企业破产的财务预警分析模型有哪些
1个回答
2016-01-03 · 知道合伙人金融证券行家
GUYOL8888
知道合伙人金融证券行家
向TA提问 私信TA
知道合伙人金融证券行家
采纳数:51565
获赞数:224538
企业年度先进。 30年的商业、服务业、工业、会计领域工作经验。 1987年参加全疆大中专院校珠算比赛二等奖。
向TA提问 私信TA
关注
展开全部
典型财务预警模型:
企业的财务报表等所提供的会计信息综合反映了企业财务状况和经营成果,根据企业会计信息的结构、比率和比较分析可以研究企业的偿债能力、盈利能力、发展能力和资金运营状况,可以分析企业的安全状况。
(1)单变量判定模型(UnavailableDiscriminateModel)。
以单一的财务比率指标为基本变量,运用配对样本法,随机挑选了1954年到1964年间79家危机中的企业,并针对这79家企业逐一挑选与其产业相同且资产规模相近的79家正常企业,再将样本企业分为训练样本与测试样本两组。先以训练样本企业破产前5年的30项财务比率进行二分类检验(Dichotomous
Classification Test )。用以找出最具区别能力的财务比率及其分界点,并利用测试样本预测及验证其财务比率及分界点的危机预警能力。
威廉·比弗的结论是,最键厅能对企业危机做出预警的指标是“现金流量/总负债”比率,其次为“总负债/总资产”比率和“净利润/总资产”比率。在企业破产前5年可达70%以上的预测准确率,在企业破产前1年可达87%的预测准确率。明岁
(2)多元判定模型(Multivariate Discriminate Model)。
该模型又称奥尔特曼模型或Z分数模型(Z-score Model)是由美国财务专家爱得华?奥尔特曼(Edward .I.
Altman)提出的。他认为,偿债能力的丧失是引起企业破产的主要原因,企业在财务状况良好——财务危机——破产——清算这一过程中,是有信号可预测的。经过大量实证考察和研究之后,于1968年才提出了多元Z值判定模型,即:
Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5
(3)F分数模型(F-Score Model)。
由于Z分数模型在建立时并没有充分考虑到现金流量变动等方面的情况,因此有一定的局限性。为此,我国学者周首华、杨济华对Z分数模型加以改造,于1996年提出了财务危机预测的新模型——F分数模型。在F分数模型中加入现金流量这一有效的预测变量,弥补了Z分数模型的不足。同时,该模式还考虑到现代企业财务状况的发展及标准的更新,比如,由于现金管理技术的提高,致使企业所应维持的必要流动比率有所降低,该模式的样本选用更为扩大,它使用了Compustat
PC Plus 会计数据库中1990 年以来416 家公司的数据进行检查,而Z分数模型的样本仅为66 家。
F分数模型如下:
F=
-0.1774+1.1091X1+0.1074X2+1.9271X3+0.0302X4+0.4961X5
(4)神经网络预警模型。
1987年,Lapeds和Fayber首次应用神经网络进行预测,开创了神经网络预警的先河。该模型适合于对复杂性、时变性和模糊性的系统进行预测。神经网络方法预警模型主要建立在“黑箱法”的基础上。它把复杂系统当作一个黑箱,然后通过刺激(输入)、反应(输出)来研究系统的结构和性质。人脑的思维机制可分为抽象思维(逻辑推理)和形象思维(不确定性推理),神经网络模型根据生物神经元的外部行为特征,推测具有类似于阀值逻辑的结构,提出人工神经元的阀值逻辑模型。
BP(Back
propagation)模型是神经网络方法中一种比较常用的模型,这种模型把系统看作一个黑箱,考虑其输入和输出之间的非线性映射,输入过程可用输入节点来表示,输出过程可用输出节点来表示。假定系统内部结构为未知,同时用隐节点来表示内部机激亮睁制,从而形成一种用人脑神经元突触行为模拟节点机制的类似神经的人工神经网络。这样,可通过不断地输入和输出,以及对有限多个样本的学习来达到对所研究系统内部的模拟。
企业的财务报表等所提供的会计信息综合反映了企业财务状况和经营成果,根据企业会计信息的结构、比率和比较分析可以研究企业的偿债能力、盈利能力、发展能力和资金运营状况,可以分析企业的安全状况。
(1)单变量判定模型(UnavailableDiscriminateModel)。
以单一的财务比率指标为基本变量,运用配对样本法,随机挑选了1954年到1964年间79家危机中的企业,并针对这79家企业逐一挑选与其产业相同且资产规模相近的79家正常企业,再将样本企业分为训练样本与测试样本两组。先以训练样本企业破产前5年的30项财务比率进行二分类检验(Dichotomous
Classification Test )。用以找出最具区别能力的财务比率及其分界点,并利用测试样本预测及验证其财务比率及分界点的危机预警能力。
威廉·比弗的结论是,最键厅能对企业危机做出预警的指标是“现金流量/总负债”比率,其次为“总负债/总资产”比率和“净利润/总资产”比率。在企业破产前5年可达70%以上的预测准确率,在企业破产前1年可达87%的预测准确率。明岁
(2)多元判定模型(Multivariate Discriminate Model)。
该模型又称奥尔特曼模型或Z分数模型(Z-score Model)是由美国财务专家爱得华?奥尔特曼(Edward .I.
Altman)提出的。他认为,偿债能力的丧失是引起企业破产的主要原因,企业在财务状况良好——财务危机——破产——清算这一过程中,是有信号可预测的。经过大量实证考察和研究之后,于1968年才提出了多元Z值判定模型,即:
Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5
(3)F分数模型(F-Score Model)。
由于Z分数模型在建立时并没有充分考虑到现金流量变动等方面的情况,因此有一定的局限性。为此,我国学者周首华、杨济华对Z分数模型加以改造,于1996年提出了财务危机预测的新模型——F分数模型。在F分数模型中加入现金流量这一有效的预测变量,弥补了Z分数模型的不足。同时,该模式还考虑到现代企业财务状况的发展及标准的更新,比如,由于现金管理技术的提高,致使企业所应维持的必要流动比率有所降低,该模式的样本选用更为扩大,它使用了Compustat
PC Plus 会计数据库中1990 年以来416 家公司的数据进行检查,而Z分数模型的样本仅为66 家。
F分数模型如下:
F=
-0.1774+1.1091X1+0.1074X2+1.9271X3+0.0302X4+0.4961X5
(4)神经网络预警模型。
1987年,Lapeds和Fayber首次应用神经网络进行预测,开创了神经网络预警的先河。该模型适合于对复杂性、时变性和模糊性的系统进行预测。神经网络方法预警模型主要建立在“黑箱法”的基础上。它把复杂系统当作一个黑箱,然后通过刺激(输入)、反应(输出)来研究系统的结构和性质。人脑的思维机制可分为抽象思维(逻辑推理)和形象思维(不确定性推理),神经网络模型根据生物神经元的外部行为特征,推测具有类似于阀值逻辑的结构,提出人工神经元的阀值逻辑模型。
BP(Back
propagation)模型是神经网络方法中一种比较常用的模型,这种模型把系统看作一个黑箱,考虑其输入和输出之间的非线性映射,输入过程可用输入节点来表示,输出过程可用输出节点来表示。假定系统内部结构为未知,同时用隐节点来表示内部机激亮睁制,从而形成一种用人脑神经元突触行为模拟节点机制的类似神经的人工神经网络。这样,可通过不断地输入和输出,以及对有限多个样本的学习来达到对所研究系统内部的模拟。
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询