【摘要】财务风险预警模型可以从定量角度客观准确判断企业的财务危机程度，网络的普及对此颇具影响。本文采用实证方法，选取了5个财务指标作为模型变量，构建了一个基于极值原理的Fisher线性判别模型，并对该模型进行了实证检验。结果表明，该模型具有较好的对企业财务状况和风险状况进行评价预警的能力。

　　【关键词】财务预警模型指标；财务风险预警模型；多元线性函数模型

　　网络环境作为全球化的技术环境，使会计行业发生了根本性的变革，企业管理者越来越多的关注网络所带来的挑战与机遇。网络财务在我国尚处于初期阶段，它的运用存在诸多新风险，建立一套有效的财务风险预警系统是必然选择，而建立财务风险预警系统最关键的就是构建财务风险预警模型。

　　本文认为现金流量表能客观地反映企业的经营状况及获利能力，而且由于现金流量的计算不涉及权责发生制，几乎没有造假的可能，因此本文是基于现金流的F记分模型为基础构建网络环境下的财务风险预警模型。

　　一、样本的选择

　　本文对企业财务风险预警模型进行实证研究，研究的主体是我国A股市场的上市公司，利用公开披露的企业信息来研究上市公司陷入财务危机的可预测性。

　　在确定样本企业时，选取了一组在上海证券交易所上市交易的18家ST公司，同时还相应地选择同行业、同规模的18家非ST公司作为研究样本，总样本共36家。研究数据主要来自上海证券报上公开披露的2002年度到2006年度的年度报告的有关资料。

　　二、财务预警模型指标的选择

　　任何企业的财务危机都会通过一些敏感性财务指标值反映出来。因此，设置一些敏感性财务指标是建立财务预警机制的基础。基于网络环境下现金流量对企业的重要性，本文主要从企业财务活动的角度，确定了三大类基础指标：经营环节风险指标，包括应收账款周转率、存货周转率、主营业务收入增长率、营业周期、现金流入量与现金流出量之比、销售营业现金流入比；筹资环节风险指标，包括流动比率、速动比率、资产负债率、产权比率、已获利息倍数、长期资产合适率、总资产增长率、现金流动负债比率、现金盈利值、营运资金占用额；投资环节风险指标，主要包括总资产报酬率、总资产周转率、总资产净现率。

　　为了全面客观地检验上市公司的经营好坏，所选取的财务指标要具有全面性与综合性，保证所选指标之间存在显著性差异；为避免指标之间某些特征重复计算，尽量消除变量的高度相关性。为此，本文将通过两个步骤选取建模指标。

　　（一）运用T检验，判断财务指标的显著性差异

　　利用收集的总共36家企业的数据资料，分组计算19个财务指标在被挂名ST前两年的平均值，计算两组样本各指标值的T检验值。

　　这个过程可以通过SPSS统计分析软件中的样本显著性检验功能，对数据进行检验。为了让更多的指标入选，现将T检验的判别标准定为：｜T｜≥1.7。在双尾检验的显著性概率中，通过检验的指标较多，在前一年有十二个，在前两年有八个。模型中包括过多的指标，会不利于对上市公司的财务危机进行有效的预测。因此，需再通过显著性的指标中再次筛选。

　　通过综合考虑，最初选定了五个财务指标即：X1销售营业现金流入比、X2资产负债率、X3营运资金占用率、X4总资产报酬率和X5总资产周转率。

　　（二）运用因子分析法，检验财务指标的相关性

　　如果上述所选的五个指标之间高度相关，那么就会使某些特征重复计算，引起夸大的危害，因此在选择最终变量时应尽量消除变量的高度相关性。

　　这个过程可以通过SPSS统计分析软件中的因子分析功能，对五个指标进行检验，其检验结果表明，这五个指标的相关系数都是小于0.5的。因此，可以选择这五个指标来构建模型。

　　三、财务风险预警模型的构建

　　本文将采用基于极值原理的Fisher判别法。其基本思想是：把多维问题化为一维问题，并应用线性判别函数解决判别问题。

　　第一步，在构建模型前，需要确定所选的样本数据是否是有效的。运用SPSS软件，对样本进行判别分析，经判别后，有效观测量为36。

　　第二步，检验五个指标的均值在ST组和非ST组之间是否存在显著的差异，从而证实这些变量在构造预测模型中的代表性。经SPSS软件检验证实，五个指标的均值在ST组和非ST组之间确实存在着显著差别。

