财务管理模型我国上市公司财务困境预测模型研究

合集下载

上市公司财务困境动态预测模型的实证研究

［关键词］财务困境预测动态因子分析Ｌｇｉ回归分析ｏ￣ｃｉ［中图分类号］Ｆ２．［２４７文献标识码］Ａ
ｌ研究现状
财务困境是一个动态持续过程，包括从资金管理技
术失败到破产以及处于两者之间的各种状况。从２ｏ世纪
按照国内财务困境预测研究的通常做法，本文界定因 “ 财务状况异常”而被特别处理的深沪两市Ａ股ｓ类ｒ
上市公司（包括＊ｓ上市公司，以下同）为陷入财务困ｒ
３年代开始西方学者就对企业财务困境预测问题进行研Ｏ究，陆续提出了很多企业财务困境预测的分析模型。影响较大的主要有Ｂａｒ（９６ｅｅ１６）的单变量分析模型，Ａｖｈ
ｍｎ（９８ａ￣６）Ｚ计分判别模型，Ｏｌｎ（９０的Ｌｇｔｈｏ１８）ｓｏｉｉｓｃ
个财务指标，比较了Ｆｈｒｉｅ线性判定分析、多元线性回ｓ
归分析和Ｌｇｔｏｉｉｓｃ回归分析三种方法，发现Ｌｇｔｏｉｉ型ｓｃ模
的预测效果最好。杨保安等（０１２０）则将神经网络分析
方法运用到银行财务困境预测的分析中，最后的测试结果与实际情况基本一致。纵观国内有关财务困境预测的研究，可以发现多是静态分析，只是利用１时点的财务数据来对上市公司个进行横截面预测，很少从动态角度对财务困境进行预测。如前所述，财务困境是一个动态持续过程，而财务数据在时问上是滞后的，不能体现动态性，所以有必要对静态财务数据进行调整，引入调整后的动态财务数据，构

基于财务指标的我国上市公司财务困境预测

基于财务指标的我国上市公司财务困境预测[摘要]本文以我国上市公司为研究对象，利用样本公司历年财务指标的数据构建Logit模型量化上市公司的信用风险概率，进而根据结果对上市公司发生财务困境进行判别和预测。

