上市公司财务风险预警

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篇上市公司财务风险预警范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

上市公司财务风险预警范文第1篇

关键词：财务风险；预警；上市公司

随着经济的全球化，企业之间的竞争日益加剧，企业正常发展所面临的不确定性因素越来越多。因此，评估风险、识别风险因子，采取针对性的风险规避措施对企业正常发展非常关键。在企业风险管理中，财务风险管理是极其重要的一环，评估财务风险也成为企业管理与发展中需要关注的焦点，吸引了众多理论与实际管理者的关注，提出了各种不同的财务风险预警方法。

一、财务风险预警的基本理论

由于企业经济活动的不确定性，要准确分析企业的财务风险，识别风险因子，离不开基本的统计方法与工具。现代财务风险预警主要利用统计方法进行分析。

（一）单变量预警模型

受Fitzpatrick利用统计方法预测研究财务危机的启发，威廉・比弗（William.Beaver） 提出了单变量预测模型。他对1954～1964年的79个失败企业和相对应（同行业，等规模）的79家成功企业进行了比较研究，选用五个财务比率作为变量，将公司在财务失败前数年的财务比率作为判别指标进行一元判定分析，通过研究发现现金流量与债务总额的比率和资产负债率判定公司的财务状况的误判率最低。陈静以1998年的27家ST公司和27家非ST公司为样本，使用了1995～1997年的财务报表数据，运用单变量分析和多元判定分析公司财务风险。在单变量分析中，发现在资产负债率、流动比率等四个指标中，流动比率与资产负债率的误判率最低；在多元线性判定分析中，发现由资产负债率、净资产收益率、总资产报酬率等六个指标构建的模型在ST发生前的三年能较好地预测ST。

（二）多元线性判别分析

多元线性判定模型，又称Z-Score模型，由Altman提出并研究的。他选取了1946～1965年的33家破产公司和33家非破产公司作为样本，采用统计方法从22个财务比率中选取了五个变量，通过多元判别分析建立判别函数，以产生的分值作为依据进行判断。该模型对于破产前一年和前两年的分类准确度分别为95%和82%。之后，Altman、Haldeman和Narayannan将Z-SCORE模型进行了扩展，建立了ZETA模型。研究表明，ZETA模型提前五年就能有效地划分将要破产的公司，通过研究同样的样本表明ZETA模型明显优于Z-SCORE模型。张玲采用Z计分判定法，使用了60家公司的财务数据进行估计了二类线性判别分析，采用另外60家公司作为检验样本进行检验分析财务风险与识别风险因子。周守华、杨济华拓展了多元判别分析方法，他们在Altman的研究基础上，将模型加以改进，增加了反映企业现金流量能力的指标，构建了F分数模型。陈晓对37家ST公司和37家非ST公司进行配对，发现有四个比率对上市公司财务危机有着显著的预测效应。张鸣等运用现金存量模型，结合前人研究的财务预测模型建立综合预测模型，然后引入审计意见变量进行修正。

（三）逻辑回归模型

Logit模型是一种广泛使用的处理分类变量的统计模型，这一模型建立在累计概率函数的基础上，不需要自变量服从多元正态分布和两组间协方差相等的条件。Ohlson将其首次用于财务风险管理，他以1970～1976年的105家破产公司和2058家非破产公司组成非配对样本，以经营业绩和资产流动性等财务指标变量建立Logit模型，该模型被称为O-SCORE模型。吴世农等对我国上市公司财务困境的预测模型问题进行了一次综合性的研究，他们以1988～2000年深沪两市上市的140家上市公司作为研究对象，构建了Lojit回归模型，并且得到的判别结果显示该模型能够准确地判别92.75%的ST公司和94.29%的非ST公司，总体的正确率达到了93.53%。孙铮选取42家ST公司作为样本，在分析13个变量的基础上，运用logit回归给出了判别上市公司财务危机的模型。刘（2004）运用Logit模型对我国上市公司是否被ST进行了预警。

（四）多元概率比回归模型

Probit模型和Logit模型的思路很相似，只是在具体的计算方法和假设前提上存在一定的差异，Logit采用取对数方法，而Probit采用积分的方法。Zmijewski首次将该模型用于财务风险分析。陈晓和陈怡鸿运用多元概率比回归模对我国上市公司型进行了财务预警研究，识别了财务风险因子。

在财务风险研究中，前述四种分析方法是基本的方法，其他的诸如决策树法、神经网络、混沌模型与双层自组织映射模型可以看成是这些方法的拓展。这些方法都是参数模型，需要较强的参数假设，而且在实际使用时也存在许多不足。单变量模型主要围绕统一的财务指标数据展开，缺乏全局系统的观念；决策树法结果易于解释与使用，但预测能力不高、通用性差；神经网络结果难于解释；混沌模型与双层自组织映射模型要求样本数据多，较少的时序数据预测精度低；判别分析、逻辑回归虽然是使用广泛的两个模型，预测效果较好，有较强的解释能力，但这些方法并没有考虑公司特征与时间之间的关系，不能明确财务风险发生的时间与演进过程。生存分析模型考虑了风险与时间、影响因素的演进关系，为财务预警理论研究提供了便利的研究方法。

二、财务风险预警的生存分析方法

上市公司财务风险预警范文第2篇

【关键词】 河北省制造业； 财务风险； 预警模型； 因子分析

一、引言

自1994年1月3日威远生化在沪交所上市以来，到2011年11月11日止，河北省共有42家企业分别在深、沪交易所发行股票并上市，其中有33家为制造业，占78.57%。河北省上市公司中6家发生财务危机的有5家是制造业，占到83.33%。制造业作为河北省上市公司主导行业，其经营情况直接反映本省经济发展态势。鉴于制造业5家被ST的情况，本文拟根据河北省制造业的特点，采用代表性指标，来建立适合河北省制造业上市公司的财务危机预警模型，为制造业上市公司以及利益相关者提供预警信号。

