（企业管理专业论文）我国上市公司财务困境预测模型研究.pdf

摘要 一、研究背景 随着我国经济体制改革的不断深化，市场经济在我国得到了空前的发 展。在市场经济中资源得到了更有效的利用，经济效益得到了提高，社会 经济得以迅猛发展。市场经济作为竞争眭的经济，优胜劣汰是它的主旋律。 有的企业在竞争中脱颖而出的同时，有的企业则被淘汰出局。 企业被淘汰出市场，从全社会的角度来看是对资源的更有效的利用。 但是从投资者、债权人的角度来看，则面临着投资或债权无法收回受损的 现实困境，企业雇员则面临失业的威胁，企业的相关利益方可能由于企业 被淘汰而受到损害。 所以，对i , i k 的财务健康状况进行有效的评估，对企业的财务风险进 行估计，科学地预测企业面临财务困境的可能性，估计企业破产的可能， 是非常有必要的。 财务困境预测模型为不同的利益相关人提供相应的决策依据。对于企 业的管理层防止企业陷入财务困境；企业的债权 、对企业的信用进行有效 评估，防范信贷风险；投资者规避投资风险等方面有着重要的作用。 企业财务困境预测，在国外具有很长的研究历史，并且获得比较成熟 的研究成果，建立了相关理论，现己得到广泛的应用。而我国在这方面的 研究尚属起步阶段，研究者对于数据的采集、指标的选取、方法的使用以 及最终模型的检验上尚有许多分歧，另外大部分研究结果由于缺乏实际应 用，需要实践的进一步检验。本文在借鉴国内外研究成果的基础之上，利 用我国上市公司的的相关指标，运用一定的统计方法构建预测模型，对于 适合我国的财务困境预测模型的指标及其构建方法进行有益的探索。 二、本文结构及观点 全文分为五章，内容及观点如下： 第一章简要阐述了本文研究的背景和意义。 第二章对国内外财务困境研究的研究进行了回顾。 首先从不同学者对财务困境的不同的解释中，得到企业陷入财务困 境，其实就是企业的盈利能力显著下降或丧失，导致企业发生“违约” ( d e f a u l t ) 的可能性显著升高的状况。同时指出，在实证研究中国外学者 大多以破产作为陷入财务困境的标志，国内学者的研究则基本集中于上市 公司，并以公司被特别处理( 即s t ) 为财务困境标志。而本文在实证研究 中把由于近两年连续亏损或可能被依法宣告破产而对股票交易实行退市 风险警示( 即褐t ) 定义为财务困境标志，而相应公司为财务困境公司。 关于财务困境的正式研究一般认为兴起于1 9 世纪3 0 年代， f i t z p a r t r i c k 于1 9 3 2 年进行的一项单变量的破产预测研究是这方面最早 的研究。而在众多的财务困境研究者中a l t m a n 无疑是最成功的一位，他于 1 9 6 8 年提出的z - s c o r e 模型是最著名的财务困境预测模型，而此后的z e t a 模型则成为应用广泛的商业模型。 我国学者对财务困境的研究基本是从9 0 年代开始的，由于我国破产 制度起步较晚，破产公司较少，同时数据的难以获得，因而国内学者对财 务困境的研究基本是以上市公司中的s t 公司为样本公司。大部分模型都 选取了偿债能力、盈利能力、资产管理能力、公司成长能力这几方面的指 标来构建模型，取得了不少成果，但到目前为止就预测方法、指标和模型 等许多方面并未形成共识，另外大部分模型缺乏实际应用，需要实践的进 一步检验。 第三章介绍了财务困境的研究方法。 在大多数研究中单变量判定分析、多元判别分析、逻辑回归分析是比 较常用的研究方法，在9 0 年代后，神经网络在财务困境研究领域得到日 益广泛的应用。 从财务困境预测模型的文献来看，特别是从上世纪八、九十年代神经 网络模型引入财务困境以来，涌现了不少新的研究方法。但谠目前看来， 经过众多研究证明，且被大多数研究者所接受的是逻辑回归分析和神经网 络。 第四章是本文的实证研究部分，介绍了本文研究的数据来源、样本选 取方法，指标的筛选和模型的构建及检验。 本文选取了2 0 0 3 到2 0 0 5 三年间1 3 3 家沪深交易所实行退市风险警示 ( 即木s t ) 的上市公司作为财务困境的样本公司，同时采用随机抽样方法 选取了相同数量的非术s t 公司为对照公司。然后把2 0 0 3 和2 0 0 4 两年的公 司作为建模样本，而2 0 0 5 年的为检验样本。 在预测指标方面，本文选取了公司偿债能力、盈利能力、管理能力、 成长能力、资本结构、现金流和公司治理六方面的指标体系，共3 6 个指 标作为初始预测变量。采用非参数方法对其进行显著性检验，测定指标问 的相关度，然后在回归时采用逐步回归法，从而完成指标的筛选。 在进行逻辑回归之后得到包含资产负债率、总资产净利润率、总资产 营业利润率、总资产周转率和经营现金净流量五个指标的预测模型。并对 模型进行了回代检验和独立样本验证。从回代检验来看，模型对对两类公 司总的判别准确率为8 4 8 9 6 。而独立样本的检验表明模型在公司被实行退 示警示风险处理前6 年都具有判断能力，而前4 年内则有良好的判别能力。 从模型的检验效果看来，模型在t - 2 年和t - 3 年的识别能力分别为8 4 4 、 8 9 7 ，t - 4 年为7 4 7 ，受对木s t 公司的识别能力降低的影响，模型总的 预测能力从t - 4 年开始显著下降，但直到t - 6 年仍有预测能力。 