導(dǎo)語：國內(nèi)貨幣危機(jī)預(yù)警及模式一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

貨幣危機(jī)泛指匯率的變動(dòng)幅度超出了一國可承受的范圍這一現(xiàn)象，或者是“對貨幣的投機(jī)性進(jìn)攻導(dǎo)致貨幣大幅度貶值或國際儲(chǔ)備大幅度下降的狀態(tài)”。貨幣危機(jī)預(yù)警是與投機(jī)性貨幣沖擊理論的發(fā)展密切相關(guān)的。

貨幣危機(jī)預(yù)警的主要目的是提早識(shí)別危機(jī)發(fā)生的信號(hào)，以便該國能夠及時(shí)采取適當(dāng)?shù)拇胧?，減少危機(jī)發(fā)生的概率，乃至避免危機(jī)的發(fā)生，或者減少危機(jī)發(fā)生的強(qiáng)度和烈度。關(guān)于貨幣危機(jī)預(yù)警理論的研究始于對20世紀(jì)六七十年代拉美貨幣危機(jī)的研究，隨著金融自由化、國際化進(jìn)程的不斷加速，貨幣危機(jī)的發(fā)生頻率及造成的危害隨之增加，1992～1993年歐洲貨幣體系危機(jī)、1997～1998年亞洲貨幣危機(jī)與金融危機(jī)爆發(fā)進(jìn)一步刺激了經(jīng)濟(jì)學(xué)界對貨幣危機(jī)預(yù)警理論的研究。本文將對貨幣危機(jī)的主要預(yù)警模型進(jìn)行梳理和歸納。

一、信號(hào)分析模型

信號(hào)分析模型(KLR)是Kaminsky、Lizondo和REinhart于1998年首先提出的。它以經(jīng)濟(jì)周期轉(zhuǎn)折的信號(hào)理論為基礎(chǔ)，其核心思想是通過研究貨幣危機(jī)發(fā)生的原因，確定哪些經(jīng)濟(jì)變量可以用于貨幣危機(jī)的預(yù)測，然后運(yùn)用歷史上的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，來確定與貨幣危機(jī)有顯著聯(lián)系的變量，以此作為貨幣危機(jī)發(fā)生的先行指標(biāo)。信號(hào)分析模型分四步進(jìn)行：(1)確定貨幣危機(jī)的原因和危機(jī)預(yù)警時(shí)段；(2)運(yùn)用歷史上的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，確定與貨幣危機(jī)有顯著關(guān)系的變量，進(jìn)而確定先行變量；(3)按照噪聲一信號(hào)比的最小化規(guī)則，確定閾值；(4)一旦經(jīng)濟(jì)中相應(yīng)指標(biāo)變動(dòng)超過閾值，則將之視為貨幣危機(jī)即將在24個(gè)月內(nèi)發(fā)生的信號(hào)。由于KLR模型中各個(gè)變量的分析是單獨(dú)進(jìn)行的，所以它在本質(zhì)上是一個(gè)單變量模型。

為了克服KLR模型的單變量屬性，Kaminsky(1999)進(jìn)一步對發(fā)生貨幣危機(jī)信號(hào)的指標(biāo)進(jìn)行綜合考慮，它提出了4個(gè)預(yù)測危機(jī)的復(fù)合指標(biāo)，1個(gè)復(fù)合指標(biāo)是對各預(yù)警指標(biāo)發(fā)出信號(hào)數(shù)的簡單加總，另外3個(gè)復(fù)合指標(biāo)則分別考慮了指標(biāo)分布不均衡、指標(biāo)時(shí)間延續(xù)性以及指標(biāo)不同權(quán)重。通過對預(yù)測指標(biāo)的擴(kuò)展，KLR模型已經(jīng)能夠較好地處理預(yù)警結(jié)果輸出的單一化問題，并利用多個(gè)復(fù)合指標(biāo)可以更好地發(fā)送預(yù)警信息，極大地改善了預(yù)警效果。

Kaminsky(2003)又進(jìn)一步提出了多狀態(tài)KLP模型。他將貨幣危機(jī)分為6種，即經(jīng)常賬戶惡化型危機(jī)、財(cái)政赤字型危機(jī)、金融過剩型危機(jī)、國家外債型危機(jī)、國際資本流動(dòng)突然逆轉(zhuǎn)型危機(jī)和自我實(shí)現(xiàn)型危機(jī)。研究發(fā)現(xiàn)，新興市場國家的貨幣危機(jī)通常屬于前4種，其發(fā)生與受害國經(jīng)濟(jì)的脆弱性有關(guān)；發(fā)達(dá)國家的貨幣危機(jī)通常屬于后兩種，經(jīng)濟(jì)基本面通常良好，多由不利的國際市場形勢所致。這樣一來，KLR模型可以在對貨幣危機(jī)預(yù)警的同時(shí)，進(jìn)一步將貨幣危機(jī)的損失與其類型聯(lián)系在一起，厘清對貨幣危機(jī)深度的認(rèn)識(shí)。

信號(hào)分析模型經(jīng)過不斷修正完善，已經(jīng)成為使用最廣泛的貨幣危機(jī)預(yù)警模型，它可以根據(jù)多個(gè)變量發(fā)出的信號(hào)估計(jì)危機(jī)發(fā)生的概率，同時(shí)有效提供關(guān)于危機(jī)根源和廣度的信息，但該模型也存在一些明顯不足：(1)主要以宏觀經(jīng)濟(jì)環(huán)境為背景，沒有考慮到政治性事件及一些外生事件對貨幣危機(jī)爆發(fā)時(shí)間選擇的影響；(2)KLR模型的隱含假設(shè)是在解釋自變量和因變量之間存在一個(gè)特定的函數(shù)關(guān)系，即階躍函數(shù)關(guān)系，這一界定使得模型無法對一個(gè)變量是剛剛超過閾值，還是大幅超過閾值進(jìn)行區(qū)分，因而使得變量提供的信息未能充分利用；(3)模型指標(biāo)大多集中在外匯儲(chǔ)備、信貸增長與實(shí)際匯率等方面，仍避免不了傾向性；(4)雖然通過加權(quán)平均解決了預(yù)警指標(biāo)的單一化問題，但由于各變量之間的相互關(guān)系仍未納入考慮，因此，這種匯總是表面的。

二、離散選擇模型

針對信號(hào)分析模型的上述缺陷，有學(xué)者提出了離散選擇模型，它最重要的突破在于通過納入新的解釋變量來擴(kuò)展模型，進(jìn)而同時(shí)考慮所有相關(guān)變量。其代表性的研究成果包括以下幾種：

Frankel和Rose(1997)構(gòu)建的貨幣危機(jī)發(fā)生可能性的面板Probit模型。其研究思路是通過對一系列前述指標(biāo)的樣本數(shù)據(jù)進(jìn)行極大對數(shù)似然估計(jì)，以確定各個(gè)引發(fā)因素的參數(shù)值，從而根據(jù)估計(jì)出來的參數(shù)，建立用于外推估計(jì)某個(gè)國家在未來某一年發(fā)生貨幣危機(jī)可能性的大小。該模型研究發(fā)現(xiàn)，金融事件是離散且有限的，貨幣危機(jī)的發(fā)生則是由多種因素引發(fā)的，譬如在FDI流入枯竭、外匯儲(chǔ)備較少、國內(nèi)信貸增長迅速、實(shí)際匯率高估的時(shí)期等，貨幣危機(jī)發(fā)生的概率較大。此后，AndrewBerv和CatherinePattilo(1998)對1997年泰國貨幣危機(jī)及墨西哥、阿根廷發(fā)生貨幣危機(jī)的概率進(jìn)行預(yù)測，但準(zhǔn)確度并不高。

BussiOre和Fratzscher(2002)認(rèn)為二元Probit模型混同了危機(jī)前的誘發(fā)期和危機(jī)后的恢復(fù)期，而實(shí)際上在這兩個(gè)時(shí)期危機(jī)預(yù)警指標(biāo)的表現(xiàn)具有很大差異，他們將外匯變動(dòng)分為三種狀態(tài)或時(shí)期，即貨幣危機(jī)平靜期、誘發(fā)期和恢復(fù)期，并在此基礎(chǔ)上提出使用三元應(yīng)變量Logit模型進(jìn)行危機(jī)預(yù)測。該模型對32個(gè)國家1993年12月至2001年9月的月度數(shù)據(jù)驗(yàn)證，預(yù)測效果還比較理想，在樣本內(nèi)可正確預(yù)測73％的誘發(fā)期和85％的平靜期，在樣本外預(yù)測亞洲金融危機(jī)時(shí)，可以正確預(yù)測57％的誘發(fā)期和83％的平靜期。此后，Kumar等(2003)提出了基于滯后宏觀經(jīng)濟(jì)和金融數(shù)據(jù)的Logit模型，該模型使用32個(gè)發(fā)展中國家1985，1999年數(shù)據(jù)，主要分析了利率調(diào)整引起并未預(yù)期到的貨幣貶值，以及總貨幣貶值水平超過以往水平的情形。該模型的實(shí)證結(jié)果表明，外匯儲(chǔ)備和出口的下降以及真實(shí)經(jīng)濟(jì)的虛弱是導(dǎo)致危機(jī)發(fā)生的最重要解釋變量。

