财务预警的指标
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篇财务预警的指标范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
财务预警的指标范文第1篇
在煤炭产销顺畅时，煤炭企业将大量资金投放在新建项目上。随着近年来煤炭市场的疲软，企业成本在不断提高，煤炭企业的财务风险巨增。但使用传统财务预警指标很难适用于煤炭行业。传统财务预警突出了行业的普遍适用性时，却忽略了行业的特殊适用性，无法满足有财务特色和行业特征的企业进行财务预警研究。我国煤炭企业经历其特殊而漫长的发展历程，具有专属其自身的财务特性与行业特色：资产负债率普遍偏高、固定资产投资比重大等。因此，传统财务预警指标体系及预警模型对我国煤炭行业公司的财务预警研究存在不适用性。如何进行专属于煤炭企业的财务预警指标体系，就成为煤炭企业财务管理工作的重要内容。
一、传统财务预警指标对煤炭企业的不适用性
传统财务预警可分为：偿债能力、资产运营能力、收益能力、成长能力和现金流量等五大类。这五大类指标又包括27个财务比率指标。但对煤炭行业财务预警时，存在以下不足：
1.传统偿债能力指标体系指标均以企业的负债为核算基础，但是以此计算得出的数据必然是煤炭企业偿债能力差。如果以此指标对煤炭企业进行财务预警研究，结果可能是大多数煤炭企业都达到了警戒线，或面临破产。这将对煤炭公司的财务预警准确性产生误判。因此，现有的预警指标体系对我国煤炭企业显然存在不适用之处，需要修正评价指标体系以适应我国煤炭企业负债管理能力的评价。
2.在资产运营和资产收益方面，长期资产适合率、总资产周转率、不良资产比率和总资产利润率等评价指标主要以固定资产为基础。但在近些年市场需求的刺激和国家资源整合政策的指引下，我国煤炭企业对中小煤矿实行整合改造，兼并收购式外延扩张，迅速扩大产能，固定资产投资额巨大。现有的固定资产评价指标虽然能够发挥一定的作用，但是存在不适应性，不能够反应未来煤炭企业固定资产的投资回报率，和投资规模适当性进行评判。因此，基于煤炭行业固定资产投资的特殊性，和煤炭价格变化的剧烈性，在对其进行财务预警研究时，应着重考虑市场价格变化对固定资产的投资回报的情景分析，及其运营能力分析。
3.每股营业现金流量、结构分析、营业活动收益质量、经营活动产生的现金净流量增长率等指标用于测度传统现金流量能力。但这种测度方法应将现金流量与衡量偿债风险、获利风险相结合，提高财务预警指标的实用性。
二、构建煤炭企业财务预警体系
（一）修正传统财务预警指标体系
1.偿债能力方面。煤炭企业由于其历史原因，企业办社会、退休人员多等，企业包袱沉重，负债多。以传统预警指标体系计算，将预示着负债率过高。笔者基于将传统财务预警体系短期偿债和长期偿债分两类的思想。我们也将煤炭企业负债分为“过去负债”和“现在负债”，并赋予过去负债较低的权重系数，如此才能有效地衡量煤炭企业的真实负债情况，进而计算出符合实际情况的预警指标。因此，在对煤炭企业偿债能力预警研究时，应着重考虑其现在负债。在传统短期偿债能力指标中增设现金比率指标，并同时与流动比率或速动比率一并考虑。现金比率将货币资金与交易性金融资产作为偿债工具，衡量企业的现在负债情况。资产负债率、产权比率、权益比率用来衡量过去偿债能力的指标。若企业负债中现在负债的变化大，将对企业过去的偿债能力造成影响。因此，提出现在负债和过去负债指标，并赋予其不同的权重系数来衡量企业的真实偿债能力。
2.资产运营和资产收益方面。固定资产投资是煤炭企业现金投资活动的主要部分,且固定资产投资回报周期长。因此,传统财务预警中设置固定资产投资回报率来反映煤炭企业固定资产投资给企业带来的未来收益。该指标用来评价新投资项目收益占企业受益的比重，该指标越大越好。若所占受益额比重很小或者出现负值，说明企业固定资产投资回收低于预期受益，前期投资决策失误。同时，改进传统指标中固定资产周转率，设置固定资产现金周转率，该指标可使得经营者掌握企业固定资产的利用效率和盈利能力。持续投入固定资产是不可能带来更多的超额利润，因此，煤炭企业要适当控制规模的扩张。使用该指标可衡量企业是否存在固定资产投资饱和的问题。
3.现金流量方面。传统财务现金流量指标未能充分反映煤炭企业的获利能力。因此，设置主营业务现金比率、流动负债经营活动净现金流比、经营净现金流负债比率等指标，用于衡量煤炭企业现金流量能力。主营业务现金比率在扣除了不能回收的坏账损失的影响后，用于计算企业现金流与主营业务收入的关系。该指标值越高越好，若为负值，则预警产生。流动负债经营活动净现金流比是企业每年的现金净流量与可偿还流动债务的关系，该比率越高越好。但实际中企业要充分利用财务杠杆，但同时也要避免财务危机发生。
（二）煤炭企业财务预警指标设置
