定性财务预警分析方法范文

[关键词]财务危机预警模型

随着资本市场的不断完善，财务危机预警的研究一直是实务界和学术界关注的热点问题。财务危机预警是以财务会计信息为基础,通过设置并观察一些敏感性预警指标的变化，对公司可能或者将要面临的财务危机实施的实时监控和预测警报。

一、前言

财务预警中的数学模型就是财务预警模型，它是指借助公司财务指标和非财务指标体系，识别公司财务状况的判别模型。

按照研究方法可分为定性研究和定量研究。定性分析包括：标准化调查法；“四阶段症状”分析法；“三个月资金周转表”分析法；流程图分析法；管理评分法(王玲玲等，2005)。定量分析已取得了比较成熟的研究成果，可以划分为两个阶段：20世纪60年代～80年代，形成了一些以统计方法为分析工具的传统的财务危机预警模型，主要包括：单变量判定模型(Univariate)；多元线性判定模型(Multiplediscriminateanalysis，MDA)－Altman的Z值判定模型（Z-score模型、Zeta模型、Z*值模型）、Edmisterd(1972)的小公司财务预警模型、英国的Taffler(1977)的多变量模式、日本开发银行建立的“利用经营指标进行公司风险评价的破产模型”；概率模型(Logisticregressionmodel)－多元逻辑(Logit)回归模型、多元概率比(Probit)回归模型，这些模型的发展已趋于成熟，但存在着难以克服的缺陷。

20世纪90年代后，学者们开始探索使用新的方法，主要是非统计方法来创建的新兴的财务危机预警模型，它们从不同方面克服了传统模型的缺陷。但新兴的财务困境预警模型的探讨与应用研究较为分散，还没有形成完善的综合研究格局。本文综合述评了新兴的财务危机预警模型，并对未来的研究方向进行展望。

二、新兴的财务危机预模型

由于传统的财务危机预警模型所采用的统计方法一般都受制于母体分布的假设前提，存在着难以克服的缺陷，因此，20世纪90年代后，主要是基于非统计方法的新兴的财务危机预警模型。

1.建模技术的发展

(1)粗糙集分析(Roughsetanalysis，RST)。Slowinski和Zopoudinis(1995)率先将粗糙集分析方法用于企业失败风险的评估。粗糙集方法包含了知识发现及分类决策法则的推导。它善于用不完善的信息进行分类，被证明是用一组多价值属性的财务比率描述失败与非失败公司的有效工具。(2)神经网络模型(Artificialneuralnetwork，ANN)。Odour和Sharda(1990)是最早把BP神经网络技术应用于财务危机预测研究中，结果显示神经网络要优于当时的判别分析模型。(3)混沌模型(Chaostheorymodel)。Lindsay和Campbell(1996)将公司视为具有混沌行为的系统，建立了公司失败预测模型。它是对企业财务健康状况的非线性动态分析，能测度出企业在不同时期混沌量的差异。(4)自组织映射模型(Selforganizingmapmodel)。Kiviluoto&Bergius(1998)在运用SOM技术时考虑了动态性，他们建立了双层自组织映射模型，可分析连续几年的财务信息，对破产与非破产公司进行可视化的区分，并勾画出随时间演变的失败路径。(5)多维标度模型(Multidimensionalscalingmodel，MDS)。Bishop、Mar-Molinero和Turner(2003)利用MDS在行业背景下对一家公司财务状况的演变过程进行了案例研究，它是一种图像化的聚类方法，它的独特之处是把公司当作变量，而将属性(如财务比率)作为案例。(6)累积和模型(Cumulativesummodel，CUSUM)。Kahya和Theodossiou运用累积和模型对公司失败进行预测，认为模型还应包含财务状况恶化的动态过程信息，于2000年提出了预测公司失败的CUSUM模型，该方法能探测财务状况由好转坏的拐点，对财务状况恶化敏感并具有记忆力，区分财务指标变化是由序列相关引起的还是由于财务情况恶化造成的。除了以上介绍的财务危机预警模型之外，还包括基于模糊法则的分类模型、动态事件历史分析、机器学习决策树法、线性目标规划法、专家系统等。

