袁　丹　冉　倫

提要本文在回顧國內(nèi)外財務危機預警方法的基礎上,對主流的五類研究方法,即:一元判定方法、多元判定方法、多元邏輯回歸方法、多元概率比回歸方法、人工網(wǎng)絡方法等進行比對研究,并結合我國實際情況,提出存在的問題及發(fā)展方向。

關鍵詞:上市公司;財務危機;財務預警

中圖分類號:F23文獻標識碼:A

面對“入世”后搶灘中國市場的跨國公司的挑戰(zhàn),傳統(tǒng)財務理論中的持續(xù)經(jīng)營假設逐漸松動,公司面臨的不確定性日益增大,因財務危機導致經(jīng)營陷入困境,甚至宣告破產(chǎn)的例子也屢見不鮮。任何財務風險都是逐漸顯現(xiàn)、不斷惡化的過程,危機不會突然出現(xiàn)。因此,在財務系統(tǒng)正常運作時,就應對公司財務運營過程進行跟蹤、監(jiān)控,全面分析財務指標數(shù)據(jù),及早發(fā)出預警信號,將潛在危險告知經(jīng)營者,從而避免或減弱對公司的破壞程度。

一、財務危機的概念

Beaver(1966)將財務危機定義為:破產(chǎn)、拖欠優(yōu)先股股利和拖欠債務。他認為,一個公司出現(xiàn)財務狀況惡化主要取決于如下幾個因素:到期應支付的債務額、公司現(xiàn)金流量、資產(chǎn)凈利率和獲得外部融資能力。Altman(1968)將財務危機定義為進入法定破產(chǎn)的上市公司。由于資金管理技術性失敗而引發(fā)的支付能力不足,通常是暫時的和比較次要的困難,一般可以采取一定措施加以補救,如通過協(xié)商,求得債權人讓步,延長償債期限,或通過資產(chǎn)抵押等借新債還舊債。財務危機是否發(fā)生要看這種財務狀況問題是永久性的還是暫時性的。如果是永久性的,上市公司可能面臨破產(chǎn)清算;如果是暫時性的,上市公司會努力走出困境,并有可能扭虧為盈。

二、財務危機與財務預警之間的關系

財務危機不僅危及到企業(yè)自身的生存與發(fā)展,還影響到投資人、債權人和國家的利益。隨著我國市場經(jīng)濟體制改革的深化和資本市場的快速發(fā)展,上市公司時時遭受著危機的威脅,如果不及時防范,上市公司即有可能陷入困境中。因此,預測上市公司的財務危機成為投資者和債權人及證券市場監(jiān)督機構廣泛關注的課題,具有巨大的實用價值。

財務預警有助于管理者了解財務危機產(chǎn)生的誘因,起到有效預防財務危機的功能。財務預警的作用,看似在財務危機征兆出現(xiàn)后才發(fā)揮作用,實則在事先已明確了各種可能導致企業(yè)財務危機的誘因和監(jiān)控指標,它是一種先導的預防功能,能使財務危機征兆在其預警信號尚未形成之時,就被有效防治和克服。

三、國內(nèi)外財務危機預警方法回顧

財務預警的方法多種多樣,主流的研究方法主要有以下五類:一元判定方法(Univarlate)、多元判定方法(Muiriple Discriminant Analysis,MDA)、多元邏輯(Logistic)回歸方法,多元概率比(Probit)回歸方法、人工網(wǎng)絡(ANN)方法。

(一)一元判定方法。一元判定方法是指以某一項財務指標作為判別標準來判斷企業(yè)是否處于破產(chǎn)狀態(tài)的預測模型。一元判定方法的缺點是:其一,只重視一個指針的分離能力,如果經(jīng)理人員知道這個指針,就有可能去粉飾這個指針,以使企業(yè)表現(xiàn)出良好的財務狀況;其二,如果使用多個指針分別進行判斷,這幾個指針的分類結果之間可能會產(chǎn)生矛盾,以致無法做出正確判斷。一元判定方法雖然方法簡單,使用方便,但總體判別精度不高。對前一年的預測,一元判定方法的預測精度明顯低于多元方法。不過,一元判定方法在前兩年、前三年的預測中也能表現(xiàn)出很強的預測能力,說明一些上市企業(yè)的財務困境是從某些財務指標的惡化開始的。

