導言：作為寫作愛好者，不可錯過為您精心挑選的10篇財務危機的特征，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

財務危機包括無力支付到期債務、喪失支付能力以及經營不善、資不抵債等經濟現象，它是企業由于內外部環境的不確定性引起財務風險的一種極端表現。如果在這一階段，企業能夠識別危機信號，及時采取防范措施，就能化解危機，回到正常的財務風險階段，反之，企業的財務危機就會加重，并最終導致破產。按照這一理解，企業的財務危機有輕重之分，輕者可能僅僅發生了暫時的流動性危機，只要有外部資金注入就可以渡過難關，重的則是經營失敗和破產清算，而在這兩個極端之間還存在很多屬于中間狀態企業財務危機。

在國內，學者們將上市公司是否被“特別處理”（ST）作為其是否發生財務危機的判斷依據，本文認為該依據是合理的，這是因為：第一，由于我國會計制度和財務制度的限制，學者們在進行實證研究時只能通過企業財務年報的形式獲得微觀數據，而只有上市公司才會定期公布其財務年報，因此，能夠分析的企業一般也只能是上市公司。第二，根據滬深證券交易所的規定，上市公司在具備以下兩個條件之一時，就會被“特別處理”，一個是上市公司連續兩個會計年度的凈利潤為負值，另一個是上市公司最近一年的每股凈資產小于其股票面值。這兩個指標在某種程度上均反映了企業財務狀況出現問題，可以作為界定危機的依據和標志；第三，上市公司在我國是寶貴的“殼資源”，當上市公司被“特別處理”（ST）后，其市場價值會大幅縮水，這就給那些想上市卻由于種種原因不能上市的資本提供了“借殼上市”的可能性，即外部資本以較低的價格獲得上市公司的實際控制權，這對于那些被ST的上市公司而言，已經屬于實質破產。因此，在我國，上市公司的“ST”涵蓋了企業財務危機的各個層面和階段，可以作為危機發生的判斷依據。

二、財務危機預警分析一般模型

財務危機預警是指在選擇一組對企業財務危機影響較大，與企業財務經營狀況密切相關的指標的基礎之上，通過對這些指標的整理與分析對企業的財務危機狀況作出判斷，并提出糾正措施的過程。它主要包括信息搜集、風險分析、程度判斷和對策制定四個階段。從國內外的研究來看，財務危機預警主要通過以下四種模型進行：

（一）單變量預警模型 該模型首先需要確定一個對企業財務危機產生決定性影響的一個指標，然后依據該指標進行排序從而對企業的財務危機狀況進行預警。根據Beaver（1996），反映企業盈利能力的凈收益與資產總額之比、反映企業短期償債能力的現金流量與債務總額之比以及反映企業資本結構的債務總額與資產總額之比這三個指標與財務危機的關系最為密切，但是其準確性隨著時間的推移而下降。

（二）多元線性預警模型 該方法為了克服單變量分析的片面性，根據財務指標重要性程度的不同對多個指標進行加權平均從而得到一個判斷企業財務危機的綜合性指標。使用該模型進行分析時，一般會以以下五個變量作為基礎：留存收益/總資產、權益市值/負債總額、（流動資產-流動負債）/總資產、息稅前收益/總資產以及銷售收入/總資產。

（三）邏輯回歸預警模型 該方法進一步克服了線性模型對于因變量分布假設的局限性，使用對打似然估計法對經典的Logistic回歸模型進行回歸，并通過擬合結果直接判斷企業發生財務危機的可能性。如果可能性大于0.5，則意味著企業面臨著嚴重的財務危機，反之則意味著企業產生財務危機的可能性很小，可以忽略不計。

（四）神經網絡預警模型 相對于邏輯回歸模型，神經網絡模型對樣本的要求更低，并能夠進行自我學習和培訓，因此具有很強的自適應能力，再加上運算快捷，容錯性較強，該模型一經出現就迅速應用到企業財務預警分析中，但是該模型存在黑箱，對某些處理過程不能很好地說明，因此也具有一定的局限性。

三、旅游上市公司行業特征分析

（一）行業上市公司數量較少，不適宜大樣本分析 目前，我國的旅游類上市公司主要包括綜合類、景點類和酒店類等三種類型的旅游公司，涉及到旅游社服務、旅館服務、景點經營、餐飲服務、交通服務以及娛樂服務等多種產業，因此其界定存在一定的模糊性，也正是由于這種模糊性，各大網站對于旅游類上市公司的認定存在一定差異，但有一點是確定的，旅游類上市公司的數目相對于制造業等傳統產業來講，其上市公司的數目較少：截止到2013年，東方財富網統計旅游酒店類上市公司有30個，新浪財經網統計有23個，而鳳凰財經網統計只有18個。可見無論是以哪一個數據為準，旅游類上市公司的數目都較少，這就意味著無論是logistic模型，還是神經網絡模型，都不能用來對旅游類上市公司的財務危機預警進行分析，因為這兩個模型對于樣本的數量有較高要求，大樣本可以顯著提高這些模型的估計精度，反之，像旅游類上市公司這樣的小樣本則無法滿足其對精度的要求。

（二）經營多元化特征明顯，經營波動劇烈，線性預警模型無法提供全面準確信息 旅游類上市公司的多元化經營特征明顯，這主要表現在：（1）旅游業內部的多元化經營。以首旅股份為例，2013年首旅股份經營涉及旅游服務收入、景區收入、展覽廣告和酒店四個板塊，其中，旅游服務收入占比最高，而展覽廣告收入占比最低；（2）跨行業的多元化經營。以新都酒店為例，2013年新都酒店的收入包括：食品銷售收入、租賃收入、餐飲收入、客房收入、商品收入和其他收入。像這種多元化經營的狀況并不是個別旅游上市公司的個別現象，而是一種普遍的現象。在這種情況下，無法依據單個指標或有限的幾個指標對上市公司的財務經營狀況進行科學判斷。

此外，根據旅游類上市公司財務指標波動性的分析，還發現其經營狀況波動劇烈，以資產收益率為例，2005～2013年間，30家上市公司的資產收益率圍繞0上下波動，即使在相近的年份也會由盈利變為虧損，經營狀況極不穩定，更有上市公司的資產收益率在一年之間從2%跌至-40%，這種極不穩定的波動狀態就意味著傳統的線性預警模型已經無法滿足旅游類上市公司財務風險預警的需要。

（三）公司經營狀況嚴重分化、兼并重組頻繁，企業財務危機頻現 從30家上市公司的財務指標來看，一方面，黃山旅游、中青旅游、宋城股份等的每股收益率均在50%以上，全聚德每股的收益率則高達70%。而另一方面，ST張家界和ST東海仍然處于“特別處理”的狀態，每股收益率為負值。此外，從公司市值來看，中國國旅、東方明珠的市值都在200億元以上，而大連圣亞的市值還不到15億元，這充分說明旅游類上市公司的財務經營狀況出現嚴重分化，財務危機并不是危言聳聽。

也正是由于嚴重分化的財務經營狀況，我國旅游類上市公司的兼并重組十分頻繁，根據相關統計，其資產重組率達到了80%。這一方面是由于這些公司的資產規模較小，容易成為外部資本借殼上市選擇的對象，另一方面則是由于旅游業自身的行業特征使得外部因素特別是自然災害和傳染性疾病等對旅游業的打擊較大，因此其財務危機的預警分析也顯得格外重要。

四、旅游類上市公司財務危機預警模型構建

（一）預警指標選取 由于旅游類上市公司多元化經營的特征較為明顯，在選取預警指標時，本著全面性、有效性、可比性和可獲取性四個基本原則，從償債能力、資本結構、運營能力、發展能力、盈利能力以及投資收益等六個方面來描述其財務經營狀況，下面分別予以詳細分析。

（1）償債能力指標。包括：反映企業短期償債能力的企業速動資產與流動負債之比。速動資產是企業流動資產中變現能力最強的核心部分，包括貨幣資金、短期投資、應收賬款等，它集中體現了企業短期償債能力的強弱，如果企業的流動比率較高，但是速動比率較低，那么企業的短期償債能力一般也不高，因此，速動比率相對于流動比率來講是對企業償債能力的更好度量。資產負債率，指負債總額與資產總額之比。其主要描述了企業債務性資產的比例，該指標越小，表明企業的長期償債能力越強，反之則越弱，因為企業的債務性資產比例越高，企業在破產清算時需要承擔的清償責任就越大。反映企業利息支付能力的企業息稅前利潤與利息費用之比，該指標一般大于1，而且其值越大，說明企業償還負債（利息）的能力越強。

（2）資本結構指標。包括：長期負債與長期資金之比，其中長期資金為長期負債與股東權益之和；負債總額與所有者權益之比，該指標是評價企業資金結構合理性的常用指標，可以依此判斷企業財務政策是否穩健，該比率無論是過高還是過低，都反映了企業沒有很好的利用財務杠桿；反映企業負債合理性的股東權益與資產總額之比，如果其比值過小，表明企業負債超過了合理界限，降低了企業抵御風險的能力，從而增加了財務危機發生的可能性，反之則意味著企業沒有很好地利用財務杠桿來實現企業利潤的最大化。

（3）運營能力指標。包括：固定資產周轉率，指企業銷售收入與固定資產凈值的比率，即每一元固定資產所支持的銷售收入，其衡量了企業固定資產的利用程度；存貨周轉率，反映企業購入存貨、投入生產、銷售收回的過程，能反映企業的現金流情況和供應鏈的運作效率，存貨周轉速度越快，企業的銷售能力越強；總資產周轉率，指業務收入凈額與平均資產總額的比率，能反映企業的資產運營效率和管理水平。

（4）增長能力指標。包括：反映單位公司股權的利潤增長程度的單股收益率指標，該指標主要用于橫縱向的比較，以反映公司的投資價值；反映企業資產擴張能力的凈資產增長率指標，計算公式為本期凈資產總額/上期凈資產總額，該指標也是衡量企業成長狀況的重要指標；主營業務收入增長率，是從企業產品生命周期的視角來分析企業的財務風險，如果該比率超過10%，則認為企業發展狀況很好，基本沒有財務風險，如果該比率小于5%，則認為該企業發展前景不容樂觀，存在著爆發嚴重財務危機的可能性，如果該比率在5%到10%之間，則認為該企業存在著財務風險的可能性。

（5）盈利能力指標。包括：反映企業全部資產獲利能力的企業息稅前利潤與總資產之比，即通常所說的資產回報率，其中，息稅前利潤等于凈利潤、利息費用與所得稅費用的加總，與凈資產報酬率相比，總資產報酬率從債權人和所有者共同的角度來考察企業的盈利能力；銷售凈利潤率，指每一元銷售收入帶來的凈利潤，它與凈利潤成正比，與銷售收入成反比，反映了銷售收入的盈利能力；股本回報率，指稅前盈利與年均股本的比值，也適用于行業內不同企業的比較以反映其盈利能力的指標。

（6）投資收益指標。包括：股息發放率，指每股股利與每股凈收益的比值，主要是針對普通股股東而言，即其能夠從每股凈收益中分得的利潤；市盈率，指股票價格與每股收益的比率，投資者依據該指標判斷股票的投資價值；市凈率，與市盈率類似，其值等于股票價格與每股凈資產之比，該指標也是投資者選擇資產組合形式的主要依據，一般來講，市凈率越低，則股票的投資價值越高。

