上市公司财务预警研究综述

上市公司财务预警研究综述

作者：朱涛 李谦

来源：《现代经济信息》2014年第21期

摘要：证券市场作为社会主义市场经济的一个重要组成部分，在转变经济体制和经济增长方式方面发挥着重要作用，关注证券市场上市公司的财务状况与上市公司、众多投资者息息相关。本文回顾国外财务预警研究的发展，梳理国内对财务预警模型的直接应用与修正以及学者以我国上市公司数据为基础建立模型进行的预警研究，提出财务预警研究对象与研究方法要与我国证券市场的发展与完善相适应。 关键词：上市公司；财务预警；模型

中图分类号：F275 文献标识码：A 文章编号：1001-828X（2014）011-00-02

财务预警拟通过对企业的信息进行分析与处理，建立用于提前预知企业将来财务状况的模型，用以警示利益相关者及时发现问题并采取措施避免风险扩大或是转变成损失，同时也能帮助投资者改善投资决策。

一、国外财务预警研究文献综述

上世纪30年代国外开始对财务预警进行研究，大致经历了线性判定模型，多元逻辑回归模型以及比较复杂的人工神经网络模型，经过比较长的时间，这些模型已经比较成熟，得到了广泛应用。 1.线性判定模型

线性判定模型分为单变量和多变量预警模型。 Fitzpatrick（1932）最早在经验分析中发现财务指标能反映公司财务状况。Beaver（1966）采用不同的方法进行单变量预警分析，相比最初Fitzpatrick的以经验分析为主的预警有了进步，但是单变量预警模型过度关注某一个财务指标，在反映公司的实际财务状况时可能会存在对某个财务指标的片面重视。

从单变量到多变量模型的发展，结合了更多的统计学知识，相应的多元线性判定模型有比较严格的假设前提。A1tman（1968）运用多元线性判别方法得出了著名的Z值模型。Z值模型表现出很高的判断准确率，并且模型比较简单，容易理解，其从企业的多个能力方面，综合反映一个企业的财务状况。虽然Z分数模型也有一定的不足，比如没有充分考虑到现金流量变动的情况、要求自变量服从正态分布以及等协方差，但Z分数模型对财务预警研究影响至今，仍有很高的借鉴意义。 2.逻辑回归模型

龙源期刊网 http://www.qikan.com.cn

相对于多元线性判定模型的统计学上的严格假设，多元逻辑回归模型的使用前提限制较少。多元逻辑回归模型基于条件概率计算企业破产概率，概率大于0.5时，意味着企业破产风险较高，小于0.5时，表明企业破产风险较小，财务状况趋于正常。Ohlson（1980）首先在财务预警领域中使用多元逻辑回归方法，多元逻辑回归对自变量没有严格的前提约束，其运用条件相对宽松，但计算过程相对较复杂，且将发生破产的概率设为1，而将不会发生破产的概率设为0，并以0.5作为概率判别的临界值的近似处理缺乏依据与合理性，这也使多元逻辑回归模型的应用受到了一定限制。 3.神经网络模型

随着计算机技术的发展，一种非统计类模型开始被用于财务预警研究中—人工神经网络模型。Odom，Sharda （1990）将类神经网络应用于企业破产预测中。虽然人工神经网络模型能克服统计方法上的局限，且具有较好的容错与纠错能力，但由于神经网络模型数据的处理分析缺乏可观察性和科学合理的解释，所以其应用受到了限制。 二、国内财务预警研究文献综述

我国市场经济起步较晚，证券市场建立起来的时间不长，因此对财务预警的研究也较晚。 1.Z-score模型的直接应用与修正改进

由于Z值模型的广泛适用性，学者对Z值模型的研究比较多，一般分为对Z值模型的直接应用和修正改进。徐秀渠（2010）选取暂停上市和终止上市的公司进行研究，吴珍琳（2012）以广西上市公司为例，张丽、邓春景（2013）等都是直接利用Z值模型检验其对我国上市公司的适用性。

为了探索适合我国上市公司的财务预警模型，许多学者对模型进行改进与修正，以期提高预警准确性。对Z值模型调整临界值或是引入新的变量是修正的常用方法。周首华、杨济华、王平（1996）以Z值模型为基础，将企业现金流量变动情况这一指标引入模型变量中，在选取更多样本的情况下建立了F分数模型。与Z值分数模型变量相比而言，F分数模型注重了流动性，如税后收益与平均负债的比值，这也是对企业偿债能力的考虑。李元凤、戴劲（2010），根据检验结果调整临界值，并引入新的三个变量对模型进行改进，经改进的模型提高了预警的准确性。

