導言：作為寫作愛好者，不可錯過為您精心挑選的10篇財務風險預警研究，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

一、引言

經濟全球化的發展，使得企業在獲得發展機遇的同時，也面臨著更加激烈的市場競爭，從而面臨更大的風險。面對激勵的市場競爭，如何適應環境的改變，增強抵抗財務風險的能力，對于企業的來說是一個現實而嚴峻的挑戰。面對嚴峻的財務風險問題，企業應根據實際情況構建財務風險預警系統，采取各種措施建立完善的、全面的風險抵御系統，從而控制和避免財務風險的發生。

二、財務風險預警系統的概述

（一）財務風險預警系統的含義

財務風險預警系統以企業信息為基礎，利用企業的財務會計資料，通過比較分析、比率分析、因素分析等方法，對企業的經營活動進行分析與監督，及時發現企業經營管理活動中存在的風險，從而采取有效的措施，避免企業經營管理活動偏失所帶來的損失。利用財務風險預警分析，企業可以了解經營活動所面臨的財務狀況，從而有效地避免和防止財務風險的發生。

（二）財務風險預警系統的構建

1.確定財務風險預警系統建立的原則

①相關性原則。財務風險預警系統所選擇的指標體系必須能夠反映企業內部經營活動。②重要性原則，根據企業管理的特點，重點選擇可以揭示企業財務風險的主要指標。③預測原則。財務風險預警系統的目的是可以及時檢測到引起財務風險的隱性因素。④動態性原則。財務風險預警系統不但要滿足靜態的剖析，還要隨時監控財務運行的情況。

2.構建財務風險預警系統的指標體系

財務風險預警系統的核心是預警指標體系，預警指標體系的建立要注意預警指標選擇的科學性及針對性。企業可以選擇財務分析中有代表性的指標，如償債能力、盈利能力、發展能力和操作能力等，通過預警指標監測和控制財務風險。

3.構建財務風險預警模型

財務風險預警模型包括靜態和動態兩種。靜態模型包括單變量判斷模型、多元化線性判定模型和派生模型、概率模型。動態預警模型包括時間序列分析模型、神經網絡模型等。不同的模型具有各個不同的特點，企業應該根據實際情況，選擇預測模型來提高預測的準確度。

4.制定有效的風險預警機制

財務風險預警機制一般包括兩個要素：預防措施和應急處理措施。預防措施是在財務危機潛伏期內，發現企業經營管理的弱點，避免財務危機的爆發。在財務危機爆發時應采取應急處理措施，控制局勢的進一步惡化。

三、財務風險預警系統存在的問題

（一）忽略定性方法在財務風險評估中的作用

企業建立的財務風險模型大多側重于對財務指標的定量分析，評價標準主要取決于經驗數據。而現代企業的管理同時關注非量化因素的影響，如企業文化，治理結構等非量化因素也將對企業財務風險產生影響。因此，忽略定性方法和非財務指標，可能造成不準確和不完整的財務風險評估結果。但定量分析方法由于受到企業之間的差異、評價的主觀性及數據獲取的難度等限制而難以實際應用。

（二）忽略現金流量指標的作用

企業的財務環境一般包括企業的盈利能力、規模狀況、現金流量和資產結構等。當前財務風險預警系統在指標選擇上，使用最多的是資產負債率、流動比率、凈資產收益率銷售凈利率等指標，來評估企業的資產結構與質量以及盈利狀況。從指標選擇上可以看出，企業的風險預警系統忽視了現金流量的影響，從而降低了財務風險預警模型的預測結果。

四、政策建議

（一）健全財務風險預警系統的組織機構

財務風險預警系統的工作量比較大，企業應建全財務風險預警組織機構。財務風險預警組織機構主要有基礎數據采集層、風險分析層和領導層。基礎數據采集層的職責是收集財務風險預警需要的基礎數據，收集有關企業外部的財務風險預警信息。風險分析層主要負責對基層所上報的基礎數據進行分析，確定財務風險預警對象的程度，根據分析的結果，提出解決方案和措施，向領導層匯報。領導層常設立在公司的董事會或企業決策機構的下屬組織，主要是負責對重大的風險進行決策和考核。

（二）積極探索和運用新的財務風險分析方法

運用財務指標對財務風險進行分析時，企業不僅要注重定量指標的分析，還要考慮到定性分析和非財務指標的分析，實現對企業經營活動的全面分析。例如，可以將企業采購、生產、銷售等環節的信息納入到預警模型中來，實現資源共享和功能集成。同時，企業應根據市場情況及自身發展情況，適時改變財務風險預警模型，從而避免分析結果存在的偏差。相關人員應該積極探索和運用新的財務風險分析方法，不斷完善企業財務風險預警系統。

參考文獻：

[1]蔡莉莉.淺析企業財務分險預警系統的完善.財會研究，2010.

篇2

企業財務風險預警是近年來企業財務管理理論和實踐中的一個熱點問題，也是一個前沿問題。企業財務風險是企業眾多風險中最重要的風險之一，企業的生存和發展受企業財務狀況好壞的影響，因此說深入的研究企業的財務風險管理具有重要的意義。本文主要從企業財務風險預警的理論內容、預警中存在的問題及其原因分析和構建有效的財務預警體系的政策建議方面進行闡述。

一、企業財務風險預警概述

1.財務風險預警的概念

預警就是根據內外部環境和條件的變化，對未來發生的一些風險和不利事件進行預測和報警。它是一種事先采取措施，減少不確定性因素或風險造成的損害的一種管理方法。

企業財務風險預警是在企業信息化的基礎上，并根據企業經營和財務目標，通過收集與企業經營相關的一些產業政策，生產經營狀況，市場競爭狀況及企業本身各類財務狀況，分析資金流動的運行規律，對企業在經營管理活動中產生的潛在財務風險進行監測、診斷與報警的一種技術。它能夠及時的對資金管理過程中的堵塞、過度滯留、浪費等信號及時發出警報，促使企業及時的采取相應措施，不斷的提高企業抵抗財務風險的能力。

2.財務風險預警的重要意義

有效的財務風險預警具有預知危機、處理信息的功能，并能控制風險避免財務危機再次發生。企業建立有效的財務風險預警機制對提高企業的抗風險能力，及時跟蹤、監控、預測企業的財務狀況有著極為重要的意義。

二、企業財務風險預警中存在的現實問題及其分析

1.籌集資金過程現實問題及原因分析

資金是企業進行生產經營活動的必要條件，如果資金出現短缺，企業就無法實現其經營目標，使其陷入困境。企業在資金管理過程中常見的現象主要表現為有錢就用，無錢就貸，沒有合理預測資金需要量及資金的投放時間。如果預測也就是眼前資金需求。不僅資金需要量預測不準，而且又不能及時的籌集貸款，導致資金緊張。其主要原因在于其預測時方法不科學.沒能把全年的資金需求量納入預測得范圍：不注意預測不同時點的資金需要量和產品的銷售趨勢；企業籌資渠道單一，籌資方式不靈活，主要以銀行信貸作為籌資渠道，這樣的籌資方式不能滿足企業籌集到足額資金之需；企業沒有選擇最佳的籌資組合和方式，只考慮了盡快的解決資金，而忽略了成本和風險。

2.銷售與收款風險現實問題及原因分析

在企業的經營業務中，銷售收入與應收賬款是衡量企業債權與經營業績的主要指標，這種指標也很容易失控，尤其是在關聯交易中，虛增虛減銷售收入現象時常發生.應收賬款不實普遍出現，給企業如實的反映其經濟狀況帶來瓶頸。主要表現為：虛增收入，利益誘惑；提前確認收入，為考核指標兌現；違規做支，債權、實物資產不實。其主要原因在于企業內部控制制度不夠健全，缺乏日常監督和專項監督機制，責任人缺乏控制意識和責任心。

3.存貨風險現實問題及原因分析

一般情況下，在企業的實物資產中所占的比重比較大的存貨，直接影響著產品成本的高低。因此在存貨運行中企業有以下現實問題值得分析：庫房運行環節不規范，職責不清；單據傳遞不到位，簽收不完整；盤點走過場，存貨霉爛、毀損無人處置，超儲短缺不過問；財務賬與庫房賬不符，造成賬實不符。其主要原因是庫房內部控制體系不健全，不到位，對存貨管理人員職責分工不明確，對實物資產缺乏嚴格控制、監督制度，沒有建立一個好的獎懲辦法，不能及時查明實物資產盤虧、毀損的原因，存貨管理者素質偏低，領導的重視程度不足。

三、構建有效的企業財務風險預警體系的政策建議

1.加強企業的財務信息化管理

企業預警需要有一定的管理功底和基礎，僅靠提高財務管理水平是遠遠不夠的。企業財務信息化的程度會直接影響財務風險預警的運行。在企業日常的監控過程中，需要用到大量的基礎數據。這就要求企業加強信息化管理，以及時提供所需要的各種數據。企業建立財務風險預警組織機構，應遵循“專人負責、職責獨立”的原則，并且該預警系統應該是開放性的，它不僅包括內部財務信息，還應當包括外部相關信息。系統信息的不斷刷新與升級較為關鍵，它能確保財務信息的及時性、有效性和準確性。

2.樹立全員的財務風險防范意識

企業財務風險預警系統得以成功建立并有效運行的前提是風險防范意識。這就要求企業全體員工，尤其是企業的領導層在思想上對潛在的危機要高度警惕和認識，企業的全體員工通過接收風險意識教育，使得他們都能充分的了解自己在整個財務風險預警管控體系中的地位和作用，從而發揮團隊防范效應，并且企業應當對員工發現的問題及提出的合理建議給予重視和采納。

3.完善企業的內部控制制度

在企業管理中，內控制度起著至關重要的作用，尤其是在市場競爭日益激烈的今天，內控制度，一方面作為企業賴以生存和發展的有效管理工具，另一方面也成為財務風險管控的有力助手。企業要想完善其內控制度，首先要建立有效的約束和激勵機制，企業可以建立一套針對財務風險防范的績效考核體系，將其落實到具體的業務部門，以此促進員工積極參與企業財務風險的防范；其次要明晰內部的各種財務關系，做到權、責、利相統一并建立和完善企業財務風險跟蹤和監控機制；最后要強化企業內部的審計監督機制，通過建立和完善企業內部審計監督機制，盡可能的將企業財務狀況的反映差錯降到最低。

參考文獻：

[1]朱祥德：我國企業財務風險預警系統的構建[J].中國管理信息化，2009（12）.