二、文献综述

国外学者在财务风险预警模型研究领域的经典成果有：一元判别法、多元线性判别法，即Z计分模型、Logistic模型和类神经网络模型。之后又有学者尝试使用新研究方法、新变量进行研究，都取得了相应的成效。如Ohison构建了Probit模型，Kim和McLeod，Jr通过专家决策的方式构建了线性和非线性的破产预测模型，研究发现非线性模型的预测效果较好。Galindo和Temayo利用统计学和机器学的方法对银行信用风险进行评价等等。

国内对此的研究起步较晚，主要从以下三个方面进行研究。一是财务风险预警模型及方法的研究，主要包括：Z模型的进一步研究，贺琼、郝汇（2007）运用SPSS统计软件对我国企业进行财务风险预警研究；多元线性回归模型，李月英（2010）选取沪深证券交易所2009年所有被特别处理（ST）的7家农业上市公司作为研究样本，采用多元线性回归模型对农业上市公司的财务数据进行了预警分析；多元逻辑回归模型，李娜（2008）运用因子分析和逻辑回归分析相结合的方法构建适合农业上市公司的财务风险预警模型。二是财务危机预警模型的比较研究，将对Z分数模型与F分数模型进行比较与选择并以我国工程机械上市公司2007年、2009年财务数据为研究对象，检验两种模型的预警效果最终得出F分数模型更适合我国工程机械上市公司财务风险预警的结论等等。三是财务风险预警指标的研究，席光继（2007）研究确定了企业经营风险中关于营销类的指标，对企业的经营风险进行了预警研究。

河北省制造业上市公司财务风险是由河北经济加速发展引起的，是加速发展与内外部影响因素之间矛盾的体现。本文拟通过对河北省制造业上市公司财务数据的处理和分析，从偿债、盈利、运营、发展四个方面筛选出能够准确分析河北省制造业上市公司财务风险的指标，并在因子分析的基础上，建立能够有效防控河北制造业上市公司财务风险的预警模型。

三、河北省制造业上市公司财务风险分析

河北省制造业上市公司财务状况不是很乐观，其风险存在的问题主要包括以下几点，所以建立其财务风险预警模型有着必要性、紧迫性和现实意义。

（一）企业负债高

资产负债率低于50%的公司占河北省制造业上市公司总数的百分比由2006年的32%涨到2010年的40%，整体上呈上升趋势；资产负债率50%～70%的公司占河北省制造业上市公司总数的百分比由2006年的52%降到2010年的32%，整体上呈下降趋势；资产负债率超过70%的企业却由2006年占总数的16%涨到2010年的28%，总体上呈上升趋势。大多数河北省制造业负债持有水平在50%以上，这与西方发达国家一般将50%的负债率视为企业负债过度的“标准线”相比偏高。因此河北省制造业上市公司总体财务状况存在一定的隐患，必须引起高度重视。

（二）盈利情况不容乐观

截止到2006年河北省制造业25家上市公司中有4家亏损，亏损面为16%；2007年河北省制造业上市公司中亏损的有2家，亏损面降为8%；2008年河北省制造业上市公司中亏损的数量增为6家，亏损面达到24%，比全国平均亏损面18.54%高出5.46个百分点；2009年底河北省制造业上市公司中亏损的有7家，亏损面达到28%；2010年河北省亏损的公司家数又降到了2家，比2009年7家亏损减少了5家。管理者当局需认清不稳定的财务状况，分析河北省制造业上市公司财务风险产生的根源，着手治理，从根本上解决财务风险的发生。

（三）部分上市公司资产质量较差

通过资产质量可以帮助判断一个企业的价值、发展潜力和偿债能力。调查发现河北省制造业上市公司中的部分上市公司资产质量较差，资本结构不合理，隐含了较大的财务危机。其中部分上市公司持有较大应收款，例如冀中能源2008年应收款达到2 674 739 632元之多、河北钢铁2010年其他应收款达到了460 679 591元。

四、河北省制造业上市公司财务风险预警模型的建立及应用

（一）样本的选取

研究财务风险预警模型，样本的合理选择直接关系到模型的实用性。考虑到数据采集的难易和河北省上市公司的实际情况，本文主要的研究对象为河北省制造业上市公司。根据上市公司资讯网公布的资料，经过数据整理和剔除缺失及特大异常数据，采用中国证监会（CSRC）1998年颁布的行业分类方法，最终选取25家河北省制造业上市公司2006—2010年的数据，通过其中的2006—2008年的数据确定指标并建立模型，运用2009—2010年的数据进行模型应用并检验。样本数据主要来源于上市公司资讯网和河北省证监会网站。

上市公司财务风险预警范文第3篇

【关键词】财务预警 主成分 ST公司

一、引言

从1993年的全国性资本市场的形成开始，中国的资本市场不断发展壮大，上市公司也越来越多。随着上市公司规模的壮大，财务危机的预警越来越体现出其重要的作用。财务预警以公司的财务信息为研究基础，通过观察一些财务指标的综合变化，可以监控和预警可能出现的财务危机，为上市公司的经营提供参考，以便改善经营。

二、文献综述

财务预警的研究方法主要是单变量和多变量两种方法。单变量模型是早期出现的方法；后来出现了更为完善和有效的模型，即多变量模型。多变量模型主要包括多元线性判别模型、logistic模型和神经网络模型三种。多元线性模型，需要变量符合正态分布；而logistic模型对变量的分布不做要求，实用性较好。

