财务预警的方法精选(九篇)

第1篇：财务预警的方法范文

关键词：同步优化；输入变量；支持向量机参数；财务困境预警

中图分类号：F275 文献标识码：A 文章编号：1003-5192(2009)01-0048-08

Application of A GA-Based Simultaneous Optimization Method

in Financial Crisis Prediction

SONG Xin-ping1,2, DING Yong-sheng2,3，4, ZENG Yue-ming2

（1. School of Business and Management, Jiangsu University, Zhenjiang 212013, China; 2.Glorious Sun School of Business and Management, Donghua University, Shanghai 200051, China; 3. College of Information Sciences and Technology, Donghua University, Shanghai 201620, China; 4. Engineering Research Center of Digitized Textile & Fashion Technology, Ministry of Education, Donghua University, Shanghai 201620, China)

Abstract:The variable selection method based on traditional statistical technique can not achieve high accuracy in financial distress prediction. Hence, a method based on genetic algorithm is proposed to optimize the input variables and parameters of support vector machine (SVM) simultaneously. The empirical result indicates that this proposed method can reduce the number of variables and achieve high prediction accuracy. Moreover, the variable subset extracted via this proposed method can be interpreted economically.

Key words:simultaneous optimization; input variable; parameters of support vector machine;

financial distress prediction

1 引言

企业陷入财务困境最终影响企业生存，并且要求利益相关者、社会和国家经济付出高额成本。因此，建立预警模型有效预测财务困境，对于投资决策、财务风险诊断、信用风险防范以及管理层监管都具有重要意义。

目前为止，国外对财务困境及破产的理论和实证研究较为全面和深入。而由于国内资本市场特殊性等诸多因素影响，对财务困境预测的研究与国外比有较大差距。财务困境的定量预警方法是财务困境预测研究的重要研究方面。多年来，研究者一直致力于寻找具有良好预测能力的方法，包括从最早的统计模型（多元判别分析，逻辑回归模型等）,到专家系统、神经网络、决策树、支持向量机等智能方法。基于这些方法的预警的本质是用分类器对财务困境和财务健康公司进行区分决策，或者对财务困境程度不同的公司判定成不同类别。从模式识别的角度看，基于分类原理的财务困境预测模型的精度不仅取决于分类器的性能，同时也取决于作为模型输入的变量指标。目前，已有不少国外破产预测研究就分类器的性能取得共识，一致认为支持向量机的分类精度不亚于或者甚至优于神经网络、决策树、案例推理等智能方法和统计方法［1］。然而, 由于财务困境的经济影响因素复杂众多，迄今尚缺乏财务困境预警指标选择的统一理论。不同研究者采用不同的变量组合，预测结果缺乏可比性，影响了预测模型的可靠度和可信度。诸多预警模型指标的选取都存在明显差异，无法对比哪些指标在模型中更有效；即使同一类型的指标，不同的研究者选取的指标差异也很大。

国外变量选择方法多用单变量显著检验法，方差分析、逻辑回归、逐步判别分析等线性回归法［2~6］。也有部分文献直接根据经验定性分析确定变量,近年，智能方法被尝试用于变量的提取。Ko利用粒子群等进化算法筛选关键变量，然后输入多元判别分析和BP神经网络分类器。实验结果发现基于进化算法所筛选的变量的预测精度好于逐步回归法［7］。Lee用粗糙集对输入变量集简约，认为它不仅是有效的神经网络数据预处理器，而且具有降维、省时、防止神经网络过拟和的优点。基于神经网络和粗糙集的复合模型精度优于多元判别分析和神经网络［8］。

陈静在单变量二分类判定分析中，发现在资产负债率、流动比率、总资产收益率和净资产收益率等四个财务指标中，流动比率与资产负债率的误判率最低［9］。吴世农从反映盈利、偿债、营运、成长能力的21个财务指标中,采用线性逐步回归法选取盈利增长指数、资产报酬率、流动比率、长期负债与股东权益比率、营运资本与总资产比 、资产周转率等6个指标作为多元判定分析的变量［10］。刘洪通过单变量显著检验（T检验和U检验）从36个备选指标中筛选出22个指标，再剔除相关性强指标，最后确定10个指标作为自变量输入BP神经网络［11］。李波根据前人经验直接选用10个财务指标输入支持向量机进行预测［12］。杨毓使用了逐步logit回归分析选择显著变量，将财务变量减少到13个作为支持向量机的输入,构建了破产预测模型［13］。

上述实证研究一般根据财务理论和经验确定预警指标，直接将其作为输入变量（特征）；或者统计方法筛选出差异显著指标作为输入变量。这种方法选出的特征，具有较强统计解释性。但是大多数情况下，仅对每个单独特征按照统计或者可分性判据进行排队，取前面n个特征所构成的特征集并非最优特征集，尤其是特征和分类器息息相关的时候［14］。另一方面，线性回归法存在局限性，进行的是变量的线性搜索，对特征提取顺序的依赖性导致最终提取的变量组不同。Altman进行无数次的变量组合才得到著名的Z-score模型［2］。因此，必须开展大量变量组合试验才能保证模型的预测精度。基于此，本文提出了遗传算法同步优化特征和支持向量机参数的方法用于财务困境预测，遗传算法不仅用于从巨大的特征变量组合空间中搜索较优特征组合，也用来寻找较优的支持向量机参数，以此确保预测精度。本文还对比了同步优化方法和统计方法提取的变量组对预测模型的影响。最后通过不同的变量筛选方法识别出财务困境的关键决策变量。

2 遗传算法同步优化变量和支持向量机模型参数的原理

2.1 研究思路

分类过程依赖于待识别对象的一组基本特征。特征选择的目的是辨识关键特征，用较少变量达到精确决策。企业陷入财务困境前会表现出盈利下降、现金流恶化等征兆，从而表现出财务指标的异常, 这些指标即可作为甄别财务困境和财务正常企业的原始特征。财务困境预测建模中，通常使用统计方法预选变量再输入分类器，这种过滤式方法可以排除非关键性特征，缩小搜索规模，但是不能保证选出针对特定分类器的优化特征子集。为了获得优化特征集应该把所有特征组合计算出并评价。若D个特征中选择出d个最优或次优特征，组合数是N=CdD=D！/［(D-d)！×d！］。实际中需要优化的特征数未知,则所有特征组合数是2D次。财务指标数量多在几十个，组合试验费时费力。

遗传算法是一种基于自然选择机理的随机搜索算法。具有隐并行性和良好的全局寻优能力；自适应地调整搜索方向。这些性质使遗传算法适合解决财务困境特征选择的组合优化问题，使其快速有效地搜索巨大的特征组合空间发现较优特征组。

支持向量机是vapnik开发出的基于统计原理的机器学习方法，优点是执行结构风险最小化原则,避免了BP神经网络的过拟和、推广能力差和易于陷入局部最优的缺点。目前,支持向量机因其良好的性能而广泛应用。Shin在破产研究发现支持向量机在小样本时依然保持较好的预测性能和推广能力,而神经网络性能明显下降［4］。我国资本市场起步晚，数据量小且人为因素干扰大，加之财务变量之间存在复杂的非线性关系。而支持向量机在解决小样本、高维和非线性问题方面具有独特优势，非常适合作为财务困境预测的分类器。

基于上述考虑，本文设计了遗传算法和支持向量机相结合的嵌入式特征选择方法，将其应用于财务困境预测。这种算法是在应用遗传算法筛选特征的过程中直接训练支持向量机，根据支持向量机在验证集上的分类性能评价选出的特征组。但是还有两个重要的方面需要考虑：（1）支持向量机的模型参数选择对其性能的优劣有重要的影响；（2）分类模型的参数与所输入变量组是相互影响［15］。因此，采用基于遗传算法同时优化支持向量机参数和输入变量组。

2.2 基于遗传算法的特征和支持向量机参数同步优化

2.2.1 支持向量机

对于非线性可分样本，支持向量机构造一个非线性映射（(•) ：RnRnk）将样本从n维空间映射到更高维特征空间，使该样本在高维空间线性可分。若用Y=［y1,…,ym］T来表示m个样本的类标号， yi∈{-1,+1}表示财务困境和财务正常两类，用xi=(x(1)i,…,x(n)i)∈Rn,i=1,…,m表示m个样本的n个变量值。应用中每个样本都可以用一个超平面进行划分，该优化超平面满足将所有的训练集区分开的要求, 要寻找的最优超平面实际上等价于求一个二次规划问题［16］。如(1)式所示

minw,b,ξ(12wTw+C∑Ni=1ξi)(1)

s.t.yi(wT(xi)+b≥1-ξi) i=1,…,Nξi≥0

求解得到非线性可分条件下两分类的最优超平面，如（2）式所示

f(x)=sgn(∑Ni=1αiyiK(x,xi)+b)（2）

其中αi表示拉格朗日系数，b表示超平面的偏置项,可以通过求解凸二次规划问题得到［15］。 K(x,xi)=(x)T(xi)是满足Mercer条件的核函数。高斯核函数k(x,xi)=exp(-γx-xi2)的稳定和推广性能较好，并且需要优化的参数少，所以本文使用高斯核支持向量机作为嵌入式特征选择方法的分类器。RBF核函数的支持向量机有两个主要参数即核参数γ和惩罚因子C。核参数影响样本数据在高维特征空间中分布的复杂程度，而误差惩罚因子C的作用是调节学习机的置信范围和经验风险的比例。核参数和惩罚因子选择不当会导致模型的过拟和或拟和不足，从而导致模型性能下降。

