導(dǎo)言：作為寫(xiě)作愛(ài)好者，不可錯(cuò)過(guò)為您精心挑選的10篇財(cái)務(wù)比率論文，它們將為您的寫(xiě)作提供全新的視角，我們衷心期待您的閱讀，并希望這些內(nèi)容能為您提供靈感和參考。

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(kāi)始實(shí)行以市場(chǎng)供求為基礎(chǔ)、參考一籃子貨幣進(jìn)行調(diào)節(jié)、有管理的浮動(dòng)匯率制度，形成更富彈性的人民幣匯率機(jī)制。從改革運(yùn)行至今,人民幣對(duì)美元表現(xiàn)有升有降,對(duì)歐元、日元趨勢(shì)也是如此,但幅度不大。盡管如此，來(lái)自各方面的迫使人民幣升值的壓力仍然不小，目前，國(guó)內(nèi)的許多學(xué)者對(duì)人民幣匯率的討論主要集中在人民幣匯率的形成機(jī)制、人民幣匯率變動(dòng)對(duì)國(guó)民經(jīng)濟(jì)的影響等方面，對(duì)于人民幣升值的財(cái)務(wù)影響及對(duì)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(duì)公司財(cái)務(wù)的影響，并提出化解匯率風(fēng)險(xiǎn)的對(duì)策。

人民幣升值對(duì)公司財(cái)務(wù)的影響

對(duì)公司財(cái)務(wù)費(fèi)用的影響

財(cái)務(wù)費(fèi)用是公司當(dāng)期發(fā)生的費(fèi)用中的重要組成部分，是本期發(fā)生的直接計(jì)入損益的費(fèi)用，財(cái)務(wù)費(fèi)用的大小將影響公司的凈利潤(rùn)。匯兌損益是財(cái)務(wù)費(fèi)用核算的主要內(nèi)容之一，它是指在持有外幣貨幣資產(chǎn)和負(fù)債期間，由于外幣匯率變動(dòng)而引起的外幣資產(chǎn)或負(fù)債的價(jià)值發(fā)生變動(dòng)而產(chǎn)生的損益。

人民幣升值影響公司財(cái)務(wù)費(fèi)用體現(xiàn)在：人民幣升值后，等量的外幣只能換回較少的人民幣，對(duì)于擁有外幣債務(wù)余額（如外幣短期借款、長(zhǎng)期借款、應(yīng)付賬款）的公司，外債折算為人民幣后的匯兌損益將會(huì)減少，從而減少財(cái)務(wù)費(fèi)用，而財(cái)務(wù)費(fèi)用具有稅收擋板的作用，它的減少將增加當(dāng)期的凈利潤(rùn)。因此，人民幣升值后，擁有外幣借款、應(yīng)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(cái)務(wù)費(fèi)用450萬(wàn)元（利息支出減少150萬(wàn)元，本金減少300萬(wàn)元），對(duì)公司整體盈利狀況影響接近0.01元/股。對(duì)于擁有外幣貨幣性資產(chǎn)（如外幣現(xiàn)金、外幣銀行存款、應(yīng)收賬款）的公司，人民幣升值后，用人民幣計(jì)價(jià)的匯兌損益將會(huì)增加，從而增加財(cái)務(wù)費(fèi)用，減少當(dāng)期的凈利潤(rùn)。因此，人民幣升值后，擁有外幣貨幣性資產(chǎn)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(yīng)收賬款，人民幣升值2%將使公司增加約人民幣300萬(wàn)元的財(cái)務(wù)費(fèi)用，這將影響到公司整體盈利狀況。

對(duì)公司籌資成本的影響

匯率的“國(guó)際收支決定論”認(rèn)為，一國(guó)的國(guó)際收支狀況是影響匯率最直接的因素之一。當(dāng)一國(guó)有較大的國(guó)際收支逆差時(shí)，對(duì)外匯的需求大于外匯的供給，本幣對(duì)外貶值；反之則會(huì)造成本幣升值。從國(guó)際收支狀況看，我國(guó)的經(jīng)常項(xiàng)目和資本項(xiàng)目收支從1994年人民幣匯率并軌以來(lái)一直維持較大的順差。特別是近幾年，我國(guó)成為全球最大的資本流入國(guó)，每年流入的國(guó)際直接投資高達(dá)500億美元左右。這種經(jīng)常項(xiàng)目和資本項(xiàng)目雙順差的狀況使得我國(guó)近年來(lái)的外匯儲(chǔ)備節(jié)節(jié)上升，截至2004年年底我國(guó)外匯儲(chǔ)備已達(dá)到6099億美元，較2003年年底增加了51.3%，成為2004年全球外匯儲(chǔ)備增加最多的國(guó)家。經(jīng)濟(jì)的快速增長(zhǎng)，外匯儲(chǔ)備的增加，國(guó)際收支順差的擴(kuò)大又進(jìn)一步增加了人民幣升值壓力，加劇了國(guó)際短期資本的流入。

我國(guó)對(duì)人民幣匯率的調(diào)整影響了外商對(duì)我國(guó)的投資熱情，導(dǎo)致海外對(duì)華投資的縮減。據(jù)報(bào)告，受人民幣升值影響，我國(guó)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(yuǎn)低于8月份人民幣各項(xiàng)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(quán)益資金的籌集，當(dāng)公司急需資金時(shí)，只能轉(zhuǎn)向其他的負(fù)債融資。受資金供求關(guān)系的影響，在資金供給數(shù)量一定的情況下，資金需求量增加，籌資成本必然上升。同時(shí)，負(fù)債資金增加，將帶來(lái)財(cái)務(wù)杠桿的效應(yīng)，如果投資利潤(rùn)率高于資金成本率，則負(fù)債融資將為公司帶來(lái)額外的收益，反之，將給公司帶來(lái)較大的財(cái)務(wù)風(fēng)險(xiǎn)，影響公司的效益。

對(duì)營(yíng)業(yè)費(fèi)用的影響

營(yíng)業(yè)費(fèi)用是指公司銷(xiāo)售過(guò)程中發(fā)生的費(fèi)用,包括運(yùn)輸費(fèi)、展覽費(fèi)、廣告費(fèi)以及為銷(xiāo)售本公司產(chǎn)品而專設(shè)的銷(xiāo)售機(jī)構(gòu)（含銷(xiāo)售網(wǎng)點(diǎn)、售后服務(wù)網(wǎng)點(diǎn)等）的職工工資及福利費(fèi)。營(yíng)業(yè)費(fèi)用直接計(jì)入當(dāng)期損益，營(yíng)業(yè)費(fèi)用的大小將影響公司當(dāng)期的業(yè)績(jī)。

隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，產(chǎn)品國(guó)際競(jìng)爭(zhēng)力的大幅提高，國(guó)際貿(mào)易盈余、外國(guó)直接投資、外匯儲(chǔ)備持續(xù)增加，西方發(fā)達(dá)國(guó)家感到了壓力，擔(dān)心我國(guó)會(huì)影響其在全球的經(jīng)濟(jì)利益，因此，世界主要國(guó)家仍就人民幣升值問(wèn)題向我國(guó)施壓，希望通過(guò)提升幣值的方式，削弱我國(guó)產(chǎn)品提高本國(guó)產(chǎn)品的國(guó)際竟?fàn)幜?，達(dá)到維護(hù)本國(guó)產(chǎn)業(yè)和經(jīng)濟(jì)利益的目的。

人民幣升值將對(duì)以價(jià)格優(yōu)勢(shì)為特色的我國(guó)產(chǎn)品造成嚴(yán)重打擊。由于人民幣升值后，進(jìn)口受到鼓勵(lì)，進(jìn)口商品變得便宜，出口減少，結(jié)果，本國(guó)市場(chǎng)上供給越來(lái)越多，本國(guó)商品和進(jìn)口商品之間的競(jìng)爭(zhēng)激烈，為使公司的商品能在市場(chǎng)上占有一定的份額，增加商品的國(guó)際競(jìng)爭(zhēng)力，許多公司將會(huì)在營(yíng)銷(xiāo)方面多下功夫，如擴(kuò)大產(chǎn)品宣傳、增設(shè)銷(xiāo)售網(wǎng)點(diǎn)等，屆時(shí)，營(yíng)業(yè)費(fèi)用將大幅增加，影響公司的經(jīng)營(yíng)業(yè)績(jī)。

應(yīng)對(duì)人民幣升值的財(cái)務(wù)對(duì)策

關(guān)注匯率的變動(dòng)趨勢(shì)

要關(guān)注美日等國(guó)對(duì)人民幣匯率態(tài)度。以美日等為代表的各國(guó)對(duì)人民幣的態(tài)度將直接或間接地影響人民幣匯率的趨勢(shì)。2003年7月6日閉幕的亞歐財(cái)長(zhǎng)會(huì)議上，日本、歐洲各國(guó)相繼提出了人民幣升值的要求。到了2005年前后，國(guó)外分散的壓力逐步演變成為發(fā)達(dá)國(guó)家的國(guó)際共識(shí)：日本、美國(guó)、歐盟等主要發(fā)達(dá)國(guó)家，或基于國(guó)內(nèi)經(jīng)濟(jì)的需要，或迫于國(guó)內(nèi)政治的壓力，要求中國(guó)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(diào)，但上調(diào)的幅度不大，未達(dá)到西方主要國(guó)家的預(yù)期，人民幣來(lái)自國(guó)外的升值壓力仍然不小。

關(guān)注美國(guó)聯(lián)邦基金加息情況。按理說(shuō),美元加息在一定程度上可以緩解人民幣的升值壓力。因?yàn)?美元利率的持續(xù)上升支撐了美元,美元資產(chǎn)的吸引力會(huì)引起國(guó)際熱錢(qián)回流美國(guó)。尤其是在中國(guó)的匯率形成機(jī)制改革平穩(wěn)實(shí)施后,目前美元短期利率已上升至4%,高過(guò)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(guó)際熱錢(qián)對(duì)人民幣匯率升值的巨大沖擊。但有專家分析指出,當(dāng)前人民幣的升值幅度仍然遠(yuǎn)遠(yuǎn)低于美國(guó)等國(guó)的預(yù)期目標(biāo)。當(dāng)人民幣升值幅度難以滿足它們的要求時(shí),人民幣升值壓力就很難減輕,相反這種壓力將長(zhǎng)期存在。所以,美元持續(xù)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(xù)以經(jīng)濟(jì)問(wèn)題的形式來(lái)反映政治問(wèn)題的實(shí)質(zhì)而長(zhǎng)期存在。

關(guān)注國(guó)內(nèi)學(xué)者對(duì)人民幣匯率的態(tài)度。國(guó)內(nèi)的一些知名學(xué)者，專門(mén)研究人民幣匯率的形成機(jī)制，匯率升值的幅度、時(shí)機(jī)，升值后對(duì)我國(guó)經(jīng)濟(jì)的影響等。這些對(duì)于公司財(cái)務(wù)管理人員來(lái)說(shuō)，是很好的參考資料。此外，人民幣匯率變動(dòng)后，市場(chǎng)上的各種價(jià)格會(huì)隨之發(fā)生變動(dòng)，諸多因素，例如大宗商品的價(jià)格，房地產(chǎn)價(jià)格，都會(huì)有影響。

作為公司財(cái)務(wù)管理人員，應(yīng)關(guān)注人民幣匯率變動(dòng)的國(guó)內(nèi)外宏觀經(jīng)濟(jì)環(huán)境，關(guān)注人民幣升值對(duì)產(chǎn)業(yè)內(nèi)部可能造成的影響，時(shí)刻保持警惕性，及時(shí)調(diào)整相應(yīng)的財(cái)務(wù)決策，減少匯率波動(dòng)所帶來(lái)的損失。

適量持有外幣靈活管理外幣債權(quán)債務(wù)

2005年7月21日，中國(guó)人民銀行宣布美元/人民幣官方匯率由8.27調(diào)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(chǎng)美元對(duì)人民幣的交易價(jià)在人民銀行公布的美元交易中間價(jià)上下千分之三的幅度內(nèi)浮動(dòng)，非美元貨幣對(duì)人民幣的交易價(jià)在人民銀行公布的該貨幣交易中間價(jià)上下0.15%幅度內(nèi)浮動(dòng)。作為公司財(cái)務(wù)管理人員，應(yīng)堅(jiān)持“盡早結(jié)匯，適量持有外幣、靈活管理外幣債權(quán)債務(wù)”的原則?！氨M早結(jié)匯”是指公司收到外幣時(shí)，盡快結(jié)算成人民幣，由于人民幣還有升值的趨勢(shì)，央行總是根據(jù)實(shí)際經(jīng)濟(jì)運(yùn)行狀況來(lái)決定人民幣升值的時(shí)機(jī)和幅度的,所以財(cái)務(wù)管理人員應(yīng)認(rèn)真分析匯率的發(fā)展趨勢(shì)，減少央行突然宣布人民幣升值對(duì)公司的沖擊?！斑m量持有外幣”是指對(duì)于出口、進(jìn)口額均較大的外貿(mào)公司，可持有適量外幣以應(yīng)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(yīng)注意持有外幣的時(shí)間不宜過(guò)長(zhǎng)，以避免匯率變動(dòng)帶來(lái)的損失?！办`活管理外幣債權(quán)債務(wù)”是指公司對(duì)于外幣類債權(quán)債務(wù)的管理要講究方法，權(quán)衡利弊，選擇能降低財(cái)務(wù)費(fèi)用、使公司效益最大化的策略。如對(duì)于外幣“應(yīng)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(duì)于外幣“應(yīng)付賬款”，在不影響公司信譽(yù)的情況下，盡量延遲進(jìn)口材料或延遲付款，或改變貨款結(jié)算方式，如采取遠(yuǎn)期信用證結(jié)算方式或以人民幣計(jì)價(jià)等。

適當(dāng)增加外幣債務(wù)

如果一些外資預(yù)計(jì)人民幣將進(jìn)一步升值，必將選擇最佳時(shí)機(jī)大量涌入中國(guó)，但因一時(shí)找不到好項(xiàng)目，就先存放在銀行，到時(shí)資金供給將相對(duì)充裕，籌資成本會(huì)有所下降，公司可利用這一時(shí)機(jī)適當(dāng)多舉債，較好地利用財(cái)務(wù)桿杠為公司帶來(lái)收益。所以，對(duì)于有人民幣升值預(yù)期的公司來(lái)說(shuō)，可適當(dāng)增加美元債務(wù)，這是一種較好降低融資成本的財(cái)務(wù)決策。增加美元債務(wù)的方法很多,諸如增加美元貸款、借外幣負(fù)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(guó)外貸款推遲還款等。

加強(qiáng)公司內(nèi)部控制

內(nèi)部控制包括控制環(huán)境、風(fēng)險(xiǎn)評(píng)估、控制活動(dòng)、信息與溝通、監(jiān)控等五個(gè)相互聯(lián)系的要素。嚴(yán)謹(jǐn)?shù)膬?nèi)部控制，要對(duì)公司經(jīng)營(yíng)管理的各個(gè)方面實(shí)行全方位的有效控制，把公司的各項(xiàng)經(jīng)濟(jì)活動(dòng)全面置于經(jīng)濟(jì)監(jiān)控之中。由于匯率升值后可能影響到產(chǎn)品在國(guó)際市場(chǎng)上競(jìng)爭(zhēng)力不足，公司可重點(diǎn)從以下方面加強(qiáng)內(nèi)部控制，一定程度上抵消人民幣升值帶來(lái)的營(yíng)業(yè)費(fèi)用增加的影響：

加強(qiáng)資金管理。要由專門(mén)的財(cái)務(wù)人員對(duì)資金特別是外幣資金的籌集、調(diào)度、使用、分配等進(jìn)行籌劃，并由相關(guān)人員實(shí)行嚴(yán)格控制，防止資金體外循環(huán)。

嚴(yán)格控制成本費(fèi)用。公司可在成本控制和定價(jià)上下功夫，降低成本應(yīng)從現(xiàn)在逐步開(kāi)始，待人民幣升值時(shí)，公司依然能夠向客戶報(bào)出有競(jìng)爭(zhēng)力的價(jià)格。對(duì)于成本控制，可在“采購(gòu)成本和制造成本”上下功夫，并盡可能“降低費(fèi)用率”等。如福耀玻璃公司推出了一整套“全面的戰(zhàn)略成本規(guī)劃”，通過(guò)降低設(shè)備使用成本、人工成本、材料成本和提升工藝和技術(shù)水平，保持成本競(jìng)爭(zhēng)優(yōu)勢(shì)。預(yù)計(jì)公司到2006年能夠?qū)⒊杀窘档?5％－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(jià)格的競(jìng)爭(zhēng)優(yōu)勢(shì)。

建立相應(yīng)的激勵(lì)約束機(jī)制，把財(cái)務(wù)管理人員的短期行為長(zhǎng)期化。公司可以根據(jù)其自身的特點(diǎn)和需要建立相應(yīng)激勵(lì)約束機(jī)制，通過(guò)公司的激勵(lì)和約束，使公司財(cái)務(wù)人員更關(guān)注匯率的影響及公司長(zhǎng)遠(yuǎn)的發(fā)展，及時(shí)采取策略應(yīng)對(duì)人民幣升值對(duì)公司的影響，提高公司的效益。

在經(jīng)濟(jì)日益全球化的今天，一個(gè)國(guó)家的匯率自由化應(yīng)是大勢(shì)所趨。不管?chē)?guó)際市場(chǎng)有沒(méi)有施加壓力，中國(guó)目前出口強(qiáng)勁，外匯儲(chǔ)備充足，對(duì)外部環(huán)境變化也有了較強(qiáng)的承受力，逐步調(diào)整人民幣匯率、增加貨幣政策的獨(dú)立性是我國(guó)未來(lái)的匯率趨勢(shì)。作為財(cái)務(wù)管理人員，應(yīng)未雨綢繆，關(guān)注時(shí)勢(shì)的發(fā)展變化，從成本控制、增加原材料進(jìn)口等方面，通過(guò)各種不同的途徑積極籌劃，即使不久的將來(lái)人民幣再升值，也可以最大限度地控制匯率風(fēng)險(xiǎn)。

篇2

摘要：在企業(yè)運(yùn)行管理當(dāng)中，其會(huì)計(jì)管理者往往使用財(cái)務(wù)報(bào)表分析對(duì)企業(yè)財(cái)務(wù)或運(yùn)行狀況進(jìn)行統(tǒng)計(jì)并評(píng)估，然而當(dāng)前企業(yè)中使用的財(cái)務(wù)報(bào)表以及其評(píng)價(jià)指標(biāo)方法都存在一定的不足之處，這些不足之處使得財(cái)務(wù)報(bào)表不能完全發(fā)揮其有效作用，導(dǎo)致進(jìn)行財(cái)務(wù)評(píng)估的結(jié)論不能使人信服。本論文對(duì)財(cái)務(wù)報(bào)表中影響其發(fā)揮有效作用的幾個(gè)方面進(jìn)行具體分析和討論，同時(shí)根據(jù)探討結(jié)論給出解決方案，目的是為了促使財(cái)務(wù)報(bào)表在企業(yè)運(yùn)行中發(fā)揮最大作用，使得報(bào)表使用者從中獲得最大收益。

關(guān)鍵詞 ：財(cái)務(wù)報(bào)表；局限性；完善措施

中圖分類號(hào)：F230 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1000-8775（2015）04-0148-01

收稿日期：2015-01-20

作者簡(jiǎn)介：常甡（1981-）女，河北滿城人，中級(jí)講師，研究方向：財(cái)務(wù)。

引言

企業(yè)財(cái)務(wù)報(bào)表分析也叫做財(cái)務(wù)分析，其基本原理如下幾步：首先對(duì)財(cái)務(wù)會(huì)計(jì)報(bào)告中有用的數(shù)據(jù)進(jìn)行整合處理；第二步，根據(jù)數(shù)據(jù)以及其它擴(kuò)展信息，對(duì)企業(yè)的財(cái)務(wù)情況、運(yùn)行情況等進(jìn)行分析評(píng)估；最后是通過(guò)以上評(píng)估結(jié)論指導(dǎo)企業(yè)的運(yùn)行管理工作。但是同時(shí)，我們應(yīng)當(dāng)有個(gè)明確的認(rèn)知，也就是這些財(cái)務(wù)分析和結(jié)論并不是完全正確的。原因是我們?cè)谶M(jìn)行財(cái)務(wù)分析過(guò)程中，存在各種各樣的不利因素而使得財(cái)務(wù)報(bào)表不能完全發(fā)揮正常作用，使得財(cái)務(wù)分析有一定缺陷，這些缺陷導(dǎo)致了分析結(jié)論可能不符合預(yù)期，達(dá)不到人們的要求。

一、財(cái)務(wù)報(bào)表分析的局限性

（一）財(cái)務(wù)報(bào)表缺乏一定的可靠性和有效性

在進(jìn)行分析中，財(cái)務(wù)報(bào)表分析的結(jié)論在實(shí)際中不能完全對(duì)應(yīng)，這樣的后果就是企業(yè)財(cái)務(wù)評(píng)估結(jié)論不是很可靠。歸其原因，主要是由于財(cái)務(wù)報(bào)表分析時(shí)候列入表中的只是能夠使用的貨幣資源，而現(xiàn)實(shí)條件中，企業(yè)里還有許多經(jīng)濟(jì)資源未能在報(bào)表中顯示，不能顯示是因?yàn)檫@些經(jīng)濟(jì)資源受到現(xiàn)實(shí)條件或者是被會(huì)計(jì)管理限制。

（二）財(cái)務(wù)報(bào)表分析者的分析能力有限

財(cái)務(wù)分析的主體是人，也就是說(shuō)，對(duì)企業(yè)財(cái)務(wù)報(bào)表分析評(píng)價(jià)是由報(bào)表分析者進(jìn)行的。而現(xiàn)實(shí)情況里，財(cái)務(wù)分析者不同，他們對(duì)財(cái)務(wù)表都有各自的認(rèn)識(shí)和判斷，這些不同點(diǎn)主要表現(xiàn)在以下幾個(gè)方面：①對(duì)財(cái)務(wù)報(bào)表認(rèn)識(shí)不同；②對(duì)財(cái)務(wù)報(bào)表的解讀能力不同；③對(duì)財(cái)務(wù)分析理論認(rèn)識(shí)差異。這些不同點(diǎn)使得分析結(jié)果不同。除此之外，在進(jìn)行財(cái)務(wù)報(bào)表時(shí)，分析者僅僅根據(jù)課本上的理論知識(shí)還遠(yuǎn)遠(yuǎn)不夠，不光要有理論知識(shí)還要有在實(shí)際工作里的實(shí)踐經(jīng)驗(yàn)。

