财务比率论文范文

时间:2023-03-07 00:01:14

财务比率论文

财务比率论文范文第1篇

摘要使用奥尔特曼提出的基于财务比率的模型,对我国上市公司中的医药行业板块的6家财务状况不同的公司进行了实证检验和分析,并结合我国的实际分别做出了解释,结果表明该方法对于大部分公司的预测能力良好。

关键词财务比率分析Z值检验医药行业

1奥尔特曼-Z值模型

在财务分析中,比率分析作为对于公司偿债能力、盈利能力和运营能力评价的标准,被许多金融分析师和市场研究人员广泛应用。然而在学术界,由于缺乏有力的理论支持,比率分析一直不受财务学家们的重视。奥尔特曼(1968)利用了差异分析法,十分有效地对美国的企业破产进行预测从而对于企业的违约风险给出一个解析性的评估方法。该方法基于以下的统计模型:

Z=a1x1+a2x2+L+anxn(1)

其中:

Z代表对公司的综合评价分数,xi是财务指标,ai是该指标的权重。笔者从22个比率中选出5个并给出权重,并构造模型如下:

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5(2)

其中:

X1=■,X2=■,

X3=■,X4=■,

X5=■。

奥尔特曼(1968)模型中的临界值为2.675。利用该模型进行预测,未来1年的预测准确率可以高达95%,2年的预测准确度为75%,3年的为48%。

奥尔特曼等指出,在会计准则和财务报表质量方面,中国和西方有很大的差别。因此直接应用前述的值模型会带来较大的误差。奥尔特曼等基于中国资本市场可获得的数据,重新对上述模型的变量和参数进行进一步的修正,提出以下新的值模型:

Z=0.517-0.460X1+9.320X2+0.388X3+1.158X4(3)

其中:

X1为资产负债率,X2为总资产回报率,X3为营运资产占总资产的比率,X4为留存收益占总资产的比率。

新模型的判定规则如下:①Z值小于0.5,则该公司应该被列为ST;②Z值在0.5和0.9之间,则该公司很可能会被列为ST,并应该受到重点关注;③Z值大于0.9,则该公司财务状况良好。

利用新模型,奥尔特曼等(2007)根据30家被ST公告的公司前5年的财务数据对其进行预测,结果表明预测的结果非常好:1年内的预测准确率为100%,两年内和3年内的预测准确率分别为87%和70%。

2我国医药行业实证数据

本文选取了医药行业的8家上市公司进行分析,他们分别是:ST国药、S三九、*ST北生、ST金花、ST四环、S*ST集琦、云南白药和同仁堂,其中有6家被ST公告,两家财务状况良好。按照奥尔特曼等(2007)提出的模型,经过整理计算得出了各家上市公司的值(分别见表1~表8)。

3综合分析

8家公司的奥尔特曼Z值数据见图1,下面对其进行分析。

3.1财务健康的公司

从图中可看出,云南白药和同仁堂两家上市公司的Z值在近7年都保持在2以上,财务数据反映公司运营良好。

事实上,从进一步的财务分析也可以证实这一点。例如,对于同仁堂,从盈利性及现金流量方面来看,其经营活动和财务活动都做得非常出色,长期盈利能力强,盈利状况良好。从负债及权益方面来看,同仁堂集团盈利性资产主要集中在同仁堂A股及其下属的同仁堂课科技。除此之外,集团较好的资产多数分布在各地的同仁堂药房和经营中药饮片的同仁堂药材公司;此外,集团和外资合资的定位于高端保健品市场的健康药业也是一块质地较佳的资产。公司无论是短期偿债能力还是长期偿债能力均很强,并且有很强的融资能力。

3.2被ST公告的公司

从预测的结果来看,*ST北生、ST金花、ST四环和S*ST集琦的预测良好,两者均能利用前两年额财务指标预测出ST。事实上这也与我国监管法规对于ST公司的处理程序相适应,后者需要以公司连续两年的亏损作为前提。然而对ST国药与ST金花的预测能力则弱,可能另有原因。

3.2.1ST国药

2002~2006四年的年报数据显示出,公司运营正常,表明武汉国药科技股份有限公司财务健康,无需特别关注的事项。与同仁堂、云南白药在财务健康程度上不相上下。事实上,该公司网站上所显示的最新信息也只停留在2006年,从2006年的公司新闻、宣传和荣誉来看公司发展稳定良好。然而2007年,从财务报表和仅列示出的几个财务指标的恶化都能看出,公司业绩突然下滑。此时Z值直接降为负值,2008年5月5日公司股票被冠以“ST”标志,其原因是因为由于公司2007年度主营业务收入大幅减少,本年度公司经营状况尚未改善。

3.2.2ST金花

(1)营运资金/资产总额。医药商业为了扩大市场占有率,采取了加大市场宣传、降低价格等活动,主营业务成本有较大幅度增加。虽然主营业务收入较之上年也取得了一定比例的上升,但受制于成本激增的不利条件,营运资金额总体呈降低趋势,相应地,迫使营运资金/资产总额这一比例比前两年出现了大幅下降,并对Z值的下滑起到了至关重要的负面贡献。

(2)资产负债率,为了扩大市场占有率,公司采取的加大市场宣传、降低价格等活动必定需要较多的流动性;而另一方面,大规模的投资活动也需要借助外来资金得以实现。综合这两方面原因,可以部分解释资产负债率的提高。

(3)资本收益率。从Z值各组成部分来看,资本收益率的下降也须对Z值的下降承担较大责任。纵观公司近几年的投资情况,可以发现主要的投资项目正处于建设期,还没有进入创造收益、回收成本的阶段。大量的投资支出及回报的暂不可实现性使得公司不得不接受资本收益率大幅下降的现实。但是如果能够确定投资的价值,短时期的资本收益率的下降也不必引起过分的担忧。

(4)留存收益/资产总额。为了把握高速发展期、实现未来的高回报率,公司选择了将收益中的较大部分进行投资,因而降低了留存收益,使得该比率也体现出了小幅的下降。

3.2.3S三九

2004年三九公司经营业绩在调整中出现很大亏损,主要原因有以下4个方面:一是应收款项坏账准备计提比例的会计估计变更。为使公司会计估计更接近资产价值的实际情况,更好地反映公司财务状况和经营成果,公司提高对应收款项坏帐准备计提比例,对公司本年度损益的影响为30,213万元;二是因公司各子公司业务发展方向调整等原因而对长期投资计提减值准备,对公司本年度的损益影响为人民币13,151万元;三是公司重要参股公司三九宜工生化股份有限公司2004年度大幅亏损,对公司本年度的损益影响亦较大;四是国家医药行业监管政策的变化导致公司主营业务收入略有下降。

3.2.4ST四环

从图1中可以看出,2005年和2006年的Z值降为负值。事实上,公司2005年、2006年连续两年亏损,自2007年4月30日起公司股票实行退市风险警示的特别处理。而且若公司2007年12月31日不能实现扭亏为盈,根据《深圳证券交易所上市规则》的有关规定,深圳证券交易所将于公司2007年度报告披露之日起对该公司股票实行暂停上市。然而由于四环制药公司在2007年进行了重大重组,通过与重组方协商,以及与债权人谈判,通过债权人豁免公司债务的形式,实现公司2007年扭亏为盈,从而避免暂停上市的风波。

3.2.5S*ST集琦

观察该公司从工作出发2000年~2007年的年报,可以看出S*ST集琦的营运资金/总资产比率远低于行业的平均值,而且从2003年末开始,这个比率就变为负值了,表明该公司的营运资金严重缺乏,没有能力还本付息,违约风险较高。它的资本收益率也很低,且从2004年开始也变为负值了,说明公司的资产投资收益率从2000年开始不断下降,2004年后变为负,可见公司的盈利能力在不断下降直至2004年公司开始亏损。它的留存收益/资产总额的比率一直处于行业的平均值以下,且从2004年末开始,这个比率变为负值。说明该公司以往的盈利能力较差,偿债能力也很差,违约风险增大。它的资产负债率不断增加,后来处于行业平均值以上。表明公司的长期偿债能力在不断下降,财务风险在不断增加。

3.2.6*ST北生

北生公司从06年起一直为负的净利润。且其在今年的三季报里披露,公司预计今年业绩亏损。主要原因是国家药品降价政策、医药原料价格上涨以及日益趋紧的宏观调控等多重影响,行业盈利能力普遍有所下降,药品市场价格不断走低,产品毛利率下降。

北生公司被查出有3.79亿元贷款没有按规定进行信息披露。从而,公司被怀疑过去一直在做假账。北生的重组计划在2008年11月,由于重组方中能石油新增战略投资者无法发行增效承诺,导致重组协议无法履行。

以上从三个方面显示出北生公司有破产的可能:负的净利润意味着公司无法产生足够的现金流来维持生产、偿还负债;违法行为的揭露,将使投资者对其失去信心,从而减少了公司获取额外投资的可能,这又进一步影响公司的偿债能力;重组计划本身表明公司已发现了自己有破产的风险,而计划的落空将使公司陷入更深的危机。而这些均可作为判定北生有破产可能的现实依据。不久前,北生公司被债权人申请破产。这就验证了北生公司的确存在破产的风险。所以,从客观的情形看,北生有破产的可能性,这与模型预测的结果一致。

4结语

财务比率论文范文第2篇

论文关键词:财务比率经营活动现金流量现金股利保障倍数

论文摘要:本文以公开发行教材中的现金流量比率为研究对象,分析了现金流量比率设置中存在的主要不足,提出了包含现金流量项目在内的新的财务比率体系。

一、当前使用现金

流量财务比率的基本状况在我国作者编写或编著的、于2002年到2005的年之间版的《财务管理》教材中.笔者搜集到32本(因篇幅限制未列明)。完全未提及现金流量指标的有8本,占25%:在余下的涉及现金流量指标的24本教材(以下称可比样本)中,将现金流量分析独立于传统的资产负债表和损益表分析的有9本.占可比样本的37.5%。无论是单独对现金流量进行分析还是将现金流量分析与传统财务评价结合一起.这24本教材都主张按不同的分析目的来设置指标:全数表示现金流量表项目可用于偿债能力评价.但其中有6本教材仅仅设置“现金比率”这一个指标:有12本教材设置了获现能力或叫获利能力分析的指标.占可比样本的50%;有9本设置了盈利质量分析指标.占可比样本的37.5%;还有6本写明了要进行财务弹性分析.占可比样本的25%

仔细分析教材中使用的评价指标,大致可以归纳为27个.分属四种分析目的。偿债能力分析指标最为大家认可,其出现的频率达N44%,其次是获现能力指标,频率为36%,财务弹性指标占l1%.盈利质量指标占9%。具体到各财务比率.公认程度最高的是经营现金净流入/流动负债.其出现的频数达到19%经营活动现金流量/N期债务本息、经营活动现金流量/到期债务、现金及现金等价物/流动资产、经营活动现金流量/全部债务、经营活动现金流量/平均总资产等五项财务比率的认同程度也较高.均达9%。

