企業(yè)財務(wù)預警模型的比較分析

財務(wù)預警模型是診斷財務(wù)狀況、提供財務(wù)危機信號的得力幫手，它無(wú)疑具有積極的意義。本文試圖對國內外多種財務(wù)預警模型進(jìn)行比較，以為構建適合我國企業(yè)財務(wù)預警模型提供一些思路和。
一、財務(wù)預警模型的分類(lèi)簡(jiǎn)介
（一）單變量模型
單變量模型是指運用單一變數，用個(gè)別財務(wù)比率或現金流量指標來(lái)猜測財務(wù)危機的方法。Ｆｉｔｚｐａｔｒｉｃｋ最早研究發(fā)現，出現財務(wù)困境的公司其財務(wù)比率和正常公司相比有明顯的不同，從而以為企業(yè)的財務(wù)比率能夠反映企業(yè)的財務(wù)狀況，并指出財務(wù)比率分別對企業(yè)未來(lái)具有猜測作用。Ｂｅａｖｅｒ在此基礎上用統計方法建立了單變量財務(wù)預警模型，發(fā)現債務(wù)保障比率對公司的猜測效果較好，其次是資產(chǎn)收益率和資產(chǎn)負債率的猜測效果。另外，日本的田邊升一提出了利息及票據貼現用度的單變量判別分析方法，以利息及票據貼現用度的大小來(lái)判定企業(yè)正常與否，從而也可對企業(yè)起猜測作用。
（二）多變量模型
多變量模型就是運用多個(gè)財務(wù)指標或現金流量指標來(lái)綜合反映企業(yè)的財務(wù)狀況，并在此基礎上建立預警模型，進(jìn)行財務(wù)猜測。按所建模型是否具有動(dòng)態(tài)預警能力、財務(wù)預警系統是否易于修改和擴充，多變量模型又可以分為靜態(tài)統計模型和動(dòng)態(tài)非統計模型。
１．靜態(tài)統計模型。①線(xiàn)性判別模型。多元線(xiàn)性判別模型是運用多元統計分析方法中的判別分析建立起來(lái)的，它是根據一定的樣本資料，建立判別函數、確定判定區域，以對企業(yè)財務(wù)狀況進(jìn)行猜測。這種模型以美國Ａｔｌｍａｎ教授的Ｚ模型最具代表性。②主成分猜測模型。該模型也形成一個(gè)線(xiàn)性判定函數式，其形式類(lèi)似判別分析模型。不過(guò)該模型是運用多元統計分析中的主成分分析方法，通過(guò)提煉綜合因子形成主成分，并利用主成分建立起來(lái)的。我國學(xué)者張愛(ài)民、楊淑娥等分別運用主成分分析方法對我國上市公司的財務(wù)預警模型進(jìn)行過(guò)研究。③簡(jiǎn)單線(xiàn)性概率模型。該模型是利用多元線(xiàn)性回回方法建立起來(lái)的，其形式是：ｙ＝ｃ＋β１ｘ１＋β２ｘ２＋…＋βｋｘｋ。其中：ｃ、β１、β２、…、βｋ為系數；ｘ１、ｘ２、…、ｘｋ為ｋ個(gè)猜測變量，即財務(wù)指標；ｙ為企業(yè)財務(wù)失敗的概率。該模型以０．５為危機分界點(diǎn)，ｙ值越大，企業(yè)發(fā)生財務(wù)失敗的可能性越大，ｙ值越接近于０，說(shuō)明企業(yè)財務(wù)越安全。④ｌｏｇｉｔ模型和ｐｒｏｂｉｔ模型。它們也分別叫作對數比率模型和概率單位模型，都屬于概率模型，是在克服簡(jiǎn)單的線(xiàn)性概率模型的基礎上并分別用ｌｏｇｉｔ和ｐｒｏｂｉｔ概率函數建立起來(lái)的。ｌｏｇｉｔ模型的形式為：ｌｎ［ｐ÷（１－ｐ）］＝α０＋β１ｘ１＋β２ｘ２＋…＋βｋｘｋ。其中：ｐ取值為０、１；ｐ為概率；ｘ１，ｘ２，…，ｘｋ為ｋ個(gè)猜測變量，即財務(wù)指標；α０、β１、β２、…、βｋ為系數。ｐｒｏｂｉｔ概率模型的猜測效果一般與ｌｏｇｉｔ模型猜測的效果相差不大，在此未幾加先容。
