上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究綜述

黃鐘億　鄒清明

摘要：隨著經(jīng)濟(jì)全球化與企業(yè)競(jìng)爭(zhēng)的加劇，評(píng)估財(cái)務(wù)風(fēng)險(xiǎn)、識(shí)別風(fēng)險(xiǎn)因子對(duì)企業(yè)發(fā)展的作用越來(lái)越重要。財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的基本方法有單變量分析、多元判別分析、線性回歸分析、邏輯回歸分析、比例模型、神經(jīng)網(wǎng)絡(luò)、生存分析等。本文綜述了近幾十年財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警理論研究發(fā)展的現(xiàn)狀，分析了各種方法的局限與不足，提出了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究的未來(lái)方向。

關(guān)鍵詞：財(cái)務(wù)風(fēng)險(xiǎn)；預(yù)警；上市公司

隨著經(jīng)濟(jì)的全球化，企業(yè)之間的競(jìng)爭(zhēng)日益加劇，企業(yè)正常發(fā)展所面臨的不確定性因素越來(lái)越多。因此，評(píng)估風(fēng)險(xiǎn)、識(shí)別風(fēng)險(xiǎn)因子，采取針對(duì)性的風(fēng)險(xiǎn)規(guī)避措施對(duì)企業(yè)正常發(fā)展非常關(guān)鍵。在企業(yè)風(fēng)險(xiǎn)管理中，財(cái)務(wù)風(fēng)險(xiǎn)管理是極其重要的一環(huán)，評(píng)估財(cái)務(wù)風(fēng)險(xiǎn)也成為企業(yè)管理與發(fā)展中需要關(guān)注的焦點(diǎn)，吸引了眾多理論與實(shí)際管理者的關(guān)注，提出了各種不同的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警方法。

一、財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的基本理論

由于企業(yè)經(jīng)濟(jì)活動(dòng)的不確定性，要準(zhǔn)確分析企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)，識(shí)別風(fēng)險(xiǎn)因子，離不開(kāi)基本的統(tǒng)計(jì)方法與工具。現(xiàn)代財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警主要利用統(tǒng)計(jì)方法進(jìn)行分析。

（一）單變量預(yù)警模型

受Fitzpatrick利用統(tǒng)計(jì)方法預(yù)測(cè)研究財(cái)務(wù)危機(jī)的啟發(fā)，威廉·比弗（William.Beaver） 提出了單變量預(yù)測(cè)模型。他對(duì)1954～1964年的79個(gè)失敗企業(yè)和相對(duì)應(yīng)（同行業(yè)，等規(guī)模）的79家成功企業(yè)進(jìn)行了比較研究，選用五個(gè)財(cái)務(wù)比率作為變量，將公司在財(cái)務(wù)失敗前數(shù)年的財(cái)務(wù)比率作為判別指標(biāo)進(jìn)行一元判定分析，通過(guò)研究發(fā)現(xiàn)現(xiàn)金流量與債務(wù)總額的比率和資產(chǎn)負(fù)債率判定公司的財(cái)務(wù)狀況的誤判率最低。陳靜以1998年的27家ST公司和27家非ST公司為樣本，使用了1995～1997年的財(cái)務(wù)報(bào)表數(shù)據(jù)，運(yùn)用單變量分析和多元判定分析公司財(cái)務(wù)風(fēng)險(xiǎn)。在單變量分析中，發(fā)現(xiàn)在資產(chǎn)負(fù)債率、流動(dòng)比率等四個(gè)指標(biāo)中，流動(dòng)比率與資產(chǎn)負(fù)債率的誤判率最低；在多元線性判定分析中，發(fā)現(xiàn)由資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、總資產(chǎn)報(bào)酬率等六個(gè)指標(biāo)構(gòu)建的模型在ST發(fā)生前的三年能較好地預(yù)測(cè)ST。

