財務風險建模

前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇財務風險建模范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

財務風險建模范文第1篇

摘 要 財務風險預警預警模型的建立與應用，可以幫助企業管理者密切關注有關財務指標的變動趨勢和影響企業環境因素的變化，努力降低財務風險。

關鍵詞 財務風險 財務風險預警模型 建立 應用

一、財務預警模型

財務預警模型因選用變量多少不同分為單變量預警模型和多變量預警模型。現階段主要存在以下單變量和多變量兩種財務風險預警方法，企業集團可以根據集團的特征和各種方法的適用范圍來進行方法的選擇。

1．單變量模型

單變量預警方法通過尋找最佳預警指標，使用單一變量對企業財務風險進行預警，最早通過單變量模型研究公司失敗問題的是美國比佛（Beaver，1968）。他通過對美國1954年至1964年間79家失敗企業和79家成功企業的比較研究，發現現金流量與債務總額的比率對財務危機預測的效果最好，其次是資產負債率。單變量分析法計算簡單，但卻因不同財務比率的預測方向與能力經常有相當大的差距，有時會產生對同一公司使用不同比率預測出不同結果的現象，而且不能全面反映企業的風險。

2．多變量模型

多變量預警方法通過多個變量的組合來綜合確定企業發生財務風險的可能性，其從企業集團的宏觀角度出發運用多個財務指標衡量企業風險，為管理決策提供幫助，進而規避風險或延緩危機的發生。相對于單變量模型而言，多變量模型預警財務指標能多方位反映企業經營狀態，揭示企業產、供、銷各環節可能存在的風險，適合企業集團的財務預警系統的要求。

二、財務預警系統設計

1．財務危機的原因

（1）無法償還到期債務本息。財務風險的最根本表現都是不能償還到期債務的可能性，因此，在構建財務風險預警指標體系中，應選取較多的償債能力指標。可以選擇流動比率、速動比率、資產負債率、利息保障倍數、借款依存度等常見指標；同時考慮到企業集團固定資產和長期投資規模較大，可以增加長期資產適合率指標。

（2）企業獲利能力持續降低，導致財務風險發生。這由獲利能力指標進行預警，凈資產收益率指標是反映企業獲利能力的綜合指標，考慮到集團的行業特點，還應該包括主營業務利潤率指標。

（3）企業現金流入不敷出，持續借債導致資金惡性循環，導致企業出現財務風險，企業現金流入流出的變異性，對判別企業是否發生財務危機具有顯著性，而在現金流量指標中，經營活動現金流量顯得更為重要。

（4）企業市場環境惡化，業務萎縮，導致企業財務出現風險，這由企業成長能力指標來預警，可以選擇總資產增長率指標來關注企業的成長能力。

（5）企業資產管理效率低下，導致企業陷入財務危機。這可由企業運營能力指標進行預警。包括總資產周轉率和凈收益營運指數（經營凈利潤/凈利潤）指標；考慮到集團應收賬款問題比較突出，應收賬款周轉率指標也應納入。

（6）由于我國企業集團內母子公司之間，兄弟單位之間相互擔保以及對集團外擔保總額較大，以對外擔保為主的或有負債很可能變為現實負債，所以應該將擔保比重這一表外指標作為預警指標（傅俊元等，2004）。

2．預警指標的設計

企業在設置所有預警指標時，要對企業的歷史數據、市場的平均數據和同行業的先進數據等作深入和仔細的研究分析，適度穩健地建立企業財務預警的控制指標：

（1）現金狀況預警指標。這一指標是企業財務預警系統中最敏感的指標，它直接關系到企業財務危機的狀況和程度。主要包括現金短缺率等。

（2）流動比率預警指標。這一指標是說明企業一定時期各類資產的變現能力和短期償債能力的指標，也是僅次于現金狀況的財務預警指標。主要包括流動比率、速動比率、流動資產比率。

（3）債務狀況預警指標。企業債務狀況的好壞是直接導致財務危機出現的根源，企業一定時期的負債結構也是判斷企業十分可能出現重大財務危機的重要依據。這一指標主要包括資產負債率、短期負債比率等。

