預(yù)警模型
2012-03-27 11:53:47 作者：cctaxwsl 來源： 瀏覽次數(shù)：27 網(wǎng)友評(píng)論 條
多變量預(yù)警模型概述
多變量預(yù)警模型概述
多變量預(yù)警模型即是運(yùn)用多種財(cái)務(wù)比率加權(quán)匯總而構(gòu)成線性函數(shù)公式來預(yù)測(cè)財(cái)務(wù)危機(jī)的一種模型。它一種綜合評(píng)價(jià)企業(yè)風(fēng)險(xiǎn)的方法，當(dāng)預(yù)測(cè)企業(yè)是否會(huì)面臨財(cái)務(wù)失敗時(shí)，只需將企業(yè)的多個(gè)財(cái)務(wù)比率同時(shí)輸入模型中，模型會(huì)通過計(jì)算得到一個(gè)結(jié)果，然后根據(jù)結(jié)果就可以判斷企業(yè)是否會(huì)面臨財(cái)務(wù)失敗或破產(chǎn)。
多變量預(yù)警方法通過多個(gè)變量的組合來綜合確定企業(yè)發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的可能性，其從企業(yè)集團(tuán)的宏觀角度出發(fā)運(yùn)用多個(gè)財(cái)務(wù)指標(biāo)衡量企業(yè)風(fēng)險(xiǎn)，為管理決策提供幫助，進(jìn)而規(guī)避風(fēng)險(xiǎn)或延緩危機(jī)的發(fā)生。相對(duì)于單變量模型而言，多變量模型預(yù)警財(cái)務(wù)指標(biāo)能多方位反映企業(yè)經(jīng)營(yíng)狀態(tài)，揭示企業(yè)產(chǎn)、供、銷各環(huán)節(jié)可能存在的風(fēng)險(xiǎn)，適合企業(yè)集團(tuán)的財(cái)務(wù)預(yù)警系統(tǒng)的要求。
多變量模型的分類
多變量模型就是運(yùn)用多個(gè)財(cái)務(wù)指標(biāo)或現(xiàn)金流量指標(biāo)來綜合反映企業(yè)的財(cái)務(wù)狀況，并在此基礎(chǔ)上建立預(yù)警模型，進(jìn)行財(cái)務(wù)預(yù)測(cè)。按所建模型是否具有動(dòng)態(tài)預(yù)警能力、財(cái)務(wù)預(yù)警系統(tǒng)是否易于修改和擴(kuò)充，多變量模型又可以分為靜態(tài)統(tǒng)計(jì)模型和動(dòng)態(tài)非統(tǒng)計(jì)模型。
1. 靜態(tài)統(tǒng)計(jì)模型。
①線性判別模型。多元線性判別模型是運(yùn)用多元統(tǒng)計(jì)分析方法中的判別分析建立起來的，它是根據(jù)一定的樣本資料，建立判別函數(shù)、確定判定區(qū)域，以對(duì)企業(yè)財(cái)務(wù)狀況進(jìn)行預(yù)測(cè)。這種模型以美國(guó)Atlman教授的Z模型最具代表性。
?、谥鞒煞诸A(yù)測(cè)模型。該模型也形成一個(gè)線性判定函數(shù)式，其形式類似判別分析模型。不過該模型是運(yùn)用多元統(tǒng)計(jì)分析中的主成分分析方法，通過提煉綜合因子形成主成分，并利用主成分建立起來的。我國(guó)學(xué)者張愛民、楊淑娥等分別運(yùn)用主成分分析方法對(duì)我國(guó)上市公司的財(cái)務(wù)預(yù)警模型進(jìn)行過研究。
③簡(jiǎn)單線性概率模型。該模型是利用多元線性回歸方法建立起來的，其形式是：y=c+β1x1+β2x2+…+βkxk。其中：c、β1、β2、…、βk為系數(shù);x1、x2、…、xk為k個(gè)預(yù)測(cè)變量，即財(cái)務(wù)指標(biāo);y為企業(yè)財(cái)務(wù)失敗的概率。該模型以0.5為危機(jī)分界點(diǎn)，y值越大，企業(yè)發(fā)生財(cái)務(wù)失敗的可能性越大，y值越接近于0，說明企業(yè)財(cái)務(wù)越安全。
?、躭ogit模型和probit模型。它們也分別叫作對(duì)數(shù)比率模型和概率單位模型，都屬于概率模型，是在克服簡(jiǎn)單的線性概率模型的基礎(chǔ)上并分別用logit和probit概率函數(shù)建立起來的。logit模型的形式為：ln[p÷(1-p)]=α0+β1x1+β2x2+…+βkxk。其中：p取值為0、1;p為概率;x1，x2，…，xk為k個(gè)預(yù)測(cè)變量，即財(cái)務(wù)指標(biāo);α0、β1、β2、…、βk為系數(shù)。probit概率模型的預(yù)測(cè)效果一般與logit模型預(yù)測(cè)的效果相差不大，在此不多加介紹。
2. 動(dòng)態(tài)非統(tǒng)計(jì)模型。
動(dòng)態(tài)財(cái)務(wù)預(yù)警模型主要是把人工智能中的歸納式學(xué)習(xí)的方法應(yīng)用于財(cái)務(wù)危機(jī)預(yù)測(cè)。目前，這種方法中最常用的是神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。在神經(jīng)網(wǎng)絡(luò)模型中，當(dāng)輸入一些資料后，網(wǎng)絡(luò)會(huì)以目前的權(quán)重計(jì)算出相對(duì)應(yīng)的預(yù)測(cè)值以及誤差，而再將誤差值回饋到網(wǎng)絡(luò)中調(diào)整權(quán)重，經(jīng)過不斷地重復(fù)調(diào)整，從而使預(yù)測(cè)值漸漸地逼近真實(shí)值。當(dāng)應(yīng)用此網(wǎng)絡(luò)到新的案例時(shí)，只要輸入新案例的相關(guān)數(shù)值，神經(jīng)網(wǎng)絡(luò)就可以根據(jù)當(dāng)時(shí)的權(quán)重得出輸出值即預(yù)測(cè)值。神經(jīng)網(wǎng)絡(luò)分析是一種并行分布模式處理系統(tǒng)，具有高度的計(jì)算能力、自學(xué)能力和容錯(cuò)能力。該模型由一個(gè)輸入層、若干個(gè)中間層和一個(gè)輸出層構(gòu)成。案例推理法是近年來才被嘗試應(yīng)用于財(cái)務(wù)危機(jī)預(yù)測(cè)上的一種動(dòng)態(tài)非統(tǒng)計(jì)模型方法。它是一種依循經(jīng)驗(yàn)來推理的方法，就是以過去發(fā)生的案例為主要的經(jīng)驗(yàn)依據(jù)來判斷未來可能發(fā)生的問題，是一種典型的“上一次當(dāng)，學(xué)一次乖”的推理方法。當(dāng)輸入一個(gè)新的問題到案例推理法系統(tǒng)，該系統(tǒng)會(huì)在從現(xiàn)有的案例庫中搜尋相似的案例，判斷新案例的類型。案例推理法的關(guān)鍵步驟就是根據(jù)相似性演算法測(cè)算出案例之間距離，再轉(zhuǎn)變?yōu)榘咐g的相似度，由相似度選取最相近的案例，據(jù)此進(jìn)行推理判斷。
多變量預(yù)警分析模型的構(gòu)建
財(cái)務(wù)預(yù)警的方法很多，如比弗的立面分析、兩分法檢驗(yàn)和一元判定模型，迪肯的概率模型，埃德米特的小企業(yè)研究模型，達(dá)艾蒙德的范式確認(rèn)模型等。但比較有代表性的主要是Z預(yù)警模型和F預(yù)警模型。
1、Z預(yù)警模型。
Z預(yù)警模型是由美國(guó)愛德華?阿爾曼（Altman）在20世紀(jì)60年代中期提出來的，最初阿爾曼在制造企業(yè)中分別選取了66家破產(chǎn)企業(yè)和良好企業(yè)為樣本，收集了樣本企業(yè)資產(chǎn)負(fù)債表和利潤(rùn)表總的有關(guān)數(shù)據(jù)，并通過整理從22個(gè)變量中選定預(yù)測(cè)破產(chǎn)最有用的5個(gè)變量，經(jīng)過綜合分析簡(jiǎn)歷了一個(gè)判別函數(shù)：在這模型中他賦予5個(gè)基本財(cái)務(wù)指標(biāo)以不同權(quán)重，并加權(quán)產(chǎn)生“Z”值，即
Z＝0.012X1＋0.014X2＋0.033X4+0.999X5
式中：Z為判別函數(shù)值
X1＝（營(yíng)業(yè)資金÷資產(chǎn)總額）×100
X2＝（留存收益÷資產(chǎn)總額）×100
X3＝（息稅前利潤(rùn)÷資產(chǎn)總額）×100
X4＝（普通股優(yōu)先股市場(chǎng)價(jià)值總額÷負(fù)債賬面價(jià)值總額）×100
X5＝銷售收入÷資產(chǎn)總額
該模型將反映企業(yè)償債能力的指標(biāo)X1和X4、反映企業(yè)獲利能力的指標(biāo)X2和X3以及反映企業(yè)運(yùn)營(yíng)能力的指標(biāo)X5有機(jī)聯(lián)系起來，通過綜合分值分析預(yù)測(cè)企業(yè)財(cái)務(wù)失敗或破產(chǎn)的可能性。按照這個(gè)模式，一般來說，Z值越低企業(yè)越有可能破產(chǎn)，通過計(jì)算某企業(yè)若干年的Z值就可以發(fā)現(xiàn)企業(yè)是否存在財(cái)務(wù)危機(jī)的征兆。阿爾曼根據(jù)實(shí)證分析提出了判斷企業(yè)財(cái)務(wù)狀況的幾個(gè)臨界值，即：當(dāng)Z值大于2.675時(shí)，則表明企業(yè)的財(cái)務(wù)狀況良好，發(fā)生破產(chǎn)的可能性??；當(dāng)Z值小于1.81時(shí)，則表明企業(yè)潛伏著破產(chǎn)危機(jī)；當(dāng)Z值介于1.81-2.675時(shí)被稱為“灰色地帶”，說明企業(yè)的財(cái)務(wù)狀況極為不穩(wěn)定。
上述模型主要使用于股票已經(jīng)上市交易的制造企業(yè)，為了能夠?qū)預(yù)警模型使用于私人企業(yè)和非制造企業(yè)，阿爾曼又對(duì)該模型進(jìn)行了修正，即
Z=0.065X1+0.0326X2+0.01X3+0.0672X4
式中：X1＝（運(yùn)營(yíng)資金÷資產(chǎn)總額）×100
X2＝（留存收益÷資產(chǎn)總額）×100
X3＝（息稅前利潤(rùn)÷資產(chǎn)總額）×100
X4＝（企業(yè)賬面價(jià)值÷負(fù)債賬面價(jià)值）×100
在這個(gè)預(yù)警模型中，當(dāng)目標(biāo)企業(yè)的Z值被測(cè)定為大于2.90時(shí)，說明企業(yè)的財(cái)務(wù)狀況良好；當(dāng)Z值小于1.23時(shí)，說明企業(yè)已經(jīng)出現(xiàn)財(cái)務(wù)失敗的征兆；當(dāng)Z值處于1.23-2.90時(shí)為“灰色地帶”，表明企業(yè)財(cái)務(wù)狀況極不穩(wěn)定。
阿爾曼設(shè)計(jì)的Z模型綜合考慮了企業(yè)的資產(chǎn)規(guī)模、變現(xiàn)能力、獲利能力、財(cái)務(wù)結(jié)構(gòu)、償債能力等方面的因素，該模型在西方預(yù)測(cè)公司破產(chǎn)的準(zhǔn)確率達(dá)70％-90％，在破產(chǎn)前一年準(zhǔn)確率高達(dá)95％。
2、F預(yù)警模型。
由于Z預(yù)警模型在建立時(shí)并沒有充分考慮到現(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，有學(xué)者擬對(duì)Z預(yù)警模型加以改造，并建立其財(cái)務(wù)危機(jī)預(yù)測(cè)的新模型——F預(yù)警模型。
