企业财务困境预警研究综述

2018-09-15夏秀芳迟健心

会计之友 2018年13期

夏秀芳　迟健心

【摘要】文章综述了国内外有关财务困境预警研究的三个主要内容：一是财务困境的内涵和界定，二是财务预警研究变量的选取，三是财务困境预警模型的建立；强调财务危机的根本原因是企业无力偿还债务而导致的资金链断裂，财务预警模型应具有前瞻性，预警指标应从引起财务危机根源的资金链角度进行设定，即应充分考虑资金供给对资金需求的保障程度；最后提出了财务预警指标体系构建的重心应放到筹资活动对营业活动资金的保障上，建议从资金供给对资金需求的数量和质量保障角度构建预警指数体系。

【关键词】财务困境；财务指标；非财务指标；资金供给；保障程度

【中图分类号】 F275 【文献标识码】 A 【文章编号】 1004-5937（2018）13-0002-05

财务困境是指企业由于各种原因导致的财务状况严重恶化，即将面临破产，无能力偿还债务的财务状况。企业不能按期偿还债务，是一种违约行为，所以又称为违约风险，有学者也称其为财务危机。“企业破产”是最严重的财务困境形式。发生财务困境的企业大多是企业财务状况逐年恶化、长期累积的结果，是可以预测的。及时、有效地进行财务困境的预警可以使企业及早发现其生产经营管理的严重问题，避免恶性损失的发生。国内外学者对于财务困境的研究，主要包括三个方面：一是财务困境的内涵和界定，二是财务预警研究变量的有效选取，三是财务困境预警模型的建立。

一、财务困境（财务危机）概念的界定

Beaver[1]指出企业发生破产、出现拖欠优先股股利和债务的情况都视为财务困境，他选取了59个破产公司、3个拖欠债务的公司以及16个拖欠优先股股利的公司，共计78个公司作为“财务困境”的样本进行研究。Carmichael[2]指出财务困境是由于企业资金、权益和流动性不足以及拖欠债务四种形式导致的履行义务时受到阻碍。Deakin[3]将财务危机界定为企业无力偿还债务、发生了破产、债权人利益通过企业清算才能得到的公司。Ross et al.[4]将企业失败、会计破产、法定破产和技术破产的企业称为财务困境。Lau[5]指出以下五种情况可以作为企业财务危机的评估标准：（1）财务不稳定；（2）股息不支付或者股息支付减少；（3）出现了技术性失败或者不能偿还贷款；（4）受到破产法保护；（5）清算或破产。Laitinen[6]在研究中将财务困境公司按照危机的程度进行了分类。部分学者[7-8]在研究中对财务危机的界定是依据破产法提出破产申请的企业。

国内部分学者[9-12]在研究中都选取了ST公司作为财务困境研究的对象。长城证券课题组（2002）和崔学刚等（2007）认为企业只要出现了亏损就是财务困境，即PT、ST公司以及亏损一年的公司都属于财务困境公司。

二、预测变量或者判定指標的选取

模型中预测变量的合理选择对于能否成功和正确预测财务困境至关重要。预警变量由最初的只考虑财务指标，发展到综合考虑财务指标和非财务指标，其中财务指标包括财务比率和现金流量指标。

（一）仅包含财务指标信息类型

一些学者[7，13-14]在对企业财务危机研究中采用的都是常规财务比率指标，其中Altman的Zeta模型是当时被认为能够比较准确预测财务困境的模型。财务比率指标是以资产负债表和利润表为基础的，如何选取财务指标及财务指标能否真实反映企业的财务状况，是当时学者们讨论建模预测准确与否的关键。学者们在研究中发现现金流量信息不容易像利润指标被操纵而逐渐受到关注。Beaver[1]在1966年首次将现金流指标引入到财务困境的研究。Deakin et al.[3]同时考虑了企业的三大财务活动：筹资活动、经营活动和投资活动，并指出现金流指标预测破产效果显著。Blum[15]的研究中将现金流量指标加入到财务风险预警模型中，得到结论：加入现金流的预警模型准确性得到了极大提高，并且预测时间会超前5年；随后更多学者发现将现金流量指标加入到预警模型中，模型的预测能力也得到了提高；Xia，Zhao and He（2012）研究表明：加入现金流量指标的Logistic模型要优于Fisher判别模型。

