企業(yè)研究論文-企業(yè)財務危機預警系統(tǒng)研究文獻綜述.doc

企業(yè)研究論文-企業(yè)財務危機預警系統(tǒng)研究文獻綜述摘要本文按照財務預警模型的類型,從財務預警指標選擇的角度對具有代表性的國內外相關研究文獻進行綜述和簡評,以期給企業(yè)財務預警研究提供一些有益的啟示。關鍵詞財務預警財務指標預警模型一、單變量預警模型最早的財務危機預測研究是FitzPatrikc(1932)所做的單變量破產預測模型，他發(fā)現，出現財務困境的公司其財務比率和正常公司的財務比率相比有顯著的不同，從而認為企業(yè)的財務比率能夠反應企業(yè)財務狀況，對企業(yè)未來具有預測作用。Beaver(1966)對美國1954年1964年間79家失敗企業(yè)和79家成功企業(yè)的30個財務比率進行研究的結果表明，具有良好預測性的財務比率為“現金流量/負債總額”、“資產收益率（凈收益/資產總額）和資產負債率（債務總額/資產總額）。Bevaer也因此開創(chuàng)了建立財務預警模型的先河。二、多元線性判別模型1.Z計分模型1968年埃德沃德阿爾特曼Altman提出了多元線性判定模型即運用多種財務指標加權匯總產生的總判斷分值(稱為z值)來預測財務危機，此模型分為在上市公司和非上市公司兩種情況。上市公司的Z值模型和判別規(guī)則如下:Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5其中:X1=凈營運資本/資產總額，反映公司總營運資本的流動性；X2=留存收益/資產總額，反映公司的支付剩余能力；X3=息稅前利潤/資產總額，反映公司的收益率大小，衡量公司運用全部資產獲取利潤的能力；X4=普通股和優(yōu)先股市場價值總額/債務賬面價值總額，反映公司財務狀況的穩(wěn)定性；X5=本期銷售收入/資產總額，反映公司的活動比率。該模型實際上是通過五個變量(五種財務比率)，將反映企業(yè)償債能力的指標(X1、X4)、獲利能力指標(X2、X3)和營運能力指標(X5)有機聯(lián)系起來，綜合分析預測企業(yè)財務失敗或破產的可能性。一般地，Z值越低企業(yè)越有可能發(fā)生破產。非上市公司的Z值模型和判別規(guī)則如下:Z=0.717X1+0.847X2+3.107X3+0.420X4+0.998X5，其中，X4修正為:股東權益/總負債，反映公司財務狀況的穩(wěn)定性。其余X1、X2、X3、X5與上市公司的相同。2.F分數模型我國學者周首華(1996）等提出對Z值判定模型加以改造建立起F分數模型。許多專家證實，現金流量比率是預測公司破產的有效變量，F分數模型加入現金流量這一預測自變量，彌補了Z值判定模型的不足。其表達公式為:F=-0.1774+1.1091X1+0.1704X2+l.9271X3+0.0302X4+0.4961X5，其中，X1、X2及X4與Z計分模型中的X1、X2及X4反映的指標相同，而X3、X5與Z分數模型的X3、X5不同。X3=(稅后凈收益+折舊)/平均總負債，它是一個現金流量變量，是衡量企業(yè)所產生的全部現金流量可用于償還企業(yè)債務能力的重要指標。X5=(稅后凈收益+利息+折舊)/平均總資產，測定的是企業(yè)總資產在創(chuàng)造現金流量方面的能力(其中的利息是指企業(yè)利息收入減去利息支出后的余額)。相對于Z分數模型，它可以更準確地預測出企業(yè)是否存在財務危機。三、邏輯回歸模型多元邏輯回歸模型克服了多元線性判別分析方法對預測變量有著嚴格的聯(lián)合正態(tài)分布要求、且要求財務危機組與控制組之間一定要進行配對的局限性，從而將問題簡化為已知一個公司具有某些財務特征，計算其在一段時間內陷入財務危機的可能性有多大。美國學者Ohlson(1980)是最早在財務預警研究中應用這種方法的人。我國學者陳曉、陳治鴻(2000)以因財務狀況異常而被特別處理(ST)作為上市公司陷入財務危機的標志，運用多元邏輯回歸模型和可公開獲得財務數據，對中國上市公司的財務危機進行了預測，發(fā)現負債權益比、應收賬款周轉率、“主營利潤率/總資產”和“預留收益/總資產”對上市公司財務危機有著顯著的預示效應。他們的研究所發(fā)現的最優(yōu)模型能夠從上一年股本收益率公告小于5%的上市公司中預測出73.68%的下一年會進入TS板塊的公司，總體判別正確率為78.24%。四、神經網絡模型Odour和Sharda(1990)用BP神經網絡預測了財務危機。他們的模型要優(yōu)于當時的判別分析模型，但也僅僅是神經網絡方法應用的展示和Altman(1968)研究的重復。Coats和Fant(1992)運用神經網絡技術學習審計專家的結論來判別財務危機，他們選取了由審計師判定的1971年1990年間的94家持續(xù)經營的公司和188家財務狀況變動較大的公司，并采用Atlman的Z值模型中5個財務比率分析了這些公司在破產前3年內的數據。Coats和Fnat認為Z值模型對破產當年具有很好的判斷效果，但不具有很好的提前預測效果，神經網絡模型則解決了此問題。五、國內外研究簡評在國內外現有的財務預警研究中,指標的選擇往往基于一般的財務理論、風險理論和管理理論，有時甚至取決于研究者的直觀判斷以及資料的可獲得性，眾多研究者還沒有找到令人信服的財務風險和預警理論來支撐所建立的預警模型,由此造成了各種財務預警模型的預警結論不一致，甚至相互矛盾和沖突。企業(yè)財務風險的形成和警情的出現往往在事前存在著一定的征兆，這就是財務預警的警兆,而警兆的識別需要以科學的財務風險理論和財務預警理論為基礎。然而,在當前的研究中，還沒有找到