权、产品、技术、经济、契约等为纽带，形成的由多个成员企业组成的具有多层次组织结构的经济联合体，企业集团在我国经济发展进程中具有举足轻重的作用。由于企业集团成员企业之间存在的关联性以及经营和管理的复杂性，财务风险是其所面临的重大风险之一。因此，为增强企业集团抵抗风险能力，构建企业集团的财务危机预警模型具有十分重要的理论研究价值和现实意义。

国外就对企业财务危机预警的相关研究始于20世纪30年代初。例如Fitz P（1932）和Beaver W.H（1966）构建了企业财务危机预警的单变量模型[1]，Altman在1968和1977年分别提出了Z值判定模型和Zeta模型[2-3]，以Ohlson为代表的一些研究者采用条件概率模型对财务危机进行预警，包括Logistic模型和Probit模型等方法[4]。随着研究的深入新的方法被引入，Kim H C（2002）以及Shin KS（2005）等运用支持向量机方法对公司财务危机预警进行了研究[5、6]。国外对财务危机预警的研究呈现多角化发展趋势。国内关于企业财务危机预警方面的研究始于20世纪80年代末，主要针对一般性企业的财务预警问题展开的研究[7-14]。迄今为止，国内外针对企业集团财务危机预警方面的研究还十分鲜见。本文以沪深A股企业集团上市公司为研究对象，将财务危机企业集团界定为因财务问题而被特别处理即被ST的企业集团。本文第二节在基本财务指标基础上引入企业集团的3类特征指标和6类公司治理类指标建立了由28个指标构成的财务危机预警指标体系。第三节对预警初始变量因子分析提取出公因子作为预警变量。鉴于Logistic回归方法的自变量不用服从多元正态分布的假设使其有更广的适用度和其运用的成熟度，本文在第四节中选取Logistic回归方法构建预警模型，对预警指标体系进行了检验。

二、预警指标与研究样本

（一）预警指标选取

企业财务危机是由初步萌生到程度恶化的过程，且其财务危机的迹象都将直接或间接地在一些敏感性财务或非财务指标的变化上反映出来[15]。本文根据预警指标满足客观性、完整性、可操作性和敏感性的原则，选取这些敏感性指标作为预警财务危机的预警指标。除了选择五大类基本财务指标之外，本文根据企业集团规模庞大、涉及行业较多、投资多元化以及关联交易频繁等特征，以及结合国内外对公司治理与财务危机关系的研究，在五大类基本财务指标基础上引入企业集团特征指标（关联交易次数，关联交易金额占总资产比重以及涉及行业个数）和6个公司治理类指标，共选择28个初选指标构建出企业集团财务危机预警指标体系（见表1）。并为了进一步分析引入的特征指标和公司治理类指标对预警模型的作用，根据预警指标体系划分了三类预警初始变量：一是在企业集团基本财务指标基础上引入特征指标和公司治理指标的预警初始变量；二是仅引入特征指标的预警初始变量；三是仅含基本财务指标的预警初始变量。

（二）样本选取

本文选取了2004年至2010年被“ST”的企业集团和根据研究期间一致、行业类型相同或相近、资产规模相当和上市时间接近的原则与其配对的财务正常的企业集团各50家，其中剔除由于数据严重缺失或不合理的公司以及两年内就被“ST”及因其他状况异常而被“ST”的公司，研究样本共计100家。其中把2004年至2007年的70家样本作为模型估计样本，2008年至2010年的30家样本作为模型检验样本。

由于证监会对上市公司进行“ST”处理的依据为最近两个会计年度审计结果显示的净利润均为负值，所以本文采用的数据为企业集团上市公司被“ST”前三年的会计年度的数据。本文的研究数据来源于国泰安数据库和CCER数据库。

三、预警初始变量的分析处理

（一）预警初始变量的因子分析

本文为了去除预警初始变量间的相关性和减少预警变量个数便于模型的构建，分别对三类预警初始变量进行因子分析，以提取的公因子作为预警变量。

通过因子分析，对三类预警初始变量分别提取出10个公因子F1、F2、F3、F4、F5、F6、F8、F9、F10，7个公因子F1*、F2*、F3*、F4*、F5*、F6*、F7*和6个公因子F1**、F2**、F3**、F4**、F5**、F6**，其累计贡献率分别为76.21 %、75.43 %、75.1%。进一步对其因子载荷矩阵进行旋转，这三类公因子反映了企业集团盈利能力、偿债能力、营运方面能力、现金流量能力和发展方面的情况，同时在关联交易、行业规模和公司治理方面都有不同程度的反映。

（二）预警变量的统计性描述

本文以提取的公因子作为自变量，在构建模型前，先对三类变量进行描述性统计，检验财务危机与财务正常的企业集团在发生财务危机之前，财务状况是否就存在着显著差异。采用t检验比较均值差异，统计结果见表2、表3和表4。

从表2、表3和表4可知：显然对ST企业集团上市公司与财务正常的企业集团而言，三类财务危机预警变量的t检验都存在着显著差异，说明在企业集团陷入财务困境之前，财务危机企业集团在财务状况上就与财务正常的企业集团存在着显著的差异。因此，这些公因子包含着预警财务困境的信息，因此可以运用这些因子建立预警模型。

四、基于Logistic回归方法的财务危机预警模型构建与检验

本文以由因子分析得到的公因子作为预警变量，因变量f为二元变量，对三类样本进行Logistic回归，回归分析结果见下表5、6和7。三类因子变量在5%的置信水平下均较显著，说明它们有显著的解释能力。三类财务危机预警模型分别见下式：

将检验样本代入所构建的模型，计算f值。选取0.5作为财务危机发生的临界值，当f＞0.5时，判定该企业集团为财务危机企业；当f＜0.5时，判定该企业集团财务状况正常。检验结果见表8。

五、结束语

本文在财务指标的基础上引入企业集团特征指标和公司治理指标构建企业集团财务危机预警指标体系，并运用logistic方法建立企业集团财务危机的预警模型，进而对指标体系进行检验。从效果上看，预警准确度令人满意，且引入企业集团特征指标和公司治理指标的预警准确率高于不引入的模型情况，说明企业集团的特征以及公司治理等指标包含了我国企业集团财务危机预警的大量信息。因此，本文所构建的企业集团财务危机预警指标体系具有重要的理论与应用价值。

资助项目：国家自然科学基金（项目编号：70971015）

[参考文献]

[1]Beaver W.H.Financial Ratios as Predictors of Failure,in Empirical Research in Accounting:Selected Studies[J].Journal of Accounting Research,1966,5(7)：179-199

[2]Altman E.I.Financial Ratios:Discriminate Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance,1968,6(9)：589-609．

[3]Altman E.I.Hadelman R.G.,Narayanan P.Zeta Analysis:A New Model to Identify Bankruptcy Risk of Corporations[J].Journal of Banking and Finance,1977, 9(1)：29-51．

[4]Ohlson J.A.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J]. Journal of Operation Research,1980,9(15)：109-131．

[5]Kim H C,Pang S,Je H M,Kim D,Bang S Y.Pattern classification using support vector machine ensemble[C].16th International Conference on Pattern Recognition (ICPR’02).2002,(2):278-289

[6]Shin KS,Lee TS,Kim HJ.An application of support vector machines in bankruptcy prediction model[J].Expert Systems with Applications.2005, 1(23):127-135

[7]周首华,杨济华,王平.论财务危机的预警分析-F分数模式[J]. 会计研究,1996,8(6)：8-11．

[8]陈静.上市公司财务恶化预测的实证分析[J].会计研究,1999, 4(9)：31-38．

[9]陈晓,陈治鸿.中国上市公司的财务困境预测[J].中国财务与会计研究,2000,3(9)：7-15．

[10]肖智,张志恒,黄海生.粗糙集理论在财务危机预测中的应用[J].决策与参考,2004,3(7)：48-53.

