基于現(xiàn)金流量指標(biāo)的財(cái)務(wù)危機(jī)預(yù)警研究綜述

【摘 要】隨著全球經(jīng)濟(jì)一體化節(jié)奏的加快，企業(yè)在迎接機(jī)遇的同時(shí)，也面臨著越來越激烈的市場競爭。財(cái)務(wù)風(fēng)險(xiǎn)無時(shí)不在、無處不在，美國次貸危機(jī)所引發(fā)的全球金融危機(jī)給中國帶來了很大的危害，許多企業(yè)深陷財(cái)務(wù)危機(jī)甚至宣告破產(chǎn)。在嚴(yán)酷的現(xiàn)實(shí)面前人們清醒的意識到建立一個(gè)有效財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)是企業(yè)生存發(fā)展的必要保障。陷入財(cái)務(wù)危機(jī)的企業(yè)都有一個(gè)共同的特征，那就是現(xiàn)金流量運(yùn)行狀況與正常企業(yè)存在著很大的差異，這在一定程度上能夠說明現(xiàn)金流量指標(biāo)與財(cái)務(wù)危機(jī)之間存在著某種特殊的聯(lián)系。文章將國內(nèi)外學(xué)者關(guān)于財(cái)務(wù)危機(jī)預(yù)警的研究及基于現(xiàn)金流量的財(cái)務(wù)危機(jī)預(yù)警研究進(jìn)行綜述和簡評，以期給企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究提供一些有益的啟示。

