公司财务风险预警文献综述

[摘 要]当前由于疫情的冲击，国际形势多变，国内经济仍在复苏，企业仍旧面临潜在经营风险。在理论界，对财务风险的防范研究是财务管理的重要课题之一。文章对财务风险预警模型的构建做了国内外文献的梳理和总结，试图为后来者深入研究提供一些啟示。

[关键词]财务风险;预警模型;单变量预警模式

[DOI]10.13939/j.cnki.zgsc.2021.36.012

1 引言

财务风险预警的研究一直是财务研究的热点内容之一。目前，疫情影响下的国际政治和经济间的矛盾凸显，国内经济仍在重启之中。企业面对纷繁复杂的经营环境，经营不确定性增加。做好公司财务风险预警工作，并及时采取针对性措施化解危机，提升公司经营绩效，是股东和相关利益者首要之事。梳理公司财务风险预警的相关文献，有助于学术研究者深入研究和创新财务风险预警模型设计，为业界防范财务风险提供理论指导。

2 财务风险的内涵

财务风险是指公司经营面临不确定环境，造成的一定时间内经营收益和预期收益发生较大差异的可能性。这种可能性如果得不到有效应对，甚至会导致公司财务状况恶化，资金链断裂，甚至破产。Carmichael R.（1972）认为，公司财务风险是指公司在营运资金、股东权益、债务履行等方面遭受到困难。Lau（1987）指出公司难以支付股息、资金流紧张、无法按期偿还债务、进入破产清算环节等指标，是公司面临财务风险的主要评价标准。赵春阳（2021）将财务风险分为筹资风险、经营风险和收益分配风险三个维度，认为公司应该从政府和公司两方面做出有效防控措施降低风险。张金昌、王大伟（2020）认为财务困境本质是资金供求平衡的问题，从资金链角度，将其界定为从资金紧张、财务危机、债务违约最终企业破产的整个动态过程。

总之，公司财务风险指的是不可控因素导致的财务经营状况异常，这些异常往往反映在财务指标甚至非财务指标上。公司财务风险是客观和主观的统一体。一方面财务风险不可能完全消除;另一方面公司管理层可以优化资本结构、合理安排筹资、投资方式等来减少财务风险。

3 财务风险预警模型的构建

3.1 单变量预警模型

国外学者Fitzpatrikc（1932）最早开始了财务风险的单变量预警模型研究，首次应用财务比率分析公司财务风险问题。他发现遭遇财务风险困境的公司与经营状况良好的公司在财务比率等方面有着较多差异。通过对比19家遭遇财务风险预警的公司的财务比率，得出净资产收益率和股东权益负债率是对财务风险预判性最强的两个指标，从而开始了财务风险预警模型研究的先例。Beaver（1966）以Fitzpatrikc的研究为基础，提出一元预警判别模型，他运用现金流量负债率的指标，选择156家公司（财务状况良好和遭受风险的各56家）十年间的财务数据，分析认为现金流量负债率、净利润/总资产、负债/总资产对财务风险预判效果较强，其中现金流量负债率的预判效果最强。

国内学者吴世农，黄世忠（1987）运用单变量预警模型分析了公司破产的区间控制估计值，认为在经营管理水平和计算能力较差的国内环境中，应用单变量预警模型来进行区间控制的预测不失为一个好方法。学者程洪波（2003）选用经营活动产生的现金流量相关指标测算并建立单变量预警模型，对国内29家遭遇退市风险后又解除的上市公司进行财务风险研究，得出与之前学者不同的结论，即经营活动现金流量指标为基础的单变量模型不能准确预测和反映公司财务风险。

财务风险单变量预警模型开启了公司风险预测的实证研究先河。其模型简单易懂，操作性强，但也不可避免存在缺陷。单变量预警模型在指标选取上主观性较强，导致模型预测出现偏差，模型预测的准确性大打折扣。而且单指标的风险预测并不能完全规避公司管理层粉饰财务报表的可能，这样就失去了财务风险预警的初衷。

