時(shí)間：2023-03-20 16:13:51
導(dǎo)語(yǔ)：在財(cái)務(wù)比率論文的撰寫旅程中，學(xué)習(xí)并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優(yōu)秀范文，愿這些內(nèi)容能夠啟發(fā)您的創(chuàng)作靈感，引領(lǐng)您探索更多的創(chuàng)作可能。
[論文摘要]企業(yè)財(cái)務(wù)危機(jī)已成為企業(yè)利益相關(guān)者需要預(yù)測(cè)并應(yīng)對(duì)的重要風(fēng)險(xiǎn)之一。企業(yè)應(yīng)構(gòu)建財(cái)務(wù)預(yù)警機(jī)制，及時(shí)溝通企業(yè)有關(guān)財(cái)務(wù)危機(jī)預(yù)警的信息，有效地防范和化解財(cái)務(wù)危機(jī)。本文對(duì)國(guó)內(nèi)外財(cái)務(wù)危機(jī)預(yù)警模型逐一進(jìn)行評(píng)析，旨在為構(gòu)建符合我國(guó)實(shí)際并具有可操作性的財(cái)務(wù)危機(jī)預(yù)警模型提供借鑒。
隨著我國(guó)市場(chǎng)經(jīng)濟(jì)體制改革的不斷深化，經(jīng)濟(jì)領(lǐng)域中的復(fù)雜性、不確定性日益凸現(xiàn)，企業(yè)發(fā)生財(cái)務(wù)危機(jī)的情況越來(lái)越頻繁，因此，財(cái)務(wù)危機(jī)已成為企業(yè)利益相關(guān)者需要預(yù)測(cè)并應(yīng)對(duì)的重要風(fēng)險(xiǎn)之一。構(gòu)建財(cái)務(wù)預(yù)警機(jī)制，及時(shí)溝通企業(yè)有關(guān)財(cái)務(wù)危機(jī)預(yù)警的信息，有效地防范和化解財(cái)務(wù)危機(jī)，是任何一個(gè)企業(yè)都必須亟待解決的問(wèn)題。近年來(lái)，除了沿用傳統(tǒng)的經(jīng)驗(yàn)判別與定性分析方法外。企業(yè)利益相關(guān)者也開始關(guān)注并嘗試使用財(cái)務(wù)危機(jī)預(yù)警模型來(lái)定量預(yù)測(cè)財(cái)務(wù)危機(jī)。財(cái)務(wù)危機(jī)預(yù)警模型就是借助企業(yè)一系列財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)來(lái)識(shí)別企業(yè)財(cái)務(wù)危機(jī)的判別模型。其關(guān)鍵點(diǎn)就是如何確定預(yù)警指標(biāo)及預(yù)警指標(biāo)的臨界值。本文對(duì)國(guó)內(nèi)外財(cái)務(wù)危機(jī)預(yù)警模型逐一進(jìn)行評(píng)析，旨在為構(gòu)建符合我國(guó)實(shí)際并具有可操作性的財(cái)務(wù)危機(jī)預(yù)警模型提供借鑒。
一、單變量預(yù)警模型
單變量預(yù)警模型是指利用單個(gè)財(cái)務(wù)比率來(lái)進(jìn)行財(cái)務(wù)預(yù)警，以判斷企業(yè)是否發(fā)生財(cái)務(wù)危機(jī)的一種預(yù)測(cè)模型。beaver(1966)在其“財(cái)務(wù)比率與失敗預(yù)測(cè)”一文中，以財(cái)務(wù)危機(jī)預(yù)警為主題，以單一的財(cái)務(wù)比率指標(biāo)為基本變量，運(yùn)用配對(duì)樣本法。隨機(jī)挑選了1954年至1964年間79家危機(jī)中的企業(yè)。并針對(duì)這79家企業(yè)逐一挑選與其產(chǎn)業(yè)相同且資產(chǎn)規(guī)模相近的79家正常企業(yè)進(jìn)行比較。得出的結(jié)論是，最能對(duì)企業(yè)危機(jī)做出預(yù)警的指標(biāo)是“現(xiàn)金流量/總負(fù)債”比率，其次是“凈收益/總資產(chǎn)”比率和“總負(fù)債/總資產(chǎn)”比率。其中，“現(xiàn)金流量”來(lái)自“現(xiàn)金流量表”的3種現(xiàn)金流量之和，除現(xiàn)金外還充分考慮了資產(chǎn)變現(xiàn)力，同時(shí)結(jié)合了企業(yè)銷售和利潤(rùn)的實(shí)現(xiàn)及生產(chǎn)經(jīng)營(yíng)狀況的綜合分析，這個(gè)比率用總負(fù)債作為基數(shù)，考慮了長(zhǎng)期負(fù)債與流動(dòng)負(fù)債的轉(zhuǎn)化關(guān)系，但是總負(fù)債只考慮了負(fù)債規(guī)模，而沒(méi)有考慮負(fù)債的流動(dòng)性，即企業(yè)的債務(wù)結(jié)構(gòu)，因此對(duì)一些因短期償債能力不足而出現(xiàn)危機(jī)的企業(yè)存在很大的誤判性。“總資產(chǎn)”這一指標(biāo)沒(méi)有結(jié)合資產(chǎn)的構(gòu)成要素。因?yàn)椴煌馁Y產(chǎn)項(xiàng)目在企業(yè)盈利過(guò)程中所發(fā)揮的作用是不同的，這不利于預(yù)測(cè)企業(yè)資產(chǎn)的獲利能力是否具有良好的增長(zhǎng)態(tài)勢(shì)。
beaver最先在企業(yè)危機(jī)預(yù)警研究中使用非參數(shù)統(tǒng)計(jì)的二分類檢驗(yàn)方法來(lái)確定分割點(diǎn)。使其錯(cuò)誤分類率降至最低，這一方法為以后的企業(yè)財(cái)務(wù)危機(jī)預(yù)警研究者廣泛采用。此外，beaver還首創(chuàng)配對(duì)抽樣的技術(shù)以控制因產(chǎn)業(yè)類別和企業(yè)資產(chǎn)規(guī)模不同而引起的混淆。但單變量預(yù)警模型只是利用個(gè)別財(cái)務(wù)比率預(yù)測(cè)企業(yè)財(cái)務(wù)危機(jī)。因此其有效性受到一定的限制。一般來(lái)說(shuō)。企業(yè)的生產(chǎn)經(jīng)營(yíng)狀況受到許多因素的影響，各種因素之間既有聯(lián)系又有區(qū)別，單個(gè)比率反映的內(nèi)容往往有限，無(wú)法全面解釋企業(yè)的財(cái)務(wù)狀況。
二、多元判別分析模型
多元判別分析模型是對(duì)企業(yè)多個(gè)財(cái)務(wù)比率進(jìn)行匯總，求出一個(gè)總判別分值來(lái)預(yù)測(cè)企業(yè)財(cái)務(wù)危機(jī)的模型。altman(1968)在其“財(cái)務(wù)比率、判別分析和公司破產(chǎn)預(yù)測(cè)”一文中認(rèn)為，企業(yè)是一個(gè)綜合體，各個(gè)財(cái)務(wù)指標(biāo)之間存在某種相互聯(lián)系。各個(gè)財(cái)務(wù)指標(biāo)對(duì)企業(yè)整體風(fēng)險(xiǎn)的影響和作用也是不一樣的。他通過(guò)把傳統(tǒng)的財(cái)務(wù)比率和多元判別分析方法結(jié)合在一起，發(fā)展了一種財(cái)務(wù)危機(jī)預(yù)警模型，即z計(jì)分模型。該模型的具體形式如下：
z=0.012x1+0.014x2+0.033x3+0.006x4+0.999x5
式中，x1=營(yíng)運(yùn)資本/總資產(chǎn)，反映資產(chǎn)的流動(dòng)性與規(guī)模特征；x2=留存收益/總資產(chǎn)，反映企業(yè)累計(jì)盈利狀況；x3=息稅前收益/總資產(chǎn)，反映企業(yè)資產(chǎn)的獲利能力；x4=權(quán)益的市場(chǎng)價(jià)值/總債務(wù)的賬面值，反映企業(yè)的償債能力；x5=銷售總額/總資產(chǎn)，反映企業(yè)的營(yíng)運(yùn)能力。
通過(guò)統(tǒng)計(jì)分析，altman認(rèn)為z值應(yīng)在1.81-2.99之間，等于2.675時(shí)居中。如果企業(yè)的z值大于2.675，表明企業(yè)的財(cái)務(wù)狀況良好；如果z值小于1.81，則企業(yè)存在很大的破產(chǎn)風(fēng)險(xiǎn)；如果z值處于1.81-2.675之間，稱為“灰色地帶”，處在這個(gè)區(qū)間，則企業(yè)財(cái)務(wù)狀況是極不穩(wěn)定的。
z計(jì)分模型的變量是從資產(chǎn)流動(dòng)性、獲利能力、償債能力和營(yíng)運(yùn)能力等指標(biāo)中各選擇一兩個(gè)最具代表性的指標(biāo)。模型中的系數(shù)則是根據(jù)統(tǒng)計(jì)結(jié)果得到的各指標(biāo)相對(duì)重要性的量度。實(shí)證表明該模型對(duì)企業(yè)財(cái)務(wù)危機(jī)有很好的預(yù)警功能。但其預(yù)測(cè)效果也因時(shí)間的長(zhǎng)短而不一樣，預(yù)測(cè)期越短，預(yù)測(cè)能力越強(qiáng)，因此該模型較適合企業(yè)短期風(fēng)險(xiǎn)的判斷。
z計(jì)分模型在企業(yè)破產(chǎn)前超過(guò)3年的預(yù)測(cè)正確率大大降低，而且隨著時(shí)間的推移，經(jīng)濟(jì)環(huán)境也將出現(xiàn)重大變化，特別是進(jìn)入20世紀(jì)70年代以后，企業(yè)財(cái)務(wù)危機(jī)的平均規(guī)模急劇增大，原有的z計(jì)分模型已無(wú)法解釋當(dāng)時(shí)的企業(yè)財(cái)務(wù)危機(jī)現(xiàn)象。于是，altman等人于1977年又提出了一種能更準(zhǔn)確地預(yù)測(cè)企業(yè)財(cái)務(wù)危機(jī)的新模型——zeta模型。在該模型中，altman等人利用27個(gè)初始財(cái)務(wù)比率進(jìn)行區(qū)別分析，最后選取了7個(gè)解釋變量，即資產(chǎn)報(bào)酬率(息稅前利潤(rùn)/總資產(chǎn))、盈余穩(wěn)定性(息稅前利潤(rùn)，總資產(chǎn)的10年標(biāo)準(zhǔn)誤差)、利息保障倍數(shù)(息稅前利潤(rùn)/利息支出總額)、累計(jì)盈余(留存收益/總資產(chǎn))、流動(dòng)性(流動(dòng)比率)、資本比率(5年普通股平均市值/總資本)和資本規(guī)模(普通股權(quán)益/總資產(chǎn))。該模型存在的不足是選擇比率沒(méi)有理論可依，選擇同一行業(yè)中相匹配的危機(jī)公司和正常公司也是困難的，而且觀察的總是歷史事件。但由于該模型簡(jiǎn)單明了。以后對(duì)企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型的研究都是沿著這一思路進(jìn)行的。
20世紀(jì)70年代，日本開發(fā)銀行調(diào)查部選擇了東京證券交易所310家上市公司作為研究對(duì)象，使用與altman相同的研究方法，建立了“利用經(jīng)營(yíng)指標(biāo)進(jìn)行企業(yè)風(fēng)險(xiǎn)評(píng)價(jià)的破產(chǎn)模型”，進(jìn)行財(cái)務(wù)危機(jī)預(yù)測(cè)。其判別函數(shù)為：
z=2.1x1+1.6x2-1.7x3-x4+2.6x5+2.5x6
式中，x1表示銷售額增長(zhǎng)率；x2表示總資本利潤(rùn)率；x3表示他人資本分配率；x4表示資產(chǎn)負(fù)債率；x5表示流動(dòng)比率；x6表示粗附加值生產(chǎn)率(為折舊費(fèi)、人工成本、利息及利稅之和與銷售額之比)。模型中和的系數(shù)是負(fù)數(shù)，表明他人資本分配率和資產(chǎn)負(fù)債率越小，風(fēng)險(xiǎn)也越小。該模型z值的判斷標(biāo)準(zhǔn)是：如果z值大于10，則企業(yè)財(cái)務(wù)狀況良好：如果z值小于0，則企業(yè)存在嚴(yán)重的財(cái)務(wù)危機(jī)，破產(chǎn)的概率極大；如果z值在0與10之間。則表明企業(yè)處于“灰色區(qū)域”，存在財(cái)務(wù)隱患。
陳肇榮應(yīng)用中國(guó)臺(tái)灣地區(qū)的企業(yè)財(cái)務(wù)資料建立了多元判別函數(shù)，但未給出臨界值及警度區(qū)間。該模型如下：
z=0.35x1+0.67x2-0.57x3+0.39x4+0.55x5
式中，x1=速動(dòng)資產(chǎn)/流動(dòng)負(fù)債；x2=營(yíng)運(yùn)資金/資產(chǎn)總額；x3=固定資產(chǎn)/資本凈值；x4=應(yīng)收賬款/銷售凈額；x5=現(xiàn)金流入量/現(xiàn)金流出量。
由于z計(jì)分模型在建立時(shí)并沒(méi)有充分考慮到現(xiàn)金流量的變動(dòng)等方面的情況，因而具有一定的局限性。為此，中國(guó)學(xué)者周首華等對(duì)z計(jì)分模型加以改造，并建立其財(cái)務(wù)危機(jī)預(yù)測(cè)的新模型——f分?jǐn)?shù)模式。f分?jǐn)?shù)模式的主要特點(diǎn)是：(1)f分?jǐn)?shù)模型中加入現(xiàn)金流量這一預(yù)測(cè)自變量。許多專家證實(shí)現(xiàn)金流量比率是預(yù)測(cè)公司破產(chǎn)的有效變量，因而彌補(bǔ)了z計(jì)分模型的不足。(2)考慮了現(xiàn)代化公司財(cái)務(wù)狀況的發(fā)展及其有關(guān)標(biāo)準(zhǔn)的更新。公司所應(yīng)有財(cái)務(wù)比率標(biāo)準(zhǔn)已發(fā)生了許多變化，特別是現(xiàn)金管理技術(shù)的應(yīng)用，已使公司所應(yīng)維持的必要的流動(dòng)比率大為降低。(3)使用的樣本更加擴(kuò)大。其使用了compustat pc plus會(huì)計(jì)數(shù)據(jù)庫(kù)中1990年以來(lái)的4160家公司的數(shù)據(jù)進(jìn)行了檢查；而z計(jì)分模型的樣本僅為66家(33家破產(chǎn)公司和33家非破產(chǎn)公司)。
f分?jǐn)?shù)模式如下：
z=0.1774+1.1091x1+1.1074x2+1.9271x3+0.0302x4+0.4961x5+0，496 1x5
式中，x1、x2及x4與z計(jì)分模型中的x1，x2及x4相同，這里不再進(jìn)行分析；x3=(稅后純收益+折舊)/平均總負(fù)債；x3=(稅后純收益+利息+折舊)/平均總資產(chǎn)。
f分?jǐn)?shù)模式與z計(jì)分?jǐn)?shù)模型中各比率的區(qū)別就在于其x3，x5的比率不同。x3是一個(gè)現(xiàn)金流量變量，它是衡量企業(yè)所產(chǎn)生的全部現(xiàn)金流量可用于償還企業(yè)債務(wù)能力的重要指標(biāo)。一般來(lái)講，企業(yè)提取的折舊費(fèi)用，也是企業(yè)創(chuàng)造的現(xiàn)金流入，必要時(shí)可將這部分資金用來(lái)償還債務(wù)。x5測(cè)定的是企業(yè)總資產(chǎn)在創(chuàng)造現(xiàn)金流量方面的能力。相對(duì)于z計(jì)分模型，它可以更準(zhǔn)確地預(yù)測(cè)出企業(yè)是否存在財(cái)務(wù)危機(jī)。f分?jǐn)?shù)模式的f分?jǐn)?shù)臨界點(diǎn)為0.0274；若某一特定的f分?jǐn)?shù)低于0.0274，則將被預(yù)測(cè)為破產(chǎn)公司；反之，若f分?jǐn)?shù)高于0.0274，則公司將被預(yù)測(cè)為繼續(xù)生存公司。
多元判別分析模型是根據(jù)特定樣本建立起來(lái)的判別模型，因而根據(jù)一個(gè)地區(qū)(或時(shí)期)樣本企業(yè)建立的判別分析模型可能無(wú)法有效地對(duì)另一個(gè)地區(qū)(或時(shí)期)的企業(yè)進(jìn)行預(yù)測(cè)。此外，多元判別分析模型的有用性差，導(dǎo)致理論研究熱而實(shí)際應(yīng)用冷的尷尬局面。
三、線性概率模型
線性概率模型是多元判別分析模型的一種替代選擇。該模型為：
p=c0+c1x1+c2x2+…+cnxn
該模型可以解釋為，在給定財(cái)務(wù)比率xn的情況下，p為該企業(yè)發(fā)生財(cái)務(wù)危機(jī)的概率的估計(jì)值。該模型計(jì)算雖然簡(jiǎn)單，但存在明顯的缺陷：(1)該模型表示企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性，則p值只能在(0，1)區(qū)間之中，然而線性回歸方程無(wú)法做到這一點(diǎn)，采用該模型進(jìn)行預(yù)測(cè)時(shí)，p值可能在(0，1)區(qū)間之外；(2)線性概率的假設(shè)往往與實(shí)際情況不吻合。現(xiàn)實(shí)生活中的經(jīng)濟(jì)變量是不確定的，而在該模型中，自變量c卻是一個(gè)常數(shù)。基于以上原因，該模型在企業(yè)財(cái)務(wù)危機(jī)預(yù)測(cè)的實(shí)際研究中鮮有采用。
四、logistic模型
盡管多元判別分析模型有較好的預(yù)測(cè)性，但存在假設(shè)上的局限性，即要求各自變量(財(cái)務(wù)比率)服從多元正態(tài)分布的假設(shè)和兩組變量(發(fā)生財(cái)務(wù)危機(jī)與未發(fā)生財(cái)務(wù)危機(jī)企業(yè))具有同樣方差一協(xié)方差矩陣的假設(shè)，顯然，這些假設(shè)與現(xiàn)實(shí)相去甚遠(yuǎn)。此外。樣本的抽取往往也會(huì)影響評(píng)價(jià)模型的預(yù)測(cè)準(zhǔn)確性。因此。為服務(wù)于對(duì)定性因變量的多元非線性分析，ohlson率先在財(cái)務(wù)危機(jī)預(yù)警研究中應(yīng)用了二元概率函數(shù)來(lái)計(jì)算危機(jī)事件發(fā)生的概率，由此產(chǎn)生了logistic模型。在企業(yè)財(cái)務(wù)危機(jī)判定與預(yù)測(cè)中，logistic模型如下：
yi=β0+β1xli+…+βkxki
pi=1/(1+e-yx)
式中，yi代表第i家企業(yè)是否發(fā)生財(cái)務(wù)危機(jī)，i=0或1，0代表正常企業(yè)，1代表財(cái)務(wù)危機(jī)企業(yè)，xki代表第i家企業(yè)的第k個(gè)財(cái)務(wù)比率，pi代表根據(jù)logistic模型所估計(jì)出來(lái)的第i家企業(yè)可能發(fā)生財(cái)務(wù)危機(jī)的概率。
該模型是一個(gè)用來(lái)測(cè)度企業(yè)是否會(huì)發(fā)生財(cái)務(wù)危機(jī)的二元選擇模型。對(duì)這個(gè)模型的參數(shù)估計(jì)只能采用最大似然估計(jì)法。logistic模型的一個(gè)重要優(yōu)點(diǎn)是它把在(0，1)區(qū)間預(yù)測(cè)一個(gè)企業(yè)是否發(fā)生財(cái)務(wù)危機(jī)的概率的問(wèn)題轉(zhuǎn)化為在實(shí)數(shù)軸上預(yù)測(cè)一個(gè)企業(yè)是否發(fā)生財(cái)務(wù)危機(jī)的機(jī)會(huì)比的問(wèn)題，這與線性概率有著本質(zhì)上的不同和進(jìn)步。
五、人工神經(jīng)網(wǎng)絡(luò)分析模型
運(yùn)用線性概率分析、邏輯回歸方法來(lái)建立財(cái)務(wù)危機(jī)判別函數(shù)都是直接或者間接地依賴于線性函數(shù)來(lái)建立模型。存在的只是理論上的優(yōu)越性。往往并不能很好地?cái)M合復(fù)雜的實(shí)際數(shù)據(jù)。1987年，lapedes和fayber首次應(yīng)用人工神經(jīng)網(wǎng)絡(luò)分析模型進(jìn)行預(yù)測(cè)，開創(chuàng)了人工神經(jīng)網(wǎng)絡(luò)預(yù)警的先河。該模型是一種平行分散處理模型，其構(gòu)建理念基于對(duì)人類大腦神經(jīng)運(yùn)作的模擬。它除具有較好的模式識(shí)別能力外，還可以克服傳統(tǒng)統(tǒng)計(jì)方法的局限，具有容錯(cuò)能力。更難能可貴的是，該模型具有隨不斷變化的復(fù)雜環(huán)境進(jìn)行自我學(xué)習(xí)的能力，因而使企業(yè)財(cái)務(wù)危機(jī)動(dòng)態(tài)預(yù)警成為可能。
【關(guān)鍵詞】財(cái)務(wù)預(yù)警；財(cái)務(wù)危機(jī)；邏輯回歸
一、研究背景及意義
伴隨著我國(guó)社會(huì)主義市場(chǎng)經(jīng)濟(jì)體制改革的不斷深化，激烈的市場(chǎng)競(jìng)爭(zhēng)不僅給我國(guó)上市公司帶來(lái)了磨練的機(jī)遇，也帶來(lái)了諸多新的挑戰(zhàn)。由于存在這種激烈的市場(chǎng)競(jìng)爭(zhēng)氛圍，不可避免地會(huì)使一批實(shí)力不夠強(qiáng)大的上市公司陷入財(cái)務(wù)危機(jī)，這就會(huì)給與該上市公司有利益關(guān)聯(lián)的投資者、債權(quán)人、其他企業(yè)以及國(guó)家造成不利的影響。所以，構(gòu)造財(cái)務(wù)危機(jī)預(yù)警模型已成為世界各國(guó)學(xué)者爭(zhēng)相研究的熱門課題。由于所有預(yù)警模型的預(yù)測(cè)效果均受來(lái)自樣本容量和誤差的影響，而且在現(xiàn)實(shí)的經(jīng)濟(jì)世界中總會(huì)發(fā)生這樣或那樣的對(duì)上市公司生產(chǎn)經(jīng)營(yíng)造成不利影響的偶然事件，因此人們建立的財(cái)務(wù)危機(jī)預(yù)警模型不是百分之百的準(zhǔn)確。但是，一個(gè)判斷準(zhǔn)確率較高的預(yù)警模型還是很有價(jià)值的，這對(duì)于保護(hù)與該上市公司有利益關(guān)聯(lián)的投資者、債權(quán)人、其他企業(yè)以及國(guó)家的利益具有重大意義。
二、關(guān)于財(cái)務(wù)危機(jī)含義的界定
財(cái)務(wù)危機(jī)（Financial Crisis）又稱財(cái)務(wù)困境（Financial Distress），破產(chǎn)是最為嚴(yán)重的財(cái)務(wù)危機(jī)，大多數(shù)國(guó)外學(xué)者的研究著眼點(diǎn)都是從企業(yè)破產(chǎn)著手的。在Beaver（1966）的研究中，79家“財(cái)務(wù)困境公司”包括59家破產(chǎn)公司、16家拖欠優(yōu)先股股利公司和3家拖欠債務(wù)的公司。由此可見，Beaver把破產(chǎn)、拖欠優(yōu)先股股利、拖欠債務(wù)界定為財(cái)務(wù)困境。Altman（1968）定義的財(cái)務(wù)困境是“進(jìn)入法定破產(chǎn)的企業(yè)”。Deakin（1972）則認(rèn)為財(cái)務(wù)困境公司“僅包括已經(jīng)經(jīng)歷破產(chǎn)、無(wú)力償債或?yàn)閭鶛?quán)人利益而已經(jīng)進(jìn)行清算的公司”。Carmichael（1972）認(rèn)為財(cái)務(wù)困境是企業(yè)履行義務(wù)時(shí)受阻，具體表現(xiàn)為流動(dòng)性不足、權(quán)益不足、債務(wù)拖欠及資金不足四種形式。國(guó)內(nèi)學(xué)者對(duì)財(cái)務(wù)危機(jī)的界定并多不，一般認(rèn)為“財(cái)務(wù)危機(jī)是指企業(yè)因財(cái)務(wù)運(yùn)作不善而導(dǎo)致財(cái)務(wù)狀況惡化的一系列動(dòng)態(tài)結(jié)果”，將被ST的上市公司定義為陷入財(cái)務(wù)危機(jī)。
三、文獻(xiàn)回顧
（一）國(guó)外文獻(xiàn)回顧
最早進(jìn)行財(cái)務(wù)預(yù)警模型研究的是Fitzpatrick（1932）所做的單變量破產(chǎn)預(yù)測(cè)模型，他以19家企業(yè)為樣本，運(yùn)用單個(gè)財(cái)務(wù)比率將樣本分為破產(chǎn)和非破產(chǎn)兩組，結(jié)果發(fā)現(xiàn)判別能力最高的是凈利潤(rùn)/股東權(quán)益和股東權(quán)益/負(fù)債兩個(gè)比率，而且在經(jīng)營(yíng)失敗之前三年這些比率呈現(xiàn)出顯著差異。
Beaver（1966）選取了30個(gè)財(cái)務(wù)比率進(jìn)行研究，在排除行業(yè)因素和公司資產(chǎn)規(guī)模因素的前提下，通過(guò)對(duì)30個(gè)比率進(jìn)行單個(gè)檢驗(yàn)，研究發(fā)現(xiàn)現(xiàn)金流量/債務(wù)總額，凈收益/資產(chǎn)總額，債務(wù)總額/資產(chǎn)總額對(duì)預(yù)測(cè)財(cái)務(wù)危機(jī)是有效的，其中現(xiàn)金流量/債務(wù)總額指標(biāo)表現(xiàn)最好。
Altman（1968）提出的了多元判別模型—Z-score判別模型。他以1946年至1965年期間提出破產(chǎn)申請(qǐng)的33家公司和相對(duì)應(yīng)的33家非破產(chǎn)公司作為樣本，運(yùn)用逐步多元區(qū)別分析法提煉最具有代表性的財(cái)務(wù)比率，通過(guò)統(tǒng)計(jì)技術(shù)篩選出在兩組間差別盡可能大而在兩組內(nèi)部的離散度最小的變量，從而將多個(gè)標(biāo)志變量在最小信息損失下轉(zhuǎn)換為分類變量，獲得能有效提高預(yù)測(cè)精度的多元線性判別方程。用其財(cái)務(wù)比率擬合出一個(gè)多元線性函數(shù)方程，求出Z值，對(duì)其經(jīng)營(yíng)狀況進(jìn)行預(yù)測(cè)或判斷，發(fā)現(xiàn)模型的預(yù)測(cè)力在破產(chǎn)前一年的成功率明顯超過(guò)了一元判定模型。
Ohlson（1980）采用Logistic回歸方法建立財(cái)務(wù)預(yù)警模型，分析樣本公司在破產(chǎn)概率區(qū)間上的分布以及兩類判別錯(cuò)誤和分割點(diǎn)的關(guān)系。Logistic回歸模型對(duì)于變量的分布不再有具體要求，而且在回歸時(shí)通過(guò)概率值進(jìn)行預(yù)測(cè)，具有較好的實(shí)用性。
Coats和Fant（1993）使用BP神經(jīng)網(wǎng)絡(luò)理論，以Altman構(gòu)建的5個(gè)財(cái)務(wù)比率為研究變量建立財(cái)務(wù)預(yù)警模型，對(duì)財(cái)務(wù)失敗公司進(jìn)行判別分析，結(jié)果表明Z值模型對(duì)破產(chǎn)當(dāng)年具有很好的判斷效果，但不具有很好的提前預(yù)測(cè)效果，而神經(jīng)網(wǎng)絡(luò)模型能夠較好解決這一問(wèn)題。
（二）國(guó)內(nèi)文獻(xiàn)回顧
