財(cái)務(wù)預(yù)警方法評(píng)析

　　【摘 要】 進(jìn)入21世紀(jì)，經(jīng)濟(jì)全球化日益成為一種趨勢(shì)。企業(yè)因財(cái)務(wù)危機(jī)陷入經(jīng)營(yíng)困境，甚至破產(chǎn)的例子更是比比皆是。我國(guó)證券市場(chǎng)各相關(guān)利益主體對(duì)有效、合理地分析財(cái)務(wù)信息，及早、準(zhǔn)確地預(yù)測(cè)上市公司財(cái)務(wù)困境的需求越來越強(qiáng)烈。在此背景下，文章選擇財(cái)務(wù)預(yù)警問題進(jìn)行研究，并從國(guó)外和國(guó)內(nèi)研究現(xiàn)狀分析財(cái)務(wù)預(yù)警方法，以供企業(yè)參考。
　　【關(guān)鍵詞】 財(cái)務(wù)困境； 財(cái)務(wù)預(yù)警； 預(yù)警模型
　　
　　一、國(guó)外現(xiàn)狀
　　西方經(jīng)濟(jì)學(xué)界對(duì)于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的研究始于20世紀(jì)30年代，主要著眼于財(cái)務(wù)預(yù)警模型的構(gòu)建。建立一套財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)可以有效預(yù)防和控制企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，這在國(guó)外理論界已達(dá)成了共識(shí)。
　　最早的財(cái)務(wù)預(yù)警研究始于FitzPatrick（1932）開展的單變量破產(chǎn)預(yù)測(cè)研究。他選取了19家企業(yè)作為樣本，運(yùn)用單個(gè)財(cái)務(wù)比率將樣本企業(yè)劃分為破產(chǎn)和非破產(chǎn)兩組，最后發(fā)現(xiàn)判別能力最高的指標(biāo)是凈利潤(rùn)/股東權(quán)益和股東權(quán)益/負(fù)債兩個(gè)比率。之后，Secrist在1938年使用簡(jiǎn)單圖表法對(duì)財(cái)務(wù)困境進(jìn)行了研究。他選用了兩個(gè)財(cái)務(wù)指標(biāo)，比較失敗銀行和非失敗銀行不同時(shí)期財(cái)務(wù)指標(biāo)之間的差異，從而判斷銀行是否存在財(cái)務(wù)困境或財(cái)務(wù)危機(jī)。
　　隨著統(tǒng)計(jì)方法的發(fā)展及其在財(cái)務(wù)研究領(lǐng)域的應(yīng)用，財(cái)務(wù)困境分析與預(yù)測(cè)的相關(guān)研究也日趨深化。美國(guó)芝加哥大學(xué)教授wilham Beaver（1966）首先運(yùn)用統(tǒng)計(jì)方法建立了單變量破產(chǎn)預(yù)測(cè)模型，從而開創(chuàng)了用統(tǒng)計(jì)方法建立財(cái)務(wù)預(yù)警模型的先河。他選取了美國(guó)1954年至1964年間資產(chǎn)規(guī)模相同的經(jīng)營(yíng)失敗企業(yè)和正常經(jīng)營(yíng)企業(yè)各79家，采取對(duì)比研究的方法，分別檢驗(yàn)了反映企業(yè)不同財(cái)務(wù)特征的6組30個(gè)財(cái)務(wù)指標(biāo)在公司破產(chǎn)前1—5年的預(yù)測(cè)能力，最后發(fā)現(xiàn)具有良好預(yù)測(cè)能力的財(cái)務(wù)指標(biāo)依次為債務(wù)保障率、資產(chǎn)收益率以及資產(chǎn)負(fù)債率。其中，債務(wù)保障率在破產(chǎn)前一年的預(yù)測(cè)正確率高達(dá)87%。除此之外，Beaver還發(fā)現(xiàn)隨著破產(chǎn)日的臨近，誤判率也會(huì)逐漸降低。
　　美國(guó)學(xué)者Edward Altman（1968）最先將多元線性判別方法引入了財(cái)務(wù)預(yù)警研究。他在1968年發(fā)表的《財(cái)務(wù)比率、判別分析和公司破產(chǎn)預(yù)測(cè)》一文中提出了用于預(yù)測(cè)企業(yè)破產(chǎn)的多元變量判定模型——“Z-Score”模型。他根據(jù)企業(yè)所處行業(yè)和資產(chǎn)規(guī)模，為33家破產(chǎn)企業(yè)選擇了33家非破產(chǎn)配對(duì)企業(yè)，選取22個(gè)變量作為企業(yè)破產(chǎn)前1—5年的預(yù)測(cè)備選變量。經(jīng)過篩選，按流動(dòng)比率、收益率、穩(wěn)定性、支付能力、活動(dòng)比例五項(xiàng)標(biāo)準(zhǔn)對(duì)這些財(cái)務(wù)指標(biāo)進(jìn)行分類，最終確定了5個(gè)變量作為判別變量。在檢驗(yàn)過程中，“Z-Score”模型表現(xiàn)出了較高的預(yù)測(cè)能力。此后，多變量分析方法成為財(cái)務(wù)預(yù)警的一種主流分析方法并被廣泛采用，各國(guó)學(xué)者根據(jù)Altman的思路構(gòu)建了其他多變量模型，如：英國(guó)的塔夫勒（Tafler）模型、Edmister提出的小企業(yè)研究模型等。
