基于收益質量指標的財務危機預警模型構建

馮　雨

中圖分類號:F230 文獻標識碼:A

內容摘要:本文從財務危機預警的研究現狀入手,分析多元判定模型的原理及應用。隨著企業業務范圍擴大,收益多元化,收益質量的好壞在財務危機預警中顯得尤為重要。本文引入收益質量指標,重新構建多元判定模型,以實現對財務危機更加準確的預警。

關鍵詞:財務預警 財務危機 多元判定模型 收益質量指標

企業出現財務危機,其根本原因是企業獲利能力下降,其直接原因是沒有足夠現金償還到期債務和正常業務支付。但在國內外的財務危機預警模型中,財務指標主要是根據資產負債表和利潤表數據計算的,未把利用現金流量表計算的收益質量指標考慮進去,而收益質量指標對一個企業的生存是至關重要的。

財務危機預警的研究現狀

企業財務危機預警,是經過對企業會計報表及相關經營數據的分析,通過設置并觀察一些敏感性預警指標的變化,對企業可能或將要面臨的財務危機實施的實時監控和預測警報。以發現企業在經營管理活動中潛在的財務風險,并在危機發生之前向經營者發出警告,督促企業管理當局采取有效措施,避免潛在風險演變成損失,起到未雨綢繆的作用。近年來,國外學者針對財務危機預警模型展開了深入而廣泛的研究,當前財務危機預警模型概括起來主要有統計模型和人工智能模型兩大類。主要方法有:一元判定模型、多元判定模型、多元邏輯回歸模型、多元概率比回歸模型、人工網絡模型和聯合預測模型。其中影響較大的當屬美國學者Altman 利用多變量統計分析方法建立的多元判定模型。

在國內,受證券市場發展的影響,對財務危機預警的研究起步較晚。1986年吳世農、黃世忠首次在我國介紹了企業破產的分析指標和預測模型。1990年國家自然科學基金委員會管理科學組先后支持佘廉等人從事企業預警研究,并于1999 年出版了企業預警管理叢書。之后我國學者才真正開始了對財務預警的研究,并取得了一定的成果,但主要還是借鑒國外的模型。

多元判定模型

(一)多元判定模型的原理

1968 年,美國Ahman 首次使用了多元判定模型分析預測財務困境。多元判定模型的基本原理是:通過統計技術篩選出那些在兩組間差別盡可能大而在兩組內部的離散度最小的變量,從而將多個標志變量在最小信息損失下轉換為分類變量,獲得能有效提高預測精度的多元線性判別方程。運用多元線性判別方程判定二元問題時,可以通過降維技術,僅以最終計算的Z值來判定其歸屬,其構造的線性方程簡單易懂,具有很強的實際應用能力。判別方程的形式為Z=V1X1+V2X2+…+VnXn。根據判別方程可以把單個企業的各種財務比率轉換成單一的判別標準,或稱為Z 值,根據Z 值將企業分為“破產”或“非破產”兩類。其中,V1、V2…Vn是權數,X1、X2…Xn是各種財務比率。

(二)多元判定模型的應用

美國Altman 教授將多元判定分析應用到美國企業破產研究中,其研究結論形成了著名的Z 值模型:Z=1.2X1+1.4X2+3.3X3

+0.6X4+0.999X5。其中,X1=營運資金/資產總額;X2=留存收益/資產總額;X3=息稅前利潤/資產總額;X4=普通股和優先股市值總額/負債賬面價值總額 ;X5=銷售額/資產總額。企業破產的判定和預測模型在破產前一年的總體判別準確度高達95%。在實際運用時,Z模型通過5個變量(5種財務比率),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)有機聯系起來,綜合分析預測企業財務失敗或破產的可能性。一般地,Z 值越低企業越有可能發生破產。如果企業的Z 值大于2.675,則表明企業的財務狀況良好,發生破產的可能性較小;反之,若Z 值小于1.81,則企業存在很大的破產危險;如果Z 值處于1.81～2.675之間,Altman稱之“灰色地帶”,進入這個區間的企業財務是極不穩定的。

