□張 琳 王春和

(1、2.河北經(jīng)貿(mào)大學(xué)工商管理學(xué)院,石家莊 050061)

財(cái)務(wù)危機(jī)預(yù)警模型研究綜述

□張 琳1王春和2

(1、2.河北經(jīng)貿(mào)大學(xué)工商管理學(xué)院,石家莊 050061)

隨著當(dāng)前市場(chǎng)環(huán)境的多變和國際競爭的加劇,企業(yè)不得不面臨越來越大的風(fēng)險(xiǎn)和危機(jī),而財(cái)務(wù)危機(jī)是企業(yè)危機(jī)中最顯著、最綜合的表現(xiàn)。財(cái)務(wù)危機(jī)預(yù)警問題已成為我國資本市場(chǎng)健康發(fā)展的重要因素,財(cái)務(wù)危機(jī)預(yù)警問題研究已成為當(dāng)前的熱點(diǎn)問題。國內(nèi)外學(xué)者們分別對(duì)財(cái)務(wù)危機(jī)預(yù)警模型的研究進(jìn)展進(jìn)行了歸納、梳理和介紹,很有必要在此基礎(chǔ)上對(duì)其進(jìn)行比較、評(píng)價(jià)和分析。

財(cái)務(wù)危機(jī)預(yù)警模型;研究進(jìn)展;問題及發(fā)展趨勢(shì)

一、國外財(cái)務(wù)危機(jī)預(yù)警模型的研究進(jìn)展

國外財(cái)務(wù)危機(jī)預(yù)警模型的研究進(jìn)展可以概括為：從單變量分析模型到多變量分析模型,從統(tǒng)計(jì)的分析方法到基于人工智能的機(jī)器學(xué)習(xí)分析方法。

(一)單變量分析模型

Fitzpartrick(1932年)將 38家破產(chǎn)及非破產(chǎn)公司作為分析樣本,運(yùn)用單個(gè)財(cái)務(wù)比率把這 19對(duì)公司劃分為破產(chǎn)和非破產(chǎn)兩部分并進(jìn)行分析,發(fā)現(xiàn)股東權(quán)益/負(fù)債和凈利潤 /股東權(quán)益是判別能力最高的兩個(gè)指標(biāo)[1]。

Beaver(1966年)對(duì)美國的 1954～1964年間的79對(duì)成功企業(yè)和失敗企業(yè)的 30個(gè)財(cái)務(wù)比率進(jìn)行研究。結(jié)果表明,資產(chǎn)負(fù)債率 (債務(wù)總額 /資產(chǎn)總額)、資產(chǎn)收益率 (凈收益 /資產(chǎn)總額)和現(xiàn)金流量 /負(fù)債總額具有較好的預(yù)測(cè)性[2]。

(二)多變量線性判定模型

在Beaver之后,國外學(xué)者對(duì)財(cái)務(wù)危機(jī)預(yù)警的研究主要進(jìn)入多變量判定的階段。美國學(xué)者 Altman(1968年)第一次利用多元判別分析 (multiple discriminate analysis,即MDA)進(jìn)行了財(cái)務(wù)危機(jī)預(yù)警研究。這種方法用多個(gè)財(cái)務(wù)指標(biāo)加權(quán)匯總后產(chǎn)生的總判斷分值 (稱為 Z值)來預(yù)測(cè)財(cái)務(wù)危機(jī)。Z值模型及其判別規(guī)則為：

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

X1=凈營運(yùn)資本 /資本總額 ×100%,反映公司總營運(yùn)資本的流動(dòng)性;X2=留存收益/資產(chǎn)總額 ×100%,反映公司的支付剩余能力;X3=息稅前利潤 /資產(chǎn)總額 ×100%,反映公司的收益率大小,衡量公司運(yùn)用全部資產(chǎn)獲取利潤的能力;X4=普通股和優(yōu)先股市場(chǎng)價(jià)值總額 /負(fù)債的賬面價(jià)值 ×100%,反映公司財(cái)務(wù)狀況的穩(wěn)定性;X5=銷售收入/資本總額 ×100%,反映公司的活動(dòng)比率。一般地,Z值越低的企業(yè)發(fā)生破產(chǎn)的可能性越大。具體判斷標(biāo)準(zhǔn)為：當(dāng) Z＞3．0時(shí),企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性很小;當(dāng) 2．8 ＜Z ＜2．9時(shí) ,企業(yè)有可能發(fā)生財(cái)務(wù)危機(jī);當(dāng)1．8＜Z＜2．7時(shí),企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性很大;當(dāng) Z＜1．8時(shí),企業(yè)發(fā)生財(cái)務(wù)危機(jī)可能性非常大;當(dāng)Z ＜1．2時(shí) ,企業(yè)面臨破產(chǎn)[3]。

