财务危机预警体系综述【文献综述】

《财务危机预警体系综述【文献综述】》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、毕业论文文献综述会计学财务危机预警体系综述【摘要】自改革开放以来,随着我国市场开放度的不断加大,使得国内外市场竞争日益加剧,企业内部管理机制也不断出现新的问题。2008年的全球金融危机,更是给不少上市公司带来了严重的经营危机。而陷入经营危机的上市公司几乎毫无例外地都是以出现财务危机为征兆。本文主要对关于财务危机预警的研究进行综述，并对其存在的研究空白点，发展趋势进行探讨。【关键词】财务危机财务危机预警预警模型上市公司一、前言随着网络信息技术和计算机技术的快速发展，我们已进入网络时代。企业的经营和管理也随之呈现出新的特点。经济全球化在给企业带来机遇的同时，也潜伏着许多危机，这

2、些危机最终表现为财务危机。财务危机是企业丧失偿还到期债务的能力。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，对企业可能或将要面临的财务危机实施的实时监控和预测警报。财务危机预警模型是指借助企业财务指标和非财务指标体系，识别企业财务状况的判别模型。二、国外财务危机预警模型研究现状西方经济学家早在20世纪三十年代，就有学者对公司财务风险的预警模型进行研究。目前，国外财务风险预警模型已经在信贷风险评价与管理、企业资信评估等实务中得到广泛应用。财务预警模型的种类很多，常见的有以下几类：一元判定模型、多元判定模型、逻辑回归模型、神经网络模型。（一）单变

3、量预警模型单变量预警模型是选择公司的一个财务比率进行分析的传统方法。最早的财务危机预测研究是FitzPatrikc(1932)所做的单变量破产预测模型，他发现：出现财务困境的公司其财务比率和正常公司的财务比率相比会有显著的不同，从而认为企业的财务比率能够反应企业财务状况对企业未来具有预测作用。Beaver(1966)首先运用统计方法建立了单变量财务模型，提出可以用财务比率来预测公司的失败，目的是通过实证研究来检验财务比率的预测功能。他对美国1954年～1964年间79家失败企业和79家成功企业的30个财务比率进行研究的结果表明：具有良好预测性的财务比率为“现金流量／负债总额

4、、“资产收益率(净收益／资产总额)和资产负债率(债务总额／资产总额)。他发现发生财务危机的公司在流动资产有如下特点：（1）财务危机公司有较少的现金，但有较多的应收帐款；（2）财务危机公司一般存货比较少；（3）当把现金和应收账款加在一起列入速动资产和流动资产中时，其危机的表现就被掩盖了。Bevaer也因此开创了建立财务预警模型的先河。单变量预警模型的方法比较简单，使用比较方便，但是误判率却比较高。它存在如下缺点：一是他只用了一个指标来判断，如果该企业的经理知道这个指标，可能会通过粉饰这个指标来显示其良好的经营状况。二是如果用多个指标来判断，则不同指标所判定的结果相互之间存在矛

5、盾而无法给出正确判断。（一）多元线性判别模型基于单变量模型的缺点，1968年Altman提出了多元线性判定模型即运用多种财务指标加权汇总产生的总判断分值(称为Z值)来预测财务危机。z值模型和判别规则如下：Z=0.012X1+0.014X2+O.033X3+0.006X4+O.999X5其中X1=净营运资本／资产总额,反映公司总营运资本的流动性;X2=留存收益／资产总额,反映公司的支付剩余能力;X3=息税前利润／资产总额,反映公司的收益率大小,衡量公司运用全部资产获取利润的能力;X4=普通股和优先股市场价值总额／债务账面价值总额，反映公司财务状况的稳定性，X5=本期销售收入／

6、资产总额，反映公司的活动比率。该模型实际上是通过五个变量(五种财务比率)将反映企业偿债能力的指标，获利能力指标和营运能力指标有机联系起来，综合分析预测企业财务失败或破产的可能性。他根据行业和资产规模，选择了33家破产公司和33家非破产公司作为研究样本进行分析测算，其准确度达到95%左右。一般地在应用“Z-Score”模型，判别公司的信用状况。z值越低企业越有可能发生破产。该模型准确率比较高，而且容易理解，但也存在着许多不足。其一，工作量比较大，需要研究者进行大量的数据收集与分析。其二，在前一年的判定中，其预测的精度可能比较高，但是前两年或更早时，其预测精度大幅下降甚至低于单

7、变量模型的预测。其原因是，很多财务变量只是企业陷入财务困境的征兆，或者说是一种表象，而不是企业陷入财务困境的原因和本质。过多的财务指标，将“因”和“果”混淆在一起，反而增加了模型的判别难度。其三，多元线性判定模型有一个很严格的假设，即假定自变量是呈正态分布的，两组样本要求等协方差，而现实中的样本数据往往并不能满足这一要求，这就大大限制了多元线性判定模型的使用范围。当然，也有一些研究在并不满足这一前提的条件下，近似地使用多元线性判定模型，这无疑会降低模型的预测精度。（一）逻辑回归模型逻辑回归是基于克服多元线性判别模型