财务危机预警研究文献综述

的财务危机或破产风险，而这些年来相关研究文献也非常多。本文认为，从方法 创新角度评价，财务危机预测领域研究的演进过程大致可划分为以下四个阶段： （1） 单变量判别模型; （2） 多元判别模型; （3） Logistic回归分析; （4） 新的理论及方法的应用。 2.1 单变量判别模型用于财务危机预测 最早关于企业经营失败风险预测的重要研究大致可追溯至1932年 Fitzpatrick的经典文章“A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms”。由于当时缺乏先进的统计和计算 工具， 因此主要的研究方法是对失败企业和正常企业的一系列财务比率进行经验 分析和比较。这种状况一直延续到1960年代。 在1967 年秋季，芝加哥大学会计 系的副教授比弗在美国的《会计研究》发表了一篇研究财务比率有用性的文章[5] （经典论文：“Financial Ratios as Predictors of Failure”）。该文首次 提出可以运用财务比率来预测公司的失败， 目的是通过实证研究来检验财务比率 的预测功能。该文章以79 对行业相同、资产规模相类似的破产公司和非破产公 司为样本，通过对三十多个比率进行单个检验，发现现金流与总负债的比率预测 能力最高。在公司失败前一年，比弗模型的总误分率为10%，失败公司的误分率 为22%，非失败公司的误分率为5%，并且时间越往前误分率越高。虽然比弗的单 变量分析法能够取得很高的预测准确率，但这只是在原有样本上所取得的结果。 比弗每次只用一个比率来进行破产预测，某个比率在这种情况下预测效果最好， 在其它情况下可能是另一个比率的预测能力最好。 由于不同的比率更能反映公司 财务状况的不同侧面，因此，运用一组比率，而不是一个比率，可以获得更佳的 预测效果。 2.2 多元判别分析在财务危机预测中的应用 判别分析方法通常要设法建立一个判别函数 ，利用此函数进行判断。判别 函数的一般形式如下： Y＝ 1 x1 m x m 其中，Y为判别指标，根据判别方法的不同，可能是概率，也可能是坐标值或 者分值。 xi 是反映研究对象特征的变量， i 是各变量的系数，也称为判别系数。 为了建立一个判别函数必须使用一个训练样本。 所谓训练样本就是已知实际 分类且各指标的观测值也已知的样本。用于财务危机预测的判别分析方法，我们 选用财务危机企业在发生财务危机前几年的财务报表数据计算成财务指标， 再加 上分类变量和对应的非财务危机企业相应时间的数据作为训练样本。 常用的判别分析方法有：距离判别、Fisher判别、Bayes判别[33]。 距离判别的基本思想是有训练样本得出每个分类的重心（中心）坐标，然后 对新样本求出它们离各个分类重心的距离远近，从而归入距离最近的分类；距离 分类的特点是直观、简单。 Fisher判别也称为典则判别，其基本思想是投影，将原来在R维空间的自变 量组合投影到较低维度的D维空间去，然后在D维空间中在进行分类。投影的原则 是使得每一个类内的离差尽可能小，而不同类间投影的离差尽可能大。具体的操 作方法是：首先提取出与各组有最大可能多重相关的变量的线性组合，作为第一
财务危机预警研究文献综述
企业经营最主要的目标是追求利润的最大化， 而其盈利能力与其财务风险之 间存在着直接的联系。 每一个企业在其经营中， 随时都必须考虑财务风险， 因此， 财务危机预测已经成为企业财务管理的重要内容。 由于企业在其运转过程中会面 临着各种各样的风险，对这些风险因素预测不准确、认识不充分、措施不得力， 就会影响到企业的财务安全，可能导致各种各样财务危机的发生，危及企业的生 存和发展[1]。关于财务危机（Financial distress）的定义，学术界有不同的观点。 Carmichael（1972）认为财务危机是企业履行义务时受阻，具体表现为流动性不 足、权益不足、债务拖欠及资金不足四种形式[2]。Ross 等人（1999，2000）则认 为可从四个方面定义企业的财务危机状况：第一，企业失败，即企业清算后仍无 力支付债权人的债务；第二，法定破产，即企业和债权人向法院申请企业破产； 第三，技术破产，即企业无法按期履行债务合约付息还本；第四，会计破产，即 企业的账面净资产出现负数，资不抵债。从防范财务危机的角度看，财务危机是 指一个企业处于经营性现金流量不足以抵偿现有到期债务，即技术破产[3，21]。 财务危机预测是指以现有的财务比率为基础， 建立数学模型来预测企业财务 危机发生的可能性。一个财务正常的企业陷入财务危机是个渐进的过程，大多数 企业的财务危机都是由财务状况正常到逐步恶化，最终导致财务危机或破产的。 因此，企业的财务危机不但具有先兆，而且是可预测的。随着我国证券市场管理 的规范化，通过上市公司披露的数据进行财务危机预测不仅必要而且是可能的。 