财务困境模型（财务困境模型z指标数据怎么找）

本篇文章给大家谈谈财务困境模型，以及财务困境模型z指标数据怎么找对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

微信号：cloud7591
如需了解更多，欢迎添加客服微信咨询。
复制微信号

本文目录一览：

• 1、财务预警模型主要有哪几种？
• 2、中小企业财务管理中存在的问题可用哪些模型分析
• 3、企业财务风险z值模型
• 4、财务困境预测的单变量判别分析法
• 5、你如何确定一个公司的财务困境(或破产)风险？
• 6、企业破产的财务预警分析模型有哪些

财务预警模型主要有哪几种？

1、单变量模型

单变量模型是指使用单一财务变量对企业财务失败分险进行预测的模型。主要有威廉·比弗(William Beaver)于1966年提出的单变量预警模型。

2、多变量模型

多变量模型是指使用多个变量组成的鉴别函数来预测企业财务失败的模型。较早使用多变量预测的是美国纽约大学的教授爱德华·阿尔曼(Edwardi.altman)，他是第一个使用鉴别分析（discriminant analysis）研究企业失败预警的人。

扩展资料：

财务预警的功能

1、征兆

当可能危害企业财务状况的关键因素出现时，财务失败预警系统能预先发出警告，提醒企业经营者早做准备或采取对策以减少财务损失。

2、预扩大

当财务危机征兆出现时。有效的财务失败预警系统不仅能预知并预告，还能及时寻找导致企业财务状况进一步恶化的原因，使经营者知其然，更知其所以然，制定有效措施，阻止财务状况进一步恶化，避免严重的财务危机真正发生。

3、再次发生

有效的财务失败预警系统不仅能及时回避现存的财务危机，而且能通过系统详细地记录其发生缘由、解决措施、处理结果，并及时提出建议，弥补企业现有财务管理及经营中的缺陷，完善财务失败预警系统，从而既提供未来类似情况的前车之鉴，更能从根本上消除隐患。

参考资料来源：百度百科-财务预警

中小企业财务管理中存在的问题可用哪些模型分析

财务管理咨询的分析模型由三部分组成。

1.战略性分析。侧重对企业的外部环境展开，目的是掌握以下情况：

（1）企业所处行业的特征；

（2）企业的特征；

（3）企业所从事和可能从事的各战略经营领域的成功关键是什么，发展速度如何，资金利润率是多少，为建立战略优势所需要的最佳经济规模是多少，平均投资额是多少；

（4）企业所从事和可能从事的各战略经营领域中，成本居于何战略地位，行业的平均和先进水平是什么；

（5）企业的筹资环境特征，包括供求形势、筹资条件、行业与融资机构的一般关系以及同行业竞争者的筹资能力和财政实力；

（6）同行业竞争者资金筹措与运用效果，包括资金效益性、资金流动性、资金安全性。

战略性分析的任务是把握企业一般环境、行业环境和金融环境的风险度，成功关键因素，机遇和威胁，为企业的财务管理体系提供筹资、投资和成本管理方面客观的参照标准。

2.执行性分析。它侧重对企业财务系统展开，目的是掌握以下情况：

（1）企业财务管理体制的现状；

（2）企业资金流动运行及其功能现状（效益性、流动性、安全性）；

（3）企业筹资和投资工作及其管理的现状；

（4）企业成本及成本管理的现状；

（5）改进企业财务管理现状的条件。

执行性分析的任务是把握企业财务系统的特点、成熟程度、优势和劣势、在资金管理和成本管理方面的关键问题，并把握改善财务系统功能的可行因素。

3.设计改善方案。这里所述的改善方案是对企业整个财务系统提出的综合改善方案。

改善方案包括两部分：财务的战略方针和财务的战术管理体系。

财务预警模型是诊断企业财务状况、提供财务危机信号的得力帮手，研究它无疑具有积极的意义。本文试图对目前国内外多种财务预警模型进行比较分析，以为构建适合我国企业财务预警模型提供一些思路和方法。

