一、單變量預(yù)警模型
　　最早的財(cái)務(wù)危機(jī)預(yù)測(cè)研究是FitzPatrikc(1932)所做的單變量破產(chǎn)預(yù)測(cè)模型，他發(fā)現(xiàn)，出現(xiàn)財(cái)務(wù)困境的公司其財(cái)務(wù)比率和正常公司的財(cái)務(wù)比率相比有顯著的不同，從而認(rèn)為企業(yè)的財(cái)務(wù)比率能夠反應(yīng)企業(yè)財(cái)務(wù)狀況，對(duì)企業(yè)未來(lái)具有預(yù)測(cè)作用。
　　Beaver(1966)對(duì)美國(guó)1954年～1964年間79家失敗企業(yè)和79家成功企業(yè)的30個(gè)財(cái)務(wù)比率進(jìn)行研究的結(jié)果表明，具有良好預(yù)測(cè)性的財(cái)務(wù)比率為“現(xiàn)金流量/負(fù)債總額”、“資產(chǎn)收益率（凈收益/資產(chǎn)總額）和資產(chǎn)負(fù)債率（債務(wù)總額/資產(chǎn)總額）。Bevaer也因此開(kāi)創(chuàng)了建立財(cái)務(wù)預(yù)警模型的先河。
　　二、多元線性判別模型
　　1.Z計(jì)分模型
　　1968年埃德沃德·阿爾特曼Altman提出了多元線性判定模型即運(yùn)用多種財(cái)務(wù)指標(biāo)加權(quán)匯總產(chǎn)生的總判斷分值(稱為z值)來(lái)預(yù)測(cè)財(cái)務(wù)危機(jī)，此模型分為在上市公司和非上市公司兩種情況。上市公司的Z值模型和判別規(guī)則如下:Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5 其中:X1=凈營(yíng)運(yùn)資本/資產(chǎn)總額，反映公司總營(yíng)運(yùn)資本的流動(dòng)性；X2=留存收益/資產(chǎn)總額，反映公司的支付剩余能力；X3=息稅前利潤(rùn)/資產(chǎn)總額，反映公司的收益率大小，衡量公司運(yùn)用全部資產(chǎn)獲取利潤(rùn)的能力；X4=普通股和優(yōu)先股市場(chǎng)價(jià)值總額/債務(wù)賬面價(jià)值總額，反映公司財(cái)務(wù)狀況的穩(wěn)定性；X5=本期銷售收入/資產(chǎn)總額，反映公司的活動(dòng)比率。
　　該模型實(shí)際上是通過(guò)五個(gè)變量(五種財(cái)務(wù)比率)，將反映企業(yè)償債能力的指標(biāo)(X1、X4)、獲利能力指標(biāo)(X2、X3)和營(yíng)運(yùn)能力指標(biāo)(X5)有機(jī)聯(lián)系起來(lái)，綜合分析預(yù)測(cè)企業(yè)財(cái)務(wù)失敗或破產(chǎn)的可能性。一般地，Z值越低企業(yè)越有可能發(fā)生破產(chǎn)。
　　非上市公司的Z值模型和判別規(guī)則如下:Z=0.717X1+0.847X2 +3.107X3+0.420X4+0.998X5，其中，X4修正為:股東權(quán)益/總負(fù)債，反映公司財(cái)務(wù)狀況的穩(wěn)定性。其余X1、X2、X3、X5與上市公司的相同。
　　2.F分?jǐn)?shù)模型
　　我國(guó)學(xué)者周首華(1996）等提出對(duì)Z值判定模型加以改造建立起F分?jǐn)?shù)模型。許多專家證實(shí)，現(xiàn)金流量比率是預(yù)測(cè)公司破產(chǎn)的有效變量，F(xiàn)分?jǐn)?shù)模型加入現(xiàn)金流量這一預(yù)測(cè)自變量，彌補(bǔ)了Z值判定模型的不足。其表達(dá)公式為:
　　F=-0.1774+1.1091X1+0.1704 X2+l.9271 X3+0.0302 X4+0.4961 X5，其中，X1、X2及X4與Z計(jì)分模型中的X1、X2及X4反映的指標(biāo)相同，而X3、X5與Z分?jǐn)?shù)模型的X3、X5不同。X3=(稅后凈收益+折舊)/平均總負(fù)債，它是一個(gè)現(xiàn)金流量變量，是衡量企業(yè)所產(chǎn)生的全部現(xiàn)金流量可用于償還企業(yè)債務(wù)能力的重要指標(biāo)。X5=(稅后凈收益+利息+折舊)/平均總資產(chǎn)，測(cè)定的是企業(yè)總資產(chǎn)在創(chuàng)造現(xiàn)金流量方面的能力(其中的利息是指企業(yè)利息收入減去利息支出后的余額)。相對(duì)于Z分?jǐn)?shù)模型，它可以更準(zhǔn)確地預(yù)測(cè)出企業(yè)是否存在財(cái)務(wù)危機(jī)。
