新能源汽车的困境文献 [企业财务困境预警文献评述]

　　摘要：财务困境研究一直是学者热衷的焦点，国内关于财务困境预警的文献也很多。本文主要对国内学者所做的财务困境研究进行了总结，从定义、方法和预警指标等方面进行了综述，并进行简单的分析说明。
　　关键词：财务困境 研究方法 预警指标
　　
　　一、引言
　　目前为止，对财务困境的定义没有一个统一的阐述。George Foster（1986）指出所谓“财务困境”是指公司出现了严重的资产折现问题（偿债问题），而且这种问题的解决必须依赖于公司的经营方式或存在形式的转变。Ross（1999）等认为财务危机可从方面定义：公司失败，即公司清算后仍无力支付债权人的债务；法定破产，即公司和债权人向法院申请公司破产；技术破产，即公司无法按期履行债务合约付息还本；会计破产，即公司的账面净资产出现负数，资不抵债。我国学者谷祺和刘淑莲（1999）认为财务危机为公司无力支付到期费用的一种经济现象，包括从资金管理技术性失败到破产以及处于两者之间的各种情况。从以上的表述来看，企业财务困境的本质都是偿债能力的低下，导致资不抵债，从而使得公司连年亏损甚至破产清算。西方学术界绝大多数文献都把破产作为其研究公司财务困境的标志，而国内，由于资本市场发育不成熟，缺乏健全的退出制度，破产的公司比较少，所以一般都采用上市公司因财务状况异常而被特别处理（ST）的标志。杭州电子科技大学的王晓平和王燕杰对国内的对企业财务困境预警模型作了一个文献评述，他们选取了16本国内相关的核心期刊，筛选出15篇样本文献并作了相关统计，发现15篇文献中有11篇采用将被特别处理（ST）作为陷入财务困境的标志这一定义。除此之外，还发现一些其他的定义。李秉祥（2005）以企业“资不抵债”作为上市公司陷入财务危机的标志，从存量和流量两个角度来度量。从资本存量的角度来看，丧失偿债能力是指企业资产价值低于负债价值，企业净资产为负值，也称为会计破产；从现金流量的角度来看，丧失偿债能力是指企业缺乏偿还即将到期债务的现金流，现金总流入小于现金总流出，即企业现金净流量为负值，也称为技术破产。陈燕（2006）认为ST公司大部分是由于连续两年亏损所致使的，对财务危机的研究实质上变成了对公司盈利能力的分析，由此，本文重新以“连续两年息税摊销前收益低于利息费用”定义财务危机。吕长江（2004）、郭斌（2006）分别用“流动比率小于1、正常类贷款企业多于贷款损失的违约类贷款企业”来衡量企业是否陷入财务困境；吴超鹏、吴世农（2005）则基于EVA的思想重新分类企业财务状况。综上所述，尽管有不同的标准，其本质还是相近的，对财务困境定义的统一研究需要学者专家们的进一步努力。
　　二、财务困境的研究方法
　　（ 一 ）研究综述 马若微（2006）在其论文“KMV模型运用于中国上市公司财务困境预警模型的实证研究检验”中对财务困境作了简单的文献回顾。William Beaver（1966）提出了单一比率模型，即利用单一的财务比率来预测公司的财务困境。由于单一比率指标之间的矛盾性，Altman（1968）首先使用了多元线性判别模型，确定了资产营运资本率、资产留存收益率、资产报酬率、债务权益市价率和总资产周转率这5个变量作为判别变量，产生了一个总的判别公司财务状况恶化程度的概率值即Z值。但线性判别模型对预测变量有着严格的联合正态分布要求，或者要求协方差矩阵相等，然而实证发现大多数财务比率并不满足这一要求，且一旦出现虚拟变量，联合正态分布的假设就完全不成立，那么产生的Z值没有明确的含义。为克服这些局限性，自20世纪70年代末以来，财务困境研究人员引进了逻辑（1ogit）和概率（probity）回归方法、人工神经元网络、专家系统、遗传算法等技术。如Ohlson（1980）在研究中使用了1ogit模型；1988年Messier和Hansen将专家系统首次引入到财务困境预测领域；1990年Odom等开始了运用人工神经元网络进行财务困境预测的探索，在1998年Franco和Varetto进行了应用遗传算法在这方面的尝试等。