关键词： 财务风险预警；指标体系；功效系数
1 研究目的和意义
对企业的财务风险进行分析研究，可以更加清楚地认识风险，提高企业运营的安全性，在保证财务安全稳健的情况下，合理把握企业的投资经营利润和风险之间的关系，提高相关决策的科学性，充分发挥企业财务风险管理，在预防和化解企业资金困难方面的作用，提高资金的使用效率。
2 财务风险预警指标体系的建立
2、1 财务预警指标体系的建立
①筹资预警指标。该指标主要包含资产负债率即负债总额与资产总额之比、盈余现金保障倍数、已获利息倍数等。
②投资预警指标。该指标主要包括总资产增长率即本年总资产增长额与年初资产总额之比、净资产收益率即净利润与所有者权益之比。
③营运预警指标。该指标主要包含总资产报酬率、应收账款周转率即销售收入与平均应收账款之比等。
④分配预警指标。该指标包含股利支付率即股利总额与净利润总额之比、资本积累率。
2、2 权重的确定 本文将财务预警指标体系中筹资预警指标、投资预警指标、营运预警指标及分配预警指标作为准则层，将上述四个方面的指标中所包含的各自的二级指标作为最低层，即指标层。建立结构层次如表2所示。
2、3 构建不同层次的优先次序判断矩阵 建立层次结构后，以矩阵的形式表达B层中各准则对A层的相对重要性和C层中各指标在其上层B层中各准则的权重，其矩阵元素的确定公式为：
fij=1，表示因素Bi比因素Bj重要0、5，表示两个因素同等重要0，表示因素Bi没有因素Bj重要（i，j=1，2，3，…n）
3 企业财务风险预警模型建立
综合功效系数法的财务风险预警函数模型如下：
G=ΣGiWi
其中G为该企业的综合功效系数，Gi为单项功效系数变量，Wi为权数。
4 计算综合功效系数确定警情
在计算出单项功效系数和确定好各个指标的权重的基础上，运用以下公式求出企业的综合功效系数，再根据结果的大小，确定警情。根据综合功效系数=Σ单项功效系数X该指标的权重，可将警情划分为相应的警度区间。
5 案例分析
从石油行业的发展趋势来看，准确分析自身在财务管理活动中的优势与不足，建立完善的财务监测与风险预警系统，做好财务风险防范与规避准备，对石油行业来说是非常必要而且紧迫的。
5、1 预警指标体系应用 本文中的标准值是以《2011年企业效绩评价标准值》中石油石化业大型企业的标准值为依据进行选取的。满意值为行业优秀值，不容许值为行业较低值。对于《2011年企业效绩评价标准值》中没有统计而本财务风险预警指标体系中涉及到的指标标准值则是根据航运业所有上市公司的平均值进行计算得出的。
5、2 财务风险分析 本文以石油行业深圳上市公司2011年的财务报表数据为依据，计算出各公司的综合功效系数，如表4所示。
通过表4的财务数据对比分析，可以大致得出相关石油企业的财务风险情况：
第一，从筹资来看，除泰山石油、茂化实华、恒泰艾普、潜能恒信公司资产负债率偏低情况外，剩下的那些公司，其资本结构还算比较稳定，经过计算，可以的到，上述公司的资产负债率的平均值为25、39%，同我国石油化工行业企业的平均值50%还有一定的差距。这就使得上述公司，在融资方面，还有进一步挖掘的潜力。
其次，由于石油行业本身的特点，即资金投入规模大，但是，收益往往比较低，而且投资的回收期也比较长，投资一座矿井亦或勘探一个油田至少需要数亿元庞大的资金数，相关的数据资料显示，一般的石油行业投资回收期为十几年甚至有的是几十年。从这方面考虑，就需要石油企业，在进行投资过程中，一定要权衡投资收益、回收期限和风险之间的关系，降低投资风险。
第二，从营运方面来看，我们主要通过总资产报酬率和应收账款周转率两项指标来说明公司营运状况，恒泰艾普、潜能恒信公司总资产报酬率和应收账款周转率相对于其他公司偏低，导致其单项功效系数落后，最终致使综合功效系数很低，公司需加强营运管理。
第三，收益分配进行的不够积极，这是由行业性质所决定的。作为石油行业市场份额多为中石油中石化占有，企业谋求战略化发展须留存大量资金，故而股利分配较低。不过公司可以适当提高股利分配，因其这对打造石油上市企业蓝筹股形象，拓展融资空间是有好处的。
参考文献：
[1]Management[M]、McGraw-Hill；Eugene，2001（88）、
[2]于新华、企业财务风险管理与控制策略[J]、会计之友，2009，5、
关键词：建筑企业；财务风险；分析；预警
中图分类号：TS958 文献标识码： A
从20 世纪末，随着我国社会主义市场经济的腾飞，建筑市场也得到了迅速的发展，无论从广度还是深度上都有了新的突破。因为我国的政府行政管制逐渐地放开，打破了原来计划体制的产物―――行业壁垒。随之而来的是市场缺乏必要的规范与对应的准入机制，市场没有完全向着健康方向发展，恶性竞争愈演愈烈，而建筑行业也相对较早地变完全的垄断行业为尚不成熟的完全竞争性行业。而当时的国家采取了以控制投资规模为重点的宏观政策，由此导致了我国建筑行业经营收入总体上呈现出收敛状态，建筑行业的处境不容乐观。随着时间推移，在近些年市场环境不断规范、经济社会的宏观环境有所改善的形势下，建筑行业也随之迎来了乐观的经济增长周期。建筑行业从原来的举步维艰，到现在的良好现状，似乎拥有一个光明的未来，但现实去仍然严峻。究其原因，是建筑企业仍采用之前的无法适应当前的市场环境的管理系统以及经营模式，仍然是采用落后的扩大再生产的经营方式来承担远远大于本身经营能力的业务量，由此产生了巨大的企业风险。
一、概述
建筑工程投资规模大，工期长，人员具有较大的流动性。工程在建期间，施工管理任务繁重，生产经营状况复杂多变，造价控制所面临的考验是非常严峻的，而且财务管理工作也存在诸多风险，加之企业缺乏抵御风险的能力，那么财务运营状况恶化，如亏损、投资回收率低等将成为必然。建筑企业要进行风险预控，提高投资回收率，首先要基于财务风险的特点和根源对风险点和风险类别进行准确预测，提高风险防范措施的针对性，同时构建一套相对完善的财务风险管理机制，尽量使企业规避风险所引起的经济损失，提高经济效益。
二、财务风险的主要特征
（一）客观必然性。在市场经济环境下，财务风险存在于每一个参与市场竞争的企业之中，人们无法改变它的存在状态，只能通过一定措施有效减少或降低财务风险带来的损失。企业存在于市场经济之中，必然受到财务风险的干扰。
（二）复杂多样性。风险不可能是单一因素造成的，引发企业财务风险的原因有很多，如市场环境改变、企业的某个决策失误、财务管理不得当等都会引发财务风险，所以财务风险具有复杂性特点。同时财务风险又是多样的，企业的任何经营环境都可能产生风险，这是管理者很难把握的。
（三）不确定性。财务风险只是存在，但并不一定确切发生。如果风险产生了，那么肯定会对企业造成不利影响，但如果不发生，那么就会朝有益的方向发展，所以企业存在财务风险并不一定是坏事。
（四）损失性。财务风险总是与损失联系在一起的，不管损失是大还是小，都会使企业蒙受损失。
（五）收益性。损失与收益虽既矛盾又可相互转化，风险与收益是成正比的，一般风险越大所得收益就越多，就像建筑企业一样，在迅猛的发展时期，其利润是相当可观的，但同时承受的财务风险也十分大。
三、建筑企业风险内容
当前的市场经济条件不同于计划经济，所有企业的本质的经营目的都是赢利，建筑企业也不例外。但是随着企业飞速发展的过程，市场的扩张以及承建项目数量不断增多，随之而来的是企业的风险的出现和变化。在企业的管理中，对风险的管理是一项不可忽视的工作。相对于其他行业，建筑企业的投资数量和种类更多，规模更大，周期也相对较长，产品更是较为多样。
（一）履约风险
建筑过程中，在工程承包合同生效以后建筑企业要根据合同的规定依法提供给业主一定的预付款保函和履约保函（通常各为合同价的10%），保函方式为现金担保和银行担保两种。但在施工过程中，技术、成本和资金等不确定因素都可能影响建筑企业，致使建筑企业由于客观原因不能履行合同所规定的义务，最终导致建筑企业面临履约风险。
（二）投标风险
建筑企业的运营是以投标为起点的，只有投标中标之后才能有工程项目并开始建造。但现在的投标市场尚缺乏规范性，监管也没有落到实处，就目前而言，投标风险在建筑企业的主要表现于不能确定的标价盈利空间以及不能准确预计的投标成本与投标回报。
（三）质量风险
工程质量的高低与建筑的工艺水准、技术是否成熟、材料质量好坏等许多因素有关。建筑企业要承担的质量风险主要有工程中可能发生的事故的严重程度、由修复工程水平差异导致的工程缺陷的相关费用多少。
（四）运营风险
运营风险是指建筑企业并不能确定自身可获得的营业利润。建筑企业最终获得的工程收入、工程施工全过程中消耗的总成本都会对其运营产生影响，存在运营风险。
（五）采购风险
在建筑的企业总成本里比重最大的当属材料成本，通常超过五成，所以材料成本对于工程成本有着不可小觑的影响。因为建筑的施工一般来说时间跨度较大，建筑材料价格受瞬息万变的供需情况以及宏观经济的影响较大而难以预计，尤其在当前全球普遍存在的通胀形势下，要承担比之前较高的材料采购风险。
