（会计学专业论文）基于现金流量的广东制造业财务风险预警研究.pdf

摘要 摘要 经过迅猛发展，广东成为领先全国的工业大省之一，更是成为我国最重要的制 造业基地之一，以劳动密集型为主的产业，以低成本、低技术含量、缺乏自主品牌、 低附加值、缺乏核心竞争力为基本特征。随着金融危机和人民币升值的来袭，以外 源经济为主要特征的广东制造业面临着更大的风险，迎来了更大挑战。广东制造业 作为我国国民经济的重要支柱，如果发生财务风险，将会使整个国民经济遭受重创。 因此在这样的背景下，对广东制造业进行财务风险预警分析，具有极其重要的研究 意义。 本文首先对有关现金流量和财务风险预警的理论进行介绍。接着描述广东制造 业的发展现状，介绍广东制造业所面临的主要财务风险及其独具特点，结合广东制 造业的特征，建立了一个基于现金流量的广东制造业财务风险预警指标体系，根据 建立的指标体系构建了一个b p 神经网络模型，来进行财务风险预警研究。根据已 构建的预警模型，展开了模型的实证研究过程，通过两次指标筛选，选取了六个主 因子，同时赋予相应的解释，并选择六个代表指标。将总样本按比例分，使用其中 的4 5 家正常企业和8 家s t 企业对神经网络模型进行训练，并使用剩余的2 2 家正 常企业和4 家s t 企业对训练完毕的模型有效性进行验证，证实了该模型具有较高 的预测准确性。最后在研究的基础上对完善广东制造业风险控制提出了相关建议。 关键词：广东，制造业，现金流量，财务风险预警，b p 神经网络 广东工业大学硕士学位论文 a b s t r a c t a f t e rr a p i dd e v e l o p m e n t ，g u a n g d o n gm a n u f a c t u r i n gi so n eo ft h el e a d i n gn a t i o n a l i n d u s t r y ，a n di ti sb e c o m eo n eo ft h em o s ti m p o r t a n tm a n u f a c t u r i n gi nc h i n a g u a n g d o n g m a n u f a c t u r i n gh a si t so w nb a s i cc h a r a c t e r i s t i c s ，f o re x a m p l el a b o rd e n s e n e s so fi n d u s t r y w i t hl o wc o s t ，l o wt e c h n o l o g yc o n t e n t ，t h el a c ko fi n d e p e n d e n tb r a n d s ，l o wv a l u e - a d d e d a n dl a c ko fc o r ec o m p e t i t i o n w i t ht h ef i n a n c i a lc r i s i sa n dt h ea p p r e c i a t i o no ft h e r e n m i n b i si n c o m i n g ，g u a n g d o n gm a n u f a c t u r i n gw h i c he x o g e n o u se c o n o m yi st h em a i n c h a r a c t e r sw o u l df a c et h eg r e a t e rr i s k sa n dt h eb i g g e rc h a l l e n g e i ft h e r e saf i n a n c i a lr i s k ， i tw i l lm a k et h ee n t i r en a t i o n a le c o n o m ys u f f e r e das e v e r eb l o w ，a sg u a n g d o n g m a n u f a c t u r i n gi n d u s t r yi sa l li m p o r t a n tp i l l a ro fo u rc o u n t r y se c o n o m y i nt h i sc o n t e x t ，i t h a st h ee x t r e m e l yi m p o r t a n tr e s e a r c hs i g n i f i c a n c ef o rt h es t u d yo nf i n a n c i a lr i s ke a r l y w a r n i n go fg u a n