（三）財(cái)務(wù)報(bào)表的數(shù)據(jù)結(jié)果失真

財(cái)務(wù)報(bào)表的數(shù)據(jù)質(zhì)量與其企業(yè)管理者的職業(yè)素質(zhì)息息相關(guān)。企業(yè)的目標(biāo)就是為了掙錢(qián)，同時(shí)當(dāng)前會(huì)計(jì)制度以權(quán)責(zé)發(fā)生制為基本出發(fā)點(diǎn)，這樣一來(lái)企業(yè)的內(nèi)部員工可以根據(jù)這一出發(fā)點(diǎn)自己設(shè)定一些他們理想中的財(cái)務(wù)數(shù)據(jù)，通過(guò)這些數(shù)據(jù)能夠使企業(yè)滿足最大收益。總之，不管是財(cái)務(wù)報(bào)表自己的不足，還是企業(yè)運(yùn)行著對(duì)財(cái)務(wù)數(shù)據(jù)的不真實(shí)的處理等等，都會(huì)使得財(cái)務(wù)報(bào)表有很大誤差，會(huì)對(duì)外部會(huì)計(jì)信息使用者造成不利影響。

二、針對(duì)財(cái)務(wù)報(bào)表分析的局限性提出的改進(jìn)措施

（一）注意財(cái)務(wù)比率分析體系內(nèi)各指標(biāo)的內(nèi)在聯(lián)系

所謂財(cái)務(wù)比率分析指的是一個(gè)具有系統(tǒng)聯(lián)系的、不能人為改變或者獨(dú)立提出來(lái)的一個(gè)系統(tǒng)。在這個(gè)系統(tǒng)里，各個(gè)因素互相關(guān)聯(lián)，在分析過(guò)程中一定要結(jié)合它們之間的關(guān)系。也就是說(shuō)，在財(cái)務(wù)比率分析時(shí)，應(yīng)當(dāng)將各個(gè)指標(biāo)有效結(jié)合一起進(jìn)行考察探討，單獨(dú)分析一個(gè)指標(biāo)是不科學(xué)的，不能正確的分析企業(yè)整體情況，對(duì)考察來(lái)說(shuō)沒(méi)有意義。主要原因在于單個(gè)財(cái)務(wù)比率在沒(méi)有其他比率作用下不能說(shuō)明任何問(wèn)題。在實(shí)際中，如果通過(guò)財(cái)務(wù)比率分析對(duì)一個(gè)企業(yè)的運(yùn)行狀況考察的時(shí)候，應(yīng)將該企業(yè)所在的行業(yè)、行業(yè)內(nèi)其他企業(yè)、企業(yè)之前的成績(jī)以及市場(chǎng)環(huán)境這四點(diǎn)結(jié)合起來(lái)進(jìn)行考察，這樣才能很好地認(rèn)識(shí)到該企業(yè)處于市場(chǎng)中的地位以及之后發(fā)展趨勢(shì)等，能對(duì)該企業(yè)的運(yùn)行狀況做出一個(gè)全面的考察。

（二）注意所提供比率的及時(shí)性和可比性

隨著計(jì)算機(jī)技術(shù)在會(huì)計(jì)行業(yè)也就是會(huì)計(jì)電算法的發(fā)展，“適時(shí)”財(cái)務(wù)比率應(yīng)用越來(lái)越多，這就要求企業(yè)財(cái)務(wù)管理者能充分結(jié)合計(jì)算機(jī)技術(shù)，最快時(shí)間的將“適時(shí)”財(cái)務(wù)比率送達(dá)到相關(guān)信息使用者手中，最快的發(fā)揮財(cái)務(wù)比率分析的有效作用。同時(shí)電算法會(huì)帶給信息使用者多種方法計(jì)算得出的財(cái)務(wù)比率，而不需要額外增加投入，同時(shí)在不同財(cái)務(wù)比率下企業(yè)可以進(jìn)行更深層次的橫向上的比較

（三）注意所分析企業(yè)所在行業(yè)狀況等大環(huán)境因素

財(cái)務(wù)比率分析應(yīng)該考慮到整個(gè)行業(yè)的狀況以及周?chē)袌?chǎng)經(jīng)濟(jì)，也就是說(shuō)在進(jìn)行財(cái)務(wù)分析時(shí)候，不僅要考慮到該企業(yè)在這個(gè)行業(yè)中處于何種地位，還應(yīng)該考慮周?chē)?jīng)濟(jì)對(duì)該企業(yè)發(fā)展的作用。因?yàn)椴煌袠I(yè)和不同企業(yè)都有各自特點(diǎn)，所以財(cái)務(wù)比率也差別特別大，有時(shí)候即使是一個(gè)行業(yè)，不同企業(yè)也有不同的財(cái)務(wù)比率。還有很重要的一點(diǎn)就是外界經(jīng)濟(jì)形勢(shì)對(duì)企業(yè)財(cái)務(wù)比率的影響，比方說(shuō)，通貨膨脹很厲害，或者說(shuō)經(jīng)濟(jì)衰落時(shí)，銷(xiāo)售收入以及利潤(rùn)降低就很正常，可以肯定的是所有的企業(yè)都會(huì)受到經(jīng)濟(jì)環(huán)境的影響。除上述兩個(gè)因素之外，還有季節(jié)性因素，很多企業(yè)往往在不同時(shí)期有不同的經(jīng)濟(jì)狀況，在處于旺季時(shí)候財(cái)務(wù)比率和淡季時(shí)候財(cái)務(wù)比率一定會(huì)有很大差別。

總結(jié)

上述內(nèi)容是對(duì)財(cái)務(wù)報(bào)表分析存在不足的分析討論，并對(duì)其解決方案具體深入研究。伴隨我國(guó)經(jīng)濟(jì)社會(huì)的不斷前進(jìn)，越來(lái)越多的企業(yè)管理者會(huì)意識(shí)到財(cái)務(wù)報(bào)表分析的必要性。結(jié)合當(dāng)前財(cái)務(wù)分析的特點(diǎn)，取長(zhǎng)補(bǔ)短，不斷通過(guò)對(duì)深化財(cái)務(wù)報(bào)表內(nèi)容等許多方面進(jìn)行改革分析，會(huì)很大程度上幫助管理者對(duì)企業(yè)的經(jīng)營(yíng)管理?？傊ㄟ^(guò)以上分析，希望能為完善和發(fā)展企業(yè)的財(cái)務(wù)報(bào)表分析體系提供新的思路和方法。

篇3

一、當(dāng)前使用現(xiàn)金

流量財(cái)務(wù)比率的基本狀況在我國(guó)作者編寫(xiě)或編著的、于2002年到2005的年之間版的《財(cái)務(wù)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(xiàn)金流量指標(biāo)的有8本，占25％：在余下的涉及現(xiàn)金流量指標(biāo)的24本教材(以下稱可比樣本)中，將現(xiàn)金流量分析獨(dú)立于傳統(tǒng)的資產(chǎn)負(fù)債表和損益表分析的有9本．占可比樣本的37．5％。無(wú)論是單獨(dú)對(duì)現(xiàn)金流量進(jìn)行分析還是將現(xiàn)金流量分析與傳統(tǒng)財(cái)務(wù)評(píng)價(jià)結(jié)合一起．這24本教材都主張按不同的分析目的來(lái)設(shè)置指標(biāo)：全數(shù)表示現(xiàn)金流量表項(xiàng)目可用于償債能力評(píng)價(jià)．但其中有6本教材僅僅設(shè)置“現(xiàn)金比率”這一個(gè)指標(biāo)：有12本教材設(shè)置了獲現(xiàn)能力或叫獲利能力分析的指標(biāo)．占可比樣本的50％；有9本設(shè)置了盈利質(zhì)量分析指標(biāo)．占可比樣本的37．5％；還有6本寫(xiě)明了要進(jìn)行財(cái)務(wù)彈性分析．占可比樣本的25％

仔細(xì)分析教材中使用的評(píng)價(jià)指標(biāo)，大致可以歸納為27個(gè)．分屬四種分析目的。償債能力分析指標(biāo)最為大家認(rèn)可，其出現(xiàn)的頻率達(dá)n44％，其次是獲現(xiàn)能力指標(biāo)，頻率為36％，財(cái)務(wù)彈性指標(biāo)占l1％．盈利質(zhì)量指標(biāo)占9％。具體到各財(cái)務(wù)比率．公認(rèn)程度最高的是經(jīng)營(yíng)現(xiàn)金凈流入／流動(dòng)負(fù)債．其出現(xiàn)的頻數(shù)達(dá)到19％經(jīng)營(yíng)活動(dòng)現(xiàn)金流量／n期債務(wù)本息、經(jīng)營(yíng)活動(dòng)現(xiàn)金流量／到期債務(wù)、現(xiàn)金及現(xiàn)金等價(jià)物／流動(dòng)資產(chǎn)、經(jīng)營(yíng)活動(dòng)現(xiàn)金流量／全部債務(wù)、經(jīng)營(yíng)活動(dòng)現(xiàn)金流量／平均總資產(chǎn)等五項(xiàng)財(cái)務(wù)比率的認(rèn)同程度也較高．均達(dá)9％。

二、現(xiàn)行教材中現(xiàn)金流量指標(biāo)設(shè)置存在的問(wèn)題

(一)夸大現(xiàn)金流量表的作用

如前文所示．約四成的教材將現(xiàn)金流量分析獨(dú)立于傳統(tǒng)的資產(chǎn)負(fù)債表和損益表分析之外．說(shuō)明仍有不少人將現(xiàn)金流量分析視為與傳統(tǒng)財(cái)務(wù)分析并列的～部分事實(shí)上，現(xiàn)金流量表作為傳統(tǒng)兩表的橋梁．其作用不可能超越他們。其次．現(xiàn)金流量表的編制基礎(chǔ)與傳統(tǒng)兩表不同．它不可能取代后者．因而不可能獨(dú)立存在。而且．現(xiàn)金流量表也存在人為操縱的可能。比如：年末時(shí)大量回收貨款或大量借款、有意調(diào)整“現(xiàn)金”概念．將本來(lái)就是現(xiàn)金范圍的現(xiàn)金歸口為非現(xiàn)金項(xiàng)目以增加現(xiàn)金流量、將現(xiàn)金流量表的各項(xiàng)數(shù)據(jù)同時(shí)調(diào)增或同時(shí)調(diào)減．以達(dá)到調(diào)節(jié)表內(nèi)各項(xiàng)目數(shù)據(jù)的目的。

(二)指標(biāo)名目繁多，未能突出現(xiàn)金流量表的作用

1．將結(jié)構(gòu)比率、趨勢(shì)比率等不屬于財(cái)務(wù)比率的指標(biāo)吸納進(jìn)來(lái)財(cái)務(wù)比率是將企業(yè)某個(gè)時(shí)期財(cái)務(wù)報(bào)表中不同類但具有一定關(guān)系的項(xiàng)目進(jìn)行對(duì)比而形成的比率．其數(shù)據(jù)均來(lái)自一個(gè)會(huì)計(jì)期間．不同于趨勢(shì)比率：這些數(shù)據(jù)屬于不同類項(xiàng)目，因而有別于結(jié)構(gòu)比率：2．納入了非現(xiàn)金流量指標(biāo)。如：現(xiàn)金及現(xiàn)金等價(jià)物之和／流動(dòng)資產(chǎn)．?dāng)?shù)據(jù)可以從資產(chǎn)負(fù)債表中獲取而不必從金流量表中獲?。?．將非財(cái)務(wù)指標(biāo)納入體系。如：最大負(fù)債能力——經(jīng)營(yíng)活動(dòng)現(xiàn)金流量與市場(chǎng)利率之比中．市場(chǎng)利率在財(cái)務(wù)報(bào)表中不能獲?。隽素?cái)務(wù)比率的范疇。

(三)指標(biāo)命名欠規(guī)范，容易混淆

1．同一指標(biāo)．名稱不同“經(jīng)營(yíng)活動(dòng)現(xiàn)金凈流量／流動(dòng)負(fù)債”這～比率就有現(xiàn)金償債比率、現(xiàn)金流動(dòng)負(fù)債比率、現(xiàn)金流量比率、短期債務(wù)現(xiàn)金流量比率、現(xiàn)金流量負(fù)債比等7種名稱：2．有的指標(biāo)“名不符實(shí)”，如：利潤(rùn)變現(xiàn)比率；經(jīng)營(yíng)活動(dòng)凈現(xiàn)金流量／營(yíng)業(yè)利潤(rùn)．公式中分母僅限于營(yíng)業(yè)利潤(rùn)，而指標(biāo)名稱卻叫“利潤(rùn)”變現(xiàn)比率，外延大多了；而且，利潤(rùn)與現(xiàn)金的關(guān)系并不是變現(xiàn)的過(guò)程，這與傳統(tǒng)的資產(chǎn)“變現(xiàn)”概念相背，不利于對(duì)指標(biāo)的理解。

(四)指標(biāo)的計(jì)算公式有爭(zhēng)議甚至有錯(cuò)誤

1．現(xiàn)金比率一般是指現(xiàn)金及現(xiàn)金等價(jià)物之和與流動(dòng)資產(chǎn)的比值，有學(xué)者將計(jì)算式的分母取作總資產(chǎn)。還有人取作流動(dòng)負(fù)債：2．經(jīng)營(yíng)活動(dòng)現(xiàn)金凈流量／流動(dòng)負(fù)債，也有人將分子取作“經(jīng)營(yíng)現(xiàn)金流入”：3．現(xiàn)金利息保障倍數(shù)有(經(jīng)營(yíng)活動(dòng)凈現(xiàn)金流量+利息支出+所得稅付現(xiàn))／現(xiàn)金利息支出及(利潤(rùn)總額+利息支出)／n息支出兩種計(jì)算公式：后者更粗略一些，因?yàn)槔麧?rùn)總額未考慮到非付現(xiàn)費(fèi)用及非經(jīng)營(yíng)所收或所付的現(xiàn)金；，分子分母顯然口徑不一．會(huì)導(dǎo)致錯(cuò)誤計(jì)算。

三、包含現(xiàn)金流量項(xiàng)目的財(cái)務(wù)比率體系

鑒于現(xiàn)金流量表與傳統(tǒng)資產(chǎn)負(fù)債表和損益表之間存在緊密聯(lián)系．重構(gòu)的財(cái)務(wù)比率體系是以同一時(shí)期三張報(bào)表的相關(guān)項(xiàng)目計(jì)算而成的比值為主體，剔除所有的結(jié)構(gòu)比率、趨勢(shì)比率．按不同報(bào)表使用者分為四個(gè)方面——傳統(tǒng)的償債能力分析、盈利能力分析、營(yíng)運(yùn)能力分析和增設(shè)的財(cái)務(wù)彈性分析，不再對(duì)現(xiàn)金流量進(jìn)行單獨(dú)評(píng)價(jià)

(一)償債能力分析

現(xiàn)金是償還債務(wù)最直接的工具．也是最終的償債手段。在傳統(tǒng)的速動(dòng)比率、資產(chǎn)負(fù)債率等指標(biāo)的基礎(chǔ)上，補(bǔ)充以下包含現(xiàn)金流量信息的財(cái)務(wù)比率：1．短期償債能力指標(biāo)現(xiàn)金流量比率=經(jīng)營(yíng)活動(dòng)現(xiàn)金流量／流動(dòng)負(fù)債．該指標(biāo)反映企業(yè)在經(jīng)營(yíng)活動(dòng)中獲得現(xiàn)金償還短期債務(wù)的能力。其值越高．對(duì)短期債權(quán)人的本金保障程度越高但由于現(xiàn)金的流動(dòng)性最強(qiáng)．其盈利能力也最差．該比率值過(guò)高．說(shuō)明企業(yè)沒(méi)有充分利用現(xiàn)金造成資源浪費(fèi)按速動(dòng)比率的經(jīng)驗(yàn)值來(lái)推斷．現(xiàn)金流量比率值在l左右屬于理想范圍：2．長(zhǎng)期償債能力指標(biāo)：現(xiàn)金流量保障倍數(shù)=(經(jīng)營(yíng)活動(dòng)現(xiàn)金凈流量+所得稅付現(xiàn))／[現(xiàn)金利息支出+優(yōu)先股股利／(1一t)+到期債務(wù)本金／新思考(1一i’)]

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

該比率值大于1．說(shuō)明企業(yè)利用稅前經(jīng)營(yíng)活動(dòng)現(xiàn)金凈流入量可以償還到期債務(wù)并支付利息、優(yōu)先股股息．無(wú)需另行籌資來(lái)履行固定義務(wù)：反之，該比率值小于1．表明企業(yè)履行這些義務(wù)時(shí)．不但耗盡了同期經(jīng)營(yíng)活動(dòng)產(chǎn)生的稅前現(xiàn)金流量．還動(dòng)用了前期的現(xiàn)金及現(xiàn)金等價(jià)物．企業(yè)資產(chǎn)的流動(dòng)性將受到不利影響．

(二)盈利能力分析

傳統(tǒng)的盈利能力分析主要都是依據(jù)權(quán)責(zé)發(fā)生制下的利潤(rùn)。但利潤(rùn)是否有實(shí)實(shí)在在的現(xiàn)金凈流入作為保障．還需要將現(xiàn)金流量與利潤(rùn)額對(duì)比，判斷盈利的質(zhì)量．作為傳統(tǒng)盈利能力分析的補(bǔ)充?？稍O(shè)置如下盈利質(zhì)量分析指標(biāo)：

營(yíng)運(yùn)指數(shù)=經(jīng)營(yíng)活動(dòng)現(xiàn)金流量／(凈收益一非經(jīng)營(yíng)收益+非付現(xiàn)費(fèi)用)

非經(jīng)營(yíng)收益主要是指投資收益、財(cái)務(wù)費(fèi)用、公允價(jià)值變動(dòng)損益、營(yíng)業(yè)外收支凈額．而非付現(xiàn)成本包括計(jì)提的資產(chǎn)損失準(zhǔn)備、提取的固定資產(chǎn)折舊、無(wú)形資產(chǎn)和長(zhǎng)期待攤費(fèi)用的攤銷(xiāo)、待攤費(fèi)用的減少等。上式中的分母，常被稱為經(jīng)營(yíng)所得現(xiàn)金。該指標(biāo)反映經(jīng)營(yíng)活動(dòng)凈現(xiàn)金流量與調(diào)整后經(jīng)營(yíng)利潤(rùn)的差異程度。該比率大于1．說(shuō)明經(jīng)營(yíng)活動(dòng)現(xiàn)金流量高于營(yíng)業(yè)活動(dòng)應(yīng)得現(xiàn)金．主營(yíng)業(yè)務(wù)創(chuàng)造的利潤(rùn)具有更多的現(xiàn)金作為保證，該比率小于1。說(shuō)明一部分收益尚沒(méi)有取得現(xiàn)金．原因是應(yīng)收賬款的增加、應(yīng)付賬款的減少或存貨增加．使得實(shí)際得到的經(jīng)營(yíng)現(xiàn)金減少。而存貨有貶值的風(fēng)險(xiǎn)．應(yīng)收賬款有形成呆、壞賬的風(fēng)險(xiǎn)，因此。未收現(xiàn)的收益質(zhì)量不如已收現(xiàn)的收益：即使不出現(xiàn)上述風(fēng)險(xiǎn)．存貨和應(yīng)收賬款占用的資金也是有機(jī)會(huì)成本的．那么．企業(yè)取得同樣的凈收益要付出更大的代價(jià)，實(shí)際的業(yè)績(jī)水平下降，營(yíng)業(yè)利潤(rùn)的質(zhì)量下滑。

(三)營(yíng)運(yùn)能力分析

在傳統(tǒng)財(cái)務(wù)分析中．銷(xiāo)售收入與投入資源或業(yè)務(wù)相比較．獲得的存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率等被歸納為營(yíng)運(yùn)能力分析指標(biāo)。而獲現(xiàn)能力指標(biāo)一般也是將企業(yè)經(jīng)營(yíng)活動(dòng)現(xiàn)金流量與投入資源和相關(guān)業(yè)務(wù)相比較．如．將企業(yè)經(jīng)營(yíng)活動(dòng)現(xiàn)金流量與資產(chǎn)平均余額相比較．將經(jīng)營(yíng)活動(dòng)現(xiàn)金流量與銷(xiāo)售額相比較可見(jiàn)．營(yíng)運(yùn)能力評(píng)價(jià)指標(biāo)和獲現(xiàn)能力評(píng)價(jià)指標(biāo)都反映企業(yè)利用資源獲取經(jīng)營(yíng)成果的能力．不過(guò)．前者反映的是權(quán)責(zé)發(fā)生制下的經(jīng)營(yíng)成果．后者反映收付實(shí)現(xiàn)制下的經(jīng)營(yíng)成果從這個(gè)角度出發(fā)．可把獲現(xiàn)能力評(píng)價(jià)視為營(yíng)運(yùn)能力評(píng)價(jià)的補(bǔ)充可設(shè)置如下指標(biāo)：1．反映銷(xiāo)售業(yè)務(wù)獲現(xiàn)能力指標(biāo)銷(xiāo)售現(xiàn)金流量比率=經(jīng)營(yíng)現(xiàn)金凈流量／銷(xiāo)售額．該指標(biāo)可以衡量銷(xiāo)貨收入在當(dāng)年收現(xiàn)的程度．用以評(píng)價(jià)銷(xiāo)貨工作的質(zhì)量。該比率值越高．說(shuō)明企業(yè)積壓在應(yīng)收賬款上的資金越少，企業(yè)的經(jīng)營(yíng)成本越低．管理效率越高：2．反映總資產(chǎn)獲現(xiàn)能力的指標(biāo)資產(chǎn)現(xiàn)金流量回報(bào)率=(經(jīng)營(yíng)現(xiàn)金流量+利息支出+所得稅付現(xiàn))，平均總資產(chǎn)．該指標(biāo)更全面反映資產(chǎn)的獲現(xiàn)能力，用以衡量企業(yè)運(yùn)用全部資產(chǎn)進(jìn)行經(jīng)營(yíng)創(chuàng)造現(xiàn)金的能力．反映企業(yè)資產(chǎn)利用的綜合效果。其值越大．說(shuō)明企業(yè)資產(chǎn)的利用效率越高。

