企业财务失败预测初探，本文主要内容关键词为：企业财务论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
由于市场经济的复杂多变、激烈竞争，世界上每年都有不少企业破产。研究表明，破产企业早在破产前的几年就已经显露出种种破产迹象。因此，如何利用会计数据通过一定的方法对企业财务失败进行预测，就成为会计领域中一项重要的研究课题。
一、企业破产和财务失败
企业破产是指：“当一个企业无力偿债或未能在法庭之外与债权人达成协议时，依据破产法而进行的一种诉讼程序。”破产诉讼是在企业或其它当事人向法院提出协助解决企业债务清偿问题的时候开始进行的。一旦企业触犯“破产法”，比如，未能根据债务契约履行清偿责任（如支付利息），债权人或信托人就有权起诉。
以美国为例，从1970年到1982年，美国破产企业平均每年在6619家到16794家，大约每10000家企业中就有24家到81家企业破产。破产，不仅仅是对企业所有者和经营者的灾难性打击，而且是对整个社会财富的一种巨大浪费。因此从国际上看，无论是政府，还是行业组织、或金融机构，都试图挽救企业，特别是大企业的财务失败。例如，美国国际部在1970年帮助洛克希德公司摆脱困境，使之免于失败；道格拉斯航空工业公司与麦道公司在60年代未合并，防止了道格拉斯公司的破产。
虽然引起企业破产的原因很多，但由于财务失败而导致企业破产是最重要的原因，财务失败（financial failure ）的定义和描述有多种多样，可以指变现拍卖、无力支付短期债务、无力支付债务利息、无力支付债券本金或无力支付优先股股息等，其根本的特征是指企业无力支付到期债务的经济事项。它主要包括两种极端的形式：一种是技术性失败，一种是破产。前者是指企业的资产总额大于负债总额，即“资大于债”，但其财务状况、资本结构不合理，导致企业不能清偿到期的债务，从而有可能发生破产；后者是指企业的资产总额小于负债总额，即“资不抵债”，导致企业不能清偿到期债务而发生破产。
企业财务失败的预测一般都利用会计数据。这些数据通常以比率的形式（如负债比率、流动比率、利息保障倍数）予以表示。会计数据能有助于财务失败预测的原因是，债务契约和贷款协议经常利用会计比率来限制管理人员的行动。比如，企业可能被要求将其流动比率保持在一定的限度上。违反有关会计比率的协定会使企业陷于违约的境地并可能因此导致破产。财务失败预测按照其所使用比率的数量可分为两种类型，即单变量分析法和多变量分析法。
二、单变量分析法
单变量分析法是指在预测中使用单个变量，即采用单个财务比率指标来预测财务失败。1968年美国《会计研究》杂志首先发表了Beaver的单变量预测报告。该报告指出，在1954年至1964年间，只要出现下述这些事件之一的企业就被认为财务失败：破产、债券合同违约、透支银行帐户、无法支付优先股股息。
研究报告将79个失败的企业与79个成功的企业进行逐对比较，每一个失败的企业都与一个从同行业中挑选的资产规模相当的成功的企业进行比较。研究结果表明下列的财务指标能够最好地预测财务失败，各指标预测能力的大小顺序如下：
1.现金流量与债务总额之比；
2.净利润与资产总额之比（资产收益率）；
3.债务总额与资产总额之比（债务比率）。
这份研究报告也对每个财务失败的企业计算失败前，每年的十三个财务报表项目的平均值，发现流动资产项目之间有如下重要关系：
1.财务失败的企业，在失败前现金越来越少，而应收帐款越来越多。
2.当把现金和应收帐款加在一起放在速动资产和流动资产之中用于计算有关比率时，失败的企业和成功的企业之间没有明显差别。但实际上，现金和应收帐款的变动所起的作用是相反的。
3.失败的企业在走向失败的过程中存货总是越来越少。
因此在预测财务失败时必须注意这三个流动资产帐户：现金、应收帐款和存货。在现金帐户余额和存货帐户余额很低，而应收帐款帐户余额很高的情况下，必须注意可能的财务失败问题。
单变量预测分析，通过比较至少三期的相关财务指标的变化，可从变化趋势预测企业财务是否失败。还有的研究表明，判断企业财务状况的指标如表1所示。
表一
财务指标公式 财务失败的特征
1.资本利用率 销售总额/资产总额×100%
大幅度下降
2.资本经常收益率 经常收益/资本平均总额×100% 大幅度下降或负数
3.销售经常收益率 经常收益/销售总额×100% 大幅度下降或负数
4.经常收益增长率 本期收益/前期收益×100%小于1,并逐年下降
5.销售利息率 利息总额/销售总额×100% 接近或超过6%
6.经营债务倍率
(应付帐款+应付票据)/ 接近或超过
月销售额一定的倍数
7.负债比率
