企业破产预测实证模型评述-2019年文档.docxVIP

企业破产预测实证模型评述 从微观经济学的角度， 如果企业到达停止营业点， 就应该破 产，但对于具体一个企业而言，停止营业点几乎是无法计算的， 因此，在实践中只能从公司财务的角度，利用净利润、利息保障 倍数等财务指标来预测企业的破产。 很长一段时间以来， 破产是 公司财务问题，而非微观经济学问题。破产研究中，最吸引人的 题目当属如何预测破产。如果能相对早地获得企业破产的信息， 对于每个利益相关者来说，都可以避免破产所带来的损失。从 20世纪 60年代开始，有关倒闭预测的实证研究出现开始，各种 实证模型层出不穷，但哪种模型的预测能力最强，却没有定论。 通常的实证研究只选择其中的一种， 对其他模型避而不谈。 实际 上，选择合适的模型，是实证研究最重要的一步。在下文中，作 者对主流的破产预测模型逐一介绍，并就它们的优缺点简单评 述，以期为其他倒闭实证研究提供方法上的参考。 、破产预测模型开端：财务指标的简单排序 对破产或关闭的研究，始于专家评分系统( Credit Scoring )。直到现在，这种方法依然是像标普、穆迪这样的国 际评级机构衡量信用风险时所使用的主流模型。专家利用信誉 Character )、财务杠杆 ( Capital )、资本充足度 (Capacity ) 以及担保情况( Colateral )等信息形成对企业财务状况的主观 判断和评分。根据经验和行业一般状况，对 4个“C进行5档 分类，并对每一类的状况进行具体描述。根据评级结果，得出正 常还是关闭的结论。 如 Rosenberg 和 Gleit 所说，建立在 4“C” 法基础上的专家系统( Expert System )法仍然是判别破产的流 行方法( Rosenberg 和 Gleit ， 1994)。只不过，新的专家系统 (Expert System )在传统的“事实一结论”的基础上，对是否 被授予信用的过程做了更详细的解释，这也被称为中间层。 从理 被授予信用的过程做了更详细的解释， 这也被称为中间层。 从理 论研究的角度, 评分法和专家系统法都缺乏理论基础, 使得结果 像个黑盒子( Barakat 和 Bradley ， 2010)，通常建立在专家的 主观判断基础之上，而主观判断的可延展性较差。 沿着评分的思路,更规范的方法是比率分析。 Altman c.f. (1968), Altma n、Haldeman 和 Naraya nan (1977), Colli ns 1980)， Olson(1980)， Platt (1991)等都采取比率分析方 法对破产问题进行过研究。他们所采取的比率分析主要是两分 法,即将样本数据按大小排列,在中位数附近选出关键值,如果 样本观测值大于这个值,就是倒闭,如果小于,就归于非倒闭。 Boritz ( 1 991 )曾经采用 65个指标进行比率分析。 Hame(r 1983) 的分析认为,所选择的指标与比率分析的准确性没有直接关系。 但 Karels 和 Prakash ( 1987)却认为恰恰相反：如果仔细选择 指标,对提高模型的预测准确性有很大帮助。在实际应用中,选 择关键值是一个试错过程, 分类的正确与错误只有在决策完成后 才能看到。因此,关键值的确定无法完全准确,且总体关闭的预 测与样本也可能呈现很大不同。 比两分法更进一步的是均值分析， 即将正常组和关闭组样本 数据分别求平均值， 得出正常组均值和关闭组均值。如果关闭和 数据分别求平均值， 得出正常组均值和关闭组均值。 如果关闭和 不关闭的两组样本的分布很“密”， 或者说， 每组样本的均值几 乎没有重叠，则均值法非常合适。因为均值不重叠，意味着两组 样本之间差别明显。而如果均值很松，或者说重叠很严重，则用 均值无法对两组样本进行有效区分。 比率分析简单，但有一定前提。首先，规模对比率分析有很 大的影响，因为企业的偿付能力往往与规模相关，因此，比率分 析应该在同行业和同规模的基础上进行。 同样的比率对于不同规 模的企业，是否产生破产的结果，答案可能并不相同。其次，比 率分析有时无法对关闭预测提供明确的答案。 如A企业比B企业 合匕的偿付能力更高，并不能说明A的关闭可能性，如果B的偿付能 力很差的话， 比 B 好并没有特别的意义。 比率与其说可以预测倒 闭，反倒不如说可以预测重大事件， 而关闭仅仅是重大事件之一。 合匕 二、经典判别模型：分离模型( DA) 比率分析操作简单， 但不同比率可能得出不同的结论， 而且， 针对某一个企业所得出的结论只能应用于该企业，无法应用于其 针对某一个企业所得出的结论只能应用于该企业， 无法应用于其 他企业的破产分析。 建立具有在数理统计上可获得稳健分析结果 的模型，才能避免此类问题。 单变量的DA模型(discrima nt an