论财务危机预警模型评析

1、论财务危机预警模型评析论文关键词财务危机预警模型；单变量模型；多元判别分析模型；人工神经网络分析模型论文摘要企业财务危机已成为企业利益相关者需要预测并应对的重要风险之一。企业应构建财务预警机制，及时沟通企业有关财务危机预警的信息，有效地防范和化解财务危机。本文对国内外财务危机预警模型逐一进展评析，旨在为构建符合我国实际并具有可操作性的财务危机预警模型提供借鉴。随着我国市场经济体制改革的不断深化，经济领域中的复杂性、不确定性日益凸现，企业发生财务危机的情况越来越频繁，因此，财务危机已成为企业利益相关者需要预测并应对的重要风险之一。构建财务预警机制，及时沟通企业有关财务危机预警的信息，有效地防范和

2、化解财务危机，是任何一个企业都必须亟待解决的问题。近年来，除了沿用传统的经历判别与定性分析方法外。企业利益相关者也开场关注并尝试使用财务危机预警模型来定量预测财务危机。财务危机预警模型就是借助企业一系列财务指标和非财务指标来识别企业财务危机的判别模型。其关键点就是如何确定预警指标及预警指标的临界值。本文对国内外财务危机预警模型逐一进展评析，旨在为构建符合我国实际并具有可操作性的财务危机预警模型提供借鉴。一、单变量预警模型单变量预警模型是指利用单个财务比率来进展财务预警，以判断企业是否发生财务危机的一种预测模型。Beaver(1966)在其“财务比率与失败预测一文中，以财务危机预警为主题，以单一

3、的财务比率指标为根本变量，运用配对样本法。随机挑选了1954年至1964年间79家危机中的企业。并针对这79家企业逐一挑选与其产业一样且资产规模相近的79家正常企业进展比拟。得出的结论是，最能对企业危机做出预警的指标是“现金流量/总负债比率，其次是“净收益/总资产比率和“总负债/总资产比率。其中，“现金流量来自“现金流量表的3种现金流量之和，除现金外还充分考虑了资产变现力，同时结合了企业销售和利润的实现及消费经营状况的综合分析，这个比率用总负债作为基数，考虑了长期负债与流动负债的转化关系，但是总负债只考虑了负债规模，而没有考虑负债的流动性，即企业的债务构造，因此对一些因短期偿债才能缺乏而出现危

4、机的企业存在很大的误判性。“总资产这一指标没有结合资产的构成要素。因为不同的资产工程在企业盈利过程中所发挥的作用是不同的，这不利于预测企业资产的获利才能是否具有良好的增长态势。Beaver最先在企业危机预警研究中使用非参数统计的二分类检验方法来确定分割点。使其错误分类率降至最低，这一方法为以后的企业财务危机预警研究者广泛采用。此外，Beaver还首创配对抽样的技术以控制因产业类别和企业资产规模不同而引起的混淆。但单变量预警模型只是利用个别财务比率预测企业财务危机。因此其有效性受到一定的限制。一般来说。企业的消费经营状况受到许多因素的影响，各种因素之间既有联络又有区别，单个比率反映的内容往往有限

5、，无法全面解释企业的财务状况。二、多元判别分析模型多元判别分析模型是对企业多个财务比率进展汇总，求出一个总判别分值来预测企业财务危机的模型。Altan(1968)在其“财务比率、判别分析和公司破产预测一文中认为，企业是一个综合体，各个财务指标之间存在某种互相联络。各个财务指标对企业整体风险的影响和作用也是不一样的。他通过把传统的财务比率和多元判别分析方法结合在一起，开展了一种财务危机预警模型，即Z计分模型。该模型的详细形式如下：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5式中，X1=营运资本/总资产，反映资产的流动性与规模特征；X2=留存收益/总资产，反映