F預(yù)警模型的主要特點(diǎn)是：（1）F預(yù)警模型加入現(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，因而它彌補(bǔ)了Z分?jǐn)?shù)模式的不足。（2）本模型考慮到了現(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。比如公司所應(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）本模型使用的樣本更加擴(kuò)大。其使用了CompustatPCPlus會(huì)計(jì)數(shù)據(jù)庫中1990年以來的4160家公司的數(shù)據(jù)進(jìn)行了檢查；而Z預(yù)警模型的樣本僅為66家（33家破產(chǎn)公司及33家非破產(chǎn)公司）。F預(yù)警模型對(duì)4160家公司進(jìn)行了驗(yàn)證。
F預(yù)警模型如下：
F=-0.1774+1.1091W1+0.1074W2+1.9271W3+0.0302W4+0.4961W5
F預(yù)警模型中的五個(gè)自變量的選擇是基于財(cái)務(wù)理論，其臨界點(diǎn)為0.0274，若某一特定的F值低于0.0274，則將被預(yù)測(cè)為破產(chǎn)公司；反之，若F值高于0.0274，則公司將被預(yù)測(cè)為繼續(xù)生存公司。
財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型初探
2013-02-26 13:20:20 作者：admin 來源： 瀏覽次數(shù)：19 網(wǎng)友評(píng)論 條
“亞洲金融風(fēng)暴”的爆發(fā)再次警示我們，財(cái)務(wù)風(fēng)險(xiǎn)無處不在。企業(yè)有必要保持警惕，注意識(shí)別風(fēng)險(xiǎn)，防范風(fēng)險(xiǎn)，建立適合于企業(yè)本身的財(cái)務(wù)預(yù)警系統(tǒng)，設(shè)計(jì)出相適應(yīng)的財(cái)務(wù)預(yù)警模型。文章嘗試對(duì)目前發(fā)展比較成熟的財(cái)務(wù)預(yù)警模型做初步的介紹并提出對(duì)企業(yè)建立財(cái)務(wù)預(yù)警系統(tǒng)的一些建議
20世紀(jì)末，亞洲爆發(fā)了一場(chǎng)金融完全脫序的經(jīng)濟(jì)危機(jī)———“亞洲金融風(fēng)暴”。這場(chǎng)危機(jī)從宏觀角度看，表現(xiàn)為貨幣危機(jī)；從微觀角度看，則是由于企業(yè)過度負(fù)債，盲目擴(kuò)張，導(dǎo)致企業(yè)呈現(xiàn)出極不穩(wěn)定的高比例負(fù)債資本結(jié)構(gòu)，風(fēng)險(xiǎn)抵抗能力差。所以，當(dāng)危機(jī)來臨時(shí)，許多企業(yè)都陷入了困境，很多的大企業(yè)、大財(cái)團(tuán)一夜之間倒閉，嚴(yán)酷的現(xiàn)實(shí)再一次警示我們，財(cái)務(wù)風(fēng)險(xiǎn)無時(shí)無處不在，認(rèn)識(shí)風(fēng)險(xiǎn)，進(jìn)而防范和控制風(fēng)險(xiǎn)，是我們?cè)诿鎸?duì)風(fēng)險(xiǎn)時(shí)能夠從容應(yīng)對(duì)的最好方法。無論宏觀經(jīng)濟(jì)還是微觀經(jīng)濟(jì)皆應(yīng)建立預(yù)警系統(tǒng)，預(yù)先發(fā)出警報(bào)，使經(jīng)營(yíng)者能夠在財(cái)務(wù)危機(jī)出現(xiàn)的萌芽階段采取有效措施改善企業(yè)經(jīng)營(yíng)，防范危機(jī)。
一、財(cái)務(wù)風(fēng)險(xiǎn)的識(shí)別
財(cái)務(wù)危機(jī)預(yù)警分析，亦稱“破產(chǎn)預(yù)警分析”，是以企業(yè)的財(cái)務(wù)報(bào)表為依據(jù)，利用各種財(cái)務(wù)比率或數(shù)學(xué)模型，對(duì)企業(yè)的財(cái)務(wù)狀況進(jìn)行檢測(cè)，從而預(yù)測(cè)企業(yè)財(cái)務(wù)失敗的可能性，并發(fā)出警戒信號(hào)的過程。隨著市場(chǎng)經(jīng)濟(jì)體制改革的不斷深化，市場(chǎng)競(jìng)爭(zhēng)日趨激烈，企業(yè)在經(jīng)營(yíng)過程中隨時(shí)會(huì)遇到各種風(fēng)險(xiǎn)，企業(yè)必須通過對(duì)風(fēng)險(xiǎn)的識(shí)別，建立風(fēng)險(xiǎn)評(píng)估體系和進(jìn)行風(fēng)險(xiǎn)控制來預(yù)防或化解風(fēng)險(xiǎn)的發(fā)生，將風(fēng)險(xiǎn)造成的損失降到最小。
防范風(fēng)險(xiǎn)，首先要識(shí)別風(fēng)險(xiǎn)，公司特有的風(fēng)險(xiǎn)主要有：經(jīng)營(yíng)風(fēng)險(xiǎn)和財(cái)務(wù)風(fēng)險(xiǎn)。經(jīng)營(yíng)風(fēng)險(xiǎn)是指產(chǎn)品市場(chǎng)和生產(chǎn)要素市場(chǎng)的供求變化，以及企業(yè)內(nèi)部經(jīng)營(yíng)管理水平不同，使得企業(yè)因?yàn)樯a(chǎn)經(jīng)營(yíng)方面的原因給企業(yè)盈利帶來的不確定性。市場(chǎng)和生產(chǎn)的不確定性是經(jīng)營(yíng)風(fēng)險(xiǎn)的主要根源，如新產(chǎn)品的開發(fā)失敗，產(chǎn)品生產(chǎn)質(zhì)量不合格，出現(xiàn)新的競(jìng)爭(zhēng)對(duì)手，消費(fèi)者偏好發(fā)生變化，出現(xiàn)惡性競(jìng)爭(zhēng)，產(chǎn)品落后等因素。而財(cái)務(wù)風(fēng)險(xiǎn)是由于負(fù)債籌資而引起的股東收益的可變性和償債能力的不確定性，以及由于財(cái)務(wù)信息可靠性等帶來的其他風(fēng)險(xiǎn)，財(cái)務(wù)風(fēng)險(xiǎn)的類型有籌資風(fēng)險(xiǎn)、投資風(fēng)險(xiǎn)、資金回收風(fēng)險(xiǎn)、收益分配風(fēng)險(xiǎn)。
1.籌資風(fēng)險(xiǎn)?；I資風(fēng)險(xiǎn)主要來源于兩方面：第一，是償債風(fēng)險(xiǎn)，指企業(yè)不能按期還本付息。第二，是收益變動(dòng)風(fēng)險(xiǎn)，指由于資金使用效率低下，導(dǎo)致每股收益降低。
2.投資風(fēng)險(xiǎn)。即由于不確定因素致使投資報(bào)酬率低于預(yù)期目標(biāo)而發(fā)生的風(fēng)險(xiǎn)。
3.資金回收風(fēng)險(xiǎn)。即產(chǎn)品銷售出去后，貨幣資金收回的時(shí)間和金額上的不確定性
4.收益分配風(fēng)險(xiǎn)。即企業(yè)將其留存收益分派給投資者的盈余和留在企業(yè)的盈余之間的比例分配方案可能給企業(yè)今后的生產(chǎn)經(jīng)營(yíng)活動(dòng)帶來不利影響所產(chǎn)生的風(fēng)險(xiǎn)。
二、財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的簡(jiǎn)單綜述
我國(guó)有關(guān)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警分析的研究起步較晚，而國(guó)外開始相關(guān)領(lǐng)域的研究比較早，已經(jīng)有企業(yè)將財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型投入實(shí)際運(yùn)用當(dāng)中。下面將對(duì)一些常見的預(yù)警模型進(jìn)行介紹。非量化分析主要包括：標(biāo)準(zhǔn)化調(diào)查法、“四階段癥狀”分析法、“三個(gè)月資金周轉(zhuǎn)表”分析法、流程圖分析法、管理評(píng)分法等；量化分析分為單變量判定模型和多變量判定模型。本文主要介紹量化分析。1.單變量預(yù)警模型。單變量預(yù)警模型即是運(yùn)用個(gè)別的財(cái)務(wù)比率來預(yù)測(cè)財(cái)務(wù)危機(jī)的模型。美國(guó)學(xué)者williambeaver通過對(duì)1954-1964年期間的79個(gè)失敗企業(yè)和相同數(shù)量、相同資產(chǎn)規(guī)模的成功企業(yè)的比較研究提出了單變量預(yù)警模型。他認(rèn)為預(yù)測(cè)財(cái)務(wù)失敗的比率有：（1）現(xiàn)金保障率=現(xiàn)金流量/債務(wù)總額；（2）資產(chǎn)收益率=凈收益/資產(chǎn)總額；（3）資產(chǎn)負(fù)債率=負(fù)債總額/資產(chǎn)總額；（4）資產(chǎn)安全率=資產(chǎn)變現(xiàn)率-資產(chǎn)負(fù)債率，其中資產(chǎn)變現(xiàn)率=資產(chǎn)變現(xiàn)金額/資產(chǎn)賬面金額。他的研究認(rèn)為現(xiàn)金保障率能夠最好地判定企業(yè)的財(cái)務(wù)狀況。其次是資產(chǎn)負(fù)債率，并且離失敗日越近，誤判率越低。
單變量預(yù)測(cè)模型法簡(jiǎn)單易懂，但其缺點(diǎn)也較明顯。（1）由于單個(gè)比率不像多個(gè)財(cái)務(wù)比率能夠反映企業(yè)的整體財(cái)務(wù)狀況，所以要求企業(yè)在建立模型時(shí)要選擇最能反映企業(yè)財(cái)務(wù)運(yùn)行核心特征的財(cái)務(wù)比率作為預(yù)測(cè)指標(biāo)。（2）企業(yè)的核心管理層為了掩蓋真實(shí)財(cái)務(wù)狀況往往會(huì)對(duì)某些財(cái)務(wù)比率進(jìn)行粉飾，故由這些不真實(shí)的財(cái)務(wù)比率所作出的預(yù)警信息就失去了可靠性。（3）對(duì)同一家公司，預(yù)測(cè)者可能會(huì)因使用比率的不同而得出不同的預(yù)測(cè)結(jié)果。
2.多變量預(yù)警模型。多變量預(yù)警模型即是運(yùn)用多種財(cái)務(wù)比率加權(quán)匯總而構(gòu)成線性函數(shù)公式來預(yù)測(cè)財(cái)務(wù)危機(jī)的一種模型。多變量預(yù)警模型中當(dāng)屬美國(guó)紐約大學(xué)教授Altman的Z-Score五變量模型的應(yīng)用最為廣泛。它是根據(jù)1946-1965年期間，在相當(dāng)規(guī)模及行業(yè)里，提出破產(chǎn)申請(qǐng)的33家破產(chǎn)企業(yè)和33家非破產(chǎn)企業(yè)作為樣本，在經(jīng)過大量的實(shí)證考察和分析研究的基礎(chǔ)上，從最初的22個(gè)財(cái)務(wù)比率中選擇了5個(gè)，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(shí)段的數(shù)據(jù)，用統(tǒng)計(jì)方法對(duì)5個(gè)財(cái)務(wù)比率分別給出一定權(quán)數(shù)，進(jìn)而計(jì)算其加權(quán)平均值（即Z值）。