（二）預警模型選取 根據上文的分析，在第二部分中提出的四種預警模型均不適合分析中國的旅游上市公司，本文基于第三部分提出的旅游行業特征提出使用新近發展起來的灰色預測模型作為分析和預測中國旅游上市公司財務危機的工具。該模型主要是基于灰色系統理論提出，其對樣本數量和信息質量的要求較低，對于那樣小樣本，信息較少的對象尤其適合，而這正符合中國旅游上市公司的行業特征，此外，灰色預測模型不需要對總體的結構方程進行預設，而只需要通過一階方程來對變量的動態特征進行描述，因此比較適合中國旅游上市公司收益率變動劇烈的個體特征。更重要的是，灰色系統理論認為模型預測所基于的原始數據也是現實世界中多種因素共同作用的結果，因此，可以通過對現有數據的分析來得出系統運行的一般規律，從而為科學預測提供基礎和依據。同時還可以使用級比檢驗、殘差檢驗、灰色關聯度檢驗和后驗差檢驗等方法對灰色預測模型的結果進行檢驗。

在使用灰色預測模型獲得預測結果后，再通過AHP―模糊綜合評價法對旅游上市公司的財務狀況進行評價。該方法將層次分析法和模糊綜合評價法有機結合，在實際生活中應用較為廣泛。其中，層析分析法的主要優點是在設計權重時較為科學，通過將總目標分解為不同層次的子目標，再對不同子目標的相對重要性進行評價，對于那些較為重要的子目標，設計較高的權重，而對于那些較不重要的子目標設計較低的權重，這樣就可以為選擇總體的最佳方案提供依據。在確定好權重之后，再使用模糊綜合評價法進行綜合評價，在評價的過程中，關鍵是指標權重和隸屬度矩陣的確定，這需要專家根據具體情況進行打分并形成判斷矩陣，因此要求專家組成員在充分調研、認真分析、深入討論、客觀公正的基礎上確定權重，盡量降低由主觀打分帶來的模型誤差。

參考文獻：

[1]王玲：《醫藥行業上市公司財務風險預警模型研究》，西安電子科技大學2011年碩士論文。

篇2

DOI：10.3969/j.issn.1005-5304.2016.01.018

中圖分類號：R29 文獻標識碼：A 文章編號：1005-5304（2016）01-0078-04

Xinjiang Uygur Medicine Image Feature Extraction and Discriminant Analysis Based on Color and Textural Features YUN Wei-kang1， Murat HAMIT1， YAN Chuan-bo1， Abdugheni KUTLUK1， Asat MATMUSA2， YAO Juan3， YANG Fang1， Elzat ALIP1 （1. College of Medical Engineering Technology， Xinjiang Medical University， Urumqi 830011， China； 2. College of Public Health， Xinjiang Medical University， Urumqi 830011， China； 3. Department of Radiology， First Affiliated Hospital of Xinjiang Medical University， Urumqi 830054， China）

Abstract： Objective To extract Xinjiang Uyghur medicine image features and analyze the features； To investigate the image classification effect of the researched features； To find the suitable features for Xinjiang Uyghur medicine image classification； To lay the foundation for content-based medical image retrieval system of Xinjiang Uyghur medicine images. Methods The flowers and leaves of Xinjiang Uyghur medicine were treated as the research objects. First， images were under preprocessing. Then color and textural features were extracted as original features and statistics method was used to analyze the features. Maximum classification distance was used to analyze the main features obtained from image classification. At last， the classification ability of features was evaluated by Bayes discriminant analysis. Results Color and textural features were selected and classified. The correct classification rate of flower images was 85% and the correct classification rate of leaf images was 62%. The classification effect of flower images used by selected features was better than classification effect of original feature. Conclusion Compared with the classification of original features， the classification accuracy of flower medicine is higher through selected features. This research can lay a certain foundation for the further researches on Xinjiang Uyghur medicine images

and the improvement of feature extraction methods.

Key words： Xinjiang Uyghur medicine； color feature； textural feature； feature extraction； discriminant classification

維吾爾醫學是我國傳統民族醫學，是新疆維吾爾自治區衛生服務體系中不可或缺的重要組成部分。新疆地域遼闊，具有獨特的地理環境，生態環境多樣，孕育著豐富的藥材資源。合理并有效地利用這些維吾爾藥材數據資源，對保護傳統民族藥材資源意義重大。

基于內容的圖像檢索（CBIR）隨著數字化時代的到來而迅速發展[1]，成為當今的研究熱點。CBIR是指以1個圖像作為查詢條件，或描述圖像的內容，在提取底層特征的基礎上建立索引的方式，然后通過計算比較這些特征和查詢條件之間的相似度距離，來判斷2個圖片的相似程度。CBIR包括圖像特征提取、特征值的比對、結合語義分析等步驟，其中圖像特征提取是其關鍵步驟之一。圖像特征提取是一門交叉性的學科，它既包含在計算機視覺技術中，也包含在圖像處理中，通過計算機的分析和處理提取圖像特征，進而解決實際問題[2]。

雖然CBIR技術在各領域得到了長足發展，但針對維吾爾醫藥材的研究較少，因此，在維吾爾醫藥領域展開相關研究具有重要意義。本研究以維吾爾醫植物藥材中的花和葉為研究對象，提取藥材圖像的顏色特征和紋理特征，通過統計分析判斷特征分類能力。

1 圖像預處理

對原始圖像提取特征之前，需對維吾爾藥材圖像進行預處理。

首先，對彩色圖像進行去噪，濾除無用信息，加強原圖的細節，使圖像顏色更加鮮明、更加立體化。然后對圖像尺寸大小進行歸一化處理，使圖像的最長邊界為300像素點。處理后，圖像的質量和尺寸得到統一。為了適合圖像處理，在尺寸歸一化的基礎上，要把藥材圖像從RGB顏色空間轉化為HSV顏色空間。以藥材數據庫中的植物藥紅花和艾葉為例，預處理結果見圖1。

2 圖像特征提取

2.1 顏色直方圖特征的提取

顏色特征以圖像整體為對象，是一種全局特征，描述圖像或圖像區域所對應景物的表面顏色性質[3-4]。常見的顏色特征有顏色直方圖、顏色矩、顏色集。本研究對維吾爾藥材圖像顏色直方圖特征進行提取。

為了便于計算和檢索，先將色調（H）、飽和度（S）和亮度（V）3個分量按照色彩的不同范圍，采用以下公式的量化級別進行量化。

將HSV三維特征矢量取不同的權值轉換成一維特征矢量。在這3個矢量中，H、S和V影響人眼辨別顏色的能力呈遞減趨勢。根據H、S、V的量化級數和其頻率的不同進行組合，S和V的量化級數均為4。可得到表達式：L=16H+4S+V。

通過計算得到256柄的一維直方圖。3個三維分量H、S、V轉換成1個一維矢量。對H、S和V分別取權重為16、4和1，減小了S和V對計算和檢索結果的影響。進行檢索實驗時，能夠較好地檢索出顏色分布不同的圖像，在充分利用圖像顏色特征的同時達到了對圖像檢索的要求。得到的顏色直方圖結果見圖2。通過直方圖可以直觀看出圖像的顏色分布。

在顏色直方圖基礎上，通過計算得到一些統計量，包括均值、方差、歪斜度、峰態、能量，以此來反映圖像的特征值[5]。

2.2 紋理特征的提取

灰度共生矩陣（gray level co-occurrence matrix）是反映圖像區域微觀紋理的有力工具，它按一定的空間關系描述像素點對之間的灰度相關性[6-7]。基于灰度共生矩陣提取紋理特征的方法是一個經典的統計分析方法，是目前公認的紋理分析方法[8]。

經過正規化處理的灰度共生矩陣即是抽取二次統計量紋理特征系數的基礎。本研究所采用的特征統計量有以下5種：角二階矩、熵、慣性矩、相關性和逆差矩。取像素距離d=1，θ={0°，45°，90°，135°}，計算各統計量，并取4個方向的均值。這樣就抑制了方向分量，得到的特征與方向無關，從而組成圖像的紋理特征。

3 結果與分析

3.1 圖像處理結果

選取圖像數據庫中2種類型圖像各100幅[9-10]，采用MATLAB7.1軟件編程計算圖像的顏色特征和紋理特征，結果見表1。

3.2 結果分析

3.2.1 描述性統計分析和類間距分析 通過描述性統計分析，計算特征向量的均值和方差，描述顏色特征和紋理特征的集中、離散趨勢。

在判別分析前，為了剔除分類效果相對較差的特征，適當地選擇特征是很重要的。方差歸一化間距是衡量用1個特征區分2類能力的指標[11]，故本研究采用歸一化間距來評價和選取特征。

對于某一個特征x而言，第i類和第j類類間距離（D）為： 。

其中 、 和 、 分別為第i類和第j類x特征的均值和方差。D越大，說明該特征的分類能力越強；反之，該特征的分類能力越弱。各特征的均值、方差及2種類型圖像分類的類間距見表2。

對這10個特征值取平均值，求得 =0.345 311。本研究將D> 的特征篩選出來。根據類間距的結果顯示，均值、方差、能量、角二階矩、熵、慣性矩這6個特征的類間距相對較大，對于圖像的分類能力相對較強，將這6個特征值組成篩選后的綜合特征。

3.2.2 判別分析 Bayes法是對特征分類能力的有效性進行評估的重要方式，既可用于計量資料的兩類判別，也可用于多類判別。Robin H等[12-13]在不同復雜度的模型非監督分類中使用Bayes法。因此，本研究使用Bayes法對結果進行分析。采用SPSS17.0軟件對數據進行處理，隨機取圖像數據庫中的兩類圖像各100幅，提取其特征進而判別分析。首先分別利用顏色特征和紋理特征對藥材圖像進行判別分析，再利用兩類特征的原始特征進行判別分析。為提高特征向量的分類能力，根據表2中類間距值，利用篩選出來的6個特征進行判別分析。得到線性判別函數式。

y1=-0.018x1+0.001x2+60.002x3+466.443x4+149.586x5-

44.553x6-241.524

y2=-0.008x1-0.001x2+60.864x3+468.94x4+148.718x5-

41.567x6-240.652

其中，y1、y2表示花類和葉類，x1、x2、x3、x4、x5、x6分別表示均值、方差、能量、角二階矩、熵、慣性矩。y1、y2的先驗概率同為0.5，即一張藥材圖像，被判別為花類和葉類的概率是相等的。

根據上述判別函數式和先驗概率進行判別分析，進而得到后驗概率，即每個樣品歸屬于每一類的概率，判別準則是按后驗概率的大小歸類。結果見表3。進而比較利用不同特征進行判別分析的分類效果。

根據結果可得，顏色特征對于兩類圖像的分類效果一樣；紋理特征對于花類的分類效果較好，但葉類的就比較差；與原始特征比較，利用最大類間距篩選后的特征進行判別分析使得花類的判別準確率得以提高，但降低了葉類的準確率。綜合上述結果，在最大類間距篩選特征的基礎上進行判別分類，可以在一定水平上提高花類圖像分類的準確率。但葉類藥材的效果卻相反，這可能與葉類藥材的葉片顏色差異不大有關。說明利用篩選后的綜合特征比較適合花類，這為進一步研究維吾爾藥材圖像分類和完善特征提取方法提供了依據。后續會嘗試引入其他特征（如形狀特征）進行相關研究。

4 小結

圖像特征提取是CBIR中一個重要環節。本研究以維吾爾醫植物藥材圖像為對象，提取圖像的顏色特征和紋理特征，初步構建了基于維吾爾醫植物藥材圖像特征數據庫。根據新疆維吾爾藥材中花類和葉類在顏色和紋理分布上的差異，結合藥材圖像的特點，使用顏色特征和紋理特征提取方法，并進行統計分析。實驗結果表明，使用篩選后的特征對花類圖像進行判別分類的效果相對較好。這為進一步研究基于內容的新疆維吾爾藥材圖像檢索系統研究奠定了基礎。

參考文獻：

[1] 馮伍，張俊蘭，白樹芳.基于內容的圖像檢索技術在醫學領域中的應用[J].醫療衛生裝備，2012，33（11）：98.