我国学者（陈静[11]；张玲[16]；吴世农等[9]；周兵和张军，2002；蔡红艳和韩立岩，2003等）均采用传统的财务比率指标建立财务预警模型；周守华等[10]是首次将现金流量指标引入到预警模型中，构建了一个F模型，此模型相对Altman的Z模型有了较大的改进；随后更多学者在研究中引入了现金流量指标，并进行了现金流量指标的财务预警研究（如：吴世农等[9]；杨淑娥和徐伟刚，2003；黄鹤和李凤吟，2003；张玮，2007；崔学刚，2007；李雅宁，2012；谢赤等[17]）。吕俊[18]在研究中同时采用了传统的财务比率指标和经过调整（在我国上市公司会计质量特征基础上调整）的两套财务比率指标进行了对比分析，研究发现后者比前者的精度高出七个百分点。聂丽洁等[19]构建了一套较完整的现金流财务预警指标体系，研究表明现金流量指标能单独进行财务风险预警。梁杰等（2011）在财务困境模型中引入了经济增加值指标。

（二）包含非财务指标信息类型

财务预警模型中的非财务指标包括了资本市场指标、宏观经济变量、公司治理等变量。

Zmijewski（1984）和Altman（1966）将与市场反应有关的非财务变量引入到研究中，其结果表明可以改善预警效果；Beaver[1]在财务预警研究中引入了反映股价的信息变量；Merton（1974）和Campbel等（2006）发现股票收益率波动对财务风险有重要影响；Ohlson[20]以企业总资产与总负债数值的大小为依据，构建了两个虚拟变量，结果发现虚拟变量对模型的解释力较某些常用的财务指标更好；Marquette（1980）在模型中加入了宏观经济变量：通化膨胀率和景气变动等指标；Altman（1983）研究表明宏观经济变量，如国内生产总值以及货币供应量等都对公司财务危机预警有显著的影响；Lau[5]的财务危机预警研究中包含了6个财务比率变量和4个与股利支付相关的虚拟变量；Glison（1989）研究发现企业高层的离职可以构成反映企业财务风险预警的重要指标；Plat et al.[8]在财务危机预警中加入了反映产业变动的变量；部分学者（Catherine，1994；Fathi，2001；Chan，2016）等在财务预警模型构建时加入了公司治理因素。Blanco-Oliver et al.（2015）将非财务指标，如公司所有权特点等引入模型。

相对于国外学者，国内对财务预警中非财务指标的研究比较晚。姜秀华（2002）加入了股权集中度指标进行预警取得了相对较好的预测效果；梁琪（2003）在研究中发现反映资本市场和宏观经济的指标可以对上市公司进行有效的财务困境预警判别；章之旺、吴世农（2005）检验了经济困境、财务困境风险和公司业绩之间的关系；杨兵和柯佑鹏（2005）在研究中引入了非财务指标，结果发现财务困境预测的准确度得到了极大的提高；曹德芳等[21]在预警模型中加入了股权结构变量；邓晓岚等（2006）在Logistic模型中引入了非财务变量，回归结果显示审计师意见和年度累计超额收益率对财务困境有较好的解释和预警效果；任惠光和班博（2007）在预警中加入了财务指标和反映企业公司治理和总体经济的非财务指标，通过三个方法的预警及比较，最终构建了最优的跨期财务危机预警综合模型；柏丙林等[22]分别以非财务指标、财务指标以及综合指标（财务指标和非财务指标相结合）构建了财务风险预警模型进行预警，结果表明由综合指标构建的财务风险预警模型有更准确的预测结果；卢永艳[12]将宏观经济因素、贷款利率和国内生产总值增长率引入到财务预警模型；刘小淇等[23]将非财务因素（人力资本和股权结构等）纳入预警模型。

三、财务困境预警模型的建立

财务困境预警模型经历了从单一财务指标变量的预警模型，到多个财务指标变量的线性预警模型，发展成为广泛流行的Logistic预警模型；随后又有一些新的理论和模型相继出现。

