财务风险预警研究篇（1）

关键词 ：新常态视角 财务风险 预警机制 预警模型

一、引言

自党的十八大以来，我国经济社会形态呈现出与以往不同的发展状况。即增长速度放缓，增长质量更上台阶，基于这个新常态，企业财务风险预警能力面临严重挑战，企业财务风险预警，主要是企业通过监控有段实时监控内部财务风险，并对存在的财务风险因素进行预警。基于企业的角度而言，财务风险有效控制异常重要。在新常态的视角下，分析国内预警方面的不足以及存在的问题，在现阶段经济发展角度制定财务风险预警机制，具有一定实用价值。

二、新常态下的财务分析

（一）新常态概述

新常态，是指中国经济发展到一个新的阶段，增长速度放缓，增长质量更上台阶。经济进入新常态后应具有以下特点：一是经济增速是适度的，与潜在经济增长率相适应，具有可持续性；二是经济结构是优化的，第三产业、高附加值产业、绿色低碳产业比重稳步提高；三是经济质量是较高的，经济动力主要来自生产率的提高；四是经济制度环境是有利的，市场在资源配置中日益发挥决定性作用。

（二）新常态下突出的财务风险

新常态下企业面临着运行成本上升，投资政策改变，贸易环境变化，市场需求疲软等一系列新问题。整个市场需求变缓，产品质量要求增高，财务风险大大提高，如何应对财务风险将是中小企业能否在新常态下生存下去的关键。

三、新常态下财务风险定性、定量分析

（一）财务风险预警定性分析

定性分析，主要是依靠主观分析与判断，进而对财务风险预警因素进行分析的手段。与传统分析方法相比较而言，定性分析因素在企业阶段性发展中占据重要地位。下面对定性分析各项方法进行分析：

1、表征观察法

该方法主要是对企业自身的整体运营情况进行观察，通过对企业异常特征进行分析，判定企业可能发生的财务风险。如企业资产负债率明显高于同期水平，资产结构方面发生异常状况，财务内部控制恶化；企业盈利来源非经常性的损益，则可能是主营业务已经发生重大问题。表征观察法对企业财务出现的显性因素进行特征分析，对财务风险因素进行识别，适用于较为明显的财务异常变化。

2、“四阶段症状”分析法

此种评价方法是一种拟人化的分析方式，企业运行状况不佳，所体现出的状况与人病危状况相类似，如表1所示：

该分析方法，具备简单明了效果，较为适合企业自身财务风险预警的诊断。但此种分析方法的应用，存在一定难度。财务预警的过程中，各项因素的清晰程度，很难想表中表现的至关状况。因此，要求财务预警分析这具备良好的工作素质。

3、管理评分法

管理评分法最先由美国财务学家提出，将破产企业作为研究对象，基于内部财务状况进行加权处理，通过评分判定企业安全性。该方法的具体评分表如表2所示：

在进行评分的过程中，需要充分的结合企业发展实际状况，最终得分分值越高，则说明企业处境较差，财务风险较为严重。该方法在企业当中的应用，具备简单易懂等特点，但由于各项内在因素需结合企业发展实际状况，工作量较大。只有在掌握内部财务状况各项因素的同时，才能够发挥此种方法的实效。

（二）财务风险预警定量分析

与财务风险预警定性分析而言，定量分析所采用的方法更加便捷，并且判定效果良好，使得定量分析方法在企业财务风险预警方面被广泛应用。特别是基于新常态视角下，定量分析更能够体现出财务风险预警的准确性。下面进行详细分析：

1、单变量判定模型

单变量判定模型，又被称之为单变量分析法，主要是对企业单一财务指标进而评估企业整体财务状况。该评定模型在分析过程中，评定方法较为简单快捷，便于运用。但该方法在运用方面，由于是针对企业财务指标进行单一分析，造成分析结果缺乏系统性，预警能力严重不足。

2、多变量判定模型

多变量判定模型与单变量判定模型存在一定区别，可以将该模型称之为Z计分法模型，是由爱德华·阿尔曼（Edward·altman）在1968年提出。该模型当中的线性函数公式主要是通过多种财务指标加权汇总而成，通过企业内部财务多个财务指标进而建立。多变量判定模型内容当中经常运用的Z分数预警模型与F分数预警模型，经典模型表示如下：

其中，X1为营运资金/资产总额；X2为留存收益/资产总额；X3为息税前利润/资产总额；X4为普通股以及优先股市场价值总额/负债账面价值总额；X5为销售收入/资产总额。

由于Z模型的建立当中，并没有将企业当中的现金流量进行充分的考虑。因此，对于此种问题很多相关方面的学者进行了改进，建立了F分数模型：

其中，X1为营运资金/资产总额；X2为留存收益/资产总额；X3为（净利润+折旧费）/平均负债率；X4权益总值/负债总额；X5为（净利润+折旧+利息）/资产总额。

多变量判定模型分析较为准确，并且模型精度分析较高，需要大量的参数内容提供支撑，工作量较大。但此种方法在企业当中的应用，应对财务风险的准确性较高，并且被应用在本次研究当中，对规避风险及分析财务风险具有其他方法不具备的优势。

3、联合预警模型分析方法

由于财务指标通常只是反映企业生产经营过程中的实际财务状况，基于企业的发展战略、企业文化、区域位置等各项非财务信息指标进行分析。因此，产生了联合预警模型。该模型能够对企业经营现状进行模拟，反应企业生产经营过程中各项因素，确定理论框架以及行业特征，克服财务指标的片面性。

四、新常态下构建企业财务风险预警模型

（一）企业财务风险预警准备工作

企业财务风险预警是一项系统性工程，需要企业内部各个组成部分之间的协同合作。确保企业制定详细的工作计划，对各项流程进行充分规范。在新常态视角下，分析企业发展问题需要基于个层面进行分析，细致化诠释各项内容。因此，在准备工作方面主要分为以下几项内容：一是统一思想。只有将企业内部员工以及管理者对于风险预警思想进行统一，才能够积极构建财务风险预警机制，强化风险预警意识；二是制定工作方案。将财务风险预警各项内容细致化划分，健全工作计划的向西行，提升操作型；三是做好信息收集与管理。将财务信息指标进行收集，保证信息来源与内部与外部。同时，对各项内容进行积极评价，为信息利用奠定基础。

（二）财务风险预警F模型

选用F模型作为本选题研究的财务风险预警模型，即：

其中，X1为营运资金/资产总额；X2为留存收益/资产总额；X3为（净利润+折旧费）/平均负债率；X4权益总值/负债总额；X5为（净利润+折旧+利息）/资产总额。

在该模型当中，选择五个自变量内容，具体临界点为0.0274；如果低于0.0274，则说明公司财务风险状况不容乐观，可能面临破产；一旦高于0.0274，则预测公司经营状况良好，可继续生产运营。

（三）财务风险预案

企业内在的财务风险因素被实质化之后，形成财务危机，一旦危机出现，企业则需要制定具体的管理预案进行危机方面的处理。

本文选定企业深圳某机械有限公司处理程序如下：

对深圳某机械有限公司内部的财务危机状况进行登记的评判，重新评估可能被隐瞒的财务数据内容，明确内部债券债务是否符合发展状况，积极探寻有利因素并寻找对策。

启动预案。根据财务状况以及危险程度，判定危机信号具体数值，对危机预案进行拟定，实施方案预算体系，确保数据内容处于可控范围。

保证信息畅通。危机预案处理过程中，需要保证领导机构以及执行操作内容信息方面的流通度，为处理新情况以及预案有效执行奠定基础。

总结。当危机处理完成之后，应该尽心总结与分析，将财务风险当中的具体风险指标进行筛选，确保预案执行效果得到提升。

五、新常态企业财务风险预警模型实证分析

（一）企业概况

深圳某机械有限公司成立于中国广东省深圳市，厂房占地10000平方米，拥有自己规划建设的现代化厂房，拥有雄厚的技术研发能力和先进的生产制造硬件设施。公司多年来专注于高品质模具加工机床、机械加工专用机床设备的技术研发、生产制造、经营销售，并为客户提供全方位的售前、售中、售后技术服务。目前产品规模、研发实力、市场占有率、以及企业管理综合实力已位居华南地区行业前列。

（二）该公司财务风险预警存在的问题

1、财务状况总体失衡

2012年，该企业资产总额为165284万元，与上一年同比增长25639万元。其中负债总额为112123万元，与上一年同比增长12058万元。主业务收入为568496万元，与去年增长14.81%，实现净利润3447万元，增长692万元，为年度预算3200万元的107.72%。基于该公司的实际发展状况分析，主营业务收入较大，并且应收账款占总资产比重较高，未来收益内容不够明确，造成公司资产缩水。公司具体财务状况如下表3所示：

2、缺乏评估机制

该公司大多数管理人员并未对内部控制提升自身的认识程度，造成内部控制不够明确，严重的影响企业整体运行状况。同时，对财务与法律意识相对淡薄，严重影响内部控制质量，企业财务运作效率低下。并且在企业生产经营环节，各项不确定环节财务风险控制不能够准确预测，传统的表征观察法风险预警不能够体现出现代企业的发展要求，致使企业产生或陷入风险。

3、缺乏有效的资金管理

基于该企业财务报表而言，发现其现金金额较大，高达2亿元，并且流动负债也处于较高水平，充分的说明该企业资金应用效率低下。通过进一步分析可以发现，该企业各个生产经营环节处于分散状况，资金流动性未能够得到体现，知识资金管理手段落后。在应对财务风险方面，方法单一，管理不能够满足企业自身要求。

