公司財務風險預警文獻綜述

[摘 要]當前由于疫情的沖擊，國際形勢多變，國內經濟仍在復蘇，企業仍舊面臨潛在經營風險。在理論界，對財務風險的防范研究是財務管理的重要課題之一。文章對財務風險預警模型的構建做了國內外文獻的梳理和總結，試圖為后來者深入研究提供一些啟示。

[關鍵詞]財務風險;預警模型;單變量預警模式

[DOI]10.13939/j.cnki.zgsc.2021.36.012

1 引言

財務風險預警的研究一直是財務研究的熱點內容之一。目前，疫情影響下的國際政治和經濟間的矛盾凸顯，國內經濟仍在重啟之中。企業面對紛繁復雜的經營環境，經營不確定性增加。做好公司財務風險預警工作，并及時采取針對性措施化解危機，提升公司經營績效，是股東和相關利益者首要之事。梳理公司財務風險預警的相關文獻，有助于學術研究者深入研究和創新財務風險預警模型設計，為業界防范財務風險提供理論指導。

2 財務風險的內涵

財務風險是指公司經營面臨不確定環境，造成的一定時間內經營收益和預期收益發生較大差異的可能性。這種可能性如果得不到有效應對，甚至會導致公司財務狀況惡化，資金鏈斷裂，甚至破產。Carmichael R.（1972）認為，公司財務風險是指公司在營運資金、股東權益、債務履行等方面遭受到困難。Lau（1987）指出公司難以支付股息、資金流緊張、無法按期償還債務、進入破產清算環節等指標，是公司面臨財務風險的主要評價標準。趙春陽（2021）將財務風險分為籌資風險、經營風險和收益分配風險三個維度，認為公司應該從政府和公司兩方面做出有效防控措施降低風險。張金昌、王大偉（2020）認為財務困境本質是資金供求平衡的問題，從資金鏈角度，將其界定為從資金緊張、財務危機、債務違約最終企業破產的整個動態過程。

總之，公司財務風險指的是不可控因素導致的財務經營狀況異常，這些異常往往反映在財務指標甚至非財務指標上。公司財務風險是客觀和主觀的統一體。一方面財務風險不可能完全消除;另一方面公司管理層可以優化資本結構、合理安排籌資、投資方式等來減少財務風險。

3 財務風險預警模型的構建

3.1 單變量預警模型

國外學者Fitzpatrikc（1932）最早開始了財務風險的單變量預警模型研究，首次應用財務比率分析公司財務風險問題。他發現遭遇財務風險困境的公司與經營狀況良好的公司在財務比率等方面有著較多差異。通過對比19家遭遇財務風險預警的公司的財務比率，得出凈資產收益率和股東權益負債率是對財務風險預判性最強的兩個指標，從而開始了財務風險預警模型研究的先例。Beaver（1966）以Fitzpatrikc的研究為基礎，提出一元預警判別模型，他運用現金流量負債率的指標，選擇156家公司（財務狀況良好和遭受風險的各56家）十年間的財務數據，分析認為現金流量負債率、凈利潤/總資產、負債/總資產對財務風險預判效果較強，其中現金流量負債率的預判效果最強。

國內學者吳世農，黃世忠（1987）運用單變量預警模型分析了公司破產的區間控制估計值，認為在經營管理水平和計算能力較差的國內環境中，應用單變量預警模型來進行區間控制的預測不失為一個好方法。學者程洪波（2003）選用經營活動產生的現金流量相關指標測算并建立單變量預警模型，對國內29家遭遇退市風險后又解除的上市公司進行財務風險研究，得出與之前學者不同的結論，即經營活動現金流量指標為基礎的單變量模型不能準確預測和反映公司財務風險。

財務風險單變量預警模型開啟了公司風險預測的實證研究先河。其模型簡單易懂，操作性強，但也不可避免存在缺陷。單變量預警模型在指標選取上主觀性較強，導致模型預測出現偏差，模型預測的準確性大打折扣。而且單指標的風險預測并不能完全規避公司管理層粉飾財務報表的可能，這樣就失去了財務風險預警的初衷。