篇3

首先在財務風險預警領域樹立里程碑的是Beaver（1966），他利用單變量對企業破產進行預測，局限性是對同一企業的風險進行預測時，選擇的比率不同，得到的結果也可能有所不同。美國學者Edward Altman在1968年提出了多元變量Z-score模型，突破了單變量的研究。之后學者們紛紛利用多變量財務預警模型進行研究，但在1980年學者Ohlson首次采用Logistic方法預測財務風險。進入20世紀90年代，出現了基于神經網絡的財務風險預警模型，得到的結果比較理想。隨后一些新的方法如：支持向量機、期權定價模型也被運用到財務風險預警的分析中。我國的財務風險預警研究起步較晚，周首華、楊濟華（1996）把現金流量指標引入到Z分數模型中，提出了新的模型―― F分數模型。陳瑜（2000）運用二元線性回歸和主成分分析對上市公司財務預警模型的構建進行實證研究。姜秀華、孫錚（2001）則運用Logistic建立回歸判別模型。隨后的財務風險預警研究采用了新的方法――神經網絡，如： BP神經網絡（楊淑娥、黃禮，2005），模糊神經網絡混合模型（梁杰，2006），遺傳神經網絡（蔡志岳、吳世農，2006），RBF神經網絡對物流企業財務風險預警的評價（劉磊、郭巖，2012）等。隨著多學科的交流融合，也出現了其他的模型，如2015年藍莎運用系統動力學對財務系統進行結構―功能模擬，建立了財務風險預警體系。

總體來看，多元判別分析、Logistic和人工神經網絡是主要的預測方法，三者之中預測度最高的是人工神經網絡，最差的是多元判別模型。目前文獻對工業企業的財務風險預警研究較少，本文選取北京市工業企業與財務風險有關的財務與非財務數據，并引入人工神經網絡中相對完善、易于操作的多層次感知器，構建財務風險預警體系。

二、數據樣本的確定

（一）樣本預警指標選取

本文研究對象是北京市45家在上海證券交易所上市的A股工業企業，并通過csmar數據庫收集2012―2014年這些公司的相關指標。選取的指標既包括了反映企業償債能力、盈利能力、經營能力和發展能力四個方面的財務指標，也涵蓋了相關非財務指標，如股權集中度和獨立董事比例，總計18項預警指標，如表1所示。

（二）財務風險劃分

由于45家北京市工業企業被ST特殊處理的情況較少，且標記為ST發生在出現財務危機之后，很難對企業風險預警產生前瞻性影響，而且財務風險的發生是一個漸進的過程，上市公司的財務狀況在不加以控制的情況下會由輕度財務危機轉換為重度財務危機。所以本文將財務風險按照以下標準將其細分為低風險、中等風險和重大風險。如果當年的凈利潤不為負時，表明上市公司的財務風險為低風險;當年首次出現凈利潤為負，則表明上市公司為中等財務風險水平;當年為第二次出現凈利潤為負時，則表明財務風險水平很高，歸類為重大風險。根據上述標準，將2012―2014年45家公司共135個樣本劃分為三類，其中：低風險有120個，中等風險為10個，重大風險為5個。

三、實證檢驗

（一）KMO檢驗與Bartlett球度檢驗

在收集到以上45家工業上市公司近三年18項指標數據后，對原始數據進行標準化處理，以消除不同指標間的量綱差異。在此基礎上為判斷135個樣本數據是否能進行主成分分析，首先對標準化后的數據進行KMO檢驗與Bartlett球度檢驗，如表2所示，其中KMO值為0.678，大于0.6，適合做主成分分析;Bartlett球度檢驗的顯著性概率為0，說明變量具有統計學意義，而且表現出高度的相關性和顯著性。

（二）主成分因子的提取

為了對財務風險預警進行更加有效的分析，需要減少變量的個數，分析2012―2014年共135個樣本數據的18項預警指標，利用SPSS軟件進行因子分析，提取主成分因子，如表3所示。在特征值大于1時，共提取7個主成分因子，這7個主成分因子的累計方差貢獻率達到75.9%，能反映18個變量四分之三的信息。設主成分因子為Fi（i=1，2， …，7），做成分矩陣（如表4所示），可以進一步分析主成分Fi所代表的能力和它反映的有關上市公司的財務信息。

主成分因子F1中資產報酬率、每股收益、營業凈利率的比重較大，說明F1主要反映公司的盈利能力;F2中所有者權益增長率和凈利潤增長率所占的比重大，代表公司的發展能力;F3中反映償債能力的指標比重較大，說明F3主要變現為償債能力;F4中非財務指標的獨立董事比例比重最大，則把公共因子看成股權結構因子;F5中總資產周轉率的比重最大，代表整體營運能力;F6中綜合杠桿的比重最大，反映了風險水平能力;F7中營運能力的應收賬款周轉率和存貨周轉率指標所占的比重大，F7代表日常營運能力因子。這7個因子涉及到財務和非財務的相關信息，比較全面地反映出財務風險的各種因素。

（三） MLP風險預警模型的構建及實證結果

多層感知器（MLP）是一種多層前饋網絡模型，具有高度的非線性映射能力，它由三部分組成：一層為感知單元組成的輸入層;一層為（或多層）計算節點的隱藏層;一層為計算節點的輸出層。

本文運用SPSS軟件，首先將七個主成分因子代表初始的18項指標，代入神經網絡的多層感知器，作為協變量，風險程度作為因變量。其次在分區中，按照七比三的比例隨機分配個案，即135個樣本中70%作為訓練變量，30%作為測試變量。其中訓練變量中重大風險的樣本為3個，中等風險的樣本數為8個，低風險的樣本數為86個;測試變量中包含重大風險的樣本2個，中等風險的樣本數為2個，低風險的樣本數為34個。然后在體系結構中，設置最低的隱藏層數為1，分批進行培訓操作時，選擇調整的共軛梯度對算法進行優化。最后可以輸出ROC曲線分析準確性和特異性，判斷對財務風險的預警能力。

MLP對財務風險預警識別結果如表5所示，已預測與已觀測的樣本相比，在訓練變量中，有三個樣本其實屬于重大風險，卻預測為中等風險，準確率為0，中等風險和低風險全部預測準確，總體來看，訓練變量的正確率為96.9%;在測試變量中，重大風險有2個在預測的中等風險水平中，總計的測試變量的準確率為94.7%。由此得出綜合正確率為95.8%，其中低風險預測準確率為100%，說明多層感知器對低風險能較好的預測;誤判均發生在將重大風險歸類到中等風險，究其原因可能是重大風險與中等風險劃分不明確，且在第一年出現凈利潤為負時，第二年要想轉虧為盈的難度也很大，或者即使利潤為正，為彌補去年差異最后的凈利潤數額也較小，這樣造成重度風險和中度風險的差異不大，利用多層感知器預測時會產生偏差。

四、結論

篇4

關鍵詞 ：新常態視角 財務風險 預警機制 預警模型

一、引言

自黨的十以來，我國經濟社會形態呈現出與以往不同的發展狀況。即增長速度放緩，增長質量更上臺階，基于這個新常態，企業財務風險預警能力面臨嚴重挑戰，企業財務風險預警，主要是企業通過監控有段實時監控內部財務風險，并對存在的財務風險因素進行預警。基于企業的角度而言，財務風險有效控制異常重要。在新常態的視角下，分析國內預警方面的不足以及存在的問題，在現階段經濟發展角度制定財務風險預警機制，具有一定實用價值。

二、新常態下的財務分析

（一）新常態概述

新常態，是指中國經濟發展到一個新的階段，增長速度放緩，增長質量更上臺階。經濟進入新常態后應具有以下特點：一是經濟增速是適度的，與潛在經濟增長率相適應，具有可持續性；二是經濟結構是優化的，第三產業、高附加值產業、綠色低碳產業比重穩步提高；三是經濟質量是較高的，經濟動力主要來自生產率的提高；四是經濟制度環境是有利的，市場在資源配置中日益發揮決定性作用。

（二）新常態下突出的財務風險

新常態下企業面臨著運行成本上升，投資政策改變，貿易環境變化，市場需求疲軟等一系列新問題。整個市場需求變緩，產品質量要求增高，財務風險大大提高，如何應對財務風險將是中小企業能否在新常態下生存下去的關鍵。

三、新常態下財務風險定性、定量分析

（一）財務風險預警定性分析

定性分析，主要是依靠主觀分析與判斷，進而對財務風險預警因素進行分析的手段。與傳統分析方法相比較而言，定性分析因素在企業階段性發展中占據重要地位。下面對定性分析各項方法進行分析：

1、表征觀察法

該方法主要是對企業自身的整體運營情況進行觀察，通過對企業異常特征進行分析，判定企業可能發生的財務風險。如企業資產負債率明顯高于同期水平，資產結構方面發生異常狀況，財務內部控制惡化；企業盈利來源非經常性的損益，則可能是主營業務已經發生重大問題。表征觀察法對企業財務出現的顯性因素進行特征分析，對財務風險因素進行識別，適用于較為明顯的財務異常變化。

2、“四階段癥狀”分析法

此種評價方法是一種擬人化的分析方式，企業運行狀況不佳，所體現出的狀況與人病危狀況相類似，如表1所示：

該分析方法，具備簡單明了效果，較為適合企業自身財務風險預警的診斷。但此種分析方法的應用，存在一定難度。財務預警的過程中，各項因素的清晰程度，很難想表中表現的至關狀況。因此，要求財務預警分析這具備良好的工作素質。

3、管理評分法

管理評分法最先由美國財務學家提出，將破產企業作為研究對象，基于內部財務狀況進行加權處理，通過評分判定企業安全性。該方法的具體評分表如表2所示：

在進行評分的過程中，需要充分的結合企業發展實際狀況，最終得分分值越高，則說明企業處境較差，財務風險較為嚴重。該方法在企業當中的應用，具備簡單易懂等特點，但由于各項內在因素需結合企業發展實際狀況，工作量較大。只有在掌握內部財務狀況各項因素的同時，才能夠發揮此種方法的實效。

