財(cái)務(wù)困境預(yù)警模型分析及比較

1、理財(cái)2008年第3期RISKMANAGEMENT風(fēng)險(xiǎn)管理財(cái)會(huì)通訊財(cái)務(wù)困境預(yù)警模型分析及比較西南財(cái)經(jīng)大學(xué)譚瀟寒宋司筠財(cái)務(wù)預(yù)警實(shí)證研究是以企業(yè)現(xiàn)有財(cái)務(wù)指標(biāo)為基礎(chǔ)建立數(shù)學(xué)模型來(lái)預(yù)測(cè)企業(yè)陷入財(cái)務(wù)困境的可能性為企業(yè)內(nèi)外利益相關(guān)者了解、預(yù)測(cè)企業(yè)財(cái)務(wù)狀況提供一種簡(jiǎn)便有效的分析工具。相應(yīng)的財(cái)務(wù)預(yù)警模型就是利用企業(yè)一系列財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)來(lái)識(shí)別企業(yè)財(cái)務(wù)狀況的有效工具。一、一元判別模型早期財(cái)務(wù)困境預(yù)測(cè)的統(tǒng)計(jì)方法是單變量的預(yù)測(cè)方法即一元判別。一元判別分析法

2、是將某一項(xiàng)財(cái)務(wù)指標(biāo)作為判別標(biāo)準(zhǔn)來(lái)判斷企業(yè)是否處于財(cái)務(wù)困境狀態(tài)的一種預(yù)測(cè)模型。最早運(yùn)用該統(tǒng)計(jì)方法的是美國(guó)學(xué)者Beaver(1966)。Beaver分別考察了29個(gè)財(cái)務(wù)比率在企業(yè)陷入財(cái)務(wù)困境前1～5年的預(yù)測(cè)能力。研究發(fā)現(xiàn)現(xiàn)金流量總負(fù)債的預(yù)測(cè)效果較好在失敗前一年可達(dá)87%的預(yù)測(cè)正確率其次是資產(chǎn)負(fù)債率并且發(fā)現(xiàn)離經(jīng)營(yíng)失敗日越近準(zhǔn)確率越高。一元判別方法最大的優(yōu)點(diǎn)就是簡(jiǎn)單易行只需通過(guò)對(duì)個(gè)別財(cái)務(wù)比率的檢驗(yàn)就可大體預(yù)測(cè)企業(yè)的財(cái)務(wù)狀況。但是這種方法的缺點(diǎn)主

3、要在于:其一用單一指標(biāo)進(jìn)行判別會(huì)使經(jīng)理層為達(dá)到某種目的而盡可能粉飾該指標(biāo)以表現(xiàn)出較為良好的財(cái)務(wù)狀況其二如果使用多個(gè)財(cái)務(wù)指標(biāo)進(jìn)行判斷可能會(huì)出現(xiàn)不同財(cái)務(wù)指標(biāo)對(duì)同一家企業(yè)判別結(jié)果不同的現(xiàn)象導(dǎo)致無(wú)法得出正確的預(yù)測(cè)結(jié)果。二、多元線性判別模型多元線性判別方法的基本原理是通過(guò)統(tǒng)計(jì)方法篩選出組間差距大、而組內(nèi)離散度最小的變量將選出的多個(gè)變量組合成能提高預(yù)測(cè)精度的多元線性判別方程。最早運(yùn)用多元線性判別模型討論財(cái)務(wù)困境預(yù)測(cè)問(wèn)題的是美國(guó)學(xué)者Altman(19

