上市公司财务预警研究述评

摘要：本文回顾了国内外财务预警研究理论,并在对现有理论梳理和评价的基础上,提出要把财务变量和非财务变量相结合、财务失真和财务失败预警理论研究相结合的财务预警理论等研究观点。

关键词：证券市场；上市公司；财务预警

文章编号：１００３－４６２５（２００9）03－０086－０5中图分类号：Ｆ830.91文献标识码：Ａ

Abstract: This paper reviews the theoretical study of domestic and foreign literatures about financial alarm. Based on evaluation of the existing theories，it is proposed that non-financial and financial variables should be combined, and financial distortion alarm theory and financial failure alarm theory should be integrated.

Key Words: Security Market; Listed Companies; Financial Warning

我国自改革开放以来，竞争激烈的市场经济一方面为企业提供了广阔的舞台，另一方面也面临着激烈的竞争和挑战，稍有不慎就可能被卷入失败的漩涡。企业因财务危机导致经营陷入困境,甚至破产的例子更是屡见不鲜。如何在财务危机到来之前就预先觉察苗头，以便尽早采取措施，消除危机隐患，已成为当前亟待解决的现实问题。同时，随着我国证券市场信息披露制度的不断完善,根据这些信息构造合理的财务风险预警模型已经具备了现实的可能性。

从财务预警理论的发展历程来看,财务预警理论是随着证券市场不断发展而产生和不断深入的。“危机预警”的思想起源于20世纪初的欧美，在20世纪50年代取得了显著的成果。进入90年代，由于企业危机爆发的频率也越来越高，人们更加重视危机预警管理。在危机预警的发展过程中，财务预警的研究也相应展开。根据研究方法的差别，一般可把这些理论大致分为定性预警分析和定量预警模式两类。

一、定性预警方面的研究

定性预警的方法主要包括灾害理论、专家调查法、“四阶段症状”分析法等几种方法。

Scapens, Ryan和Fletcher(1981)的灾害理论是分析解释因均衡系统的影响因素缓慢变化从而引起系统的突然变化的理论。该理论认为公司就像一个流动资产的储备池，财务比率就是用来测量流过储备池流量的大小。但流量大小并不能够确定储备池是否一定要枯竭，因为可以通过债权人继续加水。这就要看债权人怎么看待财务比率的变化。许多公司破产，原因就在于债权人看到公司财务比率恶化，然后就想抽干“储备池”，或者不想继续加“水”了。

专家调查法就是企业组织各领域专家运用专业方面的知识和经验，根据企业的内外环境，通过直观的归纳，对企业过去和现在的状况、变化发展过程进行综合分析研究，找出企业运动、变化、发展的规律，从而对企业未来的发展趋势做出判断。

“四阶段症状”分析法认为:企业财务运营情况不佳，肯定有特定的症状，而且是逐渐加剧的。因此应及早发现各个阶段的症状，对症下药。企业财务运营病症大体可分为四个阶段:财务危机潜伏期;财务危机发作期;财务危机恶化期;财务危机实现期。

我国学者李秉成(2004) 从上市公司财务困境形成角度、困境征兆角度探讨上市公司财务困境预分析方法。提出了财务困境加权分析法和象限分析法两类财务困境综合分析方法。

张友棠(2004)指出建立财务预警系统是财务管理制度创新的必然选择。在此基础上，构建了基于经济周期理论的财务预警管理系统――理论模型、程序方法、警兆识别、指数测度。

二、定量财务预警方面的研究

（一）单变量判定模型

最早的财务预警研究是Fitzpatrick(1932)开展的单变量破产预测研究。Fitzpatrick最早发现，出现财务困境的公司其财务比率和正常公司的相比，有显著不同，从而认为企业的财务比率能够反应企业财务状况，并对企业未来具有预测作用。实证结果表明判别能力最高的是净利润／股东权益和股东权益／负债。

而美国的比弗Beaver (1966 )最早运用统计方法研究了公司财务失败问题，提出了较为成熟的单变量判定模型。比弗发现具有良好预测性的财务比率依次为1.现金流量/债务总额;2.净收益/资产总额；3.债务总额/资产总额。该研究的意义在于发现了不同财务指标具有不同预测企业破产的能力，为多变量方法预测奠定了基础。

但是单变量模型却具有以下局限性：其一，仅用一个财务指标不可能充分反映企业的财务特征。其二，如果使用多个指标分别进行判断，这几个指标的分类结果之间可能会产生矛盾，分析者可能得出不同的结论，以致无法做出正确判断。

