財務預警
出自 MBA智库百科(https://wiki.mbalib.com/)
目錄 |
所謂企業財務預警，即財務失敗預警，是指藉助企業提供的財務報表、經營計劃及其他相關會計資料,利用財會、統計、金融、企業管理、市場營銷理論,採用比率分析、比較分析、因素分析及多種分析方法,對企業的經營活動、財務活動等進行分析預測,以發現企業在經營管理活動中潛在的經營風險和財務風險,併在危機發生之前向企業經營者發出警告,督促企業管理當局採取有效措施,避免潛在的風險演變成損失,起到未雨綢繆的作用；而且,作為企業經營預警系統的重要子系統,也可為企業糾正經營方向、改進經營決策和有效配置資源提供可靠依據。進行財務預警分析，建立企業財務預警模型已成為現代企業財務管理的重要內容之一。上市公司的財務信息對多方利益相關者都有著重要影響，建立財務預警系統、強化財務管理、避免財務失敗和破產，具有重要意義。
1.預知財務危機的徵兆
當可能危害企業財務狀況的關鍵因素出現時，財務失敗預警系統能預先發出警告，提醒企業經營者早做準備或採取對策以減少財務損失。
2.預防財務危機發生或控制其進一步擴大
當財務危機徵兆出現時，有效的財務失敗預警系統不僅能預知並預告，還能及時尋找導致企業財務狀況進一步惡化的原因，使經營者知其然，更知其所以然，制定有效措施，阻止財務狀況進一步惡化，避免嚴重的財務危機真正發生。
3.避免類似的財務危機再次發生
有效的財務失敗預警系統不僅能及時迴避現存的財務危機，而且能通過系統詳細地記錄其發生緣由、解決措施、處理結果，並及時提出建議，彌補企業現有財務管理及經營中的缺陷，完善財務失敗預警系統，從而既提供未來類似情況的前車之鑒，更能從根本上消除隱患。
一、單變數模型
單變數模型是指使用單一財務變數對企業財務失敗分險進行預測的模型。主要有威廉·比弗(William Beaver)於1966年提出的單變數預警模型。他通過對1954～1964年期間的大量失敗企業和成功企業比較研究，對14種財務比率進行取捨，最終得出可以有效預測財務失敗的比率依次為：
Beaver認為債務保障率能夠最好地判定企業的財務狀況（誤判率最低）；其次是資產負債率，且離失敗日越近，誤判率越低。但各比率判斷準確率在不同的情況下會有所差異，所以在實際應用中往往使用一組財務比率，而不是一個比率，這樣才能取得良好的預測效果。
二、多變數模型
多變數模型是指使用多個變數組成的鑒別函數來預測企業財務失敗的模型。較早使用多變數預測的是美國紐約大學的教授愛德華·阿爾曼(Edwardi.altman)，他是第一個使用鑒別分析（discriminant analysis）研究企業失敗預警的人。他選取了1946～1965年間的33家破產的和正常經營的公司，使用了22個財務比率來分析公司潛在的失敗危機。他利用逐步多元鑒別分析（MDA）逐步粹取5種最具共同預測能力的財務比率，建立起了一個類似回歸方程式的鑒別函數——Z計分法模式。該模型是通過五個變數（五種財務比率）將反映企業償債能力的指標、獲利能力指標和營運能力指標有機聯繫起來，綜合分析預測企業財務失敗或破產的可能性。表達式如下：
Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5
其中：Z為判別函數值
X1=（營運資金÷資產總額）×100
X2=（留存收益÷資產總額）×100
X3=（息稅前利潤÷資產總額）×100
X4=（普通股及優先股市場價值總額÷負債賬麵價值總額）×100
X5=銷售收入÷資產總額
一般地，Z值越低，企業越有可能發生破產。
愛德華·阿爾曼還提出了判斷企業破產的臨界值：
若 Z≥2.675，則表明企業的財務狀況良好，發生破產的可能性較小；
若Z≤1.81，則企業存在很大的破產危險；
該模型實際上是通過五個變數（五種財務比率），將反映企業償債能力的指標（X1、X4）、獲利能力的指標（X2、X3）和運營能力的指標（X5）有機聯繫起來，綜合分析預測企業財務失敗或破產的可能性。在企業失敗前一、二年的預測準確率很高；預測期變長，準確率有所降低，距失敗前五年的預測準確率僅為36%.