很多学者研究了财务预警得建立和预测。张爱民等（2001）采用主成分分析方法，建立了“主成分预测模型”，对上市公司财务失败的主成分预测模型进行实证检验；文章中用1年前的数据得到模型预测的正确率为92.50%。孔宁宁等（2010）综合运用主成分分析法和Logistic回归法构建制造业上市公司财务预警模型；结果表明，成分分析模型与Logistic回归模型的判别准确率均较高，但整体而言，主成分分析预警模型的判别效果更好。

本文将ST公司界定为“财务失败企业”（张爱民等，2001）。由于主成分分析预警模型的判别效果相对于Logistic回归模型更好（孔宁宁等，2010），故本文使用主成分分析模型做财务预警模型。

三、模型设定

（一）研究样本筛选

本文以上市公司中的ST公司作为“财务失败”样本。样本选择范围为在所有上市公司，样本选择时间为2012年1月到2012年6月期间，经过筛选最后确定该期间新增的28家ST公司为样本。并按照1：1的比例选择跟这28家ST公司相同会计年度、行业类型相同的、资产规模相近（根据行业排行，选择与之资产规模排名前后的非ST公司）28家非ST公司作为配对样本。

按照通常的研究方法，将这28对上市公司（56家）分为两组，20对为估计样本组，其余的8对为测试样本组。

（二）财务预警指标的筛选

数据选择是各个公司2011年年报中的财务数据，数据来源：Wind资讯。为了能过全面反映企业的偿债能力、营运能力、成长能力和盈利能力，初始指标选择了24个财务指标。

根据配对样本T检验，对这24个指标（分别表示为X1- X24）进行筛选，以便使得这些指标能够有效地区分ST公司和非ST公司。选择的标准是双尾T检验的显著性水平为5%。

根据上述方法，最后的模型变量为以下11个指标：主营业务收入同比增长率（X1）、总资产同比增长率（X2）、每股净资产（BPS）同比增长率（X3）、销售净利率（X5）、资产净利率（ROA） （X6）、存货周转率（X7）、流动资产周转率（X8）、总资产周转率（X9）、流动比率（X10）、速动比率（X11）、保守速动比率（X12）。

（三）主成分分析

1.数据的标准化

下面首先对20对上市公司估计样本做主成分分析。由于财务比率取值范围不同或度量单位存在差异，首先应进行数据的标准化处理。

2.主成分指标的确定

（1）验证因子分析的可行性及显著性

Bartlett检验目的是确定所要求的数据是否取自多元正态分布的总体。由输出结果可知，Bartlett检验的F值等于 0.000，表明本文研究对象的数据资料来自正态分布总体，可以做进一步分析。

KMO检验目的是分析观测变量之间的简单相关系数和偏相关系数的相对大小，看数据是否适合进行因子分析，取值变化从0-1之间。KMO结果大于0. 572，可以尝试进行因子分析。同时，根据各个变量提取公共因子方差结果可以看出：除了x2、x7在0.7左右以外，其他变量都在0.8以上，说明因子分析的效果是显著的。

（2）确定主因子和及赋予主因子经济含义

在确定主因子个数时，根据结果的特点，本文按照在特征值大于1的前提下，选择主成分包含原来信息较大的原则进行取舍，最后提取了五个主成分。经过方差最大化旋转之后，五个主成分的累计贡献率为85.705%，符合因子分析的标准。

经过方差最大化旋转之后，形成五个主因子的因子载荷矩阵。根据主成分在变量上的负荷的集中程度，最后确定了五个主成分，分别是偿债能力指标、营运能力指标、F4为成长指标之主营业务收入同比增长率以及成长指标，具体数据，可向作者索要。

最后根据因子得分矩阵表，结合各个主成分因子的贡献率，可以最后得到上市公司的财务预警模型。

其中F1为偿债能力指标；F2为营运能力指标；F3为盈利指标；F4为成长指标之主营业务收入同比增长率；F5命名为成长指标。

将估计样本的各个财务指标标准化后，代入上述公式，计算各个上市公司最后的预警值，按照从小到大排列，具体结果，可向作者索要。按照预测错误总数最小的原则，最后得出分割点在-0.12到-0.06之间。借鉴通常的做法，取二者的平均值-0.09作为判别标准：即如果预警模型值小于-0.09，则公司为ST公司，即出现了财务失败；如果预警模型的值大于-0.09，则该上市公司为非ST公司，即该公司的财务正常。

四、预警模型的检验

为了检验模型的预测效果，下面使用测试样本对上述预警模型进行检验。首先将这8对上市公司的财务数据进行标准化，然后依次代入F1、F2、F3、F4、F5，计算出各自的值，最后将F1、F2、F3、F4、F5代入预警模型中，得出最后的预警值，如下表。

上表中，显示了测试样本的预警值。根据本文的估计模型得到的将-0.09作为判别标准，可以发现在这8对公司（16家上市公司）预测中，模型的预测正确率为100%。可以初步得出该模型具有较强的预测能力。

五、结论及不足之处

（一）合理性

预测模型的有效性只要是受财务指标和样本范围选择的影响。本文的样本选择范围为在所有上市公司，样本选择时间为2012年1月到2012年6月期间。样本的选择标准是会计年度相同、行业类型相同的、资产规模相近。样本选择较为合理。