（二）多变量线性判定模型

美国学者Altman (1968 )最早运用多变量分析方法探讨财务预警问题。Altman运用主成分分析方法提炼最有代表性的财务比率，通过统计技术筛选出那些在两组间差别尽可能大而在两组内部的离散度最小的变量，从而将多个标志变量在最小信息损失下转换为分类变量，获得能有效提高预测精度的多元线性判别方程。

Z=1.2X1+1.4 X2+3.3 X3+0.6 X4+0.999 X5

其中Z是判别函数值；X1～X5是Altman所选的5个比率，它们分别是：X1=营运资金/资产总额,X2=留存收益/资产总额，X3=息税前利润/资产总额,X4=权益的市场价值/负债账面价值总额，X5=销售收入/资产总额。

一般来说，Z值越低企业越有可能破产。奥特曼还提出了判断企业破产的临界值：当Z记分超过2.99时，企业被划为不会破产之列；若Z分值低于1.81，则企业被列为破产类。在这两个数字之间的区域被称为“未知区域”或“灰色区域”。

我国学者周首华、杨济华和王平(1996)提出了F分数预测模型，通过更新指标和扩大样本数对Z分数模型进行了修正。

陈静(1999) 以1998年的27家ST公司和对应的27家非ST公司，使用了1995-1997年的财务报表数据，进行多元线性判定分析，发现由负债比率、净资产收益率、流动比率、营运资本/总资产、总资产周转率6个指标构建的模型，在ST发生的前3年能较好地预测ST。

多元线性判定模型具有较高的判别精度，但也存在一些缺陷。其一，模型假定比较严格。模型要求自变量是呈正态分布的，两组样本要求等协方差，而现实中的样本数据往往并不能满足这一要求。这就使得许多研究都是在相对准确的前提下进行，其结论必然会有令人质疑的成分。其二，在前一年的预测中，多元线性判定模型的预测精度比较高，但在前两年、前三年的预测中，其预测精度都大幅下降，甚至低于一元判别模型。

（三）多元逻辑(Logit)模型

多元逻辑模型的目标是寻求观察对象的条件概率，从而据此判断观察对象的财务状况和经营风险。Logit模型假设了企业破产的概率P（破产取1，非破产取0），并假设Ln[p/(1-P)]可以用财务比率线性解释。假定Ln[p/(1-p)]=a+bx，根据推导可以得出p=exp(a+bx)/[1+exp(a+bx)]，从而计算出企业破产的概率。

Ohlson(1980)第一个采用Logit方法进行破产预测。其模型使用了9个自变量,估计了三个模型，分析了样本公司在破产概率区间上的分布以及两类判别错误和分割点的关系。他发现至少有四类显著影响公司破产概率的变量:公司规模、资本结构、业绩和当前资产的变现能力。继Ohlson之后，Gentry, Newbold and Whitford(1985); Casey and Bartczak(1985); Zavgren(1985)也采用类似的方法进行研究。

我国学者陈晓等（2000）以38家ST公司为研究对象，运用Logit回归，研究结果表明:负债权益比率、应收账款周转率、主营业务利润/总资产、留存收益/总资产具有较强的预测能力。程涛(2002)以1998-2000年被ST的A股上市公司为研究样本，运用时间序列回归和Logit回归方法，从财务指标角度和现金流量角度分别构建预警模型，并在此基础上构建综合预警模型。姜秀华(2001)、吴世农、卢贤义(2001)、李华中(2001)等也采用类似的方法进行研究。

Logit模型的最大优点是，放宽了模型的假设条件，运用范围更加广泛。但是其计算过程比较复杂，在计算过程中还有很多的近似处理，这些会影响到模型的预测准确度。如Logit模型常假定先验概率为1?1，选择0.5为分割点，实际上企业破产概率要比不破产概率小得多。以实际破产/非破产概率比作为先验概率可能会影响模型的预测精度。

（四）多元概率比(Probit)回归模型

Probit回归模型同样假定企业破产的概率为p，并假设企业样本服从标准正态分布，其概率函数的p分位数可以用财务指标线性解释。其计算方法和Logit很类似，先是确定企业样本的极大似然函数，通过求似然函数的极大值得到参数a、b，然后利用公式p=■1■e■2dt，求出企业破产的概率。

