II.文献综述ni财务预警模型实证分析文献综述摘 要：随着世界经济的一体化及其动荡的加剧，财务预警模型作为近年来 处在创新性和前沿性的新兴研究学科，由于其能为投资者提供有效的企业财务经 营状况以做出合理的投资决策，因而引起了国内外学者的广泛关注及研究，并取 得了一定的成果。本文从财务预警的概念、财务预警模型的概念及财务预警模型 的实证分析等方面对现有的研究成果进行系统的梳理和阐述，为对财务预警模型 的进一步分析以及将财务预警模型与我国实际情况相结合提供理论依据和框架。关键词：财务预警模型；实证分析The Review on Empirical Analysis of the FinancialEarly Warning SystemAbstract: Abstract: In recent years, with the globalization of the world economy, the worlds situation is becoming more and more volatility. As a result, the early warning system, as an innovative and cutting-edge field, has aroused lots of interest of scholars both at home and abroad. They have been doing a wide range of study and achieved certain results. This paper proceeds in Section 1 by outlining our definition of financial early warning. Section 2 presents the financial early-warning model developed by researchers, and their results. The last section is about empirical analysis of the financial early warning system. All these provide a theoretical basis and framework for the further research.Key words: the financial early-warning model; Empirical Analysis一、财务预警的相关概念财务预警是指“借助企业提供的财务报表、经营计划及其他相关会计资料， 利用财会、统计、金融、企业管理、市场营销理论，采用比率分析、比较分析、 因素分析及多种分析方法，对其也的经营活动、财务活动等进行分析预测，以发 现企业在经营管理活动中潜在的经营风险和财务风险，并在危机发生之前向企业 经营者发出警告，督促企业管理当局采取有效措施，避免潜在的风险演变成损失， 起到未雨绸缪的作用；而且，作为企业经营预警系统的重要子系统，也可以为企 业纠正经营方向、改进经营决策和有效配置资源提供可靠依据。进行财务预警分 析，建立企业财务预警已经成为现代企业财务管理的重要内容之一”(王化成， 高级财务管理学，2007) o财务预警系统是指采用及时的数据化管理方式，通过全面分析企业内部经营 和外部环境各种资料，以财务指标数据形式将企业面临的潜在危险预先告知经营 者，同时寻找财务危机发上的原因和企业财务管理中隐藏的问题，并明确告知经 营者解决问题的有效措施的智能化管理系统。财务危机(Deaki 于 1972 年在“A Discriminant Analysis of Prediction of Business Failure 一文中指出财务危机是指仅包括已经经历破产、无力偿债或为 债务人利益而进行清算的公司)预警系统主要包括指标体系、预警界限、数据处 理和信号显示等四个部分，在其构建过程中，财务预警分析模型是设计财务预警 分析系统的关键。二、财务预警模型财务预警模型是指利用财务指标以及非财务指标来建立相关数学模型，以判 断企业当前的财务状况和将来的财务状况。关于财务预警模型的建立可以追溯至 20世纪60年代中期，William Beaver (1966)提出根据一些财务指标走势的恶 化即单变量判定法来预示企业危机，此后，国外涌现了大量的财务预警模型，主 要有Altman (1968)所提出的运用多种财务指标加权汇总所得的Z值即多变量 判定模型；Edmister (1972)建立的小企业财务预警模型;Ohlson (1980)的多 元逻辑回归logit模型等。在这里，着重介绍单变量模型、多变量模型、多元逻 辑回归模型以及BP神经网络模型。(%1) 单变量模型单变量模型是指通过个别财务比率走势恶化来预测财务危机状况。Beaver (1986)于会计评论上发表了一篇题为可以预测失败的几种会计手段的 论文，文中对1954年至1964年期间的79个失败企业和相同数量、同等资产规 Williain H. Beaver, Financial as Predictors of Failure I J .Journal of Accounting Research, 1966(5) , pp. 71- 111.模的79家成功企业进行了比较研究，其结果为：按照预测能力大小，预测财务 危机比率按下列数许排列一一债务保障率（现金流量/资产总额）、资产收益率 （净收益/资产总额）、资产负债率（负债总额/资产总额）；而且，离经营失败 日越近，预见性越强。