关于企业财务危机预警模型的探讨刘学香-毕业论文.doc

本科生毕业论文（设计）关于企业财务危机预警模型的探讨摘要随着经营全球化的发展，企业的生存和发展环境发生了很大变化，面临着很大的经营风险和财务风险。企业面临的财务风险极容易引起财务危机，从而导致企业破产。为了有效化解财务危机，必须建立适合企业的财务危机预警模型。财务预警是以财务会计信息为基础,通过设置并观察一些敏感性预警指标的变化,对企业可能或将要面临的财务危机实施的实时监控和预测警报。财务预警中的数学模型就是财务预警模型,它是指借助企业财务指标和非财务指标体系,识别企业财务状况的判别模型。财务预警模型的种类很多,常见的有以下几种: 一元判别模型、多元线性判别模型、多元逻辑回归模型、多元概率比回归模型，人工神经网络模型等。本文对这几种财务危机预警模型进行了对比分析，提出了各个模型适应的范围和环境，指出了这几种模型在应用中的局限性，使得企业能够根据自身的特点选择适合自己公司财务状况的预警模型，以达到有效预测财务危机的目的。同时针对企业财务危机预警模型的演变和发展进行了讨论，并指出了在企业财务危机预警模型构建过程中指标体系的选择，以及企业财务危机预警模型在具体的应用中应该注意的问题等。关键字：财务危机；预警模型；指标体系AbstractWith the globalization of management, the survival environment for the enterprises development has greatly changed, facing a great many risks on management and finance. The risks which the firms face will cause financial crisis easily, and may cause the firms go bankrupt completely. In order to avert the financial crisis effectively, it is necessary to establish a financial crisis warning model which is suited to the firms. The financial crisis warning system is a financial analysis system which is used to detect and to forecast the financial risks that the enterprises may be confronted with. The mathematical model in the financial warning system is the very financial warning model. It is a discriminant model which distinguishes the financial situation, by means of financial indicator and non-financial indicator system. There are many kinds of financial warning models, such as Univariate, Multiple Discriminant Analysis (MDA), Logit model, Probit model and the ANN and so on .The essay discussed the differences of the models and drew a conclusion about the environment which is suited to the different models .It also points the shortcomings in the process of practical using, thus the firms can choose the right