[关键词]财务指标；Logit模型；因子分析；财务困境预测1引言财务困境又称财务危机，是指企业现金流量不足以补偿现有债务，最严重的财务困境即企业破产。

在我国，上市公司具有业绩好、规模大、筹资快等特点，相比于一般企业能更好地反映出我国资本市场的健康程度。

近年来，随着我国证券市场快速发展，上市公司在数量和规模上都不断地扩大。

然而，现实中一些上市公司也会由于经营不善或其他各种原因出现连年亏损，陷入财务困境甚至面临退市的风险。

1998年4月22日，沪深证券交易所宣布将对财务状况异常（或其他财务状况异常）的上市公司的股票交易进行特别处理（ST）。

研究中国上市公司财务困境时通常将ST作为企业财务困境的标志。

财务困境的有效预测将有利于我国上市公司经营者的提前防范、政府管理部门的监督以及证券市场投资者的决策。

考虑到现实中企业发生财务困境是一个财务状况逐渐恶化的过程，因此一般认为企业财务困境是可以通过一定的指标预测的。

2文献综述财务困境预测指对企业财务困境所做出的具体推测。

最早的财务困境预测方法是20世纪30年代产生的单变量分析法，提出利用单一的财务比率来预测企业的财务困境。

20世纪60年代，Altman率先使用多元线性判别分析，以美国1946—1965年资产规模接近的66家公司为样本确定了5变量的Z-score模型。

并于1977年提出了现在仍常用的7变量ZETA模型。

由于多元线性判别分析模型存在着严格的假设条件，如多元变量多元正态分布、协方差矩阵相等，并且该模型无法处理离散变量，实证中大多数财务比率并不满足这些要求。

20世纪70年代末，线性概率模型、Logit模型和Probit模型的出现有效地解决了这些问题。

最早使用线性概率模型进行财务困境预测的是Meryer和Pifer，但线性概率模型常常会得到大于1的结果，Logit模型却能很好地克服这一缺点。

公司财务管理中的财务模型与预测

公司财务管理中的财务模型与预测随着企业经营环境的不断变化和市场需求的增长，公司财务管理成为了企业持续发展所必需的重要环节。

在这个过程中，财务模型与预测扮演着关键的角色，帮助企业管理层做出明智的决策。

本文将探讨财务模型与预测在公司财务管理中的作用，并介绍一些常见的财务模型和预测方法。

一、财务模型的作用财务模型是通过建立数学和统计等方法来描述和处理公司财务数据的工具。

它可以帮助企业分析和预测财务状况、经营风险和资金需求，为企业管理层制定战略和决策提供依据。

财务模型可以从多个角度对企业的财务情况进行分析，例如利润模型、现金流模型、财务比率模型等。

二、常见的财务模型1. 利润模型：利润模型可以帮助企业管理层分析企业的盈利能力和盈利结构。

通过利润模型，企业可以了解产品销售的收入和成本，进而确定最优的产品组合和定价策略。

2. 现金流模型：现金流模型用于预测企业的现金流量情况，帮助企业管理层有效管理和运用现金。

现金流模型可以帮助企业预测未来的现金流入和流出情况，为企业提供有效的预算和决策依据。

3. 财务比率模型：财务比率模型是通过对财务指标进行计算和比较，评估企业的财务健康状况和绩效。

常用的财务比率包括流动比率、资产负债比率、净利润率等，这些比率可以帮助企业管理层发现企业的财务问题和潜在风险。

三、财务预测的方法财务预测是企业管理层根据历史数据和市场预期，预测未来一段时间内的财务状况和经营情况。

财务预测方法多样，常用的包括趋势分析、回归分析和比例分析等。

1. 趋势分析：趋势分析是基于历史数据的变化趋势进行预测。

通过对历史数据进行趋势分析，企业管理层可以发现和预测一些规律性的变化，从而预测未来的财务情况。

2. 回归分析：回归分析是通过建立数学模型，确定不同变量之间的关系，并进行预测。

企业管理层可以通过回归分析来预测财务指标与其他变量之间的关系，为决策提供依据。

3. 比例分析：比例分析是通过对财务指标进行比较和分析，预测企业未来的财务状况。

企业财务困境的模型研究

企业财务困境的模型研究一、引言企业财务困境对企业生存和发展产生了巨大影响，了解和研究企业财务困境的模型对企业管理者和决策者具有重要意义。

本文将探讨几种常见的财务困境模型，包括经典的财务压力模型、财务危机传染模型以及财务恶性循环模型，以期为企业提供解决财务困境的有效工具和策略。

二、财务压力模型财务压力模型是企业财务困境研究的基础。

该模型认为企业财务困境常常源自财务压力，即企业面临的负债累积和资金短缺等问题。

财务压力模型通过考察企业的财务指标，特别是负债率、债务分布以及现金流状况等因素，来预测企业的财务困境。

三、财务危机传染模型财务危机传染模型认为企业财务困境具有传染性，即一家企业的财务困境可能会对其他相关企业产生连锁反应。

财务危机传染模型主要考察企业间的债务关系、供应链关系以及市场关系等因素，以揭示企业财务困境传染的动力学过程和路径。

四、财务恶性循环模型财务恶性循环模型是对企业财务困境进一步深入研究的模型。

该模型认为企业财务困境常常形成恶性循环，即财务困境导致经营困难，进而影响企业的再融资能力和信誉，难以摆脱困境。

财务恶性循环模型通过考察企业的资产负债表、收益表以及现金流量表等财务指标，以揭示企业财务困境形成恶性循环的原因和机制。

五、应对策略对于企业财务困境，及时采取有效的应对策略至关重要。

根据以上研究模型的启示，我们可以提出以下几种应对策略：1.加强财务风险管理。

企业应制定合理的负债策略，控制负债率和债务结构，同时增加流动性储备，以应对可能出现的财务压力。

2.建立稳固供应链关系。

加强供应链合作伙伴之间的互信与合作，建立供应链风险管理机制，以减少财务危机的传染性。

3.注重企业形象和声誉管理。

积极树立企业形象，提升企业信誉度，以增强企业的抵御外部负面影响的能力。

4.持续改进内部财务管理。

加强内部财务管理，提高财务透明度和预警机制，及时发现和解决潜在的财务问题，从而避免财务恶性循环的产生。

六、结论通过对企业财务困境的模型研究，我们可以更好地了解财务困境的成因和传播机理，并提出相应的解决策略。

上市公司财务困境的动态预测模型

ＤｙｎａｍｉｃｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｏｎｆｉｎａｎｃｉａｌｄｉｓｔｒｅｓｓｏｆＣｈｉｎｅｓｅｌｉｓｔｅｄｃｏｍｐａｎｇ，ＺｈａｎｇＭａｏｊｕｎ，ＺｈｕＮｉｎｇ
ｍａｒｋｅｔｓａｎｄＧＤＰ．ＴｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌｉｓｏｎｅｏｆｔｈｅｅｆｆｅｃｔｉｖｅｍｅｔｈｏｄｓｔＯｊｕｄｇｅｔｈｅｆｉｎａｎｃｉａｌｓｉｔｕａｔｉｏｎｓｏｆｔｈｅｌｉｓｔｅｄｃｏｍｐａ —
Ａｂｓｔｒａｃｔ：ＢａｓｅｄｏｎｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃａｂｏｕｔｔｈｅｎｅｇａｔｉｖｅｐｒｏｆｉｔｉｎｃｏｎｔｉｎｕｏｕｓｔｗｏｙｅａｒｓｉｎｖｉｅｗｏｆｔｈｅｐｏｌｉｃｙｏｎｔｈｅＳＴ．ｆｌｆｏｒ — ｗａｒｄｄｙｎａｍｉｃｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｏｎｆｉｎａｎｃｉａｌｄｉｓｔｒｅｓｓｏｆＣｈｉｎｅｓｅｌｉｓｔｅｄｃｏｍｐａｎｉｅｓｉｓｐｒｏｐｏｓｅｄ．ＴｈｅｆｏｒｗａｒｄｐｒｏｂａｂｉｌｉｔｙｏｆＳＴｉｓｃｏｍｐｕｔｅｄｔＯｉｍｐｌｅｍｅｎｔｓｏｍｅｅｍｐｉｒｉｃａｌｔｅｓｔｓｂｙｕｓｉｎｇｔｈｅｙｅａｒｌｙｄａｔａｆｒｏｍ２００７ｔｏ２０１２．Ｔｈｅｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｔｈｅｉｍｐｏｒ —

财务困境预测模型比较研究

财务困境预测模型比较研究
摘要
企业财务困境预测作为一个重要的管理课题，近期引起了国内外学者及企业界热议。

本文就目前比较流行的财务困境预测模型（即多元线性回归模型、Logit模型、Cox模型和决策树模型）的研究进行梳理，对各模型特点、特征及其实用性进行讨论。

分别从模型的定义、拟合方法以及优势和劣势等几个方面，对这四种模型进行了详细介绍和对比分析。

结果表明，多元线性回归模型在建模准确性方面具有优势，Logit模型具有改变变量指标的灵活性，Cox模型在考虑时间因素方面有更好的表现，而决策树模型在处理复杂问题以及解释结果方面有更大的作用。

从而提出了不同预测模型应用在企业财务困境预测过程中综合参考的建议，以便为企业的财务风险控制提供建议。

关键词：企业财务困境；财务困境预测；多元线性回归模型；Logit 模型；Cox模型；决策树模型
1绪论
企业财务困境预测是检测企业长期经营的风险，及时调整经营方式，有效防范财务风险的一项重要管理课题。

