上市公司財務危機預警精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的上市公司財務危機預警主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：上市公司財務危機預警范文
中圖分類號：F275 文獻標識碼：A 文章編號：1001-828X（2012）12-0-01
一、財務危機預警系統的定義
財務危機預警系統就是通過對企業財務報表及經營內容的分析，利用實時發生的財務數據和規定的數據化管理標準，將企業可能出現的潛在危機提前預知企業經營者或有關利益相關者，并通過對企業發生財務危機的原因和財務運營體系隱藏的問題分析，提早采取防范措施的財務分析系統。
二、我國上市公司財務危機預警系統存在問題
1.監管部門未作明確規定且證券市場并不完善
中國證監會和證券交易所對上市公司的信息披露方面進行監管，是為了確保上市公司信息能夠得到及時和準確的披露，但對實行特別處理、暫停和終止上市的公司預警監管，還沒有出臺規范性的法律制度。目前我國證券市場由于建立時間不長且發展緩慢，上市公司的內部控制和治理結構還不夠合理，一些相關的企業破產機制還不夠健全等問題，都影響著對財務預警系統的研究。
2.公司決策層缺乏主動運用財務預警系統的意識
如今，我國企業財務危機預警系統的運用還僅僅停留在理論的研究上。公司經營者沒有樹立危機防范意識主要是由于國有企業受計劃經濟體制的影響，致使企業普遍存在著產權不明，政企不分的現象，企業也缺乏相應的激勵和約束機制。且企業也很少面臨破產的危機，所以管理者對企業的破產機制不夠重視，在進行相關決策時也就很少主動運用財務危機預警系統。
3.不健全的公司治理結構致使財務預警系統不受重視
過于集中的持股比例、不完善的內部控制和所有者缺位是我國不健全的公司治理結構的主要表現形勢。不完善的公司治理結構，使公司管理者缺乏對公司未來發展的預見性及對公司財務狀況的分析與評判，因而造成對財務預警系統不夠重視。有些企業并未對使用人員進行必要的培訓，造成管理人員的業務水平和綜合素質無法滿足預警系統的要求，使其無法發揮應有的作用。
4.會計信息失真制約財務預警系統的有效實施
隨著經營權與所有權的逐漸分離，委托開始在上市公司中出現，信息不對稱在委托人和人之間普遍存在，道德風險也就隨之產生，因而上市公司管理層有機會操縱會計信息，甚至提供虛假信息。目前會計信息失真是我國上市公司中經常出現的問題，這嚴重影響了預警系統的有效性，也使有關方應用上市公司財務預警系統的積極性不高。
三、我國上市公司財務危機預警系統的構建
1.預警組織機制
企業財務預警系統運行機制的運轉效果和預警體系功能的正常、充分發揮，都受預警組織機構是否健全的影響，同時預警組織機構應獨立開展工作，不干涉企業的生產經營活動，只對企業管理層負責，以保證財務預警的獨立性和客觀性。
預警組織機構的職責是負責預警目標的確定、預警方案的研究、預警情況的匯報，并據此討論制定預報的類型、內容和對策方案，及時解決經營過程中出現的問題。在建立預警組織機構時，要確保能夠有專人落實財務預警工作，且不受其他組織體系的干擾和影響。財務預警系統必須將預警有效地融合于傳統的財務管理系統之中，才能充分發揮其警報、矯正與免疫的作用。但新系統并不是簡單的結構重組，而是建立在原有財務管理系統之上，其在結構與職能的分配上都發生了變化。
2.預警信息機制
預警信息機制是通過提供信息以支持財務預警，主要是在搜集、傳遞、處理與評價等方面對財務預警信息制度的規定，其首要功能是為預警行為主體實施預警行為提供所需信息。但光靠利用傳統的財務管理信息以無法滿足現代預警管理的需要，從目前來看，企業可考慮修正現有的信息系統，增補一些信息使企業財務風險大小表現的更加明顯；從長遠看，也可通過與原有財務管理信息系統相結合自行開發和建立一個專門的預警信息系統，以形成一個大的財務管理信息系統。因為良好的財務預警分析系統的建立需要分析大量的系統資料，所以，公司應建立高效的收集、傳遞、處理信息的機制。
3.預警管理機制
預警管理機制是財務危機預警系統的最后一個機制，包括日常控制和危機管理兩個方面。前者主要是在日常監控系統的實施過程，控制公司經營過程中出現的各種警兆，使其體現出來的警兆數值不超過危機預警的警戒值，若發生則立即采取相應的控制措施加以防范；后者則主要是指專門的預警組織在危機發生以后所采取的補救措施，以達到化解財務危機的目的。
與財務預警組織機制和信息機制一樣，作為一個運行過程，要使財務風險達到有效的防范和監控就應該做好幾方面的工作如：加強對危機認識的教育，樹立危機意識，定期進行企業財務綜合分析，搞好企業財務控制等。
4.危機處理機制
危機處理機制，是在已經發生財務危機的情況下所采取的應對措施，高危警情是其處理的主要內容，與財務預警系統的日常監控職能不同，它是一個反應快速的管理機制，能夠使財務危機帶來的危害最大限度地減少和降低，進而避免企業最終走向破產清算的境地。由于財務風險具有不確定性，因此它的發生又存在突發性和災難性，這就使得我們不可能在面對任何財務風險時都能進行有效的控制，其中的一部分財務風險也就不可避免的會引起財務危機的爆發，要化解財務危機，就必須建立一個高效的危機處理機制。所以，擁有一套全面化、系統化的危機處理組織對企業管理來說是必不可少的組成部分，其具體的業務流程有：立即啟動財務危機應急分隊，迅速開展統一、公開的信息活動，迅速調查財務危機事件、對財務危機進行積極應對，財務危機善后處理，財務危機總結等。
四、小結
綜上所述，經濟危機給企業帶來巨大沖擊的同時也帶來了很大機遇。這就需要企業建立居安思危的意識，充分認識各種不利于企業發展的因素，采取有效的應對措施，強化危機預警機制，制定多套防范危機的方案，最終達到防范和化解財務危機的目的。
參考文獻：
[1]劉宏洲.財務危機預警的Z計分模型實證研究[J].會計之友，2011（28）.
第2篇：上市公司財務危機預警范文
本文在分析研究國內外關于財務危機動態預警相關研究的基礎之上，對財務危機的動態預警模型的研究現狀進行綜述，探討財務危機動態預警研究的發展趨勢。
【關鍵詞】財務危機 動態預警 研究綜述
在全球經濟衰退、金融危機的大背景下，探索識別財務危機，為企業利益相關者提供預警信號是非常值得研究的現實問題。因此，建立基于時間序列特征的動態預警系統成為了必然的趨勢。國內外很多學者都對財務危機預警模型進行了研究，并建立了相應的預警模型。但是現階段關于財務危機預警的動態研究還是較少，目前我們的財務危機預警系統大多是靜態預警，大部分學者采用的都是多截面樣本數據，對不同時期的多個樣本數據進行研究，但是這樣研究存在一個顯著的邏輯性缺陷，即沒有考慮到財務狀況的時間延續性。這些實證研究的結果普遍存在著預測準確率不理想的情況，特別是多期財務危機預測準確率較低的情況。如果企業的整體財務狀況很好，只是單期的表現不好，隨后企業的財務狀況會很快恢復正常，這種暫時的偏離正常值不應該被歸為財務危機公司，但靜態模型不考慮歷史的影響，會將這種公司歸為危機公司，預測準確率不理想。
一、財務危機動態預警模型簡介
動態財務預警主要使用的技術有人工智能技術（如神經網絡模型和機器學習等分析技術）具備良好的模式辨別能力，克服了傳統統計方法的局限性，有更高的預測能力。
二、國外關于財務危機動態預警模型的研究
目前，國外學者廣泛應用的動態預警模型主要有神經網絡模型、遺傳算法模型、案例推理模型等等。
（一）人工神經網絡模型
人工神經網絡模型主要是運用神經網絡的分類方法來進行財務預警。許多功能是對人腦神經網絡系統的模擬，有很好的模式識別能力，根據隨時更新的數據進行自我學習，因此有很高的糾錯能力，能夠更好的預測財務危機。Odom和Sharda（1990）是最早在財務危機預警模型中運用人工神經網絡模型的，隨后許多學者做了相似研究，并對模型及算法進行了響應的改進。
（二）遺傳算法（genetic algorithm，GA）
遺傳算法是模仿生物遺傳進化規律，運用在大量復雜概念空間內隨機搜索的技術，用于企業財務危機的預測。Varetto（1998）、Shin&Lee（2002）、Hyunchui（2009）都進行了這方面的研究，Franco（2010）的研究表明了采用GA來進行預測比較省時并且受到主觀影響也較小，但是預測精度沒有MDA高。
（三）案例推理（case-based reasoning，CBR）
案例推理一般運用K臨近算法對存儲案例進行分類，據此來對新增的案例進行推斷，主要適用于在復雜多變的環境中進行決策。Hongkyu（1997）對案例推理（CBR）、人工神經網絡模型（ANN）以及多元判別分析方法（MDA）進行了比較分析，結果顯示CBR與MDA判別結果無本質上的區別，更適合在數據不充分的時候使用；Cheol-Soo（2002）用層次分析法（AHP）對K臨近算法進行了改進，預測精度明顯得到了提高。