[11]熊志斌.运用遗传神经网络模型对我过上市公司财务危机的预测[J].决策与统计,2008,14(3)：32-34．

[12]杨毓,蒙肖莲.用支持向量机(SVM)构建企业破产预测模型[J]. 金融研究,2006,10(1):65-75

[13]宋新平,丁永生.基于最优支持向量机模型的经营失败预警研究[J].管理科学,2008,21(1):115-121

篇5

【关键词】财务危机 动态预警 研究综述

在全球经济衰退、金融危机的大背景下，探索识别财务危机，为企业利益相关者提供预警信号是非常值得研究的现实问题。因此，建立基于时间序列特征的动态预警系统成为了必然的趋势。国内外很多学者都对财务危机预警模型进行了研究，并建立了相应的预警模型。但是现阶段关于财务危机预警的动态研究还是较少，目前我们的财务危机预警系统大多是静态预警，大部分学者采用的都是多截面样本数据，对不同时期的多个样本数据进行研究，但是这样研究存在一个显著的逻辑性缺陷，即没有考虑到财务状况的时间延续性。这些实证研究的结果普遍存在着预测准确率不理想的情况，特别是多期财务危机预测准确率较低的情况。如果企业的整体财务状况很好，只是单期的表现不好，随后企业的财务状况会很快恢复正常，这种暂时的偏离正常值不应该被归为财务危机公司，但静态模型不考虑历史的影响，会将这种公司归为危机公司，预测准确率不理想。

一、财务危机动态预警模型简介

动态财务预警主要使用的技术有人工智能技术（如神经网络模型和机器学习等分析技术）具备良好的模式辨别能力，克服了传统统计方法的局限性，有更高的预测能力。

二、国外关于财务危机动态预警模型的研究

目前，国外学者广泛应用的动态预警模型主要有神经网络模型、遗传算法模型、案例推理模型等等。

（一）人工神经网络模型

人工神经网络模型主要是运用神经网络的分类方法来进行财务预警。许多功能是对人脑神经网络系统的模拟，有很好的模式识别能力，根据随时更新的数据进行自我学习，因此有很高的纠错能力，能够更好的预测财务危机。Odom和Sharda（1990）是最早在财务危机预警模型中运用人工神经网络模型的，随后许多学者做了相似研究，并对模型及算法进行了响应的改进。

（二）遗传算法（genetic algorithm，GA）

遗传算法是模仿生物遗传进化规律，运用在大量复杂概念空间内随机搜索的技术，用于企业财务危机的预测。Varetto（1998）、Shin&Lee（2002）、Hyunchui（2009）都进行了这方面的研究，Franco（2010）的研究表明了采用GA来进行预测比较省时并且受到主观影响也较小，但是预测精度没有MDA高。

（三）案例推理（case-based reasoning，CBR）

案例推理一般运用K临近算法对存储案例进行分类，据此来对新增的案例进行推断，主要适用于在复杂多变的环境中进行决策。Hongkyu（1997）对案例推理（CBR）、人工神经网络模型（ANN）以及多元判别分析方法（MDA）进行了比较分析，结果显示CBR与MDA判别结果无本质上的区别，更适合在数据不充分的时候使用；Cheol-Soo（2002）用层次分析法（AHP）对K临近算法进行了改进，预测精度明显得到了提高。

（四）支持向量机（support vector machine，SVM）

SVM方法是在统计学理论基础之上的一种机器学习方法，这种算法通过非线性变换把实际问题换到高维特征空间，并且进行处理，对维数的要求没有那么严格，具有很好的推广能力。在这方面，Fan、Palaniswami均有相关的研究，Kyung-Shik Shin（2005）采用这种算法构建了财务危机预警模型，并对韩国的企业进行实证研究，结果表明SVM的预测性能高于BP神经网络模型。

（五）粗集理论（rough set theory，RST）

RST是一种用多个财务比率来描述财务危机与财务正常公司的工具，可以有效地解释财务指标与财务危机的关系。Pawlak、Dimitras和Joseph都将RST应用与财务危机预警系统的研究中。

三、国内关于财务危机动态预警模型的研究

国外对财务危机动态预警模型的研究已经取得比较丰硕的成果，国内的学者关于动态预警系统的研究少之甚少。

（一）大部分学者是从动态管理角度得出破产公司和非破产公司的现金管理特征变量，并据此构建预警模型

国内由于对现金流重要性的认识不够，加上我国从1998年开始才要求上市公司编制现金流量表，因此进行实证研究所需的现金流量方面的数据严重缺乏。这些原因，最终导致国内的研究仅仅停留在对现金流量指标体系构建的理论探讨层面。

姚靠华、蒋艳辉（2005）就动态财务预警系统建立的技术基础和系统框架进行了阐述，提出应该充分利用数据仓库技术、数据挖掘技术和Agent技术来建立企业的动态财务预警系统。

张鸣、程涛（2005）运用Logistic回归方法，先从财务指标角度构建财务指标预警模型，然后引入现金管理特征变量和现金管理结果变量，从财务指标和现金流量角度共同构建综合预警模型。

（二）对财务危机动态预警模型的研究主要有以下几种

杨淑娥、王乐平（2007）以T-2、T-3期财务数据组合的面板数据作为研究样本，构建BP神经网络模型对上市公司的财务状况进行预测。

蒋丽（2007）用因子分析法分别建立ST前三年的三个评分模型F1、F2、和F3，依次对样本进行预测，从动态的角度找出不同时期的特征变量，预测财务危机的紧急程度。

陈磊、任若恩（2008）以因财务原因被实施特别处理和暂停上市作为上市公司财务阶段的分类标志，将上市公司的财务状况分成3个阶段，借鉴Theodossiou的方法，使用时间序列判别分析技术、指数加权移动平均控制图模型对中国上市公司的财务危机预测进行研究。

孙晓琳、田也壮、王文彬（2010）基于Kalman滤波理论，考虑财务比率在时间序列上的趋势性和历史数据对结果的影响，构建了财务危机的动态预警模型。

时建中，程龙生在2012年针对模型的增量学习能力不足的问题，建立了能够增量学习的财务危机动态预警模型，且经过实证分析证明该模型有很好的适应性与稳定性。

四、对国内外关于财务危机动态预警模型研究的评价

一是财务危机动态预警模型有很好的适用性，并且跟静态模型相比，其预测精度有很大的提高，能够更及时的给企业预警，避免财务危机的发生。

二是现有关于财务危机动态预警的研究还是较少，主要还是采用静态预警模型进行回归分析来对企业的财务危机状况进行预测。

三是对财务危机的动态预警大都是针对总体的企业，很少针对某一行业的特点对特定行业进行动态预警，每个行业的特点不同，与财务危机发生影响密切的相关指标也不尽相同，并且由于动态预警能够比静态模型给出早期的预警信号，分行业研究就更加有必要。

