前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇財務預警研究范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

財務預警研究范文第1篇

（集美大學誠毅學院，福建廈門361021）

摘　要：本文主要小微企業作為推動國民經濟發展的重要力量，越來越受到社會各界的廣泛關注與認可，但由于其規模較小業務相對比較單一等原因導致其難以保證企業的可持續發展。因此，如何提高小微企業的財務風險識別與預警能力是其提高企業生存與發展的關鍵。文章通過對小微企業的風險類型及成因的分析，提出了幾點加強小微企業財務預警的建議。

關鍵詞 ：層次分析法；財務預警；指標權重

中圖分類號：F243.3文獻標志碼：A文章編號：1000-8772（2014）22-0085-02

收稿日期：2014-07-12

作者簡介：吳丹丹（1991-）女，福建南安人，集美大學誠毅學院，學生，研究方向為國際會計；宋杰（1981-）男，福建永泰人，集美大學誠毅學院，講師，碩士，研究方向為會計實務和管理會計。

隨著我國針對小微型企業一系列優惠政策的出臺和2013年1月起小企業會計準則的實施，小微型企業的發展越來越受到政府和社會的廣泛關注，其已經成為推動國民經濟發展的重要力量，但是由于生產規模小，融資困難，技術和管理水平都比較低，特別是在財務管理方面還存在很多不足，所以財務風險是小微型企業經常面臨但是又不能徹底解決的問題。因此建立完善的小微型企業的財務管理預警機制，保證小微型企業的財務安全穩定是關系到其生存和發展的重要措施，也是實現小微型企業可持續發展的必然途徑。

一、小微企業財務風險的主要類型

財務風險是客觀存在的，財務風險是小微企業管理者在進行財務管理過程中必須面對的一個現實問題，小微企業管理者面對財務風險只能通過采取有效措施來降低風險，規避風險，而不可能完全消除風險。其主要類型有：

1.籌資風險

籌資風險指的是由于資金供需市場、宏觀經濟環境的變化，小微企業籌集資金給財務成果帶來的不確定性?；I資風險主要包括利率風險、再融資風險、財務杠桿效應、匯率風險、購買力風險等。

2.投資風險

投資風險指企業投入一定資金后，因市場需求變化而影響最終收益與預期收益偏離的風險。企業對外投資主要有直接投資和證券投資兩種形式。在我國，根據公司法的規定，股東擁有企業股權的25%以上應該視為直接投資。證券投資主要有股票投資和債券投資兩種形式。投資風險主要包括利率風險、再投資風險、匯率風險、通貨膨脹風險、金融衍生工具風險、道德風險、違約風險等。

3.經營風險

經營風險又稱營業風險，是指在企業的生產經營過程中，供、產、銷各個環節不確定性因素的影響所導致企業資金運動的遲滯，產生企業價值的變動。經營風險主要包括采購風險、生產風險、存貨變現風險、應收賬款變現風險等。

4.流動性風險

流動性風險是指企業資產不能正常和確定性地轉移現金或企業債務和付現責任不能正常履行的可能性?？梢园哑髽I的流動性風險從企業的變現力和償付能力兩方面分析與評價。由于企業支付能力和償債能力發生的問題，稱為現金不足及現金不能清償風險。由于企業資產不能確定性地轉移為現金而發生的問題則稱為變現力風險。

二、小微企業財務風險產生的主要原因

1.籌資環節造成的財務風險

籌資環節是我國小微企業財務風險產生的首要原因。目前小微企業主要采取負債籌資方式來進行籌集資金，小微企業在負債籌資的結構安排上大都不合理，主要體現為：第一，小微企業在起步期籌集資金時，幾乎不會利用小微企業自身自有的資金來發展本小微企業，也根本不會想到要立足于小微企業自身狀況來選擇適合小微企業最有利的籌資方式。第二，小微企業籌集資金的途徑相對較少，籌資成本費用相對較高，其自身資金本來就很有限，信譽度也比大中型企業較低，由于這種種限制性因素導致其很難滿足銀行等一些金融機構的最低貸款條件。

因此，小微企業就必須另尋他路，比如從外部獲得資金，用固定資產等來進行抵押貸款，但這樣會讓小微企業外部融資風險大大增加。如果財務決策缺乏科學性，例如不當的股票籌資決策，很可能會影響股票的順利發行，甚至使股票籌資產生失敗的結果。小微企業經營活動失敗，長期處于虧損的狀況，那么小微企業就不能按期還本付息，可能導致小微企業的信譽受到損害，不能有效地去籌集資金，也會影響其他渠道籌集資金的能力，從而使公司陷入籌資困境。資金結構不合理，是小微企業普遍存在的現象，具體表現在負債資金占全部資金的比例過高。在負債規模一定的時候，債務期限的安排有沒有做到合理，也會給小微企業帶來一定的籌資風險。這些因素都會大大地增加小微企業的財務籌資風險。

