中外财务预警实证研究述评
[关键词]财务预警；实证研究；财务危机
财务预警实证研究是随着证券市场的发展而产生和不断深入的。国外证券市场经历了上百年的发展，财务预警实证研究在利益相关者对财务危机预测信息需求的推动下，不断创新和扩展，形成了成熟的理论；而我国证券市场的发展不过短短几十年，财务预警实证研究才刚刚起步。笔者在这里就中外财务预警实证研究的相关状况作一简略探讨。
一、国外财务预警实证研究的历史回顾
1、一元判定模型的研究
1932年Fitzpatrick以19家公司为样本，运用单个财务比率将样本划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／负债对财务危机的判别能力最高，自此开创了财务危机预警实证研究的先河。而后，1966年Beaver对1954～1964年间79家失败企业和对应的79家成功企业的30个财务比率进行了研究，在排除行业因素和公司资产规模因素的前提下，得出以下财务比率对财务危机的预测是有效的：现金流量 ／ 债务总额，净收益 ／ 资产总额，债务总额 ／ 资产总额。
2、多元线性判定模型的研究
为了弥补一元判定模型的缺陷，1968年Altman首先将多元线性判别法引入财务危机预警研究领域，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，以误判率最小的原则确定了5个变量作为判别变量，其多元线性判定模型为：Z＝1.2×1＋1.4×2＋3.3×3＋0.6×4＋1.0×5，判别变量分别为营运资本 ／ 总资产，留存收益 ／ 总资产，息税前收益 ／ 总资产，股票市值 ／ 债务的账面价值，销售收入 ／ 总资产。此后，有许多学者采用类似的方法进行研究，对模型加以改造，只是选取的变量指标或者指标系数不同而已。
3、多元逻辑回归模型
在1980年Ohlson第一个将逻辑回归方法引人财务危机预警领域，他选择了1970～1976年间破产的105家公司和2058家非破产公司组成的配对样本，分析了样本公司在破产概率区间上的分布以及两类错误和分割点之间的关系，发现公司规模、资本结构、业绩和当前的融资能力进行财务危机的预测准确率达到96.12％。逻辑回归分析方法使财务预警得到了重大改进，克服了传统判别分析中的许多问题，包括变量属于正态分布的假设以及破产和非破产企业具有同一协方差矩阵的假设。
4、多元概率化回归模型
1980年Ohlson采用概率化回归方法进行财务预警研究，他选择1970～1976年间破产的105家公司和2 058家非破产公司组成的配对样本，采用极大似然法，通过每个样本个体的破产与非破产的联合概率最大来构造模型，其研究思路与多元逻辑回归相似，不同之处是多元概率化假设样本服从标准正态分布，且寻求破产概率的方法不同，所以其缺陷类似于多元逻辑方法。
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的模拟构建模型，具有较好的模式识别能力和容错能力，能够处理资料遗漏和错误，可随时依据新数据资料进行自我学习训练，适用于今日复杂多变的企业运作环境，但其理论基础比较抽象，对人体大脑神经模拟的科学性和准确性有待进一步加强，因而使用性大大降低。
二、我国财务预警实证研究的现状及特点
1、我国财务预警实证研究主要借鉴国外的研究成果。
我国市场经济体制的建立和资本市场的发展历史相对较短，证券法规体系不健全以及破产机制不完善阻碍了实证研究的步伐，财务预警实证研究的起步较晚，在研究方法上主要借鉴国外的成果利用我国的数据构建类似的模型。如陈静于1999年利用一元判定分析方法以1998年底的27家ST公司与同行业同规模的非ST公司作为样本进行研究；张玲于2000年利用多元线形判定方法以深沪交易所120家上市公司作为样本进行研究；吴世农于2001年利用逻辑回归和多元概率化回归方法进行研究；杨保安于2002年利用人工神经网络模型方法进行研究。
