緒論：寫作既是個人情感的抒發，也是對學術真理的探索，歡迎閱讀由發表云整理的11篇財務比率論文范文，希望它們能為您的寫作提供參考和啟發。

篇（1）

自2005年7月21日以后，人民幣匯率不再盯住單一美元，開始實行以市場供求為基礎、參考一籃子貨幣進行調節、有管理的浮動匯率制度，形成更富彈性的人民幣匯率機制。從改革運行至今,人民幣對美元表現有升有降,對歐元、日元趨勢也是如此,但幅度不大。盡管如此，來自各方面的迫使人民幣升值的壓力仍然不小，目前，國內的許多學者對人民幣匯率的討論主要集中在人民幣匯率的形成機制、人民幣匯率變動對國民經濟的影響等方面，對于人民幣升值的財務影響及對策方面卻極少涉及。本文在假定人民幣匯率仍有升值壓力的前提下，分析了人民幣升值對公司財務的影響，并提出化解匯率風險的對策。

人民幣升值對公司財務的影響對公司財務費用的影響

財務費用是公司當期發生的費用中的重要組成部分，是本期發生的直接計入損益的費用，財務費用的大小將影響公司的凈利潤。匯兌損益是財務費用核算的主要內容之一，它是指在持有外幣貨幣資產和負債期間，由于外幣匯率變動而引起的外幣資產或負債的價值發生變動而產生的損益。

人民幣升值影響公司財務費用體現在：人民幣升值后，等量的外幣只能換回較少的人民幣，對于擁有外幣債務余額（如外幣短期借款、長期借款、應付賬款）的公司，外債折算為人民幣后的匯兌損益將會減少，從而減少財務費用，而財務費用具有稅收擋板的作用，它的減少將增加當期的凈利潤。因此，人民幣升值后，擁有外幣借款、應付賬款等外債的公司將因此受益。如某公司2004年底有日元貸款折合人民幣為15億元，人民幣升值2將因此每年減少公司財務費用450萬元（利息支出減少150萬元，本金減少300萬元），對公司整體盈利狀況影響接近0.01元/股。對于擁有外幣貨幣性資產（如外幣現金、外幣銀行存款、應收賬款）的公司，人民幣升值后，用人民幣計價的匯兌損益將會增加，從而增加財務費用，減少當期的凈利潤。因此，人民幣升值后，擁有外幣貨幣性資產的公司將因此遭受損失。如某電廠擁有1.79億美元和141億日元的應收賬款，人民幣升值2將使公司增加約人民幣300萬元的財務費用，這將影響到公司整體盈利狀況。

對公司籌資成本的影響

匯率的“國際收支決定論”認為，一國的國際收支狀況是影響匯率最直接的因素之一。當一國有較大的國際收支逆差時，對外匯的需求大于外匯的供給，本幣對外貶值；反之則會造成本幣升值。從國際收支狀況看，我國的經常項目和資本項目收支從1994年人民幣匯率并軌以來一直維持較大的順差。特別是近幾年，我國成為全球最大的資本流入國，每年流入的國際直接投資高達500億美元左右。這種經常項目和資本項目雙順差的狀況使得我國近年來的外匯儲備節節上升，截至2004年年底我國外匯儲備已達到6099億美元，較2003年年底增加了51.3，成為2004年全球外匯儲備增加最多的國家。經濟的快速增長，外匯儲備的增加，國際收支順差的擴大又進一步增加了人民幣升值壓力，加劇了國際短期資本的流入。

我國對人民幣匯率的調整影響了外商對我國的投資熱情，導致海外對華投資的縮減。據報告，受人民幣升值影響，我國2005年7月末外匯存款余額1605億美元，比上月減少48億美元；8月末，外匯存款余額為1611億美元，雖比上月增加6億美元，但遠低于8月份人民幣各項存款增加額4364億元。從籌資的角度看，缺少外資或者是外資驟減將影響公司的權益資金的籌集，當公司急需資金時，只能轉向其他的負債融資。受資金供求關系的影響，在資金供給數量一定的情況下，資金需求量增加，籌資成本必然上升。同時，負債資金增加，將帶來財務杠桿的效應，如果投資利潤率高于資金成本率，則負債融資將為公司帶來額外的收益，反之，將給公司帶來較大的財務風險，影響公司的效益。

對營業費用的影響

營業費用是指公司銷售過程中發生的費用,包括運輸費、展覽費、廣告費以及為銷售本公司產品而專設的銷售機構（含銷售網點、售后服務網點等）的職工工資及福利費。營業費用直接計入當期損益，營業費用的大小將影響公司當期的業績。

隨著我國經濟的快速發展，產品國際競爭力的大幅提高，國際貿易盈余、外國直接投資、外匯儲備持續增加，西方發達國家感到了壓力，擔心我國會影響其在全球的經濟利益，因此，世界主要國家仍就人民幣升值問題向我國施壓，希望通過提升幣值的方式，削弱我國產品提高本國產品的國際竟爭力，達到維護本國產業和經濟利益的目的。

人民幣升值將對以價格優勢為特色的我國產品造成嚴重打擊。由于人民幣升值后，進口受到鼓勵，進口商品變得便宜，出口減少，結果，本國市場上供給越來越多，本國商品和進口商品之間的競爭激烈，為使公司的商品能在市場上占有一定的份額，增加商品的國際競爭力，許多公司將會在營銷方面多下功夫，如擴大產品宣傳、增設銷售網點等，屆時，營業費用將大幅增加，影響公司的經營業績。

應對人民幣升值的財務對策

關注匯率的變動趨勢

要關注美日等國對人民幣匯率態度。以美日等為代表的各國對人民幣的態度將直接或間接地影響人民幣匯率的趨勢。2003年7月6日閉幕的亞歐財長會議上，日本、歐洲各國相繼提出了人民幣升值的要求。到了2005年前后，國外分散的壓力逐步演變成為發達國家的國際共識：日本、美國、歐盟等主要發達國家，或基于國內經濟的需要，或迫于國內政治的壓力，要求中國改變匯率制度，或徑直要求人民幣升值。在此背景下，盡管2005年7月人民幣匯率有所上調，但上調的幅度不大，未達到西方主要國家的預期，人民幣來自國外的升值壓力仍然不小。

關注美國聯邦基金加息情況。按理說,美元加息在一定程度上可以緩解人民幣的升值壓力。因為,美元利率的持續上升支撐了美元,美元資產的吸引力會引起國際熱錢回流美國。尤其是在中國的匯率形成機制改革平穩實施后,目前美元短期利率已上升至4,高過人民幣短期利率2.25（稅后利率約為1.8）的水平,由此將大大緩解國際熱錢對人民幣匯率升值的巨大沖擊。但有專家分析指出,當前人民幣的升值幅度仍然遠遠低于美國等國的預期目標。當人民幣升值幅度難以滿足它們的要求時,人民幣升值壓力就很難減輕,相反這種壓力將長期存在。所以,美元持續升息并不能從根本上緩解人民幣升值壓力,人民幣升值壓力將繼續以經濟問題的形式來反映政治問題的實質而長期存在。

關注國內學者對人民幣匯率的態度。國內的一些知名學者，專門研究人民幣匯率的形成機制，匯率升值的幅度、時機，升值后對我國經濟的影響等。這些對于公司財務管理人員來說，是很好的參考資料。此外，人民幣匯率變動后，市場上的各種價格會隨之發生變動，諸多因素，例如大宗商品的價格，房地產價格，都會有影響。

作為公司財務管理人員，應關注人民幣匯率變動的國內外宏觀經濟環境，關注人民幣升值對產業內部可能造成的影響，時刻保持警惕性，及時調整相應的財務決策，減少匯率波動所帶來的損失。

適量持有外幣靈活管理外幣債權債務

2005年7月21日，中國人民銀行宣布美元/人民幣官方匯率由8.27調整為8.11，人民幣升幅約2。人行還宣布每日銀行間外匯市場美元對人民幣的交易價在人民銀行公布的美元交易中間價上下千分之三的幅度內浮動，非美元貨幣對人民幣的交易價在人民銀行公布的該貨幣交易中間價上下0.15幅度內浮動。作為公司財務管理人員，應堅持“盡早結匯，適量持有外幣、靈活管理外幣債權債務”的原則。“盡早結匯”是指公司收到外幣時，盡快結算成人民幣，由于人民幣還有升值的趨勢，央行總是根據實際經濟運行狀況來決定人民幣升值的時機和幅度的,所以財務管理人員應認真分析匯率的發展趨勢，減少央行突然宣布人民幣升值對公司的沖擊。“適量持有外幣”是指對于出口、進口額均較大的外貿公司，可持有適量外幣以應付日常之需，避免因外幣不足所引起的短缺成本的增加，但應注意持有外幣的時間不宜過長，以避免匯率變動帶來的損失。“靈活管理外幣債權債務”是指公司對于外幣類債權債務的管理要講究方法，權衡利弊，選擇能降低財務費用、使公司效益最大化的策略。如對于外幣“應收賬款”，要講究收賬政策和收賬方法，改變信用政策，加速資金的回籠。而對于外幣“應付賬款”，在不影響公司信譽的情況下，盡量延遲進口材料或延遲付款，或改變貨款結算方式，如采取遠期信用證結算方式或以人民幣計價等。

適當增加外幣債務

如果一些外資預計人民幣將進一步升值，必將選擇最佳時機大量涌入中國，但因一時找不到好項目，就先存放在銀行，到時資金供給將相對充裕，籌資成本會有所下降，公司可利用這一時機適當多舉債，較好地利用財務桿杠為公司帶來收益。所以，對于有人民幣升值預期的公司來說，可適當增加美元債務，這是一種較好降低融資成本的財務決策。增加美元債務的方法很多,諸如增加美元貸款、借外幣負債、將人民幣借貸變成外匯借貸、盡可能償還人民幣貸款、將要到期的國外貸款推遲還款等。

加強公司內部控制

內部控制包括控制環境、風險評估、控制活動、信息與溝通、監控等五個相互聯系的要素。嚴謹的內部控制，要對公司經營管理的各個方面實行全方位的有效控制，把公司的各項經濟活動全面置于經濟監控之中。由于匯率升值后可能影響到產品在國際市場上競爭力不足，公司可重點從以下方面加強內部控制，一定程度上抵消人民幣升值帶來的營業費用增加的影響：

加強資金管理。要由專門的財務人員對資金特別是外幣資金的籌集、調度、使用、分配等進行籌劃，并由相關人員實行嚴格控制，防止資金體外循環。

嚴格控制成本費用。公司可在成本控制和定價上下功夫，降低成本應從現在逐步開始，待人民幣升值時，公司依然能夠向客戶報出有競爭力的價格。對于成本控制，可在“采購成本和制造成本”上下功夫，并盡可能“降低費用率”等。如福耀玻璃公司推出了一整套“全面的戰略成本規劃”，通過降低設備使用成本、人工成本、材料成本和提升工藝和技術水平，保持成本競爭優勢。預計公司到2006年能夠將成本降低15％－20％，因此，即使人民幣有一定幅度的升值，“福耀”也能夠保持成本和價格的競爭優勢。

建立相應的激勵約束機制，把財務管理人員的短期行為長期化。公司可以根據其自身的特點和需要建立相應激勵約束機制，通過公司的激勵和約束，使公司財務人員更關注匯率的影響及公司長遠的發展，及時采取策略應對人民幣升值對公司的影響，提高公司的效益。

在經濟日益全球化的今天，一個國家的匯率自由化應是大勢所趨。不管國際市場有沒有施加壓力，中國目前出口強勁，外匯儲備充足，對外部環境變化也有了較強的承受力，逐步調整人民幣匯率、增加貨幣政策的獨立性是我國未來的匯率趨勢。作為財務管理人員，應未雨綢繆，關注時勢的發展變化，從成本控制、增加原材料進口等方面，通過各種不同的途徑積極籌劃，即使不久的將來人民幣再升值，也可以最大限度地控制匯率風險。

