第四章、企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的識(shí)別PPT課件.ppt

第四章 企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的識(shí)別 財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別的目的 全面了解企業(yè)財(cái)務(wù)活動(dòng)中所面臨的各類(lèi)風(fēng)險(xiǎn)的暴露情況 并對(duì)各類(lèi)風(fēng)險(xiǎn)的大小及影響程度作出初步的評(píng)估和判斷 或稱(chēng)財(cái)務(wù)預(yù)警 方法 統(tǒng)計(jì)與非統(tǒng)計(jì)類(lèi)定性 定量 1 4 1企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的定性識(shí)別方法 一 企業(yè)財(cái)務(wù)結(jié)構(gòu)性識(shí)別矩陣兩個(gè)角度 財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生的可能性 危害程度 可能性 小概率 可能性較小 中等概率 很有可能 基本上肯定危害程度 輕微 較小 中等 較大 危害 2 兩者結(jié)合定義財(cái)務(wù)危機(jī)可以分成 低 中等 顯著 高四個(gè)等級(jí) P125 3 二 四階段癥狀分析法按財(cái)務(wù)危機(jī)的嚴(yán)重程度劃分為 財(cái)務(wù)危機(jī)潛伏期 財(cái)務(wù)危機(jī)發(fā)作期 財(cái)務(wù)危機(jī)惡化期 財(cái)務(wù)危機(jī)實(shí)現(xiàn)期 P126四個(gè)階段的癥狀表現(xiàn) 4 三 專(zhuān)家調(diào)查法 德?tīng)柗品?德菲爾法是1960年由美國(guó)蘭德公司 RANDCorporation 的海默 OlafHelmer 等人發(fā)明的長(zhǎng)期預(yù)測(cè)方法 運(yùn)用德菲爾法的第一步是組成專(zhuān)家小組 然后以一系列的問(wèn)卷向?qū)＜倚〗M的每一成員分別詢(xún)問(wèn) 依據(jù)專(zhuān)家們對(duì)前一個(gè)問(wèn)卷的答復(fù)擬下一個(gè)問(wèn)卷 直到獲得一個(gè)比較一致的預(yù)測(cè)值為止 利用德菲爾法進(jìn)行預(yù)測(cè)時(shí)需要有一位協(xié)調(diào)者居中策劃協(xié)調(diào) 擬訂問(wèn)卷 整理并綜合專(zhuān)家們對(duì)未來(lái)的估計(jì) 5 四 總結(jié)通過(guò)分析是否有征兆出現(xiàn)來(lái)判斷財(cái)務(wù)風(fēng)險(xiǎn)是否出現(xiàn) 優(yōu)點(diǎn) 綜合分析了較多的財(cái)務(wù)風(fēng)險(xiǎn)因素和征兆 考慮問(wèn)題較全面 判斷的基礎(chǔ)更加扎實(shí) 依賴(lài)人的經(jīng)驗(yàn)判斷 可以將企業(yè)面臨的復(fù)雜的內(nèi)外環(huán)境因素都考慮進(jìn)去 6 缺點(diǎn) 識(shí)別成本高 項(xiàng)目多 有主觀色彩 7 4 2企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的定量識(shí)別方法 一 單變量模型判別法單一財(cái)務(wù)指標(biāo)的趨勢(shì)分析來(lái)預(yù)測(cè)或判定企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生的可能性 