袁　丹　冉　倫

提要本文在回顧國(guó)內(nèi)外財(cái)務(wù)危機(jī)預(yù)警方法的基礎(chǔ)上,對(duì)主流的五類研究方法,即:一元判定方法、多元判定方法、多元邏輯回歸方法、多元概率比回歸方法、人工網(wǎng)絡(luò)方法等進(jìn)行比對(duì)研究,并結(jié)合我國(guó)實(shí)際情況,提出存在的問(wèn)題及發(fā)展方向。

關(guān)鍵詞:上市公司;財(cái)務(wù)危機(jī);財(cái)務(wù)預(yù)警

中圖分類號(hào):F23文獻(xiàn)標(biāo)識(shí)碼:A

面對(duì)“入世”后搶灘中國(guó)市場(chǎng)的跨國(guó)公司的挑戰(zhàn),傳統(tǒng)財(cái)務(wù)理論中的持續(xù)經(jīng)營(yíng)假設(shè)逐漸松動(dòng),公司面臨的不確定性日益增大,因財(cái)務(wù)危機(jī)導(dǎo)致經(jīng)營(yíng)陷入困境,甚至宣告破產(chǎn)的例子也屢見不鮮。任何財(cái)務(wù)風(fēng)險(xiǎn)都是逐漸顯現(xiàn)、不斷惡化的過(guò)程,危機(jī)不會(huì)突然出現(xiàn)。因此,在財(cái)務(wù)系統(tǒng)正常運(yùn)作時(shí),就應(yīng)對(duì)公司財(cái)務(wù)運(yùn)營(yíng)過(guò)程進(jìn)行跟蹤、監(jiān)控,全面分析財(cái)務(wù)指標(biāo)數(shù)據(jù),及早發(fā)出預(yù)警信號(hào),將潛在危險(xiǎn)告知經(jīng)營(yíng)者,從而避免或減弱對(duì)公司的破壞程度。

一、財(cái)務(wù)危機(jī)的概念

Beaver(1966)將財(cái)務(wù)危機(jī)定義為:破產(chǎn)、拖欠優(yōu)先股股利和拖欠債務(wù)。他認(rèn)為,一個(gè)公司出現(xiàn)財(cái)務(wù)狀況惡化主要取決于如下幾個(gè)因素:到期應(yīng)支付的債務(wù)額、公司現(xiàn)金流量、資產(chǎn)凈利率和獲得外部融資能力。Altman(1968)將財(cái)務(wù)危機(jī)定義為進(jìn)入法定破產(chǎn)的上市公司。由于資金管理技術(shù)性失敗而引發(fā)的支付能力不足,通常是暫時(shí)的和比較次要的困難,一般可以采取一定措施加以補(bǔ)救,如通過(guò)協(xié)商,求得債權(quán)人讓步,延長(zhǎng)償債期限,或通過(guò)資產(chǎn)抵押等借新債還舊債。財(cái)務(wù)危機(jī)是否發(fā)生要看這種財(cái)務(wù)狀況問(wèn)題是永久性的還是暫時(shí)性的。如果是永久性的,上市公司可能面臨破產(chǎn)清算;如果是暫時(shí)性的,上市公司會(huì)努力走出困境,并有可能扭虧為盈。

二、財(cái)務(wù)危機(jī)與財(cái)務(wù)預(yù)警之間的關(guān)系

財(cái)務(wù)危機(jī)不僅危及到企業(yè)自身的生存與發(fā)展,還影響到投資人、債權(quán)人和國(guó)家的利益。隨著我國(guó)市場(chǎng)經(jīng)濟(jì)體制改革的深化和資本市場(chǎng)的快速發(fā)展,上市公司時(shí)時(shí)遭受著危機(jī)的威脅,如果不及時(shí)防范,上市公司即有可能陷入困境中。因此,預(yù)測(cè)上市公司的財(cái)務(wù)危機(jī)成為投資者和債權(quán)人及證券市場(chǎng)監(jiān)督機(jī)構(gòu)廣泛關(guān)注的課題,具有巨大的實(shí)用價(jià)值。

