導語：如何才能寫好一篇財務風險預警研究，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

關鍵詞：財務風險；預警系統；統計分析

一、引言

經濟全球化的發展，使得企業在獲得發展機遇的同時，也面臨著更加激烈的市場競爭，從而面臨更大的風險。面對激勵的市場競爭，如何適應環境的改變，增強抵抗財務風險的能力，對于企業的來說是一個現實而嚴峻的挑戰。面對嚴峻的財務風險問題，企業應根據實際情況構建財務風險預警系統，采取各種措施建立完善的、全面的風險抵御系統，從而控制和避免財務風險的發生。

二、財務風險預警系統的概述

（一）財務風險預警系統的含義

財務風險預警系統以企業信息為基礎，利用企業的財務會計資料，通過比較分析、比率分析、因素分析等方法，對企業的經營活動進行分析與監督，及時發現企業經營管理活動中存在的風險，從而采取有效的措施，避免企業經營管理活動偏失所帶來的損失。利用財務風險預警分析，企業可以了解經營活動所面臨的財務狀況，從而有效地避免和防止財務風險的發生。

（二）財務風險預警系統的構建

1.確定財務風險預警系統建立的原則

①相關性原則。財務風險預警系統所選擇的指標體系必須能夠反映企業內部經營活動。②重要性原則，根據企業管理的特點，重點選擇可以揭示企業財務風險的主要指標。③預測原則。財務風險預警系統的目的是可以及時檢測到引起財務風險的隱性因素。④動態性原則。財務風險預警系統不但要滿足靜態的剖析，還要隨時監控財務運行的情況。

2.構建財務風險預警系統的指標體系

財務風險預警系統的核心是預警指標體系，預警指標體系的建立要注意預警指標選擇的科學性及針對性。企業可以選擇財務分析中有代表性的指標，如償債能力、盈利能力、發展能力和操作能力等，通過預警指標監測和控制財務風險。

3.構建財務風險預警模型

財務風險預警模型包括靜態和動態兩種。靜態模型包括單變量判斷模型、多元化線性判定模型和派生模型、概率模型。動態預警模型包括時間序列分析模型、神經網絡模型等。不同的模型具有各個不同的特點，企業應該根據實際情況，選擇預測模型來提高預測的準確度。

4.制定有效的風險預警機制

財務風險預警機制一般包括兩個要素：預防措施和應急處理措施。預防措施是在財務危機潛伏期內，發現企業經營管理的弱點，避免財務危機的爆發。在財務危機爆發時應采取應急處理措施，控制局勢的進一步惡化。

三、財務風險預警系統存在的問題

（一）忽略定性方法在財務風險評估中的作用

企業建立的財務風險模型大多側重于對財務指標的定量分析，評價標準主要取決于經驗數據。而現代企業的管理同時關注非量化因素的影響，如企業文化，治理結構等非量化因素也將對企業財務風險產生影響。因此，忽略定性方法和非財務指標，可能造成不準確和不完整的財務風險評估結果。但定量分析方法由于受到企業之間的差異、評價的主觀性及數據獲取的難度等限制而難以實際應用。

（二）忽略現金流量指標的作用

企業的財務環境一般包括企業的盈利能力、規模狀況、現金流量和資產結構等。當前財務風險預警系統在指標選擇上，使用最多的是資產負債率、流動比率、凈資產收益率銷售凈利率等指標，來評估企業的資產結構與質量以及盈利狀況。從指標選擇上可以看出，企業的風險預警系統忽視了現金流量的影響，從而降低了財務風險預警模型的預測結果。

四、政策建議

（一）健全財務風險預警系統的組織機構

財務風險預警系統的工作量比較大，企業應建全財務風險預警組織機構。財務風險預警組織機構主要有基礎數據采集層、風險分析層和領導層。基礎數據采集層的職責是收集財務風險預警需要的基礎數據，收集有關企業外部的財務風險預警信息。風險分析層主要負責對基層所上報的基礎數據進行分析，確定財務風險預警對象的程度，根據分析的結果，提出解決方案和措施，向領導層匯報。領導層常設立在公司的董事會或企業決策機構的下屬組織，主要是負責對重大的風險進行決策和考核。

（二）積極探索和運用新的財務風險分析方法

運用財務指標對財務風險進行分析時，企業不僅要注重定量指標的分析，還要考慮到定性分析和非財務指標的分析，實現對企業經營活動的全面分析。例如，可以將企業采購、生產、銷售等環節的信息納入到預警模型中來，實現資源共享和功能集成。同時，企業應根據市場情況及自身發展情況，適時改變財務風險預警模型，從而避免分析結果存在的偏差。相關人員應該積極探索和運用新的財務風險分析方法，不斷完善企業財務風險預警系統。

參考文獻：

[1]蔡莉莉.淺析企業財務分險預警系統的完善.財會研究，2010.

[2]錢光明.淺論現代企業財務預警系統構建.財會通訊，2010.

篇2

摘 要：自黨的十以來，我國經濟社會形態呈現出“增長速度放緩，增長質量更上臺階”的發展狀況。基于新常態視角下，如何全面提升企業財務風險預警能力，提升預警靈活性是十分重要的課題。本文結合企業內部財務風險因素以及財務狀況，并根據財務風險以及財務預警方面的基本理論，建立有效的財務風險預警模型和優化財務風險預警流程。財務風險模型建立后，能夠對風險因素及時預警，化解財務風險的產生，提升企業財務質量，為現代企業發展提供良好的財務環境。

關鍵詞 ：新常態視角 財務風險 預警機制 預警模型

一、引言

自黨的十以來，我國經濟社會形態呈現出與以往不同的發展狀況。即增長速度放緩，增長質量更上臺階，基于這個新常態，企業財務風險預警能力面臨嚴重挑戰，企業財務風險預警，主要是企業通過監控有段實時監控內部財務風險，并對存在的財務風險因素進行預警。基于企業的角度而言，財務風險有效控制異常重要。在新常態的視角下，分析國內預警方面的不足以及存在的問題，在現階段經濟發展角度制定財務風險預警機制，具有一定實用價值。

二、新常態下的財務分析

（一）新常態概述

新常態，是指中國經濟發展到一個新的階段，增長速度放緩，增長質量更上臺階。經濟進入新常態后應具有以下特點：一是經濟增速是適度的，與潛在經濟增長率相適應，具有可持續性；二是經濟結構是優化的，第三產業、高附加值產業、綠色低碳產業比重穩步提高；三是經濟質量是較高的，經濟動力主要來自生產率的提高；四是經濟制度環境是有利的，市場在資源配置中日益發揮決定性作用。

（二）新常態下突出的財務風險

新常態下企業面臨著運行成本上升，投資政策改變，貿易環境變化，市場需求疲軟等一系列新問題。整個市場需求變緩，產品質量要求增高，財務風險大大提高，如何應對財務風險將是中小企業能否在新常態下生存下去的關鍵。

三、新常態下財務風險定性、定量分析

（一）財務風險預警定性分析

定性分析，主要是依靠主觀分析與判斷，進而對財務風險預警因素進行分析的手段。與傳統分析方法相比較而言，定性分析因素在企業階段性發展中占據重要地位。下面對定性分析各項方法進行分析：

1、表征觀察法

該方法主要是對企業自身的整體運營情況進行觀察，通過對企業異常特征進行分析，判定企業可能發生的財務風險。如企業資產負債率明顯高于同期水平，資產結構方面發生異常狀況，財務內部控制惡化；企業盈利來源非經常性的損益，則可能是主營業務已經發生重大問題。表征觀察法對企業財務出現的顯性因素進行特征分析，對財務風險因素進行識別，適用于較為明顯的財務異常變化。

2、“四階段癥狀”分析法

此種評價方法是一種擬人化的分析方式，企業運行狀況不佳，所體現出的狀況與人病危狀況相類似，如表1所示：

該分析方法，具備簡單明了效果，較為適合企業自身財務風險預警的診斷。但此種分析方法的應用，存在一定難度。財務預警的過程中，各項因素的清晰程度，很難想表中表現的至關狀況。因此，要求財務預警分析這具備良好的工作素質。

3、管理評分法

管理評分法最先由美國財務學家提出，將破產企業作為研究對象，基于內部財務狀況進行加權處理，通過評分判定企業安全性。該方法的具體評分表如表2所示：

在進行評分的過程中，需要充分的結合企業發展實際狀況，最終得分分值越高，則說明企業處境較差，財務風險較為嚴重。該方法在企業當中的應用，具備簡單易懂等特點，但由于各項內在因素需結合企業發展實際狀況，工作量較大。只有在掌握內部財務狀況各項因素的同時，才能夠發揮此種方法的實效。

（二）財務風險預警定量分析

與財務風險預警定性分析而言，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業財務風險預警方面被廣泛應用。特別是基于新常態視角下，定量分析更能夠體現出財務風險預警的準確性。下面進行詳細分析：

1、單變量判定模型

單變量判定模型，又被稱之為單變量分析法，主要是對企業單一財務指標進而評估企業整體財務狀況。該評定模型在分析過程中，評定方法較為簡單快捷，便于運用。但該方法在運用方面，由于是針對企業財務指標進行單一分析，造成分析結果缺乏系統性，預警能力嚴重不足。

2、多變量判定模型

多變量判定模型與單變量判定模型存在一定區別，可以將該模型稱之為Z計分法模型，是由愛德華·阿爾曼（Edward·altman）在1968年提出。該模型當中的線性函數公式主要是通過多種財務指標加權匯總而成，通過企業內部財務多個財務指標進而建立。多變量判定模型內容當中經常運用的Z分數預警模型與F分數預警模型，經典模型表示如下：

其中，X1為營運資金/資產總額；X2為留存收益/資產總額；X3為息稅前利潤/資產總額；X4為普通股以及優先股市場價值總額/負債賬面價值總額；X5為銷售收入/資產總額。

由于Z模型的建立當中，并沒有將企業當中的現金流量進行充分的考慮。因此，對于此種問題很多相關方面的學者進行了改進，建立了F分數模型：

其中，X1為營運資金/資產總額；X2為留存收益/資產總額；X3為（凈利潤+折舊費）/平均負債率；X4權益總值/負債總額；X5為（凈利潤+折舊+利息）/資產總額。

多變量判定模型分析較為準確，并且模型精度分析較高，需要大量的參數內容提供支撐，工作量較大。但此種方法在企業當中的應用，應對財務風險的準確性較高，并且被應用在本次研究當中，對規避風險及分析財務風險具有其他方法不具備的優勢。