[2] 王志瑞，閆彩良.圖像特征提取方法的綜述[J].吉首大學學報（自然科學版），2011，32（5）：43-47.

[3] 王娟，孔兵，賈巧麗.基于顏色特征的圖像檢索技術[J].計算機系統應用，2011，20（7）：160-164.

[4] 戴雯惠.一種基于多特征融合的彩色圖像檢索方法[J].電腦與信息技術，2011，19（5）：15-17.

[5] 劉益新，郭依正.灰度直方圖特征提取的Matlab實現[J].電腦知識與技術，2009，5（32）：9032-9034.

[6] 童隆正，王磊，陳海榮，等.肝纖維化圖像的灰度共生矩陣分析[J].首都醫科大學報，2003，24（3）：240-242.

[7] 木拉提?哈米提，李莉，艾克熱木?阿西木，等.新疆地方性肝包蟲病CT 圖像的灰度共生矩陣分析[J].科技通報，2012，28（3）：75-80.

[8] WALKER R F， JACKEAY P T， LONGSTAFF I D. Recent developments in the use of the co-occurrence matrix for texture recognition[C]// Proceedings of 13 Intenational Conference on Digital Image Processing. Santorini Greece，1997：63-65.

[9] 國家中醫藥管理局《中華本草》編委會.中華本草：維吾爾藥卷[M].上海：上海科學技術出版社，2005：3-10.

[10] 新疆維吾爾自治區革命委員會衛生局.新疆中草藥（維吾爾文）[M].烏魯木齊：新疆人民出版社，1973.

[11] 尹劍侖，衛武迪，梁永貴.腫瘤超聲圖像灰度和紋理特征提取方法研究[J].通信技術，2009，42（9）：168-170.

篇3

一、財務風險

（一）財務風險的界定

關于財務風險的界定，當前有兩種主流觀點。第一種觀點認為，財務風險是企業用貨幣資金償還到期債務的不確定性。第二種觀點認為，財務風險是企業財務活動中由于不確定因素影響，使企業財務收益與預期收益發生偏離，造成蒙受損失的機會和可能。Altman（1990）綜合了學術界描述，更加科學地將財務風險界定為的四種情形：經營失敗、無償付能力、違約、破產。

（二）財務風險的特征

深入了解財務風險的基石，是歸納總結財務風險的特征。筆者通過研究文獻、結合企業案例，概括出企業的財務風險具有以下五大特征：全面性，即資金籌集、資金運用、資金積累分配等財務活動，均會產生財務風險；不確定性，即財務風險雖可以事前加以估計和控制，但事前不能準確地確定財務風險的大小；共存性，即風險與收益并存且成正比，一般來說，財務活動的風險越大，收益也就越高。權衡性，即財務風險的客觀存在會促使企業權衡風險與收益的關系，采取措施防范財務風險。

（三）財務風險的成因分析

財務風險影響因素多樣，大致可以分為兩大類：外部成因與內部成因。

受外部因素的影響而產生的財務風險稱為系統風險，它對所有企業都發生作用，是企業自身不可控制的。這些因素有：市場變動；經濟形勢變化；通貨膨脹或通貨緊縮；利率變動；匯率變動；稅收政策變動。

受內部因素的影響產生的財務風險稱為非系統風險，它是企業的特有風險，由企業自身承擔。企業財務活動一般包括資金籌集、資金使用、資金回收和資金分配，在財務活動的每一環節，都有可能形成財務風險。

二、財務危機

（一）財務危機的界定

財務危機，又稱財務困境。關于企業財務危機的界定，不同的學者有著不同的看法，但歸結起來可以分為兩大類：

一是從法制層面對企業財務危機的界定。國外研究學者常常把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。國內研究學者則常常把滬深兩地證券市場的ST公司界定為財務危機企業。

二是從研究層面對企業財務危機的界定。學者定義中的經典表述來自于Ross（1999）從四個方面界定的財務危機：企業失敗，即企業清算后仍無力支付債權人的債務；法定破產，即企業和債權人向法院申請企業破產；技術破產，即企業無法按期履行債務合約付息還本；會計破產，即企業的資產凈值小于凈負債，資不抵債。

從實際情況上看，ST公司界定為財務危機對于我國的學術研究更有可操作性。目前我國對于上市公司特別處理的一般規定：上市公司出現財務狀況異常或者其他異常情況，導致其股票存在被終止上市的風險，或者投資者難以判斷公司前景，投資者權益可能受到損害的，本所對該公司股票交易實行特別處理。其中，“財務狀況異常”指的是最近兩年連續虧損，或最近一年的每股凈資產低于每股面值，或同時出現上述兩種情況；“其他異常狀況”，指的是因自然災害，重大事故導致公司生產經營活動基本終止，或公司面臨賠償金額可能超過其凈資產的訴訟等。上市公司一旦發生上述情況，將自動進入所謂的ST板塊。對上市公司的特別處理包括“退市風險警示”和“其他特別處理”。對“退市風險警示”的處理措施：在公司股票簡稱前冠以“*ST”字樣，股票價格的日漲跌幅限制為5%。“其他特別處理”的處理措施：在公司股票簡稱前冠以“ST”字樣，股票價格的日漲跌幅限制為5%。

（二）財務危機的特征

前面講到了財務風險的特征，反觀財務危機的特征，卻大相徑庭。

一般來說，財務危機有四大特征：第一，客觀積累性。財務危機的客觀積累性表現為期間概念，它是反映企業一定時期在資金籌集、投放、分配等各個環節上所出現的失誤。第二，突發性。財務危機由于受到許多主客觀因素的影響，其中有些因素是可以控制和把握的，但也有相當多因素是爆發性的、意外性的，有的甚至是急轉直下的。第三，多樣性。財務危機的多樣性主要受三個方面的影響：企業經營環境多樣化；企業經營過程多樣；財務行為方式多樣化。第四，災難性。財務危機雖然包括多種情況，但不管是資金管理技術性失敗，還是企業破產，或是介于兩者之間的任何一種情況的發生都會給企業帶來災難性的損失。

（三）財務危機的成因分析

財務危機的成因一直是學界的爭議焦點，是因為需要考慮的因素太多。這些因素有可能單獨惡化企業財務狀況，更有可能在多種因素聯動作用下使企業陷入財務危機。所以我們有必要將這些因素系統歸類，按照企業的實際情況對癥下藥，防范財務危機。

四階段癥狀分析法是財務危機成因分析的方法之一。該方法將企業財務運營病癥劃分為4個階段：財務危機潛伏期（盲目擴張、無效市場營銷、疏于風險管理、缺乏有效的管理制度、企業資源分配不當、無視環境的重大變化）；財務危機發作期（自有資本不足、過分依賴外部資金、利息負擔過重、缺乏會計的預警作用、債務拖延支付）；財務危機惡化期（經營者無心經營業務、專心于財務周轉、資金周轉困難、債務到期違約不能支付）；財務危機實現期（資不抵債、喪失償付能力、宣布破產）。企業如有上述相應情況出現，就要查清具體原因，采取措施，盡快使企業擺脫財務危機。

三、財務風險與財務危機的關系

財務風險具有兩面性，對企業而言可能產生損失，也有機會產生收益。而財務危機意味著企業產生損失的可能性極大，如不及時補救，企業狀況可能陷入不斷惡化的深淵。財務風險是財務危機產生的根源，陷入財務危機的企業必然面臨著較大的財務風險，而具有財務風險的企業不一定陷入了財務危機。財務危機是財務風險朝不利方向發展的結果。企業若能在有效期間內采取化解措施，就能降低財務風險，擺脫財務危機；若企業面對危機束手無策，或措施不力，很可能會進一步加劇財務危機，甚至導致破產。

篇4

中圖分類號：F830 文獻標識碼：A

一、引言

企業集團是以一個實力雄厚的企業為主體，以產權、產品、技術、經濟、契約等為紐帶，形成的由多個成員企業組成的具有多層次組織結構的經濟聯合體，企業集團在我國經濟發展進程中具有舉足輕重的作用。由于企業集團成員企業之間存在的關聯性以及經營和管理的復雜性，財務風險是其所面臨的重大風險之一。因此，為增強企業集團抵抗風險能力，構建企業集團的財務危機預警模型具有十分重要的理論研究價值和現實意義。

國外就對企業財務危機預警的相關研究始于20世紀30年代初。例如Fitz P（1932）和Beaver W.H（1966）構建了企業財務危機預警的單變量模型[1]，Altman在1968和1977年分別提出了Z值判定模型和Zeta模型[2-3]，以Ohlson為代表的一些研究者采用條件概率模型對財務危機進行預警，包括Logistic模型和Probit模型等方法[4]。隨著研究的深入新的方法被引入，Kim H C（2002）以及Shin KS（2005）等運用支持向量機方法對公司財務危機預警進行了研究[5、6]。國外對財務危機預警的研究呈現多角化發展趨勢。國內關于企業財務危機預警方面的研究始于20世紀80年代末，主要針對一般性企業的財務預警問題展開的研究[7-14]。迄今為止，國內外針對企業集團財務危機預警方面的研究還十分鮮見。本文以滬深A股企業集團上市公司為研究對象，將財務危機企業集團界定為因財務問題而被特別處理即被ST的企業集團。本文第二節在基本財務指標基礎上引入企業集團的3類特征指標和6類公司治理類指標建立了由28個指標構成的財務危機預警指標體系。第三節對預警初始變量因子分析提取出公因子作為預警變量。鑒于Logistic回歸方法的自變量不用服從多元正態分布的假設使其有更廣的適用度和其運用的成熟度，本文在第四節中選取Logistic回歸方法構建預警模型，對預警指標體系進行了檢驗。

