财务预警研究

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篇财务预警研究范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

财务预警研究范文第1篇

（集美大学诚毅学院，福建厦门361021）

摘　要：本文主要小微企业作为推动国民经济发展的重要力量，越来越受到社会各界的广泛关注与认可，但由于其规模较小业务相对比较单一等原因导致其难以保证企业的可持续发展。因此，如何提高小微企业的财务风险识别与预警能力是其提高企业生存与发展的关键。文章通过对小微企业的风险类型及成因的分析，提出了几点加强小微企业财务预警的建议。

关键词 ：层次分析法；财务预警；指标权重

中图分类号：F243.3文献标志码：A文章编号：1000-8772（2014）22-0085-02

收稿日期：2014-07-12

作者简介：吴丹丹（1991-）女，福建南安人，集美大学诚毅学院，学生，研究方向为国际会计；宋杰（1981-）男，福建永泰人，集美大学诚毅学院，讲师，硕士，研究方向为会计实务和管理会计。

随着我国针对小微型企业一系列优惠政策的出台和2013年1月起小企业会计准则的实施，小微型企业的发展越来越受到政府和社会的广泛关注，其已经成为推动国民经济发展的重要力量，但是由于生产规模小，融资困难，技术和管理水平都比较低，特别是在财务管理方面还存在很多不足，所以财务风险是小微型企业经常面临但是又不能彻底解决的问题。因此建立完善的小微型企业的财务管理预警机制，保证小微型企业的财务安全稳定是关系到其生存和发展的重要措施，也是实现小微型企业可持续发展的必然途径。

一、小微企业财务风险的主要类型

财务风险是客观存在的，财务风险是小微企业管理者在进行财务管理过程中必须面对的一个现实问题，小微企业管理者面对财务风险只能通过采取有效措施来降低风险，规避风险，而不可能完全消除风险。其主要类型有：

1.筹资风险

筹资风险指的是由于资金供需市场、宏观经济环境的变化，小微企业筹集资金给财务成果带来的不确定性。筹资风险主要包括利率风险、再融资风险、财务杠杆效应、汇率风险、购买力风险等。

2.投资风险

投资风险指企业投入一定资金后，因市场需求变化而影响最终收益与预期收益偏离的风险。企业对外投资主要有直接投资和证券投资两种形式。在我国，根据公司法的规定，股东拥有企业股权的25%以上应该视为直接投资。证券投资主要有股票投资和债券投资两种形式。投资风险主要包括利率风险、再投资风险、汇率风险、通货膨胀风险、金融衍生工具风险、道德风险、违约风险等。

3.经营风险

经营风险又称营业风险，是指在企业的生产经营过程中，供、产、销各个环节不确定性因素的影响所导致企业资金运动的迟滞，产生企业价值的变动。经营风险主要包括采购风险、生产风险、存货变现风险、应收账款变现风险等。

4.流动性风险

流动性风险是指企业资产不能正常和确定性地转移现金或企业债务和付现责任不能正常履行的可能性。可以把企业的流动性风险从企业的变现力和偿付能力两方面分析与评价。由于企业支付能力和偿债能力发生的问题，称为现金不足及现金不能清偿风险。由于企业资产不能确定性地转移为现金而发生的问题则称为变现力风险。

二、小微企业财务风险产生的主要原因

1.筹资环节造成的财务风险

筹资环节是我国小微企业财务风险产生的首要原因。目前小微企业主要采取负债筹资方式来进行筹集资金，小微企业在负债筹资的结构安排上大都不合理，主要体现为：第一，小微企业在起步期筹集资金时，几乎不会利用小微企业自身自有的资金来发展本小微企业，也根本不会想到要立足于小微企业自身状况来选择适合小微企业最有利的筹资方式。第二，小微企业筹集资金的途径相对较少，筹资成本费用相对较高，其自身资金本来就很有限，信誉度也比大中型企业较低，由于这种种限制性因素导致其很难满足银行等一些金融机构的最低贷款条件。

因此，小微企业就必须另寻他路，比如从外部获得资金，用固定资产等来进行抵押贷款，但这样会让小微企业外部融资风险大大增加。如果财务决策缺乏科学性，例如不当的股票筹资决策，很可能会影响股票的顺利发行，甚至使股票筹资产生失败的结果。小微企业经营活动失败，长期处于亏损的状况，那么小微企业就不能按期还本付息，可能导致小微企业的信誉受到损害，不能有效地去筹集资金，也会影响其他渠道筹集资金的能力，从而使公司陷入筹资困境。资金结构不合理，是小微企业普遍存在的现象，具体表现在负债资金占全部资金的比例过高。在负债规模一定的时候，债务期限的安排有没有做到合理，也会给小微企业带来一定的筹资风险。这些因素都会大大地增加小微企业的财务筹资风险。

