朱星财务预警文献综述.doc

《朱星财务预警文献综述.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、关于财务预警模型文献综述摘要：财务风险是每个企业都不可避免的，如果任其发展不加以控制将会给企业带来严重的损失及破坏。由于财务风险具有潜伏性，隐藏性，我们应该想办法及时的发现财务风险以及找出出现的原因，然后控制或降低财务风险来使企业长期健康的发展。因此，构建有效、合理、及时的财务预警机制对与企业应对财务风险来说是及为重要的。本文通过对文献的分析，综合各文献作者的观点。归纳了财务风险与财务预警的定义，财务预警模型的分类，各财务预警模型的优缺点及将来构建财务预警模型的展望。关键字：财务危机财务预警财务

2、预警模型分类优缺点金业在复杂的经济环境屮生存和发展，随时会遇到各种经济风险。而财务风险则是金业尤为关心的问题，怎样预先发现财务风险其次找岀原因是企业应对财务风险的主要冃的。由于财务管理是一种价值管理，具有其他管理活动无可比拟的综合性，财务指标是金业经济活动的综合反映，因而财务风险也是企业各种经济风险的综合反映，是各种风险综合作用的结果。这里的财务风险是指广义上的财务风险，即企业的各种经济风险在财务上的表现，而不是狭义上的财务风险。秦莹2013⑴因而，企业经济风险防范的重点在丁财务风险的防范。二、

3、建立一个完善的财务预警模型对于企业十分重要财务风险是客观存在的，由于它的特征，想耍完全消除财务风险是不现实的。蒋冗2013⑵金业在确定财务风险控制冃标H不能一味追求低风险甚至零风险，而丿应本着成本效益原则把财务风险控制在一个合理的、可接受的范R1Z内。耍及时的发现财务风险及其成因，就应该建立一个及时、有效、准确的财务预警机制。建立适合企业财务预警模型，对于企业的发展十分重要。通常企业的财务危机都经历了一个从初步萌芽到逐步恶化的过程，这就使得财务危机预警不仅有必要而且有可能。三、目前己有的财务预警

4、模型的分析及评价1>一元判定模型一元判定模型是指利用单个财务比率來进行财务预警，以判断企业是否发生财务危机的一种预测模型。郑利伟2013⑶一元判定模型方法简单，但总体判别精度不高。在财务失败前一年的预测中，该模型的预测精度明显低于多变量模型。杨华2013⑷他的缺点是对于哪些是最重耍的预测指标，分析者得出了不同的结论；单变量比率分析得出的结论可能会受到企业外部经济环境（如通货膨胀或紧缩）的影响；它只重视某个指标的分析能力，若企业管理人员知道了这个指标，就会尽可能地去粉饰这个指标，掩盖企业的财务危机

5、；单变量分析法虽然简单，但却因不同财务比率的预测方向与能力经常有相当大的差距，有时会产生对于同一公司使用不同比率预测出不同结果的现象，因此招致许多批评，而逐渐被多变量方法所取代。2、多元线性函数模型多元线性函数模型是对企业多个财务比率进行汇总，求岀一个总判别分值来预测企业财务危机的模型。多元线性函数模型的判别精度较高，而且体现了综合分析的观念，使得以后的财务预警研究开始采用多元分析的方法。贾炜莹2023⑸该模型的不足是：一是，在实证研究中，利用该模型进行的预警虽然有一定的预测准确率，但模型本身很

6、难通过严格的检验，如方程显著性检验、相关系数显著性检验等，因而其预测结果的科学性受损。二是，将失败企业的Y值取0,非失败企业的Y值取1,这种做法过于简单而不合理。三是，多元线性函数模型的使用是建立在统计和数学技术的基础上的(耍使误判率最低)，因此其耍求有一个很严格的假设条件，即假设测变量是呈联合正态分布，而且两组样本耍求等协方差，而一般的样本数据是无法满足这一耍求的。高校20与⑹所以我们的一些研究在不满足这一假设时，都是近似地使用该模型，这无疑会降低他的预测精度。3、对数比率(logit)回归模

7、型随着数理统计的发展和应用•乂有一些研究者提出了log回归模型，它是一种条件概率模型。该模型是建立在累计概率函数的基础上的，一般运用最大似然估计的方法。logit回归模型的优点主耍是预测变量不需要服从多元正态分布和两个样本组的协方差矩阵相等的条件，从而使它的适用范围较为广泛。其不足主要体现在:1.由丁•模型中对参数的估计将运用到最大似然估计法，使得计算程序相对复杂。邢有洪2013⑺2.分界点的决定也会影响到模型的预测能力。程晓燕2013⑻3.计算过程中有很多近似处理，所以预测精度会有所降低。4、

8、概率单位(probit)回归模型Probit模型与Logit模型在H的及基本思想方而有很大的相似Z处，都采用极大化似然函数求参数。该模型的优点是假设不算很严格，预测精度也比Logit模型更高。王风玲2013⑼所存在的缺点与Logit模型基本相似。5、人工神经网络ANN模型人工神经网络模型是一种平行分散处理模型，其构建理念是基丁•对人类大脑神经运作的模拟。王楠2O131101神经网络模型的原理是:把用来衡量上市公司的财务状况的建模变量作为神经网络的输入向量，将代表分类结果的量作为神经网络的输出，用