分析师现金流预测

分析师现金流预测（精选8篇）

分析师现金流预测 第1篇

随着资本市场的发展和完善,作为投资者与管理层之间的媒介,证券分析师发挥的作用越来越重要。证券分析师发布盈余预测信息和经营性现金流预测(下文统称 “现金流预测”),已引起了投资者的关注。根据分析师发布的盈余预测和现金流预测,可以了解盈余、应计项目和现金流之间的关系(应计项目是盈余与经营现金流之间的差额),从而估计出应计项目的预测值,使应计项目的信息更透明,这是否有利于抑制上市公司通过应计项目操纵盈余的行为?

我国证券分析师大多任职于综合类券商,分析师与投资者之间存在着严重的利益冲突问题,而职业声誉可以抑制分析师为谋取私利而损害客户利益的行为,确保其提供可信度较高的预测信息。我国《新财富》杂志自2003年起,每一年评选出年度“最佳分析师”,赋予分析师良好的声誉。那么良好的声誉是否能加强分析师现金流预测对上市公司盈余操纵行为的约束作用?

本文以我国沪深两市A股上市公司为样本,研究分析师现金流预测与公司盈余管理程度之间的关系以及分析师的职业声誉差异是否会影响二者之间的关系,以期能够拓展盈余管理影响因素的研究范围、丰富分析师行为经济后果方面的研究。

二、理论分析与研究假设

(一)分析师现金流预测对盈余管理的影响

上市公司的应计项目总额是盈余总额与经营现金流之间的差额,可分为可操纵性应计和非操纵性应计两个部分。分析师提供盈余预测的同时,又提供现金流预测, 这意味着为企业设定了一个应计项目的预测值,使得上市公司选择操纵应计项目这种方式进行盈余管理更易被发觉,增加了企业和管理者的预期成本,从而限制上市公司通过应计项目操纵盈余的空间。

Wasley和Wu(2006)研究证明,对管理层现金流进行预测,有助于约束管理层通过应计项目操纵盈余的行为。 分析师作为独立第三方,其现金流预测同样可能抑制管理层的盈余管理行为。

Mc Innis和Collins(2011)以美国公司为样本,证明了分析师提供现金流预测能够对管理层的应计项目盈余操控行为产生制约作用。

据此,本文认为相对于分析师发布了现金流预测的公司,没有发布现金流预测的公司应计盈余质量更低。据此提出如下研究假设:

H1a:分析师对上市公司发布现金流预测的人数与其应计盈余管理程度呈负相关关系。

H1b:分析师对上市公司发布现金流预测的次数与其应计盈余管理程度呈负相关关系。

(二)分析师职业声誉差异对现金流预测与盈余管理之间关系的影响

分析师运用专业知识解读和分析企业的财务数据, 在企业和投资者的信息沟通中起着桥梁作用。职业声誉是分析师成为信息提供者的基础,作为反映分析师专业能力和信息可信度的信号,已经被市场识别并认可,即分析师存在“明星效应”。明星分析师对市场的影响力更大, 发布现金流预测更能受到管理层和投资者的重视(于静等,2008)。同时随着资本市场的发展和完善,分析师面临的利益冲突更加激烈,而声誉能有效抑制分析师的利益冲突行为(Fang、Yasuda,2009)。普通分析师的利益冲突严重,其为了获取私利而调高盈余预测结果,因此即使其提供现金流预测,也会由于调高了盈余预测结果而降低现金流预测对公司盈余管理行为的抑制作用。而明星分析师的职业声望能够为其带来丰厚的年薪收入和更多晋升机会,其出于职业生涯的考虑,会积极维护自身声誉,避免利益冲突行为。

所以本文认为,相对于普通分析师,明星分析师发布现金流预测更能够约束企业的应计盈余管理行为。据此, 本文提出如下研究假设:

H2:在分析师发布现金流预测的情况下,当存在明星分析师时,上市公司的盈余管理水平会更低。

三、研究设计

(一)样本选择与数据来源

本文选取2008 ~ 2013年间我国深沪两市A股上市公司作为初始样本,并对初始数据进行了技术处理:1剔除金融保险类的公司;2剔除财务数据缺失的公司;3剔除没有被分析师发布盈余预测的公司;4剔除每年度行业内公司不足10家的上市公司;5考虑到研究结果的稳健性,对所有连续变量进行了1%和99%的缩尾处理。最终,得到5 540家上市公司作为有效观测样本,其中分析师发布现金流预测的公司有4 197家。

本文使用的上市公司财务数据、分析师预测数据均来自于CSMAR数据库,分析师职业声誉的数据来自于 《新财富》杂志主办的年度“最佳分析师”评选结果。数据处理采用STATA12.0、EXCEL等软件完成。

(二)模型设计及变量含义

1. 盈余质量的计量模型。由于正或负的可操控性应计利润都表示公司披露的盈余与其真实盈余的偏离,所以本文以可操控性应计利润(DA)的绝对值EQ来衡量盈余管理的程度,其值越大,说明该企业盈余管理水平越高。可操控性应计利润的估算则采用Dechow等(1995)的截面修正Jones模型。其模型如下:

式中:TAi,t表示公司当年的总应计利润,为当年净利润减去经营活动现金流;Ai,t-1表示公司当年的年初总资产;△REVii,t表示公司当年的主营业务收入相对于上一年的变动额;△RECi,t表示公司当年的应收账款相对于上一年的变动额;PPEi,t表示公司当年年末的固定资产原值;残差εi,t表示公司当年的可操控性应计利润。

2. Heckman两阶段回归模型。考虑到分析师提供现金流预测的行为可能存在内生性问题(De Fond和Hung, 2003),本文借鉴Heckman(1979)两阶段回归模型来控制内生性问题造成的回归结果失真。运用Heckman(1979) 第一阶段的Probit回归模型对以CF为因变量的全样本进行分析,估计出公司被发布现金流预测的可能性,由第一阶段的回归结果得到误差调整项(又称选择校正项),即逆米尔斯比率(IMR);在第二阶段,将IMR作为控制变量添加到回归模型中。

第一阶段回归模型如下:

第二阶段回归共设计三个模型,其中模型(3)、模型(4)用于检验H1a、H1b;模型(5)用于检验H2。即:

假设2的检验模型:

各模型中变量的含义如表1所示。

对表1中未列入模型的各变量做如下补充说明:

其中:CFi,t为虚拟变量,如果第t年分析师对公司i至少发布过一次现金流预测,取值为1,否则为0;CIi,t表示资本密集度,即公司i第t年末的固定资产净额加在建工程净额之和与期初总资产的比值;EVi,t表示盈余波动性, 即公司i每三年的盈余标准差与盈余均值的比值;MVi,t表示公司i第t年所有者权益市场价值的自然对数;Acci,t表示应计项目所占比重,即公司i第t年的总应计利润与期初总资产的比值。

EQi,t为被解释变量,表示可操控性应计利润(DA)的绝对值。

CF_ni,t为解释变量,表示第t年分析师对公司i发布现金流预测的次数加1的自然对数;CF_fi,t表示公司i第t年被发布现金流预测的分析师人数加1的自然对数。

CF_si,t为虚拟变量,如果公司i在第t年至少被一名明星分析师进行现金流预测,取值为1,否则取值为0。

控制变量:净资产收益率(Roe)、资产负债率(Lev)、 公司成长性(Growth)、公司规模(Size)、是否亏损(Loss)、 公司性质(State)、上市年限(Age)。

四、实证研究

(一)描述性统计与分析

本文对研究中所用到的各变量进行了描述性统计, 结果如表2、表3所示。

表2列示了Heckman第一阶段模型(模型(1))中变量的描述性统计,从中可以看出,CF的均值为0.758,表明全样本中有75.8%的公司发布了现金流预测。CI的均值为0.373,表明公司资产中平均有37.3%为固定资产投资。EV的均值为0.317,中位数为0.322。MV的均值为15.577,中位数为15.463。Acc的均值为-0.006,中位数为-0.012。

从表3的描述性统计中可以看出,可操控性应计利润DA的均值为0.000,中位数为- 0.003,这与Daniel等(2008)的研究结论相一致,即分年度、分行业回归得到的DA应该接近于零。盈余质量EQ的均值为0.056,中位数为0.040。

分析师现金流预测次数CF_n的均值为2.175,表明公司被发布现金流预测的平均次数为7.802。分析师现金流预测人数CF_f的均值为1.343,表明公司被发布现金流预测的平均人数为2.831。明星分析现金流预测次数CF_s的均值为0.593,表示被发布现金流预测的样本公司中, 59.3%的公司至少被一名明星分析师发布过现金流预测。

(二)相关性检验

表4列出了相关系数矩阵,从中可以看出,资本密集度CI、盈余波动性EV、所有者权益市场价值MV、总应计利润占比Acc与因变量CF均正相关,且在1%的水平上显著,初步表明公司的经营状况对分析师现金流预测有显著的正向影响。

注:***、**、*分别表示统计值在1%、5%和10%的水平(双尾检验)上显著,下同。

表5列示了Person相关系数,从中可以看出:盈余管理程度EQ与衡量分析师现金流预测的变量CF_n和CF_f的相关系数分别为-0.073和-0.079,而且在1%的水平上显著,这与我们的预期相一致;EQ与衡量是否被明星分析师发布现金流预测的变量CF_s的相关系数为-0.049, 而且在1%的水平上显著,表明分析师现金流预测能够降低上市公司的盈余管理水平,而且明星分析师发挥的治理作用更加明显;CF_n和CF_f之间高度相关,表明它们在衡量分析师现金流预测上是等效的。

从表5还可以看出,盈余质量EQ与资产负债率Lev、 净资产收益率Roe、公司成长性Growth和是否亏损Loss显著正相关,说明高负债水平、强盈利能力、高发展潜力和亏损的公司,其盈余管理水平更高;EQ与Size显著正相关,说明规模大的公司的盈余管理水平较低;而EQ与公司性质State、上市年限Age的关系不显著。模型的解释变量与控制变量之间的相关程度相对较低,所以不存在严重的多重共线性问题。

(三)回归分析

1. Heckman第一阶段回归。

表6列示了Heckman第一阶段Probit模型的回归分析结果,从中可以看出,被解释变量为二元哑变量CF,即公司是否被分析师发布现金流预测,各解释变量的取舍标准是看其是否影响分析师有选择地发布现金流预测。 从回归所得出的解释变量的系数及其显著性可知,公司的资本密集度CI、盈余波动性EV及应计利润占比Acc均与分析师现金流预测行为显著正相关,即分析师倾向于选择资本密集度较高、盈余波动性大及应计利润比重大的公司发布现金流预测,这与De Fond和Hung(2003)的研究结论相一致。同时,分析师现金流预测行为还与公司的应计项目所占比重显著正相关。

2. Heckman第二阶段回归。表7为第二阶段模型(3)、 模型(4)、模型(5)的回归结果,反映了分析师现金流预测与盈余管理水平的关系,我们根据分析师发布现金流预测的次数(CF_n)、人数(CF_f)及公司是否被明星分析师发布现金流预测(CF_s)得到三组回归结果,三个模型的F值分别为26.070、26.140和17.720,且sig值均为0.000,表明三个模型均有统计学意义;DW值分别为1.990、1.989和2.033,接近2,说明不存在序列自相关问题;容差均大于0.1,VIF值均小于3,可排除存在严重的多重共线性问题。由此可见,H1和H2的回归方程是有效的。