Fitzpartrick[13]开启了对上市公司进行了财务危机预警的先河，在研究中运用了单个财务比率指标；随后Beaver[1]也建立了单变量的财务预警模型。由于单个财务比率不能全面反映企业的财务状况，多变量模型较单个财务指标变量所包含的财务信息更加全面，预测的准确度更高。Altman[7]运用线性判别分析方法（MDA）建立了多变量财务预警模型；Altman et al.[14]建立了含有七个财务变量的Zeta模型。在原来线性预测的基础上，Martin[24]首次使用Logistic方法以银行业为研究对象建立了财务预警模型；Ohlson[20]也建立了Logistic财务预警模型，并在研究中给出了MDA有效性的条件；随后 Collins and Green（1982），Zavgren（1985），Gentry，Newbold and WhitFord（1987）等通过实证研究均显示了Logistic模型进行财务预警比MAD模型的预测能力更强，结果更准确；Hensher et al.（2007）建立的Logistic财务预警模型中考虑了多项误差分量，结果显示其拟合优度比标准的Logistic模型更好。

此外，一些新的理论和模型不断出现和应用，如神经网络（ANN）、遗传算法（GA）、案例推理（CRR）、粗糙集（RS）等方法具有高效的预测性。Sánchez-Lasheras（2012）等运用了混合模型对财务困境进行了识别。Heo and Yang（2014）利用Adaboost算法对韩国建筑公司进行了财务危机预测。Slavici（2016）等利用统计方法对人工神经网络模型进行了优化，并进行了财务预警，认为经改进后的神经网络模型的预测可信度更高。

我国学者周守华等[10]借鉴了Z分数模式，建立了包含现金比率的F分数模式的多变量模型，结果表明预测准确度达到了70%以上。陈静[11]分别运用了单变量分析和二类线性判别分析模型进行了财务预警分析。张玲[16]运用了二类线性判别模型对上市公司财务数据进行了预警分析。吴世农等[9]分别应用Fisher、多元线性回归和Logistic三种方法建立了模型进行预警分析，并进行了结果的比较，得出结论：Logistic预警模型的准确性达到了最高。随后更多学者应用Logistic模型进行了财务危机预警研究（姜秀华和孙峥，2000；卢永艳和王维国，2010；卢永艳[12]；谢赤等[17]）。同时一些学者（如周敏和王新宇，2002；周喜和吴可夫，2012；李力和冯涛，2015）运用神经网络建立了企业财务风险预警体系；王晓鹏等（2007）在财务困境预警研究中应用了Cox模型；庄倩等[25]根据财务困境的不同特征进行了不同时期的动态划分，应用了卡尔曼滤波原理，对财务困境进行了动态预测。

四、文献评述

在财务危机预警方面学者们做了充分、详实的研究。在研究对象上，主要选取的是根据破产法提出破产申请的企业和ST上市公司，研究中多将财务危机公司与正常运营的公司进行有关财务指标的对比。相比国外的研究，国内研究起步较晚，前期的研究主要是借鉴了国外的方法和经验，后期的研究结合我国企业现状，研究方法有了一些创新。预警模型在单变量预警模型基础上，发展成为多变量预警模型，随后Logistic预警模型得到了广泛的应用，近年来又出现了一些新的预警方法。这些新的研究方法具有数据挖掘潜力强、預测效率高等优点，但存在着运算复杂、应用条件苛刻、无法进行结构分析（即“黑箱”特性）等缺点。在预警变量的选择上由原来的单个指标的财务比率变量，发展到多个指标的财务比率变量，预测的精确也得到了进一步的提高；最初指标的计算主要是基于利润表和资产负债表，而利润表的有些项目的可操作性较大，不能真实地反映企业现金流，随后又很多学者将预警变量设置的重心放到了现金流量指标上；随着经济的发展，企业所处的微观和宏观经济环境的变化、各种不确定因素对企业财务风险影响的加剧，在预警模型中综合考虑了财务、非财务指标是近期财务预警研究的趋势。