3、聯合預警模型分析方法

由于財務指標通常只是反映企業生產經營過程中的實際財務狀況，基于企業的發展戰略、企業文化、區域位置等各項非財務信息指標進行分析。因此，產生了聯合預警模型。該模型能夠對企業經營現狀進行模擬，反應企業生產經營過程中各項因素，確定理論框架以及行業特征，克服財務指標的片面性。

四、新常態下構建企業財務風險預警模型

（一）企業財務風險預警準備工作

企業財務風險預警是一項系統性工程，需要企業內部各個組成部分之間的協同合作。確保企業制定詳細的工作計劃，對各項流程進行充分規范。在新常態視角下，分析企業發展問題需要基于個層面進行分析，細致化詮釋各項內容。因此，在準備工作方面主要分為以下幾項內容：一是統一思想。只有將企業內部員工以及管理者對于風險預警思想進行統一，才能夠積極構建財務風險預警機制，強化風險預警意識；二是制定工作方案。將財務風險預警各項內容細致化劃分，健全工作計劃的向西行，提升操作型；三是做好信息收集與管理。將財務信息指標進行收集，保證信息來源與內部與外部。同時，對各項內容進行積極評價，為信息利用奠定基礎。

（二）財務風險預警F模型

選用F模型作為本選題研究的財務風險預警模型，即：

其中，X1為營運資金/資產總額；X2為留存收益/資產總額；X3為（凈利潤+折舊費）/平均負債率；X4權益總值/負債總額；X5為（凈利潤+折舊+利息）/資產總額。

在該模型當中，選擇五個自變量內容，具體臨界點為0.0274；如果低于0.0274，則說明公司財務風險狀況不容樂觀，可能面臨破產；一旦高于0.0274，則預測公司經營狀況良好，可繼續生產運營。

（三）財務風險預案

企業內在的財務風險因素被實質化之后，形成財務危機，一旦危機出現，企業則需要制定具體的管理預案進行危機方面的處理。

本文選定企業深圳某機械有限公司處理程序如下：

對深圳某機械有限公司內部的財務危機狀況進行登記的評判，重新評估可能被隱瞞的財務數據內容，明確內部債券債務是否符合發展狀況，積極探尋有利因素并尋找對策。

啟動預案。根據財務狀況以及危險程度，判定危機信號具體數值，對危機預案進行擬定，實施方案預算體系，確保數據內容處于可控范圍。

保證信息暢通。危機預案處理過程中，需要保證領導機構以及執行操作內容信息方面的流通度，為處理新情況以及預案有效執行奠定基礎。

總結。當危機處理完成之后，應該盡心總結與分析，將財務風險當中的具體風險指標進行篩選，確保預案執行效果得到提升。

五、新常態企業財務風險預警模型實證分析

（一）企業概況

深圳某機械有限公司成立于中國廣東省深圳市，廠房占地10000平方米，擁有自己規劃建設的現代化廠房，擁有雄厚的技術研發能力和先進的生產制造硬件設施。公司多年來專注于高品質模具加工機床、機械加工專用機床設備的技術研發、生產制造、經營銷售，并為客戶提供全方位的售前、售中、售后技術服務。目前產品規模、研發實力、市場占有率、以及企業管理綜合實力已位居華南地區行業前列。

（二）該公司財務風險預警存在的問題

1、財務狀況總體失衡

2012年，該企業資產總額為165284萬元，與上一年同比增長25639萬元。其中負債總額為112123萬元，與上一年同比增長12058萬元。主業務收入為568496萬元，與去年增長14.81%，實現凈利潤3447萬元，增長692萬元，為年度預算3200萬元的107.72%。基于該公司的實際發展狀況分析，主營業務收入較大，并且應收賬款占總資產比重較高，未來收益內容不夠明確，造成公司資產縮水。公司具體財務狀況如下表3所示：

2、缺乏評估機制

該公司大多數管理人員并未對內部控制提升自身的認識程度，造成內部控制不夠明確，嚴重的影響企業整體運行狀況。同時，對財務與法律意識相對淡薄，嚴重影響內部控制質量，企業財務運作效率低下。并且在企業生產經營環節，各項不確定環節財務風險控制不能夠準確預測，傳統的表征觀察法風險預警不能夠體現出現代企業的發展要求，致使企業產生或陷入風險。

3、缺乏有效的資金管理

基于該企業財務報表而言，發現其現金金額較大，高達2億元，并且流動負債也處于較高水平，充分的說明該企業資金應用效率低下。通過進一步分析可以發現，該企業各個生產經營環節處于分散狀況，資金流動性未能夠得到體現，知識資金管理手段落后。在應對財務風險方面，方法單一，管理不能夠滿足企業自身要求。

（三）財務指標預警分析

選定深圳某機械有限公司作為研究對象，在對該企業財務狀況以及財務數據分析之后，得出深圳某機械有限公司在生產運營過程中財務風險預警模型進行實證分析。對預警評估得分進行計算，將總分設定為100分。按照優先級分別對資產負債結構、償債能力、營運能力、盈利能力以及發展能力預警指標賦予20:20:26:18:16的比重。在最高分與最低分方面設定上限與下限數值，保證上限標準值為1.5倍，下限標準值為0.5倍。具體公式按照（行業最佳比率-標準比率）/（行業最高得分-評分值），得出評估表當中的預警得分，具體如下表4所示：

根據企業風險預警評估表當中的計算，深圳某機械有限公司在2012年財務風險預警的總得分為118.23分，并且在2013與2014年，通過同樣的方法進行計算，得出深圳某機械有限公司財務風險預警得分分別為112.87與119.66分，得出均超過100，位于正常區間范圍內。即企業財務狀況較為安全，財務風險不至于影響企業的正常生產運營。

（四）F模型深圳某機械有限公司財務風險預警評估

運用F模型對深圳某機械有限公司財務風險進行驗證，旨在評價2012年風險預警結果，并通過相同的模型計算，得出2013年具體數據。具體數據如下表5所示：

基于上表當中的各項數值，能夠計算出F模型各項指標，具體計算過程如下所示：

其中，X1為營運資金/資產總額；X2為留存收益/資產總額；X3為（凈利潤+折舊費）/平均負債率；X4權益總值/負債總額；X5為（凈利潤+折舊+利息）/資產總額。

2012年：

X1=營運資金/資產總額=0.205

X2=留存收益/資產總額=0.017

X3=（凈利潤+折舊費）/平均負債率=0.025

X4=權益總值/負債總額=0.085

X5=（凈利潤+折舊+利息）/資產總額=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=營運資金/資產總額=0.152

X2=留存收益/資產總額=0.019

X3=（凈利潤+折舊費）/平均負債率=0.026

X4=權益總值/負債總額=0.066

X5=（凈利潤+折舊+利息）/資產總額=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）實證檢驗

經過具體計算得知，2012年F值為0.1175＞0.0274；2013年F指為0.065＞0.0274，并且根據該模型進行判定，深圳某機械有限公司在近期內，生產經營過程中不會發生財務危機，與上述財務風險預警評估驗證結果基本一致。新型財務風險預警模型在公司具有一定的效果，能夠及時發現公司內部財務風險因素，并加以控制。首先，針對財務總體失衡的狀況，需要對公司生產經營進行實時分析，通過經濟活動分析等手段，由市場調研作為基礎，找出問題所在與差距因素，加強內部控制。進一步完善公司資產質量、營運能力、發展能力、盈利水平等方面預警監控機制。

其次，F 財務風險預測機制，能夠對各項財務風險進行有效控制與計算，在公司發展方面具有推動意義，實現企業各項財務狀況滿足企業發展需求。并且該模型憑借對企業多項風險因素進行計算，準確提供風險預警，為企業發展提供準確預算結果。

最后，推行全面預算管理。預算并不是針對財務部分的工作內容，更是整個企業財務的工作內容。但全面預算管理內容，在一定程度上決定著企業財務風險因素的產生，有效控制成本管理，值得推廣應用。

六、結論

綜上所述，基于新常態視角下，企業正在面臨著新的市場經濟環境，如何保證企業在現代的市場競爭中，控制財務風險因素顯然已經成為企業具備市場競爭力的關鍵因素。該企業在應用傳統的定性風險預警方面，并未適應現代企業財務特點，造成風險預警能力低下，嚴重影響預警效果。F 財務風險預警模型的應用，有效的改善了內部財務狀況，為現代企業經營發展提供良好基礎，提升財務風險預警能力，準確預測風險因素。對財務風險預警的研究，能夠在一定程度上提升企業對抗風險的能力，為企業健康發展提供基礎保障，推動我國綜合經濟實力的不斷提升。

參考文獻

[1]梁達.以新常態視角看待經濟增速的變化[J].宏觀經濟管理，2014，4（12）:125-127.

[2]王麗娜.基于企業生命周期的財務風險預警研究[D].重慶：重慶大學，2012.

[3]楊美萍.企業財務風險預警指標體系的研究[D].北京：中國地質大學（北京），2010.

[4]王本運.大唐電力財務風險預警研究[D].北京：華北電力大學，2013.

[5]楊瑤，李紅琨.基于現金流量指標的財務風險預警研究綜述[J].現代商業，2011，11（09）:236-237.

[6]韓東平，鄭洲，顏寶銅.模糊綜合評價法在高校財務預警中的應用[J].財會通訊，2010，6（06）:114-117.

[7]董紀昌，馬慧.家電行業并購的財務風險預警研究[J].數學的實踐與認識，2010，11（01）:78-83.

[8]史小英.國內外企業財務風險預警研究現狀分析[J].新西部(理論版)，2013，4（20）:45-49.

