公司财务困境范文

公司财务困境范文第1篇

一、研究样本和研究方法

1、本文将ST公司定义为财务困境企业，将ST公司亏损前的财务特征视为财务困境征兆，重点研究ST公司亏损前1-3年、财务指标在ST与非ST公司之间的差异程度，以此判断财务困境征兆。

2、本文选择在1998年至2002年期间因财务状况异常而成为ST的115家公司作为财务困境企业研究样本，采用配对样本设计方法（Paired-sampledesign）选择非失败企业样本，即对应每一个ST公司，按资产规模相近、行业相同的原则，选择一个非ST公司，共选择非ST公司115家。

3、本文研究使用的数据来源于香港理工大学中国财务会计与金融研究中心和深圳市国泰安信息技术有限公司的CSMAR数据库。使用SPSS计算ST与非ST公司财务指标的平均值及衡量均值差异程度的t值。计算结果见表1至表7.

4、本文通过比较ST公司亏损前第3、2、1年的ST与非ST公司财务比率的平均值以及通过分析衡量ST与非ST公司财务指标差异程度的t值，比较全面地概括了财务困境企业在陷于财务困境之前的财务比率均值特征。

二、财务指标选择说明

本文指标的选择及设计考虑到以下因素：

1、选择的指标能反映企业财务困境形成的可能原因。财务困境最主要的表现是企业不能偿还到期债务，因此我们选择了偿债能力分析指标。财务困境的形成是企业营运能力差、盈利能力差的结果，为此，我们选择营运能力、盈利能力指标来反映企业财务困境形成原因。资产结构影响企业的风险及盈利能力，资金结构影响企业的风险及资金成本，最终影响到企业是发展还是陷于财务困境，因此，我们设计、使用了一些资产结构、资金结构指标来反映资产、资金结构对财务困境的影响。一般认为，财务困境企业在陷于财务困境之前表现出发展速度慢，甚至停止不前，而非财务困境企业发展速度快，为了反映财务困境企业这方面的特点，我们使用了一些衡量企业发展速度的指标。

2、选择的指标能反映财务困境企业财务项目特点。我们的研究表明，财务困境企业具有这些特点：（1）企业陷于财务困境之前货币资金少，应收账款、其他应收款多；长期投资、在建工程减少，表现在现金流量方面，投资支出减少。（2）企业陷于财务困境之前短期借款多以及财务费用高，应付福利费、应付股利、应交税金少。（3）企业陷于财务困境之前主营业务利润低，表现在现金流量方面，经营活动产生的现金流量净额低。（4）企业陷于财务困境之前营业利润以及利润总额低，使得这些企业交纳的所得税、计提的法定盈余公积和法定公益金少，以及可供股东分配的利润、未分配利润少，这些特征进一步导致所有者权益主要项目偏低。为了更好地反映财务困境企业上述财务项目特点，我们除了使用一些常用财务比率外，还选择了一些不常用财务比率，也设计了一些比率。例如，在短期偿债能力指标方面，我们分析了常用的流动比率、速动比率，同时，为了反映财务困境企业资金短缺程度，也分析了不常用的超速动比率以及现金比率，以及设计了现金/总资产等比率。

三、实证分析

本文建立如下假设来比较、分析ST与非ST公司财务比率均值，探讨财务困境企业的财务比率均值特征：■为ST与非ST公司财务比率均值相等，■为ST公司财务比率均值大于非ST；或者，■为ST与非ST公司财务比率均值相等，■为ST公司财务比率均值小于非ST.

本文主要对显著性水平α为0.05、0.15的两种情况进行分析，所提出的结论也主要建立在这两种显著性水平条件下。显著性水平α为0.05及0.15对应的tα值分别为1.645和1.04.另外，本文使用的“显著性水平极低或很低”表述时的显著性水平是指显著性水平小于0.01的情况。如果t≥tα，则ST公司财务比率均值大于非ST；否则，ST与非ST公司财务比率均值相等。如果t≤tα，则ST公司财务比率均值小于非ST；否则，ST与非ST公司财务比率均值相等。在一定显著性水平α下，如果ST公司某项财务比率均值显著大于或小于非ST公司，即这个比率不同于ST公司，那么，本文认为该比率是ST公司的特征比率。

（一）财务困境企业偿债能力指标征兆

1、短期偿债能力指标征兆。本文选择流动比率、速动比率、超速动比率、现金比率4个指标来分析财务困境征兆，这几个指标的均值以及衡量差异程度的t值见表1：

表1显示，在显著性水平为0.05时，亏损前3年，ST公司的流动比率平均值以及速动比率平均值与非ST公司没有显著的差异；ST公司的超速动比率、现金比率显著大于非ST.根据流动比率、速动比率、超速动比率、现金比率的构成，上述研究结论说明，ST公司的货币资金大大低于非ST公司。

我们对流动比率、速动比率的研究结论不同于陈晓（2000）的结论，他认为ST与非ST公司的流动比率、速动比率有显著差异。研究结论不同的原因可能是我们选择的研究样本企业与陈晓的样本企业所处的时间不同造成的，根据陈晓的标示方法，我们研究的是ST公司在t-3、t-4、t-5年度的指标，而他研究的是t-2年度的指标。

2、长期偿债能力指标征兆。表2列出了ST与非ST公司4个长期偿债能力指标的均值以及衡量均值差异程度的t值：

从表2来看，在显著性水平极低时，ST公司资产负债率均值、债务与有形净值之比均值、负债与权益之比均值都显著小于非ST公司。t值变化趋势表明，随着亏损的临近，t值增大，这说明，随着亏损的临近，相对非ST公司而言，ST公司负债增加。利息保障倍数是分析偿债能力的一个重要指标，但本文对这个指标没有进行分析。因为在计算利息保障倍数时，很难得到各个公司利息支出额，虽然有些学者用财务费用代替利息支出来计算利息保障倍数，但我们认为财务费用的内涵与利息保障倍数有很大的区别，这样计算出来的结果并不能反映利息保障倍数的本来含义。综合上述，财务困境企业在偿债能力指标方面的征兆是困境企业超速动比率、现金比率小于非困境企业，而资产负债率、债务与有形净值之比、负债与权益之比大于非困境企业。

（二）财务困境企业营运能力指标征兆

反映企业营运能力的常用指标是总资产周转率、流动资产周转率、存货周转率、应收账款周转率，ST公司、非ST公司这4个指标的均值及衡量均值差异的t值见表3：

表3说明，在显著性水平为0.05时，ST公司的总资产周转率、流动资产周转率显著小于非ST公司；在显著性水平为0.15时，ST公司的应收账款周转率显著小于非ST公司，但存货周转率在ST与非ST公司之间并没有显示出显著的差异。上述结论说明，财务困境企业在营运能力指标方面的征兆是困境企业的总资产周转率、流动资产周转率、应收账款周转率小于非困境企业。

（三）财务困境企业获利能力指标征兆

表4列出了ST公司、非ST公司的总资产报酬率、总资产净利率、所有者权益报酬率、销售毛利率、成本费用利润率、营业利润比率6个指标的均值。从表4可以看出，在显著性水平很小的情况下，ST公司的总资产报酬率、总资产净利率、所有者权益报酬率小于非ST公司；在显著性水平为0.05时，亏损前第1、第3年ST公司的销售毛利率小于非ST公司，亏损前3年ST公司的成本费用利润率小于非ST公司。表4中的营业利润比率是指营业利润与利润总额之比，它反映企业主营业务的强弱程度。该指标越大，主营业务越强；反之，主营业务越弱。表4显示，在显著性水平为0.05时，亏损前第1、2年，ST公司营业利润比率小于非ST公司；从t值变化趋势来看，随着亏损年度的临近，t绝对值增加，即ST与非ST公司营业利润比率的差异增大。上述特征说明，财务困境企业在获利能力指标方面的征兆是困境企业该类指标小于非困境企业。

（四）财务困境企业财务结构指标征兆

1、财务困境企业资产结构指标征兆。表5列出了ST及非ST公司的流动资产、存货、应收账款、现金以及营运资本分别与总资产的比值：

表5说明，在显著性水平为0.15时，亏损前第3年，ST公司的流动资产/总资产、存货/总资产显著大于非ST公司，但在亏损前第1、2年，ST公司与非ST公司的流动资产/总资产、存货/总资产没有显著差异；亏损前第1、2年，ST公司的应收账款/总资产显著大于非ST公司。在显著性水平为0.05时，亏损前3年，ST公司的现金/总资产、营运资本/总资产显著小于非ST公司；亏损前第3年，ST公司的应收账款/总资产显著大于非ST公司。

2、财务困境企业资本结构指标征兆。表6列出了说明ST与非ST公司不同资金来源的4个指标数值。从表6来看，在显著性水平为0.05的情况下，ST公司的长期负债/总资产显著大于非ST公司；在显著性水平极低的情况下，ST公司的流动负债/总资产显著大于非ST公司，ST公司的股东权益/总资产、留存收益/总资产显著小于非ST公司。从t值的变化趋势来看，随着亏损的临近，衡量ST与非ST公司流动负债/总资产指标均值差异程度的t值逐渐增大，股东权益/总资产指标的t绝对值也逐渐增大。新晨

上述分析说明，在资产结构方面，财务困境企业的现金、营运资本比例指标小于非困境企业；而应收账款比例指标大于非困境企业。在资金结构方面，财务困境企业的权益比例指标小于非困境企业；而负债比例指标大于非困境企业。

从表7来看，在显著性水平为0.15的情况下，亏损前2年，ST公司的销售增长率、留存收益增长率都显著小于非ST公司；在显著性水平为0.5的情况下，ST公司的总资产增长率、所有者权益增长率都显著小于非ST公司。ST公司亏损前的发展能力指标特征说明，财务困境企业在亏损前的销售增长率小于非困境企业，内部积累的留存收益增长率小于非困境企业，由此导致困境企业的总资产、所有者权益增长率小于非困境企业。

四、结论

公司财务困境范文第2篇

关键词：上市公司；财务困境；预警模型；判别分析

1上市公司财务困境的界定及表现

1.1上市公司财务困境的界定

我们认为：如果上市公司由于下列原因而被特别处理的,我们将其视为财务困境公司：最近两个会计年度审计结果显示的净利润为负值；最近一个会计年度的审计结果显示其股东权益低于注册资本；最近一个会计年度经审计的股东权益扣除注册会计师、有关部门不予确认的部分,低于注册资本；最近一份经审计的财务报告对上年度利润进行调整,导致连续两个会计年度亏损。因为上述原因而被特别处理的上市公司基本表现为严重亏损、偿债能力不够而且持续经营能力不足,符合财务困境的基本内涵。

1.2上市公司财务困境的类型划分

根据ST公司财务困境的表现，可以将其分为以下三种类型。

（1）突变失败：此类ST公司的财务比率在被特别处理前一年才迅速恶化，因此并不容易被预测，可称为“突变失败”。从原因上分析，此类ST公司多属于虚假包装上市的公司，如ST红光和ST黎明。

（2）收益失败：此类ST公司在被特别处理前几年与正常公司在负债比率、流动比率等财务指标上并没有显著差异，发生危机的主要原因是盈利下滑，这可以从较差的投资报酬率、总资产周转率等指标来观察，这种公司可归为“收益失败”。如由于宏观环境和产业环境等外部冲击而失败的上市公司多为此种类型。

