会员注册 | 登录 | 微信快捷登录 支付宝快捷登录 QQ登录 微博登录 | 帮助中心 人人文库renrendoc.com美如初恋!
站内搜索 百度文库

热门搜索: 直缝焊接机 矿井提升机 循环球式转向器图纸 机器人手爪发展史 管道机器人dwg 动平衡试验台设计

   首页 人人文库网 > 资源分类 > DOC文档下载

企业研究论文-企业财务危机预警系统研究文献综述.doc

  • 资源星级:
  • 资源大小:9.00KB   全文页数:4页
  • 资源格式: DOC        下载权限:注册会员/VIP会员
您还没有登陆,请先登录。登陆后即可下载此文档。
  合作网站登录: 微信快捷登录 支付宝快捷登录   QQ登录   微博登录
友情提示
2:本站资源不支持迅雷下载,请使用浏览器直接下载(不支持QQ浏览器)
3:本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰   

企业研究论文-企业财务危机预警系统研究文献综述.doc

企业研究论文企业财务危机预警系统研究文献综述摘要本文按照财务预警模型的类型,从财务预警指标选择的角度对具有代表性的国内外相关研究文献进行综述和简评,以期给企业财务预警研究提供一些有益的启示。关键词财务预警财务指标预警模型一、单变量预警模型最早的财务危机预测研究是FitzPatrikc1932所做的单变量破产预测模型,他发现,出现财务困境的公司其财务比率和正常公司的财务比率相比有显著的不同,从而认为企业的财务比率能够反应企业财务状况,对企业未来具有预测作用。Beaver1966对美国1954年~1964年间79家失败企业和79家成功企业的30个财务比率进行研究的结果表明,具有良好预测性的财务比率为现金流量/负债总额、资产收益率(净收益/资产总额)和资产负债率(债务总额/资产总额)。Bevaer也因此开创了建立财务预警模型的先河。二、多元线性判别模型1.Z计分模型1968年埃德沃德阿尔特曼Altman提出了多元线性判定模型即运用多种财务指标加权汇总产生的总判断分值称为z值来预测财务危机,此模型分为在上市公司和非上市公司两种情况。上市公司的Z值模型和判别规则如下Z0.012X10.014X20.033X30.006X40.999X5其中X1净营运资本/资产总额,反映公司总营运资本的流动性X2留存收益/资产总额,反映公司的支付剩余能力X3息税前利润/资产总额,反映公司的收益率大小,衡量公司运用全部资产获取利润的能力X4普通股和优先股市场价值总额/债务账面价值总额,反映公司财务状况的稳定性X5本期销售收入/资产总额,反映公司的活动比率。该模型实际上是通过五个变量五种财务比率,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,综合分析预测企业财务失败或破产的可能性。一般地,Z值越低企业越有可能发生破产。非上市公司的Z值模型和判别规则如下Z0.717X10.847X23.107X30.420X40.998X5,其中,X4修正为股东权益/总负债,反映公司财务状况的稳定性。其余X1、X2、X3、X5与上市公司的相同。2.F分数模型我国学者周首华1996)等提出对Z值判定模型加以改造建立起F分数模型。许多专家证实,现金流量比率是预测公司破产的有效变量,F分数模型加入现金流量这一预测自变量,弥补了Z值判定模型的不足。其表达公式为F0.17741.1091X10.1704X2l.9271X30.0302X40.4961X5,其中,X1、X2及X4与Z计分模型中的X1、X2及X4反映的指标相同,而X3、X5与Z分数模型的X3、X5不同。X3税后净收益折旧/平均总负债,它是一个现金流量变量,是衡量企业所产生的全部现金流量可用于偿还企业债务能力的重要指标。X5税后净收益利息折旧/平均总资产,测定的是企业总资产在创造现金流量方面的能力其中的利息是指企业利息收入减去利息支出后的余额。相对于Z分数模型,它可以更准确地预测出企业是否存在财务危机。三、逻辑回归模型多元逻辑回归模型克服了多元线性判别分析方法对预测变量有着严格的联合正态分布要求、且要求财务危机组与控制组之间一定要进行配对的局限性,从而将问题简化为已知一个公司具有某些财务特征,计算其在一段时间内陷入财务危机的可能性有多大。美国学者Ohlson1980是最早在财务预警研究中应用这种方法的人。我国学者陈晓、陈治鸿2000以因财务状况异常而被特别处理ST作为上市公司陷入财务危机的标志,运用多元逻辑回归模型和可公开获得财务数据,对中国上市公司的财务危机进行了预测,发现负债权益比、应收账款周转率、主营利润率/总资产和预留收益/总资产对上市公司财务危机有着显著的预示效应。他们的研究所发现的最优模型能够从上一年股本收益率公告小于5的上市公司中预测出73.68的下一年会进入TS板块的公司,总体判别正确率为78.24。四、神经网络模型Odour和Sharda1990用BP神经网络预测了财务危机。他们的模型要优于当时的判别分析模型,但也仅仅是神经网络方法应用的展示和Altman1968研究的重复。Coats和Fant1992运用神经网络技术学习审计专家的结论来判别财务危机,他们选取了由审计师判定的1971年~1990年间的94家持续经营的公司和188家财务状况变动较大的公司,并采用Atlman的Z值模型中5个财务比率分析了这些公司在破产前3年内的数据。Coats和Fnat认为Z值模型对破产当年具有很好的判断效果,但不具有很好的提前预测效果,神经网络模型则解决了此问题。五、国内外研究简评在国内外现有的财务预警研究中,指标的选择往往基于一般的财务理论、风险理论和管理理论,有时甚至取决于研究者的直观判断以及资料的可获得性,众多研究者还没有找到令人信服的财务风险和预警理论来支撑所建立的预警模型,由此造成了各种财务预警模型的预警结论不一致,甚至相互矛盾和冲突。企业财务风险的形成和警情的出现往往在事前存在着一定的征兆,这就是财务预警的警兆,而警兆的识别需要以科学的财务风险理论和财务预警理论为基础。然而,在当前的研究中,还没有找到一种公认的理论来全面地说明财务风险的成因和财务预警的警兆因素,为此,国内外的众多研究者还在努力探索。参考文献1张鸣企业财务预警研究前沿.北京中国财政经济出版设,20042彭韶兵公司财务危机论.北京清华大学出版社,2005

注意事项

本文(企业研究论文-企业财务危机预警系统研究文献综述.doc)为本站会员(黄山道人)主动上传,人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知人人文库网([email protected]),我们立即给予删除!

温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。

copyright@ 2015-2017 人人文库网网站版权所有
苏ICP备12009002号-5