有效的财务危机预测，有助于企业管理者寻找财务失败发生的根源，及时采取对 策，防止情况进一步恶化；投资者和债权人可用它做出正确的投资决策；银行等 金融部门可用其进行企业的信用风险评估，决定贷款的发放对象；审计人员可以 用其进行制定审计计划， 执行审计程序。 然而财务危机预测研究仍处于探索阶段， 学术界和企业界都在不懈地改进研究方法和完善预测模型，以提高预测的准确 性。 1 企业财务危机预测的研究现状 国内外许多研究得出的结论已经表明， 财务数据和财务指标可用于预测企业 的财务危机或破产风险，而这些年来相关研究文献也可谓汗牛充栋。本着实事求 是的原则，本文在此不欲将多年来国内外的研究文献加以铺陈堆砌，而是根据个 人的理解， 对该领域具有重大影响的研究成果以及国内外一些最新的研究进展进 行扼要介绍。 1.1 西方企业财务危机预测发展现状及研究动向 财务危机预测在西方国家经过了几十年的发展历程， 已经有了非常广泛的研 [4－8 ] ，Fitzpartrick 于 1932 年进行了一项单变量的破产预测研究，他以 19 对破 究 产和非破产公司作为样本，运用单个财务比率将样本划分为破产和非破产两组， 发现判别能力最高的是净利润/股东权益与股东权益/负债这两个比率。但一直到 30 年后才有人沿着他的这条思路继续研究财务危机的预测问题，1966 年 Beaver 提出了单变量判定模型。1968 年美国学者 Altman 博士首次利用多元判别分析对 财务危机预测进行了研究，他对美国的破产和非破产的生产企业进行观察，采用 了 22 个财务比率，经过数理统计筛选建立了著名的 5 变量 Z 值模型，根据判别 分值，以确定的临界值对研究对象进行财务危机判别。Altman 的研究成果克服
了单变量模型出现的对于同一公司， 不同比率预测出不同结果的现象。 与此同时， 在西方掀起了企业财务危机预测的研究热潮，大量的研究成果不断出现[9-13 ]。 由于经典多元判别分析的某些假设如多元正态分布、 等协方差等条件在现实 中根本无法满足，因此一直颇受攻击。Ohlson在1980年的相关研究[14]（经典论 文： “Financial Ratios and the Probabilistic Prediction of Bankruptcy”） 使财务风险预测的方法得到了重大改进。他采用多元逻辑回归（Logistic）分析 方法，采用Logit模型进行财务危机预测分析，从而克服了传统判别分析中的许 多问题， 包括会计比率属于正态分布的假设以及破产与非破产企业具有同方差— —协方差矩阵的假设。从1980年代以来，Logistic回归分析方法经常被用于财务 危机预测研究，并取得了大量的研究成果。Logistic回归方法和多元线性判别一 起，在财务风险预测研究领域占据了主流地位。 进入20世纪90年代后， 西方的理论界及企业界对上述的线性方法不断的提出 质疑，因为它们的有效性依赖于严格的假设条件，如变量的多元正态分布、独立 性及等协方差矩阵等。 只有当这些假设条件得到满足， 这些方法才有很好的效果。 但是有时这些条件是无法满足的。随着科学技术的发展，国外相继出现了一些新 的研究动向[15]。 （1）在1980年代末期，神经网络理论（NN）开始兴起，其影响 也及于财务危机预测研究领域。 虽然神经网络判别模型可谓是研究方法上的重大 创新，但实际效果却很不稳定。Coats 和Fant（1991）对47家财务危机公司和47 家正常公司运用神经网络模型进行判别时， 对财务危机公司的预测准确率达到了 91%，明显高于多元判别法72%的准确率。然而，Back等人在1994年所做的一项研 究却并不认为神经网络模型具有比多元判别分析（MDA）和Logistic分析明显更 佳的预测效果。（2）由于财务数据可以表现企业生命的各种特征，其变化规律 也与达尔文进化论有许多相似之处，因此随着遗传算法（Genetic algorithms） 模型等思路的不断完善（如Back 1996年的相关研究[16]），该方法可能代表着未 来的一种重要趋势。（3）Charitou 和Trigeorgis（2000）使用B-S期权定价模 型中的相关变量构建了财务危机判别模型，对1983年到1994年期间的139对美国 企业进行了对比检验，结果发现到期债务面值、企业资产的当期市价、企业价值 变化的标准差等期权变量在预测破产方面作用显著。不过，该研究的基础方法仍 然建立于Logistic回归检验之上，仅仅在变量设计方面引入了期权因子，因此实 际的理论贡献不大。期权理论目前仅在企业总体估价中得到有限应用，若作为财 务危机预测研究的一种方法，仍然具有不可克服的先天局限[15]。 