財務風險預警研究匯總十篇

序論：好文章的創作是一個不斷探索和完善的過程，我們為您推薦十篇財務風險預警研究范例，希望它們能助您一臂之力，提升您的閱讀品質，帶來更深刻的閱讀感受。

篇（1）

1企業財務分析與財務風險預警分析概述

1.1企業財務分析概述

目前，社會對于財務分析的定義尚無統一標準，美國南加州大學著名教授WaterB.Neigs指出，財務分析的本質就是搜集與決策有關的各種財務信息，并加以分析和解釋，進而為利益相關者做出準確決策提供參考信息。財務分析作為一門綜合性、邊緣性的學科，其產生和發展的基礎是會計學、財務管理、金融學、統計學、經濟分析等專業學科，以企業財務報表、附注信息、記賬憑證等為分析對象，采用一系列專門的分析技術和方法，對企業歷史和當前的財務狀況、經營成果和現金流量狀況進行分析，對其償債能力、營運能力、盈利能力以及發展能力等進行評價和預測。通過財務分析可以為企業經營管理者、投資人、債權人、政府等利益相關者提供及時準確的決策有用信息，幫助他們更好地了解企業過去的經營情況、掌握企業目前的運營動態、預測企業的未來發展趨勢。目前，財務分析的方法與分析工具眾多，具體應用應根據分析者的目的而定，最經常用到的分析方法主要圍繞財務指標進行單指標分析、多指標綜合分析等，借助比較分析法、比率分析法、因素分析法等進行分析，最后通過圖表、文字等形式向信息使用者描述分析結果。

1.2財務風險預警分析概述

財務風險預警分析又被稱為“破產預警分析”，將企業的各財務報表及附注資料作為分析研究對象，通過流動比率、速動比率、權益凈利率等財務指標或借助數學技術構建模型，對企業日常的財務狀況進行檢測，預測企業經營失敗的可能性，防范企業財務風險惡化，從而發出預警信號。美國學者Fistpatrikc最早發現了財務比率在一定程度上具有預測風險作用，他在1932年開展單變量破產預測研究時，以19家公司為分析樣本，運用單個財務比率將樣本劃分為失敗和非失敗兩組，并發現預測判斷能力最強的指標是凈資產收益率和產權比率。美國芝加哥大學的教授Beaver將統計學方法正式運用于財務風險預警機制，1966年，Beaver在美國會計評論上發表了《可以預測失敗的幾種會計手段》一文。在這篇文章中，他運用單一的財務比率變動趨勢對企業財務風險進行預測，并得出“財務失敗的時間越近，財務指標的預測能力就越強”的結論。1968年，美國學者Altman提出了Z-score模型，該模型通過統計方法將多個指標變量建立成一個多元線性方程，開始對財務風險進行多變量綜合分析。隨后，越來越多的預警模型被提出來，影響較為廣泛的有Logistic回歸模型，運用主成分分析法、聚類分析法等統計學方法以及人工智能分析法所建立的預警模型。

1.3財務分析與財務預警分析的區別和聯系

通過上述分析可以看出，財務分析可以判斷一些財務方面的問題，也可以發現需要預警的事項，財務分析和財務預警分析有相同的作用，都可以對企業財務狀況好壞進行診斷分析，但財務分析和財務預警并不完全等價。財務分析是以企業財務報表為主要依據進而對企業財務狀況、經營成果和現金流量狀況等進行的一種系統分析和判斷。而財務預警最核心、最關鍵的一點在于對企業的財務狀況、經營過程進行預測，從而幫助企業及時發現問題、解決問題，一般是當企業財務狀況出現較大風險時向企業管理當局提出的預警。財務預警通過對企業的經營活動、財務方面、市場狀況等進行分析預測,不僅可以幫助企業監測在經營管理過程中潛在的經營風險和財務風險,還能使企業經營管理者事先了解企業經營中潛在的財務風險，并制定針對性應對策略，最終有效規避風險，以免給企業造成重大損失。

2企業進行財務分析與財務風險預警的意義

企業在經營過程中，為了實現企業價值最大化、為股東創造更多的財務，需要做好風險，尤其是財務風險控制，將其限定在可允許的風險水平內。在此過程中，需要經營管理平衡好風險和收益之間的關系，避免決策不當陷入經營困境。引發財務風險的原因是多方面的，生產成本過高、存貨積壓、產品質量不達標、資本結構不合理、企業戰略多變和資不抵債等都會引發財務風險，如果企業不能及時予以有效回應，就可能導致這些財務風險進一步惡化，使企業陷入更大的財務困境。由此可能引發企業客戶黏性降低、市場份額減少、企業信譽受損，甚至企業破產、清算等。財務預警可以對企業財務狀況、經營狀況進行檢測、診斷，因此，企業有必要在經營過程中做好事前、事中、事后的財務分析和監控預警，為企業利益相關者制定準確的決策提供支撐，防范危機發生。財務分析和財務預警能夠幫助企業利益相關者在風險或危機尚未來臨或者處于萌芽階段時，制定積極有效的投資、籌資或生產經營決策。如對于政府部門，可以依據某行業企業的經營情況、國家經濟發展形勢等制定有利的方針政策、財政政策、貨幣政策、稅收政策等，推動或抑制某一行業發展，從而促進我國經濟水平提升和企業發展；對于投資者，則可以根據企業的財務分析或預警結果，做出是否投資、投資多少、是否撤資等決策，從而降低損失、保證收益最大化；對于企業的經營班子，可以監測企業運營是否正常，根據出現的異常情況或數據偏差問題，制定及時有效的應對之策，防范和預防危機發生，制定企業可持續發展經營戰略。

3企業財務風險預警管控機制研究

財務分析和財務預警對任何企業來說，都應當給予高度重視，建立符合企業發展特征、與自身經營現狀相適應的管控機制，從而更好地監測經營風險和財務危機。

3.1構建完善的財務預警體系

工欲善其事必先利其器。企業要想更好地發揮財務預警的風險危機警示作用，建立一套科學合理的財務預警體系是重中之重，從財務和非財務的角度對企業進行定量及定性的全面、系統預警分析。在選取確定的預警分析指標時，不能盲目跟從，亦不能固步自封，應當從企業實際出發，結合宏觀經濟政策環境、技術環境等，制定科學合理的企業財務風險預警機制，增強可操作性和實用性。這是企業及時發現和管控風險危機的基礎保障，只有這樣，才能更好地保護利益相關者的切身利益，提高企業市場競爭實力。

3.2提高財務風險預警意識

樹立風險預警意識不是只喊口號，也不只是企業管理層自身的事情，需要企業全體員工積極參與其中。企業應在日常經營過程中，定期或不定期地組織企業全體員工進行風險預警意識的宣傳工作，逐漸培養并不斷增強員工的風險防范預警意識。同時，企業經營班子要積極構建專門從事財務分析與財務風險預警的機構，配備具有較高職業道德和業務素質的人員，加強財務數據等預警分析，以及時發現潛在的風險源并實施有效管控，幫助企業規避財務風險或降低財務危機發生的概率。

3.3制定科學合理的制度規范

公司的發展與相關工作開展都需要一定的理論、制度和方針戰略指導，因此，要提高企業財務分析和財務風險預警能力、規避和降低風險的能力等，要求企業高度關注相關領域和業務部門的制度建設。不斷加強企業制度規范，形成具有一定剛性、適當靈活的財務預警管控制度和工作流程，提高企業發現日常運營中存在潛在風險的效率，以及時予以應對和防范，避免企業或其他利益相關者遭受重大損失。好的制度規范是企業成功實現可持續發展的重要保障，是確保企業完成宏偉戰略目標的前提，因此，企業應制定科學合理的制度規范來開展財務風險預警管控工作。

3.4有效運用現代化技術手段

互聯網技術、大數據、云計算、數據挖掘技術、Python和R語言等現代信息技術的飛速發展，為企業處理海量財務數據和非財務數據提供了可能。神經網絡、人工智能等方法的出現，為數據挖掘分析研究數據之間潛在的邏輯關系提供了支撐，借此進行數據分析可以提高數據的價值，能夠為利益相關者進行科學決策提供有用的參考信息。因此，企業要積極引進并有效運用這些現代化技術手段，向其借力，以更好地發揮財務分析和財務風險預警的作用，加強企業的風險管控能力。

篇（2）

        0 引言

        財務風險預警是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、市場營銷等理論，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財務風險，并在危機發生之前向企業經營者發出警告，督促企業管理當局采取有效措施，避免潛在的風險演變成損失的一種預警方式。

