回顾国内外财务危机预警研究文献

国内外财务危机预警研究文献回忆 （徐广成）一、 研究的意义 财务危机预警研究是财务领域研究的前沿和热点问题之一，始终备受学术界和实务界关注。目前国内绝大部分国有公司负债率居高不下，处在财务危机的威胁之中，严重制约了公司的经营和发展。因此，对国内财务危机理论研究和应用状况进行剖析，具有很大的现实意义。公司存在的目的和价值就是以其所掌握的经济资源去发明更大的经济财富，实现其资产的不断增值。但是，公司经营过程中的诸多因素，加之经营管理者自身的业务素质和管理经验等，均也许使公司陷入财务危机，非但不能使公司实现资产增值，相反有也许因此而不能清偿到期债务甚至破产。“冰冻三尺非一日之寒”，公司陷入财务危机是一种渐进的过程，完全有也许在危机发生之前使用有效的措施预先发现 PlattHarlanD.WhyComPanlesFail:StrateglesforDeteeting.Avo一dingandProfitingfromBankruPcy.JournalofBankingandFinanee，1986。在美国、英国等国家有众多的提供财务危机预测或破产预测服务的机构，如美国第一银行信托分部、英国的DataStream公司和Performance Analysis services公司。公司产生财务危机的因素是多方面的，既也许是公司经营者决策失误，也也许是管理失控，还也许是外部环境恶化等。但任何财务危机均有一种逐渐显现、不断恶化的过程，因此，如果对公司的经营管理过程进行跟踪、监控，及早地发现危机信号，一旦发现某种异常征兆就着手实行预控，从而可以有效避免公司陷入财务危机。建立公司财务危机预警模型，对的地预测公司财务危机，对于经营者防备财务危机、对于保护投资者和债权人的利益、对于政府管理部门监控上市公司质量和证券市场风险及有关利益者都具有重要的理论意义和现实意义。二、 国内外有关财务危机内涵的评述对于“财务危机”的定义国内外学者有诸多不同的见解，给出了不同的解释：(一)国外学者对于财务危机的界定1为了使样本公司有较明确的标记，便于辨别，诸多学者将财务危机公司定义为已宣布破产的公司。如Altman(1968)觉得“公司失败涉及在法律上的破产、被接管和重整等”，实质上是把财务危机基本视同为公司破产，即法定破产。遵循这条思路，Deakin(1972)觉得财务危机公司是指已经破产、无力偿债或者为了债权人的利益已经进行清算的公司。将财务危机基本等同于法定破产的学者尚有Casey&Bartczark(1984)，Gentry et al.(1985)，Aziz etal.(1988)和Gilbert et al.(1990)等等。2为全面收集财务危机公司样本进行财务危机预警的实证研究，诸多学者扩大了财务危机公司样本的选择范畴。如Beaver(1966)将财务危机公司定义为：银行透支、未支付优先股股利、债券违约和宣布破产等几种状态。遵循这条思路，Carmichae1(1972)觉得财务危机是公司由于流动性局限性、权益局限性、债务拖欠及资金局限性等因素，从而导致履行债务义务受阻。Scott(1981)、Bahnson&Bartley(1992)均觉得以债信局限性或债权到期无法归还本息定义财务危机比较恰当。Prakash&Karels(1987)给出了一张描述财务失败定义的表，在表中给出了一系列财务失败的原则，如不能支付到期债务、银行账户透支、净现值不不小于零等。Ross et al.()进一步从四个方面概括了公司财务危机：技术失败，即公司无法按期履行债务合约来付息还本；会计失败，即公司的账面净资产浮现负数，资不抵债；公司失败，即公司清算后仍无力支付到期债务；法定破产，即公司或者债权人由于债务人无法履行到期债务合约，并成持续状态时，向法院申请破产。总的来看，国外学者对财务危机的定义是根据研究课题的需要而定，一般在文献中会明确给出研究样本选择特性，其定义和描述财务危机公司样本有多种，归结起来有变现拍卖、无力支付短期债务、无力支付债券利息、无力支付债券本金、无力支付优先股股息、重整及法定破产等。因而，Charles H Gibson&Patricia AFrishkoff指出，财务失败有多种各样的原则，财务失败这个词的含义要根据所设的原则而定。（二）国内学者对于财务危机的界定国内学者对于财务危机也没有统一的定义，由于在实际的实证研究中，往往需要用客观的，可以观测到的标志来拟定研究样本，因此研究人员将公司与否申请破产作为公司与否陷入财务危机的标志。但是破产是一种法律行为, 除了受经济因素影响外，还受政治和其她非市场因素影响；此外陷入财务危机与公司与否破产并无拟定的一一相应关系，在国内这一状况尤为突出。因此，无法明确有效地定义财务危机，而只能根据实证研究的具体内容拟定。 在国内，临时没有对财务危机进行进一步研究及下一种精确的定义，只是在中华人民共和国破产法(试行)第一章第三条对破产提出了一种定义，即定义为公司因经营管理不善导致严重亏损，不能清偿到期债务。 由于国内财务危机预测的研究对象重要针对上市公司, 故一般将财务危机界定为财务状况异常而被“特别解决”。1998年深沪证券交易所正式启用了当上市公司浮现“异常状况”时，对上市公司进行“特别解决”的条款。“异常状况”涉及“财务状况异常”和“其她状况异常”，其中因“其她状况异常”而被特别解决具有很大的不拟定性，难以从财务角度进行有效预测，而对 “财务状况异常”状况的界定符合一般觉得公司财务状况不健康的判断。因此国内研究人员一般将陷入财务危机的公司定义为因财务状况异常而被特别解决的公司。