g d o n gm a n u f a c t u r i n g f i r s t l y , t h i sp a p e rf i r s ti n t r o d u c e st h ec a s hf l o wa n df m a n c i a lr i s ke a r l yw a r n i n g t h e o r y s e c o n d l y , t h i sp a p e rd e s c r i b e st h ed e v e l o p m e n to ft h ep r e s e n ts i t u a t i o no ft h e ： m a n u f a c t u r i n gi n d u s t r yi ng u a n g d o n g ，i n t r o d u c e st h em a i nf i n a n c i a lr i s ki tf a c e sa n di t s u n i q u ec h a r a c t e r i s t i c s t h i r d l y ，a c c o r d i n g t o t h ec h a r a c t e r i s t i c so f g u a n g d o n g m a n u f a c t u r i n g ，e s t a b l i s h e dae a r l yw a r n i n gi n d e xs y s t e mb a s e do nc a s hf l o w f o u r t h l y ，i t c o n s t r u c t sab pn e u r a ln e t w o r km o d e lf o rt h ef i n a n c i a lr i s ke a r l yw a r n i n gr e s e a r c h o n t h er e s e a r c hp r o c e s s ，i ts e l e c t ss i xf a c t o r sw h i c hg i v e nt h ec o r r e s p o n d i n ge x p l a n a t i o n t h r o u g ht h et w os c r e e n i n ga n ds e l e c t ss i xr e p r e s e n t a t i v ei n d e x a c c o r d i n gt op r o p o r t i o n d i v i d e d7 9c o m p a n i e si n t ot w og r o u p s ，5 3c o m p a n i e sw i l lb eu s e df o rn e u r a ln e t w o r k m o d e lt r a i n i n g ，a n dt h er e m a i n i n g2 6c o m p a n i e sw i l lb eu s e df o rm o d e la u t h e n t i c a t i o n t h er e s u l t ss h o wt h a tt h em o d e lh a sh i g h e rf o r e c a s ta c c u r a c y f i n a l l yi no r d e rt of u r t h e r p e r f e c tt h er i s kc o n t r o lo ft h em a n u f a c t u r i n gi n d u s t r yi ng u a n g d o n gi tp u t sf o r w a r d e f f e c t i v es u g g e s t i o n s k e yw o r d s ：g u a n g d o n g ；m a n u f a c t u r i n gi n d u s t r i e s ；f i n a n c er i s kw a r n i n g ；b pn e u r a l n e t w o r k l l 广东工业大学硕士学位论文 c o n t e n t s a b s t r a c t ( c h i n e s e ) i a b s t r a c t ( e n g l i s h ) c h a p t e r li n t r o d u c t i o n 1 1 1b a c k g r o u n do f t h er e s e a r c h 1 1 2o b j