一、财务预警模型的分类简介

（一）单变量模型

单变量模型是指运用单一变数，用个别财务比率或现金流量指标来预测财务危机的方法。Fitzpatrick最早研究发现，出现财务困境的公司其财务比率和正常公司相比有显著的不同，从而认为企业的财务比率能够反映企业的财务状况，并指出财务比率分别对企业未来具有预测作用。Beaver在此基础上用统计方法建立了单变量财务预警模型，发现债务保障比率对公司的预测效果较好，其次是资产收益率和资产负债率的预测效果。另外，日本的田边升一提出了利息及票据贴现费用的单变量判别分析方法，以利息及票据贴现费用的大小来判断企业正常与否，从而也可对企业起预测作用。

（二）多变量模型

多变量模型就是运用多个财务指标或现金流量指标来综合反映企业的财务状况，并在此基础上建立预警模型，进行财务预测。按所建模型是否具有动态预警能力、财务预警系统是否易于修改和扩充，多变量模型又可以分为静态统计模型和动态非统计模型。

1．静态统计模型。①线性判别模型。多元线性判别模型是运用多元统计分析方法中的判别分析建立起来的，它是根据一定的样本资料，建立判别函数、确定判定区域，以对企业财务状况进行预测。这种模型以美国Atlman教授的Z模型最具代表性。②主成分预测模型。该模型也形成一个线性判定函数式，其形式类似判别分析模型。不过该模型是运用多元统计分析中的主成分分析方法，通过提炼综合因子形成主成分，并利用主成分建立起来的。我国学者张爱民、杨淑娥等分别运用主成分分析方法对我国上市公司的财务预警模型进行过研究。③简单线性概率模型。该模型是利用多元线性回归方法建立起来的，其形式是：y＝c＋β1x1＋β2x2＋…＋βkxk。其中：c、β1、β2、…、βk为系数；x1、x2、…、xk为k个预测变量，即财务指标；y为企业财务失败的概率。该模型以0．5为危机分界点，y值越大，企业发生财务失败的可能性越大，y值越接近于0，说明企业财务越安全。④logit模型和probit模型。它们也分别叫作对数比率模型和概率单位模型，都属于概率模型，是在克服简单的线性概率模型的基础上并分别用logit和probit概率函数建立起来的。logit模型的形式为：ln〔p÷（1－p）〕＝α0＋β1x1＋β2x2＋…＋βkxk。其中：p取值为0、1；p为概率；x1，x2，…，xk为k个预测变量，即财务指标；α0、β1、β2、…、βk为系数。probit概率模型的预测效果一般与logit模型预测的效果相差不大，在此不多加介绍。

2．动态非统计模型。动态财务预警模型主要是把人工智能中的归纳式学习的方法应用于财务危机预测。目前，这种方法中最常用的是神经网络预测模型。在神经网络模型中，当输入一些资料后，网络会以目前的权重计算出相对应的预测值以及误差，而再将误差值回馈到网络中调整权重，经过不断地重复调整，从而使预测值渐渐地逼近真实值。当应用此网络到新的案例时，只要输入新案例的相关数值，神经网络就可以根据当时的权重得出输出值即预测值。神经网络分析是一种并行分布模式处理系统，具有高度的计算能力、自学能力和容错能力。该模型由一个输入层、若干个中间层和一个输出层构成。案例推理法是近年来才被尝试应用于财务危机预测上的一种动态非统计模型方法。它是一种依循经验来推理的方法，就是以过去发生的案例为主要的经验依据来判断未来可能发生的问题，是一种典型的“上一次当，学一次乖”的推理方法。当输入一个新的问题到案例推理法系统，该系统会在从现有的案例库中搜寻相似的案例，判断新案例的类型。案例推理法的关键步骤就是根据相似性演算法测算出案例之间距离，再转变为案例之间的相似度，由相似度选取最相近的案例，据此进行推理判断。

