基于财务失败和财务失真的双元财务预警理论探析
摘要：本文在对财务失败和财务失真的概念和相关理论进行梳理的基础上，提出财务失真和财务失败相结合的双元财务预警理论，对双元财务预警理论的必要性和可行性进行研究，并提出了如何构建双元财务预警模型。关键词：财务预警；财务失真预警；财务失败预警；双元财务预警
财务预警主要是利用一定的财务指标，通过设置并观察一些敏感性预警指标的变化对企业可能发生的财务危机进行猜测和报警。其目的是在危机到来前就预先觉察到，并提前告知治理者、投资者及其他相关利益主体，以便尽早采取措施，消除危机隐患。财务危机从传统意义上说主要指财务困境或者说是财务失败。对这两个方面的情况相结合来进行研究，即基于财务失真和失败的双元财务预警。
一、财务失败和财务失真
财务失败或财务困境是财务预警理论的主要研究对象，不同学者对此解释不一，主要都是根据研究对象的性质和研究目的来进行界定。我国学者大多以被sT企业为财务预警的研究对象。如，张玲(2000)、吴世农(2001)一般以上市公司被特别处理(ST)，特别是由于财务状况异常而被sT作为界定财务困境的标志。由于被sT的公司尽大部分是由于连续两年亏损或一年巨亏产生的，因此可以说我国学者是以公司严重亏损作为界定财务失败的标志。笔者以为，应从广义和狭义两个层次来理解财务失败的内涵。从狭义来看，指的是破产和无力偿债，从广义的角度来看，还应包括现金流量不足以偿还当前债务等情况。具体到量化研究的角度而言，考虑我国的国情，主要是以上市公司是否被sT作为财务是否失败的标志。
对于什么是财务失真这个题目，学术界一直没有一个同一的说法。应站在促进社会全面发展和进步这个态度上来看待这个题目，而不是单纯从某一阶层利益出发。上市公司信息表露失真应界定为：上市公司会计信息主要是提供能对相关信息使用者决策有用、能够促进证券市场优化资源配置的信息。凡对信息使用者决策无用、不利于优化资源配置或有相反作用的信息，如虚假的会计信息、隐瞒的会计信息、空而不实的和不及时的会计信息，均可界定为财务信息表露失真。
从财务失败和财务失真的定义可看出，二者均是财务信息使用者对财务报告所反映出的企业的财务题目的评价。所不同的是，财务失败主要是从财务情况的好坏这个角度来讲的，财务失真主要从财务的真实性方面而言的，而实际上，对财务信息的使用者而言，财务失败和财务失真都说明财务有题目，或者说是有警情，由于两者任何一个方面出了题目，投资者一般都以为是题目企业，不愿意冒险往投资的。从这个角度上讲，应该对基于财务失败和财务失真的财务警情进行预警理论研究，即双元财务预警理论的研究。双元财务预警主要是从上市公司表露的.财务报告所揭示的财务状况的好坏和财务报告本身是否真实这两个角度来考察财务预警题目，财务失真预警和财务失败预警是财务预警的两元，二者既相互联系，又相互区别，共同构成了财务信息使用者对财务报告所揭示的财务题目的考察内容。
二、财务失败和财务失真预警理论研究述评
传统的财务预警理论主要是关于财务失败(困境)理论的研究，从单变量模型到多变量模型再到神经网络模型，经历了一个逐步发展的过程，而财务失真理论则是近年来才逐步发展的理论，主要是鉴戒财务失败理论研究模型的研究成果。
(一)财务失败预警分析理论
财务失败预警分析主要有以下几种理论：一是单变量判定模型。Fitzpatrick(1932)最早发现，出现财务困境的公司其财务比率与正常公司的财务比率相比有明显不同，从而以为企业的财务比率能够反应企业财务状况，并对企业未来具有猜测作用。研究发现，判别能力最高的是净利润／股东权益和股东权益／负债。二是多元线性判定模型。美国学者Altman(1968)最早运用多变量分析方法探讨财务预警题目。其基本原理是，通过统计技术筛选出那些在两组间差别尽可能大而在两组内部的离散度最小的变量，从而将多个标志变量在最小信息损失下转换为分类变量，获得能有效进步猜测精度的多元线性判别方程。运用多元线性判别方法判定二元题目时，可以通过降维技术，仅以终极计算的z值来判定其回属。三是多元逻辑(Logit)模型。Ohlson(1980)是第一个采用Logit方法进行破产猜测的。多元逻辑模型的目标是寻求观察对象的条件概率，从而据此判定观察对象的财务状况和经营风险。Logit模型假设了企业破产的概率P(破产取1，非破产取0)，并假设Ln[p／(1一P)]可以用财务比率线性解释。假定Ln[p／(1一p)]=a bx，经推导可得出p=exp(a bx)／[1 exp(a bx)]，从而计算出企业破产的概率。Ohlson分析了样本公司在破产概率区间上的分布以及两类判别错误和分割点的关系。他发现至少有四类明显影响公司破产概率的变量：公司规模、资本结构、业绩和当前资产的变现能力。四是神经网络分析模型。Odomand Sharda(1990)开拓了用BP神经网络猜测财务困境的新方法，其1990年的研究是以Altman所构建的五个财务比率为研究变量，使用类神经网络与判别分析做验证比较，其结果发现练习样本的正确率高达100％，保存样本失败与正常的正确率分别为81.75％n与78.18％n，显示类神经网络具有较佳的猜测能力。