財(cái)務(wù)報(bào)表信息對(duì)企業(yè)財(cái)務(wù)困境的預(yù)測(cè)能力

蔡玉蘭錢崇秀++董雪杰

摘要：本文利用持續(xù)期模型，基于1996～2013年A股上市公司共16000個(gè)公司-年觀測(cè)值，重新估計(jì)了經(jīng)典的Z積分模型、Probit模型以及Beaver等的風(fēng)險(xiǎn)模型變量對(duì)財(cái)務(wù)困境的解釋作用，研究了我國(guó)上市公司財(cái)務(wù)報(bào)表信息對(duì)財(cái)務(wù)困境預(yù)測(cè)能力的變化情況。實(shí)證結(jié)果表明，財(cái)務(wù)報(bào)表信息對(duì)企業(yè)財(cái)務(wù)困境有著重要的解釋力，僅資產(chǎn)經(jīng)營(yíng)利潤(rùn)率和杠桿率兩個(gè)指標(biāo)就足以解釋中國(guó)上市公司的財(cái)務(wù)困境，這二者所構(gòu)成的持續(xù)期模型的預(yù)測(cè)準(zhǔn)確度達(dá)到了0.98。財(cái)務(wù)比率作為一種分析工具對(duì)預(yù)測(cè)企業(yè)財(cái)務(wù)困境有著重要的應(yīng)用價(jià)值，其作用應(yīng)被強(qiáng)調(diào)而不是被降級(jí)。

關(guān)鍵詞：財(cái)務(wù)比率；財(cái)務(wù)困境；持續(xù)期模型

中圖分類號(hào)：F275文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5192（2016）05-0048-07doi：10.11847/fj.35.5.48

1引言

財(cái)務(wù)報(bào)表信息被用于企業(yè)財(cái)務(wù)困境預(yù)測(cè)至今已有80多年的歷史。業(yè)界普遍認(rèn)為財(cái)務(wù)比率對(duì)財(cái)務(wù)困境的預(yù)測(cè)能力至少可達(dá)企業(yè)陷入困境前的2～5年

[1]。由于財(cái)務(wù)比率名目繁多以及建模技術(shù)的多樣化，有關(guān)財(cái)務(wù)困境預(yù)測(cè)模型的文獻(xiàn)已相當(dāng)豐富。Balcaen和Ooghe[2]，Aziz和Dar[3]，Kumar和Ravi[4]，Gepp和Kumar[5]，Ak等[6]，以及Sun等[7]都從不同視角對(duì)國(guó)際研究作了較好的綜述和歸納。

縱觀國(guó)內(nèi)的研究，除起步較晚外，同國(guó)際研究相比還存在著明顯的滯后性和不足，表現(xiàn)在：（1）傳統(tǒng)的統(tǒng)計(jì)分析技術(shù)應(yīng)用較多，而對(duì)企業(yè)陷入財(cái)務(wù)困境的時(shí)間因素考慮不足；（2）聚焦于利用新的樣本、不同的變量及方法建立和開發(fā)新的預(yù)測(cè)模型，卻鮮有對(duì)已有模型加以驗(yàn)證和比較；（3）在對(duì)模型預(yù)測(cè)能力的評(píng)估上，大多數(shù)研究只考慮了分類鑒別能力，而對(duì)預(yù)測(cè)的可靠性（模型預(yù)測(cè)的概率是否與實(shí)際結(jié)果一樣）檢驗(yàn)不足。

