财务风险建模

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇财务风险建模范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

财务风险建模范文第1篇

摘 要 财务风险预警预警模型的建立与应用，可以帮助企业管理者密切关注有关财务指标的变动趋势和影响企业环境因素的变化，努力降低财务风险。

关键词 财务风险 财务风险预警模型 建立 应用

一、财务预警模型

财务预警模型因选用变量多少不同分为单变量预警模型和多变量预警模型。现阶段主要存在以下单变量和多变量两种财务风险预警方法，企业集团可以根据集团的特征和各种方法的适用范围来进行方法的选择。

1．单变量模型

单变量预警方法通过寻找最佳预警指标，使用单一变量对企业财务风险进行预警，最早通过单变量模型研究公司失败问题的是美国比佛（Beaver，1968）。他通过对美国1954年至1964年间79家失败企业和79家成功企业的比较研究，发现现金流量与债务总额的比率对财务危机预测的效果最好，其次是资产负债率。单变量分析法计算简单，但却因不同财务比率的预测方向与能力经常有相当大的差距，有时会产生对同一公司使用不同比率预测出不同结果的现象，而且不能全面反映企业的风险。

2．多变量模型

多变量预警方法通过多个变量的组合来综合确定企业发生财务风险的可能性，其从企业集团的宏观角度出发运用多个财务指标衡量企业风险，为管理决策提供帮助，进而规避风险或延缓危机的发生。相对于单变量模型而言，多变量模型预警财务指标能多方位反映企业经营状态，揭示企业产、供、销各环节可能存在的风险，适合企业集团的财务预警系统的要求。

二、财务预警系统设计

1．财务危机的原因

（1）无法偿还到期债务本息。财务风险的最根本表现都是不能偿还到期债务的可能性，因此，在构建财务风险预警指标体系中，应选取较多的偿债能力指标。可以选择流动比率、速动比率、资产负债率、利息保障倍数、借款依存度等常见指标；同时考虑到企业集团固定资产和长期投资规模较大，可以增加长期资产适合率指标。

（2）企业获利能力持续降低，导致财务风险发生。这由获利能力指标进行预警，净资产收益率指标是反映企业获利能力的综合指标，考虑到集团的行业特点，还应该包括主营业务利润率指标。

（3）企业现金流入不敷出，持续借债导致资金恶性循环，导致企业出现财务风险，企业现金流入流出的变异性，对判别企业是否发生财务危机具有显著性，而在现金流量指标中，经营活动现金流量显得更为重要。

（4）企业市场环境恶化，业务萎缩，导致企业财务出现风险，这由企业成长能力指标来预警，可以选择总资产增长率指标来关注企业的成长能力。

（5）企业资产管理效率低下，导致企业陷入财务危机。这可由企业运营能力指标进行预警。包括总资产周转率和净收益营运指数（经营净利润/净利润）指标；考虑到集团应收账款问题比较突出，应收账款周转率指标也应纳入。

（6）由于我国企业集团内母子公司之间，兄弟单位之间相互担保以及对集团外担保总额较大，以对外担保为主的或有负债很可能变为现实负债，所以应该将担保比重这一表外指标作为预警指标（傅俊元等，2004）。

2．预警指标的设计

企业在设置所有预警指标时，要对企业的历史数据、市场的平均数据和同行业的先进数据等作深入和仔细的研究分析，适度稳健地建立企业财务预警的控制指标：

（1）现金状况预警指标。这一指标是企业财务预警系统中最敏感的指标，它直接关系到企业财务危机的状况和程度。主要包括现金短缺率等。

（2）流动比率预警指标。这一指标是说明企业一定时期各类资产的变现能力和短期偿债能力的指标，也是仅次于现金状况的财务预警指标。主要包括流动比率、速动比率、流动资产比率。

（3）债务状况预警指标。企业债务状况的好坏是直接导致财务危机出现的根源，企业一定时期的负债结构也是判断企业十分可能出现重大财务危机的重要依据。这一指标主要包括资产负债率、短期负债比率等。

