財務風險預警研究綜述

肖霖

[摘 要]隨著全球經濟的快速發展，企業之間的競爭日益激烈，評估與識別企業存在的風險對企業的生存與發展越來越重要。大多數學者研究財務風險預警的基本方法集中于單變量分析、多元判別分析、邏輯回歸分析、線性回歸分析、神經網絡、生存分析等。文章主要梳理了財務風險預警相關理論研究的發展以及現狀，根據不同模型分析了各方法的優點與不足。

[關鍵詞]財務風險；預警模型；綜述

[DOI]10.13939/j.cnki.zgsc.2016.33.107

1 國內外研究現狀

從20世紀30年代開始，就已經有學者注意到企業財務狀況的變化會影響到企業經營成果以及財務狀況，并開始進行相關研究。學者們分析了大量的企業財務指標數據，并根據這些研究開始了對財務風險的研究。隨著企業管理和財務理論的發展，研究手段也越來越科學，研究方法和研究工具也逐漸成熟，研究者提出了各種不同的財務風險預警的方法和模型。

1.1 國外研究現狀

1.1.1 財務風險研究現狀

Blum（1974）將財務風險定義為企業沒有能力償還到期債務、進入破產程序或者與債權人達成明確債務減免協議的事件。在正常情況下，企業只有按時支付本息或股利，才能順利獲得債權人或者投資者的青睞，籌集足夠的資金。如果企業不支付本息、拖欠股利，出現違約的情況，必然會引起投資者的注意，對企業的籌資活動產生影響，進而影響企業的持續經營。James C.Van Home和John M.Wachowicz（2001）對財務風險做了更廣的界定，認為財務風險由兩部分組成，可能失去償債能力的風險和因使用財務杠桿而導致的每股收益變動的風險。

1.1.2 財務風險預警模型研究現狀

單變量判別模型。最早開始研究財務風險預警模型的是Fitzpatrick（1932），他主要針對單變量破產預警進行研究，是單變量預警模型研究的先驅。Fitzpatrick選擇了19家企業作為研究樣本，研究發現對財務風險判別能力最高的兩個指標分別是凈資產收益率和產權比率。美國芝加哥大學教授William Beaver（1966）在Fitzpatrick的研究基礎上進行了較為成熟的單變量預警研究，結果發現預測準確率最高的指標是現金流量債務比和資產負債率。

多變量判別模型。美國學者Edward Altman（1968）首次將多變量線性判別分析方法介紹到財務風險預警領域。他隨機抽取了多家制造企業，通過研究認為22個備選財務比率中有5個是最佳預警判別變量，并運用這5個財務比率建立了多變量線性判別模型。Altman（2000）在多變量判別分析法的基礎上進行了改進創新，建立了Z值多變量財務風險預警模型。事實證明Z值多變量財務風險預警模型是非常有用而成功的，在以后的財務風險預警研究中得到了廣泛的應用。P.Wu（2016）建立了多元線性預警模型，在傳統的財務風險和收益的風險管理之間的非相關性分析的基礎上，提出了建立財務風險預警的必要性，并構建了一個多元線性模型，證實了多元線性預警模型的有效性。

邏輯回歸模型。Ciarlone和Trebeschi（2005）將宏觀經濟學和現有的預警模型結合起來，運用邏輯回歸法構建了一個規則簡單，但驗證有效的邏輯風險預警模型。Daniela Beckmann等人（2006）提出在當前市場環境中應該高度重視財務風險，由于研究選取的樣本、時間段以及變量的不同，合適的財務風險預警方法也就不同，并且通過比較分析表明邏輯回歸方法比其他方法更有優勢。MatthieuBussiere等人（2008）以邏輯回歸模型為基礎，創新的將二元離散選擇的方法運用到研究中。他們根據32家處于財務危機狀態的企業的財務數據建立了新的多變量邏輯回歸預警模型，并且劃分了多個預警區域。經過驗證，該預警模型基本可以比較準確的預測企業的潛在危機。

神經網絡模型。Coats和Fant（2005）將人工神經網絡運用于財務風險預警研究，建立了神經網絡財務風險預警模型。他們以94家破產公司與188家正常公司的財務數據為樣本，研究結果表明，神經網絡預警模型預測的準確性較高。Edward I.Altman（2009）等運用多變量線性分析方法和BP人工神經網絡方法研究了164家上市公司的財務數據，發現其中16%的公司財務存在危機，30%的公司財務狀況需要引起管理層的密切關注，54%的公司處在正常運營的過程中。Clarence Tan（2009）總結了現有的BP神經網絡財務風險預警模型，并選取多家銀行的財務數據為樣本建立了銀行神經網絡財務風險預警模型，并驗證銀行神經網絡財務風險預警模型的有效性。

綜上所述，國外財務風險預警研究主要集中于對財務風險預警模型的構建，研究成果較為成熟，并且廣泛應用于實踐中。國外學者在財務風險預警模型方面的研究經歷了單元判別模型、多元線性判別模型、多元邏輯回歸模型及神經網絡模型等幾個階段，使得財務風險預警成為公司財務風險研究中的一個重要領域。