二、现行教材中现金流量指标设置存在的问题

(一)夸大现金流量表的作用

如前文所示.约四成的教材将现金流量分析独立于传统的资产负债表和损益表分析之外.说明仍有不少人将现金流量分析视为与传统财务分析并列的~部分事实上,现金流量表作为传统两表的桥梁.其作用不可能超越他们。其次.现金流量表的编制基础与传统两表不同.它不可能取代后者.因而不可能独立存在。而且.现金流量表也存在人为操纵的可能。比如:年末时大量回收货款或大量借款、有意调整“现金”概念.将本来就是现金范围的现金归口为非现金项目以增加现金流量、将现金流量表的各项数据同时调增或同时调减.以达到调节表内各项目数据的目的。

(二)指标名目繁多,未能突出现金流量表的作用

1.将结构比率、趋势比率等不属于财务比率的指标吸纳进来财务比率是将企业某个时期财务报表中不同类但具有一定关系的项目进行对比而形成的比率.其数据均来自一个会计期间.不同于趋势比率:这些数据属于不同类项目,因而有别于结构比率:2.纳入了非现金流量指标。如:现金及现金等价物之和/流动资产.数据可以从资产负债表中获取而不必从金流量表中获取:3.将非财务指标纳入体系。如:最大负债能力——经营活动现金流量与市场利率之比中.市场利率在财务报表中不能获取.超出了财务比率的范畴。

(三)指标命名欠规范,容易混淆

1.同一指标.名称不同“经营活动现金净流量/流动负债”这~比率就有现金偿债比率、现金流动负债比率、现金流量比率、短期债务现金流量比率、现金流量负债比等7种名称:2.有的指标“名不符实”,如:利润变现比率;经营活动净现金流量/营业利润.公式中分母仅限于营业利润,而指标名称却叫“利润”变现比率,外延大多了;而且,利润与现金的关系并不是变现的过程,这与传统的资产“变现”概念相背,不利于对指标的理解。

(四)指标的计算公式有争议甚至有错误

1.现金比率一般是指现金及现金等价物之和与流动资产的比值,有学者将计算式的分母取作总资产。还有人取作流动负债:2.经营活动现金净流量/流动负债,也有人将分子取作“经营现金流入”:3.现金利息保障倍数有(经营活动净现金流量+利息支出+所得税付现)/现金利息支出及(利润总额+利息支出)/N息支出两种计算公式:后者更粗略一些,因为利润总额未考虑到非付现费用及非经营所收或所付的现金;,分子分母显然口径不一.会导致错误计算。

三、包含现金流量项目的财务比率体系

鉴于现金流量表与传统资产负债表和损益表之间存在紧密联系.重构的财务比率体系是以同一时期三张报表的相关项目计算而成的比值为主体,剔除所有的结构比率、趋势比率.按不同报表使用者分为四个方面——传统的偿债能力分析、盈利能力分析、营运能力分析和增设的财务弹性分析,不再对现金流量进行单独评价

(一)偿债能力分析

现金是偿还债务最直接的工具.也是最终的偿债手段。在传统的速动比率、资产负债率等指标的基础上,补充以下包含现金流量信息的财务比率:1.短期偿债能力指标现金流量比率=经营活动现金流量/流动负债.该指标反映企业在经营活动中获得现金偿还短期债务的能力。其值越高.对短期债权人的本金保障程度越高但由于现金的流动性最强.其盈利能力也最差.该比率值过高.说明企业没有充分利用现金造成资源浪费按速动比率的经验值来推断.现金流量比率值在l左右属于理想范围:2.长期偿债能力指标:现金流量保障倍数=(经营活动现金净流量+所得税付现)/[现金利息支出+优先股股利/(1一T)+到期债务本金/新思考(1一I’)]

利息费用是可抵税费用.满足一元的这些债务只要求有1元的税前现金流量.但优先股股息和债务本金偿还须从税后现金流量中支付.除以(1一T)得到相当于满足它们的税前现金流量

该比率值大于1.说明企业利用税前经营活动现金净流入量可以偿还到期债务并支付利息、优先股股息.无需另行筹资来履行固定义务:反之,该比率值小于1.表明企业履行这些义务时.不但耗尽了同期经营活动产生的税前现金流量.还动用了前期的现金及现金等价物.企业资产的流动性将受到不利影响.

(二)盈利能力分析

传统的盈利能力分析主要都是依据权责发生制下的利润。但利润是否有实实在在的现金净流入作为保障.还需要将现金流量与利润额对比,判断盈利的质量.作为传统盈利能力分析的补充。可设置如下盈利质量分析指标:

营运指数=经营活动现金流量/(净收益一非经营收益+非付现费用)

非经营收益主要是指投资收益、财务费用、公允价值变动损益、营业外收支净额.而非付现成本包括计提的资产损失准备、提取的固定资产折旧、无形资产和长期待摊费用的摊销、待摊费用的减少等。上式中的分母,常被称为经营所得现金。该指标反映经营活动净现金流量与调整后经营利润的差异程度。该比率大于1.说明经营活动现金流量高于营业活动应得现金.主营业务创造的利润具有更多的现金作为保证,该比率小于1。说明一部分收益尚没有取得现金.原因是应收账款的增加、应付账款的减少或存货增加.使得实际得到的经营现金减少。而存货有贬值的风险.应收账款有形成呆、坏账的风险,因此。未收现的收益质量不如已收现的收益:即使不出现上述风险.存货和应收账款占用的资金也是有机会成本的.那么.企业取得同样的净收益要付出更大的代价,实际的业绩水平下降,营业利润的质量下滑。

(三)营运能力分析

在传统财务分析中.销售收入与投入资源或业务相比较.获得的存货周转率、总资产周转率等被归纳为营运能力分析指标。而获现能力指标一般也是将企业经营活动现金流量与投入资源和相关业务相比较.如.将企业经营活动现金流量与资产平均余额相比较.将经营活动现金流量与销售额相比较可见.营运能力评价指标和获现能力评价指标都反映企业利用资源获取经营成果的能力.不过.前者反映的是权责发生制下的经营成果.后者反映收付实现制下的经营成果从这个角度出发.可把获现能力评价视为营运能力评价的补充可设置如下指标:1.反映销售业务获现能力指标销售现金流量比率=经营现金净流量/销售额.该指标可以衡量销货收入在当年收现的程度.用以评价销货工作的质量。该比率值越高.说明企业积压在应收账款上的资金越少,企业的经营成本越低.管理效率越高:2.反映总资产获现能力的指标资产现金流量回报率=(经营现金流量+利息支出+所得税付现),平均总资产.该指标更全面反映资产的获现能力,用以衡量企业运用全部资产进行经营创造现金的能力.反映企业资产利用的综合效果。其值越大.说明企业资产的利用效率越高。

(四)财务弹性分析

企业财务弹性是指企业应付各种挑战、适应经济环境变化的能力.具体表现为企业能否灵活筹集资金应付偶发性支出、股利支出以及捕捉投资机会的能力。将现金流量表与资产负债表、损益表相结合,能获取现金流量和支付现金需要两方面信息.用以判断企业可稳定获得的现金是否充足.

从而分析企业的财务弹性大小。可设置如下指标:1.现金股利保障倍数=每股经营现金流量/每股现金股利=经营现金流量/现金股利.该指标反映企业运用现金流量支付股利的能力。其值越大.说明企业对股利的支付越有保障.支付现金股利的能力越强。若比率值低于1,当遇到经济不景气,企业极可能没有现金维持当前的股利水平.投资者可能要求搁置企业投资以发放股利,从而影响企业利用新的投资机会;或者,企业需要借债才能维持当前的股利水平.此举将增加企业未来的债务负担.降低未来可支出现金.企业的财务弹性变弱:2.现金流量再投资比率=(经营活动现金流量一现金股利)/(固定资产+长期投资+其他资产+营运资金)。根据资产=负债+所有者权益.营运资金:流动资产一流动负债.现金流量再投资比率还可表示为:

现金流量再投资比率=(经营活动现金流量一现金股利)/(所有者权益+长期负债)

财务比率论文范文第3篇

[论文摘要]企业财务危机已成为企业利益相关者需要预测并应对的重要风险之一。企业应构建财务预警机制,及时沟通企业有关财务危机预警的信息,有效地防范和化解财务危机。本文对国内外财务危机预警模型逐一进行评析,旨在为构建符合我国实际并具有可操作性的财务危机预警模型提供借鉴。

随着我国市场经济体制改革的不断深化,经济领域中的复杂性、不确定性日益凸现,企业发生财务危机的情况越来越频繁,因此,财务危机已成为企业利益相关者需要预测并应对的重要风险之一。构建财务预警机制,及时沟通企业有关财务危机预警的信息,有效地防范和化解财务危机,是任何一个企业都必须亟待解决的问题。近年来,除了沿用传统的经验判别与定性分析方法外。企业利益相关者也开始关注并尝试使用财务危机预警模型来定量预测财务危机。财务危机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危机的判别模型。其关键点就是如何确定预警指标及预警指标的临界值。本文对国内外财务危机预警模型逐一进行评析,旨在为构建符合我国实际并具有可操作性的财务危机预警模型提供借鉴。

一、单变量预警模型

单变量预警模型是指利用单个财务比率来进行财务预警,以判断企业是否发生财务危机的一种预测模型。beaver(1966)在其“财务比率与失败预测”一文中,以财务危机预警为主题,以单一的财务比率指标为基本变量,运用配对样本法。随机挑选了1954年至1964年间79家危机中的企业。并针对这79家企业逐一挑选与其产业相同且资产规模相近的79家正常企业进行比较。得出的结论是,最能对企业危机做出预警的指标是“现金流量/总负债”比率,其次是“净收益/总资产”比率和“总负债/总资产”比率。其中,“现金流量”来自“现金流量表”的3种现金流量之和,除现金外还充分考虑了资产变现力,同时结合了企业销售和利润的实现及生产经营状况的综合分析,这个比率用总负债作为基数,考虑了长期负债与流动负债的转化关系,但是总负债只考虑了负债规模,而没有考虑负债的流动性,即企业的债务结构,因此对一些因短期偿债能力不足而出现危机的企业存在很大的误判性。“总资产”这一指标没有结合资产的构成要素。因为不同的资产项目在企业盈利过程中所发挥的作用是不同的,这不利于预测企业资产的获利能力是否具有良好的增长态势。

beaver最先在企业危机预警研究中使用非参数统计的二分类检验方法来确定分割点。使其错误分类率降至最低,这一方法为以后的企业财务危机预警研究者广泛采用。此外,beaver还首创配对抽样的技术以控制因产业类别和企业资产规模不同而引起的混淆。但单变量预警模型只是利用个别财务比率预测企业财务危机。因此其有效性受到一定的限制。一般来说。企业的生产经营状况受到许多因素的影响,各种因素之间既有联系又有区别,单个比率反映的内容往往有限,无法全面解释企业的财务状况。

二、多元判别分析模型

多元判别分析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。altman(1968)在其“财务比率、判别分析和公司破产预测”一文中认为,企业是一个综合体,各个财务指标之间存在某种相互联系。各个财务指标对企业整体风险的影响和作用也是不一样的。他通过把传统的财务比率和多元判别分析方法结合在一起,发展了一种财务危机预警模型,即z计分模型。该模型的具体形式如下:

z=0.012x1+0.014x2+0.033x3+0.006x4+0.999x5

式中,x1=营运资本/总资产,反映资产的流动性与规模特征;x2=留存收益/总资产,反映企业累计盈利状况;x3=息税前收益/总资产,反映企业资产的获利能力;x4=权益的市场价值/总债务的账面值,反映企业的偿债能力;x5=销售总额/总资产,反映企业的营运能力。

