财务风险预警分析的研究

我国对财务风险预警分析的研究起步较晚，而国外对相关领域的研究起步较早。一些企业已经将财务风险预警模型投入实际应用。下面将介绍一些常见的预警模型。非定量分析主要包括：标准化调查法、“四阶段症状”分析法、“三个月资本周转表”分析法、流程图分析法、管理评分法等；定量分析分为单变量判断模型和多变量判断模型。本文主要介绍量化分析。1.单变量预警模型。单变量预警模型是利用个别财务比率预测财务危机的模型。美国学者williambeaver通过对1954-1964年79家失败企业和资产规模相同的成功企业的比较研究，提出了单变量预警模型。他认为，预测财务失败的比例如下：（1）现金保障率=现金流/债务总额；（2）资产收益率=净收益/资产总额（3）资产负债率=负债总额/资产总额（4）资产安全率=资产变现率-资产负债率，其中资产变现率=资产变现金额/资产账面金额。他的研究认为，现金保证率可以最好地确定企业的财务状况。二是资产负债率，离失败日越近，误判率越低。

 

单变量预测模型方法易于理解，但其缺点也很明显。（1）由于单一比例不同于多个财务比例，可以反映企业的整体财务状况，因此企业在建立模型时需要选择最能反映企业财务运作核心特征的财务比例作为预测指标。（2）为了掩盖真实的财务状况，企业的核心管理层经常粉饰一些财务比例，因此这些不真实财务比例产生的预警信息失去了可靠性。（3）对于同一家公司，预测器可能会因使用率的不同而得到不同的预测结果。

 

2.多变量预警模型。多变量预警模型是利用各种财务比率加权汇总形成线性函数公式预测财务危机的模型。在多变量预警模型中，纽约大学教授Altman的Z-Score五变量模型应用最为广泛。根据1946年至1965年的规模和行业，33家破产企业和33家非破产企业申请破产作为样本。在大量实证调查分析研究的基础上，从最初的22个财务比例中选择了5个，利用破产企业破产前一年的数据和非破产企业在相应时间段的数据，用统计方法对5个财务比例给出一定的权重，然后计算其加权平均值（即Z值）。

 

Z-Score五变量模型的差异函数表示如下：Z=0.012X1+0.014X2+0.03X3+0.006X4+0.99X5Z—差异函数值)

 

X1-营运资金÷资产总额

 

X2-留存收益÷资产总额

 

息税前利润X3-息税前利润利润÷资产总额

 

X4-普通股和优先股市场价值总额÷债务账面价值总额

 

X5-销售收入÷总资产来自上市公司的研究，应用范围不广。因此，Altman重新评估了变量X4，并将其确定为:股票账面价值(所有者权益)/总债务账面价值。新模型被Altman称为Z模型，其基本表达式为:

 

Z=0.717x1+0.847X2+3.107x3+0.42X4+0.998X5≥2.99时，陷入财务困境的可能性很小；2.79时，≤Z2.99时，有可能陷入财务困境；1.811时，≤z2.7时，很有可能陷入财务困境；当Z.1.81时，很有可能陷入财务困境。

 

Z模型克服了单变量预警模型的缺陷，包括几乎所有预测能力强的指标。它不仅可以预测企业的财务发展，还可以分析企业的竞争对手、供应商、客户和利益相关公司。

 

但其局限性在于：（1）不具有横向可比性，即不能用于不同规模和行业的公司之间的比较。（2）根据权责发生制编制的报告材料，不考虑更客观的现金流指标，可能无法真正反映企业的实际财务质量。

 

为了解决权责发生制原则带来的人为操纵财务比率的问题，增加了现金流量分析的两个指标：现金利润质量率和现金增值质量率。现金利润质量率=现金利润值/净利润。其中，现金利润值是根据现金流量表提供的财务信息计算的企业现金净收益。计算公式为：现金利润值=经营活动现金净流量+股息利润收益+债券利息收益+长期资产处置收益-利息融资费用支付。现金增值质量率=现金增值/保留收益。其中，现金增值是企业支付各种现金分配后的保留现金收益。计算公式为：现金增加值=现金利润值-分配股利现金支付。

 

3.其他预警模型。目前，还有其他常见的财务预警分析方法，如人工神经网络分析方法、F分数模型、近邻法、分类树法等。可以看出，随着实际应用的发展，财务预警模型不断得到改进和更新。