上市公司财务风险评估模型研究：文献综述

【摘要】随着上市公司的发展，财务风险已经成为企业发展中不容忽视的一个问题。在某种程度上，企业经营中的财务风险已经成为一个全球性问题，甚至关乎一个国家政治和经济的正常运行。考察一个企业的财务风险对稳定金融秩序和经济的持续发展至关重要。因此研究财务风险的形成机制和风险防范措施具有特别重要的意义。鉴于此，国内外专家学者分别从不同角度研究了各式各样的财务风险分析模型，本文就上市公司财务风险分析模型的发展与演进进行综述，旨在提高上市公司的财务风险预测的准确性，从而进一步降低企业的损失。

【关键词】上司公司；财务风险；评估；模型

Abstract：With the development of listed companies,financial risk has been a problem in their development that can not neglect.To some extent,in enterprise operation financial risk has already become a global problem,even concerned with the nation’s political and economical good running.To estimate companies’ financial risk is so critical for both the steady of financial order and the sustainability of economical development that it has a special significance to research the mechanism and the prevention of financial risk.Given this, experts home and abroad come up with all kinds of analytical models at a different angle.Then,the development and evolution of financial risk are reviewed in this article in order to improve the accuracy of the estimation of financial risk in listed companies, thereby further reducing their cost.

Key words: Listed companies; Financial risk; Estimate; Model

财务风险有广义和狭义之分，广义的财务风险是指企业财务活动中由于各种不确定因素的影响，使企业财务收益与预期收益发生偏离，因而蒙受损失的机会和可能。狭义的财务风险是指企业由于举债而给企业财务状况和财务成果(企业利润或股东收益)带来的不确定性。上市公司财务风险分析是依据上市公司财务报告和其他经营资料，计算分析企业财务指标的变化，揭示企业面临的经营困难和财务危机，警示企业尽快采取有效措施优化财务状况，提高财务成果，使企业

走出破产边缘。那么，究竟如何预测上市公司的财务风险呢？国内外涌现了各种不同的预测模型，且更加完善。

目前国内外主流的上市公司财务风险分析模式有两种：一种是单变模式，即运用个别财务比率来预测财务危机，Beaver(1966)首先提出了预测财务失败的单变量判别模型。但它只反映企业风险的一个方面，并且当指标彼此不完全一致时，指标的警示作用可能被抵消，因而其有效性受到一定限制。另一种是多变模式，即建立多元线性函数公式，运用多种财务指标加权汇总产生的数值来预测财务危机，其中较著名的是Altman(1968)的Z计分模型。Edward Altman提出了Z-Score模型，并在1977年对自己的模型进行了修正，这些研究成果为以后其他学者的研究奠定了基础。国外的研究成果还有Edmisterd(1972)的小企业研究模型，Deakin（1972）的概率模型，Dimond（1972）的范式确认模型，以及台湾学者陈肇荣归纳的基于台湾地区企业财务风险评估的多元模型，周首华等(1996)建立的F分数模型等。

一、国外有关文献综述

（一）单变量模型

单变量模型即运用个别的财务比率来预测财务危机的模型。1966年，美国学者威廉·比弗(Willam Beaver)最先运用5个单个财务比率分别对79家经营失败公司和79家经营未失败公司进行一元判定预测，他的研究结果表明运用现金债务保障率的预测效果最好，资产报酬率则次之，他的这种单变量模型预测简单易懂，但具有如下缺点:(1)对同一家公司预测者可能会因使用比率的不同而得出不同的预测结果；(2)对较长一段时间进行的单变量预测，可能说明公司现在处于困境或者未来可能陷入困境，但它不能具体说明公司可能破产以及何时破产；(3)分析结果容易受通货膨胀的影响。由于单变量模型预测的上述缺点，单变量分析逐渐被多变量方法所取代。

（二）多变量模型

多变量模型即运用多种财务比率指标加权汇总而构成线性函数公式来预测财务危机的一种模型。美国学者Altman（1968)最早创造Z计分模型来探讨公司财务危机预测问题。随后，国外的研究成果中，还有Deakin (1972)的线性概率模型，Edmisterd(1972)的小企业模型和Dimond(1972)的范式确认模型在这方面也均有建树，除此以外，Logistic模型、Probit模型和判别分析模型皆对财务