作者簡介：

篇3

關鍵詞:高校;財務風險;指標體系

引言

高等教育已由精英式教育轉變為大眾化教育。高校招生規模不斷擴大，辦學配套設施迅速提高的同時，我們更應關注高校運營質量及財務管理的有序進展。隨著我國高等教育體制改革，高校籌資渠道呈現多元化趨勢，高校正面臨前所未有的機遇與挑戰。全面有效地分析高校財務狀況，通過建立專門的預警指標體系，及時監測、評價和控制高校運營過程中面臨的風險，是高校當前財務管理的重要內容。復雜的經濟形勢使得高校財務管理正面臨多方面風險，包括籌資風險、投資風險和日常運營風險等。高校管理者若不能像企業管理者一樣重視風險并力求規避風險，必將給高校可持續發展帶來巨大的沖擊。目前，國內學者對于高校財務風險的形成原因暫還缺乏系統性的分析，且針對高校財務風險的預警指標體系并沒有形成統一標準，因此，對高校財務風險的系統性研究已成為各大高校迫切需要攻克的課題，同時科學合理地構建一套完整的財務風險預警指標體系，具有非常重要的意義和價值。

1高校財務風險的涵義

高校財務風險是指由于各種不確定因素的影響而使高校在資金運動過程中發生實際財務狀況與財務目標負面偏離的可能性。高校財務狀況惡化是一個逐漸形成的過程，并不會瞬間產生。由此可見，構建高校財務風險的預警指標體系，有助于高校提前洞悉財務狀況，及時發現高校財務管理漏洞及薄弱環節，進一步提升高校的綜合財務管理水平。

2高校財務風險預警指標體系的構建原則

2.1重要性原則

財務風險預警指標體系的重要性體現于所選的指標能突出反映高校在籌資、投資和日常營運過程中的主要矛盾現象。此外，還應注意成本效益原則，預警指標不宜過多。

2.2橫向可比原則

橫向可比原則強調指標體系的建立應有助于各高校之間進行橫向財務風險的可比性。因此，應根據我國目前通用的財務報表為基礎設立指標，建立統一的核算范圍，促進指標體系的量化及比較。

2.3實用性原則

構建指標體系的另一重要原則是不僅要保持理論上的科學性和完整性，還應注重其在現實中的可行性與實用性。因此，構建指標體系的所有數據均應由現有的會計核算資料提供，以提高財務風險預警的可操作性。

2.4動態性原則

該原則指指標體系的建立能體現一個動態的持續分析過程。它不僅用于評價高校過去的財務狀況，更重要的是能預測高校未來的發展趨勢。動態性原則還體現在指標體系必須根據財經政策的新要求和會計核算的更新，逐年同步修正指標體系，以時刻準確反映高校的財務風險狀況。

3高校財務風險預警指標體系的構建

預警指標的選取應具有重要性、代表性和敏感性。高校財務風險主要存在于償債、運營、投資等方面。本文針對性地選取償債能力指標、營運能力指標、收益能力指標、發展能力指標作為核心指標，將非財務指標作為輔助指標，從而構建一套科學、合理的高校財務風險預警指標體系(見圖1)。

3.1償債能力指標

償債能力是指高校償還到期負債的能力。高校只有具備良好的償債能力，才能抵御突發事件所帶來的風險，才能維持良好的財務狀況及可持續經營水平。(1)資產負債率。資產負債率指高校的負債總額與資產總額的比率，用于衡量高校利用舉債資金進行經營管理的能力，反映高校長期償債能力。高校資產負債率并不是越低越好，相對于企業而言，高校資產負債率保持在30%～50%較為適宜。資產負債率=負債總額/資產總額×100%。(2)速動比率。速動比率是指高校速動資產與流動負債之比，用于衡量高校短期償債能力。速動資產是除去高校流動資產中變現能力較差的實驗器具、維修配件、儲備藥品等資產后的流動資產。速動比率是穩定型變量指標，指標值為1.0最為適宜。速動比率=速動資產/流動負債。

3.2營運能力指標

(1)收入支出比。該指標是高校收入總額與支出總額之比。指標值越大，反映出高校自我支付能力越強，屬于極大型指標。收入支出比率=收入總額/支出總額。(2)應收款項占流動資產比率。該指標是指高校年末應收款項余額與年末流動資產之比，可以有效衡量高校資金使用效益的高低，及時體現高校資金回收情況。指標指越小，說明高校應收款項對資金的占用越小，營運風險越小。根據我國高校現狀，該指標值應控制在50%以內。應收款項占流動資產比率=年末應收款項余額/年末流動資產×100%。(3)招生計劃現金比率。該指標是指當年實際收到的學費與應收取的學費之比。學費是高校預算收入的重要組成部分，因此該指標有效衡量了高校財務管理水平。該指標為極大型變量指標，最大值為1.0，即當年所有學生均已繳納學費。若有近50%學生欠費，就可認定已出現財務風險。招生計劃現金比率=當年實際收到的學費/當年應收取的學費。

3.3收益能力指標

(1)資產創收率。該指標是教育補助收入、科研補助收入、教育事業收入和科研事業收入的加總與資產總額之比。高校資產的主要投資產出體現在教育和科研成果收入，所以該指標較好地反映了高校資產的收益能力。資產創收率=(教育補助收入+科研補助收入+教育事業收入+科研事業收入)/資產總額。

3.4發展能力指標

(1)貨幣資金余額增長率。該指標是指年末貨幣資金與年初貨幣資金的差額與年初貨幣資金之比。該指標值較好地反映了高校財務調控能力，指標值越大，說明支付能力越強，進而有助于高校可持續健康發展。貨幣資金余額增長率=(年末貨幣資金－年初貨幣資金)/年初貨幣資金。(2)固定資產增長率。該指標是高校年末固定資產總額與年初固定資產總額的差額與年初固定資產總額的比率，反映了高校固定資產增長程度。該指標屬于區間型變量指標，體現高校資產管理效果。該指標值越低，說明高校發展潛力欠佳，該指標越高，說明資金有風險。固定資產增長率=(年末固定資產總額－年初固定資產總額)/年初固定資產總額。(3)自籌能力比率。該指標是事業收入、附屬單位上繳收入、經營收入和其他收入的加總與本期收入之比，可以衡量高校除財政撥款外多渠道籌資能力。該指標值越大，表明高校自我籌資能力，進而看出高校的自我協調發展能力越強。自籌能力比率=(事業收入+附屬單位上繳收入+經營收入+其他收入)/本期收入總額×100%。

3.5非財務指標

(1)新生報到率。新生報到率反映了高校的美譽度及聲譽，一定程度上能體現高校的綜合評價度。新生報到率=當年報到新生數/當年新生錄取數×100%。(2)生師比率。生師比率反映高校人力資源利用率，生師比應符合高校基本辦學條件要求，在合適的范圍內。生師比率=在校學生年平均數/教師年平均數×100%。(3)畢業生就業率。畢業生就業率高低可以作為高校專業設置或調整的依據。分為初次就業率、年底就業率或畢業后半年的就業率。畢業生就業率=畢業生就業人數/畢業生總數×100%。

4高校財務風險防范措施

4.1加強內部控制建設

為更好地規劃高校各項經濟活動，高校應制定完善的內部控制制度，建立有效合理的審批授權機制，尤其對于大額資金經濟業務必須執行嚴格的審批制度，并設立多層次監督體系，從事前、事中、事后各方面保證高校正常運作。

4.2強化預算管理

財務風險控制需加強預算編制、預算執行、預算調整的規范。首先，應將財務信息公開作為高校質量體系建設的重要內容，積極推進預算標準和程序公開，預算執行情況及決算情況公開。其次，應改進預算編制方法，主要從加強預算管理責任、制定科學的預算標準、細化預算項目等方面考慮。

4.3優化融資結構

新形勢下高校應克服對財政撥款的過度依賴，積極推進多渠道籌資方式，逐步建立政府、社會、市場三位一體的籌資模式。在政府主導下，積極通過市場自有機制和社會各種資源的有效優化配置來合理分攤高校教育成本。

4.4建立可行的財務風險預警系統

高校應在現有的會計核算基礎上，根據高校實際構建適合高校本身的預警指標體系，設置預警值，由預警組織機構定期及不定期提交財務風險預警分析報告，適時對高校風險點進行排查及整改，以提高高校財務管理水平。

5結語

高校財務風險預警指標體系的構建目的在于全方位地量化評價高校面臨的財務風險，為高校決策管理層提供風險管理決策依據，指導高校事前、事中、事后綜合監測財務狀況及風險水平，及時做出高校財務風險防范措施。本文針對高校財務風險預警指標體系的構建研究，只是從總體角度出發，尚不具體，各高校在實際運用時可結合自身實際合理設置指標預警值，從而達到有效監測財務風險的目的，并針對預警結果及時采取預防措施，不斷提高財務管理水平及風險防范能力。

參考文獻:

［1］王萍．我國公立高校財務風險評價指標體系構建［D］．南昌:江西財經大學，2013．

［2］黃青山．高校財務風險指標體系的建立及評估［J］．商業會計:上半月，2009，(19):39－40．．

［3］郜蕊．高校財務風險評價指標體系的構建［J］．中國證券期貨，2009，(8X):24－25．

篇4

（一）轉軌經濟體制下國有上市公司財務風險特征

轉軌經濟的特殊背景也使我國的國有企業財務風險呈現以下特點：

首先，政企不分離。具體體現在：一是政資不分導致政企難以根本分離;二是政府習慣全面干預，企業經營中政策作用大于內在機制作用;三是政府對國有企業進行不適當的財政補貼，使企業提高效率動力不足。

其次，產權不清晰。不同所有權主體之間權責關系不明確問題，導致國有財產的占有、使用、處分和收益不能得到合理的法律保護、約束和有效地利用，從而造成國有財產的流失，國有企業的低效率和高風險。

再次，公司法人治理結構不合理如：股權結構不合理、董事會功能不強、經理層激勵約束機制缺乏、信息披露機制不完善等。這已成為增大國有企業財務風險，制約著國有企業的發展的重要因素。

最后，壟斷。在行政壟斷的保護下，國有壟斷企業往往出現高價格和高利潤，但由于缺乏競爭機制，壟斷企業始終是在邊際成本大大高于邊際收益的狀態下進行生產，因而往往產生效率損失和福利損失，企業也容易陷入尋租和技術停滯的困境，帶來較高的財務風險。

（二）國有上市公司財務風險影響因素

影響國有上市公司財務風險的因素包括：一盈利能力，上市公司的盈利能力是其經營效果、發展能力的綜合測度，也是償還債務的重要來源，盈利能力越強，則發生財務危機的可能性越小。二償債能力，償債能力指企業利用其自身資產償還長期債務與短期債務的能力，償債能力是企業償還到期債務的承受能力或保證程度，是反映企業財務狀況和經營能力的重要標志。三營運能力，營運能力的各項指標揭示了企業的資金運營周轉的情況，反映了企業對經濟資源管理、運用的效率高低。企業資產周轉越快，流動性越高，企業的償債能力越強，資產獲取利潤的速度就越快，財務風險也就相對較低。四現金流量，現金流量是衡量企業經營狀況是否良好，是否有足夠的現金償還債務，資產的變現能力的重要指標。五發展能力，發展能力較好的企業，往往需要增大投資、擴大生產，盈利狀況良好，往往能夠籌集到較多的資金，財務風險較小;反之，發展能力較弱的企業，或者由于盈利狀況較差，或者是企業的生產規模已經達到一定程度的穩定，往往籌集少量的資金，財務風險較大。六是股權結構，股權結構作為公司治理體系的產權基礎，它首先決定了公司的控制權結構，進而決定了其內部治理機構的構成和運作，并通過內部治理機構對整個公司治理的效率產生影響，在我國獨特的制度背景下，上市公司的股權結構有其特殊性，在財務風險的形成過程中有著重要作用：八市場份額，很多企業為了在產業成長時期獲得搶先優勢，迅速擴大市場份額。但在運用搶先戰略時遇到利潤的“增長陷阱”，即市場占有率提升過程中利潤率迅速下降，未來卻難以提升的困境。這種增長方式不利于企業的可持續發展，為企業帶來潛在的財務風險。