2.投資環節造成的風險

投資環節是我國小微企業生產經營的一個重要環節，合理的投資會給小微企業帶來高收益，反之，就會給小微企業帶來很大的困難。

目前小微企業在投資時，只注重投入的產品將會帶來多大的收益，卻忽略了產品在外部的流通情況，是否符合市場需要，是否具有可比性，對產品在市場上的流通并沒有進行恰當的分析，這樣很容易會導致了產品出現滯銷的現象，小微企業利益就自然出現下降的趨勢，這就是大部分小微企業只重視眼前利益，卻忽略了其自身的可持續發展。同時，小微企業長期投資比率相對比較低下，加之小微企業資金相對比較緊張，融資難，很少有長期閑置的資金來進行對其他企業的股權和債權的投資，因此，與大中型企業相比，小微企業金融負債比率相對比較高，自有資金比率也比較低下，短期負債占總負債和銷售額的比率較高，小微企業的長期投資比率處于十分低下的形勢。又如小微企業往往缺乏了科學的投資決策機制，往往在進行投資活動前，沒有進行合理的財務預警機制，不能進行精細的投資預算，因此，這些問題也會加大小微企業的財務風險。

3.經營環節造成的財務風險

小微企業不像大中型企業在使用資金時進行計劃，因此所產生的財務風險就很容易對小微企業產生巨大的損失。同時，小微企業負債比例較高，財務風險的不確定性較大，會對未來經營狀況產生較大影響。另外小微企業對日?，F金缺乏有效的管理，經常會出現現金流失、浪費的情況，使得財務風險進一步加大。同時，小微企業在生產經營過程中對人力、物力等的安排存在不恰當的狀況，導致資源有效利用率低，產品質量難以提高。生產經營管理水平低下，將會進一步增加小微企業的流動資金的短缺，從而使小微企業的短期償債能力降低。

4.流動性環節造成的財務風險

小微企業防范流動性風險是指在保持資產流動性的前提下，能夠實現利益的最大化。小微企業對于流動資金缺乏必要的監控管理。對于絕大多數小微企業來說，資金有限，因此它們需要及時收回資金，充分利用流動資金創造利潤。但是，它們在此環節的管理上存在漏洞，比如對現金的管理不嚴，日常事務中資金不足或者短缺的現象經常出現；應收賬款過多，資金周轉緩慢；對存貨和原材料的管理不到位。持有現金存在一個時間成本的問題，手中持有的現金過多，會由于較高的資金占用而失去其他的獲利機會，而持有現金太少，又會面臨資金不能滿足流動性需要的風險。因此小微企業應該確定一個最優的現金持有量，從而在防范流動性風險的前提下實現利益的最大化。

5.管理者管理環節造成的財務風險

小微企業通常只關注產品的銷量，只要銷量持續增長，收入不斷攀升，小微企業就容易導致忽視財務管理，這樣一來，財務管理方面的問題就會暴露出來。然而，小微企業經營一旦出現問題，其資金周轉不暢甚至虧損，就無法立即運用財務預警措施化解危機，就會使小微企業發生重大損失，甚至遭受破產的危險。大部分沒有財務制度的小微企業普遍存在，它們對財務管理的隨意性較大，財會人員缺乏約束。有的小微企業雖然制定了相應的財務管理制度，但由于小微企業多數是家族企業，人情和親情大于制度，往往使制度缺乏約束力，甚至形同虛設。另外，為節省運行成本，小微企業的部門設置一般比較簡單，一人往往身兼多職，人崗不配，職責不明，難以起到相互監督制約作用，容易造成小微企業資產流失。

三、小微企業財務預警措施

1.明確財務管理目標并進行分析預測

首先要明確財務管理目標，它是小微企業進行財務管理或財務活動所要達到的目的，它對小微企業財務管理的運行起著決定性、導向性作用。小微企業只有制定科學的財務管理目標并進行分析預測，這樣才能為實現這一目標采取具體可行的措施，以發現小微企業在經營管理活動中潛在的財務風險和經營風險，并在危機來臨之前提前向小微企業經營者發出警告，督促小微企業管理當局采取有效措施，避免潛在風險造成的損失，也為小微企業指導經營方向、改善經營決策和有效資源配置提供可靠依據。

2.建立財務預警系統進行預測

由于小微企業理財的主要對象是現金和現金流動，在短期經營活動中，小微企業能否順利經營下去，并不完全取決于是否盈利，而取決于是否有足夠現金用于各種支出。對小微企業來說，要有穩定的利潤是其財務預警的前提，對于經營穩定的小微企業，由于其應收、應付賬款及存貨等一般保持穩定，因此經營活動產生的現金流量凈額一般應大于凈利潤。所以小微企業現金流量預算的編制，是財務管理工作別重要的環節，為能準確編制現金流量預算，小微企業應該將各具體目標加以匯總，并將預期未來收益、現金流量、財務狀況及投資計劃等，以數量化形式加以表達，建立小微企業全面預算，預測未來現金收支的狀況。準確的現金流量預算，可以為小微企業提供預警信號，使經營者能夠及早采取措施。對小微企業而言，同時還要建立長期財務預警系統。其中獲利能力、償債能力、經濟效率、發展潛力指標最具有代表性。獲利不僅是小微企業經營目標，也是其得以穩定發展的關鍵。

3.采取適當的風險策略進行預測

面臨財務風險企業通常采用回避風險，控制風險，接受風險和分散風險策略。對于小微企業來說，要強調對風險信號的監測，根據其財務風險形成的原因及過程，指定相應切實可行的風險管理策略，降低危害程度。按控制目的分為預防性控制和抑制性控制，前者指預先確定可能發生損失，提出相應措施，防止損失的實際發生。后者是對可能發生的損失采取措施，盡量降低損失程度。我認為小微企業可以采用其中的控制風險策略，在有效的控制中使財務風險最低化。

小微企業財務預警措施的選擇決定著企業的發展，如何科學地采用小微企業財務預警措施至關重要。只有充分利用財務預警措施來分析企業的財務狀況，以至于更好地達到提前預知企業財務出現的危機，才能及時有效地解決危機。

參考文獻：

[1]吳曉梅.財務預警系統的功能及其建設[J].計劃與市場.2002（6）.

