时间：2023-06-08 11:00:39
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇财务预警分析，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
随着市场经济体制改革的进行，不但给我国企业带来了机遇也给其带来了很多的风险。企业应该重视内控机制的完善，建立现代企业制度，帮助企业更好的化解存在的财务水平，切实提高企业财务管理水平。现在，很多企业陷入困境的原因都是财务风险的存在，若是能够及时发现财务管理过程中存在问题，便能够对财务风险进行预测，来降低风险给企业造成的影响。
一、我国企业财务预警现状和存在的问题
(一)我国企业财务预警现状
在我国绝大多数的中小企业组织机构都不够健全，管理时也不够科学，企业运营水平较低，企业管理水平无法跟上企业规模的扩大，二者不协调。企业在进行发展战略制定时也没有全面的考虑到外部环境，这也导致了宏观经济调整时，企业比较被动。并且很多中小企业本身的财务风险比较高，财务状况瞬息万变，实施财务预警系统存在较大的难度[1]。我国有些上市公司已经进行了财务预警系统的建立，但是仅仅通过系统进行数据分析和计算，对于预警系统的变化不够关注，更没有针对其变化分析原因，这也导致其作用很难发挥出来。
(二)企业财务预警方面存在的主要问题
1.认识不到位
现在我国很多企业的领导都对生产和营销比较重视，对于财务管理不够重视，或者是只关注企业的利润变化，没有认识到财务管理的重要性，也没有从财务分析方面出发帮助企业做好经营管理工作，这样给财务分析正常进行和作用发挥造成了很大影响。
2.指标构建存在一定问题
首先，选取财务指标科学性和全面性不够，行业不同，财务指标预警标准存在一定差别，就财务比例而言，工业企业中流动比例为2:1会比较合理，而在商业企业中，其流动比率标准要比这个数值低。现在很多企业在进行财务预警系统建立时，选取指标比较盲目，导致了企业选择的指标无法将企业财务状况反映出来，财务预警系统的功效更是不可能发挥。其次，非财务指标选择存在问题，现在很多制定的预警指标针对的主要是财务，很少考虑到那些和财务无关的指标。企业财务危机是否出现不但由财务指标决定，还和非财务指标有着直接关系，而这些非财务指标也会给预警系统有效性造成影响[2]。
3.技术分析存在一定问题
首先，会计信息真实性较差，财务预警系统建立的基础便是真实和全面的财务信息。在工作开展过程中，由于受到各种因素的影响，企业报表资料往往景观了包装，会计信息失真情况严重，这也给财务预警系统有效性造成了很大影响。其次，分析过程存在片面性，比如过度重视客观分析，轻视主观分析等。最后，对象分析存在狭隘性，随着经营活动的不断进行，企业资金也会不断的发生变化，并且企业的实际经营情况也会直观的反映在资金变动中，通过资金变动情况的分析，便能够了解企业经营情况[3]。但是在分析时，往往只重视资金方面的变化，没有分析业务活动的进行给资金变化造成的影响。
4.预警机制存在问题
首先预警机制不够完善，很多企业没有做好时候信息分析，并进行信息的反馈，这样直接导致了财务预警系统构架缺失，预警机制没有得到完善。其次，财务预警后续管理欠缺，后续管理不到位，直接导致了经验和教训无法吸取，出现类似问题时，企业反映不够及时，不能给后期经营管理提供经验。
二、完善企业财务预警机制的措施
(一)全面科学的认识财务预警机制
想要做好财务预警工作，首先必须认识到其重要性，领导必须将其作为经营管理的重要手段和方法，进行财务预警分析制度的建立，并通过措施不断的提高企业的管理质量。其次，财务管理人员必须认识到财务管理以及预警分析对企业管理造成的影响，切实提高分析质量，提高企业的效益[4]。
(二)确保构建的财务预警体系真正的科学合理
首先应该根据相关原则进行财务预警指标体系的构建，其原则包含了下面几点，分别是敏感性、针对性、可操作性、重要性以及全面性原则。其次，应该重视预警模型变量选择范围的拓宽，确保其合理性；再次，对于非财务指标的引进必须慎重，只有全面了解企业出现困境的原因，才能够提高预测能力。最后，还应该进行长期财务预警分析指标体系和短期财务预警分析指标体系的建立，并将二者结合起来。
(三)企业必须重视财务预警分析技术的提高
首先应该重视会计基础工作的加强，确保会计信息真实可靠。其次，需要完善财务分析制度，保证期科学性，做好人员选拔工作，明确每一个工作人员的目标和责任。最后，还应该根据实际情况，做好调查分析，分析时应该做到有的放矢，直接了当，提高其针对性[5]。
(四)重视内部预警机制的完善
首先应该完善内部预警机制的事前、事中以及事后三重机制，将预警系统功能全面的发挥出来。其次，需要进行对策库的建立，及时的收集相关的数据，确保在遇到类似问题时，能够快速有效的提出解决方案。
三、结语
在企业财务管理过程中，财务预警是非常重要的环节和内容。但是我国目前很多企业并没有真正认识到财务预警分析的重要性，操作过程也不够规范，通过笔者的研究，希望能够给企业财务预警机制完善提供一定帮助。
参考文献：
[1]牛怡然.中小企业财务风险的预警与控制[J].中小企业管理与科技(上旬刊),2011,(02):108-109.?
[2]朱大华.企业财务风险预警指标体系建立初探[J].会计之友,2011?(26):55-56.?
[3]郑鹏,李雅宁.企业财务风险预警指标体系改进的研究[J].天津大学学报(社会科学版),2012,(06):502-507.?
关键词：多变量财务预期模型 实证 比较分析
一、引言
随着我国市场经济体制改革的不断深化和资本市场的快速发展，现代企业由于外部市场竞争的加剧和内部经营管理的不善，不少公司也出现了财务危机。为了在激烈的市场竞争中求生存谋发展，企业有必要对其自身的财务状况进行预警分析，以应对各方面的风险，并防范财务危机的发生。
到目前为止，企业财务预警的研究已经积累了丰富的研究成果，即建立了多种财务预警模型对企业财务危机进行预测，并且已做了大量的实证研究。财务预警模型有单变量财务预警模型和多变量财务预警模型，但由于单变量财务预警模型只对单个财务比率的趋势分析，没有哪一个比率能够概括企业财务的全貌；另外，某些财务比率有可能被公司管理者进行过粉饰，单一的依靠某一比率做出的预测不一定可靠。因此，多变量财务预警模型逐步取代单变量财务预警模型成为广泛应用的模型。虽然多种多变量财务预警模型为现代企业预测财务状况提供了多种选择，但由于每种模型有其各自的前提条件以及模型自身的特点，这使得从众多模型中挑选出一种最具代表性的模型的可能性大大降低了。基于此，本文就国内外学者对各种多变量财务预警模型的实证研究情况进行总结和比较。通过对多种多变量财务预警模型的实证情况进行比较，一方面可以充分展示我国财务预警实证研究的发展状况；另一方面对我国财务预警实证研究存在的问题进行总结，就财务预警实证研究的未来发展方向提出建议。此外，也为多变量财务预警模型的相关使用者选择一种适合自己的预警模型提供了依据。
二、多变量财务预警模型的基本原理
国内外常用的多变量财务预警模型主要有以下四类：
2.1多元线性判定模型
多元判定模型中最著名的模型是美国 Altman（1968）的Z分数模型：Z=0.12XI+0.14X2+0.033X3+0.006X4+0.001X5，其中x1、x2、x3、x4、x5是五个财务指标。根据判别方程可以把单个企业的各种财务比率转换成单一的判别标准，或称为Z值，根据Z值将企业分为“破产”或“非破产”两类。国内学者周首华等（1996）以Altman的Z分数模型为基础构建了F分数模型，该模型加入了现金流量预测指标体系。
2.2主成分模型
该模型是国内学者张爱民等（2000）借鉴Altman的多元z值判定模型，运用统计学的主成分分析方法建立的。其主要思想是：通过对原始的财务指标相关矩阵内部结构关系的研究，找出影响上市公司的财务状况的几个综合指标，即主成分，使综合指标为原始指标的线性组合，综合指标不仅保留了原始指标的主要信息，彼此又完全不相关，同时比原始指标具有某些更优越的性质。该模型的差别方程式为：PS=V1Z1+V2Z2+V3Z3+V4Z4+V5Z5，其中，V1、V2、V3、V4、V5是系数，Z1、Z2、Z3、Z4、Z5是综合指标。
2.3多元回归模型
多元回归模型包括Logistic回归模型和Probit回归模型。Martin（1977）在财务危机预警研究中首次采用了多元逻辑回归模型。该模型假设企业破产的概率为P（破产取1，非破产取0），并假设Ln[ P/(1-P)]可以用财务比率线性解释。假定Ln[P/(1-P)]=a+bx，推导得出P=exp( a+bx)/[ 1+exp(a+bx)]，从而计算出企业破产的概率。判别规则是: 如果 P>0.5，则判定企业为即将破产类型；如果P<0.5，则判定企业财务正常。Probit模型和Logistic模型相似。
2.4人工神经网络模型（ANN）
1990年Odom和Sharda第一次运用神经网络进行财务困境预测问题的探索。该模型由输入层、输出层和隐藏层组成，通过网络的学习和数据的修正得出期望输出，然后根据学习得出的判别规则来分类。
三、多变量财务预警模型的应用
目前传统的统计模型发展得比较成熟，计算也相对简单，应用也较为广泛。Z分数模型主要用于信用政策、信贷评审、贷款定价以及证券化等方面。主成分模型也相对简单可行，可以在实践中广泛运用，但该模型有一个明显的缺陷，即综合评分式权重的确定以及判定区间的确定都具有较大的主观性和不准确性，尤其是后者受样本数据分布的影响很大，从而会影响预测的准确度。Logistic模型与Probit模型的最大优点就是不需要严格的假设条件，克服了线性方程受统计假设约束的局限性，因而具有更广泛的适用范围。而对于人工神经网络模型，从理论上来讲，该模型应具有广泛的应用前景和应用价值，但在实际运用中却存在这样一些问题，如模型结构定义的复杂性、计算量过于巨大，而且其在决策方法中表现得像一个黑匣子，以致对它的接受和应用都较困难。另外，这种模型要求拥有大量的学习训练样本以供分析，如果样本数量积累得不足、没有足够的代表性和广泛的覆盖面，则会大大地影响系统的分析和预测结果。
四、多变量财务预警模型实证比较分析
4.1前提条件比较分析
在研究财务预警模型的过程中首先应该考虑各种模型适用的前提条件。多元判定模型和主成分模型通常形成一个线性判定函数式，据此判断待判企业的归属，一般要求数据服从正态分布和两组样本间协方差矩阵相等。Logistic模型和Probit模型均是为了克服简单线性概率模型的缺陷而建立起来的，一般采用最大似然估计方法进行估计，不需要满足正态分布和两组样本协方差矩阵相等的条件，得出的结论直接表示企业发生财务失败的可能性的大小。人工神经网络模型则对财务指标的分布没有特别的要求特别适合于变量服从未知分布，且自变量组间协方差矩阵不相等的情况。
4.2样本和数据选取的比较分析
财务危机预警的国内外研究者由于国情不同、研究目的不同，对财务危机含义的界定有所区别：国外学者大都以提出破产申请的企业作为研究对象；而国内学者则以沪、深两市因“财务状况异常”而被ST的上市公司作为研究对象。#p#分页标题#e#
国外的研究学者通常采用比较样本建模，即选择相同数量的破产企业和非破产企业。Altman（1968）则选取了33家1946～1964年间破产的且资产规模在70～2 590万美元之间企业和相同数量、同一行业、同等资产规模的非破产企业作为样本企业，数据来自《Moody的行业手册》。我国学者则大部分是选择近几年的ST公司和相应的非ST公司作为研究样本，其数据大部分来源于均来自上市公司公布的财务报表。如吴世农、卢贤义（2001）则选择了1998～2000年期间的70家ST上市公司和相对应的70家非ST公司作为研究样本。
4.3财务指标选取的比较分析
