| 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 本文在回顾国内外财务危机预警方法的基础上，对主流的五类研究方法，即：一元判定方法、多元判定方法、多元逻辑回归方法、多元概率比回归方法、人工网络方法等进行比对研究，并结合我国实际情况，提出存在的问题及发展方向。
关键词：上市公司；财务危机；财务预警
中图分类号：F23 文献标识码：A
面对“入世”后抢滩中国市场的跨国公司的挑战，传统财务理论中的持续经营假设逐渐松动，公司面临的不确定性日益增大，因财务危机导致经营陷入困境，甚至宣告破产的例子也屡见不鲜。任何财务风险都是逐渐显现、不断恶化的过程，危机不会突然出现。因此，在财务系统正常运作时，就应对公司财务运营过程进行跟踪、监控，全面分析财务指标数据，及早发出预警信号，将潜在危险告知经营者，从而避免或减弱对公司的破坏程度。
一、财务危机的概念
Beaver（1966）将财务危机定义为：破产、拖欠优先股股利和拖欠债务。他认为，一个公司出现财务状况恶化主要取决于如下几个因素：到期应支付的债务额、公司现金流量、资产净利率和获得外部融资能力。Altman（1968）将财务危机定义为进入法定破产的上市公司。由于资金管理技术性失败而引发的支付能力不足，通常是暂时的和比较次要的困难，一般可以采取一定措施加以补救，如通过协商，求得债权人让步，延长偿债期限，或通过资产抵押等借新债还旧债。财务危机是否发生要看这种财务状况问题是永久性的还是暂时性的。如果是永久性的，上市公司可能面临破产清算；如果是暂时性的，上市公司会努力走出困境，并有可能扭亏为盈。
二、财务危机与财务预警之间的关系
财务危机不仅危及到企业自身的生存与发展，还影响到投资人、债权人和国家的利益。随着我国市场经济体制改革的深化和资本市场的快速发展，上市公司时时遭受着危机的威胁，如果不及时防范，上市公司即有可能陷入困境中。因此，预测上市公司的财务危机成为投资者和债权人及证券市场监督机构广泛关注的课题，具有巨大的实用价值。
财务预警有助于管理者了解财务危机产生的诱因，起到有效预防财务危机的功能。财务预警的作用，看似在财务危机征兆出现后才发挥作用，实则在事先已明确了各种可能导致企业财务危机的诱因和监控指标，它是一种先导的预防功能，能使财务危机征兆在其预警信号尚未形成之时，就被有效防治和克服。
三、国内外财务危机预警方法回顾
财务预警的方法多种多样，主流的研究方法主要有以下五类：一元判定方法（Univarlate）、多元判定方法（Muiriple Discriminant Analysis，MDA）、多元逻辑（Logistic）回归方法，多元概率比（Probit）回归方法、人工网络（ANN）方法。
（一）一元判定方法。一元判定方法是指以某一项财务指标作为判别标准来判断企业是否处于破产状态的预测模型。一元判定方法的缺点是：其一，只重视一个指针的分离能力，如果经理人员知道这个指针，就有可能去粉饰这个指针，以使企业表现出良好的财务状况；其二，如果使用多个指针分别进行判断，这几个指针的分类结果之间可能会产生矛盾，以致无法做出正确判断。一元判定方法虽然方法简单，使用方便，但总体判别精度不高。对前一年的预测，一元判定方法的预测精度明显低于多元方法。不过，一元判定方法在前两年、前三年的预测中也能表现出很强的预测能力，说明一些上市企业的财务困境是从某些财务指标的恶化开始的。
（二）多元线性判定方法。多元线性判定方法，又称Z Score方法，其基本原理是通过统计技术筛选出那些在两组间差别尽可能大而在两组内部的离散度最小的变量，从而将多个标志变量在最小信息损失下转换为分类变量，获得能有效提高预测精度的多元线性判别方程。运用多元线性判别方法判定二元问题时，可以通过降维技术，仅以最终计算的Z值来判定其归属，其构造的线性方程简单易懂，具有很强的应用能力。多元线性判定方法具有较高的判别精度，但也存在一些缺陷：工作量比较大；在前一年的预测中，多元线性判定方法的预测精度比较高，但在前两年、前三年的预测中，其预测精度会大幅下降，甚至低于一元判别模型；多元线性判定方法有一个很严格的假设，即假定自变量是呈正态分布的，两组样本要求等协方差，而现实中的样本数据往往并不能满足这一要求，这就大大限制了多元线性判定方法的使用范围；使用MDA技术，要求在财务困境组与控制组之间进行配对，但配对标准如何恰当确定是一个难题。
（三）多元逻辑回归方法。多元逻辑回归方法的目标是寻求观察对象的条件概率，从而据此判断观察对象的财务状况和经营风险。这一方法建立在累计概率函数的基础上，不需要自变量服从多元正态分布和两组间协方差相等的条件。该方法的最大优点是，不需要严格的假设条件，克服了线性方程受统计假设约束的局限性，具有更广泛的适用范围。目前，这种模型的使用较为普遍，但其计算过程比较复杂，而且在计算过程中有很多的近似处理，会影响到预测精度。
