變量預(yù)警模型概述

　多變量預(yù)警模型即是運(yùn)用多種財(cái)務(wù)比率加權(quán)匯總而構(gòu)成線性函數(shù)公式來預(yù)測財(cái)務(wù)危機(jī)的一種模型。它一種綜合評價(jià)企業(yè)風(fēng)險(xiǎn)的方法，當(dāng)預(yù)測企業(yè)是否會(huì)面臨財(cái)務(wù)失敗時(shí)，只需將企業(yè)的多個(gè)財(cái)務(wù)比率同時(shí)輸入模型中，模型會(huì)通過計(jì)算得到一個(gè)結(jié)果，然后根據(jù)結(jié)果就可以判斷企業(yè)是否會(huì)面臨財(cái)務(wù)失敗或破產(chǎn)。

多變量預(yù)警方法通過多個(gè)變量的組合來綜合確定企業(yè)發(fā)生財(cái)務(wù)風(fēng)險(xiǎn)的可能性，其從企業(yè)集團(tuán)的宏觀角度出發(fā)運(yùn)用多個(gè)財(cái)務(wù)指標(biāo)衡量企業(yè)風(fēng)險(xiǎn)，為管理決策提供幫助，進(jìn)而規(guī)避風(fēng)險(xiǎn)或延緩危機(jī)的發(fā)生。相對于單變量模型而言，多變量模型預(yù)警財(cái)務(wù)指標(biāo)能多方位反映企業(yè)經(jīng)營狀態(tài)，揭示企業(yè)產(chǎn)、供、銷各環(huán)節(jié)可能存在的風(fēng)險(xiǎn)，適合企業(yè)集團(tuán)的財(cái)務(wù)預(yù)警系統(tǒng)的要求。

多變量模型的分類

多變量模型就是運(yùn)用多個(gè)財(cái)務(wù)指標(biāo)或現(xiàn)金流量指標(biāo)來綜合反映企業(yè)的財(cái)務(wù)狀況，并在此基礎(chǔ)上建立預(yù)警模型，進(jìn)行財(cái)務(wù)預(yù)測。按所建模型是否具有動(dòng)態(tài)預(yù)警能力、財(cái)務(wù)預(yù)警系統(tǒng)是否易于修改和擴(kuò)充，多變量模型又可以分為靜態(tài)統(tǒng)計(jì)模型和動(dòng)態(tài)非統(tǒng)計(jì)模型。

1.靜態(tài)統(tǒng)計(jì)模型。

①線性判別模型。多元線性判別模型是運(yùn)用多元統(tǒng)計(jì)分析方法中的判別分析建立起來的，它是根據(jù)一定的樣本資料，建立判別函數(shù)、確定判定區(qū)域，以對企業(yè)財(cái)務(wù)狀況進(jìn)行預(yù)測。這種模型以美國Atlman教授的Z模型最具代表性。

②主成分預(yù)測模型。該模型也形成一個(gè)線性判定函數(shù)式，其形式類似判別分析模型。不過該模型是運(yùn)用多元統(tǒng)計(jì)分析中的主成分分析方法，通過提煉綜合因子形成主成分，并利用主成分建立起來的。我國學(xué)者張愛民、楊淑娥等分別運(yùn)用主成分分析方法對我國上市公司的財(cái)務(wù)預(yù)警模型進(jìn)行過研究。

③簡單線性概率模型。該模型是利用多元線性回歸方法建立起來的，其形式是：y=c+β1x1+β2x2+…+βkxk。其中：c、β1、β2、…、βk為系數(shù);x1、x2、…、xk為k個(gè)預(yù)測變量，即財(cái)務(wù)指標(biāo);y為企業(yè)財(cái)務(wù)失敗的概率。該模型以0.5為危機(jī)分界點(diǎn)，y值越大，企業(yè)發(fā)生財(cái)務(wù)失敗的可能性越大，y值越接近于0，說明企業(yè)財(cái)務(wù)越安全。

④logit模型和probit模型。它們也分別叫作對數(shù)比率模型和概率單位模型，都屬于概率模型，是在克服簡單的線性概率模型的基礎(chǔ)上并分別用logit和probit概率函數(shù)建立起來的。logit模型的形式為：ln[p÷(1-p)]=α0+β1x1+β2x2+…+βkxk。其中：p取值為0、1;p為概率;x1，x2，…，xk為k個(gè)預(yù)測變量，即財(cái)務(wù)指標(biāo);α0、β1、β2、…、βk為系數(shù)。probit概率模型的預(yù)測效果一般與logit模型預(yù)測的效果相差不大，在此不多加介紹。