（二）多元線性判別分析

多元線性判定模型，又稱Z-Score模型，由Altman提出并研究的。他選取了1946～1965年的33家破產(chǎn)公司和33家非破產(chǎn)公司作為樣本，采用統(tǒng)計(jì)方法從22個(gè)財(cái)務(wù)比率中選取了五個(gè)變量，通過(guò)多元判別分析建立判別函數(shù)，以產(chǎn)生的分值作為依據(jù)進(jìn)行判斷。該模型對(duì)于破產(chǎn)前一年和前兩年的分類準(zhǔn)確度分別為95%和82%。之后，Altman、Haldeman和Narayannan將Z-SCORE模型進(jìn)行了擴(kuò)展，建立了ZETA模型。研究表明，ZETA模型提前五年就能有效地劃分將要破產(chǎn)的公司，通過(guò)研究同樣的樣本表明ZETA模型明顯優(yōu)于Z-SCORE模型。張玲采用Z計(jì)分判定法，使用了60家公司的財(cái)務(wù)數(shù)據(jù)進(jìn)行估計(jì)了二類線性判別分析，采用另外60家公司作為檢驗(yàn)樣本進(jìn)行檢驗(yàn)分析財(cái)務(wù)風(fēng)險(xiǎn)與識(shí)別風(fēng)險(xiǎn)因子。周守華、楊濟(jì)華拓展了多元判別分析方法，他們?cè)贏ltman的研究基礎(chǔ)上，將模型加以改進(jìn)，增加了反映企業(yè)現(xiàn)金流量能力的指標(biāo)，構(gòu)建了F分?jǐn)?shù)模型。陳曉對(duì)37家ST公司和37家非ST公司進(jìn)行配對(duì)，發(fā)現(xiàn)有四個(gè)比率對(duì)上市公司財(cái)務(wù)危機(jī)有著顯著的預(yù)測(cè)效應(yīng)。張鳴等運(yùn)用現(xiàn)金存量模型，結(jié)合前人研究的財(cái)務(wù)預(yù)測(cè)模型建立綜合預(yù)測(cè)模型，然后引入審計(jì)意見(jiàn)變量進(jìn)行修正。

（三）邏輯回歸模型

Logit模型是一種廣泛使用的處理分類變量的統(tǒng)計(jì)模型，這一模型建立在累計(jì)概率函數(shù)的基礎(chǔ)上，不需要自變量服從多元正態(tài)分布和兩組間協(xié)方差相等的條件。Ohlson將其首次用于財(cái)務(wù)風(fēng)險(xiǎn)管理，他以1970～1976年的105家破產(chǎn)公司和2058家非破產(chǎn)公司組成非配對(duì)樣本，以經(jīng)營(yíng)業(yè)績(jī)和資產(chǎn)流動(dòng)性等財(cái)務(wù)指標(biāo)變量建立Logit模型，該模型被稱為O-SCORE模型。吳世農(nóng)等對(duì)我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型問(wèn)題進(jìn)行了一次綜合性的研究，他們以1988～2000年深滬兩市上市的140家上市公司作為研究對(duì)象，構(gòu)建了Lojit回歸模型，并且得到的判別結(jié)果顯示該模型能夠準(zhǔn)確地判別92.75%的ST公司和94.29%的非ST公司，總體的正確率達(dá)到了93.53%。孫錚選取42家ST公司作為樣本，在分析13個(gè)變量的基礎(chǔ)上，運(yùn)用logit回歸給出了判別上市公司財(cái)務(wù)危機(jī)的模型。劉旻（2004）運(yùn)用Logit模型對(duì)我國(guó)上市公司是否被ST進(jìn)行了預(yù)警。

（四）多元概率比回歸模型

Probit模型和Logit模型的思路很相似，只是在具體的計(jì)算方法和假設(shè)前提上存在一定的差異，Logit采用取對(duì)數(shù)方法，而Probit采用積分的方法。Zmijewski首次將該模型用于財(cái)務(wù)風(fēng)險(xiǎn)分析。陳曉和陳怡鴻運(yùn)用多元概率比回歸模對(duì)我國(guó)上市公司型進(jìn)行了財(cái)務(wù)預(yù)警研究，識(shí)別了財(cái)務(wù)風(fēng)險(xiǎn)因子。