（4）經營狀況預警指標。一般講，如果一個企業長期經營狀況不良甚至逐步惡化，那么企業出現財務危機只是時間問題。這一指標主要包括銷售增長率、安全邊際率等。

（5）信用狀況預警指標。企業的信用狀況說明社會金融機構和企業的客戶對本企業經營和財務狀況的評價，這一指標主要包括銷售收現比、賒銷比率等。

（6）周轉狀況預警指標。這一指標的變化，直接說明了企業資金的利用水平和企業資產的運作能力以及說明企業的經營狀況是否良好等。主要包括應收賬款周轉率等。

（7）投資狀況預警指標。投資狀況對企業財務危機的形成具有潛在的重要影響。這一指標主要包括年投資增長率等。

（8）成本費用狀況預警指標。企業一定時期成本費用的控制水平，往往是體現企業管理水平的重要標志。企業成本費用的浪費，實際就是資金的浪費，最終導致企業的效率低下和資金被蠶食，最終直接面臨財務危機。

財務風險建模范文第2篇

    關鍵詞:全面財務風險管理;模型;構建;企業

    構建全面財務風險管理模型既是企業財務風險管理實踐的內在要求,也是財務風險管理理論發展的需要。構建全面財務風險管理模型的基本思路:以全過程的財務風險管理為基礎,主要由預警系統、防范與控制系統和反饋系統組成。模型中還包含了全面財務風險管理的全方位、全程序、全企業的各種內在要求和財務風險管理的多種基本方法。

    1企業全面財務風險管理預警系統的構建

    企業財務風險預警系統,是指為了防止企業財務系統運行偏離預期目標而建立的報警系統。財務風險預警系統使企業可以利用該模型或管理活動提高自身防范風險的能力,及早發現財務惡化征兆,采取有效措施避開或化解可能出現的財務危機,同時也可以使企業獲得更多的有預測性、能反映企業真實價值的信息,為企業的經營管理服務。

    (1)財務風險預警指標體系的構建。企業財務風險預警指標體系的設計與選擇,是企業財務風險預警系統建設的首要環節,具體選擇哪幾類指標和選擇哪些指標,要根據企業的具體實際情況來定,并根據實際成果作相應的調整。如下表1可以作為企業制定自身指標體系的參考:

    具體指標變現能力指標流動比率、速動比率資產管理能力指標營業周期、存貨周轉天數、應收帳款周轉天數、流動資產周轉率、總資產周轉率負債指標產權比率、已獲利息倍數、資產負債率、有形凈值負債率贏利能力指標銷售凈利率、銷售毛利率、凈資產受益率、資產凈利率表1企業使用的指標體系

    (2)財務風險預警模型的建立。

    ①單變量模型。所謂單變量模型就是運用單一的財務比率來預測財務風險,單變量模型是1967年由美國芝加哥大學的威廉·比弗教授提出的。可用作預測財務危機的重要的比率有:

    債務保障率=現金流量/債務總額

    資產收益率=凈收益/資產總額

    資產負債率=負債總額/資產總額

    資金安全率=資產變現率/資產負債率

    良好的現金流量、凈收益和債務狀況可以表現出一個公司的穩定發展態勢,所以應對上述比率的變化趨勢予以特別注意。當這些指標出現惡化,以至于達到警戒值,就必須要注意公司是否會出現財務危機。

    ②多元判別模型。多元判別模型的思路是運用多種財務指標加權匯總產生的總判別值來預測財務危機風險。多元判別模型認為,公司是一個綜合體,各個財務指標之間存在某種相互聯系,對公司整體的風險影響作用也是不一樣的。多元判別模型最早由奧特曼提出,奧特曼模型如下:

    Z=1.2X1+1.4X2+3.3X3+0.6X4+X5

    其中:

    X1=(期末流動資產-期末流動負債)/期末總資產

    X2=期末留存收益/期末總資產

    X3=息稅前利潤/總資產

    X4=期末股東權益的市場價值/期末總負債

    X5=本期銷售收入/平均總資產

    該模型是以5個財務比率,將反映企業償債能力的指標(X1,X4)、獲利能力指標(X2,X3)和營運能力指標(X5)有機聯系起來,一般認為Z值大于2.675時,表明公司財務狀況良好,無財務風險可言,相當安全;當Z小于1.81時,表明公司財務狀況堪優,面臨破產的危機;在2.675和1.81之間,說明公司財務狀況不穩定,需要企業及時找出對策防范風險。奧特曼模型的預測能力也是很高的,預測準確性達到90%左右。

