研究企业财务风险管理的分析方法

研究企业财务风险管理的分析方法一、定性辨别方法1.“四阶段症状〞分析法。“四阶段症状〞分析法重要是对财政危机进行研究。该方法按财政危机的严重水平将企业财政危机划分为财政危机潜伏期、财政危机发作期、财政危机恶化期、财政危机实现期四个阶段，对应四个不同的阶段，有不同的症状表现“四阶段症状〞分析法就是通过分析发现财政危机的症状，判定财政风险所处的阶段，然后采用有效的办法，使企业解脱财政窘境。这种分析法将财政危机分为四个阶段，有利于按科就诊，就像给病人看病、开药一样，病情轻，下药轻一些，病情重，下药就要重一些。可见，运用定性财政风险分析时，分析人员的经历体验与采取的详细方法对分析结论有较大的影响〔周首华，2000〕。2.财政风险构造性质辨别矩阵。根据某项财政风险发生的可能及其给企业经营造成影响的严重性，能够确定出该财政风险的构造性质，财政风险的构造性质能够表示为低、中等、显著、高四个等级〔周爱丽，2004〕。相应的，能够把企业每一种财政风险的构造性质用风险估计矩阵表示。3.专家调查法。专家调查法又称为特尔斐法〔Delp，是由美国兰德公司的达尔基〔〕和赫尔默于1964年正式提出的。这种方法是采取系统的程序，起草调查提纲，提供背景材料，轮番征询不同专家的预测意见，最后汇总得出预测结果。财政风险专家调查法就是企业组织专家对内外环境进行分析，辨明企业能否存在引起财政风险发生的因素，发现财政风险的征兆，以此预测财政风险发生的可能性。在财政风险定性分析中，一般采取标准调查法，即通过专家对导致某个企业财政风险的构成，同时对所有企业都有意义、普遍适用的原因和问题进行分析。二、定量分析方法国外学者对这方面的研究较早，而且这些研究结果重要是用于企业财政危机预警模型的构建。重要经历了单变量预警模型、多变量预警模型、Logistic预警模型、非统计形式预警模型、混合形式及其比较和非财政指标的财政预警模型等几个阶段。 1.单变量预警模型。单变量〔Univariate〕分析通常指用单一的财政比率值或者趋势来预测或断定企业财政风险发生的可能性。最早的财政危机预测研究是所做的单变量破产预测模型，他以19家公司为样本，运用单个财政比率将样本分为破产和非破产两组，结果发现判别能力最高的是净利润/股东权益和股东权益/负债两个比率，而且在经营失败之前3年这些比率就呈现出显著差别。但是，这类早期研究仅仅仅是属于描绘叙述性分析范畴〔程涛，。Beaver〔1966〕使用由79家公司构成的样本，分别检验了反映公司不同财政特征的6组30个变量对公司破产前l一5年的预测能力，他发现最好的判别变量是现金流量/负债和净利润/总资产两个比率。在国内，陈静对27家ST公司和27家非ST公司，使用1995—1997年的财政报表数据，进行了单变量分析和二元线性判别分析，研究发现，资产负债率、流动比率、总资产收益率、净资产收益率四项财政指标的预测能力较强。单变量模型分析较为简单，但不能综合说明公司整体财政状态，在运用经过中容易受主观选择因素影响，出现对于同一公司想选择不同的预测指标得出不同结论的情况，因而，运用单变量模型，指标选择决定此方法运用的成败。2.多变量预警模型。多变量预警模型，又称模型，即运用多种财政比率指标加权汇总而构造多元线性函数公式来预测财政危机。该模型最早是由开始研究的，他从流动性、获利能力、财政杠杆、偿债能力和活动性五个方面选用了22个变量作为预测备选变量，通过对1946-1965年间33家破产制作企业和33家非破产配对企业的研究分析，根据误判率最小的原则，最终确定营运资产/资产总额、留存收益/资产总额、息税前利润/资产总额、股东权益市场价值/总负债账面价值和销售收入/资产总额5个变量作为判别变量，构建了Z-Score模型。但由于模型的变量并未包括风险概念，也没有考虑企业规模效果，故跨越两年以上对于企业危机的预测力大幅下降。Altman，HaldemanandNarayanan〔1977〕等便加以修正，参加了公司规模与盈余稳定性两个变量，建立Zeta模型。经过实证研究，预测前几年的能力大大提升。Altman模型提出之后，许多专家对它进行进一步的研究和论证，结合本国企业实际建立了当地股市适用的多元判别模型，如日本开发银行的破产预测模型。我们国家学者周首华等在Z分数模型的基础上进行改良，考虑了现金流量变动情况指标，选用1977-1990年的62家公司，即31家破产公司和相对应的同一年度、同一行业及相近净销售额的31家非破产公司，构建了一个财政预警新模型一F模型，并以会计资料库中1990年以来4160家公司数据作为检验样本进行了验证，其F模型的精确率高达近70%，弥补了Z模型的不足。ic模型。多变量预警模型考虑了多项指标衡量公司经营的绩效，在分析预测上也有显著的效果，但其自变量通常难以符合正态分布的假设，故后续学者便建立了一些新模型，如Logistic模型。Logistic模型是采取了一系列的财政指标来预测财政危机发生的概率，然后根据银行、投资者等的风险偏好水平设定风险警戒线，以此对分析对象进行风险定位与。美国学者Ohlson〔1980〕首先运用Logistic模型进行研究。他选取了1970—1976年间制作业105家财政危机公司与2058家正常公司为样本进行研究，结果发现公司规模、资本构造、经营绩效及流动性对企业发生财政危机具有显者的预测能力。继Ohlson之后，Gentry，、CaseyandBartczak、Zavgren也米用类似方法进行研究。