應(yīng)該說，離散選擇模型出現(xiàn)了從二元離散選擇模型拓展到多元離散選擇模型的方向，且模型的預(yù)測值較好解釋了危機(jī)發(fā)生的概率，但也存在一些不足之處，主要表現(xiàn)為：(1)模型中存在將連續(xù)變量轉(zhuǎn)換為二元或多元離散變量后信息的損失，而且沒有確立一個(gè)根據(jù)預(yù)警危機(jī)和避免噪聲的能力對變量進(jìn)行排序的標(biāo)準(zhǔn)；(2)不同指標(biāo)對于不同國家的重要性不盡相同，所以假設(shè)參數(shù)恒常的面板模型在貨幣危機(jī)的預(yù)警方面通常表現(xiàn)很差(Abiad，2003)；(3)由于自變量存在多重共線的可能，這直接限制了更多變量的采用，最終影響對危機(jī)預(yù)測的準(zhǔn)確性。

三、馬爾可夫狀態(tài)轉(zhuǎn)移模型

馬爾可夫狀態(tài)轉(zhuǎn)移模型(Markov—switchingModel)是體制轉(zhuǎn)換模型中最常見的形式。它將結(jié)構(gòu)性的變化視作一種機(jī)制向另一種機(jī)制的轉(zhuǎn)換，譬如金融運(yùn)行特征發(fā)生的顯著變化，包括大幅起落或中斷，匯率急劇下降、經(jīng)濟(jì)增長趨勢逆轉(zhuǎn)等，進(jìn)而將結(jié)構(gòu)變化內(nèi)生化進(jìn)行估計(jì)。

Martinez-Peria(2002)提出了一個(gè)帶有動(dòng)態(tài)轉(zhuǎn)換概率的狀態(tài)轉(zhuǎn)換模型，該模型采用兩種形式：一是匯率轉(zhuǎn)換模型，假設(shè)匯率是一個(gè)AR(4)過程；二是向量自回歸模型，假設(shè)內(nèi)生變量有3個(gè)，即匯率、利率和外匯儲(chǔ)備，均服從一階Var過程。在此基礎(chǔ)上，他直接對投機(jī)供給建模，同時(shí)加入預(yù)期因素，對1979-1993年歐洲貨幣體系的貨幣投機(jī)性沖擊進(jìn)行研究，研究表明，沒有考慮變量狀態(tài)轉(zhuǎn)換性質(zhì)的模型可能存在設(shè)定偏誤問題，經(jīng)濟(jì)基本面和預(yù)期因素共同決定了危機(jī)發(fā)生的概率。

Abiad(2003)也將體制轉(zhuǎn)換模型用于預(yù)測貨幣危機(jī)，他首先拓展了預(yù)警指標(biāo)，即宏觀經(jīng)濟(jì)指標(biāo)、資本流動(dòng)指標(biāo)和金融脆弱性指標(biāo)三類，而后采用單參數(shù)檢驗(yàn)顯著的預(yù)警指標(biāo)分別對1972～1999年印度尼西亞、韓國、馬來西亞、菲律賓和泰國等5國是否發(fā)生貨幣危機(jī)進(jìn)行了預(yù)警。研究表明，體制轉(zhuǎn)換模型預(yù)測貨幣危機(jī)的準(zhǔn)確性比已有的預(yù)警方法更高，同時(shí)發(fā)出的錯(cuò)誤信號(hào)更少。在Abiad研究的基礎(chǔ)上，張偉(2004)進(jìn)一步驗(yàn)證了Abiad的結(jié)論，他通過擴(kuò)大研究范圍、改變樣本區(qū)間、選擇不同的預(yù)警自變量，更為全面客觀地評價(jià)體制轉(zhuǎn)換模型在建立貨幣危機(jī)預(yù)警系統(tǒng)方面的效果，總體而言，該模型的預(yù)警能力較強(qiáng)，時(shí)效性也較強(qiáng)。

應(yīng)該說Maikov-switching模型通過估計(jì)過程中將結(jié)構(gòu)變化內(nèi)生化，充分利用因變量本身的動(dòng)態(tài)信息，有效避免與閾值設(shè)置相關(guān)的各類問題，以及由此帶來的把連續(xù)變量轉(zhuǎn)換為離散變量所造成的信息損失。但該模型的一個(gè)重要問題是，制度因素在發(fā)展中國家貨幣危機(jī)預(yù)警的形成中扮演了重要角色，要引入制度變量，及將時(shí)間序列模型擴(kuò)展為組合模型，這都需要根據(jù)具體的國家和數(shù)據(jù)頻率進(jìn)行相應(yīng)的調(diào)整，增加了研究的復(fù)雜性。

四、人工神經(jīng)網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò)模型(ArtificialNeuralNetwork-ANN)，是一種基于連接學(xué)說構(gòu)造的通信生物模型，它在一定程度上保存了人腦的思維特征，通過合理的樣本訓(xùn)練、學(xué)習(xí)專家的經(jīng)驗(yàn)、模擬專家的行為，并通過引入非線性轉(zhuǎn)換函數(shù)來求解各種復(fù)雜的非線性問題，從而使它具有很強(qiáng)的模式識(shí)別能力和高速信息處理的能力。近年來，ANN在貨幣危機(jī)預(yù)警的應(yīng)用程度不斷提高，極大促進(jìn)了預(yù)警建模和估計(jì)動(dòng)態(tài)系統(tǒng)的發(fā)展。

Fratzscher(2002)提出一個(gè)多層感知器ANN模型，以克服困擾貨幣危機(jī)預(yù)警模型的數(shù)據(jù)開采和樣本外預(yù)警效果差的問題。他對1990～2000年歐洲5個(gè)主要發(fā)達(dá)國家進(jìn)行了預(yù)測，模型的網(wǎng)絡(luò)輸入采用時(shí)間序列數(shù)據(jù)和技術(shù)指標(biāo)，而且在預(yù)測前，他應(yīng)用R/S分析方法對上述幾個(gè)貨幣市場的有效性進(jìn)行了分析。研究表明多層感知器ANN模型的預(yù)測結(jié)果優(yōu)于其他模型，多層感知器ANN模型70％的方向預(yù)測準(zhǔn)確率大大超過了KLR模型50％的準(zhǔn)確率。

Click等人(2005)提出了一個(gè)應(yīng)用廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)進(jìn)行貨幣危機(jī)預(yù)警的模型。他們利用1998～1999年的日度數(shù)據(jù)以測度市場情緒，變量包括匯率(以美元度量)、股票價(jià)格指數(shù)、銀行間利率、儲(chǔ)蓄利率，其結(jié)果在預(yù)測精度上和統(tǒng)計(jì)性質(zhì)上優(yōu)于其他模型，尤其是作為比較基準(zhǔn)的隨機(jī)游動(dòng)模型。

Lin等(2006)進(jìn)一步引入了模糊邏輯的推理功能，提出了數(shù)據(jù)導(dǎo)向的神經(jīng)模糊模型(NFM)來對貨幣危機(jī)進(jìn)行預(yù)警。NFM的理論基礎(chǔ)是，一個(gè)經(jīng)濟(jì)體在貨幣危機(jī)爆發(fā)前后的表現(xiàn)有明顯差異，且這種反常行為具有再發(fā)性。該文在KaminskyandREinhart(1999)的基礎(chǔ)上，使用了1970～1998年20個(gè)國家的數(shù)據(jù)，研究表明，與Probit模型相比，NFM不但具有更好的樣本外預(yù)警能力，該模型還提供了變量之間相互關(guān)系的信息。

但是，用神經(jīng)網(wǎng)絡(luò)組合模型進(jìn)行貨幣危機(jī)預(yù)警也存在一些難以解決的問題。首先是神經(jīng)網(wǎng)絡(luò)自身的優(yōu)化問題。如隱藏層數(shù)及隱藏層結(jié)點(diǎn)數(shù)的確定、激活函數(shù)的確定、局部最優(yōu)等。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)直接影響著預(yù)測效果。此外，神經(jīng)網(wǎng)絡(luò)可以根據(jù)殘差最小的原則不斷地調(diào)整參數(shù)來改變預(yù)測效果，但是它不能改變輸入數(shù)據(jù)，而貨幣等金融數(shù)據(jù)往往是波動(dòng)的。存在噪音的。因此，如何對數(shù)據(jù)進(jìn)行除噪，優(yōu)化神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)是另一個(gè)值得研究的問題。

五、其他預(yù)警模型

對貨幣危機(jī)使用的其他預(yù)警模型還有：

1DCSD模型。DCSD預(yù)警系統(tǒng)是由Andrew和Pattillo(1999)在FR回歸預(yù)警模型與KLR信號(hào)預(yù)警模型的基礎(chǔ)上開發(fā)而成。該模型通過實(shí)證分析發(fā)現(xiàn)，絕大多數(shù)指標(biāo)與危機(jī)發(fā)生概率之間存在線性關(guān)系，這一線性關(guān)系在臨界值處有一個(gè)跳動(dòng)，隨后將繼續(xù)以更大的傾斜度線性相關(guān)。因此，它采用一般到特殊的方法來簡化分段線性模型的形式，直至得出最終最簡化的模型形式。具體而言，就是先按顯著性遞增的次序?qū)λ械念A(yù)測變量(解釋變量)進(jìn)行排序，通常用每個(gè)預(yù)測解釋變量所對應(yīng)三項(xiàng)的顯著性的檢驗(yàn)統(tǒng)計(jì)量來進(jìn)行排序，將顯著性不強(qiáng)的變量從模型中去除，最終可獲得最簡化的模型形式。