（二）財務風險預警定量分析

與財務風險預警定性分析而言，定量分析所采用的方法更加便捷，并且判定效果良好，使得定量分析方法在企業財務風險預警方面被廣泛應用。特別是基于新常態視角下，定量分析更能夠體現出財務風險預警的準確性。下面進行詳細分析：

1、單變量判定模型

單變量判定模型，又被稱之為單變量分析法，主要是對企業單一財務指標進而評估企業整體財務狀況。該評定模型在分析過程中，評定方法較為簡單快捷，便于運用。但該方法在運用方面，由于是針對企業財務指標進行單一分析，造成分析結果缺乏系統性，預警能力嚴重不足。

2、多變量判定模型

多變量判定模型與單變量判定模型存在一定區別，可以將該模型稱之為Z計分法模型，是由愛德華·阿爾曼（Edward·altman）在1968年提出。該模型當中的線性函數公式主要是通過多種財務指標加權匯總而成，通過企業內部財務多個財務指標進而建立。多變量判定模型內容當中經常運用的Z分數預警模型與F分數預警模型，經典模型表示如下：

其中，X1為營運資金/資產總額；X2為留存收益/資產總額；X3為息稅前利潤/資產總額；X4為普通股以及優先股市場價值總額/負債賬面價值總額；X5為銷售收入/資產總額。

由于Z模型的建立當中，并沒有將企業當中的現金流量進行充分的考慮。因此，對于此種問題很多相關方面的學者進行了改進，建立了F分數模型：

其中，X1為營運資金/資產總額；X2為留存收益/資產總額；X3為（凈利潤+折舊費）/平均負債率；X4權益總值/負債總額；X5為（凈利潤+折舊+利息）/資產總額。

多變量判定模型分析較為準確，并且模型精度分析較高，需要大量的參數內容提供支撐，工作量較大。但此種方法在企業當中的應用，應對財務風險的準確性較高，并且被應用在本次研究當中，對規避風險及分析財務風險具有其他方法不具備的優勢。

3、聯合預警模型分析方法

由于財務指標通常只是反映企業生產經營過程中的實際財務狀況，基于企業的發展戰略、企業文化、區域位置等各項非財務信息指標進行分析。因此，產生了聯合預警模型。該模型能夠對企業經營現狀進行模擬，反應企業生產經營過程中各項因素，確定理論框架以及行業特征，克服財務指標的片面性。

四、新常態下構建企業財務風險預警模型

（一）企業財務風險預警準備工作

企業財務風險預警是一項系統性工程，需要企業內部各個組成部分之間的協同合作。確保企業制定詳細的工作計劃，對各項流程進行充分規范。在新常態視角下，分析企業發展問題需要基于個層面進行分析，細致化詮釋各項內容。因此，在準備工作方面主要分為以下幾項內容：一是統一思想。只有將企業內部員工以及管理者對于風險預警思想進行統一，才能夠積極構建財務風險預警機制，強化風險預警意識；二是制定工作方案。將財務風險預警各項內容細致化劃分，健全工作計劃的向西行，提升操作型；三是做好信息收集與管理。將財務信息指標進行收集，保證信息來源與內部與外部。同時，對各項內容進行積極評價，為信息利用奠定基礎。

（二）財務風險預警F模型

選用F模型作為本選題研究的財務風險預警模型，即：

其中，X1為營運資金/資產總額；X2為留存收益/資產總額；X3為（凈利潤+折舊費）/平均負債率；X4權益總值/負債總額；X5為（凈利潤+折舊+利息）/資產總額。

在該模型當中，選擇五個自變量內容，具體臨界點為0.0274；如果低于0.0274，則說明公司財務風險狀況不容樂觀，可能面臨破產；一旦高于0.0274，則預測公司經營狀況良好，可繼續生產運營。

（三）財務風險預案

企業內在的財務風險因素被實質化之后，形成財務危機，一旦危機出現，企業則需要制定具體的管理預案進行危機方面的處理。

本文選定企業深圳某機械有限公司處理程序如下：

對深圳某機械有限公司內部的財務危機狀況進行登記的評判，重新評估可能被隱瞞的財務數據內容，明確內部債券債務是否符合發展狀況，積極探尋有利因素并尋找對策。

啟動預案。根據財務狀況以及危險程度，判定危機信號具體數值，對危機預案進行擬定，實施方案預算體系，確保數據內容處于可控范圍。

保證信息暢通。危機預案處理過程中，需要保證領導機構以及執行操作內容信息方面的流通度，為處理新情況以及預案有效執行奠定基礎。

總結。當危機處理完成之后，應該盡心總結與分析，將財務風險當中的具體風險指標進行篩選，確保預案執行效果得到提升。

五、新常態企業財務風險預警模型實證分析

（一）企業概況

深圳某機械有限公司成立于中國廣東省深圳市，廠房占地10000平方米，擁有自己規劃建設的現代化廠房，擁有雄厚的技術研發能力和先進的生產制造硬件設施。公司多年來專注于高品質模具加工機床、機械加工專用機床設備的技術研發、生產制造、經營銷售，并為客戶提供全方位的售前、售中、售后技術服務。目前產品規模、研發實力、市場占有率、以及企業管理綜合實力已位居華南地區行業前列。

（二）該公司財務風險預警存在的問題

1、財務狀況總體失衡

2012年，該企業資產總額為165284萬元，與上一年同比增長25639萬元。其中負債總額為112123萬元，與上一年同比增長12058萬元。主業務收入為568496萬元，與去年增長14.81%，實現凈利潤3447萬元，增長692萬元，為年度預算3200萬元的107.72%。基于該公司的實際發展狀況分析，主營業務收入較大，并且應收賬款占總資產比重較高，未來收益內容不夠明確，造成公司資產縮水。公司具體財務狀況如下表3所示：

2、缺乏評估機制

該公司大多數管理人員并未對內部控制提升自身的認識程度，造成內部控制不夠明確，嚴重的影響企業整體運行狀況。同時，對財務與法律意識相對淡薄，嚴重影響內部控制質量，企業財務運作效率低下。并且在企業生產經營環節，各項不確定環節財務風險控制不能夠準確預測，傳統的表征觀察法風險預警不能夠體現出現代企業的發展要求，致使企業產生或陷入風險。

3、缺乏有效的資金管理

基于該企業財務報表而言，發現其現金金額較大，高達2億元，并且流動負債也處于較高水平，充分的說明該企業資金應用效率低下。通過進一步分析可以發現，該企業各個生產經營環節處于分散狀況，資金流動性未能夠得到體現，知識資金管理手段落后。在應對財務風險方面，方法單一，管理不能夠滿足企業自身要求。

（三）財務指標預警分析

選定深圳某機械有限公司作為研究對象，在對該企業財務狀況以及財務數據分析之后，得出深圳某機械有限公司在生產運營過程中財務風險預警模型進行實證分析。對預警評估得分進行計算，將總分設定為100分。按照優先級分別對資產負債結構、償債能力、營運能力、盈利能力以及發展能力預警指標賦予20:20:26:18:16的比重。在最高分與最低分方面設定上限與下限數值，保證上限標準值為1.5倍，下限標準值為0.5倍。具體公式按照（行業最佳比率-標準比率）/（行業最高得分-評分值），得出評估表當中的預警得分，具體如下表4所示：

根據企業風險預警評估表當中的計算，深圳某機械有限公司在2012年財務風險預警的總得分為118.23分，并且在2013與2014年，通過同樣的方法進行計算，得出深圳某機械有限公司財務風險預警得分分別為112.87與119.66分，得出均超過100，位于正常區間范圍內。即企業財務狀況較為安全，財務風險不至于影響企業的正常生產運營。

（四）F模型深圳某機械有限公司財務風險預警評估

運用F模型對深圳某機械有限公司財務風險進行驗證，旨在評價2012年風險預警結果，并通過相同的模型計算，得出2013年具體數據。具體數據如下表5所示：

基于上表當中的各項數值，能夠計算出F模型各項指標，具體計算過程如下所示：

其中，X1為營運資金/資產總額；X2為留存收益/資產總額；X3為（凈利潤+折舊費）/平均負債率；X4權益總值/負債總額；X5為（凈利潤+折舊+利息）/資產總額。

2012年：

X1=營運資金/資產總額=0.205

X2=留存收益/資產總額=0.017

X3=（凈利潤+折舊費）/平均負債率=0.025

X4=權益總值/負債總額=0.085

X5=（凈利潤+折舊+利息）/資產總額=0.022

=-0.1744+1.1091×0.205+0.1704×0.017+1.9271×0.025+ 0.0302×0.085+0.4961×0.022

=0.1175

2013：

X1=營運資金/資產總額=0.152

X2=留存收益/資產總額=0.019

X3=（凈利潤+折舊費）/平均負債率=0.026

X4=權益總值/負債總額=0.066

X5=（凈利潤+折舊+利息）/資產總額=0.031

=-0.1744+1.1091×0.152+0.1704×0.019+1.9271×0.026+ 0.0302×0.066+0.4961×0.031

=0.065

（五）實證檢驗

經過具體計算得知，2012年F值為0.1175＞0.0274；2013年F指為0.065＞0.0274，并且根據該模型進行判定，深圳某機械有限公司在近期內，生產經營過程中不會發生財務危機，與上述財務風險預警評估驗證結果基本一致。新型財務風險預警模型在公司具有一定的效果，能夠及時發現公司內部財務風險因素，并加以控制。首先，針對財務總體失衡的狀況，需要對公司生產經營進行實時分析，通過經濟活動分析等手段，由市場調研作為基礎，找出問題所在與差距因素，加強內部控制。進一步完善公司資產質量、營運能力、發展能力、盈利水平等方面預警監控機制。

其次，F 財務風險預測機制，能夠對各項財務風險進行有效控制與計算，在公司發展方面具有推動意義，實現企業各項財務狀況滿足企業發展需求。并且該模型憑借對企業多項風險因素進行計算，準確提供風險預警，為企業發展提供準確預算結果。

最后，推行全面預算管理。預算并不是針對財務部分的工作內容，更是整個企業財務的工作內容。但全面預算管理內容，在一定程度上決定著企業財務風險因素的產生，有效控制成本管理，值得推廣應用。

六、結論

綜上所述，基于新常態視角下，企業正在面臨著新的市場經濟環境，如何保證企業在現代的市場競爭中，控制財務風險因素顯然已經成為企業具備市場競爭力的關鍵因素。該企業在應用傳統的定性風險預警方面，并未適應現代企業財務特點，造成風險預警能力低下，嚴重影響預警效果。F 財務風險預警模型的應用，有效的改善了內部財務狀況，為現代企業經營發展提供良好基礎，提升財務風險預警能力，準確預測風險因素。對財務風險預警的研究，能夠在一定程度上提升企業對抗風險的能力，為企業健康發展提供基礎保障，推動我國綜合經濟實力的不斷提升。

參考文獻

[1]梁達.以新常態視角看待經濟增速的變化[J].宏觀經濟管理，2014，4（12）:125-127.