在Beaver之后，经过众多的学者、专家的研究，资金安 全率（资产变现率.资产负债率）也被认为是一个非常实用的单变量指标。然而，单变量模型虽然操作简单，但是有着不可忽略的缺点：一个企业的 财务状况是用多方面财务指标来反映的，没有一个财务指标能够全面地反映企业 的经营状况。该模型没有区别不同的财务比率对公司整体财务状况的作用，也 不能很好的反映企业各比率正反交替变化的情况。个别企业存在盈余操纵的现 象，企业管理人员可能装饰个别财务指标，以掩饰企业真实的经营状况。正是因 为单变量模型存在上述三点的不足，因而以Altman（1968）所提出的Z计分模型 为代表的多变量模型逐渐取代了单变量模型。（二）多变量模型多变量模型是指运用多种财务指标加权汇总产生的总判别分来预测财务危 机。在这里主要介绍多变量模型中具有代表性的Z计分模型。Z模型由Altman于1968年提出，他在对33家美国破产和33家非破产生产企业进行观察,采用了 22个财务比率经过数理统计筛选建立了 5变量Z模型,并根据不断变化的客观经济情况先后对模型进行了多次修改以完善模型。按照是 否上市交易，Z模型分为两类:1、公开上市交易的制造业公司的破产指数模型Z = 1.2X| +1.4X, +3.3X, +0.6X+0.99X,IZ.543其中，X| 二（流动资产-流动负债）/资产总额x.=期末留存收益/资产总额乂3=息税前收益/资产总额X,=权益市价/债务总额账面价值Y =销售额/资产总额根据这一模型,Z值越低，企业就越有可能破产，具体判断标准为：Z 2.675 , 安全区即非破产企业；1.81 5Z 2.9 ,安全区；1.235 Z 2.9,灰色区；Zvl.23,破产区。Altman, E，Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy JJ. Journal of Finance, 1968, 23(Sept.)，pp.589-609虽然Z模型是以多变量的统计方法为基础，克服了单变量模型的缺陷，运用 多重财务指标，从总体角度检查企业财务状况,有利于不同时期财务状况的比较, 从而进一步发展了财务预警模型，但是模型本身还是有一定的限制和缺点：权 数不是一直固定的，必须根据实际情况进行调整。所选取的财务指标具有一定 的局限性，如现金流量指标也有很好的预测能力。所选用的数据不能及时更新, 具有滞后性。企业规模、行业性质、地域等具有显著差异，因而计算结果不具 有横向可比性。（三）多元逻辑回归模型Ohlson于1980年第一个将逻辑回归方法引入财务预警领域，它选择了 1970 年至1976年间破产的105家公司和2058家非破产公司组成的配对样本，分析了 样本公司在破产概率区间上的分布以及两类错误和分割点之间的关系，发现公司 规模、资本结构、业绩和当前的融资能力进行财务危机的预测准确率达到 96.12%。这一分析方法使财务预警模型得到了重大改进，克服了传统分析中包括 变量属于整台分布的假设以及破产和非破产企业具有同一协方差矩阵的假设在 内的许多问题。然而，虽然经过实证分析证实这一模型的预测结果具有较高的准确率，但是 由于其复杂的计算过程、计算忽略了所选取的变量间的相关系数、变量间的多重 线性干扰以及计算时无法保证计算的精确性，因此这一模型的预测结果的可信度 下降。!1!（四）BP神经网络模型Rumelhart （1986）提出的误差反向传播法，即“BP神经网络是利用非线性 可微分函数进行权值训练的多层网络”，具有结构简单、理论依据充分、推导严 谨、可塑性强等优点，因而在众多领域得到了广泛的应用。BP神经网络主要由一个输入层，一个或多个隐含层及一个输出层组成，其 学习过程包括信息的正向传播和误差的反向传播两个部分：正向传播：输入样 本一输入层一各隐层一输出层。若输出层世纪输出与期望输出不符，则转入误差 反向传播过程。误差反向传播：输出误差一隐层一输入层。这一过程的主要目 的是通过将输出误差反传，将误差分摊给各层所有单元，从而获得各层单元的误 差信号，进而修正各单元的权值，而权值的调整过程也是BP网络的学习过程气BP神经网络模型算法的实现步骤具体为：初始化。输入训练样本对， 计算各层输出。计算网络输出误差。计算各层误差信号。调整各层权值。 检查网络总误差是否达到精度要求。满足，则训练结束；不满足则返回步骤。BP神经网络模型虽然整个推导过程极为严谨，但是由于需要做大量的运算, 使得其收敛速度慢，而且训练时学习新样本有以往旧样本的趋势，因而目前在财 务预警领域并没有大量使用。正如周兴荣、李文宁（2008）所指出，这一模型“由 于理论基础比较薄弱，人工神经网络对人体大脑神经模拟的科学性、准确性还有 待进一步提高，因此其适用性便大打折扣”。在国内，由于一些客观因素的限制，对于企业财务预警模型在我国实际应用 的研究于20世纪末才逐渐兴起，主要有以下成果：陈静（1999）运用单变量判定模型和多变量判定模型对国内证券市场27家 ST公司和27家非ST公司进行分析。在单变量判定分析中，她认为“资产负债 率、总资产收益率和流动比率具有良好的预测效果，且在离宣布日越近，其误判 率越低”。在多变量判定模型分析中，她认为“多变量判定模型在ST宣布前一 年的成功率较高，离宣布日较远，成功率越低”。张玲（2000）以我国实际营运上市公司的财务比率为依据，从12