（三）财务指标预警分析

选定深圳某机械有限公司作为研究对象，在对该企业财务状况以及财务数据分析之后，得出深圳某机械有限公司在生产运营过程中财务风险预警模型进行实证分析。对预警评估得分进行计算，将总分设定为100分。按照优先级分别对资产负债结构、偿债能力、营运能力、盈利能力以及发展能力预警指标赋予20:20:26:18:16的比重。在最高分与最低分方面设定上限与下限数值，保证上限标准值为1.5倍，下限标准值为0.5倍。具体公式按照（行业最佳比率-标准比率）/（行业最高得分-评分值），得出评估表当中的预警得分，具体如下表4所示：

根据企业风险预警评估表当中的计算，深圳某机械有限公司在2012年财务风险预警的总得分为118.23分，并且在2013与2014年，通过同样的方法进行计算，得出深圳某机械有限公司财务风险预警得分分别为112.87与119.66分，得出均超过100，位于正常区间范围内。即企业财务状况较为安全，财务风险不至于影响企业的正常生产运营。

（四）F模型深圳某机械有限公司财务风险预警评估

运用F模型对深圳某机械有限公司财务风险进行验证，旨在评价2012年风险预警结果，并通过相同的模型计算，得出2013年具体数据。具体数据如下表5所示：

基于上表当中的各项数值，能够计算出F模型各项指标，具体计算过程如下所示：

其中，X1为营运资金/资产总额；X2为留存收益/资产总额；X3为（净利润+折旧费）/平均负债率；X4权益总值/负债总额；X5为（净利润+折旧+利息）/资产总额。

2012年：

X1=营运资金/资产总额=0.205

X2=留存收益/资产总额=0.017

X3=（净利润+折旧费）/平均负债率=0.025

X4=权益总值/负债总额=0.085

X5=（净利润+折旧+利息）/资产总额=0.022

=-0.1744+1.1091×0.205+0.1704×0.017+1.9271×0.025+ 0.0302×0.085+0.4961×0.022

=0.1175

2013：

X1=营运资金/资产总额=0.152

X2=留存收益/资产总额=0.019

X3=（净利润+折旧费）/平均负债率=0.026

X4=权益总值/负债总额=0.066

X5=（净利润+折旧+利息）/资产总额=0.031

=-0.1744+1.1091×0.152+0.1704×0.019+1.9271×0.026+ 0.0302×0.066+0.4961×0.031

=0.065

（五）实证检验

经过具体计算得知，2012年F值为0.1175＞0.0274；2013年F指为0.065＞0.0274，并且根据该模型进行判定，深圳某机械有限公司在近期内，生产经营过程中不会发生财务危机，与上述财务风险预警评估验证结果基本一致。新型财务风险预警模型在公司具有一定的效果，能够及时发现公司内部财务风险因素，并加以控制。首先，针对财务总体失衡的状况，需要对公司生产经营进行实时分析，通过经济活动分析等手段，由市场调研作为基础，找出问题所在与差距因素，加强内部控制。进一步完善公司资产质量、营运能力、发展能力、盈利水平等方面预警监控机制。

其次，F 财务风险预测机制，能够对各项财务风险进行有效控制与计算，在公司发展方面具有推动意义，实现企业各项财务状况满足企业发展需求。并且该模型凭借对企业多项风险因素进行计算，准确提供风险预警，为企业发展提供准确预算结果。

最后，推行全面预算管理。预算并不是针对财务部分的工作内容，更是整个企业财务的工作内容。但全面预算管理内容，在一定程度上决定着企业财务风险因素的产生，有效控制成本管理，值得推广应用。

六、结论

综上所述，基于新常态视角下，企业正在面临着新的市场经济环境，如何保证企业在现代的市场竞争中，控制财务风险因素显然已经成为企业具备市场竞争力的关键因素。该企业在应用传统的定性风险预警方面，并未适应现代企业财务特点，造成风险预警能力低下，严重影响预警效果。F 财务风险预警模型的应用，有效的改善了内部财务状况，为现代企业经营发展提供良好基础，提升财务风险预警能力，准确预测风险因素。对财务风险预警的研究，能够在一定程度上提升企业对抗风险的能力，为企业健康发展提供基础保障，推动我国综合经济实力的不断提升。

参考文献

[1]梁达.以新常态视角看待经济增速的变化[J].宏观经济管理，2014，4（12）:125-127.

[2]王丽娜.基于企业生命周期的财务风险预警研究[D].重庆：重庆大学，2012.

[3]杨美萍.企业财务风险预警指标体系的研究[D].北京：中国地质大学（北京），2010.

[4]王本运.大唐电力财务风险预警研究[D].北京：华北电力大学，2013.

[5]杨瑶，李红琨.基于现金流量指标的财务风险预警研究综述[J].现代商业，2011，11（09）:236-237.

[6]韩东平，郑洲，颜宝铜.模糊综合评价法在高校财务预警中的应用[J].财会通讯，2010，6（06）:114-117.

[7]董纪昌，马慧.家电行业并购的财务风险预警研究[J].数学的实践与认识，2010，11（01）:78-83.

[8]史小英.国内外企业财务风险预警研究现状分析[J].新西部(理论版)，2013，4（20）:45-49.

财务风险预警研究篇（2）

0 引言

财务风险预警是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、市场营销等理论，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的一种预警方式。

国内财务危机预警的研究始于20世纪80年代中后期，对财务危机预警模型的研究则一直到20世纪90年代末才开始。吴世农、黄世忠(1986)曾撰文《中国经济问题》介绍企业破产的财务分析指标及预测模型：国家自然科学基金委员会管理科学组先后支持佘廉等人从事企业预警研究，并于1999年出版了企业预警管理丛书，之后我国学者真正开始了对财务预警的研究，并取得了一定的成果。

1 统计方法预警模型

1.1 单变量预警模型。单变量预警模型是指以某一项财务指标作为判别标准来判断企业是否处于破产状态的预测模型。

陈静（1999）以27个st公司和27个非st公司为样本，最终选定资产负债率、净资产收益率等6个财务指标，分别以公司被st的前一年、前两年、前三年的财务数据为基础，运用判别分析法做了实证研究。在单变量分析中，发现在负债比率、流动比率、总资产收益率、净资产收益率4个指标中，流动比率和负债比率误判率最低。

1.2 多变量预警模型。多变量模型即运用多种财务比率指标加权汇总而构造多元线性函数公式来预测财务危机。

周首华、杨济华和王平(1996)在z分数模型的基础上进行改进，考虑了现金流量变动情况指标，建立了f分数模型：

f=-0.1774+1.1091x1+0.1704x2+l.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。

张玲(2000)以120家公司为研究对象，使用了其中60家公司的财务数据估计二元线性判别模型，并使用另外60家公司进行模型进行检验，发现模型具有超前四年的预测结果。此外，采用mda建模的学者还有黄岩和李元旭（2001）、尹侠等（2001）、向德伟（2002）、卫建国等（2002）、杨淑娥和徐伟刚（2003）、唐振宇等（2004）以及贲友红（2005）。

1.3 logit。logit模型是采用了一系列的财务指标来预测财务危机发生的概率，然后根据银行、投资者等的风险偏好程度设定风险警戒线，以此对分析对象进行风险定位与决策。

吴世农、卢贤义（2001）选取70家处于财务困境的公司和70家财务正常的公司为样本，首先应用剖面分析和单变量判定分析研究财务困境出现前5年内这两类公司每一年的21个财务指标的差异，最后选定6个财务指标作为预警指标，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了三种预警模型，并指出应用logistic回归分析法建立的预警模型误判率最低。

此外，姜秀华与孙铮（2001）讨论了最佳分割点，认为概率0.1为最佳分割点；乔卓（2002）和齐治平（2002）引入二次项和交叉项进行建模；陈晓和陈治鸿（2000）、宋力和李晶（2004）对财务数据进行调整后建模；张鸣和程涛（2005）、梁琪（2005）、张扬（2005）通过利用主成分分析法对logistic方法进行降维、解决共线性问题后进行了建模；顾银宽（2005）则基于jackknife检验进行了建模，均提高了模型预测的准确率。

1.4 核函数方法。罗幼喜等（2005）通过主成分分析法约简建模指标后，采用核函数建模，结果表明模型的性能指标超过传统预测方法，较好地解决了大规模样本集应用问题。

2 智能预警模型

智能预警模型则主要是基于神经网络分析的各类模型。神经网络模型是一套人工智慧系统，以模拟生物神经系统的模式，利用不断重复的训练过程，使本身能够透过经验的积累达到学习的效果。

王春峰、万海晖、张维等(1999)用神经网络法对商业银行财务风险进行了研究，发现神经网络法具有很强的非线性映射能力，其学习经验的能力强：学者杨保安等(2001)将bp神经网络分析方法运用到银行财务预警的分析中，构建了非线形财务预警模型。

刘洪、何光军（2004）以728个样本、36个财务指标进行财务危机预警研究。他们在传统的判别分析法和逻辑回归分析法基础上，探索应用人工神经网络法进行财务危机预警的研究。结果表明，人工神经网络法的预测准确率高于前两种方法的预测准确率。谢纪刚（2004）等人使用分类集成的方法进行财务危机预警研究，结果发现该方法的预测准确率可达到86%。

张根明、向晓骥和孙敬宜（2006）采用bp神经网络法，以263家制造业上市公司的截面财务指标作为学习样本，并使用76家制造业上市公司作为检验样本，建立了制造业上市公司财务危机预警模型。其研究结果表明，与没有区分行业的通用财务危机预警模型相比，分行业的bp神经网络财务危机预警模型的预测准确率较高，能为广大投资者和监管机构预测公司财务状况提供更可靠的依据。