6、企业累计盈利状况；X3=息税前收益/总资产，反映企业资产的获利才能；X4=权益的市场价值/总债务的账面值，反映企业的偿债才能；X5=销售总额/总资产，反映企业的营运才能。通过统计分析，Altan认为Z值应在1.81-2.99之间，等于2.675时居中。假如企业的Z值大于2.675，说明企业的财务状况良好；假如Z值小于1.81，那么企业存在很大的破产风险；假如Z值处于1.81-2.675之间，称为“灰色地带，处在这个区间，那么企业财务状况是极不稳定的。Z计分模型的变量是从资产流动性、获利才能、偿债才能和营运才能等指标中各选择一两个最具代表性的指标。模型中的系数那么是根据统计结果得到的各指标相对重

7、要性的量度。实证说明该模型对企业财务危机有很好的预警功能。但其预测效果也因时间的长短而不一样，预测期越短，预测才能越强，因此该模型较合适企业短期风险的判断。Z计分模型在企业破产前超过3年的预测正确率大大降低，而且随着时间的推移，经济环境也将出现重大变化，特别是进入20世纪70年代以后，企业财务危机的平均规模急剧增大，原有的Z计分模型已无法解释当时的企业财务危机现象。于是，Altan等人于1977年又提出了一种能更准确地预测企业财务危机的新模型ZETA模型。在该模型中，Altan等人利用27个初始财务比率进展区别分析，最后选取了7个解释变量，即资产报酬率(息税前利润/总资产)、盈余稳定性(息税前

8、利润，总资产的10年标准误差)、利息保障倍数(息税前利润/利息支出总额)、累计盈余(留存收益/总资产)、流动性(流动比率)、资本比率(5年普通股平均市值/总资本)和资本规模(普通股权益/总资产)。该模型存在的缺乏是选择比率没有理论可依，选择同一行业中相匹配的危机公司和正常公司也是困难的，而且观察的总是历史事件。但由于该模型简单明了。以后对企业财务危机预警模型的研究都是沿着这一思路进展的。20世纪70年代，日本开发银行调查部选择了东京证券交易所310家上市公司作为研究对象，使用与Altan一样的研究方法，建立了“利用经营指标进展企业风险评价的破产模型，进展财务危机预测。其判别函数为：Z=2.1X

9、1+1.6X2-1.7X3-X4+2.6X5+2.5X6式中，X1表示销售额增长率；X2表示总资本利润率；X3表示别人资本分配率；X4表示资产负债率；X5表示流动比率；X6表示粗附加值消费率(为折旧费、人工本钱、利息及利税之和与销售额之比)。模型中和的系数是负数，说明别人资本分配率和资产负债率越小，风险也越校该模型Z值的判断标准是：假如Z值大于10，那么企业财务状况良好：假如Z值小于0，那么企业存在严重的财务危机，破产的概率极大；假如Z值在0与10之间。那么说明企业处于“灰色区域，存在财务隐患。陈肇荣应用中国台湾地区的企业财务资料建立了多元判别函数，但未给出临界值及警度区间。该模型如下：Z=0

10、.35X1+0.67X2-0.57X3+0.39X4+0.55X5式中，X1=速动资产/流动负债；X2=营运资金/资产总额；X3=固定资产/资本净值；X4=应收账款/销售净额；X5=现金流入量/现金流出量。由于Z计分模型在建立时并没有充分考虑到现金流量的变动等方面的情况，因此具有一定的局限性。为此，中国学者周首华等对Z计分模型加以改造，并建立其财务危机预测的新模型F分数形式。F分数形式的主要特点是：(1)F分数模型中参加现金流量这一预测自变量。许多专家证实现金流量比率是预测公司破产的有效变量，因此弥补了Z计分模型的缺乏。(2)考虑了现代化公司财务状况的开展及其有关标准的更新。公司所应有财务比率

11、标准已发生了许多变化，特别是现金管理技术的应用，已使公司所应维持的必要的流动比率大为降低。(3)使用的样本更加扩大。其使用了pustatPPlus会计数据库中1990年以来的4160家公司的数据进展了检查；而Z计分模型的样本仅为66家(33家破产公司和33家非破产公司)。F分数形式如下：Z=0.1774+1.1091X1+1.1074X2+1.9271X3+0.0302X4+0.4961X5+0，4961X5式中，X1、X2及X4与Z计分模型中的X1，X2及X4一样，这里不再进展分析；X3=(税后纯收益+折旧)/平均总负债；X3=(税后纯收益+利息+折旧)/平均总资产。F分数形式与Z计分数模型