8 該模型是威廉 比弗通過(guò)比較79個(gè)失敗企業(yè)和相同數(shù)量 相同資產(chǎn)規(guī)模的成功企業(yè)提出的 比弗認(rèn)為預(yù)測(cè)財(cái)務(wù)危機(jī)的比率有 1 債務(wù)保障率 現(xiàn)金流量 債務(wù)總額 2 資產(chǎn)收益率 凈收益 資產(chǎn)總額 3 資產(chǎn)負(fù)債率 負(fù)債總額 資產(chǎn)總額 4 資產(chǎn)安全率 資產(chǎn)變現(xiàn)率 資產(chǎn)負(fù)債率 5 資產(chǎn)變現(xiàn)率 資產(chǎn)變現(xiàn)金額 資產(chǎn)賬面價(jià)值 9 比弗發(fā)現(xiàn)債務(wù)保障比率對(duì)公司的預(yù)測(cè)效果較好 其次是資產(chǎn)收益率和資產(chǎn)負(fù)債率的預(yù)測(cè)效果 優(yōu)點(diǎn) 模型分析較為簡(jiǎn)單 10 缺點(diǎn) 1 不同的財(cái)務(wù)比率的預(yù)測(cè)目標(biāo)和能力經(jīng)常有較大的差距 容易產(chǎn)生對(duì)于同一公司使用不同比率預(yù)測(cè)出不同結(jié)果的現(xiàn)象 2 單個(gè)指標(biāo)分析得出的結(jié)論可能會(huì)受到一些客觀因素的影響 如通貨膨脹等的影響 3 它只重視對(duì)個(gè)別指標(biāo)影響力的分析 容易受管理人員粉飾會(huì)計(jì)報(bào)表 修飾財(cái)務(wù)指標(biāo) 掩蓋財(cái)務(wù)危機(jī)的主觀行為的影響 以致模型判斷失效 11 二 多元線性差別法1 原理 是運(yùn)用多種財(cái)務(wù)指標(biāo)加權(quán)匯總產(chǎn)生的總判別值來(lái)預(yù)測(cè)財(cái)務(wù)風(fēng)險(xiǎn) 即建立一個(gè)多元線型函數(shù)模型來(lái)綜合反映公司風(fēng)險(xiǎn) 12 分兩步 1 分析和解釋各組變量特征之間存在的差異 建立差別函數(shù) 樣本必須具有相互排斥的分組屬性 2 處理未知分組屬性的樣本 以第一階段的分析結(jié)果為根據(jù)對(duì)第二組樣本進(jìn)行差別分組 13 2 Z分?jǐn)?shù)模型 Z scoreModel 該模型又稱(chēng)奧爾特曼模型 是由美國(guó)財(cái)務(wù)專(zhuān)家愛(ài)得華 奧爾特曼 Edward I Altman 提出的 Z 1 2X1 1 4X2 3 3X3 0 6X4 0 999X5 14 期末流動(dòng)資產(chǎn) 期末流動(dòng)負(fù)債 期末總資產(chǎn) 期末留存收益 期末總資產(chǎn) 息稅前利潤(rùn) 期末總資產(chǎn) 期末股東權(quán)益的市場(chǎng)價(jià)值 期末總負(fù)債 本期銷(xiāo)售收入 總資產(chǎn) 15 Aitman還提出了判斷企業(yè)破產(chǎn)的臨界值 Z值大于2 675時(shí) 表明企業(yè)的財(cái)務(wù)狀況良好 破產(chǎn)可能性極小 當(dāng)Z值小于1 8l時(shí) 表明企業(yè)存在很大的破產(chǎn)危險(xiǎn) 當(dāng)1 81 Z 2 675時(shí) 企業(yè)處于灰色地帶 財(cái)務(wù)狀況極不穩(wěn)定 16 1983年Airman提出了適用于非上市公司的更通用的模型 公式為 Z 0 717Xl 0 847X2 3 107X3 0 420X4 0 998X5企業(yè)破產(chǎn)的臨界值 Z值大于2 