另外，张华伦、孙毅（2006）提出了一种基于粗糙-模糊神经网络（rough-fuzzy-ann）的模型，并给出了相应的算法，通过以我国上市公司财务数据为基础进行的实证分析表明，这种模型具有预测精度高、学习和泛化能力强、适应性广的优点，为企业财务危机的动态预警提供了一条新的途径。张林（2004）采用cbr技术构建了企业财务预警系统，为企业财务危机的警度测控、警兆辨识以及防警排警等提供了新的思路。

3 混合模式及其比较研究

近些年来，还出现了财务预警的混合模式。混合模式是指同时采用两种或两种以上的方法建立模型来进行财务预警分析。对此进行的实证研究表明，混合模型比单个方法模型相有着更高的准确型。如：徐勇（2007）以沪深两市制造业上市公司为样本，通过fisher线性判定分析法和logistic回归分析法对我国制造业上市公司财务危机预警模型进行研究。该研究考虑到了财务指标行业性差异，选择制造业上市公司作为样本，可使研究结果更具针对性。

4 我国财务风险预警模型研究评价

通过上述对国内财务危机预警模型的研究，从单变量、多变量、logit模型这些以统计方法为基础的研究到神经网络模型等非统计智能模型，从单一模型的研究到混合模型及其比较研究，从以财务指标为基础的研究到引入非财务指标的研究，财务危机预警模型的研究受到了国内实务界和学术界的高度重视且取得了重大进展。

与此同时，国内在这方面的研究仍存在不足之处。①不同的预警模型适用条件不同，必然影响到模型的正确性和预测精度。当前对财务危机预警模型的研究大多数偏重用财务指标来构建模型，而非财务因素指标不仅在数据上收集困难而且不易测评。②国内学者对这些模型的研究都是通过实证研究得到的，缺乏理论的指导，研究者在选择变量的时候也受到自身价值判断的影响。③在国内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。

我国这方面的研究中如何考虑行业和规模的影响，样本设计条件的变化如何影响预测精度，如何从理论上和经验上引进更有效的预测变量，而且国内研究对现金流量指标的重视程度也不够，这些都是我们未来需要进一步研究的方向。

参考文献：

[1]姜秀华，任强，孙铮.上市公司财务危机预警模型研究[j].预测.2002.3.

[2]张鸣.企业财务预警研究前沿.北京.中国财政经济出版设.2004.

财务风险预警研究篇（3）

引言

企业财务风险管理(ERM)是指企业在日常的经营中，通过对风险的认识、衡量和分析并以最小的成本达到最大安全保障的管理办法。风险和收益并存，企业作为市场的主体要参与市场竞争必然要面对风险，因此，财务风险预警就显得尤为重要。

一、财务风险

财务风险是指企业经营总风险在财务活动上的集中体现，是企业财务活动未来实际结果偏离预期结果的可能性。财务风险有狭义和广义之分，狭义的财务风险仅指筹资风险，广义的财务风险是指包括筹资风险在内的所有由于不确定事项给企业带来的可能损失及其损失程度，包括：筹资风险、投资风险、资金收回风险、资产贬值(或跌价)风险、收益分配风险等。

二、建立财务预警系统

为防范化解企业财务风险，企业建立一套健全有效的财务风险预警系统就显得非常必要。

企业财务风险预警系统是指企业在财务风险管理中形成的各种相互依赖、相互制约的预警职能体系，是财务风险管理中一项复杂性、综合性程序较高的管理活动。预警系统的设计就是把风险预警机制因地制宜的引入企业内部，让企业、管理者、员工共同承担风险责任，使责、权、利三者真正成为一个有机整体。预警系统设计包括预警组织机构设计、信息收集和传递系统设计、财务风险分析系统设计及财务风险处理系统设计。具体实施步骤如下：

1.以现金流为基础，建立短期财务预警系统。短期而言，企业能否维持下去，并不完全取决于是否盈利，而取决于是否有足够现金用于各种支出。预警的前提是企业有利润，对于经营稳定的企业，由于其应收、应付账款及存货等一般保持稳定，因此经营活动产生的现金流量净额一般应大于净利润。根据企业现金流量表，定期分析企业的现金流动状况和变化趋势，是财务管理工作别重要一环。准确的现金流量分析，可以为企业提供预警信号，使经营者能够及及早采取措施。

2.确立财务分析指标体系，建立长期财务预警系统。对企业而言，在建立短期财务预警系统的同时，还要建立长期财务预警系统。其中偿债能力、企业营运能力、企业盈利能力等指标最具代表性。(1)偿债能力分析指标。①经营活动现金净流量/流动负债。该指标说明企业通过经营活动所获得的现金净流量可以用来偿还现时债务的能力。比率越大，说明企业流动性越大，短期偿债能力越强。②经营活动现金净流量/负债总额。该指标反映企业年度经营活动产生的现金净流量偿还企业全部债务的能力，反映企业长期偿债能力。比率越大，表示企业长期偿债能力越强。(2)企业营运能力指标。包括两个主要的指标：①总资产周转率(主营业务收入净额／平均资产总额)：该指标是用以综合评价全部资产经营质量和利用效率的重要指标。该指标越高，表明以相同的总资产完成的周转额越多， 总资产的利用效果较好。②流动资产周转率(主营业务收入净额／平均流动资产总额)：该指标反映了企业流动资产的周转速度，它是从流动性最强的流动资产角度，对企业的利用效率进行分析，以进一步揭示影响企业资产质量的主要因素。

(3)企业盈利能力指标。包括两个主要的指标：①净资产收益率(净利润／平均净资产)：它是反映企业自有资金投资收益水平的指标， 一般情况下该比率越高，表明自有资金获取收益的能力越强，对企业投资人、债权人的保障程度越高。所以它至少不应低于市场或行业的平均值。如果资产收益率达不到市场或行业平均水平，意味着企业发生了机会损失，并且在竞争中客观上已处于劣势地位。一般存在财务风险的企业资产收益率也比较低。②总资产报酬率[(利润总额+利息支出)／平均资产总额]：它是反映企业资产综合利用效果的指标，该指标越高，表明企业的资产利用效益越好，整个企业的盈利能力越强。

三、应对风险的措施

在发生的风险预警系统实施中，实时对风险信号进行监测，如出现产品积压，质量下降，成本上升，应收款增大等，要查明其形成原因及过程，确定切实可行的风险管理策略。应对财务风险通常采用以下策略：

1.回避风险策略，即考虑到风险事故存在可能性较大时，主动放弃或改变某项可能引起风险损失决策的方法。

2.接受风险策略，即企业面对客观存在的财务风险，接受下来，并努力采取措施控制风险的方法。

3.风险防范策略，即在损失发生前消除或减少可能引起损失的各项因素，避免损失的产生。

4.分散风险策略，即通过企业之间联营、多元化经营对外投资多项化等方式分散财务风险。

5.实施中应注意的问题。(1)加强财务信息管理，建立完善灵敏的财务信息系统，保证财务预警指标体系的建立和运行效果。(2)树立牢固的风险防范意识，加强完善企业内部控制制度，良好的内部控制制度可以提高财务预警的准确性。(3)保证畅通的预警信息传递路线和及时的对策反应，使预警信息能及时反处理。(4)正确认识和处理财务风险预警系统和其他管理体系的关系，财务风险预警系统是企业内部控制的一种形式，不同于行政管理，又依赖于行政管理。

参考文献：

[1]韩冬梅:如何加强企业财务风险管理[J].会计师,2007. (1).

[2]胡殿香:论现代企业的财务管理[J].经济技术协作信息,2007.(6)

[3]周首华 杨济华 王 平:论财务危机的预警分析――F分数模式[J].会计研究,1996(8):8～11

[4]李秉成,刘芬芳.财务困境预警分析方法评析[ J].武汉科技大学学报,2004(1):6～10

[5]殷孟波 贺向明:公司财务危机预警模型评介[J].经济学动态,2004(3)

财务风险预警研究篇（4）

首先在财务风险预警领域树立里程碑的是Beaver（1966），他利用单变量对企业破产进行预测，局限性是对同一企业的风险进行预测时，选择的比率不同，得到的结果也可能有所不同。美国学者Edward Altman在1968年提出了多元变量Z-score模型，突破了单变量的研究。之后学者们纷纷利用多变量财务预警模型进行研究，但在1980年学者Ohlson首次采用Logistic方法预测财务风险。进入20世纪90年代，出现了基于神经网络的财务风险预警模型，得到的结果比较理想。随后一些新的方法如：支持向量机、期权定价模型也被运用到财务风险预警的分析中。我国的财务风险预警研究起步较晚，周首华、杨济华（1996）把现金流量指标引入到Z分数模型中，提出了新的模型―― F分数模型。陈瑜（2000）运用二元线性回归和主成分分析对上市公司财务预警模型的构建进行实证研究。姜秀华、孙铮（2001）则运用Logistic建立回归判别模型。随后的财务风险预警研究采用了新的方法――神经网络，如： BP神经网络（杨淑娥、黄礼，2005），模糊神经网络混合模型（梁杰，2006），遗传神经网络（蔡志岳、吴世农，2006），RBF神经网络对物流企业财务风险预警的评价（刘磊、郭岩，2012）等。随着多学科的交流融合，也出现了其他的模型，如2015年蓝莎运用系统动力学对财务系统进行结构―功能模拟，建立了财务风险预警体系。

总体来看，多元判别分析、Logistic和人工神经网络是主要的预测方法，三者之中预测度最高的是人工神经网络，最差的是多元判别模型。目前文献对工业企业的财务风险预警研究较少，本文选取北京市工业企业与财务风险有关的财务与非财务数据，并引入人工神经网络中相对完善、易于操作的多层次感知器，构建财务风险预警体系。

