基于現金流量指標的財務危機預警研究綜述

【摘 要】隨著全球經濟一體化節奏的加快，企業在迎接機遇的同時，也面臨著越來越激烈的市場競爭。財務風險無時不在、無處不在，美國次貸危機所引發的全球金融危機給中國帶來了很大的危害，許多企業深陷財務危機甚至宣告破產。在嚴酷的現實面前人們清醒的意識到建立一個有效財務危機預警系統是企業生存發展的必要保障。陷入財務危機的企業都有一個共同的特征，那就是現金流量運行狀況與正常企業存在著很大的差異，這在一定程度上能夠說明現金流量指標與財務危機之間存在著某種特殊的聯系。文章將國內外學者關于財務危機預警的研究及基于現金流量的財務危機預警研究進行綜述和簡評，以期給企業財務危機預警研究提供一些有益的啟示。

【關鍵詞】財務風險；財務危機預警；現金流量

一、國內外學者對于財務危機預警的研究

1．國外學者對于財務危機預警的研究。在國外，財務危機預警的研究過程經歷了從單變量分析到多變量分析，從判別分析到回歸分析，從單純的統計類方法向非統計類方法擴展，從運用單一模型進行預警到運用混合模型預警的演進。在這個演進過程中，預警體系設計的越來越縝密，預警方法變得越來越科學，預警越來越有針對性。（1）單變量分析。FitzPatrick（1932）最早使用單變量模型進行財務危機預測研究，他選取了19家企業為樣本，運用單個財務比率將樣本劃分為破產與非破產兩組，發現判別能力最高的兩個比率是“凈利潤/股東權益”和“股東權益/負債”，而且在企業經營失敗的前三年這些比率就呈現出了顯著的差異。由此，他認為財務比率能夠較準確的反應企業財務狀況并且對企業的未來具有預測作用。（2）多元線形判別分析。首次將多元線性判別分析方法引入財務危機預測領域的學者是Edward Altman（1968）。他選取了5個財務指標對1946至1965年間提出破產申請的33家公司和同等數量的非破產公司進行了研究，通過多元判別分析的方法得到了Z-score 模型。Z模型開啟了財務危機預警研究由單變量分析轉向多變量分析的新時代。1977年Altman、Haldeman和Narayanan對原始的Z-score模型進行擴展，提出了ZETA模型，這中模型比Z評分模型更能準確預測公司是否出現財務危機。（3）多元回歸分析。Martin（1977）引用Logistic回歸分析法建立企業財務危機預警模型，他篩選了1969年至1974年間約5700家美聯儲成員銀行中界定出的58家財務危機銀行，以此為樣本，從25個財務指標之中選取了總資產凈利潤率等8個變量，構建邏輯回歸模型預測兩年后銀行可能破產的概率。研究結果表明凈利潤/總資產、費用/營業收入等6個財務比率具有顯著的預測能力。他又在Z模型、ZETA模型、Logit模型之間進行比較研究，發現Logit模型預測效果優于其他兩個模型。Ohlson（1980）分別使用多元邏輯回歸方法和多元條件概率模型兩種方法分析了1970年至1976年間105家破產公司和2058家非破產公司組成的非配對樣本，分析了樣本公司在破產概率區間上的分布以及兩類錯誤和劃分點之間的關系，發現公司規模、資本結構、經營業績和短期流動性這四個變量對于財務危機的預測效果較好。（4）人工神經網絡模型。Odom和Sharda（1990）開拓了用人工神經網絡預測公司財務危機的新方法。他們選取1975年至1982年間65家失敗公司與65家正常公司為樣本，并將樣本分為訓練樣本與測試樣本兩組，以Altman Z-score模型中所構建的五個財務比率作為研究變量， 使用人工神經網絡構建模型。研究結果顯示人工神經網絡具有較好的預測能力。Tam和Kiang以1985至1987年美國得克薩斯州118家銀行（其中有59家破產，59家沒有破產）為研究對象，在分別應用多元判別分析法、Logit回歸法和神經網絡技術進行建模分析之后，得出的結果表明神經網絡技術的預測精度要高于其他方法。（5）混合模式。McGurr和DeVaney（1998）的實證研究表明，混合模型與其中包括的單個模型相比，預測更加準確。FengYuLin和SanyMcClean（2001）以四種獨立的財務危機預警研究方法——判別分析法、Logit回歸法、神經網絡法及決策樹法為基礎，將這四種方法進行不同的組合，建立了三種混合模式，再對這些方法進行實證研究，研究結果表明，同等條件下，混合模式明顯優于單個方法模式。