3.2 多变量预警模型

因为单变量预警模型的指标选取主观性较强，预测存在不准确可能，多变量预警模型随之出现。其中最有代表性的是Z-score模型。国外学者Altman（1968）以1945—1964年66家公司为样本，对22个财务指标筛选出5个财务风险相关变量：营运资本和资产比率、所有者权益负债比率、留存收益和资产比率、息税前利润和资产比率、总销售额和资产比率。并建立模型对公司破产进行预测，效果显著，但其预测模型有着一定的行业局限性。此后国外学者Blum（1974）将现金流量纳入预测模型中，改进Z-score模型，建立F计分模型，拓宽了前者的应用范围。其对超过100多家公司进行验证模拟，结果表明F计分模型比Z-score模型预测准确性要高。后来，Blum、Haldeman和Narayanan（1977）等人经过两次修正，构建了新Z-score模型，即ZETA模型。通过重新优化调整，选取财务数据的七个重要变量，运用111家公司样本进行验证，表明使用ZETA模型对一年内破产公司风险预警准确度高达90%。

由于Altman等人的Z-score模型主要针对的是美国资本市场，与国内财务报表、会计准则、指标计算等方面有着不同。国内学者在Altman的Z-score模型基础上，做了一些改进。周守华等（1996）构建了F分数模型，增加了现金流有关财务指标，采用多元分析法对Altman的模型进行优化。张爱民（2000）将主成分分析法和Z-score模型结合，改进了模型，弥补了Z-score模型T-1年预测结果准确率不高的缺陷。杨淑娥（2003）运用主成分分析法，以67家公司为研究样本，在Z-score模型基础上构建了Y分数模型。李敏（2012）在学者周守华（1996）的F分数模型基础上，分析国内创业板市场公司的财务状况，同时表明考察公司财务状况时应注意公司现金流量的偿债能力、投资价值、资产的流动性和筹资能力等。张金昌、范瑞真等（2015）以企业资金链断裂风险为研究视角，选取能反映资金缺口的静态和动态指标，以A股38家股市公司和同期38家配对公司为研究样本，构建了风险识别的度量指标体系并加以验证，模型效果显著。

多变量预警模型虽然相比单变量预警模型更具优势，但也存在不足。多变量预警模型对样本的要求苛刻，一般将样本公司分为两组，要求两组数据呈正态分布且均方差矩阵相等。因此在实践操作中，很少有理想化的数据。多变量预警模型对一年内出现财务风险的公司预测性高，对近两年、三年的预测性不太理想，甚至有时会不如单变量预警模型预测准确的情况。

3.3 Logistic预警模型

由于多变量模型的局限性，20世纪70年代出现Logistic模型（即逻辑回归模型）。该模型属于非线性模型，采用最大似然估计法，求解方程并计算目标的条件概率。Martin（1977）以2163家公司7年间的数据为研究样本，通过对ZETA模型、Z-score模型和Logistic模型对比，认为Logistic模型的预测准确度更高。Ohlson（1980）以1970—1976年间破产的105家公司和持续经营的2058家公司为样本进行研究，建立公司规模、资本结构、变现能力和经营绩效四个维度的Logistic模型，深度探讨了公司破产的概率分布，并且证明了定性指标在财务风险预警中也有着重要作用，开启了非财务指标在预警模型中使用的先河。Tiara等（2016）采用Logistic模型对印度尼西亚的保险公司财务风险预测，最终表明流动性比率和公司财务风险显著相关。

国内学者也较多使用Logistic模型来进行公司风险预测。罗晓光（2011）进行了商业银行风险的研究，通过比较经营稳健和存在经营风险的商业银行在资本充足率、银行信用、盈利能力、发展能力、资本流动性等指标的差异，构建了一个多指标综合监控的银行财务风险测度模型。齐岳（2019）以港股房地产公司为样本，科学选取23个财务指标，结合Z-score和Logistic回归分析，构建了一个财务风险评估模型。他认为该模型的预测精确度能达到89%，并且港股房地产公司的财务指标可以直接代入该模型，就可以判别财务风险发生的可能性。在实际操作中应用性较强，丰富了以往的模型构建方面的研究。

