孟慶偉

（中國石油大學(xué)（華東），山東 青島266580）

我國金融體系建立目的在于服務(wù)實(shí)體企業(yè)發(fā)展，促進(jìn)經(jīng)濟(jì)增長。在防范系統(tǒng)性金融危機(jī)發(fā)生的背景之下，梳理企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究文獻(xiàn)，對于識別風(fēng)險(xiǎn)、防范風(fēng)險(xiǎn)，進(jìn)而提出化解風(fēng)險(xiǎn)的應(yīng)對措施，顯得十分重要。

1 國外關(guān)于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究的綜述

國外的研究起步較早，其主要研究對象是企業(yè)的財(cái)務(wù)指標(biāo)。同時，新的研究方法也不斷出現(xiàn)。

1.1 單變量模型

1932年，菲茨·帕特里克（1932）首次從財(cái)務(wù)指標(biāo)切入進(jìn)行研究。他發(fā)現(xiàn)權(quán)益負(fù)債比和權(quán)益凈利率這兩個指標(biāo)在發(fā)生破產(chǎn)危機(jī)的企業(yè)和運(yùn)營狀況良好的企業(yè)之間有顯著的差異，與財(cái)務(wù)風(fēng)險(xiǎn)的關(guān)系密切，能夠有效的對財(cái)務(wù)風(fēng)險(xiǎn)狀況進(jìn)行判斷。

Beaver（1966）在Fitz Patrick的研究發(fā)現(xiàn)的基礎(chǔ)之上，發(fā)現(xiàn)財(cái)務(wù)危機(jī)公司和財(cái)務(wù)健康公司在現(xiàn)金流量/總負(fù)債比率、資產(chǎn)負(fù)債率和資產(chǎn)報(bào)酬率上有顯著差異。

由于單變量模型，以單個財(cái)務(wù)指標(biāo)為基礎(chǔ)，判別依據(jù)相對單一，很容易誤判。因此，這種危機(jī)預(yù)警方法應(yīng)用起來并不理想。

1.2 多變量模型

由于單變量模型易誤判，因此多變量財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型便應(yīng)運(yùn)而生，并在財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警中取得明顯更優(yōu)效果。

Altman（1968）以 1946-1965 年出現(xiàn)財(cái)務(wù)危機(jī)的33家公司配對財(cái)務(wù)正常公司作為研究樣本，從22個指標(biāo)中，篩選出5個財(cái)務(wù)指標(biāo)，構(gòu)建了Z-SCORE多元判別分析模型。在發(fā)生危機(jī)前一年，準(zhǔn)確率達(dá)95%；在發(fā)生危機(jī)的前兩年，模型判別準(zhǔn)確率為72%，整體判別準(zhǔn)確率相對較高，財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警效果較好。

然而，由于這些模型建立的前提要求是研究使用的財(cái)務(wù)變量需滿足正態(tài)分布，但大多數(shù)財(cái)務(wù)指標(biāo)往往并不能滿足。而logistic回歸模型用極大似然估計(jì)的方法，算出概率分布函數(shù)，取代線性函數(shù)，在研究中開始被更多地使用。

Martin（1977）將二元 logistic 應(yīng)用于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警之中。他通過使用25個財(cái)務(wù)比率指標(biāo)變量,建立了二元logistic財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，對危機(jī)發(fā)生前兩年的公司進(jìn)行預(yù)測，預(yù)測準(zhǔn)確度較高。

1.3 人工神經(jīng)網(wǎng)絡(luò)模型

隨著計(jì)算機(jī)迅速普及和人們對新的研究方法的不斷學(xué)習(xí)，人工神經(jīng)網(wǎng)絡(luò)模型以其獨(dú)特的優(yōu)勢，獲得了人們的青睞，被廣泛地應(yīng)用。

Odom（1990）最先運(yùn)用人工神經(jīng)網(wǎng)絡(luò)研究財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警。在Altman研究的基礎(chǔ)之上，建立神經(jīng)網(wǎng)絡(luò)模型。預(yù)測結(jié)果顯示，危機(jī)公司與健康公司的準(zhǔn)確率分別為81.75%和78.18%，預(yù)測結(jié)果表明了神經(jīng)網(wǎng)絡(luò)模型在財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警上的可行性。

