营运能力论文的外国文献

Early Warning System for Financial Crisis

综合类上市公司财务危机预警模型初探关键词：综合类上市公司财务危机判别分析逻辑回归神经网络摘要：以1998—2004年沪深两市首次被特别处理的A股综合类上市公司为研究对象，通过均值比较、配对样本T检验和Z检验，从9个方面的27个研究变量中选取了9个差异显著的变量，建立了危机前(t-2)年的判别分析模型、逻辑回归模型和人工神经网络模型。各种模型均取得较高的预测效果，尤其是判别分析模型，判正率高达。中图分类号：文献标识码：A Tentative research for forecasting model of Financial Crisis for Comprehensive listed companies YANG hua (Accounting School, Shandong University of Finance, Jinan 250014, China) key words：Comprehensive listed companies; financial crisis; discriminate analysis; logistic regression; neural network Abstract：This paper regards A Share Comprehensive listed companies as its research objects, which were specially traded for the first time from 1998 to 2004 of Shanghai and Shenzhen stock exchanges. 9 outstanding variables are chosen from 27 about 9 facets through means Compare, paired-samples T test and Z test. Fisher’ two Linear Discriminant Analysis, Two Logistic Regression and Artificial Neural Network are used to set up the models to forecast financial crisis of Comprehensive listed companies in the last two years. These models all obtain higher estimate results, especially, the positive rate of Discriminant Analysis is up to . 现代企业制度中最典型的是现代公司制，而上市公司又是现代公司制的最高形式。与非上市公司和有限责任公司相比，上市公司的最大特点就是可以通过证券市场筹集资金。有了充足的资金，公司可以增加产品生产、加速产品开发与市场开拓，从而提高经营业绩，更好地回报投资者和债权人等利益相关者。但随着证券市场的快速发展，市场竞争日益变得激烈，部分上市公司经营业绩不容乐观，出现了亏损、财务状况异常甚至更为严重的情形，最终受到特别处理甚至面临退市危险，使利益相关者遭受到巨大损失。为防范、化解这些风险，国内外学者已经进行了许多有效的探索，并已取得丰硕的研究成果。但大多数学者只是研究适用于每个行业的通用模型，忽略了行业之间的不同。Harlan D Platt和Matjorie B Platt (1990)检验与产业相关的财务指标、营运指标和产出的变化与公司经营失败的关系时发现，用产业因素调整后的模型事前和事后的分析效果较佳。本文以我国1998—2004年沪深两市首次被特别处理的A股综合类上市公司作为研究对象，探讨对其陷入财务危机具有重要作用的因素，以建立具有较高预测率的模型，为证券市场上的利益相关者作为决策时的参考。一、文献回顾 (一) 国外学者的行业财务危机预警研究状况 Altman和Loris(1976)利用净收入/总资产、(总债务+次级债务)/股本、总资产/调整后的净资产、(期末资本－本期资本增加额)/期初资本、调整后的企业历史年限、综合评分等6个指标组成多因素模型对全美证券商协会(NASD)的40个经营失败公司和113个正常公司构成的样本进行分析，成功率高达90%以上。 Ward(1994)选择了1988—1989年385个企业的数据，发现现金流量指标尤其是投资活动产生的现金流在预测采掘、石油和天然气行业中的财务危机方面作用明显，而经营活动产生的现金流在预测非资源性行业中较为重要。 Pottier(1998)使用1990—1992年48家破产的寿险公司数据，比较了评级和评级变化与总资产、财务比率、财务比率结合评级和评级变化在预测破产方面的作用，结果发现结合财务比率、评级和评级变化的方法比单独使用财务指标能更为有效地预测破产。 (二) 国内学者的行业财务危机预警研究状况国内许多学者都指出，行业财务危机预警研究是财务危机预警未来的发展趋势之一。但到目前，由于样本量的不足，国内学者对这一方面做的研究较少。张祥，陈梅(2004)选取1998—2003年间55家制造业被特别处理(ST)的公司，通过对单变量模型、多元判别分析模型和Logistic回归模型的分析和比较，发现行业模型的变量选取和预测准确性均有所不同，其模型拟合程度和预测准确性明显高于通用模型，主营业务利润/税前利润和主营业务利润/总资产是具有较强预测性的比率。梁飞媛(2005)从现金流角度出发，选择机械设备行业为实证对象，从19个现金流指标中用多元逐步判别分析法选择出具有显著预测能力的现金流指标建立典则判定模型和Fisher线性判定模型，模型均取得较高的判正率。我国学者虽然在该领域的研究起步较晚，但都注重借鉴国外已有模型的优点，通过比较研究的方法建立预测准确率较高的模型。本文也汲取这一经验，分别用Fisher二类线性判别分析、二元Logistic回归和人工神经网络建立模型。二、财务危机界定和样本选取 (一) 财务危机界定财务危机的形成并不是短期的，而是有较长的潜伏期，要经历从量变到质变、渐变到突变的过程。国外学者对财务危机的界定大都使用破产标准，但破产实质上是一种法律现象，除主要受经济因素影响以外，还要受政治及其他非市场因素的影响。我国企业《破产法》虽然在1988年11月1日就已执行，但迄今为止还没有一家上市公司破产，所以国外学者的做法在我国目前阶段是行不通的。早在1993年颁布的《公司法》就规定了上市公司暂停上市和终止上市的条件，1997年沪深《证券交易所上市规则》再次提出退市问题。1998年3月16日，证监会发布了《关于上市公司状况异常期间的股票特别处理方式的通知》，通知规定“上市公司连续两年亏损或者每股净资产低于股票面值，将实施特别处理，简称ST(Special Treatment)”。为了给暂停上市股票提供合法流通渠道，1999年7月证监会对连续亏损三年以上的企业实施“特别转让服务”，简称PT(Particular Transfer)。这两个制度在初期曾对上市公司起过制约和鞭策作用，但是资产重组的魅力和上市公司“壳资源”的稀缺反而使得ST、PT公司逐渐成为市场的“宠儿”，不仅没有减弱市场的投机气氛，而且投资者的风险意识也没有明显增强。2001年2月24日，证监会正式发布了《亏损上市公司暂停上市和终止上市实施办法》，这是我国证券市场有关退市机制首份具体操作性文件。本文就以1998—2004年沪深两市在上述文献背景下因财务状况异常(ST)或退市风险警示(*ST)而首次被特别处理的综合类A股上市公司为研究对象。 (二) 样本选取按照证监会于2001年4月公布了《上市公司行业分类指引》规定的行业分类，1998—2004年综合类上市公司被施以ST的共计31家。以上市时间在同一年或相差一年为配对原则，挑选非ST综合类上市公司作对照样本。