關(guān)于國內(nèi)外財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的文獻(xiàn)綜述

李秀雷

企業(yè)為了及時(shí)有效地識別和防范財(cái)務(wù)風(fēng)險(xiǎn)隱患，實(shí)現(xiàn)了持續(xù)健康發(fā)展的目標(biāo)，建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。然而，現(xiàn)有的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型往往效率低下，存在缺陷。首先分析了國內(nèi)外財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，其次分析了模型的局限性，最后對研究財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型提出了合理化建議。

一、國外財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究綜述

1.國外財(cái)務(wù)風(fēng)險(xiǎn)研究現(xiàn)狀。國外學(xué)者通常通過財(cái)務(wù)危機(jī)定義財(cái)務(wù)風(fēng)險(xiǎn)。Beaver持有這種看法：如果一家公司面臨破產(chǎn)，或者存在未支付優(yōu)先股息和無法償還債務(wù)的現(xiàn)象，那么它可以被視為面臨財(cái)務(wù)危機(jī)。Ross等人指出了破產(chǎn)的四個內(nèi)涵：技術(shù)、企業(yè)、會計(jì)、法律破產(chǎn)。并認(rèn)為從危機(jī)預(yù)防的角度來看，財(cái)務(wù)危機(jī)是指技術(shù)破產(chǎn)。C.Van Home等財(cái)務(wù)風(fēng)險(xiǎn)的定義更為廣泛，而財(cái)務(wù)風(fēng)險(xiǎn)由兩個組成部分，即使用財(cái)務(wù)杠桿引發(fā)每股收益變動和失去償付能力的風(fēng)險(xiǎn)。

2.財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究現(xiàn)狀。①單變量判別模型。Fitzpatrick是最早探索財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的學(xué)者之一。他以19家公司為樣本，他建立一個單變量判別模型來探索財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警問題，通過對破產(chǎn)和經(jīng)營正常企業(yè)財(cái)務(wù)比率的對比分析，得出產(chǎn)權(quán)比率和凈資產(chǎn)收益率兩個指標(biāo)對財(cái)務(wù)風(fēng)險(xiǎn)具有較高的預(yù)警精度。芝加哥大學(xué)教授Beaver開發(fā)了一個基于Fitzpatrick的單變量預(yù)警模型，以1954-1966年158家破產(chǎn)企業(yè)與正常企業(yè)的財(cái)務(wù)關(guān)系為研究對象，得出凈利潤/總資產(chǎn)指標(biāo)和凈現(xiàn)金流量/總負(fù)債指標(biāo)在財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測方面更為準(zhǔn)確。②多變量判別模型。Altman是將多變量判別模型應(yīng)用于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警領(lǐng)域研究的首位開拓者。他提出的Z-Score模型是國外影響最大的多元線性判別模型。從1946年至1965年期間66家有問題和經(jīng)營中的公司中隨機(jī)抽取一個樣本，它從22個提供最佳預(yù)警的備選財(cái)務(wù)比率的范圍內(nèi)選擇了5個，并建立了一個五變量判別模型來計(jì)算Z值，并根據(jù)Z值的大小確定公司破產(chǎn)或失敗的概率。結(jié)果表明，Z評分模型的預(yù)測精度遠(yuǎn)高于單變量模型，但Z評分模型僅適用于短期預(yù)測，長期預(yù)警精度較差。在接下來的幾年里，Altman等分別選擇了53家和58家破產(chǎn)公司以及58家正常公司，并在五個變量Z-score5中添加了兩個財(cái)務(wù)指標(biāo)，因?yàn)榉巧鲜泄緹o法估計(jì)股票的市場價(jià)格狀況。建立一個七變量ZETA模型。P’Wu建立了多變量判別預(yù)警模型，在傳統(tǒng)財(cái)務(wù)風(fēng)險(xiǎn)與收益管理和相關(guān)分析的基礎(chǔ)上提出了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的必要性，并構(gòu)建了多元線性預(yù)警模型多樣性驗(yàn)證了線性預(yù)警模型的有效性，目前已有較好的驗(yàn)證性預(yù)警模型。③邏輯回歸模型。由于單元和多元判別預(yù)警模型都無法準(zhǔn)確測算企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的概率，多元邏輯回歸模型逐漸成為1970年代時(shí)期研究者探究預(yù)警財(cái)務(wù)風(fēng)險(xiǎn)的最普遍模型。Martin是將Logistic回歸模型運(yùn)用到財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的首位開拓者。研究結(jié)果發(fā)現(xiàn)，在樣本正態(tài)，變量獨(dú)立且非等均值的狀態(tài)下，多元判定模型僅僅是Logistic回歸模型的特殊情況。Ciarlone等將現(xiàn)有的預(yù)警模型和宏觀經(jīng)濟(jì)學(xué)理論結(jié)合，構(gòu)建了實(shí)證有效且規(guī)則簡單的邏輯風(fēng)險(xiǎn)預(yù)警模型。Matthieu等創(chuàng)新性地將二元離散方法融入Logistic回歸模型中，并基于32家處于財(cái)務(wù)危機(jī)中的公司的財(cái)務(wù)數(shù)據(jù)，他們建立并劃分了Logistic回歸預(yù)警模型。經(jīng)過檢驗(yàn)對企業(yè)的潛在危機(jī)有較高預(yù)測精度。④神經(jīng)網(wǎng)絡(luò)模型。Clarence Tam通過Coats等的研究基礎(chǔ)上。對94家破產(chǎn)企業(yè)和188家正常企業(yè)的財(cái)務(wù)數(shù)據(jù)進(jìn)行分析，結(jié)果表明，神經(jīng)網(wǎng)絡(luò)模型對財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警具有較高的精度。George根據(jù)醫(yī)藥行業(yè)的特點(diǎn)，運(yùn)用人工神經(jīng)網(wǎng)絡(luò)理論，建立了醫(yī)藥企業(yè)現(xiàn)金流預(yù)警模型，并對樣本數(shù)據(jù)進(jìn)行了同行分析，研究結(jié)果表明，預(yù)警模型精度與公司距離ST時(shí)間的長短呈現(xiàn)負(fù)相關(guān)。