[2]龔巧莉.建立財務預警系統，防范小微企業風險[J].新疆農墾經濟.2002（4）.

財務預警研究范文第2篇

關鍵詞：財務困境；K均值聚類；Softmax回歸

一、引言

上市公司財務狀況和經營成果都受到投資者和債權人等多方利益相關者的關注，而公司一旦陷入財務困境會給許多利益相關者帶來直接和間接的損失。如果能夠及時地識別可能出現財務困境的公司，并在財務狀況進一步惡化之前采取必要的措施，那么這些損失是可以避免的。財務困境預警試圖識別出可能出現財務困境的公司，揭示財務困境的影響因素，是防范和化解財務困境有效途徑。關于財務困境預警已有大量實證研究，但是基于不同的研究思路和方法，不同的學者給出了許多不同的財務困境的界定標準。例如Beaver（1966）[1]將企業失敗明確定義為企業不能償付到期債務；呂長江、徐麗莉和周琳（2004）[2]則認為公司財務困境的表現是公司流動比率長期小于1。這些界定標準都將公司財務狀況簡單地劃分為“好”與“壞”兩類。財務狀況二分類的思想存在一些問題：公司出現財務困境不是一個一蹴而就的過程，非困境公司的財務狀況也可能并不健康[3]；不論以何種標準劃分困境與非困境企業，這兩類企業的數量都存在巨大差異，導致了其研究很難獲取到足夠數量的非困境樣本[4-5]。所以，財務困境預警首要的問題是公司財務狀況的分類。本文將使用聚類分析對上市公司財務狀況進行分類，以期得到較為合理的分類結果。將聚類結果作為樣本標簽，訓練并測試多分類預警模型。

二、文獻回顧

現有研究多集中在二分類預警模型，例如徐煒（2019）[6]和Chow等（2018）[7]。然而，Amy（1987）[8]認為企業的財務狀態具有連續性，不應簡單地劃分為失敗與非失敗。Hensher，Jones和Greene（2007）[9]指出，公司徹底破產并不能反映實際中財務困境的全部狀態。Chancharat等（2010）[10]考察了不同公司退市的原因，而每種退市方式都可能是不同的影響因素所導致的。KingsleyOpokuAppiah（2017）[11]提到在財務預警實證研究中，依據不同的定義和標準，不同的文獻中存在樣本選擇偏差的問題。呂長江（2004）[12]提出，將上市公司直接劃分為“好”與“壞”兩種極端的情況是不合理的，并深刻剖析了二分類預警研究存在的弊病。首先，非財務困境公司的財務狀況也不一定良好，存在一些處在困境邊緣的公司。其次，就是基于歷史數據來揭示可能導致公司陷入財務困境的影響因素，而一些偶發性因素不一定能通過分析歷史數據進行溯源。最終，使用聚類分析將上市公司財務狀態劃分為財務閑置、財務充盈、財務均衡、財務困境和財務破產五類。

三、實證研究

（一）研究變量

目前，對上市公司質量進行評價，主要使用財務指標評價和會計信息質量評價。預警指標既要參考以前研究中采用的指標，還需要具有可操作性。財務預警依賴于真實可靠的會計信息，盈余管理程度已是現有研究中衡量會計信息質量的重要指標之一。借鑒現有文獻中成熟的預警指標體系，最終選擇了如表1所示的14個預警指標。

（二）數據來源與預處理

本文從國泰安數據庫，獲取了2775家上市公司2016年～2019年的財務指標。為了便于聚類分析，對2019年數據進行標準化處理。而2016年～2017年數據則先以0.25的比例劃分測試數據集，然后對該年的訓練集和測試集分別進行標準化處理。

（三）聚類結果分析

首先要明確K均值聚類的原型個數k。本文進行了15次聚類實驗，將輪廓系數作為實驗結果，對三組實驗結果采用成對T檢驗。檢驗結果顯示，k=3時輪廓系數明顯低于其他兩組，而k=4和k=5兩組結果的均值在0.1的水平下不具有顯著性差異，P值約為0.1094。但是觀察分類結果發現，當k=5時，時常會出現某一簇僅有1個樣本，所以最終指定k=4。2019年上市公司的聚類結果如表2所示。通過對比各個簇與樣本總體平均值之間以及各簇之間的差異，可以發現：簇1的樣本量占總體的58%，ST的比例是各簇中最低的2.2%，除發展能力各項指標平均水平為各簇最高外，財務狀況應當屬于中等水平。簇2平均公司規模最小，但是資產負債率極低，流動資產充足，償債能力和盈利能力最強，應是財務健康的公司。簇3償債能力、發展能力和盈利能力均是最差，且全部樣本均為2019年被特別處理的公司，所以應為財務困境的公司。簇4平均資產規模最大，雖然營運能力較強，但其償債能力和盈利能力都低于樣本總體平均水平，會計信息質量較低，其中有許多處于困境邊緣的公司。據此，本文利用聚類分析將上市公司樣本劃分為4類，分別命名為健康、中等、困境邊緣和財務困境，在表2中的排序為2、1、4和3。健康公司數量較少，而中等水平的公司占據了樣本的大半。財務困境公司數量極少，其財務狀況已經嚴重惡化。而困境邊緣公司數量卻不在少數，這一部分公司應引起足夠的重視。