【關(guān)鍵詞】財(cái)務(wù)風(fēng)險(xiǎn)；財(cái)務(wù)危機(jī)預(yù)警；現(xiàn)金流量

一、國內(nèi)外學(xué)者對于財(cái)務(wù)危機(jī)預(yù)警的研究

1．國外學(xué)者對于財(cái)務(wù)危機(jī)預(yù)警的研究。在國外，財(cái)務(wù)危機(jī)預(yù)警的研究過程經(jīng)歷了從單變量分析到多變量分析，從判別分析到回歸分析，從單純的統(tǒng)計(jì)類方法向非統(tǒng)計(jì)類方法擴(kuò)展，從運(yùn)用單一模型進(jìn)行預(yù)警到運(yùn)用混合模型預(yù)警的演進(jìn)。在這個(gè)演進(jìn)過程中，預(yù)警體系設(shè)計(jì)的越來越縝密，預(yù)警方法變得越來越科學(xué)，預(yù)警越來越有針對性。（1）單變量分析。FitzPatrick（1932）最早使用單變量模型進(jìn)行財(cái)務(wù)危機(jī)預(yù)測研究，他選取了19家企業(yè)為樣本，運(yùn)用單個(gè)財(cái)務(wù)比率將樣本劃分為破產(chǎn)與非破產(chǎn)兩組，發(fā)現(xiàn)判別能力最高的兩個(gè)比率是“凈利潤/股東權(quán)益”和“股東權(quán)益/負(fù)債”，而且在企業(yè)經(jīng)營失敗的前三年這些比率就呈現(xiàn)出了顯著的差異。由此，他認(rèn)為財(cái)務(wù)比率能夠較準(zhǔn)確的反應(yīng)企業(yè)財(cái)務(wù)狀況并且對企業(yè)的未來具有預(yù)測作用。（2）多元線形判別分析。首次將多元線性判別分析方法引入財(cái)務(wù)危機(jī)預(yù)測領(lǐng)域的學(xué)者是Edward Altman（1968）。他選取了5個(gè)財(cái)務(wù)指標(biāo)對1946至1965年間提出破產(chǎn)申請的33家公司和同等數(shù)量的非破產(chǎn)公司進(jìn)行了研究，通過多元判別分析的方法得到了Z-score 模型。Z模型開啟了財(cái)務(wù)危機(jī)預(yù)警研究由單變量分析轉(zhuǎn)向多變量分析的新時(shí)代。1977年Altman、Haldeman和Narayanan對原始的Z-score模型進(jìn)行擴(kuò)展，提出了ZETA模型，這中模型比Z評分模型更能準(zhǔn)確預(yù)測公司是否出現(xiàn)財(cái)務(wù)危機(jī)。（3）多元回歸分析。Martin（1977）引用Logistic回歸分析法建立企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型，他篩選了1969年至1974年間約5700家美聯(lián)儲成員銀行中界定出的58家財(cái)務(wù)危機(jī)銀行，以此為樣本，從25個(gè)財(cái)務(wù)指標(biāo)之中選取了總資產(chǎn)凈利潤率等8個(gè)變量，構(gòu)建邏輯回歸模型預(yù)測兩年后銀行可能破產(chǎn)的概率。研究結(jié)果表明凈利潤/總資產(chǎn)、費(fèi)用/營業(yè)收入等6個(gè)財(cái)務(wù)比率具有顯著的預(yù)測能力。他又在Z模型、ZETA模型、Logit模型之間進(jìn)行比較研究，發(fā)現(xiàn)Logit模型預(yù)測效果優(yōu)于其他兩個(gè)模型。Ohlson（1980）分別使用多元邏輯回歸方法和多元條件概率模型兩種方法分析了1970年至1976年間105家破產(chǎn)公司和2058家非破產(chǎn)公司組成的非配對樣本，分析了樣本公司在破產(chǎn)概率區(qū)間上的分布以及兩類錯(cuò)誤和劃分點(diǎn)之間的關(guān)系，發(fā)現(xiàn)公司規(guī)模、資本結(jié)構(gòu)、經(jīng)營業(yè)績和短期流動性這四個(gè)變量對于財(cái)務(wù)危機(jī)的預(yù)測效果較好。（4）人工神經(jīng)網(wǎng)絡(luò)模型。Odom和Sharda（1990）開拓了用人工神經(jīng)網(wǎng)絡(luò)預(yù)測公司財(cái)務(wù)危機(jī)的新方法。他們選取1975年至1982年間65家失敗公司與65家正常公司為樣本，并將樣本分為訓(xùn)練樣本與測試樣本兩組，以Altman Z-score模型中所構(gòu)建的五個(gè)財(cái)務(wù)比率作為研究變量， 使用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建模型。研究結(jié)果顯示人工神經(jīng)網(wǎng)絡(luò)具有較好的預(yù)測能力。Tam和Kiang以1985至1987年美國得克薩斯州118家銀行（其中有59家破產(chǎn)，59家沒有破產(chǎn)）為研究對象，在分別應(yīng)用多元判別分析法、Logit回歸法和神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行建模分析之后，得出的結(jié)果表明神經(jīng)網(wǎng)絡(luò)技術(shù)的預(yù)測精度要高于其他方法。（5）混合模式。McGurr和DeVaney（1998）的實(shí)證研究表明，混合模型與其中包括的單個(gè)模型相比，預(yù)測更加準(zhǔn)確。FengYuLin和SanyMcClean（2001）以四種獨(dú)立的財(cái)務(wù)危機(jī)預(yù)警研究方法——判別分析法、Logit回歸法、神經(jīng)網(wǎng)絡(luò)法及決策樹法為基礎(chǔ)，將這四種方法進(jìn)行不同的組合，建立了三種混合模式，再對這些方法進(jìn)行實(shí)證研究，研究結(jié)果表明，同等條件下，混合模式明顯優(yōu)于單個(gè)方法模式。