綜上所述，國外財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究主要集中于構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。研究成果比較成熟，在實(shí)踐中得到了廣泛的應(yīng)用，財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警成為企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)研究的一個重要領(lǐng)域。

二、國內(nèi)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究綜述

國內(nèi)大部分的財(cái)務(wù)預(yù)警研究都是借鑒國外研究經(jīng)驗(yàn)建立模型的，我國的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究開始于1990年代，風(fēng)險(xiǎn)預(yù)警進(jìn)行了單個變量變?yōu)槎鄠€變量到復(fù)雜模型多個階段。隨著我國經(jīng)濟(jì)的增長，國內(nèi)研究者對公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的研究也在不斷深入。通過結(jié)合各個行業(yè)的特點(diǎn)，結(jié)合定量和定性分析，建立與社會主義經(jīng)濟(jì)相適應(yīng)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。

1.財(cái)務(wù)風(fēng)險(xiǎn)理論研究。劉恩祿等較早且全面地對財(cái)務(wù)風(fēng)險(xiǎn)的概念界定，財(cái)務(wù)風(fēng)險(xiǎn)通常是指在企業(yè)的生產(chǎn)、采購、銷售等一系列生產(chǎn)經(jīng)營活動中，企業(yè)由于被內(nèi)外部環(huán)境影響和各種事前難以控制和預(yù)料的不確定性因素以間接和無形方式的作用和改變，實(shí)際收益在特定的時(shí)間段內(nèi)與預(yù)計(jì)的預(yù)期收益產(chǎn)生一定的偏差給利益相關(guān)者造成損失的可能性。張影認(rèn)為餐飲業(yè)主要需要應(yīng)對的財(cái)務(wù)風(fēng)險(xiǎn)包括籌資、投資、營運(yùn)三個維度，并從餐飲企業(yè)自身及其面臨的宏觀環(huán)境中客觀分析了產(chǎn)生財(cái)務(wù)風(fēng)險(xiǎn)的原因。

