企业财务预警模型评述及对策浅析
本站原创 1 不足的提出
加入WTO后，我国企业面临的是世界大市场，竞争更加激烈。特别是实行现代企业制度后，企业的经营权和所有权分离，企业的组织形式是多元化、多角化、集团化、跨行业的经营趋势。企业被财务风险葬送的教训层出不穷：日本住友商社、韩国大宇集团、美国安然公司、中国的巨人集团、蓝田股份以及“新疆啤酒花事件”等，都与财务风险有关。财务风险预警管理因而成为学术界和企业界关注的焦点,建立一个有效的企业财务风险预警机制及防范系统，显得十分必要和迫切。
2 典型财务预警模型介绍
企业的财务报表等所提供的会计信息综合反映了企业财务状况和经营成果，根据企业会计信息的结构、比率和比较浅析浅析可以研究企业的偿债能力、盈利能力、发展能力和资金运营状况，可以浅析浅析企业的安全状况，进而对企业的综合财务状况作出判断(吴水澎，1996)。基于对相关财务比率进行的单项和综合研究而建立的各种财务预警模型，就是对企业危机预警进行的量化研究（薛祖云，2004）。
（1）单变量判定模型（UnailableDiscriminateModel）。
最早运用统计策略和财务比率进行企业危机预警研究的是美国财务专家威廉·比弗（WilliamBeer,1966）。他的《财务比率与失败预测》一文是以企业危机预警为主题，以单一的财务比率指标为基本变量，运用配对样本法，随机挑选了1954年到1964年间79家危机中的企业，并针对这79家企业逐一挑选与其产业相同且资产规模相近的79家正常企业，再将样本企业分为训练样本与测试样本两组。先以训练样本企业破产前5年的30项财务比率进行二分类检验（Dichotomous Classification Test ）。用以找出最具区别能力的财务比率及其分界点，并利用测试样本预测及验证其财务比率及分界点的危机预警能力。
威廉·比弗的结论是，最能对企业危机做出预警的指标是“流量/总负债”比率，其次为“总负债/总资产”比率和“净利润/总资产”比率。在企业破产前5年可达70%以上的预测准确率，在企业破产前1年可达87%的预测准确率。
（2）多元判定模型（Multivariate Discriminate Model）。
该模型又称奥尔特曼模型或Z分数模型（Z-score Model）是由美国财务专家爱得华?奥尔特曼(Edward .I. Altman)提出的。他认为，偿债能力的丧失是引起企业破产的主要理由，企业在财务状况良好——财务危机——破产——清算这一过程中，是有信号可预测的。经过大量实证考察和研究之后，于1968年才提出了多元Z值判定模型，即：
Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5
（3）F分数模型（F-Score Model）。
由于Z分数模型在建立时并没有充分考虑到流量变动等方面的情况，因此有一定的局限性。为此，我国学者周首华、杨济华对Z分数模型加以改造，于1996年提出了财务危机预测的新模型——F分数模型。在F分数模型中加入流量这一有效的预测变量，弥补了Z分数模型的不足。同时，该模式还考虑到现代企业财务状况的发展及标准的更新，比如，由于管理技术的提高，致使企业所应维持的必要流动比率有所降低，该模式的样本选用更为扩大，它使用了Compustat PC Plus 会计数据库中1990 年以来416 家公司的数据进行检查，而Z分数模型的样本仅为66 家。
F分数模型
F= -0.1774+1.1091X1+0.1074X2+1.9271X3+0.0302X4+0.4961X5
（4）神经网络预警模型。
1987年，Lapeds和Fayber首次应用神经网络进行预测，开创了神经网络预警的先河。该模型适合于对复杂性、时变性和模糊性的系统进行预测。神经网络策略预警模型主要建立在“黑箱法”的基础上。它把复杂系统当作一个黑箱，然后通过刺激（输入）、反应（输出）来研究系统的结构和性质。人脑的思维机制可分为抽象思维（逻辑推理）和形象思维（不确定性推理），神经网络模型根据生物神经元的外部行为特点，推测具有类似于阀值逻辑的结构，提出人工神经元的阀值逻辑模型。
BP(Back propagation)模型是神经网络策略中一种比较常用的模型，这种模型把系统看作一个黑箱，考虑其输入和输出之间的非线性映射，输入过程可用输入节点来表示，输出过程可用输出节点来表示。假定系统内部结构为未知，同时用隐节点来表示内部机制，从而形成一种用人脑神经元突触行为模拟节点机制的类似神经的人工神经网络。这样，可通过不断地输入和输出，以及对有限多个样本的学习来达到对所研究系统内部的模拟。