        國內財務危機預警的研究始于20世紀80年代中后期，對財務危機預警模型的研究則一直到20世紀90年代末才開始。吳世農、黃世忠(1986)曾撰文《中國經濟問題》介紹企業破產的財務分析指標及預測模型：國家自然科學基金委員會管理科學組先后支持佘廉等人從事企業預警研究，并于1999年出版了企業預警管理叢書，之后我國學者真正開始了對財務預警的研究，并取得了一定的成果。

        1 統計方法預警模型

        1.1 單變量預警模型。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。

        陳靜（1999）以27個st公司和27個非st公司為樣本，最終選定資產負債率、凈資產收益率等6個財務指標，分別以公司被st的前一年、前兩年、前三年的財務數據為基礎，運用判別分析法做了實證研究。在單變量分析中，發現在負債比率、流動比率、總資產收益率、凈資產收益率4個指標中，流動比率和負債比率誤判率最低。

        1.2 多變量預警模型。多變量模型即運用多種財務比率指標加權匯總而構造多元線性函數公式來預測財務危機。

        周首華、楊濟華和王平(1996)在z分數模型的基礎上進行改進，考慮了現金流量變動情況指標，建立了f分數模型：

        f=-0.1774+1.1091x1+0.1704x2+l.9271x3+0.0302x4+0.4961x5

        其中，x1、x2及x4與z計分模型中的x1、x2及x4反映的指標相同，而x3、x5與z分數模型的x3、x5不同。x3=(稅后凈收益+折舊)/平均總負債，它是一個現金流量變量，是衡量企業所產生的全部現金流量可用于償還企業債務能力的重要指標。x5=(稅后凈收益+利息+折舊)/平均總資產，測定的是企業總資產在創造現金流量方面的能力(其中的利息是指企業利息收入去利息支出后的余額)。相對于z分數模型，它可以更準確地預測出企業是否存在財務風險。

        張玲(2000)以120家公司為研究對象，使用了其中60家公司的財務數據估計二元線性判別模型，并使用另外60家公司進行模型進行檢驗，發現模型具有超前四年的預測結果。此外，采用mda建模的學者還有黃巖和李元旭（2001）、尹俠等（2001）、向德偉（2002）、衛建國等（2002）、楊淑娥和徐偉剛（2003）、唐振宇等（2004）以及賁友紅（2005）。

        1.3 logit。logit模型是采用了一系列的財務指標來預測財務危機發生的概率，然后根據銀行、投資者等的風險偏好程度設定風險警戒線，以此對分析對象進行風險定位與決策。

        吳世農、盧賢義（2001）選取70家處于財務困境的公司和70家財務正常的公司為樣本，首先應用剖面分析和單變量判定分析研究財務困境出現前5年內這兩類公司每一年的21個財務指標的差異，最后選定6個財務指標作為預警指標，應用fisher線性判定分析、多元線性回歸分析和logistic回歸分析三種方法分別建立了三種預警模型，并指出應用logistic回歸分析法建立的預警模型誤判率最低。

        此外，姜秀華與孫錚（2001）討論了最佳分割點，認為概率0.1為最佳分割點；喬卓（2002）和齊治平（2002）引入二次項和交叉項進行建模；陳曉和陳治鴻（2000）、宋力和李晶（2004）對財務數據進行調整后建模；張鳴和程濤（2005）、梁琪（2005）、張揚（2005）通過利用主成分分析法對logistic方法進行降維、解決共線性問題后進行了建模；顧銀寬（2005）則基于jackknife檢驗進行了建模，均提高了模型預測的準確率。

        1.4 核函數方法。羅幼喜等（2005）通過主成分分析法約簡建模指標后，采用核函數建模，結果表明模型的性能指標超過傳統預測方法，較好地解決了大規模樣本集應用問題。

        2 智能預警模型

        智能預警模型則主要是基于神經網絡分析的各類模型。神經網絡模型是一套人工智慧系統，以模擬生物神經系統的模式，利用不斷重復的訓練過程，使本身能夠透過經驗的積累達到學習的效果。

        王春峰、萬海暉、張維等(1999)用神經網絡法對商業銀行財務風險進行了研究，發現神經網絡法具有很強的非線性映射能力，其學習經驗的能力強：學者楊保安等(2001)將bp神經網絡分析方法運用到銀行財務預警的分析中，構建了非線形財務預警模型。

        劉洪、何光軍（2004）以728個樣本、36個財務指標進行財務危機預警研究。他們在傳統的判別分析法和邏輯回歸分析法基礎上，探索應用人工神經網絡法進行財務危機預警的研究。結果表明，人工神經網絡法的預測準確率高于前兩種方法的預測準確率。謝紀剛（2004）等人使用分類集成的方法進行財務危機預警研究，結果發現該方法的預測準確率可達到86%。

        張根明、向曉驥和孫敬宜（2006）采用bp神經網絡法，以263家制造業上市公司的截面財務指標作為學習樣本，并使用76家制造業上市公司作為檢驗樣本，建立了制造業上市公司財務危機預警模型。其研究結果表明，與沒有區分行業的通用財務危機預警模型相比，分行業的bp神經網絡財務危機預警模型的預測準確率較高，能為廣大投資者和監管機構預測公司財務狀況提供更可靠的依據。

        另外，張華倫、孫毅（2006）提出了一種基于粗糙-模糊神經網絡（rough-fuzzy-ann）的模型，并給出了相應的算法，通過以我國上市公司財務數據為基礎進行的實證分析表明，這種模型具有預測精度高、學習和泛化能力強、適應性廣的優點，為企業財務危機的動態預警提供了一條新的途徑。張林（2004）采用cbr技術構建了企業財務預警系統，為企業財務危機的警度測控、警兆辨識以及防警排警等提供了新的思路。

        3 混合模式及其比較研究

        近些年來，還出現了財務預警的混合模式?；旌夏Ｊ绞侵竿瑫r采用兩種或兩種以上的方法建立模型來進行財務預警分析。對此進行的實證研究表明，混合模型比單個方法模型相有著更高的準確型。如：徐勇（2007）以滬深兩市制造業上市公司為樣本，通過fisher線性判定分析法和logistic回歸分析法對我國制造業上市公司財務危機預警模型進行研究。該研究考慮到了財務指標行業性差異，選擇制造業上市公司作為樣本，可使研究結果更具針對性。

        4 我國財務風險預警模型研究評價

        通過上述對國內財務危機預警模型的研究，從單變量、多變量、logit模型這些以統計方法為基礎的研究到神經網絡模型等非統計智能模型，從單一模型的研究到混合模型及其比較研究，從以財務指標為基礎的研究到引入非財務指標的研究，財務危機預警模型的研究受到了國內實務界和學術界的高度重視且取得了重大進展。

        與此同時，國內在這方面的研究仍存在不足之處。①不同的預警模型適用條件不同，必然影響到模型的正確性和預測精度。當前對財務危機預警模型的研究大多數偏重用財務指標來構建模型，而非財務因素指標不僅在數據上收集困難而且不易測評。②國內學者對這些模型的研究都是通過實證研究得到的，缺乏理論的指導，研究者在選擇變量的時候也受到自身價值判斷的影響。③在國內現有的財務預警研究中，指標的選擇往往基于一般的財務理論、風險理論和管理理論，有時甚至取決于研究者的直觀判斷以及資料的可獲得性，眾多研究者還沒有找到令人信服的財務風險和預警理論來支撐所建立的預警模型，由此造成了各種財務預警模型的預警結論不一致。

        我國這方面的研究中如何考慮行業和規模的影響，樣本設計條件的變化如何影響預測精度，如何從理論上和經驗上引進更有效的預測變量，而且國內研究對現金流量指標的重視程度也不夠，這些都是我們未來需要進一步研究的方向。

參考文獻：

[1]姜秀華，任強，孫錚.上市公司財務危機預警模型研究[j].預測.2002.3.

[2]張鳴.企業財務預警研究前沿.北京.中國財政經濟出版設.2004.