第五章对本文的研究进行了总结，得出研究结论，本研究的启示以及 局限。 从本文的研究可以得到的结论是：上市公司公开的指标中包含有关于 公司财务健康状况的有效信息，可以建立针对上市公司整体的有效的财务 困境预测模型；资产负债率、总资产净利润率、总资产营业利润率、总资 产周转率和经营现金对流动负债的保证程度几个方面对于公司陷入财务 困境的可能性有明显的指示作用；预测模型从t - 2 到t - 6 年都具有预测能 力。 同时从本研究得到如下启示：是否对公司实行木s t 主要看其盈利能力； 公司出现财务困境的可能性受公司盈利能力、偿债能力、管理能力等方面 的综合影响，要保持公司的健康，必须注意公司各方面的运行睛况；保持 公司在营业基础上的赢利对于保持公司的健康发展有重要意义。 三、论文的主要贡献 本文在前人研究的基础之上，对财务困境预测模型的研究进行了深入 的探讨，对以往的研究进行了修正和创新，收集了最近三年出现的* s t 公 司的相关数据，建立了相应的财务困境预测模型。在研究中本文在以下几 方面进行了重要的修正和创新。 1 、收集t 一2 年之前的数据进行模型的建立、检验，修正了以往研究在数 据采集方面的问题。 2 、采用了非参数方法代替t 检验进行显著性检验 3 、对于公司治理结构变量对公司财务困境的影响进行了有益的探索。 4 、对有关指标进行单调化处理，使其具有单一的变化趋势。 5 、采用的是独立样本来验证模型的适用性，检验的结果更可靠。 6 、首次建立了考虑指标间的相互作用的预测模型，考虑了指标间相互作 用对公司出现财务困境的可能性的影响，证明了指标间的相互作用对于公 司财务困境的可能性有明显的指示，揭示了需要从多方面来综合考察公司 的健康状况。 关键词：财务困境预测模型逻辑回归实证研究 a b s t r a c t m a r k e te c o n o m i e sh a sb e e nd e v e l o p e de x t e n s i v e l yi nc h i n a c o m p e t i t i o ni s t h em a i nm e l o d yo fm a r k e te c o n o m i e s a st h er e s u l to fc o m p e t i t i o n ，s o m e c o m p a n i e sc o l l a p s e d ，a n dt h o s er e l a t e d ，s u c ha si n v e s t o r s ，c r e d i t o r , m a yb eh u r t t h e r e f o r e ，i ti sn e c e s s a r yt oe v a l u a t et h ef i n a n c i a lc o n d i t i o n so ft h ec o m p a n i e s f o rt h es t a k e h o l d e r s t h es t a k e h o l d e rc a nd r a wi m p o r t a n ti n f o r m a t i o no ft h ec o m p a n i e sw i t h f i n a n c i a ld i s t r e s sp r e d i c t i o nm o d e l i ti s u r g e n tt od e v e l o pf i n a n c i a ld i s t r e s s p r e d i c t i o nm o d e l b a s e do nt h ec h i n am a r k e t t h i sp a p e ri so n eo ft h ee f f o r t so ft h es t u d i e si nt h ef i e l d f i v ed i f f e r e n tc h a p t e r sc o n s t i t u t et h ea c a d e m i cd i s s e r t a t i o n f i r s t c h a p t e r i s t h e i n t r o d u c t i o n ，t h e b a c k g r o u n d o f t h e r e s e a r c h w a s p r o v i d e d r e v i e wo ft h er e s e a r c ho ff i n a n c i a ld i s t r e s sp r e d i c t i o ni st h em a i np a r to ft h e s e c o n dc h a p t e r a d e f i n i t i o no f f i n a n c i a ld i s t r e s sc a nb ed r a w no u tt h ed e s c r i p t i o nf r o ms o m e f a m o u ss c h o l a r s ，t h a ti st h ec o n d i t i o no fa ne n t e