    2企業全面財務風險管理防范與控制系統的構建

    (1)籌資風險及其防范與控制。

    ①籌資風險的識別。

    籌資風險,指由于資金供需市場、宏觀經濟環境的變化,企業籌集資金給財務成果帶來的不確定性。

    企業籌集資金的方式主要有兩種:自有資金和借入資金。自有資金是所有者投入的資金,不存在還本付息的問題,其風險只存在于其使用效益的不確定上。借入資金是引發籌資風險的主要原因。借入資金嚴格規定了借款人的還款方式、還款期限和利息率,其特點之一是定期支付固定利息,當企業資金收益率高于負債利率時,企業通過負債籌資經營獲得收益,除了支付固定利息外剩余的收益,全部歸投資者所有,使投資者實際收益率高于企業資金收益率。負債籌資的這個作用稱為財務杠桿作用。

    ②籌資風險的衡量。

    評價企業籌資風險程度的指標有多種,其中自有資金收益率和資金成本率指標分別從效益和成本二個不同角度反映企業籌資風險程度,具有計算簡單且準確性高的特點,是較為實用的籌資風險評價指標。

    A.自有資金收益率指標。

    企業在籌資過程中,往往要同時安排自有資金和借入資金,而二者比例不盡相同。自有資金收益率就是判斷這一風險程度的指標。其計算公式為:

    自有資金收益率=投資收益率+(借入資金/自有資金)*(投資收益率-借入資金利息率)

    式中:

    投資收益率=(投資項目利潤總額+借款利息額)/(自有資金+借入資金)

    從上式可以看出投資收益率、借入資金與自有資金的比例、借入資金利息率的變化決定了自有資金收益率的高低。通過對自有資金收益率指標的分析,可以判斷籌資風險程度,調整籌資決策。

    B.資金成本率指標。

    資金成本是企業為籌集和使用資金所支付的各種費用。資金成本率是指資金成本占籌措資金的比例。其計算公式為:

    資金成本率=資金占用費/(籌集資金總額-資金籌集費)

    如果企業籌集的資金為負債,上述公式中的資金占用費還應扣除因增加利息支出而少交的所得稅額,上述公式可改為:

    借入資金成本率=借入資金占用費以(1-所得稅率)/(借入資金總額-借入資金籌集費)

    企業多種渠道用多種方式同時籌集資金時,由于不同的資金成本不一樣,為此就需要計算全部籌集資金的綜合資金成本率,其計算公式為:

    綜合資金成本率=∑各項資金成本率×該項資金占全部資金比例

    資金成本率指標是企業選擇資金來源,擬定籌資方案的依據,通過對資金成本率變化的分析,可以判斷籌資風險程度。

    (2)籌資風險的防范與控制。企業通過籌資活動取得資金后,進行投資的類型有兩種:一是投資生產項目;二是投資購買證券。無論項目投資還是證券投資,都不能保證一定達到預期收益。這種投入資金的實際使用效果偏離預期結果的可能性就是投資風險。

    ①直接投資風險。

    A.直接投資風險的識別。

    造成直接投資風險的原因主要是由于企業外部經濟環境和企業經營方面的問題所導致的經營風險。具體有如下3種:一是投資項目不能如期投產,不能取得效益;或雖然投產,但不能盈利,反而出現虧損,導致企業整體盈利能力和償還能力的降低。二是投資項目并沒有出現虧損,但盈利水平很低,利潤率低于銀行存款的利息率。三是投資項目既沒有出現虧損,利潤率也高于銀行利息率,但低于企業目前的資金利潤水平。

    B.直接投資風險的衡量。

    通常用經營杠桿系數來衡量投資風險:

    經營杠桿系數=息稅前利潤(EBIT)變動百分比/銷售量(Q)變動百分比

    該指標用來評估項目投資風險的大小。經營杠桿系數愈大,投資項目所面臨的風險愈大;經營杠桿系數愈小,投資項目所面臨的風險愈小。

    C.直接投資風險的防范與控制。

    a.加強投資方案的可行性研究:企業如果能夠在投資之前對未來收益情況進行合理預測,將風險高而收益低的方案排除在外,只將資金投向那些切實可行的方案,對防范與控制投資風險具有十分重要的作用。

    b.提高投資決策的科學化水平:為防范投資風險,企業必須采用科學的決策方法,在決策過程中,應充分考慮影響決策的各種因素,盡量采用定量計算及分析方法,并運用科學的決策模型進行決策,對各種可行方案要認真進行分析評價,從中選擇最優的決策方案,切忌主觀臆斷。