（4）经营状况预警指标。一般讲，如果一个企业长期经营状况不良甚至逐步恶化，那么企业出现财务危机只是时间问题。这一指标主要包括销售增长率、安全边际率等。

（5）信用状况预警指标。企业的信用状况说明社会金融机构和企业的客户对本企业经营和财务状况的评价，这一指标主要包括销售收现比、赊销比率等。

（6）周转状况预警指标。这一指标的变化，直接说明了企业资金的利用水平和企业资产的运作能力以及说明企业的经营状况是否良好等。主要包括应收账款周转率等。

（7）投资状况预警指标。投资状况对企业财务危机的形成具有潜在的重要影响。这一指标主要包括年投资增长率等。

（8）成本费用状况预警指标。企业一定时期成本费用的控制水平，往往是体现企业管理水平的重要标志。企业成本费用的浪费，实际就是资金的浪费，最终导致企业的效率低下和资金被蚕食，最终直接面临财务危机。

财务风险建模范文第2篇

    关键词:全面财务风险管理;模型;构建;企业

    构建全面财务风险管理模型既是企业财务风险管理实践的内在要求,也是财务风险管理理论发展的需要。构建全面财务风险管理模型的基本思路:以全过程的财务风险管理为基础,主要由预警系统、防范与控制系统和反馈系统组成。模型中还包含了全面财务风险管理的全方位、全程序、全企业的各种内在要求和财务风险管理的多种基本方法。

    1企业全面财务风险管理预警系统的构建

    企业财务风险预警系统,是指为了防止企业财务系统运行偏离预期目标而建立的报警系统。财务风险预警系统使企业可以利用该模型或管理活动提高自身防范风险的能力,及早发现财务恶化征兆,采取有效措施避开或化解可能出现的财务危机,同时也可以使企业获得更多的有预测性、能反映企业真实价值的信息,为企业的经营管理服务。

    (1)财务风险预警指标体系的构建。企业财务风险预警指标体系的设计与选择,是企业财务风险预警系统建设的首要环节,具体选择哪几类指标和选择哪些指标,要根据企业的具体实际情况来定,并根据实际成果作相应的调整。如下表1可以作为企业制定自身指标体系的参考:

    具体指标变现能力指标流动比率、速动比率资产管理能力指标营业周期、存货周转天数、应收帐款周转天数、流动资产周转率、总资产周转率负债指标产权比率、已获利息倍数、资产负债率、有形净值负债率赢利能力指标销售净利率、销售毛利率、净资产受益率、资产净利率表1企业使用的指标体系

    (2)财务风险预警模型的建立。

    ①单变量模型。所谓单变量模型就是运用单一的财务比率来预测财务风险,单变量模型是1967年由美国芝加哥大学的威廉·比弗教授提出的。可用作预测财务危机的重要的比率有:

    债务保障率=现金流量/债务总额

    资产收益率=净收益/资产总额

    资产负债率=负债总额/资产总额

    资金安全率=资产变现率/资产负债率

    良好的现金流量、净收益和债务状况可以表现出一个公司的稳定发展态势,所以应对上述比率的变化趋势予以特别注意。当这些指标出现恶化,以至于达到警戒值,就必须要注意公司是否会出现财务危机。

    ②多元判别模型。多元判别模型的思路是运用多种财务指标加权汇总产生的总判别值来预测财务危机风险。多元判别模型认为,公司是一个综合体,各个财务指标之间存在某种相互联系,对公司整体的风险影响作用也是不一样的。多元判别模型最早由奥特曼提出,奥特曼模型如下:

    Z=1.2X1+1.4X2+3.3X3+0.6X4+X5

    其中:

    X1=(期末流动资产-期末流动负债)/期末总资产

    X2=期末留存收益/期末总资产

    X3=息税前利润/总资产

    X4=期末股东权益的市场价值/期末总负债

    X5=本期销售收入/平均总资产

    该模型是以5个财务比率,将反映企业偿债能力的指标(X1,X4)、获利能力指标(X2,X3)和营运能力指标(X5)有机联系起来,一般认为Z值大于2.675时,表明公司财务状况良好,无财务风险可言,相当安全;当Z小于1.81时,表明公司财务状况堪优,面临破产的危机;在2.675和1.81之间,说明公司财务状况不稳定,需要企业及时找出对策防范风险。奥特曼模型的预测能力也是很高的,预测准确性达到90%左右。