e c t i v ea n d s i g n i f i c a n c eo f t h er e s e a r c h 1 1 3l i t e r a t u r er e v i e w 2 1 3 1c u r r e n tr e s e a r c hi nr e l a t i v ef i e l d so v e r s e a s 2 1 3 2c u r r e n tr e s e a r c hi nr e l a t i v ef i e l d sd o m e s t i c 4 1 3 3c o m m e n to nt h er e l a t i v er e s e a r c h 6 1 4t h er e s e a r c hs 缸u c t l l l - ea n dc o n t e n to f t h et h e s i s 一7 1 4 1t h er e s e a r c hi d e a sa n dm e t h o d so f t h et h e s i s 7 1 4 2t h er e s e a r c hc o n t e n to f t h et h e s i s 9 c h a p t e r 2t h e r e l a t i v ec o n c e p ta n dt h e o r yo ff i n a n c el u s k 。10 2 1d e f i n i t i o no f r e l a t i v ec o n c e p to ni u s ka n df i n a n c er i s k 1 0 2 1 1r i s k j ：i 1 0 2 1 2f i n a n c er i s k 1 0 2 1 3t h er e a s o no f f i n a n t er i s k 1 l 2 2 t h er e l a t i v ec o n c e p to fc a s hf l o wa n dt h eb a s i ct h e o r yo ff i n a n c ei u s k 1 1 2 2 1c a s hf l o w 11 2 2 2c a s hf l o wa n df i n a n c er i s k 11 2 2 3e a r l yw a r n i n go f f i n a n c er i s k 1 3 2 3s u m m a r yo f t i l i sc h a r p t e r 1 3 c h a p t e r 3t h ec u r r e n ts i t u a t i o no fm a n u f a c t u r i n gi n d u s t i e sf i n a n c i a lr i s ke a r l y w a r n i n gi ng u a n g d o n g 1 4 3 1t h ec u r r e n ts i t u a t i o no f m a n u f a c t u r i n gi n d u s t r i e si ng u a n g d o n g 1 4 3 1 1h i g h d e g r e eo ff i n a n c i a ld e p e n d e n c e 。1 4 3 1 2h i 曲l i g h t so f f i n a n c er i s k 1 5 3 1 3r e a s o n so ff i n a n c er i s k 16 3 2t h ec u r r e n ts i t u a t i o no f m a n u f a c t u r i n gi n d u s t r i e si ng u a n g d o n g 1 6 ：；2 1e x t e m a lr i s k 1 6 3 2 2i n t e r n a lr i s k 1 8 v i c o n t e n 岱 3 3t h ec u r r e n ts i t u a t i o no f f i n a n c i a lr i s ke a r l yw a r n i n gi ng u a n g d o n g 19 3 4s u m m a r yo f t h i sc h a r p t e r 2 1 c h a p t e r 4t h ec o n s t r u c t i o no fm a n u f a c t u r i n gi n d u s t r i e si n f i n a n c el u s ke a r l y