上市公司财务风险预警模型探究文献综述.docVIP

上市公司财务风险预警模型探究文献综述摘要：科学的财务风险预警模型的构建是上市公司长期健康发展的重要方面。文章在阐述财务危机与上司公司财务风险预警的概念和内涵的基础上，从财务指标的角度介绍国内外现有的关于财务风险预警的模型，并对已有研究成果和文献进行总结和归纳，最后结合国内外相关的研究进展进行简评及提出新的研究思路。 关键词：财务风险；财务指标；预警模型 一、引言 财务风险是指企业在各项财务活动中由于各种难以预料和无法控制的因素，使企业在一定时期、一定范围内所获取的最终财务成果与预期的经营目标发生偏差，从而形成的使企业蒙受经济损失或更大收益的可能性。在激烈的市场竞争中，上市公司始终处于一种生存与倒闭、发展与萎缩的矛盾当中。只有生存上市公司才有可能获利，有可能存续下去。生存是其核心目标。因此有必要建立一个科学合理的财务风险预警系统，为上市公司生存提供重要的信息，预防企业陷入财务危机的深渊。 财务风险预警系统是指通过对企业财务报表及其他相关资料的分析，借助于财务数据和数据化管理方式，对企业的运营过程进行跟踪、监控，以揭示企业运营过程中的经营困境和财务危机的可能性及原因，并发出警情信号，提醒管理当局提前做好防范措施的财务分析系统。国内外关于财务风险预警系统的研究已有很多，并取得了一定的研究成果。 二、国外相关研究的现状 （一）基于单变量预警模型的研究 国际上，最早用统计方法进行财务危机预测研究的是Fitzpatrikc（1932）开展的单变量破产预测研究。Fitzpatrikc发现，在财务危机预测研究中净利润/股东权益和股东权益/负债这两个比率的判别能力是最高的。 在Fitzpatrikc研究之后，美国学者威廉弗（WilliamBeaver）1966年在美国《会计评论》上提出了单一变量模型，又称一元判别模型。在他对79家危机企业和79家正常企业的30个财务比率数据进行的研究结果后表明，债务保障率和资产负债率这两个财务指标判别能力最高，并且越临近破产日判别成功率越高。 （二）运用多元线性判别分析方法的研究 多变量预警模型就是运用多个财务指标加权汇总构造多元函数的方法来进行预测分析。在国外这方面的研究，主要以Z-Score模型为代表： 美国纽约大学奥尔曼（Altman）教授早在20世纪60年代，就将多变量统计分析方法-判别分析运用到企业破产预测中。他以1964-1965年33家破产公司和33家正常公司作为配对样本，选用22个财务比率作为破产前1-5年的预测备选变量，经过筛选最终确定营运资产/资产总额、留存收益/资产总额、息税前利润/资产总额、股东权益市场价值/总负债账面价值和销售收入/资产总额5个变量作为判别变量，构建Z-Score模型。此模型分上市公司和非上市公司两种情况。 1、在上司公司的方面 上市公司的Z值模型和判别规则如下： Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5① ①式中X1=营运资产/资产总额，反映公司营运资产的流动性；X2=留存收益/资产总额，反映公司剩余支付能力；X3=息税前利润/资产总额，反映公司的盈利能力；X4=普通股和优先股市场价值/总负债账面价值，反映公司财务状况的稳定性；X5=销售收入/资产总额，反映公司的活动比率。 2、非上市公司方面 非上市公司的Z值模型和判别规则如下： Z=0.717X1+0.847X2+3.107X3+0.420X4+0.998X5② 其中与上市公司唯一不同的是X4修正为股东权益/总负债。 总体来说，多变量模型判别精度高，而且体现了综合分析的概念。但这种模型也存在一定的局限性：一是模型比较复杂，数据资料多，需花费大量的时间分析数据和处理数据；二是这种模型的假设条件严格，即假设预测变量必须呈联合正态分布，且两组样本要求等协方差。 （三）关于逻辑回归模型的研究 回归模型是从一组因变量中预测一个“对应的”应变量的一种统计方法。比较常用的Probit模型方法和Logit模型方法。美国学者Ohlson（1980）运用多远逻辑回归法进行了研究，发现用公司规模、资本结构、负债和当前的变现能力进行财务危机预测的准确率达到96.12%。他采用的分析方法使财务预测有了很大的改进，克服了多元线性判别分析中对预测变量有着严格的联合正态分布要求及样本未配对样本的局限性，进一步将问题简化。 （四）关于动态财务预警模型的研究 近年来有学者开始建立动态财务预警模型，即运用神经网络分析方法。Odom（1990）是较早运用神经网络的经济学家，他用1975-1982年间的64家失败企业和64家健康企业为研究样本，选取了Altman在1968年