（六）财务风险
2013 年10 月，中铁建发出一则公告，显示中铁建在沙特正在进行施工的一个轻轨项目面临着超过四十一亿元的巨额亏损。财务风险表现为：由于缺乏对应收账款的管理，不能及时收回应收账款，致使建筑企业的坏账增多，资金链受影响；建筑企业的实际能力不能满足在一定时期所进行的建筑项目的总量，令财务状况不容乐观；建筑企业在进行投标决策的过程中，缺乏必要的效益分析，导致建筑项目发生亏损。
（七）技术创新风险
当今社会技术的更新换代速度飞快，同意，企业要想具有生命力就离不开持续创新。技术创新具有一个显著的特征，即高收益和高风险的对称性。建筑企业所面临的技术创新风险就是因为技术创新成功的可能性受到技术创新过程的可控程度的影响，而这一过程是难以有效控制的。一项统计显示：商业成功率约为30%、经济的成功率为12%，也就是说失败率分别为70%、88%。据国内一项对新产品开发项目的调查显示，7O%的获得技术成果，但开拓了市场的项目仅有11%。
（八）工程分包风险
在建筑工程的管理过程中，管理层不能与作业层进行即时的信息交流，这在很大程度上影响或制约了建筑工程的进度和质量。因为作业层，建筑企业也许无法对工程的管理进行实质上的监管，使得建筑工程无法达到预期的效果，最终导致建筑企业面临无法履约的风险。
四、建筑企业风险预警系统
以企业的危机预警系统组成原理为基础，可以将企业的危机预警系统分为危机评判子系统、危机监测子系统、危机预报子系统三个组成部分。考虑到对建筑项目的风险管理，可以将工程项目的风险预警系统分为五个子系统（见图1）。
（一）风险评判子系统
风险评判由风险估计和风险评价两部分组成。风险估计是指通过对风险的定量分析来估计和预测风险发生的可能性、可能造成的损失和不良后果。风险评价则是指基于各种风险的共同作用，对风险的各项因素对建筑项目所造成的影响以及建筑企业面临的各项风险的风险量作出科学的评价。就建筑工程项目可能存在的风险的种类而言，建筑企业应当确立并构建风险警度评价指标体系。通过建立警度评价指标体系，建筑企业能正确认识到所面临的风险的性质以及风险的程度。建筑企业在建筑项目的实际建设过程中要面临的风险种类很多。成功构建风险预警系统以后，建筑企业在系统运作的过程中，如果发现了更能适应工作的新指标，就应把新指标加入到警度评价指标体系中去，这样才能更为及时和准确地发现新风险，降低甚至规避预警系统的误判和漏判出现的可能性。
（二）风险识别子系统
风险识别是建筑项目实施过程中的一项经常性工作，是指分析在建筑项目建设的过程中要面临何种风险，并进一步把这些风险按照特性进行分类。风险识别子系统通常由收集资料、分析项目的不确定性、确定风险事件、编制风险识别报告等部分组成。
（三）风险对策子系统
风险对策子系统是建筑企业存储处理不同情况的风险的方案的对策库。要发挥风险对策子系统的作用，须完成如下两项工作：一是归纳和总结已实施的对策，以便于日后借鉴和参考；二是模拟预控对策，预控对策子系统的中心任务是研究和选择警戒状态下和危险状态下的危机管理对策。
（四）风险预警子系统
风险预警子系统是依据风险评价子系统中得到的风险量，判断是否有必要发出警报，如果有必要，还应判断需要发出哪种状态的警报。如果风险的危害程度较大，就要及时地向建筑企业的高级管理层发出警报。根据建筑工程项目当前的状态、风险管理者的能力和水平，风险预警子系统对风险预警所处的区间进行确定，进而判断风险量处在哪一种状态。
（五）风险后评价子系统
在风险评判、风险识别、风险对策和风险预警四大子系统完成运行后，仍有必要对风险预警管理进行风险后评价。风险后评价包括：一是对改进后的风险指标进行再评价，判断实施相应的策略和措施后所获得的效果；二是收集风险计划实施的反馈信息，在此基础上进一步提高决策效率；三是检查预警系统能否准确判断，如果有误判等情况要尽快地处理。
五、建筑企业风险预警系统建立
从某种程度上来说，风险预警系统是建筑企业的战略信息系统。在该系统的生命周期中，多数步骤需要企业几乎所有部门的大部分工作人员的共同参与。完全构建建筑施工的企业风险预警系统离不开各部门工作人员的合作，特别是高级管理层的重视和所需配套资源的支持程度。同时，建筑企业采用风险预警管理还必须依据项目的进展情况来确立配套的跨部门协调机制，并设立相应的管理部门。
（一）履约风险预警
就一个建筑项目而言，如果发生违约，需要支付的违约金额远远超出预计的亏损总额，这意味着其面临的履约风险被提升。另外，建筑企业还应充分地考虑企业总资产、全部的保函金额和净资产的关系。当保函金额的比重持续加大时，建筑企业对履约风险的考虑要特别慎重。
（二）投标风险预警
投标风险在建筑企业的一切风险中是最不容易确定的，相应的控制和风险预警也最不容易把握。建筑企业可以利用会计信息来对投标风险进行预警，对以下的指标涉及最大的，即在中标项目的预计盈利空间和投标成本之间建立联系，以及在签约合同额和投标的成本之间建立起联系。倘若盈利空间或签约合同额持续减少，但投标的投入持续增加，就意味着投标风险会对建筑企业的发展造成不良影响。
（三）财务风险预警
资本金、负债、工程款以及金融机构借款是当前国内未上市的建筑企业的四种主要资金来源。向金融机构借款所产生的财务风险最应注意资金的成本问题，即利率并非一成不变。因为利率一旦变动，就会对企业财务费用的风险目标造成一定影响，要时刻关注并预测利率变化。
（四）经营风险预警
许多方面的因素会对施工企业经营风险产生影响，其中最为显著的是工程成本以及工程结算收入。建筑企业应建立起本企业的收益模型，在本企业的收益模型的基础上确定有可能对企业带来损失的风险因素，并建立起相应的指标体系以体现和量化这些风险。
（五）材料采购风险预警
材料采购风险预警的常用方式是通过风险指标的设定来显示单位成本的降低率。当风险接近或者超过该指标时立即通知相关的部门以在第一时间采取相应的措施进而控制风险。
（六）质量风险预警
建筑企业在建立质量风险预警以前，必须核算好质量成本，完善好质量成本核算帐簿，并设置好质量成本的预警目标。质量成本越接近预警目标，就意味着要付出更多钱来修复工程缺陷，此时企业建筑工程的质量管理的问题已经越来越严重。
（七）工程分包风险预警
业主通常都会对建筑企业采取风险防范措施，但建筑企业对分包单位却缺乏有实质性作用的风险防范，这导致建筑企业在与业主发生纠纷时常处于被动局面。对工程分包风险预警的重中之重是建立起对分包单位的指标防范系统，使建筑企业能对分包单位采取行之有效的监控。
（八）技术创新风险预警
技术创新的风险的重点是衡量技术创新工作的投资回报，所以要重视和完善对于技术创新的核算，准确核算，若无法按原先的计划实现目标控制，就要立即进行风险预警。
结语
建筑企业的财务管理工作对建筑企业的发展至关重要。为了加强财务管理工作，预防财务问题的产生，建筑企业要时刻进行财务分析，加强强化资金管理意识，加强预算管理力度，提高建筑企业财务工作人员的业务水平。只有如此，建筑企业才能不断获得发展，在日益激烈的建筑市场中得以生存。
参考文献
[1]田粉方、 建筑企业财务风险分析及预警研究[J]、 企业研究，2014，（18）、
关键词：氯碱化工；财务风险；财务预警
中图分类号：F23 文献标识码：A
收录日期：2017年3月29日
一、研究回顾
目前，国内对于财务预警的研究主要有以下几种模型：多元线型判别法以Z-score模型为例，该模型仅适合应用于短期预测的结论。Altman的Z-score模型尽管还存在一定的不足和片面性，例如样本材料数据的选取要符合正态分布，而且通常对公司前一年的预测精确度较高，对前两年前三年的预测精度有所下降。不可否认的是他的综合分析思想却对后来的研究产生了深远的影响。F分数模型相比Z-score模型，新加入了现金流量这一自变量指标，同时考虑了公司财务状况的发展和变化，决策者可以较容易地建立财务危机预警机制。Logistic模型的研究对于我国来说主要分为两种，一种是研究者采取的样本或者均为中小企业的上市公司，不能代表大部分我国的上市公司；另一种是配对抽样相当于默认风险公司与无风险公司的比例是相等的，与事实显然不符，可能会产生过度抽样或样本自我选择问题，由此也会高估模型的有效性。功效系数法作为一种反映多指标、综合分析的定量评价的方法，它运用简单明了的计算公式，根据各项指标的重要性来确定指标的权重，但是蜗畹梅值钠兰郾曜既范难度较大，不易操作。
二、研究设计
（一）样本选取。本文选择化工行业2013～2015年财务数据构建模型。根据统计学原理，选取2015年化工行业上市公司为ST公司的10家公司，再选取与之相配对的非ST公司100家，总共110家上市公司作为样本，用这110家公司2013～2015年财务数据构建模型，并与真实算出的比率作对比，进而算出其准确率。
