摘  要：本文對(duì)常見的四種多變量財(cái)務(wù)預(yù)警模型的實(shí)證情況進(jìn)行比較分析，主要通過(guò)文獻(xiàn)研究法、對(duì)比分析法從樣本和數(shù)據(jù)、選取指標(biāo)以及預(yù)測(cè)精確度等方面來(lái)進(jìn)行比較。從理論上來(lái)說(shuō)，人工神經(jīng)網(wǎng)絡(luò)模型要優(yōu)于多元線性判別模型、主成分模型和回歸模型，但由于該模型的復(fù)雜性，在實(shí)務(wù)中并未能到廣泛的應(yīng)用。
關(guān)鍵詞：多變量財(cái)務(wù)預(yù)期模型  實(shí)證  比較分析
    一、引言
    隨著我國(guó)市場(chǎng)經(jīng)濟(jì)體制改革的不斷深化和資本市場(chǎng)的快速發(fā)展，現(xiàn)代企業(yè)由于外部市場(chǎng)競(jìng)爭(zhēng)的加劇和內(nèi)部經(jīng)營(yíng)管理的不善，不少公司也出現(xiàn)了財(cái)務(wù)危機(jī)。為了在激烈的市場(chǎng)競(jìng)爭(zhēng)中求生存謀發(fā)展，企業(yè)有必要對(duì)其自身的財(cái)務(wù)狀況進(jìn)行預(yù)警分析，以應(yīng)對(duì)各方面的風(fēng)險(xiǎn)，并防范財(cái)務(wù)危機(jī)的發(fā)生。
    到目前為止，企業(yè)財(cái)務(wù)預(yù)警的研究已經(jīng)積累了豐富的研究成果，即建立了多種財(cái)務(wù)預(yù)警模型對(duì)企業(yè)財(cái)務(wù)危機(jī)進(jìn)行預(yù)測(cè)，并且已做了大量的實(shí)證研究。財(cái)務(wù)預(yù)警模型有單變量財(cái)務(wù)預(yù)警模型和多變量財(cái)務(wù)預(yù)警模型，但由于單變量財(cái)務(wù)預(yù)警模型只對(duì)單個(gè)財(cái)務(wù)比率的趨勢(shì)分析，沒(méi)有哪一個(gè)比率能夠概括企業(yè)財(cái)務(wù)的全貌；另外，某些財(cái)務(wù)比率有可能被公司管理者進(jìn)行過(guò)粉飾，單一的依靠某一比率做出的預(yù)測(cè)不一定可靠。因此，多變量財(cái)務(wù)預(yù)警模型逐步取代單變量財(cái)務(wù)預(yù)警模型成為廣泛應(yīng)用的模型。雖然多種多變量財(cái)務(wù)預(yù)警模型為現(xiàn)代企業(yè)預(yù)測(cè)財(cái)務(wù)狀況提供了多種選擇，但由于每種模型有其各自的前提條件以及模型自身的特點(diǎn)，這使得從眾多模型中挑選出一種最具代表性的模型的可能性大大降低了?；诖?，本文就國(guó)內(nèi)外學(xué)者對(duì)各種多變量財(cái)務(wù)預(yù)警模型的實(shí)證研究情況進(jìn)行總結(jié)和比較。通過(guò)對(duì)多種多變量財(cái)務(wù)預(yù)警模型的實(shí)證情況進(jìn)行比較，一方面可以充分展示我國(guó)財(cái)務(wù)預(yù)警實(shí)證研究的發(fā)展?fàn)顩r；另一方面對(duì)我國(guó)財(cái)務(wù)預(yù)警實(shí)證研究存在的問(wèn)題進(jìn)行總結(jié)，就財(cái)務(wù)預(yù)警實(shí)證研究的未來(lái)發(fā)展方向提出建議。此外，也為多變量財(cái)務(wù)預(yù)警模型的相關(guān)使用者選擇一種適合自己的預(yù)警模型提供了依據(jù)。
    二、多變量財(cái)務(wù)預(yù)警模型的基本原理
    國(guó)內(nèi)外常用的多變量財(cái)務(wù)預(yù)警模型主要有以下四類：
    2.1多元線性判定模型
    多元判定模型中最著名的模型是美國(guó) Altman（1968）的Z分?jǐn)?shù)模型：Z=0.12XI+0.14X2+0.033X3+0.006X4+0.001X5，其中x1、x2、x3、x4、x5是五個(gè)財(cái)務(wù)指標(biāo)。根據(jù)判別方程可以把單個(gè)企業(yè)的各種財(cái)務(wù)比率轉(zhuǎn)換成單一的判別標(biāo)準(zhǔn)，或稱為Z值，根據(jù)Z值將企業(yè)分為“破產(chǎn)”或“非破產(chǎn)”兩類。國(guó)內(nèi)學(xué)者周首華等（1996）以Altman的Z分?jǐn)?shù)模型為基礎(chǔ)構(gòu)建了F分?jǐn)?shù)模型，該模型加入了現(xiàn)金流量預(yù)測(cè)指標(biāo)體系。
    2.2主成分模型
    該模型是國(guó)內(nèi)學(xué)者張愛(ài)民等（2000）借鑒Altman的多元z值判定模型，運(yùn)用統(tǒng)計(jì)學(xué)的主成分分析方法建立的。其主要思想是：通過(guò)對(duì)原始的財(cái)務(wù)指標(biāo)相關(guān)矩陣內(nèi)部結(jié)構(gòu)關(guān)系的研究，找出影響上市公司的財(cái)務(wù)狀況的幾個(gè)綜合指標(biāo)，即主成分，使綜合指標(biāo)為原始指標(biāo)的線性組合，綜合指標(biāo)不僅保留了原始指標(biāo)的主要信息，彼此又完全不相關(guān)，同時(shí)比原始指標(biāo)具有某些更優(yōu)越的性質(zhì)。該模型的差別方程式為：PS=V1Z1+V2Z2+V3Z3+V4Z4+V5Z5，其中，V1、V2、V3、V4、V5是系數(shù)，Z1、Z2、Z3、Z4、Z5是綜合指標(biāo)。
