中小企業(yè)財務預警模型對比分析

李 霞

（保山學院 經(jīng)濟管理學院，云南 保山 678000）

自改革開放以來，我國經(jīng)濟結構與經(jīng)濟體制發(fā)生了翻天覆地的變化，經(jīng)濟實力與經(jīng)濟水平逐步走向世界前列，成為世界第二大經(jīng)濟體。中小型企業(yè)作為我國經(jīng)濟結構的重要構成，是最具生命力的群體，是推動國民經(jīng)濟發(fā)展的重要力量。2002 年頒布《中小企業(yè)促進法》后，我國中小型企業(yè)飛速增長，其投資少、成效快、決策靈活以及市場適應性強等特點，是其他類型企業(yè)不具備的優(yōu)勢［1］?，F(xiàn)階段，我國約有99%的企業(yè)為中小型企業(yè)，為我國貢獻了60%的生產(chǎn)值，提供了75%的就業(yè)崗位，是我國經(jīng)濟建設與社會發(fā)展的重要支撐。然而，受到金融變革、企業(yè)結構、經(jīng)營管理等因素影響，中小型企業(yè)在發(fā)展過程中由于內(nèi)外部問題，易出現(xiàn)財務危機進而走向破產(chǎn)邊緣。2011 年發(fā)布的《中小企業(yè)發(fā)展全景調(diào)查報告》顯示，中小企業(yè)在國際金融危機后仍舊面臨著融資困難等問題。因而，在新背景下，中小型企業(yè)如何應對市場風險與金融危機，如何通過科學合理的財務預警模型進行風險防范成為現(xiàn)階段的研究重點［2］。隨著財務預警模型研究的深入，各種方法理論層出不窮，不同模型具有不同特點，其適用性與針對性有所差異，對比分析中小型企業(yè)財務預警模型能夠為企業(yè)提供模型選擇依據(jù)，使企業(yè)更好地做出風險防范措施。

中小型企業(yè)，通常指規(guī)模較小，在所處行業(yè)不能起主導作用，不能對所處行業(yè)產(chǎn)生重大影響的企業(yè)。在不同時期有著不同定義，但主要從質(zhì)和量兩個角度界定，我國頒布的《中小企業(yè)標準暫行規(guī)定》對工業(yè)、建筑業(yè)、批發(fā)業(yè)、零售業(yè)等行業(yè)的中小型企業(yè)標準進行了明確規(guī)定［3］。相較于其他類型的企業(yè)，中小型企業(yè)具有結構多樣化、發(fā)展區(qū)域化、勞動密集化、融資困難化、管理相對落后等特點，在面對市場變動時承擔著獨特的風險。財務危機主要是指由于經(jīng)營管理等問題，企業(yè)無力償還到期債務與費用，是一種威脅企業(yè)自身發(fā)展甚至生存的經(jīng)濟形勢，在此形勢下企業(yè)將出現(xiàn)持續(xù)虧損，直到資不抵債甚至破產(chǎn)重組［4］。中小型企業(yè)財務風險通常具有積累性、突變性、多樣性、災難性、可逆性、可預見性等特點，這也反映了中小型企業(yè)財務預警的重要性與實用性?；谏鲜龆x，本文將對四種典型的財務預警模型進行分析，為企業(yè)提供參考。

一、基于單變量分析的中小企業(yè)財務預警模型

基于單變量分析的財務預警模型是最早應用于中小企業(yè)風險防范的方法，其本質(zhì)是通過單一的財務指標判斷企業(yè)是否面臨財務風險，在一定量的估計樣本與測試樣本基礎上進行財務狀況預測，得出評判結果，為中小企業(yè)提供風險防范建議。

（一）理論依據(jù)