二、各类财务预警模型的比较

（一）单变量模型和多变量模型的比较

1．单变量模型方法简单，多变量模型方法较为复杂。单变量模型只对单个财务比率进行分析考察，观察企业发展变化趋势，据此来判断企业财务状况，不需要进行复杂的计算。而多变量模型均同时选取多个财务指标或现金流量指标，再通过一定的方法进行综合分析，模型的构建涉及多种方法和理论，操作比较复杂。

2．和多变量模型相比，单变量模型分析存在较多的局限性。①不同的财务比率的预测目标和能力经常有较大的差距，容易产生对于同一公司使用不同比率预测出不同结果的现象。②单个指标分析得出的结论可能会受到一些客观因素的影响，如通货膨胀等的影响。③它只重视对个别指标影响力的分析，容易受管理人员粉饰会计报表、修饰财务指标、掩盖财务危机的主观行为的影响，以致模型判断失效。而多变量模型由于综合考虑了反映公司财务环境包括财务危机状况的多个方面的因素，反映的是基本的和整体、全局的状况，因此能比单变量模型更好地避免上述情况的发生。

（二）静态统计模型和动态非统计模型的比较

1．建立模型的方法。两者在建立模型的方法上存在着显著的差别。静态统计模型均是在利用统计数理和分析的基础上建立起来，如多元统计分析方法中的判别分析、主成分分析以及计量经济中的回归分析等。这些模型的建立均有一定的统计理论依据，均涉及到判定区间的确定和误判率的估计问题，并且建立的一般是线性模型。而动态非统计模型不是依据统计理论，而是利用人工智能中归纳式学习的方法建立起来的，整个分析及预测过程就好像是人类学习及思考一样。它是一种自然的非线性模型。

2．模型建立的假定条件。静态统计模型的建立一般都对样本数据的分布作一定的假设，并以假设作为前提条件。如，多元统计分析中的数据正态分布假设、协方差矩阵相等假设、简单线性概率模型的二项分布假设等。一般来说，只有在这些假设条件基本得到满足的情况下，才能保证静态统计模型预测的准确性。另外，静态统计模型的建立是以对数据之间的关系已有清醒的认识为基础的，一般假定各变量之间为简单的线性关系，并且比较注重数据本身的完整性及一致性。而动态非统计模型一般没有数据的分布、结构等方面的要求，适用于非线性关系的数据并对数据的缺失具有相当的容许性，基本上能处理任意类型的数据。

3．是否具有动态预警功能和容错性。静态统计模型只是根据以前的样本资料建立起来的，样本资料一旦确定，便难以再予调整，除非重新建立模型。随着财务状况的发展和财务标准的更新，这种按照以前的资料、标准建立起来的模型难以对已经变化了的财务状况作出准确的预测和判断，即这种模型不具有动态预警能力，不易修改和扩充。并且，静态统计模型对错误资料的输入不具有容错性，无法自我学习和调整。而动态非统计模型具备随着不断变化的环境进行自我学习的能力，随着样本资料的积累，可以定期更新知识，从而实现对企业危机的动态预警。并且，由于动态预警模型具有高度的自我学习能力，对错误资料的输入具有很强的容错性，因而更具有实用价值。

4．实际应用。动态模型如神经网络模型等的分布是自由的，当变量从未知分布取出和协方差结构不相等（企业失败样本中的常态）时，神经网络能够提供准确的分类。但是，它在实际运用中还存在一些问题，如模型的拓扑定义、网络架构的决定、学习参数以及转换公式的选择等比较复杂和难以确定，其工作的随机性较强，非常耗费人力与时间，而且其在决策方法中表现得像一个黑匣子，以致对它的接受和应用都较困难。另外，这种模型要求拥有大量的学习训练样本以供分析，如果样本数量积累得不足、没有足够的代表性和广泛的覆盖面，则会大大地影响系统的分析和预测的结果。Altman（1995）在对神经网络法和判别分析法的比较研究中得出结论：“神经网络分析方法在风险识别和预测中的应用并没有实质性地优于线性判别模型”。而传统的统计模型发展得比较成熟，计算也相对简单，应用也较为广泛。并且某些统计方法，如：logit、probit模型对数据是否具备正态分布、两组协方差是否相等也没有要求，常用的判别分析中的距离判别方法也可以在两总体协方差矩阵不相等的情况下使用。因此，目前在财务预警模型方面仍然以传统的统计方法为主，而动态模型尚不够成熟，对它的应用仍处于探索、实验阶段。