（四）預警模型

對于樣本數據集有k個類別，即yi∈（1，2，…，k），如式（1）所示，softmax回歸主要估算樣本數據xi歸屬于每一類的概率。最后，以概率值最高的類別作為該樣本的分類結果。將2016年～2018年的數據分別分割為訓練集和測試集，訓練集用于訓練模型，測試集則用于評價模型預測性能。多分類結果的評價比二分類更為復雜，本文利用卡帕系數評價多分類模型的預測結果?？ㄅ料禂凳且环N衡量分類精度的度量指標，與準確率和召回率一樣，都可以根據分類結果的混淆矩陣計算得到。計算得到的真實類別和預測結果的卡帕系數，可以從0到1均勻地劃分為五個區間，每個區間表示一個一致性水平，分別是輕微（slight）、一般（fair）、中等（moderate）、基本一致（substanial）和幾乎完全一致（almostperfect）。觀察基于不同年份數據的預警模型測試結果，能夠得到以下結論：卡帕系數顯示，基于2018年數據的預警模型，預測性能是三者中最優的，但0.78仍屬于中等一致性水平。2016年財務中等的樣本的預測結果準確率很低，這是因為有大量誤判樣本，這些誤判樣本真實類別為困境邊緣。財務困境與困境邊緣公司之間存在大量誤判，2016年財務困境樣本的召回率僅有0.25，被誤判的樣本有一半被模型識別為困境邊緣的樣本，另有約一半被分類為財務中等的樣本。

（五）模型解釋

基于2018年數據訓練得到的模型預測性能最優，這符合一般實證研究的結論，即使用t-1期的數據得到的預警模型最為準確。2016年和2017年的預測結果存在許多誤判，所以表4僅列示了2018年Softmax回歸模型的系數。為了降低過擬合的風險，通常會在損失函數中加入正則化項，本文也使用了L2范數正則化。正則化能夠將特征選擇和訓練過程融為一體，在模型訓練過程中自動完成特征選擇，會使得模型中不重要的特征的系數更加接近0。公司規模（X1）的系數絕對值均較高，而且對于財務健康和中等公司，公司規模與分類為這兩類的概率呈負向關系，而與困境邊緣和財務困境公司則是正向的。資產負債率（X5）也呈現出與公司規模類似的情況，資產負債率越高，公司財務狀況惡化的可能性越高。發展能力相關的三個指標，總資產增長率（X8）、凈利潤增長率（X9）、可持續增長率（X10），的系數在Z3中均為負。盈利能力相關指標就顯得不那么重要，例如凈資產收益率（X11）在Z2中的系數僅為0.006。同時可以發現，總資產凈利率（X13）越高，分類為困境邊緣的公司的可能性越大而分類為財務中等的公司概率越低，說明該指標在這判斷這兩類樣本是具有誤導性。

四、結論

財務預警研究范文第3篇

當今企業正處在一個瞬息萬變的市場環境中，隨著市場競爭的日趨激烈，企業“快起快落”的現象在我國已屢見不鮮，企業隨時都可能面對著各種各樣的風險和危機，如何很好地預測危機、規避風險已成為各企業急需完成的重要任務。目前國內外對財務預警機制的研究成果已有一定數量，但都是以財務指標為核心構建的預警模型，并沒有考慮非財務因素對企業財務狀況的影響，缺乏一定的客觀性。

自20世紀八十年代末生態效率的概念提出以來，生態效率受到了各國政府的高度重視，加上當前世界各國的生態環境遭到嚴重破壞，保護生態環境、走可持續發展道路已成為時代的使命，企業作為生態環境的主體之一更應該承擔起這個使命；生態效率反映了企業的經濟活動與周邊環境的和諧程度，它不僅會引起利益相關者的關注，還與子孫后代的生存環境有著密切的關系，生態效率的好壞最終都會以各種形式體現在財務狀況上，因此將生態效率引入到企業財務管理已是時代所趨，構建一種基于傳統的財務指標和新型的生態指標之下的“雙指標”財務預警體系是和諧社會下企業構建評價指標體系的必然選擇。

首先，構建財務指標與生態指標“雙指標”下的財務危機預警機制將從理論上和方法上指導、督促企業自覺將生態效率思想貫徹到生產經營的全過程，提高資源的使用效率，降低產品在整個生命周期中對環境的影響，增強企業的競爭力和可持續發展能力，促進經濟、社會和環境的可持續發展；其次，能保障企業承擔相應的社會責任和保護有限的環境資源；最后，有助于政府全面掌握企業資源的利用情況，污染物排放情況，為制定科學的方針政策和發展規劃提供依據。