而指标的选择涵盖了企业的偿债能力、营运能力、成长能力和盈利能力，较为全面；同时在指标的具体选择上，使用了配对样本T检验，使得指标能够有效地区分ST公司和非ST公司。在进行主成分分析时，对数据进行了标准化处理，这样各个财务指标之间具有了可比性和可加性，去除了量纲等因素的影响。

综合上述，模型的样本选择和指标的筛选方面做得努力，本文预警模型的预测正确率达到了100%，可以说预测效果较好。这也验证了孔宁宁（2010）的结论：主成分分析预警模型的判别效果较好。

（二）不足之处

但是，由于2012年1月到2012年6月期间新增的ST公司有限，本文的研究样本也就有限，这样样本的范围是本文最大的不足之处，这也可能是影响模型预测正确率很高的一个因素。所以样本规模方面有待扩大。

其次，财务危机的出现，不仅仅受财务因素的影响，同时也受很多非财务的影响。因此在具体分析公司是否出现财务危机时，必须考虑非财务因素，将定量和定性分析结合。

参考文献

[1] 张爱民，祝春山，许丹健.上市公司财务失败的主成分预测模型及其实证研究[J] .金融研究，2001 （3）：10-251.

[2] 孔宁宁，魏韶巍.基于主成分分析和Logistic回归方法的财务预警模型比较[J].经济问题，2010（6）.

[3]刘洪.基于人工神经网络方法的上市公司经营失败预警研究[J].会计研究，2004 （2） ：42-461.

[4]陈晓，陈治鸿.中国上市公司的财务困境预测[J].中国会计与财务研究，2000 （9） ：55-92.

[5]陈静.上市公司财务恶化预测的实证分析[J].会计研究，1999（4）.

上市公司财务风险预警范文第4篇

【关键词】 新常态； 中小板上市公司； 财务风险； 财务预警； BP神经网络

中图分类号：F275.5 文献标识码：A 文章编号：1004-5937（2016）04-0055-04

一、引言

财务风险是每一个企业从初创、成熟直至衰退的整个过程都无法消除的，企业的存在始终伴随着财务风险。若企业长期存在过高的财务风险，不仅会增加企业的经营负担，也会使投资者失去信心，形成恶性循环，最终导致企业资金链断裂，财务危机爆发。因此，如何及早地发现企业的财务风险并合理应对，是企业良性运转的必要条件。

时下，新常态已是中国经济发展的现状与趋势。新常态下，中国经济增速放缓，企业面临转型升级，这一宏观环境可能会增加企业的财务风险。中小板上市公司是流通股本规模较小的公司，由于受到自身规模及管理水平的限制，对于经济新常态的宏观影响的反映更为敏感。因此，在经济新常态背景下建立适用于中小板企业的财务预警模型，使企业在财务危机到来之前预先察觉，并及时采取措施，是中小板上市公司健康发展过程中需要解决的重要问题。

二、概念界定及文献回顾

（一）经济新常态的含义和特点

经济新常态一词是主席2014年5月在河南考察时首次提出的，所谓“新”，就是有异于旧质；“常态”，就是时常发生的状态。新常态，就是一种不同于以往的、相对稳定的状态，经济新常态意味着中国经济已经进入了一个与过去三十多年高速增长期不同的新的阶段。

中国经济呈现新常态有以下主要特点，一是从高速增长转为中高速增长，经济增长更趋平稳；二是经济结构不断优化升级，发展前景更为稳定，第三产业消费需求正逐步成为主体，城乡区域差距逐渐缩小，居民收入占比上升，发展成果惠及更广民众；三是从要素驱动、投资驱动转向创新驱动。中国经济新常态揭示了中国经济增长率的新变化，体现了未来经济发展的新趋势。

（二）财务预警的含义

财务预警是指根据企业的经营状况和财务指标等因素的变化，对企业财务管理活动中存在的财务风险进行检测、诊断和报警的方法。具体而言，财务预警有广义和狭义之分。广义的财务预警是对所有可能引发企业财务风险的因素进行研究，只要发现企业存在潜在风险就会进行预警。而狭义的财务预警是企业财务危机预警，是对企业资金周转不利、出现经营亏损、甚至濒临破产等财务困境进行预警。本文采用广义的财务预警。

财务预警是企业的一种诊断工具，对企业的财务风险进行预测和诊断，防止潜在的财务风险演变成为财务危机，起防患未然的作用。企业的管理者可以通过财务预警及时发现企业财务管理活动中存在的风险隐患，从而及早采取措施，保障企业良性运转；企业的投资者可以通过财务预警了解企业的风险状况，合理做出投资决策；债权人可以利用财务预警对企业的风险状况进行判断，制定合理的信贷政策；政府监督部门可以通过财务预警有效地监督企业风险，从而对市场进行引导和控制；企业的关联方等其他利益相关者也可以通过财务预警来了解企业的财务风险，从而作出科学的决策。综上，有效的财务预警模型对于企业各利益相关者都具有重要的意义。

（三）财务预警模型

财务预警始于1932年Fitzpartrick的单变量破产预警研究，此后，Altman（1968）运用多元线性判定进行财务风险预警，建立了Z-Score模型，该模型对财务风险判断具有很高的准确率，至今仍有借鉴意义。多元线性判定模型要求破产和非破产两组企业样本自变量服从正态分布且协方差相等，为克服这些限制条件，Ohlson（1980）将多元逻辑回归模型应用于财务预警领域，通过条件概率来判断企业的财务风险。随着信息技术的发展，人工神经网络逐步被运用到企业财务预警中，Odom et al.（1990）运用神经网络对企业破产进行预测，结果发现利用神经网络构建的财务预警模型有较好的预测能力。人工神经网络模型克服了统计方法上的局限性，并且有较强的容错能力和纠错能力，因此被很多学者认可。

