Beaver(1966)

Beaver(1966): 财务比率与失败预警 Beaver(1966）以单变量分析法建立预警模型，是最早的将财务比率的预测有用性引入实证领域的文章。 一、研究选题 在上世纪初，比率分析被引入研究之中。比率分析首先起源于单一的流动比率分析，并且出于单一目的——信贷价值评估。到了1966年，比率分析已经包括了面向不同使用者的各种各样的比率——使用者包括贷款者、信用评级机构、投资者和管理层。然而尽管比率到处存在，但是很少有针对其有用性的实证检验。 Beaver(1966)将比率分析有用性的检验与失败预测联系起来。并且将失败定义为一家企业在债务到期时不能偿还的情况。通常而言，当出现以下任何一种情形时，企业就面临着失败的情形：破产、债券违约、银行账户透支、未支付优先股红利。 二、研究内容和方法 1、样本选择 Beaver在选择企业时使用了包含所有工业上市公司财务报告数据的穆迪工业手册。总体中剔除了非营利企业、私营企业、和非工业企业（例如公用事业企业、运输企业、金融机构）。与非营利企业和私营企业相比，穆迪所采纳的企业通常资产规模较大。严格地讲，Beaver的推论只能对上述总体中的企业适用，但该总体已占所有工业企业总投资资本的90%以上。 最终选择的失败企业的样本包含在穆迪工业手册覆盖期间（1954年至1964年）可以获得企业失败前一年财务报告数据的79家企业。Beaver将这79家失败企业根据行业和资产规模来进行分类，以此作为选择与失败企业配对的非失败企业的前提。79家失败企业涉及38个不同的标准行业（SIC），根据失败前一年的财务报告数据显示的资产规模范围为60万-4500万美元。具体的非失败企业选择过程基于配对样本的设计（paired-sample design），为失败企业样本中每一个企业选择一个相同行业、具有同样规模的非失败企业。 2、财务报表数据的搜集 失败企业的财务报告数据是从穆迪工业手册中失败前五年内的数据内取得的。失败前一年的数据是指距离该公司失败之日最近的一份财务报告。另外，财务报告日期与企业失败日期之间的间隔不应该超过6个月。失败前的第二年是指失败前一年再往前一年。第三、第四年的定义与之相类似。对于非失败企业的财务报表的获取，采取与他们配对失败企业相同的财务年度。 3、比率计算 对于每一组财务报表，都需要计算30个具体财务比率。在对财务报表各项进行组合和计算30个比率的过程中，存在着三个标准。第一个标准就是普遍性，主要指比率在文献中出现的频率。第二个标准是在既有的文献中，该比率一直较为良好地运用。第三个标准是比率指标需要按照现金流量的形式进行定义，现金流量比率保证了比率分析在一个统一的框架中进行。 为了尽量减少分析中所用比率的共同因素，为检验提供更多的额外信息，Beaver将30个比率指标划分为6个共同要素的组别，每个组只有一个比率被选作为分析的重点。在选择6个财务比率时，五年内各组中二分类检验时具有最低预测错误比例的指标被选中，如果两个指标的预测准确性一样，则考虑既有文献中指标的出现频率以及预测表现。 最终被选择的六个比率指标是：现金流量/总负债比率、总资产净利率、资产负债率、营运资本/总资产比率、流动比率和无信贷间隔天数。 4、数据分析 Beaver将数据分析划分为以下三个部分：（1）均值比较；（2）二分类检验；（3）似然比率分析。 （1）均值比较 均值比较也被称作为剖面分析（profile analysis）。比率分析的理论比较简单，可以用现金流量模型框架（也就是流动资产流量）来进行解释。 企业被视作为流动资产的持有者，而流动资产是由流入提供，流出而减少。留存的流动资产是作为流入和流出变动的缓冲。因此，企业的偿债能力可以从企业留存的流动资产被耗尽的可能性角度来定义，企业流动资产耗尽则不能够偿还其到期债务（即失败）。基于上述概念，引申出以下四个观点： （ⅰ）留存流动资产量越大，经营失败的可能性越小 （ⅱ）来自经营性净流动资产流量越大（也就是现金流量），经营失败的可能性越小 （ⅲ）债务负担越大，经营失败的可能性越大 （ⅳ）经营性基金支出越大，经营失败的可能性越大 根据六个财务比率的均值，以上四个观点可用于预测。具体的预测见Table 2。

