（会计学专业论文）基于现金流量的我国房地产上市公司财务风险预警研究.pdf

摘要 摘要 我国房地产行业自1 9 9 6 年开始进入持续稳定发展局面。在房地产行业高利润的 驱动下，各类资金涌入房地产行业，出现了“外行搞房地产、外来人搞房地产、外 来资金搞房地产”的“三外”现象。海尔、美的等多家传统主业非房地产的大型企 业纷纷加入到房地产行业的淘金队伍中来。在各房地产商的炒作下，各地“地王” 频现，房价节节攀升。为了规范混乱的房地产市场，国资委于2 0 1 0 年3 月1 8 日要 求7 8 家非房地产主业的央企退出房地产领域。这对于稳定经济发展，控制房地产金 融风险有着重要的作用。 房地产作为我国国民经济的重要支柱产业之一，其重要性不言而喻。作为一个 产业关联度强的行业，其所带动的上下游相关产业链相当长。房地产业具有高风险， 一旦企业发生财务风险，将会对整个国民经济的稳定造成重创。因此，对房地产企 业进行财务风险预警具有极其重要的意义。而近几年，在我国财务风险预警研究的 带动下，对于房地产财务风险预警的研究也正有所发展，但是基于现金流量指标的 研究则较少。本文基于这种需求，以房地产上市公司为研究对象，利用神经网络模 型来构建一个适用于我国房地产企业的财务风险预警模型，并对完善房地产企业财 务风险控制提出建议。 本文首先对国内外现有的研究进行了相关文献的梳理和述评，在此基础上形成 了本文的研究思路及研究框架。接着对风险、财务风险、现金流量、财务风险预警 的定义进行了界定，进一步介绍了财务风险预警的理论基础。第三章对我国房地产 行业的发展现状进行了描述，介绍了我国房地产上市公司所面临的财务风险来源以 及建立房地产上市公司预警模型的重要性。第四章结合我国房地产上市公司的特点， 建立了一个基于现金流量的我国房地产上市公司财务风险预警指标体系，对神经网 络模型进行介绍并根据建立的指标体系构建了一个基于b p 神经网络的财务风险预 警模型。第五章根据已构建的财务风险预警模型，展开了模型的实证分析过程，主 要包括使用因子分析法对1 0 3 个房地产上市公司的1 6 个指标进行变量维度的缩减， 得到六个主因子并根据其特点赋予相应的经济意义。使用其中的6 l 家企业对神经网 络模型进行训练，并使用剩余的4 2 家企业对训练完毕的模型有效性进行验证并证实 广东工业大学硕士学位论文 了该模型具有较高的预测准确性。第六章在研究的基础上提出了建立有效的财务风 险预警模型、并对完善我国房地产上市公司风险控制提出了相关建议。最后是对本 文的总结及展望。 关键词：房地产；上市公司；财务风险预警；b p 神经网络 a b s t r a c t a b s t r a c t s i n c e19 9 6 ，t h ed e v e l o p m e n to fr e a le s t a t ei nc h i n ah a sb e e ni nac o n t i n u e da n d s t e a d yp e r i o d t y p e so ff u n d sa r ei n t or e a le s t a t eu n d e rt h ed r i v i n gf o r c eo fh i g hp r o f i t s t h e r ea r et h e “3p h e n o m e n o n ：l a yp e o p l ei nr e a le s t a t e ，o u t s i d e r si nr e a le s t a t e ，a n d e x t e r n a lf u n d i n gi nr e a le s t a t e s u c ha sh a l e r , m i d e aa n ds oo n ，w h i c ha r e n o n - t r a d i t i o n a ll a r g er e a le s t a t ee n t e r p r i s e sj o i ni nt h er e a le s t a t em a r k e t t h e s p e c u l a t i o no fr e a le s t a t eb yd e v e l o p e r sl e a d st o “k i n go ft h el a n d ”a p p e a r se v e r y w h e r e ， a n dt h eh o u s ep r i c e sc l i m b i n gh i g h e ra n dh i g h e r s a s a cr e q u i r e m e n t s7 8c e n t r a l e n t e r p r i s e s ，w h o s ep r i n c i p a la c t i v i t i e sa r en o tr e a le s t a t et oq u i tt h er e a le s t a t ef i e l do n m a r c h18 ，2 010 ，f o rr e g u l a t i n gt h er e a le s t a t em a r k e t a n dt h i si n i t i a t i v em a k e sa g r e a t c o n t r i b u t i o nt os t a b i l i z