1. 전략 분석. 기업의 외부 환경에 초점을 맞추고, 목적은 다음을 파악하는 것입니다.

(1) 기업이 위치한 산업의 특성

(2) 기업의 특성;

(3) 기업이 종사하거나 종사할 수 있는 다양한 전략 업무 영역의 성공의 관건은 무엇이고, 발전 속도는 얼마이며, 자금이익률은 얼마이며, 전략적 우위를 세우는 데 필요한 최적의 경제규모는 얼마이며, 평균 투자는 얼마인가?

(4) 기업이 종사하거나 종사할 수 있는 모든 전략적 업무 영역에서 비용의 전략적 위치, 업계 평균 및 선진 수준은 어떻습니까?

(5) 공급 및 수요 상황, 자금 조달 조건, 산업 및 금융 기관과의 일반적인 관계, 업계 경쟁사와의 자금 조달 능력 및 자금력을 포함한 기업 자금 조달 환경 특성

(6) 동업 경쟁자의 자금 조달 및 운용 효과 (자금 효율성, 자금 유동성 및 자금 안전 포함)

전략 분석의 임무는 기업의 전반적인 환경, 산업 환경 및 재무 환경의 위험 수준, 성공의 핵심 요소, 기회 및 위협을 파악하고 자금 조달, 투자 및 비용 관리 측면에서 기업의 재무 관리 시스템에 대한 객관적인 참조 기준을 제공하는 것입니다.

2. 분석을 실행합니다. 기업 재무 시스템에 초점을 맞추고 있으며, 목적은 다음과 같은 사항을 파악하는 것입니다.

(1) 기업 재무 관리 시스템 현황

(2) 기업 자금 흐름의 현황 및 역할 (효율성, 유동성 및 안전)

(3) 기업 투자 및 자금 조달 현황 및 관리;

(4) 기업 원가 및 원가 관리 현황;

(5) 기업 재무 관리 현황 개선 조건.

분석을 수행하는 임무는 기업 재무 시스템의 특성, 성숙도, 장단점, 자금 관리 및 비용 관리의 주요 문제, 재무 시스템 기능 개선을 위한 실행 가능한 요소를 파악하는 것입니다.

3. 설계 개선 방안. 여기에 설명된 개선 방안은 기업의 전체 재무 시스템에 대한 전면적인 개선 방안이다.

개선 방안은 재무 전략 정책과 재무 전술 관리 체계의 두 부분으로 구성되어 있다.

재무경보 모델은 기업의 재무상황을 진단하고 재무위기 신호를 제공하는 효과적인 조력자이며, 이를 연구하는 것은 의심할 여지 없이 긍정적인 의의가 있다. 이 글은 현재 국내외 각종 재무경보 모델을 비교 분석해 중국 기업에 적합한 재무경보 모델을 구축하기 위한 아이디어와 방법을 제공하고자 한다.

첫째, 금융 조기 경보 모델의 분류

단변수 모델

단변수 모델은 단일 변수와 단일 재무 비율 또는 현금 흐름 지표를 사용하여 재무 위기를 예측하는 방법입니다. Fitzpatrick 의 초기 연구에 따르면 재정난회사의 재무비율은 정상회사의 재무비율과 크게 달라 기업의 재무비율이 기업의 재무상황을 반영할 수 있도록 하고 재무비율이 기업의 미래를 개별적으로 예측할 수 있다고 지적했다. Beaver 는 이를 바탕으로 통계학적으로 단변수 재무경보 모델을 수립해 채무 담보비율이 회사에 더 잘 예측되고, 그 다음은 자산 수익률과 자산 부채율의 예측 효과라는 사실을 발견했다. (윌리엄 셰익스피어, 윈스턴, 부채, 부채, 부채, 부채, 부채, 부채, 부채) 또한 일본의 Shoichi Tanabe 는 이자 및 어음 할인 비용에 대한 단변수 판별 분석 방법을 제시했으며, 이자와 어음 할인 비용의 크기를 통해 기업이 정상인지 여부를 판단할 수 있어 기업에 예측 역할을 할 수 있다.

