上市公司财务困境预测方法的比较研究

上市公司财务困境预测方法的比较研究

吕长江周现华

（吉林大学商学院、吉林大学数量经济研究中心 1３001２）Comｐaraｔｉｖe Sｔudｙon Foreｃａst Approacｈeｓof Corpoｒａｔe

Financiａl Dｉstｒｅsｓ

Chaｎgｊiａｎg Ｌｕ& Xianhｕa Zhou

（Businｅss Scｈoｏl oｆＪiｌin Univerｓｉｔｙ, 130０12)

Aｂsｔrａct

How tｏａpｐlｙ a ｓuitable ａpｐｒoaｃh to ｆorecａst corporate ｆiｎａncｉal disｔｒｅss ｈas long bｅen ａn importａnt iｓsue in the filed of corpoｒate finance. Baｓeｄ oｎ severaｌ mａiｎｆoｒｅｃast approaches both fｒom broａｄ and domestic, ａnd tｈeir ｐreｃoｎdｉtion, thiｓ paｐer wiｌl ｕse a ｓamplｅoｆinduｓtｒy listed companies fｒom 1９９9 to 2002, ａnd ａpplｙMulti-Ｄiｓcrｉｍinａte Analysｉs (ＭDA), Logit anｄＮeural Network ａpprｏach reｓｐecｔｉvely ｔo forecａsｔcoｒporate fiｎancｉal distｒesｓ．Empiriｃal ｒeｓulｔs ｉnｄｉcaｔe that thｒee apｐｒoａches caｎ forｅcaｓt corpｏrate ｆinanｃiaｌ disｔress ｂｅｆorｅ 1 year ａnd ２-３yeａr, and Lｏgｉｔｍodｅl caｎｉdentifｙｃｏrp ｏrate fiｎanｃial distrｅss ｍore accurａtelｙ thａn ＭDA, NN modｅl is ｂesｔｏne aｍong thｒｅe ｍodeｌs．

Keywords: Financiａl Dｉｓtrｅｓｓ; Ｍultｉ-Ｄiｓｃriminａｔe Ａｎalysis; Logｉt Ｍodel; ＮeｕraｌＮetworｋ

联系作者:吕长江

吉林大学商学院

长春市前卫路1０号，130012

Tｅl: ，５166093,

Ｅｍaｉl:

上市公司财务困境预测方法的比较研究

内容摘要:如何采用适当的方法对公司财务困境进行正确的预测,一直是学术界关注的热点问题之一。基于国内外已有的财务困境各种预测方法及其结果的差异,本文在分析各种研究方法应用前提的基础上，采用制造业上市公司１999-2002四年的数据分别运用多元判别分析、逻辑线性回归模型和人工神经网络模型对财务状况处于困境的公司进行预测比较分析。结果表明:尽管各模型的使用有其特定的前提条件,三个主流模型均能较好地在公司发生困境前1年和前２-３年较好地进行预测,其中，多元判别分析法要逊色于逻辑模型，神经网络模型的预测准确率最高。

关键词:财务困境主成分分析判别分析逻辑模型 BＰ网络模型

一、引言

随着资本市场的不断发展与完善,对上市公司财务困境进行预警研究一直是国内外学术界的热点问题之一。Beaver（1966）最早给出了破产预测模型。从那时起，公司财务困境的预测就成为一个极具吸引力的课题，近期的研究工作将研究的重点扩展到三个领域：统计工具的恰当使用，财务困境概念的界定,以及包括宏观经济解释变量的应用。

Beaver（196６)提出了单变量判定模型,定义破产包括“债券拖欠不履行，银行超支,不能支付有限股利等”。运用实证分析得出现金流量与负债总额的比率能够更好地判定公司的财务状况,其次是资产负债率。Altmaｎ(19６８）提出了多元Z值模型,将若干变量合并入一个函数方程,用Z值进行判定,结果表明，在破产前一年的预测准确性较比弗有很提高。扩展的第二个方面是财务困境的定义。Ｊohn，Ｋoｓe(199３）将公司的财务困境定义为:在一个给定的时点上，公司的流动资产不能满足它的书面合同所需要的现金需要时就是财务困境。另外，该文章认为财务困境主要来自于现在可使用的流动资产和它的“书面”财务合同的现有责任之间的不配比，而处理财务困境的手段通过重新设置资产的结构或者重新设置财务合同修正了这种不匹配。再者,样本公司可能被划分为不只两类（破产和非破产公司)，而且分类的概率可由多元正态方法给以估计。Jｏhｎsｅn和Melicher(１9９4）认为使用多元正态模型，一些分类错误可能被显著地减少。第三个领域包括使用通过附加变量或行业调整率来进行解释变量的调整。Ｈopwood、Mcｋeown 、Muｔｃhｌer(１9８9)和Ｆｌagｇ、Giroux、Wigｇins（1991)发现“质量观点”在划分财务困境公司时是非常重要的。其他的一些研究也包括了用宏观变量来控制商业环境的改变。在1990 年以后，许多相关研究文献在会计比率选择及新理论的引入方面进行了许多积极的探索,如Coatｓ和Fant（1９９１）对4７家财务困境公司和47家正常公司运用神经网络模型进行判别时，对财务困境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Logiｔ分析更加明显的预测效果。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困境判别模型,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。

国内学者吴世农、黄世忠（１９8６)较早对我国上市公司财务困境进行预测研究。陈静(1999)对使用Beaveｒ和Aｌtmａｎ的模型,选用了1995－１９9７三年的27家ST公司和27家同行业、同规模的公司的财务数据进行实证研究,得出了预测模型对中国市场有效的结论。吴世农、卢贤义（200１)应用单变量判定、多元线性判别和多元逻辑回归方法,分别建立ＳＴ公司预测模型，结果证明,这些模型均获得较高的判定精度,在财务困境发生前4年的误判率在28％以内。姜秀华、孙铮(2001)研究了企业治理的弱化同企业财务困境之间的作用关系。卢宇林等（2002）建立了用于判断公司是否出现财务风险的兴业财务评价指数。该文采用了非配对抽样方法,采用逐步回归的判别分析法建立了线性典则判别函数和Fｉsh’s线性判别函数,并利用２０01 年的中报数据进行模型的有效性检验，模型的总体有效性达到81%。何沛俐、章早立(20０2）建立了以时序立体数据空间为基础的财务危机判别模型，他们在Logit回归分析之前使用全局主成分分析，从而增强了模型的有效性，模型的准确率达到7１．3%。