企业财务危机的指标体系诠释

导语：企业财务危机的指标体系诠释一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：财务危机的出现意味着企业基本面发生根本性变化，处理不当就会导致企业破产。因此，识别企业财务危机，并对其做出预警，不仅对企业经营者及时采取措施化解危机具有重大的意义，而且对于投资者规避风险也有非常重要的价值。

关键词：财务危机；预警；指标体系

一、引言

“财务危机”又称财务困境，最严重的财务危机是企业破产。企业因财务危机最终导致破产实际上是一种违约行为，所以财务危机又可称为“违约风险”。

关于财务危机的定义，目前尚无一个统一的说法。论文百事通具有代表性的观点有以下几种：(1)Beaver(1966)将破产、拖欠优先股股利、拖欠债务界定为财务危机。(2)Altman(1968)定义的财务危机是进入法定破产、被接管或者重整的企业。(3)Deakin(1972)则认为财务危机公司仅包括已经经历破产、无力偿债或为债权人利益而已经进行清算的公司。(4)Carmichael(1972)认为财务危机是企业履行义务时受阻，具体表现为流动性不足、权益不足、债务拖欠及资金不足四种形式。(5)Wruck(1990)给出的财务危机的定义是企业现金流量不足以抵偿现有债务的情况，这些债务包括应付未付款、诉讼费用、违约的利息和本金等。(6)Ross等人(1999；2000)则认为可从四个方面定义企业的财务危机：一是企业失败，即企业清算后仍无力支付债权人的债务；二是法定破产，即企业和债权人向法院申请企业破产；三是技术破产，即企业无法按期履行债务合约付息还本；四是会计破产，即企业的账面净资产出现负数，资不抵债。(7)Lee(2004)认为可以从两方面定义财务危机：一是未能偿还到期借款的本息，借款期间有过延期还款和减少本息支付的协议；二是公司的净资产减少到其股本的一半以下。

综合上述各种定义可知，无论财务危机如何定义，企业发生财务危机都具有无力偿还到期债务、现金流的紧张状态可能使经营无法持续的特点。财务危机的出现意味着企业基本面发生根本性变化，处理不当就会导致企业破产。因此，识别企业财务危机，并对其做出预警，不仅对企业经营者及时采取措施化解危机具有重大的意义，而且对于投资者规避风险也有非常重要的价值。

二、文献综述

企业财务危机预警问题的研究很早就引起了各方面的关注，很多经济学家与财务专家都在这方面做了大量的工作，他们利用相应的财务变量构造了一系列的预测模型，其中有代表性的研究成果可归纳为四类。

(一)单变量模型

单变量模型是运用单一变数、个别财务比率来预测财务危机的模型。最早的财务预警研究是Fitzpatrick(1932)的单变量破产预测研究。此后，WilliamBeaver(1966)使用单变量为分析方法，采用成对抽样法进行样本配对，考察了29个财务比率在企业陷入财务困境前1-5年的预测能力。Beaver发现在破产前一年的预测正确率可以达到87%，对于失败企业是最具有预测能力的指标。国内学者对单变量模型也作了较深入的研究，包括陈静(1999)以1998年的27家ST公司和27家非ST公司，使用1995-1997年的财务报表数据，进行了单变量分析。吴世农和卢贤义(2001)以70家ST公司和70家非ST公司，应用单变量分析法研究了在上市公司陷入财务危机前5年21个财务指标之间所存在的差异。

单变量模型的优点是只需要观测一个变量，应用比较简单；但是，任何一个财务比率无法充分和全面地反映企业的财务特征，所以该方法在现今的研究中很少被单独使用，一般都是与其他方法结合运用。

