錢興元

摘 要：企業(yè)通過建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，可以及時(shí)有效地發(fā)現(xiàn)和防范企業(yè)所隱藏的財(cái)務(wù)風(fēng)險(xiǎn)，從而使企業(yè)可以健康持續(xù)的發(fā)展。然而，由于現(xiàn)有的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型存在種種缺陷，在實(shí)際運(yùn)用中往往效果甚微。本文通過對(duì)國(guó)內(nèi)外有關(guān)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型進(jìn)行梳理，并針對(duì)模型的局限，對(duì)企業(yè)構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型時(shí)提出合理的建議。

關(guān)鍵詞：財(cái)務(wù)風(fēng)險(xiǎn);預(yù)警模型;風(fēng)險(xiǎn)預(yù)警

一、國(guó)外財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型綜述

（一）單變量模型

單變量預(yù)警模型最早由菲茨帕特里克提出，他選擇19家破產(chǎn)公司與正常公司通過財(cái)務(wù)比率進(jìn)行比較分析。從而得出凈利潤(rùn)/股東權(quán)益和股東權(quán)益/負(fù)債這兩項(xiàng)指標(biāo)具有較高的預(yù)警精度。經(jīng)過幾年的發(fā)展，威廉·比弗在菲茨帕特里克的研究基礎(chǔ)上，對(duì)單變量預(yù)警模型進(jìn)行了改進(jìn)。他選擇1954—1966年間，破產(chǎn)公司與正常公司各79家作為研究對(duì)象，研究結(jié)果表明，凈利潤(rùn)/總資產(chǎn)、現(xiàn)金凈流量/總負(fù)債這兩項(xiàng)指標(biāo)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)具有較高的預(yù)警精度。

（二）多變量模型

在國(guó)外影響力最大的多變量預(yù)警模型是由奧特曼所提出的Z-score模型。他選擇1946-1965年間的破產(chǎn)公司和正常公司各33家，通過選擇5個(gè)財(cái)務(wù)指標(biāo)來計(jì)算Z值，并通過Z值的大小來判斷來判斷企業(yè)是否具有財(cái)務(wù)風(fēng)險(xiǎn)。Z-score模型又分為上市公司和非上市公司兩種情形。但是如果預(yù)測(cè)期越長(zhǎng)，那么該模型的預(yù)警精度也會(huì)隨之降低，失敗前5年的預(yù)警精度僅為36%。因此，在隨后的幾年里，奧特曼、霍爾德曼、納拉亞南在Z-score模型的基礎(chǔ)上，對(duì)其進(jìn)行改進(jìn)，他們選取了58家正常公司和53家破產(chǎn)公司，選擇7個(gè)財(cái)務(wù)指標(biāo)，構(gòu)建了ZETA模型。

埃德米斯特也在此研究的基礎(chǔ)上進(jìn)行了相關(guān)的研究，他以小企業(yè)為研究對(duì)象，通過選取的指標(biāo)構(gòu)建Tafler模型。多變量預(yù)警模型雖然比單變量預(yù)警在預(yù)警精度上更準(zhǔn)確，但由于其數(shù)據(jù)獲取和處理比較繁瑣。并且，多變量模型要求變量符合正態(tài)分布假設(shè)，沒有充分考慮現(xiàn)金流變動(dòng)的情況。所以，模型使用的范圍比較少。

（三）Logistic預(yù)警模型

單變量預(yù)警模型和多變量預(yù)警模型都由其局限性不能準(zhǔn)確的預(yù)算出企業(yè)患財(cái)務(wù)風(fēng)險(xiǎn)的概率。因此，馬丁就借助Logistic模型選取了超過5000家的銀行進(jìn)行分析，并選取了25個(gè)財(cái)務(wù)指標(biāo)進(jìn)行構(gòu)建模型。并且，還采用了Logistic回歸分析方法來對(duì)財(cái)務(wù)指標(biāo)進(jìn)行分析。研究結(jié)果表明，包括費(fèi)用/營(yíng)業(yè)收入等六個(gè)指標(biāo)可以有效地預(yù)測(cè)銀行破產(chǎn)的概率。Logistic模型雖然克服了線性模型需要滿足統(tǒng)計(jì)假設(shè)的缺陷，但由于其計(jì)算結(jié)果大多數(shù)是采用近似值，計(jì)算過程繁瑣，所以，計(jì)算的結(jié)果與實(shí)際結(jié)果有所誤差。