model, according to the situations of themselves to predict the crisis effectively. The essay looked back to the history of the financial crisis warning model, and indicated the choosing of the index system during the process of building up the firm financial crisis warning models, and the problems of the practical using which should be paid attention to.Key words: financial crisis;warning model;index system 目 录引言1一、企业财务危机预警模型的演变与发展2（一）国外的演变与发展2（二）国内的演变与发展3二、企业财务危机预警模型的种类4（一）统计类财务危机预警模型41. 一元判别模型42. 多元线性判别模型43. 多元逻辑回归模型54. 多元概率比回归模型6（二）非统计类财务危机预警模型6（三）不同企业财务危机预警模型对比分析6三、企业财务危机预警模型构建时指标体系的选择8（一）偿债能力指标8（二）盈利能力指标8（三）营运能力指标8（四）发展能力指标9（五）现金流量指标9四、应用企业财务危机预警模型应注意的问题9参考文献11致 谢1215引言企业财务危机预警的研究一直是理论界和实务界广泛关注的课题,建立一个有效的财务危机预警模型对于保护投资者和债权人的利益、经营者防范财务危机、政府管理部门监控上市公司质量和证券市场风险,都具有重要的现实意义，可以发挥危机预知作用、财务诊断作用、过程控制作用和风险规避作用等。公司财务危机预警模型的建立可以帮助其降低运营风险；有效的财务危机预警分析方法和预警模型的建立使用，可促进我国资本市场的规范和健康发展；有效的财务预警指标体系和预警模型的使用，可以帮助政府，证券监管部门体察市场风险，确定监管风险。企业财务危机也称为“财务困境”或“财务失败”,是指企业无法偿还到期债务所带来的危机,包括技术性失败、破产等多种形式。财务预警是以财务会计信息为基础，通过设置并观察一些敏感性预警指标的变化，对企业可能或者将要面临的财务危机实施的实时监控和预测警报。财务预警中的数学模型就是财务预警模型，它是指借助企业财务指标和非财务指标体系，识别企业财务状况的判别模型。最早提出利用财务比率对企业未来财务状况进行预测分析的是Fitzpatrick。Beaver 运用统计分析方法, 建立了单变量财务预警模型。Altman(1968)利用多元判别分析法,建立了著名的多变量预警模型Z 模型,并在对该模型进行修正后,提出了ZETA 模型。Ohlson是运用Logit回归模型进行企业财务预警研究。其后,Zmijewski、Zavgren、Lavartt、Keasey和McGuin-ness也运用Logit 模型进行财务危机预警研究,并且模型的预测精度有了很大的提高。而我国的财务预警模型研究始于20世纪90年代。陈静( 1999) 、张玲( 2000) 、吴世农和卢贤义(2001) 等人是运用多元判别方法对上市公司进行财务危机预警分析, 刘昊、齐治平和余妙志、朱曦和冯田等人是运用Logit 模型对财务危机进行研究，周兵和张军，周思恩和丁莉，则是用主成分分析法生成线性或Logit 函数方程进行财务预警研究。目前,我国的企业财务危机预警模型研究尚处于起步阶段。由于受到数据的可获得性和样本数量的制约,大量的研究主要是围绕上市公司展开,而上市公司的特殊性，使得研究成果的应用受到一定的限制。本文的写作方法主要是通过阅读图书馆和阅览室的相关书籍，并通过登陆中国知网查阅、下载月刊和毕业生论文，然后打印出来进行仔细阅读和理解。通过对比分析，研究资料，得出了自己的观点。本文主要是对企业财务危机预警模型的探讨，概括了企业财务危机预警模型的演变和发展，介绍了国内外流行的几种财务危机预警模型，总结了各种模型的优点和其在应用中的局限性，对企业财务危机预警模型的未来发展做出了展望。