财务预警

　　所谓企业财务预警，即财务失败预警，是指借助企业提供的财务报表、经营计划及其他相关会计资料,利用财会、统计、金融、企业管理、市场营销理论,采用比率分析、比较分析、因素分析及多种分析方法,对企业的经营活动、财务活动等进行分析预测,以发现企业在经营管理活动中潜在的经营风险和财务风险,并在危机发生之前向企业经营者发出警告,督促企业管理当局采取有效措施,避免潜在的风险演变成损失,起到未雨绸缪的作用；而且,作为企业经营预警系统的重要子系统,也可为企业纠正经营方向、改进经营决策和有效配置资源提供可靠依据。进行财务预警分析，建立企业财务预警模型已成为现代企业财务管理的重要内容之一。上市公司的财务信息对多方利益相关者都有着重要影响，建立财务预警系统、强化财务管理、避免财务失败和破产，具有重要意义。

　　1.预知财务危机的征兆

　　当可能危害企业财务状况的关键因素出现时，财务失败预警系统能预先发出警告，提醒企业经营者早做准备或采取对策以减少财务损失。

　　2.预防财务危机发生或控制其进一步扩大

　　当财务危机征兆出现时，有效的财务失败预警系统不仅能预知并预告，还能及时寻找导致企业财务状况进一步恶化的原因，使经营者知其然，更知其所以然，制定有效措施，阻止财务状况进一步恶化，避免严重的财务危机真正发生。

　　3.避免类似的财务危机再次发生

　　有效的财务失败预警系统不仅能及时回避现存的财务危机，而且能通过系统详细地记录其发生缘由、解决措施、处理结果，并及时提出建议，弥补企业现有财务管理及经营中的缺陷，完善财务失败预警系统，从而既提供未来类似情况的前车之鉴，更能从根本上消除隐患。

　　一、单变量模型

　　单变量模型是指使用单一财务变量对企业财务失败分险进行预测的模型。主要有威廉·比弗(William Beaver)于1966年提出的单变量预警模型。他通过对1954～1964年期间的大量失败企业和成功企业比较研究，对14种财务比率进行取舍，最终得出可以有效预测财务失败的比率依次为：

　　1.债务保障率=现金流量÷债务总额

　　2.资产负债率=负债总额÷资产总额

　　3.资产收益率=净收益÷资产总额

　　4.资产安全率=资产变现率-资产负债率

　　Beaver认为债务保障率能够最好地判定企业的财务状况（误判率最低）；其次是资产负债率，且离失败日越近，误判率越低。但各比率判断准确率在不同的情况下会有所差异，所以在实际应用中往往使用一组财务比率，而不是一个比率，这样才能取得良好的预测效果。

　　二、多变量模型

　　多变量模型是指使用多个变量组成的鉴别函数来预测企业财务失败的模型。较早使用多变量预测的是美国纽约大学的教授爱德华·阿尔曼(Edwardi.altman)，他是第一个使用鉴别分析（discriminant analysis）研究企业失败预警的人。他选取了1946～1965年间的33家破产的和正常经营的公司，使用了22个财务比率来分析公司潜在的失败危机。他利用逐步多元鉴别分析（MDA）逐步粹取5种最具共同预测能力的财务比率，建立起了一个类似回归方程式的鉴别函数——Z计分法模式。该模型是通过五个变量（五种财务比率）将反映企业偿债能力的指标、获利能力指标和营运能力指标有机联系起来，综合分析预测企业财务失败或破产的可能性。表达式如下：

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

　　其中：Z为判别函数值

　　X1=（营运资金÷资产总额）×100

　　X2=（留存收益÷资产总额）×100

　　X3=（息税前利润÷资产总额）×100

　　X4=（普通股及优先股市场价值总额÷负债账面价值总额）×100

　　X5=销售收入÷资产总额

　　一般地，Z值越低，企业越有可能发生破产。

　　爱德华·阿尔曼还提出了判断企业破产的临界值：

　　若 Z≥2.675，则表明企业的财务状况良好，发生破产的可能性较小；

　　若Z≤1.81，则企业存在很大的破产危险；

　　该模型实际上是通过五个变量（五种财务比率），将反映企业偿债能力的指标（X1、X4）、获利能力的指标（X2、X3）和运营能力的指标（X5）有机联系起来，综合分析预测企业财务失败或破产的可能性。在企业失败前一、二年的预测准确率很高；预测期变长，准确率有所降低，距失败前五年的预测准确率仅为36%.