et h ee c o n o m ya n dc o n t r o lt h ef i n a n c i a lr i s k so fr e a le s t a t e o n eo ft h ep i l l a ri n d u s t r i e so ft h en a t i o n a le c o n o m y , r e a le s t a t eh a sa g r e a t i m p o r t a n c et o0 1 1 1 1 c o u n l r y a n da sa ni n d u s t r yw h i c hh a sas t r o n gi n d u s t r ya s s o c i a t i o n ，i t d r i v e sq u i t ea l o n g - c h a i ni nr e l a t e di n d u s t r i e s r e a le s t a t eh a sah i g hr i s l 【，a n dt h er i s k m a yh i tt h en a t i o n a le c o n o m yi ft h ee n t e r p r i s e sc r i s i s s oi th a sai m p o r t a n ts i g n i f i c a n c e t og i v eaw a r n i n gt ot h ef i r m n e eo fr e a le s t a t ee n t e r p r i s e s d u r i n gt h ep a s ty e a r s ，t h e s t u d y t of i n a n c ew a r n i n go fr e a le s t a t ee n t e r p r i s e sh a sd e v e l o p e du n d e rt h ed r i v i n go f t h es t u d yo ff i n a n c er i s kw a r n i n gi no u r c o u n t r y h o w e v e r , t h e r ea l ef e ws t u d i e sb a s e do n c a s hf l o wi n d i c a t o r s s oi nt h i sp a p e r , w em a k ea s t u d yo nt h er e a le s t a t el i s t e d c o m p a n i e s ，a n dm a k ea c o n s t r u c t i o no fm o d e lo ff i n a n c er i s kw a r n i n gu s i n gn e u r a l n e t w o r km o d e l ，w h i c hi sf o r t h er e a le s t a t ec o m p a n i e so fo u rc o u n t r y b e s i d e s ，w ea l s o m a k ear e c o m m e n d a t i o nt op e r f e c tt h ef i n a n c er i s kc o n t r o lo ft h er e a le s t a t ec o m p a n i e s f i r s t l y , t h es t u d i e sa th o m ea n da b r o a da r er e v i e w e d o nt h eb a s eo ft h i s ，t h e r e s e a r c hi d e a sa n df r a m e w o r ka r ef o r m a t t e d s e c o n d l y , w ei n t r o d u c et h ed e f i n i t i o no f r i s k ，f i n a n c er i s k ，c a s hf l o w , a n dw a r n i n go ff i n a n c er i s k , a n dt h et h e o r yo fw a r n i n go f f i n a n c er i s k i nc h a p t e r3 ，t h ed e v e l o p m e n to fr e a le s t a t ei no u rc o u n t r yw i l lb e i n t r o d u c e d ，a n dt h es o u r c eo ff i n a n c er i s ka n dt h ei m p o r t a n c eo fs t u d y i n gw a r n i n go f f i n a n c er i s kw i l lb ed i s c u s s e d i nc h a p t e r4 ，af i n a n c er i s kw a r n i n gi n d i c a t o r s y s t e mi s b u i l t ，w h i c hi sb a s e do nt h ec a s