篇（3）

首先在財務風險預警領域樹立里程碑的是Beaver（1966），他利用單變量對企業破產進行預測，局限性是對同一企業的風險進行預測時，選擇的比率不同，得到的結果也可能有所不同。美國學者Edward Altman在1968年提出了多元變量Z-score模型，突破了單變量的研究。之后學者們紛紛利用多變量財務預警模型進行研究，但在1980年學者Ohlson首次采用Logistic方法預測財務風險。進入20世紀90年代，出現了基于神經網絡的財務風險預警模型，得到的結果比較理想。隨后一些新的方法如：支持向量機、期權定價模型也被運用到財務風險預警的分析中。我國的財務風險預警研究起步較晚，周首華、楊濟華（1996）把現金流量指標引入到Z分數模型中，提出了新的模型―― F分數模型。陳瑜（2000）運用二元線性回歸和主成分分析對上市公司財務預警模型的構建進行實證研究。姜秀華、孫錚（2001）則運用Logistic建立回歸判別模型。隨后的財務風險預警研究采用了新的方法――神經網絡，如： BP神經網絡（楊淑娥、黃禮，2005），模糊神經網絡混合模型（梁杰，2006），遺傳神經網絡（蔡志岳、吳世農，2006），RBF神經網絡對物流企業財務風險預警的評價（劉磊、郭巖，2012）等。隨著多學科的交流融合，也出現了其他的模型，如2015年藍莎運用系統動力學對財務系統進行結構―功能模擬，建立了財務風險預警體系。

總體來看，多元判別分析、Logistic和人工神經網絡是主要的預測方法，三者之中預測度最高的是人工神經網絡，最差的是多元判別模型。目前文獻對工業企業的財務風險預警研究較少，本文選取北京市工業企業與財務風險有關的財務與非財務數據，并引入人工神經網絡中相對完善、易于操作的多層次感知器，構建財務風險預警體系。

二、數據樣本的確定

（一）樣本預警指標選取

本文研究對象是北京市45家在上海證券交易所上市的A股工業企業，并通過csmar數據庫收集2012―2014年這些公司的相關指標。選取的指標既包括了反映企業償債能力、盈利能力、經營能力和發展能力四個方面的財務指標，也涵蓋了相關非財務指標，如股權集中度和獨立董事比例，總計18項預警指標，如表1所示。

（二）財務風險劃分

由于45家北京市工業企業被ST特殊處理的情況較少，且標記為ST發生在出現財務危機之后，很難對企業風險預警產生前瞻性影響，而且財務風險的發生是一個漸進的過程，上市公司的財務狀況在不加以控制的情況下會由輕度財務危機轉換為重度財務危機。所以本文將財務風險按照以下標準將其細分為低風險、中等風險和重大風險。如果當年的凈利潤不為負時，表明上市公司的財務風險為低風險;當年首次出現凈利潤為負，則表明上市公司為中等財務風險水平;當年為第二次出現凈利潤為負時，則表明財務風險水平很高，歸類為重大風險。根據上述標準，將2012―2014年45家公司共135個樣本劃分為三類，其中：低風險有120個，中等風險為10個，重大風險為5個。

三、實證檢驗

（一）KMO檢驗與Bartlett球度檢驗

在收集到以上45家工業上市公司近三年18項指標數據后，對原始數據進行標準化處理，以消除不同指標間的量綱差異。在此基礎上為判斷135個樣本數據是否能進行主成分分析，首先對標準化后的數據進行KMO檢驗與Bartlett球度檢驗，如表2所示，其中KMO值為0.678，大于0.6，適合做主成分分析;Bartlett球度檢驗的顯著性概率為0，說明變量具有統計學意義，而且表現出高度的相關性和顯著性。

（二）主成分因子的提取

為了對財務風險預警進行更加有效的分析，需要減少變量的個數，分析2012―2014年共135個樣本數據的18項預警指標，利用SPSS軟件進行因子分析，提取主成分因子，如表3所示。在特征值大于1時，共提取7個主成分因子，這7個主成分因子的累計方差貢獻率達到75.9%，能反映18個變量四分之三的信息。設主成分因子為Fi（i=1，2， …，7），做成分矩陣（如表4所示），可以進一步分析主成分Fi所代表的能力和它反映的有關上市公司的財務信息。

主成分因子F1中資產報酬率、每股收益、營業凈利率的比重較大，說明F1主要反映公司的盈利能力;F2中所有者權益增長率和凈利潤增長率所占的比重大，代表公司的發展能力;F3中反映償債能力的指標比重較大，說明F3主要變現為償債能力;F4中非財務指標的獨立董事比例比重最大，則把公共因子看成股權結構因子;F5中總資產周轉率的比重最大，代表整體營運能力;F6中綜合杠桿的比重最大，反映了風險水平能力;F7中營運能力的應收賬款周轉率和存貨周轉率指標所占的比重大，F7代表日常營運能力因子。這7個因子涉及到財務和非財務的相關信息，比較全面地反映出財務風險的各種因素。

（三） MLP風險預警模型的構建及實證結果

多層感知器（MLP）是一種多層前饋網絡模型，具有高度的非線性映射能力，它由三部分組成：一層為感知單元組成的輸入層;一層為（或多層）計算節點的隱藏層;一層為計算節點的輸出層。

本文運用SPSS軟件，首先將七個主成分因子代表初始的18項指標，代入神經網絡的多層感知器，作為協變量，風險程度作為因變量。其次在分區中，按照七比三的比例隨機分配個案，即135個樣本中70%作為訓練變量，30%作為測試變量。其中訓練變量中重大風險的樣本為3個，中等風險的樣本數為8個，低風險的樣本數為86個;測試變量中包含重大風險的樣本2個，中等風險的樣本數為2個，低風險的樣本數為34個。然后在體系結構中，設置最低的隱藏層數為1，分批進行培訓操作時，選擇調整的共軛梯度對算法進行優化。最后可以輸出ROC曲線分析準確性和特異性，判斷對財務風險的預警能力。

MLP對財務風險預警識別結果如表5所示，已預測與已觀測的樣本相比，在訓練變量中，有三個樣本其實屬于重大風險，卻預測為中等風險，準確率為0，中等風險和低風險全部預測準確，總體來看，訓練變量的正確率為96.9%;在測試變量中，重大風險有2個在預測的中等風險水平中，總計的測試變量的準確率為94.7%。由此得出綜合正確率為95.8%，其中低風險預測準確率為100%，說明多層感知器對低風險能較好的預測;誤判均發生在將重大風險歸類到中等風險，究其原因可能是重大風險與中等風險劃分不明確，且在第一年出現凈利潤為負時，第二年要想轉虧為盈的難度也很大，或者即使利潤為正，為彌補去年差異最后的凈利潤數額也較小，這樣造成重度風險和中度風險的差異不大，利用多層感知器預測時會產生偏差。

四、結論

篇（4）

引言

企業財務風險管理(ERM)是指企業在日常的經營中，通過對風險的認識、衡量和分析并以最小的成本達到最大安全保障的管理辦法。風險和收益并存，企業作為市場的主體要參與市場競爭必然要面對風險，因此，財務風險預警就顯得尤為重要。

一、財務風險

財務風險是指企業經營總風險在財務活動上的集中體現，是企業財務活動未來實際結果偏離預期結果的可能性。財務風險有狹義和廣義之分，狹義的財務風險僅指籌資風險，廣義的財務風險是指包括籌資風險在內的所有由于不確定事項給企業帶來的可能損失及其損失程度，包括：籌資風險、投資風險、資金收回風險、資產貶值(或跌價)風險、收益分配風險等。

二、建立財務預警系統

為防范化解企業財務風險，企業建立一套健全有效的財務風險預警系統就顯得非常必要。

企業財務風險預警系統是指企業在財務風險管理中形成的各種相互依賴、相互制約的預警職能體系，是財務風險管理中一項復雜性、綜合性程序較高的管理活動。預警系統的設計就是把風險預警機制因地制宜的引入企業內部，讓企業、管理者、員工共同承擔風險責任，使責、權、利三者真正成為一個有機整體。預警系統設計包括預警組織機構設計、信息收集和傳遞系統設計、財務風險分析系統設計及財務風險處理系統設計。具體實施步驟如下：

1.以現金流為基礎，建立短期財務預警系統。短期而言，企業能否維持下去，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。預警的前提是企業有利潤，對于經營穩定的企業，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。根據企業現金流量表，定期分析企業的現金流動狀況和變化趨勢，是財務管理工作別重要一環。準確的現金流量分析，可以為企業提供預警信號，使經營者能夠及及早采取措施。