    2企业全面财务风险管理防范与控制系统的构建

    (1)筹资风险及其防范与控制。

    ①筹资风险的识别。

    筹资风险,指由于资金供需市场、宏观经济环境的变化,企业筹集资金给财务成果带来的不确定性。

    企业筹集资金的方式主要有两种:自有资金和借入资金。自有资金是所有者投入的资金,不存在还本付息的问题,其风险只存在于其使用效益的不确定上。借入资金是引发筹资风险的主要原因。借入资金严格规定了借款人的还款方式、还款期限和利息率,其特点之一是定期支付固定利息,当企业资金收益率高于负债利率时,企业通过负债筹资经营获得收益,除了支付固定利息外剩余的收益,全部归投资者所有,使投资者实际收益率高于企业资金收益率。负债筹资的这个作用称为财务杠杆作用。

    ②筹资风险的衡量。

    评价企业筹资风险程度的指标有多种,其中自有资金收益率和资金成本率指标分别从效益和成本二个不同角度反映企业筹资风险程度,具有计算简单且准确性高的特点,是较为实用的筹资风险评价指标。

    A.自有资金收益率指标。

    企业在筹资过程中,往往要同时安排自有资金和借入资金,而二者比例不尽相同。自有资金收益率就是判断这一风险程度的指标。其计算公式为:

    自有资金收益率=投资收益率+(借入资金/自有资金)*(投资收益率-借入资金利息率)

    式中:

    投资收益率=(投资项目利润总额+借款利息额)/(自有资金+借入资金)

    从上式可以看出投资收益率、借入资金与自有资金的比例、借入资金利息率的变化决定了自有资金收益率的高低。通过对自有资金收益率指标的分析,可以判断筹资风险程度,调整筹资决策。

    B.资金成本率指标。

    资金成本是企业为筹集和使用资金所支付的各种费用。资金成本率是指资金成本占筹措资金的比例。其计算公式为:

    资金成本率=资金占用费/(筹集资金总额-资金筹集费)

    如果企业筹集的资金为负债,上述公式中的资金占用费还应扣除因增加利息支出而少交的所得税额,上述公式可改为:

    借入资金成本率=借入资金占用费以(1-所得税率)/(借入资金总额-借入资金筹集费)

    企业多种渠道用多种方式同时筹集资金时,由于不同的资金成本不一样,为此就需要计算全部筹集资金的综合资金成本率,其计算公式为:

    综合资金成本率=∑各项资金成本率×该项资金占全部资金比例

    资金成本率指标是企业选择资金来源,拟定筹资方案的依据,通过对资金成本率变化的分析,可以判断筹资风险程度。

    (2)筹资风险的防范与控制。企业通过筹资活动取得资金后,进行投资的类型有两种:一是投资生产项目;二是投资购买证券。无论项目投资还是证券投资,都不能保证一定达到预期收益。这种投入资金的实际使用效果偏离预期结果的可能性就是投资风险。

    ①直接投资风险。

    A.直接投资风险的识别。

    造成直接投资风险的原因主要是由于企业外部经济环境和企业经营方面的问题所导致的经营风险。具体有如下3种:一是投资项目不能如期投产,不能取得效益;或虽然投产,但不能盈利,反而出现亏损,导致企业整体盈利能力和偿还能力的降低。二是投资项目并没有出现亏损,但盈利水平很低,利润率低于银行存款的利息率。三是投资项目既没有出现亏损,利润率也高于银行利息率,但低于企业目前的资金利润水平。

    B.直接投资风险的衡量。

    通常用经营杠杆系数来衡量投资风险:

    经营杠杆系数=息税前利润(EBIT)变动百分比/销售量(Q)变动百分比

    该指标用来评估项目投资风险的大小。经营杠杆系数愈大,投资项目所面临的风险愈大;经营杠杆系数愈小,投资项目所面临的风险愈小。

    C.直接投资风险的防范与控制。

    a.加强投资方案的可行性研究:企业如果能够在投资之前对未来收益情况进行合理预测,将风险高而收益低的方案排除在外,只将资金投向那些切实可行的方案,对防范与控制投资风险具有十分重要的作用。

    b.提高投资决策的科学化水平:为防范投资风险,企业必须采用科学的决策方法,在决策过程中,应充分考虑影响决策的各种因素,尽量采用定量计算及分析方法,并运用科学的决策模型进行决策,对各种可行方案要认真进行分析评价,从中选择最优的决策方案,切忌主观臆断。

