第四章第三节 财务风险的识别.pptVIP

第四章　风险识别 第三节　企业财务风险的识别 一、财务风险结构性质识别矩阵 ‘1 – 10’ matrix 星海公司决定： ?承担A区域中的各项风险且不再增加控制措施； ?严格控制B区域中的各项风险且专门补充制定各项控制措施； ?确保规避和转移C区域中的各项风险且优先安排实施各项防范措施。 二、“四阶段症状”分析法 三、专家调查法 　又称为特尔斐法（Delp Method），是由美国兰德公司的达尔基（N.Dalkey）和赫尔默（O.Helmer）于1964年正式提出的。 　专家调查法就是企业组织专家对内外环境进行分析，辨明企业是否存在引起财务风险发生的因素，发现财务风险的征兆，以此预测财务风险发生的可能性。在财务风险定性分析中，一般采用标准调查法，即通过专家对导致某个企业财务风险的形成，同时对所有企业都有意义、普遍适用的原因和问题进行分析。 ＃＃定性财务风险识别方法评析 定性财务风险分析方法的特点是，通过分析企业是否存在导致企业发生财务风险的原因以及是否出现了财务风险征兆，来判断未来财务风险发生的可能性。 优点： 　　定性分析考虑的问题可能更加全面，进行判断的基础更加扎实；依赖人的经验判断来作出预测，而人的判断可以将企业面临的复杂的内外环境因素考虑进去 。 定性财务风险识别方法评析（续） 缺点： 分析成本较高； 定性分析依靠人的经验进行判断，从而使得判断结果的主观色彩较强 。 （四）单变量模型 单变量（Univariate）分析通常指用单一的财务比率值或者趋势来预测或判定企业财务风险发生的可能性。 Fitzpatrick（1932）最早以19家企业为样本，运用单个财务比率，将样本划分为破产与非破产两组。研究发现：出现财务困境的企业其财务比率和正常企业的财务比率有显著差别； 1966年，美国的Beaver运用统计方法建立了单变量模型，Beaver认为比较重要的财务比率是：现金流量/负债总额、资产收益率、资产负债率。 他首先以单变量分析法提出财务风险预测模型。他使用5个财务比率分别作为变量对79家经营未失败公司和79家经营失败公司破产前1-5年的情况进行一元判定预测，结果发现最好的判别变量是营运资本流/负债（债务保障率）和净利润/总资产，并且发现离经营失败日越近，误判率越低，预测能力越强。  单变量判定分析法的一般步骤 1）搜集发生财务风险的企业作样本； 2）按相同产业、资产规模相近及时间窗一致等标准选取正常企业作为配对样本； 3）计算发生风险的企业与正常企业的财务比率； 4）找出使分类误判率最小的分割点； 5）对保留样本作预测分析，验证分割点的预测能力； 6）以所选财务比率及分割点值对样本外企业进行预测。  五、多元线性判别分析 是一种进行统计鉴别和分析的技术手段。它可以就一定数量案例的一个分组变量和相应的其他多元变量的已知信息，确定分组与其他多元变量之间的数量关系，建立判别函数，然后便利用这一数量关系对其已知多元变量信息、但未知分组类型所属的案例进行判别分析。 Z一Score模型 Altman(1968)提出了著名的5变量Z值判定模型。他从流动性（Liquidity） 、获利能力（Profitability） 、财务杠杆（Leverage） 、偿债能力（Solvency）和活动性（即发展能力Activity） 五个方面选用了22个变量作为预测备选变量，通过对1946-1965年间33家破产制造企业和33家非破产配对企业的研究分析，根据误判率最小的原则，最终5个变量作为判别变量，构建了Z一Score模型。 Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5　　　　　　　　 式中，Z表示判别函数值； X1＝营运资金/资产总额； X2＝留存收益/资产总额； X3＝息税前利润/资产总额； X4＝股东权益市场价值/总负债账面价值总额； X5＝销售收入/资产总额。 Z值，Z2. 675时，表明企业财务状况良好；Z1.81，企业存在较大的破产风险；Z值处于1.81-2. 675 之间，称为“灰色地带”，这个区间的企业财务极不稳定。 Z计分模型发展 多元线性判别法的缺点 1）多元线性判定模型一般都是建立在自变量服从多元正态分布的假设之上，但这一点并不总是成立。 2）这类模型实际上都是建立在一个隐含前提的基础上，即假定有关变量都有一个理想值，并以此为标准对公司状况进行评估。 3）在实证研究的样本方面，无法真正满足随机选择以及数据之间方差和协方差的要求。齐治平等（2002）亦认为，线性判别函数存在两个无法克服的逻辑问题：固定影响假设和完全线性补偿假设。 六、多元非线性回归模型－Logistic回归模型 二元Logistic概率函数的表达式为：