2費(fèi)舍爾判別分析(FDA)模型。FDA模型是一種單模態(tài)分析方法。它借助方差分析的思想，選擇一個(gè)最優(yōu)的投影向量w，同時(shí)使得在投影空間中的類與類之間的差異盡可能的大，確保投影到一維空間上的樣本具有較好的可分離性。Bardos(1998)指出，F(xiàn)DA的優(yōu)勢在于其穩(wěn)健性、易解釋性，技術(shù)上簡單，容易維持。Burkart和Coudert(2002)認(rèn)為，已有預(yù)警模型繁多的一個(gè)主要原因是無法區(qū)別類似的變量，也無法決定其各自的權(quán)重。有鑒于此，作者利用15個(gè)新興國家1980～1998年間的季度數(shù)據(jù)，構(gòu)建了FDA預(yù)警模型。但結(jié)果顯示，F(xiàn)DA與Logit和IProbit模型的結(jié)果無顯著差別，盡管受到多重共線性的困擾，后者的預(yù)警功能還是要I：gFDA更強(qiáng)。

3Duration模型。Tudela(2004)考察了20個(gè)OECD(經(jīng)合組織)國家在1970～1997年間的貨幣危機(jī)。文章通過引入釘住匯率的連續(xù)維持期及其久期，分析了貨幣危機(jī)的時(shí)間依賴問題，結(jié)果顯示，維持期與貨幣危機(jī)的發(fā)生存在顯著的負(fù)相關(guān)。這表明，匯率調(diào)整的政治成本是隨著釘住匯率維持期的長短而變化的，旨在保護(hù)匯率的穩(wěn)定政策的可信度的提高會(huì)減少放棄釘住的概率。

4極值理論中的POT模型。極值理論是一門用來分析和預(yù)測異?，F(xiàn)象或者小概率事件風(fēng)險(xiǎn)的模型技術(shù)，其最重要的意義在于評估極端事件的風(fēng)險(xiǎn)。近年發(fā)展起來的POrrg型(PeaksOverThreshold)是對觀察值中所有超過某一較大閾值的數(shù)據(jù)建模，由于POT模型有效地使用了有限的極端觀察值，因此通常被認(rèn)為在實(shí)踐中是最有用的。Schardax(2002)把極值理論用于貨幣危機(jī)預(yù)警當(dāng)中，通過對1998年俄羅斯金融危機(jī)前后東歐8個(gè)國家的數(shù)據(jù)進(jìn)行實(shí)證分析，從模擬結(jié)果可以看出POT模型對貨幣危機(jī)有良好的適用性，樣本內(nèi)的解釋力能達(dá)到70.81％，并且它對樣本外的預(yù)測能力也非常高。但是，極值理論應(yīng)用于貨幣危機(jī)預(yù)警尚處于探索階段，目前數(shù)據(jù)的不足也是這種方法運(yùn)用的一個(gè)制約因素。盡管可以通過模擬方法來解決數(shù)據(jù)不足的問題，但成本相對較高。

六、結(jié)論及建議

縱觀20世紀(jì)90年代以來人們對貨幣危機(jī)預(yù)警的研究，不難發(fā)現(xiàn)具有以下鮮明特點(diǎn)：

1偏重研究模型的改進(jìn)，對有關(guān)風(fēng)險(xiǎn)預(yù)警的定性研究不夠深入?，F(xiàn)有研究更偏重?cái)?shù)據(jù)模型的使用，但考慮到具體國別不同，特別是政治制度、經(jīng)濟(jì)環(huán)境、開放程度和金融體制等的不同，因此還需要根據(jù)具體實(shí)際選擇模型，特別是還應(yīng)該注重專家的綜合評估意見及審慎分析，來加強(qiáng)預(yù)警指標(biāo)體系建立的研究工作。

2風(fēng)險(xiǎn)預(yù)警仍然局限在宏觀和行業(yè)層面，目的是幫助潛在的受害國能夠及時(shí)采取措施，避免危機(jī)的全面爆發(fā)，鮮有關(guān)注企業(yè)遭受貨幣及外匯風(fēng)險(xiǎn)預(yù)警要求的研究。

3已有模型幾乎都是以美元作為基準(zhǔn)貨幣的，然而美元本身渡動(dòng)就是問題，以美元作為基準(zhǔn)的預(yù)警研究，顯然忽略了外匯風(fēng)險(xiǎn)的一個(gè)重要來源，即美元本身的波動(dòng)。

4現(xiàn)有預(yù)警方法的預(yù)警能力總體而言不夠理想。這涉及到所謂的預(yù)警悖論，即如果發(fā)出了預(yù)警信號(hào)，那么在風(fēng)險(xiǎn)事件顯性化或全面惡化之前就應(yīng)該采取管理措施。在這種情況下，風(fēng)險(xiǎn)事件最終未失控，可能源于管理措施的及時(shí)施行，但最終又會(huì)影響對預(yù)警系統(tǒng)的有效性的評價(jià)。

X1為營運(yùn)資本/資產(chǎn)總額，反映了企業(yè)資產(chǎn)的折現(xiàn)能力和規(guī)模特征。營運(yùn)資本是企業(yè)的勞動(dòng)對象，具有周轉(zhuǎn)速度快，變現(xiàn)能力強(qiáng)，項(xiàng)目繁多，性質(zhì)復(fù)雜，獲利能力高，投資風(fēng)險(xiǎn)小等特點(diǎn)。一個(gè)企業(yè)營運(yùn)資本的持續(xù)減少，往往預(yù)示著企業(yè)資金周轉(zhuǎn)不靈或出現(xiàn)短期償債危機(jī)。

X2扳映了企業(yè)的累積獲利能力。期末留存收益是由企業(yè)累積稅后利潤而成，對于上市公司，留存收益是凈利潤扣除全部股利后的余額。一般說來，新企業(yè)資產(chǎn)與收益較少，因此相對于老企業(yè)X2較小，而財(cái)務(wù)失敗的風(fēng)險(xiǎn)較大。

X1即EBIT/資產(chǎn)總額，可稱為總資產(chǎn)息稅前利潤率，而我們通常所用的總資產(chǎn)息稅前利潤率為EBIT/平均資產(chǎn)總額，分母間的區(qū)別在于平均資產(chǎn)總額避免了期末大量購進(jìn)資產(chǎn)時(shí)使X3降低，不能客觀反映一年中資產(chǎn)的獲利能力。EBIT是指扣除債務(wù)利息與所得稅之前的正常業(yè)務(wù)利潤(包括對外投資收益)，不包括非正常項(xiàng)目、中斷營業(yè)和特別項(xiàng)目及會(huì)計(jì)原則變更的累積前期影響而產(chǎn)生的收支凈額。原因在于：由負(fù)債與資本支持的項(xiàng)目一般屬于正常業(yè)務(wù)范圍，因此，計(jì)算總資產(chǎn)利潤率時(shí)以正常業(yè)務(wù)經(jīng)營的息稅前利潤為基礎(chǔ)，有利于考核債權(quán)人及所有者投入企業(yè)資本的使用效益。該指標(biāo)主要是從企業(yè)各種資金來源(包括所有者權(quán)益和負(fù)債)的角度對企業(yè)資產(chǎn)的使用效益進(jìn)行評價(jià)的，通常是反映企業(yè)財(cái)務(wù)失敗的最有力依據(jù)之一。

X4測定的是財(cái)務(wù)結(jié)構(gòu)，分母為流動(dòng)負(fù)債、長期負(fù)債的賬面價(jià)值之和；分子以股東權(quán)益的市場價(jià)值取代了賬面價(jià)值，因而對公認(rèn)的、影響企業(yè)財(cái)務(wù)狀況的產(chǎn)權(quán)比率進(jìn)行了修正，使分子能客觀地反映公司價(jià)值的大小。對于上市公司，分子應(yīng)該是：“末流通的股票賬面價(jià)值+流通股票期末市價(jià)”。X4的分子是一個(gè)較難確定的參數(shù)，尤其對于股權(quán)結(jié)構(gòu)較復(fù)雜的企業(yè)。而目前及在今后相當(dāng)長的時(shí)間內(nèi)，非上市公司仍占我國公司總數(shù)的大部分，要確定非上市公司所有者權(quán)益市價(jià)，我們可以采用資產(chǎn)評估方法中的預(yù)期收益法，具體表示為：企業(yè)資產(chǎn)市價(jià)=企業(yè)預(yù)期實(shí)現(xiàn)的年利潤額/行業(yè)業(yè)平均資金利潤率。X4=(企業(yè)資產(chǎn)的市價(jià)/負(fù)債總額)-1。

