财务预警(PPT)

财务预警1财务预警的发展3财务预警的技术方法2财务预警的定义与特征国外财务预警的发展1932年Fitzpatrick所做的单变量破产预警模型是最早的财务危机预警研究。1966年WilliamBeaver提出了单一比率模型，运用统计方法建立了单变量财务预警模型，开创了用统计方法建立财务预警模型的先河。1968年，美国学者Edward•I•Altman首次将多元线性判别方法引入到财务危机预警领域，利用数理统计的方法，根据误判率最小的原则，建立了Z值模型。1980年美国学者Ohlson使用对数比率（Logistic）回归方法分析了选用的非配对样本在破产概率区间上的分布以及两类判别错误和分割点的关系。国外财务预警的发展1984年Marais等将递归分类方法应用于银行贷款分类的研究，Frydman、Altman和Kao则于1985年首次将递归划分算法运用于信用客户经营失败的评估和预测研究。1988年，Aziz、Emannuel和Lawson在财务困境的预测研究中，发展了基于现金流量预测破产的模型。1990年Odom和Sharda第一次将神经网络应用于财务困境预测问题，开始了运用人工神经网络进行财务困境预测的探索。1992年Coats和Fant运用神经网络技术学习审计专家的结论来判别财务困境。2000年，Charitou和Trigeorgis采用Logistic回归方法并结合B－S期权定价模型中的相关变量构建了财务危机判别模型。国内财务预警的发展国内对财务困境及预测模型的研究，始于上世纪80年代中期。吴世农、黄世忠在1986年介绍了企业破产分析指标和预测模型。1990年，国家自然科学基金委员会管理科学组先后支持佘廉等人从事企业预警研究，并于1999年出版了企业预警管理丛书。1996年，周首华、杨济华和王平以Altman的Z分数模型为基础对Z模型进行改进，把现金流量加入预测公司破产的有效指标，建立了F分数模型。2000年高培业、张道奎基于29个财务比率对26个企业采用不同的判别方法进行分析，得出了我国非上市企业的成功与否主要取决于负债比率、营运资本比率和获利能力的结论。国内财务预警的发展2001年，吴世农、卢贤义应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法，且验证Logistic模型的判定准确性最高。2002年，乔卓等人建立了基于数值优化的Levenberg－Marquardt算法的前馈神经网络预测模型。2005年，杨淑娥、黄礼采用BP人工神经网络工具，以120家上市公司的截面财务指标作为建模样本，并使用同期的60家公司作为检验样本建立了财务危机预警模型。2006年，张秋水、罗林开、刘晋明通过SVM与传统的多元线性回归和Logit分析的实证对比和模型分析，得出SVM（支持向量机）模型显著优于多元线性回归，也优于Logit分析。国内财务预警的发展2007年，陈强、薛华为提高财务预警模型的精度，针对BP算法训练过程中容易陷入局部极值而影响预测效果的缺陷，应用遗传算法和BP神经网络相结合的混合算法进行改进。2009年，张乐利用贝叶斯判别法，以140家上市公司作为分析样本，建立财务预警模型。经检验，该方法预测的效果准确率达到85.7%。2009年，周辉仁等提出一种基于粒子群优化算法的最小二乘支持向量机的财务预警模型对上市公司的财务数据进行财务预警分析。财务预警的定义财务预警是以企业信息化为基础，对企业在经营管理活动中的潜在财务危机风险进行监测、诊断与报警的一种技术。它贯穿于企业经营活动的全过程，以企业的财务报表、经营计划及其他相关的财务资料为依据，利用会计、金融、企业管理、市场营销等理论，借助比例分析、数学模型等财务分析方法，发现企业存在的风险，根据预警指标发出的信号对财务危机进行辩识，并向企业利益相关者发出警示，以便采取相应对策的管理方法。财务预警的定义财务预警的特征11不确定性2时间相关性3价值增值性4技术可行性财务预警的技术方法财务预警的技术方法单一财务比率法财务比率综合计分法财务预警模型单一财务比率法单一财务比率法也称为单变量模型，是指将某一项财务指标作为判别标准来判断企业是否处于财务危机状态的一种预警方法。目前，我国企业在实际工作中常用的财务比率主要有资产负债率、利息保障倍数、流动比率和速动比率等。单一财务比率法的优点是简单明了、易于掌握，缺点是财务比率可以被人为操纵，容易引起失误。财务比率综合计分法财务比率综合计分法是选择多个财务比率并赋予相应的权重，计算综合财务指标，以此来判断企业发生财务危机的可能性。常用的财务比率综合计分法主要包括沃尔评分法和综合评分法。财务比率综合计分法1.沃尔评分法沃尔评分法是指将选定的财务比率用线性关系组合起来，并分别给定各自的分数比重，然后通过与标准比率进行比较，确定各项指标的得分及总体指标的累计分数，从而对企业的信用水平作出评价的方法。