1、 1 毕业论文文献综述 会计学 财务危机预警体系的构建 财务预警体系是指以公司信息化为基础，运用财务指标和非财务指标，并以此为核心组成的信息反馈网络，以加强财务监控和控制，从而确保生产经营良性循环运作的管理体系。财务预警体系的建立能防范和化解风险，避免损失发生，保护广大投资者的利益。近年来，随着不少上市公司出现财务危机的状况，学术界对财务危机预警体系的研究逐渐成为热点。 1 财务危机定义的研究综述 财务危机（ Financial Distress）又译为 “ 财务困境 ” 或 “ 财务困难 ” ，但财务危机的定义在国内外学术研究领 域中还缺乏一个明确的判断标准，学术界有不同的观点。 1.1 国
2、外对财务危机定义的研究综述 Wi11ian Beavor（ 1966）认为财务危机包括破产、拖欠优先股股利、拖欠债务等。他以 59 家破产公司、 16 家拖欠优先股股利公司和 3 家拖欠债务的公司为研究对象。 Altman（ 1968）等人认为进入法定破产的企业是财务危机企业。 Deakin（ 1972）认为财务危机包括无偿债能力、倒闭或者为了债权人利益而清算。 Carmiehae1（ 1972）认为财务危机是企业履行义务时受阻，具体表现为流动性不足、权益不足、债务 拖欠及流动资金不足四种形式。 Foster（ 1986）认为财务危机是 “ 除非对经济实体的经营或结构实行大规模重组否则就无法解
3、决严重变现问题 ” 。 Ross（ 2000）等人从四个方面概括了企业财务危机：（ l）技术失败，即企业无法按期履行债务合约；（ 2）会计失败，即企业账面净资产出现负数，资不抵债；（ 3）企业失败，即企业清算后仍无力偿付到期债务；（ 4）法定破产，即企业或者债权人由于债务人无法到期履行债务合同，并成持续状态时，向法院申请破产。 由此可见，国外关于财务危机的定义有很多，主要有四种：已经破产的企2 业；进入破 产程序的企业；无力还本付息的企业；资不抵债的企业。但较为公认的是把财务危机定义为企业偿付能力的丧失，即丧失偿还到期债务的能力。这就使得财务危机具有可观测性，又包含了更宽的内涵。 1.2 国内
4、对财务危机定义的研究综述 仝玲认为财务危机是指企业无力支付到期债务与费用的一种经济现象，包括资金管理技术性失败导致破产，前者是财务危机的一种现象和根本原因，后者是财务危机的极端形式。 陈晓认为，将 “ 特别处理 ” （ ST 公司）界定为发生了财务困境，其理由：（ l）“ 特别处理 ” 有很高的度量性，（ 2）从现实看，要摆脱 “ 特别处理 ” 一 般 需要通过大规模的资产重组，可见特别处理在一定程度上反映了企业的财务危机。 高民杰、袁兴林总结归纳多名学者的观点认为，常见的财务危机定义如下：（ 1）净值为负、现金流量为负、当年度运营资金为负、破产前三年有营运损失、负的净利、负的保留盈余；（ 2
5、）目前现金净流量不足以支付目前的债务；（ 3）公司资产不足以应付目前与未来的债务；（ 4）违约公司，既没有能力偿付债务和利息的公司；（ 5）正在进行债务重组的公司。 对我国上市公司财务危机的界定，国内学者主要是依据证监会定义 “ 特别处理 ” （ ST）企业的前两条标准，即出现下列情况之 一的企业 ： 最近两个会计年度的审结果显示的净利润均为负值；最近一个会计年度的审计结果显示其股东权益低于注册资本，即每股净资产低于股票面值。 2 财务危机预警体系的研究综述 “ 财务危机预警体系 ” 起源于 20 世纪初，当时主要集中在宏观经济监测领域，对微观领域即企业预警管理的研究始于 20 世纪 80 年
6、代中期美国企业的危机管理和策略震撼管理研究。而对财务危机预警的研究可以追溯到 20 世纪 30年代，其研究主要集中在财务预警模型的构建，如今这些研究成果已经比较成熟，并且在实际中得到广泛应用。 2.1 单变量预警模型 最早的财务危 机预测研究是 Fitzpatrikc（ 1932）所做的单变量破产预测模型，他发现，出现财务困境的公司其财务比率和正常公司的财务比率相比有显著的3 不同，从而认为企业的财务比率能够反应企业财务状况，对企业未来具有预测作用。 Beaver（ 1966）则首先运用统计方法建立了单变量财务预警模型。他选取美国 1954 1964 年间资产规模相同的 79 家经营失败企业和
