財務(wù)風(fēng)險預警模型構建實(shí)證分析

【摘要】 財務(wù)風(fēng)險預警模型可以從定量角度客觀(guān)正確判定企業(yè)的財務(wù)危機程度，網(wǎng)絡(luò )的普及對此頗具影響。本文采用實(shí)證方法，選取了5個(gè)財務(wù)指標作為模型變量，構建了一個(gè)基于極值原理的Fisher線(xiàn)性判別模型，并對該模型進(jìn)行了實(shí)證檢驗。結果表明，該模型具有較好的對企業(yè)財務(wù)狀況和風(fēng)險狀況進(jìn)行評價(jià)預警的能力。
　　【關(guān)鍵詞】 財務(wù)預警模型指標；財務(wù)風(fēng)險預警模型；多元線(xiàn)性函數模型
　　
　　網(wǎng)絡(luò )環(huán)境作為全球化的技術(shù)環(huán)境，使會(huì )計行業(yè)發(fā)生了根本性的變革，企業(yè)治理者越來(lái)越多的關(guān)注網(wǎng)絡(luò )所帶來(lái)的挑戰與機遇。網(wǎng)絡(luò )財務(wù)在我國尚處于初期階段，它的運用存在諸多新風(fēng)險，建立一套有效的財務(wù)風(fēng)險預警系統是必然選擇，而建立財務(wù)風(fēng)險預警系統最關(guān)鍵的就是構建財務(wù)風(fēng)險預警模型。
　　本文以為現金流量表能客觀(guān)地反映企業(yè)的經(jīng)營(yíng)狀況及獲利能力，而且由于現金流量的計算不涉及權責發(fā)生制，幾乎沒(méi)有造假的可能，因此本文是基于現金流的F記分模型為基礎構建網(wǎng)絡(luò )環(huán)境下的財務(wù)風(fēng)險預警模型。
　　
　　一、樣本的選擇
　　
　　本文對企業(yè)財務(wù)風(fēng)險預警模型進(jìn)行實(shí)證研究，研究的主體是我國A股市場(chǎng)的上市公司，利用公然表露的企業(yè)信息來(lái)研究上市公司陷進(jìn)財務(wù)危機的可猜測性。
　　在確定樣本企業(yè)時(shí)，選取了一組在上海證券交易所上市交易的18家ST公司，同時(shí)還相應地選擇同行業(yè)、同規模的18家非ST公司作為研究樣本，總樣本共36家。研究數據主要來(lái)自上海證券報上公然表露的2002年度到2006年度的年度報告的有關(guān)資料。
　　
　　二、財務(wù)預警模型指標的選擇
　　
　　任何企業(yè)的財務(wù)危機都會(huì )通過(guò)一些敏感性財務(wù)指標值反映出來(lái)。因此，設置一些敏感性財務(wù)指標是建立財務(wù)預警機制的基礎�；�于網(wǎng)絡(luò )環(huán)境下現金流量對企業(yè)的重要性，本文主要從企業(yè)財務(wù)活動(dòng)的角度，確定了三大類(lèi)基礎指標：經(jīng)營(yíng)環(huán)節風(fēng)險指標，包括應收賬款周轉率、存貨周轉率、主營(yíng)業(yè)務(wù)收進(jìn)增長(cháng)率、營(yíng)業(yè)周期、現金流進(jìn)量與現金流出量之比、銷(xiāo)售營(yíng)業(yè)現金流進(jìn)比；籌資環(huán)節風(fēng)險指標，包括活動(dòng)比率、速動(dòng)比率、資產(chǎn)負債率、產(chǎn)權比率、已獲利息倍數、長(cháng)期資產(chǎn)合適率、總資產(chǎn)增長(cháng)率、現金活動(dòng)負債比率、現金盈利值、營(yíng)運資金占用額；投資環(huán)節風(fēng)險指標，主要包括總資產(chǎn)報酬率、總資產(chǎn)周轉率、總資產(chǎn)凈現率。
　　為了全面客觀(guān)地檢驗上市公司的經(jīng)營(yíng)好壞，所選取的財務(wù)指標要具有全面性與綜合性，保證所選指標之間存在明顯性差異；為避免指標之間某些特征重復計算，盡量消除變量的高度相關(guān)性。為此，本文將通過(guò)兩個(gè)步驟選取建模指標。
　�。ㄒ唬┻\用T檢驗，判定財務(wù)指標的明顯性差異
　　利用收集的總共36家企業(yè)的數據資料，分組計算19個(gè)財務(wù)指標在被掛名ST前兩年的均勻值，計算兩組樣本各指標值的T檢驗值。