上市公司财务困境预测模型比较研究

误差就会比较大。随着信息技术的发展，人工智能和机器学习的
支持向量机（ｕｐｒＶｃｏＭｃｉ，ＳＭ）是ＳｐｏｔｅｔａｈｅＶｒｎ在统计学习理论的基础上发展起来的一种新的机器
学习方法。它基于结构风险最小化原则，尽量提高学习机的泛化能力，具有良好的推广性能和较好的分类精确性。另外，支持向量机算法是一个凸优化问题，局部最优解一定是全局最优解，这些特点都是包括神经元网络在内的其他算法所不具备的。
ＣｏｐｒｔｖｕｉＭｏｅｓｏｎａｃａｓｒｓｅｉｔｏｎＣｈｉｅｅＬｉｔｄＦｉｍｓｍａａｉｅＳｔｄｙｏｌｄｌｆＦｉｎｉｌＤｉｔｅｓＰｒｄｃｉｎｉｎｓｓｅｒ
ＹＡＮＧＪａｈｉｉｎｕ，ＣＨＥｈｗｎＮＣｉｅ
一
传统的统计模型包括多元判别分析模型（Ａ）和对数回归模型（ｏｉｉＲｇｅｓｎ等，ＭＤＬｇｓｃｅｒｉ）ｔｓｏ其中以ＭＤＡ和对数回归模型应用最为广泛。统计模型最大的优点在于具有明显的解释性，而存在的缺陷是过于严格的前提条件，如两者都对变量之问多重共线性敏感，且ＭＡ要求数据服从多元正态分布Ｄ和同协方差等，当样本数据不满足这些条件时分类
（ｃｏｌｏｕｉｅｓＡｄｎｓｒｔｎ，ＳｕｈＣｉａＵｎｖｒｉｆｅｈｏｏｙＳｈｏｆＢｓｎｓｍｉｉｔｉａｏｏｔｈｎｉｅｓｔｏｃｎｌｇ，Ｇｕｎｚｏ０４ｙＴａｇｈｕ５１６０，Ｃｉａｈｎ）

基于财务指标的我国上市公司财务困境预测

基于财务指标的我国上市公司财务困境预测【摘要】本文针对我国上市公司的财务困境进行预测，通过分析财务指标和建立预测模型来揭示公司未来可能遇到的财务困境。

首先介绍了财务指标的概念，研究背景和研究目的，然后详细探讨了我国上市公司的财务指标研究、财务困境预测模型、财务指标的选取和财务困境预测方法，并结合实证研究和案例分析进行了具体探讨。

最后总结了财务指标对财务困境的预测作用，并提出了建议和展望。

通过本文的研究，可以帮助投资者、管理者和监管机构更好地了解公司的财务状况，及时发现可能的财务风险并采取相应的措施，以确保公司的长期健康发展。

【关键词】财务指标，上市公司，财务困境预测，研究，模型，选取，方法，实证研究，案例分析，预测作用，建议，展望，总结。

1. 引言1.1 介绍财务指标财务指标是衡量公司财务状况的重要工具，通过对公司财务数据的分析和比较，可以帮助投资者、管理者和其他利益相关者了解公司的经营状况和未来走势。

财务指标可以分为多个方面，包括盈利能力指标、偿债能力指标、运营能力指标和成长能力指标等。

这些指标可以反映出公司的盈利能力、资产负债结构、经营效率以及未来发展潜力等方面的情况。

在财务报表中，常用的财务指标包括利润总额、净利润、资产总额、负债总额、销售额、毛利润率、净资产收益率等。

这些指标可以帮助分析师和投资者评估公司的财务状况，并预测公司未来的发展趋势。

财务指标的选择也取决于研究对象和研究目的，不同的行业和公司可能会关注不同的财务指标。

在进行财务困境预测时，选择合适的财务指标是至关重要的。

1.2 研究背景在研究背景中，我们需要首先了解我国上市公司在当前经济环境下所面临的财务挑战。

我国经济正处于转型升级阶段，市场竞争日益激烈，企业面临的经营环境越来越复杂。

财务困境不仅会对企业本身造成影响，也会对整个市场产生冲击。

对我国上市公司财务困境进行预测和分析，具有重要的理论和实践意义。

随着信息技术的发展和大数据的应用，财务数据的获取和处理变得更加便捷和准确。

探究我国上市公司的财务危机预警模型

探究我国上市公司的财务危机预警模型一、引言随着资本市场的不断发展和完善，对上市公司财务危机预警进行研究一直是国内外学术界研究的热点问题之一。

财务危机预警是以现有的财务比率为基础，通过设计并观察一些敏感性财务预警指标的变化，建立数学模型来预测企业财务危机发生的可能性，这样就能在很大程度上帮助上市公司防范和化解财务危机。

然而，由于种种原因，财务危机预警系统在我国上市公司中尚未得到广泛应用。

二、财务危机预警模型的发展及分类1、单变量模型单变量模型，即一元判别模式，它运用单一的财务指标来预测企业的财务危机。

W.H.Beaver（1966），他最早将统计方法应用与财务指标结合起来，选择了29个能够代表企业财务状况的指标，从1954年到1964年之间他定义的财务危机企业中，挑选了79家，并选择了产业相同、资产规模相近的另外79家非财务危机企业作为配对样本，他对这79家财务危机企业和79家非财务危机企业前五年的29个财务指标进行了立面分析，最后得出结论，认为现会流量/负债总额能够最好地判定公司的财务状况（误判率最低，破产前一年的预测币确率町以达到87%），其次是资产负债率和“净利润/总资产”比率，并且离财务危机出现同越近，误判率越低，预见性越强。

2、多元线性回归模型多元线性判别模型，即通过线性回归技术来构建能够以最小的分类错误率对样本公司进行划分的多元线性方程。

比较著名的有Altman的Z分数模型以及后来E.Altman、R.Haldeman.和P.Narauaman的ZETA模型。

2.1、Z分数模型Altman（1968）提出了Z分数模型。

该模型是Altman根据美国股票市场的实际情况，经过上千次的实证分析，以33家破产公司及33家配对公司作为样本，使用选择的5个比率拟合出了一个多元线性方程，建立了Z分数模型，首次采用了多变量来预测企业的财务危机。

模型如下：2.2、ZETA模型1977年Altman等人将预测模型Z分数模型从单纯的制造业中解放出来，加入了非上市公司和各个行业，建立了新的、更具有准确性的企业财务危机预测模型一zETA模型，它包括了经营收益/总资产、收益稳定性、利息保障倍数、留存收益/总资产、流动比率、普通股权益/总资本和普通股权益/总资产这7项比率。

