財務困境預測模型綜述

夏寧　宋學良

【摘 要】 財務困境預測一直是財務界的研究熱點。文章梳理了相關財務困境預測模型的發展脈絡，對傳統的和現代的財務困境預測模型進行了系統的評述，并對未來財務困境預測的研究作了展望。

【關鍵詞】 財務管理； 財務困境； 預測模型

中圖分類號：F272 文獻標識碼：A 文章編號：1004-5937（2015）08-0027-03

一、引言

財務困境預測是財務管理活動的重要環節，目的是找出財務困境的作用機理，以預測公司的財務狀況。財務困境預測模型的研究一直是財務困境研究的重點內容。目前，單變量模型、多元線性判別分析、LOGIT模型、人工神經網絡、支持向量機等已成功應用于財務困境的研究。

二、財務困境的定義

關于財務困境（或財務危機），由于其引致變量的復雜性，對其定義還沒有一個普遍的共識，大多數學者都是從自身研究取樣的角度，來定義財務困境的相關內涵。早期對財務困境的定義即為企業破產（Fitzpatrick，Winakor，smith，Foulke，Merwin），隨著研究的進展，Beaver（1966）在研究財務困境模型時加入了拖欠債務的公司和拖欠優先股股利的公司，豐富了財務困境的內涵。Amy Hing-Ling lau（1987）將企業財務狀況劃分成不同的階段，將取消或減少股利到破產清算劃分為困境期。在國內，財務困境公司一般是被ST的公司（陳靜，1999；吳世農、盧賢義，2001等）。彭韶兵、邢精平（2005）把從資金管理技術性失敗到大規模重組作為財務困境的階段。吳星澤（2011）在加入了利益相關者的前提下，將危機力量導致的支付能力不足視為財務困境。雖然該定義考慮了利益相關者，但仍局限在現金流層面考慮財務困境。筆者認為，企業出現下列事項就應當視為發生財務困境：稅息折舊及攤銷前利潤（EBITDA）小于利息費用、存量破產、流量破產、債務違約、財務異常和其他異常等。

三、預測變量的選擇

（一）變量的分類

財務類指標是最常用的一類衡量財務困境的指標，它是將財務指標作為預測模型的解釋變量進行預測（Fitzpatrick，Altamn，Olhson，Odom et al.）。然而選擇哪些財務指標，以及單純的財務指標能否解釋財務困境以及在多大程度上解釋等問題，使得現金流指標及市場收益類指標出現。

現金流預測指標是建立在流量破產的角度來反映公司的困境，Aziz，Emanuel and Lawson（1988）發現了現金流量信息預測財務困境模型，并發現其預測能力好于財務指標。國內周首華、楊濟華、王平（1996）等在Altman的Z模型基礎上，加入現金流指標，構造了能供管理當局使用而又區別于傳統的公司償付能力分析的新的預測模式——F分數模式。章之旺（2004）通過實證研究，發現了現金流量類變量對財務困境的預測價值。

市場收益類指標是利用股票的市場收益率作為預測指標，來預測公司發生財務困境的方法（Beaver，Altman，Brenner）。研究發現，市場收益類指標同財務指標一樣有預測價值。由于國內證券市場尚未完全成熟，所以國內利用該類變量的財務困境預測研究相對較少。

宏觀經濟指標也是預測企業陷入財務困境的重要指標，研究發現經濟周期（Rose，Giroux）、貨幣供應量和通貨膨脹率（Demirguc Kunt，Detragiache）、工業增加值、實際利率水平（王克敏、姬美光、趙沫，2006）等對財務困境公司有一定的影響。

（二）變量選擇方法

主成分法包括全局主成分法和經典主成分法，通過稀釋變量間的相關關系，將原變量轉換為獨立的、不相關的變量，形成能解釋大部分變量的幾個新變量。稀釋過程是對這些變量進行降維處理的過程，旨在用較少的新變量來解釋綜合指標，降低研究問題的復雜性和干擾性。