r p r i s ep o s s i b l yh a p p e nd e f a u l t r e s u l tf r o mn o t a b l ed e c r e a s eo f p r o f i t a b i l i t y h le m p i r i c a ls t u d i e s o v e r s e a sr e s e a r c h e r sm o s t l yt a k et h eb a n k r u p t c ya st h e i n d i c a t o ro ff i n a n c i a ld i s t r e s s a sc o n t r a s t ，m o s tr e s e a r c h e r sf o c u s e do nt h o s e w e r es p e c i a lt r e a t e d ( l i s t e dc o r p o r a t i o n s g e n e r a l l ya c c e p t e d ，f i n a n c i a ld i s t r e s sr e s e a r c hs h a p e di n1 9 3 0 s a l t m a n s t a n d so u to ft h er e s e a r c h e r sw i t hz - s c o r em o d e la n dz e t am o d e l i nc h i n a ，t h er e s e a r c hs t a r t e di n1 9 9 0 s ，a n dm o s tr e s e a r c h e r sf o c u s e do nt h o s e w e r es p e c i a lt r e a t e d ( s dl i s t e dc o r p o r a t i o n s l i q u i d i t y , p r o f i t a b i l i t y , l e v e r a g e ， s o l v e n c y , a n da c t i v i t yr a t i o sw e r ei n c l u d e di nm o s tm o d e l s b u s i n e s sm o d e l s g e n e r a l l ya c c e p t e dw h i c hb a s e do nc h i n am a r k e th a sn o tb e e nd e v e l o p e d c h a p t e r3i sa b o u tr e s e a r c hm e t h o d si nt h ef i e l d u n i v a i i a t e a n a l y s i s ，m u l t i p l e d i s c r i m i n a n t a n a l y s i si v i d a ) l o g i s t i c m o d e l ， a r t i f i c i a ln e u r a ln e t w o r k s ( a n n ) a r et h em o s t p o p u l a rm e t h o d se m p l o y e d i nt h e s t u d yo ff i n a n c i a ld i s c u s s r e v i e w i n go ft h ef i t e r a t u r e ，m a n yn e wt e c h n i q u e se m e r g e d , e s p e c i a la f t e rt h e a n nw a si n t r o d u c ei n t ot h ef i e l d b u t6 1 1n o w , i ti sl o g i s t i ca n da n nt h a t a c c e p t e dt h em o s tr e s e a r c h e r s e m p i r i c a ls t u d y i st h ec h a p t e r4 ，d a t ar e s o u r c e ，s a m p l ea n di n d i c a t o r s s e l e c t i o nb e i n gi n t r o d u c e d , a sw h i l et h ep r o c e s st oe s t a b l i s ht h em o d e l 3 6r a t i o s c o n c e r n i n gl i q u i d i t y , p r o f i t a b i l i t y , s o l v e n c y , a n da c t i v i t y a n d g o v e m a n c ec o m p o s e dt h ep r i m i t i v ei n d i c a t o rs e r i e s s e l e