(四)財(cái)務(wù)彈性分析

企業(yè)財(cái)務(wù)彈性是指企業(yè)應(yīng)付各種挑戰(zhàn)、適應(yīng)經(jīng)濟(jì)環(huán)境變化的能力．具體表現(xiàn)為企業(yè)能否靈活籌集資金應(yīng)付偶發(fā)性支出、股利支出以及捕捉投資機(jī)會(huì)的能力。將現(xiàn)金流量表與資產(chǎn)負(fù)債表、損益表相結(jié)合，能獲取現(xiàn)金流量和支付現(xiàn)金需要兩方面信息．用以判斷企業(yè)可穩(wěn)定獲得的現(xiàn)金是否充足．

篇4

一、 引言

現(xiàn)代商業(yè)銀行的經(jīng)營(yíng)本質(zhì)上是以信用為基礎(chǔ)和保證的，如何有效管理銀行的信用風(fēng)險(xiǎn)，始終是商業(yè)銀行面對(duì)的重要問(wèn)題。目前我國(guó)信用體系的建設(shè)尚處于起步階段，缺乏有效可行的采集、整合信用的手段和方法，因此根據(jù)我國(guó)實(shí)際情況，根據(jù)現(xiàn)有的信息和資源，加強(qiáng)信用風(fēng)險(xiǎn)模型方面的研究，開(kāi)發(fā)適合我國(guó)國(guó)情的信用風(fēng)險(xiǎn)管理方法，具有重要的理論和現(xiàn)實(shí)意義。

基于市場(chǎng)數(shù)據(jù)方法的信用風(fēng)險(xiǎn)管理模型――KMV的DEF模型，是當(dāng)前國(guó)際金融界最流行的信用風(fēng)險(xiǎn)計(jì)量模型之一，國(guó)內(nèi)學(xué)者從1998年開(kāi)始關(guān)注KMV模型，早期的研究局限于對(duì)KMV模型的介紹和分析，具有代表性的有杜本峰的《實(shí)值期權(quán)理論在信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用》和王瓊與陳金賢的《信用風(fēng)險(xiǎn)定價(jià)方法與模型研究》等文章。目前國(guó)內(nèi)對(duì)KMV模型的研究思路主要包括模型的修正及有效性檢驗(yàn)。周沅帆用KMV模型研究中國(guó)上市保險(xiǎn)公司的信用風(fēng)險(xiǎn),將公司凈收益增長(zhǎng)率引入到違約距離的計(jì)算中，并且對(duì)模型實(shí)證結(jié)果表明KMV模型有良好的預(yù)測(cè)能力。張能，張佳重新設(shè)定違約點(diǎn)DP=a×STD+b×LTD，選取82家上市公司作為樣本，按照一定的判斷標(biāo)準(zhǔn)，用Matlab程序進(jìn)行計(jì)算得出最優(yōu)的（a，b）值，通過(guò)比較新舊違約點(diǎn)下的違約距離，從而得出能更準(zhǔn)確反映我國(guó)上市公司信用狀況的違約點(diǎn)。但是模型的修正基本圍繞違約點(diǎn)的設(shè)定、公司股權(quán)的波動(dòng)率和預(yù)期公司資產(chǎn)價(jià)值等自身的修正，在我國(guó)由于有關(guān)公司破產(chǎn)的歷史統(tǒng)計(jì)數(shù)據(jù)嚴(yán)重缺乏，很難建立我國(guó)上市公司的違約距離DD和違約率DEF的映射關(guān)系，并且不能全面的反映上市公司的歷史財(cái)務(wù)狀況。

綜上所述，基于以上兩種方法的信用風(fēng)險(xiǎn)管理文獻(xiàn)較多，但是能把兩者有效結(jié)合的研究卻不多。所以，本文利用Fisher線性判別模型將財(cái)務(wù)比率方法與市場(chǎng)股票數(shù)據(jù)方法結(jié)合起來(lái)，增加了基于KMV模型，利用證券市場(chǎng)數(shù)據(jù)計(jì)算的違約距離作為Fisher判別函數(shù)新的自變量，建立Fisher判別函數(shù)，擴(kuò)展后的Fisher模型中，將KMV模型與財(cái)務(wù)數(shù)據(jù)的結(jié)合，使新模型既能反映上市公司的歷史財(cái)務(wù)狀況，也能反映其市場(chǎng)變化情況，從而提高了商業(yè)銀行預(yù)測(cè)信用風(fēng)險(xiǎn)的準(zhǔn)確度。

本文結(jié)構(gòu)如下：第二部分為以財(cái)務(wù)指標(biāo)為自變量的Fisher線性判別函數(shù)構(gòu)建，總體預(yù)測(cè)準(zhǔn)確率達(dá)到87.9%。第三部分為增加違約距離為自變量的Fisher模型，即擴(kuò)展后的Fisher模型構(gòu)建，總體預(yù)測(cè)準(zhǔn)確率達(dá)到92.6%，準(zhǔn)確度高于第一類模型。第四部分為實(shí)證結(jié)果比較分析。從三個(gè)層面的比較得出，商業(yè)銀行進(jìn)行信用風(fēng)險(xiǎn)預(yù)測(cè)時(shí)應(yīng)將財(cái)務(wù)比率與市場(chǎng)數(shù)據(jù)等進(jìn)行綜合的分析，以提高模型預(yù)測(cè)的準(zhǔn)確度。

二、 基于財(cái)務(wù)比率的Fisher模型的建立

1. 總樣本選取。我們視被ST的上市公司為信用差的公司，沒(méi)有被ST的上市公司為信用好的公司。截至2011年，在上海和深圳交易所上市的上市公司中有80家被ST的公司，按照證監(jiān)會(huì)行業(yè)分類，其中屬于在制造業(yè)的上市公司就占了其中39家，其余均分散在其他各行業(yè)。因此為了考慮到行業(yè)資產(chǎn)規(guī)模及財(cái)務(wù)指標(biāo)的不同，對(duì)模型建立的準(zhǔn)確性有影響，所以本論文選擇制造業(yè)的39家上市公司作為研究對(duì)象。

在39家制造業(yè)上市公司中，剔除兩家財(cái)務(wù)數(shù)據(jù)缺失比較嚴(yán)重的上市公司，共37家，我們隨機(jī)選取了30家作為構(gòu)建模型中違約公司的估計(jì)樣本，剩余的7家作為違約公司的檢驗(yàn)樣本。并隨機(jī)選取了同時(shí)期，規(guī)模差別不大的30家和6家正常的制造業(yè)上市公司分別作為估計(jì)樣本和檢驗(yàn)樣本中違約公司的配對(duì)樣本。

2. 變量的選取。

基于數(shù)據(jù)的全面性和代表性考慮，本文選擇了32個(gè)財(cái)務(wù)比率作為建立線性判別模型的解釋變量，這些數(shù)據(jù)來(lái)源于RESSET金融數(shù)據(jù)庫(kù)，所選的數(shù)據(jù)充分反映了企業(yè)的每股指標(biāo)、盈利能力、償債能力、成長(zhǎng)能力指標(biāo)、營(yíng)運(yùn)能力指標(biāo)、現(xiàn)金流量指標(biāo)、資本結(jié)構(gòu)指標(biāo)。包括：X1每股凈資產(chǎn)、X2每股公積金、X3每股未分配利潤(rùn)、X4資產(chǎn)凈利率、X5銷(xiāo)售毛利率、X6營(yíng)業(yè)利潤(rùn)/營(yíng)業(yè)總收入、X7財(cái)務(wù)費(fèi)用率、X8營(yíng)業(yè)利潤(rùn)率、X9流動(dòng)比率、X10速動(dòng)比率、X11股東權(quán)益/負(fù)債合計(jì)、X12股東權(quán)益/帶息債務(wù)、X13有形凈值/帶息債務(wù)、X14息稅折舊攤銷(xiāo)前利潤(rùn)/負(fù)債合計(jì)、X15經(jīng)營(yíng)凈現(xiàn)金流量/負(fù)債合計(jì)、X16經(jīng)營(yíng)凈現(xiàn)金流量/流動(dòng)負(fù)債、X17利息保障倍數(shù)、X18營(yíng)業(yè)收入增長(zhǎng)率、X19營(yíng)業(yè)利潤(rùn)增長(zhǎng)率、X20凈利潤(rùn)增長(zhǎng)率、X21凈利潤(rùn)增長(zhǎng)率、X22總資產(chǎn)增長(zhǎng)率、X23存貨周轉(zhuǎn)率、X24應(yīng)收賬款周轉(zhuǎn)率、X25應(yīng)付賬款周轉(zhuǎn)率、X26流動(dòng)資產(chǎn)周轉(zhuǎn)率、X27總資產(chǎn)周轉(zhuǎn)率、X28總資產(chǎn)現(xiàn)金回收率、X29資產(chǎn)負(fù)債率、X30流動(dòng)資產(chǎn)/總資產(chǎn)、X31流動(dòng)負(fù)債/負(fù)債合計(jì)、X32凈利潤(rùn)/營(yíng)業(yè)總收入。

（1）Mann-Whitney U檢驗(yàn)。首先，對(duì)這些指標(biāo)運(yùn)用U檢驗(yàn)進(jìn)行簡(jiǎn)單的均值差異分析。

從表1可以看出，在5%的顯著性水平下，共有24個(gè)變量其均值在組間存在顯著性差異，因此我們剔除另外5個(gè)差異不顯著的指標(biāo)，分別是X5，X19，X20，X23，X24，X25，X26，X31。24個(gè)指標(biāo)從不同的方面反映了ST上市公司與正常公司的顯著區(qū)別。

（2）主成分分析。選取的24個(gè)指標(biāo)涵蓋了財(cái)務(wù)比率的各個(gè)板塊，避免了遺漏重要的信息，但是選取過(guò)多的指標(biāo)會(huì)增加問(wèn)題的復(fù)雜性，由于有一些指標(biāo)均是對(duì)同一財(cái)務(wù)比率板塊的反映，不可避免的造成信息的大量重疊。基于以上思考，本文采用主成分分析法對(duì)24個(gè)財(cái)務(wù)比率進(jìn)行降維處理。由總方差分解表（表2）可以看出，保留7個(gè)主成分是合適的，首先滿足了特征根大于1的標(biāo)準(zhǔn)，并且提取7個(gè)主成分時(shí)能解釋約80%的總方差。

3. 基于財(cái)務(wù)比率數(shù)據(jù)的Fisher模型。7個(gè)主成分已經(jīng)不存在多重線性關(guān)系，因此我們用這7個(gè)主成分做Fisher判別分析且選擇逐步判別法估計(jì)判別函數(shù)的顯著性，由Box'M檢驗(yàn)結(jié)果（表3）的F值及其顯著水平可知，各總體協(xié)方差矩陣相等，所以所選取的變量是滿足判別分析的假定的。

由Wilks' Lambda檢驗(yàn)（表4），認(rèn)為判別函數(shù)在0.05的顯著性水平上是顯著的。通過(guò)逐步判別法得出的判別函數(shù)，即fisher線性判別函數(shù)為：

ST公司判別函數(shù)：G（1）=-0.527F3-1.122F5-1.068

正常公司判別函數(shù)：G（0）=0.685F3+1.350F5-1.252

三、 模型的擴(kuò)展――增加違約距離DD的Fisher模型

1. KMV模型假設(shè)。本部分以2010年12月31日計(jì)算基準(zhǔn)日，比較未來(lái)一年內(nèi)這73家上市公司的信用狀況。為了便于實(shí)證分析，先做如下假定：

（1）公司違約點(diǎn)的確定。與KMV公司的處理方法略有不同，根據(jù)張能，張佳在《改進(jìn)的KMV模型在我國(guó)上市公司信用風(fēng)險(xiǎn)度量中的應(yīng)用》中的研究表明，假設(shè)違約點(diǎn)DP=1.8×流動(dòng)負(fù)債STD+1.2×長(zhǎng)期負(fù)債LTD時(shí)得到的違約距離更能反映我國(guó)公司的信用狀況。其中，為了使預(yù)測(cè)具有現(xiàn)實(shí)意義，我們的負(fù)債數(shù)據(jù)均為公司2010年中期財(cái)務(wù)報(bào)告的數(shù)據(jù)。

（2）公司權(quán)益價(jià)值計(jì)算公式：收盤(pán)價(jià)×總股數(shù)。

（3）無(wú)風(fēng)險(xiǎn)利率為2.75%。

（4）預(yù)測(cè)時(shí)間為T(mén)=1年。

2. 違約距離DD的計(jì)算。用Mathcad15.0算出所有上市公司的違約距離DD值，進(jìn)行Wilcoxon檢驗(yàn)可見(jiàn)，兩個(gè)總體的DD值存在顯著性差異（表5）。將DD值與其他24個(gè)財(cái)務(wù)比率重新進(jìn)行主成分分析，進(jìn)行逐步判別分析，得到的新的Fisher判別函數(shù)。

加入違約距離DD的Fisher判別函數(shù)為：

ST公司判別函數(shù)：G（1）=-0.607F3-1.259F5-0.506F6+0.506F8-1.247

正常公司判別函數(shù)：G（0）=0.755F3+1.479F5+0.411F6-0.493F8-1.390

四、 模型間預(yù)測(cè)結(jié)果比較與結(jié)論

從預(yù)測(cè)的結(jié)果可以看出，將傳統(tǒng)財(cái)務(wù)比率與市場(chǎng)數(shù)據(jù)結(jié)合起來(lái)的Fisher模型預(yù)測(cè)結(jié)果總體上優(yōu)于只用財(cái)務(wù)比率建立的Fisher模型。

1. 對(duì)于13個(gè)檢驗(yàn)樣本，對(duì)7個(gè)ST公司的預(yù)測(cè)準(zhǔn)確率均為100%，6個(gè)正常公司的預(yù)測(cè)準(zhǔn)確率為83.3%。檢測(cè)樣本的預(yù)測(cè)準(zhǔn)確率均為92.3%。說(shuō)明，兩個(gè)模型對(duì)上市公司的信用風(fēng)險(xiǎn)均具有較強(qiáng)的預(yù)測(cè)能力。

2. 第一類模型的總體預(yù)測(cè)的準(zhǔn)確率為84.9%，低于第二類模型的預(yù)測(cè)結(jié)果93.2%。

3. 在銀行實(shí)務(wù)中，將違約公司誤判為正常公司導(dǎo)致的后果比將正常公司誤判為違約公司的后果更為嚴(yán)重，因?yàn)檫@將給銀行帶來(lái)更嚴(yán)重的風(fēng)險(xiǎn)。第一類模型將違約公司誤判為正常公司的概率為10.8%，第二類模型的誤判率僅為8.1%，低于第一類模型。所以，商業(yè)銀行進(jìn)行信用風(fēng)險(xiǎn)預(yù)測(cè)時(shí)應(yīng)將財(cái)務(wù)指標(biāo)與市場(chǎng)數(shù)據(jù)等進(jìn)行綜合的分析，以提高模型預(yù)測(cè)的準(zhǔn)確度。

參考文獻(xiàn)：

1. 沈沛龍，任若恩.現(xiàn)代信用風(fēng)險(xiǎn)管理模型和方法的比較研究.經(jīng)濟(jì)科學(xué)，2002,（3）.

2. 王春峰，萬(wàn)海暉，張維.商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估及其實(shí)證研究.管理科學(xué)學(xué)報(bào)，1998,（1）.

3. Altman E I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. Journal of Finance,1968,（23）.

4. Press S J, Wilson S. Choosing between Logistic Regression and Discriminant Analysis. J. Amer. Statist. Assoc，1978,（73）.

5. 方洪全，曾勇.銀行信用風(fēng)險(xiǎn)評(píng)估方法實(shí)證研究及比較分析.金融研究，2004,（1）.

6. 周沅帆.基于KMV模型對(duì)我國(guó)上市保險(xiǎn)公司的信用風(fēng)險(xiǎn)度量.保險(xiǎn)研究，2009,（3）.

7. 張能，張佳.改進(jìn)KM模型在我國(guó)上市公司信用風(fēng)險(xiǎn)度量中的應(yīng)用.預(yù)測(cè)，2010,（5）.

篇5

文章編號(hào)：1003－4625（2009）03－0086－05中圖分類號(hào)：F830.91文獻(xiàn)標(biāo)識(shí)碼：A

Abstract: This paper reviews the theoretical study of domestic and foreign literatures about financial alarm. Based on evaluation of the existing theories，it is proposed that non-financial and financial variables should be combined, and financial distortion alarm theory and financial failure alarm theory should be integrated.

Key Words: Security Market; Listed Companies; Financial Warning

我國(guó)自改革開(kāi)放以來(lái)，競(jìng)爭(zhēng)激烈的市場(chǎng)經(jīng)濟(jì)一方面為企業(yè)提供了廣闊的舞臺(tái)，另一方面也面臨著激烈的競(jìng)爭(zhēng)和挑戰(zhàn)，稍有不慎就可能被卷入失敗的漩渦。企業(yè)因財(cái)務(wù)危機(jī)導(dǎo)致經(jīng)營(yíng)陷入困境,甚至破產(chǎn)的例子更是屢見(jiàn)不鮮。如何在財(cái)務(wù)危機(jī)到來(lái)之前就預(yù)先覺(jué)察苗頭，以便盡早采取措施，消除危機(jī)隱患，已成為當(dāng)前亟待解決的現(xiàn)實(shí)問(wèn)題。同時(shí)，隨著我國(guó)證券市場(chǎng)信息披露制度的不斷完善,根據(jù)這些信息構(gòu)造合理的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型已經(jīng)具備了現(xiàn)實(shí)的可能性。

從財(cái)務(wù)預(yù)警理論的發(fā)展歷程來(lái)看,財(cái)務(wù)預(yù)警理論是隨著證券市場(chǎng)不斷發(fā)展而產(chǎn)生和不斷深入的?！拔C(jī)預(yù)警”的思想起源于20世紀(jì)初的歐美，在20世紀(jì)50年代取得了顯著的成果。進(jìn)入90年代，由于企業(yè)危機(jī)爆發(fā)的頻率也越來(lái)越高，人們更加重視危機(jī)預(yù)警管理。在危機(jī)預(yù)警的發(fā)展過(guò)程中，財(cái)務(wù)預(yù)警的研究也相應(yīng)展開(kāi)。根據(jù)研究方法的差別，一般可把這些理論大致分為定性預(yù)警分析和定量預(yù)警模式兩類。

一、定性預(yù)警方面的研究

定性預(yù)警的方法主要包括災(zāi)害理論、專家調(diào)查法、“四階段癥狀”分析法等幾種方法。

Scapens, Ryan和Fletcher(1981)的災(zāi)害理論是分析解釋因均衡系統(tǒng)的影響因素緩慢變化從而引起系統(tǒng)的突然變化的理論。該理論認(rèn)為公司就像一個(gè)流動(dòng)資產(chǎn)的儲(chǔ)備池，財(cái)務(wù)比率就是用來(lái)測(cè)量流過(guò)儲(chǔ)備池流量的大小。但流量大小并不能夠確定儲(chǔ)備池是否一定要枯竭，因?yàn)榭梢酝ㄟ^(guò)債權(quán)人繼續(xù)加水。這就要看債權(quán)人怎么看待財(cái)務(wù)比率的變化。許多公司破產(chǎn)，原因就在于債權(quán)人看到公司財(cái)務(wù)比率惡化，然后就想抽干“儲(chǔ)備池”，或者不想繼續(xù)加“水”了。

專家調(diào)查法就是企業(yè)組織各領(lǐng)域?qū)＜疫\(yùn)用專業(yè)方面的知識(shí)和經(jīng)驗(yàn)，根據(jù)企業(yè)的內(nèi)外環(huán)境，通過(guò)直觀的歸納，對(duì)企業(yè)過(guò)去和現(xiàn)在的狀況、變化發(fā)展過(guò)程進(jìn)行綜合分析研究，找出企業(yè)運(yùn)動(dòng)、變化、發(fā)展的規(guī)律，從而對(duì)企業(yè)未來(lái)的發(fā)展趨勢(shì)做出判斷。

“四階段癥狀”分析法認(rèn)為:企業(yè)財(cái)務(wù)運(yùn)營(yíng)情況不佳，肯定有特定的癥狀，而且是逐漸加劇的。因此應(yīng)及早發(fā)現(xiàn)各個(gè)階段的癥狀，對(duì)癥下藥。企業(yè)財(cái)務(wù)運(yùn)營(yíng)病癥大體可分為四個(gè)階段:財(cái)務(wù)危機(jī)潛伏期;財(cái)務(wù)危機(jī)發(fā)作期;財(cái)務(wù)危機(jī)惡化期;財(cái)務(wù)危機(jī)實(shí)現(xiàn)期。

我國(guó)學(xué)者李秉成(2004) 從上市公司財(cái)務(wù)困境形成角度、困境征兆角度探討上市公司財(cái)務(wù)困境預(yù)分析方法。提出了財(cái)務(wù)困境加權(quán)分析法和象限分析法兩類財(cái)務(wù)困境綜合分析方法。

張友棠(2004)指出建立財(cái)務(wù)預(yù)警系統(tǒng)是財(cái)務(wù)管理制度創(chuàng)新的必然選擇。在此基礎(chǔ)上，構(gòu)建了基于經(jīng)濟(jì)周期理論的財(cái)務(wù)預(yù)警管理系統(tǒng)――理論模型、程序方法、警兆識(shí)別、指數(shù)測(cè)度。