Z-Score五變量模型的差別函數(shù)表示如下：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5（式中：Z—差別函數(shù)值）
X1———營(yíng)運(yùn)資金÷資產(chǎn)總額
X2———留存收益÷資產(chǎn)總額
X3———息稅前利潤(rùn)÷資產(chǎn)總額
X4———普通股和優(yōu)先股市場(chǎng)價(jià)值總額÷負(fù)債賬面價(jià)值總額
X5———銷售收入÷資產(chǎn)總額由于該模型來自于對(duì)上市公司的研究，應(yīng)用范圍不廣，故此后Altman重新評(píng)估變量X4將其確定為：股票賬面價(jià)值（所有者權(quán)益）/總債務(wù)賬面價(jià)值，新的模型被Altman稱之為Z模型，其基本表達(dá)式為：
Z=0.717X1+0.847X2+3.107X3+0.42X4+0.998X5當(dāng)z≥2.99時(shí)，陷入財(cái)務(wù)困境的可能性很小；當(dāng)2.7≤Z<2.99時(shí)，有陷入財(cái)務(wù)困境可能；當(dāng)1.81≤z<2.7時(shí)，陷入財(cái)務(wù)困境可能性很大；當(dāng)z<1.81時(shí)，陷入財(cái)務(wù)困境的可能性非常大。
Z模型克服了單變量預(yù)警模型的缺陷，幾乎包括了所有預(yù)測(cè)能力很強(qiáng)的指標(biāo)。它除了可預(yù)測(cè)本企業(yè)的財(cái)務(wù)發(fā)展?fàn)顩r外，還可以分析企業(yè)的競(jìng)爭(zhēng)對(duì)手、供應(yīng)商、客戶及利益相關(guān)公司的情況。
但其局限性在于：（1）不具有橫向可比性，即不可用于規(guī)模、行業(yè)不同的公司之間的比較。（2）采用的是按權(quán)責(zé)發(fā)生制編制的報(bào)表資料，沒有考慮到較為客觀的現(xiàn)金流量指標(biāo)，可能不能真實(shí)反映企業(yè)現(xiàn)實(shí)的財(cái)務(wù)質(zhì)量。
為了解決權(quán)責(zé)發(fā)生制原則所帶來的人為操縱財(cái)務(wù)比率的問題，增加了兩個(gè)有關(guān)現(xiàn)金流量分析的指標(biāo)：現(xiàn)金盈利質(zhì)量率和現(xiàn)金增值質(zhì)量率?，F(xiàn)金盈利質(zhì)量率=現(xiàn)金盈利值/凈利潤(rùn)。其中，現(xiàn)金盈利值是根據(jù)現(xiàn)金流量表提供的財(cái)務(wù)信息計(jì)算出來的企業(yè)現(xiàn)金凈收益。計(jì)算公式為：現(xiàn)金盈利值=經(jīng)營(yíng)活動(dòng)現(xiàn)金凈流量+分得股利和利潤(rùn)收現(xiàn)+債券利息收現(xiàn)+處置長(zhǎng)期資產(chǎn)收現(xiàn)-利息及籌資費(fèi)用付現(xiàn)?，F(xiàn)金增值質(zhì)量率=現(xiàn)金增加值/留存收益。其中，現(xiàn)金增加值是企業(yè)支付了各項(xiàng)現(xiàn)金分配后的留存現(xiàn)金收益。計(jì)算公式為：現(xiàn)金增加值=現(xiàn)金盈利值-分配股利付現(xiàn)。
3.其他預(yù)警模型。目前，還有其他一些比較常見的財(cái)務(wù)預(yù)警的分析方法，如人工神經(jīng)網(wǎng)絡(luò)分析法、F分?jǐn)?shù)模型、近鄰法、分類樹方法等。可見，財(cái)務(wù)預(yù)警模型是隨著實(shí)際運(yùn)用的發(fā)展而不斷完善、更新的。
三、建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)時(shí)應(yīng)注意的問題
每個(gè)企業(yè)都有各自的特點(diǎn)，包括組織形式，經(jīng)營(yíng)理念，管理水平等都不盡相同，要想使財(cái)務(wù)預(yù)警系統(tǒng)在企業(yè)真正適用，就必須考慮公司的自身特點(diǎn)設(shè)計(jì)模型。因此建立健全企業(yè)的財(cái)務(wù)預(yù)警系統(tǒng)應(yīng)注意以下幾點(diǎn)：
1.牢固樹立風(fēng)險(xiǎn)防范意識(shí)。這要求企業(yè)全體員工及領(lǐng)導(dǎo)在思想上樹立識(shí)別風(fēng)險(xiǎn)，防范風(fēng)險(xiǎn)的意識(shí)
2.遵循成本效益原則。企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)的設(shè)計(jì)要使產(chǎn)生預(yù)警信息的價(jià)值大于產(chǎn)生預(yù)警信息的成本，保證系統(tǒng)的經(jīng)濟(jì)性和有效性。
3.加強(qiáng)信息管理，保證預(yù)警信息傳遞路線的通暢。財(cái)務(wù)預(yù)警系統(tǒng)必須以大量的動(dòng)態(tài)信息為基礎(chǔ)，這就要求加強(qiáng)信息管理，使之能夠全面準(zhǔn)確及時(shí)的向財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)提供信息。必要時(shí)可配備專業(yè)的人員，使預(yù)警信息能迅速反饋到管理層以便及時(shí)作出對(duì)策反應(yīng)。
4.定性和定量的預(yù)測(cè)相結(jié)合。企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)不能只注重定量分析，還應(yīng)結(jié)合非量化因素才能提高預(yù)警系統(tǒng)的效用。因?yàn)槎糠治鲮`活性較差，對(duì)于特定方法都有統(tǒng)一的模式，較少考慮到企業(yè)的個(gè)別情況。非量化指標(biāo)由于無需完整的數(shù)據(jù)資料，需要憑借人們的經(jīng)驗(yàn)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的趨勢(shì)進(jìn)行定性分析，有時(shí)比定量分析更加可靠和有效。例如，采用定性分析也能十分容易的預(yù)示企業(yè)在下列情況下可能發(fā)生財(cái)務(wù)危機(jī)：（1）無力支付優(yōu)先股股利；（2）過度大規(guī)模擴(kuò)張；（3）延期償還本金和利息等。任何一種方法都不是十全十美的，所以，只有將各種方法相互結(jié)合，取長(zhǎng)補(bǔ)短，才能得出較為合理的結(jié)果。
5.注意保持預(yù)警系統(tǒng)的先進(jìn)性和有用性，淘汰不適用的指標(biāo)，增加更能反映本企業(yè)實(shí)際問題的新指標(biāo)。現(xiàn)有的預(yù)警模型都是外國(guó)學(xué)者根據(jù)本國(guó)上市公司的資料進(jìn)行統(tǒng)計(jì)計(jì)算出來的，雖然具有一定的有效性，但仍存在局限性，企業(yè)應(yīng)根據(jù)我國(guó)市場(chǎng)的實(shí)際情況完善財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，制定出適合本單位財(cái)務(wù)特點(diǎn)的預(yù)警指標(biāo)體系。
6.注重企業(yè)的現(xiàn)金流量管理。企業(yè)所需的經(jīng)營(yíng)信息主要來自于財(cái)務(wù)會(huì)計(jì)報(bào)表，良好的經(jīng)營(yíng)活動(dòng)現(xiàn)金流入能增強(qiáng)企業(yè)的盈利能力，滿足企業(yè)長(zhǎng)、短期負(fù)債的償還需要，使企業(yè)保持良好的財(cái)務(wù)狀況。所以企業(yè)除了要對(duì)資產(chǎn)負(fù)債表、利潤(rùn)表進(jìn)行關(guān)注的同時(shí)，對(duì)現(xiàn)金流量表也應(yīng)格外關(guān)注。
參考文獻(xiàn)：
1.張友棠。財(cái)務(wù)預(yù)警系統(tǒng)管理研究。財(cái)會(huì)通訊，2004（1）
2.江少華。企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)警預(yù)報(bào)系統(tǒng)研究。財(cái)會(huì)研究，2005（1）
3.陳福。論現(xiàn)代企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)及其預(yù)警。價(jià)值工程，2005（4）
4.高天宏。財(cái)務(wù)預(yù)警系統(tǒng)在財(cái)務(wù)管理中的應(yīng)用評(píng)價(jià)。北方經(jīng)貿(mào)，2004（1）
5.鐘敏，李莎。企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)探析。商場(chǎng)現(xiàn)代化，2005（7）
6.郭一飛。淺議財(cái)務(wù)預(yù)警體系。內(nèi)蒙古財(cái)經(jīng)學(xué)院學(xué)報(bào)，2005（3）
淺論企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型應(yīng)用的比較（一）
2012-12-28 10:34:50 作者：cctaxwsl 來源： 瀏覽次數(shù)：6 網(wǎng)友評(píng)論 條
企業(yè)建立財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)的關(guān)鍵是選擇合適的預(yù)警模型。進(jìn)行 企業(yè)財(cái)務(wù)危機(jī)預(yù)警應(yīng)堅(jiān)持遠(yuǎn)期監(jiān)測(cè)與近期預(yù)警相結(jié)合。單變量模型的遠(yuǎn)期監(jiān)測(cè)效果比較理想，多變量預(yù)警模型的近期預(yù)警精度比較高。由于多變量模型只能預(yù)測(cè)財(cái)務(wù) 危機(jī)而不能解釋財(cái)務(wù)危機(jī)產(chǎn)生的原因，因此通過近期預(yù)警一旦發(fā)現(xiàn)了財(cái)務(wù)危機(jī)的動(dòng)向，就應(yīng)該對(duì)其進(jìn)行修正，加入其他變量，對(duì)其進(jìn)行必要的整合，或與企業(yè)的實(shí)際 情況相結(jié)合，運(yùn)用財(cái)務(wù)報(bào)表分析法查找企業(yè)發(fā)生危機(jī)的原因，以便有針對(duì)性地采取有效措施，將危機(jī)化解在萌芽階段。
一、引言
企業(yè)財(cái)務(wù)危機(jī)預(yù)警是企業(yè)預(yù)警體系的一個(gè)重要組成部分，屬于微觀經(jīng)濟(jì)預(yù)警的范疇。從國(guó)內(nèi)外企業(yè)發(fā)展來看，企業(yè)失敗往往起端于財(cái)務(wù)環(huán)節(jié)。建立財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)是財(cái)務(wù)管理制度創(chuàng)新的必然選擇，具有重要的經(jīng)濟(jì)研究?jī)r(jià)值。
