李 娜

(安徽審計(jì)職業(yè)學(xué)院審計(jì)系，安徽合肥230601)

1 引言

一個(gè)企業(yè)如果不能檢測(cè)出財(cái)務(wù)危機(jī)并在早期階段采取有效措施，將使得企業(yè)陷入破產(chǎn)。因此，財(cái)務(wù)危機(jī)檢測(cè)對(duì)避免公司破產(chǎn)有著十分重要的意義。財(cái)務(wù)危機(jī)是指由于種種困難使得公司無法承兌對(duì)債權(quán)人的承諾，甚至?xí)?dǎo)致破產(chǎn)。因此，為了提高財(cái)務(wù)困境預(yù)測(cè)的性能，我們提出了一個(gè)新的預(yù)警模型來提前發(fā)現(xiàn)公司的財(cái)務(wù)危機(jī)。

最近，最有吸引力的商業(yè)新聞是一系列的公共公司相關(guān)的金融危機(jī)事件。其中的一些公司是著名的、以及股價(jià)很高的公司，例如安然、世通公司、凱馬特公司、雷曼兄弟銀行等。金融危機(jī)爆發(fā)的后果是許多債權(quán)人來不及收回他們的貸款，很多投資者無法及時(shí)賣出自己的股票、期貨或期權(quán)。因此，企業(yè)破產(chǎn)是一個(gè)非常重要的經(jīng)濟(jì)現(xiàn)象，會(huì)影響著每一個(gè)國(guó)家的經(jīng)濟(jì)狀況。

財(cái)務(wù)危機(jī)檢測(cè)剛開始應(yīng)用在單變量模型上，這一模型的預(yù)測(cè)價(jià)值依賴于單一的財(cái)務(wù)比率。后來，多屬性模型，從多元判別分析企業(yè)的財(cái)務(wù)危機(jī)，使得財(cái)務(wù)危機(jī)預(yù)警研究進(jìn)入多變量預(yù)測(cè)期。

多屬性預(yù)警模型是利用財(cái)務(wù)比率構(gòu)成的線性函數(shù)來預(yù)測(cè)金融危機(jī)的一種模型。當(dāng)預(yù)測(cè)企業(yè)是否會(huì)面臨財(cái)務(wù)困境時(shí)，只需將企業(yè)的多個(gè)財(cái)務(wù)比率輸入模型，然后根據(jù)模型計(jì)算結(jié)果來判斷該企業(yè)是否會(huì)面臨金融危機(jī)或破產(chǎn)。它集合了多個(gè)變量來判定企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性，并從企業(yè)集團(tuán)的宏觀角度來衡量各個(gè)財(cái)務(wù)指標(biāo)，為企業(yè)風(fēng)險(xiǎn)管理決策提供幫助，從而避免風(fēng)險(xiǎn)或推遲危機(jī)的發(fā)生。

近來，越來越多的研究人員已經(jīng)認(rèn)識(shí)到財(cái)務(wù)困境預(yù)測(cè)的重要性。庫(kù)馬爾等人試圖對(duì)財(cái)務(wù)困境及破產(chǎn)預(yù)測(cè)進(jìn)行總結(jié)，徐華開始著手在技術(shù)發(fā)展的層面對(duì)財(cái)務(wù)危機(jī)預(yù)測(cè)進(jìn)行研究。因此，企業(yè)財(cái)務(wù)困境預(yù)測(cè)研究已經(jīng)成為對(duì)企業(yè)和金融機(jī)構(gòu)的決策與盈利有著重大影響的課題。文章通過對(duì)財(cái)務(wù)危機(jī)預(yù)測(cè)模型的分析，提出通過多屬性決策模型來檢測(cè)財(cái)務(wù)危機(jī)，并證明該模型的有效性。

2 財(cái)務(wù)危機(jī)檢測(cè)模型概述

建立一套企業(yè)財(cái)務(wù)危機(jī)預(yù)測(cè)系統(tǒng)，對(duì)降低企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)、投資風(fēng)險(xiǎn)以及防范金融危機(jī)具有十分重要的意義。財(cái)務(wù)危機(jī)現(xiàn)有的預(yù)測(cè)模型主要有:多元識(shí)別分析模型、Logistic回歸分析和Probit等統(tǒng)計(jì)回歸模型以及人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。但以上模型均忽略了決策者個(gè)人經(jīng)驗(yàn)、智慧以及信息優(yōu)勢(shì)對(duì)財(cái)務(wù)困境預(yù)測(cè)的重要作用。因此，我們提出了用于預(yù)測(cè)財(cái)務(wù)危機(jī)早期的多屬性決策模型，如圖1所示。

圖1 財(cái)務(wù)危機(jī)的多屬性決策框架

該模型吸納了多屬性決策的機(jī)制，并最終預(yù)測(cè)出財(cái)務(wù)危機(jī)的可能性。提出的模型包含兩個(gè)主要階段，即屬性權(quán)重的計(jì)算與財(cái)務(wù)困境的檢測(cè)，整個(gè)過程是由所有專家進(jìn)行判斷的。

