企業(yè)財務危機預警應確立的指標體系

劉國風

摘要：財務危機的出現(xiàn)意味著企業(yè)基本面發(fā)生根本性變化，處理不當就會導致企業(yè)破產(chǎn)。因此，識別企業(yè)財務危機，并對其做出預警，不僅對企業(yè)經(jīng)營者及時采取措施化解危機具有重大的意義，而且對于投資者規(guī)避風險也有非常重要的價值。

關鍵詞：財務危機；預警；指標體系

中圖分類號：F276

文獻標識碼：B

一、引言

“財務危機”又稱財務困境，最嚴重的財務危機是企業(yè)破產(chǎn)。企業(yè)因財務危機最終導致破產(chǎn)實際上是一種違約行為，所以財務危機又可稱為“違約風險”。

關于財務危機的定義，目前尚無一個統(tǒng)一的說法。具有代表性的觀點有以下幾種：(1)Beaver(1966)將破產(chǎn)、拖欠優(yōu)先股股利、拖欠債務界定為財務危機。(2)Altman(1968)定義的財務危機是進入法定破產(chǎn)、被接管或者重整的企業(yè)。(3)Deakin(1972)則認為財務危機公司僅包括已經(jīng)經(jīng)歷破產(chǎn)、無力償債或為債權(quán)人利益而已經(jīng)進行清算的公司。(4)Carmichael(1972)認為財務危機是企業(yè)履行義務時受阻，具體表現(xiàn)為流動性不足、權(quán)益不足、債務拖欠及資金不足四種形式。(5)Wruck(1990)給出的財務危機的定義是企業(yè)現(xiàn)金流量不足以抵償現(xiàn)有債務的情況，這些債務包括應付未付款、訴訟費用、違約的利息和本金等。(6)Ross等人(1999；2000)則認為可從四個方面定義企業(yè)的財務危機：一是企業(yè)失敗，即企業(yè)清算后仍無力支付債權(quán)人的債務；二是法定破產(chǎn)，即企業(yè)和債權(quán)人向法院申請企業(yè)破產(chǎn)；三是技術(shù)破產(chǎn)，即企業(yè)無法按期履行債務合約付息還本；四是會計破產(chǎn)，即企業(yè)的賬面凈資產(chǎn)出現(xiàn)負數(shù)，資不抵債。(7)Lee(2004)認為可以從兩方面定義財務危機：一是未能償還到期借款的本息，借款期間有過延期還款和減少本息支付的協(xié)議；二是公司的凈資產(chǎn)減少到其股本的一半以下。

綜合上述各種定義可知，無論財務危機如何定義，企業(yè)發(fā)生財務危機都具有無力償還到期債務、現(xiàn)金流的緊張狀態(tài)可能使經(jīng)營無法持續(xù)的特點。財務危機的出現(xiàn)意味著企業(yè)基本面發(fā)生根本性變化，處理不當就會導致企業(yè)破產(chǎn)。因此，識別企業(yè)財務危機，并對其做出預警，不僅對企業(yè)經(jīng)營者及時采取措施化解危機具有重大的意義，而且對于投資者規(guī)避風險也有非常重要的價值。

二、文獻綜述

企業(yè)財務危機預警問題的研究很早就引起了各方面的關注，很多經(jīng)濟學家與財務專家都在這方面做了大量的工作，他們利用相應的財務變量構(gòu)造了一系列的預測模型，其中有代表性的研究成果可歸納為四類。

(一)單變量模型

單變量模型是運用單一變數(shù)、個別財務比率來預測財務危機的模型。最早的財務預警研究是Fitzpatrick(1932)的單變量破產(chǎn)預測研究。此后，William Beaver(1966)使用單變量為分析方法，采用成對抽樣法進行樣本配對，考察了29個財務比率在企業(yè)陷入財務困境前1-5年的預測能力。Beaver發(fā)現(xiàn) 在破產(chǎn)前一年的預測正確率可以達到87%，對于失敗企業(yè)是最具有預測能力的指標。國內(nèi)學者對單變量模型也作了較深入的研究，包括陳靜(1999)以1998年的27家ST公司和27家非ST公司，使用1995-1997年的財務報表數(shù)據(jù)，進行了單變量分析。吳世農(nóng)和盧賢義(2001)以70家ST公司和70家非ST公司，應用單變量分析法研究了在上市公司陷入財務危機前5年21個財務指標之間所存在的差異。

單變量模型的優(yōu)點是只需要觀測一個變量，應用比較簡單；但是，任何一個財務比率無法充分和全面地反映企業(yè)的財務特征，所以該方法在現(xiàn)今的研究中很少被單獨使用，一般都是與其他方法結(jié)合運用。