基于單變量分析的中小企業(yè)財務預警模型的核心理論是線性統(tǒng)計模型中的一元判定模型。一元判定模型，又稱單變量分析模型，主要集中在單變量的描述與統(tǒng)計推斷兩方面，用最簡單的方式體現(xiàn)大量樣本中蘊含的信息與規(guī)律，描述數(shù)據(jù)的集中或離散趨勢，進而推斷出總體的變化情況［4］。單變量分析常用的方法有描述統(tǒng)計與推論統(tǒng)計，在進行描述統(tǒng)計時，主要從頻數(shù)分布與頻率分布、集中趨勢分析、離散趨勢分析三方面進行；在進行推論統(tǒng)計時，主要進行區(qū)間估計與假設檢驗兩方面工作。將單變量分析應用于中小企業(yè)財務預警中，需要在凈利潤、負債率、債務保障率、資產(chǎn)安全率等財務指標中選取其一作為評估對象，進而統(tǒng)計企業(yè)自成立以來至今的該項指標數(shù)據(jù)，并進行描述統(tǒng)計與推論統(tǒng)計，在此基礎上對企業(yè)財務風險情況作出評估與預測，為企業(yè)風險防范提供參考。

（二）模型特點

單變量分析財務預警模型作為最早的風險防范模型，有著便捷性、簡單性、直觀性等特點。首先，由于單變量分析僅選取單一變量作為研究對象，數(shù)據(jù)收集與統(tǒng)計分析過程較為簡單，中小企業(yè)無需進行復雜的模型搭建與數(shù)學計算，便能夠簡便快速地分析出風險情況。其次，單變量分析不需要考慮多重因素之間的互相影響，具有簡單性的特點，但該特點同樣會帶來反饋不準確等問題，其他財務指標可能反映出完全相反的情況，進而影響企業(yè)對財務風險的判斷。同時，由于單變量分析僅受單一指標影響，容易受到企業(yè)管理層控制，從而干擾財務風險的識別與判斷。最后，單變量分析具有直觀性特點，中小企業(yè)可通過該分析方法直觀地分析某項指標的變化，進行針對性調(diào)整。但同時帶來了片面性問題，單一指標無法反映企業(yè)財務變化整體情況，企業(yè)管理層無法兼顧其他指標變化對財務風險的影響。

（三）模型適用范圍

作為最早應用于財務預警的模型，單變量分析模型是早期中小型企業(yè)研判分析財務變化特征的重要手段，雖然在后續(xù)發(fā)展與變革中逐步被其他方法替代，但其簡便性、直觀性等特點仍是無法替代的。因此，針對剛起步、體量小、結構不完整的中小型企業(yè)，單變量分析財務預警模型是較優(yōu)的選擇。企業(yè)通過選取債務保障率、資產(chǎn)收益率、資產(chǎn)負債率以及資產(chǎn)安全率等其中之一作為具體指標，對該指標進行描述統(tǒng)計與推論統(tǒng)計，能夠得出較為合理的財務風險預測結果。此外，單變量分析模型對數(shù)據(jù)量、計算能力以及管理體制要求不高，中小型企業(yè)能夠在有限的成本與人力物力基礎上，得到具有科學依據(jù)的風險分析結果。

（四）典型案例分析

單變量分析模型由學者Beaver 于1968 年提出，他選擇了79 家失敗企業(yè)作為樣本，通過分析企業(yè)的債務保障率、資產(chǎn)收益率、資產(chǎn)負債率以及資產(chǎn)安全率四個指標，測算出債務保障率在反映企業(yè)財務狀況時最為精準，其次是資產(chǎn)收益率與資產(chǎn)負債率，并且伴隨著企業(yè)失敗程度加深，各項指標誤判率下降，預見性有所提升［5］。史欣向?qū)|風科技進行單變量財務風險預警分析，分別從償債能力、經(jīng)營效率、財務結構以及現(xiàn)金流量比率四個方面分析了不同的單變量指標，例如負債權益比大于100%，資產(chǎn)負債率高達62.48%，從而判斷東風科技存在著較為嚴重的財務風險［6］。