w a r n i n gm o d e l 2 2 4 1t h ei n d e xl i m i t m i o n so f t r a d i t i o n a lf i n a n c i a lr i s kw a r n i n g 2 2 4 2t h ei n d e xo ft h ef i n a n c i a lr i s kw a r n i n go fc a s h f l o wi nt h es u p e r i o r i t y 2 2 4 3t h es e l e c t i n go f f i n a n c er i s ki n d e xo nm a n u f a c t u r i n gi n d u s t r i e si ng u a n g d o n g 。2 3 4 3 1t h es e l e c t i n gp r i n c i p l e so f c a s hf l o wf i n a n c ei n d e x 2 3 4 3 2c o n s t r u c t i o no f c a s hf l o wf i n a n c ei n d e xs y s t e m s 2 3 4 4t h ec o n s t r u c t i o no f b pn e u r a ln e t w o r k 2 8 4 4 1t h es e l e c t i n go fw a m i n gm e t h o d s 2 8 4 4 2t h ea d v a n t a g e so fb pn e u r a ln e t w o r k 2 9 4 4 3a l g o r i t h mo f b pn e u r a ln e t w o r k 2 9 4 4 4t h er e a l i z i n go f t h ep r o g r a md e s i g n i n go f b pn e u r a ln e t w o r k 3 0 4 5s u m m a r yo ft i l i sc h a r p t e r 31 c h a p t e r 5e m p i r i c a ls t u d yo nf i n a n c er i s ke a r l yw a r n i n gm o d e lo fm a n u f a c t u r i n g i n d u s t r i e si ng u a n g d o n g ：；：1 5 1c o l l e c t i o na n dt r e a t m e n to f t h es a m p l e 3 2 5 2t h es c r e e n i n go f t h ew a r n i n gi n d e xb a s eo nc a s hf l o w 3 2 5 2 1t h ef i r s ts c r e e n i n g s i g n i f i c a n ta n a l y s i s 3 2 5 2 2t h es e c o n ds c r e e n i n g - - f a c t o ra n a l y s i s 3 4 5 3e m p i r i c a la n a n l y s i so fm a n u f a c t u r i n gi n d u s t r i e sf i n a n c e 砒s kw a r n i n gm o d e l i ng u a n g d o n g 3 7 5 3 1d e f i n i t i o no f t h es t r u c t u r eo f t h em o d e l 3 7 5 3 2t h et r a i n i n go f m o d e l 3 8 1 ；3 3t h ee x a m i n a t i o no f m o d e l 3 9 5 4c o n c l u s i o n o f t h ee m p i r i c a la n a n l y s i s 3 9 5 5s u m m a r yo f t h i sc h a r p t e r 4 0 c h a p t e r 6p r o p o s a lo fi m p r o v i n gt h ef i n a n c er i s kc o n t r o l l i n go hc a s hf l o wo ft h e m a n u f a c t u r i n gi n d u s t r i e si ng u a