3 企业财务预警模型评述
随着统计技术和计算机技术的不断发展，归纳分类、人工智能、神经网络模型以及实验等技术逐渐被引入到企业财务预警研究之中。然而，无论采用什么统计策略或研究策略，企业财务预警研究中都存在着许多不足，主要体现在：
（1）缺乏系统的经济理论指导。
在目前的文献中，能够系统地解释企业失败和破产的经济和管理理论还很少。尽管有些学者从委托、交易费用和产权关系等企业制度环境和制度安排方面作了大量的阐述，并借助于企业生命周期理论、企业进化理论等对企业失败现象进行解释。但是，它们还不够完善，不足以系统地解释企业失败的理由，还远远不能准确确定财务预警模型中应包括的预测变量。因此，在选择预测变量时，还是凭着经验进行搜索，在众多的变量、样本、策略以及模型中找出最佳的组合，缺乏深厚的理论基础。
（2）研究策略上存在的不足。
①选择的预测变量往往是企业陷入财务困境的征兆，而非陷入财务困难的理由。一般而言，失败企业数量较少，因此所选择的失败企业样本大都不属于同一行业，从该样本得到的最好的预测变量反映了所有失败企业的共同特点：低效益和高负债。因此，大多数预警模型所提供的信息只是一种表象而已。
②选取的财务变量具有片面性、滞后性（事后性）和多重共线性。所选取的财务变量的片面性体现在一个具体的财务变量只是从某一个侧面反映企业的财务状况和经营成果；财务变量的滞后性体现在财务报表的公布日，滞后于会计期间。比如我国上市公司的年度财务报一般是在会计年度结束后的4个月内公布。如何克服财务变量的片面性、滞后性（事后性）和多重共线性是一个急需解决的不足。
③样本选取的困难。尽管上市公司的数据相对容易获得，但是要获得那些财务困难公司在其陷入财务困境之前的数据却不太容易，完整性也不够。另外，很多研究采用了“配对抽样”。按照行业、资产规模等标准为财务困境公司构造一组制约样本，这会产生两类公司的比例与它们在总体中的比例严重不一致，夸大预测模型的准确率。
④非财务指标因素的忽略。利用财务危机量化指标对企业预测，很可能忽略非财务指标的因素。社会经济活动中的失败与利率、失业率等的变化与财务危机有关，多种变量模型中如果能加入对宏观经济因素的预测，模型的预测能力就会加强；再者，许多学者以行业成功企业作为比较基准，这是不够科学的。因为企业间不同环境造成比较上的牵强性，很难找到处于相同境地、相同条件下的企业。
加入WTO后，我国企业面临的是世界大市场，竞争更加激烈。特别是实行现代企业制度后，企业的经营权和所有权分离，企业的组织形式是多元化、多角化、集团化、跨行业的经营趋势。企业被财务风险葬送的教训层出不穷：日本住友商社、韩国大宇集团、美国安然公司、中国的巨人集团、蓝田股份以及“新疆啤酒花事件”等，都与财务风险有关。财务风险预警管理因而成为学术界和企业界关注的焦点,建立一个有效的企业财务风险预警机制及防范系统，显得十分必要和迫切。
2 典型财务预警模型介绍
企业的财务报表等所提供的会计信息综合反映了企业财务状况和经营成果，根据企业会计信息的结构、比率和比较浅析浅析可以研究企业的偿债能力、盈利能力、发展能力和资金运营状况，可以浅析浅析企业的安全状况，进而对企业的综合财务状况作出判断(吴水澎，1996)。基于对相关财务比率进行的单项和综合研究而建立的各种财务预警模型，就是对企业危机预警进行的量化研究（薛祖云，2004）。
（1）单变量判定模型（UnailableDiscriminateModel）。
最早运用统计策略和财务比率进行企业危机预警研究的是美国财务专家威廉·比弗（WilliamBeer,1966）。他的《财务比率与失败预测》一文是以企业危机预警为主题，以单一的财务比率指标为基本变量，运用配对样本法，随机挑选了1954年到1964年间79家危机中的企业，并针对这79家企业逐一挑选与其产业相同且资产规模相近的79家正常企业，再将样本企业分为训练样本与测试样本两组。先以训练样本企业破产前5年的30项财务比率进行二分类检验（Dichotomous Classification Test ）。用以找出最具区别能力的财务比率及其分界点，并利用测试样本预测及验证其财务比率及分界点的危机预警能力。
威廉·比弗的结论是，最能对企业危机做出预警的指标是“流量/总负债”比率，其次为“总负债/总资产”比率和“净利润/总资产”比率。在企业破产前5年可达70%以上的预测准确率，在企业破产前1年可达87%的预测准确率。
（2）多元判定模型（Multivariate Discriminate Model）。