通过统计分析,altman认为z值应在1.81-2.99之间,等于2.675时居中。如果企业的z值大于2.675,表明企业的财务状况良好;如果z值小于1.81,则企业存在很大的破产风险;如果z值处于1.81-2.675之间,称为“灰色地带”,处在这个区间,则企业财务状况是极不稳定的。

z计分模型的变量是从资产流动性、获利能力、偿债能力和营运能力等指标中各选择一两个最具代表性的指标。模型中的系数则是根据统计结果得到的各指标相对重要性的量度。实证表明该模型对企业财务危机有很好的预警功能。但其预测效果也因时间的长短而不一样,预测期越短,预测能力越强,因此该模型较适合企业短期风险的判断。

z计分模型在企业破产前超过3年的预测正确率大大降低,而且随着时间的推移,经济环境也将出现重大变化,特别是进入20世纪70年代以后,企业财务危机的平均规模急剧增大,原有的z计分模型已无法解释当时的企业财务危机现象。于是,altman等人于1977年又提出了一种能更准确地预测企业财务危机的新模型——zeta模型。在该模型中,altman等人利用27个初始财务比率进行区别分析,最后选取了7个解释变量,即资产报酬率(息税前利润/总资产)、盈余稳定性(息税前利润,总资产的10年标准误差)、利息保障倍数(息税前利润/利息支出总额)、累计盈余(留存收益/总资产)、流动性(流动比率)、资本比率(5年普通股平均市值/总资本)和资本规模(普通股权益/总资产)。该模型存在的不足是选择比率没有理论可依,选择同一行业中相匹配的危机公司和正常公司也是困难的,而且观察的总是历史事件。但由于该模型简单明了。以后对企业财务危机预警模型的研究都是沿着这一思路进行的。

20世纪70年代,日本开发银行调查部选择了东京证券交易所310家上市公司作为研究对象,使用与altman相同的研究方法,建立了“利用经营指标进行企业风险评价的破产模型”,进行财务危机预测。其判别函数为:

z=2.1x1+1.6x2-1.7x3-x4+2.6x5+2.5x6

式中,x1表示销售额增长率;x2表示总资本利润率;x3表示他人资本分配率;x4表示资产负债率;x5表示流动比率;x6表示粗附加值生产率(为折旧费、人工成本、利息及利税之和与销售额之比)。模型中和的系数是负数,表明他人资本分配率和资产负债率越小,风险也越小。该模型z值的判断标准是:如果z值大于10,则企业财务状况良好:如果z值小于0,则企业存在严重的财务危机,破产的概率极大;如果z值在0与10之间。则表明企业处于“灰色区域”,存在财务隐患。

陈肇荣应用中国台湾地区的企业财务资料建立了多元判别函数,但未给出临界值及警度区间。该模型如下:

z=0.35x1+0.67x2-0.57x3+0.39x4+0.55x5

式中,x1=速动资产/流动负债;x2=营运资金/资产总额;x3=固定资产/资本净值;x4=应收账款/销售净额;x5=现金流入量/现金流出量。

由于z计分模型在建立时并没有充分考虑到现金流量的变动等方面的情况,因而具有一定的局限性。为此,中国学者周首华等对z计分模型加以改造,并建立其财务危机预测的新模型——f分数模式。f分数模式的主要特点是:(1)f分数模型中加入现金流量这一预测自变量。许多专家证实现金流量比率是预测公司破产的有效变量,因而弥补了z计分模型的不足。(2)考虑了现代化公司财务状况的发展及其有关标准的更新。公司所应有财务比率标准已发生了许多变化,特别是现金管理技术的应用,已使公司所应维持的必要的流动比率大为降低。(3)使用的样本更加扩大。其使用了compustat pc plus会计数据库中1990年以来的4160家公司的数据进行了检查;而z计分模型的样本仅为66家(33家破产公司和33家非破产公司)。

f分数模式如下:

z=0.1774+1.1091x1+1.1074x2+1.9271x3+0.0302x4+0.4961x5+0,496 1x5

式中,x1、x2及x4与z计分模型中的x1,x2及x4相同,这里不再进行分析;x3=(税后纯收益+折旧)/平均总负债;x3=(税后纯收益+利息+折旧)/平均总资产。

f分数模式与z计分数模型中各比率的区别就在于其x3,x5的比率不同。x3是一个现金流量变量,它是衡量企业所产生的全部现金流量可用于偿还企业债务能力的重要指标。一般来讲,企业提取的折旧费用,也是企业创造的现金流入,必要时可将这部分资金用来偿还债务。x5测定的是企业总资产在创造现金流量方面的能力。相对于z计分模型,它可以更准确地预测出企业是否存在财务危机。f分数模式的f分数临界点为0.0274;若某一特定的f分数低于0.0274,则将被预测为破产公司;反之,若f分数高于0.0274,则公司将被预测为继续生存公司。

多元判别分析模型是根据特定样本建立起来的判别模型,因而根据一个地区(或时期)样本企业建立的判别分析模型可能无法有效地对另一个地区(或时期)的企业进行预测。此外,多元判别分析模型的有用性差,导致理论研究热而实际应用冷的尴尬局面。

三、线性概率模型

线性概率模型是多元判别分析模型的一种替代选择。该模型为:

p=c0+c1x1+c2x2+…+cnxn

该模型可以解释为,在给定财务比率xn的情况下,p为该企业发生财务危机的概率的估计值。该模型计算虽然简单,但存在明显的缺陷:(1)该模型表示企业发生财务危机的可能性,则p值只能在(0,1)区间之中,然而线性回归方程无法做到这一点,采用该模型进行预测时,p值可能在(0,1)区间之外;(2)线性概率的假设往往与实际情况不吻合。现实生活中的经济变量是不确定的,而在该模型中,自变量c却是一个常数。基于以上原因,该模型在企业财务危机预测的实际研究中鲜有采用。

四、logistic模型

尽管多元判别分析模型有较好的预测性,但存在假设上的局限性,即要求各自变量(财务比率)服从多元正态分布的假设和两组变量(发生财务危机与未发生财务危机企业)具有同样方差一协方差矩阵的假设,显然,这些假设与现实相去甚远。此外。样本的抽取往往也会影响评价模型的预测准确性。因此。为服务于对定性因变量的多元非线性分析,ohlson率先在财务危机预警研究中应用了二元概率函数来计算危机事件发生的概率,由此产生了logistic模型。在企业财务危机判定与预测中,logistic模型如下:

yi=β0+β1xli+…+βkxki

pi=1/(1+e-yx)

式中,yi代表第i家企业是否发生财务危机,i=0或1,0代表正常企业,1代表财务危机企业,xki代表第i家企业的第k个财务比率,pi代表根据logistic模型所估计出来的第i家企业可能发生财务危机的概率。

该模型是一个用来测度企业是否会发生财务危机的二元选择模型。对这个模型的参数估计只能采用最大似然估计法。logistic模型的一个重要优点是它把在(0,1)区间预测一个企业是否发生财务危机的概率的问题转化为在实数轴上预测一个企业是否发生财务危机的机会比的问题,这与线性概率有着本质上的不同和进步。

五、人工神经网络分析模型

运用线性概率分析、逻辑回归方法来建立财务危机判别函数都是直接或者间接地依赖于线性函数来建立模型。存在的只是理论上的优越性。往往并不能很好地拟合复杂的实际数据。1987年,lapedes和fayber首次应用人工神经网络分析模型进行预测,开创了人工神经网络预警的先河。该模型是一种平行分散处理模型,其构建理念基于对人类大脑神经运作的模拟。它除具有较好的模式识别能力外,还可以克服传统统计方法的局限,具有容错能力。更难能可贵的是,该模型具有随不断变化的复杂环境进行自我学习的能力,因而使企业财务危机动态预警成为可能。

该模型摆脱了多元判别分析模型和logistic模型的局限,突破了依赖线性函数来建立统计模型的限制,用非线性函数更好地拟合实际资料数据,实现了方法上的创新。此外,人工神经网络分析模型的预测准确度也远高于其他方法。但其局限性在于理论基础比较抽象,对人类大脑神经模拟的科学性、准确性还有待进一步加强,因此其实际运用效果不够理想。

财务比率论文范文第4篇

[论文摘要]企业财务危机已成为企业利益相关者需要预测并应对的重要风险之一。企业应构建财务预警机制,及时沟通企业有关财务危机预警的信息,有效地防范和化解财务危机。本文对国内外财务危机预警模型逐一进行评析,旨在为构建符合我国实际并具有可操作性的财务危机预警模型提供借鉴。

随着我国市场经济体制改革的不断深化,经济领域中的复杂性、不确定性日益凸现,企业发生财务危机的情况越来越频繁,因此,财务危机已成为企业利益相关者需要预测并应对的重要风险之一。构建财务预警机制,及时沟通企业有关财务危机预警的信息,有效地防范和化解财务危机,是任何一个企业都必须亟待解决的问题。近年来,除了沿用传统的经验判别与定性分析方法外。企业利益相关者也开始关注并尝试使用财务危机预警模型来定量预测财务危机。财务危机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危机的判别模型。其关键点就是如何确定预警指标及预警指标的临界值。本文对国内外财务危机预警模型逐一进行评析,旨在为构建符合我国实际并具有可操作性的财务危机预警模型提供借鉴。

一、单变量预警模型

单变量预警模型是指利用单个财务比率来进行财务预警,以判断企业是否发生财务危机的一种预测模型。Beaver(1966)在其“财务比率与失败预测”一文中,以财务危机预警为主题,以单一的财务比率指标为基本变量,运用配对样本法。随机挑选了1954年至1964年间79家危机中的企业。并针对这79家企业逐一挑选与其产业相同且资产规模相近的79家正常企业进行比较。得出的结论是,最能对企业危机做出预警的指标是“现金流量/总负债”比率,其次是“净收益/总资产”比率和“总负债/总资产”比率。其中,“现金流量”来自“现金流量表”的3种现金流量之和,除现金外还充分考虑了资产变现力,同时结合了企业销售和利润的实现及生产经营状况的综合分析,这个比率用总负债作为基数,考虑了长期负债与流动负债的转化关系,但是总负债只考虑了负债规模,而没有考虑负债的流动性,即企业的债务结构,因此对一些因短期偿债能力不足而出现危机的企业存在很大的误判性。“总资产”这一指标没有结合资产的构成要素。因为不同的资产项目在企业盈利过程中所发挥的作用是不同的,这不利于预测企业资产的获利能力是否具有良好的增长态势。

Beaver最先在企业危机预警研究中使用非参数统计的二分类检验方法来确定分割点。使其错误分类率降至最低,这一方法为以后的企业财务危机预警研究者广泛采用。此外,Beaver还首创配对抽样的技术以控制因产业类别和企业资产规模不同而引起的混淆。但单变量预警模型只是利用个别财务比率预测企业财务危机。因此其有效性受到一定的限制。一般来说。企业的生产经营状况受到许多因素的影响,各种因素之间既有联系又有区别,单个比率反映的内容往往有限,无法全面解释企业的财务状况。

