财务风险预警研究综述

肖霖

[摘 要]随着全球经济的快速发展，企业之间的竞争日益激烈，评估与识别企业存在的风险对企业的生存与发展越来越重要。大多数学者研究财务风险预警的基本方法集中于单变量分析、多元判别分析、逻辑回归分析、线性回归分析、神经网络、生存分析等。文章主要梳理了财务风险预警相关理论研究的发展以及现状，根据不同模型分析了各方法的优点与不足。

[关键词]财务风险；预警模型；综述

[DOI]10.13939/j.cnki.zgsc.2016.33.107

1 国内外研究现状

从20世纪30年代开始，就已经有学者注意到企业财务状况的变化会影响到企业经营成果以及财务状况，并开始进行相关研究。学者们分析了大量的企业财务指标数据，并根据这些研究开始了对财务风险的研究。随着企业管理和财务理论的发展，研究手段也越来越科学，研究方法和研究工具也逐渐成熟，研究者提出了各种不同的财务风险预警的方法和模型。

1.1 国外研究现状

1.1.1 财务风险研究现状

Blum（1974）将财务风险定义为企业没有能力偿还到期债务、进入破产程序或者与债权人达成明确债务减免协议的事件。在正常情况下，企业只有按时支付本息或股利，才能顺利获得债权人或者投资者的青睐，筹集足够的资金。如果企业不支付本息、拖欠股利，出现违约的情况，必然会引起投资者的注意，对企业的筹资活动产生影响，进而影响企业的持续经营。James C.Van Home和John M.Wachowicz（2001）对财务风险做了更广的界定，认为财务风险由两部分组成，可能失去偿债能力的风险和因使用财务杠杆而导致的每股收益变动的风险。

1.1.2 财务风险预警模型研究现状

单变量判别模型。最早开始研究财务风险预警模型的是Fitzpatrick（1932），他主要针对单变量破产预警进行研究，是单变量预警模型研究的先驱。Fitzpatrick选择了19家企业作为研究样本，研究发现对财务风险判别能力最高的两个指标分别是净资产收益率和产权比率。美国芝加哥大学教授William Beaver（1966）在Fitzpatrick的研究基础上进行了较为成熟的单变量预警研究，结果发现预测准确率最高的指标是现金流量债务比和资产负债率。

多变量判别模型。美国学者Edward Altman（1968）首次将多变量线性判别分析方法介绍到财务风险预警领域。他随机抽取了多家制造企业，通过研究认为22个备选财务比率中有5个是最佳预警判别变量，并运用这5个财务比率建立了多变量线性判别模型。Altman（2000）在多变量判别分析法的基础上进行了改进创新，建立了Z值多变量财务风险预警模型。事实证明Z值多变量财务风险预警模型是非常有用而成功的，在以后的财务风险预警研究中得到了广泛的应用。P.Wu（2016）建立了多元线性预警模型，在传统的财务风险和收益的风险管理之间的非相关性分析的基础上，提出了建立财务风险预警的必要性，并构建了一个多元线性模型，证实了多元线性预警模型的有效性。

逻辑回归模型。Ciarlone和Trebeschi（2005）将宏观经济学和现有的预警模型结合起来，运用逻辑回归法构建了一个规则简单，但验证有效的逻辑风险预警模型。Daniela Beckmann等人（2006）提出在当前市场环境中应该高度重视财务风险，由于研究选取的样本、时间段以及变量的不同，合适的财务风险预警方法也就不同，并且通过比较分析表明逻辑回归方法比其他方法更有优势。MatthieuBussiere等人（2008）以逻辑回归模型为基础，创新的将二元离散选择的方法运用到研究中。他们根据32家处于财务危机状态的企业的财务数据建立了新的多变量逻辑回归预警模型，并且划分了多个预警区域。经过验证，该预警模型基本可以比较准确的预测企业的潜在危机。

神经网络模型。Coats和Fant（2005）将人工神经网络运用于财务风险预警研究，建立了神经网络财务风险预警模型。他们以94家破产公司与188家正常公司的财务数据为样本，研究结果表明，神经网络预警模型预测的准确性较高。Edward I.Altman（2009）等运用多变量线性分析方法和BP人工神经网络方法研究了164家上市公司的财务数据，发现其中16%的公司财务存在危机，30%的公司财务状况需要引起管理层的密切关注，54%的公司处在正常运营的过程中。Clarence Tan（2009）总结了现有的BP神经网络财务风险预警模型，并选取多家银行的财务数据为样本建立了银行神经网络财务风险预警模型，并验证银行神经网络财务风险预警模型的有效性。

综上所述，国外财务风险预警研究主要集中于对财务风险预警模型的构建，研究成果较为成熟，并且广泛应用于实践中。国外学者在财务风险预警模型方面的研究经历了单元判别模型、多元线性判别模型、多元逻辑回归模型及神经网络模型等几个阶段，使得财务风险预警成为公司财务风险研究中的一个重要领域。

