錢興元
摘 要:企業(yè)通過建立財務(wù)風險預(yù)警模型,可以及時有效地發(fā)現(xiàn)和防范企業(yè)所隱藏的財務(wù)風險,從而使企業(yè)可以健康持續(xù)的發(fā)展。然而,由于現(xiàn)有的財務(wù)風險預(yù)警模型存在種種缺陷,在實際運用中往往效果甚微。本文通過對國內(nèi)外有關(guān)財務(wù)風險預(yù)警模型進行梳理,并針對模型的局限,對企業(yè)構(gòu)建財務(wù)風險預(yù)警模型時提出合理的建議。
關(guān)鍵詞:財務(wù)風險;預(yù)警模型;風險預(yù)警
一、國外財務(wù)風險預(yù)警模型綜述
(一)單變量模型
單變量預(yù)警模型最早由菲茨帕特里克提出,他選擇19家破產(chǎn)公司與正常公司通過財務(wù)比率進行比較分析。從而得出凈利潤/股東權(quán)益和股東權(quán)益/負債這兩項指標具有較高的預(yù)警精度。經(jīng)過幾年的發(fā)展,威廉·比弗在菲茨帕特里克的研究基礎(chǔ)上,對單變量預(yù)警模型進行了改進。他選擇1954—1966年間,破產(chǎn)公司與正常公司各79家作為研究對象,研究結(jié)果表明,凈利潤/總資產(chǎn)、現(xiàn)金凈流量/總負債這兩項指標對財務(wù)風險具有較高的預(yù)警精度。
(二)多變量模型
在國外影響力最大的多變量預(yù)警模型是由奧特曼所提出的Z-score模型。他選擇1946-1965年間的破產(chǎn)公司和正常公司各33家,通過選擇5個財務(wù)指標來計算Z值,并通過Z值的大小來判斷來判斷企業(yè)是否具有財務(wù)風險。Z-score模型又分為上市公司和非上市公司兩種情形。但是如果預(yù)測期越長,那么該模型的預(yù)警精度也會隨之降低,失敗前5年的預(yù)警精度僅為36%。因此,在隨后的幾年里,奧特曼、霍爾德曼、納拉亞南在Z-score模型的基礎(chǔ)上,對其進行改進,他們選取了58家正常公司和53家破產(chǎn)公司,選擇7個財務(wù)指標,構(gòu)建了ZETA模型。
埃德米斯特也在此研究的基礎(chǔ)上進行了相關(guān)的研究,他以小企業(yè)為研究對象,通過選取的指標構(gòu)建Tafler模型。多變量預(yù)警模型雖然比單變量預(yù)警在預(yù)警精度上更準確,但由于其數(shù)據(jù)獲取和處理比較繁瑣。并且,多變量模型要求變量符合正態(tài)分布假設(shè),沒有充分考慮現(xiàn)金流變動的情況。所以,模型使用的范圍比較少。
(三)Logistic預(yù)警模型
單變量預(yù)警模型和多變量預(yù)警模型都由其局限性不能準確的預(yù)算出企業(yè)患財務(wù)風險的概率。因此,馬丁就借助Logistic模型選取了超過5000家的銀行進行分析,并選取了25個財務(wù)指標進行構(gòu)建模型。并且,還采用了Logistic回歸分析方法來對財務(wù)指標進行分析。研究結(jié)果表明,包括費用/營業(yè)收入等六個指標可以有效地預(yù)測銀行破產(chǎn)的概率。Logistic模型雖然克服了線性模型需要滿足統(tǒng)計假設(shè)的缺陷,但由于其計算結(jié)果大多數(shù)是采用近似值,計算過程繁瑣,所以,計算的結(jié)果與實際結(jié)果有所誤差。
(四)人工神經(jīng)網(wǎng)絡(luò)預(yù)警模型
奧多姆與沙爾達在研究財務(wù)風險預(yù)警問題時,首次采用神經(jīng)網(wǎng)絡(luò)模型來預(yù)測企業(yè)的財務(wù)風險。兩位學者通過選取1975-1982年間,破產(chǎn)公司和非破產(chǎn)公司各65家。通過對這些樣本數(shù)據(jù)進行配對分析。研究結(jié)果顯示,采用神經(jīng)網(wǎng)絡(luò)模型對財務(wù)風險預(yù)警具有較高的精確度。喬治·馬里納科斯根據(jù)制藥行業(yè)的特點,通過人工神經(jīng)網(wǎng)絡(luò)理論來構(gòu)建制藥企業(yè)的現(xiàn)金流預(yù)警模型,從而得出,通過構(gòu)建人工神經(jīng)網(wǎng)絡(luò)預(yù)警模型可以有效地降低醫(yī)藥零售企業(yè)的財務(wù)風險。