Ohlson(1980)首先采用Probit方法进行财务预警研究的。他选择1970-1976年间破产的105家公司和 2058家非破产公司组成配对样本，采用极大似然法，分析了样本公司在破产概率区间上分布以及两类错误和判别阀值点之间的关系。

Probit模型和logit模型的思路很相似，所以其局限性和Logit模型类似。不同之处在于多元概率比模型假设样本服从标准正态分布，且寻求破产概率的方法不同，Logit采用取对数方法，而Probit采用积分的方法。

（五）神经网络分析模型

用于财务危机判定与预测的类神经网络模型一般利用一组案例建立系统模型，类神经网络模型接收一组输入信息并产生反应，然后与预期反应相比较。如果错误率超过可以接受的水平，需要对权重W做出修改或增加隐藏层数目并开始新的学习过程。经过反复循环，直至错误率降低到可以接受的水平，这时学习过程结束并锁定权重,类神经网络就可以发挥预测功能了。

Odom and Sharda(1990)开拓了用BP神经网络预测财务困境的新方法，其研究是以Altman所构建的五个财务比率为研究变量，使用类神经网络与判别分析做验证比较，其结果发现类神经网络具有较佳的预测能力。

Tam(1991)采用人工神经网络(ANN) 进行财务预警研究，通过对人工神经网络的模拟，得出神经网络可以应用于财务预警，且具有较高的预测精度。

Koh and Tan在1999年以6个财务指标为研究变量做了类似的研究，得出类神经网络模型的预测效果优于Probit模型的结论。

我国学者杨保安等(2002)采用ANN模型进行财务危机预警研究，结果表明:样本的实际输出和期望输出较为接近，显示出神经网络是进行财务评估的一种很好的应用工具。柳炳祥、盛昭翰(2002)分析了评价财务危机的指标体系和财务危机等级的划分和基于粗神经网络的财务预警方法，并用一个预警实例进行了验证。

人工神经网络具有较好的纠错能力，从而能够更好地进行预测。然而，由于理论基础比较薄弱，ANN对人体大脑神经模拟的科学性、准确性还有待进一步提高，因此其适用性也大打折扣。

（六）其他财务预警模型

除上述提到的主要的研究财务预警的模型分析方法外，还有如递归分割算法、生存分析、CUSUM模型、线性目标规划、事件历史分析法、专家系统等模型和分析方法，但由于其适用性或准确性等原因，没有成为主要的财务预警理论，在此不再一一赘述。

（七）财务预警理论的拓展研究

1.考虑其他非财务因素的研究

研究人员一直尝试使用非财务信息构建预测准确率更高、预测结果更稳定的预测模型。Gilson (1989)认为高层管理者如CEO、总经理或总裁等离职也可以作为财务危机的指标。他以1979年至1984年共381家发生财务危机的公司为样本，发现52%公司的有高级管理人员异动之情形，而正常公司只有19％。

Donaldson (1986)及GirouxＷiggin (1984)认为有的经济事件有一定的前置时间，可以用作构建模型的变量。如破产前几年企业通常有到期票据不能及时支付、银行贷款不能及时偿还及高层管理人员出售公司股票等等。

Marquette(1980)认为使用长期性或宏观性的经济指标，如将利率、通货膨胀率、景气变动指标、产业与经济之间关系等作为构建模型的变量，可以提高模型的准确度。

王克敏（2005）研究认为在财务指标基础上引入公司治理、关联交易、对外担保等非财务指标，可以大大提高公司ST的预测准确率。郭斌等(2006) 研究认为加入贷款期限和M2增长率这两个非财务指标的8参数建立模型，具有较高的预测精度和较好的模型拟合度。邓晓岚（2006）研究结果显示加入年度累积超额收益率与审计师意见的非财务指标后预警效果较好。

2.财务失真预警方面的研究

关于财务信息失真问题，早期的研究大多从财务舞弊的动因、手段、防范与治理等方面来进行研究。1999年Healy and Wahlen首先从会计舞弊行为市场反应与识别方面进行了研究。认为投资者似乎能够辨认物价上升期间那些为了税收利益而采用后进先出法的公司，并且对相应的报告盈余的下降反应温和。Green and Choi(1997)以财务指标为输入变量，采用人工神经网络（ANN）技术构造了建立在原始财务数据基础上的会计舞弊判别模型，并发现这一模型将大大改善独立审计师发现舞弊行为的能力。Beneish(1999)提出利用会计数据来判别上市公司是否存在会计舞弊的思想，他以1987-1993年间受美国证监会处罚的74家公司为会计舞弊样本，以其他上市公司为正常样本，基于8个财务指标建立了Probit模型，准确预测率达到了75%。Spathis, Doumpons and Zopounidis(2002)以希腊舞弊公司与非舞弊为样本，采用多标准分析、单变量和多变量统计技术建立了包含Z计分值和不包括Z计分值的模型识别舞弊财务报告的可能性。