（二）指标选取。因为笔者主要研究化工行业上市公司财务预警模型的构建，所以上市公司的财务绩效（ST或非ST）即为被解释变量。上市公司财务绩效的影响因素即为解释变量。但是，目前还没有对上市公司财务绩效进行测度的权威指标，所以在参考其他学者的著作前提下，笔者将选取以下财务指标作为上市公司财务绩效的影响因素：流动比率、速动比率、资产负债率、产权比率、总资产增长率、净利润增长率、应收账款周转率、存货周转率、总资产周转率、全部现金回收率、营运指数、总资产净利润率、净资产收益率、营业毛利率、成本费用率共15个财务指标。根据上节对变量设计及解释的描述，笔者构建影响因素模型所涉及到的变量如表1所示。（表1）
（三）模型的构建。根据前文的理论分析，笔者将上市公司财务绩效预警的影响因素模型构建为：
Y=a0+a1×X1+a2×X2+a3×X3+a4×X4+a5×X5+a6×X6+a7×X7+a8×X8+a9×X9+a10×X10+a11×X11+a12×X12+a13×X13+a14×X14+a15×X15+ε
其中，Logit（Y）=ln ，我们可以算出？籽值，当？籽>0、5时，即判定为财务困境公司，反之则判定为经营状况正常的公司。另外，ε为模型中的残差项。由于该模型中的自变量个数较多，所以在后文的实际结算中，笔者将采用“向后：条件”法筛选自变量，并设置为进入概率为0、05，删除概率为0、10。
由表2可知，在关于各个变量的单样本k-s检验结果中，“流动比率、速动比率、资产负债率、产权比率、总资产增长率”变量k-s检验对应的概率P值均小于显著性水平0、05，应拒绝检验的零假设，即可认为“流动比率、速动比率、资产负债率、产权比率、总资产增长率”的样本数据均不符合正态分布。（表2）
由表3可知，在关于各个变量的单样本k-s检验结果中，“净利润增长率、应收账款周转率、存货周转率、总资产周转率、全部现金回收率”变量k-s检验对应的概率P值均小于显著性水平0、05，应拒绝检验的零假设，即我们可认为“净利润增长率、应收账款周转率、存货周转率、总资产周转率、全部现金回收率”的样本数据均不符合正态分布。（表3）
由表4可知，在关于各个变量的单样本k-s检验结果中，“营运指数、总资产净利润率、净资产收益率、营业毛利率、成本费用利润率”变量k-s检验对应的概率P值均小于显著性水平0、05，应拒绝检验的零假设，即我们可认为“营运指数、总资产净利润率、净资产收益率、营业毛利率、成本费用利润率”的样本数据均不符合正态分布。（表4）
综上所述，由于所选15个指标数据均不符合正态分布，而Logistic模型不需要严格的假设条件，预警准确率也相对较高，所以本文选用此方法来预测上市公司的经营状况。
在本节中，笔者以2013～2015年化工行业上市公司为样本进行Logistic模型建立，如表5所示。（表5）
由表5可知，在Logistic回归分析模型中，“非财务困境”在模型中的编码为0；而“财务困境”在模型中的编码为1。
由表6可知，设置向后步进的进入概率为0、05，删除概率为0、10，经“向后：条件”法筛选自变量后，模型1中的自变量只剩下了：资产负债率（X3）、总资产增长率（X5）、净利润增长率（X6）、存货周转率（X8）、营业毛利率（X14）、成本费用利润率（X15）。（表6）
表6中的B值代表的是各个变量的回归系数，我们在构建模拟方程时就是将每个B值代入到15个财务指标前作为系数，构建Logistic财务预警模型的模拟方程，如下：
Y=-2、174+2、749×X3-2、425×X5+0、014×X6-0、026×X8-7、816×X14-1、542×X15
而通过Logit（Y）=ln 公式，我们可以算出？籽值，当？籽>0、5时，即判定为财务困境公司，反之则判定为经营状况正常的公司。
（四）模型的检验。先对选取的110家制造业公司2013～2015年的上述6项指标代入模型进行预测模拟，计算结果并比较值。如果>0、5，则说明该公司极有可能陷入财务危机，反之则说明公司状况良好，处于正常经营状态。计算结果如表7所示。（表7）
由表7可知，笔者所建立的Logistic模型对2013～2015年的样本数据检验出来的结果：30家ST公司中有7家被误判，300家非ST公司中有2家被误判，ST与非ST公司的判别准确率分别为：76、7%和99、3%，准确率总体上为97、3%。上述分析结果表明笔者所建立的Logistic模型能够在一定程度上预测出我国制造业上市公司的经营状况，能够较准确地预测出化工行业上市公司是否会被ST。
三、研究总结
本文通过对上文中选取的研究变量进行统计筛选，并应用于模型的建立，得出适用于我国氯碱化工上市企业的财务危机预警模型。通过对模型的检验，结果表明预警模型的预测准确率是可以满足该类企业的财务预警需要的。但是，本文选取在证券交易所上市的110家氯碱化工行业的上市公司作为研究对象，而未上市的氯碱化工公司也在经济活动中发挥重要作用，需要未来拓展研究。本文以氯碱化工类上市公司对外公布的财务指标进行预警模型构建和分析，未纳入非财务性因素变量，在未来研究中应扩大指标范围，使研究更加准确。
主要参考文献：
【关键词】 财务风险； 主成分分析； 支持向量机； 粒子群算法
【中图分类号】 F270 【文献标识码】 A 【文章编号】 1004-5937（2017）14-0052-05
制造业公司是我国市场经济的重要组成部分，为我国社会主义市场经济的繁荣发展起到了至关重要的作用。根据国家统计局公布的最新统计数据，2016年11月的制造业采购经理指数（PMI）为51、7%，比上月上升0、5个百分点，延续上行走势，升至两年来的高点。但是，企业生产经营中仍存在一些困难，企业的各项经营活动、投资活动和筹资活动都会引发企业的财务风险[ 1 ]。因此，公司需要加强对企业财务风险的分析和管理，建立有效的财务风险控制机制，从而实现持续经营，营造百年老店。所以，如何判别并改善制造业公司的财务风险，对于进一步促进制造业实体经济健康发展具有重要现实意义。
本文基于粒子群算法（PSO）优化支持向量机（SVM）模型的公司财务风险实证研究，以二元分类为例，选取36家制造业公司为研究样本，并将其划分为训练样本和检验样本，每个子样本根据配比方案分为金融危机公司（ST和*ST）和非金融危机公司（非ST和*ST），运用主成分分析法对36家制造业公司的6大类13个不同方面的财务指标进行综合评价，通过引入支持向量机（SVM），沿袭LIBSVM工具箱对制造业公司的财务风险进行判别，最后利用粒子群算法（PSO）对支持向量机（SVM）参数进行优化，从而实现对制造业公司财务风险的度量，这有助于制造业公司制定更加有效的财务决策，以降低财务危机发生的概率，促进其自身的可持续发展。
一、指标体系构建
（一）样本的选取
通过参照国内外相关学者的文献研究，采用Zavagren提出的正常组与违约者2 ：1的配比方案，从数据可得性和真实性考虑，选取上海证券交易所和深圳证券交易所中符合证监会《上市公司行业分类指引》（2012年版）的2013―2015年36家制造业上市公司为研究样本[ 2 ]。样本数据主要来自上海证券交易所、深圳证券交易所、各上市公司年报、WIND数据库、国泰安数据库以及金融界网站。
行业选择：因为行业不同，其生产特点和生产周期不同，财务指标也会存在较大差异，为保证判别模型的准确性和实用性，选择制造业上市公司为研究样本。
金融危机公司（ST和*ST）：在t年因“财务状况异常”被特殊处理的上市公司，同时确保可以获得（T-2）财务报表数据。
非金融危机公司（非ST和*ST）：在为金融危机公司（ST和*ST）选择相应的非金融危机公司（非ST和*ST）时，要求根据中国证监会行业分类（2012年版）的制造业行业代码进行匹配，保证金融危机公司（ST和*ST）和非金融危机公司（非ST和*ST）的行业相同或相似。同时确保相匹配的金融危机公司（ST和*ST）和非金融危机公司（非ST和*ST）的财务数据来源于同一个会计年度。
组间数量分布：选取上海证券交易所和深圳证券交易所中金融危机公司（ST和*ST）12家和非金融危机公司（非ST和*ST）24家，样本总量合计36家公司2013―2015年的财务数据，具体见表1。
为进行财务风险的有效判别分析，将上述36家制造业上市公司样本分为两个子样本，即训练样本和检验样本。考虑到金融危机公司（ST和*ST）和非金融危机公司（非ST和*ST）的务数据配比，对两个子样本的比例进行了适当分配，其中训练样本包括16家非金融危机公司（非ST和*ST）以及与之相配对的8家金融危机公司（ST和*ST），检验样本包括8家非金融危机公司（非ST和*ST）以及与之相配对的4家金融危机公司（ST和*ST）。
（二）指标的选取
广泛参考以往国内外相关研究、企业财务特点以及衡量风险的方法[ 3 ]，选取6大类13个不同方面的财务指标，用来衡量企业的偿债能力、盈利能力、营运能力、发展能力、风险水平及现金流分析[ 4 ]，具体见表2。
二、实证研究
（一）主成分分析