在国内，财务危机预测研究才刚刚起步，由于非上市公司的财务报表比较不规范，可靠性不高，加之数据很难获得，因此基本上所有的研究都以上市公司作为研究对象；而由于国内证券市场的退市制度建立较晚，退市的公司不多，因而大部分研究又都把上市公司被特别解决作为公司陷入财务危机的标志，如陈静（1999），陈晓、陈治鸿（），吴世农，卢贤义（），李华中（）等。除此之外，长城课题组（）将初次浮现亏损的公司界定为财务危机公司；高培业，张道奎（）则把公司能否准时归还银行贷款作为公司陷入财务危机与否的界定原则。由于国内正处在经济和社会转型期，金融体系、资我市场、社会信用体系、产权市场等方面都还很不完善，因此，不能将国外的模型直接应用到国内公司上。虽然有少数国内学者建立了上市公司的财务危机预测模型，但由于样本太小，并且ST公司并不等于财务危机公司，因此这些模型更多的只是一种理论上的尝试，需要更多的理论和实证研究。 目前，国内学者对财务危机的研究受到如下几种方面的限制：资我市场不成熟、破产重组法律体系不健全、市场化债务重构成功的也许性很小，并且有关数据的获得性、可信度都很低；只有电力、能源等几种国家垄断行业的少数公司可以发行公司债券，但规模非常小，也几乎不存在违约风险问题；公司融资构造单一，几乎都是银行贷款，但由于国有公司的特殊性，违约贷款的解决与国企改革、金融体制改革联系紧密，在很大限度上超过了财务危机的范畴。由于缺少大量可信的记录数据，很难进行实证研究，目前国内财务危机的研究重要集中于破产和重组的定性分析、发展公司债券市场的可行性研究等宏观政策方面，在财务危机成本的实证研究方面还是空白。三、 国外财务危机预警模型回忆自上个世纪60年代以来，财务危机预测在欧美得到广泛发展，从多元鉴别分析等线性预测模型，到以神经网络模型为代表的多种非参数预测模型，有关的模型、措施层出不穷。在这些模型中，有一种共同的前提假设，就是可以对公司进行分组（如可以将公司提成财务危机公司和财务健康公司），其基本的思想即运用公司的多种财务指标，建立鉴别模型，从而根据公司的总体财务状况进行分类。纵观国外既有的研究成果，财务危机预测措施重要有单变量分析、多元鉴别分析、线性概率模型、Logistic模型、递归分割算法、生存分析、专家系统和神经网络模型等。（一）国外财务困境预测的线性鉴别模型、单变量模型单变量分析是最早应用于财务危机预测的模型，其重要思想是通过比较财务危机公司和非财务危机公司之间各个财务指标的明显差别，选定某个指标作为排序变量，让样本数据根据该指标进行排序，然后根据最佳鉴定点对财务危机公司和财务健康公司进行分类的一种分析措施。应用单变量进行破产预测研究在二十世纪六十年代前较为普遍，其中比较有影响的学者重要为Beaver和Zmijewski。Fitzpatrick（1932）最早运用该模型对公司财务危机进行预测，她以19家公司作为样本，运用单个财务指标进行预测，成果发现净利润/股东权益、股东权益/负债这两个财务指标鉴别能力最高。而Smith 和Winakor（1935）进行了类似的研究，则发现营运资本/总资产这个指标的预测能力最高。此外，Merwin（1942）发现营运资本/总资产、股东权益/负债、流动资产/流动负债这三个指标能提前6年对公司破产作出预测。WHBevae的单一比率模型(Univariatediscriminnatmodel)1966年10月，美国财务分析专家WHBaeve在美国会计研究上刊登了作为失败预测的财务比率一文，根据其中的简介，该文的研究目的是通过度析财务比率对失败的预测能力来验证财务比率的有用性，提出了单一比率模型，即运用单一的财务比率来预测公司的财务失败。Bevaer一方面根据Moody的工业指数按上述定义选出79家失败公司，对所有这些失败公司根据不同的行业和资产规模分类，然后按照相应的行业和资产规模(失败前一年的资产规模)选出79家非失败公司。所有样本的时间跨度是1954一1964年，并均有“失败”前5年的财务数据。Baeve所选用的财务比率的原则是：1）具有普遍性2）运用此前研究成果3）增长钞票流量有关指标。有关第三个原则，Bevaer觉得：钞票储藏越多，公司失败的概率越小；营运资本流入越多，公司失败的概率越小；债务持有量越大，公司失败的概率越大；营运资金开支越大，公司失败的概率越大。在进行数据分析时，Bevae：一方面比较了所有样本失败前5年的30个财务比率的等权均值；然后将上述158家公司的样本随机分为两组，进行两分法检查，发现两组的财务比率均值具有明显的差别，并且离失败日越近，财务比率预测错分类率就越低;最后筛选出5个最能分开失败公司和非失败公司的比率，它们是：1)钞票流量/负债总额；2)净收入/总资产；3)资产负债率；4)营运资本/总资产；5)现值率(贴现率)。Zmijewksi的单变量模型1983年Zmijewksi应用75个变量进行的预测研究也引起了人们的关注。Zmijewksi从100多种变量中选出了75个并提成十类，选用1972一1978年的72家破产公司和3573家非破产公司作为样本。zmijewski一方面计算了两类公司破产前一年的各个财务比率的均值;然后对两类公司的数据进行F检查;最后用单变量分析计算每一种变量的鉴别对的率。Zmijewksi研究表白，破产与非破产公司之间有四类财务比率有明显的差别，分别为：回报率、财务杠杆、固定收入保障和股票回报率。单变量分析是最早应用于公司财务危机预测的实证模型，虽然其开创了财务危机预测实证研究的先河，但是其具有如下的局限性：（1）有关的指标给出令人混淆的鉴别信号，根据不同的财务指标进行判断有也许得出相反的结论。