摘要:企業(yè)財(cái)務(wù)危機(jī)已成為企業(yè)利益相關(guān)者需要預(yù)測(cè)并應(yīng)對(duì)的重要風(fēng)險(xiǎn)之一。企業(yè)應(yīng)構(gòu)建財(cái)務(wù)預(yù)警機(jī)制，及時(shí)溝通企業(yè)有關(guān)財(cái)務(wù)危機(jī)預(yù)警的信息，有效地防范和化解財(cái)務(wù)危機(jī)。本文對(duì)國(guó)內(nèi)外財(cái)務(wù)危機(jī)預(yù)警模型逐一進(jìn)行評(píng)析，旨在為構(gòu)建符合我國(guó)實(shí)際并具有可操作性的財(cái)務(wù)危機(jī)預(yù)警模型提供借鑒。

　　關(guān)鍵詞:財(cái)務(wù)危機(jī)預(yù)警模型；單變量模型；多元判別分析模型；人工神經(jīng)網(wǎng)絡(luò)分析模型

　　隨著我國(guó)市場(chǎng)經(jīng)濟(jì)體制改革的不斷深化，經(jīng)濟(jì)領(lǐng)域中的復(fù)雜性、不確定性日益凸現(xiàn)，企業(yè)發(fā)生財(cái)務(wù)危機(jī)的情況越來(lái)越頻繁，因此，財(cái)務(wù)危機(jī)已成為企業(yè)利益相關(guān)者需要預(yù)測(cè)并應(yīng)對(duì)的重要風(fēng)險(xiǎn)之一。構(gòu)建財(cái)務(wù)預(yù)警機(jī)制，及時(shí)溝通企業(yè)有關(guān)財(cái)務(wù)危機(jī)預(yù)警的信息，有效地防范和化解財(cái)務(wù)危機(jī)，是任何一個(gè)企業(yè)都必須亟待解決的問(wèn)題。近年來(lái)，除了沿用傳統(tǒng)的經(jīng)驗(yàn)判別與定性分析方法外。企業(yè)利益相關(guān)者也開(kāi)始關(guān)注并嘗試使用財(cái)務(wù)危機(jī)預(yù)警模型來(lái)定量預(yù)測(cè)財(cái)務(wù)危機(jī)。財(cái)務(wù)危機(jī)預(yù)警模型就是借助企業(yè)一系列財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)來(lái)識(shí)別企業(yè)財(cái)務(wù)危機(jī)的判別模型。其關(guān)鍵點(diǎn)就是如何確定預(yù)警指標(biāo)及預(yù)警指標(biāo)的臨界值。本文對(duì)國(guó)內(nèi)外財(cái)務(wù)危機(jī)預(yù)警模型逐一進(jìn)行評(píng)析，旨在為構(gòu)建符合我國(guó)實(shí)際并具有可操作性的財(cái)務(wù)危機(jī)預(yù)警模型提供借鑒。