（3）慢性失败：此类公司的失败信息早在发生危机前几年就已显现，许多财务比率如资产报酬率、负债比率、流动比率等都呈现不利变化，并且愈接近危机期间情况愈严重，这种经营失败过程可称为“慢性失败”。从失败原因来看，“慢性失败”公司大多是由于内部管理不善而发生危机的企业。

1.3上市公司财务困境的阶段划分

除了突变失败以外，收益失败和慢性失败是一个连续的动态过程，根据这两类ST公司的失败过程，可以将经营失败划分为三个阶段。

（1）经营失调阶段：当企业遭受内、外部因素的冲击时，会出现管理失控、投资失误、主营收入下降及流动资金紧张等现象，这一阶段可称为经营失调阶段。

（2）经营危机阶段：上市公司如果无法适当地处理经营失调，那么将步入经营危机阶段，此时呈现的现象包括资金不足、周转困难、短期债无法偿付等。

（3）经营失败阶段：如果上市公司缺乏有效的矫正措施来渡过经营危机阶段，那么最终会面临经营失败，上市公司的经营几乎限于停滞状态，其负债总额甚至会超过资产总额，出现资不抵债的情形。此时上市公司一般要依赖大规模的资产重组才能摆脱破产的困境。

2上市公司财务困境预警模型评析

关于上市公司财务危机预警系统的研究在海外历史悠久，在国内则刚刚起步，总体而言，运用于财务困境预测的方法可分为统计类和非统计类两大类，统计类的方法主要包括一元判别法、多元线性判别法、多元逻辑回归方法、生存分析法等、非统计方法主要有模拟类预测方法（如神经网络模型）、行为反映类分析法（如股价分析法）、案例分析法等。

最早提出企业财务预警分析模型的是Beaver(1966)，定义破产包括“债券拖欠不履行，银行超支，不能支付有限股利等”。运用实证分析得出现金流量与负债总额的比率能够更好地判定公司的财务状况。随后许多学者从事该领域的研究，在研究方法上也不断完善和改进。Altman(1968）提出了多元Z值模型，将若干变量合并入一个函数方程，用Z值进行判定。Beaver（1966）和Altman（1968、1977）提出的Z值模型，以及Martin（1977）和Ohlson（1980）等提出的逻辑／概率回归模型。Zavgren（1985）等学者使之进一步深化。Aziz，Emanuel和Lawson（1988、1989）以现金流量模型为基础，提出公司的价值来自经营者、债权人、股东以及政府的现金流现值之和。他们根据破产公司与非破产公司配对数据的分析，发现在破产前五年内，两类公司的经营现金流量均值和现金支付所得税均值有显著差异。目前对财务困境分析用得最多的方法是多元线性判别分析方法和逻辑回归方法。

我国学者周首华等对Z值模型加以改造，于1996年提出了财务失败预测的新模型-F值模型在F值模型中加入了现金流量这一有效的预测变量，弥补了Z值模型的不足。陈静以1998年的27家ST公司和27家非ST公司，使用1995—997年的财务报表数据，进行了单变量分析和多元线性判定分析，在单变量判定分析中，发现流动比率与负债比率的误判率最低；在多元线性判定分析中，发现由负债比率、净资产收益率、流动比率、营运资本／总资产、总资产周转率等6个指标构建的模型，在ST发生的前3年能较好地预测ST公司。张玲（2000）以120家公司为研究对象，使用其中60家公司的财务数据估计二类线性判别模型，并使用另外60家公司进行模型检验，发现模型具有超前4年的预测结果。高培业、张道奎（2000）采用29个财务指标，运用多元判别分析方法，发现由留存收益／总资产息税前收益／总资产、销售收入／总资产、资产负债率、营运资本／总资产构成的判别函数有较好的预测能力。吴世农、卢贤义（2001）以70家ST和70家非ST上市公司作为样本，采用盈利增长指数、资产报酬率、流动比率、长期负债／股东权益、营运资本／总资产、资产周转率等6个财务指标，比较了多元判别分析、线性概率模型和Logistic模型的预测效果，发现Logistic模型的预测能力最强。3上市公司财务困境判别及控制分析

3.1财务困境形成原因剖析

在财务困境的诸多影响因素中,公司治理因素受到越来越广泛的关注。在公司治理体系中,董事会居于核心地位,并且逐渐成为完善公司治理结构,提高公司治理效率的主要途径和机制。减少管理层投机行为的重要机制就是董事会的设置。当内部管理人员之间以及管理层和股东之间发生冲突时,董事会将起到仲裁者和最高法院的作用。

在西方发达的市场经济国家中,董事会己经成为公司运作的中心。OECD制定的公司治理原则将良好的公司治理分解为七个关键部分。其中明确涉及董事会的内容就有两项,而其余五项内容也都与董事会的职责密不可分。同时,从公司权利中心的定位来看,董事会中心主义的思想正悄然形成,公司权利中心由经理层转向董事会的改革趋势也愈来愈明显。因此,加强董事会的治理和改革己经成为全球范围内的一个共识。我国上市公司董事会运作仍然存在许多深层次的问题。包括：①董事会制度形式化与内部人控制问题十分突出；②董事会决策议事的独立性不高；③独立董事缺乏独立性；④董事会专门委员会未能充分发挥作用；⑤董事会薪酬体系不合理等。这些问题严重制约了董事会运作的独立性和有效性。

3.2财务困境特征识别

企业从业绩优良到陷入财务困境,并不是一蹴而就的,而是呈现出一个渐进与突变的过程。因此,财务困境的特征表现出一定的时空属性。在时间上,考虑到事件对困境公司的影响,因而选择ST当年作为T年,分别考察特别处理前一年（t-1）、特别处理前两年（t-2）和特别处理前三年（t-3）困境公司的财务特征和非财务特征。这样一个具有时间序列的连贯考察,有利于发掘财务困境不同阶段所表现出的特征。在空间上,考虑到行业因素对财务困境的影响,因此根据行业类别的不同,分别考察制造业和非制造业内财务困境公司的基本特征。同时,建立基于人工神经网络的判别模型,实现对不同时期、不同行业上市公司财务困境状况的针对性判别分析。

3.3财务困境控制分析

根据控制理论,为了使控制系统在运行过程中的输出与控制标准的偏差尽量最小,实现控制目标,可以采用事前控制、事中控制、事后控制等方法进行控制：①事前控制是在活动开始前采取措施使得控制系统输出符合控制标准的活动。②事中控制是在活动进行时对系统输出进行监控的控制活动。③事后控制是在活动结束后对系统输出结果进行分析,找出输出结果与控制标准偏离的原因,并及时予以纠正。对于财务困境而言,财务困境的控制主要体现在事前控制和事后控制两个方面。

（1）财务困境事前控制。财务困境的事前控制是避免财务困境的最有效手段。根据财务困境的特点和形成原因,①应该制定合理的控制目标,明确系统输出期望达到的效果。控制目标可以进一步分解到各个不同层次的子控制系统,形成财务困境次级控制目标。②确定财务困境的控制重点,包括企业信用规模与结构控制、存货规模与结构控制、成本费用控制、或有负债控制、负债规模与结构控制、销售结构与毛利率控制、资本运营风险控制、治理结构控制等,其中最主要的是企业治理结构完善、成本费用控制和资金流动性控制。③制定合理的财务困境控制标准。④选择针对性的控制方式和控制手段实现控制目标。

（2）财务困境事后控制。困境公司在发生财务困境后,随着存在问题的暴露,会想方设法地采取措施消除隐患,努力克服经营不利的尴尬局面。因此,从控制流程上看,事后控制比事前控制更具有针对性和目的性。毕竟财务困境的事前控制主要以防范为主,需要建立起一套完善的控制体系,以达到发现问题的目的。而财务困境的事后控制则主要立足于纠正问题,是一种亡羊补牢的表现。

参考文献

［1］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,2005，（6）.

［2］吕长江，赵岩.上市公司财务状况分类研究,会计研究［J］.2004，（11）.

［3］张鸣，张艳.财务困境预测的实证研究与评述［J］.财经研究，2001，（12）.

公司财务困境范文第3篇

关键词：上市公司 财务 困难 预警 评价

中图分类号：F270 文献标识码：A 文章编号：1672-3791（2015）02（a）-0140-01

企业从财务状况的正常指导企业的财务陷入到财务的困境、甚至是出现破产的情况。通常情况下来讲，企业陷入财务困境时通常有两种类型：第一种类型是突发性的，具体事例如英国巴林银行由于交易员里森的违法操作造成银行的破产，一般来讲这种财务危机具有以下两种特点：（1）具有突然爆发性；（2）具有不可预测性的特点。而另一种类型是渐进性的财务危机，这种财务危机的发生是一个逐步发展的过程中出现的，例如，美国东西海岸的连锁店格兰特公司在上世纪七十年代的破产案，在这间公司破产之前的很多年间，公司的财务情况就已经开始逐渐的发生恶化，这种类型主要具有以下两个特点：（1）这类财务困境是逐渐发生的；（2）在公司破产前具有可预测性的特点。

1 财务困境的概念

财务困境在某些文献中也经常被表述成财务危机或是财务失败。在这些文献中与财务困境相关的概念最早出现的文献是Beaver所写的，在他的文献中曾这样对公司是否陷入到财务困境进行鉴别：上市公司是否破产、是否存在拖欠优先股股利以及拖欠债务。在一段时间以后Altman在其所著的文献中曾经这样定义财务困境：企业进入到法定的破产程序。Deakin是这样对财务困境进行定义的，主要就是指公司的破产，以及没有能力偿还债务或是为债权人利益已经进行清算的公司。同一年，Carmichael是这样认为的，上市企业遇到财务困境主要是指在履行义务的时候受到阻碍，其具体表现为以下几点：（1）缺乏流动性；（2）权益不足；（3）债务拖欠的行为；（4）缺乏流动资金等。而Ross是这样认为的，对上市企业的财务困境进行定义主要有以下四点：（1）财务失败，也就是说企业在清算以后也没有能力偿还债权人的债务；（2）法定的破产行为，也就是说企业以及债权人向法院提交破产申请；（3）技术破产，这主要是指企业不能按照规定的期限履行债务合约，支付利息以及本金；（4）会计破产，这种情况主要是指在企业的账面上出现资金为负的情况，即资不抵债的情况。Altman通过对学术界对上市公司财务危机的描述总结出财务危机主要有以下四种表现：（1）上市公司经营问题；（2）上市公司无力偿还债务；（3）上市公司出现违约的行为；（4）上市公司破产。通过以上的分析可以看出，这些专家对于上市公司财务困境的描述基本是统一的，从狭义的方面来说财务困境主要就是指企业的破产，同时也是企业陷入财务困境的最终形成；然而从广义方面来讲，上市公司的财务困境主要就是指企业没有能力支付已经到期的债务和费用。

2 建设上市公司财务困境的预警系统

预警变量的选择主要是财务困境预警研究过程中非常重要的组成，它在一定程度上对财务困境预警模型的设计、财务困境预警的性能有着一定的影响。财务困境的概念以及财务困境预警理论均为预警变量提供了一个具有较强理论性的框架。如上文所阐述的，现阶段还没有一个具有一定规范性的理论可以完全解释、概括引起财务困境的全部因子，所以在实证研究预选变量的时候不能在理论指导上有系统性的选择，而只能靠财务分析判断或其它标准来选择形形的变量，再在经验数据基础之上不断地筛选变量。

