摘要:企業(yè)財務(wù)危機已成為企業(yè)利益相關(guān)者需要預(yù)測并應(yīng)對的重要風(fēng)險之一。企業(yè)應(yīng)構(gòu)建財務(wù)預(yù)警機制，及時溝通企業(yè)有關(guān)財務(wù)危機預(yù)警的信息，有效地防范和化解財務(wù)危機。本文對國內(nèi)外財務(wù)危機預(yù)警模型逐一進(jìn)行評析，旨在為構(gòu)建符合我國實際并具有可操作性的財務(wù)危機預(yù)警模型提供借鑒。

　　關(guān)鍵詞:財務(wù)危機預(yù)警模型；單變量模型；多元判別分析模型；人工神經(jīng)網(wǎng)絡(luò)分析模型

　　隨著我國市場經(jīng)濟(jì)體制改革的不斷深化，經(jīng)濟(jì)領(lǐng)域中的復(fù)雜性、不確定性日益凸現(xiàn)，企業(yè)發(fā)生財務(wù)危機的情況越來越頻繁，因此，財務(wù)危機已成為企業(yè)利益相關(guān)者需要預(yù)測并應(yīng)對的重要風(fēng)險之一。構(gòu)建財務(wù)預(yù)警機制，及時溝通企業(yè)有關(guān)財務(wù)危機預(yù)警的信息，有效地防范和化解財務(wù)危機，是任何一個企業(yè)都必須亟待解決的問題。近年來，除了沿用傳統(tǒng)的經(jīng)驗判別與定性分析方法外。企業(yè)利益相關(guān)者也開始關(guān)注并嘗試使用財務(wù)危機預(yù)警模型來定量預(yù)測財務(wù)危機。財務(wù)危機預(yù)警模型就是借助企業(yè)一系列財務(wù)指標(biāo)和非財務(wù)指標(biāo)來識別企業(yè)財務(wù)危機的判別模型。其關(guān)鍵點就是如何確定預(yù)警指標(biāo)及預(yù)警指標(biāo)的臨界值。本文對國內(nèi)外財務(wù)危機預(yù)警模型逐一進(jìn)行評析，旨在為構(gòu)建符合我國實際并具有可操作性的財務(wù)危機預(yù)警模型提供借鑒。

　　一、單變量預(yù)警模型

　　單變量預(yù)警模型是指利用單個財務(wù)比率來進(jìn)行財務(wù)預(yù)警，以判斷企業(yè)是否發(fā)生財務(wù)危機的一種預(yù)測模型。Beaver(1966)在其“財務(wù)比率與失敗預(yù)測”一文中，以財務(wù)危機預(yù)警為主題，以單一的財務(wù)比率指標(biāo)為基本變量，運用配對樣本法。隨機挑選了1954年至1964年間79家危機中的企業(yè)。并針對這79家企業(yè)逐一挑選與其產(chǎn)業(yè)相同且資產(chǎn)規(guī)模相近的79家正常企業(yè)進(jìn)行比較。得出的結(jié)論是，最能對企業(yè)危機做出預(yù)警的指標(biāo)是“現(xiàn)金流量/總負(fù)債”比率，其次是“凈收益/總資產(chǎn)”比率和“總負(fù)債/總資產(chǎn)”比率。其中，“現(xiàn)金流量”來自“現(xiàn)金流量表”的3種現(xiàn)金流量之和，除現(xiàn)金外還充分考慮了資產(chǎn)變現(xiàn)力，同時結(jié)合了企業(yè)銷售和利潤的實現(xiàn)及生產(chǎn)經(jīng)營狀況的綜合分析，這個比率用總負(fù)債作為基數(shù)，考慮了長期負(fù)債與流動負(fù)債的轉(zhuǎn)化關(guān)系，但是總負(fù)債只考慮了負(fù)債規(guī)模，而沒有考慮負(fù)債的流動性，即企業(yè)的債務(wù)結(jié)構(gòu)，因此對一些因短期償債能力不足而出現(xiàn)危機的企業(yè)存在很大的誤判性。“總資產(chǎn)”這一指標(biāo)沒有結(jié)合資產(chǎn)的構(gòu)成要素。因為不同的資產(chǎn)項目在企業(yè)盈利過程中所發(fā)揮的作用是不同的，這不利于預(yù)測企業(yè)資產(chǎn)的獲利能力是否具有良好的增長態(tài)勢。