a Nonfailed>failed表明预测非失败企业的均值将大于失败企业的均值。 b 负债被定义为流动负债、长期负债以及优先股。 均值分析的差异检验结果如Figur 1所示： 财务比率均值的差异在失败前5年内与Table 2的预测相一致。失败企业与非失败企业相比，不仅现金流量较小，而且流动资产的留存量也较小。同时，尽管失败企业偿债能力较差，但是他们比非失败企业更有动机去增加负债。 非失败企业的趋势线有一个零斜率，并且相对于趋势线的偏离也比较小。然而失败企业的均值在失败前五年内恶化得十分明显，均值的差异至少在失败之前的五年之间表现显著，并且随着经营失败年份的临近，这种差异变得越来越大。经验证据表明失败与非失败企业的比率之间存在差异。 剖面分析证实了失败企业和成功企业之间差异的存在，但是并没有回答一个关键的问题：差异究竟有多大？剖面只是关注比率分布的单一点——均值。由于没有关于均值分布的额外信息，因此不能够得出关于比率预测能力有意义的结论。 假设存在两个对称且均值不同的比率分布。如果均值的分布较为紧密，那么两个分布则很少或者不可能存在重叠部分，这就意味着该比率是一个极好的失败预测指标。然而，如果均值的分布较分散，那么两个分布可能会有较多的重叠，这则意味着该比率所能提供的预测能力较为有限。 如果分布是偏态的（Beaver通过柱状图和累计密度函数也证实，6个比率的分布的确都存在显著的偏态），那么只占全部企业数目一小部分的极值则可能是导致均值差异的大部分原因。而除了这两三家极端企业，失败企业和非失败企业的分布则可能是完全重合的。 之前的论述表明尽管比率均值存在差异，但是财务比率的失败预测能力并不是很强或者没有预测能力。而这意味着，进行进一步的预测检验是必要的。 （2）二分类检验 二分类法是一种直觉上十分有吸引力的方法。它与比率使用者所面临的决策情景十分类似。比如，银行的贷款决策可以视作为接受或者拒绝贷款申请的两分类选择。而比率分析的目标就是将公司划分为接受或者不接受。 分类检验做出一个二项的预测——企业要么是失败的，要么是非失败的。为了能够进行预测，将每一个比率都按照升序排列。直观检查特定比率的排列以找到最优临界点（cutoff point）——使错误预测比例最小化的点。如果公司的比率小于该临界比率点（或者高于，比如在资产负债率中），该公司就被划分为失败类。如果公司的比率高于该划分比率点（或者低于，比如在资产负债率中），那么该公司则会被划分为非失败类。 在所有企业被分类之后，预测结果将会与真实的失败状况进行比较，据此计算出错误预测的比率。错误分类的比例将被作为衡量预测能力的粗略指数——错误越少，预测能力级别则越高。但是这种分类实际上是一种看到数据后的事后分类方法，而实际中财务比率使用者在面临决策的时候并不能知道这些观测企业的失败状况。 为了更好的模拟决策制定的情景，Beaver修正了检验。他将样本随机地划分为两个子样本。对于每个子样本，都会选取一个最优的临界点，然后进行检验。在第一个检验中，在每个子样本中的企业都按照其子样本自身生成的临界点进行分类，该检验中错误分类的比例就是Table 3圆括号中的数值。在第二个检验中，用另外一个产生的临界点对子样本进行分类，检验的错误分类比例是Table 3中没有圆括号的数值。第二个检验更接近财务比率使用者所面临的分类问题，因此以下对于结果的讨论，除了另有声明的，都是针对第二个检验的。 由Table 3可以看到，现金流量/总负债比率具有最佳的失败预测能力。在失败前一年的错误分类比例只有13%，而在失败前第五年错这一比例则达到了22%。同时，并不是所有的财务比率都有同样的预测效果。由于总资产利润率与最佳预测比率之间较其他比率而言具有最高的相关性，它的预测效果排在第二。此外，资产负债率的预测能力排在第三，而其余三个流动资产的比率的预测能力则是最后三位。 Beaver指出对失败企业错误分类的代价可能会大大高于对非失败企业错误分类的代价，因此必须要了解对失败企业的错误分类的可能性（I类错误）与对非失败企业错误分类的可能性（II类错误）。针对现金流量/总债务比率分析，在失败前每一年，I类错误比II类错误发生的概率要大。事实上，II类错误的概率在失败前五年的时间内一直相对平稳，而当距离失败年份越来越远时，I类错误的概率不断增大。差异分别是22%比5%（第一年），34%比8%（第二年），36%比8%（第三年），47%比3%（第四年），42%比4%（第五年）。另外五个比率分析也显示出不同程度的类似结果。这表明比率分类检验对于失败企业和非失败企业的预测能力是不同的，对非失败企业的预测效果要好于对失败企业的预测效果。 （3）似然比率分析 似然比率的估计实际上是贝叶斯法，分析中各种概率的表示如下表所示。 预测失败可以理解为评估在财务比率为某一特定数值时发生失败的可能性，即RFP/，这个条件概率是一个后验概率。估计失败的条件概率时，可能发生的事件被视

为是二项的——企业失败或企业不失败。在对企业的财务比率进行分析之前，已经存在两个先验概率——FP和FP——这是两个可能会基于多种因素（例如行业、资产规模或者管理质量）的无条件失败概率。失败的似然估计量是如果企业失败出现观测到的特定比率数

值的概率，FRP/；不失败的似然估计量是如果企业不失败出现观测到的特定比率数值

的概率，FRP/。 上述情况也可以使用比数比的形式而不是概率的形式来进行表述。如果一件事情发生的概率是0.75（那么这件事不发生的概率是0.25），以比数比形式表述就是这件事发生的可能性是3:1（即0.75/0.25）。分别用先验比数比、似然比数比和后验比数比代替先验概率、似然估计量和后验概率。则下式表明这三个比数比之间的关系： 先验比数比×似然比率＝后验比数比 似然比率不像后验比数比那样容易受到特定样本失败概率的影响，因此更具有普遍性，Beaver则使用似然比率对结果进行讨论。如果失败的似然比率大于1，使用者在已知企业财务比率的情况下则会认为企业更有可能失败——似然比率越高，越会这么认为。如果失败的似然比率小于1，使用者会认为企业不是那么可能失败——似然比率越低，越会这么认为。如果似然比率正好为1，使用者得知企业财务比率后并不会改变对企业失败的评估——后验比数比在数值上与先验比数比相等。财务比率的作用是用来对似然比率进行估计。因此，财务比率的信息含量可以用它改变先验概率的程度来衡量。 为了能够根据财务比率来计算似然比率，Beaver通过柱状图进行分析。Figure 2是失败前五年间现金流量/总负债比率的柱状图。横坐标表示比率数值，纵坐标表示失败企业（或非失败企业）的比率在落入某一区间的频率。