从表7可以看出,CF_n与因变量EQ显著负相关(回归系数为-0.149,在5%的水平上显著),表明分析师对上市公司进行现金流预测的次数越多,其盈余管理水平越低;CF_f同样与因变量EQ显著负相关(回归系数为-0.262,在1%的水平上显著),表明对上市公司跟踪发布现金流预测的分析师人数越多,其盈余管理水平越低。 这与我们的预期一致,H1得到了验证。这说明分析师发布现金流预测能够抑制上市公司的盈余管理行为,发挥了积极的治理作用。

从表7还可以看出,CF_s的回归系数为-0.353,且在5%的水平上显著,表明分析师职业声誉与公司的盈余管理程度呈显著负相关关系,即明星分析师现金流预测比普通分析师现金流预测对公司管理层通过应计项目操纵盈余管理的抑制作用更强。

从其他控制变量的回归结果来看,Lev、Roe、Growth、 Loss的系数均显著为正,说明资产负债率较高、盈利能力较强、成长性较好和亏损的公司,其管理层越有动机进行盈余管理;Size与EQ显著负相关,表明公司规模越小,其盈余管理水平越高。这与以往的研究结果(薄仙慧、吴联生,2009;苏冬蔚、林大庆,2010;李增福、周婷,2013)相吻合。通过第一阶段回归得到的IMR,作为控制变量,其系数显著,说明控制了内生性问题。

五、结论

本文以2008 ~ 2013年我国沪深两市A股上市公司为研究样本,实证研究分析师现金流预测对盈余管理水平的影响。得出如下结论:

第一,公司被分析师发布现金流预测的次数越多、人数越多,其盈余管理水平越低,即分析师现金流预测能够提高上市公司的应计质量,约束其盈余管理行为。

第二,明星分析师发布现金流预测对盈余管理水平的影响更显著,更能抑制上市公司的盈余管理,即明星分析师对公司的治理效应更显著。

本文的研究结论对监管机构具有一定的参考意义:一方面,促进分析师行业的发展,注重分析师专业水平的提升,鼓励专业分析师发布现金流预测,完善公司的外部治理机制,对上市公司管理层的行为进行严格监管,进而使公司的盈余质量得到提高,避免投资者的相关利益受到侵害;另一方面,建立一套科学合理的职业声誉回报机制,以评估分析师的业绩,充分发挥声誉机制对分析师利益冲突行为的抑制作用,规范分析师的行为,确保分析师的客观性、独立性、公正性,引导分析师承担其外部监督职能,将保护投资者利益放在首要位置。

参考文献

Andreas Markou,Simon Taylor.Are analyst Free Cash Flow forecasts valuable?Evidence from target price changes[D].Working paper,University of Cambridge,2014.

萧松华,肖志源.声誉机制与证券分析师的利益冲突行为研究[J].南方金融,2009(12).

Call A.,Chen S.,Tong Y..Are Earnings Forecasts Accompanied by Cash Flow Forecasts More Accurate?[J].Review of Accounting Studies,2009(14).

Pawel Bilinski.Do Analysts Disclose Cash Flow Forecasts with Earnings Estimates When Earnings Quality is Low?[D].Working paper,City University London-Sir John Cass Business School,2014.

David Burgstahler,Michael Eames.Management of Earnings and Analysts'Forecasts to Achieve Zero and Small Positive Earnings Surprises[J].Journal of Business Finance Accounting,2006(5).

Mc Innis J.,Collins D.W..The Effect of Cash Flow Forecasts on Accrual Quality and Benchmark Beating[J].Journal of Accounting and Economics,2011(51).

储一昀,仓勇涛.财务分析师预测的价格可信吗?——来自中国证券市场的经验证据[J].管理世界,2008(3).

于静,陈工孟,孙彬.最佳证券分析师能战胜市场吗?[J].财经科学,2008(5).

Fang L.,Yasuda A..The Effectiveness of Reputation as A Disciplinary Mechanism in Sell-Side Research[J].The Review of Financial Studies,2009(22).

Daniel N.D.,Denis D.J.,Naveen L..Do Firms Manage Earnings to Meet Dividend Thresholds?[J].Journal of Accounting and Economics,2008(45).

经营性现金流分析 第2篇

金融生态环境的建设和维护，不仅必须依靠诚信的企业，同时需要高素质的信贷经营人员。银行在贷款发放的过程中，从贷前调查、审批、发放到贷后管理，如何正确分析和识别企业的经营状况、发展潜质？如何选择和培植优质客户，确认优质贷款，进行贷后风险分析及风险预警？确保信贷资金安全高效，为经营带来稳健的收益，创建和谐健康的金融生态环境。这都是考验一个客户经理的判断、分析问题和解决问题及综合利用能力。下面从研究分析企业经营性现金流的角度来解决以上的问题，从而确保金融生态环境的长久平衡和健康发展。

一、分析研究企业经营中现金流的作用

（一）经营性现金流分析的优点

1、它是反映客户生产经营活动是否正常的“晴雨表”。能够较真实地反映出客户的生产经营状况。

2、是进行财务分析的重要指标。现金到期债务比率、全部资产现金回收率等均利用经营性现金流，从企业的偿债能力、获取现金能力等角度进行分析。

3、可以采取较简捷的方法获得信息。由于目前部分客户不能够提供现金流量表，从而制约了现金流分析的作用。经营性现金流数据可以采用间接法取得，利用客户的资产负债表、利润表和其他一些补充信息，近似计算出经营性现金流，为我们实现对其进行分析提供了可能。

（二）经营性现金流分析的可靠性

1.净利润经营现金流量比率=经营活动现金净流量/净利润×100%

说明净利润能够得到经营活动现金支持的程度,便于分析企业的收益质量，有利于培植优质客户。

2.现金充足率=经营活动现金净流量/(现金投资+存货增加+股利支付+偿付债务)×100%

该指标主要用于分析企业经营活动对企业现金支付的保障程度,便于分析企业在扩张条件下的经营风险高低。其比率越高,则经营风险越低，有利于掌握信贷规模。3.经营现金股利支付能力比率=经营活动现金净流量/现金股利×100%

有利于进行正确判断企业的发展潜力。

4.现金比率=经营活动现金净流量/流动负债总额，有利于分析判断企业的承债能力。

二、如何解读企业经营中现金流量表

要分析企业的还债能力，关键是看企业的变现能力。我们来做如下分析：

1、如果现金净流量主要来自于投资活动产生的现金流量，说明企业在长期投资和固定资产投资方面具有一定的投资经验，但毕竟不是主营业务，有坐吃山空的嫌疑，企业的前景不容乐观。

2、如果现金净流量主要来自于筹资活动产生的现金流量，一方面可能是企业的信誉好，可借鸡下蛋获取利润，另一方面说明企业是在靠筹集资金过日子，早晚有一天会因为借不到钱而破产。

3、如果现金净流量主要来自于经营活动产生的现金流量，则说明该企业真正是一个有发展前景的、可持续经营的好企业，只有这样的企业，才是银行可以放心支持的企业。

经营活动现金净流量是负数,要分析其产生的原因。如果是企业生产出来的产品产量严重大于销量、或者生产出来的产品是滞销产品、或者是应收账款余额过大且时间过长、或者应收账款已形成大量的呆账，这种情况下出现生产经营现金净流量负数，说明该企业的生产经营确实出现了问题，必须加以关注，必要时可提前收回全部或部分贷款本息，使信贷风险降至最低；如果企业生产出来的是质量好、适销对路的畅销商品，而只是企业的资金安排与企业生产经营的周期不匹配，形成的生产经营现金净流量为负数，说明企业不是因为生产经营出现问题，只是资金安排不妥当，这种情况下，我们不必急于抽回资金，可通过帮助其调整好资金计划，甚至可以再追加一定量的贷款，以便使企业度过难关，同时也可以使我行获得最大的经济效益。

如果企业的每个部分的现金净流量都是负数，那么，该企业无论是生产经营，还是投资或筹资都出现了较为严重的问题。就必须提示企业经营风险，给本行报送风险预警报告。企业不能在短期内采取较强的措施，银行的信贷资金就存在回收无望的风险。

（一）、将净利润调节为经营活动现金流量分析

现金流量表分为主表和补充资料两部分。补充资料中的“将净利润调节为经营活动现金流量”部分运用间接法进行编制。

1、“计提的资产损失准备”项目。应在净利润的基础上进行调增。即坏账准备和存货跌价准备用两科目的年末余额减年初余额填列。

2、“固定资产折旧”项目。因固定资产折旧会影响净利润，而实际没有现金流出，故应在净利润的基础上进行调增。该项目按“累计折旧”的本年贷方发生额合计数。

3、“无形资产摊销和长期待摊费用摊销”项目。对于无形资产摊销需分析“无形资产”科目的贷方发生额，按该科目贷方中的摊销发生额合计进行填写。“长期待摊费用摊销”项目，应填列“长期待摊费用”的贷方发生额合计数。

4、“待摊费用减少 ”项目。本项目按“待摊费用”科目的期末余额与期初余额的差额填列。

5、“预提费用增加 ”项目。按“预提费用”科目的期初余额与期末余额的差额填列。

6、“递延税款贷项 ”项目。当递延税款为借方发生额时，企业的净利润不变，但经营性现金流将减少；反之，递延税款为贷方发生额时，企业的净利润减少，但经营性现金流不变。

7、“存货的减少 ”项目。本项目属于现金与存货之间的转换，应在净利润的基础上调增存货的减少数，或调减存货的增加数。

8、“经营性应收项目的减少 ”项目。本项目的增减不会影响净利润，属于经营性应收应付项目的增减变动，故应在净利润的基础上调增其减少数，调减其增加数。

9、“经营性应付项目的增加 ”项目。本项目与经营性应收项目增减含义相同，也属于不会影响净利润但会影响现金的业务。

（二）、根据现金收入比率进行盈利质量分析

（1）主营业务收入现金与主营业务收入比率：该比率接近1，说明销货未形成应收账款；大于1，说明收回了前期的应收账款或预收了一部分货款；小于1，说明应收账款多，存在收不回的风险，从而降低企业盈利质量；如果小于1的幅度大，说明企业的盈利质量很低，有虚增收入可能。（2）经营现金净流量与营业利润比率。经营现金流量和营业利润对应于公司经营活动，该指标有较强的配比性。该比率一般应大于1，因为非付现费用(如折旧费、无形资产摊销)减少了营业利润，而增加了经营现金净流量。该比率若小于1，说明其营业利润的质量不高。

（3）经营现金净流量与净利润的比率。该指标反映净利润中经营现金收益的比重，该指标应当大于1，说明企业盈利主要来源于营业利润；小于1说明企业盈利质量不高。

（4）经营净收益与净收益的比率。该指标反映净利润中经营利润的比重。该指标值越高，说明企业的收益质量越好；否则越差。

（5）经营现金净流量与经营所得现金的比率。该指标值应接近1或大于1，说明收益质量较好；该指标值小于1。说明收益质量不够好，应收款增加、应付款减少、存货增加等。

三、客户经理如何根据经营性现金流确认优质客户

现金流量表全面、系统地描述了企业现金流动的历史、现状和结果，它具有历史性和概括性特点。在掌握客户以往经营活动的基础上，推断和把握其经营的前景和未来现金流量的情况，从而确认优质客户。

具体的分析流程如图1所示：（略：传不上来呀）

（一）、经营性现金流比率分析

常用的比率指标有：

(1)现金流动负债比率。这是衡量企业偿还短期债务能力的一个重要指标。现金流动负债比率=现金÷流量负债×100％，它比速动比率反映企业偿债能力更准确。从评价偿债能力看，比率越高越好。但如果过高，说明企业的现金在使用方面不够充分，处于闲置的现金过多。