我国资本市场起步较晚，国内对于财务预警的研究也相对较晚，研究方法大多是从借鉴国外相关研究开始。周首华等（1996）最早对Altman的Z分数模型进行了改进，建立了F分数模型，此后，也有学者利用Z计分模型对我国不同行业的财务预警进行研究。朱洪婷（2015）、王宗胜等（2015）分别运用Logistic模型对我国制造业上市公司进行财务预警研究，具有较好的预测效果。在我国首次提出建立神经网络预警系统的是黄小原等（1995），研究结果表明基于神经网络的预警系统构造简洁，使用方便，具有广阔的应用前景。此后，一些学者分别将BP神经网络应用于我国不同行业上市公司的财务预警中，均得到了较高的预测准确率。

综上所述，国内外对财务预警的研究已经取得了不小的成果，而随着证券市场的不断发展和完善，对财务预警的研究也越来越受到国内外学者的重视。综合国内外学者的研究现状，目前研究主要存在着以下不足：一是相关研究主要集中在机械制造业、房地产行业等主板上市公司，而对于中小企业的研究较少；二是学者在财务预警的研究中，大多数将研究对象分为ST公司和非ST公司进行研究，而企业财务危机的形成是一个过程，简单地将企业分为此两类来表示其财务状况健康与否会略显粗糙，可能会降低预警效果。鉴于此，本文将中小板企业的财务风险作为研究对象，在新常态背景下利用神经网络对中小板企业的财务状况进行财务预警。

三、BP神经网络概述

根据以往学者的研究经验，利用BP神经网络进行财务预警不要求样本服从特定分布，克服了统计上的局限性，具有较强的容错性和纠错能力，并且对企业财务状况预测的准确率较高，具有较好的预警效果，因此本文采用BP神经网络进行财务预警。

BP神经网络是一种按照误差逆传播算法训练的多层前馈网络，是目前应用最为广泛的神经网络模型之一，由信息的正向传播和误差的反向传播两个过程组成。BP神经网络包括输入层、中间层和输出层，输入层的神经元负责接受外界的输入信息，并传递给中间层，中间层负责内部信息的处理，中间层的最后一个隐含层的信息经进一步处理后传递到输出层，完成一次信息的正向传播，由输出层向外界输出信息处理结果。当实际输出值与期望输出不符时，则进入误差的反向传播阶段。误差通过输出层，按照误差梯度下降的方式来修正各层的权值，向中间层、输入层逐层反向传播。如此循环往复的信息正向传播和误差的反向传播过程，是神经网络学习训练的过程，通过学习使各层权值不断调整，此循环过程一直进行到网络输出的误差减少到可以接受的水平，或者达到预先设定的学习次数为止。BP神经网络模型如图1所示。

四、实证研究

（一）样本选取与分类

1.样本的选择

财务风险预警的意义在于预测公司未来的财务风险，因此对于预警数据的选择既应当具有前瞻性，又要保证预测的准确度。鉴于此，本文利用2012年和2013年的财务指标分别来预测中小企业板上市公司2014年的财务状况。

本文研究的对象为中小企业板上市公司，截至2014年12月31日，在深圳证券交易所中小企业板块上市的公司共有732家。鉴于本文在构建模型时需要使用2012和2013年的数据，因此选择2012年12月31日及以前上市的公司，共计701家，剔除金融业（3家）和数据不完整的公司（3家），本文选取695家中小企业板上市公司作为研究样本。

2.样本的分类

在以往关于财务预警的研究中，研究者通常将研究对象分成两类，即根据公司是否被特殊处理来分类。这样的分类方式意味着研究中认为企业的财务状况只有健康和危机两种状态，而实际上企业财务风险的变化是一个渐变的过程。基于此，本文不采用将样本企业分为ST公司和非ST公司两类的配对分类方法，而是选择采用聚类分析方法对样本数据进行处理，将企业的财务状况分为从健康到重警五个等级。

根据中小板上市公司2014年的财务指标数据，运用SPSS软件进行两步聚类分析，将聚类数量分成五类，统计结果见表1。

本文将中小企业板上市公司的财务状况分成五个等级，分别为健康、良好、一般、轻警和重警，其中健康和良好状况下公司面临的财务风险较小，需要继续保持；处于一般状况下公司可能存在风险隐患，应给予适当的关注；处于轻警状况下公司存在一定的财务风险，公司应提高警惕，及时发现问题并采取适当措施；而处于重警状态下的公司可能即将面临或者已经面临财务危机，公司应当立即采取应对措施。

（二）指标确定

预警模型中选用哪些指标作为变量，对模型的预测效率和准确率有很大的影响，本文从企业的偿债能力、经营能力、盈利能力和发展能力四个方面来选取预警体系中的财务指标，构建财务预警指标体系，详见表2。

（三）参数确定

BP神经网络的参数影响了网络的运行效率和预测误差，不同性质的样本适用的函数也不尽相同。本文根据神经网络相关设计的理论经验和实际运行时的不断修正，最终选择以下参数构建适用于中小板上市公司财务预警的神经网络模型。本文构建的BP神经网络参数设置如表3所示。

（四）模型训练及检验

本文运用MATLAB程序对以上构建的BP神经网络进行训练和检验，将每一预测年度的695个样本分成学习样本和检验样本，其中由程序随机选择100个样本作为检验样本，而用其余的595个样本进行训练。

由于神经网络工具箱的自身特性，每一次初始化网络时都是随机的，并且在训练完成时的权值和阈值也不完全相同，网络的误差也会有所不同，因此每次运行网络得到的结果也会有所差异。为了避免网络运行结果的偶然性，本文将2012年和2013年两个预测年度的程序分别运行了20次，并对每一次的预测准确率进行了统计，统计结果见表4和表5。