2.確立財務分析指標體系，建立長期財務預警系統。對企業而言，在建立短期財務預警系統的同時，還要建立長期財務預警系統。其中償債能力、企業營運能力、企業盈利能力等指標最具代表性。(1)償債能力分析指標。①經營活動現金凈流量/流動負債。該指標說明企業通過經營活動所獲得的現金凈流量可以用來償還現時債務的能力。比率越大，說明企業流動性越大，短期償債能力越強。②經營活動現金凈流量/負債總額。該指標反映企業年度經營活動產生的現金凈流量償還企業全部債務的能力，反映企業長期償債能力。比率越大，表示企業長期償債能力越強。(2)企業營運能力指標。包括兩個主要的指標：①總資產周轉率(主營業務收入凈額／平均資產總額)：該指標是用以綜合評價全部資產經營質量和利用效率的重要指標。該指標越高，表明以相同的總資產完成的周轉額越多， 總資產的利用效果較好。②流動資產周轉率(主營業務收入凈額／平均流動資產總額)：該指標反映了企業流動資產的周轉速度，它是從流動性最強的流動資產角度，對企業的利用效率進行分析，以進一步揭示影響企業資產質量的主要因素。

(3)企業盈利能力指標。包括兩個主要的指標：①凈資產收益率(凈利潤／平均凈資產)：它是反映企業自有資金投資收益水平的指標， 一般情況下該比率越高，表明自有資金獲取收益的能力越強，對企業投資人、債權人的保障程度越高。所以它至少不應低于市場或行業的平均值。如果資產收益率達不到市場或行業平均水平，意味著企業發生了機會損失，并且在競爭中客觀上已處于劣勢地位。一般存在財務風險的企業資產收益率也比較低。②總資產報酬率[(利潤總額+利息支出)／平均資產總額]：它是反映企業資產綜合利用效果的指標，該指標越高，表明企業的資產利用效益越好，整個企業的盈利能力越強。

三、應對風險的措施

在發生的風險預警系統實施中，實時對風險信號進行監測，如出現產品積壓，質量下降，成本上升，應收款增大等，要查明其形成原因及過程，確定切實可行的風險管理策略。應對財務風險通常采用以下策略：

1.回避風險策略，即考慮到風險事故存在可能性較大時，主動放棄或改變某項可能引起風險損失決策的方法。

2.接受風險策略，即企業面對客觀存在的財務風險，接受下來，并努力采取措施控制風險的方法。

3.風險防范策略，即在損失發生前消除或減少可能引起損失的各項因素，避免損失的產生。

4.分散風險策略，即通過企業之間聯營、多元化經營對外投資多項化等方式分散財務風險。

5.實施中應注意的問題。(1)加強財務信息管理，建立完善靈敏的財務信息系統，保證財務預警指標體系的建立和運行效果。(2)樹立牢固的風險防范意識，加強完善企業內部控制制度，良好的內部控制制度可以提高財務預警的準確性。(3)保證暢通的預警信息傳遞路線和及時的對策反應，使預警信息能及時反處理。(4)正確認識和處理財務風險預警系統和其他管理體系的關系，財務風險預警系統是企業內部控制的一種形式，不同于行政管理，又依賴于行政管理。

參考文獻：

[1]韓冬梅:如何加強企業財務風險管理[J].會計師,2007. (1).

[2]胡殿香:論現代企業的財務管理[J].經濟技術協作信息,2007.(6)

[3]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(8):8～11

[4]李秉成,劉芬芳.財務困境預警分析方法評析[ J].武漢科技大學學報,2004(1):6～10

[5]殷孟波 賀向明:公司財務危機預警模型評介[J].經濟學動態,2004(3)

篇（5）

企業的財務風險主要是指在企業的各種財務活動中，因受一些不確定因素影響而使得企業實際財務收益與預期的收益產生一定的偏離，從而給企業造成蒙受損失的可能。隨著世界金融危機的不斷出現和市場競爭的日益激烈，企業必須要積極建立財務風險的預警系統，健全風險管理機制，從而確保企業的健康發展。

一、構建企業財務風險預警的相關措施

1.建立健全企業財務風險預警系統

財務風險預警系統貫穿于企業生產經營活動的整個過程，其主要是企業信息化的基礎上，依據企業自身經營計劃、財務報表和其他財務資料，利用金融、市場營銷、企業管理和財會等理論，并采用比較分析、數學模型、比例分析以及因素分析等方法而進行的示警預報。

財務風險預警系統的建立不僅可以讓企業經營者對一些潛在的財務危機做好應對的準備，及時地找出財務危機產生的根源和經過，給企業的管理經營者提供一些改善財務危機的建議和措施，從而能夠為企業未來的管理和經營提供良好的借鑒作用。

2.樹立企業的風險防范意識，做好信息管理工作

風險防范意識的樹立是保障企業內部財務風險預警系統成功建立和正常運行的前提。因此，在日常工作中企業內部的全體員工，尤其是領導管理階層要牢固樹立企業的風險防范意識，并極采納合理建議。

企業要加強財務風險預警組織機構的建立，積極遵循“職責獨立、專人負責”的原則，從而確保企業的各項風險預警工作能夠得到嚴格的落實，以避免受其他機構的影響和干擾。而在企業信息的管理上，要不斷對資料信息系統進行升級，并及時對系統信息進行刷新，以確保各項財務信息的準確性、及時性和有效性。

3.建立健全企業財務風險的分析和處理機制

對財務風險的高效分析是企業財務風險預警系統的關鍵和核心。而企業財務風險的處理則主要是一些改進方案、補救辦法和應急措施。其中，改進方案是對企業管理經營中一些薄弱環節的改進措施，目的是避免和杜絕類似財務風險事件的再次發生；而補救方案則是指當財務危機發生后要采取有效的措施來盡可能地控制損失或減少損失；應急措施是指當財務風險或財務危機出現時，要采取有效的方法和手段進行規避，以避免危機的不斷惡化。

4.將企業的財務風險預警系統和其他各項制度建設進行有效地結合

企業作為一個整體，其內部的任何活動都可能會影響到客戶對企業的滿意度，這就要求企業內部的財務管理要與其他管理活動保持良好的銜接和溝通，同時還要使企業財務風險的預警系統與其他子系統之間保持協調和一致性，并實現資料數據的共享。因此，要規避企業的財務風險，就需要將企業的財務風險預警系統與其他各項制度建設進行有效的結合。

5.遵循和堅持成本效益原則

企業內部財務風險預警系統的良好構建還需要積極遵循和堅持成本效益原則，并使實施預警信息產生的價值能夠大于實施預警信息產生的成本，以確保財務風險預警系統構建的有效性和經濟性。一般情況下，企業自身的財務風險在很大程度上取決于其內部的現金流量狀況。當前企業所面臨的財務風險主要包括投資風險、籌資風險、利益分配風險以及資本運營風險等，這些財務風險貫穿于企業財務管理的整個過程，不利于企業的協調穩健發展。因此，在新時期的發展中，企業要通過建立財務風險管理機制來防范和控制各類財務風險的出現，以最大程度地降低企業的風險損失，保障財務安全，從而實現企業運營價值的最大化。

二、企業進行財務風險管理的有效措施

1.積極建立相關的風險預警機制，提高企業應對外部經濟環境的能力

復雜多變的經濟環境是造成企業財務風險的重要原因，外部的經濟環境等因素對企業內部的財務管理有著深刻的影響。面對復雜多變的外部經濟環境，企業要加強對其變化趨勢和規律的研究，并通過建立相關的財務風險預警機制來有效地掌握外部市場環境的變化，并預測出企業所要面臨的財務風險的危機。同時，根據對外部經濟環境的預測結果，企業應積極制定相關的應變措施，加強對企業內部財務管理辦法和政策的調整，以提高企業應對外部經濟環境的能力，減少或避免因外部環境的不利變化而對企業的財務管理造成沖擊，從而到達降低企業外部財務風險的目的。

2.建立相關的財務決策機制，提高企業財務決策的科學性

當前企業財務決策中所采用的主觀決策和經驗決策在一定程度上增加了企業財務決策的失誤率，而錯誤的決策又會大大增加企業所面臨的的財務風險。面對這種情況，就需要企業在發展中建立相關的財務決策機制，提高財務決策的科學性，從而防范和減少財務風險的出現。具體來說，企業首先要明確自身的財務決策目標，并確保財務決策目標和企業總體目標的一致性，這是提高企業財務決策科學性的前提。最后，還要對財務決策實施過程進行有效的監督，從而保障企業財務決策的順利實施，降低風險所帶來的損失。

3.確定科學合理的企業資本結構

企業的理財目標和資本結構對財務風險的產生有著重要的影響，這就要求企業要確立科學合理的資本結構，以規避各種財務風險的出現。企業資本結構的合理與否主要受企業籌資決策的影響，因此，企業在進行籌資時應根據自身的實際情況，對與籌資相關的影響因素進行綜合的考慮，從而確定出合理的資本結構。