2.2.2 遗传算法同步优化的模型设计

本文将遗传算法和支持向量机有机结合，利用遗传算法的杂交和变异选择算子在全变量空间搜索变量组合解和高斯核支持向量机模型参数。重点考虑以下三方面。

(1)遗传算法编码

遗传算法是在由码串表示的个体所组成的群体上进行遗传算子的操作。基于上述分析，遗传算法需要同时优化两个方面：财务困境预测模型的输入变量，模型参数γ和惩罚因子C。所以，每个染色体代表了需要优化的特征子集、C 和γ。本文采用二值编码方法对个体编码。个体码串由三部分组成。第一部分是特征掩码,采用二值编码，其中每一位分别与某给定特征所对应，取值“1”表示特征子集中有该特征，否则表示没有该特征。第二部分和第三部分分别代表C和γ，其编码长度可以根据精度需要（3）式进行调整。

b=minb+maxb-minb2l-1×d(3)

其中b是二进制码串，maxb 和minb分别是参数的上下界，l是二进码串的长度，d是一个二进制代表的精度。

如图1所示的码串个体，表示10个变量中的第1、5、6、7、8、9的变量构成了特征子集，在此特征集下的高斯核支持向量机参数对(C,γ)。本混合编码方法可以对表示特征子集的二值码串进行标准的遗传算子运算，从而保留了典型遗传算法方法的优点，计算简单，遗传算子对大规模特征组合空间的搜索非常有效，易于扩展到大规模特征集寻优。起始的群体中的起始码串采用均匀分布的随机分布函数产生，并成为下一次遗传搜索过程中个体的父代。

1000111110特征掩码编码1000000110C编码1000111110γ编码

图1 编码

(2)遗传算法的适应度函数

用来评价一组所选出的特征的依据有：①用该特征组训练得到的分类器在验证集上的性能指标；②特征数量的多少，它直接影响数据获得的成本和计算效率;③是否具有可解释的实际意义。由于目前我国财务困境数据量小，特征数量的影响忽略不计，并且本文主要关心导致分类器性能最优的特征组合。因此，采用国际上通用的交叉验证法来评估特征组在训练集上的性能，在测试集上使用分类器的准确度作为评价指标。适应度函数采用训练集的n折交叉验证法的准确度，这种方法有助于得到优化的支持向量机模型参数，防止模型出现过拟和现象［17］。具体而言，是将训练样本随机分成n份，用第一份作为训练子集训练支持向量机，用训练过分类器对其余n-1份测试，从而得到第一个验证集准确度，轮流依次计算其他验证集准确度，最后计算这n个验证集准确度的平均值就是适应度。本文选用10折交叉验证法的准确度作为适应度函数。

(3)遗传算法的操作算子

本文采用选择算子选取进行下一次遗传运算的父母码串。对码串进行标准遗传算法的交换算子的运算，采用两点交叉法。对码串进行标准遗传算法的变异算子的运算，采用位变异。同时，程序提供了修正机制对无效特征子集进行规避处理，如没有选中人和特征的空集。

(4)同步优化算法流程设计

图2 算法流程图

算法流程如图2所示。遗传算法可以看作是一个由可行解组成的群体逐代进化的过程。算法步骤如下：①按照一定精度要求在规定区间内随机产生二进制编码，即得到初始染色体群；②将染色体解码得到相应的特征子集和模型参数 γ和C，建立基于此特征子集的训练集和测试集，建立基于此模型参数的高斯核支持向量机分类器，求解该群体的适应度；③依据适应度和设定的交叉率、变异率等参数对染色体群进行选择，交叉，变异等遗传操作，获得父代群体；④若进化达到设定的代数或者精度要求则算法停止，否则转步骤2；⑤输出优化的特征子集和模型参数。

3 同步优化模型在财务困境预警中的应用

3.1 预警指标体系建立

根据财务理论和国内外研究结果，财务困境前会出现一些警兆，并主要表现为赢利能力、流动性和偿债能力、营运效率、成长能力、现金流等财务指标的变化，这些指标覆盖企业生产经营的全过程。根据实际和数据可得性，本文纳入尽可能多的预警指标，并试图通过同步优化方法对这些指标进行客观选择。

3.2 样本准备

国内多数研究以特别处理（ST）作为财务困境的界定标准，因为它具有容易观察的优点。本文结合上市公司实际，以财务状况异常的ST公司作为财务困境样本，而以其他非ST公司作为非财务困境样本。由于行业，技术类型、规模时间等因素会对预测模型产生影响［18］，把研究对象限制在信息、生物医药、材料和机械等科技制造行业的上市公司。规模用资产总计表示，用Log处理。为避免会计准则调整对财务指标影响，限于2002~2006年度。剔除审计意见为拒绝和保留的样本，同时剔除其他数据缺失和异常、数据操纵的可疑样本。采用ST事件前的数据构建预测模型。对于ST样本，t代表发生ST事件的年度，t-1代表ST事件前的一个年度，用t-1年度的数据预测t年是否为财务困境公司。由于某个年度发生ST事件的样本数量很少，故以2001~2006年度期间发生ST事件的公司为财务困境对象。把2005年所有非ST公司作为非财务困境样本，以2004年的数据预测2005年的情况。增长率指标指t年相对于t-1年的的百分比率。

按照上述原则从深沪两市A股市场取样。发现ST公司中可疑样本较多，排除这些可疑样本后使得原本很少的ST公司数量更少。因此，财务困境样本取自ST事件的前一年和前两年。最终样本包含财务困境样本56个，非财务困境样本194个。样本分为训练集125个和测试集125个。随机划分总样本，得到的训练集和测试集分别包含28个财务困境样本和97个非财务困境样本。为了减少预测误差，本文对样本数据进行了归一化处理。

表1 预警指标

预警指标

偿债能力营运资本资产率（X1）

流动比率（X2），速动比率（X3），现金比率（X4），流动负债经营活动净现金流比（X5），资产负债率（X6），负债权益比率（X7），股东权益比率（X8），有形资产债务率（X9），债务与有形净值比率（X10）

营运能力应收帐款周转率（X11），存货周转率（X12），流动资产周转率（X13），总资产周转率（X14），固定资产周转率（X15），长期资产适合率（X16），负债结构比率（X17），长期负债权益比率（X18）

赢利能力主营业务利润率（X19），成本费用利润率（X20），净资产收益率（X21），每股净收益（X22），总资产利润率（X23），主营业务比率（X24）

成长能力主营业务收入增长率（X25），应收帐款增长率（X26），净利润增长率（X27），总资产扩张率（X28），每股收益增长率(X29)

现金流每股营业现金流量（X30），现金自给率（X31），经营活动产生现金净流量增长率（X32）

规模资产总计(Log)（X33）

3.3 仿真实验

本文中，通过大量实验对遗传算法的相关参数进行试算，得到适应度高的遗传算法参数为：群体数量100, 交叉概率 0.7,变异概率 0.02。特征掩码的长度是32，高斯核支持向量机的参数γ和C根据精度要求实验调整，位数在20~40。遗传算法开始时，在变量组合空间和支持向量核参数的上下界区间内随机产生若干个体。随着群体的不断进化，目标函数值不断增加，新的群体进化出一些新的优良性质。迭代终止条件是:最近100代适应度不增加。在360代时满足迭代终止条件，适应度达到93.2%,优化的特征子集和参数结果见表2和表3。进化过程见图3。同步优化方法使用了LIBSVM核心模块函数用VC++开发的。

图3 遗传算法优化特征和模型参数的进化过程

4 同步优化模型的比较与分析

4.1 预测性能的比较

为了说明本文所设计的同步优化方法的有效性，将本方法与基于统计方法的过滤式特征选择方法做一比较。过滤式方法的实现流程是先用统计方法选出特征，然后将其输入高斯核支持向量机，经过参数寻优、模型训练学习、测试等步骤得到预测结果。由于逻辑回归是金融应用中性能较好的统计分类法，以其作为比较基准，同时观察不同特征选择方法对其影响。

本文采用财务困境预测中最常见的筛选特征的统计方法，包括Anova方差法、T-W检验法、逐步判别分析和逐步逻辑回归。这些方法可以判定哪些变量具有对财务困境组和非财务困境组的判别效力，选中的变量输入支持向量机。Anova法指用Anova单因素方差分析选出组之间有显著差异的变量（P

为了保证与同步优化方法的可比性和一致性，过滤式特征选择方法也使用高斯核支持向量机，利用了LIBSVM进行模型参数的寻优，凭借网格搜索技术和交叉验证技术进行核参数寻优［17］。这种参数寻优方法既可以并行运算，也可以减少过拟和。过滤式方法的步骤是：（1）用10折交叉验证法作为评估不同参数对下分类器性能优劣的依据，在(C=2-5, 2-3, …, 215;γ=2-15, 2-13, …, 23 )组合的网格内穷举搜索每个点，搜索到交叉验证准确度最高的点即为最优参数对（C,γ）；（2）利用训练集训练基于此最优参数对的分类器，获得支持向量和lagrange系数等模型参数；（3）利用训练过的模型对测试样本分类。不同特征提取方法的结果如表2所示。分析如下：

