摘要：隨著全球經(jīng)濟(jì)不斷地發(fā)展，企業(yè)與企業(yè)之間的競(jìng)爭(zhēng)變得越來(lái)越激烈，識(shí)別和評(píng)估企業(yè)面臨的風(fēng)險(xiǎn)對(duì)于企業(yè)的生存和發(fā)展變得尤為重要。目前，國(guó)內(nèi)外學(xué)者研究的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的模型基本集中于單一變量預(yù)警模型，多元判別分析預(yù)警模型，多元邏輯回歸分析預(yù)警模型，以及人工神經(jīng)網(wǎng)絡(luò)預(yù)警模型。本文主要梳理了財(cái)務(wù)風(fēng)險(xiǎn)以及財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的相關(guān)理論研究的發(fā)展現(xiàn)。
關(guān)鍵詞：風(fēng)險(xiǎn)管理；財(cái)務(wù)預(yù)警；綜述
一、現(xiàn)狀
將風(fēng)險(xiǎn)管理思想最先應(yīng)用于企業(yè)經(jīng)營(yíng)管理的是法國(guó)著名管理學(xué)家亨利?法約爾，但是還沒(méi)有形成系統(tǒng)的風(fēng)險(xiǎn)管理框架。而大多數(shù)學(xué)者認(rèn)為風(fēng)險(xiǎn)管理的思想是始源于發(fā)生了美國(guó)經(jīng)濟(jì)危機(jī)的二十世紀(jì)三十年代。當(dāng)時(shí)的美國(guó)金融危機(jī)導(dǎo)致了經(jīng)濟(jì)嚴(yán)重衰退，于是大量的學(xué)者開(kāi)始對(duì)財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行深入的研究，財(cái)務(wù)風(fēng)險(xiǎn)管理逐漸形成一門(mén)系統(tǒng)的學(xué)科。
（一）國(guó)外研究現(xiàn)狀
ArthurWilliams和MichaelL.Smith（1995）提出財(cái)務(wù)風(fēng)險(xiǎn)管理的五大要素，即：企業(yè)風(fēng)險(xiǎn)的確定、企業(yè)風(fēng)險(xiǎn)及不確定性的評(píng)價(jià)、企業(yè)風(fēng)險(xiǎn)管理控制、風(fēng)險(xiǎn)融資和企業(yè)風(fēng)險(xiǎn)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(fēng)險(xiǎn)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(fēng)險(xiǎn)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(jià)值不會(huì)受資本結(jié)構(gòu)的影響財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，因?yàn)樨?cái)務(wù)杠桿收益會(huì)與財(cái)務(wù)杠桿風(fēng)險(xiǎn)同步漲落。他們還驗(yàn)證了不同的資本結(jié)構(gòu)下公司成本會(huì)保持不變。WilliamC.A和HeineR.M認(rèn)為風(fēng)險(xiǎn)管理是一種方法，他們?cè)?964年提出財(cái)務(wù)風(fēng)險(xiǎn)管理是通過(guò)對(duì)風(fēng)險(xiǎn)管理的識(shí)別、衡量與控制，用最低的成本將風(fēng)險(xiǎn)導(dǎo)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(fēng)險(xiǎn)管理的目的是與企業(yè)經(jīng)營(yíng)的目的相同的，這兩者的目的都為生存、效益增長(zhǎng)、擺脫困境及履行其社會(huì)責(zé)任。
（二）國(guó)內(nèi)研究現(xiàn)狀
劉建海在2002年提出企業(yè)內(nèi)部應(yīng)當(dāng)建立一套科學(xué)嚴(yán)密的內(nèi)部決策機(jī)制以加強(qiáng)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)管理，這套機(jī)制主要包括風(fēng)險(xiǎn)約束機(jī)制、預(yù)防風(fēng)險(xiǎn)機(jī)制、風(fēng)險(xiǎn)分散制度及風(fēng)險(xiǎn)轉(zhuǎn)嫁機(jī)制等幾個(gè)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(cái)務(wù)風(fēng)險(xiǎn)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(fēng)險(xiǎn)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(qiáng)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(cái)務(wù)風(fēng)險(xiǎn)。申冬青（2014）提出企業(yè)并購(gòu)中的財(cái)務(wù)風(fēng)險(xiǎn)分析控制流程，并提出了在并購(gòu)中的財(cái)務(wù)風(fēng)險(xiǎn)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(cái)務(wù)風(fēng)險(xiǎn)控制體系。溫哲（2016）提出農(nóng)業(yè)上市公司降低企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)最有效的途徑是建立并有效實(shí)施適合本企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)控制體系。周磊（2016）基于財(cái)務(wù)管理內(nèi)部控制系統(tǒng)的角度，提出了適用于商貿(mào)類(lèi)中小企業(yè)的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)控制策略。