hf l o wo fr e a le s t a t ec o m p a n i e s t h en e u r a ln e t w o r k 广东工业大学硕士学位论文 m o d e lw i l ib ei n t r o d u c e d ，a n daf i n a n c er i s kd i s t r e s sm o d e lb a s e do nb fn e u r a ln e t w o r k w i l lb ep r e s e n t e d i nc h a p t e r5 ，w em a k eac a s es t u d yb a s e do nt h em o d e lb u i l ti n c h a p t e r4 ，i n c l u d i n gr e d u c eo f 16i n d i c a t o r so f10 3r e a le s t a t ec o m p a n i e sb yf a c t o r s a n a l y s i s ，a n dg e t t i n g6m a i ni n d i c a t o r sw h i c hw i l lb eg i v e ne c o n o m i cs i g n i f i c a n c e s 6 1 c o m p a n i e sw i l lb eu s e df o rn e u r a ln e t w o r km o d e lt r a i n i n g ，a n dt h er e m a i n i n g4 2 c o m p a n i e sw i l lb eu s e df o rm o d e la u t h e n t i c a t i o n t h er e s u l t ss h o w t h a tt h em o d e lh a sa h i g hp r e c i s i o n t h ec o n c l u s i o ni sa c q u i r e db ye m p i r i c a lp r o c e s sa n dt h er e s u l t sa n a l y s i s i nc h a p t e r6 ，t h ee f f e c t i v ef i n a n c er i s kw a r n i n gm o d e li sp r e s e n t e d ，a n dw ea l s om a k e r e c o m m e n d a t i o n sf o rr i s kc o n t r o lo fr e a le s t a t ec o m p a n i e si no u rc o u n t r y f i n a l l y , t h e s u m m a r ya n do u t l o o ko ft h i sp a p e ra r ep r e s e n t e d k e yw o r d s ：r e a le s t a t e ；l i s t e dc o m p a n i e s ；f i n a n c er i s kw a r n i n g ；b pn e u r a ln e t w o r k l v 广东工业大擘硕士学位论文 c o n t e n t s a b s t r a c t ( c h i n 姻e ) i a b s t r a c t ( e n g l i s h ) i i i c h a p t e r li n t r o d u c t i o n 1 1 1b a c k g r o u n do f t h er e s e a r c h l 1 2o b j e c t i v ea n ds i g n i f i c a n c eo f t h er e s e a r c h 1 1 3l i t e r a t u r er e v i e w 3 1 3 1c u r r e n tr e s e a r c hi nr e l a t i v ef i e l d so v e r s e a s ：4 1 3 2c u r r e n tr e s e a r c hi nr e l a t i v ef i e l d sd o m e s t i c 一7 1 3 3c o m m e n to nt h er e l a t i v er e s e a r c h 1l 1 4t h er e s e a r c hc o n t e n ta n ds t r u c t u r eo f t h et h e s i s 1 2 1 4 1n er e s e a r c hc o n t e n to ft h en 商s 12 1 4 2t h er e s e a r c hs t r u c t u r eo f t h et h e s i s 一1 2 c h a p t e r 2t h er e l a t i v ec o n c e p ta n dt h e o r yo ff i n a n c ed i s t r e s s 1 4 2 i d e f i n i t i o no f r e l a t i v ec o n c e p to n 雕s ka n df i n a n c em s k 1 4 2 1 1i t j s k 1 4 2 1 2f i n a n c er i s k 15 2 2 t h er e l a t i v ec o n c e p to fc a s hf l o wa n dt h eb a s i ct h e o r yo ff i n a n c ei 垃s kd i s t r e s s 一19 2 2 1c a s hf l o w 19 2 2 2f i n a n c er i s kd i s t r e s s 21 2 2 37 i 。