一、企业财务危机预警模型的演变与发展（一）国外的演变与发展企业财务危机预警模型的发展,大致经历了从单变量模型到多变量模型,从多元判别模型到Logit模型等参数模型,从统计的参数模型到非参数模型,从单一模型到综合系统的过程（程涛，2003）。对财务危机预警的研究可以追溯到20世纪30年代，其研究主要集中在财务预警模型的构建，如今这些研究成果己经比较成熟，并且在实际中得到广泛应用。一般来说，财务预警模型主要分为单变量模型和多变量模型。单变量模型研究的先驱者首推Fitzpatrick，他在1932年选取了19家公司为样本，运用单个财务比率将样本划分为破产和非破产两组，结果发现净利润/股东权益和股东权益/负债两个比率有较强的判别能力。1966年美国芝加哥大学的教授William Beaver提出较为成熟的单变量模式，他以79家失败企业和相同数量、同等规模的成功企业为样本，分别检验了反映不同财务特征的6组30个变量在公司破产前1-5年的预测能力，结果发现债务保障率预测的准确率最高，其次是资产负债率，并且离破产日越近，预见性就越强。1968年美国学者Edward.I.Altman率先将多元线性判别方法引入财务预警领域，开创了多变量预警模型的先河。他选用了22个变量作为预备选变量，通过对33家破产制造企业和33家非破产配对企业的研究分析，根据误判率最小的原则，最终确定营运资产/资产总额、留存收益/资产总额、息税前利润/资产总额、股东权益市场价值/总负债账面价值和销售收入/资产总额5个变量作为判别变量，构建了Z-score模型。此后，多变量分析方法被广泛采用，各国学者根据Altman的思路构建了自己的多变量模型。比较典型的有Edmisterd提出的专门针对小企业的财务预警模型，英国的Taffler的多变量模式，日本开发银行建立的多变量预测模型(20世纪70年代)，Altman.Haldeman和Narayanan1977年对Z-score模型进行修正和补充的ZETA模型等。以 Altma n的Z-score为代表的多变量判别分析法虽然己成为财务预警模型的基础，但其对预测变量具有严格的联合正态分布要求，而现实生活中大多数财务比率并不满足这一要求。为克服这一局限，研究人员提出采用回归分析方法来提高财务预警的能力。1980年Ohlson选取1970-1976年间的105家破产公司和2058家非破产公司为样本，运用逻辑思维回归方法建立了Logit预警模型，之后出现了Zmijewski的Probit分析模型。随着计算机技术和信息技术的不断发展，西方研究人员开始运用人工神经网络、专家系统、遗传算法等非统计类方法进行财务困境的预测研究。1990年Odom等开始运用人工神经元网络进行财务困境预测的探索，1998年Messier和Hansen将专家系统首次引入到财务困境预测领域。Franco和Varett，进行了应用遗传算法构建预警模型的尝试。这些研究与以往的线性分析模型相比都取得了较好的结果。值得注意的是，近年来，灾害理论、混沌理论、期权理论等也被引入到财务危机预警的研究中，大大推动了财务预警研究在西方的迅速发展。（二）国内的演变与发展由于受证券市场发展的影响，国内对财务危机预警的研究起步较晚。最早是1986年吴世农、黄世忠在中国经济问题发表了一篇文章，首次在我国介绍了企业破产的分析指标和预测模型。1990年，国家自然科学基金委员会管理科学组先后支持佘廉等人从事企业预警研究，并于1999年出版了企业预警管理丛书。之后我国学者真正开始了对财务预警的研究，并取得了一定的成果。1996年周首华、杨济华借鉴Altman的研究成果，在Z分数模型的基础上进行改进，考虑了现金流量指标，选用1977-1990年的62家公司(其中31家破产公司取自华尔街杂志索引，另外配对的31家非破产公司取自Compustas会计数据库)，建立了F分数模型，并以Compustat PC Plus会计资料中1990年以来的4160家公司数据作为检验样本进行了验证，其准确率高达70%，但他们的研究对象却不是中国的证券市场。199 9年陈静第一个对我国上市公司的财务困境预测进行。