3.2 多變量預警模型

因為單變量預警模型的指標選取主觀性較強，預測存在不準確可能，多變量預警模型隨之出現。其中最有代表性的是Z-score模型。國外學者Altman（1968）以1945—1964年66家公司為樣本，對22個財務指標篩選出5個財務風險相關變量：營運資本和資產比率、所有者權益負債比率、留存收益和資產比率、息稅前利潤和資產比率、總銷售額和資產比率。并建立模型對公司破產進行預測，效果顯著，但其預測模型有著一定的行業局限性。此后國外學者Blum（1974）將現金流量納入預測模型中，改進Z-score模型，建立F計分模型，拓寬了前者的應用范圍。其對超過100多家公司進行驗證模擬，結果表明F計分模型比Z-score模型預測準確性要高。后來，Blum、Haldeman和Narayanan（1977）等人經過兩次修正，構建了新Z-score模型，即ZETA模型。通過重新優化調整，選取財務數據的七個重要變量，運用111家公司樣本進行驗證，表明使用ZETA模型對一年內破產公司風險預警準確度高達90%。

由于Altman等人的Z-score模型主要針對的是美國資本市場，與國內財務報表、會計準則、指標計算等方面有著不同。國內學者在Altman的Z-score模型基礎上，做了一些改進。周守華等（1996）構建了F分數模型，增加了現金流有關財務指標，采用多元分析法對Altman的模型進行優化。張愛民（2000）將主成分分析法和Z-score模型結合，改進了模型，彌補了Z-score模型T-1年預測結果準確率不高的缺陷。楊淑娥（2003）運用主成分分析法，以67家公司為研究樣本，在Z-score模型基礎上構建了Y分數模型。李敏（2012）在學者周守華（1996）的F分數模型基礎上，分析國內創業板市場公司的財務狀況，同時表明考察公司財務狀況時應注意公司現金流量的償債能力、投資價值、資產的流動性和籌資能力等。張金昌、范瑞真等（2015）以企業資金鏈斷裂風險為研究視角，選取能反映資金缺口的靜態和動態指標，以A股38家股市公司和同期38家配對公司為研究樣本，構建了風險識別的度量指標體系并加以驗證，模型效果顯著。

多變量預警模型雖然相比單變量預警模型更具優勢，但也存在不足。多變量預警模型對樣本的要求苛刻，一般將樣本公司分為兩組，要求兩組數據呈正態分布且均方差矩陣相等。因此在實踐操作中，很少有理想化的數據。多變量預警模型對一年內出現財務風險的公司預測性高，對近兩年、三年的預測性不太理想，甚至有時會不如單變量預警模型預測準確的情況。

3.3 Logistic預警模型

由于多變量模型的局限性，20世紀70年代出現Logistic模型（即邏輯回歸模型）。該模型屬于非線性模型，采用最大似然估計法，求解方程并計算目標的條件概率。Martin（1977）以2163家公司7年間的數據為研究樣本，通過對ZETA模型、Z-score模型和Logistic模型對比，認為Logistic模型的預測準確度更高。Ohlson（1980）以1970—1976年間破產的105家公司和持續經營的2058家公司為樣本進行研究，建立公司規模、資本結構、變現能力和經營績效四個維度的Logistic模型，深度探討了公司破產的概率分布，并且證明了定性指標在財務風險預警中也有著重要作用，開啟了非財務指標在預警模型中使用的先河。Tiara等（2016）采用Logistic模型對印度尼西亞的保險公司財務風險預測，最終表明流動性比率和公司財務風險顯著相關。

國內學者也較多使用Logistic模型來進行公司風險預測。羅曉光（2011）進行了商業銀行風險的研究，通過比較經營穩健和存在經營風險的商業銀行在資本充足率、銀行信用、盈利能力、發展能力、資本流動性等指標的差異，構建了一個多指標綜合監控的銀行財務風險測度模型。齊岳（2019）以港股房地產公司為樣本，科學選取23個財務指標，結合Z-score和Logistic回歸分析，構建了一個財務風險評估模型。他認為該模型的預測精確度能達到89%，并且港股房地產公司的財務指標可以直接代入該模型，就可以判別財務風險發生的可能性。在實際操作中應用性較強，豐富了以往的模型構建方面的研究。