2.投资环节造成的风险

投资环节是我国小微企业生产经营的一个重要环节，合理的投资会给小微企业带来高收益，反之，就会给小微企业带来很大的困难。

目前小微企业在投资时，只注重投入的产品将会带来多大的收益，却忽略了产品在外部的流通情况，是否符合市场需要，是否具有可比性，对产品在市场上的流通并没有进行恰当的分析，这样很容易会导致了产品出现滞销的现象，小微企业利益就自然出现下降的趋势，这就是大部分小微企业只重视眼前利益，却忽略了其自身的可持续发展。同时，小微企业长期投资比率相对比较低下，加之小微企业资金相对比较紧张，融资难，很少有长期闲置的资金来进行对其他企业的股权和债权的投资，因此，与大中型企业相比，小微企业金融负债比率相对比较高，自有资金比率也比较低下，短期负债占总负债和销售额的比率较高，小微企业的长期投资比率处于十分低下的形势。又如小微企业往往缺乏了科学的投资决策机制，往往在进行投资活动前，没有进行合理的财务预警机制，不能进行精细的投资预算，因此，这些问题也会加大小微企业的财务风险。

3.经营环节造成的财务风险

小微企业不像大中型企业在使用资金时进行计划，因此所产生的财务风险就很容易对小微企业产生巨大的损失。同时，小微企业负债比例较高，财务风险的不确定性较大，会对未来经营状况产生较大影响。另外小微企业对日常现金缺乏有效的管理，经常会出现现金流失、浪费的情况，使得财务风险进一步加大。同时，小微企业在生产经营过程中对人力、物力等的安排存在不恰当的状况，导致资源有效利用率低，产品质量难以提高。生产经营管理水平低下，将会进一步增加小微企业的流动资金的短缺，从而使小微企业的短期偿债能力降低。

4.流动性环节造成的财务风险

小微企业防范流动性风险是指在保持资产流动性的前提下，能够实现利益的最大化。小微企业对于流动资金缺乏必要的监控管理。对于绝大多数小微企业来说，资金有限，因此它们需要及时收回资金，充分利用流动资金创造利润。但是，它们在此环节的管理上存在漏洞，比如对现金的管理不严，日常事务中资金不足或者短缺的现象经常出现；应收账款过多，资金周转缓慢；对存货和原材料的管理不到位。持有现金存在一个时间成本的问题，手中持有的现金过多，会由于较高的资金占用而失去其他的获利机会，而持有现金太少，又会面临资金不能满足流动性需要的风险。因此小微企业应该确定一个最优的现金持有量，从而在防范流动性风险的前提下实现利益的最大化。

5.管理者管理环节造成的财务风险

小微企业通常只关注产品的销量，只要销量持续增长，收入不断攀升，小微企业就容易导致忽视财务管理，这样一来，财务管理方面的问题就会暴露出来。然而，小微企业经营一旦出现问题，其资金周转不畅甚至亏损，就无法立即运用财务预警措施化解危机，就会使小微企业发生重大损失，甚至遭受破产的危险。大部分没有财务制度的小微企业普遍存在，它们对财务管理的随意性较大，财会人员缺乏约束。有的小微企业虽然制定了相应的财务管理制度，但由于小微企业多数是家族企业，人情和亲情大于制度，往往使制度缺乏约束力，甚至形同虚设。另外，为节省运行成本，小微企业的部门设置一般比较简单，一人往往身兼多职，人岗不配，职责不明，难以起到相互监督制约作用，容易造成小微企业资产流失。

三、小微企业财务预警措施

1.明确财务管理目标并进行分析预测

首先要明确财务管理目标，它是小微企业进行财务管理或财务活动所要达到的目的，它对小微企业财务管理的运行起着决定性、导向性作用。小微企业只有制定科学的财务管理目标并进行分析预测，这样才能为实现这一目标采取具体可行的措施，以发现小微企业在经营管理活动中潜在的财务风险和经营风险，并在危机来临之前提前向小微企业经营者发出警告，督促小微企业管理当局采取有效措施，避免潜在风险造成的损失，也为小微企业指导经营方向、改善经营决策和有效资源配置提供可靠依据。

2.建立财务预警系统进行预测

由于小微企业理财的主要对象是现金和现金流动，在短期经营活动中，小微企业能否顺利经营下去，并不完全取决于是否盈利，而取决于是否有足够现金用于各种支出。对小微企业来说，要有稳定的利润是其财务预警的前提，对于经营稳定的小微企业，由于其应收、应付账款及存货等一般保持稳定，因此经营活动产生的现金流量净额一般应大于净利润。所以小微企业现金流量预算的编制，是财务管理工作别重要的环节，为能准确编制现金流量预算，小微企业应该将各具体目标加以汇总，并将预期未来收益、现金流量、财务状况及投资计划等，以数量化形式加以表达，建立小微企业全面预算，预测未来现金收支的状况。准确的现金流量预算，可以为小微企业提供预警信号，使经营者能够及早采取措施。对小微企业而言，同时还要建立长期财务预警系统。其中获利能力、偿债能力、经济效率、发展潜力指标最具有代表性。获利不仅是小微企业经营目标，也是其得以稳定发展的关键。

3.采取适当的风险策略进行预测

面临财务风险企业通常采用回避风险，控制风险，接受风险和分散风险策略。对于小微企业来说，要强调对风险信号的监测，根据其财务风险形成的原因及过程，指定相应切实可行的风险管理策略，降低危害程度。按控制目的分为预防性控制和抑制性控制，前者指预先确定可能发生损失，提出相应措施，防止损失的实际发生。后者是对可能发生的损失采取措施，尽量降低损失程度。我认为小微企业可以采用其中的控制风险策略，在有效的控制中使财务风险最低化。

小微企业财务预警措施的选择决定着企业的发展，如何科学地采用小微企业财务预警措施至关重要。只有充分利用财务预警措施来分析企业的财务状况，以至于更好地达到提前预知企业财务出现的危机，才能及时有效地解决危机。

参考文献：

[1]吴晓梅.财务预警系统的功能及其建设[J].计划与市场.2002（6）.

