财务困境预测模型综述
文章梳理了相关财务困境预测模型的发展脉络，对传统的和现代的财务困境预测模型进行了系统的评述，并对未来财务困境预测的研究作了展望。
下载论文网 【关键词】 财务管理； 财务困境； 预测模型 中图分类号：F272 文献标识码：A 文章编号：1004—5937（2015）08—0027—03 一、引言 财务困境预测是财务管理活动的重要环节，目的是找出财务困境的作用机理，以预测公司的财务状况。
目前，单变量模型、多元线性判别分析、LOGIT模型、人工神经网络、支持向量机等已成功应用于财务困境的研究。
二、财务困境的定义 关于财务困境（或财务危机），由于其引致变量的复杂性，对其定义还没有一个普遍的共识，大多数学者都是从自身研究取样的角度，来定义财务困境的相关内涵。
早期对财务困境的定义即为企业破产（Fitzpatrick，Winakor，smith，Foulke，Merwin），随着研究的进展，Beaver（1966）在研究财务困境模型时加入了拖欠债务的公司和拖欠优先股股利的公司，丰富了财务困境的内涵。
Amy Hing—Ling lau（1987）将企业财务状况划分成不同的阶段，将取消或减少股利到破产清算划分为困境期。
在国内，财务困境公司一般是被ST的公司（陈静，1999；吴世农、卢贤义，2001等）。
彭韶兵、邢精平（2005）把从资金管理技术性失败到大规模重组作为财务困境的阶段。
吴星泽（2011）在加入了利益相关者的前提下，将危机力量导致的支付能力不足视为财务困境。
虽然该定义考虑了利益相关者，但仍局限在现金流层面考虑财务困境。
笔者认为，企业出现下列事项就应当视为发生财务困境：税息折旧及摊销前利润（EBITDA）小于利息费用、存量破产、流量破产、债务违约、财务异常和其他异常等。
三、预测变量的选择 （一）变量的分类 财务类指标是最常用的一类衡量财务困境的指标，它是将财务指标作为预测模型的解释变量进行预测（Fitzpatrick，Altamn，Olhson，Odom et al.）。
然而选择哪些财务指标，以及单纯的财务指标能否解释财务困境以及在多大程度上解释等问题，使得现金流指标及市场收益类指标出现。
现金流预测指标是建立在流量破产的角度来反映公司的困境，Aziz，Emanuel and Lawson（1988）发现了现金流量信息预测财务困境模型，并发现其预测能力好于财务指标。
国内周首华、杨济华、王平（1996）等在Altman的Z模型基础上，加入现金流指标，构造了能供管理当局使用而又区别于传统的公司偿付能力分析的新的预测模式――F分数模式。
章之旺（2004）通过实证研究，发现了现金流量类变量对财务困境的预测价值。
市场收益类指标是利用股票的市场收益率作为预测指标，来预测公司发生财务困境的方法（Beaver，Altman，Brenner）。
由于国内证券市场尚未完全成熟，所以国内利用该类变量的财务困境预测研究相对较少。
宏观经济指标也是预测企业陷入财务困境的重要指标，研究发现经济周期（Rose，Giroux）、货币供应量和通货膨胀率（Demirguc Kunt，Detragiache）、工业增加值、实际利率水平（王克敏、姬美光、赵沫，2006）等对财务困境公司有一定的影响。
（二）变量选择方法 主成分法包括全局主成分法和经典主成分法，通过稀释变量间的相关关系，将原变量转换为独立的、不相关的变量，形成能解释大部分变量的几个新变量。
稀释过程是对这些变量进行降维处理的过程，旨在用较少的新变量来解释综合指标，降低研究问题的复杂性和干扰性。
粗糙集理论（RS）是由波兰科学家Z.Pawlak提出的，是通过对数据进行分析和推理，发现不确定、不完整信息中的潜在规律，找出数据间隐藏的知识，是基于模糊理论、概率论和证据理论而开发的数据挖掘工具。
马若微（2006）在财务指标选择中，使用了粗糙集原理，通过建立RS和信息熵之间的关系，给出了知识粗糙性的度量性解释。
