企業財務風險預警研究

預警系統是指通過分析公司的財務賬簿和其他相關數據，利用財務和數據管理的方法，跟蹤和監控公司的運營過程，明確公司運營過程中運營的困難和財務危機的可能性和原因，并發出警報，提醒管理當局注意預防和采取預防措施。企業財務風險預警系統是風險預警的診斷工具,其靈敏度越高越能有效地防范、回避財務風險。其具體做法是:根據企業外部環境及內部財務狀況,編制一套能反映評價企業財務狀況的企業危機預警體系及相應的風險閥值(定性或定量)將得到的指標值與預先設定的風險閥值進行比較;對企業財務風險進行量化,將量化后得到的企業財務危機風險值傳遞給企業管理當局進行定性分析與研究,將決策反饋給財務預警中心。其基本程序為:風險信號采集→風險信號處理→風險狀態測評→風險類識別→風險狀態度量→風險等級評估→風險總體判斷→風險管理決策另外,在構建財務風險預警系統時需注意兩個問題:一是企業風險預警中心的人員應由多方面專業人士組成,包括執行董事、高管人員、財務經理及其他有關職能部門專業人員。預警中心根據公司戰略和可預計的各種風險,制定風險預警方式和風險預防措施,開展風險預警機制中所要求的各項具體工作。二是選擇與風險預警相關程度比較高的指標,組成指標體系。指標體系不僅要考慮每個企業的特殊性,而且還要結合現代企業的不同特點進行設計。財務風險預警系統指標體系的構建,是整個財務風險預警系統中最基礎、最重要的環節。預警指標應是最具代表性的且又能綜合反映企業的財務狀況和經營成果的財務指標。在確定了預警指標后,就可以選擇適當的模型建立企業財務風險預警系統。在實踐中,應用比較多的是基于財務比率因素的幾種分析模型:1、單變量判定模型(UnavailableDiscriminateModel)。最早運用統計學方法研究財務失敗問題的是美國財務專家威廉·比弗,他首創以單變量分析法建立財務危機預測模型,使用5個常用的財務指標分別作為變量對79家正常經營公司和79家經營失敗公司進行一元判定,發現用“現金流量/負債”作財務預測效果最好;用“凈利潤/總資產”次之。就像通常人們進行的財務報表分析一樣,單變量模型直觀、簡單,但其存在明顯不足:(1)由于“現金流量/總負債”指標只考慮了負債規模,而沒有考慮負債的結構及流動性,因而對于一些由于短期償債能力不足而出現危機的企業存在較大的誤判性;(2)“凈利潤/總資產”這一指標沒有結合資產的構成要素,因為不同資產項目在企業盈利過程中所發揮的作用是不相同的;(3)單變量分析法因不同財務比率的預測方向與能力經常有相當大的差距,有時會產生對于同一公司使用不同比率預測出不同結果的現象。因此,單變量判定模型招致了許多批評,而逐漸被多變量方法所替代。2、多元判定模型(MultivariateDiscriminateModel)。該模型又稱奧爾特曼模型或Z分數模型(Z-ScoreModel),是由美國財務學家愛得華·奧爾特曼(Edward·I·Altman)提出的。他認為,償債能力的喪失是引起企業破產的主要原因,企業在財務狀況從良好→財務危機→風破產→清算這一過程中,是有信號可預測的。經過大量實證考察和研究之后,于1968年提出了多元Z值判定模型,即: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÷期末總資產;X4=期末股東權益的市場價值÷期末總負債;X5=本期銷售收入÷總資產。Z分數模型綜合考慮了企業的資產規模、變現能力、獲利能力、財務結構、償債能力、資產利用效率等方面,每個變量前的系數代表了指標與財務狀況之間的權重:Z值越小,發生財務危機的可能性就越大。美國企業Z值的臨界值為1.8,具體判斷標準如下:當Z≥3.0,財務失敗的可能性很小→財務不失敗組當2.8≤Z≤2.9,有財務失敗的可能當1.81≤Z≤2.7,財務失敗可能性很大當Z≤1.8財務失敗可能性非常大→財務失敗組雖然,Z值的判斷標準在各國之間有較大的差異,但各國“財務失敗組”Z值的平均值都低于臨界值1.8。3、F分數模型(F-ScoreModel)。Z分數模型并沒有考慮現金流量變動等其他有關方面的影響,為此,我國學者對Z分數模型加以改進,提出另一種模型——F分數模型(周首華等,1996)。F分數模型的一個重要變化是加入部分現金流量預測變量,彌補了Z分數模型的不足。