7、 79 家正常经营的企业，进行对比研究，发现具有良好预测性的财务比率为 “ 现金流量 /负债总额 ” 、“ 资产收益率 ” （净收益 /资产总额）和 “ 资产负债率 ” （债务总额 /资产总额） 。Beaver 的研究开创了建立财务预警模型的先河。 2.2 多元线性判别模型 2.2.1 Z 计分模型 这种模型以美国 Altman 教授的研究最具有代表性。 Altman（ 1968）利用多元判别分析法对美国机械行业 33 家破产企业和 33 家正常经营的企业于 1945 1965 年间的情况进行了研究。其研究结论形成了著名的 Z 值模型。此模型分为在上市公司和非上市公司两种情况。上市公司的 Z
8、值模型和判别规则如下：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5，其中： X1=净营运成本 /资产总额，X2=留存收益 /资产总额， X3=息税前利润 /资产总额， X4=普通股和优先股市场价值总额 /债务账面价值总额， X5=本期销售收入 /资产总额。该模型是通过五个变量，将反映企业偿债能力、获利能力和营运能力有机地结合在一起、一般， Z值越低 的 企业越有可能发生破产。 非上市公司的 Z 值模型和判别规则：Z=0.717X1+0.847X2+3.107X3+0.420X4+0.998X5，其中 X4 为股东权益 /总负债，其余和上市公司的相同。 与
9、Altman 建立的 Z 模型相类似的还有 Deakin（ 1972） 提出的概率模型和Ddmisterd 在同年提出的小企业研究模型等线性模型，但这些模型均存在假设上的局限性 （ 要求自变量成正态分布，并满足两组变量的协方差矩阵相等 ） 。 此后，多变量分析方法被广泛采用，比较典型的有 Edmisterd（ 1972）， 提出的专门针对小企业的财务预警模型、英国的 Taffler（ 1977） 的多变量模式、日本开发银行建立的多变量预测模型 （ 20 世纪 70 年代 ） 、 Altman、 Haldeman、 Harayanan（ 1977）对 z-seore 模型进行修正和补充的 zet
10、a 模型等。 陈静（ 1999）第一个对我国上市公司的财务困境预 测进行。她使用 27 家ST 和非 ST 公司作为对比样本，进行了单变量分析，结果发现资产负债率和流动比率的误判率最低；在多元判别分析中，构建了多元线性判别函数，在 ST发生的前 3 年有较好的预测能力。 4 张玲（ 2000）选取沪深两市 14 个行业 120 家上市公司为样本，从偿债能力、盈利能力、资本结构状况和营运状况 4 个方面 各 个相关财务比率中筛选出4 个变量构建了二分类线性判定模型。 2.2.2 F 分数模型 这一模型是对 Z 计分模型的改造。我国学者周首华、杨济华（ 1996）等率先提出此模型。现金流量比率是预
11、测公司破产的有效变量， F 分 数模型加入了这一变量，其公式为：F=-0.1774+1.1091X1+0.1704X2+1.9271X3+0.0302X4+0.4961X5，其中， X3=（税后净收益 +折旧） /平均总负债，它是一个先进流量变量，是衡量企业所产生的全部先进流量可用于偿还企业债务能力的重要指标。 X5=（税后净收益 +利息 +折旧）/平均总资产，测定的是企业总资产在创造现金流量方面的能力，其他指标与 Z积分模型相同。相比较，此模型可以更为准确地预测出企业是否存在财务危机。 随着现金流量观念的发展，公司的价值等于期望的未来现金流量净现值的确立， Azi、 Emanual、 Law
12、om 在 1988 年提出了现金流量信息预测财务困境模型。 2.2.3 主成分分析模型 同时，在多元线性判定模型中还有一种主成分分析模型。此模型主要是通过提炼最有代表性的财务比率，开率更多的对财务预警有指示作用的比率，从而抓住分析中的主要矛盾。张爱民（ 2001）等选取深沪证券市场中的 40 家 ST公司及对应的 40 家非 ST 公司进行了研究，认为主成分模型也具有较好的预测性。 张华伦、孙毅（ 2005）从财务危机的预警机理出发，选取能反映企业财务安全的 “ 现金制 ” 指标，采用主成分分析法，通过 对我国上市公司财务危机状况的实证研究，建立了上市公司财务预警模型 T 分数模型，实例分析表
13、明该方法有效。 多元线性判定模型具有较高的判别精度，但也存在一些缺陷。其一，模型假定比较严格。模型要求自变量是呈正态分布的，两组样本要求等协方差，而现实中的样本数据往往并不能满足这一要求。这就使得许多研究都是在相对准确的前提下进行，其结论必然会有令人质疑的成分。其二，在前一年的预测中，多元线性判定模型的预测精度比较高，但在前两年、前三年的预测中，其预测精度都大幅下降，甚至低于一元判别模型。 2.3 逻辑回归模型 5 2.3.1 多元逻辑 （ Logit）模型 多元逻辑模型的目标是寻求观察对象的条件概率，从而据此判断观察对象的财务状况和经营风险。 Logit 模型假设了企业破产的概率 P（破产取