[2]龚巧莉.建立财务预警系统，防范小微企业风险[J].新疆农垦经济.2002（4）.

财务预警研究范文第2篇

关键词：财务困境；K均值聚类；Softmax回归

一、引言

上市公司财务状况和经营成果都受到投资者和债权人等多方利益相关者的关注，而公司一旦陷入财务困境会给许多利益相关者带来直接和间接的损失。如果能够及时地识别可能出现财务困境的公司，并在财务状况进一步恶化之前采取必要的措施，那么这些损失是可以避免的。财务困境预警试图识别出可能出现财务困境的公司，揭示财务困境的影响因素，是防范和化解财务困境有效途径。关于财务困境预警已有大量实证研究，但是基于不同的研究思路和方法，不同的学者给出了许多不同的财务困境的界定标准。例如Beaver（1966）[1]将企业失败明确定义为企业不能偿付到期债务；吕长江、徐丽莉和周琳（2004）[2]则认为公司财务困境的表现是公司流动比率长期小于1。这些界定标准都将公司财务状况简单地划分为“好”与“坏”两类。财务状况二分类的思想存在一些问题：公司出现财务困境不是一个一蹴而就的过程，非困境公司的财务状况也可能并不健康[3]；不论以何种标准划分困境与非困境企业，这两类企业的数量都存在巨大差异，导致了其研究很难获取到足够数量的非困境样本[4-5]。所以，财务困境预警首要的问题是公司财务状况的分类。本文将使用聚类分析对上市公司财务状况进行分类，以期得到较为合理的分类结果。将聚类结果作为样本标签，训练并测试多分类预警模型。

二、文献回顾

现有研究多集中在二分类预警模型，例如徐炜（2019）[6]和Chow等（2018）[7]。然而，Amy（1987）[8]认为企业的财务状态具有连续性，不应简单地划分为失败与非失败。Hensher，Jones和Greene（2007）[9]指出，公司彻底破产并不能反映实际中财务困境的全部状态。Chancharat等（2010）[10]考察了不同公司退市的原因，而每种退市方式都可能是不同的影响因素所导致的。KingsleyOpokuAppiah（2017）[11]提到在财务预警实证研究中，依据不同的定义和标准，不同的文献中存在样本选择偏差的问题。吕长江（2004）[12]提出，将上市公司直接划分为“好”与“坏”两种极端的情况是不合理的，并深刻剖析了二分类预警研究存在的弊病。首先，非财务困境公司的财务状况也不一定良好，存在一些处在困境边缘的公司。其次，就是基于历史数据来揭示可能导致公司陷入财务困境的影响因素，而一些偶发性因素不一定能通过分析历史数据进行溯源。最终，使用聚类分析将上市公司财务状态划分为财务闲置、财务充盈、财务均衡、财务困境和财务破产五类。

三、实证研究

（一）研究变量

目前，对上市公司质量进行评价，主要使用财务指标评价和会计信息质量评价。预警指标既要参考以前研究中采用的指标，还需要具有可操作性。财务预警依赖于真实可靠的会计信息，盈余管理程度已是现有研究中衡量会计信息质量的重要指标之一。借鉴现有文献中成熟的预警指标体系，最终选择了如表1所示的14个预警指标。

（二）数据来源与预处理

本文从国泰安数据库，获取了2775家上市公司2016年～2019年的财务指标。为了便于聚类分析，对2019年数据进行标准化处理。而2016年～2017年数据则先以0.25的比例划分测试数据集，然后对该年的训练集和测试集分别进行标准化处理。

（三）聚类结果分析

首先要明确K均值聚类的原型个数k。本文进行了15次聚类实验，将轮廓系数作为实验结果，对三组实验结果采用成对T检验。检验结果显示，k=3时轮廓系数明显低于其他两组，而k=4和k=5两组结果的均值在0.1的水平下不具有显著性差异，P值约为0.1094。但是观察分类结果发现，当k=5时，时常会出现某一簇仅有1个样本，所以最终指定k=4。2019年上市公司的聚类结果如表2所示。通过对比各个簇与样本总体平均值之间以及各簇之间的差异，可以发现：簇1的样本量占总体的58%，ST的比例是各簇中最低的2.2%，除发展能力各项指标平均水平为各簇最高外，财务状况应当属于中等水平。簇2平均公司规模最小，但是资产负债率极低，流动资产充足，偿债能力和盈利能力最强，应是财务健康的公司。簇3偿债能力、发展能力和盈利能力均是最差，且全部样本均为2019年被特别处理的公司，所以应为财务困境的公司。簇4平均资产规模最大，虽然营运能力较强，但其偿债能力和盈利能力都低于样本总体平均水平，会计信息质量较低，其中有许多处于困境边缘的公司。据此，本文利用聚类分析将上市公司样本划分为4类，分别命名为健康、中等、困境边缘和财务困境，在表2中的排序为2、1、4和3。健康公司数量较少，而中等水平的公司占据了样本的大半。财务困境公司数量极少，其财务状况已经严重恶化。而困境边缘公司数量却不在少数，这一部分公司应引起足够的重视。