鹿小楠和傅浩(2003)在Beneish的研究基础上，分别建立多元判别模型和Logit回归模型，但对我国会计舞弊公司的判别成功率都仅仅为60%;蔡志岳、吴世农(2007)运用条件Logit回归模型对公司信息披露违规进行预警研究，实证结果表明在违规前一年，基于财务指标、市场指标和治理指标的预警模型可以有效地提前甄别信息披露违规的上市公司。

三、对国内外现有文献述评

在财务预警的定性研究方面，国内外学者从引起企业危机发生发展的内外各种因素进行了探讨，对财务危机的各个阶段进行了详细的划分和研究，对问题各个方面的分析都很深入。但从事定性研究的结论能够直接和定量模型结合起来的还不多。如探讨了影响企业财务困境的各种因素，但怎样把这些因素用于财务预警模型中，进行这方面研究的人并不多见。

从财务预警的定量研究方面看，国内外学者结合各种量化的技术，出现了很多的预警模型，在上述文献综述中我们也可以感受到这一点。但是其应用性和可操作性较差。笔者认为，不管模型做的多么复杂和巧妙，关键是要能够应用到实际中去，解决不同财务信息使用者的认知需要，这才是最根本的。

（一）财务预警模型的局限性

首先，模型会受到样本选取范围和样本时间区间的限制。研究发现，从不同的样本选取范围和不同的时间区间所得出的预警模型存在很大的差异。影响模型精度的因素很多，包括建立模型所用资料的时效性、国别特点、行业特点等。一国建立的模型不能直接适用于另一个国家，因此有必要建立各国自己的预警模型。其次，由于不同的模型需要不同的前提条件，如自变量要服从正态分布，样本要求等协方差等，而事实上很多时候这些条件并不能够完全得到满足，很多研究者所建模型大多是在近似条件下成立的，这必然影响到模型的正确性和预测精度。

（二）变量的选择方法问题

如何选取变量指标还缺乏理论支撑，研究人员在选择变量时，常受到自身价值判断的影响。如Altman在建立Z模型时，也只列出了22个财务比率，从中选出了5个比率。这些比率的选择不是建立在理论的基础之上的，而是根据它们的“通用性”和Altman的主观认为。另外，这些模型的变量大多只涉及财务比率，考虑非量化因素的较少。考虑非量化因素后加入定性指标的分析将会有效提高模型的准确度，这需要进一步的探索。

（三）财务预警研究重理论研究轻应用研究

财务预警研究者更多的是关注预测的准确性，但却没有能够同时关心使用者的实际可操作性。财务预警研究在财务预警模型精巧性的同时，更需要在财务预警技术的应用与推广方面多下工夫。

（四）关于财务信息失真问题

传统的财务失败(困境)预警模型本身不能对财务报表的真伪进行鉴别,用可能虚假的财务报告来进行财务预警,会使财务危机预警模型的预测结果发生偏差。从财务失真预警这方面来看，理论研究较少，特别是国内的研究尚处于起步阶段。另外，财务失真和财务失败预警两方面的研究相互脱节，这两方面的研究没有能够结合起来进行。

根据上述研究述评，笔者认为要重点解决财务预警理论的实际应用性问题，使其能够真正满足财务信息使用者的需要。应注意使用包括非量化因素的财务预警指标体系，尤其要注意建立财务失真（舞弊）和财务失败（困境）二者相结合的双元财务预警模型，一方面，对中国不发达、不完善的证券市场而言，财务信息失真问题是非常严重的（事实上在美国这样成熟的市场，财务失真现象也是大量存在的），财务失真的预警研究尤其必要。但从现有的文献来看，绝大多数的理论性研究局限于上市公司会计舞弊的动因、手段、防范和治理，很少涉足舞弊的市场反应与识别和预警问题，特别是预警模型的研究。另一方面看，上市公司所面临的各种危机和财务困境，要求我们要进行财务失败预警的研究。这方面的文献较多，正如前面所述，理论上也较为丰富。但是，财务失败预警的研究没有和财务失真预警研究结合起来，用可能是失真的数据来预警，其结果可想而知。所以，要建立财务失真和财务失败双方面相结合的财务预警模型，才是正确解决上市公司财务预警问题的根本之道。

参考文献：

[1]A1tman E.I, “Financial Ratios, Discriminant Analysis, and the Prediction of Bankruptcy”, Journal of Finance, September 1968.