2.建模变量的发展

(1)加入期权变量。Charitou和Trigeorgis(2000)使用B-S期权定价模型中的相关变量构建了财务危机判别模型，对1983年到1994年期间的139对美国公司进行了对比检验，结果发现到期债务面值、公司资产的当期市价、公司价值变化的标准差等期权变量在预测破产方面作用显著。(2)利用市场收益率。Aharony等提出了基于市场收益率方差的破产预测模型。发现在正式的破产公告日之前的4年内，破产公司股票的市场收益率方差与一般公司存在差异。Altman和Brenner发现，破产公司的股票在破产前至少1年内在资本市场上表现欠佳。Clark等发现破产公司股票在破产前至少3年内存在负的市场收益率。（3)加入公司股权结构、治理结构变量。有学者研究发现，公司的股权结构、治理模式等会对业绩产生重要影响。Simpson等研究了银行企业董事会结构、所有权和财务困境。Gilson研究了处于财务困境中的企业中高级管理人员的更替问题。除了以上介绍的财务危机预警模型之外，还包括运用现金流量指标、加入参考审计意见、加入违约距离、基于平衡计分卡等的模型。

三、财务危机预模型的评析

1.财务危机预警模型缺乏经济理论的指导

目前财务危机研究集中于预警模型的构建之上，并未深入到对引起公司财务危机的内部机理的探析。被引入模型的变量（财务指标）只是公司陷入财务危机的征兆，而不是公司陷入财务危机的原因和本质。用财务变量建立预测模型对公司财务危机进行预测只是一种基于样本的相关性分析，而不是因果关系。大多数财务预警模型只能给财务分析人员提供一些表面上的信息，而不能从根本上防止公司陷入财务危机。

2.预警变量选择缺乏理论支持

目前还没有形成有说服力的优选预警变量的理论框架，影响了模型预测的可靠性。预警变量（财务指标）的选取不能在理论指导下有系统性的进行，而只能靠研究者经验判断、对前人研究成果借鉴和统计筛选。研究者的经验判断会因主观因素影响模型预警效果。事实上，诸多模型中变量的选择都存在显著差异，即使是同一类型的财务指标，不同的研究者选取的指标差异也很大。

3.预警模型考虑定性变量和非财务指标有限

财务危机预警型主要以财务会计报表数据为基础，以各种财务指标为变量来建立预警模型，对定性变量和非财务指标使用有限。不可否认财务报表数据是公司经营状况的一个综合反映，但财务报表数据披露不足，时效性较差，缺乏对风险信息和不确定信息的披露。非财务指标和非定量因素在披露公司财务状况方面要比财务指标更为可靠、有效，公司的生存和发展会产生许多有利或不利的影响，有时可能是本质原因，比如，公司出现过度依赖银行贷款、公司人力资源匮乏、公司市场定位不清等状况，都预示着公司存在潜在的危机，而这些是财务比率所不能反映的。

4.非平稳问题的处理重视不足

很多方法在运用中对数据的非平稳性问题重视不足。由于商业周期的阶段性、市场环境的变化及技术变革等原因，检验时段与预测时段的自变量平均结构可能发生变化，变量间的关系也随之改变。很多研究没有对这一问题加以重视，可能导致模型的预测力与鲁棒性受到影响。因此有必要对数据进行一些处理，如使用行业相对比率、扣除数据中的通胀因素等，使变量的平均结构及变量间关系从检验期向预测期跨越时保持相对平稳。

四、财务危机预模型研究的展望

1.深入研究基于经济、财务及管理的理论

要深入研究基于经济、财务及管理理论，系统揭示公司陷入财务危机的内部机理和规律，建立宏观层次要素和公司财务危机微观层次间的联系，以提高模型的可信度和解释能力。

2.预测变量的选择多样化

财务危机预警模型不能单纯依靠财务指标，至少要在预警系统中涉及到非财务指标和定性变量，这样才能更为完整地反映公司全貌。如：考虑宏观经济波动指标、产业指标、管理指标、市场收益类和市场收益方差类指标、行业差异的指标等；考虑定量方法和定性方法的有机结合。因此，未来的发展趋势应当是以财务指标为主，兼顾其他几类指标和定性变量，构建更为全面的备选指标组，然后进一步通过现代分析方法对备选指标进行相关性分析，保留主要指标进行建模，以起到信息互补、提高预测精确度、提高模型的判别能力、拓展模型的适用性的作用。

3.预测方法转向实时动态预测

随着网络技术和计算机技术的高速发展，特别是以Internet为主的现代信息技术的发展，为危机预警带来了新的机遇和新的挑战。如何利用现代信息技术的强大功能将危机预警系统与公司其他信息系统相融合，建立网络环境下的危机预警系统，动态、实时地从内部信息网络和Internet上获取最新数据，不断修正完善预警模型，使得预警模型成为一个动态学习的模型，将是今后研究的热点。