(三)多變量非線性判定模型

多元線性判定模型對(duì)預(yù)測(cè)變量有嚴(yán)格的聯(lián)合正態(tài)分布要求,并要求財(cái)務(wù)危機(jī)組與控制組間必須要進(jìn)行配對(duì)。Logistic回歸分析方法突破了這些局限,從而把問題簡化成為：已知一個(gè)企業(yè)具有某些財(cái)務(wù)特征,計(jì)算其在某段時(shí)間內(nèi)陷入財(cái)務(wù)危機(jī)的可能性有多大。

Ohlson(1980年)是首位將 Logit模型在財(cái)務(wù)危機(jī)預(yù)警領(lǐng)域應(yīng)用的學(xué)者,他認(rèn)為：Logistic回歸分析方法與多元判別分析 (MDA)相比更加合理,并且公司的規(guī)模是模型中一個(gè)很重要的預(yù)警變量,企業(yè)的財(cái)務(wù)結(jié)構(gòu)次之[4]。Zavgren(1985年)繼續(xù)使用 Ohlson的 Logit模型,但他使用因子分析來獲得輸入變量[5]。

除此之外,Probit模型和 Logit模型的思路很相似,只是在具體的假設(shè)前提和計(jì)算方法上有一定的差異。

(四)人工神經(jīng)網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò) (Artificial Neural NetWork,簡稱ANN模型),是把神經(jīng)網(wǎng)絡(luò)的分類方法運(yùn)用于財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)。ANN模型通常由輸入層、輸出層和隱藏層組成,其信息處理被分為前向傳播和后向?qū)W習(xí)兩部分。Odour和 Sharda(1990年)用 BP神經(jīng)網(wǎng)絡(luò)對(duì)財(cái)務(wù)危機(jī)進(jìn)行預(yù)測(cè)。

二、國內(nèi)財(cái)務(wù)危機(jī)預(yù)警模型的研究進(jìn)展

國內(nèi)學(xué)者對(duì)財(cái)務(wù)危機(jī)預(yù)警模型的研究開始于20世紀(jì) 80年代末,主要是引入國外模型或者在其基礎(chǔ)上進(jìn)行改進(jìn),主要的研究成果有：

(一)周首華等的 F分?jǐn)?shù)模型

周首華等 (1996年)改造了 Altman的 Z分?jǐn)?shù)模型,從而建立了財(cái)務(wù)危機(jī)預(yù)警的 F分?jǐn)?shù)模型 (Failure ScoreModel)。與 Z分?jǐn)?shù)模型相比,F分?jǐn)?shù)模型有以下幾個(gè)優(yōu)點(diǎn)：加入了現(xiàn)金流量這一有效的預(yù)測(cè)自變量;考慮了現(xiàn)代化企業(yè)財(cái)務(wù)狀況的發(fā)展及其相關(guān)標(biāo)準(zhǔn)的更新;擴(kuò)大了樣本。其表達(dá)公式如下：

F=-0.1774+1.1091X1+0.1704X2+

1.9271X3+0.0302X4+0.4961X5其中,X1、X2和 X4代表的含義和 Z分?jǐn)?shù)模型中代表的含義一樣。X3=(稅后凈利益 +折舊)/平均總負(fù)債,這是一個(gè)現(xiàn)金流量指標(biāo),這個(gè)指標(biāo)衡量企業(yè)產(chǎn)生的所有現(xiàn)金流量可用作償還企業(yè)債務(wù)能力。X5=(稅后凈收益 +利息 +折舊)/平均總資產(chǎn),它測(cè)定的是企業(yè)總資產(chǎn)在創(chuàng)造現(xiàn)金流量方面的能力。比 Z分?jǐn)?shù)模型相比,F分?jǐn)?shù)模型可以更準(zhǔn)確地預(yù)測(cè)出企業(yè)究竟是否存在財(cái)務(wù)危機(jī)。具體的判別臨界點(diǎn)為 0．0274：當(dāng) F ＞0．0274,此企業(yè)被預(yù)測(cè)為繼續(xù)生存公司;當(dāng) F＜0．0274時(shí),此企業(yè)則被預(yù)測(cè)為破產(chǎn)公司[6]。