　　多元線性判別模型一般會(huì)假設(shè)破產(chǎn)企業(yè)和非破產(chǎn)企業(yè)呈正態(tài)分布，而且兩組樣本的協(xié)方差相等，但現(xiàn)實(shí)中大多數(shù)企業(yè)財(cái)務(wù)比率指標(biāo)并不滿足這些條件。為了克服這些局限性，經(jīng)濟(jì)學(xué)家開始尋找替代的方法，進(jìn)而引入了不需要嚴(yán)格假設(shè)條件的邏輯回歸（Logistic）模型和概率比回歸（Probit）模型。
　　美國(guó)學(xué)者Ohlson（1980）最先使用邏輯回歸（Logistic）模型進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究，他把1970年至1976年間破產(chǎn)的105家企業(yè)和2 058家非破產(chǎn)企業(yè)組成的非配對(duì)樣本作為研究對(duì)象，使用了9個(gè)自變量進(jìn)行分析，最終發(fā)現(xiàn)公司規(guī)模、資產(chǎn)結(jié)構(gòu)、公司業(yè)績(jī)和融資能力這4類變量對(duì)公司破產(chǎn)概率有顯著影響，并將其放入模型重點(diǎn)考慮。
　　盡管財(cái)務(wù)指標(biāo)被廣泛且有效地應(yīng)用于財(cái)務(wù)預(yù)警模型的構(gòu)建，但財(cái)務(wù)指標(biāo)的選擇標(biāo)準(zhǔn)及最佳預(yù)測(cè)指標(biāo)的存在等問題卻一直存在分歧。Harmer（1983）指出財(cái)務(wù)指標(biāo)間的相對(duì)獨(dú)立性能提高模型的預(yù)測(cè)能力。Boritz（1991）曾使用了65個(gè)財(cái)務(wù)指標(biāo)作為預(yù)測(cè)變量。但事實(shí)上，自“Z-Score”模型（1968）和ZETA模型（1977）被提出后，還未出現(xiàn)更好的使用財(cái)務(wù)指標(biāo)進(jìn)行企業(yè)財(cái)務(wù)預(yù)警的模型。
　　隨著現(xiàn)金流量觀的發(fā)展，企業(yè)價(jià)值等于期望的未來現(xiàn)金流量?jī)衄F(xiàn)值的觀點(diǎn)逐漸確立。1988年，Aziz、Emannuel和Lawson將基于現(xiàn)金流量預(yù)測(cè)破產(chǎn)的模型應(yīng)用于企業(yè)財(cái)務(wù)困境預(yù)測(cè)研究中?，F(xiàn)金流量模型的提出基于理財(cái)學(xué)的基本原理，即企業(yè)價(jià)值等于期望的未來現(xiàn)金流量?jī)衄F(xiàn)值。如果現(xiàn)金不足以支付到期債務(wù)又無其他途徑獲取資金，企業(yè)最終會(huì)破產(chǎn)。如果當(dāng)前的現(xiàn)金流量可以反映企業(yè)未來的財(cái)務(wù)狀況，那么，現(xiàn)在和過去的現(xiàn)金流量就能很好地反映公司的價(jià)值和破產(chǎn)概率。經(jīng)過對(duì)配對(duì)的破產(chǎn)企業(yè)和非破產(chǎn)企業(yè)進(jìn)行數(shù)據(jù)對(duì)比，3位學(xué)者發(fā)現(xiàn)破產(chǎn)前5年內(nèi)兩類樣本經(jīng)營(yíng)現(xiàn)金流量均值和用現(xiàn)金支付的所得稅均值都存在顯著差異，顯然這一結(jié)論也是符合現(xiàn)實(shí)的。
　　Mossman、Bell、Swartz和Turtle（1998）在總結(jié)前人研究的基礎(chǔ)上，對(duì)財(cái)務(wù)指標(biāo)類模型、現(xiàn)金流量類模型和市場(chǎng)收益率信息類模型進(jìn)行了比較，提出了集三類模型于一體的混合模型。經(jīng)過研究，他們發(fā)現(xiàn)令人完全滿意的區(qū)分破產(chǎn)和非破產(chǎn)的預(yù)測(cè)模型并不存在，現(xiàn)金流量類模型在企業(yè)破產(chǎn)前兩三年里的預(yù)測(cè)能力較為穩(wěn)定，而財(cái)務(wù)指標(biāo)類模型則在企業(yè)破產(chǎn)前一年的判斷能力最強(qiáng)。同時(shí)，在財(cái)務(wù)困境預(yù)警過程中，財(cái)務(wù)指標(biāo)、現(xiàn)金流量指標(biāo)相較于市場(chǎng)收益率及其方差等指標(biāo)能提供更多的信息。