二、基于多變量分析的中小企業(yè)財務預警模型

基于多變量分析的中小企業(yè)財務預警模型是單變量分析模型的進一步發(fā)展，其本質(zhì)是通過糅合多個財務指標構建多元線性函數(shù)，依據(jù)多元指標預測財務狀況，突破了單變量分析的局限性，使得財務風險分析更為全面且科學，進而實現(xiàn)中小企業(yè)財務危機預警及風險防范。

（一）理論依據(jù)

基于多變量分析的中小企業(yè)財務預警模型的核心是多元線性理論，又可稱為多變量分析。多變量分析是單變量分析的延伸，是多個變量同時存在的統(tǒng)計分析，通常應用的理論工具為概率論與矩陣［7］。具體而言，多變量分析是根據(jù)多個指標，從不同角度分析事物內(nèi)在關系與規(guī)律，是客觀、全面、科學反映事物本質(zhì)的方法?，F(xiàn)階段，多變量分析的主要分支有判別分析、因子分析、主成分分析、聚類分析等，其中主成分分析基于降維邏輯，將多變量轉(zhuǎn)變?yōu)樯贁?shù)或幾個具有代表性的綜合指標，在實現(xiàn)定量分析整體財務變化情況的同時減少變量并保留信息量；聚類分析是將數(shù)據(jù)分類到不同簇的過程，不同的類別擁有較為相似的屬性，其本質(zhì)是將事物特征類似的樣本劃分在一起；判別分析則是根據(jù)已知的判別函數(shù)，準確地對樣本進行判斷，通常使用的有費歇、貝葉斯以及距離判別思想；因子分析則是主成分分析的深化，將復雜的隨機變量綜合為幾個變量，再描述變量之間的關系，主要有R 型因子分析法與Q 型因子分析法?；诓煌治龇椒ǖ亩嘧兞糠治瞿Ｐ筒襟E各不相同，以較為常見的因子分析為例，基于因子分析的多變量財務預警模型步驟為：指標選取、評價體系構建、確定權重、得到綜合評價值。在應用不同分析方法時，中小企業(yè)要根據(jù)企業(yè)實際情況完成各項工作。

（二）模型特點

多變量分析模型是單變量分析模型的延伸與發(fā)展，具有全面性、多樣性、復雜性等特點。首先，多變量分析需要選擇多個指標進行分析，并且需要對指標進行體系構建與權重計算，能夠同時計算分析資產(chǎn)負債率、存貨周轉(zhuǎn)率、凈資產(chǎn)收益率、應收賬款周轉(zhuǎn)率、主營業(yè)務利潤率、總資產(chǎn)收益率等指標變化情況，并得到各項指標之間的關聯(lián)，準確反映出企業(yè)財務變化情況。其次，多變量分析可以通過不同的指標選取與體系構建，針對不同類型的財務風險情況進行特殊分析，由于指標選取、權重確定等方式的差異，會對財務分析帶來較為顯著的影響，中小企業(yè)在選取指標時要注重遵守科學合理等原則。最后，由于指標數(shù)量的增加，數(shù)據(jù)量與計算難度會提高，多變量分析的復雜性要遠高于單變量分析，其對數(shù)據(jù)質(zhì)量與處理能力的要求有顯著提升，還對變量間的線性關系及是否服從正態(tài)分布有要求。

（三）模型適用范圍

多變量分析模型的全面性、多樣性等特點使得其適用范圍有所擴大，但受到計算難度大、復雜度高等因素影響，多變量分析仍受到一定限制。多變量分析適用于發(fā)展基本成型的中小企業(yè)，此類企業(yè)具有一定業(yè)務體量，能夠貼合多變量指標中對各項數(shù)據(jù)的需求。此外，多變量分析要求企業(yè)內(nèi)部具有較高水平的財務分析能力，發(fā)展基本成型的中小企業(yè)往往能夠聘請專業(yè)人員進行財務分析。同時，伴隨著企業(yè)發(fā)展壯大，對財務風險預警的需求有所提升，要求預測模型的準確度與精準度，多變量分析則能在充分應用企業(yè)財務分析能力基礎上，得到更精準且能反映財務整體狀態(tài)的結果。同時，多變量分析往往要求指標滿足線性關系、變量服從正態(tài)分布。