她使用27家ST和非ST公司作为对比样本，选取资产负债率、净资产收益率、总资产收益率和流动比率4个财务指标，进行了单变量分析，结果发现资产负债率和流动比率的误判率最低；在多元判别分析中，选取资产负债率、净资产收益率、总资产收益率、流动比率、营运资本/总资产及总资产周转率6个指标构建了多元线性判别函数，在ST发生的前3年有较好的预测能力。2000年，张玲(2000)选取沪、深两市14个行业120家上市公司为样本，从偿债能力、盈利能力、资本结构状况和营运状况4个方面几个相关财务比率中筛选出4个变量构建了二分类线性判定模型。同年陈瑜和陈晓、陈志鸿分别建立了多元分析模型和Logistic模型。2001年，吴世农、卢贤义(2001)选取1998-2000年中的70家ST公司作为财务危机公司和70家非ST公司作为配对样本，从企业盈利能力、偿债能力、营运能力、营运能力、成长能力和企业规模等6个方面21个财务指标中确定了6个预测指标，应用Fisher判别分析、多元线性回归和逻辑回归分析三种方法构建了相应的模型，结果证明对于同一信息集而言，逻辑回归模型的判定能力最好。同年，杨保安、季海针对判别分析方法在构建财务危机预警模型中存在的问题，最先运用BP神经网络建立财务预警模型。之后 相 继 出现了粗糙集神经网络、基于模糊优选的神经网络和人工神经网络财务预警模型；2003年柳炳祥、盛昭翰又提出了基于案例推理的财务危机预警系统的初步构想，2004年张林也对此进行了相关探讨。以上学者对我国上市公司财务危机的预警做出了很大的贡献，极大地推动了我国这方面的发展。但总的来说，与国外相比国内研究还相对滞后。二、企业财务危机预警模型的种类财务预警是以企业信息化为基础，对企业在经营管理活动中的潜在财务危机风险进行监测、诊断与报警的系统。它贯穿于企业经营活动的全过程，以企业的财务报表、经营计划及其他相关的财务资料为依据，利用会计、金融、企业管理、市场营销等理论，采用比率分析、数学模型等方法，发现企业存在的风险，并向利益相关者发出警示，以便采取相应对策的管理方法。财务预警模型就是借助企业一系列财务指标和非财务指标来识别企业财务状况的判别模型。本文把企业财务危机预警模型分为统计类和非统计类进行探讨。（一）统计类财务危机预警模型统计类财务预警模型包括一元判别模型、多元线性判别模型、多元逻辑回归模型、多元概率比回归模型等1. 一元判别模型一元判别模型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。一元判别模型的主要思想是通过比较财务困境企业和非财务困境企业之间某个财务指标的显著差异，从而对财务困境企业提出预警。最早的财务危机预警研究就是Fitzpatrick所做的单变量破产预测模型。他以19家公司为样本，运用单个财务比率将样本分为破产和非破产两组。研究结果发现，判别能力最高的是净利润/ 股东权益和股东权益/ 负债两个比率，而且在经营失败之前三年这些比率就呈现出显著差异。Beaver对一元判别模型进行系统的分析，他对1954-1964年期间的7 9 家发生财务危机的企业和相同数量、同等资产规模的成功企业的30个财务比率进行了比较研究（即通过个别财务比率走势恶化来预测财务危机状况）。在排除行业因素和公司资产规模因素的前提下，Beaver 的研究表明，可以有效预测财务危机的比率有债务保障率、资产收益率、资产负债率和资产安全率。同时，他的研究结果表明，债务保障比率（现金流量/ 债务总额）预测财务危机的效果最好。一元判别分析是最早应用于企业财务预警的实证模型，它开创了财务预警实证研究的先河。2. 多元线性判别模型多元线性函数模型是对企业多个财务比率进行汇总，求出一个总判别分值来预测企业财务危机的模型。它从总体的、综合的角度来检查企业的财务状况，未雨绸缪，做好财务危机的规避或延缓财务危机的发生。多元线性函数模型中应用最广的是Z分数模型。Z分数模型最早是由美国学者Altman于1968 年开始研究的。Altman的多元判别模型如下：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5X1=(期末流动资产-期末流动负债)/期末总资产X2=期末留存收益/期末总资产X3=息税前利润/期末总资产X4=期末股东权益的市场价值/期末总负债X5=本期销售收入/总资产Alman 研究发现：Z值越低，该企业遭受财务失败的可能性就越大；Z值越高，该企业遭受财务失败的可能性就越小。