企业财务预警模型评述及对策分析务管理毕业.docVIP

　　企业财务预警模型评述及对策分析务管理毕业 摘 要：现代企业所面临的风险随着新经济环境的变化向更广范围、更深层次的方向发展，企业财务安全和财务稳定已成为企业治理当局追求的重要目标。建立财务预警机制及防范系统对企业的财务活动进行跟踪、监控，及早发现警情信号，有利于企业治理当局分析与监控企业财务危机。 　　关键词：财务风险；财务预警模型；对策 　　 　　1 题目的提出 　　 　　加进odel）。 　　最早运用统计方法和财务比率进行企业危机预警研究的是美国财务专家威廉·比弗（lr413（作文网zinate Model）。 　　该模型又称奥尔特曼模型或Z分数模型（Z-score Model）是由美国财务专家爱得华?奥尔特曼(Edan)提出的。他以为，偿债能力的丧失是引起企业破产的主要原因，企业在财务状况良好——财务危机——破产——清算这一过程中，是有信号可猜测的。经过大量实证考察和研究之后，于1968年才提出了多元Z值判定模型，即： 　　Z=0.012X1 0.014X2 0.033X3 0.006X4 0.999X5 　　（3）F分数模型（F-Score Model）。 　　由于Z分数模型在建立时并没有充分考虑到现金流量变动等方面的情况，因此有一定的局限性。为此，我国学者周首华、杨济华对Z分数模型加以改造，于1996年提出了财务危机猜测的新模型——F分数模型。在F分数模型中加进现金流量这一有效的猜测变量，弥补了Z分数模型的不足。同时，该模式还考虑到现代企业财务状况的发展及标准的更新，比如，由于现金治理技术的进步，致使企业所应维持的必要活动比率有所降低，该模式的样本选用更为扩大，它使用了pustat PC Plus 会计数据库中1990 年以来416 家公司的数据进行检查，而Z分数模型的样本仅为66 家。 　　F分数模型如下： 　　F= -0.1774 1.1091X1 0.1074X2 1.9271X3 0.0302X4 0.4961X5 　　（4）神经网络预警模型。 　　1987年，Lapeds和Fayber首次应用神经网络进行猜测，开创了神经网络预警的先河。该模型适合于对复杂性、时变性和模糊性的系统进行猜测。神经网络方法预警模型主要建立在“黑箱法”的基础上。它把复杂系统当作一个黑箱，然后通过刺激（输进）、反应（输出）来研究系统的结构和性质。人脑的思维机制可分为抽象思维（逻辑推理）和形象思维（不确定性推理），神经网络模型根据生物神经元的外部行为特征，推测具有类似于阀值逻辑的结构，提出人工神经元的阀值逻辑模型。 　　BP(Back propagation)模型是神经网络方法中一种比较常用的模型，这种模型把系统看作一个黑箱，考虑其输进和输出之间的非线性映射，输进过程可用输进节点来表示，输出过程可用输出节点来表示。假定系统内部结构为未知，同时用隐节点来表示内部机制，从而形成一种用人脑神经元突触行为模拟节点机制的类似神经的人工神经网络。这样，可通过不断地输进和输出，以及对有限多个样本的学习来达到对所研究系统内部的模拟。 　　 　　3 企业财务预警模型评述 　　 　　随着统计技术和计算机技术的不断发展，回纳分类、人工智能、神经网络模型以及实验等技术逐渐被引进到企业财务预警研究之中。然而，无论采用什么统计方法或研究方法，企业财务预警研究中都存在着很多题目，主要体现在： 　　（1）缺乏系统的经济理论指导。 　　在目前的文献中，能够系统地解释企业失败和破产的经济和治理理论还很少。尽管有些学者从委托代理、交易用度和产权关系等企业制度环境和制度安排方面作了大量的阐述，并借助于企业生命周期理论、企业进化理论等对企业失败现象进行解释。但是，它们还不够完善，不足以系统地解释企业失败的原因，还远远不能正确确定财务预警模型中应包括的猜测变量。因此，在选择猜测变量时，还是凭着经验进行搜索，在众多的变量、样本、方法以及模型中找出最佳的组合，缺乏深厚的理论基础。 （转载自.ＮＳＥＡＣ.中国评价网） 　　（2）研究方法上存在的题目。 　　①选择的猜测变量往往是企业陷进财务困境的征兆，而非陷进财务困难的原因。一般而言，失败企业数目较少，因此所选择的失败企业样本大都不属于同一行业，从该样本得到的最好的猜测变量反映了所有失败企业的共同特征：低效益和高负债。因此，大多数预警模型所提供的信息只是一种表象而已。 　　②选取的财务变量具有片面性、滞后性（事后性）和多重共线性。所选取的财务变量的片面性体现在一个具体的财务变量只是从某一个侧面反映企业的财务状况和经营成果；财务变量的滞后性体现在财务报表的公布日，滞后于会计期间。比如我国上市公司的年度财务报一般是在会计年度结束后的4个月内公布。如何克服财务变量的片面性、滞后性（事后性）和多