国内外财务风险预警研究文献综述.pdf

合作经济与科技2012年1月号上（总第432期） 核算 （三差异， 二差异法等） ， 找出导致结 果的原因。 进展好的， 进一步发扬， 并定期 调整原先的计划； 进展不好的， 查清原因， 采取措施纠正， 合理的超标， 要对计划进 行适当的调整。这样， 成本会计的一个周 期的基本循环也就结束了。明天开始， 我 们又要开始新一轮的循环， 但我们在不断 的进步。 总而言之， 在成本核算过程中， 对于 思路的问题，首先要打好的理论基础就 是： 拿到一张凭证， 先要分清它是属于产 品的成本， 还是不是产品的成本， 是生产 成本还是期间成本， 要分清楚它是本期的 还是下期的。对于成本核算来说， 根据权 责发生制原则， 只有本期的， 才是我们要 的。确定是本期的以后， 要分清是 A 产品 的、 还是 B 产品的、 还是 C 产品的。分清 是谁的以后，是 A 的就放到 A 产品那一 块， 归到 A 产品， 是 B 的就放 B 那一块， 归到 B 产品。然后再分别看 A、 B、 C 产品 共同的那一块， 将各产品的成本费用在各 自的在产品和完工产品之间进行分配。 这 就是我在成本会计工作中总结出的一条 成本核算思路， 也许对我们刚毕业的大学 生有用。 主要参考文献： 1万寿义， 任月君. 成本会计M . 东北财 经大学会计学系列教材， 2010. 6. 2鲁亮升. 成本会计M . 东北财经大学 出版社， 2009. 7. 3邵宏. 进一步提高会计人员素质的几 点建议J. 齐鲁珠坛， 2004. 4. 提要 财务风险在现代企业不断 发展壮大的过程中是不可避免的， 财务预 警就是借助企业财务指标和非财务指标 体系， 通过建立财务预警模型来判别企业 财务状况， 进而对企业各环节发生或可能 发生的经营风险发出预警信号。 本文对国 内外财务风险预警研究进行综述。 关键词： 财务预警； 模型； 综述 中图分类号： F23文献标识码： A 收录日期： 2011年 10月 24日 一、 企业财务预警的基本含义 企业财务预警，即财务失败预警， 是 指借助企业提供的财务报表、 经营计划及 其他相关会计资料，利用财会、统计、 金 融、 企业管理、 市场营销理论， 采用比率分 析、 比较分析、 因素分析及多种分析方法， 对企业的经营活动、 财务活动等进行分析 预测， 以发现企业在经营管理活动中潜在 的经营风险和财务风险， 并在危机发生之 前向企业经营者发出警告， 督促企业管理 当局采取有效措施， 避免潜在的风险演变 成损失， 起到未雨绸缪的作用。 二、 国外专家学者对财务风险预警的 研究 （一 ） 单变量模型 1、 1932 年， Fitzpatrick 利用单变量破 产模型，选取 19 个样本运用单个财务比 率进行预测， 结果发现判别能力最高的是 净利润/股东权益和股东权益/负债两个比 率。当时由于条件限制， 主要的研究方法 就是对正常企业和非正常企业进行财务 比率比较和经验分析。 2、 1966 年， Bwaver 利用 30 个财务比 率进行研究，发现三个比率是有效的： 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 （债 务总额/资产总额） ， 其中， 债务保障率指 标表现最好。 这可以看作是单变量模型的 开创性研究， 方法简单易行， 可操作性强， 在当时研究条件较差的情况下优势很大； 其局限性也较明显， 单一的财务比率不能 全面反映客观事实， 有可能在编制财务报 表时存在粉饰某个指标的嫌疑， 影响预测 的有效性。 （二 ） 多变量模型 1、 Z计分模型。20 世纪六十年代， 爱 德华 阿尔曼对 5 个财务比率分别给出一 定权数， 计算其加权平均数值 Z 值： Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5 其中： X1=营运资金/资产总额； X2=留 存收益/资产总额； X3=息税前利润/资产总 额； X4=股份市值/负债账面价值总额； X5= 销售收入/资产总额。 一般地， Z 值越低，企业越有可能发 生破产。若 Z2.675， 则表明企业的财务 状况良好，发生破产的可能性较小； 若 Z1.81， 则企业存在很大的破产危险。 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） 、 获利能力的指标 （X2、 X3） 和运营 能力的指标 （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。 在企 业失败前一、二年的预测准确率很高； 预 测期变长， 准确率有所降低， 距失败前五 年的预测准确率仅为 36%。 1977 年， 爱德 华又对自己的模型进行了修正，提出了 ZETA 模型。 Z 计分模型准确率相比之前的单变 量模型有很大的提高， 但是未充分考虑到 现金流量变动情况， 而且要求变量符合正 态分布的假设， 降低了模型的使用范围。 2、 Logi si t i c 回归模型。该模型属于 线性概率模型， 通过对观察对象条件概率 的观测， 来判定对象的财务状况和经营风 险。 适用于因变量是非连续的且为二分类 选择模式，将违约概率限定在 0 和 1 之 间， 并通过函数的对数分布来计算违约的 概率。在二分类判别法中假设因变量为 1 和 0，分别对应事件发生和事件不发生。 