沃尔评分法的基本步骤包括：选择评价指标并分配指标权重、确定各项评价指标的标准值与标准系数、对各项评价指标计分并计算综合分数、形成评价结果。财务比率综合计分法2.综合评分法综合评分法选择评价营利能力、偿债能力、成长能力的财务比率，按5：3：2来分配比重，标准分为100分，取值范围为50~150分，分值越高，反映企业的财务状况越好，发生财务危机的可能性越小。其中，评价营利能力的财务比率选择了总资产周转率、销售净利率、净值报酬率；评价偿债能力的财务比率选择了自有资本率、流动比率、应收账款周转率、存货周转率；评价成长能力的财务比率选择了销售增长率、净利增长率、人均净利增长率。财务预警模型1一元判定模型2多元判别模型3回归分析法4类神经网络模型一元判定模型按照综合性和预测能力的大小，预测企业财务失败的指标主要有：(1)债务保障率=现金流量/债务总额；(2)资产收益率=净收益/资产总额；(3)资产负债率=负债总额/资产总额；(4)资产安全率=资产变现率/资产负债率式(其中资产变现率=资产变现金额/资产账面金额)多元判定模型多元判别模型是运用多种财务比率指标加权汇总而构造多元线性函数公式来对企业财务危机进行预测。1.Z分数模型Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5X1=(期末流动资产一期末流动负债)/期末总资产X2=期末留存收益/期末总资产X3=息税前利润/期末总资产X4=期末股东权益的市场价值/期末总负债X5=本期销售收入/总资产多元判定模型2.F分数模型F=0.1774+1.1091X1+0.1074X2+1.9271X3+0.0302X4+0.4961X5X1=(期末流动资产一期末流动负债)/期末总资产；X2=期末留存收益/期末总资产；X3=(税后纯收益+折旧)/平均总负债；X4=期末股东权益的市场价值/期末总负债；X5=(税后纯收益+利息+折旧)/平均总资产。回归分析法1.多元线性回归多元线性回归属于一般最小二乘法一族的统计分析。随着计算机普及，多元线性回归分析已成为标准的统计分析方法.这种方法通常要求变量之间不能完全相关，这是OLS回归能够求解的前提。多元回归中的其他假设也非常关键，其中特别是关于误差项ε的假设条件，严重违反它将导致不合理的解释回归分析法2.Logistic回归分析Logistic函数又称增长函数,模型如下：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代表财务危机公司，xki代表第i家企业，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。epxβxββyyiikikii11110类神经网络模型类神经网络(ANN)模型，是将神经网络的分类方法应用于财务预警。ANN不仅具有较好的模式识别能力，还可以克服统计方法的局限，因为它具有容错能力和处理资料遗漏或错误的能力。此外ANN还具有学习能力，可随时依据新的数据资料进行自我学习，并调整其内部的储存权重参数，以应对多变的企业环境。ANN模型通常由输入层、输出层和隐藏层组成，其信息处理分为前向传播和后向学习两步进行。网络的学习是一种误差从输出层到输入层向后传播并修正数值的过程，学习的目的是使网络的实际输出逼近某个给定的期望输出。根据最后的期望输出，得出企业的期望值，然后根据学习得出的判别规则来对样本进行分类。人工神经网络具有较好的纠错能力，从而能够更好地进行预测。财务危机预警模型比较计量方法假设条件优点缺点单变量分析无1．计算简明2．所求得的数值易于解释1．以试错法寻求最佳财务指标，缺乏理论架构2．单一财务指标，无法涵盖企业整体面，不同比率之间容易出现矛盾的结论判别分析1．数据符合正态分布2．每一变量不能是其他变量的线性组合3．各组样本的协方差矩阵相等1．同时考虑多项指标，对整体绩效衡量较单变量分析客观2．可了解哪些财务比率最具判别能力1．财务比率一般不符合正态分布假设2．对虚拟变量无法有效处理3．样本选择偏差对模型分类能力影响很大多元线性回归1．残差项必须符合正态分布2．差符合马尔可夫假设3．自变量间无共线性存在4．样本数必须大于回归参数个数1．可解决判别分析中自变量数据非正态分布的问题2．模型使用不需经数据转换，故较容易使用1．自变量之间的交互作用无法表达2．自变量与因变量之间的非线性关系无法表达，线性概率的假设往往与实际情况不相吻合Logistic模型1．残差项需符合韦伯分布2．自变量间无共线性存在3．样本数必须大于回归参数个数1．可解决判别分析中自变量数据非正态的问题2．概率值介于0与1之间3．模型适用于非线性状况1．模型使用前必须将资料转换2．计算程序较复杂，一般需计算机辅助类神经网络无1．以计算机进行大量数据处理2．无需任何概率分配假设1．分类工作繁杂2．分割点不易建立3．模型统计特性不健全谢谢！