二、多元判别分析模型

多元判别分析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。Altman(1968)在其“财务比率、判别分析和公司破产预测”一文中认为,企业是一个综合体,各个财务指标之间存在某种相互联系。各个财务指标对企业整体风险的影响和作用也是不一样的。他通过把传统的财务比率和多元判别分析方法结合在一起,发展了一种财务危机预警模型,即Z计分模型。该模型的具体形式如下:

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

式中,X1=营运资本/总资产,反映资产的流动性与规模特征;X2=留存收益/总资产,反映企业累计盈利状况;X3=息税前收益/总资产,反映企业资产的获利能力;X4=权益的市场价值/总债务的账面值,反映企业的偿债能力;X5=销售总额/总资产,反映企业的营运能力。

通过统计分析,Altman认为Z值应在1.81-2.99之间,等于2.675时居中。如果企业的Z值大于2.675,表明企业的财务状况良好;如果Z值小于1.81,则企业存在很大的破产风险;如果Z值处于1.81-2.675之间,称为“灰色地带”,处在这个区间,则企业财务状况是极不稳定的。

Z计分模型的变量是从资产流动性、获利能力、偿债能力和营运能力等指标中各选择一两个最具代表性的指标。模型中的系数则是根据统计结果得到的各指标相对重要性的量度。实证表明该模型对企业财务危机有很好的预警功能。但其预测效果也因时间的长短而不一样,预测期越短,预测能力越强,因此该模型较适合企业短期风险的判断。

Z计分模型在企业破产前超过3年的预测正确率大大降低,而且随着时间的推移,经济环境也将出现重大变化,特别是进入20世纪70年代以后,企业财务危机的平均规模急剧增大,原有的Z计分模型已无法解释当时的企业财务危机现象。于是,Altman等人于1977年又提出了一种能更准确地预测企业财务危机的新模型——ZETA模型。在该模型中,Altman等人利用27个初始财务比率进行区别分析,最后选取了7个解释变量,即资产报酬率(息税前利润/总资产)、盈余稳定性(息税前利润,总资产的10年标准误差)、利息保障倍数(息税前利润/利息支出总额)、累计盈余(留存收益/总资产)、流动性(流动比率)、资本比率(5年普通股平均市值/总资本)和资本规模(普通股权益/总资产)。该模型存在的不足是选择比率没有理论可依,选择同一行业中相匹配的危机公司和正常公司也是困难的,而且观察的总是历史事件。但由于该模型简单明了。以后对企业财务危机预警模型的研究都是沿着这一思路进行的。

20世纪70年代,日本开发银行调查部选择了东京证券交易所310家上市公司作为研究对象,使用与Altman相同的研究方法,建立了“利用经营指标进行企业风险评价的破产模型”,进行财务危机预测。其判别函数为:

Z=2.1X1+1.6X2-1.7X3-X4+2.6X5+2.5X6

式中,X1表示销售额增长率;X2表示总资本利润率;X3表示他人资本分配率;X4表示资产负债率;X5表示流动比率;X6表示粗附加值生产率(为折旧费、人工成本、利息及利税之和与销售额之比)。模型中和的系数是负数,表明他人资本分配率和资产负债率越小,风险也越小。该模型Z值的判断标准是:如果Z值大于10,则企业财务状况良好:如果Z值小于0,则企业存在严重的财务危机,破产的概率极大;如果Z值在0与10之间。则表明企业处于“灰色区域”,存在财务隐患。

陈肇荣应用中国台湾地区的企业财务资料建立了多元判别函数,但未给出临界值及警度区间。该模型如下:

Z=0.35X1+0.67X2-0.57X3+0.39X4+0.55X5

式中,X1=速动资产/流动负债;X2=营运资金/资产总额;X3=固定资产/资本净值;X4=应收账款/销售净额;X5=现金流入量/现金流出量。

由于Z计分模型在建立时并没有充分考虑到现金流量的变动等方面的情况,因而具有一定的局限性。为此,中国学者周首华等对Z计分模型加以改造,并建立其财务危机预测的新模型——F分数模式。F分数模式的主要特点是:(1)F分数模型中加入现金流量这一预测自变量。许多专家证实现金流量比率是预测公司破产的有效变量,因而弥补了Z计分模型的不足。(2)考虑了现代化公司财务状况的发展及其有关标准的更新。公司所应有财务比率标准已发生了许多变化,特别是现金管理技术的应用,已使公司所应维持的必要的流动比率大为降低。(3)使用的样本更加扩大。其使用了CompustatPCPlus会计数据库中1990年以来的4160家公司的数据进行了检查;而Z计分模型的样本仅为66家(33家破产公司和33家非破产公司)。

F分数模式如下:

Z=0.1774+1.1091X1+1.1074X2+1.9271X3+0.0302X4+0.4961X5+0,4961X5

式中,X1、X2及X4与Z计分模型中的X1,X2及X4相同,这里不再进行分析;X3=(税后纯收益+折旧)/平均总负债;X3=(税后纯收益+利息+折旧)/平均总资产。F分数模式与Z计分数模型中各比率的区别就在于其X3,X5的比率不同。X3是一个现金流量变量,它是衡量企业所产生的全部现金流量可用于偿还企业债务能力的重要指标。一般来讲,企业提取的折旧费用,也是企业创造的现金流入,必要时可将这部分资金用来偿还债务。X5测定的是企业总资产在创造现金流量方面的能力。相对于Z计分模型,它可以更准确地预测出企业是否存在财务危机。F分数模式的F分数临界点为0.0274;若某一特定的F分数低于0.0274,则将被预测为破产公司;反之,若F分数高于0.0274,则公司将被预测为继续生存公司。

多元判别分析模型是根据特定样本建立起来的判别模型,因而根据一个地区(或时期)样本企业建立的判别分析模型可能无法有效地对另一个地区(或时期)的企业进行预测。此外,多元判别分析模型的有用性差,导致理论研究热而实际应用冷的尴尬局面。

三、线性概率模型

线性概率模型是多元判别分析模型的一种替代选择。该模型为:

P=c0+c1x1+c2x2+…+cnxn

该模型可以解释为,在给定财务比率xn的情况下,P为该企业发生财务危机的概率的估计值。该模型计算虽然简单,但存在明显的缺陷:(1)该模型表示企业发生财务危机的可能性,则P值只能在(0,1)区间之中,然而线性回归方程无法做到这一点,采用该模型进行预测时,P值可能在(0,1)区间之外;(2)线性概率的假设往往与实际情况不吻合。现实生活中的经济变量是不确定的,而在该模型中,自变量c却是一个常数。基于以上原因,该模型在企业财务危机预测的实际研究中鲜有采用。

四、Logistic模型

尽管多元判别分析模型有较好的预测性,但存在假设上的局限性,即要求各自变量(财务比率)服从多元正态分布的假设和两组变量(发生财务危机与未发生财务危机企业)具有同样方差一协方差矩阵的假设,显然,这些假设与现实相去甚远。此外。样本的抽取往往也会影响评价模型的预测准确性。因此。为服务于对定性因变量的多元非线性分析,Ohlson率先在财务危机预警研究中应用了二元概率函数来计算危机事件发生的概率,由此产生了Logistic模型。在企业财务危机判定与预测中,Logistic模型如下:

Yi=β0+β1xli+…+βkxki

Pi=1/(1+e-yx)

式中,Yi代表第i家企业是否发生财务危机,i=0或1,0代表正常企业,1代表财务危机企业,xki代表第i家企业的第k个财务比率,Pi代表根据Logistic模型所估计出来的第i家企业可能发生财务危机的概率。

该模型是一个用来测度企业是否会发生财务危机的二元选择模型。对这个模型的参数估计只能采用最大似然估计法。Logistic模型的一个重要优点是它把在(0,1)区间预测一个企业是否发生财务危机的概率的问题转化为在实数轴上预测一个企业是否发生财务危机的机会比的问题,这与线性概率有着本质上的不同和进步。

五、人工神经网络分析模型

运用线性概率分析、逻辑回归方法来建立财务危机判别函数都是直接或者间接地依赖于线性函数来建立模型。存在的只是理论上的优越性。往往并不能很好地拟合复杂的实际数据。1987年,Lapedes和Fayber首次应用人工神经网络分析模型进行预测,开创了人工神经网络预警的先河。该模型是一种平行分散处理模型,其构建理念基于对人类大脑神经运作的模拟。它除具有较好的模式识别能力外,还可以克服传统统计方法的局限,具有容错能力。更难能可贵的是,该模型具有随不断变化的复杂环境进行自我学习的能力,因而使企业财务危机动态预警成为可能。

该模型摆脱了多元判别分析模型和Logistic模型的局限,突破了依赖线性函数来建立统计模型的限制,用非线性函数更好地拟合实际资料数据,实现了方法上的创新。此外,人工神经网络分析模型的预测准确度也远高于其他方法。但其局限性在于理论基础比较抽象,对人类大脑神经模拟的科学性、准确性还有待进一步加强,因此其实际运用效果不够理想。

财务比率论文范文第5篇

关键词:财务预警;财务预警模型

中图分类号:F23 文献标识码:A

一、国外财务预警研究状况

西方经济学家早在20世纪三十年代,就有学者对公司财务风险的预警模型进行研究。Fitzpatrick最早发现,出现财务困境的公司其财务比率和正常公司的财务比率相比,有很大不同,从而他认为财务比率能够反映企业财务状况,并对企业的未来有预测作用。

Beaver首先运用统计方法建立了单变量财务模型,提出可以用财务比率来预测公司的失败,目的是通过实证研究来检验财务比率的预测功能。他选取美国1954~1964年间资产规模相同的79家经营失败的企业和79家正常经营的企业,进行对比研究,选用30个财务比率进行分析,发现具有良好预测性的财务比率为现金流量/债务总额、资产负债率和资产收益率。在公司失败的前一年,Beaver模型的总误分率为13%,失败公司的误分率为22%,非失败公司的误分率为5%,并且时间越往前,误分率越高。他每次只运用一个比率进行破产预测,不能全面反映一个公司财务状况的各个方面,因而具有很大的局限性。

美国纽约大学商学院Altman于1968年在《金融杂志》上发表了一篇题为“财务比率、判别分析和公司破产的财务预测”的论文,首次提出了多变量预警模型的思想。他根据行业和资产规模,选择了33家破产公司和33家非破产公司作为研究样本,以误判率最小的原则确定了5个变量作为判别变量,其多元线性判定模型为:Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5,判别变量分别为营运资本/总资产、留存收益/总资产、息税前收益/总资产、股票市值/债务的账面价值、销售收入/总资产,这就是著名的Z计分模型。此后,许多学者采用类似的方法进行研究,对模型加以改造,只是选取的变量指标或者指标系数不同而已。

1980年Olson第一个将逻辑回归方法引入财务危机预警领域,他选择了1970~1976年间破产的105家公司和2,058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,发现公司规模、资本结构、业绩和当前的融资能力进行财务危机的预测准确率达到96.12%。逻辑回归分析方法使财务预警得到了重大改进,克服了传统判别分析中的许多问题,包括变量属于正态分布的假设以及破产和非破产企业具有同一协方差矩阵的假设。