    ②證券投資風險。

    A.證券投資風險的識別。

    證券投資風險可分為系統性風險和非系統性風險。系統性風險,又稱不可分散風險,是指由于全局性因素的變化,導致證券市場上所有證券的收益發生變動的風險,如經濟形勢變化、通貨膨脹、利率匯率變化等等,都會給市場上所有的金融資本帶來損失。對于投資主體來說,它不能通過多角化投資來加以消除或降低,它的影響是整體性的,所以又稱不可分散風險。非系統性風險,又稱可分散風險,是指因某些因素的變化,導致證券市場上個別證券收益變動的風險。圖2是利用證券投資組合分散非系統風險示意圖。實證研究表明,科學選擇30~40種證券能夠在保證收益率的情況下有效地分散非系統風險。

財務風險建模范文第3篇

近年來，公立醫院的改革愈加深入，所獲得的國家財政補償越來越少。同時各類私立醫院、合資醫院日漸興起，數量越來越多，大有趕超公立醫院的趨勢。醫療服務從賣方市場轉為了買方市場。大多數公立醫院為了立足于市場競爭中并獲得進一步的發展，通常借助于大規模信貸的負債經營方式來擴張或升級自身的軟件與硬件。負債經營雖然能夠給公立醫院帶來一定的經濟效益和社會效益，但也給醫院帶來了財務風險的相關問題。如何綜合公立醫院的實際情況進行科學合理的財務風險管理，通過對公立醫院財務狀況的監測與財務風險預警模型的建立，及時發現公立醫院潛在的財務風險，從而能夠迅速有效地采取防止財務風險繼續擴大的措施，將財務危機扼殺于襁褓中，是公立醫院迫切需要解決的問題。下面本文將采用主成分分析法對公立醫院的財務風險預警模型展開研究與討論。

一、公立醫院財務風險的相關概念

公立醫院的財務風險，從廣義上將，應該包括公立醫院中所有跟財務有關的活動在進行過程中存在的風險；狹義上則是指由于負債的資本率較大，導致公立醫院無法按時償還銀行的本息而造成財務風險[1]。公立醫院的財務風險受到各種不確定因素的影響，使得預期收益和實際的財務收益往往存在著較大的出入，從而直接影響了醫院對賬款及銀行本息的支付，引發了財務風險。

公立醫院的財務風險受到內在環境和外在環境的綜合作用和影響。內在環境作用下，由于公立醫院管理者的風險意識薄弱，沒有建立起完善可行的財務監控制度，對醫院經營活動的約束力不強，并缺乏相應的風險防范方法等，使得財務風險出現的可能性大大增加。而外在環境中，由于國家對農村和社區醫療日益重視，使得公立醫院的診療費用和藥品價格都有所下調，并對診療項目進行了規范和調整，使得公立醫院的盈利度下降。同時市場經濟的變動對公立醫院的貸款利率以及物品的購置成本都會造成較大影響，進而導致財務風險的產生。

二、主成分分析法的相關概念

主成分分析法通常是指對多個數值或定量變量之間的相關性進行考察的多元統計方式。其主要借用多變量方差來對少數的幾個主成份、即所謂的原始數據線形組合進行研究解釋，即協方差結構。通俗而言，即通過相應主成分的導出，使得原始變量的相關信息能夠盡量多的保留下來，并且原始變量之間的線性彼此無關。

三、基于主成分分析法進行公立醫院財務風險預警模型的構建

（一）公立醫院構建財務風險預警模型的意義

基于主成分分析法構建的財務風險預警模型能夠幫助公立醫院的管理者了解現下醫院的財務狀況，通過相應的信息使得風險以定量化的形式披露出來，并為醫院財務管理提供必須的工具與管理手段。公立醫院財務風險預警模型的建立，有助于公立醫院及時預防并化解財務危機，有效提升其財務風險預警管理水平。通常而言，由于各公立醫院所處環境的不同，因此對財務產生影響的因素也各不相同，公立醫院的管理者在進行醫院財務風險的管理時，要?Χ?量指標與定性指標對財務風險的影響進行綜合考慮，尤其要注意定性因素對預警模型的嚴密性、敏感性、靈敏度的影響。同時，公立醫院管理者應該明確認識到，財務風險的預警模型只是發現醫院存在或者潛在財務風險的工具，而進一步地采取有效且合理的防范轉化措施，使得醫院的運營收益實現最大化才是財務風險管理的最終目的。