表2 不同特征提取方法的结果比较

方法特征数量逻辑回归支持向量机

训练集准确度 (%)测试集准确度 (%)训练集准确度 (%)测试集准确度(%) 最优参数对Cγ交叉验证准确度（%）支持向量数

所有特征3310069.695.283.21280.0312587.245

统计方法Anova方差分析178872.890.475.2320.12584.850

T-W显著检验1484.877.699.277.632883.261

逐步逻辑回归1089.678.499.280.8326780.12589.630

逐步判别分析486.466.497.6728291.251

同步优化方法1296.8841.839196.193.640

表3 不同方法提取特征子集的比较

变量编号全特征统计方法AnovaT-W逐步判别分析逐步Logit回归同步方法

32171441012选中频次变量编号所有特征统计方法AnovaT-W逐步判别分析逐步Logit回归同步方法

32171441012选中频次

X10X170

X20X181

X32X191

X42X201

X53X212

X62X22 4

X71X234

X82X24

X92X251

X101X26

X113X271

X123X28

X135X291

X145X302

X151X313

X160X320

X333

（1）不同方法预选的特征集各不相同。逐步判别分析选出的特征数量最少，Anova法预选出的特征集较多，而同步优化方法预选出的特征数量适中。

（2）就过滤式特征选择和支持向量机组合方法而言，不同的特征集输入支持向量机，最优模型参数对、交叉验证准确度、支持向量数量都有所不同，导致最终测试集的预测结果不同，这证实了特征集和分类器相互影响的观点［15］。

（3）就特征选择和支持向量机组合方法而言，同步优化方法的准确度最高，略高于全特征集的预测结果。值得关注的是：金融财务领域中常用的实证惯例是用统计方法预选变量，但本实验结果表明基于全特征集的分类准确度未必低于基于统计方法预选特征的准确度；并且在样本中等规模时，二者的时间耗费差异不大。基于不同统计方法预选特征的准确度有所不同，逐步逻辑回归的较高，逐步判别分析的较低，Anova方差分析和T-W显著检验的准确度介于二者之间。

（4）同一特征子集下，支持向量机的预测精度高于逻辑回归。不同特征子集下，支持向量机和传统逻辑回归法没有可比性，这说明以往不同文献采用不同变量组合的预测精度结果缺乏可比性。逻辑回归方法如选择合适的变量，精度可能高于支持向量机。

（5）从预测性能和变量数量看，同步优化方法的准确度最高且变量数目适中，优于其他方法。但是由于同步优化是一个复杂的组合搜索问题，比较耗费时间。值得注意的是，单个的基于统计过滤式途径的特征选择方法虽然时间耗费少，但不能保证选出较优的特征子集，印证了部分学者的观点［14］。如为保证统计过滤式的特征选择方法选出预测精度较高的特征子集，须进行大量变量组合实验。从这个意义看，同步优化方法是一个确保财务困境预测性能和成本的较优策略。

4.2 关键变量识别与分析

从表3可以看出：（1）同步方法选出了12个特征变量，其中的11个和统计方法选出的一样，说明该方法与其他方法有较好一致性，选中的变量也有一定的统计解释意义，符合良好的特征选择方法的标准。（2）不同方法预选出的特征集不同，如果不同方法选中的频次高,可以说明这个变量对于财务困境决策比较重要。频次超过1次的有24个财务指标，基本覆盖了企业资本经营周转全过程的财务赢利、偿债能力、成长能力、营运能力、现金流等方面，其对财务困境预警的贡献度较大。频次5次的有流动资产周转率（X13）和总资产周转率（X14）。频次4次的有每股净收益（X22）和总资产利润率（X23）。频次3次的有：流动负债经营活动净现金流比（X5）、应收帐款周转率（X11）、存货周转率（X12）、 现金自给率（X31）、资产总计（X33）。频次2次的有7个指标。其中，每股营业现金流量、现金自给率和流动负债经营活动净现金流比是现金流量指标，现金自给率指通过经营活动创造的现金净流量能否满足资本支出、存货投资支出和支付现金股利的需要；每股营业现金流量反映了每股盈利的支付保障的现金流量；流动负债经营活动净现金流比反映了本期经营活动净现金流量偿还债务能力，它们揭示了收益质量，不容易受到经营者的主观歪曲，在我国资本市场利润操纵的背景下具有现实意义；每股净收益和总资产利润率反映了财务赢利能力，而陷入财务困境的企业通常获利能力低，现金支付能力不足；规模也对财务困境预警模型有影响，上述这些指标对财物危机决策具有较重要的作用，也基本支持马若薇利用信息熵对预测变量的权重排序结果［15］。应收帐款周转率和存货周转率等反映企业经营状况的指标对于财务困境预警起一定作用。

5 结论

财务困境预测模型研究的常规范式是采取统计方法选出特征，其本意是为了减少变量数目和提高预测精度，同时提高运算速度。但是,本文的实证分析发现：财务困境预测模型应用中，传统统计过滤式途径的变量选择法不能保证获得针对支持向量机的最优子集(预测精度高)， 必须结合特定问题和样本数据进行大量变量的组合实验方能确保预测效果,显然这种作法耗时耗力。为此，本文提出了遗传算法同步优化特征和分类器参数的方法。实验结果表明同步优化方法在缩减变量数量的同时保持较好的分类精度。随着财务困境样本的增多以及支持向量机在财务困境预测系统中的应用商业化，同步优化方法是一种较优的时间性能和预测精度折中策略，具有较高的实用价值。同时，该方法也可以广泛应用于如企业评级、投资风险评估、信用评级、财务舞弊识别、保险欺诈检测等基于分类原理的金融风险管理领域。

对于财务困境预测模型，财务指标数量众多，关系复杂，目前尚缺少财务困境预警指标选择的理论框架。实证发现4种不同方法选择的指标不完全相同。通过比较不同方法选出的变量，客观地发现了财务困境决策的关键变量，不但给管理人员提供有益的警示信息，而且也为财务困境预警指标选择研究提供了一个新的视角。

建立上市公司财务困境预警模型和系统是一个庞大复杂的工作，需要随着资本市场的健全和样本数量的增多不断对预警模型验证和完善。

参 考 文 献：

［1］ Min J H, Lee Y C. Bankruptcy prediction using support vector machine with optimal choice of kernel function parameters［J］. Expert Systems with Applications ,2005, 28: 603-614.

［2］ Altman E I. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy［J］. The Journal of Finance, 1968, 13(4): 589-609.

［3］ Beaver W. Financial ratios as predictors of failure［J］. Journal of Accounting Research, 1966, 4: 71-111.

［4］Shin K S,Lee T S, Kim H J. An application of support vector machines in bankruptcy prediction model［J］. Expert Systems with Applications, 2005, 28: 127-135.

［5］Lin F Y, McClean S. A data mining approach to the prediction of corporate failure［J］.Knowledge-Based Systems, 2001, 14: 189-195.

［6］Lee K D, Booth D, Alam P. A comparison of supervised and unsupervised neural networks in predicting bankruptcy of Korean firms［J］. Expert Systems with Applications, 2005, 29: 1-16.

［7］Ko P C, Lin P C. An evolution-based approach with modularized evaluations to forecast financial

distress［J］. Knowledge-Based Systems, 2006, 19: 84-91.

［8］Ahn B S, Cho S S, Kim C Y. The integrated methodology of rough set theory and artificial neural network for business failure prediction［J］. Expert Systems with Applications, 2000,18: 65-74.

［9］陈静.上市公司财务恶化预测的实证分析［J］.会计研究，1999,(4)：31-38．

［10］吴世农,卢贤义.我国上市公司财务困境预测模型研究［J］.经济研究，2001，(6):46-55.

［11］刘洪，何光军.基于人工神经网络方法的上市公司经营失败预警研究［J］.会计研究，2004,(2):42-46．

［12］李波，何建敏.SVM在企业财务困境分析中的应用［J］.现代管理科学,2004,(12):35-39.

［13］杨毓,蒙肖莲.用支持向量机构建企业破产预测模型［J］.金融研究,2006,(10):65-75.

［14］边肇祺，张学工.模式识别［M］.北京:清华大学出版社,2000.

［15］Frhlich H, Chapelle O. Feature selection for support vector machines by means of genetic algorithms［A］. Proceedings of the 15th IEEE International Conference on Tools with Artificial Intelligence［C］. California: Sacramento Press, 2003. 142-148.

［16］Vapni V N K. The nature of statistical leaning theory［M］. NewYork: Springer-Verlag, 1995.

［17］Hsu C W, Chang C C, Lin C J. A practical guide to support vector classification［EB/OL］. csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf.,2008-05-21.