如果不满足配对原则，将ST综合类公司剔除。符合配对原则的有28对综合类公司，其中上市时间在同一年的21对，占75%；相差一年的7对，占25%。28家ST综合类上市公司组成危机样本组S1，28家非ST综合类上市公司组成对照样本组S2。采用(t－2)年的数据和指标建立模型来预测公司在第t年是否因财务危机而被特别处理。三、研究变量挑选及检验 (一) 研究变量选取 2002年，财政部等五部门共同颁布了《企业效绩评价操作细则(修订)》。该细则由反映企业财务效益状况、资产营运状况、偿债能力状况和发展能力状况四方面内容的指标构成。借鉴该财务评价体系，并结合我国上市公司的财务特点，初步选择与这四个方面有关的19个财务指标组成研究变量。另外，借鉴国内外学者的研究经验，选择部分与上市公司资本结构、股权结构、股权扩张有关的变量及与注册会计师审计有关的变量。本研究未将资产规模作为选取配对样本的标准，而是取总资产的对数作为一个变量引入(研究变量及其评价内容详见表1)。 (二) 研究变量显著性检验 1 均值检验危机样本组S1与对照样本组S2的研究变量的均值都存在显著的差异，以利息保障倍数X3的差异最为显著。 2 配对样本T检验和Z检验根据S1与S2的同一研究变量的配对，进行配对样本T检验和Z检验。零假设H0均为：S1与S2的研究变量间不存在显著差异。如果显著性水平相应P值小于或等于设定的值α，则应拒绝H0，即认为两者的研究变量间有显著差异。本文中设定的α=。 S1与S2的T检验有10个变量差异显著，Z检验有14个变量差异显著(表1)。具体分析如下： (1) 反映成长能力的研究变量作用非常显著投资者对上市公司投资，无非是期望能够获得公司股票未来丰厚的现金股利和诱人的股价上涨空间。现金分红、股价上涨都离不开公司的成长。一家没有成长性的公司除了勉强维持现有的状态以外，是无法抽出资金回报股东的。配对样本Z检验显示，所选的体现成长能力的3个变量均在1％水平上作用显著。 (2) 反映股权扩张能力的变量作用非常显著对上市公司来说，每股收益和每股净资产是两个非常重要的指标，尤其是每股净资产在理论上提供了股票的最低价值。每股净资产决定着上市公司是否会成为ST，即当上市公司的每股净资产低于股票面值时，就会被ST。 (3) 反映营运能力、年报批露的研究变量作用较为显著反映营运能力的3个变量中有2个检验显著，值得注意的是在张祥关于制造业财务危机预警中发现存货周转率在(t－2)年显著但在综合类上市公司中，S1和S2的差异不明显。 (t－2)年，S1共有15家被出具非标准审计意见，占样本总量的54％；而S2仅有4家公司被出具了非标审计意见，仅占14％。 (4) 反映偿债能力、盈利能力的研究变量作用不太显著这两类变量在张祥的研究中差异普遍显著，但在本研究的T检验中都仅有一个变量通过检验。说明S1与S2相比而言，偿债能力和盈利能力，特别是偿债能力没有很大的差别。可见，综合类上市公司与制造业公司相比，对其陷入财务危机具有重要作用的变量是不同的，也反映出研究行业财务危机预警的必要性。 (5) 反映资本结构、股权结构和资产规模的变量作用不显著固定资产净值率反映固定资产的新旧程度和生产能力，S1与S2的该指标间不存在显著差异；股权是否集中对所选综合类上市公司也没有影响，因为第一大股东持股比率在50％以上的公司，S1有3家、S2有2家；大多数研究都将资产规模作为选择配对样本的标准，本文将总资产取对数后作为一个变量引入，但检验中未发现S1和S2有显著差异。表1 配对样本T检验和Z检验配对研究变量 T值显著性 Z值显著性评价内容 1 资产负债率X1 偿债能力 2 股东权益比率X2 3 利息保障倍数X3 * 4 长期负债权益比率X4 5 产权比率X5 6 流动比率X6 7 速动比率X7 8 现金比率X8 * * 9 固定资产周转率X9 * * 营运能力 10 存货周转率X10 11 应收帐款周转率X11 ** ** 12 净资产收益率X12 * 盈利能力 13 资产收益率X13 * * 14 毛利率X14 ** 15 净利润率X15 * 16 主营利润比重X16 17 销售增长率X17 ** * 成长能力 18 资本积累率X18 * * 19 资产扩张率X19 * * 20 固定资产净值率X20 资本结构 21 每股净资产X21 * * 股权扩张 22 每股收益X22 * * 23 第一大股东持股比率X23 股权结构 24 前三大股东持股比率X24 25 审计意见X25 * * 年报批露 26 变更事务所X26 27 资产规模X27 资产规模注：*、**分别表示在1％和5％的水平下统计显著(双尾检验) (三)相关系数检验对在配对样本T检验和Z检验中作用均非常明显的10个研究变量的相关系数进行检验。在5%的显著性水平下，销售增长率X17与资产扩张率X19的相关系数为，资产扩张率X19与每股净资产X21的相关系数为。他们的相关系数均超过，为消除多重共线性的影响，按变量间相关性较小为优原则，经比较，剔除变量X19。经上述研究过程后，最初选的27个研究变量缩减为9个(表2)。表2 筛选后取得的研究变量研究变量评价内容研究变量评价内容现金比率X8 偿债能力销售增长率X17 成长能力固定资产周转率X9 营运能力资本积累率X18 应收帐款周转率X11 营运能力每股净资产X21 股权扩张资产收益率X13 盈利能力每股收益X22 审计意见X25 年报批露四、实证分析财务危机预警模型按照是否具有自我学习功能，可以划分为静态和动态两大类。前者包括Beaver的单变量判定模型、Altman的多元线性判定模型及Olhson的多元逻辑回归模型等。动态财务预警主要使用人工智能技术，其中具有代表性的是神经网络模型和案例推理模型。本文分别使用静态模型中的Fisher二类线性判别分析、二元Logistic回归和动态模型中的人工神经网络方法建立模型。因变量Y为虚拟变量，表示上市公司是否出现财务危机，出现财务危机设为1，没有出现财务危机设为0。 (一) 静态方法建模 1 Fisher二类线性判别分析建模 Fisher二类线性判别分析是一种采用Fisher线形判别函数系数、考虑只有两个变量的判别分析方法。即：Z=c1X1＋c2X2＋c3X3+…＋cnXn，其中Z为判别值，X1、X2、X3、…、Xn为研究变量，c1，c2，c3，…，cn是待求的判别函数系数。利用SPSS软件，得到的(t-2)年综合类上市公司财务危机预警模型和财务健康模型分别为： Zs1=－＋＋＋－－－＋＋ X22＋ X25 Zs2=－＋＋＋－－－＋＋＋以0为分割点，通过对模型的回代判定预测检验发现，财务健康公司的预测准确率为，财务危机公司的预测准确率为。 2 二元逻辑回归建模由二元逻辑回归拟合的方程可表示为：ln[p/(1-p)]=a+∑biXi，其中p是上市公司发生财务危机的概率；Xi是影响财务危机的第i个因素，i=1，2，…，m；a，bi (i=1，2，…，m)是待估参数。F值的选择标准是：相应p值小于时引进，大于时剔除。 (t-2)年综合类上市公司财务危机预警模型为：以为分割点，模型对危机公司的回代判定预测准确率为。 3 静态财务危机预警方法建模总结 (1)静态预警方法对危机样本组S1的预测正确率均超过80％，说明预测效果较好。 (2)Fisher二类线性判别分析比二元逻辑回归建模的预测准确率高个百分点，即在危机前(t-2)年，Fisher二类线性判别分析对综合类危机公司的预测效果更好。 (二) 动态方法建模人工神经网络(Artificial Neural Network，简称ANN)是对生理上真实的人脑神经网络的结构和功能及基本特征进行理论抽象、简化和模拟而构成的一种信息系统，具有非线性映射、自适应学习和较强容错性的特点。BP人工神经网络是其中一种比较典型的学习算法，主要结构是由一个输入层，一个或多个隐含层和一个输出层组成，各层由若干个神经元(节点)构成。以表2的9个研究变量作为输入点P1，输出点P3只有一个，即因变量Y。隐藏层P2根据公式(2P1+P3)1/2