    2.3多元回歸模型
    多元回歸模型包括Logistic回歸模型和Probit回歸模型。Martin（1977）在財(cái)務(wù)危機(jī)預(yù)警研究中首次采用了多元邏輯回歸模型。該模型假設(shè)企業(yè)破產(chǎn)的概率為P（破產(chǎn)取1，非破產(chǎn)取0），并假設(shè)Ln[ P/(1-P)]可以用財(cái)務(wù)比率線性解釋。假定Ln[P/(1-P)]=a+bx，推導(dǎo)得出P=exp( a+bx)/[ 1+exp(a+bx)]，從而計(jì)算出企業(yè)破產(chǎn)的概率。判別規(guī)則是: 如果 P>0.5，則判定企業(yè)為即將破產(chǎn)類型；如果P<0.5，則判定企業(yè)財(cái)務(wù)正常。Probit模型和Logistic模型相似。
    2.4人工神經(jīng)網(wǎng)絡(luò)模型（ANN）
    1990年Odom和Sharda第一次運(yùn)用神經(jīng)網(wǎng)絡(luò)進(jìn)行財(cái)務(wù)困境預(yù)測(cè)問(wèn)題的探索。該模型由輸入層、輸出層和隱藏層組成，通過(guò)網(wǎng)絡(luò)的學(xué)習(xí)和數(shù)據(jù)的修正得出期望輸出，然后根據(jù)學(xué)習(xí)得出的判別規(guī)則來(lái)分類。
    三、多變量財(cái)務(wù)預(yù)警模型的應(yīng)用
    目前傳統(tǒng)的統(tǒng)計(jì)模型發(fā)展得比較成熟，計(jì)算也相對(duì)簡(jiǎn)單，應(yīng)用也較為廣泛。Z分?jǐn)?shù)模型主要用于信用政策、信貸評(píng)審、貸款定價(jià)以及證券化等方面。主成分模型也相對(duì)簡(jiǎn)單可行，可以在實(shí)踐中廣泛運(yùn)用，但該模型有一個(gè)明顯的缺陷，即綜合評(píng)分式權(quán)重的確定以及判定區(qū)間的確定都具有較大的主觀性和不準(zhǔn)確性，尤其是后者受樣本數(shù)據(jù)分布的影響很大，從而會(huì)影響預(yù)測(cè)的準(zhǔn)確度。Logistic模型與Probit模型的最大優(yōu)點(diǎn)就是不需要嚴(yán)格的假設(shè)條件，克服了線性方程受統(tǒng)計(jì)假設(shè)約束的局限性，因而具有更廣泛的適用范圍。而對(duì)于人工神經(jīng)網(wǎng)絡(luò)模型，從理論上來(lái)講，該模型應(yīng)具有廣泛的應(yīng)用前景和應(yīng)用價(jià)值，但在實(shí)際運(yùn)用中卻存在這樣一些問(wèn)題，如模型結(jié)構(gòu)定義的復(fù)雜性、計(jì)算量過(guò)于巨大，而且其在決策方法中表現(xiàn)得像一個(gè)黑匣子，以致對(duì)它的接受和應(yīng)用都較困難。另外，這種模型要求擁有大量的學(xué)習(xí)訓(xùn)練樣本以供分析，如果樣本數(shù)量積累得不足、沒(méi)有足夠的代表性和廣泛的覆蓋面，則會(huì)大大地影響系統(tǒng)的分析和預(yù)測(cè)結(jié)果。
    四、多變量財(cái)務(wù)預(yù)警模型實(shí)證比較分析
    4.1前提條件比較分析
    在研究財(cái)務(wù)預(yù)警模型的過(guò)程中首先應(yīng)該考慮各種模型適用的前提條件。多元判定模型和主成分模型通常形成一個(gè)線性判定函數(shù)式，據(jù)此判斷待判企業(yè)的歸屬，一般要求數(shù)據(jù)服從正態(tài)分布和兩組樣本間協(xié)方差矩陣相等。Logistic模型和Probit模型均是為了克服簡(jiǎn)單線性概率模型的缺陷而建立起來(lái)的，一般采用最大似然估計(jì)方法進(jìn)行估計(jì)，不需要滿足正態(tài)分布和兩組樣本協(xié)方差矩陣相等的條件，得出的結(jié)論直接表示企業(yè)發(fā)生財(cái)務(wù)失敗的可能性的大小。人工神經(jīng)網(wǎng)絡(luò)模型則對(duì)財(cái)務(wù)指標(biāo)的分布沒(méi)有特別的要求特別適合于變量服從未知分布，且自變量組間協(xié)方差矩陣不相等的情況。
    4.2樣本和數(shù)據(jù)選取的比較分析
    財(cái)務(wù)危機(jī)預(yù)警的國(guó)內(nèi)外研究者由于國(guó)情不同、研究目的不同，對(duì)財(cái)務(wù)危機(jī)含義的界定有所區(qū)別：國(guó)外學(xué)者大都以提出破產(chǎn)申請(qǐng)的企業(yè)作為研究對(duì)象；而國(guó)內(nèi)學(xué)者則以滬、深兩市因“財(cái)務(wù)狀況異常”而被ST的上市公司作為研究對(duì)象。