2.1 上市公司盈利能力的指标

从长远的情况来讲，如果一个企业要想远离财务困境，就一定要拥有非常好的盈利能力。所以，企业的盈利是企业偿还债务的能力是一个企业发展信用的保障，同时也是企业长期、稳定发展所需流动资金的主要来源。通常情况下来讲，一个企业的盈利能力越强，财务基础越牢固，则这个企业对外筹资的能力以及偿还债务的能力也就越强，这也就意味着企业出现财务危机的可能性就越小。所以，一个企业的盈利能力是企业财务预警分析指标的重要标准。

2.2 上市公司偿还债务能力的指标

上市公司偿还债务的分析能力是财务分析的一个重要方面，通过对上市公司进行偿还债务能力的分析可以有效的揭示企业的财务风险，同时上市公司的财务风险与财务困境有着非常紧密的联系，所以债务偿还能力可以作为衡量财务预警分析的指标的又一标准。

2.3 上市公司营运能力的指标

上市公司的营运能力不但可以反映出上市公司的资产管理水平，而且还可以反应出资产配置组合的能力，最关键的是可以对企业的偿还能力以及上市公司的盈利能力造成一定的影响。一个上市公司的资产组合方式越合理，资产周转的速度越快，则说明上市公司的营运能力越强、资产运用的效率越高，企业得到的收入以及盈利就越多。这也直接表明企业的盈利能力越强，这时企业就会有足够的资金去偿还已经到期的债务。会大大的降低企业陷入财务困境的可能。所以，上市公司的营运能力是衡量分析财务预警的重要标准之一。

2.4 粗集与人工神经网络结合

粗集理论以及神经网络有一个共同的特点：就是在自然的环境下都可以正常的工作。但是两者之间也有一定的差异，粗集理论可以对人类的抽象逻辑思维进行模拟，而人工神经网络主要是模拟形象直觉思维，这也表明两者之间存在有不同的特点。粗集理论主要是一种对模糊性以及不确定性进行处理的数学工具，在处理大量数据以及清除冗余信息等方面，粗集理论具有非常好的效果，所以这一理论被广泛的应用在机器学习的数据处理、规则生成等方面。

神经网络的方法也具有非常强的适应能力以及学生能力，神经网络的方法主要应用在对数据进行分类以及预测中，并且这种应用的精度很高，相对比与经典的统计方法，主要却别是，这种神经网络的方法主要应用在小样本的数据分析中，并且可以不需要满足正太分布的要求。

3 结语

随着时代的不断发展与进步，企业面临的竞争也日益激烈，面临的生存环境也日趋复杂，所以怎样构建财务困境预警的指标系统，对相关的信息进行汇总，同时使用与之相匹配的预警模型对企业的财务进行整体的管控，已经成为上市企业急需解决的问题。

参考文献

[1] 张维，李玉霜.商业银行信用风险分析综述[J].管理科学学报，1998，1（9）：20-27.

[2] 陈静.上市公司财务恶化预测的实证分析明[J].会计研究，1999（4）：31-38.

[3] 张玲.财务危机预瞥判别分析模型及其应用[J].预测，2000，19（6）：38-40.

[4] 陈晓，陈治鸿.中国上市公司财务困境预测[J].中国会计与财务研究，2000，9（2）：55-92.

公司财务困境范文第4篇

关键词：财务困境;相关研究;综述

中图分类号：F23 文献标识码：A

收录日期：2015年9月8日

任何一个上市公司都有可能由于自身的问题或者外部原因，在激烈的资本市场竞争中陷入财务困境。因此，公司的投资者或债权人等与公司利益息息相关的人，就会采取一些方法来对公司是否会陷入财务困境进行预测，上市公司也会采取相应措施来摆脱或规避财务困境。国内外研究人员从多角度切入，对上市公司财务困境的问题开展了深入的研究。

一、国外关于财务困境的研究

1、对财务困境概念的界定及解释。关于财务困境的定义，国外学者早年因为西方企业破产法的完备，所以大部分定义都是围绕企业破产而界定，直到1999年Ross提出四个方面界定财务困境的观点，得到了学术界的认同。

Beaver（1966）认为上市公司只要出现破产清算、债务无力偿还、无法继续支付优先股股利等任一现象时，即视为公司陷入财务困境。Altman（1968）认为满足破产法相关要求的公司，即为陷入财务困境的公司。他认为公司在破产前要经历三个阶段：公司经营出现问题、公司无法偿还负债和公司进入法定破产。Ross（1999）从公司无力偿还到期债务，公司申请进入法定破产流程，公司无法偿还债权人的债务，公司资不抵债等四个方面界定上市公司陷入财务困境。

2、财务困境的预测研究。国外的研究者主要通过统计方法建立模型对财务困境进行预测。Coats和Fant（1993）经过研究发现，无论单变量还是多变量预测模型，均存在线性假设不足的情况。因此，提出使用神经网络系统对财务困境公司的破产进行预测，以此弥补线性假设不足的情况。Ohlson（1980）选取大量上市公司和破产公司作为样本，利用逻辑回归的方法进行建模分析。研究证明，公司规模、资本结构、公司业绩和公司的变现能力四个因素显著影响公司破产概率。

3、财务困境与公司业绩之间的关系研究。国外研究者针对财务困境与公司业绩的研究方面，主要致力于公司选择高杠杆还是低杠杆经营与财务困境之间关系的研究。Ofek（1999）通过对1998年陷入财务困境上市公司的资本结构进行研究，研究表明，高杠杆经营显著增加了企业短期陷入财务困境的概率。Opler和Titman（2006）通过研究企业营业收入、投资收益率、净利润增长率等指标，发现处于低迷时期的行业中，基于顾客心理、竞争者压力和经营策略等因素，导致高杠杆企业在市场中失去更多利润。

4、财务困境与公司重组研究。国外研究者对财务困境与公司重组的研究，大多放在公司经历财务困境后所采取措施上，大致围绕在经营和财务两方面：在经营方面，如高层管理人员的变动、组织上的战略和结构的变化;Gilchrist（2005）研究证明2000～2004年进行债务重组的企业，其中超过半数都曾进行过更换高层管理人员。在财务方面，如股权转让、领导层更换、资产置换、缩减股利等。Zurada（2012）研究了2010～2011年纽交所陷入财务困境公司对股利政策的调整，研究表明，几乎所有公司都采取减少股利的方式来应对企业面临的财务困境。

5、财务困境与公司治理研究。国外研究者在财务困境与公司治理方面上的研究，主要是围绕着公司股权激励、董事会结构、投资者利益保护三个方面对上市公司出现财务困境的相关性进行研究。Barristan（2003）通过对企业业绩与高层管理者的薪酬进行考察，发现企业高层管理人员存在追求个人利益而放弃股东权益最大化目标的现象。Margaery和Petyr（2011）通过对财务困境的银行董事会结构、银行内控制度、高管薪酬进行分析。研究结果表明，如果首席执行官的薪酬未能和公司整体价值相互关联的话，首席执行官可能出现短期决策的现象，未能从企业长远考虑，增加了企业陷入财务困境的可能性。

二、国内关于财务困境的研究

1、对财务困境概念的界定及解释。鉴于我国作为社会主义发展中国家，目前一些金融制度尚未完善。因此，大部分国内学者如陈静等均将ST公司认定为财务困境公司。2000年4月沪深两市证券交易所又对这一条款的异常情况进行了完善。因此国内学者们至今仍将ST公司作为财务困境公司的代表进行研究。

2、财务困境的预测研究。我国学者在对上市公司财务困境预测研究上，主要是借鉴国外学者的做法，利用模型对国内上市公司是否会出现财务困境进行预测。吴世农、卢贤义（2001）通过比对国内外常用的几种分析方法，分别建立模型对我国上市公司财务困境进行预测。研究表明，Logit财务困境回归分析模型较为准确。吴俊杰（2006）以2003年或2004年上市公司是否陷入财务困境为标准选择样本公司，利用逻辑回归、神经网络决策树等算法建立了上市公司的财务困境预测模型，实验证明无论从准确率、容错能力、可理解性的方面考虑，决策树算法均不同程度地优于逻辑回归和神经网络。

3、财务困境与公司业绩之间的关系研究。我国学者在财务困境和公司业绩方面的研究上，大多围绕在对上市公司陷入财务困境后产生的财务困境成本以及困境期公司所损失的利益两方面进行研究。吕长江（2004）论证了上市公司业绩与财务困境之间的内在联系。实证分析表明，间接财务困境成本与企业经营业绩有着显著正相关的联系。困境期企业所损失的价值将随着负债率的升高而增大。吴世农、章之旺（2005）选择了经营业绩观和权益价值观，两种角度对A股市场40家已脱离ST的公司数据进行分析。实证表明，纵使这些企业成功的摆脱了财务困境，但股票市场的投资者仍对这些公司保留怀疑态度。

4、财务困境与企业重组研究。我国学者在财务困境与企业重组方面的研究，主要是选取我国A股市场的ST公司作为样本进行实证分析，对财务困境公司重组的绩效进行评价。张玲、曾志坚（2003）选取了投资回报率、每股盈余、净资产收益率等指标对2000年所有进行重组的公司进行了绩效考核。研究表明，重组后的公司资本结构也均未达到理想状态，无论ST与否，我国当前公司重组绩效均未达到预期目的。李秉祥（2003）通过考察我国目前ST公司债务重组的模式，得出了如下结论：我国当前债务重组模式流于形式，出于公司盈余管理和母子公司之间关联方交易的目的居多，而真正对公司产业进行调整，公司治理结构进行完善，面向企业未来的战略性重组的ST公司相对较少。

5、财务困境与公司治理研究。我国学者在财务困境与公司治理这个研究方向，近年来取得了丰硕的学术成果。其中，既有整体论证上市公司治理结构与财务困境的相关性关系，又有采取不同角度选择一个层面对公司治理与财务困境的关系进行研究。姜付秀、张敏等（2009）选取了A股市场2005年的上市公司作为研究对象，对公司领导层过度自信与企业扩大规模及财务困境之间的关系进行实证检验。研究表明，公司领导层过度自信变量显著影响公司的扩张速度，过度自信领导层进行的决策将增加企业陷入财务困境的概率。胡旭（2012）选取了2010年A股市场中的全部74家ST公司作为研究数据，利用逻辑回归模型对公司治理结构与财务困境两者之间的内在联系进行实证检验。研究表明，两者存在一定内在联系，公司权力机关的设置和运行过程中一旦处于不良状态，将有可能导致企业陷入财务困境。

三、未来研究展望

回顾国内外近几年有关上市公司财务困境的研究，我们能够看到国外学者依靠国外金融市场的成熟和完善，以及相关法律体系的完备。对上市公司财务困境进行了多角度全方位的研究。相比之下，1990年我国才陆续设立沪深两个证券交易所。2001年我国才开始推行上市公司退市制度，2015年5月才出现首家退市公司*ST二重。我国金融市场的发展从1990年开始到2015年只有短短二十几年的时间。目前，我国企业破产法律体系上尚未完备，企业实质性重组的数量较少，导致我国上市公司财务困境的相关研究缺乏大量客观实际的数据，因此国内研究处于初期阶段不足为怪。

那么，当下我国上市公司财务困境未来的研究方向又在何方呢？随着我国金融市场的不断完善，投资者将更多的关注财务困境与公司治理之间的关系以及企业陷入困境后重组所带来的改变。这些将成为我们未来的研究趋势，使我们能够更好地对上市公司进行监督管理、改善上市公司的业绩、保障投资者的利益不被侵害，并能够为陷入财务困境的上市公司提供脱困措施。

主要参考文献：

[1]Beaver，W.Financial ratios as predictors of failure.Journal of Accounting Research，1966.

