財務(wù)風險預(yù)警文獻綜述研究

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.