因此，本文提出的“雙指標”財務預警機制可以在一定程度上彌補傳統企業財務危機預警評價指標體系的不足，指導企業走可持續發展之路，促進經濟和生態的和諧發展，具有重要的現實意義。

二、“雙指標”財務預警指標體系構建

影響企業財務狀況的因素很多，評價指標也很多，但是它們大多數是存在一定的相關性的。本文所研究的財務指標的選取基于是否與企業危機預測相關、在國內外研究成果中出現的頻率、中國上市公司的實際情況三個角度出發，并在遵循盡可能全面反映上市公司財務特征的原則下，選擇了五類財務指標：每股指標、營運能力、盈利能力、成長性以及現金流量。

自1992年以來，有四個國際協議試圖對全球公認的環境問題進行治理，即有關與后代的利益相一致的《經濟與社會發展問題的二十一世紀議程》；有關臭氧層損耗物質問題的《蒙特利爾議定書》；有關限制導致全球變暖的氣體排放的《京都議定書》和有關跨國界的有毒廢氣物的控制與處理的《巴塞爾公約》。目前，聯合國國際會計和報告標準在這四個國際協議上，推薦選擇了以下五個環境績效指標：購買的能源；水資源的使用；導致全球變暖的氣體排放；固體和液體廢棄物；導致臭氧損耗的物質排放。本文將以這五項環境績效指標為依據，在借鑒前人的研究的基礎上，結合企業具體的財務狀況，構建出以企業的社會總貢獻為分母的財務視角下的生態指標，具體見表1。

本文最終構建的財務指標和生態指標“雙指標”體系見表2。

三、實證研究

第一，數據選取。每個行業對環境的依賴和影響程度都不同，行業對環境的影響主要表現在其所消耗的能源以及對環境產生的污染兩個方面。旅游業作為一種資源性產業，它的可持續發展有賴于旅游資源基礎的長久永續利用，它的發展與環境質量的好壞是息息相關的，以往傳統的粗放式旅游資源開發和管理模式帶來了眾多的生態環境問題，如旅游資源過度開發甚至掠奪性開發，旅游區和旅游景點的粗放式管理，旅游設施過度膨脹，以至于旅游景觀遭到破壞和消失，極大地危害了旅游業賴以生存的資源和環境，威脅著旅游業的發展，這個時候生態旅游作為一種對自然和文化旅游資源有著特別保護責任的可持續旅游發展模式也就應運而生了。而旅游企業作為整個旅游行業的主體如果繼續沿襲以追求利益最大化為最終目標而忽略企業經濟活動對生態環境影響的傳統經營模式已不再適應當前社會發展的需要了。因此，本文將以我國的旅游上市公司為研究對象，以BP神經網絡為研究方法的基礎上，探討引入的生態效率指標對旅游企業財務危機預警效果的影響。

本文最終選取了4家2011年被ST旅游行業的ST公司，并選取4家財務狀況正常的公司與之配對。本文的財務數據均取自于企業的年報，由于這些企業都沒有社會責任報告，部分環境數據來源于各企業的相關新聞網站，部分數據根據行業和地區的標準進行折算?？紤]到本文神經網絡的應用原理，將這8家公司按1：1的比例隨機地分為兩組，每組2家ST公司和2家正常公司，分別命名為訓練組和測試組。訓練組和測試組樣本及2011年度財務數據見表3。

第二，“雙指標”下的財務預警模型建立及結果分析。本文建立的財務預警模型是基于BP神經網絡，這是一種旨在模仿人腦結構及其功能的信息處理系統，它能夠通過預先存儲的信息或自適應學習機制，從不完整的信息和噪聲干擾中恢復原始的完整信息；此外，它還能通過對系統輸入輸出樣本對的學習自動提取蘊含其中的映射規律，從而以任意精度擬合任意復雜的非線性函數。選取2011年被ST的4家旅游上市公司和正常財務情況的4家旅游上市公司的2009～2011年度的財務數據，建立包括輸入層、隱藏層與輸出層三層的BP前饋神經網絡模型。

為了比較傳統財務預警模型與“雙指標”下財務預警模型的預測效果，本文將數據進行兩次實驗，第一次實驗不考慮生態指標，第二次實驗考慮生態指標。

不考慮生態指標模型的輸入變量為18個，全部是財務指標，輸出變量是企業財務危機程度，用Y表示：Y=0表示ST公司，Y=1表示財務正常公司，因此最終建立的BP神經網絡模型共有18個輸入神經元，12個隱藏層神經元，2個輸出神經元，得到的神經網絡拓撲結構為18*12*2。網絡訓練時采用快速訓練方法，即采用traingdx訓練函數對訓練組數據進行訓練，利用編寫的Matlab語言程序，經過反復試驗，確定采用如下參數進行訓練：循環間隔數100，目標誤差0.05，學習速率0.205，學習速率增加的比率1.05，動量因子0.1，最大循環次數1000，最后用測試組對訓練好的模型進行測試，導出結果。

考慮生態效率模型的輸入變量為23個指標，包括財務指標和生態指標，為了保證兩次實驗結果的可比性，將輸出值的設置保持和不考慮生態指標實驗相同，因此最終建立的BP神經網絡模型共有23個輸入神經元，16個隱藏層神經元，2個輸出神經元，得到的神經網絡拓撲結構為23*16*2，用同樣的方法對包含生態指標的訓練組數據進行訓練，最后用測試組進行相關測試，得到的測試組輸出結果與第一次實驗的不考慮生態效率下的測試組輸出結果進行比較如表4所示。