2．國內學者對于財務危機預警的研究。我國對于財務危機預警的實證研究起步相對較晚，而且主要是借鑒國外學者的研究成果，利用我國的數據來構建類似的模型。陳靜（1999）選取1995年至1997年間27家ST公司和27家非ST公司作為樣本，分別進行了單變量分析和多元線性判定分析，并對這兩種方法進行了比較。研究發現，在單變量分析中，資產負債率、總資產收益率、流動比率、凈資產收益率4項財務指標的預測能力較強，資產負債率和流動比率在宣布ST前一年的誤判率最低，而在宣布ST前三年時，總資產收益率和流動比率的誤判率較低。在多元線性判定分析中，由負債比率、總資產收益率以及流動比率等六個指標構建的模型，在公司發生財務危機的前三年有著較強的預測能力。楊保安、季海等（2001）在進行財務危機預警研究中首次采用人工神經網絡方法來分析財務危機預警應用中存在的問題。應用人工神經網絡方法預測財務危機的準確率較高，但作者沒有具體建立預警模型，只是采用財務指標進行示范性設計和檢驗。劉曼、羅惠（2004）選取了1999年至2001年73家ST公司和同等數量的非ST公司作為訓練樣本，2002年ST公司和非ST公司各43家作為檢驗樣本，采用判別分析、Logit回歸和人工神經網絡這三種方法對在財務危機出現前2年內的15個財務指標進行數據分析，結果發現人工神經網絡預測的效果在三者中最優。最后，將這三種方法進行優勢互補，建立起一種預測準確率高于每種單一方法的混合型。張玲、劉翠屏、楊少華（2007）從分行業的角度進行財務危機預警研究，他們選擇了三個行業——機械設備儀表、石油化學塑料塑膠業和金屬非金屬為研究對象。分別以行業中1998年至2007年間首次被ST的公司作為樣本，建立起分行業的財務危機預警模型。張樂（2009）采用貝葉斯判別法，以140家上市公司為樣本，構建財務危機預警模型。經檢驗，該方法的預測的效果很好，準確率達到85.7％。

3．國內外財務危機預警的研究評價。在整個社會的大環境中，引發企業財務危機的原因是多種多樣的，如經濟發展水平，法律政策等。眾多研究者在選擇預警指標時往往基于風險理論，財務理論和管理理論，有時甚至取決于自身的判斷。這就導致了構建的各種財務危機預警模型所得到的預警結論不一致，甚至相互沖突的結果。在目前的研究中，還沒有找到一個公認的理論來詳盡的說明財務危機的成因。為此，國內外學者還在努力探索中。