在財(cái)務(wù)風(fēng)險(xiǎn)研究中，前述四種分析方法是基本的方法，其他的諸如決策樹(shù)法、神經(jīng)網(wǎng)絡(luò)、混沌模型與雙層自組織映射模型可以看成是這些方法的拓展。這些方法都是參數(shù)模型，需要較強(qiáng)的參數(shù)假設(shè)，而且在實(shí)際使用時(shí)也存在許多不足。單變量模型主要圍繞統(tǒng)一的財(cái)務(wù)指標(biāo)數(shù)據(jù)展開(kāi)，缺乏全局系統(tǒng)的觀念；決策樹(shù)法結(jié)果易于解釋與使用，但預(yù)測(cè)能力不高、通用性差；神經(jīng)網(wǎng)絡(luò)結(jié)果難于解釋；混沌模型與雙層自組織映射模型要求樣本數(shù)據(jù)多，較少的時(shí)序數(shù)據(jù)預(yù)測(cè)精度低；判別分析、邏輯回歸雖然是使用廣泛的兩個(gè)模型，預(yù)測(cè)效果較好，有較強(qiáng)的解釋能力，但這些方法并沒(méi)有考慮公司特征與時(shí)間之間的關(guān)系，不能明確財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生的時(shí)間與演進(jìn)過(guò)程。生存分析模型考慮了風(fēng)險(xiǎn)與時(shí)間、影響因素的演進(jìn)關(guān)系，為財(cái)務(wù)預(yù)警理論研究提供了便利的研究方法。

二、財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的生存分析方法

財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的關(guān)鍵是要考察感興趣的事件——財(cái)務(wù)困境發(fā)生的可能性與影響因素如何隨時(shí)間變化，而生存分析研究的焦點(diǎn)就是感興趣事件在不同時(shí)間發(fā)生的風(fēng)險(xiǎn)及風(fēng)險(xiǎn)因素的影響。因此，生存分析方法可以應(yīng)用于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警。

生存分析的方法有很多種，應(yīng)用最為廣泛的是Cox回歸分析。Cox回歸分析是Cox（1972）提出來(lái)的，考慮到同樣性質(zhì)的事物生存與時(shí)間因素、自身因素相關(guān)，在觀察時(shí)間點(diǎn)上，事物有生存、有死亡，因而考察事物的生存得到的數(shù)據(jù)不可能是完備的觀察數(shù)據(jù)。Cox用一個(gè)刪失數(shù)據(jù)情況下的半?yún)?shù)回歸模型研究事物的生存風(fēng)險(xiǎn)。Cox回歸分析與一般的多元統(tǒng)計(jì)風(fēng)險(xiǎn)預(yù)警模型有較大的區(qū)別，它是半?yún)?shù)模型而且數(shù)據(jù)是刪失的，綜合利用了刪失與已發(fā)生事件的信息。Lane等利用Cox模型采用逐步回歸的方法選取變量，利用PHM和傳統(tǒng)的多元判別分析方法，預(yù)測(cè)比較了銀行在一年內(nèi)和兩年內(nèi)破產(chǎn)的概率。Laitinen和Luoman比較了Cox模型與判別分析、回歸分析在預(yù)測(cè)公司破產(chǎn)方面的表現(xiàn)，得出了Cox模型更靈活、更有效的結(jié)論；Kauffman和Wang利用Cox模型研究了影響網(wǎng)絡(luò)企業(yè)生存的因素；Parker將公司治理放入Cox模型研究了公司破產(chǎn)概率；Shumway在數(shù)學(xué)上證明了帶時(shí)變協(xié)變量的風(fēng)險(xiǎn)模型和多時(shí)期的LOGIT模型等價(jià)，運(yùn)用實(shí)際數(shù)據(jù)證明了風(fēng)險(xiǎn)模型的估計(jì)量是動(dòng)態(tài)而非靜止的，logit模型的估計(jì)量是有偏且非一致的，利用離散比例優(yōu)勢(shì)模型研究了企業(yè)的破產(chǎn)。De Leonardis 和Rocci利用脆弱離散比例優(yōu)勢(shì)模型研究了數(shù)據(jù)存在異方差時(shí)企業(yè)的破產(chǎn)風(fēng)險(xiǎn)。Chava和Jarrow（2004）將行業(yè)效率引入生存分析模型，證明了不同的行業(yè)對(duì)破產(chǎn)概率有顯著影響。Hyun Ju Noh（2005）將生存分析方法運(yùn)用到個(gè)人信用評(píng)估分析中，通過(guò)實(shí)證研究認(rèn)為生存分析模型比LOGISTIC模型更能有效降低第二類誤判率。Bellotti T 和 Crook J（2007）在生存分析模型中加入了利率和失業(yè)率等宏觀經(jīng)濟(jì)變量，證明了宏觀經(jīng)濟(jì)變量對(duì)個(gè)人信用風(fēng)險(xiǎn)評(píng)估有顯著影響，比較發(fā)現(xiàn)生存分析模型有很好的預(yù)測(cè)能力。而國(guó)內(nèi)利用生存分析方法預(yù)測(cè)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)也得到了關(guān)注，宋雪楓等（2006）利用Cox模型分析了信貸企業(yè)發(fā)生財(cái)務(wù)危機(jī)的概率及主要影響因素。馬超群、何文（2010）基于財(cái)務(wù)比率數(shù)據(jù)分析了Cox模型預(yù)測(cè)公司財(cái)務(wù)困境時(shí)點(diǎn)的判別能力與穩(wěn)定性。曹裕等（2011）利用生命表法研究了我國(guó)企業(yè)的生存問(wèn)題。