（三）各种统计模型之间的比较

1．各种统计方法本身功能的比较。判别分析和主成分分析方法属于多元统计分析，其中，判别分析方法主要研究在已知研究对象分成若干类型并已取得各类样品观测数据的基础上，如何判别一个新样品的归类问题，即判别分析的宗旨就是判断新的案例的类别。主成分分析方法的主要功能是为了解决样本数据中指标个数太多以及指标间信息存在重复的问题，其作用有两个：一是降维，二是减少信息的重复，从而使分析简化。简单的线性概率模型和logit概率模型都属于回归分析方法，其目的是研究模型中各解释变量与被解释变量之间的特定的关系，尤其是数值关系。所以，若只从各种方法的主要功能来说，利用判别分析方法建立财务预警模型是最适当的，因为这种方法就是研究类别归属问题。

2．各种统计方法建立财务预警模型的比较。判别分析方法的核心就是根据距离的远近来判断样品的归属，通常形成一个线性判定函数式，据此判断待判企业的归属。一般要求数据服从正态分布和两组总体间协方差矩阵相等。主成分分析方法主要是对多维财务指标进行综合、降维，然后给各综合指标赋予一定的权值再进行综合分析，形成一个判分式，根据财务正常企业和财务失败企业各自得分情况形成判定区间，计算出待判企业的得分，据此加以判断。

利用主成分分析方法建立财务预警模型有一个明显的缺陷：即综合评分式权重的确定以及判定区间的确定都具有较大的主观性和不准确性，尤其是后者受样本数据分布的影响很大。简单线性概率模型就是以各财务指标作为解释变量，以财务状况作为被解释变量，将财务状况分为正常和失败，分别取0和1，利用样本资料建立回归方程，把待判企业财务指标数据代入方程，求得的值即为预测值，代表该企业发生财务失败的可能性。简单线性概率模型有四个缺陷：①残差不满足正态分布，而是二项分布；②具有异方差；③一般样本决定系数太小，回归方程拟合程度低；④难以保证回归值在〔0，1〕区间，因此，用此方法建立的财务预警模型，其预警判别能力不如其他方法。Logit和probit模型均是为了克服简单的线性概率模型的缺陷而建立起来的，一般采用最大似然估计方法进行估计，不需要满足正态分布和两组协方差矩阵相等的条件，得出的结果直接表示企业发生财务失败的可能性大小，操作简单，结果明了。此方法目前被广泛运用。

根据有关学者对多种统计模型判别准确率的比较研究，得知判别分析方法是20世纪80年代以前主要的建模方法，其预测的准确率一直较高，并且是到目前为止被运用的主要方法之一。Altman2000年用判别分析方法建立的预警模型，其预测精度仍高达96％。logit预测模型近年来也被广泛地运用，其预测精度也相对较高。我国学者吴世农、卢贤义建立的财务预警模型具有样本新、容量大的特点，他们在2001年对经过严格检验的同一套样本指标分别用判别分析方法和logit方法进行财务预测，结果发现logit模型的预测精度（93．6％）要明显优于判别分析方法的预测精度（89．9％）。

企业财务风险z值模型

企业 风险与危机是由不确定性引起的，企业财务风险与 危机的成因也是如此。 由于企业的生产经营和管理活动是一个具有不确定性的系统，即在企业活动的各个环节都有存在大量的不稳定性和不确定性因素，所以企业的行为必然会伴随着风险的威胁和影响，若风险失控就会引发危机。任何企业风险终将会对企业财务造成影响，并显示在会计信息上，企业资金管理技术性失误是财务危机的直接根源。

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，大多数企业的财务危机都是由财务状况正常到逐步恶化，最终导致财务危机或破产的。因此，依据企业危机预警管理的基本思想，建立有效的企业财务危机预警系统，完全可能避免企业财务危机的发生，至少能够把财 务危机所造成的损失和影响降到最低程度。