　　一、單變量預(yù)警模型

　　單變量預(yù)警模型是指利用單個(gè)財(cái)務(wù)比率來(lái)進(jìn)行財(cái)務(wù)預(yù)警，以判斷企業(yè)是否發(fā)生財(cái)務(wù)危機(jī)的一種預(yù)測(cè)模型。Beaver(1966)在其“財(cái)務(wù)比率與失敗預(yù)測(cè)”一文中，以財(cái)務(wù)危機(jī)預(yù)警為主題，以單一的財(cái)務(wù)比率指標(biāo)為基本變量，運(yùn)用配對(duì)樣本法。隨機(jī)挑選了1954年至1964年間79家危機(jī)中的企業(yè)。并針對(duì)這79家企業(yè)逐一挑選與其產(chǎn)業(yè)相同且資產(chǎn)規(guī)模相近的79家正常企業(yè)進(jìn)行比較。得出的結(jié)論是，最能對(duì)企業(yè)危機(jī)做出預(yù)警的指標(biāo)是“現(xiàn)金流量/總負(fù)債”比率，其次是“凈收益/總資產(chǎn)”比率和“總負(fù)債/總資產(chǎn)”比率。其中，“現(xiàn)金流量”來(lái)自“現(xiàn)金流量表”的3種現(xiàn)金流量之和，除現(xiàn)金外還充分考慮了資產(chǎn)變現(xiàn)力，同時(shí)結(jié)合了企業(yè)銷售和利潤(rùn)的實(shí)現(xiàn)及生產(chǎn)經(jīng)營(yíng)狀況的綜合分析，這個(gè)比率用總負(fù)債作為基數(shù)，考慮了長(zhǎng)期負(fù)債與流動(dòng)負(fù)債的轉(zhuǎn)化關(guān)系，但是總負(fù)債只考慮了負(fù)債規(guī)模，而沒(méi)有考慮負(fù)債的流動(dòng)性，即企業(yè)的債務(wù)結(jié)構(gòu)，因此對(duì)一些因短期償債能力不足而出現(xiàn)危機(jī)的企業(yè)存在很大的誤判性。“總資產(chǎn)”這一指標(biāo)沒(méi)有結(jié)合資產(chǎn)的構(gòu)成要素。因?yàn)椴煌馁Y產(chǎn)項(xiàng)目在企業(yè)盈利過(guò)程中所發(fā)揮的作用是不同的，這不利于預(yù)測(cè)企業(yè)資產(chǎn)的獲利能力是否具有良好的增長(zhǎng)態(tài)勢(shì)。

　　Beaver最先在企業(yè)危機(jī)預(yù)警研究中使用非參數(shù)統(tǒng)計(jì)的二分類檢驗(yàn)方法來(lái)確定分割點(diǎn)。使其錯(cuò)誤分類率降至最低，這一方法為以后的企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究者廣泛采用。此外，Beaver還首創(chuàng)配對(duì)抽樣的技術(shù)以控制因產(chǎn)業(yè)類別和企業(yè)資產(chǎn)規(guī)模不同而引起的混淆。但單變量預(yù)警模型只是利用個(gè)別財(cái)務(wù)比率預(yù)測(cè)企業(yè)財(cái)務(wù)危機(jī)。因此其有效性受到一定的限制。一般來(lái)說(shuō)。企業(yè)的生產(chǎn)經(jīng)營(yíng)狀況受到許多因素的影響，各種因素之間既有聯(lián)系又有區(qū)別，單個(gè)比率反映的內(nèi)容往往有限，無(wú)法全面解釋企業(yè)的財(cái)務(wù)狀況。

　　二、多元判別分析模型

　　多元判別分析模型是對(duì)企業(yè)多個(gè)財(cái)務(wù)比率進(jìn)行匯總，求出一個(gè)總判別分值來(lái)預(yù)測(cè)企業(yè)財(cái)務(wù)危機(jī)的模型。Altman(1968)在其“財(cái)務(wù)比率、判別分析和公司破產(chǎn)預(yù)測(cè)”一文中認(rèn)為，企業(yè)是一個(gè)綜合體，各個(gè)財(cái)務(wù)指標(biāo)之間存在某種相互聯(lián)系。各個(gè)財(cái)務(wù)指標(biāo)對(duì)企業(yè)整體風(fēng)險(xiǎn)的影響和作用也是不一樣的。他通過(guò)把傳統(tǒng)的財(cái)務(wù)比率和多元判別分析方法結(jié)合在一起，發(fā)展了一種財(cái)務(wù)危機(jī)預(yù)警模型，即Z計(jì)分模型。該模型的具體形式如下：

　　Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

　　式中，X1=營(yíng)運(yùn)資本/總資產(chǎn)，反映資產(chǎn)的流動(dòng)性與規(guī)模特征；X2=留存收益/總資產(chǎn)，反映企業(yè)累計(jì)盈利狀況；X3=息稅前收益/總資產(chǎn)，反映企業(yè)資產(chǎn)的獲利能力；X4=權(quán)益的市場(chǎng)價(jià)值/總債務(wù)的賬面值，反映企業(yè)的償債能力；X5=銷售總額/總資產(chǎn)，反映企業(yè)的營(yíng)運(yùn)能力。