c t i o nw a sd o n ew i t h n o n p a r a m e t r i cd i f f e r e n c et e s t , c o r r e l a t i o n ，a n dt h e nb yt h er e g r e s s i o ns t e pb y s t e p d e b tr a t i o ，r o a , o p e r a t i o nr e t u r no n a s s e t s ( o r o a ) ，t o “a s s e t t u r n o v e r f r a t ) a n dn e t - o p e r a t i o n - - c a s h - f l o wt oc u r r e n tl i a b i l i t yw e r ei n c l u d ei nt h e f i n a lm o d e l ，w h i c hw a st e s t e db yt h eo r i c n a ls a m p l ea n da n o t h e ri n d e p e n d e n t s a m p l e t h ea c c u r a t er a t ed r e wf r o mt h ei n i t i a l s a m p l et e s t i s8 4 8 a n dt h e i n d e p e n d e n tt e s ti n d i c a t et h em o d e lh a sa b i l i t yo f d i s c r i m i n a t i o na sm u c h6y e a r s p r i o rt od i s t r e s s ，a n dg o o da b i l i t yw i t h i n4y e a r s t h ep r e d i c t i o na c c u r a t er a t ei s 8 4 8 2y e a r sp r i o r , 8 9 7 3y e a r sp r i o ra n d7 4 7 4y e a r sp r i o r c h a p t e r 5i st h es u n a n a a r yo ft h er e s e a r c h c o n c l u s i o n sd r a w na r ea sf o l l o w s f i n a n c i a lr a t i o s ，r e l e a s e db yt h el i s t e d c o r p o r a t i o n s ，i n c l u d ee f f e c t i v ei n f o r m a t i o n m o d e lc a l lb ee s t a b l i s h e db a s e d0 1 1 t h e a g g r e g a t ec o r p o r a t i o n s d e b tr a t i o ，r o a , o p e r a t i o nr e t u r no na s s e t s ( o r o a ) ，t o t a la s s e tt u m o v e rf r a a 3a n dn e t - o p e r a t i o n c a s h f l o wt oc u r r e n t l i a b i l i t yh a se v i d e n tp r e d i c t i o na b i l i t yf o rf i n a n c i a ld i s t r e s s b a s e do nt h ep r e v i o u sr e s e a r c h e s ，t h ea u t h o rm o d i f i e dt h er e s e a r c hp r o c e s sa n d m a d es o m ep r o g r e s s 1 d a t ac o l l e c t i o np r o b l e m sf o u n di np r e v i o u sr e s e a r c h e sw a sr e v i s e d 2 tt e s tw a sr e p l a c e db yn o n p a r a m e t r i cm e t h o di nd i f f e r e n c et e s t 3 t e s tt h ep r e d i c t i o na b i l i t yo fs o m ei n d i c a t o r so fc o r p o r a t i o ng o v e m a n c e 4 m o n o t o n i z es o m ei n d i c a t o r s 5 t e s tt h em o d e lw i t ha n i n d e p e n d e n ts a m p l e 6 a ni n t e r a c t i o nm