摘要：财务困境作为一个前沿的课题，已经得到了长足的发展。本文主要针对财务困境预测的理论依据、预测变量选择以及多分类问题分析探讨。根据对国内外文献梳理，提出后续展望。
关键词：财务困境；预测变量；多分类
中图分类号：F275 文献标识码：A 文章编号：1001-828X（2013）08-0-02
一、财务困境预测变量的探讨
1.理论依据问题
关于财务困境预测变量，主要从资产负债表、损益表、现金流量表、证券市场以及宏观经济环境中选择生成变量。对于变量的实证分析，研究者应该基于经济理论选择预测财务困境的预测变量，而且理论要揭示选择变量和财务困境之间的因果关系。
Ball 和 Foster（1982）指出，财务困境预测缺乏经济理论。一方面，实证研究将破产作为财务困境公司的操作标准缺乏理论支持；另一方面，在多变量模型中，独立变量的选择也缺乏理论的支撑。Dietrich（1984）在提及财务困境预测模型时认为，由于各种预测方法在前提假设和计算复杂度方面不同，在选择估计方法方面并未达成一致意见。陈工孟（2006）指出，经济理论的意义主要体现在以下几点：（1）理论模型可以为目前成功的实证模型提供更为严密且逻辑一致的解释；（2）理论可以为以后的实证研究寻找更新、更好的实证模型；（3）有理论基础的实证模型的最终发展，将会增加模型使用者的信心，并且可以使用在不同的数据样本中。
一般而言，研究经济系统的目的主要是对过去的经济现象进行预测和控制。但是当对经济系统的研究主要是出于预测的目的时，暂时没有理论支持是可行的。而且，如果研究的目标就是预测是否陷入财务困境，那么以最小化设定的损失函数选择预测能力高的方法是适宜的。现代经济研究中许多模型都是缺乏理论的，但是这些模型通常采用让数据自己说话的模式，在实际运用中的预测效果得到了进一步的提高。尽管财务困境预测的理论还很缺乏，但是学者们进行了关于预测变量选择方面有着丰硕的成绩。
2.财务困境变量的选择
（1）财务比率
因为缺乏理论的支持，研究者在选择预测变量时就必须选择其他指导方法。基于一般的经验，财务比率作为预测变量具有普遍性。虽然就识别因果关系而言，该方法在理论发展方面并不具有优势，但是这些变量的预测却取得了相当的成功。如Beaver（1966）选择现金流/总负债财务比率以及合适的分割点，成功的对训练集和验证集公司进行了分类。Hamer（1983）检验了分类的成功与否对变量选择表现出的敏感性。研究中使用了44个破产公司和非破产公司组成的样本，分别使用了Altman（1968），Deakin（1972），Blum（1974），Ohlson（1980）研究中所使用的财务比率变量集，并对四个变量集分类的准确性使用卡方检验进行比较。陈治鸿（2000）采用Logistic模型对我国证券市场开展研究，发现负债权益比、应收账款周转率、主营利润率/总资产和留存收益/总资产这几个指标测评财务危机效果显著。
（2）用于预测的其他变量
Rose，Andrews以及Giroux（1982）提出多变量模型中加入宏观经济变量可以提高预测能力。Kane，Rechardson和Graybeal（1998）研究发现，加入反映宏观经济衰退的变量到财务困境预测模型中后，模型的解释和预测能力显著加强。Hall（2002）以Altman（1993）研究中提出的四变量模型和无变量模型为基础，添加宏观变量和公司特有的微观变量，结果表明得到的新的Z分数与原来相比具有显著的差异性。
在变量的选择方面，数据可得性是主要的限制因素。在一个模型中太多的变量会造成共线性问题，选择大量的特征变量会造成数据收集的困难，过少的变量将会增加遗漏有用变量的可能性，降低了模型的适用性和准确性。因此，变量的选择主要基于最小化数据收集成本和最大化模型的可用性这两个原则。
3.财务困境预测变量数据的处理
（1）预测变量集的精简
财务困境理论的缺乏使得研究者不得不考虑许多的变量。然而，一个变量用了太多的变量后悔出现过度拟合的现象，即对训练集分类很成功，但对于测试集样本的分类就未必有较好的效果。而通常情况下假设训练样本集中预测变量与依赖变量之间的关系与测试集中的预测变量与依赖变量之间的关系式一致的。因此，预测变量的这种相互关联不仅存在与训练样本集中，也存在于预测样本集中。
最普遍使用的一个精简变量集的方法是逐步法。逐步发主要适用于判别分析模型和Logit模型。按照设定的标准，根据变量的贡献来选择变量。
另一个方法是因子分析法，将整个变量集进行分组，从每个因素中选择几个（一般1个到2个）主要变量来决定因子的表示含义。大量研究都表明，因子分析在具有较好的稳定性。
（2）变量的数学变换