现代企业制度中最典型的是现代公司制，而上市公司又是现代公司制的最高形式。与非上市公司和有限责任公司相比，上市公司的最大特点就是可以通过证券市场筹集资金。有了充足的资金，公司可以增加产品生产、加速产品开发与市场开拓，从而提高经营业绩，更好地回报投资者和债权人等利益相关者。但随着证券市场的快速发展，市场竞争日益变得激烈，部分上市公司经营业绩不容乐观，出现了亏损、财务状况异常甚至更为严重的情形，最终受到特别处理甚至面临退市危险，使利益相关者遭受到巨大损失。为防范、化解这些风险，国内外学者已经进行了许多有效的探索，并已取得丰硕的研究成果。但大多数学者只是研究适用于每个行业的通用模型，忽略了行业之间的不同。Harlan D Platt和Matjorie B Platt (1990)检验与产业相关的财务指标、营运指标和产出的变化与公司经营失败的关系时发现，用产业因素调整后的模型事前和事后的分析效果较佳。本文以我国1998—2004年沪深两市首次被特别处理的A股综合类上市公司作为研究对象，探讨对其陷入财务危机具有重要作用的因素，以建立具有较高预测率的模型，为证券市场上的利益相关者作为决策时的参考

我有一篇文献，，是PDF，，。。。很大。。你加我百度HI 或QQ50097543 我发给你！！！

营运能力分析论文外国文献

您好，这是参考提纲：企业营运能力分析体系一、序论 1．提出中心论题； 2，说明写作意图。二、本论 (一)形成企业营运能力分析体系前提条件 1．市场经济体制的确立，为企业营运能力体系的产生创造了宏观环境； 2．新市场的形成，对企业营运能力体系形成提出了现实的要求； 3．城乡体制改革的深化，为企业营运能力体系的形成提供了可靠的保证； 4。企业营运能力体系市场的建立，是社会发展的内在要求。 (二)目前企业营运能力体系基本现状 1．供大于求的买方体系； 2，有市无场的隐形体系； 3．易进难出的畸形体系； 4，交易无序的自发体系。 (三)培育和完善企业营运能力体系的对策 1．统一思想认识，变自发交易为自觉调控； 2．加快建章立制，变无序交易为规范交易； 3．健全市场网络，变隐形交易为有形交易； 4．调整经营结构，变个别流动为队伍流动； 5，深化用工改革，变单向流动为双向流动。三、结论 1，概述当前的企业营运能力体系形势和我们的任务； 2．呼应开头的序言。相关资料：仅供参考，请自借鉴希望对您有帮助

外文文献有，翻译没有，翻译得靠你自己了，如果需要直接百度hi中留言同时贴出问题的链接地址和邮箱地址即可，希望能满足你的需要，能帮到你，并请及时知道评价，多多给点悬赏分吧，急用的话请多选赏点分吧，这样更多的知友才会及时帮到你，我找到也是很花时间的，并请及时采纳外文文献已发送，翻译没有，翻译得靠你自己了，希望能满足你的需要，能帮到你，多多给点悬赏分吧，急用的话请多选赏点分吧，这样更多的知友才会及时帮到你，我找到也是很花时间的，并请及时采纳