(二)多變量分析模型

多變量分析模型又可以分為多元回歸分析模型和多元判別分析模型。Edward Altman(1968)使用多變量分析法對企業(yè)財務危機進行研究。他以1946-1965年間33家破產(chǎn)的制造業(yè)企業(yè)為樣本，并配對33家正常企業(yè)，將22項財務比率分為流動性、獲利性、財務杠桿、償債能力和活動力五大類指數(shù)，利用多變量分析法建立了著名的Z-Score記分模型。Meyer和Pifer(1970)以1948-1965年間失敗的30家銀行與其相匹配的30家非失敗銀行為樣本，利用二元回歸分析法建立模型，并且用9對相匹配銀行組成的預測樣本對模型進行了驗證。此外，還有其他典型的判別分析模型，包括：Deakin模型、Blum模型、Casey模型和Taffler模型等等。國內(nèi)的相關研究主要有陳靜(1999)使用1995-1997年的財務數(shù)據(jù)，對27家ST公司和27家非ST公司進行的多元判別分析。張玲(2000)以120家公司為研究對象，使用其中60家公司的財務數(shù)據(jù)，通過多元判別法建立了財務危機預警模型。盧守林等(2002)以滬深兩市A股市場上所有上市公司1998-2000年的財務資料為依據(jù)，用多元判別分析法構(gòu)建的Z-Score模型。

多變量分析法彌補了單變量分析法的不足，具有較高的準確率和穩(wěn)定性，但是也存在著一些不足：第一，這種方法受到了統(tǒng)計假設的限制，只適用于自變量近似服從正態(tài)分布的情況，并且要求組內(nèi)的協(xié)方差矩陣相等，否則得到的預測結(jié)果可能是有偏的；第二，多元判別分析要求財務危機公司與正常公司之間一定要配對，而配對的標準具有較大的主觀性。

(三) 多元條件概率模型

多元條件概率模型是使用極大似然法對參數(shù)進行估計的一類概率模型，包括Logistic模型和Probit模型。Martin(1977)首次使用Logit模型預測公司的破產(chǎn)及違約概率。Ohlson(1980)從1970-1976年間在美國的上市公司之中排除公共事業(yè)、運輸公司、金融服務業(yè)，總共挑選出105家破產(chǎn)公司和2 058家正常公司為樣本，采用九個財務比率建立了Logit模型。Huffman & Ward(1996)運用Logit模型對1977-1991年間違約的171家企業(yè)的高收益?zhèn)M行了預測研究等。國內(nèi)的相關研究主要包括：吳世農(nóng)和盧賢義(2001)分別采用多元判別分析和 Logit回歸方法建立和估計了預警模型。劉旻(2001)使用1999年28家ST公司與另外28家正常公司陷入財務危機前3年的數(shù)據(jù)，通過Logit回歸方法建立了財務危機預警模型。姜秀華(2002)和齊治平(2002)利用Logit模型對我國上市公司進行信用風險分析。李萌(2005)以不良貸款率作為信用風險衡量標準，構(gòu)造商業(yè)銀行信用風險評估的Logit模型等。

多元條件概率模型的主要優(yōu)點是不需要自變量服從多元正態(tài)分布和組內(nèi)協(xié)方差矩陣相等的假設條件，但是要求因變量有邏輯含義，而且計算過程較為復雜，有很多近似處理。

(四)神經(jīng)網(wǎng)絡預警模型

神經(jīng)網(wǎng)絡，又稱人工神經(jīng)網(wǎng)絡(Artificial Neural Network，ANN)是一種從神經(jīng)心理學和認識科學的研究成果出發(fā)，應用數(shù)學方法發(fā)展起來的并行分布模式處理系統(tǒng)。常見的神經(jīng)網(wǎng)絡模型主要有：BP神經(jīng)網(wǎng)絡模型、MDA協(xié)助神經(jīng)網(wǎng)絡模型、ID3協(xié)助神經(jīng)網(wǎng)絡模型和SOFM協(xié)助神經(jīng)網(wǎng)絡模型。Odom和Sharda(1990)是將人工神經(jīng)網(wǎng)絡模型應用在破產(chǎn)預測模式中最具代表性的學者。Koh和Tan(1999)以1978-1985年間出現(xiàn)的165家破產(chǎn)公司為失敗樣本并以正常公司165家作為配對樣本，使用人工神經(jīng)網(wǎng)絡模型構(gòu)建了企業(yè)危機預警模型。在我國，王春峰(1998)、楊保安(2001)等學者也在此領域進行了深入的研究，楊保安通過對中信實業(yè)銀行的分析，選取了4大類共15個財務指標，運用BP神經(jīng)網(wǎng)絡方法建立了一個可供銀行用于授權(quán)評價的預警系統(tǒng)。臺灣的林文修(2000)選取1992-1996年在臺灣證交所上市企業(yè)中的36家失敗企業(yè)和64家正常企業(yè)，并區(qū)分為學習樣本73家與測試樣本27家，比較了多元判別分析、Logit模型、BP神經(jīng)網(wǎng)絡模型和演化式神經(jīng)網(wǎng)絡模型等四種方法的模型預測準確率。

神經(jīng)網(wǎng)絡預警模型的主要優(yōu)點是分析層次清晰且邏輯關系嚴密，并依據(jù)心理學理論加入了一主觀因素，從而有效地使客觀分析與主觀判斷相融合。它的缺點是規(guī)范分析特點明顯，不適宜做實證分析，分析模式缺乏靈活性，數(shù)據(jù)性假設條件過于苛刻。