다변수 모델

다변량 모델은 여러 재무 요소 또는 현금 흐름 지표를 사용하여 기업의 재무 상황을 종합적으로 반영하고 이를 바탕으로 재무 예측을 위한 경보 모델을 설정하는 것입니다. 모델에 동적 경보 기능이 있는지 여부와 재무 경보 시스템이 쉽게 수정 및 확장되는지 여부에 따라 다변량 모델은 정적 통계 모델과 동적 비통계 모델로 나눌 수 있습니다.

1. 정적 통계 모델. ① 선형 판별 모델. 다원 선형 판별 모델은 다원 통계 분석 방법의 판별 분석을 통해 만들어졌다. 특정 샘플 데이터를 기반으로 판별 함수를 설정하고 판별 영역을 결정하여 기업의 재무 상태를 예측합니다. 이 모델은 미국 교수 Atlman 의 Z 모델로 대표된다. ② 주성분 예측 모델. 이 모델은 또한 판별 분석 모델과 유사한 선형 판별 함수를 형성합니다. 모델은 다변량 통계 분석에서 주성분 분석 방법을 이용하여 종합 요소를 정제하여 주성분을 형성하고 주성분을 이용하여 건립한 것이다. 우리나라 학자 장애민 양서 등은 주성분분석법을 활용해 우리나라 상장회사의 재무경보모델을 연구했다. ③ 간단한 선형 확률 모델. Y = c+β1x1+β 2x2+...+β kxk 형식의 다중 선형 회귀 방법을 사용하여 모델을 작성합니다. 그 중 c, β 1, β2, ..., βk 는 계수입니다. X 1, x2, ..., xk 는 k 예측 변수, 즉 재무 지표입니다. Y 는 기업 재무가 실패할 확률이다. 모델은 0.5 를 위기 경계점으로 사용합니다. Y 값이 클수록 기업 재무 실패 가능성이 높아지고 Y 값이 0 에 가까울수록 기업 재무가 더 안전하다는 뜻입니다. ④ 로고 모델 및 probit 모델. 로그 비율 모델 및 확률 단위 모델이라고도 하는 확률 모델은 각각 logit 및 probit 확률 함수가 간단한 선형 확률 모델을 극복하기 위해 설정하는 확률 모델에 속합니다. Logit 모델 형식은 ln [p \ u (1-p)] = α 0+β1x1+β 2x2+입니다 여기서 p 의 값은 0,1; P 는 확률입니다. X 1, x2, ..., xk 는 k 예측 변수, 즉 재무 지표입니다. α0, β 1, β2, ..., βk 는 계수입니다. Probit 확률 모델의 예측 효과는 일반적으로 logit 모델과 비슷하며 여기서는 다루지 않습니다.

2. 동적 비통계 모델. 동적 재무 경보 모델은 주로 인공지능의 귀납학습 방법을 금융 위기 예측에 적용하는 것이다. 현재이 방법에서 가장 일반적으로 사용되는 것은 신경망 예측 모델입니다. 신경망 모델에서 일부 데이터를 입력할 때 네트워크는 현재 가중치를 사용하여 해당 예측 값과 오류를 계산한 다음 오류 값을 네트워크 조정 가중치에 피드백합니다. 반복적으로 조정하면 예측 값이 실제 값에 가까워집니다. 이 네트워크가 새로운 사례에 적용될 때, 새로운 사례에 대한 관련 값을 입력하기만 하면, 신경망은 당시의 가중치에 따라 출력값, 즉 예측치를 얻을 수 있다. 신경망 분석은 높은 컴퓨팅 능력, 자기 학습 능력 및 내결함성이 있는 병렬 분산 패턴 처리 시스템입니다. 이 모델은 하나의 입력 레이어, 여러 중간 레이어 및 하나의 출력 레이어로 구성됩니다. 사례 추리는 동적인 비통계 모델 방법으로, 최근 몇 년 사이에 금융 위기 예측에 적용하려고 시도하기 시작했다. 그것은 경험에 근거한 추리 방법이다. 즉, 과거의 사례를 근거로 미래에 발생할 수 있는 문제를 판단하는 것이다. 전형적인' 지난번에 속고 한 번 배워라' 는 추리 방법이다. 새로운 문제가 사례 기반 추론 시스템에 입력되면 시스템은 기존 사례 라이브러리에서 유사한 사례를 검색하고 새로운 사례의 유형을 결정합니다. 사례 추리 방법의 핵심 단계는 유사성 알고리즘에 따라 사례 간 거리를 계산한 다음 사례 간 유사성으로 변환하여 유사성에서 가장 가까운 사례를 선택하고 이에 따라 추리하여 판단하는 것입니다.