4.建立和完善企業內部的財務風險管理制度

完善管理制度能夠明確企業財務風險管理的方向和目標，也是防范和減少企業財務風險的重要措施。同時，企業要不斷強化企業自身的內部控制，加強對企業資金的有效管理，以提高其資金的利用率。并對當前的業務流程進行全面的梳理，以找出其中潛在的財務風險和相關的控制措施。另外，還要加強對當前財務控制制度的審核，對其中存在的監管漏洞要進行及時的補充和完善，從而增強其抵御各類財務風險的能力。

加強對企業財務風險的管理，提高企業財務風險預警能力是當前企業應對激烈市場競爭的有效路徑。企業要積極建立財務風險預警系統，建立健全財務風險的相關管理機制，從而確保企業的健康持續發展。

參考文獻：

篇（6）

一、建立企業財務風險預警系統的必要性

（1）當今企業發展環境。慘痛的歷史給社會的經驗是固步自封只會落后，之后任人欺凌。這一點同樣適用在經濟市場，經濟競爭就是沒有硝煙的戰場。所以，當今的市場經濟中，各個企業所要面臨的競爭對手不僅僅是國內的企業，還有國外的各強國的優秀企業。形式十分嚴峻，企業只有經歷了各種各樣的歷練和考驗，積極吸取競爭對手的優秀制度，不斷的從經歷中總結經驗，吸取教訓，完善自己，才能夠從中脫穎而出，屹立在國際經濟市場之內。

（2）建立企業財務風險系統的必要性。一個企業就像一個人一樣，它的發展受到兩個方面的影響：一是來源于外部經濟市場的規則、國家的政策、社會的要求之類的外部考驗，另一個就是來源于自身的影響。一個優秀的人需要對自身內在進行管理，在不斷豐富自己的同時，也需要培養或制定良好習慣對自己進行制約。對于企業來說，在不斷發展的同時，必須要制定相應的制度來對企業進行約束，避免或減少外界對企業造成的不良影響，將事后的管理更改為事前的預防。因此，企業應建立嚴謹的財務風險預警系統和監控系統，提高企業對市場的危機意識。

（3）建立企業財務風險系統的意義。有企業成立，也有企業成功，自然也就有企業合并或者是破產，這些是市場經濟的環境下企業的發展常態。相信每個企業都不愿意走向衰落，那么，企業就要提高自身對市場信息的應對以及消化的能力，最大程度上利用自己企業的優勢，不斷的加強企業自身抵抗風險的機制和意識。建立企業財務風險預警系統，通過風險預警系統中的防范、監控、預警等功能應對各種容易發生變化的、非常見的逆境狀況，從而保證企業生產經營的安全性以及企業生產經營中的良性循環。財務預警系統可以多方面的分析公司財務情況，并結合實際的經濟市場的信息來預測公司財務危機，從而不斷針對調整，讓企業的財務活動始終處于“可控、且安全”的狀態。公司財務對經營活動具有前瞻性特征，有大量的實例可以證明，陷入經營危機的企業基本上都是由財務危機為征兆的，而財務的危機問題，并不是突然性的、爆發性的危機問題，財務危機的形成是問題的不斷積累與惡化共同造成的。而財務風險預警系統能夠不斷排查這些問題，一些敏感性的關鍵財務指標即警兆會以不同的形式，在不同程度顯現出來，然后系統就會對這些問題進行分析，及時的減少財務問題，從而減少財務危機的發生。

二、企業財務風險預警系統的構建

企業財務風險預警系統是財務風險管理中一項綜合性程序較高且復雜的管理活動，主要是指企業在財務風險管理中形成的各種相互制約、相互依賴的預警職能體系。通常情況下，企業在對財務的管理過程中，都會采用財務杠桿系數衡量財務風險的方法。但是這樣的方法對于財務風險預警來說，遠遠達不到要求。財務預警系統是通過對企業財務活動進行預測、監控，通過因素分析、比較分析、比率分析等方法建立的一套財務預警分析系統，系統全面地檢測企業的財務情況，通過分析預先告知企業可能出現的財務危機，讓企業可以提早準備，而且還可以采取特定的措施，排除危機，保證企業財務活動安全運行的管理行為。當前財務預警模型多采用單元判定模型，多元線性判定模型如人工神經網絡模型、Logisti模型、Z分數模型等。

要想構建企業財務風險預警系統，首先要做的是對需要達到的目標狀況、財務風險預警所處的環境情況進行分析，然后要結合風險預警的論證還有企業的實施環境，使用合理科學的財務指標，并且要充分的考慮財務風險預警的功能選定以及財務風險系統的結構構建的問題。

此外，由于財務風險預警系統的重要方法是利用財務風險分析機制，所以要想建立企業的財務風險預警系統，就必須要建立健全財務風險分析處理的管理機制，企業的財務風險需要這兩個機制合作、共同解決。財務風險的處理中有改進措施、補救措施、還有應急措施等。系統對于風險問題的處理一般是將財務風險的信息經過匯總之后將其送到危機處理小組進行處理解決。

企業財務風險預警應配合企業發展建設要求。財務管理和財務風險預警都是因企業的發展建設而建立，財務風險預警系統的運行與操作是根據企業的各項信息進行分析判斷得出結果，財務風險預警系統應結合企業的實際狀況，建立適用與企業發展的預警系統。對已經建立的風險預警系統應進行必要的評估和檢查，及時調整系統中不適當的環接，降低企業的財務風險。

企業應加強風險的防范工作。面對企業間的競爭，企業的管理者必須提高財務風險的防范意識，加強財務控制程序，提高財務管理的制度，提升對財務危機的認識，將財務風險系統融入在日常的工作監督中，發現預警中的異常立即應對，采用危機管理對出現的財務危機進行補救處理，降低企業的風險，促進企業的安全發展。

三、結論

如今企業的發展面臨的是國際的經濟市場，企業的發展壓力相對較大，企業必須從各方面武裝自己，財務作為企業發展的核心更是要受到重要的保護，建設企業財務風險預警系統可以幫助企業不斷的檢視自身，結合實際的市場規則或需求，對企業內部的信息或制度進行排查，能夠幫助企業盡早的發現問題，給企業解決問題的時候，同時也減少了由財務問題不斷積累、壓縮，最后對企業造成毀滅性傷害的可能性。本文簡單論述了企業財務風險預警系統的構建問題，提出了幾點針對性的建議，希望可以幫到各位讀者，幫到各個企業提高效益。

參考文獻：

篇（7）

二、高校財務風險預警系統的構建

財務風險管理的一般程序是風險的識別、風險的測度和風險的控制。本文按照這個思路來構建高校財務預警系統，高校財務預警系統是一個循環運行的系統。基本信息系統負責財務信息的收集，財務信息收集的對象主要是高校內部財務信息和外部信息，并形成一個資料系統，將所有資料傳遞給分析監測系統。分析監測系統是財務風險預警系統的核心，運用專門的財務預警模型，通過分析監測可以迅速排除對財務影響小的風險，從而將主要精力放在有可能造成重大影響的風險上，對其重點研究，分析出風險的原因，評估其可能造成的損失。風險控制系統應及時根據財務風險水平的高低制定相應的風險防范或化解策略，對財務風險回避、轉移和承接。

（一）基本信息系統

良好的財務預警系統必須建立在對大量資料進行統計分析的基礎上，形成基本信息系統。負責財務信息的收集和傳遞，這個系統應該是開放性的，不僅包括信息的輸入，還包括信息的輸出;不僅有財會人員提供的財會信息，更有其他渠道的信息。這里的會計信息系統不僅是指一般意義上的會計核算報告系統，還包括對會計資料的認真閱讀、分析和評價，以及尋找高校潛在的財務風險并及時消除財務風險的工作。

（二）分析監測系統

分析監測系統是財務風險預警系統的核心，它以高校的財務報表及其他相關的資料為依據，通過定量分析與定性分析相結合的方法，對高校存在的風險做出判斷，對風險水平達到或超過預警線的財務風險進行預警。定量分析主要是通過設計一套財務風險指標評價體系，來評估高校財務風險的。