關(guān)于多屬性決策模型制定的框架如圖1，我們采用動(dòng)態(tài)直覺模糊加權(quán)平均(DIFWA)算子，動(dòng)態(tài)加權(quán)平均(DWA)算子，直覺模糊TOPSIS法和混合加權(quán)平均(HWA)算子等一個(gè)交互式的方法來計(jì)算財(cái)務(wù)危機(jī)的可能性。

3 通過多屬性決策模型檢測(cè)財(cái)務(wù)危機(jī)

多屬性決策最常見的問題是在于智能計(jì)算，這意味著要從由收集的既定因素所構(gòu)成的有限選擇中挑選出最佳結(jié)果。決策者所給出的每一個(gè)因素的重要值可能以不同的方式出現(xiàn)。在本文中，我們將提出一個(gè)適用于檢測(cè)公司財(cái)務(wù)危機(jī)的多變量決策模型。

其次，我們把x(l+)定義為直觀動(dòng)態(tài)的應(yīng)對(duì)積極情境的理想化解決方式，把x(l-)定義為直觀模糊的應(yīng)對(duì)消極情境的理想化解決方式。然后，將j1設(shè)定為正面因素，將j2設(shè)定為負(fù)面因素。因此，x(l+)和x(l-)可以計(jì)算如下:

與IFPISx+相關(guān)的變量xi的相關(guān)近似值系數(shù)可以通過下面的等式來計(jì)算:

當(dāng) c(l)(xi)∈［0，1］andl∈［1，q］，i∈［1，m］.

最后，有關(guān)既定公司的財(cái)務(wù)危機(jī)的可能性的決策可以計(jì)算如下:

4 實(shí)證分析

我們以2005年—2010年為時(shí)間段，從上海和深圳股票市場(chǎng)挑選了20家公司作為測(cè)試對(duì)象。6種數(shù)據(jù)化的財(cái)務(wù)危機(jī)預(yù)測(cè)方法包括MDA，Logistic回歸，BP神經(jīng)網(wǎng)絡(luò)(BPN)，DT，基于案例推理(CBR)，支持向量機(jī)(SVM)均被應(yīng)用。采樣數(shù)據(jù)來自中國(guó)股票市場(chǎng)研究數(shù)據(jù)庫(kù)，20種數(shù)據(jù)集和相應(yīng)的平均準(zhǔn)確率，方差和變量系數(shù)在表1中列出。

表1 不同方法的準(zhǔn)確度(20組數(shù)據(jù))

從表1發(fā)現(xiàn)，我們的方法在大多數(shù)情境中比其他方法效果更好。原因在于，我們能利用各家公司的具體情況，專家的專業(yè)知識(shí)和各種各樣的財(cái)務(wù)和非財(cái)務(wù)信息進(jìn)行財(cái)務(wù)危機(jī)診斷。使用我們的多屬性決策方法，各種可能誘導(dǎo)財(cái)務(wù)危機(jī)的錯(cuò)誤、漏洞以及潛在的危險(xiǎn)，出現(xiàn)財(cái)務(wù)危機(jī)的具體可能性都可以被提前檢測(cè)出來。另外，實(shí)驗(yàn)結(jié)果表明，運(yùn)用此方法檢測(cè)的財(cái)務(wù)危機(jī)可以彌補(bǔ)純量化基礎(chǔ)上的財(cái)務(wù)困境預(yù)測(cè)方法的財(cái)務(wù)比率數(shù)據(jù)的有限性，即便是在早期危機(jī)征兆不明顯的時(shí)候。

5 結(jié)論

在本文中，我們提出了一種新型的多屬性決策方法來檢測(cè)公司的財(cái)務(wù)困境。從對(duì)上海和深圳證券市場(chǎng)20家企業(yè)進(jìn)行的實(shí)驗(yàn)表明，大多數(shù)情況下，我們提出的方法比其他方法能更好地執(zhí)行。說明利用專家的經(jīng)驗(yàn)知識(shí)和各種金融或非金融信息檢測(cè)財(cái)務(wù)危機(jī)，是非常重要的，它避免了定量財(cái)務(wù)危機(jī)預(yù)測(cè)方法的局限性。

［1］吳世農(nóng)，盧先義.我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究［J］. 經(jīng)濟(jì)研究，2001，(6).

［2］殷 尹，吳成慶.財(cái)務(wù)困境概率貝葉斯估計(jì)［J］.系統(tǒng)工程理論方法應(yīng)用，2004，(1).

［3］李莜鳳.淺談企業(yè)財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)指標(biāo)及其構(gòu)建［J］.商業(yè)會(huì)計(jì)，2006，(5).

［4］張紅梅，張文蕊.組合預(yù)測(cè)在上市公司財(cái)務(wù)預(yù)警中的應(yīng)用［J］. 管理工程學(xué)報(bào)，2008，(2).

［4］楊海軍，太 雷.基于模糊支持向量機(jī)的上市公司財(cái)務(wù)困境預(yù)測(cè)［J］. 管理科學(xué)學(xué)報(bào)，2009，(3).

［5］原毅軍，呂 品，李 聰.多屬性決策方法在商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用［J］.南京審計(jì)學(xué)院學(xué)報(bào)，2012，(3).