o d e lw a se s t a b l i s h e df i r s t l y , i nw h i c ht h ei n t e r a c t i o no ft h e i n d i c a t o r sw a sb r o u g h ti n t ot h ep r o c e s sa n di m p l i e dac o m p r e h e n s i v ee v a l u a t i o n f o rt h es t a t u so fc o r p o r a t i o n s k e y w o r d s ：f i n a n c i a ld i s t r e s s ，p r e d i c t i o nm o d e l ， l o g i s t i cr e g r e s s i o n ，e m p i r i c a ls t u d y 3 西南财经大学 学位论文原创性及知识产权声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进 行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任 何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要 贡献的个人和隹体，均已在文中以明确方式标明。因本学位论文引起的法 律结果完全由本人承担。 本学位论文成果归西南财经大学所有。 特此声明 学位论文作者签名：李继军 2 0 0 6 年4 月 刖舌 7 、研究背景 改革开放以来，我国的市场环境发生了巨大的变化，初步建立了 以市场机制为主的社会主义市场经济体系。而在市场经济环境中，企 业自成立之日起就经受着竞争的考验，“优胜劣汰”是市场竞争的必 然结果。市场中管理科学，具有运作效率，产品被客户所接受的企业 将在竞争中胜出的，进一步发展壮大；而管理粗放，运作效率低下， 产品不被市场接受的企业将被淘汰出市场。市场正是通过这种机制实 现社会资源的有效配置，促进经济发展。 企业被淘汰出市场，从全社会的资源配置角度来看是对资源的更 有效的利用。但是从投资者、债权人的角度来看，则面临着投资或债 权无法收回受损的现实困境，企业雇员则面临失业的威胁，企业的相 关利益方可能由于企业被淘汰而受到损害。 为了推进国有企业的改革，发展资本市场，我国于1 9 9 0 年底成 立沪深交易所，到目前为止已有上千家公司通过两地交易所上市，为 我国的经济发展做出了重要贡献。但是其中部分上市公司由于各种原 因经营不善，沦为s t ，面临退市的风险，给投资者造成了损失。 市场退出机制是市场经济体系的一个重要环节，我国自8 0 年代中 期以来，就企业破产，上市公司退市等方面制定了一系列的法律法规。 就上市公司方面，1 9 9 3 年颁布的公司法第一百五十七条和 第一百五十八条对上市公司的股票的暂停上市和终止上市做出规定。 根据公司法的规定，1 9 9 8 年颁布的和2 0 0 4 年修订的证券法第四 十九条规定：“上市公司丧失公司法规定的上市条件的，其股票依法 暂停上市或者终止上市”。而沪深交易所于1 9 9 8 年制定的股票上 市规则开始对上市公司股票实行特别处理( 即s t ) ，2 0 0 1 年证监会 颁布了相应的亏损上市公司暂停上市和终止上市实施办法，对上 市公司的退市做出了具体规定。随着我国证券市场的进一步完善，部 分上市公司将面临退市或破产的风险。 二、研究意义 企业的财务状况恶化时，就会有迹象显示。损失开始出现时，为 维持公司营业所吸收的现金开始多于产生的现金，净营运资本会减 少，负债水平相对于现金流量会趋于上升，负债权益比率也会趋于升 高，企业的关键财务比率会变糟，从而暴露出财务状况的恶化。因此， 可以通过选择有效的指标，采用合适的方法建立财务预测模型来监视 和预测企业的财务状况。 在我国进行财务困境预测模型的研究，既可以丰富我国的财务困 境研究理论，同时又一定的实际意义。 企业财务困境预测，在国外具有很长的研究历史，并且获得比较 成熟的研究成果，建立了相关理论，现己得到广泛的应用。而我国在 这方面的研究尚属起步阶段，研究者对于数据的采集、指标的选取、 方法的使用以及最终模型的检验上尚有许多分歧，另外大部分研究结 果由于缺乏实际应用，需要实践的进一步检验。本文在借鉴国内外研 究成果的基础之上，利用我国上市公司的相关指标，运用一定的统计 方法来建立财务困境的预测模型，对企业是否会陷入财务困境进行预 测。本文对于适合我国企业状况的财务困境预测模型的指标选择，及 其构建方法进行了有益的探索。 同时，有效的财务预警模型，可以引导相关人员分析企业经营中 存在的问题，对企业的财务风险进行估计，科学地预测企业面临财务 困境的可能性，估计企业破产的可能，为不同的利益相关人提供相应 的决策依据。对于企业的管理层防止企业陷入财务困境；企业的债权 人对企业的信用进行有效评估，防范信贷风险；投资者规避投资风险 等方面有着重要的作用。 第一章财务困境研究回顾 财务困境概念 财务困境( f i n a n c i a ld i s t r e s s ) 又称财务危机或财务问题，严 重的财务困境是财务失败( f i n a n c i a lf a i l u r e ) 或破产 ( b a n k r u p t c y ) 。