多变量预警分析

二、多变量预警分析

1．多元线性判别模型

典型的多元线性判别模型是美国Altman教授的Z分数模型。Altman是第一个使用鉴别分析研究企业失败预警的人。他根据行业和资产规律，选择了33家破产公司和33家非破产公司作为研究样本，以误判率最小的原则从20多个财务指标中综合出5个最具有共同预测能力的财务比率变量，建立了多元线性判别法预警模型Z分数模型，又称Z-score模式。通过五个变量（五种财务比率），把反映企业偿债能力指标、获利能力指标和营运能力指标有机联系起来，综合分析预测企业财务失败或破产的可能性。表达式如下：

Z=0.012x₁+0.014x₂+0.033x₃+0.006x₄+0.999x₅

式中，x₁=营运资金/资产总额；

　x₂=留存收益/资产总额；

　x₃=息税前利润/资产总额；

　x₄=普通股及优先股市价/负债总额；

　x₅=销售总额/资产总额。

其中，x₁反映资产的流动性；x₂反映累计盈利情况；x₃反映资产的营运效率；x₄反映偿债能力；x₅反映资产周转速度。一般地，Z值越低，企业越有可能发生破产，Altman还提出了判断企业破产的临界值：

当Z≤1.81时，企业有较高的破产概率，企业存在很大的破产危险；当Z≥2.675时，企业处于相对安全状态，发生破产的可能性较小；当1.81＜Z＜2.675时，企业处于破产情况不明的灰色区域，Altman称之为“灰色地带”，进入这个区间的企业财务是极为不稳定的。按照这一模型，通过计算企业连续几年的Z值就可发现企业发生财务风险的征兆。

从这个模型可以看出，增加营运资金、留存收益、息税前利润、销售收入和提高企业市值，或者减少负债、节约资金占用，可以减少破产可能性。该模型在企业失败前一二年的预测准确率很高，预测期变长，以后准确率有所降低，距财务失败前5年的预测准确率仅为36%。

在Altman的Z分数模型的基础上，许多学者进一步建立了研究模型，如埃德米斯特的小企业财务危机预警分析模型、塔夫勒的财务风险预警模型、日本开发银行的多变量预测模型、中国台湾陈肇荣多元预测模型等。我国学者周首华等（1996）在此基础上提出F分数模型，杨淑娥等（2003）运用主成分分析方法，提出了Y分数预测模型。但是，这几种模型在实际中的应用并不广泛，就目前为止，Z-score模型仍然占据主导地位。

我国学者刘志庆等人对多元线性模型进行了改进，增加了反映企业发展潜力的指标，使Z-score模型由5个指标改为8个指标，并对有关指标进行了修正：

Z'=1.2x₁+1.4x₂+3.3x₃+0.6x₄+0.999x₅+0.8x₆+x₇+1.1x₈

其中，Z'判别函数值，x₁总资产报酬率；x₂资产保值增值率；x₃销售利润率；x₄资产负债率；x₅应收账款周转率；x₆流动比率；x₇存货周转率；x₈销售增长率。'Z的临界值为2.5。有关'Z值的判断标准如表5-2所示。

表5-2　Z'值及判断标准

多元线性模型在单一式的基础上趋向综合，更注重企业盈利能力对企业财务危机的影响，并且把财务风险概括在某一范围内，这是它的进步意义。但是'Z模型在企业破产前1年的准确率达到95%，而在破产前2年的准确率降到72%，第3年以上的准确率不到一半，仅为48%，所以它更适应于短期；同时它的假设条件是变量服从多元正态分布，变量之间的相关性没有解决，受制于统计学固有的一些假设；并且，企业规模不同，行业、地域差异等原因，使得'Z不具有横向可比性。但是，这种方法在现实中还是较常用的。