檢驗(yàn)財(cái)務(wù)報(bào)表信息預(yù)測(cè)企業(yè)財(cái)務(wù)困境的能力一直是會(huì)計(jì)學(xué)中的一個(gè)重要研究方面[8]。本研究通過檢驗(yàn)財(cái)務(wù)比率對(duì)財(cái)務(wù)困境的預(yù)測(cè)能力討論了財(cái)務(wù)報(bào)表信息解釋力的長(zhǎng)期變化，試圖說明財(cái)務(wù)報(bào)表所提供的信息是否足以解釋企業(yè)的財(cái)務(wù)困境。之所以有此疑問，一方面，由于財(cái)務(wù)報(bào)表信息的一些固有缺陷，近年來國(guó)內(nèi)外很多文獻(xiàn)都認(rèn)為基于前瞻性的股票價(jià)格信息比財(cái)務(wù)比率更適用于預(yù)測(cè)企業(yè)財(cái)務(wù)困境，如楊德勇和馬若微[9]，Campbell等[10，11]；另一方面，Beaver等[1，8]指出，會(huì)計(jì)準(zhǔn)則的變化、金融衍生品的爆炸性增長(zhǎng)以及財(cái)務(wù)報(bào)表中自由裁量權(quán)的增加都會(huì)影響財(cái)務(wù)比率對(duì)企業(yè)財(cái)務(wù)困境預(yù)測(cè)的穩(wěn)健性。

為了實(shí)現(xiàn)本研究的目的，針對(duì)上述滯后性與不足，本文特作了以下創(chuàng)新和改進(jìn)工作：（1）以考慮了時(shí)間因素的持續(xù)期模型進(jìn)行實(shí)證分析，通過將觀測(cè)數(shù)據(jù)期間以金融危機(jī)全面爆發(fā)時(shí)間為分界點(diǎn)，分為1996～2007年和2008～2013年兩個(gè)階段來考察財(cái)務(wù)比率預(yù)測(cè)能力的變化；（2）從模型預(yù)測(cè)績(jī)效測(cè)量的兩個(gè)維度：分類鑒別能力和預(yù)測(cè)可靠性，運(yùn)用信息量檢驗(yàn)、十分位預(yù)測(cè)、ROC曲線分析以及樣本外預(yù)測(cè)等逐步遞進(jìn)的具體方法分析實(shí)證結(jié)果。

實(shí)證分析選擇了經(jīng)典文獻(xiàn)中的3組財(cái)務(wù)變量進(jìn)行模型估計(jì)，考察這些變量在樣本觀測(cè)期內(nèi)解釋能力的變化情況。為了更好地說明財(cái)務(wù)比率預(yù)測(cè)能力的可靠性，我們?cè)谧詈蟊Ａ舻呢?cái)務(wù)變量組合中特別加入財(cái)務(wù)比率無法替代的市場(chǎng)變量——波動(dòng)率指標(biāo)，旨在分析波動(dòng)率對(duì)財(cái)務(wù)比率的預(yù)測(cè)能力是否具有顯著的改善作用。之所以如此設(shè)計(jì)，是因?yàn)镾humway[12]曾指出波動(dòng)率無論在統(tǒng)計(jì)上還是邏輯上都同企業(yè)財(cái)務(wù)困境密切相關(guān)，Campbell等[13]也認(rèn)為任何會(huì)計(jì)模型中缺乏波動(dòng)率指標(biāo)很可能導(dǎo)致其預(yù)測(cè)能力的大幅下滑，因?yàn)楣驹诓▌?dòng)性上有明顯的橫截面差異。Hillegeist等[14]研究發(fā)現(xiàn)，波動(dòng)率捕獲了公司資產(chǎn)價(jià)值下降至無力償還債務(wù)的可能性，企業(yè)破產(chǎn)的概率隨著波動(dòng)率的增加而增加，兩個(gè)杠桿率相同的公司其破產(chǎn)概率可能有本質(zhì)性的差異。文獻(xiàn)綜述發(fā)現(xiàn)，自Shumway[12]的研究后，國(guó)際文獻(xiàn)普遍把波動(dòng)率作為一個(gè)至關(guān)重要的因子引進(jìn)到財(cái)務(wù)困境預(yù)測(cè)模型中，如Beaver等[1，8]，Campbell等[10]，Wu等[15]，Christidis和Gregory[16]，Tinoco和Wilson [17]，并指出波動(dòng)率對(duì)企業(yè)財(cái)務(wù)困境有非常重要的解釋力。