n g d o n g 4 1 6 1c o n s r t u c tm a n a g e m e n ti n f o r m a t i o ns y s t e mo nt h ec o r eo fc a s hf l o wm a n a g e m e n t 41 6 2e f f o r t st oa c h i e v ee n t e r p r i s ec a s hf l o ws y n c h r o n i z a t i o n 4 1 6 3k e e pt h ec a s hf l o ws m o o t h l y 4 2 v i i 广东工业大学硕士学位论文 6 4t os p e e du pt h ea c c o u n t sr e c e i v a b l er e c o v e r y , r e v i t a l i z et h ew o r k i n gc a p i t a l 4 2 6 5p r o m o t et h eu p g r a d i n go ft h ei n d u s t r i a ls t m c t u r e ，a n di m p r o v et h ea b i l i t y o fi n d e p e n d e n ti n n o v a t i o n 4 2 6 6s u m m a r yo f t h i sc h a r p t e r 4 3 s u m m a r ya n do u t l o o k 4 4 r e f e r e n c e s 4 6 p u b l i s h e dp a p e r sd u r i n gt h ea c a d e m i cf o rd e g r e e 4 9 d e c l a r a t i o no fo r i g i n a l i t y 5 0 d e c l a r a t i o no fd e g r e et h e s i sc o p y r i g h ta u t h o r i z e dt ou s e 5 0 a c k n o w l e d g e m e n t s 5 1 a p p e n d i x 5 2 v i i i 第一章绪论 1 1 研究背景 第一章绪论 中国制造业发展异常迅速，己成为国民经济的主要支柱之一。广东拥有其独特 优势，通过引进和吸收外资，在经济发展等方面取得显著成就，广东制造业就像一 辆开在中国制造业前排的列车。然而进入2 l 世纪以来，在世界金融危机的大背景下， 以及人民币升值、新劳动法实施等各项原因的冒出，企业的利润迎来了压力，增长 空间更是遭到了压缩，都进行了不同程度减负，准备抵御制造业的寒冬。广东制造 业作为国民经济的重要支柱，如今正面临巨大挑战，不少企业纷纷关闭。广东制造 业面临前所未有的挑战，如果发生财务风险，将会使整个国民经济遭受重创。所以 对广东制造业进行财务风险研究有助于稳定我国国民经济。 而现金流对企业的生存与发展有着重大的影响，现金流量分析能更加准确地反 映企业经营质量与运营成果。企业的现金流量包含着丰富的财务信息，所以越来越 受到广大企业投资决策者的重视，现金流量分析更多地运用到了分析企业的盈利能 力、支付能力、长短期偿债能力等方面。因此用现金流量来分析预测财务风险具有 一定的意义和可行性。本文将研究在对国内外有关财务风险预警理论以及方法基础 上，结合广东制造业自身的特征，结合现金流量指标，构造适用广东制造业财务风 险预警指标体系，建立财务风险预警模型，能否可以对其进行跟踪、监测呢? 针对 广东制造业的特征，能否构建特定的财务风险预警模型并结合以上的结果，对广东 制造业财务风险发生的可能性作出科学合理性的预测和判断呢? 为广东制造业企业 财务风险预警提供参考，给企业经营管理提供方法指导。 1 2 研究目的和意义 我国的财务风险预警研究相对于国外比较晚，理论基础比较薄弱。由于国外经 济状况、政策法规等与我国国情都不尽相同，所以目前国外许多比较成熟的财务风 险预警模型也不一定适用于我国的研究。在财务风险预警方面，我国相关的学者取 得了一定的研究成果，在制造业行业也做过一些的研究分析，但相对来说，他们还 是较少重视现金流量指标的作用，因此其在研究方法的选取具有一定的局限性，比 l 广东工业大学硕士学住论文 较少采用现金流量指标进行制造业特别是广东制造业的研究。所以本文的目的就是 针对广东制造业本身特征，力求构建一个适合广东制造业的财务风险预警模型，对 完善现有区域性财务风险预警的研究具有重要的意义。 