9時(shí) 表明企業(yè)的財(cái)務(wù)狀況良好 破產(chǎn)可能性極小 當(dāng)Z值小于1 2時(shí) 表明企業(yè)存在很大的破產(chǎn)危險(xiǎn) 當(dāng)1 2 Z 2 9時(shí) 企業(yè)處于灰色地帶 或模棱兩可區(qū)域 財(cái)務(wù)狀況及經(jīng)營(yíng)極不穩(wěn)定 17 3 F分?jǐn)?shù)模型由于Z分?jǐn)?shù)模型在建立時(shí)并沒(méi)有充分考慮到現(xiàn)金流量變動(dòng)等方面的情況 我國(guó)學(xué)者周守華 楊濟(jì)華將Z分?jǐn)?shù)模式加以改造 并建立其財(cái)務(wù)危機(jī)預(yù)測(cè)的新模型 F分?jǐn)?shù)模型 18 F分?jǐn)?shù)模型中現(xiàn)金流量是根據(jù)財(cái)務(wù)管理中長(zhǎng)期投資決策中所用到的稅后凈現(xiàn)金流量計(jì)算辦法 即 營(yíng)業(yè)現(xiàn)金流量 稅后凈利潤(rùn) 折舊 假設(shè)只有折舊為非付現(xiàn)費(fèi)用 19 其中X1 X2和X4與Z分?jǐn)?shù)的計(jì)算方法相同 X3 稅后凈利潤(rùn) 折舊 平均總負(fù)債X5 稅后純收益 利息 折舊 平均總資產(chǎn) 20 F分?jǐn)?shù)模型的臨界點(diǎn)為0 0274 若某一特定的F分?jǐn)?shù)低于0 0274 則將被預(yù)測(cè)為破產(chǎn)公司 反之 若F分?jǐn)?shù)高于0 0274 則公司將被預(yù)測(cè)為繼續(xù)生存公司 21 研究案例 亞星客車(chē) 600213 1999年8月公司在上海證券交易所發(fā)行上市了6000萬(wàn)A股股票 股票代碼為600213 從1999年就開(kāi)始出現(xiàn)業(yè)績(jī)下滑 主營(yíng)業(yè)務(wù)利潤(rùn)則由2002年的9394 38萬(wàn)元驟降至2878 82萬(wàn)元 降幅高達(dá)69 4 但直到2003年被收購(gòu)當(dāng)年發(fā)生巨虧1 48億元 公司2003年和2004年兩個(gè)會(huì)計(jì)年度發(fā)生虧損 2005年4月27日 公司被宣布為特別處理 2006年5月18日公司A股股票暫停上市 22 亞星2002 2005年Z值 23 亞星2002 2005年F值 24 4 其他演進(jìn)模型 1 Edmister模型小企業(yè)財(cái)務(wù)危機(jī)預(yù)警分析模型 2 日本開(kāi)發(fā)銀行Z模型 3 陳文俊的財(cái)務(wù)綜合變量回歸模型 25 5 多元線性判別模型的優(yōu)缺點(diǎn)局限性 1 建立在自變量服從多元正態(tài)分布的假設(shè)上 實(shí)際中不一定成立 2 隱含前提 每個(gè)有關(guān)變量都有一個(gè)理想值 并以此為標(biāo)準(zhǔn)對(duì)公司進(jìn)行評(píng)價(jià) 3 樣本無(wú)法真正滿足隨機(jī)選擇以及數(shù)據(jù)方差 協(xié)方差的要求 26 三 多元非線性回歸模型多元邏輯模型的目標(biāo)是尋求觀察對(duì)象的條件概率 從而據(jù)此判斷觀察對(duì)象的財(cái)務(wù)狀況和經(jīng)營(yíng)風(fēng)險(xiǎn) 這一模型建立在累計(jì)概率函數(shù)的基礎(chǔ)上 不需要自變量服從多元正態(tài)分布和兩組間協(xié)方差相等的條件 兩分類(lèi)的應(yīng)變量作一個(gè)回歸方程出來(lái) 概率的取值在0 1之間 27 28 多元邏輯模型使用Logistic回歸 