第一章 绪论
1.1 研究背景、目的与意义
1.1.1 研究背景
“预警”一词起源于军事领域，预警可以划分为经济预警与非经济预警（社会预警、军事预警等）。经济预警又可以划分为宏观经济预警与微观经济预警。宏观经济预警系统从产生到成熟经历了一个漫长的研究过程，而微观经济预警，无论在国际还是国内都是一个正在探索的课题。财务预警系统属于微观经济预警的范畴，具有重要的经济研究价值，但目前尚处于前沿性和创新性的研究阶段[1]。
1997年，亚洲爆发了自第二次世界大战以来最严重的金融危机。从宏观角度分析，这场金融危机主要表现为货币危机；从微观角度分析，这场危机产生的基础是企业过度负债，财务结构极不稳定，抗风险的现金支付能力极差，即企业的现金流量和现金支付能力的危机。严酷的现实警示我们，财务风险无时不在、无处不在，对企业财务的监测与预警，非常必要且十分迫切。同时，外部金融环境需要监测与预警，企业内部控制制度同样需要进行监控与预警。经济周期波动是一种客观存在的经济现象，怎样适应由于经济周期波动而引起的理财策略所呈现的周期特征呢？怎样进行财务管理的制度创新呢？这些都离不开对财务环境的监测，对财务风险的预警。因此，建立财务监测与预警系统，是财务管理制度创新的必然选择。
众所周知，净利润会受到经营者的控制，经营者可通过调整会计政策、控制研究费用来调节净利润的高低，这种盈利操作行为，被称为“会计戏法”。[2]“会计戏法”将导致财务信息失真，造成决策信息的混乱。而经营者操控盈利所钻的会计政策的空子，正是会计原则之一——权责发生制原则。为了克服权责发生制所带来的人为操控盈利的弊端，人们在现金收付制的基础上，发展出“现今流量基础”的概念。
财务预警系统的研究对象是现金及其流动，而不是盈利。这是因为，企业是否有警情、是否能维持下去，并不取决于盈利，而是取决于有没有足够的现金和与其经营规模相适应的现金支付能力。[3]财务预警系统应建立在对现金及其流动的监测和控制上，应该在现金流量基础上构建有效的财务预警模型。
1
1.1.2 研究目的
基于以上研究背景，本文在分析和借鉴相关研究的基础上，将现金流量指标体系引入财务预警模型，对传统财务预警模型进行拓展研究，分析基于现金流量的财务预警模型，以期为企业提供更为有效的财务预警模型。因此，本文的研究目的为：
（1）在对国内外经典文献回顾和总结的基础上，理论研究企业财务危机预警系统，对传统财务预警模型进行总结分析。
（2）对传统财务预警模型进行拓展性研究。目前，财务预警模型研究所使用的指标大多局限于净利润，考虑到净利润本身具有缺陷，故本文使用现金流量指标代替传统收益指标，以期对传统财务预警模型拓展研究有所裨益。
（3）通过对基于现金流量指标体系的财务预警模型的实证研究，以期为企业提供一个更为有效的财务预警模型，帮助企业完善财务预警内部体系，加强财务监控、财务管理，规避财务风险，减少损失。 1.1.3 研究意义
财务是一个企业生存发展的关键所在，财务风险管理是企业管理的一个延伸，通过提供可行的预警分析方法，在企业现有职能的基础上，增设对未来财务状况的监测、诊断、控制、矫正等预警职能，使企业的财务结构更完善、更合理，能够为企业的壮大发展保驾护航。财务危机预警旨在企业危机发生之前，作出提示，尽可能地避免财务危机给企业带来的严重的不可逆转的损失。因而，对一个企业而言，选择一种恰当的财务预警方法是降低其风险的有效途径。 1.理论意义
论文在传统财务预警系统研究的基础上，借鉴传统财务预警研究的先进方法与成功经验，从现金流量的视角来探索企业财务预警问题，构建企业现金流量财务预警模型和建立企业现金流量财务预警系统，为理论与实务者提供另一种研究思路与方法，同时也能更好地丰富和完善企业财务预警的理论和方法。 2.现实意义
企业陷入财务困境是一个逐步的过程，通常从财务正常渐渐发展到财务危机，最终导致财务困境或破产的。[4]因此，企业的财务困境不但具有先兆，而且是可预测的。正确地预测企业财务困境，对于保护投资者和债权人的利益、对于
2
经营者防范财务危机、对于政府管理部门监控上市公司质量和证券市场风险，都具有重要的现实意义。
（1）对于企业的管理层来说，财务危机预警模型能够起到警示的作用。[5]如果企业的管理层能够依据企业的历史财务数据资料正确地预测企业是否将陷入财务危机，将有利于企业的管理层提前采取措施，提高警惕，以有效地避免企业发生财务危机。
（2）对于投资者和其它财务信息使用者来说，首先，投资者可以在证券价格大跌之前就获得财务风险的警报，及时撤走资金或审慎投资，以避免更大的损失；其次，包括银行在内的债权人可以利用这种预测考察贷款风险，防止坏账发生，作出信贷决策；再次，供货单位和客户可以在财务预警信号的帮助下制定商业信用政策，加强对应收账款的管理。[6]
1.2 国内外研究现状
关于企业财务预警的研究在海外历史悠久，在国内则刚刚起步，总体而言，运用于财务危机预测的方法可分为统计类和非统计类两类。统计类的方法主要包括一元判别法、多元线性判别法、多元逻辑回归方法和多元概率比回归法等，非统计类方法主要有模拟类预测方法(如神经网络模型)、行为反映类分析法(如股价分析法)和案例分析法等。
1.2.1 国外关于企业财务预警的研究现状
1.统计类财务预警模型 （1）单变量财务预警模型
最早的财务危机预警研究就是Fitzpatrick(1932)[7]所做的单变量破产预测模型，他以19家公司为样本，运用单个财务比率将样本分为破产和非破产两组。研究结果发现，判别能力最高的是净利润/股东权益和股东权益/负债两个比率，而且在经营失败前三年这些比率就呈现出显著差异。