4實(shí)證分析

4.1均值變化

我們描述分析了財(cái)務(wù)困境公司各財(cái)務(wù)比率在ST前4年的變化趨勢(shì)，并與財(cái)務(wù)正常公司相比較。只是需要說明的是，由于財(cái)務(wù)正常公司屬于刪失樣本集（沒有確切的生存時(shí)間），故而其均值由所有年度觀測(cè)值堆疊而成，不存在變化情況。

我們發(fā)現(xiàn)，從第T-4年至T-1年，財(cái)務(wù)困境公司的盈利能力（EBIT/TA，NI/TA，RE/TA）、流動(dòng)性（WC/TA，CA/CL）、債務(wù)保障程度（MB/TL，EBITDA/TL）均呈遞減趨勢(shì)，且明顯小于財(cái)務(wù)正常公司的相應(yīng)值；而杠桿率（TL/TA）則呈遞增趨勢(shì)，明顯大于財(cái)務(wù)正常公司?？梢?，隨著ST的臨近，各項(xiàng)財(cái)務(wù)比率均趨于惡化，這符合我們對(duì)財(cái)務(wù)困境公司的一般判斷。

總體上，財(cái)務(wù)困境公司與財(cái)務(wù)正常公司各財(cái)務(wù)變量的均值在ST前4年就已經(jīng)有明顯的差別了，而且距離ST越近，這種差異也越來越明顯。未報(bào)告的Log-Rank Test發(fā)現(xiàn)，所有比率都在1%的統(tǒng)計(jì)水平上顯著，意味著這些財(cái)務(wù)比率對(duì)兩類公司都有顯著的鑒別能力，說明財(cái)務(wù)報(bào)表信息對(duì)企業(yè)財(cái)務(wù)困境是有顯著解釋力的。

4.2模型估計(jì)

表1匯總了各組變量于各觀測(cè)期的估計(jì)結(jié)果。表中顯示，Z*模型的組合變量中，MB/TL并不顯著。不僅如此，未報(bào)告的結(jié)果還發(fā)現(xiàn)，經(jīng)典的Z-Score模型的5個(gè)組合變量，ME/TL（權(quán)益市值/總負(fù)債）和Sales/TA（營(yíng)業(yè)收入/總資產(chǎn)）都不顯著。這一發(fā)現(xiàn)同Shumway[12]對(duì)Z-Score模型的重新估計(jì)結(jié)果比較相似，所不同的是，Shumway[12]發(fā)現(xiàn)，除EBIT/TA和ME/TL外，其他變量均沒有解釋力?？梢?，在西方成熟資本市場(chǎng)中起作用的ME/TL在中國(guó)資本市場(chǎng)上并未體現(xiàn)出它的作用，企業(yè)資產(chǎn)周轉(zhuǎn)的快慢（Sales/TA）對(duì)企業(yè)陷入財(cái)務(wù)困境也沒有明顯的影響。

同Shumway[12]的發(fā)現(xiàn)相一致，經(jīng)典的Probit模型變量中，CA/CL不顯著，表明流動(dòng)比率對(duì)企業(yè)陷入財(cái)務(wù)困境過程并沒有實(shí)質(zhì)性的影響。而Beaver等[1，8]認(rèn)為的預(yù)測(cè)企業(yè)失敗的最佳變量EBITDA/TL也不顯著，這同左小德和程守紅[27]的實(shí)證檢驗(yàn)結(jié)果相反。很大原因在于左小德和程守紅[27]的研究是基于截面數(shù)據(jù)的Logistic回歸，而這種靜態(tài)方法所產(chǎn)生的估計(jì)量是有偏且不一致的。