总之，在财务危机预警方面，学者们已经做了大量的研究，为后续研究打下了坚实的基础，不论是预警方法还是指标的选取方面都为我们提供了新思路。

五、完善财务危机预警的思路

（一）完善财务危机预警的建议

1.已有文献对于财务指标选取基本都是从偿债能力、盈利能力、发展能力和营运能力四个“静态”维度来分类，预警指标多为传统的财务指标，其理论框架是传统的财务分析体系。根据财务危机的定义，企业财务危机的主要原因是无力偿还债务，其根源是企业资金链断裂。因此财务预警指标的设定应该从引起财务危机根源的资金链角度进行设定，即应充分考虑资金供给对资金需求的保障程度。

2.大多研究是用模型检验已发生财务危机（ST企业）的事实，验证模型的准确性。预警的目的是对企业未来可能发生的财务危机提出警示，所以预警模型的设定应该具有前瞻性和敏感性。

3.在选取与研究对象相匹配的样本时，对照组和研究组样本所在行业、规模等特征变量缺乏可比性，所得到的对比结论难以令人信服。匹配样本在研究中可以使用有关计量分析方法，使其与研究对象具有可比性的特点。

（二）财务预警指标体系的构建

按照王竹泉[26]的观点，在当今供过于求的高度竞争的市场经济时代，经营活动是企业运用已有的资金和资源创造价值的活动，投资活动不再是计划经济时期依附于经营活动的附属活动，而是同经营活动一样也是为企业创造价值的活动。同样为企业创造价值的经营活动和投资活动应视为一类，称为营业活动；筹资活动是为经营活动和投資活动筹集资金的过程，是依附于经营活动和投资活动的，若企业的营业活动不存在，筹资活动也就失去了意义。财务危机或财务破产的本质是企业资金链断裂，即企业通过筹资获取的资金满足不了营业活动资金的需求。因此，财务预警指标体系构建的重心应放到筹资活动对营业活动资金的保障上，即资金供给对资金需求的保障程度，包括资金供给对资金需求的数量和质量保障程度的构建。具体指数体系构建思路如下：

1.数量保障程度是资金供给量与资金需求量的比，其比值越大说明企业有足够的资金满足营业活动对资金的需求，企业资金链断裂的风险就越小，即财务危机发生的可能性就越小；考虑到资金供给与需求比的波动性，若近几年波动越大，说明保障程度越不稳定，不确定性越大，因此在构建数量指数时应当将资金供给量与需求量变动的风险进行量化处理。数量保障程度用数量指数A1表示，其构建如公式1。

2.质量保障程度，即质量指数是指资金供给对资金需求保障的稳定性，包括资金结构指数和企业综合财务能力指数。其中结构指标是指企业总资金中长期资金所占的比重，比重越大资金供给的稳定性越好，企业发生资金链断裂的风险就越低，在公式2中用长期资金比重来衡量；财务综合能力指数是全面反映企业财务活动的综合能力，其值越大说明企业利用自身发展获得资金的能力越强，企业就会拥有更多的通过自身营业活动积累的资金，因而企业资金链断裂的风险就越低。根据杜邦财务分析体系，企业净资产收益率=权益乘数×总资产周转率×销售净利率，权益乘数、总资产周转率和销售净利率分别反映企业偿债能力、营运能力和盈利能力，因此净资产收益率可以看作是综合反映企业财务状况能力的指标，其值应与行业均值相比，比值越大说明企业财务状况在同行业越好，企业通过自身经营积累的资金在未来满足资金需求的保障程度越好，财务危机发生的概率就越低。在公式2中财务综合能力指数用企业净资产收益率与行业平均净资产收益率比值来衡量。

基于以上分析构建基于资金需求保障能力的财务预警指标体系如下：

资金供给对资金需求的保障指数A=数量指数A1×质量指数A2

上述指数体系可以从时点（当年）和时期（近三年或五年）两个角度计算衡量。财务预警指数或模型的构建旨在企业发生财务危机之前对企业提出预警，防患于未然，而不是当企业发生财务困境之后采用一些模型和指标进行检验。因此具体应用此指数进行预警分析时，样本的选取应剔除ST上市公司。对于构建的上述反映企业财务危机指数的应用的设想如下：