（四）支持向量機（support vector machine，SVM）
SVM方法是在統計學理論基礎之上的一種機器學習方法，這種算法通過非線性變換把實際問題換到高維特征空間，并且進行處理，對維數的要求沒有那么嚴格，具有很好的推廣能力。在這方面，Fan、Palaniswami均有相關的研究，Kyung-Shik Shin（2005）采用這種算法構建了財務危機預警模型，并對韓國的企業進行實證研究，結果表明SVM的預測性能高于BP神經網絡模型。
（五）粗集理論（rough set theory，RST）
RST是一種用多個財務比率來描述財務危機與財務正常公司的工具，可以有效地解釋財務指標與財務危機的關系。Pawlak、Dimitras和Joseph都將RST應用與財務危機預警系統的研究中。
三、國內關于財務危機動態預警模型的研究
國外對財務危機動態預警模型的研究已經取得比較豐碩的成果，國內的學者關于動態預警系統的研究少之甚少。
（一）大部分學者是從動態管理角度得出破產公司和非破產公司的現金管理特征變量，并據此構建預警模型
國內由于對現金流重要性的認識不夠，加上我國從1998年開始才要求上市公司編制現金流量表，因此進行實證研究所需的現金流量方面的數據嚴重缺乏。這些原因，最終導致國內的研究僅僅停留在對現金流量指標體系構建的理論探討層面。
姚靠華、蔣艷輝（2005）就動態財務預警系統建立的技術基礎和系統框架進行了闡述，提出應該充分利用數據倉庫技術、數據挖掘技術和Agent技術來建立企業的動態財務預警系統。
張鳴、程濤（2005）運用Logistic回歸方法，先從財務指標角度構建財務指標預警模型，然后引入現金管理特征變量和現金管理結果變量，從財務指標和現金流量角度共同構建綜合預警模型。
（二）對財務危機動態預警模型的研究主要有以下幾種
楊淑娥、王樂平（2007）以T-2、T-3期財務數據組合的面板數據作為研究樣本，構建BP神經網絡模型對上市公司的財務狀況進行預測。
蔣麗（2007）用因子分析法分別建立ST前三年的三個評分模型F1、F2、和F3，依次對樣本進行預測，從動態的角度找出不同時期的特征變量，預測財務危機的緊急程度。
陳磊、任若恩（2008）以因財務原因被實施特別處理和暫停上市作為上市公司財務階段的分類標志，將上市公司的財務狀況分成3個階段，借鑒Theodossiou的方法，使用時間序列判別分析技術、指數加權移動平均控制圖模型對中國上市公司的財務危機預測進行研究。
孫曉琳、田也壯、王文彬（2010）基于Kalman濾波理論，考慮財務比率在時間序列上的趨勢性和歷史數據對結果的影響，構建了財務危機的動態預警模型。
時建中，程龍生在2012年針對模型的增量學習能力不足的問題，建立了能夠增量學習的財務危機動態預警模型，且經過實證分析證明該模型有很好的適應性與穩定性。
四、對國內外關于財務危機動態預警模型研究的評價
一是財務危機動態預警模型有很好的適用性，并且跟靜態模型相比，其預測精度有很大的提高，能夠更及時的給企業預警，避免財務危機的發生。
二是現有關于財務危機動態預警的研究還是較少，主要還是采用靜態預警模型進行回歸分析來對企業的財務危機狀況進行預測。
三是對財務危機的動態預警大都是針對總體的企業，很少針對某一行業的特點對特定行業進行動態預警，每個行業的特點不同，與財務危機發生影響密切的相關指標也不盡相同，并且由于動態預警能夠比靜態模型給出早期的預警信號，分行業研究就更加有必要。
五、對將來財務危機動態預警模型研究的展望
通過上文的綜述，今后我們可以在財務危機動態預警系統的以下幾個方面做進一步的研究：
首先，在樣本指標的選擇方面，可以根據不同行業在財務指標方面的差異，加入行業調整變量以更加貼合不同企業的實際情況，提高預測準確率。
其次，在模型的構建方面，目前大部分學者的研究均為單純的運用一個模型進行實證分析，可以綜合模型的不同特點，組成模型組優化現有模型，提高模型的預測精度。
最后，在信息利用方面，可以充分利用現在先進的信息技術，運用各種技術來更新完善財務危機的動態系統，實時、準確的預測財務危機，避免企業陷入財務困境。
參考文獻
[1]Ross Neophytou，Andreas Charitou，Predicting Corporate Failure.Empirical Evidence for the UK[M]. Corporate Finance，2000（9）：457-471.
[2]Claessens，Stijin，Simeon Djankov，and Larry Lang，The Separation of Ownership and Control in East Asian Corporations[J].Journal of Financial Economics， 2000，（58）：81-112.
[3]Stephen A.Ross.Randolph.Wethersfield.Jeffrey F.Jaff.吳世農，沈藝峰等譯.公司理[M].北京機械出版社，2000：157-163.
[4]Howard and Swaryl.An Analysis of Risk and Return Characteristic Of Corporate Bankruptcy Using Capital Market Data.The Journal of Finance，SeP.1980.1001-1016.
[5]孫曉琳. 財務危機動態預警模型研究[M]，上海交通大學出版社，2011：3-56.
[6]顧曉安.公司財務預警系統的構建[J].財經論壇，2000（4）：65-71.
第3篇：上市公司財務危機預警范文
【關鍵詞】 多層感知器； 非財務變量； 財務危機； 危機預警
一、財務危機的概念及研究樣本的選擇
根據可持續發展理論，筆者認為財務危機實質上是指一種企業盈利能力實質性地減弱，逐漸喪失持續經營能力的漸進式積累過程。就我國現行的退市制度而言，公司從財務危機出現的那一時點起，直至公司終止上市都屬于財務危機的過程。在這個過程中，財務危機有可能得到緩解，在短時間內（不超過一個會計年度）通過盈利擺脫危機，也有可能加重惡化，被處以暫停上市，甚至是最終形式――終止上市。陷入財務危機的公司，一般簡稱為財務危機公司。
按照這一定義和我國資本市場發展的實際，因“最近兩年連續虧損（包括追溯調整）”而被*ST的上市公司符合財務危機的定義，所以，筆者選取2002―2010年間連虧兩年首次被*ST的A股200家上市公司作為研究對象（不包括金融類公司、舞弊上市公司和資料不全公司），另外，采用一一配對方式確立了200家非財務危機公司，即用于模型構建的構造樣本300家（危機公司150家，非危機公司150家），用于驗證效果的測試樣本100家（危機公司50家，非危機公司50家）。
研究期間選擇危機前3年，使用的數據選擇“國泰安數據庫”。
二、多層感知器模型簡介
多層感知器，是最早也是最常用的一種神經網絡模型，它特別適用于簡單的模式分類問題。當它用于兩類模式分類時，相當于在高維樣本空間中，用一個超平面將兩類樣本分開。它的權值算法一般采用誤差反向傳播算法（BP算法）學習。
筆者以主成分分析提取的主成分因子作為自變量，使用SPSS17.0中的多層感知器，構建動態多層感知器財務危機預警模型（簡稱MLP模型）。與Matlab等軟件相比較，SPSS17.0軟件不需要編程，使用比較簡單，能夠自動記錄和保存運算過程中的最優解。
三、研究指標體系及其檢驗
借鑒相關研究中具有顯著預測效果的變量，筆者初步選取了反映短期償債能力、長期償債能力、盈利能力、營運能力、發展能力、風險水平、股東獲利能力、現金流量能力等8個方面的53個財務變量和審計因素、股權結構、董事會結構、高管持股4個方面的17個非財務變量。通過單樣本的Kolmogorov-Smirnov檢驗和Wilcoxon符號平均秩檢驗，剩下26變量，見表1。
四、主成分分析
主成分分析采取的是一種降維方式，使用幾個綜合因子來代表原來眾多的變量，這些綜合因子能盡可能地反映原來變量的信息量，而且彼此之間互不相關。
經檢測，樣本數據變量的KMO值=0.745，可以進行因子分析。得到的各主成分因子對應的特征值與貢獻率見表2。
