導言：作為寫作愛好者，不可錯過為您精心挑選的10篇財務比率論文，它們將為您的寫作提供全新的視角，我們衷心期待您的閱讀，并希望這些內容能為您提供靈感和參考。

篇1

自2005年7月21日以后，人民幣匯率不再盯住單一美元，開始實行以市場供求為基礎、參考一籃子貨幣進行調節、有管理的浮動匯率制度，形成更富彈性的人民幣匯率機制。從改革運行至今,人民幣對美元表現有升有降,對歐元、日元趨勢也是如此,但幅度不大。盡管如此，來自各方面的迫使人民幣升值的壓力仍然不小，目前，國內的許多學者對人民幣匯率的討論主要集中在人民幣匯率的形成機制、人民幣匯率變動對國民經濟的影響等方面，對于人民幣升值的財務影響及對策方面卻極少涉及。本文在假定人民幣匯率仍有升值壓力的前提下，分析了人民幣升值對公司財務的影響，并提出化解匯率風險的對策。

人民幣升值對公司財務的影響

對公司財務費用的影響

財務費用是公司當期發生的費用中的重要組成部分，是本期發生的直接計入損益的費用，財務費用的大小將影響公司的凈利潤。匯兌損益是財務費用核算的主要內容之一，它是指在持有外幣貨幣資產和負債期間，由于外幣匯率變動而引起的外幣資產或負債的價值發生變動而產生的損益。

人民幣升值影響公司財務費用體現在：人民幣升值后，等量的外幣只能換回較少的人民幣，對于擁有外幣債務余額（如外幣短期借款、長期借款、應付賬款）的公司，外債折算為人民幣后的匯兌損益將會減少，從而減少財務費用，而財務費用具有稅收擋板的作用，它的減少將增加當期的凈利潤。因此，人民幣升值后，擁有外幣借款、應付賬款等外債的公司將因此受益。如某公司2004年底有日元貸款折合人民幣為15億元，人民幣升值2%將因此每年減少公司財務費用450萬元（利息支出減少150萬元，本金減少300萬元），對公司整體盈利狀況影響接近0.01元/股。對于擁有外幣貨幣性資產（如外幣現金、外幣銀行存款、應收賬款）的公司，人民幣升值后，用人民幣計價的匯兌損益將會增加，從而增加財務費用，減少當期的凈利潤。因此，人民幣升值后，擁有外幣貨幣性資產的公司將因此遭受損失。如某電廠擁有1.79億美元和141億日元的應收賬款，人民幣升值2%將使公司增加約人民幣300萬元的財務費用，這將影響到公司整體盈利狀況。

對公司籌資成本的影響

匯率的“國際收支決定論”認為，一國的國際收支狀況是影響匯率最直接的因素之一。當一國有較大的國際收支逆差時，對外匯的需求大于外匯的供給，本幣對外貶值；反之則會造成本幣升值。從國際收支狀況看，我國的經常項目和資本項目收支從1994年人民幣匯率并軌以來一直維持較大的順差。特別是近幾年，我國成為全球最大的資本流入國，每年流入的國際直接投資高達500億美元左右。這種經常項目和資本項目雙順差的狀況使得我國近年來的外匯儲備節節上升，截至2004年年底我國外匯儲備已達到6099億美元，較2003年年底增加了51.3%，成為2004年全球外匯儲備增加最多的國家。經濟的快速增長，外匯儲備的增加，國際收支順差的擴大又進一步增加了人民幣升值壓力，加劇了國際短期資本的流入。

我國對人民幣匯率的調整影響了外商對我國的投資熱情，導致海外對華投資的縮減。據報告，受人民幣升值影響，我國2005年7月末外匯存款余額1605億美元，比上月減少48億美元；8月末，外匯存款余額為1611億美元，雖比上月增加6億美元，但遠低于8月份人民幣各項存款增加額4364億元。從籌資的角度看，缺少外資或者是外資驟減將影響公司的權益資金的籌集，當公司急需資金時，只能轉向其他的負債融資。受資金供求關系的影響，在資金供給數量一定的情況下，資金需求量增加，籌資成本必然上升。同時，負債資金增加，將帶來財務杠桿的效應，如果投資利潤率高于資金成本率，則負債融資將為公司帶來額外的收益，反之，將給公司帶來較大的財務風險，影響公司的效益。

對營業費用的影響

營業費用是指公司銷售過程中發生的費用,包括運輸費、展覽費、廣告費以及為銷售本公司產品而專設的銷售機構（含銷售網點、售后服務網點等）的職工工資及福利費。營業費用直接計入當期損益，營業費用的大小將影響公司當期的業績。

隨著我國經濟的快速發展，產品國際競爭力的大幅提高，國際貿易盈余、外國直接投資、外匯儲備持續增加，西方發達國家感到了壓力，擔心我國會影響其在全球的經濟利益，因此，世界主要國家仍就人民幣升值問題向我國施壓，希望通過提升幣值的方式，削弱我國產品提高本國產品的國際竟爭力，達到維護本國產業和經濟利益的目的。

人民幣升值將對以價格優勢為特色的我國產品造成嚴重打擊。由于人民幣升值后，進口受到鼓勵，進口商品變得便宜，出口減少，結果，本國市場上供給越來越多，本國商品和進口商品之間的競爭激烈，為使公司的商品能在市場上占有一定的份額，增加商品的國際競爭力，許多公司將會在營銷方面多下功夫，如擴大產品宣傳、增設銷售網點等，屆時，營業費用將大幅增加，影響公司的經營業績。

應對人民幣升值的財務對策

關注匯率的變動趨勢

要關注美日等國對人民幣匯率態度。以美日等為代表的各國對人民幣的態度將直接或間接地影響人民幣匯率的趨勢。2003年7月6日閉幕的亞歐財長會議上，日本、歐洲各國相繼提出了人民幣升值的要求。到了2005年前后，國外分散的壓力逐步演變成為發達國家的國際共識：日本、美國、歐盟等主要發達國家，或基于國內經濟的需要，或迫于國內政治的壓力，要求中國改變匯率制度，或徑直要求人民幣升值。在此背景下，盡管2005年7月人民幣匯率有所上調，但上調的幅度不大，未達到西方主要國家的預期，人民幣來自國外的升值壓力仍然不小。

關注美國聯邦基金加息情況。按理說,美元加息在一定程度上可以緩解人民幣的升值壓力。因為,美元利率的持續上升支撐了美元,美元資產的吸引力會引起國際熱錢回流美國。尤其是在中國的匯率形成機制改革平穩實施后,目前美元短期利率已上升至4%,高過人民幣短期利率2.25%（稅后利率約為1.8%）的水平,由此將大大緩解國際熱錢對人民幣匯率升值的巨大沖擊。但有專家分析指出,當前人民幣的升值幅度仍然遠遠低于美國等國的預期目標。當人民幣升值幅度難以滿足它們的要求時,人民幣升值壓力就很難減輕,相反這種壓力將長期存在。所以,美元持續升息并不能從根本上緩解人民幣升值壓力,人民幣升值壓力將繼續以經濟問題的形式來反映政治問題的實質而長期存在。

關注國內學者對人民幣匯率的態度。國內的一些知名學者，專門研究人民幣匯率的形成機制，匯率升值的幅度、時機，升值后對我國經濟的影響等。這些對于公司財務管理人員來說，是很好的參考資料。此外，人民幣匯率變動后，市場上的各種價格會隨之發生變動，諸多因素，例如大宗商品的價格，房地產價格，都會有影響。

作為公司財務管理人員，應關注人民幣匯率變動的國內外宏觀經濟環境，關注人民幣升值對產業內部可能造成的影響，時刻保持警惕性，及時調整相應的財務決策，減少匯率波動所帶來的損失。

適量持有外幣靈活管理外幣債權債務

2005年7月21日，中國人民銀行宣布美元/人民幣官方匯率由8.27調整為8.11，人民幣升幅約2%。人行還宣布每日銀行間外匯市場美元對人民幣的交易價在人民銀行公布的美元交易中間價上下千分之三的幅度內浮動，非美元貨幣對人民幣的交易價在人民銀行公布的該貨幣交易中間價上下0.15%幅度內浮動。作為公司財務管理人員，應堅持“盡早結匯，適量持有外幣、靈活管理外幣債權債務”的原則。“盡早結匯”是指公司收到外幣時，盡快結算成人民幣，由于人民幣還有升值的趨勢，央行總是根據實際經濟運行狀況來決定人民幣升值的時機和幅度的,所以財務管理人員應認真分析匯率的發展趨勢，減少央行突然宣布人民幣升值對公司的沖擊。“適量持有外幣”是指對于出口、進口額均較大的外貿公司，可持有適量外幣以應付日常之需，避免因外幣不足所引起的短缺成本的增加，但應注意持有外幣的時間不宜過長，以避免匯率變動帶來的損失。“靈活管理外幣債權債務”是指公司對于外幣類債權債務的管理要講究方法，權衡利弊，選擇能降低財務費用、使公司效益最大化的策略。如對于外幣“應收賬款”，要講究收賬政策和收賬方法，改變信用政策，加速資金的回籠。而對于外幣“應付賬款”，在不影響公司信譽的情況下，盡量延遲進口材料或延遲付款，或改變貨款結算方式，如采取遠期信用證結算方式或以人民幣計價等。

適當增加外幣債務

如果一些外資預計人民幣將進一步升值，必將選擇最佳時機大量涌入中國，但因一時找不到好項目，就先存放在銀行，到時資金供給將相對充裕，籌資成本會有所下降，公司可利用這一時機適當多舉債，較好地利用財務桿杠為公司帶來收益。所以，對于有人民幣升值預期的公司來說，可適當增加美元債務，這是一種較好降低融資成本的財務決策。增加美元債務的方法很多,諸如增加美元貸款、借外幣負債、將人民幣借貸變成外匯借貸、盡可能償還人民幣貸款、將要到期的國外貸款推遲還款等。

加強公司內部控制

內部控制包括控制環境、風險評估、控制活動、信息與溝通、監控等五個相互聯系的要素。嚴謹的內部控制，要對公司經營管理的各個方面實行全方位的有效控制，把公司的各項經濟活動全面置于經濟監控之中。由于匯率升值后可能影響到產品在國際市場上競爭力不足，公司可重點從以下方面加強內部控制，一定程度上抵消人民幣升值帶來的營業費用增加的影響：

加強資金管理。要由專門的財務人員對資金特別是外幣資金的籌集、調度、使用、分配等進行籌劃，并由相關人員實行嚴格控制，防止資金體外循環。

嚴格控制成本費用。公司可在成本控制和定價上下功夫，降低成本應從現在逐步開始，待人民幣升值時，公司依然能夠向客戶報出有競爭力的價格。對于成本控制，可在“采購成本和制造成本”上下功夫，并盡可能“降低費用率”等。如福耀玻璃公司推出了一整套“全面的戰略成本規劃”，通過降低設備使用成本、人工成本、材料成本和提升工藝和技術水平，保持成本競爭優勢。預計公司到2006年能夠將成本降低15％－20％，因此，即使人民幣有一定幅度的升值，“福耀”也能夠保持成本和價格的競爭優勢。

建立相應的激勵約束機制，把財務管理人員的短期行為長期化。公司可以根據其自身的特點和需要建立相應激勵約束機制，通過公司的激勵和約束，使公司財務人員更關注匯率的影響及公司長遠的發展，及時采取策略應對人民幣升值對公司的影響，提高公司的效益。

在經濟日益全球化的今天，一個國家的匯率自由化應是大勢所趨。不管國際市場有沒有施加壓力，中國目前出口強勁，外匯儲備充足，對外部環境變化也有了較強的承受力，逐步調整人民幣匯率、增加貨幣政策的獨立性是我國未來的匯率趨勢。作為財務管理人員，應未雨綢繆，關注時勢的發展變化，從成本控制、增加原材料進口等方面，通過各種不同的途徑積極籌劃，即使不久的將來人民幣再升值，也可以最大限度地控制匯率風險。

篇2

摘要：在企業運行管理當中，其會計管理者往往使用財務報表分析對企業財務或運行狀況進行統計并評估，然而當前企業中使用的財務報表以及其評價指標方法都存在一定的不足之處，這些不足之處使得財務報表不能完全發揮其有效作用，導致進行財務評估的結論不能使人信服。本論文對財務報表中影響其發揮有效作用的幾個方面進行具體分析和討論，同時根據探討結論給出解決方案，目的是為了促使財務報表在企業運行中發揮最大作用，使得報表使用者從中獲得最大收益。

關鍵詞 ：財務報表；局限性；完善措施

中圖分類號：F230 文獻標志碼：A 文章編號：1000-8775（2015）04-0148-01

收稿日期：2015-01-20

作者簡介：常甡（1981-）女，河北滿城人，中級講師，研究方向：財務。

引言

企業財務報表分析也叫做財務分析，其基本原理如下幾步：首先對財務會計報告中有用的數據進行整合處理；第二步，根據數據以及其它擴展信息，對企業的財務情況、運行情況等進行分析評估；最后是通過以上評估結論指導企業的運行管理工作。但是同時，我們應當有個明確的認知，也就是這些財務分析和結論并不是完全正確的。原因是我們在進行財務分析過程中，存在各種各樣的不利因素而使得財務報表不能完全發揮正常作用，使得財務分析有一定缺陷，這些缺陷導致了分析結論可能不符合預期，達不到人們的要求。