[2]王麗娜.基于企業生命周期的財務風險預警研究[D].重慶：重慶大學，2012.

[3]楊美萍.企業財務風險預警指標體系的研究[D].北京：中國地質大學（北京），2010.

[4]王本運.大唐電力財務風險預警研究[D].北京：華北電力大學，2013.

[5]楊瑤，李紅琨.基于現金流量指標的財務風險預警研究綜述[J].現代商業，2011，11（09）:236-237.

[6]韓東平，鄭洲，顏寶銅.模糊綜合評價法在高校財務預警中的應用[J].財會通訊，2010，6（06）:114-117.

[7]董紀昌，馬慧.家電行業并購的財務風險預警研究[J].數學的實踐與認識，2010，11（01）:78-83.

[8]史小英.國內外企業財務風險預警研究現狀分析[J].新西部(理論版)，2013，4（20）:45-49.

篇5

中圖分類號：F23 文獻標識碼：A

收錄日期：2011年10月24日

一、企業財務預警的基本含義

企業財務預警，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，督促企業管理當局采取有效措施，避免潛在的風險演變成損失，起到未雨綢繆的作用。

二、國外專家學者對財務風險預警的研究

（一）單變量模型

1、1932年，Fitzpatrick利用單變量破產模型，選取19個樣本運用單個財務比率進行預測，結果發現判別能力最高的是凈利潤/股東權益和股東權益/負債兩個比率。當時由于條件限制，主要的研究方法就是對正常企業和非正常企業進行財務比率比較和經驗分析。

2、1966年，Bwaver利用30個財務比率進行研究，發現三個比率是有效的：債務保障率（現金流量/債務總額）、資產收益率（凈收益/資產總額）、資產負債率（債務總額/資產總額），其中，債務保障率指標表現最好。這可以看作是單變量模型的開創性研究，方法簡單易行，可操作性強，在當時研究條件較差的情況下優勢很大；其局限性也較明顯，單一的財務比率不能全面反映客觀事實，有可能在編制財務報表時存在粉飾某個指標的嫌疑，影響預測的有效性。

（二）多變量模型

1、Z計分模型。20世紀六十年代，愛德華?阿爾曼對5個財務比率分別給出一定權數，計算其加權平均數值Z值：

Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5

其中：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=股份市值/負債賬面價值總額；X5=銷售收入/資產總額。

一般地，Z值越低，企業越有可能發生破產。若Z≥2.675，則表明企業的財務狀況良好，發生破產的可能性較小；若Z≤1.81，則企業存在很大的破產危險。

該模型實際上是通過五個變量（五種財務比率），將反映企業償債能力的指標（X1、X4）、獲利能力的指標（X2、X3）和運營能力的指標（X5）有機聯系起來，綜合分析預測企業財務失敗或破產的可能性。在企業失敗前一、二年的預測準確率很高；預測期變長，準確率有所降低，距失敗前五年的預測準確率僅為36%。1977年，愛德華又對自己的模型進行了修正，提出了ZETA模型。

Z計分模型準確率相比之前的單變量模型有很大的提高，但是未充分考慮到現金流量變動情況，而且要求變量符合正態分布的假設，降低了模型的使用范圍。

2、Logisitic回歸模型。該模型屬于線性概率模型，通過對觀察對象條件概率的觀測，來判定對象的財務狀況和經營風險。適用于因變量是非連續的且為二分類選擇模式，將違約概率限定在0和1之間，并通過函數的對數分布來計算違約的概率。在二分類判別法中假設因變量為1和0，分別對應事件發生和事件不發生。Logisitic回歸模型形式為：

Li＝ln■=?琢＋■?茁jXij+?著i

該模型使用的是最大似然估計，似然函數值越大，表明模型的模擬效果越好。其最大優點是，不需要嚴格的假設條件，能夠克服線性方程受統計假設約束的局限性，具有更廣泛的適用范圍。目前這種模型使用較為普遍，但其計算過程較復雜，需要操作者具有較高的數學基礎，同時其計算過程有近似處理，結果將會影響到預測的精確度。

3、Probit模型。假定企業的破產概率為P，樣本服從正態分布，選取的財務指標對應P的分位數，先確定企業樣本的極大似然函數，然后通過求似然函數的極大值就可以得到參數αβ，然后就可以利用公式求出企業的破產概率。P＜0.5，判別為財務正常；P＞0.5，即為破產型。

其公式為：

P＝■（1/■）e■dt

該模型和Logistic模型方法相似，但條件嚴格，計算方法相對復雜，使用面不如Logistic模型廣泛。

4、人工神經網絡理論和方法（ANN）。神經網絡模型是一種并行分布模式處理系統，是由大量的簡單處理單元相互聯結組成的復雜網絡系統，具有高度并行計算能力、自學能力和容錯能力。作為非參數的預測模型，它克服了選擇模型函數形式的困難，同時對樣本及變量的分布特征沒有限制，還能克服統計方面的限制，能夠同時處理定性變量和定量變量，具備處理資料遺漏或是錯誤的能力。然而由于理論基礎比較薄弱，模型計算量較大，辨別能力不強，人工神經網絡對人體大腦神經模擬的科學性、準確性還有待進一步提高。

5、遞歸劃分分析模型。以財務比率為判別點建立二叉分類樹，以最低誤判成本為標準對樣本企業進行分類預測。結果發現將破產企業誤判為非破產企業的概率要高于將非破產企業誤判為破產企業。可以選用非財務指標和定性指標，但復雜的分類樹結構可能引起樣本的過度適應，預測風險高。

6、支持向量機模型。該模型建立在機器學習理論基礎之上，Fan A etc采用歐氏距離方式最大化不同類的向量之間的距離、最小化同類的向量之間的距離，實現對預警指標的篩選，計算成本較低。Van Gestel T etc將其應用到財務危機預警模型中，采用最小二乘法作為支持向量機線性學習器，構建LS-SVM財務危機預警模型，判別準確率高達89.91%。

三、我國學者的主要研究

國內關于財務危機預警的研究開始于20世紀八十年代中后期，直到1996年以后，才陸續出現以企業財務數據為基礎而建立的財務危機預警模型，并逐漸發展起來。

1996年周首華、楊濟華和王平，在Z分數模型的基礎上進行改進，選取了31家破產公司和31家非破產公司作為樣本建立模型，并且用4，160家公司的數據作為檢驗樣本進行驗證，該模型充分考慮了現金流量變動情況指標，具體模型為：

F=-0.1774+1.1091X1+0.1704X2+1.9271X3+0.0302X4+0.4961X5

其中，X1、X2及X4與Z計分模型中的X1、X2及X4反映的指標相同，而X3、X5與Z分數模型的X3、X5不同。X3=（稅后凈收益+折舊）/平均總負債，它是一個現金流量變量，是衡量企業所產生的全部現金流量可用于償還企業債務能力的重要指標。X5=（稅后凈收益+利息+折舊）/平均總資產，測定的是企業總資產在創造現金流量方面的能力（其中的利息是指企業利息收入減去利息支出后的余額）。相對于Z分數模型，它可以更準確地預測出企業是否存在財務風險，判別臨界點為0.0274。

1999年陳靜選取1998年27家ST公司和同行業、同規模27家非ST公司作為樣本分析。在單變量分析中，選取了資產負債率、凈資產收益率、總資產收益率、流動比率4個指標。發現流動比率和負債比率的誤判率最低。在多元判別中選取負債比率、凈資產收益率、流動比率、營運資本/總資產、總資產周轉率等財務指標構建的模型，在公司ST發生前三年能夠較好地對財務危機進行預測。

2001年吳世農、盧賢義采用剖面分析法、單變量判定分析方法、多元線性判定方法進行財務危機預警研究，得出結論：多變量優于單變量，且Logit回歸模型的判定準確性最高。選取的預測變量有盈利增長指數、資產報酬率、流動比率、存取負債股東權益比率、營運資本/總資產、資產周轉率。同年，楊保安引入神經網絡分析方法并應用于企業財務危機判定與預測，選用BP神經網絡法構建模型，結果顯示判別正確率高達95%。

2003年，楊淑娥、徐偉剛在借鑒美國學者Altman的Z分數模型基礎上，在變量選取方面考慮到反映現金流量方面的比率指標和累計盈利能力的比率指標，具體共12個指標：速動比率、權益比率、利息保障倍數、債務保障率、來自經營活動的現金流量總額、總資產報酬率、銷售成本利潤率、應收賬款周轉率、存貨周轉率、主營業務增長率、資本保值率、累積盈利能力，形成了Y模型。

四、各種模型評述

單變量分析模型相對簡單直觀，但不能夠反映企業綜合財務狀況，同時使用幾個單變量，有可能出現矛盾情況。多元線性判別模型能夠較全面反映企業財務狀況，提高判別和預測的準確度，變量之間需要滿足不同的假設前提，且需要大量的樣本作為支撐，計算相對復雜。ANN模型具有較好的模式識別能力，并且具有學習能力，無需考慮變量之間的統計關系，能同時處理定性和定量變量，也同時存在結構確定困難性、不具解釋性、操作性差及訓練效率低的缺陷。支持向量機模型是一種新型的模式，無需特殊假設，針對小樣本具有較廣的推廣空間。

