财务失败预警模型研究综述务管理毕业论文

《财务失败预警模型研究综述务管理毕业论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、财务失败预警模型研究综述务管理毕业论文【摘要】本文主要论述了国内外有关财务失败预警的相关研究，并分析了这些统计模型的缺陷，最后对我国建立公司财务失败预警模型提出若干建议。　　【关键词】财务失败预警多元判别分析人工神经网络　　财务失败（FinancialFailure）是指公司无力支付到期债务的经济事项。财务失败分可为技术上无力偿债和破产两种形式。前者是指公司的资产总额大于负债总额，即“资大于债”，但其财务状况不公道，即现有的现金流量小于需要偿付的债务，导致公司不能清偿到期债务，从而有可能发生破产；后者是指公司的资产总额小于负债总额，即“资不抵债”，导致公司不能清偿到期债务而发生破产。引起公司

2、财务失败的风险主要包括经营风险和财务风险两方面。　　　　一、国外财务失败预警模型研究　　　　最早的财务失败预警研究是Fitzpatrick(1932)开展的单变量破产猜测研究。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，他发现判定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)使用由79对公司组成的样本，他发现最好的判定变量是营运资本流/负债(在公司破产的前一年景功地判定了90%的破产公司)和净利润/总资产(在同一阶段的判别成功率是88%)。　　Altman于1968年首先使用了多元线性判别模型研究公司的破产题目。根据行业和资产模型，他

3、为33家破产公司选择了33家非破产配对公司，选用了22个变量作为破产前1～5年的猜测备选变量，根据误判率最小的原则，终极选择了5个变量作为判定变量。其模型在破产前一年景功地判定出33家破产公司中的31家，而对于由25家破产公司和56家非破产公司组成的检验样本，模型在公司破产前一年正确地从25家破产公司中判定出24家，从56家非破产公司中判定出52家。（fs）、泰勒的Logistic回回拓展应用、混合神经网络模型（Hybridneuralodels）、自组织映射猜测模型(self-organizingmap)、概率神经网络猜测模型等。　　　　二、国内财务失败预警模型研究　　　　在国内的研究中，

4、吴世农、黄世忠(1986)曾先容公司的破产分析指标和猜测模型；陈静(1999)以1998年的27家ST公司和27家非ST公司，使用了1995-1997年的财务报表数据，进行了单变量分析和二类线性判定分析，在单变量判定分析中，发现在负债比率、活动比率、总资产收益率、净资产收益率4个财务指标中，活动比率与负债比率的误判率最低；在多元线性判定分析中，发现由负债比率、净资产收益率、活动比率、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年能较好地猜测ST。我国在财务失败预警研究方面起步比较晚，更多的还停留在理论研究上。　　1、多元判别分析方法　　多元判别分析方法应用最著名的是美国

5、的Altman的Zeta模型。早在60年代，AltmanAltman经过大量的实证考察和分析研究，选择了5种基本财务比率，根据每一种比率对财务失败的影响程度赋予权值（即各种比率的系数），以此作为猜测公司财务失败和破产的基本模型，即所谓的“Z-Score”模型，其基本表达式为：　　Z=0.012X10.014X20.033X30.006X40.999X5（1-1）内容来自.nseac.　　奥特曼教授通过对Z-score模型的研究分析得出：Z值越小，该公司遭受财务失败的可能性就越大。奥特曼的研究表明，一般美国公司Z值的临界值为1.8。　　具体判定标准为：Z