    ②证券投资风险。

    A.证券投资风险的识别。

    证券投资风险可分为系统性风险和非系统性风险。系统性风险,又称不可分散风险,是指由于全局性因素的变化,导致证券市场上所有证券的收益发生变动的风险,如经济形势变化、通货膨胀、利率汇率变化等等,都会给市场上所有的金融资本带来损失。对于投资主体来说,它不能通过多角化投资来加以消除或降低,它的影响是整体性的,所以又称不可分散风险。非系统性风险,又称可分散风险,是指因某些因素的变化,导致证券市场上个别证券收益变动的风险。图2是利用证券投资组合分散非系统风险示意图。实证研究表明,科学选择30~40种证券能够在保证收益率的情况下有效地分散非系统风险。

财务风险建模范文第3篇

近年来，公立医院的改革愈加深入，所获得的国家财政补偿越来越少。同时各类私立医院、合资医院日渐兴起，数量越来越多，大有赶超公立医院的趋势。医疗服务从卖方市场转为了买方市场。大多数公立医院为了立足于市场竞争中并获得进一步的发展，通常借助于大规模信贷的负债经营方式来扩张或升级自身的软件与硬件。负债经营虽然能够给公立医院带来一定的经济效益和社会效益，但也给医院带来了财务风险的相关问题。如何综合公立医院的实际情况进行科学合理的财务风险管理，通过对公立医院财务状况的监测与财务风险预警模型的建立，及时发现公立医院潜在的财务风险，从而能够迅速有效地采取防止财务风险继续扩大的措施，将财务危机扼杀于襁褓中，是公立医院迫切需要解决的问题。下面本文将采用主成分分析法对公立医院的财务风险预警模型展开研究与讨论。

一、公立医院财务风险的相关概念

公立医院的财务风险，从广义上将，应该包括公立医院中所有跟财务有关的活动在进行过程中存在的风险；狭义上则是指由于负债的资本率较大，导致公立医院无法按时偿还银行的本息而造成财务风险[1]。公立医院的财务风险受到各种不确定因素的影响，使得预期收益和实际的财务收益往往存在着较大的出入，从而直接影响了医院对账款及银行本息的支付，引发了财务风险。

公立医院的财务风险受到内在环境和外在环境的综合作用和影响。内在环境作用下，由于公立医院管理者的风险意识薄弱，没有建立起完善可行的财务监控制度，对医院经营活动的约束力不强，并缺乏相应的风险防范方法等，使得财务风险出现的可能性大大增加。而外在环境中，由于国家对农村和社区医疗日益重视，使得公立医院的诊疗费用和药品价格都有所下调，并对诊疗项目进行了规范和调整，使得公立医院的盈利度下降。同时市场经济的变动对公立医院的贷款利率以及物品的购置成本都会造成较大影响，进而导致财务风险的产生。

二、主成分分析法的相关概念

主成分分析法通常是指对多个数值或定量变量之间的相关性进行考察的多元统计方式。其主要借用多变量方差来对少数的几个主成份、即所谓的原始数据线形组合进行研究解释，即协方差结构。通俗而言，即通过相应主成分的导出，使得原始变量的相关信息能够尽量多的保留下来，并且原始变量之间的线性彼此无关。

三、基于主成分分析法进行公立医院财务风险预警模型的构建

（一）公立医院构建财务风险预警模型的意义

基于主成分分析法构建的财务风险预警模型能够帮助公立医院的管理者了解现下医院的财务状况，通过相应的信息使得风险以定量化的形式披露出来，并为医院财务管理提供必须的工具与管理手段。公立医院财务风险预警模型的建立，有助于公立医院及时预防并化解财务危机，有效提升其财务风险预警管理水平。通常而言，由于各公立医院所处环境的不同，因此对财务产生影响的因素也各不相同，公立医院的管理者在进行医院财务风险的管理时，要?Χ?量指标与定性指标对财务风险的影响进行综合考虑，尤其要注意定性因素对预警模型的严密性、敏感性、灵敏度的影响。同时，公立医院管理者应该明确认识到，财务风险的预警模型只是发现医院存在或者潜在财务风险的工具，而进一步地采取有效且合理的防范转化措施，使得医院的运营收益实现最大化才是财务风险管理的最终目的。