每種分析方法均有其適用條件及優缺點，企業應根據行業特點選擇操作性強的財務預警模型，建立財務預警系統，及時預測財務狀況，提高自身競爭能力。

主要參考文獻：

篇6

一、建立企業財務風險預警系統的必要性

（1）當今企業發展環境。慘痛的歷史給社會的經驗是固步自封只會落后，之后任人欺凌。這一點同樣適用在經濟市場，經濟競爭就是沒有硝煙的戰場。所以，當今的市場經濟中，各個企業所要面臨的競爭對手不僅僅是國內的企業，還有國外的各強國的優秀企業。形式十分嚴峻，企業只有經歷了各種各樣的歷練和考驗，積極吸取競爭對手的優秀制度，不斷的從經歷中總結經驗，吸取教訓，完善自己，才能夠從中脫穎而出，屹立在國際經濟市場之內。

（2）建立企業財務風險系統的必要性。一個企業就像一個人一樣，它的發展受到兩個方面的影響：一是來源于外部經濟市場的規則、國家的政策、社會的要求之類的外部考驗，另一個就是來源于自身的影響。一個優秀的人需要對自身內在進行管理，在不斷豐富自己的同時，也需要培養或制定良好習慣對自己進行制約。對于企業來說，在不斷發展的同時，必須要制定相應的制度來對企業進行約束，避免或減少外界對企業造成的不良影響，將事后的管理更改為事前的預防。因此，企業應建立嚴謹的財務風險預警系統和監控系統，提高企業對市場的危機意識。

（3）建立企業財務風險系統的意義。有企業成立，也有企業成功，自然也就有企業合并或者是破產，這些是市場經濟的環境下企業的發展常態。相信每個企業都不愿意走向衰落，那么，企業就要提高自身對市場信息的應對以及消化的能力，最大程度上利用自己企業的優勢，不斷的加強企業自身抵抗風險的機制和意識。建立企業財務風險預警系統，通過風險預警系統中的防范、監控、預警等功能應對各種容易發生變化的、非常見的逆境狀況，從而保證企業生產經營的安全性以及企業生產經營中的良性循環。財務預警系統可以多方面的分析公司財務情況，并結合實際的經濟市場的信息來預測公司財務危機，從而不斷針對調整，讓企業的財務活動始終處于“可控、且安全”的狀態。公司財務對經營活動具有前瞻性特征，有大量的實例可以證明，陷入經營危機的企業基本上都是由財務危機為征兆的，而財務的危機問題，并不是突然性的、爆發性的危機問題，財務危機的形成是問題的不斷積累與惡化共同造成的。而財務風險預警系統能夠不斷排查這些問題，一些敏感性的關鍵財務指標即警兆會以不同的形式，在不同程度顯現出來，然后系統就會對這些問題進行分析，及時的減少財務問題，從而減少財務危機的發生。

二、企業財務風險預警系統的構建

企業財務風險預警系統是財務風險管理中一項綜合性程序較高且復雜的管理活動，主要是指企業在財務風險管理中形成的各種相互制約、相互依賴的預警職能體系。通常情況下，企業在對財務的管理過程中，都會采用財務杠桿系數衡量財務風險的方法。但是這樣的方法對于財務風險預警來說，遠遠達不到要求。財務預警系統是通過對企業財務活動進行預測、監控，通過因素分析、比較分析、比率分析等方法建立的一套財務預警分析系統，系統全面地檢測企業的財務情況，通過分析預先告知企業可能出現的財務危機，讓企業可以提早準備，而且還可以采取特定的措施，排除危機，保證企業財務活動安全運行的管理行為。當前財務預警模型多采用單元判定模型，多元線性判定模型如人工神經網絡模型、Logisti模型、Z分數模型等。

要想構建企業財務風險預警系統，首先要做的是對需要達到的目標狀況、財務風險預警所處的環境情況進行分析，然后要結合風險預警的論證還有企業的實施環境，使用合理科學的財務指標，并且要充分的考慮財務風險預警的功能選定以及財務風險系統的結構構建的問題。

此外，由于財務風險預警系統的重要方法是利用財務風險分析機制，所以要想建立企業的財務風險預警系統，就必須要建立健全財務風險分析處理的管理機制，企業的財務風險需要這兩個機制合作、共同解決。財務風險的處理中有改進措施、補救措施、還有應急措施等。系統對于風險問題的處理一般是將財務風險的信息經過匯總之后將其送到危機處理小組進行處理解決。

企業財務風險預警應配合企業發展建設要求。財務管理和財務風險預警都是因企業的發展建設而建立，財務風險預警系統的運行與操作是根據企業的各項信息進行分析判斷得出結果，財務風險預警系統應結合企業的實際狀況，建立適用與企業發展的預警系統。對已經建立的風險預警系統應進行必要的評估和檢查，及時調整系統中不適當的環接，降低企業的財務風險。

企業應加強風險的防范工作。面對企業間的競爭，企業的管理者必須提高財務風險的防范意識，加強財務控制程序，提高財務管理的制度，提升對財務危機的認識，將財務風險系統融入在日常的工作監督中，發現預警中的異常立即應對，采用危機管理對出現的財務危機進行補救處理，降低企業的風險，促進企業的安全發展。

三、結論

如今企業的發展面臨的是國際的經濟市場，企業的發展壓力相對較大，企業必須從各方面武裝自己，財務作為企業發展的核心更是要受到重要的保護，建設企業財務風險預警系統可以幫助企業不斷的檢視自身，結合實際的市場規則或需求，對企業內部的信息或制度進行排查，能夠幫助企業盡早的發現問題，給企業解決問題的時候，同時也減少了由財務問題不斷積累、壓縮，最后對企業造成毀滅性傷害的可能性。本文簡單論述了企業財務風險預警系統的構建問題，提出了幾點針對性的建議，希望可以幫到各位讀者，幫到各個企業提高效益。

參考文獻：

篇7

引言

高等教育已由精英式教育轉變為大眾化教育。高校招生規模不斷擴大，辦學配套設施迅速提高的同時，我們更應關注高校運營質量及財務管理的有序進展。隨著我國高等教育體制改革，高校籌資渠道呈現多元化趨勢，高校正面臨前所未有的機遇與挑戰。全面有效地分析高校財務狀況，通過建立專門的預警指標體系，及時監測、評價和控制高校運營過程中面臨的風險，是高校當前財務管理的重要內容。復雜的經濟形勢使得高校財務管理正面臨多方面風險，包括籌資風險、投資風險和日常運營風險等。高校管理者若不能像企業管理者一樣重視風險并力求規避風險，必將給高校可持續發展帶來巨大的沖擊。目前，國內學者對于高校財務風險的形成原因暫還缺乏系統性的分析，且針對高校財務風險的預警指標體系并沒有形成統一標準，因此，對高校財務風險的系統性研究已成為各大高校迫切需要攻克的課題，同時科學合理地構建一套完整的財務風險預警指標體系，具有非常重要的意義和價值。

1高校財務風險的涵義

高校財務風險是指由于各種不確定因素的影響而使高校在資金運動過程中發生實際財務狀況與財務目標負面偏離的可能性。高校財務狀況惡化是一個逐漸形成的過程，并不會瞬間產生。由此可見，構建高校財務風險的預警指標體系，有助于高校提前洞悉財務狀況，及時發現高校財務管理漏洞及薄弱環節，進一步提升高校的綜合財務管理水平。

2高校財務風險預警指標體系的構建原則

2.1重要性原則

財務風險預警指標體系的重要性體現于所選的指標能突出反映高校在籌資、投資和日常營運過程中的主要矛盾現象。此外，還應注意成本效益原則，預警指標不宜過多。

2.2橫向可比原則

橫向可比原則強調指標體系的建立應有助于各高校之間進行橫向財務風險的可比性。因此，應根據我國目前通用的財務報表為基礎設立指標，建立統一的核算范圍，促進指標體系的量化及比較。

2.3實用性原則

構建指標體系的另一重要原則是不僅要保持理論上的科學性和完整性，還應注重其在現實中的可行性與實用性。因此，構建指標體系的所有數據均應由現有的會計核算資料提供，以提高財務風險預警的可操作性。

2.4動態性原則

該原則指指標體系的建立能體現一個動態的持續分析過程。它不僅用于評價高校過去的財務狀況，更重要的是能預測高校未來的發展趨勢。動態性原則還體現在指標體系必須根據財經政策的新要求和會計核算的更新，逐年同步修正指標體系，以時刻準確反映高校的財務風險狀況。

3高校財務風險預警指標體系的構建

預警指標的選取應具有重要性、代表性和敏感性。高校財務風險主要存在于償債、運營、投資等方面。本文針對性地選取償債能力指標、營運能力指標、收益能力指標、發展能力指標作為核心指標，將非財務指標作為輔助指標，從而構建一套科學、合理的高校財務風險預警指標體系(見圖1)。

3.1償債能力指標

償債能力是指高校償還到期負債的能力。高校只有具備良好的償債能力，才能抵御突發事件所帶來的風險，才能維持良好的財務狀況及可持續經營水平。(1)資產負債率。資產負債率指高校的負債總額與資產總額的比率，用于衡量高校利用舉債資金進行經營管理的能力，反映高校長期償債能力。高校資產負債率并不是越低越好，相對于企業而言，高校資產負債率保持在30%～50%較為適宜。資產負債率=負債總額/資產總額×100%。(2)速動比率。速動比率是指高校速動資產與流動負債之比，用于衡量高校短期償債能力。速動資產是除去高校流動資產中變現能力較差的實驗器具、維修配件、儲備藥品等資產后的流動資產。速動比率是穩定型變量指標，指標值為1.0最為適宜。速動比率=速動資產/流動負債。

