財務危機預警模型研究綜述

□張 琳 王春和

(1、2.河北經貿大學工商管理學院,石家莊 050061)

財務危機預警模型研究綜述

□張 琳1王春和2

(1、2.河北經貿大學工商管理學院,石家莊 050061)

隨著當前市場環境的多變和國際競爭的加劇,企業不得不面臨越來越大的風險和危機,而財務危機是企業危機中最顯著、最綜合的表現。財務危機預警問題已成為我國資本市場健康發展的重要因素,財務危機預警問題研究已成為當前的熱點問題。國內外學者們分別對財務危機預警模型的研究進展進行了歸納、梳理和介紹,很有必要在此基礎上對其進行比較、評價和分析。

財務危機預警模型;研究進展;問題及發展趨勢

一、國外財務危機預警模型的研究進展

國外財務危機預警模型的研究進展可以概括為：從單變量分析模型到多變量分析模型,從統計的分析方法到基于人工智能的機器學習分析方法。

(一)單變量分析模型

Fitzpartrick(1932年)將 38家破產及非破產公司作為分析樣本,運用單個財務比率把這 19對公司劃分為破產和非破產兩部分并進行分析,發現股東權益/負債和凈利潤 /股東權益是判別能力最高的兩個指標[1]。

Beaver(1966年)對美國的 1954～1964年間的79對成功企業和失敗企業的 30個財務比率進行研究。結果表明,資產負債率 (債務總額 /資產總額)、資產收益率 (凈收益 /資產總額)和現金流量 /負債總額具有較好的預測性[2]。

(二)多變量線性判定模型

在Beaver之后,國外學者對財務危機預警的研究主要進入多變量判定的階段。美國學者 Altman(1968年)第一次利用多元判別分析 (multiple discriminate analysis,即MDA)進行了財務危機預警研究。這種方法用多個財務指標加權匯總后產生的總判斷分值 (稱為 Z值)來預測財務危機。Z值模型及其判別規則為：

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

X1=凈營運資本 /資本總額 ×100%,反映公司總營運資本的流動性;X2=留存收益/資產總額 ×100%,反映公司的支付剩余能力;X3=息稅前利潤 /資產總額 ×100%,反映公司的收益率大小,衡量公司運用全部資產獲取利潤的能力;X4=普通股和優先股市場價值總額 /負債的賬面價值 ×100%,反映公司財務狀況的穩定性;X5=銷售收入/資本總額 ×100%,反映公司的活動比率。一般地,Z值越低的企業發生破產的可能性越大。具體判斷標準為：當 Z＞3．0時,企業發生財務危機的可能性很小;當 2．8 ＜Z ＜2．9時 ,企業有可能發生財務危機;當1．8＜Z＜2．7時,企業發生財務危機的可能性很大;當 Z＜1．8時,企業發生財務危機可能性非常大;當Z ＜1．2時 ,企業面臨破產[3]。

(三)多變量非線性判定模型

多元線性判定模型對預測變量有嚴格的聯合正態分布要求,并要求財務危機組與控制組間必須要進行配對。Logistic回歸分析方法突破了這些局限,從而把問題簡化成為：已知一個企業具有某些財務特征,計算其在某段時間內陷入財務危機的可能性有多大。

Ohlson(1980年)是首位將 Logit模型在財務危機預警領域應用的學者,他認為：Logistic回歸分析方法與多元判別分析 (MDA)相比更加合理,并且公司的規模是模型中一個很重要的預警變量,企業的財務結構次之[4]。Zavgren(1985年)繼續使用 Ohlson的 Logit模型,但他使用因子分析來獲得輸入變量[5]。

除此之外,Probit模型和 Logit模型的思路很相似,只是在具體的假設前提和計算方法上有一定的差異。

(四)人工神經網絡模型

人工神經網絡 (Artificial Neural NetWork,簡稱ANN模型),是把神經網絡的分類方法運用于財務危機預警系統。ANN模型通常由輸入層、輸出層和隱藏層組成,其信息處理被分為前向傳播和后向學習兩部分。Odour和 Sharda(1990年)用 BP神經網絡對財務危機進行預測。

二、國內財務危機預警模型的研究進展

國內學者對財務危機預警模型的研究開始于20世紀 80年代末,主要是引入國外模型或者在其基礎上進行改進,主要的研究成果有：

(一)周首華等的 F分數模型

周首華等 (1996年)改造了 Altman的 Z分數模型,從而建立了財務危機預警的 F分數模型 (Failure ScoreModel)。與 Z分數模型相比,F分數模型有以下幾個優點：加入了現金流量這一有效的預測自變量;考慮了現代化企業財務狀況的發展及其相關標準的更新;擴大了樣本。其表達公式如下：