　　通過(guò)統(tǒng)計(jì)分析，Altman認(rèn)為Z值應(yīng)在1.81-2.99之間，等于2.675時(shí)居中。如果企業(yè)的Z值大于2.675，表明企業(yè)的財(cái)務(wù)狀況良好；如果Z值小于1.81，則企業(yè)存在很大的破產(chǎn)風(fēng)險(xiǎn)；如果Z值處于1.81-2.675之間，稱為“灰色地帶”，處在這個(gè)區(qū)間，則企業(yè)財(cái)務(wù)狀況是極不穩(wěn)定的。

　　Z計(jì)分模型的變量是從資產(chǎn)流動(dòng)性、獲利能力、償債能力和營(yíng)運(yùn)能力等指標(biāo)中各選擇一兩個(gè)最具代表性的指標(biāo)。模型中的系數(shù)則是根據(jù)統(tǒng)計(jì)結(jié)果得到的各指標(biāo)相對(duì)重要性的量度。實(shí)證表明該模型對(duì)企業(yè)財(cái)務(wù)危機(jī)有很好的預(yù)警功能。但其預(yù)測(cè)效果也因時(shí)間的長(zhǎng)短而不一樣，預(yù)測(cè)期越短，預(yù)測(cè)能力越強(qiáng)，因此該模型較適合企業(yè)短期風(fēng)險(xiǎn)的判斷。

　　Z計(jì)分模型在企業(yè)破產(chǎn)前超過(guò)3年的預(yù)測(cè)正確率大大降低，而且隨著時(shí)間的推移，經(jīng)濟(jì)環(huán)境也將出現(xiàn)重大變化，特別是進(jìn)入20世紀(jì)70年代以后，企業(yè)財(cái)務(wù)危機(jī)的平均規(guī)模急劇增大，原有的Z計(jì)分模型已無(wú)法解釋當(dāng)時(shí)的企業(yè)財(cái)務(wù)危機(jī)現(xiàn)象。于是，Altman等人于1977年又提出了一種能更準(zhǔn)確地預(yù)測(cè)企業(yè)財(cái)務(wù)危機(jī)的新模型——ZETA模型。在該模型中，Altman等人利用27個(gè)初始財(cái)務(wù)比率進(jìn)行區(qū)別分析，最后選取了7個(gè)解釋變量，即資產(chǎn)報(bào)酬率(息稅前利潤(rùn)/總資產(chǎn))、盈余穩(wěn)定性(息稅前利潤(rùn)，總資產(chǎn)的10年標(biāo)準(zhǔn)誤差)、利息保障倍數(shù)(息稅前利潤(rùn)/利息支出總額)、累計(jì)盈余(留存收益/總資產(chǎn))、流動(dòng)性(流動(dòng)比率)、資本比率(5年普通股平均市值/總資本)和資本規(guī)模(普通股權(quán)益/總資產(chǎn))。該模型存在的不足是選擇比率沒(méi)有理論可依，選擇同一行業(yè)中相匹配的危機(jī)公司和正常公司也是困難的，而且觀察的總是歷史事件。但由于該模型簡(jiǎn)單明了。以后對(duì)企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型的研究都是沿著這一思路進(jìn)行的。

　　20世紀(jì)70年代，日本開(kāi)發(fā)銀行調(diào)查部選擇了東京證券交易所310家上市公司作為研究對(duì)象，使用與Altman相同的研究方法，建立了“利用經(jīng)營(yíng)指標(biāo)進(jìn)行企業(yè)風(fēng)險(xiǎn)評(píng)價(jià)的破產(chǎn)模型”，進(jìn)行財(cái)務(wù)危機(jī)預(yù)測(cè)。其判別函數(shù)為：