二、定量財(cái)務(wù)預(yù)警方面的研究

（一）單變量判定模型

最早的財(cái)務(wù)預(yù)警研究是Fitzpatrick(1932)開(kāi)展的單變量破產(chǎn)預(yù)測(cè)研究。Fitzpatrick最早發(fā)現(xiàn)，出現(xiàn)財(cái)務(wù)困境的公司其財(cái)務(wù)比率和正常公司的相比，有顯著不同，從而認(rèn)為企業(yè)的財(cái)務(wù)比率能夠反應(yīng)企業(yè)財(cái)務(wù)狀況，并對(duì)企業(yè)未來(lái)具有預(yù)測(cè)作用。實(shí)證結(jié)果表明判別能力最高的是凈利潤(rùn)／股東權(quán)益和股東權(quán)益／負(fù)債。

而美國(guó)的比弗Beaver (1966 )最早運(yùn)用統(tǒng)計(jì)方法研究了公司財(cái)務(wù)失敗問(wèn)題，提出了較為成熟的單變量判定模型。比弗發(fā)現(xiàn)具有良好預(yù)測(cè)性的財(cái)務(wù)比率依次為1.現(xiàn)金流量/債務(wù)總額;2.凈收益/資產(chǎn)總額；3.債務(wù)總額/資產(chǎn)總額。該研究的意義在于發(fā)現(xiàn)了不同財(cái)務(wù)指標(biāo)具有不同預(yù)測(cè)企業(yè)破產(chǎn)的能力，為多變量方法預(yù)測(cè)奠定了基礎(chǔ)。

但是單變量模型卻具有以下局限性：其一，僅用一個(gè)財(cái)務(wù)指標(biāo)不可能充分反映企業(yè)的財(cái)務(wù)特征。其二，如果使用多個(gè)指標(biāo)分別進(jìn)行判斷，這幾個(gè)指標(biāo)的分類結(jié)果之間可能會(huì)產(chǎn)生矛盾，分析者可能得出不同的結(jié)論，以致無(wú)法做出正確判斷。

（二）多變量線性判定模型

美國(guó)學(xué)者Altman (1968 )最早運(yùn)用多變量分析方法探討財(cái)務(wù)預(yù)警問(wèn)題。Altman運(yùn)用主成分分析方法提煉最有代表性的財(cái)務(wù)比率，通過(guò)統(tǒng)計(jì)技術(shù)篩選出那些在兩組間差別盡可能大而在兩組內(nèi)部的離散度最小的變量，從而將多個(gè)標(biāo)志變量在最小信息損失下轉(zhuǎn)換為分類變量，獲得能有效提高預(yù)測(cè)精度的多元線性判別方程。

Z=1.2X1+1.4 X2+3.3 X3+0.6 X4+0.999 X5

其中Z是判別函數(shù)值；X1～X5是Altman所選的5個(gè)比率，它們分別是：X1=營(yíng)運(yùn)資金/資產(chǎn)總額,X2=留存收益/資產(chǎn)總額，X3=息稅前利潤(rùn)/資產(chǎn)總額,X4=權(quán)益的市場(chǎng)價(jià)值/負(fù)債賬面價(jià)值總額，X5=銷(xiāo)售收入/資產(chǎn)總額。

一般來(lái)說(shuō)，Z值越低企業(yè)越有可能破產(chǎn)。奧特曼還提出了判斷企業(yè)破產(chǎn)的臨界值：當(dāng)Z記分超過(guò)2.99時(shí)，企業(yè)被劃為不會(huì)破產(chǎn)之列；若Z分值低于1.81，則企業(yè)被列為破產(chǎn)類。在這兩個(gè)數(shù)字之間的區(qū)域被稱為“未知區(qū)域”或“灰色區(qū)域”。

我國(guó)學(xué)者周首華、楊濟(jì)華和王平(1996)提出了F分?jǐn)?shù)預(yù)測(cè)模型，通過(guò)更新指標(biāo)和擴(kuò)大樣本數(shù)對(duì)Z分?jǐn)?shù)模型進(jìn)行了修正。

陳靜(1999) 以1998年的27家ST公司和對(duì)應(yīng)的27家非ST公司，使用了1995-1997年的財(cái)務(wù)報(bào)表數(shù)據(jù)，進(jìn)行多元線性判定分析，發(fā)現(xiàn)由負(fù)債比率、凈資產(chǎn)收益率、流動(dòng)比率、營(yíng)運(yùn)資本/總資產(chǎn)、總資產(chǎn)周轉(zhuǎn)率6個(gè)指標(biāo)構(gòu)建的模型，在ST發(fā)生的前3年能較好地預(yù)測(cè)ST。

多元線性判定模型具有較高的判別精度，但也存在一些缺陷。其一，模型假定比較嚴(yán)格。模型要求自變量是呈正態(tài)分布的，兩組樣本要求等協(xié)方差，而現(xiàn)實(shí)中的樣本數(shù)據(jù)往往并不能滿足這一要求。這就使得許多研究都是在相對(duì)準(zhǔn)確的前提下進(jìn)行，其結(jié)論必然會(huì)有令人質(zhì)疑的成分。其二，在前一年的預(yù)測(cè)中，多元線性判定模型的預(yù)測(cè)精度比較高，但在前兩年、前三年的預(yù)測(cè)中，其預(yù)測(cè)精度都大幅下降，甚至低于一元判別模型。

（三）多元邏輯(Logit)模型

多元邏輯模型的目標(biāo)是尋求觀察對(duì)象的條件概率，從而據(jù)此判斷觀察對(duì)象的財(cái)務(wù)狀況和經(jīng)營(yíng)風(fēng)險(xiǎn)。Logit模型假設(shè)了企業(yè)破產(chǎn)的概率P（破產(chǎn)取1，非破產(chǎn)取0），并假設(shè)Ln[p/(1-P)]可以用財(cái)務(wù)比率線性解釋。假定Ln[p/(1-p)]=a+bx，根據(jù)推導(dǎo)可以得出p=exp(a+bx)/[1+exp(a+bx)]，從而計(jì)算出企業(yè)破產(chǎn)的概率。

Ohlson(1980)第一個(gè)采用Logit方法進(jìn)行破產(chǎn)預(yù)測(cè)。其模型使用了9個(gè)自變量,估計(jì)了三個(gè)模型，分析了樣本公司在破產(chǎn)概率區(qū)間上的分布以及兩類判別錯(cuò)誤和分割點(diǎn)的關(guān)系。他發(fā)現(xiàn)至少有四類顯著影響公司破產(chǎn)概率的變量:公司規(guī)模、資本結(jié)構(gòu)、業(yè)績(jī)和當(dāng)前資產(chǎn)的變現(xiàn)能力。繼Ohlson之后，Gentry, Newbold and Whitford(1985); Casey and Bartczak(1985); Zavgren(1985)也采用類似的方法進(jìn)行研究。

我國(guó)學(xué)者陳曉等（2000）以38家ST公司為研究對(duì)象，運(yùn)用Logit回歸，研究結(jié)果表明:負(fù)債權(quán)益比率、應(yīng)收賬款周轉(zhuǎn)率、主營(yíng)業(yè)務(wù)利潤(rùn)/總資產(chǎn)、留存收益/總資產(chǎn)具有較強(qiáng)的預(yù)測(cè)能力。程濤(2002)以1998-2000年被ST的A股上市公司為研究樣本，運(yùn)用時(shí)間序列回歸和Logit回歸方法，從財(cái)務(wù)指標(biāo)角度和現(xiàn)金流量角度分別構(gòu)建預(yù)警模型，并在此基礎(chǔ)上構(gòu)建綜合預(yù)警模型。姜秀華(2001)、吳世農(nóng)、盧賢義(2001)、李華中(2001)等也采用類似的方法進(jìn)行研究。

Logit模型的最大優(yōu)點(diǎn)是，放寬了模型的假設(shè)條件，運(yùn)用范圍更加廣泛。但是其計(jì)算過(guò)程比較復(fù)雜，在計(jì)算過(guò)程中還有很多的近似處理，這些會(huì)影響到模型的預(yù)測(cè)準(zhǔn)確度。如Logit模型常假定先驗(yàn)概率為1?1，選擇0.5為分割點(diǎn)，實(shí)際上企業(yè)破產(chǎn)概率要比不破產(chǎn)概率小得多。以實(shí)際破產(chǎn)/非破產(chǎn)概率比作為先驗(yàn)概率可能會(huì)影響模型的預(yù)測(cè)精度。

（四）多元概率比(Probit)回歸模型

Probit回歸模型同樣假定企業(yè)破產(chǎn)的概率為p，并假設(shè)企業(yè)樣本服從標(biāo)準(zhǔn)正態(tài)分布，其概率函數(shù)的p分位數(shù)可以用財(cái)務(wù)指標(biāo)線性解釋。其計(jì)算方法和Logit很類似，先是確定企業(yè)樣本的極大似然函數(shù)，通過(guò)求似然函數(shù)的極大值得到參數(shù)a、b，然后利用公式p=■1■e■2dt，求出企業(yè)破產(chǎn)的概率。

Ohlson(1980)首先采用Probit方法進(jìn)行財(cái)務(wù)預(yù)警研究的。他選擇1970-1976年間破產(chǎn)的105家公司和 2058家非破產(chǎn)公司組成配對(duì)樣本，采用極大似然法，分析了樣本公司在破產(chǎn)概率區(qū)間上分布以及兩類錯(cuò)誤和判別閥值點(diǎn)之間的關(guān)系。

Probit模型和logit模型的思路很相似，所以其局限性和Logit模型類似。不同之處在于多元概率比模型假設(shè)樣本服從標(biāo)準(zhǔn)正態(tài)分布，且尋求破產(chǎn)概率的方法不同，Logit采用取對(duì)數(shù)方法，而Probit采用積分的方法。

（五）神經(jīng)網(wǎng)絡(luò)分析模型

用于財(cái)務(wù)危機(jī)判定與預(yù)測(cè)的類神經(jīng)網(wǎng)絡(luò)模型一般利用一組案例建立系統(tǒng)模型，類神經(jīng)網(wǎng)絡(luò)模型接收一組輸入信息并產(chǎn)生反應(yīng)，然后與預(yù)期反應(yīng)相比較。如果錯(cuò)誤率超過(guò)可以接受的水平，需要對(duì)權(quán)重W做出修改或增加隱藏層數(shù)目并開(kāi)始新的學(xué)習(xí)過(guò)程。經(jīng)過(guò)反復(fù)循環(huán)，直至錯(cuò)誤率降低到可以接受的水平，這時(shí)學(xué)習(xí)過(guò)程結(jié)束并鎖定權(quán)重,類神經(jīng)網(wǎng)絡(luò)就可以發(fā)揮預(yù)測(cè)功能了。

Odom and Sharda(1990)開(kāi)拓了用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)財(cái)務(wù)困境的新方法，其研究是以Altman所構(gòu)建的五個(gè)財(cái)務(wù)比率為研究變量，使用類神經(jīng)網(wǎng)絡(luò)與判別分析做驗(yàn)證比較，其結(jié)果發(fā)現(xiàn)類神經(jīng)網(wǎng)絡(luò)具有較佳的預(yù)測(cè)能力。

Tam(1991)采用人工神經(jīng)網(wǎng)絡(luò)(ANN) 進(jìn)行財(cái)務(wù)預(yù)警研究，通過(guò)對(duì)人工神經(jīng)網(wǎng)絡(luò)的模擬，得出神經(jīng)網(wǎng)絡(luò)可以應(yīng)用于財(cái)務(wù)預(yù)警，且具有較高的預(yù)測(cè)精度。

Koh and Tan在1999年以6個(gè)財(cái)務(wù)指標(biāo)為研究變量做了類似的研究，得出類神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)效果優(yōu)于Probit模型的結(jié)論。

我國(guó)學(xué)者楊保安等(2002)采用ANN模型進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究，結(jié)果表明:樣本的實(shí)際輸出和期望輸出較為接近，顯示出神經(jīng)網(wǎng)絡(luò)是進(jìn)行財(cái)務(wù)評(píng)估的一種很好的應(yīng)用工具。柳炳祥、盛昭翰(2002)分析了評(píng)價(jià)財(cái)務(wù)危機(jī)的指標(biāo)體系和財(cái)務(wù)危機(jī)等級(jí)的劃分和基于粗神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)預(yù)警方法，并用一個(gè)預(yù)警實(shí)例進(jìn)行了驗(yàn)證。

人工神經(jīng)網(wǎng)絡(luò)具有較好的糾錯(cuò)能力，從而能夠更好地進(jìn)行預(yù)測(cè)。然而，由于理論基礎(chǔ)比較薄弱，ANN對(duì)人體大腦神經(jīng)模擬的科學(xué)性、準(zhǔn)確性還有待進(jìn)一步提高，因此其適用性也大打折扣。

（六）其他財(cái)務(wù)預(yù)警模型

除上述提到的主要的研究財(cái)務(wù)預(yù)警的模型分析方法外，還有如遞歸分割算法、生存分析、CUSUM模型、線性目標(biāo)規(guī)劃、事件歷史分析法、專家系統(tǒng)等模型和分析方法，但由于其適用性或準(zhǔn)確性等原因，沒(méi)有成為主要的財(cái)務(wù)預(yù)警理論，在此不再一一贅述。

（七）財(cái)務(wù)預(yù)警理論的拓展研究

1.考慮其他非財(cái)務(wù)因素的研究

研究人員一直嘗試使用非財(cái)務(wù)信息構(gòu)建預(yù)測(cè)準(zhǔn)確率更高、預(yù)測(cè)結(jié)果更穩(wěn)定的預(yù)測(cè)模型。Gilson (1989)認(rèn)為高層管理者如CEO、總經(jīng)理或總裁等離職也可以作為財(cái)務(wù)危機(jī)的指標(biāo)。他以1979年至1984年共381家發(fā)生財(cái)務(wù)危機(jī)的公司為樣本，發(fā)現(xiàn)52%公司的有高級(jí)管理人員異動(dòng)之情形，而正常公司只有19％。

Donaldson (1986)及GirouxWiggin (1984)認(rèn)為有的經(jīng)濟(jì)事件有一定的前置時(shí)間，可以用作構(gòu)建模型的變量。如破產(chǎn)前幾年企業(yè)通常有到期票據(jù)不能及時(shí)支付、銀行貸款不能及時(shí)償還及高層管理人員出售公司股票等等。

Marquette(1980)認(rèn)為使用長(zhǎng)期性或宏觀性的經(jīng)濟(jì)指標(biāo)，如將利率、通貨膨脹率、景氣變動(dòng)指標(biāo)、產(chǎn)業(yè)與經(jīng)濟(jì)之間關(guān)系等作為構(gòu)建模型的變量，可以提高模型的準(zhǔn)確度。

王克敏（2005）研究認(rèn)為在財(cái)務(wù)指標(biāo)基礎(chǔ)上引入公司治理、關(guān)聯(lián)交易、對(duì)外擔(dān)保等非財(cái)務(wù)指標(biāo)，可以大大提高公司ST的預(yù)測(cè)準(zhǔn)確率。郭斌等(2006) 研究認(rèn)為加入貸款期限和M2增長(zhǎng)率這兩個(gè)非財(cái)務(wù)指標(biāo)的8參數(shù)建立模型，具有較高的預(yù)測(cè)精度和較好的模型擬合度。鄧曉嵐（2006）研究結(jié)果顯示加入年度累積超額收益率與審計(jì)師意見(jiàn)的非財(cái)務(wù)指標(biāo)后預(yù)警效果較好。

2.財(cái)務(wù)失真預(yù)警方面的研究

關(guān)于財(cái)務(wù)信息失真問(wèn)題，早期的研究大多從財(cái)務(wù)舞弊的動(dòng)因、手段、防范與治理等方面來(lái)進(jìn)行研究。1999年Healy and Wahlen首先從會(huì)計(jì)舞弊行為市場(chǎng)反應(yīng)與識(shí)別方面進(jìn)行了研究。認(rèn)為投資者似乎能夠辨認(rèn)物價(jià)上升期間那些為了稅收利益而采用后進(jìn)先出法的公司，并且對(duì)相應(yīng)的報(bào)告盈余的下降反應(yīng)溫和。Green and Choi(1997)以財(cái)務(wù)指標(biāo)為輸入變量，采用人工神經(jīng)網(wǎng)絡(luò)（ANN）技術(shù)構(gòu)造了建立在原始財(cái)務(wù)數(shù)據(jù)基礎(chǔ)上的會(huì)計(jì)舞弊判別模型，并發(fā)現(xiàn)這一模型將大大改善獨(dú)立審計(jì)師發(fā)現(xiàn)舞弊行為的能力。Beneish(1999)提出利用會(huì)計(jì)數(shù)據(jù)來(lái)判別上市公司是否存在會(huì)計(jì)舞弊的思想，他以1987-1993年間受美國(guó)證監(jiān)會(huì)處罰的74家公司為會(huì)計(jì)舞弊樣本，以其他上市公司為正常樣本，基于8個(gè)財(cái)務(wù)指標(biāo)建立了Probit模型，準(zhǔn)確預(yù)測(cè)率達(dá)到了75%。Spathis, Doumpons and Zopounidis(2002)以希臘舞弊公司與非舞弊為樣本，采用多標(biāo)準(zhǔn)分析、單變量和多變量統(tǒng)計(jì)技術(shù)建立了包含Z計(jì)分值和不包括Z計(jì)分值的模型識(shí)別舞弊財(cái)務(wù)報(bào)告的可能性。

鹿小楠和傅浩(2003)在Beneish的研究基礎(chǔ)上，分別建立多元判別模型和Logit回歸模型，但對(duì)我國(guó)會(huì)計(jì)舞弊公司的判別成功率都僅僅為60%;蔡志岳、吳世農(nóng)(2007)運(yùn)用條件Logit回歸模型對(duì)公司信息披露違規(guī)進(jìn)行預(yù)警研究，實(shí)證結(jié)果表明在違規(guī)前一年，基于財(cái)務(wù)指標(biāo)、市場(chǎng)指標(biāo)和治理指標(biāo)的預(yù)警模型可以有效地提前甄別信息披露違規(guī)的上市公司。

三、對(duì)國(guó)內(nèi)外現(xiàn)有文獻(xiàn)述評(píng)

在財(cái)務(wù)預(yù)警的定性研究方面，國(guó)內(nèi)外學(xué)者從引起企業(yè)危機(jī)發(fā)生發(fā)展的內(nèi)外各種因素進(jìn)行了探討，對(duì)財(cái)務(wù)危機(jī)的各個(gè)階段進(jìn)行了詳細(xì)的劃分和研究，對(duì)問(wèn)題各個(gè)方面的分析都很深入。但從事定性研究的結(jié)論能夠直接和定量模型結(jié)合起來(lái)的還不多。如探討了影響企業(yè)財(cái)務(wù)困境的各種因素，但怎樣把這些因素用于財(cái)務(wù)預(yù)警模型中，進(jìn)行這方面研究的人并不多見(jiàn)。

從財(cái)務(wù)預(yù)警的定量研究方面看，國(guó)內(nèi)外學(xué)者結(jié)合各種量化的技術(shù)，出現(xiàn)了很多的預(yù)警模型，在上述文獻(xiàn)綜述中我們也可以感受到這一點(diǎn)。但是其應(yīng)用性和可操作性較差。筆者認(rèn)為，不管模型做的多么復(fù)雜和巧妙，關(guān)鍵是要能夠應(yīng)用到實(shí)際中去，解決不同財(cái)務(wù)信息使用者的認(rèn)知需要，這才是最根本的。

（一）財(cái)務(wù)預(yù)警模型的局限性

首先，模型會(huì)受到樣本選取范圍和樣本時(shí)間區(qū)間的限制。研究發(fā)現(xiàn)，從不同的樣本選取范圍和不同的時(shí)間區(qū)間所得出的預(yù)警模型存在很大的差異。影響模型精度的因素很多，包括建立模型所用資料的時(shí)效性、國(guó)別特點(diǎn)、行業(yè)特點(diǎn)等。一國(guó)建立的模型不能直接適用于另一個(gè)國(guó)家，因此有必要建立各國(guó)自己的預(yù)警模型。其次，由于不同的模型需要不同的前提條件，如自變量要服從正態(tài)分布，樣本要求等協(xié)方差等，而事實(shí)上很多時(shí)候這些條件并不能夠完全得到滿足，很多研究者所建模型大多是在近似條件下成立的，這必然影響到模型的正確性和預(yù)測(cè)精度。

（二）變量的選擇方法問(wèn)題

如何選取變量指標(biāo)還缺乏理論支撐，研究人員在選擇變量時(shí)，常受到自身價(jià)值判斷的影響。如Altman在建立Z模型時(shí)，也只列出了22個(gè)財(cái)務(wù)比率，從中選出了5個(gè)比率。這些比率的選擇不是建立在理論的基礎(chǔ)之上的，而是根據(jù)它們的“通用性”和Altman的主觀認(rèn)為。另外，這些模型的變量大多只涉及財(cái)務(wù)比率，考慮非量化因素的較少。考慮非量化因素后加入定性指標(biāo)的分析將會(huì)有效提高模型的準(zhǔn)確度，這需要進(jìn)一步的探索。

（三）財(cái)務(wù)預(yù)警研究重理論研究輕應(yīng)用研究

財(cái)務(wù)預(yù)警研究者更多的是關(guān)注預(yù)測(cè)的準(zhǔn)確性，但卻沒(méi)有能夠同時(shí)關(guān)心使用者的實(shí)際可操作性。財(cái)務(wù)預(yù)警研究在財(cái)務(wù)預(yù)警模型精巧性的同時(shí)，更需要在財(cái)務(wù)預(yù)警技術(shù)的應(yīng)用與推廣方面多下工夫。

（四）關(guān)于財(cái)務(wù)信息失真問(wèn)題

傳統(tǒng)的財(cái)務(wù)失敗(困境)預(yù)警模型本身不能對(duì)財(cái)務(wù)報(bào)表的真?zhèn)芜M(jìn)行鑒別,用可能虛假的財(cái)務(wù)報(bào)告來(lái)進(jìn)行財(cái)務(wù)預(yù)警,會(huì)使財(cái)務(wù)危機(jī)預(yù)警模型的預(yù)測(cè)結(jié)果發(fā)生偏差。從財(cái)務(wù)失真預(yù)警這方面來(lái)看，理論研究較少，特別是國(guó)內(nèi)的研究尚處于起步階段。另外，財(cái)務(wù)失真和財(cái)務(wù)失敗預(yù)警兩方面的研究相互脫節(jié)，這兩方面的研究沒(méi)有能夠結(jié)合起來(lái)進(jìn)行。

根據(jù)上述研究述評(píng)，筆者認(rèn)為要重點(diǎn)解決財(cái)務(wù)預(yù)警理論的實(shí)際應(yīng)用性問(wèn)題，使其能夠真正滿足財(cái)務(wù)信息使用者的需要。應(yīng)注意使用包括非量化因素的財(cái)務(wù)預(yù)警指標(biāo)體系，尤其要注意建立財(cái)務(wù)失真（舞弊）和財(cái)務(wù)失敗（困境）二者相結(jié)合的雙元財(cái)務(wù)預(yù)警模型，一方面，對(duì)中國(guó)不發(fā)達(dá)、不完善的證券市場(chǎng)而言，財(cái)務(wù)信息失真問(wèn)題是非常嚴(yán)重的（事實(shí)上在美國(guó)這樣成熟的市場(chǎng)，財(cái)務(wù)失真現(xiàn)象也是大量存在的），財(cái)務(wù)失真的預(yù)警研究尤其必要。但從現(xiàn)有的文獻(xiàn)來(lái)看，絕大多數(shù)的理論性研究局限于上市公司會(huì)計(jì)舞弊的動(dòng)因、手段、防范和治理，很少涉足舞弊的市場(chǎng)反應(yīng)與識(shí)別和預(yù)警問(wèn)題，特別是預(yù)警模型的研究。另一方面看，上市公司所面臨的各種危機(jī)和財(cái)務(wù)困境，要求我們要進(jìn)行財(cái)務(wù)失敗預(yù)警的研究。這方面的文獻(xiàn)較多，正如前面所述，理論上也較為豐富。但是，財(cái)務(wù)失敗預(yù)警的研究沒(méi)有和財(cái)務(wù)失真預(yù)警研究結(jié)合起來(lái)，用可能是失真的數(shù)據(jù)來(lái)預(yù)警，其結(jié)果可想而知。所以，要建立財(cái)務(wù)失真和財(cái)務(wù)失敗雙方面相結(jié)合的財(cái)務(wù)預(yù)警模型，才是正確解決上市公司財(cái)務(wù)預(yù)警問(wèn)題的根本之道。

參考文獻(xiàn)：

[1]A1tman E.I, “Financial Ratios, Discriminant Analysis, and the Prediction of Bankruptcy”, Journal of Finance, September 1968.