(三)多元判定模型的優缺點

企業管理者通過大量實際預測證明多元判定模型具有很多優點:能包容反映企業財務情況的多項指標;能夠包含獨立變量;一旦完成建立模型之后,運用相對容易。但是該方法也存在一系列的缺陷:該模型是建立在組內分布為近似正態分布,并且兩組的協方差矩陣相等的假設之上的,而在實際中,很難滿足這一假設;由于企業規模、行業等存在諸多差異,該模式不具有橫向可比性;未把根據現金流量表計算的收益質量指標考慮進去。其中有些指標是受到收益質量制約的,例如資產收益率越高說明企業的獲利能力越強,但如果收益質量不好,不但不會降低風險,反而會加大企業的風險。

引入收益質量指標重建多元判定模型

(一)引入收益質量指標后的多元判定模型

引入收益質量指標重建Z值模型Z=

1.2X1 X6+1.4X2+3.3X3 X7+0.6X4+0.999X5。其中X1 、X2、X3、X4、X5指標不變,X6 為現金營運指數=經營現金凈流量/經營應得現金,經營應得現金=經營活動凈收益+非付現費用;X7為凈收益營運指數=經營凈收益/凈收益,經營凈收益=凈收益—非經營收益。引入收益質量指標后Z值模型由原來的多元線性函數變為多元非線性函數,但Z值的判定區間不變。因為現金營運指數和凈收益營運指數的理想值都是1,當現金營運指數和凈收益營運指數都是1時,對Z的取值沒有影響;當現金營運指數和凈收益營運指數脫離理想值1時,會使z值預警模型更靈敏。

(二)引入收益質量指標的理由

引入現金營運指數。X1=營運資金/資產總額,是反映償債能力的指標。一般情況,營運資金越多償債能力越強,但營運資金也不是越多越好。首先,企業獲得的收益停留在應收賬款、存貨的增加和應付賬款的減少,企業的收益并沒有全部得到現金,營運資金也有質量優劣之分。其次,在收益一定的情況下,營運資金增加說明企業為取得同樣的收益占用了更多的營運資金,取得收益的代價增加了。因此需要在X1后乘以一個收益質量指標現金營運指數X6起到敏感器作用。現金營運指數X6的理想值是1,當收益質量正常的情況下,對該指標值的影響不大,當收益質量很差情況下,該指標值會急速降低,發揮財務預警作用。

引入凈收益營運指數。X3=息稅前利潤/資產總額,是反映獲利能力的指標。一般情況,總資產報酬率越大獲利能力越強。但也不容樂觀,通過分析企業收益的構成可知,企業收益由經營凈收益和非經營收益兩部分組成,經營凈收益是企業的生產經營活動取得的,具有風險低和可持續性,是高質量的收益;非經營收益的來源主要是資產處置和證券交易,資產處置屬偶發事項,常常成為企業操縱利潤的工具,但不是企業的核心能力,證券交易獲利靠的是運氣,風險高且不具有可持續性。由此看來,非經營收益雖然也是收益,但不代表企業的收益“能力”。

例如,2001年12月申請破產的美國安然公司,從1997年開始凈利潤逐年大幅度上升,而經營利潤逐年下降,凈收益營運指數越來越低。這說明凈收益質量越來越差。因此,需要在X3后乘以一個收益質量指標凈收益營運指數X7,起到敏感器作用。凈收益營運指數X7的理想值是1,當收益質量正常的情況下,對該指標值的影響不大,當收益質量很差的情況下,該指標值會急速降低,發揮財務預警作用。

參考文獻:

1.王睿莉.企業財務預警研究綜述[J].現代商貿工業,2008(8)

2.蓋麗瑋.基于非財務指標的財務預警模型初探[J].現代商業,2008(23)

3.王火紅.企業財務危機預警模型初探[J].商業會計,2008(10)