3.2營運能力指標

(1)收入支出比。該指標是高校收入總額與支出總額之比。指標值越大，反映出高校自我支付能力越強，屬于極大型指標。收入支出比率=收入總額/支出總額。(2)應收款項占流動資產比率。該指標是指高校年末應收款項余額與年末流動資產之比，可以有效衡量高校資金使用效益的高低，及時體現高校資金回收情況。指標指越小，說明高校應收款項對資金的占用越小，營運風險越小。根據我國高校現狀，該指標值應控制在50%以內。應收款項占流動資產比率=年末應收款項余額/年末流動資產×100%。(3)招生計劃現金比率。該指標是指當年實際收到的學費與應收取的學費之比。學費是高校預算收入的重要組成部分，因此該指標有效衡量了高校財務管理水平。該指標為極大型變量指標，最大值為1.0，即當年所有學生均已繳納學費。若有近50%學生欠費，就可認定已出現財務風險。招生計劃現金比率=當年實際收到的學費/當年應收取的學費。

3.3收益能力指標

(1)資產創收率。該指標是教育補助收入、科研補助收入、教育事業收入和科研事業收入的加總與資產總額之比。高校資產的主要投資產出體現在教育和科研成果收入，所以該指標較好地反映了高校資產的收益能力。資產創收率=(教育補助收入+科研補助收入+教育事業收入+科研事業收入)/資產總額。

3.4發展能力指標

(1)貨幣資金余額增長率。該指標是指年末貨幣資金與年初貨幣資金的差額與年初貨幣資金之比。該指標值較好地反映了高校財務調控能力，指標值越大，說明支付能力越強，進而有助于高校可持續健康發展。貨幣資金余額增長率=(年末貨幣資金－年初貨幣資金)/年初貨幣資金。(2)固定資產增長率。該指標是高校年末固定資產總額與年初固定資產總額的差額與年初固定資產總額的比率，反映了高校固定資產增長程度。該指標屬于區間型變量指標，體現高校資產管理效果。該指標值越低，說明高校發展潛力欠佳，該指標越高，說明資金有風險。固定資產增長率=(年末固定資產總額－年初固定資產總額)/年初固定資產總額。(3)自籌能力比率。該指標是事業收入、附屬單位上繳收入、經營收入和其他收入的加總與本期收入之比，可以衡量高校除財政撥款外多渠道籌資能力。該指標值越大，表明高校自我籌資能力，進而看出高校的自我協調發展能力越強。自籌能力比率=(事業收入+附屬單位上繳收入+經營收入+其他收入)/本期收入總額×100%。

3.5非財務指標

(1)新生報到率。新生報到率反映了高校的美譽度及聲譽，一定程度上能體現高校的綜合評價度。新生報到率=當年報到新生數/當年新生錄取數×100%。(2)生師比率。生師比率反映高校人力資源利用率，生師比應符合高校基本辦學條件要求，在合適的范圍內。生師比率=在校學生年平均數/教師年平均數×100%。(3)畢業生就業率。畢業生就業率高低可以作為高校專業設置或調整的依據。分為初次就業率、年底就業率或畢業后半年的就業率。畢業生就業率=畢業生就業人數/畢業生總數×100%。

4高校財務風險防范措施

4.1加強內部控制建設

為更好地規劃高校各項經濟活動，高校應制定完善的內部控制制度，建立有效合理的審批授權機制，尤其對于大額資金經濟業務必須執行嚴格的審批制度，并設立多層次監督體系，從事前、事中、事后各方面保證高校正常運作。

4.2強化預算管理

財務風險控制需加強預算編制、預算執行、預算調整的規范。首先，應將財務信息公開作為高校質量體系建設的重要內容，積極推進預算標準和程序公開，預算執行情況及決算情況公開。其次，應改進預算編制方法，主要從加強預算管理責任、制定科學的預算標準、細化預算項目等方面考慮。

4.3優化融資結構

新形勢下高校應克服對財政撥款的過度依賴，積極推進多渠道籌資方式，逐步建立政府、社會、市場三位一體的籌資模式。在政府主導下，積極通過市場自有機制和社會各種資源的有效優化配置來合理分攤高校教育成本。

4.4建立可行的財務風險預警系統

高校應在現有的會計核算基礎上，根據高校實際構建適合高校本身的預警指標體系，設置預警值，由預警組織機構定期及不定期提交財務風險預警分析報告，適時對高校風險點進行排查及整改，以提高高校財務管理水平。

5結語

高校財務風險預警指標體系的構建目的在于全方位地量化評價高校面臨的財務風險，為高校決策管理層提供風險管理決策依據，指導高校事前、事中、事后綜合監測財務狀況及風險水平，及時做出高校財務風險防范措施。本文針對高校財務風險預警指標體系的構建研究，只是從總體角度出發，尚不具體，各高校在實際運用時可結合自身實際合理設置指標預警值，從而達到有效監測財務風險的目的，并針對預警結果及時采取預防措施，不斷提高財務管理水平及風險防范能力。

參考文獻:

［1］王萍．我國公立高校財務風險評價指標體系構建［D］．南昌:江西財經大學，2013．

［2］黃青山．高校財務風險指標體系的建立及評估［J］．商業會計:上半月，2009，(19):39－40．．

篇8

隨著經濟的全球化，企業之間的競爭日益加劇，企業正常發展所面臨的不確定性因素越來越多。因此，評估風險、識別風險因子，采取針對性的風險規避措施對企業正常發展非常關鍵。在企業風險管理中，財務風險管理是極其重要的一環，評估財務風險也成為企業管理與發展中需要關注的焦點，吸引了眾多理論與實際管理者的關注，提出了各種不同的財務風險預警方法。

一、財務風險預警的基本理論

由于企業經濟活動的不確定性，要準確分析企業的財務風險，識別風險因子，離不開基本的統計方法與工具。現代財務風險預警主要利用統計方法進行分析。

（一）單變量預警模型

受Fitzpatrick利用統計方法預測研究財務危機的啟發，威廉?比弗（William.Beaver） 提出了單變量預測模型。他對1954～1964年的79個失敗企業和相對應（同行業，等規模）的79家成功企業進行了比較研究，選用五個財務比率作為變量，將公司在財務失敗前數年的財務比率作為判別指標進行一元判定分析，通過研究發現現金流量與債務總額的比率和資產負債率判定公司的財務狀況的誤判率最低。陳靜以1998年的27家ST公司和27家非ST公司為樣本，使用了1995～1997年的財務報表數據，運用單變量分析和多元判定分析公司財務風險。在單變量分析中，發現在資產負債率、流動比率等四個指標中，流動比率與資產負債率的誤判率最低；在多元線性判定分析中，發現由資產負債率、凈資產收益率、總資產報酬率等六個指標構建的模型在ST發生前的三年能較好地預測ST。

（二）多元線性判別分析

多元線性判定模型，又稱Z-Score模型，由Altman提出并研究的。他選取了1946～1965年的33家破產公司和33家非破產公司作為樣本，采用統計方法從22個財務比率中選取了五個變量，通過多元判別分析建立判別函數，以產生的分值作為依據進行判斷。該模型對于破產前一年和前兩年的分類準確度分別為95%和82%。之后，Altman、Haldeman和Narayannan將Z-SCORE模型進行了擴展，建立了ZETA模型。研究表明，ZETA模型提前五年就能有效地劃分將要破產的公司，通過研究同樣的樣本表明ZETA模型明顯優于Z-SCORE模型。張玲采用Z計分判定法，使用了60家公司的財務數據進行估計了二類線性判別分析，采用另外60家公司作為檢驗樣本進行檢驗分析財務風險與識別風險因子。周守華、楊濟華拓展了多元判別分析方法，他們在Altman的研究基礎上，將模型加以改進，增加了反映企業現金流量能力的指標，構建了F分數模型。陳曉對37家ST公司和37家非ST公司進行配對，發現有四個比率對上市公司財務危機有著顯著的預測效應。張鳴等運用現金存量模型，結合前人研究的財務預測模型建立綜合預測模型，然后引入審計意見變量進行修正。

（三）邏輯回歸模型

Logit模型是一種廣泛使用的處理分類變量的統計模型，這一模型建立在累計概率函數的基礎上，不需要自變量服從多元正態分布和兩組間協方差相等的條件。Ohlson將其首次用于財務風險管理，他以1970～1976年的105家破產公司和2058家非破產公司組成非配對樣本，以經營業績和資產流動性等財務指標變量建立Logit模型，該模型被稱為O-SCORE模型。吳世農等對我國上市公司財務困境的預測模型問題進行了一次綜合性的研究，他們以1988～2000年深滬兩市上市的140家上市公司作為研究對象，構建了Lojit回歸模型，并且得到的判別結果顯示該模型能夠準確地判別92.75%的ST公司和94.29%的非ST公司，總體的正確率達到了93.53%。孫錚選取42家ST公司作為樣本，在分析13個變量的基礎上，運用logit回歸給出了判別上市公司財務危機的模型。劉（2004）運用Logit模型對我國上市公司是否被ST進行了預警。

（四）多元概率比回歸模型

Probit模型和Logit模型的思路很相似，只是在具體的計算方法和假設前提上存在一定的差異，Logit采用取對數方法，而Probit采用積分的方法。Zmijewski首次將該模型用于財務風險分析。陳曉和陳怡鴻運用多元概率比回歸模對我國上市公司型進行了財務預警研究，識別了財務風險因子。

在財務風險研究中，前述四種分析方法是基本的方法，其他的諸如決策樹法、神經網絡、混沌模型與雙層自組織映射模型可以看成是這些方法的拓展。這些方法都是參數模型，需要較強的參數假設，而且在實際使用時也存在許多不足。單變量模型主要圍繞統一的財務指標數據展開，缺乏全局系統的觀念；決策樹法結果易于解釋與使用，但預測能力不高、通用性差；神經網絡結果難于解釋；混沌模型與雙層自組織映射模型要求樣本數據多，較少的時序數據預測精度低；判別分析、邏輯回歸雖然是使用廣泛的兩個模型，預測效果較好，有較強的解釋能力，但這些方法并沒有考慮公司特征與時間之間的關系，不能明確財務風險發生的時間與演進過程。生存分析模型考慮了風險與時間、影響因素的演進關系，為財務預警理論研究提供了便利的研究方法。