多變數模型除了以上介紹的Z計分法模型以外，還有日本開發銀行的多變數預測模型，中國臺灣陳肇榮的多元預測模型，以及中國學者周首華、楊濟華F分數模型等。但是，這幾種模型在實際中的應用並不廣泛。就目前為止，Z計分法模型仍然占據著主導地位。
在企業出現財務舞弊情況時，雖然上述這些財務失敗預警方法可以定量地描述企業，但仍不能就此作出企業財務失敗的結論，仍然需要投資者的主觀判斷。
1、望
望主要是看行業背景：看行業是處在朝陽行業還是夕陽行業，是處在競爭充分還是保護壟斷的行業，是成熟規範的行業還是缺少必要監管的行業，是新業務層出不窮還是業務相對簡單的行業，因為行業風險是企業無法迴避的風險。
一般而言，朝陽行業、保護壟斷行業、缺少必要監管的行業、新業務層出不窮的行業出現財務舞弊的風險較高。所以應特別註意行業的風險。如果行業出現危機，企業也必然受累。古語說得好：“覆巢之下，焉有完卵？”
2、聞
聞主要是看企業實力：企業處在行業中的地位如何，企業產品是成熟產品還是剛研製出來的新產品，企業在消費者中的口碑如何，企業的內部管理是否完善，企業的產品受市場歡迎程度如何，企業員工的精神面貌如何，企業管理層變更情況如何。
在信息非常發達的今天，企業無法完全壟斷信息，我們可以通過新聞、廣播、報紙、互聯網等媒體瞭解一家企業的經營狀況。一般而言，企業內部管理不健全、員工精神面貌差、管理層更換頻繁等，都是企業出現失敗的跡象。
3、問
問主要是看企業管理：問企業戰略目標，看企業制定的戰略目標是否符合國家的產業政策、是否符合企業的實際情況；問企業投資策略，看企業投資業務是否過於分散、金融投資業務比重是否過大、是否過度大規模擴張等。
一般而言，企業戰略目標如果制定得過高或過低，都會影響企業的發展。企業的投資過於分散，也會影響企業戰略實施，分散企業管理的精力，不能及時解決企業所產生的問題，影響企業競爭力。
4、切
切主要是看企業現金流：現金流是企業的血液。利潤可以粉飾，但企業現金卻是實實在在的鏈條。如果資金鏈綳得太緊，企業就有面臨破產的風險，所以企業的現金流不能出現問題。考察企業現金情況，可以對企業現金流量表進行分析。如果長時間的經營活動所產生的現金凈流量較少，企業必然在某些方面出現敗相，並想方設法通過其他手段掩蓋資金短缺問題，如通過借款、虛擬收入、提前確認收入等進行粉飾。
總之，一個企業若出現長時間的舞弊情況，最終會因為資金鏈條綳得太緊而斷裂。只要投資者細心留意自己的投資對象，總會發現一些蛛絲馬跡，然後再運用專業的分析方法進行判斷，從而可以提高自己規避風險的能力。
財務預警研究方法[1]
在財務預警分析中，常用的基本方法有定性分析法與定量分析法。定性分析法是依靠人們的主觀分析判斷進行財務預警分析的方法，主要有標準化調查法、“四階段癥狀”分析法、流程圖分析法、管理評分法等；定量分析法是根據過去比較完備的統計資料，應用一定的數學模型或數理統計方法對各種數據資料進行科學的加工處理，主要有一元判定模型、多元線性判定模型、多元邏輯(Logit)模型、多元概率比(Probit)回歸模型、人工神經網路(ANN)模型等方法。
一、定性分析方法
1.標準化調查法
又稱風險分析調查法，即通過專業人員、調查公司、協會等，對公司可能遇到的問題進行詳細的調查與分析，並形成報告文件供公司管理者參考的方法。
該方法的優點是在調查過程中所提出的問題對所有公司或組織都有意義，普遍適用;它的缺點是無法針對特定公司的特定問題進行調查分析。另外，調查時沒有對要求回答的每個問題進行解釋，也沒有引導使用者對所問問題之外的相關信息做出正確判斷。
公司財務運營情況不佳，甚至出現財務危機是有特定癥狀的，而且是逐漸加劇的，財務運營病癥大體可以分為四個階段，即財務危機潛伏期、發作期、惡化期、實現期，每個階段都有反映危機輕重程度的典型癥狀。