[2]Amy Hing-Ling, “A Five-State Financial Distress Prediction Model”，Journal of Accounting ResearchSpring 1987.

[3] Carmichael, D.R., The Auditor's Reporting Obligation. Auditing Research Monograph No.l(New York: AICPA), 1972.

[4]Charles E. Mossman, Geoffrey G. Bell, L. Mick Swartz. Harry Turtle. An Empirical Comparison of Bankruptcy Models. The Financial Review 33. 199835-54

[5] Green B.P. and Choi J.H. Assessing the Risk of Management Fraud though Neural Network Technology [J].Auditing, 1997,(16):1―19.

[6]Ohlson, J.S.，“Financial Ratio，and the Probabilistic Predict ion o f Bankruptcy", Journal of Accounting Research Vol.18,No1,1980.

[7] Odom, M.D., and R.Sharda. “A Neural Network Model for Bankruptcy In Proceedings of the International Joint Conference on Neural works”.1990,6:136-138.

[8]Scott，J, “The Probability ofBankruptcy A Comparison of Empirical Predication and Theoretical Model”，Journal of Banking and Finance,September, 1981.

[9]Tam and Kiang ,“Predicting Bank Failures: A Neural Network Approach”, Management Science[J]，1992, 8:926-947.

[10]蔡志岳,吳世農(nóng).基于公司治理的信息披露舞弊預(yù)警研究[J].管理科學(xué),2006,(8).

[11]陳工孟,芮萌,許慶勝.現(xiàn)代企業(yè)財(cái)務(wù)困境預(yù)測(cè)[M].上海:上海財(cái)經(jīng)大學(xué)出版社,2006,(7).

[12]陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證研究[J].會(huì)計(jì)研究,1999,(4).

[13]程濤.財(cái)務(wù)預(yù)警模型綜述[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào),2003,(10).

[14]鄧曉嵐,王宗軍,李紅俠,楊忠誠(chéng).非財(cái)務(wù)視角下的財(cái)務(wù)困境研究[J].管理科學(xué),2006,(6).

[15]姜秀華,孫錚.治理弱化與財(cái)務(wù)危機(jī):一個(gè)預(yù)測(cè)模型[J].南開(kāi)管理評(píng)論,2001,(5).

[16]金春蕾,郭煒,王宗軍.我國(guó)上市公司財(cái)務(wù)失敗預(yù)警模型的評(píng)析[J].商業(yè)研究,2003,(12).

[17]鹿小楠,傅浩.中國(guó)上市公司財(cái)務(wù)造假問(wèn)題研究[J].上證研究,2003,(2):36-95.

[18]彭韶兵.財(cái)務(wù)風(fēng)險(xiǎn)機(jī)理與控制分析[Z].西南財(cái)經(jīng)大學(xué),2001博士學(xué)位論文.

[19]秦江萍.會(huì)計(jì)舞弊的市場(chǎng)反應(yīng)與識(shí)別[M].北京:經(jīng)濟(jì)科學(xué)出版社,2006,(5).

[20]宋雪楓.中國(guó)上市公司財(cái)務(wù)危機(jī)預(yù)警問(wèn)題研究[Z].上海交通大學(xué),2006年博士學(xué)位論文.

[21]王克敏,姬美光.基于財(cái)務(wù)與非財(cái)務(wù)指標(biāo)的虧損公司財(cái)務(wù)預(yù)警研究[J].財(cái)經(jīng)研究,2006,(7).

[22]王玲玲,曾繁榮.財(cái)務(wù)預(yù)警模型評(píng)述[J].市場(chǎng)論壇,2005(12).

[23]吳革.財(cái)務(wù)報(bào)告粉飾手法的識(shí)別與防范[M].北京:對(duì)外經(jīng)濟(jì)貿(mào)易出版社,2003,(1).

[24]吳世農(nóng).現(xiàn)代財(cái)務(wù)管理理論與方法[M].北京:中國(guó)經(jīng)濟(jì)出版社,1997.

[25]夏毅,魏嵐.企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究[J].當(dāng)代經(jīng)理人,2005,(18).

[26]楊寶安,季海.基于人工神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行貸款風(fēng)險(xiǎn)預(yù)譽(yù)研究[J].系統(tǒng)工程理論與實(shí)踐,2001,(5).

[27]袁業(yè)虎,張燕.中外財(cái)務(wù)預(yù)警實(shí)證研究述評(píng)[J].審計(jì)與理財(cái),2005,(9).

[28]張鳴,張艷,程濤.企業(yè)財(cái)務(wù)預(yù)警研究前沿[M].北京:中國(guó)財(cái)政經(jīng)濟(jì)出版社,2004,(4).

[29]張鳴,張艷.財(cái)務(wù)困境預(yù)測(cè)的實(shí)證研究與評(píng)述[J].財(cái)經(jīng)研究,2001,(12).

[30]張玲.財(cái)務(wù)危機(jī)預(yù)警分析判別模型[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2000,(3):49-51.

[31]張友棠.財(cái)務(wù)預(yù)警系統(tǒng)管理研究[M].北京:中國(guó)人民大學(xué)出版社,2004,(3).

篇6

中圖分類號(hào)：F2

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1672-3198（2013）09-0027-02

企業(yè)信用評(píng)估和企業(yè)財(cái)務(wù)預(yù)警是企業(yè)財(cái)務(wù)管理研究的重要課題。諸多學(xué)者將兩個(gè)問(wèn)題一起進(jìn)行研究，這兩者之間還是有本質(zhì)區(qū)別的。財(cái)務(wù)預(yù)警即財(cái)務(wù)失敗預(yù)警，是指借助企業(yè)提供的財(cái)務(wù)報(bào)表、經(jīng)營(yíng)計(jì)劃及其他相關(guān)會(huì)計(jì)資料，利用財(cái)會(huì)、統(tǒng)計(jì)、金融、企業(yè)管理、市場(chǎng)營(yíng)銷(xiāo)理論，采用比率分析、比較分析、因素分析及多種分析方法，對(duì)企業(yè)的經(jīng)營(yíng)活動(dòng)、財(cái)務(wù)活動(dòng)等進(jìn)行分析預(yù)測(cè)，以發(fā)現(xiàn)企業(yè)在經(jīng)營(yíng)管理活動(dòng)中潛在的經(jīng)營(yíng)風(fēng)險(xiǎn)和財(cái)務(wù)風(fēng)險(xiǎn)，并在危機(jī)發(fā)生之前向企業(yè)經(jīng)營(yíng)者發(fā)出警告。信用評(píng)估本質(zhì)上是對(duì)企業(yè)履約各種承諾能力和信用程度進(jìn)行全面評(píng)估，預(yù)測(cè)未來(lái)償債可能性來(lái)辨識(shí)不同企業(yè)的方法。服務(wù)的對(duì)象有商業(yè)銀行、金融監(jiān)管機(jī)構(gòu)、與受評(píng)對(duì)象有業(yè)務(wù)往來(lái)的商業(yè)客戶以及社會(huì)公眾和投資者。

（1）定性評(píng)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(qǐng)企業(yè)或個(gè)人的道德?tīng)顩r，償債能力，貸款申請(qǐng)企業(yè)或個(gè)人的財(cái)產(chǎn)狀況，可用于進(jìn)行貸款申請(qǐng)時(shí)抵押擔(dān)保的資產(chǎn)價(jià)值，宏觀經(jīng)濟(jì)狀況。 5W法指貸款申請(qǐng)人、申請(qǐng)貸款的使用、貸款的時(shí)間長(zhǎng)度、擔(dān)保資產(chǎn)價(jià)值及還款方式。目前我國(guó)商業(yè)銀行實(shí)務(wù)中仍主要采用的信用評(píng)估分析方法。

（2）定量評(píng)估方法。

①統(tǒng)計(jì)方法：多元判別分析法（Multi-linear Discriminate Analysis）是較早應(yīng)用于企業(yè)信用評(píng)估的多元統(tǒng)計(jì)方法。Altman（1968）最早提出Z-score模型對(duì)企業(yè)運(yùn)營(yíng)財(cái)務(wù)危機(jī)預(yù)警、企業(yè)違約預(yù)測(cè)問(wèn)題進(jìn)行研究，使用較少的財(cái)務(wù)比率迅速進(jìn)行判斷分析，使用年度報(bào)表的數(shù)據(jù)運(yùn)用財(cái)務(wù)比率進(jìn)行分析：企業(yè)運(yùn)營(yíng)成本/平均總資產(chǎn)、留存收益/平均總資產(chǎn)、息稅前利潤(rùn)總額/平均總資產(chǎn)、普通股股東權(quán)益合計(jì)/平均總負(fù)債、營(yíng)業(yè)收入/平均總資產(chǎn)，并且對(duì)三十多家樣本公司進(jìn)行分析，得到準(zhǔn)確率較高的分析結(jié)果，該模型屬于貝葉斯判別，用樣本修正已有的先驗(yàn)概率分布得到后驗(yàn)概率分布。這篇經(jīng)典論文開(kāi)創(chuàng)了企業(yè)破產(chǎn)預(yù)測(cè)，財(cái)務(wù)危機(jī)預(yù)警，信用評(píng)估分析的先河。Altman（1977）在前述論文的基礎(chǔ)上進(jìn)行了完善，又加入幾個(gè)財(cái)務(wù)比率建立ZETA模型，使用總資產(chǎn)收益率（利潤(rùn)總額/平均總資產(chǎn)）、利潤(rùn)增長(zhǎng)率（利潤(rùn)總額/上一年利潤(rùn)總額）、利息保障倍數(shù)（息稅前利潤(rùn)總額/利息費(fèi)用）、留存收益/平均總資產(chǎn)、流動(dòng)比率（流動(dòng)資產(chǎn)/流動(dòng)負(fù)債）、平均總資產(chǎn)、公司股票市價(jià)等財(cái)務(wù)比率，得到比簽署模型更好的分析結(jié)果。Logistic模型分析。Martin（1977）使用財(cái)務(wù)比率進(jìn)行企業(yè)經(jīng)營(yíng)財(cái)務(wù)預(yù)警及企業(yè)貸款違約分析，使用多元統(tǒng)計(jì)學(xué)中的Logistic回歸方法，使用1970至1971年的報(bào)表數(shù)據(jù)從的美聯(lián)儲(chǔ)成員銀行5600多家中選取58家屬于財(cái)務(wù)困境，違約樣本的銀行進(jìn)行分析測(cè)算，使用資產(chǎn)凈利率（利潤(rùn)總額/平均總資產(chǎn)）等8個(gè)財(cái)務(wù)比率，進(jìn)行分析測(cè)算，并且分析不同的信息使用者的風(fēng)險(xiǎn)偏好差異，如投資人和債權(quán)人，測(cè)算不同的風(fēng)險(xiǎn)預(yù)警系數(shù)，便于信息使用者更好地作出分析決策，得到較好的分析結(jié)果，并且使用該多元回歸模型與前述的Z-Score模型，ZETA模型測(cè)算的結(jié)果進(jìn)行對(duì)比分析，得到優(yōu)于前述模型的預(yù)測(cè)數(shù)據(jù)。吳世農(nóng)（2001）收集我國(guó)上市公司1998至2002年A股市場(chǎng)的ST公司共計(jì)七十多家，收集樣本數(shù)據(jù)的時(shí)間是公司轉(zhuǎn)化成ST的年度，并且選取相關(guān)行業(yè)的七十多家作為對(duì)照組樣本，進(jìn)行橫截面數(shù)據(jù)分析，選用不同的計(jì)量模型進(jìn)行對(duì)比研究，主要有線性概率模型（LPM），F(xiàn)isher二類線性判定，Logistic模型等多元統(tǒng)計(jì)方法對(duì)企業(yè)財(cái)務(wù)進(jìn)行預(yù)警研究，最終結(jié)果是Logistic模型的預(yù)測(cè)準(zhǔn)確率均高于Fisher判別分析法和LPM的準(zhǔn)確率。于立勇、詹捷輝（2004）也使用Logistic模型，選取商業(yè)銀行的貸款企業(yè)客戶的財(cái)務(wù)數(shù)據(jù)進(jìn)行信用違約的分析，得到較好的測(cè)算概率。方洪全、曾勇（2004）在銀行信用風(fēng)險(xiǎn)評(píng)估方法實(shí)證研究及比較分析中運(yùn)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(zhǔn)確率高于線性判別模型神經(jīng)網(wǎng)絡(luò)模型。Junni L. Zhang（2010）運(yùn)用貝葉斯加分類樹(shù)法對(duì)德國(guó)公司財(cái)務(wù)報(bào)表數(shù)據(jù)進(jìn)行償債能力進(jìn)行有效得分類。

②信用風(fēng)險(xiǎn)評(píng)估模型。Credit Metrics（信用計(jì)量模型）是摩根大通等美國(guó)知名金融機(jī)構(gòu)采用用VaR（在險(xiǎn)價(jià)值模型）的思路，對(duì)個(gè)人和企業(yè)的貸款以及其他金融資產(chǎn)進(jìn)行價(jià)值估計(jì)和風(fēng)險(xiǎn)預(yù)測(cè)的計(jì)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(jīng)濟(jì)因素，結(jié)合信用風(fēng)險(xiǎn)評(píng)級(jí)轉(zhuǎn)移和宏觀經(jīng)濟(jì)變量如年度經(jīng)濟(jì)增長(zhǎng)率、市場(chǎng)利率、政府支出等建立關(guān)聯(lián)模型，使用蒙特卡羅技術(shù)模擬宏觀經(jīng)濟(jì)周期性因素的計(jì)算得到評(píng)級(jí)轉(zhuǎn)移概率。KMV模型（Credit Monitor模型）（是美國(guó)KMV公司提出后被穆迪公司收購(gòu)），該模型是可以對(duì)上市公司的信貸違約概率進(jìn)行預(yù)測(cè)分析。張玲等（2004）運(yùn)用KMV模型評(píng)估我國(guó)上市公司ST公司和非ST公司的信用風(fēng)險(xiǎn)后得到，改變KMV模型的相關(guān)變量可以至少提前2年預(yù)警我國(guó)上市公司的信用違約風(fēng)險(xiǎn)，并且可以提前4年進(jìn)行上市公司的信用風(fēng)險(xiǎn)變化趨勢(shì)的預(yù)測(cè)。戴志鋒等（2005） 運(yùn)用KMV對(duì)我國(guó)上市公司數(shù)據(jù)和某國(guó)有商業(yè)銀行非上市公司的信貸數(shù)據(jù)進(jìn)行驗(yàn)證，實(shí)證結(jié)果表明非上市公司模型在中國(guó)具有一定的預(yù)測(cè)能力，但預(yù)測(cè)準(zhǔn)確率低于歐美國(guó)家。Credit Risk+模型（信用風(fēng)險(xiǎn)附加模型）是由瑞士信貸銀行金融產(chǎn)品部（CSFP）開(kāi)發(fā)的，它是一個(gè)違約模型（Default Model）。

③人工智能方法：神經(jīng)網(wǎng)絡(luò)。陳雄華等（2002）采用人工神經(jīng)網(wǎng)絡(luò)模型研究企業(yè)信用等級(jí)的評(píng)估問(wèn)題，按照企業(yè)樣本分為制造業(yè)和非制造業(yè)兩大類，利用偏相關(guān)分析方法建立了企業(yè)信用評(píng)級(jí)的指標(biāo)體系，實(shí)驗(yàn)結(jié)果表明神經(jīng)網(wǎng)絡(luò)模型具有更好的預(yù)測(cè)準(zhǔn)確性。于立勇（2003）收集一百多個(gè)企業(yè)作為訓(xùn)練樣本，運(yùn)用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行信用違約風(fēng)險(xiǎn)分析，得到有效的預(yù)測(cè)結(jié)果。章忠志、符林、唐換文（2003）使用神經(jīng)網(wǎng)絡(luò)模型，選取28個(gè)企業(yè)數(shù)據(jù)做為樣本進(jìn)行分析，預(yù)測(cè)結(jié)果準(zhǔn)確率達(dá)到90%以上。徐佳娜、西寶（2004）使用人工神經(jīng)網(wǎng)絡(luò)模型與層次分析法（AHP）相結(jié)合建立模型對(duì)企業(yè)信用風(fēng)險(xiǎn)進(jìn)行評(píng)估，預(yù)測(cè)結(jié)果說(shuō)明該模型比已有的其他模型準(zhǔn)確更高。張衛(wèi)東等（2006）建立模型結(jié)合前饋型神經(jīng)網(wǎng)絡(luò)、遺傳算法和模糊數(shù)學(xué)方法來(lái)，評(píng)估商業(yè)銀行企業(yè)客戶的信用風(fēng)險(xiǎn)，使用Matlab軟件對(duì)選取的商業(yè)銀行企業(yè)客戶數(shù)據(jù)進(jìn)行測(cè)算，得到的結(jié)果表明準(zhǔn)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(guò)與上海某商業(yè)銀行的合作，對(duì)其1999-2005年的貸款明細(xì)和公司財(cái)務(wù)數(shù)據(jù)進(jìn)行了系統(tǒng)研究，運(yùn)用粗糙集理論的約簡(jiǎn)功能，從中選出最能反映企業(yè)信用狀況的8項(xiàng)財(cái)務(wù)指標(biāo)，再應(yīng)用模糊神經(jīng)網(wǎng)絡(luò)方法進(jìn)行信用評(píng)估，實(shí)證研究表明所提方法具有較高精度。但是使用人工神經(jīng)網(wǎng)絡(luò)模型需要根據(jù)實(shí)際的樣本數(shù)據(jù)不斷調(diào)整系數(shù)，相對(duì)而言模型的魯棒性不夠強(qiáng)。戴芬（2009）根據(jù)中小企業(yè)信用評(píng)估指標(biāo)體系，提出了一種基于蟻群神經(jīng)網(wǎng)絡(luò)的評(píng)估模型。結(jié)果表明蟻群神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法與傳統(tǒng)的BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法相比，具有較強(qiáng)的泛化能力，應(yīng)用在中小企業(yè)信用評(píng)估系統(tǒng)中具有很高的評(píng)估準(zhǔn)確率。

整數(shù)規(guī)劃法。薛鋒（2006）選取上市公司數(shù)據(jù)，使用混合整數(shù)規(guī)劃法，建立企業(yè)信用風(fēng)險(xiǎn)評(píng)估模型進(jìn)行信用風(fēng)險(xiǎn)評(píng)估，模型可以滿足非參數(shù)檢驗(yàn)，也不需要樣本數(shù)據(jù)服從正態(tài)分布，可以較為廣泛的應(yīng)用，經(jīng)數(shù)據(jù)實(shí)際測(cè)算的結(jié)果說(shuō)明，該模型魯棒性較好，預(yù)測(cè)效果較好，準(zhǔn)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(guī)劃算法構(gòu)建企業(yè)信用風(fēng)險(xiǎn)評(píng)估模型。并利用上證50若干企業(yè)的實(shí)際數(shù)據(jù)對(duì)模型進(jìn)行了實(shí)證檢驗(yàn)。實(shí)證結(jié)果顯示該模型能有效預(yù)測(cè)上市企業(yè)的信用風(fēng)險(xiǎn)狀況。該模型在收斂性能及預(yù)測(cè)準(zhǔn)確率等方面優(yōu)于基于傳統(tǒng)的多元回歸方法及GP方法的信用風(fēng)險(xiǎn)評(píng)估模型。Jonathan N. Crook（2007） 參考諸多文獻(xiàn)比較線形回歸（LDA），Logistic回歸，決策樹(shù)，數(shù)學(xué)規(guī)劃法，神經(jīng)網(wǎng)絡(luò)法，遺傳算法，遺傳編程，K近鄰法，支持向量機(jī)幾種方法，認(rèn)為支持向量機(jī)法的準(zhǔn)確率相對(duì)較高。

從以上對(duì)國(guó)內(nèi)外研究現(xiàn)狀的分析可知，盡管?chē)?guó)內(nèi)外已有許多專家學(xué)者對(duì)商業(yè)銀行客戶信用評(píng)估進(jìn)行大量的研究，但在實(shí)際應(yīng)用中涉及中小企業(yè)的研究較少，未考慮我國(guó)企業(yè)普遍存在的內(nèi)部人控制的企業(yè)中管理者個(gè)人因素對(duì)企業(yè)信用的影響，限制了模型的適用范圍。

參考文獻(xiàn)

[1]Altman，E.I.，F(xiàn)inancial 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(nóng)，黃世忠.我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J].經(jīng)濟(jì)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(yù)測(cè)研究[J].財(cái)經(jīng)研究，2004，（9）：15-23.