篇（2）

一、當前使用現金

流量財務比率的基本狀況在我國作者編寫或編著的、于2002年到2005的年之間版的《財務管理》教材中．筆者搜集到32本(因篇幅限制未列明)。完全未提及現金流量指標的有8本，占25％：在余下的涉及現金流量指標的24本教材(以下稱可比樣本)中，將現金流量分析獨立于傳統的資產負債表和損益表分析的有9本．占可比樣本的37．5％。無論是單獨對現金流量進行分析還是將現金流量分析與傳統財務評價結合一起．這24本教材都主張按不同的分析目的來設置指標：全數表示現金流量表項目可用于償債能力評價．但其中有6本教材僅僅設置“現金比率”這一個指標：有12本教材設置了獲現能力或叫獲利能力分析的指標．占可比樣本的50％；有9本設置了盈利質量分析指標．占可比樣本的37．5％；還有6本寫明了要進行財務彈性分析．占可比樣本的25％

仔細分析教材中使用的評價指標，大致可以歸納為27個．分屬四種分析目的。償債能力分析指標最為大家認可，其出現的頻率達n44％，其次是獲現能力指標，頻率為36％，財務彈性指標占l1％．盈利質量指標占9％。具體到各財務比率．公認程度最高的是經營現金凈流入／流動負債．其出現的頻數達到19％經營活動現金流量／n期債務本息、經營活動現金流量／到期債務、現金及現金等價物／流動資產、經營活動現金流量／全部債務、經營活動現金流量／平均總資產等五項財務比率的認同程度也較高．均達9％。

二、現行教材中現金流量指標設置存在的問題

(一)夸大現金流量表的作用

如前文所示．約四成的教材將現金流量分析獨立于傳統的資產負債表和損益表分析之外．說明仍有不少人將現金流量分析視為與傳統財務分析并列的～部分事實上，現金流量表作為傳統兩表的橋梁．其作用不可能超越他們。其次．現金流量表的編制基礎與傳統兩表不同．它不可能取代后者．因而不可能獨立存在。而且．現金流量表也存在人為操縱的可能。比如：年末時大量回收貨款或大量借款、有意調整“現金”概念．將本來就是現金范圍的現金歸口為非現金項目以增加現金流量、將現金流量表的各項數據同時調增或同時調減．以達到調節表內各項目數據的目的。

(二)指標名目繁多，未能突出現金流量表的作用

1．將結構比率、趨勢比率等不屬于財務比率的指標吸納進來財務比率是將企業某個時期財務報表中不同類但具有一定關系的項目進行對比而形成的比率．其數據均來自一個會計期間．不同于趨勢比率：這些數據屬于不同類項目，因而有別于結構比率：2．納入了非現金流量指標。如：現金及現金等價物之和／流動資產．數據可以從資產負債表中獲取而不必從金流量表中獲取：3．將非財務指標納入體系。如：最大負債能力——經營活動現金流量與市場利率之比中．市場利率在財務報表中不能獲取．超出了財務比率的范疇。

(三)指標命名欠規范，容易混淆

1．同一指標．名稱不同“經營活動現金凈流量／流動負債”這～比率就有現金償債比率、現金流動負債比率、現金流量比率、短期債務現金流量比率、現金流量負債比等7種名稱：2．有的指標“名不符實”，如：利潤變現比率；經營活動凈現金流量／營業利潤．公式中分母僅限于營業利潤，而指標名稱卻叫“利潤”變現比率，外延大多了；而且，利潤與現金的關系并不是變現的過程，這與傳統的資產“變現”概念相背，不利于對指標的理解。

(四)指標的計算公式有爭議甚至有錯誤

1．現金比率一般是指現金及現金等價物之和與流動資產的比值，有學者將計算式的分母取作總資產。還有人取作流動負債：2．經營活動現金凈流量／流動負債，也有人將分子取作“經營現金流入”：3．現金利息保障倍數有(經營活動凈現金流量+利息支出+所得稅付現)／現金利息支出及(利潤總額+利息支出)／n息支出兩種計算公式：后者更粗略一些，因為利潤總額未考慮到非付現費用及非經營所收或所付的現金；，分子分母顯然口徑不一．會導致錯誤計算。

三、包含現金流量項目的財務比率體系

鑒于現金流量表與傳統資產負債表和損益表之間存在緊密聯系．重構的財務比率體系是以同一時期三張報表的相關項目計算而成的比值為主體，剔除所有的結構比率、趨勢比率．按不同報表使用者分為四個方面——傳統的償債能力分析、盈利能力分析、營運能力分析和增設的財務彈性分析，不再對現金流量進行單獨評價

(一)償債能力分析

現金是償還債務最直接的工具．也是最終的償債手段。在傳統的速動比率、資產負債率等指標的基礎上，補充以下包含現金流量信息的財務比率：1．短期償債能力指標現金流量比率=經營活動現金流量／流動負債．該指標反映企業在經營活動中獲得現金償還短期債務的能力。其值越高．對短期債權人的本金保障程度越高但由于現金的流動性最強．其盈利能力也最差．該比率值過高．說明企業沒有充分利用現金造成資源浪費按速動比率的經驗值來推斷．現金流量比率值在l左右屬于理想范圍：2．長期償債能力指標：現金流量保障倍數=(經營活動現金凈流量+所得稅付現)／[現金利息支出+優先股股利／(1一t)+到期債務本金／新思考(1一i’)]

利息費用是可抵稅費用．滿足一元的這些債務只要求有1元的稅前現金流量．但優先股股息和債務本金償還須從稅后現金流量中支付．除以(1一t)得到相當于滿足它們的稅前現金流量

該比率值大于1．說明企業利用稅前經營活動現金凈流入量可以償還到期債務并支付利息、優先股股息．無需另行籌資來履行固定義務：反之，該比率值小于1．表明企業履行這些義務時．不但耗盡了同期經營活動產生的稅前現金流量．還動用了前期的現金及現金等價物．企業資產的流動性將受到不利影響．

(二)盈利能力分析

傳統的盈利能力分析主要都是依據權責發生制下的利潤。但利潤是否有實實在在的現金凈流入作為保障．還需要將現金流量與利潤額對比，判斷盈利的質量．作為傳統盈利能力分析的補充。可設置如下盈利質量分析指標：

營運指數=經營活動現金流量／(凈收益一非經營收益+非付現費用)

非經營收益主要是指投資收益、財務費用、公允價值變動損益、營業外收支凈額．而非付現成本包括計提的資產損失準備、提取的固定資產折舊、無形資產和長期待攤費用的攤銷、待攤費用的減少等。上式中的分母，常被稱為經營所得現金。該指標反映經營活動凈現金流量與調整后經營利潤的差異程度。該比率大于1．說明經營活動現金流量高于營業活動應得現金．主營業務創造的利潤具有更多的現金作為保證，該比率小于1。說明一部分收益尚沒有取得現金．原因是應收賬款的增加、應付賬款的減少或存貨增加．使得實際得到的經營現金減少。而存貨有貶值的風險．應收賬款有形成呆、壞賬的風險，因此。未收現的收益質量不如已收現的收益：即使不出現上述風險．存貨和應收賬款占用的資金也是有機會成本的．那么．企業取得同樣的凈收益要付出更大的代價，實際的業績水平下降，營業利潤的質量下滑。

(三)營運能力分析

在傳統財務分析中．銷售收入與投入資源或業務相比較．獲得的存貨周轉率、總資產周轉率等被歸納為營運能力分析指標。而獲現能力指標一般也是將企業經營活動現金流量與投入資源和相關業務相比較．如．將企業經營活動現金流量與資產平均余額相比較．將經營活動現金流量與銷售額相比較可見．營運能力評價指標和獲現能力評價指標都反映企業利用資源獲取經營成果的能力．不過．前者反映的是權責發生制下的經營成果．后者反映收付實現制下的經營成果從這個角度出發．可把獲現能力評價視為營運能力評價的補充可設置如下指標：1．反映銷售業務獲現能力指標銷售現金流量比率=經營現金凈流量／銷售額．該指標可以衡量銷貨收入在當年收現的程度．用以評價銷貨工作的質量。該比率值越高．說明企業積壓在應收賬款上的資金越少，企業的經營成本越低．管理效率越高：2．反映總資產獲現能力的指標資產現金流量回報率=(經營現金流量+利息支出+所得稅付現)，平均總資產．該指標更全面反映資產的獲現能力，用以衡量企業運用全部資產進行經營創造現金的能力．反映企業資產利用的綜合效果。其值越大．說明企業資產的利用效率越高。

(四)財務彈性分析

企業財務彈性是指企業應付各種挑戰、適應經濟環境變化的能力．具體表現為企業能否靈活籌集資金應付偶發性支出、股利支出以及捕捉投資機會的能力。將現金流量表與資產負債表、損益表相結合，能獲取現金流量和支付現金需要兩方面信息．用以判斷企業可穩定獲得的現金是否充足．

篇（3）

 

一、引言<

國際金融危機肆虐全球，從商業巨子雷曼兄弟的轟然倒下，再到行業翹楚通用申請破產保護，危機的不良影響正逐步從虛擬經濟領域擴散到實體經濟領域。2009年6月，美國通用汽車為擺脫困境放下身段，正式申請破產保護； 2009年11月，迪拜財政部突然宣布，棕櫚島集團將推遲至少6個月償付數十億美元的債務，以便進行債務重組；2010年，國際金融危機的陰影依然存在，中國企業面臨國內需求不足，

二、企業財務安全

企業財務安全是指在企業的財務管理過程中，企業不會因為來自企業內部和外部的財務風險或財務困境的影響內部控制，引發嚴重的財務危機，造成企業的財務失敗，從而保持一種可

企業從面臨風險到陷入危機直至破產消亡，我們關注的重點通常是風險產生后的事后處理階段。但縱觀整個過程，風險的前一階段，財務由安全向風險轉移階段才是更值得我們關注的重點。通常情況下，企業財務安全隱患具有動態易變性和可逆性，及早察識財務安全隱患，并采取有效措施控制風險，就能規避

三、企業財務安全

構筑財務安全的防火墻，就可以在一定程度上防范財務風險，而這一切與企業內部控制密不可分。完善而有效的內部控制，通常指企業擁有健全的內控制度，措施完善合理，并且在實際中得到了很好的執行，從而能充分實現管理目標和達到控制風險的目的論文開題報告范例。它包括兩個方面：一是內控制度本身的有效性內部控制，至少

對于企業而言，通過各項指標提示企業的內部財務控制是否有效，來辨識財務安全程度，無疑是一個簡便且

表1 國外學者預測企業財務安

研究者

樣本

變量及模型

具有較強解釋力或預測力的指標

Fitzpatrick(1932)

19家公司

單個財務比率模型

凈利潤/股東權益、股東權益/負債

Beaver (1966)

79家經營失敗和79家經營成功公司

30個變量,

單變量判別模型

現金流量/負債、流動比率、凈收益/資產、資產負債率、營運資本/總資產等6個財務比率準確性較高

Altman

(1968)

33家破產和33家非破產公司

5個比率, Z-score模型

營運資本/總資產、留存收益/總資產、息稅前利潤/總資產、股東權益市場價值/負債賬面價值、銷售收入/總資產

Blum(1974)

115家財務失敗和115家非財務失敗公司

多元判別分析方法

選擇反映流動性，盈利性和變異性三個方面的財務指標

Altman、Haldeman、Narayanan(1977)

53家破產和58家正常企業

7個變量,

ZETA模型

經營收益/總資產、收益穩定性、利息保障倍數、留存收益與總資產之比、流動比率、普通股權益與總資本之比和普通股權益與總資產之比

Martin

(1977)

58家出現財務危機的銀行

25個變量,

Logit回歸分析法

總資產收益率、壞賬與營業凈利潤之比、費用與營業收入之比、總貸款與總資產之比

Ohlson

(1980)

105家破產公司,

2058家非破產公司

9個變量,

Probit模型

公司規模(總資產/GNP物價指數后取對數)、資本結構(總負債/總資產)、資產報酬率或來自經營的資金/總負債、短期流動性（營運資金/總資產、流動負債/流動資產）

Aziz、Emanuel（1988）

<

表2 國內學者預測企業財務 研究者

樣本

變量及模型

具有較強解釋力或預測力的指標

陳靜(1999)

27家ST和27家非ST公司

多元線性分析

負債比率、凈資產收益率、流動比率、營運資本/總資產、總資產周轉率

陳曉等(2000)

38家ST公司

1260種變量組合,Logit回歸

負債權益比率、應收賬款周轉率、主營業務利潤/總資產、留存收益/總資產

吳世農、盧賢義(2001)

70家財務困境公司,

70家財務正常公司

21個變量,預警模型

盈利增長指數、資產報酬率、流動比率、長期負債與股東權益比率、營運資本與總資產比和資產周轉率

姜秀華、孫錚(2001)