一、財務報表分析的局限性

（一）財務報表缺乏一定的可靠性和有效性

在進行分析中，財務報表分析的結論在實際中不能完全對應，這樣的后果就是企業財務評估結論不是很可靠。歸其原因，主要是由于財務報表分析時候列入表中的只是能夠使用的貨幣資源，而現實條件中，企業里還有許多經濟資源未能在報表中顯示，不能顯示是因為這些經濟資源受到現實條件或者是被會計管理限制。

（二）財務報表分析者的分析能力有限

財務分析的主體是人，也就是說，對企業財務報表分析評價是由報表分析者進行的。而現實情況里，財務分析者不同，他們對財務表都有各自的認識和判斷，這些不同點主要表現在以下幾個方面：①對財務報表認識不同；②對財務報表的解讀能力不同；③對財務分析理論認識差異。這些不同點使得分析結果不同。除此之外，在進行財務報表時，分析者僅僅根據課本上的理論知識還遠遠不夠，不光要有理論知識還要有在實際工作里的實踐經驗。

（三）財務報表的數據結果失真

財務報表的數據質量與其企業管理者的職業素質息息相關。企業的目標就是為了掙錢，同時當前會計制度以權責發生制為基本出發點，這樣一來企業的內部員工可以根據這一出發點自己設定一些他們理想中的財務數據，通過這些數據能夠使企業滿足最大收益。總之，不管是財務報表自己的不足，還是企業運行著對財務數據的不真實的處理等等，都會使得財務報表有很大誤差，會對外部會計信息使用者造成不利影響。

二、針對財務報表分析的局限性提出的改進措施

（一）注意財務比率分析體系內各指標的內在聯系

所謂財務比率分析指的是一個具有系統聯系的、不能人為改變或者獨立提出來的一個系統。在這個系統里，各個因素互相關聯，在分析過程中一定要結合它們之間的關系。也就是說，在財務比率分析時，應當將各個指標有效結合一起進行考察探討，單獨分析一個指標是不科學的，不能正確的分析企業整體情況，對考察來說沒有意義。主要原因在于單個財務比率在沒有其他比率作用下不能說明任何問題。在實際中，如果通過財務比率分析對一個企業的運行狀況考察的時候，應將該企業所在的行業、行業內其他企業、企業之前的成績以及市場環境這四點結合起來進行考察，這樣才能很好地認識到該企業處于市場中的地位以及之后發展趨勢等，能對該企業的運行狀況做出一個全面的考察。

（二）注意所提供比率的及時性和可比性

隨著計算機技術在會計行業也就是會計電算法的發展，“適時”財務比率應用越來越多，這就要求企業財務管理者能充分結合計算機技術，最快時間的將“適時”財務比率送達到相關信息使用者手中，最快的發揮財務比率分析的有效作用。同時電算法會帶給信息使用者多種方法計算得出的財務比率，而不需要額外增加投入，同時在不同財務比率下企業可以進行更深層次的橫向上的比較

（三）注意所分析企業所在行業狀況等大環境因素

財務比率分析應該考慮到整個行業的狀況以及周圍市場經濟，也就是說在進行財務分析時候，不僅要考慮到該企業在這個行業中處于何種地位，還應該考慮周圍經濟對該企業發展的作用。因為不同行業和不同企業都有各自特點，所以財務比率也差別特別大，有時候即使是一個行業，不同企業也有不同的財務比率。還有很重要的一點就是外界經濟形勢對企業財務比率的影響，比方說，通貨膨脹很厲害，或者說經濟衰落時，銷售收入以及利潤降低就很正常，可以肯定的是所有的企業都會受到經濟環境的影響。除上述兩個因素之外，還有季節性因素，很多企業往往在不同時期有不同的經濟狀況，在處于旺季時候財務比率和淡季時候財務比率一定會有很大差別。

總結

上述內容是對財務報表分析存在不足的分析討論，并對其解決方案具體深入研究。伴隨我國經濟社會的不斷前進，越來越多的企業管理者會意識到財務報表分析的必要性。結合當前財務分析的特點，取長補短，不斷通過對深化財務報表內容等許多方面進行改革分析，會很大程度上幫助管理者對企業的經營管理。總之通過以上分析，希望能為完善和發展企業的財務報表分析體系提供新的思路和方法。

篇3

一、當前使用現金

流量財務比率的基本狀況在我國作者編寫或編著的、于2002年到2005的年之間版的《財務管理》教材中．筆者搜集到32本(因篇幅限制未列明)。完全未提及現金流量指標的有8本，占25％：在余下的涉及現金流量指標的24本教材(以下稱可比樣本)中，將現金流量分析獨立于傳統的資產負債表和損益表分析的有9本．占可比樣本的37．5％。無論是單獨對現金流量進行分析還是將現金流量分析與傳統財務評價結合一起．這24本教材都主張按不同的分析目的來設置指標：全數表示現金流量表項目可用于償債能力評價．但其中有6本教材僅僅設置“現金比率”這一個指標：有12本教材設置了獲現能力或叫獲利能力分析的指標．占可比樣本的50％；有9本設置了盈利質量分析指標．占可比樣本的37．5％；還有6本寫明了要進行財務彈性分析．占可比樣本的25％

仔細分析教材中使用的評價指標，大致可以歸納為27個．分屬四種分析目的。償債能力分析指標最為大家認可，其出現的頻率達n44％，其次是獲現能力指標，頻率為36％，財務彈性指標占l1％．盈利質量指標占9％。具體到各財務比率．公認程度最高的是經營現金凈流入／流動負債．其出現的頻數達到19％經營活動現金流量／n期債務本息、經營活動現金流量／到期債務、現金及現金等價物／流動資產、經營活動現金流量／全部債務、經營活動現金流量／平均總資產等五項財務比率的認同程度也較高．均達9％。

二、現行教材中現金流量指標設置存在的問題

(一)夸大現金流量表的作用

如前文所示．約四成的教材將現金流量分析獨立于傳統的資產負債表和損益表分析之外．說明仍有不少人將現金流量分析視為與傳統財務分析并列的～部分事實上，現金流量表作為傳統兩表的橋梁．其作用不可能超越他們。其次．現金流量表的編制基礎與傳統兩表不同．它不可能取代后者．因而不可能獨立存在。而且．現金流量表也存在人為操縱的可能。比如：年末時大量回收貨款或大量借款、有意調整“現金”概念．將本來就是現金范圍的現金歸口為非現金項目以增加現金流量、將現金流量表的各項數據同時調增或同時調減．以達到調節表內各項目數據的目的。

(二)指標名目繁多，未能突出現金流量表的作用

1．將結構比率、趨勢比率等不屬于財務比率的指標吸納進來財務比率是將企業某個時期財務報表中不同類但具有一定關系的項目進行對比而形成的比率．其數據均來自一個會計期間．不同于趨勢比率：這些數據屬于不同類項目，因而有別于結構比率：2．納入了非現金流量指標。如：現金及現金等價物之和／流動資產．數據可以從資產負債表中獲取而不必從金流量表中獲取：3．將非財務指標納入體系。如：最大負債能力——經營活動現金流量與市場利率之比中．市場利率在財務報表中不能獲取．超出了財務比率的范疇。

(三)指標命名欠規范，容易混淆

1．同一指標．名稱不同“經營活動現金凈流量／流動負債”這～比率就有現金償債比率、現金流動負債比率、現金流量比率、短期債務現金流量比率、現金流量負債比等7種名稱：2．有的指標“名不符實”，如：利潤變現比率；經營活動凈現金流量／營業利潤．公式中分母僅限于營業利潤，而指標名稱卻叫“利潤”變現比率，外延大多了；而且，利潤與現金的關系并不是變現的過程，這與傳統的資產“變現”概念相背，不利于對指標的理解。

(四)指標的計算公式有爭議甚至有錯誤

1．現金比率一般是指現金及現金等價物之和與流動資產的比值，有學者將計算式的分母取作總資產。還有人取作流動負債：2．經營活動現金凈流量／流動負債，也有人將分子取作“經營現金流入”：3．現金利息保障倍數有(經營活動凈現金流量+利息支出+所得稅付現)／現金利息支出及(利潤總額+利息支出)／n息支出兩種計算公式：后者更粗略一些，因為利潤總額未考慮到非付現費用及非經營所收或所付的現金；，分子分母顯然口徑不一．會導致錯誤計算。

三、包含現金流量項目的財務比率體系

鑒于現金流量表與傳統資產負債表和損益表之間存在緊密聯系．重構的財務比率體系是以同一時期三張報表的相關項目計算而成的比值為主體，剔除所有的結構比率、趨勢比率．按不同報表使用者分為四個方面——傳統的償債能力分析、盈利能力分析、營運能力分析和增設的財務彈性分析，不再對現金流量進行單獨評價

(一)償債能力分析

現金是償還債務最直接的工具．也是最終的償債手段。在傳統的速動比率、資產負債率等指標的基礎上，補充以下包含現金流量信息的財務比率：1．短期償債能力指標現金流量比率=經營活動現金流量／流動負債．該指標反映企業在經營活動中獲得現金償還短期債務的能力。其值越高．對短期債權人的本金保障程度越高但由于現金的流動性最強．其盈利能力也最差．該比率值過高．說明企業沒有充分利用現金造成資源浪費按速動比率的經驗值來推斷．現金流量比率值在l左右屬于理想范圍：2．長期償債能力指標：現金流量保障倍數=(經營活動現金凈流量+所得稅付現)／[現金利息支出+優先股股利／(1一t)+到期債務本金／新思考(1一i’)]

利息費用是可抵稅費用．滿足一元的這些債務只要求有1元的稅前現金流量．但優先股股息和債務本金償還須從稅后現金流量中支付．除以(1一t)得到相當于滿足它們的稅前現金流量

該比率值大于1．說明企業利用稅前經營活動現金凈流入量可以償還到期債務并支付利息、優先股股息．無需另行籌資來履行固定義務：反之，該比率值小于1．表明企業履行這些義務時．不但耗盡了同期經營活動產生的稅前現金流量．還動用了前期的現金及現金等價物．企業資產的流動性將受到不利影響．

(二)盈利能力分析

傳統的盈利能力分析主要都是依據權責發生制下的利潤。但利潤是否有實實在在的現金凈流入作為保障．還需要將現金流量與利潤額對比，判斷盈利的質量．作為傳統盈利能力分析的補充。可設置如下盈利質量分析指標：

營運指數=經營活動現金流量／(凈收益一非經營收益+非付現費用)

非經營收益主要是指投資收益、財務費用、公允價值變動損益、營業外收支凈額．而非付現成本包括計提的資產損失準備、提取的固定資產折舊、無形資產和長期待攤費用的攤銷、待攤費用的減少等。上式中的分母，常被稱為經營所得現金。該指標反映經營活動凈現金流量與調整后經營利潤的差異程度。該比率大于1．說明經營活動現金流量高于營業活動應得現金．主營業務創造的利潤具有更多的現金作為保證，該比率小于1。說明一部分收益尚沒有取得現金．原因是應收賬款的增加、應付賬款的減少或存貨增加．使得實際得到的經營現金減少。而存貨有貶值的風險．應收賬款有形成呆、壞賬的風險，因此。未收現的收益質量不如已收現的收益：即使不出現上述風險．存貨和應收賬款占用的資金也是有機會成本的．那么．企業取得同樣的凈收益要付出更大的代價，實際的業績水平下降，營業利潤的質量下滑。

(三)營運能力分析

在傳統財務分析中．銷售收入與投入資源或業務相比較．獲得的存貨周轉率、總資產周轉率等被歸納為營運能力分析指標。而獲現能力指標一般也是將企業經營活動現金流量與投入資源和相關業務相比較．如．將企業經營活動現金流量與資產平均余額相比較．將經營活動現金流量與銷售額相比較可見．營運能力評價指標和獲現能力評價指標都反映企業利用資源獲取經營成果的能力．不過．前者反映的是權責發生制下的經營成果．后者反映收付實現制下的經營成果從這個角度出發．可把獲現能力評價視為營運能力評價的補充可設置如下指標：1．反映銷售業務獲現能力指標銷售現金流量比率=經營現金凈流量／銷售額．該指標可以衡量銷貨收入在當年收現的程度．用以評價銷貨工作的質量。該比率值越高．說明企業積壓在應收賬款上的資金越少，企業的經營成本越低．管理效率越高：2．反映總資產獲現能力的指標資產現金流量回報率=(經營現金流量+利息支出+所得稅付現)，平均總資產．該指標更全面反映資產的獲現能力，用以衡量企業運用全部資產進行經營創造現金的能力．反映企業資產利用的綜合效果。其值越大．說明企業資產的利用效率越高。

(四)財務彈性分析

企業財務彈性是指企業應付各種挑戰、適應經濟環境變化的能力．具體表現為企業能否靈活籌集資金應付偶發性支出、股利支出以及捕捉投資機會的能力。將現金流量表與資產負債表、損益表相結合，能獲取現金流量和支付現金需要兩方面信息．用以判斷企業可穩定獲得的現金是否充足．