二、預警指標與研究樣本

（一）預警指標選取

企業財務危機是由初步萌生到程度惡化的過程，且其財務危機的跡象都將直接或間接地在一些敏感性財務或非財務指標的變化上反映出來[15]。本文根據預警指標滿足客觀性、完整性、可操作性和敏感性的原則，選取這些敏感性指標作為預警財務危機的預警指標。除了選擇五大類基本財務指標之外，本文根據企業集團規模龐大、涉及行業較多、投資多元化以及關聯交易頻繁等特征，以及結合國內外對公司治理與財務危機關系的研究，在五大類基本財務指標基礎上引入企業集團特征指標（關聯交易次數，關聯交易金額占總資產比重以及涉及行業個數）和6個公司治理類指標，共選擇28個初選指標構建出企業集團財務危機預警指標體系（見表1）。并為了進一步分析引入的特征指標和公司治理類指標對預警模型的作用，根據預警指標體系劃分了三類預警初始變量：一是在企業集團基本財務指標基礎上引入特征指標和公司治理指標的預警初始變量；二是僅引入特征指標的預警初始變量；三是僅含基本財務指標的預警初始變量。

（二）樣本選取

本文選取了2004年至2010年被“ST”的企業集團和根據研究期間一致、行業類型相同或相近、資產規模相當和上市時間接近的原則與其配對的財務正常的企業集團各50家，其中剔除由于數據嚴重缺失或不合理的公司以及兩年內就被“ST”及因其他狀況異常而被“ST”的公司，研究樣本共計100家。其中把2004年至2007年的70家樣本作為模型估計樣本，2008年至2010年的30家樣本作為模型檢驗樣本。

由于證監會對上市公司進行“ST”處理的依據為最近兩個會計年度審計結果顯示的凈利潤均為負值，所以本文采用的數據為企業集團上市公司被“ST”前三年的會計年度的數據。本文的研究數據來源于國泰安數據庫和CCER數據庫。

三、預警初始變量的分析處理

（一）預警初始變量的因子分析

本文為了去除預警初始變量間的相關性和減少預警變量個數便于模型的構建，分別對三類預警初始變量進行因子分析，以提取的公因子作為預警變量。

通過因子分析，對三類預警初始變量分別提取出10個公因子F1、F2、F3、F4、F5、F6、F8、F9、F10，7個公因子F1*、F2*、F3*、F4*、F5*、F6*、F7*和6個公因子F1**、F2**、F3**、F4**、F5**、F6**，其累計貢獻率分別為76.21 %、75.43 %、75.1%。進一步對其因子載荷矩陣進行旋轉，這三類公因子反映了企業集團盈利能力、償債能力、營運方面能力、現金流量能力和發展方面的情況，同時在關聯交易、行業規模和公司治理方面都有不同程度的反映。

（二）預警變量的統計性描述

本文以提取的公因子作為自變量，在構建模型前，先對三類變量進行描述性統計，檢驗財務危機與財務正常的企業集團在發生財務危機之前，財務狀況是否就存在著顯著差異。采用t檢驗比較均值差異，統計結果見表2、表3和表4。

從表2、表3和表4可知：顯然對ST企業集團上市公司與財務正常的企業集團而言，三類財務危機預警變量的t檢驗都存在著顯著差異，說明在企業集團陷入財務困境之前，財務危機企業集團在財務狀況上就與財務正常的企業集團存在著顯著的差異。因此，這些公因子包含著預警財務困境的信息，因此可以運用這些因子建立預警模型。

四、基于Logistic回歸方法的財務危機預警模型構建與檢驗

本文以由因子分析得到的公因子作為預警變量，因變量f為二元變量，對三類樣本進行Logistic回歸，回歸分析結果見下表5、6和7。三類因子變量在5%的置信水平下均較顯著，說明它們有顯著的解釋能力。三類財務危機預警模型分別見下式：

將檢驗樣本代入所構建的模型，計算f值。選取0.5作為財務危機發生的臨界值，當f＞0.5時，判定該企業集團為財務危機企業；當f＜0.5時，判定該企業集團財務狀況正常。檢驗結果見表8。

五、結束語

本文在財務指標的基礎上引入企業集團特征指標和公司治理指標構建企業集團財務危機預警指標體系，并運用logistic方法建立企業集團財務危機的預警模型，進而對指標體系進行檢驗。從效果上看，預警準確度令人滿意，且引入企業集團特征指標和公司治理指標的預警準確率高于不引入的模型情況，說明企業集團的特征以及公司治理等指標包含了我國企業集團財務危機預警的大量信息。因此，本文所構建的企業集團財務危機預警指標體系具有重要的理論與應用價值。

資助項目：國家自然科學基金（項目編號：70971015）

[參考文獻]

[1]Beaver W.H.Financial Ratios as Predictors of Failure,in Empirical Research in Accounting:Selected Studies[J].Journal of Accounting Research,1966,5(7)：179-199

[2]Altman E.I.Financial Ratios:Discriminate Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance,1968,6(9)：589-609．

[3]Altman E.I.Hadelman R.G.,Narayanan P.Zeta Analysis:A New Model to Identify Bankruptcy Risk of Corporations[J].Journal of Banking and Finance,1977, 9(1)：29-51．

[4]Ohlson J.A.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J]. Journal of Operation Research,1980,9(15)：109-131．

[5]Kim H C,Pang S,Je H M,Kim D,Bang S Y.Pattern classification using support vector machine ensemble[C].16th International Conference on Pattern Recognition (ICPR’02).2002,(2):278-289

[6]Shin KS,Lee TS,Kim HJ.An application of support vector machines in bankruptcy prediction model[J].Expert Systems with Applications.2005, 1(23):127-135

[7]周首華,楊濟華,王平.論財務危機的預警分析-F分數模式[J]. 會計研究,1996,8(6)：8-11．

[8]陳靜.上市公司財務惡化預測的實證分析[J].會計研究,1999, 4(9)：31-38．

[9]陳曉,陳治鴻.中國上市公司的財務困境預測[J].中國財務與會計研究,2000,3(9)：7-15．

[10]肖智,張志恒,黃海生.粗糙集理論在財務危機預測中的應用[J].決策與參考,2004,3(7)：48-53.

[11]熊志斌.運用遺傳神經網絡模型對我過上市公司財務危機的預測[J].決策與統計,2008,14(3)：32-34．

[12]楊毓,蒙肖蓮.用支持向量機(SVM)構建企業破產預測模型[J]. 金融研究,2006,10(1):65-75

[13]宋新平,丁永生.基于最優支持向量機模型的經營失敗預警研究[J].管理科學,2008,21(1):115-121

篇5

【關鍵詞】財務危機 動態預警 研究綜述

在全球經濟衰退、金融危機的大背景下，探索識別財務危機，為企業利益相關者提供預警信號是非常值得研究的現實問題。因此，建立基于時間序列特征的動態預警系統成為了必然的趨勢。國內外很多學者都對財務危機預警模型進行了研究，并建立了相應的預警模型。但是現階段關于財務危機預警的動態研究還是較少，目前我們的財務危機預警系統大多是靜態預警，大部分學者采用的都是多截面樣本數據，對不同時期的多個樣本數據進行研究，但是這樣研究存在一個顯著的邏輯性缺陷，即沒有考慮到財務狀況的時間延續性。這些實證研究的結果普遍存在著預測準確率不理想的情況，特別是多期財務危機預測準確率較低的情況。如果企業的整體財務狀況很好，只是單期的表現不好，隨后企業的財務狀況會很快恢復正常，這種暫時的偏離正常值不應該被歸為財務危機公司，但靜態模型不考慮歷史的影響，會將這種公司歸為危機公司，預測準確率不理想。

一、財務危機動態預警模型簡介

動態財務預警主要使用的技術有人工智能技術（如神經網絡模型和機器學習等分析技術）具備良好的模式辨別能力，克服了傳統統計方法的局限性，有更高的預測能力。

二、國外關于財務危機動態預警模型的研究

目前，國外學者廣泛應用的動態預警模型主要有神經網絡模型、遺傳算法模型、案例推理模型等等。

（一）人工神經網絡模型

人工神經網絡模型主要是運用神經網絡的分類方法來進行財務預警。許多功能是對人腦神經網絡系統的模擬，有很好的模式識別能力，根據隨時更新的數據進行自我學習，因此有很高的糾錯能力，能夠更好的預測財務危機。Odom和Sharda（1990）是最早在財務危機預警模型中運用人工神經網絡模型的，隨后許多學者做了相似研究，并對模型及算法進行了響應的改進。

（二）遺傳算法（genetic algorithm，GA）

遺傳算法是模仿生物遺傳進化規律，運用在大量復雜概念空間內隨機搜索的技術，用于企業財務危機的預測。Varetto（1998）、Shin&Lee（2002）、Hyunchui（2009）都進行了這方面的研究，Franco（2010）的研究表明了采用GA來進行預測比較省時并且受到主觀影響也較小，但是預測精度沒有MDA高。

（三）案例推理（case-based reasoning，CBR）

案例推理一般運用K臨近算法對存儲案例進行分類，據此來對新增的案例進行推斷，主要適用于在復雜多變的環境中進行決策。Hongkyu（1997）對案例推理（CBR）、人工神經網絡模型（ANN）以及多元判別分析方法（MDA）進行了比較分析，結果顯示CBR與MDA判別結果無本質上的區別，更適合在數據不充分的時候使用；Cheol-Soo（2002）用層次分析法（AHP）對K臨近算法進行了改進，預測精度明顯得到了提高。

（四）支持向量機（support vector machine，SVM）

SVM方法是在統計學理論基礎之上的一種機器學習方法，這種算法通過非線性變換把實際問題換到高維特征空間，并且進行處理，對維數的要求沒有那么嚴格，具有很好的推廣能力。在這方面，Fan、Palaniswami均有相關的研究，Kyung-Shik Shin（2005）采用這種算法構建了財務危機預警模型，并對韓國的企業進行實證研究，結果表明SVM的預測性能高于BP神經網絡模型。

（五）粗集理論（rough set theory，RST）

RST是一種用多個財務比率來描述財務危機與財務正常公司的工具，可以有效地解釋財務指標與財務危機的關系。Pawlak、Dimitras和Joseph都將RST應用與財務危機預警系統的研究中。

三、國內關于財務危機動態預警模型的研究

國外對財務危機動態預警模型的研究已經取得比較豐碩的成果，國內的學者關于動態預警系統的研究少之甚少。

（一）大部分學者是從動態管理角度得出破產公司和非破產公司的現金管理特征變量，并據此構建預警模型

國內由于對現金流重要性的認識不夠，加上我國從1998年開始才要求上市公司編制現金流量表，因此進行實證研究所需的現金流量方面的數據嚴重缺乏。這些原因，最終導致國內的研究僅僅停留在對現金流量指標體系構建的理論探討層面。

姚靠華、蔣艷輝（2005）就動態財務預警系統建立的技術基礎和系統框架進行了闡述，提出應該充分利用數據倉庫技術、數據挖掘技術和Agent技術來建立企業的動態財務預警系統。

張鳴、程濤（2005）運用Logistic回歸方法，先從財務指標角度構建財務指標預警模型，然后引入現金管理特征變量和現金管理結果變量，從財務指標和現金流量角度共同構建綜合預警模型。

（二）對財務危機動態預警模型的研究主要有以下幾種

楊淑娥、王樂平（2007）以T-2、T-3期財務數據組合的面板數據作為研究樣本，構建BP神經網絡模型對上市公司的財務狀況進行預測。

蔣麗（2007）用因子分析法分別建立ST前三年的三個評分模型F1、F2、和F3，依次對樣本進行預測，從動態的角度找出不同時期的特征變量，預測財務危機的緊急程度。

陳磊、任若恩（2008）以因財務原因被實施特別處理和暫停上市作為上市公司財務階段的分類標志，將上市公司的財務狀況分成3個階段，借鑒Theodossiou的方法，使用時間序列判別分析技術、指數加權移動平均控制圖模型對中國上市公司的財務危機預測進行研究。

