您好, 访客   登录/注册

财务困境预警模型综述

来源:用户上传      作者: 李红珍

  [摘 要]本文对国外的相关文献资料进行归纳总结,将部分财务困境预警模型做一整理归纳,以利于了解财务困境预警研究的历史进程和现状,并对各种财务困境预警模型作一比较。
  [关键词]财务困境;预警研究;综述
  [中图分类号]F275 [文献标识码]A [文章编号]1005-6432(2011)1-0101-02
  
  1 引 言
  
  财务风险无时不在,无处不在,财务困境的普遍存在性使得企业必须采取有效手段对财务状况进行预测,才能最大限度的规避风险,降低损失。国外对财务困境预警的研究一般认为始于20世纪30年代,至今已有70多年。财务困境的预警模型根据使用变量的多少分为单变量模型和多变量模型,而多变量模型又因使用计量方法的不同可分为线性判定模型、Probit模型和Logistic模型等。随着信息技术、统计方法等研究手段的不断进步,财务困境预测的研究方法也取得新的进展,生存分析法、专家系统法、神经网络法等多种方法也开始被引入财务困境预警研究领域。
  
  2 模型概述
  
  (1)单变量判别分析法。该方法即是利用单一的财务比率来预测企业的财务困境。Fitzpatrick(1932)进行了一项单变量的破产预测研究,开创了财务预警研究的先河。他选取19 家公司作为样本,利用单一财务比率将样本划分为破产和非破产两组,其研究结果显示净利润/股东权益、股东权益/负债这两个比率的判别能力最高,即误判率最低。不过当时由于条件的限制,主要的研究方式是对正常企业和非正常企业的一些财务比率进行比较和经验分析,且之后的30年内都很少有学者进行单变量判别法的研究,这种状况一直持续到20世纪60年代初,此后的财务风险判别才可算是真正进入系统化阶段。
  Beaver(1966)创造性的提出了单变量模型,他也是最早将现金流量用于财务困境预测研究的学者。Beaver选取了79家失败公司和79家非失败公司,应用一元判别法比较了各项财务指标在公司破产前1~5年的预测效果,发现现金流量/总负债的预测能力最好,并且离失败日越近误判率越低,在财务困境前1年误判率仅为13%。
  单变量的开创性作用不可忽视,该方法简便易行,实践中可操作性强,在研究条件较差时具有很大优势,但其局限性也是很明显的。由于企业的财务状况错综复杂,单一的财务比率往往不能准确反映客观实际,这就影响了预测的有效性。
  (2)多变量判别分析法。该方法同时使用多个财务指标,利用多元变量的组合来预测企业的财务困境。Altman(1968)首次运用了多元线性判别分析法,建立了多元判别模型,其后的研究者通称为Z模型。相比以前的预测模型,该模型的预测准确率有着较大的提高。然而Z模型在建立时并未充分考虑到现金流量的变动等方面的情况,因而具有较大的局限性。Altman在1977年对自己的模型进行了修正,提出了ZETA模型,使得预测的效率又有所提高。
  Altman的研究可说是具有很大贡献,到目前为止,在实践中Z模型依旧占据重要地位。但是Z模型要求变量必须符合正态分布,现实中的许多变量多不满足该假设,这就降低了模型的使用性。
  (3)Logistic模型。该方法采用一系列财务指标自变量来建立模型,对变量没有严格的要求,从而克服了Z模型的不足。Martin(1977)首次运用了Logistic模型。他于1970―1977年,以58家财务困难银行为研究对象,选取了总资产净利率等8个指标,在Z模型、ZETA模型和Logistic模型之间作比较,发现Logistic模型的预测能力更高。
  Ohlson(1980) 采用Logistic方法进行破产预测,他在1970―1976年,研究了105家破产公司和2085家正常公司,运用9个财务变量来构建模型,研究发现公司的融资能力和业绩对破产有很大影响。但他也指出,采用破产之后获得的信息来预测破产会高估破产模型的预测能力。
  (4)Probit模型。该方法与Logistic方法类似。Zmijewski(1983)以72家破产企业和3573家非破产企业为样本,使用Probit模型,用逻辑比分析的方法进行了财务困境预测。研究发现破产与非破产企业之间有四类财务比率有明显的差别,分别是:回报率、财务杠杆、固定收入保障率、股票回报率。
  虽然Probit模型和Logistic模型的方法相似,但Probit模型的条件较严格,且计算方法不如Logistic模型简便,因而使用面不如Logistic模型广。
  (5)生存分析法。现代科学技术的发展,新的方法被不断应用到财务困境预测中,M.Luoma和E.K.Laitinen(1991)在“survival analysis as a tool for company failure prediction”中提到了用生存分析法来预测企业的失败,相对于传统方法而言这是很好的发展,不过这种方法现在并未得到广泛使用。
  (6)专家系统法。人工智能的应用和发展,专家系统方法也被逐渐采用。Messier和Hansen(1988)首次将专家系统应用于财务困境预测研究,并将该方法与线性判别分析、群体决策等方法进行比较,发现专家系统法的分类效果最好,而且比群体决策的正确率稳定。
  (7)神经网络判别模型。神经网络判别模型是财务困境预警研究方法上的重大创新,Odom和Sharda(1990)开创了用神经网络预测财务困境的新方法,Coats和Fant(1991)选取47家正常公司和47家危机公司使用神经网络模型进行判别,预测准确率达到91%。目前神经网络模型预测的效果还不稳定,但随着研究方式的改进和模型完善,该方法在未来研究中可能成为一个重要方向。
  
  3 结束语
  
  在财务困境的预警研究中,重要的方法之一就是建立预警模型,综观国内外的研究史,经典的模型代表了各个阶段的研究水平,体现了不同时期的研究成果。简单比较以上模型,可以看出:各模型都具有一定的优势和劣势,无论是在理论研究中还是在实践中都无法作出绝对的比较。可以说,关于财务困境预警的研究,直到今天都未达成绝对的共识,也不存在一种绝对行之有效的模型,现实情况的不断演变,新问题的层出不穷,任何模型都无法适用一切场合,研究需要随之不断深化。
  
  参考文献:
  [1]马若微.企业财务困境预测理论及实证研究评述[J].中国城市经济,2005(6):46-48.
  [2]王雪梅,王春巍.财务困境预测研究发展变迁[J].合作经济与科社,2007(2):78-79.
  [3]K.Coats,L.F.Fant.Recognizing Financial Distress Patterns Using a Neural Network tool[J].Financial management,1993(22):42-155.
  
  [作者简介]李红珍(1988―),女,浙江省杭州市建德人,浙江师范大学经济与管理学院学生,财务管理专业。


转载注明来源:https://www.xzbu.com/2/view-380581.htm