受證券市場(chǎng)發(fā)展的影響，國(guó)內(nèi)對(duì)財(cái)務(wù)預(yù)警的研究起步較晚。吳世農(nóng)和黃世忠（1986）首次介紹了企業(yè)破產(chǎn)的分析指標(biāo)和預(yù)測(cè)模型。周首華等（1996）選用1977-1990年31家國(guó)外破產(chǎn)公司和另外相對(duì)應(yīng)的同一行業(yè)、同一年度及相近凈銷售額的31家非破產(chǎn)公司作為研究樣本，提出了F分?jǐn)?shù)模型，在充分考慮了企業(yè)現(xiàn)金流量的變動(dòng)等方面的情況后，通過(guò)調(diào)整和更新指標(biāo)對(duì)Z值模型進(jìn)行修正。
我國(guó)直到1999年4月才真正開始了以我國(guó)企業(yè)數(shù)據(jù)為基礎(chǔ)，建立適合我國(guó)國(guó)情的預(yù)警模型的實(shí)證研究。陳靜（1999）以1998年27個(gè)ST公司和27個(gè)非ST公司為樣本，最終選定資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、總資產(chǎn)報(bào)酬率等6個(gè)財(cái)務(wù)指標(biāo)，分別以公司被ST的前1年、前2年、前3年的財(cái)務(wù)數(shù)據(jù)為基礎(chǔ)，用判別分析方法做了實(shí)證分析。在單變量判定分析中，選取了資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、總資產(chǎn)收益率、流動(dòng)比率4個(gè)財(cái)務(wù)指標(biāo)進(jìn)行了研究，發(fā)現(xiàn)在這4個(gè)財(cái)務(wù)指標(biāo)中，流動(dòng)比率與負(fù)債比率的誤判率最低；在多元判別分析中，選取了負(fù)債比率、凈資產(chǎn)收益率、凈利潤(rùn)/年末總資產(chǎn)、流動(dòng)比率、營(yíng)運(yùn)資本/總資產(chǎn)、總資產(chǎn)周轉(zhuǎn)率6個(gè)財(cái)務(wù)指標(biāo)，構(gòu)建了Fisher判別分析模型，發(fā)現(xiàn)這個(gè)模型在ST發(fā)生的前3年能較好地預(yù)測(cè)ST。
張玲（2000）以120家公司為研究對(duì)象，使用其中60家公司（其中有30家1998或1999年戴帽的ST公司，30家績(jī)優(yōu)公司）的財(cái)務(wù)數(shù)據(jù)估計(jì)二類線性判別模型，并使用另外60家公司（其中有21家ST公司和隨機(jī)選擇的39家非ST公司）進(jìn)行模型檢驗(yàn)，經(jīng)過(guò)判別分析過(guò)程，從原來(lái)的15個(gè)特征財(cái)務(wù)比率變量中最后推導(dǎo)出只有4個(gè)變量：資產(chǎn)負(fù)債比率、營(yíng)運(yùn)資金與總資產(chǎn)比率、總資產(chǎn)利潤(rùn)率、留成收益與資產(chǎn)總額的判別函數(shù)，發(fā)現(xiàn)判別模型具有超前4年的預(yù)測(cè)結(jié)果。
吳世農(nóng)、盧賢義（2001）分別采用了剖面分析法、單變量判定分析方法、多變量判定方法進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究。通過(guò)驗(yàn)證比較最終得出結(jié)論：多變量判定模型優(yōu)于單變量模型，并且三種多變量判定模型的效果表明，Logit回歸模型的判定準(zhǔn)確性最高。Logit回歸模型選取的預(yù)測(cè)變量有盈利增長(zhǎng)指數(shù)、資產(chǎn)報(bào)酬率、流動(dòng)比率、長(zhǎng)期負(fù)債股東權(quán)益比率、營(yíng)運(yùn)資本/總資產(chǎn)、資產(chǎn)周轉(zhuǎn)率。
張愛民等（2001）在借鑒奧特曼（Altman）的多元Z值判定模型的基礎(chǔ)上，采用主成分分析方法，建立了一種新的預(yù)測(cè)企業(yè)財(cái)務(wù)失敗的模型——主成分預(yù)測(cè)模型，并把滬深兩地證券市場(chǎng)的ST公司界定為“財(cái)務(wù)失敗企業(yè)”，選取40家ST公司及與之相對(duì)應(yīng)的40家非ST公司共80家企業(yè)作為研究樣本，對(duì)上市公司財(cái)務(wù)失敗的主成分預(yù)測(cè)模型進(jìn)行實(shí)證檢驗(yàn)。5個(gè)提取的主成分分別為：成長(zhǎng)能力、償債能力、收益能力之總資產(chǎn)報(bào)酬率、收益能力之銷售（營(yíng)業(yè)）利潤(rùn)率、收益能力之凈資產(chǎn)收益率。檢測(cè)結(jié)果顯示：特別處理前一、二、三年40家測(cè)試企業(yè)分別有37、35、31家判斷正確，正確率分別達(dá)92.5%、87.5%、77.5%。
隨著統(tǒng)計(jì)技術(shù)和計(jì)算機(jī)技術(shù)的不斷發(fā)展，人工智能及人工神經(jīng)元網(wǎng)絡(luò)等技術(shù)也逐漸被引入到財(cái)務(wù)危機(jī)預(yù)警模型中，劉洪、何光輝（2004）選取每股凈資產(chǎn)、凈資產(chǎn)收益率、每股經(jīng)營(yíng)現(xiàn)金流量、現(xiàn)金獲利指數(shù)、主營(yíng)業(yè)務(wù)凈收益率、利息保障倍數(shù)、應(yīng)收賬款周轉(zhuǎn)率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、主營(yíng)業(yè)務(wù)收人增長(zhǎng)率、凈資產(chǎn)增長(zhǎng)率10個(gè)財(cái)務(wù)指標(biāo)，在用傳統(tǒng)的判別分析方法和邏輯回歸分析方法對(duì)公司經(jīng)營(yíng)失敗建立預(yù)警模型的基礎(chǔ)上，探索應(yīng)用人工神經(jīng)網(wǎng)絡(luò)方法對(duì)該問(wèn)題進(jìn)行了比較研究。結(jié)果表明，人工神經(jīng)網(wǎng)絡(luò)方法的預(yù)測(cè)精度遠(yuǎn)高于兩種傳統(tǒng)的統(tǒng)計(jì)方法。
四、BP人工神經(jīng)網(wǎng)絡(luò)技術(shù)的簡(jiǎn)介
人工神經(jīng)網(wǎng)絡(luò)是一種平行分散處理模式，其構(gòu)建理念基于人類大腦神經(jīng)運(yùn)作的模擬。人工神經(jīng)網(wǎng)絡(luò)除具有較好的模式識(shí)別能力外，還可以克服傳統(tǒng)統(tǒng)計(jì)方法的局限，因它具有容錯(cuò)能力，對(duì)數(shù)據(jù)的分布要求不嚴(yán)格，具備處理資料遺漏或是錯(cuò)誤的能力。最可貴的一點(diǎn)是人工神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)能力，可隨時(shí)依據(jù)新準(zhǔn)備的數(shù)據(jù)資料進(jìn)行自我學(xué)習(xí)、訓(xùn)練，調(diào)整其內(nèi)部的儲(chǔ)存權(quán)重參數(shù)以對(duì)應(yīng)多變的企業(yè)運(yùn)作環(huán)境。前向三層BP神經(jīng)網(wǎng)絡(luò)方法被認(rèn)為是最適用于模擬輸入、輸出的近似關(guān)系，它是在人工神經(jīng)網(wǎng)絡(luò)中算法最成熟、應(yīng)用最廣泛的一種。BP神經(jīng)網(wǎng)絡(luò)方法擺脫了一般回歸方法的局限，突破了依賴線性函數(shù)來(lái)建立統(tǒng)計(jì)模型的限制，用非線性函數(shù)更好地?cái)M合實(shí)際資料數(shù)據(jù)，實(shí)現(xiàn)了方法上的創(chuàng)新。
（一）BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
典型的BP神經(jīng)網(wǎng)絡(luò)模型是一個(gè)由輸入層、隱含層和輸出層組成的階層型神經(jīng)網(wǎng)絡(luò)。層間神經(jīng)元實(shí)現(xiàn)全連接，層內(nèi)神經(jīng)元無(wú)連接，其中隱含層可以是一層，也可以是多層。BP神經(jīng)網(wǎng)絡(luò)構(gòu)架如圖1所示。
BP網(wǎng)絡(luò)的產(chǎn)生歸功于BP算法的獲得。BP算法屬于δ算法，是一種監(jiān)督式的學(xué)習(xí)算法。其主要思想為：對(duì)于q個(gè)輸入學(xué)習(xí)樣本P1，P2，…，Pq，已知對(duì)應(yīng)的輸出樣本為T1，T2，…，Tq。學(xué)習(xí)的目的是用網(wǎng)絡(luò)的實(shí)際輸出A1，A2，…，Aq與目標(biāo)矢量T1，T2，…，Tq之間的誤差來(lái)修改其權(quán)值，使Al（l=1，2，…q）與期望的Tl盡可能的接近，即使網(wǎng)絡(luò)輸出層的誤差平方和最小。它是通過(guò)連續(xù)地在相對(duì)誤差函數(shù)斜率下降的方向上計(jì)算網(wǎng)絡(luò)權(quán)值和偏差的變化而逐漸逼近目標(biāo)的。
（二）MATLAB中的BP網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)和編程
我們假定一個(gè)7-15-1結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。其中7-15-1表示7個(gè)輸入節(jié)點(diǎn)、15個(gè)隱層神經(jīng)元、1個(gè)輸出節(jié)點(diǎn)（定義：輸出1為有財(cái)務(wù)危機(jī)，輸出0為無(wú)財(cái)務(wù)危機(jī)，即矩陣[y]）。輸入層到隱含層的傳遞函數(shù)確定tansig型傳遞函數(shù)，隱含層到輸出層之間的傳遞函數(shù)都確定為logsig型傳遞函數(shù)，目標(biāo)誤差為0.00000001，學(xué)習(xí)速率為0.09，訓(xùn)練循環(huán)次數(shù)10000次。使用MATLAB編程語(yǔ)言，建立了一個(gè)前向三層BP網(wǎng)絡(luò)，并運(yùn)用若干個(gè)訓(xùn)練樣本作為學(xué)習(xí)集進(jìn)行訓(xùn)練。再將另外若干個(gè)個(gè)測(cè)試樣本的7個(gè)同樣指標(biāo)的原始數(shù)據(jù)代入網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。則MATLAB編程語(yǔ)言如下：
通過(guò)運(yùn)行上述程序，即可得出預(yù)測(cè)的矩陣[y]。將其與真實(shí)值進(jìn)行對(duì)比，便可以求出預(yù)測(cè)的精確度。
參考文獻(xiàn)
[1]Altman，E.I.Financial Raions，Discriminant Analysis and Prediction of Corporate Bankruptcy.Journal of Finance，1968（9）：589-609.
[2]Beaver，W.H.Financial Rations as Predictors of Failures.Journal of Accounting Research，Supplement，1966（4）：71-127.
[3]Carmichael，D.R.1972，“The Auditor’s Reporting Obligation”，Auditing Research Monograph No.1（New York：AICPA），pp：94.
[4]Coats P，L F Fant.Recognizing Financial Distress Patterns Using A Neural Network Tool[J].Financial Management，1993，（22）：142-155.
[5]Deakin，E.B.1972，“A Discriminant Analysis of Prediction of Business Failure”，Journal of Accounting Research（Spring）：pp：167-169.
[6]Fitzpatrick.P.J.A comparison of ratios of successful industrial enterprises with those of failed firms[J].Certified Public Account，1932，Oct：598-605.
[7]Ohlson.Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980（19）：109-131.
[8]陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析[J].會(huì)計(jì)研究，1994（4）：31-38.
[9]叢爽.面向MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用（第3版）[M].中國(guó)科學(xué)技術(shù)大學(xué)出版社，2009.
[10]馮月平.Logistic財(cái)務(wù)預(yù)警回歸模型的構(gòu)建與檢驗(yàn)—以我國(guó)制造業(yè)上市公司為例[M].青島理工大學(xué)2010級(jí)碩士論文.
[11]劉洪，何光軍.基于人工神經(jīng)網(wǎng)絡(luò)方法的上市公司經(jīng)營(yíng)失敗預(yù)警研究[J].會(huì)計(jì)研究，2004（2）.
[12]吳世農(nóng)，黃世忠.企業(yè)破產(chǎn)的預(yù)測(cè)指標(biāo)和檢測(cè)模型[J].中國(guó)經(jīng)濟(jì)問(wèn)題，1986（6）：5-8.
[13]吳世農(nóng)，盧賢義.我國(guó)上市公司財(cái)務(wù)困境的預(yù)測(cè)模型研究[J].經(jīng)濟(jì)研究，2001（6）：46-55.
[14]張愛民，祝春山，許丹健.上市公司財(cái)務(wù)失敗的主成分預(yù)測(cè)模型及其實(shí)證研究[J].金融研究，2001（3）：10-25.
關(guān)鍵詞：上市公司 財(cái)務(wù)分析 財(cái)務(wù)指標(biāo)
中圖分類號(hào):F830.91 文獻(xiàn)標(biāo)識(shí)碼:A
文章編號(hào):1004-4914（2011）08-068-02
一、汾酒集團(tuán)經(jīng)營(yíng)狀況及相關(guān)行業(yè)背景的簡(jiǎn)述和評(píng)價(jià)
汾酒集團(tuán)為國(guó)有獨(dú)資公司，是全國(guó)最大的名優(yōu)白酒生產(chǎn)基地之一，是我國(guó)知名的白酒生產(chǎn)企業(yè)。對(duì)于汾酒集團(tuán)所處的中國(guó)白酒行業(yè)則有如下的幾點(diǎn)特點(diǎn)：首先，由于白酒行業(yè)消費(fèi)升級(jí)前提下的產(chǎn)品結(jié)構(gòu)調(diào)整，及其中低檔酒市場(chǎng)萎縮讓位于中高檔白酒產(chǎn)品的趨勢(shì)較為明顯。近幾年白酒行業(yè)銷售收入和利潤(rùn)率大幅增長(zhǎng)；其次，我國(guó)目前的白酒行業(yè)集中度提高，兩極分化日趨嚴(yán)重。形成了不同程度的寡占市場(chǎng)結(jié)構(gòu)；再次，在產(chǎn)品差異化上，除一些諸如：汾酒集團(tuán)等的大型企業(yè)在培養(yǎng)自己的特色產(chǎn)品外，市場(chǎng)中的眾多中小廠商未能突破產(chǎn)品差別化，沒(méi)有有效建立自己的消費(fèi)群。這使得白酒行業(yè)整體差異化水平較低。最后，高檔化趨勢(shì)明顯，隨著經(jīng)濟(jì)的增長(zhǎng)，高檔白酒消費(fèi)將表現(xiàn)出比普通白酒更快的增長(zhǎng)速度，并將替代部分中低檔產(chǎn)品。總體來(lái)講，這樣的行業(yè)背景對(duì)于處于行業(yè)前列的汾酒集團(tuán)，不管是現(xiàn)在的經(jīng)營(yíng)還是未來(lái)的發(fā)展都是利大于弊的。然而，雖然中國(guó)白酒行業(yè)總體趨于寡占，但處于行業(yè)頂端的各公司間的競(jìng)爭(zhēng)依然是非常激烈的。加之隨著中國(guó)市場(chǎng)的進(jìn)一步開放，對(duì)于傳統(tǒng)白酒行業(yè)的沖擊是不可小覷的。
二、相關(guān)財(cái)務(wù)分析方法的介紹
企業(yè)財(cái)務(wù)分析的方法是由財(cái)務(wù)信息的使用者對(duì)財(cái)務(wù)分析的要求所決定的。盡管各個(gè)不同的分析主體進(jìn)行財(cái)務(wù)分析的側(cè)重點(diǎn)不同，但都要求通過(guò)財(cái)務(wù)分析來(lái)揭示企業(yè)的經(jīng)營(yíng)趨勢(shì)、公司盈利等方面的情況。具體的財(cái)務(wù)分析方法主要包括：基礎(chǔ)財(cái)務(wù)分析和綜合財(cái)務(wù)分析。
（一）基礎(chǔ)財(cái)務(wù)分析
基礎(chǔ)財(cái)務(wù)分析舉例主要有：趨勢(shì)分析、比率分析等。
1.趨勢(shì)分析法。趨勢(shì)分析法是將企業(yè)連續(xù)幾個(gè)時(shí)期的同類指標(biāo)數(shù)字兩兩相除，求出趨勢(shì)比率，以確定分析其各有關(guān)項(xiàng)目的變動(dòng)情況和趨勢(shì)的一種財(cái)務(wù)分析方法。
2.比率分析。財(cái)務(wù)比率是根據(jù)財(cái)務(wù)報(bào)表數(shù)據(jù)計(jì)算而來(lái)的反映財(cái)務(wù)報(bào)表各項(xiàng)目之間相互關(guān)系的比值。具體包括：衡量企業(yè)短期償債能力的流動(dòng)比率、速動(dòng)比率、現(xiàn)金比率，衡量企業(yè)資本結(jié)構(gòu)（長(zhǎng)期償債能力）的資產(chǎn)負(fù)債率、產(chǎn)權(quán)比率，衡量企業(yè)盈利能力的營(yíng)業(yè)毛利率、資產(chǎn)凈利率、凈資產(chǎn)收益率等財(cái)務(wù)比率。
（二）杜邦財(cái)務(wù)分析體系
杜邦財(cái)務(wù)分析體系，是利用各主要財(cái)務(wù)比率的內(nèi)在聯(lián)系，把反映企業(yè)償債能力、營(yíng)運(yùn)能力和盈利能力等單方面的指標(biāo)結(jié)合起來(lái)，形成一套財(cái)務(wù)分析指標(biāo)體系。
三、對(duì)汾酒集團(tuán)的財(cái)務(wù)分析
會(huì)計(jì)人員的一個(gè)重要目的就是以有利于決策的形式向使用者報(bào)告財(cái)務(wù)信息。而這些看上去單調(diào)的財(cái)務(wù)報(bào)表和冗繁的財(cái)務(wù)數(shù)據(jù)，就成為了在企業(yè)之內(nèi)和之外溝通財(cái)務(wù)信息的主要手段。下面我們就對(duì)汾酒集團(tuán)相關(guān)財(cái)務(wù)報(bào)表、財(cái)務(wù)數(shù)據(jù)進(jìn)行加工處理，以及在此基礎(chǔ)上做進(jìn)一步的思考與分析。
（一）短期償債能力分析
短期償債能力主要是指企業(yè)流動(dòng)資產(chǎn)及時(shí)足額償付流動(dòng)負(fù)債的能力。具體到相關(guān)的財(cái)務(wù)指標(biāo)主要包括：流動(dòng)比率、速動(dòng)比率、現(xiàn)金比率、流動(dòng)負(fù)債經(jīng)營(yíng)活動(dòng)凈現(xiàn)金流比等。
1.汾酒集團(tuán)2006-2009年短期償債能力指標(biāo)情況。從表1中，我們可以直觀的看出汾酒集團(tuán)的各項(xiàng)短期償債能力指標(biāo)總體上講是比較穩(wěn)定的，從2006到2009年的四年間基本沒(méi)有較大的波動(dòng)，尤其是速動(dòng)比率幾乎沒(méi)有什么變化。至于現(xiàn)金比率和經(jīng)營(yíng)活動(dòng)凈現(xiàn)金流比除了2007年的小幅下挫，也基本維持在0.6左右。而流動(dòng)比率還有逐年上升之勢(shì)。所以，總的來(lái)講近幾年汾酒集團(tuán)的短期償債能力維持在一個(gè)較穩(wěn)的水平。然而，當(dāng)我們的目光移出汾酒集團(tuán)，投入到2006到2009年的整個(gè)宏觀經(jīng)濟(jì)環(huán)境時(shí)，我們就會(huì)發(fā)現(xiàn)情況遠(yuǎn)沒(méi)有我們?cè)趫D表中看到的那樣樂(lè)觀和平穩(wěn)。在2008年金融危機(jī)中，很多的中國(guó)企業(yè)都受到嚴(yán)重的影響，有的甚至瀕臨破產(chǎn)甚至倒閉。而汾酒集團(tuán)，最起碼從短期償債能力指標(biāo)上來(lái)看，不但沒(méi)有受到金融危機(jī)的影響，而且除速動(dòng)比率外的各項(xiàng)指標(biāo)都比2007年有明顯的上揚(yáng)。所以，進(jìn)一步總結(jié)，汾酒集團(tuán)的短期償債能力不但是穩(wěn)定的而且是趨好的。
另外，我們還要指出的一點(diǎn)是：不要認(rèn)為這樣好的短期償債能力對(duì)于公司就是絕對(duì)有利的。從另一個(gè)方面，它也說(shuō)明了企業(yè)把很大一部分經(jīng)營(yíng)所得以低收益資產(chǎn)，甚至是以現(xiàn)金的形式保留，這也表明公司缺乏較好的長(zhǎng)期投資機(jī)會(huì)和較成熟的短期投資管理。
2.汾酒集團(tuán)短期償債能力指標(biāo)與貴州茅臺(tái)相關(guān)指標(biāo)的比較。當(dāng)我們單獨(dú)考察汾酒集團(tuán)的短期償債能力指標(biāo)時(shí)，我們或許會(huì)為其短期償債能力如此之好而感嘆。但當(dāng)我們將貴州茅臺(tái)，這個(gè)中國(guó)白酒行業(yè)的龍頭老大的數(shù)據(jù)至于其下進(jìn)行比較時(shí)，我們就不再那么驚訝了。貴州茅臺(tái)的各相關(guān)比率除了經(jīng)營(yíng)活動(dòng)凈現(xiàn)金流比都要高于汾酒集團(tuán)，有的甚至高出數(shù)倍。雖然沒(méi)有更多的數(shù)據(jù)佐證，但白酒行業(yè)慣常的高短期償債能力應(yīng)該是該行業(yè)的一個(gè)特點(diǎn)，這可能與它們較高的毛利率相關(guān)。
而另一方面，貴州茅臺(tái)的財(cái)務(wù)數(shù)據(jù)明顯要比汾酒集團(tuán)有著更大的波動(dòng)性，尤其是經(jīng)營(yíng)活動(dòng)凈現(xiàn)金流比，就會(huì)發(fā)現(xiàn)貴州茅臺(tái)財(cái)務(wù)數(shù)據(jù)的波動(dòng)主要是源于2008年數(shù)據(jù)的突然下挫，顯然貴州茅臺(tái)比汾酒集團(tuán)更大的受到了全球經(jīng)濟(jì)危機(jī)的影響。
（二）長(zhǎng)期償債能力分析
長(zhǎng)期償債能力分析，是指企業(yè)償還長(zhǎng)期負(fù)債的能力，它不僅取決于企業(yè)在長(zhǎng)期內(nèi)的盈利能力，還取決于企業(yè)的資本結(jié)構(gòu)。具體到相關(guān)的財(cái)務(wù)指標(biāo)主要包括：資產(chǎn)負(fù)債率、產(chǎn)權(quán)比率、現(xiàn)金負(fù)債比。
1.汾酒集團(tuán)長(zhǎng)期償債能力分析。
從絕對(duì)上的數(shù)字來(lái)看，汾酒集團(tuán)的資產(chǎn)負(fù)債率和產(chǎn)權(quán)比率，負(fù)債只占公司賬面價(jià)值的20%左右，股東權(quán)益的比重將近是負(fù)債的四倍左右。這表明汾酒集團(tuán)對(duì)債務(wù)的依賴程度是很低的，也即企業(yè)的長(zhǎng)期債務(wù)較少。當(dāng)然這從一個(gè)方面就表明汾酒集團(tuán)的長(zhǎng)期償債能力是較強(qiáng)的。另外，從另一個(gè)方面，企業(yè)的現(xiàn)金償債總額比是比較高的，除2007年外，基本維持在0.6左右，這表明企業(yè)將近60%的長(zhǎng)期債務(wù)是可以直接用現(xiàn)金償付的，這顯然是汾酒集團(tuán)的長(zhǎng)期償債能力較強(qiáng)的又一個(gè)佐證。
其次，從趨勢(shì)分析上來(lái)看，汾酒集團(tuán)的資產(chǎn)債務(wù)率和產(chǎn)權(quán)比率在過(guò)去的四年里是相當(dāng)平穩(wěn)的，波動(dòng)率最高也只到25%左右，總的來(lái)講沿襲了我們?cè)诙唐趦攤芰Ψ治鲋袑?duì)公司經(jīng)營(yíng)穩(wěn)定性的結(jié)論。
2.汾酒集團(tuán)長(zhǎng)期償債能力指標(biāo)與貴州茅臺(tái)的比較。
比較了汾酒集團(tuán)和貴州茅臺(tái)的數(shù)據(jù)，我們略去過(guò)多的贅余，直接得出結(jié)論：首先貴州茅臺(tái)的資本結(jié)構(gòu)中債務(wù)的比重（最高是15%）比汾酒集團(tuán)（最低也有18%）低很多。看來(lái)低的債務(wù)依賴度，進(jìn)而強(qiáng)的長(zhǎng)期償債能力和低的經(jīng)營(yíng)風(fēng)險(xiǎn)是白酒行業(yè)的一個(gè)特點(diǎn)，所以我們或許可以少一些對(duì)汾酒集團(tuán)的苛責(zé)；其次考查汾酒集團(tuán)與貴州茅臺(tái)的數(shù)據(jù)比較，汾酒集團(tuán)的各項(xiàng)長(zhǎng)期償債能力的財(cái)務(wù)指標(biāo)，尤其是現(xiàn)金負(fù)債比，還是比貴州茅臺(tái)穩(wěn)定些。這也表明了汾酒集團(tuán)的經(jīng)營(yíng)是較為穩(wěn)定的。
四、對(duì)汾酒集團(tuán)的財(cái)務(wù)狀況作出最終的評(píng)價(jià)
首先，從短期償債能力來(lái)講，總的來(lái)講汾酒集團(tuán)的短期償債能力很好的，這一點(diǎn)對(duì)于債權(quán)人是有利的。而且從趨勢(shì)上，汾酒集團(tuán)的短期償債能力是比較穩(wěn)定的，各相關(guān)指標(biāo)的數(shù)據(jù)一直維持在一個(gè)較穩(wěn)定的水平上。不過(guò)，這對(duì)于公司而言，不見得就全是好的。過(guò)高的短期償債能力指標(biāo)表明企業(yè)在短期投資，也即短期財(cái)務(wù)計(jì)劃和管理上缺乏效率，甚至非常薄弱。另外它從側(cè)面也表明企業(yè)長(zhǎng)期投資的缺乏。具體而言：企業(yè)握有大量低收益的現(xiàn)金而不去做一些短期上的證券投資（交易性金融資產(chǎn)的數(shù)額多年來(lái)一直為0），長(zhǎng)期上的投資也幾乎沒(méi)有（除了為數(shù)不多的長(zhǎng)期股權(quán)投資，企業(yè)的持有至到期投資和可出售金融資產(chǎn)也是一直為0）。所以汾酒集團(tuán)在日后應(yīng)將手里握有的巨大的現(xiàn)金財(cái)富更好的利用起來(lái)，而不是像現(xiàn)在這樣只是簡(jiǎn)單的存入銀行中以使自己的財(cái)務(wù)費(fèi)用多年保持負(fù)值。當(dāng)然，如果我們考慮了貴州茅臺(tái)的相關(guān)數(shù)據(jù)，或許這一點(diǎn)是整個(gè)白酒行業(yè)需要注意改進(jìn)的。
