導語：企業財務危機的指標體系詮釋一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：財務危機的出現意味著企業基本面發生根本性變化，處理不當就會導致企業破產。因此，識別企業財務危機，并對其做出預警，不僅對企業經營者及時采取措施化解危機具有重大的意義，而且對于投資者規避風險也有非常重要的價值。

關鍵詞：財務危機；預警；指標體系

一、引言

“財務危機”又稱財務困境，最嚴重的財務危機是企業破產。企業因財務危機最終導致破產實際上是一種違約行為，所以財務危機又可稱為“違約風險”。

關于財務危機的定義，目前尚無一個統一的說法。論文百事通具有代表性的觀點有以下幾種：(1)Beaver(1966)將破產、拖欠優先股股利、拖欠債務界定為財務危機。(2)Altman(1968)定義的財務危機是進入法定破產、被接管或者重整的企業。(3)Deakin(1972)則認為財務危機公司僅包括已經經歷破產、無力償債或為債權人利益而已經進行清算的公司。(4)Carmichael(1972)認為財務危機是企業履行義務時受阻，具體表現為流動性不足、權益不足、債務拖欠及資金不足四種形式。(5)Wruck(1990)給出的財務危機的定義是企業現金流量不足以抵償現有債務的情況，這些債務包括應付未付款、訴訟費用、違約的利息和本金等。(6)Ross等人(1999；2000)則認為可從四個方面定義企業的財務危機：一是企業失敗，即企業清算后仍無力支付債權人的債務；二是法定破產，即企業和債權人向法院申請企業破產；三是技術破產，即企業無法按期履行債務合約付息還本；四是會計破產，即企業的賬面凈資產出現負數，資不抵債。(7)Lee(2004)認為可以從兩方面定義財務危機：一是未能償還到期借款的本息，借款期間有過延期還款和減少本息支付的協議；二是公司的凈資產減少到其股本的一半以下。

綜合上述各種定義可知，無論財務危機如何定義，企業發生財務危機都具有無力償還到期債務、現金流的緊張狀態可能使經營無法持續的特點。財務危機的出現意味著企業基本面發生根本性變化，處理不當就會導致企業破產。因此，識別企業財務危機，并對其做出預警，不僅對企業經營者及時采取措施化解危機具有重大的意義，而且對于投資者規避風險也有非常重要的價值。

二、文獻綜述

企業財務危機預警問題的研究很早就引起了各方面的關注，很多經濟學家與財務專家都在這方面做了大量的工作，他們利用相應的財務變量構造了一系列的預測模型，其中有代表性的研究成果可歸納為四類。

(一)單變量模型

單變量模型是運用單一變數、個別財務比率來預測財務危機的模型。最早的財務預警研究是Fitzpatrick(1932)的單變量破產預測研究。此后，WilliamBeaver(1966)使用單變量為分析方法，采用成對抽樣法進行樣本配對，考察了29個財務比率在企業陷入財務困境前1-5年的預測能力。Beaver發現在破產前一年的預測正確率可以達到87%，對于失敗企業是最具有預測能力的指標。國內學者對單變量模型也作了較深入的研究，包括陳靜(1999)以1998年的27家ST公司和27家非ST公司，使用1995-1997年的財務報表數據，進行了單變量分析。吳世農和盧賢義(2001)以70家ST公司和70家非ST公司，應用單變量分析法研究了在上市公司陷入財務危機前5年21個財務指標之間所存在的差異。

單變量模型的優點是只需要觀測一個變量，應用比較簡單；但是，任何一個財務比率無法充分和全面地反映企業的財務特征，所以該方法在現今的研究中很少被單獨使用，一般都是與其他方法結合運用。

