财务预警指标体系的构建.docxVIP

财务预警指标体系的构建 随着验证研究与财务管理研究的结合，各种统计和数学方法已经开始应用于金融危机模型的建模过程。目前，主要使用的方法有主成分分析、因子分析、评价分析和bp神经网络bp等。但是由于我国的财务预警实证目前处于探索阶段, 很多方法在使用过程难免出现不当之处, 尤其是对原始数据的处理过程, 往往忽略了无量纲化的处理, 从而影响了模型的精度。 财务预警的实证研究主要是基于财务指标的定量分析, 既要涉及到资产营运、偿债、获利能力等财务指标, 又要涉及市场占有率、核心竞争能力等非财务指标。这就造成不同指标的数量级不同, 例如资产规模与流动比率, 当资产规模出现较小变动的时候就会引起模型总分值很大的变动, 流动比率即使出现较大变动也很难在模型总分值中体现, 这就是大数吃小数的现象;即使同一指标, 不同行业的量纲 (即平均水平) 也不同, 例如总资产周转率这一指标, 房地产企业的周转率一般低于IT企业, 二者不具有可比性;另外, 不同的指标属性也可能不同, 例如应收账款周转次数属于越大越好的指标, 而管理费用率则越低越好, 速动比率却既不能太大又不能太小。所以在进行统计分析之前要对样本数据进行无量纲化处理, 先将其转化成无量纲、无数量级的标准数据, 然后再利用统计分析方法建立预警模型。 二、 采用aa的方法建立评估指标 无量纲化处理, 也称为数据的标准化, 是将原始指标数据通过简单的数学变换来消除各指标量纲影响的方法, 常用的无量纲化方法主要有以下几种: 设:建立财务预警模型时, 设有m个样本, n个指标, 则指标矩阵为: 式中Xij表示第i个样本的第j项指标的实际值。maxxij=Mj, Mj为第j项指标的最大值;ám≤?i≤n?x=mámá为第j项指标的最小值;yij为无量纲化处理后的指标值。 (一) 指标值的设定 1、对于正向指标, 即指标值越大越好, 令例如:总资产报酬率、净资产报酬率、利息保障倍数、总资产周转率、主营业务利润率、应收账款周转率、流动资产周转率、成本费用利润率、销售增长率等指标。 2、对于逆向指标, 即指标值越小越好,例如:管理费用率、成本费用率、有形净值债务率等指标。 3、对于适度指标, 即指标值以稳定在某一固定值为最佳的指标, 令:其中q为该指标的最佳值, 该值在财务预警中可采用行业标准值或同行业上市公司平均值。这类指标包括:产权比率、资产负债率、流动比率、速动比率、现金比率、现金流动负债比、存货周转率等指标。 4、最佳区间型, 即指标值落入某个区间内为最佳的指标, 令: 其中q1, q2分别为该指标最佳区间的左右边界。 极差法对原始数据的数量及分布无要求, 转化后的数据都在0～1之间, 而且转化后的数据相对数性质比较明显, 便于进一步处理, 但其缺点是转化时所依据的原始数据信息较少, 只包含了原始数据中的最大值和最小值。 (二) 均值和标准差 Z分数法要求数据成正态分布, 并且在运算中用到均值和标准差, 利用原始数据信息较多, 有利于转换后的数据进行多元分析, 但是缺点是其转化结果超出了0～1的范围, 不方便进行进一步的处理。 (三) 两列数据的交叉积和各两列数据的平方差n-1倍的情况,引起n 其公式为:为指标xj的均值。 中心化的结果是使转换后的每列数据的均值为0, 且每列数据的平方和是该列数据方差的n-1倍, 任何不同两列数据的交叉积是两列协方差的n-1倍, 其实这是一种计算方差-协方差的变换, 方便实用。 (四) 样本数据分布转换 其公式为: 极值法对样本分布也没有要求, 转化的样本数据分布在0～1之间, 转化后的数据相对数性质比较明显, 便于进一步处理, 与极差法一样, 这种方法的缺点是转换时所依据的原始数据信息较少。 (五) 比例法的公式如下 (六) 指数特征的数据结构转换 yij=ln (xij) , 其中xij0。 对数变换可以将有指数特征的数据结构转换成为具有线性数据结构, 例如资产总额这一指标, 由于其数量级较大, 微小的变动就会对模型产生很大的影响, 所以在模型中可以取资产总额的对数, 以降低它对模型的影响。 (七) 等式如下 均值化后各指标均值都是1, 转化后各指标方差为原始指标的变异系数的平方, 这种方法保留了原来各指标变异程度的信息。 三、 z分数法的标准化处理 (一) 在选择以上这些无量纲化方法时, 一定要根据各种方法的特点进行选择, 这样才能保证转化的可能性。例如, Z分数法就要求样本数据服从正态分布, 如果样本数据没有通过正态分布检验, 应当利用BOX-COX公式转换, 来满足正态分布的要求。 (二) 同时还要考虑建立预警模型所选择的统计分析方法和软件 1. 主成分分析:主成分分析的明显特征是每个主分量依赖于测量初始变量所用的尺度, 当尺度改变时, 会得到不同的主