国外学者Altman（1968）选取了5个具有代表的会计比率类财务指标，构建了Z分数模型，他认为这些财务变量是评价企业总体财务状况的最佳指标。国内学者周首华（1996）的F分数模型是在Z分数模型的基础上加入了现金流量这一预测指标，证明在短期内许多公司财务危机和现金流断裂有直接关系。张爱民（2000）的主成分分析模型以及杨淑娥、徐伟刚（2003）运用主成分分析方法构建的Y分数模型中也仅涉及到会计比率类财务指标。直到2004年，张友棠引入了现金盈利值（CFV）与现金增加值（CAV）这两个现在指标概念，虽然这两个指标并未得到后来学者们的广泛使用，但这一思想深刻地影响着后来的学者们。在随后的绝大多数文献中就开始出现了现金流量类指标的身影，并且在越来越多的文献中占据主要地位。
Marttin（1977）首次构建多元逻辑回归模型时也只选取了25个财务比率。随后，Ohlson（1980）采用Logistic回归模型时，不仅以现金流量指标为基础，而且加入了非财务类指标，即公司规模、资本结构、业绩和当前的变现能力。随着财务预警研究与应用成果逐渐引入国内，基于非财务指标的财务预警思想也同时传入国内，非财务指标是在2004年后大量出现的，并且越来越多学者的研究表明非财务类指标与会计比率类指标和现金流量类指标相结合建立的预警指标体系，能够很大程度地提高预警模型的预测精度。国内学者杨保安（2001）首次应用人工神经网络模型时，只考虑了会计比率类的财务指标，杨淑娥等学者在研究人工神经网络模型时则加入了现金流量类指标。
从上述文献来看，在研究初期，学者们都只注重会计比率类的财务指标，但指标选取并非与模型是匹配的，而是随着研究的发展指标选取也在不断的进行完善，加进了现金流量类指标和非财务类指标，使模型能够更加准确预测现代企业的财务状况。
4.4模型预测准确度的比较分析
Altman（1994）以意大利工业企业为样本，比较了神经网络方法与线性判别方法，发现有时神经网络方法要优于线性判别方法，但由于神经网络有时过度训练产生了不合理的权重，从总体上看线性判别方法要优于神经网络方法。陈瑜（2000）对运用主成分分析、回归分析与判别分析对证券市场ST公司进行财务危机预测，结果表明：主成分分析方法的预测效果最好，回归分析法的预测效果次之，判别分析法的预测能力则随着年份的临近，正确性逐步提高。吴世农、卢贤义（2001）通过应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法，分别建立三种预测财务困境的模型，并比较三种判定模型的效果，表明Logistic模型的判定准确性最高。乔卓等（2002）通过对Fisher判别模型、Logistic回归模型以及神经网络模型在财务困境预测中的比较研究，发现提前2年和提前3年神经网络模型的预测精度明显高于Logistic模型和Fisher判别分析模型。杨淑娥、黄礼（2005）分别采用BP人工神经网络工具和主成分分析法建立财务预警模型，并且对同一建模样本和检验样本进行预测，BP人工神经网络模型的预测精确度相比主成分分析模型的精确度有很大的提高。吕长江等（2005）分别运用多元判别分析、逻辑线性回归和人工神经网络对财务状况处于困境的公司进行预测比较分析。结果表明：三个主流模型均能在公司发生财务困境前1年和前2—3年较好地进行预测。其中，多元判别分析要逊色于逻辑线性回归，人工神经网络的预测准确率最高。
通过以上的比较，人工神经网络模型的预测能力要优于统计模型的预测能力，而要统计模型中，主成分模型的预测能力最优，回归模型次之，多元线性判别模型相对较差。然而，财务预警模型的优劣不能光凭预测能力的高低来判定，因为各种模型的适用的前提条件是有差异的。
五、结论与启示
综观国内外文献，财务预警研究对多变量财务预警模型的运用主要集中在以上几种模型上，其中人工神经网络模型在理论上是预测能力最强的模型，但在实务中应用却有诸多的问题，相比之下，统计模型简单可行，有更广泛的适用性。多变量财务预警模型只是为相关使用者提供一种预测财务风险并归避风险的方法，而不是强调模型本身的精妙性。加之，财务预警模型只是用财务报表进行财务预警，而不能对财务报告的真伪进行鉴别，很有可能对失真的财务报告进行预警，进而使预测结果发生偏差。因此，对财务预警的研究应该与财务失真的研究相结合，以提高财务预警预测的精确度。
参考文献：
[1]Altman E.I. Financial Ratio, Discriminate Analysis and the Prediction of Corporate Bankruptcy [J].Journal of Finance，1968，23(9).
[2]周首华. 论财务危机的预警分析—F分数模式[J]. 会计研究,1996,8.
[3]张爱民,祝春山,许丹健.上市公司财务失败的主成分预测模型及其实证研究[J]．金融研究,2001(3)．
[4]Martin D. Early Warning of Bank Failure:A Logistic Regression Approach [J]. Journal of Banking and Finance,1977(7).
[5]Odom M.D and Sharda R. A Neural Network Model for Bankruptcy Prediction. In Proceedings of the International Joint Conference on Neural Network Tool [J]. Financial Management，1990，2(6).
[6]吴世农、卢贤义. 我国上市公司财务困境的预测模型研究[J].经济研究，2001(6).
[7]杨淑娥,徐伟刚.上市公司财务预警模型——Y分数模型的实证研究[J].中国软科学,2003(1).
[8]杨保安,季海,徐晶等．BP神经网络在企业财务危机预警之应用[J]．预测,2001(2)．#p#分页标题#e#
*ST国祥成立于1993年，公司全称为浙江国祥制冷工业股份有限公司，是首个在大陆A股上市的台资企业。注册资本145，324，675，法人代表王学文。公司的主要产品为螺杆式冷水机组、风冷式冷热水机组、组合式空调机组、风机盘管机组。
2009年9月*ST国祥实现了资产重组，河北地产开发商华夏幸福基业股份有限公司成功注入旗下房地产开发企业，实现了地产资产整体借壳上市。浙江国祥制冷工业股份有限公司因其2007年和2008年连续两个会计年度的审计结果显示的净利润均为负值，根据《上海证券交易所股票上市规则》的有关规定，公司股票自2009年5月4日起被上海证券交易所实行退市风险警示的特别处理，公司简称变更为“*ST 国祥”。
公司经审计的2009年财务报告显示2009年度归属于上市公司股东的净利润为7，465，255.23元，归属于上市公司股东的扣除非经常性损益后的净利润为-3，037，420.57元。公司于2010年4月30日向上海证券交易所提交申请撤销退市风险警示及实施其他特别处理的报告，若得到核准，公司股票简称将变更为“ST 国祥”。
由于各国对财务失败的界定不一致，而我国主要把上市公司ST作为财务失败的标志，这也是选择*ST国祥作为样本的原因。本文中的财务数据均由企业2009年财务报告得出。
二、基于z-score财务预警模型的财务危机分析
所谓的财务预警分析，是通过对企业财务报表及相关经营资料的分析，利用及时的财务数据和相应的数据化管理方式，预先告知企业所面临的危险情况，同时分析企业发生财务危机的原因，发现企业财务运营体系隐藏的问题，及时做好防范措施的财务分析系统。
其一，预警模型的建立。z-score模型又称多元线性判定模型（Multivariate discriminant model），是美国学者奥特曼（Edward Altman）以1946年至1965 年期间提出破产申请的33 家公司和相对应的33 家非破产公司作为样本，用其财务比率拟合出的一个多元线性函数方程。
z-score模型是一种运用多变量思路建立多元线性函数公式，即运用多种财务指标加权汇总产生的总判别值（即Z值）来预测财务危机。
上市公司Z-Score 模型判别函数为：
Z=0.012X1+0.014 X2+0.033 X3+0.006 X4+0.999 X5
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=股东权益的市场价值总额/ 负债的账面价值总额，X5= 销售收人/ 资产总额。基于*ST国祥2009年的财务数据分别得出结果如表1所示：
得出z=0.673903。
运用Z值模型计算出数据的几点说明：
一是营运资金由流动资产减去流动负债得出；
二是息税前利润计算中所需的利息费用由财务费用代替；
三是股东权益的市场价值由该公司2010年6月11日的股票收盘价乘以发行在外的股票数得出。
奥特曼通过对Z- Score 模型的研究分析得出Z值的如下定量判断临界值：1.8以下存在严重财务危机，破产机率很高；1.8~2.8以下存在一定的财务危机，破产机率；2.8~3.0 以下存在某些财务隐患，解决不好有破产可能；3.0 以上财务状况良好，无破产可能。
虽然Z值模型运用到我国上市公司存在一定的局限性，Z值模型计算的数字对我国上市公司来说可能过于偏激，如一些业绩良好的上市公司的Z值仍然在临界值上界之下，但此模型仍能起到一定的财务警示作用，从上述临界值可以看出*ST国祥存在财务危机。
其二，基于财务预警模型的财务危机分析。从上述Z值模型的计算可以看出该公司存在严重的财务危机。从实际情况来看，该公司2007、2008年净利润均为负值，被上交所给予ST处理。2009年营业利润仍为负值，但通过处置大量的固定资产，使得利润总额达到正值从而避免退市的风险。
（1）利润贡献因素分析。由于面临退市的风险，企业有必要采取措施实现利润为正值，因此需对企业利润表各项目进行分析，得出其对企业利润总额的贡献比例，并由此找出企业实现利润的途径。根据该企业2009年与同行业领先企业TCL集团股份有限公司利润表得出表2所示数据：
表2反映的是利润表各项目对利润总额（不考虑所得税因素）的贡献水平，通过与同行业业绩良好的企业的比较可以看出企业在获取利润方面的优势和不足，从而加深企业对自身的认识，并采取改进措施。
第一列表示毛利对利润总额的贡献。国祥的毛利对利润总额的贡献是4.45倍，而TCL是将近7倍，说明国祥主营业务对企业利润的贡献有限，这可以归因于该行业竞争激烈，大企业拥有品牌价值和消费者忠诚度优势，因此国祥应该加强自身品牌建设，提高品牌知名度，加大企业创新投入，让产品更满足消费者需求，尤其是消费者的个性化需求。提高主营业务的盈利水平是提高企业利润水平的根本途径。
第二列表示企业费用的控制，从上表可以看出，国祥对企业费用的控制比较好，同时从财务报表得出，国祥的主营业务成本率比TCL低了3%，说明企业在成本费用控制方面占优势，企业应该发挥此方面的优势，但是成本控制一定要以质量为前提。
第三列是非经营损益对利润的贡献。从上表可以看出TCL的非经营性净损益是国祥的5倍，2009年财务报表中反映的国祥的投资收益只有处置长期股权投资净收益13万。在企业主营业务呈下降趋势的情况下，国祥没有积极的拓宽收入来源，做出很好的投资决策，良好的投资决策也是企业扭亏为盈的关键。
第四列是营业外净损益对利润总额的贡献。由上表可以看出，2009年度企业的营业外净收益异常多，且本年度的营业外净收益主要是通过处置企业的固定资产实现的，这也是企业2009年度净利润呈现正值的主要原因。企业2007、2008年净利润均为负值，为避免停牌的风险，企业有必要扭亏为盈。但是营业外收益并不是企业利润的主要来源，处置固定资产也不是企业实现利润为正的长久之计，因此企业有必要按照根据第一列得出的结论增强企业的实力，使企业彻底的扭亏为盈。
