摘要：隨著全球經(jīng)濟不斷地發(fā)展，企業(yè)與企業(yè)之間的競爭變得越來越激烈，識別和評估企業(yè)面臨的風險對于企業(yè)的生存和發(fā)展變得尤為重要。目前，國內(nèi)外學者研究的企業(yè)財務風險預警的模型基本集中于單一變量預警模型，多元判別分析預警模型，多元邏輯回歸分析預警模型，以及人工神經(jīng)網(wǎng)絡預警模型。本文主要梳理了財務風險以及財務風險預警的相關理論研究的發(fā)展現(xiàn)。
關鍵詞：風險管理；財務預警；綜述
一、現(xiàn)狀
將風險管理思想最先應用于企業(yè)經(jīng)營管理的是法國著名管理學家亨利?法約爾，但是還沒有形成系統(tǒng)的風險管理框架。而大多數(shù)學者認為風險管理的思想是始源于發(fā)生了美國經(jīng)濟危機的二十世紀三十年代。當時的美國金融危機導致了經(jīng)濟嚴重衰退，于是大量的學者開始對財務風險進行深入的研究，財務風險管理逐漸形成一門系統(tǒng)的學科。
（一）國外研究現(xiàn)狀
ArthurWilliams和MichaelL.Smith（1995）提出財務風險管理的五大要素，即：企業(yè)風險的確定、企業(yè)風險及不確定性的評價、企業(yè)風險管理控制、風險融資和企業(yè)風險管理反饋。Mar?kowitz,HM（1952）提出資產(chǎn)投資組合理論的概念，即在相同的風險水平下，效率邊界的組合收益最高；而在獲得相同的收益下，效率邊界的組合風險最低。ModiglianiEF和MillerMH在1958年提出了MM定理。他們從資本成本的角度論證了公司價值不會受資本結(jié)構(gòu)的影響財務風險預警模型，因為財務杠桿收益會與財務杠桿風險同步漲落。他們還驗證了不同的資本結(jié)構(gòu)下公司成本會保持不變。WilliamC.A和HeineR.M認為風險管理是一種方法，他們在1964年提出財務風險管理是通過對風險管理的識別、衡量與控制，用最低的成本將風險導致的不利后果降低到最低的一種管理方法。RobertIMehr和BobAHedges在1974年提出風險管理的目的是與企業(yè)經(jīng)營的目的相同的，這兩者的目的都為生存、效益增長、擺脫困境及履行其社會責任。
（二）國內(nèi)研究現(xiàn)狀
劉建海在2002年提出企業(yè)內(nèi)部應當建立一套科學嚴密的內(nèi)部決策機制以加強企業(yè)財務風險管理，這套機制主要包括風險約束機制、預防風險機制、風險分散制度及風險轉(zhuǎn)嫁機制等幾個部分。許玉紅在2003年提出，基于完善公司架構(gòu)的角度，企業(yè)需要建立健全企業(yè)財務風險控制組織體系。而在2006年洪提提出，作為企業(yè)管理的中樞環(huán)節(jié)，內(nèi)部控制制度是防范企業(yè)風險的最有效的一種手段。同年，王漢民提出了以完善公司治理結(jié)構(gòu)、強化公司文化為核心的企業(yè)內(nèi)部控制制度可以有效地防范財務風險。申冬青（2014）提出企業(yè)并購中的財務風險分析控制流程，并提出了在并購中的財務風險控制策略。李景明（2015）在信息化環(huán)境下建立了電力科研院研究所的財務風險控制體系。溫哲（2016）提出農(nóng)業(yè)上市公司降低企業(yè)財務風險最有效的途徑是建立并有效實施適合本企業(yè)的財務風險控制體系。周磊（2016）基于財務管理內(nèi)部控制系統(tǒng)的角度，提出了適用于商貿(mào)類中小企業(yè)的企業(yè)財務風險控制策略。
二、財務風險預警文獻綜述