五、对将来财务危机动态预警模型研究的展望

通过上文的综述，今后我们可以在财务危机动态预警系统的以下几个方面做进一步的研究：

首先，在样本指标的选择方面，可以根据不同行业在财务指标方面的差异，加入行业调整变量以更加贴合不同企业的实际情况，提高预测准确率。

其次，在模型的构建方面，目前大部分学者的研究均为单纯的运用一个模型进行实证分析，可以综合模型的不同特点，组成模型组优化现有模型，提高模型的预测精度。

最后，在信息利用方面，可以充分利用现在先进的信息技术，运用各种技术来更新完善财务危机的动态系统，实时、准确的预测财务危机，避免企业陷入财务困境。

参考文献

[1]Ross Neophytou，Andreas Charitou，Predicting Corporate Failure.Empirical Evidence for the UK[M]. Corporate Finance，2000（9）：457-471.

[2]Claessens，Stijin，Simeon Djankov，and Larry Lang，The Separation of Ownership and Control in East Asian Corporations[J].Journal of Financial Economics， 2000，（58）：81-112.

[3]Stephen A.Ross.Randolph.Wethersfield.Jeffrey F.Jaff.吴世农，沈艺峰等译.公司理[M].北京机械出版社，2000：157-163.

[4]Howard and Swaryl.An Analysis of Risk and Return Characteristic Of Corporate Bankruptcy Using Capital Market Data.The Journal of Finance，SeP.1980.1001-1016.

[5]孙晓琳. 财务危机动态预警模型研究[M]，上海交通大学出版社，2011：3-56.

篇6

中图分类号：F234 文献标志码：A 文章编号：1673-291X（2015）13-0150-02

市场经济条件下，企业在发展过程中当财务风险积累到一定程度，企业对财务风险失去控制时，常常会出现企业财务危机，影响企业经济的发展，甚至导致一些企业破产。本文针对财务危机管理内容和基本征兆进行全面分析，探讨科学合理的财务危机管理与防范措施，能够减缓或避免财务危机给企业带来的严重危害，有效保障企业的健康快速地发展。

一、财务危机管理的内涵特征

财务危机，是指由于企业经营不善或财务管理混合等因素的影响，导致企业的财务出现风险，这种风险积累到一定的程度造成企业财务无法正常运行的状况。财务危机管理就是对财务危机进行监测、控制、化解的过程以及在此过程中采取的方法和措施的总称，是指企业在财务管理过程中运用危机监督、危机预控、危机决策和危机处理等手段，从而避免和减少财务危机事件的发生的过程。财务危机管理能有效地减少财务危机的发生，降低财务危机的危害。

财务危机管理的主要职能包括对财务危机进行事前防御和事后处理。事前防御职能是通过强化企业财务内部控制体系，不断地提高企业适应内外经营环境和化解财务危机的综合抵御能力，定期对财务现象进行全面分析，完善财务危机预警体系，减少和避免财务危机的发生。事后处理职能是企业在财务危机发生后，针对发生的财务危机进行科学合理的设计与处理，通过协调企业各方面业务关系，控制企业现金流量安全，缓解企业财务危机带来的危害，采取化解与控制财务危机的策略。企业财务危机大多是由意外事件引起的风险和紧急状况，这就决定了企业财务危机管理具有如下特征：

1.不确定性。财务危机的突发性决定了企业财务危机管理的不确定性。财务危机作为一种经济现象，受多种意外和突发性因素的影响，使企业经营者难以监测与控制，这就导致了企业财务危机管理对象、财务危机预测、财务危机控制和财务危机处理计划都具有不确定性。

2.应急性。财务危机的紧迫性决定了企业财务危机管理的应急性。应急性管理是指在财务危机爆发过程中进行的危机管理，通常在财务危机爆发前，企业财务处于紧急状态中，由于处理危机时间紧迫，必须及时采取应对措施，尽量在财务危机爆发之前，进一步控制事态的发展，尽可能避免产生重大危害，使财务危机最小化。

3.预防性。财务危机的危险性决定了企业财务危机管理的预防性。预防性是财务危机管理的重要特征，是指在财务危机发生前，企业采取一系列预防措施防止危机发生，从而减少或避免财务危机产生的危害。当企业财务危机爆发后，企业管理者往往要采取一系列措施减少或避免损失，因此避免危机发生是财务危机管理的最有效途径。

二、财务危机管理的内容

1.协调的债务和资金结构。财务管理是企业管理的重要内容，财务管理就是要不断优化和调整债务和资产结构，使二者协调发展，实现现金流量的配置平衡。因此企业在生产经营过程中只要把握好资金与负债整体结构协调，控制好现金流量平衡，就可以避免发生财务危机。

2.合理的现金流量规划。合理的现金流量规划是制约财务危机发生的关键因素。企业的战略目标就是追求经济利益的最大化，这需要大量的现金流量为前提。因此企业的经营和规划必须以合理的现金流量规划为依据，实现现金流量的匹配。

3.准确预测和动态监测。企业财务危机的发生具有可预测性，企业需要以存量为基础采用多种统计方法对财务比率指标进行横向比较和长期跟踪，进而对企业财务危机做出正确的判断。同时企业要采用先进的风险监测系统，以现金流量为基础，对财务危机进行动态实时监测，及时了解企业财务危机的承受能力。

4.完善的应急预案。完善的财务危机应急预案，是企业内部管理体系成熟的重要标志。企业需要建立合理有效、易于运行的财务危机应急方案，对于财务危机处理的目标与原则以及采取的策略等事项进行合理设计，这样能够有效地处理财务危机，避免企业出现混乱的局面。

三、企业财务危机的危害性

1.影响企业的正常运转。企业财务危机会占用企业的流动资金，造成企业资金周转不灵，导致企业的经济效益不高，影响了企业的再生产能力，使企业生产经营无法正常进行。

2.制约企业的进一步发展。企业财务危机会出现坏账、死账等企业亏损现象，这直接导致了企业无法积累发展资金，影响了企业生产规模的进一步扩大，使企业的发展停滞不前。

3.导致企业生产秩序的混乱。企业出现财务危机，作为企业管理者的工作重心必将发生转变，从而忽视企业的生产经营活动，对企业的生产经营也不能及时决策，从而造成了企业生产秩序的混乱，影响了企业的正常生产活动。

4.挫伤企业员工的生产积极性。企业财务危机导致企业经济效益下滑，企业无法进行正常的生产活动，企业员工的工资福利待遇无法保证，甚至收入锐减，这直接导致员工的生产积极性不高。