基于传统财务预警指标体系并结合我国煤炭行业的财务特色，在对其实用性讨论和分析的基础上，补充了若干特色财务预警指标，如：现金比率指标、固定资产投资回报率、主营业务现金比率、流动负债经营活动净现金流比、经营净现金流负债比率等指标，形成了满足煤炭行业一般特征和特色煤炭企业财务预警指标体系。该指标体系包含了传统财务预警的5个方面（27个指标），并同以上新设5指标，共同组成了煤炭企业的32个财务预警指标体系。该指标体系能科学合理地反映各个企业自身的财务状况，且易与其它煤炭企业财务状况进行比较。
三、结语
煤炭企业完全套用传统预警指标体系存在诸多不适，需要改进以适应我国煤炭企业的特色。针对传统财务预警指标的不足，笔者丰富了煤炭行业的特色财务指标，建立了煤炭企业的财务预警指标体系。日后的实证研究中，希望学者充分挖掘影响煤炭企业经营的各种财务因素，并针对影响煤炭企业健康成长的相关财务问题进行深入分析，提出相应的对策建议，为我国煤炭企业的健康发展提供决策支持。
参考文献：
[1]何谐，孙永波，张晓天.煤炭企业财务预警指标体系研究[J].煤炭经济研究，2007（5）
[2]于翠芳，王素娟.煤炭企业财务风险预警及实证分析[J].经济师，2011（9）
[3]张鹤.新形势下煤炭企业财务预警机制的应用与完善[J].内蒙古煤炭经济，2015（5）
财务预警的指标范文第2篇
【关键词】 大数据； 财务预警； 非财务指标； 系统结构模型
【中图分类号】 C931 【文献标识码】 A 【文章编号】 1004-5937（2017）09-0095-05
一、研究现状
财务预警是一个世界性难题。国外对财务预警的研究较国内要早，多集中在多变量动态分析模型的基础之上，国内尚未有人提出适合我国企业实际并得到有效验证的财务预警模型。国内很多学者对财务预警进行了开创性的尝试，财务预警管理已经成为企业管理研究的一个热点话题[1]。
财务预警从选取的指标上划分，可以分为基于财务指标和非财务指标两种。基于财务指标的财务预警效果一直受限于会计信息的失真和滞后性。而基于非财务指标的财务预警模型又因为指标获取的主观性饱受诟病。以2008年发表在《自然》杂志上论述大数据科学的多篇文章为标志，世界范围内对数据科学问题的研究正式拉开帷幕。伴随着社会实践的推进以及科学技术的发展，国内外对大数据科学问题的研究进一步深入，现阶段学者研究的主题主要围绕以下方面：（1）大数据是什么，即如何对大数据进行科学规范的定义问题。（2）大数据的影响，即大数据技术的发展会对人类社会的发展产生怎样的变革，其中所蕴含的机遇与挑战是什么。（3）大数据应用于人类社会发展实践中所必须得以突破的关键技术是什么以及应该如何进行突破。（4）面对大数据时代的到来该如何应对等。在社会经济领域，Michael et al.[2]指出，大数据时代来临的趋势已经不可逆转，在审计领域，审计师将大数据技术应用到审计工作中已经成为了应对时代变革的重要举措，其呼声也越来越高。宋彪等[3]首次把大数据引进财务预警模型，根据上市公司的ST情况进行了实证，结果显示预警的效果大为提高。目前的相关研究大都提出技术框架，或者关注技术实现，大数据如何引入财经领域的理论论证尚未完善。本文从理论的角度分析了大数据指标引入的可行性和途径。一般把大数据引入到财经领域的研究中，需要研究企业大数据信息正面情绪指标、中性情绪指标、负面情绪指标、正面与负面情绪交互指标以及大数据信息频次指标。这里所说的大数据是为了与财务指标区分，严格意义上来讲，财务指标也是企业大数据的一部分。本文所提及的大数据指标，是通过对互联网上无数网民这个企业传感器进行搜集和信号融合而得到的。它的特点是来源广泛，结构非常复杂，需要从网络的海量信息中在线筛选才可获取，能够从所有利益相关人在线回馈信号流角度反映企业运行的全貌，个别力量难以左右其趋势，具有群体智慧性，并且呈信息碎片化和无意识状态，符合大数据的相关定义。这些信号流中已经包含了以往财务预警研究中涉及到的非财务指标信息，而且这种信号传递的信息比以往研究中，通过调研或者一些定性方法获得的个别非财务指标要更加客观和全面。
二、基于系统结构模型的分析
确定大数据指标和非财务指标的关系，是一项极其庞大而复杂的任务。ISM即解释结构模型，作为一种成熟的系统结构模型化技术，为研究大数据指标和非财务指标的系统关系提供了强有力的工具。
目前，非财务指标的既有研究所提出的各种指标缺乏系统性，研究非财务指标的系统性影响所使用的方法主要以规范为主，还没有一个公认的非财务指标对财务危机的整体影响评价模型。非财务指标有必要进行系统分析，才能考虑引入财务危机预警模型，否则非财务指标之间结论不会稳定，甚至会出现自相矛盾的情况。
ISM模型构建主要有以下步骤：系统构成要素确定、邻接矩阵确定、可达矩阵计算、层次化处理、绘制有向图和形成递阶结构模型。研究大数据指标与非财务指标对财务危机预警的系统性关系，首先要确定相关指标。指标获取方法主要是搜集文献，搜集使用非财务指标进行财务危机预警的相关文献，最终形成备择文献。其次，从备择文献中检索出所有出现的非财务指标，整理形成备择指标。最后，提请专家小组对备择指标进行评价，对指标进行增减，以及对指标内涵进行新的扩展，从而得到完备指标要素，即构成ISM构成要素。系统由17个要素组成，如表1。