h eb a s i ct h e o r yo ff i n a n c er i s kd i s t r e s s 2 2 2 3s u m m a r yo ft m sc h a r p t e r 2 3 c h a p t e r 3 t h ec u r r e n ts i t u a t i o no fr e a le s t a t el i s t e dc o m p a n i e si nc h i n a 2 4 3 17 i h ：b a s i cf e a t u r e so f r e a le s t a t ei nc h i n a 2 4 3 27 i h ec u r r e n ts i t u a t i o no fr e a le s t a t ei nc h i n a 2 5 3 2 1 i 。h er a p i dd e v e l o p m e n to fr e a le s t a t ei nc h i n a 2 5 3 2 2h i g l ld e g r e eo ff i n a n c i a ld e p e n d e n c e 2 6 3 2 3h i g h l i g h t so ff i n a n c er i s k 2 6 3 3 t h em a i nr i s ko f r e a le s t a t el i s t e dc o m p a n i e si nc h i n a 2 6 3 ：；1e x t e r n a lr i s k ：1 6 3 3 2i n t e r n a lr i s k 2 8 3 4s u m m a r yo ft h i sc h a r p t e r 3 0 v l c o n t e n t s c h a p t e r 4t h ec o n s t r u c t i o no fr e a le s t a t el i s t e dc o m p a n i e sf i n a n c er i s kd i s t r e s s m o d e l 31 4 1t h es e l e c t i n go ff i n a n c el u s ki n d e xo nr e a le s t a t el i s t e dc o m p a n i e si nc h i n a 。31 4 1 1t h es e l e c t i n gp r i n c i p l e so fc a s hf l o wf i n a n c ei n d e x 31 4 1 2c o n s t r u c t i o no fc a s hf l o wf i n a n c ei n d e xs y s t e m s 31 4 2 t h f ：c o n s t r u c t i o no fb pn e u r a ln e t w o r k 3 3 4 2 1 】 h es e l e c t i n go fw a r n i n gm e t h o d s 3 3 4 2 2t h ea d v a n t a g e so fb pn e u r a ln e t w o r k 3 4 4 2 3a l g o r i t h mo fb pn e u r a ln e t w o r k 3 4 4 3s u m m a r yo f t m sc h a r p t e r 3 8 c h a p t e r 5e m p i r i c a ls t u d y0 1 1f i n a n c er i s kd i s t r e 船m o d e lo fl i s t e dr e a le s t a t e c o m p a n i e s i nc h i n a ：1 9 5 1c o l l e c t i o na n dt r e a t m e n to ft h es a m p l e 3 9 5 1 1c o l l e c t i o no f t h el i s t e dr e a le s t a t ec o m p a n i e ss a m p l ei nc h i n a 3 9 5 1 2n 圮t r e a t m e n to fc a s hf l o wc a s hf l o wf i n a n c er i s kd i s t r e s si n d e xo nt h el i s t e d r e a le s t a t ec o m p a n i e si nc h i n a 3 