二、國有上市公司財務風險預警模型

根據上文分析本文選取盈利能力、償債能力、營運能力、現金流量、發展能力、股權結構、市場份額七個一級指標和21個2級指標，具體指標體系以下：

表1 財務指標體系

一級指標 二級指標 指標計算公式

盈利能力指標 息稅前利潤率 X1 息稅前利潤/總資產平均余額

成本費用利潤率 X2 利潤總額/（主營業務成本+銷售費用+管理成本費用+財務費用）

每股收益X3 凈利潤/股本

營運能力指標 應收賬款周轉率X4 主營業務收入/平均應收賬款

存貨周轉率X5 主營業務成本/平均存貨

流動資產周轉率X6 主營業務收入/平均流動資

總資產周轉率X7 主營業務收入/平均資產總額

現金流量指標 每股經營活動現金流量X8 經營活動現金流量凈額/股本

銷售現金比率X9 經營現金凈流入注營業務收入

全部資產現金回收率X10 經營現金凈流入/總資產

償債能力指標 流動比率X11 流動資產/流動負債（短期）

速動比率X12 速動資產/流動負債

資產負債率X13 負債總額/資產總額

產權比率X14 負債總額/股東權益

流動資產負債比率X15 流動資產/流動負債（長期）

發展能力指標 固定資產投資擴張率X16 本期固定資產總額/去年同期固定資產總額―1

凈資產收益率增長率X17 本期總資產/去年同期末總資產―1

凈利潤增長率X18 本期凈利潤/去年同期凈利潤一1

股權結構 第一大股東持股比例X19 第一大股東股權/總股本

國有股比例X20 國有股股東股權/總股本

市場份額 市場占有率 X21 企業市場份額/市場份額

三、實證分析

（一）數據來源

本文選取140個2012年到 2013 年間實際控制人為發生本質變化的滬深 A 股國有上市公司為研究對象，其中ST或*ST公司70家，非ST公司70家，數據來源于國泰安和 RESSET 金融研究數據庫以及新浪財經網站。通過對選取的20個財務指標在財務困境發前1至5年的平均值和標準差等描述性統計量進行分析，并計算各年的Z統計檢驗量，結果如表2所示。可以發現除總資產周轉率X7、速動比率X12、產權比率X14、凈利潤增長率X18之外的17 個財務指標具平均值存在顯著的差異，且Z值隨著ST發生時間的臨近而顯著增大，證明這17個財務指標有較強的時效性。

表2 各指標Z統計量

指標 1 2 3 4 5

息稅前利潤率X1 1.724 2.742 2.003 1.433 1.883

成本費用率X2 2.001 3.288 2.987 2.275 3.095

每股收益X3 2.1 2.086 2.563 1.868 2.059

應收賬款周轉率X4 3.741 3.715 3.669 3.676 3.596

存貨周轉率X5 4.04 3.953 3.938 3.95 3.836

流動資產周轉率X6 4.403 4.009 1.829 4.538 5.012

每股經營現金凈流X8 4.754 3.487 2.628 4.012 3.118

銷售收到現金比率X9 0.878 1.42 2.076 1.782 1.794

全部資產現金回收X10 3.811 4.409 4.352 4.447 4.753

流動比率X11 3.831 3.393 3.476 3.571 3.656

資產負債率X13 4.197 4.208 4.159 4.18 4.242

流動負債比率X15 3.521 3.535 3.545 3.574 3.597

固定資產增長率X16 4.038 3.708 3.644 3.326 3.516

凈資產收益率增長率X17 1.564 1.478 1.793 1.528 1.545

第一大股東持股比例X19 3.556 3.273 2.263 3.029 3.205

國有股比例X20 3.392 3.394 3.281 3.397 3.497

市場占有率 X21 1.758 3.516 4.25 4.063 1.782

（二）判別模型

1.logistic模型

本文采用二元logistic模型，其中m是自變量的個數。.該模型中，P介于 0～1 之間，取0.5為臨界值，當 P 值大于0.5時，認為該公司是財務非正常公司，P 值越大，說明該公司的財務狀況越不好，越容易發生財務危機。P 值小于該臨界值時，認為該公司屬于財務正常公司，P 值越小，說明公司的財務狀況越好，越不容易出現財務危機，當 p值處于臨界值邊緣時，企業發生財務危機的可能性較大，如果不加以控制，企業很可能會面臨財務危機。

2.具體實證分析

該部分采用主成分分析法，以解決變量之間存在的多重共線性問題。通過提取影響財務危機的主要因子，實現變量的順利降維。

（1）首先進行KMO 和 Bartlett 檢驗，結果如下

表3 KMO 和 Bartlett 檢驗

樣本充分性的Kaiser-Meyer-Olkin度量 Bartlett球形檢驗

近似卡方 Df Sig

0.689 66.152 70 0.000***

通過進行 KMO 測試，得到測試系數為 0.601，大于0.5，球形 Bartlett 卡方檢驗值為 676.867，表明各變量間相關度較高適合進行因子分析。

（2）確定公共因子。通過公共因子提取后的各變量的共同度可以看出5個公共因子的累計貢獻率已經達到92.399%，因此提取5個主成分。

（3）得出因子載荷矩陣

表4 因子載荷矩陣

Component

F F1 F2 F3 F4 F5

X3 .914 .147 .224 .056 .111

X5 .101 -.023 .107 .975 .066

X9 .599 .588 -.148 .225 .069

X14 .132 .129 .951 .109 .018

X17 .151 .906 .214 -.093 .114

X18 .108 .111 .018 .067 .985

由此可以得出5個主成分的得分函數：

F1=0.914X3+0.101X5+0.599X9+0.132X14+0.151X17+0.108X18

F2=0.147X3-0.023X5+0.588X9+0.129X14+0.906X17+0.111X18

F3=0.224X3+0.107X5-0.148X9+0.951X14+0.214X17+ 0.018X18

F4=0.056X3+0.975X5+0.225X9+0.109X14-0.093X17 +0.067X18

F5=0.111X3+0.066X5+0.069X9+0.018X14+0.114X17+0.985X18

（4）構建模型

利用SPSS17.0軟件對以上5個主成分進行二元logistic回歸分析，剔除不顯著的F2、F6變量，得出分析結果如下：

表5 Logistic回歸結果分析

因子 系數 標準差 Wald值 sig

F1 -.272 .147 3.398 .015**

F2 .175 .061 8.268 .004***

F3 .045 .026 2.960 .035**

F5 .004 .009 .206 .0 40**

C -3.599 1.185 9.230 .002***

Chi-square 91.063

Sig. .000

-2 Log likelihood 18.340

Cox & Snell R Square .648

Nagelkerke R Square .913

***表示在 0.01 水平上顯著，**表示在 0.05 水平上顯著。

構建logistic模型為：

其中t=-3.599-0.272F1-0.175F2-0.045F3-0.004F5

模型以0.5作為判別分界點，p值大于0.5時，判別企業為非正常企業，P值越大，則企業發生財務危機的可能性越大;當p值小于0.5時，判別為正常企業，P值越小，該企業的財務狀況越好，資產越安全，發生財務危機的可能性越小;若p值等于0.5，則說明該企業的財務狀況不夠明朗，處于灰色地帶，發生財務危機的可能性較大。

表6 回歸檢驗結果分類標準

非ST公司 St公司 誤判率

種類 非st公司 65 5 7.14

St公司 3 67 4.28

誤判率合計 5.71

根據檢驗結果可以發現對于非st公司的預測誤判率為 7.14%，st公司的預測誤判率為4.28%，總體上誤判率為 5.71%。從判別結果可以看出單純財務指標變量的財務危機預警模型的預測精度較為理想。

四、對策建議

（一）樹立高度的財務風險意識

國有上市公司應充分認識財務風險的客觀性、必然性和不確定性，將風險意識貫穿到企業財務工作的每個環節。企業的管理層和全體干部職工要把握財務風險防范的重要性和必要性，樹立財務風險管理的責任感和使命感，主動發現財務風險，加強財務風險的內部控制，建立健全財務風險的預測、評估、控制和約束機制，并且在技術上制定風險回避、風險轉移和風險分散等管理策略，以有效防范和控制風險，減少財務風險的發生和造成的損失。

（二）合理安排負債規模

企業應合理安排負債規模，使債務資本和權益資本維持在合理的比例，合理利用財務杠桿，保證負債能夠給企業帶來避稅、約束激勵經營者的正面效應。企業應考慮到自身行業的競爭程度、本企業的成長階段、自身的經營能力等特征，對長、短期負債的盈利能力與風險進行權衡，確定使風險最小、企業盈利能力最大化的長、短期負債比例。

（三）提高公司營運和盈利能力

實現盈利是企業分配利潤、償還負債、實現增長的前提，提高企業的盈利能力也是防范企業財務風險的重要舉措，挖掘新的利潤增長點是企業增強自身競爭力實現長遠問題必須考慮的問題。企業應該選擇合適的籌資方式，加強投資管理，企業應加強資金回收管理。

（四）合理安排公司股權結構

考慮到我國國有企業股權結構很不合理的現狀，應降低國有股比例，實現股權所有者多元化，尤其要加大企業投資者的持股比例，并適當加入企業經營者股權和股票期權份額。具體應占企業所有者總額多大比例，應與企業規模以及企業長遠發展規劃相聯系。

篇5

中國的房地產市場化改革始于20世紀末期，經過10多年的穩步發展，房地產業超過傳統制造業成為國民經濟另一支柱性產業成為必然。然而，房地產業的發展過快、市場不成熟等原因已經引起了房地產市場日益“泡沫化”。房地產業素來以高回報率、高風險性的特點著稱，這進一步加劇了房地產企業的財務風險，政府為了抑制過分飆高的房價，穩定房地產交易價格，頻頻出臺關于房地產調控的宏觀政策，這給房地產行業帶來了新一輪的強勁挑戰。因此，對房地產企業財務狀況進行定量分析是具有實踐意義的，廣大投資者能通過直接揭示的房地產上市公司財務狀況獲取真實、有效和科學的決策依據，同時也為上市公司高管認清公司潛在財務風險，提高上市公司的風險管控能力帶來積極意義。

