企业财务危机预警的实证研究从上世纪30年代以来，一直是国际财务、会计和证券投资研究领域中经久不衰的课题。我国目前在这一领域的研究虽然对西方的研究成果有所借鉴，但无论从研究方法还是研究角度都与国外的相关研究存在一定的差异。从根本上讲，这种差异反映了我国以往在该领域中研究环境是相对落后的。随着我国市场经济体制改革的深化和资本市场的快速发展，对公司财务危机预警研究的需求日益迫切，亟须通过完善的经济预测方法，建立有效的经济预警系统。 一、国内外财务危机预警研究概述 (一)财务危机的界定如何界定财务危机是进行财务危机预警研究需要首先考虑的问题，国外学术界对此有多种不同的定义和观点。大多数研究者对财务危机的认定受研究样本选择范围所限，通常在文献中会明确给出财务危机的定义及样本的选择特性，归纳起来可以指变现拍卖、无力支付短期债务、无力支付债券利息、无力支付债券本金、无力支付优先股股息、重组及法定破产等。国内学者对于财务危机也没有统一的定义。大多数学者将其定义为一个过程，既包括较轻微的财务困难，也包括极端的企业破产清算以及介于两者之间的各种情况。实证研究中，我国学者一般以上市公司作为研究对象，这是因为非上市公司的财务报表比较不规范，可靠性不高，加之数据比较难获得。在对上市公司的研究中，通常又将企业“被特别处理”界定为发生财务危机的标志。本文对财务危机的界定基本同国内大多数学者的做法一致。不同的是，本文将根据我国证券制度的变迁，对财务危机的界定做适当的调整，即2002年和2003年将公司被“ST”作为陷入财务危机的标志，2004年则以“*ST”作为公司陷入财务危机标志。 (二)研究方法概述在文献方面，国内外关于财务危机预警的研究非常多，成果斐然。广义上讲，可以分为两大类：一类是静态分析；一类是动态分析。静态分析是一种基于传统利润表及资产负债表，单纯从某个截面角度来研究企业财务危机的研究方法，它是当前研究方法的主流。从方法创新角度看，静态分析可分为单变量分析、多变量分析、Logistic回归分析、神经网络模型和基于期权定价理论的模型。动态分析则是一种基于企业现金流量表或从财务数据的时间序列角度来研究财务危机的方法。国内关于企业财务危机预警的实证研究起步较晚，陈静(1999)第一个公开发表了我国上市公司财务危机预测研究。目前国内的研究方法仍以静态分析为主，动态研究还仅仅处于理论探讨阶段。 (三)当前国内实证研究存在的主要问题从当前国内的实证研究来看，主要存在以下三方面的问题： 1、忽视财务比率分析中的时间序列特征由于企业财务循环具有持续性特点和累积效应，单纯的截面分析难以识别导致企业财务状况恶化的内在趋势原因；从理论上讲，由于缺乏时序特征的解释，运用财务危机发生前的t-n(n=1，2，3，4，……)个时点的样本数据来估计未来危机的概率也并不完全符合逻辑；而且分时点的截面分析可能由于样本时间段的不同而得到因子差异明显的模型。 2、忽视现金流量指标国外对加入现金流量指标的动态财务危机预警研究，已经取得比较丰硕的成果。然而国内由于对现金流重要性的认识不够，加上我国从1998年开始才要求上市公司编制现金流量表，因此进行实证研究所需的现金流量方面的数据严重缺乏。这些原因，最终导致国内的研究仅仅停留在对现金流量指标体系构建的理论探讨层面。 3、Logistic回归模型自变量的多重共线性问题从国外的文献综述可以看出，Logistic回归模型的前提假设相对于判别分析要宽松的多，它没有关于分布类型、协方差等方面的严格假定。不过，在大量运用Logistic回归的研究中往往忽视了另一个相当重要的问题，即模型自变量之间可能存在的多重共线性问题。 与其他多元回归方法一样，Logistic回归模型对于多重共线性问题非常敏感。当变量之间的相关程度高时，系数估计的标准误将会急剧增加。在实证分析中，由于财务比率均由具有相互勾稽关系的财务报表计算得出，同类指标之间的相关程度非常大，不加处理地让这些高度相关的变量直接进入模型必然会导致严重的多重共线性问题。当前，国内外大多数相关研究都没有意识到这一问题，由此得出的判别模型，其稳定性和准确性显然不容乐观。 