從比弗(Beaver，1966)的單變量研究開始，近40年來，這一研究始終是國(guó)際財(cái)務(wù)、會(huì)計(jì)和證券投資領(lǐng)域中經(jīng)久不衰的課題。國(guó)外證券市場(chǎng)經(jīng)歷了上百年的發(fā)展，財(cái)務(wù)預(yù)警實(shí)證研究在利益相關(guān)者對(duì)財(cái)務(wù)危機(jī)預(yù)測(cè)信息需求的推動(dòng)下，不斷創(chuàng)新和擴(kuò)展，形成了較為成熟的理論和方法，并在實(shí)踐中取得了很好的應(yīng)用效果。我國(guó)證券市場(chǎng)的發(fā)展不過短短二十年，財(cái)務(wù)預(yù)警研究處于剛剛起步階段，吳世農(nóng)、黃世忠從1986年開始介紹企業(yè)的破產(chǎn)分析指標(biāo)和預(yù)測(cè)模型，這一階段的財(cái)務(wù)預(yù)警大都是利用單一指標(biāo)來進(jìn)行判別的。1994年以來，我國(guó)陸續(xù)出現(xiàn)了以企業(yè)財(cái)務(wù)數(shù)據(jù)為基礎(chǔ)建立的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)模型，主要是借鑒國(guó)外的財(cái)務(wù)預(yù)警研究方法，利用我國(guó)的數(shù)據(jù)庫資源建立類似的預(yù)警模型。
我們?cè)谘芯颗c應(yīng)用中發(fā)現(xiàn)，企業(yè)建立財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)的關(guān)鍵問題，就是選擇合適的預(yù)警模型。本文對(duì)目前已有的企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型，包括單變量模型預(yù)警法、多變量模型預(yù)警法等方法進(jìn)行應(yīng)用對(duì)比與實(shí)證分析，根據(jù)實(shí)證分析的結(jié)果分析了每種模型的利與弊，對(duì)在我國(guó)目前條件下如何綜合使用這些模型提出了建設(shè)性的意見。
二、財(cái)務(wù)危機(jī)預(yù)警模型綜述
雖然目前財(cái)務(wù)危機(jī)的預(yù)警模型很多，根據(jù)我們的分析，有些模型已經(jīng)很成熟，實(shí)際應(yīng)用比較普遍，并且效果比較理想；有些模型剛剛開發(fā)不久，理論上不夠成熟，實(shí)際應(yīng)用效果尚不明朗。本文主要介紹目前在中國(guó)實(shí)際預(yù)警工作中常用的幾種財(cái)務(wù)預(yù)警模型。
(一)單變量模型法
財(cái)務(wù)預(yù)警模型是指借助企業(yè)財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)體系，來識(shí)別企業(yè)財(cái)務(wù)狀況的判別模型。人們最早采用的預(yù)警模型是單變量模型。單變量模型也叫一元判定模型。是將某一項(xiàng)財(cái)務(wù)指標(biāo)作為判別標(biāo)準(zhǔn)來判斷企業(yè)是處于破產(chǎn)狀態(tài)還是非破產(chǎn)狀態(tài)的一種預(yù)測(cè)模型。財(cái)務(wù)危機(jī)預(yù)警研究是從單變量模型研究開始的。
最早建立單變量模型進(jìn)行財(cái)務(wù)困境研究的是1932年的Fitzpatrick·P·J。他以19家公司作為樣本，運(yùn)用單個(gè)財(cái)務(wù)比率將樣本企業(yè)劃分為破產(chǎn)組和非破產(chǎn)組，結(jié)果發(fā)現(xiàn)判別能力最高的是資本收益率(凈利潤(rùn)，股東權(quán)益)與債權(quán)股權(quán)比率(負(fù)債/St東權(quán)益)這兩個(gè)指標(biāo)。盡管Fitzpatrick·P·J研究的結(jié)果很不錯(cuò)，但一直到30多年后的1966年才有人沿著他的這條思路繼續(xù)研究財(cái)務(wù)預(yù)警問題。
1966年，威廉·比弗(WilliamBeaver)沿用同樣的思路，在財(cái)務(wù)預(yù)警研究領(lǐng)域取得了突破性的進(jìn)展，第一次系統(tǒng)地運(yùn)用統(tǒng)計(jì)方法和財(cái)務(wù)比率進(jìn)行企業(yè)財(cái)務(wù)危機(jī)研究。他的《財(cái)務(wù)比率與失敗預(yù)警》一文已成為研究企業(yè)失敗與財(cái)務(wù)危機(jī)預(yù)警模型領(lǐng)域的經(jīng)典之作，對(duì)深化這一領(lǐng)域的研究起到了奠基性作用。在這篇論文中，他以企業(yè)失敗預(yù)測(cè)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1954～1964年間79家營(yíng)運(yùn)失敗企業(yè)，并針對(duì)79家失敗企業(yè)逐一挑選與其產(chǎn)業(yè)相同且資產(chǎn)規(guī)模相近的79正常企業(yè)，再將樣本企業(yè)分為學(xué)習(xí)樣本與測(cè)試樣本兩組。先以學(xué)習(xí)樣本企業(yè)失敗破產(chǎn)前5年的30項(xiàng)財(cái)務(wù)比率進(jìn)行二分類檢驗(yàn)，用以找出最具區(qū)別能力的財(cái)務(wù)比率及其分界點(diǎn)，并利用測(cè)試樣本預(yù)測(cè)及驗(yàn)證選定的財(cái)務(wù)比率及其分界點(diǎn)的判別能力。
Beaver的研究表明，對(duì)于企業(yè)失敗最具預(yù)測(cè)能力的指標(biāo)是“現(xiàn)金流量/總負(fù)債”比率，其次為“總負(fù)債，總資產(chǎn)”比率和“凈利潤(rùn)/總資產(chǎn)”比率。在失敗前5年可達(dá)71％的預(yù)測(cè)能力，失敗前1年其準(zhǔn)確率可高達(dá)87％。
(二)多變量模型法
為了改進(jìn)傳統(tǒng)研究中的缺陷，獲得對(duì)企業(yè)財(cái)務(wù)危機(jī)更好的預(yù)測(cè)模型，研究人員從20世紀(jì)60年代起發(fā)展了多種新的模型和方法，預(yù)測(cè)精度和效率都得到了極大的提高。其中多變量分析(MDA0)是基礎(chǔ)思想方法。最為經(jīng)典的多變量財(cái)務(wù)預(yù)警模型為Altman(奧特曼)模型，此后又有其他一些研究人員發(fā)展了這一方 法。
1 Alunan的Z記分模型(z-score model)
Airman運(yùn)用MDA分析技術(shù)，在樣本選取上按照美國(guó)國(guó)家破產(chǎn)法第十章提出的破產(chǎn)申請(qǐng)作為財(cái)務(wù)失敗的定義，隨機(jī)抽取了1946-1965年間33家制造企業(yè)的破產(chǎn)公司作為樣本，并且按其行業(yè)類型及規(guī)模大小分層抽取了33家正常公司作為配對(duì)樣本，把22個(gè)有可能預(yù)示公司發(fā)生問題的財(cái)務(wù)比率變量分為流動(dòng)性、獲利能力、財(cái)務(wù)杠桿、償債能力和周轉(zhuǎn)能力五大指標(biāo)。然后利用MDA技術(shù)在每一類比率中選取一個(gè)最具區(qū)別和預(yù)測(cè)能力的指標(biāo)放人模型中。
選取上述5個(gè)變量通過以下步驟進(jìn)行：(1)觀察各種可供選擇函數(shù)的統(tǒng)計(jì)意義，包括決定每個(gè)獨(dú)力變量的相對(duì)貢獻(xiàn)；(2)評(píng)估相關(guān)變量之間的相互關(guān)系；(3)觀察各變量預(yù)測(cè)的準(zhǔn)確度；(4)專家進(jìn)行分析判斷。最終Ahman選出了5個(gè)變量組成了z記分模型：
Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5
其中：X1=(期末流動(dòng)資產(chǎn)一期末流動(dòng)負(fù)債)，期末總資產(chǎn)；X2=期末留存收益/期末總資產(chǎn)；X3=息稅前利潤(rùn)，期末總資產(chǎn)；X4=期末股東權(quán)益的市場(chǎng)價(jià)值，期末總負(fù)債；X3=本期銷售收A/總資產(chǎn)。
X1為營(yíng)運(yùn)資本/資產(chǎn)總額，反映了企業(yè)資產(chǎn)的折現(xiàn)能力和規(guī)模特征。營(yíng)運(yùn)資本是企業(yè)的勞動(dòng)對(duì)象，具有周轉(zhuǎn)速度快，變現(xiàn)能力強(qiáng)，項(xiàng)目繁多，性質(zhì)復(fù)雜，獲利能力高，投資風(fēng)險(xiǎn)小等特點(diǎn)。一個(gè)企業(yè)營(yíng)運(yùn)資本的持續(xù)減少，往往預(yù)示著企業(yè)資金周轉(zhuǎn)不靈或出現(xiàn)短期償債危機(jī)。
X2扳映了企業(yè)的累積獲利能力。期末留存收益是由企業(yè)累積稅后利潤(rùn)而成，對(duì)于上市公司，留存收益是凈利潤(rùn)扣除全部股利后的余額。一般說來，新企業(yè)資產(chǎn)與收益較少，因此相對(duì)于老企業(yè)X2較小，而財(cái)務(wù)失敗的風(fēng)險(xiǎn)較大。
X1即EBIT/資產(chǎn)總額，可稱為總資產(chǎn)息稅前利潤(rùn)率，而我們通常所用的總資產(chǎn)息稅前利潤(rùn)率為EBIT/平均資產(chǎn)總額，分母間的區(qū)別在于平均資產(chǎn)總額避免了期末大量購(gòu)進(jìn)資產(chǎn)時(shí)使X3降低，不能客觀反映一年中資產(chǎn)的獲利能力。EBIT是指扣除債務(wù)利息與所得稅之前的正常業(yè)務(wù)利潤(rùn)(包括對(duì)外投資收益)，不包括非正常項(xiàng)目、中斷營(yíng)業(yè)和特別項(xiàng)目及會(huì)計(jì)原則變更的累積前期影響而產(chǎn)生的收支凈額。原因在于：由負(fù)債與資本支持的項(xiàng)目一般屬于正常業(yè)務(wù)范圍，因此，計(jì)算總資產(chǎn)利潤(rùn)率時(shí)以正常業(yè)務(wù)經(jīng)營(yíng)的息稅前利潤(rùn)為基礎(chǔ)，有利于考核債權(quán)人及所有者投入企業(yè)資本的使用效益。該指標(biāo)主要是從企業(yè)各種資金來源(包括所有者權(quán)益和負(fù)債)的角度對(duì)企業(yè)資產(chǎn)的使用效益進(jìn)行評(píng)價(jià)的，通常是反映企業(yè)財(cái)務(wù)失敗的最有力依據(jù)之一。