四、预测模型概述 （一）传统模型分析方法 1.单变量分析 Fitzpatrick（1932）最早应用单变量判别分析法（Univariate Analysis）对19家公司财务破产进行预测研究。
Beaver（1966）用单变量模型得出营运资金流/总负债的预测能力为87%。
单变量分析的基本原理是利用统计资料，对比分析影响预测目标的因素，发现困境公司与非困境公司间有显著差异的财务指标，从而对财务困境公司进行预警。
但是，由单一指标建立的财务困境模型，被粉饰的可能性较大，另外，单一指标本身有排斥其他指标的嫌疑，会强化该指标的解释能力，预测的误差较大。
2.多元判别分析（Multiple Discriminat Analysis，MDA） 多元判别分析是在单变量模型的基础上发展起来的。
1968年Altman利用多元判别分析构造了Z模型，预测准确率达到95%，使财务困境预测发展到一个新的阶段，至今Z模型在财务困境预测中还扮演着重要的角色。
多元判别分析基本原理是将选择的财务比率，通过Fisher and Bayes建立线性判别函数，确定影响的比率，得到模型函数，分析选择的样本，得到破产阈值和Z区域，用它来衡量公司目前的状况。
由于MDA所得到的是一个分值，对于错误分类而不能对支付空间的分割进行合适描述的决策问题，这个分值就存在争议。
另外，多元线性判别模型对解释变量的要求较高，要求两组中的自变量呈多元正态分布，协方差矩阵相等，但均值不同。
然而在实际的研究取样中，很难满足这个条件，往往刻意地使用多元线性判别会削弱样本的随机性，影响预测的客观性和真实性。
3.LOGIT回归模型 Martin（1977）最先用LOGIT模型进行银行破产预测，经过研究发现其预测能力要好于多元线性回归模型。
随后Ohlson（1980）将LOGIT模型引入财务困境预测，使LOGIT模型在财务困境预测得到推广。
通过最大化对数似然函数LnL（α，β）就可以估计出参数α和β，从而得出公司破产的概率，临界值一般设为0.5。
破产概率超过0.5则判定为财务困境公司，小于0.5则判定为无财务困境公司。
LOGIT模型摆脱了MDA对变量的限制，被广泛应用于财务困境的预测，但是LOGIT模型对多重共线性比较敏感，对样本的要求比较高，在中国资本市场不是很成熟的情况下，局限性较大。
另外许多学者对临界值的设定也存在一些争议。
（二）现代模型预测方法 1.神经网络模型 Dom and Sharda（1990）首先应用神经网络模型进行了财务困境预测方面的尝试，Salchenberger（1992）等利用神经网络来预测组织的破产。
由于神经网络有良好的鲁棒性，具有自组织、自学习、自适应等特点，能以任意精度逼近任意非线性函数，所以神经网络发展前景广阔。
神经网络包括输入层、隐含层、输出层，将选择的财务指标划分成不同的神经元，传递给隐含层进行数据处理，传向输出层。
如果输出结果与预设的权值和阈值不符，则转入误差的反向传播，进行重新学习训练，直到输出结果达到期望值为止。
但因神经网络模型之间的映射算法是一种黑箱方法，所以使用中存在争议，预测精度也没有实质性的改进。
另外，过多重复训练将使网络对样本数据产生过度适应而失去跨样本预测的稳健性，进而也会影响预测的准确性。
2.遗传算法 Franco and Varetto（1988）等利用遗传算法进行了财务困境预测方面的研究。
遗传算法是模仿生物遗传进化规律而开发出来的搜索方法，能在复杂空间内自动获取优化的搜索空间，使用于服从大量软或硬约束的多参数优化问题。
结果表明可以获得不受统计约束的最优线性方程，与MDA相比，省时且受主观影响小，但结果不如MDA。
3.支持向量机模型（CUSUM） 支持向量机是基于结构风险最小化原理建立的算法，克服了神经网络算法在梯度下降过程中收敛速度慢、容易陷入局部极小的缺点，在财务困境预测问题中得到了广泛的应用。
Min and lee采用支持向量机方法进行财务困境预测，并得到了优于其他方法的结论。
