上市公司财务风险预警探究综述.docVIP

上市公司财务风险预警探究综述 　　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论 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?（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、