美國學者Altman選取了1946-1965年20年間的33家ST公司和33家非ST公司作為樣本，使用了計量方法從眾多財務比率中選取最合適的五個變量來建立判別函數，并以計算而得的分值作為判斷財務風險程度的依據。經過大量的實踐經驗顯示，Z-score模型對于停業前一年和前兩年的判別準確度達到了驚人的95%和82%。李澤紅等人（2009），張敏慧（2009），楊曉彥（2011），王小燕（2012）等人也從企業的財務風險基本概念和特征出發，通過“資金籌備”、“投資決策方案”、“資本運營”和“收益分配與再分配”等四個大方面對企業財務風險進行有效分類，通過詳細分析并提出相應的防范對策。周漢唐（2014）的研究認為房地產的高收益往往伴隨著較大的風險。房地產公司一般承擔著高的資產負債率，這樣容易使企業面臨著很大的財務風險，公司隨時面臨破產威脅，公司應當積極應對可能的風險，保障公司健康、可持續發展。

二、中國房地產行業特點與財務風險關系及預警模型選擇

（一）中國房地產行業特點與財務風險關系

首先，房地產業，生產周期越長，不確定性大，導致更大的風險概率。政治環境和經濟環境變動隨時間增加而變大，人工成本和原材料價格的不確定性也越大，這將直接影響行業的利潤水平和資金回籠。其次，房地產業是最典型的資金密集型產業，投資金額大，開發產品造價高，開發周期又長，需要占用大量流動資金，在房地產企業開發的前、中、后三個階段，都應該保證資金鏈的完善。最后，在組織設計上，絕大部分房地產企業都按照投資項目而成立多個項目分公司（或項目部），這極易帶來管理方面的風險。總公司和項目分公司存在委托關系，雙方獲得的信息有可能產生不對稱，由此造成總公司控制力度下降，這極易導致預算無法得到控制，引起財務風險擴大。

（二）房地產企業財務風險預警模型選擇

學術界和商界用來衡量企業財務風險變量主要有以市場數據和以會計報表數據為基礎兩個大類。基于我國證券市場不完善、各類監控組織監察力度不夠的現狀，以市場數據為基礎的模型衡量企業財務風險的方法并不適用于我國房地產上市公司。因此，我們選擇使用樣本企業指數紐約大學教授愛德華奧特曼的Z模型來衡量企業財務風險。

三、完善我國房地產企業財務風險預警的對策建議

（一）完善公司治理機構

目前我國房地產企業主要以民營為主，其中上市公司民營企業所占比例高達90%，在實際運作過程中，家庭治理模式占據主導地位。家族治理模式普遍存在的弊端包括產權不消、集權管理，這是導致公司治理機制缺乏有效性、企業運營效率低和財務風險擴大的最根本原因。因此，提高企業運營效率，降低財務風險程度，首先要完善公司治理結構以此來提高治理效率。

（二）優化資本結構

21世紀初期，國家銀根政策寬松，政策鼓勵房地產業發展，房地產企業迅猛發展，但高資產負債比經營的現狀并未引起行業的高度重視。隨著2011年國家嚴厲調控政策的出臺，房價下跌，銀行貸款困難，民眾購房態度不明朗，一些高負債的企業出現嚴重的資金缺口，瀕臨倒閉。因此房地產企業應當高度重視企業的資本結構，優化的資源配置。

篇6

關鍵詞：商業銀行；財務風險；預警模型

1.引言

1.1研究背景

自從世界上成立第一家商業銀行以來，關于商業銀行財務風險的問題就層出不窮。隨著世界經濟自由化和一體化的逐步深入，銀行財務危機爆發得也愈加頻繁，逐漸演化為一種全球現象。自改革開放以來，我國銀行業飛速發展，發生了翻天覆地的變化，取得了巨大成就。但是我國商業銀行仍然存在的一系列問題也不容忽視，如不良資產過高、呆賬過多、資本充足率不高、資產質量和盈利能力較差、業務和產品創新能力弱、內部控制和風險管理水平有待提高等等。加之現今我國利率市場化改革的推進，商業銀行通過借貸率差便能盈利的經營模式將被打破，行業內競爭壓力加劇，生存和發展面臨巨大的挑戰。這一系列問題的存在增加了我國商業銀行面臨財務風險的可能性，甚至可能引發銀行財務危機。并且，長期以來在我國商業銀行的危機管理中，管理層更側重于風險的事中控制和事后補救，通常不重視風險的事先管理，這無疑增加了銀行財務危機爆發的概率。因此，建立一套合理有效的商業銀行財務風險預警機制顯得非常必要。

1.2理論價值與實踐意義

商業銀行財務風險預警機制的研究是進行其風險管理研究的重要組成部分，通過對各項財務指標的分析研究，建立相關風險評估模型，預先警示財務運行體系中隱藏的風險并及時發現經營活動中存在的問題，減小財務風險引發財務危機的可能性。財務風險預警模型中各指標體系的建立及相關問題的解決，對于研究企業風險管理理論及財務管理理論有重要的學術價值。

構建商業銀行財務風險預警機制是目前金融發展迫切需求的，具有重要的現實意義。首先，從商業銀行自身來看，負債經營的特點導致商業銀行本身就是就是一種具有內在風險的特殊企業，而構建風險預警機制可以在其業務經營的全過程預測風險，把風險損失控制在最低限度，保障企業健康穩定的發展。其次，從整個金融市場來看，隨著利率市場化等改革措施的推行，銀行經營環境將發生巨大改變，這將導致經濟波動加劇，為穩定資本市場，有效控制風險，防范危機，建立科學有效的風險預警機制也是相當必要的。

2.商業銀行財務風險的定義

財務風險是指由于公司的財務結構不合理、融資方式不恰當等而引起投資者預期收益下降的風險。而商業銀行財務風險是指商業銀行在運營過程中，由于經營狀況不佳或資本結構不合理，加之缺乏對相關因素的預測和分析，導致銀行面臨預期收益與實際收益存在差異的風險。

3.主要的商業銀行財務風險預警模型類型

3.1單變量模型

Fitzpatrick（1932）最早開展針對財務危機預警的研究，他通過對單個財務比率的實證研究，發現在單變量模型中判別能力最高的指標是凈利潤/股東權益和股東權益/負債兩個比率。這也是最早的針對初期單變量模型的研究。Secrist（1938）最早將單變量統計法引入銀行風險分析，通過對美國1929-1933年間倒閉的735家銀行和未倒閉的121家銀行的近百個財務指標進行逐一單變量系統分析，試圖找出倒閉銀行與健康銀行在財務狀況上的差別。李秉成（2004）從財務困境形成角度、困境征兆角度，運用單變量財務困境預測方法探討上市公司財務困境預警系統，提出了兩類財務困境綜合分析方法：財務困境加權分析法和象限分析法，通過分析危機預警征兆初步判斷公司陷入財務困境的風險水平

單變量模型操作簡單，易于理解，但其分析結果過于片面，對風險的監測不夠全面，且易于被管理層操縱，更無法判斷危機爆發的時間，因此在現實中已很少被使用。

3.2多元判別模型

在單變量風險預警模型的基礎上，以Sinkey（1975）和Spahr（1989）為代表的學者將多變量分析法引入了商業銀行財務風險分析，通過建立判別函數，綜合統計分析各財務指標得出風險判斷值。在我國，熊維平和朱紅書（2001）通過主成分分析法對商業銀行的內部績效進行了綜合評價。鄭楠楠（2009）從我國商業銀行上市的背景入手，分析了上市銀行財務風險的來源、特點及其產生原因，并在此基礎上嘗試進行了平衡計分卡和EVA概念應用于上市銀行財務風險控制體系設置的探討，同時采用因子分析法對我國十四家上市商業銀行的財務數據進行分析，構建財務風險控制指標體系。

3.3線性概率模型

Meyer和Pifer（1970）最早使用線性概率模型來預測銀行破產。他們以39家破產銀行以及與之相配對的同時間、同地區、開業時間相似的正常經營銀行為研究樣本。研究結果顯示，在銀行破產前一至兩年，約有80%的破產銀行可以被成功地預測出來，但是三年以上的預測能力就不太理想了。鄭茂（2003）構建了財務預警評判指標體系，應用線性概率模型和Logistic模型作為商業銀行等金融機構管理層進行財務危機預測、信用風險定量分析的有效工具。佘雪鋒、楊瑾淑（2008）運用統計分析的方法，通過線性概率模型和Logistic模型，建立了我國商業銀行信貸風險預警模型，并通過實證檢驗證明了該模型具有較強的預測能力。

線性概率模型存在一些比較嚴重的缺點，一是誤差項異方差，二是概率的預測值可能在區間（O，l）之外。因此這種方法較少被采用。

我國對財務風險預警的研究起步較晚，在上世紀九十年代中期以前，我國正處于計劃經濟為主、市場經濟初步確立的時期，在這段時間，我國基本沒有出現關于財務風險預警的研究。到九十年代末，市場經濟體制改革使國內經濟成份結構發生了很大變化，國內學者開始了對財務風險預警的探索研究。進入21世紀之后，受到加入世貿組織、亞洲金融風暴、國際金融危機等的影響，我國學者對財務風險預警的研究急劇上升，其中規范性研究相對實證研究多一些，說明我國在此領域的研究尚處于初級階段，理論研究沒有很好地與國內經濟實際結合起來，并且實證研究中針對上市公司的財務風險預警研究較多，針對商業銀行的則一直很少。另外我國學者對財務風險預警模型及分析方法的研究大部分是基于國外已有模型和方法的研究，創新之處很少，國外研究隨日趨成熟，但由于各國資本市場環境不同、宏觀經濟政策不一致、行業發展程度存在差異等，因此，國外學者對商業銀行財務風險預警系統的先進研究成果對我國有一定的借鑒價值，但我們在應用的同時也必須考慮我國自身情況，創建出符合自己的理論體系。

[參考文獻]

[1]鄭楠楠.我國上市銀行財務風險控制體系研究[D].哈爾濱：黑龍江大學，2009.

[2]左淋丞.基于宏觀經濟影響的商業銀行風險預警模型的建立[D].長沙：湖南大學，2012.

