国开电大作业范文-浅论企业财务危机预警模型应用的比较.doc

　　摘要：企业建立财务危机预警系统的关键是选择合适的预警模型进行企业财务危机预警应坚持远期监测与近期预警相结合单变量模型的远期监测效果比较理想，多变量预警模型的近期预警精度比较高由于多变量模型只能预测财务危机而不能解释财务危机产生的原因，因此通过近期预警一旦发现了财务危机的动向，就应该对其进行修正，加入其他变量，对其进行必要的整合，或与企业的实际情况相结合，运用财务报表分析法查找企业发生危机的原因，以便有针对性地采取有效措施，将危机化解在萌芽阶段　　关键词：财务危机；预警模型；比较研究　　一、引言　　企业财务危机预警是企业预警体系的一个重要组成部分，属于微观经济预警的范畴从国内外企业发展来看，企业失败往往起端于财务环节建立财务危机预警系统是财务管理制度创新的必然选择，具有重要的经济研究价值　　从比弗(Beaver，1966)的单变量研究开始，近40年来，这一研究始终是国际财务、会计和证券投资领域中经久不衰的课题国外证券市场经历了上百年的发展，财务预警实证研究在利益相关者对财务危机预测信息需求的推动下，不断创新和扩展，形成了较为成熟的理论和方法，并在实践中取得了很好的应用效果我国证券市场的发展不过短短二十年，财务预警研究处于刚刚起步阶段，吴世农、黄世忠从1986年开始介绍企业的破产分析指标和预测模型，这一阶段的财务预警大都是利用单一指标来进行判别的。

1994年以来，我国陆续出现了以企业财务数据为基础建立的财务风险预测模型，主要是借鉴国外的财务预警研究方法，利用我国的数据库资源建立类似的预警模型　　我们在研究与应用中发现，企业建立财务危机预警系统的关键问题，就是选择合适的预警模型本文对目前已有的企业财务危机预警模型，包括单变量模型预警法、多变量模型预警法等方法进行应用对比与实证分析，根据实证分析的结果分析了每种模型的利与弊，对在我国目前条件下如何综合使用这些模型提出了建设性的意见　　　　二、财务危机预警模型综述　　虽然目前财务危机的预警模型很多，根据我们的分析，有些模型已经很成熟，实际应用比较普遍，并且效果比较理想；有些模型刚刚开发不久，理论上不够成熟，实际应用效果尚不明朗本文主要介绍目前在中国实际预警工作中常用的几种财务预警模型　　(一)单变量模型法　　财务预警模型是指借助企业财务指标和非财务指标体系，来识别企业财务状况的判别模型人们最早采用的预警模型是单变量模型单变量模型也叫一元判定模型是将某一项财务指标作为判别标准来判断企业是处于破产状态还是非破产状态的一种预测模型财务危机预警研究是从单变量模型研究开始的　　最早建立单变量模型进行财务困境研究的是1932年的Fitzpatrick·P·J。

他以19家公司作为样本，运用单个财务比率将样本企业划分为破产组和非破产组，结果发现判别能力最高的是资本收益率(净利润，股东权益)与债权股权比率(负债/St东权益)这两个指标尽管Fitzpatrick·P·J研究的结果很不错，但一直到30多年后的1966年才有人沿着他的这条思路继续研究财务预警问题　　1966年，威廉·比弗(William Beaver)沿用同样的思路，在财务预警研究领域取得了突破性的进展， 　　第一次系统地运用统计方法和财务比率进行企业财务危机研究他的《财务比率与失败预警》一文已成为研究企业失败与财务危机预警模型领域的经典之作，对深化这一领域的研究起到了奠基性作用在这篇论文中，他以企业失败预测为主题，以单一的财务比率指标为基本变量，运用配对样本法，随机挑选了1954～1964年间79家营运失败企业，并针对79家失败企业逐一挑选与其产业相同且资产规模相近的79正常企业，再将样本企业分为学习样本与测试样本两组先以学习样本企业失败破产前5年的30项财务比率进行二分类检验，用以找出最具区别能力的财务比率及其分界点，并利用测试样本预测及验证选定的财务比率及其分界点的判别能力　　Beaver的研究表明，对于企业失败最具预测能力的指标是“现金流量/总负债”比率，其次为“总负债，总资产”比率和“净利润/总资产”比率。