2．线性概率模型

企业陷入财务危机的概率对于防范财务风险有很大的帮助，于是研究人员建立了预测财务危机的线性概率模型。它假设变量Y是公司i的n个特点的线性组合，通过转换，该公司陷入财务危机的概率P_i为：P_i=a₀+a₁x_i1+a₂x_i2+…+a_nx_in其中：a₀，a₁，…a_n是最小二乘的估计系数，x_i1，x_i2，…，x_in是公司i的n个自变量。由于这种模型是多元线性判别模型的替代选择，且与多元线性判别分析的误判率一致、分类结果相同，所以这种方法应用得较少。

3．多元逻辑回归模型

多元逻辑回归模型是已知一个公司具有某些性质（由财务比率指标加以呈观），计算其在一段时间里陷入财务危机的条件概率有多大。美国学者Ohlson（1980）首先将逻辑回归方法引入财务危机预警领域，应用二元概率函数计算危机事件发生的概率，提出了条件概率模型，主要有对数成败比率模型（Logit）和概率单位模型（Profit）两种统计方法。它克服了传统判别分析中自变量服从多元正态分布和两组间协方差相等的假设的局限性，使财务预警得到了重大改进。

4．相对流动性指标（DRL）模型

导致企业破产清算的原因除资不抵债以外，另一个重要原因是不能按时偿还到期债务，因此企业必须重视资产的流动性。相对流动性指标（DRL）模型就是通过预计潜在现金与预计正常现金支出的比例来评估企业的财务风险。公式为：

DRL=TCP/E=[WC+OT+SVI]/[NSV−（NI+NON）−WCC]

其中，TCP为总潜在现金；E为正常现金支出；WC为期初营运现金；OT为经营期内以售价计算的库存产成品和应收账款转换成现金的次数，它等于销售收入/[应收账款+库存产成品×（销售收入/销售成本）]；SVI为以售价计价的产成品，它等于库存产成品×（销售收入/销售成本）；NSV为销售收入；NI为净利润；NON为非付现费用（主要指折旧和摊销等）；WCC等于期末营运现金−期初营运现金。当DRL>1，表明企业有足够的现金偿还到期流动负债，财务状况良好；当DRL<1，情况正好相反，表明企业财务状况不确定，而且该值越小，财务状况越差。通过计算连续几年的DRL，可以较准确地判断出企业资金的流动性，从而评估企业的财务风险。

5．人工神经网络模型

神经网络分析在财务预警模型中的应用始于20世纪90年代末，Tam、Coals和Fant、Back等通过输入层、隐藏层和输出层对人工神经网络进行模拟构建。它是一种并行分布模式处理系统，具有高度的并行计算能力和容错能力，它使企业动态财务预警成为可能，并具备随环境变化的自学习能力。该模型随着样本数的积累，可以定期更新推理知识，从而实现了对企业危机的动态预警。它克服了对样本数据的统计分布要求，但实际效果却不太稳定，而且受客观条件的限制，方法过于复杂，因此应用范围也极其有限。

利用财务指标直接分析或构建模型来预测财务危机发生的可能只是整个财务预警的一方面，还有很多难以量化的非财务信息也是影响企业财务危机发生的重要因素，因此，对于企业财务危机的预警，还应结合一些相关的非财务因素进行定性分析，如宏观经济环境、行业特征、市场状况、企业经营方式和管理水平等，从自身情况出发，考虑其可操作性，充分估计各种不利因素对企业财务状况的影响，更好地预测财务危机发生的可能。

目前我国流行的企业财务风险预警模式是多变量模式和单变量模式。多变量模式最常用的是Z-score模式，Z-score模式是国外学者针对国外企业的研究成果，其结论以及各财务指标对Z值的影响程度不一定适合我国的企业，尤其不一定适合我国成长中的中小企业。但国内目前还没有人针对中小企业做这方面的研究。本书介绍这种方法只是为中小企业提供一个思考该问题的框架，在进行财务失败风险控制时，注意管理上述模型中提及的各个财务指标，并根据不同指标对Z值影响程度区别对待。单变量模式操作简单，可靠性强，目的明确，本书认为单变量模式更适合我国中小企业。但无论采用哪种模式，都需企业提供真实、完整、准确的会计信息。