(二)陳靜的單變量分析和二類線性判定分析

陳靜 (1999年)選取 27組財(cái)務(wù)失敗和非失敗上市企業(yè),應(yīng)用 Beaver和 Altman的模型,對(duì)這 27對(duì)上市公司 1995～1997年的財(cái)務(wù)報(bào)表數(shù)據(jù)進(jìn)行了單變量分析和二類線性判別分析。在進(jìn)行單變量分析時(shí),他發(fā)現(xiàn)在負(fù)債比率、流動(dòng)比率、凈資產(chǎn)收益率和總資產(chǎn)收益率這 4個(gè)指標(biāo)中,誤判率是最低的是負(fù)債比率和流動(dòng)比率,在宣布日前一年運(yùn)用單變量分析的準(zhǔn)確率達(dá)到 100%;在進(jìn)行多元線性判定分析時(shí),他發(fā)現(xiàn)由資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、總資產(chǎn)收益率、流動(dòng)比率、總資產(chǎn)周轉(zhuǎn)率、營運(yùn)資本 /總資產(chǎn)這 6個(gè)財(cái)務(wù)指標(biāo)構(gòu)建的模型,在公司 ST發(fā)生前三年能夠比較好地對(duì)財(cái)務(wù)危機(jī)進(jìn)行預(yù)警[7]。

(三)吳世農(nóng)和盧賢義的單變量分析、多元線性判別分析和 Logit分析

吳世農(nóng)和盧賢義 (2001年)分別應(yīng)用單變量判別分析、多元線性判別分析和 Logit分析對(duì)上市公司建立財(cái)務(wù)危機(jī)預(yù)警模型,其分析結(jié)果表明：在財(cái)務(wù)危機(jī)發(fā)生的前兩年或者前一年,有 16個(gè)財(cái)務(wù)指標(biāo)的預(yù)測(cè)性比較強(qiáng),在這 16個(gè)指標(biāo)中凈資產(chǎn)報(bào)酬率的預(yù)測(cè)成功率是最高的;三種模型都能在財(cái)務(wù)危機(jī)發(fā)生之前做出比較準(zhǔn)確的預(yù)測(cè),在財(cái)務(wù)危機(jī)發(fā)生的前四年內(nèi),誤判率保持在 28%以內(nèi);運(yùn)用 Logit預(yù)警模型,財(cái)務(wù)危機(jī)發(fā)生前一年的誤判率僅達(dá) 6.47%,與其他模型相比,它的誤判率是最低的[8]。

(四)國內(nèi)學(xué)者的主成分分析

張愛民、祝春山 (2001年)分別選取了 40家 ST公司及與之對(duì)應(yīng)的 40家非 ST公司作為研究樣本,將主成分分析和 Z分?jǐn)?shù)模型結(jié)合起來建立了財(cái)務(wù)危機(jī)預(yù)警模型并對(duì)此模型進(jìn)行了實(shí)證檢驗(yàn)。實(shí)證檢驗(yàn)表明,通過此種方法對(duì)研究變量進(jìn)行處理之后建立的預(yù)警模型具備較好的預(yù)測(cè)能力[9]。

楊淑娥、徐偉剛 (2003年)選取了 1999年的 41家 ST公司、2000年的 26家 ST公司和相對(duì)應(yīng)的 67家非 ST公司作為研究樣本,采用主成分分析法,建立了上市公司財(cái)務(wù)危機(jī)預(yù)警模型—Y分?jǐn)?shù)模型,并通過研究中的指標(biāo)初步確定了企業(yè)財(cái)務(wù)狀況評(píng)價(jià)區(qū)域,為企業(yè)進(jìn)行財(cái)務(wù)危機(jī)預(yù)警提供了一種科學(xué)可行的方法[10]。