（四）预警模型

对于样本数据集有k个类别，即yi∈（1，2，…，k），如式（1）所示，softmax回归主要估算样本数据xi归属于每一类的概率。最后，以概率值最高的类别作为该样本的分类结果。将2016年～2018年的数据分别分割为训练集和测试集，训练集用于训练模型，测试集则用于评价模型预测性能。多分类结果的评价比二分类更为复杂，本文利用卡帕系数评价多分类模型的预测结果。卡帕系数是一种衡量分类精度的度量指标，与准确率和召回率一样，都可以根据分类结果的混淆矩阵计算得到。计算得到的真实类别和预测结果的卡帕系数，可以从0到1均匀地划分为五个区间，每个区间表示一个一致性水平，分别是轻微（slight）、一般（fair）、中等（moderate）、基本一致（substanial）和几乎完全一致（almostperfect）。观察基于不同年份数据的预警模型测试结果，能够得到以下结论：卡帕系数显示，基于2018年数据的预警模型，预测性能是三者中最优的，但0.78仍属于中等一致性水平。2016年财务中等的样本的预测结果准确率很低，这是因为有大量误判样本，这些误判样本真实类别为困境边缘。财务困境与困境边缘公司之间存在大量误判，2016年财务困境样本的召回率仅有0.25，被误判的样本有一半被模型识别为困境边缘的样本，另有约一半被分类为财务中等的样本。

（五）模型解释

基于2018年数据训练得到的模型预测性能最优，这符合一般实证研究的结论，即使用t-1期的数据得到的预警模型最为准确。2016年和2017年的预测结果存在许多误判，所以表4仅列示了2018年Softmax回归模型的系数。为了降低过拟合的风险，通常会在损失函数中加入正则化项，本文也使用了L2范数正则化。正则化能够将特征选择和训练过程融为一体，在模型训练过程中自动完成特征选择，会使得模型中不重要的特征的系数更加接近0。公司规模（X1）的系数绝对值均较高，而且对于财务健康和中等公司，公司规模与分类为这两类的概率呈负向关系，而与困境边缘和财务困境公司则是正向的。资产负债率（X5）也呈现出与公司规模类似的情况，资产负债率越高，公司财务状况恶化的可能性越高。发展能力相关的三个指标，总资产增长率（X8）、净利润增长率（X9）、可持续增长率（X10），的系数在Z3中均为负。盈利能力相关指标就显得不那么重要，例如净资产收益率（X11）在Z2中的系数仅为0.006。同时可以发现，总资产净利率（X13）越高，分类为困境边缘的公司的可能性越大而分类为财务中等的公司概率越低，说明该指标在这判断这两类样本是具有误导性。

四、结论

财务预警研究范文第3篇

当今企业正处在一个瞬息万变的市场环境中，随着市场竞争的日趋激烈，企业“快起快落”的现象在我国已屡见不鲜，企业随时都可能面对着各种各样的风险和危机，如何很好地预测危机、规避风险已成为各企业急需完成的重要任务。目前国内外对财务预警机制的研究成果已有一定数量，但都是以财务指标为核心构建的预警模型，并没有考虑非财务因素对企业财务状况的影响，缺乏一定的客观性。

自20世纪八十年代末生态效率的概念提出以来，生态效率受到了各国政府的高度重视，加上当前世界各国的生态环境遭到严重破坏，保护生态环境、走可持续发展道路已成为时代的使命，企业作为生态环境的主体之一更应该承担起这个使命；生态效率反映了企业的经济活动与周边环境的和谐程度，它不仅会引起利益相关者的关注，还与子孙后代的生存环境有着密切的关系，生态效率的好坏最终都会以各种形式体现在财务状况上，因此将生态效率引入到企业财务管理已是时代所趋，构建一种基于传统的财务指标和新型的生态指标之下的“双指标”财务预警体系是和谐社会下企业构建评价指标体系的必然选择。

首先，构建财务指标与生态指标“双指标”下的财务危机预警机制将从理论上和方法上指导、督促企业自觉将生态效率思想贯彻到生产经营的全过程，提高资源的使用效率，降低产品在整个生命周期中对环境的影响，增强企业的竞争力和可持续发展能力，促进经济、社会和环境的可持续发展；其次，能保障企业承担相应的社会责任和保护有限的环境资源；最后，有助于政府全面掌握企业资源的利用情况，污染物排放情况，为制定科学的方针政策和发展规划提供依据。

