上市公司财务风险预警研究综述
2014-04-29黄钟亿邹清明
黄钟亿 邹清明
摘要:随着经济全球化与企业竞争的加剧,评估财务风险、识别风险因子对企业发展的作用越来越重要。财务风险预警的基本方法有单变量分析、多元判别分析、线性回归分析、逻辑回归分析、比例模型、神经网络、生存分析等。本文综述了近几十年财务风险预警理论研究发展的现状,分析了各种方法的局限与不足,提出了财务风险预警研究的未来方向。
关键词:财务风险;预警;上市公司
随着经济的全球化,企业之间的竞争日益加剧,企业正常发展所面临的不确定性因素越来越多。因此,评估风险、识别风险因子,采取针对性的风险规避措施对企业正常发展非常关键。在企业风险管理中,财务风险管理是极其重要的一环,评估财务风险也成为企业管理与发展中需要关注的焦点,吸引了众多理论与实际管理者的关注,提出了各种不同的财务风险预警方法。
一、财务风险预警的基本理論
由于企业经济活动的不确定性,要准确分析企业的财务风险,识别风险因子,离不开基本的统计方法与工具。现代财务风险预警主要利用统计方法进行分析。
(一)单变量预警模型
受Fitzpatrick利用统计方法预测研究财务危机的启发,威廉·比弗(William.Beaver) 提出了单变量预测模型。他对1954~1964年的79个失败企业和相对应(同行业,等规模)的79家成功企业进行了比较研究,选用五个财务比率作为变量,将公司在财务失败前数年的财务比率作为判别指标进行一元判定分析,通过研究发现现金流量与债务总额的比率和资产负债率判定公司的财务状况的误判率最低。陈静以1998年的27家ST公司和27家非ST公司为样本,使用了1995~1997年的财务报表数据,运用单变量分析和多元判定分析公司财务风险。在单变量分析中,发现在资产负债率、流动比率等四个指标中,流动比率与资产负债率的误判率最低;在多元线性判定分析中,发现由资产负债率、净资产收益率、总资产报酬率等六个指标构建的模型在ST发生前的三年能较好地预测ST。
(二)多元线性判别分析
多元线性判定模型,又称Z-Score模型,由Altman提出并研究的。他选取了1946~1965年的33家破产公司和33家非破产公司作为样本,采用统计方法从22个财务比率中选取了五个变量,通过多元判别分析建立判别函数,以产生的分值作为依据进行判断。该模型对于破产前一年和前两年的分类准确度分别为95%和82%。之后,Altman、Haldeman和Narayannan将Z-SCORE模型进行了扩展,建立了ZETA模型。研究表明,ZETA模型提前五年就能有效地划分将要破产的公司,通过研究同样的样本表明ZETA模型明显优于Z-SCORE模型。张玲采用Z计分判定法,使用了60家公司的财务数据进行估计了二类线性判别分析,采用另外60家公司作为检验样本进行检验分析财务风险与识别风险因子。周守华、杨济华拓展了多元判别分析方法,他们在Altman的研究基础上,将模型加以改进,增加了反映企业现金流量能力的指标,构建了F分数模型。陈晓对37家ST公司和37家非ST公司进行配对,发现有四个比率对上市公司财务危机有着显著的预测效应。张鸣等运用现金存量模型,结合前人研究的财务预测模型建立综合预测模型,然后引入审计意见变量进行修正。
(三)逻辑回归模型
Logit模型是一种广泛使用的处理分类变量的统计模型,这一模型建立在累计概率函数的基础上,不需要自变量服从多元正态分布和两组间协方差相等的条件。Ohlson将其首次用于财务风险管理,他以1970~1976年的105家破产公司和2058家非破产公司组成非配对样本,以经营业绩和资产流动性等财务指标变量建立Logit模型,该模型被称为O-SCORE模型。吴世农等对我国上市公司财务困境的预测模型问题进行了一次综合性的研究,他们以1988~2000年深沪两市上市的140家上市公司作为研究对象,构建了Lojit回归模型,并且得到的判别结果显示该模型能够准确地判别92.75%的ST公司和94.29%的非ST公司,总体的正确率达到了93.53%。孙铮选取42家ST公司作为样本,在分析13个变量的基础上,运用logit回归给出了判别上市公司财务危机的模型。刘旻(2004)运用Logit模型对我国上市公司是否被ST进行了预警。
(四)多元概率比回归模型
Probit模型和Logit模型的思路很相似,只是在具体的计算方法和假设前提上存在一定的差异,Logit采用取对数方法,而Probit采用积分的方法。Zmijewski首次将该模型用于财务风险分析。陈晓和陈怡鸿运用多元概率比回归模对我国上市公司型进行了财务预警研究,识别了财务风险因子。
在财务风险研究中,前述四种分析方法是基本的方法,其他的诸如决策树法、神经网络、混沌模型与双层自组织映射模型可以看成是这些方法的拓展。这些方法都是参数模型,需要较强的参数假设,而且在实际使用时也存在许多不足。单变量模型主要围绕统一的财务指标数据展开,缺乏全局系统的观念;决策树法结果易于解释与使用,但预测能力不高、通用性差;神经网络结果难于解释;混沌模型与双层自组织映射模型要求样本数据多,较少的时序数据预测精度低;判别分析、逻辑回归虽然是使用广泛的两个模型,预测效果较好,有较强的解释能力,但这些方法并没有考虑公司特征与时间之间的关系,不能明确财务风险发生的时间与演进过程。生存分析模型考虑了风险与时间、影响因素的演进关系,为财务预警理论研究提供了便利的研究方法。
