| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 经济/产业 |
提要 本文对国内外财务风险预警研究进行综述，并对财务风险预警研究的发展趋势进行探讨，希望为建立适用于我国企业的财务风险预警机制提供线索。
关键词：财务风险；预警模型；比较分析；发展趋势
中图分类号：F23 文献标识码：A
一、财务风险预警的基本含义
企业财务风险预警实际上是企业风险预警的一部分，是指通过设置一些财务敏感指标并观察其值的变化，对可能造成企业财务危机的风险因素进行跟踪、监测、预测，同时根据理论研究和经验总结，设计一种有效的综合性模型并确定一个阀值，当相关因素指标综合值超过阀值时发出危机警报并采取对策。财务风险预警模型则是通过数学或统计方法建立模型对财务危机进行定量预警分析。
二、国内外财务风险预警研究综述
（一）国外学者财务风险预警研究综述。20世纪三十年代西方学者就陆续开始对企业财务预警问题进行研究，提出了各种不同的财务预警的方法和模型，一般可把它们分为定性预警分析和定量预警模式两类。定性预警模式已有的并广为接受的方法主要包括标准化调查法、管理评分法等几种方法。
由于定性分析具有主观性过强等的缺陷，因此很多国外学者开始了定量财务预警分析方法和模式的研究，陆续提出了很多企业财务预警的定量分析模型，按其所选择的研究变量的不同主要有单变量模式和多变量模式，以及后来出现的高度并行计算能力、自学习能力和容错能力神经网络分析模型。
1、单变量判定模型。Fitzpatrick最早发现，出现财务困境的公司其财务比率和正常的财务比率相比，有显著不同。美国的Beaver则最早运用统计方法建立了单变量财务预测模型，他首先以单变量分析发展出财务危机预测模型，使用债务保障率等五个财务比率分别作为变量对样本进行一元判定预测，选取美国1954～1964年间资产规模相同的79家经营失败企业和79家经营正常的企业，进行对比研究，发现债务保障率财务预测的效果最好。虽然单变量模型比较简单、易于使用，但许多学者认为单变量模式存在一定的局限性：首先，单个财务比率所反映的内容是有限的，如果管理者了解这个比率，就有可能去粉饰这个比率，以使企业表现出良好的财务状况，增加了可操作性；其次，如果使用多个比率分别进行判断，这几个比率的分类结果之间可能会产生矛盾，以致无法做出正确判断。也就是说，虽然财务比率是综合性较高的判别量，但是仅用一个财务指标不可能充分反映企业的财务特征。因此，他们开始用多变量方法来进行研究。
2、多变量判定模型。西方国家对多变量财务预警模式按所使用的计量方法的不同，大体分为线性判定模型、线性概率模型和Logistic回归模型。这些模型主要采用判别分析和逻辑回归的方法，而尤以多元线性判定方法最为普遍。
（1）Z计分模型值。美国纽约大学商学院的Altman教授于提出的Z计分模型，奠定了多变量财务预警模型的理论基础，即运用多种财务比率指标加权汇总而构造多元线性函数公式来对企业财务危机进行预测，其随后建立的已作为商业化应用的Zeta模型就是建立在此基础之上。Altman的Z值计算模型分为在上市公司和非上市公司两种情况。其中，上市公司的Z值模型和判别规则如下：
Z=0.012X■+0.014X■+0.033X■+0.006X■+0.999X■
其中：X■=净营运资本/资产总额，反映公司总营运资本的流动性；X■=留存收益/资产总额，反映公司的支付剩余能力；X■=息税前利润/资产总额，反映公司的收益率大小，衡量公司运用全部资产获取利润的能力；X■=普通股和优先股市场价值总额/债务账面价值总额，反映公司财务状况的稳定性；X■=本期销售收入/资产总额，反映公司的活动比率。
该模型实际上是通过五个变量（五种财务比率），将反映企业偿债能力的指标（X■、X■）、获利能力指标（X■、X■）和营运能力指标（X■）有机联系起来，综合分析预测企业财务失败或破产的可能性。
非上市公司的Z值模型和判别规则如下：
Z=0.717X■+0.847X■+3.107X■+0.420X■+0.998X■
其中：X■修正为股东权益/总负债，反映公司财务状况的稳定性。其余X■、X■、X■、X■同上市公司的相同。X■、X■、X■、X■、X■分别反映资产流动性、公司的寿命及累积的利润率、盈利能力、财务结构、资本周转率。公司破产一般发生在第一次Z值出现负数的3年里。
（2）概率模型。二元选择模型中最为常用的两种模型是Logistic模型和Probit模型，两种模型都适用于非线性情况，如果没有极端值，理论上两种方法得出的结论非常相似。
Logistic判别法是希望通过建立累计概率函数，在此基础上观测对象的条件概率，来判定对象的财务状况与风险。Logistic判别函数为：
ln■=a+bx p=■
Probit判别法是先假设企业破产的概率为p，样本服从正态分布，选取的财务指标对应P的分位数，通过概率比回归模型计算的结果来对企业的财务状况做出判定。Probit判别函数为：
p＝■（1/■）e■dt