在实际应用上，对于有关部门以及相关利益者来说，都有着具体的实际意义： 1 对企业的财务运营过程中无论从跟踪、监控，预测等方面来说都是十分必要 的，企业投资者可以在财务风险刚要出现的时候，处理相关投资以减少损失，经营 者则能够在财务风险萌芽时，就采取相对应的措施，规避潜在的财务风险，而其他 相关的利益者同样可以在预警信号的提醒协助下，采取必要的措施进行有效管理。 2 有利于提高公司经营者的管理水平，可以通过有效的财务风险预警系统， 实行事前监控，能提高企业的经营管理水平，使管理者当局能够及时发现问题，分 析问题，解决问题以及采取有效措施，扭转公司经营状况恶化的趋势，最大限度地 避免减少损失，促进企业稳步健康发展。特别对于上市公司来讲，尽早发现财务风 险信号，可以减少其在会计、审计等方面所支付的费用。 3 可以为相关的政府管理部门制定相关制度和规范提供依据。这些制度和规范 有大部分是针对企业出现财务风险以后的相关措施，不言而喻带有一定滞后性，所 以构建一个合理的财务风险预警模型，对于企业出现财务风险征兆可以在一些财务 指标特别是现金流量指标上显示出来，也即进行事前监管，防止财务风险扩大化， 对于相关政府部门具有重要的指导意义。 1 3 文献综述 1 3 1 国外研究动态 国外对财务风险预警的研究较早，最初，人们只是对企业破产进行定性分析， 随着数学及统计学的发展，定量分析逐渐发展并不断完善。国外财务风险预警领域 主要有以下研究成果： 1 3 1 1 单变量模型 最早用统计方法进行财务风险预警研究的是1 9 3 2 年，f i t zp a t r i c k 以1 9 家公 司为样本，运用单个财务比率将样本划分为破产和非破产两组进行研究，他发现判 别能力较高的是净利润股东权益和股东权益负债两个比率，自此开创了财务风险 2 第一章绪论 预警实证研究的先河。 1 9 6 6 年，美国的b e a v e r 对1 9 5 4 1 9 6 4 年间7 9 家失败企业和相对应的7 9 家成 功企业进行一元判定分析，研究个别财务比率的长期走势可以预测公司面临的危机 状况刳。 为了克服单变量分析法存在的诸多缺陷，其他的单变量模型如资产负债分解模 型( b a l a n c es h e e td e c o m p o s i t i o nm o d e l ) 、赌徒理论( g a m b l e r 7 sr u i n ) 等应运 而生。由于各种单变量模型均存在无法全面地反映企业财务特征的缺陷，从而逐渐 被多变量方法所替代1 。 1 3 1 2 多元线性判别模型 2 0 世纪6 0 年代，纽约大学的爱德华阿尔曼教授提出了著名的z 分数模型。z 分数模型是采用多元线性函数的模式，对企业的财务状况进行预测的一种模型，初 步实现了经济学家关于财务预警的梦想。他从2 2 个财务比率中筛选出的5 个主要财 务指标为最佳判别变量，以1 9 7 2 1 9 7 8 年间7 6 家失败公司与3 8 8 0 家正常公司为t ， 样本，研究结果表明p r o b i t 模型能有效降低预测误差，进一步推动了财务预警的发 展引。 1 3 1 3 逻辑回归模型 1 9 8 0 年o h l s o n 分别使用了多元逻辑回归方法和多元条件概率模型分析了 1 9 7 0 - 1 9 7 6 年间破产的1 0 5 家公司和2 0 5 8 家非破产公司组成的非配对样本，分析了 样本公司在破产概率区间上的分布以及两类错误和分割点之间的关系，逻辑回归分 析方法使财务预警得到了重大改进，克n t 传统判别分析中的许多问题h 1 。 1 3 1 4 人工神经网络模型 2 0 0 6 年，c l a r e n c et a n 在总结已有人工神经网络预警模型的基础上，在对银 行财务预警的方法中，采用了人工神经网络与遗传算法相结合模型方法，并对其进 行了检验，证实了模型的有用性引。2 0 0 7 年，l i n gz h a n g ，e d w a r di a l t m a n s h o u c h e n 将多元线性分析和人工神经网络技术同时引入到对中国1 6 4 家上市公司的财务 风险预警研究中。 广东：r - i k 大学硕士学位论文 1 3 1 s 加入现金流量指标 b l u m 在1 9 7 4 年以现金流量观点来评估企业发生财务危机的可能性，使用多变 量判别分析研究方法，构建了一个包括“净现金流量占总负债比率”的财务危机预 警模型。该模型在企业发生财务危机前5 年的预测精度能能达到7 0 以上h 1 。 a z i z ，e m a n u e l ，l a w s o n 在1 9 8 8 年发展了现金流量信息预测财务风险模型。他 们发现在破产前5 年内两类公司的经营现金流量均值和现金支付的所得税均值有显 著的差异，接着比较了z 模型、z e t a 模型、现金流量模型预测企业发生财务风险的 精度，结果发现现金流量模型的预测精度较高阳3 。 