系统中的17要素是一个有机整体。为直观显示各要素之间的关系，本文利用邻接矩阵进行描述，将要素间的直接影响表述为aij=1，即若要素之间没有直接影响表述为aij=0，要素Ai对Aj没有直接影响。根据专家组及相关人员分析之后，建立邻接矩阵如表2。
根据邻接矩阵可以构建要素关系图，如图1。
各个要素之间的直接关系是靠邻接矩阵来表示的，然而事实上，间接关系也是这些要素之间要研究的重要内容。例如要素Ai会对Aj造成影响，同时Aj又对Ak产生影响，便将Ai视为基于Aj要素对Ak构成间接影响的要素，Ai对Ak产生了间接影响。这种间接影响则可以通过一个或者多个要素来进行传递。一般情况下研究的样本中这些直接或者非直接的各个要素之间所形成的各种影响关系，可以使用可达矩阵M来进行描述。其中矩阵中的元素aij=1是用来描述要素Ai直接或非直接地影响到Aj，相反，aij=0。具体结果如表3。
接下来的研究需要进行级位划分，主要是针对可达矩阵区域内元素进行地位确定，在整个过程中进行所有元素的层次地位划分。将区域中基于影响关系构成的要素集合进行逐个排查，观察找出系统中对其他任何要素都不产生影响的要素，将其定义为系统最高要素，并将其排除，之后重复上述过程逐级搜索一直到最低级的要素为止。
借助Matlab数据分析工具，可以快速将要素进行分级，结果见表4。
根据分级提取骨架矩阵，并构建递阶结构模型如图2。
由图2可以清楚地看到，大数据指标及非财务指标与财务危机关系系统是一个有8级的递阶结构模型。在线信号N1以及财务危机N2的直接原因就是股票价格N4的变化。而影响股票价格的直接原因有或有事项N5、审计意见N6、发展能力N14以及市场份额N17。或有事项和审计意见是一种外在因素，发展能力与市场份额的直接原因是公司治理N3和顾客满意N11，公司治理的直接影响因素是股份结构N9和独董人数N10，顾客满意的直接影响因素是产品质量N12。股份结构与独董人数的直接影响因素是战略目标N13，而产品质量直接影响因素是技术目标N16。战略目标的直接影响因素是市场变化N8，质量目标的直接影响因素是市场变化N8和创新能力N15。最低级行业背景N7是市场变化的原因。创新能力是一种系统客观存在的状态，在本系统中没有直接影响因素。
根据要素全关系图优化递阶结构模型，进而得到解释结构模型，如图3。
由于企业经营活动的复杂性，非财务指标的数量极其庞大，性质也特别复杂。对所有的非财务指标进行确定、跟踪和分析是不可能的一项任务。系统中的各个非财务指标都是目前文献中常用的，因此将未知的一些因素都放在或有事项里。这些指标在具体应用中的计算都比较困难，没有统一的标准。往往靠定性分析，或者简单地找到几个财务指标来反映复杂的非财务指标内涵。在解释结构模型中发现，在线信号可以预测股票价格的变化趋势，这在国外的文献中已有证明。同时，财务危机也是股票价格变化的一种结果，而且在线信号与财务危机具有相互作用的关系。因此以股票价格为流体，在线信号和财务危机形成一种连通器的构造，即在线信号的变化可以对财务危机进行同步的观察和预测。由于在线信号量化的容易性，考虑用在线信号替代不易量化的非财务指标是一个有效的处理手段。
三、实证
为了对前面分析的结论进行验证，本文采用网络爬虫技术对60家企业的所有相关全网网络数据，包括博客、论坛、新闻等信息进行了采集，时间跨度为2009年1月1日到2013年12月31日。通过数据收集及数据清洗，共得到了7 000万余条，其中大部分数据为文本信息。而文本信息本身具有非结构化和大量重复的特点。这些大数据反映的相关情绪引入到财务预警模型，能否起到改善预警效果的作用呢？首先对数据进行过滤，将文本信息中的o效信息筛选出去，并对剩余信息进行数值化处理。利用财经领域词典对信息进行语义分析。同时为验证大数据有效信息频次对财务预警模型的影响，要对上市公司的相关有效信息进行频次统计。考虑到制造业企业数量占全部上市企业总数量的比重最高，同时所在行业不同其表征的财务特点并不一致，具有风险的企业要远远小于正常企业的数量。为使模型在实际应用中具有更好的代表性，研究中把制造业作为模型研究的样本企业。
在沪深A股中，制造业企业中的危机企业（以ST为准）要远远小于正常企业的数量。若按照资产规模进行1■1配对抽样，则会认为破坏样本的随机性，致使模型效果虚高，模型预测精度夸大[4]。目前，基于资产规模原则进行配对，虽为通行做法但缺乏有力的理论根据，而本文也利用此种配对方式进行了检验，结果显示对危机判断中的表现并不显著。因而，本文并未采用上述原则，而是将危机企业和正常企业采用1■2的方式进行随机抽样配比。收集的企业信息共有60家，其中包括20家危机企业和40家正常企业，危机企业的样本主要来源于2012年、2013年的工业制造企业（被沪深两市特别处理的），11家危机企业和22家正常企业来自2012年，另有9家危机企业和18家正常企业来自于2013年。危机企业选择的是上市以来首次被处理，超过5年的上市时间，被特别处理是因为连续两年亏损。采取随机抽取的原则对正常企业（上市时间超过5年，且未被处理过的工业上市企业）的样本进行选取，其财务指标源于RESST数据库。