（一）國外研究現(xiàn)狀
（1）單一變量財務預警模型。Fitzpatrick（1931）以19組破產(chǎn)企業(yè)和未破產(chǎn)企業(yè)作為研究樣本對象，使用單個財務指標數(shù)據(jù)分別對兩組樣本進行預測。研究結(jié)果發(fā)現(xiàn)，發(fā)生財務困境的公司和財務健康的公司之間的財務指標數(shù)據(jù)是顯著不同的。在這些財務指標數(shù)據(jù)中，凈利潤/股東權(quán)益與股東權(quán)益/負債這兩個財務指標具有最高的財務風險預測能力。Beaver（1966）以相對應的79組破產(chǎn)公司和非破產(chǎn)公司作為研究樣本對象，他使用十年間的數(shù)據(jù)，對30個指標進行了分析。研究結(jié)果表明，最能預測企業(yè)財務危機的四個指標分別為債務現(xiàn)金保障率、資產(chǎn)收益率、資產(chǎn)安全率、資產(chǎn)負債率。（2）多元判別分析財務預警模型。Altman（1968）使用1954年至1964年間的33家破產(chǎn)公司和產(chǎn)業(yè)類別與規(guī)模大小相似的33家非破產(chǎn)公司作為研究樣本對象，選取22個財務比率指標為解釋變量建立判別函數(shù)。他在這22個財務比率指標中選擇了五個指標作為變量，并且根據(jù)這些變量對財務風險的影響程度以確定其相應的權(quán)重，建立了類似回歸方程式的函數(shù)模型，即Z-Score評價模型。由于Z-Score評價模型是針對上市公司的研究，而且Altman教授選取的33對企業(yè)基本上是屬于美國的機械工業(yè)，即Z-Score評價模型還具有行業(yè)局限性。
因此，Alt?man教授針對Z-Score評價模型進行了先后兩次修正，分別形成了針對非上市公司的Z’模型和針對跨行業(yè)的ZETA模型。（3）多元邏輯回歸分析財務預警模型。Martin（1977）是第一次將多元邏輯回歸模型應用于財務困境研究領域的學者，他認為商業(yè)貸款/總貸款額、壞賬/營業(yè)凈利潤、費用/營業(yè)收入、總資產(chǎn)凈利率、總資產(chǎn)/風險性這幾個財務指標的預測能力是很強的。Martin將多元邏輯回歸模型和Altman教授提出的Z模型進行了對比研究，他發(fā)現(xiàn)了多元邏輯回歸模型的破產(chǎn)預測能力比Z模型的預測能力要強。Ohlson（1980）提出的多元邏輯回歸模型是被引用最為廣泛的。他選擇了105家破產(chǎn)的制造業(yè)上市公司和2058家非破產(chǎn)公司為研究對象。研究發(fā)現(xiàn)，公司的資產(chǎn)規(guī)模、企業(yè)業(yè)績、資本結(jié)構(gòu)以及當前的融資能力這四類變量是對企業(yè)破產(chǎn)概率最具有顯著影響的變量。（4）人工神經(jīng)網(wǎng)絡財務預警模型。Odom、Sharda（1990）是最早將人工神經(jīng)網(wǎng)絡模型應用到財務風險預測中的學者。他們以65家破產(chǎn)公司和64家非破產(chǎn)公司作為研究對象，使用公司破產(chǎn)前一年的Altman提出的五個財務比率指標，構(gòu)建了人工神經(jīng)網(wǎng)絡模型。研究發(fā)現(xiàn)，其構(gòu)建的人工神經(jīng)網(wǎng)絡模型的財務風險預測準確率比Altman提出的Z模型的預測準確率要高。Tam和Kiang（1992）將人工神經(jīng)網(wǎng)絡模型應用到銀行破產(chǎn)研究中。他們將財務變量的權(quán)重值應用到神經(jīng)網(wǎng)絡模型的建造中，因此很大程度的提高了人工神經(jīng)網(wǎng)絡的財務風險預測準確率。
