论文部分内容阅读
【摘 要】适时、准确的进行财务预警分析对企业而言至关重要，而企业财务风险的主要表现形式是现金流不足，如果能够建立基于现金流视角的财务预警，做到未雨绸缪，则会使企业免于财务困境乃至破产的厄运。
【关键词】现金流量 财务风险 财务预警
一、财务风险预警的定义
财务风险预警是指为了防止企业财务运行偏离预期目标而建立的报警系统，即借助企业提供的财务报表与其他相关会计资料，对企业的日常经营活动进行预测，识别企业在经营管理活动中潜在的财务风险和经营风险，发出预警，使企业能够及时采取有效措施，起到未雨绸缪的作用。
国内关于财务预警的定义主要有以下几种观点：第一，财务预警是以企业信息为基础，对企业的日常经营管理活动中潜在的风险实施监控。第二，财务预警是以企业财务数据为基础，以财务指标为标准，反映企业财务状况的变化，并及时对出现财务数据异常的情況发出预警。第三，财务预警是以企业财务报表及相关资料为基础，将企业面临的财务风险和经营风险预先告知各利益相关者，并分析风险发生的原因以及运营过程隐藏的潜在漏洞，提前做好防范措施。这种观点是对财务风险预警比较综合的阐述，现被广泛采用。
二、国内外对财务风险预警模型的研究
国外对财务预警模型的研究起步较早，至今已达到比较成熟的阶段，我国对财务预警的研究多是建立在国外学者的研究基础上。总体来说，企业财务预警模型的演变大致可以划分为三个阶段：
（一）单变量预警模型的研究
Fitzpatrick（1932）首次运用单个财务比率作为变量进行财务危机预警，发现划分为破产企业和非破产企业两类的19家样本公司在经营失败前三年权益净利率和资本结构呈现出显著差异。
Beaver（1966）通过对79家配对企业的30个财务比率进行研究，最终得出可以有效预测财务风险的的财务比率依次为：债务保障率、资产负债率、资产收益率、资产安全率。其中，以债务保障率作为预警指标误判率最低。
陈静（1999）以上市公司为样本进行实证研究，选取了27家ST和非ST公司作为对比样本，分别进行了单变量分析和二类线性判定分析。得出了单变量模型中资产负债率和流动比率误判率最低和多元线性判定模型在ST-3年能较好预警的结论。
（二）多元线性判定模型的研究
Altman（1968）首先将多元线性判别法引入财务危机预警研究领域，他利用逐步多元鉴别分析逐步粹取5种最具共同预测能力的财务比率，建立起了一个类似回归方程式的鉴别函数——Z计分法模型。
Blum（1974）运用多元线性判别法构建了包括现金流量变量的财务危机预警模型，在财务危机发生前5年的预测准确率均超过70%。周首华和杨济华（1996）建立了F分数模型，如果企业的F值大于0.0274 则被预测为非破产公司，反之则为破产公司，该研究的判别准确率高于70%，不足在于研究样本选取的是国外公司。张玲（2000）以1998-1999年间深、沪交易所120家企业作为样本，运用线性判定分析对企业的财务风险预警进行了研究，结果显示预警模型的预测期超过4年。
多元线性判定模型预测精度更高，但对模型的应用有严格的假设前提，要求自变量服从标准正态分布，且要求等协方差。
（三）多元逻辑回归模型的研究
Martin（1977）首次采用多元逻辑回归分析方法建立财务危机预警模型进行预测，得出了多元逻辑回归模型优于Z 分数模型的结论。
Olson（1980）建立了3 个多元逻辑回归模型。他将1970-1976 年105 家破产公司和非配对的2058 家正常公司作为样本，研究结果表明公司规模、经营绩效、资本结构、以及流动性（流动、速动比率）等4个因素是影响企业财务危机的主要因素。陈晓（2000）以 38 家ST公司作为研究对象，运用多元逻辑回归模型，得出结论：负债权益比率、应收账款周转率的预测能力最强。
多元逻辑回归模型适用范围更广，但局限性在于模型计算过程复杂，且因涉及大量近似处理，会使模型的预测精度降低。
（四）多元概率回归模型的研究
Zmijewski最早把多元概率回归模型引入财务风险预警研究，多元概率回归模型要求样本必须服从标准正态分布，而多元逻辑回归模型无需严格的假设前提。其次，多元概率回归模型企业破产概率采用积分方法获得，而多元逻辑回归模型采用取对数方法获得。最后，多元概率回归模型采用线性回归方法求解参数a、b，而多元逻辑回归模型采用极大似然函数求解。
白承彪（2010）分别运用Logistic模型和Probit模型，对沪深两市2007年—2009年发生亏损的57家制造业企业及其配对企业进行对比分析，结果显示多元概率回归模型预测效果要优于多元逻辑回归模型。