取累計貢獻率為73.132%，則主成分因子為8個。由于大多數因子還是和多個變量相關，故仍然使用正交旋轉法進行轉換。提取的8個主成分因子使用主要的因子載荷量分別命名為：盈利能力-資產主成分因子F1（主要由X4、X5和X8解釋）；公司治理主成分因子F2（主要由X23、X24和X25解釋）；營運能力-股東權益主成分因子F3（主要由X13解釋）；營運-償債能力主成分因子F4（主要由X1、X10和X11解釋）；現金流量能力主成分因子F5（主要由X18和X19解釋）；盈利能力-損益主成分因子F6（主要由X3和X7解釋）；股東獲利能力主成分因子F7（主要由X16和X17解釋）；審計因素主成分因子F8（主要由X20、X21和X22解釋）。提取的這8個主成分因子中，F2和F8都是由非財務變量來解釋的。
根據回歸算法可以計算出因子得分函數的系數，得到26個變量的因子得分函數。
五、構建MLP模型及其預測效果分析
（一）模型的構建
輸入點P1是提取的8個主成分因子，輸出點P3是虛擬變量y（是財務危機公司為1，否則為0），隱藏層P2由軟件自動計算測定為7個，得到的MLP網絡模型結構是8×7×1。
輸入層到隱含層的權值矩陣Wjh（8×7）、隱含層到輸出層的權值矩陣Whi（7×1）及最終的BP網絡結構分別為：
模型中，只有審計因素主成分因子F8與財務危機的發生正相關。每個因子在模型中的重要性分析見表3。營運―償債能力主成分因子F4和現金流量能力主成分因子F5在模型中的作用尤為顯著，這和公司的實際是一致的，公司非常關注現金流，重視償債能力，尤其是短期償債能力。
（二）預測準確率分析
MLP模型對構造樣本中150家財務危機公司的回代預測準確率達到80%，第Ⅰ類錯誤（將實際財務危機公司誤測為非財務危機公司）小。
計算出50家測試樣本財務危機公司的主成分因子的值，代入模型，得到的預測準確率為78%。
（三）預測效果的比較研究
使用之前的8個主成分因子，構建多元邏輯回歸模型（簡稱MLR模型）進行對比研究。
MLR模型和MLP模型的回代預測準確性都達到了70%以上。MLR模型的回代預測效果為73.3%，比MLP模型的回代預測低6.7%。
在驗證預測中，MLR模型的準確率降到66%，而MLP模型仍然取得了78%的預測準確性，說明MLP模型的預測效果優于MLR模型。
總之，無論是回代預測還是驗證預測，模型MLP對財務危機公司的預測都取得了最好效果，體現出MLP在財務危機預警模型研究中的優越性。
六、研究結論
筆者使用2002―2010年間，因連虧兩年而首次被*ST的200家A股公司危機前3年的財務與非財務變量進行財務危機預警，與先前研究相比，時間跨度長而且樣本數量大，對公司財務危機狀況的評判更加準確。
研究使用的主要方法為多層感知器，這是一種普通認為具有較好分類效果的方法，而且研究結果也驗證了這一說法，它的驗證準確率遠遠高于傳統靜態多元邏輯回歸方法。
在模型中，反映短期償債能力的指標（現金比率）、現金流量能力的指標（現金流量對流動負債比率、每股經營活動現金凈流量）和營運能力的指標（應收賬款周轉率、流動資產周轉率）具有顯著作用。在公司實踐中，為了追求現金流入流出量最大限度的平衡和最大限度的現金凈流入，保持現金流量的通暢，必須加強公司現金流量管理，適時地對公司的資源進行合理組合配置，才有助于財務危機的防范。
筆者使用了財務變量和非財務變量對公司的財務狀況進行分析，但是這些變量都是涉及公司內部的因素，不到90%的預測準確性也顯示應該還有其他的因素會影響公司狀況，建議在今后的研究中適當考慮公司外部因素對財務狀況的影響度。
【參考文獻】
[1] Altman E.I.，Financial Ratio.Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]，Journal of Finance，1968（4）：589-609.
第4篇：上市公司財務危機預警范文
[關鍵詞] 財務危機 主成分分析 Logistic分析 財務預警 財務指標
1.引言
自改革開放以來,隨著我國市場開放度的不斷加大,使得國內外市場競爭日益加劇,企業內部管理機制也不斷出現新的問題。2008年的全球金融危機,更是給不少上市公司帶來了嚴重的經營危機。而陷入經營危機的上市公司幾乎毫無例外地都是以出現財務危機為征兆。
本文在查閱文獻的基礎上，按照理論與實證研究相結合的方法來構建論文。選取了30家ST和30家非ST的上市公司作為案例分析。其中15家ST和15家非ST的上市公司用來構建預警體系，另15家ST和15家非ST用來進行驗證。通過該論文的研究希望能引起上市公司對財務預警的重視，及早診斷出財務危機的信號，并采取相應對策，使企業在市場經濟的大潮中立于不敗之地。
2.理論分析和模型自變量的確定
2.1 理論分析
2.1.1 財務預警的概念
財務危機預警是以財務會計信息為基礎，通過設置并觀察一些敏感性預警指標的變化，對企業可能或者將要面臨的財務危機所實施的實時監控和預測警報。財務預警由財務危機和預警兩個詞構成。它要求管理人員依據相關指標的變化來預測企業財務即將呈現的問題，及時向利益相關者提出警示。企業的支付壓力和支付能力的脫節是財務危機的表象，資金配置的失效是財務危機的實質。財務危機事實上是一種風險控制機制。
2.1.2 財務預警的理論基礎
企業預警理論是構建財務預警系統管理理論的基礎理論，主要包括危機管理理論、策略震撼管理理論、企業逆境管理理論以及系統非優理論。
2.2 系統樣本的選取
中國證監會于1998年3月16日頒布了《關于上市公司狀況異常期間的股票特變處理方式的通知》，要求證券交易所應對“狀況異常”的上市公司實行股票的特別處理（special treatment，簡稱ST)。我國證券市場上被ST的股票大多是由于“連續兩年虧損或每股凈資產低于股票面值（1元）”，即財務指標的惡化是上市公司被特別處理的主要原因。因此國內研究一般把被ST作為上市公司陷入財務危機的標準，本文也將ST公司作為財務危機公司，非ST公司作為財務安全公司。
在對上市公司進行研究時，由于同一指標在不同行業之間往往有不同的標準，因而在確定研究樣本時，最好僅選取某一行業的上市公司作為研究樣本來建立財務危機預警體系，這樣可以避免因為不同行業的數據可比性不高而導致的模型實用性不高。在中國證監會公布的13個上市公司行業大類中，制造業所占的比例最大，經過分析比較，最終將我國滬市A股中的制造業上市公司作為本文的研究樣本。
本文的研究當中采用配對的方法，從滬市的上市公司中來選取樣本，即選取近被ST的上市公司作為財務危機樣本組，共30家。同時選取與財務危機組30家上市公司同行業，資產規模在10%差異之內的30家非財務危機上市公司作為配對樣本。
2.3 變量的選取
本文在參考了眾多文獻的基礎上，分別從企業的盈利能力，償債能力，資產營運能力，成長能力和獲取現金能力反應企業的財務狀況的5個方面出發，考慮了指標數據獲取的難易程度并結合了以上原則，選取了以下15個指標來建立指標體系做為分析的起點。如表1所示。
3.實證研究和結果分析
本文將利用SPSS統計軟件作為分析工具，對以上所收集的樣本公司的財務指標數據進行因子分析和邏輯回歸分析，建立預警模型。
3.1 因子分析
在上文確定了15個財務指標用來建立財務危機預警模型，這些指標從不同的方面反映了公司的財務狀況。并引進統計學的因子分析法。通過因子分析，找到較少的幾個因子，進而代表數據的基本結構，反映原始信息的本質特征，然后用這些因子代替原來的觀測量進行其他相關的統計分析，建立預警模型。
下邊對研究樣本在被宣布ST處理的前一年的15個財務指標數據運用SPSS統計分析軟件進行因子分析。首先，我們可以得到KMO和Bartlett的檢驗結果，如表2所示。
表2 KMO和Bartlett的檢驗結果
KMO 和 Bartlett 的檢驗
取樣足夠度的 Kaiser-Meyer-Olkin 度量。
由表2 可知，KMO值和Bartlett球度檢驗結果得出，樣本數據適合做因子分析。
在對研究樣本的15個指標完成因子分析計算后，可以獲得15個特征值。本文提取了特征值大于1的6個因子變量作為下一步研究所用的變量。從表3中我們可以看到，這6個因子的累計貢獻率達到了81.123%，即這幾個變量已經包含了原來15個財務指標81.123%的信息，因此，我們可以認為這6個因子變量基本反映了原有的財務指標的綜合差異。
3.2 Logistic回歸分析以及實證研究結果
3.2.1 邏輯回歸模型
邏輯回歸模型是對二分類因變量進行回歸分析時最普遍使用的多元統計方法。它根據樣本數據使用最大似然估計法估計出參數值，經過一定的數學推導運算，可求得相應變量取某個值的概率。
邏輯回歸模型的數學表達公式為：
可以等價的表示為：
在這里，P表示某件事發生的概率，ai為呆估計參數，Fi為自變量。
3.2.2邏輯回歸分析及預警模型的構建
利用SPSS統計分析軟件，對上述60家上市公司的六個因子變量進行邏輯回歸分析，可以建立相應的財務危機預警模型。
