财务预警模型的发展和演变

钱毅

[摘 要]财务预警研究具有巨大的应用价值,企业的利益相关者的经济决策与企业的财务状况息息相关,对财务预警模型的深入研究,可以为企业的众多利益相关者带来巨大的收益或者避免巨大的损失。因此,它成为了公司金融领域的研究热点之一。本文将对财务预警的发展和演变过程进行介绍,重点介绍用途广泛的多元判定模型。

[关键词]财务預警 判定模型

财务预警是以财务会计信息为基础,通过设置并观察一些敏感性预警指标的变化,对企业可能或者将要面临的财务危机实施的实时监控和预测警报。财务预警研究具有巨大的实际应用价值,公司的利益相关者做出的经济决策与企业的财务状况息息相关,如果能够提前预测到企业是否会陷入财务困境,可以为企业的众多利益相关者带来巨大的收益或者避免巨大的损失。

一、一元判定模型

一元判定模型是指以某一项财务指标作为判别标准,来判断企业是否处于破产状态的预测模型。最早的财务预警研究是Fitzpatrick(1932)开展的单变量破产预测研究开始的。他以19家企业为样本,运用单个财务比率,将样本划分为破产与非破产两组。经研究他发现,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。

此后,Beaver首先运用统计方法建立了单变量财务预警模型。他选取美国了1954-1964年间资产规模相同的79家经营失败企业和79家正常经营的企业进行对比研究,使用了30个财务比率进行分析,发现具有良好预测性的财务比率依次为现金流量∕负债总额,资产收益率和资产负债率。1966年Beaver考察了29个财务比率在企业陷入财务困境前1-5年的预测能力,发现营运资金流∕总负债在破产前一年的预测正确率可以达到87%。研究得出,某些财务比率是对于公司的经营状况有解释能力的。

它的缺陷很明显,只重视一个财务比率的判断能力,如果管理者了解这个比率,就有可能去粉饰这个比率,增加了可操作性;其次,虽然财务比率是综合性较高的判别量,但是仅用一个财务指标不可能充分反映企业的财务特征。一元判定模型虽然方法简单,但总体判别精度不高。

二、多元线性判定模型

最著名的模型称为Zscore模型,判别方程的形式为:Z = V1X2 + V2X2 + … + VnXn。其中,V1、V2 … Vn是权数,X2、X2 … Xn 是各种财务比率。Altman的研究最具有代表性。Altman利用多元判别分析法对1945-1965年间的33家破产企业和33家正常经营的企业进行了研究。其研究结论形成了著名的Z值模型。

Z = 0.012X1 +0.0l4X2 + 0.033X3 + 0.006X4 + 0.999X5

其中,X1 = 营运资金∕资产总额;X2 = 留存收益(未分配利润)∕资产总额;X3 = 息税前利润∕资产总额;X4 = 普通股和优先股市值总额∕负债账面价值总额;X5 = 销售额∕资产总额

如果企业的Z值大于2.675则表明企业的财务状况良好,发生破产的可能性较小;反之,若Z值小于1.81,则企业存在很大的破产危险;如果Z值处于1.81-2.675之间,为灰色地带,这个区间的企业财务是极不稳定。

但多元判定模型也存在一些缺点。第一,实践检验的结果证明,在前一年的预测中,预测精度比较高,但在前两年、前三年的预测中,其预测精度都大幅下降,多个比率之间有勾稽关系,而且作用可能相互叠加或者抵消;第二,工作量大,需要做大量的数据收集和分析工作。第三,多元判定模型有一个很严格的假设,即假定自变量是呈正态分布的,两组样本要求等协方差,而现实中的样本数据往往并不能满足这一要求,这就大大限制了多元线性判定模型的使用范围。

三、多元逻辑(Logit)模型

多元逻辑模型的目标是寻求观察对象的条件概率,从而据此判断观察对象的财务状况和经营风险。这一模型建立在累计概率函数的基础上,不需要自变量服从多元正态分布和两组间协方差相等的条件。Logit模型假设了企业破产的概率p(破产取1 ,非破产取0),并假Ln[p∕(1 - p)]可以用财务比率线性解释。假定Ln[p∕(1 - p)] = a + bx ,根据推导可以得出p = exp(a +bx)∕[1+exp (a + bx)] ,从而计算出企业破产的概率,判别方法和其他模型一样,先是根据多元线性判定模型确定企业破产的Z值,然后推导出企业破产的条件概率。

其判别规则是:如果p值大于0.5,表明企业破产的概率比较大,可以判定企业为即将破产类型;如果p值低于0.5,表明企业财务正常的概率比较大,可以判定企业为财务正常。

Logit模型的最大优点是,不需要严格的假设条件,克服了线性方程受统计假设约束的局限性,具有了更广泛的应用范围,但是计算和收集信息的过程都很复杂,需要大量的精力和时间。

四、财务预警模型在我国的应用与展望

在国内的研究中吴世农、黄世忠(1986)曾介绍公司的破产分析指标和预测模型;陈静(1999)以1998年的27家ST公司和27家非ST公司,使用了1995-1997年的财务报表数据,进行了单变量分析和二类线性判定分析,在单变量判定分析中,发现在负债比率、流动比率、总资产收益率、净资产收益率4个财务指标中,流动比率与负债比率的误判率最低;在多元线性判定分析中,发现由负债比率、净资产收益率、流动比率、营运资本/总资产、总资产周转率6个指标构建的模型,在ST发生的前3年能较好地预测ST出现的可能性。我国在财务失败预警研究方面起步比较晚,更多的还停留在理论研究上。

为了克服统计模型的缺陷、提高预警的准确度,笔者认为在指标的选取上应该包括尽可能多的财务比率,至少涵盖以下五大类:偿债能力指标、资产负债管理能力指标、盈利能力指标、成长能力指标与现金流量指标。其次,在进行企业财务失败预警时还必须考虑非财务因素的影响。因为财务报表只对公司的经营成果做出综合的反映,仅从财务指标数值上无法看出公司经营的具体情况、这些数值本身的意义有限。

参考文献

[1]田宇松、王庆凯、朱青、杜兰英:财务失败预警模型研究综述。当代经济2006(10)97-98

[2]郝其友、傅冠男、辛万光:财务预警模型实证研究综述。山东经济2006(03)110-114

[3]张祥、陈荣秋: 财务预警的模型分析。科技与管理2003(05)

[4]汪强:关于上市公司财务预警的实证分析。天津市职工现代企业管理学院学报2004(06)

[5]杨淑、娥黄礼:基于BP神经网络的上市公司财务预警模型。系统工程理论与实践2005(01)

[6]刘发明:对企业财务危机预警理论研究综述。法制与社会2007(04)363-364

[7]万希宁、苏秋根:关于上市公司财务失败预警的实证分析。商业研究2003(12)

[8]巢剑雄:企业财务困境预警模型。 湖南大学学报(自然科学版)2005(02)