（五）BP神经网络模型的研究
杨淑娥和黄礼（2005）选取120家上市企业作为样本，建立了基于截面财务指标的BP神经网络财务预警模型，预测精度达到90.8%。聂丽洁（2009）以我国制造业上市公司的数据为基础，采用因子分析法和逐步回归法对财务指标进行筛选，将处理结果作为变量输入BP神经网络模型，结果显示，基于筛选后的财务指标建立的BP 神经网络模型预测效果更胜一筹。BP神经网络模型由于不需要对企业财务状态进行主观判断，且不受变量性质的影响，因而相比其他分析模型而言预测效果最佳，但其原理抽象且复杂，不易理解和推广。
综上所述，国外关于财务预警的研究，主要以实证研究为主，以传统的财务指标为核心，较少考虑现金流量指标。我国关于财务预警的研究主要是在借鉴国外研究成果的基础上，利用上市公司财务报表中的数据建立相似的财务预警模型并进行验证，研究对象的界定是以企业财务状况是否异常为标准，财务预警模型中预警指标的选取主要基于传统财务指标，全部采用现金流指标作为预警指标的实证研究并不多。 三、基于现金流视角的财务预警模型存在的局限性
（一）样本数据的选取：财务预警研究使用的数据是上市公司的公开数据，目前上市公司数据失真现象广泛存在。除此之外，不同的生命周期，现金流量的特点是截然不同的，这一因素在很大程度上影响模型的精度。
（二）样本的选取：在财务风险预警模型的实证性研究中，大多数学者采用配对的抽样方法，即样本容量和对照组包含的容量相等。
（三）指标的选取：指标选取缺乏理论的依据，主观随意性大，而且变量选择不全面，如选取的现金指标不能包含非财务因素，事实上，非财务因素对企业财务状况的披露比财务因素可靠性、真实性更高。
（四）模型应用的前提：应用模型需要对样本数据有一定的假设要求。例如，多元判别模型、Z分数模型和ZETA模型要求样本数据服从标准正态分布；样本要服从等协方差，而现实中，可能无法完全满足假设，只能进行近似地处理，这可能对模型的精度产生一定的影响。
（五）财务预警模型自身不对预警指标的真伪进行鉴别。即财务预警模型的建立是基于财务信息真实的基础上，而当今财务信息的质量仍存在很大争议，建立在不真实财务信息上的模型不仅无法达到预警作用，还会给企业带来灾难。
四、研究展望
未来关于现金流量財务预警模型的研究可以从以下几个方面进行扩展：
（一）样本的选取进行细分。主要对行业的选取进行细分，通常，传统的显著性T检验不能对行业的差异进行区分，因而应建立一个较为全面的区分方法是我们接下来可以扩展的方面。
（二）研究方法上应同时采用定量研究与定型研究（如专家调查法、经验分析法、特尔斐法），建立定量研究与定性研究结合的模型，使财务预警模型的预测更加全面，可靠性程度更高。模型的建立方法上除采用统计类的预警研究方法，还应结合非统计类的预警研究方法。
（三）将生命周期理论纳入研究，考虑到企业处于不同生命周期现金流呈现不同特点，因此，未来研究可以针对不同生命周期阶段选择不同的现金流指标进行预测。
（四）模型中融入非财务指标。目前，国内外关于财务预警模型的建立大多基于财务指标，把非财务指标纳入考虑的较少，在今后的研究中可以从公司治理角度、股权结构、审计意见类型等非财务指标入手，丰富模型的全面性。
参考文献：
[1]陈静：《上市公司财务恶化预测的实证分析》[J]，《会计研究》，1999， （4）
[2]卢兴杰：《我国上市公司财务预警的实证研究》[J]， 财会月刊，2006，（1）
[3]佘廉：《企业预警管理论》[M]，石家庄，河北科学技术出版社，1999：2-5
[4]吴世农：《我国上市公司财务困境的预测模型研究》[J] ，经济研究，2001，（6）
[5]晏静：《现金流量信息功能研究：理论分析与实证》[M]，广州，暨南大学出版社，2004：36-48
[6]章之旺：《现金流量信息含量与财务困境预测》[J]，《 证券市场导报》，2004，（4）
[7]张友棠：《财务预警系统管理研究》[M] ，北京，中国人民大学出版社，2004：138-146
[8]周首华：《企业财务预警方法与机制》[M]，大连，东北财经大学出版社，2000：48-62
[9]Fitzpatrick ：《A Comparison of ratios of Successful Industrial Enterprises with those of Failed Firms》[M]，New York，Certified Public Accountant，1932