本文把輸出值出現在（-0.5，0.5）區間，則當作財務危機出現預警信號；輸出值出現在[-1.5，-0.5]U[0.5，1.5]，是為財務正常未出現預警信號。從以上結果可以發現：2009年四家旅游公司在沒有采用生態指標時，有桂林旅游和ST金馬兩家出現危機預警錯誤，預警準確率為50%，但采用生態指標后預測完全準確；2010年四家公司沒考慮生態指標與考慮生態指標的財務預警準確率持平；2011年沒有考慮生態指標情況下，桂林旅游和ST東海A預測失誤，準確率為50%，考慮生態指標后僅ST金馬預測錯誤，準確率高達75%。

四、結論

通過上述結果分析，可以得出如下結論：本文構建的基于傳統財務指標與生態指標“雙指標”下的企業財務危機預警模型比單純地考慮財務指標的預警模型更有效更準確，這說明將生態指標引入企業的財務管理更能有效地預測企業的風險，更能全面地反映企業的財務狀況，從而為企業的投資人、債權人和政府的決策提供更有價值的參考信息，使企業能有效規避風險的同時又能提升企業的市場價值，使企業具有更大的競爭力。但是由于目前我國引入生態效率概念的時間不長，對于生態指標的選取研究僅以聯合國頒布指標為基礎，考慮到我國的特殊市場環境和不同行業之間環境標準的差異性，我國生態效率指標體系需進一步完善，以便為各企業“量身打造”出一套更完善、更全面、更科學的財務危機預警指標。

參考文獻：

財務預警研究范文第4篇

中國經濟的發展一定程度上是以犧牲資源為代價的，我國煤炭行業一直存在著過度進入、過度開采的問題。一方面導致產能過剩，資源配置狀況不佳，從而影響到企業的經營狀況；另一方面，環境的破環，巨大的負外部性使企業的治理成本大幅攀升，對企業的經營管理又產生了巨大的挑戰。財務風險一直是企業、投資者乃至政府管理部門重點關注的問題。煤炭行業作為國家經濟的重要支柱之一，其財務問題不僅威脅到企業自身的生存與發展，而且會使投資者蒙受損失，甚至對國民經濟的穩定發展產生較大影響。因此，只有對企業的財務風險進行預警研究，才能提前識別風險，從而采取防范措施，有效地控制風險，最終降低甚至消除其對企業的影響。

對于財務風險的預警研究，國內外學者都做了大量的研究?？傮w來說，可概括為單變量預警和多變量預警研究。其中，Fitzpatrick（1932）提出的1元判定模型是最早的關于企業財務危機預警的研究。以 19 家公司為研究樣本，運用單一財務指標將樣本公司分為“破產”和“非破產”兩類。而Altman教授（1968）則提出了著名的 Z-score 模型，是多元線性判定模型的典型代表，是用于評價各類企業的財務風險。之后，財務危機預警的研究人員引入 Logistic 回歸方法。1980年Ohlson首次在財務危機預警領域中運用Logistic方法，張紫娟等人就采用Logistic模型構架煤炭上市公司財務預警模型， Logistic模型的預測成功率達到70.82%， 其對于煤炭上市企業財務預警具有較強的預測性。隨著技術進步，BP神經網絡模型也逐漸應用到財務預警領域。郭毅夫等就采用了20 個指標，應用神經網絡方法，對創新型上市企業的財務危機進行預警研究?？偟膩碚f，財務預警模型多種多樣，都有其優缺點，本文首先應用z-score模型對煤炭業上市公司財務風險進行研究，了解整個行業狀況的同時，對Z-score模型效果進行檢驗。其次，應用logistic模型與Z-score模型做對比，以此確定哪種模型在煤炭行業的預警效果更佳。

二、Z-score模型的構建

Z-score 模型由Altman 教授提出，通?^選取 5 個重要的財務指標，賦予各個指標不同權重加權計算出 Z 值，進而根據標準臨界值判斷企業的財務風險狀況。具體指標如下表一所示：

總體來說，Z-score 模型從企業多個方面選取財務指標，包括企業的資產規模、流動性、獲利能力、資本結構、償債能力和資產利用效率等多個方面，一定程度上可以綜合反映一個企業的財務狀況。具有一定的可行性，Z 值與企業財務危機可能性呈負相關，Z 值越小，企業越有可能產生財務危機，也就越容易破產。

1.數據選擇及模型的建立

本文選取滬深兩市A股煤炭行業上市公司，剔除數據不全的公司，共15家上市公司，其中3家ST公司，分為為ST大有、ST山煤及ST云維。由于財務風險是一個長期的影響過程，故選取危機發生前3年即t-3年的各項衡量Z的財務指標，賦予各個指標不同權重加權計算出 Z 值。具體數據來自于銳思數據庫。Z值計算結果具體如下表二：

2.描述性統計

運用spss軟件對這15個樣本企業進行描述性統計，可以看出煤炭行業在2014年至2016年的Z值變動情況。其Z值普遍偏低。從上表二也可以看出，2014年處在破產區的共12家，2015年11家，2016年11家。表明整個煤炭行業近幾年財務狀況并不理想，煤炭行業不景氣持續加劇。2016年云維和金瑞礦業Z值偏高，主要是由于x4指標導致，公司總市值及負債合計數變動較大。

