財務(wù)預(yù)警與風(fēng)險管理規(guī)定文獻(xiàn)回顧

1、國內(nèi)外財務(wù)危機(jī)預(yù)警研究文獻(xiàn)回顧 （徐廣成）一、 研究的意義 財務(wù)危機(jī)預(yù)警研究是財務(wù)領(lǐng)域研究的前沿和熱點問題之一，一直備受學(xué)術(shù)界和實務(wù)界關(guān)注。目前我國絕大部分國有企業(yè)負(fù)債率居高不下，處在財務(wù)危機(jī)的威脅之中，嚴(yán)重制約了企業(yè)的經(jīng)營和發(fā)展。因此，對我國財務(wù)危機(jī)理論研究和應(yīng)用狀況進(jìn)行剖析，具有很大的現(xiàn)實意義。企業(yè)存在的目的和價值就是以其所掌握的經(jīng)濟(jì)資源去創(chuàng)造更大的經(jīng)濟(jì)財富，實現(xiàn)其資產(chǎn)的不斷增值。但是，企業(yè)經(jīng)營過程中的諸多因素，加之經(jīng)營管理者本身的業(yè)務(wù)素質(zhì)和管理經(jīng)驗等，均可能使企業(yè)陷入財務(wù)危機(jī)，非但不能使企業(yè)實現(xiàn)資產(chǎn)增值，相反有可能因此而不能清償?shù)狡趥鶆?wù)甚至破產(chǎn)?！氨鶅鋈叻且蝗罩?，企業(yè)陷入財務(wù)危機(jī)是

2、一個漸進(jìn)的過程，完全有可能在危機(jī)發(fā)生之前使用有效的方法預(yù)先發(fā)現(xiàn) PlattHarlanD.WhyComPanlesFail:StrateglesforDeteeting.Avo一dingandProfitingfromBankruPcy.JournalofBankingandFinanee，1986。在美國、英國等國家有眾多的提供財務(wù)危機(jī)預(yù)測或破產(chǎn)預(yù)測服務(wù)的機(jī)構(gòu)，如美國第一銀行信托分部、英國的DataStream公司和Performance Analysis services公司。企業(yè)產(chǎn)生財務(wù)危機(jī)的原因是多方面的，既可能是企業(yè)經(jīng)營者決策失誤，也可能是管理失控，還可能是外部環(huán)境惡化等。但任何財務(wù)

3、危機(jī)都有一個逐步顯現(xiàn)、不斷惡化的過程，因此，如果對企業(yè)的經(jīng)營管理過程進(jìn)行跟蹤、監(jiān)控，及早地發(fā)現(xiàn)危機(jī)信號，一旦發(fā)現(xiàn)某種異常征兆就著手實施預(yù)控，從而可以有效避免企業(yè)陷入財務(wù)危機(jī)。建立企業(yè)財務(wù)危機(jī)預(yù)警模型，正確地預(yù)測企業(yè)財務(wù)危機(jī)，對于經(jīng)營者防范財務(wù)危機(jī)、對于保護(hù)投資者和債權(quán)人的利益、對于政府管理部門監(jiān)控上市公司質(zhì)量和證券市場風(fēng)險及相關(guān)利益者都具有重要的理論意義和現(xiàn)實意義。二、 國內(nèi)外關(guān)于財務(wù)危機(jī)內(nèi)涵的評述對于“財務(wù)危機(jī)”的定義國內(nèi)外學(xué)者有很多不同的看法，給出了不同的解釋：(一)國外學(xué)者對于財務(wù)危機(jī)的界定1為了使樣本企業(yè)有較明確的標(biāo)識，便于區(qū)分，很多學(xué)者將財務(wù)危機(jī)企業(yè)定義為已宣告破產(chǎn)的企業(yè)。如Altm

4、an(1968)認(rèn)為“企業(yè)失敗包括在法律上的破產(chǎn)、被接管和重整等”，實質(zhì)上是把財務(wù)危機(jī)基本視同為企業(yè)破產(chǎn)，即法定破產(chǎn)。遵循這條思路，Deakin(1972)認(rèn)為財務(wù)危機(jī)企業(yè)是指已經(jīng)破產(chǎn)、無力償債或者為了債權(quán)人的利益已經(jīng)進(jìn)行清算的企業(yè)。將財務(wù)危機(jī)基本等同于法定破產(chǎn)的學(xué)者還有Casey&Bartczark(1984)，Gentry et al.(1985)，Aziz etal.(1988)和Gilbert et al.(1990)等等。2為全面收集財務(wù)危機(jī)企業(yè)樣本進(jìn)行財務(wù)危機(jī)預(yù)警的實證研究，很多學(xué)者擴(kuò)大了財務(wù)危機(jī)企業(yè)樣本的選擇范圍。如Beaver(1966)將財務(wù)危機(jī)企業(yè)定義為：銀行透支、

5、未支付優(yōu)先股股利、債券違約和宣告破產(chǎn)等幾個狀態(tài)。遵循這條思路，Carmichae1(1972)認(rèn)為財務(wù)危機(jī)是企業(yè)由于流動性不足、權(quán)益不足、債務(wù)拖欠及資金不足等因素，從而導(dǎo)致履行債務(wù)義務(wù)受阻。Scott(1981)、Bahnson&Bartley(1992)均認(rèn)為以債信不足或債權(quán)到期無法償還本息定義財務(wù)危機(jī)比較恰當(dāng)。Prakash&Karels(1987)給出了一張描述財務(wù)失敗定義的表，在表中給出了一系列財務(wù)失敗的標(biāo)準(zhǔn)，如不能支付到期債務(wù)、銀行賬戶透支、凈現(xiàn)值小于零等。Ross et al.(2000)進(jìn)一步從四個方面概括了企業(yè)財務(wù)危機(jī)：技術(shù)失敗，即企業(yè)無法按期履行債務(wù)合約來付息

6、還本；會計失敗，即企業(yè)的賬面凈資產(chǎn)出現(xiàn)負(fù)數(shù)，資不抵債；企業(yè)失敗，即企業(yè)清算后仍無力支付到期債務(wù)；法定破產(chǎn)，即企業(yè)或者債權(quán)人由于債務(wù)人無法履行到期債務(wù)合約，并成持續(xù)狀態(tài)時，向法院申請破產(chǎn)。總的來看，國外學(xué)者對財務(wù)危機(jī)的定義是根據(jù)研究課題的需要而定，通常在文獻(xiàn)中會明確給出研究樣本選擇特性，其定義和描述財務(wù)危機(jī)企業(yè)樣本有多種，歸結(jié)起來有變現(xiàn)拍賣、無力支付短期債務(wù)、無力支付債券利息、無力支付債券本金、無力支付優(yōu)先股股息、重整及法定破產(chǎn)等。因而，Charles H Gibson&Patricia AFrishkoff指出，財務(wù)失敗有各種各樣的標(biāo)準(zhǔn)，財務(wù)失敗這個詞的含義要根據(jù)所設(shè)的標(biāo)準(zhǔn)而定。（二）

7、國內(nèi)學(xué)者對于財務(wù)危機(jī)的界定國內(nèi)學(xué)者對于財務(wù)危機(jī)也沒有統(tǒng)一的定義，由于在實際的實證研究中，往往需要用客觀的，可以觀察到的標(biāo)志來確定研究樣本，因此研究人員將企業(yè)是否申請破產(chǎn)作為企業(yè)是否陷入財務(wù)危機(jī)的標(biāo)志。但是破產(chǎn)是一個法律行為, 除了受經(jīng)濟(jì)因素影響外，還受政治和其他非市場因素影響；另外陷入財務(wù)危機(jī)與企業(yè)是否破產(chǎn)并無確定的一一對應(yīng)關(guān)系，在我國這一情況尤為突出。因此，無法明確有效地定義財務(wù)危機(jī)，而只能根據(jù)實證研究的具體內(nèi)容確定。 在我國，暫時沒有對財務(wù)危機(jī)進(jìn)行深入研究及下一個準(zhǔn)確的定義，只是在中華人民共和國破產(chǎn)法(試行)第一章第三條對破產(chǎn)提出了一種定義，即定義為企業(yè)因經(jīng)營管理不善造成嚴(yán)重虧損，不能清償