因此，本文提出的“双指标”财务预警机制可以在一定程度上弥补传统企业财务危机预警评价指标体系的不足，指导企业走可持续发展之路，促进经济和生态的和谐发展，具有重要的现实意义。

二、“双指标”财务预警指标体系构建

影响企业财务状况的因素很多，评价指标也很多，但是它们大多数是存在一定的相关性的。本文所研究的财务指标的选取基于是否与企业危机预测相关、在国内外研究成果中出现的频率、中国上市公司的实际情况三个角度出发，并在遵循尽可能全面反映上市公司财务特征的原则下，选择了五类财务指标：每股指标、营运能力、盈利能力、成长性以及现金流量。

自1992年以来，有四个国际协议试图对全球公认的环境问题进行治理，即有关与后代的利益相一致的《经济与社会发展问题的二十一世纪议程》；有关臭氧层损耗物质问题的《蒙特利尔议定书》；有关限制导致全球变暖的气体排放的《京都议定书》和有关跨国界的有毒废气物的控制与处理的《巴塞尔公约》。目前，联合国国际会计和报告标准在这四个国际协议上，推荐选择了以下五个环境绩效指标：购买的能源；水资源的使用；导致全球变暖的气体排放；固体和液体废弃物；导致臭氧损耗的物质排放。本文将以这五项环境绩效指标为依据，在借鉴前人的研究的基础上，结合企业具体的财务状况，构建出以企业的社会总贡献为分母的财务视角下的生态指标，具体见表1。

本文最终构建的财务指标和生态指标“双指标”体系见表2。

三、实证研究

第一，数据选取。每个行业对环境的依赖和影响程度都不同，行业对环境的影响主要表现在其所消耗的能源以及对环境产生的污染两个方面。旅游业作为一种资源性产业，它的可持续发展有赖于旅游资源基础的长久永续利用，它的发展与环境质量的好坏是息息相关的，以往传统的粗放式旅游资源开发和管理模式带来了众多的生态环境问题，如旅游资源过度开发甚至掠夺性开发，旅游区和旅游景点的粗放式管理，旅游设施过度膨胀，以至于旅游景观遭到破坏和消失，极大地危害了旅游业赖以生存的资源和环境，威胁着旅游业的发展，这个时候生态旅游作为一种对自然和文化旅游资源有着特别保护责任的可持续旅游发展模式也就应运而生了。而旅游企业作为整个旅游行业的主体如果继续沿袭以追求利益最大化为最终目标而忽略企业经济活动对生态环境影响的传统经营模式已不再适应当前社会发展的需要了。因此，本文将以我国的旅游上市公司为研究对象，以BP神经网络为研究方法的基础上，探讨引入的生态效率指标对旅游企业财务危机预警效果的影响。

本文最终选取了4家2011年被ST旅游行业的ST公司，并选取4家财务状况正常的公司与之配对。本文的财务数据均取自于企业的年报，由于这些企业都没有社会责任报告，部分环境数据来源于各企业的相关新闻网站，部分数据根据行业和地区的标准进行折算。考虑到本文神经网络的应用原理，将这8家公司按1：1的比例随机地分为两组，每组2家ST公司和2家正常公司，分别命名为训练组和测试组。训练组和测试组样本及2011年度财务数据见表3。

第二，“双指标”下的财务预警模型建立及结果分析。本文建立的财务预警模型是基于BP神经网络，这是一种旨在模仿人脑结构及其功能的信息处理系统，它能够通过预先存储的信息或自适应学习机制，从不完整的信息和噪声干扰中恢复原始的完整信息；此外，它还能通过对系统输入输出样本对的学习自动提取蕴含其中的映射规律，从而以任意精度拟合任意复杂的非线性函数。选取2011年被ST的4家旅游上市公司和正常财务情况的4家旅游上市公司的2009～2011年度的财务数据，建立包括输入层、隐藏层与输出层三层的BP前馈神经网络模型。

为了比较传统财务预警模型与“双指标”下财务预警模型的预测效果，本文将数据进行两次实验，第一次实验不考虑生态指标，第二次实验考虑生态指标。

不考虑生态指标模型的输入变量为18个，全部是财务指标，输出变量是企业财务危机程度，用Y表示：Y=0表示ST公司，Y=1表示财务正常公司，因此最终建立的BP神经网络模型共有18个输入神经元，12个隐藏层神经元，2个输出神经元，得到的神经网络拓扑结构为18*12*2。网络训练时采用快速训练方法，即采用traingdx训练函数对训练组数据进行训练，利用编写的Matlab语言程序，经过反复试验，确定采用如下参数进行训练：循环间隔数100，目标误差0.05，学习速率0.205，学习速率增加的比率1.05，动量因子0.1，最大循环次数1000，最后用测试组对训练好的模型进行测试，导出结果。

考虑生态效率模型的输入变量为23个指标，包括财务指标和生态指标，为了保证两次实验结果的可比性，将输出值的设置保持和不考虑生态指标实验相同，因此最终建立的BP神经网络模型共有23个输入神经元，16个隐藏层神经元，2个输出神经元，得到的神经网络拓扑结构为23*16*2，用同样的方法对包含生态指标的训练组数据进行训练，最后用测试组进行相关测试，得到的测试组输出结果与第一次实验的不考虑生态效率下的测试组输出结果进行比较如表4所示。