(二)多变量分析模型

多变量分析模型又可以分为多元回归分析模型和多元判别分析模型。EdwardAltman(1968)使用多变量分析法对企业财务危机进行研究。他以1946-1965年间33家破产的制造业企业为样本，并配对33家正常企业，将22项财务比率分为流动性、获利性、财务杠杆、偿债能力和活动力五大类指数，利用多变量分析法建立了著名的Z-Score记分模型。Meyer和Pifer(1970)以1948-1965年间失败的30家银行与其相匹配的30家非失败银行为样本，利用二元回归分析法建立模型，并且用9对相匹配银行组成的预测样本对模型进行了验证。此外，还有其他典型的判别分析模型，包括：Deakin模型、Blum模型、Casey模型和Taffler模型等等。国内的相关研究主要有陈静(1999)使用1995-1997年的财务数据，对27家ST公司和27家非ST公司进行的多元判别分析。张玲(2000)以120家公司为研究对象，使用其中60家公司的财务数据，通过多元判别法建立了财务危机预警模型。卢守林等(2002)以沪深两市A股市场上所有上市公司1998-2000年的财务资料为依据，用多元判别分析法构建的Z-Score模型。

多变量分析法弥补了单变量分析法的不足，具有较高的准确率和稳定性，但是也存在着一些不足：第一，这种方法受到了统计假设的限制，只适用于自变量近似服从正态分布的情况，并且要求组内的协方差矩阵相等，否则得到的预测结果可能是有偏的；第二，多元判别分析要求财务危机公司与正常公司之间一定要配对，而配对的标准具有较大的主观性。

(三)多元条件概率模型

多元条件概率模型是使用极大似然法对参数进行估计的一类概率模型，包括Logistic模型和Probit模型。Martin(1977)首次使用Logit模型预测公司的破产及违约概率。Ohlson(1980)从1970-1976年间在美国的上市公司之中排除公共事业、运输公司、金融服务业，总共挑选出105家破产公司和2058家正常公司为样本，采用九个财务比率建立了Logit模型。Huffman&Ward(1996)运用Logit模型对1977-1991年间违约的171家企业的高收益债券进行了预测研究等。国内的相关研究主要包括：吴世农和卢贤义(2001)分别采用多元判别分析和Logit回归方法建立和估计了预警模型。刘?F(2001)使用1999年28家ST公司与另外28家正常公司陷入财务危机前3年的数据，通过Logit回归方法建立了财务危机预警模型。姜秀华(2002)和齐治平(2002)利用Logit模型对我国上市公司进行信用风险分析。李萌(2005)以不良贷款率作为信用风险衡量标准，构造商业银行信用风险评估的Logit模型等。

多元条件概率模型的主要优点是不需要自变量服从多元正态分布和组内协方差矩阵相等的假设条件，但是要求因变量有逻辑含义，而且计算过程较为复杂，有很多近似处理。

(四)神经网络预警模型

神经网络，又称人工神经网络(ArtificialNeuralNetwork，ANN)是一种从神经心理学和认识科学的研究成果出发，应用数学方法发展起来的并行分布模式处理系统。常见的神经网络模型主要有：BP神经网络模型、MDA协助神经网络模型、ID3协助神经网络模型和SOFM协助神经网络模型。Odom和Sharda(1990)是将人工神经网络模型应用在破产预测模式中最具代表性的学者。Koh和Tan(1999)以1978-1985年间出现的165家破产公司为失败样本并以正常公司165家作为配对样本，使用人工神经网络模型构建了企业危机预警模型。在我国，王春峰(1998)、杨保安(2001)等学者也在此领域进行了深入的研究，杨保安通过对中信实业银行的分析，选取了4大类共15个财务指标，运用BP神经网络方法建立了一个可供银行用于授权评价的预警系统。台湾的林文修(2000)选取1992-1996年在台湾证交所上市企业中的36家失败企业和64家正常企业，并区分为学习样本73家与测试样本27家，比较了多元判别分析、Logit模型、BP神经网络模型和演化式神经网络模型等四种方法的模型预测准确率。神经网络预警模型的主要优点是分析层次清晰且逻辑关系严密，并依据心理学理论加入了一主观因素，从而有效地使客观分析与主观判断相融合。它的缺点是规范分析特点明显，不适宜做实证分析，分析模式缺乏灵活性，数据性假设条件过于苛刻。