上市公司财务危机预警模型研究

上市公司财务危机预警模型探究引言财务危机是指一个上市公司面临严峻的财务困难和经营风险，可能导致破产或资不抵债的状况。

在现代市场经济中，上市公司的财务危机在一定程度上影响着整个经济系统的稳定和进步。

因此，猜测和预警上市公司财务危机变得至关重要。

本文将探究上市公司财务危机预警模型，以提供对公司将来风险的猜测和警示。

一、上市公司财务危机的定义和特征财务危机是指企业在经济环境中出现严峻的财务问题并导致经营困难的状况。

上市公司财务危机具有以下特征：1.严峻的财务问题：财务问题可能包括资金短缺、高度负债、流淌性危机、盈利能力下降等。

2.经营困难：财务问题的出现会导致企业经营困难，包括产品销售下滑、市场份额缩水、供应链问题等。

3.潜在破产风险：财务危机进一步进步可能导致企业无力偿还债务，甚至破产。

二、财务危机预警的重要性财务危机对于上市公司和整个经济系统都带来严峻的影响。

因此，提前猜测和预警财务危机具有重要意义。

1.保卫投资者利益：通过财务危机预警模型，投资者能够更早地识别有潜在风险的上市公司，从而防止巨大的投资损失。

2.维护金融市场稳定：当上市公司发生财务危机时，其影响往往会扩散到金融市场。

猜测并准时处理这些风险，有助于维护金融市场的稳定。

3.增进经济进步：财务危机会导致企业经营困难，从而影响整个经济系统的稳定和进步。

猜测并预警财务危机，有助于降低企业经济风险，推动经济的持续进步。

三、现有的财务危机预警模型为了猜测和预警上市公司财务危机，探究者提出了多种预警模型。

其中比较有代表性的有Altman模型、Springate模型和Zmijewski模型。

1.Altman模型：Altman模型是一种经典的财务危机预警模型，它基于公司财务数据和统计分析来进行猜测。

模型主要通过计算Z值来评估公司的财务状况，从而猜测财务危机的可能性。

2.Springate模型：Springate模型是基于财务比率的预警模型。

它通过对公司的盈利能力、偿债能力和经营能力等指标进行综合分析，来裁定公司是否面临财务危机。

上市公司财务困境模型研究

也有一定的分歧，在以下几个方面已基本形成共识：务困境但财

都是从现金流，而不是会计流的角度来下定义的，差别只在于热点问题之一。目前我国绝大部分国有企业负债率居高不下，现是否将违约视为陷入财务困境的标志；当企业对债权人的承诺
金流严重不足，处在财务困境的极大威胁之中，严重制约了企业无法实现或难以遵守时，就意味着财务困境的发生；财务困境的正常经营和发展。因此。国财务困境理论研究和应用状况不等于破产，对我破产清算仅仅是处理财务困境的方法之一，有些进行剖析，具有很大的现实意义。学者将违约视为流量破产，资不抵债称为存量破产；财务困境的影响主要是在违约之前发生，因此公司价值的损失大部分是财务困境国内外研究状况在违约或破产之前而非破产之后发生的。（）一国外财务困境研究状况国内目前对财务困境也有初步的研究。９６年，１８吴世农、黄关于财务困境的问题，９８年，ｏｉｉｉＭｌｒ出了１５Ｍｄｇａ和ｉｅ提ｌｎｌ１９陈著名的Ｍ ——Ｍ理论，是没有考虑财务困境对企业和公司价世忠曾经介绍过企业的破产分析指标和预测模型；９９年，但９８年的２７家ＳＴ公司和２７家非ｓＴ公司，使用了１９９５值的影响。１６９７年，ａｔ对以上理论提出质疑，Ｂｘｅｒ他认为，在存静以１９１９进行了单变量分析和二类线性判在存量破产或丧失偿债能力可能性的情况下，过度运用财务杠年一９７年的财务报表数据，定分析；００年，玲以１０家公司为研究对象，用其中６２０张２使ｏ杆将导致财务困境成本的上升。Ａｔａｌｎ和Ｅｗｒ在《同的ｍｄａｄＩ共家公司的财务数据估计二类线性判别模型，并使用另外６ｏ家财务困境：完整的预言指南，避免和处理破产》一书中有很有见２０地的论述。而Ｊｎｏ，ｃａｌＲｃａｕｅｋＫｒｎＷｒｃ公司进行模型检验，发现模型具有超前４年的预测结果；０４ｅｓｎＭｉｅ和ｉｒＲｂｃ，ａｅｕｋｈｈｄＨ．年，吕长江，韩慧博在研究了我国１９９４年２００１年之间的上市所写的文章中都有过关于财务困境的论述。Ｓｎｅ和Ｊｅｅｂｔａｓｍ财务困境主要是指同时满足两Ｓｗｒ在《ｅａｄ财务困境：破产和重组》一书中也进行了关于财务困公司的财务困境成本之后认为：

我国上市公司财务困境的预测模型研究

我国上市公司财务困境的预测模型研究一、引言上市公司财务困境问题一直是我国经济领域的重要研究课题之一。

预测上市公司的财务困境对于降低投资风险、保护投资者利益和稳定金融市场具有重要意义。

因此，建立科学有效的预测模型对于我国上市公司财务困境的研究具有重要意义。

二、上市公司财务困境的概念及影响因素上市公司财务困境是指公司面临丧失经营能力、无力偿还债务、面临破产等经营危机的状态。

财务困境的出现往往会对企业的经营、投资和融资能力产生负面影响，甚至危及企业的存续。

财务困境的出现往往受到多种因素的影响，包括公司的盈利能力、资产负债状况、经营稳定性以及市场环境等。

三、相关研究进展在财务困境预测的研究中，学者们提出了许多不同的预测模型。

其中，常用的模型包括多元判别分析模型、Logistic回归模型、神经网络模型等。

这些模型通过分析和建立不同的指标体系，从而预测上市公司的财务困境。

四、建立我国上市公司财务困境的预测模型（一）数据收集与处理首先，需要收集所研究的上市公司的相关财务数据，包括盈利能力、资产负债状况、经营稳定性等指标。

同时，为了确保模型的稳定性和准确性，还需要对数据进行清洗和处理，删除异常值和缺失值。

（二）特征选择与构建指标体系通过分析独立变量与因变量之间的关系，选取与财务困境相关性较高的特征。

可以使用统计方法、经济学理论和专业经验等方法进行特征选择。

在特征选择的基础上，构建合理的指标体系，以更好地预测财务困境。

（三）模型构建与参数估计根据选定的特征和指标体系，建立财务困境预测模型。

常用的模型包括多元判别分析模型、Logistic回归模型、神经网络模型等。

通过分析历史数据，估计模型的参数，并对模型进行验证和调整，以提高预测的准确性和稳定性。

（四）模型评价与优化通过对预测结果的评估和对比，对模型进行进一步的优化。

评价指标可以包括准确率、精确率、召回率等，以评估模型的预测能力。

通过对模型进行优化，可以提高模型的稳定性和预测能力。

我国上市公司财务困境的预测模型研究

我国上市公司财务困境的预测模型研究我国上市公司财务困境的预测模型研究内容提要：本文以我国上市公司为研究对象，选取了70家处于财务困境的公司和70家财务正常的公司为样本，首先应用剖面分析和单变量判定分析，研究财务困境出现前5年内各年这二类公司21个财务指标的差异，最后选定6个为预测指标，应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法，分别建立三种预测财务困境的模型。

