基于KLR的企業(yè)財務(wù)風(fēng)險預(yù)警探討

武漢理工大學(xué)管理學(xué)院 彭建峰 張友棠 李 娜

一、引言

我國社會經(jīng)濟形勢瞬息萬變，影響企業(yè)財務(wù)風(fēng)險的各種因素十分活躍，因此企業(yè)面臨的財務(wù)風(fēng)險形勢異常嚴峻。各種不可控、無法預(yù)知的因素對企業(yè)財務(wù)風(fēng)險的影響最終都能夠在企業(yè)的財務(wù)指標(biāo)上得到體現(xiàn)。所以，通過構(gòu)建財務(wù)風(fēng)險預(yù)警模型，分析企業(yè)財務(wù)指標(biāo)中暗含的財務(wù)風(fēng)險信息，進而對企業(yè)有可能發(fā)生的財務(wù)風(fēng)險進行預(yù)警，提前采取有針對性的處理措施，對企業(yè)的財務(wù)風(fēng)險管理具有重要的現(xiàn)實意義和應(yīng)用價值。

目前，常見的財務(wù)風(fēng)險預(yù)警模型主要有單變量模型、線性概率模型、多元邏輯模型、人工神經(jīng)網(wǎng)絡(luò)模型等。許多國內(nèi)學(xué)者也嘗試著用這些模型中的一個或者幾個對企業(yè)財務(wù)風(fēng)險進行預(yù)警。如施平（2010）用Probit模型研究企業(yè)財務(wù)風(fēng)險，并進一步指出了企業(yè)財務(wù)風(fēng)險與企業(yè)增長與規(guī)模存在內(nèi)在的聯(lián)系。于文華（2010）分別利用Logit模型和人工神經(jīng)網(wǎng)絡(luò)模型對我國制造業(yè)上市公司的財務(wù)危機進行預(yù)警分析，并對這兩種模型的預(yù)測結(jié)果進行對比分析，分析結(jié)果表明人工神經(jīng)網(wǎng)絡(luò)模型具有較高的預(yù)測精度。秦勇（2013）綜合運用了人工神經(jīng)網(wǎng)絡(luò)模型和模糊綜合評價方法，從定量和定性分析相結(jié)合的角度對物資公司的財務(wù)風(fēng)險預(yù)警模型進行了研究，并指出預(yù)警工作中需要注意預(yù)警分析主體的選擇和預(yù)警過程的控制。然而這些模型都只能簡單的提供風(fēng)險預(yù)警的結(jié)果，無法揭示財務(wù)風(fēng)險變化的根源，在風(fēng)險預(yù)警的準(zhǔn)確性和可操作性上也無法很好地滿足企業(yè)的需求。

鑒于現(xiàn)有財務(wù)風(fēng)險預(yù)警模型存在的不足，本文引入KLR模型，分別從單指標(biāo)和合成指標(biāo)兩方面展開分析，揭示企業(yè)的財務(wù)風(fēng)險及其傳導(dǎo)的路徑。

二、KLR模型簡介

KLR模型，亦稱為信號分析法，是由IMF的三位專家Kaminsky、Lizondo和Reinhart于1997年創(chuàng)建的。該模型最早被應(yīng)用于宏觀貨幣危機的預(yù)警，發(fā)展至今已經(jīng)成為最受歡迎的風(fēng)險預(yù)警方法之一。KLR模型的核心思想是研究貨幣危機產(chǎn)生的原因，確定能夠用于風(fēng)險預(yù)警的先行指標(biāo)及其閾值。當(dāng)先行指標(biāo)的某個值超過了閾值，即意味著發(fā)出了一個風(fēng)險預(yù)警信號，信號越多，風(fēng)險爆發(fā)的可能性越大。風(fēng)險預(yù)警信號的發(fā)出意味著信號區(qū)間內(nèi)有可能爆發(fā)貨幣危機，這里的信號區(qū)間指的是模型預(yù)測的未來可能發(fā)生危機的時間范圍。在KLR模型中，該時間范圍是風(fēng)險預(yù)警信號發(fā)出后的24個月。

KLR模型的應(yīng)用的關(guān)鍵在于先行指標(biāo)的選取和閾值的確定。每一個先行指標(biāo)在預(yù)測過程中的表現(xiàn)可以歸納為表1。