篇4

一、 引言

現代商業銀行的經營本質上是以信用為基礎和保證的，如何有效管理銀行的信用風險，始終是商業銀行面對的重要問題。目前我國信用體系的建設尚處于起步階段，缺乏有效可行的采集、整合信用的手段和方法，因此根據我國實際情況，根據現有的信息和資源，加強信用風險模型方面的研究，開發適合我國國情的信用風險管理方法，具有重要的理論和現實意義。

基于市場數據方法的信用風險管理模型――KMV的DEF模型，是當前國際金融界最流行的信用風險計量模型之一，國內學者從1998年開始關注KMV模型，早期的研究局限于對KMV模型的介紹和分析，具有代表性的有杜本峰的《實值期權理論在信用風險評估中的應用》和王瓊與陳金賢的《信用風險定價方法與模型研究》等文章。目前國內對KMV模型的研究思路主要包括模型的修正及有效性檢驗。周沅帆用KMV模型研究中國上市保險公司的信用風險,將公司凈收益增長率引入到違約距離的計算中，并且對模型實證結果表明KMV模型有良好的預測能力。張能，張佳重新設定違約點DP=a×STD+b×LTD，選取82家上市公司作為樣本，按照一定的判斷標準，用Matlab程序進行計算得出最優的（a，b）值，通過比較新舊違約點下的違約距離，從而得出能更準確反映我國上市公司信用狀況的違約點。但是模型的修正基本圍繞違約點的設定、公司股權的波動率和預期公司資產價值等自身的修正，在我國由于有關公司破產的歷史統計數據嚴重缺乏，很難建立我國上市公司的違約距離DD和違約率DEF的映射關系，并且不能全面的反映上市公司的歷史財務狀況。

綜上所述，基于以上兩種方法的信用風險管理文獻較多，但是能把兩者有效結合的研究卻不多。所以，本文利用Fisher線性判別模型將財務比率方法與市場股票數據方法結合起來，增加了基于KMV模型，利用證券市場數據計算的違約距離作為Fisher判別函數新的自變量，建立Fisher判別函數，擴展后的Fisher模型中，將KMV模型與財務數據的結合，使新模型既能反映上市公司的歷史財務狀況，也能反映其市場變化情況，從而提高了商業銀行預測信用風險的準確度。

本文結構如下：第二部分為以財務指標為自變量的Fisher線性判別函數構建，總體預測準確率達到87.9%。第三部分為增加違約距離為自變量的Fisher模型，即擴展后的Fisher模型構建，總體預測準確率達到92.6%，準確度高于第一類模型。第四部分為實證結果比較分析。從三個層面的比較得出，商業銀行進行信用風險預測時應將財務比率與市場數據等進行綜合的分析，以提高模型預測的準確度。

二、 基于財務比率的Fisher模型的建立

1. 總樣本選取。我們視被ST的上市公司為信用差的公司，沒有被ST的上市公司為信用好的公司。截至2011年，在上海和深圳交易所上市的上市公司中有80家被ST的公司，按照證監會行業分類，其中屬于在制造業的上市公司就占了其中39家，其余均分散在其他各行業。因此為了考慮到行業資產規模及財務指標的不同，對模型建立的準確性有影響，所以本論文選擇制造業的39家上市公司作為研究對象。

在39家制造業上市公司中，剔除兩家財務數據缺失比較嚴重的上市公司，共37家，我們隨機選取了30家作為構建模型中違約公司的估計樣本，剩余的7家作為違約公司的檢驗樣本。并隨機選取了同時期，規模差別不大的30家和6家正常的制造業上市公司分別作為估計樣本和檢驗樣本中違約公司的配對樣本。

2. 變量的選取。

基于數據的全面性和代表性考慮，本文選擇了32個財務比率作為建立線性判別模型的解釋變量，這些數據來源于RESSET金融數據庫，所選的數據充分反映了企業的每股指標、盈利能力、償債能力、成長能力指標、營運能力指標、現金流量指標、資本結構指標。包括：X1每股凈資產、X2每股公積金、X3每股未分配利潤、X4資產凈利率、X5銷售毛利率、X6營業利潤/營業總收入、X7財務費用率、X8營業利潤率、X9流動比率、X10速動比率、X11股東權益/負債合計、X12股東權益/帶息債務、X13有形凈值/帶息債務、X14息稅折舊攤銷前利潤/負債合計、X15經營凈現金流量/負債合計、X16經營凈現金流量/流動負債、X17利息保障倍數、X18營業收入增長率、X19營業利潤增長率、X20凈利潤增長率、X21凈利潤增長率、X22總資產增長率、X23存貨周轉率、X24應收賬款周轉率、X25應付賬款周轉率、X26流動資產周轉率、X27總資產周轉率、X28總資產現金回收率、X29資產負債率、X30流動資產/總資產、X31流動負債/負債合計、X32凈利潤/營業總收入。

（1）Mann-Whitney U檢驗。首先，對這些指標運用U檢驗進行簡單的均值差異分析。

從表1可以看出，在5%的顯著性水平下，共有24個變量其均值在組間存在顯著性差異，因此我們剔除另外5個差異不顯著的指標，分別是X5，X19，X20，X23，X24，X25，X26，X31。24個指標從不同的方面反映了ST上市公司與正常公司的顯著區別。

（2）主成分分析。選取的24個指標涵蓋了財務比率的各個板塊，避免了遺漏重要的信息，但是選取過多的指標會增加問題的復雜性，由于有一些指標均是對同一財務比率板塊的反映，不可避免的造成信息的大量重疊。基于以上思考，本文采用主成分分析法對24個財務比率進行降維處理。由總方差分解表（表2）可以看出，保留7個主成分是合適的，首先滿足了特征根大于1的標準，并且提取7個主成分時能解釋約80%的總方差。

3. 基于財務比率數據的Fisher模型。7個主成分已經不存在多重線性關系，因此我們用這7個主成分做Fisher判別分析且選擇逐步判別法估計判別函數的顯著性，由Box'M檢驗結果（表3）的F值及其顯著水平可知，各總體協方差矩陣相等，所以所選取的變量是滿足判別分析的假定的。

由Wilks' Lambda檢驗（表4），認為判別函數在0.05的顯著性水平上是顯著的。通過逐步判別法得出的判別函數，即fisher線性判別函數為：

ST公司判別函數：G（1）=-0.527F3-1.122F5-1.068

正常公司判別函數：G（0）=0.685F3+1.350F5-1.252

三、 模型的擴展――增加違約距離DD的Fisher模型

1. KMV模型假設。本部分以2010年12月31日計算基準日，比較未來一年內這73家上市公司的信用狀況。為了便于實證分析，先做如下假定：

（1）公司違約點的確定。與KMV公司的處理方法略有不同，根據張能，張佳在《改進的KMV模型在我國上市公司信用風險度量中的應用》中的研究表明，假設違約點DP=1.8×流動負債STD+1.2×長期負債LTD時得到的違約距離更能反映我國公司的信用狀況。其中，為了使預測具有現實意義，我們的負債數據均為公司2010年中期財務報告的數據。

（2）公司權益價值計算公式：收盤價×總股數。

（3）無風險利率為2.75%。

（4）預測時間為T=1年。

2. 違約距離DD的計算。用Mathcad15.0算出所有上市公司的違約距離DD值，進行Wilcoxon檢驗可見，兩個總體的DD值存在顯著性差異（表5）。將DD值與其他24個財務比率重新進行主成分分析，進行逐步判別分析，得到的新的Fisher判別函數。

加入違約距離DD的Fisher判別函數為：

ST公司判別函數：G（1）=-0.607F3-1.259F5-0.506F6+0.506F8-1.247

正常公司判別函數：G（0）=0.755F3+1.479F5+0.411F6-0.493F8-1.390

四、 模型間預測結果比較與結論

從預測的結果可以看出，將傳統財務比率與市場數據結合起來的Fisher模型預測結果總體上優于只用財務比率建立的Fisher模型。

1. 對于13個檢驗樣本，對7個ST公司的預測準確率均為100%，6個正常公司的預測準確率為83.3%。檢測樣本的預測準確率均為92.3%。說明，兩個模型對上市公司的信用風險均具有較強的預測能力。

2. 第一類模型的總體預測的準確率為84.9%，低于第二類模型的預測結果93.2%。

3. 在銀行實務中，將違約公司誤判為正常公司導致的后果比將正常公司誤判為違約公司的后果更為嚴重，因為這將給銀行帶來更嚴重的風險。第一類模型將違約公司誤判為正常公司的概率為10.8%，第二類模型的誤判率僅為8.1%，低于第一類模型。所以，商業銀行進行信用風險預測時應將財務指標與市場數據等進行綜合的分析，以提高模型預測的準確度。

參考文獻：

1. 沈沛龍，任若恩.現代信用風險管理模型和方法的比較研究.經濟科學，2002,（3）.

2. 王春峰，萬海暉，張維.商業銀行信用風險評估及其實證研究.管理科學學報，1998,（1）.

3. Altman E I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance,1968,（23）.

4. Press S J, Wilson S. Choosing between Logistic Regression and Discriminant Analysis. J. Amer. Statist. Assoc，1978,（73）.

5. 方洪全，曾勇.銀行信用風險評估方法實證研究及比較分析.金融研究，2004,（1）.

6. 周沅帆.基于KMV模型對我國上市保險公司的信用風險度量.保險研究，2009,（3）.

7. 張能，張佳.改進KM模型在我國上市公司信用風險度量中的應用.預測，2010,（5）.

篇5

文章編號：1003－4625（2009）03－0086－05中圖分類號：F830.91文獻標識碼：A

Abstract: This paper reviews the theoretical study of domestic and foreign literatures about financial alarm. Based on evaluation of the existing theories，it is proposed that non-financial and financial variables should be combined, and financial distortion alarm theory and financial failure alarm theory should be integrated.

Key Words: Security Market; Listed Companies; Financial Warning

我國自改革開放以來，競爭激烈的市場經濟一方面為企業提供了廣闊的舞臺，另一方面也面臨著激烈的競爭和挑戰，稍有不慎就可能被卷入失敗的漩渦。企業因財務危機導致經營陷入困境,甚至破產的例子更是屢見不鮮。如何在財務危機到來之前就預先覺察苗頭，以便盡早采取措施，消除危機隱患，已成為當前亟待解決的現實問題。同時，隨著我國證券市場信息披露制度的不斷完善,根據這些信息構造合理的財務風險預警模型已經具備了現實的可能性。

從財務預警理論的發展歷程來看,財務預警理論是隨著證券市場不斷發展而產生和不斷深入的。“危機預警”的思想起源于20世紀初的歐美，在20世紀50年代取得了顯著的成果。進入90年代，由于企業危機爆發的頻率也越來越高，人們更加重視危機預警管理。在危機預警的發展過程中，財務預警的研究也相應展開。根據研究方法的差別，一般可把這些理論大致分為定性預警分析和定量預警模式兩類。

一、定性預警方面的研究

定性預警的方法主要包括災害理論、專家調查法、“四階段癥狀”分析法等幾種方法。

Scapens, Ryan和Fletcher(1981)的災害理論是分析解釋因均衡系統的影響因素緩慢變化從而引起系統的突然變化的理論。該理論認為公司就像一個流動資產的儲備池，財務比率就是用來測量流過儲備池流量的大小。但流量大小并不能夠確定儲備池是否一定要枯竭，因為可以通過債權人繼續加水。這就要看債權人怎么看待財務比率的變化。許多公司破產，原因就在于債權人看到公司財務比率惡化，然后就想抽干“儲備池”，或者不想繼續加“水”了。

專家調查法就是企業組織各領域專家運用專業方面的知識和經驗，根據企業的內外環境，通過直觀的歸納，對企業過去和現在的狀況、變化發展過程進行綜合分析研究，找出企業運動、變化、發展的規律，從而對企業未來的發展趨勢做出判斷。

“四階段癥狀”分析法認為:企業財務運營情況不佳，肯定有特定的癥狀，而且是逐漸加劇的。因此應及早發現各個階段的癥狀，對癥下藥。企業財務運營病癥大體可分為四個階段:財務危機潛伏期;財務危機發作期;財務危機惡化期;財務危機實現期。

我國學者李秉成(2004) 從上市公司財務困境形成角度、困境征兆角度探討上市公司財務困境預分析方法。提出了財務困境加權分析法和象限分析法兩類財務困境綜合分析方法。

張友棠(2004)指出建立財務預警系統是財務管理制度創新的必然選擇。在此基礎上，構建了基于經濟周期理論的財務預警管理系統――理論模型、程序方法、警兆識別、指數測度。

二、定量財務預警方面的研究

（一）單變量判定模型

最早的財務預警研究是Fitzpatrick(1932)開展的單變量破產預測研究。Fitzpatrick最早發現，出現財務困境的公司其財務比率和正常公司的相比，有顯著不同，從而認為企業的財務比率能夠反應企業財務狀況，并對企業未來具有預測作用。實證結果表明判別能力最高的是凈利潤／股東權益和股東權益／負債。

而美國的比弗Beaver (1966 )最早運用統計方法研究了公司財務失敗問題，提出了較為成熟的單變量判定模型。比弗發現具有良好預測性的財務比率依次為1.現金流量/債務總額;2.凈收益/資產總額；3.債務總額/資產總額。該研究的意義在于發現了不同財務指標具有不同預測企業破產的能力，為多變量方法預測奠定了基礎。