选择了32个财务指标和4个大数据指标（文本积极、消极、频次和交互情绪），利用T-2和T-3年度的数据，对T年通过支持向量机模型进行预测、验证和比较（模型制定以及训练过程等限于篇幅不再给出，可查询参考文献[3]）。结果如表5。
从比较结果可以看出，在财务预警模型中引入大数据指标，可以显著改善预测的性能，而且在距离被预测年度的期间越大，大数据指标表现得越好。本文认为其原因是一些非正式来源的准确消息对滞后的财务信息起到了修正作用。
四、结论
大数据引入是各领域如何选取指标的一个难题。本文通过系统结构模型，理论上分析出在线大数据信号可以影响财务预警效果，进而指出可以通过大数据指标对企业财务预警模型进行优化。采集了60家上市企业，对结论进行了验证，研究结果为财经领域如何引入大数据提供了新的思路。后续研究将对大数据指标进行细分，并引入深度学习算法，实现无人监督算法的财经预测模型，进一步规避人为主观性带来的影响。
【参考文献】
[1] 马忠华.财务预警方法评析[J].会计之友，2012（3）：100-101.
[2] MICHAEL A，MIKLOS A V. Thick data： adding context to big data to enhance auditability[J].International Journal of Auditing Technology，2014，2（2）：95-108.
财务预警的指标范文第3篇
关键词：财务危机预警 EVA 非财务指标
财务危机预警，是指根据公司提供的审计报告、财务报表及其他一系列相关的财务信息，提取设置相关指标，利用财务、统计等分析手段对企业的经营活动、财务活动等进行数据分析、预测，以及时发现公司经营管理过程中存在的潜在经营风险和财务风险，并预先告知公司管理者及其他利益相关者，使其在财务危机发生之前采取有效措施，尽可能避免风险变为损失。传统的财务危机预警大多是从财务报表中提取财务指标进行分析，但是很多公司存在人为操纵财务报表数据、粉饰财务利润的情况，致使财务信息失真、报告不及时，由此可见基于人为因素调整之后的财务指标所做的财务危机预警分析具有一定的局限性。因此在模型指标体系中加入以价值管理为导向的经济增加值指标和受人为因素干扰较小的非财务指标，借以提高财务危机的预警准确度。
一、传统财务指标财务危机预警的局限性
1.财务信息滞后性
传统的仅选取财务指标进行财务危机预警，其中选取的大多数财务指标有可能是财务危机产生结果的量化表现，并不是引发财务危机的真正原因。而且财务报表在我国上市公司的年报一般是次年四月份左右对外披露，所以财务数据的选择存在时间上的滞后。
2.财务信息的可靠性
一方面，目前我国公司信息的公开披露制度和披露质量标准均不够完善，公司提供的财务报表不一定真实反映企业的财务状况。因为有些公司为了达到经营者所期望的财务状况，可能通过盈余管理，人为调整会计政策来调节利润，甚至可能存在着通过编制虚假会计信息等手段操纵会计利润。这些行为都会导致财务信息的可靠性大大降低，仅采用财务指标进行预警分析的准确度就会受到一定程度的影响。另一方面，一个公司内部控制制度制定的完善程度以及内控制度的执行状况对公司提供的财务数据的可靠性也会有很大影响。
3.财务信息的全面性
财务报表中提供的财务指标是高度总结、概括的指标，是一种定量的信息，反映了公司的财务状况和经营成果。但是财务危机的发生不仅与财务因素有关，对公司运作、管理有直接影响的股权结构因素，对公司长远发展有潜在影响的知识产权、商誉、企业形象、企业竞争力等因素，这些定性的信息也在一定程度上反应了公司的经营治理情况。所以，如果仅采用财务信息构建模型预测危机，预警信息的全面性会大大降低，预警能力将会受到一定程度的影响。
二、财务危机预警中引入EVA的优势
经济增加值（Economic-Value-Added），是税后净营业利润（NOPAT）扣除债务资本、股权资本等所有资产的资金成本后的净值。EVA是从经济学角度衡量一个企业创造的真正价值（企业经济收益与资本的机会成本），这种计算方法在投资者与债券人之前起到了一定的平衡作用，对股权资本和债务资本的使用成本采取相同的标准评价，加强了管理者对资金的有效使用，实现价值最大化。1982年美国SternStewart公司提出EVA这一概念后，经过不断的发展与传播，经济增加值成为众多公司所使用的评价指标，2010年国资委也通过了正式施行经济增加值考核的方案。