總體上，所有財(cái)務(wù)比率的系數(shù)符號(hào)都符合預(yù)期，而且盈利能力指標(biāo)的系數(shù)（絕對(duì)值）都比較大，其次是資產(chǎn)負(fù)債率，而不顯著變量的系數(shù)值幾乎都不到1個(gè)單位的水平。由exp（β）可知，TL/TA的單位變化量對(duì)風(fēng)險(xiǎn)函數(shù)的影響最大，在其他變量不變的情況下，TL/TA每增加一個(gè)單位，企業(yè)發(fā)生財(cái)務(wù)困境的風(fēng)險(xiǎn)率將至少增加2000%；EBIT/TA（NI/TA）每增加一個(gè)單位，企業(yè)發(fā)生財(cái)務(wù)困境的風(fēng)險(xiǎn)率都將降低100%。這意味著，杠桿率和盈利能力對(duì)企業(yè)財(cái)務(wù)困境有著重要的決定作用。這同ST的界定及財(cái)務(wù)困境本身的內(nèi)涵是相一致的，從而也在一定程度上說明了將ST公司界定為財(cái)務(wù)困境公司是合理的。這一結(jié)果并不支持呂長(zhǎng)江和趙巖[28]以及田軍和周勇[29]的研究。呂長(zhǎng)江和趙巖[28]實(shí)證發(fā)現(xiàn)，公司的資本結(jié)構(gòu)對(duì)公司被特別處理的風(fēng)險(xiǎn)的作用并不明顯，認(rèn)為特別處理同財(cái)務(wù)困境兩者間存在很大的差異，這可能是因?yàn)樗麄儾捎昧薈ox模型并且只用了截面數(shù)據(jù)的緣故。田軍和周勇[29]也是基于Cox模型進(jìn)行實(shí)證分析，指出與利潤(rùn)有關(guān)的變量并不是主要的影響因素，他們認(rèn)為這是選擇數(shù)據(jù)的周期和ST的審核時(shí)間不一致所造成的，因?yàn)樗麄兪褂玫氖羌径葦?shù)據(jù)，季度的細(xì)分弱化了利潤(rùn)的影響。

在各分階段，各組變量的擬合統(tǒng)計(jì)量Pseudo R2與全樣本觀測(cè)期非常接近，全樣本觀測(cè)期中不顯著的變量在各分階段仍不顯著。所不同的是，MB/TL與CA/CL的系數(shù)符號(hào)在危機(jī)前階段都變?yōu)檎?，EBITDA/TL在危機(jī)及后危機(jī)階段變?yōu)檎寂c預(yù)期相悖；變量的顯著性也發(fā)生了一些變化，表現(xiàn)在危機(jī)及后危機(jī)階段，WC/TA和RE/TA分別于5%和10%的統(tǒng)計(jì)水平上顯著，第二組變量中TL/TA在10%的水平上顯著。這至少表明：（1）盈利能力指標(biāo)是最具穩(wěn)健性的預(yù)測(cè)變量；（2）金融危機(jī)前后一些變量對(duì)財(cái)務(wù)困境的解釋作用發(fā)生了重大變化。

剔除了各模型估計(jì)中不顯著的變量后，發(fā)現(xiàn)盈利能力指標(biāo)與杠桿率的組合具有較高的穩(wěn)健性。最終我們檢驗(yàn)了EBIT/TA和TL/TA這2個(gè)變量共同作用下的模型估計(jì)和預(yù)測(cè)結(jié)果。之所以只保留EBIT/TA這個(gè)盈利性指標(biāo)，是因?yàn)镋BIT/TA是一個(gè)獨(dú)立于任何稅收或杠桿因素的衡量公司生產(chǎn)能力的指標(biāo)。Altman和Hotchkiss[30]指出，這種盈利能力的度量方法至少與現(xiàn)金流量方法的預(yù)測(cè)能力是一樣好的。

4.3預(yù)測(cè)能力檢驗(yàn)