表1 預(yù)警指標(biāo)的表現(xiàn)

表1中A表示預(yù)警信號發(fā)出，且危機在信號區(qū)間內(nèi)發(fā)生的月數(shù)；B表示預(yù)警信號發(fā)出，但危機沒有在信號區(qū)間內(nèi)發(fā)生的月數(shù)；C表示預(yù)警信號沒有發(fā)出，但信號區(qū)間內(nèi)發(fā)生了危機的月數(shù)；D表示預(yù)警信號沒有發(fā)生出，危機沒有在信號區(qū)間內(nèi)發(fā)生的月數(shù)。一個完美的先行指標(biāo)需要滿足A，D>0且B，C=0的條件。在實際的生活中，并不存在這樣的完美指標(biāo)，但是這個條件可以用于衡量先行指標(biāo)接近完美的程度，進而判斷先行指標(biāo)是否可以用于預(yù)警。具體用以下一些數(shù)值來判斷先行指標(biāo)接近完美的程度：（1）A/（A+B）表示發(fā)出的所有預(yù)警信號中正確信號的比率；（2）A/（A+C）表示危機發(fā)生且得到正確預(yù)警的比率，即有效信號比率；（3）B/（B+D）表示發(fā)出的失效（噪音）信號的比率；（4）［B/（B+D）］/［A/（A+C）］表示噪音信號和有效信號的比率。

將KLR模型應(yīng)用到企業(yè)財務(wù)風(fēng)險預(yù)警，一方面可以通過單指標(biāo)分析揭示企業(yè)財務(wù)風(fēng)險傳導(dǎo)的路徑，從而有針對性地采取風(fēng)險防控措施；另一方面，可以通過合成指標(biāo)分析，明確企業(yè)面臨的財務(wù)風(fēng)險的程度。

三、企業(yè)財務(wù)風(fēng)險預(yù)警指標(biāo)體系與預(yù)警閾值

本文以國務(wù)院國資委統(tǒng)計評價局每年制定的《統(tǒng)計評價標(biāo)準(zhǔn)值》為依據(jù)，選取企業(yè)的財務(wù)風(fēng)險預(yù)警指標(biāo)及其閾值。這些閾值是通過對不同行業(yè)、不同規(guī)模的樣本企業(yè)數(shù)據(jù)進行客觀分析，運用數(shù)理統(tǒng)計的方法制定的，其研究成果具有很高的科學(xué)性和可靠性。本文在此基礎(chǔ)上構(gòu)建的企業(yè)財務(wù)風(fēng)險預(yù)警指標(biāo)體系固然更加準(zhǔn)確、便捷，具有更廣泛的適用性。

依據(jù)2013年的《企業(yè)績效評價標(biāo)準(zhǔn)值》的指標(biāo)劃分標(biāo)準(zhǔn)，本文從企業(yè)的盈利能力狀況、資產(chǎn)質(zhì)量狀況、債務(wù)風(fēng)險狀況、經(jīng)營增長狀況四個方面全面選取了16先行指標(biāo)以構(gòu)建企業(yè)財務(wù)風(fēng)險預(yù)警指標(biāo)體系（如表2）。由于許多指標(biāo)與企業(yè)財務(wù)風(fēng)險成負相關(guān)，故相應(yīng)指標(biāo)及其閾值在取值時取負數(shù)。

表2 企業(yè)財務(wù)風(fēng)險預(yù)警指標(biāo)體系

四、實證檢驗

（一）樣本選取與危機判斷 本文選取了20家制造業(yè)上市企業(yè)作為研究樣本，其中包括10家2013新增ST上市企業(yè)（表3），5家2013年摘帽的ST上市企業(yè)（表3），和5家非ST上市企業(yè)（表4）。因為KLR的信號區(qū)間為24個月，故本文以樣本企業(yè)2011年、2012年的財務(wù)報表數(shù)據(jù)作為研究對象。所有數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫。

表3 10家2013新增的ST公司上市公司

表4 5家2013年摘帽的ST上市公司

表5 5家2013非ST上市公司

表6 單指標(biāo)預(yù)警分析

（二）單指標(biāo)預(yù)警分析 本文的單指標(biāo)預(yù)警分析以20個上市企業(yè)的財務(wù)數(shù)據(jù)為研究對象，表6給出了單指標(biāo)的預(yù)警分析的具體結(jié)果。