14、 1，非破产取 0），并假设 Lnp/(1-P)可以用财务比率线性解释。假定 Lnp/(1-p)=a+bx，根据推导可以得出 p=exp(a+bx)/1+exp(a+bx)，从而计算出企业破产的概率。 美国学者 Ohlson（ 1980）最早在财务预警研究中应用多元逻辑回归模型 。 Ohlson 第一个采用 Logit 方法进行破产预测。其模型使用了 9 个自 变量 ， 估计了三个模型，分析了样本公司在破产概率区间上的分布以及两类判别错误和分割点的关系。他发现至少有四类显著影响公司破产概率的变量 ： 公司规模、资本结构、业绩和当前资产的变现能力。 学者陈晓、陈志鸿（ 2000）以 38 家 S
15、T 公司为研究对象，运用 Logit 回归，研究结果表明 ： 负债权益比率、应收账款周转率、主营业务利润 /总资产、留存收益 /总资产具有较强的预测能力。 吴世农、卢贤义、姜秀华（ 2001）以深沪证券市场中的部分 ST 公司进行了研究，肯定了财务指标对企业财务困境预测的有效性，并认为多元性预警模型优于单变量模 型， Logistic 模型又优于多元线性预警模型。 程涛（ 2002）以 1998 2000 年被 ST 的 A 股上市公司为研究样本，运用时间序列回归和 Logit 回归方法，从财务指标角度和现金流量角度分别构建预警模型，并在此基础上构建综合预警模型。 Logit 模型的最大优点是
16、，放宽了模型的假设条件，运用范围更加广泛。但是其计算过程比较复杂在计算过程中还有很多的近似处理，这些会影响到模型的预测准确度。 2.3.2 多元概率比 （ Probit） 回归模型 Probit 回归模型同样假定企业破产的概率为 p， 并假设企业样本服从标准正态 分布，其概率函数的 p 分位数可以用财务指标线性解释。其计算方法和 Logit很类似，先是确定企业样本的极大似然函数，通过求似然函数的极大值得到参数 a、 b，然后利用公式，求出企业破产的概率。 Ohlson(1980)首先采用 Probit方法进行财务预警研究的。他选择 1970 1976年间破产的 105 家公司和 2058 家非
17、破产公司组成配对样本，采用极大似然法，分析了样本公司在破产概率区间上分布以及两类错误和判别阀值点之间的关系。 2.4 神经网络模型 6 用于财务危机判定与预测的类神经网络模型一般利用一组案例建立系统模型 ，类神经网络模型接收一组输入信息并产生反应，然后与预期反应相比较。如果错误率超过可以接受的水平，需要对权重 W 做出修改或增加隐藏层数目并开始新的学习过程。经过反复循环，直至错误率降低到可以接受的水平，这时学习过程结束并锁定权重 ,类神经网络就可以发挥预测功能了。 Odour 和 Sharda（ 1990）用 BP 神经网络预测了财务危机，他们的模型要优于当时的判别分析模型。 Tam(1991
18、)采用人工神经网络 （ ANN） 进行财务预警研究，通过对人工神经网络的模拟，得出神经网络可以应用于财务预警，且具有较高的预测精度。 Coats 和 Fant（ 1993）运用神经网络技术学习审计专家的结论来判别财务危机，他们选取了由审计师判定的 1971 年 1990 年间的 94 家持续经营的公司和 188 家财务状况变动较大的公司，并采用 Atlman 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。 Coats 和 Fnat 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。 Koh and Tan 在 199
19、9 年以 6 个财务指标为研究变量做了类似的研究，得出类神经网络模型的预测效果优于 Probit 模型的结论。 我国学者杨保安、季海（ 2001）针对判别分析方法在构建财务危机预警模型中存在的问题，最先运用 BP 神经网络建立财务预警模型。 我国学者周敏、王新宇（ 2002）认为神经网络分析模型不需要主观定性地判断企业财务危机状态，因而能够更加合理地预测企业财务危机。 之后相继出现了粗集神经网络（柳炳祥， 2002）、基于模糊优选的神经网络（周敏， 2002）和人工神经网络（刘洪， 2004）财务预警模型； 2003 年柳炳祥、盛昭翰提出了基于案例推理的财务危机预警系统的初步构想， 2004
