財務(wù)危機預(yù)警理論研究述評

[摘 要] 財務(wù)危機預(yù)警屬于微觀經(jīng)濟預(yù)警的范疇，具有重要的研究價值。本文對國外財務(wù)危機預(yù)警模型的研究進(jìn)行了綜述，對國外財務(wù)危機預(yù)警模型進(jìn)行分析比較，并對財務(wù)危機預(yù)警模型研究的發(fā)展趨勢進(jìn)行了展望。

[關(guān)鍵詞] 財務(wù)危機 預(yù)警模型

隨著資本市場的不斷完善，財務(wù)危機預(yù)警的研究一直是實務(wù)界和學(xué)術(shù)界關(guān)注的熱點問題。財務(wù)危機預(yù)警是以財務(wù)會計信息為基礎(chǔ)，通過設(shè)置并觀察一些敏感性預(yù)警指標(biāo)的變化，對公司可能或者將要面臨的財務(wù)危機實施的實時監(jiān)控和預(yù)測警報。

一、前言

財務(wù)預(yù)警中的數(shù)學(xué)模型就是財務(wù)預(yù)警模型，它是指借助公司財務(wù)指標(biāo)和非財務(wù)指標(biāo)體系，識別公司財務(wù)狀況的判別模型。

按照研究方法可分為定性研究和定量研究。定性分析包括：標(biāo)準(zhǔn)化調(diào)查法；“四階段癥狀”分析法；“三個月資金周轉(zhuǎn)表”分析法；流程圖分析法；管理評分法(王玲玲等，2005)。定量分析已取得了比較成熟的研究成果，可以劃分為兩個階段：20世紀(jì)60年代～80年代，形成了一些以統(tǒng)計方法為分析工具的傳統(tǒng)的財務(wù)危機預(yù)警模型，主要包括：單變量判定模型(Univariate)；多元線性判定模型(Multiple discriminate analysis，MDA)－Altman的Z值判定模型（Z-score 模型、Zeta模型、Z*值模型）、Edmisterd(1972)的小公司財務(wù)預(yù)警模型、英國的Taffler(1977)的多變量模式、日本開發(fā)銀行建立的“利用經(jīng)營指標(biāo)進(jìn)行公司風(fēng)險評價的破產(chǎn)模型”；概率模型(Logistic regression model)－多元邏輯(Logit)回歸模型、多元概率比(Probit)回歸模型，這些模型的發(fā)展已趨于成熟，但存在著難以克服的缺陷。

20世紀(jì)90年代后，學(xué)者們開始探索使用新的方法，主要是非統(tǒng)計方法來創(chuàng)建的新興的財務(wù)危機預(yù)警模型，它們從不同方面克服了傳統(tǒng)模型的缺陷。但新興的財務(wù)困境預(yù)警模型的探討與應(yīng)用研究較為分散，還沒有形成完善的綜合研究格局。本文綜合述評了新興的財務(wù)危機預(yù)警模型，并對未來的研究方向進(jìn)行展望。

二、新興的財務(wù)危機預(yù)模型

由于傳統(tǒng)的財務(wù)危機預(yù)警模型所采用的統(tǒng)計方法一般都受制于母體分布的假設(shè)前提，存在著難以克服的缺陷，因此，20世紀(jì)90年代后，主要是基于非統(tǒng)計方法的新興的財務(wù)危機預(yù)警模型。

1.建模技術(shù)的發(fā)展

(1)粗糙集分析(Rough set analysis，RST)。Slowinski和Zopoudinis(1995)率先將粗糙集分析方法用于企業(yè)失敗風(fēng)險的評估。粗糙集方法包含了知識發(fā)現(xiàn)及分類決策法則的推導(dǎo)。它善于用不完善的信息進(jìn)行分類，被證明是用一組多價值屬性的財務(wù)比率描述失敗與非失敗公司的有效工具。(2)神經(jīng)網(wǎng)絡(luò)模型(Artificial neural network，ANN)。Odour和Sharda(1990)是最早把BP神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于財務(wù)危機預(yù)測研究中，結(jié)果顯示神經(jīng)網(wǎng)絡(luò)要優(yōu)于當(dāng)時的判別分析模型。(3)混沌模型(Chaos theory model)。Lindsay和Campbell(1996)將公司視為具有混沌行為的系統(tǒng)，建立了公司失敗預(yù)測模型。它是對企業(yè)財務(wù)健康狀況的非線性動態(tài)分析，能測度出企業(yè)在不同時期混沌量的差異。(4)自組織映射模型(Self organizing map model)。Kiviluoto Bergius(1998)在運用SOM技術(shù)時考慮了動態(tài)性，他們建立了雙層自組織映射模型，可分析連續(xù)幾年的財務(wù)信息，對破產(chǎn)與非破產(chǎn)公司進(jìn)行可視化的區(qū)分，并勾畫出隨時間演變的失敗路徑。(5)多維標(biāo)度模型(Multi dimensional scaling model，MDS)。Bishop、Mar-Molinero和Turner(2003)利用MDS在行業(yè)背景下對一家公司財務(wù)狀況的演變過程進(jìn)行了案例研究，它是一種圖像化的聚類方法，它的獨特之處是把公司當(dāng)作變量，而將屬性(如財務(wù)比率)作為案例。(6)累積和模型(Cumulative sum model，CUSUM)。Kahya和Theodossiou運用累積和模型對公司失敗進(jìn)行預(yù)測，認(rèn)為模型還應(yīng)包含財務(wù)狀況惡化的動態(tài)過程信息，于2000年提出了預(yù)測公司失敗的CUSUM模型，該方法能探測財務(wù)狀況由好轉(zhuǎn)壞的拐點，對財務(wù)狀況惡化敏感并具有記憶力，區(qū)分財務(wù)指標(biāo)變化是由序列相關(guān)引起的還是由于財務(wù)情況惡化造成的。除了以上介紹的財務(wù)危機預(yù)警模型之外，還包括基于模糊法則的分類模型、動態(tài)事件歷史分析、機器學(xué)習(xí)決策樹法、線性目標(biāo)規(guī)劃法、專家系統(tǒng)等。