但是單變量模型卻具有以下局限性：其一，僅用一個財務指標不可能充分反映企業的財務特征。其二，如果使用多個指標分別進行判斷，這幾個指標的分類結果之間可能會產生矛盾，分析者可能得出不同的結論，以致無法做出正確判斷。

（二）多變量線性判定模型

美國學者Altman (1968 )最早運用多變量分析方法探討財務預警問題。Altman運用主成分分析方法提煉最有代表性的財務比率，通過統計技術篩選出那些在兩組間差別盡可能大而在兩組內部的離散度最小的變量，從而將多個標志變量在最小信息損失下轉換為分類變量，獲得能有效提高預測精度的多元線性判別方程。

Z=1.2X1+1.4 X2+3.3 X3+0.6 X4+0.999 X5

其中Z是判別函數值；X1～X5是Altman所選的5個比率，它們分別是：X1=營運資金/資產總額,X2=留存收益/資產總額，X3=息稅前利潤/資產總額,X4=權益的市場價值/負債賬面價值總額，X5=銷售收入/資產總額。

一般來說，Z值越低企業越有可能破產。奧特曼還提出了判斷企業破產的臨界值：當Z記分超過2.99時，企業被劃為不會破產之列；若Z分值低于1.81，則企業被列為破產類。在這兩個數字之間的區域被稱為“未知區域”或“灰色區域”。

我國學者周首華、楊濟華和王平(1996)提出了F分數預測模型，通過更新指標和擴大樣本數對Z分數模型進行了修正。

陳靜(1999) 以1998年的27家ST公司和對應的27家非ST公司，使用了1995-1997年的財務報表數據，進行多元線性判定分析，發現由負債比率、凈資產收益率、流動比率、營運資本/總資產、總資產周轉率6個指標構建的模型，在ST發生的前3年能較好地預測ST。

多元線性判定模型具有較高的判別精度，但也存在一些缺陷。其一，模型假定比較嚴格。模型要求自變量是呈正態分布的，兩組樣本要求等協方差，而現實中的樣本數據往往并不能滿足這一要求。這就使得許多研究都是在相對準確的前提下進行，其結論必然會有令人質疑的成分。其二，在前一年的預測中，多元線性判定模型的預測精度比較高，但在前兩年、前三年的預測中，其預測精度都大幅下降，甚至低于一元判別模型。

（三）多元邏輯(Logit)模型

多元邏輯模型的目標是尋求觀察對象的條件概率，從而據此判斷觀察對象的財務狀況和經營風險。Logit模型假設了企業破產的概率P（破產取1，非破產取0），并假設Ln[p/(1-P)]可以用財務比率線性解釋。假定Ln[p/(1-p)]=a+bx，根據推導可以得出p=exp(a+bx)/[1+exp(a+bx)]，從而計算出企業破產的概率。

Ohlson(1980)第一個采用Logit方法進行破產預測。其模型使用了9個自變量,估計了三個模型，分析了樣本公司在破產概率區間上的分布以及兩類判別錯誤和分割點的關系。他發現至少有四類顯著影響公司破產概率的變量:公司規模、資本結構、業績和當前資產的變現能力。繼Ohlson之后，Gentry, Newbold and Whitford(1985); Casey and Bartczak(1985); Zavgren(1985)也采用類似的方法進行研究。

我國學者陳曉等（2000）以38家ST公司為研究對象，運用Logit回歸，研究結果表明:負債權益比率、應收賬款周轉率、主營業務利潤/總資產、留存收益/總資產具有較強的預測能力。程濤(2002)以1998-2000年被ST的A股上市公司為研究樣本，運用時間序列回歸和Logit回歸方法，從財務指標角度和現金流量角度分別構建預警模型，并在此基礎上構建綜合預警模型。姜秀華(2001)、吳世農、盧賢義(2001)、李華中(2001)等也采用類似的方法進行研究。

Logit模型的最大優點是，放寬了模型的假設條件，運用范圍更加廣泛。但是其計算過程比較復雜，在計算過程中還有很多的近似處理，這些會影響到模型的預測準確度。如Logit模型常假定先驗概率為1?1，選擇0.5為分割點，實際上企業破產概率要比不破產概率小得多。以實際破產/非破產概率比作為先驗概率可能會影響模型的預測精度。

（四）多元概率比(Probit)回歸模型

Probit回歸模型同樣假定企業破產的概率為p，并假設企業樣本服從標準正態分布，其概率函數的p分位數可以用財務指標線性解釋。其計算方法和Logit很類似，先是確定企業樣本的極大似然函數，通過求似然函數的極大值得到參數a、b，然后利用公式p=■1■e■2dt，求出企業破產的概率。

Ohlson(1980)首先采用Probit方法進行財務預警研究的。他選擇1970-1976年間破產的105家公司和 2058家非破產公司組成配對樣本，采用極大似然法，分析了樣本公司在破產概率區間上分布以及兩類錯誤和判別閥值點之間的關系。

Probit模型和logit模型的思路很相似，所以其局限性和Logit模型類似。不同之處在于多元概率比模型假設樣本服從標準正態分布，且尋求破產概率的方法不同，Logit采用取對數方法，而Probit采用積分的方法。

（五）神經網絡分析模型

用于財務危機判定與預測的類神經網絡模型一般利用一組案例建立系統模型，類神經網絡模型接收一組輸入信息并產生反應，然后與預期反應相比較。如果錯誤率超過可以接受的水平，需要對權重W做出修改或增加隱藏層數目并開始新的學習過程。經過反復循環，直至錯誤率降低到可以接受的水平，這時學習過程結束并鎖定權重,類神經網絡就可以發揮預測功能了。

Odom and Sharda(1990)開拓了用BP神經網絡預測財務困境的新方法，其研究是以Altman所構建的五個財務比率為研究變量，使用類神經網絡與判別分析做驗證比較，其結果發現類神經網絡具有較佳的預測能力。

Tam(1991)采用人工神經網絡(ANN) 進行財務預警研究，通過對人工神經網絡的模擬，得出神經網絡可以應用于財務預警，且具有較高的預測精度。

Koh and Tan在1999年以6個財務指標為研究變量做了類似的研究，得出類神經網絡模型的預測效果優于Probit模型的結論。

我國學者楊保安等(2002)采用ANN模型進行財務危機預警研究，結果表明:樣本的實際輸出和期望輸出較為接近，顯示出神經網絡是進行財務評估的一種很好的應用工具。柳炳祥、盛昭翰(2002)分析了評價財務危機的指標體系和財務危機等級的劃分和基于粗神經網絡的財務預警方法，并用一個預警實例進行了驗證。

人工神經網絡具有較好的糾錯能力，從而能夠更好地進行預測。然而，由于理論基礎比較薄弱，ANN對人體大腦神經模擬的科學性、準確性還有待進一步提高，因此其適用性也大打折扣。

（六）其他財務預警模型

除上述提到的主要的研究財務預警的模型分析方法外，還有如遞歸分割算法、生存分析、CUSUM模型、線性目標規劃、事件歷史分析法、專家系統等模型和分析方法，但由于其適用性或準確性等原因，沒有成為主要的財務預警理論，在此不再一一贅述。

（七）財務預警理論的拓展研究

1.考慮其他非財務因素的研究

研究人員一直嘗試使用非財務信息構建預測準確率更高、預測結果更穩定的預測模型。Gilson (1989)認為高層管理者如CEO、總經理或總裁等離職也可以作為財務危機的指標。他以1979年至1984年共381家發生財務危機的公司為樣本，發現52%公司的有高級管理人員異動之情形，而正常公司只有19％。

Donaldson (1986)及GirouxWiggin (1984)認為有的經濟事件有一定的前置時間，可以用作構建模型的變量。如破產前幾年企業通常有到期票據不能及時支付、銀行貸款不能及時償還及高層管理人員出售公司股票等等。

Marquette(1980)認為使用長期性或宏觀性的經濟指標，如將利率、通貨膨脹率、景氣變動指標、產業與經濟之間關系等作為構建模型的變量，可以提高模型的準確度。

王克敏（2005）研究認為在財務指標基礎上引入公司治理、關聯交易、對外擔保等非財務指標，可以大大提高公司ST的預測準確率。郭斌等(2006) 研究認為加入貸款期限和M2增長率這兩個非財務指標的8參數建立模型，具有較高的預測精度和較好的模型擬合度。鄧曉嵐（2006）研究結果顯示加入年度累積超額收益率與審計師意見的非財務指標后預警效果較好。

2.財務失真預警方面的研究

關于財務信息失真問題，早期的研究大多從財務舞弊的動因、手段、防范與治理等方面來進行研究。1999年Healy and Wahlen首先從會計舞弊行為市場反應與識別方面進行了研究。認為投資者似乎能夠辨認物價上升期間那些為了稅收利益而采用后進先出法的公司，并且對相應的報告盈余的下降反應溫和。Green and Choi(1997)以財務指標為輸入變量，采用人工神經網絡（ANN）技術構造了建立在原始財務數據基礎上的會計舞弊判別模型，并發現這一模型將大大改善獨立審計師發現舞弊行為的能力。Beneish(1999)提出利用會計數據來判別上市公司是否存在會計舞弊的思想，他以1987-1993年間受美國證監會處罰的74家公司為會計舞弊樣本，以其他上市公司為正常樣本，基于8個財務指標建立了Probit模型，準確預測率達到了75%。Spathis, Doumpons and Zopounidis(2002)以希臘舞弊公司與非舞弊為樣本，采用多標準分析、單變量和多變量統計技術建立了包含Z計分值和不包括Z計分值的模型識別舞弊財務報告的可能性。

鹿小楠和傅浩(2003)在Beneish的研究基礎上，分別建立多元判別模型和Logit回歸模型，但對我國會計舞弊公司的判別成功率都僅僅為60%;蔡志岳、吳世農(2007)運用條件Logit回歸模型對公司信息披露違規進行預警研究，實證結果表明在違規前一年，基于財務指標、市場指標和治理指標的預警模型可以有效地提前甄別信息披露違規的上市公司。

三、對國內外現有文獻述評

在財務預警的定性研究方面，國內外學者從引起企業危機發生發展的內外各種因素進行了探討，對財務危機的各個階段進行了詳細的劃分和研究，對問題各個方面的分析都很深入。但從事定性研究的結論能夠直接和定量模型結合起來的還不多。如探討了影響企業財務困境的各種因素，但怎樣把這些因素用于財務預警模型中，進行這方面研究的人并不多見。

從財務預警的定量研究方面看，國內外學者結合各種量化的技術，出現了很多的預警模型，在上述文獻綜述中我們也可以感受到這一點。但是其應用性和可操作性較差。筆者認為，不管模型做的多么復雜和巧妙，關鍵是要能夠應用到實際中去，解決不同財務信息使用者的認知需要，這才是最根本的。

（一）財務預警模型的局限性

首先，模型會受到樣本選取范圍和樣本時間區間的限制。研究發現，從不同的樣本選取范圍和不同的時間區間所得出的預警模型存在很大的差異。影響模型精度的因素很多，包括建立模型所用資料的時效性、國別特點、行業特點等。一國建立的模型不能直接適用于另一個國家，因此有必要建立各國自己的預警模型。其次，由于不同的模型需要不同的前提條件，如自變量要服從正態分布，樣本要求等協方差等，而事實上很多時候這些條件并不能夠完全得到滿足，很多研究者所建模型大多是在近似條件下成立的，這必然影響到模型的正確性和預測精度。

（二）變量的選擇方法問題

如何選取變量指標還缺乏理論支撐，研究人員在選擇變量時，常受到自身價值判斷的影響。如Altman在建立Z模型時，也只列出了22個財務比率，從中選出了5個比率。這些比率的選擇不是建立在理論的基礎之上的，而是根據它們的“通用性”和Altman的主觀認為。另外，這些模型的變量大多只涉及財務比率，考慮非量化因素的較少。考慮非量化因素后加入定性指標的分析將會有效提高模型的準確度，這需要進一步的探索。

（三）財務預警研究重理論研究輕應用研究

財務預警研究者更多的是關注預測的準確性，但卻沒有能夠同時關心使用者的實際可操作性。財務預警研究在財務預警模型精巧性的同時，更需要在財務預警技術的應用與推廣方面多下工夫。

（四）關于財務信息失真問題

傳統的財務失敗(困境)預警模型本身不能對財務報表的真偽進行鑒別,用可能虛假的財務報告來進行財務預警,會使財務危機預警模型的預測結果發生偏差。從財務失真預警這方面來看，理論研究較少，特別是國內的研究尚處于起步階段。另外，財務失真和財務失敗預警兩方面的研究相互脫節，這兩方面的研究沒有能夠結合起來進行。

根據上述研究述評，筆者認為要重點解決財務預警理論的實際應用性問題，使其能夠真正滿足財務信息使用者的需要。應注意使用包括非量化因素的財務預警指標體系，尤其要注意建立財務失真（舞弊）和財務失敗（困境）二者相結合的雙元財務預警模型，一方面，對中國不發達、不完善的證券市場而言，財務信息失真問題是非常嚴重的（事實上在美國這樣成熟的市場，財務失真現象也是大量存在的），財務失真的預警研究尤其必要。但從現有的文獻來看，絕大多數的理論性研究局限于上市公司會計舞弊的動因、手段、防范和治理，很少涉足舞弊的市場反應與識別和預警問題，特別是預警模型的研究。另一方面看，上市公司所面臨的各種危機和財務困境，要求我們要進行財務失敗預警的研究。這方面的文獻較多，正如前面所述，理論上也較為豐富。但是，財務失敗預警的研究沒有和財務失真預警研究結合起來，用可能是失真的數據來預警，其結果可想而知。所以，要建立財務失真和財務失敗雙方面相結合的財務預警模型，才是正確解決上市公司財務預警問題的根本之道。

參考文獻：

[1]A1tman E.I, “Financial Ratios, Discriminant Analysis, and the Prediction of Bankruptcy”, Journal of Finance, September 1968.