二、財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警文獻(xiàn)綜述
（一）國(guó)外研究現(xiàn)狀
（1）單一變量財(cái)務(wù)預(yù)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(duì)象，使用單個(gè)財(cái)務(wù)指標(biāo)數(shù)據(jù)分別對(duì)兩組樣本進(jìn)行預(yù)測(cè)。研究結(jié)果發(fā)現(xiàn)，發(fā)生財(cái)務(wù)困境的公司和財(cái)務(wù)健康的公司之間的財(cái)務(wù)指標(biāo)數(shù)據(jù)是顯著不同的。在這些財(cái)務(wù)指標(biāo)數(shù)據(jù)中，凈利潤(rùn)/股東權(quán)益與股東權(quán)益/負(fù)債這兩個(gè)財(cái)務(wù)指標(biāo)具有最高的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)能力。Beaver（1966）以相對(duì)應(yīng)的79組破產(chǎn)公司和非破產(chǎn)公司作為研究樣本對(duì)象，他使用十年間的數(shù)據(jù)，對(duì)30個(gè)指標(biāo)進(jìn)行了分析。研究結(jié)果表明，最能預(yù)測(cè)企業(yè)財(cái)務(wù)危機(jī)的四個(gè)指標(biāo)分別為債務(wù)現(xiàn)金保障率、資產(chǎn)收益率、資產(chǎn)安全率、資產(chǎn)負(fù)債率。（2）多元判別分析財(cái)務(wù)預(yù)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(lèi)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(duì)象，選取22個(gè)財(cái)務(wù)比率指標(biāo)為解釋變量建立判別函數(shù)。他在這22個(gè)財(cái)務(wù)比率指標(biāo)中選擇了五個(gè)指標(biāo)作為變量，并且根據(jù)這些變量對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的影響程度以確定其相應(yīng)的權(quán)重，建立了類(lèi)似回歸方程式的函數(shù)模型，即Z-Score評(píng)價(jià)模型。由于Z-Score評(píng)價(jià)模型是針對(duì)上市公司的研究，而且Altman教授選取的33對(duì)企業(yè)基本上是屬于美國(guó)的機(jī)械工業(yè)，即Z-Score評(píng)價(jià)模型還具有行業(yè)局限性。
因此，Alt?man教授針對(duì)Z-Score評(píng)價(jià)模型進(jìn)行了先后兩次修正，分別形成了針對(duì)非上市公司的Z’模型和針對(duì)跨行業(yè)的ZETA模型。（3）多元邏輯回歸分析財(cái)務(wù)預(yù)警模型。Martin（1977）是第一次將多元邏輯回歸模型應(yīng)用于財(cái)務(wù)困境研究領(lǐng)域的學(xué)者，他認(rèn)為商業(yè)貸款/總貸款額、壞賬/營(yíng)業(yè)凈利潤(rùn)、費(fèi)用/營(yíng)業(yè)收入、總資產(chǎn)凈利率、總資產(chǎn)/風(fēng)險(xiǎn)性這幾個(gè)財(cái)務(wù)指標(biāo)的預(yù)測(cè)能力是很強(qiáng)的。Martin將多元邏輯回歸模型和Altman教授提出的Z模型進(jìn)行了對(duì)比研究，他發(fā)現(xiàn)了多元邏輯回歸模型的破產(chǎn)預(yù)測(cè)能力比Z模型的預(yù)測(cè)能力要強(qiáng)。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(duì)象。研究發(fā)現(xiàn)，公司的資產(chǎn)規(guī)模、企業(yè)業(yè)績(jī)、資本結(jié)構(gòu)以及當(dāng)前的融資能力這四類(lèi)變量是對(duì)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(luò)財(cái)務(wù)預(yù)警模型。Odom、Sharda（1990）是最早將人工神經(jīng)網(wǎng)絡(luò)模型應(yīng)用到財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)中的學(xué)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(duì)象，使用公司破產(chǎn)前一年的Altman提出的五個(gè)財(cái)務(wù)比率指標(biāo)，構(gòu)建了人工神經(jīng)網(wǎng)絡(luò)模型。研究發(fā)現(xiàn)，其構(gòu)建的人工神經(jīng)網(wǎng)絡(luò)模型的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)準(zhǔn)確率比Altman提出的Z模型的預(yù)測(cè)準(zhǔn)確率要高。Tam和Kiang（1992）將人工神經(jīng)網(wǎng)絡(luò)模型應(yīng)用到銀行破產(chǎn)研究中。他們將財(cái)務(wù)變量的權(quán)重值應(yīng)用到神經(jīng)網(wǎng)絡(luò)模型的建造中，因此很大程度的提高了人工神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)準(zhǔn)確率。
