财务风险预警研究文献综述

孟庆伟

（中国石油大学（华东），山东 青岛266580）

我国金融体系建立目的在于服务实体企业发展，促进经济增长。在防范系统性金融危机发生的背景之下，梳理企业财务风险预警研究文献，对于识别风险、防范风险，进而提出化解风险的应对措施，显得十分重要。

1 国外关于财务风险预警研究的综述

国外的研究起步较早，其主要研究对象是企业的财务指标。同时，新的研究方法也不断出现。

1.1 单变量模型

1932年，菲茨·帕特里克（1932）首次从财务指标切入进行研究。他发现权益负债比和权益净利率这两个指标在发生破产危机的企业和运营状况良好的企业之间有显著的差异，与财务风险的关系密切，能够有效的对财务风险状况进行判断。

Beaver（1966）在Fitz Patrick的研究发现的基础之上，发现财务危机公司和财务健康公司在现金流量/总负债比率、资产负债率和资产报酬率上有显著差异。

由于单变量模型，以单个财务指标为基础，判别依据相对单一，很容易误判。因此，这种危机预警方法应用起来并不理想。

1.2 多变量模型

由于单变量模型易误判，因此多变量财务风险预警模型便应运而生，并在财务风险预警中取得明显更优效果。

Altman（1968）以 1946-1965 年出现财务危机的33家公司配对财务正常公司作为研究样本，从22个指标中，筛选出5个财务指标，构建了Z-SCORE多元判别分析模型。在发生危机前一年，准确率达95%；在发生危机的前两年，模型判别准确率为72%，整体判别准确率相对较高，财务风险预警效果较好。

然而，由于这些模型建立的前提要求是研究使用的财务变量需满足正态分布，但大多数财务指标往往并不能满足。而logistic回归模型用极大似然估计的方法，算出概率分布函数，取代线性函数，在研究中开始被更多地使用。

Martin（1977）将二元 logistic 应用于财务风险预警之中。他通过使用25个财务比率指标变量,建立了二元logistic财务风险预警模型，对危机发生前两年的公司进行预测，预测准确度较高。

1.3 人工神经网络模型

随着计算机迅速普及和人们对新的研究方法的不断学习，人工神经网络模型以其独特的优势，获得了人们的青睐，被广泛地应用。

Odom（1990）最先运用人工神经网络研究财务风险预警。在Altman研究的基础之上，建立神经网络模型。预测结果显示，危机公司与健康公司的准确率分别为81.75%和78.18%，预测结果表明了神经网络模型在财务风险预警上的可行性。

2 国内关于财务风险预警研究的综述

我国证券市场成立较晚，现代企业制度建立时间也较为滞后，所以对于财务风险预警研究的开始较晚。最初是学习和借鉴国外的财务风险预警研究。而后，研究的视角逐步从单纯的财务指标朝着非财务指标转移，并取得了不错的研究成果。

2.1 参考或改进国外财务风险预警模型

周首华（1996）在Z-SCORE模型基础之上，采用了现金流量比率指标，并运用多元回归方法建立了F分数模型，对Z分数模型的进一步完善，并取得了预测准确率为70%的较好预测结果。

陈静(1999)对我国首次被冠以ST头衔的上市公司运用多种方法建立了财务风险预警模型进行研究。她发现出现危机的前三年，模型预警效果良好。

尤璞、武戈(2012)按照1:3的比例对财务危机企业和财务健康的企业进行配对，共选取320家上市公司，吸收股权结构变动等因素，建立BP神经网络模型。

谢斥、赵亦军(2014)构建了基于CFa R模型的Logistic回归模型。研究发现，该模型对财务风险公司和财务正常公司的预测准确程度较高，可分别达到85.2%和81.5%。

2.2 引入非财务指标构建模型

王克敏、姬美光、崔建伟（2004）将关联交易、对外担保、投资者保护等指标纳入上市公司财务风险预警模型之中。得出纳入非财务指标的预测效果更好。

徐凌(2012)综合上市公司的财务数据及经济附加值EVA指标建立新的预警模型。增加了模型的判别能力，且该模型具有良好的预测效果。

黄德忠，朱超群(2016)吸收了反映企业资产质量的指标，建立二元Logistic预警模型。研究结果表明，在单纯的财务指标体系中加入新的变量能显著改善预警的准确程度。

3 文献总结

通过文献梳理，我们不难发现，国内外学者对财务风险预警的研究不断深入，创立新的模型，财务风险预警的效果得到提高。

但是，这些研究主要集中在财务指标上。在非财务指标上，部分学者开始进行探索，但相对较少。因此，下一步的研究应该把一些与企业经营活动相关的非财务指标如公司治理、企业文化、社会责任等相关因素纳入，可能使财务风险预警效果更好。

[1]Fitz-Patrick.Comparison ofRatiosofsuccessfulIndustrial Enterprises with Those of Failed Firms[J].CertifiedPublicAccountant,1932,598-605.

[2]J.Ohlson.A Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research,1980(1):109-131.

[3]尤璞,武戈.基于PCA-BP神经网络的上市公司财务预警策略[J].统计与决策,2012(22):181-183.

[4]谢赤,赵亦军,李为章.基于 CFaR模型与 Logistic回归的财务风险预警研究[J].财经理论与实践,2014(1):57-62.

[5]黄德忠,朱超群.引入企业资产质量指标的财务风险预警模型[J].财会月刊,2016(8):48-52.