1991年Tam采用人工神经网络模型进行财务预警研究,通过输入层、隐藏层和输出层的人工神经网络的模拟构建模型,具有较好的模式识别能力和容错能力,适用于今日复杂多变的企业运作环境,但其理论基础比较抽象,对人体大脑神经模拟的科学性和准确性有待进一步加强,因而使用性大大降低。另外,神经网络模型虽然近几年被很多学者所使用,但其运作过程犹如黑箱,对于各财务比率的权重无法获悉,不同的样本模型其隐藏要素的个数会有所不同,影响比较的客观性,因此不适合作为比较不同样本的模型。

二、我国财务危机预警研究状况

我国市场经济体制的建立和资本市场的发展历史相对较短,证券法规体系不健全以及破产机制不完善阻碍了财务预警研究的步伐,财务预警研究的起步较晚,在研究方法上主要借鉴国外的成果利用我国的数据构建类似的模型。1986年吴世农、黄世忠曾撰文介绍企业破产的财务分析指标极其预测模型。

1996年周首华、杨济华对Z计分模型进行改造,建立了F分数模型,在该模型中加入了现金流量这一预测自变量,并且扩大了样本量。其使用了Compustat PC Plus会计数据库中1990年以来的4160家公司的数据进行了检查;而Z计分数模型的样本仅为66家(33家破产公司和33家非破产公司)。

陈静于1999年利用单变量分析方法和多变量分析法,把1998年底的27家ST公司与同行业同规模的非ST公司作为样本进行研究,认为在多变量分析法中,负债比率、净资产收益率、流动比率、营运资本/总资产、总资产周转率等指标构建的模型,可以在前3年较好的预测ST公司。

吴世农、卢贤义在2001年选取70家处于财务困境的公司和70家正常公司为样本,检验了Fisher线型判定模型、多元型线性回归分析和Logistic回归分析三种方法。他们的研究结果表明,在财务危机的前两年或者一年,流动比率、负债比率、总资产周转率等指标的时效性较强。Fisher线型判定模型、多元型线性回归分析和Logistic回归分析模型均能在财务危机发生前作出较为准确的判断,Logistic回归分析模型的误判最低,在财务危机发生的前1年,误判率仅为6.47%。

杨淑娥于2003年在Z计分模型的基础上,选取了67家财务失败公司(1999年的ST类公司41家和1999年的非ST公司但在2000年成为ST公司26家),同时选取了67家配对公司,运用统计学中的主成分分析法,提出了Y分数模型,并用建立模型的134个原始样本进行回代,在预测y值=0.5时,模型的回判准确率为86%左右。

章之旺于2004年根据2003~2004年度60家财务困境样本和120家非财务困境样本,分别运用单变量和多变量logistic分析检验了现金流量信息在财务困境预测中的相对信息含量和增量信息含量,证实现金流量变量与应计会计变量相比,既具有相对信息含量也具有增量信息含量。该方法鲜明地提出了以现金流量指标构建的模型好于构成指标主要是取自资产负债表和损益表的数据的其他模型。

张友棠在2004年所著的《财务预警系统管理研究》中,针对导致财务信息失真和经营者人为操纵利润的“会计戏法”,摒弃了传统的财务指标,构建出了基于现金流量基础的全新的财务指标――现金盈利值CEV和现金增加值CAV,并在此基础上系统地构建了财务预警指数测度系统和分析系统。

三、国内外财务危机预警研究评述

从以上所述的财务危机预警研究文献中,可以看出这些学者的共同之处在于:

1、在指导思想上:过多的注重于数据的挖掘和处理,忽视了财务会计数据的滞后性,忽视了事前管理、过程控制等。

2、在体系建立上:主要局限于企业偿债能力、营运能力、盈利能力等综合能力的预警。

3、在方法应用上:过多地使用风险评价、概率分布、资金成本的计算、敏感分析等数学方法,忽视了企业实际运用。

4、在指标设置上:主要是间接的指标和数量化的指标。在企业经营实践中,更多的是直接的和非量化的指标。

5、在信息来源上:过分依赖会计报表数据。国内外普遍存在会计信息失真的问题,如过分依赖财务报表数据建立预警系统,必然导致预警指标不适用,甚至导致错误的决策。

纵观国内外研究结果,可以看出财务危机预警研究经历了一个从注重单一的比率研究到多变量比率研究的过程。对财务报表也从最初重视资产负债表、利润表转而更注重现金流量表。其共同特点是都比较注重定量分析,即财务比率的分析,通过研究一系列的财务比率是否超过事先设定的预警临界点,判断企业是否陷入财务危机。但是,由于公司财务报表自身的局限性,比如数据的滞后性、历史成本计量原则等,加上财务报表的真实性问题,处于困境的公司面对内外压力,很有可能利用各种手段粉饰财务报表,使得财务比率分析的可信性减弱。因而,财务危机预警研究不能单单注重定量分析,还应当从定性分析方面,比如企业财务报表的审计意见、公司大股东的变化、会计师事务所的变化等对其加以研究。也就是说,对公司财务危机预警的研究,应该把定性分析方法和定量分析方法结合起来。

(作者单位:1.山东三联电子信息有限公司;2.中华女子学院山东分院)

主要参考文献:

[1]Fitzapatrick.A comparison of ratios of Successful Industrial Enterprises with those of Failed Firms[M].New York:Certified Public Accountant,1932.

[2]Beaver.Financial Ratios as Predictors of Failure in Empirical Research in Accounting[J].Supplement to the Journal of Accounting Research,1967.1.

[3]Altman E.Finance Ratios,Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance,1968.9.

[4]吴世农,黄世忠.企业破产的分析指标和预测模型[J].中国经济问题,1986,6.

[5]周首华,杨济华,王平.论财务预警的模型分析-F分数模型[J].会计研究,1996.8.

[6]陈静.上市公司财务恶化预测的实证分析[J].会计研究,1999.4.

[7]吴世农,卢贤义.我国上市公司财务困境的预警模型研究[J].经济研究,2001.6.

[8]杨淑娥,徐伟刚.我国上市公司实证研究[J].中国软科学,2003.1.

[9]章之旺.现金流量信息含量与财务困境预测[J].现代财经,2004.8.

财务比率论文范文第6篇

关键字:风险管理;财务比率;财务风险

一、绪论

随着我国经济市场化程度的增高,企业参与市场程度的加深,企业必须面对市场带来的风险。在财务控制方面,国外财务风险研究起步早,理论体系完善,美国数学家诺伯特?维纳创立的控制论,Altman创立的zeta模型。在我国, 郭敏在“人本风险”的防范进行了较为详细的研究,赵斯秋从制度上进行探讨,通过建立各种控制制度达到防范财务风险的目的,王继华从内部控制的角度探讨企业的内部财务风险。

本文运用流动性、经营效率、长期偿债能力三方面对某企业进行财务风险分析。通过对该企业近3年来的财务数据进行分析,从而判断出该企业的财务风险,并找出相应的风险防范措施。

二、风险管理理论综述

1、风险管理

风险管理就是管理者采用合理的管理手段,避免风险的发生或者减少损失。风险控制的目的在于改变公司所承受的风险程度,尽可能降低风险对公司所带来的不良影响。风险管理理论把风险管理分为风险确认、风险评估以及风险控制三个部分。

2、 流动性分析

企业资金的周转和循环,反映了企业各经营环节的运行效率,效率高,资金周转快、效益好,反之亦然。速动比率是企业速动资产与流动负债的比值,速动比率衡量企业在某一时点动用随时可变现资产立即偿还到期债务的能力,速动比率一般为1,小于l则说明企业不能抵挡可能出现的债务危机,存在着财务风险。

3、长期偿债能力分析

长期偿债能力是指企业对债务的承担能力,资产负债率是企业负债总额与资产总额的比率。已获利息倍数,是税前利润加利息费用之和与利息费用的比值,反映了企业的经营所得支付债务利息的能力。企业的利息保障倍数至少要大于1,否则,就难以偿付债务及利息。

4、经营效率分析

企业的经营效率是企业利用资产的效率,应收账款周转率是企业一定时期赊销收入净额与应收账款平均余额的比率。用于衡量企业应收账款周转的快慢,该指标越大企业财务越安全,反之就越危险。

三、 某企业财务风险分析

A企业近3年来,资产总计分别为38千万元,37千万元,33千万元。负债总计分别为24千万元,20千万元,16千万元。所有者权益分别为14千万元,17千万元,17千万元。

A企业三年经营业绩及财务数据:企业总资产规模自2009年以来连续下降,特别是2011年的总资产比2010年下降了11.76%,比2009年下降了13.22%,变动幅度较大。从数据可以初步判断某企业经常性损益方面收益虽然减少,但是比非经常性损益下降幅度小,企业盈利主要还是来源于经常性损益。

流动性分析可细分为短期偿债能力分析和短期资产流动性分析。短期资产流动性中周转效率越低,变现风险越大。从数据表可以看出,A公司的短期偿债能力这三年中整体上呈上升趋势。债务意味着风险,其不利之处是为了是公司持续经营,必须履行固定的承诺。从数据表分析2009年的1.53在2010年大幅增长至9.12,而2010年又下降至3.35.说明企业在偿债方面有风险。公司的应收账款在11年周转率有了一定幅度的下降,如果企业的应收账款周转率较低,说明企业信用政策过于宽松。

四、某企业存在的主要问题

财务风险存在于财务管理工作的各个环节, 某企业财务风险是由财务管理因管理不善造成的,具体表现在以下几方面:

1、某企业的资金结构是合理的,资产负债比率较高,资金结构的合理比率应为流动比率2:1、产权比率6:4。资产负债率越高意味着企业面临的财务风险越大,如果企业到期债务无法偿还,会立即陷入严重的财务危机。

2、A公司的应收账款周转率在11年应收账款周转率有一定幅度的下降,说明企业回收应收账款的效率较低,有相当比例的应收账款长期无法收回,由此形成了企业的财务风险。

3、某企业存货周转率在11年又有了回落,存货周转率不高将导致资金积压在存货上,企业还必须为此支付大量存货保管费,又要承担市价下跌的损失,从而形成财务负险。

五、企业财务风险的成因

财务风险存在于企业生产活动中的每个环节中,影响因素诸多,既有外部原因也有内部原因。下面分析财务风险的成因:

1、企业财务人员的风险意识浅薄,没有意识到财务风险是客观存在的。

2、企业为增加产品的市场占有率,常常采用应收账款方式销售产品,影响本企业资金的流动性。

3、企业存货管理机制不健全,目前企业的流动资产比例普遍较低,由于存货的变现能力较低,存货又增加了企业管理费用。

4、企业财务管理内部控制制度不健全,内部控制制度形同虚设,造成风险的加剧成为必然。

5、经济、法律、社会文化等复杂多变的外界环境是企业产生财务风险的外部原因。如果企业财务管理系统不能适应,必然会给企业带来财务风险。

六、企业财务风险的防范措施

在市场条件下,财务风险是客观存在的,企业应本着成本效益原则把财务风险控制在一个合理的范围之内。要加强企业财务风险防范,化解财务风险,现从以下几点来谈谈:

1、树立风险意识,建立防范处理机制。

2、加强资金管理,企业在赊销商品之前应该确立信用政策,同时加强对应收账款的追踪分析。

3、合理安排资本结构,企业在制定负债计划时,要具有一定的还款保证,企业负债好的流动资产与流动负债的流动比最好保持在2:1的安全区域。

4、建立财务风险识别预警系统,企业各个部门定期根据企业报告制度;另外,企业内部应当建立一个财务预警机制,防止财务恶化。

5、利用投资组合来分散风险,在资产组合中资产数目较低时,增加资产的个数,分散风险的效应会比较明显。

七、结论

本文介绍风险管理的理论概述和三种财务比率分析法,以及常见的三种风险识别方法。对某企业进行了财务比率指标分析。对某企业从现金比率,存货周转率,应收账款周转率等比例进行分析,对该公司财务风险状况作出了评价,提出了适合的风险防范措施。希望通过本论文给其他企业以借鉴。

参考文献:

[1]赵斯秋.《企业财务风险防范》.2003

财务比率论文范文第7篇

关键词:商业银行;信用风险评估;定性方法;定量方法

中图分类号:F2

文献标识码:A

文章编号:1672-3198(2013)09-0027-02

企业信用评估和企业财务预警是企业财务管理研究的重要课题。诸多学者将两个问题一起进行研究,这两者之间还是有本质区别的。财务预警即财务失败预警,是指借助企业提供的财务报表、经营计划及其他相关会计资料,利用财会、统计、金融、企业管理、市场营销理论,采用比率分析、比较分析、因素分析及多种分析方法,对企业的经营活动、财务活动等进行分析预测,以发现企业在经营管理活动中潜在的经营风险和财务风险,并在危机发生之前向企业经营者发出警告。信用评估本质上是对企业履约各种承诺能力和信用程度进行全面评估,预测未来偿债可能性来辨识不同企业的方法。服务的对象有商业银行、金融监管机构、与受评对象有业务往来的商业客户以及社会公众和投资者。

(1)定性评估方法:人工专家分析法,又被称为古典信用分析方法,包括5C、5P、5W法,5C法指贷款申请企业或个人的道德状况,偿债能力,贷款申请企业或个人的财产状况,可用于进行贷款申请时抵押担保的资产价值,宏观经济状况。 5W法指贷款申请人、申请贷款的使用、贷款的时间长度、担保资产价值及还款方式。目前我国商业银行实务中仍主要采用的信用评估分析方法。

(2)定量评估方法。

①统计方法:多元判别分析法(Multi-linear Discriminate Analysis)是较早应用于企业信用评估的多元统计方法。Altman(1968)最早提出Z-score模型对企业运营财务危机预警、企业违约预测问题进行研究,使用较少的财务比率迅速进行判断分析,使用年度报表的数据运用财务比率进行分析:企业运营成本/平均总资产、留存收益/平均总资产、息税前利润总额/平均总资产、普通股股东权益合计/平均总负债、营业收入/平均总资产,并且对三十多家样本公司进行分析,得到准确率较高的分析结果,该模型属于贝叶斯判别,用样本修正已有的先验概率分布得到后验概率分布。这篇经典论文开创了企业破产预测,财务危机预警,信用评估分析的先河。Altman(1977)在前述论文的基础上进行了完善,又加入几个财务比率建立ZETA模型,使用总资产收益率(利润总额/平均总资产)、利润增长率(利润总额/上一年利润总额)、利息保障倍数(息税前利润总额/利息费用)、留存收益/平均总资产、流动比率(流动资产/流动负债)、平均总资产、公司股票市价等财务比率,得到比签署模型更好的分析结果。Logistic模型分析。Martin(1977)使用财务比率进行企业经营财务预警及企业贷款违约分析,使用多元统计学中的Logistic回归方法,使用1970至1971年的报表数据从的美联储成员银行5600多家中选取58家属于财务困境,违约样本的银行进行分析测算,使用资产净利率(利润总额/平均总资产)等8个财务比率,进行分析测算,并且分析不同的信息使用者的风险偏好差异,如投资人和债权人,测算不同的风险预警系数,便于信息使用者更好地作出分析决策,得到较好的分析结果,并且使用该多元回归模型与前述的Z-Score模型,ZETA模型测算的结果进行对比分析,得到优于前述模型的预测数据。吴世农(2001)收集我国上市公司1998至2002年A股市场的ST公司共计七十多家,收集样本数据的时间是公司转化成ST的年度,并且选取相关行业的七十多家作为对照组样本,进行横截面数据分析,选用不同的计量模型进行对比研究,主要有线性概率模型(LPM),Fisher二类线性判定,Logistic模型等多元统计方法对企业财务进行预警研究,最终结果是Logistic模型的预测准确率均高于Fisher判别分析法和LPM的准确率。于立勇、詹捷辉(2004)也使用Logistic模型,选取商业银行的贷款企业客户的财务数据进行信用违约的分析,得到较好的测算概率。方洪全、曾勇(2004)在银行信用风险评估方法实证研究及比较分析中运用Logit模型分析。李志辉、李萌(2005)选取了195家上市公司为样本,Logistic模型的准确率高于线性判别模型神经网络模型。Junni L. Zhang(2010)运用贝叶斯加分类树法对德国公司财务报表数据进行偿债能力进行有效得分类。

②信用风险评估模型。Credit Metrics(信用计量模型)是摩根大通等美国知名金融机构采用用VaR(在险价值模型)的思路,对个人和企业的贷款以及其他金融资产进行价值估计和风险预测的计算方法。麦肯锡公司提出的Credit Portfolio View模型(信贷组合审查模型),是改造Credit Metrics模型,考虑到周期性宏观经济因素,结合信用风险评级转移和宏观经济变量如年度经济增长率、市场利率、政府支出等建立关联模型,使用蒙特卡罗技术模拟宏观经济周期性因素的计算得到评级转移概率。KMV模型(Credit Monitor模型)(是美国KMV公司提出后被穆迪公司收购),该模型是可以对上市公司的信贷违约概率进行预测分析。张玲等(2004)运用KMV模型评估我国上市公司ST公司和非ST公司的信用风险后得到,改变KMV模型的相关变量可以至少提前2年预警我国上市公司的信用违约风险,并且可以提前4年进行上市公司的信用风险变化趋势的预测。戴志锋等(2005) 运用KMV对我国上市公司数据和某国有商业银行非上市公司的信贷数据进行验证,实证结果表明非上市公司模型在中国具有一定的预测能力,但预测准确率低于欧美国家。Credit Risk+模型(信用风险附加模型)是由瑞士信贷银行金融产品部(CSFP)开发的,它是一个违约模型(Default Model)。

③人工智能方法:神经网络。陈雄华等(2002)采用人工神经网络模型研究企业信用等级的评估问题,按照企业样本分为制造业和非制造业两大类,利用偏相关分析方法建立了企业信用评级的指标体系,实验结果表明神经网络模型具有更好的预测准确性。于立勇(2003)收集一百多个企业作为训练样本,运用神经网络模型进行信用违约风险分析,得到有效的预测结果。章忠志、符林、唐换文(2003)使用神经网络模型,选取28个企业数据做为样本进行分析,预测结果准确率达到90%以上。徐佳娜、西宝(2004)使用人工神经网络模型与层次分析法(AHP)相结合建立模型对企业信用风险进行评估,预测结果说明该模型比已有的其他模型准确更高。张卫东等(2006)建立模型结合前馈型神经网络、遗传算法和模糊数学方法来,评估商业银行企业客户的信用风险,使用Matlab软件对选取的商业银行企业客户数据进行测算,得到的结果表明准确率比以前的模型方法有所提高,模型更具鲁棒性。夏红芳(2007)通过与上海某商业银行的合作,对其1999-2005年的贷款明细和公司财务数据进行了系统研究,运用粗糙集理论的约简功能,从中选出最能反映企业信用状况的8项财务指标,再应用模糊神经网络方法进行信用评估,实证研究表明所提方法具有较高精度。但是使用人工神经网络模型需要根据实际的样本数据不断调整系数,相对而言模型的鲁棒性不够强。戴芬(2009)根据中小企业信用评估指标体系,提出了一种基于蚁群神经网络的评估模型。结果表明蚁群神经网络的预测方法与传统的BP 神经网络预测方法相比,具有较强的泛化能力,应用在中小企业信用评估系统中具有很高的评估准确率。

整数规划法。薛锋(2006)选取上市公司数据,使用混合整数规划法,建立企业信用风险评估模型进行信用风险评估,模型可以满足非参数检验,也不需要样本数据服从正态分布,可以较为广泛的应用,经数据实际测算的结果说明,该模型鲁棒性较好,预测效果较好,准确率较高。遗传算法。薛惠锋(2006)利用人工智能方法——GA-PSO混合规划算法构建企业信用风险评估模型。并利用上证50若干企业的实际数据对模型进行了实证检验。实证结果显示该模型能有效预测上市企业的信用风险状况。该模型在收敛性能及预测准确率等方面优于基于传统的多元回归方法及GP方法的信用风险评估模型。Jonathan N. Crook(2007) 参考诸多文献比较线形回归(LDA),Logistic回归,决策树,数学规划法,神经网络法,遗传算法,遗传编程,K近邻法,支持向量机几种方法,认为支持向量机法的准确率相对较高。

从以上对国内外研究现状的分析可知,尽管国内外已有许多专家学者对商业银行客户信用评估进行大量的研究,但在实际应用中涉及中小企业的研究较少,未考虑我国企业普遍存在的内部人控制的企业中管理者个人因素对企业信用的影响,限制了模型的适用范围。

参考文献

[1]Altman,E.I.,Financial ratio discriminant analysis and the prediction of corporate bankruptcy[J].Journal of Finance,1968,23(4):189-209.

[2]Altman,E.I.,R.Haldeman & P.Narayanan,ZETA analysis:A new model to identify bankruptcy risk of corporations[J].Journal of Banking and Finance,1977,(l):29-54.

[3]D.Martin.Early warning of bank failure: A Logit regression approach[J].Journal of banking and finance,1977,(1):249-276.

[4]吴世农,黄世忠.我国上市公司财务困境的预测模型研究[J].经济研究,2001,(6):46-55.

[5]于立勇,詹捷辉.基于Logistic回归分析的违约概率预测研究[J].财经研究,2004,(9):15-23.

[6]方洪全,曾勇.银行信用风险评估方法实证研究及比较分析[J].金融研究,2004,(1):62-69.

[7]李志辉,李萌.我国商业银行信用风险识别模型及其实证研究[J].经济科学,2005,(5):61-71.

[8]Junni L. Zhang,Wolfgang K. Hrdle The Bayesian Additive Classification Tree applied to credit risk modeling Computational[J].Statistics and Data Analysis 54 (2010) 1197_1205.

[9]张玲,杨贞柿,陈收.KMV模型在上市公司信用风险评估中的应用研究[J].系统工程,2004,(11).

[10]戴志锋,张宗益,陈银忠.基于期权定价理论的中国非上市公司信用风险度量研究[J].管理科学,2005,(6).

[11]陈雄华,林成德,叶武.基于神经网络的企业信用等级评估系统[J].工程学报,2002,(6):570-575.

[12]于立勇.商业银行信用风险评估预测模型研究[J].管理科学学报,2003,(5):46-52.

[13]章忠志,符林,唐换文.基于人工神经网络的商业银行信用风险[J].模型经济数学,2003,(3):42-47.

[14]徐佳娜,西宝.基于AHP-ANN模型的商业银行信用风险评估[J].哈尔滨理工大学学报,2004,(3):94-98.