8、到期債務(wù)。 由于國內(nèi)財務(wù)危機(jī)預(yù)測的研究對象主要針對上市公司, 故一般將財務(wù)危機(jī)界定為財務(wù)狀況異常而被“特別處理”。1998年深滬證券交易所正式啟用了當(dāng)上市公司出現(xiàn)“異常狀況”時，對上市公司進(jìn)行“特別處理”的條款。“異常狀況”包括“財務(wù)狀況異?！焙汀捌渌麪顩r異?！?，其中因“其他狀況異?！倍惶貏e處理具有很大的不確定性，難以從財務(wù)角度進(jìn)行有效預(yù)測，而對 “財務(wù)狀況異?！鼻闆r的界定符合一般認(rèn)為企業(yè)財務(wù)狀況不健康的判斷。所以國內(nèi)研究人員一般將陷入財務(wù)危機(jī)的公司定義為因財務(wù)狀況異常而被特別處理的公司。在國內(nèi)，財務(wù)危機(jī)預(yù)測研究才剛剛起步，由于非上市公司的財務(wù)報表比較不規(guī)范，可靠性不高，加之?dāng)?shù)據(jù)很難獲得，所

9、以基本上所有的研究都以上市公司作為研究對象；而由于我國證券市場的退市制度建立較晚，退市的企業(yè)不多，因而大部分研究又都把上市公司被特別處理作為企業(yè)陷入財務(wù)危機(jī)的標(biāo)志，如陳靜（1999），陳曉、陳治鴻（2000），吳世農(nóng)，盧賢義（2001），李華中（2001）等。除此之外，長城課題組（2001）將首次出現(xiàn)虧損的公司界定為財務(wù)危機(jī)公司；高培業(yè)，張道奎（2000）則把企業(yè)能否按時償還銀行貸款作為企業(yè)陷入財務(wù)危機(jī)與否的界定標(biāo)準(zhǔn)。由于我國正處在經(jīng)濟(jì)和社會轉(zhuǎn)型期，金融體系、資本市場、社會信用體系、產(chǎn)權(quán)市場等方面都還很不完善，因此，不能將國外的模型直接應(yīng)用到國內(nèi)企業(yè)上。雖然有少數(shù)國內(nèi)學(xué)者建立了上市公司的財務(wù)危

10、機(jī)預(yù)測模型，但由于樣本太小，而且ST公司并不等于財務(wù)危機(jī)公司，因此這些模型更多的只是一種理論上的嘗試，需要更多的理論和實證研究。 目前，我國學(xué)者對財務(wù)危機(jī)的研究受到以下幾個方面的限制：資本市場不成熟、破產(chǎn)重組法律體系不健全、市場化債務(wù)重組成功的可能性很小，而且相關(guān)數(shù)據(jù)的獲得性、可信度都很低；只有電力、能源等幾個國家壟斷行業(yè)的少數(shù)企業(yè)可以發(fā)行企業(yè)債券，但規(guī)模非常小，也幾乎不存在違約風(fēng)險問題；企業(yè)融資結(jié)構(gòu)單一，幾乎都是銀行貸款，但因為國有企業(yè)的特殊性，違約貸款的處理與國企改革、金融體制改革聯(lián)系緊密，在很大程度上超出了財務(wù)危機(jī)的范疇。由于缺乏大量可信的統(tǒng)計數(shù)據(jù)，很難進(jìn)行實證研究，目前國內(nèi)財務(wù)危機(jī)的研

11、究主要集中于破產(chǎn)和重組的定性分析、發(fā)展企業(yè)債券市場的可行性研究等宏觀政策方面，在財務(wù)危機(jī)成本的實證研究方面還是空白。三、 國外財務(wù)危機(jī)預(yù)警模型回顧自上個世紀(jì)60年代以來，財務(wù)危機(jī)預(yù)測在歐美得到廣泛發(fā)展，從多元判別分析等線性預(yù)測模型，到以神經(jīng)網(wǎng)絡(luò)模型為代表的各種非參數(shù)預(yù)測模型，相關(guān)的模型、方法層出不窮。在這些模型中，有一個共同的前提假設(shè)，就是可以對公司進(jìn)行分組（如可以將公司分成財務(wù)危機(jī)公司和財務(wù)健康公司），其基本的思想即利用企業(yè)的各種財務(wù)指標(biāo)，建立判別模型，從而根據(jù)企業(yè)的總體財務(wù)狀況進(jìn)行分類?？v觀國外現(xiàn)有的研究成果，財務(wù)危機(jī)預(yù)測方法主要有單變量分析、多元判別分析、線性概率模型、Logistic模

12、型、遞歸分割算法、生存分析、專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)模型等。（一）國外財務(wù)困境預(yù)測的線性判別模型、單變量模型單變量分析是最早應(yīng)用于財務(wù)危機(jī)預(yù)測的模型，其主要思想是通過比較財務(wù)危機(jī)企業(yè)和非財務(wù)危機(jī)企業(yè)之間各個財務(wù)指標(biāo)的顯著差異，選定某個指標(biāo)作為排序變量，讓樣本數(shù)據(jù)根據(jù)該指標(biāo)進(jìn)行排序，然后根據(jù)最佳判定點對財務(wù)危機(jī)企業(yè)和財務(wù)健康企業(yè)進(jìn)行分類的一種分析方法。應(yīng)用單變量進(jìn)行破產(chǎn)預(yù)測研究在二十世紀(jì)六十年代前較為普遍，其中比較有影響的學(xué)者主要為Beaver和Zmijewski。Fitzpatrick（1932）最早利用該模型對企業(yè)財務(wù)危機(jī)進(jìn)行預(yù)測，他以19家公司作為樣本，運用單個財務(wù)指標(biāo)進(jìn)行預(yù)測，結(jié)果發(fā)現(xiàn)凈利潤/

13、股東權(quán)益、股東權(quán)益/負(fù)債這兩個財務(wù)指標(biāo)判別能力最高。而Smith 和Winakor（1935）進(jìn)行了類似的研究，則發(fā)現(xiàn)營運資本/總資產(chǎn)這個指標(biāo)的預(yù)測能力最高。此外，Merwin（1942）發(fā)現(xiàn)營運資本/總資產(chǎn)、股東權(quán)益/負(fù)債、流動資產(chǎn)/流動負(fù)債這三個指標(biāo)能提前6年對企業(yè)破產(chǎn)作出預(yù)測。WHBevae的單一比率模型(Univariatediscriminnatmodel)1966年10月，美國財務(wù)分析專家WHBaeve在美國會計研究上發(fā)表了作為失敗預(yù)測的財務(wù)比率一文，根據(jù)其中的介紹，該文的研究目的是通過分析財務(wù)比率對失敗的預(yù)測能力來驗證財務(wù)比率的有用性，提出了單一比率模型，即利用單一的財務(wù)比率來預(yù)