（四）人工神經(jīng)網(wǎng)絡(luò)預(yù)警模型

奧多姆與沙爾達(dá)在研究財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警問題時(shí)，首次采用神經(jīng)網(wǎng)絡(luò)模型來預(yù)測(cè)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)。兩位學(xué)者通過選取1975-1982年間，破產(chǎn)公司和非破產(chǎn)公司各65家。通過對(duì)這些樣本數(shù)據(jù)進(jìn)行配對(duì)分析。研究結(jié)果顯示，采用神經(jīng)網(wǎng)絡(luò)模型對(duì)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警具有較高的精確度。喬治·馬里納科斯根據(jù)制藥行業(yè)的特點(diǎn)，通過人工神經(jīng)網(wǎng)絡(luò)理論來構(gòu)建制藥企業(yè)的現(xiàn)金流預(yù)警模型，從而得出，通過構(gòu)建人工神經(jīng)網(wǎng)絡(luò)預(yù)警模型可以有效地降低醫(yī)藥零售企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)。

（五）現(xiàn)金流量模型

勞森、阿齊澤曼以現(xiàn)金流信息為基礎(chǔ)構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。他們通過選取破產(chǎn)企業(yè)破產(chǎn)前5年的財(cái)務(wù)數(shù)據(jù)，與正常企業(yè)同時(shí)期的財(cái)務(wù)數(shù)據(jù)進(jìn)行比較，發(fā)現(xiàn)破產(chǎn)企業(yè)與正常企業(yè)的現(xiàn)金流量均值與現(xiàn)金支付所得稅的均值存在很大差異?，F(xiàn)金流量模型相對(duì)于Z模型與ZBTA模型，預(yù)警精度更高。

二、國(guó)內(nèi)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型綜述

國(guó)內(nèi)的學(xué)者對(duì)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的研究最早可追溯到20世紀(jì)80年代。隨著我國(guó)經(jīng)濟(jì)的快速增長(zhǎng)，國(guó)內(nèi)的學(xué)者對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的研究也在不斷地深入，通過結(jié)合各行各業(yè)的行業(yè)特點(diǎn)，通過定量與定性的分析，構(gòu)建符合社會(huì)主義經(jīng)濟(jì)的財(cái)務(wù)風(fēng)向預(yù)警模型。

（一）單變量預(yù)警模型

陳靜通過把ST公司界定為財(cái)務(wù)失敗的公司，通過選取27家ST公司，以及處于同行業(yè)、同規(guī)模的27家非ST公司作為研究樣本。并根據(jù)這54家公司1995-1997年的財(cái)務(wù)數(shù)據(jù)計(jì)算出各公司的資產(chǎn)負(fù)債率、流動(dòng)比率、凈資產(chǎn)收益率、總資產(chǎn)收益率，并對(duì)這四個(gè)指標(biāo)進(jìn)行單變量預(yù)警分析，結(jié)果顯示，單變量預(yù)警模型雖然存在一些局限性，但確是一種較為簡(jiǎn)單有效的預(yù)測(cè)方法。

（二）多變量預(yù)警模型

周首華，楊濟(jì)華，王平在Z-score模型的基礎(chǔ)上，加入能夠預(yù)測(cè)出企業(yè)破產(chǎn)的財(cái)務(wù)指標(biāo)：現(xiàn)金流量比率指標(biāo)，從而構(gòu)建了F分?jǐn)?shù)模式。在進(jìn)行模型的實(shí)證中，他們選取了4160家的公司作為研究對(duì)象，其準(zhǔn)確度高達(dá)70%。研究結(jié)果表明，F(xiàn)-分?jǐn)?shù)模式是一種更加準(zhǔn)確的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。

張玲選取深滬兩交易所120家的上市公司作為研究樣本，這120家公司設(shè)計(jì)各行各業(yè)。把這些公司分成兩組，第一組包括30家ST公司和30家非ST公司，作為原始樣本。第二組包括21家ST公司和39家非ST公司，作為預(yù)測(cè)樣本。通過多元判別函數(shù)來構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，該研究結(jié)果表明，此模型能夠?qū)T公司的財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行提前預(yù)警。

聶保平通過采用Z-score模型對(duì)57家零售業(yè)上市公司進(jìn)行分析，其研究結(jié)果表明，如果企業(yè)的財(cái)務(wù)狀況比較好或者是財(cái)務(wù)狀況比較差時(shí)，那么對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)警精確度就高，對(duì)于財(cái)務(wù)在好與差之間的，預(yù)警精確度就比較低。

（三）Logistic模型

黃楊通過選取2015年12家ST公司和12家正常公司作為研究樣本，并使用T檢驗(yàn)對(duì)樣本財(cái)務(wù)指標(biāo)進(jìn)行檢驗(yàn)，并基于二項(xiàng)Logistic回歸分析方法，建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。研究結(jié)果表明，該模型對(duì)財(cái)務(wù)風(fēng)險(xiǎn)具有較高的預(yù)測(cè)精度李長(zhǎng)山通過選取2016年23家制造業(yè)上市公司，和30家非制造上市公司作為對(duì)比，對(duì)財(cái)務(wù)數(shù)據(jù)進(jìn)行主成分分析，運(yùn)用Logistic回歸方法，建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。研究結(jié)果表明，上市公司通過構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型能夠有效地降低企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性。

