英语原文共 3 页，剩余内容已隐藏，支付完成后下载完整资料
学术界在评估企业的时候似乎朝着消除比率分析作为分析技术的方向在发展。而理论家任意地降级,如公司比率比较,也正在被实践者广泛使用。既然相关的比率分析受到了许多受人尊敬的学术界成员的攻击,这是否意味着比率分析仅限于“螺栓和螺母”这样的关系呢?或者,这种方法的重要性一直被粉饰得毫不起眼,因此被不公平地看待呢?我们可不可以缩小传统比率“分析”和近年来深受学术界欢迎的更严格的统计技术间的差距，而不是切断这种联系呢？
本文的目的是尝试评估这个问题——比率分析作为分析技术的质量。公司破产的预测是用作说明例子。确切地说,当运用多重统计判别方法来预测企业破产时，一系列的金融和经济比率将会被应用到其中来。在这项研究中使用的数据仅限于制造业公司。
在第一部分，是对作为研究公司业绩的传统比率分析的发展历程进行简要回顾。第二部分，讨论这种方法的缺点以及介绍多变量判别分析法，重点围绕其在破产预测时与比率分析法的兼容性。第三部分建立判别模型,从六十六家公司进行最初的取样本来建立一个函数，这个函数能够很好的区分两种互斥的企业:破产和非破产公司。第四部分将选取最初的样本和几个二级样本进行实证,后者将被用来检查这个判别模型作为一种预测技术的可靠性。第五部分，提出这个模型的实际决策下的适用性及其在各种情况下潜在的好处。最后一部分总结了研究的结果和结论,并对传统的比率分析在分析模型中的作用和意义进行了评估。
I.传统比率分析
公司经营状况和财务困难的检测很大程度上取决于财务比率分析。在采取定量措施来评价公司业绩的方法发展之前,建立了一种由商家提供定性的信息来评估特定商家信用度的方法。正式对企业破产的征兆进行系统研究有证据显示是在20世纪30年代。当初和后来的一些研究都得出结论,发生破产与持续经营的企业相比，在比率测量上显示出显著的差异。此外,另一项研究是对经历了固定债务困难的大型资产规模企业的财务比率进行分析。最近的一项研究涉及财务比率在预测企业破产作用方面的分析。后者将破产企业和未破产企业的一系列比率进行匹配比对。观察在破产的前五年的数据，并以此来证明比率分析对预测破产是有效的。
上述研究明确的表明了财务比率对破产预测的潜在作用。一般来说,财务比率衡量的盈利能力、流动性和偿付能力是最重要的几个指标。但是重要性的顺序不明确，因为几乎每个研究都将不同的指标作为预警最有效的预示。
II.多变量判别分析法
之前的部分引用了一些关于公司在经历财务困境前的情况分析的研究。尽管这些研究对特定测量的性能和趋势进行了某些重要概括,但是结果对评估企业破产的适用性无论是理论上还是实际上都是有疑问的。因为在大多数情况下，实际上采取的是单变量的方法，而且重点是放在对企业重大问题的预警上。比率分析以这种形式呈现，容易受到错误解释的影响并且可能会产生矛盾。比如，一个公司的盈利能力差亦或是偿付能力差都将被视作是潜在破产的（迹象）。然而,因为它的流动性高于平均水平,情况可能不被视为严重。这种相关业绩评估中出现相互矛盾的情况在一些公司都出现过。单变量分析法固有缺陷的关键就在这。因此，可以对以上提到的研究进行一个适当的拓展:在之前的研究成果之上结合若干措施建立一个有预测意义的模型。这样做，比率分析将作为分析技术的重点被强调而不是轻视。当比率变成了检测破产可能性的最重要的指标，那么问题就变成了应该赋予这些被选择的比率多大的权重，以及这个权重如何客观地建立。
经过对该问题性质和论文目的的仔细考虑，多元判别分析（MDA）被视为最适合的统计技术。虽然应用没有像回归分析一样广泛，MDA自20世纪90年代首次被应用后，一直被各种学科所使用。在早些年MDA是主要用于生物科学和行为科学。最近这种方法已经成功应用到金融问题,如消费者信用评估和投资分类。比如，Walter利用MDA模型将高低市盈率分类、Smith应用这一技术将公司区分为是否属于标准投资类别。
MDA是一种把观察对象根据个体特征分类到不同已有组群的统计方法。它主要以定性的形式来分类和/或对因变量问题进行预测，如男性或女性，破产或非破产。因此，第一步是建立明确的分类组别。原始的组别可以是两个或以上。
