基于TVA房地产上市企业财务预警模型.docVIP

基于TVA房地产上市企业财务预警模型 　　一.研究背景 　　迄今为止，国内外学者已经对财务预警模型进行了大量研究，但是大部分采用的都是传统的财务指标体系，对新财务指标的探讨和研究还不充分，目前并没有研究将TVA指标引入财务预警模型指标体系。一个实用、科学、预测准确的针对房地产上市企业的财务预警模型还没有被开发出来。 　　本文在借鉴国内外学对企业财务预警的大量研究工作的基础上，介绍TVA与EVA两个财务指标，从理论上比较两者的优劣，证明了TVA是衡量公司财务状况和运营能力的更为全面更为优越的指标。然后从盈利能力、偿债能力、营运能力和每股指标等四个维度构建预警模型的指标体系，并且引入新的指TVA、EVA，建立以TVA为核心的指标体系、以EVA为核心的指标体系和基于传统的财务指标体系。 　　二.TVA与EVA理论比较 　　二十世纪80年代，美国思腾?思特公司提出了经济增加值（EVA）的概念。由于EVA充分考虑了机会成本、时间价值在内的全部资本成本，反映了超额收益的理念，一经问世，就受到广泛关注，深受追捧。 　　EVA的公式如下： 　　EVA=税后净营业利润-经营投入资本成本 　　=税后净营业利润-经营投入资本总额×加权平均资本成本率 　　=NOPAT-OIC×WACC（2.1） 　　EVA的优点在于充分考虑了内部留存收益筹资的成本激起投资回报率，承认股权投资成本，在量化后与债权成本加权后构成加权平均资本成本。EVA不但考虑了税后净利润，并且在此基础上考虑了所有者权益资本的成本，提高了财务衡量的质量和经营融资效率[14]。 　　然而EVA的有效性也受到了很多的质疑。质疑主要存在于以下两个方面： 　　（1）EVA比传统指标对股价、股票收益的解释力更强，但解释能力有限。对EVA指标的研究结果在总体上还是支持EVA比传统指标对股价、股票收益的解释力更强这一结论的，但它的解释能力并不像它的支持者所说的那样强。 　　（2）EVA本身存在漏洞，是管理者有机会操纵EVA指标。当作为业绩评价工具时，会促使管理人员放弃了对那些投资酝酿期较长，无法在短期内提高EVA的项目投资。这样，虽然EVA指标提高，但是并不利于企业的长期发展。 　　EVA指标产生质疑的原因主要有两个： 　　（1）EVA采用的是账面价值，而市场价值才是市场收益率形成的基础。 　　（2）市场投资者的收益包括两个方面：资本利得（CG，Capital Gains）和自由现金流（FCF，Free Cash Flow）。但是EVA不能有效反映这两方面的指标。 　　EVA不能真正度量超过投资者期望的那部分超额收益，那就必须寻找更为理想的超额收益衡量指标。 　　针对EVA上述缺陷，我们进行改进： 　　投资者预期收益并不能完全由NOPAT包括，而是反映在FCF和CG两个方面，因此将公式（2）中的NOPAT改成FCF+CG。 　　投资者的期望收益以市场价值为基础，因此将（2）中的OIC改为上一期的MVA。 　　改进后，我们得到了新的度量指标，定义为“真实增加值”（TVA， True Value Added）。 　　TVA公式为： 　　TVA=FCF+CG-MV0×WACC 　　三.财务预警模型指标体系的建立 　　基于国内外学者已经进行的财务预警模型研究，通过比量考核，将TVA引入指标体系，我们选取包括TVA、EVA在内的16个财务指标建立财务预警模型指标体系如下： 　　四.财务预警模型的建立 　　神经网络分析模型一般可以被简称为ANNA 模型，起源于二十世纪九十年代，直到今天依然还在不断地被完善修改。神经网络模型的处理系统是并行分布模式，在科学性和准确性上都出类拔萃。它强大的计算能力、一流的学习能力和超群的纠错能力使得其在诸多领域得到了应用。在财务预警的领域，神经网络模型也起着至关重要的作用。 　　ANNA模型一般结构分三层： 　　第一层是输入层，需要输入n维有关矢量〔x1，x2，x3，…，xn〕T， 　　第二层是规定权重形式，即WTX=（W0+S1）InWiXi，其中：X=〔x1，x2，x3，…，xn〕T，X=〔W1，W2，W3，…，Wn〕T， 　　第三层为输出层，简化的输出层表达形式为Y=sgn（WTX）。 　　ANNA模型拥有强大的并行计算能力、自学和纠错能力，当财务预警分析的样本数增多时，ANNA模型会随之积累更新，以此来对可能出现在企业的财务危机及相关征兆进行预警处理，这就实现了企业处理财务危机的动态预警机制。ANNA模型从客观角度对企业财务危机情况进行判断，避免受到变量特征的影响，所以对于企业来讲，ANNA模型的准确性相对来说更高。 　　在本文中，以筛选出的16个指标作为输入节点，输出节点为公司财务状况的类型，即财务正常和财