（四）人工神經(jīng)網(wǎng)絡(luò)模型

李曉青、洪怡恬通過專家調(diào)查法獲得了15個(gè)樣本企業(yè)的物流外包風(fēng)險(xiǎn)指標(biāo)評(píng)價(jià)值?；贐P神經(jīng)網(wǎng)絡(luò)理論，建立符合物流企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，其研究結(jié)果表明，該結(jié)果對(duì)物流企業(yè)具有較高的預(yù)警精度。

邢瑞雪、賈煒瑩通過選取78家上市公司作為研究對(duì)象，分別采用邏輯回歸、多元判斷、支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)建立模型。研究結(jié)果表明，人工智能方法所構(gòu)建的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型要比傳統(tǒng)的財(cái)務(wù)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型具有更高的預(yù)警精度。

孫新憲、李夏琳通過選取2004—2016年四大航空公司共49家研究樣本，其中38家訓(xùn)練樣本，11家為檢測(cè)樣本。利用主成分分析法對(duì)預(yù)警指標(biāo)進(jìn)行降維優(yōu)化，最后基于BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系。研究結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)模型能夠有效地預(yù)測(cè)航空公司的財(cái)務(wù)風(fēng)險(xiǎn)。

（五）現(xiàn)金流量模型

周守華、王平和楊濟(jì)華改良了Z-score模型，各選取31家破產(chǎn)公司與正常公司作為研究樣本，在充分考慮現(xiàn)金流量變動(dòng)情況的基礎(chǔ)上，構(gòu)建了現(xiàn)金流量模型：F=-0.1774+1.1091X1+0.1704X2+1.9271X3+0.0302X4+0.4961X5。

其中，X1，X2，X4與Z值模型中的一致，X3，X5與之不同。X3=（稅后凈收益+折舊）/平均總負(fù)債，X5=（稅后凈收益+利息+折舊）/平均總資產(chǎn)，其判別臨界點(diǎn)為0.0274，他們最后選取了4160家公司的數(shù)據(jù)以檢驗(yàn)改良后的模型，結(jié)果發(fā)現(xiàn)改良后的模型對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)測(cè)準(zhǔn)確度更高。

三、文獻(xiàn)綜述評(píng)價(jià)

通過對(duì)國(guó)內(nèi)外有關(guān)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的研究分析后，我們可以了解到，國(guó)外學(xué)者對(duì)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的研究要比國(guó)內(nèi)早，因此所取得成果也比中國(guó)大。而我國(guó)由于起步晚，且早期的研究都是基于國(guó)外學(xué)者的理論基礎(chǔ)上進(jìn)行改進(jìn)與優(yōu)化。但經(jīng)過學(xué)者的努力，我國(guó)近幾年在這一方面也取得了十足的進(jìn)展，但仍有許多地方需要改進(jìn)，具體如下：

第一，由于我國(guó)的研究大多數(shù)是基于國(guó)外的理論研究基礎(chǔ)上進(jìn)行改進(jìn)與優(yōu)化，并沒有結(jié)合我國(guó)的實(shí)際國(guó)情與經(jīng)濟(jì)狀況進(jìn)行研究，所以，有可能得出的數(shù)據(jù)結(jié)果有所偏差。

第二，大多數(shù)現(xiàn)有的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型在理論上具有實(shí)用性，但是在實(shí)際的操作中，由于計(jì)算過于煩瑣，對(duì)一些專業(yè)能力不強(qiáng)的小公司而言，即使預(yù)警精度在高，也很難對(duì)企業(yè)起到指導(dǎo)作用。

第三，由于各行各業(yè)所面臨的市場(chǎng)環(huán)境和經(jīng)濟(jì)環(huán)境的不同，所以，我們?cè)诮⒇?cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型時(shí)，要結(jié)合現(xiàn)有企業(yè)行業(yè)的特點(diǎn)進(jìn)行研究。但現(xiàn)有的預(yù)警模型無法覆蓋整個(gè)行業(yè)，并且由于現(xiàn)有的模型大多數(shù)是以上市公司作為研究對(duì)象，而對(duì)于非上市公司則少有涉及。

（作者單位：青海民族大學(xué)）

參考文獻(xiàn)：

[1]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.

[2]李長(zhǎng)山.基于Logistic回歸法的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型構(gòu)建[J].統(tǒng)計(jì)與決策，2018（6）：185-188.

[3] 邢瑞雪，賈煒瑩.上市公司財(cái)務(wù)危機(jī)預(yù)警模性比較研究[J].商業(yè)會(huì)計(jì)，2013（17）：46-48.