基于KLR的企业财务风险预警探讨

武汉理工大学管理学院 彭建峰 张友棠 李 娜

一、引言

我国社会经济形势瞬息万变，影响企业财务风险的各种因素十分活跃，因此企业面临的财务风险形势异常严峻。各种不可控、无法预知的因素对企业财务风险的影响最终都能够在企业的财务指标上得到体现。所以，通过构建财务风险预警模型，分析企业财务指标中暗含的财务风险信息，进而对企业有可能发生的财务风险进行预警，提前采取有针对性的处理措施，对企业的财务风险管理具有重要的现实意义和应用价值。

目前，常见的财务风险预警模型主要有单变量模型、线性概率模型、多元逻辑模型、人工神经网络模型等。许多国内学者也尝试着用这些模型中的一个或者几个对企业财务风险进行预警。如施平（2010）用Probit模型研究企业财务风险，并进一步指出了企业财务风险与企业增长与规模存在内在的联系。于文华（2010）分别利用Logit模型和人工神经网络模型对我国制造业上市公司的财务危机进行预警分析，并对这两种模型的预测结果进行对比分析，分析结果表明人工神经网络模型具有较高的预测精度。秦勇（2013）综合运用了人工神经网络模型和模糊综合评价方法，从定量和定性分析相结合的角度对物资公司的财务风险预警模型进行了研究，并指出预警工作中需要注意预警分析主体的选择和预警过程的控制。然而这些模型都只能简单的提供风险预警的结果，无法揭示财务风险变化的根源，在风险预警的准确性和可操作性上也无法很好地满足企业的需求。

鉴于现有财务风险预警模型存在的不足，本文引入KLR模型，分别从单指标和合成指标两方面展开分析，揭示企业的财务风险及其传导的路径。

二、KLR模型简介

KLR模型，亦称为信号分析法，是由IMF的三位专家Kaminsky、Lizondo和Reinhart于1997年创建的。该模型最早被应用于宏观货币危机的预警，发展至今已经成为最受欢迎的风险预警方法之一。KLR模型的核心思想是研究货币危机产生的原因，确定能够用于风险预警的先行指标及其阈值。当先行指标的某个值超过了阈值，即意味着发出了一个风险预警信号，信号越多，风险爆发的可能性越大。风险预警信号的发出意味着信号区间内有可能爆发货币危机，这里的信号区间指的是模型预测的未来可能发生危机的时间范围。在KLR模型中，该时间范围是风险预警信号发出后的24个月。

KLR模型的应用的关键在于先行指标的选取和阈值的确定。每一个先行指标在预测过程中的表现可以归纳为表1。

表1 预警指标的表现

表1中A表示预警信号发出，且危机在信号区间内发生的月数；B表示预警信号发出，但危机没有在信号区间内发生的月数；C表示预警信号没有发出，但信号区间内发生了危机的月数；D表示预警信号没有发生出，危机没有在信号区间内发生的月数。一个完美的先行指标需要满足A，D>0且B，C=0的条件。在实际的生活中，并不存在这样的完美指标，但是这个条件可以用于衡量先行指标接近完美的程度，进而判断先行指标是否可以用于预警。具体用以下一些数值来判断先行指标接近完美的程度：（1）A/（A+B）表示发出的所有预警信号中正确信号的比率；（2）A/（A+C）表示危机发生且得到正确预警的比率，即有效信号比率；（3）B/（B+D）表示发出的失效（噪音）信号的比率；（4）［B/（B+D）］/［A/（A+C）］表示噪音信号和有效信号的比率。

将KLR模型应用到企业财务风险预警，一方面可以通过单指标分析揭示企业财务风险传导的路径，从而有针对性地采取风险防控措施；另一方面，可以通过合成指标分析，明确企业面临的财务风险的程度。

三、企业财务风险预警指标体系与预警阈值

本文以国务院国资委统计评价局每年制定的《统计评价标准值》为依据，选取企业的财务风险预警指标及其阈值。这些阈值是通过对不同行业、不同规模的样本企业数据进行客观分析，运用数理统计的方法制定的，其研究成果具有很高的科学性和可靠性。本文在此基础上构建的企业财务风险预警指标体系固然更加准确、便捷，具有更广泛的适用性。

依据2013年的《企业绩效评价标准值》的指标划分标准，本文从企业的盈利能力状况、资产质量状况、债务风险状况、经营增长状况四个方面全面选取了16先行指标以构建企业财务风险预警指标体系（如表2）。由于许多指标与企业财务风险成负相关，故相应指标及其阈值在取值时取负数。

表2 企业财务风险预警指标体系

四、实证检验

（一）样本选取与危机判断 本文选取了20家制造业上市企业作为研究样本，其中包括10家2013新增ST上市企业（表3），5家2013年摘帽的ST上市企业（表3），和5家非ST上市企业（表4）。因为KLR的信号区间为24个月，故本文以样本企业2011年、2012年的财务报表数据作为研究对象。所有数据均来源于国泰安数据库。