14、測企業(yè)的財務(wù)失敗。Bevaer首先根據(jù)Moody的工業(yè)指數(shù)按上述定義選出79家失敗企業(yè)，對所有這些失敗企業(yè)根據(jù)不同的行業(yè)和資產(chǎn)規(guī)模分類，然后按照相應(yīng)的行業(yè)和資產(chǎn)規(guī)模(失敗前一年的資產(chǎn)規(guī)模)選出79家非失敗企業(yè)。全部樣本的時間跨度是1954一1964年，并都有“失敗”前5年的財務(wù)數(shù)據(jù)。Baeve所選用的財務(wù)比率的原則是：1）具有普遍性2）運用以前研究成果3）增加現(xiàn)金流量相關(guān)指標(biāo)。關(guān)于第三個原則，Bevaer認(rèn)為：現(xiàn)金儲備越多，企業(yè)失敗的概率越小；營運資本流入越多，企業(yè)失敗的概率越??；債務(wù)持有量越大，企業(yè)失敗的概率越大；營運資金開支越大，企業(yè)失敗的概率越大。在進(jìn)行數(shù)據(jù)分析時，Bevae：首先比較了

15、全部樣本失敗前5年的30個財務(wù)比率的等權(quán)均值；然后將上述158家公司的樣本隨機(jī)分為兩組，進(jìn)行兩分法檢驗，發(fā)現(xiàn)兩組的財務(wù)比率均值具有明顯的差異，而且離失敗日越近，財務(wù)比率預(yù)測錯分類率就越低;最后篩選出5個最能分開失敗企業(yè)和非失敗企業(yè)的比率，它們是：1)現(xiàn)金流量/負(fù)債總額；2)凈收入/總資產(chǎn)；3)資產(chǎn)負(fù)債率；4)營運資本/總資產(chǎn)；5)現(xiàn)值率(貼現(xiàn)率)。Zmijewksi的單變量模型1983年Zmijewksi應(yīng)用75個變量進(jìn)行的預(yù)測研究也引起了人們的關(guān)注。Zmijewksi從100多個變量中選出了75個并分成十類，選用1972一1978年的72家破產(chǎn)企業(yè)和3573家非破產(chǎn)企業(yè)作為樣本。zmijew

16、ski首先計算了兩類企業(yè)破產(chǎn)前一年的各個財務(wù)比率的均值;然后對兩類企業(yè)的數(shù)據(jù)進(jìn)行F檢驗;最后用單變量分析計算每一個變量的判別正確率。Zmijewksi研究表明，破產(chǎn)與非破產(chǎn)企業(yè)之間有四類財務(wù)比率有明顯的差別，分別為：回報率、財務(wù)杠桿、固定收入保障和股票回報率。單變量分析是最早應(yīng)用于企業(yè)財務(wù)危機(jī)預(yù)測的實證模型，雖然其開創(chuàng)了財務(wù)危機(jī)預(yù)測實證研究的先河，但是其具有以下的局限性：（1）相關(guān)的指標(biāo)給出令人混淆的判別信號，根據(jù)不同的財務(wù)指標(biāo)進(jìn)行判斷有可能得出相反的結(jié)論。如盈利能力差的企業(yè)有可能因為流動性稍好而被判為財務(wù)健康企業(yè)，但是如果根據(jù)盈利能力判斷則很可能被判為財務(wù)危機(jī)企業(yè)。（2）實證結(jié)果表明，從總體

17、上看單變量分析分辨非財務(wù)危機(jī)企業(yè)的能力高于分辨財務(wù)危機(jī)企業(yè)的能力。（3）單個變量所包含的信息不足以反映企業(yè)的整個財務(wù)狀況。這些缺陷嚴(yán)重影響了單變量模型的適用性和股票回報率。2、多變量模型Atlmna的多元Z值判定模型為了克服單變量分析的局限性，Altman（1968）首次將多元判別分析（MDA）的方法引入到財務(wù)危機(jī)預(yù)測領(lǐng)域。此后，這種方法在企業(yè)財務(wù)危機(jī)預(yù)測的實踐和研究中都得到了廣泛的應(yīng)用。1968年，美國的Altmna就采用多元判別分析(MultipleDiseriminnatAnalysi MDA)來預(yù)測企業(yè)財務(wù)失敗或破產(chǎn)。這就是著名的Z一Socer模型，這個模型的的是預(yù)測企業(yè)的潛在失敗性。

18、該方法假設(shè)任一家公司i，其特征可以用n個獨立的財務(wù)變量x組成的向量X來表示。那么對兩組公司（財務(wù)危機(jī)與財務(wù)健康公司），假設(shè)兩組中的自變量分布服從多元正態(tài)分布，協(xié)方差矩陣相等，但均值不同。其目的在于獲得自變量的線性組合，使得組間方差與組內(nèi)方差之比達(dá)到最大化。用這個方法估計出判別函數(shù)，其系數(shù)向量為A (),常數(shù)項為。由這一變量的線性組合可以得出每一家公司的Z值：， （1.1）其中，是i公司的Z分值， 是i公司的n個自變量。然后，根據(jù)組內(nèi)公司數(shù)目和錯誤分類成本的先驗概率計算出臨界值。通過將各公司計算出的Z值和臨界值進(jìn)行比較，可以知道公司屬于財務(wù)危機(jī)或是財務(wù)健康企業(yè)。Alntlna選用1946至196

19、5年期間提出破產(chǎn)申請的33家破產(chǎn)生產(chǎn)企業(yè)和規(guī)模相當(dāng)及行業(yè)的對應(yīng)的33家非破產(chǎn)生產(chǎn)企業(yè)作為樣本，在經(jīng)過大量的實證考察和分析研究基礎(chǔ)上，從最初的22個財務(wù)比率選擇了5個，使用破產(chǎn)企業(yè)破產(chǎn)前一年的數(shù)據(jù)和非破產(chǎn)企業(yè)在相應(yīng)時段的數(shù)據(jù)，運用Fisher判別分析法估計出一個多元線性函數(shù)，即Z一Socer模型，其基本表達(dá)式為:Z=0.12X、+0.014X2+0.033X3+0.006X4+0.999X5式中:Z判別函數(shù)值X1營運資金/資產(chǎn)總額;X:X2保留利潤/資產(chǎn)總額x3X3息稅前利潤/資產(chǎn)總額X4X4普通股、優(yōu)先股市場價值總額/負(fù)債帳面價值總額;X5銷售收入/資產(chǎn)總額在Z一Socer模型中，Ahmna提

20、出了判斷企業(yè)財務(wù)失敗或破產(chǎn)臨界值:Z一Score，如果企業(yè)的Z一Socer大于2.765，表明企業(yè)財務(wù)狀況良好，發(fā)生財務(wù)失敗或破產(chǎn)的可能性比較小;如果企業(yè)的“Z一score小于2.765，則表明企業(yè)存在財務(wù)失敗的危機(jī)，也就是說，企業(yè)的“Z一Socer”越低，發(fā)生財務(wù)失敗或破產(chǎn)的可能性就越大，反之則說明企業(yè)財務(wù)狀況越好。1977年Atimna對這個模型進(jìn)行了改進(jìn)和發(fā)展，又提出了著名的ZETA模型。該模型采用了7個變量:整體收益率、總資產(chǎn)、償債能力、資產(chǎn)折現(xiàn)率、累積收益率、市場資本化和收入穩(wěn)定性。這是一個適合長期預(yù)測的模型，財務(wù)困境前一年的預(yù)測正確率為%，5年前的正確率可達(dá)70%，但由于該模型被Z