你找到关于这个的外文文献的了吗

我也在写，好难啊

营运能力的论文外文文献

综合类上市公司财务危机预警模型初探关键词：综合类上市公司财务危机判别分析逻辑回归神经网络摘要：以1998—2004年沪深两市首次被特别处理的A股综合类上市公司为研究对象，通过均值比较、配对样本T检验和Z检验，从9个方面的27个研究变量中选取了9个差异显著的变量，建立了危机前(t-2)年的判别分析模型、逻辑回归模型和人工神经网络模型。各种模型均取得较高的预测效果，尤其是判别分析模型，判正率高达。中图分类号：文献标识码：A Tentative research for forecasting model of Financial Crisis for Comprehensive listed companies YANG hua (Accounting School, Shandong University of Finance, Jinan 250014, China) key words：Comprehensive listed companies; financial crisis; discriminate analysis; logistic regression; neural network Abstract：This paper regards A Share Comprehensive listed companies as its research objects, which were specially traded for the first time from 1998 to 2004 of Shanghai and Shenzhen stock exchanges. 9 outstanding variables are chosen from 27 about 9 facets through means Compare, paired-samples T test and Z test. Fisher’ two Linear Discriminant Analysis, Two Logistic Regression and Artificial Neural Network are used to set up the models to forecast financial crisis of Comprehensive listed companies in the last two years. These models all obtain higher estimate results, especially, the positive rate of Discriminant Analysis is up to . 现代企业制度中最典型的是现代公司制，而上市公司又是现代公司制的最高形式。与非上市公司和有限责任公司相比，上市公司的最大特点就是可以通过证券市场筹集资金。有了充足的资金，公司可以增加产品生产、加速产品开发与市场开拓，从而提高经营业绩，更好地回报投资者和债权人等利益相关者。但随着证券市场的快速发展，市场竞争日益变得激烈，部分上市公司经营业绩不容乐观，出现了亏损、财务状况异常甚至更为严重的情形，最终受到特别处理甚至面临退市危险，使利益相关者遭受到巨大损失。为防范、化解这些风险，国内外学者已经进行了许多有效的探索，并已取得丰硕的研究成果。但大多数学者只是研究适用于每个行业的通用模型，忽略了行业之间的不同。Harlan D Platt和Matjorie B Platt (1990)检验与产业相关的财务指标、营运指标和产出的变化与公司经营失败的关系时发现，用产业因素调整后的模型事前和事后的分析效果较佳。本文以我国1998—2004年沪深两市首次被特别处理的A股综合类上市公司作为研究对象，探讨对其陷入财务危机具有重要作用的因素，以建立具有较高预测率的模型，为证券市场上的利益相关者作为决策时的参考。一、文献回顾 (一) 国外学者的行业财务危机预警研究状况 Altman和Loris(1976)利用净收入/总资产、(总债务+次级债务)/股本、总资产/调整后的净资产、(期末资本－本期资本增加额)/期初资本、调整后的企业历史年限、综合评分等6个指标组成多因素模型对全美证券商协会(NASD)的40个经营失败公司和113个正常公司构成的样本进行分析，成功率高达90%以上。 Ward(1994)选择了1988—1989年385个企业的数据，发现现金流量指标尤其是投资活动产生的现金流在预测采掘、石油和天然气行业中的财务危机方面作用明显，而经营活动产生的现金流在预测非资源性行业中较为重要。 Pottier(1998)使用1990—1992年48家破产的寿险公司数据，比较了评级和评级变化与总资产、财务比率、财务比率结合评级和评级变化在预测破产方面的作用，结果发现结合财务比率、评级和评级变化的方法比单独使用财务指标能更为有效地预测破产。 (二) 国内学者的行业财务危机预警研究状况国内许多学者都指出，行业财务危机预警研究是财务危机预警未来的发展趋势之一。但到目前，由于样本量的不足，国内学者对这一方面做的研究较少。