20、年张林，也对此进行了相关探讨。 人工神经网络具 有较好的纠错能力，从而能够更好地进行预测。然而，由于理论基础比较薄弱， ANN 对人体大脑神经模拟的科学性、准确性还有待进一步提高，因此其适用性也大打折扣。 2.5 其他财务预警模型 曹明、闪四清、梁海燕（ 2006）利用决策树算法在筛选属性方面的优势，对传统 ID3 算法进行了改进，建立了一个精简的财务指标体系。然后，利用人工神经网络在建立财务预警模型方面优于其他线性和回归模型的特点，基于 BP7 模型构建了一个新的混合财务预警模型。 王宝富、李南（ 2007）选取 2004 年被 ST 的 93 个上市公司作为财务危机公司和 93 家非 ST
21、 公司作为对照样本，从 8 个方面共 42 个财务指标中确定了 6个预测指标，应用 Fisher 判别分析、 Logistic 回归， BPNN 模型和 SVM 模型四种方法构建了相应的模型，结果证明对于同一信息集而言， SVM 模型的判定能力最好。 谢赤、罗长青、王蓓（ 2007）选取本文选取深沪两市 140 家上市公司作为研究对象，从 4 个方面选取指标，并特别地加入现金流量指标以预测企业的财务困境。结果证明， SVM 模型的判定能力更好。 除上述提到的主要的研究财务预警的模型分析方法外，还有如递归分割算法、生存分析、 CUSUM 模型、线性目标规 划、事件历史分析法、专家系统等模型和分析
22、方法，但由于其适用性或准确性等原因，没有成为主要的财务预警理论。 3 总结 总的来说，在国内外现有的财务预警研究中，众多研究者还没有找到令人信服的财务风险和预警理论来支撑所建立的预警模型，由此造成了各种财务预警模型的预警结论不一致，甚至相互矛盾和冲突。与国外相比，国内研究还相对滞后。从理论角度看，我国研究现状表现在：其一，从理论上对企业研究系统的构建进行的探讨和研究甚少；其二，对如何在企业构建财务预警机制探讨甚少。从实践角度看，财务危机预警体系的建立存在一系列问题，有 意向建立财务预警系统的企业因缺乏示范，而不得不把这项工作停留在表层上。 针对 ST 企业，亟待将财务危机预警体系应用于实践，减
23、少企业财务风险。因此关于财务预警系统理论与实践的研究已成为现代财务理论的前沿课题，也成为我国财务管理研究的创新项目。1 参考文献 1王宝富，李南 财务困境的预测研究 J 南京航空航天大学学报 (社会科学版 )， 2007（ 9） 2仝玲 上市公司财务危机预警体系研究 J 金融论坛 ， 2002（ 11） 3刘洪，何兴军 基于人工神经网络方法的上市公司经营失败预警研究 J 会计研究 ， 2004（ 1） 4吴世农，卢贤义 我国上市公司财务困境的预测模型研究 J 经济研究 ， 2001（ 6） 5杨保安，季海 BP 神经网络在企业财务危机预警之应用 J 预测， 2001（ 2） 6张玲 财务危机预
24、警分析的判别模型 J 数量经济技术经济研究， 2000（ 3） 7张爱民，祝春山，许丹健 上市公司财务失败的主成分预警模型及其实证研究 J 金融研究， 2001（ 3） 8张林 基于案例推理的企业财务预警系统初探 J 企业活力， 2004（ 1） 9张华伦，孙毅 上市公司财务预警 分析 基于现金流模型的实证研究 J 商业经济与管理， 2005（ 12） 10陈静 论上市公司财务恶化预测的实证分析 J 会计研究， 1999（ 4） 11陈瑜 对我国证券市场 ST 公司预测的实证研究 J 经济科学， 2000（ 6） 12陈晓，陈治鸿 企业财务困境研究的理论、方法和应用 J 投资经济， 2000（
25、 6） 13陈晓 上市公司变脸现象探析 M 北京：企业管理出版社， 2003 14周敏，王新宇 基于模糊优选和神经网络的企业财务危机预警 J 预测， 2002（ 6） 15周首华，杨济华等 论财务危机的预警分析 F 分数模式 J 会计研究， 1996（ 8） 16柳炳祥，盛昭翰 基于粗集神经网络的财务危机预警方法 J 中国工程科学， 2002（ 8） 17柳炳祥，盛昭翰 基于案例推理的企业危机预警系统设计 J 企业管理， 2003（ 3） 18高民杰，袁兴林等 .企业危机预警 M 中国经济出版社， 2003 19曹明，闪四清，梁海燕 基于数据挖掘的财务预警模型设计与实现 J 计算机应用，200
