基于z—score模型的企业财务预警系统构建

《基于z—score模型的企业财务预警系统构建》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、基于Z—Score模型的企业财务预警系统构建　　一、文献综述与理论支持　　（一）研究综述财务预警模型最早起源于20世纪30年代的西方经济学界。经过了这些年学者们的不断努力，财务预警系统日趋完善，先后出现了单变量判别模型、多元线性判别模型、线性概率分析、逻辑回归分析、人工神经网络模型等。　　（1）国外研究。运用个别财务比率对财务危机进行预测这种做法是由Fitzpatrick于1932年提出的。后来，Beaver在此基础上提出了较为完整的单变量分析法。在众多多元线性判别模型中，典型代表当属美国阿尔曼教授于1968年建立的Z

2、分数模型，不但方法简单而且精确度高，所以这个模型被西方企业一直沿用至今。1980年，Ohlson首先提出条件概率模型。1992年，Salchenberger等使用了人工神经网络模型对金融企业进行了财务失败的判断。Altman、Marco和Varetto（1994）也使用了这种方法对意大利的企业进行了财务失败的判断。这些研究分析的结果都比线性判别模型的效果要好。更有一些国外学者把两种以上的模型结合使用以建立联合预测模型。如韩国的B.S.Ahn等（2000）将粗糙集理论与神经网络方法结合起来，英国的FengYuLin和Sa

3、llyMcClean（2001）将四种财务预警的方法结合起来。这些研究的结果表明，在同等的条件下，联合多种模型的预测结果会比单一的预测结果好。　　（2）国内研究。相对于国外而言，国内对财务预警系统的研究起展较慢，但目前也有不少学者在该领域的研究上取得了一定的成果。周守华等（1996）在阿尔曼模型的基础上提出来F分数模型。陈静（1999）对财务数据进行了单变量分析和多元线性判别分析。张玲（2000）建立的二类线性判别模型获得了超前4年的预测结果。杨保安等（2001）建立的人工神经网络模型更是获得了与实际情况基本一致的实验

4、结果。　　（二）财务预警系统相关理论具体包括：　　（1）财务预警系统的含义与构建原则。财务预警是以企业的财务会计信息（财务报表、经营计划及其他相关会计资料）为基础，通过设置并观察一些敏感性财务指标的变化，而对企业或集团可能或将要面临的财务危机实现预测预报和实时监控的财务分析系统。企业可以运用这个系统分析企业财务状况的现状，了解企业目前的经营情况，及时发现问题并得出相应的对策。一个好的财务预警系统应该能及时预知企业的财务危机，并能凸显导致企业面临财务危机的原因，使管理者能迅速对问题采取适当的措施，将危机扼杀在摇篮里，从根

5、本上防止财务危机的出现，保证企业健康持续发展。　　（2）财务预警系统的功能。财务预警系统一般具有以下功能：信息收集功能、监测功能、预警功能、诊断功能、治疗功能和免疫功能。要对一件事情进行预测就必须先收集到与其相关的一切资料、所以信息收集工作需要始终贯穿于财务预警的活动中。时刻收集信息并随时对信息作出相应的判断，就体现了其监测功能。而作为一个预警系统，其首要功能是能在危机出现前预测危机的到来。通过收集、分析数据，预警系统能判断出企业财务已经出现的问题和能找到适当的应对措施，若下次再遇到同样的问题就能很快的得出解决的方法。

6、　　二、现有财务预警模型存在的缺陷　　（一）单变量模型存在的缺陷单变量判别模型只运用了单一的财务比率，而财务比率的预测方向经常有相当大的差距，所以容易出现使用不同的财务比率预测会有不同判断结果的现象。再者，该模型只运用的一个财务比率，但明显一个财务比率是无法代表企业整体的经营情况的，而且单一的财务比率很容易受到盈余管理和外部经营环境等的影响。所以，单变量模型就逐渐被其他模型取代了。　　（二）多变量模型存在的缺陷主要有：　　（1）Z分数模型的主要缺陷。第一，理论基础不足。大量财务预警模型的实证表明，陷入经营危机的企业基本

7、上都出现了财务危机的征兆。但虽然Z分数模型得到了很多实例验证，但目前还没有一个完整的理论可以证明财务危机的出现和财务指标低于正常值有必然的联系。而且，在提出Z分数模型时阿尔曼无法提供选取当中五个指标的依据。第二，假设很难达到。Z分数模型假设预测变量有着严格服从联合正态分布，且分组样本间的协方差要相等，而在现实中这个假设条件很难成立。而且，一旦预测变量中包含虚拟变量，假设就不能成立。第三，忽略了企业的现金流量。Z分数模型是建立在企业的资产负债表和利润表的财务数据之上，并没有考虑到企业的现金流量表。而许多专家证实，现金流量

8、比率是预测企业破产的有效变量。第四，忽略了行业之间的差异。阿尔曼在建立该模型的时候的研究对象是美国的33家制造企业，研究的行业单一，不适合笼统的套用在其他行业上。　　（2）其他模型的主要缺陷。线性概率模型的误判率和多元线性模型的判断效果相当。多元逻辑模型计算复杂，预测精度较低。人工神经网络模型是目前预测精度最高的模型，但其理论基础