財務危機潛伏期：盲目擴張；無效市場營銷，銷售額上升，利潤下降；企業資產流動性差，資源分配不當；資本結構不合理，疏於風險管理；財務經營信譽持續降低，缺乏有效的管理制度；無視環境的重大變化。
財務危機發作期:自有資本不足；過分依賴外部資金，利息負擔重；缺乏會計的預警作用；債務拖延償付。
財務危機惡化期:經營者無心經營業務，專心於財務周轉;資金周轉困難;債務到期違約不支付。
財務危機實現期:負債超過資產，喪失償付能力;宣佈倒閉。
根據上述癥狀進行綜合分析，公司如有相應癥狀出現，一定要儘快弄清病因，判定公司財務危機的程度，對症下藥，防止危機的進一步發展，使公司儘快擺脫財務困境，以恢復財務的正常運作。這種方法簡單明瞭，但實際中很難將這四個階段作截然的劃分，特別是財務危機的表現癥狀，它們可能在各個階段都有相似或互有關聯的表現。
3.流程圖分析法
流程圖分析是一種動態分析方法，對識別公司生產經營和財務活動的關鍵點特別有用，運用這種分析方法可以暴露公司潛在的風險。在公司生產經營流程中，必然存在著一些關鍵點，如果在關鍵點上出現堵塞和發生損失，將會導致公司全部經營活動終止或資金運轉終止。在畫出的流程圖中，每個公司都可以找出一些關鍵點，對公司潛在風險進行判斷和分析，發現問題及時預警，在關鍵點處採取防範的措施，才可能有效降低風險。
4.管理評分法
美國的仁翰·阿吉蒂調查了企業的管理特性及可能導致破產的公司缺陷，按照幾種缺陷、錯誤和徵兆進行對比打分，還根據這幾項對破產過程產生影響的大小程度對它們作了加權處理。
用管理評分法對公司經營管理進行評估時，每一項得分要麼是零分，要麼是滿分，不容許給中間分。所給的分數就表明瞭管理不善的程度，總分是100分，參照管理評分法中設置的各項目進行打分，分數越高，則公司的處境越差。在理想的公司中，這些分數應當為零；如果評價的分數總計超過25分，就表明公司正面臨失敗的危險；如果評價的分數總計超過35分，公司就處於嚴重的危機之中；公司的安全得分一般小於18分。這種管理評分法試圖把定性分析判斷定量化，這一過程需要進行認真的分析，深入公司及車間，細緻的對公司高層管理人員進行調查，全面瞭解公司管理的各個方面，才能對公司的管理進行客觀的評價。這種方法簡單易懂，行之有效，但其效果還取決於評分者是否對被評分公司及其管理者有直接、相當的瞭解。
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項財務指標作為判別標準來判斷公司是否處於破產狀態的預測模型。在一元判定模型中，最為關鍵的一點就是尋找判別臨界值。
一元判定模型雖然方法簡單，使用方便，但總體判別精度不高。對前一年的預測，一元判定模型的預測精度明顯低於多元模型。不過，一元判定模型在前兩年、前三年的預測中也能表現出很強的預測能力，說明一些上市公司的財務危機是從某些財務指標的惡化開始的。
一元判定模型的缺點是:其一，只重視一個指標的分離能力，如果經理人員知道這個指標，就有可能去粉飾這個指標，以使公司表現出良好的財務狀況;其二，如果使用多個指標分別進行判斷，這幾個指標的分類結果之間可能會產生矛盾，以致無法作出正確判斷。也就是說，雖然財務比率是綜合性較高的判別指標但是僅用一個財務指標不可能充分反映公司的財務特征。
2.多元線性判定模型
多元線性判定模型,又稱ZScore模型，最早是由Altma(1968)開始研究的。他得到的最終預測方程包含五個判別變數在破產前一年的總體判別準確度高達95%。運用多元線性判別方法判定二元問題時，可以通過降維技術,僅以最終計算的Z值來判定其歸屬,其構造的線性方程簡單易懂,具有很強的實際應用能力。
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，工作量比較大，研究者需要做大量的數據收集和數據分析工作。其二，在前一年的預測中，多元線性判定模型的預測精度比較高，但在前兩年、前三年的預測中，其預測精度都大幅下降甚至低於一元判別模型。其三，多元線性判定模型有一個很嚴格的假設，即假定自變數是呈正態分佈的，兩組樣本要求等協方差而現實中的樣本數據往往並不能滿足這一要求，這就大大限制了多元線性判定模型的使用範圍。其四，使用多元判別分析技術要求在財務困境組與控制組之間進行配對，但配對標準如何恰當確定是一個難題。