Logistic预警模型克服了多变量预警模型在数据要求方面严苛的局限性，拓展了研究的应用范围。但是，Logistic预警模型对计算的要求较高，过程烦琐，涉及很多近似的估算过程，这在一定程度上影响了预测的精确性。

3.4 神经网络预警模型

随着计算机技术发展和科技进步，人们逐渐利用计算机参与财务风险预警模型的构建。

神经网络计算是模拟人类神经元的一种高度复杂的非线性动力学习系统。神经网络预警模型是一种比较理想的预测方法，具有广泛的适用范围和较高的推广价值。国外学者Odom（1990）首次将人工智能算法中神经网络的概念引入模型设计，选取64家经营稳健和经营失败的公司为研究对象，表明该模型能够有效提高预测准确度。Adrian Costea（2019）利用网络神经算法，建立预防金融机构绩效恶化的预警系统，评估罗马尼亚的非银行金融机构的财务绩效。该算法将财务数据集纳入每个观察值，并将其放置到一个自组织图中，该图可用于可视化单个NFI的轨迹，并根据不同的绩效维度（例如资本充足率）对其进行解释其资产的质量和盈利能力。

国内学者杨保安（2001）构建财务风险指标体系并构建神经网络预警模型，最后用公司数据验证了该模型的可操作性。杨淑娥（2007）同样运用神经网络方法从偿债能力、盈利能力、变现能力等多方面，构建预警模型，科学分析数据。郑建国（2016）建立了一种基于粒子群算法的新的神經网络模型，利用此算法赋予最优的权值，为创新神经网络模型提供了思路。邢瑞雪（2019）运用78家上市公司数据，分别采用多变量预警模型、逻辑回归模型和神经网络模型，结果表明基于人工智能的神经网络模型比传统财务风险预警模型更具有预测性。

神经网络预警模型是伴随着计算机科学的发展而产生的。它对计算要求很高，构建较为复杂，但预测准确度上较传统预警模型要好。但随着科技的发展和理论研究的丰富，该模型也在不断完善、更新和发展。

3.5 熵值法预警模型

“熵”是物理学名词，由德国物理学家克劳修斯于1865年提出，表示对某些物质系统状态的一种量度。随着“熵”理论的跨学科渗透，国内外一些学者开始将其引入财务风险预测模型中，筛选财务风险指标和赋权计算。

国外学者Theil（1969）最先将熵值法应用于财务研究。他使用泰尔熵指标来计算收入差异和讨论社会公平问题。Quinlan（1979）对比多个财务风险预警模型后，认为熵值法模型能够克服指标的繁冗问题。国内从20世纪90年代开始熵值法模型的研究，应用于公司绩效评价。蔡彦哲（2019）将因子分析法和改进的熵值法结合，对林业上市公司进行了实证研究，表明不同地区和行业的林业公司绩效差异显著，面临风险也不同。姜作鹏（2020）使用熵值法构建格力公司绩效指标评价体系，对公司财务风险进行有效预警。

熵值法能够克服主观确定权重方法的缺陷，但对数据的全面性要求高，实际中研究数据的选取对结果影响较大。熵值法还存在风险识别准确度不高但权重较高的情况，因此熵值法和其他方法的有效结合使用会提高风险评价的准确性。