根據(jù)樣本數(shù)據(jù)使用最大似然估計(jì)法估計(jì)出各參數(shù)值 經(jīng)過(guò)一定的數(shù)學(xué)推導(dǎo)運(yùn)算 可求出財(cái)務(wù)困境公司陷入困境的概率 判別方法和其他模型一樣 先是根據(jù)多元線性判定模型確定企業(yè)破產(chǎn)的Z值 然后推導(dǎo)出企業(yè)破產(chǎn)的條件概率 其判別規(guī)則是 如果P值低于0 5 表明企業(yè)破產(chǎn)的概率比較大 可以判定企業(yè)為即將破產(chǎn)類(lèi)型 如果P值大于0 5 表明企業(yè)財(cái)務(wù)正常的概率比較大 可以判定企業(yè)為財(cái)務(wù)正常 29 Logistic模型的最大優(yōu)點(diǎn)是 不需要嚴(yán)格的假定條件 克服了線性方程受統(tǒng)計(jì)假設(shè)約束的局限性 具有了更廣泛的適用范圍 30 四 綜合評(píng)價(jià)法 31 32 五 企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別的其他模型1 神經(jīng)網(wǎng)絡(luò)分析模型20世紀(jì)90年代 Coats和Fant 1993 開(kāi)始將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到財(cái)務(wù)預(yù)警模型 喻勝華 2005 利用神經(jīng)網(wǎng)絡(luò)方法對(duì)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行了識(shí)別 非線性逼近的特點(diǎn) 大大提高了財(cái)務(wù)狀況特征識(shí)別的準(zhǔn)確率和模型的仿真度 33 2 灰色模型1982年我國(guó)著名學(xué)者鄧聚龍教授創(chuàng)立 鄧聚龍 武漢華中科技大學(xué)控制科學(xué)與工程與工程系教授 博士生導(dǎo)師 20世紀(jì)70年代末 80年代初提出灰色系統(tǒng)理論 該理論已廣泛應(yīng)用于石油 地質(zhì) 醫(yī)學(xué) 工業(yè)控制 管理 農(nóng)業(yè)等眾多領(lǐng)域 已出版灰色系統(tǒng)理論著作16種 包括中文簡(jiǎn)體版 中文繁體版 英文版 日文版 發(fā)表論文216篇 34 長(zhǎng)江日?qǐng)?bào) 鄧聚龍 灰色 的輝煌鄧聚龍 灰色 的輝煌 灰色 是他的課題 也近似他單調(diào)和簡(jiǎn)樸的生活 今年56歲 91年 的華工大教授鄧聚龍 每天都是 一支筆 一迭紙 地寫(xiě)作 思考 一般人難得忍受那份寂寞 然而 他的 灰色系統(tǒng)理論 1982年問(wèn)世時(shí) 國(guó)際學(xué)術(shù)界一片驚愕 鄧聚龍?jiān)谒恼撐闹袑?xiě)道 我們用黑表示信息缺乏 白表示信息完全 信息不全就叫灰 人類(lèi)社會(huì)的很多方面 大如一國(guó)的經(jīng)濟(jì)運(yùn)行 小如某產(chǎn)品的生產(chǎn)過(guò)程 這些系統(tǒng)的支配因素中往往含有 黑 一些制約著整個(gè)系統(tǒng)發(fā)展卻又無(wú)法計(jì)量 統(tǒng)計(jì)的因素 鄧聚龍說(shuō) 這些信息不全的系統(tǒng)就是灰色系統(tǒng) 35 2020 2 5 36 鄧聚龍創(chuàng)造了一系列方法 對(duì)整個(gè)系統(tǒng)進(jìn)行推理 運(yùn)算 預(yù)測(cè)未來(lái) 加以控制 應(yīng)用這個(gè)理論 山西呂梁地區(qū)對(duì)每年霜凍日期進(jìn)行預(yù)測(cè) 