孫曉琳、田也壯、王文彬（2010）基于Kalman濾波理論，考慮財務比率在時間序列上的趨勢性和歷史數據對結果的影響，構建了財務危機的動態預警模型。

時建中，程龍生在2012年針對模型的增量學習能力不足的問題，建立了能夠增量學習的財務危機動態預警模型，且經過實證分析證明該模型有很好的適應性與穩定性。

四、對國內外關于財務危機動態預警模型研究的評價

一是財務危機動態預警模型有很好的適用性，并且跟靜態模型相比，其預測精度有很大的提高，能夠更及時的給企業預警，避免財務危機的發生。

二是現有關于財務危機動態預警的研究還是較少，主要還是采用靜態預警模型進行回歸分析來對企業的財務危機狀況進行預測。

三是對財務危機的動態預警大都是針對總體的企業，很少針對某一行業的特點對特定行業進行動態預警，每個行業的特點不同，與財務危機發生影響密切的相關指標也不盡相同，并且由于動態預警能夠比靜態模型給出早期的預警信號，分行業研究就更加有必要。

五、對將來財務危機動態預警模型研究的展望

通過上文的綜述，今后我們可以在財務危機動態預警系統的以下幾個方面做進一步的研究：

首先，在樣本指標的選擇方面，可以根據不同行業在財務指標方面的差異，加入行業調整變量以更加貼合不同企業的實際情況，提高預測準確率。

其次，在模型的構建方面，目前大部分學者的研究均為單純的運用一個模型進行實證分析，可以綜合模型的不同特點，組成模型組優化現有模型，提高模型的預測精度。

最后，在信息利用方面，可以充分利用現在先進的信息技術，運用各種技術來更新完善財務危機的動態系統，實時、準確的預測財務危機，避免企業陷入財務困境。

參考文獻

[1]Ross Neophytou，Andreas Charitou，Predicting Corporate Failure.Empirical Evidence for the UK[M]. Corporate Finance，2000（9）：457-471.

[2]Claessens，Stijin，Simeon Djankov，and Larry Lang，The Separation of Ownership and Control in East Asian Corporations[J].Journal of Financial Economics， 2000，（58）：81-112.

[3]Stephen A.Ross.Randolph.Wethersfield.Jeffrey F.Jaff.吳世農，沈藝峰等譯.公司理[M].北京機械出版社，2000：157-163.

[4]Howard and Swaryl.An Analysis of Risk and Return Characteristic Of Corporate Bankruptcy Using Capital Market Data.The Journal of Finance，SeP.1980.1001-1016.

[5]孫曉琳. 財務危機動態預警模型研究[M]，上海交通大學出版社，2011：3-56.

篇6

中圖分類號：F234 文獻標志碼：A 文章編號：1673-291X（2015）13-0150-02

市場經濟條件下，企業在發展過程中當財務風險積累到一定程度，企業對財務風險失去控制時，常常會出現企業財務危機，影響企業經濟的發展，甚至導致一些企業破產。本文針對財務危機管理內容和基本征兆進行全面分析，探討科學合理的財務危機管理與防范措施，能夠減緩或避免財務危機給企業帶來的嚴重危害，有效保障企業的健康快速地發展。

一、財務危機管理的內涵特征

財務危機，是指由于企業經營不善或財務管理混合等因素的影響，導致企業的財務出現風險，這種風險積累到一定的程度造成企業財務無法正常運行的狀況。財務危機管理就是對財務危機進行監測、控制、化解的過程以及在此過程中采取的方法和措施的總稱，是指企業在財務管理過程中運用危機監督、危機預控、危機決策和危機處理等手段，從而避免和減少財務危機事件的發生的過程。財務危機管理能有效地減少財務危機的發生，降低財務危機的危害。

財務危機管理的主要職能包括對財務危機進行事前防御和事后處理。事前防御職能是通過強化企業財務內部控制體系，不斷地提高企業適應內外經營環境和化解財務危機的綜合抵御能力，定期對財務現象進行全面分析，完善財務危機預警體系，減少和避免財務危機的發生。事后處理職能是企業在財務危機發生后，針對發生的財務危機進行科學合理的設計與處理，通過協調企業各方面業務關系，控制企業現金流量安全，緩解企業財務危機帶來的危害，采取化解與控制財務危機的策略。企業財務危機大多是由意外事件引起的風險和緊急狀況，這就決定了企業財務危機管理具有如下特征：

1.不確定性。財務危機的突發性決定了企業財務危機管理的不確定性。財務危機作為一種經濟現象，受多種意外和突發性因素的影響，使企業經營者難以監測與控制，這就導致了企業財務危機管理對象、財務危機預測、財務危機控制和財務危機處理計劃都具有不確定性。

2.應急性。財務危機的緊迫性決定了企業財務危機管理的應急性。應急性管理是指在財務危機爆發過程中進行的危機管理，通常在財務危機爆發前，企業財務處于緊急狀態中，由于處理危機時間緊迫，必須及時采取應對措施，盡量在財務危機爆發之前，進一步控制事態的發展，盡可能避免產生重大危害，使財務危機最小化。

3.預防性。財務危機的危險性決定了企業財務危機管理的預防性。預防性是財務危機管理的重要特征，是指在財務危機發生前，企業采取一系列預防措施防止危機發生，從而減少或避免財務危機產生的危害。當企業財務危機爆發后，企業管理者往往要采取一系列措施減少或避免損失，因此避免危機發生是財務危機管理的最有效途徑。

二、財務危機管理的內容

1.協調的債務和資金結構。財務管理是企業管理的重要內容，財務管理就是要不斷優化和調整債務和資產結構，使二者協調發展，實現現金流量的配置平衡。因此企業在生產經營過程中只要把握好資金與負債整體結構協調，控制好現金流量平衡，就可以避免發生財務危機。

2.合理的現金流量規劃。合理的現金流量規劃是制約財務危機發生的關鍵因素。企業的戰略目標就是追求經濟利益的最大化，這需要大量的現金流量為前提。因此企業的經營和規劃必須以合理的現金流量規劃為依據，實現現金流量的匹配。

3.準確預測和動態監測。企業財務危機的發生具有可預測性，企業需要以存量為基礎采用多種統計方法對財務比率指標進行橫向比較和長期跟蹤，進而對企業財務危機做出正確的判斷。同時企業要采用先進的風險監測系統，以現金流量為基礎，對財務危機進行動態實時監測，及時了解企業財務危機的承受能力。

4.完善的應急預案。完善的財務危機應急預案，是企業內部管理體系成熟的重要標志。企業需要建立合理有效、易于運行的財務危機應急方案，對于財務危機處理的目標與原則以及采取的策略等事項進行合理設計，這樣能夠有效地處理財務危機，避免企業出現混亂的局面。

三、企業財務危機的危害性

1.影響企業的正常運轉。企業財務危機會占用企業的流動資金，造成企業資金周轉不靈，導致企業的經濟效益不高，影響了企業的再生產能力，使企業生產經營無法正常進行。

2.制約企業的進一步發展。企業財務危機會出現壞賬、死賬等企業虧損現象，這直接導致了企業無法積累發展資金，影響了企業生產規模的進一步擴大，使企業的發展停滯不前。

3.導致企業生產秩序的混亂。企業出現財務危機，作為企業管理者的工作重心必將發生轉變，從而忽視企業的生產經營活動，對企業的生產經營也不能及時決策，從而造成了企業生產秩序的混亂，影響了企業的正常生產活動。

4.挫傷企業員工的生產積極性。企業財務危機導致企業經濟效益下滑，企業無法進行正常的生產活動，企業員工的工資福利待遇無法保證，甚至收入銳減，這直接導致員工的生產積極性不高。

5.降低企業的市場競爭力。企業財務危機造成的經濟效益下滑，生產秩序混亂，流動資金不足等問題，降低了企業的市場競爭力，使企業在激烈的市場競爭中處于被動地位。

四、企業財務危機的基本征兆

1.財務結構不合理。財務結構不合理主要表現在企業的籌資結構不合理、投資結構不合理、生產結構不合理和支出結構不合理等幾個方面。這些不合理的財務狀況，導致了企業的盈利下降，競爭力降低。因此，可以根據這些情況，分析和發現其規律性的東西，就可以發現財務危機的先期征兆。

2.企業信譽不斷降低。企業信譽是企業的無形資產，對企業的發展起著無可替代的作用，一個有著良好信譽的企業無論是在項目的獲得、資金的支持還是產品的銷售等方面都比較順利，而當企業的信譽降低時，企業財務危機的發生也就不可避免。因此，企業信譽下降是企業財務危機發生的又一先兆。

3.經濟效益不斷下降。經濟效益是衡量一個企業成敗的標準，企業經營活動的最終目標是獲得最大的經濟效益。企業如果出現了經濟效益下降，銷售情況滯后，就會導致生產成本不斷增加，企業的獲利空間不斷減少，企業的資金周轉不靈，必然會使企業難以維持正常生產經營活動，不斷出現虧損現象，從而出現財務危機。

4.相關的企業趨于倒閉。企業之間往往存在著生產經營以及債權債務方面的關系，因此企業與相關企業有著密切的聯系。相關企業的生產經營和財務活動情況，能及時提醒企業對財務狀況做出準確的判斷。當關聯的企業出現財務危機的征兆時，企業要果斷做出決策，防止由于趨于倒閉的相關企業，影響自己企業產生財務危機。

五、企業財務危機管理與防范對策

1.關注外部經營環境，及時調整經營戰略。任何企業的發展都不是真空的，都是在一定的環境下發展的。作為企業必須堅持穩健發展原則，時刻關注企業的外部發展環境，及時了解國家的宏觀調控政策，在研究分析企業外部發展環境的基礎上，對企業的經營策略、財務管理等方面不斷做出戰略性地調整，緊跟時展，不斷研發新產品。從而增強企業的適應能力和競爭能力，減少和避免企業財務危機的發生。

2.優化資金管理，提高資金運營效率。企業資金是企業的發展的根本，缺乏資金的企業是無法生存和發展的。因此，作為企業，要把控制資金當作首要任務，不斷提高企業的資金管理能力，優化資金管理的規章制度，提高企業的資金變現能力，優化企業資金的利用效率。只有這樣，才能保證企業資金的充足，保障企業的發展。

在資金管理方面要不斷建立和健全管理制度，不斷優化資金管理，對資金的運營要進行科學合理的規劃和預測，合理安排和使用企業的經營資金，并進行有效地監督，從而避免資金的盲目使用和浪費現象的發生，提高資金利用率和資金運營效率。

3.提高企業的效益，增強企業的競爭力。企業的經濟效益直接影響到企業發展，作為企業只有不斷提高經營管理水平，增強經濟效益，才能在激烈的市場競爭中占據有利地位，從而有效預防企業財務危機的發生。企業通過不斷改善生產設備和生產技術工藝等來降低生產成本，提高企業產品的質量和銷量，不斷提高企業的經濟效益，增強企業的市場競爭力。