二、本文的研究成果与创新(一)本文的研究特点本文主要针对上述三个问题，进行财务危机预警研究技术上的改进，探索性地将多元统计中的时序立体数据方法运用到财务预警研究中，并在自变量中加入基于现金流量表的财务比率进行动态预警模型的构建。 为使样本更具代表性，同时考虑到1998年以后我国的上市公司才有现金流量方面的数据，因此本文选择2002年-2004年三年内沪深两市首次被ST或*ST的上市公司作为研究样本。通过行业相同和资产规模相似等原则进行配对，找到对应的健康公司样本。在尽量扩大财务比率数目的同时，取它们被ST或*ST前四年内的财务比率进行分析。为使指标更具普遍性和代表性，本研究从偿债能力、盈利能力、资产管理能力、经营发展能力等七个方面共选择了67个财务指标，特别是加入了基于现金流量表的13个现金流量比率。 实证中，本文最终建立的仍是Logistic回归模型。不过与前面学者研究过程不同的是，本文先对样本连续多年的多个财务比率进行全局主成分处理，在累积贡献大于90％前提下，提取多个完全正交的主因子，然后对这些主因子采用逐步回归的方法将其纳入到模型中。整个处理过程既考虑了财务比率的时序特征，也克服了财务比率之间的多重共线性问题。最后，本文将基于时序立体数据方法的Logistic回归模型与传统多元判别模型和简单Logistic回归模型预测准确率进行比较，从而检验其有效性。 (二)本文的实证研究结果实证结果表明：1、财务循环具有时序特征，构建反映企业财务趋势的立体数据空间是可行的。这克服了人们以往单纯以截面分析为主，忽视财务状况恶化的内在趋势性分析的缺陷。有助于金融结构、投资者甚至企业自身以之为基础来构建更趋精密的财务风险监控模型。 2、财务危机的有效预警期往往以t-3年为起点。根据Wilcoxon秩和检验，笔者得到财务危机组与非财务危机组两者有明显区别是从t-3年开始，t-4年时两者的差别不明显。这不但在技术上解释了t-3年之前的预测准确率显著下降的现象，而且还为以后相关研究对财务危机判别起点的确定提供了一个值得参考的经验证据。 3、企业的财务安全状况可以从12个维度得以表达。在早期的研究中，已有证据表明：企业的财务状况不能简单地用几个指标来表达，而是体现为大量神经元类的数据节点所构成的立体空间。要表达这一特征，除了尚不成熟的神经网络方法以外，经过全局主成分处理的Logistic回归分析不失为当前较优的技术。本文基于时序立体数据方法得到的模型表明：企业的财务安全状况可以从以下12个维度得以表达，即盈利能力、经营活动现金流状况、资产流动性、负债能力、资产管理能力、经营发展能力、现金因子、应收账款情况、主营业务情况、资产规模、固定资产情况、非主营业务情况。 4、现金流状况对企业经营安全与否具有重要作用。现金流对于企业经营，犹如血液对于人体，其重要性不言而喻。本文通过实证分析，从定量方面证实了现金流的重要性。这也提醒金融机构在进行信贷、投资者进行投资决策时应注重对企业现金流的分析，同时也提醒企业经营者要加强现金流管理。 (三)本文的创新之处及对后续研究的思考 1、首次将时序立体数据方法引入财务危机预警中，建立了全新的Logistic财务危机判别模型，克服了国内外单纯截面分析中普遍存在的明显逻辑问题，使企业财务数据的持续性变化和累积效果能够得到较为逼真的重现。这是本文最重要的创新之处。检验结果表明：利用时序数据方法建立的Logistic财务危机判别模型较截面数据建立的简单Logistic判别模型判别准确率更高，错判成本更小，较多元线性判别模型在前提假设上更加宽松，更加科学。 2、全局主成分分析的应用也是本文不同于国内外许多相关研究的重要创新之一。采用全局主成分方法解决了模型中因子间存在的多重共线性问题，从而对国内外许多相关研究中存在的这一重大不足进行了改进，而且使Logistic回归方法应用的严谨度得到明显改善， 3、在预测模型中引入现金流量指标也是本文的创新之处。在文献综述中，笔者提到国外对现金流量指标的研究已经取得比较丰硕的成果，国内目前还仅仅停留在理论体系研究方面，实证中很少有研究涉及现金流量指标。本文大胆地将现金流量指标引入财务危机预警模型。实证结果表明，现金流量指标对财务危机预警具有十分显著的预测力，这说明将其引入财务危机预警模型是非常成功的。