企業財務危機預警方法述評

　　【摘 要】 文章在分析國內外企業財務危機預警的主要方法及其優缺點的基礎上，指出我國財務危機預警研究亟待在分行業預警模型的構建和非上市公司財務危機預警研究兩個方面進行突破。
　　【關鍵詞】 企業財務危機； 預警方法； 預警模型
　　
　　一、引言
　　
　　企業財務危機預警是指依據企業財務會計資料，運用科學的方法，對企業財務系統和財務活動中存在的問題進行分析和診斷，及時發現企業的潛在危機，進而提出解決措施。財務危機預警的方法有很多，如果根據不同方法所使用的資料情況分類，可以簡單地將其分為靜態方法和動態方法。靜態方法包括：財務指標分析法、單變模型分析法、多元線性模型分析法、多元邏輯回歸模型分析法等；動態方法是指人工神經網絡模型分析等方法。企業財務危機預警屬于微觀經濟預警范疇，比之宏觀經濟預警而言，其在理論上和方法上都相對滯后。因此，研究和設計企業財務危機預警方法體系是一個正在探索的課題。
　　
　　二、企業財務危機預警的主要方法及其優缺點
　　
　　（一）單變模型分析法
　　單變模型分析法是通過單個財務比率走勢的惡化程度來預測財務危機。常用的財務比率主要有：債務保障率、資產收益率、資產負債率、資金安全率、應收賬款周轉率、存貨周轉率、流動資金周轉率等。企業良好的現金流量、收益能力和債務狀況應表現為企業長期穩定的發展態勢。在跟蹤考察時，當這些財務比率達到經營者設立的警戒線時，就需特別注意防范財務危機。
　　單變模型分析法的優點是理解容易，計算簡便；缺點是這種方法僅能反映企業財務惡化的趨勢，無法進行風險大小的準確度量。而且，企業風險是各項目風險的綜合，單變模型分析法并不能揭示不同財務比率因素對整體風險的作用大小，也不能反映各財務比率之間的相互影響作用。相反，對同一公司采用不同的財務比率進行預測，還可能出現結果不同的現象。
　　
　　（二）多元線性模型分析法
　　近年來，多元線性模型分析法在財務危機預警中得到了廣泛的應用。多元線性模型分析法最常見的是“Z計分模型”法，它是運用多種財務指標加權匯總產生的總判別值（Z值）來預測財務危機。其函數模型為：
　　Z＝0.012X1+0.014X2+0.033X3+0.006X4+0.999X5
　　該模型以5個財務比率，將反映企業償債能力的指標（X1，X4）、獲利能力指標（X2，X3）和營運能力指標（X5）有機地聯系起來，綜合分析和預測企業風險。在這三類指標中，最重要的指標是營運能力指標。一般認為，Z值越低企業越有可能發生破產。
　　“Z計分模型”是比較成熟的一種財務危機預警方法。該模型從總體角度給了企業一個定量標準，以檢查企業的財務狀況，有利于不同時期的比較。但由于企業規模、行業、地域等諸多差異，使Z值并不具有橫向可比性。同時，由于這種線性判別函數存在兩個無法克服的邏輯缺陷：固定影響假設和完全線性補償假設。而這兩個缺陷更是極大地限制了模型的分類和預測能力。
　　
　　（三）多元邏輯（Logit）回歸模型分析法
　　多元邏輯回歸模型的目標是尋求觀察對象的條件概率，從而據此判斷觀察對象的財務狀況和經營風險。這一模型建立在累計概率函數的基礎上，不需要自變量服從多元正態分布和兩組間協方差相等的條件。
　　近年來，多元邏輯回歸預警研究在我國發展較快。如：吳世農、盧賢義以我國上市公司為研究對象，選取了70家處于財務危機的公司和70家財務正常的公司為樣本，應用Fisher線性判定分析、多元線性回歸分析和Logistic回歸分析三種方法，分別建立三種預測財務危機的模型。研究結果表明：三種模型都能在財務困境發生前發出相對準確的預測。而相對同一信息集，Logistic預測模型的判定準確率最高，財務危機發生前第1年的判定準確率為93.53%。陳曉、陳治鴻以截至1999年7月1日的38家因“財務狀況異常”而被特別處理的ST公司為研究對象，運用多元Logit回歸進行研究。研究結果表明，用負債權益比率、應收賬款周轉率、主營業務利潤/總資產和留存收益/總資產構建的多元邏輯回歸具有較強的預測能力。姜秀華于2001年在其出版的博士論文中運用邏輯回歸方法構建的預警模型，其在企業財務危機發生前第1年的判定準確率為95.45%。陳洪波（2003）根據理論和實證研究結論，考慮對融資結構產生影響的種種因素，選擇資產負債率、調整后的速動比率、EBIT/總利息支付、銷售凈利率和主營收入利潤率的增長率前N年的變化平均值5個財務指標作為變量構建了一個財務危機預警的多變模型。吳世珍、柯大鋼從“應收款”視角構建了一個我國上市公司的財務危機預警模型，并對模型的有效性進行了檢驗。