F=-0.1774+1.1091X1+0.1704X2+

1.9271X3+0.0302X4+0.4961X5其中,X1、X2和 X4代表的含義和 Z分數模型中代表的含義一樣。X3=(稅后凈利益 +折舊)/平均總負債,這是一個現金流量指標,這個指標衡量企業產生的所有現金流量可用作償還企業債務能力。X5=(稅后凈收益 +利息 +折舊)/平均總資產,它測定的是企業總資產在創造現金流量方面的能力。比 Z分數模型相比,F分數模型可以更準確地預測出企業究竟是否存在財務危機。具體的判別臨界點為 0．0274：當 F ＞0．0274,此企業被預測為繼續生存公司;當 F＜0．0274時,此企業則被預測為破產公司[6]。

(二)陳靜的單變量分析和二類線性判定分析

陳靜 (1999年)選取 27組財務失敗和非失敗上市企業,應用 Beaver和 Altman的模型,對這 27對上市公司 1995～1997年的財務報表數據進行了單變量分析和二類線性判別分析。在進行單變量分析時,他發現在負債比率、流動比率、凈資產收益率和總資產收益率這 4個指標中,誤判率是最低的是負債比率和流動比率,在宣布日前一年運用單變量分析的準確率達到 100%;在進行多元線性判定分析時,他發現由資產負債率、凈資產收益率、總資產收益率、流動比率、總資產周轉率、營運資本 /總資產這 6個財務指標構建的模型,在公司 ST發生前三年能夠比較好地對財務危機進行預警[7]。

(三)吳世農和盧賢義的單變量分析、多元線性判別分析和 Logit分析

吳世農和盧賢義 (2001年)分別應用單變量判別分析、多元線性判別分析和 Logit分析對上市公司建立財務危機預警模型,其分析結果表明：在財務危機發生的前兩年或者前一年,有 16個財務指標的預測性比較強,在這 16個指標中凈資產報酬率的預測成功率是最高的;三種模型都能在財務危機發生之前做出比較準確的預測,在財務危機發生的前四年內,誤判率保持在 28%以內;運用 Logit預警模型,財務危機發生前一年的誤判率僅達 6.47%,與其他模型相比,它的誤判率是最低的[8]。

(四)國內學者的主成分分析

張愛民、祝春山 (2001年)分別選取了 40家 ST公司及與之對應的 40家非 ST公司作為研究樣本,將主成分分析和 Z分數模型結合起來建立了財務危機預警模型并對此模型進行了實證檢驗。實證檢驗表明,通過此種方法對研究變量進行處理之后建立的預警模型具備較好的預測能力[9]。

楊淑娥、徐偉剛 (2003年)選取了 1999年的 41家 ST公司、2000年的 26家 ST公司和相對應的 67家非 ST公司作為研究樣本,采用主成分分析法,建立了上市公司財務危機預警模型—Y分數模型,并通過研究中的指標初步確定了企業財務狀況評價區域,為企業進行財務危機預警提供了一種科學可行的方法[10]。

劉紅霞、張新林 (2004年)以 118家上市企業作為估計樣本,應用主成分分析法構建我國上市企業的財務危機預警模型,得出財務危機組的誤判率為18．75%和非財務危機組的誤判率為 9．37%的結論。但是,他們在研究中沒有考慮非財務因素[11]。

耿克紅、李忠民 (2005年)將主成分分析和 logistic回歸分析方法相結合,構建了主成分 logistic回歸模型。此模型不但將對財務危機預測有重要影響的信息提取了出來,并且避免了變量間所反映信息的重疊[12]。

三、財務危機預警模型研究進展的評述

單變量分析模型簡單直觀、工作量小。但是,它不能綜合揭示企業的財務狀況,而且如果同時使用多個單變量模型,可能會得出不同甚至相反的結論。

多元線性判別分析模型相對于單變量分析模型來說,能夠比較全面地體現企業的財務狀況、提高判別和預測的準確度。但是它需要滿足自變量服從多元正態分布以及協方差矩陣相等的假設前提,在現實情況中大多情況并不遵從這種假設;雖然這種方法在前一年的預測準確度較高,但是其預測準確度在前兩三年的財務危機預警中則大幅下降;而且運用這種方法的工作量較大。