二、财务风险预警的生存分析方法
财务风险预警的关键是要考察感兴趣的事件——财务困境发生的可能性与影响因素如何随时间变化,而生存分析研究的焦点就是感兴趣事件在不同时间发生的风险及风险因素的影响。因此,生存分析方法可以应用于财务风险预警。
生存分析的方法有很多种,应用最为广泛的是Cox回归分析。Cox回归分析是Cox(1972)提出来的,考虑到同样性质的事物生存与时间因素、自身因素相关,在观察时间点上,事物有生存、有死亡,因而考察事物的生存得到的数据不可能是完备的观察数据。Cox用一个删失数据情况下的半参数回归模型研究事物的生存风险。Cox回归分析与一般的多元统计风险预警模型有较大的区别,它是半参数模型而且数据是删失的,综合利用了删失与已发生事件的信息。Lane等利用Cox模型采用逐步回归的方法选取变量,利用PHM和传统的多元判别分析方法,预测比较了银行在一年内和两年内破产的概率。Laitinen和Luoman比较了Cox模型与判别分析、回归分析在预测公司破产方面的表现,得出了Cox模型更灵活、更有效的结论;Kauffman和Wang利用Cox模型研究了影响网络企业生存的因素;Parker将公司治理放入Cox模型研究了公司破产概率;Shumway在数学上证明了带时变协变量的风险模型和多时期的LOGIT模型等价,运用实际数据证明了风险模型的估计量是动态而非静止的,logit模型的估计量是有偏且非一致的,利用离散比例优势模型研究了企业的破产。De Leonardis 和Rocci利用脆弱离散比例优势模型研究了数据存在异方差时企业的破产风险。Chava和Jarrow(2004)将行业效率引入生存分析模型,证明了不同的行业对破产概率有显著影响。Hyun Ju Noh(2005)将生存分析方法运用到个人信用评估分析中,通过实证研究认为生存分析模型比LOGISTIC模型更能有效降低第二类误判率。Bellotti T 和 Crook J(2007)在生存分析模型中加入了利率和失业率等宏观经济变量,证明了宏观经济变量对个人信用风险评估有显著影响,比较发现生存分析模型有很好的预测能力。而国内利用生存分析方法预测企业财务风险也得到了关注,宋雪枫等(2006)利用Cox模型分析了信贷企业发生财务危机的概率及主要影响因素。马超群、何文(2010)基于财务比率数据分析了Cox模型预测公司财务困境时点的判别能力与稳定性。曹裕等(2011)利用生命表法研究了我国企业的生存问题。
生存分析具有方法灵活、预测能力强、易于解释的优势,且能了解风险演进过程,受到了相当的关注,目前主要是利用Cox模型进行风险预警,而其他生存分析模型,如加速失败模型、比例优势模型在预测中的应用研究较少。Cox模型有两个潜在的假设,即观察个体独立和协变量对感兴趣事件的风险有一个对数线性效应或个体风险比是一个常数,而风险比是常数这个假设有时是不成立的,因此在财务风险预警研究中,研究Cox替代模型分析风险与影响因素随时间变化的关系是有用的。
三、财务预警Cox生存分析方法的拓展
为了克服比例风险模型风险比是一个常数的局限,Bennett(1983)和Pettitt(1984)假定生存优势比(可以简单理解为事件成功与失败的概率比)不再是一个常数,而是风险比随着时间增加而趋向于1,这得到了比例优势模型。比例优势模型是一种重要的生存风险模型,本质上是一种特殊的逻辑回归模型,被广泛运用于医药、生物方面的研究,但很少用于财务风险预警,这可能是因为比例风险模型中的参数估计与变量选择相对困难,现代统计方法的发展将有助于比例优势模型用于财务预警分析。
应用Cox模型分析财务风险预警的过程中,大家普遍认为观察个体独立和协变量对感兴趣事件的风险有一个对数线性效应,且回归参数不随时间变化,这与许多实际情况不符。我们可以利用变系数模型、单指标模型、部分线性模型克服,同时可以达到减少样本维数的目的。
在财务风险预警研究中,考察的风险是全部样本的均值回归,均值回归没有考虑样本的层次性,因此我们可以将均值回归问题拓展到分位数回归,观察不同财务水平的企业面临风险的大小,识别影响因素。
当然,在这些拓展的财务风险预警模型中,研究的焦点还是参数估计,也是实证运用的重点,可以利用似然方法、贝叶斯方法和一些非参数、半参数的统计推断技术。
本文总结了常用的财务风险预警模型,在此基础上提出了财务预警分析的一些拓展方向。鉴于比例优势模型的特点,可以相信,比例优势模型在研究财务风险预警方面应该是大有可为的,这也是我们今后研究的主题。
参考文献:
[1]Beaver, W. Financial Ratios as Predictors of failure[J]. Journal of Accounting Research,1966(s).
