上市公司財務(wù)風險的預警模型及指標體系研究

(中南林業(yè)科技大學商學院 湖南 長沙 410004)

一、國外關(guān)于財務(wù)風險預警模型的研究

目前研究的主流方向是通過建立財務(wù)預警模型，來判斷和區(qū)分破產(chǎn)企業(yè)和非破產(chǎn)企業(yè)或區(qū)分能夠?qū)崿F(xiàn)成功重組的破產(chǎn)企業(yè)和只能被清算的破產(chǎn)企業(yè)。而使用得最多的模型建立方法，則是多元線性判別分析方法和邏輯回歸方法。總體來說，這類模型的建立經(jīng)歷了三個發(fā)展階段：單變量模型階段、多變量模型階段、對數(shù)分析模型階段。

(一)單變量模型

60年代中期，Beaver(1966)改進了前人的單變量預警，他以美國1954到1964年，這十年之中資產(chǎn)相近的79家財務(wù)正常公司和79家財務(wù)狀況糟糕的公司作為研究樣本，同時選取了上市公司經(jīng)常用到的29個財務(wù)比率。最后發(fā)現(xiàn)，現(xiàn)金債務(wù)總額比率能夠最好的預測到上市公司的財務(wù)風險。

(二)多變量分析模型

在多變量財務(wù)風險預警方面，Ohlson(1980)開創(chuàng)了用Logistic回歸模型進行財務(wù)風險預警的研究，此后，Zavgren(1985)等人也應(yīng)用了相似的模型進行了研究。Pavlos Almanidis和Robin C.Sickles(2016)采用了混合風險模型作為預測商業(yè)銀行財務(wù)風險的工具，并取得了良好的預測效果。

(三)對數(shù)分析模型

這種方法在80年代和90年代初期開始代替上述多元線性模型并得到發(fā)展。對于企業(yè)會否出現(xiàn)財務(wù)失敗，多元線性模型得出的是一個分數(shù)值，而對數(shù)分析法則是提供一個可能性(百分比)，而且該分析法不像多元線性模型分析法——不要求數(shù)據(jù)顯示出基本的統(tǒng)計特征。Ahmad pour Kasgari(2013)認為破產(chǎn)預測模型是財務(wù)決策中最重要的問題。他運用邏輯回歸模型對非破產(chǎn)和破產(chǎn)公司的預測分別為87.9%和90.7%在破產(chǎn)前(兩者均為89.2%)：而運用BP神經(jīng)網(wǎng)絡(luò)對破產(chǎn)和非破產(chǎn)公司已經(jīng)預測了90.9%和90.7%，表明神經(jīng)網(wǎng)絡(luò)的預測精度高于邏輯回歸模型。

二、國內(nèi)財務(wù)風險預警模型的研究

在我國財務(wù)預警模型研究成果中，影響最廣的是周首華、楊濟華(1996)在《論財務(wù)危機的預警分析一F分數(shù)模式》一文中提出的新的財務(wù)預警模型——F分數(shù)模型。文章在指標選擇時融入現(xiàn)金流量概念，并通過不同的變量選擇和指標選擇方法，對Z分數(shù)模型進行改進。

目前，也有人根據(jù)國際上當前較先進的研究方法，如神經(jīng)網(wǎng)絡(luò)體系、期權(quán)定價理論、MTS方法等在財務(wù)預警方面的應(yīng)用，結(jié)合中國國情和市場實際情況，研究出新的財務(wù)預警模型。吳天(2016)收集整理第一次被警示告誡退出股票市場中小板上市公司前3年財務(wù)數(shù)據(jù)，以融入因子分析法的Logistic模型為財務(wù)風險預警模型，經(jīng)檢驗證實其預警效力良好。高惠芬等學者(2017)結(jié)合主成分分析法對中小板掛牌企業(yè)進行財務(wù)風險預警分析，將預警結(jié)果與當年樣本公司的營業(yè)收入和凈利潤進行對比，證明該方法能如實地預測財務(wù)動向。邢嬴文(2015)以財務(wù)風險和BP神經(jīng)網(wǎng)絡(luò)模型作為理論支撐，全面考慮22個財務(wù)指標和非財務(wù)指標，基于正態(tài)性檢驗、非參數(shù)檢驗及因子分析法，對電子元件行業(yè)財務(wù)風險預測時引用BP神經(jīng)網(wǎng)絡(luò)模型，結(jié)論證明財務(wù)狀態(tài)可被其正確預測。

三、預警指標體系的研究

(一)財務(wù)指標預警

黃世忠等(1986)提出最初理論模型。李芳宇(2013)以上市的16家商業(yè)銀行為樣本，參照CAMEL評級體系與《商業(yè)銀行監(jiān)管評級內(nèi)部指引》設(shè)置了預警指標，采用了支持向量機進行了危機預警研究。楊曉雨(2014)從資本充足、管理能力、盈利性、流動性與資產(chǎn)安全五維度構(gòu)建了上市商業(yè)銀行財務(wù)風險指標體系。

(二)非財務(wù)指標預警的研究

白智慧(2013)首選26個財務(wù)指標和14個非財務(wù)指標(董事會與總經(jīng)理品質(zhì)、企業(yè)多角化程度、管理與股權(quán)結(jié)構(gòu))，得出引入非財務(wù)指標可以提升危機預警準確度。張博(2014)以我國A股制造業(yè)上市公司為樣本，選取了財務(wù)指標和非財務(wù)指標(公司治理、審計信息)進行研究，發(fā)現(xiàn)引入非財務(wù)指標可以準確預警財務(wù)風險。劉玉敏(2016)將公司治理指標(國家股比例、高管持股比例、流通股比例)和經(jīng)濟增加值指標(EVA率、總資產(chǎn)EVA率、凈資產(chǎn)EVA率和銷售EVA率)引入到財務(wù)預警模型中，相較于只包含財務(wù)指標的預警模型而言，擴展預警指標體系后，模型預警效果得到明顯提高。顧曉安等(2018)以2012-2016年A股上市公司為樣本進行的實證研究表明：ST公司與正常經(jīng)營公司盈余管理行為存在顯著差異。

四、結(jié)論

第一，財務(wù)預警模型主要包括了以單變量預警模型、多變量預警模型、條件概率預警模型為代表的傳統(tǒng)統(tǒng)計類預警模型以及以神經(jīng)網(wǎng)絡(luò)為代表的非傳統(tǒng)類預警模型。近年來較多的研究都采用以神經(jīng)網(wǎng)絡(luò)為代表的非傳統(tǒng)方法進行財務(wù)預警模型的構(gòu)建，并獲得了較好的預測效果。

第二，將非財務(wù)指標引入財務(wù)預警模型在以往的研究中較少，主要還是以財務(wù)指標為輸入變量構(gòu)建財務(wù)預警模型。