1.建立高效財務風險指標評價體系

（1）償債能力評價指標。第一，資產負債率：資產負債率=負債總額/資產總額×100%反映了在高校總資產中債務資金所占的比重。資產負債率越低代表資產對債務的保障越高。目前大部分高校正在快速發展，所以并不是這個比重越低越好，應該在一定范圍內更有利于學校的資金籌集，比重可以設為30%～60%之間，當比重大于60%應該預警，這表明學校有可能要資不抵債。第二，流動比率：流動比率=流動資產/流動負債×100%反映了高校用流動資金償還流動負債的能力。該比重可以設在2～5之間，當比重小于1.5應該預警，表明學校的短期償債能力變低。第三，潛在支付能力：潛在支付能力=（年末貨幣資金+年末應收票據+年末借出款+年末債券投資）/到期債務本息×100%反映了高校收益能力對債務償還的保障，比重越大說明了潛在支付能力越強，該指標值至少要大于1，指標值小于1時，表明債務有可能會還不上。

（2）運營能力指標。第一，預算收入實現率：預算收入實現率=實際收入/預算收入×100%反映了高校本年預算收入的完成情況，指標值小于100%表明沒有完成，大于100%表明實際收入超過預算，接近100%表明完成情況最好。第二，預算支出實現率：預算支出實現率=實際支出/預算支出×100%反映了高校本年預算支出的完成情況，指標小于100%是控制較好，大于100%是超預算支出，接近100%表明基本和預算相符。第三，經費自給率：經費自給率=（事業收入+經營收入+附屬單位上繳收入+其他收入）/學?？偨涃M收入×100%反映了高校自籌經費的收入占學校的總經費收入比重。該指標值越大，表明該校自給能力越強。預警指標值可設在50%左右，低于50%則要預警。第四，事業基金可用率：事業基金可用率=（事業基金-借出款-對外投資）/事業基金總數×100%反映了高?？蓜佑玫氖聵I基金占事業基金總數的比例。指標值高，說明高?？烧{動基金彌補預算缺口的能力強，這個預警指標值可根據高校實際情況確定。

（3）發展潛力指標。第一，自籌收入能力：自籌收入能力=自籌收入/總收入×100%反映了高校通過多種渠道創收方面的能力。指標值越大，說明高校自我發展能力越強，預警指標值可根據高校實際情況確定。第二，總資產增長率：總資產增長率=（年末資產總額-年初資產總額）/年初資產總額×100%反映了高校資產的增長情況。指標越大表明學校發展速度越快。第三，自有資金增長率：自有資金增長率=（年末自有資金總額-年初自有資金總額）/年初自有資金總額×100%反映了高校自有資金的增長情況。該指標越大表明學校的發展潛力越好。

2.定量分析和定性分析相結合

定量分析雖然是通過對財務報表進行分析、加工和處理來完成財務風險預警的，有其科學性和合理性，但這種方式也會受到不同高校條件差異、高校在不同時期影響因素的變化、評價時對評價指標的選擇，以及高校對會計政策的選擇等各種因素的影響，無法滿足高校對財務風險預警的全面需要。而定性分析則是在財務報表分析的基礎上，結合專業分析人員的經驗判斷，可以對定量分析的不足加以彌補。如當高校過度依賴貸款、總資產和收入急劇下降、過度大規模擴張、財務預測在較長時間不準確等情況，則預示著高校存在發生財務風險的可能性。為此，高校不但要通過定量分析來把握高校的發展趨勢，而且要相應地結合定性分析來進行考量和判斷。

（三）高校財務風險控制系統

風險控制系統就是針對分析檢測系統對財務運作過程中存在的問題和隱患做出的預警，對不同的財務風險類型提供不同的有效控制措施?？刂拼胧┌雌涫欠褚揽客饨鐜椭煞譃閮深悾阂活愂菍⒇攧诊L險轉移，另一類是將財務風險自行承接。高校對自身控制能力有限，即使可以控制，但控制的成本和代價太大的財務風險可以實施轉移策略，如會同商業銀行制定切實可行的還貸方案和多家銀行組合實現貸款，向專業保險公司投保等。高校對不能轉移的財務風險或自己有能力將損失控制在可容忍范圍內的財務風險可以實施自行承接策略。自行承接的方式即制定相應的對策改善目前的財務狀況，如加速應收賬款的收回，節約開支，有效處理不良資產等。在制定好控制措施后，還應定期檢查風險控制措施的實施效果，并根據整個系統的運行情況重新對財務風險評估系統做出的預警進行適當性、有效性、及時性的分析，并對基本信息系統的風險信息進行修正，從而將高校財務預警系統的三部分連成一個有機的整體。

三、高校財務風險預警系統評價結構

根據高校的實際運營情況和管理需要，可以將預警系統反映出來的財務風險情況確定為低、中、較高、高四級。具體解釋如下：

1.高校財務風險低。代表了學校收益水平很高，債務的支付能力很強，學校的經營正處于良性循環狀態。

2.高校財務風險中。代表了學校處在平均水平，有足夠的債務償還能力，學校的經營處在良性循環水平，但比較容易受到內部、外部不確定因素的干擾，需要及時檢測情況。

篇（8）

一、上市軍工企業財務風險預警指標體系建立

為了能使構建的財務風險預警模型能更符合上市軍工企業的實際，在指標選取上盡可能地考慮上市軍工企業的特征，并融入了部分非財務指標作為最終的財務風險預警指標體系。

在財務指標方面，根據財務管理的有關理論，為了盡可能全面地反映研究對象的財務狀況，首先確定了償債能力、盈利能力、營運能力、成長能力、現金流量能力五大類指標。另外由于軍工企業具有明顯的特殊性，因此在財務比率指標的選取上也應體現行業特點，對不能明顯反映軍工企業經營狀況的財務指標進行了剔除。經過對各類財務指標進行選擇和細分，最終確定了26個指標建立起財務風險預警的財務指標體系。見表1。

在非財務指標確定的過程中，從股權構成方面、軍品業務方面、關聯交易三個方面考慮，在文獻研究的基礎上提出了以下假設：

假設l：國有股比例與企業的財務狀況呈負相關關系；

假設2：法人股比例與企業的財務狀況呈正相關關系；

假設3：軍品收入比例與企業的財務狀況呈正相關關系；

假設4：關聯交易額比例與公司財務狀況呈負相關關系；

假設5：上市公司擔保率與公司財務狀況呈負相關關系。

上市軍工企業財務風險預警指標體系的各財務指標與非財務指標及其計算公式如表1所示。

二、上市軍工企業財務風險等級評價指標篩選

采用前文所建立的財務指標體系，以我國軍工上市企業的26項財務指標作為樣本變量。根據主成分分析法的原理，利用統計分析軟件SPSS11.5對原始指標進行篩選。

從分析結果中的總方差解釋表中可以得出，第一主成份（Component）的特征值為8.478，它解釋了31.4%的方差；“Cumulative%”表示累計的方差解釋程度或累計方差貢獻，26個變量解釋了全部的方差，累計數為100%。

從主成份的特征值表中，根據特征值大于1及方差累計貢獻率大于85%的原則，從26個變量中提取前6個主成份，這6個主成份析方差累計貢獻率達到86.33%，也就是說這6個主成份可以解釋大部份方差，利用所提取的主成份可以反映樣本86.33%的變量信息，這樣便使26個指標簡化為6個主成份而不損失大部分信息。為了進一步理解公共因子的實際意義，本研究中使用了正交旋轉中的方差最大法進行轉換。

因子1主要由X12、X13、X14、X15、X16解釋，基本上反映了我國上市軍工企業盈利能力；

因子2主要由X1、X2、X3、X4、X3解釋，基本上反映了該類企業的償債能力；

因子3主要由X19、X21、X22解釋，反映了企業的成長能力；

因子4主要由X7、X9、X10解釋，反映了企業的資產管理能力；

因子5主要由X24、X25、X26解釋，反映了企業的現金流量情況。為了方便建立模型，在此把選出來的6個主成分進行重新命名，分別為X1、X2、X3、X4、X5、X6。

三、上市軍工企業非財務類指標驗證與篩選

在前文的分析中，依據對前人的文獻研究以及上市軍工企業特征選出了三大類共5個非財務類指標，但是這些指標都是依據文獻研究所提的假設，在具體的研究中還需要對各個指標進行相關性分析，以驗證各指標與財務狀況之間的關系是否顯著。

首先選取研究變量。本研究中的變量包括了因變量和自變量兩個變量，其中因變量企業財務狀況由企業的經營績效來表示，在量化分析中一般選取凈資產收益率代表這一變量，用Y代表；自變量則由本研究所選取的5個非財務類指標組成，即國有股比例、法人股比例、軍品收入比例、關聯交易比、上市公司擔保率，分別用N1、N2、N3、N4、N5表示。