財(cái)務(wù)預(yù)警有助于管理者了解財(cái)務(wù)危機(jī)產(chǎn)生的誘因,起到有效預(yù)防財(cái)務(wù)危機(jī)的功能。財(cái)務(wù)預(yù)警的作用,看似在財(cái)務(wù)危機(jī)征兆出現(xiàn)后才發(fā)揮作用,實(shí)則在事先已明確了各種可能導(dǎo)致企業(yè)財(cái)務(wù)危機(jī)的誘因和監(jiān)控指標(biāo),它是一種先導(dǎo)的預(yù)防功能,能使財(cái)務(wù)危機(jī)征兆在其預(yù)警信號(hào)尚未形成之時(shí),就被有效防治和克服。

三、國(guó)內(nèi)外財(cái)務(wù)危機(jī)預(yù)警方法回顧

財(cái)務(wù)預(yù)警的方法多種多樣,主流的研究方法主要有以下五類:一元判定方法(Univarlate)、多元判定方法(Muiriple Discriminant Analysis,MDA)、多元邏輯(Logistic)回歸方法,多元概率比(Probit)回歸方法、人工網(wǎng)絡(luò)(ANN)方法。

(一)一元判定方法。一元判定方法是指以某一項(xiàng)財(cái)務(wù)指標(biāo)作為判別標(biāo)準(zhǔn)來(lái)判斷企業(yè)是否處于破產(chǎn)狀態(tài)的預(yù)測(cè)模型。一元判定方法的缺點(diǎn)是:其一,只重視一個(gè)指針的分離能力,如果經(jīng)理人員知道這個(gè)指針,就有可能去粉飾這個(gè)指針,以使企業(yè)表現(xiàn)出良好的財(cái)務(wù)狀況;其二,如果使用多個(gè)指針?lè)謩e進(jìn)行判斷,這幾個(gè)指針的分類結(jié)果之間可能會(huì)產(chǎn)生矛盾,以致無(wú)法做出正確判斷。一元判定方法雖然方法簡(jiǎn)單,使用方便,但總體判別精度不高。對(duì)前一年的預(yù)測(cè),一元判定方法的預(yù)測(cè)精度明顯低于多元方法。不過(guò),一元判定方法在前兩年、前三年的預(yù)測(cè)中也能表現(xiàn)出很強(qiáng)的預(yù)測(cè)能力,說(shuō)明一些上市企業(yè)的財(cái)務(wù)困境是從某些財(cái)務(wù)指標(biāo)的惡化開始的。

(二)多元線性判定方法。多元線性判定方法,又稱Z Score方法,其基本原理是通過(guò)統(tǒng)計(jì)技術(shù)篩選出那些在兩組間差別盡可能大而在兩組內(nèi)部的離散度最小的變量,從而將多個(gè)標(biāo)志變量在最小信息損失下轉(zhuǎn)換為分類變量,獲得能有效提高預(yù)測(cè)精度的多元線性判別方程。運(yùn)用多元線性判別方法判定二元問(wèn)題時(shí),可以通過(guò)降維技術(shù),僅以最終計(jì)算的Z值來(lái)判定其歸屬,其構(gòu)造的線性方程簡(jiǎn)單易懂,具有很強(qiáng)的應(yīng)用能力。多元線性判定方法具有較高的判別精度,但也存在一些缺陷:工作量比較大;在前一年的預(yù)測(cè)中,多元線性判定方法的預(yù)測(cè)精度比較高,但在前兩年、前三年的預(yù)測(cè)中,其預(yù)測(cè)精度會(huì)大幅下降,甚至低于一元判別模型;多元線性判定方法有一個(gè)很嚴(yán)格的假設(shè),即假定自變量是呈正態(tài)分布的,兩組樣本要求等協(xié)方差,而現(xiàn)實(shí)中的樣本數(shù)據(jù)往往并不能滿足這一要求,這就大大限制了多元線性判定方法的使用范圍;使用MDA技術(shù),要求在財(cái)務(wù)困境組與控制組之間進(jìn)行配對(duì),但配對(duì)標(biāo)準(zhǔn)如何恰當(dāng)確定是一個(gè)難題。