当建立完分组以及收集好相关数据后，MDA会试图以这些组中最显著的差异特征来推倒线性组合关系。如果在分析中有一个特定对象，比如说一个公司的特征（财务比率）可以量化从而被所有公司应用，MDA会确定一组判别系数，当这些系数被应用于实际的比率，就出现了一个互斥的分类基础。MDA技术的优点在于考虑了一个公司和相关公司共有的特点，以及它们之间的相互作用。另一方面，对分组的分析进行单变量研究时，每次只能使用一种方法。
MDA的另一个优点是减少分析师的空间维数。比如，从很多不同自变量到G-I维度，G代表原始的组数，用于组别分类的测量一次一个。本文涉及两个分组，由破产公司和非破产公司组成。因此，分析转化为最简单的形式：一个维度。判别函数的形式Z=v1x1 v2x2 hellip; vnxn将个体变量值转化为一个单独的判别数或是Z值，然后用它来对对象进行分类。其中v是判别系数，x是独立变量。
MDA计算出判别系数Vj，独立变量xj则是实际值。其中j=1,2···n。
当使用一组综合的财务比率来评估企业破产的可能性时，有理由相信一些测量会出现高度的相关性或是彼此共线性。虽然这方面需要仔细选择预测变量（比率），它还是具有以相对较少的测量建立模型来传递大量信息的优势。这些信息可能很好地表明组间的差异，但是这些差异是否显著和有意义是分析中更重要的方面。可以肯定的是，破产企业和健康企业之间肯定存在差异，但是这些大小差异是有利于提高这个预测模型的准确度的吗？
也许MDA模型在处理分类问题上，主要优势是同时分析观察对象全部变量的可能性，而不是连续检测个体的特性。
正如线性整数规划改进了传统技术在资本预算上缺陷，MDA相较于传统的比率分析有可能用另一种形式来正确地呈现问题。具体来说，就是综合分析各种比率，来消除可能的矛盾和在早期传统研究中发现的错误分类。
鉴于以上的描述，MDA技术被选为最适合进行破产研究的技术，精心设计和解释的多重回归分析方法将被运用到这两组案例来。
III.模型的建立
样本选择。六十六家公司平均分为两组，破产组（1）是1946-1965年期间根据国家破产法案第十章提出破产申请的制造类企业。这些企业的平均资产规模为640万美元，具体分布在70万美元和2590万美元之间,由于行业和大小差异这一组不是完全均匀,所以非破产企业要尽可能仔细选择。第二组是通过分层随机选择的制造业公司组成的配对样本。这些公司根据行业和规模分成不同等级，并且这些公司的资产规模都控制在1000万和2500万美元之间。第二组中有17家公司在1966年依然存在。并且这些收集的数据和破产公司的数据都来自同一年份。对于初始样本检测，数据都取自破产前一个报告周期的财务报表。
一个重要的问题是决定取样公司的资产规模。根据第一组的资产规模范围，所以从样本中去除了小公司（总资产低于100万）和超大型公司。除此之外，对于资产规模大的企业，如今发生破产的几率是非常小的，然而却缺乏代表性的数据来对小公司的这种情况进行否定。对财务比率常常出现一个争议，从本质上来说，它会受到通货紧缩不同程度的影响，因此大量规模效应就会被消除。将第一组公司进行严格的规模限制是不可行的，显然在第二组公司选取上采用随机的方法也是不明智的。然而，后续对原始样本的测试不会把规模作为分层的手段。
在定义了原始组、选取好公司并且资产负债表、利润表的数据都采集完毕后，由于大量的变量在之前的研究中都发现对企业问题预警具有重大意义，22个可能有效的变量（比率）会被采纳作为评估的依据。这些变量被分成五类，分别是流动性、盈利性、杠杆、偿付能力和活动比率。这些比率被选择的依据是它们的1）在学术中的使用次数2）与研究的相关性，此外本文中还提出了一些新的比率。
在原始变量列表中，有五个变量综合起来考虑是对预测企业破产最有效的。为了最后能够对变量进行简要概括，主要采用了以下几种方法：(1)观察各种替代函数的统计学意义,包括确定每个独立变量的相对贡献;(2)评估相关变量之间的交互相关性 (3)观察预测精度的各种配置文件;(4)分析师判断。
最后得出的变量概况中没有包括最显著的变量，在22个原始变量中，独立地测量。传统的分析在之前就得出过结论：这未必会改进单变量。整个概况的贡献度是可以被评估的，因为这个过程是迭代的，不需要考虑判别函数的结果是否最优。然而，在包括大量计算机运行分析的不同比率项目表等方案中，函数是最有效的。最终的判别式如下：