该模型又称奥尔特曼模型或Z分数模型（Z-score Model）是由美国财务专家爱得华?奥尔特曼(Edward .I. Altman)提出的。他认为，偿债能力的丧失是引起企业破产的主要理由，企业在财务状况良好——财务危机——破产——清算这一过程中，是有信号可预测的。经过大量实证考察和研究之后，于1968年才提出了多元Z值判定模型，即：
Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5
（3）F分数模型（F-Score Model）。
由于Z分数模型在建立时并没有充分考虑到流量变动等方面的情况，因此有一定的局限性。为此，我国学者周首华、杨济华对Z分数模型加以改造，于1996年提出了财务危机预测的新模型——F分数模型。在F分数模型中加入流量这一有效的预测变量，弥补了Z分数模型的不足。同时，该模式还考虑到现代企业财务状况的发展及标准的更新，比如，由于管理技术的提高，致使企业所应维持的必要流动比率有所降低，该模式的样本选用更为扩大，它使用了Compustat PC Plus 会计数据库中1990 年以来416 家公司的数据进行检查，而Z分数模型的样本仅为66 家。
F分数模型
F= -0.1774+1.1091X1+0.1074X2+1.9271X3+0.0302X4+0.4961X5
（4）神经网络预警模型。
1987年，Lapeds和Fayber首次应用神经网络进行预测，开创了神经网络预警的先河。该模型适合于对复杂性、时变性和模糊性的系统进行预测。神经网络策略预警模型主要建立在“黑箱法”的基础上。它把复杂系统当作一个黑箱，然后通过刺激（输入）、反应（输出）来研究系统的结构和性质。人脑的思维机制可分为抽象思维（逻辑推理）和形象思维（不确定性推理），神经网络模型根据生物神经元的外部行为特点，推测具有类似于阀值逻辑的结构，提出人工神经元的阀值逻辑模型。
BP(Back propagation)模型是神经网络策略中一种比较常用的模型，这种模型把系统看作一个黑箱，考虑其输入和输出之间的非线性映射，输入过程可用输入节点来表示，输出过程可用输出节点来表示。假定系统内部结构为未知，同时用隐节点来表示内部机制，从而形成一种用人脑神经元突触行为模拟节点机制的类似神经的人工神经网络。这样，可通过不断地输入和输出，以及对有限多个样本的学习来达到对所研究系统内部的模拟。
3 企业财务预警模型评述
随着统计技术和计算机技术的不断发展，归纳分类、人工智能、神经网络模型以及实验等技术逐渐被引入到企业财务预警研究之中。然而，无论采用什么统计策略或研究策略，企业财务预警研究中都存在着许多不足，主要体现在：
（1）缺乏系统的经济理论指导。
在目前的文献中，能够系统地解释企业失败和破产的经济和管理理论还很少。尽管有些学者从委托、交易费用和产权关系等企业制度环境和制度安排方面作了大量的阐述，并借助于企业生命周期理论、企业进化理论等对企业失败现象进行解释。但是，它们还不够完善，不足以系统地解释企业失败的理由，还远远不能准确确定财务预警模型中应包括的预测变量。因此，在选择预测变量时，还是凭着经验进行搜索，在众多的变量、样本、策略以及模型中找出最佳的组合，缺乏深厚的理论基础。
（2）研究策略上存在的不足。
①选择的预测变量往往是企业陷入财务困境的征兆，而非陷入财务困难的理由。一般而言，失败企业数量较少，因此所选择的失败企业样本大都不属于同一行业，从该样本得到的最好的预测变量反映了所有失败企业的共同特点：低效益和高负债。因此，大多数预警模型所提供的信息只是一种表象而已。
②选取的财务变量具有片面性、滞后性（事后性）和多重共线性。所选取的财务变量的片面性体现在一个具体的财务变量只是从某一个侧面反映企业的财务状况和经营成果；财务变量的滞后性体现在财务报表的公布日，滞后于会计期间。比如我国上市公司的年度财务报一般是在会计年度结束后的4个月内公布。如何克服财务变量的片面性、滞后性（事后性）和多重共线性是一个急需解决的不足。
③样本选取的困难。尽管上市公司的数据相对容易获得，但是要获得那些财务困难公司在其陷入财务困境之前的数据却不太容易，完整性也不够。另外，很多研究采用了“配对抽样”。按照行业、资产规模等标准为财务困境公司构造一组制约样本，这会产生两类公司的比例与它们在总体中的比例严重不一致，夸大预测模型的准确率。
④非财务指标因素的忽略。利用财务危机量化指标对企业预测，很可能忽略非财务指标的因素。社会经济活动中的失败与利率、失业率等的变化与财务危机有关，多种变量模型中如果能加入对宏观经济因素的预测，模型的预测能力就会加强；再者，许多学者以行业成功企业作为比较基准，这是不够科学的。因为企业间不同环境造成比较上的牵强性，很难找到处于相同境地、相同条件下的企业。