张祥，陈梅(2004)选取1998—2003年间55家制造业被特别处理(ST)的公司，通过对单变量模型、多元判别分析模型和Logistic回归模型的分析和比较，发现行业模型的变量选取和预测准确性均有所不同，其模型拟合程度和预测准确性明显高于通用模型，主营业务利润/税前利润和主营业务利润/总资产是具有较强预测性的比率。梁飞媛(2005)从现金流角度出发，选择机械设备行业为实证对象，从19个现金流指标中用多元逐步判别分析法选择出具有显著预测能力的现金流指标建立典则判定模型和Fisher线性判定模型，模型均取得较高的判正率。我国学者虽然在该领域的研究起步较晚，但都注重借鉴国外已有模型的优点，通过比较研究的方法建立预测准确率较高的模型。本文也汲取这一经验，分别用Fisher二类线性判别分析、二元Logistic回归和人工神经网络建立模型。二、财务危机界定和样本选取 (一) 财务危机界定财务危机的形成并不是短期的，而是有较长的潜伏期，要经历从量变到质变、渐变到突变的过程。国外学者对财务危机的界定大都使用破产标准，但破产实质上是一种法律现象，除主要受经济因素影响以外，还要受政治及其他非市场因素的影响。我国企业《破产法》虽然在1988年11月1日就已执行，但迄今为止还没有一家上市公司破产，所以国外学者的做法在我国目前阶段是行不通的。早在1993年颁布的《公司法》就规定了上市公司暂停上市和终止上市的条件，1997年沪深《证券交易所上市规则》再次提出退市问题。1998年3月16日，证监会发布了《关于上市公司状况异常期间的股票特别处理方式的通知》，通知规定“上市公司连续两年亏损或者每股净资产低于股票面值，将实施特别处理，简称ST(Special Treatment)”。为了给暂停上市股票提供合法流通渠道，1999年7月证监会对连续亏损三年以上的企业实施“特别转让服务”，简称PT(Particular Transfer)。这两个制度在初期曾对上市公司起过制约和鞭策作用，但是资产重组的魅力和上市公司“壳资源”的稀缺反而使得ST、PT公司逐渐成为市场的“宠儿”，不仅没有减弱市场的投机气氛，而且投资者的风险意识也没有明显增强。2001年2月24日，证监会正式发布了《亏损上市公司暂停上市和终止上市实施办法》，这是我国证券市场有关退市机制首份具体操作性文件。本文就以1998—2004年沪深两市在上述文献背景下因财务状况异常(ST)或退市风险警示(*ST)而首次被特别处理的综合类A股上市公司为研究对象。 (二) 样本选取按照证监会于2001年4月公布了《上市公司行业分类指引》规定的行业分类，1998—2004年综合类上市公司被施以ST的共计31家。以上市时间在同一年或相差一年为配对原则，挑选非ST综合类上市公司作对照样本。如果不满足配对原则，将ST综合类公司剔除。符合配对原则的有28对综合类公司，其中上市时间在同一年的21对，占75%；相差一年的7对，占25%。28家ST综合类上市公司组成危机样本组S1，28家非ST综合类上市公司组成对照样本组S2。采用(t－2)年的数据和指标建立模型来预测公司在第t年是否因财务危机而被特别处理。三、研究变量挑选及检验 (一) 研究变量选取 2002年，财政部等五部门共同颁布了《企业效绩评价操作细则(修订)》。该细则由反映企业财务效益状况、资产营运状况、偿债能力状况和发展能力状况四方面内容的指标构成。借鉴该财务评价体系，并结合我国上市公司的财务特点，初步选择与这四个方面有关的19个财务指标组成研究变量。另外，借鉴国内外学者的研究经验，选择部分与上市公司资本结构、股权结构、股权扩张有关的变量及与注册会计师审计有关的变量。本研究未将资产规模作为选取配对样本的标准，而是取总资产的对数作为一个变量引入(研究变量及其评价内容详见表1)。 (二) 研究变量显著性检验 1 均值检验危机样本组S1与对照样本组S2的研究变量的均值都存在显著的差异，以利息保障倍数X3的差异最为显著。 2 配对样本T检验和Z检验根据S1与S2的同一研究变量的配对，进行配对样本T检验和Z检验。零假设H0均为：S1与S2的研究变量间不存在显著差异。如果显著性水平相应P值小于或等于设定的值α，则应拒绝H0，即认为两者的研究变量间有显著差异。本文中设定的α=。 S1与S2的T检验有10个变量差异显著，Z检验有14个变量差异显著(表1)。具体分析如下： (1) 反映成长能力的研究变量作用非常显著投资者对上市公司投资，无非是期望能够获得公司股票未来丰厚的现金股利和诱人的股价上涨空间。现金分红、股价上涨都离不开公司的成长。一家没有成长性的公司除了勉强维持现有的状态以外，是无法抽出资金回报股东的。配对样本Z检验显示，所选的体现成长能力的3个变量均在1％水平上作用显著。 (2) 反映股权扩张能力的变量作用非常显著对上市公司来说，每股收益和每股净资产是两个非常重要的指标，尤其是每股净资产在理论上提供了股票的最低价值。每股净资产决定着上市公司是否会成为ST，即当上市公司的每股净资产低于股票面值时，就会被ST。 (3) 反映营运能力、年报批露的研究变量作用较为显著反映营运能力的3个变量中有2个检验显著，值得注意的是在张祥关于制造业财务危机预警中发现存货周转率在(t－2)年显著但在综合类上市公司中，S1和S2的差异不明显。 (t－2)年，S1共有15家被出具非标准审计意见，占样本总量的54％；而S2仅有4家公司被出具了非标审计意见，仅占14％。 (4) 反映偿债能力、盈利能力的研究变量作用不太显著这两类变量在张祥的研究中差异普遍显著，但在本研究的T检验中都仅有一个变量通过检验。说明S1与S2相比而言，偿债能力和盈利能力，特别是偿债能力没有很大的差别。可见，综合类上市公司与制造业公司相比，对其陷入财务危机具有重要作用的变量是不同的，也反映出研究行业财务危机预警的必要性。 (5) 反映资本结构、股权结构和资产规模的变量作用不显著固定资产净值率反映固定资产的新旧程度和生产能力，S1与S2的该指标间不存在显著差异；股权是否集中对所选综合类上市公司也没有影响，因为第一大股东持股比率在50％以上的公司，S1有3家、S2有2家；大多数研究都将资产规模作为选择配对样本的标准，本文将总资产取对数后作为一个变量引入，但检验中未发现S1和S2有显著差异。表1 配对样本T检验和Z检验配对研究变量 T值显著性 Z值显著性评价内容 1 资产负债率X1 偿债能力 2 股东权益比率X2 3 利息保障倍数X3 * 4 长期负债权益比率X4 5 产权比率X5 6 流动比率X6 7 速动比率X7 8 现金比率X8 * * 9 固定资产周转率X9 * * 营运能力 10 存货周转率X10 11 应收帐款周转率X11 ** ** 12 净资产收益率X12 * 盈利能力 13 资产收益率X13 * * 14 毛利率X14 ** 15 净利润率X15 * 16 主营利润比重X16 17 销售增长率X17 ** * 成长能力 18 资本积累率X18 * * 19 资产扩张率X19 * * 20 固定资产净值率X20 资本结构 21 每股净资产X21 * * 股权扩张 22 每股收益X22 * * 23 第一大股东持股比率X23 股权结构 24 前三大股东持股比率X24 25 审计意见X25 * * 年报批露 26 变更事务所X26 27 资产规模X27 资产规模注：*、**分别表示在1％和5％的水平下统计显著(双尾检验) (三)相关系数检验对在配对样本T检验和Z检验中作用均非常明显的10个研究变量的相关系数进行检验。在5%的显著性水平下，销售增长率X17与资产扩张率X19的相关系数为，资产扩张率X19与每股净资产X21的相关系数为。他们的相关系数均超过，为消除多重共线性的影响，按变量间相关性较小为优原则，经比较，剔除变量X19。经上述研究过程后，最初选的27个研究变量缩减为9个(表2)。表2 筛选后取得的研究变量研究变量评价内容研究变量评价内容现金比率X8 偿债能力销售增长率X17 成长能力固定资产周转率X9 营运能力资本积累率X18 应收帐款周转率X11 营运能力每股净资产X21 股权扩张资产收益率X13 盈利能力每股收益X22 审计意见X25 年报批露四、实证分析财务危机预警模型按照是否具有自我学习功能，可以划分为静态和动态两大类。前者包括Beaver的单变量判定模型、Altman的多元线性判定模型及Olhson的多元逻辑回归模型等。动态财务预警主要使用人工智能技术，其中具有代表性的是神经网络模型和案例推理模型。本文分别使用静态模型中的Fisher二类线性判别分析、二元Logistic回归和动态模型中的人工神经网络方法建立模型。因变量Y为虚拟变量，表示上市公司是否出现财务危机，出现财务危机设为1，没有出现财务危机设为0。 (一) 静态方法建模 1 Fisher二类线性判别分析建模 Fisher二类线性判别分析是一种采用Fisher线形判别函数系数、考虑只有两个变量的判别分析方法。即：Z=c1X1＋c2X2＋c3X3+…＋cnXn，其中Z为判别值，X1、X2、X3、…、Xn为研究变量，c1，c2，c3，…，cn是待求的判别函数系数。利用SPSS软件，得到的(t-2)年综合类上市公司财务危机预警模型和财务健康模型分别为： Zs1=－＋＋＋－－－＋＋ X22＋ X25 Zs2=－＋＋＋－－－＋＋＋以0为分割点，通过对模型的回代判定预测检验发现，财务健康公司的预测准确率为，财务危机公司的预测准确率为。 2 二元逻辑回归建模由二元逻辑回归拟合的方程可表示为：ln[p/(1-p)]=a+∑biXi，其中p是上市公司发生财务危机的概率；Xi是影响财务危机的第i个因素，i=1，2，…，m；a，bi (i=1，2，…，m)是待估参数。F值的选择标准是：相应p值小于时引进，大于时剔除。 (t-2)年综合类上市公司财务危机预警模型为：以为分割点，模型对危机公司的回代判定预测准确率为。 3 静态财务危机预警方法建模总结 (1)静态预警方法对危机样本组S1的预测正确率均超过80％，说明预测效果较好。 (2)Fisher二类线性判别分析比二元逻辑回归建模的预测准确率高个百分点，即在危机前(t-2)年，Fisher二类线性判别分析对综合类危机公司的预测效果更好。 (二) 动态方法建模人工神经网络(Artificial Neural Network，简称ANN)是对生理上真实的人脑神经网络的结构和功能及基本特征进行理论抽象、简化和模拟而构成的一种信息系统，具有非线性映射、自适应学习和较强容错性的特点。BP人工神经网络是其中一种比较典型的学习算法，主要结构是由一个输入层，一个或多个隐含层和一个输出层组成，各层由若干个神经元(节点)构成。以表2的9个研究变量作为输入点P1，输出点P3只有一个，即因变量Y。隐藏层P2根据公式(2P1+P3)1/2

