企業財務危機預警模型的演變與發展

[摘 要] 本文介紹、分析了各種財務危機預警模型，并指出了現有財務危機預警模型存在的問題及進一步深入研究的方向。

[關鍵詞] 財務危機 預警 模型

財務危機預警是指通過設置一些財務敏感指標并觀察其值的變化，對可能造成企業財務危機的風險因素進行跟蹤、監測、預測，同時根據理論研究和經驗總結，設計一種有效的綜合性模型并確定一個閥值，當相關因素指標綜合值超過閥值時發出危機警報并采取對策。財務危機預警模型則是通過數學或統計方法建立模型對財務危機進行定量預警分析。目前國內外對企業財務危機預測模型的已取得了一些成果。

一、單變量判定模型

Fitzpatrick（1932）最早發現，出現財務困境的公司其財務比率和正常的財務比率相比，有顯著不同。Beaver(1966)則首先應用統計方法建立了單變量財務預測模型，他首先使用了5個財務比率作為變量，選取美國1954年～1964年間資產規模相同的79家經營失敗企業和79家正常經營正常的企業，進行對比研究，發現具有良好預測性的財務比率依此為現金流量/負責總額的比率、資產負責率、資產收益率。

在我國陳靜（1999）選擇了4個財務比率指標作為變量即資產負債率、流動比率、凈資產收益率、總資產收益率，運用兩分法，發現資產負債率、流動比率和總資產收益率的預測效果較好。

二、多變量判定模型

1.財務比率綜合分析法：其將各項財務分析指標作為一個整體，系統地對企業財務狀況和經營情況進行剖析、解釋和評價。這類方法的主要代表是杜邦財務分析體系和沃爾比重評分法，前者是以凈值報酬率為龍頭，以資產凈利潤率為核心，重點揭示企業獲利能力及其前因后果；后者是將選定的七項財務比率分別給定各自的分數比重，通過與標準比率進行比較，確定各項指標的得分及總體指標的累計分數，從而得出企業財務狀況的綜合評價，續而確定其信用等級。

2.多元線性函數模型：多元線性函數模型是運用多邊模式思路上建立起來的，其中最著名的是美國紐約大學的Altman教授在20世紀60年代中期提出的Z計分模型。他通過將多種財務指標加權匯總，計算出一個總差別分來預測、計量企業破產的可能性，這個總差別分通常被稱為Z值，這個模型被稱為Z值計分模型：

其中: -判別函數值；=營運資金/總資產；=留成收益/總資產；=息稅前利潤/總資產；=(普通股價值+優先股價值)/總負債；=銷售收入/總資產

我國的陳靜（1999）、鄧茂（2003）等人利用Z值計分模型對我國的上市公司進行了研究，發現此模型對ST公司和非ST公司有較好的判別率，當年、前一年、前兩年的正確率分別在92%、85%、79%以上。

3.Logistic和Probit概率模型：Logistic和Probit方法的結論很相似，一般多使用Logistic概率模型。Logistic又叫增長函數，是1838年比利時P.F.Verhulst首先提出的，二元Logistic概率函數的為：

其中是在條件下事件發生的概率，代表事件不發生的概率，是截距， 是待估計的參數。通過設定臨界值作為事件發生與否的標準，如果事件發生的概率大于臨界值，則判斷事件發生，反之，判定事件不發生。回歸模型的一般形式如下：

美國學者Ohlson是最早把此模型運用到財務危機預警中的人。我國學者吳世農、盧賢義（2001）、上海財經大學的姜秀華（2002）運用此模型對滬深證市場的部分ST公司進行了研究，并認為Logistic概率模型優于多元線性預警模型。

三、神經網絡分析模型

人工神經網絡(Artificial Neural Networks，ANN)是一種平行分散處理模式，其建構理念植基于人類大腦神經運行的模式。ANN除了具有較好的模式識別能力外，而且可以克服統計方面的限制，因它具有容錯能力，對數據的分布要求不嚴格，具備處理資料遺漏或是錯誤的能力；最重要的是ANN具有學習能力，可隨時依據新準備數據資料進行自我學習、訓練，調整其內部的儲存權重參數以對應多邊的企業環境。ANN在經濟預警(Early Warning，EW)系統中的應用，無論從思想，還是技術上都是對傳統EW的一種拓寬和突破，克服了以往模型重定量指標，難以處理定性指標；模型不具有時變性，缺乏自適應、學習能力。目前國內外一些學者，在ANN預警系統研究方面做過一些理

論和實踐上的探討。

四、現有財務危機預警模型的局限性

上述分析模型在理論和實踐上還有待完善，在實際運用中也各有優缺點，主要表現在以下幾個方面：

1.單變量判定模型有良好的理論基礎，但其割裂了各個財務分析指標之間的內在整體聯系，在實際運用中存在很大局限性，并預警的準確性較差。

2.概率統計模型在實踐運用中具有較好的預測性，但其缺乏理論基礎。

3.神經網絡預警系統運用到公司財務危機預警模型中的時間并不長，神經網絡預警模型過于復雜，在運用中還有待完善，因此在實踐上受到很大限制。

4.現有預警模型無法對上市公司提供的數據真假做出辨別。

5.現有預警模型還都主要側重于財務定量數據的使用，對于像宏觀經濟狀況、國家政策的變化、不同企業的特殊情況（如信用）等定性指標考慮還較少。

五、財務危機預警模型的未來發展

1.需要發展一些不同行業的財務危機預警分析模型。由于各個行業都有自身的一些經營特點，具體體現在財務數據上就有一些差異，這就降低了各個行業之間財務數據的可比性，從而使建立不同行業的財務危機預警模型很有必要。

2.未來的財務危機預警模型還應把一些非財務指標所能體現的定性因素考慮進去。

3.未來的財務危機預警模型應能夠對公司所提供的財務數據的真偽做出一定鑒別。

4.未來的財務危機預警模型應該具備一定的自我學習能力。

參考文獻：

[1]陳靜:上市公司財務惡化預測的實證研究［J］.會計研究.1999.(4)

[2]鄭茂:我國上市公司財務風險預警模型的構建及實證分析［J］.金融論壇.2003.(10)

[3]吳世農盧賢義:我國上市公司財務困境的預測模型研究［J］.經濟研究，2001，(6)

[4]姜秀華任強孫錚:上市公司財務危機預警模型研究［J］.預測，2002，(3)

注：“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。”