1.2 國內研究現狀

1.2.1 財務風險理論研究

劉恩祿，湯谷良（1989）較早給出了財務風險的定義，認為財務風險是指企業在籌資、投資、利潤分配等一系列財務活動過程中，由于受外部或內部不確定性因素的影響，實際收益偏離預期目標并給企業及股東造成損失的可能性。李平（2013）重點研究餐飲企業財務方面存在的問題，認為財務風險是餐飲企業不可避免的難題，并分析了餐飲企業產生財務風險的原因。張影（2013）認為餐飲業面臨的主要財務風險是籌資風險、投資風險以及營運風險，并從餐飲企業自身以及企業面臨的大的宏觀環境分析了財務風險產生的原因。

1.2.2 財務風險預警模型研究

單變量判別模型。吳世農，黃世忠（1986）通過《中國經濟問題》的一篇文章首次介紹了企業破產分析的相關預警指標和單變量預警模型。陳靜（1999）對我國上市公司的財務困境進行了預測，她對同行業同規模的27家ST公司的財務數據進行了單變量預警研究。研究結果表明流動比率、資產負債率、總資產收益率和營運資本比率對企業財務失敗的反應較為敏感。

多變量判別模型。袁康來，吳曉林（2008）檢驗出Z模型在我國農業企業財務風險的預警中效果明顯。李元鳳（2012）對 Z 模型進行了檢驗，同時增加了 3 個新的變量并修改了臨界值，模型的準確性得到大幅度提高。王文紅（2015）運用 Z 模型對我國汽車制造行業上市公司財務風險預警進行適用性分析，證明了其有效性。

邏輯回歸模型。陳曉，陳治鴻（2000）運用邏輯回歸模型對ST公司進行研究，研究結果表明ST公司的產權比率和資產回報率對公司財務風險預警的準確率最高。吳應宇，袁陵（2004）將因子分析法在指標信息處理上的優點以及邏輯回歸法擬合模型準確度較高的優勢結合起來，應用于上市公司財務風險預警的研究之中。王會檸，張振偉（2015）以Altman的Z計分模型為理論基礎，構建了中小企業財務風險預警模型。從選取樣本來看，Altman的Z計分模型基本上能夠反映企業的財務狀況。

神經網絡預警模型。周喜，吳可夫（2012）利用神經網絡數據挖掘技術、財務及非財務指標構建財務危機預警模型，研究結果表明其構建的預警模型較準確地預測了財務危機，并且實際應用價值較高。黃曉波，高曉瑩（2015）運用神經網絡模型對財務危機進行預測，結果表明該財務危機預警模型預測效果較好。李芳（2015）運用神經網絡模型構建財務危機的預警模型，發現每股凈資產、每股經營活動凈現金流量凈額和資產負債率這3個財務指標對于財務困境有較好的判斷和預測能力。

其他財務風險預警模型。顧曉安（2000）首次在企業財務風險預警研究中引入了功效系數法，通過對8個能夠反映企業財務風險的預警指標設定滿意值及不允許值，并按指標權重加權得出財務指標的綜合功效系數，對比已經設定的指標評價值，判斷企業財務風險警情。余凱（2008）選擇并構造了7個房地產預警復合指標，通過主成分分析法確定每個指標在該預警體系中的權重，最后利用灰色預測模型預測了FZ市未來兩年房地產的發展情況。孫煥宇，陳倩等人（2015）構建了一個灰色預測模型，并使用主成分分析法對眾指標降維，通過實證分析表明，灰色預測模型有著較高的準確度且過程并不復雜。

從以上研究來看，國內外學者在研究財務風險的概念時，通常將該風險分為狹義和廣義兩種。狹義的財務風險一般被稱為負債籌資風險，是指企業通過負債的方式籌集資金，在債務到期償還債務方面存在的不確定性。狹義的觀點認為負債是使企業面臨財務風險的唯一因素，沒有負債便不存在財務風險。廣義的財務風險貫穿于企業的整個財務活動，是企業面臨的外部環境以及企業內部難以預計的不確定性因素引起的，使企業的實際財務收益偏離預期目標，因而在財務方面遇到難題的風險。廣義財務風險的觀點將企業財務活動的整體和全過程考慮在內，從而界定出財務風險的概念。

在財務風險預警模型方面，國外學者偏向于對模型的構建，國內學者的研究多偏向于在國外模型的基礎上進行改進，由于所有的模型都是以國外市場的數據為基礎建立的，放在不同的時代背景以及不同發達程度的市場中研究，會產生不同的結果，所以國內學者偏重于對外國模型的改進。以上財務風險預警模型各具特色各有優點，適用于不同類型及規模的公司，需要具體問題具體分析。

參考文獻：

[1]P.Wu，L.Gao，Q.Wang.Early Warning System for Finance[M]//Managing the Asian Century.Germany：Springer Link，2016：85-101.

[2]Alessio Ciarlone，Giorgio Trebeschi.Designing an Early Warning System for Debt Crises[J].Journal of Accounting Research，2005（9）：109-114.

[3]Daniela Beckmann，Lukas Menkhoff，KatjaSawischlewski.Robust Lessons about Practical Early Warning Systems[J].Journal of Finance，2006（7）：56-60.

[4]張影.新時期餐飲企業財務風險識別與應對分析[J].商，2013（22）：66-63.

[5]吳世農，黃世忠.企業破產的分析指標和預測模型[J].中國經濟問題，1986（6）：36-37.

[6]李元鳳，戴勁.Z財務預警模型的檢驗與改進[J].財經界：學術版，2012（1）：231-233.

[7]韓彥峰，王娟娟.基于功效系數法的餐飲業財務預警實例研究[J].中國商貿，2012（8）：102-103.