財務風險預警研究文獻綜述

孟慶偉

（中國石油大學（華東），山東 青島266580）

我國金融體系建立目的在于服務實體企業(yè)發(fā)展，促進經濟增長。在防范系統(tǒng)性金融危機發(fā)生的背景之下，梳理企業(yè)財務風險預警研究文獻，對于識別風險、防范風險，進而提出化解風險的應對措施，顯得十分重要。

1 國外關于財務風險預警研究的綜述

國外的研究起步較早，其主要研究對象是企業(yè)的財務指標。同時，新的研究方法也不斷出現(xiàn)。

1.1 單變量模型

1932年，菲茨·帕特里克（1932）首次從財務指標切入進行研究。他發(fā)現(xiàn)權益負債比和權益凈利率這兩個指標在發(fā)生破產危機的企業(yè)和運營狀況良好的企業(yè)之間有顯著的差異，與財務風險的關系密切，能夠有效的對財務風險狀況進行判斷。

Beaver（1966）在Fitz Patrick的研究發(fā)現(xiàn)的基礎之上，發(fā)現(xiàn)財務危機公司和財務健康公司在現(xiàn)金流量/總負債比率、資產負債率和資產報酬率上有顯著差異。

由于單變量模型，以單個財務指標為基礎，判別依據相對單一，很容易誤判。因此，這種危機預警方法應用起來并不理想。

1.2 多變量模型

由于單變量模型易誤判，因此多變量財務風險預警模型便應運而生，并在財務風險預警中取得明顯更優(yōu)效果。

Altman（1968）以 1946-1965 年出現(xiàn)財務危機的33家公司配對財務正常公司作為研究樣本，從22個指標中，篩選出5個財務指標，構建了Z-SCORE多元判別分析模型。在發(fā)生危機前一年，準確率達95%；在發(fā)生危機的前兩年，模型判別準確率為72%，整體判別準確率相對較高，財務風險預警效果較好。

然而，由于這些模型建立的前提要求是研究使用的財務變量需滿足正態(tài)分布，但大多數(shù)財務指標往往并不能滿足。而logistic回歸模型用極大似然估計的方法，算出概率分布函數(shù)，取代線性函數(shù)，在研究中開始被更多地使用。

Martin（1977）將二元 logistic 應用于財務風險預警之中。他通過使用25個財務比率指標變量,建立了二元logistic財務風險預警模型，對危機發(fā)生前兩年的公司進行預測，預測準確度較高。

1.3 人工神經網絡模型

隨著計算機迅速普及和人們對新的研究方法的不斷學習，人工神經網絡模型以其獨特的優(yōu)勢，獲得了人們的青睞，被廣泛地應用。

Odom（1990）最先運用人工神經網絡研究財務風險預警。在Altman研究的基礎之上，建立神經網絡模型。預測結果顯示，危機公司與健康公司的準確率分別為81.75%和78.18%，預測結果表明了神經網絡模型在財務風險預警上的可行性。

2 國內關于財務風險預警研究的綜述

我國證券市場成立較晚，現(xiàn)代企業(yè)制度建立時間也較為滯后，所以對于財務風險預警研究的開始較晚。最初是學習和借鑒國外的財務風險預警研究。而后，研究的視角逐步從單純的財務指標朝著非財務指標轉移，并取得了不錯的研究成果。

2.1 參考或改進國外財務風險預警模型

周首華（1996）在Z-SCORE模型基礎之上，采用了現(xiàn)金流量比率指標，并運用多元回歸方法建立了F分數(shù)模型，對Z分數(shù)模型的進一步完善，并取得了預測準確率為70%的較好預測結果。

陳靜(1999)對我國首次被冠以ST頭銜的上市公司運用多種方法建立了財務風險預警模型進行研究。她發(fā)現(xiàn)出現(xiàn)危機的前三年，模型預警效果良好。

尤璞、武戈(2012)按照1:3的比例對財務危機企業(yè)和財務健康的企業(yè)進行配對，共選取320家上市公司，吸收股權結構變動等因素，建立BP神經網絡模型。

謝斥、趙亦軍(2014)構建了基于CFa R模型的Logistic回歸模型。研究發(fā)現(xiàn)，該模型對財務風險公司和財務正常公司的預測準確程度較高，可分別達到85.2%和81.5%。

2.2 引入非財務指標構建模型

王克敏、姬美光、崔建偉（2004）將關聯(lián)交易、對外擔保、投資者保護等指標納入上市公司財務風險預警模型之中。得出納入非財務指標的預測效果更好。

徐凌(2012)綜合上市公司的財務數(shù)據及經濟附加值EVA指標建立新的預警模型。增加了模型的判別能力，且該模型具有良好的預測效果。

黃德忠，朱超群(2016)吸收了反映企業(yè)資產質量的指標，建立二元Logistic預警模型。研究結果表明，在單純的財務指標體系中加入新的變量能顯著改善預警的準確程度。

3 文獻總結

通過文獻梳理，我們不難發(fā)現(xiàn)，國內外學者對財務風險預警的研究不斷深入，創(chuàng)立新的模型，財務風險預警的效果得到提高。

但是，這些研究主要集中在財務指標上。在非財務指標上，部分學者開始進行探索，但相對較少。因此，下一步的研究應該把一些與企業(yè)經營活動相關的非財務指標如公司治理、企業(yè)文化、社會責任等相關因素納入，可能使財務風險預警效果更好。

[1]Fitz-Patrick.Comparison ofRatiosofsuccessfulIndustrial Enterprises with Those of Failed Firms[J].CertifiedPublicAccountant,1932,598-605.

[2]J.Ohlson.A Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research,1980(1):109-131.

[3]尤璞,武戈.基于PCA-BP神經網絡的上市公司財務預警策略[J].統(tǒng)計與決策,2012(22):181-183.

[4]謝赤,趙亦軍,李為章.基于 CFaR模型與 Logistic回歸的財務風險預警研究[J].財經理論與實踐,2014(1):57-62.

[5]黃德忠,朱超群.引入企業(yè)資產質量指標的財務風險預警模型[J].財會月刊,2016(8):48-52.