三、财务危机预警的指标体系设计

导致企业发生财务危机的因素很多，且错综复杂，单变量模型与多变量模型仅能揭示影响关系与程度，变量的选择会因分析人员偏好的不同而不同，其不仅缺乏统一的理论基础，而且系统性往往较差，多元条件概率模型和神经网络预警模型虽然在分析技术上较为先进，且分析企图试图更精确，但它们在强调分析技术的同时，往往忽略了立论的基本依据，且在变量选择中往往伴随较明显的盲目性。因此，作为完善多变量模型系统性功能，为多元条件概率模型和神经网络预警模型提供变量选择的依据，利用相应的财务理论构建企业财务危机预警指标体系就是研究企业财务危机的基础之基础。但从财务本身的角度去分析，财务危机形成的原因可以归结为以下几点：(1)公司经营状况不佳，导致营业收入无法稳定增长，造成公司的连续亏损，使得财务危机发生的可能性增大；(2)过高的负债使公司面临更大的财务危机。虽然公司本身有盈余，但是可能因为无法应付短期的庞大利息支出而造成破产倒闭；(3)现金流量发生持续性的净流出，企业就像是流动性资产的储水槽，若水槽中的流量变小(资产变少)，流入量减少(现金流入减少)，流出量增加(现金流出增加)，流入量与流出量之间的差量就会逐步增大，这样会使公司出现财务危机的概率增加。

综合引起财务危机的三个主要因素，可以对应用五个方面的财务指标来描述或预警财务危机，用经营能力指标、成长能力指标和获利能力指标来度量或反映企业的经营状况，用公司的偿债能力指标来度量或反映企业的债务负担，用现金流量指标来度量现金流。从预警的角度考虑，五个方面的财务指标可进一步细分为20个更具体的财务变量(见表1)，以此构成财务危机预警的指标体系。

以深沪两市A股中被ST的上市公司为实际考察对象，利用2006年1月1日-2007年12月31日深沪两市A股中154家被ST的上市公司的数据。剔除由于以下几种原因而被ST的上市公司：(1)上市两年内被特别处理的公司；(2)因自然灾害、重大事故等意外事件而被特别处理的公司。经过剔除后，本文选取的有效样本变为80家。根据研究期间一致、行业相同或相近、规模相当的原则按1：1的比例选择没有被ST的上市公司作为配对样本。由于我国上市公司年报披露制度规定上市公司公布其年报的截止日期为下一年的4月30日，上市公司(t-1)年的年报和其在第t年是否被ST几乎同时发生，因此，用(t-1)年的数据预测第t年是否被ST没有实际意义。在本文中采用(t-2)年的数据进行分析。

表6是财务危机公司和正常公司的成长能力指标在发生财务危机前2年的统计性描述，包括最大值、最小值、平均数、标准差和t值。

四、结论

根据上述经验值的计算结果可知，一般情况下，可以根据财务指标的实际值来判断企业是否陷入财务危机，判断的标准见表7。

依据表7的标准可以得出结论。即在发生财务危机的前2年，正常公司和危机公司在获利能力、偿债能力、经营能力、现金流量和成长能力的20个指标中有15个指标在5%的置信水平下通过了t检验，也就是说正常公司和危机公司在上述15个财务指标的均值上存在着显著性的差异。因此，只要发现企业对应财务指标变量的实际值有一个或多个落入预警区间，就必须引起我们高度的关注。

参考文献：

[1]刘红霞.企业投资预警系统的构建及其分析[J].投资研究，2003(9).

[2]陈静.上市公司财务恶化预测的实证研究[J].会计研究，1999(4).

[3]吴世农，卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究，2001(6).

[4]陈晓，陈治鸿.中国上市公司财务困境预测[J].中国会计与财务研究，2000(3).

[5]李萌，李志辉.我国商业银行信用风险识别模型及其实证研究[J].经济科学，2005(5).