（1）模型判別分割點的選取
在建立邏輯回歸模型時，首先必須確定所要建立的模型的判別分割點。由于本文所選取的樣本是均衡的，即兩類公司的比例為1：1，故采用0.5作為分割點。因此，通過模型計算出來的某公司的概率大于0.5時，那么就判定樣本公司為ST公司；反之，視其為非ST公司。
（2）分析結果及構建模型
將研究樣本前一年的6個因子變量輸入SPSS統計數據中，選擇邏輯回歸法，可以得到以下結果，如表6所示。
表6方程中的變量
從上表可以看到F1、F4、F5、F6這因子變量都通過了顯著性水平為5%的顯著性檢驗，進入了最后的模型中，而x2、x3未能通過顯著性檢驗，因而模型中最終只有4個因變量。根據上表，我們可以得到前一年的邏輯回歸模型：
P值的范圍在[0,1]，該值越大，表明公司在未來一年內發生財務危機可能性越大，反之，這表明公司的財務狀況比較安全，發生財務危機的可能性比較小。由于此模型是以0.5作為判別的分割點，因此當P值大于0.5時，在未來一年內將會被判為ST公司；反之，我們將被研究公司判定為非ST公司。
由上面的表達式可以得出企業的破產概率與F1、F4、F5和F6這四個因子成負相關，即該四個因子越大，企業的破產概率就越小。其中，F1主要由總資產的收益水平、銷售的凈利潤以及現金的回收能力決定，反映了企業的盈利能力以及現金的回收能力；F4主要由主營業務收入增長率和總資產增長率決定，反映了企業的成長能力；F5主要由應收賬款周轉率和存貨周轉率決定，反映了資本的營運能力；F6主要由總資產周轉率和以及資產的增長率決定，反映了資產的狀況。因此我們可以得出企業的破產概率與企業的現金回收能力、成長能力，資本的營運能力以及資產的應用能力負相關。
3.3 預警模型的檢驗與評價
3.3.1 模型的檢驗
將研究樣本前一年的數據代入邏輯回歸模型中，然后根據判別分割點的標準，我們可以得到60家公司的判定結果，如下表7所示。
從判斷結果匯總表中我們可以看到：
（1）從整體預測率來看，預測的準確率為80%。
（2）橫向比較：比較模型中的兩類錯誤可以發現非ST公司被判定為ST公司的概率要大一些，為23.3%。另一類錯誤為17.7%
3.3.2 模型的評價
經過因子分析法和邏輯回歸法建立的預警模型具有以下特點：
3.3.1 全面性。本文所見的模型包含了15個財務指標，濃縮為6個因子變量。這些變量基本上包含了企業所有的財務信息，分別從上市公司的盈利能力、償債能力、資產營運能力、成長能力以及現金能力等幾個方面綜合評價了公司的財務狀況。
3.3.2 可操作性。邏輯回歸模型通俗易懂，沒有深奧的專業術語或不可量化的指標，不僅專業人士可以借鑒，一般的投資者也可以利用。另外，在運用該模型進行財務危機預測時，由于SPSS等統計軟件的輔助計算，是這種預測變得相對簡單可行，可以在實踐中運用。
3.3.3 靈活應用性。本文所建立的模型不僅可以對非ST公司變成ST公司作出預測，而且還可以對ST公司變成非ST公司作出預測。
3.4 相關的結論
（1）在構建該體系時，應采用對財務指標分布無要求的統計方法（如邏輯回歸方法）。因為研究樣本的財務指標并不一定符合正態分布。
（2）SY公司的財務狀況惡化并不是突然發生的，因而我們完全可以通過分析財務指標的變化來預測公司的未來財務狀況。通過上述的分析，可以發現ST公司的大部分財務指標在其被特別處理前一年會計年度內呈現出了惡化的趨勢，ST公司與非ST公司財務指標之間所呈現的差距很大，這使得財務與危機預警不僅必要，而且成為可能。
（3）本文將現金流量的因素考慮了進去，因為現金流量能夠很好的反映企業的財務狀況，這樣使這些財務指標能夠更全面的反映企業的財務狀況。
（4）本文采用了因子分析法和邏輯回歸法相結合的方法建立我國制造業上市公司的財務危機預警體系。這是由于本文采用的指標較多，需要因子分析法進行濃縮；同時，邏輯回歸在對財務危機企業進行研究過程時，其存在一定的局限性。結果表明：兩種方法的結合使所構建的財務危機預警體系取得了比較理想的預測結果。
（5）有以上的分析我們可以得出企業的破產概率與企業的現金回收能力、成長能力，資本的營運能力以及資產的應用能力負相關。即企業的現金回收能力、成長能力，資本的營運能力以及資產的應用能力越強，企業越不可能破產。
4.結束語
通過對我國滬市制造業的60家上市公司2009年的財務數據進行了統計分析，結合一定的研究方法，建立了財務危機預警體系，并進行了回代檢驗，最后的檢驗結果顯示了該體系取得較好的預測效果。可見其體系具有一定的實用性。
參考文獻
[1] 王瑩. 淺析企業財務危機預警系統的構建[J]. 會計之友(中旬刊),2009,(04).
[2] 王亞. 我國上市公司財務預警模型研究[J]. 中國總會計師, 2009,(02) .
[3] 楊哲. 企業財務危機預警系統構建探討[J]. 煤炭經濟研究, 2009,(01) .
第5篇：上市公司財務危機預警范文
【關鍵詞】財務危機預警研究 存在問題 改進建議 上市公司
隨著競爭逐漸激烈，上市公司財務危機發生的頻率也越來越高，因此公司管理當局、股東、債權人等相關者的利益受到很大損失，同時給其帶來了巨大的壓力。受我國市場經濟發展時間短的影響，我國財務預警相關研究的時間也較短，同時由于一些客觀環境的限制和約束，很多問題存在于我國上市公司財務預警研究中。所以，為了加強對上市公司財務危機的預警，必須強化這方面的研究。
一、我國上市公司財務危機預警研究存在的問題
（一）公司治理結構不健全，風險意識缺乏
公司治理結構的完善對企業有著重要的意義：首先，可以保障投資者的利益，防止其合法權益被企業的“內部人”侵吞；其次，科學決策在企業中得到保證，效率得到。因為企業效率的提高是企業各方面的利益有效的保障。持股比例過于集中、所有者缺位和內部控制不力等是目前我國公司治理結構不健全的主要表現方面。對財務危機的不重視，風險意識淡薄也基本上是公司治理結構不健全造成的。
（二）證券市場不規范，破產機制不健全
我國的證券市場經歷的時間還比較短，與之相關的破產機制更是不健全，具有笑話意味的是我國迄今為止尚無一家證券上市公司宣告破產，以致破產不能作為研究人員為財務危機標準的定義，并在此基礎上使用控制樣本建立財務預警模型。由于當前“ST”制度執法不夠嚴厲，加之它也不能夠很準確地代表財務危機，因此如果以此為標準展開財務預警研究，勢必會影響其研究成果。
（三）預警指標的選擇狹窄
建立財務危機預警系統的基礎是指標的選擇。現有的財務理論和實踐經驗是目前研究者進行研究的主要依據，同時已發生財務危機公司的實際情況也是參考，備選指標組也是從一系列財務指標中選擇的，最后相對顯著的指標再通過統計檢驗篩選出。通過分析，還可以通過以下幾方面完善預警系統。第一，現有的財務指標利用的是資產負責表和利潤表計算的，預警系統中利用的這個財務指標是權責發生制下的，忽視了更為客觀的現金流量指標，對企業的財務運行狀況沒有真實反應。第二，現在的一些預警指標主要針對財務指標，忽視或者很少考慮非財務指標。企業的財務管理水平以及其內部的非財務性因素和外部的理財環境共同決定著一個企業是否發生財務危機，而預警系統的有效性也因這些局限性在一定程度上受到制約。
（四）預警模型缺乏實用性
樣本是財務指標模型的基礎，因為財務指標是對其的相關分析建立起來的，這樣樣本不同可能導致最終進入預測模型的變量不同，那么巨大的差異存在于具有顯著預測能力的指標便不足為奇。在許多方面有很大的差異存在于危機發生前的財務危機企業和非危機企業之間，但因為研究者在選擇樣本和變量時存在差異，因此最后得到不同的預測變量。模型使用者會因為預測模型種類繁多而感到困惑，使財務預測模型的應用受到影響。并且，目前現狀是研究過多的關注于建模技術、模型預測精度，對模型的實用性考慮較少，過于重視形式，過重追求判定結果的正確率，反而忽視了實際解決危機的方案。
（五）排警措施不夠重視
排警措施是一個完整的財務危機預警系統必不可少的部分，目前企業需要的不僅是能夠預測危機，也需要真正建立起防范財務危機的預警系統，這個系統除了能夠發現企業潛在的危機，還能夠對產生危機的根源做出解釋,找到解決危機的方法，但是預測結果只是發現病癥，分析病癥, 解決問題的根本途徑還是癥下藥。
二、對改進我國上市財務危機預警的建議
（一）加強理論研究
與西方發達國家相比,我國對財務危機預警的研究要晚一些，基礎也更差，因此“走出去”戰略是財務危機預警應該實施的，我們借鑒、學習西方先進的理論、研究成果，使他們用于我國，再結合我國的實際情況，逐漸探索出適合我國國情的財務危機預警系統。“引進來”，總結發達國家經驗，更新理念，創新財務危機研究，使之能更加科學地指導預警研究。
（二）樹立風險防范意識