2.動(dòng)態(tài)非統(tǒng)計(jì)模型。

動(dòng)態(tài)財(cái)務(wù)預(yù)警模型主要是把人工智能中的歸納式學(xué)習(xí)的方法應(yīng)用于財(cái)務(wù)危機(jī)預(yù)測。目前，這種方法中最常用的是神經(jīng)網(wǎng)絡(luò)預(yù)測模型。在神經(jīng)網(wǎng)絡(luò)模型中，當(dāng)輸入一些資料后，網(wǎng)絡(luò)會(huì)以目前的權(quán)重計(jì)算出相對應(yīng)的預(yù)測值以及誤差，而再將誤差值回饋到網(wǎng)絡(luò)中調(diào)整權(quán)重，經(jīng)過不斷地重復(fù)調(diào)整，從而使預(yù)測值漸漸地逼近真實(shí)值。當(dāng)應(yīng)用此網(wǎng)絡(luò)到新的案例時(shí)，只要輸入新案例的相關(guān)數(shù)值，神經(jīng)網(wǎng)絡(luò)就可以根據(jù)當(dāng)時(shí)的權(quán)重得出輸出值即預(yù)測值。神經(jīng)網(wǎng)絡(luò)分析是一種并行分布模式處理系統(tǒng)，具有高度的計(jì)算能力、自學(xué)能力和容錯(cuò)能力。該模型由一個(gè)輸入層、若干個(gè)中間層和一個(gè)輸出層構(gòu)成。案例推理法是近年來才被嘗試應(yīng)用于財(cái)務(wù)危機(jī)預(yù)測上的一種動(dòng)態(tài)非統(tǒng)計(jì)模型方法。它是一種依循經(jīng)驗(yàn)來推理的方法，就是以過去發(fā)生的案例為主要的經(jīng)驗(yàn)依據(jù)來判斷未來可能發(fā)生的問題，是一種典型的“上一次當(dāng)，學(xué)一次乖”的推理方法。當(dāng)輸入一個(gè)新的問題到案例推理法系統(tǒng)，該系統(tǒng)會(huì)在從現(xiàn)有的案例庫中搜尋相似的案例，判斷新案例的類型。案例推理法的關(guān)鍵步驟就是根據(jù)相似性演算法測算出案例之間距離，再轉(zhuǎn)變?yōu)榘咐g的相似度，由相似度選取最相近的案例，據(jù)此進(jìn)行推理判斷。

多變量預(yù)警分析模型的構(gòu)建

財(cái)務(wù)預(yù)警的方法很多，如比弗的立面分析、兩分法檢驗(yàn)和一元判定模型，迪肯的概率模型，埃德米特的小企業(yè)研究模型，達(dá)艾蒙德的范式確認(rèn)模型等。但比較有代表性的主要是Z預(yù)警模型和F預(yù)警模型。

1、Z預(yù)警模型。

Z預(yù)警模型是由美國愛德華?阿爾曼（Altman）在20世紀(jì)60年代中期提出來的，最初阿爾曼在制造企業(yè)中分別選取了66家破產(chǎn)企業(yè)和良好企業(yè)為樣本，收集了樣本企業(yè)資產(chǎn)負(fù)債表和利潤表總的有關(guān)數(shù)據(jù)，并通過整理從22個(gè)變量中選定預(yù)測破產(chǎn)最有用的5個(gè)變量，經(jīng)過綜合分析簡歷了一個(gè)判別函數(shù)：在這模型中他賦予5個(gè)基本財(cái)務(wù)指標(biāo)以不同權(quán)重，并加權(quán)產(chǎn)生“Z”值，即