Logistic預警模型克服了多變量預警模型在數據要求方面嚴苛的局限性，拓展了研究的應用范圍。但是，Logistic預警模型對計算的要求較高，過程煩瑣，涉及很多近似的估算過程，這在一定程度上影響了預測的精確性。

3.4 神經網絡預警模型

隨著計算機技術發展和科技進步，人們逐漸利用計算機參與財務風險預警模型的構建。

神經網絡計算是模擬人類神經元的一種高度復雜的非線性動力學習系統。神經網絡預警模型是一種比較理想的預測方法，具有廣泛的適用范圍和較高的推廣價值。國外學者Odom（1990）首次將人工智能算法中神經網絡的概念引入模型設計，選取64家經營穩健和經營失敗的公司為研究對象，表明該模型能夠有效提高預測準確度。Adrian Costea（2019）利用網絡神經算法，建立預防金融機構績效惡化的預警系統，評估羅馬尼亞的非銀行金融機構的財務績效。該算法將財務數據集納入每個觀察值，并將其放置到一個自組織圖中，該圖可用于可視化單個NFI的軌跡，并根據不同的績效維度（例如資本充足率）對其進行解釋其資產的質量和盈利能力。

國內學者楊保安（2001）構建財務風險指標體系并構建神經網絡預警模型，最后用公司數據驗證了該模型的可操作性。楊淑娥（2007）同樣運用神經網絡方法從償債能力、盈利能力、變現能力等多方面，構建預警模型，科學分析數據。鄭建國（2016）建立了一種基于粒子群算法的新的神經網絡模型，利用此算法賦予最優的權值，為創新神經網絡模型提供了思路。邢瑞雪（2019）運用78家上市公司數據，分別采用多變量預警模型、邏輯回歸模型和神經網絡模型，結果表明基于人工智能的神經網絡模型比傳統財務風險預警模型更具有預測性。

神經網絡預警模型是伴隨著計算機科學的發展而產生的。它對計算要求很高，構建較為復雜，但預測準確度上較傳統預警模型要好。但隨著科技的發展和理論研究的豐富，該模型也在不斷完善、更新和發展。

3.5 熵值法預警模型

“熵”是物理學名詞，由德國物理學家克勞修斯于1865年提出，表示對某些物質系統狀態的一種量度。隨著“熵”理論的跨學科滲透，國內外一些學者開始將其引入財務風險預測模型中，篩選財務風險指標和賦權計算。

國外學者Theil（1969）最先將熵值法應用于財務研究。他使用泰爾熵指標來計算收入差異和討論社會公平問題。Quinlan（1979）對比多個財務風險預警模型后，認為熵值法模型能夠克服指標的繁冗問題。國內從20世紀90年代開始熵值法模型的研究，應用于公司績效評價。蔡彥哲（2019）將因子分析法和改進的熵值法結合，對林業上市公司進行了實證研究，表明不同地區和行業的林業公司績效差異顯著，面臨風險也不同。姜作鵬（2020）使用熵值法構建格力公司績效指標評價體系，對公司財務風險進行有效預警。

熵值法能夠克服主觀確定權重方法的缺陷，但對數據的全面性要求高，實際中研究數據的選取對結果影響較大。熵值法還存在風險識別準確度不高但權重較高的情況，因此熵值法和其他方法的有效結合使用會提高風險評價的準確性。