这是因为企业财务危机预警系统是通过设置并观察一些敏感性财务指标的变化，而对企业（或企业集团）可能或将要面临的财务危机事先进行预测预报的财务分析系统。它具备了财务危机的识别、分析与评价，并由此做出警示的管理功能。正确地预测企业财务危机，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。

一、选择Z值模型进行财务预警分析的原因 限于现在许多先进的财务困境预警模型十分复杂，对于上市公司一般的利益相关者来说使用起来十分困难。因此，财务指标广泛且有效地应用于财务困境预测模型，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，但是，自Z模 型（1968 ）及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。

二、Z值模型简介 “Z-Score”模型由美国学者Altman于20世纪60年代提出，用于探讨上市公司财务预警检测问题。Z值模型的思路是运用多变量模式建立多元线性函数公式，即运用 多种财务指标加权汇总产生的总判别分（称为Z值 ）来预测企业的财务危机。Z值模型理论是Altman通过对美国1945年～1965年之间的33家破产企业（制造业）和33家正常经营的企业（制造业）进行了充分的研究之后，再以 行业级别及规模大小分层抽取正常公司作为配对样本。

Altman将22个财务比率分为五大类：（1）流动性；（2）获利性；（3）财务杠杆；（4）偿债能力；（5）周转能力。

然后用逐步多元区别分析选取其中五个最具预测能力的财务比率，将之结合成一个数学式，于1968年发表的研究结 论而形成的理论（Z值模型 ），来计算、预测企业的财务状况。其计算方法主要就是根据这些变量对财务危机警示作用的大小而赋予不同的权重，最后进行加权计算，得到一个企业的综合风险总判别分Z，将其与临界值对比就可以了解企业财务危机的严重程度。

根据Altman的统计结果，此方法预测的准确率在破产前一年高达90%以上，而在破产前5年也高达70%之多。 该模型定义如下： Z=0.012X1+0.014X2+0.033X3+0.0064X4+0.999X5式中：

X1=（流动资产-流动负债）/总资产X2=留存收益/总资产X3=息税前利润/总资产 X4=优先股及普通股的市场价值/总负债X5=销售总额/总资产

该模型主要将企业的偿债能力指标、盈利能力指标和营运能力指标有机地结合起来综合分析企业破产的 可能性，当Z1.8时， 代表企业具有很高的破产概率；当Z32.99时，说明企业处于安全状态，破产的可能性很 小，可以不予考虑；当1.81≤Z3≤2.99时， 代表企业处于预测的灰色区域内，其财务状况不稳定，是否破产，情况不明，需特别加以注意，此时，企业若采取有效措施，改善企业经营管理，才有可能转危为安。

三、Z值模型的应用分析 Z值模型主要用于预测企业财务失败或破产的可能性，也可用于判定企业财务危机的状况，是目前在财务危机预警分析中最常采用的一种模型， 例：用Z值模型来对“合俊集团”公司财务困境进行判别分析。

香港合俊控股集团成立于1996年，在玩具业颇具知名度，香港联交所上市企业。鼎盛时期在广东东莞和清远共设有4间生产工厂，厂房生产面积达10万平方米，集团雇员1万人左右。其主力生产基地就是设在东莞樟木头镇的两家工厂。樟木头的两家工厂产品70%以上销往美国，包括为全球最大的玩具商美泰公司提供OEM（贴 Z值模型在上市公司财务预警 业务。但出于种种原因，公司利润不断下滑，甚至出现巨额亏损，2008年陷入财务危机。

选用合俊集团公司2003年至2007年定期报告中的数据，分别计算所需的财务比率。 为了计算Z值，我们需要的原始数据：流动资产、总资产、流动负债、总负债、留存收益、销售收入、利润总额、 财务费用和年底的股票市场的收盘价格。