(2)现金到期债务比率。它是分析企业偿还本期到期债务的能力的指标。现金到期债务比率=经营活动现金流量净额÷到期债务额×100％，“经营活动现金流量净额”可排除用其他现金来源（如借款）偿还债务的情况，从而反映企业独立的偿债能力。“到期债务额”指即将到期而必须用现金偿还的债务，一般包括应付票据、短期借款以及到期债务和长期借款等。该比率越大，说明企业偿债能力越好。

(3)现金负债总额比率。它是分析衡量企业用本年经营活动产生的现金净额偿还全部债务的能力。现金负债总额比率=经营活动产生现金流量净额÷全部负债×100％，这一比率越高，说明企业偿债能力越强。如果将该指标连续几年的比率加以比较分析，可看出企业财务状况是否稳定。(4)净现金流量适当比率。它是分析企业从经营活动所取得的现金是否能充分用于支付其他各项资本性支出，存货净投资及发放现金股利。为避免重复计算，通常以五年的总数为计算单位。净现金流量适当比率=五年经营活动的现金流量÷五年的（资本支出＋存货增加额＋现金股利），如果该比率等于或大于1，说明企业从经营活动中取得的现金足以应付各项资本性支出、存货净增加额和支付股利的需要；反之，如小于1，说明企业来自经营活动的现金不足以应付目前营运水平和支付股利的需要。

(5)现金再投资比率。现金再投资比率=（经营活动产生现金流量净额－现金股利）÷（固定资产总额＋长期投资＋其他资产＋营动资产），该指标比率越高，说明企业可用于再投资在各项资产的现金越多；反之，则说明企业可用于再投资的现金越少。一般认为该比率达到8－10％，是理想的比率。

(6)现金循环周转率。现金循环周转率=360÷现金循环平均天数；现金循环平均天数=存货转换天数＋存货仓储天数＋应收账款转移天数－应付账款转移天数。现金循环周转率反映企业的管理效率，管理效率越高，现金周转越快，企业经济效率越好。

(7)资本金现金流量。资本金现金流量=经营活动产生的现金流量净额÷期末资本金总额。一般来说，比率越高，回报能力越强，效果也越好。

（二）、经营性现金流趋势分析

（1）分析客户经营活动取得的现金流入和发生的流出。如果客户连续几年的经营活动取得的现金流入是稳定或呈上升趋势的，而流入的现金主要是靠销售产品、提供劳务取得的，可初步判定该客户主业突出、产品适销对路，企业的应收账款管理和回收工作有力，企业的主营业务收入和企业的流动资产质量较好，企业的发展有一定后劲。

（2）分析现金等价物净增加额。现金及现金等价物净增加额大，说明客户在生产经营中有足够的现金可调配，应付突发事件的能力强，企业有一定的主动权，同时也表明其短期偿债能力较强。但如果数额过大，则说明客户经营理念较为保守，对企业最优质资产的利用不充分。

（三）、经营性现金流结构分析

从现金流入来看，来自于经营活动的现金流入越多越好，如能达到70－75％，而另外的现金靠银行贷款来补充，这一比例较为适宜。如经营活动来自商品销售、提供劳务的现金如能占到全部现金流入的55－60％，完全有理由相信该客户经营良好。

从现金流出来看，支付经营活动所需的现金流出一般会占全部现金流出的大部分，一般以50％左右为宜。相对于稳定的、高比例的经营性现金流入来说，经营性现金流出越少越好。购建固定资产和无形资产的流出占总流出的比例，应特别引起注意。如果客户当年购建固定资产支出较多，而现金流入中又有很大比例是来自银行贷款，此时必须认真分析研究客户这种巨额投资的可行性和回收期，判断固定资产给企业带来的效益是否象客户自己论证的那样。

从动态来看，将客户连续若干纵向结构分析的现金流量表汇总在一起，做横向比较，就可以观察各个结构的变化趋势，从而使结构分析也带有动态的特点，使贷款决策具有可靠的依据。通过对公司客户现金流的分析和研究，对银行的稳健经营，资金安全是一个有力保障，同时也是培植优质客户、储备客户资源的有效手段。在金融市场生态化建设的今天，需要我们每一个金融卫士不断历练个人业务技能，提高业务水平，加强学习和研究，深入分析和判断借贷企业的经营状况和发展趋势。提高贷款质量，降低不良率，切实维护金融生态环境的健康持续的发展。

-----------------------1.经营活动现金流量分析。2008年至2010年，公司经营性现金流量净额均为正值，以2010年现金流量指标和同行业上市公司相比，公司销售商品提供劳务收到的现金占营业收入的比例为82.29%，优于行业平均水平67.82%，经营活动产生的的现金流量净额占净利润的比例为84.27%，优于行业平均水平58.83%。

2.投资活动产生的现金流量。2008年至2011年6月，公司投资活动产生的现金流量净额均为负数，主要是公司为满足市场需求增长、扩大生产能力而进行的固定资产投资。

3.筹资活动产生的现金流量。报告期内，除2009年外，其他期间筹资活动产生的现金流量金额均为正，这主要是为筹集项目建设资金，增加了银行借款。2009年，银行债务现金净增量为500.00万元，但该年派发现金红利1,043.42万元，增加了筹资活动现金流出，使得本年筹资活动产生的现金流量净额为负。

分析师现金流预测 第3篇

(一) 国外文献

会计实务中要求公司按分步法分列净利润的各个具体项目, 即先验性地假定分解盈余能有助于投资者或信息使用者评估公司的收益水平, 基于此, Fairfield、Sweeney和Yohn (1996) 研究了盈余分解对预测未来ROE (权益回报率) 的增量信息含量。他们以美国股票市场数据为基础进行了会计分类与盈余项目的预测水平的实证研究。研究证实:会计实务所规范的盈余分类法增加了披露盈余的预测能力, 分解盈余显著改进了预测能力, 深入细分盈余项目则更有助于改进对下一年ROE的预测水平。Brown和Alam (2001) 参照Fairfield、Sweeney和Yohn (1996) 的研究思路, 分析了银行业下盈余分解对盈利预测水平的改进后发现, 具体盈余项目或分解性盈余比总括盈余更具有决策相关性;在预测下一年ROE方面, 目前的收益表分类法下的具体盈余项目 (尤其是银行贷款损失准备) 提供了增量的信息含量;经验证据支持了收益表完全分解法下的较优越预测能力。Dechow等 (1998) 基于存货调整等假定, 推导出了经营性现金流预测模型 (即DKW模型) 。Barth等 (2001) 对DKW模型进行了进一步的推导, 结果得出了两个在理论上相一致的模型。第一个模型是用若干期历史盈余滞后值预测下一年度经营现金流, 第二个模型是用本期现金数据与营运性应计项目的调整数预测下一年度经营性现金流。第一个模型实际上揭示了系列历史盈余数据在现金流预测中的作用, 第二个模型揭示了现金流与应计项目在预测现金中的作用, 并将盈余数据分解为现金流与应计制项目之后能够提高现金的预测能力。研究结果发现:基于历史现金流与应计项目的预测模型有更强的预测未来现金的预测能力, 并通过对第二个模型的系数约束性检验证明了历史现金流信息在增进预测公司未来经营现金流的预测能力方面起了关键作用。

(二) 国内文献

王化成、程小可和刘雪辉 (2003) 基于扩展后的DKW模型, 结合中国的经济环境, 设计出了检验历史现金流的增量预测价值模型, 并通过实证研究证明了增加现金流量表以后的现金预测模型具有更强的预测能力, 现金流量信息的披露有助于投资者预测企业的未来现金流量。学者们对总括盈余的不同分解方式将形成不同研究思路, 在确认利润表的构成要素中, 会计理论界有两种观点, 即本期营业观和损益满计观。本期营业观指本期利润表中所计列的损益仅包括本期营业活动所产生的各项成果, 不包括非本期的、非常项目的收入或损失, 尤其强调收益的“本期”和“营业性”。所以利润表中剔除了与当期营业活动无关的收支业务, 则可以提高利润表的可预测性, 增强利润概念的可比性。损益满计观认为, 本期利润表应包括所有在本期确认的业务活动 (收入、费用、利得和损失) 所引起的损益项目。在此观点下报告的利润指标不易辨别公司盈余的持续性, 比本期营业观具有更弱的业绩信号效应。我国利润表基于修正的损益满计观, 将利润的构成按其持续性水平不同划分为“营业利润”与“营业外收支”等项目, 在一定程度上缓和了弱效应, 从而有助于从损益表的结构上挖掘出准确分析盈余预测未来业绩能力的信息。程小可 (2005) 运用深沪市上市公司数据, 对分解盈余的盈余预测模型、总括盈余的盈余预测模型和分解盈余的经营现金流预测模型分别进行了估计和检验, 其中盈利预测检验下估计样本分别涉及1996年至2001年ROE数据 (即被解释变量涉及时间分别为1996年至2001年) , 预测样本涉及对2002年ROE的预测;现金流预测检验下的估计样本分别涉及1998年至2001年间的数据 (样本受中国上市首次披露现金流量信息的起始时间为1998年所限) , 现金流预测的检验样本涉及对2002年经营性现金流的预测, 最终得到的盈利预测估计样本为3221个, 检验样本为957个;经营现金流预测中的估计样本为2636个, 检验样本为964个, 结论表明, 盈余结构项目在预测公司未来盈利能力和未来现金流方面, 均比总括盈余具有更加显著的预测能力。在此基础上, 出于对盈余预测持续性研究的探讨, 本文运用程小可对分解盈余的经营现金流预测模型, 收集水电煤行业上市公司2002年至2006年年报中由损益表结构分解的净利润项目数据进行实证研究, 检验此行业分解的盈余数据对经营性现金流的预测程度。

二、研究设计

(一) 研究假设

不同的行业由于其环境和条件不同, 盈余质量也必然不同。在实际中, 普遍认为, 主营业务收入增长率、净利润增长率、经营现金增长率, 都是正向指标, 成本、费用及税金则为负向指标。主营业务收入的增长代表着企业的成长与壮大, 具有了获取规模经济的可能性, 高质量的盈余在主营业务收入增长的同时, 应伴随着净利润与经营现金流量的同步增长, 而成本费用的增加则意味着现金的流出, 预示了企业业绩的下降。根据上述分析, 提出如下假设:

假设1:当年末的主营业务收入对于下一年的经营性现金流有显著的正向预测能力

假设2:当年末的主营业务成本、费用及总税金对于下一年的经营性现金流均有显著的负向预测能力

假设3:当年末的其他业务利润对于下一年的经营性现金流有显著预测能力

(二) 样本数据来源

本文基于现金流相对比较稳定的水电煤行业的上市公司数据, 数据主要来源于CSMAR系列研究数据库系统, 现金流预测模型下估计样本分别涉及2003年年至2006年间的ROE数据 (即被解释变量涉及时间分别为2003年至2006年) , 预测样本则分别涉及了2002年至2005年4年的数据。在此检验中, 选用在深沪市上市发行A股的水电煤行业上市公司, 并剔除了ST、PT、*ST、*PT的上市公司, 以及在2002年至2006年间个别年报数据缺失、或在2003年至2006年刚上市的上市公司。最后得到经营现金流预测模型中的水电煤行业上市公司共47家, 估计样本和检验样本均为188个。本文结果均是运用Eviews5.0软件回归所得。

