关于财务困境预测问题的探讨

《关于财务困境预测问题的探讨》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、关于财务困境预测问题的探讨　　摘要：财务困境作为一个前沿的课题，已经得到了长足的发展。本文主要针对财务困境预测的理论依据、预测变量选择以及多分类问题分析探讨。根据对国内外文献梳理，提出后续展望。　　关键词：财务困境；预测变量；多分类　　中图分类号：F275文献标识码：A文章编号：1001-828X（2013）08-0-02　　一、财务困境预测变量的探讨　　1.理论依据问题　　关于财务困境预测变量，主要从资产负债表、损益表、现金流量表、证券市场以及宏观经济环境中选择生成变量。对于变量的实证分析，研究者应该基于经济

2、理论选择预测财务困境的预测变量，而且理论要揭示选择变量和财务困境之间的因果关系。　　Ball和Foster（1982）指出，财务困境预测缺乏经济理论。一方面，实证研究将破产作为财务困境公司的操作标准缺乏理论支持；另一方面，在多变量模型中，独立变量的选择也缺乏理论的支撑。Dietrich（1984）在提及财务困境预测模型时认为，由于各种预测方法在前提假设和计算复杂度方面不同，在选择估计方法方面并未达成一致意见。陈工孟（2006）指出，经济理论的意义主要体现在以下几点：（1）理论模型可以为目前成功的实证模型提供更为

3、严密且逻辑一致的解释；（2）理论可以为以后的实证研究寻找更新、更好的实证模型；（3）有理论基础的实证模型的最终发展，将会增加模型使用者的信心，并且可以使用在不同的数据样本中。　　一般而言，研究经济系统的目的主要是对过去的经济现象进行预测和控制。但是当对经济系统的研究主要是出于预测的目的时，暂时没有理论支持是可行的。而且，如果研究的目标就是预测是否陷入财务困境，那么以最小化设定的损失函数选择预测能力高的方法是适宜的。现代经济研究中许多模型都是缺乏理论的，但是这些模型通常采用让数据自己说话的模式，在实际运用中的预测

4、效果得到了进一步的提高。尽管财务困境预测的理论还很缺乏，但是学者们进行了关于预测变量选择方面有着丰硕的成绩。　　2.财务困境变量的选择　　（1）财务比率　　因为缺乏理论的支持，研究者在选择预测变量时就必须选择其他指导方法。基于一般的经验，财务比率作为预测变量具有普遍性。虽然就识别因果关系而言，该方法在理论发展方面并不具有优势，但是这些变量的预测却取得了相当的成功。如Beaver（1966）选择现金流/总负债财务比率以及合适的分割点，成功的对训练集和验证集公司进行了分类。Hamer（1983）检验了分类的成功与否

5、对变量选择表现出的敏感性。研究中使用了44个破产公司和非破产公司组成的样本，分别使用了Altman（1968），Deakin（1972），Blum（1974），Ohlson（1980）研究中所使用的财务比率变量集，并对四个变量集分类的准确性使用卡方检验进行比较。陈治鸿（2000）采用Logistic模型对我国证券市场开展研究，发现负债权益比、应收账款周转率、主营利润率/总资产和留存收益/总资产这几个指标测评财务危机效果显著。　　（2）用于预测的其他变量　　Rose，Andrews以及Giroux（1982）提出

6、多变量模型中加入宏观经济变量可以提高预测能力。Kane，Rechardson和Graybeal（1998）研究发现，加入反映宏观经济衰退的变量到财务困境预测模型中后，模型的解释和预测能力显著加强。Hall（2002）以Altman（1993）研究中提出的四变量模型和无变量模型为基础，添加宏观变量和公司特有的微观变量，结果表明得到的新的Z分数与原来相比具有显著的差异性。　　在变量的选择方面，数据可得性是主要的限制因素。在一个模型中太多的变量会造成共线性问题，选择大量的特征变量会造成数据收集的困难，过少的变量将会增

7、加遗漏有用变量的可能性，降低了模型的适用性和准确性。因此，变量的选择主要基于最小化数据收集成本和最大化模型的可用性这两个原则。　　3.财务困境预测变量数据的处理　　（1）预测变量集的精简　　财务困境理论的缺乏使得研究者不得不考虑许多的变量。然而，一个变量用了太多的变量后悔出现过度拟合的现象，即对训练集分类很成功，但对于测试集样本的分类就未必有较好的效果。而通常情况下假设训练样本集中预测变量与依赖变量之间的关系与测试集中的预测变量与依赖变量之间的关系式一致的。因此，预测变量的这种相互关联不仅存在与训练样本集中，也

8、存在于预测样本集中。　　最普遍使用的一个精简变量集的方法是逐步法。逐步发主要适用于判别分析模型和Logit模型。按照设定的标准，根据变量的贡献来选择变量。　　另一个方法是因子分析法，将整个变量集进行分组，从每个因素中选择几个（一般1个到2个）主要变量来决定因子的表示含义。大量研究都表明，因子分析在具有较好的稳定性。　　（2）变量的数学变换　　改变预测变量的统计属性可以使其满足所选择的分