（2）行业因素分析。从“完全竞争”行业到“完全垄断”行业，企业竞争程度依次递减，财务风险的程度亦依次递减，即竞争性越强财务风险越大。本企业处于家电行业，该行业竞争比较激烈，形成了企业容易产生财务风险的大环境。该企业2009年营业总收入比2008年减少40%，而且在家电行业原材料（如钢铁）价格上涨的情况（从财务报告得出）也促成了企业财务危机的发生。
（3）企业创新因素。由于家电行业处于行业生命周期的成熟期，市场基本饱和。企业必须加强创新，才能使企业的产品利于不败之地，而且在市场基本饱和的情况下也只有通过创新才能吸引消费者的注意，给企业创造收益。但是从企业资产负债表可以看出企业2009年无形资产有减无增，没有发生开发支出，而作为行业领先企业的TCL集团股份有限公司2009年开发支出占非流动资产总额的比例为7%。因此，企业有必要加强构建无形资产的支出，增强企业产品的竞争力。
（4）投资决策因素。从2009年财务报表附注可以看出，企业2008年权益法核算的长期股权投资收益-22万元，处置长期股权投资产生的投资收益-129万元，而本期处置长期股权投资产生的投资收益仅为13万元。企业投资失败导致了企业的营业利润变为负值，从而净利润为负值，形成了累计效应。因此，企业投资要把握好投资方向，寻找好的投资企业，否则不但给企业带来负担而且可能把企业的主业拖垮，使企业得不偿失。
综上所述，根据财务预警警兆研究得出，该企业处于财务风险的“潜伏期”，因此通过对导致企业财务问题的上述因素的有效管理，企业是可以走出危机的。
三、结论
所有企业而并非仅限于ST企业都有必要建立财务预警模型对其财务状况进行检测，并及时发现存在的财务问题，提高企业财务管理的质量。通过对企业财务预警模型的建立及企业财务问题的分析对企业的财务危机进行事前控制，增强企业化解危机的主动性，减少发生严重财务危机甚至破产的可能性。
（一）我国企业财务危机预警方法应用现状
量化分析方法和非量化分析方法是目前国内外两种最常见的预警方法。单变量分析方法和多变量分析方法构成量化分析法，非量化分析法所包含的内容比较多，主要有管理评分法、流程图分析法、“四阶段症状”分析法、“三个月资金周转表”分析法、标准化调查法等。自我国加入WTO，市场国际化之后，财务预警方法也在国内外研究者的努力研究下不断完善。
近些年，我国上市公司财务危机预警方法受到了理论界的关注。但是这些预警方法在我国处于初级阶段，还没有一个统一的标准，监管部门也没有制定出相关的规定，加之我国公民相对保守，不喜欢接受新事物的特点，使得上市公司在经营管理上缺乏财务危机预警的意识。少数使用量化方法的企业，也主要借鉴国外的方法，但是由于量化方法存在着使用前提和范围的局限性，所以一般只有公司财务数据的统计、财务模型的计算分析和财务指标的筛选等才适用此种方法，依据这个特点，上市公司应多使用量化方法，这样才能区别量化和单变量方法的不同之处。例如上海证券交易所特地开发了用于研究上市公司财务指标的预警系统和相应书刊，从而有效地分析上市公司的财务报告，及时发现其财务报告中的危险信号，来降低市场和投资者的风险率。其主要功能主要分为两方面：一，对单变量进行预警分析；二，根据综合财务分析，对财务状况进行诊断。
（二）我国企业财务危机预警方法在应用时暴露出的主要问题
虽然目前，财务危机预警方法在企业中的运用有所增加，但是还并不是很广泛，暴露出的问题有以下几个方面：
1.会计信息的准确性影响财务预警方法的有效性
研究财务危机预警方法需大量财务数据，尤其是单变量分析方法，所以会计信息的可靠性是预警方法研究的重要因素。但是现在上市公司的内部管理体制存在问题，股东与管理者手上持有的信息不一致 这样会计信息失去保障。这样财务预警方法的有效性必然受到影响。信息传递具有连带性，只要有一方数据出现问题必然会影响另一方数据的真实性，当然科学的定量方法也不除外，因此财务数据一定要可靠。
2.上市公司决策层缺乏主动运用财务预警方法的意识
目前的市场经济下，上市公司决策层是利益获得方，而一般的投资者是都是利益受损方，上市公司坚持利益最大化为目标。但是开发和运用财务危机预警方法成本大，这样管理层获得的利润就会相对应的减少一些。而现实中，管理层对企业财务风险控制的意识淡薄，目光短浅，认为只要注重眼前的资金管理，就能有效控制财务风险，显然，这种观念在当今这种市场经济环境下是完全错误的。
3.财务预警方法实际应用的研究尚不到位
现有的量化分析和非量化分析等分析方法大多是借鉴国外的方法，近些年随着市场经济的不断发展，财务风险的研究得到了国内学术研究和监管领域的高度关注，并且在不断的完善之中。目前研究财务危机预警方法层出不穷，指标也很多，但是由于计算指标的方法较难，不具备较强操作性和实用性。各个上市公司对非量化指标也提出了疑问。因此，很多上市公司都不会选择应用财务危机预警方法，因为在应用中会耗费大量人力物力但又不能保证预警的实际效果。
（三）解决我国企业财务危机预警方法应用中存在问题的方法
1.财务预警系统的应用与完善内部控制体系相结合
俗话说取其精华，舍其糟粕，所以现行的体系中之中较好的我们应该继续实施，但是对于做得不好的地方，我们需要采取一些措施来完善它，具体措施如下：一是掌握关键点，加强对企业内部控制的横向和纵向流程。横向流程需要把握好各项投资筹资等行为的潜在风险，它的针对性较强，主要涉及经营和财务管理中的风险。纵向主要是对企业的财务风险进行全面的监测和控制，从而在对财务信息做出决策的各个环节上有效的把握各个信息的真实性和有效性。二是发挥主要债权人的作用，主要债权人是公司利益的最直接相关者，他们的积极参与能够激励公司管理层制定良好的战略决策。
2.提高主动运用财务预警方法的意识，完善上市公司财务预警方法
开发运用财务危机预警方法成本较高，这样，企业获得的利润就会想应减少，但是倘若一旦发生了财务危机，企业也就将面临着倒闭的风险，而财务方面出现危机，最容易一招致命，所以管理层要提高主动运用财务预警方法的意识，改变一贯狭隘的风险观念。预警方法的指标存在着局限性、相同指标在不同国家会有不同结论。一切从实际出发，所以企业管理决策者要制定适合自身的财务危机预警方法， 实时监控并及时预测其财务状况，推动我国资本市场良性健康地发展。为了保证投资者的利益得到切实的保护，各监管机构需要制定相关的规章制度甚至是法律法规，约束上市公司，正确引导其使用预警方法。
3.不同行业和类型的上市公司财务预警模式应有所差别
由于每一家上市公司的行业性质、管理水平和经营范围等都不相同，而财务危机预警方法也存在着一定的局限性，所以想真实有效的反映企业财务状况，发挥预警方法的有效性作用，就必须一切从实际出发，制定出符合公司要求，体现公司财务特点的财务危机预警方法。针对生产型的公司，通过对流动比率、速动比率、资产负债率、存货周转率等财务指标的关注，从而掌握公司的偿债能力和现金流情况。针对投资类的公司，通过对总资产报酬率、资本收益类、资产保值增值率等财务指标的关注，从而掌握其资产保值增值能力和盈利能力；针对贸易类公司尤其是以外销国际市场为主的公司，应重点关注公司的营运能力、外汇汇率变化走向，与此同时也建立汇率变动率预警指标。
4.财务危机预警指标体系应考虑一些必要的非财务指标的定性因素
财务危机预警不单单要考虑财务指标，还要考虑非财务指标。全面的对这些因素进行分析才能在不同方面弥补单纯财务指标的不足，使得得到的信息也更加全面。这也要求管理者一切从公司的实际出发，特别情况特别对待，这样能大大增强指标体系的灵活性，使得信息更加的真实可靠。更重要的是，一些例如行业因素、公司规模的非财务指标对预测危机也存在重要作用。但是应当注意的是，不能单纯引进非财务指标，而需对这些非财务指标进行再加工和再处理。
关键词：财务危机原因多元统计分析危机预警作用
国内学者对于公司财务危机预警的研究也越来越多，然而学者们大多数只针对纯财务指标构建财务危机预警模型，却忽略了非财务信息的作用。很显然，单一的财务数据所能体现的信息还不够完整，很难反映公司的真实情况，难免会造成预警的偏差，而非财务信息能够对财务信息进行有效地补充，因此，引入非财务指标构建预警模型是非常有必要的。
一、企业财务危机产生的原因
许多现代企业面临着危及生存的问题，财务危机是企业的一大重要问题，许多企业管理不得当，财务环节控制不到位，并且缺少有效的监管机制，造成企业财务管理混乱。企业财务危机是法律意义上对企业破产的定义，企业破产是用来衡量企业财务危机最常用的标准。企业财务危机有负债危机、市场危机、收益质量危机，除此之外，长短期资产配置不当、企业财务机制不健全、管理层的财务管理素质低下、企业本身的风险意识薄弱等都会造成企业财务危机的发生，由于企业更倾向于通过负债来获取收益，因而当风险意识不强时极易形成高度负债，在企业出现入不敷出的财务危机时便会导致破产。
二、多元统计分析
(一)多元统计分析概述与作用
多元统计分析是一种综合分析方法，能够在多个对象和多个指标互相关联的情况下分析它们的统计规律。多元统计规律包含很多内容，主要包括多元正态分布及其抽样分布、多元正态总体的均值向量和协方差阵的假设检验、主成分分析和因子分析、判别分析和聚类分析、直线回归与相关、多元线性回归与相关。多元统计分析可以对许多数据进行观测以及预测，多元统计分析即为分析多元数据的统计方法。根据统计规律性对未来企业财务情况做出预测，根据多元的数据对财务情况进行多方面的设想与观测，预测企业未来发展过程中可能会发生的财务危机情况以及危机程度，让企业提早知晓可能发生的财务危机，并做好全方面的应对措施。
(二)多元统计分析在企业财务危机预警中的主要方法
多元统计分析主要是使用判别分析和主成分分析建立企业财务危机预警模型。首先，在建模的过程中利用随机抽样和对应样本法在企业中进行选择，选取各类指标来反映企业的财务情况，变量越多企业财务危机预警模型就建立的越好。其次，利用抽样选取法抽选出样本和变量，依据这些样本和变量使用判别分析法建立企业财务危机的预警机制。第三，将企业中抽取出来的多个变量通过线换选出较少的数量并且是重要的变量，由于变量之间都存在着一定的相关关系，而且要以最少的变量来建立模型，所以要将相关重复的变量除去，最后剩下各不相关的变量，全方面分析企业中存在的问题，这就是主成分分析。
三、多元统计分析在企业财务危机预警中的作用
(一)对财务危机进行分析和预测
多元统计可以通过抽取变量建立预测模型对企业未来的财务危机进行分析和预测，从各个不同的角度预测企业未来可能发生的财务危机，并且经过验证判断企业是财务危机公司，或是非财务危机公司，或是中间状态公司。这种方法的正确率十分高，但是如果预测的年份越远，预测的准确率就会越低；反之年份越近预测的精确度就越高。因此，企业需要及时更新企业的财务危机预测模型，根据不断变化的数据和指标对企业财务危机进行分析，提高预测的准确率，对未来所可能出现的危机做出适应的措施。
(二)减小财务危机对企业的影响
多元统计分析可以减小财务危机对企业的影响，可以通过多元统计分析对企业进行分类，依据采集到的数据建立的模型，辅助分类企业判断是否处于财务危机状态。如果预测结果为财务危机企业，必定会引起相关部门对企业发展的重视，以及采取各类的方法对企业未来可能会发生的财务危机进行合理地防范，企业会谨慎对待发展的每一个步骤，加强风险意识，减小负债率，减小财务危机对企业的影响。
(三)促进市场经济健康发展
以多元统计分析对各个企业进行财务危机预警，使我国的每个企业都能够划分清楚，并且采取最全面、有效的体系适应国内企业的发展，在一定程度上减少了财务危机带来的影响，促进了市场经济的健康发展，提高我国的经济发展水平。
四、结束语
多元统计分析是一项对研究企业财务危机十分有效的方法，在其他领域的应用也十分广泛，多元统计分析可以为企业带来完善的财务预警体系，使企业预测未来可能会发生的财务危机，对未来发生的财务危机采取适当的、避免发生的措施，促进了企业经济的健康发展。
参考文献：
[1]李杰,王蔚佳,刘兴智.多元统计分析在企业财务危机预警中的应用[J].重庆建筑大学学报,2004