其次，在長(zhǎng)期償債能力上，汾酒集團(tuán)的長(zhǎng)期債務(wù)管理能力是很好的，債務(wù)依存度也較低，這也是貴州茅臺(tái)的特點(diǎn)。故此就行業(yè)背景而言，高的長(zhǎng)期償債能力及低的債務(wù)依存度應(yīng)該是白酒行業(yè)的普遍特點(diǎn)。另外，在趨勢(shì)上講，汾酒集團(tuán)的長(zhǎng)期償債能力是很穩(wěn)定的。
再次，在盈利能力上，汾酒集團(tuán)的表現(xiàn)依然是較為平穩(wěn)的。但它與白酒行業(yè)的龍頭老大貴州茅臺(tái)的差距依然是明顯的。這表明汾酒集團(tuán)在今后的經(jīng)營(yíng)中應(yīng)加強(qiáng)盈利能力的提高，在之后的杜邦財(cái)務(wù)分析體系中，我們又進(jìn)一步分析到：提高盈利能力的癥結(jié)是對(duì)成本控制水平的提高。另外，在發(fā)展趨勢(shì)上，汾酒集團(tuán)在銷售規(guī)模和資產(chǎn)規(guī)模上都有穩(wěn)步的提升，這表明汾酒集團(tuán)的發(fā)展前景還是樂(lè)觀的。
最后，就營(yíng)運(yùn)能力而言，不論是汾酒集團(tuán)還是貴州茅臺(tái)其存貨周轉(zhuǎn)率都很低，這表明白酒行業(yè)的平均存貨管理能力不強(qiáng)。在應(yīng)收賬款周轉(zhuǎn)率方面，汾酒集團(tuán)則表現(xiàn)了較高的水平，體現(xiàn)了其應(yīng)收賬款管理能力的出眾。至于流動(dòng)資產(chǎn)周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率，汾酒集團(tuán)在數(shù)值上表現(xiàn)的較為穩(wěn)定，也即至少在過(guò)去的三年里其資本結(jié)構(gòu)沒(méi)有較大的變化。
參考文獻(xiàn)：
1.張?jiān)?qiáng).企業(yè)財(cái)務(wù)報(bào)表分析方法研究――基于光明乳業(yè)股份有限公司的報(bào)表分析[D].上海財(cái)經(jīng)大學(xué)學(xué)位論文,2007
2.袁紅飛.吉林電力股份有限公司的財(cái)務(wù)分析與評(píng)價(jià)[D].吉林大學(xué)學(xué)位論,2008
3.張先治.基于管理者決策與控制的財(cái)務(wù)分析一企業(yè)內(nèi)部報(bào)告的財(cái)務(wù)分析應(yīng)用[J].財(cái)會(huì)月刊，2008(3)
4.楊有紅.西方財(cái)務(wù)分析淺論[J].財(cái)會(huì)研究，1994(8)
5.張立達(dá).王雷.財(cái)務(wù)管理學(xué)[M].立信會(huì)計(jì)出版社，2007
6.姜國(guó)華.財(cái)務(wù)報(bào)表分析與證券投資[M].北京大學(xué)出版社，2008
7.李可人.企業(yè)財(cái)務(wù)分析指標(biāo)研究[J].中小企業(yè)管理與科，2008,(22)
8.王彥忠.淺析財(cái)務(wù)分析指標(biāo)的局限性[J].中國(guó)總會(huì)計(jì)師，2008(9)
9.彭新亮.上市公司財(cái)務(wù)報(bào)表分析指標(biāo)淺析[J].北方經(jīng)貿(mào)，2008(6)
10.夏群,馬雙燕.當(dāng)前財(cái)務(wù)分析存在的問(wèn)題及對(duì)策[J].長(zhǎng)春金融高等專科學(xué)校學(xué)報(bào),2008(4)
11.施慧敏.試論上市公司的財(cái)務(wù)指標(biāo)分析要素[J].市場(chǎng)周刊(理論研究),2009(1)
12.鐘順東.淺論主要財(cái)務(wù)指標(biāo)的分析[J].商業(yè)會(huì)計(jì),2007(8)
13.楊有紅.西方財(cái)務(wù)分析淺論[J].財(cái)會(huì)研究，1994(8)
14.張彥臨.對(duì)上市公司財(cái)務(wù)指標(biāo)分析方法的探討[J].煤炭企業(yè)管理,2000(5)
15.丹.改進(jìn)現(xiàn)行財(cái)務(wù)分析指標(biāo)體系的幾點(diǎn)建議[J].商業(yè)會(huì)計(jì)，2008(10)
16.郭斌.對(duì)企業(yè)財(cái)務(wù)分析的探討[J].商業(yè)會(huì)計(jì)，2008(10)
17.王靖楠.財(cái)務(wù)分析指標(biāo)體系研究.當(dāng)代經(jīng)濟(jì)[J]，2009（5）
18王淑芝.上市公司財(cái)務(wù)指標(biāo)分析.遼寧經(jīng)濟(jì)，2007（9）
財(cái)務(wù)困境的定義
一．國(guó)外研究
在進(jìn)行財(cái)務(wù)困境預(yù)測(cè)時(shí)首先需要解決的是其概念的界定問(wèn)題。從經(jīng)濟(jì)學(xué)的角度出發(fā)，企業(yè)陷入財(cái)務(wù)困境是一個(gè)逐步的連續(xù)過(guò)程，通常從財(cái)務(wù)正常漸漸發(fā)展到財(cái)務(wù)困境，不存在一個(gè)明確的分界點(diǎn)將企業(yè)分為陷入財(cái)務(wù)困境和沒(méi)有陷入財(cái)務(wù)困境兩類，因此國(guó)內(nèi)外專家學(xué)者對(duì)財(cái)務(wù)困境有多種不同的定義方法，對(duì)財(cái)務(wù)困境也有不同的判斷標(biāo)準(zhǔn)。
在Beaver(1966)的研究中，他把財(cái)務(wù)困境定義為破產(chǎn)、拖欠優(yōu)先股股息、銀行透支和債券不能償付。Deakin(1972)認(rèn)為財(cái)務(wù)困境包括已經(jīng)破產(chǎn)、無(wú)力償債或?yàn)閭鶛?quán)人利益而已經(jīng)清算的公司。Carmichael (1972)認(rèn)為財(cái)務(wù)困境是企業(yè)履行業(yè)務(wù)受阻，具體表現(xiàn)為流動(dòng)性不足、權(quán)益不足、資金不足和債務(wù)拖欠。George Foster(1986) 在他的《Financial Statement Analysis》中指出：所謂財(cái)務(wù)困境，就是指公司出現(xiàn)了嚴(yán)重的資產(chǎn)折現(xiàn)問(wèn)題，而且這種問(wèn)題的解決必須要依賴于公司的經(jīng)營(yíng)方式或存在形式的轉(zhuǎn)變。Morris（1997） 列出了嚴(yán)重程度依次遞減的12條企業(yè)陷入財(cái)務(wù)困境的標(biāo)志：（1）債權(quán)人申請(qǐng)破產(chǎn)清算，企業(yè)自愿申請(qǐng)破產(chǎn)清算，或者被指定接收者完全接收；（2）公司股票在交易所被停止交易；（3）被會(huì)計(jì)師出具對(duì)持續(xù)經(jīng)營(yíng)的保留意見；（4）與債權(quán)人發(fā)生債務(wù)重組；（5）債權(quán)人尋求資產(chǎn)保全；（6）違反債券契約，公司債券評(píng)級(jí)或信用評(píng)級(jí)下降，或發(fā)生對(duì)針對(duì)公司財(cái)產(chǎn)或董事的訴訟；（7）公司進(jìn)行重組；（8）重新指定董事，或者公司聘請(qǐng)公司診斷師對(duì)企業(yè)進(jìn)行診斷；（9）被接管（但不是所有被接管都預(yù)示企業(yè)陷入財(cái)務(wù)困境）；（10）公司關(guān)閉或出售其部分產(chǎn)業(yè)；（11）減少或未能分配股利，或者報(bào)告損失；（12）報(bào)告比市場(chǎng)預(yù)期或可接受水平低的利潤(rùn)，或者公司股票的相對(duì)市場(chǎng)價(jià)格出現(xiàn)下降。
Ross (1999)認(rèn)為應(yīng)從以下四個(gè)方面定義財(cái)務(wù)困境: （1）企業(yè)失敗，即企業(yè)清算后仍不能支付債權(quán)人的債務(wù)；（2）法定破產(chǎn)，即企業(yè)和債權(quán)人向法院申請(qǐng)破產(chǎn)；（3）技術(shù)破產(chǎn)，即企業(yè)無(wú)法按期履行債務(wù)合同還本付息；（4）會(huì)計(jì)破產(chǎn)，即企業(yè)賬面凈資產(chǎn)出現(xiàn)負(fù)數(shù)，資不抵債。
美國(guó)教授查爾斯?吉布森在經(jīng)過(guò)長(zhǎng)期的實(shí)踐考察與分析之后，將財(cái)務(wù)困境總結(jié)為以下五種表現(xiàn)：（1）企業(yè)被迫清算，他認(rèn)為清算是企業(yè)在解散或者依法破產(chǎn)過(guò)程中，為了終結(jié)企業(yè)現(xiàn)存的各種法律關(guān)系，而由專門的工作機(jī)構(gòu)對(duì)企業(yè)的資產(chǎn)、債權(quán)、債務(wù)關(guān)系進(jìn)行全面清查、作價(jià)及處理的一項(xiàng)財(cái)務(wù)工作。如果企業(yè)不是因?yàn)槠髽I(yè)的法定營(yíng)業(yè)期屆滿而開展這項(xiàng)工作，企業(yè)清算則屬被迫進(jìn)行。因此，企業(yè)被迫清算既是企業(yè)財(cái)務(wù)失敗的直接表現(xiàn)，也是財(cái)務(wù)困境無(wú)法扭轉(zhuǎn)的結(jié)局；（2）企業(yè)對(duì)短期債權(quán)人被迫實(shí)行延期付款。毫無(wú)疑義，延期付款破壞了企業(yè)與短期債權(quán)人的事先約定，降低了企業(yè)的商業(yè)信譽(yù)，從而給企業(yè)價(jià)值帶來(lái)負(fù)面影響。這是與企業(yè)價(jià)值最大化的財(cái)務(wù)管理目標(biāo)相悖的，是財(cái)務(wù)困境的表現(xiàn)；（3）企業(yè)延期償還債券利息，企業(yè)債券是反映債權(quán)債務(wù)關(guān)系的有價(jià)證券，當(dāng)發(fā)行企業(yè)不能按期履行支付利息的法定責(zé)任時(shí)，這種有價(jià)證券就會(huì)貶值, 負(fù)債企業(yè)價(jià)值將會(huì)明顯下降，從而形成財(cái)務(wù)困境；（4）企業(yè)延期償還債券本金，當(dāng)企業(yè)延期償還債券本金成為社會(huì)公眾所矚目的現(xiàn)實(shí)時(shí)，發(fā)行企業(yè)的資本實(shí)力和支付保障就成為虛構(gòu)成分。于是，該債券的市場(chǎng)價(jià)值與發(fā)行企業(yè)的價(jià)值則同時(shí)下降，形成財(cái)務(wù)困境現(xiàn)象；（5）企業(yè)無(wú)力支付優(yōu)先股股利，當(dāng)企業(yè)無(wú)力支付應(yīng)當(dāng)定期支付的優(yōu)先股股利時(shí)，企業(yè)價(jià)值將會(huì)受到市場(chǎng)投資者的重新確認(rèn)，使企業(yè)價(jià)值貶值等等。
二．國(guó)內(nèi)研究
由于在實(shí)際的實(shí)證研究中，往往需要用客觀的，可以觀察到的標(biāo)志來(lái)確定研究樣本，因此研究人員將企業(yè)是否申請(qǐng)破產(chǎn)作為企業(yè)是否陷入財(cái)務(wù)困境的標(biāo)志。但是破產(chǎn)是一個(gè)法律行為, 除了受經(jīng)濟(jì)因素影響外，還受政治和其他非市場(chǎng)因素影響；另外陷入財(cái)務(wù)困境與企業(yè)是否破產(chǎn)并無(wú)確定的一一對(duì)應(yīng)關(guān)系，在我國(guó)這一情況尤為突出。因此，無(wú)法明確有效地定義財(cái)務(wù)困境，而只能根據(jù)實(shí)證研究的具體內(nèi)容確定。
在我國(guó)，暫時(shí)沒(méi)有對(duì)財(cái)務(wù)困境進(jìn)行深入研究及下一個(gè)準(zhǔn)確的定義，只是在《中華人民共和國(guó)破產(chǎn)法(試行)》第一章第三條對(duì)破產(chǎn)提出了一種定義，即定義為企業(yè)因經(jīng)營(yíng)管理不善造成嚴(yán)重虧損，不能清償?shù)狡趥鶆?wù)。
由于國(guó)內(nèi)財(cái)務(wù)困境預(yù)測(cè)的研究對(duì)象主要針對(duì)上市公司,故一般將財(cái)務(wù)困境界定為財(cái)務(wù)狀況異常而被“特別處理”。1998年深滬證券交易所正式啟用了當(dāng)上市公司出現(xiàn)“異常狀況”時(shí),對(duì)上市公司進(jìn)行“特別處理”的條款。“異常狀況”包括“財(cái)務(wù)狀況異常”和“其他狀況異常”,其中因“其他狀況異常”而被特別處理具有很大的不確定性,難以從財(cái)務(wù)角度進(jìn)行有效預(yù)測(cè),而對(duì)“財(cái)務(wù)狀況異常”情況的界定符合一般認(rèn)為企業(yè)財(cái)務(wù)狀況不健康的判斷。所以國(guó)內(nèi)研究人員一般將陷入財(cái)務(wù)困境的公司定義為因財(cái)務(wù)狀況異常而被特別處理的公司。在陳靜(1999)的研究中考慮到這個(gè)問(wèn)題,但由于樣本量的限制,在實(shí)際樣本確定中未對(duì)被特別處理的原因加以區(qū)分。在陳曉和陳治鴻(2000)的同類研究中則界定了其研究對(duì)象是因財(cái)務(wù)狀況異常而被特別處理的公司。
財(cái)務(wù)困境預(yù)測(cè)
一．國(guó)外研究成果
財(cái)務(wù)困境預(yù)測(cè)在西方又普遍被稱為破產(chǎn)預(yù)測(cè)，西方的研究人員從20世紀(jì)40年代開始研究這一問(wèn)題，取得了相對(duì)比較成熟的研究成果。
1．判別分析法（Discriminant Analysis，DA）
（1)單變量判別分析法（Univariate Discriminant Approach，UDA）
最早的財(cái)務(wù)困境預(yù)測(cè)研究是Fitzpatrick(1932)開展的單變量破產(chǎn)預(yù)測(cè)研究。1932年Fitzpatrick的相關(guān)文章“AComparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms”。他發(fā)現(xiàn)在所有指標(biāo)中判別能力最高的是凈利潤(rùn)/股東權(quán)益和股東權(quán)益/負(fù)債這兩個(gè)指標(biāo)。由于當(dāng)時(shí)缺乏先進(jìn)的統(tǒng)計(jì)和計(jì)算工具，因此主要的研究方法是對(duì)失敗企業(yè)和正常企業(yè)的一系列財(cái)務(wù)比率進(jìn)行經(jīng)驗(yàn)分析和比較。這種狀況一直延續(xù)到1960年代初期，之后財(cái)務(wù)風(fēng)險(xiǎn)判別研究才真正進(jìn)入系統(tǒng)化階段。
1966年，William Beaver(1966)在其論文“Financial Ratios as Predictors of Failure”中率先提出了單變量分析法，提出了單一比率模型，即利用單一的財(cái)務(wù)比率來(lái)預(yù)測(cè)企業(yè)的財(cái)務(wù)困境。他發(fā)現(xiàn)最好的判別變量是營(yíng)運(yùn)資本流/負(fù)債(在公司破產(chǎn)的前一年成功地判別了90%的破產(chǎn)公司)和凈利潤(rùn)/總資產(chǎn)(在同一階段的判別成功率是88%)。
(2)多變量判別分析法（Multivariate Discriminant Approach，MDA）
美國(guó)財(cái)務(wù)專家Altman(1968) 首先使用了多元線性判別模型研究公司的破產(chǎn)問(wèn)題。他根據(jù)行業(yè)和資產(chǎn)規(guī)模，為33家破產(chǎn)公司選擇了33家非破產(chǎn)配對(duì)公司，確定了資產(chǎn)營(yíng)運(yùn)資本率、資產(chǎn)留存收益率、資產(chǎn)報(bào)酬率、債務(wù)權(quán)益市價(jià)率和總資產(chǎn)周轉(zhuǎn)率這5個(gè)變量作為判別變量，產(chǎn)生了一個(gè)總的判別企業(yè)財(cái)務(wù)狀況惡化程度的概率值即Z值。之后，Altman等(1977)又提出了一種能更準(zhǔn)確預(yù)測(cè)企業(yè)財(cái)務(wù)困境的新模型-ZETA模型，由于向企業(yè)提供這項(xiàng)服務(wù)是有償?shù)模麄儾](méi)詳細(xì)介紹這一模型的具體操作方法。
2．邏輯(1ogit)和概率比(probit)回歸分析
多元判別分析模型存在嚴(yán)格的假設(shè)條件：如多元變量多元正態(tài)分布、多元變量的等協(xié)方差以及多元指標(biāo)變量的平均向量、協(xié)方差、先驗(yàn)概率及錯(cuò)分成本必須為已知。但實(shí)證發(fā)現(xiàn)大多數(shù)財(cái)務(wù)比率并不滿足這一要求。且一旦出現(xiàn)虛擬變量，聯(lián)合正態(tài)分布的假設(shè)就完全不成立，而且產(chǎn)生的Z值沒(méi)有明確的含義。為克服這些局限性，自20世紀(jì)70年代末以來(lái)，財(cái)務(wù)困境研究人員引進(jìn)了邏輯(1ogit)和概率比(probit)回歸方法。從而將問(wèn)題簡(jiǎn)化為已知一個(gè)公司具有某些性質(zhì)(由財(cái)務(wù)比率指標(biāo)加以呈現(xiàn)),計(jì)算它在一段時(shí)間里陷入財(cái)務(wù)困境的條件概率有多大。如果算出的概率大于設(shè)定的分割點(diǎn),則判定該公司在這段時(shí)間內(nèi)會(huì)陷入財(cái)務(wù)困境。
Ohlson(1980)使用logit方法分析了選用的非配對(duì)樣本在破產(chǎn)概率區(qū)間上的分布以及兩類判別錯(cuò)誤和分割點(diǎn)的關(guān)系,認(rèn)為以前根據(jù)行業(yè)和資產(chǎn)規(guī)模來(lái)進(jìn)行樣本配對(duì)的選樣方法過(guò)于武斷,將資產(chǎn)規(guī)模變量直接放入模型中。用1970-1976年間105家破產(chǎn)公司及2058家正常公司為研究對(duì)象。采取9個(gè)財(cái)務(wù)變量來(lái)估計(jì)模型，實(shí)證結(jié)果表明，其中4項(xiàng)財(cái)務(wù)資料對(duì)評(píng)估破產(chǎn)概率具有統(tǒng)計(jì)顯著性，依次是規(guī)模（總資產(chǎn)/GNP物價(jià)指數(shù)后取對(duì)數(shù)）；資本結(jié)構(gòu)（總負(fù)債/總資產(chǎn)）；資產(chǎn)報(bào)酬率或來(lái)自經(jīng)營(yíng)的資金/總負(fù)債；短期流動(dòng)性（營(yíng)運(yùn)資金/總資產(chǎn)、流動(dòng)負(fù)債/流動(dòng)資產(chǎn)），判別正確率也高達(dá)92%以上。他構(gòu)造了兩個(gè)虛擬變量,OPNEG和INTWO,前者當(dāng)企業(yè)總資產(chǎn)超過(guò)總負(fù)債時(shí)值為1,否則為0;后者當(dāng)企業(yè)破產(chǎn)前兩年的凈利潤(rùn)負(fù)時(shí)值為1,否則為0。其研究結(jié)果表明這兩個(gè)虛擬變量對(duì)模型的解釋能力甚至不低于某些常用的財(cái)務(wù)比率。他指出采用破產(chǎn)之后獲得的信息來(lái)預(yù)測(cè)破產(chǎn)會(huì)高估破產(chǎn)模型的預(yù)測(cè)能力。
1984年Zmijewski 使用probit分析模型，用邏輯比分析的方法對(duì)財(cái)務(wù)困境的預(yù)測(cè)進(jìn)行了新的探索。他研究了兩組間樣本個(gè)體數(shù)量分配的問(wèn)題,認(rèn)為一一配對(duì)會(huì)使樣本中兩類公司的比例嚴(yán)重偏離兩類公司在實(shí)際總體中的比例,從而高估模型的預(yù)測(cè)能力,特別會(huì)高估對(duì)破產(chǎn)公司的預(yù)測(cè)能力。他的研究結(jié)果表明這種過(guò)度選樣所帶來(lái)的模型偏差的確存在,但并未顯著影響統(tǒng)計(jì)參數(shù)和模型的總體預(yù)測(cè)精度。
3．現(xiàn)代分析方法
隨著近年來(lái)計(jì)算機(jī)技術(shù)和信息技術(shù)的發(fā)展, 西方研究人員還將人工神經(jīng)元網(wǎng)絡(luò)、專家系統(tǒng)、遺傳算法等技術(shù)引入對(duì)財(cái)務(wù)困境的預(yù)測(cè)研究。
（1）人工神經(jīng)網(wǎng)絡(luò)分析方法（ANN）
在1980年代末期，神經(jīng)網(wǎng)絡(luò)理論（NN）開始興起，其影響也及于財(cái)務(wù)危機(jī)預(yù)測(cè)研究領(lǐng)域。雖然神經(jīng)網(wǎng)絡(luò)判別模型可謂是研究方法上的重大創(chuàng)新，但實(shí)際效果卻很不穩(wěn)定。例如，Coats 和Fant（1991）對(duì)47家財(cái)務(wù)危機(jī)公司和47家正常公司運(yùn)用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行判別時(shí)，對(duì)財(cái)務(wù)危機(jī)公司的預(yù)測(cè)準(zhǔn)確率達(dá)到了91%，明顯高于多元判別法72%的準(zhǔn)確率。然而，Back等人在1994年所做的一項(xiàng)研究卻并不認(rèn)為神經(jīng)網(wǎng)絡(luò)模型具有比多元判別分析（MDA）和Logistic分析明顯更佳的預(yù)測(cè)效果。Altman, Marco和Varetto(1995)對(duì)意大利公司財(cái)務(wù)危機(jī)預(yù)測(cè)中應(yīng)用了神經(jīng)網(wǎng)絡(luò)分析法。Coats, Fant(1993)、Trippi和Turban,Kevin、KarYanTan和MdodyY.Kiang(1992)采用了神經(jīng)網(wǎng)絡(luò)分析法分別對(duì)美國(guó)公司和銀行財(cái)務(wù)危機(jī)進(jìn)行了預(yù)測(cè)，取得了一定的效果。Altman(1995)在對(duì)神經(jīng)網(wǎng)絡(luò)法和判別分析法的比較研究中得出結(jié)論“神經(jīng)網(wǎng)絡(luò)分析方法在信用風(fēng)險(xiǎn)識(shí)別和預(yù)測(cè)中的應(yīng)用,并沒(méi)有實(shí)質(zhì)性的優(yōu)于線性判別模型”。
（2）期權(quán)定價(jià)理論
Charitou 和Trigeorgis（2000）使用B-S期權(quán)定價(jià)模型中的相關(guān)變量構(gòu)建了財(cái)務(wù)危機(jī)判別模型，對(duì)1983年到1994年期間的139對(duì)美國(guó)企業(yè)進(jìn)行了對(duì)比檢驗(yàn)，結(jié)果發(fā)現(xiàn)到期債務(wù)面值、企業(yè)資產(chǎn)的當(dāng)期市價(jià)、企業(yè)價(jià)值變化的標(biāo)準(zhǔn)差等期權(quán)變量在預(yù)測(cè)破產(chǎn)方面作用顯著。不過(guò)，該研究的基礎(chǔ)方法仍然建立于Logistic回歸檢驗(yàn)之上，僅僅在變量設(shè)計(jì)方面引入了期權(quán)因子，因此實(shí)際的理論貢獻(xiàn)不大。
（3）專家系統(tǒng)方法應(yīng)用（ES）
1988年Messier和Hansen將專家系統(tǒng)首次引入到財(cái)務(wù)困境預(yù)測(cè)領(lǐng)域，他們從知識(shí)獲取角度探討比較了專家系統(tǒng)(Expert System, ES)在信用分析領(lǐng)域的應(yīng)用。通過(guò)對(duì)71家公司的數(shù)據(jù)條件下將該方法與線性判別分析（LDA）、群決策等方法加以比較，結(jié)果證明專家系統(tǒng)分類效果最好，ES對(duì)檢驗(yàn)樣本的正確分類率為87.5，而DA為57，并且比群決策的正確率穩(wěn)定。
二．國(guó)內(nèi)研究現(xiàn)狀
回顧有關(guān)文獻(xiàn)，我國(guó)學(xué)者在這方面的研究主要有：
周首華等利用Compustat Pc Plus會(huì)計(jì)數(shù)據(jù)庫(kù)中1990年以來(lái)4160家公司，使用Spss-X統(tǒng)計(jì)軟件建立了F分?jǐn)?shù)模式(周首華等，1996)。但他們的研究對(duì)象卻不是中國(guó)的證券市場(chǎng)。
1999年陳靜以1998年27家ST公司和27家非ST公司為對(duì)象，使用1995～1997年的財(cái)務(wù)報(bào)表數(shù)據(jù)，進(jìn)行了單變量和二類線性判別分析，總體正確率為92.6%（陳靜，1999）。但是由于文章用于檢驗(yàn)?zāi)Ｐ团袆e正確率的樣本就是用于估計(jì)模型參數(shù)的樣本，所以上述的判別正確率有高估的傾向。而且，根據(jù)我國(guó)上市公司的年報(bào)披露制度，上市公司t－1年度的財(cái)務(wù)報(bào)表的公開披露和上市公司在t年是否會(huì)被特別處理這兩個(gè)信息幾乎是同時(shí)得到的，因此，使用1997年度報(bào)表數(shù)據(jù)來(lái)預(yù)測(cè)1998年上市公司是否會(huì)被ST，就預(yù)測(cè)目的而言沒(méi)有太多的實(shí)際意義。
2000年張玲以120家上市公司為對(duì)象，使用其中60家公司的財(cái)務(wù)數(shù)據(jù)估計(jì)二類線性判別模型，并使用另外60家公司進(jìn)行模型檢驗(yàn)，發(fā)現(xiàn)模型具有超前4年的預(yù)測(cè)結(jié)果。2000年陳曉等將多元邏輯回歸模型引入上市公司的財(cái)務(wù)困境預(yù)測(cè)。2001年黃巖等則采用了費(fèi)歇爾判別分析建立了我國(guó)工業(yè)類上市公司財(cái)務(wù)困境預(yù)測(cè)模型，并給出了所研究上市公司的Z值范圍。2001年吳世農(nóng)等則以140家上市公司為樣本比較了費(fèi)歇爾判別、多元線性回歸分析和多元邏輯回歸分析的預(yù)測(cè)效果，發(fā)現(xiàn)多元邏輯回歸模型的判定能力最好。楊保安（2001）薛鋒（2002）探討了基于BP算法和LM算法的神經(jīng)網(wǎng)絡(luò)在企業(yè)財(cái)務(wù)危機(jī)預(yù)測(cè)上的應(yīng)用。
小結(jié)