　　多变量模型除了以上介绍的Z计分法模型以外，还有日本开发银行的多变量预测模型，中国台湾陈肇荣的多元预测模型，以及中国学者周首华、杨济华F分数模型等。但是，这几种模型在实际中的应用并不广泛。就目前为止，Z计分法模型仍然占据着主导地位。

　　在企业出现财务舞弊情况时，虽然上述这些财务失败预警方法可以定量地描述企业，但仍不能就此作出企业财务失败的结论，仍然需要投资者的主观判断。

　　1、望

　　望主要是看行业背景：看行业是处在朝阳行业还是夕阳行业，是处在竞争充分还是保护垄断的行业，是成熟规范的行业还是缺少必要监管的行业，是新业务层出不穷还是业务相对简单的行业，因为行业风险是企业无法回避的风险。

　　一般而言，朝阳行业、保护垄断行业、缺少必要监管的行业、新业务层出不穷的行业出现财务舞弊的风险较高。所以应特别注意行业的风险。如果行业出现危机，企业也必然受累。古语说得好：“覆巢之下，焉有完卵？”

　　2、闻

　　闻主要是看企业实力：企业处在行业中的地位如何，企业产品是成熟产品还是刚研制出来的新产品，企业在消费者中的口碑如何，企业的内部管理是否完善，企业的产品受市场欢迎程度如何，企业员工的精神面貌如何，企业管理层变更情况如何。

　　在信息非常发达的今天，企业无法完全垄断信息，我们可以通过新闻、广播、报纸、互联网等媒体了解一家企业的经营状况。一般而言，企业内部管理不健全、员工精神面貌差、管理层更换频繁等，都是企业出现失败的迹象。

　　3、问

　　问主要是看企业管理：问企业战略目标，看企业制定的战略目标是否符合国家的产业政策、是否符合企业的实际情况；问企业投资策略，看企业投资业务是否过于分散、金融投资业务比重是否过大、是否过度大规模扩张等。

　　一般而言，企业战略目标如果制定得过高或过低，都会影响企业的发展。企业的投资过于分散，也会影响企业战略实施，分散企业管理的精力，不能及时解决企业所产生的问题，影响企业竞争力。

　　4、切

　　切主要是看企业现金流：现金流是企业的血液。利润可以粉饰，但企业现金却是实实在在的链条。如果资金链绷得太紧，企业就有面临破产的风险，所以企业的现金流不能出现问题。考察企业现金情况，可以对企业现金流量表进行分析。如果长时间的经营活动所产生的现金净流量较少，企业必然在某些方面出现败相，并想方设法通过其他手段掩盖资金短缺问题，如通过借款、虚拟收入、提前确认收入等进行粉饰。

　　总之，一个企业若出现长时间的舞弊情况，最终会因为资金链条绷得太紧而断裂。只要投资者细心留意自己的投资对象，总会发现一些蛛丝马迹，然后再运用专业的分析方法进行判断，从而可以提高自己规避风险的能力。

　　在财务预警分析中，常用的基本方法有定性分析法与定量分析法。定性分析法是依靠人们的主观分析判断进行财务预警分析的方法，主要有标准化调查法、“四阶段症状”分析法、流程图分析法、管理评分法等；定量分析法是根据过去比较完备的统计资料，应用一定的数学模型或数理统计方法对各种数据资料进行科学的加工处理，主要有一元判定模型、多元线性判定模型、多元逻辑(Logit)模型、多元概率比(Probit)回归模型、人工神经网络(ANN)模型等方法。

　　一、定性分析方法

　　1.标准化调查法

　　又称风险分析调查法，即通过专业人员、调查公司、协会等，对公司可能遇到的问题进行详细的调查与分析，并形成报告文件供公司管理者参考的方法。

　　该方法的优点是在调查过程中所提出的问题对所有公司或组织都有意义，普遍适用;它的缺点是无法针对特定公司的特定问题进行调查分析。另外，调查时没有对要求回答的每个问题进行解释，也没有引导使用者对所问问题之外的相关信息做出正确判断。