(二)多變量分析模型

多變量分析模型又可以分為多元回歸分析模型和多元判別分析模型。EdwardAltman(1968)使用多變量分析法對企業財務危機進行研究。他以1946-1965年間33家破產的制造業企業為樣本，并配對33家正常企業，將22項財務比率分為流動性、獲利性、財務杠桿、償債能力和活動力五大類指數，利用多變量分析法建立了著名的Z-Score記分模型。Meyer和Pifer(1970)以1948-1965年間失敗的30家銀行與其相匹配的30家非失敗銀行為樣本，利用二元回歸分析法建立模型，并且用9對相匹配銀行組成的預測樣本對模型進行了驗證。此外，還有其他典型的判別分析模型，包括：Deakin模型、Blum模型、Casey模型和Taffler模型等等。國內的相關研究主要有陳靜(1999)使用1995-1997年的財務數據，對27家ST公司和27家非ST公司進行的多元判別分析。張玲(2000)以120家公司為研究對象，使用其中60家公司的財務數據，通過多元判別法建立了財務危機預警模型。盧守林等(2002)以滬深兩市A股市場上所有上市公司1998-2000年的財務資料為依據，用多元判別分析法構建的Z-Score模型。

多變量分析法彌補了單變量分析法的不足，具有較高的準確率和穩定性，但是也存在著一些不足：第一，這種方法受到了統計假設的限制，只適用于自變量近似服從正態分布的情況，并且要求組內的協方差矩陣相等，否則得到的預測結果可能是有偏的；第二，多元判別分析要求財務危機公司與正常公司之間一定要配對，而配對的標準具有較大的主觀性。

(三)多元條件概率模型

多元條件概率模型是使用極大似然法對參數進行估計的一類概率模型，包括Logistic模型和Probit模型。Martin(1977)首次使用Logit模型預測公司的破產及違約概率。Ohlson(1980)從1970-1976年間在美國的上市公司之中排除公共事業、運輸公司、金融服務業，總共挑選出105家破產公司和2058家正常公司為樣本，采用九個財務比率建立了Logit模型。Huffman&Ward(1996)運用Logit模型對1977-1991年間違約的171家企業的高收益債券進行了預測研究等。國內的相關研究主要包括：吳世農和盧賢義(2001)分別采用多元判別分析和Logit回歸方法建立和估計了預警模型。劉?F(2001)使用1999年28家ST公司與另外28家正常公司陷入財務危機前3年的數據，通過Logit回歸方法建立了財務危機預警模型。姜秀華(2002)和齊治平(2002)利用Logit模型對我國上市公司進行信用風險分析。李萌(2005)以不良貸款率作為信用風險衡量標準，構造商業銀行信用風險評估的Logit模型等。

多元條件概率模型的主要優點是不需要自變量服從多元正態分布和組內協方差矩陣相等的假設條件，但是要求因變量有邏輯含義，而且計算過程較為復雜，有很多近似處理。

(四)神經網絡預警模型

神經網絡，又稱人工神經網絡(ArtificialNeuralNetwork，ANN)是一種從神經心理學和認識科學的研究成果出發，應用數學方法發展起來的并行分布模式處理系統。常見的神經網絡模型主要有：BP神經網絡模型、MDA協助神經網絡模型、ID3協助神經網絡模型和SOFM協助神經網絡模型。Odom和Sharda(1990)是將人工神經網絡模型應用在破產預測模式中最具代表性的學者。Koh和Tan(1999)以1978-1985年間出現的165家破產公司為失敗樣本并以正常公司165家作為配對樣本，使用人工神經網絡模型構建了企業危機預警模型。在我國，王春峰(1998)、楊保安(2001)等學者也在此領域進行了深入的研究，楊保安通過對中信實業銀行的分析，選取了4大類共15個財務指標，運用BP神經網絡方法建立了一個可供銀行用于授權評價的預警系統。臺灣的林文修(2000)選取1992-1996年在臺灣證交所上市企業中的36家失敗企業和64家正常企業，并區分為學習樣本73家與測試樣本27家，比較了多元判別分析、Logit模型、BP神經網絡模型和演化式神經網絡模型等四種方法的模型預測準確率。神經網絡預警模型的主要優點是分析層次清晰且邏輯關系嚴密，并依據心理學理論加入了一主觀因素，從而有效地使客觀分析與主觀判斷相融合。它的缺點是規范分析特點明顯，不適宜做實證分析，分析模式缺乏靈活性，數據性假設條件過于苛刻。