他曾经对66家企业进行分析测算，其准确程度达95%左右。Z分数模型的具体判断标准为：Z3.0 财务失败的可能性很小2.8Z2.9 有财务失败可能1.81Z2.7财务失败可能性很大Z1.8财务失败可能性非常大多变量模型可以说是对单变量模型的修正，在一定程度上弥补了单变量模型的一些缺陷。3. 多元逻辑回归模型多元逻辑回归模型的目标在于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。它是建立在累计概率函数的基础上，不需要自变量服从多元正态分布和两组间协方差相等的假设条件。多元逻辑回归模型假设企业破产的概率p （破产取1，非破产取0），并假设可以用财务比率线性解释。首先假定= a + b x ，然后根据推导可以得出 p=exp，从而计算出企业破产的概率。其判别方法和其他的模型一样，先是根据多元线性判断模型确定企业破产的Z 值(Z=a + bx)，然后推导出企业破产的条件概率。其判别规则是：如果p值大于0.5，则表明企业破产的概率比较大，那么判定企业为即将破产类型；如果p值低于0.5则表明企业财务正常的概率比较大，判定企业为财务正常。Ohlson第一次采用多元逻辑回归模型进行破产预测。他选择了1970-1976 年间破产的105家公司和2058 家非破产公司组成的配对样本。分析了样本公司在破产概率区间上的分布以及两类错误和分割点之间的关系。他发现至少存在四类影响公司破产概率的变量：公司规模、资本结构、业绩和当前的融资能力。研究结果表明用这四类变量进行财务危机的预测准确率达到96.12%。4. 多元概率比回归模型多元概率比回归模型也假定企业破产的概率为p，并假设企业样本服从标准正态分布，其概率函数的p分位数可以用财务指标线性解释。其计算方法和多元逻辑回归方法很类似，先是确定企业样本的极大似然函数，然后通过求似然函数的极大值就可以得到参数a、b ，接下来就可以利用下式求出企业破产的概率。和前面的判别规则一样，如果概率p小于0.5，就判别为财务正常型，如果p大于0.5 ，则为即将破产型。Zmijewsk 最早使用多元概率回归模型，他选择了1972-1978年间76家破产企业和3880家正常企业进行了分析。采用极大似然法，通过使每个样本个体的破产与非破产的联合概率最大来构造模型，并分析了样本公司在破产概率区间上的分布以及两类错误和判别阀值点之间的关系。（二）非统计类财务危机预警模型非统计类财务危机预警模型主要有人工神经网络模型。这是将网络的分类方法应用于财务预警的模型。人工神经网络是一种平行分散处理式，其构建原理是基于对人类大脑神经运作的模拟。人工神经网络通常由输入层、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。网络的学习是一种误差从输出层到输入层向后传播并修正数值的过程，学习的目的是使网络的实际输入逼近某个给定的期望输出。根据最后的期望输出，得出企业的期望值，然后根据学习得出的判别规则来对样本进行分类。人工神经网络具有较好的纠错能力，从而能够更好地进行预测。Odom 和Sharda是最早把神经网络技术应用于财务危机预警研究中的。他们用人工神经网络预测了财务危机。他们以1975-1982 年间的64家失败企业与64家正常企业配对，并将样本区分为训练样本与保留样本，以Altman（1968）Z 计分模型所使用的5个财务比率为研究变量，使用神经网络构建模型。结果发现训练样本的判别正确率高达100% ，对保留样本失败的企业与正常企业的预测正确率分别为81.75% 与78.18%，显示神经网络具有较佳的预测能力。他们的模型要优于当时的判别分析模型，能更好的解决分类问题。但他们的模型仅仅是神经网络方法应用的展示和Altman (1968)研究的重复。