目前国内对财务困境预测的相关研究还只处于起步状态，与国外研究存在着较大差距。最早的是吴世农等在1986年介绍的公司破产分析指标和预测模型，之后周首华（1996）等利用Compustat Pc Plus会计数据库中1990年以来的4160家公司，使用SPSS统计软件建立了F分数模式，但他们的研究对象却不是中国的证券市场；1999年陈静以1998年27家ST公司和27家非ST公司为对象，使用1995年至1997年的财务报表数据，进行了单变量和二类线性判别分析，总体正确率为92.6%（1999）；张玲（2000）以120家上市公司为对象，使用其中60家公司的财务数据估计二类线性判别模型，并使用另外60家公司进行模型检验，发现模型具有超前4年的预测结果；2000年陈晓等将多元Logistic回归模型引入上市公司的财务困境预测；2001年黄岩等则采用了Fisher判别分析建立了我国工业类上市公司财务困境预测模型，并给出了所研究上市公司的Z值范围；2001年吴世农等则以140家上市公司为样本比较了Fisher判别、多元线性回归分析和多元Logistic回归分析的预测效果，发现多元Logistic回归模型的判定能力最好；赵健梅（2003）按照1：1的比例选择了80家上市公司分别进行了单变量和多变量判别分析。
　　（ 二 ）财务困境预警方法的介绍分类 李炳成（2004）在其论文“财务困境预警分析方法评析”中，对各种预警方法从定性和定量的角度进行了简单介绍和分类。第一类：定性预警分析方法，主要是专家调查法和“四阶段症状法分析法”。专家调查法又称为特尔斐法（Delphi Method），是由美国兰德公司的达尔基（N．Dalkey）和赫尔默（O．Helmer）于1964年正式提出的。财务困境专家调查法就是企业组织专家对内外环境进行分析，辨明企业是否存在财务困境发生原因，发现财务困境征兆，以此预测财务困境发生的可能性。“四阶段症状”分析法按财务困境严重程度，将企业财务困境划分为财务危机潜伏期、财务危机发作期、财务危机恶化期、财务危机实现期四个阶段，对应四个不同的阶段，有不同的症状表现。该方法就是通过分析发现困境症状，判断财务困境所处的阶段，然后采取有效的措施，使企业摆脱财务困境。第二类：定量预警分析方法，该方法又分为单变量分析方法和多变量分析方法。单变量方法主要包括比率分析法、相对流动性程度分析法和拉姆达指数分析法等。FitzPartrick（1932），Winakor（1935），Merwin（1942）等人分别采用比率分析法做了实证观察，结果表明随着失败的临近，比率指标的平均值显著恶化，而且不同的财务指标预测能力强弱不同。相对流动性程度由斯科姆普和埃德华（Skomp和Edward）创立，它用作衡量公司流动性的一种替代方法。相对流动性程度指标可以克服流动比率和速动比率存在的不足。拉姆达指数分析法由Gary Emery和1990年诺贝尔奖得主Merlon Miller创建，可用它来衡量公司破产清算的可能性。相对流动性程度分析法和拉姆达指数分析法的共同特点是从现金角度来分析财务状况、预测困境。这两种分析方法认为，如果现金不能满足企业经营现金支出，那么企业将陷人财务困境。此外，“利息及票据贴现费用”判别分析法是从财务费用角度来分析预测财务状况，基本思路是如果利息及票据贴现费用过高，销售收人不能补偿成本与费用，企业就可能陷人财务困境。安全率分析法通过分析经营安全率和资金安全率来判断企业财务状况。安全率分析法分别从收入是否达到保本点来判断经营是否安全，资产能否偿还到期债务来判断资金是否安全。如果经营安全和资金安全状况都比较差，那么企业就可能陷入财务困境。安全率分析法使用了两个指标来分析判断财务状况，因此有学者把这个方法归类为多变量分析法，这是对多变量分析法的错误理解，因为多变量分析法不是指使用多个指标来分析，而是指使用多元函数进行分析。