　　近年來，一些學(xué)者開始研究審計(jì)意見在財(cái)務(wù)預(yù)警方面的應(yīng)用。FLAGG等人發(fā)現(xiàn)審計(jì)意見是企業(yè)破產(chǎn)的一個(gè)重要預(yù)警信號(hào)；Hill等人使用事件史法構(gòu)建了破產(chǎn)與財(cái)務(wù)困境風(fēng)險(xiǎn)動(dòng)態(tài)模型，經(jīng)過驗(yàn)證發(fā)現(xiàn)審計(jì)意見對(duì)企業(yè)破產(chǎn)與財(cái)務(wù)困境的解釋能力均極為顯著。
　　除了上述定量預(yù)警分析方法外，還有學(xué)者提出了定性的分析方法，如美國(guó)的仁翰·阿吉蒂提出的管理評(píng)分法，就是根據(jù)管理評(píng)分的高低來判斷企業(yè)處境的好壞。
　　隨著機(jī)器學(xué)習(xí)方法（Machine Lear-
　　ning Methods）在經(jīng)濟(jì)領(lǐng)域的成功應(yīng)用，神經(jīng)網(wǎng)絡(luò)、遺傳算法和決策樹等機(jī)器學(xué)習(xí)方法也被應(yīng)用于公司財(cái)務(wù)預(yù)警研究。其中比較有代表性的就是神經(jīng)網(wǎng)絡(luò)分析方法的運(yùn)用。
　　20世紀(jì)80年代末期，神經(jīng)網(wǎng)絡(luò)理論興起的影響也擴(kuò)展到了財(cái)務(wù)預(yù)警研究領(lǐng)域。雖然神經(jīng)網(wǎng)絡(luò)判別模型可謂是財(cái)務(wù)預(yù)警研究方法上的重大創(chuàng)新，但實(shí)際效果卻并不穩(wěn)定。例如，Coats和Fant（1991）對(duì)47家處于財(cái)務(wù)困境的企業(yè)和47家正常運(yùn)營(yíng)的公司運(yùn)用神經(jīng)網(wǎng)絡(luò)判別模型進(jìn)行分析時(shí)，對(duì)處于財(cái)務(wù)困境公司的預(yù)測(cè)準(zhǔn)確率達(dá)到91%，明顯高于多元分析法。然而Back等人在1994年所做的一項(xiàng)研究卻沒有得出神經(jīng)網(wǎng)絡(luò)判別模型具有比多元分析和Logistic回歸分析具有明顯更佳預(yù)測(cè)效果的結(jié)論。不過由于財(cái)務(wù)數(shù)據(jù)反映了企業(yè)生命的各種特征，其變化的規(guī)律也與達(dá)爾文的進(jìn)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(shì)。
　　借鑒B-S期權(quán)定價(jià)模型中的相關(guān)變量，Charitou和Trigeorgis（2000）構(gòu)建了財(cái)務(wù)危機(jī)判別模型，對(duì)1983年至1994年間的139對(duì)美國(guó)企業(yè)進(jìn)行了檢驗(yàn)，發(fā)現(xiàn)到期債務(wù)面值、企業(yè)資產(chǎn)當(dāng)期市價(jià)、企業(yè)價(jià)值變化的標(biāo)準(zhǔn)差等期權(quán)變量在破產(chǎn)預(yù)測(cè)方面具有顯著效果。但是，該研究方法仍建立在Logistic回歸檢驗(yàn)基礎(chǔ)之上，僅僅是變量設(shè)計(jì)方面引入期權(quán)因子，因此實(shí)際理論貢獻(xiàn)并不大。
　　在財(cái)務(wù)困境與公司治理因素關(guān)系的研究上，外國(guó)學(xué)者從20世紀(jì)80年代就展開了相關(guān)的實(shí)證研究，并且得到了很多頗具爭(zhēng)議的結(jié)論。1985年，CHAGANTl等人將21對(duì)零售企業(yè)作為研究對(duì)象，發(fā)現(xiàn)董事會(huì)規(guī)模較大的企業(yè)更不易陷入財(cái)務(wù)困境。DAlJY（1994）等人則以50對(duì)破產(chǎn)企業(yè)為研究對(duì)象，最后發(fā)現(xiàn)CEO兩職合一或者具有獨(dú)立性較差的董事將提高企業(yè)陷入破產(chǎn)的概率。而SIMPSON（1999）等以287家銀行企業(yè)作為研究對(duì)象，卻發(fā)現(xiàn)CEO兩職合一可以降低企業(yè)出現(xiàn)財(cái)務(wù)困境的概率。
