财务困境预测研究发展变迁

来源:用户上传      作者: 王雪梅　王春巍

　　一、财务困境定义概述
　　
　　财务困境又称为财务危机，最为严重的财务困境就是破产。但目前对财务困境尚无一个精确的定义，这是因为企业陷入财务困境的事件不计其数。
　　（一）国外财务困境定义概述
　　威廉・比弗将“财务困境”定义为不能清偿到期债务，具体包括：出现破产、不偿付拖欠的债券、银行透支、不能支付优先股股利；奥曼认为，公司在破产前要经历三个阶段：（1）失败阶段，是指公司资产的现值已低于其市价；（2）无力偿还债务阶段，是指公司不能清偿流动债务；（3）破产阶段；Carmichael认为“财务困境”表现为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，即流动负债大于流动资产；（2）权益不足，即公司的长期偿债能力不足；（3）债务拖欠，即公司不能偿付负债；（4）资金不足，即公司无法再获得所需的资金；George Foster认为“财务困境”就是如果不对公司运营方式或结构进行大规模的重新调整就不能被解决的严重的流动性问题；Ross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而被迫采取改正行动的境况，可从四个角度定义：（1）企业失败，即企业清算后仍无力支付债权人的债务；（2）法定破产，即企业或债权人向法院申请破产；（3）会计破产，即企业的账面净资产为负；（4）技术破产，企业无法按期履行债务契约。
　　（二）国内财务困境定义概述。我国《破产法》中对破产界限的定义和《股票上市规则》中对特别处理公司的定义可认为是我国对企业陷入财务困境的一种界定。1986年颁布的《破产法》中规定：企业因经营管理不善造成严重亏损，不能清偿到期债务的，依照本法规定宣告破产。2006年深沪两所《股票上市规则》中规定：上市公司出现财务状况或其他状况异常，导致其股票存在终止上市风险，或者投资者难以判断公司前景，其投资权益可能受到损害的，本所对该公司股票交易实行特别处理。财务状况异常包括两个标准：（1）最近两年连续亏损（以最近两年年度报告披露的当年经审计净利润为依据）；（2）最近一个会计年度的审计结果显示其股东权益为负值。
　　
　　二、财务困境预测研究概述
　　
　　（一）国外财务困境预测研究概述
　　1、财务困境预测模型，因选用变量多少不同可分为单变量预测模型和多变量预测模型。
　　（1）财务困境预测的单变量分析。财务困境预测模型最初是使用单一比率建立模型，预测企业是否会陷入财务困境。威廉・比弗于1968年提出的单一比率模型影响最为广泛，比弗将公司的“财务困境”定义为不能清偿到期债务。比弗选出了79家失败企业，依据行业和资产规模对其分类，然后选出行业和规模相应的79家非失败企业。比弗选用财务比率的原则是：具有普遍性、运用以前研究成果和现金流量相关指标。比弗比较了全部样本失败前连续五年的30个财务比率的等权均值，并对样本进行大量检验，最后筛选出5个最能分开失败和非失败企业的比率：现金流量/负债总额、净收入/总资产、资产负债率、运营资本/总资产和现值率。
　　Zmijewski于1983年应用75个变量对财务困境进行了预测研究，选用1972～1978年的72家破产企业和3573家非破产企业作为样本，首先计算了两类企业破产前一年的各个财务比率的均值，然后对两类企业的数据进行F检验，最后用单变量分析计算每一个变量的差别正确率。研究表明，破产与非破产企业之间有四类财务比率有明显的差别，这四类财务比率是：回报率、财务杠杆、固定收入保障率、股票回报率。
　　（2）财务困境预测的多变量分析。应用单变量对财务困境进行预测分析时，运用不同的财务指标对企业进行分析会得出不同的分类结果，而多变量财务困境预测模型则弥补了这一不足。最著名的多变量预测模型是奥曼的Z值判定模型，奥曼选用1946～1965年期间提出破产申请的33家破产企业和规模及行业相似的33家非破产企业作为样本，在经过大量的分析研究基础上，最终选择了5个财务指标，使用破产企业破产前一年的数据和非破产企业在相应时段的数据，运用费雪判别分析法，估计出一个多元线性函数，即所谓的Z―Score模型，其基本表达式为：