按行业分类选取上市公司（剔除ST）的财务数据进行上述指标的统计分析，求得资金供给对需求保障指数A的上下四分位值（上四分位值q1和下四分位值q2）和中位数值m。当A值处于不同区间时对于企业的警示也是不同的，其中第一类（A≤q2）企业即将出现财务困境，应引起企业的极大重视。具体如下：

（1）A≤q2，企业即将出现财务困境，企业资金对需求保障能力出现了较为严重的警戒和风险，企业应立即进行调整，应该引起企业极大的重视。

（2）若q2≤A

（3）m≤A

（4）q1≤A，说明企业的资金保障程度处于很安全的状态。

【参考文献】

[1] BEAVER W H.Financial rations as predictors of failures[J].Journal of Accounting Research，1966，4（1）：71-111.

[2] CARMICHAEL R.The auditor's reporting obligation[M].Auditing Research Monograph （New York： AICPA），1972：94-125.

[3] DEAKIN E B.A discriminant analysis of predictors of business failure[J].Journal of Accounting Research，1972，10（1）：167-179.

[4] ROSS B.Financial ratios and different failure processes[J].Journal of Business Finance，2000，10（3）：18-24.

[5] LAU H L.A Five-state financial distress prediction model[J] Journal of Accounting Research，1987，25（1）：127-138.

[6] LAITINEN E K.Financial ratios and different failure processes[J].Journal of Business Finance & Accounting，1991，18（5）：649-673.

[7] ALTMAN E I.Financial rations，discriminant analysis and the prediction of corporate bankruptcy[J].Journal of finance，1968，23（4）：589-609.

[8] PLATT H D，PLATT M B.Development of a class of stable predictive variables： the case of bankruptcy prediction[J]. Journal of Business Finance and Accounting，1990，17（1）：31-51.

[9] 吳世农，卢贤义.我国上市公司财务危机的预警模型研究[J].经济研究，2001（6）：46-55.

[10] 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（8）：8-11.

[11] 陈静.上市公司财务恶化预警的实证分析[J].会计研究，1999（4）：31-38.

[12] 卢永艳.宏观经济因素对企业财务困境风险影响的实证分析[J].宏观经济研究，2013（5）：53-58.

[13] FITZPATRICK P J.A comparison of ratios of successful industrial enterprises with those of failed firms [M].New York： Certified Public Accountant，1932：656-662.

[14] ALTMAN E I，et al.Zeta analysis： a new model to identity bankruptcy risk of corporations [J].Journal of Banking and Finance，1977，1（1）：29-54.

[15] BLUM M.Failing company discriminant analysis [J].Journal of Accounting Research，1974，12（1）：1-25.

[16] 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（3）：49-51.

[17] 谢赤，赵亦军，李为章.基于CFaR模型和Logistic回归的财务困境预警研究[J].财经理论与实践，2014，35（1）：57-62.

[18] 吕俊.基于非财务指标的财务困境预测及征兆分析[J].中国社会科学院研究生院报，2006（2）：52-59.

[19] 聂丽洁，赵艳芳，高一帆.基于现金流的财务危机预警指标体系构建研究——基于我国制造业上市公司数据[J].经济问题，2011（3）：108-112.

[20] OHLSON J A.Financial ratios and the probabilistic prediction of bankruptcy[J].Journal of Accounting Research，1980，18（1）：109-133.

[21] 曹德芳，夏好琴.股权结构变量对企业财务危机影响的实证研究[J].财会通讯，2006（1）：85-90.

[22] 柏丙林，吕峻.基于不同指标类型的财务危机预测模型比较——来自我国制造业上市公司的实证研究[J].开放导报，2008（4）：96-101.

[23] 刘小淇，曾繁荣，周鸿.基于非财务视角的上市公司财务困境预警研究——基于主成分逻辑回归的方法[J].财会通讯，2015（6）：42-48.

[24] MARTIN D.Early warning of bank failure：a logit regression approach[J]. Journal of Banking and Finance，1977，1（3）：249-276.

[25] 庄倩，陈良华.财务困境理论的预测动态性改进与应用[J].审计与经济研究，2014（5）：69-76.