X5為總資產(chǎn)周轉(zhuǎn)率，企業(yè)總資產(chǎn)的營運(yùn)能力集中反映在總資產(chǎn)的經(jīng)營水平上，因此，總資產(chǎn)周轉(zhuǎn)率可以用來分析企業(yè)全部資產(chǎn)的使用效率。如果企業(yè)總資產(chǎn)周轉(zhuǎn)率高，說明企業(yè)利用全部資產(chǎn)進(jìn)行經(jīng)營的成果好，效率高；反之，如果總資產(chǎn)周轉(zhuǎn)率低，則說明企業(yè)利用全部資產(chǎn)進(jìn)行經(jīng)營活動(dòng)的成果差，效率低，最終將影響企業(yè)的獲利能力。如果總資產(chǎn)周轉(zhuǎn)率長期處于較低的狀態(tài)，企業(yè)就應(yīng)當(dāng)采取措施提高各項(xiàng)資產(chǎn)的利用程度。對那些確實(shí)無法提高利用率的多余、閑置資產(chǎn)應(yīng)當(dāng)及時(shí)進(jìn)行處理，加快資產(chǎn)周轉(zhuǎn)速度。X5的分子“本期銷售收入”應(yīng)該為銷售收入凈額，指銷售收入扣除銷售折扣、銷售折讓、銷售退回等后的余額。

Z記分模型從企業(yè)的資產(chǎn)規(guī)模、獲利能力、財(cái)務(wù)結(jié)構(gòu)、償債能力、資產(chǎn)利用效率等方面綜合反映了企業(yè)財(cái)務(wù)狀況，進(jìn)一步推動(dòng)了財(cái)務(wù)預(yù)警的發(fā)展。從這個(gè)模型可以看出，增加營運(yùn)資金、留存收益、息稅前利潤、銷售收入，提高企業(yè)價(jià)值，或減少負(fù)債、節(jié)約資產(chǎn)占用，可減少企業(yè)破產(chǎn)的可能性。奧特曼教授通過對z記分模型的研究分析得出：z值越小，該企業(yè)遭受財(cái)務(wù)失敗的可能性就越大。Altman還提出了判斷企業(yè)破產(chǎn)的臨界值：如果企業(yè)的z值大于2.675，則表明企業(yè)的財(cái)務(wù)狀況良好，發(fā)生破產(chǎn)的概率很?。环粗?，若z值小于1.81，則企業(yè)就存在很大的破產(chǎn)危險(xiǎn)；如果z值處于1.81～2.675之間，則稱之為“灰色地帶”，進(jìn)入這一區(qū)間的企業(yè)財(cái)務(wù)狀況是極不穩(wěn)定的。

奧特曼教授選擇了1968年尚在持續(xù)經(jīng)營的33家美國企業(yè)進(jìn)行預(yù)測，其準(zhǔn)確率令人滿意，而且分析依據(jù)的資料越新，準(zhǔn)確率越高。如依據(jù)臨近財(cái)務(wù)失敗的報(bào)表資料預(yù)測其準(zhǔn)確率為96％，依據(jù)財(cái)務(wù)失敗前一年的報(bào)表預(yù)測準(zhǔn)確率為72％。但無論怎樣，都必須以財(cái)務(wù)報(bào)表的真實(shí)性、準(zhǔn)確性、完整性為前提。近年來，澳大利亞、巴西、加拿大、法國、德國、愛爾蘭、日本和荷蘭都進(jìn)行了類似的分析。盡管z值的判斷標(biāo)準(zhǔn)在各國間有相當(dāng)?shù)牟町?，但各國“?cái)務(wù)失敗組”的z值的平均值都低于臨界值1.8。

2Altman的ZETA模型

Ahman的z己分模型主要適用于上市公司。為了便于為非上市公司評分，1977年Altman等人又對原始的z記分模型進(jìn)行擴(kuò)展，建立了，第二代模型——ZETA模型。這一次的模型選取了自1962～1975年間的53家破產(chǎn)企業(yè)和58家配對的正常公司，樣本公司平均資產(chǎn)規(guī)模在1億美元左右，而且包括了相當(dāng)數(shù)量的零售類企業(yè)，因而ZETA模型的適用性有所提高。

此次研究利用27個(gè)初始財(cái)務(wù)比率進(jìn)行區(qū)別分析，最后模型選取了7個(gè)解釋變量，包括：

X1——資產(chǎn)報(bào)酬率，采用息稅前利潤與總資產(chǎn)之比衡量。在以前的多變量研究中該變量在評估公司業(yè)績方面相當(dāng)有效。

X2——盈余的穩(wěn)定性，采用對X1在5～10年估計(jì)值的標(biāo)準(zhǔn)誤差指標(biāo)作為這個(gè)變量的度量。收入上的變動(dòng)會(huì)影響到公司風(fēng)險(xiǎn)。

X3——債務(wù)保障，可以用所常用的利息保障倍數(shù)，即息稅前利潤與總利息償付之比來度量。這是固定收益證券分析者債券評級(jí)機(jī)村所采用的主要變量之一。

X4——累計(jì)盈余，可以用公司留存收益/總資產(chǎn)來度量。該比率對于z證分模型尤其有效，它需要考慮以下因素：公司年齡、公司股和政策，以及不同時(shí)期的獲利記錄。不管是單變量還是多變量法，該比率都是最重要的。在非上市公司的該比率計(jì)算中，分子部分用公司凈資產(chǎn)的賬面價(jià)值代替權(quán)益市場價(jià)值，因?yàn)榉巧鲜泄緵]有市場價(jià)值指標(biāo)。

X5——流動(dòng)性，可以用人們所熟悉的流動(dòng)比率衡量。

X6——資本化率，可以用普通股權(quán)益與總資本之比衡量。在分子和分母中，普通股權(quán)益可以用公司5年的股票平均市值衡量，而不是賬面值。5年平均市值可排除可能出現(xiàn)嚴(yán)重、暫時(shí)性的市場波動(dòng)，同時(shí)在模型中納入了趨勢的成分。

X7——規(guī)模，可以用公司總資產(chǎn)的對數(shù)形式來衡量。該變量可以根據(jù)財(cái)務(wù)報(bào)告的變動(dòng)進(jìn)行相應(yīng)的調(diào)整。

實(shí)證研究表明，ZETA模型的分類正確率高于原始的z記分模型，特別是在破產(chǎn)前較長時(shí)間的預(yù)測準(zhǔn)確率較高，其中灰色區(qū)域?yàn)椋?.45～+0.87之間，z值大于0.87以上為非破產(chǎn)組，Z值小于－1.45區(qū)域?yàn)槠飘a(chǎn)組。

(三)周首華的F分?jǐn)?shù)模型

由于z記分模型在建立時(shí)并沒有充分考慮到現(xiàn)金流量的變動(dòng)等方面的情況，因而具有一定的局限性。1996年北京化工大學(xué)會(huì)計(jì)系周首華、美國夏威夷大學(xué)會(huì)計(jì)學(xué)院楊濟(jì)華和中國人民大學(xué)王平3人在Altman研究的基礎(chǔ)上，并考慮了現(xiàn)金流量對企業(yè)破產(chǎn)的影響，對z記分模型加以改造，并建立了財(cái)務(wù)危機(jī)預(yù)測的新模型——F分?jǐn)?shù)模型(FailureScoreModel)：

F=－0.1774+1.1091X1+0.1074X2+1.9271X3+0.0302X4+0.4961X5

其中：X1=(期末流動(dòng)資產(chǎn)-期末流動(dòng)負(fù)債)/期末末總資產(chǎn)；X2=期末留存收益，期末總資產(chǎn)；X3=(稅后純收益+折舊)/平均總負(fù)債；)(4=期末股東權(quán)益的市場價(jià)值/期末總負(fù)債；Xs=(稅后純收益+利息+折舊)，平均總資產(chǎn)。

F分?jǐn)?shù)模型中X1、X2及X4與z記分模型中的X1、X2及X4相同，兩個(gè)模型中各比率的區(qū)別就在于其X3、X5不同。

F分?jǐn)?shù)模型中X3提一個(gè)現(xiàn)金流量指標(biāo)，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償還債務(wù)。X5則測定的是企業(yè)總資產(chǎn)在創(chuàng)造現(xiàn)金流量方面的能力，相對于z記分模型，它可以更準(zhǔn)確地預(yù)測出企業(yè)是否存在財(cái)務(wù)危機(jī)(其中的利息是指企業(yè)利息收入減去利息支出后的余額)。

F分?jǐn)?shù)模型的主要特點(diǎn)是：(1)F分?jǐn)?shù)模型加入現(xiàn)金流量

這一預(yù)測變量。許多專家證實(shí)現(xiàn)金流量比率是預(yù)測公司破產(chǎn)的有效變量，因而它彌補(bǔ)了z記分模型的不足。(2)該模型考慮到了現(xiàn)代公司財(cái)務(wù)狀況的發(fā)展及其有關(guān)標(biāo)準(zhǔn)的更新。比如公司所應(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)該模式使用的樣本更加擴(kuò)大。其使用了CompostatPcPlus會(huì)計(jì)數(shù)據(jù)庫中1990年以來的4160家公司的數(shù)據(jù)為樣本；而z記分模型的樣本僅為66家(33家破產(chǎn)公司及33家非破產(chǎn)公司)。

F分?jǐn)?shù)模型中的5個(gè)自變量的選擇是基于財(cái)務(wù)理論，其臨界點(diǎn)為0.0274。若某一特定企業(yè)的F分?jǐn)?shù)低于0.0274，則將被預(yù)測為破產(chǎn)公司；反之，若F分?jǐn)?shù)高于0.0274，則公司將被預(yù)測為繼續(xù)生存公司。