2.建模變量的發(fā)展

(1)加入期權(quán)變量。Charitou和Trigeorgis(2000)使用B-S期權(quán)定價模型中的相關(guān)變量構(gòu)建了財務(wù)危機判別模型，對1983年到1994年期間的139對美國公司進(jìn)行了對比檢驗，結(jié)果發(fā)現(xiàn)到期債務(wù)面值、公司資產(chǎn)的當(dāng)期市價、公司價值變化的標(biāo)準(zhǔn)差等期權(quán)變量在預(yù)測破產(chǎn)方面作用顯著。(2)利用市場收益率。Aharony等提出了基于市場收益率方差的破產(chǎn)預(yù)測模型。發(fā)現(xiàn)在正式的破產(chǎn)公告日之前的4年內(nèi)，破產(chǎn)公司股票的市場收益率方差與一般公司存在差異。Altman和Brenner發(fā)現(xiàn)，破產(chǎn)公司的股票在破產(chǎn)前至少１年內(nèi)在資本市場上表現(xiàn)欠佳。Clark等發(fā)現(xiàn)破產(chǎn)公司股票在破產(chǎn)前至少3年內(nèi)存在負(fù)的市場收益率。（3)加入公司股權(quán)結(jié)構(gòu)、治理結(jié)構(gòu)變量。有學(xué)者研究發(fā)現(xiàn)，公司的股權(quán)結(jié)構(gòu)、治理模式等會對業(yè)績產(chǎn)生重要影響。Simpson等研究了銀行企業(yè)董事會結(jié)構(gòu)、所有權(quán)和財務(wù)困境。Gilson研究了處于財務(wù)困境中的企業(yè)中高級管理人員的更替問題。除了以上介紹的財務(wù)危機預(yù)警模型之外，還包括運用現(xiàn)金流量指標(biāo)、加入?yún)⒖紝徲嬕庖姟⒓尤脒`約距離、基于平衡計分卡等的模型。

三、財務(wù)危機預(yù)模型的評析

1.財務(wù)危機預(yù)警模型缺乏經(jīng)濟理論的指導(dǎo)

目前財務(wù)危機研究集中于預(yù)警模型的構(gòu)建之上，并未深入到對引起公司財務(wù)危機的內(nèi)部機理的探析。被引入模型的變量（財務(wù)指標(biāo)）只是公司陷入財務(wù)危機的征兆，而不是公司陷入財務(wù)危機的原因和本質(zhì)。用財務(wù)變量建立預(yù)測模型對公司財務(wù)危機進(jìn)行預(yù)測只是一種基于樣本的相關(guān)性分析，而不是因果關(guān)系。大多數(shù)財務(wù)預(yù)警模型只能給財務(wù)分析人員提供一些表面上的信息，而不能從根本上防止公司陷入財務(wù)危機。

2.預(yù)警變量選擇缺乏理論支持

目前還沒有形成有說服力的優(yōu)選預(yù)警變量的理論框架，影響了模型預(yù)測的可靠性。預(yù)警變量（財務(wù)指標(biāo)）的選取不能在理論指導(dǎo)下有系統(tǒng)性的進(jìn)行，而只能靠研究者經(jīng)驗判斷、對前人研究成果借鑒和統(tǒng)計篩選。研究者的經(jīng)驗判斷會因主觀因素影響模型預(yù)警效果。事實上，諸多模型中變量的選擇都存在顯著差異，即使是同一類型的財務(wù)指標(biāo)，不同的研究者選取的指標(biāo)差異也很大。

3.預(yù)警模型考慮定性變量和非財務(wù)指標(biāo)有限

財務(wù)危機預(yù)警型主要以財務(wù)會計報表數(shù)據(jù)為基礎(chǔ)，以各種財務(wù)指標(biāo)為變量來建立預(yù)警模型，對定性變量和非財務(wù)指標(biāo)使用有限。不可否認(rèn)財務(wù)報表數(shù)據(jù)是公司經(jīng)營狀況的一個綜合反映，但財務(wù)報表數(shù)據(jù)披露不足，時效性較差，缺乏對風(fēng)險信息和不確定信息的披露。非財務(wù)指標(biāo)和非定量因素在披露公司財務(wù)狀況方面要比財務(wù)指標(biāo)更為可靠、有效，公司的生存和發(fā)展會產(chǎn)生許多有利或不利的影響，有時可能是本質(zhì)原因，比如，公司出現(xiàn)過度依賴銀行貸款、公司人力資源匱乏、公司市場定位不清等狀況，都預(yù)示著公司存在潛在的危機，而這些是財務(wù)比率所不能反映的。