X4測(cè)定的是財(cái)務(wù)結(jié)構(gòu)，分母為流動(dòng)負(fù)債、長(zhǎng)期負(fù)債的賬面價(jià)值之和；分子以股東權(quán)益的市場(chǎng)價(jià)值取代了賬面價(jià)值，因而對(duì)公認(rèn)的、影響企業(yè)財(cái)務(wù)狀況的產(chǎn)權(quán)比率進(jìn)行了修正，使分子能客觀地反映公司價(jià)值的大小。對(duì)于上市公司，分子應(yīng)該是：“末流通的股票賬面價(jià)值+流通股票期末市價(jià)”。X4的分子是一個(gè)較難確定的參數(shù)，尤其對(duì)于股權(quán)結(jié)構(gòu)較復(fù)雜的企業(yè)。而目前及在今后相當(dāng)長(zhǎng)的時(shí)間內(nèi)，非上市公司仍占我國(guó)公司總數(shù)的大部分，要確定非上市公司所有者權(quán)益市價(jià)，我們可以采用資產(chǎn)評(píng)估方法中的預(yù)期收益法，具體表示為：企業(yè)資產(chǎn)市價(jià)=企業(yè)預(yù)期實(shí)現(xiàn)的年利潤(rùn)額/行業(yè)業(yè)平均資金利潤(rùn)率。X4=(企業(yè)資產(chǎn)的市價(jià)/負(fù)債總額)-1。
X5為總資產(chǎn)周轉(zhuǎn)率，企業(yè)總資產(chǎn)的營(yíng)運(yùn)能力集中反映在總資產(chǎn)的經(jīng)營(yíng)水平上，因此，總資產(chǎn)周轉(zhuǎn)率可以用來分析企業(yè)全部資產(chǎn)的使用效率。如果企業(yè)總資產(chǎn)周轉(zhuǎn)率高，說明企業(yè)利用全部資產(chǎn)進(jìn)行經(jīng)營(yíng)的成果好，效率高；反之，如果總資產(chǎn)周轉(zhuǎn)率低，則說明企業(yè)利用全部資產(chǎn)進(jìn)行經(jīng)營(yíng)活動(dòng)的成果差，效率低，最終將影響企業(yè)的獲利能力。如果總資產(chǎn)周轉(zhuǎn)率長(zhǎng)期處于較低的狀態(tài)，企業(yè)就應(yīng)當(dāng)采取措施提高各項(xiàng)資產(chǎn)的利用程度。對(duì)那些確實(shí)無法提高利用率的多余、閑置資產(chǎn)應(yīng)當(dāng)及時(shí)進(jìn)行處理，加快資產(chǎn)周轉(zhuǎn)速度。X5的分子“本期銷售收入”應(yīng)該為銷售收入凈額，指銷售收入扣除銷售折扣、銷售折讓、銷售退回等后的余額。
Z記分模型從企業(yè)的資產(chǎn)規(guī)模、獲利能力、財(cái)務(wù)結(jié)構(gòu)、償債能力、資產(chǎn)利用效率等方面綜合反映了企業(yè)財(cái)務(wù)狀況，進(jìn)一步推動(dòng)了財(cái)務(wù)預(yù)警的發(fā)展。從這個(gè)模型可以看出，增加營(yíng)運(yùn)資金、留存收益、息稅前利潤(rùn)、銷售收入，提高企業(yè)價(jià)值，或減少負(fù)債、節(jié)約資產(chǎn)占用，可減少企業(yè)破產(chǎn)的可能性。奧特曼教授通過對(duì)z記分模型的研究分析得出：z值越小，該企業(yè)遭受財(cái)務(wù)失敗的可能性就越大。Altman還提出了判斷企業(yè)破產(chǎn)的臨界值：如果企業(yè)的z值大于2.675，則表明企業(yè)的財(cái)務(wù)狀況良好，發(fā)生破產(chǎn)的概率很?。环粗?，若z值小于1.81，則企業(yè)就存在很大的破產(chǎn)危險(xiǎn)；如果z值處于1.81～2.675之間，則稱之為“灰色地帶”，進(jìn)入這一區(qū)間的企業(yè)財(cái)務(wù)狀況是極不穩(wěn)定的。
奧特曼教授選擇了1968年尚在持續(xù)經(jīng)營(yíng)的33家美國(guó)企業(yè)進(jìn)行預(yù)測(cè)，其準(zhǔn)確率令人滿意，而且分析依據(jù)的資料越新，準(zhǔn)確率越高。如依據(jù)臨近財(cái)務(wù)失敗的報(bào)表資料預(yù)測(cè)其準(zhǔn)確率為96％，依據(jù)財(cái)務(wù)失敗前一年的報(bào)表預(yù)測(cè)準(zhǔn)確率為72％。但無論怎樣，都必須以財(cái)務(wù)報(bào)表的真實(shí)性、準(zhǔn)確性、完整性為前提。近年來，澳大利亞、巴西、加拿大、法國(guó)、德國(guó)、愛爾蘭、日本和荷蘭都進(jìn)行了類似的分析。盡管z值的判斷標(biāo)準(zhǔn)在各國(guó)間有相當(dāng)?shù)牟町?，但各?guó)“財(cái)務(wù)失敗組”的z值的平均值都低于臨界值1.8。
2 Altman的ZETA模型
Ahman的z己分模型主要適用于上市公司。為了便于為非上市公司評(píng)分，1977年Altman等人又對(duì)原始的z記分模型進(jìn)行擴(kuò)展，建立了，第二代模型——ZETA模型。這一次的模型選取了自1962～1975年間的53家破產(chǎn)企業(yè)和58家配對(duì)的正常公司，樣本公司平均資產(chǎn)規(guī)模在1億美元左右，而且包括了相當(dāng)數(shù)量的零售類企業(yè)，因而ZETA模型的適用性有所提高。
此次研究利用27個(gè)初始財(cái)務(wù)比率進(jìn)行區(qū)別分析，最后模型選取了7個(gè)解釋變量，包括：
X1——資產(chǎn)報(bào)酬率，采用息稅前利潤(rùn)與總資產(chǎn)之比衡量。在以前的多變量研究中該變量在評(píng)估公司業(yè)績(jī)方面相當(dāng)有效。
X2——盈余的穩(wěn)定性，采用對(duì)X1在5～10年估計(jì)值的標(biāo)準(zhǔn)誤差指標(biāo)作為這個(gè)變量的度量。收入上的變動(dòng)會(huì)影響到公司風(fēng)險(xiǎn)。
X3——債務(wù)保障，可以用所常用的利息保障倍數(shù)，即息稅前利潤(rùn)與總利息償付之比來度量。這是固定收益證券分析者債券評(píng)級(jí)機(jī)村所采用的主要變量之一。
X4——累計(jì)盈余，可以用公司留存收益/總資產(chǎn)來度量。該比率對(duì)于z證分模型尤其有效，它需要考慮以下因素：公司年齡、公司股和政策，以及不同時(shí)期的獲利記錄。不管是單變量還是多變量法，該比率都是最重要的。在非上市公司的該比率計(jì)算中，分子部分用公司凈資產(chǎn)的賬面價(jià)值代替權(quán)益市場(chǎng)價(jià)值，因?yàn)榉巧鲜泄緵]有市場(chǎng)價(jià)值指標(biāo)。
X5——流動(dòng)性，可以用人們所熟悉的流動(dòng)比率衡量。
X6——資本化率，可以用普通股權(quán)益與總資本之比衡量。在分子和分母中，普通股權(quán)益可以用公司5年的股票平均市值衡量，而不是賬面值。5年平均市值可排除可能出現(xiàn)嚴(yán)重、暫時(shí)性的市場(chǎng)波動(dòng)，同時(shí)在模型中納入了趨勢(shì)的成分。
X7——規(guī)模，可以用公司總資產(chǎn)的對(duì)數(shù)形式來衡量。該變量可以根據(jù)財(cái)務(wù)報(bào)告的變動(dòng)進(jìn)行相應(yīng)的調(diào)整。
實(shí)證研究表明，ZETA模型的分類正確率高于原始的z記分模型，特別是在破產(chǎn)前較長(zhǎng)時(shí)間的預(yù)測(cè)準(zhǔn)確率較高，其中灰色區(qū)域?yàn)椋?.45～+0.87之間，z值大于0.87以上為非破產(chǎn)組，Z值小于－1.45區(qū)域?yàn)槠飘a(chǎn)組。
(三)周首華的F分?jǐn)?shù)模型
由于z記分模型在建立時(shí)并沒有充分考慮到現(xiàn)金流量的變動(dòng)等方面的情況，因而具有一定的局限性。1996年北京化工大學(xué)會(huì)計(jì)系周首華、美國(guó)夏威夷大學(xué)會(huì)計(jì)學(xué)院楊濟(jì)華和中國(guó)人民大學(xué)王平3人在Altman研究的基礎(chǔ)上，并考慮了現(xiàn)金流量對(duì)企業(yè)破產(chǎn)的影響，對(duì)z記分模型加以改造，并建立了財(cái)務(wù)危機(jī)預(yù)測(cè)的新模型——F分?jǐn)?shù)模型(FailureScore Model)：
F=－0.1774+1.1091X1+0.1074X2+1.9271X3+0.0302X4+0.4961X5
其中：X1=(期末流動(dòng)資產(chǎn)-期末流動(dòng)負(fù)債)/期末末總資產(chǎn)；X2=期末留存收益，期末總資產(chǎn)；X3=(稅后純收益+折舊)/平均總負(fù)債；)(4=期末股東權(quán)益的市場(chǎng)價(jià)值/期末總負(fù)債；Xs=(稅后純收益+利息+折舊)，平均總資產(chǎn)。
F分?jǐn)?shù)模型中X1、X2及X4與z記分模型中的X1、X2及X4相同，兩個(gè)模型中各比率的區(qū)別就在于其X3、X5不同。
F分?jǐn)?shù)模型中X3提一個(gè)現(xiàn)金流量指標(biāo)，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償還債務(wù)。X5則測(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記分模型，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)(其中的利息是指企業(yè)利息收入減去利息支出 后的余額)。。
F分?jǐn)?shù)模型的主要特點(diǎn)是：(1)F分?jǐn)?shù)模型加入現(xiàn)金流量這一預(yù)測(cè)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，因而它彌補(bǔ)了z記分模型的不足。(2)該模型考慮到了現(xiàn)代公司財(cái)務(wù)狀況的發(fā)展及其有關(guān)標(biāo)準(zhǔn)的更新。比如公司所應(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)該模式使用的樣本更加擴(kuò)大。其使用了Compostat PcPlus會(huì)計(jì)數(shù)據(jù)庫中1990年以來的4160家公司的數(shù)據(jù)為樣本；而z記分模型的樣本僅為66家(33家破產(chǎn)公司及33家非破產(chǎn)公司)。
F分?jǐn)?shù)模型中的5個(gè)自變量的選擇是基于財(cái)務(wù)理論，其臨界點(diǎn)為0.0274。若某一特定企業(yè)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。
三、財(cái)務(wù)危機(jī)預(yù)警模型應(yīng)用的實(shí)證過程
(一)財(cái)務(wù)危機(jī)預(yù)警模型應(yīng)用實(shí)證研究說明
1 研究對(duì)象的選擇依據(jù)
本文在財(cái)務(wù)危機(jī)預(yù)警模型的應(yīng)用研究中，均以在深圳證券交易所掛牌交易的“ST廣廈”這家公司為例來進(jìn)行實(shí)證分析。之所以選擇這家企業(yè)，主要出于三個(gè)方面的考慮：一是因?yàn)樗巧鲜泄?，資料容易搜集；二是因?yàn)殂y廣廈曾因造假丑聞而遭遇財(cái)務(wù)危機(jī)；三是因?yàn)樗霈F(xiàn)的財(cái)務(wù)危機(jī)情況比較典型，代表了中國(guó)企業(yè)會(huì)計(jì)信息失真的普遍現(xiàn)象。實(shí)證分析的目的，不但要驗(yàn)證財(cái)務(wù)預(yù)警模型的有效性及其利弊得失，更重要的是驗(yàn)證在中國(guó)目前財(cái)務(wù)信息嚴(yán)重失真的大環(huán)境下，什么樣的方法效果更好。怎樣有效整合現(xiàn)有的財(cái)務(wù)預(yù)警模型。為了達(dá)到上述目的，最終選擇了銀廣廈這家公司的資料進(jìn)行企業(yè)財(cái)務(wù)危機(jī)預(yù)警的實(shí)證研究。