（四）典型案例分析

多變量分析模型是對單變量分析模型的優(yōu)化，1968 年由學者Altman 基于多元線性判斷模型提出。Altman 從企業(yè)22 個財務指標中綜合出5 項公因子，分別反映企業(yè)資產(chǎn)利用率、資產(chǎn)規(guī)模、償債能力、財務結構、盈利能力方面的情況，通過收集33 家企業(yè)的財務數(shù)據(jù)進行分析，得到經(jīng)典的基于Fisher 判別分析法的Z-Score 模型，即Z’=0.012X1+0.014X2+0.033X3+0.006 4X4+0.999X5，其 中X1表示凈營運資金與資產(chǎn)總額的比值；X2表示留存收益與資產(chǎn)總額的比值；X3表示息稅前利潤與資產(chǎn)總額的比值；X4表示優(yōu)先股市場價值總額與資產(chǎn)總額的比值；X5表示銷售收入與資產(chǎn)總額的比值，并且后續(xù)研究不斷對該模型進行修正，均是基于該模型通過調(diào)整參數(shù)或權重進行優(yōu)化［8］。

三、基于回歸模型的中小企業(yè)財務預警模型

基于回歸模型的中小企業(yè)財務預警模型是多變量分析的優(yōu)化與改進，其本質(zhì)是通過確定財務指標變量間的關系構建回歸方程（函數(shù)表達式），最終實現(xiàn)對某個變量的預測，為企業(yè)財務分析提供依據(jù)。

（一）理論依據(jù)

回歸分析理論與相關模型是此類財務預警模型的核心，根據(jù)因變量與自變量個數(shù)分類，可分為一元回歸分析與多元回歸分析，根據(jù)函數(shù)表達式可分為線性回歸分析與非線性回歸分析［9］。回歸分析理論的主要步驟為選定自變量與因變量、設定回歸方程、求出回歸系數(shù)、相關性檢驗、計算置信區(qū)間，主要方法有Linear Regression 線性回歸、Logistic Regression 邏輯回歸、Polynomial Regression 多項式回歸、Stepwise Regression 逐步回歸、Ridge Regression 嶺回歸等。目前，應用于財務預警模型中的回歸分析方法為Logistic 回歸，Logistic 回歸模型作為一種概率回歸廣義線性模型，其核心方法為非條件最大似然法，通過建立似然函數(shù)與對數(shù)似然函數(shù)，獲得最大特征根相關參數(shù)與估計值。因此，通過模型建立與變量預測，中小企業(yè)能夠預測到財務指標的變化情況，并根據(jù)此進行判別，判斷是否會發(fā)生財務危機并決定采取何種程度的預防措施。

（二）模型特點

相較于多變量分析財務預警模型，回歸分析的財務預警模型具有適用范圍廣、針對性強、精度高等特點。以Logistic 回歸模型為例，回歸模型并不像多變量分析一樣對自變量與因變量關系有明確要求，并且對自變量分布無特殊要求，變量可為連續(xù)值或離散值，因此基于回歸模型的財務預警模型具有假設條件少的特點，能夠適用于不同企業(yè)，并且能夠?qū)⒏鞣N類型的財務指標包含進來。此外，通過調(diào)整自變量與因變量的選取，回歸分析能夠?qū)崿F(xiàn)對不同分類問題的具體分析，針對性強，中小企業(yè)可從不同角度對財務風險進行具體分析。最后，Logistic 回歸模型能夠?qū)⒕唧w財務問題轉(zhuǎn)變?yōu)槟硞€財務特征，將其納入財務風險模型計算中，得到企業(yè)出現(xiàn)財務風險的可能性。