42家ST和42家非ST公司

Logit預測模型

毛利率、其它應收款與總資產比率、短期借款與總資產的比率、股權集中系數，公司治理變量(股權集中度)

章之旺(2004)

60家財務困境和120家正常公司

logistic

現金流量比率

王克敏(2005)

128家ST公司,非ST公司

5個變量,logist

引入公司治理、關聯交易、對外擔保等非財務指標

吳超鵬、吳世農(2005)

540家價值損害型上市公司

20個變量, 人工神經網絡法

總資產收益率、股票超額收益率、公司治理指數和投資者利益保護指數

郭斌等(2006)

1265個正常類到期的實際貸款樣本、890個違約類樣本

30個指標,Logit模型

貸款期限和M2增長率這兩個非財務指標,具有較高的預測精度

陳燕和廖冠民(2006)

104家上市公司

Logit模型

大股東持股比例、國有股比例、董事會規模對公司財務安全均具有顯著影響

錢愛民、張淑君和程幸(

由上表可以看

（1）從方法來看，泰勒級數展開式、事件歷史分析、遺傳算法、數據包絡分析等方法在最近幾年相繼應用于相關的研究

（2）從研究的數量和指標解釋力來看，財務指標結合非財務指標的研究已成為主流的方向。在財務解釋變量的選擇上，以資產

由此可得，財務安全的辨識標志可以分為兩大類：從財務指標來看，負債比率和營業利益率、流動比率、存貨周轉率、總資

四、結論與啟

（1）建立財務安全指標體系對企業內控制度提出了更高的要求,而良好的內控制度可以提高財務安全測度的準確性。外部環境復雜多變、錯誤的籌資決策、資產流動性較差、盈利能力低下、公司治理機構的影響、行業因素的影響等方面使財務活動本

（2）科學嚴密的內部財務控制，是財務安全的基礎。建立健全財務內部控制，一方面是出于防護性需要，防微杜漸，防患于未然，保

（3）確立財務安全指標并結合非財務指標內部控制，引入財務內部控制有效的變量，構建財務安全體系，是未來進一步研究的方向。

證財產的安全；另一方面是出建設性需要，及時暴露財務管理方面的弱點，保護財務安全，提高管理效率，保障企業發展。

身和環境的變得復雜多樣，這些都是財務不安全的原因所在。由此看來，財務安全與否不是僅由某方面原因引起的，而是多個因素相互影響、共同作用造成的。通過加強內部控制防范風險，使企業處在財務安全狀態，企業應該高度重視。

示

產周轉率和現金流量比率綜合觀察，比較有解釋力；從非財務指標來看，公司治理變量、審計信息比較有解釋力。

負債表比率和現金量表比率為主；在非財務變量的選擇上，主要集中在股權結構,審計信息,股東持股比率等方面。

中，并取得了一定成果論文開題報告范例。而國內的研究多是借鑒國外研究成果并結合中國資本市場上市公司樣本數據建立模型。

出：

2008)

31家ST公司

13個變量、主成份分析路基回歸

自由現金流量指標體系可以提前兩年對公司財務危機做出較為準確的預測

鄭育書和劉沂佩(2008)

50家財務危機公司,

篇（4）

關鍵詞:

財務預警；熵權法；因子模型；判別函數

一、引言

（一）建立財務危機預警的意義制造業是我國國民經濟的支柱產業，是我國經濟增長的主導部門和經濟轉型的基礎，是經濟社會發展的重要依托，更是我國城鎮就業的主要渠道和全球產業鏈的重要組成部分。在全球競爭條件下，我國制造業上市公司面臨來自多方面的壓力，尤其金融危機的影響，使得我國制造業上市公司陷入到財務風險和破產危險的可能性急劇上升，這不僅會對利益相關者造成損失，更會制約資本市場的穩定發展。故我國制造業上市公司要持續發展，必須警惕危機，正視危機，在經營活動中設立財務預警系統，進行經常性的分析和診斷。因此，本文將在對國內外有關財務預警研究的理論及模型的歸納、整理和評述的基礎之上，來分析我國制造業上市公司財務預警研究的現狀，以我國制造業上市公司為研究樣本，構建財務預警指標，建立財務預警模型。

（二）國內外文獻述評國外對財務預警的研究要早于國內，早在20世紀30年代國外學者就已開始了對財務預警的研究，歷經了從單變量分析到多變量分析的過程。我國起步于20世紀80年代中后期，1986年吳世農、黃世忠首次介紹了企業破產的分析指標和預測模型。1990年佘廉等人從事了企業預警研究，并于1994年發表文章對企業預警管理進行了系統分析。直到1996年以后，才陸續出現以企業財務數據為基礎而建立的財務危機預警模型，并逐漸發展起來。單變量預警模型是指以某一項財務指標作為判別標準來判斷企業是否處于破產狀態的預測模型。財務預警研究最早就開始于1932年Fitzpatrick用統計方法開展的單變量破產預測研究。在眾多預測公司財務危機困境的多變量模型中，最早亦最著名的當屬美國紐約大學1968年Ed-wardAltman教授的Z-Score判定模型。即：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5。1996年國內學者周首華、楊濟華對Z計分模型進行修正，提出了F分數模型。1999年國內學者陳靜運用單變量分析方法和多元線性判別分析方法分別建立財務預警模型，并將兩種財務預警模型進行比較研究。2003年楊淑娥在Z-score模型的基礎上，通過運用統計學中的主成分分析法，構造了Y分數模型，該模型在用于財務預警檢驗的回判準確率大致為86%。

二、樣本、指標的選取

（一）樣本的選取本文在樣本的選取上是根據2014年4月滬深股市公布的所有ST公司（根據1998年實施的股票上市規則，將對財務狀況或其它狀況出現異常的上市公司的股票交易進行特別處理(specialtreat-ment，簡稱ST)，其中ST股是指境內上市公司連續二年虧損，被進行特別處理的股票，*ST股是指境內上市公司連續三年虧損的股票）共90家中，抽取了本文需要研究的制造業中的61家公司，并根據同行業，同時期，規模相當（即非ST公司與相對應的ST公司的期末資產總額相差不超過150%）的配對原則，選取了61家與之相對應的非ST公司，共122家上市公司作為研究對象。只有在滿足上述配對原則的情況下才使得研究樣本之間具有可比性，分析更趨合理性，結果更具科學性。

（二）指標的選取本文指標數據主要來源于和訊財經網以及大智慧投資軟件，通過數據的整理，剔除了個別的缺失值和特大異常值，并根據以下原則選取16個財務比率基礎指標：1．全面性，在系統的構建中，所考慮納入的指標應能全面揭示企業的財務風險，且各指標間具有較強的互補性。2．可比性，選取指標時，應注意評價指標口徑范圍和計算方法的縱向可比和橫向可比原則。3．同趨勢性，即是指標正向化，當財務比率增大時，表示財務狀況的改善，反之財務比率減小時，表示財務狀況的惡化。4．可獲得性，采用上市公司財務報告披露的數據是可以獲取的（和訊網、大智慧軟件等）。指標體系具體如表1所示。以上財務比率指標體系，可以對上市公司的財務狀況做出較為完整、客觀的評價。但為了選取對ST公司和非ST公司區分能力強，包含信息多，權重更大，能準確預警的指標，下面采用“熵權法”對這16個指標進行篩選。

三、基于“熵權法”篩選財務指標體系模型

（一）本模型利用“熵權法”的基本原理本模型利用估計組中61個ST與61個非ST公司共16個財務基礎比率指標，這些指標經過標準化，歸一化處理后變成一個評價矩陣，計算出每個指標的信息熵，信息熵越大表明該指標有序程度越高，即該指標在該指標體系中差異小，信息熵越小表明指標在該指標體系中差異大，則該指標對于財務危機的預警這一決策起到的作用較大，可以被選用作為財務危機預警指標。

（二）指標的正向化和標準化設有n個公司，p個財務指標。為了模型研究的需要（即盡可能使每種能力中有一兩個熵權大的指標來反映公司的財務狀況），取閥值為0.015，當熵權大于0.015時則選入該研究指標體系，當熵權小于0.015時則退出該研究指標體系，通過比較得出最后的指標體系如圖1。

四、基于“因子分析”模型分析

（一）因子分析的基本原理因子分析法是在盡量減少信息丟失的前提下，從眾多指標中提取出少量的不相關指標，然后再根據貢獻率定以權重，進而計算出綜合得分，其計算結果更為準確、客觀、操作性比較強。因子分析中有多種確定因子變量的方法，如基于主成分模型的主成分分析法、極大似然法、最小二乘法等，本文選取的是基于因子分析模型的主軸因子法。本文根據估計組中61家ST公司和61家同行業、規模相當的非ST公司作為樣本，以“熵權法”篩選后的10個包含信息多，重要性更大的財務指標為基礎建立的指標體系進行因子分析，最后得出因子綜合得分函數—財務危機預警判別函數，并通過估計值綜合因子得分值的排名表求出ST與非ST的分割值，作為判別公司財務與否出現危機的預警值，最后再選用測試組的樣本進行回代，檢驗判別函數的判別正確率，從實證分析的角度為財務危機預警系統方法方面進行了初步的探討。

（二）因子分析的求解過程下面對熵權篩選后的10個指標正向化后的數據（逆指標的正向化公式為yj=1-xj）通過統計分析軟件SPSS17.0的運行，KMO檢驗和Bartlett檢驗的結果如表3所示。通過表3可以看出，KMO值為0.744，大于0.5；Bartlett檢驗的卡方統計量為1019.591，相伴概率為0.000，在給定0.1%的顯著水平下，拒絕各指標變量的相關矩陣是單位陣的假設，即兩種統計檢驗方法都揭示指標變量之間是高度相關的，因此適合作因子分析。求得變量的樣本相關陣R的特征值λi，前m個因子方差貢獻率如下表根據累積方差貢獻率須大于85%的原則，由上表可看出前5個公因子的累積方差達到88.81%，這5個公因子包含88.81%的信息，確定以5個公因子做因子分析。初始因子載荷陣B0m，進行方差最大化旋轉，求得旋轉后的因子載荷陣BΓm，使得旋轉后各因子載荷陣的各元素按列向0或1兩級分化（初始因子載荷陣，旋轉后各因子載荷陣，0~1分化表如表5）。根據以上矩陣運算得出61家ST跟61家非ST公司的因子F1，F2，F3，F4，F5的因子得分值，因子命名見表6。通過EXCEL對以上61家ST公司和61家非ST公司財務比率指標的綜合因子得分值進行排名，取這61家公司的得分值的中位數作為本模型區分ST與非ST的分割值PS-財務危機預警值，通過得分排名可看出在第31與32位的公司的綜合因子得分值分別為1.332，1.266，本模型取這兩個數的平均值作為本模型區分ST與非ST的分割值PS-財務危機預警值為1.299。本模型用了10個指標進行因子分析，其中資產負債率是逆向指標，所以當要求出一個公司的綜合因子得分值時，要先將公司的財務比率原始指標xij進行正向化，即資產負債率這個指標進行正向化（用yj=1-xj公式），然后將其正向化后的10個財務比率指標yij代入上面的判別函數中，若一家非ST公司的綜合因子得分值大于且接近于分隔值PS-預警值，則說明該公司應該啟動財務危機預警，調整經營戰略，改善公司的財務狀況，以避免被ST。

五、財務預警模型的檢驗

將測試組中60個ST跟60個非ST的10個正向化后的財務比率指標數據代入到上面的財務危機預警判別函數中，得到這60家公司10個指標的因子F1，F2，F3，F4，F5的得分值及綜合因子F綜的得分值。將以上得出的60家公司的綜合因子得分值F綜由大到小進行排名，若公司的綜合因子得分值大于分割值PS-財務危機預警值（1.299），該公司被判斷為非ST公司則說明判斷是正確的，若公司的綜合因子得分值小于分割值PS-財務危機預警值（1.299），該公司被判斷為ST公司則說明判斷是正確的。本研究中有4家ST公司的因子得分值大于分割值PS，錯誤判斷數為4個，有7家非ST公司的因子得分值小于分割值PS，錯誤判斷數為7，總的錯誤判斷數為11，則正確判斷有49家公司。判別率θ＝49/60≈81.67%檢驗結果顯示模型的判別率達到了81.67%。說明當一家上市公司將以上10個正向化后的財務比率指標代入判別函數中，若大于分割值，則我們有81.67%的把握性說此公司為財務不存在危機，若小于分割值，則我們有81.67%的把握性說此公司財務存在危機，此模型對于ST跟非ST公司的判別率達到了81.67%。

六、結論

1.本文基于61家ST與61家非ST公司的16個財務比率基礎指標，通過建立“熵權法”模型篩選出10個包含信息多，能準確預警的財務比率指標，接著利用“因子分析”模型求得估計組中61家公司的綜合因子得分值，并根據綜合因子得分排名確定ST與非ST分割值（即為財務危機預警值）及財務危機預警函數，最后將測試組的數據代入財務危機預警函數中，求得預警函數的判別率為81.67%，從而建立起了財務危機預警系統。

2.本文在進行“因子模型”分析的過程中用旋轉后的因子載荷陣及特征值求得每家公司的綜合因子得分值，結果更優，更準確，相對于其他論文用主成分法還有旋轉前的載荷陣及特征值得分的結果更能準確預警一家公司的財務狀況。

3.本文所選取的樣本具有合理性和全面性，根據行業分類和總資產規模進行配對選擇，模型中選取的財務比率指標具有較強的解釋能力，能較好辨別財務危機公司及非財務危機公司的區別，但是此預測模型結論的準確性還受到上市公司財務數據真實性的影響，我國部分上市公司仍然存在操縱會計利潤，粉飾財務報表的現象，故該模型的預測效果因此受到一定的影響。

參考文獻：

[1]吳世農,黃世忠.企業破產的分析指標和預測模型[J].中國經濟問題,1987(06).