三、財(cái)務(wù)危機(jī)預(yù)警模型應(yīng)用的實(shí)證過程

(一)財(cái)務(wù)危機(jī)預(yù)警模型應(yīng)用實(shí)證研究說明

1研究對象的選擇依據(jù)

本文在財(cái)務(wù)危機(jī)預(yù)警模型的應(yīng)用研究中，均以在深圳證券交易所掛牌交易的“ST廣廈”這家公司為例來進(jìn)行實(shí)證分析。之所以選擇這家企業(yè)，主要出于三個(gè)方面的考慮：一是因?yàn)樗巧鲜泄?，資料容易搜集；二是因?yàn)殂y廣廈曾因造假丑聞而遭遇財(cái)務(wù)危機(jī)；三是因?yàn)樗霈F(xiàn)的財(cái)務(wù)危機(jī)情況比較典型，代表了中國企業(yè)會(huì)計(jì)信息失真的普遍現(xiàn)象。實(shí)證分析的目的，不但要驗(yàn)證財(cái)務(wù)預(yù)警模型的有效性及其利弊得失，更重要的是驗(yàn)證在中國目前財(cái)務(wù)信息嚴(yán)重失真的大環(huán)境下，什么樣的方法效果更好。怎樣有效整合現(xiàn)有的財(cái)務(wù)預(yù)警模型。為了達(dá)到上述目的，最終選擇了銀廣廈這家公司的資料進(jìn)行企業(yè)財(cái)務(wù)危機(jī)預(yù)警的實(shí)證研究。

2研究對象的基本情況

“銀廣廈”的全稱為“銀川廣廈實(shí)業(yè)股份有限公司”，它是在廣廈(銀川)磁技術(shù)有限公司的基礎(chǔ)上經(jīng)過增資、擴(kuò)股、股份制改造而成立的。1993年5月開始進(jìn)行股份制改組，1994年1月28日“廣廈(銀川)實(shí)業(yè)股份有限公司”宣告成立，同年6月17日，“銀廣廈A”在深圳證券交易所上市交易，股票代碼為000557。最初的經(jīng)營范圍是高新技術(shù)產(chǎn)品的開發(fā)、生產(chǎn)、銷售，天然物產(chǎn)的開發(fā)、加工和銷售，動(dòng)植物飼養(yǎng)、種植、加工和銷售。后來逐漸轉(zhuǎn)向葡萄酒和房地產(chǎn)的開發(fā)、加工和銷售。公司上市之卡初業(yè)績尚可，有穩(wěn)步上升的跡象。以后便不停轉(zhuǎn)換主業(yè)，投資失敗。造成主業(yè)缺失，業(yè)績平平，對投資者缺乏吸引力。后終因寂寞難耐引發(fā)造假，公司業(yè)績飚升，股價(jià)在兩年內(nèi)上漲440％，創(chuàng)造了股市神話。

2000年8月該公司因銀廣廈全資子公司天津廣廈(集團(tuán))有限公司造假，中國證監(jiān)會(huì)對銀廣廈正式立案稽查。2001年公司凈資產(chǎn)低于股票面值，自2002年5月8日起公司股票實(shí)行特別處理，股票簡稱變?yōu)椤癝T廣廈”。2002年6月5日起股票暫停上市，后進(jìn)行重組，2002年12月6日“ST廣廈”復(fù)牌。

3研究方法的選擇

盡管目前財(cái)務(wù)危機(jī)預(yù)警方法層出不窮，但主流的分析方法只有兩大類。特別是在我國主要采用財(cái)務(wù)危機(jī)預(yù)警模型和財(cái)務(wù)報(bào)表分析法進(jìn)行財(cái)務(wù)危機(jī)預(yù)測，簡稱模型預(yù)警法和指標(biāo)預(yù)警法。其中模型預(yù)警法主要采用單變量模型法和多變量模型法。因?yàn)檠芯繉ο筱y廣廈是上市公司，所以本文在預(yù)警方法的選擇上主要采用前面所介紹的Beaver的單變量模型預(yù)警法、奧特曼的z記分模型預(yù)警法、周首華的F分?jǐn)?shù)模型法和財(cái)務(wù)報(bào)表分析法(即財(cái)務(wù)指標(biāo)預(yù)警法)這四種方法，同時(shí)以個(gè)案分析的思路貫穿始終，通過實(shí)證分析的方法來驗(yàn)證上述各種方法的預(yù)警效果并進(jìn)行比較分析，以期找到在我國進(jìn)行財(cái)務(wù)危機(jī)預(yù)警的正確思路和最佳方法。

(二)單變量模型法應(yīng)用的實(shí)證研究

如前所述，Beaver的單變量模型表明最具預(yù)測能力的3個(gè)指標(biāo)分別為現(xiàn)金流量，總負(fù)債、總負(fù)債，總資產(chǎn)、凈利潤，總資產(chǎn)指標(biāo)。因此，結(jié)合銀廣廈的資料分別計(jì)算這3個(gè)指標(biāo)進(jìn)行對比分析。銀廣廈在危機(jī)發(fā)生的前3年有關(guān)數(shù)據(jù)計(jì)算如下

單變量分析表明，銀廣廈1998年和1999年現(xiàn)金流量為負(fù)值，導(dǎo)致該公司債務(wù)保障率為負(fù)數(shù)，說明該公司現(xiàn)金流量嚴(yán)重不足，需要引起足夠的重視；雖然該公司的資產(chǎn)負(fù)債率稍有偏高，但從整體來看，資產(chǎn)負(fù)債結(jié)構(gòu)還是比較合理的；該公司的資產(chǎn)報(bào)酬率指標(biāo)除了在1999年出現(xiàn)了大的波動(dòng)之外，其他年度指標(biāo)值呈現(xiàn)平穩(wěn)上升趨勢，超過了上市公司的平均水平，表明該企業(yè)的盈利能力在不斷增強(qiáng)。

(三)多變量模型法應(yīng)用的實(shí)證研究

1Z記分模型應(yīng)用研究

因?yàn)殂y廣廈自2002年5月8日起公司股票實(shí)行特別處理(改稱“ST廣廈”)，所以我們應(yīng)該選取公司2001年的數(shù)據(jù)進(jìn)行模型預(yù)警分析。事實(shí)上，銀廣廈有其特殊性，如果銀廣廈1998～2000年度不是因?yàn)樵旒?，或許早就被戴上“ST”的帽子了。我們可以收集該公司2001年度和2000年度的有關(guān)數(shù)據(jù)代人Z記分模型來進(jìn)行前景預(yù)測。

根據(jù)計(jì)算結(jié)果可以看出，2001年該公司Z值為-3.73，遠(yuǎn)遠(yuǎn)小于模型判別值的下限1.81，即將陷入財(cái)務(wù)危機(jī)。判別結(jié)果正確。這一方面說明了z模型具有很強(qiáng)的生命力，不僅能夠應(yīng)用于我國股市，而且還具有較高的準(zhǔn)確性；另一方面從判別結(jié)果也說明了銀廣廈經(jīng)營狀況極為糟糕，財(cái)務(wù)指標(biāo)惡化明顯，極有可能會(huì)陷入財(cái)務(wù)危機(jī)。事實(shí)上。2001年它在股市的丑惡行徑已經(jīng)敗露，股價(jià)一落千丈，已經(jīng)是一家資不抵債、虧損嚴(yán)重的“空殼”。所以上述判別結(jié)果也是情理之中的事情。

公司2000年z值為3.34，顯著高于判別值的上限2.675，僅從模型本身判別結(jié)果來看，公司財(cái)務(wù)狀況良好，財(cái)務(wù)指標(biāo)正常。如果模型僅僅是判斷下一年是否會(huì)陷入財(cái)務(wù)困境，那么這一判別結(jié)果也是正確的。而事實(shí)上，2000年銀廣廈正處于造假的巔峰。股價(jià)因此飆升，單純從財(cái)務(wù)指標(biāo)來判斷，絕對屬于典型的“績優(yōu)”公司，所以據(jù)此計(jì)算的z值明顯偏高。

從以上分析可以看出，z模型在企業(yè)危機(jī)前一年的預(yù)測中顯示了較強(qiáng)的預(yù)測能力，但同時(shí)也應(yīng)該看到。對于虛假的財(cái)務(wù)信息，z記分模型顯得無能為力，如2000年就是如此。

2盼數(shù)模型應(yīng)用研究

與z記分模型相比，F(xiàn)分?jǐn)?shù)模型引入了現(xiàn)金流量因素。這一模型對虛假的財(cái)務(wù)信息目前能否發(fā)揮更大的作用呢?因此我們也將該公司2001年和2000年的財(cái)務(wù)數(shù)據(jù)代人F分?jǐn)?shù)模型進(jìn)行檢驗(yàn)。

