基于Logistic模型的上市公司风险预警研究【文献综述】

毕业论文文献综述

会计学

基于Logistic模型的上市公司风险预警研究

1 财务风险的概念

目前对“财务风险”的概念没有统一的定义，大致分为广义的财务风险和狭义的财务风险。

狭义的财务风险通常指筹资风险，即企业由于举债而给企业财务成果（企业利润或股东收益）带来的不确定性。汪平（2003）认为企业的财务风险是由筹资活动引起的，企业借入资金，必须按时支付利息，如果在未来偿债能力不确定的情况下借入资金，就会给企业带来风险。也就是说企业在生产经营中负债规模越大，风险程度越大；没有负债的企业，则不存在财务风险。

广义的财务风险借助于对风险概念来对财务风险进行界定的。向德伟（1995）认为财务风险对于每一个企业都是客观存在的，且对于企业的盈亏与否、经营状况如何具有举足轻重的作用，要完全消除风险及其影响是不现实的。

由此可见，广义的财务风险从企业理财活动全过程和财务的整体观念透视财务本质，能更全面的解释企业的财务风险。广义的财务风险是指企业由于经营环境及各种难以预计或无法控制的因素，在一定时期内，实际的财务收益与预期财务收益发生偏离，从而蒙受损失的可能性。贯穿于企业各个财务环节，是各种风险因素在企业财务上的集中体现，包括筹资风险、投资风险、经营风险和收益分配风险四种风险。 2 国内外财务风险预警模型的研究

自20世纪60年代以来，国内外专家学者对企业财务风险防范预警的研究呈现不断发展的趋势。在风险防范的发展的过程中，由于目标、风险范围、前提条件的不同，形成了不同的学说。一般说来，判别财务风险的方法有定性法和定量法。定性法是以银行等金融机构对客户进行信用风险评价时采用的要素分析法为代表。相比定性分析研究，定量分析法的研究比较成熟。

2.1 国外财务风险预警模型的研究

1

最早的财务预警研究可追溯至Fitzpartrick（1932）开展的单变量破产预测。其后，Beaver（1966）运用统计方法建立了单变量财务预警模型。分别选择了79家1954-1964年财务困境企业和非财务困境企业。比弗选出了5个财务比率（1、债务保障率=现金流量/债务总额2、资产收益率=净收益/资产总额3、资产负债率=负债总额/资产总额4、资产安全率=资产变现率/资产负债率5、资产变现率=资产变现金额/资产账面价值）进行一元判别分析，根据观察值的预测能力大小，发现随着时间的发展，误判率越低，预测能力越强。其中，负债保障率（即现金流量与负债总额的比率）能够最好地判别企业的财务状况（误判率最低），其次是资产负债率。所以在跟踪考察企业时，应对上述比率的变化趋势予以特别的关注。

Altman(1968),首次使用多元判别分析预测财务风险。他根据行业和资产规模选取33家破产企业和33家非破产企业作为研究样本，通过前24年至前3年11年的数据分析，以误判率最小的原则，从22个预测备选变量中选取5个最具共同预测能力的财务变量，最终确定营运资金/资产总额、息税前利润/资产总额、留存收益/资产总额、普通股及优先股市价/负债总额和主营业务收入/资产总额5个财务指标作为判别变量，综合分析预测企业财务风险。

他提出了著名的5变量Z值判定模型。发现Z值越大，企业财务风险越小，出现财务危机的概率越低。当Z值大于2.675时，说明财务风险较小，企业财务治理较好；当Z值小于1.81，说明企业存在较大的破产风险。当Z值处于两者之间时，企业处于破产情况不明的“灰色地带”，处于这个区域时，企业财务是极为不稳定的。