　　Beaver最先在企業(yè)危機預(yù)警研究中使用非參數(shù)統(tǒng)計的二分類檢驗方法來確定分割點。使其錯誤分類率降至最低，這一方法為以后的企業(yè)財務(wù)危機預(yù)警研究者廣泛采用。此外，Beaver還首創(chuàng)配對抽樣的技術(shù)以控制因產(chǎn)業(yè)類別和企業(yè)資產(chǎn)規(guī)模不同而引起的混淆。但單變量預(yù)警模型只是利用個別財務(wù)比率預(yù)測企業(yè)財務(wù)危機。因此其有效性受到一定的限制。一般來說。企業(yè)的生產(chǎn)經(jīng)營狀況受到許多因素的影響，各種因素之間既有聯(lián)系又有區(qū)別，單個比率反映的內(nèi)容往往有限，無法全面解釋企業(yè)的財務(wù)狀況。

　　二、多元判別分析模型

　　多元判別分析模型是對企業(yè)多個財務(wù)比率進(jìn)行匯總，求出一個總判別分值來預(yù)測企業(yè)財務(wù)危機的模型。Altman(1968)在其“財務(wù)比率、判別分析和公司破產(chǎn)預(yù)測”一文中認(rèn)為，企業(yè)是一個綜合體，各個財務(wù)指標(biāo)之間存在某種相互聯(lián)系。各個財務(wù)指標(biāo)對企業(yè)整體風(fēng)險的影響和作用也是不一樣的。他通過把傳統(tǒng)的財務(wù)比率和多元判別分析方法結(jié)合在一起，發(fā)展了一種財務(wù)危機預(yù)警模型，即Z計分模型。該模型的具體形式如下：

　　Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

　　式中，X1=營運資本/總資產(chǎn)，反映資產(chǎn)的流動性與規(guī)模特征；X2=留存收益/總資產(chǎn)，反映企業(yè)累計盈利狀況；X3=息稅前收益/總資產(chǎn)，反映企業(yè)資產(chǎn)的獲利能力；X4=權(quán)益的市場價值/總債務(wù)的賬面值，反映企業(yè)的償債能力；X5=銷售總額/總資產(chǎn)，反映企業(yè)的營運能力。

　　通過統(tǒng)計分析，Altman認(rèn)為Z值應(yīng)在1.81-2.99之間，等于2.675時居中。如果企業(yè)的Z值大于2.675，表明企業(yè)的財務(wù)狀況良好；如果Z值小于1.81，則企業(yè)存在很大的破產(chǎn)風(fēng)險；如果Z值處于1.81-2.675之間，稱為“灰色地帶”，處在這個區(qū)間，則企業(yè)財務(wù)狀況是極不穩(wěn)定的。

　　Z計分模型的變量是從資產(chǎn)流動性、獲利能力、償債能力和營運能力等指標(biāo)中各選擇一兩個最具代表性的指標(biāo)。模型中的系數(shù)則是根據(jù)統(tǒng)計結(jié)果得到的各指標(biāo)相對重要性的量度。實證表明該模型對企業(yè)財務(wù)危機有很好的預(yù)警功能。但其預(yù)測效果也因時間的長短而不一樣，預(yù)測期越短，預(yù)測能力越強，因此該模型較適合企業(yè)短期風(fēng)險的判斷。