［B/（B+D）］/［A/（A+C）］為噪音信號比率，該指標(biāo)大于1，即意味著先行指標(biāo)發(fā)出的噪音多于有效信號，這樣的指標(biāo)預(yù)警效果不好應(yīng)直接剔除。從表6可以看出，X22、X23、X24、X34的預(yù)警效果不好。A/（A+B）表示所有發(fā)出的預(yù)警信號中正確信號的比率，除了X22的值較低外，其余先行指標(biāo)均達到了70%左右，個別甚至達到了90%，故其余先行指標(biāo)在該方面表現(xiàn)出色。（A+C）/（A+B+C+D）表示財務(wù)風(fēng)險在信號區(qū)間內(nèi)爆發(fā)的月數(shù)占的比率。相對于A/（A+B），（A+C）/（A+B+C+D）可以理解為非條件概率，正常情況下，同一個指標(biāo)（A+C）/（A+B+C+D）的值應(yīng)該小于A/（A+B）的值。X22、X23、X24、X34的在該方面表現(xiàn)異常，說明這幾個指標(biāo)預(yù)測能力不佳，該結(jié)果和［B/（B+D）］/［A/（A+C）］的判定結(jié)果一致。另一方面，（A+C）/（A+B+C+D）該指標(biāo)也從某種程度上反映出企業(yè)在該先行指標(biāo)所體現(xiàn)的經(jīng)濟含義方面的表現(xiàn)，數(shù)值越大，實際發(fā)生財務(wù)危機的可能性越大，企業(yè)在該方面的表現(xiàn)越差。企業(yè)可以據(jù)此有針對性的采取風(fēng)險防控措施。（A+D）/（A+B+C+D）表示各指標(biāo)的正確風(fēng)險預(yù)警表現(xiàn)的占比，各指標(biāo)在該方面的表現(xiàn)出現(xiàn)較大的分化，X11、X12、X14、X32、X33、X41、X42、X44達到70%以上，表現(xiàn)較好，其余指標(biāo)則分布在40%-70%的區(qū)間內(nèi)。

從單標(biāo)分析來看，基于KLR的企業(yè)財務(wù)風(fēng)險預(yù)警模型的預(yù)警效果較好，但也仍存在一些需要修正的地方，例如噪音-信號比率大于1的4個指標(biāo)需要予以剔除。經(jīng)過修正的模型包括剩余的12項指標(biāo)，下面的合成指標(biāo)分析也將以這12項指標(biāo)為基礎(chǔ)。

（三）合成指標(biāo)預(yù)警分析 為了綜合考慮各個指標(biāo)發(fā)出的風(fēng)險預(yù)警信號，明確企業(yè)面臨的財務(wù)風(fēng)險程度，Kaminsky（1999）先后設(shè)計了四個合成指標(biāo)。第一個合成指標(biāo)I1t是各預(yù)警指標(biāo)發(fā)出信號數(shù)的簡單加總；第二個預(yù)警標(biāo)I2t是通過設(shè)定閾值區(qū)分強勢信號Sei，t和弱 勢信號Smi，t之后得到的加權(quán)平均數(shù)；第三個合成指標(biāo)I3t是通過判斷第i個預(yù)警指標(biāo)是否在第t-s期至第t期期間發(fā)出危機信號，并據(jù)此對其賦值得來的。除了上述三個指標(biāo)本身存在的不合理性，他們還忽視了各個指標(biāo)的預(yù)測能力對合成分析的影響，而實際操作中，預(yù)測能力越強的指標(biāo)顯然應(yīng)被賦予更大的權(quán)重。針對這種情況，Kaminsky（1999）設(shè)計了第四個合成指標(biāo)I4t。由于噪音信號比率與預(yù)測能力成負相關(guān)，故本文的第四個合成指標(biāo)將以噪音-信號比率的倒數(shù)為權(quán)重進行構(gòu)建，具體如下：