[2]Amy Hing-Ling, “A Five-State Financial Distress Prediction Model”，Journal of Accounting ResearchSpring 1987.

[3] Carmichael, D.R., The Auditor's Reporting Obligation. Auditing Research Monograph No.l(New York: AICPA), 1972.

[4]Charles E. Mossman, Geoffrey G. Bell, L. Mick Swartz. Harry Turtle. An Empirical Comparison of Bankruptcy Models. The Financial Review 33. 199835-54

[5] Green B.P. and Choi J.H. Assessing the Risk of Management Fraud though Neural Network Technology [J].Auditing, 1997,(16):1―19.

[6]Ohlson, J.S.，“Financial Ratio，and the Probabilistic Predict ion o f Bankruptcy", Journal of Accounting Research Vol.18,No1,1980.

[7] Odom, M.D., and R.Sharda. “A Neural Network Model for Bankruptcy In Proceedings of the International Joint Conference on Neural works”.1990,6:136-138.

[8]Scott，J, “The Probability ofBankruptcy A Comparison of Empirical Predication and Theoretical Model”，Journal of Banking and Finance,September, 1981.

[9]Tam and Kiang ,“Predicting Bank Failures: A Neural Network Approach”, Management Science[J]，1992, 8:926-947.

[10]蔡志岳,吴世农.基于公司治理的信息披露舞弊预警研究[J].管理科学,2006,(8).

[11]陈工孟,芮萌,许庆胜.现代企业财务困境预测[M].上海:上海财经大学出版社,2006,(7).

[12]陈静.上市公司财务恶化预测的实证研究[J].会计研究,1999,(4).

[13]程涛.财务预警模型综述[J].山西财经大学学报,2003,(10).

[14]邓晓岚,王宗军,李红侠,杨忠诚.非财务视角下的财务困境研究[J].管理科学,2006,(6).

[15]姜秀华,孙铮.治理弱化与财务危机:一个预测模型[J].南开管理评论,2001,(5).

[16]金春蕾,郭炜,王宗军.我国上市公司财务失败预警模型的评析[J].商业研究,2003,(12).

[17]鹿小楠,傅浩.中国上市公司财务造假问题研究[J].上证研究,2003,(2):36-95.

[18]彭韶兵.财务风险机理与控制分析[Z].西南财经大学,2001博士学位论文.

[19]秦江萍.会计舞弊的市场反应与识别[M].北京:经济科学出版社,2006,(5).

[20]宋雪枫.中国上市公司财务危机预警问题研究[Z].上海交通大学,2006年博士学位论文.

[21]王克敏,姬美光.基于财务与非财务指标的亏损公司财务预警研究[J].财经研究,2006,(7).

[22]王玲玲,曾繁荣.财务预警模型评述[J].市场论坛,2005(12).

[23]吴革.财务报告粉饰手法的识别与防范[M].北京:对外经济贸易出版社,2003,(1).

[24]吴世农.现代财务管理理论与方法[M].北京:中国经济出版社,1997.

[25]夏毅,魏岚.企业财务危机预警研究[J].当代经理人,2005,(18).

[26]杨宝安,季海.基于人工神经网络的商业银行贷款风险预誉研究[J].系统工程理论与实践,2001,(5).

[27]袁业虎,张燕.中外财务预警实证研究述评[J].审计与理财,2005,(9).

[28]张鸣,张艳,程涛.企业财务预警研究前沿[M].北京:中国财政经济出版社,2004,(4).

[29]张鸣,张艳.财务困境预测的实证研究与评述[J].财经研究,2001,(12).

[30]张玲.财务危机预警分析判别模型[J].数量经济技术经济研究,2000,(3):49-51.

[31]张友棠.财务预警系统管理研究[M].北京:中国人民大学出版社,2004,(3).

[32]张祥,陈荣秋.财务预警模型的变迁[J].华中科技大学学报(社科版),2003,(4).

[33]周首华,杨济华,王平.论财务危机的预警分析―F分数模型会计研究[J].1996,(8),8-10.

[34]赵宇欣.国外财务危机预警模型研究的比较分析[J].哈尔滨商业大学学报,2003,(6).