[15]张卫东,韩云昊,米阳于.GA-BP模糊神经网络的商业银行信用风险评估[J].工业工程与管理,2006,(5):81-84.

[16]夏红芳.商业银行信用风险度量与管理研究[D].南京:南京航空航天大学,2007,(8).

[17]戴芬,刘希玉,王晓敏.蚁群神经网络在中小企业信用评估中的应用[J].计算机技术与发展,2009,(10):218-221.

[18]薛锋,柯孔林.基于混合整数规划法的企业信用风险评估研究[J].中国管理科学,2006,(2):39-44.

[19]薛惠锋,林波,蔡琳.基于GA-PSO混合规划算法的企业信用风险评估模型[J].西北大学学报(哲学社会科学版),2006,(3):38-40.

财务比率论文范文第8篇

摘要 自从上个世纪60年代开始,就有外的相关学者对于企业的相关财务状况的相关预警工作进行了大量的探索和研究,并且有着“Z计分法”的诞生,但是在40年的不断发展中Z函数的相关应用和扩展已经非常的普遍。但是,因为企业的国别、地域、行业、规模等的不同使得Z函数在我国的相关企业的实际应用是不符合我国企业的发展情形的。

关键词 机械制造业 财务状况预警 经济学分析

一、相关企业的样本选取以及变量选取

财务状况的相关预警预测对于企业的生存和发展有着非常重要的作用。直到2002年的年底,在深圳和上海两个城市的A股市场中有着一百零五家ST公司,我们见面过在深圳的相关A股市场中进行机械制造产业的相关企业作为实际的研究资料,对其分别通过机械制造相关产业的相关ST作为其抽取的相关样本,并且对于机械制造产业中的ST企业中抽取十家,再将实际的机械制造相关产业中非ST的相关企业作为样本,并依据一定的比例间隔对于十家非ST相关公司进行随机抽取并作为其对照样本组。除此之外,在进行五家相关机械制造产业的相关公司进行随意抽取并将其作为测试样本,依照这样的原则在深圳市的A股交易市场的二十五家已经上市的机械制造产业中的相关企业作为此次进行研究的相关样本,并且对他们分别计算出每股的实际收益、以及股东实际权益的相关比率和净资产的实际收益率以及总资产实际周转率和主营业务的实际利润率、企业的总资产的实际增长率。详细的相关情况请见表一:

为了分析对于上面情况所叙述的相关财务比率是不是能够真正有效的进行ST公司同非ST公司有效的区别,我们对于上述的20家相关的上市公司的实际的相关估计样本通过相关统计软件来进行6个相关财务比率的T检验。经过对于T检验所得出的结果的分析和了解,我们获得以下的相关结论:在每一股的实际收益以及主要经营项目业务的实际利润率进行双尾T的相关检验的实际显著性的概率都大于百分十零点零五。可以认为对于每股收益以及其主要经营项目业务的实际利润率都不能对于ST公司以及非ST公司进行良好的有效的区分。企业的净资产的实际收益率、总资产的实际周转率、股东权益的实际比率以及总资产的实际增长率的相关双尾T的实际检验的相关显著性的相关概率都小于百分之零点零五。这四项相关比率都能够对于机械制造产业的非ST公司以及ST公司进行良好的区分。以下将选用净资产的实际收益率(Y3)、总资产的实际周转率(Y2)、股东权益实际比率(Y1)以及总资产的实际增长率(Y4)这四项指标来将其作为研究的实际有效的相关财务变量并建立起实际的机械制造产业的相关财务状况的相关预警预测模型。

模型的建立

在对于20家相关企业的十几样本组的某年所进行上报的相关财务比率数据进行统计软件的相关统计之后进行了分析,对于其主要的成分特征值以及贡献率进行了相关对比。得出Z1的实际运营能力的特征值是1.91,其贡献率是40.8%。累计贡献率是38.08%;Z2的发展能力其特征值是0.97,贡献率是19.2%,累计贡献率是57.0%;Z3的盈利能力其特征值是1.12,贡献率是19.4%,累计贡献率是77.4;Z4的偿债能力其特征值是1.30,贡献率是21.6%,累计贡献率是100%。我们将其累计贡献率取为100%,也就是说这四项主要的相关成分所包括的原有的相关变量信息的100%。这四项财务的原始比率对于这四个的主要的成分的实际因子负荷量以及因子得分系数的相关矩阵见以下表3和表4。

依照上述的情况进行分析,我们能够得到在机械制造相关产业的实际ST公司的相关财务状况的实际预警预测模型应该如下所示:

RS=0.408*Z1+0.192*Z2+0.194*Z3+0.216*Z4

当RS大于等于0.07,就表明了该企业是一种非财务状况下预警的相关企业,当RS的值大于0.07,就表明该企业是财务状况的相关预警企业。

模型的实际检验

为了对于相关模型进行预警作用的实际检验,我们将其他的机械制造相关产业的相关测试样本组里面的6家企业(其中3家是机械制造相关产业的实际非ST公司和2家是机械制造相关产业的相关ST公司)中的以上四项实际的财务比率运用预警模型进行相关计算并得到了相关的RS预测分值。其结果如下:

通过检测的相关结果显示,在机械制造相关产业中的ST公司其RS值都小于0.7,其检测的结果与实际情况一直,而三家非ST机械制造相关产业的企业的实际RS值都大于0.07,这就进一步说明了这三家企业并不是财务状况的相关预警企业,从而同实际情况达到一致。

模型局限性

1.预警预测的财务状况的前提是该企业对于其自身的相关财务数据具有真实可信的特点,但是由于现在的企业的相关会计信息出现着频繁的失真现象,因此有一些相关企业不能够对于自身的实际财务数据进行真实性的反应。这样就会使得上面所涉及的模型里面的相关财务指标不能够真实完全对于企业的实际经营业绩进行反映。因此,在对于企业的预警预测财务状况进行良好的模型规划之后,还要对于企业的实际会计管理进行加强,保证企业的会计信息的准确性,保证在企业进行财务数据的的时候,能够是企业的真实财务发展运营状况,从而保证企业在其进行相关统计和分析的时候,不会偏离公司的正常经营发展状况。以便于有效的提高企业的综合运营水平,加强企业的综合竞争力。

2.从相关行业的方向来说,这项模型是通过机械制造相关产业作为实际分析和计算的样本而得到的,因为在不同的企业中的产业的实际财务比率都有着自己的特点,造成不同产业之间存在着差异,所以对于不是机械制造相关产业的企业在运用该模型进行相关研判的时候一定要在事先进行修正。要根据自己所在公司的经营状况,市场经济发展情景以及自身的各项因素等进行详细的了解和对比,找出适合自己所在企业的预警预测财务状况的相关模型,从而真正的帮助企业建立起良好的财务预警预测系统。

3.根据本文中所设定的模型并没有对于非财务指标的相关因素的有关影响进行考虑。所以模型的实际应用还会受到不用的企业的评价标准自身主观性、条件差异性等的限制,从而难以对于企业全面满足。所以在进行预警模型的了解和分析的前提下,还应该对于非财务相关指标的干扰因素以及一些有经验的相关分析人员的实际直觉来进行定性的评价以及分析。

总结:财务状况的相关预警预测对于企业的生存和发展有着非常重要的作用。在对于企业的预警预测财务状况进行良好的模型规划之后,还要对于企业的实际会计管理进行加强,保证企业的会计信息的准确性,保证在企业进行财务数据的的时候,能够是企业的真实财务发展运营状况,从而保证企业在其进行相关统计和分析的时候,不会偏离公司的正常经营发展状况。本文通过对于上海和深圳的20家上市企业进行财务比率的统计和分析,得出在机械制造相关产业中的财务预警预测的相关模型。从而有效的实现对于机械制造相关产业的财务状况实际的预警的经济学研究和分析。

参考文献:

[1]位文明,刘海涛,张俊,赵万华,张晓毅,朱祥.基于实际面压力分布的结合面有限元建模方法.中国科技论文在线.2011(08).

[2]《机械制造与自动化》2011年年度索引(第40卷第1-6期,总第212-217期)(卷终).机械制造与自动化.2011(06).

[3]本刊编辑部.众口铸金 精益求精——南京金口机械制造有限公司新版GMP的应对之策.机电信息.2011(05).

财务比率论文范文第9篇

摘 要 随着我国市场经济体制改革的深化和资本市场的快速发展,企业发生财务危机乃至破产的情形越来越多,因此有效地预防财务危机的出现成为一个重要的研究课题。本文回顾了国内外财务预警研究理论,并对现有的理论文献进行了详细的梳理和评价。

关键词 证券市场 上市公司 财务预警

一、引 言

自改革开放以来,我国市场经济体制改革不断深化,市场竞争日趋激烈,财务危机成为导致企业生存危机的重要因素。因此及时沟通企业有关财务信息,构建财务预警系统,有效地防范和化解财务危机,是每个企业亟待解决的问题。同时随着我国证券市场信息披露制度的不断完善,根据这些信息构造合理的财务风险预警模型已经具备了现实的可能性。

财务预警理论是随着证券市场不断发展而产生和不断深入的。“危机预警”思想源于20世纪初的欧美,在20世纪50年代取得了显著成果,进入90年代,由于企业危机爆发的频率越来越高,尤其是自2007年以来由美国次贷危机引发的全球金融危机,使得人们更加重视危机预警管理。与此同时,财务预警的研究也相应展开。根据研究方法的差异,一般可将这些理论大致分为定性预警分析和定量预警分析两类。

二、定性预警方面的研究

财务预警的定性分析方法主要包括以下几种方法:标准化调查法是通过专业人员、咨询公司、协会等,通过直观的归纳对企业可能遇到的问题加以详细调查和分析,对企业未来的发展趋势作出判断。

“死阶段症状”分析法认为:企业财务运营病症大体分为四个阶段:财务危机潜伏期;财务危机发作期;财务危机恶化期;财务危机实现期,而且每个阶段都有其典型症状。

管理评分法是美国学者仁翰•阿吉蒂在对企业的管理特性和破产企业存在的缺陷进行调查中,对集中缺陷、错误和征兆进行了对比打分,还根据对破产过程产生影响的大小程度对他们进行加权处理。

我国学者李秉成从上市公司财务困境形成角度、困境征兆角度探讨了上市公司财务困境预警分析方法。提出了财务困境加权分析法和象限分析法两类财务困境综合分析方法。

三、定量预警方面的研究

最早的财务预警研究是菲茨帕特里克(1932)开展的单变量破产预测研究。他最早发现陷于财务困境的公司的财务比率和正常公司相比有显著不同,从而认为财务比率能够反应企业的财务状况,并对企业未来具有预测作用。美国学者比弗(1996)最早运用统计方法研究了公司财务失败的问题,提出了较为成熟的单变量判定模型。但是单变量模型具有明显的局限性,很难做出正确的判断。

美国学者阿特曼(1968)最早运用主成分分析方法提炼最具有代表性的财务比率,将多个标志变量在最小的信息损失下转换为分类变量,获得能有效提高预测精度的多元线性判别方程,被称为Z分数模型。我国学者周首华等 (1996)提出了F分数预测模型,通过更新指标和扩大样本数对Z分数模型进行了修正。多元线性判定模型具有较高的判别精度,但存在一些缺陷。其一,模型假定比较严格,现实中的样本数据往往不能满足其自变量呈正态分布的假定前提。使得结论必然存在令人质疑的成分。其二,在前一年的预测中多元线性判定模型的预测精度较高,但在前两年、前三年中其预测精度都大幅下降。