三、財務危機預警的指標體系設計

導致企業發生財務危機的因素很多，且錯綜復雜，單變量模型與多變量模型僅能揭示影響關系與程度，變量的選擇會因分析人員偏好的不同而不同，其不僅缺乏統一的理論基礎，而且系統性往往較差，多元條件概率模型和神經網絡預警模型雖然在分析技術上較為先進，且分析企圖試圖更精確，但它們在強調分析技術的同時，往往忽略了立論的基本依據，且在變量選擇中往往伴隨較明顯的盲目性。因此，作為完善多變量模型系統性功能，為多元條件概率模型和神經網絡預警模型提供變量選擇的依據，利用相應的財務理論構建企業財務危機預警指標體系就是研究企業財務危機的基礎之基礎。但從財務本身的角度去分析，財務危機形成的原因可以歸結為以下幾點：(1)公司經營狀況不佳，導致營業收入無法穩定增長，造成公司的連續虧損，使得財務危機發生的可能性增大；(2)過高的負債使公司面臨更大的財務危機。雖然公司本身有盈余，但是可能因為無法應付短期的龐大利息支出而造成破產倒閉；(3)現金流量發生持續性的凈流出，企業就像是流動性資產的儲水槽，若水槽中的流量變小(資產變少)，流入量減少(現金流入減少)，流出量增加(現金流出增加)，流入量與流出量之間的差量就會逐步增大，這樣會使公司出現財務危機的概率增加。

綜合引起財務危機的三個主要因素，可以對應用五個方面的財務指標來描述或預警財務危機，用經營能力指標、成長能力指標和獲利能力指標來度量或反映企業的經營狀況，用公司的償債能力指標來度量或反映企業的債務負擔，用現金流量指標來度量現金流。從預警的角度考慮，五個方面的財務指標可進一步細分為20個更具體的財務變量(見表1)，以此構成財務危機預警的指標體系。

以深滬兩市A股中被ST的上市公司為實際考察對象，利用2006年1月1日-2007年12月31日深滬兩市A股中154家被ST的上市公司的數據。剔除由于以下幾種原因而被ST的上市公司：(1)上市兩年內被特別處理的公司；(2)因自然災害、重大事故等意外事件而被特別處理的公司。經過剔除后，本文選取的有效樣本變為80家。根據研究期間一致、行業相同或相近、規模相當的原則按1：1的比例選擇沒有被ST的上市公司作為配對樣本。由于我國上市公司年報披露制度規定上市公司公布其年報的截止日期為下一年的4月30日，上市公司(t-1)年的年報和其在第t年是否被ST幾乎同時發生，因此，用(t-1)年的數據預測第t年是否被ST沒有實際意義。在本文中采用(t-2)年的數據進行分析。

表6是財務危機公司和正常公司的成長能力指標在發生財務危機前2年的統計性描述，包括最大值、最小值、平均數、標準差和t值。

四、結論

根據上述經驗值的計算結果可知，一般情況下，可以根據財務指標的實際值來判斷企業是否陷入財務危機，判斷的標準見表7。

依據表7的標準可以得出結論。即在發生財務危機的前2年，正常公司和危機公司在獲利能力、償債能力、經營能力、現金流量和成長能力的20個指標中有15個指標在5%的置信水平下通過了t檢驗，也就是說正常公司和危機公司在上述15個財務指標的均值上存在著顯著性的差異。因此，只要發現企業對應財務指標變量的實際值有一個或多個落入預警區間，就必須引起我們高度的關注。

參考文獻：

[1]劉紅霞.企業投資預警系統的構建及其分析[J].投資研究，2003(9).

[2]陳靜.上市公司財務惡化預測的實證研究[J].會計研究，1999(4).

[3]吳世農，盧賢義.我國上市公司財務困境的預測模型研究[J].經濟研究，2001(6).

[4]陳曉，陳治鴻.中國上市公司財務困境預測[J].中國會計與財務研究，2000(3).

[5]李萌，李志輝.我國商業銀行信用風險識別模型及其實證研究[J].經濟科學，2005(5).