文档介绍：基于收益质量指标的财务危机预警模型构建内容摘要:本文从财务危机预警的研究现状入手,分析多元判定模型的原理及应用。随着企业业务范围扩大,收益多元化,收益质量的好坏在财务危机预警中显得尤为重要。本文引入收益质量指标,重新构建多元判定模型,以实现对财务危机更加准确的预警。关键词:财务预警财务危机多元判定模型收益质量指标企业出现财务危机,其根本原因是企业获利能力下降,其直接原因是没有足够现金偿还到期债务和正常业务支付。但在国内外的财务危机预警模型中,财务指标主要是根据资产负债表和利润表数据计算的,未把利用现金流量表计算的收益质量指标考虑进去,而收益质量指标对一个企业的生存是至关重要的。财务危机预警的研究现状企业财务危机预警,是经过对企业会计报表及相关经营数据的分析,通过设置并观察一些敏感性预警指标的变化,对企业可能或将要面临的财务危机实施的实时监控和预测警报。以发现企业在经营管理活动中潜在的财务风险,并在危机发生之前向经营者发出警告,督促企业管理当局采取有效措施,避免潜在风险演变成损失,起到未雨绸缪的作用。近年来,国外学者针对财务危机预警模型展开了深入而广泛的研究,当前财务危机预警模型概括起来主要有统计模型和人工智能模型两大类。主要方法有:一元判定模型、多元判定模型、多元逻辑回归模型、多元概率比回归模型、人工网络模型和联合预测模型。其中影响较大的当属美国学者altman利用多变量统计分析方法建立的多元判定模型。在国内,受证券市场发展的影响,对财务危机预警的研究起步较晚。LocAlHosT1986年吴世农、黄世忠首次在我国介绍了企业破产的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。之后我国学者才真正开始了对财务预警的研究,并取得了一定的成果,但主要还是借鉴国外的模型。多元判定模型(一)多元判定模型的原理 1968年,美国ahman首次使用了多元判定模型分析预测财务困境。多元判定模型的基本原理是:通过统计技术筛选出那些在两组间差别尽可能大而在两组内部的离散度最小的变量,从而将多个标志变量在最小信息损失下转换为分类变量,获得能有效提高预测精度的多元线性判别方程。运用多元线性判别方程判定二元问题时,可以通过降维技术,仅以最终计算的z值来判定其归属,其构造的线性方程简单易懂,具有很强的实际应用能力。判别方程的形式为z=v1x1+v2x2+…+vnxn。根据判别方程可以把单个企业的各种财务比率转换成单一的判别标准,或称为z值,根据z值将企业分为“破产”或“非破产”两类。其中,v1、v2…vn是权数,x1、x2…xn是各种财务比率。(二)多元判定模型的应用美国altman教授将多元判定分析应用到美国企业破产研究中,其研究结论形成了著名的z值模型:z=++ ++。其中,x1=营运资金/资产总额;x2=留存收益/资产总额;x3=息税前利润/资产总额;x4=普通股和优先股市值总额/负债账面价值总额;x5=销售额/资产总额。企业破产的判定和预测模型在破产前一年的总体判别准确度高达95%。在实际运用时,z模型通过5个变量(5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。一般地,z值越低