为减少多重共线性对模型准确性造成的影响[ 5 ]，就选取的36家制造业上市公司2013―2015年的6大类13个财务指标进行正向转换和标准化，采用KMO（Kaiser-Meyer-Olkin）和Bartlett球形度对变量之间进行相关性检验，其KMO数值为0、657>0、5，表示选取的6大类13个财务指标之间存在线性关系，适合作主成分分析，具体见表3。
运用最大方差旋转法提取常用的因子，需通过重复实验确定的数量来指定共同的因素，以确保累积贡献率不低于80%。根据最大方差旋转法提取了6个公因子，其贡献率合计为82、141%，说明选取的6个公因子能够代表13个财务指标的基本信息，可以用来对原始指标变量进行分析[ 6 ]，具体见表4。
确定了影响因素的个数后，为使各因子的总方差负荷值达到最大值，采用旋转的最大方差法来阐明各因素的具体含义[ 7 ]。同时，为使结果更加明晰直观，采用取消小系数法，只显示旋转因子负载值大于0、6的系数。旋转因子荷载的绝对值越大，表明该因子与其关系越密切，越能代表原始变量，具体见表5。
通过选择负载因子达到最大的变量，可得到6个具有代表性的变量及对应的因素，分别为X2、X6、X7、X10、X12、X13，其中训练样本和检验样本中类别1代表非金融危机公司（非ST和*ST），类别-1代表金融危机公司（ST和*ST），具体见表6。
（二）PSO-LIBSVM模型分析
支持向量机（Support Vector Machines，SVM）是一种新兴的通用学习方法，其将传统的算法转化为一个二次型寻优问题[ 8 ]。基于VC维理论结构风险最小化思想，支持向量机相比其他非线性函数逼近方法具有更强的泛化能力，其拓扑结构主要取决于支持向量，这样就有效解决了需要根据经验对传统的神经网络拓扑结构进行试凑的问题，例如林智仁博士研发的LIBSVM工具箱。LIBSVM工具箱作为高效支持向量机的算法研究平台，巧妙地解决了多类问题，根据交叉验证选择参数，其核函数包括径向基函数、线性函数、多项式函数以及S型函数四种。
粒子群中的粒子通过跟踪记录下来的pi和pg的历史值在迭代过程中不断更新其位置和速度[ 11 ]。选取LIBSVM训练样本的预测误差为评判粒子群中每一个粒子适应度的标准，选择LIBSVM工具箱中的径向基核函数（RBF）为支持向量机（SVM）的核函数，再通过粒子群算法（PSO）得到惩罚系数C和核函数参数g的最优组合，其最优解就是粒子群中对应误差最小的粒子[ 12 ]。粒子群算法（PSO）优化SVM参数主要是通过初始化粒子群的位置、速度，计算每一个粒子的适应度，选择其中适应度最低的粒子，将其适应度与全局最优值进行比较，如果其适应度低于全局最优值则取其为全局最优值，更新粒子群，未达到终止条件时继续计算每一个粒子的适应度，达到终止条件时即可输出gbest，终止条件主要指达到最大迭代字数或者适应度低于预设值。
根据表6的结果，采用LIBSVM训练算法，结合粒子群算法进行优化，在MATLAB中输入6个节点，分别对应选取的6个主成分指标[ 13 ]。运行MATLAB程序代码得出Figure 1适应度曲线，其中参数学习因子c1=1、5，c2=1、7，终止代数=300，种群数量pop=30[ 14 ]，参数优化适应度曲线如图1所示。
模型有效性的判别通常需进行样本内及样本外检验。样本内检验指根据模型建立的数据，对预测值和实际值的差异进行比较。训练集样本中包括表1所列示的16家非金融危机公司（非ST和*ST）以及与之相配对的8家金融危机公司（ST和*ST），其样本内模型的总体准确率达到80、5556%，运行MATLAB程序代码得出Figure 2如图2所示。
样本外检验指检验之前预留的样本。用于样本外检验的测试集样本中包括表1所列示的8家非金融危机公司（非ST和*ST）以及与之相配对的4家金融危机公司（ST和*ST），其检验总体判断准确率68、5714%，运行MATLAB程序代码得出Figure 3如图3所示。多次运行程序平均用时72、266s，最终结果见表7。
模型实证结果表明，构建的基于粒子群算法（PSO）优化SVM的制造业公司财务风险预警模型是可行的，其样本内检验的准确率、样本外检验的准确率分别达到80、5556%和68、5714%（导致其结果的原因可能是测试样本中数据缺乏），可以对制造业公司财务风险进行较为准确的度量，是将人工智能算法运用到经济管理领域的有效尝试，对分析公司财务风险具有一定的现实指导意义。
三、结论
通过以上构建的基于主成分分析与支持向量机的方法对我国制造业公司财务风险进行分析，运用MATLAB软件建立了基于粒子群算法（PSO）优化SVM的制造业公司财务风险预警模型，可以得出以下结论：
（1）指标体系的构建是评价制造业财务风险的基础。采用主成分分析方法，简化了财务风险指标变量的个数，获得6个主成分关键指标。实证检验说明这6个财务指标的选取符合我国制造业公司的特点，适应我国制造业公司面临的经济环境。
（2）粒子群算法（PSO）优化SVM的模型对制造业公司的财务风险预警是可行的。粒子群算法（PSO）优化SVM的模型不受制于变量的分布情况，适用于财务分析，具有较高的准确率。同时，粒子群算法（PSO）优化SVM的模型本身具有变量选择的功能，可以减少计算量和评分的成本，还可以提高模型的判别能力[ 15 ]。实证检验表明，构建的制造业公司财务风险预警模型是有效的，样本内检验的准确率、样本外检验的准确率分别达到80、5556%和68、5714%，可以对制造业公司财务风险进行较为准确的度量，可以为财务决策提供依据。
（3）基于PSO优化SVM的制造业公司财务风险预警研究也存在一定的不足之处。文中选取的代表公司财务状况的特征指标并不全面，不能概括企业经营过程中的非财务因素，而且所提供的信息主要是历史信息，时效性较差，样本结构和样本规模也缺乏广泛性，缺乏对风险信息和不确定信息的披露。另外，制造业上市公司的个体特征、行业特征、区域经济发展水平、地方政策等因素存在多变性，这对模型的准确性和可靠性均会造成一定程度的影响。
【参考文献】
[1] 赵璐、低碳经济背景下煤炭企业财务风险研究[J]、生产力研究，2015（10）：143-146、
[2] 孔宁宁，魏韶巍、基于主成分分析和Logistic回w方法的财务预警模型比较：来自我国制造业上市公司的经验证据[J]、经济问题，2010（6）：112-116、
[3] 朱晓燕，潘美芹、基于Logistics回归的中小上市公司财务风险评级模型[J]、上海管理科学，2015，37（6）：91-94、
[4] 王君萍，王娜、我国能源上市公司财务风险评价：基于主成分分析法[J]、会计之友，2016（11）：60-66、
[5] 闫丹丹，夏虹、基于PCA的上市公司财务风险预测的实证研究[J]、商业经济，2014（12）：107-108，126、
[6] 泮敏，曾敏、基于主成分分析法的上市公司财务风险研究：以我国制造业为例[J]、会计之友，2015（21）：63-67，68、
[7] 吴冬梅，朱俊，庄新田，等、基于支持向量机的财务危机预警模型[J]、东北大学学报（自然科学版），2010，31（4）：601-604、
[8] 邬建平、基于主成分分析与最小二乘支持向量机的电子商务信用风险综合评分[J]、物流技术，2016，35（3）：87-93、
[9] 邓敏，韩玉启、基于支持向量机的大学财务困境预警模型[J]、南京理工大学学报（自然科学版），2012，36（3）：551-556、
[10] 姜明辉，袁绪川、个人信用评估PSO-SVM模型的构建及应用[J]、管理学报，2008（4）：511-515，615、
[11] 胡达沙，王坤华、基于PSO和SVM的上市公司财务危机预警模型[J]、管理学报，2007（5）：588-592、
[12] 纪震，吴青华，廖惠连、粒子群算法及应用[M]、北京：科学出版社，2009、
[13] 吴翎燕，韩华，唐菲、基于PSO-SVM的多分类财务预警模型[J]、武汉理工大学学报（信息与管理工程版），2013，35（2）：265-269、
关键词：商业银行；财务风险；预警模型
1、引言
1、1研究背景
自从世界上成立第一家商业银行以来，关于商业银行财务风险的问题就层出不穷。随着世界经济自由化和一体化的逐步深入，银行财务危机爆发得也愈加频繁，逐渐演化为一种全球现象。自改革开放以来，我国银行业飞速发展，发生了翻天覆地的变化，取得了巨大成就。但是我国商业银行仍然存在的一系列问题也不容忽视，如不良资产过高、呆账过多、资本充足率不高、资产质量和盈利能力较差、业务和产品创新能力弱、内部控制和风险管理水平有待提高等等。加之现今我国利率市场化改革的推进，商业银行通过借贷率差便能盈利的经营模式将被打破，行业内竞争压力加剧，生存和发展面临巨大的挑战。这一系列问题的存在增加了我国商业银行面临财务风险的可能性，甚至可能引发银行财务危机。并且，长期以来在我国商业银行的危机管理中，管理层更侧重于风险的事中控制和事后补救，通常不重视风险的事先管理，这无疑增加了银行财务危机爆发的概率。因此，建立一套合理有效的商业银行财务风险预警机制显得非常必要。