[2]Amy Hing-Ling, “A Five-State Financial Distress Prediction Model”，Journal of Accounting ResearchSpring 1987.

[3] Carmichael, D.R., The Auditor's Reporting Obligation. Auditing Research Monograph No.l(New York: AICPA), 1972.

[4]Charles E. Mossman, Geoffrey G. Bell, L. Mick Swartz. Harry Turtle. An Empirical Comparison of Bankruptcy Models. The Financial Review 33. 199835-54

[5] Green B.P. and Choi J.H. Assessing the Risk of Management Fraud though Neural Network Technology [J].Auditing, 1997,(16):1―19.

[6]Ohlson, J.S.，“Financial Ratio，and the Probabilistic Predict ion o f Bankruptcy", Journal of Accounting Research Vol.18,No1,1980.

[7] Odom, M.D., and R.Sharda. “A Neural Network Model for Bankruptcy In Proceedings of the International Joint Conference on Neural works”.1990,6:136-138.

[8]Scott，J, “The Probability ofBankruptcy A Comparison of Empirical Predication and Theoretical Model”，Journal of Banking and Finance,September, 1981.

[9]Tam and Kiang ,“Predicting Bank Failures: A Neural Network Approach”, Management Science[J]，1992, 8:926-947.

[10]蔡志岳,吳世農.基于公司治理的信息披露舞弊預警研究[J].管理科學,2006,(8).

[11]陳工孟,芮萌,許慶勝.現代企業財務困境預測[M].上海:上海財經大學出版社,2006,(7).

[12]陳靜.上市公司財務惡化預測的實證研究[J].會計研究,1999,(4).

[13]程濤.財務預警模型綜述[J].山西財經大學學報,2003,(10).

[14]鄧曉嵐,王宗軍,李紅俠,楊忠誠.非財務視角下的財務困境研究[J].管理科學,2006,(6).

[15]姜秀華,孫錚.治理弱化與財務危機:一個預測模型[J].南開管理評論,2001,(5).

[16]金春蕾,郭煒,王宗軍.我國上市公司財務失敗預警模型的評析[J].商業研究,2003,(12).

[17]鹿小楠,傅浩.中國上市公司財務造假問題研究[J].上證研究,2003,(2):36-95.

[18]彭韶兵.財務風險機理與控制分析[Z].西南財經大學,2001博士學位論文.

[19]秦江萍.會計舞弊的市場反應與識別[M].北京:經濟科學出版社,2006,(5).

[20]宋雪楓.中國上市公司財務危機預警問題研究[Z].上海交通大學,2006年博士學位論文.

[21]王克敏,姬美光.基于財務與非財務指標的虧損公司財務預警研究[J].財經研究,2006,(7).

[22]王玲玲,曾繁榮.財務預警模型評述[J].市場論壇,2005(12).

[23]吳革.財務報告粉飾手法的識別與防范[M].北京:對外經濟貿易出版社,2003,(1).

[24]吳世農.現代財務管理理論與方法[M].北京:中國經濟出版社,1997.

[25]夏毅,魏嵐.企業財務危機預警研究[J].當代經理人,2005,(18).

[26]楊寶安,季海.基于人工神經網絡的商業銀行貸款風險預譽研究[J].系統工程理論與實踐,2001,(5).

[27]袁業虎,張燕.中外財務預警實證研究述評[J].審計與理財,2005,(9).

[28]張鳴,張艷,程濤.企業財務預警研究前沿[M].北京:中國財政經濟出版社,2004,(4).

[29]張鳴,張艷.財務困境預測的實證研究與評述[J].財經研究,2001,(12).

[30]張玲.財務危機預警分析判別模型[J].數量經濟技術經濟研究,2000,(3):49-51.

[31]張友棠.財務預警系統管理研究[M].北京:中國人民大學出版社,2004,(3).

篇6

中圖分類號：F2

文獻標識碼：A

文章編號：1672-3198（2013）09-0027-02

企業信用評估和企業財務預警是企業財務管理研究的重要課題。諸多學者將兩個問題一起進行研究，這兩者之間還是有本質區別的。財務預警即財務失敗預警，是指借助企業提供的財務報表、經營計劃及其他相關會計資料，利用財會、統計、金融、企業管理、市場營銷理論，采用比率分析、比較分析、因素分析及多種分析方法，對企業的經營活動、財務活動等進行分析預測，以發現企業在經營管理活動中潛在的經營風險和財務風險，并在危機發生之前向企業經營者發出警告。信用評估本質上是對企業履約各種承諾能力和信用程度進行全面評估，預測未來償債可能性來辨識不同企業的方法。服務的對象有商業銀行、金融監管機構、與受評對象有業務往來的商業客戶以及社會公眾和投資者。

（1）定性評估方法：人工專家分析法，又被稱為古典信用分析方法，包括5C、5P、5W法，5C法指貸款申請企業或個人的道德狀況，償債能力，貸款申請企業或個人的財產狀況，可用于進行貸款申請時抵押擔保的資產價值，宏觀經濟狀況。 5W法指貸款申請人、申請貸款的使用、貸款的時間長度、擔保資產價值及還款方式。目前我國商業銀行實務中仍主要采用的信用評估分析方法。

（2）定量評估方法。

①統計方法：多元判別分析法（Multi-linear Discriminate Analysis）是較早應用于企業信用評估的多元統計方法。Altman（1968）最早提出Z-score模型對企業運營財務危機預警、企業違約預測問題進行研究，使用較少的財務比率迅速進行判斷分析，使用年度報表的數據運用財務比率進行分析：企業運營成本/平均總資產、留存收益/平均總資產、息稅前利潤總額/平均總資產、普通股股東權益合計/平均總負債、營業收入/平均總資產，并且對三十多家樣本公司進行分析，得到準確率較高的分析結果，該模型屬于貝葉斯判別，用樣本修正已有的先驗概率分布得到后驗概率分布。這篇經典論文開創了企業破產預測，財務危機預警，信用評估分析的先河。Altman（1977）在前述論文的基礎上進行了完善，又加入幾個財務比率建立ZETA模型，使用總資產收益率（利潤總額/平均總資產）、利潤增長率（利潤總額/上一年利潤總額）、利息保障倍數（息稅前利潤總額/利息費用）、留存收益/平均總資產、流動比率（流動資產/流動負債）、平均總資產、公司股票市價等財務比率，得到比簽署模型更好的分析結果。Logistic模型分析。Martin（1977）使用財務比率進行企業經營財務預警及企業貸款違約分析，使用多元統計學中的Logistic回歸方法，使用1970至1971年的報表數據從的美聯儲成員銀行5600多家中選取58家屬于財務困境，違約樣本的銀行進行分析測算，使用資產凈利率（利潤總額/平均總資產）等8個財務比率，進行分析測算，并且分析不同的信息使用者的風險偏好差異，如投資人和債權人，測算不同的風險預警系數，便于信息使用者更好地作出分析決策，得到較好的分析結果，并且使用該多元回歸模型與前述的Z-Score模型，ZETA模型測算的結果進行對比分析，得到優于前述模型的預測數據。吳世農（2001）收集我國上市公司1998至2002年A股市場的ST公司共計七十多家，收集樣本數據的時間是公司轉化成ST的年度，并且選取相關行業的七十多家作為對照組樣本，進行橫截面數據分析，選用不同的計量模型進行對比研究，主要有線性概率模型（LPM），Fisher二類線性判定，Logistic模型等多元統計方法對企業財務進行預警研究，最終結果是Logistic模型的預測準確率均高于Fisher判別分析法和LPM的準確率。于立勇、詹捷輝（2004）也使用Logistic模型，選取商業銀行的貸款企業客戶的財務數據進行信用違約的分析，得到較好的測算概率。方洪全、曾勇（2004）在銀行信用風險評估方法實證研究及比較分析中運用Logit模型分析。李志輝、李萌（2005）選取了195家上市公司為樣本，Logistic模型的準確率高于線性判別模型神經網絡模型。Junni L. Zhang（2010）運用貝葉斯加分類樹法對德國公司財務報表數據進行償債能力進行有效得分類。

②信用風險評估模型。Credit Metrics（信用計量模型）是摩根大通等美國知名金融機構采用用VaR（在險價值模型）的思路，對個人和企業的貸款以及其他金融資產進行價值估計和風險預測的計算方法。麥肯錫公司提出的Credit Portfolio View模型（信貸組合審查模型），是改造Credit Metrics模型，考慮到周期性宏觀經濟因素，結合信用風險評級轉移和宏觀經濟變量如年度經濟增長率、市場利率、政府支出等建立關聯模型，使用蒙特卡羅技術模擬宏觀經濟周期性因素的計算得到評級轉移概率。KMV模型（Credit Monitor模型）（是美國KMV公司提出后被穆迪公司收購），該模型是可以對上市公司的信貸違約概率進行預測分析。張玲等（2004）運用KMV模型評估我國上市公司ST公司和非ST公司的信用風險后得到，改變KMV模型的相關變量可以至少提前2年預警我國上市公司的信用違約風險，并且可以提前4年進行上市公司的信用風險變化趨勢的預測。戴志鋒等（2005） 運用KMV對我國上市公司數據和某國有商業銀行非上市公司的信貸數據進行驗證，實證結果表明非上市公司模型在中國具有一定的預測能力，但預測準確率低于歐美國家。Credit Risk+模型（信用風險附加模型）是由瑞士信貸銀行金融產品部（CSFP）開發的，它是一個違約模型（Default Model）。

③人工智能方法：神經網絡。陳雄華等（2002）采用人工神經網絡模型研究企業信用等級的評估問題，按照企業樣本分為制造業和非制造業兩大類，利用偏相關分析方法建立了企業信用評級的指標體系，實驗結果表明神經網絡模型具有更好的預測準確性。于立勇（2003）收集一百多個企業作為訓練樣本，運用神經網絡模型進行信用違約風險分析，得到有效的預測結果。章忠志、符林、唐換文（2003）使用神經網絡模型，選取28個企業數據做為樣本進行分析，預測結果準確率達到90%以上。徐佳娜、西寶（2004）使用人工神經網絡模型與層次分析法（AHP）相結合建立模型對企業信用風險進行評估，預測結果說明該模型比已有的其他模型準確更高。張衛東等（2006）建立模型結合前饋型神經網絡、遺傳算法和模糊數學方法來，評估商業銀行企業客戶的信用風險，使用Matlab軟件對選取的商業銀行企業客戶數據進行測算，得到的結果表明準確率比以前的模型方法有所提高，模型更具魯棒性。夏紅芳（2007）通過與上海某商業銀行的合作，對其1999-2005年的貸款明細和公司財務數據進行了系統研究，運用粗糙集理論的約簡功能，從中選出最能反映企業信用狀況的8項財務指標，再應用模糊神經網絡方法進行信用評估，實證研究表明所提方法具有較高精度。但是使用人工神經網絡模型需要根據實際的樣本數據不斷調整系數，相對而言模型的魯棒性不夠強。戴芬（2009）根據中小企業信用評估指標體系，提出了一種基于蟻群神經網絡的評估模型。結果表明蟻群神經網絡的預測方法與傳統的BP 神經網絡預測方法相比，具有較強的泛化能力，應用在中小企業信用評估系統中具有很高的評估準確率。

整數規劃法。薛鋒（2006）選取上市公司數據，使用混合整數規劃法，建立企業信用風險評估模型進行信用風險評估，模型可以滿足非參數檢驗，也不需要樣本數據服從正態分布，可以較為廣泛的應用，經數據實際測算的結果說明，該模型魯棒性較好，預測效果較好，準確率較高。遺傳算法。薛惠鋒（2006）利用人工智能方法——GA-PSO混合規劃算法構建企業信用風險評估模型。并利用上證50若干企業的實際數據對模型進行了實證檢驗。實證結果顯示該模型能有效預測上市企業的信用風險狀況。該模型在收斂性能及預測準確率等方面優于基于傳統的多元回歸方法及GP方法的信用風險評估模型。Jonathan N. Crook（2007） 參考諸多文獻比較線形回歸（LDA），Logistic回歸，決策樹，數學規劃法，神經網絡法，遺傳算法，遺傳編程，K近鄰法，支持向量機幾種方法，認為支持向量機法的準確率相對較高。

從以上對國內外研究現狀的分析可知，盡管國內外已有許多專家學者對商業銀行客戶信用評估進行大量的研究，但在實際應用中涉及中小企業的研究較少，未考慮我國企業普遍存在的內部人控制的企業中管理者個人因素對企業信用的影響，限制了模型的適用范圍。

參考文獻

[1]Altman，E.I.，Financial ratio discriminant analysis and the prediction of corporate bankruptcy[J].Journal of Finance，1968，23（4）：189-209.