　　Z計分模型在企業(yè)破產(chǎn)前超過3年的預(yù)測正確率大大降低，而且隨著時間的推移，經(jīng)濟(jì)環(huán)境也將出現(xiàn)重大變化，特別是進(jìn)入20世紀(jì)70年代以后，企業(yè)財務(wù)危機的平均規(guī)模急劇增大，原有的Z計分模型已無法解釋當(dāng)時的企業(yè)財務(wù)危機現(xiàn)象。于是，Altman等人于1977年又提出了一種能更準(zhǔn)確地預(yù)測企業(yè)財務(wù)危機的新模型——ZETA模型。在該模型中，Altman等人利用27個初始財務(wù)比率進(jìn)行區(qū)別分析，最后選取了7個解釋變量，即資產(chǎn)報酬率(息稅前利潤/總資產(chǎn))、盈余穩(wěn)定性(息稅前利潤，總資產(chǎn)的10年標(biāo)準(zhǔn)誤差)、利息保障倍數(shù)(息稅前利潤/利息支出總額)、累計盈余(留存收益/總資產(chǎn))、流動性(流動比率)、資本比率(5年普通股平均市值/總資本)和資本規(guī)模(普通股權(quán)益/總資產(chǎn))。該模型存在的不足是選擇比率沒有理論可依，選擇同一行業(yè)中相匹配的危機公司和正常公司也是困難的，而且觀察的總是歷史事件。但由于該模型簡單明了。以后對企業(yè)財務(wù)危機預(yù)警模型的研究都是沿著這一思路進(jìn)行的。

　　20世紀(jì)70年代，日本開發(fā)銀行調(diào)查部選擇了東京證券交易所310家上市公司作為研究對象，使用與Altman相同的研究方法，建立了“利用經(jīng)營指標(biāo)進(jìn)行企業(yè)風(fēng)險評價的破產(chǎn)模型”，進(jìn)行財務(wù)危機預(yù)測。其判別函數(shù)為：

　　Z=2.1X1+1.6X2-1.7X3-X4+2.6X5+2.5X6

　　式中，X1表示銷售額增長率；X2表示總資本利潤率；X3表示他人資本分配率；X4表示資產(chǎn)負(fù)債率；X5表示流動比率；X6表示粗附加值生產(chǎn)率(為折舊費、人工成本、利息及利稅之和與銷售額之比)。模型中和的系數(shù)是負(fù)數(shù)，表明他人資本分配率和資產(chǎn)負(fù)債率越小，風(fēng)險也越小。該模型Z值的判斷標(biāo)準(zhǔn)是：如果Z值大于10，則企業(yè)財務(wù)狀況良好：如果Z值小于0，則企業(yè)存在嚴(yán)重的財務(wù)危機，破產(chǎn)的概率極大；如果Z值在0與10之間。則表明企業(yè)處于“灰色區(qū)域”，存在財務(wù)隱患。

　　陳肇榮應(yīng)用中國臺灣地區(qū)的企業(yè)財務(wù)資料建立了多元判別函數(shù)，但未給出臨界值及警度區(qū)間。該模型如下：

　　Z=0.35X1+0.67X2-0.57X3+0.39X4+0.55X5

　　式中，X1=速動資產(chǎn)/流動負(fù)債；X2=營運資金/資產(chǎn)總額；X3=固定資產(chǎn)/資本凈值；X4=應(yīng)收賬款/銷售凈額；X5=現(xiàn)金流入量/現(xiàn)金流出量。

　　由于Z計分模型在建立時并沒有充分考慮到現(xiàn)金流量的變動等方面的情況，因而具有一定的局限性。為此，中國學(xué)者周首華等對Z計分模型加以改造，并建立其財務(wù)危機預(yù)測的新模型——F分?jǐn)?shù)模式。F分?jǐn)?shù)模式的主要特點是：(1)F分?jǐn)?shù)模型中加入現(xiàn)金流量這一預(yù)測自變量。許多專家證實現(xiàn)金流量比率是預(yù)測公司破產(chǎn)的有效變量，因而彌補了Z計分模型的不足。(2)考慮了現(xiàn)代化公司財務(wù)狀況的發(fā)展及其有關(guān)標(biāo)準(zhǔn)的更新。公司所應(yīng)有財務(wù)比率標(biāo)準(zhǔn)已發(fā)生了許多變化，特別是現(xiàn)金管理技術(shù)的應(yīng)用，已使公司所應(yīng)維持的必要的流動比率大為降低。(3)使用的樣本更加擴(kuò)大。其使用了Compustat PC Plus會計數(shù)據(jù)庫中1990年以來的4160家公司的數(shù)據(jù)進(jìn)行了檢查；而Z計分模型的樣本僅為66家(33家破產(chǎn)公司和33家非破產(chǎn)公司)。