1、2理论价值与实践意义
商业银行财务风险预警机制的研究是进行其风险管理研究的重要组成部分，通过对各项财务指标的分析研究，建立相关风险评估模型，预先警示财务运行体系中隐藏的风险并及时发现经营活动中存在的问题，减小财务风险引发财务危机的可能性。财务风险预警模型中各指标体系的建立及相关问题的解决，对于研究企业风险管理理论及财务管理理论有重要的学术价值。
构建商业银行财务风险预警机制是目前金融发展迫切需求的，具有重要的现实意义。首先，从商业银行自身来看，负债经营的特点导致商业银行本身就是就是一种具有内在风险的特殊企业，而构建风险预警机制可以在其业务经营的全过程预测风险，把风险损失控制在最低限度，保障企业健康稳定的发展。其次，从整个金融市场来看，随着利率市场化等改革措施的推行，银行经营环境将发生巨大改变，这将导致经济波动加剧，为稳定资本市场，有效控制风险，防范危机，建立科学有效的风险预警机制也是相当必要的。
2、商业银行财务风险的定义
财务风险是指由于公司的财务结构不合理、融资方式不恰当等而引起投资者预期收益下降的风险。而商业银行财务风险是指商业银行在运营过程中，由于经营状况不佳或资本结构不合理，加之缺乏对相关因素的预测和分析，导致银行面临预期收益与实际收益存在差异的风险。
3、主要的商业银行财务风险预警模型类型
3、1单变量模型
Fitzpatrick（1932）最早开展针对财务危机预警的研究，他通过对单个财务比率的实证研究，发现在单变量模型中判别能力最高的指标是净利润/股东权益和股东权益/负债两个比率。这也是最早的针对初期单变量模型的研究。Secrist（1938）最早将单变量统计法引入银行风险分析，通过对美国1929-1933年间倒闭的735家银行和未倒闭的121家银行的近百个财务指标进行逐一单变量系统分析，试图找出倒闭银行与健康银行在财务状况上的差别。李秉成（2004）从财务困境形成角度、困境征兆角度，运用单变量财务困境预测方法探讨上市公司财务困境预警系统，提出了两类财务困境综合分析方法：财务困境加权分析法和象限分析法，通过分析危机预警征兆初步判断公司陷入财务困境的风险水平
单变量模型操作简单，易于理解，但其分析结果过于片面，对风险的监测不够全面，且易于被管理层操纵，更无法判断危机爆发的时间，因此在现实中已很少被使用。
3、2多元判别模型
在单变量风险预警模型的基础上，以Sinkey（1975）和Spahr（1989）为代表的学者将多变量分析法引入了商业银行财务风险分析，通过建立判别函数，综合统计分析各财务指标得出风险判断值。在我国，熊维平和朱红书（2001）通过主成分分析法对商业银行的内部绩效进行了综合评价。郑楠楠（2009）从我国商业银行上市的背景入手，分析了上市银行财务风险的来源、特点及其产生原因，并在此基础上尝试进行了平衡计分卡和EVA概念应用于上市银行财务风险控制体系设置的探讨，同时采用因子分析法对我国十四家上市商业银行的财务数据进行分析，构建财务风险控制指标体系。
3、3线性概率模型
Meyer和Pifer（1970）最早使用线性概率模型来预测银行破产。他们以39家破产银行以及与之相配对的同时间、同地区、开业时间相似的正常经营银行为研究样本。研究结果显示，在银行破产前一至两年，约有80%的破产银行可以被成功地预测出来，但是三年以上的预测能力就不太理想了。郑茂（2003）构建了财务预警评判指标体系，应用线性概率模型和Logistic模型作为商业银行等金融机构管理层进行财务危机预测、信用风险定量分析的有效工具。佘雪锋、杨瑾淑（2008）运用统计分析的方法，通过线性概率模型和Logistic模型，建立了我国商业银行信贷风险预警模型，并通过实证检验证明了该模型具有较强的预测能力。
线性概率模型存在一些比较严重的缺点，一是误差项异方差，二是概率的预测值可能在区间（O，l）之外。因此这种方法较少被采用。
我国对财务风险预警的研究起步较晚，在上世纪九十年代中期以前，我国正处于计划经济为主、市场经济初步确立的时期，在这段时间，我国基本没有出现关于财务风险预警的研究。到九十年代末，市场经济体制改革使国内经济成份结构发生了很大变化，国内学者开始了对财务风险预警的探索研究。进入21世纪之后，受到加入世贸组织、亚洲金融风暴、国际金融危机等的影响，我国学者对财务风险预警的研究急剧上升，其中规范性研究相对实证研究多一些，说明我国在此领域的研究尚处于初级阶段，理论研究没有很好地与国内经济实际结合起来，并且实证研究中针对上市公司的财务风险预警研究较多，针对商业银行的则一直很少。另外我国学者对财务风险预警模型及分析方法的研究大部分是基于国外已有模型和方法的研究，创新之处很少，国外研究随日趋成熟，但由于各国资本市场环境不同、宏观经济政策不一致、行业发展程度存在差异等，因此，国外学者对商业银行财务风险预警系统的先进研究成果对我国有一定的借鉴价值，但我们在应用的同时也必须考虑我国自身情况，创建出符合自己的理论体系。
[参考文献]
[1]郑楠楠、我国上市银行财务风险控制体系研究[D]、哈尔滨：黑龙江大学，2009、
[2]左淋丞、基于宏观经济影响的商业银行风险预警模型的建立[D]、长沙：湖南大学，2012、
[关键词] 财务危机 相关分析 逻辑回归 主成分分析 神经网络模型
在过去的几十年里，我国的证券市场一路经历考验和改革，取得了突飞猛进的发展。迄今，沪深两市共有近1500家上市公司。然而，由于管理和操作的原因，许多公司都遭遇了财务困境，甚至因为财务风险而变成ST或PT公司，严重影响了公司的信誉和流通市值，同时也给投资者带来巨大的恐慌和经济损失。因此，这就需要在公司陷入财务危机前，找到一套切实可行的预警方法，为市场主体各方敲响警钟，以促进上市公司及早采取应对措施，改善公司的财务状况。
一、财务预警系统的指标体系
1、财务风险的定义
风险(Risk)是人们因对未来行为的预测及客观条件的不确定性而可能引起的后果与预定目标发生多种负偏离的结合。企业总是在不同的风险环境下生存和发展的，经营企业离不开风险。
2、财务管理指标简述
现在财务管理理论认为，衡量一个企业的财务状况，取决于盈利能力、资产管理能力、企业偿债能力和成长能力。因此，企业的财务指标可分成以下几类: 偿债能力指标、资产运营能力指标、收益能力指标、成长能力指标。在每一类指标中包括若干个财务比率指标，用这些指标来反映企业的财务状况和经营成果。
(1)盈利能力指标
获得利润是企业生产经营的目的，也是企业生存发展的前提。反映企业盈利能力的主要指标有:每股收益(EPS)(全面摊薄)；销售净利率；销售毛利率；资产净利率(ROA)；主营业务利润率；净资产收益率(ROE)(全面摊薄)。
(2)成长能力指标
成长能力指标是对企业的各项财务指标与往年相比的纵向分析。反映企业成长能力的指标主要有: 每股收益(EPS)同比增长率(全面摊薄)；主营业务收入同比增长率；主营业务利润同比增长率；总资产同比增长率；每股净资产(NAVPS)同比增长率；每股现金流量增长率。
(3)营运能力指标
企业的营运能力即企业的资产运用效率，是指企业的营业收入净额对各项营运资产的比率关系。一般而言，反映企业资产管理能力指标主要有:营业周期；存货周转率；应收账款周转率；流动资产周转率；固定资产周转率；净资产周转率；总资产周转率。
(4)偿债能力指标
企业偿债能力是指企业支付债务的能力，它表明企业对债务的承担能力和偿还债务的保障能力。企反映企业偿债能力指标主要有:流动比率；速动比率；保守速动比率；资产负债率；产权比率；有形净值债务率；已获利息倍数。
二、企业财务预警系统的构建
在上述基础指标体系中的26个指标，并不是所有指标都能反映出渐入财务危机的企业与健康型企业的差异；并且，各指标对财务危机的预示程度也各不相同。一般可使用专家选择法定性确定对财务危机敏感的指标，本文从实证分析出发建立数学模型，应用定量方法对上述指标进行筛选、提炼并综合考虑进行预测。
1、数据来源
本文从沪深两市所有上市公司中随机选取64家公司作为样本数据，其中有于2000年～2007年八年中被特别处理的34家ST公司作为财务困境公司的研究样本，其选取标准为:
(1)会计年度的审计结果显示的净利润为负值
(2)交易所证监会认定为财务状况异常
其余30家公司为财务状况良好的企业，作为健康型公司的研究样本。利用WIND咨询金融终端提取上市公司公布的相关数据，对于ST公司提取其被特别处理前一年度的数据（如＊ST济百, 编号为600807，于2003年3月7日宣布进行特别处理，则提取该公司2002年度的26个指标值进行研究）。并将健康型企业赋值为1; ST企业赋值为0。
2、指标的筛选
正如上文所述，每个指标对企业财务困境的敏感程度有强有弱。在建立企业财务预警系统时，我们需要将26个基础指标精简，以那些能够充分预警企业财务危机的指标作为预警系统的主要组成成分，本文利用相关分析方法和建立Logit逻辑回归模型，根据指标对财务危机的敏感程度进行筛选。