財務危機預警系統能夠得以成功建立并有效運行，企業具有風險防范意識是前提。只有得到高度重視的財務危機預警系統才能真正發揮其效能，而不是作為虛設的系統。這對企業全體員工特別是管理層就有更高的更多的要求，起碼思想上要保持高度警惕，企業經營過程中出現的問題和潛在的危機能夠隨時發現，并且及時采取措施有效消除。
（三）健全內部控制制度，融合企業各項制度
為了保護經濟主體的資產完整，必須建設內部控制制度，會計資料真實、正確也是靠此來保證的，經營效益的提高也依賴于此，相互聯系、相互制約的方法、程序和行為準則必須在經濟主體的內部得以建立，來促進經營方針的貫徹實施。財務預警模型中的各種指標、財務比率計算的真實性都與內部控制制度是否建立健全有關。所以說，行之有效的內部控制制度是建立財務預警系統的前提，但是必須把這些制度與企業的預警系統結合起來并且可以得到一貫執行，以發揮其最大的協同作用。
（四）量化分析與非量化分析相結合
指標的客觀性和準確性是靠量化分析來確保的，但是傳統的定性分析絕不能被取代，因為不同的企業條件有差異、評價標準的主觀性及數據獲取難度與成本會限制指標的客觀性與準確性。當股價驟跌,總資產和收益急劇下降，股利大幅度削減等情況出現時就需要比量化分析更為可靠、靈敏和有效的非量化分析。競爭在不斷加劇，投資規模也不斷擴張，與之相應的企業面臨的風險和危機與日俱增，計算一些比率，對比一些指標已經不是預警功能單純能夠實現的，系統的方法庫和模型庫必須隨之創建，現代科學技術也應該被應用其中，比如現代計算機技術、網絡通信技術、數據庫技術以及管理學、財務學、運籌學、統計學、模型論和各種優化技術，同時必須加強定量分析和定性分析方法相結合的綜合應用。
（五）拓寬預警模型變量選擇范圍
預警變量需要重新設計考慮，現金流量方面的指標也要被合理引入，對現金流入、流出要加強監測分析。另外，非財務因素等一些非財務指標是應該考慮的，比如來自宏觀和微觀角度的、股權的集中程度、審計意見結果、產業相對比率，這樣可以有效彌補很多滯后性的缺陷，比如其數據太依賴于會計報表的財務指標，擴大了預警系統的涵蓋范圍，增強預警能力。
（六）建立預警對策庫
將警源監控、警情播報到輔助排警等一系列功能進行整合，就是現代財務預警系統，建立一個執行預警、排警功能的管理子系統,將它從傳統預警的會計附屬功能中獨立出來。應急排警對策集合是在各種風險條件下的事先準備好的預警對策庫，能夠自動地采用相應排警對策根據預警信息性質、類型和警報的程度發出風險預報當預警信息系統發揮作用時。為了使企業能夠按照提示，去尋求實際的、更實用、有效的方案，思路性、提示性的對策應該是預警對策庫中所有的。
（七）根據實際情況完善財務預警模型
現有的預警模型存在一定的局限性，因為都是國外學者依據本國公司的資料統計得出的，盡管在許多國家也具有一定的效用。現代市場上統計軟件的功能日益增強，對其的開發與會計資料庫也逐步建立，我們根據國外已有研究成果，再結合我國現代企業的特點，進行融合創新，建立一種預警模型，使之更適用于本公司或本行業的財務預警模型，并隨時根據實際情況進行改進，隨時關注評價指標，企業可能遇到的各種風險才能準確及時地在企業的財務預警系統中得以顯示，財務危機才能更好的得以防范。綜上所述，風險防范和控制需要依賴于財務危機預警，它為企業經營提供了一種行之有效的方法。財務預警系統在我國沒有很好的發揮作用是由于受到多種現實條件的限制，這一領域的研究還有待國內的學者做出更大的努力。
參考文獻
[1] 王琳,周心. 我國上市公司財務危機預警模型的實證研究[J].重慶科技學院學報(社會科學版), 2008, (06) .
[2] 崔學剛,王立彥,許紅. 企業增長與財務危機關系研究――基于電信與計算機行業上市公司的實證證據[J].會計研究, 2007, (12) .
第6篇：上市公司財務危機預警范文
關鍵詞:金融危機;制造業;財務預警;上市公司
中圖分類號:F830.91文獻標志碼:A文章編號:1673-291X(2010)12-0040-02
一、本文的樣本和指標選取
(1)同時期:與所選取的ST公司被ST發生在同一年,如果樣本同時在兩年或更長時間延續其ST的身份,則將其歸為第一年被ST的年度。(2)同規模:以ST公司被ST的前一個會計年度的資產總規模和資產規模相差不超過5%為標準,選取與之規模相匹配的非ST公司。
根據銳思(RESSET)金融研究數據庫資料顯示:在2009年首次被ST的A股制造業上市公司為14家。其中:*ST白貓,因未找到與之規模差異不大的財務正常的上市公司,于是將其剔除; *ST伊利,只找到與之規模相差14.19%的財務正常的上市公司,因為樣本數量較少,我們也考慮將其納入樣本,其余資產規模差異均在5%以內,從而有ST制造業上市公司13家,非ST制造業上市公司13家,共26家。
本文從償債能力、盈利能力、現金流量、財務結構、成長能力和營運能力六個方面選取上市公司基礎財務預警指標,共選取了34個預警指標,作為研究中使用的最原始變量。
二、實證研究
若用于構建預警模型的自變量過多,這樣不僅會提高預警成本,而且還可能帶來預警研究中噪音的增加,從而導致預警變量解釋能力的無謂下降,于是本文采用因子分析將變量進行綜合和濃縮。
對基礎預警指標進行預處理是非常必要的:第一,因所選取樣本容量足夠大,無須對基礎預警指標進行正態性檢驗,而采用相關性檢驗。由于因子分析的主要任務之一是對原有變量進行濃縮,即將原有變量中的信息重疊部分提取和綜合成因子,進而實現減少變量個數的目的。對此,它要求原有變量之間應存在較強的相關關系。我們將會采用相關性檢驗篩選出相關性較高的變量,使其適合進行因子分析。第二,采用因子分析中的主成分分析法對通過相關性檢驗的變量進行二次處理,從而篩選出最終用于構建預警模型的自變量。
在顯著性水平0.05下,如果某項財務比率連續通過2007年和2008年的相關性檢驗,則認定這些財務比率通過檢驗,最終選擇如下11個財務指標進入因子分析:營運資金/資產總額、利息保障倍數、資產負債率、銷售凈利率、銷售毛利率、資本收益率、凈資產收益率、留存收益/資產總額、每股收益、每股凈資產、主營業務收入增長率。
表1巴特利特球度檢驗和KMO檢驗
由表1可知,巴特利特球度檢驗統計量的觀測值為399.939,相應的概率P-值接近于0。同時,KMO值為0.794,根據Kaiser給出的KMO度量標準可知原有變量比較適合進行因子分析。
因子解釋原有變量總方差的情況(如表5所示),我們可以得到每個主成分的方差,即特征根。
對因子載荷矩陣采用最大正交旋轉法實行旋轉,旋轉后的載荷矩陣(表4所示):
由表4可知,銷售凈利率、銷售毛利率、利息保障倍數在第1個因子上有較高的載荷,第1個因子主要解釋了這幾個變量,可解釋為盈利能力;資產負債率、營運資金/資產總額、留存收益/資產總額在第2個因子上有較高的載荷,第2個因子主要解釋了這幾個變量,可解釋為償債能力;資本收益率、凈資產收益率每股收益在第3個因子上有較高的載荷,第2個因子主要解釋了這幾個變量,可解釋為營運能力和盈利能力;主營業務收入增長率、每股凈資產第4個因子上有較高的載荷,可解釋為成長能力。最后采用回歸法估計因子得分系數,并輸出因子得分系數。
F1 = -0.095X1+0.506X2+0.112X3+0.467X4+0.438X5-0.25X6
-0.14X7+0.037X8+0.071X9-0.121X10-0.157X11
F2= 0.405X1+0.116X2-0.433X3-0.192X4-0.151X5-0.057X6
-0.054X7+0.196X8-0.079X9-0.32X10-.174X11
F3 = -0.076X1+-0.443X2-0.001X3+0.006X4+0.012X5-0.607X6
-0.477X7+0.006X8+0.2X9-0.333X10-0.051X11
F4 = -0.005X1-0.017X2+0.194X3-0.159X4-0.158X5-0.087X6
-0.023X7+0.011X8+0.058X9-0.603X10-0.728X11
以4個因子的方差貢獻率為權數,可得到金融危機下財務預警模型:Z=0.25598F1+0.25029F2+0.22365F3+0.13871F4
三、結論與不足
本文在進行模型檢驗時,由于無法取得檢驗樣本,只能進行回判,判別準確率較高。所采用的金融危機以后的數據,僅有2007年和2008年兩年,也只是選取了定量指標,沒有考慮定性指標因素的影響。
參考文獻:
[1]程濤,張鳴,張艷.企業財務預警研究前沿[M].北京:中國財政經濟出版社,2004.
[2]周首華.現代企業財務理論前沿專題[M].大連:東北財經大學出版社,2000.
[3]薛薇.統計分析與SPSS的應用[M].北京:中國人民大學出版社,2008.