如赚钱能力差的公司有也许由于流动性稍好而被判为财务健康公司，但是如果根据赚钱能力判断则很也许被判为财务危机公司。（2）实证成果表白，从总体上看单变量分析辨别非财务危机公司的能力高于辨别财务危机公司的能力。（3）单个变量所涉及的信息局限性以反映公司的整个财务状况。这些缺陷严重影响了单变量模型的合用性和股票回报率。2、多变量模型Atlmna的多元Z值鉴定模型为了克服单变量分析的局限性，Altman（1968）初次将多元鉴别分析（MDA）的措施引入到财务危机预测领域。此后，这种措施在公司财务危机预测的实践和研究中都得到了广泛的应用。1968年，美国的Altmna就采用多元鉴别分析(MultipleDiseriminnatAnalysi MDA)来预测公司财务失败或破产。这就是出名的Z一Socer模型，这个模型的的是预测公司的潜在失败性。该措施假设任一家公司i，其特性可以用n个独立的财务变量x构成的向量X来表达。那么对两组公司（财务危机与财务健康公司），假设两组中的自变量分布服从多元正态分布，协方差矩阵相等，但均值不同。其目的在于获得自变量的线性组合，使得组间方差与组内方差之比达到最大化。用这个措施估计出鉴别函数，其系数向量为A (),常数项为。由这一变量的线性组合可以得出每一家公司的Z值：， （1.1）其中，是i公司的Z分值， 是i公司的n个自变量。然后，根据组内公司数目和错误分类成本的先验概率计算出临界值。通过将各公司计算出的Z值和临界值进行比较，可以懂得公司属于财务危机或是财务健康公司。Alntlna选用1946至1965年期间提出破产申请的33家破产生产公司和规模相称及行业的相应的33家非破产生产公司作为样本，在通过大量的实证考察和分析研究基本上，从最初的22个财务比率选择了5个，使用破产公司破产前一年的数据和非破产公司在相应时段的数据，运用Fisher鉴别分析法估计出一种多元线性函数，即Z一Socer模型，其基本体现式为:Z=0.12X、+0.014X2+0.033X3+0.006X4+0.999X5式中:Z鉴别函数值X1营运资金/资产总额;X:X2保存利润/资产总额x3X3息税前利润/资产总额X4X4一般股、优先股市场价值总额/负债帐面价值总额;X5销售收入/资产总额在Z一Socer模型中，Ahmna提出了判断公司财务失败或破产临界值:Z一Score，如果公司的Z一Socer不小于2.765，表白公司财务状况良好，发生财务失败或破产的也许性比较小;如果公司的“Z一score不不小于2.765，则表白公司存在财务失败的危机，也就是说，公司的“Z一Socer”越低，发生财务失败或破产的也许性就越大，反之则阐明公司财务状况越好。1977年Atimna对这个模型进行了改善和发展，又提出了出名的ZETA模型。该模型采用了7个变量:整体收益率、总资产、偿债能力、资产折现率、累积收益率、市场资本化和收入稳定性。这是一种适合长期预测的模型，财务困境前一年的预测对的率为%，5年前的对的率可达70%，但由于该模型被ZEAT服务有限公司作为商品发售，因此，这7个比率的权重大小始终以来都是商业机密，不为公众所知。多元鉴别分析虽然得到广泛的应用，但是该措施也存在着某些问题，重要是其对预测变量的分布性质施加了某些记录上的限制。例如说，对于破产组和非破产组，预测变量的方差协方差矩阵必须是相等的，预测变量必须遵循正态分布等。这使多元鉴别分析遭到诸多学者的批评。虽然Alntlna的Z一Socer模型也存在某些局限性，但是这种综合分析的观念，对财务困境预测研究的影响极为深远。事实上，其后的大多数研究虽然具体措施各异，但都沿用了多元线性鉴别分析，只是在个别之处加以改善，如ohlsno的条件概率模型、Zmijewksi的多变量模型。线性概率模型由于多元鉴别分析只能直接得出鉴别成果，无法估计出公司破产的风险。为了估计公司破产的概率，研究者设计了线性概率模型（LPM）。线性概率模型其实是一般最小二乘回归模型的一种特例，其因变量只能取两个值，1或者0。其模型的回归形式如下： （1.2）其中，自变量是反映公司财务状况的指标。一方面，从估计样本中运用最小二乘法(OLS)估计出系数，然后运用估计出的系数算出公司破产的概率，当它不小于某个临界值时则觉得公司属于财务危机公司，反之亦然。模型（1.2）中的回归系数除了截距外，都与多变量鉴别系数成固定比例，也就是说线性概率模型只是多变量鉴别分析（MDA）的一种特例。因此，上面所算出的LPM得分也只是鉴别得分的一种线性转换。因此虽然MDA与LPM的模型假设不同，但是分类的成果却是相似的。但相对于MDA，LPM用于公司财务危机预测更以便（Theodossiou，1991）。 LPM的应用存在两个重要的记录问题：（1）如果采用一般最小二乘法来估计式（1.2）的系数，那么就必须假设残差项方差相似，如果浮现异方差，那么OLS的系数估计虽是无偏但却是无效的。并且，如果残差项不是正态分布的，那么老式的明显性检查将没法用。不幸的是这两种状况在LPM的应用中都也许存在。（2）根据LPM计算出的概率有也许落在区间（0，1）之外，这很难加以解释。Meyer和Pifer（1970）最早将LPM运用于银行业的财务危机预测，而Laitinen（1993）也曾作过相似的研究，将LPM运用于公司财务危机预测。 LOGISTIC和PPOBIT回归模型(条件概率模型)由于MDA和LPM都受到记录假设的限制，为了克服这一局限性，引入了多元条件概率模型，并采用极大似然估计法进行参数估计。