楊晶
摘要:本文研究回顧國內(nèi)外財務(wù)預警領(lǐng)域的研究,梳理出國內(nèi)外經(jīng)典研究,對研究狀況進行評述??偨Y(jié)歸納出單變量模型、多元判別模型、邏輯回歸模型、人工神經(jīng)網(wǎng)絡(luò)模型。最后對國內(nèi)外研就進行比較。
關(guān)鍵詞:財務(wù)危機預警;多元判別;邏輯回歸;人工神經(jīng)網(wǎng)絡(luò)
預警(Early-Warning)一詞源于軍事,而財務(wù)風險預警是借助企業(yè)提供的財務(wù)報表、經(jīng)營計劃及其他相關(guān)會計資料,利用財會、統(tǒng)計、金融、企業(yè)管理、市場營銷等理論,采用比率分析、比較分析、因素分析及多種分析方法,對企業(yè)的經(jīng)營活動、財務(wù)活動等進行分析預測,以發(fā)現(xiàn)企業(yè)在經(jīng)營管理活動中潛在的財務(wù)風險,并在危機發(fā)生之前向企業(yè)經(jīng)營者發(fā)出警告,督促企業(yè)管理當局采取有效措施,避免潛在的風險演變成損失的一種預警方式。
從二十世紀六十年代開始,國外財務(wù)危機預警如火如荼地開展研究。經(jīng)過近半個世紀的發(fā)展,已經(jīng)建立起單變量模型、多變量模型。傳統(tǒng)的統(tǒng)計模型有單變量模型,其主要依靠對財務(wù)危機企業(yè)單一變量指標的對比分析進行篩選出財務(wù)危機前后具有顯著差異的指標來作為預警指標。多變量模型衍化為Z值模型、多元邏輯模型、人工神經(jīng)網(wǎng)絡(luò)模型、F分數(shù)模型等財務(wù)危機預警效果更為有效的模型。
1.國內(nèi)外研究綜述
1.1單變量模型(Univariate)
Fitzpatrick(1932)最早對比單變量指標,篩選出凈利潤/股東權(quán)益、股東權(quán)益/負債在識別財務(wù)危機中具有較高判別能力。由于當時的科學技術(shù)的限制,財務(wù)危機預警模型限于描述性研究。直至William Beaver(1966)采用均值比較、劃分測試以及似然分析,對79對企業(yè)檢驗29項財務(wù)指標,發(fā)現(xiàn)債務(wù)保障率、資產(chǎn)收益率、資產(chǎn)負債率預測財務(wù)失敗是有效的。
陳靜(1999)經(jīng)過研究單變量,進而進行多元判別分析,對國外財務(wù)危機預警模型展開適應(yīng)性研究,發(fā)現(xiàn)在選取的4個財務(wù)比率中,流動比率及資產(chǎn)負債率的誤判率較低,構(gòu)建了包含6個財務(wù)指標的判別函數(shù)。
1.2多元判別模型(Multiple Discriminant Analysis,MDA)
Altman(1968)頭次引入多變量線性模型解決財務(wù)危機預警問題。該模型是由五個財務(wù)變量組成,賦權(quán)重得到綜合指標即Z值。Z值越大,公司的財務(wù)風險越?。籞值越小,公司財務(wù)風險越大。選取的財務(wù)指標有營運資本/資產(chǎn)總額、留存收益/資產(chǎn)總額、息稅前利潤/資產(chǎn)總額、股票總市值/負債賬面價值、主營業(yè)務(wù)收入/資產(chǎn)總額。之后,Altman(1977)提出ZETA模型,優(yōu)于Z值模型。
1.3 F分數(shù)模型(Failure Score Model)
周首華等(1996)提出了F分數(shù)模型(Failure Score Model),相對于Altman的Z值模型來說,該模型考慮了現(xiàn)金流量、今日公司財務(wù)狀況的發(fā)展及其有關(guān)標準的更新、樣本量更大。其臨界值為0.0274,大于0.0274則公司繼續(xù)生存,反之,則面臨破產(chǎn)危機。模型驗證準確率近70%。
1.4多元邏輯回歸判別模型(Logit)
到了二十世紀七十年代末期,Martin第一次采用多元邏輯回歸模型預警財務(wù)困境。在比較Z值,ZETA,以及邏輯回歸模型后,他發(fā)現(xiàn)邏輯回歸模型明顯優(yōu)于其它兩個模型。Ohlson(1980)使用邏輯回歸模型分析了樣本公司,發(fā)現(xiàn)了公司規(guī)模、資本結(jié)構(gòu)、業(yè)績和當前的變現(xiàn)能力等四類變量顯著影響財務(wù)危機的預測。該模型準確率高達96.12%。由于多變量邏輯回歸模型克服了眾多多元線性判別模型的缺點,八十年代以來,多元邏輯回歸模型代替多元線性模型成為財務(wù)危機預警主流采用的模型。Bartczak和Norman(1985)比較多元線性判別和邏輯回歸,發(fā)現(xiàn)應(yīng)計制背景下,現(xiàn)金流量指標并不能提高財務(wù)危機預警的能力。泰國的Tirapat和Nittayagasetwat(1997)也運用邏輯回歸模型進行預測,發(fā)現(xiàn)宏觀經(jīng)濟情況變動在一定程度上反應(yīng)了公司財務(wù)風險狀況。