Beaver(1966)[8]对单变量判定模型进行系统的分析，他对1954-1964年期间的79家发生财务危机的公司和相同数量、同等资产规模的成功公司的30个财务比率进行了比较研究（即通过个别财务比率走势恶化来预测财务危机状况）。在排除行业因素和公司资产规模因素的前提下，Beaver[9]的研究表明：可以有效预测财务危机的比率有债务保障率、资产收益率、资产负债率和资产安全率。同时，
3
他的研究结果表明：债务保障比率（现金流量/债务总额）预测财务危机的效果最好，资产负债率次之，债务保障比率在失败前一年、两年、三年、四年、五年用于预测的准确率分别为87%、79%、77%、76%和78%，表明离失败日越近，预见性越强。
（2）多元线性判别模型
1968年，美国学者Altman[10]在《金融杂志》上发表《财务比率、判别分析和公司破产的预测》提出了多元判别模型，首次将多元线性判别方法引入到财务危机预测领域，奠定了多变量模型财务预警系统的理论基础。他研究了1946-1965年提出破产申请的33家公司和同样数量的非破产公司，选取五个主要的财务指标。Altman的多元判别模型为：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5，其中X1为营运资金/总资产、X2为留存收益/总资产、X3为息税前利润/总资产、X4为股票市价/总负债面值、X5为销售总额/总资产，通过多元判别模型产生了一个总判别分，称为Z值，并依据Z值进行判断。测算后，Altman评出了破产下限值为1.81，即如果Z小于1.81，则可以认为该公司破产的可能性很大；非破产上限值为2.99，即如果Z大于2.99，则可以认为该公司处于财务健康状态；若Z落在1.81到2.99之间，则认为该公司处于灰色区域，不能直接进行判定。
1977年，Altman,Haldeman和Narayanan[11]建立了第二代Z-score模型，其目的是创建一种能够明确反映公司破产问题的最新进展的度量指标。他们选取了1969-1975年间的53家破产企业和58家非破产企业。在分析变量方面，先选出了27个变量，最终筛选出7个变量构建模型，包括资产报酬率、盈利的稳定性、债务偿付能力、累积盈利能力、流动性、资本化程度、资产规模。研究结果表明：ZETA模型用于预测五年和一年的财务危机企业精度分别为70%和91%，而且对相同样本的比较分析表明，ZETA模型明显优于1968年Altman发明的Z模型。
（3）多元逻辑回归模型
Ohlson(1980)[12]第一次采用多元逻辑回归模型进行破产预测。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。他发现至少存在四类影响公司破产概率的变量：公司规模、资本结构、业绩和当前的融资能力。研究结果表明用这四类变量进行财务危机预测的准确率达到96.12%。
4
Bartczak和Norman(1985)[13]运用多元判别分析和逻辑回归分析两种方法对1971-1982年申请破产的60家公司和同时期的230家非破产公司进行研究，试图验证美国会计准则委员会提出的当期经营现金流量的详细信息披露是否有助于信息使用者更好地评估将来现金流的数额、时间以及不确定性。研究结果表明：由于财务比率是以应计制为基础，经营现金流的数据提供并不能增加预测能力。
Tirapat和Nittayagasetwat(1999)[14]运用多元逻辑回归模型研究了1997年泰国公司的破产情况，认为宏观经济条件可以在一定程度上反映潜在的公司财务危机，而且如果一家公司对通货膨胀的敏感度越高，其陷入财务危机的风险就越大。
（4）多元概率比回归模型
最先采用多元概率比回归模型进行财务预警研究的是Ohlson(1980)[12]，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，采用极大似然法，通过使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，并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判别阀值点之间的关系。
2.非统计类财务危机预警方法
近年来，许多研究人员尝试采用各种非统计方法将财务危机预测工作推向深入。例如：Wilkins(1997)[15]的研究发现对于技术上违约的企业而言，审计师的意见可以在一定程度上反映公司将来是否会陷入财务危机。Elloumi和Guyed(2001)[16]研究了1994年到1998年间92家加拿大公司，他们发现，除财务指标以外，企业董事会的构成与结构可以解释企业的财务危机。其他的非统计类方法主要有：
（1）递归划分算法
Frydman,Altman和Kao(1985)[17]用递归划分算法进行财务分析，并在公司财务危机的背景下与判别分析作了比较。发现递归划分算法在许多原始样本和对比样本上比判别分析更好。
（2）人工神经网络模型
Odom和Sharda(1990)[18]是最早把神经网络技术应用于财务危机预警研究中的。他们用人工神经网络预测了财务危机。他们以1975-1982年间的64家失败企业与64家正常企业配对，并将样本区分为训练样本与保留样本，以Altman
5