3.6 功效系數法預警模型

功效系數法是一種業績評價方法。它是根據目標規劃原理，對財務指標設置滿意值和不允許值，并根據此計算指標分數，加權平均后進行客觀評價。

國內學者顧曉安（2000）首次使用功效系數法進行財務風險預警的研究，對八個財務指標設置滿意值和不允許值，計算綜合功效系數，最終對財務風險狀況進行判斷。一些后來學者在此基礎上進行了改進。雷振華（2007）改進了評分方法，將原模型中兩個檔次標準值改為五個檔次;取消原模型中基礎分，將其歸入變動范圍中。吳本杰（2012）使用公司治理中股權結構、外部審計意見等非財務指標，對上市公司10年間數據進行分析驗證。王濟民，蔡穎（2016）根據多目標規劃原理，采用一種有序樣本聚類新方法，為我國國有企業績效評價提供了新思路。劉飛虎（2016）以我國56家上市的股份制銀行為研究對象，預測銀行經營風險，構建功效系數法下的預警模型。張梓昱（2020）對國內五家保險公司財務數據進行評價，應用功效系數法計算排名，構建指標評價體系。類似地，徐詩然（2021）以水上運輸業的16家公司為研究樣本，從盈利能力、經營狀況、資產狀況、債務風險四方面運用功效系數法進行業績評價，評估財務風險，并提出改進措施。

功效系數法計算方式簡便，可操行強。它最開始廣泛應用于公司績效評價研究，在業界也獲得高度評價。但功效系數法也存在一些缺陷，比如只有滿意值和不允許值兩個檔次，且調整分數和基礎分數比例固定等問題，會影響預測準確度。因此學者常常將其與其他方法結合使用，更為準確確定權重，使其評價更科學合理。

4 文獻述評

國內外學者在預警模型構建等方面都做了大量的研究，而且還在繼續深入和創新。在研究樣本上，因為上市公司的財務披露制度，較多成為研究對象，通常將樣本公司分為ST和非ST兩組進行對比分析。在研究指標上，從基于財務報表的單一財務比率指標、多元財務比率指標到財務指標與非財務指標結合使用，經歷了從簡單到復雜、從合理到科學的漫長過程，財務風險預警模型的預測也趨于精確。最初僅基于資產負債表和利潤表選取單一財務比率的指標，后因利潤表容易被管理層粉飾操縱，不能真實反映現金流，又轉向現金流量表指標的分析上;隨著經濟發展、技術進步和不確定因素的增多，純粹財務指標不能完全反映企業財務風險，一些包含資本市場信息、宏觀經濟發展、公司治理等內容的非財務指標被引入指標體系和模型構建中。在研究模型上，從單變量預警模型、多變量預警模型發展到多種多樣的預警模型。國內學者研究較晚，大部分借鑒國外的經營和做法，進行模型的設計;后期研究在指標選擇和模型調整上做了一些創新，以更好適應國內企業的制度環境和經營現狀。尤其是Logistic預警模型的出現，在國內得到廣泛的應用，學者也在此基礎上不斷創新模型。新的預警模型利用大數據技術等在數據挖掘和預測效率方面都有明顯的提高，但也存在技術門檻高、計算復雜的不足。

總之，公司財務風險預警的研究方面，國內外學者在指標選擇、預警方法和模型構建等方面的豐富經驗為后續研究做了很好的基礎鋪墊，提供了大量的研究思路，有利于研究的深入和創新。

參考文獻：

[1]張金昌，范瑞真.資金鏈斷裂成因的理論分析和實證檢驗[J].中國工業經濟，2012（3）：95-107.

[2]吳世農，盧賢義.我國上市公司財務危機的預警模型研究[J].經濟研究，2001（6）：46-55.

[3]聶麗潔，趙艷芳，高一帆.基于現金流的財務危機預警指標體系構建研究——基于我國制造業上市公司數據[J].經濟問題，2011（3）：108-112.

[4]王宛容.基于logistic模型的上市公司財務風險預警[J].中國水運，2021（1）：154-156.

[5]劉倩.基于二元邏輯模型的企業財務預警機制研究[J].統計與決策，2010（14）：187-188.

[6]周首華，楊濟華，王平.論財務危機的預警分析——F分數模式[J].會計研究，1996（8）：8-11.

[7]ALTMAN. Financial ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].The Journal of Finance，1968，23（4） ： 589-609.

[8]OHLSON.Financial ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980： 109-131.

[作者簡介]張璟龍，男，中國社會科學院大學博士研究生，研究方向：公司治理、企業戰略等。