企業財務困境預警研究綜述

夏秀芳　遲健心

【摘 要】 文章綜述了國內外有關財務困境預警研究的三個主要內容：一是財務困境的內涵和界定，二是財務預警研究變量的選取，三是財務困境預警模型的建立；強調財務危機的根本原因是企業無力償還債務而導致的資金鏈斷裂，財務預警模型應具有前瞻性，預警指標應從引起財務危機根源的資金鏈角度進行設定，即應充分考慮資金供給對資金需求的保障程度；最后提出了財務預警指標體系構建的重心應放到籌資活動對營業活動資金的保障上，建議從資金供給對資金需求的數量和質量保障角度構建預警指數體系。

【關鍵詞】 財務困境； 財務指標； 非財務指標； 資金供給； 保障程度

【中圖分類號】 F275 【文獻標識碼】 A 【文章編號】 1004-5937（2018）13-0002-05

財務困境是指企業由于各種原因導致的財務狀況嚴重惡化，即將面臨破產，無能力償還債務的財務狀況。企業不能按期償還債務，是一種違約行為，所以又稱為違約風險，有學者也稱其為財務危機。“企業破產”是最嚴重的財務困境形式。發生財務困境的企業大多是企業財務狀況逐年惡化、長期累積的結果，是可以預測的。及時、有效地進行財務困境的預警可以使企業及早發現其生產經營管理的嚴重問題，避免惡性損失的發生。國內外學者對于財務困境的研究，主要包括三個方面：一是財務困境的內涵和界定，二是財務預警研究變量的有效選取，三是財務困境預警模型的建立。

一、財務困境（財務危機）概念的界定

Beaver[1]指出企業發生破產、出現拖欠優先股股利和債務的情況都視為財務困境，他選取了59個破產公司、3個拖欠債務的公司以及16個拖欠優先股股利的公司，共計78個公司作為“財務困境”的樣本進行研究。Carmichael[2]指出財務困境是由于企業資金、權益和流動性不足以及拖欠債務四種形式導致的履行義務時受到阻礙。Deakin[3]將財務危機界定為企業無力償還債務、發生了破產、債權人利益通過企業清算才能得到的公司。Ross et al.[4]將企業失敗、會計破產、法定破產和技術破產的企業稱為財務困境。Lau[5]指出以下五種情況可以作為企業財務危機的評估標準：（1）財務不穩定；（2）股息不支付或者股息支付減少；（3）出現了技術性失敗或者不能償還貸款；（4）受到破產法保護；（5）清算或破產。Laitinen[6]在研究中將財務困境公司按照危機的程度進行了分類。部分學者[7-8]在研究中對財務危機的界定是依據破產法提出破產申請的企業。

國內部分學者[9-12]在研究中都選取了ST公司作為財務困境研究的對象。長城證券課題組（2002）和崔學剛等（2007）認為企業只要出現了虧損就是財務困境，即PT、ST公司以及虧損一年的公司都屬于財務困境公司。

二、預測變量或者判定指標的選取

模型中預測變量的合理選擇對于能否成功和正確預測財務困境至關重要。預警變量由最初的只考慮財務指標，發展到綜合考慮財務指標和非財務指標，其中財務指標包括財務比率和現金流量指標。

（一）僅包含財務指標信息類型

一些學者[7，13-14]在對企業財務危機研究中采用的都是常規財務比率指標，其中Altman的Zeta模型是當時被認為能夠比較準確預測財務困境的模型。財務比率指標是以資產負債表和利潤表為基礎的，如何選取財務指標及財務指標能否真實反映企業的財務狀況，是當時學者們討論建模預測準確與否的關鍵。學者們在研究中發現現金流量信息不容易像利潤指標被操縱而逐漸受到關注。Beaver[1]在1966年首次將現金流指標引入到財務困境的研究。Deakin et al.[3]同時考慮了企業的三大財務活動：籌資活動、經營活動和投資活動，并指出現金流指標預測破產效果顯著。Blum[15]的研究中將現金流量指標加入到財務風險預警模型中，得到結論：加入現金流的預警模型準確性得到了極大提高，并且預測時間會超前5年；隨后更多學者發現將現金流量指標加入到預警模型中，模型的預測能力也得到了提高；Xia，Zhao and He（2012）研究表明：加入現金流量指標的Logistic模型要優于Fisher判別模型。