篇9

Z＝0.012X1＋0.014X2＋0.033X3＋0.006X4＋0.999X5

其中：

X1＝（營運資金／資產總額）×100

X2＝（留存收益／資產總額）×100

X3＝（息稅前利潤／資產總額）×100

X4＝（所有者權益總額／負債賬面價值總額）×100

X5＝（銷售收入／資產總額）×100

其中X1、X4反映企業的償債能力；X2、X3反映獲利能力；X5反映盈利能力。Z值越低，風險越大。在奧特曼（Altman）的多元Z值判別系統中，最終對財務風險預警起作用的財務比率只有5個，這是否意味著其它財務比率對財務風險預警就不起作用了？其實不然，因為奧特曼在構建多元Z值判別系統的過程中，首先進行財務比率的相關性分析，剔除了一部分財務比率，并最終根據累計貢獻率選擇了5個財務比率。實際情況是財務比率之間往往具有一定的相關性，但又不是完全相關的。因此，能否找到一種方法，使得在構建財務風險預警系統時，一方面既能考慮到更多一些對財務風險預警有指示作用的財務比率；另一方面又不會因為財務比率太多而增加分析問題的復雜性?為了解決這一問題，利用層次分析法。層次分析法通過同類指標兩兩比較誰更重要的方法，構造判斷矩陣，計算出特征向量，確定各層次的權重。另外，奧特曼多元Z值判別系統的所選擇的5個財務指標，是基于會計權責發生制下的財務比率，能否利用收付實現制下反映企業的償債能力、獲利能力、盈利能力的現金流量指標替代呢？從國內外實證研究表明，采用現金流量的系列指標分析有助于財務風險預警。

所以，利用層次分析法并結合奧特曼多元Z值判別系統的分析思路，構建了基于企業現金流量分析的財務風險預警系統，通過計算出來的A值，與預警指標比較以及在預警區間的范圍，可正確評價企業面臨的風險，得知風險程度和風險來自哪些具體方面，從而有針對性地制定有效措施防范風險。

二、財務風險預警系統的構建

（一）指標選擇原則

指標選擇原則力求科學性、全面性和可比性。科學性和全面性就是要運用現代科學的方法，參照國外先進的做法來對企業進行評估，評估方法設計和指標選取要客觀、公正、公平，盡量淡化主觀色彩，表現為所選用的指標既要反映公司的獲利能力和支付能力，又要反映資產流動性和財務彈性等財務狀況，以概括反映資產負債表和利潤表的有關指標的信息，同時兼容各指標之間的系統性。可比性表現為所選用的指標不受公司行業背景等個性條件的限制，可直接比較。同時，選取的各項指標必須有機配合，形成體系，指標之間不能重復和矛盾，各項指標要有一定的依據并真實可靠；要選擇能夠反映企業全貌的指標，既要評估企業的現在，也要評估企業的過去，還要預測企業的未來；選取的指標要有代表性，盡量精簡，避免由于指標過于龐雜而導致的內容沖突、相互矛盾等現象；選取的指標應具有較強的橫向、縱向可比性，并盡可能排除偶然或異常事項的影響。

（二）現金流量指標的選擇

綜合上述有關指標選擇的原則，財務風險預警系統從以下五方面選擇現金流量分析指標：

1.結構性分析指標

經營活動現金流量流入流出比X11＝經營活動現金流入量／經營活動現金流出量

投資活動現金流量流入流出比X12＝投資活動現金流入量/投資活動現金流出量

籌資活動現金流量流入流出比X13＝籌資活動現金流入量/籌資活動現金流量流出量

2.流動性分析指標

現金到期債務比X21＝經營活動現金凈流量/本期到期債務

現金流動負債比X22＝經營活動凈流量/流動負債

現金債務總額比X23＝經營活動現金凈流量/總負債

3.獲取現金能力分析指標

銷售現金比率X31＝經營現金凈流量／銷售額

每股營業現金凈流量X32＝經營現金凈流量／普通股股數

總資產現金回收率X33＝經營現金凈流量／總資產

4.財務彈性分析指標

現金滿足投資比率X41＝經營活動現金凈流量／（資本支出＋存貨增加＋現金股利）

現金股利保障倍數X42＝每股經營現金凈流量／每股現金股利

5.收益質量分析指標

現金營運指數X51＝經營現金凈流量/經營所得現金

現金利潤率X52＝經營活動現金凈流量/凈利潤

（三）利用層次分析法確定權重

對財務風險預警指標賦予不同的權重，體現了各變量指標對風險預警結果的影響程度和重要程度，指標權重應根據風險管理的目的來設置，財務風險的指標體系主要是從企業的角度考察其償債能力和風險承受能力，因此，償債能力和現金流動情況是整個指標體系的重點，該部分的權重應相應加大。層次分析法，是一種定量與定性相結合，是將決策者的主觀判斷與偏好用數量形式表達和處理的方法。

首先，在財務風險預警系統（A）中第一層分解為現金流量結構指標（B1）、流動性指標（B2）、獲取現金能力指標（B3）、財務彈性指標（B4）和收益質量指標（B5）五個分層指標。這五個方面對現金流量綜合評價值來說，其重要性各不一樣，即權重有大小。按重要性排序為：B3>B2>B1>B4＝B5，根據層次分析原理和指標間兩兩比較重要性（1表示同樣重要，3為稍微重要，5為明顯重要，7為重要得多，2、4、6介于以上相鄰兩種情況之間），構建以下判斷矩陣：

根據以上5階矩陣求得特征向量為：

＝（0.1151，0.2137，0.5300，0.0706，0.0706）T

同時，求得判斷矩陣最大特征根為：

λmax＝ ＝5.13168，

一致性檢驗CI＝＝（5.13168－5）／4＝0.03292，

5階矩陣RI＝1.12，CR＝CI／RI＝0.03292／1.12 ＝0.0294

其次，分別對各層構建判斷矩陣，用同樣的方法求特征根并進行一致性檢驗。現金流量結構指標（B1）經營活動現金流入流出比（X11）、投資活動現金流入流出比（X12）、籌資活動現金流入流出比（X13）三個指標，構建的判斷矩陣、特征向量及一致性檢驗：

流動性指標（B2）分解為現金到期債務比（X21）、現金流動負債比（X22）、現金債務總額比（X23）三個指標，構建的判斷矩陣、特征向量及一致性檢驗：

獲取現金能力指標（B3）分解為銷售現金比率（X31）、每股營業現金凈流量（X32）、全部資產現金回收率（X33）三指標，構建的判斷矩陣同B1的矩陣，特征向量WB3＝（0.5390，0.2972，0.1638）T。

財務彈性指標（B4）分解為現金滿足投資比率（X41）、現金股利保障倍數（X42）兩個指標，構建的判斷矩陣和特征向量：

收益質量指標（B5）分解為營運指數（X51）、現金利潤率（X52）兩個指標，構建的判斷矩陣和特征向量：

（四）財務風險預警系統的建立

則由以上的特征向量矩陣構建財務風險預警系統的如下：

A＝0.1151B1＋0.2137B2＋0.53B3＋0.0706B4＋0.0706B5

其中：

B1＝0.5390X11＋0.2972X12＋0.1638X13

B2＝0.2244X21＋0.6196X22＋0.1560X23

B3＝0.5390X31＋0.2972X32＋0.1638X33

B4＝0.3333X41＋0.6667X42

B5＝0.3333X51＋0.6667X52

三、財務風險分析

從上述現金流量指標的層次分析中可以看出：財務風險預警系統是從企業現金流量的結構性、流動性、獲取現金能力、財務彈性和收益質量五方面來評價企業財務風險的預警結果及其財務風險承受能力，財務風險預警結果A值越大，其風險越低；反之，分值越低，風險越高。

四、應注意的問題

1.需將定性分析和定量分析結合起來綜合分析

建立了以現金流量分析為基礎的財務風險預警系統，是定量分析系統，其所選擇的現金流量分析指標不能反映企業全部風險特征，通過國內外實證研究表明，在財務風險分析中考慮非財務因素仍然認為有必要，因此，應將定性分析和定量分析結合起來綜合運用。

2.持續更新財務預警指標和預警區間

財務風險預警系統是一個持續完善的過程，在財務預警系統建立后，企業應定期根據其經營情況、行業發展狀況及宏觀經濟環境的變化，及時檢討財務預警指標的選擇及預警指標預警區間設置的合理性，以完善相應的財務風險預警機制和財務風險管理措施。

3.建立風險管理信息系統，為財務風險預警提供信息技術支持

篇10

轉軌經濟的特殊背景也使我國的國有企業財務風險呈現以下特點：

首先，政企不分離。具體體現在：一是政資不分導致政企難以根本分離;二是政府習慣全面干預，企業經營中政策作用大于內在機制作用;三是政府對國有企業進行不適當的財政補貼，使企業提高效率動力不足。

其次，產權不清晰。不同所有權主體之間權責關系不明確問題，導致國有財產的占有、使用、處分和收益不能得到合理的法律保護、約束和有效地利用，從而造成國有財產的流失，國有企業的低效率和高風險。

再次，公司法人治理結構不合理如：股權結構不合理、董事會功能不強、經理層激勵約束機制缺乏、信息披露機制不完善等。這已成為增大國有企業財務風險，制約著國有企業的發展的重要因素。

最后，壟斷。在行政壟斷的保護下，國有壟斷企業往往出現高價格和高利潤，但由于缺乏競爭機制，壟斷企業始終是在邊際成本大大高于邊際收益的狀態下進行生產，因而往往產生效率損失和福利損失，企業也容易陷入尋租和技術停滯的困境，帶來較高的財務風險。