（二）國(guó)內(nèi)研究現(xiàn)狀
吳世農(nóng)、盧賢義（2001）以70家處于財(cái)務(wù)困境的國(guó)內(nèi)上市公司和70家財(cái)務(wù)正常的國(guó)內(nèi)上市公司為研究對(duì)象，選取六個(gè)財(cái)務(wù)指標(biāo)，分別運(yùn)用多元線(xiàn)性回歸分析法、Fisher線(xiàn)性判定分析法和Logistic回歸分析法建立財(cái)務(wù)預(yù)警模型。研究結(jié)果表明，凈資產(chǎn)報(bào)酬率的判別成功率較高；這三種模型在財(cái)務(wù)困境發(fā)生前四年的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)誤判率均在28%以?xún)?nèi)，誤判率最低的為L(zhǎng)ogistic預(yù)測(cè)模型。周敏、王新宇（2002）提出了基于神經(jīng)網(wǎng)絡(luò)和系統(tǒng)模糊優(yōu)選的企業(yè)財(cái)務(wù)危機(jī)測(cè)定與預(yù)警模型，為實(shí)現(xiàn)企業(yè)財(cái)務(wù)危機(jī)動(dòng)態(tài)預(yù)警找到了新的途徑。呂長(zhǎng)江，周現(xiàn)（2005）選取146家中國(guó)制造業(yè)上市公司作為研究對(duì)象，對(duì)多元判別分析模型、邏輯線(xiàn)性回歸模型和人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行研究比較分析。研究結(jié)果發(fā)現(xiàn)邏輯線(xiàn)性回歸模型優(yōu)于多元判別分析模型，而預(yù)測(cè)準(zhǔn)確率最高的模型是人工神經(jīng)網(wǎng)絡(luò)模型。張根明、向曉驥（2006）等人以263家國(guó)內(nèi)制造業(yè)上市公司為學(xué)習(xí)樣本、以76家為檢驗(yàn)樣本，通過(guò)使用BP神經(jīng)網(wǎng)絡(luò)方法建立財(cái)務(wù)預(yù)警模型。研究結(jié)果發(fā)現(xiàn)，分行業(yè)的BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型相對(duì)于行業(yè)沒(méi)有進(jìn)行區(qū)分的通用預(yù)警模型來(lái)說(shuō)，其預(yù)測(cè)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(luò)建立了適合大型國(guó)際工程項(xiàng)目的財(cái)務(wù)風(fēng)險(xiǎn)控制評(píng)價(jià)指標(biāo)體系，還建立了應(yīng)用于大型國(guó)際工程項(xiàng)目基于前向型神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)風(fēng)險(xiǎn)計(jì)算模型。徐偉、陳丹萍（2016）提出了三個(gè)建立財(cái)務(wù)預(yù)警模型基本原則，并且提出了四個(gè)新的財(cái)務(wù)預(yù)警模型，分別為最近距離判別模型，理想距離判別模型財(cái)務(wù)風(fēng)險(xiǎn)預(yù)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(duì)象，從管理層和治理層兩方面構(gòu)建包含財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警體系，提高了財(cái)務(wù)預(yù)警模型的適用性。王玉冬，王迪和王珊珊（2018）以我國(guó)高新技術(shù)企業(yè)作為研究對(duì)象，進(jìn)行了采用果蠅優(yōu)化算BP神經(jīng)網(wǎng)絡(luò)模型和粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警準(zhǔn)確度的對(duì)比。研究表明果蠅算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的精確度相對(duì)更高，其預(yù)測(cè)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)是有效的。吳沖，劉佳明和郭志達(dá)（2018）以我國(guó)上市公司的財(cái)務(wù)數(shù)據(jù)作為研究數(shù)據(jù)，提出了基于改進(jìn)粒子群算法的模糊聚類(lèi)-概率神經(jīng)網(wǎng)絡(luò)企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型，該模型在企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)長(zhǎng)期預(yù)警具有一定的效果。
作者:鐘星源 唐嬋娟 單位:廣西財(cái)經(jīng)學(xué)院 廣西財(cái)經(jīng)學(xué)院圖書(shū)館
更多財(cái)稅咨詢(xún)、上市輔導(dǎo)、財(cái)務(wù)培訓(xùn)請(qǐng)關(guān)注理臣咨詢(xún)官網(wǎng) 素材來(lái)源：部分文字/圖片來(lái)自互聯(lián)網(wǎng)，無(wú)法核實(shí)真實(shí)出處。由理臣咨詢(xún)整理發(fā)布，如有侵權(quán)請(qǐng)聯(lián)系刪除處理。
400-835-0088