二、数据样本的确定

（一）样本预警指标选取

本文研究对象是北京市45家在上海证券交易所上市的A股工业企业，并通过csmar数据库收集2012―2014年这些公司的相关指标。选取的指标既包括了反映企业偿债能力、盈利能力、经营能力和发展能力四个方面的财务指标，也涵盖了相关非财务指标，如股权集中度和独立董事比例，总计18项预警指标，如表1所示。

（二）财务风险划分

由于45家北京市工业企业被ST特殊处理的情况较少，且标记为ST发生在出现财务危机之后，很难对企业风险预警产生前瞻性影响，而且财务风险的发生是一个渐进的过程，上市公司的财务状况在不加以控制的情况下会由轻度财务危机转换为重度财务危机。所以本文将财务风险按照以下标准将其细分为低风险、中等风险和重大风险。如果当年的净利润不为负时，表明上市公司的财务风险为低风险;当年首次出现净利润为负，则表明上市公司为中等财务风险水平;当年为第二次出现净利润为负时，则表明财务风险水平很高，归类为重大风险。根据上述标准，将2012―2014年45家公司共135个样本划分为三类，其中：低风险有120个，中等风险为10个，重大风险为5个。

三、实证检验

（一）KMO检验与Bartlett球度检验

在收集到以上45家工业上市公司近三年18项指标数据后，对原始数据进行标准化处理，以消除不同指标间的量纲差异。在此基础上为判断135个样本数据是否能进行主成分分析，首先对标准化后的数据进行KMO检验与Bartlett球度检验，如表2所示，其中KMO值为0.678，大于0.6，适合做主成分分析;Bartlett球度检验的显著性概率为0，说明变量具有统计学意义，而且表现出高度的相关性和显著性。

（二）主成分因子的提取

为了对财务风险预警进行更加有效的分析，需要减少变量的个数，分析2012―2014年共135个样本数据的18项预警指标，利用SPSS软件进行因子分析，提取主成分因子，如表3所示。在特征值大于1时，共提取7个主成分因子，这7个主成分因子的累计方差贡献率达到75.9%，能反映18个变量四分之三的信息。设主成分因子为Fi（i=1，2， …，7），做成分矩阵（如表4所示），可以进一步分析主成分Fi所代表的能力和它反映的有关上市公司的财务信息。

主成分因子F1中资产报酬率、每股收益、营业净利率的比重较大，说明F1主要反映公司的盈利能力;F2中所有者权益增长率和净利润增长率所占的比重大，代表公司的发展能力;F3中反映偿债能力的指标比重较大，说明F3主要变现为偿债能力;F4中非财务指标的独立董事比例比重最大，则把公共因子看成股权结构因子;F5中总资产周转率的比重最大，代表整体营运能力;F6中综合杠杆的比重最大，反映了风险水平能力;F7中营运能力的应收账款周转率和存货周转率指标所占的比重大，F7代表日常营运能力因子。这7个因子涉及到财务和非财务的相关信息，比较全面地反映出财务风险的各种因素。

（三） MLP风险预警模型的构建及实证结果

多层感知器（MLP）是一种多层前馈网络模型，具有高度的非线性映射能力，它由三部分组成：一层为感知单元组成的输入层;一层为（或多层）计算节点的隐藏层;一层为计算节点的输出层。

本文运用SPSS软件，首先将七个主成分因子代表初始的18项指标，代入神经网络的多层感知器，作为协变量，风险程度作为因变量。其次在分区中，按照七比三的比例随机分配个案，即135个样本中70%作为训练变量，30%作为测试变量。其中训练变量中重大风险的样本为3个，中等风险的样本数为8个，低风险的样本数为86个;测试变量中包含重大风险的样本2个，中等风险的样本数为2个，低风险的样本数为34个。然后在体系结构中，设置最低的隐藏层数为1，分批进行培训操作时，选择调整的共轭梯度对算法进行优化。最后可以输出ROC曲线分析准确性和特异性，判断对财务风险的预警能力。

MLP对财务风险预警识别结果如表5所示，已预测与已观测的样本相比，在训练变量中，有三个样本其实属于重大风险，却预测为中等风险，准确率为0，中等风险和低风险全部预测准确，总体来看，训练变量的正确率为96.9%;在测试变量中，重大风险有2个在预测的中等风险水平中，总计的测试变量的准确率为94.7%。由此得出综合正确率为95.8%，其中低风险预测准确率为100%，说明多层感知器对低风险能较好的预测;误判均发生在将重大风险归类到中等风险，究其原因可能是重大风险与中等风险划分不明确，且在第一年出现净利润为负时，第二年要想转亏为盈的难度也很大，或者即使利润为正，为弥补去年差异最后的净利润数额也较小，这样造成重度风险和中度风险的差异不大，利用多层感知器预测时会产生偏差。

四、结论

财务风险预警研究篇（5）

【关键词】 高校财务风险; 预警指标体系; 预警临界值; G1法; 预警综合指数

财务风险的概念最先出现在财务管理领域,其出发点是基于企业财务管理决策活动过程中的不确定性,指企业的财务系统中客观存在的由于各种难以或无法预料和控制的因素,使企业实现的财务收益和预期财务收益发生背离,因而有蒙受损失的可能性。对高校这种非营利性的事业单位,其财务风险的定义是:高校在运营过程中因资金运动而面临的风险。目前,高校财务风险正逐渐凸显。《中国信贷风险报告2007》显示:2005年以前,我国公办高校向银行贷款总额达1 500亿元~2 000亿元;而2007年全国政协副主席张梅颖的专题调研结果显示,目前高校贷款总额已达2 500亿元,且有扩大趋势。我国高校几乎都有贷款,一般的高校贷款在4亿元~8亿元,高的达到20亿元以上。如此规模的贷款投资所形成的举债负担,直接构成高校的财务风险,是高校面临的严峻问题,加上高校贷款结构失衡而带来的还款期过度集中,加大了高校财务风险程度。因此,建立高校财务预警综合指数,及时、有效、科学地对财务资金风险状况进行预警分析,是保障高校财务工作良性发展的重要环节。

一、高校财务风险预警指标体系

(一)高校财务风险预警指标构建原则

为了提高财务风险预警管理的效果,在建立财务风险预警指标体系过程中应遵循以下原则:

1.充分全面性原则。将高校作为一个整体来考虑,其预警指标体系应能较为全面地涵盖高校财务风险的基本内容,有充分的代表性。

2.灵活时效性原则。选择对预测高校财务危机有指示作用的重要指标,当高校危机因素产生时,该指标能够灵敏、迅速、及时地反映出来,以便管理者作出判断和采取行动。

3.动态可测性原则。高校陷入财务危机是一个逐步的过程,通常是从财务正常发展到财务出现危机。因此,必须将高校经营活动视为一个动态的过程,在分析高校过去经营状况的基础上,预测可能发生的情况,把握高校未来的发展趋势。

4.实用可行性原则。建立预警指标体系既要从理论上注意它的完整性与科学性,又要注意到它的实用性与可行性,保证指标体系所使用的数据可由现实的财务资料信息和会计核算数据来提供。

(二)高校财务风险预警指标体系的建立

财务风险预警指标体系的建立和完善是预警管理理论的核心之一,也是预警管理的难点。本文按照预警指标构建原则,构建由偿债能力、现金流动、营运能力、收益能力、发展潜力和风险指数6方面组成的预警指标体系。考虑到高校财务风险的主要来源是负债和现金流动,所以财务风险预警指标体系应以偿债能力和现金流动为主,营运能力和收益能力为辅,发展潜力和风险指数为补充。

1.偿债能力(C)。偿债能力反映高校偿付各种到期债务的能力。这类预警指标主要包括:

(1)流动比率(C1)=流动资产÷流动负债,预警临界值为1.5~2.0,是区间型变量;

(2)资产负债率(C2)=负债总额÷资产总额,预警临界值为0.4～0.6,是区间型变量;

(3)负债自有资金率(C3)=借入资金÷自有资金,预警临界值为1.0,是稳定型变量;

(4)已获利息倍数(C4)=科研事业结余÷利息,预警临界值为1.0,是极大型变量;

(5)速动比率(C5)=速动资产÷流动负债(速动资产=流动资产-存货-预付账款),预警临界值为0.9,是极大型变量;

(6)现金负债比(C6)=年末累计外债额÷年末现金余额(年末现金余额=库存现金+银行存款+短期证券投资+其他货币资金),预警临界值为0.1,是极小型变量;

(7)基建项目投资负债率(C7)=(年末基建借款+年末基建应付)÷年末基建货币资金,预警临界值为1.0,是极小型变量。

2.现金流动(X)。现金流动反映高校维持日常运转的资金保障能力。这类预警指标主要包括:

(1)可供周转月数(X1)=(年末银行存款+年末现金+年末借出款+年末债券投资+年末应收票据-年末借入款-年末应交税金)

÷(学校全年支出总额÷12),预警临界值为3.0,是极大型变量;

(2)自有资金余额占年末货币资金比重(X2)=(年末事业基金

-投资基金+年末专用基金-留本基金)÷(年末银行存款+年末现金),预警临界值为0.54～0.6,是区间型变量;

(3)非自有资金余额占年末货币资金比重(X3)=(年末借入款项+年末应缴财政专户款项+年末应交税金+年末应付票据

+年末应付及暂付款+年末代管款项+末完项目收支差额)÷年末货币资金,预警临界值为0.5,是极小型变量;