我们国家在这方面比较有代表的学者包含姜秀华、孙铮等。他们以2000年11月20日为基准点，选取了在沪深证券交易所被施行ST的42家上市公司，同时从两市所有非ST公司中随机选出42家配对公司。在13个原始财政比率的基础上，挑选出毛利率、其他应收款与总资产的比率、短期借款与总资产的比率及股权集中系数四个指标建立Lo-判别模型。该模型在财政危机发生前1年对ST公司与非ST公司的回判精确率分别为88.1%c和80.95%c；线性函数却具有其自己不能克制的两个问题：固定影响假设和完全线性补偿假设。正由于这两个缺陷使得模型的分类和预测能力有限。基于此，齐治平等〔2002〕建立了含有二次项和穿插项的Logistic模型，该模型能够帮助金融机构、投资者、基金经理们进行财政危机、信誉风险预测分析。这种模型克制了单变量和多变量预警模型中自变量服从多元正态分布和两组间协方差相等的假设的局限性，使财政预警得到了重大改良。但Logistic模型用于企业财政风险预测的缺点是计算程序较为复杂，使用该模型前需要根据企业实际财政数据做大量转换工作。4.非统计形式预警模型。随着研究的深切进入和技术的发展，国外在财政失败预警模型方面突破了传统的统计方法模型，建立了一些非统计方法模型，其中较有代表性的是神经网络模型的运用。神经网络模型是一套人工智慧系统，以模仿生物神经系统的形式，利用不断反复的训练经过，使自己能够透过经历体验的积累到达学习的效果。Tam和Kiang〔1992〕应用这种方法对得克萨斯银行的财政危机案例进行预测；Ahman、Mar-co和Varetto〔1994〕也用这种方法对意大利的企业进行了财政危机的分析预测。由于神经网络模型具有较好的纠错能力，这些研究与以往的线形分析模型相比都获得了较好的结果。关于神经网络模型应用的研究，杨保安等〔2001〕将BP 神经网络分析方法运用到商业银行贷款风险中有关财政信息预警信号中，构建了非线性财政预警形式。喻胜华等利用神经网络方法对财政风险进行了辨别。该研究表示清楚，网络特征辨别的精确率为80%，该网络对财政健康公司的判定的精确率为100%c。杨淑娥〔2005〕采取BP人工神经网络工具，以120家上市公司作为建样子容貌本，从企业的短期偿债能力、长期偿债能力、盈利能力、资产管理能力、主营业务鲜明水平、公司增加能力6个方面，选取了15个备选财政指标，通过剔除未通过T显著性检验的速动比率、利息保障倍数、应收账款周转率、存货周转率以及资本保值增值率5个指标，将保留下来的10个财政指标作为建模的原始变量，并使用同期60家公司作为检验样本建立了财政危机预警模型。与采取主成分分析法建立的模型对同一建样子容貌本和检验样本的预测精度相比有很大的提升。5.非财政指标的财政预警模型。以财政指标来建构预警模型，往往容易因财政报表资料不真实，而使财政发生危机的公司在预警模型上无法完全事前预警，因而，考虑非财政指标的参加，希望能够提升预警模型的精确与时效性。在非财政指标变量使用上，大致可分为公司治理因素〔如穿插持股、股权构造、董事会组织、管理变量等〕，以及会计师信息等。Gilson〔1989〕以为高层管理者如CEO总经理或总裁等离开职位可以以作为财政危机的指标，他以1979年至1984年共381家发生财政危机的公司为样本，发现52%公司的有高级管理人员异动之情形而正常公司只要19%。Shumway〔2001〕以会计变量和市场变量两类变量应用Logistic模型进行研究，结果表示清楚运用会计和市场两类变量能够提升破产公司预测的精确性。国内这方面的研究还较少。叶银华等〔1997〕指出关联方股权交易是一种权益代理问题，并由此推论，关联方股权交易比率愈高，利益输送愈严重，隐含伤害公司生存的可能性愈高。其2002年的研究又指出，公司治理欠安的企业，控制股东会出现连续伤害公司价值的行为，亦即挪用资金及非惯例关联方交易，将减少加强公司竞争力的投资，而危及公司生产力及获利能力，若控制股东没有考虑上述现象，则其所决定伤害公司价值的金额过大时，会增长公司产生财政危机的概率。三、小结与单变量定量分析法依靠个别变量进行判定相比，定性分析考虑的问题可能愈加全面，进行判定的基础愈加扎实。除此之外，相对于一些定量财政风险分析法用财政风险变量与标准值相比较的方法来判定财政风险发生的可能性，定性分析重要依靠人的经历体验判定来作出预测，而人的判定能够将企业面临的复杂内外环境因素考虑进去，十分是将个别企业面临的一些特殊因素考虑进去，这是定量分析难以到达的。但是，定量财政风险辨别方法是根据数据进行决策，避免了定性分析中依靠人的经历体验进行判定使得判定结果的主观性较强的缺陷。同时，由于定量分析是根据数据进行决策，因而，只需要采集被决策企业的有关数据，进行计算，然后与标准值相比较，就能够对企业的财政状态进行判定。显然，这种决策程序简单，决策成本低。综上所述，财政风险辨别的研究遭到了国内外实务界和学术界的高度看重且获得了重大进展。对于该领域的研究重要有两个特点：〔1〕以线性方法为主；〔2〕以财政指标为解释变量。固然非参数方法与人工智能方法具有较高的预测精确性，但根据前人的研究结果，还是以线性方法，尤其是Logistic回归的判别能力最强，稳健性也较好。除此之外，国内外学者大多数侧重用财政指标来构建模型，这些财政指标都来源于公司公开披露的财政报表。但是，当采取财政指标建立预警模型时，假如某个指标具有很强的预测和解释能力，那么公司就会有很大的动