3.6 功效系数法预警模型

功效系数法是一种业绩评价方法。它是根据目标规划原理，对财务指标设置满意值和不允许值，并根据此计算指标分数，加权平均后进行客观评价。

国内学者顾晓安（2000）首次使用功效系数法进行财务风险预警的研究，对八个财务指标设置满意值和不允许值，计算综合功效系数，最终对财务风险状况进行判断。一些后来学者在此基础上进行了改进。雷振华（2007）改进了评分方法，将原模型中两个档次标准值改为五个档次;取消原模型中基础分，将其归入变动范围中。吴本杰（2012）使用公司治理中股权结构、外部审计意见等非财务指标，对上市公司10年间数据进行分析验证。王济民，蔡颖（2016）根据多目标规划原理，采用一种有序样本聚类新方法，为我国国有企业绩效评价提供了新思路。刘飞虎（2016）以我国56家上市的股份制银行为研究对象，预测银行经营风险，构建功效系数法下的预警模型。张梓昱（2020）对国内五家保险公司财务数据进行评价，应用功效系数法计算排名，构建指标评价体系。类似地，徐诗然（2021）以水上运输业的16家公司为研究样本，从盈利能力、经营状况、资产状况、债务风险四方面运用功效系数法进行业绩评价，评估财务风险，并提出改进措施。

功效系数法计算方式简便，可操行强。它最开始广泛应用于公司绩效评价研究，在业界也获得高度评价。但功效系数法也存在一些缺陷，比如只有满意值和不允许值两个档次，且调整分数和基础分数比例固定等问题，会影响预测准确度。因此学者常常将其与其他方法结合使用，更为准确确定权重，使其评价更科学合理。

4 文献述评

国内外学者在预警模型构建等方面都做了大量的研究，而且还在继续深入和创新。在研究样本上，因为上市公司的财务披露制度，较多成为研究对象，通常将样本公司分为ST和非ST两组进行对比分析。在研究指标上，从基于财务报表的单一财务比率指标、多元财务比率指标到财务指标与非财务指标结合使用，经历了从简单到复杂、从合理到科学的漫长过程，财务风险预警模型的预测也趋于精确。最初仅基于资产负债表和利润表选取单一财务比率的指标，后因利润表容易被管理层粉饰操纵，不能真实反映现金流，又转向现金流量表指标的分析上;随着经济发展、技术进步和不确定因素的增多，纯粹财务指标不能完全反映企业财务风险，一些包含资本市场信息、宏观经济发展、公司治理等内容的非财务指标被引入指标体系和模型构建中。在研究模型上，从单变量预警模型、多变量预警模型发展到多种多样的预警模型。国内学者研究较晚，大部分借鉴国外的经营和做法，进行模型的设计;后期研究在指标选择和模型调整上做了一些创新，以更好适应国内企业的制度环境和经营现状。尤其是Logistic預警模型的出现，在国内得到广泛的应用，学者也在此基础上不断创新模型。新的预警模型利用大数据技术等在数据挖掘和预测效率方面都有明显的提高，但也存在技术门槛高、计算复杂的不足。

总之，公司财务风险预警的研究方面，国内外学者在指标选择、预警方法和模型构建等方面的丰富经验为后续研究做了很好的基础铺垫，提供了大量的研究思路，有利于研究的深入和创新。

参考文献：

[1]张金昌，范瑞真.资金链断裂成因的理论分析和实证检验[J].中国工业经济，2012（3）：95-107.

[2]吴世农，卢贤义.我国上市公司财务危机的预警模型研究[J].经济研究，2001（6）：46-55.

[3]聂丽洁，赵艳芳，高一帆.基于现金流的财务危机预警指标体系构建研究——基于我国制造业上市公司数据[J].经济问题，2011（3）：108-112.

[4]王宛容.基于logistic模型的上市公司财务风险预警[J].中国水运，2021（1）：154-156.

[5]刘倩.基于二元逻辑模型的企业财务预警机制研究[J].统计与决策，2010（14）：187-188.

[6]周首华，杨济华，王平.论财务危机的预警分析——F分数模式[J].会计研究，1996（8）：8-11.

[7]ALTMAN. Financial ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].The Journal of Finance，1968，23（4） ： 589-609.

[8]OHLSON.Financial ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980： 109-131.

[作者简介]张璟龙，男，中国社会科学院大学博士研究生，研究方向：公司治理、企业战略等。