Early Warning System for Financial Crisis

企业营运能力优秀论文范文

在日常学习、工作生活中，大家都不可避免地会接触到论文吧，借助论文可以有效提高我们的写作水平。你所见过的论文是什么样的呢？以下是我为大家收集的企业营运能力优秀论文范文，希望对大家有所帮助。

摘要：财务报表是企业对外提供的反映企业某一特定日期财务状况和某一会计期间经成果、现金流量等会计信息的报表。财务报表分析就是将报表反映的财务数据装换成有用信息，以帮助使用者改善决策。本文基于国内某电器公司2014年披露的财务报告进行财务分析以揭示企业目前的经营状况。

关键词：偿债能力；资产负债率；营运能力

一、公司简介

A股份有限公司1984年创立，是世界白色家电第一品牌。1993年上市时主营冰箱业务，2001年新增空调业务，2010年新增洗衣机业务，热水器业务，渠道综合服务业务。目前，A公司继续保持全球白电行业引领地位。2014年，冰箱，洗衣机，热水器等产品份额继续保持行业第一，空调产品市场份额位居第三。在互联网迅速发展的大环境下，A公司致力于打造开放式的自主创新体系以提高品牌的知名度并拓宽市场，目前A公司已拥有多个研究所，冰箱空调实验室更是国内仅有的国家级实验室，A公司所有的产品设计，开发，检测正逐渐达到世界一流水平。A公司在海外设立的信息站和设计分部使其可以跟踪世界先进技术。在全球白色家电领域，A公司正在成长为行业的引领者和规则的制定者。

二、财务报表分析

1、资产负债表分析

（1）资产负债表初步分析

A公司的资产总额由年初的611亿元增加到年末的750亿元，相比上年增长。资产总额本年增加的主要原因为：流动资产增加102亿元，非流动资产增加37亿元。流动资产中，增长较大的是货币资金：增长了80亿元，较上年相比增长；其次是应收账款：增长数为亿元，同比增长。非流动资产中，增长较大的是长期股权投资：增长数为亿元，同比增长；其次是固定资产：增长数为亿元，同比增长。

资产结构方面，流动资产占总资产的，流动资产占比越高说明公司经营越灵活，但同时公司应注意自身的稳定性。非流动资产占总资产比例由年初的`上升为年末的，公司的资产结构略有调整。相比较来讲，流动资产和非流动资产在当年都有增长，其中流动资产的增幅为，非流动资产增幅为，非流动资产增长速度快于流动资产。

负债与所有者权益较上年相比增加的原因主要系：流动负债增加36亿元，非流动负债增加亿元，所有者权益增加91亿元。可见，所有者权益的增加额最大。

从负债和所有者权益的结构来看，流动负债占负债和所有者权益的，非流动负债占负债和所有者权益的，所有者权益占负债和所有者权益的。由此可见，该公司对短期资金的依赖性非常强，相应的该公司面临的偿债压力大，财务风险水平较高。