篇7

[關鍵詞] 財務危機 相關分析 邏輯回歸 主成分分析 神經網絡模型

在過去的幾十年里，我國的證券市場一路經歷考驗和改革，取得了突飛猛進的發展。迄今，滬深兩市共有近1500家上市公司。然而，由于管理和操作的原因，許多公司都遭遇了財務困境，甚至因為財務風險而變成ST或PT公司，嚴重影響了公司的信譽和流通市值，同時也給投資者帶來巨大的恐慌和經濟損失。因此，這就需要在公司陷入財務危機前，找到一套切實可行的預警方法，為市場主體各方敲響警鐘，以促進上市公司及早采取應對措施，改善公司的財務狀況。

一、財務預警系統的指標體系

1.財務風險的定義

風險(Risk)是人們因對未來行為的預測及客觀條件的不確定性而可能引起的后果與預定目標發生多種負偏離的結合。企業總是在不同的風險環境下生存和發展的，經營企業離不開風險。

2.財務管理指標簡述

現在財務管理理論認為，衡量一個企業的財務狀況，取決于盈利能力、資產管理能力、企業償債能力和成長能力。因此，企業的財務指標可分成以下幾類: 償債能力指標、資產運營能力指標、收益能力指標、成長能力指標。在每一類指標中包括若干個財務比率指標，用這些指標來反映企業的財務狀況和經營成果。

(1)盈利能力指標

獲得利潤是企業生產經營的目的，也是企業生存發展的前提。反映企業盈利能力的主要指標有:每股收益(EPS)(全面攤薄)；銷售凈利率；銷售毛利率；資產凈利率(ROA)；主營業務利潤率；凈資產收益率(ROE)(全面攤薄)。

(2)成長能力指標

成長能力指標是對企業的各項財務指標與往年相比的縱向分析。反映企業成長能力的指標主要有: 每股收益(EPS)同比增長率(全面攤薄)；主營業務收入同比增長率；主營業務利潤同比增長率；總資產同比增長率；每股凈資產(NAVPS)同比增長率；每股現金流量增長率。

(3)營運能力指標

企業的營運能力即企業的資產運用效率，是指企業的營業收入凈額對各項營運資產的比率關系。一般而言，反映企業資產管理能力指標主要有:營業周期；存貨周轉率；應收賬款周轉率；流動資產周轉率；固定資產周轉率；凈資產周轉率；總資產周轉率。

(4)償債能力指標

企業償債能力是指企業支付債務的能力，它表明企業對債務的承擔能力和償還債務的保障能力。企反映企業償債能力指標主要有:流動比率；速動比率；保守速動比率；資產負債率；產權比率；有形凈值債務率；已獲利息倍數。

二、企業財務預警系統的構建

在上述基礎指標體系中的26個指標，并不是所有指標都能反映出漸入財務危機的企業與健康型企業的差異；并且，各指標對財務危機的預示程度也各不相同。一般可使用專家選擇法定性確定對財務危機敏感的指標，本文從實證分析出發建立數學模型，應用定量方法對上述指標進行篩選、提煉并綜合考慮進行預測。

1.數據來源

本文從滬深兩市所有上市公司中隨機選取64家公司作為樣本數據，其中有于2000年～2007年八年中被特別處理的34家ST公司作為財務困境公司的研究樣本，其選取標準為:

(1)會計年度的審計結果顯示的凈利潤為負值

(2)交易所證監會認定為財務狀況異常

其余30家公司為財務狀況良好的企業，作為健康型公司的研究樣本。利用WIND咨詢金融終端提取上市公司公布的相關數據，對于ST公司提取其被特別處理前一年度的數據（如＊ST濟百, 編號為600807，于2003年3月7日宣布進行特別處理，則提取該公司2002年度的26個指標值進行研究）。并將健康型企業賦值為1; ST企業賦值為0。

2.指標的篩選

正如上文所述，每個指標對企業財務困境的敏感程度有強有弱。在建立企業財務預警系統時，我們需要將26個基礎指標精簡，以那些能夠充分預警企業財務危機的指標作為預警系統的主要組成成分，本文利用相關分析方法和建立Logit邏輯回歸模型，根據指標對財務危機的敏感程度進行篩選。

(1)相關分析方法

描述客觀事物相互間關系的密切程度并用適當的統計指標表示出來，這個過程就是相關分析。兩個變量之間的相關程度通過相關系數R來表示。正相關時，R值在0和1之間；負相關時，R值在-1和0之間。

(2)Logit邏輯回歸模型基本思路

Logit邏輯回歸模型是一種非線性概率模型，其最大優點是,不需要嚴格的假設條件,克服了線性方程受統計假設約束的局限性,且具有了較其他模型更廣泛的適用范。

(3)指標篩選結果

利用EVIEWS軟件，對64個樣本數據進行分析，建立各個指標與公司財務狀況的相關關系和Logit邏輯回歸關系，通過分析結果，我們可以清晰的辨別出與陷入財務危機的企業相關性較大的指標。①通過觀察相關系數值，大于0.5的指標即具有中度相關性，大于0.8的指標具有高度相關性；②通過觀察各個指標Logit邏輯回歸模型的P值，可以判斷P值小于0.05的指標即為回歸系數顯著不為零，進而拒絕原假設，認為該指標的變動將對公司屬性（屬于健康型企業或是漸近財務危機的企業）具有不可忽略的影響。依據上述兩條判斷標準，選取以下指標作為預警系統的主要組成成分：每股收益(EPS)(全面攤薄)；銷售凈利率(NP)；資產凈利率(ROA)；主營業務利潤率(MR)；凈資產收益率(ROE)(全面攤薄)；主營業務收入同比增長率(IRG)；主營業務利潤同比增長率(IRP)；總資產同比增長率(IRS)；每股凈資產(NAVPS)同比增長率(INAVPS)；流動資產周轉率(LT)；總資產周轉率(TT)；流動比率(LDBL)；保守速動比率(BSSDBL)；資產負債率(ZCFZL)；已獲利息倍數(YHLXBS)。

3.利用主成分分析提煉指標

(1)主成分分析方法基本思想

主成分分析（Principal Component Analysis）是考察多個定量（數值）變量間相關性的一種多元統計方法。它是研究如何通過少數幾個主分量（即原是變量的線性組合）來解釋多變量的方差－協方差結構。

(2)主成分分析結果

在SPSS軟件中，對上述15個基礎指標進行主成分分析，有以下結論:①主成分F1和F2一起解釋了總方差的51.72％（累計貢獻率），這說明前兩個主成分提供了原始數據相當的信息。②前5個主成分特征根大于1，而其他主成分的特征值小于1，可以認為前五個主成分能概括絕大部分信息。③第一主成分、第二主成分與原始變量關系，可用下列線性組合表示:④依照上式計算64家樣本企業的F1和F2，為方便后續計算,記為：

4.應用神經網絡算法建立綜合預警系統

(1)神經網絡算法

人工神經網絡(Artificial Neural Network,簡稱ANN)是由大量神經元互相聯接而組成的復雜網絡系統,對非線性系統具有很強的模擬能力。此外,神經網絡的“黑箱”特性很適合預測領域的應用需要,它不需要任何經驗公式,就能從已有數據中歸納規則,獲得這些數據的內在規律,因此即使不清楚預測問題的內部機理,只要有大量的輸入、輸出樣本,經神經網絡“黑箱”內部自動調整后,便可建立良好的輸入、輸出映射模型。

(2)應用神經網絡建模

本文應用BP神經網絡方法中的一種feed-forward backprop建立模型，經過多次試驗，有三個模型擬和程度較好(見下表)。

三個模型的擬和程度十分相近，神經網絡的訓練步數均在10步左右即可達到目標。下圖展示了第二個模型的擬和程度和“黑箱”內的訓練步數。

5.模型的檢驗和評價

為了評價模型的優劣，本文隨機選取了10個上市公司的數據，分別為：伊泰B股、魯抗醫藥、亞通股份、青島海爾、中國鋁業、大化B股、平煤天安、ST天目、*ST成商、S*ST滬科，將其相關數據帶入模型進行檢驗。結果，除了ST天目的判斷出現錯誤，其他的模型擬合結果良好，應用該模型判斷的結論十分接近于真實值。

總的來說，采用MATLAB的神經網絡工具箱進行建模，取得了非常好的擬和效果，對企業財務危機的預警精確度高，且建模操作簡便。進一步研究上述神經網絡的三個模型，正確率均為90％，其中Model2效果最好，結果簡潔清楚，可以直接用于判斷預測企業是否面臨著重大的財務危機。而對于ST天目這個樣本數據，三個模型均在此預測出錯，有可能是公司提供的數據有出入。具體原因有待進一步分析。

三、結論

本文從四個方向26個財務指標出發，逐步進行指標的篩選、提煉和綜合考慮，混合使用了相關關系分析、Logit邏輯回歸分析、主成分分析方法，以及神經網絡模型，建立起上市公司發生財務危機前一年的預警系統，并應用其進行預測。模型的檢驗說明其擬和度達到90％。該系統為預警上市公司的財務危機提供了一個有效的方法。

參考文獻：

[1]衛海英 劉 瀟:SPSS在經濟管理中的應用.北京:中國統計出版社，2003

[2]龐 皓:計量經濟學.北京:科學出版社，2006

[3]盛 驟 謝式千 潘承毅:概率論與數理統計.北京:高等教育出版社，2005

篇8

關鍵詞：中小企業；財務風險；因子分析；多項logistics分析方法

世界經濟尚未從危機中回復，企業的生存條件惡劣，而中小企業更是由于經濟基礎差、技術管理水平低、規模小、發展時期短、融資困難以及經驗不足等問題的限制，面臨著更為嚴峻的生存壓力。這種情況下，建立一個更具個性化的有效的財務風險預警模型滿足中小企業上市公司財務風險預警工作的實際需要。

1、我國中小企業上市公司財務風險預警模型的提出

我國中小企業上市公司財務風險預警模型應在中小企業自身一些特定條件下運用會計要素及其結構指標針對風險因素進行描述、分析、預測，最終形成具有中小企業上市公司自身特點、特色的中小企業上市公司財務風險緊急預案。

1.1財務風險預警模型的幾個前提

（1）中小企業上市公司的特異性是通過某項指標進行統計學分析后獲得的，并以此作為中小企業上市公司的特異性的來源，本文以行業細分作為代表，在實際應用中可以再用資本額、所屬地域等指標進行細分，目的是保證中小企業上市公司的特異性具有實際上的比較意義。

