企業(yè)財(cái)務(wù)危機(jī)預(yù)警方法述評(píng)

　　【摘 要】 文章在分析國(guó)內(nèi)外企業(yè)財(cái)務(wù)危機(jī)預(yù)警的主要方法及其優(yōu)缺點(diǎn)的基礎(chǔ)上，指出我國(guó)財(cái)務(wù)危機(jī)預(yù)警研究亟待在分行業(yè)預(yù)警模型的構(gòu)建和非上市公司財(cái)務(wù)危機(jī)預(yù)警研究?jī)蓚€(gè)方面進(jìn)行突破。
　　【關(guān)鍵詞】 企業(yè)財(cái)務(wù)危機(jī)； 預(yù)警方法； 預(yù)警模型
　　
　　一、引言
　　
　　企業(yè)財(cái)務(wù)危機(jī)預(yù)警是指依據(jù)企業(yè)財(cái)務(wù)會(huì)計(jì)資料，運(yùn)用科學(xué)的方法，對(duì)企業(yè)財(cái)務(wù)系統(tǒng)和財(cái)務(wù)活動(dòng)中存在的問(wèn)題進(jìn)行分析和診斷，及時(shí)發(fā)現(xiàn)企業(yè)的潛在危機(jī)，進(jìn)而提出解決措施。財(cái)務(wù)危機(jī)預(yù)警的方法有很多，如果根據(jù)不同方法所使用的資料情況分類，可以簡(jiǎn)單地將其分為靜態(tài)方法和動(dòng)態(tài)方法。靜態(tài)方法包括：財(cái)務(wù)指標(biāo)分析法、單變模型分析法、多元線性模型分析法、多元邏輯回歸模型分析法等；動(dòng)態(tài)方法是指人工神經(jīng)網(wǎng)絡(luò)模型分析等方法。企業(yè)財(cái)務(wù)危機(jī)預(yù)警屬于微觀經(jīng)濟(jì)預(yù)警范疇，比之宏觀經(jīng)濟(jì)預(yù)警而言，其在理論上和方法上都相對(duì)滯后。因此，研究和設(shè)計(jì)企業(yè)財(cái)務(wù)危機(jī)預(yù)警方法體系是一個(gè)正在探索的課題。
　　
　　二、企業(yè)財(cái)務(wù)危機(jī)預(yù)警的主要方法及其優(yōu)缺點(diǎn)
　　
　　（一）單變模型分析法
　　單變模型分析法是通過(guò)單個(gè)財(cái)務(wù)比率走勢(shì)的惡化程度來(lái)預(yù)測(cè)財(cái)務(wù)危機(jī)。常用的財(cái)務(wù)比率主要有：債務(wù)保障率、資產(chǎn)收益率、資產(chǎn)負(fù)債率、資金安全率、應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率、流動(dòng)資金周轉(zhuǎn)率等。企業(yè)良好的現(xiàn)金流量、收益能力和債務(wù)狀況應(yīng)表現(xiàn)為企業(yè)長(zhǎng)期穩(wěn)定的發(fā)展態(tài)勢(shì)。在跟蹤考察時(shí)，當(dāng)這些財(cái)務(wù)比率達(dá)到經(jīng)營(yíng)者設(shè)立的警戒線時(shí)，就需特別注意防范財(cái)務(wù)危機(jī)。
　　單變模型分析法的優(yōu)點(diǎn)是理解容易，計(jì)算簡(jiǎn)便；缺點(diǎn)是這種方法僅能反映企業(yè)財(cái)務(wù)惡化的趨勢(shì)，無(wú)法進(jìn)行風(fēng)險(xiǎn)大小的準(zhǔn)確度量。而且，企業(yè)風(fēng)險(xiǎn)是各項(xiàng)目風(fēng)險(xiǎn)的綜合，單變模型分析法并不能揭示不同財(cái)務(wù)比率因素對(duì)整體風(fēng)險(xiǎn)的作用大小，也不能反映各財(cái)務(wù)比率之間的相互影響作用。相反，對(duì)同一公司采用不同的財(cái)務(wù)比率進(jìn)行預(yù)測(cè)，還可能出現(xiàn)結(jié)果不同的現(xiàn)象。
　　
　　（二）多元線性模型分析法
　　近年來(lái)，多元線性模型分析法在財(cái)務(wù)危機(jī)預(yù)警中得到了廣泛的應(yīng)用。多元線性模型分析法最常見(jiàn)的是“Z計(jì)分模型”法，它是運(yùn)用多種財(cái)務(wù)指標(biāo)加權(quán)匯總產(chǎn)生的總判別值（Z值）來(lái)預(yù)測(cè)財(cái)務(wù)危機(jī)。其函數(shù)模型為：
　　Z＝0.012X1+0.014X2+0.033X3+0.006X4+0.999X5
　　該模型以5個(gè)財(cái)務(wù)比率，將反映企業(yè)償債能力的指標(biāo)（X1，X4）、獲利能力指標(biāo)（X2，X3）和營(yíng)運(yùn)能力指標(biāo)（X5）有機(jī)地聯(lián)系起來(lái)，綜合分析和預(yù)測(cè)企業(yè)風(fēng)險(xiǎn)。在這三類指標(biāo)中，最重要的指標(biāo)是營(yíng)運(yùn)能力指標(biāo)。一般認(rèn)為，Z值越低企業(yè)越有可能發(fā)生破產(chǎn)。