2.財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究。①單變量判別模型。吳世農(nóng)等在《中國經(jīng)濟(jì)問題》發(fā)表文章，對公司破產(chǎn)分析的有關(guān)預(yù)警指標(biāo)并首次介紹了單變量判別模型。陳靜對同行業(yè)及規(guī)模的ST和非ST共54家公司的財(cái)務(wù)信息構(gòu)建單變量模型，結(jié)果顯示，資產(chǎn)負(fù)債率、營運(yùn)資本比率、流動比率和總資產(chǎn)收益率這四個指標(biāo)對企業(yè)的財(cái)務(wù)失敗的預(yù)測具有敏感性，流動比率和資產(chǎn)負(fù)債率判別正確率最高。②多變量判別模型。袁康來等人利用Z模型對農(nóng)業(yè)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警進(jìn)行了研究，驗(yàn)證了Z模型具有良好的預(yù)警效果。李元峰等在楊成巖等前人研究成果的基礎(chǔ)上優(yōu)化通過調(diào)整了臨界值和增加了3個新變量優(yōu)化Z模型，大大提高了模型的精度和適用性。周守華等通過增加一個能夠預(yù)測公司破產(chǎn)的財(cái)務(wù)指標(biāo)——現(xiàn)金流量指數(shù)，建立了F評分模型。在實(shí)施該模型的實(shí)證實(shí)踐中，選擇了4160家公司，準(zhǔn)確率高達(dá)70%。結(jié)果表明，F(xiàn)-Score模型是一種更為準(zhǔn)確的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。張玲選擇120家共涉及14個行業(yè)的公司，利用多元判別函數(shù)建立了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)。研究結(jié)果表明，該模型能夠?yàn)镾T公司的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警分析提供依據(jù)。③邏輯回歸模型。陳曉等采用Logistic回歸模型對ST公司進(jìn)行了實(shí)證研究。結(jié)果表明，股權(quán)指數(shù)和資產(chǎn)收益率是反映ST公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警效果最好的財(cái)務(wù)指標(biāo)。將因子分析在處理指標(biāo)方面的優(yōu)勢與Logistic回歸模型擬合精度較高的優(yōu)勢相結(jié)合，研究上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警問題。王華麗等在奧特曼Z評分模型的基礎(chǔ)上，建立了中小企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。結(jié)果表明，奧特曼的Z評分模型基本上反映了企業(yè)的財(cái)務(wù)狀況。2015年黃楊選取ST公司12家和正常經(jīng)營的12家作為研究樣本。結(jié)果表明，該模型具有較高的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警精度。李常山將2016年23家制造業(yè)上市公司與2016年30家非制造業(yè)上市公司進(jìn)行了比較，在對財(cái)務(wù)信息進(jìn)行主成分分析后，采用Logistic回歸建立了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。結(jié)果表明，通過建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，上市公司可以有效降低財(cái)務(wù)危機(jī)發(fā)生的概率。④神經(jīng)網(wǎng)絡(luò)預(yù)警模型。李芳等建立基于神經(jīng)網(wǎng)絡(luò)模型的企業(yè)財(cái)務(wù)預(yù)警模型，結(jié)果表明資產(chǎn)負(fù)債率、每股凈資產(chǎn)、凈現(xiàn)金流量三個指標(biāo)對企業(yè)財(cái)務(wù)危機(jī)預(yù)警具有重要作用，具有良好的財(cái)務(wù)危機(jī)判斷和預(yù)測能力。通過專家調(diào)查，李曉青等獲得了15家樣本企業(yè)的物流外包風(fēng)險(xiǎn)評價(jià)指標(biāo)?；贐P神經(jīng)網(wǎng)絡(luò)構(gòu)建了適合物流行業(yè)公司的模型預(yù)警財(cái)務(wù)風(fēng)險(xiǎn)。結(jié)果表明，該模型對物流企業(yè)具有較高的預(yù)警精度。邢瑞雪等以78家上市公司財(cái)務(wù)數(shù)據(jù)為樣本，采用BP神經(jīng)網(wǎng)絡(luò)支持向量機(jī)構(gòu)建基于人工智能方法的模型，并與傳統(tǒng)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警結(jié)果對比。結(jié)果表明，用人工智能方法建立的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型具有更高的預(yù)警精度。孫新賢等從2004年至2016年的四大航空公司中選擇了49家，其中38家是培訓(xùn)樣本，11家是測試樣本。他運(yùn)用主成分分析的方法對預(yù)警財(cái)務(wù)風(fēng)險(xiǎn)的各個指標(biāo)降維優(yōu)化，基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)。研究結(jié)果顯示，BP神經(jīng)網(wǎng)絡(luò)模型能夠有效地預(yù)測航空公司的財(cái)務(wù)風(fēng)險(xiǎn)。