三、財務危機預警的指標體系設計

導致企業(yè)發(fā)生財務危機的因素很多，且錯綜復雜，單變量模型與多變量模型僅能揭示影響關系與程度，變量的選擇會因分析人員偏好的不同而不同，其不僅缺乏統(tǒng)一的理論基礎，而且系統(tǒng)性往往較差，多元條件概率模型和神經(jīng)網(wǎng)絡預警模型雖然在分析技術(shù)上較為先進，且分析企圖試圖更精確，但它們在強調(diào)分析技術(shù)的同時，往往忽略了立論的基本依據(jù)，且在變量選擇中往往伴隨較明顯的盲目性。因此，作為完善多變量模型系統(tǒng)性功能，為多元條件概率模型和神經(jīng)網(wǎng)絡預警模型提供變量選擇的依據(jù)，利用相應的財務理論構(gòu)建企業(yè)財務危機預警指標體系就是研究企業(yè)財務危機的基礎之基礎。但從財務本身的角度去分析，財務危機形成的原因可以歸結(jié)為以下幾點：(1)公司經(jīng)營狀況不佳，導致營業(yè)收入無法穩(wěn)定增長，造成公司的連續(xù)虧損，使得財務危機發(fā)生的可能性增大；(2)過高的負債使公司面臨更大的財務危機。雖然公司本身有盈余，但是可能因為無法應付短期的龐大利息支出而造成破產(chǎn)倒閉；(3)現(xiàn)金流量發(fā)生持續(xù)性的凈流出，企業(yè)就像是流動性資產(chǎn)的儲水槽，若水槽中的流量變小(資產(chǎn)變少)，流入量減少(現(xiàn)金流入減少)，流出量增加(現(xiàn)金流出增加)，流入量與流出量之間的差量就會逐步增大，這樣會使公司出現(xiàn)財務危機的概率增加。

綜合引起財務危機的三個主要因素，可以對應用五個方面的財務指標來描述或預警財務危機，用經(jīng)營能力指標、成長能力指標和獲利能力指標來度量或反映企業(yè)的經(jīng)營狀況，用公司的償債能力指標來度量或反映企業(yè)的債務負擔，用現(xiàn)金流量指標來度量現(xiàn)金流。從預警的角度考慮，五個方面的財務指標可進一步細分為20個更具體的財務變量(見表1)，以此構(gòu)成財務危機預警的指標體系。

以深滬兩市A股中被ST的上市公司為實際考察對象，利用2006年1月1日-2007年12月31日深滬兩市A股中154家被ST的上市公司的數(shù)據(jù)。剔除由于以下幾種原因而被ST的上市公司：(1)上市兩年內(nèi)被特別處理的公司；(2)因自然災害、重大事故等意外事件而被特別處理的公司。經(jīng)過剔除后，本文選取的有效樣本變?yōu)?0家。根據(jù)研究期間一致、行業(yè)相同或相近、規(guī)模相當?shù)脑瓌t按1：1的比例選擇沒有被ST的上市公司作為配對樣本。由于我國上市公司年報披露制度規(guī)定上市公司公布其年報的截止日期為下一年的4月30日，上市公司(t-1) 年的年報和其在第t年是否被ST幾乎同時發(fā)生，因此，用(t-1)年的數(shù)據(jù)預測第t年是否被ST沒有實際意義。在本文中采用 (t-2)年的數(shù)據(jù)進行分析。

表6是財務危機公司和正常公司的成長能力指標在發(fā)生財務危機前2年的統(tǒng)計性描述，包括最大值、最小值、平均數(shù)、標準差和t值。

四、結(jié)論

根據(jù)上述經(jīng)驗值的計算結(jié)果可知，一般情況下，可以根據(jù)財務指標的實際值來判斷企業(yè)是否陷入財務危機，判斷的標準見表7。

依據(jù)表7的標準可以得出結(jié)論。即在發(fā)生財務危機的前2年，正常公司和危機公司在獲利能力、償債能力、經(jīng)營能力、現(xiàn)金流量和成長能力的20個指標中有15個指標在5%的置信水平下通過了t檢驗，也就是說正常公司和危機公司在上述15個財務指標的均值上存在著顯著性的差異。因此，只要發(fā)現(xiàn)企業(yè)對應財務指標變量的實際值有一個或多個落入預警區(qū)間，就必須引起我們高度的關注。

參考文獻：

[1] 劉紅霞.企業(yè)投資預警系統(tǒng)的構(gòu)建及其分析[J].投資研究，2003(9).

[2] 陳靜.上市公司財務惡化預測的實證研究[J].會計研究，1999(4).

[3] 吳世農(nóng)，盧賢義.我國上市公司財務困境的預測模型研究[J].經(jīng)濟研究，2001(6).

[4] 陳曉，陳治鴻.中國上市公司財務困境預測[J].中國會計與財務研究，2000(3).

[5] 李萌，李志輝.我國商業(yè)銀行信用風險識別模型及其實證研究[J].經(jīng)濟科學，2005(5).

[6] Altman.E..Prediction Financial Distress of Companies：Revisiting the Z-Score and ZETA Models，2000(7).

(責任編輯：石樹文)