5.降低企业的市场竞争力。企业财务危机造成的经济效益下滑，生产秩序混乱，流动资金不足等问题，降低了企业的市场竞争力，使企业在激烈的市场竞争中处于被动地位。

四、企业财务危机的基本征兆

1.财务结构不合理。财务结构不合理主要表现在企业的筹资结构不合理、投资结构不合理、生产结构不合理和支出结构不合理等几个方面。这些不合理的财务状况，导致了企业的盈利下降，竞争力降低。因此，可以根据这些情况，分析和发现其规律性的东西，就可以发现财务危机的先期征兆。

2.企业信誉不断降低。企业信誉是企业的无形资产，对企业的发展起着无可替代的作用，一个有着良好信誉的企业无论是在项目的获得、资金的支持还是产品的销售等方面都比较顺利，而当企业的信誉降低时，企业财务危机的发生也就不可避免。因此，企业信誉下降是企业财务危机发生的又一先兆。

3.经济效益不断下降。经济效益是衡量一个企业成败的标准，企业经营活动的最终目标是获得最大的经济效益。企业如果出现了经济效益下降，销售情况滞后，就会导致生产成本不断增加，企业的获利空间不断减少，企业的资金周转不灵，必然会使企业难以维持正常生产经营活动，不断出现亏损现象，从而出现财务危机。

4.相关的企业趋于倒闭。企业之间往往存在着生产经营以及债权债务方面的关系，因此企业与相关企业有着密切的联系。相关企业的生产经营和财务活动情况，能及时提醒企业对财务状况做出准确的判断。当关联的企业出现财务危机的征兆时，企业要果断做出决策，防止由于趋于倒闭的相关企业，影响自己企业产生财务危机。

五、企业财务危机管理与防范对策

1.关注外部经营环境，及时调整经营战略。任何企业的发展都不是真空的，都是在一定的环境下发展的。作为企业必须坚持稳健发展原则，时刻关注企业的外部发展环境，及时了解国家的宏观调控政策，在研究分析企业外部发展环境的基础上，对企业的经营策略、财务管理等方面不断做出战略性地调整，紧跟时展，不断研发新产品。从而增强企业的适应能力和竞争能力，减少和避免企业财务危机的发生。

2.优化资金管理，提高资金运营效率。企业资金是企业的发展的根本，缺乏资金的企业是无法生存和发展的。因此，作为企业，要把控制资金当作首要任务，不断提高企业的资金管理能力，优化资金管理的规章制度，提高企业的资金变现能力，优化企业资金的利用效率。只有这样，才能保证企业资金的充足，保障企业的发展。

在资金管理方面要不断建立和健全管理制度，不断优化资金管理，对资金的运营要进行科学合理的规划和预测，合理安排和使用企业的经营资金，并进行有效地监督，从而避免资金的盲目使用和浪费现象的发生，提高资金利用率和资金运营效率。

3.提高企业的效益，增强企业的竞争力。企业的经济效益直接影响到企业发展，作为企业只有不断提高经营管理水平，增强经济效益，才能在激烈的市场竞争中占据有利地位，从而有效预防企业财务危机的发生。企业通过不断改善生产设备和生产技术工艺等来降低生产成本，提高企业产品的质量和销量，不断提高企业的经济效益，增强企业的市场竞争力。

4.拓宽融资渠道，降低经营成本。发行股票、发行债券、银行借款、融资租赁、商业信用等都是企业的筹资方式。在当前资本市场不断发展的情况下，企业也要不断拓宽自己的筹资方式，充分利用资本市场，根据企业的自身状况，制定科学合理的管理制度，选择合适的筹资方式，降低经营成本，提高经济效益。

5.健全财务管理制度，提高财务管理水平。健全的企业财务管理制度能够使企业内部权责分明，各负其责。健全的企业财务管理制度不但能提高企业财务管理的运营效率和管理水平，而且有利于提高和调动企业各部门参与财务管理的工作积极性，不断对企业的财务管理提出合理化的建议，从而提高财务管理水平。

6.提高风险意识，建立预警体系。预防企业财务风险需要不断提高企业员工的风险意识。企业管理者具有财务风险意识才能制定科学合理的管理制度，财务人员具有财务风险意识，才能提高财务管理水平，企业员工具有财务风险意识，才能不断提高财务管理的参与度，从而对财务管理实现有效的监督。此外，在提高员工风险意识的基础上，需要建立一套行之有效的风险防范预警系统，及时预测财务风险，制定规避风险的策略。

六、结束语

总之，在当前企业竞争不断加剧的情况下，企业的发展壮大需要不断规避可能出现的财务危机。因此，正确认识财务危机，分析财务危机发生的规律，制定科学合理的财务管理和防范措施，是企业健康发展的客观需要。

篇7

一、引言

随着资本市场的不断发展与完善，对上市公司财务危机进行预警研究一直是国内外学术界的热点问题之一。企业陷入财务危机对企业投资者、债权人、公司内部员工及其他相关利益者都有不同层次的影响，因此，能够利用财务信息准确预测财务危机，对于企业和社会各个方面都具有重要的意义。

财务危机(Financial c risis)又称财务困境(FlnanciaIdjstress)，国外的学者一般以破产为标准展开研究。由于我国的破产机制不健全。目前国内的学者绝大多数以特别处理的上市公司作为研究对象(朱家安、陈志斌。2007)。

二、文献回顾与研究方法

(一)国外文献回顾与研究方法

Fitzpatrick(1932)开展单变量破产预测研究。他以19家公司作为样本。运用单个财务比率将样本划分为破产和非破产两组，他发现判断能力最高的是净利润／股东权益和股东权益／负债两个比率。Beaver(1966)提出了单变量判定模型。他使用现金流／负债、流动资产／流动负债、净收入／资产、资产负债率、营运资本／资产等5个财务比率作为变量，运用实证分析得出现金流量与负债总额的比率能够更好地判定公司的财务状况。其次是资产负债率。AItman(1968)提出了多元Z值模型。将若干变量合并入一个函数方程。用Z值进行判定，结果表明。在破产前一年的预测准确性较Beaver的研究有很大的提高。AItman、Haldeman和Narayanan于1977年又提出一种能更准确预测企业财务失败的新模型――ZETA模型。BIum(1 974)以现金流量观点来评估企业发生财务危机的可能性。他以多元判别分析为研究方法，构建了一个包括“流动性、获利性及变异性等共12个财务比例与6个变异性指标”的财务危机预测模型。研究结果显示，模型在企业发生财务危机前5年的预测正确率较高。1977年Marttin在财务危机预警研究中首次采用了多元Logit回归法，取得了良好的预测效果。OhIson(1980)利用9个财务比率建构3个Logit模型，实证结果表明，其中4项财务资料对评估破产概率具有统计显著性。Odom和Sharda(1 990)首先成功运用人工神经网络(ANN)进行财务危机预测。Coats和Fant(1991)对47家财务危机公司和47家正常公司运用神经网络模型进行判别时。对财务危机公司的预测准确率明显高于多元判别法的准确率。