改变预测变量的统计属性可以使其满足所选择的分类算法的需要。Kane和Rechardson（1998）认为会计数据并不满足许多统计方法的假定。减少或者减弱分类算法的假定推动了寻找统计数据变换方法。有三种方法常用来处理非线性和加强预测变量的统计属性：正态分布变换、剔除异常值、秩变换。
数学变换有多种，Deakin（1976）利用平方根变换和对数变换完成了有些案例的近似正态变换。Waston（1990）在BOX-COX变化基础上提出了修改的幂变换。
二、财务困境分类预测问题
1.二分类财务困境预测
最初，学者在财务管理领域对于财务状况分类研究局限于陷入财务困境与否的二分类判断模式。在西方财务困境研究的经典文献中，曾经出现过财务困境、财务危机、财务失败、公司失败、公司破产等多个概念。Fitzpatrick（1932）最早利用单变量做预测研究，样本直接划分为破产组与非破产组。Altman（1968）同样使用了公司破产，将公司提出破产申请的行为视为公司财务困境的标志，其后Deaklin（1972）、Gilbert（1990）等均沿用这一思路。Beaver（1966）使用企业失败一词，并明确将其定义为企业不能偿付到期债务。Carmichael（1972）、Scott（1981）等大量研究均遵循这条思路。Whitaker（1999）把第一年现金流量少于截止目前到期的长期负债定义为公司陷入财务困境。
国内在财务困境研究中，最初沿袭了国外以破产为划分财务困境的标志，如吴世农、黄世忠（1986） 介绍了企业破产的财务分析指标及其预测模型。周首华、杨济华、王平（1996）在Z计分模型的基础上进行改进，考虑了现金流量变动情况指标，通过更新指标和扩大样本数对Z计分模型进行了修正，建立了F分数模型。该模型以0.0274为分界点，预测企业在短期内的是否发生财务破产。由于我国早期上市公司破产制度的不完善性，以破产为客观事实依据的预警标准不具有实际价值和适用性，因此被后续学者摒弃。谷祺、刘淑莲（1999）将“企业无力支付到期债务或费用的一种经济现象”认定为企业困境的标准。李心合（2007）认为财务困境的发生可能与现金流量密切相关，资本流量与支付能力之间的配比状况决定了企业财务状况是健康还是困境。在实证研究中，由于国内证券市场制度环境的特殊性，陈静（1999）以被“特别处理”上市公司作为财务困境公司，也就是说以上市公司是否被ST作为确定公司陷入财务困境的标准。其后很多实证研究均是以ST为标准界定财务困境公司。崔学刚（2007）在研究企业增长与财务危机关系的时候，将上市公司首次发生亏损作为认定财务困境公司的标准。
财务状况被分为财务困境和非财务困境两类极端情况的研究方法只将目光集中在已经陷入财务困境的企业上，只着眼于辨识公司的是否陷入财务困境，仅关心财务正常公司沦为财务困境的可能性，而没有考虑到财务困境公司中既有微小的结构不当，只要调理得当假以时日即可挽救公司，又有病入膏肓、使劲浑身解数也无力回天的公司。
2.多分类财务困境预测
将样本进行两分类是将财务恶化过程归于简单化的方法，并不能抓住潜在的真实结构。公司困境具有一定的程度，这种程度每天、每时都在变化。财务文献都强调这样一个理念，许多事件都显示了财务困境的不同程度，公司在破产实际发生前要经历这些事件中的许多事件。公司财务困境的严重程度可以用财务困境的序数测度来度量，Grioux 和Wiggins（1984）介绍了破产前常见的事件，并且关注了特殊事件，而对破产前的财务比率并未过多关注。他们描述了一个经营失败过程的连续框架，这个过程包括连续亏损、停止红利支付、债务重构、贷款和利息支付违约，他们发现在债务重构发生前公司往往减少红利。为组织违约或违约发生后，债务重构都会发生。73%的债务重构涉及贷款条款谈判或现金支付展期或减少利率。他们也承认划分违约的顺序是一刀切的轻松任务。后续研究的学者们意识到了这点，便开始的多分类财务困境预测问题的探索。
Lau（1987）克服了公司失败预测模型的局限性，他采用5状态财务困境连续过程大致估计财务困境的不同阶段，而非采用简单讲财务困境状态分为破产和非破产。以严重程度排序，这些不同状态是：状态0，财务稳定；状态1，减少或取消红利支付；状态2，技术违约和贷款违约；状态3，（破产法十章和破产法十一章下）申请破产保护；状态4，破产或公司资产清算。
Ward（1994）发展四状态财务困境序数模型来检验现金流和应计比率的预测能力，其研究主要评价现金流在财务困境中的能力，以及用多状态序数模型预测财务困境的可能性。其财务困境模型的4状态是：（1）财务健康；（2）红利减少（取消）；（3）债务和解或贷款违约；（4）破产。以相关现金流和应计比率为预测变量，以概率分数秩和分类准确性用来度量模型的预测能力。其结果显示现金流和应计比率一起具有更好的预测不同财务阶段的能力。