表3 10家2013新增的ST公司上市公司

表4 5家2013年摘帽的ST上市公司

表5 5家2013非ST上市公司

表6 单指标预警分析

（二）单指标预警分析 本文的单指标预警分析以20个上市企业的财务数据为研究对象，表6给出了单指标的预警分析的具体结果。

［B/（B+D）］/［A/（A+C）］为噪音信号比率，该指标大于1，即意味着先行指标发出的噪音多于有效信号，这样的指标预警效果不好应直接剔除。从表6可以看出，X22、X23、X24、X34的预警效果不好。A/（A+B）表示所有发出的预警信号中正确信号的比率，除了X22的值较低外，其余先行指标均达到了70%左右，个别甚至达到了90%，故其余先行指标在该方面表现出色。（A+C）/（A+B+C+D）表示财务风险在信号区间内爆发的月数占的比率。相对于A/（A+B），（A+C）/（A+B+C+D）可以理解为非条件概率，正常情况下，同一个指标（A+C）/（A+B+C+D）的值应该小于A/（A+B）的值。X22、X23、X24、X34的在该方面表现异常，说明这几个指标预测能力不佳，该结果和［B/（B+D）］/［A/（A+C）］的判定结果一致。另一方面，（A+C）/（A+B+C+D）该指标也从某种程度上反映出企业在该先行指标所体现的经济含义方面的表现，数值越大，实际发生财务危机的可能性越大，企业在该方面的表现越差。企业可以据此有针对性的采取风险防控措施。（A+D）/（A+B+C+D）表示各指标的正确风险预警表现的占比，各指标在该方面的表现出现较大的分化，X11、X12、X14、X32、X33、X41、X42、X44达到70%以上，表现较好，其余指标则分布在40%-70%的区间内。

从单标分析来看，基于KLR的企业财务风险预警模型的预警效果较好，但也仍存在一些需要修正的地方，例如噪音-信号比率大于1的4个指标需要予以剔除。经过修正的模型包括剩余的12项指标，下面的合成指标分析也将以这12项指标为基础。

（三）合成指标预警分析 为了综合考虑各个指标发出的风险预警信号，明确企业面临的财务风险程度，Kaminsky（1999）先后设计了四个合成指标。第一个合成指标I1t是各预警指标发出信号数的简单加总；第二个预警标I2t是通过设定阈值区分强势信号Sei，t和弱 势信号Smi，t之后得到的加权平均数；第三个合成指标I3t是通过判断第i个预警指标是否在第t-s期至第t期期间发出危机信号，并据此对其赋值得来的。除了上述三个指标本身存在的不合理性，他们还忽视了各个指标的预测能力对合成分析的影响，而实际操作中，预测能力越强的指标显然应被赋予更大的权重。针对这种情况，Kaminsky（1999）设计了第四个合成指标I4t。由于噪音信号比率与预测能力成负相关，故本文的第四个合成指标将以噪音-信号比率的倒数为权重进行构建，具体如下：

上式中，如果第i个预警指标在第t期超过阈值，Si，t取1，否则取0。这样的处理使得合成指标预警分析结果，即风险指数Pi可以用百分比表示。根据Pi的取值可以将企业面临的财务风险划分成几个等级：无警，0≤I4t≤30%，轻警，30%≤I4t≤50%；中警，50%≤I4t≤70%；重警，I4t≥70%。

表7 各指标权重

本文选择四个合成指标中设计最合理的第四个合成指标进行合成指标预警分析，其具体结果如表8所示。

表8 合成指标预警分析结果

由表8可以看出，利用第四个合成指标对样本企业的财务风险状况进行评级，除了个别企业略微出现偏差，其总体上较为准确地反映了样本企业的财务风险状况，故基于KLR的企业财务风险预警模型具有较高的风险预测精度。

五、结论

通过以上的研究，本文得出以下结论：第一，企业财务风险影响因素的作用结果最终都能在企业的指标上得到体现。所以，通过研究企业财务指标分析其暗含的财务风险能够起到较好的风险预测的效果。第二，KLR模型在企业财务风险预警方面的应用不仅能够预测企业财务风险的程度，一定程度上通过单指标分析的结果也能揭示财务风险的来源路径。第三，基于KLR的企业财务风险预警模型的实证检验过程充分证明了，该模型具有较高的预测精度的同时应用难度较低，具有很好的可操作性，能够较好地满足我国企业财务风险预警的需求。

尽管KLR模型在危机预警中表现出了良好的预警效果，但其本身依然存在一定的缺陷。例如KLR模型的信号区间是24个月，这期间企业会根据预警信号在财务风险爆发之前采取必要的措施避免其爆发，这些措施产生的效果会影响模型对财务风险预警的准确性。这些问题都有待今后进一步的深入研究。

［1］张友棠、黄阳：《基于行业环境风险识别的企业财务预警控制系统研究》，《会计研究》2011年第3期。

［2］张继德、郑丽娜：《集团企业财务风险管理框架探讨》，《会计研究》2012年第12期。

［3］曹彤、郭亚军：《基于神经网络模型的上市公司财务风险预警研究——来自山东省制造业数据》，《财会通讯》（综合·中）2014年第9期。

［4］卢媛媛、何海燕：《基于KLR信号分析的美国对华反倾销预警研究》，《技术经济与管理研究》2011年第7期。

［5］肖敬红、闻岳春：《基于KLR模型的我国股市系统性风险预警研究》，《上海金融》2013年第5期。

［6］罗幼喜、刘贤龙、邱忠仪:《财务危机的组合判别研究》，《统计与决策》2005年第16期。

［7］赵爱玲：《企业财务危机的识别与分析》，《财经理论与实践》2000年第11期。

［8］吴艳华：《集团公司财务战略管理》，中国宇航出版社2012年版。

［9］John Evans,Amandha Ganegoda.A framework to manage the measurable,immeasurable and the unidentifiable financial risk.Australian Journal of Management,2012,3（2）.