会计基础模型在财务危机预测中的应用研究

文/王楠

会计基础模型在财务危机预测中的应用研究

文/王楠

会计基础模型在企业财务危机预测中具有十分重要的应用，但其本身也存在一定的不足，在使用上有诸多事项需要注意。在这种背景下，本文首先分析了会计基础模型在财务危机中的应用理念，进而探讨了会计基础模型应用的不足，最后给出了会计基础模型在财务危机预测中的应用展望。

会计基础模型；财务危机；预测；应用

早期财务危机预测模型是针对所有产业，很少专门针对建筑产业研究，其最主要的原因是，集中于单一的行业的研究很难搜集足够的样本，尤其是财务危机公司的样本数与财务正常公司的样本数相比较更是稀少。然而，Chava和Jarrow指出，不同产业面临不同的竞争环境，也使用不同的会计原则，即使财务报表数据相同，破产概率仍然是不一样的。

一、会计基础模型在财务危机中的应用理念

(一)基本理念

传统财务危机预测的相关研究，会采用大量的会计信息并以这些信息为基础而建立模型，被称作“会计基础模型”。这些研究多建立在“发生财务危机公司与财务正常公司，在会计报表的信息中应含有一些不同之处”的假设上，并试着应用一些回归分析或资料探勘技术(Data Mining)来找出这些不同之处。过去研究中学者所用过的方法如：单变量区别分析、多变量区别分析、LPM模型、Logistic模型、机率模型、及CUSUM模型等。

从1980年代后期开始，一些新的人工智能技术，像是“类神经网络(Artificial Neural Networks, ANN)”成功的被应用在公司财务危机预测模型上。而倒传递类神经网络模型(Back-Propagation Neural Network, BPN)则是ANN中最被广泛应用的一种。研究指出，相较传统的回归模型，ANN模型有着更好的预测能力。到了1990年代晚期，一种更新的技术“支撑向量机制(Support Vector Machine, SVM)”也开始被广泛的应用在各个领域中。

(二)基本类型

1.单变量区别分析(Univariate Discriminant Analysis)。相关文献回顾早期研究公司财务危机预测，将焦点放在选定最佳区别指标以分辨财务危机与财务正常公司，最早的做法即为单变量区别分析，以Beaver的研究为代表。Beaver的研究对财务危机预测的影响包含：界定财务危机公司的定义；应用配对抽样方法；运用二分类检验法(Dichotomous Classification Test)来求取最佳预测正确率；采用验证样本分类检验法(Calibration sample approach)求取最佳的分类点。

2.多变量区别分析(Multivariate Discriminant Analysis)。相关文献回顾不同于单变量区别分析仅采用单一变量，“多变量区别分析”是利用多个会计变量配合统计的方法去探讨公司财务危机的预测。将多种重要的指标变量各赋予一个权数，组成综合的区别函数，用以评估公司财务状况。运用多变量区别分析法于财务危机预测的研究以Altman为代表。Altman以1946年至1965年间33家财务危机公司及相似规模33家财务正常公司为样本，采用二十二个会计变量包含流动性、获利能力、财物杠杆、偿还能力、周转能力五大类，利用多变量区别分析(MDA)方法取得预测能力最高的会计变量组合构成区别函数。

3.类神经网络模型(Artificial Neural Network Model)。Rumelhart所提出的倒传递类神经(Back Propagation Neural，BPN)为目前应用最广泛的类神经网络类型，其学习能力强、精准度高，适用于处理复非线性函数的问题。BPN 网络的基本结构包含三层：输入层(input layer)、隐藏层(hidden layer)及输出层(output layer)。输入层的神经元个数即为会计变量的数目；输出层为判断财务危机或财务正常的0与1二元变量；隐藏层则在描述输入变量与输出变量间复杂的非线性关系。

二、会计基础模型应用的不足

传统财务危机预测的相关研究，会采用大量的会计信息并以这些信息为基础而建立模型，被称作“会计基础模型”。虽然各种会计基础模型均具有相当的预测能力，但也因会计报表易受到人为操纵的影响而受到限制，一年公布四次的会计报表也无法立即显示财务危机实际的状况。