（二）運用主成分分析法構建預警模型的方法[3]

主成分分析法要從多個指標中提取為數不多的相互無關的綜合指標，因此利用主成分分析法來構建公立醫院的財務危機預警模型，首先應選擇并確定模型所采用的財務指標，其次根據既定的樣本研究方法來對樣本展開研究；然后采用相應的統計軟件對模型進行主成分分析，并在此基礎上進一步檢驗，最后要通過樣本分析來判別模型預測的準確定，確定模型臨界值。

（三） 財務風險預警模型的優點和局限性

基于主成分分析法構建的公立醫院財務風險預警模型，運用降維的方法有效的簡化了財務預警的評價指標，使得在進行指標篩選的過程中，能夠基于研究財務指標的基礎上把非財務的指標也納入到該模型中來，從而使模型中反映出的公立醫院財務風險具有全面性。

同時，財務風險預警模型也存在著一定的局限性：首先是數據方面的局限性。基于主成分分析法構建的公立醫院財務風險預警模型往往是根據現有的財務報表來建立的，財務數據的真實可靠性存在疑問。其次是財務指標方面的局限性，其無法概括公立醫院經營過程中其他有可能導致財務危機的非財務因素。再次是研究范圍的局限性。財務預警模型的建立是基于普遍性的前提，然而由于各公立醫院自身實際情況的不同，使得該模型缺乏針對性。

財務風險建模范文第4篇

[關鍵詞]：ARIMA 時間序列分析 Z評分模型

一、引言

Z值模型是目前在財務危機預警分析中最常采用的一種經典模型。該理論是Edward Altman 通過對美國1945年至1965年間的33家破產企業（制造業）和同樣數量的非破產企業進行充分研究后，于1968年發表的研究結論。他從20多個財務指標中綜合出4至5個變量，通過加權匯總，產生總判別分Z值，將其與臨界值對比來預測企業的財務危機。一般只是將Z值計算出來進行企業的風險預測，由于每個企業的Z值也是時間序列，利用ARIMA模型對Z值進行進一步分析，預測企業未來Z值的大小，從而可以進一步達到風險預警的效果。

在國內，許多學者都將Z評分模型應用于我國上市企業的財務風險實證研究，也有許多學者將ARIMA模型成功運用于對于一些金融時間序列的預測。由于Z評分模型對我國上市的公司在財務風險預警方面具有較強的指導意義，因此筆者將以中國石油天然氣集團為例，進行Z評分模型的應用。

二、模型設計與數據來源

（一）模型設計

ARIMA模型由于不需要對時間序列的發展模式作先驗的假設，而且可以反復修改與識別，直到獲得較為理想的模型。因此，將ARIMA模型適用于企業的Z評分非平穩時間序列，預測企業未來的Z評分數值，可以認為是一種大膽的嘗試。

1、ARIMA模型的基本思想

ARIMA模型的基本思想是：將預測對象隨時間推移而形成的數據序列視為一個隨機序列。以時間序列的自相關分析為基礎，運用一定的數學模型來近似描述這個序列。

2、ARIMA模型預測的基本程序

（1）根據序列圖對平穩性進行識別。如果時間序列不是平穩序列，則需對非平穩序列進行平穩化處理。

（2）模型的識別和定階。根據時間序列模型的識別規則，建立相應的模型。

（3）進行參數估計，檢驗是否具有統計意義

（4）進行假設檢驗，診斷殘差序列是否為白噪聲。自噪聲說明一個時問序列中有用的信息已經被提取完畢了，剩下的全是隨機擾動，是無法預測和使用的。如果殘差序列通過了白噪聲檢驗，則建模就可以終止了，因為沒有信息可以繼續提取，否則就需要修改模型或者進一步提取。