众所周知，美国安然公司申请破产一案。自1990年至2000年，安然公司的财务报告显示，销售收入从59亿美元上升到1008亿美元，净利润从2.02亿美元上涨到9.79亿美元，账面价值也从每股4.01美元涨到了13.76美元。单从财务报告所显示的销售收入、净利润等财务指标来看，似乎觉得安然公司业绩良好，然而如果采用EVA分析安然公司的财务状况就会发现结果完全不同。虽然安然公司的净利润和每股收益都有上升趋势，但是EVA却在急剧下降，这意味着安然公司并没有真正的盈利，与之相反利润是在不断被损耗的。从安然事件可以看出没有资本收益的公司缺乏竞争力，从而使财务状况不断恶化。从EVA是对全部资本成本考量这一角度看，将EVA引入财务危机预警比仅采用传统财务指标的财务危机预警具有一定的优势：
1.预警灵敏度高
从安然公司破产事件可以发现当利润还是正数时，传统财务指标没有表现出经营状况出现问题，EVA已经为负，公司虽然在在盈利，但是公司价值正在被损耗。由此可见，EVA能更为灵敏的预测到公司的经营危机。这种状况说明与传统财务指标相比，EVA对预测公司经营状况的变化具有较好的灵敏度，更加真实的反映公司的盈利能力，同时更加清楚的反映公司的总体价值。
2.提高财务信息可靠性
首先，EVA是税后净营业利润扣除所有资金成本后的经济利润，不仅能反映出股东价值是否贬值，而且EVA对会计利润计算过程中调整费用、损失等行为都有修正作用，防止公司管理者操纵传统的财务利润指标的计算，从而使财务数据失真，虚增利润，粉饰财务报表。其次，EVA指标能从投资回报的数量和持续性方面反映出一个公司面临的经营风险和财务风险。
3.促使公司可持续发展
从一个公司长远发展的角度看，资本如果得不到有效的配置，就会造成“价值损毁”。如果资本成本长期得不到补偿，就可能会导致企业财务状况恶化。EVA定量的反映了公司经营期间创造或损失的价值，将EVA引入财务预警指标体系，可以促使公司管理层在做投资决策的时候更加注重价值的创造，关注现金流、风险和回报、资金利用率，而不是着眼于短期经济利益。
三、财务危机预警中引入非财务指标的优势
非财务信息指的是能够体现公司的某些外在特征，但是无法从财务报表上直接反映或是直接分析获得的信息，它可以直接或间接地反映公司的经营管理能力。例如上市公司的股权结构、公司治理状况、委托成本、审计意见这些非财务指标，都能在一定程度上体现着公司的经营状况、财务状况，非财务指标在更深的层次上阐述了财务危机产生的原因。
2008年9月美国第四大投资银行雷曼兄弟控股公司申请破产。雷曼兄弟控股公司是美国第四大投资银行，具有158年的历史和雄厚的财务实力。次贷危机是引发的雷曼兄弟的破产的直接原因，但是究其根本原因是雷曼兄弟控股公司自身经营管理中财务危机预警意识不强，危机处理能力不足。表现为风险控制过度依赖数学模型，次贷危机时模型和实际情况脱节，未能起到预测作用，没能有效的控制风险；管理层盲目乐观，只着眼于扩大业务缺乏风险意识；在处理危机时优柔寡断。由此可见，将公司治理状况、管理层的决策这些非财务指标引入财务危机预警系统，对于提高预警系统的有效性是非常有必要的。
1.可靠性
财务指标是一种定量分析的指标，而非财务指标更偏向于定性的描述公司的经营状况。例如，股权结构、公司治理状况、委托成本、审计意见这类非财务指标，一般都是如实披露，减少了人为调整的情况，比财务指标更加真实可靠。另外，非财务指标读取起来更加简单明了，便于理解运用。
2.全面性
大多数财务指标只是财务危机产生的结果的量化表现，而非财务指标却是从不同的角度描述了财务危机发生的潜在风险源。非财务指标从不同的侧面反映了对公司财务状况和经营管理产生不利影响的各种因素。一个完整有效的财务预警系统应该把非财务指标作为必要而且有益的补充引入进来，形成有机的结合，借以提高预警的准确性。
四、财务危机预警引入EVA和非财务指标存在的问题
1.引入EVA存在的问题
将EVA引入财务危机预警完善了财务预警指标体系，能在一定程度弥补传统利润指标的不足。但是由于2010年国资委才开始正式施行EVA考核方案，EVA在我国的运用并不是非常成熟。因此，将EVA引入财务危机预警模型时，还存在着核算和实施方面的问题。
首先，目前在研究计算EVA时采用的是简化的计算方法，但根据美国Stern Stewart公司的计算方法，应该根据各个公司的实际情况逐项调整。因此，会降低EVA反映真实财务状况的准确性。其次，EVA也是根据财务报表的数据计算得到的，虽然在一定程度上缓解了财务失真的状况，但是其有效性还是会受到财务信息真实性的影响。最后，目前在我国被要求使用EVA考核的企业只有央企，虽然使用EVA的公司越来越多，但考虑到很多企业习惯用传统财务指标，因此在财务危机预警时引入EVA存在实施方面的难题。
2.引入非财务指标存在的问题
