企业财务预警模型的比较分析

复杂和难以确定，其工作的随机性较强，非常耗费人力与时间，而且其在决策方法中表现得像一个黑匣子，以致对它的接受和应用都较困难。另外，这种模型要求拥有大量的学习训练样本以供分析，如果样本数量积累得不足、没有足够的代表性和广泛的覆盖面，则会大大地影响系统的分析和预测的结果。Ａｌｔｍａｎ（１９９５）在对神经网络法和判别分析法的比较研究中得出结论：“神经网络分析方法在风险识别和预测中的应用并没有实质性地优于线性判别模型”。而传统的统计模型发展得比较成熟，计算也相对简单，应用也较为广泛。并且某些统计方法，如：ｌｏｇｉｔ、ｐｒｏｂｉｔ模型对数据是否具备正态分布、两组协方差是否相等也没有要求，常用的判别分析中的距离判别方法也可以在两总体协方差矩阵不相等的情况下使用。因此，目前在财务预警模型方面仍然以传统的统计方法为主，而动态模型尚不够成熟，对它的应用仍处于探索、实验阶段。 （三）各种统计模型之间的比较
１．各种统计方法本身功能的比较。判别分析和主成分分析方法属于多元统计分析，其中，判别分析方法主要研究在已知研究对象分成若干类型并已取得各类样品观测数据的基础上，如何判别一个新样品的归类问题，即判别分析的宗旨就是判断新的案例的类别。主成分分析方法的主要功能是为了解决样本数据中指标个数太多以及指标间信息存在重复的问题，其作用有两个：一是降维，二是减少信息的重复，从而使分析简化。简单的线性概率模型和ｌｏｇｉｔ概率模型都属于回归分析方法，其目的是研究模型中各解释变量与被解释变量之间的特定的关系，尤其是数值关系。所以，若只从各种方法的主要功能来说，利用判别分析方法建立财务预警模型是最适当的，因为这种方法就是研究类别归属问题。
２．各种统计方法建立财务预警模型的比较。判别分析方法的核心就是根据距离的远近来判断样品的归属，通常形成一个线性判定函数式，据此判断待判企业的归属。一般要求数据服从正态分布和两组总体间协方差矩阵相等。主成分分析方法主要是对多维财务指标进行综合、降维，然后给各综合指标赋予一定的权值再进行综合分析，形成一个判分式，根据财务正常企业和财务失败企业各自得分情况形成判定区间，计算出待判企业的得分，据此加以判断。
利用主成分分析方法建立财务预警模型有一个明显的缺陷：即综合评分式权重的确定以及判定区间的确定都具有较大的主观性和不准确性，尤其是后者受样本数据分布的影响很大。简单线性概率模型就是以各财务指标作为解释变量，以财务状况作为被解释变量，将财务状况分为正常和失败，分别取０和１，利用样本资料建立回归方程，把待判企业财务指标数据代入方程，求得的值即为预测值，代表该企业发生财务失败的可能性。简单线性概率模型有四个缺陷：①残差不满足正态分布，而是二项分布；②具有异方差；③一般样本决定系数太小，回归方程拟合程度低；④难以保证回归值在［０，１］区间，因此，用此方法建立的财务预警模型，其预警判别能力不如其他方法。Ｌｏｇｉｔ和ｐｒｏｂｉｔ模型均是为了克服简单的线性概率模型的缺陷而建立起来的，一般采用最大似然估计方法进行估计，不需要满足正态分布和两组协方差矩阵相等的条件，得出的结果直接表示企业发生财务失败的可能性大小，操作简单，结果明了。此方法目前被广泛运用。
根据有关学者对多种统计模型判别准确率的比较研究，得知判别分析方法是２０世纪８０年代以前主要的建模方法，其预测的准确率一直较高，并且是到目前为止被运用的主要方法之一。Ａｌｔｍａｎ２０００年用判别分析方法建立的预警模型，其预测精度仍高达９６％。ｌｏｇｉｔ预测模型近年来也被广泛地运用，其预测精度也相对较高。我国学者吴世农、卢贤义建立的财务预警模型具有样本新、容量大的特点，他们在２００１年对经过严格检验的同一套样本指标分别用判别分析方法和ｌｏｇｉｔ方法进行财务预测，结果发现ｌｏｇｉｔ模型的预测精度（９３．６％）要明显优于判别分析方法的预测精度（８９．９％）。 

上一页  [1] [2]