第六章财危机预警.ppt

释放了新的信息，破产公司股票在破产公告日前后的两个月的时间区段内平均将经历26%的资本损失。Aharony，Jones和Swary（1980）提出了一个基于市场收益率方差的破产预测模型。他们发现在正式的破产公告日之前的四年内，破产公司的股票的市场收益率方差与一般公司存在差异。在接近破产公告日时，破产公司的股票的市场收益率方差变大。 3、计量方法的选择 （1）图表分析法（Profile Analysis） 剖面分析法是研究财务困境公司和非财务困境公司的某个（些）指标在财务困境前若干年是否存在明显差异的一种简单图表分析法。Beaver（1966；1968）的研究，Aharony、Jones和Swary（1980）的研究及Aziz、Emanuel和Lawson（1988）的研究均使用了这种简单的分析方法。 （2）单变量判定分析（Univariate Discriminant Analysis） 单变量判定分析是首先以某一关键变量的平均值为任意判定点，然后依序修正判定点并计算相应的误判率，最终确定使误判率达到最小的“最佳判定点”，以此判定财务困境。根据样本数据，若样本公司的变量值大于或小于最佳判定点，则判定为财务困境公司，反之则不然。应用单变量判定分析于财务困境预测的经典文献当属Beaver（1966；1968）的研究和杰·希姆在《财务总监》中应用相对流动性程度（DRL）和λ指数预测财务困境的研究。 （3）多元判定分析（Multivariate Discriminant Analysis） （a）线性概率模型（Linear Probability Model）：以财务困境公司标记为1和非财务困境公司标记为0作为因变量，选取能反映财务困境公司特征的部分独立变量作为自变量，以最小二乘法进行回归估计， 以求取财务困境公司陷入困境的可能性（概率）。Meyer和Pifer（1970）的研究中使用的就是该方法。 （b）Fisher 二类线性判定模型：Fisher线性判定分析（1936）用于区分两类不同总体的综合数量特征差异和判定某一总体所属关系不明的单位应归属总体一或总体二。例如，Altman Z模型（1968）和Altman Haldeman 与 Narayanan 三人创建的Zeta模型（1977）等。 （c）Logistic回归模型：使用Logistic回归分析，根据样本数据使用最大似然估计法估计出各参数值和财务困境公司陷入困境的概率。该方法在二十世纪70年代末以来，在财务困境预测的研究中使用较多。比较著名的有Martin（1977）的研究和Ohlson（1980）的研究。 （4）神经网络模型（Neural Network Tool） 近年来财务困境预测的研究方法又有新的进展。网络神经遗传方法已经开始被应用于构建和估计财务困境预测模型。Coates（1993）。 （三）企业财务困境的评价标准 1、财务困境的评价标准 （1）Carmichael（1972）标准：认为财务困境是企业履行义务时受阻，具体表现为四种形式： （a）流动性不足：流动负债大于流动资产，履行短期债务有困难； （b）权益不足：长期偿债能力不足，由于留存收益呈现赤字，或总 负债大于总资产，即负权益； （c）债务拖欠：不能偿还应付负债，或违背了贷款协议条款； （d）资金不足：公司受限于或者无法获得各种额外资金。  （2）Ross等人（1999；2000）标准：认为可从四个方面定义企业的财务困境： （a）企业失败：即企业清算后仍无力支付债权人的债务； （b）法定破产：即企业和债权人向法院申请企业破产； （c）技术破产：即企业无法按期履行债务合约付息还本或企业处于 经营性现金流量不足以抵偿现有到期债务； （d）会计破产：即企业的帐面净资产出现负数，资不抵债。 （3）Beaver（1966）的标准：所指79家“财务困境公司”包括：59家破产公司、16家拖欠优先股股利公司和 3 家拖欠债务的公司，由此可见，Beaver把破产、拖欠优先股股利、拖欠债务界定为财务困境。 （4）Altman（1968）的标准：定义的财务困境是“进入法定破产的企业”。 （5）Deakin（1972）的标准：认为财务困境公司“仅包括已经经历破产、无力偿债或为债权人利益而已进行清算的公司”。由此可见，财务困境的界定标准因研究目标的不同而不同。 （四）企业财务困境的判定/预测方法 1、单变量判定/预测方法 逐一比较财务困境企业和非财务困境企业的财务指标，判断财务困境企业和非财务困境企