2．國內(nèi)學(xué)者對于財(cái)務(wù)危機(jī)預(yù)警的研究。我國對于財(cái)務(wù)危機(jī)預(yù)警的實(shí)證研究起步相對較晚，而且主要是借鑒國外學(xué)者的研究成果，利用我國的數(shù)據(jù)來構(gòu)建類似的模型。陳靜（1999）選取1995年至1997年間27家ST公司和27家非ST公司作為樣本，分別進(jìn)行了單變量分析和多元線性判定分析，并對這兩種方法進(jìn)行了比較。研究發(fā)現(xiàn)，在單變量分析中，資產(chǎn)負(fù)債率、總資產(chǎn)收益率、流動比率、凈資產(chǎn)收益率4項(xiàng)財(cái)務(wù)指標(biāo)的預(yù)測能力較強(qiáng)，資產(chǎn)負(fù)債率和流動比率在宣布ST前一年的誤判率最低，而在宣布ST前三年時(shí)，總資產(chǎn)收益率和流動比率的誤判率較低。在多元線性判定分析中，由負(fù)債比率、總資產(chǎn)收益率以及流動比率等六個(gè)指標(biāo)構(gòu)建的模型，在公司發(fā)生財(cái)務(wù)危機(jī)的前三年有著較強(qiáng)的預(yù)測能力。楊保安、季海等（2001）在進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究中首次采用人工神經(jīng)網(wǎng)絡(luò)方法來分析財(cái)務(wù)危機(jī)預(yù)警應(yīng)用中存在的問題。應(yīng)用人工神經(jīng)網(wǎng)絡(luò)方法預(yù)測財(cái)務(wù)危機(jī)的準(zhǔn)確率較高，但作者沒有具體建立預(yù)警模型，只是采用財(cái)務(wù)指標(biāo)進(jìn)行示范性設(shè)計(jì)和檢驗(yàn)。劉曼、羅惠（2004）選取了1999年至2001年73家ST公司和同等數(shù)量的非ST公司作為訓(xùn)練樣本，2002年ST公司和非ST公司各43家作為檢驗(yàn)樣本，采用判別分析、Logit回歸和人工神經(jīng)網(wǎng)絡(luò)這三種方法對在財(cái)務(wù)危機(jī)出現(xiàn)前2年內(nèi)的15個(gè)財(cái)務(wù)指標(biāo)進(jìn)行數(shù)據(jù)分析，結(jié)果發(fā)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)預(yù)測的效果在三者中最優(yōu)。最后，將這三種方法進(jìn)行優(yōu)勢互補(bǔ)，建立起一種預(yù)測準(zhǔn)確率高于每種單一方法的混合型。張玲、劉翠屏、楊少華（2007）從分行業(yè)的角度進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究，他們選擇了三個(gè)行業(yè)——機(jī)械設(shè)備儀表、石油化學(xué)塑料塑膠業(yè)和金屬非金屬為研究對象。分別以行業(yè)中1998年至2007年間首次被ST的公司作為樣本，建立起分行業(yè)的財(cái)務(wù)危機(jī)預(yù)警模型。張樂（2009）采用貝葉斯判別法，以140家上市公司為樣本，構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型。經(jīng)檢驗(yàn)，該方法的預(yù)測的效果很好，準(zhǔn)確率達(dá)到85.7％。

3．國內(nèi)外財(cái)務(wù)危機(jī)預(yù)警的研究評價(jià)。在整個(gè)社會的大環(huán)境中，引發(fā)企業(yè)財(cái)務(wù)危機(jī)的原因是多種多樣的，如經(jīng)濟(jì)發(fā)展水平，法律政策等。眾多研究者在選擇預(yù)警指標(biāo)時(shí)往往基于風(fēng)險(xiǎn)理論，財(cái)務(wù)理論和管理理論，有時(shí)甚至取決于自身的判斷。這就導(dǎo)致了構(gòu)建的各種財(cái)務(wù)危機(jī)預(yù)警模型所得到的預(yù)警結(jié)論不一致，甚至相互沖突的結(jié)果。在目前的研究中，還沒有找到一個(gè)公認(rèn)的理論來詳盡的說明財(cái)務(wù)危機(jī)的成因。為此，國內(nèi)外學(xué)者還在努力探索中。