关于财务危机的定义，许多学者给出了不同的解释： g o r d o n 认为当企业赢利能力下降到某一水平，使企业无法支付利 息和本金( 即违约) 的可能性并非微不足道时，企业即处于财务困境 1 b r e a l e y m y e r s 将财务困境定义为：当企业对债权人的承诺无法 实现或难以遵守时，就意味着财务困境的发生，有时候，财务困境会 导致破产，有时候，则仅仅是有惊无险。这个定义明确了财务困境和 破产的区别，换句话说，即使没有违约，但违约的概率很高的话，也 同样应视为财务困境。 c a r m i c h a e l 则认为财务困境就是企业履行义务时受阻，具体有 如下四种表现形式：( 1 ) 流动性不足：流动负债大于流动资产，履行短 期义务时遭遇困难；( 2 ) 权益不足：公司的长期偿债能力不足，由于留 存收益呈现赤字，或者，总负债大于总资产( 即负权益) ；( 3 ) 债务拖 欠：公司不能偿付应付负债，或者违背了贷款协议条款；( 4 ) 资金不足： 公司受限于或者无能获得各种额外资金。1 。 而r o s s 等人则认为“财务困境是指一个企业处于经营性现金流 量不足以抵偿现有到期债务( 例如商业信用或利息) 而被迫采取改正 行动的境况”，他们认为一旦企业发生如下的一些事情时，可以表明 企业陷入了财务困境：股利的减少：工厂的关闭：亏损：解雇员工：高级 主管的辞职：股票价格的暴跌等“1 。 b e a v e r 认为当企业出现破产、无力偿还债务和支付优先股股利、 银行存款透支等情况就属于发生财务危机。b e a v e r 为此提出了一个关 于“现金流”或“流动资产”模型的理论框架，即企业犹如一个由现 金流组成的水库，由现金流入和现金流出组成，一个企业发生财务危 机可被定义为水库的水被抽干，即企业不能按期偿还债务“1 。 d o u m p o s 和z o p o u n i d i s 根据以往关于财务危机的研究结果，给出 了关于财务危机的定义：从财务角度看，财务危机包括资产净值为负、 无力偿还债权人债务、银行存款透支、无力支付优先股股利、延期支 付货款、延期支付到期利息和本金等情况”3 。 a l t m a n 认为财务危机是一个广泛的概念，它包括企业发生财务困 难时的多种情况，主要为：破产( b a n k r u p t c y ) 、失败( f a i l u r e ) 、无力 偿还债务( i n s o l v e n c y ) 和违约( d e f a u l t ) 等。同时，a l t m a n 对上述存 在细微差别的概念给出了一个完整的描述：破产( b a n k r u p t c y ) 主要 是财务危机在法律上的定义；失败( f a i l u r e ) 是考虑风险条件下， 投入资本的回报率低于行业同样投入资本的平均回报率。其实这一定 义很具有经济学的色彩，并未说明企业无持续经营的能力。无力偿还 债务( i n s o l v e n c y ) 可从破产角度可认为资产净值为负。违约 ( d e f a u l t ) 则企业违背了与债权人签定的和约并可能导致法律诉讼 7 o 从前述可以看出，企业陷入财务困境，其实就是企业的盈利能力 显著下降或丧失，会计核算的基本前提之一一“可持续经营”可能 难以持续，导致企业发生“违约”( d e f a u l t ) 的可能性显著升高的状 况。 实证研究中国外学者大多以破产作为陷入财务困境的标志，国内 学者的研究则基本集中于上市公司，并以公司被特别处理( f f 口s t ) 为 财务困境标志。本文在实证研究中把由于近两年连续亏损或可能被依 法宣告破产而对股票交易实行退市风险警示( 即冰s t ) 定义为财务困 境标志，而相应公司为财务困境公司。 二、国外研究回顾 一般认为财务困境的研究起源于财务报表分析，财务报表分析已 有上百年的历史，而对财务困境的正式研究兴起于1 9 世纪3 0 年代。 一般认为f i t z p a r t r i c k 于1 9 3 2 年进行的一项单变量的破产预测 研究是这方面最早的研究。他首创以1 9 对破产和非破产公司作为样 本，运用单个财务比率将样本划分为破产和非破产两组，发现判别能 力最高的是净利润股东权益和股东权益负债这两个比率。s m i t h a n dw i n a k o r 发现财务困境公司与持续经营公司的财务比率有很大的 差别，h i c k m a n 则研究了那些资产规模大、无力偿还固定债务的公司 的财务比率”1 。 在用财务比率进行破产研究方面b e a v e r 做了杰出的工作。他分 别选择了7 9 家1 9 5 4 1 9 6 4 年家失败企业和非失败企业，并根据行业 和资产规模对样本进行了分类，证明了财务指标具有明显的预测能力 幅。在这之后，他计算了四类1 4 个分财务比率，进行一元判别分析， 根据观察值的错分率大小，发现现金流总负债比率的预测效率最高， 负债比率其次。他还发现离失败日越近，误判率越低”3 。他开创了用 单一比率分析来判别财务困境的新局面，他的研究为多元判别分析打 下了基础。 