[2]Altman，E.I.，R.Haldeman & P.Narayanan，ZETA analysis：A new model to identify bankruptcy risk of corporations[J].Journal of Banking and Finance，1977，（l）：29-54.

[3]D.Martin.Early warning of bank failure： A Logit regression approach[J].Journal of banking and finance，1977，（1）：249-276.

[4]吳世農，黃世忠.我國上市公司財務困境的預測模型研究[J].經濟研究，2001，（6）：46-55.

[5]于立勇，詹捷輝.基于Logistic回歸分析的違約概率預測研究[J].財經研究，2004，（9）：15-23.

[6]方洪全，曾勇.銀行信用風險評估方法實證研究及比較分析[J].金融研究，2004，（1）：62-69.

[7]李志輝，李萌.我國商業銀行信用風險識別模型及其實證研究[J].經濟科學，2005，（5）：61-71.

[8]Junni L. Zhang，Wolfgang K. Hrdle The Bayesian Additive Classification Tree applied to credit risk modeling Computational[J].Statistics and Data Analysis 54 （2010） 1197_1205.

[9]張玲，楊貞柿，陳收.KMV模型在上市公司信用風險評估中的應用研究[J].系統工程，2004，（11）.

[10]戴志鋒，張宗益，陳銀忠.基于期權定價理論的中國非上市公司信用風險度量研究[J].管理科學，2005，（6）.

[11]陳雄華，林成德，葉武.基于神經網絡的企業信用等級評估系統[J].工程學報，2002，（6）：570-575.

[12]于立勇.商業銀行信用風險評估預測模型研究[J].管理科學學報，2003，（5）：46-52.

[13]章忠志，符林，唐換文.基于人工神經網絡的商業銀行信用風險[J].模型經濟數學，2003，（3）：42-47.

[14]徐佳娜，西寶.基于AHP-ANN模型的商業銀行信用風險評估[J].哈爾濱理工大學學報，2004，（3）：94-98.

[15]張衛東，韓云昊，米陽于.GA-BP模糊神經網絡的商業銀行信用風險評估[J].工業工程與管理，2006，（5）：81-84.

[16]夏紅芳.商業銀行信用風險度量與管理研究[D].南京：南京航空航天大學，2007，（8）.

[17]戴芬，劉希玉，王曉敏.蟻群神經網絡在中小企業信用評估中的應用[J].計算機技術與發展，2009，（10）：218-221.

篇7

關鍵詞 機械制造業 財務狀況預警 經濟學分析

一、相關企業的樣本選取以及變量選取

財務狀況的相關預警預測對于企業的生存和發展有著非常重要的作用。直到2002年的年底，在深圳和上海兩個城市的A股市場中有著一百零五家ST公司，我們見面過在深圳的相關A股市場中進行機械制造產業的相關企業作為實際的研究資料，對其分別通過機械制造相關產業的相關ST作為其抽取的相關樣本，并且對于機械制造產業中的ST企業中抽取十家，再將實際的機械制造相關產業中非ST的相關企業作為樣本，并依據一定的比例間隔對于十家非ST相關公司進行隨機抽取并作為其對照樣本組。除此之外，在進行五家相關機械制造產業的相關公司進行隨意抽取并將其作為測試樣本，依照這樣的原則在深圳市的A股交易市場的二十五家已經上市的機械制造產業中的相關企業作為此次進行研究的相關樣本，并且對他們分別計算出每股的實際收益、以及股東實際權益的相關比率和凈資產的實際收益率以及總資產實際周轉率和主營業務的實際利潤率、企業的總資產的實際增長率。詳細的相關情況請見表一：

為了分析對于上面情況所敘述的相關財務比率是不是能夠真正有效的進行ST公司同非ST公司有效的區別，我們對于上述的20家相關的上市公司的實際的相關估計樣本通過相關統計軟件來進行6個相關財務比率的T檢驗。經過對于T檢驗所得出的結果的分析和了解，我們獲得以下的相關結論：在每一股的實際收益以及主要經營項目業務的實際利潤率進行雙尾T的相關檢驗的實際顯著性的概率都大于百分十零點零五。可以認為對于每股收益以及其主要經營項目業務的實際利潤率都不能對于ST公司以及非ST公司進行良好的有效的區分。企業的凈資產的實際收益率、總資產的實際周轉率、股東權益的實際比率以及總資產的實際增長率的相關雙尾T的實際檢驗的相關顯著性的相關概率都小于百分之零點零五。這四項相關比率都能夠對于機械制造產業的非ST公司以及ST公司進行良好的區分。以下將選用凈資產的實際收益率（Y3）、總資產的實際周轉率（Y2）、股東權益實際比率（Y1）以及總資產的實際增長率（Y4）這四項指標來將其作為研究的實際有效的相關財務變量并建立起實際的機械制造產業的相關財務狀況的相關預警預測模型。

模型的建立

在對于20家相關企業的十幾樣本組的某年所進行上報的相關財務比率數據進行統計軟件的相關統計之后進行了分析，對于其主要的成分特征值以及貢獻率進行了相關對比。得出Z1的實際運營能力的特征值是1.91，其貢獻率是40.8%。累計貢獻率是38.08%；Z2的發展能力其特征值是0.97，貢獻率是19.2%，累計貢獻率是57.0%；Z3的盈利能力其特征值是1.12，貢獻率是19.4%，累計貢獻率是77.4；Z4的償債能力其特征值是1.30，貢獻率是21.6%，累計貢獻率是100%。我們將其累計貢獻率取為100%，也就是說這四項主要的相關成分所包括的原有的相關變量信息的100%。這四項財務的原始比率對于這四個的主要的成分的實際因子負荷量以及因子得分系數的相關矩陣見以下表3和表4。

依照上述的情況進行分析，我們能夠得到在機械制造相關產業的實際ST公司的相關財務狀況的實際預警預測模型應該如下所示：

RS=0.408*Z1+0.192*Z2+0.194*Z3+0.216*Z4

當RS大于等于0.07，就表明了該企業是一種非財務狀況下預警的相關企業，當RS的值大于0.07，就表明該企業是財務狀況的相關預警企業。

模型的實際檢驗

為了對于相關模型進行預警作用的實際檢驗，我們將其他的機械制造相關產業的相關測試樣本組里面的6家企業（其中3家是機械制造相關產業的實際非ST公司和2家是機械制造相關產業的相關ST公司）中的以上四項實際的財務比率運用預警模型進行相關計算并得到了相關的RS預測分值。其結果如下：

通過檢測的相關結果顯示，在機械制造相關產業中的ST公司其RS值都小于0.7，其檢測的結果與實際情況一直，而三家非ST機械制造相關產業的企業的實際RS值都大于0.07，這就進一步說明了這三家企業并不是財務狀況的相關預警企業，從而同實際情況達到一致。

模型局限性

1.預警預測的財務狀況的前提是該企業對于其自身的相關財務數據具有真實可信的特點，但是由于現在的企業的相關會計信息出現著頻繁的失真現象，因此有一些相關企業不能夠對于自身的實際財務數據進行真實性的反應。這樣就會使得上面所涉及的模型里面的相關財務指標不能夠真實完全對于企業的實際經營業績進行反映。因此，在對于企業的預警預測財務狀況進行良好的模型規劃之后，還要對于企業的實際會計管理進行加強，保證企業的會計信息的準確性，保證在企業進行財務數據的的時候，能夠是企業的真實財務發展運營狀況，從而保證企業在其進行相關統計和分析的時候，不會偏離公司的正常經營發展狀況。以便于有效的提高企業的綜合運營水平，加強企業的綜合競爭力。

2.從相關行業的方向來說，這項模型是通過機械制造相關產業作為實際分析和計算的樣本而得到的，因為在不同的企業中的產業的實際財務比率都有著自己的特點，造成不同產業之間存在著差異，所以對于不是機械制造相關產業的企業在運用該模型進行相關研判的時候一定要在事先進行修正。要根據自己所在公司的經營狀況，市場經濟發展情景以及自身的各項因素等進行詳細的了解和對比，找出適合自己所在企業的預警預測財務狀況的相關模型，從而真正的幫助企業建立起良好的財務預警預測系統。

3.根據本文中所設定的模型并沒有對于非財務指標的相關因素的有關影響進行考慮。所以模型的實際應用還會受到不用的企業的評價標準自身主觀性、條件差異性等的限制，從而難以對于企業全面滿足。所以在進行預警模型的了解和分析的前提下，還應該對于非財務相關指標的干擾因素以及一些有經驗的相關分析人員的實際直覺來進行定性的評價以及分析。

總結：財務狀況的相關預警預測對于企業的生存和發展有著非常重要的作用。在對于企業的預警預測財務狀況進行良好的模型規劃之后，還要對于企業的實際會計管理進行加強，保證企業的會計信息的準確性，保證在企業進行財務數據的的時候，能夠是企業的真實財務發展運營狀況，從而保證企業在其進行相關統計和分析的時候，不會偏離公司的正常經營發展狀況。本文通過對于上海和深圳的20家上市企業進行財務比率的統計和分析，得出在機械制造相關產業中的財務預警預測的相關模型。從而有效的實現對于機械制造相關產業的財務狀況實際的預警的經濟學研究和分析。

參考文獻：

[1]位文明，劉海濤，張俊，趙萬華，張曉毅，朱祥.基于實際面壓力分布的結合面有限元建模方法.中國科技論文在線.2011（08）.

篇8

迄今為止，國內外對于企業財務危機的界定仍然存有諸多意見。Beaver(1966)把破產、拖欠優先股股利和拖欠債務界定為財務危機。Altman(1968)、Ohlson(1971)、Zmijewski(1984)等將企業根據破產法提出破產申請的行為，作為確定企業進入財務危機的標志，他們研究的對象也局限在法定的破產公司。Altman(1990)的研究則綜合了學術界描述財務危機的四種情形：經營失敗、無償付能力、違約、破產。總體而言，財務危機的認定多集中在破產清算或無償付能力等。

而在我國，由于制度性原因，大量基于上市公司財務危機的實證研究采用了“ST”制度(張玲，2000；吳世農等，2001等)，將因“財務狀況異常”而被特別處理的公司判定為財務危機公司。實際上，本文認為上市公司首次出現虧損即可列入財務危機范疇。原因有以下幾點：

(一)由于我國的上市公司連續兩年虧損將被特別處理，發生虧損的公司總會千方百計扭虧為盈，諸如盈余管理或者資產轉讓、債務重組層出不窮，以避免摘牌的危險，保住寶貴的“殼”資源，除非危機嚴重到無法收拾局面，因此企業總是千方百計維持良好盈利能力的形象。陸建橋(1999)的實證研究也證實了虧損企業在首次虧損之前存在普遍的盈余管理行為。所以，首次出現虧損的公司我們即可認定上市公司財務危機。

(二)企業首次虧損就預示著財務的危機也得到了審計師的認同，1999年全部上市公司非標準審計意見的比例為19．64％、2000年為14．48％，2001年為13．38％，2002年為12．1％，而同期首次虧損的公司當中非標準審計意見比重分別為63．04％、52．17％、48．28％和27．38％，遠遠高于平均水平。

(三)多數發生首次虧損的企業，都伴隨資金周轉的困難，在我們所研究的發生首虧的上市公司中，流動比率或速動比率小于1的上市公司占66．8％。

(四)大多數發生首虧的上市公司，都在隨后年度的經營中再次出現虧損的，1999年至2001年期間發生首虧的上市公司在隨后一年的經營中繼續虧損的比例為51．7％，在隨后兩年內的經營中繼續虧損的比例為65．6％。因此，當企業首次出現虧損時，我們就可以將其認定為發生了財務危機。由于企業的經營是一個動態的過程(呂長江等，2004)，如果企業在隨后幾年內繼續出現虧損，以致于無法進行正常生產經營，更無法償還到期債務，則進入財務破產的階段；否則則轉危為安。

二、研究設計

(一)樣本確定

1．研究樣本時間的確定

本文對企業財務危機的研究，將追尋到其發生首次虧損前兩年。這樣做一方面是基于對于企業財務危機狀況的早期診斷，有利于投資者制訂有效的決策；另外一方面，也是考慮到無形資產的本身作用機理，諸如人力資產、內部結構性資產等無形資產，其對企業經營的作用，往往不是通過當期的經營過程就可以得到準確的反映的，而通常需要在一定時間的協作和磨合后，才會逐漸對企業的經營產生作用。我們在研究的過程中，用t＝0表示危機發生當年，t＝－1表示危機發生的前一年，t＝－2表示危機發生的前兩年。