[2]佘廉,張倩.企業預警管理的系統分析[J].中國工業經濟研究,1994(11).

[3]FitzpatrickDA.AComparisonofRatiosofSuccessfulIndustrialEnterpriseswithThoseofFailedFirms[M].CertifiedPublicAccountant,1932(04).

[4]AltmanEI.FinancialRatios,Dis-criminateAnalysisandthePredictionofCorporateFailure[J].TheJournalofFinance,1968(04).

[5]周首華,楊濟華,王平.論財務危機的預警分析———F分數模式[J].會計研究,1996(08).

[6]陳靜.上市公司財務惡化預測的實證分析[J].會計研究,1999(04).

篇（5）

中圖分類號：F2

文獻標識碼：A

文章編號：1672-3198（2013）09-0027-02

企業信用評估和企業財務預警是企業財務管理研究的重要課題。諸多學者將兩個問題一起進行研究，這兩者之間還是有本質區別的。財務預警即財務失敗預警，是指借助企業提供的財務報表、經營計劃及其他相關會計資料，利用財會、統計、金融、企業管理、市場營銷理論，采用比率分析、比較分析、因素分析及多種分析方法，對企業的經營活動、財務活動等進行分析預測，以發現企業在經營管理活動中潛在的經營風險和財務風險，并在危機發生之前向企業經營者發出警告。信用評估本質上是對企業履約各種承諾能力和信用程度進行全面評估，預測未來償債可能性來辨識不同企業的方法。服務的對象有商業銀行、金融監管機構、與受評對象有業務往來的商業客戶以及社會公眾和投資者。

（1）定性評估方法：人工專家分析法，又被稱為古典信用分析方法，包括5C、5P、5W法，5C法指貸款申請企業或個人的道德狀況，償債能力，貸款申請企業或個人的財產狀況，可用于進行貸款申請時抵押擔保的資產價值，宏觀經濟狀況。 5W法指貸款申請人、申請貸款的使用、貸款的時間長度、擔保資產價值及還款方式。目前我國商業銀行實務中仍主要采用的信用評估分析方法。

（2）定量評估方法。

①統計方法：多元判別分析法（Multi-linear Discriminate Analysis）是較早應用于企業信用評估的多元統計方法。Altman（1968）最早提出Z-score模型對企業運營財務危機預警、企業違約預測問題進行研究，使用較少的財務比率迅速進行判斷分析，使用年度報表的數據運用財務比率進行分析：企業運營成本/平均總資產、留存收益/平均總資產、息稅前利潤總額/平均總資產、普通股股東權益合計/平均總負債、營業收入/平均總資產，并且對三十多家樣本公司進行分析，得到準確率較高的分析結果，該模型屬于貝葉斯判別，用樣本修正已有的先驗概率分布得到后驗概率分布。這篇經典論文開創了企業破產預測，財務危機預警，信用評估分析的先河。Altman（1977）在前述論文的基礎上進行了完善，又加入幾個財務比率建立ZETA模型，使用總資產收益率（利潤總額/平均總資產）、利潤增長率（利潤總額/上一年利潤總額）、利息保障倍數（息稅前利潤總額/利息費用）、留存收益/平均總資產、流動比率（流動資產/流動負債）、平均總資產、公司股票市價等財務比率，得到比簽署模型更好的分析結果。Logistic模型分析。Martin（1977）使用財務比率進行企業經營財務預警及企業貸款違約分析，使用多元統計學中的Logistic回歸方法，使用1970至1971年的報表數據從的美聯儲成員銀行5600多家中選取58家屬于財務困境，違約樣本的銀行進行分析測算，使用資產凈利率（利潤總額/平均總資產）等8個財務比率，進行分析測算，并且分析不同的信息使用者的風險偏好差異，如投資人和債權人，測算不同的風險預警系數，便于信息使用者更好地作出分析決策，得到較好的分析結果，并且使用該多元回歸模型與前述的Z-Score模型，ZETA模型測算的結果進行對比分析，得到優于前述模型的預測數據。吳世農（2001）收集我國上市公司1998至2002年A股市場的ST公司共計七十多家，收集樣本數據的時間是公司轉化成ST的年度，并且選取相關行業的七十多家作為對照組樣本，進行橫截面數據分析，選用不同的計量模型進行對比研究，主要有線性概率模型（LPM），Fisher二類線性判定，Logistic模型等多元統計方法對企業財務進行預警研究，最終結果是Logistic模型的預測準確率均高于Fisher判別分析法和LPM的準確率。于立勇、詹捷輝（2004）也使用Logistic模型，選取商業銀行的貸款企業客戶的財務數據進行信用違約的分析，得到較好的測算概率。方洪全、曾勇（2004）在銀行信用風險評估方法實證研究及比較分析中運用Logit模型分析。李志輝、李萌（2005）選取了195家上市公司為樣本，Logistic模型的準確率高于線性判別模型神經網絡模型。Junni L. Zhang（2010）運用貝葉斯加分類樹法對德國公司財務報表數據進行償債能力進行有效得分類。

②信用風險評估模型。Credit Metrics（信用計量模型）是摩根大通等美國知名金融機構采用用VaR（在險價值模型）的思路，對個人和企業的貸款以及其他金融資產進行價值估計和風險預測的計算方法。麥肯錫公司提出的Credit Portfolio View模型（信貸組合審查模型），是改造Credit Metrics模型，考慮到周期性宏觀經濟因素，結合信用風險評級轉移和宏觀經濟變量如年度經濟增長率、市場利率、政府支出等建立關聯模型，使用蒙特卡羅技術模擬宏觀經濟周期性因素的計算得到評級轉移概率。KMV模型（Credit Monitor模型）（是美國KMV公司提出后被穆迪公司收購），該模型是可以對上市公司的信貸違約概率進行預測分析。張玲等（2004）運用KMV模型評估我國上市公司ST公司和非ST公司的信用風險后得到，改變KMV模型的相關變量可以至少提前2年預警我國上市公司的信用違約風險，并且可以提前4年進行上市公司的信用風險變化趨勢的預測。戴志鋒等（2005） 運用KMV對我國上市公司數據和某國有商業銀行非上市公司的信貸數據進行驗證，實證結果表明非上市公司模型在中國具有一定的預測能力，但預測準確率低于歐美國家。Credit Risk+模型（信用風險附加模型）是由瑞士信貸銀行金融產品部（CSFP）開發的，它是一個違約模型（Default Model）。

③人工智能方法：神經網絡。陳雄華等（2002）采用人工神經網絡模型研究企業信用等級的評估問題，按照企業樣本分為制造業和非制造業兩大類，利用偏相關分析方法建立了企業信用評級的指標體系，實驗結果表明神經網絡模型具有更好的預測準確性。于立勇（2003）收集一百多個企業作為訓練樣本，運用神經網絡模型進行信用違約風險分析，得到有效的預測結果。章忠志、符林、唐換文（2003）使用神經網絡模型，選取28個企業數據做為樣本進行分析，預測結果準確率達到90%以上。徐佳娜、西寶（2004）使用人工神經網絡模型與層次分析法（AHP）相結合建立模型對企業信用風險進行評估，預測結果說明該模型比已有的其他模型準確更高。張衛東等（2006）建立模型結合前饋型神經網絡、遺傳算法和模糊數學方法來，評估商業銀行企業客戶的信用風險，使用Matlab軟件對選取的商業銀行企業客戶數據進行測算，得到的結果表明準確率比以前的模型方法有所提高，模型更具魯棒性。夏紅芳（2007）通過與上海某商業銀行的合作，對其1999-2005年的貸款明細和公司財務數據進行了系統研究，運用粗糙集理論的約簡功能，從中選出最能反映企業信用狀況的8項財務指標，再應用模糊神經網絡方法進行信用評估，實證研究表明所提方法具有較高精度。但是使用人工神經網絡模型需要根據實際的樣本數據不斷調整系數，相對而言模型的魯棒性不夠強。戴芬（2009）根據中小企業信用評估指標體系，提出了一種基于蟻群神經網絡的評估模型。結果表明蟻群神經網絡的預測方法與傳統的BP 神經網絡預測方法相比，具有較強的泛化能力，應用在中小企業信用評估系統中具有很高的評估準確率。

整數規劃法。薛鋒（2006）選取上市公司數據，使用混合整數規劃法，建立企業信用風險評估模型進行信用風險評估，模型可以滿足非參數檢驗，也不需要樣本數據服從正態分布，可以較為廣泛的應用，經數據實際測算的結果說明，該模型魯棒性較好，預測效果較好，準確率較高。遺傳算法。薛惠鋒（2006）利用人工智能方法——GA-PSO混合規劃算法構建企業信用風險評估模型。并利用上證50若干企業的實際數據對模型進行了實證檢驗。實證結果顯示該模型能有效預測上市企業的信用風險狀況。該模型在收斂性能及預測準確率等方面優于基于傳統的多元回歸方法及GP方法的信用風險評估模型。Jonathan N. Crook（2007） 參考諸多文獻比較線形回歸（LDA），Logistic回歸，決策樹，數學規劃法，神經網絡法，遺傳算法，遺傳編程，K近鄰法，支持向量機幾種方法，認為支持向量機法的準確率相對較高。

從以上對國內外研究現狀的分析可知，盡管國內外已有許多專家學者對商業銀行客戶信用評估進行大量的研究，但在實際應用中涉及中小企業的研究較少，未考慮我國企業普遍存在的內部人控制的企業中管理者個人因素對企業信用的影響，限制了模型的適用范圍。

參考文獻

[1]Altman，E.I.，Financial ratio discriminant analysis and the prediction of corporate bankruptcy[J].Journal of Finance，1968，23（4）：189-209.

[2]Altman，E.I.，R.Haldeman & P.Narayanan，ZETA analysis：A new model to identify bankruptcy risk of corporations[J].Journal of Banking and Finance，1977，（l）：29-54.

[3]D.Martin.Early warning of bank failure： A Logit regression approach[J].Journal of banking and finance，1977，（1）：249-276.

[4]吳世農，黃世忠.我國上市公司財務困境的預測模型研究[J].經濟研究，2001，（6）：46-55.

[5]于立勇，詹捷輝.基于Logistic回歸分析的違約概率預測研究[J].財經研究，2004，（9）：15-23.

[6]方洪全，曾勇.銀行信用風險評估方法實證研究及比較分析[J].金融研究，2004，（1）：62-69.

[7]李志輝，李萌.我國商業銀行信用風險識別模型及其實證研究[J].經濟科學，2005，（5）：61-71.

[8]Junni L. Zhang，Wolfgang K. Hrdle The Bayesian Additive Classification Tree applied to credit risk modeling Computational[J].Statistics and Data Analysis 54 （2010） 1197_1205.

[9]張玲，楊貞柿，陳收.KMV模型在上市公司信用風險評估中的應用研究[J].系統工程，2004，（11）.