我國學者（陳靜[11]；張玲[16]；吳世農等[9]；周兵和張軍，2002；蔡紅艷和韓立巖，2003等）均采用傳統的財務比率指標建立財務預警模型；周守華等[10]是首次將現金流量指標引入到預警模型中，構建了一個F模型，此模型相對Altman的Z模型有了較大的改進；隨后更多學者在研究中引入了現金流量指標，并進行了現金流量指標的財務預警研究（如：吳世農等[9]；楊淑娥和徐偉剛，2003；黃鶴和李鳳吟，2003；張瑋，2007；崔學剛，2007；李雅寧，2012；謝赤等[17]）。呂俊[18]在研究中同時采用了傳統的財務比率指標和經過調整（在我國上市公司會計質量特征基礎上調整）的兩套財務比率指標進行了對比分析，研究發現后者比前者的精度高出七個百分點。聶麗潔等[19]構建了一套較完整的現金流財務預警指標體系，研究表明現金流量指標能單獨進行財務風險預警。梁杰等（2011）在財務困境模型中引入了經濟增加值指標。

（二）包含非財務指標信息類型

財務預警模型中的非財務指標包括了資本市場指標、宏觀經濟變量、公司治理等變量。

Zmijewski（1984）和Altman（1966）將與市場反應有關的非財務變量引入到研究中，其結果表明可以改善預警效果；Beaver[1]在財務預警研究中引入了反映股價的信息變量；Merton（1974）和Campbel等（2006）發現股票收益率波動對財務風險有重要影響；Ohlson[20]以企業總資產與總負債數值的大小為依據，構建了兩個虛擬變量，結果發現虛擬變量對模型的解釋力較某些常用的財務指標更好；Marquette（1980）在模型中加入了宏觀經濟變量：通化膨脹率和景氣變動等指標；Altman（1983）研究表明宏觀經濟變量，如國內生產總值以及貨幣供應量等都對公司財務危機預警有顯著的影響；Lau[5]的財務危機預警研究中包含了6個財務比率變量和4個與股利支付相關的虛擬變量；Glison（1989）研究發現企業高層的離職可以構成反映企業財務風險預警的重要指標；Plat et al.[8]在財務危機預警中加入了反映產業變動的變量；部分學者（Catherine，1994；Fathi，2001；Chan，2016）等在財務預警模型構建時加入了公司治理因素。Blanco-Oliver et al.（2015）將非財務指標，如公司所有權特點等引入模型。

相對于國外學者，國內對財務預警中非財務指標的研究比較晚。姜秀華（2002）加入了股權集中度指標進行預警取得了相對較好的預測效果；梁琪（2003）在研究中發現反映資本市場和宏觀經濟的指標可以對上市公司進行有效的財務困境預警判別；章之旺、吳世農（2005）檢驗了經濟困境、財務困境風險和公司業績之間的關系；楊兵和柯佑鵬（2005）在研究中引入了非財務指標，結果發現財務困境預測的準確度得到了極大的提高；曹德芳等[21]在預警模型中加入了股權結構變量；鄧曉嵐等（2006）在Logistic模型中引入了非財務變量，回歸結果顯示審計師意見和年度累計超額收益率對財務困境有較好的解釋和預警效果；任惠光和班博（2007）在預警中加入了財務指標和反映企業公司治理和總體經濟的非財務指標，通過三個方法的預警及比較，最終構建了最優的跨期財務危機預警綜合模型；柏丙林等[22]分別以非財務指標、財務指標以及綜合指標（財務指標和非財務指標相結合）構建了財務風險預警模型進行預警，結果表明由綜合指標構建的財務風險預警模型有更準確的預測結果；盧永艷[12]將宏觀經濟因素、貸款利率和國內生產總值增長率引入到財務預警模型；劉小淇等[23]將非財務因素（人力資本和股權結構等）納入預警模型。

三、財務困境預警模型的建立

財務困境預警模型經歷了從單一財務指標變量的預警模型，到多個財務指標變量的線性預警模型，發展成為廣泛流行的Logistic預警模型；隨后又有一些新的理論和模型相繼出現。

