上市公司財務風險預警研究綜述

黃鐘億　鄒清明

摘要：隨著經濟全球化與企業競爭的加劇，評估財務風險、識別風險因子對企業發展的作用越來越重要。財務風險預警的基本方法有單變量分析、多元判別分析、線性回歸分析、邏輯回歸分析、比例模型、神經網絡、生存分析等。本文綜述了近幾十年財務風險預警理論研究發展的現狀，分析了各種方法的局限與不足，提出了財務風險預警研究的未來方向。

關鍵詞：財務風險；預警；上市公司

隨著經濟的全球化，企業之間的競爭日益加劇，企業正常發展所面臨的不確定性因素越來越多。因此，評估風險、識別風險因子，采取針對性的風險規避措施對企業正常發展非常關鍵。在企業風險管理中，財務風險管理是極其重要的一環，評估財務風險也成為企業管理與發展中需要關注的焦點，吸引了眾多理論與實際管理者的關注，提出了各種不同的財務風險預警方法。

一、財務風險預警的基本理論

由于企業經濟活動的不確定性，要準確分析企業的財務風險，識別風險因子，離不開基本的統計方法與工具。現代財務風險預警主要利用統計方法進行分析。

（一）單變量預警模型

受Fitzpatrick利用統計方法預測研究財務危機的啟發，威廉·比弗（William.Beaver） 提出了單變量預測模型。他對1954～1964年的79個失敗企業和相對應（同行業，等規模）的79家成功企業進行了比較研究，選用五個財務比率作為變量，將公司在財務失敗前數年的財務比率作為判別指標進行一元判定分析，通過研究發現現金流量與債務總額的比率和資產負債率判定公司的財務狀況的誤判率最低。陳靜以1998年的27家ST公司和27家非ST公司為樣本，使用了1995～1997年的財務報表數據，運用單變量分析和多元判定分析公司財務風險。在單變量分析中，發現在資產負債率、流動比率等四個指標中，流動比率與資產負債率的誤判率最低；在多元線性判定分析中，發現由資產負債率、凈資產收益率、總資產報酬率等六個指標構建的模型在ST發生前的三年能較好地預測ST。

（二）多元線性判別分析

多元線性判定模型，又稱Z-Score模型，由Altman提出并研究的。他選取了1946～1965年的33家破產公司和33家非破產公司作為樣本，采用統計方法從22個財務比率中選取了五個變量，通過多元判別分析建立判別函數，以產生的分值作為依據進行判斷。該模型對于破產前一年和前兩年的分類準確度分別為95%和82%。之后，Altman、Haldeman和Narayannan將Z-SCORE模型進行了擴展，建立了ZETA模型。研究表明，ZETA模型提前五年就能有效地劃分將要破產的公司，通過研究同樣的樣本表明ZETA模型明顯優于Z-SCORE模型。張玲采用Z計分判定法，使用了60家公司的財務數據進行估計了二類線性判別分析，采用另外60家公司作為檢驗樣本進行檢驗分析財務風險與識別風險因子。周守華、楊濟華拓展了多元判別分析方法，他們在Altman的研究基礎上，將模型加以改進，增加了反映企業現金流量能力的指標，構建了F分數模型。陳曉對37家ST公司和37家非ST公司進行配對，發現有四個比率對上市公司財務危機有著顯著的預測效應。張鳴等運用現金存量模型，結合前人研究的財務預測模型建立綜合預測模型，然后引入審計意見變量進行修正。

（三）邏輯回歸模型

Logit模型是一種廣泛使用的處理分類變量的統計模型，這一模型建立在累計概率函數的基礎上，不需要自變量服從多元正態分布和兩組間協方差相等的條件。Ohlson將其首次用于財務風險管理，他以1970～1976年的105家破產公司和2058家非破產公司組成非配對樣本，以經營業績和資產流動性等財務指標變量建立Logit模型，該模型被稱為O-SCORE模型。吳世農等對我國上市公司財務困境的預測模型問題進行了一次綜合性的研究，他們以1988～2000年深滬兩市上市的140家上市公司作為研究對象，構建了Lojit回歸模型，并且得到的判別結果顯示該模型能夠準確地判別92.75%的ST公司和94.29%的非ST公司，總體的正確率達到了93.53%。孫錚選取42家ST公司作為樣本，在分析13個變量的基礎上，運用logit回歸給出了判別上市公司財務危機的模型。劉旻（2004）運用Logit模型對我國上市公司是否被ST進行了預警。

（四）多元概率比回歸模型

Probit模型和Logit模型的思路很相似，只是在具體的計算方法和假設前提上存在一定的差異，Logit采用取對數方法，而Probit采用積分的方法。Zmijewski首次將該模型用于財務風險分析。陳曉和陳怡鴻運用多元概率比回歸模對我國上市公司型進行了財務預警研究，識別了財務風險因子。