(4)自有资金净余额占年末货币资金比重(X4)=(年末事业基金+年末专用基金-投资基金-留本基金-应收及暂付款中非正常周转垫款)÷年末货币金,预警临界值为0.5,是极大型变量;

(5)垫付资金增减率(X5)=(年末垫付资金-年初垫付资金)

÷年初垫付资金(垫付资金=应收票据+应收及暂付款+借出款),预警临界值为0,是极小型变量。

3.营运能力(Y)。营运能力反映高校合理、有效利用教育资源完成预期目标的能力。这类预警指标主要有:

(1)招生计划现金比率(Y1)=本期招生实际收费÷本期招生应收费,预警临界值为1.0,是稳定型变量;

(2)固定资产增长率(Y2)=(固定资产总额-上年固定资产)

÷上年固定资产,预警临界值为1.0,是极大型变量;

(3)赤字与事业基金比(Y3)=当年赤字总额÷累计事业基金,预警临界值为0.3(取0.3,是考虑到事业基金储备在正常下至少应当可以弥补三年的预算赤字),是极小型变量;

(4)公用支出比率(Y4)=公用经费支出÷事业支出,预警临界值为0.5,是极大型变量;

(5)事业基金现金储备率(Y5)=(现金净额-未完项目现金结余)÷(专用基金+事业基金)(其中,现金净额=可存现金+银行存款+短期证券投资+他货币资金-外债额;未完项目现金结余=未完项目收支差额-项目暂付款),预警临界值为0.6,是极大型变量;

(6)生均学费收入支出比(Y6)=生均学费收入数÷生均支出数,预警临界值为1.0,是极大型变量;

(7)应收及暂付款占年末流动资产的比重(Y7)=应收及暂付款÷(学校总资产-固定资产-无形资产),预警临界值为0.5,是极小型变量。

4.收益能力(S)。收益能力反映高校运用自身力量最大限度地获取最佳办学效益的能力。这类预警指标主要包括:

(1)总资产收益率(S1)=事业结余÷(年末总资产+年初总资产)×2,预警临界值为0,是极大型变量;

(2)校办产业资本保值增值率(S2)=(年末所有者权益-年初所有者权益)÷年初所有者权益,预警临界值为2.25%(相当于现行1年期存款利率),是极大型变量;

(3)教学科研性资产收益率(S3)=教学科研结余÷平均收益性资产,预警临界值为0.1,是极大型变量;

(4)投资收益比率(S4)=(校办企业投资收益+其他投资收益)÷(校办企业投资+其他投资),预警临界值为1.0,是极大型变量;

(5)经费自给率(S5)=(事业收入+经营收入+附属单位上缴收入+其他收入)÷(事业支出+经营支出),预警临界值为0.2,是极大型变量。

5.发展潜力(F)。发展潜力反映高校可持续发展能力。包括现有资产状况、办学条件、自我筹资等能力。主要预警指标有:

(1)自有资金动用程度(F1)=(应收入暂付款中非正常周转垫款+年末对校办企业的投资+年末其他对外投资+年末借出款项)÷(年末事业基金+年末专业基金-留本基金),预警临界值为1.0,是极小型变量;

(2)其他资金占用程度(F2)=(年末学校基金及其他基金暂付

+年末对外投资+年末借出款)÷(年末流动资金来源合计-年末科研类拨款与收入-年末对外服务收入-年末其他借入款),预警临界值为0.2,是极小型变量;

(3)现金净额增长率(F3)=(年末现金余额-年初现金余额)

÷年初现金余额,预警临界值为0.1,是极大型变量;

(4)未来三年平均招生增长率(F4)=(第3年计划招生数÷第1年计划招生数-1)1/3,预警临界值为0,是极大型变量;

(5)经费自筹率(F5)=自筹经费收入÷学校总经费收入,预警临界值为0.4,是极大型变量。

(6)资产权益比率(F6)=净资产÷资产总额,预警临界值为0.5,是极大型变量;

(7)校办产业负债率(F7)=(对校办产业投资÷校办产业实收资本)×(年末校办产业负债总额÷年末校办产业资产总额),预警临界值为0.4,是极小型变量。

6.风险指数(Z)。风险指数反映高校财务风险发生概率的大小。这类预警指标主要包括:

(1)资产安全率(Z1)=资产变现率-资产负债率(资产变现率

=资产变现金额÷资产账面金额),预警临界值为0,是极大型变量;

(2)安全边际率(Z2)=1-(保本收入额÷实际收入额),预警临界值为0,是极大型变量;

(3)学校年度收支比(Z3)=本年度实际总收入÷本年度实际总支出,预警临界值为1.0,是极大型变量。

二、高校财务风险预警综合指数的建立

建立风险预警指标体系的目的是为了使信息定量化、条理化和易操作化,以便能真实、全面地反映高校所面临的财务风险。但仅从某一方面并不能全面把握财务风险的总体状况,因此有必要将各项指标加以综合构成财务预警综合模型(如表1所示)。高校财务预警指数系统主要由两大块构成:财务预警个体指数(FEWII)和财务预警综合指数(FEWCI)。

(一)财务预警个体指数(FEWII)的计算

财务预警个体指数=(各监测指标的实际值÷各监测指标预警临界值)-1

其中,各监测指标的实际值主要根据高校当期财务报表所提供的数据计算而得。计算结果为正表示安全系数,若为负为预警指数。若“各监测指标为区间变量或极小型变量”时,将预警指数子项的被减数与减数位置互换即可。根据计算得出的各监测指标的财务预警个体指数为:Ci(i=1,2……7),Xi(i=1,2……5),Yi(i=1,2……7),Si(i=1,2……5),Fi(i=1,2……7),Zi(i=1,2……3)。

(二)指标权重的确定

通常对于运用专家评分得到的判断矩阵需要进行一致性检验,而且一致性检验存在失效的时候。本文运用一种无需一致性检验的G1法来确定权重,其原理是专家(或决策者)对一系列的指标重要性程度做一个判断,然后根据重要性程度和一些原则对各个指标给予赋值,并依据计算定理得到各个指标的权重。其具体步骤为:

1.确定序关系。若评价指标xi相对于某种评价准则(或目标)的重要性程度大于(或不小于)xj时,则记为xixj。对于评价指标集{x1,x2,…,xm}可按下述步骤建立序关系:(1)专家(或决策者)在指标集{x1,x2,…,xm}中,选出认为是最要(关于某评价准则)的一个指标记为x1*;(2)专家(或决策者)在余下的m-1个指标中,选出认为是最重要(关于某评价准则)的一个(只选一个)指标记为x2*;以此类推,经过m-1次挑选剩下的评价指标记为xm*。这样就唯一确定了一个序关系。

x1*x2*…xm* (1)

为了书写方便且不失一般性,(1)式可记为:

x1x2…xm(2)

2.给出xk―1与xk间相对重要程度的比较判断。设专家关于评价指标xk―1与xk的重要性程度之比wk-1/wk的理性判断分别为:

wk―1/wk=rk,k=m,m-1,m-2,…,3,2 (3)

当m较大时,由序关系(2)式可取rm=1。rk之间满足以下数量约束:若x1,x2,…,xm具有序关系(2)式,则xk―1与xk必须满足:

rk―1>1/rk,k=m,m-1,m-2,…,3,2(4)

3.rk的赋值原理。rk=1.0,表示指标xk―1与指标xk同样重要;rk=1.2,表示指标xk―1与指标xk稍微重要;rk=1.4,表示指标xk―1与指标xk明显重要;rk=1.6,表示指标xk―1与指标xk强烈重要;rk

=1.8,表示指标xk―1与指标xk极端重要。

4.权重wk的计算。若专家(或决策者)给出rk,则wk为:

wm=■(5)

其中,wk―1=rkwk,k=m,m-1,m-2,…,3,2。

以二级预警指标权重计算为例,其计算过程如下:

分别用x1,x2,…,x6表示偿债能力、现金流动、营运能力、收益能力、发展能力和风险指数6个指标,并确定6个指标的序关系为:

x1x2x3x4x5x6?圯x1*x2*x3*x4*x5*x6*

根据赋值原理可得:

r2=w1*/w2*=1.2r3=w2*/w3*=1.4r4=w3*/w4*=1.2

r5=w4*/w5*=1.2r6=w5*/w6*=1.2

而r2r3r4r5r6=2.9030 r3r4r5r6=2.4192r4r5r6=1.728

r5r6=1.44r6=1.2

r2r3r4r5r6+r3r4r5r6+r4r5r6+r5r6+r6=9.6902

所以w6*=(1+9.6902)-1=0.0935w5*=w6*r6=0.1123

w4*=w5*r5=0.1347 w3*=w4*r4=0.1616

w2*=w3*r3=0.2263 w1*=w2*r2=0.2716

故预警指标为x1,x2,…,x6的权重系数为:

w1=w1*=0.2716w2=w2*=0.2263w3=w3*=0.1616

w4=w4*=0.1347w5=w5*=0.1123w6=w6*=0.0935

采用同样的方法可以确定其它预警指标的权重,计算过程略,各预警指标的权重值如表1所示。

(三)财务预警综合指数(FEWCI)的计算

偿债能力预警综合指数C=0.2056C1+0.2056C2+0.1190C3

+0.1713C4+0.1428C5+0.0850C6+0.0708C7

现金流动预警综合指数X=0.2841X1+0.2367X2+0.1644X3 +0.1973X4+0.1174X5

营运能力预警综合指数Y=0.1371Y1+0.1975Y2+0.0952Y3 +0.1646Y4+0.2370Y5+0.1143Y6+0.0680Y7

收益能力预警综合指数S=0.2538S1+0.2115S2+0.2115S3 +0.1763S4+0.1469S5

发展潜力预警综合指数F=0.1605F1+0.1338F2+0.1927F3

+0.0929F4+0.1115F5+0.2312F6+0.0774F7

风险指数预警综合指数Z=0.3956Z1+0.3297Z2+0.2747Z3

财务预警综合指数(FEWCI)=0.2716C+0.2263X+0.1616Y

+0.1347S+0.1123F+0.0935Z

通过上述公式计算所得的结果可以确定财务风险警度,从而为高校财务风险控制提供有力的分析工具。而判断财务风险警度的关键在于有警与无警的临界点。有关学者利用系统化方法中的多数原则、半数原则和均数原则等客观原则进行研究,然后把各种原则应用所得到的结果加以合理综合,得到为多数人接受的较科学的结论。本文在与一般企业警限及警度相比较的基础上,运用上述方法将高校财务预警综合指数(FEWCI)的警限及警度分别设置为:

