財務預警方法評析

　　【摘 要】 進入21世紀，經濟全球化日益成為一種趨勢。企業因財務危機陷入經營困境，甚至破產的例子更是比比皆是。我國證券市場各相關利益主體對有效、合理地分析財務信息，及早、準確地預測上市公司財務困境的需求越來越強烈。在此背景下，文章選擇財務預警問題進行研究，并從國外和國內研究現狀分析財務預警方法，以供企業參考。
　　【關鍵詞】 財務困境； 財務預警； 預警模型
　　
　　一、國外現狀
　　西方經濟學界對于財務風險預警的研究始于20世紀30年代，主要著眼于財務預警模型的構建。建立一套財務風險預警系統可以有效預防和控制企業財務風險，這在國外理論界已達成了共識。
　　最早的財務預警研究始于FitzPatrick（1932）開展的單變量破產預測研究。他選取了19家企業作為樣本，運用單個財務比率將樣本企業劃分為破產和非破產兩組，最后發現判別能力最高的指標是凈利潤/股東權益和股東權益/負債兩個比率。之后，Secrist在1938年使用簡單圖表法對財務困境進行了研究。他選用了兩個財務指標，比較失敗銀行和非失敗銀行不同時期財務指標之間的差異，從而判斷銀行是否存在財務困境或財務危機。
　　隨著統計方法的發展及其在財務研究領域的應用，財務困境分析與預測的相關研究也日趨深化。美國芝加哥大學教授wilham Beaver（1966）首先運用統計方法建立了單變量破產預測模型，從而開創了用統計方法建立財務預警模型的先河。他選取了美國1954年至1964年間資產規模相同的經營失敗企業和正常經營企業各79家，采取對比研究的方法，分別檢驗了反映企業不同財務特征的6組30個財務指標在公司破產前1—5年的預測能力，最后發現具有良好預測能力的財務指標依次為債務保障率、資產收益率以及資產負債率。其中，債務保障率在破產前一年的預測正確率高達87%。除此之外，Beaver還發現隨著破產日的臨近，誤判率也會逐漸降低。
　　美國學者Edward Altman（1968）最先將多元線性判別方法引入了財務預警研究。他在1968年發表的《財務比率、判別分析和公司破產預測》一文中提出了用于預測企業破產的多元變量判定模型——“Z-Score”模型。他根據企業所處行業和資產規模，為33家破產企業選擇了33家非破產配對企業，選取22個變量作為企業破產前1—5年的預測備選變量。經過篩選，按流動比率、收益率、穩定性、支付能力、活動比例五項標準對這些財務指標進行分類，最終確定了5個變量作為判別變量。在檢驗過程中，“Z-Score”模型表現出了較高的預測能力。此后，多變量分析方法成為財務預警的一種主流分析方法并被廣泛采用，各國學者根據Altman的思路構建了其他多變量模型，如：英國的塔夫勒（Tafler）模型、Edmister提出的小企業研究模型等。
　　多元線性判別模型一般會假設破產企業和非破產企業呈正態分布，而且兩組樣本的協方差相等，但現實中大多數企業財務比率指標并不滿足這些條件。為了克服這些局限性，經濟學家開始尋找替代的方法，進而引入了不需要嚴格假設條件的邏輯回歸（Logistic）模型和概率比回歸（Probit）模型。
　　美國學者Ohlson（1980）最先使用邏輯回歸（Logistic）模型進行財務風險預警研究，他把1970年至1976年間破產的105家企業和2 058家非破產企業組成的非配對樣本作為研究對象，使用了9個自變量進行分析，最終發現公司規模、資產結構、公司業績和融資能力這4類變量對公司破產概率有顯著影響，并將其放入模型重點考慮。
　　盡管財務指標被廣泛且有效地應用于財務預警模型的構建，但財務指標的選擇標準及最佳預測指標的存在等問題卻一直存在分歧。Harmer（1983）指出財務指標間的相對獨立性能提高模型的預測能力。Boritz（1991）曾使用了65個財務指標作為預測變量。但事實上，自“Z-Score”模型（1968）和ZETA模型（1977）被提出后，還未出現更好的使用財務指標進行企業財務預警的模型。