1.2 国内研究现状

1.2.1 财务风险理论研究

刘恩禄，汤谷良（1989）较早给出了财务风险的定义，认为财务风险是指企业在筹资、投资、利润分配等一系列财务活动过程中，由于受外部或内部不确定性因素的影响，实际收益偏离预期目标并给企业及股东造成损失的可能性。李平（2013）重点研究餐饮企业财务方面存在的问题，认为财务风险是餐饮企业不可避免的难题，并分析了餐饮企业产生财务风险的原因。张影（2013）认为餐饮业面临的主要财务风险是筹资风险、投资风险以及营运风险，并从餐饮企业自身以及企业面临的大的宏观环境分析了财务风险产生的原因。

1.2.2 财务风险预警模型研究

单变量判别模型。吴世农，黄世忠（1986）通过《中国经济问题》的一篇文章首次介绍了企业破产分析的相关预警指标和单变量预警模型。陈静（1999）对我国上市公司的财务困境进行了预测，她对同行业同规模的27家ST公司的财务数据进行了单变量预警研究。研究结果表明流动比率、资产负债率、总资产收益率和营运资本比率对企业财务失败的反应较为敏感。

多变量判别模型。袁康来，吴晓林（2008）检验出Z模型在我国农业企业财务风险的预警中效果明显。李元凤（2012）对 Z 模型进行了检验，同时增加了 3 个新的变量并修改了临界值，模型的准确性得到大幅度提高。王文红（2015）运用 Z 模型对我国汽车制造行业上市公司财务风险预警进行适用性分析，证明了其有效性。

逻辑回归模型。陈晓，陈治鸿（2000）运用逻辑回归模型对ST公司进行研究，研究结果表明ST公司的产权比率和资产回报率对公司财务风险预警的准确率最高。吴应宇，袁陵（2004）将因子分析法在指标信息处理上的优点以及逻辑回归法拟合模型准确度较高的优势结合起来，应用于上市公司财务风险预警的研究之中。王会柠，张振伟（2015）以Altman的Z计分模型为理论基础，构建了中小企业财务风险预警模型。从选取样本来看，Altman的Z计分模型基本上能够反映企业的财务状况。

神经网络预警模型。周喜，吴可夫（2012）利用神经网络数据挖掘技术、财务及非财务指标构建财务危机预警模型，研究结果表明其构建的预警模型较准确地预测了财务危机，并且实际应用价值较高。黄晓波，高晓莹（2015）运用神经网络模型对财务危机进行预测，结果表明该财务危机预警模型预测效果较好。李芳（2015）运用神经网络模型构建财务危机的预警模型，发现每股净资产、每股经营活动净现金流量净额和资产负债率这3个财务指标对于财务困境有较好的判断和预测能力。

其他财务风险预警模型。顾晓安（2000）首次在企业财务风险预警研究中引入了功效系数法，通过对8个能够反映企业财务风险的预警指标设定满意值及不允许值，并按指标权重加权得出财务指标的综合功效系数，对比已经设定的指标评价值，判断企业财务风险警情。余凯（2008）选择并构造了7个房地产预警复合指标，通过主成分分析法确定每个指标在该预警体系中的权重，最后利用灰色预测模型预测了FZ市未来两年房地产的发展情况。孙焕宇，陈倩等人（2015）构建了一个灰色预测模型，并使用主成分分析法对众指标降维，通过实证分析表明，灰色预测模型有着较高的准确度且过程并不复杂。

从以上研究来看，国内外学者在研究财务风险的概念时，通常将该风险分为狭义和广义两种。狭义的财务风险一般被称为负债筹资风险，是指企业通过负债的方式筹集资金，在债务到期偿还债务方面存在的不确定性。狭义的观点认为负债是使企业面临财务风险的唯一因素，没有负债便不存在财务风险。广义的财务风险贯穿于企业的整个财务活动，是企业面临的外部环境以及企业内部难以预计的不确定性因素引起的，使企业的实际财务收益偏离预期目标，因而在财务方面遇到难题的风险。广义财务风险的观点将企业财务活动的整体和全过程考虑在内，从而界定出财务风险的概念。

在财务风险预警模型方面，国外学者偏向于对模型的构建，国内学者的研究多偏向于在国外模型的基础上进行改进，由于所有的模型都是以国外市场的数据为基础建立的，放在不同的时代背景以及不同发达程度的市场中研究，会产生不同的结果，所以国内学者偏重于对外国模型的改进。以上财务风险预警模型各具特色各有优点，适用于不同类型及规模的公司，需要具体问题具体分析。

参考文献：

[1]P.Wu，L.Gao，Q.Wang.Early Warning System for Finance[M]//Managing the Asian Century.Germany：Springer Link，2016：85-101.

[2]Alessio Ciarlone，Giorgio Trebeschi.Designing an Early Warning System for Debt Crises[J].Journal of Accounting Research，2005（9）：109-114.

[3]Daniela Beckmann，Lukas Menkhoff，KatjaSawischlewski.Robust Lessons about Practical Early Warning Systems[J].Journal of Finance，2006（7）：56-60.

[4]张影.新时期餐饮企业财务风险识别与应对分析[J].商，2013（22）：66-63.

[5]吴世农，黄世忠.企业破产的分析指标和预测模型[J].中国经济问题，1986（6）：36-37.

[6]李元凤，戴劲.Z财务预警模型的检验与改进[J].财经界：学术版，2012（1）：231-233.

[7]韩彦峰，王娟娟.基于功效系数法的餐饮业财务预警实例研究[J].中国商贸，2012（8）：102-103.