（5）利用已通過檢驗的模型進行預測分析。

（二）數據來源

本文所有數據來自中石油集團的官方統計年報、半年報和季報。由于中石油是2007年11月5日在上海證券交易所上市。計算各季度Z分值的原始數據見表1所示。

三、ARIMA模型對中石油Z分值的建模分析

（一）數據預處理

通過圖1可以看出：2007年至2011年個季度中石油集團的Z分值的時間序列圖。通過對時間序列圖進行觀察，發現中石油的Z分值有非常明顯的線性下降趨勢，則可初步判斷它是一個非平穩的時間序列。

對于含有線性下降趨勢的時間序列，一般都是通過取一階差分來消除線性趨勢使其平穩化。一階差分后發現在1%的置信水平下能夠通過單位根檢驗，所以一階差分可以使其平穩。這意味著對中石油的Z分值經過一次差分后可以建立ARMA（p，q）模型。

（二）模型識別和定階

模型識別就是確定時間序列分析時應用AR（p）模型、MA（q）模型還是ARMA（p，q）模型。Box-Jenkins的模型識別方法，是根據自相關函數（ACF）和偏自相關函數（PACF）來確定模型的形式，其識別標準見表2。

根據一階差分序列自相關、偏自相關圖3所示，結合圖3可知取p=1，q=1時對應的AIC值最小，故最終確定p=1，q=1。由此，ARIMA（p，d，q）可確定為ARIMA（1，1，1）。

（三）ARIMA（1，1，1）模型的檢驗

本步驟在于對模型的殘差序列做白噪聲檢驗，如果殘差序列非白噪聲序列，則殘差序列仍存在未提取的有用的信息，模型需要進一步改進和修正；如果殘差序列的樣本自相關系數都在隨機區間內，也就是所沒有任何自相關系數在統計上比較顯著，則認為殘差序列是純隨機的，模型得以檢驗。

圖4給出了殘差序列的樣本自相關系數和偏自相關系數，可以看出殘差序列的自相關系數和偏自相關系數都落入隨機區間內，沒有出現明顯的趨勢特征，所以，我們可初步判斷ARIMA（1，1，1）模型對中石油的Z分值序列的擬合程度是比較好的，另外，殘差序列從滯后3階開始自相關函數相應的概率值P都在0.1以上，樣本自回歸函數也都在95%的置信區間以內，因此不能拒絕原假設，于是ARIMA（1，1，1）模型估計結果的殘差序列是白噪聲序列，殘差信息基本上已經被完全提取。

（四）中石油2012年Z分值預測

利用模型進行擬合預測，結果如表3、表4所示。表3給出了2011年各季度的Z分值預測數值，從中可以看出，預測相對誤差在0.98%到10.34%之間波動，2011年個季度Z值的平均相對誤差僅為2.7%，這表明模型預測效果較好，可用于預測中石油未來的Z分值。

利用該模型對中石油2012年各季度的Z值進行預測，見表3。預測結果表明：中石油的Z分值將在年初上漲之后一直是下降趨勢，意味著中石油的財務風險將有進一步惡化的趨勢，但Z分值仍遠遠高于安全臨界值。

五、結論與總結

本文將Z評分模型與ARIMA模型相結合，可以更好的進行企業的財務風險預警，可以達到未雨綢繆的效果。鑒于報表季度數據有限，時間序列樣本較少，可能會影響預測的準確性。

根據預測，中石油的Z分值在2012年在第一個季度會有所好轉，但全年仍然是一個下降的趨勢，也意味著中石油的財務風險將進一步惡化，歸其原因，主要是其流動負債遠遠大于流動資產，造成凈營運資本為負所帶來的償債能力風險。所以，中石油在未來的經營過程中要注意防范在這方面風險，增加流動資產，同時減少流動負債，使企業資產保持一個較好的流動性。

參考文獻：

[1]朱葉.公司金融（第二版）[M]北京：北京大學出版社，2009.453-457.

