国外财务预警实证研究的历史回顾

随着证券市场的发展，财务预警实证研究不断产生和深化。国外证券市场经历了数百年的发展。在利益相关者对金融危机预测信息需求的推动下，金融预警实证研究不断创新和扩大，形成了成熟的理论；然而，中国证券市场的发展才几十年，金融预警实证研究才刚刚开始。本文简要讨论了中外金融预警实证研究的相关情况。

 

国外财务预警实证研究的历史回顾

 

1、研究一元判断模型

 

1932年，Fitzpatrick以19家公司为样本，利用单一财务比例将样本分为破产和非破产两组进行研究，发现净利率／股东权益和股东权益／债务判断金融危机的能力最高，开创了金融危机预警实证研究的先例。随后，1966年，Beaver对1954进行了评估～1964年，研究了79家失败企业和相应79家成功企业的30个财务比例。在排除行业因素和公司资产规模因素的前提下，得出以下财务比例对财务危机的预测是有效的：现金流／债务总额、净收益／资产总额、债务总额／资产总额。

 

2、研究多线性判断模型

 

为了弥补一元判断模型的缺陷，Altman于1968年首次将多元线性判断方法引入金融危机预警研究领域。根据行业和资产规模，他选择了33家破产公司和33家非破产公司作为研究样本，确定了5个误判率最低的变量作为判断变量，其多元线性判断模型如下：Z＝1.2×1＋1.4×2＋3.3×3＋0.6×4＋1.0×5、判断变量分别为营运资本／总资产，留存收益／总资产、息税前收入／总资产、股票市值／债务的账面价值、销售收入／总资产。此后，许多学者采用类似的方法进行研究和改造模型，但选择的变量指标或指标系数不同。

 

3、多逻辑回归模型

 

1980年，Ohlson首次将逻辑回归方法引人金融危机预警领域，他选择了1970年～1976年，由105家破产公司和2058家非破产公司组成的配对样本分析了破产概率范围内样本公司的分布以及两种错误和分割点之间的关系，发现公司规模、资本结构、业绩和当前金融危机预测准确率达到96.12％。逻辑回归分析方法大大提高了财务预警，克服了传统判断分析中的许多问题，包括正态分布的变量假设，以及破产企业和非破产企业具有相同协方差矩阵的假设。

 

4、多元化概率回归模型

 

1980年，Ohlson采用概率化回归法进行财务预警研究，他选择了1970年～1976年破产的105家公司和2家公司由058家非破产公司组成的配对样本采用了非常相似的方法，通过每个样本个体的最大破产和非破产概率来构建模型。其研究思路与多种逻辑的回归相似。不同之处在于，多种概率假设样本服从标准正态分布，寻求破产概率的方法不同，因此其缺陷类似于多种逻辑方法。

 

5、人工神经网络模型

 

1991年，Tam采用人工神经网络模型进行财务预警研究。通过输入层、隐藏层和输出层的人工神经网络模拟构建模型，具有良好的模型识别能力和容错能力，能够处理数据遗漏和错误。它可以随时根据新数据进行自学训练，适用于当今复杂多变的企业经营环境，但其理论基础抽象，需要进一步加强人脑神经模拟的科学性和准确性。