【正文】 通過不同的方法得到22個財務(wù)指標(biāo)的顯著性觀測和相關(guān)性檢驗，最后選定了5個財務(wù)指標(biāo)并對其賦予不同的權(quán)重，加權(quán)匯總而得出企業(yè)財務(wù)危機預(yù)警Z分數(shù)模型，它用來計量企業(yè)破產(chǎn)的可能性。“未知區(qū)域”或“灰色區(qū)域”。根據(jù)Z分數(shù)模型的判別，則企業(yè)處于警戒值下，其承受的財務(wù)風(fēng)險大，處于一種未知區(qū)域，在這個區(qū)間的企業(yè)財務(wù)是極不穩(wěn)定的，所面臨的風(fēng)險企業(yè)采取一些規(guī)避措施。在X2中，中國船舶在2011年的時候下降，且在2012年時又提升，說明企業(yè)在2011年累計盈利能力較差。在X3中，排除2012年的數(shù)據(jù)，2010年有變動小幅度的變動，說明企業(yè)的營運效率幾乎沒什么變化。在X5中，在X5中，排除2012年的數(shù)據(jù)，2009年至2011年數(shù)據(jù)幾乎差不多，說明企業(yè)的資產(chǎn)周轉(zhuǎn)速度波動不大。增強財務(wù)風(fēng)險預(yù)警效果的建議（1）增強對財務(wù)風(fēng)險的認識。財務(wù)風(fēng)險預(yù)警是必要的，不過每個行業(yè)都有自己的特點，沒有萬能的預(yù)警模型，只能過通過分析進行風(fēng)險預(yù)警。時刻了解企業(yè)的財務(wù)狀況，對可能出現(xiàn)的風(fēng)險進行必要的防范。（3）提高資產(chǎn)質(zhì)量，防范潛在風(fēng)險。企業(yè)需要做的措施就是要查出這些不良資產(chǎn)，進行有效的處理。本文以中國上市所有船舶企業(yè)的財務(wù)信息為基礎(chǔ)，并結(jié)合了國外那些對其他行業(yè)財務(wù)風(fēng)險預(yù)警的研究，運用單變量和多變量模型的方法，初步有了預(yù)測船舶企業(yè)財務(wù)風(fēng)險的方法，在船舶行業(yè)里面做出了表率。另外，選取的樣本只是我國上市船舶制造企業(yè)，收集資料有限，這在一定程度上影響了文章的分析的結(jié)果。 文獻綜述摘要：在市場經(jīng)濟日趨完善的今天, 企業(yè)時刻都面臨著來自市場的各種風(fēng)險。企業(yè)財務(wù)風(fēng)險管理的目標(biāo)在于了解風(fēng)險的來源和特征,正確預(yù)測、衡量財務(wù)風(fēng)險,進行適當(dāng)?shù)目刂坪头婪?。因此它的預(yù)警研究得比較成熟，其中包括單指標(biāo)以及多指標(biāo)，甚至是對整個預(yù)警系統(tǒng)研究。關(guān)鍵詞：；財務(wù)風(fēng)險；預(yù)警研究；預(yù)測模型前言在我國經(jīng)濟高速發(fā)展的當(dāng)今時代，財務(wù)風(fēng)險管理已成為財務(wù)管理的核心問題。財務(wù)風(fēng)險預(yù)警研究就是針對企業(yè)財務(wù)風(fēng)險提出的，其目的是，發(fā)現(xiàn)企業(yè)財務(wù)管理過程中存在的問題和潛在的風(fēng)險，從源頭阻止企業(yè)財務(wù)風(fēng)險的發(fā)生，減少由于企業(yè)財務(wù)風(fēng)險所造成的損失，提高企業(yè)財務(wù)管理水平和經(jīng)濟效益。因此，此行業(yè)的財務(wù)風(fēng)險預(yù)警系統(tǒng)與其他行業(yè)有所不同。日益擴大的經(jīng)濟全球化使中國的造船業(yè)走向國際制造的道路，而龐大的資產(chǎn)運作必然對企業(yè)的財務(wù)管理能力提出了更高的要求，這就迫切需要企業(yè)更加注重對財務(wù)風(fēng)險的控制力，提高市場競爭力；另外，由于船舶制造企業(yè)在發(fā)展過程中遺留了一些問題，致使有些企業(yè)背負著較高的負債率，加大了財務(wù)風(fēng)險的可能性，稍有不慎就會造成巨大的損失。然而，我國在造船領(lǐng)域的財務(wù)危機預(yù)警機制尚處于起始階段，沒有能建立一套完整的體系結(jié)構(gòu)，使得開展船舶制造企業(yè)的財務(wù)風(fēng)險預(yù)警的研究越來越有必要。Fitzpatrikc（1932）首次提出單個財務(wù)比率模型的判定，開創(chuàng)了單變量預(yù)警方法。Bevaer則首先運用統(tǒng)計方法建立了單變量財務(wù)預(yù)警模型，他選取美國19541964年間資產(chǎn)規(guī)模相同的79家經(jīng)營失敗企業(yè)和79家正常經(jīng)營的企業(yè)，進行對比研究，使用30個財務(wù)比率進行分析，發(fā)現(xiàn)具有良好預(yù)測性的財務(wù)比率依次為現(xiàn)金流量/負債總額、資產(chǎn)收益率和資產(chǎn)負債率。