(1)z = .012X1 .014X2 .033X3 .006X4 .999X5
其中
Xl = 流动资本/总资产
X2 = 留存收益/总资产
X3 = 息税前收益/总资产
X4 = 优先股和普通股市值/总负债
X5 = 销售额/总资产
Z = 总体指数
Xl -营运资本/总资产。这个比率,经常在企业问题的研究中被用到,是一个衡量公司的净流动资产相对于总资本化。营运资金是指流动资产和流动负债之间的区别。流动性和大小特征会被明确地考虑进来。通常,公司经历持续的运营亏损将会减少总资产中的流动资产。从计算的三个流动比率来看，这个是最有价值的。包含这个变量与Merwin的研究也是一致的，额定净营运资本与总资产比率作为最终废止的最佳指标。
X2-留存收益/总资产。这个对累计盈利能力的计算比率早些时候就被引用了。公司的年限已经被隐含考虑进了这个指标中。比如，一家年轻的公司可能会显示出较低的比率，由于它没有时间来积累利润。因此，可能在这个分析中年轻的公司稍微会受到一些歧视，而且在其他情况相同的时候，被认定为破产企业的可能性会比老的企业更高。但是，这也正是现实的情况，在公司成立初期有更高的失败的可能性。
X3 = 息税前利润/总资产。从本质上来说，它是从各种税和杠杆的角度来真正衡量公司资产生产力的一个指标。因为一个公司的最终存在是建立在资产盈利能力的基础上，这个比例似乎特别适合研究企业的 失败。此外,资不抵债破产发生在公司的总负债超过合理估价的资产价值，这取决于资产的盈利能力。
X4 = 权益市值/债务账面价值。权益一般是由所有股票的市场价值来进行衡量的，而负债包括了流动负债和长期负债。这个指标显示公司在资不抵债和公司破产前的资产可降值(以股票的市场价值加上债务)。例如,公司权益的市场价值为1000美元，债务为500美元，那么破产前可能可以经受三分之二的资产价值下降。然而,同样的公司如果只有250美元的股本，那么资产价值下降三分之一后将可能破产。这个比例增加了市场价值维度,这是其他指标所没有考虑到的。似乎比用常用比率-净资产/总债务(账面价值)更有效的预测企业破产。
X5 = 销售额/总资产。资金周转比率是一个来说明公司销售能力的标准的财务比率。它是衡量管理层在应对竞争环境时的能力。这最后的比率是相当重要的,具体如下, 在单独个体角度来说这是最重要的比率。事实上,基于统计学意义的测量,它就不会出现。然而,由于其独特的与其他变量的关系模型中,这一比率在整体预警模型的贡献度排名第二。
为了测试变量的个体识别能力,执行一个“F”测试。这个测试相关比率的平均值之间的差异在每组的可变性(或分散)的比率值在每个组。变量是一个破产期间前的财务报表和由此产生的“F”数据如表1所示。
|
变量 |
破产组平均值 |
非破产组平均值 |
F比率 |
|
X1 X2 X3 X4 X5 |
n=33 -6.1% -62.6% -31.8% 40.1% 150.0% |
n=33 41.4% 35.5% 15.3% 247.7% 190.0% |
32.60* 58.86* 26.56* 33.26* 2.84* |
Fl,60 (.001)=12.00
Fl,60 (.01 )=7.00
Fl,60 (.05 )=4.00
变量X1到X4在精确到0.001时都是很显著的，表明这些变量组之间差异显著。变量X5没有显示出不同组之间的重大差异，原因目前也不明确。在一个严格的单变量水平来看，对于非破产公司所有的值都会更高。同时，判别系数方程结果为正，这正是之前所希望的。所以，一个公司的破产风险越高，判别分数越低。确定每个变量对最终识别能力的相关贡献度以及它们之间的相互作用对确定最终的变量是一个很有效的办法。相关的数据是通过观察方差矩阵中的对角元素一一
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[154066]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