（2）模型形成的變量不是一個判斷值則只是一個描述值，描述值的目的是為了滿足中小企業上市公司財務風險緊急預案在數值描述上的需求，避免僅靠判斷值分析公司財務風險，而轉化為序列描述值的綜合判斷。

（3）中小企業上市公司財務風險緊急預案是中小企業上市公司財務風險預警模型數據序列描述值的實際預警值啟動程序。

1.2模型分析方法

一是采用多個獨立變量非參數檢驗方法，用于判定不同行業間的差異是否存在，為下一步模型檢驗提供依據。二是多項Logistic模型分析，用于在多個獨立變量非參數檢驗方法判定行業差異化后，進行財務模型指標的選擇。

2、實證測算分析

2.1中小企業上市公司財務數據來源

從A股市場選取中小企業上市公司77家，數據報告取自國泰安數據庫官方網站，為了研究的方便，本文將制造業作為基準行業，即行業4，房地產、綜合定義為行業1，IT、電力、化工、紡織、服務定義為行業2，其他類別定義為行業3，通過4個行業的分析，分析與基準行業4制造業的差異。

2.2變量選擇

從企業財務報告中披露的償債能力、營運能力、盈利能力、成長能力、現金流量指標五個方面選取了資產負債率等20個財務指標作為自變量進行分析。

2.3多個獨立變量非參數檢驗

以行業為分組變量進行檢驗，采用Kruskal-Wallis H檢驗和中位數檢驗。

由分析結果可見，流動比率、速動比率、營運資金比率與行業相關。

以中位數檢驗，可以得到利息保障倍數、總資產凈利潤率、銷售凈利率、計算結果。可以得到利息保障倍數、總資產凈利潤率、銷售凈利率與行業有關。

所以在之前的研究中以中小企業上市公司財務數據來源中ST、非ST分類，事實上是具有局限性的，盡管在研究中數據出現了Kruskal-Wallis H檢驗和中位數檢驗不一致的原因，但是可以明確的是針對不同的行業進行的我國中小企業上市公司財務風險預警模型研究更具有針對性，更適合企業進行序列描述性工作。

2.4多項Logistic模型分析

選定了20個變量進行非參數檢驗以判斷與行業的關系，實際上在多項Logistic模型分析過程中，變量自身也存在著相關性，指標包含的信息可能存在許多重疊部分或冗余部分，容易使真實信息被扭曲進而導致做出錯誤的判斷。所以首先進行數據簡化分析工作，采用因子分析來進行此項工作。

先對量表進行KMO測量和Bartctt球體檢驗， KMO值為0.629，大于0.6，表明適合進行因素分析； Bartlett’s球形檢驗結果P值小于0.001，拒絕相關系數矩陣為單位陣的原假設，說明各指標間的相關性較強，可以進行因子分析。因子分析結果表明六個因子基本上符合了要求，六個因子（即：流動比率X1、速動比率X2、現金比率X3、營運資金比率X4、資產負債率X5、股東權益比率X6）共解釋總方差72.042%，基本能代表原變量方差的信息。所以在多項Logistic模型分析過程中，選取6個主成分帶入后向逐步法引入變量，回歸方程，模型顯著。

所以參照行業4，行業1、2、3有以上回歸方程，通過研究77家中小企業上市企業運用多項Logistic模型實證分析出了以行業為特異性代表的中小企業上市公司財務風險預警模型。由于本文是根據方程最終擬合值計算指標數，所以多項Logistic回歸未進行顯著性剔除，目的是結合多個獨立變量非參數檢驗分析結果更為直接的反映中小企業上市企業實際模型計算數值，提高擬合度。

變量中流動比率X1、速動比率X2、營運資金比率X4、資產負債率X5顯著，預警模型方程為：以行業4為基準

Logit[P(行業=1|X1,X2,X4,X5)]=-1.904+1.557X1-2.931X2-0.509X4-0.395X5

Logit[P(行業=2|X1,X2,X4,X5)]=-1.441-1.171X1+2.061X2-0.485X4-0.379X5

Logit[P(行業=3|X1,X2,X4,X5)]= 2.352-6.896X1+5.312X2+0.315X4-0.730X5

由此可見，不同情境模式下（本研究以行業為基準）是不同的，所以在之前的研究中以ST、非ST分類是存在一些欠缺的。

7.1 研究結論

1. 非參數檢驗過程說明，針對不同情景，財務指標的差異性是存在的，以上雖然采用Kruskal-Wallis H檢驗和中位數檢驗，所提示的財務指標項目并不相同，甚至沒有交集，主要原因是數據，個別行業的樣本數太少，更大規模的數據驗證工作可以完成更為準確的行業公司財務風險預警模型設計工作。

2. 多元Logistic模型與一般的ST、非ST分類不同在于，情景模式的多元使得多元Logistic模型代替了二元Logistic模型，增加了數據計算量，同時財務指標的選擇成為了更重要的內容，以上選擇了20個指標，因子載荷分析后，形成了6個，在Logistic模型以這6個指標建立了涉及4種行業情景模式的Logistic模型回歸方程。

3. 提出了解決公司財務風險問題需要有系統的預警預案機制，即公司財務風險預警模型起到的僅是數據描述作用，不應該放大公司財務風險預警模型成為判斷作用，公司財務風險預警預案機制來保證公司財務風險預警成為一個系統的財務管理方法，公司財務風險預警模型是具有公司個性化特點的一個重要組成部分，整體體系需要有一個綜合預防方法。

參考文獻

[1] 王艷.基于Logistic回歸方法的上市公司失敗預警模型研究[D]，合肥:合肥工業大學.2006；

[2] 梁娟.我國中小企業板上市公司財務風險預警的探討[J].科技情報開發與經濟,2007（16）；

[3] 郭志等.我國上市公司財務困境預警研究[J].當代經理人,2006（3）；

篇9

關鍵詞：建筑行業上市公司；財務預警；邏輯回歸模型；非財務指標

中圖分類號：F23

文獻標識碼：A

文章編號：16723198（2015）22012503

0引言

財務預警的研究方法主要有定性和定量預警分析方法兩大類，基于財務變量的研究，雖說有一定的預警效果，但它很難全面覆蓋與財務危機有關的完整信息，某些不能量化的非財務變量可能是導致財務危機的關鍵部分，特別是建筑行業，一旦疏忽了這些變量，模型便有失全面性，所以本文嘗試引入非財務指標，驗證它能提高財務預警模型的準確性。

1引入非財務指標構建建筑行業財務預警模型

1.1樣本與數據選取

1.1.1本選取

本文針對建筑行業上市公司2011-2014年的數據進行研究，以建筑業上市公司是否發生財務危機作為因變量，以若干財務指標和非財務指標作為自變量來進行實證研究。借助國泰安數據庫和巨潮咨詢網，以2014年的73家建筑行業上市公司為研究樣本，剔除1家B股上市公司。從連續性的角度入手，剔除了上市時間不滿5年的和已退市公司18家。從數據可獲得性的角度考慮，又剔除了數據不全的建筑類公司4家。最終選取了以東華科技為代表的50家建筑行業上市公司為研究樣本。

1.1.2數據選取

本文研究的是首次出現財務危機的前三年的數據，將首次出現財務危機的當年記為t年（即2014年），將發生財務危機的前一年、前兩年、前三年分別表示為t-1年、t-2年、t-3年。而上市公司在第t年是否被特殊處理是建立在t-1年的財務報表的基礎上的，即：一旦獲取某一上市公司的（T-1）年的財務數據，我們就幾乎可以斷定該公司是否會因為“財務狀況異常”被ST，所以研究t-1年的數據無實際意義。本文重點研究了t-2、t-3年的財務數據和非財務數據。

1.2預警指標的選取

1.2.1財務指標的選取

本文從盈利、償債、發展、經營能力等角度出發，選取了如表1財務變量進行研究。

1.3實證研究

1.3.1樣本所屬類別分析

從各個樣本公司的財務報表中可以發現，有一些健康公司的財務狀況外在表現與財務危機公司相似，因此為了避免單純依靠ST作為判斷標準而產生誤判的可能性，本文通過聚類分析方法對樣本進行初步的分類，使具有近似特征的樣本聚集在一起，同時使差異大的樣本分離開來。論文通過聚類分析法區分出財務危機和健康公司。

聚類分析結果表中數字1表示健康公司，數字2、3、4代表存在財務隱患的公司，共7家，其中就包括了2014年建筑行業的所有ST上市公司，同時結合滬深兩市對當年公司經營的其他披露信息，本研究中判定這7個公司屬于財務危機公司。

1.3.2變量數據K-S檢驗

K-S檢驗能檢驗出樣本是否服從正態指標，是擬合優度的檢驗方法之一，一般以顯著性水平=0.05為分界線。若Asymp.sig值大于0.05則說明服從正態分布，若小于0.05則說明不服從正態分布。

根據SPSS15.0的輸出結果，可以看到：t-2年中Asymp.sig值大于0.05的指標有：X1、X2、X3、X4、X5、X8、X9、X19、X21、X22、X24、X25、X26、X27、X28、X29、X39，即這些指標服從正態分布。其余的指標Asymp.sig值均小于0.05，說明這些指標均不符合正態分布。

同理，t-3年中服從正態分布的指標有：X1、X3、X4、X5、X6、X16、X19、X21、X28、X29、X30，其余均不符合正態分布。

1.3.3顯著性檢驗

（1）T檢驗。

將K-S檢驗中符合正態分布的指標進行t檢驗，即對研究樣本t-2、t-3年的數據分別進行兩組獨立樣本t檢驗，目的是檢驗指標中財務危機公司和財務正常公司是否有顯著性差異，一般設定顯著性水平為5%，若α值小于5%，則表示通過T檢驗。反之，則未通過。將通過正態分布的t-2、t-3年各指標導入SPSS進行t檢驗。

在t-2年的t檢驗的輸出結果表中可知α值

（2）U檢驗。

對未通過K-S檢驗的不符合正態分布的指標進行兩組獨立樣本U檢驗。如果概率p值小于0.05，則表示具有顯著性差異，否則，沒有明顯的差別。本文運用SPSS15.0對t-2、t-3年的指標進行U檢驗。

在t-2年的U檢驗結果表中可以看出p

綜合t檢驗和U檢驗的輸出結果，我們發現在t-2年具有顯著性差異的指標有12個，這些指標均能反映財務危機和健康公司的差異，適合作為引入模型的指標。而t-3年的有6個，t-2年中具有顯著性差異的數量明顯多于t-1年的數量，說明越接近被St的年份，其差異性表現的越明顯。相比于t-3年，t-2年指標的顯著性較為明顯，所以，本文著重利用t-2年的顯著變量建立預測模型。