[2]付娟,刘延平.运用多元统计分析综合评价我国西部各省市自治区域经济效益[J].中国高新技术企业,2007
[关键词]中小企业；财务管理；风险预警；管理对策
[DOI]1013939/jcnkizgsc201607156
1导语
在当前的经济发展中，中小企业的发展已在市场经济中占有关键地位，并发挥巨大作用。在市场经济竞争加剧情况下，给我国的中小企业发展提出了新要求。但由于我国中小企业发展体制上的不完善，尤其企业内部的财务风险评估系统上存在诸多不足之处，企业财务风险管理体系的建立可以帮助企业有效实现对于风险的管理和预测，通过对这一体系建立展开探究和讨论，希望可以为中小企业在财务风险预警机制的建立上提供广泛指导意义。
2我国中小企业财务风险预警体系的概况
企业运行的关键部门就是财务部门，它决定了企业运行的基本状况。在企业的财务管理过程中，总会出现各种未知的财务风险和错误。
21企业资本缺乏，融资能力弱
这主要是由于中小企业的基本情况决定的，因为中小企业的注册资金本来就少，企业的资本应变能力差，一旦出现经济问题，很容易产生财务危机的情况。
22企业结构和经营方式单一
在大多数的中小企业中，其运作资本一般相对都比较少，且所有股权相对比较集中，有些基本上是家族化的企业，投资的资本来源于运营者自身，相对来讲，在企业的财务风险的抵御能力较差。并且，大多数的中小企业经营者采用的管理模式相对单一，权力集中，管理制度不够科学和严格，对财务风险的防范意识比较淡薄。在面对市场竞争时，往往表现出较差的抵御能力。所以，要想从根本上提高企业的竞争力，健全完善的企业财务风险预警已经变得非常重要。企业的财务风险预警系统运行过程中，需要运用科学的企业财务管理规范和相关经济数据指标，依据企业自身的发展情况对企业运行的经济环境作出科学全面的数据分析，对企业未来的财务的发展中遇到的问题提出相关防范性措施。
3构建中小企业的财务风险统计预测的方法和意义
31统计预测的方法
统计预测是一种对经济进行科学预测的有效工具，为经济预测提供统计计算的基本方法。其中主要使用到的方法有建立统计模型进行分析，主要是通过对通常情况下企业各项平均数值变化，周期内变化，随机模型以及长期的变化的趋势等建立相关的数学模型。在确定好统计模型之后才能进行预测方式上的选择，其中主要用到的预测方法有平均法、折扣法等。
32统计预测的运用
由于当前市场经济竞争的日趋激烈，我国的中小企业要想在竞争中有效地提高企业竞争力，必须要对企业进行科学的调整和完善。统计预测能够帮助企业在财务发展和生产销售上提供明确的发展方向，并能够为企业提供未来发展趋势上的预测和分析，有效提高企业的增值和管理水平。
33统计预测的意义
在我国的中小企业的发展中，科学有效的运用统计预测的方法，是企业生产中的最基础环节。一方面可以提高企业管理的准确性，另一方面也能够为企业的发展提供一个良好的前景预测。该项统计预测的方法使用与企业管理中的每一个环节，尤其是对企业的财务风险方面，能够发挥更重要的意义。因为一个企业的财务发展水平的高低将直接影响到企业的运行情况，如果能够结合企业统计预测的方式对企业的财务风险进行管理和预测，更加确保了企业财务发展的科学性。
4建立中小企业的财务风险预警管理体系的对策
企业建立完善的财务风险预警体系是有效防范企业发生财务危机的重要手段。因此，在建立健全我国中小企业的财务风险体系过程中需要采取以下措施来进一步确保该体系的建立和实施。
41分析企业财务风险形成的原因，进行有效的分析和控制
在企业面对风险财务风险的时候，应该首先做到对风险出现的原因和情况进行分析，然后做出合理预警。在目前我国中小企业发展中产生的财务风险的主要原因一方面是由于中小企业现金相对紧缺，在运行过程中容易出现风险；另一方面就是在筹集资金时，企业的运行赢利状况不能够满足债务和利息的偿还能力。所以这一点要引起中小企业经营者的高度重视，对风险的出现做好提前的预警。
42完善企业内部管理，确保风险预警体系的实施
企业的财务风险体制的建立需要以准确的数据依据为基础，确保该体系运行中的准确性和科学性。企业相关的管理者通过对企业内部准确信息数据的把握，才能进一步的落实财务相关工作的运行。当前我国中小企业在财务管理上存在着很多不完善的地方，对于日常财务的支出和预算都不能认真执行。因此，一定要加强企业内部的财务管理制度，为确保财务风险预警体系的建立和实施扫除障碍。
43加强对于财务管理人员的能力素质的提升
在企业的财务管理体系中，通常是由企业的财务管理人员来进行运作和实施相关工作，所以，财务人员工作能力的高低也将直接影响到企业运行状况的好坏。在普遍的中小企业中财务人员的素质普遍不高，在对于企业财务的管理方式和信息数据的综合分析能力欠佳。企业可以加强对财务人员的职业能力培训，让财务人员进行定期的专业性培训，确保提高在财务工作中的水平。
44运用正确的方式保证财务风险预警体制的准确性
由于财务风险发生的不确定性，所以在对财务风险的管理上一定要采取科学的分析和预测方式，通过财务人员对数据的分析建立相关的模型，进行综合判断，提高对于风险预测的准确性，确保该体系的运行。
5结论
综上所述，企业要建立健全自身财务风险的体制，需要从多方面进行努力。运用先进的管理手段对企业进行管理，加强企业在市场上的竞争力。这就要求我国的中小企业经营者充分理解风险管理体系的深层内涵，认识到财务风险的管理对于企业发展所能够发挥的重要作用，建立健全企业的内部结构，完善科学的企业财务风险管理体系。提高我国企业相关财务人员综合素质的提高，一定程度上推动我国经济的全面发展，实现更高的经济价值。
参考文献：
[1]孙嵘基于BP神经网络的中小企业财务风险预警研究[D].长沙：长沙理工大学，2008
[2]高友民中小企业财务风险管理与监测预警研究[D].天津：天津大学，2008
[3]王晶姝金融危机下中小企业财务风险防范管理研究[D].乌鲁木齐：新疆大学，2010
[4]吕丽，倪国锋后危机时代中小企业财务风险预警体系的构建[J].中国集体经济，2010（1）：149-150
【关键词】 民航企业 财务风险 预警防范
引言
伴随全球经济化步伐加快，市场竞争越发激烈，面对市场的快速发展，民航企业所面临的竞争和财务风险不断加大。
1. 民航企业存在的财务风险
1.1汇率风险
目前存在的汇率风险有三个方面：（1）引进飞机时大量采用融资租赁的方式，使得外币负债负担加重；经营多种国际航线，虽然赚取了大量的外币收入，不过一旦外币汇率发生波动，会很大程度的影响公司财务，风险较大。（2）外汇管理水平不高，缺乏完整的外汇风险管理体系，多数民航公司管理时沿用传统经验，对风险的防范意识薄弱，缺乏风险管理人才，导致汇兑出现巨额损失，无法正常准确的作出汇率风险的预测。（3）对汇率风险的认识不够，态度上不够重视。
1.2流动性风险
流动性风险产生原因有两方面：（1）客观方面，航空公司需要大量的资金，属于资金密集型的企业，庞大的资金需求严重制约着资金的流动，很可能带来企业正常运作的风险。（2）航空公司拥有固定资产价值较大，转换成现金十分不便，一旦运转过程中出现失误，可能导致财务陷入危机，造成正常运转的风险。
1.3结算风险
民航企业的结算复杂，细节繁琐，发生结算风险不利于企业的发展，极易引发企业的内在财务风险。引发财务结算风险的原因有：（1）民航企业的销售与收入存在严重的不协调性，无法保持步调一致。（2）由于民航企业需相互之间进行销售与签转票证的工作，国内外的情况都有，复杂性较大，容易引发结算风险。
1.4投资、筹资分风险
由于民航过于密集的资本，因此在投资方面需要耗费的特别大，尤其是知识经济时代的到来，更为激烈的市场竞争促进了对投资决策产生影响的变量增多，我国无法十分精确的保障航空公司的决策信息，这样就造成了投资方面出现风险。
在资本结构决策时，无法对债务和权益的资本比例合理安排，企业过分追求降低成本，使得企业在某时段内需要承担巨大的利息支出，产生财务危机。不能为了缓解暂时的资金紧张状况，随意扩大企业的负债数额，增加筹资风险。
2. 财务风险产生的原因
2.1全球在经济政治文化等方面的发展。宏观经济政策调控，各国间的政治、文化交往都关系着航空公司的生存发展。
2.2世界经济飞速发展，国内外环境更加复杂，极大的增强了航空公司的风险。激烈竞争的民航市场将会带给我国民航企业更为复杂多变的风险。
2.3民航公司位于航空业产业链的后端，上游企业深刻的影响了航空业的生产经营，一旦上游企业略微提高相应产品的价格，航空企业的成本及支付能力均会受到严重的影响。
2.4航空业资本密集的特点造成了其大规模的举债，民航企业普遍存在负债经营的现象，都具有高负债的特点。
3. 财务风险预警
1.1潜伏期预警
通过综合分析、评判公司的外部环境以及内部的控制（如组织管理状况、财务运行状况）情况可以得出预警结论。潜伏期的风险表现：外部环境变化、内部控制失控。
1.2发作期预警
潜伏期财务风险得不到控制解决，会发展进入发作期。发作期风险因素来源有：公司的财务状况（公司财务数据上的问题和再融资产生困难等）、业务状况及或有事项。
3.3恶化期预警
发作期的财务风险因素没有进行有效的控制和解决，会向财务风险的恶化期转化。
3.4财务风险短期预警
编制现金流量预算表可实现现金流动财务风险的预警。航空公司要汇总企业的各个具体目标，与未来的现金收支、投资及融资情况相结合，对未来现金收支情况进行预测，时间段采用周、月、季、半年等，建立滚动式的预算，方便发现缺口，提前或及时实施预防、应对措施。
3.5财务风险长期预警
支付危机是航空企业的主要财务风险，航空公司经营不完善，财务状况最终会恶化，长期亏损会引起现金流通困难。长期的财务风险有以下四方面：（1）获利能力。航空公司生存发展的前提以及最终目标都是效益最大化，投入产出的比值是衡量活获利能力的标准。（2）偿债能力。航空公司的偿债能力弱，很可能出现支付危机。（3）营运能力。这一能力充分反映了航空公司在资产与资源方面的配置组合能力，其能力的高低对航空公司的盈利能力有直接影响。（4）发展潜力。它是航空公司未来的发展能力，航空企业可以对历年的指标纵向进行比较，判断出公司未来的动态发展趋势。
4. 防范财务风险的措施
4.1考虑固定利率与浮动利率在债务方面的比例，使一部分利率因变化产生借款不利影响会被其他的借款有利影响抵消。
4.2处理汇率风险可运用以下六种方法：（1）将结算货币的币种分散，构建外汇的组合模式；（2）对贸易的条件进行调整，把风险转嫁。在进行外币交易的时候，坚持收汇硬币、付汇软币原则；（3）汇率发生变动时期，依据情况提前付款或滞后付款；（4）保证外币资产和负债的匹配；（5）合理进行海外营业部与公司总部往来款项时间、空间上的调度，尽量避开汇率变动引发的风险；（6）积极利用金融的衍生工具。
4.3对飞机的航油需求进行有效、科学的预测；充分利用石油的期货管理，通过自主操作避免航油价格风险；积极运用期权及采用签订远期合同来实现航油价格的风险管理；目的地的油价如果相对便宜，可以采用在目的地机场加油的方式降低航油成本，适用于有国际航线的航空公司。
4.4通过对公司的内部环境、战略目标及投资规律进行分析，制定出现金流流向的战略决策；依据公司的战略决策进行预算的管理，保证日常的预算管理有条不紊，生生不息；根据公司所处的阶段，不同的发展期制定出不同的现金流流量控制策略，并实现现金流流速的管理。
4.5负债风险的处理：（1）做好财务预算工作；（2）进行合理的资本结构安排；（3）采用多种渠道、方式的筹资手段；（4）依据公司的实际情况选择合适的筹资机构。
4.6公司内部实行业务管理的交叉检查及交叉控制，防止个人舞弊行为引发公司财产损失及财务风险。
总结
财务安全预警系统可以及时有效的发现危机，并进行有效的防范、化解，对企业的财务管理有重大意义，是民航企业实施有效、规范管理，避免财务风险的有效方法。
参考文献：
[1] 李宁安.民航企业财务风险预警与防范研究[J]. 农业与技术. 2011,31(4):58-61.