在財務風險研究中，前述四種分析方法是基本的方法，其他的諸如決策樹法、神經網絡、混沌模型與雙層自組織映射模型可以看成是這些方法的拓展。這些方法都是參數模型，需要較強的參數假設，而且在實際使用時也存在許多不足。單變量模型主要圍繞統一的財務指標數據展開，缺乏全局系統的觀念；決策樹法結果易于解釋與使用，但預測能力不高、通用性差；神經網絡結果難于解釋；混沌模型與雙層自組織映射模型要求樣本數據多，較少的時序數據預測精度低；判別分析、邏輯回歸雖然是使用廣泛的兩個模型，預測效果較好，有較強的解釋能力，但這些方法并沒有考慮公司特征與時間之間的關系，不能明確財務風險發生的時間與演進過程。生存分析模型考慮了風險與時間、影響因素的演進關系，為財務預警理論研究提供了便利的研究方法。

二、財務風險預警的生存分析方法

財務風險預警的關鍵是要考察感興趣的事件——財務困境發生的可能性與影響因素如何隨時間變化，而生存分析研究的焦點就是感興趣事件在不同時間發生的風險及風險因素的影響。因此，生存分析方法可以應用于財務風險預警。

生存分析的方法有很多種，應用最為廣泛的是Cox回歸分析。Cox回歸分析是Cox（1972）提出來的，考慮到同樣性質的事物生存與時間因素、自身因素相關，在觀察時間點上，事物有生存、有死亡，因而考察事物的生存得到的數據不可能是完備的觀察數據。Cox用一個刪失數據情況下的半參數回歸模型研究事物的生存風險。Cox回歸分析與一般的多元統計風險預警模型有較大的區別，它是半參數模型而且數據是刪失的，綜合利用了刪失與已發生事件的信息。Lane等利用Cox模型采用逐步回歸的方法選取變量，利用PHM和傳統的多元判別分析方法，預測比較了銀行在一年內和兩年內破產的概率。Laitinen和Luoman比較了Cox模型與判別分析、回歸分析在預測公司破產方面的表現，得出了Cox模型更靈活、更有效的結論；Kauffman和Wang利用Cox模型研究了影響網絡企業生存的因素；Parker將公司治理放入Cox模型研究了公司破產概率；Shumway在數學上證明了帶時變協變量的風險模型和多時期的LOGIT模型等價，運用實際數據證明了風險模型的估計量是動態而非靜止的，logit模型的估計量是有偏且非一致的，利用離散比例優勢模型研究了企業的破產。De Leonardis 和Rocci利用脆弱離散比例優勢模型研究了數據存在異方差時企業的破產風險。Chava和Jarrow（2004）將行業效率引入生存分析模型，證明了不同的行業對破產概率有顯著影響。Hyun Ju Noh（2005）將生存分析方法運用到個人信用評估分析中，通過實證研究認為生存分析模型比LOGISTIC模型更能有效降低第二類誤判率。Bellotti T 和 Crook J（2007）在生存分析模型中加入了利率和失業率等宏觀經濟變量，證明了宏觀經濟變量對個人信用風險評估有顯著影響，比較發現生存分析模型有很好的預測能力。而國內利用生存分析方法預測企業財務風險也得到了關注，宋雪楓等（2006）利用Cox模型分析了信貸企業發生財務危機的概率及主要影響因素。馬超群、何文（2010）基于財務比率數據分析了Cox模型預測公司財務困境時點的判別能力與穩定性。曹裕等（2011）利用生命表法研究了我國企業的生存問題。

生存分析具有方法靈活、預測能力強、易于解釋的優勢，且能了解風險演進過程，受到了相當的關注，目前主要是利用Cox模型進行風險預警，而其他生存分析模型，如加速失敗模型、比例優勢模型在預測中的應用研究較少。Cox模型有兩個潛在的假設，即觀察個體獨立和協變量對感興趣事件的風險有一個對數線性效應或個體風險比是一個常數，而風險比是常數這個假設有時是不成立的，因此在財務風險預警研究中，研究Cox替代模型分析風險與影響因素隨時間變化的關系是有用的。

三、財務預警Cox生存分析方法的拓展

為了克服比例風險模型風險比是一個常數的局限，Bennett（1983）和Pettitt（1984）假定生存優勢比（可以簡單理解為事件成功與失敗的概率比）不再是一個常數，而是風險比隨著時間增加而趨向于1，這得到了比例優勢模型。比例優勢模型是一種重要的生存風險模型，本質上是一種特殊的邏輯回歸模型，被廣泛運用于醫藥、生物方面的研究，但很少用于財務風險預警，這可能是因為比例風險模型中的參數估計與變量選擇相對困難，現代統計方法的發展將有助于比例優勢模型用于財務預警分析。