[6]方洪全，曾勇.銀行信用風(fēng)險(xiǎn)評(píng)估方法實(shí)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(guó)商業(yè)銀行信用風(fēng)險(xiǎn)識(shí)別模型及其實(shí)證研究[J].經(jīng)濟(jì)科學(xué)，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(fēng)險(xiǎn)評(píng)估中的應(yīng)用研究[J].系統(tǒng)工程，2004，（11）.

[10]戴志鋒，張宗益，陳銀忠.基于期權(quán)定價(jià)理論的中國(guó)非上市公司信用風(fēng)險(xiǎn)度量研究[J].管理科學(xué)，2005，（6）.

[11]陳雄華，林成德，葉武.基于神經(jīng)網(wǎng)絡(luò)的企業(yè)信用等級(jí)評(píng)估系統(tǒng)[J].工程學(xué)報(bào)，2002，（6）：570-575.

[12]于立勇.商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估預(yù)測(cè)模型研究[J].管理科學(xué)學(xué)報(bào)，2003，（5）：46-52.

[13]章忠志，符林，唐換文.基于人工神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險(xiǎn)[J].模型經(jīng)濟(jì)數(shù)學(xué)，2003，（3）：42-47.

[14]徐佳娜，西寶.基于AHP-ANN模型的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估[J].哈爾濱理工大學(xué)學(xué)報(bào)，2004，（3）：94-98.

[15]張衛(wèi)東，韓云昊，米陽(yáng)于.GA-BP模糊神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估[J].工業(yè)工程與管理，2006，（5）：81-84.

[16]夏紅芳.商業(yè)銀行信用風(fēng)險(xiǎn)度量與管理研究[D].南京：南京航空航天大學(xué)，2007，（8）.

[17]戴芬，劉希玉，王曉敏.蟻群神經(jīng)網(wǎng)絡(luò)在中小企業(yè)信用評(píng)估中的應(yīng)用[J].計(jì)算機(jī)技術(shù)與發(fā)展，2009，（10）：218-221.

篇7

關(guān)鍵詞 機(jī)械制造業(yè) 財(cái)務(wù)狀況預(yù)警 經(jīng)濟(jì)學(xué)分析

一、相關(guān)企業(yè)的樣本選取以及變量選取

財(cái)務(wù)狀況的相關(guān)預(yù)警預(yù)測(cè)對(duì)于企業(yè)的生存和發(fā)展有著非常重要的作用。直到2002年的年底，在深圳和上海兩個(gè)城市的A股市場(chǎng)中有著一百零五家ST公司，我們見(jiàn)面過(guò)在深圳的相關(guān)A股市場(chǎng)中進(jìn)行機(jī)械制造產(chǎn)業(yè)的相關(guān)企業(yè)作為實(shí)際的研究資料，對(duì)其分別通過(guò)機(jī)械制造相關(guān)產(chǎn)業(yè)的相關(guān)ST作為其抽取的相關(guān)樣本，并且對(duì)于機(jī)械制造產(chǎn)業(yè)中的ST企業(yè)中抽取十家，再將實(shí)際的機(jī)械制造相關(guān)產(chǎn)業(yè)中非ST的相關(guān)企業(yè)作為樣本，并依據(jù)一定的比例間隔對(duì)于十家非ST相關(guān)公司進(jìn)行隨機(jī)抽取并作為其對(duì)照樣本組。除此之外，在進(jìn)行五家相關(guān)機(jī)械制造產(chǎn)業(yè)的相關(guān)公司進(jìn)行隨意抽取并將其作為測(cè)試樣本，依照這樣的原則在深圳市的A股交易市場(chǎng)的二十五家已經(jīng)上市的機(jī)械制造產(chǎn)業(yè)中的相關(guān)企業(yè)作為此次進(jìn)行研究的相關(guān)樣本，并且對(duì)他們分別計(jì)算出每股的實(shí)際收益、以及股東實(shí)際權(quán)益的相關(guān)比率和凈資產(chǎn)的實(shí)際收益率以及總資產(chǎn)實(shí)際周轉(zhuǎn)率和主營(yíng)業(yè)務(wù)的實(shí)際利潤(rùn)率、企業(yè)的總資產(chǎn)的實(shí)際增長(zhǎng)率。詳細(xì)的相關(guān)情況請(qǐng)見(jiàn)表一：

為了分析對(duì)于上面情況所敘述的相關(guān)財(cái)務(wù)比率是不是能夠真正有效的進(jìn)行ST公司同非ST公司有效的區(qū)別，我們對(duì)于上述的20家相關(guān)的上市公司的實(shí)際的相關(guān)估計(jì)樣本通過(guò)相關(guān)統(tǒng)計(jì)軟件來(lái)進(jìn)行6個(gè)相關(guān)財(cái)務(wù)比率的T檢驗(yàn)。經(jīng)過(guò)對(duì)于T檢驗(yàn)所得出的結(jié)果的分析和了解，我們獲得以下的相關(guān)結(jié)論：在每一股的實(shí)際收益以及主要經(jīng)營(yíng)項(xiàng)目業(yè)務(wù)的實(shí)際利潤(rùn)率進(jìn)行雙尾T的相關(guān)檢驗(yàn)的實(shí)際顯著性的概率都大于百分十零點(diǎn)零五。可以認(rèn)為對(duì)于每股收益以及其主要經(jīng)營(yíng)項(xiàng)目業(yè)務(wù)的實(shí)際利潤(rùn)率都不能對(duì)于ST公司以及非ST公司進(jìn)行良好的有效的區(qū)分。企業(yè)的凈資產(chǎn)的實(shí)際收益率、總資產(chǎn)的實(shí)際周轉(zhuǎn)率、股東權(quán)益的實(shí)際比率以及總資產(chǎn)的實(shí)際增長(zhǎng)率的相關(guān)雙尾T的實(shí)際檢驗(yàn)的相關(guān)顯著性的相關(guān)概率都小于百分之零點(diǎn)零五。這四項(xiàng)相關(guān)比率都能夠?qū)τ跈C(jī)械制造產(chǎn)業(yè)的非ST公司以及ST公司進(jìn)行良好的區(qū)分。以下將選用凈資產(chǎn)的實(shí)際收益率（Y3）、總資產(chǎn)的實(shí)際周轉(zhuǎn)率（Y2）、股東權(quán)益實(shí)際比率（Y1）以及總資產(chǎn)的實(shí)際增長(zhǎng)率（Y4）這四項(xiàng)指標(biāo)來(lái)將其作為研究的實(shí)際有效的相關(guān)財(cái)務(wù)變量并建立起實(shí)際的機(jī)械制造產(chǎn)業(yè)的相關(guān)財(cái)務(wù)狀況的相關(guān)預(yù)警預(yù)測(cè)模型。

模型的建立

在對(duì)于20家相關(guān)企業(yè)的十幾樣本組的某年所進(jìn)行上報(bào)的相關(guān)財(cái)務(wù)比率數(shù)據(jù)進(jìn)行統(tǒng)計(jì)軟件的相關(guān)統(tǒng)計(jì)之后進(jìn)行了分析，對(duì)于其主要的成分特征值以及貢獻(xiàn)率進(jìn)行了相關(guān)對(duì)比。得出Z1的實(shí)際運(yùn)營(yíng)能力的特征值是1.91，其貢獻(xiàn)率是40.8%。累計(jì)貢獻(xiàn)率是38.08%；Z2的發(fā)展能力其特征值是0.97，貢獻(xiàn)率是19.2%，累計(jì)貢獻(xiàn)率是57.0%；Z3的盈利能力其特征值是1.12，貢獻(xiàn)率是19.4%，累計(jì)貢獻(xiàn)率是77.4；Z4的償債能力其特征值是1.30，貢獻(xiàn)率是21.6%，累計(jì)貢獻(xiàn)率是100%。我們將其累計(jì)貢獻(xiàn)率取為100%，也就是說(shuō)這四項(xiàng)主要的相關(guān)成分所包括的原有的相關(guān)變量信息的100%。這四項(xiàng)財(cái)務(wù)的原始比率對(duì)于這四個(gè)的主要的成分的實(shí)際因子負(fù)荷量以及因子得分系數(shù)的相關(guān)矩陣見(jiàn)以下表3和表4。

依照上述的情況進(jìn)行分析，我們能夠得到在機(jī)械制造相關(guān)產(chǎn)業(yè)的實(shí)際ST公司的相關(guān)財(cái)務(wù)狀況的實(shí)際預(yù)警預(yù)測(cè)模型應(yīng)該如下所示：

RS=0.408*Z1+0.192*Z2+0.194*Z3+0.216*Z4

當(dāng)RS大于等于0.07，就表明了該企業(yè)是一種非財(cái)務(wù)狀況下預(yù)警的相關(guān)企業(yè)，當(dāng)RS的值大于0.07，就表明該企業(yè)是財(cái)務(wù)狀況的相關(guān)預(yù)警企業(yè)。

模型的實(shí)際檢驗(yàn)

為了對(duì)于相關(guān)模型進(jìn)行預(yù)警作用的實(shí)際檢驗(yàn)，我們將其他的機(jī)械制造相關(guān)產(chǎn)業(yè)的相關(guān)測(cè)試樣本組里面的6家企業(yè)（其中3家是機(jī)械制造相關(guān)產(chǎn)業(yè)的實(shí)際非ST公司和2家是機(jī)械制造相關(guān)產(chǎn)業(yè)的相關(guān)ST公司）中的以上四項(xiàng)實(shí)際的財(cái)務(wù)比率運(yùn)用預(yù)警模型進(jìn)行相關(guān)計(jì)算并得到了相關(guān)的RS預(yù)測(cè)分值。其結(jié)果如下：

通過(guò)檢測(cè)的相關(guān)結(jié)果顯示，在機(jī)械制造相關(guān)產(chǎn)業(yè)中的ST公司其RS值都小于0.7，其檢測(cè)的結(jié)果與實(shí)際情況一直，而三家非ST機(jī)械制造相關(guān)產(chǎn)業(yè)的企業(yè)的實(shí)際RS值都大于0.07，這就進(jìn)一步說(shuō)明了這三家企業(yè)并不是財(cái)務(wù)狀況的相關(guān)預(yù)警企業(yè)，從而同實(shí)際情況達(dá)到一致。

模型局限性

1.預(yù)警預(yù)測(cè)的財(cái)務(wù)狀況的前提是該企業(yè)對(duì)于其自身的相關(guān)財(cái)務(wù)數(shù)據(jù)具有真實(shí)可信的特點(diǎn)，但是由于現(xiàn)在的企業(yè)的相關(guān)會(huì)計(jì)信息出現(xiàn)著頻繁的失真現(xiàn)象，因此有一些相關(guān)企業(yè)不能夠?qū)τ谧陨淼膶?shí)際財(cái)務(wù)數(shù)據(jù)進(jìn)行真實(shí)性的反應(yīng)。這樣就會(huì)使得上面所涉及的模型里面的相關(guān)財(cái)務(wù)指標(biāo)不能夠真實(shí)完全對(duì)于企業(yè)的實(shí)際經(jīng)營(yíng)業(yè)績(jī)進(jìn)行反映。因此，在對(duì)于企業(yè)的預(yù)警預(yù)測(cè)財(cái)務(wù)狀況進(jìn)行良好的模型規(guī)劃之后，還要對(duì)于企業(yè)的實(shí)際會(huì)計(jì)管理進(jìn)行加強(qiáng)，保證企業(yè)的會(huì)計(jì)信息的準(zhǔn)確性，保證在企業(yè)進(jìn)行財(cái)務(wù)數(shù)據(jù)的的時(shí)候，能夠是企業(yè)的真實(shí)財(cái)務(wù)發(fā)展運(yùn)營(yíng)狀況，從而保證企業(yè)在其進(jìn)行相關(guān)統(tǒng)計(jì)和分析的時(shí)候，不會(huì)偏離公司的正常經(jīng)營(yíng)發(fā)展?fàn)顩r。以便于有效的提高企業(yè)的綜合運(yùn)營(yíng)水平，加強(qiáng)企業(yè)的綜合競(jìng)爭(zhēng)力。

2.從相關(guān)行業(yè)的方向來(lái)說(shuō)，這項(xiàng)模型是通過(guò)機(jī)械制造相關(guān)產(chǎn)業(yè)作為實(shí)際分析和計(jì)算的樣本而得到的，因?yàn)樵诓煌钠髽I(yè)中的產(chǎn)業(yè)的實(shí)際財(cái)務(wù)比率都有著自己的特點(diǎn)，造成不同產(chǎn)業(yè)之間存在著差異，所以對(duì)于不是機(jī)械制造相關(guān)產(chǎn)業(yè)的企業(yè)在運(yùn)用該模型進(jìn)行相關(guān)研判的時(shí)候一定要在事先進(jìn)行修正。要根據(jù)自己所在公司的經(jīng)營(yíng)狀況，市場(chǎng)經(jīng)濟(jì)發(fā)展情景以及自身的各項(xiàng)因素等進(jìn)行詳細(xì)的了解和對(duì)比，找出適合自己所在企業(yè)的預(yù)警預(yù)測(cè)財(cái)務(wù)狀況的相關(guān)模型，從而真正的幫助企業(yè)建立起良好的財(cái)務(wù)預(yù)警預(yù)測(cè)系統(tǒng)。

3.根據(jù)本文中所設(shè)定的模型并沒(méi)有對(duì)于非財(cái)務(wù)指標(biāo)的相關(guān)因素的有關(guān)影響進(jìn)行考慮。所以模型的實(shí)際應(yīng)用還會(huì)受到不用的企業(yè)的評(píng)價(jià)標(biāo)準(zhǔn)自身主觀性、條件差異性等的限制，從而難以對(duì)于企業(yè)全面滿足。所以在進(jìn)行預(yù)警模型的了解和分析的前提下，還應(yīng)該對(duì)于非財(cái)務(wù)相關(guān)指標(biāo)的干擾因素以及一些有經(jīng)驗(yàn)的相關(guān)分析人員的實(shí)際直覺(jué)來(lái)進(jìn)行定性的評(píng)價(jià)以及分析。

總結(jié)：財(cái)務(wù)狀況的相關(guān)預(yù)警預(yù)測(cè)對(duì)于企業(yè)的生存和發(fā)展有著非常重要的作用。在對(duì)于企業(yè)的預(yù)警預(yù)測(cè)財(cái)務(wù)狀況進(jìn)行良好的模型規(guī)劃之后，還要對(duì)于企業(yè)的實(shí)際會(huì)計(jì)管理進(jìn)行加強(qiáng)，保證企業(yè)的會(huì)計(jì)信息的準(zhǔn)確性，保證在企業(yè)進(jìn)行財(cái)務(wù)數(shù)據(jù)的的時(shí)候，能夠是企業(yè)的真實(shí)財(cái)務(wù)發(fā)展運(yùn)營(yíng)狀況，從而保證企業(yè)在其進(jìn)行相關(guān)統(tǒng)計(jì)和分析的時(shí)候，不會(huì)偏離公司的正常經(jīng)營(yíng)發(fā)展?fàn)顩r。本文通過(guò)對(duì)于上海和深圳的20家上市企業(yè)進(jìn)行財(cái)務(wù)比率的統(tǒng)計(jì)和分析，得出在機(jī)械制造相關(guān)產(chǎn)業(yè)中的財(cái)務(wù)預(yù)警預(yù)測(cè)的相關(guān)模型。從而有效的實(shí)現(xiàn)對(duì)于機(jī)械制造相關(guān)產(chǎn)業(yè)的財(cái)務(wù)狀況實(shí)際的預(yù)警的經(jīng)濟(jì)學(xué)研究和分析。

參考文獻(xiàn)：

[1]位文明，劉海濤，張俊，趙萬(wàn)華，張曉毅，朱祥.基于實(shí)際面壓力分布的結(jié)合面有限元建模方法.中國(guó)科技論文在線.2011（08）.

篇8

迄今為止，國(guó)內(nèi)外對(duì)于企業(yè)財(cái)務(wù)危機(jī)的界定仍然存有諸多意見(jiàn)。Beaver(1966)把破產(chǎn)、拖欠優(yōu)先股股利和拖欠債務(wù)界定為財(cái)務(wù)危機(jī)。Altman(1968)、Ohlson(1971)、Zmijewski(1984)等將企業(yè)根據(jù)破產(chǎn)法提出破產(chǎn)申請(qǐng)的行為，作為確定企業(yè)進(jìn)入財(cái)務(wù)危機(jī)的標(biāo)志，他們研究的對(duì)象也局限在法定的破產(chǎn)公司。Altman(1990)的研究則綜合了學(xué)術(shù)界描述財(cái)務(wù)危機(jī)的四種情形：經(jīng)營(yíng)失敗、無(wú)償付能力、違約、破產(chǎn)?？傮w而言，財(cái)務(wù)危機(jī)的認(rèn)定多集中在破產(chǎn)清算或無(wú)償付能力等。

而在我國(guó)，由于制度性原因，大量基于上市公司財(cái)務(wù)危機(jī)的實(shí)證研究采用了“ST”制度(張玲，2000；吳世農(nóng)等，2001等)，將因“財(cái)務(wù)狀況異?！倍惶貏e處理的公司判定為財(cái)務(wù)危機(jī)公司。實(shí)際上，本文認(rèn)為上市公司首次出現(xiàn)虧損即可列入財(cái)務(wù)危機(jī)范疇。原因有以下幾點(diǎn)：

(一)由于我國(guó)的上市公司連續(xù)兩年虧損將被特別處理，發(fā)生虧損的公司總會(huì)千方百計(jì)扭虧為盈，諸如盈余管理或者資產(chǎn)轉(zhuǎn)讓、債務(wù)重組層出不窮，以避免摘牌的危險(xiǎn)，保住寶貴的“殼”資源，除非危機(jī)嚴(yán)重到無(wú)法收拾局面，因此企業(yè)總是千方百計(jì)維持良好盈利能力的形象。陸建橋(1999)的實(shí)證研究也證實(shí)了虧損企業(yè)在首次虧損之前存在普遍的盈余管理行為。所以，首次出現(xiàn)虧損的公司我們即可認(rèn)定上市公司財(cái)務(wù)危機(jī)。

(二)企業(yè)首次虧損就預(yù)示著財(cái)務(wù)的危機(jī)也得到了審計(jì)師的認(rèn)同，1999年全部上市公司非標(biāo)準(zhǔn)審計(jì)意見(jiàn)的比例為19．64％、2000年為14．48％，2001年為13．38％，2002年為12．1％，而同期首次虧損的公司當(dāng)中非標(biāo)準(zhǔn)審計(jì)意見(jiàn)比重分別為63．04％、52．17％、48．28％和27．38％，遠(yuǎn)遠(yuǎn)高于平均水平。

(三)多數(shù)發(fā)生首次虧損的企業(yè)，都伴隨資金周轉(zhuǎn)的困難，在我們所研究的發(fā)生首虧的上市公司中，流動(dòng)比率或速動(dòng)比率小于1的上市公司占66．8％。

(四)大多數(shù)發(fā)生首虧的上市公司，都在隨后年度的經(jīng)營(yíng)中再次出現(xiàn)虧損的，1999年至2001年期間發(fā)生首虧的上市公司在隨后一年的經(jīng)營(yíng)中繼續(xù)虧損的比例為51．7％，在隨后兩年內(nèi)的經(jīng)營(yíng)中繼續(xù)虧損的比例為65．6％。因此，當(dāng)企業(yè)首次出現(xiàn)虧損時(shí)，我們就可以將其認(rèn)定為發(fā)生了財(cái)務(wù)危機(jī)。由于企業(yè)的經(jīng)營(yíng)是一個(gè)動(dòng)態(tài)的過(guò)程(呂長(zhǎng)江等，2004)，如果企業(yè)在隨后幾年內(nèi)繼續(xù)出現(xiàn)虧損，以致于無(wú)法進(jìn)行正常生產(chǎn)經(jīng)營(yíng)，更無(wú)法償還到期債務(wù)，則進(jìn)入財(cái)務(wù)破產(chǎn)的階段；否則則轉(zhuǎn)危為安。

二、研究設(shè)計(jì)

(一)樣本確定

1．研究樣本時(shí)間的確定

本文對(duì)企業(yè)財(cái)務(wù)危機(jī)的研究，將追尋到其發(fā)生首次虧損前兩年。這樣做一方面是基于對(duì)于企業(yè)財(cái)務(wù)危機(jī)狀況的早期診斷，有利于投資者制訂有效的決策；另外一方面，也是考慮到無(wú)形資產(chǎn)的本身作用機(jī)理，諸如人力資產(chǎn)、內(nèi)部結(jié)構(gòu)性資產(chǎn)等無(wú)形資產(chǎn)，其對(duì)企業(yè)經(jīng)營(yíng)的作用，往往不是通過(guò)當(dāng)期的經(jīng)營(yíng)過(guò)程就可以得到準(zhǔn)確的反映的，而通常需要在一定時(shí)間的協(xié)作和磨合后，才會(huì)逐漸對(duì)企業(yè)的經(jīng)營(yíng)產(chǎn)生作用。我們?cè)谘芯康倪^(guò)程中，用t＝0表示危機(jī)發(fā)生當(dāng)年，t＝－1表示危機(jī)發(fā)生的前一年，t＝－2表示危機(jī)發(fā)生的前兩年。

