有關(guān)財務(wù)危機(jī)預(yù)警研究的文獻(xiàn)綜述

隋永帥 董程程

【摘要】有關(guān)財務(wù)危機(jī)預(yù)警研究一直是國內(nèi)外研究的熱點(diǎn)和重點(diǎn)，有關(guān)財務(wù)預(yù)警研究的方法有許多，并且隨著模型的不斷改進(jìn)，預(yù)測的準(zhǔn)確率也不斷提高。本文主要根據(jù)國內(nèi)外的文獻(xiàn)，對財務(wù)危機(jī)的預(yù)警方法進(jìn)行綜述。

【關(guān)鍵詞】財務(wù)危機(jī)；預(yù)測方法

財務(wù)困境預(yù)測方法是指借助數(shù)學(xué)和計算機(jī)技術(shù)構(gòu)建預(yù)測模型，通過對企業(yè)財務(wù)指標(biāo)的系統(tǒng)分析來預(yù)測企業(yè)出現(xiàn)財務(wù)困境的可能性。從國內(nèi)外的研究現(xiàn)狀來看，財務(wù)困境預(yù)測模型主要有兩類：傳統(tǒng)統(tǒng)計類預(yù)測模型和人工智能型預(yù)測模型。

一、傳統(tǒng)統(tǒng)計類預(yù)測模型

傳統(tǒng)統(tǒng)計類預(yù)測模型包括：一元判別分析模型、多元判別分析模型、線性概率分析模型以及累積求和模型等。

（一）一元判別分析模型（UDA）

比弗率先提出了一元判別分析模型，也叫做單變量分析模型，它是通過單個財務(wù)指標(biāo)來預(yù)測財務(wù)風(fēng)險的。他比較了1954—1964年期間的79家失敗企業(yè)和79家相同資產(chǎn)規(guī)模的成功企業(yè)的30個財務(wù)指標(biāo)的差異，發(fā)現(xiàn)具有良好預(yù)測性的財務(wù)比率依次為現(xiàn)金流量/負(fù)債總額、資產(chǎn)收益率和資產(chǎn)負(fù)債率。而且離財務(wù)失敗日越近，判別的效果更好。

雖然比弗的單變量判別模型能夠取得較好的預(yù)測準(zhǔn)確性，但它的缺點(diǎn)在于：只重視一個指標(biāo)的分析能力，如果使用多個財務(wù)指標(biāo)分別進(jìn)行判斷，單個指標(biāo)的分類結(jié)果之間可能產(chǎn)生沖突，導(dǎo)致無法做出正確的判斷。但是單變量判別模型為后來的多變量分析模型在破產(chǎn)分析中的應(yīng)用奠定了基礎(chǔ)。

國內(nèi)學(xué)者陳靜在1999年以公司被ST的前1年、前2年、前3年的財務(wù)數(shù)據(jù)為基礎(chǔ)，用一元判別分析模型做了實證研究，得出在宣布被ST前1年總的準(zhǔn)確率為85%。

（二）多元判別分析模型（MDA）

美國學(xué)者奧特曼（1968）最早將MDA模型應(yīng)用到財務(wù)危機(jī)預(yù)警模型中，他在1968年對美國破產(chǎn)和非破產(chǎn)企業(yè)進(jìn)行觀察，對22個財務(wù)比率經(jīng)過梳理統(tǒng)計篩選得到五個變量，建立了著名的Z分?jǐn)?shù)模型，以及在此基礎(chǔ)上改進(jìn)的”Zeta”模型。根據(jù)判別分值，以確定的臨界值對研究對象進(jìn)行信貸風(fēng)險的定位。由于模型簡便、成本低、效果佳，日本、德國、法國、英國等許多發(fā)達(dá)國家的金融機(jī)構(gòu)都紛紛研制了各自的判別模型。

國內(nèi)學(xué)者張玲（2000）選取了滬、深兩市涉及14個行業(yè)共計120家上市公司為樣本，選取了四個反應(yīng)償債能力、盈利能力、資本結(jié)構(gòu)和運(yùn)營能力的財務(wù)指標(biāo)構(gòu)建判別模型。

楊淑娥、徐偉剛（2003）等學(xué)者采用主成分分析法對財務(wù)指標(biāo)進(jìn)行篩選后建立了MDA模型。

MDA模型的應(yīng)用也存在諸多局限，比如它要求研究樣本的財務(wù)比率呈近似正態(tài)分布、兩組的協(xié)方差矩陣相等，這在現(xiàn)實中較難實現(xiàn)。