4.拓寬融資渠道，降低經營成本。發行股票、發行債券、銀行借款、融資租賃、商業信用等都是企業的籌資方式。在當前資本市場不斷發展的情況下，企業也要不斷拓寬自己的籌資方式，充分利用資本市場，根據企業的自身狀況，制定科學合理的管理制度，選擇合適的籌資方式，降低經營成本，提高經濟效益。

5.健全財務管理制度，提高財務管理水平。健全的企業財務管理制度能夠使企業內部權責分明，各負其責。健全的企業財務管理制度不但能提高企業財務管理的運營效率和管理水平，而且有利于提高和調動企業各部門參與財務管理的工作積極性，不斷對企業的財務管理提出合理化的建議，從而提高財務管理水平。

6.提高風險意識，建立預警體系。預防企業財務風險需要不斷提高企業員工的風險意識。企業管理者具有財務風險意識才能制定科學合理的管理制度，財務人員具有財務風險意識，才能提高財務管理水平，企業員工具有財務風險意識，才能不斷提高財務管理的參與度，從而對財務管理實現有效的監督。此外，在提高員工風險意識的基礎上，需要建立一套行之有效的風險防范預警系統，及時預測財務風險，制定規避風險的策略。

六、結束語

總之，在當前企業競爭不斷加劇的情況下，企業的發展壯大需要不斷規避可能出現的財務危機。因此，正確認識財務危機，分析財務危機發生的規律，制定科學合理的財務管理和防范措施，是企業健康發展的客觀需要。

篇7

一、引言

隨著資本市場的不斷發展與完善，對上市公司財務危機進行預警研究一直是國內外學術界的熱點問題之一。企業陷入財務危機對企業投資者、債權人、公司內部員工及其他相關利益者都有不同層次的影響，因此，能夠利用財務信息準確預測財務危機，對于企業和社會各個方面都具有重要的意義。

財務危機(Financial c risis)又稱財務困境(FlnanciaIdjstress)，國外的學者一般以破產為標準展開研究。由于我國的破產機制不健全。目前國內的學者絕大多數以特別處理的上市公司作為研究對象(朱家安、陳志斌。2007)。

二、文獻回顧與研究方法

(一)國外文獻回顧與研究方法

Fitzpatrick(1932)開展單變量破產預測研究。他以19家公司作為樣本。運用單個財務比率將樣本劃分為破產和非破產兩組，他發現判斷能力最高的是凈利潤／股東權益和股東權益／負債兩個比率。Beaver(1966)提出了單變量判定模型。他使用現金流／負債、流動資產／流動負債、凈收入／資產、資產負債率、營運資本／資產等5個財務比率作為變量，運用實證分析得出現金流量與負債總額的比率能夠更好地判定公司的財務狀況。其次是資產負債率。AItman(1968)提出了多元Z值模型。將若干變量合并入一個函數方程。用Z值進行判定，結果表明。在破產前一年的預測準確性較Beaver的研究有很大的提高。AItman、Haldeman和Narayanan于1977年又提出一種能更準確預測企業財務失敗的新模型――ZETA模型。BIum(1 974)以現金流量觀點來評估企業發生財務危機的可能性。他以多元判別分析為研究方法，構建了一個包括“流動性、獲利性及變異性等共12個財務比例與6個變異性指標”的財務危機預測模型。研究結果顯示，模型在企業發生財務危機前5年的預測正確率較高。1977年Marttin在財務危機預警研究中首次采用了多元Logit回歸法，取得了良好的預測效果。OhIson(1980)利用9個財務比率建構3個Logit模型，實證結果表明，其中4項財務資料對評估破產概率具有統計顯著性。Odom和Sharda(1 990)首先成功運用人工神經網絡(ANN)進行財務危機預測。Coats和Fant(1991)對47家財務危機公司和47家正常公司運用神經網絡模型進行判別時。對財務危機公司的預測準確率明顯高于多元判別法的準確率。

(二)國內文獻回顧與研究方法

國內學者陳靜(1999)使用Beaver和Altman的模型。選用了1995-1997年3年的27家危機公司和27家同行業、同規模的公司的財務數據進行實證研究。得出了預測模型對中國市場有效的結論。陳曉、陳治鴻(2000)將多元邏輯回歸模型引入上市公司的財務危機預測。張玲(2000)以1 20家上市公司為對象，使用其中60家公司的財務數據估計二類線性判別模型，并使用另外60家公司進行模型檢驗。發現模型具有超前4年的預測結果。吳世農、盧賢義(2001)應用單變量判定、多元線性判別和多元邏輯回歸方法。分別建立危機公司預測模型。結果證明。這些模型均獲得較高的判定精度，在財務危機發生前4年的誤判率在28％以內。張愛民、祝春山(2001)將主成分分析與Z分數模型相結合建立預警模型。實證檢驗表明通過此法處理研究變量后建立的模型具有較好的預測能力。楊保安(2001)、薛鋒(2002)探討了基于B P算法和L M算法的神經網絡在企業財務危機預測上的應用。何沛俐、章早立(2002)建立了以時序立體數據空間為基礎的財務危機判別模型，他們在Logit回歸分析之前使用全局主成分分析，從而增強了模型的有效性。模型的準確率達到71.3％。呂長江、周現華(2005)采用制造業上市公司1999-2002年4年的數據分別運用多元判別分析、邏輯線性回歸模型和人工神經網絡模型對財務狀況處于危機的公司進行預測比較分析。結果表明：盡管各模型的使用有其特定的前提條件，但3個主流模型均能較好地在公司發生危機前1年和前2-3年較好地進行預測。其中。多元判別分析法要遜色于邏輯模型，神經網絡模型的預測準確率最高。肖艷(2004)將傳統財務指標與現金流指標結合起來，利用Logit方法構建了一個上市公司財務危機預警模型，建模樣本的預測準確率為98.1％，檢驗樣本的預測準確率為91.1％。張鳴(2004)研究認為審計意見能夠在一定程度上揭示企業潛在的風險。在財務危機預警方面具有一定的信息含量。陳良華(2005)采用Logit回歸對滬市公司進行研究，發現獨立董事比例、第一大股東持股比例、現金流量權與表決權的偏離等治理結構變量確實與財務危機存在相關性，引入這些指標的模型能夠達到較高的預測精度。李秉成(2005)利用歸納法總結了上市公司財務危機的形成原因。通過管理記分法(A記分法)。將定性因素定量化，建立了上市公司財務危機“A記分法”分析模型。呂峻(2006)認為以非財務指標構建的財務危機預測模型的預測精度不會隨時間的向前推移而降低.非財務指標可以更本質地反映危機公司的特征。并可以在一定程度上解釋財務危機發生的原因。

從上述文獻回顧可見，國內外對財務危機公司的研究主要利用財務指標或非財務指標，本文也利用財務指標進行財務危機預警研究。

三、研究樣本和研究變量

本文選擇了在2004―2006年因財務狀況異常而被特別處理的131家上市公司為樣本，同時采用配對樣本設計方法選取同行業(按證監會行業代碼分類)、規模相近(資產總額)的131家正常公司作為配對樣本。由于危機公司是在年報公布后，因財務狀況異常而導致被ST的，因此.在選擇觀測年限時。設被ST前1年為t年，前2、3、4年分別為t-1、t-2和t－3年。取t-3到t年的財務指標作為研究變量。對應的配對樣本取同期的財務指標。

本文中的數據來自CSMAR上市公司財務指標數據庫(2006)。首先從CSMAR數據庫中列出樣本公司被特別處理前1 4年度絕大多數財務指標數據。然后再提取配對樣本4年的財務數據。對已列出的樣本公司財務指標數據。按年度分危機公司與正常公司進行歸類，分別得到各年各項財務指標的兩組數據。運用SPSSl 4.0進行數據處理。

本文選擇財務指標作為研究變量。我國上市公司陷入財務危機的主要特點是企業不能償還到期債務，營運能力差、盈

利能力差、現金流不足和發展能力有限等。因此.本文分別從反映企業償債能力、盈利能力、營運能力、發展能力和現金流量中選擇了19個主要財務指標。作為構建財務危機的預選指標，通過計算財務指標的均值及衡量均值差異程度的t值.研究危機公司。

四、統計研究

(一)償債能力指標研究

企業償債能力指標包括短期償債能力指標和長期償債能力指標兩類。

1　短期償債能力指標

選擇流動比率、速動比率和營運資金對資產總額比率3個指標來分析財務危機特征，這3個指標的均值以及衡量差異程度的t值見表1。

在顯著性水平為0.05時，t－t-3年。危機公司的流動比率平均值與正常公司有顯著的差異；t－t-3年。危機公司的速動比率平均值與正常公司也存在明顯的差異t－t-3年(除t-1年外)，危機公司的營運資金對資產總額比率平均值與正常公司有顯著的差異。

2　長期償債能力指標

表2列出了ST與正常公司2個長期償債能力指標的均值以及衡量均值差異程度的t值。

從表2來看，在顯著性為0.05時，t－t－3年危機公司資產負債率均值都顯著大于正常公司，t值均大于3。t值變化趨勢表明，隨著虧損的臨近，t值增大，這說明。隨著虧損的臨近，相對正常公司而言。危機公司負債增加。由于資產負債率和負債與權益之比反映關系具有密切相關性，故只選擇資產負債率。在t-3－t－2年危機公司利息保障倍數均值與正常公司沒有顯著的差異，但在t－1－t年差異明顯，t值分別達到2.32、6.02，顯示越是臨近被ST，t值差異越明顯。

財務危機公司在償債能力指標方面表現為流動比率、速動比率、資產負債率和利息保障倍數與正常公司差異明顯，反映危機公司長短期償債能力很弱。

(二)營運能力指標研究

反映公司營運能力的常用指標是總資產周轉率、流動資產周轉率、存貨周轉率、應收賬款周轉率等，筆者以總資產周轉率、存貨周轉率和應收賬款周轉率這3個指標比較危機公司和正常公司的差異。這3個指標的均值以及衡量差異程度的t值見表3：

在顯著性水平為0.05時，危機公司的總資產周轉率顯著小于正常公司，應收賬款周轉率也小于正常公司，但存貨周轉率在危機公司與正常公司之間并沒有顯示出顯著的差異。財務危機公司在營運能力指標方面表現為總資產周轉率和應收賬款周轉率小于正常公司，這表明危機公司資金流動速度慢。資產利用效率低。

(三)盈利能力指標研究

選擇營業毛利率、資產報酬率、總資產凈利潤率和凈資產收益率作為衡量財務危機公司盈利能力的指標。與正常公司比較見表4。

從表4可以看出，在顯著性水平0.05的情況下，危機公司的營業毛利率、資產報酬率、總資產凈利潤率和凈資產收益率均小于非正常公司。特別是在t－1－t年4個指標t值均大于3。財務危機公司在盈利能力指標方面明顯小于正常公司。且資產報酬率、總資產凈利潤率和凈資產收益率均值為負。可見。危機公司資產運營效果極差，盈利能力極弱，沒有給股東帶來回報。