相比之下，國(guó)內(nèi)對(duì)財(cái)務(wù)困境預(yù)測(cè)的相關(guān)研究目前還只處于起步狀態(tài)，與國(guó)外研究存在著較大差距。但是綜合來(lái)看，不管國(guó)內(nèi)國(guó)外，都有一些在今后研究中需要繼續(xù)努力的地方：一是預(yù)測(cè)財(cái)務(wù)變量指標(biāo)的選取很多憑直觀經(jīng)驗(yàn)或直接借用已有研究成果，缺乏客觀基礎(chǔ)。二是大多數(shù)研究都僅僅對(duì)樣本的年度財(cái)務(wù)數(shù)據(jù)進(jìn)行截面分析，而忽視了企業(yè)財(cái)務(wù)循環(huán)中的時(shí)間序列特征；三是很多研究都采用了“配對(duì)抽樣”方法為財(cái)務(wù)困境公司構(gòu)造一組控制樣本，盡管這么做可以控制一些因素如行業(yè)和資產(chǎn)規(guī)模，但是配對(duì)抽樣會(huì)造成樣本中兩類公司的比例和它們?cè)诳傮w中的比例嚴(yán)重不一致，夸大了預(yù)測(cè)模型的正確率（Zmijewski，1984）。四是將困境企業(yè)誤判為非困境企業(yè)與將非困境企業(yè)誤判為困境企業(yè)的誤判損失顯然是不同的，誤判成本如何與預(yù)測(cè)模型的判別性能結(jié)合是一個(gè)極需解決的問(wèn)題，而目前還較少這方面的研究。這些都是我們今后進(jìn)行財(cái)務(wù)困境預(yù)測(cè)所要努力的方向和研究的重點(diǎn)。
論文摘要：本文在分析國(guó)外在信貸風(fēng)險(xiǎn)評(píng)估方法上創(chuàng)新、應(yīng)用及其發(fā)展趨勢(shì)的基礎(chǔ)上，結(jié)合內(nèi)部評(píng)級(jí)的國(guó)際經(jīng)驗(yàn)，分析了我國(guó)商業(yè)銀行在信用風(fēng)險(xiǎn)管理方式、控制手段和管理框架上的不足，提出了建立內(nèi)部評(píng)級(jí)體系的一系列措施，以期為我國(guó)金融機(jī)構(gòu)信貸風(fēng)險(xiǎn)管理提供一些有益的參考。
一、信用評(píng)級(jí)相關(guān)研究成果綜述
(一)財(cái)務(wù)指標(biāo)變量預(yù)測(cè)企業(yè)經(jīng)營(yíng)危機(jī)的起源最早運(yùn)用單一財(cái)務(wù)指標(biāo)變量預(yù)測(cè)企業(yè)經(jīng)營(yíng)危機(jī)的研究，始于1930年代的Smith&Winker(1930、1935)。Fitzpatrick(1932)進(jìn)行單變量破產(chǎn)預(yù)測(cè)研究，選擇了19家公司作為樣本，運(yùn)用單個(gè)財(cái)務(wù)比率指標(biāo)將樣本劃分為破產(chǎn)和非破產(chǎn)兩組，發(fā)現(xiàn)判別能力最高的是凈利潤(rùn)，股東權(quán)益和股東權(quán)益，負(fù)債兩個(gè)比率。1966年由威廉，比弗(WilliamBeaver)沿著該思路繼續(xù)研究。Beaver(1966)應(yīng)用統(tǒng)計(jì)方法研究1954～1964年期間的79家失敗企業(yè)，并以單變量分析法建立財(cái)務(wù)危機(jī)預(yù)測(cè)模型。發(fā)現(xiàn)有些財(cái)務(wù)比率在兩組公司間確有顯著不同，其中“現(xiàn)金流量，負(fù)債總額”是預(yù)測(cè)經(jīng)營(yíng)失敗的最佳指標(biāo)，其次為“資產(chǎn)負(fù)債率”以及“資產(chǎn)報(bào)酬率”。筆者認(rèn)為，Beaver用單一的財(cái)務(wù)指標(biāo)變量來(lái)判別企業(yè)的違約概率這樣的復(fù)雜層面分類存在問(wèn)題，因?yàn)槠髽I(yè)違約概率的影響因素是多層面，僅用一個(gè)指標(biāo)來(lái)判斷未免偏頗。
(二)多元線性判別分析模型典型的代表是美國(guó)的愛德華·阿爾特曼博士(Edward Airman)著名的Z-score模型和ZETA信用風(fēng)險(xiǎn)模型。多元線性判別分析模型是研究對(duì)象所屬類別進(jìn)行判別的一種統(tǒng)計(jì)分析方法，該方法是從若干表明觀測(cè)對(duì)象特征的變量值(財(cái)務(wù)比率)中篩選出能提供較多信息的變量并建立判別函數(shù)，使推導(dǎo)出的判別函數(shù)對(duì)觀測(cè)樣本分類時(shí)的錯(cuò)判率最小。Airman(1968)是率先將多變量分析用于預(yù)測(cè)財(cái)務(wù)困境公司，提出了著名的z一8COle模型。其過(guò)程包括各種可選函數(shù)(包括每個(gè)自由變量的相對(duì)貢獻(xiàn)的判決)的統(tǒng)計(jì)顯著性的觀測(cè)；相關(guān)變量的相關(guān)關(guān)系評(píng)價(jià)；各種變量組合預(yù)測(cè)精度的觀測(cè)；專家的意見。作者早在1968年對(duì)美國(guó)破產(chǎn)和非破產(chǎn)生產(chǎn)企業(yè)進(jìn)行觀察，采用了22個(gè)財(cái)務(wù)比率經(jīng)過(guò)數(shù)理統(tǒng)計(jì)篩選建立了著名的5變量Z-score模型，最后選出了最具解釋力的5個(gè)財(cái)務(wù)指標(biāo)，分別是營(yíng)運(yùn)資金／總負(fù)債、保留利潤(rùn)／總資產(chǎn)、息稅前利潤(rùn)／總資產(chǎn)、權(quán)益市價(jià)／總負(fù)債、銷售收入／總資產(chǎn)財(cái)務(wù)比率。根據(jù)比率對(duì)借款還本付息的影響程度確定變量權(quán)重，最后將每一個(gè)比率乘以相應(yīng)權(quán)重后相加，最后結(jié)合成一個(gè)線性模型，被定名為z-score模型。1977年Altman對(duì)此模型進(jìn)行了修正和擴(kuò)展，建立了ZETA信用風(fēng)險(xiǎn)模型，模型變量由5個(gè)變?yōu)?個(gè)。對(duì)于此種不同期間導(dǎo)致模型的差異，Altman認(rèn)為是由于企業(yè)環(huán)境的改變而需要使用不同的財(cái)務(wù)變量，且財(cái)務(wù)預(yù)警模型也可能因使用不同期間的財(cái)務(wù)報(bào)表而有差異。
(三)多元回歸模型來(lái)判別企業(yè)違約的代表Horrigan(1966)使用多元回歸模型預(yù)測(cè)Moody與S&P的評(píng)級(jí)，對(duì)各個(gè)不同的等級(jí)賦予主觀數(shù)值，如Aaa為9，A a為8，最低為c，數(shù)值為1，依次類推，最后的回歸模型包括總資產(chǎn)、債券順位、營(yíng)運(yùn)資金，營(yíng)運(yùn)收入、凈值，負(fù)債，凈值周轉(zhuǎn)率與凈利率等。其預(yù)測(cè)的正確率對(duì)Moody為58％，S&P為52％。其次West也使用多元回歸模型，利用其預(yù)測(cè)Moody與S＆P的投資級(jí)債信評(píng)級(jí)，將Fisher(1959)用以估計(jì)風(fēng)險(xiǎn)溢價(jià)的自變量建立一個(gè)多元回歸模型，針對(duì)Moody評(píng)級(jí)在B級(jí)以上的公司建立等級(jí)決定模型，其變數(shù)包括9年的獲利變異性、償債期間、負(fù)債權(quán)益比率與在外流通的債券總額等，正確率為62％。相對(duì)前述的危機(jī)預(yù)測(cè)，兩者的準(zhǔn)確率均不高，原因之一是前述的預(yù)測(cè)只有兩類，非高即低，債券等級(jí)預(yù)測(cè)卻可能多達(dá)9個(gè)等級(jí)，在其他條件固定下預(yù)測(cè)正確率下降屬必然。
(四)神經(jīng)網(wǎng)絡(luò)分析法對(duì)財(cái)務(wù)危機(jī)進(jìn)行預(yù)測(cè)雖然神經(jīng)網(wǎng)絡(luò)的理論可追溯到上個(gè)世紀(jì)40年代，但在信用風(fēng)險(xiǎn)分析中的應(yīng)用還是始于上個(gè)世紀(jì)90年代。神經(jīng)網(wǎng)絡(luò)是從神經(jīng)心理學(xué)和認(rèn)識(shí)科學(xué)研究成果出發(fā)，應(yīng)用數(shù)學(xué)方法發(fā)展起來(lái)的一種并行分布模式處理系統(tǒng)，具有高度并行計(jì)算能力、自學(xué)能力和容錯(cuò)能力。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)是由一個(gè)輸入層、若干個(gè)中間隱含層和輸出層組成。國(guó)外研究者如Altman，Marco和Varetto(1995)，對(duì)意大利公司財(cái)務(wù)危機(jī)預(yù)測(cè)中應(yīng)用了神經(jīng)網(wǎng)絡(luò)分析法。Coats，Pant(1993)采用神經(jīng)網(wǎng)絡(luò)分析法分別對(duì)美國(guó)公司和銀行財(cái)務(wù)危機(jī)進(jìn)行了預(yù)測(cè)，取得了一定的效果。然而神經(jīng)網(wǎng)絡(luò)的最大缺點(diǎn)是其工作的隨機(jī)性較強(qiáng)。因?yàn)橐玫揭粋€(gè)較好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，需要人為地去調(diào)試，非常耗費(fèi)人力與時(shí)間，因此應(yīng)用受到了限制。Altman(1995)在對(duì)神經(jīng)網(wǎng)絡(luò)法和判別分析法的比較研究中得出結(jié)論：神經(jīng)網(wǎng)絡(luò)分析方法在信用風(fēng)險(xiǎn)識(shí)別和預(yù)測(cè)中的應(yīng)用，并沒(méi)有實(shí)質(zhì)性的優(yōu)于線性判別模型。但神經(jīng)網(wǎng)絡(luò)作為一門嶄新的信息處理科學(xué)仍然吸引著眾多領(lǐng)域的研究者。
(五)財(cái)務(wù)因素的可量化性、數(shù)據(jù)的可獲得性使其在傳統(tǒng)的信用評(píng)估研究中受到廣泛的關(guān)注由于財(cái)務(wù)因素在銀行信用評(píng)估分析中存在滯后性、灰色性(財(cái)務(wù)報(bào)表披露的信息很大程度上帶有不完整性，甚至虛假性)和短期性等諸多弊端，已有越來(lái)越多的學(xué)者將部分注意力轉(zhuǎn)移到非財(cái)務(wù)因素上。認(rèn)為借款企業(yè)不是處于一個(gè)封閉的系統(tǒng)中，必然還要受到外部因素的影響和制約，認(rèn)為非財(cái)務(wù)因素是未來(lái)貸款風(fēng)險(xiǎn)的預(yù)警信號(hào)，因此，同時(shí)結(jié)合財(cái)務(wù)因素和非財(cái)務(wù)因素比僅用其中任一因素在違約率預(yù)測(cè)上更為精確。巴塞爾銀行監(jiān)督委員會(huì)(2001)要求銀行不僅要考慮定量因素，還要考慮定性因素。《巴塞爾新資本協(xié)議》于2004年正式公布，其推廣實(shí)施將對(duì)全球銀行業(yè)的發(fā)展格局產(chǎn)生深遠(yuǎn)影響。新協(xié)議對(duì)銀行風(fēng)險(xiǎn)管理提出了更高要求，強(qiáng)調(diào)了風(fēng)險(xiǎn)計(jì)量的精確性、敏感性和標(biāo)準(zhǔn)化，突出了內(nèi)部評(píng)級(jí)法(Internal Ratings-Based Approaches，IRB)的地位和作用。正如巴塞爾委員會(huì)主席卡如納所說(shuō)，內(nèi)部評(píng)級(jí)法作為新資本協(xié)議的核心技術(shù)，代表著未來(lái)銀行業(yè)風(fēng)險(xiǎn)管理和資本監(jiān)管的發(fā)展方向。內(nèi)部評(píng)級(jí)系統(tǒng)所提供的違約概率(PD)、違約損失率(LGD)、預(yù)期損失(EL)以及非預(yù)期損失(UL)等關(guān)鍵指標(biāo)，在授信審批、貸款定價(jià)、限額管理、風(fēng)險(xiǎn)預(yù)警等信貸管理流程中發(fā)揮著重要的決策支持作用。同時(shí)，該系統(tǒng)的計(jì)量分析結(jié)果也是制定信貸政策、計(jì)提準(zhǔn)備金、分配經(jīng)濟(jì)資本以及實(shí)施RAROC管理的重要基礎(chǔ)。
二、國(guó)有商業(yè)銀行信貸風(fēng)險(xiǎn)評(píng)級(jí)中的問(wèn)題分析
(一)信用評(píng)級(jí)指標(biāo)體系的組成有待進(jìn)一步深入研究目前國(guó)有商業(yè)銀行使用的評(píng)級(jí)指標(biāo)體系中選擇的各項(xiàng)指標(biāo)大多是通過(guò)內(nèi)部從事信貸管理的專家確定的，屬于專家意見法，缺乏對(duì)于各項(xiàng)指標(biāo)能否靈敏反映借款企業(yè)違約率、企業(yè)信用水平的定量化研究。此外，科學(xué)的評(píng)級(jí)指標(biāo)體系應(yīng)該能夠全面而不冗余、重復(fù)的反映評(píng)級(jí)對(duì)象的風(fēng)險(xiǎn)信息，僅通過(guò)專家意見法確定的評(píng)級(jí)指標(biāo)體系難以實(shí)現(xiàn)這一目標(biāo)。
(二)信用評(píng)級(jí)指標(biāo)權(quán)重缺乏科學(xué)性目前評(píng)級(jí)方法中主要依靠專家的經(jīng)驗(yàn)，即專家對(duì)各項(xiàng)指標(biāo)相對(duì)重要性的認(rèn)識(shí)，確定指標(biāo)的各自權(quán)重，通過(guò)主觀意見確定權(quán)重形成的評(píng)級(jí)辦法在科學(xué)性與客觀性方面都存在問(wèn)題，影響了評(píng)級(jí)結(jié)果的準(zhǔn)確性，因此科學(xué)合理的確定評(píng)級(jí)指標(biāo)權(quán)重，提高評(píng)級(jí)結(jié)果的準(zhǔn)確性是目前需要解決的重要問(wèn)題。
(三)國(guó)內(nèi)信用評(píng)級(jí)方法存在缺陷國(guó)內(nèi)學(xué)者和專業(yè)人士提出的貸款信用評(píng)級(jí)方法主要包括信用評(píng)分法，綜合評(píng)判法，判別分析法和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法等，這些方法存在的主要缺陷：一是評(píng)級(jí)指標(biāo)和權(quán)重的確定缺乏客觀依據(jù)，基本依靠專家意見法確定，主觀性較強(qiáng)，某些研究雖然應(yīng)用了數(shù)理統(tǒng)計(jì)方法，但存在不能很好的解決反映風(fēng)險(xiǎn)有關(guān)信息重疊與遺漏矛盾等方面的向題；二是模型只能對(duì)是否違約進(jìn)行判斷，不能給出貸款違約概率等信息；三是由于模型不能給出貸款違約概率等信息，難以指導(dǎo)信貸定價(jià)等控制信用風(fēng)險(xiǎn)的工作；四是神經(jīng)網(wǎng)絡(luò)方法存在的黑箱性、過(guò)分?jǐn)M合不穩(wěn)定性、隨機(jī)性，可能實(shí)現(xiàn)局部最優(yōu)而非全局最優(yōu)，因此這種方法的應(yīng)用性受到不少人特別是實(shí)務(wù)界的懷疑。
(四)商業(yè)銀行缺乏有效的信用風(fēng)險(xiǎn)防范和控制手段在信用風(fēng)險(xiǎn)防范和控制手段上，我國(guó)商業(yè)銀行沒(méi)有建立起分產(chǎn)品、分部門、分客戶的核算機(jī)制和以內(nèi)部資金轉(zhuǎn)移價(jià)格為中心的定價(jià)體系。貸款審查通常是以定性分析為主，缺少市場(chǎng)細(xì)分，盲目吸納大型客戶，沒(méi)有清晰的市場(chǎng)風(fēng)險(xiǎn)、行業(yè)風(fēng)險(xiǎn)和地區(qū)風(fēng)險(xiǎn)控制的政策目標(biāo)。在信用風(fēng)險(xiǎn)發(fā)生后又急于抽回貸款，方式、方法過(guò)于簡(jiǎn)單，容易造成企業(yè)經(jīng)營(yíng)困難，甚至導(dǎo)致企業(yè)破產(chǎn)和銀行不良貸款的積累。另外，我國(guó)信用評(píng)級(jí)行業(yè)尚處在起步階段，存在問(wèn)題較多，整體上難以達(dá)到國(guó)際上認(rèn)可的技術(shù)和管理標(biāo)準(zhǔn)。健全的風(fēng)險(xiǎn)管理框架是實(shí)現(xiàn)全面風(fēng)險(xiǎn)管理的前提。國(guó)外銀行通過(guò)引進(jìn)內(nèi)部評(píng)級(jí)制度，對(duì)信用風(fēng)險(xiǎn)進(jìn)行識(shí)別、評(píng)估和分類，并由風(fēng)險(xiǎn)管理委員會(huì)等專職機(jī)構(gòu)來(lái)統(tǒng)籌信用風(fēng)險(xiǎn)管理政策的執(zhí)行和協(xié)調(diào)。而國(guó)內(nèi)銀行此方面管理職責(zé)分散，缺乏專門的管理部門，而且不同類型的風(fēng)險(xiǎn)由不同的部門負(fù)責(zé)。這種分散管理的做法，使得銀行系統(tǒng)缺乏統(tǒng)一的風(fēng)險(xiǎn)管理戰(zhàn)略和政策，高層管理者更是無(wú)法清楚了解銀行面臨的整體風(fēng)險(xiǎn)狀況。同時(shí)，分散管理還使得有些信用風(fēng)險(xiǎn)因無(wú)人管理而陷入真空狀態(tài)。另外，我國(guó)商業(yè)銀行現(xiàn)行的組織管理結(jié)構(gòu)為典型的“金字塔”式結(jié)構(gòu)，在實(shí)踐中存在管理層次多、決策滯后、風(fēng)險(xiǎn)集中、成本過(guò)高等問(wèn)題，縱向過(guò)長(zhǎng)的鏈條加上商業(yè)銀行過(guò)大的規(guī)模使得信息傳遞和決策渠道存在過(guò)多環(huán)節(jié)，極易形成銀行內(nèi)部委托鏈條上的信息不對(duì)稱，難以有效防范信用風(fēng)險(xiǎn)的發(fā)生。
三、國(guó)有商業(yè)銀行內(nèi)部評(píng)級(jí)體系構(gòu)建的整體思路和方法步驟
論文摘要：對(duì)務(wù)報(bào)表是對(duì)企業(yè)經(jīng)營(yíng)狀況評(píng)價(jià)的主要依據(jù)?對(duì)務(wù)報(bào)表分析方法的科學(xué)與否關(guān)系到評(píng)價(jià)的準(zhǔn)確性和客現(xiàn)性。本文系統(tǒng)地介紹了對(duì)務(wù)報(bào)表分析的內(nèi)容及方法。
一、財(cái)務(wù)報(bào)表分析的含義和目的:
財(cái)務(wù)報(bào)表是總括地反映企業(yè)在一定時(shí)期內(nèi)的財(cái)務(wù)狀況和經(jīng)營(yíng)成果等信息的書面文件?其內(nèi)容有兩方面:一是企業(yè)經(jīng)營(yíng)成果?包括企業(yè)營(yíng)業(yè)收人、成本控制和費(fèi)用節(jié)省情況、利潤(rùn)的多少和投資者獲得的紅利等;二是企業(yè)財(cái)務(wù)狀況的好壞?包括資金供應(yīng)、償債能力和企業(yè)的發(fā)展?jié)摿Φ取Ｘ?cái)務(wù)報(bào)表分析又稱財(cái)務(wù)分析?以財(cái)務(wù)報(bào)表和其他資料為依據(jù)和起點(diǎn)?采用專門方法?系統(tǒng)分析和評(píng)價(jià)企業(yè)的過(guò)去和現(xiàn)在的經(jīng)營(yíng)成果、財(cái)務(wù)狀況及其變動(dòng)?目的是了解過(guò)去、評(píng)價(jià)現(xiàn)在和預(yù)測(cè)將來(lái)?幫助利益關(guān)系集團(tuán)改善決策。財(cái)務(wù)分析的最基本功能是將大量的報(bào)表數(shù)據(jù)轉(zhuǎn)換成對(duì)特定決策有用的信息?減少?zèng)Q策的不確定性。
企業(yè)對(duì)外的財(cái)務(wù)報(bào)表?是根據(jù)全體使用人的一般要求設(shè)計(jì)的?對(duì)于不同的使用人?他們的分析的目的不完全相同:
投資人:為決定是否投資?分析企業(yè)的資產(chǎn)和盈利能力;為決定是否轉(zhuǎn)讓股翰?分析盈利狀況?股份變動(dòng)和發(fā)展前景;為考查經(jīng)營(yíng)者業(yè)績(jī)?要分析資產(chǎn)盈利水平、破產(chǎn)風(fēng)險(xiǎn)和能力;為決定股利分配政策?要分析籌資狀況。
債權(quán)人:為決定是否給企業(yè)貸款?要分析貸款的報(bào)酬和風(fēng)險(xiǎn);為了解債務(wù)人的短期償債能力?要分析其流動(dòng)狀況;為了解債務(wù)人的長(zhǎng)期償債能力?要分析其盈利狀況;為決定是否出讓債權(quán)?要評(píng)價(jià)其價(jià)值。
經(jīng)理人員:為改善財(cái)務(wù)決策而進(jìn)行財(cái)務(wù)分析?涉及的內(nèi)容最廣泛?幾乎包括外部使用人關(guān)心的所有間題。政府:要通過(guò)財(cái)務(wù)分析了解企業(yè)納稅情況;遵守政府法規(guī)和市場(chǎng)秩序的情況?職工收入和就業(yè)狀況。
分析財(cái)務(wù)報(bào)表的一般目的可以概括為:評(píng)價(jià)過(guò)去的經(jīng)營(yíng)業(yè)績(jī)?衡量現(xiàn)在財(cái)務(wù)狀況?預(yù)測(cè)未來(lái)的發(fā)展趨勢(shì)。
二、財(cái)務(wù)報(bào)表分析的內(nèi)容
不同的報(bào)表使用者?由于其對(duì)財(cái)務(wù)信息的需求不同?因而相應(yīng)地財(cái)務(wù)報(bào)表分析的內(nèi)容也不同。但概括起來(lái)?財(cái)務(wù)報(bào)表分析的內(nèi)容主要包括以下幾個(gè)方面:
1、資本結(jié)構(gòu)分析
企業(yè)在生產(chǎn)經(jīng)營(yíng)過(guò)程中周轉(zhuǎn)使用的資金?包括從債權(quán)人借人和企業(yè)自有兩部分?是以不同的形態(tài)分配和使用。資本結(jié)構(gòu)的建立和合理與否?直接關(guān)系到企業(yè)經(jīng)濟(jì)實(shí)力的充實(shí)和經(jīng)營(yíng)基礎(chǔ)的穩(wěn)定與否。分析資本結(jié)構(gòu)對(duì)企業(yè)的經(jīng)營(yíng)者、投資者或債權(quán)人都具有十分重要的意義。
2,償債能力分析
企業(yè)在生產(chǎn)經(jīng)營(yíng)過(guò)程中?為了彌補(bǔ)自有資金的不足?經(jīng)常通過(guò)舉債籌集部分生產(chǎn)經(jīng)營(yíng)資金。因此企業(yè)經(jīng)營(yíng)者通過(guò)財(cái)務(wù)報(bào)表分析?測(cè)定企業(yè)的償債能力?有利于作出正確的籌集決策。而對(duì)債權(quán)人來(lái)說(shuō)?償債能力的強(qiáng)弱是其作出貸款決策的基本依據(jù)。
3、獲利能力分析
獲取利潤(rùn)是企業(yè)的最終目的?也是投資者投資的基本目的。獲利能力的大小顯示著企業(yè)經(jīng)營(yíng)管理的成敗和企業(yè)未來(lái)前景的好壞。
4、資金運(yùn)用效率分析
資金利用效率的高低直接關(guān)系到企業(yè)獲利能力大小?預(yù)示著企業(yè)未來(lái)的發(fā)展前景?是企業(yè)經(jīng)營(yíng)者和投資者財(cái)務(wù)報(bào)表分析的一項(xiàng)重要內(nèi)容。
5,財(cái)務(wù)狀況變動(dòng)分析
財(cái)務(wù)狀況變動(dòng)分析主要是通過(guò)財(cái)務(wù)狀況變動(dòng)表或現(xiàn)金流量表的各項(xiàng)目的研究和評(píng)價(jià)?了解企業(yè)當(dāng)期內(nèi)資金流人的數(shù)量及其渠道?資金流出的數(shù)量及其用途?期初和期末相比企業(yè)資金增加或減少了多少?是什么原因引起的?從而正確評(píng)價(jià)企業(yè)的償債能力和支付能力?為決策提供充分的依據(jù)。
6、成本費(fèi)用分析
在市場(chǎng)經(jīng)濟(jì)條件下?產(chǎn)品的價(jià)格是市場(chǎng)決定的。企業(yè)如果能降低成本?減少費(fèi)用?就會(huì)獲得較高的利潤(rùn)?從而在市場(chǎng)競(jìng)爭(zhēng)中處于有利的地位由于有關(guān)成本、費(fèi)用的報(bào)表屬于企業(yè)內(nèi)部使用報(bào)表?投資者、債權(quán)人一般無(wú)法取得?因而成本費(fèi)用的分析是企業(yè)經(jīng)營(yíng)者財(cái)務(wù)報(bào)表分析的重要內(nèi)容。
三、財(cái)務(wù)報(bào)表分析的方法
財(cái)務(wù)報(bào)表分析的方法很多?基本方法有趨勢(shì)分析、結(jié)構(gòu)分析、財(cái)務(wù)指標(biāo)分析、比較分析和因素分析等幾種。
1、趨勢(shì)分析法
趨勢(shì)分析法是通過(guò)觀察連續(xù)數(shù)期的財(cái)務(wù)報(bào)表?比較各期的有關(guān)項(xiàng)目金額?分析某些指標(biāo)的增減變動(dòng)情況?在此基礎(chǔ)上判斷其發(fā)展趨勢(shì)?從而對(duì)未來(lái)可能出現(xiàn)的結(jié)果作出預(yù)測(cè)的一種分析方法運(yùn)用趨勢(shì)分析法?報(bào)表使用者可以了解有關(guān)項(xiàng)目變動(dòng)的基本趨勢(shì)?判斷這種趨勢(shì)是否有利并對(duì)企業(yè)的未來(lái)發(fā)展作出預(yù)測(cè)。
例如?a商場(chǎng)2000年1一6月份有關(guān)商品銷售資料如表所示:
根據(jù)表1數(shù)字資料?進(jìn)一步計(jì)算各項(xiàng)目的趨勢(shì)百分比。趨勢(shì)百分比分為定比和環(huán)比兩種。(1>以1月份為基期?其余各期與基期比較?計(jì)算出趨勢(shì)百分比?即定比。表2為1一6月份的定比。
從表2可以看出?用百分比反映的變化趨勢(shì)較之用絕對(duì)數(shù)(表1)?更能說(shuō)明a商場(chǎng)6個(gè)月來(lái)光銷售收人增長(zhǎng)了45%?而銷售利潤(rùn)則增長(zhǎng)了67%?高于銷售收人的增長(zhǎng)?其原因主要是銷售成本增長(zhǎng)低于銷售收入的增長(zhǎng)?從而影響了銷售利潤(rùn)的增長(zhǎng)。
(2>將各期項(xiàng)目數(shù)和前期數(shù)目相比較?計(jì)算出趨勢(shì)百分比?即環(huán)比。表3為1一6月份的環(huán)比。
從表3可以看出?銷售成本逐月增長(zhǎng)?而且增長(zhǎng)速度是遞增的;銷售收人雖然都在增長(zhǎng)?但增長(zhǎng)速度較慢?其結(jié)果是銷售利潤(rùn)雖然逐月在增長(zhǎng)?但增長(zhǎng)速度在遞減?而且到6月份增長(zhǎng)率僅為111%0
2、結(jié)構(gòu)分析法
所謂結(jié)構(gòu)分析法是指將財(cái)務(wù)報(bào)表中某一關(guān)鍵項(xiàng)目的數(shù)字作為基數(shù)(即為100%)?再計(jì)算該項(xiàng)目各個(gè)組成部分占總體的百分比?以分析總體構(gòu)成的變化?從而揭示出財(cái)務(wù)報(bào)表中各項(xiàng)目的相對(duì)地位和總體結(jié)構(gòu)關(guān)系。