(三)多元邏輯回歸方法。多元邏輯回歸方法的目標(biāo)是尋求觀察對(duì)象的條件概率,從而據(jù)此判斷觀察對(duì)象的財(cái)務(wù)狀況和經(jīng)營(yíng)風(fēng)險(xiǎn)。這一方法建立在累計(jì)概率函數(shù)的基礎(chǔ)上,不需要自變量服從多元正態(tài)分布和兩組間協(xié)方差相等的條件。該方法的最大優(yōu)點(diǎn)是,不需要嚴(yán)格的假設(shè)條件,克服了線性方程受統(tǒng)計(jì)假設(shè)約束的局限性,具有更廣泛的適用范圍。目前,這種模型的使用較為普遍,但其計(jì)算過(guò)程比較復(fù)雜,而且在計(jì)算過(guò)程中有很多的近似處理,會(huì)影響到預(yù)測(cè)精度。

(四)多元概率比回歸方法。該方法同樣假定企業(yè)破產(chǎn)的概率為p,并假設(shè)企業(yè)樣本服從標(biāo)準(zhǔn)正態(tài)分布,其概率函數(shù)的p分位數(shù)可以用財(cái)務(wù)指標(biāo)線性解釋。其計(jì)算方法和Logistic很類似,先是確定企業(yè)樣本的極大似然函數(shù),通過(guò)求似然函數(shù)的極大值得到參數(shù)a、b,然后利用公式求出企業(yè)破產(chǎn)的概率。和前面的判別規(guī)則一樣,如果概率p小于0.5,就判別為財(cái)務(wù)正常型;如果p大于0.5,則為即將破產(chǎn)型。

(五)人工神經(jīng)網(wǎng)絡(luò)方法。人工神經(jīng)網(wǎng)絡(luò)方法,是將神經(jīng)網(wǎng)絡(luò)的分類方法應(yīng)用于財(cái)務(wù)預(yù)警。人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)作為一種平行分散處理模式,是對(duì)人類大腦神經(jīng)運(yùn)作的模擬。ANN除具有較好的模式識(shí)別能力外,還可以克服統(tǒng)計(jì)方法的局限,因?yàn)樗哂腥蒎e(cuò)能力和處理資料遺漏或錯(cuò)誤的能力。ANN還具有學(xué)習(xí)能力,可隨時(shí)依據(jù)新的數(shù)據(jù)資料進(jìn)行自我學(xué)習(xí),并調(diào)整其內(nèi)部的儲(chǔ)存權(quán)重參數(shù),以應(yīng)對(duì)多變的企業(yè)環(huán)境。由于ANN具備上述良好的性質(zhì)與能力,因而可以作為解決分類問(wèn)題的一個(gè)重要工具。人工神經(jīng)網(wǎng)絡(luò)具有較好的糾錯(cuò)能力,從而能夠更好地進(jìn)行預(yù)測(cè)。但因?yàn)槔碚摮橄?科學(xué)性、準(zhǔn)確性還有待進(jìn)一步提高,適用性也大打折扣。

四、國(guó)內(nèi)外研究方法評(píng)價(jià)

各種財(cái)務(wù)預(yù)警方法有一個(gè)共同點(diǎn),即在方法中都運(yùn)用了會(huì)計(jì)數(shù)據(jù)和財(cái)務(wù)比率。其原因是:債務(wù)契約、貸款協(xié)議、信用評(píng)級(jí)等都采用這些數(shù)據(jù)和比率來(lái)評(píng)價(jià)企業(yè)的償債能力,并限制管理人員的行動(dòng)。如果企業(yè)違反協(xié)議,會(huì)使企業(yè)承受極高的違約成本,甚至?xí)?dǎo)致企業(yè)破產(chǎn)。但各種預(yù)警方法都存在相應(yīng)的問(wèn)題:

首先,這些方法缺乏理論上的依據(jù),因?yàn)槠駷橹?尚無(wú)一個(gè)重要的理論能夠說(shuō)明財(cái)務(wù)比率在破產(chǎn)前的預(yù)測(cè)能力。這些方法都是通過(guò)實(shí)證研究得到的,缺乏理論指導(dǎo)。事實(shí)上,上述諸多方法中指標(biāo)的選取都存在顯著的差異,因而無(wú)法判斷哪個(gè)方法更為有效。