上式中，如果第i個預(yù)警指標(biāo)在第t期超過閾值，Si，t取1，否則取0。這樣的處理使得合成指標(biāo)預(yù)警分析結(jié)果，即風(fēng)險指數(shù)Pi可以用百分比表示。根據(jù)Pi的取值可以將企業(yè)面臨的財務(wù)風(fēng)險劃分成幾個等級：無警，0≤I4t≤30%，輕警，30%≤I4t≤50%；中警，50%≤I4t≤70%；重警，I4t≥70%。

表7 各指標(biāo)權(quán)重

本文選擇四個合成指標(biāo)中設(shè)計最合理的第四個合成指標(biāo)進行合成指標(biāo)預(yù)警分析，其具體結(jié)果如表8所示。

表8 合成指標(biāo)預(yù)警分析結(jié)果

由表8可以看出，利用第四個合成指標(biāo)對樣本企業(yè)的財務(wù)風(fēng)險狀況進行評級，除了個別企業(yè)略微出現(xiàn)偏差，其總體上較為準(zhǔn)確地反映了樣本企業(yè)的財務(wù)風(fēng)險狀況，故基于KLR的企業(yè)財務(wù)風(fēng)險預(yù)警模型具有較高的風(fēng)險預(yù)測精度。

五、結(jié)論

通過以上的研究，本文得出以下結(jié)論：第一，企業(yè)財務(wù)風(fēng)險影響因素的作用結(jié)果最終都能在企業(yè)的指標(biāo)上得到體現(xiàn)。所以，通過研究企業(yè)財務(wù)指標(biāo)分析其暗含的財務(wù)風(fēng)險能夠起到較好的風(fēng)險預(yù)測的效果。第二，KLR模型在企業(yè)財務(wù)風(fēng)險預(yù)警方面的應(yīng)用不僅能夠預(yù)測企業(yè)財務(wù)風(fēng)險的程度，一定程度上通過單指標(biāo)分析的結(jié)果也能揭示財務(wù)風(fēng)險的來源路徑。第三，基于KLR的企業(yè)財務(wù)風(fēng)險預(yù)警模型的實證檢驗過程充分證明了，該模型具有較高的預(yù)測精度的同時應(yīng)用難度較低，具有很好的可操作性，能夠較好地滿足我國企業(yè)財務(wù)風(fēng)險預(yù)警的需求。

盡管KLR模型在危機預(yù)警中表現(xiàn)出了良好的預(yù)警效果，但其本身依然存在一定的缺陷。例如KLR模型的信號區(qū)間是24個月，這期間企業(yè)會根據(jù)預(yù)警信號在財務(wù)風(fēng)險爆發(fā)之前采取必要的措施避免其爆發(fā)，這些措施產(chǎn)生的效果會影響模型對財務(wù)風(fēng)險預(yù)警的準(zhǔn)確性。這些問題都有待今后進一步的深入研究。

［1］張友棠、黃陽：《基于行業(yè)環(huán)境風(fēng)險識別的企業(yè)財務(wù)預(yù)警控制系統(tǒng)研究》，《會計研究》2011年第3期。

［2］張繼德、鄭麗娜：《集團企業(yè)財務(wù)風(fēng)險管理框架探討》，《會計研究》2012年第12期。

［3］曹彤、郭亞軍：《基于神經(jīng)網(wǎng)絡(luò)模型的上市公司財務(wù)風(fēng)險預(yù)警研究——來自山東省制造業(yè)數(shù)據(jù)》，《財會通訊》（綜合·中）2014年第9期。

［4］盧媛媛、何海燕：《基于KLR信號分析的美國對華反傾銷預(yù)警研究》，《技術(shù)經(jīng)濟與管理研究》2011年第7期。

［5］肖敬紅、聞岳春：《基于KLR模型的我國股市系統(tǒng)性風(fēng)險預(yù)警研究》，《上海金融》2013年第5期。

［6］羅幼喜、劉賢龍、邱忠儀:《財務(wù)危機的組合判別研究》，《統(tǒng)計與決策》2005年第16期。

［7］趙愛玲：《企業(yè)財務(wù)危機的識別與分析》，《財經(jīng)理論與實踐》2000年第11期。

［8］吳艷華：《集團公司財務(wù)戰(zhàn)略管理》，中國宇航出版社2012年版。

［9］John Evans,Amandha Ganegoda.A framework to manage the measurable,immeasurable and the unidentifiable financial risk.Australian Journal of Management,2012,3（2）.