[10]戴志鋒，張宗益，陳銀忠.基于期權定價理論的中國非上市公司信用風險度量研究[J].管理科學，2005，（6）.

[11]陳雄華，林成德，葉武.基于神經網絡的企業信用等級評估系統[J].工程學報，2002，（6）：570-575.

[12]于立勇.商業銀行信用風險評估預測模型研究[J].管理科學學報，2003，（5）：46-52.

[13]章忠志，符林，唐換文.基于人工神經網絡的商業銀行信用風險[J].模型經濟數學，2003，（3）：42-47.

[14]徐佳娜，西寶.基于AHP-ANN模型的商業銀行信用風險評估[J].哈爾濱理工大學學報，2004，（3）：94-98.

[15]張衛東，韓云昊，米陽于.GA-BP模糊神經網絡的商業銀行信用風險評估[J].工業工程與管理，2006，（5）：81-84.

[16]夏紅芳.商業銀行信用風險度量與管理研究[D].南京：南京航空航天大學，2007，（8）.

[17]戴芬，劉希玉，王曉敏.蟻群神經網絡在中小企業信用評估中的應用[J].計算機技術與發展，2009，（10）：218-221.

篇（6）

一、引言

國際金融危機肆虐全球，從商業巨子雷曼兄弟的轟然倒下，再到行業翹楚通用申請破產保護，危機的不良影響正逐步從虛擬經濟領域擴散到實體經濟領域。2009年6月，美國通用汽車為擺脫困境放下身段，正式申請破產保護； 2009年11月，迪拜財政部突然宣布，棕櫚島集團將推遲至少6個月償付數十億美元的債務，以便進行債務重組；2010年，國際金融危機的陰影依然存在，中國企業面臨國內需求不足，

二、企業財務安全

企業財務安全是指在企業的財務管理過程中，企業不會因為來自企業內部和外部的財務風險或財務困境的影響內部控制，引發嚴重的財務危機，造成企業的財務失敗，從而保持一種可

企業從面臨風險到陷入危機直至破產消亡，我們關注的重點通常是風險產生后的事后處理階段。但縱觀整個過程，風險的前一階段，財務由安全向風險轉移階段才是更值得我們關注的重點。通常情況下，企業財務安全隱患具有動態易變性和可逆性，及早察識財務安全隱患，并采取有效措施控制風險，就能規避

三、企業財務安全

構筑財務安全的防火墻，就可以在一定程度上防范財務風險，而這一切與企業內部控制密不可分。完善而有效的內部控制，通常指企業擁有健全的內控制度，措施完善合理，并且在實際中得到了很好的執行，從而能充分實現管理目標和達到控制風險的目的論文開題報告范例。它包括兩個方面：一是內控制度本身的有效性內部控制，至少

對于企業而言，通過各項指標提示企業的內部財務控制是否有效，來辨識財務安全程度，無疑是一個簡便且

表1 國外學者預測企業財務安

研究者

樣本

變量及模型

具有較強解釋力或預測力的指標

Fitzpatrick(1932)

19家公司

單個財務比率模型

凈利潤/股東權益、股東權益/負債

Beaver (1966)

79家經營失敗和79家經營成功公司

30個變量，

單變量判別模型

現金流量/負債、流動比率、凈收益/資產、資產負債率、營運資本/總資產等6個財務比率準確性較高

Altman

(1968)

33家破產和33家非破產公司

5個比率， Z-score模型

營運資本/總資產、留存收益/總資產、息稅前利潤/總資產、股東權益市場價值/負債賬面價值、銷售收入/總資產

Blum(1974)

115家財務失敗和115家非財務失敗公司

多元判別分析方法

選擇反映流動性，盈利性和變異性三個方面的財務指標

Altman、Haldeman、Narayanan(1977)

53家破產和58家正常企業

7個變量，

ZETA模型

經營收益/總資產、收益穩定性、利息保障倍數、留存收益與總資產之比、流動比率、普通股權益與總資本之比和普通股權益與總資產之比

Martin

(1977)

58家出現財務危機的銀行

25個變量，

Logit回歸分析法

總資產收益率、壞賬與營業凈利潤之比、費用與營業收入之比、總貸款與總資產之比

Ohlson

(1980)

105家破產公司，

2058家非破產公司

9個變量，

Probit模型

公司規模(總資產/GNP物價指數后取對數)、資本結構(總負債/總資產)、資產報酬率或來自經營的資金/總負債、短期流動性（營運資金/總資產、流動負債/流動資產）

Aziz、Emanuel（1988）

表2 國內學者預測企業財務

研究者

樣本

變量及模型

具有較強解釋力或預測力的指標

陳靜(1999)

27家ST和27家非ST公司

多元線性分析

負債比率、凈資產收益率、流動比率、營運資本/總資產、總資產周轉率

陳曉等(2000)

38家ST公司

1260種變量組合，Logit回歸

負債權益比率、應收賬款周轉率、主營業務利潤/總資產、留存收益/總資產

吳世農、盧賢義(2001)

70家財務困境公司，

70家財務正常公司

21個變量，預警模型

盈利增長指數、資產報酬率、流動比率、長期負債與股東權益比率、營運資本與總資產比和資產周轉率

姜秀華、孫錚(2001)

42家ST和42家非ST公司

Logit預測模型

毛利率、其它應收款與總資產比率、短期借款與總資產的比率、股權集中系數，公司治理變量(股權集中度)

章之旺(2004)

60家財務困境和120家正常公司

logistic

現金流量比率

王克敏(2005)

128家ST公司，非ST公司

5個變量，logist

引入公司治理、關聯交易、對外擔保等非財務指標

吳超鵬、吳世農(2005)

540家價值損害型上市公司

20個變量， 人工神經網絡法

總資產收益率、股票超額收益率、公司治理指數和投資者利益保護指數

郭斌等(2006)

1265個正常類到期的實際貸款樣本、890個違約類樣本

30個指標，Logit模型

貸款期限和M2增長率這兩個非財務指標，具有較高的預測精度

陳燕和廖冠民(2006)

104家上市公司

Logit模型

大股東持股比例、國有股比例、董事會規模對公司財務安全均具有顯著影響

錢愛民、張淑君和程幸(

由上表可以看

（1）從方法來看，泰勒級數展開式、事件歷史分析、遺傳算法、數據包絡分析等方法在最近幾年相繼應用于相關的研究

（2）從研究的數量和指標解釋力來看，財務指標結合非財務指標的研究已成為主流的方向。在財務解釋變量的選擇上，以資產

由此可得，財務安全的辨識標志可以分為兩大類：從財務指標來看，負債比率和營業利益率、流動比率、存貨周轉率、總資

四、結論與啟

（1）建立財務安全指標體系對企業內控制度提出了更高的要求，而良好的內控制度可以提高財務安全測度的準確性。外部環境復雜多變、錯誤的籌資決策、資產流動性較差、盈利能力低下、公司治理機構的影響、行業因素的影響等方面使財務活動本

（2）科學嚴密的內部財務控制，是財務安全的基礎。建立健全財務內部控制，一方面是出于防護性需要，防微杜漸，防患于未然，保

（3）確立財務安全指標并結合非財務指標內部控制，引入財務內部控制有效的變量，構建財務安全體系，是未來進一步研究的方向。

證財產的安全；另一方面是出建設性需要，及時暴露財務管理方面的弱點，保護財務安全，提高管理效率，保障企業發展。

身和環境的變得復雜多樣，這些都是財務不安全的原因所在。由此看來，財務安全與否不是僅由某方面原因引起的，而是多個因素相互影響、共同作用造成的。通過加強內部控制防范風險，使企業處在財務安全狀態，企業應該高度重視。

示

產周轉率和現金流量比率綜合觀察，比較有解釋力；從非財務指標來看，公司治理變量、審計信息比較有解釋力。

負債表比率和現金量表比率為主；在非財務變量的選擇上，主要集中在股權結構，審計信息，股東持股比率等方面。

中，并取得了一定成果論文開題報告范例。而國內的研究多是借鑒國外研究成果并結合中國資本市場上市公司樣本數據建立模型。

出：

2008)

31家ST公司

13個變量、主成份分析路基回歸

自由現金流量指標體系可以提前兩年對公司財務危機做出較為準確的預測

鄭育書和劉沂佩(2008)

50家財務危機公司，

50家財務正常公司

6個變量，Logit和Granger檢驗

負債比率和營業利益率、流動比率、存貨周轉率、總資產周轉率和現金流量比率

安全的代表性方法

/td> 49家破產公司內部控制，49家正常公司

財務危機預測模型

Lawson現金流量等式

Theodossiou （1993）

197家經營正常公司，62家經營失敗公司

CUSUM模型

固定資產/總資產、凈營運資本/總資產、每股股利/每股市價、存貨/銷售收入以及經營收入/總資產

全的代表性方法

操作性很強的辦法。以下將國內外學者預測企業財務安全的代表性方法歸納總結如表1、表2所示。

包括標準明確；措施適用；著眼全局；信息及時；控制靈活。二是在執行過程中的有效性，即所建立的關于內控的規章制度在實際中能否得到合理有效執行，能否實現目標，至少包括企業有強烈的建立和推行內控系統的意愿；管理層有較高的監測、指導、協調、監督能力；員工素質符合內控要求。

的識別分辨

危機，避免破產。此外，企業財務安全具有全面性。財務安全隱患存在于企業財務活動的全過程。對財務安全的全面性認識，有助于從企業全局出發，尋找財務活動中安全隱患形成的原因、特征、度量及控制方法，并對財務安全隱患進行全員、全過程、全方位監控，正確地判斷和衡量企業財務風險。

持續的財務狀態（蒲春燕，2009）。企業財務安全的特征包括合理的資本結構、合理的資產結構、正常的生產經營、科學的財務控制（廖爽英，2007）論文開題報告范例。

概念的界定

國際貿易保護主義，通脹預期等重重壓力。在如此嚴峻的經濟形勢下，企業如何加強自身財務安全，辨識財務安全程度，及早發現危機隱患內部控制，有效控制風險，就顯得尤為重要。本文通過對財務安全相關文獻的梳理，從內部財務控制新視角，比較分析財務安全測評指標的解釋能力，提煉出財務安全的辨識標志，希望為投資者投資決策和企業加強自身財務安全管理提供參考依據。

br> 標志；內部控制

，提煉出財務安全的辨識標志，希望為投資者投資決策和企業加強自身財務安全管理提供參考依據。

北京 100029）

，李小燕

制的視角

辨識標志

木衣提

學院副教授， 管理學博士，研究方向為財務管理。

京化工大學經濟管理學院研究生二年級，研究方向財務管理。

參考文獻

［1］蒲春燕，孫璐.企業財務安全概念研究[J].財會通訊，2009(1)

［2］Fitzpatrick P. A Comparisonof the Ratios of Successful Industrial Enterprises with Those of Failed Companies[R].Washington:The Accountants Publishing Company， 1931.

［3］Beaver W H. Financial Ratiosas Predictors of Failure[ J]. Journal of Accounting Research， 1966，4(3):71-111.

［4］Ohlson J. Financial Ratiosand the Probabilistic Prediction of Bankruptcy[J].Journal ofAccounting Re-search， 1980， 18(1): 109-131.