Probit模型和Logistic模型一样将违约的概率限制在0和1之间，但它与Logistic模型的不同之处在于违约概率是正态分布而不是Logistic分布形式。Probit模型是以累计标准正态分布进行变量转换，而Logistic模型是以Logistic分布进行转换。由于累积标准正态分布计算复杂，而Logistic模型较为直接简单且快速，所以实证上大多使用Logistic模型进行分析。
3、神经网络分析模型。神经网络分析（ANN）是一种并行分布模式处理系统，其建构理念植基于人类大脑神经运行的模式，它具有高度并行计算能力、自学习能力和容错能力。这种分析的一个优点是使企业财务动态预警成为可能，并使模型具备随不断变化的复杂环境自学习的能力。ANN除了具有较好的模式识别能力外，而且可以克服统计方面的限制，因它具有容错能力，对数据的分布要求不严格，具备处理资料遗漏或是错误的能力；最重要的是ANN具有学习能力，可随时依据新准备数据资料进行自我学习、训练，调整其内部的储存权重参数以对应多边的企业环境。ANN在经济预警（EW）系统中的应用，意味着随着样本数的积累，这种模型可以定期更新推理知识，从而实现对企业危机的动态预警。神经网络分析在财务预警模型中的应用开始于20世纪九十年代，包括Fletcher.Goss和Altman等国外研究者，其结构是由一个输入层、若干个中间层和一个输出层构成。随着人工神经网络技术的不断发展，目前已经发展出众多神经网络模型，如多层感知器（MLP），概率神经网络（PNN），自组织映射神经网络（SOM），玻尔兹曼机理论神经网络。
（二）我国学者财务风险预警研究综述
1、统计方法
（1）单变量分析法。陈静（1999）以1998年的27家ST公司和27家非ST公司为例，使用1995～1997年的财务报表数据进行了单变量分析和二类线性判定分析。在单变量分析中，发现在负债比率、流动比率、总资产收益率、净资产收益率4个指标中，流动比率和负债比率误判率最低。
（2）MDA。周首华（1996）在预警指标中加入现金流量信息，并扩大样本数对Z分数模型加以改造，建立财务危机预测的新模式——F分数模型。此外，采用MDA建模的学者还有张玲（2000）、黄岩和李元旭（2001）、尹侠等（2001）、向德伟（2002）、卫建国等（2002）、杨淑娥和徐伟刚（2003）、唐振宇等（2004）以及贲友红（2005）。
（3）Logit。姜秀华与孙铮（2001）讨论了最佳分割点，认为概率0.1为最佳分割点；乔卓（2002）和齐治平（2002）引入二次项和交叉项进行建模；陈晓和陈治鸿（2000）、宋力和李晶 （2004）对财务数据进行调整后建模；张鸣和程涛（2005）、梁琪（2005）、张扬（2005）通过利用主成分分析法对logistic方法进行降维、解决共线性问题后进行了建模；顾银宽（2005）则基于Jackknife检验进行了建模，均提高了模型预测的准确率。
（4）核函数方法。罗幼喜等（2005）通过主成分分析法约简建模指标后，采用核函数建模，结果表明模型的性能指标超过传统预测方法，较好地解决了大规模样本集应用问题。
2、AIES
（1）ANN。选用BP神经网络建模的学者有杨保安等（2001）、薛锋等（2003）、杨淑娥和黄礼（2005）、李晓峰和徐玖平（2006）。
（2）RST。张华伦、孙毅（2006）提出了一种基于粗糙-模糊神经网络（Rough-Fuzzy-ANN）的模型，并给出了相应的算法，通过以我国上市公司财务数据为基础进行的实证分析表明，这种模型具有预测精度高、学习和泛化能力强、适应性广的优点，为企业财务危机的动态预警提供了一条新的途径。
（3）CBR。张林（2004）采用CBR技术构建了企业财务预警系统，为企业财务危机的警度测控、警兆辨识以及防警排警等提供了新的思路。
三、现有财务风险预警模型的缺陷
（一）单变量判定模型有良好的理论基础，但其割裂了各个财务分析指标之间的内在整体联系，在实际运用中存在很大局限性，并预警的准确性较差。
（二）概率统计模型在实践运用中具有较好的预测性，但其缺乏理论基础。
（三）神经网络预警系统运用到公司财务危机预警模型中的时间并不长，神经网络预警模型过于复杂，在运用中还有待完善，因此在实践上受到很大限制。
（四）现有预警模型无法对上市公司提供的数据真假做出辨别。
（五）现有预警模型还都主要侧重于财务定量数据的使用，对于像宏观经济状况、国家政策的变化、不同企业的特殊情况（如信用）等定性指标考虑还较少。
四、财务风险预警模型未来发展趋势
（一）需要发展一些不同行业的财务风险预警分析模型。由于各个行业都有自身的一些经营特点，具体体现在财务数据上就有一些差异，这就降低了各个行业之间财务数据的可比性，因此建立不同行业的财务风险预警模型很有必要。
（二）未来的财务风险预警模型还应把一些非财务指标所能体现的定性因素考虑进去。
（三）未来的财务风险预警模型应能够对公司所提供的财务数据的真伪做出一定鉴别。
（四）未来的财务风险预警模型应该具备较强的自我学习能力。
（作者单位：重庆大学建设管理与房地产学院）
参考文献：
[1]陈静.上市公司财务恶化参测的实证分析[J].会计研究，1999.4.
[2]张玲.财务危机预警分析判别模型[J].数量经济技术经济研究，2000.3.
[3]姜秀华，任强，孙铮.上市公司财务危机预警模型研究[J].预测，2002.3. |
|
|
|