[2] 张辉.民航企业财务管理存在的问题及对策[J]. 财会月刊（综合版）. 2006(9):24-25.
[3] 赵红健.民航运输企业财务安全的预警与风险防范[J]. 电大理工. 2009(3):15-16.
在Logit回归模型中，因变量设为Y，服从二项分布，取值为0（无财务危机）和1（有财务危机），自变量为X1、X2、X3、X4、X5、X6，分别表示每股负债、每股收益、净资产收益率、流动比率、每股未分配利润、营业收入增长率这六大财务指标。
事件发生（Pi）与不发生（1-Pi）的概率之比为OR值，对OR值做对数变换，即可得到Logit回归模型的线性模式ln=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6。
二、样本选取及ST&非ST上市公司财务数据搜集
使用的数据均来自国泰安数据库，选取121家ST上市公司及2925家非ST上市公司的六大指标财务数据，并从中随机选择16家ST及9家非ST，再进行随机排列，选择前20家公司作为目标样本。
三、确定Logit回归方程参数值
导入数据至SPSS19.0，采用向后Wald法，以sig.
此外，将此模型用于被ST的121家上市公司进行总体检测，现121例个案中仅有5例预测有误，预测精度达到95.87%。
由表4可知，在118家非ST上市公司中，该模型正确识别了109家公司，错误识别9家公司，预测精度达92.4%；而在118家ST公司中，该模型正确识别了99家，错误识别19家公司，预测精度也达到83.9%，模型总的正确率为88.1%，具有较高的预测能力，因此可以运用此模型对上市公司进行财务预警。
四、Logit模型财务预警的现实意义
【关键词】鄂东地区 中小企业 财务风险 预警分析系统
一、引言
本文所涉及的鄂东地区指的是湖北省东部地区的黄石市、鄂州市和黄冈市所覆盖的区域。自改革开放以来,该地区的中小企业对于促进当地和整个湖北省经济的发展、加快实现“中部崛起”战略目标起着重要的作用,但与经济发达地区相比,该地区的中小企业还不够成熟,主要表现在:地区经济环境相对落后;总体上缺乏高新尖科技企业,企业大多以资源为导向;技术设备落后,经营管理水平低下,承担市场风险的能力较弱。这些因素很容易导致该地区的中小企业在市场竞争中处于不利地位,发生财务危机,从而影响到企业的生存和发展,严重的将导致企业破产。因此,在该地区的中小企业建立合理有效的财务风险预警分析系统对于其规避企业经营风险、提高企业经济效益、促进当地经济健康稳定的发展具有重要的意义。
二、企业财务风险预警分析理论简要综述
所谓财务风险预警分析系统就是以企业信息化为基础,通过全面分析公司内部经营和外部环境的各种资料,以企业的财务报表、经营计划及其他相关的财务资料为依据,通过设置一些敏感性财务指标的变化,并随时观察企业发生财务危机的早期特征,对企业在经营管理活动中潜在财务风险进行实时监控的管理控制系统。
从国际上来看,对于企业财务风险进行预警分析是从定性预警分析和定量预警分析两方面来进行的,而定量预警分析则主要是通过构建财务风险预警分析模型来预测企业财务危机状况,它是设计企业财务风险预警分析系统的关键。下面主要介绍定量预警分析中较具代表性的财务风险预警分析模型。
1、单变量预警分析模型。单变量预警分析模型就是运用个别的财务比率来预测财务危机的模型。美国学者威廉・比弗(William Beaver)通过对79个失败企业和相同数量、同等资产规模的成功企业进行比较研究后,于1966年提出了单变量预警分析模型,他认为当企业的财务风险预警模型所涉及的几个财务指标趋于恶化时,通常是企业将要发生财务危机的先兆。单变量预警分析模型按预测能力大小,预测财务危机的比率依次排序为: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,使用债务保障率这一财务指标来预测企业失败效果最好,在企业失败前一年可判别90%的失败公司;其次是使用资产收益率,其判别成功率为88%。
2、Z-score模型。1968年美国学者埃德沃德・艾・埃特曼(Edward.I.Altman)通过对制造行业中等资产规模的企业的研究提出了一种多种变量模型――Z-score模型,即通过运用多种财务指标加权汇总后产生的总判别分(称为Z值)来预测企业的财务危机。该模型如下:
Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5
式中,X1表示营运资金/资产总额;X2表示留存收益/资产总额;X3表示息税前利润/资产总额;X4表示权益市价/债务账面价值总额;X5表示销售收入/资产总额。运用该模型,Z值越低,企业就越有可能破产。埃特曼提出判断破产企业和非破产企业的分界点为2.675,若Z值大于2.675,则为非破产企业;若Z值小于1.81,则为破产企业;若Z值处于1.81-2.675之间时,说明企业的财务状况极不稳定,误判的可能性较大,所以埃特曼称此区间为“灰色地带”。运用该模型对企业财务危机进行预测的结果表明,破产前两年预测准确率最高,随着时间的提前,预测的准确率就会下降。
3、小企业财务风险预警分析模型。1972年,埃德米斯特(Edmister)专门针对小企业建立了小企业财务风险预警分析模型,该模型假定所有变量服从N(0,1)分布,以标准值为界线进行判别,变量值只能为1或0。该模型如下:
Z=0.951-0.423X1-0.293X2-0.482X3+0.277X4-0.452X5-0.352X6-0.924X7
式中:X1=(税前净利+折旧)/流动负债,若该比率小于0.05,则X1=1,若该比率大于或等于0.05,则X1=0;X2=所有者权益/销售收入,若该比率小于0.07,则X2=1,若该比率大于或等于0.07,则X2=0;X3=(净营运资金/销售收入)/行业平均值,若该比率小于-0.02,则X3=1,若该比率大于或等于-0.02,则X3=0;X4=流动负债/所有者权益,若该比率小于0.48,则X4=1,若该比率大于或等于0.48,则X4=0;X5=(存货/销售收入)/行业平均值,若该比率有上升趋势(根据连续三年的数据判断),则X5=1,若该比率有下降趋势,则X5=0;X6=速动比率/行业平均速动比率趋向值,若该比率有下降趋势,同时该值小于0.34,则X6=1,否则X6=0;X7=速动比率/行业平均速动比率,若该比率有下降趋势(根据连续三年的数据判断),则X7=1,否则X7=0。Edmister模型也属于多变量预警分析模型,它的判定方法与Z-score模型相似,但是,由于埃德米斯特没有公布其Z值的最佳分界点,使得我们在理解和运用该模型上比较困难。
除以上介绍的三种具有代表性的企业财务危机预警分析模型外,国内外学者在此领域做了大量的研究和探讨,建立了多种企业财务危机预警分析模型,如欧尔森模型、神经网络分析模型、F分数模型等等,在此就不一一赘述。以上所介绍的企业财务危机预警分析模型都是有关学者针对特定的对象而设计的,并不能直接适用于鄂东地区的中小企业,但可以肯定的是,我们在构建鄂东中小企业财务风险预警分析模型时,这些理论是值得我们学习和借鉴的。
三、鄂东地区中小企业财务风险预警分析系统的构建
鄂东地区中小企业的财务风险与其他地区、其他类型企业的财务风险在本质上并无区别,皆是企业出现了经营性现金流量不足以抵偿现有到期债务的状况,只不过由于经济环境及历史原因,鄂东地区中小企业抗风险能力较弱,其发生财务危机的偶然性更大、频率更高。同时,由于该地区的中小企业的财务管理水平总体上不及大企业,因此,我们在其财务风险预警分析系统的设计上,应遵循宜简不宜繁的原则,采用定性预测与定量预测相结合的方法,以定量预测为主,以定性预测为辅。本文主要是探讨鄂东地区中小企业财务风险定量预测的分析方法。纵观鄂东地区的中小企业,其类型也是纷繁多样的,有的企业处于初创期,而有的企业处于成熟期;有的企业财务管理已成体系,而有的企业财务管理水平则比较低。因此,不同的中小企业就应根据自身情况构建不同的财务风险预警分析系统,但是,不论构建何种财务风险预警分析系统,都应该科学合理地确定预警指标。
1、处于初创期、财务管理水平较低的鄂东中小企业财务风险预警分析系统的构建。对于处于初创期、业务比较简单的鄂东中小企业,可以借鉴威廉・比弗的单变量财务风险预警分析模型来构建其财务风险预警分析系统。其基本思路是:因为所谓财务风险是指企业的经营性现金流量不足以抵偿到期债务而产生的风险,所以笔者认为对于业务比较简单的鄂东中小企业可以采用传统的反映企业偿债能力的财务指标作为预警指标来预测企业的财务风险发生的可能性。具体来说,可以采用的指标有:(1)流动比率=流动资产/流动负债。根据惯例,流动比率等于2的时候比较好,若流动比率太低,则表明企业缺乏短期偿债能力。(2)速动比率=速动资产/流动负债。速动比率比流动比率能更好地反映企业的短期偿债能力,习惯上,速动比率等于1时较合适。若该比率太低,则应分析企业是否缺乏短期偿债能力。(3)现金流量比率=经营活动现金流量/流动负债。这一指标越高,则说明企业短期偿债能力越强,反之则越差。(4)资产负债率=负债总额/资产总额。该比率越高,说明企业长期偿债能力越差,反之则说明企业偿债能力越强。(5)偿债保障比率=负债总额/经营活动现金净流量。在一般情况下,该比率越低,则说明企业长期偿债能力越强,反之则越差。(6)利息保障倍数=息税前利润/利息费用。这一指标反映的是企业所实现的利润支付利息费用的能力,该指标数值越大,说明企业支付利息的能力越强,反之则越差,若此指标低于1,则表明企业有较大的财务风险。以上指标各有侧重点,因此,鄂东中小企业在具体运用时可以灵活处理,既可计算其中某一指标,也可同时系统地计算多个指标来观察企业的偿债风险,从而对企业的财务危机状况予以警示。当然在运用这些指标时也应注意到,以上指标对于不同行业的不同企业,反映其偿债能力的标准并不完全一致,另外,虽然该种方法运用起来简单易行,但完全凭借偿债指标来分析企业的财务风险大小也是不全面的,所以在运用其分析企业的财务危机状况时,最好还要结合企业的其他实际情况,如企业的获利能力,来共同进行分析和作出判断。
2、处于成熟期、财务管理水平较高的鄂东中小企业财务风险预警分析系统的构建。对于处于成熟期、财务管理水平较高的鄂东中小企业来说,也可直接运用埃特曼的Z-score模型或埃德米斯特的小企业财务风险预警分析模型来对企业的财务危机进行预警。但要注意的是,这两种模型都是针对西方国家的有关企业提出来的,对鄂东中小企业仅仅只能起到参考的作用,而不能直接作为评价标准,而应根据鄂东中小企业的具体情况重新测算Z值。另一方面,鄂东中小企业也可借鉴埃特曼的Z-score模型或埃德米斯特的小企业财务风险预警分析模型,来建立符合自身情况的财务风险预警分析模型。观察Z-score模型或Edmister模型,都是将企业的偿债能力、营运能力、获利能力作为其核心指标来进行分析的,因此,鄂东中小企业亦可选择若干个反映企业这三方面能力的有关财务指标,并为每种财务指标确定相应的对财务风险影响的预警值(即权数),建立一个多元线性函数模型,作为预测企业财务风险的预警分析模型。那么,在构建该种预警分析系统时,关键要注意两点:一是预警指标(即相关财务指标)的选择要有针对性,如反映企业偿债能力的指标有速动比率、现金流量比率、资产负债率、已获利息倍数等;反映企业营运能力的指标有应收账款周转率(=销售收入净额/平均应收账款余额)、存货周转率(=销售成本/平均存货)、总资产周转率(=销售收入/平均资产总额);反映企业获利能力的指标有销售利润率(=销售利润/销售收入净额)、成本费用利润率(=利润总额/成本费用总额)、净资产收益率(=净利润/平均净资产)等等。二是确定各预警指标的预警值。预警值是判断企业财务风险的数量标准,是建立企业财务风险预警分析模型的关键。鄂东中小企业可对所选取的预警指标采取趋势分析法,并结合企业所处的行业特征,确定这些指标的正常数量范围和临界点,即可得出该预警指标的预警值,最后可得出一个总的临界点数值,各指标加权汇总后的数值如果接近该临界点,即表示出现预警信号。另外,笔者认为测算的预警值并不是一成不变的,当企业的生产经营活动发生了重大变化时,还应重新测算各指标的预警值。
以上探讨了鄂东各中小企业根据自身生产经营情况建立定量预测分析财务风险的模型后,各企业还应有选择地选择相应的定性预测分析方法,如标准化调查法、“四阶段症状”分析法、“三个月资金周转表”分析法、流程图分析法、管理评分法等,采取定量预测分析与定性预测分析相结合,才能构成一个完整的企业财务风险预警分析系统。
(注:本文为湖北省教育厅科学技术重点研究项目“鄂东中小企业财务风险分析与防范的研究”阶段性研究成果,项目编号:D200727003)
【参考文献】
[1] 王化成:公司财务管理[M].高等教育出版社,2007.