(五)現(xiàn)金流量模型
勞森、阿齊澤曼以現(xiàn)金流信息為基礎(chǔ)構(gòu)建財務(wù)風險預(yù)警模型。他們通過選取破產(chǎn)企業(yè)破產(chǎn)前5年的財務(wù)數(shù)據(jù),與正常企業(yè)同時期的財務(wù)數(shù)據(jù)進行比較,發(fā)現(xiàn)破產(chǎn)企業(yè)與正常企業(yè)的現(xiàn)金流量均值與現(xiàn)金支付所得稅的均值存在很大差異?,F(xiàn)金流量模型相對于Z模型與ZBTA模型,預(yù)警精度更高。
二、國內(nèi)財務(wù)風險預(yù)警模型綜述
國內(nèi)的學者對財務(wù)風險預(yù)警模型的研究最早可追溯到20世紀80年代。隨著我國經(jīng)濟的快速增長,國內(nèi)的學者對企業(yè)財務(wù)風險預(yù)警模型的研究也在不斷地深入,通過結(jié)合各行各業(yè)的行業(yè)特點,通過定量與定性的分析,構(gòu)建符合社會主義經(jīng)濟的財務(wù)風向預(yù)警模型。
(一)單變量預(yù)警模型
陳靜通過把ST公司界定為財務(wù)失敗的公司,通過選取27家ST公司,以及處于同行業(yè)、同規(guī)模的27家非ST公司作為研究樣本。并根據(jù)這54家公司1995-1997年的財務(wù)數(shù)據(jù)計算出各公司的資產(chǎn)負債率、流動比率、凈資產(chǎn)收益率、總資產(chǎn)收益率,并對這四個指標進行單變量預(yù)警分析,結(jié)果顯示,單變量預(yù)警模型雖然存在一些局限性,但確是一種較為簡單有效的預(yù)測方法。
(二)多變量預(yù)警模型
周首華,楊濟華,王平在Z-score模型的基礎(chǔ)上,加入能夠預(yù)測出企業(yè)破產(chǎn)的財務(wù)指標:現(xiàn)金流量比率指標,從而構(gòu)建了F分數(shù)模式。在進行模型的實證中,他們選取了4160家的公司作為研究對象,其準確度高達70%。研究結(jié)果表明,F(xiàn)-分數(shù)模式是一種更加準確的財務(wù)風險預(yù)警模型。
張玲選取深滬兩交易所120家的上市公司作為研究樣本,這120家公司設(shè)計各行各業(yè)。把這些公司分成兩組,第一組包括30家ST公司和30家非ST公司,作為原始樣本。第二組包括21家ST公司和39家非ST公司,作為預(yù)測樣本。通過多元判別函數(shù)來構(gòu)建財務(wù)風險預(yù)警系統(tǒng),該研究結(jié)果表明,此模型能夠?qū)T公司的財務(wù)風險進行提前預(yù)警。
聶保平通過采用Z-score模型對57家零售業(yè)上市公司進行分析,其研究結(jié)果表明,如果企業(yè)的財務(wù)狀況比較好或者是財務(wù)狀況比較差時,那么對財務(wù)風險的預(yù)警精確度就高,對于財務(wù)在好與差之間的,預(yù)警精確度就比較低。
(三)Logistic模型
黃楊通過選取2015年12家ST公司和12家正常公司作為研究樣本,并使用T檢驗對樣本財務(wù)指標進行檢驗,并基于二項Logistic回歸分析方法,建立財務(wù)風險預(yù)警模型。研究結(jié)果表明,該模型對財務(wù)風險具有較高的預(yù)測精度李長山通過選取2016年23家制造業(yè)上市公司,和30家非制造上市公司作為對比,對財務(wù)數(shù)據(jù)進行主成分分析,運用Logistic回歸方法,建立財務(wù)風險預(yù)警模型。研究結(jié)果表明,上市公司通過構(gòu)建財務(wù)風險預(yù)警模型能夠有效地降低企業(yè)發(fā)生財務(wù)危機的可能性。