(1)相关分析方法
描述客观事物相互间关系的密切程度并用适当的统计指标表示出来，这个过程就是相关分析。两个变量之间的相关程度通过相关系数R来表示。正相关时，R值在0和1之间；负相关时，R值在-1和0之间。
(2)Logit逻辑回归模型基本思路
Logit逻辑回归模型是一种非线性概率模型，其最大优点是,不需要严格的假设条件,克服了线性方程受统计假设约束的局限性,且具有了较其他模型更广泛的适用范。
(3)指标筛选结果
利用EVIEWS软件，对64个样本数据进行分析，建立各个指标与公司财务状况的相关关系和Logit逻辑回归关系，通过分析结果，我们可以清晰的辨别出与陷入财务危机的企业相关性较大的指标。①通过观察相关系数值，大于0、5的指标即具有中度相关性，大于0、8的指标具有高度相关性；②通过观察各个指标Logit逻辑回归模型的P值，可以判断P值小于0、05的指标即为回归系数显著不为零，进而拒绝原假设，认为该指标的变动将对公司属性（属于健康型企业或是渐近财务危机的企业）具有不可忽略的影响。依据上述两条判断标准，选取以下指标作为预警系统的主要组成成分：每股收益(EPS)(全面摊薄)；销售净利率(NP)；资产净利率(ROA)；主营业务利润率(MR)；净资产收益率(ROE)(全面摊薄)；主营业务收入同比增长率(IRG)；主营业务利润同比增长率(IRP)；总资产同比增长率(IRS)；每股净资产(NAVPS)同比增长率(INAVPS)；流动资产周转率(LT)；总资产周转率(TT)；流动比率(LDBL)；保守速动比率(BSSDBL)；资产负债率(ZCFZL)；已获利息倍数(YHLXBS)。
3、利用主成分分析提炼指标
(1)主成分分析方法基本思想
主成分分析（Principal Component Analysis）是考察多个定量（数值）变量间相关性的一种多元统计方法。它是研究如何通过少数几个主分量（即原是变量的线性组合）来解释多变量的方差－协方差结构。
(2)主成分分析结果
在SPSS软件中，对上述15个基础指标进行主成分分析，有以下结论:①主成分F1和F2一起解释了总方差的51、72％（累计贡献率），这说明前两个主成分提供了原始数据相当的信息。②前5个主成分特征根大于1，而其他主成分的特征值小于1，可以认为前五个主成分能概括绝大部分信息。③第一主成分、第二主成分与原始变量关系，可用下列线性组合表示:④依照上式计算64家样本企业的F1和F2，为方便后续计算,记为：
4、应用神经网络算法建立综合预警系统
(1)神经网络算法
人工神经网络(Artificial Neural Network,简称ANN)是由大量神经元互相联接而组成的复杂网络系统,对非线性系统具有很强的模拟能力。此外,神经网络的“黑箱”特性很适合预测领域的应用需要,它不需要任何经验公式,就能从已有数据中归纳规则,获得这些数据的内在规律,因此即使不清楚预测问题的内部机理,只要有大量的输入、输出样本,经神经网络“黑箱”内部自动调整后,便可建立良好的输入、输出映射模型。
(2)应用神经网络建模
本文应用BP神经网络方法中的一种feed-forward backprop建立模型，经过多次试验，有三个模型拟和程度较好(见下表)。
三个模型的拟和程度十分相近，神经网络的训练步数均在10步左右即可达到目标。下图展示了第二个模型的拟和程度和“黑箱”内的训练步数。
5、模型的检验和评价
为了评价模型的优劣，本文随机选取了10个上市公司的数据，分别为：伊泰B股、鲁抗医药、亚通股份、青岛海尔、中国铝业、大化B股、平煤天安、ST天目、*ST成商、S*ST沪科，将其相关数据带入模型进行检验。结果，除了ST天目的判断出现错误，其他的模型拟合结果良好，应用该模型判断的结论十分接近于真实值。
总的来说，采用MATLAB的神经网络工具箱进行建模，取得了非常好的拟和效果，对企业财务危机的预警精确度高，且建模操作简便。进一步研究上述神经网络的三个模型，正确率均为90％，其中Model2效果最好，结果简洁清楚，可以直接用于判断预测企业是否面临着重大的财务危机。而对于ST天目这个样本数据，三个模型均在此预测出错，有可能是公司提供的数据有出入。具体原因有待进一步分析。
三、结论
本文从四个方向26个财务指标出发，逐步进行指标的筛选、提炼和综合考虑，混合使用了相关关系分析、Logit逻辑回归分析、主成分分析方法，以及神经网络模型，建立起上市公司发生财务危机前一年的预警系统，并应用其进行预测。模型的检验说明其拟和度达到90％。该系统为预警上市公司的财务危机提供了一个有效的方法。
参考文献：
[1]卫海英 刘 潇:SPSS在经济管理中的应用、北京:中国统计出版社，2003
[2]庞 皓:计量经济学、北京:科学出版社，2006
[3]盛 骤 谢式千 潘承毅:概率论与数理统计、北京:高等教育出版社，2005
【关键词】财务风险;国有上市公司;logistic
一、国有上市公司财务风险
（一）转轨经济体制下国有上市公司财务风险特征
转轨经济的特殊背景也使我国的国有企业财务风险呈现以下特点：
首先，政企不分离。具体体现在：一是政资不分导致政企难以根本分离;二是政府习惯全面干预，企业经营中政策作用大于内在机制作用;三是政府对国有企业进行不适当的财政补贴，使企业提高效率动力不足。
其次，产权不清晰。不同所有权主体之间权责关系不明确问题，导致国有财产的占有、使用、处分和收益不能得到合理的法律保护、约束和有效地利用，从而造成国有财产的流失，国有企业的低效率和高风险。
再次，公司法人治理结构不合理如：股权结构不合理、董事会功能不强、经理层激励约束机制缺乏、信息披露机制不完善等。这已成为增大国有企业财务风险，制约着国有企业的发展的重要因素。
最后，垄断。在行政垄断的保护下，国有垄断企业往往出现高价格和高利润，但由于缺乏竞争机制，垄断企业始终是在边际成本大大高于边际收益的状态下进行生产，因而往往产生效率损失和福利损失，企业也容易陷入寻租和技术停滞的困境，带来较高的财务风险。
（二）国有上市公司财务风险影响因素
影响国有上市公司财务风险的因素包括：一盈利能力，上市公司的盈利能力是其经营效果、发展能力的综合测度，也是偿还债务的重要来源，盈利能力越强，则发生财务危机的可能性越小。二偿债能力，偿债能力指企业利用其自身资产偿还长期债务与短期债务的能力，偿债能力是企业偿还到期债务的承受能力或保证程度，是反映企业财务状况和经营能力的重要标志。三营运能力，营运能力的各项指标揭示了企业的资金运营周转的情况，反映了企业对经济资源管理、运用的效率高低。企业资产周转越快，流动性越高，企业的偿债能力越强，资产获取利润的速度就越快，财务风险也就相对较低。四现金流量，现金流量是衡量企业经营状况是否良好，是否有足够的现金偿还债务，资产的变现能力的重要指标。五发展能力，发展能力较好的企业，往往需要增大投资、扩大生产，盈利状况良好，往往能够筹集到较多的资金，财务风险较小;反之，发展能力较弱的企业，或者由于盈利状况较差，或者是企业的生产规模已经达到一定程度的稳定，往往筹集少量的资金，财务风险较大。六是股权结构，股权结构作为公司治理体系的产权基础，它首先决定了公司的控制权结构，进而决定了其内部治理机构的构成和运作，并通过内部治理机构对整个公司治理的效率产生影响，在我国独特的制度背景下，上市公司的股权结构有其特殊性，在财务风险的形成过程中有着重要作用：八市场份额，很多企业为了在产业成长时期获得抢先优势，迅速扩大市场份额。但在运用抢先战略时遇到利润的“增长陷阱”，即市场占有率提升过程中利润率迅速下降，未来却难以提升的困境。这种增长方式不利于企业的可持续发展，为企业带来潜在的财务风险。
二、国有上市公司财务风险预警模型
根据上文分析本文选取盈利能力、偿债能力、营运能力、现金流量、发展能力、股权结构、市场份额七个一级指标和21个2级指标，具体指标体系以下：
表1 财务指标体系
一级指标 二级指标 指标计算公式
盈利能力指标 息税前利润率 X1 息税前利润/总资产平均余额
成本费用利润率 X2 利润总额/（主营业务成本+销售费用+管理成本费用+财务费用）
每股收益X3 净利润/股本
营运能力指标 应收账款周转率X4 主营业务收入/平均应收账款
存货周转率X5 主营业务成本/平均存货
流动资产周转率X6 主营业务收入/平均流动资
总资产周转率X7 主营业务收入/平均资产总额
现金流量指标 每股经营活动现金流量X8 经营活动现金流量净额/股本
销售现金比率X9 经营现金净流入注营业务收入
全部资产现金回收率X10 经营现金净流入/总资产
偿债能力指标 流动比率X11 流动资产/流动负债（短期）
速动比率X12 速动资产/流动负债
资产负债率X13 负债总额/资产总额
产权比率X14 负债总额/股东权益