本文把输出值出现在（-0.5，0.5）区间，则当作财务危机出现预警信号；输出值出现在[-1.5，-0.5]U[0.5，1.5]，是为财务正常未出现预警信号。从以上结果可以发现：2009年四家旅游公司在没有采用生态指标时，有桂林旅游和ST金马两家出现危机预警错误，预警准确率为50%，但采用生态指标后预测完全准确；2010年四家公司没考虑生态指标与考虑生态指标的财务预警准确率持平；2011年没有考虑生态指标情况下，桂林旅游和ST东海A预测失误，准确率为50%，考虑生态指标后仅ST金马预测错误，准确率高达75%。

四、结论

通过上述结果分析，可以得出如下结论：本文构建的基于传统财务指标与生态指标“双指标”下的企业财务危机预警模型比单纯地考虑财务指标的预警模型更有效更准确，这说明将生态指标引入企业的财务管理更能有效地预测企业的风险，更能全面地反映企业的财务状况，从而为企业的投资人、债权人和政府的决策提供更有价值的参考信息，使企业能有效规避风险的同时又能提升企业的市场价值，使企业具有更大的竞争力。但是由于目前我国引入生态效率概念的时间不长，对于生态指标的选取研究仅以联合国颁布指标为基础，考虑到我国的特殊市场环境和不同行业之间环境标准的差异性，我国生态效率指标体系需进一步完善，以便为各企业“量身打造”出一套更完善、更全面、更科学的财务危机预警指标。

参考文献：

财务预警研究范文第4篇

中国经济的发展一定程度上是以牺牲资源为代价的，我国煤炭行业一直存在着过度进入、过度开采的问题。一方面导致产能过剩，资源配置状况不佳，从而影响到企业的经营状况；另一方面，环境的破环，巨大的负外部性使企业的治理成本大幅攀升，对企业的经营管理又产生了巨大的挑战。财务风险一直是企业、投资者乃至政府管理部门重点关注的问题。煤炭行业作为国家经济的重要支柱之一，其财务问题不仅威胁到企业自身的生存与发展，而且会使投资者蒙受损失，甚至对国民经济的稳定发展产生较大影响。因此，只有对企业的财务风险进行预警研究，才能提前识别风险，从而采取防范措施，有效地控制风险，最终降低甚至消除其对企业的影响。

对于财务风险的预警研究，国内外学者都做了大量的研究。总体来说，可概括为单变量预警和多变量预警研究。其中，Fitzpatrick（1932）提出的1元判定模型是最早的关于企业财务危机预警的研究。以 19 家公司为研究样本，运用单一财务指标将样本公司分为“破产”和“非破产”两类。而Altman教授（1968）则提出了著名的 Z-score 模型，是多元线性判定模型的典型代表，是用于评价各类企业的财务风险。之后，财务危机预警的研究人员引入 Logistic 回归方法。1980年Ohlson首次在财务危机预警领域中运用Logistic方法，张紫娟等人就采用Logistic模型构架煤炭上市公司财务预警模型， Logistic模型的预测成功率达到70.82%， 其对于煤炭上市企业财务预警具有较强的预测性。随着技术进步，BP神经网络模型也逐渐应用到财务预警领域。郭毅夫等就采用了20 个指标，应用神经网络方法，对创新型上市企业的财务危机进行预警研究。总的来说，财务预警模型多种多样，都有其优缺点，本文首先应用z-score模型对煤炭业上市公司财务风险进行研究，了解整个行业状况的同时，对Z-score模型效果进行检验。其次，应用logistic模型与Z-score模型做对比，以此确定哪种模型在煤炭行业的预警效果更佳。

二、Z-score模型的构建

Z-score 模型由Altman 教授提出，通?^选取 5 个重要的财务指标，赋予各个指标不同权重加权计算出 Z 值，进而根据标准临界值判断企业的财务风险状况。具体指标如下表一所示：

总体来说，Z-score 模型从企业多个方面选取财务指标，包括企业的资产规模、流动性、获利能力、资本结构、偿债能力和资产利用效率等多个方面，一定程度上可以综合反映一个企业的财务状况。具有一定的可行性，Z 值与企业财务危机可能性呈负相关，Z 值越小，企业越有可能产生财务危机，也就越容易破产。

1.数据选择及模型的建立

本文选取沪深两市A股煤炭行业上市公司，剔除数据不全的公司，共15家上市公司，其中3家ST公司，分为为ST大有、ST山煤及ST云维。由于财务风险是一个长期的影响过程，故选取危机发生前3年即t-3年的各项衡量Z的财务指标，赋予各个指标不同权重加权计算出 Z 值。具体数据来自于锐思数据库。Z值计算结果具体如下表二：

2.描述性统计

运用spss软件对这15个样本企业进行描述性统计，可以看出煤炭行业在2014年至2016年的Z值变动情况。其Z值普遍偏低。从上表二也可以看出，2014年处在破产区的共12家，2015年11家，2016年11家。表明整个煤炭行业近几年财务状况并不理想，煤炭行业不景气持续加剧。2016年云维和金瑞矿业Z值偏高，主要是由于x4指标导致，公司总市值及负债合计数变动较大。