(三) 模型建立

本文着重描述如何使用分解的盈余结构对经营性现金流进行预测。由于公认会计原则与实际经济环境之间的矛盾与冲突, 基于收付实现制的现金流量表代替传统的营运资金状况变动表已成为一种必然的趋势, 现金流量表的诞生也使得现金预测中的后验研究成为可能。在建立现金流预测模型时存在不同的盈余项目分类方法, 一种方法是国外学者Dechow等 (1998) 、Barth等 (2001, 2002) 的研究, 将盈余分解为本期现金流与长短期应计项目;另一种方法是基于损益表与现金流量表的联系对盈余项目进行分类。本文将基于第二种盈余分类方法, 建立提前一期经营现金流预测模型。本文所称的现金流是指企业经营活动产生的现金流净额。根据《企业会计制度 (2001) 》和《企业会计准则现金流量表》, 与经营活动现金净额相关联的损益表数据是息前税后营业利润 (用EBI表示) , 即营业利润-所得税以及返还+财务费用 (含汇兑损失) 。可将EBI分解为五个部分:主营业务收入 (SAL) ;主营业务成本 (COS) ;其它业务利润 (OP) ;费用 (EXP) 包括管理费用与营业费用以及进货费用;总税金 (TTAX) , 包括所得税 (扣除本期返还) 以及主营业务税金及附加。如前, 所有抵减项目均以负号列示, 因此有如下关系, 息前税后营业利润:EBIt=SALt+COSt+OPt+EXPt+TTAXt。根据息前税后营业利润的这五个盈余子项目, 按照程小可 (2005) 的描述, 建立如下基于盈余结构的现金流预测模型:CFOt+1/TAt+1=b0+b1SALt/TAt+b2COSt/TAt+b3OPt/TAt+b4EXPt/TAt+b5TTAXt/TAt+μ (模型1)

模型可简写为:Y=b0+b1X1+b2X2+b3X3+b4X4+b5X5+μ。其中:Y=CFOt+1/TAt+1, 表示t+1年经营活动的每股现金流净额与平均每股总资产数的比值;X1=SALt/TAt, 表示t年的主营业务收入与平均每股总资产数的比值;X2=COSt/TAt, 表示t年的主营业务成本与平均每股总资产数的比值;X3=OPt/TAt, 表示t年的其它业务利润与平均每股总资产数的比值;X4=EXPt/TAt, 表示t年的费用 (包括管理费用与营业费用以及进货费用) 与平均每股总资产数的比值;X5=TTAXt/TAt, 表示t年的总税金 (包括所得税 (扣除本期返还) 以及主营业务税金及附加) 与平均每股总资产数的比值;b0, b1, b2, b3, b4, b5分别为X1, X2, X3, X4, X5的系数, μ为随机扰动项。根据所收集到的数据资料, 各变量的描述性统计见 (表1) 。

三、实证结果分析

(一) 模型1的回归分析在上述估计样本的基础上, 对模型 (1) 进行了拟合, 基于分解盈余的经营现金流预测模型的估计结果如下:

(表2) 是基于分解的盈余结构的经营现金流预测模型在Eviews5.0软件中的回归结果。可以发现, 模型的拟合优度R2为21.35%, 调整的R2为19.19%, 先验假设1和3都通过了检验, 假设2中的费用项目的预测能力被拒绝。在0.01的显著水平下, 主营业务收入、主营业务成本、总税收项目对下期经营现金流具有显著的解释贡献, 其他业务利润和费用项目的估计系数均不显著;而在0.10的显著水平下, 主营业务收入、主营业务成本、其他业务利润和总税收项目对下期经营现金流的预测具有显著的解释贡献, 费用项目的估计结果依旧不显著, 主营业务收入对下期经营现金流的预测具有显著的正的解释效应, 主营业务成本、其他业务利润和总税收有负的解释效应。

(二) 基于分解盈余结构的经营现金流预测滞后一期模型的回归分析由上述回归结果可得, DW值为1.255, 根据经验, DW值在2左右才不存在自相关现象, 因此采用一阶差分法调整自相关, 即由d=2* (1-ρ) , 得ρ=1- (2/d) =0.373。因此, 滞后一期模型为:

对分解的盈余结构的经营现金流预测滞后一期模型结果如下:

(表3) 是对分解的盈余结构的经营现金流预测滞后一期模型3在Eviews5.0软件中的回归结果。回归结果显示, DW值调整到1.989, 表明变量之间已基本不存在自相关现象, 调整后的R2为7.83%, 在0.01和0.10的显著水平下, 假设1和2通过检验, 但假设2中的费用项目和假设3被拒绝。由此可见, 主营业务收入、主营业务成本、总税收项目对现金流的预测能力显著, 说明在水电煤行业收入、成本及税收与现金流息息相关, 而其他业务利润对现金流的贡献不大, 费用的变动虽然与现金流成反向变动, 但回归结果并不显著, 不能预测下一期的经营性现金流, 这与水电煤行业本身的特殊性有关系, 因为此行业属于公共事业行业, 进货费用和营业费用相对于其他行业相对较少, 而且每年变化不大, 对现金流的预测能力不强。

四、结论

上述实证结论说明了盈余结构在公司盈余质量分析中的重要作用, 上市公司披露详细的盈余结构项目有助于投资者分析公司核心价值以及预测公司未来业绩, 尤其在竞争愈加激烈的现代资本市场, “现金至尊”的地位愈加重要。因此, 投资者在分析上市公司的会计报表时, 不仅要关注最终的净利润数字, 更应当关注形成净利润数字的各结构性项目, 善于利用各结构项目预测现金流动, 以便更好地把握上市公司的持续性盈利水平以及更准确地分析其盈余质量。本文仅采用水电煤行业上市公司数据分析, 没有关注更多的行业上市公司的盈余预测情况。另外, 由于样本量少, 且2007年1月1日起上市公司开始采用新《企业会计准则》公布年报, 资产负债表、利润表和现金流量表的各项目构成都有新的规范, 对于运用2007年以后的年报盈余分解数据进行现金流的预测结论如何, 本文所得结果还有待于进一步的研究和检验。

摘要：本文在中国资本市场环境下, 分析了盈余结构对经营性现金流的预测模型, 并以水电煤行业上市公司为样本进行了实证研究。结论显示:盈余结构分解的项目在预测公司未来现金流方面, 除费用、其他业务利润的变动不能预测下一期的经营性现金流, 主营业务收入、主营业务成本、总税金对下一期经营性现金流均有显著的解释能力, 且主营业务收入与下一期经营性现金流成正向相关, 主营业务成本、总税金与下一期经营性现金流成负向相关, 表明分解的盈余结构在对经营性现金流预测方面具有显著的经济学意义。

关键词：上市公司,盈余结构,经营性现金流,预测

参考文献

[1]财政部:《企业会计准则》, 经济科学出版社2006年版。

[2]程小可:《中国上市公司盈余结构的业绩预测能力》, 《经济科学》2005年第4期。

[3]王化成、程小可、刘雪辉:《中国资本市场披露现金流量信息的有用性》, 《经济理论与经济管理》2003年第10期。

[4]Barth, M.E., D.P.Cram, and K.K.Nelson.Accruals and the prediction of future cash flows.The Accounting Review, 2001.

[5]Barth, M.E., D.P.Cram, and K.K.Nelson.Accruals and the prediction of future cash flows.Finance India, 2002.

[6]Brown, C.AandP.A.Alam.Theforecastaccuracyimprovementfromearningsdisaggregation:acaseofthebankingindustry.KentStateUniversity, 2001.

[7]Dechow, P.M., S.P.Kothari, and R.L.Watts.The relation between earnings and cash flows.Journal of Accounting and Economics, 1998.

现金流量表分析 第4篇

摘要：在日益崇尚“增值为金，现金至尊”的现代理财的环境中，现金流量表的分析对于信息使用者来说是变得越来越重要。在现代企业的发展过程中，现金流是决定企业的兴衰存亡，最能反映企业本质的是现金流，在众多价值评价指标中基于现金流的评价是最具权威性。

关键词：现金流量表

比率分析 投资 决策

现金流量表是指企业在一定会计期间现金和现金等价物流入和流出相关信息的报表。现金是指企业的库存现金以及可以随时用于支付的银行存款，即企业可能随时用于支付的货币资金，它是现金流量表主要的编制基础。现金等价物是指企业持有的期限短、流动性强、易于转换为已知金额现金、价值变动风险很小的投资。现金流量是某一段时间内企业现金和现金等价物流入和流出的数量。

一、现金流量表的目的及其财务意义

1、现金流量表目的

现金流量表是反映企业一定会计期间内经营活动、投资活动和筹资活动等对现金及现金等价物所产生的影响。现金流量表是财务报表的一个重要组成部分，无论是企业的经营者还是企业投资者、债权人、政府有关部门以及其他报表使用者，对现金流量表的分析都具有十分重要的意义。

2、财务意义

作为投资者都是希望能够在投资过程中获取利润，而不是盲目的投资，要想从投资中带来更大的利益，不仅仅是对资产负债表、利润表、所有者权益变动表及其附注进行分析，对现金流量表的分析也是必不可少。通过现金流量表进行对企业偿债能力、获利能力、收益质量、支付能力及其预测它的未来现金流量都具有重要的意义。

二、现金流量表填列方法及构成部分

1、填列方法

列报现金流量表有直接法、间接法两种，采用直接法便于直接分析经营现金流量，预测企业的现金流量的未来前景；而间接法则利于净利润与经营活动现金流量净额作比较，分析二者的差异，分析净利润的现金含量。若以直接法为依据，现金流量表被划分为经营活动、投资活动、和筹资活动三部分，每类活动又分为各具体项目，这些项目从没同角度反映企业业务活动的流入与流出，更容易提示企业的风险，反映企业的真实状况，弥补资产负债表和利润表提供信息的不足之处，为利益相关决策提供有力依据。

2、构成部分

对现金流量表的分析首先应考虑它所包含的内容，然后再进行具体的分析，包括经营活动产生的现金流量、投资活动产生的现金流量、筹资活动产生的现金流量。由于经营活动、投资活动和筹资活动在企业资金周转过程中发挥不同的作用，具有不同的质量特征，因此分析的侧重点也有所不同。

2.1、经营活动产生的现金流量

首先经营活动现金流量是一个企业的供给血液的系统，也是企业最为稳定最应该被寄予希望维持企业经常的资金流入及流出以及需要扩大企业的再生产力的最好补充源。

其次将销售商品、提供劳务收到的现 金与购进商品。接受劳务付出的现金进行比较。在企业经营正常、购销平衡的情况下，二者比较是有意义的。比率大，说明企业的销售利润大，销售回款良好，创现能力较强。

其次将销售商品、提供劳务所收到的现金与经营活动流入的现金总额比较，这样就可以反映出该企业的产品销售现款占经营活动流入的现金的比例到底有大，如果所占比例较大，则说明它的主营业务较突出，产品的营销状况较好。

最后将本期经营活动现金净流量与上期进行对比，若增长率越高，那说明企业的发展情况越好。

通过经营活动来实现企业税后核心利润的所有交易及其事项。由于不同行业的营业特点的差异，那么经营活动的内容也有一定的差异，这样在分析现金流的主要方式也就有所不同。

例如：有限公司（以下简称M公司）1998年年报（报表数据省略）为例加以说明。现金流量表分析的首要任务是分析各项活动中谁占主导，如M公司现金总流入中经营性流入占50%，投资流入占20%，筹资流入占30%，说明经营活动占有重要地位，筹资活动也是该企业现金流入来源的重要方面。