人工神经网络具有较好的模式识别能力，还可以克服统计等方法的限制，因它具有容错能力，对数据的分布要求不严格，不需要考虑是否符合正态分布的假设，具有处理自律遗漏或是错误的能力，而且可以处理非量化的变量，最重要的一点是人工神经网络具有学习能力，可随时依据新准备数据资料进行自我学习、训练，调整其内部的储存权重参数以对应多变的企业运作环境。而传统的统计方法却不具备此学习能力。（三）不同企业财务危机预警模型对比分析经过国内外学者的研究，企业财务危机预警模型得到了极大的发展，能够对企业的财务危机预警起到重要的作用。很多企业根据自身行业的特点和自身发展的状况构建了适合本企业的财务危机预警模型，有效地对公司可能出现的危机进行预测并采取积极的措施进行防范，从而推动了企业的发展。但是，各个企业财务危机预警模型又有自身的局限性。以下分别进行讨论。 1.一元判定模型有良好的理论基础，但其割裂了各个财务分析指标之间的内在联系，在实际运用中存在很大局限性，并且预警的准确性较差。2.二元判定模型在实际运用中具有较好的预测性，但它缺乏理论基础。多变量判定模型存在严重偏离现实的假设以及因错拒与误受的错误所带来的机会成本损失等，这些显然都与客观现实不符。同时多变量判定模型需要大量的数据支持，对于我国发展中的资本市场来讲，上市公司的数量和能提供的数据都有限，并且我国从1999年才开始实行ST和PT制度，可供使用的参考数据更是有限，因此其预测结果的可靠性还有待加强。3.神经网络预警系统运用于公司财务危机预警模型中的时间并不长，神经网络预警模型过于复杂，在运用中还有待完善，因此在实践上受到很大限制。4.现有预警模型无法对上市公司提供数据的真假做出辨别。由于存在公司治理不完善，对上市公司的监管不到位及会计制度存在漏洞等原因，许多公司管理层出于自身利益的种种考虑，对外提供虚假的财务报告和数据。如果预警模型不能对这些信息和数据做出辨别，就会导致建立在这些信息和数据基础上的预警模型参数不可靠，最终降低预测结果的准确性和可靠性。5.现有财务预警模型主要侧重于财务定量数据的使用，对于宏观经济状况，国家政策的变化及不同企业的特殊情况（如信用）等定性指标考虑还较少，而这些因素会对企业的生存和发展产生有利或不利的影响，有时甚至会起到决定性的作用。6.现有的财务预警模型大多比较重视对上市公司提供的资产负债表和利润表中数据指标的运用，而容易忽视对现金流量表和上市公司提供的其他数据的运用。资产负债表和利润表都是建立在权责发生制的基础上的，而现金流量表则是建立在收付实现制的基础上的，更能够准确反映上市公司的财务状况，因此也更能够为财务预警模型提供更加可靠、可信的基础数据。7.现有的财务预警模型使用的基本上都是来自公司的年报即年度报表数据，模型的参数也是建立在年报数据的基础上，很少使用季度或月度报表数据。这样的财务预警模型可能对规模较大的企业的中长期发展有良好的预测，但是对一些抵御风险能力较弱的中小企业，由于受短期因素的影响很大，这样的模型预测的结果往往滞后，同时它也很难满足对财务危机预测的短期需求。8.现有的财务预警模型基本上都是以公司破产或公司进入PT、ST作为公司财务危机的判定标准（何荣华，2006）。实际上公司破产或被PT、ST处理是财务危机爆发的极端形式，仅仅基于此基础上的预警模型很难满足各方对公司财务状况的预测需要，尤其是对公司财务风险的早期预测。三、企业财务危机预警模型构建时指标体系的选择财务危机预警模型的可靠性很大程度上取决于财务指标的选择, 企业财务危机预测指标体系的建立, 须贯彻全面反映企业的经营、财务状况, 且须进行适度的简化, 以方便数据的收集处理, 降低预测成本。奥特曼(Altman) 博士在建立Z值模型时, 指出最初财务指标选取要遵循两个原则:一是指标在以往研究中出现的频率； 二是指标与所研究问题潜在的相关性,相关性原则要求预警变量必须能够提供多层次、多角度的信息资料。为了保证财务比率指标具有科学性和实际应用价值，作为构成财务指标的主体的财务比率，至少应当包括有关的偿债能力、盈利能力、营运能力、发展能力和现金流量五个方面，以便于从不同的角度、不同的侧面综合反映财务状况。（一）偿债能力指标企业的财务失败从资产存量角度看，表现为企业总资产账面价值低于总负债账面价值，即企业净资产为负数。从企业破产法规定的角度看，国有企业的破产界限为“ 因经营管理不善造成严重亏损，不能清偿到期债务。”其实质是不能清偿到期债务。