Altman（1968）創(chuàng)立了多元變量判斷模型——Z分數(shù)模型。對這些方法的介紹和具體應(yīng)用是國內(nèi)企業(yè)預(yù)警研究初期的主要特征，也是財務(wù)風(fēng)險預(yù)警研究初期的主要特征。Charitou和Trigeorgis在“optionBased Bankruptey Predietion”使用期權(quán)定價模型中的相關(guān)變量構(gòu)建了財務(wù)危機判別模型，對19831994年期間的139對美國企業(yè)進行了對比檢驗，結(jié)果發(fā)現(xiàn)，到期債務(wù)面值、企業(yè)資產(chǎn)的當(dāng)期市價、企業(yè)價值變化的標(biāo)準(zhǔn)差等期權(quán)變量在預(yù)測破產(chǎn)方面作用顯著，由此也使得期權(quán)定價理論在財務(wù)預(yù)警方面的使用得以發(fā)展。因此，他們認為ANN模型是一個行之有效的財務(wù)危機判別模型，而且很適合信貸類企業(yè)。如Wolfgang Hardle等（2008）采用SVM構(gòu)建財務(wù)危機預(yù)警模型，并通過實證研究結(jié)果表明：同其它統(tǒng)計方法、人工智能方法相比，基于SVM的預(yù)警模型表現(xiàn)出較好的預(yù)測結(jié)果。二、 國內(nèi)文獻綜述由于我國經(jīng)濟體制的影響，國內(nèi)的經(jīng)濟預(yù)警研究起步較晚，20世紀(jì)90年代以前，財務(wù)預(yù)警的研究幾乎是空白，隨著經(jīng)濟體制改革的深入，賬務(wù)預(yù)警的研究與應(yīng)用經(jīng)歷了一個從點預(yù)警到狀態(tài)預(yù)警、從定性為主到定性與定量相結(jié)合、從宏觀經(jīng)濟預(yù)警滲透到企業(yè)預(yù)警轉(zhuǎn)變的過程。為了彌補Altman建立Z分數(shù)模型時沒考慮的現(xiàn)金流量的變動等方面的不足，周守華、楊濟華于1996年提出了F分數(shù)模型，模型的X1，X2及X4與Z分數(shù)模型的X1，X2及X4相同，X3和X5為現(xiàn)金流量變量，X3=（稅后純收益＋折舊）/平均總負債，X5＝（稅后純收益＋利息＋折舊)/平均總資產(chǎn)。其判別準(zhǔn)確率高達70%。在單變量判定分析中，發(fā)現(xiàn)在資產(chǎn)負債率、流動比率、總資產(chǎn)收益率、凈資產(chǎn)收益率4個財務(wù)指標(biāo)中，流動比率與資產(chǎn)負債率的誤判率最低；在多元線性判定分析中發(fā)現(xiàn)由資產(chǎn)負債率、流動比率、總資產(chǎn)收益率、凈資產(chǎn)收益率、營動資本/總資產(chǎn)、總資產(chǎn)周轉(zhuǎn)率6個指標(biāo)構(gòu)建的模型，在ST發(fā)生的前三年能較好地預(yù)測ST。陳曉、陳治鴻（2000）采用邏輯回歸模型對財務(wù)預(yù)警進行研究，發(fā)現(xiàn)負債/權(quán)益比、資產(chǎn)回報率對企業(yè)財務(wù)困境有著顯著的預(yù)測效應(yīng)；另外，還發(fā)現(xiàn)如果將上市公司的資產(chǎn)回報率分解為主營業(yè)務(wù)資產(chǎn)回報率以及非主營業(yè)務(wù)資產(chǎn)回報率，可顯著提高對于ST公司的判別能力。吳世農(nóng)、盧賢義（2001）選取了ST樣本企業(yè)和對應(yīng)的非ST樣本企業(yè)各70家，ST樣本包括19982000年A股市場發(fā)生ST的全部企業(yè)（剔除非正常的TS企業(yè)），收集的樣本數(shù)據(jù)延至企業(yè)發(fā)生ST前5年，選用了多種研究方法，建立單變量判定模型和線性判定模型、線性概率模型和邏輯回歸等三種多變量判定模型，比較各種模型在財務(wù)困境預(yù)測中的效率，認為邏輯回歸模型在三種多變量模型中預(yù)測的準(zhǔn)確性最高。張玲（2000）、高培業(yè)、張道奎（2000）也都使用更細分的樣本數(shù)據(jù)，同樣用線性判別分析方法進行了預(yù)測研究，發(fā)現(xiàn)模型具有超過前4年的預(yù)測效果。研究結(jié)果表明該模型具有良好的預(yù)測精度，是一種有效的財務(wù)困境預(yù)測工具。