将非财务指标引入财务危机预警，丰富了预警模型的指标体系，有利于提高预测的准确度。然而，非财务指标的引入也存在着一些需要解决的问题。
一方面，由于非财务指标多数是一些定性的描述性指标，要将非财务指标应用于财务危机预警模型中时，需要将其量化成定量指标，引入到模型中运算。因此，非财务指标数据的选取、收集、量化成为研究的难点。另一方面，我国学者对于非财务指标的选取多参考国外研究成果，由于我国企业经营的外部环境、行业特点与国外公司具有一定的区别，如何选取体现我国公司发展状况的非财务变量，成为后续研究中需要讨论的问题。
五、结语
引入EVA和非财务指标构建完善的财务预警模型的指标体系，弥补了仅采用财务指标的财务危机预警中存在的灵敏度、可靠性、全面性问题。针对上述应用过程中产生的问题，在选取指标变量时应注意：一方面，根据我国公司的具体情况，从实际出发调整EVA指标、选取非财务指标，保证变量选取的规范性。另一方面，合理运用EVA和非财务指标，对于同一类型的非财务指标的量化尽量采用统一标准。
虽然目前将EVA和非财务指标应用于财务危机预警还有一定的问题存在，但是随着资本市场的不断完善，会计制度、会计准则的日趋成熟，相信EVA的应用范围会不断扩大，非财务指标也将不断朝着精准定量化的方向发展。将EVA和非财务指标引入财务预警指标，构建完整的指标体系，有助于提高预警模型灵敏度与准确度，建立起更加有效的财务危机预警体系。
参考文献：
[1]沈翠清.引入非财务指标的上市公司财务危机预警研究[D].厦门：厦门大学.2007.
[2]杨华.财务危机预警模型中的非财务指标应用研究[J].财会通讯，综合版2007（5）.
[3]刘国风.企业财务危机预警应确立的指标体系[J].商业研究，2009（3）.
[4]万俊丽.对经济增加值的思考和应用[J].会计之友，2008，（23）.
[5]施赞，张蔚文.EVA对上市公司财务危机预警判别的效果[J].财经纵横，2009（6）.
[6]戴.引入非财务信息的上市公司财务危机预警模型实证研究[D].大连理工大学，2007.
[7]杨茵.上市公司财务危机及基于EVA的财务危机预警模型的研究[D].西南财经大学，2005.
[8]刘红霞.企业财务危机预警方法及系统的构建研究[J].北京：中国统计出版社，2005.
[9]王克敏，姬美光.基于财务与非财务指标的亏损公司财务预警研究[J].财经研究，2006（7）.
财务预警的指标范文第4篇
关键词：民营上市公司 综合指标 预警模型
财务危机泛指出现困难，不能暂时或永久履行正常的支付义务（无论短期还是长期），并可能引发破产的情形。财务危机不仅仅是由于财务活动引起的，公司治理方面的缺陷更是导致危机发生的源泉。
1 样本设计
我国学者都是以因财务状况异常而被特别处理作为财务危机上市公司为样本，因此本文依据万得资讯、新浪网，以沪、深两市2010年首次被特别处理的8家民营上市公司以及按1：1的比例严格配对的8家健康公司作为样本构建模型。另选取了2010年深、沪两市ST和非ST的上市公司共16家（其中ST公司10家，健康公司6家）作为检验样本。
2 指标选取及筛选
2.1 指标的选取 通过国内重要的文献索引并结合前人研究发现，有些人通过借鉴我国财政部等四部委联合颁布的“国有资本金效绩评价规则”中广泛应用的财务评价指标体系来构建指标体系；有些人则采用根据指标出现次数多少的方法来选择、构建指标体系。本文针对民营企业发生财务危机的原因，同时结合陶立[1]在其硕士论文中对于企业财务危机的因素的解释、指标获取的难易程度，选取了财务指标和公司治理指标两类指标。财务指标涉及运营能力、偿债能力、盈利能力、增长能力四个方面；公司治理指标指的是公司治理结构方面的指标。具体指标如表1所示。
2.2 指标筛选 首先运用K－S检验方法检验30个指标变量是否服从正态分布，结果为：
X1，X2，X3，X4，X5，X6，X7，X8，X9，X10，X11，X12，X15，X20，X21，X22，Y1，Y2，Y3，Y4，Y5，Y6服从正态分布。
接着对服从正态分布的22个变量进行T检验。对其余8个变量进行Mann-Whitney U非参数检验。检验后保留X10，X13，X14，X16，X17，X18，X19，X20，X23，Y7共10个指标。
3 研究方法的选择
Logistic回归[3]，是最为常用的预测被解释变量为0－1变量(二分类变量)的方法。它根据样本数据采用一系列财务比率变量，使用最大似然估计法估计出个参数值，经过一定的数学推导运算，可求得相应变量取某个值的概率。Logistic回归在实际运用中非常简单、方便。另外，吴世农、卢贤义认为Logistic分析方法要优于多元线性回归，因此本文采用Logistic回归模型构建财务危机预警模型。
Logistic模型的数学表达式：
p=■
4 构建模型