仍以表1中a商場(chǎng)的銷售收人等項(xiàng)目數(shù)據(jù)為例?以銷售收入為100%?計(jì)算出其他項(xiàng)目的結(jié)構(gòu)百分比?如表40
從各期結(jié)構(gòu)百分比的變動(dòng)情況可以看出?由于銷售成本逐期下降?導(dǎo)致產(chǎn)品利潤(rùn)占銷售收人的比重逐年下降。結(jié)構(gòu)分析對(duì)于資產(chǎn)負(fù)債表和損益表的分析是很有用的。作為基數(shù)的項(xiàng)目?在損益表通常為產(chǎn)品銷售收入?在資產(chǎn)負(fù)債表中?通常為資產(chǎn)總額、負(fù)債總額和所有者權(quán)益總額。
3,時(shí)比分析法
對(duì)比分析法是將財(cái)務(wù)報(bào)表中的某些項(xiàng)目或比率與其他的相關(guān)資料對(duì)比來(lái)確定數(shù)量差異?以說(shuō)明和評(píng)價(jià)企業(yè)的財(cái)務(wù)狀況和經(jīng)營(yíng)成績(jī)的一種報(bào)表分析方法。按照相互對(duì)比的雙方可以分為以下幾個(gè)方面:
(1)本期的實(shí)際數(shù)據(jù)與前期(上月、上季、上年等)的數(shù)據(jù)相比較?以反映生產(chǎn)經(jīng)營(yíng)活動(dòng)的發(fā)展?fàn)顟B(tài)?考察且改進(jìn)情況。
(2)本企業(yè)的數(shù)據(jù)與同行業(yè)其他企業(yè)或全行業(yè)的平均水平、先進(jìn)水平相比較?以發(fā)現(xiàn)企業(yè)同先進(jìn)水平的差距?找出潛力之所在。
(3)本期的實(shí)際發(fā)生數(shù)與計(jì)劃數(shù)、預(yù)算數(shù)相比較?檢查計(jì)劃完成情況?給進(jìn)一步分析提供方向。
(4)期末數(shù)與期初數(shù)相比較?說(shuō)明本期生產(chǎn)經(jīng)營(yíng)和財(cái)務(wù)狀況的最新變動(dòng)。
總之?通過(guò)企業(yè)財(cái)務(wù)數(shù)據(jù)的對(duì)比?可以揭示企業(yè)取得的成績(jī)和存在的差距?發(fā)現(xiàn)問(wèn)題?為進(jìn)一步分析原因、挖掘潛力指明方向或提供線索。
4、因素分析法
因素分析法是通過(guò)分析影響財(cái)務(wù)指標(biāo)的各項(xiàng)因素及其對(duì)指標(biāo)的影響程度?說(shuō)明本期實(shí)際與計(jì)劃或基期相比較發(fā)生變動(dòng)的主要原因以及各變動(dòng)因素對(duì)財(cái)務(wù)指標(biāo)變動(dòng)的影響程度的一種分析方法。
假設(shè)b公司?有關(guān)數(shù)據(jù)如下:
權(quán)益凈利率二資產(chǎn)凈利率x權(quán)益年數(shù)
第一年14.93%二7.39%x2.02
第二年12.12%二6%x 2.02
通過(guò)分解可以看出?權(quán)益凈利率的下降不在于資本結(jié)構(gòu)?而是資產(chǎn)利用或成本控制發(fā)生了問(wèn)題?造成凈資產(chǎn)利率下降。
例如又可以對(duì)資產(chǎn)凈利率進(jìn)行分解:
資產(chǎn)凈利率=銷售凈利率x資產(chǎn)周轉(zhuǎn)率
第一年7.39%=4.53%x 1.6304
第二年6%=3%x 2
通過(guò)分解可以看出?資產(chǎn)的使用效率提高了?但由此帶來(lái)的收益不足以抵補(bǔ)銷售凈利率下降造成的損失。
運(yùn)用因素分析法的一般程序是?首先明確某項(xiàng)財(cái)務(wù)指標(biāo)受哪些因素的影響;其次確定各種因素與該指標(biāo)之間的數(shù)量關(guān)系?是加減關(guān)系還是乘除關(guān)系?在此基礎(chǔ)上?列成一個(gè)分析計(jì)算式;再次計(jì)算確定各種因素影響財(cái)務(wù)指標(biāo)變動(dòng)程度的數(shù)額。
5、比率分析法
比率分析是在同一張財(cái)務(wù)報(bào)表的不同項(xiàng)目或不同類別之間?或在不同財(cái)務(wù)報(bào)表的有關(guān)項(xiàng)目之間?用比率來(lái)反映它們互相之間的關(guān)系?據(jù)以評(píng)價(jià)企業(yè)的財(cái)務(wù)狀況和經(jīng)營(yíng)業(yè)績(jī)?并找出經(jīng)營(yíng)中存在的問(wèn)題和解決辦法。
財(cái)務(wù)比率可以分為以下四類:
(1)變現(xiàn)能力比率?如流動(dòng)比率、速動(dòng)比率。
(2)資產(chǎn)管理比率?如存貨周轉(zhuǎn)率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、應(yīng)收帳款周轉(zhuǎn)率等。
(3)負(fù)債比率?如資產(chǎn)負(fù)債率、產(chǎn)權(quán)比率、有形凈值債務(wù)率和已獲利息倍數(shù)等。
摘要：論文以西部礦業(yè)為例，結(jié)合資源型企業(yè)特點(diǎn)，嵌入生態(tài)影響因素，重新構(gòu)建與客觀區(qū)位環(huán)境相適應(yīng)的企業(yè)績(jī)效評(píng)價(jià)體系。選取企業(yè)2011―2014年度數(shù)據(jù)為訓(xùn)練樣本，運(yùn)用灰色關(guān)聯(lián)度分析法對(duì)各項(xiàng)指標(biāo)的優(yōu)劣進(jìn)行評(píng)價(jià)得出，論文構(gòu)建的資源型企業(yè)績(jī)效評(píng)價(jià)指標(biāo)體系與企業(yè)績(jī)效評(píng)價(jià)結(jié)果關(guān)聯(lián)度較高。以企業(yè)2015年度數(shù)據(jù)為檢驗(yàn)樣本，發(fā)現(xiàn)企業(yè)在盈利能力、償債能力、發(fā)展能力、污染控制能力及環(huán)保力度等方面存在不足，提出了針對(duì)性的績(jī)效管控對(duì)策。
關(guān)鍵詞：灰色關(guān)聯(lián)度分析法 資源型企業(yè) 績(jī)效評(píng)價(jià) 管理控制
根據(jù)全國(guó)的主體功能區(qū)規(guī)劃，青海屬保障國(guó)家生態(tài)安全的“兩屏三帶”生態(tài)地區(qū)，生態(tài)地位特殊。資源型企業(yè)是一種特殊類型的企業(yè)，其社會(huì)責(zé)任具有明顯異于其他類型企業(yè)的特征，但目前資源型企業(yè)的社會(huì)責(zé)任缺失問(wèn)題較為突出，由此引發(fā)的生態(tài)問(wèn)題也給社會(huì)造成了負(fù)面影響。論文基于企業(yè)可持續(xù)發(fā)展的視角，以西部礦業(yè)為例，嵌入環(huán)境因素來(lái)重新構(gòu)建生態(tài)脆弱地區(qū)資源型企業(yè)績(jī)效評(píng)價(jià)指標(biāo)體系，引導(dǎo)企業(yè)綜合考慮企業(yè)發(fā)展的環(huán)境影響和經(jīng)濟(jì)影響，自覺維護(hù)生態(tài)秩序，保護(hù)利益相關(guān)者的利益，形成資源型企業(yè)與生態(tài)環(huán)境和諧發(fā)展長(zhǎng)效機(jī)制。
一、理論基礎(chǔ)
（一）生態(tài)經(jīng)濟(jì)理論
傳統(tǒng)經(jīng)濟(jì)學(xué)注重資源所能創(chuàng)造的價(jià)值而忽視了資源過(guò)度開發(fā)使用帶來(lái)的外部經(jīng)濟(jì)性，對(duì)自然資源肆意消耗的成本費(fèi)用由環(huán)境“買單”的后果是造成各種環(huán)境污染、生態(tài)破壞，而企業(yè)自愿買單的結(jié)果就是污染治理支出，被動(dòng)埋單的結(jié)果則是受到有關(guān)環(huán)保監(jiān)管部門的處罰，最終導(dǎo)致企業(yè)經(jīng)濟(jì)利益流失的同時(shí)名譽(yù)受損。自黨的十將生態(tài)文明建設(shè)并入中國(guó)特色社會(huì)主義建設(shè)中以來(lái)，“五位一體”的總布局實(shí)為深入貫徹科學(xué)發(fā)展觀的新部署。生態(tài)文明時(shí)代下，協(xié)調(diào)生態(tài)環(huán)境保護(hù)與經(jīng)濟(jì)發(fā)展的矛盾顯得尤為迫切。事實(shí)證明，經(jīng)濟(jì)發(fā)展與環(huán)境保護(hù)的相互協(xié)調(diào)可以保證經(jīng)濟(jì)的良性發(fā)展。生態(tài)經(jīng)濟(jì)理論旨在協(xié)調(diào)生態(tài)、經(jīng)濟(jì)兩者間的相互關(guān)系，主張堅(jiān)持走生態(tài)發(fā)展的道路，明確樹立可持續(xù)發(fā)展觀念對(duì)企業(yè)乃至整個(gè)社會(huì)發(fā)展的重大意義。
（二）利益相關(guān)者理論
利益相關(guān)者理論的鼻祖Freeman給利益相關(guān)者下了一個(gè)日后成為經(jīng)典的定義：“一個(gè)組織里的利益相關(guān)者是可以影響到組織目標(biāo)的實(shí)現(xiàn)或受其實(shí)現(xiàn)影響的群體或個(gè)人”。可見Freeman是從廣義的角度來(lái)定義利益相關(guān)者的概念。
當(dāng)代企業(yè)具有經(jīng)濟(jì)、生態(tài)、社會(huì)三重屬性，因此績(jī)效評(píng)價(jià)的價(jià)值導(dǎo)向應(yīng)當(dāng)是包含企業(yè)三重屬性的廣義利益相關(guān)者價(jià)值取向，這里廣義利益相關(guān)者是包含了企業(yè)的直接利益相關(guān)者、后代利益相關(guān)者、社會(huì)利益相關(guān)者、生態(tài)利益相關(guān)者等，而對(duì)于后代、間接利益相關(guān)者，企業(yè)生態(tài)價(jià)值和社會(huì)價(jià)值的創(chuàng)造直接影響著他們以及企業(yè)自身生存發(fā)展的持續(xù)性和穩(wěn)定性。
二、資源型企業(yè)績(jī)效評(píng)價(jià)指標(biāo)體系構(gòu)建――以西部礦業(yè)為例
（一）資源型企業(yè)概念界定
資源是物力、財(cái)力、人力等各種物質(zhì)要素的總稱，有社會(huì)資源和自然資源之分，狹義的資源僅指自然資源。資源型企業(yè)是通過(guò)占有自然資源，以自然資源開發(fā)為主或以自然資源為主要投入，輔以后續(xù)加工，盡可能利用區(qū)域內(nèi)存在的自然條件，依靠資源的消耗實(shí)現(xiàn)成長(zhǎng)，最終以盈利為目的，具有法人資格，實(shí)行自主經(jīng)營(yíng)、獨(dú)立核算的盈利性經(jīng)濟(jì)實(shí)體。
（二）西部礦業(yè)簡(jiǎn)介
西部礦業(yè)股份有限公司（以下簡(jiǎn)稱西部礦業(yè)）是青海省一家以礦產(chǎn)資源綜合開發(fā)為主業(yè)的大型礦業(yè)上市公司。主要從事銅、鉛、鋅、鋁、鐵等基本金屬、黑色金屬和非金屬磷礦的采選、冶煉、貿(mào)易等業(yè)務(wù)。經(jīng)過(guò)近幾年的發(fā)展，公司逐漸形成了以資源開發(fā)為基礎(chǔ)，以技術(shù)進(jìn)步為動(dòng)力，以發(fā)展民族經(jīng)濟(jì)為己任的資源型大型礦業(yè)集團(tuán)公司。
（三）資源型企業(yè)績(jī)效評(píng)價(jià)體系構(gòu)建
現(xiàn)有績(jī)效評(píng)價(jià)體系沒(méi)有考慮資源型企業(yè)對(duì)環(huán)境的影響因素，不能有效激勵(lì)企業(yè)建立可持續(xù)發(fā)展的戰(zhàn)略目標(biāo)，因此，本文以西部礦業(yè)為例，根據(jù)企業(yè)獨(dú)特環(huán)境特點(diǎn)及企業(yè)性質(zhì)，嵌入環(huán)境因素，引入生態(tài)收益有關(guān)指標(biāo)，結(jié)合財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)，重新構(gòu)建資源型企業(yè)績(jī)效評(píng)價(jià)指標(biāo)體系，以全面考核企業(yè)的經(jīng)營(yíng)績(jī)效。具體指標(biāo)體系設(shè)計(jì)如表1所示。
三、灰色關(guān)聯(lián)度分析法在西部礦業(yè)績(jī)效評(píng)價(jià)中的應(yīng)用
本文選取青海省資源型上市公司――西部礦業(yè)為樣本，運(yùn)用灰色關(guān)聯(lián)度分析法，通過(guò)計(jì)算各指標(biāo)與企業(yè)績(jī)效評(píng)價(jià)結(jié)果之間的關(guān)聯(lián)度，進(jìn)行資源型企業(yè)績(jī)效評(píng)價(jià)指標(biāo)優(yōu)劣的評(píng)價(jià)。
（一）灰色關(guān)聯(lián)度分析法介紹
灰色系統(tǒng)理論是我國(guó)學(xué)者鄧聚龍教授于20世紀(jì)80年代提出的。利用灰色關(guān)聯(lián)度分析法分析企業(yè)績(jī)效評(píng)價(jià)指標(biāo)的優(yōu)劣水平，即對(duì)各績(jī)效評(píng)價(jià)指標(biāo)進(jìn)行排序，分析各評(píng)價(jià)指標(biāo)與理想指標(biāo)的接近程度，評(píng)價(jià)指標(biāo)與理想指標(biāo)越接近，其關(guān)聯(lián)度就越大。其中關(guān)聯(lián)度最大的評(píng)價(jià)指標(biāo)為最優(yōu)。
（二）灰色關(guān)聯(lián)度分析法在西部礦業(yè)績(jī)效評(píng)價(jià)中的應(yīng)用
1.數(shù)據(jù)選取。本文選取西部礦業(yè)2011―2014年度的財(cái)務(wù)與非財(cái)務(wù)數(shù)據(jù)，財(cái)務(wù)信息來(lái)源于和訊網(wǎng)披露的年度報(bào)告，非財(cái)務(wù)信息主要依靠實(shí)地調(diào)研和閱讀企業(yè)年度社會(huì)責(zé)任報(bào)告、環(huán)境報(bào)告取得（見下頁(yè)表2）。
2.對(duì)數(shù)據(jù)進(jìn)行無(wú)量綱化處理（見下頁(yè)表3）。
3.計(jì)算絕對(duì)差值OX0（k）-Xi（k）O。結(jié)果見下頁(yè)表4。
min minOX0（k）-Xi（k）O=min（0.0700，0.0300，0.3445，0.0400，14.8700，17.6400，0.0055，0.0375，0.4800，0.7500，0.3598，0.2856，6.2300，0.2356，0.4966，0.2441）=0.0055為兩級(jí)最小差；
max maxOX0（k）-Xi（k）O=max（0.9300，0.9700，0.8900，0.9600，15.2361，18.2666，0.1235，0.2000，0.8111，1.1100，0.3774，0.7300，7.3614，0.8200，1.0004，0.9819）=18.2666為兩級(jí)最大差。
4.計(jì)算關(guān)聯(lián)系數(shù)。利用公式ξ0i（k）=[min minOX0（k）-Xi（k）O+ρ max maxOX0（k）-Xi（k）O]/ [OX0（k）-Xi（k）O+ρ max maxOX0（k）-Xi（k）O]，ρ取0.5，求得共計(jì)4×16個(gè)關(guān)聯(lián)系數(shù)ξ0i（k）。
5.計(jì)算關(guān)聯(lián)系數(shù)均值。
利用公式roi=（1/n）ξ0i（k）計(jì)算每個(gè)指標(biāo)的關(guān)聯(lián)系數(shù)均值，結(jié)果見表6。
6.結(jié)果評(píng)價(jià)。由上述分析結(jié)果可知，除A21（存貨周轉(zhuǎn)率）、A22（應(yīng)收賬款周轉(zhuǎn)率）兩個(gè)指標(biāo)與企業(yè)績(jī)效的關(guān)聯(lián)度小于0.5外，其余指標(biāo)與績(jī)效評(píng)價(jià)結(jié)果的關(guān)聯(lián)程度均大于0.5，指標(biāo)關(guān)聯(lián)度大于0.5的比重為87.5%（14/16=0.875），說(shuō)明構(gòu)建的指標(biāo)體系能有效地評(píng)價(jià)企業(yè)的績(jī)效。
16項(xiàng)指標(biāo)按其與企業(yè)績(jī)效評(píng)價(jià)結(jié)果的關(guān)聯(lián)程度由高到低依次為：A23>A31>A14>A34>A12>A11>A43>A41>B21>A13>A32>B11>A33>A42>A21。其中，指標(biāo)A23（總資產(chǎn)周轉(zhuǎn)率）與企業(yè)績(jī)效評(píng)價(jià)結(jié)果的關(guān)聯(lián)程度最高（0.9942），A31（現(xiàn)金比率）次之（0.9888），A14（銷售生態(tài)收益率）排名第三（0.9645），指標(biāo)A22（應(yīng)收賬款周轉(zhuǎn)率）與企業(yè)績(jī)效評(píng)價(jià)結(jié)果的關(guān)聯(lián)程度最低（0.3365）。
突破傳統(tǒng)的企業(yè)績(jī)效財(cái)務(wù)指標(biāo)評(píng)價(jià)體系，本文構(gòu)建的4個(gè)財(cái)務(wù)指標(biāo)――凈資產(chǎn)生態(tài)收益率（A11）、總資產(chǎn)生態(tài)收益率（A12）、銷售生態(tài)收益率（A14）、生態(tài)收益增長(zhǎng)率（A42），2個(gè)非財(cái)務(wù)指標(biāo)――排污成本率（B11）、環(huán)保投資率（B21）與績(jī)效評(píng)價(jià)結(jié)果的關(guān)聯(lián)度分別為0.9565、0.9597、0.9645、0.56661、09234、0.9487，均大于0.5，且除了生態(tài)收益增長(zhǎng)率外，其余指標(biāo)與績(jī)效評(píng)價(jià)結(jié)果的關(guān)聯(lián)度均高于0.9，因此，本文在傳統(tǒng)的企業(yè)績(jī)效財(cái)務(wù)指標(biāo)評(píng)價(jià)體系基礎(chǔ)之上，根據(jù)西部礦業(yè)所處環(huán)境的特點(diǎn)，構(gòu)建的6項(xiàng)績(jī)效評(píng)價(jià)指標(biāo)與資源型企業(yè)績(jī)效評(píng)價(jià)結(jié)果的關(guān)聯(lián)程度較高，這6項(xiàng)指標(biāo)的引入對(duì)于提高資源型企業(yè)績(jī)效評(píng)價(jià)有很強(qiáng)的效果性。
由表7可以看出，與企業(yè)績(jī)效評(píng)價(jià)結(jié)果的關(guān)聯(lián)程度最高的指標(biāo)A23（總資產(chǎn)周轉(zhuǎn)率）高于參考值，說(shuō)明西部礦業(yè)在2015年度總資產(chǎn)管理能力提升。除反映企業(yè)資產(chǎn)管理能力的三項(xiàng)指標(biāo)：A21（存貨周轉(zhuǎn)率）、A23（總資產(chǎn)周轉(zhuǎn)率）、A22（應(yīng)收賬款周轉(zhuǎn)率）外，其余各項(xiàng)財(cái)務(wù)指標(biāo)比率均小于參考值，西部礦業(yè)應(yīng)在日后的經(jīng)營(yíng)管理中在盈利能力、償債能力、發(fā)展能力、污染治理能力及環(huán)保力度等方面進(jìn)一步加強(qiáng)。企業(yè)在績(jī)效考評(píng)方面除了對(duì)財(cái)務(wù)指標(biāo)進(jìn)行考量外，也應(yīng)注重污染控制、環(huán)境保護(hù)等方面的指標(biāo)考量。
四、西部礦業(yè)績(jī)效管控對(duì)策
本文在傳統(tǒng)財(cái)務(wù)指標(biāo)體系之上，嵌入環(huán)境影響因素，引入生態(tài)收益有關(guān)指標(biāo)，重新構(gòu)建資源型企業(yè)績(jī)效評(píng)價(jià)指標(biāo)體系。發(fā)現(xiàn)構(gòu)建的4個(gè)財(cái)務(wù)指標(biāo)（凈資產(chǎn)生態(tài)收益率、總資產(chǎn)生態(tài)收益率、銷售生態(tài)收益率、生態(tài)收益增長(zhǎng)率）和2個(gè)非財(cái)務(wù)指標(biāo)（排污成本率和環(huán)保投資率）在企業(yè)2015年度的比率均低于參考值，故針對(duì)西部礦業(yè)績(jī)效管控提出以下幾點(diǎn)對(duì)策建議：
（一）強(qiáng)化環(huán)保力度
環(huán)保投資力度體現(xiàn)的是企業(yè)的社會(huì)責(zé)任和環(huán)保意識(shí)，與企業(yè)績(jī)效成果緊密相關(guān)，因此，對(duì)于容易對(duì)環(huán)境造成破壞的資源型企業(yè)而言，強(qiáng)有力的環(huán)保舉措不僅能為周圍環(huán)境的良好勢(shì)態(tài)做貢獻(xiàn)，而且也能為企業(yè)贏得正面的社會(huì)形象，這部分不可量化的收益作為一筆無(wú)形財(cái)富帶來(lái)企業(yè)績(jī)效的提升。
（二）減少污染物排放量
排污費(fèi)是企業(yè)為污染排放量買單的結(jié)果，且污染控制能力與資源型企業(yè)績(jī)效高度相關(guān)，因此，企業(yè)首先應(yīng)嚴(yán)格遵守國(guó)家環(huán)境保護(hù)法律、法規(guī)、標(biāo)準(zhǔn)等，全面履行環(huán)境保護(hù)職責(zé)，通過(guò)加強(qiáng)基礎(chǔ)管理，強(qiáng)化責(zé)任落實(shí)，嚴(yán)格監(jiān)督管理，全面督進(jìn)節(jié)能減排工作，深化隱患排查與治理，有效控制事故風(fēng)險(xiǎn)。其次，企業(yè)內(nèi)部可以建立《環(huán)境保護(hù)獎(jiǎng)懲制度》《環(huán)境保護(hù)責(zé)任制管理制度》《環(huán)境保護(hù)管理制度》等一系列的制度來(lái)督促企業(yè)履行環(huán)保責(zé)任和義務(wù)。再次，企業(yè)可廣泛開展環(huán)境保護(hù)宣傳教育工作，組織員工參加環(huán)保設(shè)施管理知識(shí)培訓(xùn)、環(huán)境監(jiān)測(cè)知識(shí)培訓(xùn)、總量控制排污監(jiān)督管理及污染控制新技術(shù)培訓(xùn)等，以提高環(huán)保崗位工作人員的專業(yè)技能、管理水平及環(huán)保意識(shí)。最后，應(yīng)鼓勵(lì)重度污染型企業(yè)持續(xù)推進(jìn)污染治理工作，如企業(yè)可通過(guò)引進(jìn)先進(jìn)的清潔生產(chǎn)技術(shù)和設(shè)備、建立重點(diǎn)污染防治工程、持續(xù)加大環(huán)境治理投入等措施來(lái)減少污染排放。
（三）重視生態(tài)收益指標(biāo)
在對(duì)資源型企業(yè)進(jìn)行績(jī)效評(píng)價(jià)的過(guò)程中，財(cái)務(wù)指標(biāo)仍然占據(jù)主導(dǎo)地位，將財(cái)務(wù)指標(biāo)中的傳統(tǒng)會(huì)計(jì)收益指標(biāo)替換為更為符合循環(huán)經(jīng)濟(jì)發(fā)展理念的生態(tài)收益指標(biāo)，可以更加全面地反映資源型企業(yè)的經(jīng)營(yíng)成果，準(zhǔn)確分析資源型企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)，全面考核經(jīng)營(yíng)管理者的業(yè)績(jī)。在損益表中計(jì)算經(jīng)營(yíng)成果時(shí)，只有將企業(yè)對(duì)環(huán)境影響的耗費(fèi)作為收入的減項(xiàng)反映，才能客觀反映企業(yè)的經(jīng)營(yíng)成果；只有在負(fù)債總額中加上企業(yè)因?qū)Νh(huán)境造成危害而形成的環(huán)保負(fù)債額，才能得出真實(shí)可靠的資產(chǎn)負(fù)債率，準(zhǔn)確分析資源型企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)。利用生態(tài)收益指標(biāo)及時(shí)揭示企業(yè)履行環(huán)境責(zé)任的信息，從社會(huì)的角度而不是僅僅從企業(yè)的角度來(lái)全面考核經(jīng)營(yíng)管理者的業(yè)績(jī)。
五、結(jié)語(yǔ)
本文以西部礦業(yè)為例，以生態(tài)經(jīng)濟(jì)理論、利益相關(guān)者理論為基礎(chǔ)，通過(guò)嵌入環(huán)境影響因素，在傳統(tǒng)財(cái)務(wù)指標(biāo)的基礎(chǔ)上重新構(gòu)建與客觀區(qū)位環(huán)境相適應(yīng)的財(cái)務(wù)與非財(cái)務(wù)指標(biāo)相結(jié)合的企業(yè)績(jī)效評(píng)價(jià)體系。以西部礦業(yè)2011―2014年度數(shù)據(jù)為訓(xùn)練樣本，2015年度數(shù)據(jù)為檢驗(yàn)樣本，運(yùn)用灰色關(guān)聯(lián)度分析法進(jìn)行分析后發(fā)現(xiàn)，論文構(gòu)建的4個(gè)財(cái)務(wù)指標(biāo)和2個(gè)非財(cái)務(wù)指標(biāo)與企業(yè)績(jī)效評(píng)價(jià)結(jié)果關(guān)聯(lián)度較高。在分析企業(yè)2015年度財(cái)務(wù)比率時(shí)發(fā)現(xiàn)，企業(yè)在盈利能力、償債能力、發(fā)展能力、污染控制能力及環(huán)保力度等方面存在不足，故針對(duì)企業(yè)出現(xiàn)的情況提出相應(yīng)的績(jī)效管控對(duì)策。
論文在構(gòu)建資源型企業(yè)績(jī)效評(píng)價(jià)指標(biāo)體系時(shí)，在修繕傳統(tǒng)的財(cái)務(wù)評(píng)價(jià)指標(biāo)的基礎(chǔ)上只引入了兩個(gè)非財(cái)務(wù)指標(biāo)，因此指標(biāo)尚不夠全面，存在局限性，有待進(jìn)一步補(bǔ)充完善。由于信息收集存在一定的難度，論文以西部礦業(yè)2011―2014年度數(shù)據(jù)為訓(xùn)練樣本，2015年度數(shù)據(jù)為檢驗(yàn)樣本，樣本數(shù)據(jù)量過(guò)小，以期在之后進(jìn)一步的研究中通過(guò)實(shí)地調(diào)研獲取更多企業(yè)信息。且論文選擇灰色關(guān)聯(lián)度分析法來(lái)衡量企業(yè)績(jī)效評(píng)價(jià)指標(biāo)的優(yōu)劣，在方法選擇上過(guò)于主觀，需進(jìn)一步考證方法的科學(xué)性。X
參考文獻(xiàn)：
[1]Freeman，R.E.Strategic management：A stakeholder approach[M].Boston：Pitman，1984.