粗糙集理論（RS）是由波蘭科學家Z.Pawlak提出的，是通過對數據進行分析和推理，發現不確定、不完整信息中的潛在規律，找出數據間隱藏的知識，是基于模糊理論、概率論和證據理論而開發的數據挖掘工具。馬若微（2006）在財務指標選擇中，使用了粗糙集原理，通過建立RS和信息熵之間的關系，給出了知識粗糙性的度量性解釋。

四、預測模型概述

（一）傳統模型分析方法

1.單變量分析

Fitzpatrick（1932）最早應用單變量判別分析法（Univariate Analysis）對19家公司財務破產進行預測研究。Beaver（1966）用單變量模型得出營運資金流/總負債的預測能力為87%。

單變量分析的基本原理是利用統計資料，對比分析影響預測目標的因素，發現困境公司與非困境公司間有顯著差異的財務指標，從而對財務困境公司進行預警。但是，由單一指標建立的財務困境模型，被粉飾的可能性較大，另外，單一指標本身有排斥其他指標的嫌疑，會強化該指標的解釋能力，預測的誤差較大。

2.多元判別分析（Multiple Discriminat Analysis，MDA）

多元判別分析是在單變量模型的基礎上發展起來的。1968年Altman利用多元判別分析構造了Z模型，預測準確率達到95%，使財務困境預測發展到一個新的階段，至今Z模型在財務困境預測中還扮演著重要的角色。

多元判別分析基本原理是將選擇的財務比率，通過Fisher and Bayes建立線性判別函數，確定影響的比率，得到模型函數，分析選擇的樣本，得到破產閾值和Z區域，用它來衡量公司目前的狀況。由于MDA所得到的是一個分值，對于錯誤分類而不能對支付空間的分割進行合適描述的決策問題，這個分值就存在爭議。另外，多元線性判別模型對解釋變量的要求較高，要求兩組中的自變量呈多元正態分布，協方差矩陣相等，但均值不同。然而在實際的研究取樣中，很難滿足這個條件，往往刻意地使用多元線性判別會削弱樣本的隨機性，影響預測的客觀性和真實性。

3.LOGIT回歸模型

Martin（1977）最先用LOGIT模型進行銀行破產預測，經過研究發現其預測能力要好于多元線性回歸模型。隨后Ohlson（1980）將LOGIT模型引入財務困境預測，使LOGIT模型在財務困境預測得到推廣。

通過最大化對數似然函數LnL（α，β）就可以估計出參數α和β，從而得出公司破產的概率，臨界值一般設為0.5。破產概率超過0.5則判定為財務困境公司，小于0.5則判定為無財務困境公司。LOGIT模型擺脫了MDA對變量的限制，被廣泛應用于財務困境的預測，但是LOGIT模型對多重共線性比較敏感，對樣本的要求比較高，在中國資本市場不是很成熟的情況下，局限性較大。另外許多學者對臨界值的設定也存在一些爭議。

（二）現代模型預測方法

1.神經網絡模型

Dom and Sharda（1990）首先應用神經網絡模型進行了財務困境預測方面的嘗試，Salchenberger（1992）等利用神經網絡來預測組織的破產。由于神經網絡有良好的魯棒性，具有自組織、自學習、自適應等特點，能以任意精度逼近任意非線性函數，所以神經網絡發展前景廣闊。

神經網絡包括輸入層、隱含層、輸出層，將選擇的財務指標劃分成不同的神經元，傳遞給隱含層進行數據處理，傳向輸出層。如果輸出結果與預設的權值和閾值不符，則轉入誤差的反向傳播，進行重新學習訓練，直到輸出結果達到期望值為止。但因神經網絡模型之間的映射算法是一種黑箱方法，所以使用中存在爭議，預測精度也沒有實質性的改進。另外，過多重復訓練將使網絡對樣本數據產生過度適應而失去跨樣本預測的穩健性，進而也會影響預測的準確性。

2.遺傳算法

Franco and Varetto（1988）等利用遺傳算法進行了財務困境預測方面的研究。遺傳算法是模仿生物遺傳進化規律而開發出來的搜索方法，能在復雜空間內自動獲取優化的搜索空間，使用于服從大量軟或硬約束的多參數優化問題。結果表明可以獲得不受統計約束的最優線性方程，與MDA相比，省時且受主觀影響小，但結果不如MDA。