　　“Z計(jì)分模型”是比較成熟的一種財(cái)務(wù)危機(jī)預(yù)警方法。該模型從總體角度給了企業(yè)一個(gè)定量標(biāo)準(zhǔn)，以檢查企業(yè)的財(cái)務(wù)狀況，有利于不同時(shí)期的比較。但由于企業(yè)規(guī)模、行業(yè)、地域等諸多差異，使Z值并不具有橫向可比性。同時(shí)，由于這種線性判別函數(shù)存在兩個(gè)無(wú)法克服的邏輯缺陷：固定影響假設(shè)和完全線性補(bǔ)償假設(shè)。而這兩個(gè)缺陷更是極大地限制了模型的分類和預(yù)測(cè)能力。
　　
　　（三）多元邏輯（Logit）回歸模型分析法
　　多元邏輯回歸模型的目標(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)。這一模型建立在累計(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。
　　近年來(lái)，多元邏輯回歸預(yù)警研究在我國(guó)發(fā)展較快。如：吳世農(nóng)、盧賢義以我國(guó)上市公司為研究對(duì)象，選取了70家處于財(cái)務(wù)危機(jī)的公司和70家財(cái)務(wù)正常的公司為樣本，應(yīng)用Fisher線性判定分析、多元線性回歸分析和Logistic回歸分析三種方法，分別建立三種預(yù)測(cè)財(cái)務(wù)危機(jī)的模型。研究結(jié)果表明：三種模型都能在財(cái)務(wù)困境發(fā)生前發(fā)出相對(duì)準(zhǔn)確的預(yù)測(cè)。而相對(duì)同一信息集，Logistic預(yù)測(cè)模型的判定準(zhǔn)確率最高，財(cái)務(wù)危機(jī)發(fā)生前第1年的判定準(zhǔn)確率為93.53%。陳曉、陳治鴻以截至1999年7月1日的38家因“財(cái)務(wù)狀況異常”而被特別處理的ST公司為研究對(duì)象，運(yùn)用多元Logit回歸進(jìn)行研究。研究結(jié)果表明，用負(fù)債權(quán)益比率、應(yīng)收賬款周轉(zhuǎn)率、主營(yíng)業(yè)務(wù)利潤(rùn)/總資產(chǎn)和留存收益/總資產(chǎn)構(gòu)建的多元邏輯回歸具有較強(qiáng)的預(yù)測(cè)能力。姜秀華于2001年在其出版的博士論文中運(yùn)用邏輯回歸方法構(gòu)建的預(yù)警模型，其在企業(yè)財(cái)務(wù)危機(jī)發(fā)生前第1年的判定準(zhǔn)確率為95.45%。陳洪波（2003）根據(jù)理論和實(shí)證研究結(jié)論，考慮對(duì)融資結(jié)構(gòu)產(chǎn)生影響的種種因素，選擇資產(chǎn)負(fù)債率、調(diào)整后的速動(dòng)比率、EBIT/總利息支付、銷售凈利率和主營(yíng)收入利潤(rùn)率的增長(zhǎng)率前N年的變化平均值5個(gè)財(cái)務(wù)指標(biāo)作為變量構(gòu)建了一個(gè)財(cái)務(wù)危機(jī)預(yù)警的多變模型。吳世珍、柯大鋼從“應(yīng)收款”視角構(gòu)建了一個(gè)我國(guó)上市公司的財(cái)務(wù)危機(jī)預(yù)警模型，并對(duì)模型的有效性進(jìn)行了檢驗(yàn)。
　　Logit模型的最大優(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，具有更廣泛的應(yīng)用范圍；其缺點(diǎn)是使用該方法時(shí)收集信息和計(jì)算的過(guò)程較為復(fù)雜，不易掌握，從而又限制了模型在實(shí)踐中的應(yīng)用和推廣。
　　
　　（四）人工神經(jīng)網(wǎng)絡(luò)（ANN）分析法
　　近年來(lái)，人工神經(jīng)網(wǎng)絡(luò)（ANN）技術(shù)的發(fā)展，給企業(yè)財(cái)務(wù)預(yù)測(cè)提供了新的工具，應(yīng)用新的研究方法提高預(yù)測(cè)準(zhǔn)確度逐漸成為該領(lǐng)域的重要發(fā)展方向。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。
　　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)。如：1991年，Coats和Fant論述了神經(jīng)網(wǎng)絡(luò)模型可正確預(yù)測(cè)公司的財(cái)務(wù)危機(jī)的觀點(diǎn)，并用了47家財(cái)務(wù)危機(jī)公司和47家健康公司檢測(cè)模型的預(yù)測(cè)效果，擬和度達(dá)100%。模型用于預(yù)測(cè)財(cái)務(wù)危機(jī)公司準(zhǔn)確率達(dá)91%，而采用多元判別法的預(yù)測(cè)精度僅為72%。又如：楊保安等（2001）采用ANN模型進(jìn)行財(cái)務(wù)危機(jī)預(yù)警，結(jié)果表明：樣本的實(shí)際輸出與期望輸出比較接近，顯示出ANN是進(jìn)行企業(yè)財(cái)務(wù)危機(jī)預(yù)警的一種很好的應(yīng)用工具等等。然而，由于該方法理論基礎(chǔ)比較薄弱，ANN對(duì)人體大腦神經(jīng)模擬的科學(xué)性、準(zhǔn)確性還有待進(jìn)一步提高，且其計(jì)算也有較大難度，因此ANN模型的適用性也就大打折扣。