2 研究對(duì)象的基本情況
“銀廣廈”的全稱為“銀川廣廈實(shí)業(yè)股份有限公司”，它是在廣廈(銀川)磁技術(shù)有限公司的基礎(chǔ)上經(jīng)過增資、擴(kuò)股、股份制改造而成立的。1993年5月開始進(jìn)行股份制改組，1994年1月28日“廣廈(銀川)實(shí)業(yè)股份有限公司”宣告成立，同年6月17日，“銀廣廈A”在深圳證券交易所上市交易，股票代碼為000557。最初的經(jīng)營(yíng)范圍是高新技術(shù)產(chǎn)品的開發(fā)、生產(chǎn)、銷售，天然物產(chǎn)的開發(fā)、加工和銷售，動(dòng)植物飼養(yǎng)、種植、加工和銷售。后來逐漸轉(zhuǎn)向葡萄酒和房地產(chǎn)的開發(fā)、加工和銷售。公司上市之卡初業(yè)績(jī)尚可，有穩(wěn)步上升的跡象。以后便不停轉(zhuǎn)換主業(yè)，投資失敗。造成主業(yè)缺失，業(yè)績(jī)平平，對(duì)投資者缺乏吸引力。后終因寂寞難耐引發(fā)造假，公司業(yè)績(jī)飚升，股價(jià)在兩年內(nèi)上漲440％，創(chuàng)造了股市神話。
2000年8月該公司因銀廣廈全資子公司天津廣廈(集團(tuán))有限公司造假，中國(guó)證監(jiān)會(huì)對(duì)銀廣廈正式立案稽查。2001年公司凈資產(chǎn)低于股票面值，自2002年5月8日起公司股票實(shí)行特別處理，股票簡(jiǎn)稱變?yōu)椤癝T廣廈”。2002年6月5日起股票暫停上市，后進(jìn)行重組，2002年12月6日“ST廣廈”復(fù)牌。
3 研究方法的選擇
盡管目前財(cái)務(wù)危機(jī)預(yù)警方法層出不窮，但主流的分析方法只有兩大類。特別是在我國(guó)主要采用財(cái)務(wù)危機(jī)預(yù)警模型和財(cái)務(wù)報(bào)表分析法進(jìn)行財(cái)務(wù)危機(jī)預(yù)測(cè)，簡(jiǎn)稱模型預(yù)警法和指標(biāo)預(yù)警法。其中模型預(yù)警法主要采用單變量模型法和多變量模型法。因?yàn)檠芯繉?duì)象銀廣廈是上市公司，所以本文在預(yù)警方法的選擇上主要采用前面所介紹的Beaver的單變量模型預(yù)警法、奧特曼的z記分模型預(yù)警法、周首華的F分?jǐn)?shù)模型法和財(cái)務(wù)報(bào)表分析法(即財(cái)務(wù)指標(biāo)預(yù)警法)這四種方法，同時(shí)以個(gè)案分析的思路貫穿始終，通過實(shí)證分析的方法來驗(yàn)證上述各種方法的預(yù)警效果并進(jìn)行比較分析，以期找到在我國(guó)進(jìn)行財(cái)務(wù)危機(jī)預(yù)警的正確思路和最佳方法。
(二)單變量模型法應(yīng)用的實(shí)證研究
如前所述，Beaver的單變量模型表明最具預(yù)測(cè)能力的3個(gè)指標(biāo)分別為現(xiàn)金流量，總負(fù)債、總負(fù)債，總資產(chǎn)、凈利潤(rùn)，總資產(chǎn)指標(biāo)。因此，結(jié)合銀廣廈的資料分別計(jì)算這3個(gè)指標(biāo)進(jìn)行對(duì)比分析。銀廣廈在危機(jī)發(fā)生的前3年有關(guān)數(shù)據(jù)計(jì)算如下
單變量分析表明，銀廣廈1998年和1999年現(xiàn)金流量為負(fù)值，導(dǎo)致該公司債務(wù)保障率為負(fù)數(shù)，說明該公司現(xiàn)金流量嚴(yán)重不足，需要引起足夠的重視；雖然該公司的資產(chǎn)負(fù)債率稍有偏高，但從整體來看，資產(chǎn)負(fù)債結(jié)構(gòu)還是比較合理的；該公司的資產(chǎn)報(bào)酬率指標(biāo)除了在1999年出現(xiàn)了大的波動(dòng)之外，其他年度指標(biāo)值呈現(xiàn)平穩(wěn)上升趨勢(shì)，超過了上市公司的平均水平，表明該企業(yè)的盈利能力在不斷增強(qiáng)。
(三)多變量模型法應(yīng)用的實(shí)證研究
1 Z記分模型應(yīng)用研究
因?yàn)殂y廣廈自2002年5月8日起公司股票實(shí)行特別處理(改稱“ST廣廈”)，所以我們應(yīng)該選取公司2001年的數(shù)據(jù)進(jìn)行模型預(yù)警分析。事實(shí)上，銀廣廈有其特殊性，如果銀廣廈1998～2000年度不是因?yàn)樵旒伲蛟S早就被戴上“ST”的帽子了。我們可以收集該公司2001年度和2000年度的有關(guān)數(shù)據(jù)代人Z記分模型來進(jìn)行前景預(yù)測(cè)。
根據(jù)計(jì)算結(jié)果可以看出，2001年該公司Z值為-3.73，遠(yuǎn)遠(yuǎn)小于模型判別值的下限1.81，即將陷入財(cái)務(wù)危機(jī)。判別結(jié)果正確。這一方面說明了z模型具有很強(qiáng)的生命力，不僅能夠應(yīng)用于我國(guó)股市，而且還具有較高的準(zhǔn)確性；另一方面從判別結(jié)果也說明了銀廣廈經(jīng)營(yíng)狀況極為糟糕，財(cái)務(wù)指標(biāo)惡化明顯，極有可能會(huì)陷入財(cái)務(wù)危機(jī)。事實(shí)上。2001年它在股市的丑惡行徑已經(jīng)敗露，股價(jià)一落千丈，已經(jīng)是一家資不抵債、虧損嚴(yán)重的“空殼”。所以上述判別結(jié)果也是情理之中的事情。
公司2000年z值為3.34，顯著高于判別值的上限2.675，僅從模型本身判別結(jié)果來看，公司財(cái)務(wù)狀況良好，財(cái)務(wù)指標(biāo)正常。如果模型僅僅是判斷下一年是否會(huì)陷入財(cái)務(wù)困境，那么這一判別結(jié)果也是正確的。而事實(shí)上，2000年銀廣廈正處于造假的巔峰。股價(jià)因此飆升，單純從財(cái)務(wù)指標(biāo)來判斷，絕對(duì)屬于典型的“績(jī)優(yōu)”公司，所以據(jù)此計(jì)算的z值明顯偏高。
從以上分析可以看出，z模型在企業(yè)危機(jī)前一年的預(yù)測(cè)中顯示了較強(qiáng)的預(yù)測(cè)能力，但同時(shí)也應(yīng)該看到。對(duì)于虛假的財(cái)務(wù)信息，z記分模型顯得無能為力，如2000年就是如此。
2 盼數(shù)模型應(yīng)用研究
與z記分模型相比，F(xiàn)分?jǐn)?shù)模型引入了現(xiàn)金流量因素。這一模型對(duì)虛假的財(cái)務(wù)信息目前能否發(fā)揮更大的作用呢?因此我們也將該公司2001年和2000年的財(cái)務(wù)數(shù)據(jù)代人F分?jǐn)?shù)模型進(jìn)行檢驗(yàn)。
從計(jì)算結(jié)果可以看出，銀廣廈2001年F值為-0.6246，遠(yuǎn)遠(yuǎn)低于模型的預(yù)警臨界點(diǎn)0.0274，按照F分?jǐn)?shù)模型的判別標(biāo)準(zhǔn)，公司將被判別為財(cái)務(wù)危機(jī)類公司。判別結(jié)果正確，與事實(shí)相吻合。而從2000年的情況來看，公司F值遠(yuǎn)遠(yuǎn)高于判別值。將把公司判別為財(cái)務(wù)正常類公司。可見，改進(jìn)后的F分?jǐn)?shù)模型同樣對(duì)于虛假財(cái)務(wù)信息也無法甄別。深入分析其原因，我們會(huì)發(fā)現(xiàn)，雖然F分?jǐn)?shù)模型中加入了現(xiàn)金流量類指標(biāo)，但是由于現(xiàn)金流量類指標(biāo)采用間接法計(jì)算，同樣依賴公司盈利狀況。而且，在F分?jǐn)?shù)模型中同樣采用了公司股價(jià)指標(biāo)，而2000年內(nèi)正是公司造假登峰造極之時(shí)，股價(jià)明顯偏高，以此為基礎(chǔ)計(jì)算 的預(yù)警模型結(jié)果顯然也偏高。
F分?jǐn)?shù)模型的預(yù)測(cè)結(jié)果與z記分模型的預(yù)測(cè)結(jié)論是一致的，盼數(shù)模型的預(yù)測(cè)精度并無明顯改善。
四、財(cái)務(wù)危機(jī)預(yù)警模型應(yīng)用結(jié)果比較分析
(一)單變量模型法應(yīng)用實(shí)證研究結(jié)論
1 比較分析
運(yùn)用Beaver的單變量模型法對(duì)銀廣廈進(jìn)行預(yù)警分析，從現(xiàn)金流量/總負(fù)債的預(yù)測(cè)結(jié)果來看，負(fù)債的現(xiàn)金保障程度很低，應(yīng)引起注意；從總負(fù)債/總資產(chǎn)和凈利潤(rùn)/總資產(chǎn)的預(yù)測(cè)結(jié)果來看，企業(yè)盈利能力在不斷增強(qiáng)，經(jīng)營(yíng)狀況良好。采用不同的預(yù)測(cè)指標(biāo)得出了相互矛盾的預(yù)測(cè)結(jié)果。這一方面是因?yàn)橛谠摴矩?cái)務(wù)信息失真，某些財(cái)務(wù)指標(biāo)被操縱，從而影響了預(yù)測(cè)精度；另一方面是因?yàn)閱巫兞糠治龇ū旧砭哂袊?yán)重缺陷。
單變量分析法的優(yōu)點(diǎn)是簡(jiǎn)便易行，沒有前提假設(shè)條件限制，適用范圍廣。但是在Beaven采用單變量分析進(jìn)行企業(yè)失敗預(yù)警研究之后，很少有研究人員沿用單變量方法進(jìn)行危機(jī)預(yù)測(cè)，原因在于單變量分析有以下嚴(yán)重缺陷：第一，單變量模型只重視一個(gè)指標(biāo)的反映能力，如果經(jīng)理人員知道這個(gè)指標(biāo)，就有可能去粉飾這個(gè)指標(biāo)。以期表現(xiàn)出良好的財(cái)務(wù)狀況。達(dá)不到預(yù)警的目的；第二，使用任何單個(gè)財(cái)務(wù)指標(biāo)將在很大程度上排斥其他指標(biāo)的作用；第三。如果使用多個(gè)指標(biāo)分別進(jìn)行判斷，這幾個(gè)指標(biāo)的判斷結(jié)果可能會(huì)產(chǎn)生矛盾，如銀廣廈的情況就是如此，導(dǎo)致無法做出正確的判斷。第四，雖然財(cái)務(wù)比率是綜合性較強(qiáng)的指標(biāo)，但是僅用一個(gè)財(cái)務(wù)指標(biāo)不能充分反映企業(yè)的財(cái)務(wù)特征，預(yù)警結(jié)果難免會(huì)有誤差。
2 改進(jìn)單變量模型法的建議
首先，單變量模型法雖然簡(jiǎn)單易行，工作量小，但是總體判別精度不高。在前一年的預(yù)測(cè)中，一元判定模型的預(yù)測(cè)精度明顯低于多元判定模型。銀廣廈的判別結(jié)果就是如此。不過，眾多的實(shí)證研究表明，一元判定模型在危機(jī)發(fā)生的前兩年、前3年的預(yù)測(cè)中表現(xiàn)出了很強(qiáng)的預(yù)測(cè)能力。這也說明有些企業(yè)的財(cái)務(wù)困境是從某些財(cái)務(wù)指標(biāo)的惡化開始的。如果能設(shè)置一些適合企業(yè)自身特點(diǎn)的單變量指標(biāo)進(jìn)行財(cái)務(wù)危機(jī)的監(jiān)測(cè)，就有可能做到早知道早預(yù)防。因此可以利用單變量分析法進(jìn)行企業(yè)財(cái)務(wù)危機(jī)的遠(yuǎn)期預(yù)測(cè)，作為財(cái)務(wù)預(yù)測(cè)的一種輔助方法來使用，不失為一種理想的選擇。