有别于传统以会计信息为基础的财务危机预测模型，Merton(1974)应用了Black and Scholes(1973)的选择权定价理论，来评估企业财务危机概率。这个模型被称为选择权模型或市场基础模型。市场基础模型并不需要仰赖庞大的历史会计信息，而是直接通过选择权评价方程式，描述公司发生财务危机的物理意义，只需要收集个别公司的股票价格，配合公司债务、无风险利率等信息，就可套用公式计算财务危机概率。在一个有效率的股票市场中，公司的股票价格是一个有力的信息来源，不仅反映了会计和经济信息，也反映了公司管理和技术等等其它影响公司财务健全与否的因素。因此，近年来已有些学者开始重视市场基础模型，并以此建立其公司财务危机预测模型。

市场基础模型在实际应用上有一个较大的限制是，必须应用在一个效率高的股票市场才能得到较准确的预测结果。在我国，股票市场规模较小，股票价格较容易受有心人士操作，较难反应所有真实的信息，其股票市场的效率性并不高。因此市场基础模型在我国建筑产业财务危机预测上将遇到困难。

三、会计基础模型在财务危机预测中的应用展望

(一)总体结论

1.选变量提升模型预测能力。一般情况下，在模型建立之中，通过Logistic逐步回归分析选取变量之后，其财务危机的预测能力均有提升。过多的变量不见得能增加模型的预测能力，有时会因为其中包含的噪声反而使得预测能力下降，也增加模型的运算时间。而 SVM 模型在较多的输入变量时仍然能维持一定的预测能力，显示其容忍噪声的能力较好。

2.混合型模型具潜力。混合型模型在会计信息及市场信息中拥有截长补短的长处；而在我国的不同产业发展中，由于股票市场信息质量较差，混合型模型并没有明显优于会计基础模型，但仍然具有一定的预测能力。本研究认为混合型模型深具潜力，适合用于产业财务危机预测上使用。

3.重复取样技术改善分类间不平衡。无论是美国或我国的产业样本，重复取样技术均能提升会计基础模型的预测能力。在加入股票市场信息的混合型模型中亦然。这说明，重复取样技术能改善分类间不平衡的问题，尤其于 SVM 模型中改善的幅度更大。整体来看，财务危机样本数量约增加至正常样本的1/4～1/3，模型即有稳定的预测能力。

(二)应用建议

1.收集培训财务危机模型所需的历史财务资料，包括用于Merton模型的公司股价、在外流通股数及无风险利率等以及用于会计基础模型的财务变量。对我国企业所推荐财务变量包括：保留盈余/销货净额、负债比率、销货净额占股东权益总额比率、ROA资产报酬率；针对跨国企业所推荐的财务变量：固定资产占净资产比率、负债比率、应收帐款周转率、ROA 资产报酬率。

2.使用历史样本计算其Merton模型的PD。将从Merton模型所求得的PD视成第5个变量，与上述推荐的财务变量整理成正常取样下的样本集。

3.搭配重复取样技术增加培训组中财务危机样本数量。本研究推荐财务危机样本与正常样本比例为1:3。

4.用重复取样后的样本集培训混合型模型，培训完成后将欲预测的样本数据代入模型中，即可得到其估计财务危机机率，可应用于各种需求如营造厂的评鉴或银行的放款等。

[1]王克勤,曹培.公司财务危机研究[J].西南师范大学学报(人文社会科学版),2005(01).

[2]闫江,马才华.上市公司财务危机实证研究[J].江苏科技大学学报(社会科学版), 2006(04).

[3]李月英,周晶晶.我国上市公司财务危机的风险防范研究[J].内蒙古统计,2009(06).

[4]赵秀芳,伍金林.我国上市公司财务危机的阶段性研究[J].绍兴文理学院学报(哲学社会科学),2014(02).

(作者单位：大连老虎滩海洋公园)