另一种定量方法是多变量分析方法，通过建立多元函数来分析预测企业财务困境，因此该模型也称为多元函数分析模型。在多变量分析模型中，最有影响的是由美国学者奥特曼（Edward I．Altman）提出的“Z―记分法”。1968年奥特曼在The Journal of Finance上发表“财务比率，判别分析和公司破产预测”一文，在该文中，他使用多元判别分析（multiple discriminate analysis，MDA）方法来建立财务困境判别函数，提出了Z记分法，即奥特曼模型；上世纪70年代，日本开发银行以东京证券交易所310家上市公司为研究对象，使用与奥特曼相同的研究方法，得出了类似的公式；台湾的陈肇荣先生也使用台湾地区的数据建立了多元判别函数。上述三者使用方法相同，只是得到的系数和使用的指标不完全相同。从上世纪80年代起，有学者开始用线性概率方法、Logistic方法来建立困境判别函数，近几年又有学者开始用神经网络技术来构建困境判别模型。单变量分析法使用1个或少数几个指标来判断企业财务状况，多变量分析法使用统计技术构建多元分析判别函数以及建立标准判别值来判断企业财务状况。因此，定量分析方法的特点是以数值来判断企业是否会陷人财务困境。第三类是定性定量分析。定性与定量相结合的分析方法是将困境原因以及困境征兆通过赋于数值定量化，然后与临界值相比较来判断企业财务困境发生的可能性。比较典型的定性与定量相结合的分析方法是“A记分”法。“A记分”法，也称管理记分法。管理记分法对企业经营及财务状况判断方法及步骤如下：首先，将企业风险因素分为经营缺点、经营错误、破产征兆三大类。经营缺点包括管理活动不深人等l0项，经营错误包括高杠杆负债经营等3项，破产征兆包括危机财务信号等4项。第二，根据每项因素对企业失败影响的大小进行赋值，对企业失败影响大的因素赋与较大的值，对企业失败影响小的因素赋与较小的值。第三，对各项因素打分，然后将各项分值加总，再根据总分判断企业经营及财务状况。
　　（ 三 ）财务困境预警建模方法述评周利芬、尹光辉（2007）对财务困境预警建模方法进行了评述，着重从定量的角度介绍了十种模型。第一种是我们前面讲的单变量判定模型，除了FitzPartrick和Beaver的模型之外，还提到了资产负债分解模型（Balance Sheet Decomposition Mode1）和赌徒理论模型（Gambler"s Ruin）。第二种是Altman的多元线性判断模型。如前所述，不再重复。第三种是概率模型（Logistic regression mode）。Ohlson（1980）利用Logistic分析建立企业财务危机预测模型，结果发现公司规模、资本结构、资金报酬率、变现能力具有显著的预测能力。Collins& Green（1982）比较了多元判别模型、线性概率模型和多元逻辑回归模型。结论表明多元判别分析和线性概率模型的基础假设不符合破产预测，而且财务指标往往并不服从正态分布假设，财务危机预测应选择多元逻辑回归模型。Aestebro（2001）对有关债务困境预测的方法进行了讨论，认为财务困境的预测应该使用多元Logistic模型，而且在选取匹配样本时应使用随机的而不是确定的标准。Andrews& Evi（2004）的研究结果表明经营现金流指标含有增量信息，Logistic模型和神经网络模型均可用于预警，但Logistic模型稍优于神经网络模型。Chen Jiangguo & Marshall（2006）研究了中国市场上财务比率指标在预测公司困境风险方面的有效性，结果表明息税前利润与总资产比率、每股盈余、资产负债率、账面市值比表现出了较好的解释能力。另外还证明Logistic模型和神经网络模型是最优的预警模型。第四种是神经网络模型（Artificial neural network，ANN），Odom & Sharda （1990）最早使用BP神经网络预测财务危机，结果显示神经网络要优于当时的判别分析模型。