　　Z=2.1X1+1.6X2-1.7X3-X4+2.6X5+2.5X6

　　式中，X1表示銷售額增長(zhǎng)率；X2表示總資本利潤(rùn)率；X3表示他人資本分配率；X4表示資產(chǎn)負(fù)債率；X5表示流動(dòng)比率；X6表示粗附加值生產(chǎn)率(為折舊費(fèi)、人工成本、利息及利稅之和與銷售額之比)。模型中和的系數(shù)是負(fù)數(shù)，表明他人資本分配率和資產(chǎn)負(fù)債率越小，風(fēng)險(xiǎn)也越小。該模型Z值的判斷標(biāo)準(zhǔn)是：如果Z值大于10，則企業(yè)財(cái)務(wù)狀況良好：如果Z值小于0，則企業(yè)存在嚴(yán)重的財(cái)務(wù)危機(jī)，破產(chǎn)的概率極大；如果Z值在0與10之間。則表明企業(yè)處于“灰色區(qū)域”，存在財(cái)務(wù)隱患。

　　陳肇榮應(yīng)用中國(guó)臺(tái)灣地區(qū)的企業(yè)財(cái)務(wù)資料建立了多元判別函數(shù)，但未給出臨界值及警度區(qū)間。該模型如下：

　　Z=0.35X1+0.67X2-0.57X3+0.39X4+0.55X5

　　式中，X1=速動(dòng)資產(chǎn)/流動(dòng)負(fù)債；X2=營(yíng)運(yùn)資金/資產(chǎn)總額；X3=固定資產(chǎn)/資本凈值；X4=應(yīng)收賬款/銷售凈額；X5=現(xiàn)金流入量/現(xiàn)金流出量。

　　由于Z計(jì)分模型在建立時(shí)并沒(méi)有充分考慮到現(xiàn)金流量的變動(dòng)等方面的情況，因而具有一定的局限性。為此，中國(guó)學(xué)者周首華等對(duì)Z計(jì)分模型加以改造，并建立其財(cái)務(wù)危機(jī)預(yù)測(cè)的新模型——F分?jǐn)?shù)模式。F分?jǐn)?shù)模式的主要特點(diǎn)是：(1)F分?jǐn)?shù)模型中加入現(xiàn)金流量這一預(yù)測(cè)自變量。許多專家證實(shí)現(xiàn)金流量比率是預(yù)測(cè)公司破產(chǎn)的有效變量，因而彌補(bǔ)了Z計(jì)分模型的不足。(2)考慮了現(xiàn)代化公司財(cái)務(wù)狀況的發(fā)展及其有關(guān)標(biāo)準(zhǔn)的更新。公司所應(yīng)有財(cái)務(wù)比率標(biāo)準(zhǔn)已發(fā)生了許多變化，特別是現(xiàn)金管理技術(shù)的應(yīng)用，已使公司所應(yīng)維持的必要的流動(dòng)比率大為降低。(3)使用的樣本更加擴(kuò)大。其使用了Compustat PC Plus會(huì)計(jì)數(shù)據(jù)庫(kù)中1990年以來(lái)的4160家公司的數(shù)據(jù)進(jìn)行了檢查；而Z計(jì)分模型的樣本僅為66家(33家破產(chǎn)公司和33家非破產(chǎn)公司)。

　　F分?jǐn)?shù)模式如下：

　　Z=0.1774+1.1091X1+1.1074X2+1.9271X3+0.0302X4+0.4961X5+0，496 1X5

　　式中，X1、X2及X4與Z計(jì)分模型中的X1，X2及X4相同，這里不再進(jìn)行分析；X3=(稅后純收益+折舊)/平均總負(fù)債；X3=(稅后純收益+利息+折舊)/平均總資產(chǎn)。