둘째, 다양한 금융 조기 경보 모델의 비교

(a) 단 변수 모델과 다 변수 모델의 비교

1. 단변수 모형법은 비교적 간단하고, 다변수 모형법은 비교적 복잡하다. 단변수 모델은 단일 재무 비율만 분석하고, 기업의 추세를 관찰하며, 이에 따라 기업의 재무 상태를 판단하며 복잡한 계산은 필요하지 않습니다. 다중 모델은 여러 재무 지표 또는 현금 흐름 지표를 동시에 선택한 다음 특정 방법을 통해 종합적으로 분석하는 것입니다. 모델 구성에는 여러 가지 방법과 이론이 포함되며 조작이 복잡하다.

2. 다변량 모델보다 단변수 모델 분석에 더 많은 한계가 있습니다. ① 다른 재무 비율의 예측 목표와 능력은 종종 차이가 커서 같은 회사에 대해 다른 비율로 다른 결과를 예측하는 현상이 생기기 쉽다. ② 단일 지표 분석의 결론은 인플레이션과 같은 객관적인 요인의 영향을 받을 수 있다. (3) 개별 지표의 영향에 대한 분석만 중시하고, 관리자가 재무제표를 미화하고, 재무지표를 미화하고, 재무위기를 은폐하는 등 주관적인 행위의 영향을 받기 쉬우며, 모델 판단이 실패하게 된다. 다변량 모델은 단변수 모델보다 이러한 상황을 더 잘 피할 수 있습니다. 이는 금융 위기를 포함한 회사의 재무 환경을 반영하는 여러 요소를 종합적으로 고려하여 기초성과 전역을 반영하기 때문입니다.

(b) 정적 통계 모델과 동적 비 통계 모델의 비교

1. 모델링 방법. 이 둘은 모형을 만드는 방법에서 뚜렷한 차이가 있다. 정적 통계 모델은 계량 경제학의 판별 분석, 주성분 분석, 회귀 분석과 같은 통계 수학과 분석을 기초로 한다. 이러한 모델의 설립은 모두 일정한 통계학 이론의 기초를 가지고 있으며, 의사 결정 구간의 결정과 오판율의 추정과 관련이 있으며, 건립된 모형은 일반적으로 선형적이다. 동적 비통계 모델은 통계 이론을 기반으로 하는 것이 아니라 인공지능의 귀납학습을 통해 세워진 것이다. 전체 분석과 예측 과정은 인간의 학습과 사고와 같다. 이것은 자연의 비선형 모델입니다.

2. 모델 생성 가정. 정적 통계 모델의 수립은 일반적으로 샘플 데이터의 분포에 대한 가정을 전제로 합니다. 예를 들어 다변량 통계 분석에서 데이터의 정규 분포 가정, 공분산 행렬 가정, 단순 선형 확률 모델의 이항 분포 가정 등이 있습니다. 일반적으로 이러한 가정을 기본적으로 만족시켜야 정적 통계 모델 예측의 정확성을 보장할 수 있습니다. 또한 정적 통계 모델은 데이터 간의 관계에 대한 명확한 이해를 바탕으로 구축되며, 일반적으로 변수 사이에 단순한 선형 관계가 있으며 데이터 자체의 무결성과 일관성에 더 많은 관심을 기울이고 있다고 가정합니다. 동적 비통계 모델은 일반적으로 데이터 분포, 구조 등에 대한 요구 사항이 없으며 비선형 데이터에 적합하고 데이터 손실에 대해 상당한 관용을 가지며 기본적으로 모든 유형의 데이터를 처리할 수 있습니다.