劉紅霞、張新林 (2004年)以 118家上市企業(yè)作為估計(jì)樣本,應(yīng)用主成分分析法構(gòu)建我國上市企業(yè)的財(cái)務(wù)危機(jī)預(yù)警模型,得出財(cái)務(wù)危機(jī)組的誤判率為18．75%和非財(cái)務(wù)危機(jī)組的誤判率為 9．37%的結(jié)論。但是,他們?cè)谘芯恐袥]有考慮非財(cái)務(wù)因素[11]。

耿克紅、李忠民 (2005年)將主成分分析和 logistic回歸分析方法相結(jié)合,構(gòu)建了主成分 logistic回歸模型。此模型不但將對(duì)財(cái)務(wù)危機(jī)預(yù)測(cè)有重要影響的信息提取了出來,并且避免了變量間所反映信息的重疊[12]。

三、財(cái)務(wù)危機(jī)預(yù)警模型研究進(jìn)展的評(píng)述

單變量分析模型簡單直觀、工作量小。但是,它不能綜合揭示企業(yè)的財(cái)務(wù)狀況,而且如果同時(shí)使用多個(gè)單變量模型,可能會(huì)得出不同甚至相反的結(jié)論。

多元線性判別分析模型相對(duì)于單變量分析模型來說,能夠比較全面地體現(xiàn)企業(yè)的財(cái)務(wù)狀況、提高判別和預(yù)測(cè)的準(zhǔn)確度。但是它需要滿足自變量服從多元正態(tài)分布以及協(xié)方差矩陣相等的假設(shè)前提,在現(xiàn)實(shí)情況中大多情況并不遵從這種假設(shè);雖然這種方法在前一年的預(yù)測(cè)準(zhǔn)確度較高,但是其預(yù)測(cè)準(zhǔn)確度在前兩三年的財(cái)務(wù)危機(jī)預(yù)警中則大幅下降;而且運(yùn)用這種方法的工作量較大。

多變量非線性判定模型不要求滿足自變量服從正態(tài)分布及等協(xié)方差的假設(shè)前提,但是它要求自變量之間不能存在線性的函數(shù)關(guān)系。

ANN模型能夠克服統(tǒng)計(jì)方法的局限性,具有比較好的模式識(shí)別能力,并且具有學(xué)習(xí)能力?？墒?它存在著結(jié)構(gòu)確定困難性、不具解釋性、訓(xùn)練樣本集大以及可操作性差、訓(xùn)練效率低的缺陷。

主成分分析方法在處理多指標(biāo)組成的復(fù)雜數(shù)據(jù)系統(tǒng)時(shí)比較穩(wěn)定,能夠排除個(gè)別異常數(shù)據(jù)的影響;信息量比較豐富并且具有很強(qiáng)的可操作性。但是這種分析方法也有缺點(diǎn),比如說：主成分分析方法的研究樣本要求必須滿足正態(tài)分布的前提,可是實(shí)際中的樣本往往不服從正態(tài)分布。

四、我國當(dāng)前相關(guān)研究中存在的問題及發(fā)展趨勢(shì)

(一)混合模型的構(gòu)建

在當(dāng)前財(cái)務(wù)危機(jī)預(yù)警的研究中,每種預(yù)警模型都各有優(yōu)缺點(diǎn),各種模型的準(zhǔn)確率都有待提高,當(dāng)前還沒有明確的標(biāo)準(zhǔn)判定哪種模型最佳。所以,我們?cè)诮窈蟮难芯恐锌梢愿嗟貒L試建立混合模型。所謂混合模型是指同時(shí)采用兩種或兩種以上的方法建立模型進(jìn)行財(cái)務(wù)危機(jī)預(yù)警分析。比如：Feng Yu Lin和McClean(2001年)將判別分析法、邏輯回歸法、神經(jīng)網(wǎng)絡(luò)方法及決策樹方法這四種模型進(jìn)行組合,建立了三種不同的混合模式,再對(duì)這三種混合模型進(jìn)行實(shí)證分析。研究結(jié)果表明,混合模型的準(zhǔn)確性比單個(gè)模型更高。