[4]龔小君,王光華.中國財務預警研究的回顧與展望――20世紀90年代以來國內財務預警研究評析[J].重慶郵電大學學報,2005,
(2):186-188.
第7篇：上市公司財務危機預警范文
Abstract：Constructingfinancialcrisispre-warningsystemisthenecessitytothedevelopmentofcapitalmarketinChina.Thispaperanalyzesthepossibilityofconstructingfinancialcrisispre-warningsystemofthelistedcompaniesfromthreeaspects,theory，economicsandtechnology,andworksoutthenewthoughtandbasicframeworkofconstructingfinancialcrisispre-warningsystemsoastopreventandresolvethefinancialcrisisofthelistedcompanies.
關鍵詞：上市公司財務危機預警系統
KeyWord：ListedcompanyFinancialcrisisPre-warningsystem
隨著經濟一體化，經營全球化的發展，企業的生存發展環境發生了很大變化，面臨著很大的風險性和復雜性。作為企業改革先鋒的上市公司，同樣存在著潛在的危機。一旦財務危機無法化解，就會被戴上“ST”的帽子，以失敗告終。為了有效化解財務危機，亟待建立適合我國上市公司的財務危機預警系統。
1財務危機預警系統
財務危機是企業喪失償還到期債務的能力。財務危機預警系統正是為化解上市公司財務危機而建立起來的一種機制，財務危機預警系統還沒有公認的定義，筆者在分析預警系統構成要素的基礎上，將其定義為：財務危機預警系統是企業專門組織根據財務管理學、風險管理和統計學的相關理論，以企業的財務報表、經營計劃、相關經營資料以及所收集的外部資料為依據，采用定性和定量的分析方法，建立預警分析機制，將企業所面臨的經營波動情況和危險情況預先告知企業經營者和其他利益相關方,并分析企業發生經營非正常波動或財務危機的原因,挖掘企業財務運營體系中所隱藏的問題，以督促企業管理部門提前采取防范或預防措施,為管理部門提供決策和風險控制依據的組織手段和分析系統。簡單的說，它是企業專門組織預警-報警-排警的有機管理過程體系。
2構建財務危機預警系統的重要性
從理論上看，上市公司財務危機預警系統的構建是我國企業管理與控制理論的豐富和發展。本文所構建的財務危機預警系統是基于我國上市公司相關理論和經濟技術特點上的，為上市公司財務危機警兆的理論研究提供新思路，從而建立一套發現警兆-確認警情-排警對策（預警-報警-排警）的邏輯機理，為我國上市公司提供一種危機預警管理新模式，在預防和化解危機，提高企業危機預警管理水平方面發揮作用。
從實踐上看，對于上市公司來說，借助財務危機預警系統，公司管理層能夠及時發現公司財務狀況的惡化，以及造成公司財務狀況惡化的原因，從而能夠及時地、有針對性的調整公司的經營策略，扭轉公司經營狀況惡化的勢頭，以避免淪為“ST”“PT”的行列。另外公司越早獲得危機信號，越可以減少其在會計、審計、律師等方面所支付的費用。同時，有利于證監部門加強財務監督管理，以提高上市公司的經濟效益。
3構建財務危機預警系統的可行性
3.1理論依據
我國20世紀80年代初有了經濟預警的概念，承認經濟的波動性和周期性。企業預警理論主要包括危機管理理論、策略震撼理論、企業逆境管理理論以及企業診斷理論。這就為財務預警理論的發展和成熟提供了理論基礎。財務危機預警系統是基于上市公司財務運作的全過程，不斷成熟的財務管理學理論則成為其基礎；財務危機預警系統的預警分析是對大量原始信息和數據的處理，日益發展完善的信息傳遞理論和統計學為其提供了理論基礎；財務危機預警系統中的危機管理不僅是對危機全過程的監測和控制，而且是對風險的處理，那么現代經濟周期理論和風險管理理論則為其提供了依據。另外，證監部門于2001年11月《虧損上市公司暫停上市和終止上市實施辦法（修訂）》，表明我國證券市場退市機制不斷健全和完善。證券市場的退市機制是實現上市公司優勝劣汰的重要途徑，增強上市公司的風險防范意識，提高上市公司的質量，引導證券市場朝良性方向發展。
3.2經濟基礎
財務危機預警系統是在危機前建立的，這個時候上市公司的財務狀況良好，財力雄厚，完全可以滿足構建財務危機預警系統的所有資金需求。同時，財務危機預警系統建立起來以后，為公司解決財務危機提供了有效分析手段和控制對策，使上市公司不至于破產，更甚是能及時發現風險，保證了公司經濟效益的實現，可以彌補構建財務危機預警系統的全部支出，實現風險收益，即危機管理支出小于危機管理所帶來的收益。
3.3技術支撐
上市公司的財務資料相對容易搜集，財務數據趨于規范財務預警系統以財務報表及其他相關的財務信息與非財務信息為依據，在建立財務預警模型和進行預警分析時，要運用大量的財務資料。大部分上市公司已經能夠按照市場經濟的基本規則進入市場，完成了現代企業制度的建設，產權明晰，管理規范、科學，財務披露制度較為健全。同時，又處于公開的市場監管之下，各種操作行為較為規范。同時，監管部門監管力度的加大，將進一步抑制會計造假者的造假動機，提高財務數據質量，從而更加有利于財務預警系統的順利運行。
4構建財務危機預警系統的新思路
財務危機有潛伏、發作、惡化三個階段，在各個階段應該有相應的管理對策，這一系列的對策就構成了本文財務危機預警系統的基本框架。
財務危機的潛伏時期，上市公司處在一個多變的環境之中，公司的市場狀況、產品的升級換代速度、關聯企業的供貨和資金償付能力、競爭對手的價格政策變動、金融市場的波動、利率和外匯市場的變化、銀行信用和利率政策的改變等等，都會對企業的財務狀況、籌資能力、資金調度能力和償債能力等產生巨大的影響。為了及時準確的識別財務危機，就需要有一個專門組織對企業內外的財務信息和數據進行全面收集和有效傳遞，為預警分析機制提供信息數據基礎，這就構成了財務危機預警系統的信息處理機制。
財務危機的發作時期，在證監部門的財務監督下，上市公司為保證經濟效益的實現，就必須對收集的內外財務信息和數據進行分析，選擇能夠明顯反映公司財務狀況特征的指標體系，不僅要有財務指標，而且要引入非財務指標，如行業、企業規模、管理水平等，以全面反映公司財務狀況，然后用收集的數據和選定的指標，通過現代建模方法（如主成分法，人工神經網絡方法）構建預警分析模型，以準確判斷財務危機是否已經產生，將此分析結果及時反饋給企業管理者，便于其迅速采取對策。指標分析和模型分析構成了財務危機預警系統的預警分析機制。
財務危機的惡化時期，財務危機已經存在，如果不能及時控制或有效化解，上市公司將面臨生死存亡的境地。為了化解危機，公司管理層就要立即啟動財務危機處理小組，迅速分析財務危機產生的原因，及時采取有效的管理措施，以恢復公司正常經營。由于財務危機有突發性，要求公司管理層要有強烈的危機意識。
任何一項管理活動都離不開管理者，上市公司財務危機預警管理也不例外，要有一個專門組織為預警管理服務。構建了以財務危機發展階段為基礎的預警-報警-排警的財務危機預警過程機理，還需要有實施財務危機預警系統的組織機制，它包含了組織體系和組織過程。組織體系就是構建一個專門為危機預警管理服務的組織；組織過程則是在危機預警系統實施中的預警-報警-排警邏輯過程。
此財務危機預警系統是以專門組織為保證，依次執行預警-報警-排警三項活動，與前面的研究相比，克服了將組織機制、信息處理機制、預警分析機制、危機管理機制并列的不足，使預警系統結構更為合理，為財務危機預警系統的實施提供了新思路。
參考文獻：
[1]EIAltman.CorporateFinancialDistressandBankruptcy[M].NewYork：Wiley，2000.
[2]StephenARoss.公司理財[M].北京：機械工業出版社，2000.
[3]張鳴，張艷，程濤.企業財務預警研究前沿[M].北京：中國財政經濟出版社，2004.
[4]張友棠.財務預警系統管理研究[M].北京：中國人民大學出版社，2004.
[5]汪平.財務理論[M].北京：經濟管理出版社，2003.