-0.2

-0.4

-0.6

-1.0

三、结语

通过财务预警综合指数的建立,一方面能让高校全面树立风险意识;另一方面能通过预警指标值的变化,捕捉高校财务风险的信息,化被动管理为主动管理。这对于高校自身加强财务管理,预测风险,科学决策,统筹调度,合理运用资金,均有重要的现实意义。

【主要参考文献】

[1] 徐博韬.我国高校财务风险的形成及其防范[J].会计之友(下),2008(5):31-32.

[2] 许道银.试论高校财务危机预警系统[J].徐州师范大学学报(自然科学版),2003,21(4):19-21.

[3] 黄辉.高校财务风险的衡量指标[J].统计与决策,2005(12):52-53.

[4] 雷振华.高校财务风险预警指标体系的构建研究[J].财会通讯(学术版),2007(2):117-119.

[5] 成法民.高校财务风险预警系统的构建[J].会计之友(中),2007(6):27-28.

[6] 郭琴.高校财务风险预警指标体系构建[J].财会通讯(理财),2008(1):108-109.

[7] 刘跃,王玲.高校财务预警系统构建研究[J].财会通讯(综合版),2007(9):30-31.

[8] 李玉民.高校负债风险预警指标体系研究[J].中国成人教育,2009(2):38-39.

财务风险预警研究篇（6）

【关键词】

高职院校;财务风险;预警模型;构建;分析

一、高职院校财务风险管理工作的现状分析

(一)外债较多，贷款风险较高。

随着社会不断进步，知识在经济发展和社会中的地位越来越高，知识经济成为了热门话题之一。在经济活动中，人才资源成为企业综合竞争力的重要组成部分，资本让权于知识，多样化人才的社会地位和经济地位得到提升，因此社会和经济发展对高职院校学生整体素质的要求也不断提高。高职院校由于自身的特殊性，其获得财政补助资金的数量较少，其融资渠道单一，高职院校的日常经营管理工作缺乏稳定的资金流。其次，高职院校为了获得进一步的发展，不得不根据现代化教学的要求更新硬件基础设施和教学模式，往往通过举借外债等方式来满足学校的基本资金周转，一旦资金链中的某一个环节发生断裂，高职院校的日常经营管理工作将会面临着严重的财务风险，因此，高职院校的贷款风险较高。

(二)财务管理制度不完善，运营风险较高。

部分高职院校没有完善的财务管理制度，没有根据实际情况来制定固定资产管理机制，导致高职院校固定资产浪费和闲置等问题突出，导致高职院校的资金被占用，资金运营风险加大。其次，部分高职院校没有开展精细化的财务管理模式，没有重视财务管理的重要性，项目资金挤占流动资金等问题严重，进而加剧了资金周转的难度。再者，部门高职院校缺乏专业性的财务管理工作人员，其工作理念仍然是固定静态财务管理模式，没有对资金和财务状况进行动态跟踪和监督，进而又提高了高职院校的日常运营风险。

二、高职院校构建财务风险预警模式应该采取的措施和对策

高职院校的财务预警模式的建立需要以现代化信息技术为基础，并要对高职院校业务活动中的潜在风险进行实时监控，保证静态监控和动态跟踪两者之间的结合。

(一)首先要根据高职院校的实际情况来设定财务风险指标。

财务风险指标的设定要重视敏感性、科学性和量化性等特征，在选取财务风险分析指标的过程中要从高职院校的实际财务状况出发，比如多数高职院校的财务状况不容乐观，面临着高额贷款风险，因此在设定财务风险分析指标时可以着重考虑资产负债比率、资产收益率、流动比率，可以从上述的财务风险分析指标中了解高职院校的财务状况，进而对财务风险进行评估和预测。同时，在预测高职院校营运风险时，可以选取资金周转率、应收账款和账龄等指标对风险进行评估和预测。

(二)完善风险预警系统，做好财务信息收集和传递子系统设计。

完善的财务系统包括财务信息收集、财务风险分析和财务风险处理等方面，高职院校要重视财务预警配套系统的完善。首先，应该建立信息管理平台，保证信息收集和传递系统的高效运作，信息管理是财务风险预警模型建立的前提和基础，为财务风险预警系统输送全面、完整的实时财务信息和数据，因此高职院校要做好财务信息收集系统的设计，可以积极采用现代化的网络技术和数据库技术，提高信息管理工作水平，以便充分实现财务信息的共享，进而解决信息不对称等问题带来的财务风险。其次，高职院校应该做好财务风险分析子系统设计工作，要保证信息的时效性，做好信息的传递工作，提高信息传递速度。

(三)高职院校要做好财务风险归因工作，完善财务风险预警模式配套系统的设计。

高职院校的财务风险预警模式的科学性和合理性直接与财务风险处理机制相关，财务风险处理工作质量越高，财务风险预警模式运作就越有效。高职院校应该对财务风险的成因进行有效的分析，做好风险归因工作，以便针对性的采取风险防控措施，进而保证风险控制和风险转化工作可以顺利开展，消除财务风险带来的损失。其次，高职院校应该在指标数值超出安全范围时，应立即根据数据所代表的经济涵义作更深层次的研究，更新财务管理观念，建立健全风险评价系统，做好风险预控对策模拟系统，提高财政资金的使用效率，优化资金配置，改进内部资金使用制度，进而建立完备的财务制度体系，做好财务监督。再者，高职院校要做好风险预警管理部门设计，可以在审计部门设立专门的财务预警分析岗位，保证财务预警工作的独立性，提高财务信息的真实性和完整性，进而保证财务风险预警工作的科学性。

作者：蒋瑾 单位：苏州经贸职业技术学院

【基金项目】

“本文为江苏省高校哲学社会科学研究项目“基于管理会计的高职院校财务风险预警研究(项目批准号:2015JA012)”阶段成果”。

【参考文献】

［1］李明伟．高职院校负债融资风险评价系统实证分析［J］．财会通讯，2013(05)

财务风险预警研究篇（7）

一、企业财务风险管理

（1）营销体系中财务风险管理。与传统营销理念、方式不同，现代企业营销活动并未盲目追求市场经济利润，而是越发重视推动企业可持续发展。在企业各项经营活动过程中，企业销售作为各项活动进行的基础，要重点考察企业产品危机征兆，如果市场容量提高了，企业相应增长率却没有提高，就需要高度注重。（2）生产活动中财务风险管理。现代企业的生产实现了自动化、智能化、科技化，对应的材料、工本、费用的比例出现变化，导致生产过程中财务管理也有很大变化。企业生产的主要任务就是要深入研发，根据市场变动情况，提出项目建设的具体意见，并分析意见的可行性，与研发设计相符的方案，公司高层决策人员开展审批，然后科研部门实施研发及试生产，并鉴定首批生产出来的产品，在鉴定符合质量要求后再进行生产。在生产过程中，要根据客户具体要求制定相应销售计划，结合实际计划从材料仓库中领取材料，在各个车间生产中分配每一种材料，并形成半产品入库到产成品仓库之中，财务部门负责核算费用。在这一系列过程中，若是有生产流程不完善、劳动生产率低下等问题，就会严重影响着财务管理的顺利进行。（3）企业筹集资金活动中财务风险管理。对于企业而言，资金是其发展的根本，然而资金都是有限的，这就需要各大企业实施筹集资金，最大限度上满足企业扩大生产与产品开发的现实需要。一旦中断了资金链，企业就会遭受巨大的资金风险，各大银行和供应商都会不再信任企业。企业有多种方式来筹集资金，包括权益性筹集资金、债务性筹集资金等。权益性筹资一般都是企业建立的第一笔资金，而债务性集资通常是企业主要的资金来源，有其独有的特征，筹集资金在时间上有所限制，需要支付企业债券、融资租赁等固定利息。（4）投资运作中财务风险机制。在信息时代的今天，很多企业越发注重对外投资，而在投资中如何规避风险是需要慎重考虑的问题。投资也需要遵守相应原则，在投资项目选择中，先应咨询调查各个项目，项目部分在立项调查投资方案后，投资委员会对项目实施的可行性和可操作性进行审批，在这个过程中财务部应支付投资款，企业投资从项目立项到成功投资需要经过很长一段时间，这样就很难及时评价投资效果，也就会随之增加具体的财务风险，因此应对风险认真分析，强化分析投资预警，并构建健全的内部投资预警机制。

