企业财务危机预警方法述评

《企业财务危机预警方法述评 》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、企业财务危机预警方法述评【摘要】文章在分析国内外企业财务危机预警的主要方法及其优缺点的基础上，指出我国财务危机预警研究亟待在分行业预警模型的构建和非上市公司财务危机预警研究两个方面进行突破。　　【关键词】企业财务危机；预警方法；预警模型　　　　一、引言　　　　企业财务危机预警是指依据企业财务会计资料，运用科学的方法，对企业财务系统和财务活动中存在的问题进行分析和诊断，及时发现企业的潜在危机，进而提出解决措施。财务危机预警的方法有很多，如果根据不同方法所使用的资料情况分类，可以简单地将其分为静态方法和动态方法。静态方法包括：财务指标分析法、单变模型分析法、多元线性模型分析法、多元逻辑

2、回归模型分析法等；动态方法是指人工神经网络模型分析等方法。企业财务危机预警属于微观经济预警范畴，比之宏观经济预警而言，其在理论上和方法上都相对滞后。因此，研究和设计企业财务危机预警方法体系是一个正在探索的课题。　　　　二、企业财务危机预警的主要方法及其优缺点　　　　（一）单变模型分析法　　单变模型分析法是通过单个财务比率走势的恶化程度来预测财务危机。常用的财务比率主要有：债务保障率、资产收益率、资产负债率、资金安全率、应收账款周转率、存货周转率、流动资金周转率等。企业良好的现金流量、收益能力和债务状况应表现为企业长期稳定的发展态势。在跟踪考察时，当这些财务比率达到经营者设立的警戒线

3、时，就需特别注意防范财务危机。　　单变模型分析法的优点是理解容易，计算简便；缺点是这种方法仅能反映企业财务恶化的趋势，无法进行风险大小的准确度量。而且，企业风险是各项目风险的综合，单变模型分析法并不能揭示不同财务比率因素对整体风险的作用大小，也不能反映各财务比率之间的相互影响作用。相反，对同一公司采用不同的财务比率进行预测，还可能出现结果不同的现象。　　　　（二）多元线性模型分析法　　近年来，多元线性模型分析法在财务危机预警中得到了广泛的应用。多元线性模型分析法最常见的是“Z计分模型”法，它是运用多种财务指标加权汇总产生的总判别值（Z值）来预测财务危机。其函数模型为：　　Z＝0.0

4、12X1+0.014X2+0.033X3+0.006X4+0.999X5　　该模型以5个财务比率，将反映企业偿债能力的指标（X1，X4）、获利能力指标（X2，X3）和营运能力指标（X5）有机地联系起来，综合分析和预测企业风险。在这三类指标中，最重要的指标是营运能力指标。一般认为，Z值越低企业越有可能发生破产。　　“Z计分模型”是比较成熟的一种财务危机预警方法。该模型从总体角度给了企业一个定量标准，以检查企业的财务状况，有利于不同时期的比较。但由于企业规模、行业、地域等诸多差异，使Z值并不具有横向可比性。同时，由于这种线性判别函数存在两个无法克服的逻辑缺陷：固定影响假设和完全线性补偿

5、假设。而这两个缺陷更是极大地限制了模型的分类和预测能力。　　　　（三）多元逻辑（Logit）回归模型分析法　　多元逻辑回归模型的目标是寻求观察对象的条件概率，从而据此判断观察对象的财务状况和经营风险。这一模型建立在累计概率函数的基础上，不需要自变量服从多元正态分布和两组间协方差相等的条件。　　近年来，多元逻辑回归预警研究在我国发展较快。如：吴世农、卢贤义以我国上市公司为研究对象，选取了70家处于财务危机的公司和70家财务正常的公司为样本，应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法，分别建立三种预测财务危机的模型。研究结果表明：三种模型都能在财务

6、困境发生前发出相对准确的预测。而相对同一信息集，Logistic预测模型的判定准确率最高，财务危机发生前第1年的判定准确率为93.53%。陈晓、陈治鸿以截至1999年7月1日的38家因“财务状况异常”而被特别处理的ST公司为研究对象，运用多元Logit回归进行研究。研究结果表明，用负债权益比率、应收账款周转率、主营业务利润/总资产和留存收益/总资产构建的多元逻辑回归具有较强的预测能力。姜秀华于2001年在其出版的博士论文中运用逻辑回归方法构建的预警模型，其在企业财务危机发生前第1年的判定准确率为95.45%。陈洪波（2003）根据理论和实证研究结论，考虑对融资结构产生影响的种种因素

7、，选择资产负债率、调整后的速动比率、EBIT/总利息支付、销售净利率和主营收入利润率的增长率前N年的变化平均值5个财务指标作为变量构建了一个财务危机预警的多变模型。吴世珍、柯大钢从“应收款”视角构建了一个我国上市公司的财务危机预警模型，并对模型的有效性进行了检验。　　Logit模型的最大优点是不需要严格的假设条件，克服了线性方程受统计假设约束的局限性，具有更广泛的应用范围；其缺点是使用该方法时收集信息和计算的过程较为复杂，不易掌握，从而又限制了模型在实践中的应用和推广