多變量財務預警模型應用比較研究

劉 敏 雷 振

（華南理工大學經濟管理學院，河北 張家口 075100）

隨著世界范圍內經濟發展速度的加快，在企業經濟的發展過程中不確定因素也隨之增長，和以往相比，現代企業面臨著更大的出現破產和財務危機的可能性。因此，對企業防微杜漸進行財務預警研究是十分必要的。主要的財務預警模型分為單變量財務預警模型和多變量財務預警模型兩種。單變量財務預警模型由于只有一種財務指標，現代企業面臨著多方面的影響，往往單一指標并不能全面完全地反映企業的經濟狀況，運用這一模型時就會常常出現模型預警失誤，因此，多變量財務預警模型成為預警模型的主要選擇。目前主要的多變量財務預警模型包括：多元判別模型、主成分分析模型、多元邏輯模型、多元概率比模型和BP神經網絡模型五種。但目前對于多變量財務預警指標如何選取并沒有明確的理論指導，本文對前人的研究加以整理分析，希望可以在財務預警模型應用方面提供一些可以參考的信息。

一、財務危機的界定及樣本選取

國外對財務危機的研究主要側重于破產角度。Beaver 認為拖欠債務，優先股股利，破產是財務危機的表現。Carmichae 認為危機是指企業履行業務時受阻，表現為：長期債務能力低、資金取得困難。外國學者大多以破產來定義財務危機。但就我國而言，對破產研究的很少，郭麗紅認為財務危機是企業不能在規定期限內還款的一種表現，趙愛玲也認為財務危機即資不抵債。我國學者通常認為財務危機即無力支付到期債務的現象。同時，在樣本的選擇中外國學者通常選取《Moody 行業手冊》中破產企業為樣本，Beaver 他以79 家財務正常公司和破產公司作為研究對象，所選擇研究對象來源于《Moody 行業手冊》。國內通常選取上市ST 公司為研究對象，姜秀華、孫錚以2001 年11 月20 日為基點選取了42 家ST 公司進行財務預警研究。

就五種財務預警模型縱向比較而言，國內外學者在對財務危機的界定和樣本的選取方面存在著一定差異，但這種差異是由于國情等現實因素造成的，總的來說符合研究的實際情況，對五種財務預警模型的應用并沒有實質性的影響。

二、財務預警模型的應用范圍

在上述五種財務預警模型中，在理論層面上由于模型本身的要求，對模型的應用范圍有一定的限制。對于多元邏輯模型，BP神經網絡模型的應用并沒有數據類型的限制，但對于多元判別模型、主成分分析模型、多元概率比模型適用范圍有著嚴格的要求。陶艷珍指出對于多元判別模型，主成分分析模型要求樣本必須服從正態分布，兩個樣本組的協方差相等且變量之間存在著多重共線性關系。張妍妍指出多元概率比模型要求樣本服從正態分布，同時要求所選財務指標可以線性解釋P 值。在實際應用中除了受模型本身要求之外，五種財務預警模型可以隨意應用到各個行業領域。

從上述可以得出，單純就模型的適用性而言，由于模型本身對于樣本數據的要求多元判別模型、主成分分析模型和多元概率比模型應用受到一定的限制。多元邏輯模型、BP 神經網絡模型適用性更強。

三、財務預警指標選取

多元判別財務預警模型的首創者Altman 所建立的Z 模型從22 個會計比率類財務指標中提取出5 個具有代表的指標，即：營運資本/總資產、留存收益/總資產、息稅前收益/總資產、股東權益/總負債和銷售收入/總資產。吳世農引入公司內外部治理變量，在其建立的預警指標體系中使用了12 個非財務類指標，利用多元判別模型對公司財務狀態進行了預測。

楊淑娥，徐偉剛在主成分分析模型中考慮到反映現金流量方面的比率指標和累計盈利能力的比率指標。曹德芳、夏好琴運用主成分分析法，結合財務指標，將股權結構變量法人股比例、流通股比例引入到財務危機預警研究中。

Martin 建立的多元邏輯模型中指出凈利潤/總資產、壞賬/凈利潤、費用額/營業收入、等六個財務比率指標能夠更顯著判別公司的危機。楊華在引入財務指標的基礎上又引入了股權結構、年報披露、等四個方面的非財務指標，運用Logistic 回歸方法構建模型，預測準確率大有提高。

Ohlson 運用Probit 判別法建立的Probit 模型考慮到資產負債率，流動比率，利潤率等財務指標。白承彪從企業償債能力，盈利能力，營運能力和發展能力四個方面選取指標利用多元概率比模型進行預警。

Koh 用息稅前利潤、負債比率、資產報酬率、股票市價/總資產保留盈余/資產五個指標建立人工神經網絡模型。譚久均利用BP 神經網絡模型引入了銷售現金比率、經營活動現金流入比與現金流動負債比等三個現金流量類比率。

在五種財務預警模型的預警指標發展方面可以看出，初期財務預警指標集中于會計指標，隨著研究的深入，非財務指標和現金流量指標的引入使預警的準確性提升了。

四、預警度

在多元判別財務預警模型中Altman 認為如果企業的Z 值大于2.675，表明企業的財務良好；如果Z 值小于1.81，則企業存在很大的破產風險；如果Z 值處于1.81—2.675 之間，企業財務狀況是極不穩定的。