（二）运用主成分分析法构建预警模型的方法[3]

主成分分析法要从多个指标中提取为数不多的相互无关的综合指标，因此利用主成分分析法来构建公立医院的财务危机预警模型，首先应选择并确定模型所采用的财务指标，其次根据既定的样本研究方法来对样本展开研究；然后采用相应的统计软件对模型进行主成分分析，并在此基础上进一步检验，最后要通过样本分析来判别模型预测的准确定，确定模型临界值。

（三） 财务风险预警模型的优点和局限性

基于主成分分析法构建的公立医院财务风险预警模型，运用降维的方法有效的简化了财务预警的评价指标，使得在进行指标筛选的过程中，能够基于研究财务指标的基础上把非财务的指标也纳入到该模型中来，从而使模型中反映出的公立医院财务风险具有全面性。

同时，财务风险预警模型也存在着一定的局限性：首先是数据方面的局限性。基于主成分分析法构建的公立医院财务风险预警模型往往是根据现有的财务报表来建立的，财务数据的真实可靠性存在疑问。其次是财务指标方面的局限性，其无法概括公立医院经营过程中其他有可能导致财务危机的非财务因素。再次是研究范围的局限性。财务预警模型的建立是基于普遍性的前提，然而由于各公立医院自身实际情况的不同，使得该模型缺乏针对性。

财务风险建模范文第4篇

[关键词]：ARIMA 时间序列分析 Z评分模型

一、引言

Z值模型是目前在财务危机预警分析中最常采用的一种经典模型。该理论是Edward Altman 通过对美国1945年至1965年间的33家破产企业（制造业）和同样数量的非破产企业进行充分研究后，于1968年发表的研究结论。他从20多个财务指标中综合出4至5个变量，通过加权汇总，产生总判别分Z值，将其与临界值对比来预测企业的财务危机。一般只是将Z值计算出来进行企业的风险预测，由于每个企业的Z值也是时间序列，利用ARIMA模型对Z值进行进一步分析，预测企业未来Z值的大小，从而可以进一步达到风险预警的效果。

在国内，许多学者都将Z评分模型应用于我国上市企业的财务风险实证研究，也有许多学者将ARIMA模型成功运用于对于一些金融时间序列的预测。由于Z评分模型对我国上市的公司在财务风险预警方面具有较强的指导意义，因此笔者将以中国石油天然气集团为例，进行Z评分模型的应用。

二、模型设计与数据来源

（一）模型设计

ARIMA模型由于不需要对时间序列的发展模式作先验的假设，而且可以反复修改与识别，直到获得较为理想的模型。因此，将ARIMA模型适用于企业的Z评分非平稳时间序列，预测企业未来的Z评分数值，可以认为是一种大胆的尝试。

1、ARIMA模型的基本思想

ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列。以时间序列的自相关分析为基础，运用一定的数学模型来近似描述这个序列。

2、ARIMA模型预测的基本程序

（1）根据序列图对平稳性进行识别。如果时间序列不是平稳序列，则需对非平稳序列进行平稳化处理。

（2）模型的识别和定阶。根据时间序列模型的识别规则，建立相应的模型。

（3）进行参数估计，检验是否具有统计意义

（4）进行假设检验，诊断残差序列是否为白噪声。自噪声说明一个时问序列中有用的信息已经被提取完毕了，剩下的全是随机扰动，是无法预测和使用的。如果残差序列通过了白噪声检验，则建模就可以终止了，因为没有信息可以继续提取，否则就需要修改模型或者进一步提取。

