企业财务预警(3-下).ppt

第三章 财务预警的模型与方法(下) 第三章 财务预警的模型与方法(下) 第一节 财务预警的模型 第二节 财务预警的研究方法 第三节 财务预警模型与方法的评价和比较 第一节 财务预警的模型 一、一元判定模型 二、多元线性判定模型 三、多元逻辑 (Logit) 模型 四、多元概率比 (Probit) 回归模型 五、人工神经网络 (ANN) 模型 六、联合预测模型 一、一元判定模型 1.定义：是指将某一项财务指标作为判别标准来判断企业是处于破产状态还是非破产状态的一种预测模型。 2.前提条件：无前提假设 3.适用范围：使用范围广 4.模型描述 ：选用某一项财务指标作为判别标准。 判别方程为：y = b0 + b1 x + e 判别阀值的确定： 将样本分为预测样本（估计样本）和测试样本（有效样本），先按某一选定的财务比率对预测样本进行排序，以确定判别阀值点，而后把确定的阀值点作为判别规则用测试样本进行测试。 5.优缺点分析 ：简单易行；但仅用单个财务指标，导致精确度不高 。 二、多元线性判定模型 1.定义：是指通过多元线性判别方法建立判别方程，而后用方程计算出判别Z值，以Z值作为判定企业财务状况的综合标准。 2.前提条件：自变量呈正态分布，两组样本等协方差 。 3.适用范围：使用范围比较广，很多在近似状态下使用。 4.模型描述 ：通过统计技术将多个标准变量在最小信息损失下转换为分类变量，获得高预测精度的多元线性判别方程。 二、多元线性判定模型 判别方程为： 上式中， 、 是权数； 、 是各种财务比率。 5.优缺点分析 ：预测精度比较高，但工作量比较大，且适用范围受到限制，多在近似状态下采用。 三、多元逻辑(Logit)模型 1.定义：是指通过寻求观察对象的条件概率，从而据以判断观察对象的财务状况和经营风险。 2.前提条件：不需要自变量多元正态分布及两组样本等协方差。 3.适用范围：具有广泛的适用范围 。 4.模型描述 ：Ln[p/(1-p)]=a+bx； 寻求观察对象的条件概率，从而据以判断 。 若P0.5,破产的概率比较大（破产时P取1）； P0.5,财务正常的概率比较大（非破产时P取1 ）。 5.优缺点分析 ：不需要严格假设条件，预测精度较高，但计算过程复杂，且有很多近似处理。 四、多元概率比 (Probit) 回归模型 1.定义：是指利用极大似然函数求出企业破产的概率。 2.前提条件：样本服从标准正态分布，概率函数的p分位数可以用财务指标线解释。 3.适用范围：适用范围较广 。 4.模型描述 ：利用极大似然函数求出企业破产的概率。 若P0.5,财务异常；P0.5,财务正常 5.优缺点分析 ：假设不是很严，计算过程复杂，且有较多近似处理，但预测精度高。 五、人工神经网络 (ANN) 模型 ?人工神经网络（Artificial Neural Network，ANN） 是一种平行分散处理模式,其建构理念基于人类大脑神经运作的模拟。能够在信息含糊、不确定、不完整等复杂环境中进行模式处理，它能根据已学会的知识和处理问题的经验对复杂问题作出合理的判断，给出较满意的解答，或对未来过程进行有效预测和估计。 ANN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。目前，ANN的应用已经深入到各个领域，除具有较好的模式识别能力外,而且可以克服统计等方法的限制。 ANN 3层BP网络的拓扑结构图 五、人工神经网络 (ANN) 模型 1.定义：即是将神经网络的分类方法应用于财务预警。 2.前提条件：对企业样本无假设要求 。 3.适用范围：因理论基础抽象，科学性、准确性有待进一步加强，适用性也大打折扣。 4.模型描述 ：它由输出层、输入层和隐含层组成，通过网络的学习和数据的修正得出期望输出，然后根据学习得出的判别规划来分类。 5.优缺点分析 ：具