國內外財務危機預警研究綜述.doc

《國內外財務危機預警研究綜述.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、國內外財務危機預警研究綜述提要目前，國外財務風險預警模型已經在信貸風險評價與管理、企業資信評估等實務中得到廣泛應用。我國財務風險預警的研究仍借鑒西方的傳統模式，對我國上市公司的財務預警情況進行檢驗，在模型指標的選取上沒有註重我國的國情，因此現階段我國關於財務風險預警研究還有許多問題需要探討關鍵詞：財務預警；財務預警模型分類號：F23文獻標識碼：A一、國外財務預警研究狀況西方經濟學傢早在20世紀三十年代，就有學者對公司財務風險的預警模型進行研究。Fitzpatrick最早發現，出現財務困境的公司其財

2、務比率和正常公司的財務比率相比，有很大不同，從而他認為財務比率能夠反映企業財務狀況，並對企業的未來有預測作用Beaver首先運用統計方法建立瞭單變量財務模型，提出可以用財務比率來預測公司的失敗，目的是通過實證研究來檢驗財務比率的預測功能。他選取美國1954〜1964年間資產規模相同的79傢經營失敗的企業和79傢正常經營的企業，進行對比研究,選用30個財務比率進行分析，發現具有良好預測性的財務比率為現金流量/債務總額、資產負債率和資產收益率。在公司失敗的前一年，Beaver模型的總誤分率為13%,失

3、敗公司的誤分率為22%,非失敗公司的誤分率為5%,並且時間越往前，誤分率越高。他每次隻運用一個比率進行破產預測，不能全面反映一個公司財務狀況的各個方面，因而具有很大的局限性美國紐約大學商學院Altman於1968年在《金融雜志》上發表瞭一篇題為'‘財務比率、判別分析和公司破產的財務預測”的論文，首次提出瞭多變量預警模型的思想。他根據行業和資産規模，選擇瞭33傢破產公司和33傢非破產公司作為研究樣本，以誤判率最小的原則確定瞭5個變量作為判別變量，其多元線性判定模型為：Z=0.012X1+0.014X

4、2+0.033X3+0.006X4+0.999X5,判別變量分別為營運資本/總資產、留存收益/總資產、息稅前收益/總資産、股票市值/債務的賬面價值、銷售收入/總資産，這就是著名的Z計分模型。此後，許多學者采用類似的方法進行研究,對模型加以改造，隻是選取的變量指標或者指標系數不同而已1980年Olson第一個將邏輯回歸方法引入財務危機預警領域，他選擇瞭1970〜1976年間破產的105傢公司和2,058傢非破產公司組成的配對樣本，分析瞭樣本公司在破產概率區間上的分佈以及兩類錯誤和分割點之間的關系，發

5、現公司規模、資本結構、業績和當前的融資能力進行財務危機的預測準確率達到96.12%。邏輯回歸分析方法使財務預警得到瞭重大改進，克服瞭傳統判別分析中的許多問題，包括變量屬於正態分佈的假設以及破產和非破産企業具有同一協方差矩陣的假設1991年Tam采用人工神經網絡模型進行財務預警研究，通過輸入層、隱藏層和輸出層的人工神經網絡的模擬構建模型，具有較好的模式識別能力和容錯能力，適用於今日復雜多變的企業運作環境，但其理論基礎比較抽象，對人體大腦神經模擬的科學性和準確性有待進一步加強，因而使用性大大降低。另外

6、，神經網絡模型雖然近幾年被很多學者所使用，但其運作過程猶如黑箱，對於各財務比率的權重無法獲悉，不同的樣本模型其隱藏要素的個數會有所不同，影響比較的客觀性，因此不適合作為比較不同樣本的模型二、我國財務危機預警研究狀況我國市場經濟體制的建立和資本市場的發展歷史相對較短，證券法規體系不健全以及破產機制不完善阻礙瞭財務預警研究的步伐，財務預警研究的起步較晩，在研究方法上主要借鑒國外的成果利用我國的數據構建類似的模型。1986年吳世農、黃世忠曾撰文介紹企業破產的財務分析指標極其預測模型1996年周首華、楊濟

7、華對Z計分模型進行改造，建立瞭F分數模型，在該模型中加入瞭現金流量這一預測自變量，並且擴大瞭樣本量。其使用瞭CompustatPCPlus會計數據庫中1990年以來的4160傢公司的數據進行瞭檢查；而Z計分數模型的樣本僅為66傢（33傢破產公司和33傢非破產公司）陳靜於1999年利用單變量分析方法和多變量分析法，把1998年底的27傢ST公司與同行業同規模的非ST公司作為樣本進行研究，認為在多變量分析法中，負債比率、净資產收益率、流動比率、營運資本/總資產、總資產周轉率等指標構建的模型,可以在前3

8、年較好的預測ST公司吳世農、盧賢義在2001年選取70傢處於財務困境的公司和70傢正常公司為樣本，檢驗瞭Fisher線型判定模型、多元型線性回歸分析和Logistic回歸分析三種方法。他們的研究結果表明，在財務危機的前兩年或者一年，流動比率、負債比率、總資產周轉率等指標的時效性較強。Fisher線型判定模型、多元型線性回歸分析和Logistic回歸分析模型均能在財務危機發生前作出較為準確的判斷，Logistic回歸分析模型的誤判最低，在財務危機發生的前1年，誤判率僅為6.47%楊淑