２．動(dòng)態(tài)非統計模型。動(dòng)態(tài)財務(wù)預警模型主要是把人工智能中的回納式的方法于財務(wù)危機猜測。目前，這種方法中最常用的是神經(jīng)猜測模型。在神經(jīng)網(wǎng)絡(luò )模型中，當輸進(jìn)一些資料后，網(wǎng)絡(luò )會(huì )以目前的權重出相對應的猜測值以及誤差，而再將誤差值回饋到網(wǎng)絡(luò )中調整權重，經(jīng)過(guò)不斷地重復調整，從而使猜測值漸漸地逼近真實(shí)值。當應用此網(wǎng)絡(luò )到新的案例時(shí)，只要輸進(jìn)新案例的相關(guān)數值，神經(jīng)網(wǎng)絡(luò )就可以根據當時(shí)的權重得出輸出值即猜測值。神經(jīng)網(wǎng)絡(luò )分析是一種并行分布模式處理系統，具有高度的計算能力、自學(xué)能力和容錯能力。該模型由一個(gè)輸進(jìn)層、若干個(gè)中間層和一個(gè)輸出層構成。案例推理法是近年來(lái)才被嘗試應用于財務(wù)危機猜測上的一種動(dòng)態(tài)非統計模型方法。它是一種依循經(jīng)驗來(lái)推理的方法，就是以過(guò)往發(fā)生的案例為主要的經(jīng)驗依據來(lái)判定未來(lái)可能發(fā)生的，是一種典型的“上一次當，學(xué)一次乖”的推理方法。當輸進(jìn)一個(gè)新的題目到案例推理法系統，該系統會(huì )在從現有的案例庫中搜尋相似的案例，判定新案例的類(lèi)型。案例推理法的關(guān)鍵步驟就是根據相似性演算法測算出案例之間間隔，再轉變?yōu)榘咐�之間的相似度，由相似度選取最相近的案例，據此進(jìn)行推理判定。
二、各類(lèi)財務(wù)預警模型的比較
（一）單變量模型和多變量模型的比較
１．單變量模型方法簡(jiǎn)單，多變量模型方法較為復雜。單變量模型只對單個(gè)財務(wù)比率進(jìn)行分析考察，觀(guān)察企業(yè)變化趨勢，據此來(lái)判定企業(yè)財務(wù)狀況，不需要進(jìn)行復雜的計算。而多變量模型均同時(shí)選取多個(gè)財務(wù)指標或現金流量指標，再通過(guò)一定的方法進(jìn)行綜合分析，模型的構建涉及多種方法和，操縱比較復雜。
２．和多變量模型相比，單變量模型分析存在較多的局限性。①不同的財務(wù)比率的猜測目標和能力經(jīng)常有較大的差距，輕易產(chǎn)生對于同一公司使用不同比率猜測出不同結果的現象。②單個(gè)指標分析得出的結論可能會(huì )受到一些客觀(guān)因素的，如通貨膨脹等的影響。③它只重視對個(gè)別指標影響力的分析，輕易受治理職員粉飾報表、修飾財務(wù)指標、掩蓋財務(wù)危機的主觀(guān)行為的影響，以致模型判定失效。而多變量模型由于綜合考慮了反映公司財務(wù)環(huán)境包括財務(wù)危機狀況的多個(gè)方面的因素，反映的是基本的和整體、全局的狀況，因此能比單變量模型更好地避免上述情況的發(fā)生。
（二）靜態(tài)統計模型和動(dòng)態(tài)非統計模型的比較
１．建立模型的方法。兩者在建立模型的方法上存在著(zhù)明顯的差別。靜態(tài)統計模型均是在利用統計數理和分析的基礎上建立起來(lái)，如多元統計分析方法中的判別分析、主成分分析以及計量中的回回分析等。這些模型的建立均有一定的統計理論依據，均涉及到判定區間的確定和誤判率的估計題目，并且建立的一般是線(xiàn)性模型。而動(dòng)態(tài)非統計模型不是依據統計理論，而是利用人工智能中回納式學(xué)習的方法建立起來(lái)的，整個(gè)分析及猜測過(guò)程就似乎是人類(lèi)學(xué)習及思考一樣。它是一種的非線(xiàn)性模型。