Ohlson(1980)首次将逻辑回归方法引入财务危机预警领域，应用二元概率函数计算危机事件发生的概率，提出条件概率模型，运用Logistic建立了回归分析，选取了105家破产企业和2058家非破产企业，通过分析发现公司规模、资本结构和当前的变现能力最能反映企业财务状况，从此回归分析的研究开始进入财务风险预警领域。他克服了传统判别分析中自变量必须服从多元正态分布和两组间协方差相等的假设的局限性，使财务预警得到了重大改进。

综上所述，自从20世纪60年代开始，专家学者不断深入关于财务风险预警模型的研究。最早由Fitzpartrick（1932）运用单变量进行企业财务风险以及财务困境预测研究。其后，以Beaver（1966）为代表的学者们运用单变量模型（即通过单一的财务比率值或者趋势来预测或判定企业财务风险发生的可能性。）对企业财务风险进行预测。单变量模型虽然具有简单易行的优点，但是由于一次只能用一个财务变量分析，而企业的财务状况是多方面的，没有哪个变量可以单独说明。因为单变量模型的局限性，出现了以Altman(1968)为代表的多元线性判别分析，克服了单变量模型出现的对于同一企业，不同比率预测出

2

不同结果的现象的问题。他的实证研究发现在破产前一年，Z值判定模型预测准确性比Beaver的单变量分析法有较大的提高，但其预测能力与时间有关，预测期越近，预测能力越强。所以它更适用于短期，同时它的假设条件为财务变量服从多元正态分布，两组样本要求等协方差，而现实的样本数据往往并不能满足这一要求。由于统计学的假设，大大限制了多远线性判定模型的应用范围。历史研究表明，财务比率在一定范围内波动不会引起财务风险概率的大幅增加，只有当变动超出临界值时，才会导致财务风险概率的显著增加，财务比率与发生财务风险的概率之间可能为非线性的关系。Ohlson(1980)选取了105家破产企业和2058家非破产企业运用Logistic建立了回归分析，研究表明概率模型在财务风险预警时的准确度优于多元线性模型。虽然多元非线性模型避免了多元线性模型中存在的问题，但计量方法作为分析工具都有各自的适用条件，并且各具优缺点，盲目的使用计量方法将可能得出错误的结论。20世纪80年代末，神经网络理论开始兴起，其影响也进入了财务危机预测研究领域，Coat和Fant(1993)比较类神经网络模型和判别分析模型的预测能力，认为该模型优于判别分析模型。Boritz,Kennedy和Albuquerque(1995)以两种类脑神经网络模型与Altman（1968）以及Ohlson(1980)预测模型进行比较，结果类神经模型并不能提高预测准确率。由此可知，财务风险预测模型的运用不是一定的，每种模型有其各自的优缺点，不同的使用范围和前提假设，必须结合行业和企业的实际情况，有选择的使用。此外，企业在对财务风险进行预测分析时可以同时运用多种方法，相互补充以提高财务风险的预测能力。

2.2国内财务风险预警模型的研究

相比较国外的财务风险预警模型的研究，国内相关领域的研究起步较晚。借鉴西方较为成熟的模型或理论，国内学者结合我国的国情进行了多角度的探索，并取得了宝贵的研究成果。

陈静（1999）选取27家ST公司和27家非ST公司，使用了1995-1997年的报表数据，进行了单变量分析和多元线性分析。在进行单变量分析时，随机在54家企业中随机各选取27家企业作为有效变量和估计变量。通过资产负债率、净资产收益率、总资产收益率和流动比率财务指标，进行单变量分析。研究发现，在ST前一年，流动比率和资产负债率的误判率最低；在ST前3年时，总资产收益率和流动比率的预测能力最强，同时发现净资产收益率的预测准确度极不稳定。笔者认为，因其采用随机方式选取样本，所以选取的财务指标具有很强的主观性，可能未包括一些最重要的指标。此外，所选用的财务指标也