2.2、投资活动产生的现金流量

企业投资活动的现金流量应在整体上反映企业的对内、对外投资扩张、战略及其实施状况，并能够反映企业对外投资现金流的回报状况。与经营活动现金流量的不同，大部分投资出售变现或收益回收通常具有一定的滞后性，本期投资引发的现金流出很难在当期一次性全部补偿。因此，该部分现金净流量并非绝对要求大于0，而应该具体问题具体分析：在投资活动产生的现金净流量小于0时，我们应重点关注个把投资方向，以及投资活动是否符合企业的长期规划和短期计划；当期投资活动产生的现金净流量大于0时，我们则应关注收回投资的盈利性。

2.3、筹资活动产生的现金流量

对于筹资活动中的现金净流量来说，它的现金净流量越大，企业的所面临偿债压力也越大，但如果现金净流入量主要来自于企业吸收的权益性资本，那么不仅不会面临偿债压力，反而资金实力更强。所以在进行分析中，可以将吸收权益性资本收到的现金与筹资活动现金总流入进行对比，若所占比例较大，那就说明企业资金实力增强，财务风险降低，反之则相反。

某生产型企业，它所生产的产品所需的几个环节：供、产、销这三个阶段，那么它的现金流主要部分就会在经营活动中产生。当然投资活动也会产生现金流量，但相对于经营活动而言，投资活动现金流入量更大程度地取决于被投资者的现金支付能力，投资像对经营活动的现金流量那样有直接的控制能力，因此，投资活动产生的现金流入量通常被当作“意外的惊喜”，这样分析更有利于企业掌握对现金流量规划的主动性。

三、财务指标分析

1、企业偿债能力分析

偿债能力的分析对企业及其相关的信息使用者都具有非常重要的意义，通过它的分析可以判断到期的本息的收回情况，以及企业的信誉度，银行及其它金融机构是否愿意发放贷款及相关投资者是否愿意进行投资等。偿债能力的强弱反映其履约能力的强弱，如果企业的偿债能力强，经营业务也就能够很好的完成，经济利益能够得到很好的提升。评价企业偿债能力指标主要有：现金与负债总额比率、到期债务本息偿付比率

1.1、现金与负债总额比率

现金与负债总额比率=经营活动现金净流量/负债总额

现金与负债总额比率主要是反映企业所能够承担的债务规模的大小。该比率越高，企业所能承担的债务的规模越大：反之越小。

1.2、到期债务本息偿付比率 指的是企业的经营活动现金净流量对本期到期债务和利息支出的保障程度。其计算公式如下： 到期债务本息偿付比率=经营活动现金净流量/（本期到期债务+利息支出）

到期债务本息偿付比率越大，企业偿付到期债务的能力就越强；若到期债务本息偿付比率小于1，则表明企业经营活动产生的现金不足以偿付到期债务本息，企业必须依靠投资活动与筹资活动的现金流入才能保证债务的偿还。

2、企业获利能力分析

企业的获利能力关乎企业是否能够持续经营问题，通过现金流反映企业的资金是否能够得到合理的运用。获取现金能力分析的指标主要有：每月销售现金净流入、每股经营现金流量和全部资产现金回收率。那么它的公式如下：

2.1、每月销售现金净流入

每月销售现金净流入是反映企业通过销售获取现金的能力。在主营业务保持不变的情况下，随着经营活动现金净流量的增加，每月销售现金净流入也会不断增加；若使经营活动现金净流量保持不变，主营业务收入增加，每月销售现金净流入则会下降。

每月销售现金净流入=经营活动现金净流量/主营业务收入

2.2、全部资金回收率

该指标是指作为每股盈利的支付保障的现金流量，因而每股经营现金流量指标越高越为股东们所乐意接受。

每股经营现金流量=（经营活动现金净流量—优先股股利）/发行在外的普通股股数*100% 2.3、该指标反映企业运用全部资获取现金的能力。

全部资产现金回收率=经营活动现金净流量/全部资产

3、企业收益质量分析

评价收益质量的财务比率是营运指数，它是经营活动产生的现金净流量与经营所得现金的比值。相关指标有：销售现金比率、盈利现金比率，其计算公式如下：

3.1、销售现金比率

销售现金比率=经营活动现金净流量/营业收入

通过该比率反映了企业从每一元销售中所实现的净现金收入，同时也体现了企业应收款项的回收效率。该比率越大，表明企业的收益质量越高，企业应收款项回收的效率越高。反之则越低

3.2、盈利现金比率

盈利现金比率=经营活动现金净流量/同口径核心利润

同口径核心利润=核心利润+财务费用—所得税

通过该 比率反映了企业核心利润创造经营活动现金流量的质量。该比率越大，企业的收益质量越高；反之则收益质量就越低。如果比率过小，即使企业利润可观，分析者也该注意分析企业获取经营活动现金流量的能力是否存在问题，是否会影响到企业的发展乃至生存。

4、企业支付能力分析

企业在其生产经营过程中，除了用现金偿还借款外，还需要用现金购买材料、商品、支付工资等各种经营费用，对投资者的股利、利息及利润进行支付等。故而只有足够的现金来支付这些款项，那么企业正常生产经营活动就不能顺利进行，企业就无法得到更好的成长与发展，投资者也无法得到投资的回报，所以无论是企业的债权人，还是债务人都非常关心企业的支付能力，从而通过分析现金流量表了解企业的支付能力。该指标有：净现金流量比率，其计算公式如下：

净现金流量比率=经营活动产生的现金流量/（资本支出+存货增加额+现金股利）

该指标比率大于1，表明企业来自经营活动的现金流量能够满足日常基本需要：比率小于1时，说明企业来自在经营活动的现金流量不能满足需要，必须向外融资。

5、预测企业未来现金流量

现金流量关乎企业的生存与发展，要想知道企业是否还能够持续经营，是否能带来经济利益，是否能够有更好的发展前途，就不仅仅是结合当前的现金流量表，还更应该与历史流量表进行综合性分析，以便能够合理规划企业现金收支，协调现金收支与经营的关系，保持现金收支平衡和偿债能力，同时也为现金控制提供依据以及能够进行更好的让企业处于良好状态。

四、阅读现金流量表时，应注意以下几个问题：

1、相对于筹资活动和投资活动现金流量，经营活动现金流量是企业主要经营活动，其发生频率较高，有利于预测企业未来现金流量。一般情况下经营活动现金流量应该为正值。因为绝大部分动现金流都是主营业务活所形成的，所以，通过与主营业务利润或者营业利润的比较分析，可以查看公司利润的现金含量，进而来检测公司现金周围状况。

2、净现金流量与资产负债表中货币资金之间的关系。

五、比较会计报表分析现金流量趋势

比较会计报表是趋势分析中常用的一种分析手段，对于现金流量表的比较分析，可以选取最近两期或数期的数据进行比较，分析企业现金流量的变动趋势。具体分析时，可以采用横向比较分析或纵向比较分析方法进行。横向比较分析是对现金流量表内每个项目的本期与基期的金额进行比较，揭示差距，观察和分析企业现金流量的变化趋势。纵向比较分析是将各期会计报表换算成结构百分比形式，再逐项比较分析各项目所占整体比重的变化发展趋势。

[1] 陈金龙 李四能 《财务管理》 机械工业出版社 2009

[2]

张新民 王秀丽 《财务报表分析》 高等教育出版社 2011

分析师现金流预测 第5篇

Bowen等利用19711981年期间每年都以营运资金为基础报告资金流量表的样本公司,检验特殊和非持续经营项目之前的盈余(EBXI),EBXI加上折旧与摊销费用(NIDPR),来自经营活动的营运资金(WCFO),以及估计的经营活动现金流量4个指标来预测估计经营活动现金流量的相对预测能力[1],研究发现NIDPR和WCFO能够更好地预测估计的经营活动现金流量;周首华[2]等提出对Z值判定模型加以改造建立起F分数模型。许多专家证实,现金流量比率是预测公司破产的有效变量,F分数模型加入现金流量这一预测自变量,弥补了Z值判定模型的不足;蔡岩松[3]等利用灰色拓扑模型描述了企业经营活动现金流量的发展趋势;任秀梅[4]等在现金流量净值的基础上,运用灰色灾变理论预测现金流量净值灾变点,进而预测企业财务风险。

本文利用灰色Verhulst模型与BP神经网络相结合的方法对企业活动现金流量进行预测,模型的精度得到进一步的提高。

1 灰色模型预测原理

灰色系统理论是一种研究“贫信息、不确定性问题”的方法,并通过信息覆盖,构造生成序列的手段等寻求现实现象中存在的规律,其特点就是“少数据建模”。在灰色系统理论中的Verhulst模型适用于非单调的摆动发展序列或者具有饱和状态的S形序列[5],其原理如下。

模型首先对原始数据序列做一次累加,使累加后的数据呈现一定规律,然后用典型曲线拟合该曲线。设原始数据序列为

对原始数据序列x(0)一次累加(1-AGO)得到新的数据序列x(1)为

其中新的数据序列x(1)的第k项为原始数列x(0)前k项之和

根据新的数据序列x(1)建立灰色Verhulst模型的白化方程为

灰色Verhulst模型中的参数项a、b,其最小二乘估为

其中:

令z(1)为x(1)的均值(MEAN)序列

令x(1)(0)=x(0)(1),求解(4)式可得白化方程的解为

累减得到还原值为

需要注意的是,灰色预测模型长期预测的有效性明显受系统时间序列长短及数据变化影响。随着系统的发展,老数据的信息意义将逐步降低,甚至干扰系统,使系统的不稳定因素增大,容易降低模型精度,因此应该在不断补充新信息,及时地去掉老信息,建模序列更能反映系统在目前的特征。本文在建立Verhulst模型后,得到k+1时刻的预测值x赞(0)(k+1)。然后去掉x(0)(1),加入最新信息x(0)(k+1),重新构成新的序列,建立新的灰色Verhulst模型,预测k+2时刻的值,如此递补,逐个预测。

2 神经网络原理

人工神经网络是由大量的简单基本元件神经元相互联接而成的自适应非线性动态系统。其具有自学习和自适应的能力,可以通过“训练”预先提供的一批相互对应的输入-输出数据,分析掌握两者之间潜在的规律,最终根据这些规律,用新的输入数据来推算输出结果。

BP神经网络是一种多层前馈神经网络[6],该网络的主要特点是信号前向传递,误差反向传播,结构主要包括输入层,隐含层和输出层。在前向传递中,输入信号从输入层经隐含层逐层处理,直至输出层。每一层的神经元状态只影响下一层神经元状态。如果输出层得不到期望输出,则转入反向传播,根据预测误差调整网络权值和阈值,从而使BP神经网络预测输出不断逼近期望输出,如图1所示。

图1中,X1,X2,,Xn是BP神经网络的输入值,Y1,Y2,,Ym是BP神经网络的预测值,wij和wjk为BP神经网络权值。从图1中可以看出,BP神经网络可以看成一个非线性函数,网络输入值和预测值分别为该函数的自变量和因变量。当输入节点为n,输出节点为m时,BP神经网络就表达了从n个自变量到m个因变量的函数映射关系。

3 灰色模型与神经网络结合

灰色Verhulst模型专门针对“小样本”不确定性问题的特性,通过信息覆盖,构造生成序列的手段等寻求现实现象中存在的规律,但灰色建模时极少使用确定性信息,计算精度较小,而且是不可控的。而人工神经网络作为一种能并行处理数据又能完成非线性映射的方法,在处理不准确、不完整的知识在复杂的非线性系统信息处理中的获取时发挥了重大作用;此方法信息利用率高,避免了灰色理论处理数据时产生的信息失真而且因为具有良好的非线性函数逼近能力,也不易陷入局部最优解的优势。神经网络模型的这些特点恰好能对灰色方法进行补充。这两种方法融合建立灰色神经网络能弥补单一使用这2种模型的不足,达到良好的数据处理和预测效果。