21、EAT服務(wù)有限公司作為商品出售，因此，這7個比率的權(quán)重大小一直以來都是商業(yè)機(jī)密，不為公眾所知。多元判別分析雖然得到廣泛的應(yīng)用，但是該方法也存在著一些問題，主要是其對預(yù)測變量的分布性質(zhì)施加了一些統(tǒng)計上的限制。比如說，對于破產(chǎn)組和非破產(chǎn)組，預(yù)測變量的方差協(xié)方差矩陣必須是相等的，預(yù)測變量必須遵循正態(tài)分布等。這使多元判別分析遭到諸多學(xué)者的批評。雖然Alntlna的Z一Socer模型也存在一些不足，但是這種綜合分析的觀念，對財務(wù)困境預(yù)測研究的影響極為深遠(yuǎn)。事實上，其后的大多數(shù)研究雖然具體方法各異，但都沿用了多元線性判別分析，只是在個別之處加以改進(jìn)，如ohlsno的條件概率模型、Zmijewksi的多變量

22、模型。線性概率模型由于多元判別分析只能直接得出判別結(jié)果，無法估計出企業(yè)破產(chǎn)的風(fēng)險。為了估計企業(yè)破產(chǎn)的概率，研究者設(shè)計了線性概率模型（LPM）。線性概率模型其實是普通最小二乘回歸模型的一種特例，其因變量只能取兩個值，1或者0。其模型的回歸形式如下： （1.2）其中，自變量是反映企業(yè)財務(wù)狀況的指標(biāo)。首先，從估計樣本中利用最小二乘法(OLS)估計出系數(shù)，然后利用估計出的系數(shù)算出企業(yè)破產(chǎn)的概率，當(dāng)它大于某個臨界值時則認(rèn)為企業(yè)屬于財務(wù)危機(jī)企業(yè)，反之亦然。模型（1.2）中的回歸系數(shù)除了截距外，都與多變量判別系數(shù)成固定比例，也就是說線性概率模型只是多變量判別分析（MDA）的一個特例。因此，上面所算出的LPM

23、得分也只是判別得分的一個線性轉(zhuǎn)換。所以雖然MDA與LPM的模型假設(shè)不同，但是分類的結(jié)果卻是相同的。但相對于MDA，LPM用于企業(yè)財務(wù)危機(jī)預(yù)測更方便（Theodossiou，1991）。 LPM的應(yīng)用存在兩個主要的統(tǒng)計問題：（1）如果采用普通最小二乘法來估計式（1.2）的系數(shù)，那么就必須假設(shè)殘差項方差相同，如果出現(xiàn)異方差，那么OLS的系數(shù)估計雖是無偏但卻是無效的。而且，如果殘差項不是正態(tài)分布的，那么傳統(tǒng)的顯著性檢驗將沒法用。不幸的是這兩種情況在LPM的應(yīng)用中都可能存在。（2）根據(jù)LPM計算出的概率有可能落在區(qū)間（0，1）之外，這很難加以解釋。Meyer和Pifer（1970）最早將LPM運用于銀

24、行業(yè)的財務(wù)危機(jī)預(yù)測，而Laitinen（1993）也曾作過相似的研究，將LPM運用于企業(yè)財務(wù)危機(jī)預(yù)測。 LOGISTIC和PPOBIT回歸模型(條件概率模型)由于MDA和LPM都受到統(tǒng)計假設(shè)的限制，為了克服這一局限性，引入了多元條件概率模型，并采用極大似然估計法進(jìn)行參數(shù)估計。多元條件概率模型包括Logistic模型和Probit模型，兩者的區(qū)別只在于累積概率函數(shù)不同。其主要優(yōu)點是對破產(chǎn)的先驗概率或預(yù)測變量的分布不需要作任何假設(shè)，基本的估計問題為：給定一家公司屬于某個特定的總體，那么在某一特定期間內(nèi)，公司破產(chǎn)的概率是多大？ 假設(shè)是第i個公司的預(yù)測變量，和為待估計參數(shù)，公司i破產(chǎn)的概率可以由下式給

25、出： （1.3）在Logistic模型中， （1.4）或者 （1.5）假設(shè)第1組樣本為，第2組樣本為，則似然函數(shù)為： （1.6）最大化對數(shù)似然函數(shù)就可以估計出式（1.5）中的參數(shù)，從而算出公司破產(chǎn)的概率，基于這一概率公司可以被劃分為財務(wù)危機(jī)公司與財務(wù)健康公司。Martin（1977）首次運用Logistic模型來進(jìn)行銀行破產(chǎn)預(yù)測。這一方法后來被Ohlson（1980）用于預(yù)測企業(yè)的財務(wù)危機(jī)。在Probit模型中，采用的概率函數(shù)則是累積標(biāo)準(zhǔn)正態(tài)分布函數(shù)： （1.7）雖然Probit模型與Logistic模型相似，但應(yīng)用并不象后者那么廣泛。關(guān)于Probit模型研究的文獻(xiàn)很少，這可能是因為該模型包括

26、了非線性估計，所以計算量較Logistic模型大。遞歸分割算法遞歸分割算法RPA是一種基于模式識別的非參數(shù)的計算機(jī)分類技術(shù)，它同時具有傳統(tǒng)單變量分類法和多變量分析法的特點。由RPA得到的模型呈現(xiàn)出分類二叉樹的形式，該二叉樹能夠把對象分到特定的組中。RPA的輸入包括一個由個對象的觀測數(shù)據(jù)組成的原樣本，還有它們實際的類別以及先驗概率和誤判成本。我們用表示某對象屬于組的先驗概率，用表示將屬于組的對象被誤判為組的成本。如圖1所示，我們給出了一個實際的樹，該樹是RPA基于一定的先驗概率和誤判成本，從200家破產(chǎn)公司（組1）和非破產(chǎn)公司（組2）中構(gòu)建出的。該樹共有5個最終節(jié)點（terminal node）

27、，如圖1中的圓圈所示。這些圓圈代表所有公司最后的分類。模型根據(jù)各個公司的財務(wù)特征將其逐級往下分到各個最終節(jié)點。RPA模型的構(gòu)建分兩步，第一步是構(gòu)建預(yù)期誤判成本較小的樹，第二步是通過交叉檢驗來選擇樹合理的復(fù)雜度。RPA模型的缺點是：（1）它是一種前向選擇方法，當(dāng)它引入新的分類規(guī)則時并沒有考慮前面的分類方法，因而有可能同一個分類指標(biāo)會重復(fù)出現(xiàn)但判別點發(fā)生變化；（2）有可能出現(xiàn)過度擬和現(xiàn)象；（3）RPA技術(shù)能將公司分割成不同風(fēng)險類型，但無法將同一風(fēng)險類型內(nèi)的公司進(jìn)行對比。 68家公司 留存收益/總資產(chǎn)132家公司 總負(fù)債/總資產(chǎn)23家公司 現(xiàn)金/總銷售收入200家公司現(xiàn)金流量/總負(fù)債圖1.1 RPA

28、樹注：樹（1）是基于200家公司的財務(wù)數(shù)據(jù)、破產(chǎn)組和非破產(chǎn)組的先驗概率以及誤判的成本構(gòu)建而成。當(dāng)某個公司的判別變量值大于判別點（cutoff）時朝右邊移動。最終節(jié)點是圓圈。最左邊的最終節(jié)點有45家公司，其中40家屬于組1，5家屬于組2。屬于組1（破產(chǎn)）的節(jié)點在圓圈內(nèi)記為B。屬于組2的最終節(jié)點記為NB。該樹誤判了5家破產(chǎn)公司和15家非破產(chǎn)公司。 生存分析模型 (survival analysis)上述模型均運用企業(yè)破產(chǎn)前的數(shù)據(jù)進(jìn)行預(yù)測，但并不能預(yù)測出企業(yè)破產(chǎn)的確切時間。Lane et al.（1986）運用一個比例危害模型對銀行破產(chǎn)進(jìn)行預(yù)測，稱為生存分析。生存分析假定財務(wù)健康和財務(wù)危機(jī)的公司都來