２．模型建立的假定條件。靜態(tài)統計模型的建立一般都對樣本數據的分布作一定的假設，并以假設作為條件條件。如，多元統計分析中的數據正態(tài)分布假設、協(xié)方差矩陣相等假設、簡(jiǎn)單線(xiàn)性概率模型的二項分布假設等。一般來(lái)說(shuō)，只有在這些假設條件基本得到滿(mǎn)足的情況下，才能保證靜態(tài)統計模型猜測的正確性。另外，靜態(tài)統計模型的建立是以對數據之間的關(guān)系已有清醒的熟悉為基礎的，一般假定各變量之間為簡(jiǎn)單的線(xiàn)性關(guān)系，并且比較注重數據本身的完整性及一致性。而動(dòng)態(tài)非統計模型一般沒(méi)有數據的分布、結構等方面的要求，適用于非線(xiàn)性關(guān)系的數據并對數據的缺失具有相當的容許性，基本上能處理任意類(lèi)型的數據。
３．是否具有動(dòng)態(tài)預警功能和容錯性。靜態(tài)統計模型只是根據以前的樣本資料建立起來(lái)的，樣本資料一旦確定，便難以再予調整，除非重新建立模型。隨著(zhù)財務(wù)狀況的發(fā)展和財務(wù)標準的更新，這種按照以前的資料、標準建立起來(lái)的模型難以對已經(jīng)變化了的財務(wù)狀況作出正確的猜測和判定，即這種模型不具有動(dòng)態(tài)預警能力，不易修改和擴充。并且，靜態(tài)統計模型對錯誤資料的輸進(jìn)不具有容錯性，無(wú)法自我學(xué)習和調整。而動(dòng)態(tài)非統計模型具備隨著(zhù)不斷變化的環(huán)境進(jìn)行自我學(xué)習的能力，隨著(zhù)樣本資料的積累，可以定期更新知識，從而實(shí)現對企業(yè)危機的動(dòng)態(tài)預警。并且，由于動(dòng)態(tài)預警模型具有高度的自我學(xué)習能力，對錯誤資料的輸進(jìn)具有很強的容錯性，因而更具有實(shí)用價(jià)值。
４．實(shí)際應用。動(dòng)態(tài)模型如神經(jīng)網(wǎng)絡(luò )模型等的分布是自由的，當變量從未知分布取出和協(xié)方差結構不相等（企業(yè)失敗樣本中的常態(tài)）時(shí)，神經(jīng)網(wǎng)絡(luò )能夠提供正確的分類(lèi)。但是，它在實(shí)際運用中還存在一些題目，如模型的拓撲定義、網(wǎng)絡(luò )架構的決定、學(xué)習參數以及轉換公式的選擇等比較復雜和難以確定，其工作的隨機性較強，非常耗費人力與時(shí)間，而且其在決策方法中表現得像一個(gè)黑匣子，以致對它的接受和應用都較困難。另外，這種模型要求擁有大量的學(xué)習練習樣本以供分析，假如樣本數目積累得不足、沒(méi)有足夠的代表性和廣泛的覆蓋面，則會(huì )大大地影響系統的分析和猜測的結果。Ａｌｔｍａｎ（１９９５）在對神經(jīng)網(wǎng)絡(luò )法和判別分析法的比較研究中得出結論：“神經(jīng)網(wǎng)絡(luò )分析方法在風(fēng)險識別和猜測中的應用并沒(méi)有實(shí)質(zhì)性地優(yōu)于線(xiàn)性判別模型”。而傳統的統計模型發(fā)展得比較成熟，計算也相對簡(jiǎn)單，應用也較為廣泛。并且某些統計方法，如：ｌｏｇｉｔ、ｐｒｏｂｉｔ模型對數據是否具備正態(tài)分布、兩組協(xié)方差是否相等也沒(méi)有要求，常用的判別分析中的間隔判別方法也可以在兩總體協(xié)方差矩陣不相等的情況下使用。因此，目前在財務(wù)預警模型方面仍然以傳統的統計方法為主，而動(dòng)態(tài)模型尚不夠成熟，對它的應用仍處于探索、實(shí)驗階段。（三）各種統計模型之間的比較