[2]Altman E.I.Financial Ratios，Discriminant Analysis and Prediction of Corporate Bankruptcy[J].Journal of Finance，1968.22.

[3]Ross.StephenA.，Westerfield，Randolph W.，Jaffe.Jeffrey F.Corporate Finance，2nd ed.Homewood，IL，1999.

[4]Coats P.K.，Fant F.L.Recognizing Financial Distress Patterns Using A Neural Network Tool[J].Financial Management，1993.22.

[5]Ohlson J.S.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980.19.

[6]Ofek M.R.Financial distress，reorganization and corporate performance[J].Accounting and Finance，1999.15.

[7]Opler E.B.，Titman J.C.Managerial Succession and Firm Performance[J].Journal of Business，2006.27.

[8]Gilchrist W.，State Equity Ownership and Firm Market Performance[J].Global Finance Journal，2005.14.

[9]Zurada D.，Management Entrenchment：The Case of dividend[J].Strategic Management Journal，2012.14.

[10]Barristan P.，Failure Prediction：Executive Compensation and Corporate Performance[J].Economic Review，2003.11.

[11]Margaery R.W.，Petyr K.H.Ownership Structure and Corporate Governance Mechanisms[J].Journal of Banking &.Finance.2011.

[12]陈静.上市公司财务恶化预警的实证分析[J].会计研究，1999.4.

[13]吴世农，卢贤义.我国上市公司财务危机的预警模型研究[J].经济研究，2001.6.

[14]吴俊杰.财务困境预测：数据挖掘方法的比较与应用[J].清华大学学报，2006.7.

[15]吕长江.上市公司财务困境与财务破产的比较分析[J].经济研究，2004.8.

[16]章之旺，吴世农.财务困境成本理论与实证研究综述[J].会计研究，2006.5.

[17]张玲，曾志坚.上市公司重组绩效的评价及财务困境预测实证研究[J].2003.5.

[18]李秉祥.我国上市ST公司财务危机的战略重组研究[J].管理现代化，2003.3.

[19]姜付秀，张敏.管理者过度自信、企业扩张与财务困境[J].经济研究，2009.1.

公司财务困境范文第5篇

[关键词] 信息熵； Logistic回归； 财务困境

[中图分类号] F275 [文献标识码] B [文章编号] 2095—3283（2012）09—0149—04

一、引言

依据上市公司经过审计后披露的财务报告，选取关键的财务指标构建合理的财务困境预测模型，对投资者和债权人了解企业财务状况和上市公司高管防范企业财务危机，以及监管部门监督上市公司质量和预防证券市场风险都具有重要的作用。因此，财务困境预测的意义在于构建财务困境预测模型，及时预报财务状况，为经营者、投资者、银行等金融机构、相关企业或注册会计师提供及时的决策和管理信息。

根据我国的具体情况，本文对上市公司是否陷入财务困境的界定是以其是否因“财务状况异常”遭到“特别处理”为标志的。

二、样本选取

根据我国上市公司的年报披露制度，上市公司当年的财务报告披露的最后截止日期为下一年4月30日，因此上市公司当年是否被ST是由公司上年的财务报表决定的，采用公司被ST前一年的数据来建立预测模型会高估模型的预测能力，因此本文采用上市公司被ST前2年的数据即2009年的财务数据来建立模型。在剔除存在数据缺失和存在异常值的企业后，本文选取了2011年沪深两市1370家上市公司作为样本，其中包括110家ST公司，1260家正常公司。本文数据来自锐思金融研究数据库（RESSET/DB http：//wwwressetcn）。为了客观评价所建立模型的预测精度，本文按照3：1的比例随机将总样本分为训练样本和测试样本，其结构如表1，在利用训练样本构建预测模型后，将分别检验模型对训练样本和测试样本的预测准确率。

三、基于信息熵的预测指标选取

在用Logistic回归模型进行公司财务困境预测时，关键是选取那些对公司财务状况预测能力强的财务指标来建立模型。在信息论中熵是用来测度随机变量的不确定性的，熵越大不确定性越大，在企业是否陷入财务困境的评估中，如果某初选财务指标的引入可以有效地减少因变量的熵，则该财务指标就有一定的预测能力，因变量的熵改变量越大，说明该指标的预测能力越强，因此本文采用因变量熵的改变量来对初选指标进行筛选。具体模型如下：

（3）

其中，q1 ，q2分别表示两组公司占公司总数的比重。改变C0值可以得到指标Xi的不同的降熵，使ΔI（Y）最大的C0就是指标Xi的最佳分割点。某个财务指标的降熵越大说明该财务指标的预测能力越强。计算每个财务指标在其最佳分割点处的降熵就可以对财务指标的预测能力进行排序，保留降熵值大的指标，剔除降熵值小的指标。最后对保留的财务指标进行因子分析就可以得到用于Logistic建模的公共因子。

四、Logistic风险评估模型实证检验

（一）基于信息熵的指标选取

本文选取企业盈利能力、企业营运能力、企业偿债能力、企业成长能力、企业现金流量五个方面的相对指标和营运资金、公司资产总值、所有者权益、每股净资产五个绝对指标作为初选指标。具体指标如表2所示。

利用MATLAB软件计算每个初选指标的降熵，计算结果见表2。计算结果显示，在预测中，虽然各初选指标对企业违约风险都有一定的预测能力，但各初选财务指标的预测能力相差很大。本文选取降熵较大的V26（每股净资产）、V12（营业毛利率）、V13（营业净利率）、V15（总资产报酬率）、V14（成本费用率）、V16（总资产净利率）、V28（净利润）、V31（所有者权益）、V1（资本充足率）、V5（资产负债率）、V29（净营运资金）11个预测能力最强的指标来建立模型。

（二）因子分析提取公共因子

由于企业财务指标之间有较大的相关性，而多重共线性会对Logistic模型的参数估计精确度产生较大的影响，本文采用因子分析法来解决变量间多重共线性的影响，因此本文采用因子分析提取的公共因子来进行Logistic回归建模。

根据分析得到因子方差分解表（表3），由表3可知特征值大于1的前4个公共因子累计方差贡献率达到了8719%，说明这4个公共因子能够反映原11个指标绝大部分信息。因此选取FAC_1、FAC_2、FAC_3、FAC_4这4个因子作为最终进行Logistic回归建模的指标。

1训练样本回带检验

根据上述模型计算训练样本每一观察个体的预期违约概率，通过反复计算验证，以接近先验概率的01为最佳分割点，P>=01判定为ST公司，P

2测试样本回带检验

同样将测试样本代入模型进行检验的结果（见表7），总体判断准确率达864%，其中28家ST公司中只有4家被错误地归为非ST公司，正确识别率达857%；394家非ST公司中有51家被误判为ST公司的分类准确率为871%。

测试样本判断结果同训练样本预测的准确率基本一致，预测准度较高，模型也比较稳定，因此具有推广应用的价值。

五、结论

根据信息熵的计算结果可以看出，每股净资产等绝对财务指标对企业是否被ST有很强的预测能力，所以在建立模型时不仅要考虑相对指标而且要把一些重要的绝对指标纳入到指标体系中，在评估上市公司财务状况时应优先考虑信息熵的前11个指标，因为它们对企业未来是否陷入财务困境有很强的预测能力。通过对所建立的Logistic回归对预测模型进行回带检验，可以看出模型不论是对建模用的训练样本还是对建模样本外的测试样本都有较高的预测准度，总体判断准确率分别达到871%和8906%，模型的预测准度高而且通过训练样本外的检测样本的测试可以发现所建立的Logistic模型的预测能力较强且比较稳定，说明可以利用该模型，根据上市公司披露的财务信息来预测上市公司未来被ST的概率，判断该企业的财务状况，对投资者而言可以规避投资风险，对上市公司本身而言可以提前做出应对预案。

[参考文献]

[1]PhiliPPe JorionValue at Risk： The New Benchmark for Managing Financial Risk[M]McGraw—Hill，2000

[2]Altman， EL& Saunders， ACredit Risk Measurement： Developments Over the Last 20 Years[J]Journal of Banking and Finance， 1998

[3]MaddalaLimited—Dependent and Qualitative Variables in Econometrics[M]Cambridge University Press， 1986：173—215

[4]James AOhlsonFinancial Ratios and the Probabilistic Prediction of Bankruptcy[J]Journal of Accounting Research， 1980：109—131

[5]韩建光企业财务困境预测动态建模研究[D]哈尔滨工业大学， 2011：21—23

[6]林舒航基于金融危机背景的中小企业财务战略浅析[J]福建教育学院学报，2010（6）

公司财务困境范文第6篇

摘 要 上市公司的财务困境问题已经成为影响我国资本市场健康持续发展的关键性问题之一,财务困境不仅给公司股东和债权人带来重大损失,而且会影响整个社会资源配置的有效性。因此,研究财务困境的形成原因以及防范具有重要意义。

关键词 财务困境 成因 防范

一、财务困境的界定与标志

对于财务困境(Financial distress)的定义与界定,国内外的专家学者曾有过不同的定义,国外学者的定义主要有:Beaver(1966)把破产、拖欠优先股股利、拖欠债务界定为财务困境;Altman(1968)定义的财务困境是“进入法定破产的企业”;Deakin (1972)则认为财务困境公司“仅包括已经经历破产、无力偿债或为债权人利益而已经进行清算的公司”;John和Kose(1993)将财务困境定义为“在给定的时点上,公司的流动资产不能满足其书面合同的现金需要时就是财务困境”。1983年,Altman和Edward在《财务困境解剖学》一文中指出:所谓公司财务困境实质上就是指当一个公司或者企业处于经营性现金流量不足以抵偿现有到期债务而被迫采取改正行动的情况,财务困境可能导致企业违反和约的规定。

国内学者如陈静(1999)、陈晓(2000)、吴世农 (2001)等从研究方便的角度,大都把上市公司因财务状况异常而被特别处理(ST)作为企业陷入财务困境的标志。

尽管国内外界定的标准有所不同,国外的研究大多都是将企业根据破产法提出破产申请的行为作为确定其进入财务困境的标志,国内文献多数以上市公司被特别处理(ST)作为陷入财务困境的标志,但其所指的范畴比较一致。

二、财务困境的成因

对于财务困境的成因,主要有两个理论:现金流量理论(framework of a cash-flow model)和因素分析理论。

1.现金流量理论。James E. Walter (1957) 对现金流量理论进行了比较详细的讨论。后来,Beaver(1966)、Blum(1974)使用该理论来选择财务困境分析预测的指标。现金流量理论的基本内容是:企业可以看成是一个流动资产“水库”,流入补充“水库”,流出消耗“水库”,“水库”对流入、流出起缓冲作用。企业清偿可以看成是“水库”耗尽,即企业不能清偿到期债务的那一时点。

2.因素分析理论。因素分析理论从影响企业陷入困境的因素出发,分析、研究财务困境影响因素与财务困境之间的关系,然后根据这种关系解释财务困境形成的原因。国内的学者对于财务困境的成因也进行了一些深入的分析,尽管没有形成一套理论但也从各因素进行了探讨,主要概括如下:

1.宏观方面的因素

(1)全球经济环境。当今的社会是一个经济趋于一体化的经济体系,各个国家之间的关联越来越紧密,一个大国的经济出现问题有可能导致其他国家受到牵连。因此在这个大环境下,全球经济环境也是导致公司出现财务的一大因素。