（三）模型適用范圍

基于回歸分析的財務預警模型針對多變量分析缺陷進行了改進，一方面對假設條件要求較少，具有靈活性、可變性等優(yōu)勢，另一方面又具有較高水平的預測精度，能為企業(yè)提供較為準確的預測結果。針對上述特點，基于回歸模型的財務預警模型適用于具有一定規(guī)模，并且在財務分析能力方面較為領先，對財務風險分析精準度要求較高的企業(yè)。首先，企業(yè)具有一定規(guī)模會產(chǎn)生不同財務指標分析的需求，回歸分析能有效滿足該需求。其次，具有一定數(shù)據(jù)分析能力才能熟練運用回歸分析方法，才能為企業(yè)提供準確的結果。最后，回歸模型具有較高的預測精準度，能夠滿足此類企業(yè)對財務預警的精度要求。

（四）典型案例分析

20 世紀70 年代，學者Martin 首次將Logistic模型應用于中小企業(yè)財務危機預警中，以5 年內(nèi)的上市公司為研究對象，基于4 個指標預測了各公司的破產(chǎn)概率［10］。國內(nèi)學者浦軍則對40 家ST 公司與103 家非ST 公司進行分析，在每股收益、股權集中度等指標基礎上構建模型，通過Logistic 回歸模型進行預測，得到了良好的預測效果［11］。此外，國內(nèi)學者通過回歸模型分析，發(fā)現(xiàn)負債權益比、應收賬款周轉(zhuǎn)率等指標對財務風險有著明顯預示作用?，F(xiàn)階段，不同學者從綜合角度改進回歸分析，將隨機效應、網(wǎng)絡結構等理論融入到模型中，旨在提高財務預警模型的預測效果。

四、基于智能方法的中小企業(yè)財務預警模型

基于智能方法的中小企業(yè)財務預警模型是近年來的新型方法，通過智能學習模型構建對財務特征進行學習，最后預測出財務變化方向及風險是否發(fā)生，為企業(yè)管理層提供參考。

（一）理論依據(jù)

基于智能方法的中小企業(yè)財務預警模型的理論核心是人工神經(jīng)網(wǎng)絡、隨機森林以及關聯(lián)規(guī)則算法等人工智能理論，應用于財務預警的方法為機器學習。目前，機器學習理論主要涵蓋的算法有決策樹、貝葉斯網(wǎng)絡、神經(jīng)網(wǎng)絡、深度學習等。伴隨著各種算法的成熟與應用，神經(jīng)網(wǎng)絡、貝葉斯網(wǎng)絡以及深度學習等方法被應用于財務預警模型中。具體而言，智能方法是通過訓練數(shù)據(jù)不斷學習特征并進行分類的過程，經(jīng)過測設與強化學習不斷提高模型判斷精準度，使其更貼近實際情況。以神經(jīng)網(wǎng)絡為例，首先初始化權值、閾值、學習模式，其次將包含輸入輸出結果的學習集加載到網(wǎng)絡中，然后經(jīng)過測試集的評判判斷是否達到精準度要求，最后實現(xiàn)模型構建與具體應用。

（二）模型特點

從人工智能原理角度出發(fā)，能夠明顯看出基于智能方法的財務預警模型具有計算難度高、預警精度高、適應性強等特點。首先，由于智能方法都需要大量歷史數(shù)據(jù)進行學習與測試，這使得模型計算難度提高，相較于多變量分析、回歸分析等方法計算難度更大。同時，由于模型參量及核函數(shù)的設定會極大程度影響預測精度，這也間接地提升了模型計算難度。其次，智能方法經(jīng)過海量數(shù)據(jù)的訓練，能夠在精準度方面得到質(zhì)的提升，并且能將誤判率控制在一定范圍，減少中小企業(yè)承擔財務風險的幾率。最后，神經(jīng)網(wǎng)絡等人工智能方法具有強適應性，只需要有對應數(shù)據(jù)輸入，模型便能通過學習、訓練得到對應的結果，適用于不同類型的中小企業(yè)的財務風險防范。