负债总额/资产总额×100%
大幅度上升
8.权益/负债比率 权益/负债总额×100%
大幅度下降
9.长期适应比率
固定资产/(业主权益+固定
负债)×100%
降低到100%以下
10.流动比率 流动资产/流动负债×100% 降低到15%以下
三、多变量分析法
单变量分析法（univariate approach ）每次只运用一个比率进行财务失败预测。由于不同比率可能反映企业财务状况的不同侧面，因此，运用一组比率，而不是一个比率，定可获得更佳的预测效果。基于这个原因，目前国际上流行的是多变量分析法（multivariate approach ）。
（一）模型的建立
大多数多变量预测模型采用的是线性判定分析。为了便于理解这一分析技巧，假设五个会计比率（W[,1]，……W[,5]）用于预测财务失败。令Z＝1为非破产，Z＝0为破产。若选用一个估计样本来对估计样本中所有企业的Z与W[,1]……W[,5]进行回归分析（i＝1，……n），则
Z[,i]＝C[,0]+C[,1]W[,1]，i+C[,2]W[,2]，i+C[,3]W[,3]，i+C[,4]W[,4]，i+C[,5]W[,5]，i+V[,i] （1）
式中Cj（j＝1，……5）是一个参数。 估计参数可用以获得估计样本中每个企业的一个Z[,i]值：
Z[,i]＝C[,0]+C[,1]W[,1]，i+C[,2]W[,2]，i+C[,3]W[,3]，i+C[,4]W[,4]，i+C[,5]W[,5]，i （2）
最后，为Z选择一个可以使目标函数最少的区分值。通常， 其目的是为了尽可能减少错误分类的数量（即将破产企业误判为非破产企业的数量——第Ⅰ类错误和将非破产企业误判为破产企业的数量——第Ⅱ类错误）。
估算了公式（1）并计算了Z值的区分值之后，即可将所估计的公式（2）用于控制样本并据以计算Z值。那些Z 值高于区分值的企业将被测定为不会破产，而那些Z值低于区分值的企业则将被测定为会破产。 在实际运用多变量判别分析时，必须对会计比率（W[,i]进行验证， 只有那些能最有效地区分破产类企业与非破产企业的变量才可用于估计Z 的值。
1968年，美国会计学者奥特曼（Edward.Altman）将多元统计分析中的判别分析法（discriminant analysis ）运用到企业财务失败或破产的预测中，提出了著名的“Z＝Score ”模型。 Altman 在对1964 —1965年期间破产与非破产制造企业加以区分并配对抽样的基础上，选择了五种基本财务比率，并根据按序排列的判别函数，为每一种比率确定了其对财务失败的影响程度（即每种比率的系数），以此作为预测企业财务失败或破产的基本模型，即所谓的“Z——Score”模型。其基本表达式为：
Z＝0.12W[,1]+0.014W[,2]+0.033W[,3]+0.006W[,4]+0.99W[,5]
式中：Z——判别函数值。
W[,1]——营运资本对资产总额的比率， 反映企业资产的流动性和分布情况。
W[,2]——留存收益对资产总额的比率， 用来反映企业累积获利能力水平以及企业的成长阶段。
W[,3]——息、税前利润对资产总额的比率， 反映企业的盈利能力水平。
W[,4]——股票市价总额对负债帐面价值总额的比率， 反映企业的价值和其承担的债务之间的关系。
W[,5]——销售收入对资产总额的比率，即总资产周转率， 反映企业的资产使用效率。
在计算Z值时，百分比都用绝对数形式表示，例如W[,1]＝25%，就写25。
（二）模型的解析
在该模型中，Altman 提出了判断企业财务失败或破产的临界值（Z——Score），或称切割值（Cut off Score ）：如果企业的“Z ——Score”大于2.675，则表明企业的财务状况良好，发生财务失败的可能性较小；如果企业的“Z——Score”小于2.675， 则表明企业存在财务失败的危机。一般来说，企业的“Z——Score”越低，发生财务失败的可能性越大；反之亦同。利用这一模型和判别标准，Altman对66家公司（其中50%的公司已破产）进行分析测算，其准确程度达95%左右。
运用该模型，其资料来源主要是企业的财务报表。现举例说明，假设AA公司的资产负债表如表2所示：
表2 AA公司资产负债表（19××年12月31日）单位：千元
资产 负债及所有者权益
流动资产 流动负债
现金
5080 应付帐款 19442
有价证券
3600 应付票据 17000
应收帐款(净额)36640 应付税金 6400
存货 55060 其他流动负债 4204
流动资产合计 100380 一年内到期的长期负债 4000
固定资产流动负债合计 51046
