如何预警公司可能面临的财务危机？

财务危机预警又称财务预警，是以财务会计信息为基础，通过设立并观察、判断一些敏感性预警指标的变化，对公司可能或者将要面临的财务危机所实施预测和预报的财务分析控制系统。

公司财务危机预警作为一种成本低廉的诊断工具，其灵敏度越高就越能尽早发现问题并告知公司经营者，就越能有效防范与解决问题，避免发生财务危机。

因此，一个有效的财务危机预警系统应具有以下功能：①预知财务危机的征兆；②预防财务危机发生或控制其进一步扩大；③避免类似的财务危机再次发生。

财务危机预警的系统模型主要有单变量模型和多变量模型两种。

(一)单变量模型

单变量模型是指使用单一的财务变量对公司财务危机风险进行预测的模型。主要是威廉姆·比弗(William Beaver，1966)提出的单变量预警模型。他通过对1954-1964年期间的79家失败公司和79家成功公司进行比较研究，对14种财务比率进行取舍，最终得出可以有效预测财务危机的比率依次为：

(1)债务保障率＝现金流量÷债务总额。

(2)资产负债率＝负债总额÷资产总额。

(3)资产收益率＝净收益÷资产总额。

比弗认为，债务保障率能够最好地判定公司的财务状况，用这一比率来判断的误判率最低；其次是资产负债率，离失败日越近，这一比率的误判率越低。但各比率判断财务危机的准确率在不同的情况下会有所差异，所以在实际应用中往往使用一组财务比率，而不是一个比率，这样才能取得良好的预测效果。

比弗解释研究结果的理由是：现金流量、净收益和债务状况不能改变，并且表现为公司长期的状况。由于失败对所有卷入的人来说代价高昂，因此决定一个公司是否要宣告破产或拖欠偿还债务，主要是长期因素，而不是短期因素。

比弗通过比较失败公司发生财务危机前各年13个财务报表项目平均值，最终得出如下结论：①失败公司有较少的现金而有较多的应收账款。②如果速动资产和流动资产同时包括现金和应收账款，失败公司和成功公司之间的差别就被掩盖住了，因为现金和应收账款具有完全不同的性质，它们从相反的方向起作用。③失败公司的存货一般较少。

这些结论表明，在预测公司财务危机时，应特别关注现金、应收账款、存货等流动资产项目。

(二)多变量模型

多变量模型是指使用多个变量组成的鉴别函数来预测公司财务危机的模型。美国经济学家爱德华·奥特曼(Edward I.Altman)于1968年发表了《财务比率、离差分析和公司破产》一文，将多元判别分析方法应用于公司财务预警分析。他选取了1946-1965年间的33家破产的公司和正常经营的公司，使用了22个财务比率来分析公司潜在的失败危机。对这22个财务比率，运用多元判别分析方法，最终确定了五个典型的财务比率，建立了一个模型作为公司财务预警的模型——Z-SCORE模型，即Z计分模型：(www.xing528.com)

Z＝1.2X 1＋1.4X 2＋3.3X 3＋0.6X 4＋0.999X 5

式中，X 1为营运资本÷总资产；X 2为留存收益÷总资产；X 3为息税前收益÷总资产；X 4为股票市价÷负债账面价值；X 5为销售收入÷总资产。

这一模型通过上述五个财务比率，将反映公司偿债能力的指标、获利能力指标和营运能力指标有机地联系在一起，可以综合分析、预测公司财务危机或破产的可能性。奥特曼依据这一模型，运用经验数据提出了判断公司破产的临界值为2.675。即是说，在Z＝2.675时，公司破产与不破产的概率各为50%；如果Z≥2.99，则公司破产的概率很低；如果Z≤1.81，则公司发生破产的可能性就较大了。Z值介于1.81～2.99之间，则属于未知区域，较难估计公司破产的可能性。因此，一般情况下，Z分数值越高，公司破产的概率越低；反之，Z分数值越低，公司破产的可能性就越大。因此，公司可以通过Z值的计算来判断自己处于何种状态，一旦发现处于警戒状态，就应当及时采取措施，调整经营战略和财务策略，以降低可能出现的破产概率。

在此基础上，奥特曼对Z计分模型进行了两次优化，使得多元判别分析技术具有较好的解释性和简明性，在财务预警领域获得了广泛的应用。但一方面由于其严格的前提条件(数据服从多元正态分布和协方差矩阵相等)，另一方面由于建立Z计分模型时没有充分考虑到现金流量变动等方面的情况，因而在实际运用中具有较大的局限性。针对这一局限性，周首华、杨济华、王平在《会计研究》上发表了题为《论财务危机的预警分析——F分数模式》一文，提出了F分数模式。F分数模式的主要特点如下。

(1)F分数模式加入了现金流量这一预测自变量。

(2)F分数模式考虑了现代公司财务状况的发展及其有关标准的更新。如财务比率标准的变化，特别是现金管理技术的运用，已使公司所应维持的必要的流动比率大为下降。

(3)F分数模式使用Compuetat PC Plus会计资料库中4160家公司的数据进行了检査，而Z计分模型的样本仅为66家(33家破产公司、33家非破产公司)。

F分数模式列式如下：

F＝-0.1774＋1.1091X 1＋0.1074X 2＋1.9271X 3＋0.0302X 4＋0.4961X 5

式中，X 1为期末营运资本/期末总资产；X 2为期末留存收益/期末总资产；X 3为(税后收益＋折旧)/平均总负债；X 4为期末股东权益市场价值/期末总负债；X 5为(税后收益＋利息＋折旧)/平均总资产。

与Z分数模式的计算公式比较，其五个变量中有X 1、X 4两个变量是相同的，其他三个变量不同。这些预测变量的选定大多基于Donalson的理论，他指出这些财务比率均能反映公司财务困难的征兆。其中反映资产的流动性，但它不是用流动比率来衡量，而是用净流动资产占总资产的比重来判断，可以衡量全部资产的流动性水平。X 2反映公司的全部资产中，来自留存收益的比重，因为留存收益的多少可以代表公司信用历史，所以将该指标应用到原始样本中可显示出极佳的解释能力。X 3为一个现金流量变量，它是衡量公司所产生的全部现金流量可用于偿还债务能力的重要指标。现金流量比率是被许多专家证实了的预测公司破产的有效变量。X 4反映公司财务结构。X 5反映总资产创造现金流量的能力，相对于Z计分模型，它可更准确地预测出公司是否存在财务危机。这五个变量的选定基于财务理论，而不像其他模式的变量系数取自于试误选定方法。因而F分数模式在理论上更具说服力。

F分数模式方程以0.0274为临界点：若某一特定公司的F分数低于0.0274，则被预测为破产公司；反之，若F分数高于0.0274，则公司将被预测为可以继续生存的公司。

除上述模型之外，多变量模型还有日本开发银行的多变量预测模型；中国台湾陈肇荣的多元预测模型。但这几种模型在实际中的应用并不广泛。到目前为止，Z计分模型仍然占据着主导地位。这些模型都属于静态的统计模型。动态财务预警模型主要是把人工智能中的归纳式学习的方法应用于财务危机预测。目前，这种方法中最常用的是神经网络预测模型。在神经网络模型中，当输入一些资料后，网络会以目前的权重计算出相对应的预测值以及误差，再将误差值反馈到网络中调整权重，经过不断地重复调整，从而使预测值渐渐地逼近真实值。这种方法能有效地解决非正态分布、非线性数据的预测评估问题，目前在财务预警领域得到了重视。