第2篇：财务预警的方法范文

关键词 高校 预警系统 层次分析法 功效系数法

一、引言

高校财务预警机制就是通过科学设计财务预警分析方法，对高校相关财务指标和经营指标进行分析，从而发出特定的预警信号并采取行之有效的措施控制财务风险的财务分析系统。

很多学者对高校的财务预警系统进行过研究，其中田园（2008）从四个基本框架和单一模式、综合模式等方面来对高校财务预警系统进行分析。龙素英，蓝增全（2004）借鉴“高等学校银行贷款控制额度与风险评价模型”，结合现行高校会计核算体系实际，提出了直接提取会计数据，产生会计信息，综合财务指标分析构建高校财务预警系统的思路并做了实证分析。吴智鹏（2008）运用比率分析的财务分析方法，构建了高校财务预警系统，并以我国某重点大学为例进行实证分析。这些专家学者一般只对高校财务预警进行大体上的研究，这些指标没有设定必要的权重和设置预警的界限，因而某种程度上并不具有针对性。而本文将会针对广东高校的财务现状构建全面的高校财务预警创新评价体系来进行深入的研究。

二、构建我国高校财务预警指标体系

为了能系统反映我国高校财务风险的状况，本文制定了财务预警指标体系，同时本文还在该指标体系的基础上设置预警警戒值。相关指标如下表1所示：

三、基于层次分析法的财务预警指标体系的权重确定

本文采用层次分析法对该指标系统进行决策。通过专家评分，采用层次分析法得到我国某高校财务预警指标体系权重，如下表2所示：

四、基于功效系数法的财务预警指标体系评价方法

功效系数法又称为功效函数法，是根据多目标规划原理，对每一项评价指标确定一个满意值和不允许值，并设定相应上限和下限，计算各项指标实现满意值的程度，并以此确定各个指标的得分，再经过加权平均进行综合，从而评价被研究对象的综合状况。

其中，α：无警报级别为90；低度警报级别为80；中度警报级别为70；高度警报级别为60。β：无警报级别为95；低度警报级别为85；中度警报级别为75；高度警报级别为65。

将层次分析法与功效系数法相结合，利用层次分析法得出每个预警指标的权重，再根据功效系数法得到指标的功效系数，从而得到了该高校财务整体的预警级别与各个准则层的预警级别，如下表4所示：

从表4可得，我国某高校的财务状况总体为低度报警状态，功效系数87.15，即表示该高校的财务风险处于一般水平，资产安全也处于一般水平。

五、结论

本文首先构建了我国高校预算评价体系，并对该预警系统进行了创新：

（1）在构建我国高校财务预警系统中，本文基于我国高校的财务现状，建立了我国高校财务预警指标体系，并基于层次分析法对财务预警指标体系赋予了权重，而后采用功效系数法对财务预警指标体系进行总体评价，具有一定的创新性和针对性。

（2）总体而言，该系统易于理解，方便可行，操作性也很强，对我国各个高校在设计财务预警系统时有很强的借鉴意义。

（作者单位为中山大学新华学院）

参考文献

[1] 汪.高校财务预警系统的构建[J].中国管理信息化，2010（12）：38-40.

[2] 米新英，刘泽琴.高校财务预警系统的研究[J].北华航天工业学院学报，2008（5）：41-43.

[3] 刘跃，王超.高校财务预警系统构建研究[J].理财研究，2007（9）：30-31.

[4] 田园.试论高校财务预警系统的构建[J].商业经济，2008（10）：122-123.

第3篇：财务预警的方法范文

【关键词】财务风险；财务预警系统；单变量指标；多变量指标；线性判别模型

一、财务预警系统重要性

中国加入世界贸易组织后，随着世界经济一体化格局的逐步形成，市场经济在中国也迅速发展起来，企业的市场主体地位也开始确立。全球化市场的激烈竞争，使民族企业因财务问题相继陷入生存困境。出现财务问题的原因既包括外部日趋激烈的竞争环境，也和企业自身的经营理念、管理方式有关。企业只有具备了能够及时发现问题，解决问题的能力，才能持久生存并不断发展。

二、企业财务预警系统的理论基础

目前关于财务预警系统及应用研究还属于探索时期，主要有以下两种具有代表性的观点：

（1）“财务预警系统是建立在企业信息化基础上的，通过对企业经营管理活动进行实时监控分析企业中潜在风险的系统。”

（2）“财务预警系统是以企业财务指标体系为中心，建立在企业信息化基础上的，通过对企业经营管理活动进行实时监控、财务指标的综合分析、预测能及时有效正确地反映企业的财务状况和经营成果，并对企业各个经营环节所潜在的风险预先发出警示信号，为企业管理层提供决策依据的监控系统”。

在综合考虑分析前面两种观点的基础上，本文认为企业建立财务预警系统的意义远远不止看中它的分析系统。企业建立财务预警系统的目的主要还在于通过对分析结果中发现的问题进行自身发展方向、经营战略的矫正，重新合理安排企业的资源配置，使企业在激烈的市场竞争中处于不败之地。

三、财务预警系统的特点

财务预警系统是企业进行自我财务状况监测分析判断的一种方法。其原理是对影响企业自身发展较大的相关财务指标进行全面系统的分析评价，进而判断企业的财务状况。企业的财务预警系统一般应具备以下几个特点：

（1）系统性。企业的财务状况很难用某一个单一的指标来衡量，需要统筹全局将整个企业从研发、生产、供应、销售及售后等整个生产经营过程作为财务预警系统跟踪监测的范围。

（2）实时性。企业财务状况的好坏是一个企业财务状况在不断积累过程中的综合反映。

（3）预见性。即通过对企业财务预警系统持续实时性的检测分析，预测企业未来的经营状况和可能遇到的一些问题，建立应对突发状况的应急措施。

（4）针对性。由于每个企业与其他企业所面临的问题都不同，且同一企业在不同时期也会面临不同的问题，企业建立财务预警系统时要有很强的针对性。

（5）成长性。危机解除后，造成危机的原因，处理过程及应对措施实施后的反馈与企业仍需要改进的地方等都是宝贵经验和教训。

四、企业财务预警的分析方法

财务危机预警系统采用定性和定量的分析方法。定性分析以财务报表为分析的基础，再结合专业分析人员的经验判断，对企业财务运营状况、组织管理进行综合评判得出预警结论。其特点是分析人员根据已往的经验对企业可能发生的危机进行判断并对造成危机的原因进行预测分析，而不是通过对相关财务指标的分析研究。定性分析中常见的分析方法有：标准化调查法、四阶段症状分析法、管理评分法、专家调查法等。定量分析是通过对财务报表数据进行分析、加工来完成预警的具有科学性和合理性。定量分析法主要有单变量分析法和多变量分析法。定量分析法主要是指通过引入单个或多个变量建立模型来预测企业财务危机。变量一般为财务比率，预警模型往往采用一元或多元函数的形式。将定性分析法和定量分析法结合起来可以取长补短、相得益彰。

定性分析法是根据分析人员对企业状况、行业特点、活动周期、产品普及情况以及企业社会信誉、知名度、管理结构等的了解，加上自己的专业知识和分析经验对企业的各种风险综合评判得出的预警结论。定性分析法分析得到的结论只能作为一种判断。标准化调查法是指那些经过咨询公司、协会及专业人员等相关组织，就企业未来可能面临的问题加以详细调查与综合分析、形成报告文件供企业管理层参考的方法。四阶段症状分析法是指企业发生财务危机是一个长期积累的过程。四阶段症状分析法将财务危机分为潜伏期、发作期、恶化期、实现期四个阶段，每个阶段都有相对应的症状。流程图分析法脉络清晰，层次分明，但对专业人员有着较高的要求。

在定量分析中，财务预警分析可以划分为单变量预警分析和多变量预警分析。单变量预警模型是企业通过对单个因素进行分析，与标准数据进行对比，然后判断是否发出财务预警信号的过程。多变量预警模型是把不同的财务比率指标赋予相应的权重，汇总构成一个多元线性函数来预测企业可能面临的财务危机。多变量预警模型与单变量预警模型相比，预测能力更强，也更加注重企业盈利能力对企业财务危机的影响。

五、结论

本文从财务预警系统的基本理论、分析方法，组织、责任、运行机制及财务预警系统存在的问题及解决方法等方面做了一些浅显的研究、分析和探讨。简单总结了财务预警系统的相关理论：财务预警系统的概念、特点、功能、分析方法等，分析了财务预警系统在实际运用中存在的必要性和重要意义。 并通过定性分析和定量分析两种分析方法的对比，研究分析了企业财务预警系统。

参考文献：

第4篇：财务预警的方法范文

财务风险预警机制是指企业在财务管理过程中所形成的相互依赖和制约的预警体系。通过财务风险预警机制，将风险预警机制引入企业内部管理，形成风险承担和管理制度。财务风险预警机制主要包括财务信息收集传递机制，财务预警分析组织机制，财务风险分析机制和财务风险处理机制。预警组织机构是财务预警的核心部门，主要由技术人员、财务人员和管理咨询专家组成。良好的财务风险预警机制，需要信息传递收集技术，将财务信息及时传递到相关分析系统，进行数据分析。财务预警分析系统是核心，主要将财务数据信息进行核实和比对分析，通过环比和横比的分析，发现财务风险问题，及时评估相关损失。财务分析机制应该具有一定的独立性，做到不偏不倚，客观真实。财务风险处理机制是关键，不怕出现问题和风险，要在出现问题和风险之后及时处理和应对，尽可能降低风险所带了的影响。

二、施工企业所面临的财务风险分析

(一)施工企业债务风险较大

施工企业施工周期长、资金需求量大，投资回报率低。部分施工企业需要垫付资金，资金缺口较大，财务风险较高。在举债过多的同时，容易造成流动性过低，偿债压力较大，施工企业的项目部和事业部一般都是非独立法人，不可从金融机构贷款，一旦自有资金周转不开，就要向银行筹借新债偿还旧债，本金利息较高。

(二)施工企业主营业务收入的增长高于利润的增长，施工企业获利能力较差

项目工程竞争力不强，最近几年，劳务价格和原材料价格不断攀升，总成本过高，项目存在亏损风险。

(三)资金周转效率较低

尤其是应收账款的周转速度较低，营运能力不够高，应收账款转为坏账的风险较大，企业存货库存较高，企业财务风险加大。施工企业管理不善，粗放式管理，导致公司生产开支较高，施工成本居高不下，还未竣工就已经亏损严重。