因此过度举债是形成企业财务失败和危机的“ 第一杀手”，偿债能力指标是构建财务危机预警模型的指标体系的首要因素。所以为了全面评价债权人所关注的资产负债水平和偿债能力，应选择流动比率、资产负债率。（二）盈利能力指标不论是投资人、债权人还是企业的经营者都非常重视和关心企业的盈利能力。一般来说，企业的盈利能力只涉及正常的营业状况。非正常的营业状况，也会给企业带来收益或损失，但那只是特殊情况下的个别结果，不能说明企业真正的盈利能力。所以为了客观评价投资人所关注的盈利能力应选择主营业务利润率、总资产报酬率、净资产报酬率。（三）营运能力指标企业的最终目标是获利，而获利的关键是如何合理的使用企业的有效资金。企业的资金又不是静止的，而是按资金运动规律运动着的。所以资金运动的速度就成为判断是否合理使用资金的唯一标准。营运能力指标就是用来衡量企业资金使用效率的财务比率，企业的经营者比较关心此类指标。为了评价企业的营运能力，应选择应收账款周转率、存货周转率和总资产周转率。（四）发展能力指标发展能力是企业在生存的基础上，扩大规模，壮大实力的潜在能力。反映企业未来的市场扩张、规模壮大及利润增长的前景，是企业未来发展趋势的综合体现。为了反映企业未来资本扩张的能力，应选择销售增长率、总资产增长率和净利润增长率。（五）现金流量指标从现金流量角度看，财务失败另一个重要表现就是企业现金流入小于现金流出，即企业现金净流量为负数。众所周知，净利润会受到经营者的控制，这种利润操作行为，导致了财务信息失真，同时会演绎成一种非常奇特、非常矛盾的状况：一方面企业账面有会计利润；另一方面，企业缺少现金支付能力。为了克服权责发生制原则所带来的人为操纵利润的弊端，人们在现金收付制的基础上，发展成为“ 现金流量基础”。财务预警的重点应是现金及其流动。为了反映企业的现金流量，应选择现金到期债务比、销售现金比率、净收益营运指数和财务比率指标的设计和选择是建立财务预警系统的重要前提。预警离不开监测，监测离不开财务指标。因此，构建财务预警模型，必须首先在分析系统的环境、目标、结构、功能及其与整个监测和预警系统之间的关系的基础上，通过严格的理论和实证分析，科学合理地设计和选择财务指标，构建财务预警模型的指标体系。四、应用企业财务危机预警模型应注意的问题企业财务危机预警模型在很大程度上促进了企业的发展，但是应用的过程中应该注意以下问题： （一）财务预警模型缺乏经济理论的指导在目前的文献中，尚没有一个理论能完全解释财务指标和财务危机之间的关系。由于缺乏理论上的指导，所以各模型在财务指标的选择上显得比较随意。另一方面，各模型所选取的财务指标还可能仅仅是企业陷入财务危机的征兆，而不是根本原因。（二）财务预警模型的功能有待进一步扩展作为完整的财务预警系统, 除了能判别某些指标是否超越了预警界限，还应该能说明这种危机产生的原因、发展的过程、目前的状态及未来变化的趋势，这样才能为管理层提供真正有用的预警信息。另外，财务预警模型还应该具备一定的判断功能，比如能对上市公司提供数据的真假做出辨别。由于存在公司治理不完善，对上市公司的监管不到位及会计制度存在漏洞等原因，许多公司管理层出于自身利益的种种考虑，对外提供虚假的财务报告和数据。如果预警模型不能对这些信息和数据做出辨别，就会导致建立在这些信息和数据基础上的预警模型参数不可靠，最终降低预测结果的准确性。( 三) 财务预警模型没有考虑非量化因素现有财务预警模型主要侧重于财务指标的利用，而很少考虑社会经济环境和企业自身的情况( 如企业的战略、人力资源、信用) 等非量化因素。这些非量化因素对企业的生存和发展会产生许多有利或不利的影响，有时可能是本质原因。( 四) 财务预警模型的作用会受到财务指标和样本选取的限制各种模型都有其财务指标选择的侧重点，从某种程度来讲，这种侧重因为忽视了其他方面的财务指标而存在着一定的片面性。比如现有的财务预警模型大多比较重视对上市公司提供的资产负债表和利润表中数据指标的运用，而容易忽视对现金流量表和上市公司提供的其他数据的运用。另一方面，不同的样本选取( 包括时间和空间)也会对财务预警模型的适用性有很大的影响。比如不同的国家和地区、不同行业以及不同的研究区间的选取等。