企業財務預警模型的比較研究

摘要：財務預警模型是診斷企業財務狀況、提供財務危機信號的得力幫手，研究財務預警模型對現實具有指導意義。本文對幾種典型的財務預警模型進行比較分析，為構建適合我國企業的財務預警模型提供一些思路和方法。

關鍵詞：財務預警 比較研究

隨著國內有關財務預警研究文獻的日益增多，財務預警理論不斷發展成熟，越來越多的模型被應用到財務預警中。從最早的單變量財務預警模型，到目前在國內應用比較廣泛、發展較為成熟的多元判別模型、主成分預測模型、邏輯回歸分析模型(Logistic)和類神經網絡分析法(ANN)，每種模型都有各自優缺點。只有弄清各種模型在財務預警應用中的優勢和劣勢，才能更為準確的將財務預警模型應用到實踐中。

1 財務預警模型的分類

1.1 單變量財務預警模型

單變量模型是指運用單一變量，用個別財務比率或現金流量指標來預測財務危機的方法。Fitzpatrick最早研究發現，出現財務困境的公司其財務比率和正常公司相比有顯著的不同，從而認為企業的財務比率能夠反映企業的財務狀況，并指出財務比率分別對企業未來具有預測作用。Beaver在此基礎上用統計方法建立了單變量財務預警模型，發現債務保障比率對公司的預測效果較好，其次是資產收益率和資產負債率的預測效果。

1.2 多變量財務預警模型

多變量模型就是運用多個財務指標或現金流量指標來綜合反映企業的財務狀況，并在此基礎上建立預警模型。運用較為廣泛的多變量財務預警模型主要有以下幾種：

1.2.1 多元判別分析模型。多元線性判別模型是運用多元統計分析方法中的判別分析建立起來的，它是根據一定的樣本資料，建立判別函數、確定判定區域，以對企業財務狀況進行預測。判別分析方法主要研究在已知研究對象分成若干類型并已取得各類樣品觀測數據的基礎上，如何判別一個新樣品的歸類問題，即判別分析的宗旨就是判斷新的案例的類別。

1.2.2 主成分預測模型。該模型也形成一個線性判定函數式，其形式類似判別分析模型。不過該模型是運用多元統計分析中的主成分分析方法，通過提煉綜合因子形成主成分，并利用主成分建立起來的。主成分分析方法的主要功能是為了解決樣本數據中指標個數太多以及指標間信息存在重復的問題，其作用有兩個：一是降維，二是減少信息的重復，從而使分析簡化。

1.2.3 邏輯回歸分析模型(Logistic)。邏輯回歸分析模型屬于回歸分析方法，其目的是研究模型中各解釋變量與被解釋變量之間的特定的關系，尤其是數值關系。它是采用一系列財務比率變量來預測公司發生財務困境的概率，然后對分析對象進行風險定位和決策，如果某公司算出的概率大于設定的分割點，則判定該公司將陷入財務困境。

1.2.4 類神經網絡分析法(ANN)。它是將神經網絡的分類方法應用于公司財務困境預測，是一種平行分散處理模式，其分析原理是基于對人類大腦神經運作的模擬。

2 單變量模型和多變量模型的比較

2.1 單變量模型方法簡單，多變量模型方法較為復雜。單變量模型只對單個財務比率進行分析考察，觀察企業發展變化趨勢，據此來判斷企業財務狀況，不需要進行復雜的計算。而多變量模型均同時選取多個財務指標或現金流量指標，再通過一定的方法進行綜合分析，模型的構建涉及多種方法和理論，操作比較復雜。

2.2 和多變量模型相比，單變量模型分析存在較多的局限性：①從總體上說，單變量模型的判別精度不高，而且單個財務比率不足以綜合反映企業的整體財務狀況；②不同的財務比率的預測目標和能力經常有較大的差距，容易產生對于同一公司使用不同比率預測出不同結果的現象；③單個指標分析得出的結論可能會受到一些客觀因素的影響，如通貨膨脹等的影響；④它只重視對個別指標影響力的分析，容易受管理人員粉飾會計報表、修飾財務指標、掩蓋財務危機的主觀行為的影響，以致模型判斷失效。而多變量模型由于綜合考慮了反映公司財務環境包括財務危機狀況的多個方面的因素，反映的是基本的和整體、全局的狀況，因此能比單變量模型更好地避免上述情況的發生。