[2]陈静.上市公司财务恶化预测的实证分析[J].会计研究,1999(04).
[3]Altman, E. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. Journal of Finance,1968(23).
[4]AltmanEl,HaldemanRG,Narayanan P.ZETAanalysis:an of modelto identiey bankruptey risk of corporations.Journal of Banking&Finance, 1977(01).
[5]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(03).
[6]周守华,杨济华,王平.论财务危机的预警分析-F分数模式[J].会计研究,1996(08).
[7]陈晓.中国上市公司财务困境预测[J].中国会计与财务研究,2000(03).
[8]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).
[9]Ohlson,J.S. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research,1980(19).
[10]吴世农,卢贤义.我国上市公司财务困境的预测模型研究经济研究[J].经济研究,2001(06).
[11]姜秀华,任强,孙铮.上市公司财务危机预警模型研究[J].预测,2002(03).
[12]刘旻,罗慧.上市公司财务危机预警分析-基于数据挖掘的研究[J].数据统计与管理,2004(03).
[13]ZmijewskiME.Methodologieal Is sues Related to the Estimation of Finaneial Distress Predietion Models[J].SuPPlement to Journal of Aeeounting Researeh,1983 (22).
[14]陈晓,陈治鸿.企业财务困境研究的理论、方法及应用[J].投资研究,2000(06).
[15]Lane W.R., Looney,S.W., Wansley J.W. An application of Coc proportional hazards model to bank failure[J].Journal of Banking and Finance, 1986(10).
[16]Luoma, M., Laitinen, E. K. Survival analysis as a tool for company failure prediction[J].OMEGA International Journal of Management Science, 1991(06).
[17]Kauffman,wang.A.Semiparametric cox and Bayesian survival analysis Working PaPer[D].University of CaliforniaatLA,2004.
[18]Park,Peters,Turesky.Corporategovemance and corporate failure:A survival[J].Corporate Govemance,2002(02).
[19]Shumway T. Forecasting bankruptcy more accurately: A simple hazard rate model[J].Journal of Business, 2001(74).
[20]Chava5.R.Jarrow.BankruPtey Predietion withIndustry Effeets[J].Reviewof Finanee,2004(08).
[21]HyunJu,Noh,TaeHyuPRoh,IngooHan.Prognostie Personal ereditrisk model Eonsideringe ensored information[J].ExPert Systems with APPlieations,2005(28).
[22]Tony Bellotti,Jonathan Crook.Credit Seoring with Maeroeeonomic Variables[DB/OL].httP://fic.wharton.uPenn.edu/fie/PaPers/07/0715.Pdf,2007.
[23]宋雪楓,杨朝军,徐任军.商业银行信用风险评估的生存分析模型及实证研究[J].金融论坛,2006(11).
[24]马超群,何文.基于Cox的财务困境时点预测模型研究[J].统计与决策,2011(21).
[25]曹裕,陈晓红,万光羽.基于生命表方法的我国企业生存问题-以湖南省企业样本为例的实证研究[J].系统管理学报,2011(01).
(作者单位:南华大学)