1 3 2 国内研究动态 1 3 2 1 国内关于风险预警的研究 1 9 8 6 年，吴世农、黄世忠曾撰文介绍企业破产的财务分析指标及其预测模型， 其后对企业财务风险的分析仅限于经验分析或规范论证，而未进行相关的实证研究 1 1 o 1 9 9 6 年周首华等提出了f 分数模型，通过更新指标和扩大样本数对z 计分模型 进行了修正，在模型中考虑了现金流量方面的财务指标。但f 分数模型的研究对象 并不是中国的证券市场n 刳。 2 0 0 0 年张玲选取了深沪两市涉及1 4 个行业共计1 2 0 家上市公司为样本，实证 研究发现，线性判定模型具有超前4 年的预测效果“钔。 2 0 0 1 年吴世农、卢贤义以我国上市公司为对象，选取了7 0 家处于财务困境的 公司和7 0 家财务正常的公司为样本，确定6 个为预测指标，应用一元线性判定分析 方法，分别建立三种预测财务风险的模型。三种模型均能在财务困境发生前作出相 对准确的预测，相对同一信息集而言，逻辑回归模型的误判率最低，财务困境发生 前1 年的误判率仅为6 4 7 n 4 1 。 2 0 0 5 年肖彦、严兴来在财务风险预警过程中利用e v a 指标尝试将这一指标应用 到上市公司财务风险预警中。研究表明基于e v a 值判断上市公司财务风险发出的信 号的准确率明显上升n 6 l 。 2 0 0 6 年张根明、向晓骥和王殊伟采用b p 神经网络法，建立了制造业上市公司 4 第一章绪论 财务风险预警模型。研究结果表明与没有区分行业的通用财务风险预警模型相比， 分行业的b p 神经网络财务风险预警模型的预测准确率较高n 7 1 。 2 0 0 8 年，杨娟针对中小企业的财务现状，提出以现金流量为基础构建中小企业 财务预警系统的基本思路，并指出中小企业建立财务预警系统应注意的几个问题 1 8 3 0 2 0 0 9 年，李嵘，王志仁，王清运用b p 神经网络对我国制造业的上市企业进行 实证研究，通过显著性检验对指标进行筛选，并建立单纯依靠财务指标的b p 神经网 络财务预警模型，比较引入非财务指标后的模型的预测效果，得出引入非财务指标 后的b p 神经网络财务预警模型更加精确n 钔。 1 3 2 2 国内关于制造业企业财务风险预警研究动态 国内学者对于制造业企业财务风险预警的研究主要有： 2 0 0 4 年，李莉以制造类企业为研究对象，以企业是否因“财务状况异常 而被 特别处理为界定其是否陷入财务风险的标志，并结合制造类企业的特点以及亏损情 况的全面分析，以现金流量为基础建立财务风险预警指标体系，运用单因素指标对 比分析和多元指标的综合分析对制造类企业进行财务风险预警实证分析晗们。 2 0 0 6 年，邸红娜针对我国制造业，以2 0 0 2 到2 0 0 5 年间沪深两市a 股市场制造 业上市公司为研究对象，把连续两个会计年度净利润为负或一个会计年度的每股净 收益低于股票面值而被特别处理的上市公司界定为财务困境公司，并按照同行业、 同时期、近规模的原则，配对财务健康公司，一同作为神经网络模型的训练样本和 检验样本。应用t 检验，对涵盖企业财务状况方方面面的5 9 个财务指标进行筛选， 选出了1 2 个对企业陷入财务困境有显著判别能力的指标作为b p 神经网络的输入变 量，并对b p 神经网络进行改进，建立制造业财务困境预警模型心。 2 0 0 8 年，钱爱民，张淑君，程幸以自由现金流量为基础构建财务预警指标体系， 全面评价企业的偿债能力、营运能力、收益质量和财务弹性，并运用主成分分析和 逻辑回归方法对中国机械制造业a 股上市公司2 0 0 2 年至2 0 0 6 年的数据进行分析。 研究发现不同的s t 、非s t 公司比例组合成的样本预警效果不同，自由现金流量指 标体系可以提前两年对公司财务风险做出较为准确的预警乜2 1 。 2 0 0 9 年，易强分别从样本信息的显著性和重复性两个角度对预警模型的初始变 量逐步进行预处理。为了避免指标之间多重共线性对模型的影响，再采用主成分分 s 广东工业大学硕士学住论文 析法对上一步骤筛选出的指标进行进一步分析以确定模型的自变量，采用逻辑回归 分析模型并以时间为纵向维度，自变量类型为纵向维度，构建出九个模型，得出预 警精度与模型所含自变量类别的多少呈正相关关系，与预警期间( 判别时间与危机发 生时间的距离) 呈负相关关系瞳朝。 2 0 1 0 年张艳秋以选定的现金流量指标对制造业企业进行差异性检验和相关性 检验，在对制造业s t 公司与非s t 公司的现金流量指标均值进行比较的基础上， 分别采用非参数检验的w i l c o x o n 符号秩检验和参数检验的t 检验进行差异性检 验，检验结果显示，w i l c o x o n 符号秩检验和t 检验的结果非常接近心钔。 