( 五) 财务预警模型应用的条件不能完全得到满足各种财务预警模型都有其假设条件，在实践中这些假设条件并不能得到完全的满足。我们的很多研究都是在近似条件下完成的，这无疑会降低模型的稳定性及预测精度。（六）根据企业财务危机预警模型的应用实践以及各种模型在其应用中存在的问题，本文认为，企业财务危机预警模型在未来的发展方向应该体现出以下几个方面：第一，要发展一些不同行业的财务危机预警分析模型。由于各个行业都有自身的一些经营特点，具体体现在财务数据上就有一些差异，这就降低了各个行业之间财务数据的可比性，从而使建立不同行业的财务危机预警模型很有必要。第二，未来的财务危机预警模型还应把一些非财务指标所能体现的定性因素考虑进去。第三，未来的财务危机预警模型应能够对公司所提供的财务数据的真伪做出一定鉴别。第四未来的财务危机预警模型应该具备一定的自我学习能力。第五，未来的财务危机预警模型应该向静态和动态两个方向发展。第六，未来的财务预警模型在重视对上市公司的资产负债表和利润表提供的数据的同时，更应重视对能够反映上市公司资产流动性的现金流量表数据的应用。在使用上市公司年度报表数据（包括三大报表及其附表）的同时，应设计一些利用公司季报和月报数据的中短期预警模型，来满足投资者的中短期需求。参考文献1程涛.财务预警模型综述J.山西财经大学学报，2003(5).2张爱民，祝春山，许丹键.上市公司财务失败的主成分预测模型及其实证研究J金融研究，2001(3).3保安，季海，徐晶，温金祥.BP神经网络在企业财务危机预警之应用J.预测2001(2).4郭月玲，吕恕.财务危机预警模型的构建J.商场现代化，2007(10).5张鸣，张艳.财务困境预测的实证研究与述评J.财经研究,2001(12).6何荣华.财务预警模型分析、比较、评价J，会计之友，2006(8).7陈越.财务危机预警指标体系的构建J.会计之友，2005（2）.8王玉.企业财务危机预警模型的改进研究J，商场现代化，2007(2).9陈静.上市公司财务恶化预测的实证研究J，会计研究，1999,(4).10郑茂. 我国上市公司财务风险预警模型的构建及实证分析J，金融论坛，2003(10) .11何源，卢兴杰，肖松.上市公司财务危机预警模型的演变J，财会月刊，2005(8)12Altman E I. Financial Ratios, Discriminant Analysis, and the Prediction of Corporate Bankruptcy J.Journal of Finance， September, 196813Altman E I.RG Haldeman and P .Narayanan. ZATE Analysis-A New Model toIdentify Bankruptcy Risk of Corporations J. Journal of Banking and Finance, June，197714杨宗昌，赵红.运用财务失败预警模型对上市公司进行财务分析J.上海会计，2002(11).15吴世农，卢贤义.我国上市公司财务困境的预测模型研究J.经济研究，2001(6).16苗润生.公司财务预警系统研究J.中央财经大学学报，2003(8).17张玲. 财务危机预警分析判别模型J.数量经济技术经济研究，2000(3).致 谢这篇论文历经将近半年的时间终于定稿，在写作的过程中虽然本人竭尽所能，但还是由于自身所学知识及社会阅历有限，在写作过程中碰到了不少的困难与问题，也使我认识到自身还存在着很多的不足。在此首先我要感谢我所有的任课老师，感谢他们对我辛勤的培育，是他们教给了我无尽的知识和生活的道理。尤其要感谢的是我的导师薛玉莲老师，感谢她对我不辞辛劳的悉心指导。同时也使我深切的感受到薛老师严谨的治学态度与学术要求，使我在学习本专业知识的同时还培养了严谨、谦虚、求真、求实的处事风格，获益匪浅。在此要一并感谢对我的论文提出宝贵意见和建议的所有的老师和同学们！ 刘学香 2008-4-29毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作 者 签 名： 日 期： 指导教师签名： 日期： 使用授权说明本人完全了解