　　三、邏輯回歸模型
　　多元邏輯回歸模型克服了多元線性判別分析方法對(duì)預(yù)測(cè)變量有著嚴(yán)格的聯(lián)合正態(tài)分布要求、且要求財(cái)務(wù)危機(jī)組與控制組之間一定要進(jìn)行配對(duì)的局限性，從而將問(wèn)題簡(jiǎn)化為已知一個(gè)公司具有某些財(cái)務(wù)特征，計(jì)算其在一段時(shí)間內(nèi)陷入財(cái)務(wù)危機(jī)的可能性有多大。美國(guó)學(xué)者Ohlson(1980)是最早在財(cái)務(wù)預(yù)警研究中應(yīng)用這種方法的人。
　　我國(guó)學(xué)者陳曉、陳治鴻(2000)以因財(cái)務(wù)狀況異常而被特別處理(ST)作為上市公司陷入財(cái)務(wù)危機(jī)的標(biāo)志，運(yùn)用多元邏輯回歸模型和可公開(kāi)獲得財(cái)務(wù)數(shù)據(jù)，對(duì)中國(guó)上市公司的財(cái)務(wù)危機(jī)進(jìn)行了預(yù)測(cè)，發(fā)現(xiàn)負(fù)債權(quán)益比、應(yīng)收賬款周轉(zhuǎn)率、“主營(yíng)利潤(rùn)率/總資產(chǎn)”和“預(yù)留收益/總資產(chǎn)”對(duì)上市公司財(cái)務(wù)危機(jī)有著顯著的預(yù)示效應(yīng)。他們的研究所發(fā)現(xiàn)的最優(yōu)模型能夠從上一年股本收益率公告小于5%的上市公司中預(yù)測(cè)出73.68%的下一年會(huì)進(jìn)入TS板塊的公司，總體判別正確率為78.24%。
　　四、神經(jīng)網(wǎng)絡(luò)模型
　　Odour和Sharda(1990)用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)了財(cái)務(wù)危機(jī)。他們的模型要優(yōu)于當(dāng)時(shí)的判別分析模型，但也僅僅是神經(jīng)網(wǎng)絡(luò)方法應(yīng)用的展示和Altman(1968)研究的重復(fù)。Coats和Fant(1992)運(yùn)用神經(jīng)網(wǎng)絡(luò)技術(shù)學(xué)習(xí)審計(jì)專家的結(jié)論來(lái)判別財(cái)務(wù)危機(jī)，他們選取了由審計(jì)師判定的1971年～1990年間的94家持續(xù)經(jīng)營(yíng)的公司和188家財(cái)務(wù)狀況變動(dòng)較大的公司，并采用Atlman的Z值模型中5個(gè)財(cái)務(wù)比率分析了這些公司在破產(chǎn)前3年內(nèi)的數(shù)據(jù)。Coats和Fnat認(rèn)為Z值模型對(duì)破產(chǎn)當(dāng)年具有很好的判斷效果，但不具有很好的提前預(yù)測(cè)效果，神經(jīng)網(wǎng)絡(luò)模型則解決了此問(wèn)題。
　　五、國(guó)內(nèi)外研究簡(jiǎn)評(píng)
　　在國(guó)內(nèi)外現(xiàn)有的財(cái)務(wù)預(yù)警研究中,指標(biāo)的選擇往往基于一般的財(cái)務(wù)理論、風(fēng)險(xiǎn)理論和管理理論，有時(shí)甚至取決于研究者的直觀判斷以及資料的可獲得性，眾多研究者還沒(méi)有找到令人信服的財(cái)務(wù)風(fēng)險(xiǎn)和預(yù)警理論來(lái)支撐所建立的預(yù)警模型,由此造成了各種財(cái)務(wù)預(yù)警模型的預(yù)警結(jié)論不一致，甚至相互矛盾和沖突。企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的形成和警情的出現(xiàn)往往在事前存在著一定的征兆，這就是財(cái)務(wù)預(yù)警的警兆,而警兆的識(shí)別需要以科學(xué)的財(cái)務(wù)風(fēng)險(xiǎn)理論和財(cái)務(wù)預(yù)警理論為基礎(chǔ)。然而,在當(dāng)前的研究中，還沒(méi)有找到一種公認(rèn)的理論來(lái)全面地說(shuō)明財(cái)務(wù)風(fēng)險(xiǎn)的成因和財(cái)務(wù)預(yù)警的警兆因素，為此，國(guó)內(nèi)外的眾多研究者還在努力探索。

擴(kuò)展閱讀

版權(quán)聲明：