從計(jì)算結(jié)果可以看出，銀廣廈2001年F值為-0.6246，遠(yuǎn)遠(yuǎn)低于模型的預(yù)警臨界點(diǎn)0.0274，按照F分?jǐn)?shù)模型的判別標(biāo)準(zhǔn)，公司將被判別為財(cái)務(wù)危機(jī)類公司。判別結(jié)果正確，與事實(shí)相吻合。而從2000年的情況來看，公司F值遠(yuǎn)遠(yuǎn)高于判別值。將把公司判別為財(cái)務(wù)正常類公司?？梢?，改進(jìn)后的F分?jǐn)?shù)模型同樣對于虛假財(cái)務(wù)信息也無法甄別。深入分析其原因，我們會(huì)發(fā)現(xiàn)，雖然F分?jǐn)?shù)模型中加入了現(xiàn)金流量類指標(biāo)，但是由于現(xiàn)金流量類指標(biāo)采用間接法計(jì)算，同樣依賴公司盈利狀況。而且，在F分?jǐn)?shù)模型中同樣采用了公司股價(jià)指標(biāo)，而2000年內(nèi)正是公司造假登峰造極之時(shí)，股價(jià)明顯偏高，以此為基礎(chǔ)計(jì)算的預(yù)警模型結(jié)果顯然也偏高。

F分?jǐn)?shù)模型的預(yù)測結(jié)果與z記分模型的預(yù)測結(jié)論是一致的，盼數(shù)模型的預(yù)測精度并無明顯改善。

四、財(cái)務(wù)危機(jī)預(yù)警模型應(yīng)用結(jié)果比較分析

(一)單變量模型法應(yīng)用實(shí)證研究結(jié)論

1比較分析

運(yùn)用Beaver的單變量模型法對銀廣廈進(jìn)行預(yù)警分析，從現(xiàn)金流量/總負(fù)債的預(yù)測結(jié)果來看，負(fù)債的現(xiàn)金保障程度很低，應(yīng)引起注意；從總負(fù)債/總資產(chǎn)和凈利潤/總資產(chǎn)的預(yù)測結(jié)果來看，企業(yè)盈利能力在不斷增強(qiáng)，經(jīng)營狀況良好。采用不同的預(yù)測指標(biāo)得出了相互矛盾的預(yù)測結(jié)果。這一方面是因?yàn)橛谠摴矩?cái)務(wù)信息失真，某些財(cái)務(wù)指標(biāo)被操縱，從而影響了預(yù)測精度；另一方面是因?yàn)閱巫兞糠治龇ū旧砭哂袊?yán)重缺陷。

單變量分析法的優(yōu)點(diǎn)是簡便易行，沒有前提假設(shè)條件限制，適用范圍廣。但是在Beaven采用單變量分析進(jìn)行企業(yè)失敗預(yù)警研究之后，很少有研究人員沿用單變量方法進(jìn)行危機(jī)預(yù)測，原因在于單變量分析有以下嚴(yán)重缺陷：第一，單變量模型只重視一個(gè)指標(biāo)的反映能力，如果經(jīng)理人員知道這個(gè)指標(biāo)，就有可能去粉飾這個(gè)指標(biāo)。以期表現(xiàn)出良好的財(cái)務(wù)狀況。達(dá)不到預(yù)警的目的；第二，使用任何單個(gè)財(cái)務(wù)指標(biāo)將在很大程度上排斥其他指標(biāo)的作用；第三。如果使用多個(gè)指標(biāo)分別進(jìn)行判斷，這幾個(gè)指標(biāo)的判斷結(jié)果可能會(huì)產(chǎn)生矛盾，如銀廣廈的情況就是如此，導(dǎo)致無法做出正確的判斷。第四，雖然財(cái)務(wù)比率是綜合性較強(qiáng)的指標(biāo)，但是僅用一個(gè)財(cái)務(wù)指標(biāo)不能充分反映企業(yè)的財(cái)務(wù)特征，預(yù)警結(jié)果難免會(huì)有誤差。

2改進(jìn)單變量模型法的建議

首先，單變量模型法雖然簡單易行，工作量小，但是總體判別精度不高。在前一年的預(yù)測中，一元判定模型的預(yù)測精度明顯低于多元判定模型。銀廣廈的判別結(jié)果就是如此。不過，眾多的實(shí)證研究表明，一元判定模型在危機(jī)發(fā)生的前兩年、前3年的預(yù)測中表現(xiàn)出了很強(qiáng)的預(yù)測能力。這也說明有些企業(yè)的財(cái)務(wù)困境是從某些財(cái)務(wù)指標(biāo)的惡化開始的。如果能設(shè)置一些適合企業(yè)自身特點(diǎn)的單變量指標(biāo)進(jìn)行財(cái)務(wù)危機(jī)的監(jiān)測，就有可能做到早知道早預(yù)防。因此可以利用單變量分析法進(jìn)行企業(yè)財(cái)務(wù)危機(jī)的遠(yuǎn)期預(yù)測，作為財(cái)務(wù)預(yù)測的一種輔助方法來使用，不失為一種理想的選擇。

其次，由于我國企業(yè)財(cái)務(wù)信息失真現(xiàn)象比較普遍，建立單變量預(yù)警指標(biāo)監(jiān)測企業(yè)財(cái)務(wù)危機(jī)時(shí)，應(yīng)更多地使用基于現(xiàn)金流量基礎(chǔ)上的財(cái)務(wù)指標(biāo)。銀廣廈的單變量模型預(yù)測中，現(xiàn)金流量，總負(fù)債指標(biāo)的預(yù)測效果好于總負(fù)債，總資產(chǎn)和凈利潤，總資產(chǎn)兩個(gè)指標(biāo)。眾所周知，建立在權(quán)責(zé)發(fā)生制基礎(chǔ)上利潤指標(biāo)經(jīng)常受到經(jīng)營者的控制，經(jīng)營者可通過調(diào)整會(huì)計(jì)政策，控制相關(guān)費(fèi)用等手段來調(diào)節(jié)會(huì)計(jì)凈利潤的高低。這種利潤操縱行為，在西方被稱為“會(huì)計(jì)戲法”?！皶?huì)計(jì)戲法”演示的結(jié)果，導(dǎo)致財(cái)務(wù)信息失真，造成決策信息混亂。它會(huì)演繹成一種非常奇特、非常矛盾的狀況：一方面企業(yè)賬面有會(huì)計(jì)利潤；另一方面，企業(yè)的現(xiàn)金支付能力極差，而這種企業(yè)現(xiàn)金流量和現(xiàn)金支付能力的危機(jī)，正是1997年亞洲金融風(fēng)暴形成的基礎(chǔ)。

(二)多變量模型法實(shí)證應(yīng)用研究結(jié)論

1比較分析

從上述多元判別模型的應(yīng)用結(jié)果來看，z記分模型和F分?jǐn)?shù)模型在危機(jī)全面爆發(fā)的前一年(銀廣廈被戴上“ST”的帽子)的預(yù)測結(jié)果都是準(zhǔn)確的，即2001年的模型預(yù)警結(jié)果還是準(zhǔn)確的。這說明我們可以借助財(cái)務(wù)預(yù)警模型早日發(fā)現(xiàn)企業(yè)經(jīng)營活動(dòng)中存在的潛在風(fēng)險(xiǎn)和危機(jī)，不管是z記分模型還是F分?jǐn)?shù)模型至今仍具有強(qiáng)大的生命力，而且距離危機(jī)發(fā)生期越近預(yù)測結(jié)果越準(zhǔn)確。但是也應(yīng)該看到，不管是z模型還是F模型，都是以財(cái)務(wù)信息的真實(shí)性為前提條件的。一旦會(huì)計(jì)信息失真，預(yù)警結(jié)果就會(huì)不準(zhǔn)確。由此可見，經(jīng)典的財(cái)務(wù)預(yù)警模型具有很好的“財(cái)務(wù)判斷功能”，而在“財(cái)務(wù)識(shí)別功能”上略顯不足，從而總體預(yù)測精度會(huì)受影響。F分?jǐn)?shù)模型雖然加進(jìn)了現(xiàn)金流量因素，但是仍然沒有實(shí)質(zhì)性的改進(jìn)。

從模型的建立方法來看，z記分模型和F分?jǐn)?shù)模型都屬于多元判別模型。多元判別模型在很大程度上克服了一元判別分析的缺陷，該方法的優(yōu)點(diǎn)表現(xiàn)在：(1)能夠包容反映企業(yè)財(cái)務(wù)狀況的多個(gè)指標(biāo)，因此在財(cái)務(wù)危機(jī)預(yù)測中適用范圍較廣；(2)能夠包含獨(dú)立變量；(3)一旦完成模型構(gòu)建，運(yùn)用相對容易；(4)預(yù)測精度比較高，特別是在危機(jī)發(fā)生的前一年，不管是z記分模型還是F分?jǐn)?shù)模型，都具有較高的判別精度。

但是利用多元判別模型進(jìn)行財(cái)務(wù)危機(jī)預(yù)警的缺陷也是不容忽視的。多元判別模型本身存在的缺陷有：(1)預(yù)測工作量比較大，研究者需要做大量的數(shù)據(jù)收集和數(shù)據(jù)分析工作。(2)在前一年的預(yù)測中，多變量判定模型的預(yù)測精度比較高，但在前兩年、前三年的預(yù)測中，其預(yù)測精度則大幅下降。甚至低于一元判別模型?？赡艿脑蚓褪呛芏嘭?cái)務(wù)變量只是企業(yè)陷入財(cái)務(wù)困境的征兆，或者說是一種表象，而不是陷入財(cái)務(wù)困境的原因和本質(zhì)。過多的財(cái)務(wù)指標(biāo)，將“因”和“果”混淆在一起。反而增加了模型的噪音。(3)多元線性判定模型有嚴(yán)格的假設(shè)條件。從模型的建立方法來看，不管是z記分模型，還是盼數(shù)模型的建立，實(shí)際上都有這樣三個(gè)假設(shè)條件：一是樣本財(cái)務(wù)資料要服從多元正態(tài)分布；二是每一個(gè)變量都不是其他變量的線性組合；三是兩樣本群體的協(xié)方差矩陣相等。但是在企業(yè)財(cái)務(wù)危機(jī)研究的實(shí)務(wù)中，財(cái)務(wù)資料大多不符合常態(tài)概率分布的基本假設(shè)，當(dāng)這個(gè)假設(shè)條件破壞時(shí)，計(jì)算的概率將非常不準(zhǔn)確，最終影響預(yù)警精度。同時(shí)，由于多在近似狀態(tài)下使用，適用范圍受到了限制。