3.Z-score模型检验

对于3家ST的企业，在用Z值模型进行检验时，山煤国际、河南大有可以得到很好的预警，山煤国际t-3年Z值均处于破产区水平。而河南大有2014-2016年Z值持续降低，而云南云维2016年Z值得突然攀升，一方面可能是由于会计数据失真，企业存在违规操作导致。另一方面，可能是模型本身存在的局限性。综上，Z值模型在预测企业财务危机准确率达66.7%，存在一定的可行性。但Z值模型并不具有普适性，尤其对于不同的行业，每个行业都有其行业特色，煤炭行业前期投入资金多，周期长，资产负债率普遍偏高。在应用Z-score模型时有一定局限性。

三、logistic模型的应用

1.数据与指标选取

与建立Z-score模型一样，同样选取这15家样本公司的t-3期数据，其中因变量采取赋值的方式，即若企业发生财务危机，则y值为1，若未发生财务危机，则为零。判断企业是否发生财务危机以企业是否被st为判断标准。即st企业赋值为1，非st则为0。为了可以综合的反映企业财务状况，主要选取反映企业的盈利能力、偿债能力、成长能力指标。具体财务指标的选取如下表四所示：其中，X1，X2反映企业的盈利能力，X3，X4反映企业的营运能力，X5，X6反映企业的成长能力，X7，X8表示企业的偿债能力指标。

2.描述性统计

对上述所选指标进行描述性统计，发现整个行业资产负债率较高，其均值达到62.54%，此外，营业收入增长率较低，其均值为负，表明企业经营状况欠佳，可持续发展所面临的风险较大。成本费用利润率均值为-2.004%，表明所耗费的成本并没有达到很好的利用效果。行业的投入资本回报率也偏低，只有0.628%，盈利能力欠佳。综上，我国煤炭行业的整体财务状况不理想，面临较大的财?辗缦铡?

3.模型构建

Logistic 回归方法以极大似然原理为基础，是通过似然函数极大化求得总体参数估计量的一种参数估计方法。在 Logistic 模型中，被解释变量只取 0 和 1 两个值。即y值只取0或1。使用spss对选取的t-3期的财务指标实证分析。回归结果如下表所示：

a. 步骤 1 上输入的变数：[%1：， 1：

其中B为变量系数：SE为标准差，df为自由度。根据上表的logistic回归结果，可以得到被研究企业的财务预警模型即：

P=1/（1+e（-y））

y=-0.187X1-0.349X2-1.963X3+53.196X4-0.466X5+0.001X6-0.173X7-0.259X8-11.153

对于预警模型一般认为0.5为分界点，P的取值范围为0到1。即当0.5

4.logistic模型检验

首先看模型的拟合优度，Cox & Snell R 平方和Nagelkerke R 平方在0与1之间，一般认为越接近1，模型的拟合效果越好。通过下表，可以看出其Cox & Snell R 平方和Nagelkerke R 平方均接近1，说明模型有较好的拟合效果。其次，对模型的预警识别效果进行检验，从下表7可以看出，在该模型中，对于3家由于财务危机而被特别处理的上市公司，其预警识别率77.8 %。而对于其他12家财务正常且未被特别处理的上市公司，其预警识别率同样高达97.2%。总的来说，整个财务预警模型的预警识别率为93.3%，这意味着本研究所建立的模型具有较高的预测准确度，达到了对于财务预警模型的要求和预期。

财务预警研究范文第5篇

一、预警指标体系建立及预警临界比率设置

高校财务预警系统与一般企业财务预警系统的不同点在于其指标的选取以提高高校综合办学实力为目的，作为非营利性组织的高校应主要从偿债能力、运营绩效和发展潜力三个方面建立预警指标体系，并根据财务实际运行状况设置临界比率。

(一)偿债能力指数具体包括：

(1)现金负债比(X1)。现金的流动性最强，具有广泛的支付能力，是学校财务活动和各项事业正常运转的重要保障。现金负债比反映了学校现金储备对外债的承受程度，该比率越高财务风险就越大。根据高校自身特点，现金负债比应处于较低水平，其预警临界比率为0.1，是极小型变量。

现金负债比－年末累计外债额÷年末现金余额

年末现金余额＝库存现金＋银行存款＋短期证券投资＋其他货币资金

(2)负债自有资金率(X2)。该指标用于衡量学校负债与自有资金的配比情况。一般地，该比例应维持在1左右为宜，表明学校有偿还债务的能力，财务风险不大，即其临界比率为1，是稳定型变量。

负债自有资金率＝(借入资金／自有资金)×100％

(3)已获利息倍数(X3)。该比率既能反映高校获利能力的大小，又能反映获利能力对于到期债务利息偿还的保障程度。当前各高校普遍采取银校合作这一手段，因此已获利息倍数是衡量高校长期偿债能力的重要指标，该指标的临界比率为1，是极大型变量。