根據SPSS11.5統計軟件中的二元變量相關性分析，初步得到軍工上市企業財務狀況與其假設提出變量之間的關系。從各變量之間的相關系數可看出，國有股比例、軍品銷售額占主營業務收入的比率、上市公司擔保率三個變量與凈資產收益率都有著較高的相關度，而且支持上文的假設情況，可以作為入選的非財務指標。其他指標與因變量也有一定的相關度，但相關程度比較低，因此認為這些變量與反映企業經營績效進而代表財務狀況的凈資產收益率之間沒有顯著相關關系。

因此，經過對53家軍工上市企業數據進行的相關性分析，提取出國有股比例、軍品銷售額占主營業務收入的比率、上市公司擔保率這三個指標作為建立上市軍工企業財務風險預警模型的非財務變量。

四、基于判別分析法上市軍工企業財務風險預警模型構建與驗證

基于判別分析法，對上市軍工企業財務風險預警模型進行如下構建與驗證：

第一，對樣本企業進行聚類分析。本文選取了聚類分析來對我國上市軍工企業進行分類，盡量消除主觀因素的影響，提高分類的科學性，考慮到實際情況中有些公司的財務狀況處于中間狀態，將我國上市軍工公司分為三類即財務危機公司、非財務危機公司（不會發生財務危機公司）和中間狀態公司（財務狀況一般公司），以更好地反映整個行業的財務狀況。

本次研究選取前文中用主成分分析方法提出的6個財務指標以及經過相關性分析的3個非財務指標總共9個因子做為變量，用SPSS軟件中的聚類分析模塊進行分析?？紤]到現實中存在部分企業的財務狀況居于中間位置的情況，本文認為把我國上市軍工企業的財務風險類型分為三類（3 Clusters）更為合理。接下來選取聚類分析法中的完全連接法（Furthest neighbor）做為具體的聚類方法，在輸出的結果中選擇聚類歸屬表，直觀地表示本次聚類分析的結果。如表2所示。

第二，上市軍工企業財務風險預警模型構建。在模型構建之前，通過對我國上市軍工企業財務風險預警的判別函數進行的有效性檢驗、協方差相等的Box檢驗以及函數的擬合優度檢驗，表明該判別函數是有效的。在這些檢驗分析的基礎上結合結構矩陣，就可以得到非標準化判別函數，如下表給出了標準化和非標準化的典則（Canonical）判定函數系數值，據此可構造標準化和非標準化的典則判定函數，系數值如表3所示，用以計算每一條記錄在領域圖（Territorialmap）中的坐標值。

其中的標準化是指原始變量的標準化，使用典則函數需要先計算出坐標值，然后查領域圖或者計算該點離各點心的距離，在設定判別規則時還要考慮如何確定閾值點，較為繁瑣。而采用Bayes準則構造出的Fisher判別函數就可以用原始變量直接進行判別，簡便又不失判別的準確性。

表4即是所得到的費歇（Fisher）線性判別函數的系數，從而就可以得出包含9個變量的判別分析的Fisher線性判別函數模型，由于本文是將樣本分為三類，在判別分析中需對這三組進行兩兩對比分析，故判別模型函數為三個。

依據上表中的判別函數系數數據，這三個函數的表達式為：

Y1=0.477X1+0.106X2+0.457X3+0.433X4+0.916X5-0.743X6+ 0.811X7-0.647X8+0.792X9-1.417

Y2=-0.259X1+0.773X2-2.627X3-3.754X4-4.683X5+1.853X6-

6.130X7+2.376X8+0.593X9-11.057

Y3=-13.003X1-7.042X2-0.579X3+5.777X4-4.053X5+13.025

X6+6.309X7+0.925X8-8.734X9-57.362

其中，Y1，Y2，Y3分別表示無警類、輕警類、巨警類企業的函數判別值；X1、X2、X3、X4、X5、X6、X7、X8、X9分別代表我國上市軍工企業盈利能力、償債能力、成長能力、現金流量情況、資產管理能力（由X5、X6共同反映）、國有股比例、軍品銷售占主營業務收入的比例、上市公司擔保率。

在判別模型建立以后，為了更直觀地確定企業的財務風險類別，還需要確定模型的判別規則。本文建立的我國上市軍工企業財務風險預警模型實質上是采用貝葉斯準則構造出的費歇判別函數，因此本文所采用的判別準則也是貝葉斯判別準則，具體是將每一家企業的9個因子值分別代入模型的三個判別函數中，計算每個企業的三個判別函數值，以這三個函數值最大的一個做為分類標準，即得分最高的一類就是該企業所屬的類別。利用這樣的判別準則就可以把每家企業的數據代入模型進行具體的判別分析了。

第三，上市軍工企業財務風險預警判別模型的判別效果檢驗。對于建立的財務風險預警模型，模型本身是一方面，其實最關鍵的還是要看該模型的判別效果如何，準確度有多大。因此，就有必要對模型的判別效果進行分析檢驗。本文選取交互驗證法對模型2008年的判別效果進行驗證，并引入模型外部數據進行檢驗，即將2007年和2006年我國上市軍工企業的財務指標代入模型中進行驗證。從2008年、2007年、2006年的預測效果看來，如表5所示模型對3年的預測準確率逐漸呈下降趨勢，離建立模型年度越近，預測的精度越高，這也符合一般模型離預測期限越近，預測效果越好的客觀規律。

通過以上研究表明，該模型的預測效果是可觀的，可以作為上市軍工企業避免財務危機發生的有效措施。如果上市軍工企業采用本文所構建的模型進行預警管理，就可在財務風險惡化的前一年或前兩年對企業所存在的財務風險采取針對性的管理措施，從而有效地防范財務危機的發生。

參考文獻：

［1］姜秀華、任強、孫鋒：《上市公司財務危機預警模型研究》，《預測》2002年第3期。.

［2］張玲：《財務危機預警分析判別模型及其應用預測》，《數量經濟技術經濟研究》2000年第6期。

［3］李益騏、田高良：《上市公司財務預警實證研究》，《西北大學學報（哲學社會科學）》2009年第5期。

［4］陳曉龍：《市公司財務危機的預警模型》，《統計與決策》2009年第15期。

篇（9）

Z＝0.012X1＋0.014X2＋0.033X3＋0.006X4＋0.999X5

其中：

X1＝（營運資金／資產總額）×100

X2＝（留存收益／資產總額）×100

X3＝（息稅前利潤／資產總額）×100

X4＝（所有者權益總額／負債賬面價值總額）×100

X5＝（銷售收入／資產總額）×100

其中X1、X4反映企業的償債能力；X2、X3反映獲利能力；X5反映盈利能力。Z值越低，風險越大。在奧特曼（Altman）的多元Z值判別系統中，最終對財務風險預警起作用的財務比率只有5個，這是否意味著其它財務比率對財務風險預警就不起作用了？其實不然，因為奧特曼在構建多元Z值判別系統的過程中，首先進行財務比率的相關性分析，剔除了一部分財務比率，并最終根據累計貢獻率選擇了5個財務比率。實際情況是財務比率之間往往具有一定的相關性，但又不是完全相關的。因此，能否找到一種方法，使得在構建財務風險預警系統時，一方面既能考慮到更多一些對財務風險預警有指示作用的財務比率；另一方面又不會因為財務比率太多而增加分析問題的復雜性?為了解決這一問題，利用層次分析法。層次分析法通過同類指標兩兩比較誰更重要的方法，構造判斷矩陣，計算出特征向量，確定各層次的權重。另外，奧特曼多元Z值判別系統的所選擇的5個財務指標，是基于會計權責發生制下的財務比率，能否利用收付實現制下反映企業的償債能力、獲利能力、盈利能力的現金流量指標替代呢？從國內外實證研究表明，采用現金流量的系列指標分析有助于財務風險預警。

所以，利用層次分析法并結合奧特曼多元Z值判別系統的分析思路，構建了基于企業現金流量分析的財務風險預警系統，通過計算出來的A值，與預警指標比較以及在預警區間的范圍，可正確評價企業面臨的風險，得知風險程度和風險來自哪些具體方面，從而有針對性地制定有效措施防范風險。