(二)多元線性判定方法。多元線性判定方法,又稱Z Score方法,其基本原理是通過統(tǒng)計技術篩選出那些在兩組間差別盡可能大而在兩組內(nèi)部的離散度最小的變量,從而將多個標志變量在最小信息損失下轉換為分類變量,獲得能有效提高預測精度的多元線性判別方程。運用多元線性判別方法判定二元問題時,可以通過降維技術,僅以最終計算的Z值來判定其歸屬,其構造的線性方程簡單易懂,具有很強的應用能力。多元線性判定方法具有較高的判別精度,但也存在一些缺陷:工作量比較大;在前一年的預測中,多元線性判定方法的預測精度比較高,但在前兩年、前三年的預測中,其預測精度會大幅下降,甚至低于一元判別模型;多元線性判定方法有一個很嚴格的假設,即假定自變量是呈正態(tài)分布的,兩組樣本要求等協(xié)方差,而現(xiàn)實中的樣本數(shù)據(jù)往往并不能滿足這一要求,這就大大限制了多元線性判定方法的使用范圍;使用MDA技術,要求在財務困境組與控制組之間進行配對,但配對標準如何恰當確定是一個難題。

(三)多元邏輯回歸方法。多元邏輯回歸方法的目標是尋求觀察對象的條件概率,從而據(jù)此判斷觀察對象的財務狀況和經(jīng)營風險。這一方法建立在累計概率函數(shù)的基礎上,不需要自變量服從多元正態(tài)分布和兩組間協(xié)方差相等的條件。該方法的最大優(yōu)點是,不需要嚴格的假設條件,克服了線性方程受統(tǒng)計假設約束的局限性,具有更廣泛的適用范圍。目前,這種模型的使用較為普遍,但其計算過程比較復雜,而且在計算過程中有很多的近似處理,會影響到預測精度。

(四)多元概率比回歸方法。該方法同樣假定企業(yè)破產(chǎn)的概率為p,并假設企業(yè)樣本服從標準正態(tài)分布,其概率函數(shù)的p分位數(shù)可以用財務指標線性解釋。其計算方法和Logistic很類似,先是確定企業(yè)樣本的極大似然函數(shù),通過求似然函數(shù)的極大值得到參數(shù)a、b,然后利用公式求出企業(yè)破產(chǎn)的概率。和前面的判別規(guī)則一樣,如果概率p小于0.5,就判別為財務正常型;如果p大于0.5,則為即將破產(chǎn)型。

(五)人工神經(jīng)網(wǎng)絡方法。人工神經(jīng)網(wǎng)絡方法,是將神經(jīng)網(wǎng)絡的分類方法應用于財務預警。人工神經(jīng)網(wǎng)絡(Artificial Neural Network,ANN)作為一種平行分散處理模式,是對人類大腦神經(jīng)運作的模擬。ANN除具有較好的模式識別能力外,還可以克服統(tǒng)計方法的局限,因為它具有容錯能力和處理資料遺漏或錯誤的能力。ANN還具有學習能力,可隨時依據(jù)新的數(shù)據(jù)資料進行自我學習,并調(diào)整其內(nèi)部的儲存權重參數(shù),以應對多變的企業(yè)環(huán)境。由于ANN具備上述良好的性質(zhì)與能力,因而可以作為解決分類問題的一個重要工具。人工神經(jīng)網(wǎng)絡具有較好的糾錯能力,從而能夠更好地進行預測。但因為理論抽象,科學性、準確性還有待進一步提高,適用性也大打折扣。

四、國內(nèi)外研究方法評價

各種財務預警方法有一個共同點,即在方法中都運用了會計數(shù)據(jù)和財務比率。其原因是:債務契約、貸款協(xié)議、信用評級等都采用這些數(shù)據(jù)和比率來評價企業(yè)的償債能力,并限制管理人員的行動。如果企業(yè)違反協(xié)議,會使企業(yè)承受極高的違約成本,甚至會導致企業(yè)破產(chǎn)。但各種預警方法都存在相應的問題:

首先,這些方法缺乏理論上的依據(jù),因為迄今為止,尚無一個重要的理論能夠說明財務比率在破產(chǎn)前的預測能力。這些方法都是通過實證研究得到的,缺乏理論指導。事實上,上述諸多方法中指標的選取都存在顯著的差異,因而無法判斷哪個方法更為有效。

其次,財務預警方法會受到樣本選取范圍和樣本時間區(qū)間的限制。研究發(fā)現(xiàn),從不同的樣本選取范圍和不同的時間區(qū)間所得出的預警方法存在很大差異。

再次,這些方法的變量只涉及到會計數(shù)據(jù)和財務比率,沒有考慮到非量化因素。事實上,非量化因素在披露企業(yè)財務狀況方面要比財務指標更為可靠、有效。因此,企業(yè)財務預警模型不能單純依靠財務數(shù)據(jù),至少要在預警系統(tǒng)中涉及非財務數(shù)據(jù)。換句話說,既要涉及到定量信息,也要涉及到定性信息,這樣才能更為完整地反映企業(yè)全貌。由于定性信息不能在預警模型中體現(xiàn),所以我們可以采用評分的方法,將評分結果作為企業(yè)預警系統(tǒng)的一個組成部分。

最后,由于不同的方法需要不同的前提條件,如自變量要服從正態(tài)分布、樣本要求等協(xié)方差等,而事實上很多時候這些條件并不能得到滿足,很多研究是直接假定樣本和自變量符合條件,從這一角度來講,所建模型大多是在近似條件下成立的,這必然影響到模型的正確性和預測精度。Logistic和Probit模型雖然對假設前提要求不太嚴格,但由于其計算與分析較為復雜,也難以得到廣泛應用。

五、現(xiàn)階段我國上市公司財務預警存在的問題及發(fā)展方向

(一)存在的問題。一是國內(nèi)學者關于財務預警的研究主要借鑒現(xiàn)有模型進行實證,缺乏理論創(chuàng)新;二是財務預警指標的建立實際應用中,對同一指標不同行業(yè)往往有不同的界定標準,這些指標的差異會影響到模型的精確度,同時也導致模型的適用度不高;三是目前構造的各種模型已經(jīng)或多或少在公司規(guī)模和行業(yè)適用性等方面具有不同的特點。然而,我國每一種行業(yè)進入ST板塊的數(shù)量都很少,不具有統(tǒng)計性,因此國內(nèi)大多數(shù)學者都是采用混合各行業(yè)樣本數(shù)據(jù)的方法來建立模型。

(二)發(fā)展方向

1、利用交叉學科的相對優(yōu)勢,建立更加適合的模型,來提高判定正確率的預測精度。

2、針對不同行業(yè)的同一指標引入定性指標,比如管理層素質(zhì)、員工素質(zhì)、企業(yè)制度設計、競爭對手、市場萎縮、消費者喜好變化、宏觀經(jīng)濟環(huán)境等。

3、隨著對各行業(yè)各種規(guī)模公司的深入研究,會出現(xiàn)兩種研究趨勢:以普遍適用為目的的通用模型和以行業(yè)以及企業(yè)規(guī)模為特點的專業(yè)模型,分行業(yè)預警模型應該是一種研究趨勢。

(作者單位:北京理工大學管理與經(jīng)濟學院)

主要參考文獻:

[1]Altman E.Financial Ratios,discriminant Analysis and the prediction of corporate bankruptcy[J].Journal of Finance,1968.9.

[2]Beaver W H.Financial ratios as predictors of failure[J].Journal of accounting research,1966.

[3]張玲.財務危機預警分析判別模型.數(shù)量經(jīng)濟技術經(jīng)濟研究,2000.3.

[4]陳靜.上市公司財務惡化預測模型的實證研究.會計研究,1999.4.