生存分析具有方法靈活、預(yù)測(cè)能力強(qiáng)、易于解釋的優(yōu)勢(shì)，且能了解風(fēng)險(xiǎn)演進(jìn)過(guò)程，受到了相當(dāng)?shù)年P(guān)注，目前主要是利用Cox模型進(jìn)行風(fēng)險(xiǎn)預(yù)警，而其他生存分析模型，如加速失敗模型、比例優(yōu)勢(shì)模型在預(yù)測(cè)中的應(yīng)用研究較少。Cox模型有兩個(gè)潛在的假設(shè)，即觀察個(gè)體獨(dú)立和協(xié)變量對(duì)感興趣事件的風(fēng)險(xiǎn)有一個(gè)對(duì)數(shù)線性效應(yīng)或個(gè)體風(fēng)險(xiǎn)比是一個(gè)常數(shù)，而風(fēng)險(xiǎn)比是常數(shù)這個(gè)假設(shè)有時(shí)是不成立的，因此在財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究中，研究Cox替代模型分析風(fēng)險(xiǎn)與影響因素隨時(shí)間變化的關(guān)系是有用的。

三、財(cái)務(wù)預(yù)警Cox生存分析方法的拓展

為了克服比例風(fēng)險(xiǎn)模型風(fēng)險(xiǎn)比是一個(gè)常數(shù)的局限，Bennett（1983）和Pettitt（1984）假定生存優(yōu)勢(shì)比（可以簡(jiǎn)單理解為事件成功與失敗的概率比）不再是一個(gè)常數(shù)，而是風(fēng)險(xiǎn)比隨著時(shí)間增加而趨向于1，這得到了比例優(yōu)勢(shì)模型。比例優(yōu)勢(shì)模型是一種重要的生存風(fēng)險(xiǎn)模型，本質(zhì)上是一種特殊的邏輯回歸模型，被廣泛運(yùn)用于醫(yī)藥、生物方面的研究，但很少用于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警，這可能是因?yàn)楸壤L(fēng)險(xiǎn)模型中的參數(shù)估計(jì)與變量選擇相對(duì)困難，現(xiàn)代統(tǒng)計(jì)方法的發(fā)展將有助于比例優(yōu)勢(shì)模型用于財(cái)務(wù)預(yù)警分析。

應(yīng)用Cox模型分析財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的過(guò)程中，大家普遍認(rèn)為觀察個(gè)體獨(dú)立和協(xié)變量對(duì)感興趣事件的風(fēng)險(xiǎn)有一個(gè)對(duì)數(shù)線性效應(yīng)，且回歸參數(shù)不隨時(shí)間變化，這與許多實(shí)際情況不符。我們可以利用變系數(shù)模型、單指標(biāo)模型、部分線性模型克服，同時(shí)可以達(dá)到減少樣本維數(shù)的目的。

在財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究中，考察的風(fēng)險(xiǎn)是全部樣本的均值回歸，均值回歸沒(méi)有考慮樣本的層次性，因此我們可以將均值回歸問(wèn)題拓展到分位數(shù)回歸，觀察不同財(cái)務(wù)水平的企業(yè)面臨風(fēng)險(xiǎn)的大小，識(shí)別影響因素。

當(dāng)然，在這些拓展的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型中，研究的焦點(diǎn)還是參數(shù)估計(jì)，也是實(shí)證運(yùn)用的重點(diǎn)，可以利用似然方法、貝葉斯方法和一些非參數(shù)、半?yún)?shù)的統(tǒng)計(jì)推斷技術(shù)。

本文總結(jié)了常用的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，在此基礎(chǔ)上提出了財(cái)務(wù)預(yù)警分析的一些拓展方向。鑒于比例優(yōu)勢(shì)模型的特點(diǎn)，可以相信，比例優(yōu)勢(shì)模型在研究財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警方面應(yīng)該是大有可為的，這也是我們今后研究的主題。

參考文獻(xiàn)：

[1]Beaver， W. Financial Ratios as Predictors of failure[J]. Journal of Accounting Research，1966（s）.