4、68)。Altman提出了Z值判定模型:Z=0.012X10.014X20.033X30.006X40.999X5其中:X1=營(yíng)運(yùn)資金期末總資產(chǎn)X2=留存收益期末總資產(chǎn)X3=息稅前利潤(rùn)期末總資產(chǎn)X4=期末股東權(quán)益的市場(chǎng)價(jià)值期末總資產(chǎn)X5=本期銷(xiāo)售收入總資產(chǎn)美國(guó)企業(yè)Z值的臨界值為1.8即Z≥3.0時(shí)財(cái)務(wù)失敗的可能性很小為財(cái)務(wù)不失敗組2.8≤Z≤2.9時(shí)有財(cái)務(wù)失敗的可能1.81≤Z≤2.7時(shí)財(cái)務(wù)失敗可能性很大Z≤1.8時(shí)財(cái)務(wù)失敗可能存儲(chǔ)進(jìn)行

5、災(zāi)難恢復(fù)計(jì)劃和業(yè)務(wù)持續(xù)計(jì)劃的定期測(cè)試并在變動(dòng)時(shí)及時(shí)更新第五制定必要的政策和程序并保證信息在集團(tuán)公司內(nèi)部及時(shí)有效的流通第六管理層應(yīng)將員工職責(zé)和控制責(zé)任有效傳達(dá)給員工并建立針對(duì)潛在問(wèn)題的溝通渠道。信息系統(tǒng)的開(kāi)放性、信息的分散性以及數(shù)據(jù)的共享性極大地改變了以往封閉集中狀態(tài)下的運(yùn)行環(huán)境。但是信息系統(tǒng)中未經(jīng)授權(quán)的人員有可能通過(guò)計(jì)算機(jī)和網(wǎng)絡(luò)瀏覽全部數(shù)據(jù)文件復(fù)制、偽造、銷(xiāo)毀企業(yè)重要的數(shù)據(jù)網(wǎng)絡(luò)開(kāi)放的環(huán)境很難避免非法侵?jǐn)_信息系統(tǒng)很有可能遭受非法訪問(wèn)甚至黑

6、客或病毒的侵?jǐn)_。所以要特別注意信息系統(tǒng)的安全。三、加強(qiáng)內(nèi)部審計(jì)在信息與溝通中的監(jiān)督作用確保內(nèi)部控制制度的切實(shí)執(zhí)行且執(zhí)行效果良好必須有良好的監(jiān)督約束機(jī)制內(nèi)部審計(jì)機(jī)構(gòu)在其間便發(fā)揮著重要的內(nèi)部監(jiān)督作用。集團(tuán)公司的內(nèi)部審計(jì)應(yīng)該根據(jù)自身的特點(diǎn)建立風(fēng)險(xiǎn)管理模型選擇由集團(tuán)公司董事會(huì)領(lǐng)導(dǎo)下的審計(jì)委員會(huì)或由集團(tuán)公司董事會(huì)和總經(jīng)理領(lǐng)導(dǎo)下的審計(jì)委員會(huì)模式以保證內(nèi)部審計(jì)的獨(dú)立性與客觀性。目前內(nèi)部審計(jì)的重點(diǎn)已經(jīng)由財(cái)務(wù)審計(jì)變?yōu)榻?jīng)營(yíng)審計(jì)和管理審計(jì)內(nèi)部審計(jì)所提供的信息

7、也是集團(tuán)公司信息與溝通的重要組成部分。內(nèi)部審計(jì)人員除了要及時(shí)、準(zhǔn)確地向集團(tuán)公司管理層報(bào)告有關(guān)差錯(cuò)防弊、資產(chǎn)保全等信息還要根據(jù)已經(jīng)掌控的信息對(duì)信息質(zhì)量進(jìn)行評(píng)價(jià)對(duì)信息傳遞和溝通的有效性發(fā)表意見(jiàn)然后針對(duì)信息質(zhì)量、溝通方式以及控制缺陷提出建設(shè)性的意見(jiàn)和改進(jìn)措施并協(xié)助集團(tuán)公司信息系統(tǒng)的管理人員更有效地管理和控制各項(xiàng)活動(dòng)不斷對(duì)管理信息系統(tǒng)進(jìn)行完善。內(nèi)部審計(jì)人員還應(yīng)對(duì)集團(tuán)公司的方針、政策、制度在各部門(mén)各單位的履行情況進(jìn)行審計(jì)因?yàn)樾畔⑴c溝通的目的就是通