　　Z=0.12X1＋0.014X2＋0.033X3＋0.006X4＋0.999X5
　　式中：Z=判别函数值；X1=运营资金/资产总额；X2=保留盈余/资产总额；X3=息税前利润/资产总额；X4=普通股、优先股市场价值总额/负债账面价值总额；X5=销售收入/资产总额。该模型中，奥曼提出了判断企业财务困境的临界值：2.765，即如果企业的Z值大于2.765，则表明企业财务状况良好，发生财务困境或破产的可能性较小，反之亦然。
　　之后，欧森等提出了条件概率模型，主要有多元逻辑模型和多元概率比回归模型两种，它们都是建立在累积概率函数的基础上。欧森使用9个变量，选取1970～1976年间的105家破产企业（至少上市三年）和约2000家非破产企业，估计了三个模型，分别用来预测一年内失败的企业、第一年未失败而在第二年失败的企业、一年到两年内失败的企业。研究所得的分类概率是0.038，即如果某一公司预测的非失败概率低于0.038，则会被认为陷入财务困境的可能性很大。
　　2、财务困境预测模型，依据所用的信息类型不同可分为：
　　（1）财务指标信息类模型。财务指标被广泛地用来进行财务困境预测，但是如何选择以及是否存在最佳的财务指标来预测财务困境的发生却一直存在分歧，其中影响最为广泛的是奥曼1968年提出的多元Z值判定模型和1977年提出的ZETA模型。
　　（2）现金流量信息类模型。该模型的基本原理是：公司的价值应等于预期的现金流量的净现值。1988年Aziz、Emanuel和Lawson发展了现金流量信息预测财务困境模型，认为公司的价值来自经营的、政府的、债权人的、股东的现金流量的现值之和。
　　（3）市场收益率信息类模型。威廉・比弗是使用股票市场收益率信息进行财务困境预测研究的先驱，他通过研究指出在有效的资本市场里，股票收益率同财务指标一样可以预测财务困境。
　　3、人工神经网络系统预测财务困境模型。人工神经网络系统是对人类大脑神经运作的模拟，它不受限于任何规则，且能通过对大量的、无序的信息进行分析，并对特定问题做出正确反应。1990年Odom和Sharda开拓了用神经网络预测财务困境的新方法。
　　4、联合预测财务困境模型。它是运用企业模型模拟真实企业的运作过程，以动态地描述财务正常企业和财务困境企业的特征，克服了只应用财务指标的片面性，考虑了非财务指标信息的影响力。
　　（二）国内财务困境预测研究概述
　　1、1999年上海财经大学陈静以1998年的27家ST公司和27家非ST公司为研究对象，使用了1995～1997年的财务报表数据，对上市公司财务困境预测进行了研究，运用费雪准则建立了两个线性差别模型：
　　Z1=56.73X1＋1.26X2－25.79X3＋4.06X4－0.24X5＋l0.59X6
　　Z2=－16.44X1＋43.19X2＋1.158X3－6.58X4＋3.53X5＋11.39X6
　　式中：X1=资产负债率；X2=净资产收益率；X3=总资产收益率；X4=流动比率；X5=运营资本比率；X6=总资产周转率。研究结果表明：在单变量判定分析中，X1、X2、X4、X6四个财务指标中X1和X4的误判率较低；在多元线性判定分析中由上述6个财务指标构建的模型，在ST发生的前3年能较好地被预测。
　　2、2001年吴世农、卢贤义利用单变量判定模型、多元线性判定模型、线性概率模型和Logistic回归模型，以1998～2000年A股市场ST公司，并剔除了非正常的ST公司为研究对象，对财务困境进行了详细的研究，得出四个结论：（1）我国上市公司的财务指标包含了预测财务困境的信息；（2）各财务指标的信息含量不同；（3）多变量模型优于单变量模型；（4）研究表明，Logistic回归模型的判定准确性最高。
　　从财务状况正常到财务状况非正常，最终走向财务困境或破产，这是一个逐步发展的过程。企业管理者若能对此进行准确地预测，将有助于管理者预先采取措施，挽救企业于危急时刻。虽然我国企业正逐步走向世界，但我国企业所处的市场环境始终离不开中国的特色经济。因此，在借鉴国外较完善的财务困境预测模型时，应结合我国企业的具体情况，这将有待于我国学者的进一步研究。■

转载注明来源:https://www.xzbu.com/2/view-413731.htm