其次，由于我國(guó)企業(yè)財(cái)務(wù)信息失真現(xiàn)象比較普遍，建立單變量預(yù)警指標(biāo)監(jiān)測(cè)企業(yè)財(cái)務(wù)危機(jī)時(shí)，應(yīng)更多地使用基于現(xiàn)金流量基礎(chǔ)上的財(cái)務(wù)指標(biāo)。銀廣廈的單變量模型預(yù)測(cè)中，現(xiàn)金流量，總負(fù)債指標(biāo)的預(yù)測(cè)效果好于總負(fù)債，總資產(chǎn)和凈利潤(rùn)，總資產(chǎn)兩個(gè)指標(biāo)。眾所周知，建立在權(quán)責(zé)發(fā)生制基礎(chǔ)上利潤(rùn)指標(biāo)經(jīng)常受到經(jīng)營(yíng)者的控制，經(jīng)營(yíng)者可通過調(diào)整會(huì)計(jì)政策，控制相關(guān)費(fèi)用等手段來調(diào)節(jié)會(huì)計(jì)凈利潤(rùn)的高低。這種利潤(rùn)操縱行為，在西方被稱為“會(huì)計(jì)戲法”。“會(huì)計(jì)戲法”演示的結(jié)果，導(dǎo)致財(cái)務(wù)信息失真，造成決策信息混亂。它會(huì)演繹成一種非常奇特、非常矛盾的狀況：一方面企業(yè)賬面有會(huì)計(jì)利潤(rùn)；另一方面，企業(yè)的現(xiàn)金支付能力極差，而這種企業(yè)現(xiàn)金流量和現(xiàn)金支付能力的危機(jī)，正是1997年亞洲金融風(fēng)暴形成的基礎(chǔ)。
(二)多變量模型法實(shí)證應(yīng)用研究結(jié)論
1 比較分析
從上述多元判別模型的應(yīng)用結(jié)果來看，z記分模型和F分?jǐn)?shù)模型在危機(jī)全面爆發(fā)的前一年(銀廣廈被戴上“ST”的帽子)的預(yù)測(cè)結(jié)果都是準(zhǔn)確的，即2001年的模型預(yù)警結(jié)果還是準(zhǔn)確的。這說明我們可以借助財(cái)務(wù)預(yù)警模型早日發(fā)現(xiàn)企業(yè)經(jīng)營(yíng)活動(dòng)中存在的潛在風(fēng)險(xiǎn)和危機(jī)，不管是z記分模型還是F分?jǐn)?shù)模型至今仍具有強(qiáng)大的生命力，而且距離危機(jī)發(fā)生期越近預(yù)測(cè)結(jié)果越準(zhǔn)確。但是也應(yīng)該看到，不管是z模型還是F模型，都是以財(cái)務(wù)信息的真實(shí)性為前提條件的。一旦會(huì)計(jì)信息失真，預(yù)警結(jié)果就會(huì)不準(zhǔn)確。由此可見，經(jīng)典的財(cái)務(wù)預(yù)警模型具有很好的“財(cái)務(wù)判斷功能”，而在“財(cái)務(wù)識(shí)別功能”上略顯不足，從而總體預(yù)測(cè)精度會(huì)受影響。F分?jǐn)?shù)模型雖然加進(jìn)了現(xiàn)金流量因素，但是仍然沒有實(shí)質(zhì)性的改進(jìn)。
從模型的建立方法來看，z記分模型和F分?jǐn)?shù)模型都屬于多元判別模型。多元判別模型在很大程度上克服了一元判別分析的缺陷，該方法的優(yōu)點(diǎn)表現(xiàn)在：(1)能夠包容反映企業(yè)財(cái)務(wù)狀況的多個(gè)指標(biāo)，因此在財(cái)務(wù)危機(jī)預(yù)測(cè)中適用范圍較廣；(2)能夠包含獨(dú)立變量；(3)一旦完成模型構(gòu)建，運(yùn)用相對(duì)容易；(4)預(yù)測(cè)精度比較高，特別是在危機(jī)發(fā)生的前一年，不管是z記分模型還是F分?jǐn)?shù)模型，都具有較高的判別精 度。
但是利用多元判別模型進(jìn)行財(cái)務(wù)危機(jī)預(yù)警的缺陷也是不容忽視的。多元判別模型本身存在的缺陷有：(1)預(yù)測(cè)工作量比較大，研究者需要做大量的數(shù)據(jù)收集和數(shù)據(jù)分析工作。(2)在前一年的預(yù)測(cè)中，多變量判定模型的預(yù)測(cè)精度比較高，但在前兩年、前三年的預(yù)測(cè)中，其預(yù)測(cè)精度則大幅下降。甚至低于一元判別模型?？赡艿脑蚓褪呛芏嘭?cái)務(wù)變量只是企業(yè)陷入財(cái)務(wù)困境的征兆，或者說是一種表象，而不是陷入財(cái)務(wù)困境的原因和本質(zhì)。過多的財(cái)務(wù)指標(biāo)，將“因”和“果”混淆在一起。反而增加了模型的噪音。(3)多元線性判定模型有嚴(yán)格的假設(shè)條件。從模型的建立方法來看，不管是z記分模型，還是盼數(shù)模型的建立，實(shí)際上都有這樣三個(gè)假設(shè)條件：一是樣本財(cái)務(wù)資料要服從多元正態(tài)分布；二是每一個(gè)變量都不是其他變量的線性組合；三是兩樣本群體的協(xié)方差矩陣相等。但是在企業(yè)財(cái)務(wù)危機(jī)研究的實(shí)務(wù)中，財(cái)務(wù)資料大多不符合常態(tài)概率分布的基本假設(shè)，當(dāng)這個(gè)假設(shè)條件破壞時(shí)，計(jì)算的概率將非常不準(zhǔn)確，最終影響預(yù)警精度。同時(shí)，由于多在近似狀態(tài)下使用，適用范圍受到了限制。
通過上述單變量與多變量判別模型的優(yōu)缺點(diǎn)分析，可以清楚地比較兩者的區(qū)別。主要方面的區(qū)別如表7所示。
五、改進(jìn)多變量模型的建議
(一)考慮采用其他方法建立多變量預(yù)警模型
為了克服多元判定模型嚴(yán)格的假設(shè)條件，可以采用以下幾種方法建立多變量財(cái)務(wù)危機(jī)預(yù)警模型。
1 多元邏輯模型
Ohlson(1980)提出了多元邏輯模型(Logit)的建立方法。多元邏輯模型的目標(biāo)在于尋求觀察對(duì)象的條件概率，從而據(jù)以判斷觀察對(duì)象的財(cái)務(wù)狀況和經(jīng)營(yíng)風(fēng)險(xiǎn)。它是建立在累計(jì)概率函數(shù)的基礎(chǔ)上，不需自變量服從多元正態(tài)分布和兩組間協(xié)方差相等的假設(shè)條件，Logit模型假設(shè)破產(chǎn)企業(yè)的概率P(破產(chǎn)取1，非破產(chǎn)取O)，并假設(shè)hl[p/(1-p)]可以用財(cái)務(wù)比率線性解釋。首先假定Ln(p/(1-p)]=a+bx，然后根據(jù)推導(dǎo)可以得出P=exp(a+bx)，[1+exp(a+bx)]，從而計(jì)算出破產(chǎn)企業(yè)的概率。其判別規(guī)則是：如果P值大于0.5，則表明企業(yè)破產(chǎn)的概率比較大，那么則判定企業(yè)為即將破產(chǎn)類型；如果P值低于0.5。則表明企業(yè)財(cái)務(wù)正常的概率比較大，判定企業(yè)為財(cái)務(wù)正常類型。
2 多元概率比模型(Probit)
Zmijewski(1984)提出了多元概率比模型(Probit)。多元概率比模型同樣假定企業(yè)破產(chǎn)的概率為P，并假設(shè)企業(yè)樣本服從標(biāo)準(zhǔn)正態(tài)分布，其概率函數(shù)的P值可以用財(cái)務(wù)指標(biāo)線性解釋。其計(jì)算方法和Logit很類似，先是確定企業(yè)樣本的極大似然函數(shù)，然后通過求似然函數(shù)的極大值就可以得到參數(shù)a、b，接下來就可以利用下面的公式求出企業(yè)破產(chǎn)的概率。如果概率P小于0.5，就判定為財(cái)務(wù)正常型，如果P大于0.5，則為即將破產(chǎn)型。。
P=∫(1/2π)edt
Probil模型與Logit模型的思路很相像，但是在具體的itgt方法和假設(shè)前提上又有一定的差異，主要體現(xiàn)在三個(gè)方面：一是假設(shè)前提不同，Logit不需要嚴(yán)格的假設(shè)條件，而Probit則假設(shè)企業(yè)樣本服從標(biāo)準(zhǔn)正態(tài)分布，其概率函數(shù)的P值可以用財(cái)務(wù)指標(biāo)線性解釋；二是關(guān)于參數(shù)a、b的求解方法略有不同，雖然兩者都采用極大似然法，但是，Logit采用的是極大化對(duì)數(shù)似然函數(shù)求解，而Probit采用極大化積分似然函數(shù)求解；三是求破產(chǎn)概率的方法不同，Logit采用相對(duì)數(shù)方法，而Probit采用積分處理的方法。
3 人工神經(jīng)網(wǎng)絡(luò)(ANN)模型
人工神經(jīng)網(wǎng)絡(luò)(ANN)模型就是將神經(jīng)網(wǎng)絡(luò)的分類方法應(yīng)用于財(cái)務(wù)預(yù)警。傳統(tǒng)的分類方法大部分屬于母參數(shù)統(tǒng)計(jì)方法，其中以判別分析(DiscfiminationAnalysis，簡(jiǎn)稱DA)和Log-it回歸分析等最為廣泛。母參數(shù)統(tǒng)計(jì)方法均以選定的獨(dú)立變量結(jié)合歷史數(shù)據(jù)資料建立一個(gè)預(yù)測(cè)模型，并作為未來分類判別之用。傳統(tǒng)的統(tǒng)計(jì)區(qū)分方法須受制于若干母體分配的假設(shè)前提，已經(jīng)很不適用當(dāng)今復(fù)雜多變的企業(yè)運(yùn)作環(huán)境。而且它對(duì)錯(cuò)誤資料的輸入不具有容錯(cuò)性，無法自我學(xué)習(xí)與調(diào)整，也無法處理資料遺漏的狀況。而人工神經(jīng)網(wǎng)絡(luò)是一種平行分散處理模式，其構(gòu)建原理是基于對(duì)人類大腦神經(jīng)運(yùn)作的模擬。ANN除具有較好的模式識(shí)別能力外，而且還可以克服統(tǒng)計(jì)方法的限制。因?yàn)樗哂腥蒎e(cuò)能力和處理資料遺漏或錯(cuò)誤的能力，最為可貴的是，ANN還具有學(xué)習(xí)能力，可以隨時(shí)依據(jù)新數(shù)據(jù)資料進(jìn)行自我學(xué)習(xí)、訓(xùn)練，并調(diào)整其內(nèi)部的儲(chǔ)存權(quán)重參數(shù)以應(yīng)對(duì)多變的企業(yè)環(huán)境，這是傳統(tǒng)統(tǒng)計(jì)方法所無法比擬的。
它通常由輸入層、輸出層和隱藏層組成，其信息處理分為前向傳播和后向?qū)W習(xí)兩步進(jìn)行。網(wǎng)絡(luò)的學(xué)習(xí)是一種誤差從輸出層到輸入層向后傳播并修正數(shù)值的過程，學(xué)習(xí)的目的是使網(wǎng)絡(luò)的實(shí)際輸出逼近某個(gè)給定的期望輸出。根據(jù)最后的期望輸出，得出企業(yè)的期望值，然后根據(jù)學(xué)習(xí)得出的判別規(guī)則來對(duì)樣本進(jìn)行分類?？继厮固?coats)和范特(Fant)1993年開始利用神經(jīng)網(wǎng)絡(luò)理論建立財(cái)務(wù)預(yù)警模型，由于該模型是模仿生物大腦神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程，不需要考慮研究變量是否符合正態(tài)分布，并且可以有效處理非量化因素，同時(shí)具有較好的能力，從而能夠更好地進(jìn)行預(yù)測(cè)。