二、分析企业财务预警管理中风险的成因

（1）分析企业面临的外部经营风险。企业外部环境包括很多方面，如政治因素、国家政策、消费者偏好等，每个方面都很有可能引发企业外部环境面临的经营风险。政治风险是一项与我国政策有关的风险；法律风险指的是在变更法律后使企业政策也需做具体调整的一项风险。可以说，我国各大中小型企业都面临着外部经营风险，因此，减少外部经营风险因素是提高企业发展能力的强有力对策。（2）分析财务管理风险的形成。企业形成财务管理风险是有很多种原因的。在组织结构上，很多企业都没有设置合理的财务机构，造成功能性不完善，很难提供出完善的财务方案，即便构建了组织结构，也会出现权责不清的状况，财务信息不及时纵向流动后，就会出现各种内部矛盾。会计工作人员作为一名财务管理者，应具备较强的会计知识，进而为科学准确决策奠定基础。（3）分析道德风险的成因。赊销、赊购情况会考验着现代企业信用度，很多企业在实际运用中都会出现欠债、拖欠状况，造成企业面临巨大财务风险。同时，在社会竞争日益激烈下，很多人或者企业团体都出现了“搭便车”的情况，在并未付出成本的状况下，获得了很多利益，严重影响了企业健康发展。

三、结合行业环境识别的企业财务预警控制机制

（1）不确定环境下风险的形成。根据分类标准可将环境分为外部环境、微观环境、行业环境、内部环境等，在处于一个大环境体系中，任何企业所面临的环境都是快速变化的，企业应结合这些实际变化做出相应的调整。通过研究发现，行业环境会影响企业盈利能力。结合自适应理论而言，个体、组织和集团时时刻刻都在交换信息，这种交换是以相对稳定的方式进行的，但在现实情况下，是无法预知外部环境的，其阻碍着信息的顺利交换，个体与组织若是不能适应好外部环境，企业就很难顺利发展。在外部环境有所变化后，企业资源就很难充分运用，企业运作质量也就无法提高。（2）企业财务风险预警控制机制。要重视起识别行业环境风险：应对企业财务预警控制动因进行了解，财务预警控制以控制企业经营风险为主，通过分析预设指标后，警告超出规范值的部分，并追本溯源，既需要了解问题的所在，也要对产生问题的原因进行分析，并促使企业管理者采用具体完善的应对措施；应构建模型预测企业经营风险，以前的传统预测模型只是简单实施财务预警，很难体现财务风险形成路径，造成企业处于被动经营状态中，只能发现问题，却很难解决问题，而系统动力学模型既能够完美解释财务系统变量间关系，并在了解财务风险传导路径后，找到问题出现的根本原因，还能在仿真模拟下，提供更为合理有效的变量参数，为企业制定完善合理的风险控制措施打下良好基础。

四、预警控制系统的实际内容

建立健全的检测系统，在对市场宏观经济情况全面分析下，对外部行业环境走势进行预测，分析我国各大企业财务状况。同时，在面临的外部环境风险下，还需要适时检测企业内部财务情况，构建完善的检测系统，对现金流量指标进行监控，监管资金流转状况。为了及时追踪市场以及行业环境变化情况，构建信息预警系统，交易和处理外部环境信息，需有效识别行业环境中的风险。上述所讲的都是与收集外部信息有关的工作，财务预警控制系统在获取数据后要进行深度研究，需要构建合理的预警指标系统，各大行业企业应结合自身实际情况，构建相应的指标体系，确保指标体系可以对企业面临的财务状况与发展状况进行充分了解，在准备好各项工作后，预警对策系统是控制系统最为重要的一项内容，能有效分析财务风险性质，并做出相应的应急措施，这也是确保企业能够识别经营风险的有效对策。另外，有关调查结果显示，我国很多企业虽然表面看起来拥有雄厚的运作资金，其实现金流量并不多，而很多企业常常陷入发展困境，但却能凭借充足的运作资金走出困境。由此可见，企业想要取得更好的发展，并不是仅仅靠经济利润，而需要借助现金流的作用。因此，我国各大企业应有效管理自身现金流，做好市场调研有关工作，加强企业整体发展能力。

综上所述，在企业经营与发展运作过程中，面临着诸多风险因素，而构建完善的企业财务预警控制系统，能够有效分析行业环境，筛选出影响企业发展的风险因素，并及时制定解决风险的对策，进而将企业风险扼杀在萌芽状态中，提高企业整体发展实力，以便企业能在竞争激烈的市场上站稳脚跟，并成为行业的佼佼者。另外，在我国企业构建财务预警控制系统中，我国可借鉴其他国家的经验和做法，进而来弥补企业在控制风险中的不足，大大强化企业发展实力。

参考文献

1.罗宁.浅谈我国企业财务风险的预防、预警与控制.经济研究导刊，2015（15）.

2.王爱群，王艺霖，余双江.基于全面风险管理的企业预警指标体系构建研究.社会科学战线，2013（09）.

财务风险预警研究篇（8）

引言

高等教育已由精英式教育转变为大众化教育。高校招生规模不断扩大，办学配套设施迅速提高的同时，我们更应关注高校运营质量及财务管理的有序进展。随着我国高等教育体制改革，高校筹资渠道呈现多元化趋势，高校正面临前所未有的机遇与挑战。全面有效地分析高校财务状况，通过建立专门的预警指标体系，及时监测、评价和控制高校运营过程中面临的风险，是高校当前财务管理的重要内容。复杂的经济形势使得高校财务管理正面临多方面风险，包括筹资风险、投资风险和日常运营风险等。高校管理者若不能像企业管理者一样重视风险并力求规避风险，必将给高校可持续发展带来巨大的冲击。目前，国内学者对于高校财务风险的形成原因暂还缺乏系统性的分析，且针对高校财务风险的预警指标体系并没有形成统一标准，因此，对高校财务风险的系统性研究已成为各大高校迫切需要攻克的课题，同时科学合理地构建一套完整的财务风险预警指标体系，具有非常重要的意义和价值。

1高校财务风险的涵义

高校财务风险是指由于各种不确定因素的影响而使高校在资金运动过程中发生实际财务状况与财务目标负面偏离的可能性。高校财务状况恶化是一个逐渐形成的过程，并不会瞬间产生。由此可见，构建高校财务风险的预警指标体系，有助于高校提前洞悉财务状况，及时发现高校财务管理漏洞及薄弱环节，进一步提升高校的综合财务管理水平。

2高校财务风险预警指标体系的构建原则

2.1重要性原则

财务风险预警指标体系的重要性体现于所选的指标能突出反映高校在筹资、投资和日常营运过程中的主要矛盾现象。此外，还应注意成本效益原则，预警指标不宜过多。

2.2横向可比原则

横向可比原则强调指标体系的建立应有助于各高校之间进行横向财务风险的可比性。因此，应根据我国目前通用的财务报表为基础设立指标，建立统一的核算范围，促进指标体系的量化及比较。

2.3实用性原则

构建指标体系的另一重要原则是不仅要保持理论上的科学性和完整性，还应注重其在现实中的可行性与实用性。因此，构建指标体系的所有数据均应由现有的会计核算资料提供，以提高财务风险预警的可操作性。

2.4动态性原则

该原则指指标体系的建立能体现一个动态的持续分析过程。它不仅用于评价高校过去的财务状况，更重要的是能预测高校未来的发展趋势。动态性原则还体现在指标体系必须根据财经政策的新要求和会计核算的更新，逐年同步修正指标体系，以时刻准确反映高校的财务风险状况。

3高校财务风险预警指标体系的构建

预警指标的选取应具有重要性、代表性和敏感性。高校财务风险主要存在于偿债、运营、投资等方面。本文针对性地选取偿债能力指标、营运能力指标、收益能力指标、发展能力指标作为核心指标，将非财务指标作为辅助指标，从而构建一套科学、合理的高校财务风险预警指标体系(见图1)。

3.1偿债能力指标

偿债能力是指高校偿还到期负债的能力。高校只有具备良好的偿债能力，才能抵御突发事件所带来的风险，才能维持良好的财务状况及可持续经营水平。(1)资产负债率。资产负债率指高校的负债总额与资产总额的比率，用于衡量高校利用举债资金进行经营管理的能力，反映高校长期偿债能力。高校资产负债率并不是越低越好，相对于企业而言，高校资产负债率保持在30%～50%较为适宜。资产负债率=负债总额/资产总额×100%。(2)速动比率。速动比率是指高校速动资产与流动负债之比，用于衡量高校短期偿债能力。速动资产是除去高校流动资产中变现能力较差的实验器具、维修配件、储备药品等资产后的流动资产。速动比率是稳定型变量指标，指标值为1.0最为适宜。速动比率=速动资产/流动负债。

3.2营运能力指标

(1)收入支出比。该指标是高校收入总额与支出总额之比。指标值越大，反映出高校自我支付能力越强，属于极大型指标。收入支出比率=收入总额/支出总额。(2)应收款项占流动资产比率。该指标是指高校年末应收款项余额与年末流动资产之比，可以有效衡量高校资金使用效益的高低，及时体现高校资金回收情况。指标指越小，说明高校应收款项对资金的占用越小，营运风险越小。根据我国高校现状，该指标值应控制在50%以内。应收款项占流动资产比率=年末应收款项余额/年末流动资产×100%。(3)招生计划现金比率。该指标是指当年实际收到的学费与应收取的学费之比。学费是高校预算收入的重要组成部分，因此该指标有效衡量了高校财务管理水平。该指标为极大型变量指标，最大值为1.0，即当年所有学生均已缴纳学费。若有近50%学生欠费，就可认定已出现财务风险。招生计划现金比率=当年实际收到的学费/当年应收取的学费。

3.3收益能力指标

(1)资产创收率。该指标是教育补助收入、科研补助收入、教育事业收入和科研事业收入的加总与资产总额之比。高校资产的主要投资产出体现在教育和科研成果收入，所以该指标较好地反映了高校资产的收益能力。资产创收率=(教育补助收入+科研补助收入+教育事业收入+科研事业收入)/资产总额。