　　F分?jǐn)?shù)模式與Z計(jì)分?jǐn)?shù)模型中各比率的區(qū)別就在于其X3，X5的比率不同。X3是一個(gè)現(xiàn)金流量變量，它是衡量企業(yè)所產(chǎn)生的全部現(xiàn)金流量可用于償還企業(yè)債務(wù)能力的重要指標(biāo)。一般來(lái)講，企業(yè)提取的折舊費(fèi)用，也是企業(yè)創(chuàng)造的現(xiàn)金流入，必要時(shí)可將這部分資金用來(lái)償還債務(wù)。X5測(cè)定的是企業(yè)總資產(chǎn)在創(chuàng)造現(xiàn)金流量方面的能力。相對(duì)于Z計(jì)分模型，它可以更準(zhǔn)確地預(yù)測(cè)出企業(yè)是否存在財(cái)務(wù)危機(jī)。F分?jǐn)?shù)模式的F分?jǐn)?shù)臨界點(diǎn)為0.0274；若某一特定的F分?jǐn)?shù)低于0.0274，則將被預(yù)測(cè)為破產(chǎn)公司；反之，若F分?jǐn)?shù)高于0.0274，則公司將被預(yù)測(cè)為繼續(xù)生存公司。

　　多元判別分析模型是根據(jù)特定樣本建立起來(lái)的判別模型，因而根據(jù)一個(gè)地區(qū)(或時(shí)期)樣本企業(yè)建立的判別分析模型可能無(wú)法有效地對(duì)另一個(gè)地區(qū)(或時(shí)期)的企業(yè)進(jìn)行預(yù)測(cè)。此外，多元判別分析模型的有用性差，導(dǎo)致理論研究熱而實(shí)際應(yīng)用冷的尷尬局面。

　　三、線性概率模型

　　線性概率模型是多元判別分析模型的一種替代選擇。該模型為：

　　P=c0+c1x1+c2x2+…+cnxn

　　該模型可以解釋為，在給定財(cái)務(wù)比率xn的情況下，P為該企業(yè)發(fā)生財(cái)務(wù)危機(jī)的概率的估計(jì)值。該模型計(jì)算雖然簡(jiǎn)單，但存在明顯的缺陷：(1)該模型表示企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性，則P值只能在(0，1)區(qū)間之中，然而線性回歸方程無(wú)法做到這一點(diǎn)，采用該模型進(jìn)行預(yù)測(cè)時(shí)，P值可能在(0，1)區(qū)間之外；(2)線性概率的假設(shè)往往與實(shí)際情況不吻合?，F(xiàn)實(shí)生活中的經(jīng)濟(jì)變量是不確定的，而在該模型中，自變量c卻是一個(gè)常數(shù)?；谝陨显颍撃Ｐ驮谄髽I(yè)財(cái)務(wù)危機(jī)預(yù)測(cè)的實(shí)際研究中鮮有采用。

　　四、Logistic模型

　　盡管多元判別分析模型有較好的預(yù)測(cè)性，但存在假設(shè)上的局限性，即要求各自變量(財(cái)務(wù)比率)服從多元正態(tài)分布的假設(shè)和兩組變量(發(fā)生財(cái)務(wù)危機(jī)與未發(fā)生財(cái)務(wù)危機(jī)企業(yè))具有同樣方差一協(xié)方差矩陣的假設(shè)，顯然，這些假設(shè)與現(xiàn)實(shí)相去甚遠(yuǎn)。此外。樣本的抽取往往也會(huì)影響評(píng)價(jià)模型的預(yù)測(cè)準(zhǔn)確性。因此。為服務(wù)于對(duì)定性因變量的多元非線性分析，Ohlson率先在財(cái)務(wù)危機(jī)預(yù)警研究中應(yīng)用了二元概率函數(shù)來(lái)計(jì)算危機(jī)事件發(fā)生的概率，由此產(chǎn)生了Logistic模型。在企業(yè)財(cái)務(wù)危機(jī)判定與預(yù)測(cè)中，Logistic模型如下：

　　Yi=β0+β1xli+…+βkxki

　　Pi=1/(1+e-yx)

　　式中，Yi代表第i家企業(yè)是否發(fā)生財(cái)務(wù)危機(jī)，i=0或1，0代表正常企業(yè)，1代表財(cái)務(wù)危機(jī)企業(yè)，xki代表第i家企業(yè)的第k個(gè)財(cái)務(wù)比率，Pi代表根據(jù)Logistic模型所估計(jì)出來(lái)的第i家企業(yè)可能發(fā)生財(cái)務(wù)危機(jī)的概率。