根据表4及表5提供的神经网络模型运行结果统计可知，利用2012年的财务指标构建的预警模型，对检验样本检验的准确率基本上在64%至75%的区间浮动，20次运行的平均检验准确率为69.15%。利用2013年的财务指标构建的预警模型对检验样本财务状况预测的准确率在75%至82%的区间浮动，20次运行的平均检验准确率为78.2%。可见利用本文构建的BP神经网络对公司财务状况的预测具有较高的准确率，且利用2013年财务指标对2014年公司财务状况预测的准确率要高于利用2012年财务指标的预测准确率。

对比两个模型的预测情况，利用2013年财务指标预测的准确率高于2012年的预测准确率，在对公司的财务状况进行预测时，使用第（t-1）年的财务数据可以比使用第（t-2）年的财务数据得到更为准确的公司财务状况。而在实际运用该模型进行公司财务状况的预测时，可以分别使用预测年度前1年和前2年的财务指标来进行预测。即在提前2年时可以首先对公司2年后的财务状况进行预判，若预测出潜在风险可以提早予以关注，之后在提前1年时再次使用（t-1）年的预测模型对公司的预警进行修正，对公司财务状况进行更为准确的判断，因此两个模型结合使用可以达到更好的预警效果。

五、结论

本文运用BP神经网络对我国中小企业板上市公司财务状况预测的准确率较高，表明这一预测模型对中小板上市公司具有较好的预测效果，模型具备一定的预测能力。虽然每一次运行结果的准确率不尽相同，但是结果准确率的浮动水平基本维持在一个可以接受的区间内，因此该预测模型具有一定的稳定性。综上，本文构建的财务预警模型对企业的管理者、投资者和其他利益相关者都具有一定的参考意义。

在经济新常态背景下，我国中小板上市公司面临更多的机遇和挑战，管理者应当根据财务预警的结果，从以下方面防范企业的财务风险：第一，适应新常态的发展特征，重视企业的创新能力，逐步实现转型升级；第二，将对企业财务风险的检查和预警视为企业财务管理的常态化活动，提高中小板企业的财务管理水平；第三，完善中小板上市公司的治理结构，尽量避免家族式控股的状况，保证企业决策的科学性；第四，提高管理人员的风险意识，对于企业存在的潜在风险能够尽早发现，并及时采取应对措施。中小板上市公司只有科学地防范财务风险，才可以在经济新常态背景下实现健康、可持续的发展。

【参考文献】

[1] FITZPATRICK P. J. A Comparison of The Ratios of Successful Industrial Enterprises with Those of Failed Firms [J]. Certifies Public Accountant，1932（5）：46-51.

[2] ALTMAN E I. Financial Ratios， Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. The Journal of Finance， 1968，23（4）：589-609.

[3] OHLSON J A. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980，18（1）： 109-131.

[4] ODOM M D， SHARDA R. A Neural Network Model for Bankruptcy Prediction[C]. International Joint Conference on Neural Networks. IEEE， 1990：163-168.

[5] 周首华，杨济华，王平.论财务危机的预警分析――F分数模式[J].会计研究，1996（8）：8-11.

[6] 朱洪婷. 基于Logistic模型的机械制造业上市公司财务预警应用与分析[J].时代金融，2015（2）：228-229.

[7] 王宗胜，尚姣姣.我国制造业上市公司财务困境预警分析[J].统计与决策，2015（3）：174-177.

[8] 黄小原，肖四汉，樊治平.神经网络预警系统及其应用[C].中国控制与决策学术年会，1995.

[9] 杨淑娥，黄礼.基于BP神经网络的上市公司财务预警模型[J].系统工程理论与实践，2005，25（1）：12-18.

[10] 张根明，向晓骥，孙敬宜.基于BP神经网络的制造业上市公司财务预警[J].山东工商学院学报，2006，20（4）：56-61.

上市公司财务风险预警范文第5篇

[关键词] 制造业;上市公司;财务风险;管理体系;策略

[中图分类号] F270 [文献标识码] B

财务风险是开展经济活动的一种必然现象，对于任何一个经营者和企业来说财务风险都是必不可免的，无论企业采取哪些措施都不可能完全规避财务风险，只能最大程度的降低财务风险对企业的影响和威胁。中国制造业上市公司作为国民经济的重要组成部分，关乎整个国家的经济发展，其财务风险管理体系的研究有着重要意义。

一、财务风险概述

（一）财务风险概念界定

风险一词由来已久，但人们对风险的定义却尚未统一，总体而言学术界对风险有以下几个观点：第一，风险具有不确定性，风险主要是对未来事件结果的一种不确定，这种不确定既可能是好的，也可能是坏的。第二，风险带来的损失是无法确定的，持这类观点的学者认为风险主要是不利事件的集合，强调风险会带来必然的损失，但这类观点不认为风险是可以测量的。第三，风险是可能发生损害程度的大小，这类学者认为如果风险的损失在预期范围之内则不认为是风险，只有实际损失大于预期损失时，大于的偏差被认定为风险。第四，风险是风险构成要素相互作用的结果，风险构成要素一般由风险因素、事件以及结构等几个部分组成。其中风险因素是重要素间的基础和前提，风险事件是外部环境发生的导致风险结果的事件，是风险存在的充分条件。同时风险事件也是搭建风险要素和风险结果的桥梁，将风险转化为现实。本文研究中国制造业上市公司财务风险管理时中的风险主要是指最后一种风险，即风险构成要素相互作用的结果。