五、结束语

通过对财务困境预警模型进行回顾和评析，使我们的研究视野有了极大的拓展，便于我们在借鉴前人思路和方法的基础上进行更深入的研究，也便于我们选用最为恰当的财务困境预警模型去研究我国的财务困境预警问题。

参考文献：

[1]王玲玲曾繁荣:财务预警模型评述[J].市场论坛,2005(12)

[2]SlowinskiR,ZopudinisC.Applicationoftheroughsetapproachtoevaluationofbankruptcyrisk[J].IntelligentSystemsinAccounting,FinanceandManagement,1995,4:27～41

[3]OdourMD,ShardaR.Aneuralnetworkmodelforbankruptcyprediction[J].ConferenceonNeuralNetworks,1990(6):136～138

定性财务预警分析方法范文

关键词：财务风险；财务指标；预警模型

一、引言

财务风险是指企业在各项财务活动中由于各种难以预料和无法控制的因素，使企业在一定时期、一定范围内所获取的最终财务成果与预期的经营目标发生偏差，从而形成的使企业蒙受经济损失或更大收益的可能性。在激烈的市场竞争中，上市公司始终处于一种生存与倒闭、发展与萎缩的矛盾当中。只有生存上市公司才有可能获利，有可能存续下去。生存是其核心目标。因此有必要建立一个科学合理的财务风险预警系统，为上市公司生存提供重要的信息，预防企业陷入财务危机的深渊。

财务风险预警系统是指通过对企业财务报表及其他相关资料的分析，借助于财务数据和数据化管理方式，对企业的运营过程进行跟踪、监控，以揭示企业运营过程中的经营困境和财务危机的可能性及原因，并发出警情信号，提醒管理当局提前做好防范措施的财务分析系统。国内外关于财务风险预警系统的研究已有很多，并取得了一定的研究成果。

二、国外相关研究的现状

（一）基于单变量预警模型的研究

国际上，最早用统计方法进行财务危机预测研究的是Fitzpatrikc（1932）开展的单变量破产预测研究。Fitzpatrikc发现，在财务危机预测研究中净利润/股东权益和股东权益/负债这两个比率的判别能力是最高的。

在Fitzpatrikc研究之后，美国学者威廉・比弗（WilliamBeaver）1966年在美国《会计评论》上提出了单一变量模型，又称一元判别模型。在他对79家危机企业和79家正常企业的30个财务比率数据进行的研究结果后表明，债务保障率和资产负债率这两个财务指标判别能力最高，并且越临近破产日判别成功率越高。

（二）运用多元线性判别分析方法的研究

多变量预警模型就是运用多个财务指标加权汇总构造多元函数的方法来进行预测分析。在国外这方面的研究，主要以Z-Score模型为代表：

美国纽约大学奥尔曼（Altman）教授早在20世纪60年代，就将多变量统计分析方法-判别分析运用到企业破产预测中。他以1964-1965年33家破产公司和33家正常公司作为配对样本，选用22个财务比率作为破产前1-5年的预测备选变量，经过筛选最终确定营运资产/资产总额、留存收益/资产总额、息税前利润/资产总额、股东权益市场价值/总负债账面价值和销售收入/资产总额5个变量作为判别变量，构建Z-Score模型。此模型分上市公司和非上市公司两种情况。

1、在上司公司的方面

上市公司的Z值模型和判别规则如下：

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5①

①式中X1=营运资产/资产总额，反映公司营运资产的流动性；X2=留存收益/资产总额，反映公司剩余支付能力；X3=息税前利润/资产总额，反映公司的盈利能力；X4=普通股和优先股市场价值/总负债账面价值，反映公司财务状况的稳定性；X5=销售收入/资产总额，反映公司的活动比率。

2、非上市公司方面

非上市公司的Z值模型和判别规则如下：

Z=0.717X1+0.847X2+3.107X3+0.420X4+0.998X5②

其中与上市公司唯一不同的是X4修正为股东权益/总负债。

总体来说，多变量模型判别精度高，而且体现了综合分析的概念。但这种模型也存在一定的局限性：一是模型比较复杂，数据资料多，需花费大量的时间分析数据和处理数据；二是这种模型的假设条件严格，即假设预测变量必须呈联合正态分布，且两组样本要求等协方差。

（三）关于逻辑回归模型的研究

回归模型是从一组因变量中预测一个“对应的”应变量的一种统计方法。比较常用的Probit模型方法和Logit模型方法。美国学者Ohlson（1980）运用多远逻辑回归法进行了研究，发现用公司规模、资本结构、负债和当前的变现能力进行财务危机预测的准确率达到96.12%。他采用的分析方法使财务预测有了很大的改进，克服了多元线性判别分析中对预测变量有着严格的联合正态分布要求及样本未配对样本的局限性，进一步将问题简化。