危机预测的研究有较大的影响。

其中尤以Altman的Z计分模型最为著名，该模型奠定了多变量财务预警系统的理论基础。其多变量模型为：Z=0.012X1+0.014X2+0.033X3+0.06X4+0.999X5（X1= (期末流动资产-期末流动负债)÷期末总资产，X2=期末留存收益÷期末总资产，X3=息税前利润÷期末总资产，X4=期末股东权益的市场价值÷期末总负债，X5=本期销售收入÷总资产）。奥特曼结合美国股票市场的实际情况，确定Z值的分界点为2.675，如果Z系数大于2.675，那么公司的财务状况是稳健的；如果Z系数小于1.81，那么公司很有可能走向破产的边缘；如果Z系数介于1.81和2.675之间，将是处于“灰色区域”，无法准确地判断公司的财务状况。Altman以1946年至1965年期间提出破产申请的33家企业和相对应的33家非破产企业为样本进行检验，他发现这66家企业中有63家企业的预测结果正确，其预测的成功率明显超过了单变量预测模型。

（三）其他模型

随着资本市场的迅速发展、融资的非中介化、证券化趋势以及金融创新工具的大量涌现，财务风险的复杂性也日益显著。人们认为以财务比率为基础的统计分析方法不能反映借款人和证券发行人的资产在资本市场上快速变化的动态价值。鉴于此，一系列财务风险衡量的新方法相继提出。

1.期权定价型的破产模型。这类模型的理论依据在很多方面与Black-Scholes（1973）和Merton(1974)的期权定价模型相似，因此也称作信用风险的期权定价模型。Black-Scholes-Merton系列定价模型表明：一家公司的破产概率取决于公司资产相对于其初始市场价值和资产市价的波动率，当公司资产的市场价值低于其负债价值，即资不抵债时，该公司实质上已经破产。1993年KMV公司提出的预期违约（Expected Default Frequency，EDF）模型也是基于这一理论，模型的结构包含两种理论联系：其一是将股票价值看成是建立在公司资产价值上的一个看涨期权；其二是公司股票价值波动率与公司资产价值变化之间的关系。

2．违约率模型和期限方法。Altman（1972）研究的债券违约模型和Asquith、Mullins(1989)的期限方法是按穆迪(1990)和标准普尔(1991)的信用等级和债券到期年限，采用债券实际违约的历史数据建立的违约概率经验值，对各类信用等级和期限债券的违约风险进行衡量。美国穆迪(1990)和标准普尔 (1991)两家著

名评级公司修正了这一模型并作为他们的常规金融分析工具，但目前的障碍是银行无法收集到足够的贷款违约历史数据供建立一个非常稳定的违约概率数据库。因此，美国许多大型银行正致力于建立一个全国贷款违约和违约损失率的共享数据库。

3．神经网络分析系统。神经网络是从神经心理学和认识科学研究成果出发，应用数学方法发展起来的一种并行分布模式处理系统，具有高度并行计算能力、自学能力和容错能力。神经网络的结构是由一个输入层、若干个中间隐含层和一个输出层组成。国外研究者如Altman、Varetto(1994)对意大利公司财务危机预测中应用了神经网络分析法，然而神经网络的最大缺点是其工作的随机性较强。因为要得到一个较好的神经网络结构，需要人为地去调试，非常耗费人力与时间，因此应用受到了限制。

二、国内有关文献综述

财务危机的分析与研究在海外历史悠久，而在国内则是近几年才开始的。比如我国台湾学者陈肇荣归纳的用于台湾地区企业财务分析的多元模型；吴世农、黄世忠（1986）介绍的企业破产分析指标和预测模型等等。

在Altman的Z计分模型的基础上,周首华 (1996) 等建立了F分数模型：F=-0.1774+1.1091X1+0.1074X2+1.9271X3+0.0302X4+0.4961X5。其中:X1=(基末流动资产-期末流动负债)/期末总资产；X2=期未留存收益/期末总资产；X3=(税后纯收益+折旧)/平均总负债；X4=期未股东权益的市场价值/期末总负债；X5=(税后纯收益+利息+折旧)/平均总资产。F分数临界点为0.0274；若某一特定的F分数低于0.0274，则将被预测为破产公司；反之，若F分数高于0.0274，则公司将被预测为继续生存公司。F分数模型中X1、X2及X4与Z分数模型中的X1、X2及X4相同，X3、X5与Z分数模式中X3、X5不同。X3是一个现金流量变量，它是衡量企业所产生的全部现金流量可用于偿还企业债务的重要偿债能力指标。X5是测定企业总资产在创造现金流量方面的能力。相对于Z分数模式，它可以更准确地预测出企业是否存在财务危机。

陈静(1999)以1998年的27家ST公司和27家非ST公司为例，使用1995一1997年的财务报表数据进行单变量和二类线性判定分析。在单变量分析中，发现负债比率、流动比率、总资产收益率、净资产收益率4个指标中，流动比率和负债比率误判率最低；在多元判定分析中，有负债比率、净资产收益率、流动