三种模型在企业财务风险预警中的应用之比较研究-开题报告-文献综述-参考文献

（一）、国外研究概况

1、Z-Score模型

1968年埃德沃德·阿尔特曼(Altman)提出了多元线性判定模型即运用多种财务指标加权汇总产生的总判断分值(称为Z值)来预测财务危机，Altman的Z值计算模型分为在上市公司和非上市公司两种情况。

其中,上市公司的Z值模型和判别规则如下:

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

其中:X1=净营运资本/资产总额,反映公司总营运资本的流动性;

X2=留存收益/资产总额,反映公司的支付剩余能力;

X3=息税前利润/资产总额,反映公司的收益率大小,衡量公司运用全部资产获取利润的能力;X4=普通股和优先股市场价值总额/债务账面价值总额,反映公司财务状况的稳定性;X5=本期销售收入/资产总额,反映公司的活动比率。

该模型实际上是通过五个变量(五种财务比率),将反映企业偿债能力的指标(X1、X4)、获利能力指标(X2、X3)和营运能力指标(X5)有机联系起来,综合分析预测企业财务失败或破产的可能性。

非上市公司的Z值模型和判别规则如下:

Z=0.717X1+0.847X2+3.107X3+0.420X4+0.998X5

其中:X4 修正为股东权益/总负债,反映公司财务状况的稳定性。其余X1、X2、X3、X5同上市公司的相同。X1、X2、X3、X4、X5 分别反映资产流动性、公司的寿命及累积的利润率、盈利能力、财务结构、资本周转率。公司破产一般发生在第一次Z值出现负数的3年里。

2、Logistic回归 

Logit模型最早是由Martin在1977年用于预测公司的破产及违约概率。他从1970－1977 年间大约5700家美联储成员银行中界定出58 家困境银行，并从25个财务指标中选取8个财务比率，用来预测公司的破产及违约概率，建立了Logit回归模型，并且发现Logit回归模型优于Z-Score模型。Ohlson(1980 也将Logit模型分析了1970－1976年间破产的105 家公司和2058 家公司组成的非配对样本，发现公司规模、资本结构、业绩和当前的变现能力进行财务危机的预测准确率达到96.12%。Zavgren(1985)尝试构造Logit财务困境预警模型。Huffman & Ward(1996)运用logit模型对1977－1991 年间违约的171家企业的高收益债券进行了预测研究，发现企业资产增长率、营运资本及其增长率、营业利润等指标是影响高收益债券违约的主要因素。Laitinen & Laitinen(2000)探索了泰勒级数展开在logit回归方法预测企业违约破产分析中的应用，发现现金比率、现金流比率和股东权益比率是影响违约风险高低的最重要指标。David West(2000)建立了5 种神经网络模型与5 种统计分量模型，分别对德国和澳大利亚两组财务数据进行两类模式分类。他的研究结果表明,Logit模型在这10 种模型中的判别准确率最高，分别为76.3%和87.25%。

3、人工神经网络

神经网络模型(Artificial neural network,ANN)Odom & Sharda(1990)最早使用BP 神经网络预测财务危机,结果显示神经网络要优于当时的判别分析模型。Tam & Kiang(1992)利用三层BP神经网络预测银行破产,结果表明神经网络模型比多元判别分析模型和Logistic 模型等更精确,更稳定。Coats & Fant(1993)运用神经网络技术学习审计专家的结论来判别财务困境,他们认为Z 值模型对破产当年具有很好的判别效果,但不具有很好的提前预测效果,神经网络模型则解决了此问题。Ernest & Harish(1995)以保险公司为研究对象,采用判别分析、Logit回归和神经网络对保险公司的财务困境进行预警研究,结果表明神经网络的预警判别效果更有效。Charalambous,Charitou & Kaourou(2000)比较了线性向量方法、放射性基本函数和前馈神经网络的预测效果,结果发现神经网络比多元逻辑回归和向后传播算法更好。

（二）、国内研究概况

建立实际有效的财务危机预警系统，对于降低企业经营风险、投资风险以及防范金融危机具有积极作用。目前在财务危机预警模型的构建中，采用最多的方法是Z-Score模型、Logistic回归和人工神经网络。

1、Z-Score模型

赵健梅等[1]的研究表明Z-Score模型对我国上市公司的财务危机有着较强的预警作用。但是由于我国经济状况、地域、行业等诸多因素的差异，在运用这一基本模型时，需要根据自身的需要和特点，设计和选择财务比率指标、确定权重以及各种景气状态的数量特征值。如果能结合我国证券市场的实际对计算指标进行调整完善，增加一些更能反映我国上市公司财务状况的判别指标，如现金流量（或增长率），剔除某些指导性不强的指标，如期末股东权益的市场价值/期末总负债，可能会提高Z-Score模型的运用价值。

2、Logistic回归 

国内的研究主要是利用国外的方法来建立中国的预测模型。吴世农和卢贤义(2001)首先选择4 个财务指标为例估计了单变量判定模型，然后又选择6 个指标，分别采用判别分析和Logit回归方法建立和估计了预警模型，并比较了各种方法的预测效果，得出Logit模型的判定准确性最高。刘旻(2001)利用Logit分析方法对我们ST 公司建立预警模型，对上市公司发生财务异常的前3 年进行预测，得到整体预测概率为86.7%。姜秀华(2002)和齐治平(2002)也利用Logit模型对我国上市公司进行信用风险分析。李萌(2005)以不良贷款率作为信用风险衡量标准，构造商业银行信用风险评估的logit模型，并结合t检验和主成分分析法对模型进行实证。