【关键词】现金流量 财务风险 财务预警
一、财务风险预警的定义
财务风险预警是指为了防止企业财务运行偏离预期目标而建立的报警系统，即借助企业提供的财务报表与其他相关会计资料，对企业的日常经营活动进行预测，识别企业在经营管理活动中潜在的财务风险和经营风险，发出预警，使企业能够及时采取有效措施，起到未雨绸缪的作用。
国内关于财务预警的定义主要有以下几种观点：第一，财务预警是以企业信息为基础，对企业的日常经营管理活动中潜在的风险实施监控。第二，财务预警是以企业财务数据为基础，以财务指标为标准，反映企业财务状况的变化，并及时对出现财务数据异常的情況发出预警。第三，财务预警是以企业财务报表及相关资料为基础，将企业面临的财务风险和经营风险预先告知各利益相关者，并分析风险发生的原因以及运营过程隐藏的潜在漏洞，提前做好防范措施。这种观点是对财务风险预警比较综合的阐述，现被广泛采用。
二、国内外对财务风险预警模型的研究
国外对财务预警模型的研究起步较早，至今已达到比较成熟的阶段，我国对财务预警的研究多是建立在国外学者的研究基础上。总体来说，企业财务预警模型的演变大致可以划分为三个阶段：
（一）单变量预警模型的研究
Fitzpatrick（1932）首次运用单个财务比率作为变量进行财务危机预警，发现划分为破产企业和非破产企业两类的19家样本公司在经营失败前三年权益净利率和资本结构呈现出显著差异。
Beaver（1966）通过对79家配对企业的30个财务比率进行研究，最终得出可以有效预测财务风险的的财务比率依次为：债务保障率、资产负债率、资产收益率、资产安全率。其中，以债务保障率作为预警指标误判率最低。
陈静（1999）以上市公司为样本进行实证研究，选取了27家ST和非ST公司作为对比样本，分别进行了单变量分析和二类线性判定分析。得出了单变量模型中资产负债率和流动比率误判率最低和多元线性判定模型在ST-3年能较好预警的结论。
（二）多元线性判定模型的研究
Altman（1968）首先将多元线性判别法引入财务危机预警研究领域，他利用逐步多元鉴别分析逐步粹取5种最具共同预测能力的财务比率，建立起了一个类似回归方程式的鉴别函数——Z计分法模型。
Blum（1974）运用多元线性判别法构建了包括现金流量变量的财务危机预警模型，在财务危机发生前5年的预测准确率均超过70%。周首华和杨济华（1996）建立了F分数模型，如果企业的F值大于0.0274 则被预测为非破产公司，反之则为破产公司，该研究的判别准确率高于70%，不足在于研究样本选取的是国外公司。张玲（2000）以1998-1999年间深、沪交易所120家企业作为样本，运用线性判定分析对企业的财务风险预警进行了研究，结果显示预警模型的预测期超过4年。
多元线性判定模型预测精度更高，但对模型的应用有严格的假设前提，要求自变量服从标准正态分布，且要求等协方差。
（三）多元逻辑回归模型的研究
Martin（1977）首次采用多元逻辑回归分析方法建立财务危机预警模型进行预测，得出了多元逻辑回归模型优于Z 分数模型的结论。
Olson（1980）建立了3 个多元逻辑回归模型。他将1970-1976 年105 家破产公司和非配对的2058 家正常公司作为样本，研究结果表明公司规模、经营绩效、资本结构、以及流动性（流动、速动比率）等4个因素是影响企业财务危机的主要因素。陈晓（2000）以 38 家ST公司作为研究对象，运用多元逻辑回归模型，得出结论：负债权益比率、应收账款周转率的预测能力最强。
多元逻辑回归模型适用范围更广，但局限性在于模型计算过程复杂，且因涉及大量近似处理，会使模型的预测精度降低。
（四）多元概率回归模型的研究
Zmijewski最早把多元概率回归模型引入财务风险预警研究，多元概率回归模型要求样本必须服从标准正态分布，而多元逻辑回归模型无需严格的假设前提。其次，多元概率回归模型企业破产概率采用积分方法获得，而多元逻辑回归模型采用取对数方法获得。最后，多元概率回归模型采用线性回归方法求解参数a、b，而多元逻辑回归模型采用极大似然函数求解。
白承彪（2010）分别运用Logistic模型和Probit模型，对沪深两市2007年—2009年发生亏损的57家制造业企业及其配对企业进行对比分析，结果显示多元概率回归模型预测效果要优于多元逻辑回归模型。