（二）國有上市公司財務風險影響因素

影響國有上市公司財務風險的因素包括：一盈利能力，上市公司的盈利能力是其經營效果、發展能力的綜合測度，也是償還債務的重要來源，盈利能力越強，則發生財務危機的可能性越小。二償債能力，償債能力指企業利用其自身資產償還長期債務與短期債務的能力，償債能力是企業償還到期債務的承受能力或保證程度，是反映企業財務狀況和經營能力的重要標志。三營運能力，營運能力的各項指標揭示了企業的資金運營周轉的情況，反映了企業對經濟資源管理、運用的效率高低。企業資產周轉越快，流動性越高，企業的償債能力越強，資產獲取利潤的速度就越快，財務風險也就相對較低。四現金流量，現金流量是衡量企業經營狀況是否良好，是否有足夠的現金償還債務，資產的變現能力的重要指標。五發展能力，發展能力較好的企業，往往需要增大投資、擴大生產，盈利狀況良好，往往能夠籌集到較多的資金，財務風險較小;反之，發展能力較弱的企業，或者由于盈利狀況較差，或者是企業的生產規模已經達到一定程度的穩定，往往籌集少量的資金，財務風險較大。六是股權結構，股權結構作為公司治理體系的產權基礎，它首先決定了公司的控制權結構，進而決定了其內部治理機構的構成和運作，并通過內部治理機構對整個公司治理的效率產生影響，在我國獨特的制度背景下，上市公司的股權結構有其特殊性，在財務風險的形成過程中有著重要作用：八市場份額，很多企業為了在產業成長時期獲得搶先優勢，迅速擴大市場份額。但在運用搶先戰略時遇到利潤的“增長陷阱”，即市場占有率提升過程中利潤率迅速下降，未來卻難以提升的困境。這種增長方式不利于企業的可持續發展，為企業帶來潛在的財務風險。

二、國有上市公司財務風險預警模型

根據上文分析本文選取盈利能力、償債能力、營運能力、現金流量、發展能力、股權結構、市場份額七個一級指標和21個2級指標，具體指標體系以下：

表1 財務指標體系

一級指標 二級指標 指標計算公式

盈利能力指標 息稅前利潤率 X1 息稅前利潤/總資產平均余額

成本費用利潤率 X2 利潤總額/（主營業務成本+銷售費用+管理成本費用+財務費用）

每股收益X3 凈利潤/股本

營運能力指標 應收賬款周轉率X4 主營業務收入/平均應收賬款

存貨周轉率X5 主營業務成本/平均存貨

流動資產周轉率X6 主營業務收入/平均流動資

總資產周轉率X7 主營業務收入/平均資產總額

現金流量指標 每股經營活動現金流量X8 經營活動現金流量凈額/股本

銷售現金比率X9 經營現金凈流入注營業務收入

全部資產現金回收率X10 經營現金凈流入/總資產

償債能力指標 流動比率X11 流動資產/流動負債（短期）

速動比率X12 速動資產/流動負債

資產負債率X13 負債總額/資產總額

產權比率X14 負債總額/股東權益

流動資產負債比率X15 流動資產/流動負債（長期）

發展能力指標 固定資產投資擴張率X16 本期固定資產總額/去年同期固定資產總額―1

凈資產收益率增長率X17 本期總資產/去年同期末總資產―1

凈利潤增長率X18 本期凈利潤/去年同期凈利潤一1

股權結構 第一大股東持股比例X19 第一大股東股權/總股本

國有股比例X20 國有股股東股權/總股本

市場份額 市場占有率 X21 企業市場份額/市場份額

三、實證分析

（一）數據來源

本文選取140個2012年到 2013 年間實際控制人為發生本質變化的滬深 A 股國有上市公司為研究對象，其中ST或*ST公司70家，非ST公司70家，數據來源于國泰安和 RESSET 金融研究數據庫以及新浪財經網站。通過對選取的20個財務指標在財務困境發前1至5年的平均值和標準差等描述性統計量進行分析，并計算各年的Z統計檢驗量，結果如表2所示。可以發現除總資產周轉率X7、速動比率X12、產權比率X14、凈利潤增長率X18之外的17 個財務指標具平均值存在顯著的差異，且Z值隨著ST發生時間的臨近而顯著增大，證明這17個財務指標有較強的時效性。

表2 各指標Z統計量

指標 1 2 3 4 5

息稅前利潤率X1 1.724 2.742 2.003 1.433 1.883

成本費用率X2 2.001 3.288 2.987 2.275 3.095

每股收益X3 2.1 2.086 2.563 1.868 2.059

應收賬款周轉率X4 3.741 3.715 3.669 3.676 3.596

存貨周轉率X5 4.04 3.953 3.938 3.95 3.836

流動資產周轉率X6 4.403 4.009 1.829 4.538 5.012

每股經營現金凈流X8 4.754 3.487 2.628 4.012 3.118

銷售收到現金比率X9 0.878 1.42 2.076 1.782 1.794

全部資產現金回收X10 3.811 4.409 4.352 4.447 4.753

流動比率X11 3.831 3.393 3.476 3.571 3.656

資產負債率X13 4.197 4.208 4.159 4.18 4.242

流動負債比率X15 3.521 3.535 3.545 3.574 3.597

固定資產增長率X16 4.038 3.708 3.644 3.326 3.516

凈資產收益率增長率X17 1.564 1.478 1.793 1.528 1.545

第一大股東持股比例X19 3.556 3.273 2.263 3.029 3.205

國有股比例X20 3.392 3.394 3.281 3.397 3.497

市場占有率 X21 1.758 3.516 4.25 4.063 1.782

（二）判別模型

1.logistic模型

本文采用二元logistic模型，其中m是自變量的個數。.該模型中，P介于 0～1 之間，取0.5為臨界值，當 P 值大于0.5時，認為該公司是財務非正常公司，P 值越大，說明該公司的財務狀況越不好，越容易發生財務危機。P 值小于該臨界值時，認為該公司屬于財務正常公司，P 值越小，說明公司的財務狀況越好，越不容易出現財務危機，當 p值處于臨界值邊緣時，企業發生財務危機的可能性較大，如果不加以控制，企業很可能會面臨財務危機。

2.具體實證分析

該部分采用主成分分析法，以解決變量之間存在的多重共線性問題。通過提取影響財務危機的主要因子，實現變量的順利降維。

（1）首先進行KMO 和 Bartlett 檢驗，結果如下

表3 KMO 和 Bartlett 檢驗

樣本充分性的Kaiser-Meyer-Olkin度量 Bartlett球形檢驗

近似卡方 Df Sig

0.689 66.152 70 0.000***

通過進行 KMO 測試，得到測試系數為 0.601，大于0.5，球形 Bartlett 卡方檢驗值為 676.867，表明各變量間相關度較高適合進行因子分析。

（2）確定公共因子。通過公共因子提取后的各變量的共同度可以看出5個公共因子的累計貢獻率已經達到92.399%，因此提取5個主成分。

（3）得出因子載荷矩陣

表4 因子載荷矩陣

Component

F F1 F2 F3 F4 F5

X3 .914 .147 .224 .056 .111

X5 .101 -.023 .107 .975 .066

X9 .599 .588 -.148 .225 .069

X14 .132 .129 .951 .109 .018

X17 .151 .906 .214 -.093 .114

X18 .108 .111 .018 .067 .985

由此可以得出5個主成分的得分函數：

F1=0.914X3+0.101X5+0.599X9+0.132X14+0.151X17+0.108X18

F2=0.147X3-0.023X5+0.588X9+0.129X14+0.906X17+0.111X18

F3=0.224X3+0.107X5-0.148X9+0.951X14+0.214X17+ 0.018X18

F4=0.056X3+0.975X5+0.225X9+0.109X14-0.093X17 +0.067X18

F5=0.111X3+0.066X5+0.069X9+0.018X14+0.114X17+0.985X18

（4）構建模型

利用SPSS17.0軟件對以上5個主成分進行二元logistic回歸分析，剔除不顯著的F2、F6變量，得出分析結果如下：

表5 Logistic回歸結果分析

因子 系數 標準差 Wald值 sig

F1 -.272 .147 3.398 .015**

F2 .175 .061 8.268 .004***

F3 .045 .026 2.960 .035**

F5 .004 .009 .206 .0 40**

C -3.599 1.185 9.230 .002***

Chi-square 91.063

Sig. .000

-2 Log likelihood 18.340

Cox & Snell R Square .648

Nagelkerke R Square .913

***表示在 0.01 水平上顯著，**表示在 0.05 水平上顯著。

構建logistic模型為：

其中t=-3.599-0.272F1-0.175F2-0.045F3-0.004F5

模型以0.5作為判別分界點，p值大于0.5時，判別企業為非正常企業，P值越大，則企業發生財務危機的可能性越大;當p值小于0.5時，判別為正常企業，P值越小，該企業的財務狀況越好，資產越安全，發生財務危機的可能性越小;若p值等于0.5，則說明該企業的財務狀況不夠明朗，處于灰色地帶，發生財務危機的可能性較大。

表6 回歸檢驗結果分類標準

非ST公司 St公司 誤判率

種類 非st公司 65 5 7.14

St公司 3 67 4.28

誤判率合計 5.71

根據檢驗結果可以發現對于非st公司的預測誤判率為 7.14%，st公司的預測誤判率為4.28%，總體上誤判率為 5.71%。從判別結果可以看出單純財務指標變量的財務危機預警模型的預測精度較為理想。

四、對策建議

（一）樹立高度的財務風險意識

國有上市公司應充分認識財務風險的客觀性、必然性和不確定性，將風險意識貫穿到企業財務工作的每個環節。企業的管理層和全體干部職工要把握財務風險防范的重要性和必要性，樹立財務風險管理的責任感和使命感，主動發現財務風險，加強財務風險的內部控制，建立健全財務風險的預測、評估、控制和約束機制，并且在技術上制定風險回避、風險轉移和風險分散等管理策略，以有效防范和控制風險，減少財務風險的發生和造成的損失。

（二）合理安排負債規模

企業應合理安排負債規模，使債務資本和權益資本維持在合理的比例，合理利用財務杠桿，保證負債能夠給企業帶來避稅、約束激勵經營者的正面效應。企業應考慮到自身行業的競爭程度、本企業的成長階段、自身的經營能力等特征，對長、短期負債的盈利能力與風險進行權衡，確定使風險最小、企業盈利能力最大化的長、短期負債比例。

（三）提高公司營運和盈利能力

實現盈利是企業分配利潤、償還負債、實現增長的前提，提高企業的盈利能力也是防范企業財務風險的重要舉措，挖掘新的利潤增長點是企業增強自身競爭力實現長遠問題必須考慮的問題。企業應該選擇合適的籌資方式，加強投資管理，企業應加強資金回收管理。

（四）合理安排公司股權結構