(2)国家经济政策与法规。国家的经济政策与法规会造成公司的经营环境很大的改变,如果公司不能顺应政策的改变而做出相应的应对措施,公司很容易陷入财务困境。

(3)行业背景。决定企业盈利能力的根本因素是行业的吸引力,行业固有的盈利能力决定着该行业中某个企业的盈利能力。

2.微观方面的因素

(1)核心产品不具再有竞争力。由于核心产品不再具有竞争力导致主营业务收入急剧下降,不再具有足够的资金来偿付负债和各项费用,从而引发财务危机。

(2)成本和费用过高。过高的费用导致公司的净利润下降,公司的流动资金很少,不足以应付一些意外的资金需求,从而导致公司陷入财务困境。

(3)公司的治理结构不合理。目前我国公司治理结构存在很多缺陷,例如“一股独大”、“内部人控制”等现象。而目前的“监事会”“独立盖事”从某种程度上来讲,只是一个“花瓶”,并没有起到应有的作用。

(4)企业的内部控制机制存在问题。一些公司没有建立起合理有效的内部控制机制,从而导致一些资产项目出现问题,资金链断裂,导致公司无法经营下去。

三、财务困境的防范

企业要想避免财务困境,必须采取一定的防范措施,这一方面的研究我国的学者主要是针对财务困境出现的原因进行分析,主要有以下方法可以减少和防止财务困境:

1.完善公司的治理结构。采取措施促进经理人市场发展成熟并建立长期的企业经理人激励制度,我国上市公司对企业经理人只注重当期业绩的报酬激励制度,,导致了企业经理人在履行契约过程中的目标行为短期化。

2.严格流动资产管理。流动资产是企业得以维持周转的关键要素,企业必须对流动资产实行严格管理,以处理公司的日常生产经营和必要的投资。

3.加强企业的风险内部控制机制。对于企业已投资或将要投资的项目要进行不断的风险评估,风险系数超过企业的承受能力的应该予以高度重视,并采取相应的措施。

4.确定合理的债务结构。财务杠杆和经营杠杆必须设定在合理的范围内,不能超过企业现有的资产承受能力,并且应把收益的不确定因素做最大的估计。

参考文献:

[1]秉成.企业财务困境概念内涵的探讨.山西财经大学学报.2003(6).

[2]陈晓,陈治鸿.中国上市公司财务困境预测.中国会计与财务研究.2000(9).

公司财务困境范文第7篇

一、财务困境预测模型研究的基本问题

财务困境(Financialdistress)又称“财务危机”(Financialcrisis)，最严重的财务困境是“企业破产”(Bankruptcy)。企业因财务困境导致破产实际上是一种违约行为，所以财务困境又可称为“违约风险”(Defaultrisk)。事实上，企业陷入财务困境是一个逐步的过程，通常从财务正常渐渐发展到财务危机。实践中，大多数企业的财务困境都是由财务状况正常到逐步恶化，最终导致财务困境或破产的。因此，企业的财务困境不但具有先兆，而且是可预测的。正确地预测企业财务困境，对于保护投资者和债权人的利益、对于经营者防范财务危机、对于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。纵观财务困境判定和预测模型的研究，涉及到三个基本问题：一是财务困境的定义；二是预测变量或判定指标的选择；三是计量方法的选择。

(一)财务困境的定义

关于财务困境的定义，有不同的观点。Carmiehael(1972)认为财务困境是企业履行义务时受阻，具体表现为流动性不足、权益不足、债务拖欠及资金不足四种形式。Ross等人(1999；2000)则认为可从四个方面定义企业的财务困境：第一，企业失败，即企业清算后仍无力支付债权人的债务；第二，法定破产，即企业和债权人向法院申请企业破产；第三，技术破产，即企业无法按期履行债务合约付息还本；第四，会计破产，即企业的账面净资产出现负数，资不抵债。从防范财务困境的角度看，“财务困境是指一个企业处于经营性现金流量不足以抵偿现有到期债务”，即技术破产。

在Beaver(1966)的研究中，79家“财务困境公司”包括59家破产公司、16家拖欠优先股股利公司和3家拖欠债务的公司，由此可见，Beaver把破产、拖欠优先股股利、拖欠债务界定为财务困境。Altman(1968)定义的财务困境是“进入法定破产的企业”。Deakin(1972)则认为财务困境公司“仅包括已经经历破产、无力偿债或为债权人利益而已经进行清算的公司”。

(二)预测变量的选择

财务困境预测模型因所用的信息类型不同分为财务指标信息类模型、现金流量信息类模型和市场收益率信息类模型。

1．财务指标信息类模型。Ahman(1968)等学者(Ahman，Haldeman和Narayanan，1980；Platt和Platt，1991)使用常规的财务指标，如负债比率、流动比率、净资产收益率和资产周转速度等，作为预测模型的变量进行财务困境预测。

尽管财务指标广泛且有效地应用于财务困境预测模型，但如何选择财务指标及是否存在最佳的财务指标来预测财务困境发生的概率却一直存在分歧。Harmer(1983)指出被选财务指标的相对独立性能提高模型的预测能力。Boritz(1991)区分出65个之多的财务指标作为预测变量。但是，自Z模型(1968)和ZETA模型(1977)发明后，还未出现更好的使用财务指标于预测财务困境的模型。

2．现金流量信息类模型。现金流量类信息的财务困境预测模型基于一个理财学的基本原理：公司的价值应等于预期的现金流量的净现值。如果公司没有足够的现金支付到期债务，而且又无其他途径获得资金时，那么公司最终将破产。因此，过去和现在的现金流量应能很好地反映公司的价值和破产概率。

在Gentry，Newbold和Whitford(1985a；1985b)研究的基础上，Aziz、Emanuel和Lawson(1988)发展了现金流量信息预测财务困境模型。公司的价值来自经营的、政府的、债权人的、股东的现金流量的折现值之和。他们根据配对的破产公司和非破产公司的数据，发现在破产前5年内两类公司的经营现金流量均值和现金支付的所得税均值有显著的差异。显然，这一结果是符合现实的。破产公司与非破产公司的经营性现金流量会因投资质量和经营效率的差异而不同，二者以现金支付的所得税也会因税收会计的处理差异而不同。Aziz、Emanuel和Lawson(1989)比较了Z模型、ZETA模型、现金流量模型预测企业发生财务困境的准确率，发现现金流量模型的预测效果较好。

3．市场收益率信息类模型。Beaver(1968)是使用股票市场收益率信息进行财务困境预测研究的先驱。他发现在有效的资本市场里，股票收益率也如同财务指标一样可以预测破产，但时间略滞后。Altman和Brenner(1981)的研究表明，破产公司的股票在破产前至少1年内在资本市场上表现欠佳。Clark和Weinstein(1983)发现破产公司股票在破产前至少3年内存在负的市场收益率。然而，他们也发现破产公告仍然向市场释放了新的信息。破产公司股票在破产公告日前后的两个月时间区段内平均将经历26％的资本损失。

Aharony，Jones和Swary(1980)提出了一个基于市场收益率方差的破产预测模型。他们发现在正式的破产公告日之前的4年内，破产公司的股票的市场收益率方差与一般公司存在差异。在接近破产公告日时，破产公司的股票的市场收益率方差变大。

(三)计量方法的选择

财务困境的预测模型因选用变量多少不同分为单变量预测模型和多变量预测模型；多变量预测模型因使用计量方法不同分为线性判定模型、线性概率模型和Logistic回归模型。

此外，值得注意的是，近年来财务困境预测的研究方法又有新的进展。网络神经遗传方法已经开始被应用于构建和估计财务困境预测模型。

(四)我国对企业财务困境预测的研究

在国内的研究中，吴世农、黄世忠(1986)曾介绍企业的破产分析指标和预测模型；陈静(1999)以1998年的27家ST公司和27家非ST公司，使用了1995—1997年的财务报表数据，进行了单变量分析和二类线性判定分析，在单变量判定分析中，发现在负债比率、流动比率、总资产收益率、净资产收益率4个财务指标中，流动比率与负债比率的误判率最低；在多元线性判定分析中，发现由负债比率、净资产收益率、流动比率、营运资本／总资产、总资产周转率6个指标构建的模型，在ST发生的前3年能较好地预测ST。张玲(2000)以120家公司为研究对象，使用其中60家公司的财务数据估计二类线性判别模型，并使用另外60家公司进行模型检验，发现模型具有超前4年的预测结果。

二、本文的样本和研究方法

本文与以前我国上市公司财务困境的研究有所不同。第一，样本新、时间长、容量大。本文研究的ST样本包括1998—2000年发生ST的公司，即A股市场上全部的ST公司，同时剔除了非正常的ST公司；此外，样本数据的收集时间延至公司发生ST前5年，样本时间跨度较长。选入研究的ST样本公司70家和相对应的非ST样本公司70家，样本容量达到了140家，可望在一定程度上降低估计和预测误差。第二，选择多种研究方法，建立单变量判定模型和三种多变量判定模型，并比较各种模型在财务困境预测中的效率。

(一)财务困境公司的样本选定

本文从我国A股市场上3年中出现的82家ST公司中界定出70家公司作为财务困境公司，进行财务困境预测研究。它们是：(1)连续两年亏损，包括因对财务报告调整导致连续两年亏损的“连亏”公司，共51家；(2)一年亏损但最近一个会计年度的股东权益低于注册资本，即“巨亏”公司，共16家；(3)因注册会计师意见而特别处理的，共3家。但排除了：(1)上市两年内就进入特别处理的公司，共8家。排除原因是财务数据过少和存在严重的包装上市嫌疑，因此与样本中的其他公司不具有同质性；(2)因巨额或有负债进行特别处理的公司，共2家。排除原因是或有负债属偶发事件，不是由企业正常经营造成的，与其他样本公司不具有同质性；(3)因自然灾害、重大事故等进行特别处理的，共2家，原因同(2)。

(二)研究程序和计量方法

本研究首先计算140家样本公司的盈利增长比率、股东权益收益率等21个财务指标，这些指标综合反映了企业的盈利能力、长短期偿债能力、营运能力、成长能力和企业规模。在此基础上，使用剖面分析对样本中的财务困境公司和非财务困境公司在财务困境发生前5年期间历年的21个财务指标进行对比分析，探讨对企业陷入财务困境影响显著的变量。其后，应用单变量分析，选择4个财务指标为例估计单变量判定模型。最后，筛选和确定对企业陷入财务困境影响最为显著的6个指标为模型的判定指标，应用线性概率模型、Fisher二类线性判定模型、Logistic模型三种计量方法，建立和估计财务困境的预测模型，并比较这三种模型的预测效果。

三、实证研究

(一)剖面分析

首先分组计算70家财务困境公司和70家非财务困境公司的21个财务指标在财务困境发生前1至5年的平均值和标准差等描述性统计量，比较这二组在21个财务指标各年的平均值是否具有显著差异，其次计算各年的Z统计检验量，结果如表1所示。剖面分析结果表明：(1)在ST发生的前1和2年，财务困境公司和非财务困境公司的17个财务指标的平均值存在显著的差异；(2)Z值随着ST发生时间的临近而显著增大，即二组的财务指标平均值的差异随ST发生时间的临近而扩大。由此可见，在所选的21个财务指标中，除利息保障倍数、存货周转率、Log(总资产)和Idg(净资产)外，其余17个在财务困境发生前1至2年中具有显著的预测能力。