多元邏輯模型的目標是尋求觀察對象的條件概率，從而據此判斷觀察對象的財務狀況和經營風險這一模型建立在累計概率函數的基礎上，不需要自變數服從多元正態分佈和兩組間協方差相等的條件。判別方法和其他模型一樣，先是根據多元線性判定模型確定公司破產的Z值，然後推導出公司破產的條件概率。其判別規則是:如果p值大於0.5，表明公司破產的概率比較大，可以判定公司為即將破產類型:如果p值低於0.5，表明公司財務正常的概率比較大，可以判定公司為財務正常。
Logit模型的最大優點是，不需要嚴格的假設條件，剋服了線性方程受統計假設約束的局限性，具有了更廣泛的適用範圍目前，這種模型的使用較為普遍，但其計算過程比較複雜，而且在計算過程中有很多的近似處理,這不可避免地會影響到預測精度。
Probit回歸模型同樣假定公司破產的概率為p，並假設公司樣本服從標準正態分佈，其概率函數的p分位數可以用財務指標線性解釋。
Probit模型和Logit模型的思路很相似，但在具體的計算方法和假設前提上又有一定的差異，主要體現在三個方面:一是假設前提不同，Logit不需要嚴格的假設條件，而Probit則假設公司樣本服從標準正態分佈，其概率函數的p分位數可以用財務指標線性解釋;二是參數a、b的求解方法不同，Logit採用線性回歸方法求解，而Probit採用極大似然函數求極值的方法求解;三是求破產概率的方法不同,Logit採用取對數方法,而Probit採用積分的方法5.人工神經網路模型(Artificial Neural Network，ANN)是將神經網路的分類方法應用於財務預警。ANN除具有較好的模式識別能力外，還可以剋服統計方法的局限，因為它具有容錯能力和處理資料遺漏或錯誤的能力。最為可貴的是，ANN還具有學習能力可隨時依據新的數據資料進行自我學習，並調整其內部的儲存權重參數，以應對多變的公司環境。由於ANN具備上述良好的性質與能力，因而可以作為解決分類問題的一個重要工具。
ANN模型通常由輸入層、輸出層和隱藏層組成，其信息處理分為前向傳播和後向學習兩步進行。根據最後的期望輸出，得出公司的期望值，然後根據學習得出的判別規則來對樣本進行分類。然而，由於理論基礎比較薄弱，ANN對人體大腦神經模擬的科學性、準確性還有待進一步提高，因此其適用性也大打折扣。
財務預警機制的建立[2]
財務風險預警機制是指企業在財務風險管理中所形成的各種相互依箱、相互制約的預警職能體系。.終、提出預警對策、達到.大限度規避財務風險的目的。預警系統的設計就是把風險預警機制因地制宜的引入企業內部，讓企業、管理者、員工共同承擔風險資任。它是財務風險管理中一項複雜性、綜合性程式較高的管理活動。
風險預警機制的建立應考慮以下幾個因素: 1。樹立全局和系統的觀念。
建立財務預警系統.要圍繞粉預警展開一系列事前、事中、事後工作。事前工作包括確定評價標準、指標安全和風險區間、建立模型、收集資料、信息傳遞等;事中工作包括分析資料、發現預警信號、將信息反饋至各相關環節;事後工作包括建立追蹤系統.跟蹤預警，尋找可能產生潛在危機的根源，及時糾錯。當然，還應註五日常監控，孟視從細徽處發現問厄.以便及時對症下藥。
2.財務預警組織機制。
為使財務風險預警真正、充分的發揮作用，應建立健全預警組織機構，並保持相對獨立的地位。可設立基礎數據採集層、風險分析層和領導層。墓礎數據採集層是設t在最墓層組織，負資收集預警偏要的基礎數據，其成員可設為專職或兼職人員。風險分析層一般設，在財務部、企劃部等，負資收集外部有關預苦信息、並與內部的基礎數據綜合在一起進行分析，確定頂份對象的風險級別，並提出應對方案和措施，上報領導層.風險分析層應設t專職人員，定期進行風險分析，並且指導垂礎數據採集層的工作.領導層應設皿在公司t事會或總經理辦公會等.負資風險預，的，大決策工作，以及對各預，組織的工作級效進行考核。