二、國內(nèi)外學(xué)者對于基于現(xiàn)金流量的財(cái)務(wù)危機(jī)預(yù)警的研究

1.國外學(xué)者對于基于現(xiàn)金流量的財(cái)務(wù)危機(jī)預(yù)警的研究。William Beaver(1966)最早將現(xiàn)金流量指標(biāo)引入財(cái)務(wù)危機(jī)預(yù)警領(lǐng)域，他選取了1954年至1964年間79家失敗公司和根據(jù)行業(yè)和公司資產(chǎn)規(guī)模配比的79家正常公司作為樣本，篩選30個(gè)財(cái)務(wù)指標(biāo)（其中包括4個(gè)現(xiàn)金流量指標(biāo)）進(jìn)行研究，結(jié)果表明：現(xiàn)金流量/負(fù)債總額這一指標(biāo)對財(cái)務(wù)危機(jī)預(yù)測的準(zhǔn)確率最高。Gentry、Newbold和Whitford（1985）認(rèn)為，股利資金流量在logit預(yù)測模型中能顯著區(qū)分財(cái)務(wù)危機(jī)企業(yè)與非財(cái)務(wù)危機(jī)企業(yè)。在Gentry、Newbold和Whitford研究基礎(chǔ)之上，Aziz、Emanuel和Lawson（1988）建立了運(yùn)用現(xiàn)金流量預(yù)測財(cái)務(wù)危機(jī)的模型。他們選取了49家破產(chǎn)公司和49家非破產(chǎn)公司作為樣本，運(yùn)用經(jīng)營性現(xiàn)金流、現(xiàn)金稅收、流動賬款科目變動、凈資本投資、股東現(xiàn)金流以及貸款人現(xiàn)金流等財(cái)務(wù)指標(biāo)進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究，結(jié)果發(fā)現(xiàn)在公司破產(chǎn)前5年內(nèi)兩類公司的現(xiàn)金支付的所得稅均值和經(jīng)營現(xiàn)金流量均值均具有顯著的差異。1989年，他們又將Z模型、現(xiàn)金流量模型、ZETA模型預(yù)測公司發(fā)生財(cái)務(wù)危機(jī)的準(zhǔn)確率進(jìn)行比較，結(jié)果發(fā)現(xiàn)現(xiàn)金流量模型預(yù)測的準(zhǔn)確率最高。Mossman，Bell，Swartz和Turtle（1998）選取了1980年至1991年間的數(shù)據(jù)，將四種破產(chǎn)預(yù)測模型進(jìn)行了比較，這些模型分別基于現(xiàn)金流、財(cái)務(wù)比率、股價(jià)收益率以及收益率標(biāo)準(zhǔn)差。研究結(jié)果發(fā)現(xiàn)，就單個(gè)模型而言，現(xiàn)金流模型能在破產(chǎn)前兩年和前三年成功預(yù)測多數(shù)破產(chǎn)案例，并且具有較高的預(yù)測精度。由此可見，國外關(guān)于現(xiàn)金流量財(cái)務(wù)危機(jī)預(yù)警的研究較早且比較成功。國外的現(xiàn)金流量財(cái)務(wù)預(yù)警研究以實(shí)證為主，但在財(cái)務(wù)預(yù)警原理和構(gòu)建現(xiàn)金流量財(cái)務(wù)預(yù)警系統(tǒng)方面的研究并不是很多。