8、過(guò)信息交流使企業(yè)內(nèi)部員工能夠清楚地了解企業(yè)的內(nèi)部控制制度知道其所承擔(dān)的責(zé)任并及時(shí)取得和交換其在執(zhí)行、管理和控制企業(yè)經(jīng)營(yíng)過(guò)程中所需的信息。各部門(mén)、各單位對(duì)集團(tuán)公司方針政策、制度的履行情況直接關(guān)系到集團(tuán)公司的整體戰(zhàn)略目標(biāo)是否能夠?qū)崿F(xiàn)。參考文獻(xiàn):[1]李偉民、李樹(shù)晗:《淺談企業(yè)集團(tuán)內(nèi)部控制的理論基礎(chǔ)、特點(diǎn)和原則》《集團(tuán)經(jīng)濟(jì)研究》2007年第2期。[2]潘愛(ài)玲、吳有紅:《企業(yè)集團(tuán)內(nèi)部控制框架的構(gòu)建及其應(yīng)用》《中國(guó)工業(yè)經(jīng)濟(jì)》2005年第8期。[3

9、]潘愛(ài)玲、吳有紅:《企業(yè)集團(tuán)內(nèi)部控制的要素構(gòu)成及產(chǎn)權(quán)關(guān)系分析》《經(jīng)濟(jì)與管理研究》2004年第1期。[4]劉勇:《企業(yè)集團(tuán)內(nèi)部控制》《集團(tuán)經(jīng)濟(jì)研究》2004年第5期。[5]楊小舟:《內(nèi)部控制中的信息與溝通》《新理財(cái)》2007年第3期。[6]韋曉霞:《母子公司信息控制機(jī)制研究》《山東大學(xué)碩士論文》2006年第3期。[7]肖燕、馬國(guó)忠、賈秋紅:《控制環(huán)境和信息溝通對(duì)企業(yè)內(nèi)部控制的影響》《鐵道運(yùn)輸與經(jīng)濟(jì)》2005年第5期。[8]顧奮玲、趙麗芳:

10、《現(xiàn)代企業(yè)制度下內(nèi)部審計(jì)模式的探討》《審計(jì)研究》2001年第3期。[9]鄭小榮:《風(fēng)險(xiǎn)導(dǎo)向內(nèi)部審計(jì)若干理論問(wèn)題探討》《審計(jì)與經(jīng)濟(jì)研究》2006年第1期。(編輯夏娜)118理財(cái)2008年第3期RISKMANAGEMENT風(fēng)險(xiǎn)管理財(cái)會(huì)通訊性非常大為財(cái)務(wù)失敗組。Altman判別出破產(chǎn)前一年原始樣本中33家破產(chǎn)公司中的31家和33家非破產(chǎn)公司中的32家總體正確率為95.45%該模型的預(yù)想結(jié)果非常理想。多元線性判別模型判別精度較高而且體現(xiàn)了綜合分

11、析的觀念將多元分析方法引入模型中拓展了財(cái)務(wù)困境預(yù)警模型分析方法的思路。但是該方法也存在著一系列自身難以克服的缺陷:第一較一元判別模型該模型較為復(fù)雜需要花費(fèi)大量時(shí)間進(jìn)行數(shù)據(jù)的收集和分析工作第二多元線性模型建立在統(tǒng)計(jì)和數(shù)學(xué)的基礎(chǔ)上本身就有一個(gè)很?chē)?yán)格的假設(shè)條件即要求樣本組內(nèi)分布為近似正態(tài)分布組內(nèi)斜方差矩陣相等而在實(shí)際判別分析的操作中搜集的數(shù)據(jù)大都來(lái)自非正態(tài)總體在這種不滿足假設(shè)前提下所得到的預(yù)測(cè)結(jié)果可能是有偏的這無(wú)疑會(huì)降低預(yù)測(cè)精度第三在樣本選擇