4.非平穩(wěn)問題的處理重視不足

很多方法在運用中對數(shù)據(jù)的非平穩(wěn)性問題重視不足。由于商業(yè)周期的階段性、市場環(huán)境的變化及技術(shù)變革等原因，檢驗時段與預(yù)測時段的自變量平均結(jié)構(gòu)可能發(fā)生變化，變量間的關(guān)系也隨之改變。很多研究沒有對這一問題加以重視，可能導(dǎo)致模型的預(yù)測力與魯棒性受到影響。因此有必要對數(shù)據(jù)進(jìn)行一些處理，如使用行業(yè)相對比率、扣除數(shù)據(jù)中的通脹因素等，使變量的平均結(jié)構(gòu)及變量間關(guān)系從檢驗期向預(yù)測期跨越時保持相對平穩(wěn)。

四、財務(wù)危機預(yù)模型研究的展望

1.深入研究基于經(jīng)濟、財務(wù)及管理的理論

要深入研究基于經(jīng)濟、財務(wù)及管理理論，系統(tǒng)揭示公司陷入財務(wù)危機的內(nèi)部機理和規(guī)律，建立宏觀層次要素和公司財務(wù)危機微觀層次間的聯(lián)系，以提高模型的可信度和解釋能力。

2.預(yù)測變量的選擇多樣化

財務(wù)危機預(yù)警模型不能單純依靠財務(wù)指標(biāo)，至少要在預(yù)警系統(tǒng)中涉及到非財務(wù)指標(biāo)和定性變量，這樣才能更為完整地反映公司全貌。如：考慮宏觀經(jīng)濟波動指標(biāo)、產(chǎn)業(yè)指標(biāo)、管理指標(biāo)、市場收益類和市場收益方差類指標(biāo)、行業(yè)差異的指標(biāo)等；考慮定量方法和定性方法的有機結(jié)合。因此，未來的發(fā)展趨勢應(yīng)當(dāng)是以財務(wù)指標(biāo)為主，兼顧其他幾類指標(biāo)和定性變量，構(gòu)建更為全面的備選指標(biāo)組，然后進(jìn)一步通過現(xiàn)代分析方法對備選指標(biāo)進(jìn)行相關(guān)性分析，保留主要指標(biāo)進(jìn)行建模，以起到信息互補、提高預(yù)測精確度、提高模型的判別能力、拓展模型的適用性的作用。

3.預(yù)測方法轉(zhuǎn)向?qū)崟r動態(tài)預(yù)測

隨著網(wǎng)絡(luò)技術(shù)和計算機技術(shù)的高速發(fā)展，特別是以Internet為主的現(xiàn)代信息技術(shù)的發(fā)展，為危機預(yù)警帶來了新的機遇和新的挑戰(zhàn)。如何利用現(xiàn)代信息技術(shù)的強大功能將危機預(yù)警系統(tǒng)與公司其他信息系統(tǒng)相融合，建立網(wǎng)絡(luò)環(huán)境下的危機預(yù)警系統(tǒng)，動態(tài)、實時地從內(nèi)部信息網(wǎng)絡(luò)和Internet上獲取最新數(shù)據(jù)，不斷修正完善預(yù)警模型，使得預(yù)警模型成為一個動態(tài)學(xué)習(xí)的模型，將是今后研究的熱點。

五、結(jié)束語

通過對財務(wù)困境預(yù)警模型進(jìn)行回顧和評析，使我們的研究視野有了極大的拓展，便于我們在借鑒前人思路和方法的基礎(chǔ)上進(jìn)行更深入的研究，也便于我們選用最為恰當(dāng)?shù)呢攧?wù)困境預(yù)警模型去研究我國的財務(wù)困境預(yù)警問題。

參考文獻(xiàn)：

[1]王玲玲 曾繁榮:財務(wù)預(yù)警模型評述[J].市場論壇，2005(12)

[2]Slowinski R， Zopudinis C. Application of the rough set approach to evaluation of bankruptcy risk[J].Intelligent Systems in Accounting， Finance and Management，1995，4:27～41

[3]Odour M D， Sharda R.A neural network model for bankruptcy prediction[J].Conference on Neural Networks，1990(6):136～138

[4]Lindsay D H， Campbell A. A chaos approach to bankruptcy prediction[J].Journal of Applied Business Research，1996，12(4):1～9

[5]Kiviluoto K， Bergius P. Exploring corporate bank-ruptcy with two-level self-organising map[A].Paper published in the Proceedings of the Fifth International Conference on Computational Finance[C].London Business School， Boston， Massachusetts，USA:Kluwer Academic Publishers，1998:373～380