26、6（ 10） 20程涛 财务预警模型综述 J.山西财经大学学报 ， 2003（ 10） 21谢赤 ， 罗长青 ， 王蓓 财务困境预警 SVM 模型的构建及实证研究 J 当代经济科学，2007（ 11） 22Fitzpatrick.A Comparison of ratios of Sueeessful Industrial enterprises with those of failed firmsJ.Certified Public Account.1932. 23Beaver W.H.Finaneial ratios as Predietors of failureJ.Journal of
27、 Aceounting reseach (Supplement)， 1966. 24William H.Beaver.Financial Ratios as Predictors of FailureJ.The Accounting Review.19682 （ 7） 25Edward Altman, Financial ratios,discriminant analysis and the Prediction of bankruptcyJ. Journal of Finance.VOI 31(4) September, 1968. 26Edmister Robert O Financia
28、l ratios as diseriminant Predietors of small business failure J. Journal of Financial, Mar, VOI.27, 1972. 27Dr.Carmichael.Reporting on Forecasts: A United Kingdom Perspective J.Journal of Accountancy, 1973, Vol.135. 28EB Deakin.A Discriminant Analysis of Predictors of Business FailureJ.Journal of Ac
29、counting Research,1972（ 9） 29Altman E， Haldeman R ， Harayanan P. ZETA Analysis： A New model to Identify Bankruptcy Risk of CorporationsJ.Journal of bankingTisshaw,Going,going ， gone-four factors which Predict, Howard AccountancyJ.Mar Vol.88 31Ohlson J A.Financial ratios and the probabilistic predict
30、ion of bankruptcyJ.Journal of Accounting research,1980(Spring). 32G Foster.Financial Statement AnalysisM.London:Prentice-Hall International,1986. 33Odom,M.D. and R.Sharda.“A Neural Net-work Model for Bankruptcy In Proceedings of the In-ternational Joint Conference on Neural Prediction.Net-works”J.19
31、90（ 6） 33Pamela K. Coats and L. Franklin Fant.Recognizing Financial Distress Patterns Using a Neural Network ToolJ.Financial Management Vol. 22, No. 3(Autumn,1993). 34Ross,westerfield,Jaffe.Corporate FinanceJ.1999,2nd,Homewood,IL. 35Tam and Kiang.“Predicting Bank Failures:A Neural Network Approach” J.Management Science,1992（ 8） 36E.I.Altman.Corporate Filiancial Distress and Bankruptcy M.John-Wiley&Sons,Ine,2000.