9 5 2 e m p i r i c a la n a n l y s i so f r e a le s t a t el i s t e dc o m p a n i e sf i n a n c em s kd i s t r e s sm o d e li n c h i n a 4 3 5 2 1 d e f i n i t i o no f t h es t r u c t u r eo f t h em o d e l 4 3 5 2 2 t h et r a i n i n go fm o d e l 4 3 5 2 3 i h ee x a m i n a t i o no f m o d e l 4 5 5 3 c o n c l u s i o no f t h ee m p i r i c a la n a n l y s i s 4 5 5 4s u m m a r yo f t h i sc h a r p t e r 4 6 c h a p t e r 6p r o p o s a lo fi m p r o v i n gt h ef i n a n c e 飚kc o n t r o l l i n go nc a s hf l o wo ft h e l i s t e dr e a le s t a t ec o m p a n i e si nc h i n a 1 7 6 1c o n s r t u c tm a n a g e m e n ti n f o r m a t i o ns y s t e mo nt h ec o r eo fc a s hf l o wm a n a g e m e n t 4 7 6 2 k e e pr e a s o n a b l eo r g a n i z a t i o n a ls 仃u c t n l eo fc a s hf l o w 4 7 6 3 i n c r e a s eb u s i n e s sa c t i v i t i e sc a s hf l o wo ft h el i s t e dr e a le s t a t ec o m p a n i e si nc h i n a 4 8 6 4 k e e pt h eb a l a n c eo f t h el i s t e dr e a le s t a t ec o m p a n i e sc a s h f l o wi nc h i n a 4 8 6 5 i m p r o v et h ec a p i t a lo p e r a t i o ne f f i c i e n c yo ft h el i s t e dr e a le s t a t ec o m p a n i e si n c h i n a 4 9 6 6 m a k eas c i e n t i 】j cd e c i s i o n 4 9 广东工业大学项士学位论文 6 7s u m m a r yo ft h i sc 脚t c r 5 0 s u m m a r y a n do u t l o o k 51 r e f e r e n c e s 一5 3 p u b l i s h e dp a p e r sd u r i n gt h ea c a d e m i cf o rd e g r e e 5 6 d e c l a r a t i o no fo r i g i n a l i t y 5 7 d e c l a r a t i o no fd e g r e et h e s i sc o p y r i g h ta u t h o r i z e dt ou s e 5 7 a c k n o w l e d g e m e n t s 5 8 a p p e n d i x 5 9 x 第一章绪论 1 1 研究背景 第一章绪论 美国次贷危机给世界经济造成了巨大的影响，而美国陷入危机的公司出现财务 困境的一个基础性原因，是公司内部的治理结构没有发挥有效的作用。董事会治理 功能的发挥存在偏颇，即公司董事会的风险控制功能被其战略功能所压制，业务扩 张的活动超过对风险的警惕。 在我国经济中，房地产已成为我国国民经济的支柱产业之一，也是一个产业关 联度很强的行业，带动着很长的上下游产业。高风险的房地产业一旦发生财务风险， 将会给整个国民经济的稳定带来重创。因此对房地产行业的风险研究和控制显得至 关重要，有助于稳定我国的国民经济。 现金作为一种稀缺资源，对企业的生存与发展有着重大的影响。现金流量分析 可以更准确的反映企业财务和融资状况质量与经营成果水平。企业的现金流量状况 和现金流量所包含的丰富的信息，越来越受到企业和广大投资者的重视。现金流量 分析越来越多地被运用到分析企业的偿债能力、支付能力、盈利能力等方面。企业 的现金流量能够更加客观有效地反映企业的财务状况，因此本文用现金流量来预测 企业的财务风险具有一定的必然性。 1 2 研究目的和意义 当前我国对于房地产企业的财务风险预警研究已经有了初步进展，但是很多现 有研究在样本选取，指标体系构建及采用的分析方法都存在一定的缺陷，缺乏一个 完善的科学合理的财务风险预警体系。本文将在前人的研究基础上，针对房地产行 业的特点，力求研究出一个适用于我国房地产上市公司的财务风险预警。 