Logisitic 回归模型形式为： 国内外财务风险预警研究文献综述 文 / 王丹 （山东财政学院会计学院山东 济南 ） 财会 / 审计 91 合作经济与科技2012年1月号上（总第432期） Liln Pi 1-Pi = n j = n jXij+i 该模型使用的是最大似然估计， 似然 函数值越大，表明模型的模拟效果越好。 其最大优点是，不需要严格的假设条件， 能够克服线性方程受统计假设约束的局 限性， 具有更广泛的适用范围。目前这种 模型使用较为普遍，但其计算过程较复 杂，需要操作者具有较高的数学基础， 同 时其计算过程有近似处理， 结果将会影响 到预测的精确度。 3、 Probi t 模型。假定企业的破产概 率为 P， 样本服从正态分布， 选取的财务 指标对应 P 的分位数， 先确定企业样本的 极大似然函数， 然后通过求似然函数的极 大值就可以得到参数 ，然后就可以利 用公式求出企业的破产概率。 P0.5， 判别 为财务正常； P0.5， 即为破产型。 其公式为： P +x - 乙 （1/2姨） e -r 2/2 dt 该模型和 Logistic 模型方法相似， 但 条件严格， 计算方法相对复杂， 使用面不 如 Logistic 模型广泛。 4、人工神经网络理论和方法 （A N N ） 。 神经网络模型是一种并行分布模式处理 系统， 是由大量的简单处理单元相互联结 组成的复杂网络系统， 具有高度并行计算 能力、 自学能力和容错能力。作为非参数 的预测模型， 它克服了选择模型函数形式 的困难， 同时对样本及变量的分布特征没 有限制， 还能克服统计方面的限制， 能够 同时处理定性变量和定量变量， 具备处理 资料遗漏或是错误的能力。 然而由于理论 基础比较薄弱， 模型计算量较大， 辨别能 力不强， 人工神经网络对人体大脑神经模 拟的科学性、 准确性还有待进一步提高。 5、 递归划分分析模型。 以财务比率为 判别点建立二叉分类树， 以最低误判成本 为标准对样本企业进行分类预测。 结果发 现将破产企业误判为非破产企业的概率 要高于将非破产企业误判为破产企业。 可 以选用非财务指标和定性指标， 但复杂的 分类树结构可能引起样本的过度适应， 预 测风险高。 6、 支持向量机模型。 该模型建立在机 器学习理论基础之上， Fan A etc 采用欧 氏距离方式最大化不同类的向量之间的 距离、最小化同类的向量之间的距离， 实 现对预警指标的筛选，计算成本较低。 Van Gestel T etc 将其应用到财务危机预 警模型中， 采用最小二乘法作为支持向量 机线性学习器， 构建 LS-SVM 财务危机预 警模型， 判别准确率高达 89.91%。 三、 我国学者的主要研究 国内关于财务危机预警的研究开始 于 20 世纪八十年代中后期， 直到 1996 年 以后， 才陆续出现以企业财务数据为基础 而建立的财务危机预警模型， 并逐渐发展 起来。 1996 年周首华、 杨济华和王平， 在 Z 分数模型的基础上进行改进，选取了 31 家破产公司和 31 家非破产公司作为样本 建立模型， 并且用 4， 160 家公司的数据作 为检验样本进行验证， 该模型充分考虑了 现金流量变动情况指标， 具体模型为： F =-0.1774 +1.1091X1+0.1704X2+ 1.9271X3+0.0302X4+0.4961X5 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 存在财务风险， 判别临界点为 0.0274。 1999 年陈静选取 1998 年 27 家 ST 公司和同行业、 同规模 27 家非 ST 公司作 为样本分析。在单变量分析中， 选取了资 产负债率、 净资产收益率、 总资产收益率、 流动比率 4 个指标。 发现流动比率和负债 比率的误判率最低。 在多元判别中选取负 债比率、 净资产收益率、 流动比率、 营运资 本/总资产、总资产周转率等财务指标构 建的模型，在公司 ST 发生前三年能够较 好地对财务危机进行预测。 2001 年吴世农、卢贤义采用剖面分 析法、 单变量判定分析方法、 多元线性判 定方法进行财务危机预警研究，得出结 论： 多变量优于单变量， 且 Logit 回归模型 的判定准确性最高。 选取的预测变量有盈 利增长指数、 资产报酬率、 流动比率、 存取 负债股东权益比率、 营运资本/总资产、 资 产周转率。同年， 杨保安引入神经网络分 析方法并应用于企业财务危机判定与预 测， 选用 BP 神经网络法构建模型， 结果 显示判别正确率高达 95%。 2003 年， 杨淑娥、 徐伟刚在借鉴美国 学者 Altman 的 Z 分数模型基础上，在变 量选取方面考虑到反映现金流量方面的 比率指标和累计盈利能力的比率指标， 具 体共 12 个指标： 速动比率、 权益比率、 利 息保障倍数、 债务保障率、 来自经营活动 的现金流量总额、 总资产报酬率、 销售成 本利润率、 应收账款周转率、 存货周转率、 主营业务增长率、 资本保值率、 累积盈利 能力， 形成了 Y 模型。 四、 各种模型评述 单变量分析模型相对简单直观， 但不 能够反映企业综合财务状况， 同时使用几 个单变量， 有可能出现矛盾情况。多元线 性判别模型能够较全面反映企业财务状 况， 提高判别和预测的准确度， 变量之间 需要满足不同的假设前提， 且需要大量的 样本作为支撑， 计算相对复杂。ANN 模型 具有较好的模式识别能力， 并且具有学习 能力，无需考虑变量之间的统计关系， 能 同时处理定性和定量变量， 也同时存在结 构确定困难性、 不具解释性、 操作性差及 训练效率低的缺陷。 支持向量机模型是一 种新型的模式， 无需特殊假