　　Logit模型的最大優點是不需要嚴格的假設條件，克服了線性方程受統計假設約束的局限性，具有更廣泛的應用范圍；其缺點是使用該方法時收集信息和計算的過程較為復雜，不易掌握，從而又限制了模型在實踐中的應用和推廣。
　　
　　（四）人工神經網絡（ANN）分析法
　　近年來，人工神經網絡（ANN）技術的發展，給企業財務預測提供了新的工具，應用新的研究方法提高預測準確度逐漸成為該領域的重要發展方向。ANN作為一種平行分散處理模式，是對人類大腦神經運作的模擬。ANN除具有較好的模式識別能力外，還可以克服統計方法的局限，因為它具有容錯能力和處理資料遺漏或錯誤的能力。
　　人工神經網絡具有較好的糾錯能力，從而能夠更好地進行預測。如：1991年，Coats和Fant論述了神經網絡模型可正確預測公司的財務危機的觀點，并用了47家財務危機公司和47家健康公司檢測模型的預測效果，擬和度達100%。模型用于預測財務危機公司準確率達91%，而采用多元判別法的預測精度僅為72%。又如：楊保安等（2001）采用ANN模型進行財務危機預警，結果表明：樣本的實際輸出與期望輸出比較接近，顯示出ANN是進行企業財務危機預警的一種很好的應用工具等等。然而，由于該方法理論基礎比較薄弱，ANN對人體大腦神經模擬的科學性、準確性還有待進一步提高，且其計算也有較大難度，因此ANN模型的適用性也就大打折扣。
　　
　　（五）其他方法
　　其他財務危機預警方法主要是指一些非統計類預警方法，包括案例研究法、專家系統法、實驗法、災害理論、混沌系統理論、期權定價理論等等。由于這些方法在理論上還不夠成熟，在實務中應用也較少，本文不一一贅述。
　　
　　三、思考
　　
　　盡管目前財務危機預警研究取得了重大進展，財務危機預測方法層出不窮，但主流分析方法只有單變模型分析法、多元線性模型分析法和多元邏輯回歸模型分析法三大類。其他研究方法雖然也作出了有益的嘗試，但是要么由于預警方法考慮的因素單一，方法過于簡單，其預測準確率較低；要么由于模型開發歷史較短，研究不夠成熟，模型的穩定性有待進一步檢驗。
　　基于財務危機預警方法研究的現狀，筆者認為，財務危機預警方法的研究還應在以下兩個方面進行突破：首先，應在分行業的企業財務危機預警研究方面進行突破。由于每個行業的狀況不同，影響財務危機的因素自然不同，我們很難構建一個能適合所有行業的企業財務危機預警系統。國外理論界在分行業的財務危機預警研究中發現，由于行業的不同，同一預警變量包含的信息量有所不同，其預測效果有很大差別。因此，分行業研究可能更有價值。其次，國內財務危機預警方法絕大多數只限于預測被“特別處理”（ST）的上市公司，且模型的敏感性較低（多數只能提前1-2年進行較為準確的預測），其研究成果主要為投資者買賣股票提供一些投資依據，對企業自身的財務預警作用并不明顯。另外，各種預警方法對非上市公司研究很少，因此，在財務危機預警研究的范圍方面還應進行拓展和突破。●
　　
　　【參考文獻】
　　[1] 齊治平，余妙志. Logistic模型在上市公司財務狀況評價中的運用[J].東北財經大學學報，2002，1：60-61.
　　[2] 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，1998，6：18-20.
　　[3] 陳曉，陳治鴻.中國上市公司的財務困境預測[J].中國會計與財務研究，2000，9：55-72.
　　[4] 姜秀華.治理內核與綜合業績的相關性研究[M].上海：上海財經大學出版社，2003年版.
　　[5] 陳洪波.中國上市公司財務危機判別模型[J].四川會計，2003，1：23.
　　[6] 吳世珍，柯大鋼.我國上市公司財務危機預警研究[J].財會月刊，2007，3：16-19.
　　[7] 楊保安，季海，徐晶，等. BP神經網絡在企業財務危機預警研究之應用[J].預測，2001，20（2）：49-54.
　　[8] Pamela K.Coats and L.Franklin Fant.A Neural Nelwork Approach to Forecasting Financial Distres[J].The Journal of Business Forecasting，1991.Winter.