　　
　　（五）其他方法
　　其他財(cái)務(wù)危機(jī)預(yù)警方法主要是指一些非統(tǒng)計(jì)類預(yù)警方法，包括案例研究法、專家系統(tǒng)法、實(shí)驗(yàn)法、災(zāi)害理論、混沌系統(tǒng)理論、期權(quán)定價(jià)理論等等。由于這些方法在理論上還不夠成熟，在實(shí)務(wù)中應(yīng)用也較少，本文不一一贅述。
　　
　　三、思考
　　
　　盡管目前財(cái)務(wù)危機(jī)預(yù)警研究取得了重大進(jìn)展，財(cái)務(wù)危機(jī)預(yù)測(cè)方法層出不窮，但主流分析方法只有單變模型分析法、多元線性模型分析法和多元邏輯回歸模型分析法三大類。其他研究方法雖然也作出了有益的嘗試，但是要么由于預(yù)警方法考慮的因素單一，方法過(guò)于簡(jiǎn)單，其預(yù)測(cè)準(zhǔn)確率較低；要么由于模型開(kāi)發(fā)歷史較短，研究不夠成熟，模型的穩(wěn)定性有待進(jìn)一步檢驗(yàn)。
　　基于財(cái)務(wù)危機(jī)預(yù)警方法研究的現(xiàn)狀，筆者認(rèn)為，財(cái)務(wù)危機(jī)預(yù)警方法的研究還應(yīng)在以下兩個(gè)方面進(jìn)行突破：首先，應(yīng)在分行業(yè)的企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究方面進(jìn)行突破。由于每個(gè)行業(yè)的狀況不同，影響財(cái)務(wù)危機(jī)的因素自然不同，我們很難構(gòu)建一個(gè)能適合所有行業(yè)的企業(yè)財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)。國(guó)外理論界在分行業(yè)的財(cái)務(wù)危機(jī)預(yù)警研究中發(fā)現(xiàn)，由于行業(yè)的不同，同一預(yù)警變量包含的信息量有所不同，其預(yù)測(cè)效果有很大差別。因此，分行業(yè)研究可能更有價(jià)值。其次，國(guó)內(nèi)財(cái)務(wù)危機(jī)預(yù)警方法絕大多數(shù)只限于預(yù)測(cè)被“特別處理”（ST）的上市公司，且模型的敏感性較低（多數(shù)只能提前1-2年進(jìn)行較為準(zhǔn)確的預(yù)測(cè)），其研究成果主要為投資者買(mǎi)賣(mài)股票提供一些投資依據(jù)，對(duì)企業(yè)自身的財(cái)務(wù)預(yù)警作用并不明顯。另外，各種預(yù)警方法對(duì)非上市公司研究很少，因此，在財(cái)務(wù)危機(jī)預(yù)警研究的范圍方面還應(yīng)進(jìn)行拓展和突破。●
　　
　　【參考文獻(xiàn)】
　　[1] 齊治平，余妙志. Logistic模型在上市公司財(cái)務(wù)狀況評(píng)價(jià)中的運(yùn)用[J].東北財(cái)經(jīng)大學(xué)學(xué)報(bào)，2002，1：60-61.
　　[2] 吳世農(nóng)，盧賢義.我國(guó)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，1998，6：18-20.
　　[3] 陳曉，陳治鴻.中國(guó)上市公司的財(cái)務(wù)困境預(yù)測(cè)[J].中國(guó)會(huì)計(jì)與財(cái)務(wù)研究，2000，9：55-72.
　　[4] 姜秀華.治理內(nèi)核與綜合業(yè)績(jī)的相關(guān)性研究[M].上海：上海財(cái)經(jīng)大學(xué)出版社，2003年版.
　　[5] 陳洪波.中國(guó)上市公司財(cái)務(wù)危機(jī)判別模型[J].四川會(huì)計(jì)，2003，1：23.
　　[6] 吳世珍，柯大鋼.我國(guó)上市公司財(cái)務(wù)危機(jī)預(yù)警研究[J].財(cái)會(huì)月刊，2007，3：16-19.
　　[7] 楊保安，季海，徐晶，等. BP神經(jīng)網(wǎng)絡(luò)在企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究之應(yīng)用[J].預(yù)測(cè)，2001，20（2）：49-54.
　　[8] Pamela K.Coats and L.Franklin Fant.A Neural Nelwork Approach to Forecasting Financial Distres[J].The Journal of Business Forecasting，1991.Winter.