(四)现金流量偏低

部分生产经营设施老化，银行资金需求量大。由于盲目扩张，摊子较大，施工企业效益较低。

(五)筹资风险和投资风险和经营风险

主要涉及财务风险中的利率风险、负债结构风险、决策风险和监督管理风险，投资风险涉及投资周期风险、投资回报风险，施工企业往往陷入经济纠纷和意外事故，涉及的金额都较大，给企业带来一定的经营风险。因招投标风险的存在，在经营过程中很容易形成一定的财务风险。

三、施工企业财务风险成因分析

一方面国家宏观经济政策调整形成的风险。国家节能减排、扩内需措施的不断实施，国家对基础设施建设投入较大，施工企业的业务量较大，涉及资金较多。与此同时，施工企业人员较多，人员和企业相对过剩。我国施工企业在进入国际施工市场的同时，国外施工企业也进入国内市场，加大了国内施工市场的竞争，后金融危机时代，建筑市场萎缩，施工企业较多，部分企业为中标不惜以低价竞标，财务风险较大。金融危机对施工企业产生的影响具有一定的滞后性，导致在后金融危机时代财务风险较为凸显。另一方面，由建设合同、法律形式形成的风险。施工企业涉及的法律合同较多，期间涉及众多法律法规，包括施工合同、物业合同、资金管理合同、资金垫付合同以及安全施工、廉政合同等等。部分施工企业可能有时需要变更临时合同，导致双方权利义务不对等，在结算账款和合同履行上引一系列的纠纷，合同金额一般较大，形成财务风险的可能性较大。

四、施工企业财务预警管理体系的建立

(一)建立施工企业财务风险预警指标体系

财务风险预警指标体系的建立是充分发挥财务风险预警作用的关键。施工企业财务预警指标体系的建立主要目标是建立完善的预警指标体系，快速、准确识别和评估相关财务风险，为施工企业可持续发展奠定坚实的财务基础。财务风险指标体系的建立原则主要有重要性原则、开放性原则和风险零容忍原则。建立财务风险预警指标体系首先要识别和评估施工企业面临的财务风险，对关键财务风险指标进行相关分析，筛选出关键的财务预警指标，合理确定关键财务预警指标的阀值。及时发现新的风险点，将财务风险指标动态管理。财务风险预警指标主要包括盈利性预警指标、偿债预警指标、周转速度指标和持续发展指标。

(二)建立施工企业财务风险预警责任机制

为应对施工企业财务风险预警责任制度，要建立财务风险预警组织机构，使风险预警的功能得到正常发挥。要成立财务预警组织管理委员会，成员可以为兼职人员，由技术骨干、专职财务人员、审计人员和管理人员组成，同时，要积极吸纳一定的外部专家学者，制定风险管理机制，落实相关风险责任，搭建风险管理平台，研究相关预警方案，将财务预警相关责任考核落实到位。要进一步加强施工企业财务预警风险的监测和预报工作。要逐步建立财务风险预警责任层级，明确财务风险预警指标的责任部门和责任人员，确定不同的预警等级和责任岗位，遇到财务风险预警能够及时反馈和应对。要区别设置财务预警级别，一般财务预警由一般工作人员处理，中度财务预警由中层管理人员负责，高度财务预警由高级管理人员负责处理。

(三)建立施工企业财务风险预警处理机制

1、要严格规范财务预警信息的审核和警报

及时有效地预测可能发生的财务预警信息，要加大对财务会计信息的系统分析，抓住相关财务风险关键审核点，对比相关内部数据和外部市场、行业数据，从市场、原材料、人工成本等方面系统分析，排除由于人为原因产生的相关偏差，确保财务预警信息的准确真实有效。相关责任人要根据已审核的相关财务数据，确定预警等级，将相关信息及时发送到责任岗位。

2、加强财务风险预警指标分析

通过分析财务预警指标的各组成要素，及时评估风险大小和敏感性，确定预警产生的原因，评估相关损失。将控制重点放在重大风险的防控上。采用的方法主要有因素分析法、敏感性分析和趋势分析法。具体问题要具体分析，要透过现象看本质。

3、建立财务风险应对机制

预测出相关风险后，风险相关责任人要根据风险预测结果，制定风险防范和处理方案，报风险管理委员会审批，采取转化、化解和处理等措施，减少风险带来的损失。要做好应对风险的准备工作，明确分工，制定详细的处理流程，明确处理时限和阶段性目标，严格督导相关方案的执行情况，处理相关责任人员，出具风险防控报告。

4、建立财务风险预警报告制度

通过相关处理程序之后，要使全体员工明确相关处理流程，及时了解企业整体的财务风险指标。财务预警报告主要包括财务预警体系的运转情况、重大财务风险的处理和应对情况、针对重大风险采取的应对措施、风险造成的损失、重大财务风险对施工企业的影响分析等。

5、建立财务风险保障体系

第5篇：财务预警的方法范文

一、财务风险预警的方法

财务预警模型因选用变量多少不同分为单变量预警模型和多变量预警模型。现阶段主要存在以下单变量和多变量两种财务风险预警方法，企业集团可以根据集团的特征和各种方法的适用范围来进行方法的选择。

（一）单变量模型

单变量预警方法通过寻找最佳预警指标，使用单一变量对企业财务风险进行预警，最早通过单变量模型研究公司失败问题的是美国比佛（Beaver，1968）。他通过对美国1954年至1964年间79家失败企业和79家成功企业的比较研究，发现现金流量与债务总额的比率对财务危机预测的效果最好，其次是资产负债率。单变量分析法计算简单，但却因不同财务比率的预测方向与能力经常有相当大的差距，有时会产生对同一公司使用不同比率预测出不同结果的现象，而且不能全面反映企业的风险。

（二）多变量模型。

多变量预警方法通过多个变量的组合来综合确定企业发生财务风险的可能性，其从企业集团的宏观角度出发运用多个财务指标衡量企业风险，为管理决策提供帮助，进而规避风险或延缓危机的发生。相对于单变量模型而言，多变量模型预警财务指标能多方位反映企业经营状态，揭示企业产、供、销各环节可能存在的风险，适合企业集团的财务预警系统的要求。其中值得惜鉴的多变量模式是美国爱德华•阿尔曼（Altman，1968）的z计量模型，该模型实际上是通过5个变量，将反映企业偿债能力的指标、获利能力指标和营运能力指标有机地联系起来，综合分析并预测企业失败或破产的可能性。

上述不同类型模型的差异主要体现在:（1）针对点不同，单变量模式强调流动资产项目对企业财务危机的影响；而多变量模式更注重企业盈利能力对企业财务危机的影响。（2）预测方法不同，单变量模式是以单个财务比率的分析考察为基础的；而多变量模式是以多种财务比率的分析考察为基础的，并对各种财务比率进行加权。（3）预测内容不同，单变量模式分析模型所预测的财务危机包括拖欠偿还账款，透支银行账户，无力支付优先股股利等微观层面；而多变量模式仅预测企业的破产危机。

二、财务预警系统设计

多变模式可以从总体宏观角度发现风险，而单变模式能多方面多方位反映企业经营状态，揭示企业产、供、销各环节可能存在的风险，从微观上反映企业发生财务危机的可能性。企业集团规模大，情况复杂，在设计企业财务预警系统时，应首先结合现实情况，考虑采用多变模式与单变模式相结合的方法，分别从宏观和微观两方面对企业的财务状况进行监控，使财务预警系统更具综合性。

（一）指标设计

根据指标的灵敏性、先兆性、关联性要求、通过借鉴实证研究分析筛选出符合实际的财务预警指标，是建立高效的财务预警方法体系的重要环节。财务指标的选取是与集团财务风险成因密切相关。从现实情况看，企业集团发生财务危机的原因包括以下几方面：（1）无法偿还到期债务本息。财务风险的最根本表现都是不能偿还到期债务的可能性，因此，在构建财务风险预警指标体系中，应选取较多的偿债能力指标。可以选择流动比率、速动比率、资产负债率、利息保障倍数、借款依存度等常见指标；同时考虑到企业集团固定资产和长期投资规模较大，可以增加长期资产适合率指标。（2）企业获利能力持续降低，导致财务风险发生。这由获利能力指标进行预警，净资产收益率指标是反映企业获利能力的综合指标，考虑到集团的行业特点，还应该包括主营业务利润率指标。（3）企业现金流入不敷出，持续借债导致资金恶性循环，导致企业出现财务风险，企业现金流入流出的变异性，对判别企业是否发生财务危机具有显著性，而在现金流量指标中，经营活动现金流量显得更为重要，现金营运指数、销售营业现金流入比率。（4）企业市场环境恶化，业务萎缩，导致企业财务出现风险，这由企业成长能力指标来预警，可以选择主营收入增长率，总资产增长率指标来关注企业的成长能力。（5）企业资产管理效率低下，导致企业陷入财务危机。这可由企业运营能力指标进行预警。包括总资产周转率和净收益营运指数（经营净利润/净利润）指标；考虑到集团应收账款问题比较突出，应收账款周转率指标也应纳入。（6）由于我国企业集团内母子公司之间，兄弟单位之间相互担保以及对集团外担保总额较大，以对外担保为主的或有负债很可能变为现实负债，所以应该将担保比重这一表外指标作为预警指标（傅俊元等，2004）。