財務風險建模范文第5篇

關鍵詞：創業板；財務風險；Z評分模型

中圖分類號：F830.31 文獻標識碼：B 文章編號：1674-0017-2012（10）-0024-05

一、研究綜述

（一）對財務風險界定的相關研究文獻。國外的研究一般以破產作為確定企業進入財務風險的標志。如Beaver（1966）等學者的觀點，實質上是把財務危機基本視同企業破產，即法定破產。而Altman（1990）綜合了學術界對財務危機的定義，認為財務危機有四種情況：經營失敗、無償付能力、違約、破產。我國學者對財務危機的界定一般是以上市公司因財務狀況異常被特別處理作為上市公司財務危機的標志。例如陳靜（1999）、張玲（2000）、陳曉、陳治鴻（2000）、吳世農、盧賢義（1999）等人在對我國上市公司財務危機預測的實證研究中，均以上市公司財務狀況異常被特別處理，即ST作為界定上市公司財務危機的標志。

（二）對財務危機預警模型的相關研究文獻。國外對財務危機預警模型的研究已經較多，主要有下列幾種：單變量預警模型，如Fitzpat rick（1932）和Beaver（1966）；多變量預警模型，如Altman（1968）的Z-Score模型、Altman等（1977）建立Zeta模型、Ohlson（1980）和Zavgren（1985）等運用的Logistic模型；非統計模式預警模型，如Tam和Kiang（1992），Ahman和Varetto等（1994）；混合模式模型，如FengYuLin（2001）和Kiang（1992）等。我國學者的研究始于上世紀80年代中期，吳世農、黃世忠（1986）曾撰文介紹企業破產的財務分析指標及預測模型；周首華、楊濟華和王平（1996）建立了F分數模型等。

（三）對我國創業板公司現狀及風險的分析。聞岳春（2010）分析了我國創業板上市公司的治理特點及特殊需求：家族色彩濃厚致使決策效率低，監督與制衡機制缺失較嚴重，主業單一且輕資產特征顯著以及外部治理作用小，在此基礎上從內部外部治理兩個角度探討了我國創業板公司治理制度的對策；彭紫云（2010）概括了創業板市場的基本特征，并對創業板市場的財務風險進行了分析，認為創業板市場財務風險成因來源于以下主要方面：降低了上市公司標準、放松信息披露要求、股票拋售壓力大、放松了對股東人數和公眾最低持股量的要求以及保薦制度松弛等。

二、財務風險預警研究的假設前提和樣本選取

財務風險預警研究的假設前提是：第一，財務風險的定義假設。本文將Z評分模型評分值小于3，且成長性大幅降低，凈資產收益率低于資本成本的上市公司定義為財務風險公司，最終確定為風險組創業板上市公司。第二，假設上市公司的會計報表是基本真實的。第三，財務風險類上市公司與財務正常類上市公司在某些財務指標上是具有差異的，一個財務正常的公司在轉變為財務風險公司時，某些財務指標會發生變化。

本文結合Z評分模型相關理論及應用，對創業板上市公司的財務風險進行分析，其中Z評分模型及系數定義1如下：

Z= 1.2*X1+1.4*X2+3.3*X3+0.6*X4+0.999*X5 （1）

其中X1：流動資本/總資產（WC/TA），X2：留存收益/總資產（RE/TA），X3：息前、稅前收益/總資產（EBIT/TA），X4：股權市值/總負債賬面值（MVE/TL），X5：銷售收入/總資產（S/TA）。

風險的臨界值Z=2.675，如果Z

本文通過Z分數模型分析計算出國內創業板上市公司分值并排序，結合成長性、凈資產收益率與資本成本等指標，從277家2創業板企業中篩選出財務風險企業26家。由于本文主要通過將風險公司與非風險公司相比較來探討危機公司的困境特征，因此與財務風險企業相對的非財務風險樣本選取采用配對樣本設計方法，共選出26家非風險公司，配對原則如下：

同行業。對每個風險公司選擇一個行業相近的非風險公司，主要是為了消除行業因素對研究結論的影響。因為一些統計資料以及研究結論表明，不同行業的財務指標有很大的差異。

規模相似。對每個風險公司選擇一個資產規模相近的非風險公司（差異在10%之內），主要是為了增強非資產財務項目在風險公司與非風險公司之間的可比性。一般來說，資產規模不同，公司財務項目及現金流量項目都會不同，在這種情況下就無法比較其財務項目及現金流量項目。依據以上原則選取創業板上市公司財務風險組和非風險組樣本如表1。

三、創業板上市公司財務風險評價指標體系構建

（一）財務評價指標的選取原則。第一，相關性。即從評價內容來看，該指標確實能反映有關的內容，不將與評價指標對象、評價內容無關的指標選擇進來。第二，全面性。即選擇的指標要盡可能覆蓋評價的內容，如果有所遺漏，評價就會失去偏差。所選的指標要確實能反映要評價的內容，雖然不是全部，但代表了某一個側面。第三，可操作性。有些指標雖然很合適，但無法得到，就不切合實際，缺乏可操作性。評價在一定的意義下就是憑借一些可以直接觀察、測量的指標去推斷不可觀察、測量的性能。