3.Z-score模型檢驗

對于3家ST的企業，在用Z值模型進行檢驗時，山煤國際、河南大有可以得到很好的預警，山煤國際t-3年Z值均處于破產區水平。而河南大有2014-2016年Z值持續降低，而云南云維2016年Z值得突然攀升，一方面可能是由于會計數據失真，企業存在違規操作導致。另一方面，可能是模型本身存在的局限性。綜上，Z值模型在預測企業財務危機準確率達66.7%，存在一定的可行性。但Z值模型并不具有普適性，尤其對于不同的行業，每個行業都有其行業特色，煤炭行業前期投入資金多，周期長，資產負債率普遍偏高。在應用Z-score模型時有一定局限性。

三、logistic模型的應用

1.數據與指標選取

與建立Z-score模型一樣，同樣選取這15家樣本公司的t-3期數據，其中因變量采取賦值的方式，即若企業發生財務危機，則y值為1，若未發生財務危機，則為零。判斷企業是否發生財務危機以企業是否被st為判斷標準。即st企業賦值為1，非st則為0。為了可以綜合的反映企業財務狀況，主要選取反映企業的盈利能力、償債能力、成長能力指標。具體財務指標的選取如下表四所示：其中，X1，X2反映企業的盈利能力，X3，X4反映企業的營運能力，X5，X6反映企業的成長能力，X7，X8表示企業的償債能力指標。

2.描述性統計

對上述所選指標進行描述性統計，發現整個行業資產負債率較高，其均值達到62.54%，此外，營業收入增長率較低，其均值為負，表明企業經營狀況欠佳，可持續發展所面臨的風險較大。成本費用利潤率均值為-2.004%，表明所耗費的成本并沒有達到很好的利用效果。行業的投入資本回報率也偏低，只有0.628%，盈利能力欠佳。綜上，我國煤炭行業的整體財務狀況不理想，面臨較大的財?輾縵鍘?

3.模型構建

Logistic 回歸方法以極大似然原理為基礎，是通過似然函數極大化求得總體參數估計量的一種參數估計方法。在 Logistic 模型中，被解釋變量只取 0 和 1 兩個值。即y值只取0或1。使用spss對選取的t-3期的財務指標實證分析?；貧w結果如下表所示：

a. 步驟 1 上輸入的變數：[%1：， 1：

其中B為變量系數：SE為標準差，df為自由度。根據上表的logistic回歸結果，可以得到被研究企業的財務預警模型即：

P=1/（1+e（-y））

y=-0.187X1-0.349X2-1.963X3+53.196X4-0.466X5+0.001X6-0.173X7-0.259X8-11.153

對于預警模型一般認為0.5為分界點，P的取值范圍為0到1。即當0.5

4.logistic模型檢驗

首先看模型的擬合優度，Cox & Snell R 平方和Nagelkerke R 平方在0與1之間，一般認為越接近1，模型的擬合效果越好。通過下表，可以看出其Cox & Snell R 平方和Nagelkerke R 平方均接近1，說明模型有較好的擬合效果。其次，對模型的預警識別效果進行檢驗，從下表7可以看出，在該模型中，對于3家由于財務危機而被特別處理的上市公司，其預警識別率77.8 %。而對于其他12家財務正常且未被特別處理的上市公司，其預警識別率同樣高達97.2%?？偟膩碚f，整個財務預警模型的預警識別率為93.3%，這意味著本研究所建立的模型具有較高的預測準確度，達到了對于財務預警模型的要求和預期。

財務預警研究范文第5篇

一、預警指標體系建立及預警臨界比率設置

高校財務預警系統與一般企業財務預警系統的不同點在于其指標的選取以提高高校綜合辦學實力為目的，作為非營利性組織的高校應主要從償債能力、運營績效和發展潛力三個方面建立預警指標體系，并根據財務實際運行狀況設置臨界比率。

(一)償債能力指數具體包括：

(1)現金負債比(X1)。現金的流動性最強，具有廣泛的支付能力，是學校財務活動和各項事業正常運轉的重要保障?，F金負債比反映了學?，F金儲備對外債的承受程度，該比率越高財務風險就越大。根據高校自身特點，現金負債比應處于較低水平，其預警臨界比率為0.1，是極小型變量。

現金負債比－年末累計外債額÷年末現金余額

年末現金余額＝庫存現金＋銀行存款＋短期證券投資＋其他貨幣資金

(2)負債自有資金率(X2)。該指標用于衡量學校負債與自有資金的配比情況。一般地，該比例應維持在1左右為宜，表明學校有償還債務的能力，財務風險不大，即其臨界比率為1，是穩定型變量。

負債自有資金率＝(借入資金／自有資金)×100％

(3)已獲利息倍數(X3)。該比率既能反映高校獲利能力的大小，又能反映獲利能力對于到期債務利息償還的保障程度。當前各高校普遍采取銀校合作這一手段，因此已獲利息倍數是衡量高校長期償債能力的重要指標，該指標的臨界比率為1，是極大型變量。