由于自变量之间的相关性会产生共线性，而Logistic模型对自变量的多元共线性很敏感。因此本文在进行Logistic回归建模之前，以0.5的Person相关系数作为标准，分别对初步筛选出的财务指标变量以及治理指标变量进行进一步筛选。筛选结果为T-2年保留X10，X16，X17，X20，X23，Y7共6个指标。
4.1 T-2财务指标Logistic回归模型的构建 在T-2年选择X10，X16，X17，X20，X23作为解释变量，运用SPSS13.0用Backward：LR方式，对8家ST公司和8家非ST公司变量在危机发生两年前分别进行Logistic回归建模。选择的标准为：F值的概率小于0.05的进入，大于0.10的剔除。结果为：
T-2年只含财务指标的Logistic回归模型为：
p=■
4.2 T-2综合指标Logistic回归模型的构建 解释变量X10，X16，X17，X20，X23，Y7运用SPSS13.0用Backward：LR方式，构建模型为：
p=■
5 样本检验
将8对建模样本、16家检验样本公司的原始数据分别代入T-2年的两个Logistic回归模型进行预测（0代表危机公司，1代表健康），计算P值；以0.5为分割点，来判定公司会发生财务危机，还是财务状况正常。如果P0.5，就判定该公司发生财务危机。将公司的真实情况与预测的结果相比较，计算模型的预测精度。
6 研究结果分析
研究显示，综合指标预警模型比财务指标预警模型具有更强的预测能力。T-2年综合指标模型对建模样本、检验样本的正确率分别达87.5%和79.15％，大于财务指标模型对建模样本、检验样本的正确率81.25%和70.85％。这些说明公司治理指标具有一定的判别能力，可以提高模型预测能力，有较高的应用价值。从结果上分析，本文的Logistic模型的预测准确率较其他学者的Logistic模型的预测准确率有些偏低，可能是由于而本文为了使研究的结果具有可比性，只采用2010年度首次被ST的民营上市公司，样本量不足，在一定程度上影响到Logistic模型结果的准确性。
参考文献：
[1]陶立.我国上市公司财务危机预警研究[D].河海大学，2006:35.
[2]刘孙芸.公司治理角度下财务危机预警研究[D].长沙理工大学硕士论文，2006:37.
[3]戴.引入非财务信息的上市公司财务危机预警模型实证研究[D].大连理工大学，2007:45.
财务预警的指标范文第5篇
关键词：传统会计指标 农业企业 财务危机预警
一、研究目的和意义
随着社会主义市场经济的快速发展，对农业企业财务危机进行预警变得越来越重要。我国作为一个农业大国，农业经济在我国国民经济发展中占据着很重要的地位，是国民经济得以持续发展的基础，而农业企业是发展现代农业的主力军，对于增加农民收入，提高农民生活水平和促进农村建设有着举足轻重的作用，但是农业企业不能像其他工业企业那样随着市场的扩大而迅速增大经营规模，而且农产品单位价格低下，因此农业企业很容易出现破产，终止经营、背农弃农的现象，这会动摇农业经济发展在我国经济发展中的重要地位，影响国民经济的快速发展。所以，建立一套合理有效的农业企业财务危机预警体系，对于防止农业企业出现财务异常而导致破产起着关键性的作用。
目前，我国财务危机预警模型尚不完善，没有普遍适用的模型体系，尤其是在农业企业更为缺乏。本文研究的基于传统会计指标体系对农业企业进行财务危机预警，对农业企业价值创造的持续性具有重要意义，有助于农业企业在社会主义市场经济中健康发展，而且，将科学合理的财务危机预警体系应用到农业企业中，可以为我国农业企业财务危机预警方法的构建和完善开拓新的视野和思路，帮助农业企业尽早地预测到财务危机的信号，实现资源的优化配置，以期减少和避免农业企业财务危机的发生。
二、国内外研究现状
（一）国外研究现状
早在14世纪，英法等国出现了最早的资本主义性质的农业企业，这些农业企业是资本主义生产关系发展到农村以后的经济产物，是农业生产力水平和商品经济有了很大发展以后产生的，在产业革命以后，各种形式的农业企业大量发展起来，形成了农业生产的基本单位。国外最早对企业财务危机预警是从1932年Fitzpartrick进行的一项单变量破产预警研究开始的，他以19对破产和非破产公司作为样本，运用单个财务比率将样本划分为破产和非破产两组，发现判别能力最高的是净利润/股东权益和股东权益/负债这两个比率。1966年美国的Beaver在《会计评论》上提出了单变量预警分析法，建立了财务危机预警模型，财务危机判别研究才真正进入系统化阶段，发现离经营失败日越近，误判率越低，可预见性越强。Fan A在2000年应用改进后的支持向量模型进行财务预警研究。
（二）国内研究现状
