我国财务困境预测实证研究文献综述和分析，本文主要内容关键词为：困境论文,文献论文,财务论文,实证研究论文,我国论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
随着我国市场经济体制改革的深化和资本市场的快速发展，对公司财务困境预测的探讨日益重视并形成了研究热点。企业财务困境预测具有一定的学科跨度。本文选取了十六本国内主要的经济与管理学术刊物，剔出未刊登相关实证研究文章的《管理世界》、《中国工业经济》、《财务与会计》，以其中的13本期刊在1995年到2005年之间有关财务困境预测的实证文章为研究样本，从财务困境的界定、研究样本的设计、预测变量的选择、统计方法的应用、研究数据的使用和预测精度判定标准等方面，对国内在该领域的研究文献进行综述和分析。
一、研究对象的选择
如何界定财务困境是进行财务困境预测研究需要首先考虑的问题。在国内，大多数学者根据企业被ST这一事件选取陷入财务困境的公司，这样的界定与我国的国情具有密切相关性。我国的《企业破产法》虽然早在1986年已经颁布，1988年开始试行，然而迄今为止，还没有一家上市公司破产。因此，以破产来研究财务困境问题显然是不可行的。而从摆脱特别处理的公司看，大部分公司是通过大规模资产重组才摘掉“特别处理”的帽子的，这说明特别处理确实在一定程度上反映出公司陷入了财务困境。
1998年深沪证券交易所正式启用了当上市公司出现“异常状况”时，对上市公司进行“特别处理”的条款。“异常状况”包括“财务状况异常”和“其他状况异常”。在所选的文章中，将“特别处理”和“财务状况异常被ST的公司”也归为财务困境公司分别统计。其中，将财务困境界定为财务状况异常而被“特别处理”的占总样本的35％，直接将财务困境界定为被“特别处理”的占总样本的44％。可见，把ST公司界定为财务困境在实践中已经被广泛地应用了。
注：“其他”是指对某一企业的财务指标进行多期比较，根据结果评价企业在某一时期是否陷入财务困境的文章。
二、研究样本设计
财务困境预测研究的样本设计过程涉及到如何确定陷入财务困境公司的样本组，如何确定作为配对标准的控制因素以及如何进行两组间样本个体数量分配的问题等。
如何确定陷入财务困境公司的样本组，其首要标准是所选公司的财务状况是否符合所界定的财务困境概念。作为配对标准的控制因素一般包括会计年度、行业和资产规模。这些配对标准用来控制由于财务困境组与控制组之间的报告季节性、行业特征和公司规模的差异所可能带来的模型偏差。
国内大部分的实证研究采用——配对抽样，即样本组和控制组包含相等的研究个体。这一方法可以控制一些因素，如行业和资产规模，但同时也把作为配对标准的这些因素排除在模型之外，而这些因素很可能是解释破产的重要因素。配对抽样还可能造成样本中两类公司的比例和它们在总体中的比例严重不一致，从而夸大了预测模型的判别正确率。陈晓(2000)采用非配对样本进行研究，他们最优模型的判别正确率达到了78.24％，并能够正确判别出73.68％的财务困境公司(ST公司)，这一结果和其他采用配对抽样得破产研究结果相比，判别正确率偏低。
三、预测变量选择
目前的财务指针预测模型由于缺乏必要的经济理论支撑，多从数据挖掘的角度构造模型，在财务指针的选取上还处于探索阶段，主要依靠研究者的经验、直觉以及对前人研究成果的借鉴。为了找出哪些财务指标具有较强的判别能力，笔者对所选文章中财务指标进行了统计。由于各篇文章对财务困境的定义、所选的样本以及所使用的方法等各不相同，很难从文中的统计效果上比较指标的判别能力的强弱，在本文中笔者从指针的使用频率上进行统计。
统计结果表明：
(一)被引用频繁的指标大致可以分为以下几类
1.资产的流动性指标：流动比率，(期末流动资产-期末流动负债)/总资产，速动比率；2.资产的管理能力指标：总资产周转率，应收账款周转率，存货周转率；3.盈利及回报能力指标：资产净利率，净资产利润率，主营业务利润率，(利润总额+财务费用)/总资产；4.财务杠杆指标：资产负债率，负债权益比率；5.股本扩张能力指标：留存收益/总资产，每股收益，每股净资产，每股经营活动现金流量；6.公司的成长性指标：主营收入增长率，资产增长率。
(二)目前的研究中指标选取多为利润指标，较少涉及到现金流量指标
在所考察的文章中，仅每股经营活动现金流量被常引用。