Z＝0.012X1＋0.014X2＋0.033X4+0.999X5

式中：Z為判別函數(shù)值

X1＝（營業(yè)資金÷資產(chǎn)總額）×100

X2＝（留存收益÷資產(chǎn)總額）×100

X3＝（息稅前利潤÷資產(chǎn)總額）×100

X4＝（普通股優(yōu)先股市場價(jià)值總額÷負(fù)債賬面價(jià)值總額）×100

X5＝銷售收入÷資產(chǎn)總額

該模型將反映企業(yè)償債能力的指標(biāo)X1和X4、反映企業(yè)獲利能力的指標(biāo)X2和X3以及反映企業(yè)運(yùn)營能力的指標(biāo)X5有機(jī)聯(lián)系起來，通過綜合分值分析預(yù)測企業(yè)財(cái)務(wù)失敗或破產(chǎn)的可能性。按照這個(gè)模式，一般來說，Z值越低企業(yè)越有可能破產(chǎn)，通過計(jì)算某企業(yè)若干年的Z值就可以發(fā)現(xiàn)企業(yè)是否存在財(cái)務(wù)危機(jī)的征兆。阿爾曼根據(jù)實(shí)證分析提出了判斷企業(yè)財(cái)務(wù)狀況的幾個(gè)臨界值，即：當(dāng)Z值大于2.675時(shí)，則表明企業(yè)的財(cái)務(wù)狀況良好，發(fā)生破產(chǎn)的可能性??；當(dāng)Z值小于1.81時(shí)，則表明企業(yè)潛伏著破產(chǎn)危機(jī)；當(dāng)Z值介于1.81-2.675時(shí)被稱為“灰色地帶”，說明企業(yè)的財(cái)務(wù)狀況極為不穩(wěn)定。

上述模型主要使用于股票已經(jīng)上市交易的制造企業(yè)，為了能夠?qū)預(yù)警模型使用于私人企業(yè)和非制造企業(yè)，阿爾曼又對該模型進(jìn)行了修正，即

Z=0.065X1+0.0326X2+0.01X3+0.0672X4

式中：X1＝（運(yùn)營資金÷資產(chǎn)總額）×100

X2＝（留存收益÷資產(chǎn)總額）×100

X3＝（息稅前利潤÷資產(chǎn)總額）×100

X4＝（企業(yè)賬面價(jià)值÷負(fù)債賬面價(jià)值）×100

在這個(gè)預(yù)警模型中，當(dāng)目標(biāo)企業(yè)的Z值被測定為大于2.90時(shí)，說明企業(yè)的財(cái)務(wù)狀況良好；當(dāng)Z值小于1.23時(shí)，說明企業(yè)已經(jīng)出現(xiàn)財(cái)務(wù)失敗的征兆；當(dāng)Z值處于1.23-2.90時(shí)為“灰色地帶”，表明企業(yè)財(cái)務(wù)狀況極不穩(wěn)定。

阿爾曼設(shè)計(jì)的Z模型綜合考慮了企業(yè)的資產(chǎn)規(guī)模、變現(xiàn)能力、獲利能力、財(cái)務(wù)結(jié)構(gòu)、償債能力等方面的因素，該模型在西方預(yù)測公司破產(chǎn)的準(zhǔn)確率達(dá)70％-90％，在破產(chǎn)前一年準(zhǔn)確率高達(dá)95％。

2、F預(yù)警模型。

由于Z預(yù)警模型在建立時(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。為此，有學(xué)者擬對Z預(yù)警模型加以改造，并建立其財(cái)務(wù)危機(jī)預(yù)測的新模型——F預(yù)警模型。

F預(yù)警模型的主要特點(diǎn)是：（1）F預(yù)警模型加入現(xiàn)金流量這一預(yù)測自變量。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分?jǐn)?shù)模式的不足。（2）本模型考慮到了現(xiàn)代化公司財(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）本模型使用的樣本更加擴(kuò)大。其使用了CompustatPCPlus會(huì)計(jì)數(shù)據(jù)庫中1990年以來的4160家公司的數(shù)據(jù)進(jìn)行了檢查；而Z預(yù)警模型的樣本僅為66家（33家破產(chǎn)公司及33家非破產(chǎn)公司）。F預(yù)警模型對4160家公司進(jìn)行了驗(yàn)證。

F預(yù)警模型如下：

F=-0.1774+1.1091W1+0.1074W2+1.9271W3+0.0302W4+0.4961W5

F預(yù)警模型中的五個(gè)自變量的選擇是基于財(cái)務(wù)理論，其臨界點(diǎn)為0.0274，若某一特定的F值低于0.0274，則將被預(yù)測為破產(chǎn)公司；反之，若F值高于0.0274，則公司將被預(yù)測為繼續(xù)生存公司。