表2報(bào)告了EBIT/TA、TL/TA兩變量以及加入了1/σE后的模型估計(jì)結(jié)果。未報(bào)告的十分位預(yù)測(cè)結(jié)果顯示，在整個(gè)樣本觀測(cè)期，僅EBIT/TA與TL/TA兩個(gè)變量的作用（模型1）在第1個(gè)十分位數(shù)組上就識(shí)別出了95.21%的財(cái)務(wù)困境公司，模型ROC曲線下面積（AUC）達(dá)到了0.9804，已相當(dāng)高了。根據(jù)表2，在整個(gè)數(shù)據(jù)觀測(cè)期間，1/σE在5%的統(tǒng)計(jì)水平上與企業(yè)財(cái)務(wù)困境風(fēng)險(xiǎn)顯著負(fù)相關(guān)，在控制其他變量不變的情況下，1/σE每增加一個(gè)單位，發(fā)生財(cái)務(wù)困境的風(fēng)險(xiǎn)率將下降39.85%，LR的提升（ΔLR=1837.876-1830.164=7.712，P=0.0055）意味著1/σE對(duì)模型1有顯著的增量信息作用。但十分位預(yù)測(cè)的結(jié)果卻發(fā)現(xiàn)，1/σE并沒有明顯改善模型1的預(yù)測(cè)能力。模型2與模型1可以說沒有區(qū)別，二者的ROC曲線圖幾乎完全重合，AUC僅相差0.0002，在統(tǒng)計(jì)上并不顯著（P=0.6683），這說明模型2與模型1的鑒別能力是等同的。

在兩個(gè)分階段，EBIT/TA與TL/TA仍保留了同整個(gè)樣本觀測(cè)期相一致的顯著性水平和參數(shù)符號(hào)，模型的Pseudo R2都在0.6左右的水平。比較十分位預(yù)測(cè)的結(jié)果及模型的AUC，發(fā)現(xiàn)EBIT/TA與TL/TA兩變量的模型估計(jì)和預(yù)測(cè)在3個(gè)觀測(cè)期相差無幾。這表明EBIT/TA與TL/TA兩變量對(duì)企業(yè)財(cái)務(wù)困境的預(yù)測(cè)作用具有穩(wěn)健性。此外，1/σE雖在危機(jī)前階段仍在5%的統(tǒng)計(jì)水平上顯著，但在危機(jī)及后危機(jī)階段卻不再顯著，而且模型2的擬合結(jié)果與模型1并沒有明顯差別。

總體上，模型估計(jì)和預(yù)測(cè)的結(jié)果表明，加入了1/σE后的模型2與模型1并無明顯的差異。由此可見，在包含了EBIT/TA和TL/TA后，波動(dòng)率指標(biāo)對(duì)企業(yè)財(cái)務(wù)困境并沒有實(shí)質(zhì)性的解釋作用。圖1描述了利用模型1在危機(jī)前階段的參數(shù)估計(jì)預(yù)測(cè)危機(jī)及后危機(jī)階段財(cái)務(wù)困境風(fēng)險(xiǎn)的ROC曲線圖。圖中顯示由EBIT/TA和TL/TA組成的持續(xù)期模型是非常有效的，其AUC為0.9829，說明具有很好的預(yù)測(cè)效果。

總體上，本節(jié)實(shí)證檢驗(yàn)表明，波動(dòng)率指標(biāo)并沒有對(duì)財(cái)務(wù)比率起到明顯的改善作用，僅EBIT/TA與TL/TA兩個(gè)指標(biāo)就足以解釋企業(yè)的財(cái)務(wù)困境了。財(cái)務(wù)報(bào)表對(duì)預(yù)測(cè)企業(yè)財(cái)務(wù)困境提供了非常重要的信息。

5結(jié)論

本文實(shí)證研究了財(cái)務(wù)比率對(duì)企業(yè)財(cái)務(wù)困境預(yù)測(cè)能力的變化情況。實(shí)證分析采用動(dòng)態(tài)的持續(xù)期分析技術(shù)進(jìn)行模型估計(jì)和預(yù)測(cè)，以ST標(biāo)準(zhǔn)界定財(cái)務(wù)困境，基于1996年上市以來的非金融A股上市公司最長(zhǎng)達(dá)18年的觀測(cè)數(shù)據(jù)共16000個(gè)觀測(cè)值，選擇經(jīng)典文獻(xiàn)中的3組財(cái)務(wù)比率，通過將整個(gè)樣本觀測(cè)期以金融危機(jī)全面爆發(fā)為分界點(diǎn)分為兩個(gè)階段，得出：