二、國內外學者對于基于現金流量的財務危機預警的研究

1.國外學者對于基于現金流量的財務危機預警的研究。William Beaver(1966)最早將現金流量指標引入財務危機預警領域，他選取了1954年至1964年間79家失敗公司和根據行業和公司資產規模配比的79家正常公司作為樣本，篩選30個財務指標（其中包括4個現金流量指標）進行研究，結果表明：現金流量/負債總額這一指標對財務危機預測的準確率最高。Gentry、Newbold和Whitford（1985）認為，股利資金流量在logit預測模型中能顯著區分財務危機企業與非財務危機企業。在Gentry、Newbold和Whitford研究基礎之上，Aziz、Emanuel和Lawson（1988）建立了運用現金流量預測財務危機的模型。他們選取了49家破產公司和49家非破產公司作為樣本，運用經營性現金流、現金稅收、流動賬款科目變動、凈資本投資、股東現金流以及貸款人現金流等財務指標進行財務危機預警研究，結果發現在公司破產前5年內兩類公司的現金支付的所得稅均值和經營現金流量均值均具有顯著的差異。1989年，他們又將Z模型、現金流量模型、ZETA模型預測公司發生財務危機的準確率進行比較，結果發現現金流量模型預測的準確率最高。Mossman，Bell，Swartz和Turtle（1998）選取了1980年至1991年間的數據，將四種破產預測模型進行了比較，這些模型分別基于現金流、財務比率、股價收益率以及收益率標準差。研究結果發現，就單個模型而言，現金流模型能在破產前兩年和前三年成功預測多數破產案例，并且具有較高的預測精度。由此可見，國外關于現金流量財務危機預警的研究較早且比較成功。國外的現金流量財務預警研究以實證為主，但在財務預警原理和構建現金流量財務預警系統方面的研究并不是很多。

2．國內學者對于基于現金流量的財務危機預警的研究。

我國對現金流量的財務危機預警研究起步較晚。國內關于現金流量指標財務預警的研究主要如下：姜守志，林淑輝（2000）認為，與傳統的財務指標相比，現金流量更能真實的反應公司的財務狀況，因為它不易受會計政策、會計估計的影響。因此他們建議運用現金流入流出結構比來分析評價財務風險。黃鶴、李風吟（2003）以1999年上市公司可公開獲得的財務數據為基礎，采用因子分析法構建出一個基于現金流量的財務危機預測模型，該模型能夠以1999年上市公司財務數據為基礎預測在2001年將會被ST的上市公司。研究結果表明預測的準確率高達80％。章之旺（2004）選取了2003年至2004年間60家財務危機公司和120家非財務危機公司為樣本，分別運用單變量分析和多元邏輯回歸模型分析來檢驗現金流量信息在財務危機預測中的作用。研究結果表明：在上市公司陷入財務危機的前一年，經營性現金流量的相對信息含量僅次于資產周轉率和資產報酬率，其預測效果比應計制下的財務指標好；在發生財務危機的前一年和前兩年，現金流量指標在傳統財務指標的基礎上均具有顯著的增量信息含量。張鳴、程濤（2005）首先運用Logit回歸方法，從財務指標角度構建預警模型，然后引入現金管理結果變量和現金管理特征變量來共同構建綜合預警模型。研究發現，引入現金流量指標以后的模型具有更好的預測效果。耿照源，張莉莉（2009）在現金流量的基礎上通過顯著性差異t檢驗構建財務預警指標，運用多元逐步回歸方法建立財務危機預警模型，結果表明，采用現金流量指標對上市公司財務危機預警較為有效。

3．現金流量財務危機預警模型存在的局限性。第一，樣本數據選取的局限性。在研究中使用的數據是上市公司公開的財務數據，然而目前上市公司會計信息舞弊現象依然存在而且進行研究時所選取的樣本數據時間跨度較短，研究結論可能會存在誤差。第二，指標選取的局限性。一般來說，指標選取具有一定的主觀性，缺乏規范性理論的支持。第三，模型的局限性?，F實中的數據不一定能夠滿足模型本身對樣本數據的假設。例如，多元判別模型要求樣本數據服從正態分布，而在現實中，只能近似地處理，認為其符合這一假設條件。這樣可能會對模型的精度有所影響。

參 考 文 獻

[1]秦超，王運陳.企業財務預警國內外研究評述[J].中國管理信息化.2009（5）

[2]邵希娟，曾?；?我國上市公司的財務困境預警模型研究[J].經濟管理.2009（9）

[3]王鳳蘭.現金流視角下的財務危機預警體系的構建.內蒙古財經學院學報.2010（4）