2 國內(nèi)關(guān)于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究的綜述

我國證券市場成立較晚，現(xiàn)代企業(yè)制度建立時間也較為滯后，所以對于財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究的開始較晚。最初是學(xué)習(xí)和借鑒國外的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究。而后，研究的視角逐步從單純的財(cái)務(wù)指標(biāo)朝著非財(cái)務(wù)指標(biāo)轉(zhuǎn)移，并取得了不錯的研究成果。

2.1 參考或改進(jìn)國外財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型

周首華（1996）在Z-SCORE模型基礎(chǔ)之上，采用了現(xiàn)金流量比率指標(biāo)，并運(yùn)用多元回歸方法建立了F分?jǐn)?shù)模型，對Z分?jǐn)?shù)模型的進(jìn)一步完善，并取得了預(yù)測準(zhǔn)確率為70%的較好預(yù)測結(jié)果。

陳靜(1999)對我國首次被冠以ST頭銜的上市公司運(yùn)用多種方法建立了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型進(jìn)行研究。她發(fā)現(xiàn)出現(xiàn)危機(jī)的前三年，模型預(yù)警效果良好。

尤璞、武戈(2012)按照1:3的比例對財(cái)務(wù)危機(jī)企業(yè)和財(cái)務(wù)健康的企業(yè)進(jìn)行配對，共選取320家上市公司，吸收股權(quán)結(jié)構(gòu)變動等因素，建立BP神經(jīng)網(wǎng)絡(luò)模型。

謝斥、趙亦軍(2014)構(gòu)建了基于CFa R模型的Logistic回歸模型。研究發(fā)現(xiàn)，該模型對財(cái)務(wù)風(fēng)險(xiǎn)公司和財(cái)務(wù)正常公司的預(yù)測準(zhǔn)確程度較高，可分別達(dá)到85.2%和81.5%。

2.2 引入非財(cái)務(wù)指標(biāo)構(gòu)建模型

王克敏、姬美光、崔建偉（2004）將關(guān)聯(lián)交易、對外擔(dān)保、投資者保護(hù)等指標(biāo)納入上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型之中。得出納入非財(cái)務(wù)指標(biāo)的預(yù)測效果更好。

徐凌(2012)綜合上市公司的財(cái)務(wù)數(shù)據(jù)及經(jīng)濟(jì)附加值EVA指標(biāo)建立新的預(yù)警模型。增加了模型的判別能力，且該模型具有良好的預(yù)測效果。

黃德忠，朱超群(2016)吸收了反映企業(yè)資產(chǎn)質(zhì)量的指標(biāo)，建立二元Logistic預(yù)警模型。研究結(jié)果表明，在單純的財(cái)務(wù)指標(biāo)體系中加入新的變量能顯著改善預(yù)警的準(zhǔn)確程度。

3 文獻(xiàn)總結(jié)

通過文獻(xiàn)梳理，我們不難發(fā)現(xiàn)，國內(nèi)外學(xué)者對財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的研究不斷深入，創(chuàng)立新的模型，財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的效果得到提高。

但是，這些研究主要集中在財(cái)務(wù)指標(biāo)上。在非財(cái)務(wù)指標(biāo)上，部分學(xué)者開始進(jìn)行探索，但相對較少。因此，下一步的研究應(yīng)該把一些與企業(yè)經(jīng)營活動相關(guān)的非財(cái)務(wù)指標(biāo)如公司治理、企業(yè)文化、社會責(zé)任等相關(guān)因素納入，可能使財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警效果更好。

[1]Fitz-Patrick.Comparison ofRatiosofsuccessfulIndustrial Enterprises with Those of Failed Firms[J].CertifiedPublicAccountant,1932,598-605.

[2]J.Ohlson.A Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research,1980(1):109-131.

[3]尤璞,武戈.基于PCA-BP神經(jīng)網(wǎng)絡(luò)的上市公司財(cái)務(wù)預(yù)警策略[J].統(tǒng)計(jì)與決策,2012(22):181-183.

[4]謝赤,趙亦軍,李為章.基于 CFaR模型與 Logistic回歸的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究[J].財(cái)經(jīng)理論與實(shí)踐,2014(1):57-62.

[5]黃德忠,朱超群.引入企業(yè)資產(chǎn)質(zhì)量指標(biāo)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型[J].財(cái)會月刊,2016(8):48-52.