上市公司财务风险预警模型研究的文献综述.docx

上市公司财务风险预警模型研究的文献综述 摘要：科学的财务风险预警模型的构建是上市公司长期健康发展的重要方面。文章在阐述财务危机与上司公司财务风险预警的概念和内涵的基础上，从财务指标的角度介绍国内外现有的关于财务风险预警的模型，并对已有研究成果和文献进行总结和归纳，最后结合国内外相关的研究进展进行简评及提出新的研究思路。 关键词：财务风险；财务指标；预警模型 一、引言 财务风险是指企业在各项财务活动中由于各种难以预料和无法控制的因素，使企业在一定时期、一定范围内所获取的最终财务成果与预期的经营目标发生偏差，从而形成的使企业蒙受经济损失或更大收益的可能性。在激烈的市场竞争中，上市公司始终处于一种生存与倒闭、发展与萎缩的矛盾当中。只有生存上市公司才有可能获利，有可能存续下去。生存是其核心目标。因此有必要建立一个科学合理的财务风险预警系统，为上市公司生存提供重要的信息，预防企业陷入财务危机的深渊。 财务风险预警系统是指通过对企业财务报表及其他相关资料的分析，借助于财务数据和数据化管理方式，对企业的运营过程进行跟踪、监控，以揭示企业运营过程中的经营困境和财务危机的可能性及原因，并发出警情信号，提醒管理当局提前做好防范措施的财务分析系统。国内外关于财务风险预警系统的研究已有很多，并取得了一定的研究成果。 二、国外相关研究的现状 （一）基于单变量预警模型的研究 国际上，最早用统计方法进行财务危机预测研究的是Fitzpatrikc（1932）开展的单变量破产预测研究。Fitzpatrikc发现，在财务危机预测研究中净利润/股东权益和股东权益/负债这两个比率的判别能力是最高的。 在Fitzpatrikc研究之后，美国学者威廉?比弗（WilliamBeaver）1966年在美国会计评论上提出了单一变量模型，又称一元判别模型。在他对79家危机企业和79家正常企业的30个财务比率数据进行的研究结果后表明，债务保障率和资产负债率这两个财务指标判别能力最高，并且越临近破产日判别成功率越高。 （二）运用多元线性判别分析方法的研究 多变量预警模型就是运用多个财务指标加权汇总构造多元函数的方法来进行预测分析。在国外这方面的研究，主要以Z-Score模型为代表： 美国纽约大学奥尔曼（Altman）教授早在20世纪60年代，就将多变量统计分析方法-判别分析运用到企业破产预测中。他以1964-1965年33家破产公司和33家正常公司作为配对样本，选用22个财务比率作为破产前1-5年的预测备选变量，经过筛选最终确定营运资产/资产总额、留存收益/资产总额、息税前利润/资产总额、股东权益市场价值/总负债账面价值和销售收入/资产总额5个变量作为判别变量，构建Z-Score模型。此模型分上市公司和非上市公司两种情况。 1、在上司公司的方面 上市公司的Z值模型和判别规则如下： Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5 式中X1=营运资产/资产总额，反映公司营运资产的流动性；X2=留存收益/资产总额，反映公司剩余支付能力；X3=息税前利润/资产总额，反映公司的盈利能力；X4=普通股和优先股市场价值/总负债账面价值，反映公司财务状况的稳定性；X5=销售收入/资产总额，反映公司的活动比率。 2、非上市公司方面 非上市公司的Z值模型和判别规则如下： Z=0.717X1+0.847X2+3.107X3+0.420X4+0.998X5 其中与上市公司唯一不同的是X4修正为股东权益/总负债。 总体来说，多变量模型判别精度高，而且体现了综合分析的概念。但这种模型也存在一定的局限性：一是模型比较复杂，数据资料多，需花费大量的时间分析数据和处理数据；二是这种模型的假设条件严格，即假设预测变量必须呈联合正态分布，且两组样本要求等协方差。 （三）关于逻辑回归模型的研究 回归模型是从一组因变量中预测一个“对应的”应变量的一种统计方法。比较常用的Probit模型方法和Logit模型方法。美国学者Ohlson（1980）运用多远逻辑回归法进行了研究，发现用公司规模、资本结构、负债和当前的变现能力进行财务危机预测的准确率达到96.12%。他采用的分析方法使财务预测有了很大的改进，克服了多元线性判别分析中对预测变量有着严格的联合正态分布要求及样本未配对样本的局限性，进一步将问题简化。 （四）关于动态财务预警模型的研究 近年来有学者开始建立动态财务预警模型，即运用神经网络分析方法。Odom（1990）是较早运用神经网络的经济学家，他用1975-1982年间的64家失败企业和64家健康企业为研究样本，选取了Altman在1968年研究中的5个财务比率为输入变量，比较了倒传递网络模型和Altman判别分析法在企业失败前一年的判别能力，研究发现，倒传递网络模型的预测效果好。之后BarbroBack等人（1996）及Am采用神经网络理论（NN）构建了破产预测模型，Andreas和Trigeorgis等（2000）也基于期权定价理论对破产风险的预测进行了探讨。 这种分析使模型具备随不断变化的复杂环境自学习的能力。使企业财务动态预警成为可能，但神经网络分析方法建模方法复杂，工作的随机性较强。要得到一个较好的模型，需要人为不断地调试，非常耗费时间和精力，而且预测精度也不一定比其他方法改进多少。 （五）财务预警的其他研究 上述提到的预警模型主要是建立在传统的财务指标基础之上，在非财务指标的研究方面也取得了相应的成果。Gilson（1989）在他的研究中加入了非财务信息高层管理者离职这一指标。