多元条件概率模型涉及Logistic模型和Probit模型，两者的区别只在于累积概率函数不同。其重要长处是对破产的先验概率或预测变量的分布不需要作任何假设，基本的估计问题为：给定一家公司属于某个特定的总体，那么在某一特定期间内，公司破产的概率是多大？ 假设是第i个公司的预测变量，和为待估计参数，公司i破产的概率可以由下式给出： （1.3）在Logistic模型中， （1.4）或者 （1.5）假设第1组样本为，第2组样本为，则似然函数为： （1.6）最大化对数似然函数就可以估计出式（1.5）中的参数，从而算出公司破产的概率，基于这一概率公司可以被划分为财务危机公司与财务健康公司。Martin（1977）初次运用Logistic模型来进行银行破产预测。这一措施后来被Ohlson（1980）用于预测公司的财务危机。在Probit模型中，采用的概率函数则是累积原则正态分布函数： （1.7）虽然Probit模型与Logistic模型相似，但应用并不象后者那么广泛。有关Probit模型研究的文献很少，这也许是由于该模型涉及了非线性估计，因此计算量较Logistic模型大。递归分割算法递归分割算法RPA是一种基于模式辨认的非参数的计算机分类技术，它同步具有老式单变量分类法和多变量分析法的特点。由RPA得到的模型呈现出分类二叉树的形式，该二叉树可以把对象分到特定的组中。RPA的输入涉及一种由个对象的观测数据构成的原样本，尚有它们实际的类别以及先验概率和误判成本。我们用表达某对象属于组的先验概率，用表达将属于组的对象被误判为组的成本。如图1所示，我们给出了一种实际的树，该树是RPA基于一定的先验概率和误判成本，从200家破产公司（组1）和非破产公司（组2）中构建出的。该树共有5个最后节点（terminal node），如图1中的圆圈所示。这些圆圈代表所有公司最后的分类。模型根据各个公司的财务特性将其逐级往下分到各个最后节点。RPA模型的构建分两步，第一步是构建预期误判成本较小的树，第二步是通过交叉检查来选择树合理的复杂度。RPA模型的缺陷是：（1）它是一种前向选择措施，当它引入新的分类规则时并没有考虑前面的分类措施，因而有也许同一种分类指标会反复浮现但鉴别点发生变化；（2）有也许浮现过度拟和现象；（3）RPA技术能将公司分割成不同风险类型，但无法将同一风险类型内的公司进行对比。 68家公司 留存收益/总资产132家公司 总负债/总资产23家公司 钞票/总销售收入200家公司钞票流量/总负债图1.1 RPA树注：树（1）是基于200家公司的财务数据、破产组和非破产组的先验概率以及误判的成本构建而成。当某个公司的鉴别变量值不小于鉴别点（cutoff）时朝右边移动。最后节点是圆圈。最左边的最后节点有45家公司，其中40家属于组1，5家属于组2。属于组1（破产）的节点在圆圈内记为B。属于组2的最后节点记为NB。该树误判了5家破产公司和15家非破产公司。 生存分析模型 (survival analysis)上述模型均运用公司破产前的数据进行预测，但并不能预测出公司破产的确切时间。Lane et al.（1986）运用一种比例危害模型对银行破产进行预测，称为生存分析。生存分析假定财务健康和财务危机的公司都来自同样的总体。公司破产的风险是通过计算每家公司的生存时间来衡量的。假设T时间后公司就会破产，那么生存函数S（t）就代表Tt概率，公司在t时间前破产的概率可以用F（t）表达： （1.8）危险度函数h(t)可以由下式给出： （1.9）并且， （1.10）其中，x代表公司一系列财务比率的向量，代表系数向量，是用最大似然法进行估计的，是令x=0计算得到的。生存函数 （1.11）其中， （1.12）由于没有限制的分布，因此生存分析是一种半参数的措施，这也使之免于诸多对参数措施的袭击，并且，用这种措施解决破产预测问题显得更为现实。生存分析措施可以得出盼望破产时间，这给决策者提供了重要的信息。虽然相对老式的记录措施而言，生存分析措施的确是较好的替代措施，但是到目前为止，它仍然得不到非常广泛的应用。（二）国外财务困境预测的非线性鉴别模型1、专家系统（案例推理法、归纳推理法）人工智能的发展和应用使得研究者开始采用专家系统来解决破产问题。专家系统一般是采用归纳推理（Inductive inference）措施，该措施是通过度析与所要解决的问题有关的一系列案例，从而发现规律。归纳推理措施又有两种途径：一是模型驱动型（model-driven），运用先验模型指引来发现规律；二是信息驱动型（data-driven），运用一系列案例信息来发现规律。在模型驱动型措施中，规律是建立在先验模型基本上的，然后用一系列的案例来检查。信息驱动型措施一方面对所有公司进行审查，然后寻找最为以便的程序系统来对这些公司进行分类，当加入新公司时就必须对所得出的规律进行修改。具体地说该措施先是把公司提成破产组和非破产组，把这些公司用一系列财务状况属性来描述，然后归纳出一种流程系统来对的分类样我司。其中，优先用于分类的属性必须使得分类后熵（entropy）最小，假设有某家公司也许被分入n种不同的组，该公司被分入组的概率是，那么分类的熵为 （1.13）归纳推理措施的局限性表目前如下几种方面：（1）该措施很难应用于解决较大的问题，由于可以得到的样本毕竟有限，这也许可以通过把大问题分割成小的问题单元来加以解决，但这只是个设想，仍需进一步研究。（2）措施的应用中如果忽视了重要的案例（公司）或是分类属性，那么将会使得该措施的预测能力大为削弱。（3）措施的应用中常常会浮现互相矛盾的案例，例如说两个案例（公司）属于不同类，但是具有相似的属性，从而难于加以辨别。 