（三）線性概率分析模型（LPA）

LPA模型主要有Logit和Probit兩種。

Edmister（1972）用線性回歸建立了包含7個財務(wù)比率的財務(wù)困境預(yù)測模型，預(yù)測精度在90%以上。

Qhlson（1980）首次將Logit模型應(yīng)用到破產(chǎn)預(yù)測。

國內(nèi)學(xué)者張后奇在所做的《上市公司財務(wù)危機(jī)預(yù)警系統(tǒng)：理論研究與實證分析》報告中，運(yùn)用了LR線性回歸模型。

LR模型的優(yōu)點(diǎn)是不要求數(shù)據(jù)呈正態(tài)分布、兩組的協(xié)方差矩陣相等的假設(shè)，在不滿足正太分布的條件下，LR模型的預(yù)測效果要好于MDA模型，缺點(diǎn)是樣本的數(shù)量不宜少于200個，否則存在參數(shù)估計的有偏性。

（四）累積求和模型（CS）

西奧達(dá)西奧與1993年提出了預(yù)測企業(yè)失敗的CS模型，該模型能探測財務(wù)狀況由好變壞的拐點(diǎn)，對財務(wù)狀況惡化敏感并具有記憶性，能區(qū)分財務(wù)指標(biāo)變化是由序列相關(guān)引起的還是由于財務(wù)情況惡化引起。

二、人工智能型預(yù)測模型

人工智能型預(yù)測模型主要包括：人工神經(jīng)網(wǎng)絡(luò)模型、遺傳算法模型、粗集理論模型、遞歸劃分分析模型以及支持向量機(jī)模型。現(xiàn)分述如下：

（一）人工神經(jīng)網(wǎng)絡(luò)模型（ANN）

奧多姆（1990）第一次把ANN模型應(yīng)用于財務(wù)困境預(yù)測研究，他使用了三層前饋神經(jīng)網(wǎng)絡(luò)，并與傳統(tǒng)的MDA模型進(jìn)行了比較研究。

奧特曼（1994）對意大利的1000家公司利用其發(fā)生困境前1年的數(shù)據(jù)進(jìn)行預(yù)測，結(jié)果發(fā)現(xiàn)，MDA比ANN的預(yù)測效果還稍微好一點(diǎn)。

ANN相對于傳統(tǒng)統(tǒng)計類模型的優(yōu)勢在于它能夠同時處理定性變量和定量變量，而且無需考慮變量之間的統(tǒng)計關(guān)系。但它也存在一些問題，如模型的拓?fù)涠x較難實現(xiàn)、模型計算量較大以及判別能力不強(qiáng)等。

（二）遺傳算法模型（GA）

遺傳算法是模仿自然界生物遺傳進(jìn)化規(guī)律在大量復(fù)雜概念空間內(nèi)的隨機(jī)搜索技術(shù)，尤其適合目標(biāo)函數(shù)的多參數(shù)優(yōu)化問題，并運(yùn)用于證券選擇、證券組合選擇、預(yù)算分配以及信用評價等金融、財務(wù)領(lǐng)域。瓦雷托·弗朗哥采用遺傳算法提取了線性函數(shù)和判別規(guī)則。研究結(jié)果表明，遺傳算法可以獲得不受統(tǒng)計約束的最優(yōu)線性方程，提取的線性函數(shù)與MDA相比，省時并且受分析人員的主觀影響較小，但結(jié)果不如MDA。

（三）粗集理論模型（RST）

RST模型被證明是能夠運(yùn)用一組多價值屬性變量描述多個對象的有效工具，可以用來揭示相互關(guān)聯(lián)的財務(wù)特征與企業(yè)失敗風(fēng)險之間的關(guān)系。弗朗西斯研究表明，RST能夠發(fā)現(xiàn)隱藏在數(shù)據(jù)中的重要事實，并能用自然語言表達(dá)成一組決策規(guī)則，每個決策規(guī)則都有案例支持，能夠結(jié)合使用定性變量和定量變量，無需統(tǒng)計約束和模糊隸屬度評能夠價，節(jié)省決策形成的成本和時間，工程透明，可以考慮決策者的知識背景，并可用于集成決策支持系統(tǒng)。迪米特拉正式，由于不同樣本與決策者知識會產(chǎn)生不同的決策規(guī)則組，因此研究結(jié)果并不具有通用性。