　　2.“四阶段症状”分析法

　　公司财务运营情况不佳，甚至出现财务危机是有特定症状的，而且是逐渐加剧的，财务运营病症大体可以分为四个阶段，即财务危机潜伏期、发作期、恶化期、实现期，每个阶段都有反映危机轻重程度的典型症状。

　　财务危机潜伏期：盲目扩张；无效市场营销，销售额上升，利润下降；企业资产流动性差，资源分配不当；资本结构不合理，疏于风险管理；财务经营信誉持续降低，缺乏有效的管理制度；无视环境的重大变化。

　　财务危机发作期:自有资本不足；过分依赖外部资金，利息负担重；缺乏会计的预警作用；债务拖延偿付。

　　财务危机恶化期:经营者无心经营业务，专心于财务周转;资金周转困难;债务到期违约不支付。

　　财务危机实现期:负债超过资产，丧失偿付能力;宣布倒闭。

　　根据上述症状进行综合分析，公司如有相应症状出现，一定要尽快弄清病因，判定公司财务危机的程度，对症下药，防止危机的进一步发展，使公司尽快摆脱财务困境，以恢复财务的正常运作。这种方法简单明了，但实际中很难将这四个阶段作截然的划分，特别是财务危机的表现症状，它们可能在各个阶段都有相似或互有关联的表现。

　　3.流程图分析法

　　流程图分析是一种动态分析方法，对识别公司生产经营和财务活动的关键点特别有用，运用这种分析方法可以暴露公司潜在的风险。在公司生产经营流程中，必然存在着一些关键点，如果在关键点上出现堵塞和发生损失，将会导致公司全部经营活动终止或资金运转终止。在画出的流程图中，每个公司都可以找出一些关键点，对公司潜在风险进行判断和分析，发现问题及时预警，在关键点处采取防范的措施，才可能有效降低风险。

　　4.管理评分法

　　美国的仁翰·阿吉蒂调查了企业的管理特性及可能导致破产的公司缺陷，按照几种缺陷、错误和征兆进行对比打分，还根据这几项对破产过程产生影响的大小程度对它们作了加权处理。

　　用管理评分法对公司经营管理进行评估时，每一项得分要么是零分，要么是满分，不容许给中间分。所给的分数就表明了管理不善的程度，总分是100分，参照管理评分法中设置的各项目进行打分，分数越高，则公司的处境越差。在理想的公司中，这些分数应当为零；如果评价的分数总计超过25分，就表明公司正面临失败的危险；如果评价的分数总计超过35分，公司就处于严重的危机之中；公司的安全得分一般小于18分。这种管理评分法试图把定性分析判断定量化，这一过程需要进行认真的分析，深入公司及车间，细致的对公司高层管理人员进行调查，全面了解公司管理的各个方面，才能对公司的管理进行客观的评价。这种方法简单易懂，行之有效，但其效果还取决于评分者是否对被评分公司及其管理者有直接、相当的了解。

　　二、定量分析方法

　　1.一元判定模型

　　一元判定模型是指以某一项财务指标作为判别标准来判断公司是否处于破产状态的预测模型。在一元判定模型中，最为关键的一点就是寻找判别临界值。

　　一元判定模型虽然方法简单，使用方便，但总体判别精度不高。对前一年的预测，一元判定模型的预测精度明显低于多元模型。不过，一元判定模型在前两年、前三年的预测中也能表现出很强的预测能力，说明一些上市公司的财务危机是从某些财务指标的恶化开始的。

　　一元判定模型的缺点是:其一，只重视一个指标的分离能力，如果经理人员知道这个指标，就有可能去粉饰这个指标，以使公司表现出良好的财务状况;其二，如果使用多个指标分别进行判断，这几个指标的分类结果之间可能会产生矛盾，以致无法作出正确判断。也就是说，虽然财务比率是综合性较高的判别指标但是仅用一个财务指标不可能充分反映公司的财务特征。

　　2.多元线性判定模型

　　多元线性判定模型,又称ZScore模型，最早是由Altma(1968)开始研究的。他得到的最终预测方程包含五个判别变量在破产前一年的总体判别准确度高达95%。运用多元线性判别方法判定二元问题时，可以通过降维技术,仅以最终计算的Z值来判定其归属,其构造的线性方程简单易懂,具有很强的实际应用能力。