29、自同樣的總體。公司破產(chǎn)的風(fēng)險是通過計算每家公司的生存時間來衡量的。假設(shè)T時間后公司就會破產(chǎn)，那么生存函數(shù)S（t）就代表T>t概率，公司在t時間前破產(chǎn)的概率可以用F（t）表示： （1.8）危險度函數(shù)h(t)可以由下式給出： （1.9）并且， （1.10）其中，x代表公司一系列財務(wù)比率的向量，代表系數(shù)向量，是用最大似然法進(jìn)行估計的，是令x=0計算得到的。生存函數(shù) （1.11）其中， （1.12）由于沒有限制的分布，所以生存分析是一種半?yún)?shù)的方法，這也使之免于很多對參數(shù)方法的攻擊，而且，用這種方法處理破產(chǎn)預(yù)測問題顯得更為現(xiàn)實。生存分析方法可以得出期望破產(chǎn)時間，這給決策者提供了重要的信息。雖然相

30、對傳統(tǒng)的統(tǒng)計方法而言，生存分析方法的確是很好的替代方法，但是到目前為止，它仍然得不到非常廣泛的應(yīng)用。（二）國外財務(wù)困境預(yù)測的非線性判別模型1、專家系統(tǒng)（案例推理法、歸納推理法）人工智能的發(fā)展和應(yīng)用使得研究者開始采用專家系統(tǒng)來解決破產(chǎn)問題。專家系統(tǒng)一般是采用歸納推理（Inductive inference）方法，該方法是通過分析與所要解決的問題相關(guān)的一系列案例，從而發(fā)現(xiàn)規(guī)律。歸納推理方法又有兩種途徑：一是模型驅(qū)動型（model-driven），利用先驗?zāi)Ｐ椭笇?dǎo)來發(fā)現(xiàn)規(guī)律；二是信息驅(qū)動型（data-driven），利用一系列案例信息來發(fā)現(xiàn)規(guī)律。在模型驅(qū)動型方法中，規(guī)律是建立在先驗?zāi)Ｐ突A(chǔ)上的，然后

31、用一系列的案例來檢驗。信息驅(qū)動型方法首先對所有公司進(jìn)行審查，然后尋找最為方便的程序系統(tǒng)來對這些公司進(jìn)行分類，當(dāng)加入新公司時就必須對所得出的規(guī)律進(jìn)行修改。具體地說該方法先是把公司分成破產(chǎn)組和非破產(chǎn)組，把這些公司用一系列財務(wù)狀況屬性來描述，然后歸納出一個流程系統(tǒng)來正確分類樣本公司。其中，優(yōu)先用于分類的屬性必須使得分類后熵（entropy）最小，假設(shè)有某家公司可能被分入n種不同的組，該公司被分入組的概率是，那么分類的熵為 （1.13）歸納推理方法的局限性表現(xiàn)在以下幾個方面：（1）該方法很難應(yīng)用于解決較大的問題，因為可以得到的樣本畢竟有限，這可能可以通過把大問題分割成小的問題單元來加以解決，但這只是個

32、設(shè)想，仍需進(jìn)一步研究。（2）方法的應(yīng)用中如果忽視了重要的案例（公司）或是分類屬性，那么將會使得該方法的預(yù)測能力大為減弱。（3）方法的應(yīng)用中經(jīng)常會出現(xiàn)相互矛盾的案例，比如說兩個案例（公司）屬于不同類，但是具有相同的屬性，從而難于加以區(qū)分。 1988年Messier和Hansen將專家系統(tǒng)首次引入到財務(wù)危機(jī)預(yù)測領(lǐng)域，他們從知識獲取角度探討比較了專家系統(tǒng)(Expert System, ES)在信用分析領(lǐng)域的應(yīng)用。通過對71家公司的數(shù)據(jù)條件下將該方法與線性判別分析（LDA）、群決策等方法加以比較，結(jié)果證明專家系統(tǒng)分類效果最好，ES對檢驗樣本的正確分類率為87.5，而DA為57，并且比群決策的正確率穩(wěn)定

33、。2、人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)模型在線性判別模型和條件概率模型之后，1990年代初期，人工神經(jīng)網(wǎng)絡(luò)技術(shù)被引入到財務(wù)困境的預(yù)測分析中，其中，比較著名的有ChriSCharalambous等一些學(xué)者建立了人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)模型(AtrifieialNeuralNetworkssystemsModel)。ANN是一種平行分散處理模式，其構(gòu)建理念基于人類大腦神經(jīng)運作的模擬。這方面的研究者認(rèn)為，ANN是一種對數(shù)據(jù)的分布無任何要求的非線性技術(shù)，它能有效解決非正態(tài)分布、非線性的預(yù)測評估問題。且具有較好的模式識別能力、容錯能力、處理資料遺漏或錯誤的能力以及自學(xué)習(xí)能力。因而，人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)能夠在所提供信息雜亂無章或不完

34、整時，對既定問題做出正確反應(yīng)。而進(jìn)行財務(wù)困境預(yù)測正是要對大量不完整或無序信息進(jìn)行分析。ChrisCharalmabous利用ANN模型對19821992年間的174個樣本企業(yè)進(jìn)行實證研究的結(jié)果為預(yù)測正確率達(dá)到87%。神經(jīng)網(wǎng)絡(luò)模型是由大量的簡單處理單元相互聯(lián)結(jié)組成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)。它的許多功能和特性是對人腦神經(jīng)網(wǎng)絡(luò)系統(tǒng)的模擬，是一種自然的非線性建模過程，也被稱為人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network）。作為非參數(shù)的預(yù)測模型，它克服了選擇模型函數(shù)形式的困難，同時對樣本及變量的分布特征沒有限制。其主要分析模型如下：圖1.2 神經(jīng)網(wǎng)絡(luò)模型輸出神經(jīng)元隱層神經(jīng)元輸入神經(jīng)元Layer

35、 ILayer II它的神經(jīng)元一般包括三種處理單元，也稱為節(jié)點（Node）：輸入神經(jīng)元，隱層神經(jīng)元和輸出神經(jīng)元。輸入神經(jīng)元接受外界環(huán)境信息的輸入；輸出神經(jīng)元則將經(jīng)過神經(jīng)網(wǎng)絡(luò)處理后的信息送到外界；而隱層神經(jīng)元則處于前兩種神經(jīng)元之間，不直接與外界環(huán)境發(fā)生聯(lián)系，它接受輸入神經(jīng)元的信息，經(jīng)過多層次的網(wǎng)絡(luò)內(nèi)部運算，把數(shù)據(jù)結(jié)果轉(zhuǎn)移給輸出神經(jīng)元。隱層神經(jīng)元可以有多個層次（Layer）?？傮w來說，神經(jīng)網(wǎng)絡(luò)具有一些其他方法無法比擬的優(yōu)點，體現(xiàn)在：(1)它根據(jù)所提供的數(shù)據(jù)進(jìn)行學(xué)習(xí)和訓(xùn)練，找出輸入與輸出之間的內(nèi)在聯(lián)系，通過改變每個節(jié)點上的加權(quán)系數(shù)來求取問題的解，從而具有自適應(yīng)的功能；(2)能夠處理那些有噪聲或不完全