　　這個(gè)過(guò)程可以通過(guò)SPSS統計分析軟件中的樣本明顯性檢驗功能，對數據進(jìn)行檢驗。為了讓更多的指標進(jìn)選，現將T檢驗的判別標準定為：｜T｜≥1.7。在雙尾檢驗的明顯性概率中，通過(guò)檢驗的指標較多，在前一年有十二個(gè)，在前兩年有八個(gè)。模型中包括過(guò)多的指標，會(huì )不利于對上市公司的財務(wù)危機進(jìn)行有效的猜測。因此，需再通過(guò)明顯性的指標中再次篩選。
　　通過(guò)綜合考慮，最初選定了五個(gè)財務(wù)指標即：X1銷(xiāo)售營(yíng)業(yè)現金流進(jìn)比、X2資產(chǎn)負債率、X3營(yíng)運資金占用率、X4總資產(chǎn)報酬率和X5總資產(chǎn)周轉率。
　�。ǘ�）運用因子分析法，檢驗財務(wù)指標的相關(guān)性
　　假如上述所選的五個(gè)指標之間高度相關(guān)，那么就會(huì )使某些特征重復計算，引起夸大的危害，因此在選擇終極變量時(shí)應盡量消除變量的高度相關(guān)性。
　　這個(gè)過(guò)程可以通過(guò)SPSS統計分析軟件中的因子分析功能，對五個(gè)指標進(jìn)行檢驗，其檢驗結果表明，這五個(gè)指標的相關(guān)系數都是小于0.5的。因此，可以選擇這五個(gè)指標來(lái)構建模型。
　　
　　三、財務(wù)風(fēng)險預警模型的構建
　　
　　本文將采用基于極值原理的Fisher判別法。其基本思想是：把***題目化為一維題目，并應用線(xiàn)性判別函數解決判別題目。
　　第一步，在構建模型前，需要確定所選的樣本數據是否是有效的。運用SPSS軟件，對樣本進(jìn)行判別分析，經(jīng)判別后，有效觀(guān)丈量為36。
　　第二步，檢驗五個(gè)指標的均值在ST組和非ST組之間是否存在明顯的差異，從而證實(shí)這些變量在構造猜測模型中的代表性。經(jīng)SPSS軟件檢驗證實(shí)，五個(gè)指標的均值在ST組和非ST組之間確實(shí)存在著(zhù)明顯差別。
　　第三步，運用SPSS軟件，對五個(gè)指標進(jìn)行F線(xiàn)性判別，得到：
　　前一年的線(xiàn)性判別模型為：
　　Y=0.365X₁-0.455X₂ 0.002X₃ 0.802X₄ 0.404X₅ 1.388
　　前兩年的線(xiàn)性判別模型為：
　　 Y=0.114X₁-0.968X₂ 0.079X₃-0.026X₄ 0.721X₅-0.525
　　根據前一年的判別模型，將企業(yè)成為ST前一年的數據進(jìn)行回代代進(jìn)，得到樣本企業(yè)的Y，Y=1.43，依據此分界值對樣本企業(yè)進(jìn)行檢驗。若Y值＜1.43，則說(shuō)明該企業(yè)在未來(lái)一年內將陷進(jìn)財務(wù)危機，反之，則為正常企業(yè)。檢驗結果表明：在ST組中，只有一家企業(yè)被誤判，猜測的正確率可達94.44%；在非ST組中，只有兩家企業(yè)被誤判，猜測的正確率可達88.89%。
　　同理，根據前兩年的判別模型，將企業(yè)成為ST前兩年的數據進(jìn)行回代代進(jìn)，得到樣本企業(yè)的Y，Y=-0.60，依據此分界值對樣本企業(yè)進(jìn)行檢驗。若Y值＜-0.60，則說(shuō)明該企業(yè)在未來(lái)一年內將陷進(jìn)財務(wù)危機，反之，則為正常企業(yè)。經(jīng)檢驗發(fā)現，在ST組中，有三家企業(yè)被誤判，猜測的正確率可達83.3%；在非ST組中，有四家企業(yè)被誤判，猜測的正確率可達77.8%。
　　經(jīng)過(guò)檢驗，此模型在企業(yè)發(fā)生財務(wù)危機前一年的正確率要比在前兩年的判別正確率高，即離企業(yè)發(fā)生財務(wù)危機的時(shí)間越短，判別的正確率越高。這與企業(yè)發(fā)生財務(wù)危機的實(shí)際情況相符，因而證實(shí)，可以采用此模型進(jìn)行實(shí)證檢驗。 　　四、模型的實(shí)證檢驗
　　
　　本研究運用SPSS軟件做出了比較理想的多元線(xiàn)性回回判定模型，而該模型的運行效果是否也能理想，其判定是否正確，猜測結果是否符合實(shí)際情況，這些題目都還需要進(jìn)一步檢驗。
　　下表是從隨機選取的作為研究樣本的12家上市公司公布的最新財務(wù)報告中提取數據來(lái)檢驗模型的結果。