第8篇：上市公司財務危機預警范文
關鍵詞：主成分；Logistic模型；財務預警分析
中圖分類號：F830.91 文獻標志碼：A 文章編號：1673-291X（2016）18-0073-04
引言
隨著全球經濟一體化進程，我國市場經濟不斷發展完善，上市公司之間的競爭也愈演愈烈，市場的復雜性和不可預見性使得企業一旦經營不善就可能陷入財務困境之中。從20世紀開始，全球經濟出現了許多復雜情況，很多企業包括上市公司陷入了財務危機，甚至因此而導致破產。
財務危機，也稱財務困境或財務失敗，財務危機分為經營失敗、無償付能力、違約、破產四種情形，最終可能會導致公司破產。財務危機預警就是利用企業財務信息和相關資料，選取一些敏感性較高、有針對性的財務指標，通過建立數學模型，及時監控和預測可能出現或已經出現的財務危機。隨著由于財務危機而導致破產的企業增多，財務風險管理的重要性愈發顯著。財務危機預警既滿足企業在日趨激烈的競爭中維持生存最基本的需要，也符合市場競爭機制的動態要求。如何做到防患于未然，預測財務風險是上市公司需要考慮的重要問題。
鑒于此，本文以食品類上市公司為例，試圖通過選取能夠全面反映食品上市公司經營狀況和財務狀況的指標（包括反映其盈利能力、營運能力、獲取現金的能力、償債能力以及發展能力）構建其財務危機預警指標體系，針對食品上市公司被實施ST前三年的財務數據，分別運用Logistic回歸分析和主成分分析方法來建立財務危機預警模型，并對其判別效果進行比較分析，以期為上市公司的財務危機預警起到一定的參考作用。
一、文獻綜述
（一）國外的財務危機預警研究
財務危機預警研究源于 20世紀30年代，美國學者Fitzpatrick（1932）首次采用以財務比率作為預測財務危機的單變量分析方法，比較分析了健康和危機企業的財務指標。20世紀60年代，學者Beaver et al.采用統計方法，首次建立了單變量財務危機預警模型。最早的多元判別預警模型是 Altman的Z-Score模型。Sevim et al.重點對比分析了一元判斷分析模型、多元判斷分析模型及Logistic模型的優缺點，最終選取Logistic模型對土耳其國內的制造業上市公司的財務狀況進行了動態預測。Ohlson采用多元 Logistic回歸方法構造財務危機預警模型，并發現了企業當前的變現能力、資本結構、規模、業績四個指標有明顯的預測效果。后來的研究學者用人工神經網絡模型以及多元概率比回歸模型，也取得了較好的預測結果。
（二）國內的財務危機預警研究
國內對財務預警的研究相較國外起步比較晚。周首華、楊濟華、王平利用Compustat PC Plus建立了 F 分數模型。學者于文華等收集了ST、非ST兩類制造業上市公司財務數據，通過構建Logistic回歸模型處理財務危機預警指標，探析了財務危機爆發主要影響指標。何妮選取非參數檢驗、顯著性檢驗及因子分析等方法，構建了Logistic回歸模型發現財務危機預警模型具有可實施性。章早立、何沛俐在采用Logistic 回歸分析之前使用全局主成分分析，并建立了以時序立體數據空間為基礎的財務危機判別模型。劉靜以34家正常公司為例，利用F分數模型對財務數據進行了分析，認為F分數模型在制造業上市公司財務危機預判上精度較高。王世蘭通過對現階段的財務危機預警模型進行歸納總結，認為目前所應用的制造業上市公司財務危機預警模型可歸納為傳統統計方法和人工智能兩類。張健基于Logistic回歸法建立了EVA財務危機預警模型，對52家上市公司的財務狀況進行實證檢驗，但研究發現該方法只適用于短期預測。
通過上面的文獻綜述，可以發現財務危機預警模型還存在一些不足：一是沒有考慮到財務指標之間具有的較強相關性，可能導致信息重疊，影響預警模型的穩健性。二是選取財務指標沒有考慮財務信息失真的影響。上述國內外研究文獻在預警方法與模型方面，多集中于Logistic或因子分析等單一預測模型的構建與使用，而對不同方法間財務危機預警精度差異的研究較少，缺乏針對制造業財務危機預警方法的探討。
二、研究設計
（一）選擇研究樣本
本文中選取2011―2013年首次被實施ST的43家A股食品上市公司作為研究對象，并按照合適的比例選取同行業上市公司被實施ST資產規模相近的43家非ST公司作為配對樣本。將這86家公司分為建模組和檢驗組： 選取2011―2012年被實施ST的32家食品上市公司和相對應的32家非ST公司作為建模組，利用Logistic回歸分析和主成分分析方法建立財務危機預警模型；選取2013年被實施ST的11家食品上市公司和與之對應的11家非ST公司作為檢驗組，驗證模型的準確度。
（二）選取財務指標
選取合適的樣本之后，指標的選取成為模型預測的關鍵。企業在選擇財務危機預警指標時，首先，應該考慮企業的實際狀況選取合適財務危機預警指標。其次，選擇的財務指標通常要包含能夠全面反映企業財務狀況和經營狀況的信息，以及能否很好地反映該公司的財務危機。鑒于此，選取了包括盈利能力、營運能力、獲取現金的能力、償債能力以及發展能力幾個方面的22個財務指標作為研究變量（如下表所示）。
另外，選取的反映盈余管理程度的財務指標主要有：應收賬款占銷售收入比率、其他應收款與流動資產比率和應收賬款與流動資產比率，以及非經常性損益占利潤總額比率。
（三）研究的方法
1.提取主成分。鑒于財務指標之間較強的相關性，可能導致信息重復，不利于分析和構建后續預警模型，因此克服財務指標之間的多重重復性，保留財務信息，建立有效的財務預警模型尤為重要。這里采用主成分分析方法將眾多具有相關關系的財務指標變量轉變為彼此不相關的較少的的綜合指標。如下公式：
fi=a1x1+a2x2+…+aixi（i=1，2，…n）
2.選擇模型。Logistic回歸分析方法不要求因變量服從正態分布，與多元線性回歸相比，這種判別分析方法更加穩健，在實際運用中也更加簡便。因此，Logistic回歸分析方法是處理模型中變量的常用統計分析方法，也是研究財務危機的主流方法。公式如下：
其中，p為在給定自變量xn的值的條件下事件發生的概率，ai為回歸系數，a0為截距。
3.構建模型。對提取的10個財務預警指標主成分，應用 SPSS 統計分析軟件進行Logistic回歸分析，并剔除判別作用不顯著的財務預警指標主成分F2、F6和F9，最后得到包含F1、F3和F5等7個財務預警指標主成分的預警模型。分別采用K 獨立樣本非參數檢驗和T 檢驗來檢驗因變量的均值是否具有明顯差異性。檢驗結果顯示，在α=0.05顯著性水平下，有X1、X2等預警指標變量有顯著性差異。
4.檢驗模型預測能力。由于上述樣本中正常公司與出現財務危機公司比例為2∶1，所以選取 0.67 作為判別點。P≥0.67時，為正常公司，反之則為財務危機公司。利用財務危機預警模型對檢驗和建模樣本分別進行檢驗，結果顯示，Ⅰ類誤判率（財務危機公司誤判為正常公司的比率）低于15%，模型前后兩次檢驗的準確率也均超過85%。這也證實了基于Logistic回歸和主成分分析的財務危機預警模型的穩定性較強，預測能力較高，同時又可以降低誤判成本。
結論
本文對食品類上市公司的財務數據和指標進行分析，利用Logistic回歸方法建立了財務危機預警模型，并與利用主成分建立的財務危機預警模型分析結果進行分析比較，發現Logistic回歸分析法更加適用于食品類上市公司的財務危機預警。
參考文獻：
[1] Fitzpatrick P.J.A comparison of ratios of successful industrial enterprise with those of failed firms[J].Certified PublicAccountant，1932，（10）.
[2] Beaver W.H.Market price，financial ratios and the prediction of failure[J].Journal of Accounting Research，1968，（2）.
[3] Sevim C.，Oztekin A.，Bali O.et al..Developing an early warning system to predict currency crises[J].European Journal of Operational Research，2014，（3）.
[4] Tennant D.Factors impacting on whether and how businesses respond to early warning signs of financial and economic turmoil：Jamaican firms in the global crisis[J].Journal of Economics and Business，2011，（5）.
[5] Koyuncugil S.，Ozgulbas N..Financial early warning system model and data mining application for risk detection[J].Expert Systemswith Applications，2012，（6）.
[6] 周首華，楊濟華，王平.論財務危機的預警分析――F分數[J].會計研究，1996，（8）.