（四）关于动态财务预警模型的研究

近年来有学者开始建立动态财务预警模型，即运用神经网络分析方法。Odom（1990）是较早运用神经网络的经济学家，他用1975-1982年间的64家失败企业和64家健康企业为研究样本，选取了Altman在1968年研究中的5个财务比率为输入变量，比较了倒传递网络模型和Altman判别分析法在企业失败前一年的判别能力，研究发现，倒传递网络模型的预测效果好。之后BarbroBack等人（1996）及AmirF.Atiya（2001）采用神经网络理论（NN）构建了破产预测模型，Andreas和Trigeorgis等（2000）也基于期权定价理论对破产风险的预测进行了探讨。

这种分析使模型具备随不断变化的复杂环境自学习的能力。使企业财务动态预警成为可能，但神经网络分析方法建模方法复杂，工作的随机性较强。要得到一个较好的模型，需要人为不断地调试，非常耗费时间和精力，而且预测精度也不一定比其他方法改进多少。

（五）财务预警的其他研究

上述提到的预警模型主要是建立在传统的财务指标基础之上，在非财务指标的研究方面也取得了相应的成果。Gilson（1989）在他的研究中加入了非财务信息高层管理者离职这一指标。研究发现，在选取的381家财务危机公司中52%的公司有高层管理员变动之情形，而正常的公司发生这种情况的比率仅为19%。Marquette（1980）认为一些长期性或宏观性的经济指标，如利率、景气变动指标、通货膨胀率等可以作为构建模型的变量，提高模型的准确度。Spathis，DoumponsandZopounidis（2002）以希腊舞弊公司与非舞弊公司为样本，采用多标准分析、单变量和多变量统计技术建立了包括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。

三、国内相关研究的现状

（一）关于单变量预警模型的研究

陈静（1999）以27个ST和27个非ST公司作为对比样本，选取资产负债率、净资产收益率、总资产收益率和流动比率4个财务指标，进行单变量分析，结果发现资产负债率和流动比率的误判率最低。

单变量预警模型对财务风险的预警有一定的作用，但也存在一些缺陷：一是不能判别企业是否可能破产以及在什么时候破产；二是单变量比率分析的结论可能会受通货膨胀的影响；三是财务指标有被粉饰的可能性，使财务风险预警失去作用。

（二）运用多元线性判别分析的研究

1、以F分数模型为代表

周首华、杨济华（1966）借鉴Altman的研究成果，在Z分数模型的基础上，加入了先进流量指标，运用1977-1990年62家公司（其中31家破产公司取自华尔街杂志索引，与之配对的另外31家非破产公司取自Compustat会计数据库），构建了F分数模型。其表达公式为：F=-0.1774+1.1091X1+0.1704X2+1.9271X3+0.0302X4+0.4961X5，其中X1、X2和X4与Z分数模型的X1、X2和X4的指标相同，不同的是X3和X5，X3=（税后净收益+折旧）/平均总负债，它是一个现金流量指标，反映公司的偿债能力；X5=（税后净收益+利息+折旧）/平均总资产，反映公司运用总资产创造现金流量的能力。与Z分数模型相比较，F分数模型可以更准确地预测出企业是否存在财务危机。

李月英（2010）选取沪深证券交易所2009年所有被特别处理（ST）的7家农业上市公司作为研究样本，并选取31家财务状况良好的农业上市公司构成控制样本，从偿债能力、盈利能力等五个方面选择17个财务指标作为初始变量，采用多元线性回归模型对农业上市公司的财务数据进行了预警分析。

2、以主成分分析模型为代表

多元判别分析中还有一种分析方法是主成分分析方法。这种模型运用主成分分析的方法提炼最有代表性的财务指标，即考虑更多对财务预警有指示作用的比率，同时防止比率太多而增加分析的复杂性，从而抓住分析中的主要矛盾。张爱民等（2001）选取深沪上市的40家ST公司和40家非ST公司进行了研究，发现主成分分析模型也具有较好的预测性。

（三）关于逻辑回归模型的研究

我国学者吴世农、卢贤义（2001）选取1998-2000年中的70家ST公司和70家非ST公司作为研究样本，从企业盈利能力、偿债能力、营运能力、成长能力和企业规模等5个方面21个财务指标中确定6个预测指标，应用Fisher判别分析、多元线性回归分析和逻辑回归分析三种方法构建了相应模型，发现逻辑回归模型的预测能力最强。