[2]遲春潔，蔣景楠.循環(huán)經(jīng)濟(jì)評(píng)價(jià)指標(biāo)體系的研究?jī)?nèi)容和構(gòu)建思路[J].技術(shù)經(jīng)濟(jì)，2006，（02）：5-7.
關(guān)鍵詞:證券公司;失敗預(yù)警;研究綜述
Abstract:The failure of main U.S. investment banks in 2008 turned the U.S. subprime crisis into international financial crisis very quickly,which almost damaged all the developed countries' financial systems and further caused global economic crisis. These series crises strongly demonstrate that timely and effective early warning of the failure of securities companies (investment banks)is very important. This paper reviews current research results about early warning of the failure of securities companies and provides a sound basis for further research in this important field.
Key Words:securities company,early warning of failure,research review
中圖分類號(hào):F830文獻(xiàn)標(biāo)識(shí)碼: A文章編號(hào):1674-2265(2009)12-0016-05
一、引言
自2007年美國(guó)爆發(fā)次貸危機(jī)以來(lái),美國(guó)投資銀行業(yè)逐步陷入危機(jī)。2008年3月美國(guó)第五大投資銀行貝爾斯登因?yàn)l臨破產(chǎn)而被摩根大通收購(gòu);2009年9月15日,美國(guó)第四大投資銀行雷曼兄弟公司宣布破產(chǎn),而美國(guó)銀行則宣布收購(gòu)第三大投資銀行美林;2009年9月21日,美國(guó)第一和第二大投資銀行,高盛和摩根士丹利被美聯(lián)儲(chǔ)批準(zhǔn)從投資銀行轉(zhuǎn)型為銀行控股公司。美國(guó)主要投資銀行的基本崩潰,使得美國(guó)次貸危機(jī)迅速演變?yōu)閭魅颈榧爸饕l(fā)達(dá)國(guó)家的金融危機(jī),進(jìn)而導(dǎo)致全球經(jīng)濟(jì)危機(jī)。這一系列危機(jī)表明,及早有效地對(duì)證券公司(投資銀行)的失敗進(jìn)行預(yù)警極為重要。
就我國(guó)而言,2001年到2005年,伴隨著證券市場(chǎng)數(shù)年的低迷,證券公司長(zhǎng)期累積的風(fēng)險(xiǎn)先后暴露,證券監(jiān)管部門在短短幾年間對(duì)近60家證券公司采取了風(fēng)險(xiǎn)處置措施,以妥善化解行業(yè)危機(jī)。這次全面行業(yè)危機(jī)的集中爆發(fā),既反映出監(jiān)管的不足,也恰恰說(shuō)明亟需建立一種有效的金融風(fēng)險(xiǎn)早期預(yù)警系統(tǒng),以防患于未然。
本文擬通過(guò)對(duì)證券公司失敗預(yù)警研究成果進(jìn)行歸納分析,為證券公司失敗預(yù)警系統(tǒng)的建立完善提供進(jìn)一步研究的基礎(chǔ)。從國(guó)內(nèi)外的研究現(xiàn)狀看,對(duì)證券公司失敗預(yù)警的研究很少,而且對(duì)證券公司失敗預(yù)警的研究基本上被視為一般公司(非金融類)失敗預(yù)警研究在證券行業(yè)的應(yīng)用,其研究方法也基本沿襲了一般公司失敗預(yù)警研究。因此,本文在全面梳理證券公司失敗預(yù)警的研究現(xiàn)狀時(shí),必須涉及一般公司的失敗預(yù)警研究現(xiàn)狀,也須涉及金融類公司的失敗預(yù)警研究現(xiàn)狀。回顧一般公司和金融類公司的失敗預(yù)警研究,既可以理清失敗預(yù)警研究的發(fā)展啟承脈絡(luò)關(guān)系,又可以為證券公司的失敗預(yù)警研究提供參考借鑒。
二、一般公司(非金融類)失敗預(yù)警研究回顧
(一)國(guó)外一般公司失敗預(yù)警研究回顧
Beaver(1966)的文章開創(chuàng)了企業(yè)財(cái)務(wù)困境預(yù)測(cè)研究的先河,最早采用了單變量分析法進(jìn)行企業(yè)財(cái)務(wù)失敗預(yù)警研究。其后,大量學(xué)者在這一領(lǐng)域進(jìn)行了深入研究,并發(fā)表了諸多研究成果,可以說(shuō)國(guó)外企業(yè)財(cái)務(wù)困境預(yù)測(cè)研究已經(jīng)臻于成熟。
1. 多元統(tǒng)計(jì)方法。
(1)多元判別分析。判別分析用統(tǒng)計(jì)模型的語(yǔ)言描述為,設(shè)有 個(gè)總體,希望建立一個(gè)準(zhǔn)則,對(duì)給定的任意一個(gè)樣本 ,依據(jù)這個(gè)準(zhǔn)則能判斷它是來(lái)自哪個(gè)總體。
Altman(1968)首次采用多元判別分析對(duì)企業(yè)財(cái)務(wù)困境預(yù)測(cè)問(wèn)題進(jìn)行研究,選取了于1946―1965年間破產(chǎn)的33家制造業(yè)上市公司,通過(guò)行業(yè)、資產(chǎn)規(guī)模及報(bào)表年份進(jìn)行配對(duì)選取了33家非破產(chǎn)企業(yè),研究了涵蓋流動(dòng)性、盈利性、杠桿比率、清償能力和經(jīng)營(yíng)活動(dòng)5個(gè)方面的22個(gè)財(cái)務(wù)比率變量,最終建立了
(營(yíng)運(yùn)資本/總資產(chǎn))、 (留存收益/總資產(chǎn))、 (息稅前利潤(rùn)/總資產(chǎn))、 (權(quán)益/負(fù)債總額、 (銷售收入/總資產(chǎn))五變量的值模型:
采用樣本數(shù)據(jù)對(duì)該模型進(jìn)行檢驗(yàn),結(jié)果表明:在財(cái)務(wù)困境前一年該模型具有95%的預(yù)測(cè)能力,在財(cái)務(wù)困境前兩年該模型具有72%的預(yù)測(cè)能力。這說(shuō)明該模型具有良好的可靠性。后來(lái),Altman,Haldeman 和Narayanan( 1977) 修正了模型,在原有 5 個(gè)財(cái)務(wù)指標(biāo)的基礎(chǔ)上加入了公司規(guī)模與盈余穩(wěn)定性兩個(gè)變量,建立了模型。Altman(1995)又進(jìn)一步拓展了其研究,分別建立了針對(duì)非上市制造企業(yè)的 模型和針對(duì)非制造企業(yè)的模型。2000年再次對(duì) 模型進(jìn)行了修正,去掉了帶來(lái)行業(yè)影響因素的銷售收入/總資產(chǎn),得到了跨行業(yè)的 值模型:
由于多元判別分析方法不僅能夠了解哪些財(cái)務(wù)比率最具有判別能力,而且同時(shí)考慮多項(xiàng)指標(biāo),因此對(duì)整體績(jī)效衡量較單變量分析更為客觀。在Altman(1968)之后,多元判別分析成為學(xué)術(shù)界研究財(cái)務(wù)困境預(yù)測(cè)問(wèn)題的主流方法。但是應(yīng)當(dāng)注意的是,多元統(tǒng)計(jì)分析是建立在一系列假設(shè)之上的,包括自變量服從多元正態(tài)分布,財(cái)務(wù)困境組與非財(cái)務(wù)困境組具有相等的方差-協(xié)方差矩陣,發(fā)生財(cái)務(wù)困境的先驗(yàn)概率和誤判成本均為已知等,而事實(shí)上,這些假設(shè)常常不成立。
(2)多元條件概率模型。學(xué)者們隨后引入了假設(shè)相對(duì)寬松的多元條件概率模型Logit分析和Probit分析,克服了多元統(tǒng)計(jì)分析面臨的統(tǒng)計(jì)假設(shè)問(wèn)題。Logit模型的目標(biāo)是提供可以歸為某一類觀察對(duì)象的條件概率。它建立在累計(jì)概率函數(shù)的基礎(chǔ)上,不需要自變量滿足多元正態(tài)分布和兩組間協(xié)方差相等的條件。
Ohlson(1980)將Logit分析方法應(yīng)用到企業(yè)財(cái)務(wù)困境的研究中。Ohlson選擇在1970―1976年間破產(chǎn)的105家公司(破產(chǎn)前在證券交易所上市至少三年)和2058家非破產(chǎn)公司組成的非配對(duì)樣本,使用Logit回歸方法,分析了樣本公司在破產(chǎn)概率區(qū)間上的分布以及兩類判別錯(cuò)誤和分割點(diǎn)的關(guān)系。相比而言,運(yùn)用Probit方法進(jìn)行的研究較少,這主要是因?yàn)镻robit方法計(jì)算較為復(fù)雜,且預(yù)測(cè)效果與Logit方法相差不大。Logit方法也存在一些缺陷,比如對(duì)多重共線性、極值和數(shù)據(jù)缺失等問(wèn)題極為敏感(Ooghe,2006),而且一些實(shí)證研究對(duì)MDA和Logit兩種方法的預(yù)測(cè)效果進(jìn)行了比較,并沒(méi)有得出Logit方法明顯優(yōu)于MDA方法的結(jié)論。
2. 期權(quán)定價(jià)方法。1974年,默頓論述了有關(guān)將期權(quán)定價(jià)理論運(yùn)用于風(fēng)險(xiǎn)貸款和證券估價(jià)的思想。其后,許多學(xué)者嘗試將期權(quán)定價(jià)理論應(yīng)用于信用風(fēng)險(xiǎn)的度量領(lǐng)域,KMV模型正是這樣的一個(gè)成功的例子。
KMV模型是KMV公司開發(fā)的一種違約預(yù)測(cè)模型(信用監(jiān)控模型,Credit Monitor Model),運(yùn)用預(yù)期違約頻率來(lái)衡量一年內(nèi)借款者的違約概率。違約風(fēng)險(xiǎn)大小是用違約距離(Distance-to-Default)來(lái)衡量的。該值越大,說(shuō)明公司到期能償還債務(wù)的能力越強(qiáng),該公司信用風(fēng)險(xiǎn)越小;反之,則公司信用風(fēng)險(xiǎn)越大。為計(jì)算違約距離,KMV模型采用Black―Scholes―Merton期權(quán)定價(jià)模型構(gòu)建了資產(chǎn)市場(chǎng)價(jià)值和股權(quán)市值之間的關(guān)系。在計(jì)算得出公司違約距離后,將其與相應(yīng)的違約距離數(shù)據(jù)庫(kù)相對(duì)比,把相同違約距離公司中實(shí)際違約公司的百分比作為該公司的預(yù)期違約頻率(EDF),從而對(duì)公司違約破產(chǎn)概率進(jìn)行衡量。KMV模型是一種動(dòng)態(tài)模型,它是一個(gè)基于現(xiàn)代公司理財(cái)和期權(quán)理論的“結(jié)構(gòu)性模型”,對(duì)外界條件的改變能很好地作出反應(yīng)(EDF每季度更新一次),并且可以及時(shí)反映股票市場(chǎng)上的信息,具有一定的前瞻性。不過(guò),KMV模型也存在一些缺陷。比如,由于KMV模型主要依靠股票市場(chǎng)數(shù)據(jù)來(lái)預(yù)測(cè)違約率,股票的價(jià)格若受投機(jī)因素影響很難正確反映公司資產(chǎn)價(jià)值及其變化情況,模型的精確性將大打折扣;根據(jù)同樣失敗距離確定失敗頻率必須依賴于一個(gè)龐大的公司失敗信息數(shù)據(jù)庫(kù)。
3. 其他方法。隨著計(jì)算機(jī)技術(shù)的發(fā)展,綜合智能等方法被應(yīng)用到研究中,主要包括:遞歸分類算法(Recursive Partitioning Algorithm)、專家系統(tǒng)(Expert Systems)、神經(jīng)網(wǎng)絡(luò)(Neural Networks)等。但是并沒(méi)有證據(jù)表明這些方法的預(yù)測(cè)效果明顯優(yōu)于傳統(tǒng)的多元判別分析和Logit分析(Ooghe,2004)。
(二)國(guó)內(nèi)一般公司失敗預(yù)警研究回顧
由于我國(guó)企業(yè)破產(chǎn)制度不完善,并且會(huì)計(jì)制度和審計(jì)制度建立較晚,國(guó)內(nèi)對(duì)企業(yè)財(cái)務(wù)失敗預(yù)警的研究起步比較晚。但近十幾年來(lái),隨著我國(guó)證券市場(chǎng)的快速發(fā)展,上市公司的會(huì)計(jì)實(shí)踐和信息披露制度不斷完善,國(guó)內(nèi)越來(lái)越多的學(xué)者開始將國(guó)外的研究方法應(yīng)用到國(guó)內(nèi)的研究中,得出了許多有價(jià)值的結(jié)論。主要的研究按照方法不同介紹如下。
1. 多元統(tǒng)計(jì)方法。陳靜(1999)以1998 年27 家ST 公司和27 家非ST 公司為對(duì)象,進(jìn)行了單變量和二類線性判別分析,總體正確率為92.6%,該研究是國(guó)內(nèi)第一個(gè)以上市公司為樣本判定企業(yè)財(cái)務(wù)困境的成果,雖然在方法選擇、樣本構(gòu)造、判別標(biāo)準(zhǔn)等方面有待深入,但其意義卻是重要的。
高培業(yè)、張道奎(2000)選取深圳市非上市企業(yè)作為樣本,運(yùn)用多元判別分析、Logit分析、Probit分析等多種方法建模,并借鑒Altman設(shè)定待定區(qū)間的做法,提高了模型的預(yù)測(cè)效率。吳世農(nóng)、盧賢義(2001)則以140 家上市公司為樣本比較了Fisher 判別、多元線性回歸分析和多元Logit 回歸分析的預(yù)測(cè)效果,發(fā)現(xiàn)多元Logit 回歸模型的判定能力最好。
2. 期權(quán)定價(jià)方法。由于有關(guān)公司破產(chǎn)的歷史統(tǒng)計(jì)數(shù)據(jù)嚴(yán)重缺乏,相應(yīng)數(shù)據(jù)庫(kù)還未建立,很難把違約距離轉(zhuǎn)化成預(yù)期違約頻率,KMV 模型的建模方式在我國(guó)應(yīng)用尚有些困難。而由于宏觀經(jīng)濟(jì)的差異,我國(guó)直接使用國(guó)外的數(shù)據(jù)庫(kù)來(lái)建立映射關(guān)系顯然也是不合適的。
3. 其它方法。劉洪、何光軍(2004)在用傳統(tǒng)的判別分析方法和Logit方法對(duì)公司經(jīng)營(yíng)失敗建立模型的基礎(chǔ)上,應(yīng)用人工神經(jīng)網(wǎng)絡(luò)方法對(duì)該問(wèn)題進(jìn)行了比較研究。另外,有些學(xué)者將數(shù)據(jù)挖掘方法(吳俊杰,2006),生存分析中的COX模型(陸志明等,2007),學(xué)習(xí)矢量量化算法(王靜等,2004)應(yīng)用在我國(guó)公司財(cái)務(wù)失敗預(yù)測(cè)模型中,也取得了一定的結(jié)果。
三、金融類公司失敗預(yù)警研究回顧
由于金融類公司與非金融類一般公司在資本結(jié)構(gòu)、經(jīng)營(yíng)方式、風(fēng)險(xiǎn)暴露等方面存在差異,因此對(duì)金融類公司失敗的預(yù)警研究更要有針對(duì)性。金融類公司失敗預(yù)警方法中應(yīng)用較為廣泛的主要有以下兩種:一是外部評(píng)級(jí)機(jī)構(gòu)的評(píng)級(jí)。比如美國(guó)聯(lián)邦金融機(jī)構(gòu)檢查評(píng)議委員會(huì)于1979年建立的CAMEL評(píng)級(jí)系統(tǒng)。二是借鑒非金融類公司的思路和方法對(duì)金融類公司失敗預(yù)警進(jìn)行研究(見表1)。對(duì)非證券、金融類公司的失敗預(yù)警研究,國(guó)外文獻(xiàn)比較少。
目前,國(guó)內(nèi)對(duì)金融類公司失敗預(yù)警研究比較少,例如在銀行失敗研究方面,多是對(duì)引發(fā)銀行危機(jī)原因的分析及應(yīng)對(duì)機(jī)制的設(shè)計(jì),在主流學(xué)術(shù)刊物上基本沒(méi)有定量研究的論文。我們?cè)诖瞬蛔鲾⑹觥?/p>
四、證券公司失敗預(yù)警研究回顧
相比其他金融類公司,證券公司(投資銀行)具有自身行業(yè)的特殊性。目前對(duì)證券公司風(fēng)險(xiǎn)預(yù)警研究的文獻(xiàn)不多。相對(duì)于國(guó)外證券業(yè)失敗預(yù)警的研究而言,國(guó)內(nèi)證券業(yè)失敗預(yù)警的研究更顯得滯后。
國(guó)外證券公司失敗預(yù)警的代表性研究是1976年Altman和Loris發(fā)表的論文。文章以1971-1973年美國(guó)SIPA條例下破產(chǎn)的40家證券經(jīng)紀(jì)商作為研究樣本,選擇能夠代表NASD市場(chǎng)上公司規(guī)模和壽命的125家公司作為健康公司樣本。指標(biāo)選取包括三個(gè)方面的內(nèi)容:一是傳統(tǒng)財(cái)務(wù)指標(biāo),如盈利性指標(biāo)、流動(dòng)性指標(biāo)、杠桿類指標(biāo)等。二是能夠代表證券行業(yè)特征的指標(biāo),如次級(jí)債占股東權(quán)益的比率等。三是壽命、組織形式等非財(cái)務(wù)性指標(biāo)。文章根據(jù)數(shù)據(jù)完整性和可靠性并運(yùn)用系統(tǒng)選擇技術(shù)對(duì)變量的判別能力進(jìn)行評(píng)估后,最終選擇了6個(gè)指標(biāo):(1)反映盈利能力的凈利潤(rùn)/總資產(chǎn);(2)反映財(cái)務(wù)杠桿水平的(總負(fù)債+次級(jí)債)/權(quán)益,此處作者將來(lái)自于所有者和顧客的次級(jí)債看成是證券經(jīng)紀(jì)商的負(fù)債而非權(quán)益;(3)反映公司總資產(chǎn)結(jié)構(gòu)流動(dòng)性的總資產(chǎn)/調(diào)整凈資本,調(diào)整凈資本被廣義地定義為流動(dòng)性強(qiáng)的資產(chǎn)與總負(fù)債之差;(4)(期末資本―資本附加)/期初資本,該比率體現(xiàn)了報(bào)告期資本的運(yùn)轉(zhuǎn)和支出對(duì)公司資本結(jié)構(gòu)的影響,反映了在沒(méi)有新資本注入的情況下公司的信用情況;(5)在一定程度上反映風(fēng)險(xiǎn)的加權(quán)壽命,與公司在證券市場(chǎng)上的經(jīng)營(yíng)經(jīng)驗(yàn)相關(guān),SIPC清算的經(jīng)紀(jì)商中經(jīng)營(yíng)時(shí)間不長(zhǎng)于5年的占了75%,反映出經(jīng)驗(yàn)的缺乏是公司失敗的一個(gè)重要因素;(6)涵蓋10個(gè)元素的綜合指標(biāo),這10個(gè)元素是在NASD工作人員對(duì)能預(yù)示失敗指標(biāo)判斷的基礎(chǔ)上選擇的,包括反映盈利能力的指標(biāo)、對(duì)資本短缺和破產(chǎn)較敏感的指標(biāo),反映壽命以及報(bào)告及時(shí)性的指標(biāo)。作者通過(guò)檢驗(yàn)得出了失敗經(jīng)紀(jì)商和非失敗經(jīng)紀(jì)商的組內(nèi)協(xié)差陣不相等的結(jié)論,為選擇二次判別函數(shù)形式(
)奠定了理論上的依據(jù)。文章設(shè)定臨界值為-4.385,檢驗(yàn)結(jié)果顯示二次判別式前一年的正確判別率達(dá)到了90.1%,誤判率僅為9.9%。由于使用初始樣本檢驗(yàn)使檢驗(yàn)結(jié)果有被高估的偏差,作者通過(guò)回代檢驗(yàn)和交叉檢驗(yàn)來(lái)檢驗(yàn)?zāi)Ｐ偷目煽啃浴z驗(yàn)得出的結(jié)論為:判別模型用一年前數(shù)據(jù)對(duì)證券經(jīng)紀(jì)商的失敗正確判別率為86.2%,誤判率為13.8%。作者又利用季度數(shù)據(jù)對(duì)模型進(jìn)行了檢驗(yàn),由于季度數(shù)據(jù)的缺失,剔除了稅后凈收入/總資產(chǎn)和綜合指標(biāo)中的兩個(gè)因素,最終選取了5個(gè)指標(biāo)變量。剔除變量后,模型的誤判率只是輕微提高,說(shuō)明判別模型提前一年對(duì)證券經(jīng)紀(jì)商的失敗有很好的預(yù)測(cè)能力。
國(guó)內(nèi)最早的對(duì)證券公司失敗預(yù)警的研究,是合肥工業(yè)大學(xué)――國(guó)元證券課題組(2005)發(fā)表的《證券公司失敗研究》。該課題組運(yùn)用Logit 回歸分析模型建立證券公司財(cái)務(wù)困境預(yù)警系統(tǒng),以2002年以來(lái)19家破產(chǎn)或被接管的證券公司為失敗證券公司樣本組A,以進(jìn)入銀行間同業(yè)拆借市場(chǎng)的正常經(jīng)營(yíng)的48家證券公司為正常證券公司樣本組B(已剔除有經(jīng)營(yíng)不利的市場(chǎng)傳聞的證券公司),A組部分證券公司和B組證券公司數(shù)據(jù)來(lái)源于銀行間同業(yè)拆借市場(chǎng)公布的財(cái)務(wù)報(bào)告。模型依據(jù)監(jiān)管部門對(duì)證券公司安全性評(píng)價(jià)提出的7個(gè)指標(biāo)為基礎(chǔ),確定了凈資產(chǎn)、利潤(rùn)總額、注冊(cè)資本、營(yíng)業(yè)收入(主要是發(fā)行收入、經(jīng)紀(jì)收入、自營(yíng)收入、委托理財(cái)收入)、扣除客戶保證金后的負(fù)債總額、流動(dòng)資產(chǎn)、流動(dòng)負(fù)債、客戶保證金、權(quán)益類證券總額、委托資產(chǎn)賬戶購(gòu)入的權(quán)益類證券期末余額等10個(gè)研究變量,以失敗概率P為預(yù)測(cè)變量,建立了Logit回歸模型。由于選取的變量為資產(chǎn)負(fù)債表項(xiàng)目,而非財(cái)務(wù)指標(biāo),而且變量選取與設(shè)計(jì)并沒(méi)有反映出證券公司業(yè)務(wù)與風(fēng)險(xiǎn)的特點(diǎn)。最終結(jié)果表明選取的變量對(duì)判定證券公司經(jīng)營(yíng)成敗不存在顯著的差異,未能建立證券公司失敗的預(yù)警模型函數(shù)。
截至2006年10月,我國(guó)共有58家證券公司進(jìn)入風(fēng)險(xiǎn)處置程序,這為進(jìn)一步的研究提供了較為充足的數(shù)據(jù)資料。李濤(2008)將證券公司財(cái)務(wù)困境定義為證券公司破產(chǎn)或被監(jiān)管機(jī)構(gòu)采取風(fēng)險(xiǎn)處置措施。依據(jù)這一定義,作者得到了9家在2004―2006年間陷入財(cái)務(wù)困境的證券公司,同時(shí),根據(jù)資產(chǎn)規(guī)模匹配原則,按1:1的比例選取了9家正常經(jīng)營(yíng)的證券公司,其中剔除了雖不符合上述財(cái)務(wù)困境的定義但是公布重組的證券公司。實(shí)證研究結(jié)果表明,在財(cái)務(wù)困境前1年多元判別模型和Logit模型都有較好的預(yù)測(cè)能力,財(cái)務(wù)困境前2年,其綜合誤判率均較財(cái)務(wù)困境前1年有顯著的上升,基本上不能有效地對(duì)證券公司財(cái)務(wù)困境進(jìn)行預(yù)測(cè)。由于作者只選擇了18家證券公司,樣本數(shù)量偏小,代表性不高,實(shí)證結(jié)果缺乏大樣本數(shù)據(jù)的支持和檢驗(yàn),可能存在一定的偏差。
王曉燕(2009)也將證券公司進(jìn)入風(fēng)險(xiǎn)處置程序界定為財(cái)務(wù)失敗,按資產(chǎn)規(guī)模配對(duì)的原則,共選取了24家健康的證券公司作為配對(duì)樣本。作者最初設(shè)計(jì)了36個(gè)財(cái)務(wù)指標(biāo)作為研究變量,然后利用非參數(shù)檢驗(yàn)、相關(guān)性檢驗(yàn)、逐步判別分析等方法對(duì)變量進(jìn)行了篩選,最終選擇5個(gè)變量建立了線性判別模型、二次判別模型和Logit模型。回代檢驗(yàn)和交叉檢驗(yàn)的結(jié)果表明,由5個(gè)變量構(gòu)成的線性判別模型判別效果最好,回代檢驗(yàn)和交叉檢驗(yàn)的正確率均在85%以上。二次判別模型和Logit模型的判別效果略有下降。該論文的方法和結(jié)論有待進(jìn)一步驗(yàn)證和優(yōu)化。
五、結(jié)論