　　該模型是一個(gè)用來(lái)測(cè)度企業(yè)是否會(huì)發(fā)生財(cái)務(wù)危機(jī)的二元選擇模型。對(duì)這個(gè)模型的參數(shù)估計(jì)只能采用最大似然估計(jì)法。Logistic模型的一個(gè)重要優(yōu)點(diǎn)是它把在(0，1)區(qū)間預(yù)測(cè)一個(gè)企業(yè)是否發(fā)生財(cái)務(wù)危機(jī)的概率的問(wèn)題轉(zhuǎn)化為在實(shí)數(shù)軸上預(yù)測(cè)一個(gè)企業(yè)是否發(fā)生財(cái)務(wù)危機(jī)的機(jī)會(huì)比的問(wèn)題，這與線性概率有著本質(zhì)上的不同和進(jìn)步。

　　五、人工神經(jīng)網(wǎng)絡(luò)分析模型

　　運(yùn)用線性概率分析、邏輯回歸方法來(lái)建立財(cái)務(wù)危機(jī)判別函數(shù)都是直接或者間接地依賴于線性函數(shù)來(lái)建立模型。存在的只是理論上的優(yōu)越性。往往并不能很好地?cái)M合復(fù)雜的實(shí)際數(shù)據(jù)。1987年，Lapedes和Fayber首次應(yīng)用人工神經(jīng)網(wǎng)絡(luò)分析模型進(jìn)行預(yù)測(cè)，開(kāi)創(chuàng)了人工神經(jīng)網(wǎng)絡(luò)預(yù)警的先河。該模型是一種平行分散處理模型，其構(gòu)建理念基于對(duì)人類大腦神經(jīng)運(yùn)作的模擬。它除具有較好的模式識(shí)別能力外，還可以克服傳統(tǒng)統(tǒng)計(jì)方法的局限，具有容錯(cuò)能力。更難能可貴的是，該模型具有隨不斷變化的復(fù)雜環(huán)境進(jìn)行自我學(xué)習(xí)的能力，因而使企業(yè)財(cái)務(wù)危機(jī)動(dòng)態(tài)預(yù)警成為可能。

　　該模型擺脫了多元判別分析模型和Logistic模型的局限，突破了依賴線性函數(shù)來(lái)建立統(tǒng)計(jì)模型的限制，用非線性函數(shù)更好地?cái)M合實(shí)際資料數(shù)據(jù)，實(shí)現(xiàn)了方法上的創(chuàng)新。此外，人工神經(jīng)網(wǎng)絡(luò)分析模型的預(yù)測(cè)準(zhǔn)確度也遠(yuǎn)高于其他方法。但其局限性在于理論基礎(chǔ)比較抽象，對(duì)人類大腦神經(jīng)模擬的科學(xué)性、準(zhǔn)確性還有待進(jìn)一步加強(qiáng)，因此其實(shí)際運(yùn)用效果不夠理想。

　　本文對(duì)上述財(cái)務(wù)危機(jī)預(yù)警模型進(jìn)行評(píng)析，旨在為構(gòu)建符合我國(guó)實(shí)際并具有可操作性的財(cái)務(wù)危機(jī)預(yù)警模型提供借鑒：第一，建立分行業(yè)、分企業(yè)甚至分部門的預(yù)警模型。拓寬數(shù)據(jù)的收集渠道和研究的范圍；第二，更多地運(yùn)用動(dòng)態(tài)指標(biāo)和非量化指標(biāo)，構(gòu)建更為全面的備選變量組；第三，擴(kuò)展財(cái)務(wù)預(yù)警模型的功能，使財(cái)務(wù)預(yù)警模型不僅具備判別預(yù)警臨界點(diǎn)，還能對(duì)財(cái)務(wù)信息的真?zhèn)巫龀霰鎰e。