［5］陳靜.上市公司財務惡化預測的實證分析[J].會計研究，1999(4)

［6］吳世農，盧賢義.我國上市公司財務困境的預測模型研究[J].經濟研究，2001(6)

篇（7）

一、引言

公元前3000年前，我國長江上的皮筏商人就懂得將每人的貨物分裝在幾條皮筏上，出現了“損失分擔”的風險管理雛形思想。但是當風險管理理念深入人心時，人類在財務風險和金融風險面前卻脆弱無力。根據Dun&Bradstreet(美國一家著名的咨詢公司)的記錄，美國1991年財務失敗的企業有87266家。在我國國內，截至2003年12月31日，滬深兩市共有ST公司123家(含三家純B股公司)。這些公司被特別處理的原因不盡相同，但它們大多數是由于“財務狀況異常”而被特別處理的。

二、相關理論概述

（一）財務風險的界定

財務風險是企業風險的一種，是與財務有關的風險。它通常指在現代財務管理中，特別是在企業資金的運用中，影響企業決策的種種不確定因素。筆者認為，要界定財務風險正確涵義，首先要正確理解財務風險的本質。根據馬克思的《資本論》，財務風險的本質就是資本價值形態轉化的風險。在G——W•••P••W′——G′的資本運動中，由于有對資本價值增殖的目標期望，但限于資本流通不暢、資本形態無法轉換，需要通過財務獲得貨幣用于墊支才會出現一系列財務風險的轉移和積聚。以次類推，財務風險應當是一種交換性的風險，是價值在其載體形態上轉移、變換和復位的風險。

（二）財務預警基本理論

財務風險預警是由財務危機和預警兩個詞組組成的。財務危機是指企業喪失支付能力，無法支付到期債務或費用，以及出現資不抵債的經濟現象。它是企業遭受企業財務風險的結果。但是關于企業是否處于財務危機，國內外目前沒有一種權威的界定標準。

財務危機預警屬于社會經濟預警的一個組成部分，經濟預警理論是財務危機預警的理論基礎之一。建立和完善財務危機預警系統，需要具有堅實的經濟預警理論基礎，因此，這里簡要闡述經濟預警的基本原理是必要的。經濟預警基礎理論認為，無論是宏觀還是微觀經濟活動，預警過程不外乎都是由這樣三個環節組成的循環：目標—手段—結果→目標—手段—結果→ ……。其中，目標環節是信息的加工處理階段；手段環節是目標的實施階段；結果環節是目標與手段相互校驗，相互適應的階段，物流管理畢業論文范文為下一輪循環的運行提供現實基礎。在上述過程中，監測與預測自然是極為必要的階段，用古人的話“凡事預則立，不預則廢”。

三、上市公司財務風險的預警

（一）預警方法

1．傳統方法

 傳統方法是指通過財務比率分析來預警公司是否處于財務危機。企業資源配置缺陷與錯誤的經營管理策略與執行，在會計系統中表現為財務指標開始惡化。財務狀況進一步惡化引發財務困境或財務危機。因而，無效率或不良的管理行為特征與會計系統中的相關指標都可以作為財務風險的征兆。一般財務風險的成因是多方面的，對于不同行業的企業來說，財務風險的表現形式也不盡相同。因此在定量分析的同時，還應該結合定性分析的方法，對企業外部環境變化等因素進行分析。結合上市公司實際情況的基礎上，定量指標從表內信息出發，定性指標從表外信息出發。下表4-1是對常用的上市公司財務風險預警指標的概括。

表4-1  常用財務指標的計算公式和預警區域

指標

類型

指標名稱 單位 指標計算 預警區域 定

量

指

標

資產負債率 % 負債總額/資產總額 ≥85% 流動比率   流動資產/流動負債 ≤1.25 速動比率   (流動資產-存貨)/流動負債 ≤0.25 盈利現金比率   經營活動產生現金凈流量/凈利潤 ≤1 長期投資比率 % 長期投資總額/長期資產 ≥50% 投資收益比率 % 投資收益/投資成本 ≤凈資產收益率 關聯方業務收入比率 % 關聯方業務收入/總業務收入 ≥70% 主營業務收入利潤率 % 主營業務利潤/主營業務收入 ≤5% 營業利潤比重 % 營業利潤額/利潤總額 ≤50% 應收賬款周轉率 次 主營業務收入凈額/平均應收賬款余額 ≤行業平均水平50% 存貨周轉次數 次 主營業務成本/存貨平均余額 ≤行業平均水平50% 凈資產收益率 % 凈利潤/平均凈資產 ≤0 定

性

篇（8）

關鍵詞：財務危機；預警；指標體系

一、引言

“財務危機”又稱財務困境，最嚴重的財務危機是企業破產。企業因財務危機最終導致破產實際上是一種違約行為，所以財務危機又可稱為“違約風險”。

關于財務危機的定義，目前尚無一個統一的說法。具有代表性的觀點有以下幾種：(1)Beaver(1966)將破產、拖欠優先股股利、拖欠債務界定為財務危機。(2)Altman(1968)定義的財務危機是進入法定破產、被接管或者重整的企業。(3)Deakin(1972)則認為財務危機公司僅包括已經經歷破產、無力償債或為債權人利益而已經進行清算的公司。(4)Carmichael(1972)認為財務危機是企業履行義務時受阻，具體表現為流動性不足、權益不足、債務拖欠及資金不足四種形式。(5)Wruck(1990)給出的財務危機的定義是企業現金流量不足以抵償現有債務的情況，這些債務包括應付未付款、訴訟費用、違約的利息和本金等。(6)Ross等人(1999；2000)則認為可從四個方面定義企業的財務危機：一是企業失敗，即企業清算后仍無力支付債權人的債務；二是法定破產，即企業和債權人向法院申請企業破產；三是技術破產，即企業無法按期履行債務合約付息還本；四是會計破產，即企業的賬面凈資產出現負數，資不抵債。(7)Lee(2004)認為可以從兩方面定義財務危機：一是未能償還到期借款的本息，借款期間有過延期還款和減少本息支付的協議；二是公司的凈資產減少到其股本的一半以下。

綜合上述各種定義可知，無論財務危機如何定義，企業發生財務危機都具有無力償還到期債務、現金流的緊張狀態可能使經營無法持續的特點。財務危機的出現意味著企業基本面發生根本性變化，處理不當就會導致企業破產。因此，識別企業財務危機，并對其做出預警，不僅對企業經營者及時采取措施化解危機具有重大的意義，而且對于投資者規避風險也有非常重要的價值。

二、文獻綜述

企業財務危機預警問題的研究很早就引起了各方面的關注，很多經濟學家與財務專家都在這方面做了大量的工作，他們利用相應的財務變量構造了一系列的預測模型，其中有代表性的研究成果可歸納為四類。

(一)單變量模型

單變量模型是運用單一變數、個別財務比率來預測財務危機的模型。最早的財務預警研究是Fitzpatrick(1932)的單變量破產預測研究。此后，WilliamBeaver(1966)使用單變量為分析方法，采用成對抽樣法進行樣本配對，考察了29個財務比率在企業陷入財務困境前1-5年的預測能力。Beaver發現在破產前一年的預測正確率可以達到87%，對于失敗企業是最具有預測能力的指標。國內學者對單變量模型也作了較深入的研究，包括陳靜(1999)以1998年的27家ST公司和27家非ST公司，使用1995-1997年的財務報表數據，進行了單變量分析。吳世農和盧賢義(2001)以70家ST公司和70家非ST公司，應用單變量分析法研究了在上市公司陷入財務危機前5年21個財務指標之間所存在的差異。

單變量模型的優點是只需要觀測一個變量，應用比較簡單；但是，任何一個財務比率無法充分和全面地反映企業的財務特征，所以該方法在現今的研究中很少被單獨使用，一般都是與其他方法結合運用。

(二)多變量分析模型

多變量分析模型又可以分為多元回歸分析模型和多元判別分析模型。EdwardAltman(1968)使用多變量分析法對企業財務危機進行研究。他以1946-1965年間33家破產的制造業企業為樣本，并配對33家正常企業，將22項財務比率分為流動性、獲利性、財務杠桿、償債能力和活動力五大類指數，利用多變量分析法建立了著名的Z-Score記分模型。Meyer和Pifer(1970)以1948-1965年間失敗的30家銀行與其相匹配的30家非失敗銀行為樣本，利用二元回歸分析法建立模型，并且用9對相匹配銀行組成的預測樣本對模型進行了驗證。此外，還有其他典型的判別分析模型，包括：Deakin模型、Blum模型、Casey模型和Taffler模型等等。國內的相關研究主要有陳靜(1999)使用1995-1997年的財務數據，對27家ST公司和27家非ST公司進行的多元判別分析。張玲(2000)以120家公司為研究對象，使用其中60家公司的財務數據，通過多元判別法建立了財務危機預警模型。盧守林等(2002)以滬深兩市A股市場上所有上市公司1998-2000年的財務資料為依據，用多元判別分析法構建的Z-Score模型。

多變量分析法彌補了單變量分析法的不足，具有較高的準確率和穩定性，但是也存在著一些不足：第一，這種方法受到了統計假設的限制，只適用于自變量近似服從正態分布的情況，并且要求組內的協方差矩陣相等，否則得到的預測結果可能是有偏的；第二，多元判別分析要求財務危機公司與正常公司之間一定要配對，而配對的標準具有較大的主觀性。

(三)多元條件概率模型

多元條件概率模型是使用極大似然法對參數進行估計的一類概率模型，包括Logistic模型和Probit模型。Martin(1977)首次使用Logit模型預測公司的破產及違約概率。Ohlson(1980)從1970-1976年間在美國的上市公司之中排除公共事業、運輸公司、金融服務業，總共挑選出105家破產公司和2058家正常公司為樣本，采用九個財務比率建立了Logit模型。Huffman&Ward(1996)運用Logit模型對1977-1991年間違約的171家企業的高收益債券進行了預測研究等。國內的相關研究主要包括：吳世農和盧賢義(2001)分別采用多元判別分析和Logit回歸方法建立和估計了預警模型。劉旻(2001)使用1999年28家ST公司與另外28家正常公司陷入財務危機前3年的數據，通過Logit回歸方法建立了財務危機預警模型。姜秀華(2002)和齊治平(2002)利用Logit模型對我國上市公司進行信用風險分析。李萌(2005)以不良貸款率作為信用風險衡量標準，構造商業銀行信用風險評估的Logit模型等。

多元條件概率模型的主要優點是不需要自變量服從多元正態分布和組內協方差矩陣相等的假設條件，但是要求因變量有邏輯含義，而且計算過程較為復雜，有很多近似處理。

(四)神經網絡預警模型

神經網絡，又稱人工神經網絡(ArtificialNeuralNetwork，ANN)是一種從神經心理學和認識科學的研究成果出發，應用數學方法發展起來的并行分布模式處理系統。常見的神經網絡模型主要有：BP神經網絡模型、MDA協助神經網絡模型、ID3協助神經網絡模型和SOFM協助神經網絡模型。Odom和Sharda(1990)是將人工神經網絡模型應用在破產預測模式中最具代表性的學者。Koh和Tan(1999)以1978-1985年間出現的165家破產公司為失敗樣本并以正常公司165家作為配對樣本，使用人工神經網絡模型構建了企業危機預警模型。在我國，王春峰(1998)、楊保安(2001)等學者也在此領域進行了深入的研究，楊保安通過對中信實業銀行的分析，選取了4大類共15個財務指標，運用BP神經網絡方法建立了一個可供銀行用于授權評價的預警系統。臺灣的林文修(2000)選取1992-1996年在臺灣證交所上市企業中的36家失敗企業和64家正常企業，并區分為學習樣本73家與測試樣本27家，比較了多元判別分析、Logit模型、BP神經網絡模型和演化式神經網絡模型等四種方法的模型預測準確率。神經網絡預警模型的主要優點是分析層次清晰且邏輯關系嚴密，并依據心理學理論加入了一主觀因素，從而有效地使客觀分析與主觀判斷相融合。它的缺點是規范分析特點明顯，不適宜做實證分析，分析模式缺乏靈活性，數據性假設條件過于苛刻。

三、財務危機預警的指標體系設計

導致企業發生財務危機的因素很多，且錯綜復雜，單變量模型與多變量模型僅能揭示影響關系與程度，變量的選擇會因分析人員偏好的不同而不同，其不僅缺乏統一的理論基礎，而且系統性往往較差，多元條件概率模型和神經網絡預警模型雖然在分析技術上較為先進，且分析企圖試圖更精確，但它們在強調分析技術的同時，往往忽略了立論的基本依據，且在變量選擇中往往伴隨較明顯的盲目性。因此，作為完善多變量模型系統，為多元條件概率模型和神經網絡預警模型提供變量選擇的依據，利用相應的財務理論構建企業財務危機預警指標體系就是研究企業財務危機的基礎之基礎。但從財務本身的角度去分析，財務危機形成的原因可以歸結為以下幾點：(1)公司經營狀況不佳，導致營業收入無法穩定增長，造成公司的連續虧損，使得財務危機發生的可能性增大；(2)過高的負債使公司面臨更大的財務危機。雖然公司本身有盈余，但是可能因為無法應付短期的龐大利息支出而造成破產倒閉；(3)現金流量發生持續性的凈流出，企業就像是流動性資產的儲水槽，若水槽中的流量變小(資產變少)，流入量減少(現金流入減少)，流出量增加(現金流出增加)，流入量與流出量之間的差量就會逐步增大，這樣會使公司出現財務危機的概率增加。