组合方法构建步骤:

(1)用灰色Verhulst模型对原始数据序列x(0)(k)求解预测值x赞(0)(k)序列。

(2)根据原始数列和预测值序列求解残差值序列ε(0)(k),(k=1,2,,n),即

(3)残差值序列预处理。因为现实中的数据多半是不完整的、有噪声的和不一致的,数据预处理可以通过聚集、删除冗余特性或聚类等方法来去掉脏数据和压缩数据。本文中将残差值序列x(0)(k)数据进行归一化处理,以便进行BP神经网络模型构建。即将数值限定在[0.1,0.9]区间内,归一化公式为

得到归一化的残差值序列ε(0)′(k)。

(4)若预测的阶数为S,用ε(0)′(k-1),ε(0)′(k-2),,ε(0)′(k-S),(k=2,3,,n)的信息来预测k时刻的值。即用ε(0)′(k-1),ε(0)′(k-2),,ε(0)′(k-S)作为BP神经网络的训练的输入样本,将ε(0)′(k)作为训练的期望输出值,通过足够多的归一化的残差样本训练网络,调整网络的权系数和阈值,从而使不同的输入样本得到相应的输出值。

(5)残差预测值反归一化,确定新的残差预测值序列。通过神经网络训练后得到归一化的残差预测值序列ε赞(0)′(k),对其进行反归一化操作得到新的残差预测值序列ε赞(0)(k)。在此基础上构造新的预测值,也是灰色神经网络相结合模型的预测值x赞(0)(k,k),即

4 组合模型的实例分析

本文的研究样本是在深上市的一个A股公司20012009年的经营活动净现金流,具体数据,如表1所示。

(1)根据Verhulst模型,利用前4个年份的经营活动净现金流求第5个年份的预测值,即利用2001/06、2001/12、2002/06、2002/12等4个年份的经营活动现金流来预测2003/06年份的净现金流,以此类推,得到的经营活动预测值序列x赞(0)(k)为{9 990.80,7 796.50,3 877.30,3 303.00,29 417.00,4 017.60,22 087.00,1 643.00,7 143.00,8 303.40,65 453.00,115 720.00,26 501.00,19 531.00,68 493.00}。

(2)求得预测值的残差序列,ε(0)(k){340.5,-1194.88,-901.28,3 082.88,-372.62,3 463.47,-1 025.20,12 551.50,-1 041.90,4 453.30,1 862.30,-1 361.30,-2 317.50,13 133.70,-1 618.80}。

(3)对ε(0)(k)进行归一化处理,得到归一化的残差值序列ε(0)′(k){0.237 62,0.158 12,0.173 33,0.379 61,0.200 70,0.399 32,0.166 91,0.869 86,0.166 05,0.450 56,0.316 41,0.149 51,0.100 00,0.900 00,0.136 18};

(4)以每3个年份的归一化的残差值作为BP神经网络的输入样本,将第4个年份的归一化的残差值最为输出变量,对整个网络进行训练。本文采用的神经网络结构是3-10-1,网络隐含层神经元的传递函数为tansig,输出层的神经元传递函数为lensig,网络训练函数为traindx。通过神经网络的仿真模拟之后,得到各个年份的归一化的残差预测值序列ε赞(0)′(k){0.3716,0.201 0,0.488 4,0.166 7,0.817 8,0.166 6,0.451 7,0.316 1,0.114 1,0.102 6,0.901 4,0.135 7}。

(5)对归一化的残差预测值进行反归一化,得到新的残差预测值序列ε赞(0)(k){2 928.1824,-366.786,5 184.0576,-1 029.256 2,11 546.089 2,-1 031.187 6,4 475.233 8,1 856.255 4,-2 045.172 6,-2 267.283 6,13 160.739 6,-1 627.990 2},用ε赞(0)(k)对Venhulst的预测值进行修正,得到灰色神经网络相结合模型的预测值,如表2所示。

从表2中可以看到,单纯利用灰色Venhulst模型和BP神经网络模型来预测企业经营活动现金流,模型的平均相对预测误差率分别为14.84%和7.28%,而灰色神经网络的预测值的平均相对误差率仅为0.87%,预测精度有了明显的提高。

5 结语

本文利用灰色Verhulst模型先对企业经营活动现金流进行了模型估计,然后再用神经网络对残差进行了修正,从而得到了新的预测值,并与单独利用这两种方法进行预测的结果进行比较,预测精度得到了提高。此方法能为企业提供下一年份的经营活动现金流的参考值,使企业能够规避发生财务风险的可能,企业的决策者做出合理的经营规划。但是,企业经营活动现金流的变化幅度较大,影响其的因素也比较多。在进行模型预测的时,除了要考虑一些定量的指标以外,还应该结合不能量化的定性指标,才能更加有效提高企业经营活动现金流的预测准确度。

参考文献

[1]BOWEN R,BURGSTAHLER D,DALEY L.Evidence on therelationships between earnings and various measures of cashflow[J.]Accounting Review,1986(61):713-725.

[2]周首华,杨济华.论财务危机的预警分析:F分数模型[J.]会计研究,1996(8):8-10.

[3]蔡岩松,方淑芬.企业经营活动现金流量预测的灰色拓扑模型[J.]哈尔滨理工大学学报,2007(6):172-175.

[4]任秀梅,王丹.基于企业生命周期的财务风险预测[J.]大庆石油学院学报,2008(12):115-117.

[5]邓聚龙.灰理论基础[M.]武汉:华中科技大学出版社,2002:300-302.

自由现金流量预测模型构建 第6篇

随着贴现现金流法在企业价值评估中的广泛应用, 越来越多的人开始认识到自由现金流的优良特性, 因此自由现金流量的计算和预测问题也随之得到重视。由于企业持续经营中的自由现金流存在时序性, 因此已有的研究中多数是运用时间序列分析的方法来对其进行预测。

王化成、尹美群 (2005) 用BP神经网络时序分析的方法完成了对企业现金流量的短期预测。董晓静和邹辉文 (2007) 先对历史自由现金流序列进行移动平均, 然后选择适当的曲线估计模型进行拟合, 进而对未来自由现金流量进行预测。黄越、赵敏侠、李薇 (2011) 借助游程检验确定历史现金流序列是否存在趋势, 然后利用趋势外推法对自由现金流量进行预测。这些方法虽然都实现了对企业未来现金流量的预测, 却存在一个共同的缺陷, 即都把企业产生的自由现金流量看做是以年度、季度或者月份为时间区间的离散值。

但实际情况是, 由于企业经营活动的连续性, 其产生的自由现金流量也一定是连续的, 因此本文在前人研究的基础上, 用连续的观点对自由现金流量进行估计和预测。

二、自由现金流量的连续性与自由现金流速

1. 自由现金流量的连续性。

出于成本上的考虑和由于技术上的限制, 我们通过财务报表所得到的自由现金流量通常是以年度、季度或者月份为时间区间的自由现金存量的变化量。然而, 在存续期内企业的经营活动是每时每刻都在进行的, 并且企业的任何经营活动都会产生相应的现金流量 (正流量或者负流量) , 因此企业经营活动的持续性决定了自由现金流量的连续性。自由现金流量的连续性是指企业在其存续期内的任何时刻都在产生自由现金流量 (正流量或者负流量) , 也就是说, 企业的自由现金存量是时刻变化的。

2. 自由现金流速。

顾名思义, 自由现金流速是指企业的自由现金存量随着时间延续而发生的变化率, 用以描述企业自由现金流动的快慢。与物理学中的速度概念类似, 自由现金流速也分为平均流速和瞬时流速, 如果没有特殊说明, 下文所说的自由现金流速均指自由现金的瞬时流速。企业自由现金流量的连续性决定了企业存续期内的任何一个时点上都存在一个自由现金流速, 即时间与自由现金流速存在一一对应的函数关系。设企业自由现金流速时间t的函数为f (t) , 并且f (t) 可乘, 又设任意时刻T和任意时间间隔△T为 (△t>0) , 则企业在T到T+△t时刻产生的自由现金流量为:

因此, 得到了自由现金流速时间t的函数, 就意味着可以计算未来任意时间段企业的自由现金流量。

三、建立自由现金流量预测模型

1. 历史自由现金流速的估计。

根据自由现金流速的定义, 技术上很难得到企业在任何一个时间点上的自由现金流速, 只能对其进行估计。由于企业在过去每个时点的自由现金流速符合时间序列的定义, 因此可以用时间序列的分解和平滑方法对其进行处理, 进而得到特定时点上的自由现金流速的估计值, 以下是具体演绎过程:

(1) 这里我们只使用自由现金流量的历史年度数据, 这样就可以避免季节变动的影响。由于自由现金流量属于数学概念, 因此有了月份或者季度数据, 就可以通过对每年的各月份或各季度数据进行加总得到年度数据。

(2) 假设企业的自由现金流速时间t的函数是f (t) , 企业的存续期间为E, 企业在t0 (t0∈E) 时刻前一年的自由现金流量为FCFt0, 则有:

由式 (2) 可以看出, FCFt0实际上是f (t0-1+i/n) , i=1, 2, , n的n项平均值 (n趋于无穷大) 。由于t0的任意性, 所以我们可以近似地将FCFt0理解为f (t) 在t0时刻间隔为1年的移动平均值, 即f̂ (t) =FCFt0。

因此, 用企业的会计年度自由现金流量近似地等于对应的会计周期年末时刻 (以年为时间单位) 企业的自由现金流速, 相当于用移动平均方法去估计年末时刻企业的自由现金流速, 则自由现金流速相互独立不规则的变动得到平滑。

(3) 应用HodrickPrescott滤波方法对式 (2) 中得到的企业自由现金流速序列进行趋势分解, 得到自由现金流速的趋势成分序列。通常, 时间序列由季节变动要素、不规则要素、趋势循环要素构成。其加法模型的一般形式为:

式中:TCt表示趋势循环要素;St表示季节要素;It表示不规则要素。式 (1) 和式 (2) 的结果剔除了季节变动要素St和不规则要素It对自由现金流速的影响, 得到只包含趋势要素和循环要素的自由现金流速序列{TCt}, 这里将其中含有的趋势要素表示为{Tt}, 含有的循环要素表示为{Ct}, 则:

计算HP滤波就是从{TCt}中将Tt分离出来。可以通过求出下面最小化问题的解来得到自由现金流速序列{TCt}中的不可观测的趋势要素{Tt}, 即:

通常, 我们可以用 来调整最小化问题的变化趋势。HP滤波最后产生的效果依赖参数λ, 该参数需要先验给定, 确定参数λ其实就是在趋势要素对实际序列的跟踪程度和趋势的光滑程度之间做出权衡。作为两个极端情况, 当λ=0时, {TCt}序列本身就是满足最小化问题的趋势序列;当λ趋于无穷大时, 得到的趋势序列接近一条线性。可见, 估计出的趋势序列会随着λ值的增加而变得越加光滑。根据以往的经验, 当实际序列为年度数据时, λ=100。

在已知自由现金流速序列{TCt}的条件下, 通过EViews软件可以直接得到趋势序列{Tt}。

我们可以将上述步骤得到的企业自由现金流速的趋势成分序列作为企业历史自由现金流速的估计。

2. 自由现金流速的曲线拟合。

我们将上述过程得到的自由现金流速的估计值序列进行曲线拟合, 可以得到自由现金流速时间t的函数。曲线拟合的原理与线性回归基本相同, 都是使用最小二乘法, 即通过使观测值与模型拟合值差值的均方差最小来求得模型参数。