我国的农业企业在1949年以前为数很少，是在以后才迅速发展起来的。直到1979年以后，随着改革开放和农村商品经济的发展，农业企业出现了多种形式。我国对财务危机预警的研究比较晚，直到20世纪90年代，才有学者对这方面作出相关的介绍和研究，才有相关的评述性文章出现。在1986年吴世农、黄世忠首次介绍了企业破产的分析指标和预警模型。1996年周首华在Z值模型的基础上引入了现金流量指标，建立了F分数模型，取得了一定的效果。陈静在1999年选取1995年到1997年的27家ST公司和配对的公司建立了单一判定分析和多元判别分析，结果表明在ST发生的前三年预测能力比较好。吴世农、卢贤义（2001）以我国上市公司为研究对象，建立三种预测财务困境的模型，研究结果表明，三种模型均能在财务困境发生前做出相对准确的预测。目前国内有些学者也开始利用人工神经网络构建财务预警模型。
总体上，我国对财务危机预警研究集中在利用国外研究成果和方法，结合国内实际进行实证研究，也取得了一系列的研究成果。
三、传统会计指标在农业企业财务危机预警中的应用研究
（一）传统会计指标体系概述
传统的会计指标是根据单纯的会计利润建立的，在农业企业财务危机预警体系中，主要是从偿债能力、盈利能力、成长能力、营运能力四个方面进行分析的。
1.偿债能力。它反映的是农业企业偿还到期债务能力的大小，是衡量农业企业财务状况的重要指标，根据偿债能力的指标来判断企业能否偿还现有到期债务，是否面临很大的财务风险，以便决策是否应改变偿债能力现状。偿债能力的指标分为短期和长期，短期主要包括流动比率、速动比率、现金比率；长期主要包括资产负债率、产权比率、权益乘数、利息保障倍数、营运资金占用率。
2.盈利能力。它是农业企业获取利润的能力，是企业所有相关者最关心的问题，投资收益和债权本息都是由农业企业的利润提供的，利润是除投资外的重要资金来源，盈利是农业企业经营最主要的目标。只有在持续不断的获取利润的基础上，农业企业才能够稳定健康的发展。盈利能力的指标主要有资产净利率、销售净利率、净资产净利率、销售毛利率。
3.成长能力。它是对农业企业未来发展趋势和发展速度的衡量指标，主要包括农业企业规模的扩大、利润和所有者权益的增加，是对农业企业扩展经营能力的分析，反映了农业企业未来的发展前景。分析农业企业的成长能力的指标主要有净利润增长率、总资产增长率、主营业务收入增长率和资本积累率。
4.营运能力。它是指农业企业的营运资产的效率和收益，主要是对营运资产周转速度和周转效率的衡量，评价和分析企业的营运能力可以为农业企业提高经济效益指明方向，发现资产运营中存在的问题，是对农业企业偿债能力、盈利能力和成长能力的补充。评价农业企业的营运能力的指标主要有总资产周转率、存货周转率、应收账款周转率、流动资产周转率。
在以上四种指标构建过程中可以看出，这些传统的会计指标几乎包含了农业企业全部的财务信息，运用这些会计指标构建财务危机模型，可以预测以及及时避免农业企业财务危机的发生，保证农业企业持续快速的发展。
（二）传统会计指标在农业企业财务危机预警中的应用分析
由于传统的会计指标涵盖了农业企业所有重要的财务信息，根据这些信息，我们可以很准确的预测出农业企业的发展状况。本文主要是从理论方面分析传统会计指标体系在农业企业财务危机预警中的应用。首先，选用上面四种能力中的20个指标作为自变量，运用stata软件进行相关性检验，剔除相关性很高的指标。其次，对剩余的指标因素做因子分析，从研究因素变量之间的相关依赖性出发，将一些具有错综复杂关系的变量归结为少数几个公共因子，并对这些因子进行共同度与方差贡献率的计算。再次，利用回归法中最小二乘估计法得出各个单因子的得分函数F。最后，根据旋转之后的因子方差贡献率计算出因子得分Y（Y=a1F1+a2F2+…anFn），并根据Y值的大小范围判定农业企业财务状况是否正常，Y值>0时，该农业企业财务状况正常，可继续按照原来预定的经营方案与资本结构进行生产经营活动；Y值
四、总结
作为一个农业大国，农业企业是我国国民经济的重要组成部分，是现代农业发展的领头人物、主力军，但是随着社会主义市场经济的发展，我国的农业企业的发展面临着很多方面因素的制约，因此很容易出现财务危机，导致农业企业的倒闭以及破产。所以，制定一套科学合理的农业企业财务危机预警模型，对农业企业的健康发展有着至关重要的作用。本文依据单纯的会计利润建立传统的会计指标体系，并从理论方面阐述该模型建立过程，对模型结果进行分析，找出农业企业发展过程中存在的问题，以便制定出系统有效的解决方案，帮助农业企业降低财务风险，在公司财务危机到来之前，就可以采取有效的措施，及时地避免或者阻碍财务状况恶化所带来的财务危机，保证农业企业健康有序地发展。
参考文献：
[1]李东，闵云鹤，陈洪.上市公司财务危机预警指标体系解析[J].
商场现代化，2011（1）.
[2]袁锋，李怡恺.企业财务危机预警探讨[J].财务理论，2011（1）.
[3]黄曦，程晓娟，邱实.基于显著性分析和因子分析法的财务危
机预警指标体系构建[J].中国证券期货，2012（10）.
[4]杨成炎，李琼.我国上市公司财务风险预警模型的比较与
选择[J].理财观点，2011.
[5]杨利，李瑞芬.我国农业上市公司资本结构现状及问题[J].