[2] 财政部企业司:企业财务风险管理[M].经济科出版社,2004.
[3] 中国注册会计师协会:财务成本管理[M].中国财政经济出版社,2007.
[关键词] 财务危机；配对样本；主成分分析；逻辑回归；预警模型
一、 “财务危机”(pinancial crisis) 又称“财务困境”(pinancial distress)，国外多数同类研究采用破产标准。但中国从1988年开始试行《企业破产法》至今，没有一家上市公司破产．尽管2004年6月“st宁窖”爆出破产风波，但也在同年12月通过债权人和解解除了危机。由此可见，中国的破产机制不健全，加上国内证券市场的发展历史很短，采用外国学者的做法行不通。
国内学者大都将特别处理(st)的上市公司作为存在财务危机的公司，如陈静(1999)、李华中(2001)、姜秀华(2002)等。本文也将st公司作为研究样本，并将“财务危机”定义为“因财务状况异常而被特别处理(st)”，所指的“财务状况异常”包括上市公司突然出现重大亏损、连续两年亏损、股东权益低于注册资本或每股净资产低于面值等几种情形。
二、国内研究文献综述
陈静(1999)以1998年的27家st公司和27家非st公司为研究样本，使用1995—1997年的财务指标进行了单变量分析和多元判定分析，由于受样本量的限制没有对上市公司被st的原因加以详细区分；李华中(2001)用判别函数对1997—1999上市公司分类，描述了st公司的行业分布，利用向前回归法筛选财务指标建立预警模型；姜秀华等(2002)以在深沪两市上市的42家公司为控制相关变量，同时随机选取42家非st公司为控制样本进行了研究，运用logistic回归得到预警模型，并进行了预测与效果检验。
三、研究方法和研究样本
(一)研究方法
本文采用的方法是二元逻辑回归(logit)，相关的数据分析处理通过spssl3．0软件完成。
(二)研究样本及样本的行业特征分析
1.选择的研究样本
本文选择的样本s1是2002—2004年深沪两市首次被st的118家公司。
同时，选择了与样本s1同行业并且资产规模相近的118家盈利上市公司作为配对样本s2。
本文的数据主要来源于“亚洲证券”和“巨潮资讯”。
2.样本行业特征分析
至2005年8月，深沪两市共计有1379家上市公司(深市551家，沪市828家)。发生财务危机的118家上市公司分布在11个行业。其中，制造业出现财务危机的上市公司最多，占st公司总数的58．48％，但与该行业上市公司的总数相比，发生st的比例并不突出，只占8．60％．传播文化类上市公司有2家发生亏损，鉴于此类别的上市公司较少，虽占st公司总数的1．7％，但占整个行业的18．18％，说明传播文化类公司承担的风险较大，发生财务危机的比例也就较高。其次是综合类上市公司，占st公司总数的10．17％，占整个行业的15．00％。
四、预警指标的选择和分析
如果上市公司在第t年被实施st，那么(t－1)年表示上市公司被实施st的前1年。
(一)财务危机预警指标的初步选择
为对上市公司的情况进行全面、系统的描述，本文结合国内外的研究成果，初步选择了变现能力b1(流动比率x1、速动比率x2)、资产管理b2(总资产周转率x3、总资产周转率x4、应收账款周转率x5)、负债能力b3(资产负债率x6、产权比率x7)、盈利能力b4(净资产收益率x8、销售毛利率x9、销售净利率x10)、现金流量b5(每股经营现金净流量x11、经营现金净流量对挣利润比率x12、经营现金净流量对负债比率x13)、成长能力b6(资产增长率x14、主营业务收入增长率x15、净利润增长率x16)、股权扩张b7(每股收益x17、每股挣资产x18)、股东持股b8(前三大股东持股比例x19、前十大股东持股比例x20)等8个方面的20个财务指标。
(二)初选指标分析
1．财务指标的均值和标准差分析
利用spss计算st与非st公司各财务指标的均值及标准差。研究结果显示，发生财务危机的前1年，st公司与非st公司的20个指标的均值均存在明显区别。
2．配对样本检验
根据st公司与非st公司的同一财务指标的配对，利用spss进行配对样本t检验和wilcoxon秩检验，wilcoxon秩检验使用的是z统计量。
从表1中可以看出，除资产增长率x14外，st与非st公司的20个指标的配对样本t检验普遍显著，st公司的z统计量明显高于非st。
总之，通过上述分析，可以看到st公司与非st公司在财务危机发生的前1年，两者的均值、标准差、t统计量、z统计量发生了明显的变化。
(三)财务预警指标的进一步筛选
st与非st公司的上述20个指标，有的作用显著，起了较大作用，相比之下有的作用并不明显，而且指标过多会存在多重共线性或序列自相关。因此，在建立财务危机预警模型前，有必要进一步对财务指标进行筛选，利用变化显著的指标建立预警模型。本文拟选择主成分分析法。
1．变量间相关性分析
本文的相关性分析采用person相关系数，结果表明产权比率x7与净资产收益率朋、流动比率x1与速动比率x2、每股经营现金净流量x11与经营现金净流量对负债比率x13、每股收益x17与每股净资产x18、前三大股东持股比率之和x19与前十大股东持股比率之和x20的相关系数均超过0．6。为消除多重共线性的影响，按财务指标间相关性较小为优原则，经比较，剔除x7、x2、x13、x18及x19这五个财务指标。
2．财务指标的进一步筛选
引入虚拟变量y，表示上市公司是否出现财务危机。将上市公司出现财务危机设为1，没有出现财务危机设为0。
利用直接斜交转轴法，对剩余15个财务指标进行主成分分析，提取了3个因子。这3个因子分别为流动比率x1、每股经营现金净流量x11、前十大股东持股比率之和x20。
五、预警模型的建立及预测
笔者利用主成分分析得到的上述三个财务指标，选择二元逻辑回归(logit)方法，建立财务危机预警模型并进行预测。
(一)模型的建立
设多元逻辑回归(logit)拟合的方程为：
(二)预警模型效果检测
以0．500为概率最佳分割点进行预测。预测结果显示该模型的整体预测效果为75．319％，其中st公司的预测准确率为76．923％，非st公司的预测准确率为73．729%。
六、结论
笔者采用2002—2004年新增st公司的日个方面的20个财务指标，建立起上市公司发生财务危机前1年的危机预警模型进行了预测。为便于对比研究，选取相同数目的盈利公司作为配对样本进行t检验和wilcoxon秩检验。研究表明，选取财务指标的效果明显，建立的st公司的危机预警模型的判断准确率达到95．31％．由于研究是假定上市公司的财务数据是真实的，若上市公司粉饰财务报表，模型准确性可能受到影响。
主要参考文献
[1]ohlson，james a：“financial ratios and the probabilistlc prediction of bankruptcy”，journal of accounting research，1980．
[2]陈静．上市公司财务恶化预测的实证分析．会计研究[j]，1999，(4)．
[关键词] 绩效风险 预警 定性分析 模糊评价
连锁药店绩效风险非财务指标的预警是指在企业进行经营管理活动时实际产生的业绩效果通过非财务指标的分析监测，比较其与预期目标之间的可能偏离程度，来发现企业经营管理活动中的潜在风险，并发出警示，最终实现对企业经营管理活动的风险预控。二者间的可能偏离程度越大，则表明经营管理风险越高，反之则表明经营管理风险越低。
当前，企业的绩效风险监测更多是通过财务指标分析、判断的，是以企业的财务报表及其相关的财务资料为依据，通过设置一些敏感性财务指标，来观察企业发生财务危机的风险特征。因为财务信息是通过财务数据表达出来的量化结果，其分析结果具有一定的客观性和直观性。但是，企业的财务指标是对企业经营在财务活动中的结果进行分析，具有一定的滞后性，还不能完全表现出企业经营风险的预警效果。本文认为，建立非财务指标风险预警系统是对财务风险预警系统的有效补充，使企业的绩效风险监测更加体现出预警性，更能及时、客观、准确。
一、药店绩效风险非财务指标体系建立
药店绩效风险预警指标体系是根据卡普兰与诺顿的平衡记分卡理论，从财务、顾客、内部业务流程、学习与创新等四个维度所提出的问题入手，在每一方面设计一些特定业绩指标作为监测和控制的指标，并赋予不同的权重，形成一套完整的业绩风险评价指标体系。
关于财务风险监测，许多专家、学者对其进行了大量的研究。李俊秀对财务风险管理的危机预警系统进行了研究，王婷等对我国企业财务风险预警机制进行了研究，管亚梅对财务危机的预防与管理进行了研究。但是从非财务指标对企业的绩效风险进行监测，尤其是对连锁药店的绩效风险进行监测的报道甚少。本文试从平衡记分卡的另外三个非财务指标方面，进行特定指标设计，从而实现对药店的绩效风险进行定性分析。
连锁药店的绩效风险非财务监测指标的建立，是通过顾客、内部业务流程、学习与创新等方面所提出的问题，进行特定的监测指标设计的。监测药店绩效可以通过以下关键指标如表1所示。
二、药店绩效风险预警分析
近年来，在对医药连锁门店的绩效进行评价时，对于定型的被评价指标难以清晰把握，只能用一些模糊的语言诸如“强”“很强”等来描述，不能清楚地给出确切的数学表达。本文拟引用模糊综合评价法，利用模糊隶属度理论把定性指标合理的定量化，很好的解决了现有评标方法中评价不客观的问题。其评价过程为:
1.确定评价指标集。将影响评价对象的各因素按BSC分成财务指标和非财务指标，其中非财务指标分为关于顾客服务、内部流程、学习和成长三大类，财务部份可应用已有的完备的财务评价体系，再次我们仅对非财务指标进行模糊评价，并按照上述的平衡记分卡指标体系的指标分为二级，组成因素集合：
一级指标为U=（U⒈，U2，U3，U4)，即财务、内部流程、顾客和创新与学习层面的子因素；二级指标为U1=（U11，U12，…U1m)，U2=（U21，U22，…U2m), Uij=（Ui1，Ui2，…Uik)分别表示员工满意程度、员工的培训、员工的生产效率……。Uij(j=1,2,3,…k)为主因素层中第i和评价指标下的第k个因素，k为子因素层评价指标个数。
2.确定评价集。评价集是对分析对象可能做出的各种总的评价结果的集合，用 V表示：V=（V1，V2 ，V3，V4）其中V1=好，V2=较好，V3=中等，V4=差
3.确定各因素子集的权重
评价指标的权重集是表示各评价指标重要程度的权数所组成的集合, 表示某评价指标在评价中的重要程度。评价指标体系是一个递进的层次结构，宜采用层次分析法确定权重，指标的权重分别为A1，A2，……An, 权重集为A=（A1,A2,……An），且∑Ai=1,（i=1，2，…,m）表示主因素层各评价指标的重要性程度。子因素层评价指标的权重集为:Ai=（Ai1,Ai2,……Aim）ΣAih=1,Aih h=(,2,…,k)为子因素层第h个指标在第i个主因素指标中的重要性程度。
4.确定隶属关系，建立模糊评价矩阵
5.作多因素模糊综合评价
一级模糊综合评判
记Bij=AijRij=(bij1,bij2 …, bijk)
“”是模糊矩阵合成算子符号；Bj，归一化后记为Bij，Bij为Uij对V的隶属向量。
二级模糊综合评判
根据一级模糊综合评判,得到评判隶属矩阵Ri=[Bi1,Bi2。。。Bij]T
B=AR归一化后记为B={b1，b2，b3，b4}，B为U对V隶属向量，即为总评判结果。
(6)评判结果处理
一般地说，如果b1和b2的和低于某一标准，即所评价的结果被认为是较高以上的概率低于某一标准（通常取0.5，但在具体评价时应该根据具体情况修正），则可以认为该药店的业绩在某一方面存在经营管理风险。