(二)国内文献回顾与研究方法

国内学者陈静(1999)使用Beaver和Altman的模型。选用了1995-1997年3年的27家危机公司和27家同行业、同规模的公司的财务数据进行实证研究。得出了预测模型对中国市场有效的结论。陈晓、陈治鸿(2000)将多元逻辑回归模型引入上市公司的财务危机预测。张玲(2000)以1 20家上市公司为对象，使用其中60家公司的财务数据估计二类线性判别模型，并使用另外60家公司进行模型检验。发现模型具有超前4年的预测结果。吴世农、卢贤义(2001)应用单变量判定、多元线性判别和多元逻辑回归方法。分别建立危机公司预测模型。结果证明。这些模型均获得较高的判定精度，在财务危机发生前4年的误判率在28％以内。张爱民、祝春山(2001)将主成分分析与Z分数模型相结合建立预警模型。实证检验表明通过此法处理研究变量后建立的模型具有较好的预测能力。杨保安(2001)、薛锋(2002)探讨了基于B P算法和L M算法的神经网络在企业财务危机预测上的应用。何沛俐、章早立(2002)建立了以时序立体数据空间为基础的财务危机判别模型，他们在Logit回归分析之前使用全局主成分分析，从而增强了模型的有效性。模型的准确率达到71.3％。吕长江、周现华(2005)采用制造业上市公司1999-2002年4年的数据分别运用多元判别分析、逻辑线性回归模型和人工神经网络模型对财务状况处于危机的公司进行预测比较分析。结果表明：尽管各模型的使用有其特定的前提条件，但3个主流模型均能较好地在公司发生危机前1年和前2-3年较好地进行预测。其中。多元判别分析法要逊色于逻辑模型，神经网络模型的预测准确率最高。肖艳(2004)将传统财务指标与现金流指标结合起来，利用Logit方法构建了一个上市公司财务危机预警模型，建模样本的预测准确率为98.1％，检验样本的预测准确率为91.1％。张鸣(2004)研究认为审计意见能够在一定程度上揭示企业潜在的风险。在财务危机预警方面具有一定的信息含量。陈良华(2005)采用Logit回归对沪市公司进行研究，发现独立董事比例、第一大股东持股比例、现金流量权与表决权的偏离等治理结构变量确实与财务危机存在相关性，引入这些指标的模型能够达到较高的预测精度。李秉成(2005)利用归纳法总结了上市公司财务危机的形成原因。通过管理记分法(A记分法)。将定性因素定量化，建立了上市公司财务危机“A记分法”分析模型。吕峻(2006)认为以非财务指标构建的财务危机预测模型的预测精度不会随时间的向前推移而降低.非财务指标可以更本质地反映危机公司的特征。并可以在一定程度上解释财务危机发生的原因。

从上述文献回顾可见，国内外对财务危机公司的研究主要利用财务指标或非财务指标，本文也利用财务指标进行财务危机预警研究。

三、研究样本和研究变量

本文选择了在2004―2006年因财务状况异常而被特别处理的131家上市公司为样本，同时采用配对样本设计方法选取同行业(按证监会行业代码分类)、规模相近(资产总额)的131家正常公司作为配对样本。由于危机公司是在年报公布后，因财务状况异常而导致被ST的，因此.在选择观测年限时。设被ST前1年为t年，前2、3、4年分别为t-1、t-2和t－3年。取t-3到t年的财务指标作为研究变量。对应的配对样本取同期的财务指标。

本文中的数据来自CSMAR上市公司财务指标数据库(2006)。首先从CSMAR数据库中列出样本公司被特别处理前1 4年度绝大多数财务指标数据。然后再提取配对样本4年的财务数据。对已列出的样本公司财务指标数据。按年度分危机公司与正常公司进行归类，分别得到各年各项财务指标的两组数据。运用SPSSl 4.0进行数据处理。

本文选择财务指标作为研究变量。我国上市公司陷入财务危机的主要特点是企业不能偿还到期债务，营运能力差、盈

利能力差、现金流不足和发展能力有限等。因此.本文分别从反映企业偿债能力、盈利能力、营运能力、发展能力和现金流量中选择了19个主要财务指标。作为构建财务危机的预选指标，通过计算财务指标的均值及衡量均值差异程度的t值.研究危机公司。

四、统计研究

(一)偿债能力指标研究

企业偿债能力指标包括短期偿债能力指标和长期偿债能力指标两类。

1　短期偿债能力指标

选择流动比率、速动比率和营运资金对资产总额比率3个指标来分析财务危机特征，这3个指标的均值以及衡量差异程度的t值见表1。

在显著性水平为0.05时，t－t-3年。危机公司的流动比率平均值与正常公司有显著的差异；t－t-3年。危机公司的速动比率平均值与正常公司也存在明显的差异t－t-3年(除t-1年外)，危机公司的营运资金对资产总额比率平均值与正常公司有显著的差异。

2　长期偿债能力指标

表2列出了ST与正常公司2个长期偿债能力指标的均值以及衡量均值差异程度的t值。

从表2来看，在显著性为0.05时，t－t－3年危机公司资产负债率均值都显著大于正常公司，t值均大于3。t值变化趋势表明，随着亏损的临近，t值增大，这说明。随着亏损的临近，相对正常公司而言。危机公司负债增加。由于资产负债率和负债与权益之比反映关系具有密切相关性，故只选择资产负债率。在t-3－t－2年危机公司利息保障倍数均值与正常公司没有显著的差异，但在t－1－t年差异明显，t值分别达到2.32、6.02，显示越是临近被ST，t值差异越明显。

财务危机公司在偿债能力指标方面表现为流动比率、速动比率、资产负债率和利息保障倍数与正常公司差异明显，反映危机公司长短期偿债能力很弱。

(二)营运能力指标研究

反映公司营运能力的常用指标是总资产周转率、流动资产周转率、存货周转率、应收账款周转率等，笔者以总资产周转率、存货周转率和应收账款周转率这3个指标比较危机公司和正常公司的差异。这3个指标的均值以及衡量差异程度的t值见表3：

在显著性水平为0.05时，危机公司的总资产周转率显著小于正常公司，应收账款周转率也小于正常公司，但存货周转率在危机公司与正常公司之间并没有显示出显著的差异。财务危机公司在营运能力指标方面表现为总资产周转率和应收账款周转率小于正常公司，这表明危机公司资金流动速度慢。资产利用效率低。

(三)盈利能力指标研究

选择营业毛利率、资产报酬率、总资产净利润率和净资产收益率作为衡量财务危机公司盈利能力的指标。与正常公司比较见表4。

从表4可以看出，在显著性水平0.05的情况下，危机公司的营业毛利率、资产报酬率、总资产净利润率和净资产收益率均小于非正常公司。特别是在t－1－t年4个指标t值均大于3。财务危机公司在盈利能力指标方面明显小于正常公司。且资产报酬率、总资产净利润率和净资产收益率均值为负。可见。危机公司资产运营效果极差，盈利能力极弱，没有给股东带来回报。

(四)现金能力指标研究

现金能力不足是危机公司的主要特征之一，笔者选择现金流量对流动负债比率、主营业务收入现金比率、每股现金净流量和经营活动现金流入流出比这4个指标来比较两类公司。结果如表5所示。