多變量非線性判定模型不要求滿足自變量服從正態分布及等協方差的假設前提,但是它要求自變量之間不能存在線性的函數關系。

ANN模型能夠克服統計方法的局限性,具有比較好的模式識別能力,并且具有學習能力。可是,它存在著結構確定困難性、不具解釋性、訓練樣本集大以及可操作性差、訓練效率低的缺陷。

主成分分析方法在處理多指標組成的復雜數據系統時比較穩定,能夠排除個別異常數據的影響;信息量比較豐富并且具有很強的可操作性。但是這種分析方法也有缺點,比如說：主成分分析方法的研究樣本要求必須滿足正態分布的前提,可是實際中的樣本往往不服從正態分布。

四、我國當前相關研究中存在的問題及發展趨勢

(一)混合模型的構建

在當前財務危機預警的研究中,每種預警模型都各有優缺點,各種模型的準確率都有待提高,當前還沒有明確的標準判定哪種模型最佳。所以,我們在今后的研究中可以更多地嘗試建立混合模型。所謂混合模型是指同時采用兩種或兩種以上的方法建立模型進行財務危機預警分析。比如：Feng Yu Lin和McClean(2001年)將判別分析法、邏輯回歸法、神經網絡方法及決策樹方法這四種模型進行組合,建立了三種不同的混合模式,再對這三種混合模型進行實證分析。研究結果表明,混合模型的準確性比單個模型更高。

(二)分行業、分區域模型的構建

在實際中,對于不同的行業、區域,影響財務危機的因素存在一定的差異,這就需要在進行研究時考慮行業和區域的差異。針對某行業、某區域建立財務危機預警模型會使模型更有針對性,預測結果更為準確。當今,我國學者針對某個行業、某個區域進行的財務危機預警的研究還比較少,需要進一步研究和探索。

[1]P.J.Fitzpartrick.A comparison of ratios of successful industrial enterpriseswith those of failed firms[J].Certified Public Accountant,1932,10：598-605,11：656-662.

[2]W.Beaver.Financial ratios as predictors of failure[J].Journal of Accounting Research,1966,4(Supplement)：71-111.

[3]E.I.Altman.Financial ratios discriminate analysis and the prediction of corporate bankruptcy[J].Journal of Finance,1968,23(4)：589-609.

[4]J.A.Ohlson.Financial ratios and probabilistic prediction of bankruptcy[J].Journal of Accounting Research,1980,18：109-131.

[5]C.V.Zavgren.Assessing the vulnerability to failure of A-merican industrial firm：a logistic analysis[J].Journal of Business Finance&Accounting,1985,12(1)：19-45.

[6]周首華,楊濟華,王平.論財務危機的預警分析——F分數模式[J].會計研究,1996,(8)：8-11.

[7]陳靜.上市公司財務惡化預測的實證分析 [J].會計研究.1999,(4)：31-38.

[8]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)：46-55.

[9]張愛民,祝春山,許丹健.上市公司財務失敗的主成分預測模型及其實證研究[J].金融研究,2001,(3)：10-25.

[10]楊淑娥,徐偉剛.上市公司財務預警模型——Y分數模型的實證研究[J].中國軟科學,2003,(1)：56-60.

[11]劉紅霞,張心林.以主成分分析法構建企業財務危機預警模型[J].中央財經大學學報,2004,(4)：70-75.

L iterature Review on Financial Crisis Prediction M odel

Zhang Lin1,Wang Chun-he2
(1,2.School ofBusiness and Administration,HebeiUniversity of Economics and Business,Shijiazhuang 050061,China)

W ith the current volatile market environment and heightened international competition,enterprises have to face increasing risks and crisis,and the financial crisis is the most significant and comprehensive performance.Financial crisis prediction has become an important factor in the healthy development in China’s capitalmarket and the problem of financial crisisprediction has become a hot issue.The scholars in China and overseas generalize,sort and introduce the research progress of financial crisis prediction models.It is necessary to compare,evaluate and analyze the financial crisis prediction models on the basis of this.

financial crisis prediction models;research progress;trends and problems

F275

A

1003-4919(2011)01-0084-03

2010-09-02

本文系 2009年度河北省教育廳人文社會科學研究項目“企業品牌危機預警機制研究”(編號：S090214)的階段性成果

1.張琳 (1986— ),女,河北滄州人,河北經貿大學工商管理學院碩士研究生,研究方向：戰略管理;2.王春和(1962— ),男,河北秦皇島人,河北經貿大學工商管理學院教授,博士,研究方向：戰略管理。

[12]耿克紅,李忠民.基于主成分邏輯回歸方法的財務失敗預測模型[J].河北工業大學學報,2005,(2)：53-57.