Fitzpartrick[13]開啟了對上市公司進行了財務危機預警的先河，在研究中運用了單個財務比率指標；隨后Beaver[1]也建立了單變量的財務預警模型。由于單個財務比率不能全面反映企業的財務狀況，多變量模型較單個財務指標變量所包含的財務信息更加全面，預測的準確度更高。Altman[7]運用線性判別分析方法（MDA）建立了多變量財務預警模型；Altman et al.[14]建立了含有七個財務變量的Zeta模型。在原來線性預測的基礎上，Martin[24]首次使用Logistic方法以銀行業為研究對象建立了財務預警模型；Ohlson[20]也建立了Logistic財務預警模型，并在研究中給出了MDA有效性的條件；隨后 Collins and Green（1982），Zavgren（1985），Gentry，Newbold and WhitFord（1987）等通過實證研究均顯示了Logistic模型進行財務預警比MAD模型的預測能力更強，結果更準確；Hensher et al.（2007）建立的Logistic財務預警模型中考慮了多項誤差分量，結果顯示其擬合優度比標準的Logistic模型更好。

此外，一些新的理論和模型不斷出現和應用，如神經網絡（ANN）、遺傳算法（GA）、案例推理（CRR）、粗糙集（RS）等方法具有高效的預測性。Sánchez-Lasheras（2012）等運用了混合模型對財務困境進行了識別。Heo and Yang（2014）利用Adaboost算法對韓國建筑公司進行了財務危機預測。Slavici（2016）等利用統計方法對人工神經網絡模型進行了優化，并進行了財務預警，認為經改進后的神經網絡模型的預測可信度更高。

我國學者周守華等[10]借鑒了Z分數模式，建立了包含現金比率的F分數模式的多變量模型，結果表明預測準確度達到了70%以上。陳靜[11]分別運用了單變量分析和二類線性判別分析模型進行了財務預警分析。張玲[16]運用了二類線性判別模型對上市公司財務數據進行了預警分析。吳世農等[9]分別應用Fisher、多元線性回歸和Logistic三種方法建立了模型進行預警分析，并進行了結果的比較，得出結論：Logistic預警模型的準確性達到了最高。隨后更多學者應用Logistic模型進行了財務危機預警研究（姜秀華和孫崢，2000；盧永艷和王維國，2010；盧永艷[12]；謝赤等[17]）。同時一些學者（如周敏和王新宇，2002；周喜和吳可夫，2012；李力和馮濤，2015）運用神經網絡建立了企業財務風險預警體系；王曉鵬等（2007）在財務困境預警研究中應用了Cox模型；莊倩等[25]根據財務困境的不同特征進行了不同時期的動態劃分，應用了卡爾曼濾波原理，對財務困境進行了動態預測。

四、文獻評述

在財務危機預警方面學者們做了充分、詳實的研究。在研究對象上，主要選取的是根據破產法提出破產申請的企業和ST上市公司，研究中多將財務危機公司與正常運營的公司進行有關財務指標的對比。相比國外的研究，國內研究起步較晚，前期的研究主要是借鑒了國外的方法和經驗，后期的研究結合我國企業現狀，研究方法有了一些創新。預警模型在單變量預警模型基礎上，發展成為多變量預警模型，隨后Logistic預警模型得到了廣泛的應用，近年來又出現了一些新的預警方法。這些新的研究方法具有數據挖掘潛力強、預測效率高等優點，但存在著運算復雜、應用條件苛刻、無法進行結構分析（即“黑箱”特性）等缺點。在預警變量的選擇上由原來的單個指標的財務比率變量，發展到多個指標的財務比率變量，預測的精確也得到了進一步的提高；最初指標的計算主要是基于利潤表和資產負債表，而利潤表的有些項目的可操作性較大，不能真實地反映企業現金流，隨后又很多學者將預警變量設置的重心放到了現金流量指標上；隨著經濟的發展，企業所處的微觀和宏觀經濟環境的變化、各種不確定因素對企業財務風險影響的加劇，在預警模型中綜合考慮了財務、非財務指標是近期財務預警研究的趨勢。