（二）财务风险预警的过程和机制

有效实施财务风险预警管理还需有一个周密有序的行动步骤，并需要相应的财务预警实现机制来保证财务预警过程的实现。

1．财务预警的总体设计和组织机制。企业应从总体上统筹规划，设计符合企业特色的财务预警，为使财务预警得到正常运行，企业应建立健全预警组织机构。预警机构独立开展工作，不直接干涉企业的经营管理，只对企业最高管理者（管理层）负责，预警组织机构的日常工作可由现有的某些职能部门（如财务部，企管办，企划部）来承担，预警组织制度的实施使预警分析工作经常化，持续化，只有这样才能产生预期的效果。集团财务风险预警的组织管理包含两个层次:一是集团母公司的财务风险预警系统，其覆盖面是整个集团；二是各子公司的财务风险预警系统，主要针对子公司的风险预警，无论在哪个层次，都应该建立专门的财务预警组织机构，并遵循专门性，专业性，独立性的原则，确保财务预警分析的工作能够有专人落实，且不受其他组织机构的干扰和影响。

2．风险信号的捕获和财务信息收集、传递机制。针对每一类风险分析其早期的信号，风险预警系统中应预设一个财务风险信息子系统，在这一阶段，应关注各种早期风险信号，如企业现金流入量减少而现金流出量增加，财务结构不合理，过度负债，投资比例失当，企业信用下降，无力偿债，市场竞争力减弱，产品积压等等。财务信息收集、传递机制，良好的财务预警分析系统，要能够有效预知企业可能发生的财务危机，预先防范财务危机的发生，这必须建立在对大量资料系统分析的基础上，抓住每一个相关的财务危机征兆，主要资料包括内部数据和相关外部市场，行业等数据，这个系统应是开放性的，不仅有财会人员提供的财会信息，更有其他渠道的信息，这里的会计信息系统不仅是指一般意义的企业会计核算报告系统，还包括对会计资料的认真阅读，分析和评价，以及寻找企业潜在的财务危机，并及时进行消除财务危机的工作。

3．财务风险分析机制。如出现某些风险的信号，对其进行甄别归类，并根据建立起的财务风险评价指标体系中的评价指标计算公式，利用财务风险信息子系统提供的资料，计算出具体的指标值。高效的风险分析机制是关键，通过分析可以迅速排除对财务影响小的风险，从而将主要精力放在有可能造成重大影响的风险上，经重点研究，分析出风险的成因，评估其可能造成的损失，当风险的成因分析清楚后，也就不难制定相应的措施了，为了保证分析结果的真实性，并不带任何偏见，从事该项工作的部门或个人应保持高度的独立性，预警分析系统一般有两个要素：即先行指标和扳机点，先行指标是用于早期评测运营不佳状况的变动指标；扳机点是指控制先行指标的临界点，也就是预先所准备的因应计划必须开始起动之点，一旦评测指标超过预定的界限点，则因应计划便随之而动。

4．风险应对决策机制。在财务风险分析清楚后，就应立即制定相应的预防，转化措施，尽可能减少风险带来的损失，企业损失预警制度若要能够有效运作，就必须要有正确，及时且合乎企业所需要的各种管理资讯系统，提供及时而完整的经营结构数据，供经营者及各部门负责人以实际经营状况数据体系，来与财务指标数据相比较，当有超出或低于指标数据的情形发生时，就表示企业财务状况将有不健全的症状产生，经营者应早日依数据所代表的经营内涵作进一步深入研究，找出蛛丝马迹，对症下药，以防财务恶化。

5．财务危机的责任机制，即将企业可能发生财务危机的责任落实到具体的部门及个人，并实施合理的奖惩制度，提高每个部门及个人防范财务危机的积极性和主动性，为财务预警系统正常而有效地运转提供制度性保障。

三、结论

单变量模型与多变量模型的结合可以分别从宏观和微观两方面对企业集团的财务状况进行监控，使财务预警系统更具综合性。具有代表性的财务指标的选择和切实可行的财务预警机制的设置和过程的控制是财务预警成功的关键所在。但是财务风险预警系统的建立不是一个孤立的过程，如在财务风险预警系统的实施过程中，还要注意风险管理人才的培养，运用计算机辅助风险管理，实行动态监控以取得及时有用信息，设计合理的风险信息传递路径和建立与之配套的内控制度等方面的问题。总之，要使财务风险预警系统及时，有效地发挥作用，不仅要求预警系统具备合理的财务风险预警指标体系作为对风险进行分析评价的依据而且还需要有严密的风险预警管理程序以便对风险进行有效地分析和处理，同时还必须有与之配套的组织管理机构，唯有如此，财务风险预警系统才能及时发现和防范风险，确保企业集团全面提高防范、控制风险的能力。

参考文献：

[1]Altman, E.I. Financial Ratios, Discriminate Analysis and Prediction of Corporate Bankruptcy [J]. Journal of Finance, 22, September, 1968.

[2]EdwardI. Altman. Credit Rating: Methodologies, Rationale and Default Risk[M], Risk Books, London, 2002.

第6篇：财务预警的方法范文

关键词：国内 财务风险　预警模型

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.

[3]赵莹.财务预警模型及其在中国的应用综述.特区经济.2005

第7篇：财务预警的方法范文

关键词：财务预警；财务失真预警；财务失败预警；双元财务预警

财务预警主要是利用一定的财务指标，通过设置并观察一些敏感性预警指标的变化对企业可能发生的财务危机进行预测和报警。其目的是在危机到来前就预先觉察到，并提前告知管理者、投资者及其他相关利益主体，以便尽早采取措施，消除危机隐患。财务危机从传统意义上说主要指财务困境或者说是财务失败。对这两个方面的情况相结合来进行研究，即基于财务失真和失败的双元财务预警。

一、财务失败和财务失真

财务失败或财务困境是财务预警理论的主要研究对象，不同学者对此解释不一，主要都是根据研究对象的性质和研究目的来进行界定。我国学者大多以被st企业为财务预警的研究对象。如，张玲(2000)、吴世农(2001)一般以上市公司被特别处理(st)，特别是因为财务状况异常而被st作为界定财务困境的标志。由于被st的公司绝大部分是由于连续两年亏损或一年巨亏产生的，因此可以说我国学者是以公司严重亏损作为界定财务失败的标志。笔者认为，应从广义和狭义两个层次来理解财务失败的内涵。从狭义来看，指的是破产和无力偿债，从广义的角度来看，还应包括现金流量不足以偿还当前债务等情况。具体到量化研究的角度而言，考虑我国的国情，主要是以上市公司是否被st作为财务是否失败的标志。

对于什么是财务失真这个问题，学术界一直没有一个统一的说法。应站在促进社会全面发展和进步这个立场上来看待这个问题，而不是单纯从某一阶层利益出发。上市公司信息披露失真应界定为：上市公司会计信息主要是提供能对相关信息使用者决策有用、能够促进证券市场优化资源配置的信息。凡对信息使用者决策无用、不利于优化资源配置或有相反作用的信息，如虚假的会计信息、隐瞒的会计信息、空而不实的和不及时的会计信息，均可界定为财务信息披露失真。

从财务失败和财务失真的定义可看出，二者均是财务信息使用者对财务报告所反映出的企业的财务问题的评价。所不同的是，财务失败主要是从财务情况的好坏这个角度来讲的，财务失真主要从财务的真实性方面而言的，而实际上，对财务信息的使用者而言，财务失败和财务失真都说明财务有问题，或者说是有警情，因为两者任何一个方面出了问题，投资者一般都认为是问题企业，不愿意冒险去投资的。从这个角度上讲，应该对基于财务失败和财务失真的财务警情进行预警理论研究，即双元财务预警理论的研究。双元财务预警主要是从上市公司披露的财务报告所揭示的财务状况的好坏和财务报告本身是否真实这两个角度来考察财务预警问题，财务失真预警和财务失败预警是财务预警的两元，二者既相互联系，又相互区别，共同构成了财务信息使用者对财务报告所揭示的财务问题的考察内容。

二、财务失败和财务失真预警理论研究述评

传统的财务预警理论主要是关于财务失败(困境)理论的研究，从单变量模型到多变量模型再到神经网络模型，经历了一个逐步发展的过程，而财务失真理论则是近年来才逐步发展的理论，主要是借鉴财务失败理论研究模型的研究成果。

(一)财务失败预警分析理论

财务失败预警分析主要有以下几种理论：一是单变量判定模型。fitzpatrick(1932)最早发现，出现财务困境的公司其财务比率与正常公司的财务比率相比有显著不同，从而认为企业的财务比率能够反应企业财务状况，并对企业未来具有预测作用。研究发现，判别能力最高的是净利润／股东权益和股东权益／负债。二是多元线性判定模型。美国学者altman(1968)最早运用多变量分析方法探讨财务预警问题。其基本原理是，通过统计技术筛选出那些在两组间差别尽可能大而在两组内部的离散度最小的变量，从而将多个标志变量在最小信息损失下转换为分类变量，获得能有效提高预测精度的多元线性判别方程。运用多元线性判别方法判定二元问题时，可以通过降维技术，仅以最终计算的z值来判定其归属。三是多元逻辑(logit)模型。ohlson(1980)是第一个采用logit方法进行破产预测的。多元逻辑模型的目标是寻求观察对象的条件概率，从而据此判断观察对象的财务状况和经营风险。logit模型假设了企业破产的概率p(破产取1，非破产取0)，并假设ln[p／(1一p)]可以用财务比率线性解释。假定ln[p／(1一p)]=a+bx，经推导可得出p=exp(a+bx)／[1+exp(a+bx)]，从而计算出企业破产的概率。ohlson分析了样本公司在破产概率区间上的分布以及两类判别错误和分割点的关系。他发现至少有四类显著影响公司破产概率的变量：公司规模、资本结构、业绩和当前资产的变现能力。四是神经网络分析模型。odomand sharda(1990)开拓了用bp神经网络预测财务困境的新方法，其1990年的研究是以altman所构建的五个财务比率为研究变量，使用类神经网络与判别分析做验证比较，其结果发现训练样本的正确率高达100％，保留样本失败与正常的正确率分别为81.75％n与78.18％n，显示类神经网络具有较佳的预测能力。