通過上述單變量與多變量判別模型的優(yōu)缺點(diǎn)分析，可以清楚地比較兩者的區(qū)別。主要方面的區(qū)別如表7所示。

五、改進(jìn)多變量模型的建議

(一)考慮采用其他方法建立多變量預(yù)警模型

為了克服多元判定模型嚴(yán)格的假設(shè)條件，可以采用以下幾種方法建立多變量財(cái)務(wù)危機(jī)預(yù)警模型。

1多元邏輯模型

Ohlson(1980)提出了多元邏輯模型(Logit)的建立方法。多元邏輯模型的目標(biāo)在于尋求觀察對象的條件概率，從而據(jù)以判斷觀察對象的財(cái)務(wù)狀況和經(jīng)營風(fēng)險(xiǎn)。它是建立在累計(jì)概率函數(shù)的基礎(chǔ)上，不需自變量服從多元正態(tài)分布和兩組間協(xié)方差相等的假設(shè)條件，Logit模型假設(shè)破產(chǎn)企業(yè)的概率P(破產(chǎn)取1，非破產(chǎn)取O)，并假設(shè)hl[p/(1-p)]可以用財(cái)務(wù)比率線性解釋。首先假定Ln(p/(1-p)]=a+bx，然后根據(jù)推導(dǎo)可以得出P=exp(a+bx)，[1+exp(a+bx)]，從而計(jì)算出破產(chǎn)企業(yè)的概率。其判別規(guī)則是：如果P值大于0.5，則表明企業(yè)破產(chǎn)的概率比較大，那么則判定企業(yè)為即將破產(chǎn)類型；如果P值低于0.5。則表明企業(yè)財(cái)務(wù)正常的概率比較大，判定企業(yè)為財(cái)務(wù)正常類型。

2多元概率比模型(Probit)

Zmijewski(1984)提出了多元概率比模型(Probit)。多元概率比模型同樣假定企業(yè)破產(chǎn)的概率為P，并假設(shè)企業(yè)樣本服從標(biāo)準(zhǔn)正態(tài)分布，其概率函數(shù)的P值可以用財(cái)務(wù)指標(biāo)線性解釋。其計(jì)算方法和Logit很類似，先是確定企業(yè)樣本的極大似然函數(shù)，然后通過求似然函數(shù)的極大值就可以得到參數(shù)a、b，接下來就可以利用下面的公式求出企業(yè)破產(chǎn)的概率。如果概率P小于0.5，就判定為財(cái)務(wù)正常型，如果P大于0.5，則為即將破產(chǎn)型。

P=∫(1/2π)edt

Probil模型與Logit模型的思路很相像，但是在具體的itgt方法和假設(shè)前提上又有一定的差異，主要體現(xiàn)在三個(gè)方面：一是假設(shè)前提不同，Logit不需要嚴(yán)格的假設(shè)條件，而Probit則假設(shè)企業(yè)樣本服從標(biāo)準(zhǔn)正態(tài)分布，其概率函數(shù)的P值可以用財(cái)務(wù)指標(biāo)線性解釋；二是關(guān)于參數(shù)a、b的求解方法略有不同，雖然兩者都采用極大似然法，但是，Logit采用的是極大化對數(shù)似然函數(shù)求解，而Probit采用極大化積分似然函數(shù)求解；三是求破產(chǎn)概率的方法不同，Logit采用相對數(shù)方法，而Probit采用積分處理的方法。

3人工神經(jīng)網(wǎng)絡(luò)(ANN)模型

人工神經(jīng)網(wǎng)絡(luò)(ANN)模型就是將神經(jīng)網(wǎng)絡(luò)的分類方法應(yīng)用于財(cái)務(wù)預(yù)警。傳統(tǒng)的分類方法大部分屬于母參數(shù)統(tǒng)計(jì)方法，其中以判別分析(DiscfiminationAnalysis，簡稱DA)和Log-it回歸分析等最為廣泛。母參數(shù)統(tǒng)計(jì)方法均以選定的獨(dú)立變量結(jié)合歷史數(shù)據(jù)資料建立一個(gè)預(yù)測模型，并作為未來分類判別之用。傳統(tǒng)的統(tǒng)計(jì)區(qū)分方法須受制于若干母體分配的假設(shè)前提，已經(jīng)很不適用當(dāng)今復(fù)雜多變的企業(yè)運(yùn)作環(huán)境。而且它對錯(cuò)誤資料的輸入不具有容錯(cuò)性，無法自我學(xué)習(xí)與調(diào)整，也無法處理資料遺漏的狀況。而人工神經(jīng)網(wǎng)絡(luò)是一種平行分散處理模式，其構(gòu)建原理是基于對人類大腦神經(jīng)運(yùn)作的模擬。ANN除具有較好的模式識(shí)別能力外，而且還可以克服統(tǒng)計(jì)方法的限制。因?yàn)樗哂腥蒎e(cuò)能力和處理資料遺漏或錯(cuò)誤的能力，最為可貴的是，ANN還具有學(xué)習(xí)能力，可以隨時(shí)依據(jù)新數(shù)據(jù)資料進(jìn)行自我學(xué)習(xí)、訓(xùn)練，并調(diào)整其內(nèi)部的儲(chǔ)存權(quán)重參數(shù)以應(yīng)對多變的企業(yè)環(huán)境，這是傳統(tǒng)統(tǒng)計(jì)方法所無法比擬的。

它通常由輸入層、輸出層和隱藏層組成，其信息處理分為前向傳播和后向?qū)W習(xí)兩步進(jìn)行。網(wǎng)絡(luò)的學(xué)習(xí)是一種誤差從輸出層到輸入層向后傳播并修正數(shù)值的過程，學(xué)習(xí)的目的是使網(wǎng)絡(luò)的實(shí)際輸出逼近某個(gè)給定的期望輸出。根據(jù)最后的期望輸出，得出企業(yè)的期望值，然后根據(jù)學(xué)習(xí)得出的判別規(guī)則來對樣本進(jìn)行分類。考特斯特(coats)和范特(Fant)1993年開始利用神經(jīng)網(wǎng)絡(luò)理論建立財(cái)務(wù)預(yù)警模型，由于該模型是模仿生物大腦神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程，不需要考慮研究變量是否符合正態(tài)分布，并且可以有效處理非量化因素，同時(shí)具有較好的糾錯(cuò)能力，從而能夠更好地進(jìn)行預(yù)測。

4聯(lián)合預(yù)測模型

聯(lián)合預(yù)測模型是運(yùn)用企業(yè)模型來模擬企業(yè)的運(yùn)作過程，從而動(dòng)態(tài)地描述財(cái)務(wù)正常企業(yè)和財(cái)務(wù)困境企業(yè)的特征，然后根據(jù)不同特征和判別規(guī)則，對企業(yè)樣本進(jìn)行分類。其運(yùn)用的關(guān)鍵是如何準(zhǔn)確模擬企業(yè)的運(yùn)作過程。因此它要求能夠有一個(gè)基本的理論框架，通過這一框架來有效模擬企業(yè)的運(yùn)作過程，從而能夠有效反映和識(shí)別不同企業(yè)的行為特征、財(cái)務(wù)特征，并據(jù)以區(qū)分企業(yè)樣本。

聯(lián)合模型最大的優(yōu)點(diǎn)就是克服了財(cái)務(wù)預(yù)測模型只運(yùn)用財(cái)務(wù)指標(biāo)的片面性，它能動(dòng)態(tài)模擬和反映企業(yè)經(jīng)營過程中的方方面面。因?yàn)樨?cái)務(wù)指標(biāo)有其先天的局限性，它只能計(jì)量企業(yè)運(yùn)營的財(cái)務(wù)結(jié)果，遺漏了很多事關(guān)重大但未能在財(cái)務(wù)指標(biāo)中得到體現(xiàn)的非財(cái)務(wù)信息，如人力資源狀況、企業(yè)發(fā)展戰(zhàn)略、企業(yè)地理位置等等。