3.支持向量機模型（CUSUM）

支持向量機是基于結構風險最小化原理建立的算法，克服了神經網絡算法在梯度下降過程中收斂速度慢、容易陷入局部極小的缺點，在財務困境預測問題中得到了廣泛的應用。Min and lee采用支持向量機方法進行財務困境預測，并得到了優于其他方法的結論。在國內，孫潔從財務困境概念動態漂移的角度，利用滾動時間窗口支持向量機進行了財務困境預測方面的研究，提高了平均預測的準確率。

4.遞歸分割法（Recursive Partitioning Algorithm，RPA）

Frydman and Altman最先運用遞歸分割法進行了財務困境預測方面的研究。遞歸分割法是非參數估計方法，根據二叉樹原理首先確定所選樣本及預測變量，然后根據單變量規則來確定節點，計算出公司被誤判的成本，從而計算出每個分支的風險水平，通過建好的帶有風險水平的二叉樹，來預測公司最終落入哪個節點。

五、結論與啟示

受客觀條件的限制，在以往的財務困境建模中，忽視了對宏觀因素、公司治理、公司的動態性等因素的考慮，各時期建立的模型還有待完善。Scapens發現無論單變量還是多變量預測模型都會出現誤判現象，所以對財務困境預測的模型還不存在最優問題。關于財務困境預測模型研究的展望：

（一）構建財務困境研究的理論框架

財務困境的內涵直接關系到研究對象中變量的選擇，隨著研究的進展，越來越多的動態性指標和非財務指標會納入到財務困境預測體系中來，不斷豐富財務困境的內涵。但財務困境內涵和外延的不確定性，在一定程度上限制了財務困境研究的進展。因此，有必要構建一個清晰的關于財務困境研究的理論框架。

（二）形成系統的財務困境研究方法體系

財務困境的預測模型繁多，評價不一，研究方法多樣，還沒有形成一套具體的研究體系。一直以來，都在試圖找到一種預測性較強的研究方法，但影響公司發展的動態性因素復雜，未來環境的不確定性加劇，加上公司系統的非線性等特點，對財務困境的預測和控制是相當困難的。相信隨著計算機技術的發展和各學科知識的不斷進步，對財務困境的研究會更加精確。

（三）結合行業現狀與企業特點來加強研究的有效性

財務困境預測是投資活動中評價公司財務狀況的重要指標，但目前在實際應用中有較大的局限，受公司規模、資本結構、外部治理機制等的影響，財務困境預測仍難以標準化。各公司內部也缺乏對財務困境預測的管理。公司財務困境是由于引致變量的熵增引起的，而各引致變量之間又存在非合作博弈，所以財務活動中的每個環節都有引發財務困境的可能，但找到財務中的薄弱環節并不容易。各公司應根據自己的實際情況，及時發現財務活動中存在的問題，加強對薄弱環節的管理，減少發生財務困境的可能性。

【主要參考文獻】

[1] 周首華， 楊濟華， 王平.論財務危機的預警分析——F分數模型[J].會計研究，1996（8）：8-10.

[2] 吳世農，盧賢義.我國上市公司財務困境的預測模型研究[J].經濟研究，2001（6）：46-55.

[3] 彭韶兵，邢精平.公司財務危機論[M].北京：清華大學出版社，2005：50-51.

[4] 章之旺.現金流量在財務困境預測中的信息含量實證研究[J].中國管理科學，2004（6）：23-28.

[5] 馬若微.基于RS與ANN的上市公司財務困境預測模型的實證研究[J].南開管理評論，2006（3）：85-91.

[6] 王克敏，姬美光，趙沫.宏觀經濟環境、公司治理與財務困境研究[J].經濟與管理研究，2006（9）：22-29.

[7] 吳星澤.財務危機預警研究：存在問題與框架重構[J].會計研究，2011（2）：59-65.

[8] William H.Beaver.Financial Ratios As Predictors of Failure[J].Journal of Accounting Research，1996（4）：71-111.

[9] Edward I.Altman.Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].The Journal of Finance，1968（23）：589-609.

[10] James A.Ohlson.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980（18）：109-131.