36、的數(shù)據(jù)，具有泛化功能和很強的容錯能力；(3)神經(jīng)網(wǎng)絡(luò)對于非獨立因素組成的總體依然適用，并能夠處理其中復(fù)雜的非線性關(guān)系。目前，主要采用的神經(jīng)網(wǎng)絡(luò)模型有反向傳播（BackPropagation）算法、串級相關(guān)（Cascade Correlation）算法和遺傳算法（Genetic Algorithm）等。3、支持向量機(jī)預(yù)測模型支持向量機(jī)基于統(tǒng)計學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險最小化原則,其基本思想是把輸入空間的樣本通過非線性變換映射到高維特征空間,然后在特征空間中求取把樣本線性分開的最優(yōu)分類面。算法使用分類間隔控制線性學(xué)習(xí)機(jī)器的容量,從而使結(jié)構(gòu)風(fēng)險最小，也使其在有限樣本下具有了較強的泛化能力。不同的核函數(shù)即變換

37、到不同的特征空間,使用核函數(shù)也避免了在高維的特征空間中直接計算。1.1支持向量機(jī)的分類算法支持向量機(jī)是從線性可分情況下的最優(yōu)分類面發(fā)展而來的，所謂最優(yōu)分類面就是要求分類面不但能將兩類正確分開, 而且使分類間隔最大。設(shè)分類面的方程為xw+b=0,使得對線性可分的樣本集(xi,yi), i= 1, n, xRd , y+ 1,- 1，滿足:, i = 1,2,n. （1）此時分類間隔等于=2/w, 使間隔最大等價于使w2最小。使(1)式等號成立的樣本叫做支持向量，滿足條件(1)且使w2最小的分類面就叫做最優(yōu)分類面。使用Lagrange乘子方法解決這個約束最優(yōu)問題，即在約束條件和(為Lagrange

38、乘子,i=1,2,n)下求解下列目標(biāo)函數(shù)的最大值。，(2)這是一個不等式約束下二次函數(shù)尋優(yōu)的問題, 存在唯一解。不為零的解所對應(yīng)的樣本就是支持向量。解上述問題后得到的最優(yōu)決策函數(shù)是：， (3)在線性不可分的情況下, 可以在條件(1)中增加一個松弛項, 成為：, i = 1,2, n. （4）將目標(biāo)改為求:, (5)的最小且，其中,C是懲罰因子,即綜合考慮最少錯分樣本和最大分類間隔, 這樣就得到廣義最優(yōu)分類面。對于非線性問題，只需要將輸入向量非線性映射到一個更高維的特征空間，然后再構(gòu)造最優(yōu)分類超平面。我們不必知道具體的映射函數(shù)(xi)的表達(dá)式，因為在這個高維空間中只涉及到內(nèi)積運算，若K(xi,x

39、j)=(xi)(xj)則稱K(xi,xj)為內(nèi)核函數(shù),一個函數(shù)是核函數(shù)的條件由Mercer定理給出4。而相應(yīng)的最優(yōu)決策函數(shù)變?yōu)椋?， (6)MinnadLee(2005)使用支持向量機(jī)(SupportVectorMachines，SVM)預(yù)測，應(yīng)用韓國最大信用擔(dān)保公司的2000一2002年中小型制造企業(yè)數(shù)據(jù)。破產(chǎn)樣本和非破產(chǎn)樣本各944個，通過選擇最優(yōu)的核函數(shù)得到的結(jié)果如表1.2所示。由于支持向量機(jī)堅實的理論基礎(chǔ)和它在很多領(lǐng)域表現(xiàn)出的良好的推廣性能，目前國際上正在廣泛開展對支持向量機(jī)的研究。以下是其中主要的研究熱點。（1）標(biāo)準(zhǔn)的SVM算法都是針對兩類問題的，因此，如何將兩類分類問題推廣到多類問

40、題上，是目前研究的一個熱點。有研究認(rèn)為，將支持向量機(jī)擴(kuò)展到多類問題，本質(zhì)上是求解多個兩類問題。（2）在支持向量機(jī)中有許多參數(shù)需要事先給定，比如懲罰系數(shù)C、核參數(shù)等。核函數(shù)的形式以及涉及參數(shù)的確定將直接影響分類器的類型和復(fù)雜程度。最常用的模型選擇方法是“交叉驗證(cross validation)”和“網(wǎng)格搜索”(grid search)。（3）支持向量機(jī)在理論上有突出優(yōu)勢，但與理論研究相比，應(yīng)用研究尚比較滯后。將支持向量機(jī)運用到特定領(lǐng)域解決特定問題無疑也是今后的一個研究熱點。甚至有人預(yù)測，支持向量機(jī)將成為繼神經(jīng)網(wǎng)絡(luò)后的又一重要應(yīng)用研究熱點?，F(xiàn)在在模式識別，包括字符識別、文本自動分類、人臉檢測、

41、頭的姿態(tài)識別，以及函數(shù)逼近、數(shù)據(jù)挖掘和非線性系統(tǒng)控制中均有很好的應(yīng)用4、灰色預(yù)測模型灰色預(yù)測模型是一種針對少數(shù)據(jù)、灰因果條件的信息不完全條件下的預(yù)測方法?；疑到y(tǒng)理論指出，一般可以用離散的隨機(jī)數(shù)經(jīng)過數(shù)的生成這一過程，變成隨機(jī)性明顯削弱的較有規(guī)律的生成數(shù)列。那么，在得到的有規(guī)律的生成數(shù)列的基礎(chǔ)上，就可以對變化過程做較長時間的描述，甚至可以確定微分方程的系數(shù)，從而建立微分方程模型，即GM模型?；疑A(yù)測包含兩個過程，第一是建立GM模型，第二是利用GM模型作外推預(yù)測. 基于GM（1，1）的灰色預(yù)測稱為單變量預(yù)測，基于GM（1，N）和GM（1，1）的灰色預(yù)測稱為系統(tǒng)預(yù)測. 系統(tǒng)預(yù)測是指系統(tǒng)中各種因素相互

42、影響協(xié)調(diào)發(fā)展變化的預(yù)測。系統(tǒng)中具有獨立發(fā)展能力的因素稱為主導(dǎo)因素，受許多種因素影響，而無某個因素占主要地位的因素，在系統(tǒng)預(yù)測中往往視其為具有獨立發(fā)展能力。對主導(dǎo)因素，在系統(tǒng)預(yù)測中建立GM（1，1）模型，非主導(dǎo)因素建立GM（1，N）模型，從而得到系統(tǒng)的狀態(tài)方程，再按狀態(tài)模型對整個系統(tǒng)作動態(tài)預(yù)測。若已建立GM(1,1)模型（即已知b1 ,b2），則可求得通解 （1） 如果要積分曲線（12.10）通過點（1，x（1）（1）(即（1，x(0)(1)）)，則求得,將這個c的值代入（11.10）式得特解 （2）更合理的辦法是采用誤差平方和最小原則來確定積分常數(shù)c的值. 由（12.10）知 （3）設(shè)，令，得

43、 （4）如果設(shè),令，解得 （5）首先用（1），或用（2）和（3），或用（2）和（4）計算出,然后,用公式 計算的模擬值,并用對進(jìn)行預(yù)測.灰色系統(tǒng)理論是研究少數(shù)據(jù)不確定性的理論?；依碚撛诜治錾贁?shù)據(jù)的特征、了解少數(shù)據(jù)的行為表現(xiàn)、探討少數(shù)據(jù)的潛在機(jī)制、綜合少數(shù)據(jù)的現(xiàn)象基礎(chǔ)上，揭示少數(shù)據(jù)、少信息背景下事物的演化規(guī)律。具體來說，在少數(shù)據(jù)不確定性背景下，數(shù)據(jù)的處理、現(xiàn)象的分析、模型的建立、發(fā)展趨勢的預(yù)測、事物的決策、系統(tǒng)的控制與狀態(tài)的評估，是灰色理論的技術(shù)內(nèi)容?；疑Ｐ徒５木容^高，可保持原系統(tǒng)的特征，能較好地反映系統(tǒng)的實際狀況?；貧w分析的最大缺點就是不能避免可能出現(xiàn)的反常情況，因為回歸分析的計算主要是