三、应用研究
本研究以广州市CZL医药连锁公司为例进行实证研究。CZL医药连锁有限公司是广州市YC有限公司下属企业，是我国建立医药连锁最早的企业之一, 主要从事我国传统的中药材、中药饮片、中成药的经营，同时兼营西药、保健食品、医疗器械。根据CZL医药连锁有限公司的要求，专家组对该企业了进行风险诊断。本实证研究进行的具体步骤如下：
第一步,通过设计、分析调查问卷以及咨询有关专家等多种途径确定公司经营绩效非财务指标评价主因素指标集和子因素层指标集。具体说明见表1。
第二步, 评价数据的取得。获取评价数据主要是指评价指标体系的权重,系数的确定和评价等级的建立。在实际的评价过程中, 这些数据可由专门的机构和评价专家来确定。评价等级的建立可由专家按照评价记分等级分配率统计获得。现拟对CZL医药连锁有限公司宝岗分店的非财务绩效指标进行评价,具体数据见表2。
评价记分的等级分别按“ 优”“良”“中”“差”4 等, 记分为4, 3, 2, 1 分, 其隶属度分别为1, 0.8, 0.6 和0.4。
第三步,根据评价表进行模糊综合评价, 确定其分值及隶属度。对指标模块进行分析:
A1=[ 0.30 0.20 0.20 0.15 0.15]
S1=A1R1
S1=[0.343 0.311 0.271 0.075]
经归一化后得：S1/=[0.34 0.30 0.28 0.08 ]
由于4 个等级的得分相应为4, 3, 2, 1 分, 则宝岗分店的客户指标得分值F1 为:
F1=[ 0.34 0.30 0.28 0.08]=2.92
该分值的隶属L1=2.92/4≈0.73,分值计算结果表明,宝岗分店关于客户指标的评价接近于“ 良”等级。
同理可得:
S2=[0.365 0.336 0.238 0.062]
经归一化后得：S2/=[0.36 0.34 0.24 0.06],宝岗分店的内部流程指标得分值F2为3.00,从而该分值的隶属L2为0.75,表明宝岗分店的内部流程指标的评价接近于“良”等级。
S3=[0.10 0.245 0.32 0.335]
经归一化后得：S3/=[0.10 0.24 0.32 0.34],宝岗分店的学习与成长指标得分值F2为2.11,从而该分值的隶属L2为0.53,表明宝岗分店的学习与成长指标的评价接近于“差”等级。说明司宝岗分店的学习与成长的评价结果较差，该分店的领导者需要在关注销售额及利润增长的同时，更多地关注员工的学习与成长情况，这才能在竞争激烈的医药连锁行业中获得及留任优秀员工。
四、结束语
本文对连锁药店的绩效风险的预警的方法进行了研究。研究结果表明，通过定量和定性模糊分析，可以有效预警连锁药店的绩效风险，可以改变单一依靠传统的财务指标进行风险评估和预测模式，使企业的绩效风险预警更加客观、更加多元化、更具有预见性，通过模糊评价法对平衡记分卡中的非财务指标的模糊处理，可使分析结果更清晰、准确，更具有说服力。
参考文献：
[1]李俊秀:财务风险管理的危机预警系统[J].科技创业月刊，2007，（1）74～77
[2]陈善为 涂 涛:平衡记分卡在企业绩效管理中的应用[J].商场现代化,2008，1:64～66
[3]王 婷 何学忠 舒海棠:我国企业财务风险预警机制研究[J].企业经济，2004，（2）:149～150
[4]管亚梅:财务危机的预防与管理[J].财会研究，2000，（10）:32～35
[5]苏 平 马维珍 田元福:模糊综合评价法在项目风险管理中的应用[J].兰州交通大学学报(自然科学版),2005，24（6）:53～55
[6]龚本刚 檀大水:模糊环境下企业竞争情报系统绩效评价方法[J].情报学报，2008，27（1）:56～58
关键词：财务危机 Logistic模型
财务危机预警问题是财务学中的一个重要研究课题，而且具有很大的现实意义。建立财务预警模型，对企业财务危机进行预测，对于保护投资者和债权人利益、对于政府部门提高对企业的宏观监控质量以及规范证券市场等方面，都将起到重要作用。
一、文献综述
（一）Logistic模型的选用和预测准确率研究国外对于企业财务危机预警模型的研究已有七十多年的历史，产生了一元分析法、多元分析法、Logistic回归分析法、人工神经网络等多种方法，从20世纪80年代以来，Logistic回归分析代替判别分析法，在财务危机预测研究领域占据主流地位。Logistic回归方法没有严格的假设条件，不要求数据的正态分布，因而其参数估计比判别分析更加稳健；而且对于二分类总体判别问题，具有较好的区分效果。国内直至20世纪90年代末才开始有关于这一方面的学术研究出现，其中都借鉴了西方较为成熟的模型或理论，并结合中国的特色加以研究。近年来，随着中国资本市场的发展，国内学者对这一领域的研究越来越重视，有关财务危机预测研究的文献日益增多。从这些文献看出，国外的研究方法在中国的上市公司财务危机预测中均得到了应用，而Logistic回归分析方法在这些文献中占了很大比例。但不同文献Logistic模型的预测准确率有较大的差异，如吴世农等（2001）的Logistic模型总体预测准确率为93.53%；赵息等（2007）建立的Logistic模型在发生财务危机的前两年，模型判断正确率在90%以上；乔卓等（2002）研究发现提前两年和提前三年其Logistic 模型的预测准确率分别达到81.16%和76.81%；姜国华等（2004）的模型对ST公司的预测准确率为64%。这些预测效果的差异，一方面是由于样本和变量选择范围不同造成的，另一方面是由于有些研究在预测效果判别等方面的缺陷造成的。
（二）样本规模的选择对于样本规模的选择，Logistic模型要求大样本规模。因为Logistic模型运用最大似然估计法估计模型参数，最大似然估计具有一致性、渐进有效性和渐进正态性的统计性质，然而保持这些性质的前提条件为样本规模要很大。国外一些资深研究人员认为最大似然估计的大样本性质一般维持得较好，即使在中等规模（比如样本数为100）的条件下，也能够接受。而样本规模小于100时使用最大似然估计的风险较大（王济川等，2001）。而国内有些文献的样本规模小于100，其研究结果的有效性和稳健性就值得怀疑。如洪梅（2007）以40家公司为样本建立Logistic预测模型，以0.5为分界点，模型总体预测准确率为86.1%；宋鹏等（2009）以80家样本公司所建模型的总体回判正确率为95% ，对35家预测样本的总体判断准确率80%；而胜等（2004）利用32家样本建立不同的预警模型进行比较，在试图建立Logistic回归模型时发现指标变量难以进入模型，建模失败，这也说明了样本规模对Logistic模型的建立有直接影响。对模型预测效果的判别，大部分文献都采用分类表对模型预测准确性进行评价。采用分类表判别预测模型预测效果时的问题主要表现在对分界点的确定以及对预测结果的解释方面。有的作者没有说明分界点的确定依据，如崔学刚等（2007）以34家危机公司与66家非危机公司作为样本公司建立Logistic模型，采用0.34为阙值概率（分界点），得出总体预测准确率70%，危机公司预测准确率70.6%，非危机公司预测准确率69.7%，但没有说明分界点的确定方法；有的文献对分界点的确定做了说明，但不具有普遍适用性，姜秀华等（2002）选用42家ST公司和42家非ST公司为研究样本，借助贝叶斯公式，判断最佳分界点为0.1，得到模型的回判准确率为84.52%。但文中利用较低的分界点（0.1）对ST公司进行外推判别能够得到很高的判别准确率，不代表模型的总体预测准确率高。
（三）样本比例和分界点的选择有些文献当危机公司和非危机公司的样本比例不是1:1时，仍简单地采用0.5为分界点，影响了预测结果的准确性。如鲜文铎等（2007）利用61家ST公司和183家非ST公司作为估计样本，并利用60家ST公司和180家非ST 家公司为验证组，研究结果显示，以0.5为分界点时，标准Logistic 模型对ST 公司、非ST 公司和总体样本的预测正确率在估计样本中分别为68.9%、96.2%和89.3%，在验证样本中分别为73.3%、91.1%和86.7%，可以看出其模型对非ST 公司的预测准确率远高于对ST公司的预测准确率，由于非ST 公司样本数大于ST公司样本数，而使模型对总体样本预测准确性也高估；赵息等（2007）选取了35家财务危机公司和67家非财务危机公司作为样本，建立了基于主成分分析的Logistic预警模型，以0.5为分界点，分析结果表明在发生财务危机的前两年模型判断正确率在 90%以上，在发生财务危机前的第3年，判断正确率为74.51%。其研究发现ST 公司的误判率高于非ST公司的误判率，但却认为是由于报表粉饰引起的财务数据扭曲导致。还有一些文献当危机公司和非危机公司的样本比例不是1:1时，只采用类R2、HL指标说明模型拟合优度，而没有对分界点和模型预测准确率进行说明。如浦军等（2009）运用Logistic回归模型，利用2007年40家ST样本、103家非ST样本建立了相应的Logistic财务危机预警模型，只用类R2表示模型拟合优度较好。曹德芳等（2005）选用21家工业企业ST公司和104家非ST公司，采用HL指标说明模型拟合优度，也没有说明Logistic模型预测准确率。
本文拟在克服以上缺陷的基础上，利用2008、2009年最新的财务危机公司为研究对象，建立新会计准则背景下的Logistic财务危机预测模型，利用ROC分析确定最佳分界点，并利用分类表和ROC曲线对模型的预测准确性和实用性进行判别。
二、研究设计
（一）样本选择对于财务危机的界定不同的学者有不同的观点，国内绝大多数学者在其研究中将上市公司因财务状况异常而被特别处理（ST）作为企业陷入财务危机的标志。但本文比较赞同崔学刚等（2007）的观点，将首次亏损作为财务危机的界定标准。原因主要为首次亏损是公司财务状况恶化的开端，而且这种界定有助于获取足够大样本量，满足Logistic模型对大样本的要求，也使研究更具一般性。本文以近三年首次出现亏损作为上市公司财务危机的界定标准，当净利润小于0时，因变量Y取1；否则为0。本文共选取了474家上市公司，其中2008年首次出现亏损的公司119家，2009年首次出现亏损的公司39家，随机选取截至2008年连续三年盈利的公司238家和截至2009年连续三年盈利的公司78家作为配对样本。样本筛选过程中，剔除了金融保险类公司和近三年财务数据不全的公司及发行有B股、H股的公司。数据来源于上海证券交易所、深圳证券交易所、和讯网等权威证券网站。为了分析不同样本规模对预警模型最佳分界点及预测准确性的影响，在进行实证分析时，将474家公司进行两次随机分组，第一次按危机公司和非危机公司1:1的比例分组，第1组取158家公司作为估计样本，第2组158家公司作为检验样本；第二次按危机公司和非危机公司1:2的比例分组，第3组237家作为估计样本，第4组237家作为检验样本。各类样本年度分布见（表1）。
（二）变量选取本文以本年度（定义为第t年）是否首次出现亏损为因变量，首次出现亏损取1；否则取0。以前一年（定义为第t-1年）财务指标与非财务指标为自变量。本文综合考虑企业偿债能力、获利能力、营运能力、成长能力、获取现金能力及公司治理等多方面的因素，选取了37个指标作为自变量。具体指标分别是反映偿债能力的指标：流动比率、速动比率、现金比率、流动资产对负债总额比率、营运资产与总资产的比率、现金与总资产比率、资产负债率、有形净值债务率、权益乘数；反映盈利能力的指标：净资产净利率、扣除非经常损益后的净利润率、总资产报酬率、销售净利率、成本费用利润率、主营收入毛利率、主营收入税前利润率、主营收入税后利润率、每股收益、扣除非经常损益的每股收益；反映营运能力的指标：应收账款周转率、存货周转率、总资产周转率、固定资产周转率、净资产周转率；反映发展能力的指标：主营收入增长率、净利润增长率、净资产增长率、固定资产投资扩张率、总资产扩张率、可持续增长率、超常增长率、经营现金净流量增长率；反映现金获取能力的指标：主营业务现金比率、每股经营活动现金净流量、资产的经营现金流量回报率；反映盈利质量的指标：非经常性损益比率；反映公司股权结构的指标：第一大股东持股比例。
