企业财务预警模型评述及对策分析的论文

《企业财务预警模型评述及对策分析的论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、企业财务预警模型评述及对策分析的论文摘要：现代企业所面临的风险随着新经济环境的变化向更广范围、更深层次的方向发展，企业财务安全和财务稳定已成为企业管理当局追求的重要目标。建立财务预警机制及防范系统对企业的财务活动进行跟踪、监控，及早发现警情信号，有利于企业管理当局分析与监控企业财务危机。　　关键词：财务风险；财务预警模型；对策　　　　1问题的提出　　　　加入inatemodel）。.　　最早运用统计方法和财务比率进行企业危机预警研究的是美国财务专家威廉·比弗（beaver,1966）。他的《财务比率与失败预测》一文是以企业危机预警为主

2、题，以单一的财务比率指标为基本变量，运用配对样本法，随机挑选了1954年到1964年间79家危机中的企业，并针对这79家企业逐一挑选与其产业相同且资产规模相近的79家正常企业，再将样本企业分为训练样本与测试样本两组。先以训练样本企业破产前5年的30项财务比率进行二分类检验（dichotomousclassificationtest）。用以找出最具区别能力的财务比率及其分界点，并利用测试样本预测及验证其财务比率及分界点的危机预警能力。　　威廉·比弗的结论是，最能对企业危机做出预警的指标是“现金流量/总负债”比率，其次为“总负债/总资产”

3、比率和“净利润/总资产”比率。在企业破产前5年可达70%以上的预测准确率，在企业破产前1年可达87%的预测准确率。　　（2）多元判定模型（multivariatediscriminatemodel）。　　该模型又称奥尔特曼模型或z分数模型（z-scoremodel）是由美国财务专家爱得华?奥尔特曼(edan)提出的。他认为，偿债能力的丧失是引起企业破产的主要原因，企业在财务状况良好——财务危机——破产——清算这一过程中，是有信号可预测的。经过大量实证考察和研究之后，于1968年才提出了多元z值判定模型，即：　　z=0.012x1+0.

4、014x2+0.033x3+0.006x4+0.999x5　　（3）f分数模型（f-scoremodel）。　　由于z分数模型在建立时并没有充分考虑到现金流量变动等方面的情况，因此有一定的局限性。为此，我国学者周首华、杨济华对z分数模型加以改造，于1996年提出了财务危机预测的新模型——f分数模型。在f分数模型中加入现金流量这一有效的预测变量，弥补了z分数模型的不足。同时，该模式还考虑到现代企业财务状况的发展及标准的更新，比如，由于现金管理技术的提高，致使企业所应维持的必要流动比率有所降低，该模式的样本选用更为扩大，它使用了pusta

5、tpcplus会计数据库中1990年以来416家公司的数据进行检查，而z分数模型的样本仅为66家。　　f分数模型如下：　　f=-0.1774+1.1091x1+0.1074x2+1.9271x3+0.0302x4+0.4961x5　　（4）神经网络预警模型。　　1987年，lapeds和fayber首次应用神经网络进行预测，开创了神经网络预警的先河。该模型适合于对复杂性、时变性和模糊性的系统进行预测。神经网络方法预警模型主要建立在“黑箱法”的基础上。它把复杂系统当作一个黑箱，然后通过刺激（输入）、反应（输出）来研究系统的结构和性质。人

6、脑的思维机制可分为抽象思维（逻辑推理）和形象思维（不确定性推理），神经网络模型根据生物神经元的外部行为特征，推测具有类似于阀值逻辑的结构，提出人工神经元的阀值逻辑模型。　　bp(backpropagation)模型是神经网络方法中一种比较常用的模型，这种模型把系统看作一个黑箱，考虑其输入和输出之间的非线性映射，输入过程可用输入节点来表示，输出过程可用输出节点来表示。假定系统内部结构为未知，同时用隐节点来表示内部机制，从而形成一种用人脑神经元突触行为模拟节点机制的类似神经的人工神经网络。这样，可通过不断地输入和输出，以及对有限多个样本的

7、学习来达到对所研究系统内部的模拟。　　　　3企业财务预警模型评述　　　　随着统计技术和计算机技术的不断发展，归纳分类、人工智能、神经网络模型以及实验等技术逐渐被引入到企业财务预警研究之中。然而，无论采用什么统计方法或研究方法，企业财务预警研究中都存在着许多问题，主要体现在：　　（1）缺乏系统的经济理论指导。　　在目前的文献中，能够系统地解释企业失败和破产的经济和管理理论还很少。尽管有些学者从委托代理、交易费用和产权关系等企业制度环境和制度安排方面作了大量的阐述，并借助于企业生命周期理论、企业进化理论等对企业失败现象进行解释。但是，它们

8、还不够完善，不足以系统地解释企业失败的原因，还远远不能准确确定财务预警模型中应包括的预测变量。因此，在选择预测变量时，还是凭着经验进行搜索，在众多的变量、样本、方法以及模型中找出最佳的组合，缺乏深厚的理论基础。　　（2）