随后a l t m a n 采用多元判别分析( m d a ) ，选取了1 9 4 6 年一1 9 6 5 年 间破产、资产规模相近的3 3 家困境公司和3 3 家非困境的制造业公司 作为样本，从2 2 个衡量企业变现能力、盈利能力、管理效率、偿还 能力、流动性5 个方面的财务比率中选取了营运资本总资产、留存 收益总资产、息税前收益总资产、股票市值负债账面价值和销售 收入总资产5 个指标来建立z - s c o r e 模型1 。随着商业环境的变化 和针对z - s c o r e 模型3 至5 年的预测准确性迅速降低和对大公司比较 有效等缺陷，a l t m a n ，h a l d e m a na n dn a r a y a n a n 的基础上于1 9 7 7 年 提出了适应性更广、准确度更高的z e t a 模型。该模型采用了7 个指 标作为揭示企业失败或成功的变量，这7 个指标是资产报酬率( r o a ) 、 盈利波动率( 用l o 年资产报酬率的标准差的倒数来度量) 、利息保障 倍数、盈利积累( 用留存收益总资产来度量) 、流动比率、资本化率( 用 五年的股票平均市场总长期资本来度量) 和规模( 用公司总资产来度 量) 。这7 个指标分别表示企业目前的赢利性、收益的保障、长期赢 利性、流动性和规模等特征。z e t a 模型在建立以来获得了广泛的应 用，成为最成功的财务信用评价模型之一。 b l u m 建立了一个帮助司法机构反托拉斯部门评估经营失败的破 产公司模型( f c m ) 。他将失败定义为到期不能偿还债务、进入破产程 序、和债权人签订合约以减少债务的行为。他分别采用了1 9 5 4 1 9 6 8 年间i 1 5 家破产企业和非破产企业作为配对样本。与大多数判别模型 不同，b l u m 采用了1 2 个与现金流有关的财务比率来衡量企业的流动 性、盈利性和变化。他认为破产前4 6 年内的数据对预测更有效。b l u m 的研究从理论、技术方面对1 9 6 9 年利用m d a 技术进行财务困境研究 做出了一定的贡献，同时建议采用其它的财务比率作为预测变量去尝 试“。 d e a k i n 在b e a v e r 和a l t m a n 研究基础上提出了一个经营失败判 别模型。他分别采用了3 2 家1 9 8 4 1 9 7 0 年间的破产公司与非破产公 司作为配对样本，重复了b e a v e r 的两分检验，发现使用现金流总负 债比例时模型的结果与b e a v e r 的研究结果非常相似。b e a v e r 认为在 破产前卜3 年内，净利润率与现金流总负债比率具有相同的预测准 确率，而d e a k i n 更偏向于采用现金流总负债比率“。 出于对b e a v e r ，a l t m a n 等学者的研究缺乏理论依据的考虑， w i l e o x 认为存在预测破产的更好指标，并试图建立一个理论模型来 更好的解释b e a v e r 的研究成果。w ii c o x 采用了传统的赌博者破产模 型来评估经营风险，重点是研究净现值( n l v ) 和引起该值波动的因素。 当流入 流出时，现金流增加，反之减少。结合现金流变量，w i l c o x 定义n l v ：可变现资产一负债。他认为他的方法在以下几方面要优于 b e a v e r 和a l t m a n 的模型：( 1 ) 他的模型不是用统计方法的单纯结果 展示，具有实际意义；( 2 ) 他的模型能得到长期的应用，而其它模型 中的财务比率会受到通货膨胀因素的影响：( 3 ) 从管理的角度来看， 他的模型具有理论基础“。 s c o t t 比较了以上学者的实证结果，很难得出哪个嫫型最优的结 论。但他认为多元模型优于单比率模型，在多元模型中，z e t a 模型 又是最优的“。此模型不但具有高分类能力，而且包括了衡量盈利、 负债等方面的财务数据，至今仍被3 0 家以上的金融机构所采用。 判别分析法的使用依赖于正态分布的假定，因此，当研究一些样 本不服从正态分布时，对应用判别分析法得到的结果就会持一种怀疑 的态度。为了消除这种假设的影响，研究无分布假定的方法显得非常 重要。 l o g i t 模型是采用一系列财务比率来预测企业发生财务危机的可 能性，然后根据银行、投资者的风险偏好程度设定阈阙值，以此对分 析对象进行决策。l o g i t 模型与多元判别分析法的本质区别在于前者 不要求满足正态分布，其模型采用l o g i s t i c 函数。由于l o g i s t i c 函数 不假定任何概率分布，在不满足正态分布的情况下其判别正确率高于 判别分析法，而在满足正态分布的假定时，二者等效或优于判别分析 法。 在使用l o g i t 模型进行财务预测方面比较著名1 9 8 0 年0 h l s o n 的研 究“。他的预测模型主要在以下三方面进行了改进：( 1 ) 采用了l o g i t 模型，而非之前普遍使用的m d a 模型；( 2 ) 为了减少采样偏差而舍弃 了配对采样法，改而采用随机采样；( 3 ) 在预测变量中引进了哑变 量。他的这一模型比之前的模型在对于公司破产可能性的预测能力和 稳健程度有了显著的提高。 m d a 和l o g i t 在科研和实践中广泛应用，成为早期财务危机预测的 标准方法。 