44、數(shù)據(jù)冪和四則運算，即平方和，全和等，運算過程由于計算誤差容易導(dǎo)致計算結(jié)果出現(xiàn)極性差錯，從而使正相關(guān)變?yōu)樨?fù)相關(guān)，以致正確現(xiàn)象受到歪曲和顛倒。財務(wù)風(fēng)險的影響因素繁多，企業(yè)內(nèi)部和外部的各種可控和不可控的因素都對其產(chǎn)生作用，因而很難找到對其進(jìn)行準(zhǔn)確預(yù)測的歷史信息。其次，企業(yè)財務(wù)風(fēng)險往往呈現(xiàn)出無規(guī)律的概率分布，因而要弄清這些原始數(shù)據(jù)分布的統(tǒng)計特征也是困難的。此外，對財務(wù)風(fēng)險的預(yù)測直接影響到投資者的投資決策，關(guān)系到投資者的經(jīng)濟(jì)利益。因而對預(yù)測的準(zhǔn)確性要求比較高?；谶@些分析，認(rèn)為GM模型比較適合對企業(yè)財務(wù)風(fēng)險的預(yù)測。 5、混合模型混合模型是指在進(jìn)行預(yù)警研究時，同時采用兩種或兩種以上的方法來建立模型，以實現(xiàn)

45、企業(yè)財務(wù)危機(jī)預(yù)警的目的。建立混合預(yù)警模型的目的，是基于同時采用兩種方法，有利于克服各個方法自身的缺陷，揚長避短。很多國內(nèi)外學(xué)者也以此作為突破口，對現(xiàn)有模型進(jìn)行修正，提高模型的判斷準(zhǔn)確率。相關(guān)實證研究也表明，混合模型與其包括的單個方法模型相比，具有其特有的優(yōu)勢。6、其他預(yù)測理論及方法（1）期權(quán)定價理論：Charitou 和Trigeorgis（2000）使用B-S期權(quán)定價模型中的相關(guān)變量構(gòu)建了財務(wù)危機(jī)判別模型，對1983年到1994年期間的139對美國企業(yè)進(jìn)行了對比檢驗，結(jié)果發(fā)現(xiàn)到期債務(wù)面值、企業(yè)資產(chǎn)的當(dāng)期市價、企業(yè)價值變化的標(biāo)準(zhǔn)差等期權(quán)變量在預(yù)測破產(chǎn)方面作用顯著。不過，該研究的基礎(chǔ)方法仍然建立

46、于 Logistic回歸檢驗之上，僅僅在變量設(shè)計方面引入了期權(quán)因子，因此實際的理論貢獻(xiàn)不大。 （2）K-近鄰法由于財務(wù)困境預(yù)測實際上是一個分類問題，因此可用于分類的非參數(shù)方法K-近鄰法也被應(yīng)用到財務(wù)困境預(yù)測中。值得一提的是，有一些研究在財務(wù)狀態(tài)的劃分上也進(jìn)行了嘗試。Barniv等人還將財務(wù)狀態(tài)劃分為三狀態(tài)，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行了財務(wù)困境預(yù)測。Lau首先采用將財務(wù)狀態(tài)分為5個，采用財務(wù)健康分類表替代傳統(tǒng)的兩分支模型。此外，Gregory和Henderson(1991)43l對公司破產(chǎn)運用災(zāi)害理論進(jìn)行闡釋，并對此做實驗研究，結(jié)果表明，在一定的經(jīng)常發(fā)生條件下，災(zāi)害理論能在公司發(fā)布公告時預(yù)測公司股票收益率

47、的結(jié)構(gòu)性漂移，可見災(zāi)害理論能夠描述公司破產(chǎn)。Lindsay和camPbeu(1994)剛運用應(yīng)用混沌系統(tǒng)進(jìn)行破產(chǎn)公司與非破產(chǎn)公司的判別分類，實證研究顯示健康公司比非健康公司顯現(xiàn)出更多的混沌現(xiàn)象，但該方法判別的穩(wěn)定性稍顯欠缺。charitou和Trigeorgis(2000)發(fā)現(xiàn)公司價值與期權(quán)價值的相似處，并運用期權(quán)定價模型對139家美國上市公司進(jìn)行了實證研究，從新角度對公司困境進(jìn)行解釋預(yù)警。四、 國內(nèi)財務(wù)危機(jī)預(yù)警研究回顧在國內(nèi)對公司財務(wù)危機(jī)預(yù)測的研究才剛剛起步，其主要原因是1993年7月1日之前我國并沒有實施統(tǒng)一的會計準(zhǔn)則，缺乏可靠的規(guī)范的研究數(shù)據(jù)。因此，研究如何利用國外現(xiàn)有的研究成果，結(jié)合中

48、國的實際對企業(yè)破產(chǎn)作出準(zhǔn)確的預(yù)測，是擺在我們面前迫切需要解決的問題。 中國證券市場歷經(jīng)十三年的發(fā)展，規(guī)模日益壯大。面對這么龐大的市場，如果能借助財務(wù)危機(jī)預(yù)測模型對上市公司的財務(wù)危機(jī)提前作出預(yù)測，不管對于監(jiān)管者、銀行、上市公司或者投資者來說，都具有重要的意義。(一)我國財務(wù)預(yù)警研究的現(xiàn)狀及特點1、我國財務(wù)預(yù)警研究主要借鑒國外的研究成果。我國市場經(jīng)濟(jì)體制的建立和資本市場的發(fā)展歷史相對較短，證券法規(guī)體系不健全以及破產(chǎn)機(jī)制不完善阻礙了實證研究的步伐，財務(wù)預(yù)警實證研究的起步較晚，在研究方法上主要借鑒國外的成果利用我國的數(shù)據(jù)構(gòu)建類似的模型。如陳靜于1999年利用一元判定分析方法以1998年底的27家ST公

49、司與同行業(yè)同規(guī)模的非ST公司作為樣本進(jìn)行研究；張玲于2000年利用多元線形判定方法以深滬交易所120家上市公司作為樣本進(jìn)行研究；吳世農(nóng)于2001年利用邏輯回歸和多元概率化回歸方法進(jìn)行研究；楊保安于2002年利用人工神經(jīng)網(wǎng)絡(luò)模型方法進(jìn)行研究。2、我國財務(wù)預(yù)警研究對象的界定是以財務(wù)狀況是否異常為標(biāo)準(zhǔn)。如何界定財務(wù)預(yù)警研究的對象是進(jìn)行實證研究的前提，它涉及到研究樣本的選擇及模型的構(gòu)造。在國外的大多數(shù)研究中，將企業(yè)根據(jù)破產(chǎn)法提出破產(chǎn)申請的行為作為界限，這主要是因為企業(yè)提出破產(chǎn)申請這一行為是客觀發(fā)生的，具有高度的可度量性，容易確定研究樣本。只有極少數(shù)研究如Beaver認(rèn)為界定標(biāo)準(zhǔn)不應(yīng)僅僅定為企業(yè)破產(chǎn)，還