(二)在預(yù)警模型中加入非量化信息

財(cái)務(wù)危機(jī)的預(yù)警模型是利用財(cái)務(wù)信息對危機(jī)進(jìn)行的定量分析，在操作中還應(yīng)當(dāng)結(jié)合非量化信息，對企業(yè)財(cái)務(wù)狀況進(jìn)行定性分析。事實(shí)上，非量化因素在披露企業(yè)財(cái)務(wù)狀況方面要比財(cái)務(wù)指標(biāo)更為可靠、有效。如企業(yè)財(cái)務(wù)報(bào)表不能及時(shí)公開，或者管理層集體辭職、企業(yè)出現(xiàn)過度擴(kuò)張、過度依賴銀行貸款、企業(yè)人力資源匱乏、企業(yè)市場定位不清等非財(cái)務(wù)信息，都可能預(yù)示著企業(yè)存在潛在的危機(jī)，而這些是財(cái)務(wù)比率等量化信息所不能涵蓋的。因此，企業(yè)財(cái)務(wù)預(yù)警模型不能單純依靠財(cái)務(wù)數(shù)據(jù)，至少要在預(yù)警系統(tǒng)中涉及到非財(cái)務(wù)數(shù)據(jù)。既要涉及定量信息，也要涉及定性信息，只有這樣才能更完整地反映企業(yè)全貌。例如把注冊會(huì)計(jì)師的審計(jì)意見、行業(yè)與產(chǎn)業(yè)因素、總體經(jīng)濟(jì)因素、股權(quán)結(jié)構(gòu)、公司治理結(jié)構(gòu)、戰(zhàn)略、內(nèi)控等非量化因素。采取適當(dāng)?shù)姆绞竭M(jìn)行量化處理后加入預(yù)警模型中，比如可以參照國有企業(yè)績效評價(jià)中對非量化因素采用評分的方法，將評分的結(jié)果作為財(cái)務(wù)預(yù)警模型的一個(gè)組成部分。

(三)財(cái)務(wù)預(yù)警模型與企業(yè)實(shí)際相結(jié)合，分行業(yè)建立預(yù)警模型

雖然傳統(tǒng)的財(cái)務(wù)預(yù)警模型可以用于監(jiān)測企業(yè)的財(cái)務(wù)情況和經(jīng)營活動(dòng)，并具有很強(qiáng)的生命力。但由于各企業(yè)的行業(yè)性質(zhì)，經(jīng)營規(guī)模、所處國別和地域等方面都存在許多差異，因此在實(shí)際運(yùn)用中，不宜直接照搬國外的財(cái)務(wù)預(yù)警模型，企業(yè)應(yīng)根據(jù)自身的實(shí)際情況，因地制宜，設(shè)計(jì)、構(gòu)建符合企業(yè)要求和特點(diǎn)的創(chuàng)新型財(cái)務(wù)預(yù)警模型。預(yù)測模型使用的技術(shù)問題，包括影響模型擬合效果的實(shí)效性問題和行業(yè)因素問題，會(huì)隨著經(jīng)濟(jì)環(huán)境的變化越來越突出。因此對國外的預(yù)警模型研究其變化并適當(dāng)進(jìn)行微調(diào)是十分必要的?？紤]行業(yè)因素的影響，對z模型的修正可以按以下三種思路來進(jìn)行：第一，在模型整體上加上行業(yè)修正值；第二，針對模型中的每個(gè)變量設(shè)定行業(yè)修正值；第三，使模型中所選取的財(cái)務(wù)變量呈現(xiàn)行業(yè)性差異，即不同行業(yè)選用的指標(biāo)不同。通過修正可以使財(cái)務(wù)預(yù)警模型更精確更有針對性。

(三)在預(yù)警模型中加大現(xiàn)金流量指標(biāo)的權(quán)重

目前中國公司法中規(guī)定實(shí)行ST制度以及暫停上市和終止上市制度，上市公司的管理層及有關(guān)部門為了保留殼資源，避免出現(xiàn)虧損或連續(xù)3年虧損，往往會(huì)竭盡全力采用盈余操縱手段。財(cái)務(wù)預(yù)警模型的構(gòu)成指標(biāo)主要是取自資產(chǎn)負(fù)債表和損益表的數(shù)據(jù)，以權(quán)責(zé)發(fā)生制為基礎(chǔ)，容易受到盈余管理的影響，其與財(cái)務(wù)狀況的相關(guān)性大打折扣?，F(xiàn)金流量表是上市公司的重要會(huì)計(jì)報(bào)表之一，其編制原則和方法具有統(tǒng)一的規(guī)定，其主要作用是提供現(xiàn)金流量方面的信息，以實(shí)收實(shí)付制為基礎(chǔ)，能較客觀地反映企業(yè)真實(shí)的財(cái)務(wù)狀況。以現(xiàn)金流量表中的數(shù)據(jù)為基礎(chǔ)構(gòu)成的現(xiàn)金流量指標(biāo)也減少了盈余管理的影響，將其納入模型并提高該類指標(biāo)的權(quán)重能夠使模型更客觀地反映企業(yè)的財(cái)務(wù)狀況，更好地起到預(yù)警作用。研究人員在這方面也進(jìn)行了大量有益的探討。事實(shí)證明確實(shí)能提高模型預(yù)警的精度。

(四)在預(yù)警模型中引入經(jīng)濟(jì)增加值變量

我國實(shí)證研究的數(shù)據(jù)取自公司會(huì)計(jì)報(bào)表上公布的財(cái)務(wù)指標(biāo)，然而傳統(tǒng)會(huì)計(jì)指標(biāo)只考慮債務(wù)資本的成本，不考慮股權(quán)資本的成本，并不能說明股東價(jià)值是否保值增值，并且會(huì)計(jì)利潤指標(biāo)的使用對管理者產(chǎn)生誤導(dǎo)，傾向于盈利操縱和短期行為，不利于企業(yè)的長期發(fā)展。經(jīng)濟(jì)增加值是從稅后凈營業(yè)利潤中扣除包括股權(quán)和債權(quán)的所有資本成本后的經(jīng)營利潤，它不受公認(rèn)會(huì)計(jì)準(zhǔn)則的限制。通過對財(cái)務(wù)會(huì)計(jì)報(bào)表進(jìn)行適當(dāng)?shù)恼{(diào)整，它消除了會(huì)計(jì)報(bào)表對企業(yè)利潤的扭曲，真正成為股東所定義的利潤。因此，在預(yù)警模型中如果能用經(jīng)濟(jì)增加值指標(biāo)代替會(huì)計(jì)利潤在很大程度上能夠克服傳統(tǒng)利潤指標(biāo)的缺陷，尋找經(jīng)濟(jì)增加值與財(cái)務(wù)危機(jī)之間的相關(guān)關(guān)系，在理論上也是一種創(chuàng)新和突破。

需要說明的是，我們遵循以上思路對預(yù)警模型進(jìn)行改進(jìn)，并不是要求預(yù)警模型必須對虛假的財(cái)務(wù)信息具有識(shí)別功能。而是使之與我國的實(shí)際情況相符，發(fā)揮其應(yīng)有的作用而已。因?yàn)槲覀儾荒芸燎筘?cái)務(wù)預(yù)警模型僅僅依靠若干財(cái)務(wù)指標(biāo)之間的勾稽關(guān)系，就能發(fā)現(xiàn)公司存在的漏洞，尤其是在公司極力掩飾之時(shí)，這一任務(wù)就變得更加艱巨。因?yàn)樨?cái)務(wù)預(yù)警畢竟是建立在真實(shí)財(cái)務(wù)信息的基礎(chǔ)之上的。改變這一基礎(chǔ)就偏離了財(cái)務(wù)危機(jī)預(yù)警的初衷。要想識(shí)別企業(yè)財(cái)務(wù)信息的真實(shí)與否，還得另辟蹊徑。

六、結(jié)論

綜上所述。每一種財(cái)務(wù)危機(jī)預(yù)警模型都有利也有弊。只有充分發(fā)揮每一種方法的長處，把各種方法結(jié)合使用，才能取得理想的預(yù)警效果。對于企業(yè)來說，最重要的也許并不是怎樣開發(fā)新的預(yù)警模型或預(yù)警方法，更重要的是如何整合已有的財(cái)務(wù)危機(jī)預(yù)警方法，達(dá)到財(cái)務(wù)危機(jī)預(yù)警的目的。

進(jìn)行企業(yè)財(cái)務(wù)危機(jī)預(yù)警應(yīng)堅(jiān)持遠(yuǎn)期監(jiān)測與近期預(yù)警相結(jié)合。單變量模型的遠(yuǎn)期監(jiān)測效果比較理想，因此為了減輕工作量，可以設(shè)置適合企業(yè)自身業(yè)務(wù)特點(diǎn)的單變量模型進(jìn)行遠(yuǎn)期監(jiān)測。發(fā)現(xiàn)危機(jī)動(dòng)向及時(shí)反饋信息，以加強(qiáng)近期的實(shí)時(shí)監(jiān)測預(yù)報(bào)工作。而財(cái)務(wù)危機(jī)的近期預(yù)警應(yīng)使用多變量模型法來進(jìn)行。實(shí)踐證明，多變量預(yù)警模型的近期預(yù)警精度比較高。但是由于多變量模型只能預(yù)測財(cái)務(wù)危機(jī)而不能解釋財(cái)務(wù)危機(jī)產(chǎn)生的原因。因此，通過近期預(yù)警一旦發(fā)現(xiàn)了財(cái)務(wù)危機(jī)的動(dòng)向，就應(yīng)該對其進(jìn)行修正，加入其他變量，對其進(jìn)行必要的整合，或與企業(yè)的實(shí)際情況相結(jié)合，運(yùn)用財(cái)務(wù)報(bào)表分析法查找企業(yè)發(fā)生危機(jī)的原因，以便有針對性地采取有效措施，將危機(jī)化解在萌芽階段。