进入9 0 年代后，随着科学技术的发展，西方的理论界及企业界 对上述的线性方法提出了质疑，因为它们的有效性依赖于严格的假设 条件，如变量的多元正态分布、独立性及等协方差矩阵等。只有当这 些假设条件得到满足，这些方法才有很好的效果。而近年来兴起的人 工神经网络( a n n ) 解决了统计中要求数据服从一定的分布和许多变量 间存在共线性的难题，它并不要求变量线性独立。即使是不连续和不 完整的信息也能被采用，将它用于困境公司分析的模式识别具有较好 的效果。0 d o u ra n ds h a r d a 用b p 神经网络预测了财务困境。他们的 模型要优于当时的判别分析模型，能更好的解决分类问题“。c o a t a n df a n t 运用神经网络技术学习审计专家的结论来判别财务困境。 他们选取了由审计师判定的1 9 7 1 - 1 9 9 0 年9 4 家持续经营的公司和1 8 8 家财务状况变动较大的公司，并采用a l t m a n 的z 值模型中5 个财务 比率分析了这些公司在破产前3 年内的数据。c o a t sa n df a n t 认为z 值模型对破产当年具有很好的判断效果，但不具有很好的提前预测效 果，神经网络模型则解决了此问题“。a l t m a n 等以意大利工业企业 为样本，比较了神经网络方法与线性判别方法，发现有时神经网络方 法要优于线性判别方法，但由于神经网络有时过度训练产生了不合理 的权重，从总体上看线性判别方法要优于神经网络方法。l e e 等就 韩国的财务数据比较了多层神经网络方法和m d a 方法，发现在预测破 产问题上神经网络方法的预测效果和适应性均优于m d a 方法。j a i n a n dn a g 将神经网络模型与l o g i t 模型相比较，发现神经网络模型在 区分两类问题上比统计模型更可靠。l u t h e r 将采用遗传算法的神经 网络模型与l o g i t 回归模型，结果证明神经网络的预测准确率远高于 l o g i t 模型”“。 当前，用人工神经网络对财务危机进行预测仍是热点问题，许多 主要的商业银行建立了起基于人工神经网络的贷款违约预测产品，如 穆迪公司的公众企业风险模型。 三、国内研究回顾 我国学者对财务困境的研究基本是从9 0 年代的评述性介绍开始 的，如刘淑莲和王连山介绍了纽约大学a l t m a n 教授的z - s c o r e 模型和 芝加哥大学b e a v e r 教授的单变量模型”“。陈静1 9 9 9 年以上市公司年报 数据分别建立了单变量判别模型和多元线性判别模型，在单变量判定 别模型中，发现流动比率与负债比率的误判率最低；并由负债比率、 挣资产收益率、流动比率、营运资本总资产、总资产周转率等6 个指 标构建的多元线性判别模型总体判别正确率为9 2 6 ”“。宋秋萍于 2 0 0 0 年直接采用美国a l t m a n 的z 一计分模型对中国6 家公司进行了预 测分析。“，陈晓、陈治鸿采用s t 和非s t 公司财务救据运用l o g i t 模型 对上市公司进行了预测，判别准确率8 6 5 雎“。高培业、张道奎采用 线性判别模型和p r o b i t 模型对我国深圳上市公司进行了财务困境预 测比，但仅仅只采用了一年的财务数据，而且样本分类仅限于制造业 和非制造业。张玲应用上市公司数据得出了一个多元判别分析模型 7 2 “。杨淑娥采用主成分分析法，选取了1 9 9 9 年$ 口2 0 0 0 年共6 7 家s t 公司， 建立了y 一分数模型，在2 0 0 5 年用同样的数据从企业的短期偿债能力、 长期偿债能力、盈利能力、资产管理能力、主营业务鲜明程度、公司 增长能力等6 个方面的1 5 个备选财务指标中选取了流动比率、产权比 率、现金比率、盈利现金比率、总资产报酬率、净资产收益率、总资 产周转率、主营业务鲜明率、净利润增长率、累积盈利能力1 0 个指标 采用b p 人工神经网络建立了预测模型。“”1 。吴世农、卢贤义以7 0 家s t 和7 0 家非s t 上市公司作为样本，采用盈利增长指数、资产报酬率、流 动比率、长期负债股东权益、营运资本总资产、资产周转率等6 个 财务指标，比较了多元判别分析、线性概率模型和l o g i s t i c 模型的预 测效果，发现l o g i s t i c 模型的预测能力最强。“。马喜德选取了1 9 9 8 2 0 0 3 年间1 0 8 家s t 公司作为财务困境公司样本，速动比率、营运资本 流动资产、利息保障倍数、总资产周转率、净利润主营业务收入、 净利润流动资产、主营业务利润利润总额作为模型指标，采用b p 人工神经网络方法进行了我国上市公司财务困境预测模型的研究，前 三年可以达到8 7 的预测能力口。 四、小结 综上所述，自上世纪六十年代末，定量技术开始被引入到财务困 境预测研究中。几十年来，许多学者就此问题采用统计、人工智能等 方法进行了研究，取得了丰富的成果。而我国学者自九十年代也开始 了这方面的研究，取得了不少成果，但到目前为止，研究者对于数据 的采集、指标的选取、方法的使用以及最终模型的检验上尚有许多分 歧，另外大部分研究结果由于缺乏实际应用，需要实践的进一步检验。 第二章财务困境的研究方法 在财务困境研究领域，从以往研究来看，研究者一般