上市公司财务风险的预警模型及指标体系研究

(中南林业科技大学商学院 湖南 长沙 410004)

一、国外关于财务风险预警模型的研究

目前研究的主流方向是通过建立财务预警模型，来判断和区分破产企业和非破产企业或区分能够实现成功重组的破产企业和只能被清算的破产企业。而使用得最多的模型建立方法，则是多元线性判别分析方法和逻辑回归方法。总体来说，这类模型的建立经历了三个发展阶段：单变量模型阶段、多变量模型阶段、对数分析模型阶段。

(一)单变量模型

60年代中期，Beaver(1966)改进了前人的单变量预警，他以美国1954到1964年，这十年之中资产相近的79家财务正常公司和79家财务状况糟糕的公司作为研究样本，同时选取了上市公司经常用到的29个财务比率。最后发现，现金债务总额比率能够最好的预测到上市公司的财务风险。

(二)多变量分析模型

在多变量财务风险预警方面，Ohlson(1980)开创了用Logistic回归模型进行财务风险预警的研究，此后，Zavgren(1985)等人也应用了相似的模型进行了研究。Pavlos Almanidis和Robin C.Sickles(2016)采用了混合风险模型作为预测商业银行财务风险的工具，并取得了良好的预测效果。

(三)对数分析模型

这种方法在80年代和90年代初期开始代替上述多元线性模型并得到发展。对于企业会否出现财务失败，多元线性模型得出的是一个分数值，而对数分析法则是提供一个可能性(百分比)，而且该分析法不像多元线性模型分析法——不要求数据显示出基本的统计特征。Ahmad pour Kasgari(2013)认为破产预测模型是财务决策中最重要的问题。他运用逻辑回归模型对非破产和破产公司的预测分别为87.9%和90.7%在破产前(两者均为89.2%)：而运用BP神经网络对破产和非破产公司已经预测了90.9%和90.7%，表明神经网络的预测精度高于逻辑回归模型。

二、国内财务风险预警模型的研究

在我国财务预警模型研究成果中，影响最广的是周首华、杨济华(1996)在《论财务危机的预警分析一F分数模式》一文中提出的新的财务预警模型——F分数模型。文章在指标选择时融入现金流量概念，并通过不同的变量选择和指标选择方法，对Z分数模型进行改进。

目前，也有人根据国际上当前较先进的研究方法，如神经网络体系、期权定价理论、MTS方法等在财务预警方面的应用，结合中国国情和市场实际情况，研究出新的财务预警模型。吴天(2016)收集整理第一次被警示告诫退出股票市场中小板上市公司前3年财务数据，以融入因子分析法的Logistic模型为财务风险预警模型，经检验证实其预警效力良好。高惠芬等学者(2017)结合主成分分析法对中小板挂牌企业进行财务风险预警分析，将预警结果与当年样本公司的营业收入和净利润进行对比，证明该方法能如实地预测财务动向。邢嬴文(2015)以财务风险和BP神经网络模型作为理论支撑，全面考虑22个财务指标和非财务指标，基于正态性检验、非参数检验及因子分析法，对电子元件行业财务风险预测时引用BP神经网络模型，结论证明财务状态可被其正确预测。

三、预警指标体系的研究

(一)财务指标预警

黄世忠等(1986)提出最初理论模型。李芳宇(2013)以上市的16家商业银行为样本，参照CAMEL评级体系与《商业银行监管评级内部指引》设置了预警指标，采用了支持向量机进行了危机预警研究。杨晓雨(2014)从资本充足、管理能力、盈利性、流动性与资产安全五维度构建了上市商业银行财务风险指标体系。

(二)非财务指标预警的研究

白智慧(2013)首选26个财务指标和14个非财务指标(董事会与总经理品质、企业多角化程度、管理与股权结构)，得出引入非财务指标可以提升危机预警准确度。张博(2014)以我国A股制造业上市公司为样本，选取了财务指标和非财务指标(公司治理、审计信息)进行研究，发现引入非财务指标可以准确预警财务风险。刘玉敏(2016)将公司治理指标(国家股比例、高管持股比例、流通股比例)和经济增加值指标(EVA率、总资产EVA率、净资产EVA率和销售EVA率)引入到财务预警模型中，相较于只包含财务指标的预警模型而言，扩展预警指标体系后，模型预警效果得到明显提高。顾晓安等(2018)以2012-2016年A股上市公司为样本进行的实证研究表明：ST公司与正常经营公司盈余管理行为存在显著差异。

四、结论

第一，财务预警模型主要包括了以单变量预警模型、多变量预警模型、条件概率预警模型为代表的传统统计类预警模型以及以神经网络为代表的非传统类预警模型。近年来较多的研究都采用以神经网络为代表的非传统方法进行财务预警模型的构建，并获得了较好的预测效果。

第二，将非财务指标引入财务预警模型在以往的研究中较少，主要还是以财务指标为输入变量构建财务预警模型。