（二）創業板上市公司財務風險評價指標體系的構建。根據以上對主板某些財務指標的分析以及創業板市場所具有的獨特性，本文初步擬建了一個適合創業板的財務風險評價指標體系，指標匯總如表2。

四、建立模型

（一）獨立樣本T檢驗。首先分組并利用模型組公司的11個財務指標在財務危機發生前的第1年到第2年的平均值和標準差等描述性統計變量，比較財務風險公司和非財務風險公司在這兩組的11個財務指標在各年的平均值是否具有顯著性差異，采用SPSS軟件中的獨立樣本T檢驗方法來分析。建模組如表3，結果如表4所示。

統計方法如下：針對同一財務指標變量而言，當兩組樣本具備方差齊性時，采用的T統計量是：

根據上述統計方法，經過SPSS軟件分析，結果總結如表4所示。

（二）建立Logistic模型。Logistic回歸方法主要是用來預測二值響應變量或者次序變量的值，其回歸結果不是連續變量，本文所運用的是對二分類因變量進行回歸建模的Logistic回歸模型，即“非0即1”。例如本文中，如果定義為財務風險企業Y=1，非財務風險企業Y=0。Y在特定的情況下（例如Y=1）發生的概率大小用P表示，P=Prob（Y=1/X），P可以由以下Logistic回歸方程4式得到：

其中X表示一組自變量，b是一組與X對應的回歸系數，a是模型的截距，a和b都是待估計的參數。在得到a和b的參數估計后，某一種特定情況發生的概率就可以通過以下等式5得到：

本文利用上述三個指標作為參數，判斷公司是否處于財務風險狀態，其中自變量X選取如表5。

以X1，X2，X4，X6，X7，X8，X9為變量，財務風險企業=1，正常企業=0，是否風險為分類變量，使用SPSS進行二元邏輯值回歸分析3，t-1年分析結果如表6。

根據表6中回歸結果，可以得到t-1年的Logistic回歸方程如6式所示：

一般情況下取上市公司發生財務風險的概率為0.5，當概率大于0.5時，認為該企業存在財務風險，當概率小于0.5時，認為該企業沒有財務風險。

同時，使用SPSS中對t-2年指標進行二元邏輯值回歸分析。可以得到t-2年的Logistic回歸方程如7式所示：

第t-3年由顯著性分析發現，財務風險企業與非風險企業的差異是非常小的，本文認為第三年的模型分析效果很弱。

五、檢驗模型及結論分析

（一）模型檢驗。本文采用的檢驗樣本如表7。將各個上市公司的相關數據分別代入t-1年和t-2年的Logistic回歸模型公式6和公式7中進行計算P值，分別得到t-1年的結果和t-2年的結果。

通過檢驗可知，在t-1年，對非風險企業的正確判斷率為92.308%，而對于風險企業的正確判斷率僅為 84.615%。在t-2年，對非風險企業的正確判斷率為84.615%，而對于風險企業的正確判斷率僅為76.923%。

（二）結論分析。本文建立的模型在t-2年對非風險企業的正確判斷率為84.615%，對風險企業的正確判斷率為76.923%，在t-1年對非風險企業的正確判斷率為92.308%，對風險企業的正確判斷率為84.615%。因此可以看出，與對非風險企業的正確判斷率相比，模型對風險企業的判斷力相對較弱，但隨著風險發生的臨近，風險的識別能力加強，正確判斷率提高，由實際數據檢測可以看出，模型是有效的。

參考文獻

[1]Chaplinsky S，Ramchand L. From Listing to Delisting：Foreign Firms'Entry and Exit from the US.Uni-versity of Virginia：Working Paper，2008，pp.1～19.

[2]Dobbs M，Hamilton R.T. Small business growth：Recent evidence and new directions.International Journal of Entrepre-neurial Behaviour&Research，13（5），2007，pp.296～322.

[3]Kwangmin Park，SooCheong（Shawn） Jang. Finn Growth Patterns：Examining the Associations with Firm Size and Internationalization.International Journal of Hospitality Management，29（3），2010，pp.368～377.