(二)分行業(yè)、分區(qū)域模型的構(gòu)建

在實(shí)際中,對(duì)于不同的行業(yè)、區(qū)域,影響財(cái)務(wù)危機(jī)的因素存在一定的差異,這就需要在進(jìn)行研究時(shí)考慮行業(yè)和區(qū)域的差異。針對(duì)某行業(yè)、某區(qū)域建立財(cái)務(wù)危機(jī)預(yù)警模型會(huì)使模型更有針對(duì)性,預(yù)測(cè)結(jié)果更為準(zhǔn)確。當(dāng)今,我國學(xué)者針對(duì)某個(gè)行業(yè)、某個(gè)區(qū)域進(jìn)行的財(cái)務(wù)危機(jī)預(yù)警的研究還比較少,需要進(jìn)一步研究和探索。

[1]P.J.Fitzpartrick.A comparison of ratios of successful industrial enterpriseswith those of failed firms[J].Certified Public Accountant,1932,10：598-605,11：656-662.

[2]W.Beaver.Financial ratios as predictors of failure[J].Journal of Accounting Research,1966,4(Supplement)：71-111.

[3]E.I.Altman.Financial ratios discriminate analysis and the prediction of corporate bankruptcy[J].Journal of Finance,1968,23(4)：589-609.

[4]J.A.Ohlson.Financial ratios and probabilistic prediction of bankruptcy[J].Journal of Accounting Research,1980,18：109-131.

[5]C.V.Zavgren.Assessing the vulnerability to failure of A-merican industrial firm：a logistic analysis[J].Journal of Business Finance&Accounting,1985,12(1)：19-45.

[6]周首華,楊濟(jì)華,王平.論財(cái)務(wù)危機(jī)的預(yù)警分析——F分?jǐn)?shù)模式[J].會(huì)計(jì)研究,1996,(8)：8-11.

[7]陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析 [J].會(huì)計(jì)研究.1999,(4)：31-38.

[8]吳世農(nóng),盧賢義.我國上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究 [J].經(jīng)濟(jì)研究,2001,(6)：46-55.

[9]張愛民,祝春山,許丹健.上市公司財(cái)務(wù)失敗的主成分預(yù)測(cè)模型及其實(shí)證研究[J].金融研究,2001,(3)：10-25.

[10]楊淑娥,徐偉剛.上市公司財(cái)務(wù)預(yù)警模型——Y分?jǐn)?shù)模型的實(shí)證研究[J].中國軟科學(xué),2003,(1)：56-60.

[11]劉紅霞,張心林.以主成分分析法構(gòu)建企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào),2004,(4)：70-75.

L iterature Review on Financial Crisis Prediction M odel

Zhang Lin1,Wang Chun-he2
(1,2.School ofBusiness and Administration,HebeiUniversity of Economics and Business,Shijiazhuang 050061,China)

W ith the current volatile market environment and heightened international competition,enterprises have to face increasing risks and crisis,and the financial crisis is the most significant and comprehensive performance.Financial crisis prediction has become an important factor in the healthy development in China’s capitalmarket and the problem of financial crisisprediction has become a hot issue.The scholars in China and overseas generalize,sort and introduce the research progress of financial crisis prediction models.It is necessary to compare,evaluate and analyze the financial crisis prediction models on the basis of this.

financial crisis prediction models;research progress;trends and problems

F275

A

1003-4919(2011)01-0084-03

2010-09-02

本文系 2009年度河北省教育廳人文社會(huì)科學(xué)研究項(xiàng)目“企業(yè)品牌危機(jī)預(yù)警機(jī)制研究”(編號(hào)：S090214)的階段性成果

1.張琳 (1986— ),女,河北滄州人,河北經(jīng)貿(mào)大學(xué)工商管理學(xué)院碩士研究生,研究方向：戰(zhàn)略管理;2.王春和(1962— ),男,河北秦皇島人,河北經(jīng)貿(mào)大學(xué)工商管理學(xué)院教授,博士,研究方向：戰(zhàn)略管理。

[12]耿克紅,李忠民.基于主成分邏輯回歸方法的財(cái)務(wù)失敗預(yù)測(cè)模型[J].河北工業(yè)大學(xué)學(xué)報(bào),2005,(2)：53-57.