表121个财务指标Z统计量的计算结果*

(二)单变量判定分析

本文选择净资产报酬率、负债比例、营运资产与总资产的比例和资产周转率4个财务指标，应用单变量判定分析分别建立4个单变量预测模型，通过确定模型的最佳判定点，可以判定某一企业在财务困境发生前1至5年其是否会陷入财务困境。估计模型的结果如表2至表5所示。

表2净资产报酬率在财务困境前1-5年的判定模型

由表2至表5可见：(1)从各个单变量判定模型的判定效果来看，净资产报酬率的判定模型误差最小；营运资本／总资产的判定模型和负债比率的判定模型误差次之，资产周转率的判定模型误差最大。(2)财务指标作为预测变量具有信息含量和时效性，其信息含量随着时间的推移而递减，即指标值离财务困境发生的时间愈短，信息含量愈多，预测的准确性愈高，反之信息含量愈少，预测准确性愈低。(3)结合剖面分析，在两组均值的差异性检验中非常显著的财务指标，在单变量判定分析中的误判率却较高。例如，财务困境公司与非财务困境公司两组的负债比率在财务困境前1年的Z统计量为7．0696，差异性非常显著，但在单变量判定分析中误判比率却高达24．46％。以上结果表明，应用不同研究方法分析同一个指标所得结果不同。我们认为，这是因为在剖面分析的z检验中，误判率不仅与两组的均值有关，而且与两组的样本分布的状况有关。因此，应用不同判定分析方法构建的单指标判定模型，结论往往相互冲突。

表3负债比率在财务困境前1-5年的判定模型

表5资产周转率在财务困境前1-5年的判定模型

(三)多元线性判定模型的变量选择分析

本研究首先应用LPM，采用逐步回归选择变量方法，对5年的样本数据依次进行回归，从21个变量中选择若干变量。选择的标准是：F值的概率值小于0．10时进入，大于0．11时剔除。

利用财务困境前1至5年的数据，分别进行逐步回归，结果如表6所示。我们最终选取了Xl(盈利增长指数)、X3(资产报酬率)、X7(流动比率)、X11(长期负债与股东权益比率)、X12(营运资本与总资产比)、X19(资产周转率)等6个指标作为多元判定分析的变量。选取这些指标的原因是：(1)以财务困境前1年的逐步回归结果为主，参考其他年份的回归结果。由剖面分析可知，财务困境前1年的财务指标作为财务困境预测的信息含量最多，时效性最强；离财务困境发生的时间越远，指标的信息含量越少，时效性越差。所以，财务困境前1年逐步回归所得的变量全部入选。结合其他年份特别是财务困境前2年的结果，营运资本总资产比、速动比率、负债比率、应收账款周转率是表现较好的变量。(2)兼顾全面综合的信息反映，适当避免同类信息的重复反映。首先，财务困境前1年逐步回归所得的变量盈利增长指数、资产报酬率、长期负债股东权益比率、资产周转率分别是反映企业成长能力、盈利能力、长期偿债能力、营运能力的指标，但没有反映短期偿债能力的指标。营运资本与总资产比是财务困境前2年逐步回归所得的变量之一，而且参数估计值的显著性水平在0．05之上，故也把该变量作为预测变量之一。其次，速动比率是反映短期偿债能力的指标，但更能全面反映短期偿债能力是流动比率，结合剖面分析，历年两组间的流动比率和速动比率均值差异性检验统计量Z值比较接近，表明这二个指标都能反映的两组的差异性。因此，从反映短期偿债能力的全面性来考虑，我们在建模时选择了流动比率，舍弃了速动比率。再次，考虑到若企业短期偿债能力较强，会减少其在短期内陷入财务困境的概率，因此把短期偿债能力的两个指标——营运资本与总资产比和流动比率同时引入预测变量组合，加强短期偿债能力信息在预测中的比重。第四，负债比率与长期负债股东权益比同是反映企业长期偿债能力的指标，长期负债股东权益比已在财务困境前1年引入了变量组合，为避免信息的重复反映，舍弃了负债比率。最后，应收账款周转率与总资产周转率同是反映营运能力的指标，但应收账款周转率不及总资产周转率反映全面，所以反映营运能力的指标选用总资产周转率，舍弃应收账款周转率。

表6各年逐步回归的所得的变量结果

为了避免多重共线性，对选定的6个变量进行多重共线性检验。本文使用的检验指标是容许度(TOL)和方差膨胀因子(VIF)。计算公式为：

TOLj=1—R2j=1／VIFj

其中，群为均对其余k—1个自变量回归中的判定系数R2。当TOL较小时，认为存在多重共线性。一般地，方差膨胀因子VIF大于10，认为具有高的多重共线性。VIF检验的结果见表7。从表7可知，6个变量的VIF均小于10，可认为各变量之间不存在显著的多重共线性。

表7多重共线性检验

(四)多元线性判定模型的估计结果

1．LPM模型。根据上述选定的6个变量及其财务困境前1年的样本数据，得到LPM模型的回归结果如表8所示。LPM模型的方程可表示为：

Y=0．3883+0．1065x1-2．7733x3+0．0537x7+0．1970x11-0．3687Xl2-0.1388x19

其中：Y是陷入财务困境的概率；X1是盈利增长指数；x3是资产报酬率；x7是流动比率；X11，是长期负债股东权益比率；x12是营运资本／总资产；X19是资产周转率。表8LPM模型的回归估计结果

线性概率方程是以70家非财务困境公司与69家财务困境公司在财务困境前1年的6个财务指标的数据为因变量值，取财务困境公司为1，非财务困境公司为0作为因变量值进行估计的。因此，理论上取0．5为最佳判定点。根据估计的模型对原始数据进行回代判定，若预测值大于0．5的，判定为财务困境公司；否则为非财务困境公司。判定结果如表9所示。

表9LPM在财务困境前1年的判定结果

在回判过程中，70家非财务困境公司有4家被错判，误判率为5．71％；69家财务困境公司有10家被错判，误判率为14．49％；总的误判率为10．07％。判定正确率较高。采用同样的方法可以计算其他年份的最佳判定点和误判率。

2．Fisher二类线性判定模型。把财务困境公司划分为组合1，非财务困境公司划分为组合2，对样本公司的财务困境前1年的财务数据，使用同样的6个变量，估计Fisher二类线性判定分析。

对于组合1，判定模型为：

Z=-6．059+0．331x1一25．865x3+4．033x7+3．250x11-11．905x12+4．428x19

对于组合2，判定模型为：

Z=-4．859—0．812x1+3．989x3+3．432x7+1．142x11一7．734x12+5．924x19

以典则(Canonical)变量代替原始数据中指定的自变量，其中，典则变量是原始自变量的线性组合，得到典则的线性判定模型为：

Z=0．448—0．435xl+11.374x3—0．229x7—0．803x11+1．589x12+0．570x19

根据上述判定模型，以财务困境发生前1年的原始数据分别进行回代。二个组合的平均Z值分别是-1．3254和1．3065，样本个数分别为69和70，所以按完全对称原则确定的最佳判定点为z*。由此可知：当把财务困境发生前1年的原始数据代入判定模型所得的判定值Z大于Z*，则判为组合2，即非财务困境公司，否则判为组合1。由此得到的判定结果见表10。同理可计算其他年份的最佳判定点和误判率。

表10Fisher二类线性判定模型在财务困境前1年

值得指出的是，Fisher判定模型在财务困境发生前1年的误判率为10．07％，与LPM模型的误判率相同，这从应用上证明二个模型是等价的。

3．Iosistic回归模型。使用同样的财务指标和数据，进行二元Logistic回归分析，得到模型的估计结果见表11。

表11二元Logistic回归模型估计结果

截距模型是将所有自变量删除后只剩一个截距系数模型。当前模型是含有自变量的Logistic回归模型。“Likelihood"为似然函数值，“—2LogLikelihood"(缩写为—2LL)是似然函数值的自然对数的—2倍，常用来反映模型的拟合程度，其值越小，表示拟合程度越好。因为Idsistic模型是使用最大似然估计，似然函数值越大，则表明越接近最大似然值，拟合程度越好。从表10可见，变量x1、X3、X11的显著水平均小于0．05，说明其预测能力较强；其余3个变量的显著水平较高，说明其预测能力较弱。

方程可表示为：

log(p/(1-p))=-0.867+2.5313X2-40.2785X4+0.4597X8+3.2293X12-3.9544X13-1.7814X20

即

P=1/(1+e-(-0.867+2.5313X1-40.2785X3+0.4597X7+3.2293X11-3.9544X12-1.7814X19))

根据回归所得到的Logistic方程，以0．5为最佳判定点，对财务困境前1年的原始数据进行回代判定，结果见表12。

表12Logistic回归模型在财务困境前1年的判定结果

在财务困境前1年，70个非财务困境公司有4个被错判，误判率为5．71％，69个财务困境公司有5个被错判，误判率7．25％，总体上看，139个公司有9个被错判，误判率6．47％。同样地，使用二元Logistic回归可以对财务困境前2年财务困境前5年的情况进行判定分析，判定结果见表13。

表13三种多元判定分析方法估计模型的比较

四、结论与启示

公司财务困境范文第8篇

摘 要 在激烈的市场竞争中，受各方面因素影响，出现财务困境的上市公司越来越多。这不仅使上市公司面临着破产危机，而且给投资者、债权人等利益相关者带来了不可估量的损失。因此，财务困境对上市公司财务业绩的影响成为学术界探讨的重点。虽然学术界一致认为财务困境使上市公司付出巨大代价，具有很大的消极影响。但是分析表明财务困境对上市公司的业绩的影响还有积极的一面。文章将从研究背景、财务困境的基本理论以及财务困境对上市公司业绩的影响三个方面展开论述。

关键词 财务困境 公司业绩 影响

一、研究背景

因为我国证券市场建立时间较短，发展尚不成熟，上市公司退市机制也存在不足，再加上我国上市公司管理者的机会行为，使得公司的管理人员过分追逐短期利益而忽视公司的长期发展。伴随着我国市场经济体制的不断完善和国际化进程的加快，企业陷入财务困境的频率逐年走高。截止到2007年11月，沪深股市就有407家被ST的公司。这不仅严重阻碍了我国证券市场的发展，而且给投资者、债权人等利益相关者带来了巨大的损失。基于此，财务困境对上市公司业绩的影响成为众多学者探讨的重点。

虽然众多专家学者认为财务困境给上市公司带来诸多负面影响、代价颇高，而经营管理者为此要努力公司财务困境。然而，当公司真正陷入财务困境后，除了有消极的影响外，其对公司的财务业绩还有一定的积极意义。

二、财务困境的基本理论

（一）财务困境的概念

早在20世纪30年代，国外学者便展开对财务困境的研究且取得了一定的成果。近年来我国学者也开始研究财务困境的问题。然而，截至目前关于财务困境的概念仍未形成一致见解。根据我国研究学者统计，上市公司连续两年亏损或者一年巨亏往往会导致财务状况异常而被特别处理（被ST）。因此，文章采用我国众多学者的观点：将上市公司因财务状况异常而被ST视为财务困境的标志。

（二）财务困境产生的原因

我国上市公司财务困境产生的原因可以从公司内部原因和外部宏观原因两方面来分析。

1.内部原因

我国上市公司形成财务困境的内部原因主要有：第一，企业管理乏力。这主要表现我国上市公司管理层结构不合理以及管理层素质不足。管理层结构欠合理导致管理层在公司治理方面的乏力；管理层素质不足又导致管理层无法做出正确的决策，或者管理层过分追逐短期自身利益最大化而忽视公司整体业绩，从而导致上市公司出现财务困境。第二，盲目扩大公司规模。为了生存和发展，不少公司为了占领市场采用扩大公司规模和多元化的经营模式。然而，如果过分追逐扩大公司规模而忽视公司的实际情况，就会不可避免使公司陷入财务困境的危机。第三，资产负债率过高。不少公司过分依赖财务杠杆，造成公司资产负债率过高，一旦公司某一环节出现断裂，将会给公司带来不可估量的损失。