3 多變量財務預警模型之間的比較

3.1 多變量財務預警模型優點的比較。①多元判別模型的主要優點就是它可以從總體角度來預測企業的財務狀況，對上市公司整體績效衡量比單變量客觀，由于判別函數綜合了多個財務指標的信息，降低了少數指標的大幅波動可能造成的誤判概率，因而比較可靠實用。同時也考慮到了財務指標變量之間的相關程度和變量的離散程度，彌補了單變量分析方法的一些不足，提高了預警效果。②主成分分析方法能夠對多維財務指標進行綜合、降維，避免了指標間信息高度重疊、高度相關給模型的應用帶來的許多障礙。③邏輯回歸分析模型的最大優點是，不需要嚴格的假設條件，克服了線性方程受統計假設約束的限制，具有更廣泛的適用范圍。④神經網絡模型除了具有較好的模式識別能力外，還可以克服統計方法的局限，因為它具有容錯能力和處理資料遺漏或錯誤的能力。最為可貴的是，還具有學習能力，可隨時依據新的數據資料進行自我學習，并調整其內部的儲存權重參數，以應對多變的企業環境。

3.2 各種財務預警模型缺點的比較。①判別分析方法的核心就是根據距離的遠近來判斷樣品的歸屬，通常形成一個線性判定函數式，據此判斷待判企業的歸屬。一般要求數據服從正態分布和兩組總體間協方差矩陣相等，而現實中的樣本數據往往并不能滿足這一要求，所以這就大大限制了多遠判別分析的應用范圍。②利用主成分分析方法建立財務預警模型有一個明顯的缺陷：即綜合評分式權重的確定以及判定區間的確定都具有較大的主觀性和不準確性，尤其是后者受樣本數據分布的影響很大。③雖然邏輯回歸分析模型并不要求財務指標變量符合正態分布和類間協方差矩陣相等假定條件，但是，它也有一定的局限性，如該法構建的模型也存在著同多變量判別分析模型一樣的多重共線性問題。并且其計算過程比較復雜，而且在計算過程中有很多近似處理，這不可避免的影響到預測精度。④人工神經網絡具有較好的確糾錯能力，從而能夠更好地進行預測，但由于理論基礎比較薄弱，對人體大腦神經模擬的科學性、準確性還有待于進一步提高，且其處理的過程尤如黑箱，無法明確了解其動作過程。

每種統計方法均存在一定的局限性，目前還難以斷言哪一種方法是最恰當有效的實證研究方法。本文對以上幾種財務危機預警模型進行評析，為建立符合企業實際并具有可操作性的財務危機預警模型提供借鑒。企業在建立財務預警模型時，首先，應根據行業和企業的特點選擇并建立財務預警模型；其次，運用更多動態指標來跟蹤反映企業財務狀況，建全企業預警系統；最后，在實踐中擴展并完善財務預警模型的功能，建立屬于本企業的預警模型，關注并及時預測本公司的財務狀況，使企業走上良性發展的道路，提高自身的競爭能力。

參考文獻：

[1]吳世農，盧賢義.我國上市公司財務困境的預警模型研究[J].經濟研究，2001(6):5.

[2]吳應于，鐘偉俊.國內外財務預警模型比較研究[J].生產力研究，2007年第九期.

[3]吳帆，蔡秋萍，吳應宇.上市公司財務危機預警實證研究---基于主成分分析模型、線性判別模型和邏輯回歸模型的比較分析，河海大學學報[J]，2007年12月.

[4]張威.企業財務預警模型的分析比較，中國高新技術企業[J].2009年第十三期.