2 0 1 1 年，肖芬芬通过分析从单变量和多变量两个方面介绍了不同的财务风险预 警模型，选择应用l o g i s t i c 回归模型对制造业上市公司财务预警经行研究，最后运 用模型对制造业上市公司2 0 1 1 年的财务状况经行预测乜 。崔洁借助因子分析法对 1 8 个指标进行浓缩，然后对浓缩后的五个因子进行l o g i s t i c 回归分析，以达到简 化变量降低维数的目的，来分析与制造业上市公司财务风险最为密切的因素。终建 一立l o g i s t i c 回归模型。将这两种分析方法结合起来使用，使得指标体系的影响因子 高度集中，繁简适度，可控性强，得出的数据也较为准确，能够实现建立最优化预 测模型的的目的口引。 2 0 1 1 年，聂丽洁，赵艳芳等通过因子分析和多元判别分析相结合的方法，分别 采用传统财务指标体系、现金流指标体系和传统财务指标与现金流指标的混合体系 为变量，进行我国制造业公司的财务风险预警分析。研究表明：现金流指标体系比 传统财务指标体系有更高的预测精度和更低的错判率；混合两种指标处理后，预测 精度比传统财务指标高，但低于现金流指标，错判率和现金流指标大致相同。构建 的现金流指标体系有能力单独进行财务风险预警瞳6 1 。 1 3 3 研究评述 通过文献回顾，可以看出大部分财务风险预警研究没有考虑到各个行业和各个 区域的特征，针对某一具体区域的财务风险预警研究还比较少，由于各方面的原因， 基于现金流量指标的有关财务风险预警的研究也比较少，而现在的经济发展过程中， 现金流量的重要作用越来越突出，现金流量更能真实地反映企业的财务状况。在财 务风险预警方面，我国取得了很大的进展和成果，在起步阶段着重于对理论的完善， 6 第一章绪论 随后在各行业得以很好的应用。然而对于广东制造业的财务风险研究的展开，如何 科学合理地选取现金流量指标? 如何对指标进行筛选? 及如何对处理后的的现金流 量指标进行构建模型，对广东制造业进行财务风险预警? 这些疑问都将有待进一步 分析研究。 1 4 逻辑框架和研究内容 1 4 1 研究思路和方法 本文针对所要研究的问题，通过有关文献的回顾和相关理论的分析，例如有关 现金流量和财务风险理论的分析，为初始变量挖掘设计的理论依据，通过筛选分析， 确立预警模型方法。 本文研究方法： 在理论部分，通过归纳分析方法对风险、财务风险和现金流量相关的理论进行 归纳分析，并对广东制造业财务风险预警现状进行归纳分析。 在设计财务风险预警指标体系时，主要运用定性分析方法和对比分析方法，通 过对传统指标体系和基于现金流量的新指标体系的理论分析，定性的比较了两种指 标之间的优劣势，设计出一套适合本文的指标体系。 在对财务风险预警指标进行筛选时，采用了显著性分析方法和因子分析方法， 通过两次的指标筛选，筛选出最能有效显著地区别s t 公司和非s t 公司和反映企业 全貌的六个代表性现金流量指标。 在构建财务风险预警模型的过程中，主要运用实证分析方法，利用定性分析设 计的指标体系，运用上市公司的财务数据，建立b p 神经网络模型进行实证分析。 本论文的逻辑框架如图1 - i 所示。 7 广东工业大学硕士学住论文 一、 绪论 i 财务风险预警相关理论基础 上上 基本概念的界定财务风险预警与现金流量的相关理论 上 广东制造业的财务风险预警现状 上上 广东制造业现状广东制造业预警现状 上 一 广东制造业财务风险预警模型的构建 ii ： 基于现金流量财务风险预警指标体系预警指标的筛选 i 上 广东制造业财务风险预警模型的实证研究 ii 财务风险预警模型的建立财务风险预警模型的检验 上 完善广东制造业财务风险控制的建议 占 结论和展望) 图卜1 逻辑框架图 8 第一章绪论 1 4 2 研究内容 本文是通过对广东制造业财务风险现状进行分析，就广东制造业自身的特征， 建立适用于广东制造业的财务风险预警模型，并对模型进行有效性的实证研究。 研究内容主要如下： 第一部分介绍本文的研究背景、目的和意义、国内外研究现状综述以及逻辑框 架和研究内容。 第二部分是对财务风险预警相关理论的叙述。介绍财务风险和现金流量的基本 概念，总结现金流量与财务风险预警相关的相关理论。 第三部分描述了广东制造业的财务风险预警现状。 第四部分为广东制造业财务风险预警构建基于现金流量的模型。包括财务风险 指标的筛选、预警方法的选择和模型的如何构建等。 第五部分为广东制造业财务风险预警的实证部分。通过筛选，选取了6 7 家正 常公司和1 2 家s t 公司2 0 1 0 年年度的数据，利用其中的5 3 家公司，包括4 5 家正常 公司和8 家s t 公司的数据，建立关于广东制造业财务风险预警模型，并使用剩下的 f 2 6 家公司的数据作为验证样本，对模型的有效性进行验证。 第六部分是提出完善广东制造业财务风险控制的建议。 最后是结论和展望，