（二）财务风险种类划分

财务风险根据不同要求可以分为多个种类，一般来说财务风险可以分为以下几类：

首先，根据财务风险的成因大致可以分为经营风险、市场竞争风险、法律风险、政治风险以及利率风险;其次，根据企业管理部门面临风险的表现可以分为战略性财务风险、总体性财务风险以及部门性财务风险;再次，根据风险发生的频率可以分为普通时期财务风险、特殊时期财务风险;最后，根据资金运动过程可以分为筹资风险、投资风险、资金收回风险以及收益分配风险。本文主要以资金运动过程分类对中国制造业上市公司财务风险管理进行探究，根据制造业实际情况提出相应的风险管理措施。

（三）财务风险主要特征

财务风险是财务与风险共同作用的结果，一般而言主要具有以下几方面的特征：第一，客观性。财务风险主要来源于企业内外部环境，大多由一些无法控制和预料因素共同作用而形成的，因此财务风险的成因是客观的，直接导致财务风险也是客观的。国家经济、企业经营、市场价格等多个因素共同作用形成企业的风险，这些客观存在的因素都决定了风险不以人的意志为转移。企业只能通过多种方法和途径降低风险的损失，而不能从根本上杜绝风险。第二，普遍性。市场经营活动中风险无处不在，以各种形式贯穿于资金运动的始终，是一种普遍存在的经济现象。第三，不确定性。财务风险具有高度的不确定性，无论是发生的时间、地点还是形式都是不确定的，正因为这种不确定性才导致风险的复杂，人们不能完全掌控风险。第四，客观可度量性。尽管财务风险具有高度的不确定性，但依然可以通过多种方式对财务风险进行观察，采用数学或统计的观点对风险进行系统的分析，最后将风险量化。第五，可控性。尽管财务风险不确定，但人们依然可以采取一些科学的手段和方法对经济风险进行事前的预测和防范，尽量将风险降到最低。从这一角度来看风险并不完全属于突发事件，企业在面对风险时并不是无能为力的。第六，损益的两面性。随着我国经济开放和社会的进步，财务风险不再局限于给企业带来额外损失，相反还有可能带来额外的收益，因此需要采取积极的抵御措施加大对财务风险的管理力度。

二、中国制造业上市公司财务风险管理现状

（一）筹资风险管理现状

目前我国制造业上司公司对股权融资有着强烈的偏好，带来的是高资产负债率，同时负债结构存在不合理的现象，流动负债偏高。我国对资本结构有着较为明确的规定，当企业负债水平不超过一定限度时，其负债可以抵减一部分所得税，从而形成一种杠杆利益。我国制造业上市公司可以充分利用该项政策，当企业经营良好时可以加大负债比例从而降低加权平均资本的成本，实现更大的经济效益。

（二）投资风险管理现状

企业作为投资主体，其经营目标是要在激烈的市场竞争中占有一席之地，提高市场占有率以获得长期发展。但我国制造业上市公司的经营理念和经营模式与该目标相背离，进行了一系列与经营目标不符的投资行为。根据以往经验和数据可知，我国制造业上市公司在2011年至2013年整体投资率仅为4.94%，但有些企业的投资率为19.28%，制造业上市公司存在投资不足、投资过度等多种情况，无形当中增加了企业的财务风险。

（三）收益分配风险管理现状

从收益分配角度上来看，我国制造业上市公司存在股利支付率不高、缺乏连续性等问题，股利分配制度极为不规范，主要表现在以下几个方面：首先，制造业上市公司的董事会具有较大的权利，根据自身利益需求随意更改股利分配方案，股利分配方法缺乏严肃性和科学性，致使二级市场上股价经常发生异常波动。其次，同一家制造业上市公司可能会存在多个股利分配方案，在分配股利时没有科学的依据进行合理分配。最后，股东大会执行力较差，不能按时足额支付相应的股利，严重侵犯了股东们的合法权益。

三、中国制造业上市公司财务风险管理问题存在的原因

（一）内部原因

1.管理者缺乏风险意识。多数上市公司的财务管理人员缺乏风险控制意识，主观上认为只要资金运用得当就不会有财务风险，但没有认识到财务风险是客观存在的，只要开展财务活动必然会产生财务风险。财务对上市公司极为重要，由于管理者缺乏对财务风险的认识和把握能力，导致风险发生时不能及时采取正确的应对方式，给上市公司带来巨大损失。

2.财务风险管理体系不健全。财务风险管理体系是企业在财务风险管理过程中形成的相互制约、相互促进的体系。财务风险管理体系体现着上市公司的财务风险管理理念和措施，形成适合本企业的独具特色的财务风险管理体系是降低风险的关键。我国会计制度发展较晚，体制上不太健全，尤其是制造业，多数企业是由粗放的生产方式发展而来的，财务系统仍然滞留在核算阶段。电算化系统虽然在不断普及，但完善的财务管理系统尚未形成，财务预警系统也处于初步发展阶段，这在客观上导致上市公司在复杂的市场中缺乏财务方面的竞争优势。

3.资本结构失衡。资本结构是公司资本中权益性资金和债务性资金所占的比例。资本是企业运行的血液，资本的流动性直接影响公司运行，也是产生财务危机的直接原因。我国上市公司资本结构不合理的现象十分普遍，原因主要是筹资决策失误，资产负债率过高是其直接体现。上司公司资本结构不合理就会导致企业缺乏偿债能力，资金难以变现，直接引发财务危机。