1988年Messier和Hansen将专家系统初次引入到财务危机预测领域，她们从角度探讨比较了专家系统(Expert System, ES)在信用分析领域的应用。通过对71家公司的数据条件下将该措施与线性鉴别分析（LDA）、群决策等措施加以比较，成果证明专家系统分类效果最佳，ES对检查样本的对的分类率为87.5，而DA为57，并且比群决策的对的率稳定。2、人工神经网络系统模型在线性鉴别模型和条件概率模型之后，1990年代初期，人工神经网络技术被引入到财务困境的预测分析中，其中，比较出名的有ChriSCharalambous等某些学者建立了人工神经网络系统模型(AtrifieialNeuralNetworkssystemsModel)。ANN是一种平行分散解决模式，其构建理念基于人类大脑神经运作的模拟。这方面的研究者觉得，ANN是一种对数据的分布无任何规定的非线性技术，它能有效解决非正态分布、非线性的预测评估问题。且具有较好的模式辨认能力、容错能力、解决资料漏掉或错误的能力以及自学习能力。因而，人工神经网络系统可以在所提供信息杂乱无章或不完整时，对既定问题做出对的反映。而进行财务困境预测正是要对大量不完整或无序信息进行分析。ChrisCharalmabous运用ANN模型对19821992年间的174个样本公司进行实证研究的成果为预测对的率达到87%。神经网络模型是由大量的简朴解决单元互相联结构成的复杂网络系统。它的许多功能和特性是对人脑神经网络系统的模拟，是一种自然的非线性建模过程，也被称为人工神经网络（Artificial Neural Network）。作为非参数的预测模型，它克服了选择模型函数形式的困难，同步对样本及变量的分布特性没有限制。其重要分析模型如下：图1.2 神经网络模型输出神经元隐层神经元输入神经元Layer ILayer II它的神经元一般涉及三种解决单元，也称为节点（Node）：输入神经元，隐层神经元和输出神经元。输入神经元接受外界环境信息的输入；输出神经元则将通过神经网络解决后的信息送到外界；而隐层神经元则处在前两种神经元之间，不直接与外界环境发生联系，它接受输入神经元的信息，通过多层次的网络内部运算，把数据成果转移给输出神经元。隐层神经元可以有多种层次（Layer）。总体来说，神经网络具有某些其她措施无法比拟的长处，体目前：(1)它根据所提供的数据进行学习和训练，找出输入与输出之间的内在联系，通过变化每个节点上的加权系数来求取问题的解，从而具有自适应的功能；(2)可以解决那些有噪声或不完全的数据，具有泛化功能和很强的容错能力；(3)神经网络对于非独立因素构成的总体仍然合用，并可以解决其中复杂的非线性关系。目前，重要采用的神经网络模型有反向传播（BackPropagation）算法、串级有关（Cascade Correlation）算法和遗传算法（Genetic Algorithm）等。3、支持向量机预测模型支持向量机基于记录学习理论和构造风险最小化原则,其基本思想是把输入空间的样本通过非线性变换映射到高维特性空间,然后在特性空间中求取把样本线性分开的最优分类面。算法使用分类间隔控制线性学习机器的容量,从而使构造风险最小，也使其在有限样本下具有了较强的泛化能力。不同的核函数即变换到不同的特性空间,使用核函数也避免了在高维的特性空间中直接计算。1.1支持向量机的分类算法支持向量机是从线性可分状况下的最优分类面发展而来的，所谓最优分类面就是规定分类面不仅能将两类对的分开, 并且使分类间隔最大。设分类面的方程为xw+b=0,使得对线性可分的样本集(xi,yi), i= 1, n, xRd , y+ 1,- 1，满足:, i = 1,2,n. （1）此时分类间隔等于=2/w, 使间隔最大等价于使w2最小。使(1)式等号成立的样本叫做支持向量，满足条件(1)且使w2最小的分类面就叫做最优分类面。使用Lagrange乘子措施解决这个约束最优问题，即在约束条件和(为Lagrange乘子,i=1,2,n)下求解下列目的函数的最大值。，(2)这是一种不等式约束下二次函数寻优的问题, 存在唯一解。不为零的解所相应的样本就是支持向量。解上述问题后得到的最优决策函数是：， (3)在线性不可分的状况下, 可以在条件(1)中增长一种松弛项, 成为：, i = 1,2, n. （4）将目的改为求:, (5)的最小且，其中,C是惩罚因子,即综合考虑至少错分样本和最大分类间隔, 这样就得到广义最优分类面。对于非线性问题，只需要将输入向量非线性映射到一种更高维的特性空间，然后再构造最优分类超平面。我们不必懂得具体的映射函数(xi)的体现式，由于在这个高维空间中只波及到内积运算，若K(xi,xj)=(xi)(xj)则称K(xi,xj)为内核函数,一种函数是核函数的条件由Mercer定理给出4。而相应的最优决策函数变为： ， (6)MinnadLee()使用支持向量机(SupportVectorMachines，SVM)预测，应用韩国最大信用担保公司的一中小型制造公司数据。破产样本和非破产样本各944个，通过选择最优的核函数得到的成果如表1.2所示。由于支持向量机坚实的理论基本和它在诸多领域体现出的良好的推广性能，目前国际上正在广泛开展对支持向量机的研究。如下是其中重要的研究热点。（1）原则的SVM算法都是针对两类问题的，因此，如何将两类分类问题推广到多类问题上，是目前研究的一种热点。有研究觉得，将支持向量机扩展到多类问题，本质上是求解多种两类问题。（2）在支持向量机中有许多参数需要事先给定，例如惩罚系数C、核参数等。