　　隨著現金流量觀的發展，企業價值等于期望的未來現金流量凈現值的觀點逐漸確立。1988年，Aziz、Emannuel和Lawson將基于現金流量預測破產的模型應用于企業財務困境預測研究中?，F金流量模型的提出基于理財學的基本原理，即企業價值等于期望的未來現金流量凈現值。如果現金不足以支付到期債務又無其他途徑獲取資金，企業最終會破產。如果當前的現金流量可以反映企業未來的財務狀況，那么，現在和過去的現金流量就能很好地反映公司的價值和破產概率。經過對配對的破產企業和非破產企業進行數據對比，3位學者發現破產前5年內兩類樣本經營現金流量均值和用現金支付的所得稅均值都存在顯著差異，顯然這一結論也是符合現實的。
　　Mossman、Bell、Swartz和Turtle（1998）在總結前人研究的基礎上，對財務指標類模型、現金流量類模型和市場收益率信息類模型進行了比較，提出了集三類模型于一體的混合模型。經過研究，他們發現令人完全滿意的區分破產和非破產的預測模型并不存在，現金流量類模型在企業破產前兩三年里的預測能力較為穩定，而財務指標類模型則在企業破產前一年的判斷能力最強。同時，在財務困境預警過程中，財務指標、現金流量指標相較于市場收益率及其方差等指標能提供更多的信息。
　　近年來，一些學者開始研究審計意見在財務預警方面的應用。FLAGG等人發現審計意見是企業破產的一個重要預警信號；Hill等人使用事件史法構建了破產與財務困境風險動態模型，經過驗證發現審計意見對企業破產與財務困境的解釋能力均極為顯著。
　　除了上述定量預警分析方法外，還有學者提出了定性的分析方法，如美國的仁翰·阿吉蒂提出的管理評分法，就是根據管理評分的高低來判斷企業處境的好壞。
　　隨著機器學習方法（Machine Lear-
　　ning Methods）在經濟領域的成功應用，神經網絡、遺傳算法和決策樹等機器學習方法也被應用于公司財務預警研究。其中比較有代表性的就是神經網絡分析方法的運用。
　　20世紀80年代末期，神經網絡理論興起的影響也擴展到了財務預警研究領域。雖然神經網絡判別模型可謂是財務預警研究方法上的重大創新，但實際效果卻并不穩定。例如，Coats和Fant（1991）對47家處于財務困境的企業和47家正常運營的公司運用神經網絡判別模型進行分析時，對處于財務困境公司的預測準確率達到91%，明顯高于多元分析法。然而Back等人在1994年所做的一項研究卻沒有得出神經網絡判別模型具有比多元分析和Logistic回歸分析具有明顯更佳預測效果的結論。不過由于財務數據反映了企業生命的各種特征，其變化的規律也與達爾文的進化論有著許多異曲同工之處，相信隨著遺傳算法模型的不斷完善，該方法很有可能成為未來的一種研究趨勢。
　　借鑒B-S期權定價模型中的相關變量，Charitou和Trigeorgis（2000）構建了財務危機判別模型，對1983年至1994年間的139對美國企業進行了檢驗，發現到期債務面值、企業資產當期市價、企業價值變化的標準差等期權變量在破產預測方面具有顯著效果。但是，該研究方法仍建立在Logistic回歸檢驗基礎之上，僅僅是變量設計方面引入期權因子，因此實際理論貢獻并不大。
　　在財務困境與公司治理因素關系的研究上，外國學者從20世紀80年代就展開了相關的實證研究，并且得到了很多頗具爭議的結論。1985年，CHAGANTl等人將21對零售企業作為研究對象，發現董事會規模較大的企業更不易陷入財務困境。DAlJY（1994）等人則以50對破產企業為研究對象，最后發現CEO兩職合一或者具有獨立性較差的董事將提高企業陷入破產的概率。而SIMPSON（1999）等以287家銀行企業作為研究對象，卻發現CEO兩職合一可以降低企業出現財務困境的概率。
　　
　　EILOUMI（2001）等人以46對加拿大公司作為研究對象，發現外部董事比例和大股東持股比例與企業出現財務困境的概率呈負相關關系，同時，外部董事持股比例也與企業陷入財務困境概率呈負相關關系。
　　PARKER（2002）等人研究了公司治理因素對處于財務困境企業生存能力的影響。研究結果表明，擁有大股東及內部股東持股比例較高的困境公司更容易存活下來，而CEO的輪換會對企業的生存造成負面影響。
　　ABDULAH（2006）以馬來西亞1999年至2001年間的86對非金融類企業為樣本，檢驗了CEO兩職合一、董事會獨立性及股權結構與企業財務危機之間的關系。研究表明，CEO兩職合一及董事會獨立性與企業是否陷入財務困境無關，而非執行董事的利益和外部大股東持股比例則與企業財務危機概率呈負相關關系。
