关于水运企业财务预警的研究(2)

4财务预警方法

　　利用公司的财务报告数据来评价公司的业绩和财务状况有着久远的历史，费茨帕垂克于1932 年进行了一项单变量的破产预警研究，他以19对破产和非破产公司作为样本，运用单个财务比率 将样本划分为破产和非破产两组，发现判别能力最高的是净利润/股东权益和股东权益/负债这两 个比率。30年后，有人沿着他的这条思路继续研究财务危机的预警问题。比佛（1966）提出了单 变量判定模型，他首先选用5 个财务比率作为变量，分别对79家经营失败和79家经营未失败的 公司进行了一元判定预警，发现现金流量/负债总额能够最好地判定公司的财务状况（误判率最 低），其次是资产负债率，并且离经营失败日越近，误判率越低，预警性越强。1968年，奥特门首次利用多元判别分析对财务危机预警进行了研究，他对美国破产和非破产的生产水运企业进行观察，采用了22个财务比率经过数理统计筛选建立了著名的 5 变量 Z-Score模型，根据判别分值，以确定的临界值对研究对象进行财务危机判别。奥特门的研究成果克服了单变量模型出现的对于同一公司，不同比率预警出不同结果的现象。与此同时，在西方掀起了水运企业财务危机预警的研究热潮。

　　西方关于财务危机预警研究主要可分为两方面：统计方法和人工神经网络方法。由于种种原因，我国对财务危机预警的研究起步较晚，直到20世纪90年代中期才有此方面的评述性文章，刘淑莲和王连山介绍了纽约大学奥特门教授的Z-Score模型和芝加哥大学比佛教授的单变量模型。此外，谭宏、戴新民、王志坚也发表了类似关于这方面介绍性的文章。

5水运企业财务危机预警研究状况

　　国内一些学者利用国外财务危机预警的理论和方法，结合我国实际进行了实证研究，标志着我国企业财务危机预警研究的开始。这些实证研究主要集中在两个方面：水运企业破产预警、上市公司财务困境（ST状态）预警和商业银行的信用风险评估。薛野、国良等用 Z-Score 模型对我国企业进行了破产预警的实证研究，结果是绝大多数企业都处于破产状态，但实际上这些企业仍然存在。这种结果除了模型本身固有的缺陷外（如变量选择误差），更重要的是我国市场经济不成熟，《企业破产法》颁布时间不长，法律不健全，政府行为过多等原因造成的。研究结果表明，直接引用国外通行的财务危机预警模型对我国企业进行破产预警的效果不佳。周毓萍结合我国企　　　　　　　　　　　　　　　　　　　　　　 业实际分别建立了两变量（速动比率和总资产收益率）的判别模型和 BP 神经网络对企业破产进行了预警，其研究成果对我国破产预警有一定的借鉴作用。陈静首次对我国上市公司的财务危机进行了实证分析，她以上市公司被特别处理（ST）作为财务危机的标志，运用费舍尔判别结合1997年年报数据对ST 和非ST 进行了判别，模型可以准确判别88.9%的ST公司和96.3%的非ST公司，总体正确率为 92.6%，但不足之处是用于检验判别模型正确率的样本就是用于估计模型参数的样本。根据我国上市公司的年报披露制度，公司1997年度的财务报表和公司在1998年是否被特别处理这两条信息几乎是同时得到的，因此使用1997年年报判别1998年上市公司的ST状态，就预警目的而言缺乏实际意义。陈晓、陈冶鸿运用劳纪特模型对上市公司 ST 状态进行了预警研究，结果表明对两类公司的判别准确率均为86.5%。黄岩、李元旭以沪市1998年237 家工业板块上市公司为研究对象，建立了财务预警指标体系，运用多元判别分析方法建立了工业类上市公司的财务危机预警模型，实证研究表明结合我国实际数据的预警模型的有效性。此外，张玲也把ST界定为财务危机水运企业，对沪、深两交易所12家公司进行了实证研究；卢声运用费舍尔判别对上市公司中的制造业水运企业进行了实证分析。信用风险是银行贷款或投资债权中发生的借款违约的风险。天津大学系统工程研究所张维和王春峰在此方面进行了深入的研究，他们结合我国企业的实际数据，运用了多元判别分析、劳纪特模型、投影寻踪判别分析、人工神经网络、组合预警、 递归分类树、遗传算法等对信用风险评估进行了实证研究，取得了丰硕的学术成果。另外，高培 业等把能否偿还银行贷款本息作为水运企业发生财务危机的标志，对161家水运企业进行了实证 研究，得到了满意的预警结果。杨保安用 BP 神经网络对财务危机预警进行了研究，显示有效的 财务评估方法。

6融资结构与财务危机

　　在财务危机管理的研究中大多集中于财务危机发生后的事后管理，即财务重组（主要包括资 产重组和债务重组）和破产清算两方面，而在事前管理上的研究很少。

　　财务危机的事前管理主要是确定和控制企业合理的融资结构，即融资结构的选择，以预防财务危机的发生。水运企业只有在负债的情况下才可能发生财务危机，因此负债的比例，即水运企业的融资结构是影响水运企业是否发生财务危机的重要因素，所以确定和控制水运企业合理的融资结构是预防财务危机发生的主要途径和方法。