１．各種統計本身功能的比較。判別和主成分分析方法屬于多元統計分析，其中，判別分析方法主要在已知研究對象分成若干類(lèi)型并已取得各類(lèi)樣品觀(guān)測數據的基礎上，如何判別一個(gè)新樣品的回類(lèi)，即判別分析的宗旨就是判定新的案例的種別。主成分分析方法的主要功能是為了解決樣本數據中指標個(gè)數太多以及指標間信息存在重復的題目，其作用有兩個(gè)：一是降維，二是減少信息的重復，從而使分析簡(jiǎn)化。簡(jiǎn)單的線(xiàn)性概率模型和ｌｏｇｉｔ概率模型都屬于回回分析方法，其目的是研究模型中各解釋變量與被解釋變量之間的特定的關(guān)系，尤其是數值關(guān)系。所以，若只從各種方法的主要功能來(lái)說(shuō)，利用判別分析方法建立財務(wù)預警模型是最適當的，由于這種方法就是研究種別回屬題目。
２．各種統計方法建立財務(wù)預警模型的比較。判別分析方法的核心就是根據間隔的遠近來(lái)判定樣品的回屬，通常形成一個(gè)線(xiàn)性判定函數式，據此判定待判的回屬。一般要求數據服從正態(tài)分布和兩組總體間協(xié)方差矩陣相等。主成分分析方法主要是對***財務(wù)指標進(jìn)行綜合、降維，然后給各綜合指標賦予一定的權值再進(jìn)行綜合分析，形成一個(gè)判分式，根據財務(wù)正常企業(yè)和財務(wù)失敗企業(yè)各自得分情況形成判定區間，出待判企業(yè)的得分，據此加以判定。
利用主成分分析方法建立財務(wù)預警模型有一個(gè)明顯的缺陷：即綜合評分式權重的確定以及判定區間的確定都具有較大的主觀(guān)性和不正確性，尤其是后者受樣本數據分布的很大。簡(jiǎn)單線(xiàn)性概率模型就是以各財務(wù)指標作為解釋變量，以財務(wù)狀況作為被解釋變量，將財務(wù)狀況分為正常和失敗，分別�。昂停�，利用樣本資料建立回回方程，把待判企業(yè)財務(wù)指標數據代進(jìn)方程，求得的值即為猜測值，代表該企業(yè)發(fā)生財務(wù)失敗的可能性。簡(jiǎn)單線(xiàn)性概率模型有四個(gè)缺陷：①殘差不滿(mǎn)足正態(tài)分布，而是二項分布；②具有異方差；③一般樣本決定系數太小，回回方程擬合程度低；④難以保證回回值在［０，１］區間，因此，用此方法建立的財務(wù)預警模型，其預警判別能力不如其他方法。Ｌｏｇｉｔ和ｐｒｏｂｉｔ模型均是為了克服簡(jiǎn)單的線(xiàn)性概率模型的缺陷而建立起來(lái)的，一般采用最大似然估計方法進(jìn)行估計，不需要滿(mǎn)足正態(tài)分布和兩組協(xié)方差矩陣相等的條件，得出的結果直接表示企業(yè)發(fā)生財務(wù)失敗的可能性大小，操縱簡(jiǎn)單，結果明了。此方法被廣泛運用。
根占有關(guān)學(xué)者對多種統計模型判別正確率的比較研究，得知判別分析方法是２０世紀８０年代以前主要的建模方法，其猜測的正確率一直較高，并且是到目前為止被運用的主要方法之一。Ａｌｔｍａｎ２０００年用判別分析方法建立的預警模型，其猜測精度仍高達９６％。ｌｏｇｉｔ猜測模型近年來(lái)也被廣泛地運用，其猜測精度也相對較高。我國學(xué)者吳世農、盧賢義建立的財務(wù)預警模型具有樣本新、容量大的特點(diǎn)，他們在２００１年對經(jīng)過(guò)嚴格檢驗的同一套樣本指標分別用判別分析方法和ｌｏｇｉｔ方法進(jìn)行財務(wù)猜測，結果發(fā)現ｌｏｇｉｔ模型的猜測精度（９３．６％）要明顯優(yōu)于判別分析方法的猜測精度（８９．９％）。

【企業(yè)財務(wù)預警模型的比較分析】相關(guān)文章：

財務(wù)風(fēng)險預警模型構建實(shí)證分析12-08

淺談我國企業(yè)財務(wù)預警模型的建立03-22

企業(yè)財務(wù)危機預警分析03-20

剩余收益模型與傳統DCF模型的比較研究03-23

幾種信息檢索模型比較03-05

財務(wù)失敗預警模型研究綜述03-22

成本分析中“因素分析模型”的研究03-22

學(xué)習型組織理論模型的比較研究03-21

企業(yè)財務(wù)安全的預警與風(fēng)險防范03-22