吳德勝（2004）等對財務(wù)預(yù)警的幾種模型進行了對比分析，研究了當(dāng)前國內(nèi)外公司財務(wù)困境預(yù)測問題的現(xiàn)狀，在尋找出適合于我國企業(yè)的財務(wù)狀況識別指標(biāo)體系的基礎(chǔ)上采用不同方法建立財務(wù)風(fēng)險狀況預(yù)測模型，并且利用樣本公司實際指標(biāo)數(shù)據(jù)對各個模型的中短期預(yù)測效果進行了比較分析與實證研究。王金鳳、楊金濤（2005）也運用Logistic回歸模型篩選出三個變量構(gòu)建Logistic模型和神經(jīng)網(wǎng)絡(luò)模型，并比較兩者的預(yù)測效果，顯示在惡性財務(wù)危機發(fā)生前一年用神經(jīng)網(wǎng)絡(luò)建立的財務(wù)危機預(yù)警模型所做的預(yù)測判斷效果較好，前二三年用Logistic回歸方法建立的財務(wù)危機預(yù)警模型的預(yù)測判斷效果則較佳。運用多級模糊綜合評判法對財務(wù)風(fēng)險因素進行定量化評價：對定性的非財務(wù)指標(biāo)采用模糊統(tǒng)計的方法，把定量與定性相結(jié)合，從這一角度出發(fā)，構(gòu)建了財務(wù)危機的模糊預(yù)警模型并對其進行了檢驗，以使預(yù)警結(jié)果更加真實準(zhǔn)確。這就說明我國上市公司數(shù)據(jù)具有一定預(yù)測能力，而且還證實了利用我國上市公司財務(wù)數(shù)據(jù)建立分行業(yè)的財務(wù)風(fēng)險預(yù)警模型是可行的。總結(jié)從以上綜述可以看出，財務(wù)風(fēng)險預(yù)警的研究方法大多數(shù)是國外學(xué)者研究出的，我國學(xué)者引用、借鑒再應(yīng)用到我國企業(yè)中。定量分析指標(biāo)因為從財務(wù)報表中獲得數(shù)據(jù)，其具有客觀性、準(zhǔn)確性等特點，但存在一定的滯后性，難以全面滿足企業(yè)需要。通過對研究現(xiàn)狀的分析，本人認為傳統(tǒng)的方法存在以下三點不足：①在國內(nèi)現(xiàn)有的財務(wù)預(yù)警研究中，指標(biāo)的選擇往往基于一般的財務(wù)理論、風(fēng)險理論和管理理論，有時甚至取決于研究者的直觀判斷以及資料的可獲得性，眾多研究者還沒有找到令人信服的財務(wù)風(fēng)險和預(yù)警理論來支撐所建立的預(yù)警模型。③由企業(yè)的經(jīng)營或管理不善造成企業(yè)損失，這些損失在會計報表中表現(xiàn)出來需要經(jīng)過一定時期，所以通過財務(wù)數(shù)據(jù)預(yù)測財務(wù)風(fēng)險具有滯后性，不能提前防范風(fēng)險的發(fā)生，而且造成的損失已經(jīng)無法挽回。參考文獻 [1]財政部；企業(yè)績效評價操作細則（修訂）[J]；北京統(tǒng)計：中國人民大學(xué)出版社，2002.[2]鐘蘊凱；淺談如何科學(xué)考核評價子公司的業(yè)績[J].現(xiàn)代商業(yè),1999. [3]嚴真紅。全面預(yù)算管理在CSSC的應(yīng)用研究[D]，江蘇大學(xué)，2008. [5]王永生。船舶制造企業(yè)財務(wù)風(fēng)險預(yù)警研究[D]。2011.[7]黃維。冶金經(jīng)濟與管理。陜水集團財務(wù)風(fēng)險預(yù)警系統(tǒng)研究[D]。2008[9]陳靜。[J].科技進步，2004（2）：105106[11]陳曉。2003 by Prentice Hall[13]Altman, Financial Distress andBankruptey[J]..[14]Richard A. Brealey and Stewart .：《Principles of Corporate Finance》, McGrawHill Companies, ；[15] Financial Accounting Standards Board (FASB)：《Statements of Financial Accounting Standards》， 經(jīng)濟科學(xué)出版社，2002。[17]淘永宏：長三角造船業(yè)風(fēng)險及其防范研究[J]，上海造船社，2009。致謝 本論文是在我的導(dǎo)師柳玉壽的親切關(guān)懷和悉心指導(dǎo)下完成的。在論文即將完成之際，我的心情無法平靜，從開始進入課題到論文的順利完成，有多少可敬的師長、同學(xué)、朋友給了我無言的幫助，在這里請接受我誠摯的謝意!最后我還要感謝培養(yǎng)我長大含辛茹苦的父母，謝謝你們！最后，再次對關(guān)心、幫助我的老師們和同學(xué)表示衷心地感謝！