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，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，有学者开始利用资本市场的信息构建预警模型。李秉祥(2005)运用期权定价理论，以企业“资不抵债”作为上市公司陷入财务危机的标志，利用资本市场的信息指针——股价建立起上市公司动态财务危机预测模型。刘国光等(2005)应用Merton模型对2002-2004年ST公司和相应配对公司的危机发生前的违约距离进行了研究，发现危机公司违约距离在危机发生前第三年明显低于正常公司的相应值，违约距离比传统财务指标能更早地预警到企业财务危机的发生。
近年来，从公司治理视角探求公司财务困境预警的理论与实证研究也备受关注。姜国华(2004)发现主营业务利润水平和第一大股东持股比例显著地影响着公司在第三年成为被“ST”的可能性的大小。吴超鹏和吴世农(2005)根据“价值创造观”来考察“价值损害型公司”的动态变化及其影响因素，首次引入公司内外部治理变量，应用“排序因变量模型”分析财务状态变化的影响因素，并采用“人工神经网络技术”，预测价值损害型企业的物种变化趋势：财务康复、财务转好、财务维持、财务转差或财务困境。结果表明改善公司盈利和营运等能力、提高独立董事比例、增加财务报表的可信度将有助于避免陷入财务困境。曹德芳(2005)将公司股权结构变量引入财务危机预警的研究中。姜秀华(2005)也在模型中引入了股权集中系数。
四、统计实证方法的运用
不同的统计方法有不同的特点，笔者将样本文章中所使用的分析方法进行归纳，见表4。
公司财务困境预测是非线性问题，然而目前的研究发现非线性模型的灵敏度高，但预测的稳健性比线性模型弱；非线性模型的结构过于复杂会引起样本过度适应造成预测能力降低，而结构相对简单的预测能力具有稳健性，但与线性模型又无本质区别。因时间推移以及经济条件改变，线性/非线性模型都面临参数重新估计甚至重新建模的风险。
五、数据使用和预测精度判定
实证研究需要准确和恰当的数据支持，在大部分的财务困境预测研究中，研究者为了简化数据收集问题，都使用了现成的数据库，由于大部分研究数据库只包含大公司的相关数据，而且往往会出现资料缺失、错误的情形，导致研究结果出现偏差，适用性降低。
预测精度判定标准一旦设定，也就决定了模型的预测能力及其外部适用性。判定标准设定的关键在于分割点的确定。这主要取决于两个方面，即对预测先验概率和预测误差成本的估计。在MDA统计技术中可以通过最小化预测误差机会成本来选择最优分割点；而多元逻辑回归(Logit)和多元概率比回归方法(Probit)在理论上并不存在最优分割点，因为在这种方法中一类错误的减少意味着另一类错误的增加，分割点的选取取决于模型使用者的具体目标。大多数的研究都假定预测先验概率为50％，并且预测结果的两类误差所带来的成本是一样的，即认为一家公司破产与否的概率是一样的，而且将一家即将破产的公司预测为不会破产所造成的成本与将不会破产的公司预测为会破产而带来的成本是一样的。而在实际中，不破产的概率显然要高于企业破产的概率，而将不破产公司预测为破产所带来的危害可能是由于投资者谨慎投资而造成的投资收益下降，收益下降的损失要远远小于将破产公司预测为不破产所造成的决策失误而带来的投资损失。
六、结论
虽然我国关于财务困境预测方面的研究起步比较晚，但国内学者仍对财务困境预测这一研究领域做出了努力和可贵的探索，并取得了良好成果。通过上述研究以及对文献的回顾和评述，可以展望国内财务预警领域进一步的研究内容与视角。
(一)在财务困境的界定上
大多数实证研究的研究视角落在上市公司的财务状况上，这一界定与我国的实际情况有关，但也在一定程度上说明对财务困境的界定应做进一步的研究。
(二)目前的研究中指标选取多为利润指标，较少涉及到现金流量指标
事实上，现金流量也是企业经营信息很重要的组成部分，大多数公司破产都是由于现金流量不足而出现的支付危机。因此，以后研究时可以进一步挖掘现金流量信息在模型中的预测能力，如研究经营活动现金流量及其组成部分是否可以进一步提高预测精度，考察经营活动、筹资活动和投资活动的现金流量在公司现金流量中的比重是否能提高模型的预测能力。
(三)在研究的具体方法上
一方面要进一步探索多元逻辑回归、神经网络、混沌理论、灾害理论等现代分析方法在我国财务困境预警研究中的实践应用；另一方面，要在预测模型中更多地引入动态指标，构建更为全面的备择变量。
(四)在预测精度判定方面
许多研究中常假定两类错误成本相同，以误判率最小为原则建立判别准则，在模型判别效果评价中以预测精度高低来评价模型的预测效率。而在实际中，破产公司误判为非破产公司(Ⅱ类错误)的代价远远高于非破产公司误判为破产公司(Ⅰ类错误)，这些将是此研究所要努力的方向和研究的重点。