從國(guó)內(nèi)外研究現(xiàn)狀看,證券公司(投資銀行)失敗預(yù)警研究在研究方法、研究模型和模型變量選擇等方面基本沿襲了一般公司(非金融類)失敗預(yù)警研究,或者借鑒了非證券、金融類公司的失敗預(yù)警研究。主流的研究方法有兩種。其一是以實(shí)證為基礎(chǔ)的多元統(tǒng)計(jì)方法,其中又以多元判別分析方法和Logit回歸分析方法運(yùn)用較為普遍,該類方法多是根據(jù)公司歷史財(cái)務(wù)數(shù)據(jù)和其他公司特性指標(biāo)來(lái)構(gòu)造模型;其二是以KMV為代表,基于理論模型、并結(jié)合實(shí)證方法(即根據(jù)失敗距離,借助實(shí)際數(shù)據(jù)庫(kù)映射出失敗頻率)的期權(quán)定價(jià)方法。由于大量證券公司并不是公開上市公司,這使得在證券公司失敗預(yù)警研究中運(yùn)用期權(quán)定價(jià)方法存在困難。
從應(yīng)用有效性來(lái)看,證券公司失敗預(yù)警研究在全球范圍內(nèi)仍然任重道遠(yuǎn),亟待出現(xiàn)突破性研究成果。2008年美國(guó)具有系統(tǒng)重要性的諸家投資銀行幾乎是在毫無(wú)預(yù)警的情況下發(fā)生崩潰的。這為證券公司失敗預(yù)警研究提出了一個(gè)極具挑戰(zhàn)性的課題:為什么過(guò)去的證券公司失敗預(yù)警研究無(wú)法預(yù)警此次諸家投資銀行的失敗?這一系列危機(jī)確定無(wú)疑地表明,證券公司失敗預(yù)警研究極為重要;而過(guò)去的證券公司失敗預(yù)警研究一定存在某種局限性。
未來(lái)的證券公司失敗預(yù)警研究必須努力突破這種局限性。在研究方法上,應(yīng)對(duì)現(xiàn)有的各種方法進(jìn)行對(duì)比分析,選擇適合證券公司的失敗預(yù)警模型以提高預(yù)測(cè)的準(zhǔn)確性。今后的研究可以嘗試加入更多的外部因素(如宏觀因素)作為區(qū)分失敗與否的另一邊界,在多維空間中設(shè)定多維的閾值進(jìn)行判別分類。在變量的選取上,仍然需要根據(jù)證券公司行業(yè)特征和風(fēng)險(xiǎn)特點(diǎn),因地制宜地設(shè)計(jì)相應(yīng)的變量指標(biāo)。鑒于宏觀經(jīng)濟(jì)的周期波動(dòng)對(duì)證券市場(chǎng)的周期波動(dòng)具有決定性影響,進(jìn)而對(duì)證券公司的經(jīng)營(yíng)狀況有決定性影響,所以加入反映經(jīng)濟(jì)周期的宏觀經(jīng)濟(jì)變量可能顯著提高預(yù)警模型的有效性;同時(shí),金融創(chuàng)新層出不窮,過(guò)度運(yùn)用金融創(chuàng)新工具在獲取收益、規(guī)避風(fēng)險(xiǎn)的同時(shí)更可能帶來(lái)新的、未知的風(fēng)險(xiǎn),所以未來(lái)的研究中也應(yīng)考慮加入能夠反映金融創(chuàng)新相關(guān)風(fēng)險(xiǎn)的變量。
參考文獻(xiàn):
[1]A. Aziz,D. C. Emanuel,G. H.Lawson,1988, “Bank-
ruptcy Prediction:An Investigation of Cash Flow Based Model”,Journal of Management Studies, 25,419-437.
[2]D. Martin,1977,“Early warning of bank failure:A logit regression approach”,Journal of Banking and Finance, 1, 249-276.
[3]Edward I. Altman,1968,“Financial Ratios,Discriminant Analysis and the Prediction of Corporate Bankruptcy”, Journal of Finance, 23,589-609.
[4]Edward I. Altman,1976,“A Financial Early Warning System for Over-the-Counter Broker-Dealers”,Journal of Finance, 31,1201-1217.
[5]陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析[J].會(huì)計(jì)研究,1999,(4).
[6]合肥工業(yè)大學(xué)――國(guó)元證券課題組.證券公司失敗研究,上海證券交易所第十三期聯(lián)合研究計(jì)劃項(xiàng)目,2005.
【關(guān)鍵詞】 主營(yíng)業(yè)務(wù)利潤(rùn)率; 主營(yíng)業(yè)務(wù)利潤(rùn)比重; 財(cái)務(wù)危機(jī)預(yù)警; Logistic模型
一、引言
隨著經(jīng)濟(jì)環(huán)境的不斷變化及市場(chǎng)競(jìng)爭(zhēng)的日益激烈,越來(lái)越多的海內(nèi)外企業(yè)面臨著財(cái)務(wù)危機(jī)的窘境。這不僅給企業(yè)管理者、股東、員工等利益相關(guān)者帶來(lái)巨大的經(jīng)濟(jì)損失,還給整個(gè)國(guó)家?guī)?lái)巨大的社會(huì)和經(jīng)濟(jì)成本。因而,如何構(gòu)建一個(gè)準(zhǔn)確的預(yù)警模型來(lái)減少財(cái)務(wù)危機(jī)的出現(xiàn),一直是國(guó)內(nèi)外學(xué)者關(guān)注的問(wèn)題。但以往的研究所選擇的都只是償債能力等顯性的常規(guī)財(cái)務(wù)指標(biāo),而沒(méi)有考慮主營(yíng)業(yè)務(wù)這樣深層次的隱性指標(biāo)。并且,在企業(yè)破產(chǎn)的諸多因素中,由于企業(yè)忽視自身主營(yíng)業(yè)務(wù),盲目跨行業(yè)經(jīng)營(yíng)而導(dǎo)致失敗的為數(shù)不少,如韓國(guó)的起亞、露露、漢拿,我國(guó)的巨人集團(tuán)等等。
因此,本文將從主營(yíng)業(yè)務(wù)能力的視角出發(fā),研究企業(yè)主營(yíng)業(yè)務(wù)水平對(duì)財(cái)務(wù)危機(jī)的預(yù)測(cè)力,以期構(gòu)建一個(gè)符合當(dāng)前經(jīng)濟(jì)背景及我國(guó)制造行業(yè)特點(diǎn)的、較為精確的預(yù)警模型。
二、文獻(xiàn)回顧
在財(cái)務(wù)危機(jī)預(yù)警模型的研究方面,國(guó)內(nèi)外學(xué)者主要集中在財(cái)務(wù)危機(jī)的定義、預(yù)警方法的選擇、預(yù)警變量或判別指標(biāo)的探討上。
(一)財(cái)務(wù)危機(jī)的定義
財(cái)務(wù)危機(jī)目前并沒(méi)有一致公認(rèn)的定義,國(guó)外運(yùn)用較多的是破產(chǎn)標(biāo)準(zhǔn)(Beaver,1966;Altman,1968;Ohlson,1971;Deakin,1972;Zmijewski,1984;Aziz & Lawson,1989;Platt,1990;Gilbert
et al1,1990);也有從財(cái)務(wù)危機(jī)的程度來(lái)界定,如Laitinen(1991)把財(cái)務(wù)危機(jī)分為慢性失敗公司、收益失敗公司和嚴(yán)重失敗公司三個(gè)過(guò)程;Ross等(1999)則從企業(yè)失敗、法定破產(chǎn)、技術(shù)破產(chǎn)、會(huì)計(jì)破產(chǎn)四個(gè)方面定義企業(yè)財(cái)務(wù)危機(jī)。國(guó)內(nèi)學(xué)者較為一致地運(yùn)用ST標(biāo)準(zhǔn)來(lái)界定財(cái)務(wù)危機(jī)(陳靜,l999;張玲,2000;吳世農(nóng)與盧賢義,2001;姜秀華與孫錚,2001;楊淑娥和黃禮,2005),偶有少數(shù)學(xué)者將出現(xiàn)虧損或企業(yè)無(wú)力支付到期債務(wù)(谷祺和劉淑蓮,1999)界定為財(cái)務(wù)危機(jī)。
由于我國(guó)上市公司仍是寶貴的“殼資源”,出現(xiàn)破產(chǎn)概率較小,用破產(chǎn)標(biāo)準(zhǔn)來(lái)界定不適合我國(guó)上市公司;而無(wú)償付能力標(biāo)準(zhǔn)界定不全面;分階段理論界定較模糊;綜合理論缺乏一定的操作性。相比較而言,ST標(biāo)準(zhǔn)有較強(qiáng)的可操作性,且上市公司被ST處理,通常是因?yàn)榍皟赡陜衾麧?rùn)為負(fù)值,公司可能面臨較大的財(cái)務(wù)危機(jī),因此,ST標(biāo)準(zhǔn)有較強(qiáng)的合理性,并沿用ST標(biāo)準(zhǔn)來(lái)界定財(cái)務(wù)危機(jī)。
(二)預(yù)警方法的選擇
財(cái)務(wù)危機(jī)預(yù)警可分為定性分析和定量分析法。定性分析是通過(guò)分析企業(yè)內(nèi)外部特征來(lái)預(yù)測(cè)企業(yè)發(fā)生財(cái)務(wù)危機(jī)的可能性,如標(biāo)準(zhǔn)化調(diào)查法、“四階段癥狀”分析法、“三個(gè)月資金周轉(zhuǎn)表”分析法、流程圖分析法、管理評(píng)分法。定量分析則是運(yùn)用不同的預(yù)測(cè)變量和數(shù)學(xué)工具來(lái)建立財(cái)務(wù)預(yù)警模型,如運(yùn)用單一變量來(lái)預(yù)警的一元判定模型、運(yùn)用多個(gè)財(cái)務(wù)比率匯總求出一個(gè)總判別分值來(lái)預(yù)測(cè)財(cái)務(wù)危機(jī)的多元線性判定模型(MDA);假設(shè)企業(yè)破產(chǎn)的概率為P(破產(chǎn)取1,非破產(chǎn)取0),且Ln[P/(1-P)]可用財(cái)務(wù)比率線性解釋(Ln[P/(1-P)]=a+bx)的多元邏輯回歸模型(Logistic);以及將神經(jīng)網(wǎng)絡(luò)的方法用于財(cái)務(wù)預(yù)警的人工神經(jīng)網(wǎng)絡(luò)模型等等。
盡管財(cái)務(wù)預(yù)警的方法很多,但受研究者歡迎的主要有一元判定模型、多元判別模型和Logistic回歸模型,其他方法由于模型開發(fā)歷史較短、研究不夠廣泛,模型穩(wěn)定性和適用條件存在較大問(wèn)題。運(yùn)用一元判定模型,Beaver(1966)考察了30個(gè)財(cái)務(wù)比率在企業(yè)陷入財(cái)務(wù)困境前1～5年的預(yù)測(cè)能力,發(fā)現(xiàn)了營(yíng)運(yùn)資金/總負(fù)債這一指標(biāo)在破產(chǎn)前5年的預(yù)測(cè)正確率可以分別達(dá)到87%、79%、77%、76%、78%。Altman(1968)首次利用多元判別方法構(gòu)建了著名的Z計(jì)分模型,發(fā)現(xiàn)Z≤1.8時(shí),企業(yè)存在嚴(yán)重的財(cái)務(wù)危機(jī),且在破產(chǎn)前1年的總體判別準(zhǔn)確度為95%;但在危機(jī)前2年至前5年該模型的正確率則迅速降低為72%、48%、29%、36%,使得其破產(chǎn)前3年失去了預(yù)測(cè)意義。Martin(1977)和Ohlson(1980)則發(fā)現(xiàn)Logistic模型具有顯著的預(yù)測(cè)能力,且預(yù)測(cè)準(zhǔn)確率達(dá)到96.12%。Odom &Sharda(1990)運(yùn)用神經(jīng)網(wǎng)絡(luò)方法構(gòu)建預(yù)警模型,發(fā)現(xiàn)ANN模型對(duì)保留樣本失敗類與正常類企業(yè)的預(yù)測(cè)正確率為81.75%與78.18%。國(guó)內(nèi)研究方面,陳靜(1999)使用多元判別法對(duì)1998年的27家ST企業(yè)和27家非ST企業(yè)進(jìn)行了預(yù)測(cè),發(fā)現(xiàn)該方法在提前3年的預(yù)測(cè)精度分別為92.6%、85.2%、75.6%。張玲(2000)使用多元判別法對(duì)原始樣本提前5年的判正率分別為100%、87%、70%、62%、22%。楊淑娥、徐偉剛(2003)提出了Y分?jǐn)?shù)模型,發(fā)現(xiàn)Y=0.5時(shí),模型的回判準(zhǔn)確率為86%,但在t-2、t-3年的預(yù)測(cè)中,預(yù)測(cè)精度大幅下降,甚至低于一元判別模型。孫錚(2000)運(yùn)用Logistic回歸來(lái)構(gòu)建預(yù)警模型,發(fā)現(xiàn)其準(zhǔn)確率為84.52%,且對(duì)2000年新增加的ST公司的判別準(zhǔn)確率達(dá)到了95.45%。
吳世農(nóng)和盧賢義(2001)發(fā)現(xiàn)在單變量分析,多元線性回歸和logistic回歸中,Logistic預(yù)測(cè)模型的誤判率最低,t-1年僅為6.47%;并且對(duì)前五年的判正率較高,分別為93.53%、84.29%、76.26%、73.17%、55.56%。
另外,由于一元判別模型無(wú)法全面反映企業(yè)財(cái)務(wù)特征且容易被粉飾;多元判別模型需假定自變量成正態(tài)分布及各總體協(xié)方差矩陣相同,條件過(guò)于苛刻且無(wú)法衡量發(fā)生危機(jī)的概率;人工神經(jīng)網(wǎng)絡(luò)模型理論基礎(chǔ)比較薄弱并存在黑箱問(wèn)題,適用性不強(qiáng)。相比之下,多元Logistic模型所預(yù)測(cè)的第一類錯(cuò)誤更小(Collins和Green,1982)。同時(shí),由于Logistic回歸不要求數(shù)據(jù)的正態(tài)分布,因而其參數(shù)估計(jì)比判別分析更加穩(wěn)健(Lo,1986;吳世農(nóng),2001)。因此,本文將沿用Ohlson(1980)的多元Logistic法來(lái)構(gòu)建制造業(yè)財(cái)務(wù)危機(jī)預(yù)警模型。
(三)預(yù)警指標(biāo)的研究
由于研究的視角和出發(fā)點(diǎn)不同,國(guó)內(nèi)外學(xué)者在構(gòu)建預(yù)警模型時(shí),對(duì)預(yù)警指標(biāo)的選擇也有所偏倚和差異。根據(jù)不同指標(biāo)所具有的不同信息含量,可將其分為以下幾類。
1.傳統(tǒng)的常規(guī)財(cái)務(wù)指標(biāo)
在財(cái)務(wù)危機(jī)預(yù)警研究的早期,國(guó)內(nèi)外學(xué)者較多地運(yùn)用了償債能力、營(yíng)運(yùn)能力、盈利能力和成長(zhǎng)能力等較為顯性而直接的傳統(tǒng)財(cái)務(wù)指標(biāo)。譬如Fitzpatrick(1932)、Altman(1968)、Collins(1980)、Platt et al(1994)等,均采用負(fù)債比率、流動(dòng)比率、凈資產(chǎn)收益率和資產(chǎn)周轉(zhuǎn)速度等,作為預(yù)警模型的指標(biāo)變量進(jìn)行財(cái)務(wù)危機(jī)預(yù)警。我國(guó)學(xué)者也較多地運(yùn)用了資產(chǎn)負(fù)債率(陳靜,1999;孫錚,2000;張玲,2000;崔學(xué)剛,2007;楊淑娥,2007),流動(dòng)比率(陳靜,1999;孫錚,2000;吳世農(nóng),2001;崔學(xué)剛,2007;楊淑娥,2007),總資產(chǎn)收益率(陳靜,1999;崔學(xué)剛,2007;楊淑娥,2007),存貨周轉(zhuǎn)率(孫錚,2000;崔學(xué)剛,2007;楊淑娥,2007),應(yīng)收賬款周轉(zhuǎn)率(崔學(xué)剛,2007;楊淑娥,2007);此外,崔學(xué)剛(2007),楊淑娥(2007)還采納了每股收益、每股凈資產(chǎn)、資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)增長(zhǎng)率、凈利潤(rùn)增長(zhǎng)率等指標(biāo)。
2.現(xiàn)金流量指標(biāo)
現(xiàn)金流量不僅是企業(yè)正常運(yùn)營(yíng)的必要保證,還是其償還債務(wù)的必備儲(chǔ)蓄。如果公司沒(méi)有足夠的現(xiàn)金支付到期債務(wù),而且又無(wú)其他途徑獲得資金時(shí),那么公司最終將破產(chǎn)。因此,過(guò)去和現(xiàn)在的現(xiàn)金流量能很好地反映公司的價(jià)值和破產(chǎn)概率。Beaver(1966),Edmister(1972)等人較早運(yùn)用了現(xiàn)金流量/總負(fù)債指標(biāo)。此后,Aziz和Lawson(1989)在預(yù)警模型中加入每股現(xiàn)金流,發(fā)現(xiàn)現(xiàn)金流質(zhì)量能在破產(chǎn)前的第2年和第3年預(yù)測(cè)多數(shù)破產(chǎn)案例。我國(guó)學(xué)者崔學(xué)剛(2007),楊淑娥(2007)等人也逐步加入了每股現(xiàn)金流,股東權(quán)益獲現(xiàn)率等指標(biāo)。
3.市場(chǎng)收益指標(biāo)
Beaver(1968)發(fā)現(xiàn)在有效的資本市場(chǎng)里,股票收益率也如同財(cái)務(wù)指標(biāo)一樣可以預(yù)測(cè)破產(chǎn),但時(shí)間略滯后。Altman & Brenner(1981)也將市場(chǎng)收益指標(biāo)納入到預(yù)警模型中,且發(fā)現(xiàn)該指標(biāo)可以為財(cái)務(wù)危機(jī)預(yù)警提供傳統(tǒng)財(cái)務(wù)比率以外的有用信息。Clark & Weinstein(1983)發(fā)現(xiàn)破產(chǎn)公司股票在破產(chǎn)前至少3年內(nèi)存在負(fù)的市場(chǎng)收益率。我國(guó)學(xué)者楊淑娥(2007)等人也在模型中加入了股本市價(jià)/負(fù)債賬面價(jià)來(lái)衡量市場(chǎng)收益。
4.公司治理指標(biāo)
Lee and Yeh(2004)選取了45家困境上市公司和88家非困境上市公司作為研究樣本,利用董事會(huì)持股比例,控股股東派出董事比例等公司治理變量構(gòu)建了Logistic預(yù)測(cè)模型。我國(guó)學(xué)者孫錚(2000),楊淑娥(2007)等人運(yùn)用了股權(quán)集中度、法人持股比例、獨(dú)立董事比例、兩職合一等指標(biāo)來(lái)反映公司治理對(duì)財(cái)務(wù)危機(jī)的預(yù)測(cè)力。
5.其他指標(biāo)
Edmister(1988)等認(rèn)為除了財(cái)務(wù)比率外,會(huì)計(jì)師保留意見可以增加財(cái)務(wù)危機(jī)預(yù)警的準(zhǔn)確度。Wu(2004)以1995～2000年的31家失敗公司和31家非失敗公司為樣本,利用董事會(huì)持股比例、樣本公司是否更換外部審計(jì)和股票價(jià)格趨勢(shì),結(jié)合財(cái)務(wù)變量進(jìn)行比較研究。
然而,上述指標(biāo)中,傳統(tǒng)的常規(guī)財(cái)務(wù)指標(biāo)、現(xiàn)金流量、市場(chǎng)收益、公司治理等指標(biāo)研究有余,而企業(yè)的主營(yíng)業(yè)務(wù)能力指標(biāo)卻鮮有人探索并應(yīng)用于財(cái)務(wù)危機(jī)預(yù)警。隨著當(dāng)前“歸核化”戰(zhàn)略日益興盛,彼得斯和沃特曼(T.J.Peters & R.H.Watemran,1982)強(qiáng)調(diào)“回歸主業(yè)”是非常重要的。因此,本文密切關(guān)注企業(yè)主營(yíng)業(yè)務(wù)的獲利能力,試圖從“歸核化”戰(zhàn)略出發(fā),分析企業(yè)的主營(yíng)業(yè)務(wù)能力與財(cái)務(wù)危機(jī)的關(guān)系,以期從企業(yè)的主營(yíng)業(yè)務(wù)這個(gè)角度來(lái)預(yù)測(cè)制造業(yè)企業(yè)是否處于財(cái)務(wù)危機(jī),并嘗試構(gòu)建一個(gè)高精確率的財(cái)務(wù)危機(jī)預(yù)警模型。
三、理論分析與研究假設(shè)
新古典經(jīng)濟(jì)學(xué)派創(chuàng)始人阿爾弗雷得?馬歇爾(Alfred?Marshall,1920)認(rèn)為企業(yè)之間以及產(chǎn)業(yè)之間的“差異分工”“專業(yè)化分工”會(huì)促進(jìn)技能、知識(shí)和協(xié)調(diào)能力不斷增加,推動(dòng)企業(yè)不斷成長(zhǎng)。也就是說(shuō),實(shí)施產(chǎn)業(yè)化分工,專業(yè)化經(jīng)營(yíng),選準(zhǔn)安身立命的主業(yè)并不斷發(fā)展壯大主營(yíng)業(yè)務(wù),提高主營(yíng)業(yè)務(wù)的獲利能力,企業(yè)才能減少財(cái)務(wù)危機(jī),持續(xù)經(jīng)營(yíng)。彭羅斯(Penrose?Edith,1959)和伯格?沃納菲爾特(Binger?Werner felt,1984)等“資源基礎(chǔ)論”學(xué)者認(rèn)為,企業(yè)的能力來(lái)源于其所擁有的資源,資源的不同性質(zhì)和構(gòu)成造成了競(jìng)爭(zhēng)中頻繁出現(xiàn)的優(yōu)勝劣汰。由于資源存在著“資源稟賦”,具有不對(duì)稱性和供給的有限性,企業(yè)在一定條件下不可能在所有資源類型中都擁有絕對(duì)優(yōu)勢(shì)。因而,充分利用企業(yè)內(nèi)存的有限資源,發(fā)揮企業(yè)現(xiàn)存熟悉的產(chǎn)業(yè)優(yōu)勢(shì),做精做強(qiáng)主營(yíng)業(yè)務(wù),不斷提高企業(yè)主營(yíng)業(yè)務(wù)的獲利能力,不僅可以為企業(yè)積累剩余資源,更能增強(qiáng)企業(yè)規(guī)避經(jīng)營(yíng)風(fēng)險(xiǎn),減少財(cái)務(wù)危機(jī)的能力。Forster(1978)認(rèn)為企業(yè)的主力產(chǎn)品銷售下降意味著企業(yè)陷入財(cái)務(wù)危機(jī)。彼得斯和沃特曼(T.J.Peters & R.H.Watemran,1982)認(rèn)為企業(yè)必須“堅(jiān)持主業(yè)”,才能創(chuàng)造好的業(yè)績(jī)。羅伯特?巴澤爾和布拉德利?蓋爾(Buzz ell,Robert D.& Gale,Bradley T.1987)認(rèn)為企業(yè)只有將質(zhì)量和信譽(yù)低劣的業(yè)務(wù)剝離出去,實(shí)施以強(qiáng)化主營(yíng)業(yè)務(wù)為目標(biāo)的戰(zhàn)略,才能夠提高企業(yè)績(jī)效。馬吉茲(1990)認(rèn)為過(guò)度多元化經(jīng)營(yíng)的企業(yè)只有進(jìn)行“歸核化”經(jīng)營(yíng)戰(zhàn)略,才能保證最好的績(jī)效。國(guó)內(nèi)學(xué)者葉學(xué)鋒,魏江(2001)發(fā)現(xiàn)美國(guó)企業(yè)從事單一經(jīng)營(yíng)的百分比從1978年的36%上升到1989年的64%。祁順生(2002)出版《歸核化戰(zhàn)略》,倡導(dǎo)我國(guó)企業(yè)實(shí)行“歸核化”戰(zhàn)略。實(shí)務(wù)界內(nèi),通用、諾基亞等大型公司在90年代后逐步剝離副業(yè),強(qiáng)化各自的主營(yíng)業(yè)務(wù),使得回歸主營(yíng)業(yè)務(wù)、強(qiáng)化主營(yíng)業(yè)務(wù)、突出主營(yíng)業(yè)務(wù)的經(jīng)營(yíng)模式日益成為眾多企業(yè)的最佳選擇。因而,為了提高企業(yè)績(jī)效,減少財(cái)務(wù)危機(jī),企業(yè)必須堅(jiān)持、強(qiáng)化主營(yíng)業(yè)務(wù),提高主營(yíng)業(yè)務(wù)的獲利能力。由此,提出如下假設(shè)。
假設(shè)1:主營(yíng)業(yè)務(wù)獲利能力越弱,企業(yè)陷入財(cái)務(wù)危機(jī)的可能性越大;反之,主營(yíng)業(yè)務(wù)獲利能力越強(qiáng),企業(yè)越不容易陷入財(cái)務(wù)危機(jī)。