（5）利用已通过检验的模型进行预测分析。

（二）数据来源

本文所有数据来自中石油集团的官方统计年报、半年报和季报。由于中石油是2007年11月5日在上海证券交易所上市。计算各季度Z分值的原始数据见表1所示。

三、ARIMA模型对中石油Z分值的建模分析

（一）数据预处理

通过图1可以看出：2007年至2011年个季度中石油集团的Z分值的时间序列图。通过对时间序列图进行观察，发现中石油的Z分值有非常明显的线性下降趋势，则可初步判断它是一个非平稳的时间序列。

对于含有线性下降趋势的时间序列，一般都是通过取一阶差分来消除线性趋势使其平稳化。一阶差分后发现在1%的置信水平下能够通过单位根检验，所以一阶差分可以使其平稳。这意味着对中石油的Z分值经过一次差分后可以建立ARMA（p，q）模型。

（二）模型识别和定阶

模型识别就是确定时间序列分析时应用AR（p）模型、MA（q）模型还是ARMA（p，q）模型。Box-Jenkins的模型识别方法，是根据自相关函数（ACF）和偏自相关函数（PACF）来确定模型的形式，其识别标准见表2。

根据一阶差分序列自相关、偏自相关图3所示，结合图3可知取p=1，q=1时对应的AIC值最小，故最终确定p=1，q=1。由此，ARIMA（p，d，q）可确定为ARIMA（1，1，1）。

（三）ARIMA（1，1，1）模型的检验

本步骤在于对模型的残差序列做白噪声检验，如果残差序列非白噪声序列，则残差序列仍存在未提取的有用的信息，模型需要进一步改进和修正；如果残差序列的样本自相关系数都在随机区间内，也就是所没有任何自相关系数在统计上比较显著，则认为残差序列是纯随机的，模型得以检验。

图4给出了残差序列的样本自相关系数和偏自相关系数，可以看出残差序列的自相关系数和偏自相关系数都落入随机区间内，没有出现明显的趋势特征，所以，我们可初步判断ARIMA（1，1，1）模型对中石油的Z分值序列的拟合程度是比较好的，另外，残差序列从滞后3阶开始自相关函数相应的概率值P都在0.1以上，样本自回归函数也都在95%的置信区间以内，因此不能拒绝原假设，于是ARIMA（1，1，1）模型估计结果的残差序列是白噪声序列，残差信息基本上已经被完全提取。

（四）中石油2012年Z分值预测

利用模型进行拟合预测，结果如表3、表4所示。表3给出了2011年各季度的Z分值预测数值，从中可以看出，预测相对误差在0.98%到10.34%之间波动，2011年个季度Z值的平均相对误差仅为2.7%，这表明模型预测效果较好，可用于预测中石油未来的Z分值。

利用该模型对中石油2012年各季度的Z值进行预测，见表3。预测结果表明：中石油的Z分值将在年初上涨之后一直是下降趋势，意味着中石油的财务风险将有进一步恶化的趋势，但Z分值仍远远高于安全临界值。

五、结论与总结

本文将Z评分模型与ARIMA模型相结合，可以更好的进行企业的财务风险预警，可以达到未雨绸缪的效果。鉴于报表季度数据有限，时间序列样本较少，可能会影响预测的准确性。

根据预测，中石油的Z分值在2012年在第一个季度会有所好转，但全年仍然是一个下降的趋势，也意味着中石油的财务风险将进一步恶化，归其原因，主要是其流动负债远远大于流动资产，造成净营运资本为负所带来的偿债能力风险。所以，中石油在未来的经营过程中要注意防范在这方面风险，增加流动资产，同时减少流动负债，使企业资产保持一个较好的流动性。

参考文献：

[1]朱叶.公司金融（第二版）[M]北京：北京大学出版社，2009.453-457.

财务风险建模范文第5篇

关键词：创业板；财务风险；Z评分模型

中图分类号：F830.31 文献标识码：B 文章编号：1674-0017-2012（10）-0024-05

一、研究综述

（一）对财务风险界定的相关研究文献。国外的研究一般以破产作为确定企业进入财务风险的标志。如Beaver（1966）等学者的观点，实质上是把财务危机基本视同企业破产，即法定破产。而Altman（1990）综合了学术界对财务危机的定义，认为财务危机有四种情况：经营失败、无偿付能力、违约、破产。我国学者对财务危机的界定一般是以上市公司因财务状况异常被特别处理作为上市公司财务危机的标志。例如陈静（1999）、张玲（2000）、陈晓、陈治鸿（2000）、吴世农、卢贤义（1999）等人在对我国上市公司财务危机预测的实证研究中，均以上市公司财务状况异常被特别处理，即ST作为界定上市公司财务危机的标志。