（五）BP神经网络模型的研究
杨淑娥和黄礼（2005）选取120家上市企业作为样本，建立了基于截面财务指标的BP神经网络财务预警模型，预测精度达到90.8%。聂丽洁（2009）以我国制造业上市公司的数据为基础，采用因子分析法和逐步回归法对财务指标进行筛选，将处理结果作为变量输入BP神经网络模型，结果显示，基于筛选后的财务指标建立的BP 神经网络模型预测效果更胜一筹。BP神经网络模型由于不需要对企业财务状态进行主观判断，且不受变量性质的影响，因而相比其他分析模型而言预测效果最佳，但其原理抽象且复杂，不易理解和推广。
综上所述，国外关于财务预警的研究，主要以实证研究为主，以传统的财务指标为核心，较少考虑现金流量指标。我国关于财务预警的研究主要是在借鉴国外研究成果的基础上，利用上市公司财务报表中的数据建立相似的财务预警模型并进行验证，研究对象的界定是以企业财务状况是否异常为标准，财务预警模型中预警指标的选取主要基于传统财务指标，全部采用现金流指标作为预警指标的实证研究并不多。 三、基于现金流视角的财务预警模型存在的局限性
（一）样本数据的选取：财务预警研究使用的数据是上市公司的公开数据，目前上市公司数据失真现象广泛存在。除此之外，不同的生命周期，现金流量的特点是截然不同的，这一因素在很大程度上影响模型的精度。
（二）样本的选取：在财务风险预警模型的实证性研究中，大多数学者采用配对的抽样方法，即样本容量和对照组包含的容量相等。
（三）指标的选取：指标选取缺乏理论的依据，主观随意性大，而且变量选择不全面，如选取的现金指标不能包含非财务因素，事实上，非财务因素对企业财务状况的披露比财务因素可靠性、真实性更高。
（四）模型应用的前提：应用模型需要对样本数据有一定的假设要求。例如，多元判别模型、Z分数模型和ZETA模型要求样本数据服从标准正态分布；样本要服从等协方差，而现实中，可能无法完全满足假设，只能进行近似地处理，这可能对模型的精度产生一定的影响。
（五）财务预警模型自身不对预警指标的真伪进行鉴别。即财务预警模型的建立是基于财务信息真实的基础上，而当今财务信息的质量仍存在很大争议，建立在不真实财务信息上的模型不仅无法达到预警作用，还会给企业带来灾难。
四、研究展望
未来关于现金流量財务预警模型的研究可以从以下几个方面进行扩展：
（一）样本的选取进行细分。主要对行业的选取进行细分，通常，传统的显著性T检验不能对行业的差异进行区分，因而应建立一个较为全面的区分方法是我们接下来可以扩展的方面。
（二）研究方法上应同时采用定量研究与定型研究（如专家调查法、经验分析法、特尔斐法），建立定量研究与定性研究结合的模型，使财务预警模型的预测更加全面，可靠性程度更高。模型的建立方法上除采用统计类的预警研究方法，还应结合非统计类的预警研究方法。
（三）将生命周期理论纳入研究，考虑到企业处于不同生命周期现金流呈现不同特点，因此，未来研究可以针对不同生命周期阶段选择不同的现金流指标进行预测。
（四）模型中融入非财务指标。目前，国内外关于财务预警模型的建立大多基于财务指标，把非财务指标纳入考虑的较少，在今后的研究中可以从公司治理角度、股权结构、审计意见类型等非财务指标入手，丰富模型的全面性。
参考文献：
[1]陈静：《上市公司财务恶化预测的实证分析》[J]，《会计研究》，1999， （4）
[2]卢兴杰：《我国上市公司财务预警的实证研究》[J]， 财会月刊，2006，（1）
[3]佘廉：《企业预警管理论》[M]，石家庄，河北科学技术出版社，1999：2-5
[4]吴世农：《我国上市公司财务困境的预测模型研究》[J] ，经济研究，2001，（6）
[5]晏静：《现金流量信息功能研究：理论分析与实证》[M]，广州，暨南大学出版社，2004：36-48
[6]章之旺：《现金流量信息含量与财务困境预测》[J]，《 证券市场导报》，2004，（4）
[7]张友棠：《财务预警系统管理研究》[M] ，北京，中国人民大学出版社，2004：138-146
[8]周首华：《企业财务预警方法与机制》[M]，大连，东北财经大学出版社，2000：48-62
[9]Fitzpatrick ：《A Comparison of ratios of Successful Industrial Enterprises with those of Failed Firms》[M]，New York，Certified Public Accountant，1932