核函数的形式以及波及参数的拟定将直接影响分类器的类型和复杂限度。最常用的模型选择措施是“交叉验证(cross validation)”和“网格搜索”(grid search)。（3）支持向量机在理论上有突出优势，但与理论研究相比，应用研究尚比较滞后。将支持向量机运用到特定领域解决特定问题无疑也是此后的一种研究热点。甚至有人预测，支持向量机将成为继神经网络后的又一重要应用研究热点。目前在模式辨认，涉及字符辨认、文本自动分类、人脸检测、头的姿态辨认，以及函数逼近、数据挖掘和非线性系统控制中均有较好的应用4、灰色预测模型灰色预测模型是一种针对少数据、灰因果条件的信息不完全条件下的预测方法。灰色系统理论指出，一般可以用离散的随机数通过数的生成这一过程，变成随机性明显削弱的较有规律的生成数列。那么，在得到的有规律的生成数列的基础上，就可以对变化过程做较长时间的描述，甚至可以拟定微分方程的系数，从而建立微分方程模型，即GM模型。灰色预测涉及两个过程，第一是建立GM模型，第二是运用GM模型作外推预测. 基于GM（1，1）的灰色预测称为单变量预测，基于GM（1，N）和GM（1，1）的灰色预测称为系统预测. 系统预测是指系统中多种因素互相影响协调发展变化的预测。系统中具有独立发展能力的因素称为主导因素，受许多种因素影响，而无某个因素占重要地位的因素，在系统预测中往往视其为具有独立发展能力。对主导因素，在系统预测中建立GM（1，1）模型，非主导因素建立GM（1，N）模型，从而得到系统的状态方程，再按状态模型对整个系统作动态预测。若已建立GM(1,1)模型（即已知b1 ,b2），则可求得通解 （1） 如果要积分曲线（12.10）通过点（1，x（1）（1）(即（1，x(0)(1)）)，则求得,将这个c的值代入（11.10）式得特解 （2）更合理的措施是采用误差平方和最小原则来拟定积分常数c的值. 由（12.10）知 （3）设，令，得 （4）如果设,令，解得 （5）一方面用（1），或用（2）和（3），或用（2）和（4）计算出,然后,用公式 计算的模拟值,并用对进行预测.灰色系统理论是研究少数据不拟定性的理论。灰理论在分析少数据的特性、理解少数据的行为体现、探讨少数据的潜在机制、综合少数据的现象基本上，揭示少数据、少信息背景下事物的演化规律。具体来说，在少数据不拟定性背景下，数据的解决、现象的分析、模型的建立、发展趋势的预测、事物的决策、系统的控制与状态的评估，是灰色理论的技术内容。灰色模型建模的精度较高，可保持原系统的特性，能较好地反映系统的实际状况。回归分析的最大缺陷就是不能避免也许浮现的反常状况，由于回归分析的计算重要是数据幂和四则运算，即平方和，全和等，运算过程由于计算误差容易导致计算成果浮现极性差错，从而使正有关变为负有关，以致对的现象受到歪曲和颠倒。财务风险的影响因素繁多，公司内部和外部的多种可控和不可控的因素都对其产生作用，因而很难找到对其进行精确预测的历史信息。另一方面，公司财务风险往往呈现出无规律的概率分布，因而要弄清这些原始数据分布的记录特性也是困难的。此外，对财务风险的预测直接影响到投资者的投资决策，关系到投资者的经济利益。因而对预测的精确性规定比较高。基于这些分析，觉得GM模型比较适合对公司财务风险的预测。 5、混合模型混合模型是指在进行预警研究时，同步采用两种或两种以上的措施来建立模型，以实现公司财务危机预警的目的。建立混合预警模型的目的，是基于同步采用两种措施，有助于克服各个措施自身的缺陷，扬长避短。诸多国内外学者也以此作为突破口，对既有模型进行修正，提高模型的判断精确率。有关实证研究也表白，混合模型与其涉及的单个措施模型相比，具有其特有的优势。6、其她预测理论及措施（1）期权定价理论：Charitou 和Trigeorgis（）使用中的有关变量构建了财务危机鉴别模型，对1983年到1994年期间的139对美国公司进行了对比检查，成果发现到期债务面值、公司资产的当期市价、变化的等期权变量在预测破产方面作用明显。但是，该研究的基本措施仍然建立于 Logistic回归检查之上，仅仅在变量设计方面引入了期权因子，因此实际的理论奉献不大。 （2）K-近邻法由于财务困境预测事实上是一种分类问题，因此可用于分类的非参数措施K-近邻法也被应用到财务困境预测中。值得一提的是，有某些研究在财务状态的划分上也进行了尝试。Barniv等人还将财务状态划分为三状态，运用神经网络进行了财务困境预测。Lau一方面采用将财务状态分为5个，采用财务健康分类表替代老式的两分支模型。此外，Gregory和Henderson(1991)43l对公司破产运用灾害理论进行阐释，并对此做实验研究，成果表白，在一定的常常发生条件下，灾害理论能在公司发布公示时预测公司股票收益率的构造性漂移，可见灾害理论可以描述公司破产。Lindsay和camPbeu(1994)刚运用应用混沌系统进行破产公司与非破产公司的鉴别分类，实证研究显示健康公司比非健康公司显现出更多的混沌现象，但该措施鉴别的稳定性稍显欠缺。charitou和Trigeorgis()发现公司价值与期权价值的相似处，并运用期权定价模型对139家美国上市公司进行了实证研究，从新角度对公司困境进行解释预警。四、 国内财务危机预警研究回忆在国内对公司财务危机预测的研究才刚刚起步，其重要因素是1993年7月1日之前国内并没有实行统一的会计准则，缺少可靠的规范的研究数据。因此，研究如何运用国外既有的研究成果，结合中国的实际对公司破产作出精确的预测，是摆在我们面前迫切需要解决的问题。 中国证券市场历经十三年的发展，规模日益壮大。