[2]陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析[J].會(huì)計(jì)研究，1999（04）.

[3]Altman， E. Financial Ratios， Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. Journal of Finance，1968（23）.

[4]AltmanEl，HaldemanRG，Narayanan P.ZETAanalysis：an of modelto identiey bankruptey risk of corporations.Journal of Banking&Finance， 1977（01）.

[5]張玲.財(cái)務(wù)危機(jī)預(yù)警分析判別模型[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2000（03）.

[6]周守華，楊濟(jì)華，王平.論財(cái)務(wù)危機(jī)的預(yù)警分析-F分?jǐn)?shù)模式[J].會(huì)計(jì)研究，1996（08）.

[7]陳曉.中國(guó)上市公司財(cái)務(wù)困境預(yù)測(cè)[J].中國(guó)會(huì)計(jì)與財(cái)務(wù)研究，2000（03）.

[8]張鳴，張艷.財(cái)務(wù)困境預(yù)測(cè)的實(shí)證研究與評(píng)述[J].財(cái)經(jīng)研究，2001（12）.

[9]Ohlson，J.S. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980（19）.

[10]吳世農(nóng)，盧賢義.我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究經(jīng)濟(jì)研究[J].經(jīng)濟(jì)研究，2001（06）.

[11]姜秀華，任強(qiáng)，孫錚.上市公司財(cái)務(wù)危機(jī)預(yù)警模型研究[J].預(yù)測(cè)，2002（03）.

[12]劉旻，羅慧.上市公司財(cái)務(wù)危機(jī)預(yù)警分析-基于數(shù)據(jù)挖掘的研究[J].數(shù)據(jù)統(tǒng)計(jì)與管理，2004（03）.

[13]ZmijewskiME.Methodologieal Is sues Related to the Estimation of Finaneial Distress Predietion Models[J].SuPPlement to Journal of Aeeounting Researeh，1983 （22）.

[14]陳曉，陳治鴻.企業(yè)財(cái)務(wù)困境研究的理論、方法及應(yīng)用[J].投資研究，2000（06）.

[15]Lane W.R.， Looney，S.W.， Wansley J.W. An application of Coc proportional hazards model to bank failure[J].Journal of Banking and Finance， 1986（10）.

[16]Luoma， M.， Laitinen， E. K. Survival analysis as a tool for company failure prediction[J].OMEGA International Journal of Management Science， 1991（06）.

[17]Kauffman，wang.A.Semiparametric cox and Bayesian survival analysis Working PaPer[D].University of CaliforniaatLA，2004.

[18]Park，Peters，Turesky.Corporategovemance and corporate failure：A survival[J].Corporate Govemance，2002（02）.

[19]Shumway T. Forecasting bankruptcy more accurately： A simple hazard rate model[J].Journal of Business， 2001（74）.

[20]Chava5.R.Jarrow.BankruPtey Predietion withIndustry Effeets[J].Reviewof Finanee，2004（08）.

[21]HyunJu，Noh，TaeHyuPRoh，IngooHan.Prognostie Personal ereditrisk model Eonsideringe ensored information[J].ExPert Systems with APPlieations，2005（28）.

[22]Tony Bellotti，Jonathan Crook.Credit Seoring with Maeroeeonomic Variables[DB/OL].httP：//fic.wharton.uPenn.edu/fie/PaPers/07/0715.Pdf，2007.

[23]宋雪楓，楊朝軍，徐任軍.商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估的生存分析模型及實(shí)證研究[J].金融論壇，2006（11）.

[24]馬超群，何文.基于Cox的財(cái)務(wù)困境時(shí)點(diǎn)預(yù)測(cè)模型研究[J].統(tǒng)計(jì)與決策，2011（21）.

[25]曹裕，陳曉紅，萬(wàn)光羽.基于生命表方法的我國(guó)企業(yè)生存問(wèn)題-以湖南省企業(yè)樣本為例的實(shí)證研究[J].系統(tǒng)管理學(xué)報(bào)，2011（01）.

（作者單位：南華大學(xué)）