吳世農(nóng)等(2001)從21項財務(wù)指標中篩選出盈利增長指數(shù)、資產(chǎn)報酬率、流動比率、長期負債與股東權(quán)益比率、營運資本與總資產(chǎn)比率、資產(chǎn)周轉(zhuǎn)率6項財務(wù)指標,將Fisher線性判定分析、多元線性回歸分析和邏輯回歸分析三種方法應(yīng)用于財務(wù)困境預測,發(fā)現(xiàn)Logisitic預測準確率最高。
王克敏(2006)利用邏輯回歸模型考察公司治理結(jié)構(gòu)對財務(wù)危機的影響作用。結(jié)果顯示,公司治理結(jié)構(gòu)等與公司財務(wù)危機可能性顯著相關(guān)。
1.5人工神經(jīng)網(wǎng)絡(luò)分析模型(ANN)
Odom和Shardal(1990)第一次將人工神經(jīng)網(wǎng)絡(luò)模型與財務(wù)困境預警結(jié)合起來,開拓了財務(wù)預警新計量領(lǐng)域。模型抽取了129家樣本企業(yè),其中65家為破產(chǎn)企業(yè),64家為非破產(chǎn)企業(yè)。該論文對比了人工神經(jīng)網(wǎng)絡(luò)模型與多元判別分析的準確率,發(fā)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)模型要優(yōu)于當時的多元判別模型。Coats和Fant(1992)認為人工神經(jīng)網(wǎng)絡(luò)模型解決了Altman的Z值判別分析不能預測未來財務(wù)狀況的問題。Fletch和Goss(1992)比較邏輯回歸模型與神經(jīng)網(wǎng)絡(luò)模型后,得出結(jié)論是神經(jīng)網(wǎng)絡(luò)模型精度高但訓練要求同樣高。Altman(1994)認為總體上多元判別分析優(yōu)于神經(jīng)網(wǎng)絡(luò)模型。
楊保安(2001)應(yīng)用BP神經(jīng)網(wǎng)絡(luò)模型進行財務(wù)危機預警,判別準確率高達95%。李曉峰等(2004)利用粗糙集和人工神經(jīng)網(wǎng)絡(luò)模型動態(tài)預測財務(wù)危機,減少了財務(wù)指標的數(shù)量,提高了模型運行效率。
2.啟示
目前,國外學者細化到單個行業(yè)(如制造業(yè)、餐飲業(yè)、軟件業(yè));采用面板數(shù)據(jù),且時間跨度大,有的甚至跨越10年。而國內(nèi)研究為綜合數(shù)據(jù);面板數(shù)據(jù)剛剛起步,同時選取ST企業(yè)與非ST企業(yè)進行研究。研究方法方面,國外采用判別分析法,邏輯回歸分析法,神經(jīng)網(wǎng)絡(luò)法及多種混合方法等;國內(nèi)采用判別分析法、主成分分析法、回歸分析法、人工神經(jīng)網(wǎng)絡(luò)法和混合方法等。在進行指標的選取時,國內(nèi)對現(xiàn)金流量指標不夠重視。目前還缺乏一個統(tǒng)一的、有效的選擇財務(wù)預警體系的評價指標的方法。模型構(gòu)建方面,國外研究預測準確度高,有的甚至達到100%。相比之下,國內(nèi)預測準確度低,一般在85%左右。(作者單位:長沙理工大學經(jīng)濟與管理學院)
參考文獻:
[1]William Beaver,Heins RM.Risk Management and Insurance[M].New York:Mcgrawhill Publishing Co,1966,25-36
[2]Altman EI.Corporate distress diagnosis comparisions using linear discriminant analysis and neural networks(the Italian experience).Journal of Banking and Finance,1994:524-529
[3]周首華,楊濟華,王平.論財務(wù)危機的預警分析——F分數(shù)模式[J].會計研究,1996,08:8-11
[4]陳靜.上市公司財務(wù)惡化預測的實證分析[J].會計研究,1999,04:32-39.
[5]吳世農(nóng),盧賢義.我國上市公司財務(wù)困境的預測模型研究[J].經(jīng)濟研究,2001,06:46-55+96.