已獲利息倍數=科研事業結余÷利息

(4)基建項目投資負債率(X4)。目前高校借貸所得資金主要用于基建投資項目，啟動資金數額巨大。因此基建投資項目負債率是反映高校償債能力的重要指標。其預警臨界比率為1，是極小型變量。

(5)本期安全系數(X5)。該指標用于反映高校本期資金運作情況。若該指標大于1，表明高校本期內資金運作基本有保障；若該指標小于1，則表明高校本期內資金運作會遇到困難，還需要另籌資金，屬極大型變量。

(二)運營績效指數具體包括：

(1)學校年度收入收支比(Y1)。該指標用以說明學校當年預算支出的平衡關系，是反映學校隱性負債狀況的重要指標。其預警臨界比率為1，是極大型變量。

學校年度收入收支比＝本年度實際收入÷本年度實際總支出

(2)招生計劃資金比率(Y2)。該指標臨界比率以1為優，為穩定型變量。如果小于1，表明招生計劃未完成或學生欠費多，如果達到一定程度，長久下去則會產生財務風險。

招生計劃資金比率＝本期招生實際收費數÷本期招生應收費數

(3)經費自籌率(Y3)。該指標反映學校對國家的依賴程度、學校自我籌措資金的能力以及努力程度。該指標越大，說明自我積累和自我發展的能力越強，其臨界比率為0.4，是極大型變量。

經費自籌率＝自籌經費收入÷學校總經費收入

(4)教學科研性資產收益率(Y4)。該指標的高低是財務杠桿能否發生效用的先決條件，也是高校資產保值增值目標實現的源泉。因此觀察該指標及其變動趨勢對監測高校財務風險具有重大作用，其臨界比率為0.1，是極大型變量。

教學科研性資產收益率＝教學科研結余÷平均收益性資產

(5)校辦產業資本增值率(Y5)。對校辦產業國有資產保值增值的考核，是高校國有經營性資產管理的重要組成部分，也是高校資金來源的有益補充，其臨界比率為2.25％，是極大型變量。

(三)發展潛力指數具體包括：

(1)現金凈額增長率(Z1)。現金具有廣泛的支付能力，是學校財務活動和各項事業建設正常運轉的重要保障。該指標直接體現了學校可支配和周轉的財力狀況，反映了學校事業建設的可持續發展能力。該比率越高，說明財務調控能力和對債務的支付能力越強，其臨界比率為0.1，是極大型變量。

(2)校辦產業資產負債率(Z2)。由于我國高校校辦企業運行體制不規范，學校對其債務承擔連帶責任，因此校辦企業的資產負債率指標也應納入財務預警系統中，其臨界比率為0.4，屬極小型變量。

校辦產業負債率＝期末負債總額÷期末資產總額

(3)自有資金動用程度(Z3)。該指標越小表明自有資金動用越少，可供學校發展的資金就越多；該指標值越大，則學校未來的發展越有可能受到制約，其臨界比率為1，屬極小型變量。

僅從以上某一方面并不能全面把握高校財務風險的總體狀況，因此必須將各項指標加以整合構成綜合評價模型。各監測指標的實際值主要根據高校當期財務報表所提供的數據計算而得。

二、監測指標財務預警指數計算及權重確定

計算結果為正表示安全系數，為負則表示預警指數。假如監測指標為區間變量指標或極小型變量指標，將預警指數子項的被減數與減數互換位置即可。設根據計算得出的各監測指標的財務預警指數為X1(i=1，2，……5)，Y1(i=1，2……5)，Z1(i=1，2，3)。 各指標權重的確定應采用專家意見法，為便于計算，本了簡化處理，償債能力作為重點考察對象賦予較大權重0.4；根據運營績效和發展潛力在高校財務中的重要程度分別賦予權重0.35和0.25；各分項綜合預警指數中各指標的權重也依據各指標之間的相對重要性來判定。但如果要得到精確權重必須咨詢有關專家，本文給出的權重僅作參考。

三、高校財務預警綜合指數計算

償債能力預警綜合指數X=0.3X1＋0.2X2＋0.2X3＋0.2X4＋0.1X5

運營績效預警綜合指數Y=0.2X1＋0.2X2＋0.25X3＋0.2X4＋0.15X5

發展潛力預警綜合指數Z=0.4X1＋0.3X2＋0.3X3

財務預警綜合指數(FEWCI)=0.4X＋0.35Y+0.25Z

通過上述公式計算所得結果可以確定財務風險警度，從而為風險控制提供有力的分析工具。而判斷高校財務警度的關鍵是確定有警與無警的臨界點，對此相關學者采用了系統化方法進行分析。這一方法是根據各種并列的客觀原則(包括多數原則、半數原則、均數原則等)進行研究．然后把應用各種原則得到的結果加以合理綜合，得到能被多數人接受的較科學的結論。用同樣的方法可以得出無警、輕警、中警、重警和巨警之間的分界點及警限。本文在與一般商業企業警限相比較的基礎上，運用上述方法將高校財務預警綜合指數(FEWCI)的警限分別設置為：

FEWCI＞10％

財務狀況良好 無警

10％＜FEWCI≤0

財務風險潛伏期　輕警

0≤FEWCI≤-10％

財務風險發作期 中警

-10％≤FEWCI≤-30％財務風險惡化期　重警

FEWCI＜-30％