奥尔森(1980)第一个采用Logit方法进行破产预测。其模型使用了9个自变量估计了三个模型,分析样本公司在破产概率区间上的分布以及两类错误判别错误和分割点的关系。我国学者陈晓等(2000)以38家ST公司为研究对象,运用Logit回归方法进行实证研究,发现负债权益比率、应收账款周转主营业务利润/总资产、留存收益/总资产具有较强的预测能力。其后多位国内学者也采用类似方法对上市公司财务预警进行了研究。

类神经网络模型一般是利用一组案例建立系统模型,该模型接受一组输入信息并产生反应,然后与预期反应相比。如果错误率超过可以接受的水平,需要对权重作出修改或增加隐藏层数目并开始新的学习过程。经过反复循环,直至错误率降低到可以接受的水平,这时学习过程结束并锁定权重,类神经网络就可以发挥预测功能。奥多姆和沙尔达(1990)开拓了用BP神经网络预测财务困境的新方法,我国学者杨保安等(2002)采用ANN模型进行财务危机预警研究,结果表明样本的实际输出和期望输出较为接近。现实中神经网络具有较好的纠错能力,从而能够更好的进行预测,但由于理论基础较薄弱,其对人体大脑神经模拟的科学性、准确性还有待进一步提高,因此适用性也大打折扣。

四、浅议国内外现有文献

在财务预警的定性研究方面,国内外学者对引起企业危机发生发展的内外各种因素进行了深入探讨,但结论能够直接和定量模型结合起来的还不多。从财务预警的定量研究方面看,国内外学者结合各种量化技术,出现了众多的预警模型,但应用性和可操作性较差。而笔者认为模型的最根本作用还是得应用到实际中解决不同财务信息使用者的认知需要。

由于财务预警模型的局限性、模型变量的选择方法问题、财务信息失真问题以及非财务变量对财务预警的影响,使得财务预警理论的实际应用一时很难得到解决。而只有解决当前存在的这些问题,才能为正确解决上市公司财务预警课题奠定基础。

参考文献:

[1]彭韶兵.财务风险机理与控制分析.西南财经大学.2001博士学位论文.

[2]杨宝安,季海.基于人工神经网络的商业银行贷款风险预誉研究.系统工程理论与实践.2001(5).

财务比率论文范文第10篇

一、文献综述

迄今为止,国内外对于企业财务危机的界定仍然存有诸多意见。Beaver(1966)把破产、拖欠优先股股利和拖欠债务界定为财务危机。Altman(1968)、Ohlson(1971)、Zmijewski(1984)等将企业根据破产法提出破产申请的行为,作为确定企业进入财务危机的标志,他们研究的对象也局限在法定的破产公司。Altman(1990)的研究则综合了学术界描述财务危机的四种情形:经营失败、无偿付能力、违约、破产。总体而言,财务危机的认定多集中在破产清算或无偿付能力等。

而在我国,由于制度性原因,大量基于上市公司财务危机的实证研究采用了“ST”制度(张玲,2000;吴世农等,2001等),将因“财务状况异常”而被特别处理的公司判定为财务危机公司。实际上,本文认为上市公司首次出现亏损即可列入财务危机范畴。原因有以下几点:

(一)由于我国的上市公司连续两年亏损将被特别处理,发生亏损的公司总会千方百计扭亏为盈,诸如盈余管理或者资产转让、债务重组层出不穷,以避免摘牌的危险,保住宝贵的“壳”资源,除非危机严重到无法收拾局面,因此企业总是千方百计维持良好盈利能力的形象。陆建桥(1999)的实证研究也证实了亏损企业在首次亏损之前存在普遍的盈余管理行为。所以,首次出现亏损的公司我们即可认定上市公司财务危机。

(二)企业首次亏损就预示着财务的危机也得到了审计师的认同,1999年全部上市公司非标准审计意见的比例为19.64%、2000年为14.48%,2001年为13.38%,2002年为12.1%,而同期首次亏损的公司当中非标准审计意见比重分别为63.04%、52.17%、48.28%和27.38%,远远高于平均水平。

(三)多数发生首次亏损的企业,都伴随资金周转的困难,在我们所研究的发生首亏的上市公司中,流动比率或速动比率小于1的上市公司占66.8%。

(四)大多数发生首亏的上市公司,都在随后年度的经营中再次出现亏损的,1999年至2001年期间发生首亏的上市公司在随后一年的经营中继续亏损的比例为51.7%,在随后两年内的经营中继续亏损的比例为65.6%。因此,当企业首次出现亏损时,我们就可以将其认定为发生了财务危机。由于企业的经营是一个动态的过程(吕长江等,2004),如果企业在随后几年内继续出现亏损,以致于无法进行正常生产经营,更无法偿还到期债务,则进入财务破产的阶段;否则则转危为安。

二、研究设计

(一)样本确定

1.研究样本时间的确定

本文对企业财务危机的研究,将追寻到其发生首次亏损前两年。这样做一方面是基于对于企业财务危机状况的早期诊断,有利于投资者制订有效的决策;另外一方面,也是考虑到无形资产的本身作用机理,诸如人力资产、内部结构性资产等无形资产,其对企业经营的作用,往往不是通过当期的经营过程就可以得到准确的反映的,而通常需要在一定时间的协作和磨合后,才会逐渐对企业的经营产生作用。我们在研究的过程中,用t=0表示危机发生当年,t=-1表示危机发生的前一年,t=-2表示危机发生的前两年。

2.研究样本的确定

考虑沪深交易所“ST”制度的颁布时间为1998年,并且我国上市公司对部分非财务信息的披露始于《信息披露的内容与格式准则第二号年度报告的内容与格式》(1998)的颁布以后,故本研究构建诊断模型所需样本为沪深交易所1998年后发生首次亏损的上市公司。根据我们研究样本时间确定的要求,最终我们将样本总体的采集时间限定于沪深交易所2000年后发生首次亏损的上市公司。与此同时,根据Stooll and Curley(1970)、Ritter(1991)、Loughran and Ritter(1995)、Aharony,Lee and Wong,(1997)等的研究,上市公司在其首次公开发行股票之前,往往会通过财务包装行为高估公司发行股票前年度的利润,以图提高股票发行价格和公司信誉,而当公司发行股票之后,前期高估的利润就会冲转回来,导致公司股票发行后年度业绩的人为滑坡。为了使本论文的研究免受股票发行定价方面因素的影响,我们在选取样本时,剔除了亏损上市公司中上市不足两年的上市公司和因财务信息违规操作而被处理的上市公司。并且,为了控制外部环境和行业因素的影响,我们在选择亏损公司样本时,还为每家亏损公司选取了一个控制公司,组成控制样本,控制样本公司的选取步骤为:(1)确定每家亏损公司所属行业及其第一次出现亏损前一年末的资产总额;(2)在扣除所有亏损公司之外的上海证券交易所A股盈利公司中选取与亏损公司同行业,且上市已在两年以上的公司;(3)在与每家亏损公司隶属行业相同的盈利公司中,最终选取亏损前一年度与亏损公司资产总额最为接近的那家公司作为控制公司。

3.样本研究指标的确定

根据现有文献所涉及的指标,并考虑到相关指标获取的难易程度,本文对样本研究指标的确定,具体如表1所示。

(二)样本数据来源及其他说明

本来对上市公司财务危机诊断的研究数据,来源于wind数据库和巨灵数据库。在研究过程中,我们利用spss11.5 for windows作为本文主要的数据分析工具。在分析的过程中,我们将选取的样本按照发生首次亏损的时间,划分为t=0、t=-1、t=-2三个混合样本,分别对上市公司的财务危机的诊断效率进行比较分析。

三、实证研究

样本的描述统计及单指标检验

样本的描述性统计及两个样本对照组的均值检验和wilcoxon秩和检验。

通过表2中对样本指标的全样本描述,我们可以发现,利用单指标对上市公司财务危机进行诊断的效力,财务比率要明显优于无形资产比率。但财务比率在上市公司财务危机发生当年的诊断能力最高,随着时间的前移,财务比率对财务危机发生的诊断能力有减弱趋势。而无形资产比率对上市公司财务危机的诊断效力,除B4用人费用率以外,则随着时间的前移,有逐渐增强的趋势。

另外,从无形资产比率单指标的诊断能力来看,利用非财务指标计算所得的无形资产比率,如B1国有股比重、B2股权集中度等,这类反映内部结构性状况的无形资产对上市公司财务危机的提前诊断能力更强;而利用财务指标计算所得的无形资产比率,B3无形资产比率和B4用人费用率,则对上市公司财务危机的提前诊断能力相对较弱,这可能是因为,利用财务指标计算的无形资产比率,与财务指标之间存在的相关性所致。其中,B2股权集中

度的诊断能力最强,这与姜秀华、孙铮(2001)在研究中的发现相一致,姜秀华等曾发现股权集中度对上市公司财务危机具有较强的解释效力。

由此可见,利用单指标对上市公司财务危机进行诊断时,无形资产比率指标是具有解释能力的,并且与我们的假设相一致,内部结构性资产等无形资产对上市公司财务危机的甄别能力带有一定的前瞻性。治理效能的好坏、内部经营管理的优劣,是影响上市公司企业业绩的深层原因,这些因素之间相互作用,对上市公司的财务状况产生影响,而这一影响往往是潜移默化的,通过未来期的上市公司企业经营才能得以体现,因此无形资产对上市公司的财务危机诊断能力,随时间的前移有增强的趋势。

四、结论及建议

上文的实证结果表明,加入无形资产比率指标的研究,有助于尽早地诊断企业财务危机的发生,提高上市公司的财务危机模型诊断能力,而且有别于财务比率,无形资产比率对于上市公司财务危机发生的诊断能力,随着时间的前移有所增强,更有利于投资者对上市公司的未来经营状况做出准确及时的判定。因此,如何在财务报告中及时准确地反映企业无形资产,提高上市公司财务报告的有效性,将成为我们今后研究和讨论的重点。

首先,会计控制需要发挥新的作用,要求能够更加及时有效地反映企业生产经营的全貌,就要适当拓展无形资产的内容(Baruch,1999;孟翠湖,2004;王广庆,2004;等),增加知识型资本的确认范围,要将人力资本、知识产权等无形资产纳入会计系统进行确认。

其次,在会计计量环节,可以采用货币和非货币两类计量属性作为对无形资产会计计量的主要工具。“要在附注中注明各项无形资产的来源及变动情况。高科技开发企业还应单独设置一张附表列示项目研究开况,主要包括研发期限、成功经验等,向报表使用者披露其研发能力”(王广庆,2004),并要加大人力资源信息的披露程度,增加包括员工的教育状况、工作能力、职业评估等信息。

最后,对于自行开发的商标等无形资产计量,可以由独立的商标价值评估公司,对上市公司的商标及商誉等市值进行评估,在附注中予以说明,以解决该类自行开发无形资产无法资本化的难题,并能保证无形资产的公允性(Barth等,1998)。

上一篇:安全评价技术范文 下一篇:社会福利制度范文