流动资产负债比率X15 流动资产/流动负债（长期）
发展能力指标 固定资产投资扩张率X16 本期固定资产总额/去年同期固定资产总额―1
净资产收益率增长率X17 本期总资产/去年同期末总资产―1
净利润增长率X18 本期净利润/去年同期净利润一1
股权结构 第一大股东持股比例X19 第一大股东股权/总股本
国有股比例X20 国有股股东股权/总股本
市场份额 市场占有率 X21 企业市场份额/市场份额
三、实证分析
（一）数据来源
本文选取140个2012年到 2013 年间实际控制人为发生本质变化的沪深 A 股国有上市公司为研究对象，其中ST或*ST公司70家，非ST公司70家，数据来源于国泰安和 RESSET 金融研究数据库以及新浪财经网站。通过对选取的20个财务指标在财务困境发前1至5年的平均值和标准差等描述性统计量进行分析，并计算各年的Z统计检验量，结果如表2所示。可以发现除总资产周转率X7、速动比率X12、产权比率X14、净利润增长率X18之外的17 个财务指标具平均值存在显著的差异，且Z值随着ST发生时间的临近而显著增大，证明这17个财务指标有较强的时效性。
表2 各指标Z统计量
指标 1 2 3 4 5
息税前利润率X1 1、724 2、742 2、003 1、433 1、883
成本费用率X2 2、001 3、288 2、987 2、275 3、095
每股收益X3 2、1 2、086 2、563 1、868 2、059
应收账款周转率X4 3、741 3、715 3、669 3、676 3、596
存货周转率X5 4、04 3、953 3、938 3、95 3、836
流动资产周转率X6 4、403 4、009 1、829 4、538 5、012
每股经营现金净流X8 4、754 3、487 2、628 4、012 3、118
销售收到现金比率X9 0、878 1、42 2、076 1、782 1、794
全部资产现金回收X10 3、811 4、409 4、352 4、447 4、753
流动比率X11 3、831 3、393 3、476 3、571 3、656
资产负债率X13 4、197 4、208 4、159 4、18 4、242
流动负债比率X15 3、521 3、535 3、545 3、574 3、597
固定资产增长率X16 4、038 3、708 3、644 3、326 3、516
净资产收益率增长率X17 1、564 1、478 1、793 1、528 1、545
第一大股东持股比例X19 3、556 3、273 2、263 3、029 3、205
国有股比例X20 3、392 3、394 3、281 3、397 3、497
市场占有率 X21 1、758 3、516 4、25 4、063 1、782
（二）判别模型
1、logistic模型
本文采用二元logistic模型，其中m是自变量的个数。、该模型中，P介于 0～1 之间，取0、5为临界值，当 P 值大于0、5时，认为该公司是财务非正常公司，P 值越大，说明该公司的财务状况越不好，越容易发生财务危机。P 值小于该临界值时，认为该公司属于财务正常公司，P 值越小，说明公司的财务状况越好，越不容易出现财务危机，当 p值处于临界值边缘时，企业发生财务危机的可能性较大，如果不加以控制，企业很可能会面临财务危机。
2、具体实证分析
该部分采用主成分分析法，以解决变量之间存在的多重共线性问题。通过提取影响财务危机的主要因子，实现变量的顺利降维。
（1）首先进行KMO 和 Bartlett 检验，结果如下
表3 KMO 和 Bartlett 检验
样本充分性的Kaiser-Meyer-Olkin度量 Bartlett球形检验
近似卡方 Df Sig
0、689 66、152 70 0、000***
通过进行 KMO 测试，得到测试系数为 0、601，大于0、5，球形 Bartlett 卡方检验值为 676、867，表明各变量间相关度较高适合进行因子分析。
（2）确定公共因子。通过公共因子提取后的各变量的共同度可以看出5个公共因子的累计贡献率已经达到92、399%，因此提取5个主成分。
（3）得出因子载荷矩阵
表4 因子载荷矩阵
Component
F F1 F2 F3 F4 F5
X3 、914 、147 、224 、056 、111
X5 、101 -、023 、107 、975 、066
X9 、599 、588 -、148 、225 、069
X14 、132 、129 、951 、109 、018
X17 、151 、906 、214 -、093 、114
X18 、108 、111 、018 、067 、985
由此可以得出5个主成分的得分函数：
F1=0、914X3+0、101X5+0、599X9+0、132X14+0、151X17+0、108X18
F2=0、147X3-0、023X5+0、588X9+0、129X14+0、906X17+0、111X18
F3=0、224X3+0、107X5-0、148X9+0、951X14+0、214X17+ 0、018X18
F4=0、056X3+0、975X5+0、225X9+0、109X14-0、093X17 +0、067X18
F5=0、111X3+0、066X5+0、069X9+0、018X14+0、114X17+0、985X18
（4）构建模型
利用SPSS17、0软件对以上5个主成分进行二元logistic回归分析，剔除不显著的F2、F6变量，得出分析结果如下：
表5 Logistic回归结果分析
因子 系数 标准差 Wald值 sig
F1 -、272 、147 3、398 、015**
F2 、175 、061 8、268 、004***
F3 、045 、026 2、960 、035**
F5 、004 、009 、206 、0 40**
C -3、599 1、185 9、230 、002***
Chi-square 91、063
Sig、 、000
-2 Log likelihood 18、340
Cox & Snell R Square 、648
Nagelkerke R Square 、913
***表示在 0、01 水平上显著，**表示在 0、05 水平上显著。
构建logistic模型为：
其中t=-3、599-0、272F1-0、175F2-0、045F3-0、004F5
模型以0、5作为判别分界点，p值大于0、5时，判别企业为非正常企业，P值越大，则企业发生财务危机的可能性越大;当p值小于0、5时，判别为正常企业，P值越小，该企业的财务状况越好，资产越安全，发生财务危机的可能性越小;若p值等于0、5，则说明该企业的财务状况不够明朗，处于灰色地带，发生财务危机的可能性较大。
表6 回归检验结果分类标准
非ST公司 St公司 误判率
种类 非st公司 65 5 7、14
St公司 3 67 4、28
误判率合计 5、71
根据检验结果可以发现对于非st公司的预测误判率为 7、14%，st公司的预测误判率为4、28%，总体上误判率为 5、71%。从判别结果可以看出单纯财务指标变量的财务危机预警模型的预测精度较为理想。
四、对策建议
（一）树立高度的财务风险意识
国有上市公司应充分认识财务风险的客观性、必然性和不确定性，将风险意识贯穿到企业财务工作的每个环节。企业的管理层和全体干部职工要把握财务风险防范的重要性和必要性，树立财务风险管理的责任感和使命感，主动发现财务风险，加强财务风险的内部控制，建立健全财务风险的预测、评估、控制和约束机制，并且在技术上制定风险回避、风险转移和风险分散等管理策略，以有效防范和控制风险，减少财务风险的发生和造成的损失。
（二）合理安排负债规模
企业应合理安排负债规模，使债务资本和权益资本维持在合理的比例，合理利用财务杠杆，保证负债能够给企业带来避税、约束激励经营者的正面效应。企业应考虑到自身行业的竞争程度、本企业的成长阶段、自身的经营能力等特征，对长、短期负债的盈利能力与风险进行权衡，确定使风险最小、企业盈利能力最大化的长、短期负债比例。
（三）提高公司营运和盈利能力
实现盈利是企业分配利润、偿还负债、实现增长的前提，提高企业的盈利能力也是防范企业财务风险的重要举措，挖掘新的利润增长点是企业增强自身竞争力实现长远问题必须考虑的问题。企业应该选择合适的筹资方式，加强投资管理，企业应加强资金回收管理。
（四）合理安排公司股权结构
考虑到我国国有企业股权结构很不合理的现状，应降低国有股比例，实现股权所有者多元化，尤其要加大企业投资者的持股比例，并适当加入企业经营者股权和股票期权份额。具体应占企业所有者总额多大比例，应与企业规模以及企业长远发展规划相联系。
（五）完善信息沟通机制
财务预警体系的重要前提是建立灵活高效的信息系统，形成信息收集、传递的快捷的渠道。对于上市公司而言，高效快捷的信息沟通系统应该做到：第一，确保自上而下的信息传递渠道通畅。第二，完善自下而上的信息反馈渠道。应建立开放和畅通的信息反馈渠道使信息能及时反馈给管理层。