　　多元线性判定模型具有较高的判别精度，但也存在一些缺陷其一，工作量比较大，研究者需要做大量的数据收集和数据分析工作。其二，在前一年的预测中，多元线性判定模型的预测精度比较高，但在前两年、前三年的预测中，其预测精度都大幅下降甚至低于一元判别模型。其三，多元线性判定模型有一个很严格的假设，即假定自变量是呈正态分布的，两组样本要求等协方差而现实中的样本数据往往并不能满足这一要求，这就大大限制了多元线性判定模型的使用范围。其四，使用多元判别分析技术要求在财务困境组与控制组之间进行配对，但配对标准如何恰当确定是一个难题。

　　3.多元逻辑(Logit)模型

　　多元逻辑模型的目标是寻求观察对象的条件概率，从而据此判断观察对象的财务状况和经营风险这一模型建立在累计概率函数的基础上，不需要自变量服从多元正态分布和两组间协方差相等的条件。判别方法和其他模型一样，先是根据多元线性判定模型确定公司破产的Z值，然后推导出公司破产的条件概率。其判别规则是:如果p值大于0.5，表明公司破产的概率比较大，可以判定公司为即将破产类型:如果p值低于0.5，表明公司财务正常的概率比较大，可以判定公司为财务正常。

　　Logit模型的最大优点是，不需要严格的假设条件，克服了线性方程受统计假设约束的局限性，具有了更广泛的适用范围目前，这种模型的使用较为普遍，但其计算过程比较复杂，而且在计算过程中有很多的近似处理,这不可避免地会影响到预测精度。

　　4.多元概率比(Probit)回归模型

　　Probit回归模型同样假定公司破产的概率为p，并假设公司样本服从标准正态分布，其概率函数的p分位数可以用财务指标线性解释。

　　Probit模型和Logit模型的思路很相似，但在具体的计算方法和假设前提上又有一定的差异，主要体现在三个方面:一是假设前提不同，Logit不需要严格的假设条件，而Probit则假设公司样本服从标准正态分布，其概率函数的p分位数可以用财务指标线性解释;二是参数a、b的求解方法不同，Logit采用线性回归方法求解，而Probit采用极大似然函数求极值的方法求解;三是求破产概率的方法不同,Logit采用取对数方法,而Probit采用积分的方法5.人工神经网络模型(Artificial Neural Network，ANN)是将神经网络的分类方法应用于财务预警。ANN除具有较好的模式识别能力外，还可以克服统计方法的局限，因为它具有容错能力和处理资料遗漏或错误的能力。最为可贵的是，ANN还具有学习能力可随时依据新的数据资料进行自我学习，并调整其内部的储存权重参数，以应对多变的公司环境。由于ANN具备上述良好的性质与能力，因而可以作为解决分类问题的一个重要工具。

　　ANN模型通常由输入层、输出层和隐藏层组成，其信息处理分为前向传播和后向学习两步进行。根据最后的期望输出，得出公司的期望值，然后根据学习得出的判别规则来对样本进行分类。然而，由于理论基础比较薄弱，ANN对人体大脑神经模拟的科学性、准确性还有待进一步提高，因此其适用性也大打折扣。

　　财务风险预警机制是指企业在财务风险管理中所形成的各种相互依箱、相互制约的预警职能体系。.终、提出预警对策、达到.大限度规避财务风险的目的。预警系统的设计就是把风险预警机制因地制宜的引入企业内部，让企业、管理者、员工共同承担风险资任。它是财务风险管理中一项复杂性、综合性程序较高的管理活动。

　　风险预警机制的建立应考虑以下几个因素: 1。树立全局和系统的观念。

　　建立财务预警系统.要围绕粉预警展开一系列事前、事中、事后工作。事前工作包括确定评价标准、指标安全和风险区间、建立模型、收集资料、信息传递等;事中工作包括分析资料、发现预警信号、将信息反馈至各相关环节;事后工作包括建立追踪系统.跟踪预警，寻找可能产生潜在危机的根源，及时纠错。当然，还应注五日常监控，孟视从细徽处发现问厄.以便及时对症下药。