2.以我国上市公司数据为基础建立新模型

不同于对Z值模型的直接应用，由于逻辑回归模型需要基于具体的数据得出回归系数，所以在运用多元逻辑回归模型时不能直接应用国外已有模型。陈晓、陈治鸿（2000），姜秀华、孙铮（2010），才元（2006）等运用逻辑回归模型对我国上市公司进行了财务预警研究。为寻求某一行业共性，排除不同行业间的差异，孔宁宁、魏韶巍（2010）选取我国制造业上市公司建立多元逻辑回归模型进行预警研究。

龙源期刊网 http://www.qikan.com.cn

相对统计类模型，非统计类模型对模型自变量的要求比较低，其适用范围比较广泛。杨淑娥（2005）采用BP人工神经网络工具，张根明、向晓骥、孙敬怡（2006）采用BP神经网络方法从制造业上市公司中选取样本，建立财务预警模型。结果显示人工神经网络模型表现出较强的适用性，预测准确性较高。 三、财务预警研究的评价

通过以上对财务预警研究现状的回顾，可以发现由于西方发达的资本市场，上市公司的数据时间积累长，财务预警模型依据的数据基础稳定性较好，通常表现出良好的预测准确率与广泛的适用性。我国实行市场经济比较晚，相应的证券市场也不够完善，上市公司上市运行时间不长，所以我国对上市公司的财务预警研究的时间跨度比较短，相应的模型预警效果不明显。 在研究对象上，由于国外行业发展比较成熟，能够细分到某一个行业中的上市公司为研究对象，国内多以整个主板、中小板上市公司为对象选取样本，虽然也有学者分行业进行研究，但由于我国证券市场起步较晚，目前总体规模相对较小，行业发展不均衡，上市公司多为制造业，因此在细分行业进行研究时会有困难。随着我国创业板块的设立，证券市场进步一步丰富，创业板也逐渐纳入研究范围，而创业板设立时间还很短，创业板上市公司较少，因此要对创业板再进行分行业研究，显然目前还不适用。随着我国市场经济的发展，证券市场规模的逐步扩大，未来进行分行业的财务预警研究是一种趋势。

在研究方法上，国外多以破产为界区分财务状况不佳与财务状况正常公司选取样本，而国内多以ST和非ST为标准区分两类公司选取样本进行预警研究，创业板取消了ST规则，传统的以ST公司为标准选取样本的方法可能不完全适用，随着创业板退市制度的出台，寻求与创业板退市规定相一致的界定标准逐渐成为要解决的问题之一。强调非财务指标在财务预警中的重要性一方面使得在分析问题时要求更加全面的考虑可能重要的影响因素，同时也面临着对非财务信息如何量化的问题，这使得财务预警模型的研究更加复杂。研究方法中的人工神经网络模型表现出良好的预测准确率，借助计算机进行模拟分析可能在今后的研究中会占主导地位，但限于神经网络模型的复杂性和可解释性，考虑广大投资者的实际操作需要，是否越复杂的模型对财务预警的实用性越好这一问题仍值得探讨与实践检验。

随着我国经济体制改革的不断深入，在尊重市场、完善监管制度的良好环境下，也为证券市场的发展与规范提供了有利条件，进一步探索适合我国证券市场、符合我国上市公司情况的财务预警模型需要进一步研究与丰富，其预警效果也需要时间的积累与检验。 参考文献：

[1]Beaver W H.Financial ratios as predictors of failure[J].Journal of Accounting Research， 1966，9：71-111.

龙源期刊网 http://www.qikan.com.cn

[2]Altman E I. Financial ratios， discriminant analysis and prediction Of corporate bankruptcy [J].Journal of Finance，1968，9：589-609.

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

[4]周首华，杨济华，王平.论财务危机的预警分析—F分数模式.会计研究，1996，（8）：8-11.

[5]李恩，刘立新.我国房地产上市公司财务预警研究[J].华东经济管理，2012，（8）：156-160.

[6]杨淑娥，黄礼.基于BP神经网络的上市公司财务预警模型[J].系统工程理论与实践，2005（1）：12-18.

[7]张根明，向晓骥，孙敬宜.基于BP神经网络的制造业上市公司财务预警[J].山东工商学院学报，2006（4）：56-61.