2．研究樣本的確定

考慮滬深交易所“ST”制度的頒布時間為1998年，并且我國上市公司對部分非財務信息的披露始于《信息披露的內容與格式準則第二號年度報告的內容與格式》(1998)的頒布以后，故本研究構建診斷模型所需樣本為滬深交易所1998年后發生首次虧損的上市公司。根據我們研究樣本時間確定的要求，最終我們將樣本總體的采集時間限定于滬深交易所2000年后發生首次虧損的上市公司。與此同時，根據Stooll and Curley(1970)、Ritter(1991)、Loughran and Ritter(1995)、Aharony，Lee and Wong，(1997)等的研究，上市公司在其首次公開發行股票之前，往往會通過財務包裝行為高估公司發行股票前年度的利潤，以圖提高股票發行價格和公司信譽，而當公司發行股票之后，前期高估的利潤就會沖轉回來，導致公司股票發行后年度業績的人為滑坡。為了使本論文的研究免受股票發行定價方面因素的影響，我們在選取樣本時，剔除了虧損上市公司中上市不足兩年的上市公司和因財務信息違規操作而被處理的上市公司。并且，為了控制外部環境和行業因素的影響，我們在選擇虧損公司樣本時，還為每家虧損公司選取了一個控制公司，組成控制樣本，控制樣本公司的選取步驟為：(1)確定每家虧損公司所屬行業及其第一次出現虧損前一年末的資產總額；(2)在扣除所有虧損公司之外的上海證券交易所A股盈利公司中選取與虧損公司同行業，且上市已在兩年以上的公司；(3)在與每家虧損公司隸屬行業相同的盈利公司中，最終選取虧損前一年度與虧損公司資產總額最為接近的那家公司作為控制公司。

3．樣本研究指標的確定

根據現有文獻所涉及的指標，并考慮到相關指標獲取的難易程度，本文對樣本研究指標的確定，具體如表1所示。

(二)樣本數據來源及其他說明

本來對上市公司財務危機診斷的研究數據，來源于wind數據庫和巨靈數據庫。在研究過程中，我們利用spss11．5 for windows作為本文主要的數據分析工具。在分析的過程中，我們將選取的樣本按照發生首次虧損的時間，劃分為t=0、t=-1、t=-2三個混合樣本，分別對上市公司的財務危機的診斷效率進行比較分析。

三、實證研究

樣本的描述統計及單指標檢驗

樣本的描述性統計及兩個樣本對照組的均值檢驗和wilcoxon秩和檢驗。

通過表2中對樣本指標的全樣本描述，我們可以發現，利用單指標對上市公司財務危機進行診斷的效力，財務比率要明顯優于無形資產比率。但財務比率在上市公司財務危機發生當年的診斷能力最高，隨著時間的前移，財務比率對財務危機發生的診斷能力有減弱趨勢。而無形資產比率對上市公司財務危機的診斷效力，除B4用人費用率以外，則隨著時間的前移，有逐漸增強的趨勢。

另外，從無形資產比率單指標的診斷能力來看，利用非財務指標計算所得的無形資產比率，如B1國有股比重、B2股權集中度等，這類反映內部結構性狀況的無形資產對上市公司財務危機的提前診斷能力更強；而利用財務指標計算所得的無形資產比率，B3無形資產比率和B4用人費用率，則對上市公司財務危機的提前診斷能力相對較弱，這可能是因為，利用財務指標計算的無形資產比率，與財務指標之間存在的相關性所致。其中，B2股權集中

度的診斷能力最強，這與姜秀華、孫錚(2001)在研究中的發現相一致，姜秀華等曾發現股權集中度對上市公司財務危機具有較強的解釋效力。

由此可見，利用單指標對上市公司財務危機進行診斷時，無形資產比率指標是具有解釋能力的，并且與我們的假設相一致，內部結構性資產等無形資產對上市公司財務危機的甄別能力帶有一定的前瞻性。治理效能的好壞、內部經營管理的優劣，是影響上市公司企業業績的深層原因，這些因素之間相互作用，對上市公司的財務狀況產生影響，而這一影響往往是潛移默化的，通過未來期的上市公司企業經營才能得以體現，因此無形資產對上市公司的財務危機診斷能力，隨時間的前移有增強的趨勢。

四、結論及建議

上文的實證結果表明，加入無形資產比率指標的研究，有助于盡早地診斷企業財務危機的發生，提高上市公司的財務危機模型診斷能力，而且有別于財務比率，無形資產比率對于上市公司財務危機發生的診斷能力，隨著時間的前移有所增強，更有利于投資者對上市公司的未來經營狀況做出準確及時的判定。因此，如何在財務報告中及時準確地反映企業無形資產，提高上市公司財務報告的有效性，將成為我們今后研究和討論的重點。

首先，會計控制需要發揮新的作用，要求能夠更加及時有效地反映企業生產經營的全貌，就要適當拓展無形資產的內容(Baruch，1999；孟翠湖，2004；王廣慶，2004；等)，增加知識型資本的確認范圍，要將人力資本、知識產權等無形資產納入會計系統進行確認。

篇9

關鍵詞：財務危機；預警；指標體系

一、引言

“財務危機”又稱財務困境，最嚴重的財務危機是企業破產。企業因財務危機最終導致破產實際上是一種違約行為，所以財務危機又可稱為“違約風險”。

關于財務危機的定義，目前尚無一個統一的說法。具有代表性的觀點有以下幾種：(1)Beaver(1966)將破產、拖欠優先股股利、拖欠債務界定為財務危機。(2)Altman(1968)定義的財務危機是進入法定破產、被接管或者重整的企業。(3)Deakin(1972)則認為財務危機公司僅包括已經經歷破產、無力償債或為債權人利益而已經進行清算的公司。(4)Carmichael(1972)認為財務危機是企業履行義務時受阻，具體表現為流動性不足、權益不足、債務拖欠及資金不足四種形式。(5)Wruck(1990)給出的財務危機的定義是企業現金流量不足以抵償現有債務的情況，這些債務包括應付未付款、訴訟費用、違約的利息和本金等。(6)Ross等人(1999；2000)則認為可從四個方面定義企業的財務危機：一是企業失敗，即企業清算后仍無力支付債權人的債務；二是法定破產，即企業和債權人向法院申請企業破產；三是技術破產，即企業無法按期履行債務合約付息還本；四是會計破產，即企業的賬面凈資產出現負數，資不抵債。(7)Lee(2004)認為可以從兩方面定義財務危機：一是未能償還到期借款的本息，借款期間有過延期還款和減少本息支付的協議；二是公司的凈資產減少到其股本的一半以下。

綜合上述各種定義可知，無論財務危機如何定義，企業發生財務危機都具有無力償還到期債務、現金流的緊張狀態可能使經營無法持續的特點。財務危機的出現意味著企業基本面發生根本性變化，處理不當就會導致企業破產。因此，識別企業財務危機，并對其做出預警，不僅對企業經營者及時采取措施化解危機具有重大的意義，而且對于投資者規避風險也有非常重要的價值。

二、文獻綜述

企業財務危機預警問題的研究很早就引起了各方面的關注，很多經濟學家與財務專家都在這方面做了大量的工作，他們利用相應的財務變量構造了一系列的預測模型，其中有代表性的研究成果可歸納為四類。

(一)單變量模型

單變量模型是運用單一變數、個別財務比率來預測財務危機的模型。最早的財務預警研究是Fitzpatrick(1932)的單變量破產預測研究。此后，WilliamBeaver(1966)使用單變量為分析方法，采用成對抽樣法進行樣本配對，考察了29個財務比率在企業陷入財務困境前1-5年的預測能力。Beaver發現在破產前一年的預測正確率可以達到87%，對于失敗企業是最具有預測能力的指標。國內學者對單變量模型也作了較深入的研究，包括陳靜(1999)以1998年的27家ST公司和27家非ST公司，使用1995-1997年的財務報表數據，進行了單變量分析。吳世農和盧賢義(2001)以70家ST公司和70家非ST公司，應用單變量分析法研究了在上市公司陷入財務危機前5年21個財務指標之間所存在的差異。

單變量模型的優點是只需要觀測一個變量，應用比較簡單；但是，任何一個財務比率無法充分和全面地反映企業的財務特征，所以該方法在現今的研究中很少被單獨使用，一般都是與其他方法結合運用。

(二)多變量分析模型

多變量分析模型又可以分為多元回歸分析模型和多元判別分析模型。EdwardAltman(1968)使用多變量分析法對企業財務危機進行研究。他以1946-1965年間33家破產的制造業企業為樣本，并配對33家正常企業，將22項財務比率分為流動性、獲利性、財務杠桿、償債能力和活動力五大類指數，利用多變量分析法建立了著名的Z-Score記分模型。Meyer和Pifer(1970)以1948-1965年間失敗的30家銀行與其相匹配的30家非失敗銀行為樣本，利用二元回歸分析法建立模型，并且用9對相匹配銀行組成的預測樣本對模型進行了驗證。此外，還有其他典型的判別分析模型，包括：Deakin模型、Blum模型、Casey模型和Taffler模型等等。國內的相關研究主要有陳靜(1999)使用1995-1997年的財務數據，對27家ST公司和27家非ST公司進行的多元判別分析。張玲(2000)以120家公司為研究對象，使用其中60家公司的財務數據，通過多元判別法建立了財務危機預警模型。盧守林等(2002)以滬深兩市A股市場上所有上市公司1998-2000年的財務資料為依據，用多元判別分析法構建的Z-Score模型。

多變量分析法彌補了單變量分析法的不足，具有較高的準確率和穩定性，但是也存在著一些不足：第一，這種方法受到了統計假設的限制，只適用于自變量近似服從正態分布的情況，并且要求組內的協方差矩陣相等，否則得到的預測結果可能是有偏的；第二，多元判別分析要求財務危機公司與正常公司之間一定要配對，而配對的標準具有較大的主觀性。

(三)多元條件概率模型

多元條件概率模型是使用極大似然法對參數進行估計的一類概率模型，包括Logistic模型和Probit模型。Martin(1977)首次使用Logit模型預測公司的破產及違約概率。Ohlson(1980)從1970-1976年間在美國的上市公司之中排除公共事業、運輸公司、金融服務業，總共挑選出105家破產公司和2058家正常公司為樣本，采用九個財務比率建立了Logit模型。Huffman&Ward(1996)運用Logit模型對1977-1991年間違約的171家企業的高收益債券進行了預測研究等。國內的相關研究主要包括：吳世農和盧賢義(2001)分別采用多元判別分析和Logit回歸方法建立和估計了預警模型。劉旻(2001)使用1999年28家ST公司與另外28家正常公司陷入財務危機前3年的數據，通過Logit回歸方法建立了財務危機預警模型。姜秀華(2002)和齊治平(2002)利用Logit模型對我國上市公司進行信用風險分析。李萌(2005)以不良貸款率作為信用風險衡量標準，構造商業銀行信用風險評估的Logit模型等。

多元條件概率模型的主要優點是不需要自變量服從多元正態分布和組內協方差矩陣相等的假設條件，但是要求因變量有邏輯含義，而且計算過程較為復雜，有很多近似處理。

(四)神經網絡預警模型

神經網絡，又稱人工神經網絡(ArtificialNeuralNetwork，ANN)是一種從神經心理學和認識科學的研究成果出發，應用數學方法發展起來的并行分布模式處理系統。常見的神經網絡模型主要有：BP神經網絡模型、MDA協助神經網絡模型、ID3協助神經網絡模型和SOFM協助神經網絡模型。Odom和Sharda(1990)是將人工神經網絡模型應用在破產預測模式中最具代表性的學者。Koh和Tan(1999)以1978-1985年間出現的165家破產公司為失敗樣本并以正常公司165家作為配對樣本，使用人工神經網絡模型構建了企業危機預警模型。在我國，王春峰(1998)、楊保安(2001)等學者也在此領域進行了深入的研究，楊保安通過對中信實業銀行的分析，選取了4大類共15個財務指標，運用BP神經網絡方法建立了一個可供銀行用于授權評價的預警系統。臺灣的林文修(2000)選取1992-1996年在臺灣證交所上市企業中的36家失敗企業和64家正常企業，并區分為學習樣本73家與測試樣本27家，比較了多元判別分析、Logit模型、BP神經網絡模型和演化式神經網絡模型等四種方法的模型預測準確率。神經網絡預警模型的主要優點是分析層次清晰且邏輯關系嚴密，并依據心理學理論加入了一主觀因素，從而有效地使客觀分析與主觀判斷相融合。它的缺點是規范分析特點明顯，不適宜做實證分析，分析模式缺乏靈活性，數據性假設條件過于苛刻。

三、財務危機預警的指標體系設計

導致企業發生財務危機的因素很多，且錯綜復雜，單變量模型與多變量模型僅能揭示影響關系與程度，變量的選擇會因分析人員偏好的不同而不同，其不僅缺乏統一的理論基礎，而且系統性往往較差，多元條件概率模型和神經網絡預警模型雖然在分析技術上較為先進，且分析企圖試圖更精確，但它們在強調分析技術的同時，往往忽略了立論的基本依據，且在變量選擇中往往伴隨較明顯的盲目性。因此，作為完善多變量模型系統，為多元條件概率模型和神經網絡預警模型提供變量選擇的依據，利用相應的財務理論構建企業財務危機預警指標體系就是研究企業財務危機的基礎之基礎。但從財務本身的角度去分析，財務危機形成的原因可以歸結為以下幾點：(1)公司經營狀況不佳，導致營業收入無法穩定增長，造成公司的連續虧損，使得財務危機發生的可能性增大；(2)過高的負債使公司面臨更大的財務危機。雖然公司本身有盈余，但是可能因為無法應付短期的龐大利息支出而造成破產倒閉；(3)現金流量發生持續性的凈流出，企業就像是流動性資產的儲水槽，若水槽中的流量變小(資產變少)，流入量減少(現金流入減少)，流出量增加(現金流出增加)，流入量與流出量之間的差量就會逐步增大，這樣會使公司出現財務危機的概率增加。