(四)現金能力指標研究

現金能力不足是危機公司的主要特征之一，筆者選擇現金流量對流動負債比率、主營業務收入現金比率、每股現金凈流量和經營活動現金流入流出比這4個指標來比較兩類公司。結果如表5所示。

從表5來看，在顯著性水平為0.05的情況下，現金流量對流動負債比率危機公司明顯低于正常公司，經營活動現金流入流出比和每股現金凈流量在t－1－t年差異明顯；主營業務收入現金比率在危機公司與正常公司間差異不顯著(除t-1年外)。財務危機公司在現金能力指標方面表現為現金流量對流動負債比率指標明顯小于正常公司，經營活動現金流入流出比和每股現金凈流量在臨近被ST時差異明顯，這表明危機公司銷售賬款差、收益質量低和資金不足。

(五)發展能力指標研究

評價企業發展能力的指標較多，筆者選擇了主營業務收入增長率、總資產增長率和凈利潤增長率這3個反映企業財務狀況變化的重要指標。兩類公司比較結果如表6所示。

從表6來看，在顯著性水平為0.05的情況下，主營業務收入增長率、總資產增長率和凈利潤增長率指標在t－1－t年差異明顯均低于正常公司，且大都均值為負數。主營業務收入增長率和總資產增長率在t－3－t年下降趨勢明顯。這表明，危機公司發展能力極弱，靠自身的能力很難擺脫危機。

五、結論與應用

(一)研究結論

危機公司在財務指標方面主要表現特征為：1.在償債能力指標方面，危機公司流動比率、速動比率、資產負債率和利息保障倍數與正常公司差異明顯；2.在營運能力指標方面，危機公司的總資產周轉率和應收賬款周轉率小于正常公司；3.在盈利能力指標方面，危機公司該類指標明顯小于正常公司；4.在現金能力指標方面，危機公司現金流量對流動負債比率指標明顯小于正常公司.經營活動現金流入流出比和每股現金凈流量在臨近被ST時差異明顯；5.在發展能力指標方面，危機公司主營業務收入增長率、總資產增長率和凈利潤增長率指標，在t－1－t年差異明顯，主營業務收入增長率和總資產增長率在t－3－t年下降趨勢明顯。

(二)應用

公司陷入財務危機對相關利益者影響廣泛。但由于財務狀況惡化而陷入財務危機是一個漸進過程，可以通過事前分析幫助相關利益者提早了解公司財務狀況變化，避免財務風險。概括地講，本文在以下幾個方面具有重要應用價值：

1　有助于投資者的投資決策

當公司陷入財務危機時，股東的投資價值會大幅度減少。因此，如果投資者能夠事前獲取公司財務狀況變化的信息，提前預知上市公司是否會陷入財務危機。就能避免損失。

2　有助于債權人對債權安全性進行評估

通過財務危機預測，有助于債權人事前預知債權公司是否會陷入財務危機，判斷其是否具備償債能力，從而提前采取相應的措施加大清收債權的力度，避免貸款損失；同時也有助于潛在的債權人事前發放債權的決策。

3　有助于公司間的業務合作決策

篇8

企業對財務公共關系方面發生危機的預防、應對和善后處理可叫做財務危機管理。財務危機管理雖不是什么新理論,但還不成熟、不完善。我國有一些企業開始把財務危機管理提到了議事日程上來,許多經理人員有了財務危機意識,但財務危機管理仍需要加強。財務危機管理和一般財務管理相比有它的特殊性。財務危機管理和企業所處的企業文化、經營狀況及財務關系人素質等因素聯系緊密。

企業出現財務危機,不一定全是壞事,處理得當,會增強企業的美譽度及凝聚力。當然處理不當就是壞事了,會加速企業衰落。如企業遭遇債務不能償還財務危機,通過借新債還舊債、債務展期或債務重組方式都可以化解財務危機。但如果賴賬,則可能遭到債權人,最終將企業推向倒閉。

二、財務危機管理的原則

(一)承擔責任原則。企業出現財務危機,對自己和利益相關者都造成了不利影響,既可能造成經濟損失,也可能造成感情方面的傷害。這時企業應當勇于承擔責任,不要再進一步傷害利益相關者。愈推卸責任,利益相關者就越不信任企業,企業的壓力就更大。

(二)真誠溝通原則。財務危機發生后,由于財務信息不對稱,各種負面消息四起,更不利于企業化解財務危機。但如果企業態度誠懇,真誠與利益相關者溝通,公開財務信息,就可以化解矛盾和沖突,給企業創造解決財務危機的人文環境。

(三)快速反應原則。即處理財務危機速度要快,發現財務危機的苗頭就要及時想辦法解決問題,不要等問題積累多了才去處理,那樣往往花很大的代價也解決不了問題。

(四)系統管理原則。企業發生財務危機時,往往會顧此失彼,處理問題不系統,沒有秩序。所以要用系統管理思想統籌解決問題。

(五)權威證實原則。企業發生財務危機時,有時自己怎么解釋、努力都不能讓利益相關者滿意,這時可以考慮請有公信力的政府、協會、有實力的大企業出面幫助說話,做工作,重新贏得利益相關者的信任。

企業出現財務危機的重災區是內外部債務不能及時償還。內部債務不能及時償還會影響企業生產經營的正常運轉,外部債務不能償還會引起債權人的訴訟,嚴重的話會導致企業破產。企業應當增強應對財務危機的能力,一個未經歷過財務危機考驗的企業,不能算真正成功的企業。如何處理好財務危機,并從不利局面中找到轉化的契機,是我國企業財務管理人員應該補上的重要一課。

三、財務危機管理計劃

企業財務管理人員及高級管理人員一定要居安思危,制定切實可行的財務危機管理計劃。這樣一旦出現財務危機,可以化被動為主動。制定財務危機管理計劃應注意以下幾點:

(一)財務危機管理計劃要具有可操作性,不能紙上談兵。

(二)財務危機管理計劃必須系統、全面、連續,應明確相關組織和人員的責權利。

(三)財務危機管理計劃必須保持靈活性、前瞻性。計劃不能僵化教條,重點在于靈活地解決關鍵問題,而不是細節和特定的財務危機事件的描述。

(四)財務危機管理計劃的制訂應該全員參與。應該是企業領導、財務管理人員、普通員工精誠合作的結果。否則出現了財務危機,這個計劃也難以執行。

(五)財務危機管理計劃的制訂應建立在可靠的信息基礎上,是在對內外部信息的認真分析的基礎上做出的,并且大家對信息進行了共享與充分溝通。

(六)財務危機管理計劃對細節也應當關注。要預防一些細節上的疏忽導致的財務失敗,當然這是在重點突出時的完美計劃要求。

(七)財務危機管理計劃應當有清晰的業務流程。即出現財務危機時,如何報告、如何溝通、如何應對、如何快速實施計劃等。

篇9

在激烈競爭的市場經濟環境中,現代企業面臨著許多風險,企業賴以生存和發展的各種條件充滿著變數,又由于企業本身總是不可避免地存在這樣或那樣的問題和各種各樣的隱患,以及人們還不能夠完全把握包括市場經濟環境在內的企業外部條件的變化,因此企業財務危機時有發生,并且財務危機是無法絕對避免的。

一、財務危機預警系統的功能及特征

企業財務預警系統是為防止企業偏離正常經營軌道而建立的報警和控制系統,它以企業信息化為基礎,利用數據化管理方式,通過對各種財務分析數據資料的分析,對企業經營管理活動中存在的財務危機及早警示,對潛在財務風險進行實時監控,為經營決策提供可靠依據。其靈敏度越高就越能及早地發現問題并告知企業管理者,就越能有效地防范與解決問題、回避財務危機的發生,所以,一個有效的財務危機預警系統通常具有以下功能:

它通過收集與企業經營相關的產業政策、市場競爭狀況、企業本身的各類財務和生產經營狀況信息,進行分析比較,判斷是否予以報警。

當財務危機征兆出現時,有效的財務危機預警系統不僅能預知并預告,還能及時尋找導致財務狀況惡化的根源,使管理者有的放矢,對癥下藥,制定有效的措施,阻止財務狀況的進一步惡化,避免財務危機真正發生。

有效的財務危機預警系統不僅能及時回避現存的財務危機,而且能通過系統詳細地記錄其發生緣由、解決措施、處理結果,并及時提出改進建議,彌補企業財務管理及企業經營中的缺陷,完善財務危機預警系統,從而既提供前車之鑒,又能從根本上消除隱患。

對于企業來說,絕大多數財務危機都是可以預測的,而且都有一個從潛伏到爆發、從量變到質變的過程,財務危機預警要對這些信息進行監測、識別、報警以及預控。財務危機預警系統監控的范圍主要包括企業的償債能力、盈利能力、資產運營能力、現金流量情況、資本結構以及成長能力等方面。

二、建立財務危機預警系統應做的工作

為使危機預警功能得到正常、充分的發揮,企業應建立健全相對獨立的預警組織機構,其日常工作可由企業現有的某些職能部門承擔,如財務部門、企管、企劃部門;建立信息收集和傳遞機制,只有對大量資料進行統計、分析,才能抓住每一個相關的財務危機征兆。高效的預警分析機制是關鍵,通過預警分析可以迅速排除對財務影響小的風險,從而將主要精力放在分析可能造成重大影響的財務風險上,有重點的分析其成因,評估其可能造成的損失。在財務危機原因分析清楚后,應立即啟動處理機制,制定相應的預防、處理措施,盡可能減少財務危機帶來的損失。

財務危機預警系統必須以大量的信息為基礎,這就要求強有力的信息管理向預警系統提供全面的、準確的、及時的信息。耍建立信息管理組織機構,配備必要的專業人員,要明確信息收集、處理、貯存到反饋各環節的工作內容和要求以及信息專業人員的職責,提供必要的技術支持。

三、企業財務危機預警體系的建構

不可否認企業財務危機是多方面因素造成的,但是產生財務危機的根本原因是財務風險處理不當,因此,加強企業財務風險管理,建立和完善財務預警體系尤其必要。

(一)建立短期財務預警系統,編制現金流量預算

由于企業理財的對象是現金及其流動,就短期而言,企業能否維持下去,并不完全取決于是否盈利,而取決于是否有足夠現金用于各種支出。預警的前提是企業有利潤,對于經營穩定的企業,由于其應收,應付賬款及存貨等一般保持穩定,因此經營活動產生的現金流量凈額一般應大于凈利潤。企業現金流量預算的編制,是財務管理工作別重要一環,準確的現金流量預算,可以為企業提供預警信號,使經營者能夠及早采取措施。為能準確編制現金流量預算,企業應該將各具體目標加以匯總,并將預期未來收益、現金流量、財務狀況及投資計劃等,以數量化形式加以表達,建立企業全面預算,預測未來現金收支的狀況,以周、月、季、半年及一年為期,建立滾動式現金流量預算。

(二)確立財務分析指標體系,建立長期財務預警系統

對企業而言,在建立短期財務預警系統的同時,還要建立長期財務預警系統。其中獲利能力、償債能力、經濟效率、發展潛力指標最具有代表性。獲利是企業經營最終目標,也是企業生存與發展的前提。