研究结果表明：(1)在财务困境发生前2年或1年，有16个财务指标的信息时效性较强，其中净资产报酬率的判别成功率较高；(2)三种模型均能在财务困境发生前做出相对准确的预测，在财务困境发生前4年的误判率在28％以内；(3)相对同一信息集而言，Logistic预测模型的误判率最低，财务困境发生前1年的误判率仅为6．47％。

一、财务困境预测模型研究的基本问题财务困境(Financial distress)又称“财务危机”(Financial crisis)，最严重的财务困境是“企业破产”(Bankruptcy)。

企业因财务困境导致破产实际上是一种违约行为，所以财务困境又可称为“违约风险”(Default risk)。

事实上，企业陷入财务困境是一个逐步的过程，通常从财务正常渐渐发展到财务危机。

实践中，大多数企业的财务困境都是由财务状况正常到逐步恶化，最终导致财务困境或破产的。

因此，企业的财务困境不但具有先兆，而且是可预测的。

正确地预测企业财务困境，对于保护投资者和债权人的利益、对于经营者防范财务危机、对于政府管理部门监控上市公司质量和证券市场风险，都具有重要的现实意义。

纵观财务困境判定和预测模型的研究，涉及到三个基本问题：一是财务困境的定义；二是预测变量或判定指标的选择；三是计量方法的选择。

(一)财务困境的定义关于财务困境的定义，有不同的观点。

Carmiehael(1972)认为财务困境是企业履行义务时受阻，具体表现为流动性不足、权益不足、债务拖欠及资金不足四种形式。

金融危机前后我国上市公司财务困境模型的变化研究

金融危机前后我国上市公司财务困境模型的变化研究：以沪市上市公司为例重庆工商大学张喆、张芳玲、毛琳摘要：本文从金融危机的大背景出发，以沪市上市公司为分析对象，选用应收账款周转率、资产负债率、营业利润与总资产的比率、留存收益（未分配利润和营业盈余）与总资产的比率、营业资本与总资本的比率等财务指标和第一大股东持股比例的非财务指标，对前金融危机阶段与后金融危机阶段分别建立Logistic模型，找出企业灵敏性指标，为企业高管和政府监管部门提供决策参考。

关键词：财务困境；金融危机；Logistic模型一、引言财务预警模型是用来研究公司财务状况的，它的建立与分析是一个不断变化与发展的过程，其重要意义主要体现在以下3点：首先对于广大投资者来说，通过模型给出的预警信号，可以使投资者更理性的投资。

其次对于企业来说，可以利用预警模型了解企业目前的运行状况和出现的问题，并根据模型系数的变化，改变投资策略，找准发展方向，使企业效益不断上升。

最后对于国家监管部门而言，可以利用模型的整体状况了解当前哪些企业存在财务风险，对其进行风险提示，可依此对相关产业的企业给与风险提示，使得国民经济平稳快速的发展。

国内外很多专家学者对这一领域做出了巨大的贡献，而且在当今学术界对于财务模型的修正和指标的选取仍是一个热点话题。

国外的财务预警模型发展较早并且较为成熟，开创性的工作始于FitPatrick(1932)和Beaver(1966)利用财务指标建立的线性判别模型。

随后分别经历了Altman(1968)的Z分数模型和Martm(1977)逻辑判别方法，随着统计学技术的提高，更多更复杂的模型运用到财务预警模型之中，例如神经网络和支持向量机等方法。

我国预警模型的建立起步较晚，但发展速度很快。

章之旺(2004)利用单变量与多变量Logistic模型建立我国的财务预警模型，张根明、向晓骥(2007)利用支持向量机(SVM)的方法建立了我国上市公司的财务预警模型，并与神经网络方法进行了比较，得出前者更具有效性的结论。

上市公司财务危机预警模型研究共3篇

上市公司财务危机预警模型研究共3篇上市公司财务危机预警模型研究1上市公司财务危机预警模型研究在市场经济的大环境下，上市公司作为市场主体的一员，其存在与生存，直接关系到市场的稳定和发展。

