【#文档大全网# 导语】以下是®文档大全网的小编为您整理的《企业财务风险评价方法技巧》，欢迎阅读！
企业财务风险评价方法技巧
一、企业财务风险的含义及形成
财务风险是指在各项财务活动过程中，由于受各种难以预料或控制的因素影响，造成财务状况不确定而使企业有蒙受损失的可能性(这里指纯粹风险)。财务风险是企业风险货币化的表现形式，根据形成过程划分，一般有以下几种形式：一是筹资风险;二是投资风险;三是信用风险。
二、企业财务风险评价指标设置
一些学者认为，财务风险评价指标应包括盈利能力、资产管理能力、偿债能力、发展潜力，将企业短期财务指标与发展潜力指标相结合，互相补充。还有学者研究财 务预警指标，以现金流量为基础，重点把握两类指标：现金盈利值和现金增加值。这些观点在定量分析方面有重要的贡献，但财务风险是复杂的，笔者认为基本的财 务风险评价指标应包括盈利能力、偿债能力、资产管理能力、成长能力、现金能力指标，因为这些都可能影响一个企业的财务：没有足够的盈利能力，企业不能生存;不能到期偿债，企业可能宣告破产;资产的使用效率不高，会影响盈利能力;没有利润的增长，企业不会持续生存。另外，企业在可能的情况下还应设置定性指 标，如财务人员的专业水平、财务人员的流动性、管理人员的财务风险意识等。因为随着企业规模的扩大，这些因素既反映企业基本财务状况，又影响财务活动、财务决策。
三、企业财务风险评价的方法
财务风险评价，主要是通过资产负债表、利润表、现金流量表，分析企业财务状况的变动趋势及资产、负债、收益之间的关系，从财务报表的会计信息中挖掘企业内在的财务关系。
(一)财务风险评价的一般方法
1、单变量判定模型。这种方法用单一的财务比率来评价企业财务风险，依据是：企业出现财务困境时，其财务比率和正常企业的财务比率有显著差别。一般认为，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。
单变量模型将财务指标用于风险评价是一大进步，指标单一，简单易行，但是不可避免会出现评价的片面性。这种方法在人们开始认识财务风险时采用，但随着经营环境的'日益复杂、多变，单一的指标已不能全面反映企业的综合财务状况。
2、多元线性评价模型。它的形式是：
Z=1.2x1+1.4x2+3.3x3+0.6x4+0.999x5.Z：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：普通股和优先股市场价值总额/负债账面价值总额;x5：销售收入/资产总额。Z值应在 1.81～ 2.99之间，Z=2.675时居中。Z>2。675时，企业财务状况良好;Z<1.81时，企业存在很大的破产风险;Z值处于1.81～ 2.99之间，称为“灰色地带”，这个区间的企业财务极不稳定。
多元线性模型在单一式的基础上趋向综合，且把财务风险概括在某一范围内，这是它的突破，但仍没有考虑企业的成长能力，同时它的假设条件是变量服从多元正态分布，没有解决变量之间的相关性问题。这种方法在现实中比较常见。 3、综合评价法。这种方法认为，企业财务风险评价的内容主要是盈利能力，其次是偿债能力，此外还有成长能力，它们之间大致按5∶3∶2来分配。 盈利能力的 主要指标是资产净利率、销售净利率、净值报酬率，按2∶2∶1安排分值;偿债能力有4个常用指标：自有资金比率、流动比率、应收账款周转率、存货周转率，分值比为1;成长能力有3个指标：销售增长率、净利增长率、人均净利增长率，分值比为1，总分为100分。
这里的关键是确定标准评分值和标准比率，需要经过长时间实践，主观性比较强。这种方法以及下面的概率模型在应用中很普遍。
4、概率模型。二元Logistic概率函数又称增长函数，其形式为： P是二元Logistic函数的计算结果，a是常数项，bi是斜率，xi是自变量，将上式变形：
计算的结果P是事件发生的概率，所以将回归因变量的值域定义在(0，1)上。
5、神经网络分析模型。上面的财务风险评价方法是静态的，神经网络分析模型实现了企业财务风险的动态评价。20世纪90年代，Fletcher，Goss 和Altman等国外研究者将神经网络分析应用于财务预警模型。它由一个输入层、若干中间层和一个输出层构成;它不需要主观定性地判断企业财务风险状态，但是比较复杂，技术要求高，工作随机性强，所以在应用中易受到限制。
(二)财务风险评价方法的新构思
本文试图以模糊数学理论为基础，将企业财务管理上一些边界不清、不易定量的因素与定量指标相结合，综合地评价财务风险。首先，应用多元统计学原理进行多元回归和相关性分析，然后找出影响企业财务风险的主要指标;其次，建立模糊隶属函数A，用来计算某一元素u0出现在某一状况下的频率，即u0对A的隶属度。 根据这个原理对不同的财务指标建立模糊隶属函数，用隶属度表示财务风
本文来源：https://www.wddqxz.cn/58677e7ad8ef5ef7ba0d4a7302768e9950e76e2c.html
2023-03-15