綜合引起財務危機的三個主要因素，可以對應用五個方面的財務指標來描述或預警財務危機，用經營能力指標、成長能力指標和獲利能力指標來度量或反映企業的經營狀況，用公司的償債能力指標來度量或反映企業的債務負擔，用現金流量指標來度量現金流。從預警的角度考慮，五個方面的財務指標可進一步細分為20個更具體的財務變量(見表1)，以此構成財務危機預警的指標體系。

以深滬兩市A股中被ST的上市公司為實際考察對象，利用2006年1月1日-2007年12月31日深滬兩市A股中154家被ST的上市公司的數據。剔除由于以下幾種原因而被ST的上市公司：(1)上市兩年內被特別處理的公司；(2)因自然災害、重大事故等意外事件而被特別處理的公司。經過剔除后，本文選取的有效樣本變為80家。根據研究期間一致、行業相同或相近、規模相當的原則按1：1的比例選擇沒有被ST的上市公司作為配對樣本。由于我國上市公司年報披露制度規定上市公司公布其年報的截止日期為下一年的4月30日，上市公司(t-1)年的年報和其在第t年是否被ST幾乎同時發生，因此，用(t-1)年的數據預測第t年是否被ST沒有實際意義。在本文中采用(t-2)年的數據進行分析。

表6是財務危機公司和正常公司的成長能力指標在發生財務危機前2年的統計性描述，包括最大值、最小值、平均數、標準差和t值。

篇（9）

一、引言

“財務危機”又稱財務困境，最嚴重的財務危機是企業破產。企業因財務危機最終導致破產實際上是一種違約行為，所以財務危機又可稱為“違約風險”。

關于財務危機的定義，目前尚無一個統一的說法。論文百事通具有代表性的觀點有以下幾種：(1)Beaver(1966)將破產、拖欠優先股股利、拖欠債務界定為財務危機。(2)Altman(1968)定義的財務危機是進入法定破產、被接管或者重整的企業。(3)Deakin(1972)則認為財務危機公司僅包括已經經歷破產、無力償債或為債權人利益而已經進行清算的公司。(4)Carmichael(1972)認為財務危機是企業履行義務時受阻，具體表現為流動性不足、權益不足、債務拖欠及資金不足四種形式。(5)Wruck(1990)給出的財務危機的定義是企業現金流量不足以抵償現有債務的情況，這些債務包括應付未付款、訴訟費用、違約的利息和本金等。(6)Ross等人(1999；2000)則認為可從四個方面定義企業的財務危機：一是企業失敗，即企業清算后仍無力支付債權人的債務；二是法定破產，即企業和債權人向法院申請企業破產；三是技術破產，即企業無法按期履行債務合約付息還本；四是會計破產，即企業的賬面凈資產出現負數，資不抵債。(7)Lee(2004)認為可以從兩方面定義財務危機：一是未能償還到期借款的本息，借款期間有過延期還款和減少本息支付的協議；二是公司的凈資產減少到其股本的一半以下。

綜合上述各種定義可知，無論財務危機如何定義，企業發生財務危機都具有無力償還到期債務、現金流的緊張狀態可能使經營無法持續的特點。財務危機的出現意味著企業基本面發生根本性變化，處理不當就會導致企業破產。因此，識別企業財務危機，并對其做出預警，不僅對企業經營者及時采取措施化解危機具有重大的意義，而且對于投資者規避風險也有非常重要的價值。

二、文獻綜述

企業財務危機預警問題的研究很早就引起了各方面的關注，很多經濟學家與財務專家都在這方面做了大量的工作，他們利用相應的財務變量構造了一系列的預測模型，其中有代表性的研究成果可歸納為四類。

(一)單變量模型

單變量模型是運用單一變數、個別財務比率來預測財務危機的模型。最早的財務預警研究是Fitzpatrick(1932)的單變量破產預測研究。此后，WilliamBeaver(1966)使用單變量為分析方法，采用成對抽樣法進行樣本配對，考察了29個財務比率在企業陷入財務困境前1-5年的預測能力。Beaver發現在破產前一年的預測正確率可以達到87%，對于失敗企業是最具有預測能力的指標。國內學者對單變量模型也作了較深入的研究，包括陳靜(1999)以1998年的27家ST公司和27家非ST公司，使用1995-1997年的財務報表數據，進行了單變量分析。吳世農和盧賢義(2001)以70家ST公司和70家非ST公司，應用單變量分析法研究了在上市公司陷入財務危機前5年21個財務指標之間所存在的差異。

單變量模型的優點是只需要觀測一個變量，應用比較簡單；但是，任何一個財務比率無法充分和全面地反映企業的財務特征，所以該方法在現今的研究中很少被單獨使用，一般都是與其他方法結合運用。

(二)多變量分析模型

多變量分析模型又可以分為多元回歸分析模型和多元判別分析模型。EdwardAltman(1968)使用多變量分析法對企業財務危機進行研究。他以1946-1965年間33家破產的制造業企業為樣本，并配對33家正常企業，將22項財務比率分為流動性、獲利性、財務杠桿、償債能力和活動力五大類指數，利用多變量分析法建立了著名的Z-Score記分模型。Meyer和Pifer(1970)以1948-1965年間失敗的30家銀行與其相匹配的30家非失敗銀行為樣本，利用二元回歸分析法建立模型，并且用9對相匹配銀行組成的預測樣本對模型進行了驗證。此外，還有其他典型的判別分析模型，包括：Deakin模型、Blum模型、Casey模型和Taffler模型等等。國內的相關研究主要有陳靜(1999)使用1995-1997年的財務數據，對27家ST公司和27家非ST公司進行的多元判別分析。張玲(2000)以120家公司為研究對象，使用其中60家公司的財務數據，通過多元判別法建立了財務危機預警模型。盧守林等(2002)以滬深兩市A股市場上所有上市公司1998-2000年的財務資料為依據，用多元判別分析法構建的Z-Score模型。

多變量分析法彌補了單變量分析法的不足，具有較高的準確率和穩定性，但是也存在著一些不足：第一，這種方法受到了統計假設的限制，只適用于自變量近似服從正態分布的情況，并且要求組內的協方差矩陣相等，否則得到的預測結果可能是有偏的；第二，多元判別分析要求財務危機公司與正常公司之間一定要配對，而配對的標準具有較大的主觀性。

(三)多元條件概率模型

多元條件概率模型是使用極大似然法對參數進行估計的一類概率模型，包括Logistic模型和Probit模型。Martin(1977)首次使用Logit模型預測公司的破產及違約概率。Ohlson(1980)從1970-1976年間在美國的上市公司之中排除公共事業、運輸公司、金融服務業，總共挑選出105家破產公司和2058家正常公司為樣本，采用九個財務比率建立了Logit模型。Huffman&Ward(1996)運用Logit模型對1977-1991年間違約的171家企業的高收益債券進行了預測研究等。國內的相關研究主要包括：吳世農和盧賢義(2001)分別采用多元判別分析和Logit回歸方法建立和估計了預警模型。劉?F(2001)使用1999年28家ST公司與另外28家正常公司陷入財務危機前3年的數據，通過Logit回歸方法建立了財務危機預警模型。姜秀華(2002)和齊治平(2002)利用Logit模型對我國上市公司進行信用風險分析。李萌(2005)以不良貸款率作為信用風險衡量標準，構造商業銀行信用風險評估的Logit模型等。

多元條件概率模型的主要優點是不需要自變量服從多元正態分布和組內協方差矩陣相等的假設條件，但是要求因變量有邏輯含義，而且計算過程較為復雜，有很多近似處理。

(四)神經網絡預警模型

神經網絡，又稱人工神經網絡(ArtificialNeuralNetwork，ANN)是一種從神經心理學和認識科學的研究成果出發，應用數學方法發展起來的并行分布模式處理系統。常見的神經網絡模型主要有：BP神經網絡模型、MDA協助神經網絡模型、ID3協助神經網絡模型和SOFM協助神經網絡模型。Odom和Sharda(1990)是將人工神經網絡模型應用在破產預測模式中最具代表性的學者。Koh和Tan(1999)以1978-1985年間出現的165家破產公司為失敗樣本并以正常公司165家作為配對樣本，使用人工神經網絡模型構建了企業危機預警模型。在我國，王春峰(1998)、楊保安(2001)等學者也在此領域進行了深入的研究，楊保安通過對中信實業銀行的分析，選取了4大類共15個財務指標，運用BP神經網絡方法建立了一個可供銀行用于授權評價的預警系統。臺灣的林文修(2000)選取1992-1996年在臺灣證交所上市企業中的36家失敗企業和64家正常企業，并區分為學習樣本73家與測試樣本27家，比較了多元判別分析、Logit模型、BP神經網絡模型和演化式神經網絡模型等四種方法的模型預測準確率。神經網絡預警模型的主要優點是分析層次清晰且邏輯關系嚴密，并依據心理學理論加入了一主觀因素，從而有效地使客觀分析與主觀判斷相融合。它的缺點是規范分析特點明顯，不適宜做實證分析，分析模式缺乏靈活性，數據性假設條件過于苛刻。

三、財務危機預警的指標體系設計

導致企業發生財務危機的因素很多，且錯綜復雜，單變量模型與多變量模型僅能揭示影響關系與程度，變量的選擇會因分析人員偏好的不同而不同，其不僅缺乏統一的理論基礎，而且系統性往往較差，多元條件概率模型和神經網絡預警模型雖然在分析技術上較為先進，且分析企圖試圖更精確，但它們在強調分析技術的同時，往往忽略了立論的基本依據，且在變量選擇中往往伴隨較明顯的盲目性。因此，作為完善多變量模型系統，為多元條件概率模型和神經網絡預警模型提供變量選擇的依據，利用相應的財務理論構建企業財務危機預警指標體系就是研究企業財務危機的基礎之基礎。但從財務本身的角度去分析，財務危機形成的原因可以歸結為以下幾點：(1)公司經營狀況不佳，導致營業收入無法穩定增長，造成公司的連續虧損，使得財務危機發生的可能性增大；(2)過高的負債使公司面臨更大的財務危機。雖然公司本身有盈余，但是可能因為無法應付短期的龐大利息支出而造成破產倒閉；(3)現金流量發生持續性的凈流出，企業就像是流動性資產的儲水槽，若水槽中的流量變小(資產變少)，流入量減少(現金流入減少)，流出量增加(現金流出增加)，流入量與流出量之間的差量就會逐步增大，這樣會使公司出現財務危機的概率增加。

綜合引起財務危機的三個主要因素，可以對應用五個方面的財務指標來描述或預警財務危機，用經營能力指標、成長能力指標和獲利能力指標來度量或反映企業的經營狀況，用公司的償債能力指標來度量或反映企業的債務負擔，用現金流量指標來度量現金流。從預警的角度考慮，五個方面的財務指標可進一步細分為20個更具體的財務變量(見表1)，以此構成財務危機預警的指標體系。

以深滬兩市A股中被ST的上市公司為實際考察對象，利用2006年1月1日-2007年12月31日深滬兩市A股中154家被ST的上市公司的數據。剔除由于以下幾種原因而被ST的上市公司：(1)上市兩年內被特別處理的公司；(2)因自然災害、重大事故等意外事件而被特別處理的公司。經過剔除后，本文選取的有效樣本變為80家。根據研究期間一致、行業相同或相近、規模相當的原則按1：1的比例選擇沒有被ST的上市公司作為配對樣本。由于我國上市公司年報披露制度規定上市公司公布其年報的截止日期為下一年的4月30日，上市公司(t-1)年的年報和其在第t年是否被ST幾乎同時發生，因此，用(t-1)年的數據預測第t年是否被ST沒有實際意義。在本文中采用(t-2)年的數據進行分析。

表6是財務危機公司和正常公司的成長能力指標在發生財務危機前2年的統計性描述，包括最大值、最小值、平均數、標準差和t值。

四、結論

根據上述經驗值的計算結果可知，一般情況下，可以根據財務指標的實際值來判斷企業是否陷入財務危機，判斷的標準見表7。

依據表7的標準可以得出結論。即在發生財務危機的前2年，正常公司和危機公司在獲利能力、償債能力、經營能力、現金流量和成長能力的20個指標中有15個指標在5%的置信水平下通過了t檢驗，也就是說正常公司和危機公司在上述15個財務指標的均值上存在著顯著性的差異。因此，只要發現企業對應財務指標變量的實際值有一個或多個落入預警區間，就必須引起我們高度的關注。

參考文獻：

[1]劉紅霞.企業投資預警系統的構建及其分析[J].投資研究，2003(9).