然而，随着全球经济的不断变化和发展，上市公司财务危机也日益显现，尤其是在经济下行时期，危机更是不可避免。

因此，上市公司财务危机的预警与预防工作显得异常重要。

一些经济学家和财务专家通过对上市公司财务危机的统计分析和案例研究，提出了一系列财务危机预警模型，帮助投资者监控上市公司的财务状况，及时防范财务风险。

本文结合实际情况，分析上市公司财务危机的预警模型。

一、多元线性回归模型多元线性回归模型是其中较为简单和实用的一种模型。

该模型利用历史财务数据，确定与财务危机相关的各项因素，设计回归方程。

通过拟合历史数据，预测未来的财务状况，提前预警财务风险。

二、Logistic回归模型Logistic回归模型是基于二元逻辑回归的模型，将公司财务危机分类为“出现”和“未出现”两类，利用逻辑函数描绘二者之间的联系。

该模型可以确定关键因素对财务危机可能性的影响程度。

可以说，Logistic回归模型是一种比多元线性回归模型更加细致的预警模型。

三、神经网络模型神经网络模型可以有效地发现非线性数据关系。

它与传统的回归模型不同，可以处理多种形式的数据输入，包括非数字数据。

符合一定规律的非数字数据可以通过预先处理翻译为数字数据。

而神经网络模型有一种自我修复和自我学习的能力，在财务危机的情况下，会自动更新模型预测因素，提高预警准确性。

事实上，神经网络模型在股票价格预测和预警等大型金融系统中，已经有非常广泛的应用。

以上三种模型通过对财务数据的收集、分析及横向对比，识别出财务问题的发现点，偏离预期值的部分，对下一期财务状况进行预测。

三种预警模型可以互相协作，以提高预警的准确度。

财务危机之所以危害巨大，是因为它们的起点点往往几乎是所有人都看不到的。

它们通常是一些经常被埋没在财务报表背后的细节、偏差和异常情况。

中国上市公司的财务困境预测

3
中国上市公司财务困境预测
（如市场结构，资本结构及公司的定位）来解释公司破产的财务模型（ＦｉｎａｎｃｉａｌＭｏｄｅｌ），如Ｓｃｏｔｔ（１９８１）导出的一期期权定价模型、没有外部资本市场的赌徒破产模型、具有完全外部资本市场的赌徒破产模型以及不完全外部资本市场中的赌徒破产模型等四种模型。第三类是近年引入的代理模型（ａｇｅｎｃｙｍｏｄｅｌ），试图用股东和债权人之间的潜在利益冲突来解释公司的破产。最后一类是建立在产业经济学上的管理理论（ｍａｎａｇｅｍｅｎｔｔｈｅｏｒｙ），这一理论试图通过寻找公司管理和战略上的弱点来解释破产，此类研究主要以案例研究为主。然而，尽管这些经济理论对建立财务困境预测模型有一定的指导作用，但远不能准确确定预测模型应包括的预测变量。因此，在选择预测变量时，破产预测的经验研究只能以判别率的高低作为标准，进行大量的“搜索工作”，在若干种不同模型、变量组合、样本组合和估计技术组合中寻找判别能力最好的预测模型。
1 本项研究为小林实中国经济研究基金资助项目。在此，作者要特别感谢前后三位匿名来自稿人对本文所提出的意见和建议。
2
中国上市公司财务困境预测
一、文献回顾
最早的财务困境预测研究是Ｆｉｔｚｐａｒｔｒｉｃｋ（１９３２）开展的单变量破产预测研究。以１９家公司作为样本，运用单个财务比率将样本划分为破产和非破产两组，Ｆｉｔｚｐａｒｔｒｉｃｋ发现判别能力最高的是净利润／股东权益和股东权益／负债两个比率。尽管Ｆｉｔｚｐａｒｔｒｉｃｋ研究的结果很不错，但一直到了三十多年后的１９６６年才有人沿着他的这条思路继续研究破产预测问题。Ｂｅａｖｅｒ（１９６６）使用由７９对公司组成的样本，分别检验了反映公司不同财务特征的６组３０个变量在公司破产前１￣５年的预测能力，他发现最好的判别变量是营运资本流／负债（在公司破产的前一年成功地判别了９０％的破产公司）和净利润／总资产（在同一阶段的判别成功率是８８％）。Ｂｅａｖｅｒ还发现越临近破产日，误判率越低。自从Ｂｅａｖｅｒ的这项研究之后，很少再有专门的单变量研究出现，大多数研究人员更倾向于采用多变量分析方法，这主要是因为企业的财务特征不可能由一个变量充分反映出来。Ａｌｔｍａｎ于１９６８年首先使用了多元线性判别模型研究公司的破产问题。根据行业和资产规模，他为３３家破产公司选择了３３家非破产配对公司，选用２２个变量作为破产前１￣５年的预测备选变量，根据误判率最小的原则，最终确定了５个变量作为判别变量。在估计样本中，其模型在破产前一年成功地判别出３３家破产企业中的３１家，而对于由２５家破产企业和５６家非破产企业组成的检验样本，模型在企业破产前一年正确地从２５家破产企业中判别出２４家，从５６家非破产企业中判别出５２家。线性判别模型对预测变量有着严格的联合正态分布要求，但现实中大多数财务比率并不满足这一要求，且一旦在预测变量中出现虚拟变量，那么联合正态分布的假设就完全不成立。为克服这一局限性，研究人员引进了逻辑（Ｌｏｇｉｔ）和概率比（Ｐｒｏｂｉｔ）回归方法。使用逻辑回归方法和由在１９７０－１９７６年间破产的１０５家公司和２０５８家非破产公司组成的非配对样本，Ｏｈｌｓｏｎ（１９８０）分析了样本公司在破产概率区间上的分布以及两类判别错误和分割点的关系，他发现至少存在四类显著影响公司破产概率的变量：公司规模，资本结构，业绩和当前的变现能力。由此Ｏｈｌｓｏｎ认为以前根据行业和资产规模来进行样本配对的选样方法显得有些武断，还不如将资产规模变量直接放在模型中考虑。此外，他还发现以前的一些研究有高估模型预测能力的现象，他将这种现象归咎于在样本中含有破产申请日后公布的数据。

上市公司财务困境的动态预测模型

上市公司财务困境的动态预测模型上市公司财务困境的动态预测模型引言在经济运行中，上市公司是经济活动的主体之一，财务状况的变化对公司的经营和发展起着重要的作用。

然而，由于市场环境、行业竞争等因素的影响，上市公司有时会遭遇财务困境，这给公司的稳定运营和发展带来了一定的风险。

为了能够及时预测上市公司的财务困境，提前采取应对措施，研究者们提出了许多模型和方法。

本文将介绍一种基于动态预测模型的方法，用于预测上市公司的财务困境。

1. 财务困境的定义和特征财务困境是指上市公司在经营过程中出现了严重的财务问题，公司的现金流入不足以满足支出的需求，从而导致公司难以维持正常的运营和发展。

通常情况下，财务困境的公司具有以下特征：资产负债比率较高，公司负债较多，无法偿还债务；公司盈利能力下降，净利润连续多年下滑；公司现金流量持续为负，无法及时支付经营成本和利息费用；公司市场竞争力下降，市场份额减少。

2. 动态预测模型的原理动态预测模型是一种基于时间序列和统计分析的模型，通过对过去的财务数据进行分析，建立数学模型，预测未来一段时间内公司的财务状况。

该模型主要包括以下几个步骤：2.1 数据收集和处理首先，需要收集上市公司过去一段时间（如三年）的财务数据，包括资产负债表、利润表、现金流量表等。

然后，对数据进行处理，选择关键指标，并进行归一化处理，以便于后续的分析。

2.2 特征选择从处理后的数据中，选择与财务困境相关的特征变量。

通常情况下，资产负债比率、净利润率、现金流入流出等指标是与财务困境相关的重要变量。

2.3 模型建立根据选定的特征变量，建立财务困境预测模型。

可以采用统计分析方法，如回归分析、时间序列分析等，建立数学模型，预测公司未来一段时间内的财务状况。

2.4 模型评估和优化建立模型后，需要对其进行评估和优化。

可以采用交叉验证等方法，评估模型的预测准确率，并对模型进行调整和优化，以提高预测准确性。

3. 动态预测模型应用案例3.1 案例背景以某上市公司为例，该公司在过去几年内经历了财务困境，负债率持续上升，净利润下滑等问题。

经典参考资料中国上市公司财务困境预测模型比较研究

经典参考资料中国上市公司财务困境预测模型比较研究—来自中国上市公司的阅历证据徐广成〔商学院，财务管理，2007000567〕内容摘要财务风险预警是金融范围一个重要的研讨课题。