（三）模型適用范圍

基于智能方法的中小企業(yè)財務預警模型具有典型的時代性特征，在計算難度、復雜度、預測精準度等方面都有明顯提升。因而，基于智能方法的財務預警模型更適用于體量大、歷史數(shù)據(jù)充足并且擁有極高計算水平的中小企業(yè)。一方面，體量大的中小企業(yè)對財務預警及風險防范有著更高標準的要求，人工智能算法能夠有效提高預測模型的精準度，為企業(yè)提供最為準確的分析結果，有效地進行財務風險防范。另一方面，歷史數(shù)據(jù)充足能夠滿足人工智能學習、訓練與測試的需求，只有在海量數(shù)據(jù)的支撐下，基于智能方法的財務預警模型才能發(fā)揮作用。同時，人工智能方法對計算能力、計算機水平等要求較高，這就使得中小企業(yè)要具備高質(zhì)量的財務分析人員與專業(yè)計算人員。

（四）典型案例分析

基于智能方法的中小企業(yè)財務預警模型是近年來逐漸興起的，具體應用較少并且多集中于神經(jīng)網(wǎng)絡的應用。郭毅夫等將48 家創(chuàng)新型公司作為研究對象，基于20 個財務指標構建神經(jīng)網(wǎng)絡，并通過歷史數(shù)據(jù)訓練得到最終預測模型，對48 家企業(yè)進行財務危機分析［12］。此外，馬若微將重要性原理與信息熵概念等粗糙集理論應用于財務預警研究，其從數(shù)據(jù)角度出發(fā)，對不同指標進行離散、歸約、剔除冗余屬性，最終挑選出確定的財務指標，從而突破了傳統(tǒng)統(tǒng)計學對指標選取的主觀性與片面性等問題［13］。從既有案例角度出發(fā)，人工智能是當前中小企業(yè)財務預警模型的熱點，并且伴隨著智能方法的發(fā)展，預警模型的準確度將會不斷提高，基于統(tǒng)計學與人工智能相結合的財務預警模型將逐步成為風險防范的最新路徑。

五、總結

有效的財務預警模型是中小企業(yè)實現(xiàn)財務風險防范的關鍵所在。本文分析了常用的中小企業(yè)財務預警模型，對單變量分析、多變量分析、回歸分析以及智能方法四個典型方法進行具體分析，從模型理論依據(jù)、獨有特點、適用范圍以及典型案例四個角度進行分析，對四種方法進行總結對比，能夠清晰直觀地看出各模型的主要特征，見表1。

表1 中小企業(yè)財務預警模型對比

從表1 中能夠清晰看出不同財務預警模型的優(yōu)劣性與適用范圍，能為不同類型的中小企業(yè)提供最適用且最科學的財務預警模型選擇。現(xiàn)階段，從中小企業(yè)財務風險產(chǎn)生因素及模型構建角度出發(fā)，能夠發(fā)現(xiàn)中小企業(yè)主要存在忽視企業(yè)外部宏觀經(jīng)濟環(huán)境、缺乏完善的風險管理制度、籌資規(guī)模及結構不合理、缺乏投資風險管理、營運資本管控力度差等問題。為此，中小企業(yè)在基于財務預警模型實現(xiàn)財務風險預防時，可從完善財務管理機制、健全企業(yè)財務管理制度、培養(yǎng)專業(yè)財務人員、樹立強烈風險意識等角度進行改善，并根據(jù)模型分析結果進行針對性的調(diào)整，從長遠角度實現(xiàn)風險防范，從當下角度解決風險問題。