在失败前5年可达71％的预测能力，失败前1年其准确率可高达87％　　(二)多变量模型法　　为了改进传统研究中的缺陷，获得对企业财务危机更好的预测模型，研究人员从20世纪60年代起发展了多种新的模型和方法，预测精度和效率都得到了极大的提高其中多变量分析(MDA0)是基础思想方法最为经典的多变量财务预警模型为Altman(奥特曼)模型，此后又有其他一些研究人员发展了这一方法　　1　Alunan的Z记分模型(z-score model)　　Airman运用MDA分析技术，在样本选取上按照美国国家破产法第十章提出的破产申请作为财务失败的定义，随机抽取了1946-1965年间33家制造企业的破产公司作为样本，并且按其行业类型及规模大小分层抽取了33家正常公司作为配对样本，把22个有可能预示公司发生问题的财务比率变量分为流动性、获利能力、财务杠杆、偿债能力和周转能力五大指标然后利用MDA技术在每一类比率中选取一个最具区别和预测能力的指标放人模型中　　选取上述5个变量通过以下步骤进行：(1)观察各种可供选择函数的统计意义，包括决定每个独力变量的相对贡献；(2)评估相关变量之间的相互关系；(3)观察各变量预测的准确度；(4)专家进行分析判断。

最终Ahman选出了5个变量组成了z记分模型：　　Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5　　其中：X1=(期末流动资产一期末流动负债)，期末总资产；X2=期末留存收益/期末总资产；X3=息税前利润，期末总资产；X4=期末股东权益的市场价值，期末总负债；X3=本期销售收A/总资产　　X1为营运资本/资产总额，反映了企业资产的折现能力和规模特征营运资本是企业的劳动对象，具有周转速度快，变现能力强，项目繁多，性质复杂，获利能力高，投资风险小等特点一个企业营运资本的持续减少，往往预示着企业资金周转不灵或出现短期偿债危机　　 　　X2扳映了企业的累积获利能力期末留存收益是由企业累积税后利润而成，对于上市公司，留存收益是净利润扣除全部股利后的余额一般说来，新企业资产与收益较少，因此相对于老企业X2较小，而财务失败的风险较大　　X1即EBIT/资产总额，可称为总资产息税前利润率，而我们通常所用的总资产息税前利润率为EBIT/平均资产总额，分母间的区别在于平均资产总额避免了期末大量购进资产时使X3降低，不能客观反映一年中资产的获利能力EBIT是 指扣除债务利息与所得税之前的正常业务利润(包括对外投资收益)，不包括非正常项目、中断营业和特别项目及会计原则变更的累积前期影响而产生的收支净额。

原因在于：由负债与资本支持的项目一般属于正常业务范围，因此，计算总资产利润率时以正常业务经营的息税前利润为基础，有利于考核债权人及所有者投入企业资本的使用效益该指标主要是从企业各种资金来源(包括所有者权益和负债)的角度对企业资产的使用效益进行评价的，通常是反映企业财务失败的最有力依据之一　　X4测定的是财务结构，分母为流动负债、长期负债的账面价值之和；分子以股东权益的市场价值取代了账面价值，因而对公认的、影响企业财务状况的产权比率进行了修正，使分子能客观地反映公司价值的大小对于上市公司，分子应该是：“末流通的股票账面价值+流通股票期末市价”X4的分子是一个较难确定的参数，尤其对于股权结构较复杂的企业而目前及在今后相当长的时间内，非上市公司仍占我国公司总数的大部分，要确定非上市公司所有者权益市价，我们可以采用资产评估方法中的预期收益法，具体表示为：企业资产市价=企业预期实现的年利润额/行业业平均资金利润率X4=(企业资产的市价/负债总额)-1　　X5为总资产周转率，企业总资产的营运能力集中反映在总资产的经营水平上，因此，总资产周转率可以用来分析企业全部资产的使用效率如果企业总资产周转率高，说明企业利用全部资产进行经营的成果好，效率高；反之，如果总资产周转率低，则说明企业利用全部资产进行经营活动的成果差，效率低，最终将影响企业的获利能力。