其次,財(cái)務(wù)預(yù)警方法會(huì)受到樣本選取范圍和樣本時(shí)間區(qū)間的限制。研究發(fā)現(xiàn),從不同的樣本選取范圍和不同的時(shí)間區(qū)間所得出的預(yù)警方法存在很大差異。

再次,這些方法的變量只涉及到會(huì)計(jì)數(shù)據(jù)和財(cái)務(wù)比率,沒(méi)有考慮到非量化因素。事實(shí)上,非量化因素在披露企業(yè)財(cái)務(wù)狀況方面要比財(cái)務(wù)指標(biāo)更為可靠、有效。因此,企業(yè)財(cái)務(wù)預(yù)警模型不能單純依靠財(cái)務(wù)數(shù)據(jù),至少要在預(yù)警系統(tǒng)中涉及非財(cái)務(wù)數(shù)據(jù)。換句話說(shuō),既要涉及到定量信息,也要涉及到定性信息,這樣才能更為完整地反映企業(yè)全貌。由于定性信息不能在預(yù)警模型中體現(xiàn),所以我們可以采用評(píng)分的方法,將評(píng)分結(jié)果作為企業(yè)預(yù)警系統(tǒng)的一個(gè)組成部分。

最后,由于不同的方法需要不同的前提條件,如自變量要服從正態(tài)分布、樣本要求等協(xié)方差等,而事實(shí)上很多時(shí)候這些條件并不能得到滿足,很多研究是直接假定樣本和自變量符合條件,從這一角度來(lái)講,所建模型大多是在近似條件下成立的,這必然影響到模型的正確性和預(yù)測(cè)精度。Logistic和Probit模型雖然對(duì)假設(shè)前提要求不太嚴(yán)格,但由于其計(jì)算與分析較為復(fù)雜,也難以得到廣泛應(yīng)用。

五、現(xiàn)階段我國(guó)上市公司財(cái)務(wù)預(yù)警存在的問(wèn)題及發(fā)展方向

(一)存在的問(wèn)題。一是國(guó)內(nèi)學(xué)者關(guān)于財(cái)務(wù)預(yù)警的研究主要借鑒現(xiàn)有模型進(jìn)行實(shí)證,缺乏理論創(chuàng)新;二是財(cái)務(wù)預(yù)警指標(biāo)的建立實(shí)際應(yīng)用中,對(duì)同一指標(biāo)不同行業(yè)往往有不同的界定標(biāo)準(zhǔn),這些指標(biāo)的差異會(huì)影響到模型的精確度,同時(shí)也導(dǎo)致模型的適用度不高;三是目前構(gòu)造的各種模型已經(jīng)或多或少在公司規(guī)模和行業(yè)適用性等方面具有不同的特點(diǎn)。然而,我國(guó)每一種行業(yè)進(jìn)入ST板塊的數(shù)量都很少,不具有統(tǒng)計(jì)性,因此國(guó)內(nèi)大多數(shù)學(xué)者都是采用混合各行業(yè)樣本數(shù)據(jù)的方法來(lái)建立模型。

(二)發(fā)展方向

1、利用交叉學(xué)科的相對(duì)優(yōu)勢(shì),建立更加適合的模型,來(lái)提高判定正確率的預(yù)測(cè)精度。

2、針對(duì)不同行業(yè)的同一指標(biāo)引入定性指標(biāo),比如管理層素質(zhì)、員工素質(zhì)、企業(yè)制度設(shè)計(jì)、競(jìng)爭(zhēng)對(duì)手、市場(chǎng)萎縮、消費(fèi)者喜好變化、宏觀經(jīng)濟(jì)環(huán)境等。

3、隨著對(duì)各行業(yè)各種規(guī)模公司的深入研究,會(huì)出現(xiàn)兩種研究趨勢(shì):以普遍適用為目的的通用模型和以行業(yè)以及企業(yè)規(guī)模為特點(diǎn)的專業(yè)模型,分行業(yè)預(yù)警模型應(yīng)該是一種研究趨勢(shì)。

(作者單位:北京理工大學(xué)管理與經(jīng)濟(jì)學(xué)院)

主要參考文獻(xiàn):

[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]張玲.財(cái)務(wù)危機(jī)預(yù)警分析判別模型.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2000.3.

[4]陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)模型的實(shí)證研究.會(huì)計(jì)研究,1999.4.