面对这样庞大的市场，如果能借助财务危机预测模型对上市公司的财务危机提前作出预测，不管对于监管者、银行、上市公司或者投资者来说，都具有重要的意义。(一)国内财务预警研究的现状及特点1、国内财务预警研究重要借鉴国外的研究成果。国内市场经济体制的建立和资我市场的发展历史相对较短，证券法规体系不健全以及破产机制不完善阻碍了实证研究的步伐，财务预警实证研究的起步较晚，在研究措施上重要借鉴国外的成果运用国内的数据构建类似的模型。如陈静于1999年运用一元鉴定分析措施以1998年终的27家ST公司与同行业同规模的非ST公司作为样本进行研究；张玲于运用多元线形鉴定措施以深沪交易所120家上市公司作为样本进行研究；吴世农于运用逻辑回归和多元概率化回归措施进行研究；杨保安于运用人工神经网络模型措施进行研究。2、国内财务预警研究对象的界定是以财务状况与否异常为原则。如何界定财务预警研究的对象是进行实证研究的前提，它波及到研究样本的选择及模型的构造。在国外的大多数研究中，将公司根据破产法提出破产申请的行为作为界线，这重要是由于公司提出破产申请这一行为是客观发生的，具有高度的可度量性，容易拟定研究样本。只有很少数研究如Beaver觉得界定原则不应仅仅定为公司破产，还涉及债券不偿付，银行透支，不能支付优先股。而国内上市公司破产机制不健全，到目前为止尚不存在实际破产的案例，因此国内实证研究对象的界定是以财务状况与否异常为原则，这符合国内的国情及上市公司的特点。3、国内财务预警模型指标的选用受到财务业绩评价指标体系的影响。财务业绩评价指标体系重要由反映公司基本财务状况的指标构成，涉及财务效益状况、资产营运状况、偿债能力状况、发展能力状况指标，是对公司经营成果的事后评价，是重要用于衡量公司经营绩效的一种手段。而财务预警模型指标是由对公司财务状况异常反映最敏感的指标构成，其目的是通过指标的综合加权值来预测公司将来的财务危机，是一种事前的预测。可见，财务预警指标的选用不同于财务业绩指标，如果用反映事后的指标替代必需具有警示作用的先兆指标，必然使财务预警模型的合用性与预测精度大大减少。（二）回忆重要文献资料如下：1996年，周首华、杨济华提出了F分数模型，它是在充足考虑了公司钞票流量的变动等方面的状况后，通过调节和更新指标对Z模型进行了修正，也获得了一定的效果。，张玲选用了深沪两市波及14个行业合计120家上市公司为样本，并将样我司分为两组:第一组样本作为推导鉴别函数的开发样本，由60家公司构成，其中有30家是1998年或1999年戴帽的ST公司，配对的30家为1998年排名前30名的绩优公司；第二组也由60家公司构成，其中有21家ST公司和随机选择的39家非ST公司。作者从偿债能力、赚钱能力、资本构造状况和营运状况等四个方面合计巧个有关财务比率筛选出4个变量构建鉴别模型。研究成果显示，模型对开发样本30家ST公司前1年至前5年的判断精确率分别为100%，87%，70%，60%和22%。据此觉得，二分类线性鉴定模型具有超前4年的预测能力，即模型可在ST公司戴帽前4年或ST公司开始亏损的前2年预知公司的将来前景。张爱民等()借鉴Altman的多元Z值鉴定模型，运用记录学的主成分分析措施，建立了主成分预测模型，选用1更珍eeZ仪旧年间的40家被特别解决的公司与40家没有被特别解决的公司作为研究样本进行实证检查。成果显示了一定的有效性:在ST宣布年前鉴别对的率达92.5%，前2年为87.5%，前3年为77.5%。国内研究应用逻辑回归模型的，以陈晓、陈治鸿的研究为代表。其研究以1998一1999年的38家被特别解决的公司作为初始样本，并以同年度的所有净资产收益率低于5%的没有被解决的公司132家作为配比样本，构成具有170家公司的总样本。采用公司被特别解决前(t一2)年的财务报表数据，选用8组共27个财务比率，作为各选变量，做了1260种变量组合后，选出具有最小误判率的变量组合放入模型之中，并根据不同的筛选原则构建了四个模型，比较得到最优的模型，同步对误判率和盼望成本进行了具体分析，成为其突出的特点。杨保安等运用BP神经网络，对中信实业银行的30个公司客户的财务风险状况进行了鉴别分类，觉得BP神经网络措施是公司财务危机预警中较好的应用工具，并能为银行贷款授信、预警提供有效决策。而杨怡光则觉得，人工神经网络、混沌分析等新的数学分析措施，由于措施的复杂性以及可操作性等方面的问题，在实践中不便使用。同步，顾晓安l到还从公司长短期发展的角度建立公司财务预警系统。1998年，陈静1201以27家被特别解决的公司和没有被特别解决的公司为对象，使用了1995一1997年的财务报表数据，进行了单变量分析和多元线性鉴定分析，并进行了两种措施的比较。这项研究作为国内最早的实证财务困境预测研究，但由于受样本与数据的限制，样本量小，成果难有广泛合用性。刘洪、何光军()选用和2加3年初次被ST的80家上市公司作为样本，取这些公司前三年即1999年和的财务数据作为研究根据，并选定648家非ST公司，其中1999年83家，565家，分别取它们1999年和的财务数据，建立了logistic回归模型、Fisher鉴别模型和BP神经网络模型。实证成果表白，三种鉴别模型的精确率分别为:56.6%，54.4%，90.1%，最后得出BP神经网络措施的预测精度远高于其她两种措施。吴世农、卢贤义()以国内上市公司为研究对象，应用Fisher线性鉴定分析、多元线性回归分析和logistic。回归分析三种措施，分别建立三种预测财务危机的模型。研究成果表白:三种模型都能在财务困境发生前发出相对精确的预测。