基于现金流量指标的财务危机预警研究综述折现现金流量指标主要有哪几个

时间：2019-04-02 03:36:22　来源：雅意学习网本文已影响人

　　【摘要】随着全球经济一体化节奏的加快，企业在迎接机遇的同时，也面临着越来越激烈的市场竞争。财务风险无时不在、无处不在，美国次贷危机所引发的全球金融危机给中国带来了很大的危害，许多企业深陷财务危机甚至宣告破产。在严酷的现实面前人们清醒的意识到建立一个有效财务危机预警系统是企业生存发展的必要保障。陷入财务危机的企业都有一个共同的特征，那就是现金流量运行状况与正常企业存在着很大的差异，这在一定程度上能够说明现金流量指标与财务危机之间存在着某种特殊的联系。文章将国内外学者关于财务危机预警的研究及基于现金流量的财务危机预警研究进行综述和简评，以期给企业财务危机预警研究提供一些有益的启示。
　　【关键词】财务风险；财务危机预警；现金流量
　　一、国内外学者对于财务危机预警的研究
　　1．国外学者对于财务危机预警的研究。在国外，财务危机预警的研究过程经历了从单变量分析到多变量分析，从判别分析到回归分析，从单纯的统计类方法向非统计类方法扩展，从运用单一模型进行预警到运用混合模型预警的演进。在这个演进过程中，预警体系设计的越来越缜密，预警方法变得越来越科学，预警越来越有针对性。（1）单变量分析。FitzPatrick（1932）最早使用单变量模型进行财务危机预测研究，他选取了19家企业为样本，运用单个财务比率将样本划分为破产与非破产两组，发现判别能力最高的两个比率是“净利润/股东权益”和“股东权益/负债”，而且在企业经营失败的前三年这些比率就呈现出了显著的差异。由此，他认为财务比率能够较准确的反应企业财务状况并且对企业的未来具有预测作用。（2）多元线形判别分析。首次将多元线性判别分析方法引入财务危机预测领域的学者是Edward Altman（1968）。他选取了5个财务指标对1946至1965年间提出破产申请的33家公司和同等数量的非破产公司进行了研究，通过多元判别分析的方法得到了Z-score 模型。Z模型开启了财务危机预警研究由单变量分析转向多变量分析的新时代。1977年Altman、Haldeman和Narayanan对原始的Z-score模型进行扩展，提出了ZETA模型，这中模型比Z评分模型更能准确预测公司是否出现财务危机。（3）多元回归分析。Martin（1977）引用Logistic回归分析法建立企业财务危机预警模型，他筛选了1969年至1974年间约5700家美联储成员银行中界定出的58家财务危机银行，以此为样本，从25个财务指标之中选取了总资产净利润率等8个变量，构建逻辑回归模型预测两年后银行可能破产的概率。研究结果表明净利润/总资产、费用/营业收入等6个财务比率具有显著的预测能力。他又在Z模型、ZETA模型、Logit模型之间进行比较研究，发现Logit模型预测效果优于其他两个模型。Ohlson（1980）分别使用多元逻辑回归方法和多元条件概率模型两种方法分析了1970年至1976年间105家破产公司和2058家非破产公司组成的非配对样本，分析了样本公司在破产概率区间上的分布以及两类错误和划分点之间的关系，发现公司规模、资本结构、经营业绩和短期流动性这四个变量对于财务危机的预测效果较好。（4）人工神经网络模型。Odom和Sharda（1990）开拓了用人工神经网络预测公司财务危机的新方法。他们选取1975年至1982年间65家失败公司与65家正常公司为样本，并将样本分为训练样本与测试样本两组，以Altman Z-score模型中所构建的五个财务比率作为研究变量，使用人工神经网络构建模型。研究结果显示人工神经网络具有较好的预测能力。Tam和Kiang以1985至1987年美国得克萨斯州118家银行（其中有59家破产，59家没有破产）为研究对象，在分别应用多元判别分析法、Logit回归法和神经网络技术进行建模分析之后，得出的结果表明神经网络技术的预测精度要高于其他方法。（5）混合模式。McGurr和DeVaney（1998）的实证研究表明，混合模型与其中包括的单个模型相比，预测更加准确。FengYuLin和SanyMcClean（2001）以四种独立的财务危机预警研究方法——判别分析法、Logit回归法、神经网络法及决策树法为基础，将这四种方法进行不同的组合，建立了三种混合模式，再对这些方法进行实证研究，研究结果表明，同等条件下，混合模式明显优于单个方法模式。
　　2．国内学者对于财务危机预警的研究。我国对于财务危机预警的实证研究起步相对较晚，而且主要是借鉴国外学者的研究成果，利用我国的数据来构建类似的模型。陈静（1999）选取1995年至1997年间27家ST公司和27家非ST公司作为样本，分别进行了单变量分析和多元线性判定分析，并对这两种方法进行了比较。研究发现，在单变量分析中，资产负债率、总资产收益率、流动比率、净资产收益率4项财务指标的预测能力较强，资产负债率和流动比率在宣布ST前一年的误判率最低，而在宣布ST前三年时，总资产收益率和流动比率的误判率较低。在多元线性判定分析中，由负债比率、总资产收益率以及流动比率等六个指标构建的模型，在公司发生财务危机的前三年有着较强的预测能力。杨保安、季海等（2001）在进行财务危机预警研究中首次采用人工神经网络方法来分析财务危机预警应用中存在的问题。应用人工神经网络方法预测财务危机的准确率较高，但作者没有具体建立预警模型，只是采用财务指标进行示范性设计和检验。刘曼、罗惠（2004）选取了1999年至2001年73家ST公司和同等数量的非ST公司作为训练样本，2002年ST公司和非ST公司各43家作为检验样本，采用判别分析、Logit回归和人工神经网络这三种方法对在财务危机出现前2年内的15个财务指标进行数据分析，结果发现人工神经网络预测的效果在三者中最优。最后，将这三种方法进行优势互补，建立起一种预测准确率高于每种单一方法的混合型。张玲、刘翠屏、杨少华（2007）从分行业的角度进行财务危机预警研究，他们选择了三个行业——机械设备仪表、石油化学塑料塑胶业和金属非金属为研究对象。分别以行业中1998年至2007年间首次被ST的公司作为样本，建立起分行业的财务危机预警模型。张乐（2009）采用贝叶斯判别法，以140家上市公司为样本，构建财务危机预警模型。经检验，该方法的预测的效果很好，准确率达到85.7％。

推荐访问:预警综述现金流量指标

基于现金流量指标的财务危机预警研究综述折现现金流量指标主要有哪几个

最新文章

热门文章

基于现金流量指标的财务危机预警研究综述 折现现金流量指标主要有哪几个

最新文章

热门文章

基于现金流量指标的财务危机预警研究综述折现现金流量指标主要有哪几个