主營(yíng)業(yè)務(wù)是企業(yè)的中流砥柱,是構(gòu)建企業(yè)文化、積累剩余資源、培養(yǎng)企業(yè)核心能力的主要渠道,是企業(yè)成長(zhǎng)的動(dòng)力來(lái)源。王小哈、楊揚(yáng)(2002)實(shí)證檢驗(yàn)了39家房地產(chǎn)上市公司,發(fā)現(xiàn)主營(yíng)業(yè)務(wù)在上市公司的可持續(xù)發(fā)展中起著決定性的作用。也就是說(shuō),主營(yíng)業(yè)務(wù)發(fā)展越快,企業(yè)可持續(xù)能力越強(qiáng)。克里斯?祖克(2004)發(fā)現(xiàn)7個(gè)國(guó)家8 000多家企業(yè)中,大約80%的持續(xù)價(jià)值創(chuàng)造者都具有單一的擁有強(qiáng)大市場(chǎng)領(lǐng)導(dǎo)地位的核心業(yè)務(wù);1993年~2003年間收入和利潤(rùn)的年平均增長(zhǎng)率超過(guò)14%的30多家大型中國(guó)企業(yè)也是通過(guò)專注于一項(xiàng)或兩項(xiàng)核心業(yè)務(wù)并不斷提升其成長(zhǎng)能力,成為這些核心業(yè)務(wù)的市場(chǎng)領(lǐng)導(dǎo)者而實(shí)現(xiàn)了顯著的增長(zhǎng)。
因而,不僅要關(guān)注主營(yíng)業(yè)務(wù)當(dāng)前的獲利能力,還要重視主營(yíng)業(yè)務(wù)的長(zhǎng)期成長(zhǎng)能力。只有當(dāng)企業(yè)的主營(yíng)業(yè)務(wù)不斷向前發(fā)展,源源不斷地供給養(yǎng)分,為企業(yè)創(chuàng)造長(zhǎng)期穩(wěn)定的收益和現(xiàn)金流,企業(yè)才能搏擊風(fēng)險(xiǎn),不容易陷入財(cái)務(wù)危機(jī)。因此,提出如下假設(shè)。
假設(shè)2:主營(yíng)業(yè)務(wù)成長(zhǎng)能力越弱,企業(yè)陷入財(cái)務(wù)危機(jī)的可能性越大;反之,主營(yíng)業(yè)務(wù)成長(zhǎng)性越好,企業(yè)越不容易陷入財(cái)務(wù)危機(jī)。
根據(jù)中國(guó)上市公司年報(bào)披露準(zhǔn)則的分類,利潤(rùn)由主營(yíng)業(yè)務(wù)利潤(rùn)、其他業(yè)務(wù)利潤(rùn)、投資收益、營(yíng)業(yè)外收支凈額及補(bǔ)貼收入和前期損益調(diào)整組成。Ramakrishna &Thomas(1991)把盈利的組成分為:永久類(能無(wú)限持續(xù))、暫時(shí)類(只影響當(dāng)期盈利)、價(jià)格無(wú)關(guān)類(持久性為零);并認(rèn)為主營(yíng)業(yè)務(wù)利潤(rùn)是企業(yè)盈利的核心,具有永久的持續(xù)性,是利潤(rùn)中最穩(wěn)定和最可預(yù)期的部分,而其它幾個(gè)部分則屬于暫時(shí)類或價(jià)格無(wú)關(guān)類。Lev & Thiagajan(1993)也表明盈利的質(zhì)量與其持久性呈顯著的正相關(guān)關(guān)系,而主營(yíng)業(yè)務(wù)利潤(rùn)比重在很大程度上決定了公司的盈利質(zhì)量和獲利能力。蔣義宏,魏剛(2001)實(shí)證檢驗(yàn)表明主營(yíng)業(yè)務(wù)利潤(rùn)比重與公司的價(jià)值存在正相關(guān)關(guān)系;而當(dāng)前我國(guó)上市公司利潤(rùn)構(gòu)成中投資收益和補(bǔ)貼收入所占比例過(guò)大。很多企業(yè)重視短期行為、盲目崇拜多元化經(jīng)營(yíng),導(dǎo)致企業(yè)投資過(guò)度分散化、主營(yíng)業(yè)務(wù)沒(méi)有得到應(yīng)有的發(fā)展,公司經(jīng)營(yíng)績(jī)效每況愈下。很多企業(yè)不顧自身的風(fēng)險(xiǎn)承受能力,寄盈利希望于投資收益;還有些企業(yè)寄生于政府,依靠財(cái)政補(bǔ)貼維持生存。但無(wú)論是上述其他業(yè)務(wù)收入、投資收益,還是營(yíng)業(yè)外收入,都屬于偶然性、不可預(yù)期的收入。只有主營(yíng)業(yè)務(wù)利潤(rùn)才是企業(yè)最穩(wěn)定、最可預(yù)期的利潤(rùn)來(lái)源,才是企業(yè)生存的基礎(chǔ)。主營(yíng)業(yè)務(wù)利潤(rùn)占公司總利潤(rùn)比重的高低及其穩(wěn)定性將影響企業(yè)經(jīng)營(yíng)業(yè)績(jī)的穩(wěn)定性。上市公司尤其是制造業(yè)企業(yè)只有不斷提高主營(yíng)業(yè)務(wù)利潤(rùn)及其比重,將主營(yíng)業(yè)務(wù)利潤(rùn)率保持一個(gè)穩(wěn)定的數(shù)值,才能為企業(yè)創(chuàng)造充足的現(xiàn)金流,支付企業(yè)正常運(yùn)轉(zhuǎn)的費(fèi)用,有效提高其整體績(jī)效和核心競(jìng)爭(zhēng)力。否則,如果一個(gè)企業(yè)主營(yíng)業(yè)務(wù)水平持續(xù)低下且得不到改善,即使有再多的其他業(yè)務(wù)收入、投資收益或營(yíng)業(yè)外等偶然性、不可預(yù)期的收入,這種低水平的主業(yè)也最終會(huì)削弱其整體的盈利能力,將企業(yè)陷入財(cái)務(wù)危機(jī)的境地。譬如雙龍汽車因主營(yíng)業(yè)務(wù)不景氣而走向破產(chǎn)。因而,提出如下假設(shè)。
假設(shè)3:主營(yíng)業(yè)務(wù)利潤(rùn)比重越低,企業(yè)陷入財(cái)務(wù)危機(jī)的可能性越大;反之,主營(yíng)業(yè)務(wù)利潤(rùn)比重越大,企業(yè)越不容易陷入財(cái)務(wù)危機(jī)。
四、研究設(shè)計(jì)
(一)樣本與數(shù)據(jù)的來(lái)源
本文以滬深兩市2007年度被ST(包括*ST)的50家制造業(yè)上市公司和同行業(yè)的500家非ST上市公司為樣本,選取了上市公司被ST前1年(t-1)、前2年(t-2),前3年(t-3),即2004年~2006年的數(shù)據(jù),然后運(yùn)用SPSS13.0軟件進(jìn)行統(tǒng)計(jì)分析預(yù)測(cè)。本文所用的數(shù)據(jù)來(lái)自銳思數(shù)據(jù)庫(kù)和上市公司相關(guān)年報(bào)等。
(二)變量設(shè)計(jì)
1.因變量設(shè)計(jì)
本文旨在預(yù)測(cè)企業(yè)是否會(huì)發(fā)生財(cái)務(wù)危機(jī),因此,y=(1,0)即為被因變量。y=1表示發(fā)生財(cái)務(wù)危機(jī),其概率用p表示,即p=P(y=1)表示事件發(fā)生的概率;y=0表示沒(méi)有財(cái)務(wù)危機(jī)。
2.自變量設(shè)計(jì)
根據(jù)前文的理論分析和研究假設(shè),從主營(yíng)業(yè)務(wù)獲利能力、主營(yíng)業(yè)務(wù)成長(zhǎng)能力、主營(yíng)業(yè)務(wù)利潤(rùn)比重三方面來(lái)衡量企業(yè)的主營(yíng)業(yè)務(wù)能力。具體指標(biāo)即自變量,如表1所示。
3.控制變量選擇
由于國(guó)內(nèi)外學(xué)者較多地從償債能力、盈利水平等指標(biāo)預(yù)測(cè)財(cái)務(wù)危機(jī),且這些指標(biāo)在某些層面上也能反映企業(yè)危機(jī)狀況。因此,同時(shí)引入該方面指標(biāo)作為控制變量(如表1所示),以此來(lái)檢測(cè)主營(yíng)業(yè)務(wù)指標(biāo)在常規(guī)財(cái)務(wù)指標(biāo)被控制后,是否依然能夠預(yù)測(cè)企業(yè)是否發(fā)生危機(jī)。
(三)研究模型
本文將沿用Ohlson(1980)的多元Logistic法來(lái)構(gòu)建制造業(yè)財(cái)務(wù)危機(jī)預(yù)警模型:logit(y)=ln[P/(1-P)]=a0+a1X1
+a2X2+…+anXn。其中,p=P(y=1)表示事件發(fā)生的概率;ai(i=0,…n)為待估參數(shù),Xi(i=1,…n)為自變量。
五、實(shí)證檢驗(yàn)
(一)描述性統(tǒng)計(jì)分析
首先分組計(jì)算50家財(cái)務(wù)危機(jī)公司和500家非財(cái)務(wù)危機(jī)公司的7個(gè)主營(yíng)指標(biāo),在財(cái)務(wù)危機(jī)發(fā)生前1至前3年的平均值和標(biāo)準(zhǔn)差等描述性統(tǒng)計(jì)量,比較這兩組在7個(gè)主營(yíng)指標(biāo)各年的平均值是否具有顯著差異;其次計(jì)算各年的Z統(tǒng)計(jì)檢驗(yàn)量①(結(jié)果如表2所示),在接受Mann-Whitney非參數(shù)檢驗(yàn)時(shí),7個(gè)主營(yíng)指標(biāo)在2004年~2006年均一致通過(guò)顯著性檢驗(yàn),且顯著性水平總體上較高,在1%水平上顯著的居多。這說(shuō)明在ST發(fā)生的前1至前3年,財(cái)務(wù)危機(jī)公司和非財(cái)務(wù)危機(jī)公司的7個(gè)主營(yíng)指標(biāo)中均存在顯著差異。
(二)相關(guān)性分析
為了檢驗(yàn)主營(yíng)業(yè)務(wù)指標(biāo)對(duì)財(cái)務(wù)危機(jī)具有獨(dú)立的預(yù)測(cè)力,首先控制C1~C7這7個(gè)傳統(tǒng)財(cái)務(wù)指標(biāo),然后運(yùn)用偏相關(guān)分析②檢驗(yàn)X類自變量與因變量之間的關(guān)系,結(jié)果如表3所示。
1.衡量主營(yíng)業(yè)務(wù)獲利能力的指標(biāo)中,X1、X3和X4在(t-3)、(t-2)與(t-1)連續(xù)3年均與因變量(危機(jī)與否)成顯著負(fù)相關(guān)關(guān)系,與假設(shè)1一致;X2在(t-3)年與因變量成顯著正相關(guān),與假設(shè)矛盾,但在(t-2)與(t-1)年均與因變量成顯著負(fù)相關(guān),與假設(shè)1一致;因而X2在(t-3)年的異常可能與部分特殊事項(xiàng)有關(guān),不會(huì)影響到假設(shè)1。
2.衡量主營(yíng)業(yè)務(wù)成長(zhǎng)能力的指標(biāo)中,X5在(t-3),(t-2)與(t-1)連續(xù)3年均與因變量(危機(jī)與否)成顯著負(fù)相關(guān)關(guān)系,與假設(shè)2一致;X6除了在(t-3)年出現(xiàn)異常,與因變量成顯著正相關(guān),在之后的2年均與因變量成顯著負(fù)相關(guān),與假設(shè)2一致;因此,假設(shè)2也基本得到驗(yàn)證。
3.X7(主營(yíng)業(yè)務(wù)利潤(rùn)比重)在
(t-3)、(t-2)與(t-1)連續(xù)3年均與因變量(危機(jī)與否)成顯著負(fù)相關(guān)關(guān)系,與假設(shè)3一致,從而驗(yàn)證了前文的假設(shè)3。
六、基于主營(yíng)視角的財(cái)務(wù)危機(jī)預(yù)警模型的構(gòu)建
(一)單變量Logistic回歸分析
在構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型前,本文首先運(yùn)用SPSS統(tǒng)計(jì)軟件對(duì)擬研究的變量作了單變量Logistic回歸分析,用Wald擬合優(yōu)度檢驗(yàn)③來(lái)篩選效果顯著的自變量,具體結(jié)果如表4所示。
從表4可以看出:X3,X6,X7因Wald值小于6.635而無(wú)法通過(guò)(t-3)的檢驗(yàn);同時(shí),X7在(t-1)年也沒(méi)有通過(guò)檢驗(yàn),應(yīng)當(dāng)予以剔除;其余指標(biāo)均能有效地預(yù)測(cè)企業(yè)是否發(fā)生財(cái)務(wù)危機(jī),可以入選到模型中。
其次,為避免自變量間存在多重共線性,影響logistic預(yù)警模型的準(zhǔn)確度,對(duì)上述初選的變量作了Pearson相關(guān)性檢驗(yàn)(因篇幅限制,此處不報(bào)告詳細(xì)過(guò)程),以進(jìn)一步的篩選。同時(shí),為了確保模型的精確率,本文將上述作為控制變量的傳統(tǒng)財(cái)務(wù)指標(biāo)(C1~C7)也納入到模型中。
在t-3年:X1,X2,X4,X5與C1~C7的任何相關(guān)系數(shù)均不超過(guò)0.5,即不存在任何兩兩高度相關(guān),因而均可以入選到模型中。
在t-2年:X6分別與X1,X5存在0.525,0.521的顯著相關(guān)。除此之外,其他變量之間均不存在高度相關(guān)。因而,剔除X6,保留X1和X5,即入選到t-2年模型的指標(biāo)包含X1,X2,X3,X4,X5,X7,以及C1~C7。
在t-1年:X5和C7存在0.618的顯著相關(guān),因本文探討的是主營(yíng)指標(biāo)的獨(dú)立預(yù)警能力,為防止自變量受控制變量影響,然后作用在因變量上,本文剔除X5,保留C7。另外,X1和X4存在0.512的顯著相關(guān),本文沿用X1,剔除X4。因而,入選到t-1年模型的指標(biāo)包含X1,X2,X3,X6,以及C1~C7。
(二)基于主營(yíng)視角的Logistic回歸模型的構(gòu)建
將上述篩選合格的變量納入到Logistic回歸中,可以得到以下危機(jī)預(yù)警模型(表5~表7)。
七、研究結(jié)論及建議
本文從主營(yíng)視角出發(fā),實(shí)證檢驗(yàn)了我國(guó)制造業(yè)企業(yè)主營(yíng)業(yè)務(wù)能力與財(cái)務(wù)危機(jī)的關(guān)系,結(jié)果發(fā)現(xiàn):主營(yíng)指標(biāo)在危機(jī)和非危機(jī)企業(yè)中存在一定差異;主營(yíng)業(yè)務(wù)的獲利能力和成長(zhǎng)能力與財(cái)務(wù)危機(jī)負(fù)相關(guān);主營(yíng)業(yè)務(wù)利潤(rùn)比重與財(cái)務(wù)危機(jī)負(fù)相關(guān)。將傳統(tǒng)的常規(guī)財(cái)務(wù)指標(biāo)作為控制變量,引入主營(yíng)指標(biāo),構(gòu)建綜合的預(yù)警模型,則在t-3、t-2和t-1年預(yù)測(cè)精確率分別達(dá)到92.7%、95.5%和97.3%,預(yù)警效果較為理想。
根據(jù)這一結(jié)果得出,一是上市公司應(yīng)當(dāng)在戰(zhàn)略上找準(zhǔn)自己的定位,選準(zhǔn)主業(yè),重視主業(yè),做精做強(qiáng)自身的核心業(yè)務(wù),并逐步創(chuàng)造、強(qiáng)化自己的品牌,通過(guò)提高核心業(yè)務(wù)能力水平來(lái)增強(qiáng)企業(yè)的抗風(fēng)險(xiǎn)能力,降低企業(yè)陷入財(cái)務(wù)危機(jī)的可能性;同時(shí),公司內(nèi)部人員在監(jiān)控自身的財(cái)務(wù)危機(jī)情況時(shí),應(yīng)當(dāng)密切注視主營(yíng)業(yè)務(wù)水平的獲利能力和成長(zhǎng)能力。二是投資人、債權(quán)人等利益相關(guān)者在與上市公司發(fā)生業(yè)務(wù)時(shí),應(yīng)當(dāng)充分重視其主營(yíng)業(yè)務(wù)能力,應(yīng)更多的以主營(yíng)業(yè)務(wù)水平來(lái)評(píng)價(jià)其財(cái)務(wù)風(fēng)險(xiǎn)狀況和未來(lái)的競(jìng)爭(zhēng)能力。三是證監(jiān)會(huì)等外部監(jiān)管人在核準(zhǔn)公司上市時(shí),應(yīng)當(dāng)更加關(guān)注其主營(yíng)業(yè)務(wù)能力,確保其能夠以主營(yíng)業(yè)務(wù)水平來(lái)保障投資者的利益,進(jìn)而促進(jìn)整個(gè)資本市場(chǎng)發(fā)展。
本文的局限性在于:首先,由于財(cái)務(wù)危機(jī)預(yù)警本身缺乏成熟的理論支撐,而本文也只從歸核化戰(zhàn)略來(lái)切入,運(yùn)用企業(yè)間分工理論和資源基礎(chǔ)論來(lái)推導(dǎo),對(duì)財(cái)務(wù)危機(jī)預(yù)警的理論分析尚且不夠;其次,本文只收集了2004年~2006年的數(shù)據(jù),時(shí)間段不夠長(zhǎng);最后,本文只研究了制造行業(yè)550家上市公司,沒(méi)有涉及其他行業(yè)和非上市公司,預(yù)警模型的使用有局限性。因此,還需要有更多的學(xué)者運(yùn)用大樣本繼續(xù)探究主營(yíng)業(yè)務(wù)能力與財(cái)務(wù)危機(jī)的關(guān)系,以構(gòu)建出更精確的財(cái)務(wù)危機(jī)預(yù)警模型。
【參考文獻(xiàn)】
[1] 阿爾弗雷得?馬歇爾.經(jīng)濟(jì)學(xué)原理[M].中國(guó)社會(huì)科學(xué)出版社,2007.
[2] 伯格?沃納菲爾特.企業(yè)資源基礎(chǔ)論[M].1984.
[3] 陳靜.上市公司財(cái)務(wù)惡化預(yù)測(cè)的實(shí)證分析[J].會(huì)計(jì)研究,1999(4).
[4] 崔學(xué)剛,王立彥,許紅.企業(yè)增長(zhǎng)與財(cái)務(wù)危機(jī)關(guān)系研究――基于電信與計(jì)算機(jī)行業(yè)上市公司的實(shí)證證據(jù)[J].會(huì)計(jì)研究,2007(12).
[5] 谷祺,劉淑蓮.財(cái)務(wù)危機(jī)企業(yè)投資行為分析與對(duì)策[J].會(huì)計(jì)研究,1999(10).
[6] 姜秀華,孫錚.治理弱化與財(cái)務(wù)危機(jī):一個(gè)預(yù)測(cè)模型[J].南開管理評(píng)論,2001(5).
[7] 蔣義宏,魏剛.主營(yíng)業(yè)務(wù)利潤(rùn)、核心盈利能力和公司價(jià)值[J].證券市場(chǎng)導(dǎo)報(bào),2001(04).
[8] 克里斯?祖克,詹姆斯?艾倫.回歸核心[M].北京:中信出版社,2004:30-31.
[9] 羅伯特?巴澤爾和布拉德利?蓋爾.PIMS原則:聯(lián)系戰(zhàn)略與績(jī)效[M].1987.
[10] 馬吉茲.多元化、歸核化與經(jīng)營(yíng)績(jī)效[D].博士論文,1990.
[11] 彭羅斯.企業(yè)成長(zhǎng)理論[M].上海三聯(lián)書店,2007.
[12] 祁順生.歸核化戰(zhàn)略[M].上海:復(fù)旦大學(xué)出版社,2002:2.
[13] 王小哈,楊揚(yáng).上市公司主營(yíng)業(yè)務(wù)貢獻(xiàn)與經(jīng)營(yíng)績(jī)效的實(shí)證分析[J].當(dāng)代經(jīng)濟(jì)科學(xué),2002(5).
[14] 吳世農(nóng),盧賢義.我國(guó)上市公司財(cái)務(wù)危機(jī)的預(yù)測(cè)模型研究[J].經(jīng)濟(jì)研究,2001(6).
[15] 楊淑娥,黃禮.基于BP神經(jīng)網(wǎng)絡(luò)的上市公司財(cái)務(wù)預(yù)警模型[J].系統(tǒng)工程理論與實(shí)踐,2005(1).
[16] 楊淑娥,王樂(lè)平.基于BP神經(jīng)網(wǎng)絡(luò)和面板數(shù)據(jù)的上市公司財(cái)務(wù)危機(jī)預(yù)警[J].系統(tǒng)工程理論與實(shí)踐,2007(2).
[17] 葉學(xué)鋒,魏江.多元化經(jīng)營(yíng)的戰(zhàn)略選擇分析[J].科研管理,2001(11):57-62.
[18] 張玲.財(cái)務(wù)危機(jī)預(yù)警分析判別模型[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2000(3).
[19] Altman E.I.Financial ratios,discriminant analysis and prediction of corporate bankruptcy [J].Journal of Finance.1968.
[20] Aziz.A,D.Emanuel and G.Lawson.Bank Prediction:An Investigation of Cash Flow Based Models [J].Journal of Management Studies.1988 (25):419-437.
[21] Beaver W.H.Financial ratios as predictors of failure [J].Journal of Accounting Research.1966.
[22] Deakin,Edward.B.A,Discriminant Analysis of Predictors of Business Failure [J].Journal of Accounting Research.1972,10(1).
[23] Erkki K.Laitinen and Teija Laitinen.Cash Management Behavior and Failure Prediction[J].Journal of Business Finance & Accounting,Vol.25 Sep/Oct 1998,893- 919.
[24] Edmister R O,Combining Human Credit Analysis and Numerical Credit Scoring for Business Failure Prediction,Akron Business Economic Review,1988,19(3):6-14.
[25] Gilbert,L.R.,K.Menon,and K.B.Schwartz,1990,Predicting Bankr-
uptcy for Firms in Financial Distress.Journal of Business,Finance
& Accounting,Vol.17,No.1,p161-171.
[26] Green,R.C.and Talmor,E.Asset s-
ubstitution and the agency costs of debt financing[J].Journal of Banking and Finance.1986 (10):391-399.
[27] Lee T S,Yeh Y H.Corporate go-
vernance and financial distress:evidence from Taiwan [J].Corporate Governance.2004 (3).
[28] LEV,B.,AND R.THIAG.Fundamental Informational of Accounting Rese,1993(31).
[29] Mark.E.Zmijewski.Methodological Issues Related to the Estimation of Financial Distress Prediction Models [J].Journal of Accounting Research.1984 (22).
[30] Ohlson.J.S.Financial ratios and the probabilistic prediction of bankru-
ptcy[J].Journal of Accounting Re-
search.1980.
[31] Platt.H.D.and Marjorie.B.Platt.Predicting Corporate Financial Distress:Reflections on Choice Based Sample Bias[J].Journal of Economics and Finance.2002.Summer.
[32] Ramakrishnan,RamT.S.;Thomas,Jacob.K.Add Added Valuation of Permanent,Transitory,and PriceIrrelevant Components of Reported Earnings[J].Journal of Accounting,1991(13).
[33] Ross.Stephen.The Determination of Capital Structure:The Incentive Signaling Approach.Bell Journal of Economics.1977 (8):23-40.
[34] T.J.Peters,R.H.Waterman.Insearch of Excellence.Harper&Row.1982:49.