内容发布更新时间 : 2024/6/18 21:43:25星期一 下面是文章的全部内容请认真阅读。

毕业论文文献综述

财务预警模型在我国上市公司的适用

毕 业 论 文 题 目

性比较研究

财务危机预警模型国内外研究现状

会计学院 会计学

文献综述题目

学 院

专 业

姓 名

班 级

学 号

指导教师

财务危机预警模型国内外研究现状

随着我国资本市场的不断发展与完善，对上市公司财务危机及其预警的研究越来越引起重视。财务危机及其预警研究也不再仅仅是一个学术问题，更成为影响我国上市公司及资本市场发展的重要因素。因此对财务危机预警模型研究具有现实意义。本文论述了国内外的研究现状，分别按照模型的发展历史进行阐述。

一、国外研究现状

早在20世纪30年代西方学者就陆续开始研究企业财务危机预警问题，并提出了各种不同的财务危机预警方法和模型，一般将其分为定性分析和定量分析。

定性分析方法主要包括标准化调查法、四阶段症状分析法、流程图分析法、管理评分法等。其中四阶段症状分析法将企业的财务危机划分为四阶段，即财务危机的潜伏期、发作期、恶化期、实现期。由美国的Argenti(1977)提出的管理评分法也得到了较为广泛的应用，他提出财务危机成因的模型，并强调管理层在其中的作用。其模型总分值为一百分，得分一旦大于25分，公司就有可能陷入财务危机，18-25分为灰色区域[1]。

由于定性分析主观性过强，因此国外很多学者开始转向定量分析方法和模型的研究，陆续地提出很多企业财务危机预警定量分析模型，主要有一元判定模型、多元线性判定模型、多元逻辑模型、人工神经网络模型和多元概率比回归模型。

1、一元判别法。一元判别法又称为单变量财务危机预警模型，是用单个财务变量对企业的财务状况进行检验。FitZpatriCk(1932)最早开展单变量财务危机预警模型研究，结果表明预测准确率最高的是净利润/股东权益和股东权益/负债两个财务指标

[2]

。Beaver(1966)发现现金流量/债务总额，资产收益率、资产负债率三个财务指标的

预测准确率是最高的，现金流量/债务总额在企业破产前一年预测准确率高达87%，资产收益率的准确率达到了88%，而且还发现，越临近破产日，误判的概率就越低[3]。但是单变量模型都有任何单个财务指标无法全面地反映企业财务状况的致命缺陷，因此使得单变量分析方法逐渐被多变量方法所替代。

2、多元线性判别模型。为了克服单变量预警模型的不足，Altman(1968)将多元线性判别方法引入到财务危机预警研究。通过多元判别模型计算出了一个总的判别值-Z值，依据Z值的大小提出了企业破产的临界值。此模型中的息税前利润/资产总额、股票市值/负债总额、销售收入/资产总额三个指标的财务危机预测效果最好。Z分模型从企业的资产规模、获利能力、变现能力、财务结构、运营能力等方面，综合反映了一个企业的财务状况，但是Z分模型没有充分考虑到现金流量变动的情况[4]。Altman、Haldeman、Narayanan(1977)研究出的ZETA模型分析了样本公司的经营收益/总资产、利息保障倍数、留存收益/总资产、流动比率、普通股权益/总资产等7项财务指标，通过比较分析，表明ZETA预警准确度较高[5]。

3、多元逻辑回归模型。目前广泛应用于经济研究中较为常用的是Logistic模型

1

和Probit模型。Martin(1977)首次用Logistic模型来对银行破产进行预测，研究结果表明Logistic模型预测效果良好，财务危机前一年的误判率为11.41%[6]。Ohlson(1980)对其非配对样本进行分析，他发现用公司规模、资本结构、公司业绩和当前资产的变现能力进行财务危机预测的准确率达到了96.12%[7]。BartCZak、Norman(1985)发现由于财务比率是以应计制为基础的，经营现金流量的详细信息披露并不能增强预测准确度[8]。Tirapat、Nittayagasetwat(1999)研究了1997年泰国企业的破产情况，表明宏观经济环境对企业陷入财务危机有一定影响[9]。

4、人工神经网络模型。1990s后，国外开始运用人工神经网络、专家系统、遗传算法等技术进行财务危机预警研究。odom(1990)运用人工神经网络进行财务危机预警研究。Odom，Sharda(1990)首先将样本区分为训练样本与保留样本，以Z分数模型使用的五个财务比率为研究变量，使用类神经网络构建模型，结果发现判别正确率极高[10]。CoatS和Fant(1993)对财务困境公司的预测准确率达到了91.96%，明显高于多元判别法的预测准确率[11]。

二、国内研究现状

从1990s中期开始，出现了基于我国企业数据建立的财务危机预警模型，此后，国内学者对企业财务危机预警问题进行了广泛的研究，提出许多不同观点和看法。

吴世农、黄世忠(1986)介绍了企业财务危机的判别指标及预警模型，但其研究仅限规范研究和经验分析，未进行过相关的实证研究[12]。周首华、杨济华、王平(1996)在Z分数模型基础上进行改进，考虑了企业现金流量变动情况指标，通过更新指标和扩大样本数对Z分数模型进行了修正，建立了F分数模型，弥补了Z分数模型的不足[13]。陈静(1999)研究使用Beaver和Altman的模型，进行了单变量分析和多元线性判定分析，发现模型在上市公司被ST的前3年较准确，说明预警模型对中国上市公司的有效性[14]。张玲(2000)筛选出资产负债率、营运资金/总资产比例、总资产利润率、留存收益/资产总额4个比率构建财务危机模型。结果表明模型对原始样本30家公司被ST前的1-5年的预测正确率是100%、87%、70%、60%、22%，再次证实了多元线性判定模型具有较好的预测结果[15]。陈晓、陈治鸿(2000)运用多元逻辑回归模型，研究发现最优预警模型能够从上年净资产收益率小于5%的上市公司中预测出73.68%的下一年被ST，判别准确率达到78.24%[16]。

吴世农、卢贤义(2001)以我国上市公司为研究对象，结合中国的实际情况建立了相应模型[17]。姜秀华、孙铮(2001)运用Logistic回归给出了判别上市公司财务危机的模型，研究表明股权集中系数是公司治理结构直接的表现，也是此模型与其它模型的区别[18]。

卢宇林(2002)采用非配对抽样方法，并利用2001年的中报数据进行检验，模型的总体有效性达到81%[19]。何沛俐、章早立(2002)建立了以时序立体数据空间为基础的财务危机判别模型，他们在Logistic回归分析之前使用全局主成分分析，模型的准

2