12、中各比率的区别就在于其X3，X5的比率不同。X3是一个现金流量变量，它是衡量企业所产生的全部现金流量可用于归还企业债务才能的重要指标。一般来讲，企业提取的折旧费用，也是企业创造的现金流入，必要时可将这局部资金用来归还债务。X5测定的是企业总资产在创造现金流量方面的才能。相对于Z计分模型，它可以更准确地预测出企业是否存在财务危机。F分数形式的F分数临界点为0.0274；假设某一特定的F分数低于0.0274，那么将被预测为破产公司；反之，假设F分数高于0.0274，那么公司将被预测为继续生存公司。多元判别分析模型是根据特定样本建立起来的判别模型，因此根据一个地区(或时期)样本企业建立的判别分析模型

13、可能无法有效地对另一个地区(或时期)的企业进展预测。此外，多元判别分析模型的有用性差，导致理论研究热而实际应用冷的为难场面。三、线性概率模型线性概率模型是多元判别分析模型的一种替代选择。该模型为：P=0+1x1+2x2+nxn该模型可以解释为，在给定财务比率xn的情况下，P为该企业发生财务危机的概率的估计值。该模型计算虽然简单，但存在明显的缺陷：(1)该模型表示企业发生财务危机的可能性，那么P值只能在(0，1)区间之中，然而线性回归方程无法做到这一点，采用该模型进展预测时，P值可能在(0，1)区间之外；(2)线性概率的假设往往与实际情况不吻合。现实生活中的经济变量是不确定的，而在该模型中，自变

14、量却是一个常数。基于以上原因，该模型在企业财务危机预测的实际研究中鲜有采用。四、Lgisti模型尽管多元判别分析模型有较好的预测性，但存在假设上的局限性，即要求各自变量(财务比率)服从多元正态分布的假设和两组变量(发生财务危机与未发生财务危机企业)具有同样方差一协方差矩阵的假设，显然，这些假设与现实相去甚远。此外。样本的抽取往往也会影响评价模型的预测准确性。因此。为效劳于对定性因变量的多元非线性分析，hlsn率先在财务危机预警研究中应用了二元概率函数来计算危机事件发生的概率，由此产生了Lgisti模型。在企业财务危机断定与预测中，Lgisti模型如下：Yi=0+1xli+kxkiPi=1/(1

15、+e-yx)式中，Yi代表第i家企业是否发生财务危机，i=0或1，0代表正常企业，1代表财务危机企业，xki代表第i家企业的第k个财务比率，Pi代表根据Lgisti模型所估计出来的第i家企业可能发生财务危机的概率。该模型是一个用来测度企业是否会发生财务危机的二元选择模型。对这个模型的参数估计只能采用最大似然估计法。Lgisti模型的一个重要优点是它把在(0，1)区间预测一个企业是否发生财务危机的概率的问题转化为在实数轴上预测一个企业是否发生财务危机的时机比的问题，这与线性概率有着本质上的不同和进步。五、人工神经网络分析模型运用线性概率分析、逻辑回归方法来建立财务危机判别函数都是直接或者间接地依赖于线性函数来建立模型。存在的只是理论上的优越性。往往并不能很好地拟合复杂的实际数据。1987年，Lapedes和Fayber首次应用人工神经网络分析模型进展预测，创始了人工神经网络预警的先河。该模型是一种平行分散处理模型，其构建理念基于对人类大脑神经运作的模拟。它除具有较好的形式识别才能外，还可以克制传统统计方法的局限，具有容错才能。更难能可贵的是，该模型具有随不断变化的复杂环境进展自我学习的才能，因此使企业财务危机动态预警成为可能。该模型摆脱了多元判别分析模型和Lgisti模型的局限，打破了依赖线性函数来建立统计模型的限制，用非线性函数更好地拟合实际资料数据，实现了方法上的创新。此外