資產獲利能力和償債能力二指標是企業財務評價的二大部分,而經濟效率高低又直接體現企業經營管理水平。

篇10

中圖分類號：F275 文獻標識碼：A 文章編號：1002-5812（2015）18-0042-04

一、引言

經濟環境的復雜化和競爭的白熱化，使得企業經營面臨巨大風險和不確定性從而導致財務危機。財務危機預警可預知財務危機發生的征兆，其有效性和準確性的提高有助于企業及時發現導致財務狀況惡化的原因，及早應對。準確有效的預警除了對企業管理層起到警示作用外，還能助投資者做出有利的投資決策，便于債權人控制信貸風險，利于證券等監督部門的監管。迄今，理論界已發展出諸如多元判別模型、多元邏輯回歸模型和神經網絡模型等多種模型來研究財務危機預警，但受制于多元判別模型和邏輯回歸模型需要眾多假設條件，神經網絡模型建模復雜、其運作原理無法明確等問題，這些模型的適用性受到極大限制，鑒于此，本文選擇無假設要求且原理簡單的因子分析模型對財務危機預警進行研究。

二、文獻回顧

20世紀30年代，國外已開始對財務危機預警進行研究，取得了一定的成果并廣泛應用于實際。而國內學者對財務危機預警模型的研究起步較晚，始于20世紀80年代末。總體來說，國內外財務危機預警模型的研究進展可概括為：從單變量分析模型到多變量分析模型，從統計分析方法到基于人工智能的機器學習分析方法。

Beaver（1966）首建了單變量財務危機預警模型，使用30個財務比率進行了對比研究，結果表明，資產負債率、資產收益率和現金流量/負債總額這3個財務比率預測財務危機是有效的，其中現金流量/總負債這一財務比率預測財務失敗效果最好。Altman（1968）首用多變量分析進行了財務危機預警研究，并提出了判斷企業破產的臨界值，這種方法用多個財務指標加權匯總后產生的總判斷分值（稱為Z值）來預測財務危機。周首華等（1996）對Altman的Z分數模型進行了改善，將現金流量指標加入預警機制中從而建立了F分數模型。吳世農和盧賢義分別采用判別分析和logistic 回歸方法建立和估計了預警模型，并比較了各種方法的預測效果。隨著數據挖掘技術的日漸成熟，開始有學者使用神經網絡研究財務危機預警，Odom 和 Sharda（1990）將人工神經網絡模型應用在破產預測模式中，用人工神經網絡預測財務危機的新方法，他們選用Altman 選取的5個財務比率，設置5個隱藏節點，建立了神經網絡預警模型，發現使用神經網絡的方法對公司財務危機的預測率高于基于統計的方法。我國學者楊淑娥、黃禮等通過改變隱含層個數等方式對模型的可靠性進行了驗證。

三、樣本與指標的選取

（一）樣本確定及分組

國內學術界和實務界對財務危機的界定各不相同，概括起來主要分為兩種：其一，認為企業破產是最嚴重的財務危機;其二，鑒于我國資本市場的特殊性，國內大多數學者將是否被“ST”作為判斷企業發生財務危機與否的標準。考慮可行性，本文也以是否被ST作為判斷企業財務危機的標準，選取了2011―2012年間被ST的A股上市公司作為發生財務危機的公司樣本，同時按配對樣本屬于同類行業且總資產規模相差在10%以內的原則，對每一家ST公司進行配對選擇非ST公司，共選定50家ST公司和與之配對的50家非ST公司作為研究樣本。其中，50家ST公司中，20家在2011年被宣布為ST公司，30家在2012年被宣布為ST公司。研究時，筆者把50家被ST的公司隨機分成兩組，一組為建模樣本組，一組為檢驗樣本組。剩下的50家非ST公司根據與其配對的ST公司的分組情況，相應分配到檢驗數據組和建模數據組中。這樣，100家企業中就有50家（25家ST公司和25家非ST公司）公司用來建模，50家（25家ST公司和25家非ST公司）用來檢驗模型預測的準確性。

（二）預警指標體系的確定

在總結了前人研究及企業經營特征的基礎上，本文選取了23個指標，分別囊括了企業償債能力、營運能力、盈利能力、成長能力、現金流量狀況和表外其他信息6個方面。這些變量的類別如表1所示。

（三）財務危機預警指標的篩選

為建立一個有效的財務預警模型，所選指標必須能夠有效地判別財務危機企業和財務正常企業。因此，在構建模型之前，需要對所選指標進行顯著性檢驗以剔除ST公司和非ST公司之間顯著差別不高的指標。

顯著性檢驗即事先對總體的參數或總體分布形式做出預先假設，然后利用樣本信息判斷該假設是否合理，即判斷總體的真實情況與原假設是否有顯著性差異。當樣本總體符合正態分布時，一般會使用參數檢驗的方法;當樣本總體不符合正態分布時，一般采用非參數的檢驗方法。在本文中，由于總體分布未知，故首先要對樣本數據進行正態性檢驗。

1.樣本數據的正態性檢驗――單樣本K-S檢驗。通過SPSS 19.0對前面所選取的23個財務比率指標進行顯著性水平為5%的K-S檢驗，結果如表2所示（其中T-1、T-2和T-3分別代表被宣布特別處理前1年、前2年和前3年）。

在顯著性水平為0.05的水平下，當漸進顯著性P值>0.05 時，該指標符合正態分布。從表2中可以得出：T-1年只有 X6、X7、X9、X11、X15、X17、X21符合正態分布;T-2年只有X6、X7、X9、X13符合正態分布;T-3 年只有X6符合正態分布。整體上看，三年內只有X6都符合正態分布，故指標變量整體來說并不符合正態分布。

2.樣本數據的顯著性檢驗――初次篩選。對樣本數據進行顯著性檢驗時，T檢驗和U檢驗均可用。實用時，只要檢驗樣本含量較大（n>30）或檢驗樣本含量較小（n<30）但總體標準差σ已知時，即可應用u檢驗;當檢驗樣本含量較小（n<30），總體標準差σ未知時可應用T檢驗，但要求樣本數據呈正態分布。由于所選取的指標變量在總體上不符合正態分布，且樣本數較大，所以本文采用U檢驗來檢驗指標變量的顯著性。

利用收集的兩組共100家上市公司的數據資料，使用SPSS 19.0統計分析軟件中的兩個獨立樣本顯著性檢驗，對被宣布特別處理前1年、2年、3年的數據進行U檢驗，結果如上頁表3所示。

據表3可得T-1年至T-3年指標變量顯著性檢驗的結果：應收賬款周轉率（X4）、存貨周轉率（X5）、總資產周轉率（X6）、銷售毛利率（X11）、Z指標（X22）和審計意見類型（X23）這6個財務指標在0.05水平上沒有通過顯著性檢驗，說明該6個指標無法有效區分企業是財務失敗還是財務正常，故剔除這6個指標。

3.因子分析――再次篩選。考慮中國證監會界定上市公司財務狀況異常的標準一般是“連續兩年虧損”，所以本文利用建模組公司T-2的數據，共50個樣本，結合前文中通過顯著性檢驗篩選出的17個指標進行因子分析，利用因子分析對這17個指標再次精簡，去除重復信息。

（1）KMO檢驗。通常在因子分析之前，需要對原有變量之間是否存在相關關系進行研究。本文采用KMO和巴特利特檢驗對變量進行相關性檢驗。表4的檢驗結果顯示KMO值為0.667大于0.6，表明可做因子分析;又因Bartlett球狀檢驗的相伴概率為0.000，遠小于顯著性水平0.05，因此可以認為原始變量之間存在相關性，適合做因子分析。

（2）因子分析。統計方法中，可據因子載荷矩陣得出所選公因子的個數。為確定選取的公因子個數，需要計算各因子的特征值和累計貢獻率。本文選取公因子時要求因子的特征值大于1。表5顯示，選取5個公因子時，每個公因子的特征值都大于1，且累計貢獻率達到76.74%，即這5個主成分因子包含了原來76.74%的信息量，變量信息丟失較少，因子分析的結果較為理想。為便于對這5個因子進行解釋，本文使用了正交旋轉法中最大方差法進行轉換得到因子載荷矩陣表6。表6顯示：因子Z1中，財務比率X10 、X12的因子載荷量都大于90%，而這2個財務比率是反映企業盈利能力的指標，故將Z1命名為盈利能力因子;因子Z2中，財務比率X14、X18的因子載荷量遠大于其他財務比率的因子載荷量，而X14、X18是反映企業成長能力的指標，故將Z2命名為成長能力因子;因子Z3中，財務比率X2、X3的因子載荷量都大于90%，遠大于其他財務比率的因子載荷量，而X2、X3是反映企業償債能力的指標，故將Z3命名為償債能力因子;在因子Z4中，財務比率X19、X21的因子載荷量遠大于其他財務比率的因子載荷量，而X19、X21分別反映企業現金流量的指標，故將Z4命名為現金能力因子;在因子Z5中，財務比率X7、X17的因子載荷量大于其他財務比率的因子載荷量，而X7、X17分別反映企業盈利和成長能力的指標，故將Z5命名為綜合能力因子。

根據表6旋轉平方和載入方差值和表7各公因子得分系數，確定財務危機預警函數為：

F=（0.20302Z1+0.17393Z2+0.15622Z3+0.13054Z4+0.10364Z5）/0.73736 （公式一）

四、財務危機預測值的確定及預警模型的檢驗

（一）財務危機預測值的確定

將建模組共50個樣本的數據帶入公式一中，得到各企業綜合財務風險預測值F，根據F值的高低排列企業，結果見表8。

根據表8中各預測值F和確保最小錯誤率的原則，選定ST企業和非ST的最佳分割點，本文中稱該分割點為風險臨界值PS。通過分析可看出，這個分割點在-0.08和0.02之間時，誤判率最小，故本文選擇這兩個數值的平均數作為風險臨界值，即PS為-0.03。

據前文，距被宣布特別處理前兩年財務預警的因子分析模型為：

F=（0.20302Z1+0.17393Z2+0.15622Z3+0.13054Z4+0.10364Z5）/0.76736

若 F≥PS，則2年后該企業為非ST企業;若 F<PS，則2年后該企業為ST企業。

（二）預警模型的檢驗

為檢驗PS臨界值-0.03在預測財務危機方面的準確性，本文把距被宣布特別處理前兩年（即T-2年）的檢驗組樣本數據（共50個樣本）帶入因子分析模型，即公式一中，得到檢驗組樣本各公司F值，根據F值的高低排列企業，結果見表9。

根據建模樣本組確定的風險臨界值PS=-0.03，被宣布特別處理前兩年的檢測組公司樣本數據F值計算結果表明：50家企業里有45家預測正確，預測錯誤的為華電能源、蓮花味精、金健米業、*ST新農、*ST南紡這五家，預測正確率達90%。因此，公司被宣布特別處理前兩年，該財務風險預警模型具有較好的預測能力。

五、結論

本文選取2011―2012年間A股上市公司中被ST的50家公司和與其配對的50家非ST的公司作為研究樣本，以被ST前三年的數據作為樣本數據，使用U檢驗嚴格篩選出17個財務指標作為指標變量，對上市公司前兩年的數據運用因子分析對指標體系進行再次篩選，構建了財務危機預警模型。研究結果顯示：公司被宣布特別處理前兩年預測的正確率高達90%，達到了較好的預測效果。J