　　第三步，运用SPSS软件，对五个指标进行F线性判别，得到：

　　前一年的线性判别模型为：

　　Y=0.365X1-0.455X2+0.002X3+0.802X4+0.404X5+1.388

　　前两年的线性判别模型为：

　　Y=0.114X1-0.968X2+0.079X3-0.026X4+0.721X5-0.525

　　根据前一年的判别模型，将企业成为ST前一年的数据进行回代代入，得到样本企业的Y，Y=1.43，依据此分界值对样本企业进行检验。若Y值＜1.43，则说明该企业在未来一年内将陷入财务危机，反之，则为正常企业。检验结果表明：在ST组中，只有一家企业被误判，预测的准确率可达94.44%；在非ST组中，只有两家企业被误判，预测的准确率可达88.89%。

　　同理，根据前两年的判别模型，将企业成为ST前两年的数据进行回代代入，得到样本企业的Y，Y=-0.60，依据此分界值对样本企业进行检验。若Y值＜-0.60，则说明该企业在未来一年内将陷入财务危机，反之，则为正常企业。经检验发现，在ST组中，有三家企业被误判，预测的准确率可达83.3%；在非ST组中，有四家企业被误判，预测的准确率可达77.8%。

　　经过检验，此模型在企业发生财务危机前一年的准确率要比在前两年的判别准确率高，即离企业发生财务危机的时间越短，判别的准确率越高。这与企业发生财务危机的实际情况相符，因而证明，可以采用此模型进行实证检验。

　　四、模型的实证检验

　　本研究运用SPSS软件做出了比较理想的多元线性回归判定模型，而该模型的运行效果是否也能理想，其判定是否准确，预测结果是否符合实际情况，这些问题都还需要进一步检验。

　　下表是从随机选取的作为研究样本的12家上市公司公布的最新财务报告中提取数据来检验模型的结果。

　　从表中Y值可以看出，对于正常企业，所有的Y值全部高于1.43，模型验证准确率为100%,而对于ST类的企业，只有50％的Y值是在1.43以下，另外50％Y值处于健康企业的范围,模型验证正确率为50%。

　　对于ST企业的判断之所以会有这样的偏差，笔者认为原因不外乎以下几方面：

　　一是部分ST企业由于经营状况的改善使得财务状况可能向好的方向转变，这种情况下，我们认为是模型判断企业的经营状况得到改观；二是由于2007年中国股市暴涨，上市公司在股市上涨过程中赚取了大量的投资收益，从而使得报表中的纯利润一项较往年大幅增长；三是本文建模用的样本数据不够全面。这些样本并没有涉及到所有行业的、地区的或是各种性质的企业；四是由于作者水平有限，模型可能存在漏洞也会导致判断出现偏差。

　　五、研究结论

　　通过本文的理论总结与实证分析，得出以下结论：

　　第一，多元线性回归模型在我国财务预警研究中具有很高的应用价值。实证结果表明，该方法建立的模型具有较高的判别精度和预测能力，可以获得较好的预警结果。第二，将逐步判别分析方法应用于财务预警研究中，可以在减少模型变量的同时，达到与全部备选变量构建的全变量预测模型相近的判别精度和预测能力，使最终构建的预测模型更符合成本效益原则，具有较高的应用价值。第三，本研究采用上市公司年度财务报告数据来构建财务预警模型，极大地提高了财务危机预测的及时性，给企业一般投资者和债权人增加了一条更及时更准确的预警途径。

　　六、本实证分析的局限性

　　一是所选上市公司的行业区别带来的模型偏差未能解决。未能通过控制变量的方法来减少外部经济环境因素所可能带来的预测偏差。二是此预测模型结论的准确性受到上市公司发布财务数据真实性的影响，可能导致相应的一些财务指标出现异常。三是由于受上市公司样本数据收集的限制，一时还无法对这些样本进行连续几年的跟踪检验，但这种方法和思路已经给了我们一个良好的开端。四是未能收集足够的公司样本进行研究。

　　【参考文献】

　　[1] 赵息，肖铮，何辉渝．Logistic模型在上市公司财务预警中的应用研究[J]．西安电子科技大学学报，2007，（2）：21-24.

　　[2] 芦勇. 中小企业财务风险预警系统的指标体系研究[J]. 企业家天地，2006，（10）：64.

　　[3] 智文义，王恒，张利军. 浅谈企业财务预警系统[J]. 机械管理开发，2007，（3）：147-148.

　　[4] 定鹏.中小企业财务预警系统探讨 [J].中国集体经济， 2007，（2）：135-137.

　　[5] 张根明.基于支持向量机的上市公司财务预警模型研究[J].科技管理研究,2007，（4）：234-235.