固定资产原始价值 86200
长期负债
减:累计折旧
22800 应付债券 44000
固定资产净值 63400 长期负债合计 44000
固定资产总值 63400 负债合计 95046
股东权益
普通股(每股10元) 26000
股票溢价 20000
留存收益 22734
股东权益合计 68734
资产总计 163780
负债及所有者权益总计
163780
其他资料为：19 ××年销售收入为225520 千元， 息税前利润为23040千元，公司发行了在外的普通股股数为2600股， 每股市场价格为20元。
根据上述资料可计算AA公司的“Z——Score”值：
营运资本 流动资产－流动负债 100380－51046
W[,1]＝────＝─────────＝──────＝30.12%
资产总额 资产总额
163780
留存收益 22734
W[,2]＝────＝───＝13.88%
资产总额 163780
息税前利润 23040
W[,3]＝─────＝────＝14.07%
资产总额
163780
发行在外普通股股数×每股市价 2600×20
W[,4]＝──────────────＝────＝54.71%
按帐面价值计算的负债总额 95046
销售收入225520
W[,5]＝─────＝────＝1.38（次）
资产总额163780
Z＝0.012×30.12+0.014×13.88+0.033×14.07+0.006×54.71+0.999×1.38＝2.73
AA公司的“Z——Score”值为2.73，稍高于临界值“2.675”， 这表明该公司的财务状况不够理想。虽然可能近期不致于破产，但如不加以改善，则发生财务失败的可能性较大。
Altman模型在西方国家得到广泛地运用。然而仔细研究该模型，可以发现它还是有不足之处：W[,4]的算式中要求确定股票的市价， 如果公司的普通股和优先股没有确定的市价，其预测作用就会大大下降。
另外，Beaver与Altman的研究都只考虑了公司本来的财务比率对其遭遇财务失败的预测能力。Rose等人则主张若将宏观经济变量纳入个体的预测中，则模型预测能力应会增加。他们还发现九个与公司破产有关的经济指标：道琼斯工业指数、失业率、公司盈利率、AAA 信用等级公司债利率、自由储备、毛储蓄对GNP比率、企业投资变动、 企业平均每小时产出、耐久材料订单对GNP比率等。
四、与财务失败预测相关的会计研究课题
随着市场经济改革的不断深化，金融机构对工商企业信用评级制度的不断完善，一系列与财务失败预测相关的会计研究课题应运而生。当前主要有以下三个方面：
（一）金融机构对工商企业进行的信用评级与财务失败之间的联系。未来的会计研究可探讨信用评级中等级不良的公司是否容易出现财务失败，等级良好的公司是否不易出现财务失败；或者也可研究在不同等级的公司其股票报酬中是否也表现出不同的风险状态。表3给出1983 年美国“标准普尔公司”对制造业信用评级的一些财务比率。
表三
财务比率 信用等级 AAAAA ABBB
利息保障倍数
14.44 7.615.47 3.26
现金流量/长期负债
2.51 1.100.68 0.39
投资报酬率 0.290 0.249
0.1970.160
营运所得/销售额0.166 0.144
0.1240.096
长期负债/总资产0.116 0.196
0.2570.359
（二）建立以产业类别为主的失败预测模型
以往会计研究所建立的失败预测模型通常将来自不同产业的样本合并分析，然而许多产业的特点在合并分析中无法显现，甚至互相抵销，使统计分析无显著结果。未来研究重点应是如何以较小的样本较深入地分析找出重要产业面临的特殊风险及失败预测上的关键因素。
（三）充分利用表外信息建立模型
近年来会计研究发现财务报表使用者关注的不只是主要财务报表的数字或比率。留意企业公开财务报表的人士不难发现，如今表外信息的份量不断增长，其篇幅已超过了财务报表本身。因此未来会计研究的一个重要方向是如何把表外信息，甚至产业类别、宏观经济数据纳入预测模型中。
五、结束语
综上所述，在利用会计数据进行财务失败预测方面已取得了一些研究成果。财务失败的预测与企业信用评级分析有许多比率比较相似，因此人们通常将两者结合起来分析。但上述所有研究都存在着一个共同问题是独立变量的选择。迄今为止，还没有一个重要理论能够说明财务比率在破产前的预测能力。因此，变量的选择取决于研究者的直观判断以及资料的可获得性。建立这样的一种理论将是一项既艰巨又重要的拓展。
标签：预测模型论文; 破产程序论文; 企业破产论文; 资产总额论文; 财务预测论文; 企业财务论文; 企业资产论文; 债务论文;