2.外部原因

影响公司财务状况，可能导致公司出现财务困境的因素主要有：第一，激烈的竞争。面对来自国内、国外激烈的市场竞争，企业要想生存和发展必须不断提升自己的竞争力。如果企业在竞争中采取不恰当的手段，甚至开展价格战迟早会使企业陷入财务危机。第二，国家的宏观经济政策。国家为了调整我国经济中存在的问题，必定会出台一系列的货币政策、财政政策、产业政策等，受国家宏观经济的影响，上市公司可能存在潜在困境。另外，宏观经济周期对上市公司的影响也相当明显。当经济出现萧条，市场需求量下降，对上市公司产生巨大压力。

三、财务困境对上市公司业绩的影响

国内外众多专家学者一致认为财务困境给上市公司带来诸多负面影响。事实上财务困境对于上市公司的财务业绩除了有消极的影响外，对公司的财务业绩还有一定的积极意义。文章主要从财务困境对于上市公司财务业绩的积极影响这一方面加以阐述。

（一）财务困境可以增加上市公司的收益

陷入财务困境的公司在承受来自投资者、债权人、竞争对手等各方面的压力，为了不被退市以及个人的经济利益，公司管理者会采取各种措施对公司的组织、经营及管理结构等进行变革，这样公司资源的有效利用率得到一定程度的提高。再加上破产保护，公司会在谈判过程中获得一定的管理收益。因此，公司在经历财务困境以后，其经营业绩可能会呈现逐年提高的趋势。如果公司在几年内解除了困境则其经营收益率等方面将比困境前有一定程度的提高，这也正说明了上市公司在解除了财务困境之后，其盈利能力得到提高，企业则可以实现进一步的持续性增长。根据相关资料，中国上市公司中，出现财务困境的公司之后困境解除的，其收益率明显高于困境前。当然，在分析过程中，笔者发现虽然财务困境对于上市公司收益增加具有积极的作用，但是该作用具有短期性。如不少企业可能仅仅是为了摘帽而对财务报表进行调整，其本身的实际竞争力并未增强。因此，财务困境可以增加企业的收益，但是这一积极作用只是短期的。只有当上市公司改善经营管理、注入优质资产、增加企业竞争力时，企业的业绩才能得到真正的提高。

（二）财务困境可以提高利益相关者的福利

此处的利益相关者主要是指公司的竞争对手。首先，当公司陷入困境，公司内部的员工对公司及个人发展持悲观态度，为了自身职业发展，不少优秀员工会选择离开公司而另谋工作。优秀员工的离开又会导致与该员工相关客户的流失，这样一方面公司流失了人力资源，另一方面公司也流失了部分客户资源。而该公司的竞争对手，尤其是接纳该公司离职人员的公司则获得了额外收益。其次，陷入财务困境的公司往往会为了急于脱困而低价变卖自己的资产，其竞争对手此时则可以以低价购入该部分资产。对于购入资产的公司的来说以低价购入资产降低了资产的成本、控制了现金的流出，提高了资产收益率。

参考文献：

[1]李红玉.东北地区上市公司财务预警研究.渤海大学学报(哲社版).2006(6).

[2]朱家安,陈志斌.我国财务困境预测实证研究文献综述和分析.会计之友.2007(4).

[3]吴世农,卢贤义.我国上市公司财务困境的预测模型研究.经济研究.2001(6).

公司财务困境范文第9篇

【关键词】 财务困境； 特别处理； 财务指标

一、文献综述

（一）国外文献综述

国外对财务困境概念的界定主要包括：财务困境（Financial Distress）、财务失败（Financial Failure）、财务危机（Financial Crisis）、破产（Bankruptcy）等。

Beaver将财务困境定义为：“企业不能偿付到期债务”，即破产（Bankru-

ptcy）、债券违约（Bond default）、透支银行账户（An overdraw bank count）中的任何一种情况发生，企业就被认为已经失败。

Altman认为，财务困境是指“进入法定破产的企业”。公司在破产前要经历三个阶段：失败阶段、无力偿还债务阶段和破产阶段。失败阶段是指公司投资的资产现值已经低于资产本身的市价，公司已经没有存在或持续经营的意义。但商业失败并不等于破产，公司还有持续经营的可能；无力偿还债务阶段主要指公司不能偿还到期债务，这可能只是一种临时状态，但它可能成为公司破产的前兆；破产则可能是上面提到的两个阶段，也可指企业依法宣布破产。

Ross从四个方面定义企业的财务困境：1.企业失败，即企业清算后仍无力支付债权人的债务；2.法定破产，即企业和债权人向法院申请企业破产；3.技术破产，即企业无法按期履行债务合同；4.会计破产，即企业的账面净资产为负，资不抵债。

国外对企业财务困境的界定主要有：企业资金流动性较差、无力支付到期债务和破产这三个方面。申请破产和破产清算往往被看成是典型的财务困境状况，因此往往把“企业破产”界定为企业陷入财务困境。

（二）国内文献综述

谷祺认为，财务危机为“企业无力支付到期债务或费用的一种经济现象，包括从资金管理技术性失败到破产以及处于两者之间的各种情况。由于资金管理技术性失败而引发的支付能力不足，通常是暂时的和比较次要的困难，一般可以采取一定的措施加以补救，如通过协商，求得债权人让步，延长偿债期限，或通过资产抵押等借新债还旧债”。

陈晓、吕长江、杨淑娥、吴世农、薛锋、陈静、傅荣等，将上市公司被特别处理尤其是因为财务状况异常而被特别处理视为财务困境，这样的界定是合理的。原因有三：首先，证监会对“财务状况异常”的界定符合人们通常对上市公司陷入财务困境的判断，具有科学性和权威性；其次，我国上市公司中因陷入财务困境而破产的很少，因而不能使用国外以破产作为陷入财务困境的界定方法；最后，这样的界定对于研究样本数据的获取十分方便。所以本文以上市公司是否被“ST”作为其陷入财务困境的标志。

李秉成将财务困境的内涵界定为以下三个方面：1.财务困境应包括破产事项，破产包括清算、重组、与债权人达成减少债务的协议等。财务困境事项包含破产事项有利于说明其他财务困境事项可能的最终结果。2.财务困境应包含企业严重亏损以及现金流量严重不足事项。财务困境中的亏损以及现金流量不足，不是指一般的亏损及不足，而是指在很大程度上导致企业不能支付优先股股利、无偿债能力、资不抵债的亏损及不足。3.财务困境还应包含不能支付优先股股利、无偿债能力、资不抵债等事项。

综上所述，以是否因“财务状况异常”受到特别处理作为上市公司是否陷入财务困境的一个客观的分类已经被越来越广泛地采用。

二、企业财务困境特征分析

我国多数学者将财务困境界定为上市公司是否因“财务状况异常”而被证监会进行“特别处理”，因此采集样本数据时，选择股票简称前带有“ST”或“*ST”的样本作为研究样本。主要是从国泰安数据库中选择了2007—2009年132家制造业企业样本数据，66家为ST或*ST公司，66家为与其配对的正常公司；配对样本选择的是同规模、同时期的制造业公司。本文分别收集了132家公司在ST当年及前三年的数据。

为了比较困境公司与正常公司在财务指标上的差异，本文选取了14个财务指标及其相应的计算公式。通过计算所选取财务指标的均值及衡量均值差异程度的p值，分别研究财务困境和非财务困境公司的财务特征。本文的统计软件为SPSS16.0。

（一）困境公司偿债能力指标特征

偿债能力指标ST前不同时点上困境公司与正常公司的均值及均值变化趋势如表1、图1—图4所示。

ST公司的流动比率、速动比率均低于非ST公司，这说明困境公司的短期偿债能力较低。困境公司存在大量的短期借款，而短期偿债能力的降低容易导致公司到期无力偿还债务，从而使公司的财务状态恶化，陷入财务困境。

在ST发生前1—3年，ST公司的资产负债率均高于非ST公司，并有逐年上升的趋势。ST公司各年的长期负债比率也低于非ST公司，表明公司对债权人利益的保障程度越来越低，公司的举债能力越来越弱。随着ST时间的临近，长期偿债能力越来越弱，公司面临的财务风险越来越高，陷入财务困境的概率逐渐增大。

通过以上分析，无论是短期偿债能力还是长期偿债能力，困境公司较正常公司都是较低的，进一步证明了企业陷入困境的一个重要因素是无力偿还到期债务。

（二）困境公司营运能力指标特征

营运能力指标ST前不同时点上困境公司与正常公司均值及均值变化趋势如表2及图5—图8所示。

ST公司的应收账款周转率、固定资产周转率和总资产周转率均低于非ST公司。困境公司在被ST前几年，应收账款、存货和固定资产周转率均有所提高。特别是困境公司在ST当年比非ST公司的存货周转率高。在ST前1年固定资产周转率显著低于正常公司，这表明困境公司资金回笼速度慢，资产利用效率低。总资产周转率逐年下降，表明困境公司总体资产营运能力较弱、资产管理效率较低。

（三）困境公司盈利能力指标特征

盈利能力指标ST前不同时点上困境公司与正常公司均值及均值变化趋势如表3、图9—图13所示。

在被ST前1—2年，ST公司的各盈利能力指标与非ST公司的差异显著。困境公司在盈利能力指标方面的特征是在临近被特别处理前1—2年，盈利能力显著低于正常公司，并且部分财务指标出现了负增长。

ST公司的主营业务利润率指标在ST前1—3年较低或持续下降，说明企业的产品已逐步丧失竞争能力和盈利能力，这也可能是企业发生财务困境的重要原因。

ST公司的资产报酬率、总资产净利润率、固定资产净利润率和净资产收益率在ST前1—3年明显下降并呈现负增长。困境公司盈利能力显著降低，经营效益水平低下，是陷入财务危机的一个重要信号。

特别的是，困境公司被ST当年的所有指标都有所上升。

（四）困境公司成长能力指标特征

成长能力指标ST前不同时点上困境公司与正常公司均值及均值变化趋势如表4、图14所示。

对于生产性企业而言，固定资产的增长反映了公司产能的扩张，特别是供给存在缺口的行业，产能的扩张直接意味着公司未来业绩的增长。

由以上图表可以看出：

1.ST前不同时点上，ST公司与非ST公司的固定资产增长率不存在显著差异。

2.在被ST前1—2年，ST公司的固定资产增长率下降明显，甚至出现负增长。

财务困境公司在成长能力指标方面的特征是在被特别处理前1—2年，困境公司的成长能力显著低于正常公司。困境公司经营规模逐渐萎缩，成长性几近丧失，靠自身能力很难摆脱困境、维持持续经营。

三、结论及建议

结合前面分析可知，财务困境公司的四种能力财务指标明显低于正常公司，基本能表明财务困境公司的特征，但也有些异常之处，如财务困境公司被ST当年的盈利能力提高，且配对公司的均值差异的2-Tail Sig双尾t检验的显著性概率大部分不明显。原因有二：一是可能选取的财务指标不能更好地体现两组样本的差异性。二是只考虑了财务指标，没有考虑非财务指标，这是本文的局限性之一。第二个局限性是，在选取配对的NST公司的选择中，考虑的是制造业的同时期、同规模的公司，主要考虑的是资产规模，指标单一，且带有主观性。因此，在今后的研究中，可以从财务报表项目和非财务指标来分析财务困境公司的特征；采用多重指标更细化的方式来选择配对样本公司。

【参考文献】

［1］ Beaver W. Financial ratios as predictors of failure，Journal of Accounting research，1966（Supplement）.