綜合引起財務危機的三個主要因素，可以對應用五個方面的財務指標來描述或預警財務危機，用經營能力指標、成長能力指標和獲利能力指標來度量或反映企業的經營狀況，用公司的償債能力指標來度量或反映企業的債務負擔，用現金流量指標來度量現金流。從預警的角度考慮，五個方面的財務指標可進一步細分為20個更具體的財務變量(見表1)，以此構成財務危機預警的指標體系。

以深滬兩市A股中被ST的上市公司為實際考察對象，利用2006年1月1日-2007年12月31日深滬兩市A股中154家被ST的上市公司的數據。剔除由于以下幾種原因而被ST的上市公司：(1)上市兩年內被特別處理的公司；(2)因自然災害、重大事故等意外事件而被特別處理的公司。經過剔除后，本文選取的有效樣本變為80家。根據研究期間一致、行業相同或相近、規模相當的原則按1：1的比例選擇沒有被ST的上市公司作為配對樣本。由于我國上市公司年報披露制度規定上市公司公布其年報的截止日期為下一年的4月30日，上市公司(t-1)年的年報和其在第t年是否被ST幾乎同時發生，因此，用(t-1)年的數據預測第t年是否被ST沒有實際意義。在本文中采用(t-2)年的數據進行分析。

表6是財務危機公司和正常公司的成長能力指標在發生財務危機前2年的統計性描述，包括最大值、最小值、平均數、標準差和t值。

篇10

中圖分類號：F830.593 文獻標識碼：A 文章編號：1004-5937（2015）17-0047-04

中小投資者是相對于大股東或控股股東而言，一般來講，投資者按其在公司中所占股權比例大小和對股價的實際控制能力的大小，劃分為機構投資者或大股東和中小投資者（中小股東）。目前在我國證券市場上，中小投資者處于相對劣勢地位，屬于“弱勢群體”，掌握不到足夠的財務信息，大部分中小投資者很難獲得投資收益，而且機構投資者和中小投資者投入的資金數額不同，投資目的不同，因此，二者所使用的財務分析體系也應該有所區別，應基于中小投資者的視角建立簡單明了的財務分析體系，從而幫助更多的中小投資者作出正確的投資決策，并獲得收益。從中小投資者的角度建立財務報表分析體系首先應充分考慮中小投資者的特點，使財務分析體系的設計更具有針對性及適用性。本文通過問卷調查取得部分相關數據，問卷設計成兩部分，第一部分用來調查中小投資者所具有的特點，第二部分用來調查中小投資者投資時財務分析手段使用情況，以及希望得到什么樣的財務分析手段。采用抽樣調查法，調查時段約兩個月，調查的對象為中小投資者，實際發放調查問卷2 500份，收回調查問卷2 390份，有效調查問卷2 000份。其中本文分析中所涉及到的償債能力分析指標、營運能力分析指標、盈利能力分析指標以及成長能力分析指標為多選，這就導致了其所占比例和不等于1。但是對于每個選項來說，其被選擇的概率是平等的，所以單獨計算每個選項所使用的頻數是具有可行性的。

一、中小投資者的特點

（一）中小投資者戶數所占的比例較高

近年來，在我國的證券市場上，中小投資者戶數所占的比例一直很高。上海證券交易所統計年鑒（2014）公布自然人投資者2013年占比82.24%，比2012年占比80.78%增長1.8%；根據深圳證券交易所統計數據，2014年中小投資者戶數所占比重達99%以上。在中國股市未來的一段時期，中小投資者仍然是證券市場上的主體，以中小投資者為主體，研究上市公司財務報表分析體系，具有重要的意義。

（二）中小投資者交易頻繁，持股期限較短

總體上中小投資者交易較為頻繁。具體表現在資金周轉率仍處于較高水平，個人交易頻度遠高于機構，小投資者高于大投資者。2009―2012年個人投資者年資金周轉率分別為8.99、7.21、6.35和6.9，機構投資者年資金周轉率分別為3.83、1.61、1.41和1.42。中小投資者偏好持有和交易投機性較強的高市盈率股、低價股和ST股。個人投資者平均持股期限僅為39.1天，遠低于機構投資者的190.3天。考慮到這個特點，在設計財務報表分析體系時應偏重于短期財務指標的使用。

（三）中小投資者處于信息的弱勢地位

中小投資者信息的弱勢地位具體表現在以下方面：其一，中小投資者一般只能從網站上或電視報紙上獲得上市公司的公開信息，并不能了解上市公司的一些內部交易；其二，有些上市公司為了獲得更多的投資，對財務報表進行粉飾，中小投資者由于缺乏專業的投資知識，并不能識別這些被粉飾的數據；其三，機構投資者可以通過專業人士對上市公司的財務報表進行分析，能夠獲得更多的關于被投資公司的信息，而中小投資者考慮到使用專業人士進行財務分析的成本，一般情況下是憑借自身的能力進行投資。這一特點要求在建立財務報表分析體系時，所使用的數據應該充分考慮中小投資者是否能夠獲得，除此之外，還應該考慮中小投資者獲得這些數據的成本，只有在中小投資者能夠獲得這些數據且成本效益最大化的情況下，所建立的財務報表分析體系才有實際意義。

（四）中小投資者缺乏專業的財務報表分析手段

中小投資者一般是非專業投資者，大多數不具備專業的知識以及豐富的經驗。通過對問卷調查的數據進行分析，得出中小投資者使用財務報表的頻率，如表1所示。

從表1的數據可知，30.5%的中小投資者幾乎不使用財務分析手段對所要投資公司的財務報表進行分析研究，一半以上的中小投資者偶爾使用財務分析手段，僅有15%的中小投資者在投資前，會使用財務分析手段對目標公司進行分析。中小投資者進行投資的依據大多數是網絡上的一些信息或者是跟風，這就直接導致了中小投資者進行投資的收益不樂觀，如表2所示。

從表2可以得知，將近七成的中小投資者的投資收益處于保本和虧損狀態。具體來說，對于經常使用財務報表手段的人來說，其獲得投資收益的情況是比較可觀的，有63.33%的中小投資者可以獲得投資收益，相反的，對于幾乎不使用財務報表分析手段的投資者來說，有72.13%的中小投資者的投資收益處于保本和虧損狀態。

從以上分析可以看出，從中小投資者角度出發建立上市公司財務報表分析體系具有一定的必要性，在建立財務報表分析體系時，必須要考慮中小投資者專業知識匱乏的情況，要用簡單便于理解的財務指標指導中小投資者進行投資，改變投資收益不樂觀的現狀。

二、財務分析指標的選取

（一）償債能力指標

償債能力是指利用經濟資源償還債務本息的一種能力，可以揭示投資公司的風險大小。具體分為短期償債能力以及長期償債能力分析。調查問卷相關分析結果如表3所示。

從表3可知，在2 000份調查問卷中，流動比率指標使用人數900人，占45%；速動比率指標使用人數530人，占26.5%；現金比率指標使用人數370人，占18.5%；資產負債率指標使用人數680人，占34%；有形資產負債率指標使用人數270人，占13.5%；產權比率指標使用人數250人，占12.5%；任何指標都沒有使用的人數140人，占7%。

考慮到數據的可獲取性以及調查問卷中中小投資者使用人數所占比重的大小，從中小投資者角度偏重于短期指標的使用，選取流動比率、速動比率以及資產負債率反映公司的償債能力。

（二）營運能力指標

營運能力主要是通過對公司的資產效率進行分析，反映公司的資產管理水平。一般情況下，企業的資產營運能力越高，其變現能力也就越強。調查問卷相關分析結果如表4所示。

從表4可以看出，在2 000份調查問卷中，總資產周轉率指標使用人數520人，占26%；應收賬款周轉率指標使用人數660人，占33%；存貨周轉率指標使用人數940人，占47%；流動資產周轉率指標使用人數580人，占29%；任何指標都沒有使用的人數300人，占15%。

從中小投資者角度，考慮到數據的可獲取性以及計算的方便，選取使用人數所占比例較大的指標：存貨周轉率、應收賬款周轉率和流動資產周轉率反映公司的營運能力。

（三）盈利能力指標

盈利能力是指一個企業運用其所擁有的經濟資源在一定時間內獲取利潤的能力。調查問卷相關分析結果如表5所示。

從表5可以看出，在2 000份調查問卷中，銷售凈利潤率指標使用人數930人，占46.5%；資產凈利潤率指標使用人數540人，占27%；凈資產利潤率指標使用人數630人，占31.5%；每股盈余指標使用人數320人，占16%；銷售毛利率指標使用人數500人，占25%；市盈率指標使用人數280人，占14%；基本獲利率指標使用人數340人，占17%。根據調查結果，選取銷售凈利潤率、凈資產利潤率、銷售毛利率反映公司的盈利能力。

（四）發展能力指標

發展能力是指企業在長時間內由小變大、由弱變強的變革過程。調查問卷相關分析結果如表6所示。

從表6可以看出，在2 000份調查問卷中，總資產增長率指標使用人數1 000人，占50%；營業收入增長率指標使用人數720人，占36%；凈利潤增長率指標使用人數360人，占18%；股東權益增長率指標使用人數600人，占30%；任何指標都沒有使用的人數320人，占16%。根據調查結果，從中小投資者的角度選取總資產增長率、營業收入增長率以及股東權益增長率反映公司的成長能力。

三、財務分析體系的設計

財務指標確定之后，為了方便中小投資者對上市公司進行分析，借鑒沃爾評分法的思路，建立綜合評分體系，以直觀分數來評價不同的投資對象。首先計算其各指標的權重，研究采用簡單的層次分析法來確定各指標的權重。建立的層次結構圖有3層，包括目標層、指標層以及子指標層。目標層是指確定各財務指標在所建立的財務報表分析體系中的權重；指標層包括評價公司財務狀況的主要財務指標，具體包括盈利能力指標、運營能力指標、償債能力指標以及發展能力指標；子指標層是根據調查報告所確定使用的財務比率。最終得出財務報表分析的綜合體系，如表7所示。

其中，償債能力指標、盈利能力指標以及營運能力指標所使用的標準值是根據企業通常所設置的數值確定的，而發展能力所使用的標準值是根據2013《中國統計年鑒》計算分析得出。另外，需要注意資產負債率是反向指標，為了使數據具有方向上的一致性，在計算實際得分時使用資產負債率的倒數。

目標投資上市公司綜合得分=實際值÷標準值×權重

上市公司的綜合得分反映了公司的財務狀況，如果綜合得分等于或接近于100分，說明該公司的財務狀況是良好的；如果綜合得分遠遠低于100分，則說明該公司的財務狀況較差；如果綜合得分遠遠高于100分，則說明該公司的財務狀況很理想。

四、中小投資者視角的財務報表分析體系運用研究

研究引用的數據從新浪財經網獲取，以制造行業為例，抽取6家上市公司進行分析，這6家公司分別為：三星電氣、龍源技術、林洋電子、永高股份、岳陽林紙、上海綠新，時間截點為2012年的年報。選取上市公司時考慮到選取反差比較明顯的公司以便于比較，從而有利于驗證所建立的財務報表分析體系的實用性。使用表7綜合評價體系對所選取的制造業上市公司分析，6家上市公司2012年財務比率綜合評分值分別如下：上海綠新107.77分；龍源技術120.27分；林洋電子96.82分；三星電氣78.22分；永高股份140.44分；岳陽林紙37.72分。通過以上數據可以看出，龍源技術、永高股份以及凱樂科技的綜合得分遠遠高于100分，說明這3家上市公司的財務狀況很理想，另外，林洋電子的財務比率綜合得分接近于100分，說明該公司的財務狀況是良好的。而岳陽林紙的財務比率遠遠低于100分，說明該公司的財務狀況現階段比較差。將上述計算結果與實際情況進行比較，在實際投資市場上，通過商務部Themis上市公司財務安全評級，得出表8。

通過將本文設計的財務報表分析體系運用的結果和商務部Themis上市公司財務安全評級結果進行對比分析，本文所建立的財務報表分析體系對這6家上市公司財務狀況的分析與在實際投資市場上所表現的是一致的，說明該財務報表評價體系具有可行性和有效性，能夠幫助中小投資者作出正確的投資決策。

【參考文獻】

[1] 阮永平.上市公司財務報表解讀――新會計準則下投資價值挖掘視角[M].上海：華東理工大學出版社，2010.

[2] 中國注冊會計師協會.財務成本管理[M].北京：中國財政經濟出版社，2011.

[3] 中國證券業協會.中國證券業發展報告（2013）[R].北京：中國財政經濟出版社，2013.

[4] 趙輝.基于中小投資者的上市公司經營業績評價研究[D].山東大學碩士學位論文，2012.

[5] 王宛秋，張艷秋.財務報表分析[M].北京：北京工業大學出版社，2010.

[6] 姜冰.基于中小投資者視角的上市公司財務報表分析研究[D].云南財經大學碩士學位論文，2012.

[7] 郭學鵬.普通中小投資者對上市公司財務報表分析的方法運用[J].中國鄉鎮企業會計，2013（11）：50-51.