12、時(shí)財(cái)務(wù)困境組與非財(cái)務(wù)困境組(即控制組)之間要一一配對(duì)配對(duì)標(biāo)準(zhǔn)的確定是一個(gè)很大的難題。三、多元回歸判別法為了克服多元線性判別方法的局限性多元回歸判別方法被引入財(cái)務(wù)困境預(yù)警研究。該判別方法是用來(lái)分析選用樣本在財(cái)務(wù)失敗概率區(qū)間上的分布以及兩類(lèi)判別錯(cuò)誤和分割點(diǎn)的關(guān)系其目標(biāo)是尋求觀察對(duì)象的財(cái)務(wù)狀況和經(jīng)營(yíng)風(fēng)險(xiǎn)。多元回歸模型包括多元邏輯回歸(Logit)和多元概率比回歸(Probit)。(一)多元邏輯回歸模型該方法假設(shè)條件發(fā)生的概率符合邏輯分布并由線

13、性概率模型衍生而來(lái):Zi=αkj=1!βjXijεi其中:Zi為因變量是二元反應(yīng)值其值為0或1Xij為解釋變量i=123nj=123kβj為參數(shù)εi為相互獨(dú)立且均值為零的隨機(jī)變量。由于線性概率模型計(jì)算出來(lái)Zi不一定落在(01)之間所以需要進(jìn)行轉(zhuǎn)換Logit模型采用Logistic累計(jì)概率函數(shù)來(lái)校正線性概率函數(shù)的缺點(diǎn)通過(guò)轉(zhuǎn)換得:Pi=F(Zi)=11e2iLogit模型參數(shù)的估計(jì)運(yùn)用最大似然估計(jì)法假設(shè)企業(yè)財(cái)務(wù)陷入困境的概率為P如果P0.5

14、則企業(yè)財(cái)務(wù)陷入困境的概率比較大如果P0.5則企業(yè)破產(chǎn)概率較大若P0.5則表示企業(yè)經(jīng)營(yíng)正常的概率比較大。Logit回歸模型最大的優(yōu)點(diǎn)是預(yù)測(cè)變量不需要服從多元正態(tài)分布和兩個(gè)樣本組的協(xié)方差矩陣相等的條件從而使其使用范圍較為廣泛。Probit回歸模型與Logit模型都采用最大似然法獲得最大似然統(tǒng)計(jì)量。兩者之間最大的不同點(diǎn)在于:Logit模型不需要嚴(yán)格的假設(shè)條件Probit模型則需要假設(shè)殘差項(xiàng)為正態(tài)分布自變量之間沒(méi)有共線性存在樣本數(shù)為非回歸參數(shù)個(gè)

15、數(shù)等。因此在應(yīng)用中會(huì)受到一定的限制。但是Probit模型的預(yù)測(cè)精度卻比Logit模型更高。作為多元回歸模型二者都同時(shí)具有自身難以克服的缺陷主要表現(xiàn)為:第一由于模型都采用了極大似然估計(jì)法使得計(jì)算程序較為復(fù)雜第二由于在數(shù)據(jù)計(jì)算過(guò)程中運(yùn)用了許多近似處理勢(shì)必對(duì)預(yù)測(cè)結(jié)果的精度有所影響第三在判定分割點(diǎn)的選取上誤差成本往往很難取得理論上并不存在最優(yōu)分割點(diǎn)從而降低了模型的預(yù)測(cè)能力和外部有效性。四、人工神經(jīng)網(wǎng)絡(luò)模型人工神經(jīng)網(wǎng)絡(luò)模型是一種平行分散處理模型其