本文的选题不管是在理论上还是在实际上都具有现实意义： 在理论方面，与国外相比，我国的财务风险预警研究起步较晚，理论基础薄弱。 虽然目前国外亦有许多成熟的财务风险预警模型，但由于国内外经济状况、政策法 规、金融市场等多种因素都不尽相同，国外的有效模型不一定适用于我国国情。因 l 广东工业大学硕士学位论文 此，研究我国企业的财务风险控制状况，必须从我国企业财务数据中提取特征指标 建立相应的财务风险预警模型，才能对我国企业的财务风险状况做出更为准确的预 测。虽然我国的相关学者在财务风险管理方面已进行了较多的研究并形成了丰富的 研究成果，对于房地产行业也做过一定的研究，但是他们大都在研究方法的选择上 具有一定的局限性，且较少重视现金流量指标。本文在对国内外财务风险预警研究 的发展做一个系统的梳理和全面的归纳的基础上，对房地产行业的发展及风险预警 现状进行研究，基于现金流量使用神经网络法构建适用于我国房地产上市公司的财 务风险预警模型，对于丰富和完善现有财务风险预警的研究具有重要的理论意义。 在实际应用上，建立一个有效的财务风险预警体系，对于房地产上市公司的各 个利益相关者包括债权人、股东以及上市公司的管理者当局来说，都有着重要的意 义： 1 对于房地产上市公司的债权人而言，财务预警系统有助于为其是否为企业提 供贷款做出参考，以减少坏账损失。 2 对房地产企业股东而言，财务预警系统能起到投资引导作用。财务预警系统 有助于使会计信息的使用者更加透彻的了解一个企业的财务状况。借助于上市公司 的财务预警系统，机构投资者可以很容易地评判出不同企业经营状况之间的优劣情 况，为他们的最终决策提供帮助。 3 对上市公司经营者而言，财务预警系统能有效提高企业的经营管理水平。有 效的财务危机预测系统能够使管理者当局在企业陷入危机前，能够发现问题，分析 问题，解决问题，采取及时的预警性措施，制定解决问题的方案，最大限度的避免 或减少财务危机发生的可能性，保证上市公司健康稳步的发展。其作用主要表现在： ( 1 ) 有利于企业加强风险管理，防范经营风险。财务危机的形成是一个渐进 的过程，在萌芽阶段总是会发生某些局部的问题或困难，在财务上表现为个别及相 关指标的异常。企业财务困境不但有先兆，而且是可预测的。通过预警系统的建立， 为企业提供真实的预警资讯，有助于企业及时发现经营风险和财务风险，帮助企业 及时发现问题，将财务危机消灭在萌芽中。 ( 2 ) 有利于企业提升竞争力，使之可持续发展。企业财务预警系统能从财务 的角度出发，发现经营中的问题，并找出产生问题的原因，提出解决问题的方法。 而且企业财务预警系统是一个综合系统，是对企业经营状况全面综合的反映，这样 有利于抓住主要矛盾，采取有针对性的措施，提升企业的综合竞争力。 2 第一章绪论 ( 3 ) 有利于实现企业的经营管理目标。房地产业上市公司是以营利为目的的 经济组织，它们的根本目标就是以最小的成本获得企业经营活动的最大利润，也即 股东财富最大化是企业的出发点和归宿。从企业成立的那天起就面临激烈的市场竞 争，始终存在生存、发展、成熟、高峰、萎缩和倒闭这样一个循环过程，可以看出 企业必须首先生存下去才有可能获利，才能避免企业萎缩和倒闭，而在生存的挣扎 中风险是随时可能出现的；同时它的发展又取决于现在和将来的收益，然而企业的 利润与风险是共存的，利润越大，风险越大，利润的增长是以风险的增大为代价的， 而风险的增加将会直接威胁到企业的生存。企业的价值只有在收益和风险均衡时达 到最大。所以说房地产业上市公司的财务管理人员应以企业价值最大化为企业财务 管理的整体目标，正确权衡风险和收益之间的关系，事先通过所面对的各种财务风 险的科学预测，选择出最佳j x l 险管理技术组合( 财务预警系统) ，从而达到减少和消 除财务风险损害成本，提高经营效益，使企业价值达到最大化。所以建立风险预警 系统有利于实现企业整体目标。 4 对其他相关主体而言，财务预警系统能为其的履职提供帮助。如供应商要决 定是否与企业建立长期的合作关系，需要分析企业的长期盈利能力与偿债能力，要 制定对企业的信用政策，需要分析企业的短期偿债能力；政府旅行政府职能，需要 了解企业的纳税情况、遵守政府法规与市场秩序的情况；注册会计师为减少审计风 险，需要评估企业的营利性与破产风险，为确定审计重点，需要分析财务数据的异 常变动等。 1 3 文献综述 财务风险研究是随着证券市场的发展而产生和不断发展的。国外证券市场经历 了上百年的发展，由于利益相关者对财务危机预测信息需求的推动，财务预警实证 研究不断创新和发展，形成了成熟的理论，主要包括两大类预警方法：统计类和非 统计类。统计类的方法主要包括单因素判别法、多元线性判别法、多元逻辑回归方 法等，非统计方法主要有模拟类预测方法( 如神经网络模型) 、案例分析法、自我诊 断法等。而在我国，证券市场只经历了短短的几十年，财务预警实证研究也才刚刚 起步。 3 广东工亚大擘项士学住论文 1 3 1 国外研究动态 国外对财务危机预警的研究较早，最初，人们只是对企业破产进行定性分析， 随着数学及统计学的发展，定量分析逐渐发展并不断完善。国外财务危机预警领域 主要有以下研究成果： 1 3 1 1 单变量模型 f i t zp a t r i c k ( 1 9 3 2 ) 以1 9 家公司为样本，运用单个财务比率将样本划分为破 产和非破产两组进行研究，发现净利润股东权益和股东权益负债对财务危机的判 别能力最高，在经营失败前三年这两个比率就呈现出显著差异，自此开创了财务危 机预警实证研究的先河。