张延波、彭淑雄()觉得，在建立风险监测与危机预警指标体系中，可考虑加入钞票流量指标:钞票流量比率和债务期限构造比率。这两个指标只是在探讨之中，并没有实证建模，因此哪个财务指标具有明显监测和预警能力还必须进一步探讨。近年来国内学者通过进一步研究，借鉴和运用其她学科的新理论和新技术，提出了多种财务预警模型，如决策树法(姚靠华、蒋艳辉，)、熵值法(王平心、杨冬花，)、状态空间模型(胡挺、廖爱清，)、雷达图法(舒晓惠等，)。此外，尚有灰色模糊预测法、聚类分析法、近邻法、联合预测模型等，功能系数法、主成分分析法等预测分析措施也得到了应用，大大丰富了财务预警模型类型。 与国外相比，研究者欢迎的措施重要有一元鉴别模型、多元鉴别模型和Logit回归模型, 其她措施由于模型开发历史较短、研究不够广泛, 模型稳定性和合用条件存在较大问题。然而, 一元鉴别模型尽管简朴易行, 但其致命缺陷在于使用任何单个财务指标将在很大限度上排斥其她指标的作用, 并且任何单个指标无法全面地反映公司财务特性; 多元鉴别分析的基本假设不符合破产预测, 它们的预测成果也就不太好, 与风险预警更一致的是Logit回归, 它所预测的第一类错误更小(Collins和Green, 1982) , 同步, 由于Logit回归不规定数据的正态分布, 因而其参数估计比鉴别分析更加稳健(Lo, 1986) ，很少波及生存分析法和其她非记录类措施。归纳起来，国内目前的研究存在如下局限性：（1）使用的措施比较简朴，重要是单变量分析、多元鉴别分析和Logistic模型等参数措施，而像神经网络模型等非参数措施则尚未有人使用；（2）由于受到数据限制，样本量局限性，大部分研究只是对估计样本进行回判，没有采用新样本进行检查，这高估了模型的预测能力；（3）大部分研究是在公司被ST的前两年进行预测，即在公司已经亏损一年的状况下进行预测，判断其最后与否会被ST，这样无疑会再度高估模型的预测能力；（4）有些研究采用的财务指标不多，无法反映公司全面的财务状况。 五、财务预警模型评价定量分析措施从量化分析的角度出发，对事物运用数学记录等多种措施进行量化分析，侧重于以数据阐明问题。两者研究角度不同，其受执行者影响限度也不同。定性研究措施容易受到执行者主观因素的影响，对同一问题，不同分析人往往得出不同的结论;而定量分析措施将有关信息进行量化解决，并规定合用原则，对于同一信息集，一种措施只能得到唯一结论，基本不会受到执行者的影响。可见，定性研究措施具有较大的灵活性，可以根据公司的具体状况进行相应的调节，但其分析成果往往不够客观稳定。因而，以定量分析措施为主体，并结合定性研究措施，可以使两者互相取长补短，获得最佳研究效果。通过前述对国内外研究成果和既有研究措施的回忆，使我们对财务预警研究的视野有了极大拓展，有助于在借鉴前人思路和措施的基本上进行更进一步的研究。但是，既有的研究措施仍然存在着一定的问题。一方面，动态分析有限，缺少综合角度建立的动态预警模型。既有财务预警的研究重要以静态分析为主，通过财务比率的时点鉴定成果对公司财务状况进行评价，其敏感度一般较低，对初期浮现的财务异常无法精确诊断。在动态预警方面，虽然国内外学者也进行了某些有关研究，但由于研究时间较短，研究成果比较有限。己有动态预警研究大多局限于对钞票流量指标预警作用的分析，或将其引入原有静态模型增强模型敏感度，或单独对该指标进行趋势预警分析，从综合角度建立动态预警研究的文献相对较少。而财务预警解决的是一种公司综合财务状况的评价，仅对钞票流量指标进行动态监控，易忽视其她财务指标的预警作用，错失对财务异常的初期预警。另一方面，记录分析措施对数据规定严格，不具容错性。在老式记录预警措施中，一元分析措施比较简朴，但是会在很大限度上排斥其她指标的作用，且对数据的整体分布状况无法对的反映，因而缺陷比较明显。多元分析措施是在其基本上的改善，该措施依赖于数理记录理论，一般规定数据满足严格的记录假设，如自变量必须满足正态分布等。这些假设在实证研究中往往很难满足，因而限制了其在财务预警领域的运用。再者，既有预警研究大多忽视财务比率序列的趋势特性。公司财务循环具有持续性特点和累积效应，财务危机的发生也是一种量变到质变的渐变过程，单纯的截面分析难以辨认导致公司财务状况恶化的内在趋势因素。从理论来看，忽视了财务比率变化的趋势效应，运用财务危机发生前的某个时点的样本数据来估计将来危机发生的概率也不完全符合逻辑。此外，分时点的截面分析也许由于样本时间段的不同而得到因子差别明显的模型。因而从整体上把握财务比率序列的变化趋势，有助于财务预警研究的进一步研究。 基于上述分析，觉得应依托计算机技术、网络通信技术、数据库技术以及管、财务学、记录学和多种优化技术，尽快构建起有效的现代公司财务预警系统。构建现代公司财务预警系统注意如下问题： 一方面，建立适合本公司的财务预警模型，并使其具有动态发展性特点、行业特点、公司规模等许多因素均会财务预警模型的预测精度。应积极借鉴美国、日本等国业已成功开发并应用的预警模型，来建立和完善适合国内公司的财务预警模型。 另一方面，管理信息系统的建立和完善是财务预警系统有效运营的基本和前提，财务预警系统的有效运营依赖于管理信息系统的建立和完善。财务预警系统是为公司管理信息系统服务的，离开了管理信息系统，财务预警系统也就失去了存在的价值。因此，公司必须建立和完善管理信息系统。再次，定性措施与定量措施相结合，财务指标与非财务指标兼顾选择哪些财务指标作为建立财务预警模型的变量，对模型的预警精确性和可靠性将产生较大的影响。六、财务危机预警总体研究现状评议总结可以概括为如下几种方