　　
　　EILOUMI（2001）等人以46對(duì)加拿大公司作為研究對(duì)象，發(fā)現(xiàn)外部董事比例和大股東持股比例與企業(yè)出現(xiàn)財(cái)務(wù)困境的概率呈負(fù)相關(guān)關(guān)系，同時(shí)，外部董事持股比例也與企業(yè)陷入財(cái)務(wù)困境概率呈負(fù)相關(guān)關(guān)系。
　　PARKER（2002）等人研究了公司治理因素對(duì)處于財(cái)務(wù)困境企業(yè)生存能力的影響。研究結(jié)果表明，擁有大股東及內(nèi)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(huì)對(duì)企業(yè)的生存造成負(fù)面影響。
　　ABDULAH（2006）以馬來西亞1999年至2001年間的86對(duì)非金融類企業(yè)為樣本，檢驗(yàn)了CEO兩職合一、董事會(huì)獨(dú)立性及股權(quán)結(jié)構(gòu)與企業(yè)財(cái)務(wù)危機(jī)之間的關(guān)系。研究表明，CEO兩職合一及董事會(huì)獨(dú)立性與企業(yè)是否陷入財(cái)務(wù)困境無關(guān)，而非執(zhí)行董事的利益和外部大股東持股比例則與企業(yè)財(cái)務(wù)危機(jī)概率呈負(fù)相關(guān)關(guān)系。
　　
　　二、國(guó)內(nèi)現(xiàn)狀
　　相對(duì)于國(guó)外來說我國(guó)關(guān)于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的研究起步較晚，國(guó)內(nèi)對(duì)財(cái)務(wù)困境及預(yù)測(cè)模型的研究，始于20世紀(jì)80年代中期。吳世農(nóng)等學(xué)者（1986）在《中國(guó)經(jīng)濟(jì)問題》發(fā)表了一篇文章，首次在國(guó)內(nèi)介紹了企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。之后我國(guó)學(xué)者逐漸開展了對(duì)財(cái)務(wù)預(yù)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(cái)務(wù)數(shù)據(jù)為樣本進(jìn)行單變量預(yù)警研究，結(jié)果表明資產(chǎn)負(fù)債率、流動(dòng)比率、總資產(chǎn)收益率、營(yíng)運(yùn)資本比率對(duì)企業(yè)財(cái)務(wù)失敗反應(yīng)較為敏感。陳曉、陳怡鴻（2000）也以我國(guó)ST公司為依據(jù)來研究公司財(cái)務(wù)預(yù)警，他們通過實(shí)驗(yàn)1 260種變量組合，發(fā)現(xiàn)負(fù)債/權(quán)益比率、應(yīng)收賬款周轉(zhuǎn)率、主營(yíng)業(yè)務(wù)利潤(rùn)/總資產(chǎn)比率、留存收益/總資產(chǎn)幾項(xiàng)指標(biāo)對(duì)上市公司財(cái)務(wù)危機(jī)有著顯著的預(yù)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?cè)O(shè)計(jì)的模型中，單變量分析簡(jiǎn)單有效，有些單個(gè)的財(cái)務(wù)指標(biāo)，如凈資產(chǎn)利潤(rùn)率、總資產(chǎn)利潤(rùn)率的判別準(zhǔn)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(chǔ)上引入現(xiàn)金流量指標(biāo)，選用1977—1990年的62家公司的相關(guān)數(shù)據(jù)，通過調(diào)整和更新指標(biāo)對(duì)“Z-Score”模型進(jìn)行了修正，建立了F分?jǐn)?shù)模型，其準(zhǔn)確率較高。張玲（2000）以120家公司為研究對(duì)象，用其中60家公司的財(cái)務(wù)相關(guān)數(shù)據(jù)進(jìn)行了二類線性判別模型的研究，在模型建好后同時(shí)以另外60家公司的財(cái)務(wù)數(shù)據(jù)對(duì)模型進(jìn)行檢驗(yàn)，發(fā)現(xiàn)該模型對(duì)財(cái)務(wù)風(fēng)險(xiǎn)具有較高的預(yù)測(cè)能力，有超前4年的預(yù)測(cè)結(jié)果。