　　F分?jǐn)?shù)模式如下：

　　Z=0.1774+1.1091X1+1.1074X2+1.9271X3+0.0302X4+0.4961X5+0，496 1X5

　　式中，X1、X2及X4與Z計分模型中的X1，X2及X4相同，這里不再進(jìn)行分析；X3=(稅后純收益+折舊)/平均總負(fù)債；X3=(稅后純收益+利息+折舊)/平均總資產(chǎn)。

　　F分?jǐn)?shù)模式與Z計分?jǐn)?shù)模型中各比率的區(qū)別就在于其X3，X5的比率不同。X3是一個現(xiàn)金流量變量，它是衡量企業(yè)所產(chǎn)生的全部現(xiàn)金流量可用于償還企業(yè)債務(wù)能力的重要指標(biāo)。一般來講，企業(yè)提取的折舊費用，也是企業(yè)創(chuàng)造的現(xiàn)金流入，必要時可將這部分資金用來償還債務(wù)。X5測定的是企業(yè)總資產(chǎn)在創(chuàng)造現(xiàn)金流量方面的能力。相對于Z計分模型，它可以更準(zhǔn)確地預(yù)測出企業(yè)是否存在財務(wù)危機。F分?jǐn)?shù)模式的F分?jǐn)?shù)臨界點為0.0274；若某一特定的F分?jǐn)?shù)低于0.0274，則將被預(yù)測為破產(chǎn)公司；反之，若F分?jǐn)?shù)高于0.0274，則公司將被預(yù)測為繼續(xù)生存公司。

　　多元判別分析模型是根據(jù)特定樣本建立起來的判別模型，因而根據(jù)一個地區(qū)(或時期)樣本企業(yè)建立的判別分析模型可能無法有效地對另一個地區(qū)(或時期)的企業(yè)進(jìn)行預(yù)測。此外，多元判別分析模型的有用性差，導(dǎo)致理論研究熱而實際應(yīng)用冷的尷尬局面。

　　三、線性概率模型

　　線性概率模型是多元判別分析模型的一種替代選擇。該模型為：

　　P=c0+c1x1+c2x2+…+cnxn

　　該模型可以解釋為，在給定財務(wù)比率xn的情況下，P為該企業(yè)發(fā)生財務(wù)危機的概率的估計值。該模型計算雖然簡單，但存在明顯的缺陷：(1)該模型表示企業(yè)發(fā)生財務(wù)危機的可能性，則P值只能在(0，1)區(qū)間之中，然而線性回歸方程無法做到這一點，采用該模型進(jìn)行預(yù)測時，P值可能在(0，1)區(qū)間之外；(2)線性概率的假設(shè)往往與實際情況不吻合?，F(xiàn)實生活中的經(jīng)濟(jì)變量是不確定的，而在該模型中，自變量c卻是一個常數(shù)。基于以上原因，該模型在企業(yè)財務(wù)危機預(yù)測的實際研究中鮮有采用。

　　四、Logistic模型

　　盡管多元判別分析模型有較好的預(yù)測性，但存在假設(shè)上的局限性，即要求各自變量(財務(wù)比率)服從多元正態(tài)分布的假設(shè)和兩組變量(發(fā)生財務(wù)危機與未發(fā)生財務(wù)危機企業(yè))具有同樣方差一協(xié)方差矩陣的假設(shè)，顯然，這些假設(shè)與現(xiàn)實相去甚遠(yuǎn)。此外。樣本的抽取往往也會影響評價模型的預(yù)測準(zhǔn)確性。因此。為服務(wù)于對定性因變量的多元非線性分析，Ohlson率先在財務(wù)危機預(yù)警研究中應(yīng)用了二元概率函數(shù)來計算危機事件發(fā)生的概率，由此產(chǎn)生了Logistic模型。在企業(yè)財務(wù)危機判定與預(yù)測中，Logistic模型如下：

