財務困境預測：會計模型與市場模型信息量比較

董雪杰　劉媚

摘要：基于會計模型與市場模型的信息含量考慮，本研究采用離散時間風險模型技術實證比較了MertonDD模型與各z值模型對企業財務困境的預測能力。結果表明，違約距離和各z值指標都涵蓋了有關企業財務困境的重要信息，但違約距離的信息含量則較弱。總體上，財務信息對預測企業財務困境具有不可替代的作用，會計比率作為一種分析技術，其作用應被加強而不是被弱化。

關鍵詞：財務困境；會計模型；市場模型；信息量；離散時間風險模型

中圖分類號：F201 文獻標識碼：A

文章編號：1005-913X（2016）08-0099-04

一、引言

2008年金融危機以來，企業財務困境問題再次成為業界關注的焦點。當前，預測和管理企業財務困境越來越成為企業經營、投資決策和貸款決策的一個重要組成部分，股東、債權人以及企業員工都對財務困境或即將破產的風險給予高度的重視（Beaver等，2011）。

自Beaver（1966）和Altman（1968）的開創性研究以來，相關實證研究一直聚焦在那些具有最佳預測能力的變量或信息上，并形成了兩種主流的方法或模型：一是基于會計信息的傳統統計模型（以下簡稱會計模型）。二是基于市場信息的未定權益模型（以下簡稱市場模型）（Bauer and Agawal，2014）。盡管有關兩類模型的文獻已相當豐富，但會計模型和市場模型的信息含量仍是目前實證爭議的一個主題，市場模型是否對財務困境預測提供有增量信息仍具有不確定性?，F基于中國滬深A股上市公司的數據，運用Shumway（2001）提出的離散時間風險模型技術進行實證分析，以對這一問題提供新的實證依據。

二、文獻回顧

會計模型的文獻認為上市公司公開披露的財務報表中隱含了解釋企業財務困境的重要信息，學者們多通過運用各種不同的統計方法從中提取重要的財務變量來評估企業陷入財務困境的程度，Ahman（1968）的Z-Score模型為這類研究的經典代表。市場模型則基于Black and Scholes（1973）和Merton（1974）的期權定價理論。迄今為止，最有影響力的市場模型當屬Moodys KMV模型。因此，使用這類模型的研究常被冠以“Merton模型”“KMV模型”“Merton DD模型”等稱謂。關于這兩類模型研究的國外研究狀況可見崔毅和蔡玉蘭（2014），在此不加詳述。

我國學者自90年代初開始對國內企業財務困境預測展開了持續不斷地研究，迄今為止已涌現出大量的理論和實證研究成果。如石曉軍和任若恩（2005）研究發現在我國找不到足夠的證據支持基于期權方法的Merton模型與基于會計信息的z記分模型之間的一致性，而馬若微（2006）的研究顯示KMV模型對于中國股市是適用的，它能較早的反映公司的經營業績與抗破產能力；在引入功率曲線進行優越性分析發現，KMV模型在大部分情況下都有優于Fisher模型和Logistic模型的表現。但劉國光等（2005）發現Merton模型并不是違約風險的最佳度量，僅僅依靠違約距離難以準確地預測中國上市公司的失敗，將其和財務指標同納入模型中時，違約距離對模型的預測能力也沒有實質性地提高（潘彬、凌飛，2012）?？椎聽I和李曉峰（2012）專門比較了Merton模型和Logistic模型的預測效果，發現Merton模型對違約風險預測的準確性僅有31.26%。

除了孔德營和李曉峰（2012）的研究外，上述研究多是建立在小樣本觀測數的基礎上，采用截面數據進行分析，未能體現出企業陷入財務困境的動態性。孔德營和李曉峰（2012）的研究樣本雖然多達一萬多個公司年度觀測數，實證也發現兩類模型間的一致性較差，但并未指出兩類模型間是否具有增量互補效應。另外，在模型的估計上，也未對變量的標準誤進行調整。Petersen（2009）和Thompson（2011）均指出，在使用金融類面板數據集時，需要對模型中變量的標準誤進行Cluster調整，以避免標準誤被低估而致使一些可能不顯著的變量也是顯著的。

本研究旨在采用離散時間風險模型分析方法比較兩類模型的信息含量，樣本公司觀測數據跨度最長達19年（1996年-2014年），合計17 753個公司年度觀測數。相比國內已有的研究，本文在樣本選擇上跨年較久，觀測數眾多，基本達到現有研究所采用樣本的最大量。在方法上，采用了代表現有研究最高水平的建模技術——離散時間風險模型（Campbell，2011），并根據Petersen（2009）和Thompson（2011）的建議，對模型中變量的標準誤進行Cluster調整。擬通過這種考慮了時間因素的模型估計方法，基于大樣本數據分析會計模型與市場模型的相對信息含量和增量信息含量，以為國內這方面的研究提供新的證據。

三、離散時間風險模型

離散時間風險模型（Discrete time hazard model，簡稱DTHM）本屬于生存分析或持續期分析的范疇，是一種包含了時間序列數據的技術方法，特別適用于分析那些由二元的、時間序列和截面觀測值所組成的數據，如破產數據（Hillegeist等，2004）DTHM與logit模型緊密相關，其函數形式如下：