[2]陳靜.上市公司財務惡化預測的實證研究[J].會計研究，1999(4).

篇（10）

中圖分類號：F275 文獻標識碼：A 文章編號：1001-828X（2012）09-00-02

一、引言

沃爾評分法又稱為財務比率綜合評分法，是由美國學者亞歷山大·沃爾于1928年在其出版的《財務報表比率分析》和《信用晴雨表研究》兩書中首次提出，最初是用于評價企業的信用水平，經過演化和完善，在企業的價值評估、績效評價等領域中已廣泛應用。

經濟增加值EVA（Economic Value Added）簡單的定義是指在扣除資本成本之后剩余的利潤，也就是經濟學家長期稱之為“剩余收入（Residual Income）”、“經濟利潤（Economic Profit）”或“經濟租金（Economic Rent）”的概念，其理論淵源出自諾貝爾經濟學獎獲得者經濟學家默頓·米勒和弗蘭科·莫迪利亞尼1958 至 1961 年發表的關于公司價值的經濟模型的一系列論文。

青島海爾股份有限公司的前身是成立于1984年的青島電冰箱總廠，于 1993 年 11 月在上交所上市交易。青島海爾屬于國家一級企業，是海爾集團的龍頭企業，主要經營有空調器、電冰箱、電冰柜，以及洗碗機、燃氣灶等其他一些小家電產品，其中空調器和電冰箱的銷售份額分別約占主營業務收入的 50%和 30%以上。

二、沃爾評分法的運用

沃爾評分法是對企業財務狀況進行綜合評分的方法。此法是選擇若干財務比率，分別給定了在總評價中所占的比重，總和為100 分；然后確定標準比率， 并與實際比率相比較；評出每項指標的得分；最后求得總評分。若實際得分大于或接近100 分， 則說明財務狀況良好；反之，若相差較大，則說明財務狀況較差。它是由亞歷山大·沃爾在1928 年提出的。

其評價的基本步驟為：

1.選擇評價指標并分配指標權重

指標的比重是該項指標的評分值，比重是由該項指標在指標體系中所占的重要性決定的。按其重要程度可分為三類： 最為重要的、較為重要的和其他重要的指標。這三類指標之間可按4：4：2 的比例分配比重。

第一類最為重要的是收益性指標， 其評分值應占40 分左右。主要指標有各種利潤率， 如銷售利潤率、總資產報酬率、資本收益率以及人均利潤率、利潤額等。

第二類較為重要的是穩定性指標， 其評分值應占40 分左右。穩定性也稱安全性， 是指企業的償債能力和營運能力。主要指標有：資產負債率（或產權比率）、流動（或速動）比率等。營運能力反映企業生產經營活動的強弱、說明資產周轉的快慢。主要指標有： 應收賬款周轉率、存貨周轉率、流動資產周轉率、總資產周轉率等。各種周轉率指標有相互包容關系，選用時要避免重疊， 評分值不宜太高。

第三類其他重要的是指增長性指標和其他指標。其評分值應占20 分左右。增長性是指企業的發展能力， 它是保持企業活力的物質基礎。主要指標有利潤增長率、營業收入（或產值、產量）增長率、勞動效率、附加值率、資本保值增值率等。

2.確定各項比率指標的標準值，即各該指標在企業現時條件下的最優值

本文選擇了青島海爾、小天鵝A、美的電器、美菱電器、合肥三洋、澳柯瑪、格力電器7家A股上市的家電企業2011年的財務數據分析，得出行業的平均水平即標準數值。

3.計算企業在一定時期各項比率指標的實際值

4.形成評價結果

三、經濟增加值EVA（Economic Value Added）的應用

EVA計算模型

EVA= 稅后凈營業利潤- 資本成本

= 稅后凈營業利潤- 資本總額×加權平均資本成本率

=NOPAT-K×WACC

其中：NOPAT 以會計凈利潤為基礎進行調整后得到，稅后營業凈利潤和資本總額是在對資產負債表的有關數據進行相應調整后得出的結果。加權資本成本率指企業所占用資本的機會成本，由負債成本率和股權成本率組成。

加權平均資本成本率= 債務資本成本率×（債務資本/ 資本總額）+ 股本資本成本率×（股本資本/資本總額）

股本資本成本率是根據資本資產定價模型確定的，即：

股本資本成本率= 無風險收益率+β×市場風險溢價

如果EVA>0，則表示企業獲得的收益高于獲得此項收益而投人的資本成本，即企業為股東創造了新價值。相反，如果EVA

下面以計算青島海爾2009-2011年 EVA 為例，說明 EVA 的計算。

1.計算2009-2011年資本總額

2.計算經過調整的稅后凈營業利潤

根據思騰斯特咨詢公司的研究，精確計算經濟增加值要進行的調整多達160 多項。調整項目過多將會增加計算的難度和工作量，降低這一指標的可操作性，CPA教材做法：稅后凈營業利潤=稅后凈利潤+利息費用+無形資產攤銷+遞延稅所得稅貸方余額的增加+研發支出的資本化金額一研發支出的資本化金額攤銷。

3.計算資本結構

海爾公司2009-2011年資本結構狀況如下表：

篇（11）

1.降低抄襲、替考等作弊行為。在以往的標準化考試中，同學們一般是在規定的時間內完成相同的試卷，有的同學擔心考試不及格，有的同學希望取得高分，因此，考試作弊的現象在大學校園里比比皆是。一系列嚴肅考風考紀的處罰條例也應運而生，但是行政的處罰并不能徹底的杜絕考試作弊現象。作為解決問題的根本方法就應該設計一種能夠有效地檢測學生學習結果的方式，檢測出學生真正掌握知識的程度和運用知識的能力，使學生們無需也不能通過作弊而取得好的評價。

2.實現社會的需要和學生個性的需要。學校培養學生的準則是能夠為社會輸送需要的人才、能夠幫助學生實現自我價值。傳統的標準化考試，所有學生面對一樣的試題，所有試題有統一的標準答案，這樣的考試對所有學生的要求是一樣的，但是我們培養的不是具有一樣特點，具備同樣能力的人才，社會需要的人才是多方面的，統一模式下培養出來的人并不能滿足社會對人才的多方面需要；另一方面，每個學生的興趣點是不同的，傳統的標準化考試無法讓同學們展示他們的特長，無法基于個人本身的興趣對知識進行深入細致的研究，本文所探討的非標準化考試致力于可以滿足以上兩點需要。

3.改變傳統的應試教育。長期以來考試成績用來作為評價學生的唯一標準，教學的目的逐漸演變成讓學生們在考試中取得高分，而不是真正學到了什么，學到的知識是否會運用。以致產生了“高分低能”的說法。這里面比較典型的是大學英語的四、六級考試。大學英語的四、六級沿用的就是標準化的考試方法。但是經過多年的實踐證明，四、六級的考試成績并不能真正反映出學生對英語掌握的真正水平。我們大學中那些標準化英語考試分數很高的學生有不少人卻不具備真正的英語聽說和讀寫能力。

二、非標準化考試模式的設計

近幾年來，許多人都提出了并且嘗試了考試改革，比如實行開卷、半開卷考核方式；實行大論文的考核方式等等。實踐證明，在減輕學生負擔、培養學生的學習能力方面，已經取得了一定的成績。本文所探討的非標準化考試模式主要適用于經濟管理類、社會科學類偏文學科學生的期末考核，具體設計如下：

1.考試形式。非標準化考試有兩部分組成，一部分仍然是以試卷的形式，這部分基本上同標準化的考試一致，但是在試題的設置方面更加側重能力的考察，沒有名詞解釋，簡答這樣的傳統題型，而是將這些基礎知識融合到論述和案例分析中，也就說要想回答對試題，首先就要了解這些基本的概念和相關的基礎知識，這樣更能考出學生的水平和能力，也給學生充分的發揮個人創造力、想象力的空間；另外一部分采用答辯的方式，任課老師針對本學科的實際情況布置一個題目，每3～4名同學組成一個小組，以組為單位根據老師的要求進行準備，在老師規定的時間進行答辯，答辯的過程中老師和其他學生均可進行提問，最后老師給每名學生一個答辯成績。

2.成績評定。改變以往一卷定終身的弊端，非標準化考試的最后成績也有兩部分組成，即分別賦予試卷成績和答辯成績一定的權重，如分別為50%，得到最終的成績。即總成績：卷面分數×50%+答辯分數×50%。

3.參考答案及評分標準。對于試題部分，由于所有的題目均為客觀題，并且很靈活多樣，因此答案也沒有固定的標準，只要有一些答題要點即可。評分標準也要根據回答的程度而設定。比如，一道題目共有10個要點，每個要點1分，若學生全都答對，即可得到滿分10分，若答對了5個，即可得5分。對于答辯部分，沒有參考答案，任課老師可綜合學生的準備情況、自述情況、答題情況制定一個分數標準體系。

三、非標準化考試的實踐

根據以上的設計，我們選取金融學1(投資概論)這門課程進行非標準化考試改革試驗，這門課程在我院的04級金融學專業開設，本文僅對非標準化考試的答辯部分的實踐進行詳細說明。

1.答辯要求。04級金融學專業共有31人，事先學生按照自愿組合的方式分組，每組2～4人。老師規定答辯的主題為“財務預測”，學生需以組為單位搜集某公司的有關資料，分析公司的財務報表，依據報表的數據計算公司的某些財務比率(這些財務比率都為本門課程需要掌握的)，根據計算結果預測公司未來的財務狀況。每組的答辯時間為10分鐘。學生答辯的次序由學生自行決定，沒有事先規定，即當一組答辯完畢之后，另外一組即可自愿上臺。答辯要陳述的內容由小組成員自行分配。

2.答辯過程。首先，學生介紹公司的概況，包括公司名稱、主營業務、在國內國際市場的地位，通過陳述有關財務報表說明公司的財務狀況和重要的資產、負債、利潤、現金流量等項目。

然后，將所要求算的財務比率通報其他學生及老師。并基于所計算的相應公司的財務比率預測公司未來的財務狀況，得出結論。

最后，其他學生根據答辯組介紹的內容，對有異議的問題進行提問，答辯組成員予以解答；在學生提問之后，老師提問與答辯內容相關的問題，并針對學生的表達等提出一些意見和改進方法。整個答辯過程氣氛活躍，學生表現出了很強的積極性和參與精神。

為了更加形象地說明答辯過程，以下舉例說明：

我院金融專業學生A和學生B為一組，他們所介紹的公司為“聯通公司”，他們在陳述的過程中介紹了聯通公司的概況和聯通公司的三大報表(資產負債表、現金流量表、利潤表)，利用三大報表的數據計算了外部籌資，內部增長率，流動比率，速動比率等財務指標。根據計算結果，學生預測了未來聯通公司的財務狀況良好，并預測了聯通公司下一年度的利潤率等。接下來的老師提問，老師針對答辯過程提出了問題并給了相應的建議。該小組答辯結束后，老師從各個方面對小組的表現作了紀錄。

四、非標準化考試的積極作用與存在的問題

從非標準化考試在我院的實施來看，它作為不同于傳統考試模式的新形式，主要有以下優點：

1.培養了學生主動學習、主動研究和分工協作的精神，而且也培養了學生的表達能力，這對于學生專業能力提高是非常重要的。

2.學生可以出于自己的興趣，按照自己的方式來準備資料，學習、鞏固一些自己還沒有掌握的知識。比如說：有一組所研究分析的公司是一個外國公司，查閱的的是外文資料，一些與公司相關的資料都是學生自己翻譯的，這樣，即充分發揮了國際學院學生英語好的優勢，也同時提高了金融學的專業知識和英文能力。

3.學生不僅對自己所研究的公司有所了解，而且通過傾聽其他同學的介紹，也了解了其他的公司，開闊了眼界。更重要的，從準備到答辯的整個過程，學生都表現出了強烈的熱情和興趣，這比較符合素質教育的目的，學生是為了興趣而學習，不是為了考試而學習。改變了傳統的單一化、模式化教育。

但是，同時，在其適用性方面也發現了一些問題：

1.這樣的考試模式更適合一些有些基礎的高年級同學，比如說大二、大三的學生，而我們此次試點是針對于大一的學生，因為大一的學生所學的內容還屬于基礎知識階段，這樣的方式對于他們略顯有些難度，有些囫圇吞棗的印象。