近来Jones & Henser（2004）提出用混合logit模型（Mixed Logit Analysis，MLA）进行公司财务困境预测，并将其同多分logit模型（Multinomial Logit Model，MNL）进行比较。他们讲财务困境问题分成三个状态，即状态0：非财务失败公司；状态1：非流动公司；状态2：申请破产公司、他们建立了两个样本集，即估计样本和确认样本，其中估计样本用来估计模型，确认样本用来检验模型。他们的结论是混合logit模型预测精度要好于多分logit模型。Canbas等（2005）提出了一个集成早期预警系统（IEVS，Integrated early warning system），该系统将判别分析、logistic回归、probit和主成分分析用来帮助检查和侦测具有严重问题的银行。装成分提取了3个财务成分，可以显著解释银行财务状况的变动。再对这三个因子运用判别分析、logistic回归、probit方法，结合这三个结果就形成了集成早期预警系统。他们利用的数据位网络上可用的土耳其银行数据，结论为IEVS比其他模型更具有预测能力。
国内学者吕长江（2004）经过对财务困境和财务破产对比分析后认为：财务困境和财务破产都属于财务状况变化中的两个时点，财务困境是一个持续、动态的过程，其变化结果要么是继续恶化走向破产，要么是走出困境。吴德胜、梁和殷尹（2004）在用神经网络进行财务预警时，将上市公司的财务状态根据净资产收益率（ROE）分为四种，即非常安全（ROE>10%）、正常（5% 在财务困境预测分类的研究方面，由最初的粗糙性的二分类拓展到更加细致的多分类模型。在财务指标的选取方面也由单一化的比率和纯财务指标衍化到综合财务指标体系和非财务指标的方向。 三、小结与展望 关于财务困境预测问题，经过50多年国内外学者的不断探索，相关研究以及涉及到财务困境问题的方方面面。对于财务困境预测主要有四个关键性的决定因素：
（1）收集高质量的数据是形成一个好模型的前提条件，包括财务困境的界定，样本规模的大小，异常值的处理，与困境公司配对样本的选择（配对比例和选择范围）。
（2）变量的转换，转变预测变量的统计属性，使得它们更适合选择的分类计数，以及加强统计显著性。
（3）用于发展模型的好分类算法，许多财务困境预测研究都关注于检验不同分类计数的判别能力。
（4）对实证结果进行评价。其中，选择适合困境预测的变量和分类计数是目前众多文献关注的焦点。
虽然国内外学者在财务困境的研究方面得出了许多有意义的成果，但是仍然存在着许多不足的地方。财务困境研究需要大量的实证数据，如果数据的可得性和数据的真实性能够有进一步的提高，科学的定量结果将会促进定性研究。因此后续研究应该从定性和定量两个方面丰富财务困境学说的内涵。本文主要指出以下两个方面，以期后续研究可以深入探索。
首先，非财务预测变量方面。增加证券市场的数据对预测也许有用。大量的研究表明，发达证券市场的有效性已经逐步改善。逐渐有效的市场可以为财务困境预测提供越来越多的增量信息。应该鼓励研究者在预测财务困境时，多考虑资本市场信息，因为资本市场识别了财务报表和财务困境之间的非线性关系，可以挖掘出没有显性反映在财务报表中的信息。
其次，多分类财务困境的预测，虽然较之二分类的财务预测更加完整，更具有针对性，但在动态研究方面还不够充足。
参考文献：
[1]Beaver. Financial Ratios as Predictors of Failure in Empirical Research in Accounting [J].Supplement to the Journal of Accounting Research， 1967，1：200-221.
[2]Jones， S.， and Henser， D.A. . Predicting Financial Distress： A Mixed Logit Model [J].The Accounting Review，2004，79（04）：25-78.
[3]吴德胜，梁，殷尹.不同模型在财务预警实证中的比较研究[J].管理工程学报， 2004，18（02）：105-108.
[4]吴世农，卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究，2001（06）：46-55.
课题项目：2012 年浙江省大学生科技创新活动计划暨新苗人才计划，大学生科技创新项目《基于马尔科夫链的上市公司财务状态变动问题研究（2012R407010）》。