（2）资产及负债主要项目分析

①货币资金及其质量分析

A公司货币资金占总资产的比例在缓慢递增，说明该公司在应对市场变化时有较充裕的货币资金，可满足公司交易性、预防性和投机性动机。但在公司筹资渠道畅通的情况下，仍持有过多的货币资金，表明公司存在资金闲置问题，应扩大投资规模，积极寻找新的投资领域，提高资金的利用率。

②应收账款及其质量分析

应收账款由2012年的降至2014年的，相对于同行业该公司的应收账款处于相对较低的水平，资金的可用水平较高。

③存货及其质量分析

存货同比增长了，在总资产中由2013年的下降至2014年年末的，表明2014年存货的周转速度加快，销售状况比较好。

④预收账款分析

预收账款相对于2013年增长了，从绝对额来看，预收账款增长了7亿元，预收账款处于较高水平。另外，公司营业收入相比2013年增长了，可见公司近年来营业收入和预收账款几乎以一致的趋势上升，表明公司的预收账款越多，其产品越受市场青睐，未来收入增长的也越快。

2、利润表分析

2014年A公司实现营业收入888亿，相比2013年增长了22亿，增长幅度较大。2014年，营业成本在营业收入中的占比由2013年的下降到，公司内部营业成本的控制能力在上升，营业利润、利润总额和净利润也都较2013年都有所增加，利润的增加得益于对成本费用的控制。

3.现金流量表分析

（1）经营活动

2014年经营活动产生的现金流量净额是70亿，同比增长，主要原因系经营活动现金流入量的增长幅度大于经营活动现金流出量的增长幅度，表明公司营业能力增强且营业收入回款好，未来发生坏账风险小。

（2）投资活动

2014年投资活动产生的现金流量净额是-3，251，076，，同比减少，主要系该公司2014年在扩大生产规模方面进行了大量投资，投资活动产生的现金流出量增加，可见公司在扩张方面的努力与尝试，这一举措使公司未来创造现金流量的潜力增强。

（3）筹资活动

2014年该公司筹资活动产生的现金流量净额由负转正，较同期增加，与2013年相比急速上升，表明公司自有资金不足，公司债务负担较重，相应的财务风险较大。

总体而言，A公司2014年现金流量显示经营活动现金流量净额为正、投资活动现金流量净额为负、筹资活动现金流量净额为正说明公司正处于高速发展阶段。该公司各项产品近年来迅速占领市场，销售量快速上升，表现为经营活动中货币资金的增加，同时为进一步提高市场占有率，企业仍需大量追加投资，而经营活动现金流量净额尚无法满足投资需求，需要依靠外部筹集必要的资金作为补充。

三、综合分析

1、短期偿债能力

2014年流动比率，速动比率及现金比率与2013年相比均有所下降，虽数值仍在行业正常标准之内，但明显偏低，人们通常认为生产企业合理的最低流动比率在2，速动比率在1时表明企业短期偿债能力较高，因此该公司短期偿债能力不高，面临着一定程度的偿债风险。

2、长期偿债能力

资产负债率越小，企业的偿债能力越高，国际上通常认为资产负债率不应该高于60%，A公司2014年资产负债率高于60%，所以对于长期偿债的安全性不是很高。而产权比率高于了100%，更加说明了自有资产对偿债风险的承受能力不高，企业的财务风险较大。

3、营运能力分析

从上表可以看出，A公司的存货周转率、应收账款周转率及总资产周转率总体上呈下降趋势，说明公司的营运能力有所降低。

4、盈利能力分析

总资产收益率集中体现了资产运用效率与资金运用效率之间的关系，A公司近两年保持稳定，说明公司的资产利用效益较好，具有稳定而持久的盈利性。权益净利率反映股东权益的收益水平，用以衡量公司的总体盈利能力，比率越高，表明投资带来的收益越高。在同行业中，A公司的净资产收益率高于行业平均值，盈利较高。

2014年，空调，厨卫及洗衣机营业收入较上年有所增长，但毛利率增幅不大，电冰箱营业收入有所下将，但毛利率增长，说明2014年对成本的控制有效，国外市场收入也有较高的增长，这一年对海外市场的拓展成效显著，未来也将继续加大对国外市场的开发。

四、结论

2014年，由于经济发展逐渐呈现常态化、房地产市场不景气、凉夏拖累等因素影响，家电市场整体低迷。A公司的净利润增长幅度下降，但营业收入都有增长，整体销售状况良好，资产周转较快，运行良好。2014年吸收KKR投资及控股子公司1169吸收阿里巴巴投资，收购少数股权、增资青岛银行、发起设立赛富智慧家庭产业基金等投资对资金的需求加大，导致本年的资产负债率偏高，偿债能力减弱，但公司正处于发展的高速期，该投资会进一步增强公司未来的发展潜力。除此之外，在未来的发展中，A公司能否在家电市场继续保持优势，也将取决于国家的宏观经济政策、市场变化和走势及公司的经营战略和发展规划。

参考文献:

[1]姚海鑫.《财务管理》[M].清华大学出版社,2007.

[2]席酉民.《公司治理》[M].高等教育出版社,2004.