　　吳世農(nóng)、盧賢義（2001）以我國(guó)上市公司為研究對(duì)象，選取了70家處于財(cái)務(wù)困境的公司和70家非財(cái)務(wù)困境的公司為樣本，首先應(yīng)用了剖面分析和單變量判定分析，對(duì)比研究了財(cái)務(wù)困境出現(xiàn)前5年內(nèi)ST公司與非ST公司21個(gè)財(cái)務(wù)指標(biāo)，最后篩選確定了6個(gè)預(yù)測(cè)指標(biāo)，然后應(yīng)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(yù)測(cè)財(cái)務(wù)風(fēng)險(xiǎn)的模型，得出以下結(jié)論：一是在ST發(fā)生的前一年和前兩年，存在和不存在財(cái)務(wù)困境公司的17個(gè)財(cái)務(wù)指標(biāo)的平均值存在顯著差異；二是隨著距離ST發(fā)生時(shí)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(duì)財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)測(cè)準(zhǔn)確度都較高，其中又以Logistic模型的誤判率為最低。
　　在人工神經(jīng)網(wǎng)絡(luò)模型研究上，肖四漢、黃小原（1995）提出了神經(jīng)網(wǎng)絡(luò)預(yù)警系統(tǒng)的構(gòu)建。季海、楊保安（2001）詳細(xì)探討了在商業(yè)銀行信貸風(fēng)險(xiǎn)預(yù)期中如何進(jìn)行人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用，通過研究發(fā)現(xiàn)該模型相對(duì)于其他風(fēng)險(xiǎn)預(yù)警模型判別意義更加清晰，特征抽取更加符合實(shí)際，是一種適用性較強(qiáng)的工具和方法。
　　從對(duì)國(guó)內(nèi)外財(cái)務(wù)預(yù)警研究現(xiàn)狀的回顧中不難看出，相對(duì)國(guó)內(nèi)來說，國(guó)外對(duì)于財(cái)務(wù)預(yù)警的研究起步更早，理論更加成熟。同時(shí)從客觀環(huán)境上來說，國(guó)外的證券市場(chǎng)發(fā)展時(shí)間更長(zhǎng)，現(xiàn)在已經(jīng)較為完善，對(duì)于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的使用也更加規(guī)范和準(zhǔn)確。在財(cái)務(wù)預(yù)警各種方法的運(yùn)用上，多變量分析已經(jīng)成為主流，且更多運(yùn)用多變量分析中的動(dòng)態(tài)分析建立模型進(jìn)行全面的預(yù)測(cè)。國(guó)內(nèi)對(duì)于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的研究起步較晚，至今尚未有人提出適合我國(guó)企業(yè)實(shí)際并得到普遍驗(yàn)證的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型?？傮w來看國(guó)際范圍內(nèi)主要是運(yùn)用多變量分析模型從事企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警相關(guān)的研究，但這些模型的指標(biāo)選取不一定適用于國(guó)內(nèi)的情況。國(guó)內(nèi)很多學(xué)者和專家教授對(duì)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警管理進(jìn)行了開創(chuàng)性的嘗試，目前企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警管理已成為企業(yè)管理研究的一個(gè)熱點(diǎn)話題。
　　
　　【參考文獻(xiàn)】
　?。?］ Fitzpatrick. A. Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms［M］.Certified Public Accountant，1932.
　　［2］ 王海鷗，李建民.企業(yè)財(cái)務(wù)預(yù)警指標(biāo)體系的設(shè)計(jì)［J］.商場(chǎng)現(xiàn)代化，2006（6）：275-276.