二、財務風險預警系統的構建

（一）指標選擇原則

指標選擇原則力求科學性、全面性和可比性?？茖W性和全面性就是要運用現代科學的方法，參照國外先進的做法來對企業進行評估，評估方法設計和指標選取要客觀、公正、公平，盡量淡化主觀色彩，表現為所選用的指標既要反映公司的獲利能力和支付能力，又要反映資產流動性和財務彈性等財務狀況，以概括反映資產負債表和利潤表的有關指標的信息，同時兼容各指標之間的系統性?？杀刃员憩F為所選用的指標不受公司行業背景等個性條件的限制，可直接比較。同時，選取的各項指標必須有機配合，形成體系，指標之間不能重復和矛盾，各項指標要有一定的依據并真實可靠；要選擇能夠反映企業全貌的指標，既要評估企業的現在，也要評估企業的過去，還要預測企業的未來；選取的指標要有代表性，盡量精簡，避免由于指標過于龐雜而導致的內容沖突、相互矛盾等現象；選取的指標應具有較強的橫向、縱向可比性，并盡可能排除偶然或異常事項的影響。

（二）現金流量指標的選擇

綜合上述有關指標選擇的原則，財務風險預警系統從以下五方面選擇現金流量分析指標：

1.結構性分析指標

經營活動現金流量流入流出比X11＝經營活動現金流入量／經營活動現金流出量

投資活動現金流量流入流出比X12＝投資活動現金流入量/投資活動現金流出量

籌資活動現金流量流入流出比X13＝籌資活動現金流入量/籌資活動現金流量流出量

2.流動性分析指標

現金到期債務比X21＝經營活動現金凈流量/本期到期債務

現金流動負債比X22＝經營活動凈流量/流動負債

現金債務總額比X23＝經營活動現金凈流量/總負債

3.獲取現金能力分析指標

銷售現金比率X31＝經營現金凈流量／銷售額

每股營業現金凈流量X32＝經營現金凈流量／普通股股數

總資產現金回收率X33＝經營現金凈流量／總資產

4.財務彈性分析指標

現金滿足投資比率X41＝經營活動現金凈流量／（資本支出＋存貨增加＋現金股利）

現金股利保障倍數X42＝每股經營現金凈流量／每股現金股利

5.收益質量分析指標

現金營運指數X51＝經營現金凈流量/經營所得現金

現金利潤率X52＝經營活動現金凈流量/凈利潤

（三）利用層次分析法確定權重

對財務風險預警指標賦予不同的權重，體現了各變量指標對風險預警結果的影響程度和重要程度，指標權重應根據風險管理的目的來設置，財務風險的指標體系主要是從企業的角度考察其償債能力和風險承受能力，因此，償債能力和現金流動情況是整個指標體系的重點，該部分的權重應相應加大。層次分析法，是一種定量與定性相結合，是將決策者的主觀判斷與偏好用數量形式表達和處理的方法。

首先，在財務風險預警系統（A）中第一層分解為現金流量結構指標（B1）、流動性指標（B2）、獲取現金能力指標（B3）、財務彈性指標（B4）和收益質量指標（B5）五個分層指標。這五個方面對現金流量綜合評價值來說，其重要性各不一樣，即權重有大小。按重要性排序為：B3>B2>B1>B4＝B5，根據層次分析原理和指標間兩兩比較重要性（1表示同樣重要，3為稍微重要，5為明顯重要，7為重要得多，2、4、6介于以上相鄰兩種情況之間），構建以下判斷矩陣：

根據以上5階矩陣求得特征向量為：

＝（0.1151，0.2137，0.5300，0.0706，0.0706）T

同時，求得判斷矩陣最大特征根為：

λmax＝ ＝5.13168，

一致性檢驗CI＝＝（5.13168－5）／4＝0.03292，

5階矩陣RI＝1.12，CR＝CI／RI＝0.03292／1.12 ＝0.0294

其次，分別對各層構建判斷矩陣，用同樣的方法求特征根并進行一致性檢驗?，F金流量結構指標（B1）經營活動現金流入流出比（X11）、投資活動現金流入流出比（X12）、籌資活動現金流入流出比（X13）三個指標，構建的判斷矩陣、特征向量及一致性檢驗：

流動性指標（B2）分解為現金到期債務比（X21）、現金流動負債比（X22）、現金債務總額比（X23）三個指標，構建的判斷矩陣、特征向量及一致性檢驗：

獲取現金能力指標（B3）分解為銷售現金比率（X31）、每股營業現金凈流量（X32）、全部資產現金回收率（X33）三指標，構建的判斷矩陣同B1的矩陣，特征向量WB3＝（0.5390，0.2972，0.1638）T。

財務彈性指標（B4）分解為現金滿足投資比率（X41）、現金股利保障倍數（X42）兩個指標，構建的判斷矩陣和特征向量：

收益質量指標（B5）分解為營運指數（X51）、現金利潤率（X52）兩個指標，構建的判斷矩陣和特征向量：

（四）財務風險預警系統的建立

則由以上的特征向量矩陣構建財務風險預警系統的如下：

A＝0.1151B1＋0.2137B2＋0.53B3＋0.0706B4＋0.0706B5

其中：

B1＝0.5390X11＋0.2972X12＋0.1638X13

B2＝0.2244X21＋0.6196X22＋0.1560X23

B3＝0.5390X31＋0.2972X32＋0.1638X33

B4＝0.3333X41＋0.6667X42

B5＝0.3333X51＋0.6667X52

三、財務風險分析

從上述現金流量指標的層次分析中可以看出：財務風險預警系統是從企業現金流量的結構性、流動性、獲取現金能力、財務彈性和收益質量五方面來評價企業財務風險的預警結果及其財務風險承受能力，財務風險預警結果A值越大，其風險越低；反之，分值越低，風險越高。

四、應注意的問題

1.需將定性分析和定量分析結合起來綜合分析

建立了以現金流量分析為基礎的財務風險預警系統，是定量分析系統，其所選擇的現金流量分析指標不能反映企業全部風險特征，通過國內外實證研究表明，在財務風險分析中考慮非財務因素仍然認為有必要，因此，應將定性分析和定量分析結合起來綜合運用。

2.持續更新財務預警指標和預警區間

財務風險預警系統是一個持續完善的過程，在財務預警系統建立后，企業應定期根據其經營情況、行業發展狀況及宏觀經濟環境的變化，及時檢討財務預警指標的選擇及預警指標預警區間設置的合理性，以完善相應的財務風險預警機制和財務風險管理措施。

3.建立風險管理信息系統，為財務風險預警提供信息技術支持

篇（10）

二、研究設計

1.樣本及指標選取。根據我國證監會的規定，上市公司連續虧損的將被進行處理，我們選取上市公司中st公司為財務風險高公司；而非st公司為正常公司。通過收集2010年上市公司主要財務數據，利用這些財務指標來反應企業特征。數據來源于國泰安數據庫、中國證劵之星網等。通過采集湖南的51家上市公司，其中st公司有8家，非st公司43家。通過篩選出16個指標作為輸入層節點。分為四大類：一償付能力指標：X1資產負債率、X2速動比率、X3產權比率、X4流動比率；二營運能力：X5流動資產周轉率、X6應收賬款周轉率、X7存貨周轉率；三盈利能力：X8總資產利潤率、X9銷售凈利潤；四成長能力：X10銷售收入增長率、X11成本費用率、X12資本金利率。樣本數據處理。在綜合評價指標時，不同評價指標往往具有不同的量綱，為了消除由此帶來的無法同一度量的問題，需要將各個評價指標進行無量綱處理。

2.研究方法簡介。BP神經網絡是基于誤差反向傳播算法（Back-Propagation）的多層前向神經網絡。BP神經網絡主要是由三個部分組成：輸入層、輸出層、隱含層。每層由若干個神經元節點構成，每個節點則由輸出由輸入、作用函數和闕值決定。在正向傳播的過程中，從輸入層經過隱含層處理，傳向輸出層。如圖顯示的是一個三層BP網絡的結構。BP神經網絡層與層之間通過權值相連，可以通過學習來調節各層神經元之間的關系；每層的基本處理單元（輸入層單元除外）為非線性輸入，輸出關系。

設給定的輸入為x（i=1，2，…，m）和輸出為，y（j=l，2，…，n）。通過隱層神經元與輸入神經元關系得出隱層神經元個數。對于第n個輸入，（xn，yn）（n=1，2….m），其中x=（x，x，x，…，x） yn=（y，y，y，…，y），對第j個輸入單元yj的加權和為Ayf=wb，則單元的實際輸出為yf=f（Ayf）=，（j=1，2…m），第k個隱層單元bk的加權輸入和為Abk= wb，該單元的實際輸出為 bk f（Abk） （k=1，2…p）。其中Wjk為第j個輸出單元與第k個隱層的連接權值，Vki是第k個隱層單元與第i個輸入單元的連接權值。f（）為sigmoid函數。