研究发现，在选取的381家财务危机公司中52%的公司有高层管理员变动之情形，而正常的公司发生这种情况的比率仅为19%。Marquette（1980）认为一些长期性或宏观性的经济指标，如利率、景气变动指标、通货膨胀率等可以作为构建模型的变量，提高模型的准确度。Spathis，DoumponsandZopounidis（2002）以希腊舞弊公司与非舞弊公司为样本，采用多标准分析、单变量和多变量统计技术建立了包括Z计分值和不包括Z计分值的模型识别舞弊财务报告的可能性。 三、国内相关研究的现状 （一）关于单变量预警模型的研究 陈静（1999）以27个ST和27个非ST公司作为对比样本，选取资产负债率、净资产收益率、总资产收益率和流动比率4个财务指标，进行单变量分析，结果发现资产负债率和流动比率的误判率最低。 单变量预警模型对财务风险的预警有一定的作用，但也存在一些缺陷：一是不能判别企业是否可能破产以及在什么时候破产；二是单变量比率分析的结论可能会受通货膨胀的影响；三是财务指标有被粉饰的可能性，使财务风险预警失去作用。 （二）运用多元线性判别分析的研究 1、以F分数模型为代表 周首华、杨济华（1966）借鉴Altman的研究成果，在Z分数模型的基础上，加入了先进流量指标，运用1977-1990年62家公司（其中31家破产公司取自华尔街杂志索引，与之配对的另外31家非破产公司取自Compustat会计数据库），构建了F分数模型。其表达公式为：F=-0.1774+1.1091X1+0.1704X2+1.9271X3+0.0302X4+0.4961X5，其中X1、X2和X4与Z分数模型的X1、X2和X4的指标相同，不同的是X3和X5，X3=（税后净收益+折旧）/平均总负债，它是一个现金流量指标，反映公司的偿债能力；X5=（税后净收益+利息+折旧）/平均总资产，反映公司运用总资产创造现金流量的能力。与Z分数模型相比较，F分数模型可以更准确地预测出企业是否存在财务危机。 李月英（2010）选取沪深证券交易所2009年所有被特别处理（ST）的7家农业上市公司作为研究样本，并选取31家财务状况良好的农业上市公司构成控制样本，从偿债能力、盈利能力等五个方面选择17个财务指标作为初始变量，采用多元线性回归模型对农业上市公司的财务数据进行了预警分析。 2、以主成分分析模型为代表 多元判别分析中还有一种分析方法是主成分分析方法。这种模型运用主成分分析的方法提炼最有代表性的财务指标，即考虑更多对财务预警有指示作用的比率，同时防止比率太多而增加分析的复杂性，从而抓住分析中的主要矛盾。张爱民等（2001）选取深沪上市的40家ST公司和40家非ST公司进行了研究，发现主成分分析模型也具有较好的预测性。 （三）关于逻辑回归模型的研究 我国学者吴世农、卢贤义（2001）选取1998-2000年中的70家ST公司和70家非ST公司作为研究样本，从企业盈利能力、偿债能力、营运能力、成长能力和企业规模等5个方面21个财务指标中确定6个预测指标，应用Fisher判别分析、多元线性回归分析和逻辑回归分析三种方法构建了相应模型，发现逻辑回归模型的预测能力最强。 李娜（2008）选择2006年深沪上市的所有农业上市公司作为研究样本，从偿债能力、发展能力等5个方面选取指标，运用因子分析和逻辑回归分析相结合的方法构建适合农业上市公司的财务风险预警模型。首次将财务预警的研究应用于农业企业。 （四）关于人工神经网络模型的研究 2002年周敏等人提出的基于模糊优选和神经网络的财务危机测定与预警模型，能够实现对财务危机状态的测定，并且不需要主观定性地判断企业的财务状态，因此在企业的判定状态方面更加合理。邸红娜（2006）选取2002-2005年制造业上市公司为研究对象，运用T检验，从个财务指标中选出了12个判别能力较显著的指标，并对BP神经网络进行完善市公司被ST的前三年，模型预测准确率仍然可以达到92.5%，说明应用神经建立模型，预测能力很强。 （五）其他方面的研究 王克敏（2005）研究中引入了公司治理、关联交易、对外担保等非财务指标，大大提高公司了ST的预测准确率。郭斌等（2006）研究认为加入贷款期限和M2增长率这两个非财务指标的8参数建立模型，具有较高的预测精度和较好的模型拟合度。邓晓岚（2006）研究结果显示加入年度累积超额收益率与审计师意见的非财务指标后预警效果较好。 四、国内外相关研究现状的评价 在现有的研究中多数研究试企图寻求统一的参数来解决所有行业的问题，缺乏针对不同行业灵活选择参数的 应变能力。科学的实证研究应与不同的行业相结合，因为不同的行业财务指标和预警体系相差很大；不能一概而论，针对不同的行业选取具有那个行业特征的指标来进行预警分析，这样才能对企业的财务风险预警起到更加有效的作用；再有就是财务预警研究重理论研究轻应用研究。财务预警研究者更多的是关注预测的准确性，却没有兼顾信息使用者的可操作性；第三就是变量的选择方法问题。如何选取变量指标还缺乏理论支撑，研究人员在选取变量时受主观因素的影响大，另外模型中非量化因素涉及的少，考虑非量化因素再加入定性分析可使预测的准确性提高。这需要进一步的探索。因此笔者认为要重点解决财务预警的实际应用问题，使其能够真正满足信息使用者的需要。另外还需注意加强非财务信息的研究分析。 参考文献： 1、陈静.上市公司财务恶化预测的实证分析J.会计研究,1999(4). 2、周首华.现代企业财务理论前沿专题M.东北财经大学出版社,2000. 3、吴涛.上市公司财务预警系统的研究与实证分析D.华中科