　　Yi=β0+β1xli+…+βkxki

　　Pi=1/(1+e-yx)

　　式中，Yi代表第i家企業(yè)是否發(fā)生財務(wù)危機，i=0或1，0代表正常企業(yè)，1代表財務(wù)危機企業(yè)，xki代表第i家企業(yè)的第k個財務(wù)比率，Pi代表根據(jù)Logistic模型所估計出來的第i家企業(yè)可能發(fā)生財務(wù)危機的概率。

　　該模型是一個用來測度企業(yè)是否會發(fā)生財務(wù)危機的二元選擇模型。對這個模型的參數(shù)估計只能采用最大似然估計法。Logistic模型的一個重要優(yōu)點是它把在(0，1)區(qū)間預(yù)測一個企業(yè)是否發(fā)生財務(wù)危機的概率的問題轉(zhuǎn)化為在實數(shù)軸上預(yù)測一個企業(yè)是否發(fā)生財務(wù)危機的機會比的問題，這與線性概率有著本質(zhì)上的不同和進(jìn)步。

　　五、人工神經(jīng)網(wǎng)絡(luò)分析模型

　　運用線性概率分析、邏輯回歸方法來建立財務(wù)危機判別函數(shù)都是直接或者間接地依賴于線性函數(shù)來建立模型。存在的只是理論上的優(yōu)越性。往往并不能很好地擬合復(fù)雜的實際數(shù)據(jù)。1987年，Lapedes和Fayber首次應(yīng)用人工神經(jīng)網(wǎng)絡(luò)分析模型進(jìn)行預(yù)測，開創(chuàng)了人工神經(jīng)網(wǎng)絡(luò)預(yù)警的先河。該模型是一種平行分散處理模型，其構(gòu)建理念基于對人類大腦神經(jīng)運作的模擬。它除具有較好的模式識別能力外，還可以克服傳統(tǒng)統(tǒng)計方法的局限，具有容錯能力。更難能可貴的是，該模型具有隨不斷變化的復(fù)雜環(huán)境進(jìn)行自我學(xué)習(xí)的能力，因而使企業(yè)財務(wù)危機動態(tài)預(yù)警成為可能。

　　該模型擺脫了多元判別分析模型和Logistic模型的局限，突破了依賴線性函數(shù)來建立統(tǒng)計模型的限制，用非線性函數(shù)更好地擬合實際資料數(shù)據(jù)，實現(xiàn)了方法上的創(chuàng)新。此外，人工神經(jīng)網(wǎng)絡(luò)分析模型的預(yù)測準(zhǔn)確度也遠(yuǎn)高于其他方法。但其局限性在于理論基礎(chǔ)比較抽象，對人類大腦神經(jīng)模擬的科學(xué)性、準(zhǔn)確性還有待進(jìn)一步加強，因此其實際運用效果不夠理想。

　　本文對上述財務(wù)危機預(yù)警模型進(jìn)行評析，旨在為構(gòu)建符合我國實際并具有可操作性的財務(wù)危機預(yù)警模型提供借鑒：第一，建立分行業(yè)、分企業(yè)甚至分部門的預(yù)警模型。拓寬數(shù)據(jù)的收集渠道和研究的范圍；第二，更多地運用動態(tài)指標(biāo)和非量化指標(biāo)，構(gòu)建更為全面的備選變量組；第三，擴(kuò)展財務(wù)預(yù)警模型的功能，使財務(wù)預(yù)警模型不僅具備判別預(yù)警臨界點，還能對財務(wù)信息的真?zhèn)巫龀霰鎰e。