（三）研究方法Logistic模型是一种非线性判别的统计方法。在二分类Logistic模型中，通常用Y代表因变量，它的取值有两种可能（如危机公司为1，非危机公司为0）。X=（X1，X2，…，Xn）表示自变量。P用于表示Y在特定条件下的发生概率。P通过下式求得：
系数可以按照一般回归系数那样解释，一个自变量的作用如果是增加事件的对数发生比Ln［p/（1-p）］，也就增加事件发生的概率P，反之亦然。由于Logistic回归中因变量与自变量之间的关系是非线性的，Logistic模型估计未知参数时采用最大似然估计。本文的研究目的是利用上市公司的财务指标和股权结构指标构建Logistic模型，对上市公司发生财务危机的概率进行预测。评价Logistic预测模型预测效果常用的工具是分类表，在分类表中可以计算出样本总预测正确率、灵敏度（Sensitivity）和特异度（Specificity）等指标。但分类表预测准确性取决于分界点（Cutoff point/cutoff value）的确定，在模型一定情况下，不同分界点会导致完全不同的预测准确性。因此本文首先利用ROC（Receiver Operating Characteristic）曲线确定最佳分界点，然后根据分类表结果和ROC曲线下面积估计模型预测准确率。ROC曲线分析的基本原理是：通过分界点的移动，获得多对灵敏度和误判率（1-特异度），以灵敏度为纵轴，以误判率为横轴，连接各点绘制曲线，然后计算曲线下的面积，面积越大，判断价值越高。灵敏度就是把实际为真值的判断为真值的概率，表示通过预测模型准确预测出发生事件占实际发生事件的比重。特异度就是把实际为假值的判断为假值的概率。误判率就是把实际为假值的判断为真值的概率，其值等于1-特异度。本文中灵敏度=被正确预测为危机公司的样本数/实际发生危机的样本公司数。特异度=被正确预测为非危机公司的样本数/实际非危机公司样本数。误判率=被误判为危机公司的样本数/实际非危机公司的样本数。总体准确率=被正确分类的样本数/样本公司总数。
三、实证结果分析
（一）独立样本T检验由于所选自变量较多，各项指标间可能存在不同程度的相关性，影响回归分析的准确性，因此在进行Logistic回归分析前首先利用财务指标的独立样本T检验对自变量进行筛选。检验结果表明，当危机公司与非危机公司样本比例为1:1时，在两类企业之间有显著差异的财务指标共12个，当危机公司与非危机公司样本比例为1:2时，在两类企业之间有显著差异的财务指标共15个，其中有10个指标与样本比例为1:1时相同。检验结果见（表2）、（表3）。可以看出，危机公司与非危机公司在现金流指标、主营业务盈利指标、非经常损益比率以及固定资产和总资产扩张等几类指标有显著差异。危机公司利用现金进行偿债的能力、投资扩张能力、获取现金流的能力以及主营业务的盈利能力都比较差。从（表2）看出危机公司的净利润增长率显著高于非危机公司，但其扣除非经常损益后的净利润率显著低于非危机公司，说明危机公司的利润增长主要源于非经常损益的增长，说明其盈利质量较差、盈利缺乏可持续性。
（二）回归分析以本年度（定义为第t年）是否首次出现亏损为因变量，首次出现亏损取1；否则取0。以前一年（定义为第t-1年）通过T检验的财务指标为自变量，进行单变量Logistic回归分析，剔除统计不显著的变量指标。同时，通过相关系数矩阵检验各个自变量之间的多重共线性，按照单变量检验显著性从高到低的标准选择进入预测模型的变量，最终得到两个危机预测模型，危机公司与非危机公司样本比例为1:1时所得模型为M1，危机公司与非危机公司样本比例为1:2时所得模型为M2，模型回归结果见（表4）和（表5）。可以看出，如果上市公司收益中非经常损益比率越高、净利润增长率越大，即当上公司通过增加非经常性损益大幅增加利润时，公司下一年亏损的可能性越大，而公司主营收入毛利率高、扣除非经常性损益后的净利润率高，而且经营净现金流及其增长率大时，说明上市公司盈利质量高，下一年出现亏损的可能性小。当流动资产对总资产比率越高时，公司资产流动性越强，公司下一年出现亏损可能性小，这一点与奥特曼Z记分模型结论一致。
（三）Logistic风险预警模型评价对Logistic 回归模型的评价主要有三个方面：模型总体显著性、拟合优度与预测准确性。
（1）模型总体显著性检验。模型总体显著性检验采用Omnibus Tests of Model Coefficients检验，该指标类似于多元线性回归中的F统计量，表明了模型自变量对因变量的总体解释能力。从（表4）和（表5）的回归结果可以看出M1、M2两个模型的卡方统计量分别为32.735和27.213，对应Sig. （相伴概率p值）均为0.000，说明两个模型均通过了总体显著性检验，模型自变量对因变量的解释能力较强。
（2）拟合优度评价。拟合优度反映了模型匹配观测数据的程度。如果模型的预测值能够与对应的观测值有较高的一致性，就认为这一模型拟合数据。否则，将不能接受这一模型，而需要对模型重新设置。当Logistic模型中自变量很多，或者自变量中包含连续性变量的情况下，应采用Hosmer-Lemeshow（HL）指标判别模型拟合优度，而且HL指标被认为是估价Logistic回归模型拟合优度方面应用最广泛的指标（王济川等，2001）。在具体应用时，检验的是模型预测值与实际观测值之间的差别，判断标准是查看Sig.值，如果是sig>0.05，即说明模型预测值与实际观测值之间没有显著差别，即拟合方程与真实的方程基本没有偏差，也就是说HL指标的Sig.值越大越好。（表4）、（表5）显示模型的H L拟合优度检验结果，M1的卡方统计量为5.249，Sig.（相伴概率p值）为0.731，M2的卡方统计量为7.82，Sig.（相伴概率p值）为0.451。两个模型的Sig.值均远远大于给定的显著性水平0.05，表明模型M1和M2较好地拟合了数据。
（3）最佳分界点确定及预测准确度评价。本文利用Spss中Analyze――Roc Curve命令，绘制了两个模型的roc曲线，见（图1）、（图2）同时确定各模型的最佳分界点。根据统计理论，危机公司与非危机公司的判别错误率与分界点关系的方向相反，二者此消彼长。即当分界点值逐渐增大时，非危机公司判别错误率逐渐减小，危机公司判别错误率逐渐增大，反之亦然。因此，从统计角度来看，不存在使得危机公司和非危机公司判别错误率都达到最低的分界点值。在实际应用中分界点的确定一般需要根据使用目的和判别错误成本来定。对于筛选性质的研究，往往选择在容许的特异度情况下，尽可能使灵敏度高一下；对于确认性研究，往往在灵敏度容许的范围内，选择使特异度高一些的分界点。但判别错误成本的测定比较困难，不同使用者出于不同的使用目的考虑，对于判别错误成本的测定方法可能也不一致。因此，绝大多数学者在研究中回避了这一问题，本文的研究也未考虑判别错误的成本。在不考虑判别错误成本的情况下，本文将非危机公司判别准确率与危机公司判别准确率之和最大时（即总体判别准确率最大，判别错误率最小）对应的分界点确定为最佳分界点。通过以上方法确定最佳分界点之后，各个模型的预测准确率如（表6）和（表7）所示，本文同时列出了分界点为0.5时的预测精准确率进行对比。从（表6）可以看出当危机公司与非危机公司样本比例为1:1时，最佳分界点（接近0.5）处的总体预测准确率高于以0.5为分界点的总体预测准确率。从（表7）中可以看出当危机公司与非危机公司样本比例为1:2时，以0.5为分界点时，会低估危机公司预测准确率（灵敏度），高估非危机公司的判别准确率（特异度），由于非危机公司样本数多于危机公司样本数，从而导致模型总体预测准确率高估。（表6）与（表7）显示，当危机公司与非危机公司样本比为1:1时，最佳分界点分布在0.5附近，而当危机公司与非危机公司样本比为1:2时，最佳分界点分布在0.33附近，即最佳分界点与危机公司在总样本公司中所占比例比较接近。此结果也与崔学刚等以34家危机公司与66家非危机公司作为样本公司时采用0.34为分界点，姜国华等（2004）选用33家ST公司和778家非ST公司作为样本公司时采用0.04为分界点相一致。本文推断这种现象不是巧合，而是有其必然性。因为Logistic模型如果拟合较好，则模型就应该反映样本公司的总体情况，如果样本总体中实际发生危机公司所占比率为α，则根据Logistic模型计算出的所有样本公司中发生危机的概率也应为α，因此采用α为分界点，所预测结果与实际情况最相符。M1估计组和检验组ROC曲线图如（图1）和（图2）所示，其横轴是非危机公司的判别错误率（1-特异度），纵轴是危机公司的判别正确率（灵敏度），ROC曲线越陡峭，ROC曲线面积越大（指ROC曲线下边部分面积），预测模型的稳定性和判别精度越高。按照国际通行值， ROC曲线面积如果能达到0.7，该模型即可应用于实践。本文模型M1估计组的ROC曲线面积达到0.758，而且其检验组的ROC曲线面积达到0.735，说明模型稳定性和判别精度较高，可以应用于实践。M2估计组及其检验组的ROC曲线面积分别为0.699和0.662（限于篇幅，文中没有列出图示），说明模型尚不足以应用于实践。
四、结论
根据前文分析，得出如下结论：危机公司与非危机公司的差别主要体现在偿债能力、盈利能力、发展能力及经营现金流的获取方面。偿债能力差异主要为危机公司的现金以及营运资产在总资产中的比例显著低于非危机公司，其偿还到期负债的能力较差；盈利能力方面的差异主要体现在危机公司主营业务盈利能力差并且盈利质量不佳，利润中非经常性损益比例较大，说明其持续盈利能力不强。发展能力方面的差异主要表现为危机公司的固定资产扩张速度和总资产的增长率都显著低于非危机公司，说明危机公司发展潜力不足。另外研究发现危机公司的经营现金流指标显著低于非危机公司。
参考文献：
［1］吴世农、卢贤义：《我国上市公司财务困境的预测模型研究》，《经济研究》2001年第6期。
［2］赵息、肖铮、何辉渝：《Logistic模型在上市公司财务预警中的应用研究》，《西安电子科技大学学报（社会科学版）》2007年第3期。
［3］乔卓、薛锋、柯孔林：《上市公司财务困境预测Logit 模型实证研究》，《华东经济管理》2002年第10期。
［4］姜国华、王汉生：《财务报表分析与上市公司ST预测的研究》，《审计研究》2004年第6期。
［5］王济川、郭志刚：《Logistic回归模型: 方法与应用》，《高等教育出版社》2001年第9期。
［6］胜、梁梁、殷尹：《不同模型在财务预警实证中的比较研究》，《管理工程学报》2004年第2期。
［7］崔学刚、王立彦、许红：《企业增长与财务危机关系研究》，《会计研究》2007年第12期。
［8］姜秀华、任强、孙铮：《上市公司财务危机预警模型研究》，《预测》2002年第3期。
［9］鲜文铎、向锐：《基于混合Logit 模型的财务困境预测研究》，《数量经济技术经济研究》2007年第9期。
［10］傅文：《基于Logit模型的上市公司财务预警分析》，《云南财贸学院学报》2005年第8期。
