建立可用的金融預警制度刻不容緩

全球金融風暴一波波襲來，1990年日本房地產和股市泡沫破滅，金融機構累積的呆帳金額高達100兆日圓，日本經濟深陷「失落的二十年」，至今未見起色；1997年東亞金融風暴造成台灣本土大型企業的倒閉潮，二年間相繼有67家上市櫃企業爆發財務危機，累積呆帳高達台幣2,513億元；無獨有偶地，在太平洋彼端的美國，2007年爆發次貸危機，引起全球金融大海嘯，多家重量級的金融機構倒閉、重整，中小型銀行倒閉不計其數；2011年歐債危機蔓延，新的金融危機蠢蠢欲動。面對金融情勢的詭譎多變，誰會在金融洪流中淘汰或勝出，金融風險的預警能力扮演關鍵的角色。
早自1930年代，就有學者致力於財務危機預警的研究，隨著統計方法與理論的進展，新的財務預警方法推陳出新，如：「區別模型」、機率模型，以及利用諾貝爾經濟學獎Black-Scholes期權定價公式所建立的預警模型。上述財務預警方法中，「區別模型」實務運用普遍；機率模型以機率型態預測財務危機發生的可能性，可惜其方法遭受誤用，如：採用正常公司與危機公司的財報區別方式，尋找危機的因素，方法類似試誤，得不出理想的結果；期權定價模型算出的違約機率偏低，尚需針對大規模的資料庫做進一步對照(mapping)，才能研判出預警參數，尤其理論建立在股價基礎上，當股價出現系統性危機而大幅下挫時(如次貸危機)，影響模型的可靠與準確度。
一個良好的預警模型應具備高準確度、客觀性與容易判讀的特性。高準確度是預警模型創設的動機和基本要求，模型存在的價值就是能區別好公司和壞公司，俾利實務應用；客觀性就是由模型計算的數值研判受評測企業的信用與償債能力，不受其他主觀因素的影響，否則容易落入誤判陷阱，付出極大的代價；易判斷性就是方便判讀，以作為授信、產銷、投資的決策參考。上述方法中，機率模型的風險値最能符合上述三項原則，該等模型採用相對違約率(失敗卛/成功率)，若達到50%以上，即可判定為高風險企業，預警結果最具客觀性與易判別性，經長期驗證，台灣上市櫃企業每季約有24%~32%的企業歸類為高風險企業，其中有高達96%爆發財務危機；而其運用靈活，具有其他模型沒有的多項優點，可針對不同的情境與需求做不同的應用，其特色如下：1.以橫斷面為觀察標的，檢視企業在特定時點的財務風險值及其各種財務狀況；2.以時間序列為標的，檢視企業之財務風險的長期變化；3.以財務體質和經營能力搜尋優質目標客戶，作為授信、產銷、投資的決策參考；4.以企業集團為對象，檢視企業集團之信用風險及其償債能力；5.以產業(如：DRAM、TFT、太陽能)為對象，檢視整個產業之經營與風險現況，若能蒐集國外同業的財報，可進行國際評比；6.以整體上市櫃企業的風險値為目標,作為總體產業之風險監測。
就金融業而言，金融的授信品質牽動一國經濟的穩定，除了Basel II要求金融機構設立內部信用評等機制外，隨著國銀經營觸角西進，面對一個龐大又陌生的市場，如何在業務的開拓與風險的平衡，信用評估機制就相當重要；就產業而言，國內製造業在全球的供應鏈中扮演樞紐角色，面對全球金融動盪，須瞭解交易對手的信用狀況，確保交易安全；就政府監理與資源配置而言，產業之國際競爭激烈，蒐集相關對手資訊，透過預警機制的評估，知己知彼，使有限資源做有效率運用。從國家與企業的永續健全發展，再再顯示信用評估與風險控管已臻國際經貿的戰略地位，値得政府與業者積極正視與應對。
歡迎光臨中央標準財務徵信網頁：standard-risk.com，透析企業信用動態。