Altman所建立的Z*模型中的產(chǎn)權(quán)比率指標(biāo)（MB/TL）、Zmijewski的Probit模型中的流動(dòng)比率（CA/CL）以及Beaver等極力推崇的現(xiàn)金流負(fù)債比（EBITDA/TL）都對(duì)企業(yè)財(cái)務(wù)困境沒有實(shí)質(zhì)性的預(yù)測(cè)能力。金融危機(jī)明顯影響了一些變量（營(yíng)運(yùn)資本比、累計(jì)盈利能力）的解釋力。但企業(yè)盈利性（EBIT/TA）和杠桿率（TL/TA）對(duì)財(cái)務(wù)困境的解釋作用卻至關(guān)重要且具有穩(wěn)健性。參數(shù)估計(jì)顯示，在其他變量不變的情況下，TL/TA每增加一個(gè)單位，企業(yè)發(fā)生財(cái)務(wù)困境的風(fēng)險(xiǎn)率至少增加2000%；EBIT/TA每增加一個(gè)單位，企業(yè)發(fā)生財(cái)務(wù)困境的風(fēng)險(xiǎn)率將降低100%，這二者對(duì)風(fēng)險(xiǎn)函數(shù)的影響是其他變量所無法比及的。在預(yù)測(cè)能力上，由這兩個(gè)變量所構(gòu)成的持續(xù)期模型的預(yù)測(cè)準(zhǔn)確度已達(dá)到了0.98，而且變量的解釋作用幾乎不受金融危機(jī)的影響。雖然財(cái)務(wù)報(bào)表以外的波動(dòng)率信息對(duì)它們有顯著的增量信息作用，卻沒有實(shí)質(zhì)性地改善其預(yù)測(cè)能力，財(cái)務(wù)報(bào)表信息對(duì)企業(yè)財(cái)務(wù)困境的解釋作用是非常強(qiáng)大的。

總體上，本研究表明盡管外部環(huán)境急劇變化，財(cái)務(wù)報(bào)表仍對(duì)預(yù)測(cè)企業(yè)財(cái)務(wù)困境提供了非常重要的信息，財(cái)務(wù)比率作為一種分析工具有著重要的應(yīng)用價(jià)值，其作用應(yīng)被強(qiáng)調(diào)而不是被降級(jí)。

參考文獻(xiàn)：

[1]Beaver W H， Correia M， McNichols M F. Financial statement analysis and the prediction of financial distress[J]. Foundation and Trends in Accounting， 2010， 5（2）： 99-173.

[2]Balcaen S， Ooghe H. 35 years of studies on business failure： an overview of the classic statistical methodologies and their related problems[J]. The British Accounting Review， 2006， 38（1）： 63-93.

[3]Aziz M A， Dar H A. Predicting corporate bankruptcy： where we stand[J]. Corporate Governance： The International Journal of Business in Society， 2006， 6（1）： 18-33.

[4]Kumar P R， Ravi V. Bankruptcy prediction in banks and firms via statistical and intelligent techniques-a review[J]. European Journal of Operational Research， 2007， 180（1）： 1-28.

[5]Gepp A， Kumar K. Business failure prediction using statistical techniques： a review[M]. Faculty of Business Publications， 2012. 675.

[6]Ak B K， Dechow P M， Sun Y， et al.. The use of financial ratio models to help investors predict and interpret significant corporate events[J]. Australian Journal of Management， 2013， 38（3）： 553-598.

[7]Sun J， Li H， Huang Q H， et al.. Predicting financial distress and corporate failure： a review from the state-of-the-art definitions， modeling， sampling， and featuring approaches[J]. Knowledge-Based Systems， 2014， 57（2）： 41-56.

[8]Beaver W H， McNichols M F， Rhie J W. Have financial statements become less informative？ Evidence from the ability of financial ratios to predict bankruptcy[J]. Review of Accounting Studies， 2005， 10（1）： 93-122.