(二)财务失真预警分析理论

关于财务信息失真问题，早期的研究大多从财务舞弊的动因、手段、防范与治理等方面来进行研究。1999年healy and wahlen首先从会计舞弊行为市场反应与识别方面进行了研究。认为投资者似乎能辨认物价上升期间那些为了税收利益而采用后进先出法的公司，并且对相应的报告盈余的下降反应温和。beneish(1999)提出利用会计数据来判别上市公司是否存在会计舞弊的思想，他基于8个财务指标建立了probit模型，准确预测率达到了75％。spathis，doumpons and zo-pounidis(2002)以希腊舞弊公司与非舞弊为样本，采用多标准分析、单变量和多变量统计技术建立了包含z计分值和不包括z计分值的模型识别舞弊财务报告的可能性。

从以上的理论回顾中我们可以看到，传统的财务失败(困境)预警模型主要是基于对财务失败本身的预警，但模型不能对财务报表的真伪进行鉴别，用可能虚假的财务报告来进行财务预警，会使财务危机预警模型的预测结果发生偏差。从财务失真预警这方面来看，只是从财务真假这个角度来考虑问题，另外，这方面的理论研究开展较晚，特别是国内的研究尚处于起步阶段。此外，财务失真和财务失败预警两方面的研究相互脱节，

这两方面的研究没有能够结合起来进行。结合两方面的因素来进行综合分析，是个值得探索的课题。

三、双元财务预警体系探析

对中国的不发达、不完善的证券市场而言，财务信息失真问题非常严重，财务失真的预警研究尤其必要。上市公司所面临的各种危机和财务困境，要求我们要进行财务失败预警的研究。所以，要建立财务失真和财务失败双方面相结合的财务预警模型，才能有效为财务信息的使用者提供一个实用的分析工具，才能真正对可能存在的警情有个较为全面的、正确的评估，才是正确解决上市公司财务预警问题的根本之道。双元财务预警首先应包括原有财务失败和财务失真这两方面各自的研究内容。在此基础上，要研究财务失败预警与财务失真预警的相互影响关系；分析两类指标的相互影响关系，确定影响系数；研究投资者在财务失败预警与财务失真预警模型的选择问题，分别建立能够识别四类财务报告类型：失真——失败、失真——不失败、不失真——失败、不失真——不失败的财务预警模型，还要建立综合双元财务预警模型，并进行模型的适用性和准确性研究。

(一)双元财务预警指标体系构建

把有财务警情公司(如被st或违规通告)和无财务警情作为测试样本和对比样本。应综合考虑财务失败和财务失真两方面的指标，借鉴国内外研究成果和某些经验性分析。财务失败模型主要从财务质量本身来考察，用财务比率做变量的研究相对较多，而财务失真主要考察财务报告的真实性与否，公司治理结构、市场信息等非财务定性变量用的相对要多一点。如固定资产周转率(销售收入／平均固定资产)、留存收益资产比率(未分配利润／总资产)等指标前者用的多，但国有股比例、独董比例、是否设置审计委员会等后者用的相对更多一些。在具体的建模过程中采用哪些指标，要根据是否有数据支持，以判别准确程度作为变量能否进人模型的标准，并有合理的经济学意义的解释。需要注意的是，在选取影响财务失败和财务失真这两方面的指标来考虑建立综合财务预警模型的过程中，较多变量的引入特别是较多的定性指标变量的引入可能会造成一定的问题，如多重共线性问题、属性数据和变量数据的综合分析问题等，需要在建模的过程中进一步来解决。

(二)双元财务预警模型目标

第8篇：财务预警的方法范文

内容摘要：企业集团经营中面临着其特有的财务风险，本文对企业集团财务危机预警体系的方法、系统设计、指标体系、运行机制等方面进行了研究，并对财务预警体系的进一步发展提出了建议。关键词：企业集团财务预警系统财务指标集团财务预警系统是指企业集团财务管理机构以财务指标体系为中心，通过专门的方法监测、分析集团经济活动和理财环境，预测和及时反映企业经营情况和财务状况的变化，对企业各环节发生或将可能发生的经营风险发出预警信号，为管理提供决策依据的监控系统。财务预警的方法财务预警模型因选用变量的不同，分为单变量预警模型和多变量预警模型。企业集团可以根据集团的特征和各种方法的适用范围来进行方法的选择。（一）单变量模型单变量预警方法通过寻找最佳预警指标，使用单一变量对企业财务风险进行预警，最早通过单变量模型研究公司失败问题的是美国比佛（Beaver）。他通过研究发现，现金流量与债务总额的比率对财务危机预测的效果最好，其次是资产负债率。单变量分析法计算简单，但却因不同财务比率的预测方向与能力经常有相当大的差距，有时会产生对同一公司使用不同比率预测出不同结果的现象，而且不能全面反映企业的风险。（二）多变量模型多变量预警方法通过多个变量的组合来综合确定企业发生财务风险的可能性，其从企业集团的宏观角度出发运用多个财务指标衡量企业风险，为管理决策提供帮助，进而规避风险或延缓危机的发生。相对于单变量模型而言，多变量模型预警财务指标能多方位反映企业经营状态，揭示企业产、供、销各环节可能存在的风险，适合企业集团的财务预警系统的要求。其中值得借鉴的多变量模式是美国阿尔曼（Altman）的z计量模型，该模型实际上是通过5个变量，将反映企业偿债能力的指标、获利能力指标和营运能力指标有机地联系起来，综合分析并预测企业失败或破产的可能性。上述不同类型模型的差异主要体现在：针对点不同，单变量模式强调流动资产项目对企业财务危机的影响，而多变量模式更注重企业盈利能力对企业财务危机的影响；预测方法不同，单变量模式是以单个财务比率的分析考察为基础的，而多变量模式是以多种财务比率的分析考察为基础的，并对各种财务比率进行加权；预测内容不同，单变量模式分析模型所预测的财务危机包括拖欠偿还账款、透支银行账户、无力支付优先股股利等微观层面，而多变量模式仅预测企业的破产危机。财务预警系统设计多变模式可以从总体宏观角度发现风险，而单变模式则多方面、多方位反映企业经营状态，揭示企业产、供、销各环节可能存在的风险，从微观上反映企业发生财务危机的可能性。企业集团规模大，情况复杂，在设计企业财务预警系统时，应首先结合现实情况，考虑采用多变模式与单变模式相结合的方法，分别从宏观和微观两方面对企业的财务状况进行监控，使财务预警系统更具综合性。（一）指标设计根据指标的灵敏性、先兆性、关联性要求、通过借鉴实证研究分析筛选出符合实际的财务预警指标，是建立高效的财务预警方法体系的重要环节。财务指标的选取是与集团财务风险成因密切相关。从现实情况看，企业集团发生财务危机的原因包括以下几方面：第一，无法偿还到期债务本息。财务风险的最根本表现都是不能偿还到期债务的可能性，因此，在构建财务风险预警指标体系中，应选取较多的偿债能力指标。可以选择流动比率、速动比率、资产负债率、利息保障倍数、借款依存度等常见指标；同时考虑到企业集团固定资产和长期投资规模较大，可以增加长期资产适合率指标。第二，企业获利能力持续降低，导致财务风险发生。这由获利能力指标进行预警，净资产收益率指标是反映企业获利能力的综合指标，考虑到集团的行业特点，还应该包括主营业务利润率指标。第三，企业现金流入不敷出，持续借债导致资金恶性循环，导致企业出现财务风险，企业现金流入流出的变异性，对判别企业是否发生财务危机具有显著性，而在现金流量指标中，经营活动现金流量显得更为重要，现金营运指数、销售营业现金流入比率。第四，企业市场环境恶化，业务萎缩，导致企业财务出现风险，这由企业成长能力指标来预警，可以选择主营收入增长率，总资产增长率指标来关注企业的成长能力。第五，企业资产管理效率低下，导致企业陷入财务危机。这可由企业运营能力指标进行预警。包括总资产周转率和净收益营运指数（经营净利润/净利润）指标；考虑到集团应收账款问题比较突出，应收账款周转率指标也应纳入。第六，由于我国企业集团内母子公司之间，兄弟单位之间相互担保以及对集团外担保总额较大，以对外担保为主的或有负债很可能变为现实负债，所以应该将担保比重这一表外指标作为预警指标。（二）财务风险预警的过程和机制有效实施财务风险预警管理还需有一个周密有序的行动步骤，并需要相应的财务预警实现机制来保证财务预警过程的实现。财务预警实现机制包括以下方面：第一，财务预警的总体设计和组织机制。企业应从总体上统筹规划，设计符合企业特色的财务预警，为使财务预警得到正常运行，企业应建立健全预警组织机构。预警机构独立开展工作，不直接干涉企业的经营管理，只对企业最高管理者（管理层）负责，预警组织机构的日常工作可由现有的某些职能部门（如财务部，企管办，企划部）来承担，预警组织制度的实施使预警分析工作经常化、持续化，只有这样才能产生预期效果。第二，风险信号的捕获和财务信息收集、传递机制。针对每一类风险分析其早期的信号，风险预警系统中应预设一个财务风险信息子系统，在这一阶段，应关注各种早期风险信号，如企业现金流入量减少而现金流出量增加，财务结构不合理，过度负债，投资比例失当，企业信用下降，无力偿债，市场竞争力减弱，产品积压等等。财务信息收集、传递机制，良好的财务预警分析系统，要能够有效预知企业可能发生的财务危机，预先防范财务危机的发生。第三，财务风险分析机制。如出现某些风险的信号，对其进行甄别归类，并根据建立起的财务风险评价指标体系中的评价指标计算公式，利用财务风险信息子系统提供的资料，计算出具体的指标值。高效的风险分析机制是关键，通过分析可以迅速排除对财务影响小的风险，从而将主要精力放在有可能造成重大影响的风险上，经重点研究，分析出风险的成因，评估其可能造成的损失，当风险的成因分析清楚后，也就不难制定相应的措施了，并且为了保证分析结果的真实性，从事该项工作的部门或个人应保持高度的独立性。第四，风险应对决策机制。在财务风险分析清楚后，就应立即制定相应的预防、转化措施，尽可能减少风险带来的损失，企业损失预警制度若要能够有效运作，就必须要有正确、及时且合乎企业所需要的各种管理资讯系统，提供及时而完整的经营结构数据，供经营者及各部门负责人以实际经营状况数据体系，来与财务指标数据相比较，当有超出或低于指标数据的情形发生时，就表示企业财务状况将有不健全的症状产生，企业就应早日对症下药，以防财务恶化。此外，财务危机的责任机制，即将企业可能发生财务危机的责任落实到具体的部门及个人，并实施合理的奖惩制度，提高每个部门及个人防范财务危机的积极性和主动性，为财务预警系统正常而有效地运转提供制度性保障。单变量模型与多变量模型的结合可以分别从宏观和微观两方面对企业集团的财务状况进行监控，使财务预警系统更具综合性，具有代表性的财务指标的选择和切实可行的财务预警机制的设置和过程的控制是财务预警成功的关键所在。但是财务风险预警系统的建立在实施过程中，还要注意风险管理人才的培养，运用计算机辅助风险管理，实行动态监控以取得及时信息，设计合理的风险信息传递路径和建立与之配套的内控制度等方面的问题。总之，要使财务风险预警系统及时、有效地发挥作用，不仅要求预警系统具备合理的财务风险预警指标体系作为对风险进行分析评价的依据，而且还需要有严密的风险预警管理程序以便对风险进行有效地分析和处理，同时还必须有与之配套的组织管理机构，唯有如此，财务风险预警系统才能及时发现和防范风险，确保企业集团全面提高防范、控制风险的能力。参考文献：1.傅俊元，吴立成，吴文往．企业集团财务风险预警方法的构建研究[J]．中央财经大学学报，2004.122.何丹．现代企业集团现金流风险预警体系的构建[J]．财会月刊（综合），2005