楊淑娥建立的Y 模型中Y>1 為財務狀況非常安全區域；1>Y >0.5 財務狀況安全區域；0.5>Y>0.3 財務狀況灰色區域；0.3>Y>0 財務狀況失敗區域；0>Y 財務狀況嚴重惡化區域。

多元邏輯模型和多元概率比模型p>0.5 財務狀況良好；p<0.5 出現財務危機。Martin 認為當p 值大于0.5 時說明企業財務狀況良好，反之企業會面臨極大的破產風險。

朱燕妮利用BP神經網絡模型按照第一次出現凈利潤為負值，連續兩年出現凈利潤為負值，每股凈資產低于賬面價值三個方面的不同情況把企業分為健康，輕度和重度三個方面。將預警安全指數在0 ～1 之間分為5 部分（0，0.2）巨警；（0.2，0.4）重警；（0.4，0.6）中警；（0.6，0.8）輕警；（0.8，1）無警。

在各個模型的預測過程中由于所選樣本，指標各個方面都存在著差異，因此模型的警度也有差異。

五、準確度

張玲以120 家公司為研究對象，選取了70 家處于財務困境的公司和非財務困境的公司為樣本，應用了線性判定分析，多元線性回歸分析和logist 邏輯回歸模型三種方法，分別建立三種預測財務困境的模型，這三種模型也都有一定的實踐效果。但針對同樣一個樣本數據的分析而言， Logistic 預測模型的預測精度最高，預測效果最好。吳應宇以我國上市公司為研究對象，根據行業分類和總資產規模選取被ST 和正常公司各28 家作為訓練樣本，運用3 種獨立的建模方法，分別建立了主成分分析預警模型、線性判別預警模型和邏輯回歸預警模型。通過模型比較發現，主成分分析預警模型優于線性判別模型。辛秀從償債能力等6 個方面選取指標，利用小波神經網絡方法構建財務預警模型，研究結果表明該方法優于多元統計方法，Logisic 和Pobit 方法構建的財務預警模型。

就一般情況而言，對財務危機預測精度，多元邏輯模型優于多元判別模型，多元概率比模型，主成分分析模型優于多元判別模型，BP 神經網絡模型優于多元邏輯模型和主成分分析模型，但有時模型的準確度也受所選行業所選財務指標影響。

六、研究結論及建議

從上文的分析中可以看出，在財務預警的過程中要充分了解每一個財務預警模型。在面對不同行業、不同樣本、不同財務狀況的公司時才能綜合應用這幾種模型。下面提出幾點在模型應用選擇中的意見。

（一）對各個模型要充分了解，綜合應用選擇

在模型的選擇過程中要充分利用模型的特點，針對企業不同情況分時段選擇。不可拘泥于單一的財務預警模型。例如多元判別模型指標反映全面但指標之間存在一定干擾性，可作為短期預測模型，BP 神經網絡模型適合作為由內部機制引起問題的模型。因此，這些模型應綜合應用。

（二）選取模型時，要充分考慮到樣本的使用條件

樣本的使用條件不僅包括樣本是否滿足模型的基本條件，還包括樣本所處行業特征和其他財務狀況等。例如，如果樣本過多會造成BP 神經網絡模型學習能力不高影響預測效果，同樣，在多元邏輯模型中如果樣本數量較少也會造成預測準度下降。

（三）在模型的應用過程中，要注意模型的改進

模型對于財務預警模型的準確度有很大的影響。在模型的應用過程中，我們要重視模型的改進問題，提高模型的應用效率。例如，BP 神經網絡模型中，可以應用遺傳算法來提高收斂速度，提升預測準確性。

（四）在預警過程中，也要注意指標的選取

預警指標作為財務預警的重要組成部分，在模型預測過程中有十分重要的作用，在模型的預測過程中，也要根據具體行業選取一定的行業指標和非財務指標、現金流量指標，才能更好地提高預測效果。

[1]Beaver W H.Financial Ratios as Predictors of Failure:Empirical Research in Accounting[J].Journal ofAccounting Research，1966（05）.

[2] Carmichael D.R. the Auditor’s Reporting Obligation[J].Auditing Research Monograph，1972（01）.

[3]郭麗紅.企業財務危機的原因分析[J].浙江財稅與會計，2001（10）.

[4]趙愛玲.企業財務危機的識別與分析[J].財經理論與實踐，2000（06）.

[5]姜秀華.孫錚治理弱化與財務危機:一個預測模型[J].南開管理評論，2001（10） .

[6]陶艷珍. 財務預警模型及其應用探討[J]. 財會月刊， 2008（12）.

[7]趙秀敏. 財務預警模型的創建與應用[J]. 西部財會，2011（03）.

[8]張妍妍，吳喬. 基于probit 模型的中國上市公司退市風險預警研究[J].貴州財經學院學報，2011（01）.

[9]Altman E，Haldeman R，Narayanan P.Zeta Analysis-a New Model toIdentify Bankruptcy Risk ofCorporations[J].Journal of Banking&Finance，1977.