（二）对财务危机预警模型的相关研究文献。国外对财务危机预警模型的研究已经较多，主要有下列几种：单变量预警模型，如Fitzpat rick（1932）和Beaver（1966）；多变量预警模型，如Altman（1968）的Z-Score模型、Altman等（1977）建立Zeta模型、Ohlson（1980）和Zavgren（1985）等运用的Logistic模型；非统计模式预警模型，如Tam和Kiang（1992），Ahman和Varetto等（1994）；混合模式模型，如FengYuLin（2001）和Kiang（1992）等。我国学者的研究始于上世纪80年代中期，吴世农、黄世忠（1986）曾撰文介绍企业破产的财务分析指标及预测模型；周首华、杨济华和王平（1996）建立了F分数模型等。

（三）对我国创业板公司现状及风险的分析。闻岳春（2010）分析了我国创业板上市公司的治理特点及特殊需求：家族色彩浓厚致使决策效率低，监督与制衡机制缺失较严重，主业单一且轻资产特征显著以及外部治理作用小，在此基础上从内部外部治理两个角度探讨了我国创业板公司治理制度的对策；彭紫云（2010）概括了创业板市场的基本特征，并对创业板市场的财务风险进行了分析，认为创业板市场财务风险成因来源于以下主要方面：降低了上市公司标准、放松信息披露要求、股票抛售压力大、放松了对股东人数和公众最低持股量的要求以及保荐制度松弛等。

二、财务风险预警研究的假设前提和样本选取

财务风险预警研究的假设前提是：第一，财务风险的定义假设。本文将Z评分模型评分值小于3，且成长性大幅降低，净资产收益率低于资本成本的上市公司定义为财务风险公司，最终确定为风险组创业板上市公司。第二，假设上市公司的会计报表是基本真实的。第三，财务风险类上市公司与财务正常类上市公司在某些财务指标上是具有差异的，一个财务正常的公司在转变为财务风险公司时，某些财务指标会发生变化。

本文结合Z评分模型相关理论及应用，对创业板上市公司的财务风险进行分析，其中Z评分模型及系数定义1如下：

Z= 1.2*X1+1.4*X2+3.3*X3+0.6*X4+0.999*X5 （1）

其中X1：流动资本/总资产（WC/TA），X2：留存收益/总资产（RE/TA），X3：息前、税前收益/总资产（EBIT/TA），X4：股权市值/总负债账面值（MVE/TL），X5：销售收入/总资产（S/TA）。

风险的临界值Z=2.675，如果Z

本文通过Z分数模型分析计算出国内创业板上市公司分值并排序，结合成长性、净资产收益率与资本成本等指标，从277家2创业板企业中筛选出财务风险企业26家。由于本文主要通过将风险公司与非风险公司相比较来探讨危机公司的困境特征，因此与财务风险企业相对的非财务风险样本选取采用配对样本设计方法，共选出26家非风险公司，配对原则如下：

同行业。对每个风险公司选择一个行业相近的非风险公司，主要是为了消除行业因素对研究结论的影响。因为一些统计资料以及研究结论表明，不同行业的财务指标有很大的差异。

规模相似。对每个风险公司选择一个资产规模相近的非风险公司（差异在10%之内），主要是为了增强非资产财务项目在风险公司与非风险公司之间的可比性。一般来说，资产规模不同，公司财务项目及现金流量项目都会不同，在这种情况下就无法比较其财务项目及现金流量项目。依据以上原则选取创业板上市公司财务风险组和非风险组样本如表1。

三、创业板上市公司财务风险评价指标体系构建

（一）财务评价指标的选取原则。第一，相关性。即从评价内容来看，该指标确实能反映有关的内容，不将与评价指标对象、评价内容无关的指标选择进来。第二，全面性。即选择的指标要尽可能覆盖评价的内容，如果有所遗漏，评价就会失去偏差。所选的指标要确实能反映要评价的内容，虽然不是全部，但代表了某一个侧面。第三，可操作性。有些指标虽然很合适，但无法得到，就不切合实际，缺乏可操作性。评价在一定的意义下就是凭借一些可以直接观察、测量的指标去推断不可观察、测量的性能。