（四）多元概率比回归方法。该方法同样假定企业破产的概率为p，并假设企业样本服从标准正态分布，其概率函数的p分位数可以用财务指标线性解释。其计算方法和Logistic很类似，先是确定企业样本的极大似然函数，通过求似然函数的极大值得到参数a、b，然后利用公式求出企业破产的概率。和前面的判别规则一样，如果概率p小于0.5，就判别为财务正常型；如果p大于0.5，则为即将破产型。
（五）人工神经网络方法。人工神经网络方法，是将神经网络的分类方法应用于财务预警。人工神经网络（Artificial Neural Network，ANN）作为一种平行分散处理模式，是对人类大脑神经运作的模拟。ANN除具有较好的模式识别能力外，还可以克服统计方法的局限，因为它具有容错能力和处理资料遗漏或错误的能力。ANN还具有学习能力，可随时依据新的数据资料进行自我学习，并调整其内部的储存权重参数，以应对多变的企业环境。由于ANN具备上述良好的性质与能力，因而可以作为解决分类问题的一个重要工具。人工神经网络具有较好的纠错能力，从而能够更好地进行预测。但因为理论抽象，科学性、准确性还有待进一步提高，适用性也大打折扣。
四、国内外研究方法评价
各种财务预警方法有一个共同点，即在方法中都运用了会计数据和财务比率。其原因是：债务契约、贷款协议、信用评级等都采用这些数据和比率来评价企业的偿债能力，并限制管理人员的行动。如果企业违反协议，会使企业承受极高的违约成本，甚至会导致企业破产。但各种预警方法都存在相应的问题：
首先，这些方法缺乏理论上的依据，因为迄今为止，尚无一个重要的理论能够说明财务比率在破产前的预测能力。这些方法都是通过实证研究得到的，缺乏理论指导。事实上，上述诸多方法中指标的选取都存在显著的差异，因而无法判断哪个方法更为有效。
其次，财务预警方法会受到样本选取范围和样本时间区间的限制。研究发现，从不同的样本选取范围和不同的时间区间所得出的预警方法存在很大差异。
再次，这些方法的变量只涉及到会计数据和财务比率，没有考虑到非量化因素。事实上，非量化因素在披露企业财务状况方面要比财务指标更为可靠、有效。因此，企业财务预警模型不能单纯依靠财务数据，至少要在预警系统中涉及非财务数据。换句话说，既要涉及到定量信息，也要涉及到定性信息，这样才能更为完整地反映企业全貌。由于定性信息不能在预警模型中体现，所以我们可以采用评分的方法，将评分结果作为企业预警系统的一个组成部分。
最后，由于不同的方法需要不同的前提条件，如自变量要服从正态分布、样本要求等协方差等，而事实上很多时候这些条件并不能得到满足，很多研究是直接假定样本和自变量符合条件，从这一角度来讲，所建模型大多是在近似条件下成立的，这必然影响到模型的正确性和预测精度。Logistic和Probit模型虽然对假设前提要求不太严格，但由于其计算与分析较为复杂，也难以得到广泛应用。
五、现阶段我国上市公司财务预警存在的问题及发展方向
（一）存在的问题。一是国内学者关于财务预警的研究主要借鉴现有模型进行实证，缺乏理论创新；二是财务预警指标的建立实际应用中，对同一指标不同行业往往有不同的界定标准，这些指标的差异会影响到模型的精确度，同时也导致模型的适用度不高；三是目前构造的各种模型已经或多或少在公司规模和行业适用性等方面具有不同的特点。然而，我国每一种行业进入ST板块的数量都很少，不具有统计性，因此国内大多数学者都是采用混合各行业样本数据的方法来建立模型。
（二）发展方向
1、利用交叉学科的相对优势，建立更加适合的模型，来提高判定正确率的预测精度。
2、针对不同行业的同一指标引入定性指标，比如管理层素质、员工素质、企业制度设计、竞争对手、市场萎缩、消费者喜好变化、宏观经济环境等。
3、随着对各行业各种规模公司的深入研究，会出现两种研究趋势：以普遍适用为目的的通用模型和以行业以及企业规模为特点的专业模型，分行业预警模型应该是一种研究趋势。
（作者单位：北京理工大学管理与经济学院）
主要参考文献：
[1]Altman E.Financial Ratios，discriminant Analysis and the prediction of corporate bankruptcy[J].Journal of Finance，1968.9.
[2]Beaver W H.Financial ratios as predictors of failure[J].Journal of accounting research，1966.
[3]张玲.财务危机预警分析判别模型.数量经济技术经济研究，2000.3.
[4]陈静.上市公司财务恶化预测模型的实证研究.会计研究，1999.4. |
|
|
|
