【摘要】財務風險預警模型可以從定量角度客觀準確判斷企業的財務危機程度，網絡的普及對此頗具影響。本文採用實證方法，選取了5個財務指標作為模型變量，構建了一個基於極值原理的Fisher線性判別模型，並對該模型進行了實證檢驗。結果表明，該模型具有較好的對企業財務狀況和風險狀況進行評價預警的能力。
【關鍵詞】財務預警模型指標；財務風險預警模型；多元線性函數模型
網絡環境作為全球化的技術環境，使會計行業發生了根本性的變革，企業管理者越來越多的關注網絡所帶來的挑戰與機遇。網絡財務在我國尚處於初期階段，它的運用存在諸多新風險，建立一套有效的財務風險預警系統是必然選擇，而建立財務風險預警系統最關鍵的就是構建財務風險預警模型。
本文認為現金流量表能客觀地反映企業的經營狀況及獲利能力，而且由於現金流量的計算不涉及權責發生制，幾乎沒有造假的可能，因此本文是基於現金流的F記分模型為基礎構建網絡環境下的財務風險預警模型。
一、樣本的選擇
本文對企業財務風險預警模型進行實證研究，研究的主體是我國A股市場的上市公司，利用公開披露的企業信息來研究上市公司陷入財務危機的可預測性。
在確定樣本企業時，選取了一組在上海證券交易所上市交易的18家ST公司，同時還相應地選擇同行業、同規模的18家非ST公司作為研究樣本，總樣本共36家。研究數據主要來自上海證券報上公開披露的2002年度到2006年度的年度報告的有關資料。
二、財務預警模型指標的選擇
任何企業的財務危機都會通過一些敏感性財務指標值反映出來。因此，設置一些敏感性財務指標是建立財務預警機制的基礎。基於網絡環境下現金流量對企業的重要性，本文主要從企業財務活動的角度，確定了三大類基礎指標：經營環節風險指標，包括應收帳款周轉率、存貨周轉率、主營業務收入增長率、營業周期、現金流入量與現金流出量之比、銷售營業現金流入比；籌資環節風險指標，包括流動比率、速動比率、資產負債率、產權比率、已獲利息倍數、長期資產合適率、總資產增長率、現金流動負債比率、現金盈利值、營運資金佔用額；投資環節風險指標，主要包括總資產報酬率、總資產周轉率、總資產淨現率。
為了全面客觀地檢驗上市公司的經營好壞，所選取的財務指標要具有全面性與綜合性，保證所選指標之間存在顯著性差異；為避免指標之間某些特徵重複計算，儘量消除變量的高度相關性。為此，本文將通過兩個步驟選取建模指標。
（一）運用T檢驗，判斷財務指標的顯著性差異
利用收集的總共36家企業的數據資料，分組計算19個財務指標在被掛名ST前兩年的平均值，計算兩組樣本各指標值的T檢驗值。
這個過程可以通過SPSS統計分析軟體中的樣本顯著性檢驗功能，對數據進行檢驗。為了讓更多的指標入選，現將T檢驗的判別標準定為：｜T｜≥1.7。在雙尾檢驗的顯著性概率中，通過檢驗的指標較多，在前一年有十二個，在前兩年有八個。模型中包括過多的指標，會不利於對上市公司的財務危機進行有效的預測。因此，需再通過顯著性的指標中再次篩選。
通過綜合考慮，最初選定了五個財務指標即：X1銷售營業現金流入比、X2資產負債率、X3營運資金佔用率、X4總資產報酬率和X5總資產周轉率。
（二）運用因子分析法，檢驗財務指標的相關性
如果上述所選的五個指標之間高度相關，那麼就會使某些特徵重複計算，引起誇大的危害，因此在選擇最終變量時應儘量消除變量的高度相關性。
這個過程可以通過SPSS統計分析軟體中的因子分析功能，對五個指標進行檢驗，其檢驗結果表明，這五個指標的相關係數都是小於0.5的。因此，可以選擇這五個指標來構建模型。
三、財務風險預警模型的構建
本文將採用基於極值原理的Fisher判別法。其基本思想是：把多維問題化為一維問題，並應用線性判別函數解決判別問題。
第一步，在構建模型前，需要確定所選的樣本數據是否是有效的。運用SPSS軟體，對樣本進行判別分析，經判別後，有效觀測量為36。
第二步，檢驗五個指標的均值在ST組和非ST組之間是否存在顯著的差異，從而證實這些變量在構造預測模型中的代表性。經SPSS軟體檢驗證實，五個指標的均值在ST組和非ST組之間確實存在著顯著差別。
第三步，運用SPSS軟體，對五個指標進行F線性判別，得到：
前一年的線性判別模型為：
Y=0.365X1-0.455X2+0.002X3+0.802X4+0.404X5+1.388