自上世纪60年代以来，随着企业破产效果的日益严重，各国学者纷繁试图经过定量剖析对企业破产提早作出预测。

近五十年来，从多元判别剖析等线性预测模型，到以神经网络模型为代表的各种非参数预测模型，相关的研讨效果层出不穷。

但是，在国际对公司财务风险预警的研讨才刚刚起步，其主要缘由是1993年7月1日之前我国并没有实施一致的会计准那么，缺乏牢靠的规范的研讨数据。

因此，研讨如何应用国外现有的研讨效果，结合中国的实践对企业破产作出准确的预测，是摆在我们面前迫切需求处置的效果。

中国证券市场历经十三年的开展，规模日益壮大。

面对这么庞大的市场，假设能借助财务风险预警模型对上市公司的财务危机提早作出预测，不论关于监管者、银行、上市公司或许投资者来说，都具有重要的意义。

本文以中国上市公司作为研讨对象，将公司因财务状况异常而被特别处置〔ST〕作为企业堕入财务困境的标志，采用逐渐判别剖析方法挑选自变量，并应用多元判别剖析〔MDA〕、Logistic回归和BP神经网络三种方法停止财务风险预警，比拟其预测结果。

研讨发现，速动比率、营运资本/活动资产、利息保证倍数、总资产周转率、营业支出净利润率、活动资产净利润率和主营业务利润/利润总额等财务目的具有较强的预测才干；比拟三种方法，发现BP神经网络的预测才干最强，Logistic回归模型的预测才干次之，多元判别剖析的预测效果最弱；采用BP神经网络模型可以在上市公司被ST的前3年以87％的准确率预测出企业行将堕入财务困境。

本文共分四章，引言局部引见研讨背景和研讨意义；第一章是国际外财务风险预警研讨概述；第二章引见本文的主要设计，包括研讨样本、财务目的的选取和模型的构建；第三章对实证研讨的结果停止剖析，比拟了多元判别剖析、Logistic回归和BP神经网络三种方法的预测效果；第四章是研讨结论。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

我国上市公司财务困境的预测模型研究内容提要：本文以我国上市公司为研究对象，选取了70家处于财务困境的公司和70家财务正常的公司为样本，首先应用剖面分析和单变量判定分析，研究财务困境出现前5年内各年这二类公司21个财务指标的差异，最后选定6个为预测指标，应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法，分别建立三种预测财务困境的模型。

一、财务困境预测模型研究的基本问题财务困境(Financial distress)又称“财务危机”(Financial crisis)，最严重的财务困境是“企业破产”(Bankruptcy)。

企业因财务困境导致破产实际上是一种违约行为，所以财务困境又可称为“违约风险”(Default risk)。

事实上，企业陷入财务困境是一个逐步的过程，通常从财务正常渐渐发展到财务危机。

实践中，大多数企业的财务困境都是由财务状况正常到逐步恶化，最终导致财务困境或破产的。

因此，企业的财务困境不但具有先兆，而且是可预测的。

纵观财务困境判定和预测模型的研究，涉及到三个基本问题：一是财务困境的定义；二是预测变量或判定指标的选择；三是计量方法的选择。

(一)财务困境的定义关于财务困境的定义，有不同的观点。

Carmiehael(1972)认为财务困境是企业履行义务时受阻，具体表现为流动性不足、权益不足、债务拖欠及资金不足四种形式。

Ross等人(1999；2000)则认为可从四个方面定义企业的财务困境：第一，企业失败，即企业清算后仍无力支付债权人的债务；第二，法定破产，即企业和债权人向法院申请企业破产；第三，技术破产，即企业无法按期履行债务合约付息还本；第四，会计破产，即企业的账面净资产出现负数，资不抵债。

从防范财务困境的角度看，“财务困境是指一个企业处于经营性现金流量不足以抵偿现有到期债务”，即技术破产。

在Beaver(1966)的研究中，79家“财务困境公司”包括59家破产公司、16家拖欠优先股股利公司和3家拖欠债务的公司，由此可见，Beaver把破产、拖欠优先股股利、拖欠债务界定为财务困境。

Altman(1968)定义的财务困境是“进入法定破产的企业”。

Deakin(1972)则认为财务困境公司“仅包括已经经历破产、无力偿债或为债权人利益而已经进行清算的公司”。

(二)预测变量的选择财务困境预测模型因所用的信息类型不同分为财务指标信息类模型、现金流量信息类模型和市场收益率信息类模型。

1．财务指标信息类模型。

Ahman(1968)等学者(Ahman，Haldeman和Narayanan，1980；Platt和Platt，1991)使用常规的财务指标，如负债比率、流动比率、净资产收益率和资产周转速度等，作为预测模型的变量进行财务困境预测。

尽管财务指标广泛且有效地应用于财务困境预测模型，但如何选择财务指标及是否存在最佳的财务指标来预测财务困境发生的概率却一直存在分歧。

Harmer(1983)指出被选财务指标的相对独立性能提高模型的预测能力。

Boritz(1991)区分出65个之多的财务指标作为预测变量。

但是，自Z模型(1968)和ZETA模型(1977)发明后，还未出现更好的使用财务指标于预测财务困境的模型。

2．现金流量信息类模型。

现金流量类信息的财务困境预测模型基于一个理财学的基本原理：公司的价值应等于预期的现金流量的净现值。

如果公司没有足够的现金支付到期债务，而且又无其他途径获得资金时，那么公司最终将破产。

因此，过去和现在的现金流量应能很好地反映公司的价值和破产概率。

在Gentry，Newbold和Whitford(1985a；1985b)研究的基础上，Aziz、Emanuel和Lawson(1988)发展了现金流量信息预测财务困境模型。