　　
　　從表中Y值可以看出，對于正常企業(yè)，所有的Y值全部高于1.43，模型驗證正確率為100%,而對于ST類(lèi)的企業(yè)，只有50％的Y值是在1.43以下，另外50％Y值處于健康企業(yè)的范圍,模型驗證正確率為50%。
　　對于ST企業(yè)的判定之所以會(huì )有這樣的偏差，筆者以為原因不過(guò)乎以下幾方面：
　　一是部分ST企業(yè)由于經(jīng)營(yíng)狀況的改善使得財務(wù)狀況可能向好的方向轉變，這種情況下，我們以為是模型判定企業(yè)的經(jīng)營(yíng)狀況得到改觀(guān)；二是由于2007年中國股市暴漲，上市公司在股市上漲過(guò)程中賺取了大量的投資收益，從而使得報表中的純利潤一項較往年大幅增長(cháng)；三是本文建模用的樣本數據不夠全面。這些樣本并沒(méi)有涉及到所有行業(yè)的、地區的或是各種性質(zhì)的企業(yè)；四是由于作者水平有限，模型可能存在漏洞也會(huì )導致判定出現偏差。
　　
　　五、研究結論
　　
　　通過(guò)本文的理論總結與實(shí)證分析，得出以下結論：
　　第一，多元線(xiàn)性回回模型在我國財務(wù)預警研究中具有很高的應用價(jià)值。實(shí)證結果表明，該方法建立的模型具有較高的判別精度和猜測能力，可以獲得較好的預警結果。第二，將逐步判別分析方法應用于財務(wù)預警研究中，可以在減少模型變量的同時(shí)，達到與全部備選變量構建的全變量猜測模型相近的判別精度和猜測能力，使終極構建的猜測模型更符合本錢(qián)效益原則，具有較高的應用價(jià)值。第三，本研究采用上市公司年度財務(wù)報告數據來(lái)構建財務(wù)預警模型，極大地進(jìn)步了財務(wù)危機猜測的及時(shí)性，給企業(yè)一般投資者和債權人增加了一條更及時(shí)更正確的預警途徑。
　　
　　六、本實(shí)證分析的局限性
　　
　　一是所選上市公司的行業(yè)區別帶來(lái)的模型偏差未能解決。未能通過(guò)控制變量的方法來(lái)減少外部經(jīng)濟環(huán)境因素所可能帶來(lái)的猜測偏差。二是此猜測模型結論的正確性受到上市公司發(fā)布財務(wù)數據真實(shí)性的影響，可能導致相應的一些財務(wù)指標出現異常。三是由于受上市公司樣本數據收集的限制，一時(shí)還無(wú)法對這些樣本進(jìn)行連續幾年的跟蹤檢驗，但這種方法和思路已經(jīng)給了我們一個(gè)良好的開(kāi)端。四是未能收集足夠的公司樣本進(jìn)行研究。
　　
　　【參考文獻】
　　[1] 趙息，肖錚，何輝渝．Logistic模型在上市公司財務(wù)預警中的應用研究[J]．西安電子科技大學(xué)學(xué)報，2007，（2）：21-24.
　　[2] 蘆勇. 中小企業(yè)財務(wù)風(fēng)險預警系統的指標體系研究[J]. 企業(yè)家天地，2006，（10）：64.
　　[3] 智文義，王恒，張利軍. 淺談企業(yè)財務(wù)預警系統[J]. 機械治理開(kāi)發(fā)，2007，（3）：147-148.
　　[4] 定鵬.中小企業(yè)財務(wù)預警系統探討 [J].中國集體經(jīng)濟， 2007，（2）：135-137.
　　[5] 張根明.基于支持向量機的上市公司財務(wù)預警模型研究[J].科技治理研究,2007，（4）：234-235.

【財務(wù)風(fēng)險預警模型構建實(shí)證分析】相關(guān)文章：

企業(yè)財務(wù)預警模型的比較分析03-21

如何構建企業(yè)投資風(fēng)險預警系統03-09

試論企業(yè)全面財務(wù)風(fēng)險治理體系模型的構建03-21

我國裝修企業(yè)財務(wù)風(fēng)險預警體系構建及應對建議02-24

基于因子分析的套利定價(jià)模型及實(shí)證研究03-24

關(guān)于廣西生態(tài)城市評價(jià)體系的構建與實(shí)證分析03-12

財務(wù)失敗預警模型研究綜述03-22

淺析基于GARCH-VaR模型的股指期貨風(fēng)險度量實(shí)證研究03-16

審計風(fēng)險的實(shí)證研究12-06