［2］ Altman Edward I. Financial ratios，discriminant analysis and the prediction of bankruptcy，Journal of Finance，1968（23）：589-609.

［3］ Ross B. Financial Ratios and Different Failure Processes ［J］.Journal of Business Finance，2000（3）：18-24.

［4］ 谷祺，刘淑莲.财务危机企业投资行为分析与对策［J］.会计研究，1999 （10）：28-31.

［5］ 陈晓，陈治鸿.我国上市公司的财务困境预测［J］.中国会计与财务研究，2000（2）：55-72.

［6］ 吕长江.上市公司财务困境与财务破产的比较分析［J］.经济研究，2004（8）：64-73.

［7］ 杨淑娥，徐伟刚.上市公司财务预测模型的实证研究——Y分数模型的实证研究［J］.中国软科学，2003（1）：56-60.

［8］ 吴世农，章之旺.经济困境、财务困境与公司业绩——基于A股上市公司的实证研究［J］.财经研究，2005（5）：112-122.

［9］ 薛锋，乔卓.神经网络模型在上市公司财务困境预测中的应用［J］.西安交通大学学报，2003（6）：22-25.

［10］ 陈静.上市公司财务恶化预测的实证分析［J］.会计研究，1999（4）：31-38.

［11］ 傅荣，吴世农.我国上市公司经营失败风险的判定分析——BP神经网络模型和Fisher多类线性判定模型［J］.东南学术，2002（2）：71-79.

公司财务困境范文第10篇

关键词：上市公司；财务困境；预警模型；判别分析

中图分类号：F83文献标识码：A文章编号：1672-3198（2007）09-0161-02

1上市公司财务困境的界定及表现

1.1上市公司财务困境的界定

我们认为：如果上市公司由于下列原因而被特别处理的,我们将其视为财务困境公司：最近两个会计年度审计结果显示的净利润为负值；最近一个会计年度的审计结果显示其股东权益低于注册资本；最近一个会计年度经审计的股东权益扣除注册会计师、有关部门不予确认的部分,低于注册资本；最近一份经审计的财务报告对上年度利润进行调整,导致连续两个会计年度亏损。因为上述原因而被特别处理的上市公司基本表现为严重亏损、偿债能力不够而且持续经营能力不足,符合财务困境的基本内涵。

1.2上市公司财务困境的类型划分

根据ST公司财务困境的表现，可以将其分为以下三种类型。

（1）突变失败：此类ST公司的财务比率在被特别处理前一年才迅速恶化，因此并不容易被预测，可称为“突变失败”。从原因上分析，此类ST公司多属于虚假包装上市的公司，如ST红光和ST黎明。

（2）收益失败：此类ST公司在被特别处理前几年与正常公司在负债比率、流动比率等财务指标上并没有显著差异，发生危机的主要原因是盈利下滑，这可以从较差的投资报酬率、总资产周转率等指标来观察，这种公司可归为“收益失败”。如由于宏观环境和产业环境等外部冲击而失败的上市公司多为此种类型。

（3）慢性失败：此类公司的失败信息早在发生危机前几年就已显现，许多财务比率如资产报酬率、负债比率、流动比率等都呈现不利变化，并且愈接近危机期间情况愈严重，这种经营失败过程可称为“慢性失败”。从失败原因来看，“慢性失败”公司大多是由于内部管理不善而发生危机的企业。

1.3上市公司财务困境的阶段划分

除了突变失败以外，收益失败和慢性失败是一个连续的动态过程，根据这两类ST公司的失败过程，可以将经营失败划分为三个阶段。

（1）经营失调阶段：当企业遭受内、外部因素的冲击时，会出现管理失控、投资失误、主营收入下降及流动资金紧张等现象，这一阶段可称为经营失调阶段。

（2）经营危机阶段：上市公司如果无法适当地处理经营失调，那么将步入经营危机阶段，此时呈现的现象包括资金不足、周转困难、短期债无法偿付等。

（3）经营失败阶段：如果上市公司缺乏有效的矫正措施来渡过经营危机阶段，那么最终会面临经营失败，上市公司的经营几乎限于停滞状态，其负债总额甚至会超过资产总额，出现资不抵债的情形。此时上市公司一般要依赖大规模的资产重组才能摆脱破产的困境。

2上市公司财务困境预警模型评析

关于上市公司财务危机预警系统的研究在海外历史悠久，在国内则刚刚起步，总体而言，运用于财务困境预测的方法可分为统计类和非统计类两大类，统计类的方法主要包括一元判别法、多元线性判别法、多元逻辑回归方法、生存分析法等、非统计方法主要有模拟类预测方法（如神经网络模型）、行为反映类分析法（如股价分析法）、案例分析法等。

最早提出企业财务预警分析模型的是Beaver(1966)，定义破产包括“债券拖欠不履行，银行超支，不能支付有限股利等”。运用实证分析得出现金流量与负债总额的比率能够更好地判定公司的财务状况。随后许多学者从事该领域的研究，在研究方法上也不断完善和改进。Altman(1968）提出了多元Z值模型，将若干变量合并入一个函数方程，用Z值进行判定。Beaver（1966）和Altman（1968、1977）提出的Z值模型，以及Martin（1977）和Ohlson（1980）等提出的逻辑／概率回归模型。Zavgren（1985）等学者使之进一步深化。Aziz，Emanuel和Lawson（1988、1989）以现金流量模型为基础，提出公司的价值来自经营者、债权人、股东以及政府的现金流现值之和。他们根据破产公司与非破产公司配对数据的分析，发现在破产前五年内，两类公司的经营现金流量均值和现金支付所得税均值有显著差异。目前对财务困境分析用得最多的方法是多元线性判别分析方法和逻辑回归方法。

我国学者周首华等对Z值模型加以改造，于1996年提出了财务失败预测的新模型-F值模型在F值模型中加入了现金流量这一有效的预测变量，弥补了Z值模型的不足。陈静以1998年的27家ST公司和27家非ST公司，使用1995―997年的财务报表数据，进行了单变量分析和多元线性判定分析，在单变量判定分析中，发现流动比率与负债比率的误判率最低；在多元线性判定分析中，发现由负债比率、净资产收益率、流动比率、营运资本／总资产、总资产周转率等6个指标构建的模型，在ST发生的前3年能较好地预测ST公司。张玲（2000）以120家公司为研究对象，使用其中60家公司的财务数据估计二类线性判别模型，并使用另外60家公司进行模型检验，发现模型具有超前4年的预测结果。高培业、张道奎（2000）采用29个财务指标，运用多元判别分析方法，发现由留存收益／总资产息税前收益／总资产、销售收入／总资产、资产负债率、营运资本／总资产构成的判别函数有较好的预测能力。吴世农、卢贤义（2001）以70家ST和70家非ST上市公司作为样本，采用盈利增长指数、资产报酬率、流动比率、长期负债／股东权益、营运资本／总资产、资产周转率等6个财务指标，比较了多元判别分析、线性概率模型和Logistic模型的预测效果，发现Logistic模型的预测能力最强。

3上市公司财务困境判别及控制分析

3.1财务困境形成原因剖析

在财务困境的诸多影响因素中,公司治理因素受到越来越广泛的关注。在公司治理体系中,董事会居于核心地位,并且逐渐成为完善公司治理结构,提高公司治理效率的主要途径和机制。减少管理层投机行为的重要机制就是董事会的设置。当内部管理人员之间以及管理层和股东之间发生冲突时,董事会将起到仲裁者和最高法院的作用。

在西方发达的市场经济国家中,董事会己经成为公司运作的中心。OECD制定的公司治理原则将良好的公司治理分解为七个关键部分。其中明确涉及董事会的内容就有两项,而其余五项内容也都与董事会的职责密不可分。同时,从公司权利中心的定位来看,董事会中心主义的思想正悄然形成,公司权利中心由经理层转向董事会的改革趋势也愈来愈明显。因此,加强董事会的治理和改革己经成为全球范围内的一个共识。我国上市公司董事会运作仍然存在许多深层次的问题。包括：①董事会制度形式化与内部人控制问题十分突出；②董事会决策议事的独立性不高；③独立董事缺乏独立性；④董事会专门委员会未能充分发挥作用；⑤董事会薪酬体系不合理等。这些问题严重制约了董事会运作的独立性和有效性。

3.2财务困境特征识别

企业从业绩优良到陷入财务困境,并不是一蹴而就的,而是呈现出一个渐进与突变的过程。因此,财务困境的特征表现出一定的时空属性。在时间上,考虑到事件对困境公司的影响,因而选择ST当年作为T年,分别考察特别处理前一年（t-1）、特别处理前两年（t-2）和特别处理前三年（t-3）困境公司的财务特征和非财务特征。这样一个具有时间序列的连贯考察,有利于发掘财务困境不同阶段所表现出的特征。在空间上,考虑到行业因素对财务困境的影响,因此根据行业类别的不同,分别考察制造业和非制造业内财务困境公司的基本特征。同时,建立基于人工神经网络的判别模型,实现对不同时期、不同行业上市公司财务困境状况的针对性判别分析。

3.3财务困境控制分析

根据控制理论,为了使控制系统在运行过程中的输出与控制标准的偏差尽量最小,实现控制目标,可以采用事前控制、事中控制、事后控制等方法进行控制：①事前控制是在活动开始前采取措施使得控制系统输出符合控制标准的活动。②事中控制是在活动进行时对系统输出进行监控的控制活动。③事后控制是在活动结束后对系统输出结果进行分析,找出输出结果与控制标准偏离的原因,并及时予以纠正。对于财务困境而言,财务困境的控制主要体现在事前控制和事后控制两个方面。

（1）财务困境事前控制。财务困境的事前控制是避免财务困境的最有效手段。根据财务困境的特点和形成原因,①应该制定合理的控制目标,明确系统输出期望达到的效果。控制目标可以进一步分解到各个不同层次的子控制系统,形成财务困境次级控制目标。②确定财务困境的控制重点,包括企业信用规模与结构控制、存货规模与结构控制、成本费用控制、或有负债控制、负债规模与结构控制、销售结构与毛利率控制、资本运营风险控制、治理结构控制等,其中最主要的是企业治理结构完善、成本费用控制和资金流动性控制。③制定合理的财务困境控制标准。④选择针对性的控制方式和控制手段实现控制目标。

（2）财务困境事后控制。困境公司在发生财务困境后,随着存在问题的暴露,会想方设法地采取措施消除隐患,努力克服经营不利的尴尬局面。因此,从控制流程上看,事后控制比事前控制更具有针对性和目的性。毕竟财务困境的事前控制主要以防范为主,需要建立起一套完善的控制体系,以达到发现问题的目的。而财务困境的事后控制则主要立足于纠正问题,是一种亡羊补牢的表现。

参考文献

［1］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,2005，（6）.

［2］吕长江，赵岩.上市公司财务状况分类研究,会计研究［J］.2004，（11）.

［3］张鸣，张艳.财务困境预测的实证研究与评述［J］.财经研究，2001，（12）.