在国内，孙洁从财务困境概念动态漂移的角度，利用滚动时间窗口支持向量机进行了财务困境预测方面的研究，提高了平均预测的准确率。
4.递归分割法（Recursive Partitioning Algorithm，RPA） Frydman and Altman最先运用递归分割法进行了财务困境预测方面的研究。
递归分割法是非参数估计方法，根据二叉树原理首先确定所选样本及预测变量，然后根据单变量规则来确定节点，计算出公司被误判的成本，从而计算出每个分支的风险水平，通过建好的带有风险水平的二叉树，来预测公司最终落入哪个节点。
五、结论与启示 受客观条件的限制，在以往的财务困境建模中，忽视了对宏观因素、公司治理、公司的动态性等因素的考虑，各时期建立的模型还有待完善。
Scapens发现无论单变量还是多变量预测模型都会出现误判现象，所以对财务困境预测的模型还不存在最优问题。
关于财务困境预测模型研究的展望： （一）构建财务困境研究的理论框架 财务困境的内涵直接关系到研究对象中变量的选择，随着研究的进展，越来越多的动态性指标和非财务指标会纳入到财务困境预测体系中来，不断丰富财务困境的内涵。
但财务困境内涵和外延的不确定性，在一定程度上限制了财务困境研究的进展。
（二）形成系统的财务困境研究方法体系 财务困境的预测模型繁多，评价不一，研究方法多样，还没有形成一套具体的研究体系。
一直以来，都在试图找到一种预测性较强的研究方法，但影响公司发展的动态性因素复杂，未来环境的不确定性加剧，加上公司系统的非线性等特点，对财务困境的预测和控制是相当困难的。
相信随着计算机技术的发展和各学科知识的不断进步，对财务困境的研究会更加精确。
（三）结合行业现状与企业特点来加强研究的有效性 财务困境预测是投资活动中评价公司财务状况的重要指标，但目前在实际应用中有较大的局限，受公司规模、资本结构、外部治理机制等的影响，财务困境预测仍难以标准化。
公司财务困境是由于引致变量的熵增引起的，而各引致变量之间又存在非合作博弈，所以财务活动中的每个环节都有引发财务困境的可能，但找到财务中的薄弱环节并不容易。
各公司应根据自己的实际情况，及时发现财务活动中存在的问题，加强对薄弱环节的管理，减少发生财务困境的可能性。
【主要参考文献】 [1] 周首华， 杨济华， 王平.论财务危机的预警分析――F分数模型[J].会计研究，1996（8）：8—10. [2] 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）：46—55. [3] 彭韶兵，邢精平.公司财务危机论[M].北京：清华大学出版社，2005：50—51. [4] 章之旺.现金流量在财务困境预测中的信息含量实证研究[J].中国管理科学，2004（6）：23—28. [5] 马若微.基于RS与ANN的上市公司财务困境预测模型的实证研究[J].南开管理评论，2006（3）：85—91. [6] 王克敏，姬美光，赵沫.宏观经济环境、公司治理与财务困境研究[J].经济与管理研究，2006（9）：22—29. [7] 吴星泽.财务危机预警研究：存在问题与框架重构[J].会计研究，2011（2）：59—65. [8] William H.Beaver.Financial Ratios As Predictors of Failure[J].Journal of Accounting Research，1996（4）：71—111. [9] Edward I.Altman.Financial Ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].The Journal of Finance，1968（23）：589—609. [10] James A.Ohlson.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980（18）：109—131.