如果总资产周转率长期处于较低的状态，企业就应当采取措施提高各项资产的利用程度对那些确实无法提高利用率的多余、闲置资产应当及时进行处理，加快资产周转速度X5的分子“本期销售收入”应该为销售收入净额，指销售收入扣除销售折扣、销售折让、销售退回等后的余额　　Z记分模型从企业的资产规模、获利能力、财务结构、偿债能力、资产利用效率等方面综合反映了企业财务状况，进一步推动了财务预警的发展从这个模型可以看出，增加营运资金、留存收益、息税前利润、销售收入，提高企业价值，或减少负债、节约资产占用，可减少企业破产的可能性奥特曼教授通过对z记分模型的研究分析得出：z值越小，该企业遭受财务失败的可能性就越大Altman还提出了判断企业破产的临界值：如果企业的z值大于2.675，则表明企业的财务状况良好，发生破产的概率很小；反之，若z值小于1.81，则企业就存在很大的破产危险；如果z值处于1.81～2.675之间，则称之为“灰色地带”，进入这一区间的企业财务状况是极不稳定的　　奥特曼教授选择了1968年尚在持续经营的33家美国企业进行预测，其准确率令人满意，而且分析依据的资料越新，准确率越高如依据临近财务失败的报表资料预测其准确率为96％，依据财务失败前一年的报表预测准确率为72％。

但无论怎样，都必须以财务报表的真实性、准确性、完整性为前提近年来，澳大利亚、巴西、加拿大、法国、德国、爱尔兰、日本和荷兰都进行了类似的分析尽管z值的判断标准在各国间有相当的差异，但各国“财务失败组”的z值的平均值都低于临界值1.8　　2　Altman的ZETA模型　　Ahman的z己分模型主要适用于上市公司为了便于为非上市公司评分，1977年Altman等人又对原始的z记分模型进行扩展，建立了，第二代模型——ZETA模型这一次的模型选取了自1962～1975年间的53家破产企业和58家配对的正常公司，样本公司平均资产规模在1亿美元左右，而且包括了相当数量的零售类企业，因而ZETA模型的适用性有所提高　　此次研究利用27个初始财务比率进行区别分析，最后模型选取了7个解释变量，包括：　　X1——资产报酬率，采用息税前利润与总资产之比衡量在以前的多变量研究中该变量在评估公司业绩方面相当有效　　X2——盈余的稳定性，采用对X1在5～10年估计值的标准误差指标作为这个变量的度量收入上的变动会影响到公司风险　　X3——债务保障，可以用所常用的利息保障倍数，即息税前利润与总利息偿付之比来度量这是固定收益证券分析者债券评级机村所采用的主要变量之一。

　　X4——累计盈余，可以用公司留存收益/总资产来度量该比率对于z证分模型尤其有效，它需要考虑以下因素：公司年龄、公司股和政策，以及不同时期的获利记录不管是单变量还是多变量法，该比率都是最重要的在非上市公司的该比率计算中，分子部分用公司净资产的账面价值代替权益市场价值，因为非上市公司没有市场价值指标　　X5——流动性，可以用人们所熟悉的流动比率衡量　　X6——资本化率，可以用普通股权益与总资本之比衡量在分子和分母中，普通股权益可以用公司5年的股票平均市值衡量，而不是账面值5年平均市值可排除可能出现严重、暂时性的市场波动，同时在模型中纳入了趋势的成分　　X7——规模，可以用公司总资产的对数形式来衡量该变量可以根据财务报告的变动进行相应的调整　　实证研究表明，ZETA模型的分类正确率高于原始的z记分模型，特别是在破产前较长时。