我国财务危机预警模型的研究会计论文

　　【摘要】在市场环境日趋复杂的今天，如何规避财务风险，建立有效的财务危机预警模型愈来愈显示出其重要性。本文通过对国内近年来有关财务危机预警模型研究的介绍，对已有成果进行总结归纳，并结合国内的研究进展，对我国财务危机预警模型的研究成果做出基本评价，并对其未来发展方向做了一定的探讨。

　　【关键词】财务危机 预警模型

　　引言：财务危机的界定

　　对财务危机的界定，国内外学者因研究目的不同而异，使用了不同的标准。Beaver(1966)认为，破产、拖欠偿还债务、透支银行账户或无力支付优先股股利四项中的发生任何一项的企业，，即可定义为发生了财务危机的企业。Altman(1968)认为，财务危机企业是“进入法定破产的企业”。在国内，多数学者在研究中倾向于直接使用披露的上市公司数据，并以是否被“ST(特别处理)”作为判断该企业是否发生财务危机的判断标准。

　　一、财务危机预警模型相关研究成果

　　国内财务危机预警的研究始于20世纪80年代中后期，而到1996年以后，才陆续出现以企业财务数据为基础建立的财务危机预警模型。

　　周首华、杨济华、王平(1996)在埃特曼(Altman)Z分数模式的基础上，建立了新的预测模式——F分数模式。他们选取了31家破产公司及31家非破产公司作为样本建立F分数模式，并用4160家公司数据作为检验样本进行了验证，得出其准确率近70%。F分数模式充分考虑了现金流量的变动情况，其选取的五个判定变量完全基于财务理论，而非像其他模式的变量系数取自实务选定方法。研究指出，如采用F分数模式进行趋势分析，较之时间序列上任一时点的单一F分数分析都重要得多。

　　陈静(1999)采用单变量分析和多元预测模型对国内市场27家ST公司和非ST公司进行了实证分析。在单变量分析中，发现资产负债率和流动比率在宣布ST前一年的误判率最低，而在宣布前三年时，总资产收益率和流动比率的误判率较低。在其建立的多元线性判别分析中，选取了资产负债率、净资产收益率、净利润、流动比率、营运资本/总资产以及总资产周转率六个指标来构建预警模型，并通过对三年判定函数预测正确率的计算和比较，发现多元判定模型在宣布前一年的成功率较高，离宣布日越远，成功率越低。

　　吴世农、卢贤义(2001)选取1998-2000年发生ST的样本公司70家和相对应的`非ST样本公司70家，首先应用剖面分析和单变量判定分析，选取盈利增长指数、资产报酬率、流动比率、长期负债与股东权益比率、营运资本与总资产比、资产周转率6个指标作为多元判定分析得变量，并以此构建LPM模型、Fisher二类线性判定模型和Logistic回归模型。研究表明，LPM模型与Fisher判定模型在财务困境发生前1年的误判率均为10.07%，从应用上可证明两个模型是等价的。三种模型均能在财务危机发生前做出较为准确的判断，且就同一样本集而言，Logistic回归模型误判率最低，判定效果最好。

　　杨淑娥、黄礼(2005)从沪深两市上市公司中选取了以工业板块和综合板块为主的90家ST公司和相应的90家非ST公司，选择流动比率、现金比率等10个指标利用BP人工神经网络算法构建BP神经网络模型。通过构建的模型对建模样本进行回判以及对检验样本进行判定，其正确判定率分别达到90.8%和90%，证明了基于财务指标信息的BP人工神经网络方法是预测企业财务是否会发生危机的有效方法。同时，该文也指出，预警模型在研究同类行业时将取得更好的效果。

　　二、对企业财务危机预警模型研究成果的基本评价

　　纵观大多数学者对财务危机预警系统的研究，周首华、陈静等在国外研究模型的基础上，进一步发展符合国内实情的财务预警模型，杨淑娥、黄礼等则采用新的思路，结合其他学科对构建财务预警模型的新方法进行的探究。这些研究基本上都更加重视现金流量在财务危机预警中的重要作用，以及强调进行时间序列上的趋势分析的重要性。

　　通过上述研究可以发现，所构建的财务危机预警模型的误判率明显降低，证明近年来国内在该领域上的研究成果显著。但与此同时，也应看到我们的研究仍存在不足之处。