Tam& Kiang（1992）利用三层BP神经网络预测银行破产，结果表明神经网络模型比多元判别分析模型和Logistic模型等更精确，更稳定。Coats&Fant（1993）运用神经网络技术学习审计专家的结论来判别财务困境，他们认为Z值模型对破产当年具有很好的判别效果，但不具有很好的提前预测效果，神经网络模型则解决了此问题。Ernest＆ Harish（1995）以保险公司为研究对象，采用判别分析、Logistic回归和神经网络对保险公司的财务困境进行预警研究，结果表明神经网络的预警判别效果更有效。Charalambous，Charitou&Kaourou（2000）比较了线性向量方法、放射性基本函数和前馈神经网络的预测效果，结果发现神经网络比多元逻辑回归和向后传播算法更好。第五种是混沌模型（Chaos theory model）。Lindsay & Campbell（1996）将企业视为具有混沌行为的系统，建立了企业失败预测模型。在相关原理的指导下，他们提出了自己的假设：一个破产企业在临近破产阶段收益的混沌量显著小于该企业在失败前早期阶段收益的混沌量，该假设得到了有力的验证。第六种是自组织映射模型（Self organizing map mode1）， Kiviluoto&Bergius（1998）建立了双层自组织映射模型。第七种是期权定价模型（0ption―Based mode），Charitou & Trigeorgis（2000）使用B―S期权定价模型中的相关变量构建丁财务危机判别模型，结果发现到期债务面值、企业资产的当前市价、企业价值变化的标准差等期权变量在预测破产方面作用显著。第八种是累积总和模（Cumulative sum model，CUSUM），Kahya& Theodossiou（2001）运用累积总和模型对企业失败进行了预测。第九种是多维标度模型（Multidimensional scaling model，MDS），Bishop、MarMoliner等（2003）利用多维标度模型在行业背景下对一家公司财务状况的演变过程进行了案例研究。多维标度模型是一种图像化的聚类方法，它的独特之处是把企业当作变量，而将属性（如财务比率）作为案例。第十种是生存分析模型（Survival analysis mode1），生存分析不使用两分法因变量。在风险模型中因变量是企业持续处于非失败的时间，而自变量可以是时变变量，以“公司一年”的形式存放观测值。Shumway（2001）引人公司年龄变量，构造了一个加速失败时间的离散风险模型。Marc J.Leclere（2005）分析了时问依赖变量和时间独立变量假定对生存分析模型参数估计的影响，并考察其在财务困境预测中的作用。结论表明，时间依赖变量比时间独立变量假设更加合理，预测效果更好。同时，王晓鹏等人（2007）结合沪深制造业板块上市公司1998年至2003年的数据，分析了Cox模型，即生存分析模型（与上述第十种分析模型类似但着重点不同）在企业困境预警中的应用。除了以上介绍的财务预警模型以外，还有其它的非统计类财务预警模型，如：基于灾害理论的预测模型（Gregory―Allen& Henderson．Jr．1991），运用历史事件分析法研究财务危机的模型（Hill，perry，Andes，1995），实验法（Kim & Mcleod 1999），还有以机器学习决策树法、专家系统、案例推理等方法建立的财务预警模型。综上所述，各种预警方法都有利有弊，随着企业的发展，企业陷入困境的因素越来越复杂，相对应的预警模型也越来越能预测未来的趋势。