應用Cox模型分析財務風險預警的過程中，大家普遍認為觀察個體獨立和協變量對感興趣事件的風險有一個對數線性效應，且回歸參數不隨時間變化，這與許多實際情況不符。我們可以利用變系數模型、單指標模型、部分線性模型克服，同時可以達到減少樣本維數的目的。

在財務風險預警研究中，考察的風險是全部樣本的均值回歸，均值回歸沒有考慮樣本的層次性，因此我們可以將均值回歸問題拓展到分位數回歸，觀察不同財務水平的企業面臨風險的大小，識別影響因素。

當然，在這些拓展的財務風險預警模型中，研究的焦點還是參數估計，也是實證運用的重點，可以利用似然方法、貝葉斯方法和一些非參數、半參數的統計推斷技術。

本文總結了常用的財務風險預警模型，在此基礎上提出了財務預警分析的一些拓展方向。鑒于比例優勢模型的特點，可以相信，比例優勢模型在研究財務風險預警方面應該是大有可為的，這也是我們今后研究的主題。

參考文獻：

[1]Beaver， W. Financial Ratios as Predictors of failure[J]. Journal of Accounting Research，1966（s）.

[2]陳靜.上市公司財務惡化預測的實證分析[J].會計研究，1999（04）.

[3]Altman， E. Financial Ratios， Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. Journal of Finance，1968（23）.

[4]AltmanEl，HaldemanRG，Narayanan P.ZETAanalysis：an of modelto identiey bankruptey risk of corporations.Journal of Banking&Finance， 1977（01）.

[5]張玲.財務危機預警分析判別模型[J].數量經濟技術經濟研究，2000（03）.

[6]周守華，楊濟華，王平.論財務危機的預警分析-F分數模式[J].會計研究，1996（08）.

[7]陳曉.中國上市公司財務困境預測[J].中國會計與財務研究，2000（03）.

[8]張鳴，張艷.財務困境預測的實證研究與評述[J].財經研究，2001（12）.

[9]Ohlson，J.S. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980（19）.

[10]吳世農，盧賢義.我國上市公司財務困境的預測模型研究經濟研究[J].經濟研究，2001（06）.

[11]姜秀華，任強，孫錚.上市公司財務危機預警模型研究[J].預測，2002（03）.

[12]劉旻，羅慧.上市公司財務危機預警分析-基于數據挖掘的研究[J].數據統計與管理，2004（03）.

[13]ZmijewskiME.Methodologieal Is sues Related to the Estimation of Finaneial Distress Predietion Models[J].SuPPlement to Journal of Aeeounting Researeh，1983 （22）.

[14]陳曉，陳治鴻.企業財務困境研究的理論、方法及應用[J].投資研究，2000（06）.

[15]Lane W.R.， Looney，S.W.， Wansley J.W. An application of Coc proportional hazards model to bank failure[J].Journal of Banking and Finance， 1986（10）.

[16]Luoma， M.， Laitinen， E. K. Survival analysis as a tool for company failure prediction[J].OMEGA International Journal of Management Science， 1991（06）.

[17]Kauffman，wang.A.Semiparametric cox and Bayesian survival analysis Working PaPer[D].University of CaliforniaatLA，2004.

[18]Park，Peters，Turesky.Corporategovemance and corporate failure：A survival[J].Corporate Govemance，2002（02）.

[19]Shumway T. Forecasting bankruptcy more accurately： A simple hazard rate model[J].Journal of Business， 2001（74）.

[20]Chava5.R.Jarrow.BankruPtey Predietion withIndustry Effeets[J].Reviewof Finanee，2004（08）.

[21]HyunJu，Noh，TaeHyuPRoh，IngooHan.Prognostie Personal ereditrisk model Eonsideringe ensored information[J].ExPert Systems with APPlieations，2005（28）.

[22]Tony Bellotti，Jonathan Crook.Credit Seoring with Maeroeeonomic Variables[DB/OL].httP：//fic.wharton.uPenn.edu/fie/PaPers/07/0715.Pdf，2007.

[23]宋雪楓，楊朝軍，徐任軍.商業銀行信用風險評估的生存分析模型及實證研究[J].金融論壇，2006（11）.

[24]馬超群，何文.基于Cox的財務困境時點預測模型研究[J].統計與決策，2011（21）.

[25]曹裕，陳曉紅，萬光羽.基于生命表方法的我國企業生存問題-以湖南省企業樣本為例的實證研究[J].系統管理學報，2011（01）.

（作者單位：南華大學）