誤差只有幾天 避免了秋收作物10 30 的減產(chǎn) 全國(guó)7個(gè)省作糧食總產(chǎn)預(yù)測(cè) 經(jīng)近幾年檢測(cè) 精度絕大多數(shù)在98 以上 10年來(lái) 成功地預(yù)測(cè)及控制在國(guó)內(nèi)外幾十信領(lǐng)域作了幾百例 鄧聚龍打破信息不全系統(tǒng)不可解決歷史的理論 令美 德 日學(xué)者驚奇 幾個(gè)數(shù)據(jù)就可以作預(yù)測(cè) 與實(shí)際相差無(wú)幾 而傳統(tǒng)未來(lái)學(xué)有時(shí)用了計(jì)算機(jī)都無(wú)法容納的數(shù)據(jù) 預(yù)測(cè)還時(shí)時(shí) 離題萬(wàn)里 鄧聚龍仍在不懈地探索著 他擔(dān)任了由7國(guó)學(xué)者合辦的 灰色系統(tǒng) 雜志主編 今年春天他出差杭州 在車(chē)船上審?fù)炅巳坑⑽恼撐?1985年至1989年 鄧聚龍每年出一本 灰色 專(zhuān)著 目前他正在寫(xiě)第6本 集注函分析 拓樸學(xué) 集合論 近世代數(shù)和實(shí)函數(shù)論的方法 為灰色系統(tǒng)理論建構(gòu)一個(gè)全新的基礎(chǔ) 灰色數(shù)學(xué) 長(zhǎng)江日?qǐng)?bào)1991年10月31日 37 38 39 3 馬爾可夫鏈分析方法馬爾可夫分析法 markovanalysis 又稱(chēng)為馬爾可夫轉(zhuǎn)移矩陣法 是指在馬爾可夫過(guò)程的假設(shè)前提下 通過(guò)分析隨機(jī)變量的現(xiàn)時(shí)變化情況來(lái)預(yù)測(cè)這些變量未來(lái)變化情況的一種預(yù)測(cè)方法 俄國(guó)數(shù)學(xué)家安德烈 馬爾可夫 40 X K 表示趨勢(shì)分析與預(yù)測(cè)對(duì)象在T K時(shí)刻的狀態(tài)向量 P表示一步轉(zhuǎn)移概率矩陣 X K 1 表示趨勢(shì)分析與預(yù)測(cè)對(duì)象在T K 1時(shí)刻的狀態(tài)向量 41 4 財(cái)務(wù)困境的概率貝葉斯估計(jì)提供了一種計(jì)算假設(shè)概率的方法 基于假設(shè)的先驗(yàn)概率 給定假設(shè)下觀察到不同數(shù)據(jù)的概率以及觀察到的數(shù)據(jù)本身 42 例 有兩個(gè)可選的假設(shè) 病人有癌癥 病人無(wú)癌癥可用數(shù)據(jù)來(lái)自化驗(yàn)結(jié)果 正 和負(fù) 有先驗(yàn)知識(shí) 在所有人口中 患病率是0 008對(duì)確實(shí)有病的患者的化驗(yàn)準(zhǔn)確率為98 對(duì)確實(shí)無(wú)病的患者的化驗(yàn)準(zhǔn)確率為97 求 假定有一個(gè)新病人 化驗(yàn)結(jié)果為正 是否應(yīng)將病人斷定為有癌癥 求后驗(yàn)概率P cancer 和P cancer 43 4 3定量財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別方法的比較 一 單變量模型與多變量模型的比較1 預(yù)測(cè)內(nèi)容不同單變量模型通個(gè)單個(gè)財(cái)務(wù)比率的變化趨勢(shì)對(duì)企業(yè)財(cái)務(wù)的某個(gè)方面的問(wèn)題進(jìn)行預(yù)測(cè) 多變量模型進(jìn)行綜合分析 從整體角度進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè) 2 方法不同3 分析重點(diǎn)不同 