李娜（2008）选择2006年深沪上市的所有农业上市公司作为研究样本，从偿债能力、发展能力等5个方面选取指标，运用因子分析和逻辑回归分析相结合的方法构建适合农业上市公司的财务风险预警模型。首次将财务预警的研究应用于农业企业。

（四）关于人工神经网络模型的研究

2002年周敏等人提出的基于模糊优选和神经网络的财务危机测定与预警模型，能够实现对财务危机状态的测定，并且不需要主观定性地判断企业的财务状态，因此在企业的判定状态方面更加合理。邸红娜（2006）选取2002-2005年制造业上市公司为研究对象，运用T检验，从个财务指标中选出了12个判别能力较显著的指标，并对BP神经网络进行完善市公司被ST的前三年，模型预测准确率仍然可以达到92.5%，说明应用神经建立模型，预测能力很强。

（五）其他方面的研究

王克敏（2005）研究中引入了公司治理、关联交易、对外担保等非财务指标，大大提高公司了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。

四、国内外相关研究现状的评价

在现有的研究中多数研究试企图寻求统一的参数来解决所有行业的问题，缺乏针对不同行业灵活选择参数的

应变能力。科学的实证研究应与不同的行业相结合，因为不同的行业财务指标和预警体系相差很大；不能一概而论，针对不同的行业选取具有那个行业特征的指标来进行预警分析，这样才能对企业的财务风险预警起到更加有效的作用；再有就是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，却没有兼顾信息使用者的可操作性；第三就是变量的选择方法问题。如何选取变量指标还缺乏理论支撑，研究人员在选取变量时受主观因素的影响大，另外模型中非量化因素涉及的少，考虑非量化因素再加入定性分析可使预测的准确性提高。这需要进一步的探索。因此笔者认为要重点解决财务预警的实际应用问题，使其能够真正满足信息使用者的需要。另外还需注意加强非财务信息的研究分析。

参考文献：

1、陈静.上市公司财务恶化预测的实证分析[J].会计研究,1999(4).

2、周首华.现代企业财务理论前沿专题[M].东北财经大学出版社,2000.

3、吴涛.上市公司财务预警系统的研究与实证分析[D].华中科技大学,2006(4).

4、徐学高.农业上市公司财务风险预警系统的建立与应用[J].燕山大学学报,2008(1).

5、李月英.我国农业上市公司财务预警危机研究[D].内蒙古农业大学,2010(6).

6、吴涛.上市公司财务预警系统的研究与实证分析[D].华中科技大学,2006(4).

7、李冰,孙长江.我国上市公司财务风险预警的实证分析[J].经济分析,2006(1).

定性财务预警分析方法范文篇3

一、指标体系选择

企业的财务危机通常既有外部征兆又有财务征兆，其中财务征兆主要表现在财务指标中，而相关财务指标可以通过对财务报表的分析得出来。对这些指标的分析，有单变量分析法和多变量分析法。单变量分析，是指运用某个单一财务比率的走势，来预测企业可能出现的财务危机状况，主要有资产负债率、资产报酬率、权益报酬率等。单变量分析法往往具有很大的局限性，所以，更科学的是采用多变量预警分析。在多变量预警分析中，最有代表性的是z值(Z-score)模型。该模型是运用五种财务比率，通过加权汇总后所产生的分值(z值)，作为判断标准来预测企业可能发生的财务危机的一种方法。其函数模型如下：

其中：

X1=营运资本／资产总额

X2=留存收益，资产总额

X2=息税前利润／资产总额

X4=所有者权益市价／负债总额

X5=总销售额／资产总额

二、Excel预警模型的建立步骤

第一步，建立“EXCEL财务危机预警分析．XLS”工作簿，在工作簿内建立“资产负债表”工作表、“利润表”工作表、“财务预警分析表”工作表。

第二步，根据企业实际情况完成“资产负债表”工作表(表1)、“利润表”工作表(表2)的数字填列。这两张表中，省略了一些填列项目，实际应用时可根据需要进行相应调整。

第三步，根据相关公式(表3)计算出各项财务预警分析指标(表4)。表4中的“标准财务比率”仅供参考，在实际应用时，可以根据实际情况进行调整，以更加科学合理地进行财务预警分析。如可以增加或者减少相关指标的计算(比如可以考虑增加杜邦分析体系)，以便与企业的实际情况更好地吻合。

三、模型的优缺点