参考文献
[1] 魏长升、企业财务风险预警机制研究[J]、价值工程，2012 （2）、
[2] 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）、
关键词：新能源企业；财务风险；预警指标体系
财务风险预警主要是根据企业的实际财务状况为主要依据，对于企业一段时期内进行的财务活动以及相关的经营活动所可能出现的风险进行动态、实时的监测体系。企业的经营者需要根据企业财务数据以及各项指标对于企业的实际财务状况进行经常性的分析，从而对于企业中可能出现的风险进行及时预知以及有效规避。现今，在经济全球化的背景下，市场竞争十分激烈，企业在面临巨大发展机遇的同时，也面临着较大的挑战。这时，为了在激烈的市场竞争中不被淘汰，就需要企业对自身的内部管理进行完善，其中的一个重要步骤就是建立相应的财务风险预警系统[1]。新能源企业是缓解现今能源供应不足、减少环境污染以及全球气候变暖的一个重要步骤，因此，在现今情况下，新能源企业也得到了快速发展。但是与传统的企业相比较，新能源正因为自身的特点导致财务风险的出现，这些财务风险甚至会对企业最后的生存产生严重的影响。在这种情况下，建立财务风险预警体系就具有十分重要的意义。
一、新能源企业所面临财务风险的特殊性
(一)新能源企业的经营状况
新能源是相对于传统能源来说的，主要含有风能、太阳能、核能以及海洋能等。新能源具备传统能源所不具备的经济、环保、低碳等优点，这些优点也促使在现今社会中对新能源的使用愈加广泛。现今很多的省市都在建设新能源基地，因此也有更多的企业开始进入到新能源行业中[2]。而随着我国对新能源使用以及重视程度的提高，新能源企业也获得了更加积极发展态势。
(二)新能源企业财务风险特殊性
1、外部风险的特殊性与传统能源企业相比较而言，我国新能源企业的各项生产设备以及所使用到的生产技术基本是从国外进口的。在这种情况下，就造成新能源企业在发展过程中受到外部的制约较大，对于新能源行业的发展进步产生了阻碍。如我国所使用的光伏太阳能企业，虽然国内企业已经加大了对该项的研究，也取得了一定的成绩，但在新能源技术领域内还是属欧美等发达国家取得了较大的进展。有时甚至国外的相关技术大大超越国内技术的发展，这就意味着国内的各项生产技术面临着更新的风险，导致企业所要承担的成本增加[3]。2、内部风险特殊性首先，生产技术过于落后。相较于其他行业来说，我国的新能源企业已经取得了十分迅速的发展，并已经吸收了大量的资金进入到了新能源行业之中。一些行业已经开始由垄断发展向竞争发展转化，这在一方面对新能源市场进行了丰富，也使得涉及到的各项生产成本得到有效降低。但同时，由于新能源企业在我国发展的时间还比较短，大多还处于摸索以及发展阶段，这就造成很多企业需要承担高额的开发费用以及设备进口的费用等。这时，与一些传统的能源企业相比，新能源企业就缺乏优势的价格以及质量[4]。并且，很多投资商为了获得产品效益的最大化，将行业带入到一种低技术生产重复的状态中，对于行业的高端发展都将会产生不利的影响。其次，资本结构不够合理。新能源企业的市场机制还不够完善，其最为突出的问题就是出现负债过高的问题。在这一问题上，带来的是很重的利息负担。若不能按时偿还债务，企业的发展也会面临资金链断裂的相关风险。另外，企业所有者因为企业的高债务也会对企业的回报率进行提高或者是对投资额进行减少。而债权人则会因为企业的高负债而对企业借款的条件进行提升，如对贷款利息进行提升，对贷款额度进行减少等等，这样一来就会导致企业的融资出现困难，进而导致资金链出现断裂的可能性得到大大增加[5]。最后，环保意识缺乏。很多人对新能源产业长期以来存在一个错误认识，认为新能源产业就是无污染产业。其实并不是如此，新能源产业只是相对于传统能源产业来说的。相比较传统能源产业来说，其对人类的危害较小，但是从长期来看，若缺乏环保意识新能源产业也会带来不利的环境影响。对上述新能源企业所存在的财务风险特殊性进行分析发现，若想对财务风险进行有效防范，就需要建立有效的财务风险预警模式，对企业所存在的财务风险进行有效防范。
二、新能源企业需要构建财务风险预警指标体系
(一)建立财务指标
1、建立偿债能力指标企业只有进行不断的经营活动才能获得利润，而企业要想生存下去的最为基本条件就是保证资金链的畅通，对于到期的债务可进行定期偿还。在通常的情况下，流动比率以及速动比率的高低都能对企业短期偿债能力情况进行充分反映，也就是反映企业的短期资金链是否处于良好状态。而企业的资金负债率、产权比率以及利息保障倍数等的高低都能对企业长期的偿债能力进行反映[6]。产权比率的高低情况也对所有者权益对企业偿债风险所需要承担的责任进行了反映，也就是反映的是企业长期发展资金链的规划程度。流动比率=流动资产/流动负债。2、建立盈利能力指标企业在经营过程中获取利润就可对企业发展的价值进行表明，也是企业存在的主要目标。企业所具备的盈利能力可对新能源企业所具备的综合能力进行衡量的主要指标，一个企业要想得到发展首先就需要盈利。从长期来看，企业要规避发展过程中的财务危机，首先就需要具备较好的盈利能力。只有这样，企业的偿债能力以及筹资能力才能得到显著增强。其主要指标含有经营现金的流入流出率、股东权益收益率以及总资产的报酬率，而销售的利润率以及成本费用的利润率则对企业的盈利能力进行了反映[7]。3、建立管理能力指标企业的财务状况优劣情况可以通过优化的内部管理来改变。质量抽查的合格率较高，则对企业所具备的生产能力以及管理能力越强。而总资产周转率则和企业的发展活力相联系，周转率高则企业的发展活力较强，经营效果也较好。应收账款的周转率越高则表明应收账款的收回速度越快[8]。存货周转所具备的速度越快，则表明存货占用水平较低。利用这些数据，可对企业所具备的变现能力进行提高，从而对企业内部的资金链进行优化。4、建立发展能力指标新能源企业在现今激烈的市场竞争中要想生存下去或取得发展，最重要的就是对技术进步的不断追求，并对自身所生产产品的质量进行有效提高，从而对市场上产品的份额进行扩大。其指标中存在总资产增长率以及研发费用增长率、收入增长率。总资产增长率反映的是企业在一段时间内资产经营所达到的规模范围。销售收入增长率主要是对企业销售产品的变动情况进行反映，是对企业发展情况进行评价的重要指标。研发费用增长率则是企业对所使用新技术以及新产品的重视程度。
(二)建立财务风险预警指标体系应注意的问题
新能源企业在对财务风险预警指标体系进行应用时，经常出现对企业中财务管理预警体系的使用，而忽视对企业中经营管理预警体系的使用。实际上，经营管理的财务风险在很大程度上对企业的生存产生影响，因此，新能源的相关企业应该就经营管理方面加大投资研发的力度。其次，很多企业中预警部门所进行的工作与财务部门所进行工作重复度较高，从而造成企业的人力物力资源出现极大浪费。这时，企业应该对各部门的工作进行有机协调，避免出现工作重复的情况，从而对工作效率进行提高，对企业的运行成本进行有效降低。财务预警的主要目的是为了在危机发生之前，根据预警指标所做出的指示提醒企业在经营过程中对风险进行规避。最后，新能源企业还应该做好企业相关的信息化管理工作，对企业的财务数据及时获取，这是对企业财务风险规避的前提条件。财务数据的准确情况将对企业财务风险的预警以及防范效果产生影响。
三、结语
综上所述，相比较传统能源企业以及社会上的其他行业，新能源企业具备自身的特点，如环保、经济、安全等，也正是因为这些特点，导致新能源企业面临较大的财务风险。这些财务风险在新能源企业的发展过程中，将会产生较大的阻碍作用。因此，要想促进新能源企业获得可持续的发展，就需要对经营过程中遇到的财务风险进行有效规避。而要想对遇到的财务风险进行规避，就需要在企业内部建立财务风险预警指标体系，对于财务风险进行及时预知，并利用有效的措施对风险进行规避，最终促进新能源企业的进一步发展。
参考文献：
[1]宋宇、新能源发电企业财务风险预警指标体系的构建[J]、财经界(学术版)，2016，22：258-259、
[2]吴战篪，李晓龙、企业集团资金安全预警体系研究[J]、会计研究，2013，02：63-68+95、
[3]付敏英，汪波、物流企业财务风险预警系统指标体系研究[J]、物流技术，2013，15：89-91、
[4]王晶、企业财务风险预警指标体系的构建[J]、湖北师范学院学报(哲学社会科学版)，2013，05：58-61、
[5]赵晓东、能源企业财务风险预警指标体系的构建[J]、财经界(学术版)，2015，23：284+286、
[6]邹果、低碳经济背景下煤炭企业财务风险预警指标体系的构建[J]、商业会计，2015，15：103-105、
[7]孙艳春，郭继秋、基于多级模糊综合评价法的房地产企业财务预警研究[J]、企业经济，2012，08：81-83、