随着神经网络理论（NN）、期权定价理论、遗传算法等新的方法在财务危机 预测领域的一些应用，在某种程度上对多元判别分析和 Logistic 回归分析形成 了一定挑战，但由于其预测效果并未得到广泛认同，因此应用前景尚不明朗。 不可否认的是，当前主流的财务危机预测方法仍然是多元判别分析方法和 Logistic 回归方法[17－19]。 1.2.2 我国的研究进展 我国的市场经济起步较晚，尤其是证券市场发展时间很短，不论是学术界还 是企业界关于上市公司财务危机预测的研究起步较晚。 尽管我国不少九十年代初 出版的财务管理参考书，都已经介绍过西方的破产预测模型，但是，以我国企业 数据为基础，建立适用于我国国情的预测模型的文章到1999 年4 月才出现。经 过几年的发展，我国已经出现了很多这方面的文献[20-30]。本文在此只对具有代表 性的文献作了简要介绍。陈静（1999）以1998年的27家ST公司和27家非ST公司， 使用前三年的财务报表数据，进行了单变量分析和多元判定分析，在单变量分析
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和指标中，流动 比率和负债比率的误判率最低；在多元线性判定分析中，由资产负债率、净资产 收益率、总资产收益率、流动比率、营运资本/总资产、总资产周转率这6个指标 建立的模型在发生ST前三年可以有较好的预测效果[20]。陈谕（2000）比较了一 元分析和多元分析、回归分析、判别分析在预测和判别我国上市公司中ST公司 和非ST公司的准确率及相关问题[26]。 张玲（2000）以120家公司作为研究对象， 使用其中60家数据作为预测样本，另外60家数据作为测试样本对模型进行检验， 发现该模型可以超前4年进行预测[24]；吴世农、卢贤义（2001）以我国上市公司 为研究对象，选取70家ST公司和70家非ST公司作为样本，首先采用剖面分析和 单变量判定分析， 研究ST公司和非ST公司在发生ST前五年21个财务指标的差异， 最终选取6个财务指标作为预测变量，应用Fisher线性判定分析、多元线性回归分 析和Logistic回归分析三种方法，建立三种预测模型，结果表明Logistic误判率最 低[21]。张爱民等（2001）在Altman的多元Z值判定模型的基础上，采用主成分分 析方法，建立了主成分预测模型并进行了实证检验[23]。 上述研究成果主要是采用少量样本的情况下得到的预测模型， 虽然取得了不 错的预测效果，但是，这些结果是以少量样本为基础，另外，预测变量的选取并 没有考虑现金流量的有关指标， 其结果是否具有代表性， 仍需要进一步深入研究。 国内只有少数学者在财务危机预测研究中采用了大量样本。 黄岩、 李元旭 （2001） 应用多元统计分析方法，以沪、深股市的上市公司为样本，建立了我国工业行业 类上市公司财务危机预测模型，给出了所有上市公司的 Z 值范围，并应用该模 型对预测样本进行了实证研究[28]。卢宇林（2002）考虑了全样本的研究方法[29]， 以 52 家截止 2001 年 7 月 31 日仍为 ST、 PT 及 1998 和 1999 两年亏损的非 ST、 PT 公司为财务失败公司总体，其它 786 家公司为非财务失败公司总体。选取的 样本是剔除后的结果，即以 2000 年 12 月 31 日前上市的所有深沪两 A 股市场 上的公司为总体， 剔除财务数据明显异常或在分析中所选取的指标数据缺少的上 市公司，最大限度的保留相关信息。该研究采用多元判别分析的方法，得出了较 为实用的预测模型。大样本得出锝预测模型其预测效果更加稳定，小样本得到的 预测模型只有通过大样本检验，才能说明其预测效果的可靠性。 1.2.3 粗糙集理论在企业财务预测领域的应用现状 近期研究表明，粗糙集理论由于对非线性、非参数、不确定问题的有效处理 而受到广泛的关注，尤其在数据约简、模式识别和规则提取等方面更加显示了其 优越性。 但从目前的检索情况看， 在财务危机预测领域应用粗糙集的文献比较少。 Dimitras 等(1999 年)首次利用粗糙集理论进行了企业破产预测的研究，该文首先 利用粗糙集数据约简的功能进行财务指标的约简， 然后对约简后的决策表进行规 则提取，得到公司破产前三年的预测规则，并通过实证检验证明预测效果很好 [31] 。国内学者柳炳祥、盛昭翰（2002）应用粗神经网络进行了财务危机预警研 究。该文以某商业银行的财务指标为实例进行了预警分析，得出的结论与 Z 值 模型评价出的结果基本吻合[32]。本文在上述研究成果的基础上，同时利用了粗 糙集理论的最新研究成果，将信息熵概念引入到数据约简过程。属性约简过程也 就是财来自百度文库指标筛选的过程； 应用条件属性与决策属性的关联度计算各财务指标的 权重，进而确定综合预测模型。 2 常用的财务危机预测方法及评析 国内外许多研究得出的结论已经表明， 财务数据和财务指标可用于预测企业