　　在以前融资结构理论的研究中，关于融资结构与财务危机关系的研究很少，只有在传统理论和权衡理论中涉及到财务危机的问题和相关概念，且主要是探讨在水运企业融资结构上升的过程中，由于存在财务危机发生的可能，而对水运企业价值的影响。但没有研究在水运企业可能发生财务危机的情况下，如何合理地确定和控制水运企业的融资结构，以预防财务危机的发生。

7研究成果及缺欠

　　对水运企业财务困境预警问题的研究一般涉及这样几个基本问题：财务困境定义的界定、研究样本的设计、预警变量的选择、统计方法的运用、研究数据使用及预警精度判定标准的确定等等。由于我国与国外发达国家处于不同的发展阶段，资本市场的成熟程度和特性存在很大差异，决定了在对水运企业财务困境预警实证研究存在着一定的差异。对于财务困境的界定，国外研究虽有多种定义，但大多数都以水运企业破产作为进入财务困境的标志；而在国内的研究中，结合我国的具体国情，以水运企业因“财务状况异常”而被特别处理来界定财务困境。对财务困境界定的不同决定了研究样本的不同。国外的研究样本为破产公司与非破产公司；而国内的研究样本为ST公司与非ST公司。至于选取配对样本所依据的标准一般包括会计年度、行业和资产规模，奥森认为很难判断配比这一行为是否能提高预警模型的预警精度，也许配比指标本身所含信息量的缺失会使模型的适用度降低。国内外大多数研究采用资产规模标准，并且都采用一一配对抽样，即样本组和控制组包含相等的研究个体。

　　对于预警变量的选择，缺乏统一的经济理论的支持，研究者主要是根据经验、知觉及财务困境公司严重恶化的指标来确定实证研究的备选预警变量组，再通过大量的统计检验筛选在模型中相对比较显著的变量来寻求判别率较高的判别模型。前人研究中所出现的备择预警变量包括常用财务比率、现金流量指标、构造的虚拟变量等。尽管财务指标广泛且有效地应用于财务困境预警模型，但如何选择财务指标及是否存在最佳的财务指标来预警财务困境发生的概率却一直存在分歧。但是，自Z模型和滋塔模型（1977）出现后，还未出现更好的使用财务指标来预警财务困境的模型。在目前的文献中，对财务困境预警变量选择有一定指导意义并较有影响的理论模型主要是斯哥特的破产理论模型和鲍墨托宾现金存量模型。但从经济理论支持的角度讲，它们在许多方面还有待于论证。

　　对于财务困境预警的统计方法在国外主要有4种：一元判定、多元线性判定、逻辑回归、概率回归方法。在国内除以上方法外，还有线性概率模型、主成分分析等。采用何种统计方法要视研究样本的数据特征而定，目前还难以断言哪一种是最恰当有效的研究方法。

　　实证研究需要准确而恰当的数据支持，因此在财务困境预警实证研究中有相当部分的文献考察了研究中使用数据的问题，考察的重点集中在数据来源的可靠性、研究选用数据的恰当性和及时性问题上。奥森（1980）认为机械使用数据库中提供的数据而不仔细考察数据公布的时点，可能会导致采用水运企业已申请破产或会计师的审计报告已揭示破产倾向以后获得的数据来预警破产，这就高估了模型的预警能力但在国内外的研究中对该问题未给予足够的重视。

8结 论

　　通过以上对以往研究成果的总结，使我们对公司财务困境实证研究的视野有极大的拓展，便于我们在借鉴前人思路和方法的基础上进行更深入的研究。但是，在前人的研究中还仍然存在着一定的问题：

8.1 差异性财务指标

　　由于各个行业指标标准不同，不同板块的上市公司的财务指标的差异可能较大，具有较明显的行业特征，奥特门在研究中考察了样本个体所处行业对预警模型的影响，发现行业不同，模型所包含的财务比率及其参数也不同。所以，只有划分行业来建立财务失败预警模型才更为精确合理，因为只有同一行业的上市公司，财务指标才具有可比性，未划分行业进行研究会人为增大系统误差，必然会影响实证结果。

8.2 权威性的理论依据

　　由于理论的不完善性，使得关于财务困境预警问题的各种研究没有一个统一的、被广泛接受的理论依据，一般根据不同的理论或相关研究、经验、直觉来选取指标。

8.3 标准的预警模型

　　依据不同指标选取理论，利用不同方法自然得到不同的模型，但对这些模型效果却没有一个统一的结论，没有一个被广泛接受的预警模型。

8.4 创 新

　　所有研究仍然停留在使用传统方法的阶段，而没有在新的方法上做出尝试。所以，国内的研究基本上是处于验证已有方法在我国的适用性阶段。

　　目前在财务困境预警研究中常使用的多元统计方法如判别分析、逻辑回归、主成分分析等对数据都有较强的假设和限制，这不适用于当今变化多端且复杂的水运企业运作环境随着证券市场机制的发展与完善，也迫切需要利用新的技术方法和工具来帮助投资者对公司财务危机做出较准确的评价和决策。自20世纪80年代以来，西方国家将人工智能引入银行业。尤其人工神经网络方法在水运企业财务分析和评级中应用显示了其优势和潜力。该方法对样本分布无约束，适用范围较广，在问题的求解方式上则更有独特之处，是关于财务困境问题研究方法的重要发展趋势。