總之，在財務危機預警方面，學者們已經做了大量的研究，為后續研究打下了堅實的基礎，不論是預警方法還是指標的選取方面都為我們提供了新思路。

五、完善財務危機預警的思路

（一）完善財務危機預警的建議

1.已有文獻對于財務指標選取基本都是從償債能力、盈利能力、發展能力和營運能力四個“靜態”維度來分類，預警指標多為傳統的財務指標，其理論框架是傳統的財務分析體系。根據財務危機的定義，企業財務危機的主要原因是無力償還債務，其根源是企業資金鏈斷裂。因此財務預警指標的設定應該從引起財務危機根源的資金鏈角度進行設定，即應充分考慮資金供給對資金需求的保障程度。

2.大多研究是用模型檢驗已發生財務危機（ST企業）的事實，驗證模型的準確性。預警的目的是對企業未來可能發生的財務危機提出警示，所以預警模型的設定應該具有前瞻性和敏感性。

3.在選取與研究對象相匹配的樣本時，對照組和研究組樣本所在行業、規模等特征變量缺乏可比性，所得到的對比結論難以令人信服。匹配樣本在研究中可以使用有關計量分析方法，使其與研究對象具有可比性的特點。

（二）財務預警指標體系的構建

按照王竹泉[26]的觀點，在當今供過于求的高度競爭的市場經濟時代，經營活動是企業運用已有的資金和資源創造價值的活動，投資活動不再是計劃經濟時期依附于經營活動的附屬活動，而是同經營活動一樣也是為企業創造價值的活動。同樣為企業創造價值的經營活動和投資活動應視為一類，稱為營業活動；籌資活動是為經營活動和投資活動籌集資金的過程，是依附于經營活動和投資活動的，若企業的營業活動不存在，籌資活動也就失去了意義。財務危機或財務破產的本質是企業資金鏈斷裂，即企業通過籌資獲取的資金滿足不了營業活動資金的需求。因此，財務預警指標體系構建的重心應放到籌資活動對營業活動資金的保障上，即資金供給對資金需求的保障程度，包括資金供給對資金需求的數量和質量保障程度的構建。具體指數體系構建思路如下：

1.數量保障程度是資金供給量與資金需求量的比，其比值越大說明企業有足夠的資金滿足營業活動對資金的需求，企業資金鏈斷裂的風險就越小，即財務危機發生的可能性就越小；考慮到資金供給與需求比的波動性，若近幾年波動越大，說明保障程度越不穩定，不確定性越大，因此在構建數量指數時應當將資金供給量與需求量變動的風險進行量化處理。數量保障程度用數量指數A1表示，其構建如公式1。

2.質量保障程度，即質量指數是指資金供給對資金需求保障的穩定性，包括資金結構指數和企業綜合財務能力指數。其中結構指標是指企業總資金中長期資金所占的比重，比重越大資金供給的穩定性越好，企業發生資金鏈斷裂的風險就越低，在公式2中用長期資金比重來衡量；財務綜合能力指數是全面反映企業財務活動的綜合能力，其值越大說明企業利用自身發展獲得資金的能力越強，企業就會擁有更多的通過自身營業活動積累的資金，因而企業資金鏈斷裂的風險就越低。根據杜邦財務分析體系，企業凈資產收益率=權益乘數×總資產周轉率×銷售凈利率，權益乘數、總資產周轉率和銷售凈利率分別反映企業償債能力、營運能力和盈利能力，因此凈資產收益率可以看作是綜合反映企業財務狀況能力的指標，其值應與行業均值相比，比值越大說明企業財務狀況在同行業越好，企業通過自身經營積累的資金在未來滿足資金需求的保障程度越好，財務危機發生的概率就越低。在公式2中財務綜合能力指數用企業凈資產收益率與行業平均凈資產收益率比值來衡量。

基于以上分析構建基于資金需求保障能力的財務預警指標體系如下：

資金供給對資金需求的保障指數A=數量指數A1×質量指數A2

上述指數體系可以從時點（當年）和時期（近三年或五年）兩個角度計算衡量。財務預警指數或模型的構建旨在企業發生財務危機之前對企業提出預警，防患于未然，而不是當企業發生財務困境之后采用一些模型和指標進行檢驗。因此具體應用此指數進行預警分析時，樣本的選取應剔除ST上市公司。對于構建的上述反映企業財務危機指數的應用的設想如下：