동적 경보 기능 및 내결함성이 있는지 여부 정적 통계 모델은 이전 샘플 데이터를 기반으로 합니다. 샘플 데이터가 확인되면 모델을 재구성하지 않으면 조정하기 어렵다. 재무 상황이 발전하고 재무 표준이 갱신됨에 따라, 과거 데이터와 표준을 기반으로 한 이 모델은 변화하는 재무 상황을 정확하게 예측하고 판단하기 어렵습니다. 즉, 동적 경보 기능이 없어 수정 및 확장이 쉽지 않습니다. 또한 정적 통계 모델은 잘못된 데이터의 입력에 내결함성이 없으며 자체 학습 및 조정이 불가능합니다. 동적 비통계 모델은 환경 변화에 따라 스스로 학습할 수 있는 능력을 가지고 있다. 샘플 데이터가 축적됨에 따라 정기적으로 지식을 업데이트하여 기업 위기에 대한 동적 경보를 실현할 수 있습니다. 또한 동적 경보 모델은 자체 학습 능력이 높고 잘못된 데이터 입력에 대한 내결함성이 강하기 때문에 더욱 실용적입니다.

4. 실제 적용. 신경망 모델과 같은 동적 모델의 배포는 무료입니다. 변수가 알 수 없는 분포에서 제거되고 공분산 구조가 같지 않을 때 (기업 실패 샘플의 정상) 신경망은 정확한 분류를 제공할 수 있습니다. 그러나 모델의 토폴로지 정의, 네트워크 아키텍처 결정, 학습 매개변수, 변환 공식 선택 등 실제 응용 프로그램에는 복잡하고 결정하기 어려운 몇 가지 문제가 있습니다. 그 일은 고도의 무작위성을 가지고 있어 많은 인력과 시간을 소모하며 의사결정 방법에서 블랙박스로 나타나 받아들이고 적용하기가 어렵다. 또한 이 모델은 분석을 위해 많은 학습 및 교육 샘플이 필요합니다. 샘플 수가 부족하고 대표성이 부족하고 적용 범위가 넓지 않으면 시스템 분석 및 예측 결과에 큰 영향을 미칠 수 있습니다. 오트만 (1995) 은 신경망 방법과 판별 분석 방법의 비교 연구에서 "위험 식별과 예측에서 신경 네트워크 분석 방법의 적용이 선형 판별 모델보다 실질적으로 우수하지 않다" 고 결론 내렸다. 전통적인 통계 모델은 비교적 성숙하고, 계산은 비교적 간단하며, 광범위하게 응용된다. 또한 logit, probit 모델과 같은 일부 통계 방법은 데이터의 정규 분포 여부, 두 세트의 공분산이 같은지 여부에 대한 요구 사항이 없습니다. 두 개의 전체 공분산 행렬이 동일하지 않은 경우에도 일반 판별 분석에서 거리 판별 방법을 사용할 수 있습니다. 따라서 현재 재무 경보 모델에는 여전히 전통적인 통계 방법이 주를 이루고 있지만 동적 모델은 아직 성숙하지 않아 응용 프로그램이 아직 탐색 및 실험 단계에 있습니다.

(c) 다양한 통계 모델 간의 비교

1. 다양한 통계 방법의 기능 비교. 판별 분석과 주성분 분석은 다변량 통계 분석에 속한다. 그 중에서도 판별 분석은 주로 연구 대상을 여러 유형으로 나누고 다양한 샘플에 대한 관찰 데이터를 바탕으로 새로운 샘플의 범주를 구분하는 방법을 연구합니다. 즉, 판별 분석의 목적은 새로운 사례의 범주를 판단하는 것입니다. 주성분 분석법의 주요 역할은 샘플 데이터에서 지표가 너무 많고 지표 간 정보가 중복되는 문제를 해결하는 것이다. 그 역할은 두 가지입니다. 하나는 차원을 낮추는 것이고, 다른 하나는 정보의 중복을 줄여 분석을 단순화하는 것입니다. 단순 선형 확률 모델과 logit 확률 모델은 회귀 분석 방법으로, 모델에서 해석 변수와 해석된 변수 사이의 구체적인 관계, 특히 수치 관계를 연구하는 것을 목표로 합니다. 따라서 다양한 방법의 주요 역할로만 볼 경우 판별 분석을 통해 재무 경보 모델을 구축하는 것이 가장 적합합니다. 이 방법은 연구 범주가 속하기 때문입니다.