4 聯(lián)合預(yù)測(cè)模型
聯(lián)合預(yù)測(cè)模型是運(yùn)用企業(yè)模型來模擬企業(yè)的運(yùn)作過程，從而動(dòng)態(tài)地描述財(cái)務(wù)正常企業(yè)和財(cái)務(wù)困境企業(yè)的特征，然后根據(jù)不同特征和判別規(guī)則，對(duì)企業(yè)樣本進(jìn)行分類。其運(yùn)用的關(guān)鍵是如何準(zhǔn)確模擬企業(yè)的運(yùn)作過程。因此它要求能夠有一個(gè)基本的理論框架，通過這一框架來有效模擬企業(yè)的運(yùn)作過程，從而能夠有效反映和識(shí)別不同企業(yè)的行為特征、財(cái)務(wù)特征，并據(jù)以區(qū)分企業(yè)樣本。
聯(lián)合模型最大的優(yōu)點(diǎn)就是克服了財(cái)務(wù)預(yù)測(cè)模型只運(yùn)用財(cái)務(wù)指標(biāo)的片面性，它能動(dòng)態(tài)模擬和反映企業(yè)經(jīng)營(yíng)過程中的方方面面。因?yàn)樨?cái)務(wù)指標(biāo)有其先天的局限性，它只能計(jì)量企業(yè)運(yùn)營(yíng)的財(cái)務(wù)結(jié)果，遺漏了很多事關(guān)重大但未能在財(cái)務(wù)指標(biāo)中得到體現(xiàn)的非財(cái)務(wù)信息，如人力資源狀況、企業(yè)發(fā)展戰(zhàn)略、企業(yè)地理位置等等。
(二)在預(yù)警模型中加入非量化信息
財(cái)務(wù)危機(jī)的預(yù)警模型是利用財(cái)務(wù)信息對(duì)危機(jī)進(jìn)行的定量分析，在操作中還應(yīng)當(dāng)結(jié)合非量化信息，對(duì)企業(yè)財(cái)務(wù)狀況進(jìn)行定性分析。事實(shí)上，非量化因素在披露企業(yè)財(cái)務(wù)狀況方面要比財(cái)務(wù)指標(biāo)更為可靠、有效。如企業(yè)財(cái)務(wù)報(bào)表不能及時(shí)公開，或者管理層集體辭職、企業(yè)出現(xiàn)過度擴(kuò)張、過度依賴銀行貸款、企業(yè)人力資源匱乏、企業(yè)市場(chǎng)定位不清等非財(cái)務(wù)信息，都可能預(yù)示著企業(yè)存在潛在的危機(jī)，而這些是財(cái)務(wù)比率等量化信息所不能涵蓋的。因此，企業(yè)財(cái)務(wù)預(yù)警模型不能單純依靠財(cái)務(wù)數(shù)據(jù)，至少要在預(yù)警系統(tǒng)中涉及到非財(cái)務(wù)數(shù)據(jù)。既要涉及定量信息，也要涉及定性信息，只有這樣才能更完整地反映企業(yè)全貌。例如把注冊(cè)會(huì)計(jì)師的審計(jì)意見、行業(yè)與產(chǎn)業(yè)因素、總體經(jīng)濟(jì)因素、股權(quán)結(jié)構(gòu)、公司治理結(jié)構(gòu)、戰(zhàn)略、內(nèi)控等非量化因素。采取適當(dāng)?shù)姆绞竭M(jìn)行量化處理后加入預(yù)警模型中，比如可以參照國(guó)有企業(yè)績(jī)效評(píng)價(jià)中對(duì)非量化因素采用評(píng)分的方法，將評(píng)分的結(jié)果作為財(cái)務(wù)預(yù)警模型的一個(gè)組成部分。
(三)財(cái)務(wù)預(yù)警模型與企業(yè)實(shí)際相結(jié)合，分行業(yè)建立預(yù)警模型
雖然傳統(tǒng)的財(cái)務(wù)預(yù)警模型可以用于監(jiān)測(cè)企業(yè)的財(cái)務(wù)情況和經(jīng)營(yíng)活動(dòng)，并具有很強(qiáng)的生命力。但由于各企業(yè)的行業(yè)性質(zhì)，經(jīng)營(yíng)規(guī)模、所處國(guó)別和地域等方面都存在許多差異，因此在實(shí)際運(yùn)用中，不宜直接照搬國(guó)外的財(cái)務(wù)預(yù)警模型，企業(yè)應(yīng)根據(jù)自身的實(shí)際情況，因地制宜，設(shè)計(jì)、構(gòu)建符合企業(yè)要求和特點(diǎn)的創(chuàng)新型財(cái)務(wù)預(yù)警模型。預(yù)測(cè)模型使用的技術(shù)問題，包括影響模型擬合效果的實(shí)效性問題和行業(yè)因素問題，會(huì)隨著經(jīng)濟(jì)環(huán)境的變化越來越突出。因此對(duì)國(guó)外的預(yù)警模型研究其變化并適當(dāng)進(jìn)行微調(diào)是十分必要的。考慮行業(yè)因素的影響，對(duì)z模型的修正可以按以下三種思路來進(jìn)行：第一，在模型整體上加上行業(yè)修正值；第二，針對(duì)模型中的每個(gè)變量設(shè)定行業(yè)修正值；第三，使模型中所選取的財(cái)務(wù)變量呈現(xiàn)行業(yè)性差異，即不同行業(yè)選用的指標(biāo)不同。通過修正可以使財(cái)務(wù)預(yù)警模型更精確更有針對(duì)性。
(三)在預(yù)警模型中加大現(xiàn)金流量指標(biāo)的權(quán)重
目前中國(guó)公司法中規(guī)定實(shí)行ST制度以及暫停上市和終止上市制度，上市公司的管理層及有關(guān)部門為了保留殼資源，避免出現(xiàn)虧損或連續(xù)3年虧損，往往會(huì)竭盡全力采用盈余操縱手段。財(cái)務(wù)預(yù)警模型的構(gòu)成指標(biāo)主要是取自資產(chǎn)負(fù)債表和損益表的數(shù)據(jù)，以權(quán)責(zé)發(fā)生制為基礎(chǔ)，容易受到盈余管理的影響，其與財(cái)務(wù)狀況的相關(guān)性大打折扣。現(xiàn)金流量表是上市公司的重要會(huì)計(jì)報(bào)表之一，其編制原則和方法具有統(tǒng)一的規(guī)定，其主要作用是提供現(xiàn)金流量方面的信息，以實(shí)收實(shí)付制為基礎(chǔ)，能較客觀地反映企業(yè)真實(shí)的財(cái)務(wù)狀況。以現(xiàn)金流量表中的數(shù)據(jù)為基礎(chǔ)構(gòu)成的現(xiàn)金流量指標(biāo)也減少了盈余管理的影響，將其納入模型并提高該類指標(biāo)的權(quán)重能夠使模型更客觀地反映企業(yè)的財(cái)務(wù)狀況，更好地起到預(yù)警作用。研究人員在這方面也進(jìn)行了大量有益的探討。事實(shí)證明確實(shí)能提高模型預(yù)警的精度。
(四)在預(yù)警模型中引入經(jīng)濟(jì)增加值變量
我國(guó)實(shí)證研究的數(shù)據(jù)取自公司會(huì)計(jì)報(bào)表上公布的財(cái)務(wù)指標(biāo)，然而傳統(tǒng)會(huì)計(jì)指標(biāo)只考慮債務(wù)資本的成本，不考慮股權(quán)資本的成本，并不能說明股東價(jià)值是否保值增值，并且會(huì)計(jì)利潤(rùn)指標(biāo)的使用對(duì)管理者產(chǎn)生誤導(dǎo)，傾向于盈利操縱和短期行為，不利于企業(yè)的長(zhǎng)期發(fā)展。經(jīng)濟(jì)增加值是從稅后凈營(yíng)業(yè)利潤(rùn)中扣除包括股權(quán)和債權(quán)的所有資本成本后的經(jīng)營(yíng)利潤(rùn)，它不受公認(rèn)會(huì)計(jì)準(zhǔn)則的限制。通過對(duì)財(cái)務(wù)會(huì)計(jì)報(bào)表進(jìn)行適當(dāng)?shù)恼{(diào)整，它消除了會(huì)計(jì)報(bào)表對(duì)企業(yè)利潤(rùn)的扭曲，真正成為股東所定義的利潤(rùn)。因此，在預(yù)警模型中如果能用經(jīng)濟(jì)增加值指標(biāo)代替會(huì)計(jì)利潤(rùn)在很大程度上能夠克服傳統(tǒng)利潤(rùn)指標(biāo)的缺陷，尋找經(jīng)濟(jì)增加值與財(cái)務(wù)危機(jī)之間的相關(guān)關(guān)系，在理論上也是一種創(chuàng)新和突破。
需要說明的是，我們遵循以上思路對(duì)預(yù)警模型進(jìn)行改進(jìn)，并不是要求預(yù)警模型必須對(duì)虛假的財(cái)務(wù)信息具有識(shí)別功能。而是使之與我國(guó)的實(shí)際情況相符，發(fā)揮其應(yīng)有的作用而已。因?yàn)槲覀儾荒芸燎筘?cái)務(wù)預(yù)警模型僅僅依靠若干財(cái)務(wù)指標(biāo)之間的勾稽關(guān)系，就能發(fā)現(xiàn)公司存在的漏洞，尤其是在公司極力掩飾之時(shí)，這一任務(wù)就變得更加艱巨。因?yàn)樨?cái)務(wù)預(yù)警畢竟是建立在真實(shí)財(cái)務(wù)信息的基礎(chǔ)之上的。改變這一基礎(chǔ)就偏離了財(cái)務(wù)危機(jī)預(yù)警的初衷。要想識(shí)別企業(yè)財(cái)務(wù)信息的真實(shí)與否，還得另辟蹊徑。
六、結(jié)論
綜上所述。每一種財(cái)務(wù)危機(jī)預(yù)警模型都有利也有弊。只有充分發(fā)揮每一種方法的長(zhǎng)處，把各種方法結(jié)合使用，才能取得理想的預(yù)警效果。對(duì)于企業(yè)來說，最重要的也許并不是怎樣開發(fā)新的預(yù)警模型或預(yù)警方法，更重要的是如何整合已有的財(cái)務(wù)危機(jī)預(yù)警方法，達(dá)到財(cái)務(wù)危機(jī)預(yù)警的目的。
進(jìn)行企業(yè)財(cái)務(wù)危機(jī)預(yù)警應(yīng)堅(jiān)持遠(yuǎn)期監(jiān)測(cè)與近期預(yù)警相結(jié)合。單變量模型的遠(yuǎn)期監(jiān)測(cè)效果比較理想，因此為了減輕工作量，可以設(shè)置適合企業(yè)自身業(yè)務(wù)特點(diǎn)的單變量模型進(jìn)行遠(yuǎn)期監(jiān)測(cè)。發(fā)現(xiàn)危機(jī)動(dòng)向及時(shí)反饋信息，以加強(qiáng)近期的實(shí)時(shí)監(jiān)測(cè)預(yù)報(bào)工作。而財(cái)務(wù)危機(jī)的近期預(yù)警應(yīng)使用多變量模型法來進(jìn)行。實(shí)踐證明，多變量預(yù)警模型的近期預(yù)警精度比較高。但是由于多變量模型只能預(yù)測(cè)財(cái)務(wù)危機(jī)而不能解釋財(cái)務(wù)危機(jī)產(chǎn)生的原因。因此，通過近期預(yù)警一旦發(fā)現(xiàn)了財(cái)務(wù)危機(jī)的動(dòng)向，就應(yīng)該對(duì)其進(jìn)行修正，加入其他變量，對(duì)其進(jìn)行必要的整合，或與企業(yè)的實(shí)際情況相結(jié)合，運(yùn)用財(cái)務(wù)報(bào)表分析法查找企業(yè)發(fā)生危機(jī)的原因，以便有針對(duì)性地采取有效措施，將危機(jī)化 解在萌芽階段。