第9篇：财务预警的方法范文

【关键词】电力；企业；财务危机；财务预警；研究

一般来说，电力企业的财务危机是一个循序渐进的过程，在积累的过程中，财务指标会直接反映出危机的特征。所以说，通过财务指标的反馈与建立电力企业的财务预警模型机制，能有效地消除财务危机的隐患，从制度上彻底杜绝财务危机的发生。企业在经营活动中，随着市场的变化，都会出现各类的经济危机，由于电力是基础能源行业，属于上游产业，关系到国家经济的长远规划，特殊的行业造就了特殊的地位，所以说，财务危机对于电力企业更显得至关重要。如何避免财务危机，确保电力企业的财务有条不紊的进行，是关系到我国经济整体的重要因素。因此，制定防范机制，大力提高电力企业的财务管控能力，是很重要的。

1、财务危机预警方法研究概述

财务危机预警方法研究在以前的重点是放在定性分析上，缺点是主观性过强，随着研究的发展到定量分析，并提出了各类的预测模型。总体来说，财务危机的预警模型课分成参数模型与非参数模型。细化的分类，参数模型又可以分成单变量分析模型与多变量统计分析模型两类。

1.1参数模型

1.1.1单变量分析模型

单变量模型是通过个别财务指标来预测财务风险的。最早的财务风险预测是Fitzpatrick开展的单变量判定研究。以19家公司为样本，运用单个财务比率将样本分为破产和非破产两组，发现判别财务风险能力最高的两个指标是“净利润/股东权益”和“股东权益/负债”。Berver运用单变量风险预警分析方法建立了财务危机预警模型，抽取了79家失败公司作为样本，以30个变量作为判别指标，检验了公司在破产前几年的预警能力，通过研究发现使用“现金流量/总负债”这一财务比率来预测企业失败的效果最好，判别成功率达到90%，使用“净利润/总资产”比率的判别效果，判别成功率为88%。

1.1.2多变量统计分析模型

多变量统计分析模型采用多个财务指标作为自变量，比单变量模型更能全面的反映出企业的财务状况，适应性更强。选取营运资本/资产总额、留存收益/资产总额、息税前利润/资产总额、所有者权益市价/负债总额、总销售额/资产总额5个变量作为判别变量，构建了Z--Score模型。从1980年以来，Logistic回归分析代替判别分析法，在财务风险预测研究领域占据主流地位。

1.2非参数模型

非参数方法主要包括神经网络模型、案例推理、DEA模型、决策树分析和粗糙集分析等方法。Lane和wangsely（1986）提出了COX比例风险预测模型，该模型主要用来预测企业未来经营状况以及生存能力、生存时间。20世纪80年代末，神经网络兴起，也影响到了财务危机的研究领域。

2、电力企业财务危机预警方法研究

2.1单变量模型和多变量模型相结合

单变量模型的优点在于简单易行，缺点是精度不够，在财务指标上不能全面地体现电力企业综合财务状况，所以，在电力企业财务危机预警方式上应该采取单变量模型和多变量模型相结合的方式，因为多变量模型能够准确地反应电力企业整体的财务状况，在财务预警中能够起到主导地位。利用单变量模型的简单易行的优点和多变量模型反应全面的优点，可以完善电力企业财务危机预警机制，有效地规避财务风险。

2.2合理选取会计数据和财务指标

在财务危机预警模型应用中，合理地选取会计数据和财务指标很重要。国外一般选取债务契约与贷款协议中的具体数据以及比率数据，作为企业破产可行性分析的指标，认为这些数据会直接导致企业违反契约，导致破产。在国内的财务危机预警模型应用中，一般会选取会计数据以及财务指标来综合分析财务危机，达到合理地分析，综合利用，确保财务安全。

2.3财务预警模型与实际情况综合分析

因为国外的财务预警模型是建立在证券市场以及上市公司的基础上，与我国的具体情况不同，电力企业要根据本行业的具体情况，在组织形式、管理水平、经营理念以及产品分析等多方面因素综合分析，找到符合电力企业的财务预警机制的分析方法。电力企业部门众多，分类复杂，要根据每个电力企业的具体特点，在预警模型中的权重和顺序一定要选好指标项目，在分析财务模型判定临界值时要考虑到本企业的特点，已上市的企业要综合股权结构、财务报表、内部控制以及发展战略等多方面因素具体分析。

2.4定量与定性相结合

现有预警模型主要侧重于财务定量数据的使用，对于像宏观经济状况、国家政策的变化、不同企业的特殊情况等定性指标考虑的还很少。对电力企业财务预警系统的设计应包括定性模型和定量模型，两者的有机结合构成电力企业的财务危机预警系统。在定性财务预警方面，电力企业还应当借助于一些非历史的和非货币性信息，如煤价波动、替代能源、市场利率、安全和环保等。

2.5现金流量和非现金流量指标结合

在对国外破产企业的分析中发现，40%的企业是盈利企业，破产的原因就是现金流量不足，这说明在企业的财务预警机制中，现金流量指标要远远比非现金流量指标重要。所以说，在电力企业中，建立有效的财务预警机制，现金流量和非现金流量指标相结合，在数量和权重上综合考虑，保证财务危机预警机制有效地进行。

2.6严格执行电力企业财务相关制度

加强财务监督，防范和化解财务风险。高度重视财务监督，成立财务稽核机构，根据《国家电力公司稽核管理办法》等有关规章制度，全面监督财务制度执行情况，强化监督职能建设，充分发挥财务稽核和内部审计成果的作用，对发现的问题进行跟踪落实和督促纠正，有效地防范和化解了财务风险。对电力企业年度决算报表进行审计，加强会计核算基础工作，规范会计核算行为，保证财务信息的真实、完整，提高财务信息质量。

3、结束语

电力企业担负着国家的基础能源建设，在经济建设中具有举足轻重的地位。电力企业随着体制改革的不断深入，经营管理模式也在逐步发展变化，在经营活动中会出现各类财务风险，只有制定完成的财务预警机制，才能避免财务风险的出现，才能保证电力企业得以快速的发展，更好地服务于社会。

参考文献

[1]杨淑娥.企业多层次财务危机预警研究方法与应用[M].经济科学出版社.2009.