2．研究樣本的確定

考慮滬深交易所“ST”制度的頒布時(shí)間為1998年，并且我國(guó)上市公司對(duì)部分非財(cái)務(wù)信息的披露始于《信息披露的內(nèi)容與格式準(zhǔn)則第二號(hào)年度報(bào)告的內(nèi)容與格式》(1998)的頒布以后，故本研究構(gòu)建診斷模型所需樣本為滬深交易所1998年后發(fā)生首次虧損的上市公司。根據(jù)我們研究樣本時(shí)間確定的要求，最終我們將樣本總體的采集時(shí)間限定于滬深交易所2000年后發(fā)生首次虧損的上市公司。與此同時(shí)，根據(jù)Stooll and Curley(1970)、Ritter(1991)、Loughran and Ritter(1995)、Aharony，Lee and Wong，(1997)等的研究，上市公司在其首次公開(kāi)發(fā)行股票之前，往往會(huì)通過(guò)財(cái)務(wù)包裝行為高估公司發(fā)行股票前年度的利潤(rùn)，以圖提高股票發(fā)行價(jià)格和公司信譽(yù)，而當(dāng)公司發(fā)行股票之后，前期高估的利潤(rùn)就會(huì)沖轉(zhuǎn)回來(lái)，導(dǎo)致公司股票發(fā)行后年度業(yè)績(jī)的人為滑坡。為了使本論文的研究免受股票發(fā)行定價(jià)方面因素的影響，我們?cè)谶x取樣本時(shí)，剔除了虧損上市公司中上市不足兩年的上市公司和因財(cái)務(wù)信息違規(guī)操作而被處理的上市公司。并且，為了控制外部環(huán)境和行業(yè)因素的影響，我們?cè)谶x擇虧損公司樣本時(shí)，還為每家虧損公司選取了一個(gè)控制公司，組成控制樣本，控制樣本公司的選取步驟為：(1)確定每家虧損公司所屬行業(yè)及其第一次出現(xiàn)虧損前一年末的資產(chǎn)總額；(2)在扣除所有虧損公司之外的上海證券交易所A股盈利公司中選取與虧損公司同行業(yè)，且上市已在兩年以上的公司；(3)在與每家虧損公司隸屬行業(yè)相同的盈利公司中，最終選取虧損前一年度與虧損公司資產(chǎn)總額最為接近的那家公司作為控制公司。

3．樣本研究指標(biāo)的確定

根據(jù)現(xiàn)有文獻(xiàn)所涉及的指標(biāo)，并考慮到相關(guān)指標(biāo)獲取的難易程度，本文對(duì)樣本研究指標(biāo)的確定，具體如表1所示。

(二)樣本數(shù)據(jù)來(lái)源及其他說(shuō)明

本來(lái)對(duì)上市公司財(cái)務(wù)危機(jī)診斷的研究數(shù)據(jù)，來(lái)源于wind數(shù)據(jù)庫(kù)和巨靈數(shù)據(jù)庫(kù)。在研究過(guò)程中，我們利用spss11．5 for windows作為本文主要的數(shù)據(jù)分析工具。在分析的過(guò)程中，我們將選取的樣本按照發(fā)生首次虧損的時(shí)間，劃分為t=0、t=-1、t=-2三個(gè)混合樣本，分別對(duì)上市公司的財(cái)務(wù)危機(jī)的診斷效率進(jìn)行比較分析。

三、實(shí)證研究

樣本的描述統(tǒng)計(jì)及單指標(biāo)檢驗(yàn)

樣本的描述性統(tǒng)計(jì)及兩個(gè)樣本對(duì)照組的均值檢驗(yàn)和wilcoxon秩和檢驗(yàn)。

通過(guò)表2中對(duì)樣本指標(biāo)的全樣本描述，我們可以發(fā)現(xiàn)，利用單指標(biāo)對(duì)上市公司財(cái)務(wù)危機(jī)進(jìn)行診斷的效力，財(cái)務(wù)比率要明顯優(yōu)于無(wú)形資產(chǎn)比率。但財(cái)務(wù)比率在上市公司財(cái)務(wù)危機(jī)發(fā)生當(dāng)年的診斷能力最高，隨著時(shí)間的前移，財(cái)務(wù)比率對(duì)財(cái)務(wù)危機(jī)發(fā)生的診斷能力有減弱趨勢(shì)。而無(wú)形資產(chǎn)比率對(duì)上市公司財(cái)務(wù)危機(jī)的診斷效力，除B4用人費(fèi)用率以外，則隨著時(shí)間的前移，有逐漸增強(qiáng)的趨勢(shì)。

另外，從無(wú)形資產(chǎn)比率單指標(biāo)的診斷能力來(lái)看，利用非財(cái)務(wù)指標(biāo)計(jì)算所得的無(wú)形資產(chǎn)比率，如B1國(guó)有股比重、B2股權(quán)集中度等，這類反映內(nèi)部結(jié)構(gòu)性狀況的無(wú)形資產(chǎn)對(duì)上市公司財(cái)務(wù)危機(jī)的提前診斷能力更強(qiáng)；而利用財(cái)務(wù)指標(biāo)計(jì)算所得的無(wú)形資產(chǎn)比率，B3無(wú)形資產(chǎn)比率和B4用人費(fèi)用率，則對(duì)上市公司財(cái)務(wù)危機(jī)的提前診斷能力相對(duì)較弱，這可能是因?yàn)椋秘?cái)務(wù)指標(biāo)計(jì)算的無(wú)形資產(chǎn)比率，與財(cái)務(wù)指標(biāo)之間存在的相關(guān)性所致。其中，B2股權(quán)集中

度的診斷能力最強(qiáng)，這與姜秀華、孫錚(2001)在研究中的發(fā)現(xiàn)相一致，姜秀華等曾發(fā)現(xiàn)股權(quán)集中度對(duì)上市公司財(cái)務(wù)危機(jī)具有較強(qiáng)的解釋效力。

由此可見(jiàn)，利用單指標(biāo)對(duì)上市公司財(cái)務(wù)危機(jī)進(jìn)行診斷時(shí)，無(wú)形資產(chǎn)比率指標(biāo)是具有解釋能力的，并且與我們的假設(shè)相一致，內(nèi)部結(jié)構(gòu)性資產(chǎn)等無(wú)形資產(chǎn)對(duì)上市公司財(cái)務(wù)危機(jī)的甄別能力帶有一定的前瞻性。治理效能的好壞、內(nèi)部經(jīng)營(yíng)管理的優(yōu)劣，是影響上市公司企業(yè)業(yè)績(jī)的深層原因，這些因素之間相互作用，對(duì)上市公司的財(cái)務(wù)狀況產(chǎn)生影響，而這一影響往往是潛移默化的，通過(guò)未來(lái)期的上市公司企業(yè)經(jīng)營(yíng)才能得以體現(xiàn)，因此無(wú)形資產(chǎn)對(duì)上市公司的財(cái)務(wù)危機(jī)診斷能力，隨時(shí)間的前移有增強(qiáng)的趨勢(shì)。

四、結(jié)論及建議

上文的實(shí)證結(jié)果表明，加入無(wú)形資產(chǎn)比率指標(biāo)的研究，有助于盡早地診斷企業(yè)財(cái)務(wù)危機(jī)的發(fā)生，提高上市公司的財(cái)務(wù)危機(jī)模型診斷能力，而且有別于財(cái)務(wù)比率，無(wú)形資產(chǎn)比率對(duì)于上市公司財(cái)務(wù)危機(jī)發(fā)生的診斷能力，隨著時(shí)間的前移有所增強(qiáng)，更有利于投資者對(duì)上市公司的未來(lái)經(jīng)營(yíng)狀況做出準(zhǔn)確及時(shí)的判定。因此，如何在財(cái)務(wù)報(bào)告中及時(shí)準(zhǔn)確地反映企業(yè)無(wú)形資產(chǎn)，提高上市公司財(cái)務(wù)報(bào)告的有效性，將成為我們今后研究和討論的重點(diǎn)。

首先，會(huì)計(jì)控制需要發(fā)揮新的作用，要求能夠更加及時(shí)有效地反映企業(yè)生產(chǎn)經(jīng)營(yíng)的全貌，就要適當(dāng)拓展無(wú)形資產(chǎn)的內(nèi)容(Baruch，1999；孟翠湖，2004；王廣慶，2004；等)，增加知識(shí)型資本的確認(rèn)范圍，要將人力資本、知識(shí)產(chǎn)權(quán)等無(wú)形資產(chǎn)納入會(huì)計(jì)系統(tǒng)進(jìn)行確認(rèn)。

篇9

關(guān)鍵詞：財(cái)務(wù)危機(jī)；預(yù)警；指標(biāo)體系

一、引言

“財(cái)務(wù)危機(jī)”又稱財(cái)務(wù)困境，最嚴(yán)重的財(cái)務(wù)危機(jī)是企業(yè)破產(chǎn)。企業(yè)因財(cái)務(wù)危機(jī)最終導(dǎo)致破產(chǎn)實(shí)際上是一種違約行為，所以財(cái)務(wù)危機(jī)又可稱為“違約風(fēng)險(xiǎn)”。

關(guān)于財(cái)務(wù)危機(jī)的定義，目前尚無(wú)一個(gè)統(tǒng)一的說(shuō)法。具有代表性的觀點(diǎn)有以下幾種：(1)Beaver(1966)將破產(chǎn)、拖欠優(yōu)先股股利、拖欠債務(wù)界定為財(cái)務(wù)危機(jī)。(2)Altman(1968)定義的財(cái)務(wù)危機(jī)是進(jìn)入法定破產(chǎn)、被接管或者重整的企業(yè)。(3)Deakin(1972)則認(rèn)為財(cái)務(wù)危機(jī)公司僅包括已經(jīng)經(jīng)歷破產(chǎn)、無(wú)力償債或?yàn)閭鶛?quán)人利益而已經(jīng)進(jìn)行清算的公司。(4)Carmichael(1972)認(rèn)為財(cái)務(wù)危機(jī)是企業(yè)履行義務(wù)時(shí)受阻，具體表現(xiàn)為流動(dòng)性不足、權(quán)益不足、債務(wù)拖欠及資金不足四種形式。(5)Wruck(1990)給出的財(cái)務(wù)危機(jī)的定義是企業(yè)現(xiàn)金流量不足以抵償現(xiàn)有債務(wù)的情況，這些債務(wù)包括應(yīng)付未付款、訴訟費(fèi)用、違約的利息和本金等。(6)Ross等人(1999；2000)則認(rèn)為可從四個(gè)方面定義企業(yè)的財(cái)務(wù)危機(jī)：一是企業(yè)失敗，即企業(yè)清算后仍無(wú)力支付債權(quán)人的債務(wù)；二是法定破產(chǎn)，即企業(yè)和債權(quán)人向法院申請(qǐng)企業(yè)破產(chǎn)；三是技術(shù)破產(chǎn)，即企業(yè)無(wú)法按期履行債務(wù)合約付息還本；四是會(huì)計(jì)破產(chǎn)，即企業(yè)的賬面凈資產(chǎn)出現(xiàn)負(fù)數(shù)，資不抵債。(7)Lee(2004)認(rèn)為可以從兩方面定義財(cái)務(wù)危機(jī)：一是未能償還到期借款的本息，借款期間有過(guò)延期還款和減少本息支付的協(xié)議；二是公司的凈資產(chǎn)減少到其股本的一半以下。

綜合上述各種定義可知，無(wú)論財(cái)務(wù)危機(jī)如何定義，企業(yè)發(fā)生財(cái)務(wù)危機(jī)都具有無(wú)力償還到期債務(wù)、現(xiàn)金流的緊張狀態(tài)可能使經(jīng)營(yíng)無(wú)法持續(xù)的特點(diǎn)。財(cái)務(wù)危機(jī)的出現(xiàn)意味著企業(yè)基本面發(fā)生根本性變化，處理不當(dāng)就會(huì)導(dǎo)致企業(yè)破產(chǎn)。因此，識(shí)別企業(yè)財(cái)務(wù)危機(jī)，并對(duì)其做出預(yù)警，不僅對(duì)企業(yè)經(jīng)營(yíng)者及時(shí)采取措施化解危機(jī)具有重大的意義，而且對(duì)于投資者規(guī)避風(fēng)險(xiǎn)也有非常重要的價(jià)值。

二、文獻(xiàn)綜述

企業(yè)財(cái)務(wù)危機(jī)預(yù)警問(wèn)題的研究很早就引起了各方面的關(guān)注，很多經(jīng)濟(jì)學(xué)家與財(cái)務(wù)專家都在這方面做了大量的工作，他們利用相應(yīng)的財(cái)務(wù)變量構(gòu)造了一系列的預(yù)測(cè)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(yùn)用單一變數(shù)、個(gè)別財(cái)務(wù)比率來(lái)預(yù)測(cè)財(cái)務(wù)危機(jī)的模型。最早的財(cái)務(wù)預(yù)警研究是Fitzpatrick(1932)的單變量破產(chǎn)預(yù)測(cè)研究。此后，WilliamBeaver(1966)使用單變量為分析方法，采用成對(duì)抽樣法進(jìn)行樣本配對(duì)，考察了29個(gè)財(cái)務(wù)比率在企業(yè)陷入財(cái)務(wù)困境前1-5年的預(yù)測(cè)能力。Beaver發(fā)現(xiàn)在破產(chǎn)前一年的預(yù)測(cè)正確率可以達(dá)到87%，對(duì)于失敗企業(yè)是最具有預(yù)測(cè)能力的指標(biāo)。國(guó)內(nèi)學(xué)者對(duì)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(cái)務(wù)報(bào)表數(shù)據(jù)，進(jìn)行了單變量分析。吳世農(nóng)和盧賢義(2001)以70家ST公司和70家非ST公司，應(yīng)用單變量分析法研究了在上市公司陷入財(cái)務(wù)危機(jī)前5年21個(gè)財(cái)務(wù)指標(biāo)之間所存在的差異。

單變量模型的優(yōu)點(diǎn)是只需要觀測(cè)一個(gè)變量，應(yīng)用比較簡(jiǎn)單；但是，任何一個(gè)財(cái)務(wù)比率無(wú)法充分和全面地反映企業(yè)的財(cái)務(wù)特征，所以該方法在現(xiàn)今的研究中很少被單獨(dú)使用，一般都是與其他方法結(jié)合運(yùn)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(duì)企業(yè)財(cái)務(wù)危機(jī)進(jìn)行研究。他以1946-1965年間33家破產(chǎn)的制造業(yè)企業(yè)為樣本，并配對(duì)33家正常企業(yè)，將22項(xiàng)財(cái)務(wù)比率分為流動(dòng)性、獲利性、財(cái)務(wù)杠桿、償債能力和活動(dòng)力五大類指數(shù)，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(duì)相匹配銀行組成的預(yù)測(cè)樣本對(duì)模型進(jìn)行了驗(yàn)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(guó)內(nèi)的相關(guān)研究主要有陳靜(1999)使用1995-1997年的財(cái)務(wù)數(shù)據(jù)，對(duì)27家ST公司和27家非ST公司進(jìn)行的多元判別分析。張玲(2000)以120家公司為研究對(duì)象，使用其中60家公司的財(cái)務(wù)數(shù)據(jù)，通過(guò)多元判別法建立了財(cái)務(wù)危機(jī)預(yù)警模型。盧守林等(2002)以滬深兩市A股市場(chǎng)上所有上市公司1998-2000年的財(cái)務(wù)資料為依據(jù)，用多元判別分析法構(gòu)建的Z-Score模型。

多變量分析法彌補(bǔ)了單變量分析法的不足，具有較高的準(zhǔn)確率和穩(wěn)定性，但是也存在著一些不足：第一，這種方法受到了統(tǒng)計(jì)假設(shè)的限制，只適用于自變量近似服從正態(tài)分布的情況，并且要求組內(nèi)的協(xié)方差矩陣相等，否則得到的預(yù)測(cè)結(jié)果可能是有偏的；第二，多元判別分析要求財(cái)務(wù)危機(jī)公司與正常公司之間一定要配對(duì)，而配對(duì)的標(biāo)準(zhǔn)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(duì)參數(shù)進(jìn)行估計(jì)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(yù)測(cè)公司的破產(chǎn)及違約概率。Ohlson(1980)從1970-1976年間在美國(guó)的上市公司之中排除公共事業(yè)、運(yùn)輸公司、金融服務(wù)業(yè)，總共挑選出105家破產(chǎn)公司和2058家正常公司為樣本，采用九個(gè)財(cái)務(wù)比率建立了Logit模型。Huffman&Ward(1996)運(yùn)用Logit模型對(duì)1977-1991年間違約的171家企業(yè)的高收益?zhèn)M(jìn)行了預(yù)測(cè)研究等。國(guó)內(nèi)的相關(guān)研究主要包括：吳世農(nóng)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(jì)了預(yù)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(cái)務(wù)危機(jī)前3年的數(shù)據(jù)，通過(guò)Logit回歸方法建立了財(cái)務(wù)危機(jī)預(yù)警模型。姜秀華(2002)和齊治平(2002)利用Logit模型對(duì)我國(guó)上市公司進(jìn)行信用風(fēng)險(xiǎn)分析。李萌(2005)以不良貸款率作為信用風(fēng)險(xiǎn)衡量標(biāo)準(zhǔn)，構(gòu)造商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估的Logit模型等。

多元條件概率模型的主要優(yōu)點(diǎn)是不需要自變量服從多元正態(tài)分布和組內(nèi)協(xié)方差矩陣相等的假設(shè)條件，但是要求因變量有邏輯含義，而且計(jì)算過(guò)程較為復(fù)雜，有很多近似處理。

(四)神經(jīng)網(wǎng)絡(luò)預(yù)警模型

神經(jīng)網(wǎng)絡(luò)，又稱人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork，ANN)是一種從神經(jīng)心理學(xué)和認(rèn)識(shí)科學(xué)的研究成果出發(fā)，應(yīng)用數(shù)學(xué)方法發(fā)展起來(lái)的并行分布模式處理系統(tǒng)。常見(jiàn)的神經(jīng)網(wǎng)絡(luò)模型主要有：BP神經(jīng)網(wǎng)絡(luò)模型、MDA協(xié)助神經(jīng)網(wǎng)絡(luò)模型、ID3協(xié)助神經(jīng)網(wǎng)絡(luò)模型和SOFM協(xié)助神經(jīng)網(wǎng)絡(luò)模型。Odom和Sharda(1990)是將人工神經(jīng)網(wǎng)絡(luò)模型應(yīng)用在破產(chǎn)預(yù)測(cè)模式中最具代表性的學(xué)者。Koh和Tan(1999)以1978-1985年間出現(xiàn)的165家破產(chǎn)公司為失敗樣本并以正常公司165家作為配對(duì)樣本，使用人工神經(jīng)網(wǎng)絡(luò)模型構(gòu)建了企業(yè)危機(jī)預(yù)警模型。在我國(guó)，王春峰(1998)、楊保安(2001)等學(xué)者也在此領(lǐng)域進(jìn)行了深入的研究，楊保安通過(guò)對(duì)中信實(shí)業(yè)銀行的分析，選取了4大類共15個(gè)財(cái)務(wù)指標(biāo)，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)方法建立了一個(gè)可供銀行用于授權(quán)評(píng)價(jià)的預(yù)警系統(tǒng)。臺(tái)灣的林文修(2000)選取1992-1996年在臺(tái)灣證交所上市企業(yè)中的36家失敗企業(yè)和64家正常企業(yè)，并區(qū)分為學(xué)習(xí)樣本73家與測(cè)試樣本27家，比較了多元判別分析、Logit模型、BP神經(jīng)網(wǎng)絡(luò)模型和演化式神經(jīng)網(wǎng)絡(luò)模型等四種方法的模型預(yù)測(cè)準(zhǔn)確率。神經(jīng)網(wǎng)絡(luò)預(yù)警模型的主要優(yōu)點(diǎn)是分析層次清晰且邏輯關(guān)系嚴(yán)密，并依據(jù)心理學(xué)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(diǎn)是規(guī)范分析特點(diǎn)明顯，不適宜做實(shí)證分析，分析模式缺乏靈活性，數(shù)據(jù)性假設(shè)條件過(guò)于苛刻。

三、財(cái)務(wù)危機(jī)預(yù)警的指標(biāo)體系設(shè)計(jì)

導(dǎo)致企業(yè)發(fā)生財(cái)務(wù)危機(jī)的因素很多，且錯(cuò)綜復(fù)雜，單變量模型與多變量模型僅能揭示影響關(guān)系與程度，變量的選擇會(huì)因分析人員偏好的不同而不同，其不僅缺乏統(tǒng)一的理論基礎(chǔ)，而且系統(tǒng)性往往較差，多元條件概率模型和神經(jīng)網(wǎng)絡(luò)預(yù)警模型雖然在分析技術(shù)上較為先進(jìn)，且分析企圖試圖更精確，但它們?cè)趶?qiáng)調(diào)分析技術(shù)的同時(shí)，往往忽略了立論的基本依據(jù)，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(tǒng)，為多元條件概率模型和神經(jīng)網(wǎng)絡(luò)預(yù)警模型提供變量選擇的依據(jù)，利用相應(yīng)的財(cái)務(wù)理論構(gòu)建企業(yè)財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系就是研究企業(yè)財(cái)務(wù)危機(jī)的基礎(chǔ)之基礎(chǔ)。但從財(cái)務(wù)本身的角度去分析，財(cái)務(wù)危機(jī)形成的原因可以歸結(jié)為以下幾點(diǎn)：(1)公司經(jīng)營(yíng)狀況不佳，導(dǎo)致?tīng)I(yíng)業(yè)收入無(wú)法穩(wěn)定增長(zhǎng)，造成公司的連續(xù)虧損，使得財(cái)務(wù)危機(jī)發(fā)生的可能性增大；(2)過(guò)高的負(fù)債使公司面臨更大的財(cái)務(wù)危機(jī)。雖然公司本身有盈余，但是可能因?yàn)闊o(wú)法應(yīng)付短期的龐大利息支出而造成破產(chǎn)倒閉；(3)現(xiàn)金流量發(fā)生持續(xù)性的凈流出，企業(yè)就像是流動(dòng)性資產(chǎn)的儲(chǔ)水槽，若水槽中的流量變小(資產(chǎn)變少)，流入量減少(現(xiàn)金流入減少)，流出量增加(現(xiàn)金流出增加)，流入量與流出量之間的差量就會(huì)逐步增大，這樣會(huì)使公司出現(xiàn)財(cái)務(wù)危機(jī)的概率增加。