16、構(gòu)建的理念是基于人類(lèi)大腦神經(jīng)運(yùn)作的模型。人工神經(jīng)網(wǎng)絡(luò)模型的原理是將用來(lái)衡量上市公司財(cái)務(wù)狀況的建模變量作為神經(jīng)網(wǎng)絡(luò)的輸入向量將代表分類(lèi)結(jié)果的量作為神經(jīng)網(wǎng)絡(luò)的輸出向量用訓(xùn)練樣本來(lái)訓(xùn)練這個(gè)網(wǎng)絡(luò)由訓(xùn)練樣本中的財(cái)務(wù)困境公司和財(cái)務(wù)正常公司的輸入向量得出區(qū)分兩類(lèi)不同公司的輸出向量一旦訓(xùn)練完畢便可作為上市公司財(cái)務(wù)困境預(yù)測(cè)的工具。神經(jīng)網(wǎng)絡(luò)判別模型具有其他方法無(wú)法比擬的優(yōu)點(diǎn):第一糾錯(cuò)能力較強(qiáng)克服了統(tǒng)計(jì)方法的諸多限制其對(duì)數(shù)據(jù)要求不嚴(yán)格不需要考慮是否服從正態(tài)分

17、布假設(shè)第二主要根據(jù)所提供的數(shù)據(jù)通過(guò)學(xué)習(xí)和訓(xùn)練找出輸入與輸出之間的內(nèi)在聯(lián)系從而求得問(wèn)題的解其不是完全依據(jù)對(duì)問(wèn)題的經(jīng)驗(yàn)知識(shí)和規(guī)則所以具有自適應(yīng)功能對(duì)弱化權(quán)重確定中的人為隱私是十分有益的第三在實(shí)際財(cái)務(wù)困境預(yù)測(cè)中各個(gè)因素之間相互影響情況十分復(fù)雜會(huì)呈現(xiàn)出非線性關(guān)系人工神經(jīng)網(wǎng)絡(luò)為處理這類(lèi)非線性問(wèn)題提供了強(qiáng)有力的工具。盡管如此該模型的局限性也不容忽視:其一其構(gòu)件是基于對(duì)人體大腦神經(jīng)的模擬這一理論基礎(chǔ)的科學(xué)性和準(zhǔn)確性還有待進(jìn)一步加強(qiáng)與檢驗(yàn)其二在研究中發(fā)

18、現(xiàn)該模型的預(yù)測(cè)效果不穩(wěn)定會(huì)影響預(yù)測(cè)精度。通過(guò)以上比較與分析可得出啟示如下:其一在構(gòu)建模型方面需更加完善。一方面應(yīng)對(duì)預(yù)警指標(biāo)體系進(jìn)一步研究探索出更具有實(shí)用價(jià)值的指標(biāo)體系以提高模型的正確性和預(yù)測(cè)精度。另一方面也要積極嘗試建立動(dòng)態(tài)跟蹤預(yù)警體系。其二拓寬研究范圍。樣本文獻(xiàn)研究所選取的樣本基本上都是跨行業(yè)針對(duì)某一個(gè)行業(yè)來(lái)建立模型的占少數(shù)且大多數(shù)樣本都是上市公司而針對(duì)某一行業(yè)或非上市公司來(lái)研究并建立模型的研究很少。所以研究范圍應(yīng)更加廣泛如區(qū)分行業(yè)、

19、大型企業(yè)和中小企業(yè)、非上市公司和上市公司等。其三建立定性分析與定量分析相結(jié)合的模型。在實(shí)際應(yīng)用中定性分析方法最大的優(yōu)點(diǎn)就是具有較大的靈活性可以根據(jù)具體情況進(jìn)行調(diào)整。但正因?yàn)槿绱艘伯a(chǎn)生了其容易受到主觀因素影響這一缺點(diǎn)。較好的解決辦法就是同時(shí)使用定性分析方法和定量分析方法這樣既考慮企業(yè)自身的具體情況又避免了只用單一方法進(jìn)行判斷的片面性。參考文獻(xiàn):[1]張鳴、張艷:《財(cái)務(wù)困境預(yù)警的實(shí)證研究與評(píng)述》《財(cái)經(jīng)研究》2001年第1期。[2]徐鹿、邊玥