（四）遞歸劃分分析模型（BPA）

弗里德曼首次采用BPA建立預(yù)警模型，他以財務(wù)比率為判別點(diǎn)建立二叉分類樹，以最低誤判成本為標(biāo)準(zhǔn)對樣本企業(yè)進(jìn)行分類預(yù)測。結(jié)果發(fā)現(xiàn)犯第一類錯誤的概率高于犯第二類錯誤的概率，MDA模型對研究樣本的期望誤判成本明顯高于BPA模型。在RPA模型中可以選用非財務(wù)指標(biāo)和定性指標(biāo)，但復(fù)雜的分類樹結(jié)構(gòu)可能引起樣本的過度適應(yīng)，預(yù)測風(fēng)險高，因此分類樹結(jié)構(gòu)宜不宜繁，便于靈活運(yùn)用。

（五）支持向量機(jī)模型（SVM）

范·格斯特等將SVM應(yīng)用到財務(wù)困境預(yù)測模型中，采用最小二乘法作為SVM的線性學(xué)習(xí)器，構(gòu)建LS—SVM財務(wù)困境預(yù)測模型，預(yù)測模型的判別準(zhǔn)確率高達(dá)89.91%。

李英昌采用表格搜索技術(shù)對SVM核參數(shù)進(jìn)行優(yōu)化后，建立了SVM模型，預(yù)測效果優(yōu)于MDA、LR和BP—ANN模型。

申慶植等采用SVM建立了財務(wù)困境預(yù)測模型，他通過對韓國中型制造企業(yè)的實證研究結(jié)果表明：SVM模型的預(yù)測性能優(yōu)于BP—ANN模型。

沃爾夫?qū)す吕諊L試著將SVM應(yīng)用到財務(wù)困境預(yù)測研究中，通過對美國2001-2002年間84家企業(yè)的實證分析，結(jié)果表明SVM具有很好的分類效果。

國內(nèi)學(xué)者李賀、馮天謹(jǐn)（2005）通過對我國煙酒行業(yè)50家上市企業(yè)連續(xù)3年的公開數(shù)據(jù)的實證研究表明：SVM模型的預(yù)測性能優(yōu)于ANN模型；徐曉燕（2006）提出了一種將Logit回歸與SVM集成的預(yù)測方法。即LR—SVM。該方法通過修改支持向量機(jī)的輸出而改進(jìn)其預(yù)測精度，即先對支持向量機(jī)的訓(xùn)練數(shù)據(jù)用Logit回歸進(jìn)行分析，再用支持向量機(jī)進(jìn)行預(yù)測。如果Logit回歸的結(jié)果支持SVM的結(jié)果，則不對SVM的輸出結(jié)果進(jìn)行修改，否則修改SVM的輸出結(jié)果。實證結(jié)果表明，該方法的預(yù)測精度明顯優(yōu)于一般的支持向量機(jī)。

SVM的主要優(yōu)勢表現(xiàn)在：專門針對小樣本，具有較好的推廣能力；巧妙地解決了維數(shù)問題，算法的復(fù)雜度與樣本維數(shù)無關(guān)；無需對變量作任何特殊假設(shè)；變量間是否存在共線性對數(shù)據(jù)處理和模型估計影響不大。它的局限性是特征集和核參數(shù)對模型性能具有重要影響。

綜上所述，國內(nèi)學(xué)者對傳統(tǒng)統(tǒng)計類預(yù)測模型之間、統(tǒng)計類模型與ANN之間做比較研究的較多，而對SVM與其他模型之間進(jìn)行比較研究的很少，尤其是SVM改進(jìn)算法以及核參數(shù)優(yōu)化對財務(wù)困境影響的研究就更少。

參考文獻(xiàn)

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

[2]張玲.財務(wù)危機(jī)預(yù)警分析判別模型[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2000，3：49-51.

[3]吳世農(nóng)，盧賢義.我國上市公司財務(wù)困境的預(yù)測模型研究[J].經(jīng)濟(jì)研究，2001.6.

[4]趙冠華.企業(yè)財務(wù)困境分析與預(yù)測方法研究[D].天津大學(xué)博士論文，2009.