前兩年的線性判別模型為：
Y=0.114X1-0.968X2+0.079X3-0.026X4+0.721X5-0.525
根據前一年的判別模型，將企業成為ST前一年的數據進行回代代入，得到樣本企業的Y，Y=1.43，依據此分界值對樣本企業進行檢驗。若Y值＜1.43，則說明該企業在未來一年內將陷入財務危機，反之，則為正常企業。檢驗結果表明：在ST組中，只有一家企業被誤判，預測的準確率可達94.44%；在非ST組中，只有兩家企業被誤判，預測的準確率可達88.89%。
同理，根據前兩年的判別模型，將企業成為ST前兩年的數據進行回代代入，得到樣本企業的Y，Y=-0.60，依據此分界值對樣本企業進行檢驗。若Y值＜-0.60，則說明該企業在未來一年內將陷入財務危機，反之，則為正常企業。經檢驗發現，在ST組中，有三家企業被誤判，預測的準確率可達83.3%；在非ST組中，有四家企業被誤判，預測的準確率可達77.8%。
經過檢驗，此模型在企業發生財務危機前一年的準確率要比在前兩年的判別準確率高，即離企業發生財務危機的時間越短，判別的準確率越高。這與企業發生財務危機的實際情況相符，因而證明，可以採用此模型進行實證檢驗。
四、模型的實證檢驗
本研究運用SPSS軟體做出了比較理想的多元線性回歸判定模型，而該模型的運行效果是否也能理想，其判定是否準確，預測結果是否符合實際情況，這些問題都還需要進一步檢驗。
下表是從隨機選取的作為研究樣本的12家上市公司公布的最新財務報告中提取數據來檢驗模型的結果。
從表中Y值可以看出，對於正常企業，所有的Y值全部高於1.43，模型驗證準確率為100%,而對於ST類的企業，只有50％的Y值是在1.43以下，另外50％Y值處於健康企業的範圍,模型驗證正確率為50%。
對於ST企業的判斷之所以會有這樣的偏差，筆者認為原因不外乎以下幾方面：
一是部分ST企業由於經營狀況的改善使得財務狀況可能向好的方向轉變，這種情況下，我們認為是模型判斷企業的經營狀況得到改觀；二是由於2007年中國股市暴漲，上市公司在股市上漲過程中賺取了大量的投資收益，從而使得報表中的純利潤一項較往年大幅增長；三是本文建模用的樣本數據不夠全面。這些樣本並沒有涉及到所有行業的、地區的或是各種性質的企業；四是由於作者水平有限，模型可能存在漏洞也會導致判斷出現偏差。
五、研究結論
通過本文的理論總結與實證分析，得出以下結論：
第一，多元線性回歸模型在我國財務預警研究中具有很高的應用價值。實證結果表明，該方法建立的模型具有較高的判別精度和預測能力，可以獲得較好的預警結果。第二，將逐步判別分析方法應用於財務預警研究中，可以在減少模型變量的同時，達到與全部備選變量構建的全變量預測模型相近的判別精度和預測能力，使最終構建的預測模型更符合成本效益原則，具有較高的應用價值。第三，本研究採用上市公司年度財務報告數據來構建財務預警模型，極大地提高了財務危機預測的及時性，給企業一般投資者和債權人增加了一條更及時更準確的預警途徑。
六、本實證分析的局限性
一是所選上市公司的行業區別帶來的模型偏差未能解決。未能通過控制變量的方法來減少外部經濟環境因素所可能帶來的預測偏差。二是此預測模型結論的準確性受到上市公司發布財務數據真實性的影響，可能導致相應的一些財務指標出現異常。三是由於受上市公司樣本數據收集的限制，一時還無法對這些樣本進行連續幾年的跟蹤檢驗，但這種方法和思路已經給了我們一個良好的開端。四是未能收集足夠的公司樣本進行研究。
【參考文獻】
[1] 趙息，肖錚，何輝渝．Logistic模型在上市公司財務預警中的應用研究[J]．西安電子科技大學學報，2007，（2）：21-24.
[2] 蘆勇. 中小企業財務風險預警系統的指標體系研究[J]. 企業家天地，2006，（10）：64.
[3] 智文義，王恆，張利軍. 淺談企業財務預警系統[J]. 機械管理開發，2007，（3）：147-148.
[4] 定鵬.中小企業財務預警系統探討 [J].中國集體經濟， 2007，（2）：135-137.
[5] 張根明.基於支持向量機的上市公司財務預警模型研究[J].科技管理研究,2007，（4）：234-235.
責任編輯：小奇