1.3.4多重共線性診斷

建立邏輯回歸模型時，并不是解釋變量引入越多越好，因為引入越多，存在多重共線性的概率也就越大，而共線性會直接影響邏輯回歸模型的預測準確度，因此，進行多重共線性診斷很有必要。共線性診斷的結果見表3。

共線性診斷的判斷標準是：若VIF>10，則具有共線性，應當刪除該指標；若VIF10，容忍度較小，表示這些指標之間具有共線性，應加以去除，用剩余的指標X4、X5、X18構建邏輯回歸模型。由于X28、X29、X39是非財務指標，不具有連續性，可直接放入綜合模型中。

1.3.5Logistic模型建立

運用二元邏輯回歸分析，由于因變量并不屬于定量數據，所以設置虛擬變量，本文設定發生財務危機公司的Y值為1，健康公司Y值為0，通過之前檢驗的指標為自變量，對樣本數據進行迭代數據處理。其輸出結果如表4。

（1）純財務指標邏輯回歸模型。

根據表5，非財務變量具有明顯的顯著性，得出加入非財務指標的綜合模型為：

Y=ln[p/（1-p）]=2.913-3.729*X5-0.286*X18-0.105*X28

2預警模型的運用

為了進一步檢驗財務預警模型的預警結果，本文進行回判檢驗。本文以0.5的概率值為劃分標準線，對模型進行回判檢驗。判斷標準為：若P值>0.5，則判為財務危機公司；若P值

2.1純財務邏輯回歸模型的模型回判

根據表7可以看出，43家健康公司被測出有2家為財務危機公司，準確率為95.3%，7家財務危機公司被測出有2家是健康公司，準確率為71.4%，所以，基于純財務數據的邏輯模型的準確率為92%。

綜上，財務危機公司的預測準確性從42.9%提高到71.4%，整體的預測準確性從88%提高到92%，結果證明：引入非財務指標的綜合模型的準確性更高，能達到更好的預警效果。

理論上來說，大部分財務指標只是財務報表中的量化數據，而非財務指標則表現了公司的許多外在特征，它們能間接地表現出公司的營運管理狀況，從全新的視角來描述引起公司財務危機的不同潛在風險因素，能促使預警模型形成一個有機的整體。

實證上來說，本實證過程中股權結構的非財務指標X28（即第一大股東持股比例）的引入提升了對整體模型的預測效果（從88%提高到92%）。這體現出非財務指標對于預測財務危機的重要性，為了規避財務危機，公司應當多關注非財務信息。

3研究結論

（1）從建立的模型來看，盈利能力指標、發展能力指標等具有明顯的預警作用，通過K-S檢驗、T檢驗、U檢驗、共線性診斷篩選出的指標進入邏輯回歸模型方程，運用向后逐步選擇法，最終每股收益、主營業務利潤率、第一大股東持股比例這幾個指標進入方程，結果證明非財務指標有很好的風險預測效果。

（2）從t-2、t-3年的數據縱向比較來看，越接近St年份的數據其模型顯著性越強。

（3）從檢驗的結果來看，運用非財務指標對建筑行業上市公司進行財務危機預測能達到更好的預警效果，具有顯著性的影響，也說明本文的研究是可行的、有效的。

參考文獻

[1]李晶.基于財務與非財務因素的公司預警模型分析[J].暨南大學學報，2007.

篇10

一、企業主要財務風險類型分析

（一）籌資風險

在企業經營活動中，企業的資金主要包括權益資金和債務資金，權益資金主要是指投資者投入企業的資金。債務資金則是企業向銀行或其他機構借入的資金。企業在生產經營過程中，由于生產需要而產生籌資行為，使得企業不得不面臨由于各種不確定因素而產生的還本付息、資金使用效率與不確定性。

（二）投資風險

在生產經營過程中，當有閑置的資金時，企業將在考慮各種因素的基礎上進行投資行為，目的是為了獲取更多的利潤。一般來講，企業的投資可分為兩種，一是內部投資，二是外部投資，如購買股票和債券。無論是內部投資還是外部投資，企業都面臨著收益不確定性的風險。

（三）資金回收風險

主要有兩方面：一是客戶信用產生的風險，二是應收賬款產生壞賬造成的風險。企業在銷售環節中，由于過多重視銷售業績，從而忽略了對應收賬款的控制。為了擴大銷量，增加市場占有率，進行盲目賒銷，而不去調查客戶信用等問題，從而加大了資金回收的風險。

（四）收益分配風險

收益分配是企業資金運作的最后一個環節，是企業將財務成果分配的過程，目的是為了調動投資者的積極性，提高企業的聲譽。但是收益的分配有可能影響到企業今后的生產經營，無法及時籌措資金，從而影響企業資金的流動，降低企業償債能力水平。由于這種不確定性，影響企業股票價值，挫傷股東的投資積極性。所以，企業要制訂合理的收益分配方案，保證資金的正常流動，同時要兼顧投資者的利益和企業的長期經營，促進企業更好更快發展。

二、企業財務風險形成的原因分析

（一）外部因素導致財務風險

外部因素主要包括經濟因素、社會因素、法律因素、社會文化因素。這些因素的變動會給企業的財務和生產經營帶來難以預見的結果，如自然災害、政治形勢造成的企業無法規避的風險。例如，2007年的金融危機造成許多企業資金鏈斷裂，對出口型企業產生了極大的負面影響。

（二）連帶擔保責任引發財務風險

企業在資本運營過程中，由于管理層風險意識缺乏、風險防范水平差，而且在進行財務決策過程中，缺乏科學合理的分析，主觀性強，造成財務決策失誤，為其他公司進行擔保再加上自身為子公司和客戶的債務擔保，使企業面臨著巨大的債務危機，蘊藏著財務風險。

（三）過度融資導致資本結構不合理產生債務風險

企業在經營中適度負債可以彌補自身資金的不足，獲得財務杠桿收益。但是，過度融資使得負債比例過高，企業承擔巨大的償債危機，一旦出現償付能力不足，就可能影響即期債務支付，導致到期債務不能償還，引發嚴重的債務危機，導致債務風險。

（四）多元化經營不當產生財務風險

許多企業實施多元化經營的目的是為了擴大市場份額，但是，使用不當，反而會給企業帶來一定的財務風險。主要是由于盲目多元化，降低了企業的核心競爭力，使得原來的優勢喪失，抗風險能力降低，導致企業資金缺乏，周轉不靈，反而拖垮優勢產業，出現財務危機。

（五）追求銷量而導致財務風險

過度追求銷售業績而大量采用賒銷方式銷售產品，大量應收賬款造成企業優質資產長期被債務人無償占有。此外在預約賬款和應收賬款方面因為沒有建立完善的客戶資信評價制度，沒有及時跟蹤客戶的經營現狀及付款情況、對客戶的信用等級適時調整、針對客戶采取不同的貸款支付和回收方式，導致企業經營中現金流出現斷裂，演進成財務危機。

三、企業財務風險的防范與控制對策

（一）研究和把控宏觀經濟環境

財務風險大多來自于宏觀經濟環境，企業應關注宏觀經濟環境的變化，對其進行認真的分析研究，把握國家的宏觀經濟改革，遵循宏觀經濟規律。調整企業的財務風險管理的方法和措施，提高企業外部環境的適應能力和財務管理的應變能力，降低外部因素給企業財務帶來的風險，促進企業財務狀況不斷優化。

（二）建立財務預警分析指標體系，建立財務風險識別與預警體系

1. 通過科學的財務識別方法，建立短期財務預警系統。財務風險識別是通過對數據的分析進行科學決策的過程。它避免了主觀判斷的不科學性，以財務指標為變量，采用線性方法和人工智能方法進行分析。同時，企業將財務報表進行分析，預測企業短期的負債狀況、盈利能力、現金流動能力，以周、月、季、半年、一年為期，實施短期財務預警，實現企業業務科學化、合理化。

2. 完善財務制度，建立長期財務預警系統。企業要不斷完善各項財務管理制度，有效監督企業的財務狀況，充分發揮財務在企業管理中的作用。同時，企業要結合自身的實際情況，建立長期財務預警系統，通過長期財務預警系統，不斷整合企業內外重要的財務信息，并對信息進行分析，反映企業的獲利能力、償債能力和經濟效率，并采取相應措施。在這個過程中，通過財務預警信息的傳遞，建立企業和各部門之間的信息和資源共享，提高企業經營效率。

（三）加強企業內部控制，強化財務風險管理

企業領導要重視內部控制，將內部控制落到實處，同時要建立健全內部審計機構，對內部控制進行檢查和監督，以便企業進一步改進與完善。同時，企業在生產經營中要加強財產控制，通過對企業存款和應收賬款的管理，加快資金的周轉速度，將風險管理貫穿于各個環節、各類業務中，通過風險管理進一步完善財務資料，有效防范和化解財務風險。

（四）強化風險資金管理，提高資金使用效率

1. 合理運用資金，提高資金的運營效率。妥善安排資金的使用，保證資金產生最佳效果，避免資金出現周轉困難。

2. 強化應收賬款管理。第一，建立客戶信用額度。第二，做好賬款分析。企業應對不同客戶的應收賬款的時限進行分析，重點監控賒齡長的應收賬款。第三，加強壞賬管理。對企業的應收賬款要定期檢查，嚴格審批壞賬損失，同時對逾期的應收賬款要重點關注，防止發生壞賬損失，對死賬、呆賬、在取得確切證據以后，進行妥善的會計處理。

（五）提升企業融資能力，優化資本結構

企業融資要綜合運用多種方法和手段，根據自身的風險控制能力選擇有利的資本結構。要慎重考慮資金成本、財務風險，要短、中、長期相結合，防止盲目舉債。

（六）建立健全企業內部審計機制

企業內部審計機制是企業內部財務風險控制體系的重要組成部分，企業通過建立專門的內部審計機構，能夠充分發揮對企業內部財務風險的控制作用。企業可將不同部門的風險評估結果及時向領導反饋，以便及時改進工作，提高內部審計效率，最終提高企業的管理水平。

（七）重視現金流量，實施資金的集中管理

資金是企業經營的命脈，是企業生存和發展的基礎，貫穿于企業生產經營的各個環節，如何保持現金的合理流動，關系著資金的使用效率。企業應從不同方面入手，如籌資、投資和經營活動方面，全方面擴展資金渠道，加快資金的流轉速度，不斷增強企業的現金流動，防范和控制企業的資金風險。