3、人工神经网络

利用Pulic智力资本模型综合指标VAIC的单变量（王智宁、吴应宇、叶新凤2009）分析初步表明该模型在ST前1至2年能够用于财务危机预警。对因素驱动指标CCE、HCE和SCE 的多变量预警分析进一步证实了上述结论，并且多变量预警分析的准确性高于单变量分析。神经网络模型和最小二乘支持向量机模型的总体分类稳定性和准确性最好，说明财务危机与Pulic模型的因素驱动指标存在着强烈的非线性关系。此模型2年能够用于财务危机预警。

（三）、选题的理论及现实意义

公司财务状况的好坏往往是企业经营者、投资者、债权人和审计师关注的焦点。营运良好、财务健康的公司不但能提高自身在市场上的信誉及扩展筹资渠道，也使投资者信心倍增。相反，陷入财务困境或濒临破产的企业，不仅给投资者带来巨大的损失，也给公司后续生产经营带来巨大压力。但事实上，企业的财务危机是一个渐进过程，财务危机的发生不但具有先兆，而且是可预测的。建立一套有效的财务危机预警模型，获得这些财务状况出现严重恶化的公司的预警信号，能使公司的经营者根据这些信号及早采取相应措施，改善公司的经营及财务状况，避免或减少投资者投资损失，避免借贷者贷款的高风险，审计师避免因未能对企业恶化的财务状况发表正确的审计意见而导致的法律诉讼。同时，预警模型对国家证券监管部门监控上市公司质量和减少证券市场风险也有着重要的现实意义。

二、研究的基本内容，拟解决的主要问题：

（一）、研究的基本内容

本文首先阐述了财务风险对企业的影响，以企业财务信息为基础,利用企业财务报表、经营计划等资料,通过选择和观察敏感性预警指标的变化, 分析各种企业财务风险预警模型的应用,对企业可能或将要面临的财务危机进行实时监控和预测报警,并及时向利益相关者发出警示，更好地分析出财务风险预警模型的趋势。

（二）、拟解决的主要问题：

(1)依据上市公司财务危机前的指标数据分别构建Z-Score模型、Logistic回归模型和BP 神经网络模型来进行预测，对不同的实证模型财务预警效果进行横向和纵向的对比研究。

(2)结合三种模型的优缺点，展望未来财务风险预警模型的发展趋势。

三、范文提纲

（一）、企业财务风险预警模型的应用

1、模型样本的确定及基础指标的选取

2、Z-Score模型在企业财务风险预警中的应用

3、Logistic回归模型在企业财务风险预警中的应用

4、BP 神经网络模型在企业财务风险预警中的应用

（二）、三种企业财务预警模型的比较研究

1、财务预警模型的理论比较

2、模型有效性的检验比较

（三）、企业财务模型发展的建议与趋势

1、企业财务模型发展的建议

2、企业财务模型发展的趋势

四、主要参考文献：

[1] 赵健梅, 王春莉. 财务危机预警在我国上市公司的实证研究[J].数量经济技术经济研究,2003,(7):134-138. 

[2] 吴世农, 黄世忠. 企业破产的分析指标和预测模型[J].中国经济问题, 1986, (6): 15-22.

[3] 周首华, 杨济华, 王平. 论财务危机的预警分析——F 分数模式[J].会计研究, 1996, (8): 8-11.

[4] 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.

[5] 张玲. 财务危机预警分析判别模型及其应用[J].预测, 2000, 19(6): 38-40.

[6] 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, 2001, (6): 46-55.

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

[8] 杨行峻, 郑君里. 人工神经网络[M].北京：高等教育出版社. 1992, 1-10. 

[9] 杨淑娥, 黄礼. 基于BP神经网络的上市公司财务预警模型,系统工程理论与实践, 2005,1.

[10] 王智宁，吴应宇，叶新凤. 基于Pulic 智力资本模型的上市公司财务危机预警研究, 数理统计理论,2009, (2) : 309-317.

[11] 李俊毅. 公司财务预警系统的构建[J].财经论丛, 2006, (4):5-7.

[12] 周敏, 王新宇. 基于模糊优选和神经网络的财务危机预警[J]，管理科学学报，2002，6.

[13] 王克敏, 姬美光. 基于财务与非财务指标的亏损公司财务预警研究——以公司ST为例[J].财经研究,2006,32(7):63-72.

[14] 刘翰林. 我国上市公司财务危机预警模型实证研究[J].数量经济技术经济研究,2002,(7):115-118.

[15] 吴德胜, 梁木梁, 殷尹. 不同模型在财务预警实证中的比较研究[J].管理工程学报,2004,15(2):105-108.

[16] Westgaard S., van derWijst, N.. Default probabilities in a corporate bank portfolio: a logistic model approach[J].European J. Oper. Res., 2001,135 (2):338–349.

[17] Ko P C, Lin P C. An evolution-based approach with modularized evaluations to forecast financial distress[ J ].Knowledge-Based Systems , 2006 , 19.

[18] Serpil，Yildirim Collins ,Green. Statistical Methods for Bankruptcy Forecasting [J].Journal of Economics and Business,2006(6):370-404.

[19] Matthieu B., Marcel F. Towards a new early warning system of financial crises[J].Journalof International Money and Finance，2006,(25):953-973.

[20] Kyong Joo Oh, Tae Yoon Kim and Chiho Kim.An early warning system for detection of financial crisis using financial market volatility [J]. Expert Systems, 2006, 23(2):83-98.