破产预测模型的不足之处

在上一篇文章中，我们研究了破产预测模型是如何发展的。虽然这些模型帮助投资者在投资公司时做出明智的判断，但重要的是要理解这些方法远非无懈可击。事实上，这些模型存在许多不足之处，投资者在基于这些模型的解读作出决策时必须了解这些不足之处。

在这篇文章中，我们列出了分析师在使用破产预测模型时经常报告的一些常见不足之处。

使用财务报表中的数据

破产预测模型使用财务报表中的数据。然而，这些数据很多时候并不准确。这是因为众所周知，公司会维护多套账本。一套账本是为了降低税务负债而设立的；另一套账本则是为了给投资者留下好印象。后者通常是公众可以查阅的。这些报表所采用的会计假设相当宽松，目的是展示公司的良好形象。因此，使用这些报表中的收入、留存收益和其他数字可能并不能给出正确的图景。如果使用另一套账本中的数据运行同一模型，结果可能会大不相同！

不太关注现金流

另一个需要注意的重要点是，很少有破产预测模型特别关注现金流。这很不合理，因为破产实际上是一种公司没有足够现金流的情况。然而，在Altman的Z分数模型或默顿模型中使用的比率中，并没有专门衡量现金流的指标。

实际情况是，会计报表上的每一个数字都可能被篡改，除了现金。因此，当破产模型不使用现金进行分析时，它们的分析就会引入更多的不足之处。

模型可能是行业特定的

单变量破产预测模型往往只看一个变量，这个变量通常是为了考虑特定行业而定义的。因此，这些模型具有行业特异性。然而，在实践中，分析师会在不同行业中使用这些模型。因此，重要的是要认识到在这种情况下，模型可能无法给出正确的结果。

系数需要更新以适应时间变化

许多模型（如Altman Z分数）依赖于系数。这些系数为特定比率提供权重。然而，需要注意的是，Altman模型所基于的数据是在1960年代和1970年代收集的。因此，可以合理假设这些数据现在已经过时，公司必须更新系数。自1970年代以来，发生了许多变化，这些变化会影响任何公司的偿债能力。迫切需要收集新数据，进行详尽的实证分析，并更改Altman模型中的系数。许多公司意识到这一不足之处，因此在分析时使用Altman模型的修改版本。

行业的变化需要更新系数

还需要理解的是，Altman Z模型所基于的数据是从制造业公司收集的。自那时起，商业模式已经发生了转变。这些模型是在谷歌、微软和Facebook等科技公司尚未出现的时代制定的。因此，可以说这些模型不适用于新一代科技公司，包括许多有前景的初创企业和上述巨头。

这些公司遵循非常规的财务模式。例如，像Facebook和Twitter这样的公司很长一段时间都没有留存收益，而且多年来一直有负现金流。旧模型，如Altman的Z分数，无法分析这些公司。需要开发一种新的模型，类似于Altman的Z模型。

不适用于金融企业

破产预测模型也不适用于金融企业。这是难以置信的，因为2008年的大衰退是由金融机构的破产引起的。这些机构构成了经济的支柱，因此它们的问题会导致系统性危机。

然而，金融企业的资产负债表往往复杂且不透明。这些公司在这些企业中大量使用表外会计。因此，这些企业不适合基于资产负债表的模型进行分析。

无法预测异常值

2008年危机的一个重要教训是异常值可以造成很大的破坏。异常值是指那些违约概率低的公司，但如果实际违约发生，其影响会非常高。常见的破产预测模型没有任何机制对异常值进行特殊分析。因此，需要新的模型来特别关注那些破产可能造成高影响并可能震惊整个生态系统的机构。

总之，破产模型远未达到完美。但是，不使用它们也不是一个选项。因此，对于投资者来说，重要的是要知道何时这些模型有助于决策，何时则不然！