美国学者s e c r i s t ( 1 9 3 8 ) 利用资产负债比来比较倒闭银 行与正常银行的差异。这些早期研究仅仅是属于描述性分析( p r o f i l eh n a l y s i s ) 范畴。在随后的三十年中，财务危机预测技术并没有较大发展，相关文献极少。 美国的b e a v e r ( 1 9 6 6 ) 对1 9 5 4 - 1 9 6 4 年间7 9 家失败企业和相对应的7 9 家成功企 业的3 0 个财务比率进行一元判定分析，采用的研究方法包括三种：均值比较、划分 测试和似然分析。在排除行业因素和公司资产规模因素的前提下，b e a v e r 的研究表 明，下列财务比率对预测财务失败是有效的：现金流量债务总额，净收益资产总 额( 资产收益率) ，债务总额资产总额( 资产负债率) ，其中现金流量债务总额指 标，表现最好，该指标在失败前一年至五年预测的准确率分别为8 7 、7 9 、7 7 、 7 6 和7 8 ，大大高于随机预测模型，但是总体而言，该指标用于分辨非失败企业的 准确率高于分辨经营失败企业，这在一定程度上影响了模型的实用性乜1 。 为了克服b e a v e r 模型的缺陷，其他的单变量模型如资产负债分解模型( b a l a n c e s h e e td e c o m p o s i t i o n t o d e l ) 、赌徒理论( g a m b l e r sr u i n ) 等应运而生，资产负 债分解模型强调企业外部环境的不稳定性导致企业破产前资产负债结构( 如流动资 产与固定资产的比率) 发生显著变化。赌徒理论则关注破产前企业连续地出现负现 金流的现象。但是，各种单变量模型均存在无法全面地反映企业财务特征的缺陷。 1 - 3 1 2 多元线性判别模型 自2 0 世纪6 0 年代以来，国际上的许多著名学者就已经对企业财务风险的预警 模型进行了大量的深入研究，其中最为有名的就是纽约大学的爱德华阿尔曼教授 ( e d w a r dh l t m a n ) ( 1 9 6 8 ) 首次将多元线性判别方法( m d a ) 引入到财务困境预测， 4 第一章绪论 在该领域具有里程碑意义。该模型就是爱德华阿尔曼在经过大量的实证考察和分 析研究的基础上提出的z 分数模型。z 分数模型是采用多元线性函数的模式，运用 五种财务比率，进行加权汇总产生的总判别分( 及z 的数值) ，来对企业的财务状况 进行预测的一种模型，初步实现了经济学家关于财务预警的梦想。h l t m a n 对 1 9 4 6 - 1 9 6 5 年问提出破产申请的3 3 家公司和同样数量的非破产公司进行了研究，从 2 2 个财务比率中筛选出的5 个主要财务指标，通过多元判别模型产生了一个总的判 别式：z ：o 1 2 x l + o 0 1 4 7 x 2 + 0 0 3 3 x 3 + 0 0 0 6 x 4 + 0 9 9 8x 5 。其中，x l 是营运资本 总资产，x 2 是盈余留存总资产，x 3 是息税前利润总资产，x 4 是股票市值债务的 账面价值，x 5 是销售收入总资产。根据z 值，以确定的临界值对研究对象进行财 务危机判别。z 值在1 8 l 以下( 包括负值) 的公司往往都会破产，而z 值在2 9 9 以上的公司则可以健康发展，z 值在1 8 1 - 2 9 9 之间的属于灰色区域，不易判定其 财务变化趋势，即z 值越小，公司发生财务危机的可能性就越大。研究表明：息税 前利润总资产、销售收入总资产和股票市值债务的账面价值三个财务指标预测能 力比较强，模型的预测精度高达9 4 。z 分数模型从企业的资产规模，折现能力、获 利能力、财务结构、偿债能力、资产利用效率等方面综合分析预测企业的财务状况， 进一步推动了财务预警的发展。g r i c e 和i n g r a i n 的研究表明，尽管h l t m a n 的z 模 型的预测精度近年来有所下降，但是该模型在预测财务困境和破产方面仍然起作用。 此后，有许多学者采用类似的方法进行研究，对模型加以改造，只是选取的变量指 标或指标系数不同而已口1 。 h lt m a n ，h a l d e m a n n a r a y a n a n ( 1 9 7 7 ) 又提出了一种能更准确预测企业财务 失败的新模型z e t a 模型，它包括了经营收益总资产、收益稳定性、利息保障 倍数、留存收益总资产、流动比率、普通股权益总资本和普通股权益总资产这7 项比率，作者分析了1 9 6 9 1 9 7 5 年的5 3 家破产企业和5 8 家非破产企业，结果表明 z e t a 模型用于预测五年和一年之后的财务困境企业精度分别为7 0 和9 1 ，而且对 相同样本的比较分析表明，z e t a 模型明显优于1 9 6 8 年有h l t m a n 本人发明的z 计分 模型。s i n k e y ，t e r z a 和d i n c e 对银行财务风险的实证研究表明，z e t a 模型的预测 精度为7 5 左右，由于银行的财务数据不能准确反映市场价值，许多银行经营失败 的案例均涉及犯罪行为，银行宣布停止偿付的有关法律规定导致z e t a 模型的预测精 度下降1 。 其他研究还包括：r a m a n 运用逐步判别分析法对证券评级中会计指标的预测能 5 广东工业大学项士学位论文 力进行研究，发现经营活动中的清偿能力是主要判别因素，并建议在财务报告中有 必要将经营业务和资本业务分开。b a r t c z a k 分析了2 9 0 家