2．國內(nèi)學(xué)者對于基于現(xiàn)金流量的財(cái)務(wù)危機(jī)預(yù)警的研究。

我國對現(xiàn)金流量的財(cái)務(wù)危機(jī)預(yù)警研究起步較晚。國內(nèi)關(guān)于現(xiàn)金流量指標(biāo)財(cái)務(wù)預(yù)警的研究主要如下：姜守志，林淑輝（2000）認(rèn)為，與傳統(tǒng)的財(cái)務(wù)指標(biāo)相比，現(xiàn)金流量更能真實(shí)的反應(yīng)公司的財(cái)務(wù)狀況，因?yàn)樗灰资軙?jì)政策、會計(jì)估計(jì)的影響。因此他們建議運(yùn)用現(xiàn)金流入流出結(jié)構(gòu)比來分析評價(jià)財(cái)務(wù)風(fēng)險(xiǎn)。黃鶴、李風(fēng)吟（2003）以1999年上市公司可公開獲得的財(cái)務(wù)數(shù)據(jù)為基礎(chǔ)，采用因子分析法構(gòu)建出一個(gè)基于現(xiàn)金流量的財(cái)務(wù)危機(jī)預(yù)測模型，該模型能夠以1999年上市公司財(cái)務(wù)數(shù)據(jù)為基礎(chǔ)預(yù)測在2001年將會被ST的上市公司。研究結(jié)果表明預(yù)測的準(zhǔn)確率高達(dá)80％。章之旺（2004）選取了2003年至2004年間60家財(cái)務(wù)危機(jī)公司和120家非財(cái)務(wù)危機(jī)公司為樣本，分別運(yùn)用單變量分析和多元邏輯回歸模型分析來檢驗(yàn)現(xiàn)金流量信息在財(cái)務(wù)危機(jī)預(yù)測中的作用。研究結(jié)果表明：在上市公司陷入財(cái)務(wù)危機(jī)的前一年，經(jīng)營性現(xiàn)金流量的相對信息含量僅次于資產(chǎn)周轉(zhuǎn)率和資產(chǎn)報(bào)酬率，其預(yù)測效果比應(yīng)計(jì)制下的財(cái)務(wù)指標(biāo)好；在發(fā)生財(cái)務(wù)危機(jī)的前一年和前兩年，現(xiàn)金流量指標(biāo)在傳統(tǒng)財(cái)務(wù)指標(biāo)的基礎(chǔ)上均具有顯著的增量信息含量。張鳴、程濤（2005）首先運(yùn)用Logit回歸方法，從財(cái)務(wù)指標(biāo)角度構(gòu)建預(yù)警模型，然后引入現(xiàn)金管理結(jié)果變量和現(xiàn)金管理特征變量來共同構(gòu)建綜合預(yù)警模型。研究發(fā)現(xiàn)，引入現(xiàn)金流量指標(biāo)以后的模型具有更好的預(yù)測效果。耿照源，張莉莉（2009）在現(xiàn)金流量的基礎(chǔ)上通過顯著性差異t檢驗(yàn)構(gòu)建財(cái)務(wù)預(yù)警指標(biāo)，運(yùn)用多元逐步回歸方法建立財(cái)務(wù)危機(jī)預(yù)警模型，結(jié)果表明，采用現(xiàn)金流量指標(biāo)對上市公司財(cái)務(wù)危機(jī)預(yù)警較為有效。

3．現(xiàn)金流量財(cái)務(wù)危機(jī)預(yù)警模型存在的局限性。第一，樣本數(shù)據(jù)選取的局限性。在研究中使用的數(shù)據(jù)是上市公司公開的財(cái)務(wù)數(shù)據(jù)，然而目前上市公司會計(jì)信息舞弊現(xiàn)象依然存在而且進(jìn)行研究時(shí)所選取的樣本數(shù)據(jù)時(shí)間跨度較短，研究結(jié)論可能會存在誤差。第二，指標(biāo)選取的局限性。一般來說，指標(biāo)選取具有一定的主觀性，缺乏規(guī)范性理論的支持。第三，模型的局限性?，F(xiàn)實(shí)中的數(shù)據(jù)不一定能夠滿足模型本身對樣本數(shù)據(jù)的假設(shè)。例如，多元判別模型要求樣本數(shù)據(jù)服從正態(tài)分布，而在現(xiàn)實(shí)中，只能近似地處理，認(rèn)為其符合這一假設(shè)條件。這樣可能會對模型的精度有所影響。

參 考 文 獻(xiàn)

[1]秦超，王運(yùn)陳.企業(yè)財(cái)務(wù)預(yù)警國內(nèi)外研究評述[J].中國管理信息化.2009（5）

[2]邵希娟，曾?；?我國上市公司的財(cái)務(wù)困境預(yù)警模型研究[J].經(jīng)濟(jì)管理.2009（9）

[3]王鳳蘭.現(xiàn)金流視角下的財(cái)務(wù)危機(jī)預(yù)警體系的構(gòu)建.內(nèi)蒙古財(cái)經(jīng)學(xué)院學(xué)報(bào).2010（4）