3、相關信息收集、傳遞機制。
有效的財務風險預，機制必須建立在對大f相關信息進行統計分析的基礎之上，這些信息包括公司內部數據，如會計報表、財務預算報表、經營計劃等;也包括外部數據，如國家巨集觀政策、市場數據、行業欲據等。所有數據形成一個動態信息系統，不斷更新、升級，確保信息的相關性、全面性、及時性、準確性和有效性。信息的收集傳遞順序一般為:基礎數據採集層.風險分析層，領導層.執行層。基礎數據採集層顧名思義就是負資收集基礎數據，如不良存貨資產、應收聯獄賺盼明細情況、機器設備等情況.風險分析層應收集的內部資料有:財務預算、會計報表、經營計劃等;外部資料的:巨集觀政策、相關市場行情、行業數據等.風險分析層根據基層上報的荃礎數據結合以上收集的相關數據，利用建立的預，指標體系進行風險分析，並將分析結果和有關貢要資料上報領導層。領導層根據上報的預份報告和建議做出決策，下發預，指令要求執行層實施。
1、一元判定模型
1932年Fitzpatrick以19家公司為樣本，運用單個財務比率將樣本劃分為破產和非破產兩組進行研究，發現凈利率／股東權益和股東權益／負債對財務危機的判別能力最高，自此開創了財務危機預警實證研究的先河。而後，1966年Beaver對1954～1964年間79家失敗企業和對應的79家成功企業的30個財務比率進行了研究，在排除行業因素和公司資產規模因素的前提下，得出以下財務比率對財務危機的預測是有效的：現金流量 ／ 債務總額，凈收益 ／ 資產總額，債務總額 ／ 資產總額。
2、多元線性判定模型
為了彌補一元判定模型的缺陷，1968年Altman首先將多元線性判別法引入財務危機預警研究領域，根據行業和資產規模，他選擇了33家破產公司和33家非破產公司作為研究樣本，以誤判率最小的原則確定了5個變數作為判別變數，其多元線性判定模型為：Z＝1.2×1＋1.4×2＋3.3×3＋ 0.6×4＋1.0×5，判別變數分別為營運資本 ／ 總資產，留存收益 ／ 總資產，息稅前收益 ／ 總資產，股票市值 ／債務的賬麵價值，銷售收入 ／ 總資產。此後，有許多學者採用類似的方法進行研究，對模型加以改造，只是選取的變數指標或者指標繫數不同而已。
3、多元邏輯回歸模型
在1980年Ohlson第一個將邏輯回歸方法引人財務危機預警領域，他選擇了1970～1976年間破產的105家公司和2058家非破產公司組成的配對樣本，分析了樣本公司在破產概率區間上的分佈以及兩類錯誤和分割點之間的關係，發現公司規模、資本結構、業績和當前的融資能力進行財務危機的預測準確率達到96.12％。邏輯回歸分析方法使財務預警得到了重大改進，剋服了傳統判別分析中的許多問題，包括變數屬於正態分佈的假設以及破產和非破產企業具有同一協方差矩陣的假設。
1980年Ohlson採用概率化回歸方法進行財務預警研究，他選擇1970～1976年間破產的105家公司和2058家非破產公司組成的配對樣本，採用極大似然法，通過每個樣本個體的破產與非破產的聯合概率最大來構造模型，其研究思路與多元邏輯回歸相似，不同之處是多元概率化假設樣本服從標準正態分佈，且尋求破產概率的方法不同，所以其缺陷類似於多元邏輯方法。
5、人工神經網路模型
1991年Tam採用人工神經網路模型進行財務預警研究，通過輸入層、隱藏層和輸出層的人工神經網路的模擬構建模型，具有較好的模式識別能力和容錯能力，能夠處理資料遺漏和錯誤，可隨時依據新數據資料進行自我學習訓練，適用於今日複雜多變的企業運作環境，但其理論基礎比較抽象，對人體大腦神經模擬的科學性和準確性有待進一步加強，因而使用性大大降低。
good thank you