当构造的拟合曲线是样本数据关于时间t的函数时, 就是在时间序列预测分析中广泛使用的趋势外推法。由于我们进行拟合的数据是只包含趋势成分的企业自由现金流速序列, 因此符合趋势外推法的基本假设, 即事物过去和现在的连续发展过程决定着其未来的发展走向, 其整个发展过程是渐进的, 不存在跳跃性变化。

趋势外推法常用的典型数学模型有:指数曲线、修正指数曲线、生长曲线、包络曲线等。

构造出的自由现金流速关于时间t的拟合曲线, 不仅可以预测未来任意时刻企业的自由现金流速, 而且可以估计过去任意时刻企业的自由现金流速, 也就是说, 我们可以利用它来描述企业整个存续期内自由现金流速的连续变化规律。

四、算例应用

为了说明问题, 这里选取美国通用电气公司 (General Electric Company) 作为实例, 将之1987年到2011年的自由现金流量数据作为研究样本。通用电气公司是美国纽约证券交易所上市的公众公司, 交易代码是GE, 本文所获得的数据来源于美国彭博资讯公司数据库。下面, 根据自由现金流速预测模型构建自由现金流速时间t的预测函数。样本采用年度数据, 一共25组观测值, 如表1所示:

注:现金流量序列对应的时间为时间区间, 现金流速序列对应的时间为时间点 (时刻)

首先, 把1987年会计周期的初始时刻作为时间轴的零点, 用企业的年度自由现金流量近似地等于对应的会计周期年末时刻企业的自由现金流速。

然后, 应用HodrickPrescott滤波方法对通用电气公司1987~2011年自由现金流速序列进行趋势分解, 得到只包含趋势成分的自由现金流速序列, 如表2和图1所示:

最后, 将得到的自由现金流速的趋势成分序列作为历史自由现金流速的估计, 再进行曲线拟合, 就可以得到自由现金流速时间t的拟合函数。选择拟合函数的基本原则是, 既要使其尽可能逼近所有的散点数据, 又要使其走势符合研究对象的实际发展规律。

根据自由现金流速的趋势成分序列的散点图走势, 用多种函数模型进行拟合之后发现, 三次多项式模型的拟合效果最好。表3和图2就是用三次多项式模型Y=b+b1t+b2t2+b3t3进行曲线拟合的结果。

从拟合的结果来看, 用函数描述企业自由现金流速与时间t的关系, 观测数据与拟合数据的相关系数的平方值达到0.999, 两者具有很强的相关关系。并且函数的走势恰好也符合企业在生命周期各阶段 (孕育期、成长期、发展期、衰退期和蜕变期) 现金流量综合分值的特点。

五、结论

本文提出了自由现金流速的概念, 并应用时间序列分析方法估计出历史上各会计周期结束时刻的排除季节要素和不规则要素的自由现金流速序列, 然后运用HodrickPrescott滤波方法对此序列进行趋势分解, 以排除其中的循环要素, 得到自由现金流速的趋势成分序列, 将之作为企业历史自由现金流速的估计, 再通过曲线拟合得到企业自由现金流速时间t的函数。这样, 根据自由现金流速的定义, 就可以得到任意时间区间内企业所产生的现金流量。

本文还存在一定的局限性。由于条件的限制, 所选取的样本数据量有限, 这必然会对预测结果造成影响。再者由于时间序列分析技术的局限, 本文剔除了自由现金流速序列的季节成分、不规则成分和循环成分, 仅仅对自由现金流速的趋势序列进行预测, 因而预测结果与现实会存在差距。

参考文献

[1] .王化成, 尹美群.公司价值评估中自由现金流量的时序预测.统计与决策, 2005;9

[2] .黄越, 赵敏侠, 李薇.趋势外推法下构建自由现金流量预测模型.财会月刊, 2011;1

[3] .董晓静, 邹辉文.企业自由现金流的预测.北方经济, 2007;11

分析师现金流预测 第7篇

近四十年来, 国内外有关财务危机的研究成果大量涌现, 这些成果主要集中于财务危机预警研究。其分析方法从总体上看可以分为定性研究和定量研究, 定性分析方法主要有标准化调查法、“四阶段症状”分析法、“三个月资金周转表”分析法、流程图分析法、管理评分法等;定量研究方法主要有一元判定模型、多元线性判定模型、多元逻辑回归模型、人工神经网络模型等, 大致经历了从单变量模型到多变量模型、从多元判别模型到统计参数模型、从统计参数模型到非参数模型的发展过程。20世纪六、七十年代以来, 随着决策有用性会计目标的流行, 运用现金流量信息预警企业财务危机受到了普遍关注, 并形成了一些具有重要借鉴意义的研究成果。

1. 国外研究情况。

Beaver (1966) 在排除行业因素和公司资产规模因素的前提下, 用单变量模型对1954~1964年间79家失败企业和相对应的79家成功企业的30个财务比率进行研究, 结果表明在资产收益率、资产负债率以及现金流量/债务总额中, 现金流量/债务总额指标预测财务危机是最有效的。该指标在财务危机出现前一年、两年、三年、四年、五年用于预测的准确率分别为87%、79%、77%、76%和78%, 大大高于其他指标预测的准确率。

Gentry等 (1987) 研究认为, 现金流量财务指标提供了企业陷入财务危机与未陷入财务危机的显著区别信息。Aziz等 (1988) 以破产公司和配对的非破产公司数据为基础, 运用现金流量建立预测财务困境的模型, 研究结果表明在破产前5年内, 破产公司与非破产公司在现金支付所得税的均值和经营现金流量的均值上均有显著差异。

Chen和Lee (1993) 利用生存分析法对1980~1988年间175家石油天然气行业企业进行研究发现, 财务杠杆比率、营业现金流、开采成功率、企业历史和规模对企业能否存活影响巨大。Ward (1994) 在对非金融行业企业进行研究的过程中, 选择了1988~1989年间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、石油和天然气行业企业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企业的财务危机方面较为准确。

Lawson等 (1997) 认为, 利润是抽象的, 而现金才是实体的资源, 企业的价值最终是由现金流量而不是利润所决定的, 现金流量报告对于反映企业业绩是必不可少的, 现金流量是主体活动的最终结果。Hossman等 (1998) 运用1980~1991年的企业财务数据, 综合比较了基于财务比率、现金流、股价收益率以及收益率标准差建立的四种预测破产模型, 结果发现, 就单个模型而言, 现金流模型能在破产前的第2年和第3年预测多数破产案例, 预测精度较高。

2. 国内研究情况。

由于我国证券市场起步较晚, 加之我国1998年才公布现金流量表会计准则, 因此能够满足统计分析要求的企业现金流量样本数据较少。从总体上看, 国内对现金流量信息的实证研究尚处于探索阶段, 研究的重点多在对现金流量信息的相关性和可靠性的论证上, 对财务危机预警问题的研究也多是把现金流量作为辅助指标, 完全运用现金流量进行财务预警的研究并不多。

韩良智 (2002) 认为每股收益、每股净资产和净资产收益率虽然是投资者最为关心的财务指标, 但也应把经营活动产生的现金流量净额作为评价的重要指标。同时提出, 企业业绩好坏的结论不能仅看经营性现金流量绝对值的高低, 还应结合公司所处行业、公司资本结构和发展阶段综合考察经营现金流量, 以对偿债能力、盈利能力、股利支付能力、再投资能力和可持续发展能力进行综合判断。

耿建新等 (2002) 在分析了有关样本公司的财务数据后认为, 当企业调整后每股现金下降时, 可能预示经营业绩在下滑;当企业调整后每股现金下降且净利润现金差异率显著高于同行业平均水平时, 该企业可能存在盈余操纵行为。

陆静等 (2002) 运用皮尔逊相关系数和扩展的OhlsonFeltham模型比较了会计盈余和现金流量对股票价格的影响程度, 发现投资者对上市公司价值的评价往往局限于每股收益, 忽略了现金流量等其他财务指标。

张友棠 (2004) 在研究中设立了“现金盈利值 (CEV) ”和“现金增加值 (CAV) ”两个重要的现金流量指标。其中, 现金盈利值是依据现金流量表信息计算的现金净收益;现金增加值是现金盈利值扣除股利分配付现后的余额。

晏静 (2004) 首先在研究中设计了ST企业的平均样本, 以考察ST前5年每年现金流量和净利润的变动状况。研究结果表明, 虽然公司被ST前已连续出现两年亏损, 但现金流量在首次亏损前3年已显著下滑, 而净利润的变动并不明显。这说明现金流量能较好地预警财务危机。

章之旺 (2004) 选取2003~2004年度60家财务危机样本和120家非财务危机样本, 分别用单变量模型和logistic回归模型检验了现金流量信息在财务危机预警中的相对信息含量和增量信息含量, 研究发现: (1) 在我国上市公司陷入财务危机前1年, 经营性现金流量的相对信息含量仅次于资产报酬率和资产周转率, 其预测效率优于其他应计制会计变量; (2) 无论在财务危机前1年还是前2年, 现金流量类变量在会计比率的基础上均具有显著的增量信息含量。

梁飞媛 (2005) 对我国机械设备类上市公司ST前1年和2年的现金流量指标进行了判别分析, 筛选出了差异显著的六个变量:经营现金流入量/经营现金流出量、再投资现金比率、经营活动现金净流量/流动负债、投资现金流出量/现金总流出量、每股经营性现金流量、经营活动现金净流量/主营业务收入。运用这六个现金流量指标分别构建典则线性判定模型和Fisher两类线性判定模型, 两模型的判别效果没有太大差异, 在ST前1年、2年、3年的判别准确率都很高。

二、研究设计

1. 样本选取。

本文选取2004年1月1日至2008年12月31日期间, 我国沪深两市被特别处理的制造业上市公司为财务危机企业研究样本, 由101家制造业ST公司构成;同时选择101家配对样本, 它们是与ST公司资产规模、上市时间接近的制造业正常上市公司。为了研究的需要, 选择ST样本公司时, 只选择那些因为两个会计年度的净利润为负值、股东权益低于注册资本 (即每股净资产低于股票面值) 而被特别处理的公司, 未选择那些因其他状况异常、被注册会计师出具否定意见或无法表示意见的审计报告而被特别处理的公司。这些公司的资料可靠性不够高, 同时考虑到这些公司数量较少, 将它们排除在样本之外并不会影响研究结论。

2. 样本数据来源及数据整理过程。

本文原始数据均来源于“Wind资讯”, 并对这些数据进行加工整理。具体步骤如下:

第一, 从Wind资讯数据库调出2004~2008年间所有的制造业ST公司的上市时间、ST时间、被ST的原因以及资产规模, 并去掉不符合要求的ST公司。

第二, 从Wind资讯数据库中调出制造业所有的非ST公司, 根据资产规模、上市时间找出各行业与ST公司对应的配对样本。

第三, 借助于Wind资讯数据库, 自行定义相关现金流量指标, 获取样本公司1999~2008年相关现金流量指标。

第四, 对获取的每个现金流量指标的结果, 按ST当年、ST前1年ST前5年的ST公司与非ST公司的数据进行归类。

第五, 分别计算ST与非ST公司ST当年、ST前1年ST前5年现金流量指标的均值。

第六, 在理论分析的基础上建立假设。可建立如下假设以分析差异: (1) ST公司与非ST公司现金流量比率相等; (2) ST公司与非ST公司现金流量比率不相等。

3. 财务指标选择。

在选取具体财务指标时, 本文根据以下原则选取关键指标: (1) 经实证检验财务危机预测能力比较显著的指标; (2) 尽可能全面地反映财务信息; (3) 相关数据资料能够从公开的财务报表获取或计算的指标。笔者认为, 从现金流量角度预测我国上市公司财务危机, 应构建能反映企业整体财务状况的现金流量指标体系, 因此, 本文拟从偿债能力分析、获取现金能力分析、盈利质量分析、财务弹性分析、现金结构分析五大方面来选择关键性现金流量指标。初始选定的指标有19个, 在对这些指标进行差异性检验后, 筛选出预警效果显著、用于最终建立模型的指标。具体指标如表1所示:

三、实证分析

1. 差异性检验与相关性检验。

在对制造业ST公司与非ST公司的现金流量指标均值进行比较的基础上, 分别采用非参数检验的Wilcoxon符号秩检验和参数检验的T检验进行差异性检验, 比较ST公司出现财务危机前后选定的年度内现金流量指标的差异显著性。

检验结果显示, Wilcoxon符号秩检验和T检验的结果非常接近, 在制造业ST公司与非ST公司之间存在显著差异的比率有12项:现金比率、现金流量比率、现金负债总额比率、营业收入现金比率、每股经营活动现金流量净额、全部资产现金回收率、全部现金流量比率、经营现金流入结构比率、筹资现金流入结构比率、投资现金流出结构比率、筹资现金流出结构比率、经营现金流入流出比。之所以出现如此显著的结果, 与行业特点密切相关:制造业中传统行业居多, 成立的时间比较长, 管理比较规范, 市场竞争比较激烈, 受国家政策层面的影响较小, 除非宏观经济出现重大异常, 大部分企业被ST主要是由企业自身的经营管理问题等造成。因此, 正常企业的现金流量会维持在比较合理均衡的水平上, 而被ST的企业一般主营业务收入低, 相应的现金流也处于比较紧张的状态, 现金流量指标在制造业中的差异性就会比较明显。

之后, 对十二项差异比较显著的指标进行相关性检验中的Pearson检验, 以减少信息重叠和共线性 (由于篇幅限制, 在此略去相关性检验结果) 。按照显著性优先的原则, 相关性检验方法共选取五个相关程度不高的变量:现金比率 (X1) 、现金流量比率 (X2) 、每股经营活动现金流量 (X5) 、全部资产现金回收率 (X6) 、经营现金流入流出比 (X17) , 以建立制造业现金流量财务危机预测模型。

2. 模型的建立与预测能力检验。

本研究模型的先验概率为50%∶50%, 同时假设一类错误 (将ST公司判定为非ST公司) 和二类错误 (将非ST公司判定为ST公司) 的成本是一样的, 即阈值点设定在0.5, 大于0.5的判定为ST公司, 小于0.5的判定为非ST公司。利用上述均值差异检验和相关性检验选定的五个变量, 采用制造业ST当年至ST前5年的数据, 利用SPSS16.0进行回归分析。具体回归结果如表2所示:

由此可以形成制造业财务危机预警模型:

该模型包括5个变量, 分别用来衡量偿债能力、获现能力、现金结构。根据Wald统计量来看, 反映获现能力的每股经营活动现金流量和反映偿债能力的现金比率对模型的贡献最大。该模型仅包括5个变量, 未能包含差异也比较显著的其他7个变量, 这并非因为其他变量不重要, 而是因为财务比率之间相互影响, 模型中增加较多的变量不但会增加预测的成本, 而且会降低模型的预测精度。

为了检验财务危机预测模型的预测能力, 本文在制造业样本数据中随机选取了82家样本公司, 包括被ST的公司41家及与其配对的非ST公司41家。根据制造业Logistic回归模型, 对随机抽取的样本ST前1年至前5年的数据进行预测检验, 结果如表3至表7所示:

从以上预测结果可以发现:在ST前1年至前5年, 制造业Logistic回归模型对于测试样本预测综合正确率分别为81.71%、69.52%、67.07%、63.42%、58.98%, 都高于设定的先验概率, 预测结果可以接受。

四、研究结论

第一, 与基于权责发生制的传统财务指标相比, 现金流量指标具有较高的真实可靠性和预测财务危机的信息含量;基于现金流量的财务危机预警研究具有较强的理论和现实意义。

第二, 距离企业陷入财务危机的时间越近, 现金流量财务危机预警模型的预测精度越高;反之, 则模型的预测精度越低。制造业ST前1年至前5年的综合正确率分别为81.71%、69.52%、67.07%、63.42%、58.98%;预测准确率ST前1年至前5年呈现逐渐下降的趋势。

第三, 现金流量财务危机预测模型的预测精度在ST前1年至前5年均高于传统的先验概率, 都在可接受的范围内, 但低于传统指标构建的财务预警模型的预测精度。主要原因在于:样本选取的是ST公司和非ST公司, 其评判标准是权责发生制下的利润和每股净资产, 现金流量则是基于收付实现制产生的数据, ST的制度基础使得基于传统财务指标建立的财务危机预测模型的预测精度会比较高。

参考文献

[1].黄岩, 李元旭.上市公司财务失败预测实证研究.系统工程理论方法应用, 2001;1

[2].姜国华, 王汉生.上市公司连续两年亏损就应该被ST吗.经济研究, 2005;3

[3].姜秀华, 任强, 孙铮.上市公司财务危机预警模型研究.预测, 2002;3

[4].李秉成.企业财务困境研究.北京:中国财政经济出版社, 2004

分析师现金流预测 第8篇

资金流是指建设工程项目资金流入和流出随工程进度的分布状况, 预测资金流可以帮助建设单位按需筹措和安排资金, 避免资金积压或者资金短缺给工程建设带来风险和损失。准确预测资金流随时间的分布对投资巨大、建设周期较长、投资回收期很长的建设工程项目尤为重要。本文将神经网络应用于建设工程项目的资金流预测, 探索资金流预测的有效方式, 为建设单位降低资金使用风险、提高资金使用效率提供理论支撑。

神经网络系统理论是1943年由心理学家McCulloch和数学家Pitts提出的。人工神经网络模型可模拟人类学习、理解问题、解决问题的思维过程, 因此比较适合用来做资金流出变化的预测工作。[1]

神经网络具有通过学习逼近任意非线性映射的能力, 将神经网络理论运用到资金流预测这一多因素非线性系统中, 可以不受非线性模型的限制, 得出精度较高的预测数据, 具有良好的工程应用价值。[2]

企业真实的资金流可以看作某些因素的因变量, 以这些影响因素的时间序列统计数据为自变量, 可以在不求解函数表达式的情况下, 利用神经网络逼近任意非线性映射的能力来预测资金流的变动情况。

由于神经网络模型能够模拟任意非线性映射, 又不必给出映射关系的表达式, 所以简单易行、通用性很强。时间序列的统计数据也可以支持影响因素的模糊数据, 支持定性的因素对预测结果的影响评价。上述特点正好切合资金流预测影响因素多、且时间序列统计数据比较完善的情况。

1 资金流构成

资金流包括资金的流入和流出, 资金的流入总量是大体确定的, 而不同的建设项目、不同的建设阶段, 资金流所包含的具体内容和数量是不同的。本文以某电解铝建设工程项目为例, 说明建设项目资金流的主要构成。

对于处在建设期的工程项目来说, 资金流入主要包括银行贷款、资本金和国家、地方税收优惠政策的退税收入 (电解铝属于国家限制投资的高耗能行业, 国家取消了优惠政策, 但是一些电能相对过剩的省份对电解铝项目还有一些优惠) 等。其中最重要的是银行贷款 (国家将电解铝项目资本金在总投资中比例提高到35%) 。

资金的流出主要包括工程费用和财务费用。

在工程实践中, 资金流出会因为施工变更等多种因素与原计划发生较大幅度的偏离。与之相适应, 资金流出的偏离反过来会对资金流入的时间和结构产生较大影响, 资金流不能按需到位, 就会出现资金积压或资金短缺, 严重的情况下还可能造成停工或利息支出大幅度增加。[3]

2 预测模型构建

本文使用S型函数隐层神经元传递函数, 作为目标层神经元的输出函数。

在三层的BP网络中, 隐含层的神经元个数a2和输入层的神经元个数a1之间存在以下经验公式:a2=2a1+1

影响工程项目建设的因素可以概括为五类, 即:人、机、物、法、环。本研究选取8个指标作为输入变量。在“人”的影响因素方面选取了人员到位率;在“机”的方面选取了建设设备开工率、生产设备到位率;在“物”方面选取了材料充足率;在“法”方面选取了工程变更资金增加量、设计到位率;在“环”方面选取征地费用、天气情况。

人员到位率、建设设备开工率、材料充足率、生产设备到位率、工程变更资金增加量、征地费用中各种非预算支出、工程所在地的气候情况、设计到位率是资金流出的主要影响因素, 容易获得时间序列统计数据, 可以作为神经网络的输入神经元。资金实际流出量为输出指标。

3 工程应用

某电解铝建设工程项目, 位于青海省, 年产能为50万吨铝及部分铝型材;与电解铝配套的炭素厂产能32万吨/年, 总投资69亿元人民币, 工期三年。

由于工程开工正值2008年世界金融危机爆发, 国家积极推进扩大内需、投资拉动的政策, 加之奥运会、世博会、亚运会的举办, 致使许多合同履行遇到困难, 比较突出的是设计不到位和材料设备不到位, 导致工程进度变化很大, 工程变更频繁。基于上述原因, 该工程的资金不是平均流入流出, 且波动很大。所以预测资金流对发挥资金效益, 降低资金使用成本有较大现实意义。

文章利用matlab软件, 根据建设单位对上述8项影响因素的统计数据和2008年1月-2009年12月的资金流出实际数据构建输入、输出的变量集合, 输入统计数据的无量纲化和归一化可分为3种情况:比率数据本身没有量纲且数值在0-1之间, 不再进行归一化;对含量纲的数据, 数值越大越好的利用公式进行归一化, 数值越小越好的利用公式进行归一化;对于以月为单位统计的天气情况则采用当月极端天气导致停工的天数与当月实际天数的比值。

设计BP神经网络来进行预测, 网络的输入向量范围[0, 1], 隐含层神经元传递函数采用S型正切函数tansig, 输出层神经元传递函数采用S型对数函数logsig。选择这两个S型函数是由于输出它们的向量要求在0-1之间, 满足网络的需求。采用trainlm函数对网络进行训练, 训练结果 (如图1所示) 表明, 该网络经过18次训练后达到误差要求。

训练结束后, 用2010年全年的实际资金流出数据归一化后进行了测试, 目的是为了验证神经网络模型的可靠性。

得出的预测结果如表1。

最大的月资金流出和实际的差额为0.024。与归一化后实际值最大仅偏差4.1%, 偏差的数量级对于该大型工程是可以接受的, 证明神经网络模型训练是成功的。

4 结论

应用数学工具对资金流进行预测, 可以有效地解决建设单位准确预测项目资金流的难题, 帮助建设单位防范金融风险, 降低融资的成本, 保证项目建设资金的充足性和及时性, 进而使工程项目的建设得以顺畅进行。

摘要：本文构建了BP神经网络模型对某建设工程项目的资金流进行预测分析, 结果与实际的资金流基本吻合。说明神经网络能够作为建设项目资金流预测的有效工具。

关键词：建设工程项目,BP神经网络,资金流预测

参考文献

[1]葛哲学, 孙志强.神经网络理论与MATLAB R2007实现.北京:电子工业出版社, 2007, 9.

[2]加卢什金, 俄.阎平凡, 译.神经网络理论.北京:清华大学出版社, 2002, 4.