2. 다른 통계 방법으로 확립 된 재무 조기 경보 모델의 비교. 판별 분석 방법의 핵심은 거리에 따라 샘플의 귀속을 판단하는 것으로, 일반적으로 선형 판별 함수를 형성하여 판단해야 할 기업의 귀속을 판단하는 것이다. 일반적으로 데이터는 정규 분포를 따라야 하며, 두 그룹 전체 간의 공분산 행렬은 동일합니다. 주성분분석법은 주로 다차원 재무지표를 종합해 차원을 줄인 뒤 각 종합지표에 일정한 가중치를 부여하는 종합분석을 통해 판단공식을 형성하고 재무정상기업과 재무실패기업의 점수에 따라 판단구간을 형성하고 판단될 기업의 점수를 계산한다.

주성분 분석법으로 재무경보 모델을 구축하는 데는 명백한 결함이 있다. 종합점수가중치의 결정과 판단구간의 결정은 주관적이고 부정확하다. 특히 후자는 샘플 데이터 분포의 영향이 크다. 간단한 선형 확률 모델은 각 재무 지표를 해석 변수로, 재무 상태를 해석 변수로, 재무 상태를 정상과 실패로 나누고, 각각 0 과 1 을 취하고, 샘플 데이터를 이용하여 회귀 방정식을 만들고, 판단될 기업의 재무 지표 데이터를 방정식에 대입하면, 얻은 값은 예측값이며, 기업의 재무 실패 가능성을 나타낸다. 단순 선형 확률 모델에는 네 가지 결함이 있습니다. 1 잔차는 정규 분포를 만족하지 않고 이항 분포입니다. ② 이분 산성; ③ 일반 샘플의 결정 계수가 너무 작고 회귀 방정식 맞춤도가 낮다. ④ 반환 값이 [0, 1] 범위 내에 있는지 확인하기 어렵다. 따라서 이런 방식으로 확립된 재무 경보 모델은 경보 판별 능력이 다른 방법보다 못하다. Logit 과 probit 모델은 간단한 선형 확률 모델의 단점을 극복하기 위해 만들어졌습니다. 일반적으로 최대 우도 추정법을 사용하여 추정되며 정규 분포와 두 공분산 행렬이 같은 조건을 충족시킬 필요가 없습니다. 얻은 결과는 기업의 재무실패 가능성을 직접적으로 보여 주며 간단명료하다. 이 방법은 현재 널리 사용되고 있다.

관련 학자들이 각종 통계 모델의 판별 정확도에 대한 비교 연구에 따르면 판별 분석은 80 년대 이전의 주요 모델링 방법으로, 그 예측 정확도가 줄곧 높았으며 지금까지 사용된 주요 방법 중 하나였다. Altman2000 은 2000 년 판별 분석을 통해 경보 모델을 수립했으며 예측 정확도는 여전히 96% 에 달했다. Logit 예측 모델은 최근 몇 년 동안 광범위하게 적용되었으며, 그 예측 정확도는 비교적 높다. 우리 나라 학자 오세농과 육이 세운 재무경보 모델은 표본이 새롭고 용량이 큰 특징을 가지고 있다. 200 1, 그들은 각각 판별 분석과 logit 법을 사용하여 엄격하게 검증된 샘플 지표의 재무 상태를 예측했다. 그 결과 logit 모델의 예측 정확도 (93.6%) 가 판별 분석 방법 (89.9%) 보다 훨씬 우수함을 알 수 있습니다.