（二）创业板上市公司财务风险评价指标体系的构建。根据以上对主板某些财务指标的分析以及创业板市场所具有的独特性，本文初步拟建了一个适合创业板的财务风险评价指标体系，指标汇总如表2。

四、建立模型

（一）独立样本T检验。首先分组并利用模型组公司的11个财务指标在财务危机发生前的第1年到第2年的平均值和标准差等描述性统计变量，比较财务风险公司和非财务风险公司在这两组的11个财务指标在各年的平均值是否具有显著性差异，采用SPSS软件中的独立样本T检验方法来分析。建模组如表3，结果如表4所示。

统计方法如下：针对同一财务指标变量而言，当两组样本具备方差齐性时，采用的T统计量是：

根据上述统计方法，经过SPSS软件分析，结果总结如表4所示。

（二）建立Logistic模型。Logistic回归方法主要是用来预测二值响应变量或者次序变量的值，其回归结果不是连续变量，本文所运用的是对二分类因变量进行回归建模的Logistic回归模型，即“非0即1”。例如本文中，如果定义为财务风险企业Y=1，非财务风险企业Y=0。Y在特定的情况下（例如Y=1）发生的概率大小用P表示，P=Prob（Y=1/X），P可以由以下Logistic回归方程4式得到：

其中X表示一组自变量，b是一组与X对应的回归系数，a是模型的截距，a和b都是待估计的参数。在得到a和b的参数估计后，某一种特定情况发生的概率就可以通过以下等式5得到：

本文利用上述三个指标作为参数，判断公司是否处于财务风险状态，其中自变量X选取如表5。

以X1，X2，X4，X6，X7，X8，X9为变量，财务风险企业=1，正常企业=0，是否风险为分类变量，使用SPSS进行二元逻辑值回归分析3，t-1年分析结果如表6。

根据表6中回归结果，可以得到t-1年的Logistic回归方程如6式所示：

一般情况下取上市公司发生财务风险的概率为0.5，当概率大于0.5时，认为该企业存在财务风险，当概率小于0.5时，认为该企业没有财务风险。

同时，使用SPSS中对t-2年指标进行二元逻辑值回归分析。可以得到t-2年的Logistic回归方程如7式所示：

第t-3年由显著性分析发现，财务风险企业与非风险企业的差异是非常小的，本文认为第三年的模型分析效果很弱。

五、检验模型及结论分析

（一）模型检验。本文采用的检验样本如表7。将各个上市公司的相关数据分别代入t-1年和t-2年的Logistic回归模型公式6和公式7中进行计算P值，分别得到t-1年的结果和t-2年的结果。

通过检验可知，在t-1年，对非风险企业的正确判断率为92.308%，而对于风险企业的正确判断率仅为 84.615%。在t-2年，对非风险企业的正确判断率为84.615%，而对于风险企业的正确判断率仅为76.923%。

（二）结论分析。本文建立的模型在t-2年对非风险企业的正确判断率为84.615%，对风险企业的正确判断率为76.923%，在t-1年对非风险企业的正确判断率为92.308%，对风险企业的正确判断率为84.615%。因此可以看出，与对非风险企业的正确判断率相比，模型对风险企业的判断力相对较弱，但随着风险发生的临近，风险的识别能力加强，正确判断率提高，由实际数据检测可以看出，模型是有效的。

参考文献

[1]Chaplinsky S，Ramchand L. From Listing to Delisting：Foreign Firms'Entry and Exit from the US.Uni-versity of Virginia：Working Paper，2008，pp.1～19.

[2]Dobbs M，Hamilton R.T. Small business growth：Recent evidence and new directions.International Journal of Entrepre-neurial Behaviour&Research，13（5），2007，pp.296～322.

[3]Kwangmin Park，SooCheong（Shawn） Jang. Finn Growth Patterns：Examining the Associations with Firm Size and Internationalization.International Journal of Hospitality Management，29（3），2010，pp.368～377.