44 二 定量財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別方法評(píng)析1 優(yōu)點(diǎn)根據(jù)數(shù)據(jù)進(jìn)行決策 客觀性強(qiáng) 程序簡(jiǎn)單 成本低 2 缺點(diǎn)變量的選擇可能影響到?jīng)Q策結(jié)果 45 4 4基于模糊層次分析法的財(cái)務(wù)風(fēng)險(xiǎn)識(shí)別 一 層次分析法概述層次分析法 AnalyticHierarchyProcess簡(jiǎn)稱(chēng)AHP 是美國(guó)運(yùn)籌學(xué)家匹茨堡大學(xué)教授Saaty于二十世紀(jì)70年代初期提出的 46 是人們對(duì)主觀判斷進(jìn)行客觀描述的一種有效方法 它將復(fù)雜問(wèn)題分解成若干個(gè)層次 逐步進(jìn)行分析 47 基本步驟 1 建立層次結(jié)構(gòu) 48 2 構(gòu)造判斷矩陣對(duì)方案進(jìn)行兩兩比較 可以形成一個(gè)的矩陣 稱(chēng)為判斷矩陣 49 層次分析法1 9標(biāo)度打分規(guī)則 50 3 計(jì)算權(quán)向量正反矩陣A的最大特征根是正單根 對(duì)應(yīng)正特征向量 且 51 4 判斷矩陣一致性檢驗(yàn)直觀的兩兩比較和判斷會(huì)有計(jì)算誤差 這必然導(dǎo)致A矩陣不具備完全一致性 需要對(duì)判斷矩陣的一致性進(jìn)行檢驗(yàn) 步驟如下 計(jì)算一致性的指標(biāo)CI ConsistencyIndex 52 其中 是A的最大特征根 n為矩陣的階數(shù) 依據(jù)下表查找相應(yīng)的平均一致性指標(biāo)RI RandomIndex RI取值規(guī)則 53 計(jì)算一致性比例CR ConsistencyRatio 當(dāng)CR0 1時(shí) 應(yīng)該對(duì)判斷矩陣作適當(dāng)修正 對(duì)于一階 二階矩陣總是一致的 此時(shí)CR O 54 5 計(jì)算組合權(quán)向量組合權(quán)向量就是計(jì)算各層元素對(duì)目標(biāo)層的合成權(quán)重 第層對(duì)第一層的組合權(quán)向量為 55 6 整體一致性檢驗(yàn) 56 二 模糊層次分析法的基本原理1 產(chǎn)生 1983年荷蘭學(xué)者VanLoargoven提出了用三角模糊數(shù)Fuzzy表示比較判斷的方法 并運(yùn)用三角模糊數(shù)的運(yùn)算和對(duì)數(shù)最小二乘法 求得元素的排序 即在模糊環(huán)境下使用的AHP方法 57 2 定義數(shù)論域R上的模糊數(shù)M稱(chēng)為三角模糊數(shù) 可將三角模糊數(shù)M記為 l m u l m u l和u分別表示M支撐的下界和上界 m為M的中值 U L越大 模糊程度越強(qiáng) 58 隸屬度函數(shù) 59 三 模糊層次分析法構(gòu)建模型1 構(gòu)造模糊判斷矩陣根據(jù)總體目標(biāo)要求 通過(guò)兩兩比較得到評(píng)價(jià)準(zhǔn)則的模糊判斷矩陣 記模糊判斷矩陣為 R rij n n 60 61 2 計(jì)算評(píng)價(jià)準(zhǔn)則的綜合重要程度值令MjEi表示模糊判斷矩陣中第i個(gè)評(píng)價(jià)準(zhǔn)則相對(duì)第j個(gè)評(píng)價(jià)準(zhǔn)則的重要程度值 即MjEi rij 令Si表示模糊判斷矩陣中第i個(gè)評(píng)價(jià)準(zhǔn)則相對(duì)其他所有準(zhǔn)則的綜合重要程度值 利用以下公式