3.4发展能力指标

(1)货币资金余额增长率。该指标是指年末货币资金与年初货币资金的差额与年初货币资金之比。该指标值较好地反映了高校财务调控能力，指标值越大，说明支付能力越强，进而有助于高校可持续健康发展。货币资金余额增长率=(年末货币资金－年初货币资金)/年初货币资金。(2)固定资产增长率。该指标是高校年末固定资产总额与年初固定资产总额的差额与年初固定资产总额的比率，反映了高校固定资产增长程度。该指标属于区间型变量指标，体现高校资产管理效果。该指标值越低，说明高校发展潜力欠佳，该指标越高，说明资金有风险。固定资产增长率=(年末固定资产总额－年初固定资产总额)/年初固定资产总额。(3)自筹能力比率。该指标是事业收入、附属单位上缴收入、经营收入和其他收入的加总与本期收入之比，可以衡量高校除财政拨款外多渠道筹资能力。该指标值越大，表明高校自我筹资能力，进而看出高校的自我协调发展能力越强。自筹能力比率=(事业收入+附属单位上缴收入+经营收入+其他收入)/本期收入总额×100%。

3.5非财务指标

(1)新生报到率。新生报到率反映了高校的美誉度及声誉，一定程度上能体现高校的综合评价度。新生报到率=当年报到新生数/当年新生录取数×100%。(2)生师比率。生师比率反映高校人力资源利用率，生师比应符合高校基本办学条件要求，在合适的范围内。生师比率=在校学生年平均数/教师年平均数×100%。(3)毕业生就业率。毕业生就业率高低可以作为高校专业设置或调整的依据。分为初次就业率、年底就业率或毕业后半年的就业率。毕业生就业率=毕业生就业人数/毕业生总数×100%。

4高校财务风险防范措施

4.1加强内部控制建设

为更好地规划高校各项经济活动，高校应制定完善的内部控制制度，建立有效合理的审批授权机制，尤其对于大额资金经济业务必须执行严格的审批制度，并设立多层次监督体系，从事前、事中、事后各方面保证高校正常运作。

4.2强化预算管理

财务风险控制需加强预算编制、预算执行、预算调整的规范。首先，应将财务信息公开作为高校质量体系建设的重要内容，积极推进预算标准和程序公开，预算执行情况及决算情况公开。其次，应改进预算编制方法，主要从加强预算管理责任、制定科学的预算标准、细化预算项目等方面考虑。

4.3优化融资结构

新形势下高校应克服对财政拨款的过度依赖，积极推进多渠道筹资方式，逐步建立政府、社会、市场三位一体的筹资模式。在政府主导下，积极通过市场自有机制和社会各种资源的有效优化配置来合理分摊高校教育成本。

4.4建立可行的财务风险预警系统

高校应在现有的会计核算基础上，根据高校实际构建适合高校本身的预警指标体系，设置预警值，由预警组织机构定期及不定期提交财务风险预警分析报告，适时对高校风险点进行排查及整改，以提高高校财务管理水平。

5结语

高校财务风险预警指标体系的构建目的在于全方位地量化评价高校面临的财务风险，为高校决策管理层提供风险管理决策依据，指导高校事前、事中、事后综合监测财务状况及风险水平，及时做出高校财务风险防范措施。本文针对高校财务风险预警指标体系的构建研究，只是从总体角度出发，尚不具体，各高校在实际运用时可结合自身实际合理设置指标预警值，从而达到有效监测财务风险的目的，并针对预警结果及时采取预防措施，不断提高财务管理水平及风险防范能力。

参考文献:

［1］王萍．我国公立高校财务风险评价指标体系构建［D］．南昌:江西财经大学，2013．

［2］黄青山．高校财务风险指标体系的建立及评估［J］．商业会计:上半月，2009，(19):39－40．．

财务风险预警研究篇（9）

中图分类号：F275 文献标识码：A 文章编号：1001-828X（2012）07-0-01

一、引言

上市公司由于财务预警问题导致企业破产的例子屡见不鲜。安然公司以其破产前498亿美元的资产规模成为美国历史上最大的破产案；此后不久，与沃尔玛平起平坐的凯马特公司也宣布破产。从国内情况看，伴随着企业“跳跃式”的超常发展，一些“快起快倒”的企业不断出现：银广夏、蓝田股份、红光实业，等等。面对众多的破产事件，人们感受到企业在财务风险面前的苍白无力。事实上，“冰冻三尺，非一日之寒”，任何风险的产生和突发都必须经历一个过程，只是管理者缺乏对风险的认识与防范，忽视了风险背后积累已久的问题[1]。所以，为了防范和规避风险，必须建立和完善财务危机预警机制，一旦发现有某种异兆就着手进行应变防范，最大限度避免或减少危机的破坏作用，这对于企业的健康发展具有重大的现实意义。

二、上市公司财务风险防范存在的主要问题

(一)财务信息失真，财务预警失败

所谓财务信息失真，是指财务信息未能真实地反应客观的经济活动，给管理者和投资者制定决策带来不利影响的一种现象。主要表现为：为了业绩考核对财务指标造假、为了获取信贷资金和商业信用而粉饰、为了再次从证券市场上融资，利用自身的条件粉饰和编造财务会计信息，虚夸利润，或者利用财务信息的披露时机影响股价。

(二)财务预警系统实际应用不到位

在国内，财务预警系统还是一个比较年轻的研究领域，我国上市公司对财务风险预警机制的运用还处于早期的不成熟阶段。加之我国上市公司的监管部门尚未就运用财务预警系统作出完善的规定，这使得上市公司在建立和运用财务预警系统进行防范财务风险方面缺乏主动性。

(三)现行财务风险预警机制对我国企业不具有适用性

目前，我国上市公司对财务风险预警机制的运用仍处于初期阶段，大多照搬国外的模式，使用单层次的定量分析模型，通过套用公式计算得到判定结果，所以机制本身的发展和创新方面较弱。另外，在企业构建了财务风险预警模型之后，大多数企业往往会采用我国证券市场里上市公司的财务报表数据，通过这些统计数据来确定已经建立的模型是否有效。由于我国资本市场的发展还很不成熟，样本容量相对较小，进而造成统计数据的缺乏，所以要探索出完全适合我国上市公司现状的财务风险预警机制是比较困难的[3]。

三、上市公司财务风险预警机制的构建

(一)财务风险防范预警体系的构建

1. 建立完善的内部控制制度。企业内部控制的核心是会计控制。主要包括会计记录控制，它是整个会计控制的核心工作，确保会计信息的真实性[4]；组织机构控制，要求管理部门和人员各司其职，各负其责；会计人员素质控制，对会计人员进行轮训和继续教育，不断提高其业务能力和职业道德素质。

2.持续优化财务风险预警体系。在具体构建企业的财务风险预警指标体系时，管理层应认真分析自身的实际情况，设计出适合的财务风险预警指标体系。另外，企业也应根据自身的外部竞争环境和内部运营环境的重大变化及时修改财务预警指标体系，以保证随时有效监控和防范财务风险。

3.定量与定性分析的有机结合。财务风险评价中应包括反映盈利能力、营运能力、偿债能力等几个方面的指标，以便于从不同的角度和不同的侧面反映企业财务状况。上市公司的管理者也应注重一些非量化因素，如企业管理者的战略制定、顾客管理、供应商管理等。如果能结合非财务指标，运用定性分析方法对企业进行风险评价，财务风险预警模型的有效性就能得到更好的提升。

(二)财务风险防范预警指标模型的构建

1.财务风险预警指标的选择。财务风险预警指标的选择是财务风险预警体系的关键，这是一件长期、复杂的工作。

(1)传统的财务会计指标：参考财政部、国资委企业绩效评价体系的相关规定，结合当前各企业进行财务分析和经营活动动态跟踪选用的财务会计指标情况，上市公司财务预警机制中传统的财务会计指标应包括获利能力指标、营运能力指标、偿债能力指标、发展能力指标等。

(2)增加现金流的财务指标：与传统财务会计指标相比，基于现金流的财务指标对财务风险的预测能力更强。根据现金流评估财务风险的主要指标有：①经营现金流入量/经营现金流出量，若其比值大于1[8]，说明企业正常经营活动所需现金在不增加负债的情况下能基本得到维持；该比值若长期小于1[6]，表明企业财务状况不乐观。②经营现金净流量/流动负债，该指标反映了企业通过经营活动所获得的现金净流量用来偿还现时债务的能力。③经营现金净流量/负债总额，国外经验表明，该比值在0.20[6]以上的公司财务状况正常。

(3)其他辅助信息：即使财务会计信息指标具有一定的预测，但由于本身存在一定的滞后性，所以单纯依靠财务会计信息指标的事后反映不利于发挥预警的时效性，有必要纳入与上市公司业务和主控风险点相关的定性指标和业务指标。

财务风险预警研究篇（10）

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Z≥2.675，则表明企业的财务状况良好，发生破产的可能性较小；若Z≤1.81，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、Logisitic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：

Li＝ln■=?琢＋■?茁jXij+?着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、Probit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αβ，然后就可以利用公式求出企业的破产概率。P＜0.5，判别为财务正常；P＞0.5，即为破产型。

其公式为：

P＝■（1/■）e■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（ANN）。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，无需特殊假设，针对小样本具有较广的推广空间。

每种分析方法均有其适用条件及优缺点，企业应根据行业特点选择操作性强的财务预警模型，建立财务预警系统，及时预测财务状况，提高自身竞争能力。

主要参考文献：