50、包括債券不償付，銀行透支，不能支付優(yōu)先股。而我國上市公司破產(chǎn)機(jī)制不健全，到目前為止尚不存在實際破產(chǎn)的案例，所以我國實證研究對象的界定是以財務(wù)狀況是否異常為標(biāo)準(zhǔn)，這符合我國的國情及上市公司的特點。3、我國財務(wù)預(yù)警模型指標(biāo)的選取受到財務(wù)業(yè)績評價指標(biāo)體系的影響。財務(wù)業(yè)績評價指標(biāo)體系主要由反映企業(yè)基本財務(wù)狀況的指標(biāo)組成，包括財務(wù)效益狀況、資產(chǎn)營運狀況、償債能力狀況、發(fā)展能力狀況指標(biāo)，是對企業(yè)經(jīng)營成果的事后評價，是主要用于衡量企業(yè)經(jīng)營績效的一種手段。而財務(wù)預(yù)警模型指標(biāo)是由對企業(yè)財務(wù)狀況異常反映最敏感的指標(biāo)組成，其目的是通過指標(biāo)的綜合加權(quán)值來預(yù)測企業(yè)未來的財務(wù)危機(jī)，是一種事前的預(yù)測?？梢?，財務(wù)預(yù)警指標(biāo)的選

51、取不同于財務(wù)業(yè)績指標(biāo)，如果用反映事后的指標(biāo)代替必需具有警示作用的先兆指標(biāo)，必然使財務(wù)預(yù)警模型的適用性與預(yù)測精度大大降低。（二）回顧主要文獻(xiàn)資料如下：1996年，周首華、楊濟(jì)華提出了F分?jǐn)?shù)模型，它是在充分考慮了企業(yè)現(xiàn)金流量的變動等方面的情況后，通過調(diào)整和更新指標(biāo)對Z模型進(jìn)行了修正，也取得了一定的效果。2000年，張玲選取了深滬兩市涉及14個行業(yè)共計120家上市公司為樣本，并將樣本公司分為兩組:第一組樣本作為推導(dǎo)判別函數(shù)的開發(fā)樣本，由60家公司組成，其中有30家是1998年或1999年戴帽的ST公司，配對的30家為1998年排名前30名的績優(yōu)公司；第二組也由60家公司組成，其中有21家ST公司和隨

52、機(jī)選擇的39家非ST公司。作者從償債能力、盈利能力、資本結(jié)構(gòu)狀況和營運狀況等四個方面共計巧個相關(guān)財務(wù)比率篩選出4個變量構(gòu)建判別模型。研究結(jié)果顯示，模型對開發(fā)樣本30家ST公司前1年至前5年的判斷準(zhǔn)確率分別為100%，87%，70%，60%和22%。據(jù)此認(rèn)為，二分類線性判定模型具有超前4年的預(yù)測能力，即模型可在ST公司戴帽前4年或ST公司開始虧損的前2年預(yù)知公司的未來前景。張愛民等(2001)借鑒Altman的多元Z值判定模型，運用統(tǒng)計學(xué)的主成分分析方法，建立了主成分預(yù)測模型，選取1更珍eeZ儀舊年間的40家被特別處理的公司與40家沒有被特別處理的公司作為研究樣本進(jìn)行實證檢驗。結(jié)果顯示了一定的有

53、效性:在ST宣布年前判別正確率達(dá)92.5%，前2年為87.5%，前3年為77.5%。國內(nèi)研究應(yīng)用邏輯回歸模型的，以陳曉、陳治鴻的研究為代表。其研究以1998一1999年的38家被特別處理的公司作為初始樣本，并以同年度的所有凈資產(chǎn)收益率低于5%的沒有被處理的公司132家作為配比樣本，構(gòu)成含有170家公司的總樣本。采用公司被特別處理前(t一2)年的財務(wù)報表數(shù)據(jù)，選取8組共27個財務(wù)比率，作為各選變量，做了1260種變量組合后，選出具有最小誤判率的變量組合放入模型之中，并根據(jù)不同的篩選原則構(gòu)建了四個模型，比較得到最優(yōu)的模型，同時對誤判率和期望成本進(jìn)行了詳細(xì)分析，成為其突出的特點。楊保安等利用BP神經(jīng)

54、網(wǎng)絡(luò)，對中信實業(yè)銀行的30個企業(yè)客戶的財務(wù)風(fēng)險狀況進(jìn)行了判別分類，認(rèn)為BP神經(jīng)網(wǎng)絡(luò)方法是企業(yè)財務(wù)危機(jī)預(yù)警中較好的應(yīng)用工具，并能為銀行貸款授信、預(yù)警提供有效決策。而楊怡光則認(rèn)為，人工神經(jīng)網(wǎng)絡(luò)、混沌分析等新的數(shù)學(xué)分析方法，由于方法的復(fù)雜性以及可操作性等方面的問題，在實踐中不便使用。同時，顧曉安l到還從企業(yè)長短期發(fā)展的角度建立企業(yè)財務(wù)預(yù)警系統(tǒng)。1998年，陳靜1201以27家被特別處理的公司和沒有被特別處理的公司為對象，使用了1995一1997年的財務(wù)報表數(shù)據(jù)，進(jìn)行了單變量分析和多元線性判定分析，并進(jìn)行了兩種方法的比較。這項研究作為國內(nèi)最早的實證財務(wù)困境預(yù)測研究，但由于受樣本與數(shù)據(jù)的限制，樣本量小，

55、結(jié)果難有廣泛適用性。劉洪、何光軍(2004)選取2002年和2加3年首次被ST的80家上市公司作為樣本，取這些公司前三年即1999年和2000年的財務(wù)數(shù)據(jù)作為研究依據(jù)，并選定648家非ST公司，其中1999年83家，2000年565家，分別取它們1999年和2000年的財務(wù)數(shù)據(jù)，建立了logistic回歸模型、Fisher判別模型和BP神經(jīng)網(wǎng)絡(luò)模型。實證結(jié)果表明，三種判別模型的準(zhǔn)確率分別為:56.6%，54.4%，90.1%，最后得出BP神經(jīng)網(wǎng)絡(luò)方法的預(yù)測精度遠(yuǎn)高于其他兩種方法。吳世農(nóng)、盧賢義(2001)以我國上市公司為研究對象，應(yīng)用Fisher線性判定分析、多元線性回歸分析和logistic

56、?；貧w分析三種方法，分別建立三種預(yù)測財務(wù)危機(jī)的模型。研究結(jié)果表明:三種模型都能在財務(wù)困境發(fā)生前發(fā)出相對準(zhǔn)確的預(yù)測。張延波、彭淑雄(2002)認(rèn)為，在建立風(fēng)險監(jiān)測與危機(jī)預(yù)警指標(biāo)體系中，可考慮加入現(xiàn)金流量指標(biāo):現(xiàn)金流量比率和債務(wù)期限結(jié)構(gòu)比率。這兩個指標(biāo)只是在探討之中，并沒有實證建模，因此哪個財務(wù)指標(biāo)具有顯著監(jiān)測和預(yù)警能力還必須進(jìn)一步探討。近年來我國學(xué)者通過深入研究，借鑒和運用其他學(xué)科的新理論和新技術(shù)，提出了多種財務(wù)預(yù)警模型，如決策樹法(姚靠華、蔣艷輝，2005)、熵值法(王平心、楊冬花，2005)、狀態(tài)空間模型(胡挺、廖愛清，2005)、雷達(dá)圖法(舒曉惠等，2005)。此外，還有灰色模糊預(yù)測法、聚類分析法、近鄰法、聯(lián)合預(yù)測模型等，功效系數(shù)法、主成分分析法等預(yù)測分析方法也得到了應(yīng)用，大大豐富了財務(wù)預(yù)警模型類型。 與國外相比，研究者歡迎的方法主要有一元判別模型、多元判別模型和Logit回歸模型, 其他方法由于模型開發(fā)歷史較短、研究不夠廣泛, 模型穩(wěn)定性和適用條件存在較大問題。然而, 一元判別模型盡管簡單易