3

许具有高度的相关性，从而影响预测的准确性。

在多元线性分析中，仍采用单变量线性分析所采用的样本，但分为ST和非ST组，在剔除权益/负债后，将5个财务比率（资产负债率，净资产收益率，净利润/年末总资产，流动比率，总资产周转率，营运资本/总资产）作为自变量代入判别模型，1995年的准确度为79.6%，1996年的准确度为85.2%，1997年的准确度为92.6%，同时发现单变量有时比多变量有更好的判断力。

笔者认为，出现这种情况的原因可能是因为很多财务变量只是企业陷入财务困境的征兆，或者说只是一种表现不是本质和原因。过多的财务指标将“因”和“果”混合，反而降低了预测的准确度。

孔宁宁、魏韶巍（2010）选取了我国制造业上市公司46家ST公司，根据资产规模相近、细分行业相同或相近的原则，将46家非ST企业作为配对样本，从而形成30对估计样本和16对检验样本。选取累计贡献率小于95.53%的4个主成分进行模型公式，这4个主成分代表了企业的盈利能力、偿债能力和现金流量能力。研究结果显示，该模型前3年的判别分割点分别为：0.02119、0.022、0.0859。同时运用回归分析进行前3年各年的判别分析。接着运用16对检验样本数据对这两个模型进行检验，主成分分析法前3年各年的检验准确率为93.75%、96.88%、78.13%；逻辑回归在前3年的检验准确率为100%、84.38%、71.88%。比较两种模型检验效果可以发现，除在ST年一年外主成分分析法比逻辑回归的判别准确率高。

笔者认为，陈静（1999）由于当时我国的证劵市场刚刚起步，很多财务指标无法获取，所选取的财务指标具有很强的主观性和高度的相关性，而且该模型很可能遗漏了一些更重要的财务指标，从而影响预测的准确性。张玲（2000）未采用成熟市场所常使用的财务比率，认为当时的股市价值与企业业绩不相关，通过多元线性模型发现这些指标在前3年的预测能力都高于70%。吴世农、卢贤义（2001）通过线性判别分析、多元线性回归分析和逻辑回归分析三种分析方法的比较，认为逻辑回归模型优于其他几种模型，其误判率最低，在财务困境发生前1年的误判率仅为6.47%。孔宁宁、魏韶巍（2010）的研究也表明逻辑回归具有较好财务风险预测能力。同时通过与主成因分析法的比较，认为逻辑回归虽然在计算判别分割点时较为简便，但其预测能力不如主成因分析法。

3展望

随着多元化的金融工具与衍生工具在资本市场中的运用和发展，企业面临的财务风险越来越复杂多变，企业财务风险的研究也越来越受到重视。相对国

4

外企业财务风险预警的研究，我国关于企业财务风险预警模型的研究相对不够成熟。下面从几个角度对我国财务风险预警研究进行探讨：

3.1样本和研究变量的选择。

如果企业的规模不同、所处的行业和地区不同，企业面临的财务风险也不同，能代表企业特征的变量也存在差异，所以针对这些问题有必要进行更深入的研究。

研究变量不但要选取传统的财务指标，还要考虑非财务指标的影响。下面提出了一些建议：（1）反映企业组织结构调整与变化的指标，如管理层变动、企业并购与重组、股权变动。（2）反映企业生产经营的指标，如重大投资融资决策、重大或有事项、关联方交易。（3）反映企业经营结果的指标，如股价波动、产品市场占有率变动、股利分配政策、变更会计事务所。

3..2预警方法和模型的选择

确定具体的预警模型和变量选取方法，是企业财务风险研究的核心。预警模型大致分为6类：单变量判定模型、多元线性判定模型、多元逻辑回归模型、多元概率比回归模型、人工神经网络模型、联合预测模型。变量选取方法主要有逐步判别分析法、交互验证方法。

通过查阅相关文献，基于Logistic模型不需要自变量满足多元正态分布和两组样本等协方差的假设条件，且预测精度比较高，本文将基于该模型对我国上市公司财务风险预警进行研究。

5