（二）外部原因

1.历史因素。我国从改革开放以后逐步建立社会主义市场经济体系，市场经济只经历了三十多年的发展，上市公司在财务管理方面还处于起步阶段，缺乏经验。我国上市公司有两种起步形式，一种是原国有企业发展成为上市公司，另一种是民营企业上市。相比而言，由国有企业发展而来的上市公司在财务制度上较为健全，但其财务活动受政府干预，在市场经济中缺乏适应性。而民营企业发展而来的上市公司在初期缺乏完善的财务制度，在市场经济中缺乏信誉。两种上市公司都存在相应的财务风险。

2.经济因素。经济的整体增长速度对上市公司有显著的影响。我国实行社会主义市场经济体制，社会化大生产中，生产、分配、交换、消费四个环节错综复杂，与之相关的经济活动具有很大的不确定性。外部经济环境直接影响着上司公司的财务活动，一方面外部经济环境决定着企业是否有发展的机会，另一方面税收、经济危机、国家经济政策等外部因素又直接制约着上市公司的发展方向，要求上市公司在财务上要不断适应这些复杂的变化。

3.政治因素。社会政治环境是上市公司发展的大环境。不同地区在社会制度上的差异意味着社会政治环境存在着很大的变化性，人们生活方式、思维方式存在很大的差异，由此可能产生政治上的冲突和摩擦，对经营范围较广的上市公司来说，这些冲突和摩擦必然会影响到财务活动。随着社会的发展，环境问题、人口问题、就业问题等将逐渐暴露出来，给企业的财务活动造成阻碍。

4.其他因素。公司一旦上市就会面临着更加复杂的环境。自然环境的变化会影响企业的资金运用，严重的自然灾害对股市有明显的冲击;科技因素也会直接影响到企业的财务活动，一旦发生计算机崩溃、机密资料泄露等情况，都会直接影响到企业的财务安全，给企业财务管理造成直接损失。

四、中国制造业上市公司财务风险管理体系的构建策略

（一）完善财务风险预警系统

财务风险预警系统是企业利用信息化技术实时监控企业经营活动中潜在风险的一种手段。财务危机的发生意味着企业中早已存在财务风险因素，但企业未能通过预警系统及时发现。因此，企业应当不断完善财务风险预警系统，及早发现风险并采取应对措施以减少企业损失。企业建立财务风险预警系统，首先要考虑国家政策导向，保证经营方向符合宏观经济环境;其次应当审视所处行业发展状况，恰当评估该行业的整体风险水平;再次应当考虑本企业产品的市场，如果市场较小则应扩充产品范围;最后结合本企业的偿债能力、获利能力和发展能力等进行风险预警，如实反映企业财务状况。

（二）优化资本结构

企业应当学会利用财务杠杆，根据不同阶段的生产规模选择合适的债务融资比例，优化企业资本结构。财务风险的重点是筹资风险，企业财务风险管理的起点就是筹资风险的管理。负债经营能给企业带来高利润的同时也直接考验着企业的风险承受能力。企业进行负债经营的前提是收益率高于负债成本，否则在财务杠杆的作用下，企业的财务风险将不断增加。企业在债务性融资时应当注重还款期限的安排，做到适度负债。根据企业所处的生命周期，成熟期的企业负债率可以适当提高，而发展期和衰退期的企业应降低负债比例。企业可以运用无差别点分析法，在收益相同的条件下选择最合适的资产负债比例，通过优化资本结构的方式来降低财务风险。

（三）提高营运能力

提高营运能力是企业应对财务风险的系统性、长期性工作。首先，管理者应当不断提高自身素质，加强学习，丰富自身的知识水平。当前上市公司管理者普遍缺乏风险意识，应当多了解审计知识，明确审计工作的重要性。其次，上市公司应当恰当利用风险重组。在激烈的市场竞争中，兼并、收购是企业低成本扩张的重要形式，能有效扩大生产规模。兼并、重组不是简单的生产和资本的相加，而是会计制度、经营理念和生产方式的融合，只有那些具有发展潜力、生产范围相似的企业才有兼并和收购的价值，与企业的生产范围形成互补。当前的制造业依赖先进的机器和技术，机器的折旧、技术的更新、设备的互补性是制造业在兼并重组时应慎重考虑的因素。最后，企业应通过创新来提高营运能力。在激烈的竞争中，只有不断创新产品、提高技术才能拉开与其他企业的差距，抢占市场资源，这是企业降低财务风险的重要措施。

（四）强化财务内部控制

财务内部控制的目标是提高企业运行的效率和效果。企业的财务报告应当满足可靠性、相关性、可比性的要求。内部控制只能做到风险防范，而不能化解和转嫁风险。财务风险管理包含风险识别、风险评估、风险对策和风险度量等环节，在这些环节中，内部控制只能影响风险识别和风险评估。识别和评估是企业采取对策的前提，也是建立内部控制的基础。根据风险识别和风险评估建立财务内部控制体系，能防范企业在经营中常犯的错误，结合企业的风险规避措施组成全面的风险管理体系，降低财务风险对企业的影响。

随着全球化趋势的不断加快，制造业财务危机屡见不鲜，因此加大财务风险管理的重视力度是一种必然趋势。财务风险管理已经成为多个企业经营管理的重点，对于制造业上市公司同样如此。目前我国制造业上市公司在内外部环境共同作用下财务风险管理中存在多个问题，一定程度上制约了制造业上市公司的发展。制造业上市公司要加大对财务风险的重视力度，构建系统的财务风险管理体系，降低财务风险对制造业上市公司的影响。

[参 考 文 献]

[1]泮敏，曾敏.基于主成分分析法的上市公司财务风险研究――以我国制造业为例[J].会计之友，2015（21）：63-67，68