　　2.财务预警组织机制。

　　为使财务风险预警真正、充分的发挥作用，应建立健全预警组织机构，并保持相对独立的地位。可设立基础数据采集层、风险分析层和领导层。墓础数据采集层是设t在最墓层组织，负资收集预警偏要的基础数据，其成员可设为专职或兼职人员。风险分析层一般设，在财务部、企划部等，负资收集外部有关预苦信息、并与内部的基础数据综合在一起进行分析，确定顶份对象的风险级别，并提出应对方案和措施，上报领导层.风险分析层应设t专职人员，定期进行风险分析，并且指导垂础数据采集层的工作.领导层应设皿在公司t事会或总经理办公会等.负资风险预，的，大决策工作，以及对各预，组织的工作级效进行考核。

　　3、相关信息收集、传递机制。

　　有效的财务风险预，机制必须建立在对大f相关信息进行统计分析的基础之上，这些信息包括公司内部数据，如会计报表、财务预算报表、经营计划等;也包括外部数据，如国家宏观政策、市场数据、行业欲据等。所有数据形成一个动态信息系统，不断更新、升级，确保信息的相关性、全面性、及时性、准确性和有效性。信息的收集传递顺序一般为:基础数据采集层.风险分析层，领导层.执行层。基础数据采集层顾名思义就是负资收集基础数据，如不良存货资产、应收联狱赚盼明细情况、机器设备等情况.风险分析层应收集的内部资料有:财务预算、会计报表、经营计划等;外部资料的:宏观政策、相关市场行情、行业数据等.风险分析层根据基层上报的荃础数据结合以上收集的相关数据，利用建立的预，指标体系进行风险分析，并将分析结果和有关贡要资料上报领导层。领导层根据上报的预份报告和建议做出决策，下发预，指令要求执行层实施。

　　1、一元判定模型

　　1932年Fitzpatrick以19家公司为样本，运用单个财务比率将样本划分为破产和非破产两组进行研究，发现净利率／股东权益和股东权益／负债对财务危机的判别能力最高，自此开创了财务危机预警实证研究的先河。而后，1966年Beaver对1954～1964年间79家失败企业和对应的79家成功企业的30个财务比率进行了研究，在排除行业因素和公司资产规模因素的前提下，得出以下财务比率对财务危机的预测是有效的：现金流量 ／ 债务总额，净收益 ／ 资产总额，债务总额 ／ 资产总额。

　　2、多元线性判定模型

　　为了弥补一元判定模型的缺陷，1968年Altman首先将多元线性判别法引入财务危机预警研究领域，根据行业和资产规模，他选择了33家破产公司和33家非破产公司作为研究样本，以误判率最小的原则确定了5个变量作为判别变量，其多元线性判定模型为：Z＝1.2×1＋1.4×2＋3.3×3＋ 0.6×4＋1.0×5，判别变量分别为营运资本 ／ 总资产，留存收益 ／ 总资产，息税前收益 ／ 总资产，股票市值 ／债务的账面价值，销售收入 ／ 总资产。此后，有许多学者采用类似的方法进行研究，对模型加以改造，只是选取的变量指标或者指标系数不同而已。

　　3、多元逻辑回归模型

　　在1980年Ohlson第一个将逻辑回归方法引人财务危机预警领域，他选择了1970～1976年间破产的105家公司和2058家非破产公司组成的配对样本，分析了样本公司在破产概率区间上的分布以及两类错误和分割点之间的关系，发现公司规模、资本结构、业绩和当前的融资能力进行财务危机的预测准确率达到96.12％。逻辑回归分析方法使财务预警得到了重大改进，克服了传统判别分析中的许多问题，包括变量属于正态分布的假设以及破产和非破产企业具有同一协方差矩阵的假设。

　　4、多元概率化回归模型

　　1980年Ohlson采用概率化回归方法进行财务预警研究，他选择1970～1976年间破产的105家公司和2058家非破产公司组成的配对样本，采用极大似然法，通过每个样本个体的破产与非破产的联合概率最大来构造模型，其研究思路与多元逻辑回归相似，不同之处是多元概率化假设样本服从标准正态分布，且寻求破产概率的方法不同，所以其缺陷类似于多元逻辑方法。

　　5、人工神经网络模型

　　1991年Tam采用人工神经网络模型进行财务预警研究，通过输入层、隐藏层和输出层的人工神经网络的模拟构建模型，具有较好的模式识别能力和容错能力，能够处理资料遗漏和错误，可随时依据新数据资料进行自我学习训练，适用于今日复杂多变的企业运作环境，但其理论基础比较抽象，对人体大脑神经模拟的科学性和准确性有待进一步加强，因而使用性大大降低。