基于Z模型财务风险预警模型运用.docVIP

基于Z模型财务风险预警模型运用 　　一、引论 　　“危机预警”一词最早起源于20世纪初。90年代后，欧美国家由于企业危机频发，企业开始逐渐重视危机预警管理。在危机预警管理的研究中，财务风险预警作为危机预警的一个重要部分也受到了学术界的广泛重视。财务风险预警研究分为定性和定量研究。其中定量研究经历了早期的单变量模型到现代的多变量模型、回归模型、神经网络模型等阶段并不断完善。我国学者对企业风险预警研究起步较晚，开始于20世纪八十年代中后期。其中有代表性的成果有周首华、杨济华和王平的《论财务危机的预警分析——F分数模式》，陈静的《上市公司财务恶化预测的实证分析》等成果。笔者认为现有研究中，迫切需要解决的问题是根据我国实际来创造性地运用国外已经成型的财务风险预警模型，但相应成果并不多见。本文试对财务风险预警模型的运用进行初步的分析和探讨。 　　二、相关文献综述 　　财务风险预警模型的研究经历了早期的单变量模型到现代的多变量模型并不断完善。最早的财务预警定量研究开始于1932年的Fitzpatrick的单变量破产预测研究。Fitzpatrick取19家企业进行研究，发现出现财务困境的公司其财务比率和正常公司相比有显著不同，从而得出企业的财务比率能够反应企业财务状况，并对企业未来具有预测作用。他进行了实证研究，结果表明判别能力最高的是净利润/股东权益和股东权益/负债。1966年美国的Beaver最早运用统计方法研究了公司财务失败问题，提出了较为成熟的单变量判定模型。Beaver发现具有良好预测性的财务比率依次为现金流量/债务总额、净收益/资产总额、债务总额/资产总额。这些研究发现了失败的企业与正常企业在财务指标方面不同，为多变量模型研究奠定了基础。但是这些研究样本量较少，指标单一，因此结论比较粗糙。 　　多变量模型是目前企业财务风险预警的主流，主要包括Z模型、Logisitic回归模型、人工神经网络模型等。在多变量模型中被广泛接受的就是Altman的Z模型。Altman在1968年首次将多元线性判别方法引入到财务风险预测领域。他选取1946～1965年间破产申请的33家公司和同样数量的非破产公司进行研究，选取了???个财务指标，通过多元差别模型产生了一个总的判别分，称为Z值，并依据Z值进行判断。该模型的预测精度高达94%，至今各银行及金融机构仍在使用该模型。 　　以欧尔森（Ohlson，1980）为代表的一些研究学者提出采用逻辑回归判别方法来提高财务危机的预警能力。欧尔森以1970年至1976年间105家失败公司为样本，运用了条件逻辑模型建立财务预警模型。其研究成果表明，企业的规模大小、财务结构、经营绩效以及流动性等4个因素与企业发生财务危机的概率具有高度的相关性。 　　Logisitic回归模型使用极大似然估计的方法建模，通过对观察企业条件概率的观测，来判定该企业的财务和经营风险。该方法适用范围虽广，但计算复杂，中间计算的各种近似处理会影响结果的准确性。 　　人工神经网络是一种模拟人的神经网络的一种计算方法。它由大量简单处理单元相互联结组成复杂网络系统，具有高度并行计算能力、自学能力和容错能力，它克服了选择模型函数形式的困难，同时对样本及变量的分布没有要求，还克服了统计方面的限制，能同时处理定性变量和定量变量，容错性较好，但是因其理论基础较弱准确性不强，所以现在使用不多。 　　多变量模型相对单变量模型考虑的因素更为全面，因此更为广泛地被社会接受。特别是Altman的Z模型，广泛应用于银行等金融机构，作为评价企业财务风险的重要指标，因此本文采用该方法进行研究。 　　三、实证研究 　　（一）Z模型算法 Altman在1968年首次将多元线性判别方法引入到财务风险预测领域。他取1946～1965年间破产申请的33家公司和同样数量的非破产公司进行研究，选取了五个财务指标： 　　X1：营运资本/资产总额，反映资产的变现能力和规模特征； 　　X2：留存收益/资产总额，反映公司的累积获利能力； 　　X3：息税前利润/资产总额，反映资产获利情况； 　　X4：所有者权益市价/负债总额，反映企业在财务风险来临时的衰弱程度； 　　X5：总销售额/资产总额，反映企业资产周转情况，用以衡量企业资产的利用效率。 　　Altman采用统计学中的判别分析法构造线性判定模型，用这五项指标的加权平均数计算Z值。并依据Z值进行企业财务风险的判断。他的研究表明：息税前利润/资产总额、销售额/资产总额和所有者权益市价/负债总额三个财务指标预测能力比较强，模型的预测精度高达94%。后来尽管Altman又修正过Z模型，提出了ZETA模型。新的ZETA模型较Z模型精确度有所提高，但修正后的ZETA模型对样本的限制条件较为苛刻，因此Altman196