已获利息倍数=科研事业结余÷利息

(4)基建项目投资负债率(X4)。目前高校借贷所得资金主要用于基建投资项目，启动资金数额巨大。因此基建投资项目负债率是反映高校偿债能力的重要指标。其预警临界比率为1，是极小型变量。

(5)本期安全系数(X5)。该指标用于反映高校本期资金运作情况。若该指标大于1，表明高校本期内资金运作基本有保障；若该指标小于1，则表明高校本期内资金运作会遇到困难，还需要另筹资金，属极大型变量。

(二)运营绩效指数具体包括：

(1)学校年度收入收支比(Y1)。该指标用以说明学校当年预算支出的平衡关系，是反映学校隐性负债状况的重要指标。其预警临界比率为1，是极大型变量。

学校年度收入收支比＝本年度实际收入÷本年度实际总支出

(2)招生计划资金比率(Y2)。该指标临界比率以1为优，为稳定型变量。如果小于1，表明招生计划未完成或学生欠费多，如果达到一定程度，长久下去则会产生财务风险。

招生计划资金比率＝本期招生实际收费数÷本期招生应收费数

(3)经费自筹率(Y3)。该指标反映学校对国家的依赖程度、学校自我筹措资金的能力以及努力程度。该指标越大，说明自我积累和自我发展的能力越强，其临界比率为0.4，是极大型变量。

经费自筹率＝自筹经费收入÷学校总经费收入

(4)教学科研性资产收益率(Y4)。该指标的高低是财务杠杆能否发生效用的先决条件，也是高校资产保值增值目标实现的源泉。因此观察该指标及其变动趋势对监测高校财务风险具有重大作用，其临界比率为0.1，是极大型变量。

教学科研性资产收益率＝教学科研结余÷平均收益性资产

(5)校办产业资本增值率(Y5)。对校办产业国有资产保值增值的考核，是高校国有经营性资产管理的重要组成部分，也是高校资金来源的有益补充，其临界比率为2.25％，是极大型变量。

(三)发展潜力指数具体包括：

(1)现金净额增长率(Z1)。现金具有广泛的支付能力，是学校财务活动和各项事业建设正常运转的重要保障。该指标直接体现了学校可支配和周转的财力状况，反映了学校事业建设的可持续发展能力。该比率越高，说明财务调控能力和对债务的支付能力越强，其临界比率为0.1，是极大型变量。

(2)校办产业资产负债率(Z2)。由于我国高校校办企业运行体制不规范，学校对其债务承担连带责任，因此校办企业的资产负债率指标也应纳入财务预警系统中，其临界比率为0.4，属极小型变量。

校办产业负债率＝期末负债总额÷期末资产总额

(3)自有资金动用程度(Z3)。该指标越小表明自有资金动用越少，可供学校发展的资金就越多；该指标值越大，则学校未来的发展越有可能受到制约，其临界比率为1，属极小型变量。

仅从以上某一方面并不能全面把握高校财务风险的总体状况，因此必须将各项指标加以整合构成综合评价模型。各监测指标的实际值主要根据高校当期财务报表所提供的数据计算而得。

二、监测指标财务预警指数计算及权重确定

计算结果为正表示安全系数，为负则表示预警指数。假如监测指标为区间变量指标或极小型变量指标，将预警指数子项的被减数与减数互换位置即可。设根据计算得出的各监测指标的财务预警指数为X1(i=1，2，……5)，Y1(i=1，2……5)，Z1(i=1，2，3)。 各指标权重的确定应采用专家意见法，为便于计算，本了简化处理，偿债能力作为重点考察对象赋予较大权重0.4；根据运营绩效和发展潜力在高校财务中的重要程度分别赋予权重0.35和0.25；各分项综合预警指数中各指标的权重也依据各指标之间的相对重要性来判定。但如果要得到精确权重必须咨询有关专家，本文给出的权重仅作参考。

三、高校财务预警综合指数计算

偿债能力预警综合指数X=0.3X1＋0.2X2＋0.2X3＋0.2X4＋0.1X5

运营绩效预警综合指数Y=0.2X1＋0.2X2＋0.25X3＋0.2X4＋0.15X5

发展潜力预警综合指数Z=0.4X1＋0.3X2＋0.3X3

财务预警综合指数(FEWCI)=0.4X＋0.35Y+0.25Z

通过上述公式计算所得结果可以确定财务风险警度，从而为风险控制提供有力的分析工具。而判断高校财务警度的关键是确定有警与无警的临界点，对此相关学者采用了系统化方法进行分析。这一方法是根据各种并列的客观原则(包括多数原则、半数原则、均数原则等)进行研究．然后把应用各种原则得到的结果加以合理综合，得到能被多数人接受的较科学的结论。用同样的方法可以得出无警、轻警、中警、重警和巨警之间的分界点及警限。本文在与一般商业企业警限相比较的基础上，运用上述方法将高校财务预警综合指数(FEWCI)的警限分别设置为：

FEWCI＞10％

财务状况良好 无警

10％＜FEWCI≤0

财务风险潜伏期　轻警

0≤FEWCI≤-10％

财务风险发作期 中警

-10％≤FEWCI≤-30％财务风险恶化期　重警

FEWCI＜-30％