三、模型比較

單變量決策模型的最大特點(diǎn)是選擇單一的財(cái)務(wù)指標(biāo)作為研究對象。該模型的應(yīng)用首先需要選擇兩組樣本，一組是預(yù)測樣本，另一組是檢驗(yàn)樣本，來建立和檢驗(yàn)?zāi)Ｐ?。其次，根?jù)一定的財(cái)務(wù)比率對預(yù)測樣本進(jìn)行分類，尋找一個閾值來判斷兩組樣本，使誤差最小。再其次，用閾值測試試樣。單變量決策模型的優(yōu)點(diǎn)是易于管理，過程簡單易行;缺點(diǎn)是無法監(jiān)測和分析企業(yè)內(nèi)外部環(huán)境的不斷變化。因此，結(jié)果往往既不那么確定，也不那么客觀，無法準(zhǔn)確預(yù)測公司的風(fēng)險(xiǎn)。

多元判別模型與一維決策模型最大的區(qū)別在于前者選擇了更多的變量和角度來預(yù)測企業(yè)的風(fēng)險(xiǎn)。該模型的關(guān)鍵是選擇多維度反映企業(yè)財(cái)務(wù)狀況、有利于宏觀風(fēng)險(xiǎn)控制的指標(biāo)。與單變量判別模型相比，多變量判別模型可以從多個維度更詳細(xì)、更客觀地監(jiān)測和分析企業(yè)財(cái)務(wù)狀況，提高預(yù)警精度。然而，多變量判別預(yù)警模型仍有局限性。一方面，多變量判別預(yù)警模型要求變量滿足正態(tài)分布假設(shè)，另一方面，它們沒有充分考慮現(xiàn)金流量的變化情況，從而縮小了模型的使用范圍。

多元邏輯回歸中對于自變量分布的假設(shè)沒有要求，克服了線性模型必須滿足統(tǒng)計(jì)假設(shè)的缺陷，因此Logistic回歸方法可以規(guī)避了判別分析中難以達(dá)到的前提假設(shè)，它極大地改善財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)測并解決了判別分析中的多種弊病，包括比率指標(biāo)是正態(tài)分布的假設(shè)以及樣本企業(yè)具有相同的協(xié)方差方差矩陣的假設(shè)。因此，1980年代之后多元Logistic回歸代替了判別分析預(yù)警模型，占領(lǐng)了財(cái)務(wù)風(fēng)險(xiǎn)研究范疇核心地位。邏輯回歸模型的局限性在于由于大部分計(jì)算結(jié)果都是近似的，因此計(jì)算并不準(zhǔn)確，與實(shí)際結(jié)果間有較大差距。

四、研究結(jié)論

通過對國內(nèi)外財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究的分析，可以看出，國外研究者對財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的探索比國內(nèi)更早，相比之下，由于我國起步較晚，早期的研究主要是借鑒國外學(xué)者的理論進(jìn)行改進(jìn)和優(yōu)化。國外研究者對財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的探究更多的是建立模型，而國內(nèi)研究者對財(cái)務(wù)風(fēng)險(xiǎn)模型的研究則是在國外模型進(jìn)一步完善的基礎(chǔ)上進(jìn)行的，因?yàn)樗心Ｐ投际腔趪馐袌龅臄?shù)據(jù)，所以在不同的研究時(shí)間和發(fā)達(dá)程度的市場上國內(nèi)外學(xué)者的研究主要集中在模型的改進(jìn)上。上述財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型各有特點(diǎn)和優(yōu)勢，適用于不同類型和規(guī)模的企業(yè)，需要對每個問題進(jìn)行具體分析。

（作者單位：云南交投公路建設(shè)第一工程有限公司）