綜合引起財(cái)務(wù)危機(jī)的三個(gè)主要因素，可以對(duì)應(yīng)用五個(gè)方面的財(cái)務(wù)指標(biāo)來(lái)描述或預(yù)警財(cái)務(wù)危機(jī)，用經(jīng)營(yíng)能力指標(biāo)、成長(zhǎng)能力指標(biāo)和獲利能力指標(biāo)來(lái)度量或反映企業(yè)的經(jīng)營(yíng)狀況，用公司的償債能力指標(biāo)來(lái)度量或反映企業(yè)的債務(wù)負(fù)擔(dān)，用現(xiàn)金流量指標(biāo)來(lái)度量現(xiàn)金流。從預(yù)警的角度考慮，五個(gè)方面的財(cái)務(wù)指標(biāo)可進(jìn)一步細(xì)分為20個(gè)更具體的財(cái)務(wù)變量(見(jiàn)表1)，以此構(gòu)成財(cái)務(wù)危機(jī)預(yù)警的指標(biāo)體系。

以深滬兩市A股中被ST的上市公司為實(shí)際考察對(duì)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(shù)據(jù)。剔除由于以下幾種原因而被ST的上市公司：(1)上市兩年內(nèi)被特別處理的公司；(2)因自然災(zāi)害、重大事故等意外事件而被特別處理的公司。經(jīng)過(guò)剔除后，本文選取的有效樣本變?yōu)?0家。根據(jù)研究期間一致、行業(yè)相同或相近、規(guī)模相當(dāng)?shù)脑瓌t按1：1的比例選擇沒(méi)有被ST的上市公司作為配對(duì)樣本。由于我國(guó)上市公司年報(bào)披露制度規(guī)定上市公司公布其年報(bào)的截止日期為下一年的4月30日，上市公司(t-1)年的年報(bào)和其在第t年是否被ST幾乎同時(shí)發(fā)生，因此，用(t-1)年的數(shù)據(jù)預(yù)測(cè)第t年是否被ST沒(méi)有實(shí)際意義。在本文中采用(t-2)年的數(shù)據(jù)進(jìn)行分析。

表6是財(cái)務(wù)危機(jī)公司和正常公司的成長(zhǎng)能力指標(biāo)在發(fā)生財(cái)務(wù)危機(jī)前2年的統(tǒng)計(jì)性描述，包括最大值、最小值、平均數(shù)、標(biāo)準(zhǔn)差和t值。

篇10

中圖分類號(hào)：F830.593 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004-5937（2015）17-0047-04

中小投資者是相對(duì)于大股東或控股股東而言，一般來(lái)講，投資者按其在公司中所占股權(quán)比例大小和對(duì)股價(jià)的實(shí)際控制能力的大小，劃分為機(jī)構(gòu)投資者或大股東和中小投資者（中小股東）。目前在我國(guó)證券市場(chǎng)上，中小投資者處于相對(duì)劣勢(shì)地位，屬于“弱勢(shì)群體”，掌握不到足夠的財(cái)務(wù)信息，大部分中小投資者很難獲得投資收益，而且機(jī)構(gòu)投資者和中小投資者投入的資金數(shù)額不同，投資目的不同，因此，二者所使用的財(cái)務(wù)分析體系也應(yīng)該有所區(qū)別，應(yīng)基于中小投資者的視角建立簡(jiǎn)單明了的財(cái)務(wù)分析體系，從而幫助更多的中小投資者作出正確的投資決策，并獲得收益。從中小投資者的角度建立財(cái)務(wù)報(bào)表分析體系首先應(yīng)充分考慮中小投資者的特點(diǎn)，使財(cái)務(wù)分析體系的設(shè)計(jì)更具有針對(duì)性及適用性。本文通過(guò)問(wèn)卷調(diào)查取得部分相關(guān)數(shù)據(jù)，問(wèn)卷設(shè)計(jì)成兩部分，第一部分用來(lái)調(diào)查中小投資者所具有的特點(diǎn)，第二部分用來(lái)調(diào)查中小投資者投資時(shí)財(cái)務(wù)分析手段使用情況，以及希望得到什么樣的財(cái)務(wù)分析手段。采用抽樣調(diào)查法，調(diào)查時(shí)段約兩個(gè)月，調(diào)查的對(duì)象為中小投資者，實(shí)際發(fā)放調(diào)查問(wèn)卷2 500份，收回調(diào)查問(wèn)卷2 390份，有效調(diào)查問(wèn)卷2 000份。其中本文分析中所涉及到的償債能力分析指標(biāo)、營(yíng)運(yùn)能力分析指標(biāo)、盈利能力分析指標(biāo)以及成長(zhǎng)能力分析指標(biāo)為多選，這就導(dǎo)致了其所占比例和不等于1。但是對(duì)于每個(gè)選項(xiàng)來(lái)說(shuō)，其被選擇的概率是平等的，所以單獨(dú)計(jì)算每個(gè)選項(xiàng)所使用的頻數(shù)是具有可行性的。

一、中小投資者的特點(diǎn)

（一）中小投資者戶數(shù)所占的比例較高

近年來(lái)，在我國(guó)的證券市場(chǎng)上，中小投資者戶數(shù)所占的比例一直很高。上海證券交易所統(tǒng)計(jì)年鑒（2014）公布自然人投資者2013年占比82.24%，比2012年占比80.78%增長(zhǎng)1.8%；根據(jù)深圳證券交易所統(tǒng)計(jì)數(shù)據(jù)，2014年中小投資者戶數(shù)所占比重達(dá)99%以上。在中國(guó)股市未來(lái)的一段時(shí)期，中小投資者仍然是證券市場(chǎng)上的主體，以中小投資者為主體，研究上市公司財(cái)務(wù)報(bào)表分析體系，具有重要的意義。

（二）中小投資者交易頻繁，持股期限較短

總體上中小投資者交易較為頻繁。具體表現(xiàn)在資金周轉(zhuǎn)率仍處于較高水平，個(gè)人交易頻度遠(yuǎn)高于機(jī)構(gòu)，小投資者高于大投資者。2009―2012年個(gè)人投資者年資金周轉(zhuǎn)率分別為8.99、7.21、6.35和6.9，機(jī)構(gòu)投資者年資金周轉(zhuǎn)率分別為3.83、1.61、1.41和1.42。中小投資者偏好持有和交易投機(jī)性較強(qiáng)的高市盈率股、低價(jià)股和ST股。個(gè)人投資者平均持股期限僅為39.1天，遠(yuǎn)低于機(jī)構(gòu)投資者的190.3天?？紤]到這個(gè)特點(diǎn)，在設(shè)計(jì)財(cái)務(wù)報(bào)表分析體系時(shí)應(yīng)偏重于短期財(cái)務(wù)指標(biāo)的使用。

（三）中小投資者處于信息的弱勢(shì)地位

中小投資者信息的弱勢(shì)地位具體表現(xiàn)在以下方面：其一，中小投資者一般只能從網(wǎng)站上或電視報(bào)紙上獲得上市公司的公開(kāi)信息，并不能了解上市公司的一些內(nèi)部交易；其二，有些上市公司為了獲得更多的投資，對(duì)財(cái)務(wù)報(bào)表進(jìn)行粉飾，中小投資者由于缺乏專業(yè)的投資知識(shí)，并不能識(shí)別這些被粉飾的數(shù)據(jù)；其三，機(jī)構(gòu)投資者可以通過(guò)專業(yè)人士對(duì)上市公司的財(cái)務(wù)報(bào)表進(jìn)行分析，能夠獲得更多的關(guān)于被投資公司的信息，而中小投資者考慮到使用專業(yè)人士進(jìn)行財(cái)務(wù)分析的成本，一般情況下是憑借自身的能力進(jìn)行投資。這一特點(diǎn)要求在建立財(cái)務(wù)報(bào)表分析體系時(shí)，所使用的數(shù)據(jù)應(yīng)該充分考慮中小投資者是否能夠獲得，除此之外，還應(yīng)該考慮中小投資者獲得這些數(shù)據(jù)的成本，只有在中小投資者能夠獲得這些數(shù)據(jù)且成本效益最大化的情況下，所建立的財(cái)務(wù)報(bào)表分析體系才有實(shí)際意義。

（四）中小投資者缺乏專業(yè)的財(cái)務(wù)報(bào)表分析手段

中小投資者一般是非專業(yè)投資者，大多數(shù)不具備專業(yè)的知識(shí)以及豐富的經(jīng)驗(yàn)。通過(guò)對(duì)問(wèn)卷調(diào)查的數(shù)據(jù)進(jìn)行分析，得出中小投資者使用財(cái)務(wù)報(bào)表的頻率，如表1所示。

從表1的數(shù)據(jù)可知，30.5%的中小投資者幾乎不使用財(cái)務(wù)分析手段對(duì)所要投資公司的財(cái)務(wù)報(bào)表進(jìn)行分析研究，一半以上的中小投資者偶爾使用財(cái)務(wù)分析手段，僅有15%的中小投資者在投資前，會(huì)使用財(cái)務(wù)分析手段對(duì)目標(biāo)公司進(jìn)行分析。中小投資者進(jìn)行投資的依據(jù)大多數(shù)是網(wǎng)絡(luò)上的一些信息或者是跟風(fēng)，這就直接導(dǎo)致了中小投資者進(jìn)行投資的收益不樂(lè)觀，如表2所示。

從表2可以得知，將近七成的中小投資者的投資收益處于保本和虧損狀態(tài)。具體來(lái)說(shuō)，對(duì)于經(jīng)常使用財(cái)務(wù)報(bào)表手段的人來(lái)說(shuō)，其獲得投資收益的情況是比較可觀的，有63.33%的中小投資者可以獲得投資收益，相反的，對(duì)于幾乎不使用財(cái)務(wù)報(bào)表分析手段的投資者來(lái)說(shuō)，有72.13%的中小投資者的投資收益處于保本和虧損狀態(tài)。

從以上分析可以看出，從中小投資者角度出發(fā)建立上市公司財(cái)務(wù)報(bào)表分析體系具有一定的必要性，在建立財(cái)務(wù)報(bào)表分析體系時(shí)，必須要考慮中小投資者專業(yè)知識(shí)匱乏的情況，要用簡(jiǎn)單便于理解的財(cái)務(wù)指標(biāo)指導(dǎo)中小投資者進(jìn)行投資，改變投資收益不樂(lè)觀的現(xiàn)狀。

二、財(cái)務(wù)分析指標(biāo)的選取

（一）償債能力指標(biāo)

償債能力是指利用經(jīng)濟(jì)資源償還債務(wù)本息的一種能力，可以揭示投資公司的風(fēng)險(xiǎn)大小。具體分為短期償債能力以及長(zhǎng)期償債能力分析。調(diào)查問(wèn)卷相關(guān)分析結(jié)果如表3所示。

從表3可知，在2 000份調(diào)查問(wèn)卷中，流動(dòng)比率指標(biāo)使用人數(shù)900人，占45%；速動(dòng)比率指標(biāo)使用人數(shù)530人，占26.5%；現(xiàn)金比率指標(biāo)使用人數(shù)370人，占18.5%；資產(chǎn)負(fù)債率指標(biāo)使用人數(shù)680人，占34%；有形資產(chǎn)負(fù)債率指標(biāo)使用人數(shù)270人，占13.5%；產(chǎn)權(quán)比率指標(biāo)使用人數(shù)250人，占12.5%；任何指標(biāo)都沒(méi)有使用的人數(shù)140人，占7%。

考慮到數(shù)據(jù)的可獲取性以及調(diào)查問(wèn)卷中中小投資者使用人數(shù)所占比重的大小，從中小投資者角度偏重于短期指標(biāo)的使用，選取流動(dòng)比率、速動(dòng)比率以及資產(chǎn)負(fù)債率反映公司的償債能力。

（二）營(yíng)運(yùn)能力指標(biāo)

營(yíng)運(yùn)能力主要是通過(guò)對(duì)公司的資產(chǎn)效率進(jìn)行分析，反映公司的資產(chǎn)管理水平。一般情況下，企業(yè)的資產(chǎn)營(yíng)運(yùn)能力越高，其變現(xiàn)能力也就越強(qiáng)。調(diào)查問(wèn)卷相關(guān)分析結(jié)果如表4所示。

從表4可以看出，在2 000份調(diào)查問(wèn)卷中，總資產(chǎn)周轉(zhuǎn)率指標(biāo)使用人數(shù)520人，占26%；應(yīng)收賬款周轉(zhuǎn)率指標(biāo)使用人數(shù)660人，占33%；存貨周轉(zhuǎn)率指標(biāo)使用人數(shù)940人，占47%；流動(dòng)資產(chǎn)周轉(zhuǎn)率指標(biāo)使用人數(shù)580人，占29%；任何指標(biāo)都沒(méi)有使用的人數(shù)300人，占15%。

從中小投資者角度，考慮到數(shù)據(jù)的可獲取性以及計(jì)算的方便，選取使用人數(shù)所占比例較大的指標(biāo)：存貨周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率和流動(dòng)資產(chǎn)周轉(zhuǎn)率反映公司的營(yíng)運(yùn)能力。

（三）盈利能力指標(biāo)

盈利能力是指一個(gè)企業(yè)運(yùn)用其所擁有的經(jīng)濟(jì)資源在一定時(shí)間內(nèi)獲取利潤(rùn)的能力。調(diào)查問(wèn)卷相關(guān)分析結(jié)果如表5所示。

從表5可以看出，在2 000份調(diào)查問(wèn)卷中，銷(xiāo)售凈利潤(rùn)率指標(biāo)使用人數(shù)930人，占46.5%；資產(chǎn)凈利潤(rùn)率指標(biāo)使用人數(shù)540人，占27%；凈資產(chǎn)利潤(rùn)率指標(biāo)使用人數(shù)630人，占31.5%；每股盈余指標(biāo)使用人數(shù)320人，占16%；銷(xiāo)售毛利率指標(biāo)使用人數(shù)500人，占25%；市盈率指標(biāo)使用人數(shù)280人，占14%；基本獲利率指標(biāo)使用人數(shù)340人，占17%。根據(jù)調(diào)查結(jié)果，選取銷(xiāo)售凈利潤(rùn)率、凈資產(chǎn)利潤(rùn)率、銷(xiāo)售毛利率反映公司的盈利能力。

（四）發(fā)展能力指標(biāo)

發(fā)展能力是指企業(yè)在長(zhǎng)時(shí)間內(nèi)由小變大、由弱變強(qiáng)的變革過(guò)程。調(diào)查問(wèn)卷相關(guān)分析結(jié)果如表6所示。

從表6可以看出，在2 000份調(diào)查問(wèn)卷中，總資產(chǎn)增長(zhǎng)率指標(biāo)使用人數(shù)1 000人，占50%；營(yíng)業(yè)收入增長(zhǎng)率指標(biāo)使用人數(shù)720人，占36%；凈利潤(rùn)增長(zhǎng)率指標(biāo)使用人數(shù)360人，占18%；股東權(quán)益增長(zhǎng)率指標(biāo)使用人數(shù)600人，占30%；任何指標(biāo)都沒(méi)有使用的人數(shù)320人，占16%。根據(jù)調(diào)查結(jié)果，從中小投資者的角度選取總資產(chǎn)增長(zhǎng)率、營(yíng)業(yè)收入增長(zhǎng)率以及股東權(quán)益增長(zhǎng)率反映公司的成長(zhǎng)能力。

三、財(cái)務(wù)分析體系的設(shè)計(jì)

財(cái)務(wù)指標(biāo)確定之后，為了方便中小投資者對(duì)上市公司進(jìn)行分析，借鑒沃爾評(píng)分法的思路，建立綜合評(píng)分體系，以直觀分?jǐn)?shù)來(lái)評(píng)價(jià)不同的投資對(duì)象。首先計(jì)算其各指標(biāo)的權(quán)重，研究采用簡(jiǎn)單的層次分析法來(lái)確定各指標(biāo)的權(quán)重。建立的層次結(jié)構(gòu)圖有3層，包括目標(biāo)層、指標(biāo)層以及子指標(biāo)層。目標(biāo)層是指確定各財(cái)務(wù)指標(biāo)在所建立的財(cái)務(wù)報(bào)表分析體系中的權(quán)重；指標(biāo)層包括評(píng)價(jià)公司財(cái)務(wù)狀況的主要財(cái)務(wù)指標(biāo)，具體包括盈利能力指標(biāo)、運(yùn)營(yíng)能力指標(biāo)、償債能力指標(biāo)以及發(fā)展能力指標(biāo)；子指標(biāo)層是根據(jù)調(diào)查報(bào)告所確定使用的財(cái)務(wù)比率。最終得出財(cái)務(wù)報(bào)表分析的綜合體系，如表7所示。

其中，償債能力指標(biāo)、盈利能力指標(biāo)以及營(yíng)運(yùn)能力指標(biāo)所使用的標(biāo)準(zhǔn)值是根據(jù)企業(yè)通常所設(shè)置的數(shù)值確定的，而發(fā)展能力所使用的標(biāo)準(zhǔn)值是根據(jù)2013《中國(guó)統(tǒng)計(jì)年鑒》計(jì)算分析得出。另外，需要注意資產(chǎn)負(fù)債率是反向指標(biāo)，為了使數(shù)據(jù)具有方向上的一致性，在計(jì)算實(shí)際得分時(shí)使用資產(chǎn)負(fù)債率的倒數(shù)。

目標(biāo)投資上市公司綜合得分=實(shí)際值÷標(biāo)準(zhǔn)值×權(quán)重

上市公司的綜合得分反映了公司的財(cái)務(wù)狀況，如果綜合得分等于或接近于100分，說(shuō)明該公司的財(cái)務(wù)狀況是良好的；如果綜合得分遠(yuǎn)遠(yuǎn)低于100分，則說(shuō)明該公司的財(cái)務(wù)狀況較差；如果綜合得分遠(yuǎn)遠(yuǎn)高于100分，則說(shuō)明該公司的財(cái)務(wù)狀況很理想。

四、中小投資者視角的財(cái)務(wù)報(bào)表分析體系運(yùn)用研究

研究引用的數(shù)據(jù)從新浪財(cái)經(jīng)網(wǎng)獲取，以制造行業(yè)為例，抽取6家上市公司進(jìn)行分析，這6家公司分別為：三星電氣、龍?jiān)醇夹g(shù)、林洋電子、永高股份、岳陽(yáng)林紙、上海綠新，時(shí)間截點(diǎn)為2012年的年報(bào)。選取上市公司時(shí)考慮到選取反差比較明顯的公司以便于比較，從而有利于驗(yàn)證所建立的財(cái)務(wù)報(bào)表分析體系的實(shí)用性。使用表7綜合評(píng)價(jià)體系對(duì)所選取的制造業(yè)上市公司分析，6家上市公司2012年財(cái)務(wù)比率綜合評(píng)分值分別如下：上海綠新107.77分；龍?jiān)醇夹g(shù)120.27分；林洋電子96.82分；三星電氣78.22分；永高股份140.44分；岳陽(yáng)林紙37.72分。通過(guò)以上數(shù)據(jù)可以看出，龍?jiān)醇夹g(shù)、永高股份以及凱樂(lè)科技的綜合得分遠(yuǎn)遠(yuǎn)高于100分，說(shuō)明這3家上市公司的財(cái)務(wù)狀況很理想，另外，林洋電子的財(cái)務(wù)比率綜合得分接近于100分，說(shuō)明該公司的財(cái)務(wù)狀況是良好的。而岳陽(yáng)林紙的財(cái)務(wù)比率遠(yuǎn)遠(yuǎn)低于100分，說(shuō)明該公司的財(cái)務(wù)狀況現(xiàn)階段比較差。將上述計(jì)算結(jié)果與實(shí)際情況進(jìn)行比較，在實(shí)際投資市場(chǎng)上，通過(guò)商務(wù)部Themis上市公司財(cái)務(wù)安全評(píng)級(jí)，得出表8。

通過(guò)將本文設(shè)計(jì)的財(cái)務(wù)報(bào)表分析體系運(yùn)用的結(jié)果和商務(wù)部Themis上市公司財(cái)務(wù)安全評(píng)級(jí)結(jié)果進(jìn)行對(duì)比分析，本文所建立的財(cái)務(wù)報(bào)表分析體系對(duì)這6家上市公司財(cái)務(wù)狀況的分析與在實(shí)際投資市場(chǎng)上所表現(xiàn)的是一致的，說(shuō)明該財(cái)務(wù)報(bào)表評(píng)價(jià)體系具有可行性和有效性，能夠幫助中小投資者作出正確的投資決策。

【參考文獻(xiàn)】

[1] 阮永平.上市公司財(cái)務(wù)報(bào)表解讀――新會(huì)計(jì)準(zhǔn)則下投資價(jià)值挖掘視角[M].上海：華東理工大學(xué)出版社，2010.

[2] 中國(guó)注冊(cè)會(huì)計(jì)師協(xié)會(huì).財(cái)務(wù)成本管理[M].北京：中國(guó)財(cái)政經(jīng)濟(jì)出版社，2011.

[3] 中國(guó)證券業(yè)協(xié)會(huì).中國(guó)證券業(yè)發(fā)展報(bào)告（2013）[R].北京：中國(guó)財(cái)政經(jīng)濟(jì)出版社，2013.

[4] 趙輝.基于中小投資者的上市公司經(jīng)營(yíng)業(yè)績(jī)?cè)u(píng)價(jià)研究[D].山東大學(xué)碩士學(xué)位論文，2012.

[5] 王宛秋，張艷秋.財(cái)務(wù)報(bào)表分析[M].北京：北京工業(yè)大學(xué)出版社，2010.

[6] 姜冰.基于中小投資者視角的上市公司財(cái)務(wù)報(bào)表分析研究[D].云南財(cái)經(jīng)大學(xué)碩士學(xué)位論文，2012.

[7] 郭學(xué)鵬.普通中小投資者對(duì)上市公司財(cái)務(wù)報(bào)表分析的方法運(yùn)用[J].中國(guó)鄉(xiāng)鎮(zhèn)企業(yè)會(huì)計(jì)，2013（11）：50-51.