按行業分類選取上市公司（剔除ST）的財務數據進行上述指標的統計分析，求得資金供給對需求保障指數A的上下四分位值（上四分位值q1和下四分位值q2）和中位數值m。當A值處于不同區間時對于企業的警示也是不同的，其中第一類（A≤q2）企業即將出現財務困境，應引起企業的極大重視。具體如下：

（1）A≤q2，企業即將出現財務困境，企業資金對需求保障能力出現了較為嚴重的警戒和風險，企業應立即進行調整，應該引起企業極大的重視。

（2）若q2≤A

（3）m≤A

（4）q1≤A，說明企業的資金保障程度處于很安全的狀態。

【參考文獻】

[1] BEAVER W H.Financial rations as predictors of failures[J].Journal of Accounting Research，1966，4（1）：71-111.

[2] CARMICHAEL R.The auditor's reporting obligation[M].Auditing Research Monograph （New York： AICPA），1972：94-125.

[3] DEAKIN E B.A discriminant analysis of predictors of business failure[J].Journal of Accounting Research，1972，10（1）：167-179.

[4] ROSS B.Financial ratios and different failure processes[J].Journal of Business Finance，2000，10（3）：18-24.

[5] LAU H L.A Five-state financial distress prediction model[J] Journal of Accounting Research，1987，25（1）：127-138.

[6] LAITINEN E K.Financial ratios and different failure processes[J].Journal of Business Finance & Accounting，1991，18（5）：649-673.

[7] ALTMAN E I.Financial rations，discriminant analysis and the prediction of corporate bankruptcy[J].Journal of finance，1968，23（4）：589-609.

[8] PLATT H D，PLATT M B.Development of a class of stable predictive variables： the case of bankruptcy prediction[J]. Journal of Business Finance and Accounting，1990，17（1）：31-51.

[9] 吳世農，盧賢義.我國上市公司財務危機的預警模型研究[J].經濟研究，2001（6）：46-55.

[10] 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（8）：8-11.

[11] 陳靜.上市公司財務惡化預警的實證分析[J].會計研究，1999（4）：31-38.

[12] 盧永艷.宏觀經濟因素對企業財務困境風險影響的實證分析[J].宏觀經濟研究，2013（5）：53-58.

[13] FITZPATRICK P J.A comparison of ratios of successful industrial enterprises with those of failed firms [M].New York： Certified Public Accountant，1932：656-662.

[14] ALTMAN E I，et al.Zeta analysis： a new model to identity bankruptcy risk of corporations [J].Journal of Banking and Finance，1977，1（1）：29-54.

[15] BLUM M.Failing company discriminant analysis [J].Journal of Accounting Research，1974，12（1）：1-25.

[16] 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（3）：49-51.

[17] 謝赤，趙亦軍，李為章.基于CFaR模型和Logistic回歸的財務困境預警研究[J].財經理論與實踐，2014，35（1）：57-62.

[18] 呂俊.基于非財務指標的財務困境預測及征兆分析[J].中國社會科學院研究生院報，2006（2）：52-59.

[19] 聶麗潔，趙艷芳，高一帆.基于現金流的財務危機預警指標體系構建研究——基于我國制造業上市公司數據[J].經濟問題，2011（3）：108-112.

[20] OHLSON J A.Financial ratios and the probabilistic prediction of bankruptcy[J].Journal of Accounting Research，1980，18（1）：109-133.

[21] 曹德芳，夏好琴.股權結構變量對企業財務危機影響的實證研究[J].財會通訊，2006（1）：85-90.

[22] 柏丙林，呂峻.基于不同指標類型的財務危機預測模型比較——來自我國制造業上市公司的實證研究[J].開放導報，2008（4）：96-101.

[23] 劉小淇，曾繁榮，周鴻.基于非財務視角的上市公司財務困境預警研究——基于主成分邏輯回歸的方法[J].財會通訊，2015（6）：42-48.

[24] MARTIN D.Early warning of bank failure：a logit regression approach[J]. Journal of Banking and Finance，1977，1（3）：249-276.

[25] 莊倩，陳良華.財務困境理論的預測動態性改進與應用[J].審計與經濟研究，2014（5）：69-76.

[26] 王竹泉.重新認識營業活動與營運資金[J].財務與會計（理論版），2003（4）：1.