公司的价值来自经营的、政府的、债权人的、股东的现金流量的折现值之和。

他们根据配对的破产公司和非破产公司的数据，发现在破产前5年内两类公司的经营现金流量均值和现金支付的所得税均值有显著的差异。

显然，这一结果是符合现实的。

破产公司与非破产公司的经营性现金流量会因投资质量和经营效率的差异而不同，二者以现金支付的所得税也会因税收会计的处理差异而不同。

Aziz、Emanuel和Lawson(1989)比较了Z模型、ZETA模型、现金流量模型预测企业发生财务困境的准确率，发现现金流量模型的预测效果较好。

3．市场收益率信息类模型。

Beaver(1968)是使用股票市场收益率信息进行财务困境预测研究的先驱。

他发现在有效的资本市场里，股票收益率也如同财务指标一样可以预测破产，但时间略滞后。

Altman和Brenner(1981)的研究表明，破产公司的股票在破产前至少1年内在资本市场上表现欠佳。

Clark和Weinstein(1983)发现破产公司股票在破产前至少3年内存在负的市场收益率。

然而，他们也发现破产公告仍然向市场释放了新的信息。

破产公司股票在破产公告日前后的两个月时间区段内平均将经历26％的资本损失。

Aharony，Jones和Swary(1980)提出了一个基于市场收益率方差的破产预测模型。

他们发现在正式的破产公告日之前的4年内，破产公司的股票的市场收益率方差与一般公司存在差异。

在接近破产公告日时，破产公司的股票的市场收益率方差变大。

(三)计量方法的选择财务困境的预测模型因选用变量多少不同分为单变量预测模型和多变量预测模型；多变量预测模型因使用计量方法不同分为线性判定模型、线性概率模型和Logistic回归模型。

此外，值得注意的是，近年来财务困境预测的研究方法又有新的进展。

网络神经遗传方法已经开始被应用于构建和估计财务困境预测模型。

(四)我国对企业财务困境预测的研究在国内的研究中，吴世农、黄世忠(1986)曾介绍企业的破产分析指标和预测模型；陈静(1999)以1998年的27家ST公司和27家非ST公司，使用了1995—1997年的财务报表数据，进行了单变量分析和二类线性判定分析，在单变量判定分析中，发现在负债比率、流动比率、总资产收益率、净资产收益率4个财务指标中，流动比率与负债比率的误判率最低；在多元线性判定分析中，发现由负债比率、净资产收益率、流动比率、营运资本／总资产、总资产周转率6个指标构建的模型，在ST发生的前3年能较好地预测ST。

张玲(2000)以120家公司为研究对象，使用其中60家公司的财务数据估计二类线性判别模型，并使用另外60家公司进行模型检验，发现模型具有超前4年的预测结果。

二、本文的样本和研究方法本文与以前我国上市公司财务困境的研究有所不同。

第一，样本新、时间长、容量大。

本文研究的ST样本包括1998—2000年发生ST的公司，即A股市场上全部的ST公司，同时剔除了非正常的ST公司；此外，样本数据的收集时间延至公司发生ST前5年，样本时间跨度较长。

选入研究的ST样本公司70家和相对应的非ST样本公司70家，样本容量达到了140家，可望在一定程度上降低估计和预测误差。

第二，选择多种研究方法，建立单变量判定模型和三种多变量判定模型，并比较各种模型在财务困境预测中的效率。

(一)财务困境公司的样本选定本文从我国A股市场上3年中出现的82家ST公司中界定出70家公司作为财务困境公司，进行财务困境预测研究。

它们是：(1)连续两年亏损，包括因对财务报告调整导致连续两年亏损的“连亏”公司，共51家；(2)一年亏损但最近一个会计年度的股东权益低于注册资本，即“巨亏”公司，共16家；(3)因注册会计师意见而特别处理的，共3家。

但排除了：(1)上市两年内就进入特别处理的公司，共8家。

排除原因是财务数据过少和存在严重的包装上市嫌疑，因此与样本中的其他公司不具有同质性；(2)因巨额或有负债进行特别处理的公司，共2家。

排除原因是或有负债属偶发事件，不是由企业正常经营造成的，与其他样本公司不具有同质性；(3)因自然灾害、重大事故等进行特别处理的，共2家，原因同(2)。

(二)研究程序和计量方法本研究首先计算140家样本公司的盈利增长比率、股东权益收益率等21个财务指标，这些指标综合反映了企业的盈利能力、长短期偿债能力、营运能力、成长能力和企业规模。

在此基础上，使用剖面分析对样本中的财务困境公司和非财务困境公司在财务困境发生前5年期间历年的21个财务指标进行对比分析，探讨对企业陷入财务困境影响显著的变量。

其后，应用单变量分析，选择4个财务指标为例估计单变量判定模型。

最后，筛选和确定对企业陷入财务困境影响最为显著的6个指标为模型的判定指标，应用线性概率模型、Fisher 二类线性判定模型、Logistic模型三种计量方法，建立和估计财务困境的预测模型，并比较这三种模型的预测效果。

三、实证研究(一)剖面分析首先分组计算70家财务困境公司和70家非财务困境公司的21个财务指标在财务困境发生前至年的平均值和标准差等描述性统计量，比较这二组在个财务指标各年的平均值是否具有显著差异，其次计算各年的Z 统计检验量，结果如表1所示。

剖面分析结果表明：(1)在ST 发生的前1和2年，财务困境公司和非财务困境公司的17个财务指标的平均值存在显著的差异；(2)Z 值随着ST 发生时间的临近而显著增大，即二组的财务指标平均值的差异随ST 发生时间的临近而扩大。

由此可见，在所选的21个财务指标中，除利息保障倍数、存货周转率、Log(总资产)和Idg(净资产)外，其余17个在财务困境发生前1至2年中具有显著的预测能力。

表1 21个财务指标Z 统计量的计算结果**Z 是二组的平均数之差除于二组的共同标准误，即Z=[M1-M2]/[S1/N1]+（S2/N2）]1/2(二)单变量判定分析本文选择净资产报酬率、负债比例、营运资产与总资产的比例和资产周转率4个财务指标，应用单变量判定分析分别建立4个单变量预测模型，通过确定模型的最佳判定点，可以判定某一企业在财务困境发生前1至5年其是否会陷入财务困境。

估计模型的结果如表2至表5所示。

表2 净资产报酬率在财务困境前1-5年的判定模型由表2至表5可见：(1)从各个单变量判定模型的判定效果来看，净资产报酬率的判定模型误差最小；营运资本／总资产的判定模型和负债比率的判定模型误差次之，资产周转率的判定模型误差最大。