各个变量的计算方法解释如下：

X1中的营运资本=流动资产-流动负债；

X3中的息税前利润=利润总额+财务费用；

X4中的权益的市场价值由总权益的账面价值代替，总负债的市场价值由总负债的账面价值代替。

四、结论

根据Altman的大量实证研究，得出了关于Z模型的经验判别区域：即当Z值小于1.81时，公司会在不久的几年内走向破产；而如果Z值大于2.99，则表明公司运作非常正常，不会出现财务困境；如果公司的Z值介于1.81到2.99之间，则是所谓的“灰色地带”，在这一区段内，公司的未来很难通过Z值进行推测，很可能发生破产，也很可能正常的运作下去。一般认为，如果Z值落在灰色地带，而且伴有下降趋势或明显波动的，应该要加以注意；而伴随着上升态势的，则表明公司状况良好。通过区域的划分就可得出结论：合俊集团公司的Z值从2006年突然大幅度降低，小于1.81时，可以说明公司陷入财务困境的可能性很大，此结论与企业的发展状况结果一致。

财务困境预测的单变量判别分析法

（1）（Univariate Discriminant Approach，UDA）

最早的财务困境预测研究是Fitzpatrick(1932)开展的单变量破产预测研究。1932年Fitzpatrick的相关文章“A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms”。 他发现在所有指标中判别能力最高的是净利润/股东权益和股东权益/负债这两个指标。由于当时缺乏先进的统计和计算工具，因此主要的研究方法是对失败企业和正常企业的一系列财务比率进行经验分析和比较。这种状况一直延续到1960年代初期，之后财务风险判别研究才真正进入系统化阶段。

1966年，William Beaver(1966) 在其论文“Financial Ratios as Predictors of Failure”中率先提出了单变量分析法，提出了单一比率模型，即利用单一的财务比率来预测企业的财务困境。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%)。

你如何确定一个公司的财务困境(或破产)风险？

1、亏损型财务困境

亏损企业按其亏损时间，可分为偶然亏损企业、间断亏损企业和连续亏损企业三类。偶然亏损企业是指历史上没有亏损发生，只是目前一年亏损的企业；间断亏损企业是指历史上亏损时有发生，但并非连续亏损的企业，即时盈时亏的企业；连续亏损企业是指连续二年以上亏损的企业。弄清这一点很必要。因为我国财务制度规定，企业亏损可由以后年度利润弥补，企业盈利可以先弥补以前年度亏损，然后计缴所得税，但弥补期限不能超过三年。若三年连续亏损，则第一年亏损就无法弥补。企业亏损的主要原因可能是：

①销售收入过小，成本费用过大；

②销售收入过小，现金短缺；

③成本费用过大，现金短缺；

④销售收入过小，成本费用过大，现金短缺。

对于前三种情况企业若能加强管理，问题不难解决。但是第四种情况则是进入财务困境。若不采取强力措施，恐怕企业只能破产，别无他途。

2、盈利型财务困境

盈利企业按其发展状况，可分为稳健发展的盈利企业和超常发展的盈利企业。超常发展是只求利润，不顾风险的直线发展或急剧成长。尽管不乏有通过贷款、高负债进行高风险的投资扩张获得超常发展而成功的企业家和企业，但“技改和扩建债务危机现象”非常普遍，财务危机深重、甚至破产的企业不胜枚举。盈利型财务困境往往始发于扩大销售。为了扩大销售，于是增加产成品存货，原材料存货，增加应收款项，增加设备投资。具体表现为一见订货踊跃，就唯恐生产能力不足。增加设备，进行固定资产投资，而自有资金又不充裕，于是借款。导致了固定资产过大，负债过大。

而固定资产购置后，必需要较多的相关原材料和在产品资金。这就造成存货过大并促使产成品资金上升。同时，由于借债或赊购的增加，负债进一步增大。这样产成品存货过大，造成赊销量过大，应收款项过大；应收款项过大又进一步导致借款的增加或应付款的无力支付，负债再次增加，这就出现了恶性循环。一旦市场变化，销货锐减，势必出现现金短缺，进入“有利可图，无钱可用”的财务困境。

企业破产的财务预警分析模型有哪些

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。

（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。

关于财务困境模型和财务困境模型z指标数据怎么找的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。