F分數模型如下: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=(凈利潤+折舊)÷平均總負債;x4=期末股東權益的市場價值÷期末總負債;X5=(凈利潤+折舊+利息)÷平均總資產。當F<0.0274,企業有可能在不遠的將來發生財務危機。與Z值分數模型相比,F分數模型的變量中引入了“折舊”要素,因為企業在正常經營狀況下折舊的計提可視為現金的流入,因此(凈利潤+折舊)可視為企業現金流入,這樣變量x3可用來衡量企業現金凈流量能否償還企業債務的指標;類似地,x5是反映企業總資產在創造現金流量方面的能力。由于考慮了現金流量這一預測變量,F分數模型比Z分數模型能更準確地預測出企業的財務危機。4、功效系數模型。功效系數法是國民經濟效益綜合評價的常用方法,通過評價企業的效益進行財務預警。功效系數模型的基本做法是:首先,對所選定的每個評價指標規定幾個數值(滿意值和不允許值);其次,設計并計算各類指標的單項功效系數,再根據各指標值的重要性,運用特爾菲法等確定各指標的權數;最后,利用加權平均法求出企業的綜合功效系數。根據綜合功效系數的大小即可進行警情預測。評價指標設計如下圖:根據評價指標中各指標的特點,財務比率指標就指標數值的大小與所反映的財務狀況好壞關系分為四種類型:(1)指標數值(實際值)越大越好的,定義為極大型變量;(2)指標數值越小越好的,定義為極小型變量;(3)指標數值在某一點最好的,定義為穩定型變量;(4)指標數值在某一區間最好的,定義為區間型變量。其計算公式如下:根據公式計算的數值的大小,可將警情劃分相應的警限區間,如下表所示:功效系數預警模型主要是預測企業長期財務風險,對短期財務風險無效。由于它所需要的資料可以從一般的財務報表中獲得,可操作性強,因此,該模型不失為是一種簡便、易行、有效的預警評價模型和方法。目前,我國關于企業財務預警的研究大致分為兩類:一類是關于財務預警理論的規范性研究,主要是提出了一些預警的指標框架;另一類是實證研究,初期的研究主要是對國外Z模型的介紹和評價,此后有學者開始引進國外的研究方法對財務失敗預警問題進行實證研究,其研究內容局限于應用判別分析方法對我國上市公司與非上市公司的財務失敗進行預測。因此,關于財務風險預警系統的研究在我國只是剛剛起步,存在許多尚待開發的領域,具體表現在:(1)模型變量選用較多的是資產負債率、流動比率、速動比率、凈資產收益率、應收賬款周轉率等財務指標,而對現金流量以及或有負債、金融衍生業務等表外項目的指標考慮較少,而這些恰恰是誘發現代企業財務風險的重要因素;(2)模型多是對已失敗或已解體的企業集團進行實證分析,不具有普遍的風險預警意義;(3)在實際工作中,操作性強,真正發揮預警作用的預警系統運用屈指可數;(4)我國會計信息失真現象較嚴重,在一定程度上制約了有效模型的監測。為此,我國對財務風險預警的研究應該注意以下幾個方面的問題:1、由于各國經濟文化環境不同,經營理念存在差異,會計核算口徑不一,因此,在大膽吸收國外已有經濟成果的基礎上,應結合我國現代企業的特點進行創新。2、針對預警模型變量選擇的狹窄性,可重新考慮設計預警變量,除基于財務報表數據的財務指標外,還要適當地引入一些表外項目,如企業對外擔保情況、其他或有負債、金融衍生工具業務等有可能給企業帶來巨大財務風險的要素。3、預測模型使用的技術問題,包括影響模型擬合效果的實效性問題和行業因素問題。因為隨著經濟環境的變化,模型的擬合效果可能會有變化,要研究其變化,適當進行微調。盡管我國目前實行了統一的《企業會計制度》,但不同行業的財務指標特征具有較大差異,在模型的構造方面要分行業建立預測模型。4、采取定量與定性分析相結合及多種預測方法并用的措施。財務預警是一種量化分析,它有利于清晰、直觀地反映企業的財務狀況,但它并不能完全替代傳統的定性分析,特別是財務報表的編制質量和審計質量等因素會直接決定模型結果的準確性和實用性。5、提高人員業務素質,加強信息管理。使用歷史數據對未來作出判斷只能是趨近事實真相,而財務風險預警系統的操作主體主要是企業財務部門,會計人員的職業判斷和價值趨向在一定程度上決定了預警機制實施的成功與否。會計工作者要善于發現問題,辨識信息的真偽,創建高效的信息管理系統,研究開發風險預警