从表5来看，在显著性水平为0.05的情况下，现金流量对流动负债比率危机公司明显低于正常公司，经营活动现金流入流出比和每股现金净流量在t－1－t年差异明显；主营业务收入现金比率在危机公司与正常公司间差异不显著(除t-1年外)。财务危机公司在现金能力指标方面表现为现金流量对流动负债比率指标明显小于正常公司，经营活动现金流入流出比和每股现金净流量在临近被ST时差异明显，这表明危机公司销售账款差、收益质量低和资金不足。

(五)发展能力指标研究

评价企业发展能力的指标较多，笔者选择了主营业务收入增长率、总资产增长率和净利润增长率这3个反映企业财务状况变化的重要指标。两类公司比较结果如表6所示。

从表6来看，在显著性水平为0.05的情况下，主营业务收入增长率、总资产增长率和净利润增长率指标在t－1－t年差异明显均低于正常公司，且大都均值为负数。主营业务收入增长率和总资产增长率在t－3－t年下降趋势明显。这表明，危机公司发展能力极弱，靠自身的能力很难摆脱危机。

五、结论与应用

(一)研究结论

危机公司在财务指标方面主要表现特征为：1.在偿债能力指标方面，危机公司流动比率、速动比率、资产负债率和利息保障倍数与正常公司差异明显；2.在营运能力指标方面，危机公司的总资产周转率和应收账款周转率小于正常公司；3.在盈利能力指标方面，危机公司该类指标明显小于正常公司；4.在现金能力指标方面，危机公司现金流量对流动负债比率指标明显小于正常公司.经营活动现金流入流出比和每股现金净流量在临近被ST时差异明显；5.在发展能力指标方面，危机公司主营业务收入增长率、总资产增长率和净利润增长率指标，在t－1－t年差异明显，主营业务收入增长率和总资产增长率在t－3－t年下降趋势明显。

(二)应用

公司陷入财务危机对相关利益者影响广泛。但由于财务状况恶化而陷入财务危机是一个渐进过程，可以通过事前分析帮助相关利益者提早了解公司财务状况变化，避免财务风险。概括地讲，本文在以下几个方面具有重要应用价值：

1　有助于投资者的投资决策

当公司陷入财务危机时，股东的投资价值会大幅度减少。因此，如果投资者能够事前获取公司财务状况变化的信息，提前预知上市公司是否会陷入财务危机。就能避免损失。

2　有助于债权人对债权安全性进行评估

通过财务危机预测，有助于债权人事前预知债权公司是否会陷入财务危机，判断其是否具备偿债能力，从而提前采取相应的措施加大清收债权的力度，避免贷款损失；同时也有助于潜在的债权人事前发放债权的决策。

3　有助于公司间的业务合作决策

篇8

企业对财务公共关系方面发生危机的预防、应对和善后处理可叫做财务危机管理。财务危机管理虽不是什么新理论,但还不成熟、不完善。我国有一些企业开始把财务危机管理提到了议事日程上来,许多经理人员有了财务危机意识,但财务危机管理仍需要加强。财务危机管理和一般财务管理相比有它的特殊性。财务危机管理和企业所处的企业文化、经营状况及财务关系人素质等因素联系紧密。

企业出现财务危机,不一定全是坏事,处理得当,会增强企业的美誉度及凝聚力。当然处理不当就是坏事了,会加速企业衰落。如企业遭遇债务不能偿还财务危机,通过借新债还旧债、债务展期或债务重组方式都可以化解财务危机。但如果赖账,则可能遭到债权人,最终将企业推向倒闭。

二、财务危机管理的原则

(一)承担责任原则。企业出现财务危机,对自己和利益相关者都造成了不利影响,既可能造成经济损失,也可能造成感情方面的伤害。这时企业应当勇于承担责任,不要再进一步伤害利益相关者。愈推卸责任,利益相关者就越不信任企业,企业的压力就更大。

(二)真诚沟通原则。财务危机发生后,由于财务信息不对称,各种负面消息四起,更不利于企业化解财务危机。但如果企业态度诚恳,真诚与利益相关者沟通,公开财务信息,就可以化解矛盾和冲突,给企业创造解决财务危机的人文环境。

(三)快速反应原则。即处理财务危机速度要快,发现财务危机的苗头就要及时想办法解决问题,不要等问题积累多了才去处理,那样往往花很大的代价也解决不了问题。

(四)系统管理原则。企业发生财务危机时,往往会顾此失彼,处理问题不系统,没有秩序。所以要用系统管理思想统筹解决问题。

(五)权威证实原则。企业发生财务危机时,有时自己怎么解释、努力都不能让利益相关者满意,这时可以考虑请有公信力的政府、协会、有实力的大企业出面帮助说话,做工作,重新赢得利益相关者的信任。

企业出现财务危机的重灾区是内外部债务不能及时偿还。内部债务不能及时偿还会影响企业生产经营的正常运转,外部债务不能偿还会引起债权人的诉讼,严重的话会导致企业破产。企业应当增强应对财务危机的能力,一个未经历过财务危机考验的企业,不能算真正成功的企业。如何处理好财务危机,并从不利局面中找到转化的契机,是我国企业财务管理人员应该补上的重要一课。

三、财务危机管理计划

企业财务管理人员及高级管理人员一定要居安思危,制定切实可行的财务危机管理计划。这样一旦出现财务危机,可以化被动为主动。制定财务危机管理计划应注意以下几点:

(一)财务危机管理计划要具有可操作性,不能纸上谈兵。

(二)财务危机管理计划必须系统、全面、连续,应明确相关组织和人员的责权利。

(三)财务危机管理计划必须保持灵活性、前瞻性。计划不能僵化教条,重点在于灵活地解决关键问题,而不是细节和特定的财务危机事件的描述。

(四)财务危机管理计划的制订应该全员参与。应该是企业领导、财务管理人员、普通员工精诚合作的结果。否则出现了财务危机,这个计划也难以执行。

(五)财务危机管理计划的制订应建立在可靠的信息基础上,是在对内外部信息的认真分析的基础上做出的,并且大家对信息进行了共享与充分沟通。

(六)财务危机管理计划对细节也应当关注。要预防一些细节上的疏忽导致的财务失败,当然这是在重点突出时的完美计划要求。

(七)财务危机管理计划应当有清晰的业务流程。即出现财务危机时,如何报告、如何沟通、如何应对、如何快速实施计划等。

篇9

在激烈竞争的市场经济环境中,现代企业面临着许多风险,企业赖以生存和发展的各种条件充满着变数,又由于企业本身总是不可避免地存在这样或那样的问题和各种各样的隐患,以及人们还不能够完全把握包括市场经济环境在内的企业外部条件的变化,因此企业财务危机时有发生,并且财务危机是无法绝对避免的。

一、财务危机预警系统的功能及特征

企业财务预警系统是为防止企业偏离正常经营轨道而建立的报警和控制系统,它以企业信息化为基础,利用数据化管理方式,通过对各种财务分析数据资料的分析,对企业经营管理活动中存在的财务危机及早警示,对潜在财务风险进行实时监控,为经营决策提供可靠依据。其灵敏度越高就越能及早地发现问题并告知企业管理者,就越能有效地防范与解决问题、回避财务危机的发生,所以,一个有效的财务危机预警系统通常具有以下功能:

它通过收集与企业经营相关的产业政策、市场竞争状况、企业本身的各类财务和生产经营状况信息,进行分析比较,判断是否予以报警。

当财务危机征兆出现时,有效的财务危机预警系统不仅能预知并预告,还能及时寻找导致财务状况恶化的根源,使管理者有的放矢,对症下药,制定有效的措施,阻止财务状况的进一步恶化,避免财务危机真正发生。

有效的财务危机预警系统不仅能及时回避现存的财务危机,而且能通过系统详细地记录其发生缘由、解决措施、处理结果,并及时提出改进建议,弥补企业财务管理及企业经营中的缺陷,完善财务危机预警系统,从而既提供前车之鉴,又能从根本上消除隐患。

对于企业来说,绝大多数财务危机都是可以预测的,而且都有一个从潜伏到爆发、从量变到质变的过程,财务危机预警要对这些信息进行监测、识别、报警以及预控。财务危机预警系统监控的范围主要包括企业的偿债能力、盈利能力、资产运营能力、现金流量情况、资本结构以及成长能力等方面。

二、建立财务危机预警系统应做的工作

为使危机预警功能得到正常、充分的发挥,企业应建立健全相对独立的预警组织机构,其日常工作可由企业现有的某些职能部门承担,如财务部门、企管、企划部门;建立信息收集和传递机制,只有对大量资料进行统计、分析,才能抓住每一个相关的财务危机征兆。高效的预警分析机制是关键,通过预警分析可以迅速排除对财务影响小的风险,从而将主要精力放在分析可能造成重大影响的财务风险上,有重点的分析其成因,评估其可能造成的损失。在财务危机原因分析清楚后,应立即启动处理机制,制定相应的预防、处理措施,尽可能减少财务危机带来的损失。

财务危机预警系统必须以大量的信息为基础,这就要求强有力的信息管理向预警系统提供全面的、准确的、及时的信息。耍建立信息管理组织机构,配备必要的专业人员,要明确信息收集、处理、贮存到反馈各环节的工作内容和要求以及信息专业人员的职责,提供必要的技术支持。

三、企业财务危机预警体系的建构

不可否认企业财务危机是多方面因素造成的,但是产生财务危机的根本原因是财务风险处理不当,因此,加强企业财务风险管理,建立和完善财务预警体系尤其必要。

(一)建立短期财务预警系统,编制现金流量预算

由于企业理财的对象是现金及其流动,就短期而言,企业能否维持下去,并不完全取决于是否盈利,而取决于是否有足够现金用于各种支出。预警的前提是企业有利润,对于经营稳定的企业,由于其应收,应付账款及存货等一般保持稳定,因此经营活动产生的现金流量净额一般应大于净利润。企业现金流量预算的编制,是财务管理工作别重要一环,准确的现金流量预算,可以为企业提供预警信号,使经营者能够及早采取措施。为能准确编制现金流量预算,企业应该将各具体目标加以汇总,并将预期未来收益、现金流量、财务状况及投资计划等,以数量化形式加以表达,建立企业全面预算,预测未来现金收支的状况,以周、月、季、半年及一年为期,建立滚动式现金流量预算。

(二)确立财务分析指标体系,建立长期财务预警系统

对企业而言,在建立短期财务预警系统的同时,还要建立长期财务预警系统。其中获利能力、偿债能力、经济效率、发展潜力指标最具有代表性。获利是企业经营最终目标,也是企业生存与发展的前提。

资产获利能力和偿债能力二指标是企业财务评价的二大部分,而经济效率高低又直接体现企业经营管理水平。

篇10

中图分类号：F275 文献标识码：A 文章编号：1002-5812（2015）18-0042-04

一、引言

经济环境的复杂化和竞争的白热化，使得企业经营面临巨大风险和不确定性从而导致财务危机。财务危机预警可预知财务危机发生的征兆，其有效性和准确性的提高有助于企业及时发现导致财务状况恶化的原因，及早应对。准确有效的预警除了对企业管理层起到警示作用外，还能助投资者做出有利的投资决策，便于债权人控制信贷风险，利于证券等监督部门的监管。迄今，理论界已发展出诸如多元判别模型、多元逻辑回归模型和神经网络模型等多种模型来研究财务危机预警，但受制于多元判别模型和逻辑回归模型需要众多假设条件，神经网络模型建模复杂、其运作原理无法明确等问题，这些模型的适用性受到极大限制，鉴于此，本文选择无假设要求且原理简单的因子分析模型对财务危机预警进行研究。

二、文献回顾

20世纪30年代，国外已开始对财务危机预警进行研究，取得了一定的成果并广泛应用于实际。而国内学者对财务危机预警模型的研究起步较晚，始于20世纪80年代末。总体来说，国内外财务危机预警模型的研究进展可概括为：从单变量分析模型到多变量分析模型，从统计分析方法到基于人工智能的机器学习分析方法。

Beaver（1966）首建了单变量财务危机预警模型，使用30个财务比率进行了对比研究，结果表明，资产负债率、资产收益率和现金流量/负债总额这3个财务比率预测财务危机是有效的，其中现金流量/总负债这一财务比率预测财务失败效果最好。Altman（1968）首用多变量分析进行了财务危机预警研究，并提出了判断企业破产的临界值，这种方法用多个财务指标加权汇总后产生的总判断分值（称为Z值）来预测财务危机。周首华等（1996）对Altman的Z分数模型进行了改善，将现金流量指标加入预警机制中从而建立了F分数模型。吴世农和卢贤义分别采用判别分析和logistic 回归方法建立和估计了预警模型，并比较了各种方法的预测效果。随着数据挖掘技术的日渐成熟，开始有学者使用神经网络研究财务危机预警，Odom 和 Sharda（1990）将人工神经网络模型应用在破产预测模式中，用人工神经网络预测财务危机的新方法，他们选用Altman 选取的5个财务比率，设置5个隐藏节点，建立了神经网络预警模型，发现使用神经网络的方法对公司财务危机的预测率高于基于统计的方法。我国学者杨淑娥、黄礼等通过改变隐含层个数等方式对模型的可靠性进行了验证。

三、样本与指标的选取

（一）样本确定及分组

国内学术界和实务界对财务危机的界定各不相同，概括起来主要分为两种：其一，认为企业破产是最严重的财务危机;其二，鉴于我国资本市场的特殊性，国内大多数学者将是否被“ST”作为判断企业发生财务危机与否的标准。考虑可行性，本文也以是否被ST作为判断企业财务危机的标准，选取了2011―2012年间被ST的A股上市公司作为发生财务危机的公司样本，同时按配对样本属于同类行业且总资产规模相差在10%以内的原则，对每一家ST公司进行配对选择非ST公司，共选定50家ST公司和与之配对的50家非ST公司作为研究样本。其中，50家ST公司中，20家在2011年被宣布为ST公司，30家在2012年被宣布为ST公司。研究时，笔者把50家被ST的公司随机分成两组，一组为建模样本组，一组为检验样本组。剩下的50家非ST公司根据与其配对的ST公司的分组情况，相应分配到检验数据组和建模数据组中。这样，100家企业中就有50家（25家ST公司和25家非ST公司）公司用来建模，50家（25家ST公司和25家非ST公司）用来检验模型预测的准确性。