第9篇：上市公司財務危機預警范文
關鍵詞：創業板；財務預警；神經網絡；支持向量機
中圖分類號：F275 文獻標識碼：A 文章編號：1001-828X（2013）02-0-02
一、引言和理論綜述
創業板是地位次于主板市場的二板證券市場，在上市門檻、監管制度、信息披露、交易者條件、投資風險等方面和主板市場有較大區別。其目的主要是扶持中小企業，尤其是高成長性企業，為風險投資和創投企業建立正常的退出機制，為自主創新國家戰略提供融資平臺，豐富多層次的資本市場體系。我國深交所的創業板也是高成長性伴隨高風險的市場，鑒于中國創業板市場的高成長性和高風險性，以及國家推行創業板退市試水，我們有必要為目前創業板上市公司建立科學的財務預警系統，這樣可以為投資者規避風險，也可以為決策者提供參考，還可以督促上市公司加強自我管理。
財務預警是以財務會計信息為基礎， 通過設置并觀察一些敏感性預警指標的變化，對企業可能或者將要面臨的財務危機實施的實時監控和預測警報。財務預警中的數學模型就是財務預警模型，它是指借助企業財務指標和非財務指標體系，識別企業財務狀況的判別模型。目前企業財務預警研究主要集中在三個方面：一是財務危機概念的界定；二是財務預警模型的建立；三是財務預警指標的選擇。
1.財務危機概念的界定
對財務危機的界定，國內外學者因研究目的不同而異，使用了不同的標準。Beaver[1]（1966）認為“破產、拖欠償還債務、透支銀行賬戶或無力支付優先股股利四項中的任何一項的企業，列為失敗企業”，即為發生財務危機的企業。Altman[2]（ 1968）依據美國破產法界定破產企業，認為是“進入法定破產的企業”。Deakin[3]（1972） 的研究“僅包括已經經歷破產、無力償還債務或為債務人利益而已進行清算的企業”。由此可見，國外對財務危機的界定因研究目的不同而不同，主要有：①無償債能力；②違約；③財務危機；④破產。
2.財務預警模型的建立
企業財務預警的模型方法一直在不斷地改進和創新之中，常見的有以下六類[4]：一元判定模型（ Univariate）、多元判定模型（ Multiple Discriminant Analysis，MDA）、多元邏輯（ Logit）回歸模型、多元概率比（ Probit ） 回歸模型、人工網絡（ ANN）模型和聯合預警模型。Ohlson[5]（1980）運用條件回歸模型，對2103家公司進行分析，得到一個預警分類模型。
國內最早是由吳世農[6]（1987）介紹了企業破產預警模型和分析指標。佘廉[7]（1999）出版了企業預警管理叢書，標志著我國學者開始了對財務預警的系統研究。吳世農等[8]（2001）運用Fisher線性判定、多元線性回歸和Logistic回歸分析，建立了預警上市ST公司的財務預警模型。目前我國上市公司財務數據并不完善，許多上市公司上市時間并不長，所以應使用多種研究方法建立我國上市公司的財務預警模型，比較分析選擇適合的模型以提高預警精度。
3.財務預警指標的選擇
Altman[9]等實用傳統的財務指標，如負債比率、流動比率、凈資產收益率和資產周轉率等作為預警指標，Aziz[10]等以現金流量信息構建判定指標，作為預警指標。國內學者一般從盈利、運營、償債、成長性等方面選取財務指標作為預警指標。一般而言，使用較多的財務指標能提供更多的信息，提高財務預警精度，但是指標之間可能高度相關，導致普通預警模型存在多重共線性。人工神經網絡模型和支持向量機模型是非線性的平行處理結構模型，變量之間的相關性對數據處理影響不大，在使用這類模型時可以選用較多的財務指標，這樣可以提供多方面的企業財務信息，提高預警精度。
二、本文的研究方法和研究樣本
創業板上市公司的財務預警有別于傳統的主板上市公司財務預警，這需要我們從危機界定、模型選擇和財務指標選取三個方面重新構建預警系統。由于創業板上市公司目前還未出現ST和PT公司，以及單純使用盈利能力區分財務困境的不適宜性，我們認為應構建新的指標區分財務困境企業和非財務困境企業。企業償還債務的資金主要來源于企業經營活動的現金流量，通常使用凈現金流量與流動負債的比值來反映企業償還到期債務的能力。當該比值低于一定水平時，就意味著企業的現金流量不足，償債能力出現問題，符合財務危機事項。當這種情況持續發生時，表明企業已經陷入財務危機，應引起企業管理者的重視，否則情況進一步惡化，企業可能會走向破產。對于企業的經營活動凈現金流量與流動負債比的合理區間，目前學術界還沒有統一的標準。這里我們使用與平均水平比較的方法，即該比值低于平均水平，就應該引起注意。
選取93家創業板上市公司（表1），根據其從上市到2011年底這些年的年報和半年報，計算“經營凈現金流量/流動負債比值”的平均值，由于創業板上市公司普遍被“炒新”，所以這些公司上市當年的“經營凈現金流量/流動負債”不計入平均值的計算當中。如果某一家創業板公司的“經營凈現金流量/流動負債”在2011年年中和年末連續兩次低于平均值，或年中高于平均值而年末低于平均值，則認為該企業陷入財務危機困境，反之則認為該公司財務狀況良好。計算93家創業板上市公司的“經營凈現金流量/流動負債”平均值為-1.266615，共有64家財務健康公司和29家財務困境公司。
表1. 樣本公司
注：帶*的樣本公司為陷入財務困境的公司
由于創業板上市公司樣本少，上市時間短，因此在模型和財務指標的選取方面，我們必須要盡可能多的利用已有的財務數據信息構建預警系統。本文選取2010年底的財務指標，包括7類20項（表2）作為備選預警指標。
表2. 備選財務預警指標
以上20項財務指標，很多指標所反映的財務信息是重疊的，因此我們對上述財務指標進行篩選，以盡量減少財務指標間的信息重疊。對這20個指標進行獨立樣本T檢驗，可以發現，在0.05的顯著水平上，有10個財務指標能夠顯著地將兩類創業板上市公司區分出來。分別是X1、X2、X3、X5、X10、X11、X12、X13、X19、X20，以這10類指標作為財務預警指標。它們之間仍有很高的相關性，我們使用多層感知器網絡模型、徑向基網絡模型和支持向量機模型，這些模型均是非線性平行處理模型，其中支持向量機模型對于小樣本還具有較好的處理功能。
三、實證結果
本文使用SPSS.19和MATLAB.R2009b兩款軟件，做三類模型的分析預測，對于多層感知器網絡，設置隱藏層數為1，隱藏層節點數為15，隱藏層激活函數為雙曲正切函數，輸出層激活函數為Softmax函數；對于徑向基網絡，設置隱藏層數為1，隱藏層節點數為10，隱藏層激活函數為Softmax函數，輸出層激活函數為恒等函數；對于支持向量機模型，選擇高斯徑向基核函數，使用交叉驗證模型尋找到最優參數為c=53.2988，g=4.2372。首先從93家樣本公司挑選訓練樣本，使用2010年的年報數據訓練三類模型，再用測試樣本2010年10類財務指標預測2011年的財務狀況。結果如下：
表3. 訓練樣本判定情況
表4. 測試樣本判定情況
通過對表3和表4的分析，三類模型判定我國創業板上市公司財務危機的結果表明：
1.三類模型的判定結果都是可以接受的，但相比之下，支持向量機模型的判定準確性更高，說明支持向量機模型在對較少樣本做統計預測時，效果優于神經網絡模型。
2.兩類神經網絡模型對測試樣本的判定準確性都小于對訓練樣本的判定準確性，它們對財務健康企業的判定準確性較高，但是對于財務困境企業的判定準確性較低，僅略超過50%。以這兩類神經網絡模型作為財務預警模型存在較大風險。
3.三類模型對財務健康企業的判定準確性均高于對財務困境企業的判定準確性，但支持向量機模型比神經網絡模型判定準確性高。
四、研究結論
創業板上市公司財務預警是公司財務預警的一個難點，主要是因為：①創業板上市公司目前還沒有ST和PT標記公司，所以要設計指標區分創業板上市公司財務困境與否，本文從企業償債能力而不是傳統的企業盈利能力方面考慮企業是否容易陷入財務困境。②創業板上市公司樣本較少，這就要求我們使用能對小樣本進行良好分類和預測的模型，而支持向量機模型能夠很好地對小樣本進行建模。③創業板上市公司2009年底才陸續上市，能提供的財務信息非常有限，所以需要我們盡可能多的引入財務指標，提供盡可能多的信息。然而創業板公司財務預警非常必要，因為2012年5月1號執行了新的《創業板上市規定》，完善了創業板上市公司的退出機制，為了保護投資者的利益，以及為決策者提供參考，需要建立科學的創業板上市公司財務預警系統。
本文通過對財務報表較完善的93家創業板上市公司的研究結果表明：基于財務指標的支持向量機模型是企業財務困境預警的有效方法，較目前使用較多的神經網絡模型，判定準確性較高，該模型可以為廣大投資者和決策者預警公司財務狀況提供可靠的依據，同時也為上市公司加強企業管理，保證未來的現金流量安全提供科學的參考。
參考文獻：
[1]Beaver W H. Financial ratios as predictors of failure [J]. Journal of Accounting Research， 1966， 9： 71-111.
[2]Altman E I. Financial ratios， discriminant analysis and prediction of corporate bankruptcy [J]. Journal of Finance， 1968， 9： 589-609.
[3]Deakin E B. A discriminant analysis of prediction of business failure [J]. Journal of Accounting Research， 1972， 1： 167-169.
[4]程濤.財務預警模型綜述[J].山西財經大學學報，2003，5：104-107.
[5]Ohlson J A. Financial ratios and the probabilistic prediction of bankruptcy [J]. Journal of Accounting Research， 1980， 1： 109-131.
[6]吳世農，黃世忠.企業破產的分析指標和預測模型[J].中國經濟問題，1987，6：8-15.
[7]佘廉.企業預警管理論[M].河北科學技術出版社，1999.
[8]吳世農，盧賢義.我國上市公司財務困境的預測模型研究[J].經濟研究，2001，6：46-55.
[9]Altman E I. Financial ratios， discriminant analysis and prediction of corporate bankruptcy [J]. Journal of Finance， 1968， 9： 589-609.