(四)人工神經(jīng)網(wǎng)絡(luò)模型
李曉青、洪怡恬通過專家調(diào)查法獲得了15個樣本企業(yè)的物流外包風險指標評價值?;贐P神經(jīng)網(wǎng)絡(luò)理論,建立符合物流企業(yè)的財務(wù)風險預(yù)警模型,其研究結(jié)果表明,該結(jié)果對物流企業(yè)具有較高的預(yù)警精度。
邢瑞雪、賈煒瑩通過選取78家上市公司作為研究對象,分別采用邏輯回歸、多元判斷、支持向量機和BP神經(jīng)網(wǎng)絡(luò)建立模型。研究結(jié)果表明,人工智能方法所構(gòu)建的財務(wù)風險預(yù)警模型要比傳統(tǒng)的財務(wù)財務(wù)風險預(yù)警模型具有更高的預(yù)警精度。
孫新憲、李夏琳通過選取2004—2016年四大航空公司共49家研究樣本,其中38家訓練樣本,11家為檢測樣本。利用主成分分析法對預(yù)警指標進行降維優(yōu)化,最后基于BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建財務(wù)風險預(yù)警體系。研究結(jié)果表明,BP神經(jīng)網(wǎng)絡(luò)模型能夠有效地預(yù)測航空公司的財務(wù)風險。
(五)現(xiàn)金流量模型
周守華、王平和楊濟華改良了Z-score模型,各選取31家破產(chǎn)公司與正常公司作為研究樣本,在充分考慮現(xiàn)金流量變動情況的基礎(chǔ)上,構(gòu)建了現(xiàn)金流量模型:F=-0.1774+1.1091X1+0.1704X2+1.9271X3+0.0302X4+0.4961X5。
其中,X1,X2,X4與Z值模型中的一致,X3,X5與之不同。X3=(稅后凈收益+折舊)/平均總負債,X5=(稅后凈收益+利息+折舊)/平均總資產(chǎn),其判別臨界點為0.0274,他們最后選取了4160家公司的數(shù)據(jù)以檢驗改良后的模型,結(jié)果發(fā)現(xiàn)改良后的模型對財務(wù)風險的預(yù)測準確度更高。
三、文獻綜述評價
通過對國內(nèi)外有關(guān)財務(wù)風險預(yù)警的研究分析后,我們可以了解到,國外學者對財務(wù)風險預(yù)警的研究要比國內(nèi)早,因此所取得成果也比中國大。而我國由于起步晚,且早期的研究都是基于國外學者的理論基礎(chǔ)上進行改進與優(yōu)化。但經(jīng)過學者的努力,我國近幾年在這一方面也取得了十足的進展,但仍有許多地方需要改進,具體如下:
第一,由于我國的研究大多數(shù)是基于國外的理論研究基礎(chǔ)上進行改進與優(yōu)化,并沒有結(jié)合我國的實際國情與經(jīng)濟狀況進行研究,所以,有可能得出的數(shù)據(jù)結(jié)果有所偏差。
第二,大多數(shù)現(xiàn)有的財務(wù)風險預(yù)警模型在理論上具有實用性,但是在實際的操作中,由于計算過于煩瑣,對一些專業(yè)能力不強的小公司而言,即使預(yù)警精度在高,也很難對企業(yè)起到指導作用。
第三,由于各行各業(yè)所面臨的市場環(huán)境和經(jīng)濟環(huán)境的不同,所以,我們在建立財務(wù)風險預(yù)警模型時,要結(jié)合現(xiàn)有企業(yè)行業(yè)的特點進行研究。但現(xiàn)有的預(yù)警模型無法覆蓋整個行業(yè),并且由于現(xiàn)有的模型大多數(shù)是以上市公司作為研究對象,而對于非上市公司則少有涉及。
(作者單位:青海民族大學)
參考文獻:
[1]陳靜.上市公司財務(wù)惡化預(yù)測的實證分析[J].會計研究,1999(4):31-38.
[2]李長山.基于Logistic回歸法的企業(yè)財務(wù)風險預(yù)警模型構(gòu)建[J].統(tǒng)計與決策,2018(6):185-188.
[3] 邢瑞雪,賈煒瑩.上市公司財務(wù)危機預(yù)警模性比較研究[J].商業(yè)會計,2013(17):46-48.