　　（ 四 ）财务困境预警模型指标选择当前预警模型指标选择主要依靠研究者自身经验以及对前人研究成果的借鉴。王晓萍、王燕杰（2009）试图统计各显著性预警指标被引用次数，结果显示各研究指标分布离散，说明各研究人员在财务危机预警指标的选择上具有一定的主观性。回顾预警指标的发展，大致可以分为传统财务指标和对传统财务指标修正两类。从Fitzpatriek（1932）开始，以Beaver（1966）、Altman（1968）等为代表的学者在一段时间内分别用单变量、多变量传统财务指标构建模型；国内研究中，吴世农（1986）、陈静（1999）、张玲（2000）等国内首批财务危机预警研究者也借鉴采用一系列传统财务指标构建预警模型。将指标归类发现，大部分研究选择的指标可以归为偿债能力、营运能力、盈利能力和成长能力几个方面。如Beaver在其研究中使用79对样本公司研究了现金流量比率、净收益比率、负债与总资产比率、流动资产与总资产比率、流动资产与流动负债比率、周转率六大类30个指标的判别能力，根据误判率，预测失败能力最强的比率是现金流量与总负债之比，其次是净收益与总资产之比，然后是总负债与总资产之比；Altman在其建立的预警模型中选用了资产营运资本率、资产留存收益率、资产报酬率、债务权益市价率和总资产周转率这5个财务指标。传统财务指标客观性强、数据采集相对容易，但是同时财务数据造假、及时性不够等缺点日益显著，后续研究者也针对这些缺陷作出了改进和修正。迄今为止，相关研究人员提出了多种改进指标，主要有现金流量指标、资本市场指标、公司治理指标和宏观环境指标。大部分实证研究表明，由传统财务指标和上述指标所组成的“混合指标体系”构建预测模型比单纯用传统财务指标构建的模型的预测准确率有所提高。例如，桂梦吟、吴硕频（2007）在进行实证分析时采用了财务指标和非财务指标相结合的方法。财务指标主要选择了长期偿债能力、短期偿债能力、营运能力、盈利能力四大类12个指标；而非财务指标则包括股权结构、公司治理以及其它方面共14个指标。样本文章统计结果表明，近年国内学者开始重视现金流量指标和公司治理指标的应用，选用该类指标的文章数分别占样本总量的40%和27%。非财务指标虽然能一定程度上弥补财务指标不足，但是其中定性指标的处理成为研究难点。值得一提的是，基于EVA和自由现金流量理论，出现了采用该类指标构建预警指标体系的研究。预警指标体系确定以后，进一步面临的是从该初始指标集中进一步判断出用于构建模型具体指标的问题。一般统计模型有“各指标之间不存在多重共线性”的要求，如Logistic模型。消除共线性的判断方法，主要包括：通过t检验，找出显著性指标，再进行多重线性判断，选择独立性指标建模（刘京军，2006）；先将变量进行因子分析，提取出具有代表性且相互独立的公因子，然后采用逐步判别分析法，筛选具有判别能力的因子构建模型（郭斌，2006）；基于粗糙集理论方法（马若微，2006）。
　　三、结论
　　财务困境的定义界定是研究的前提范围，预警方法以及预警指标的选择都是进行实证分析的关键步骤，选择合适有效的模型及指标对研究结果的有效性有决定性作用。已有文献大多数都是基于某种方法对我国一段时间的上市公司表现进行研究，得到检验结果：有说明提前年限不同对预测准确率的不同，也有比较不同方法模型得到的准确率有差异的。总体上来说，神经网络模型比多元变量判别分析方法和Logistic模型更客观、准确、有效，而采用财务指标和非财务指标相结合的指标体系也使得预测有效性和准确性大为提升。
　　
　　参考文献：
　　［1］谷祺、刘淑莲：《财务危机企业投资行为分析与对策》，《会计研究》1999年第10期。
　　［2］马若微：《KMV模型运用于中国上市公司财务困境预警模型的实证研究检验》，《数理统计与管理》2006年第25期。
　　［3］〔韩〕沈在康：《商务预测》，机械工业出版社2002年版。
　　［4］李秉成、刘芬芳：《财务困境预警分析方法评析》，《武汉科技大学学报（社会科学版）》2004年第3期。
　　［5］Foster G．Financial Statement Analysis，Prentice Hall Englewood Cliffs，NJ，1986.
　　（编辑 聂慧丽）