[9]楊德勇，馬若微.現(xiàn)代期權(quán)定價(jià)理論框架下的財(cái)務(wù)困境解釋與實(shí)證檢驗(yàn)[J].財(cái)貿(mào)經(jīng)濟(jì)，2009，（4）：33-37.

[10]Campbell J Y， Hilscher J， Szilagyi J. In search of distress risk[J]. The Journal of Finance， 2008， 63（6）： 2899-2939.

[11]Campbell J Y， Hilscher J， Szilagyi J. Predicting financial distress and the performance of distressed stocks[J]. Journal of Investment Management， 2011， 9（2）： 14-34.

[12]Shumway T. Forecasting bankruptcy more accurately： a simple hazard model[J]. The Journal of Business， 2001， 74（1）： 101-124.

[13]Campbell J Y， Lettau M， Malkiel B G， et al.. Have individual stocks become more volatile？ An empirical exploration of idiosyncratic risk[J]. The Journal of Finance， 2001， 56（1）： 1-43.

[14]Hillegeist S A， Keating E K， Cram D P， et al.. Assessing the probability of bankruptcy[J]. Review of Accounting Studies， 2004， 9（1）： 5-34.

[15]Wu Y， Gaunt C， Gray S. A comparison of alternative bankruptcy prediction models[J]. Journal of Contemporary Accounting & Economics， 2010， 6（1）： 34-45.

[16]Christidis A C Y， Gregory A. Some new models for financial distress prediction in the UK[R]. Social Science Electronic Publishing， Working Paper， 2010.

[17]Tinoco M H， Wilson N. Financial distress and bankruptcy prediction among listed companies using accounting， market and macroeconomic variables[J]. International Review of Financial Analysis， 2013， 30（12）： 394-419.

[18]Nam C W， Kim T S， Park N J， et al.. Bankruptcy prediction using a discrete-time duration model incorporating temporal and macroeconomic dependencies[J]. Journal of Forecasting， 2008， 27（6）： 493-506.

[19]Cox D R. Regression models and life-tables[J]. Journal of the Royal Statistical Society， 1972， 34（2）： 187-220.

[20]Allison P D. Survival analysis using SAS： a practical guide[M]. Cary， NC： Sas Institute， 2010.

[21]Amendola A， Restaino M， Sensini L. An analysis of the determinants of financial distress in Italy： a competing risks approach[J]. International Review of Economics and Finance， 2015， 37（5）： 33-41.

[22]Pindado J， Rodrigues L， de la Torre C. Estimating financial distress likelihood[J]. Journal of Business Research， 2008， 61（9）： 995-1003.

[23]Altman E I. Financial ratios， discriminant analysis and the prediction of corporate bankruptcy[J]. The Journal of Finance， 1968， 23（4）： 589-609.

[24]Ohlson J A. Financial ratios and the probabilistic prediction of bankruptcy[J]. Journal of Accounting Research， 1980， 18（1）： 109-131.

[25]Altman E I. Predicting financial distress of companies： revisiting the Z-score and ZETA models[D]. Stern School of Business， New York University， 2000. 7-36.

[26]Zmijewski M E. Methodological issues related to the estimation of financial distress prediction models[J]. Journal of Accounting Research， 1984， 22： 59-82.

[27]左小德，程守紅.上市公司財(cái)務(wù)危機(jī)預(yù)警的實(shí)證研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2008，38（8）：7-15.

[28]呂長(zhǎng)江，趙巖.中國(guó)上市公司特別處理的生存分析[J].中國(guó)會(huì)計(jì)評(píng)論，2004，2（2）：311-338.

[29]田軍，周勇.ST公司基于財(cái)務(wù)數(shù)據(jù)的動(dòng)態(tài)分析[J].數(shù)理統(tǒng)計(jì)與管理，2014，33（2）：317-328.

[30]Altman E I， Hotchkiss E. Corporate financial distress and bankruptcy[M]. 3rd ed. New York： John Wiley & Sons， 2006.