（二）预警指标体系的确定

在总结了前人研究及企业经营特征的基础上，本文选取了23个指标，分别囊括了企业偿债能力、营运能力、盈利能力、成长能力、现金流量状况和表外其他信息6个方面。这些变量的类别如表1所示。

（三）财务危机预警指标的筛选

为建立一个有效的财务预警模型，所选指标必须能够有效地判别财务危机企业和财务正常企业。因此，在构建模型之前，需要对所选指标进行显著性检验以剔除ST公司和非ST公司之间显著差别不高的指标。

显著性检验即事先对总体的参数或总体分布形式做出预先假设，然后利用样本信息判断该假设是否合理，即判断总体的真实情况与原假设是否有显著性差异。当样本总体符合正态分布时，一般会使用参数检验的方法;当样本总体不符合正态分布时，一般采用非参数的检验方法。在本文中，由于总体分布未知，故首先要对样本数据进行正态性检验。

1.样本数据的正态性检验――单样本K-S检验。通过SPSS 19.0对前面所选取的23个财务比率指标进行显著性水平为5%的K-S检验，结果如表2所示（其中T-1、T-2和T-3分别代表被宣布特别处理前1年、前2年和前3年）。

在显著性水平为0.05的水平下，当渐进显著性P值>0.05 时，该指标符合正态分布。从表2中可以得出：T-1年只有 X6、X7、X9、X11、X15、X17、X21符合正态分布;T-2年只有X6、X7、X9、X13符合正态分布;T-3 年只有X6符合正态分布。整体上看，三年内只有X6都符合正态分布，故指标变量整体来说并不符合正态分布。

2.样本数据的显著性检验――初次筛选。对样本数据进行显著性检验时，T检验和U检验均可用。实用时，只要检验样本含量较大（n>30）或检验样本含量较小（n<30）但总体标准差σ已知时，即可应用u检验;当检验样本含量较小（n<30），总体标准差σ未知时可应用T检验，但要求样本数据呈正态分布。由于所选取的指标变量在总体上不符合正态分布，且样本数较大，所以本文采用U检验来检验指标变量的显著性。

利用收集的两组共100家上市公司的数据资料，使用SPSS 19.0统计分析软件中的两个独立样本显著性检验，对被宣布特别处理前1年、2年、3年的数据进行U检验，结果如上页表3所示。

据表3可得T-1年至T-3年指标变量显著性检验的结果：应收账款周转率（X4）、存货周转率（X5）、总资产周转率（X6）、销售毛利率（X11）、Z指标（X22）和审计意见类型（X23）这6个财务指标在0.05水平上没有通过显著性检验，说明该6个指标无法有效区分企业是财务失败还是财务正常，故剔除这6个指标。

3.因子分析――再次筛选。考虑中国证监会界定上市公司财务状况异常的标准一般是“连续两年亏损”，所以本文利用建模组公司T-2的数据，共50个样本，结合前文中通过显著性检验筛选出的17个指标进行因子分析，利用因子分析对这17个指标再次精简，去除重复信息。

（1）KMO检验。通常在因子分析之前，需要对原有变量之间是否存在相关关系进行研究。本文采用KMO和巴特利特检验对变量进行相关性检验。表4的检验结果显示KMO值为0.667大于0.6，表明可做因子分析;又因Bartlett球状检验的相伴概率为0.000，远小于显著性水平0.05，因此可以认为原始变量之间存在相关性，适合做因子分析。

（2）因子分析。统计方法中，可据因子载荷矩阵得出所选公因子的个数。为确定选取的公因子个数，需要计算各因子的特征值和累计贡献率。本文选取公因子时要求因子的特征值大于1。表5显示，选取5个公因子时，每个公因子的特征值都大于1，且累计贡献率达到76.74%，即这5个主成分因子包含了原来76.74%的信息量，变量信息丢失较少，因子分析的结果较为理想。为便于对这5个因子进行解释，本文使用了正交旋转法中最大方差法进行转换得到因子载荷矩阵表6。表6显示：因子Z1中，财务比率X10 、X12的因子载荷量都大于90%，而这2个财务比率是反映企业盈利能力的指标，故将Z1命名为盈利能力因子;因子Z2中，财务比率X14、X18的因子载荷量远大于其他财务比率的因子载荷量，而X14、X18是反映企业成长能力的指标，故将Z2命名为成长能力因子;因子Z3中，财务比率X2、X3的因子载荷量都大于90%，远大于其他财务比率的因子载荷量，而X2、X3是反映企业偿债能力的指标，故将Z3命名为偿债能力因子;在因子Z4中，财务比率X19、X21的因子载荷量远大于其他财务比率的因子载荷量，而X19、X21分别反映企业现金流量的指标，故将Z4命名为现金能力因子;在因子Z5中，财务比率X7、X17的因子载荷量大于其他财务比率的因子载荷量，而X7、X17分别反映企业盈利和成长能力的指标，故将Z5命名为综合能力因子。

根据表6旋转平方和载入方差值和表7各公因子得分系数，确定财务危机预警函数为：

F=（0.20302Z1+0.17393Z2+0.15622Z3+0.13054Z4+0.10364Z5）/0.73736 （公式一）

四、财务危机预测值的确定及预警模型的检验

（一）财务危机预测值的确定

将建模组共50个样本的数据带入公式一中，得到各企业综合财务风险预测值F，根据F值的高低排列企业，结果见表8。

根据表8中各预测值F和确保最小错误率的原则，选定ST企业和非ST的最佳分割点，本文中称该分割点为风险临界值PS。通过分析可看出，这个分割点在-0.08和0.02之间时，误判率最小，故本文选择这两个数值的平均数作为风险临界值，即PS为-0.03。

据前文，距被宣布特别处理前两年财务预警的因子分析模型为：

F=（0.20302Z1+0.17393Z2+0.15622Z3+0.13054Z4+0.10364Z5）/0.76736

若 F≥PS，则2年后该企业为非ST企业;若 F<PS，则2年后该企业为ST企业。

（二）预警模型的检验

为检验PS临界值-0.03在预测财务危机方面的准确性，本文把距被宣布特别处理前两年（即T-2年）的检验组样本数据（共50个样本）带入因子分析模型，即公式一中，得到检验组样本各公司F值，根据F值的高低排列企业，结果见表9。

根据建模样本组确定的风险临界值PS=-0.03，被宣布特别处理前两年的检测组公司样本数据F值计算结果表明：50家企业里有45家预测正确，预测错误的为华电能源、莲花味精、金健米业、*ST新农、*ST南纺这五家，预测正确率达90%。因此，公司被宣布特别处理前两年，该财务风险预警模型具有较好的预测能力。

五、结论

本文选取2011―2012年间A股上市公司中被ST的50家公司和与其配对的50家非ST的公司作为研究样本，以被ST前三年的数据作为样本数据，使用U检验严格筛选出17个财务指标作为指标变量，对上市公司前两年的数据运用因子分析对指标体系进行再次筛选，构建了财务危机预警模型。研究结果显示：公司被宣布特别处理前两年预测的正确率高达90%，达到了较好的预测效果。J