　　
　　二、國內現狀
　　相對于國外來說我國關于財務風險預警的研究起步較晚，國內對財務困境及預測模型的研究，始于20世紀80年代中期。吳世農等學者（1986）在《中國經濟問題》發表了一篇文章，首次在國內介紹了企業財務風險預警模型。之后我國學者逐漸開展了對財務預警的研究，并取得了一定的成果。
　　在單變量模型研究方面，陳靜（1999）以滬、深兩市27家ST公司1995年至1997年財務數據為樣本進行單變量預警研究，結果表明資產負債率、流動比率、總資產收益率、營運資本比率對企業財務失敗反應較為敏感。陳曉、陳怡鴻（2000）也以我國ST公司為依據來研究公司財務預警，他們通過實驗1 260種變量組合，發現負債/權益比率、應收賬款周轉率、主營業務利潤/總資產比率、留存收益/總資產幾項指標對上市公司財務危機有著顯著的預警作用。趙健梅、王春莉（2002）采用單變量分析和多元分析兩種方法，在他們設計的模型中，單變量分析簡單有效，有些單個的財務指標，如凈資產利潤率、總資產利潤率的判別準確度甚至要高于多元模型。
　　在多變量研究方面，周首華等（1996）借鑒Altman的研究成果，在“Z-Score”模型的基礎上引入現金流量指標，選用1977—1990年的62家公司的相關數據，通過調整和更新指標對“Z-Score”模型進行了修正，建立了F分數模型，其準確率較高。張玲（2000）以120家公司為研究對象，用其中60家公司的財務相關數據進行了二類線性判別模型的研究，在模型建好后同時以另外60家公司的財務數據對模型進行檢驗，發現該模型對財務風險具有較高的預測能力，有超前4年的預測結果。
　　吳世農、盧賢義（2001）以我國上市公司為研究對象，選取了70家處于財務困境的公司和70家非財務困境的公司為樣本，首先應用了剖面分析和單變量判定分析，對比研究了財務困境出現前5年內ST公司與非ST公司21個財務指標，最后篩選確定了6個預測指標，然后應用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，建立起三種預測財務風險的模型，得出以下結論：一是在ST發生的前一年和前兩年，存在和不存在財務困境公司的17個財務指標的平均值存在顯著差異；二是隨著距離ST發生時間越近，Z值逐漸顯著增大。多元線性回歸模型、Fisher線性判定模型和Logistic模型對財務風險的預測準確度都較高，其中又以Logistic模型的誤判率為最低。
　　在人工神經網絡模型研究上，肖四漢、黃小原（1995）提出了神經網絡預警系統的構建。季海、楊保安（2001）詳細探討了在商業銀行信貸風險預期中如何進行人工神經網絡的應用，通過研究發現該模型相對于其他風險預警模型判別意義更加清晰，特征抽取更加符合實際，是一種適用性較強的工具和方法。
　　從對國內外財務預警研究現狀的回顧中不難看出，相對國內來說，國外對于財務預警的研究起步更早，理論更加成熟。同時從客觀環境上來說，國外的證券市場發展時間更長，現在已經較為完善，對于財務風險預警模型的使用也更加規范和準確。在財務預警各種方法的運用上，多變量分析已經成為主流，且更多運用多變量分析中的動態分析建立模型進行全面的預測。國內對于財務風險預警的研究起步較晚，至今尚未有人提出適合我國企業實際并得到普遍驗證的財務風險預警模型?？傮w來看國際范圍內主要是運用多變量分析模型從事企業財務風險預警相關的研究，但這些模型的指標選取不一定適用于國內的情況。國內很多學者和專家教授對企業財務風險預警管理進行了開創性的嘗試，目前企業財務風險預警管理已成為企業管理研究的一個熱點話題。
　　
　　【參考文獻】
　?。?］ Fitzpatrick. A. Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms［M］.Certified Public Accountant，1932.
　?。?］ 王海鷗，李建民.企業財務預警指標體系的設計［J］.商場現代化，2006（6）：275-276.