（二）國內(nèi)研究現(xiàn)狀
吳世農(nóng)、盧賢義（2001）以70家處于財務困境的國內(nèi)上市公司和70家財務正常的國內(nèi)上市公司為研究對象，選取六個財務指標，分別運用多元線性回歸分析法、Fisher線性判定分析法和Logistic回歸分析法建立財務預警模型。研究結(jié)果表明，凈資產(chǎn)報酬率的判別成功率較高；這三種模型在財務困境發(fā)生前四年的財務風險預測誤判率均在28%以內(nèi)，誤判率最低的為Logistic預測模型。周敏、王新宇（2002）提出了基于神經(jīng)網(wǎng)絡和系統(tǒng)模糊優(yōu)選的企業(yè)財務危機測定與預警模型，為實現(xiàn)企業(yè)財務危機動態(tài)預警找到了新的途徑。呂長江，周現(xiàn)（2005）選取146家中國制造業(yè)上市公司作為研究對象，對多元判別分析模型、邏輯線性回歸模型和人工神經(jīng)網(wǎng)絡模型進行研究比較分析。研究結(jié)果發(fā)現(xiàn)邏輯線性回歸模型優(yōu)于多元判別分析模型，而預測準確率最高的模型是人工神經(jīng)網(wǎng)絡模型。張根明、向曉驥（2006）等人以263家國內(nèi)制造業(yè)上市公司為學習樣本、以76家為檢驗樣本，通過使用BP神經(jīng)網(wǎng)絡方法建立財務預警模型。研究結(jié)果發(fā)現(xiàn)，分行業(yè)的BP神經(jīng)網(wǎng)絡預警模型相對于行業(yè)沒有進行區(qū)分的通用預警模型來說，其預測精確度得到了很大程度的提高。王穎，馬亮和白居等人（2015）使用模糊層次分析法和前向型神經(jīng)網(wǎng)絡建立了適合大型國際工程項目的財務風險控制評價指標體系，還建立了應用于大型國際工程項目基于前向型神經(jīng)網(wǎng)絡的財務風險計算模型。徐偉、陳丹萍（2016）提出了三個建立財務預警模型基本原則，并且提出了四個新的財務預警模型，分別為最近距離判別模型，理想距離判別模型財務風險預警模型，模糊判別模型以及極小離差主成分判別模型。田寶新，王建瓊（2017）以上市公司為研究對象，從管理層和治理層兩方面構(gòu)建包含財務指標和非財務指標的財務風險預警體系，提高了財務預警模型的適用性。王玉冬，王迪和王珊珊（2018）以我國高新技術(shù)企業(yè)作為研究對象，進行了采用果蠅優(yōu)化算BP神經(jīng)網(wǎng)絡模型和粒子群優(yōu)化BP神經(jīng)網(wǎng)絡模型的財務風險預警準確度的對比。研究表明果蠅算法優(yōu)化BP神經(jīng)網(wǎng)絡模型的精確度相對更高，其預測企業(yè)財務風險是有效的。吳沖，劉佳明和郭志達（2018）以我國上市公司的財務數(shù)據(jù)作為研究數(shù)據(jù)，提出了基于改進粒子群算法的模糊聚類-概率神經(jīng)網(wǎng)絡企業(yè)財務危機預警模型，該模型在企業(yè)財務風險長期預警具有一定的效果。
作者:鐘星源 唐嬋娟 單位:廣西財經(jīng)學院 廣西財經(jīng)學院圖書館
更多財稅咨詢、上市輔導、財務培訓請關注理臣咨詢官網(wǎng) 素材來源：部分文字/圖片來自互聯(lián)網(wǎng)，無法核實真實出處。由理臣咨詢整理發(fā)布，如有侵權(quán)請聯(lián)系刪除處理。
400-835-0088
