第5卷第10期2∞5年10月科技和产业 Oct. 2∞5 1671-1807(2005)10-∞31-04 Science Technology and Industry @2∞5 Sci. Tech. Ind. 引人非财务变量的企业破产预测方法研究谭一可1张玲1岳柳2(1.湖南大学工商管理学院，长沙410082; 2.湖南农业大学人文学院，长沙410128) 摘要:以往的企业破产预测大都单纯以企业财务比率为解释变量进行模型估计。本文尝试分析近20年来国内外在引进非财务交量进行企业破产预测方面的一些创新及其发展趋势，供我国学者借鉴。关键词:非财务交量;企止破产预测学科分类号:文献标识码:A企业破产预测(企业财务困境预警分析，企业失展，但是在预测中引人非财务变量的成功案例仍不多败预测)通常是指以企业的特征财务比率为解释变见。有鉴于此，本文将尝试分析近20年来国内外在引量，运用数理统计的方法推导而建立起标准模型，并进非财务变量进行企业破产预测方面的一些创新及用之预测企业财务困境发生的可能性。由此尽早发现其发展趋势，供我国学者借鉴。企业出现危机的信号，使经营者能够在危机的萌芽阶1 ~I人宏观经济因素的方法段采取有效措施改善企业经营，防范危机;使投资者和债权人可依据这种信号及时转移投资，管理应收账宏观经济或经济周期的变化对企业经营影响的款及作出信贷决策。这类预测方法最早始于Beaver重要性是不言而喻的，对于这一因素在预测模型中的(1966)的单变量检验和Edward1 Altman ( 1968 )的多应用方式可有以下两种。元判别模型，目前研究中使用最多的是多元判别分析 对临界Z值进行调整(MDA)和logit回归模型。通常所用的MDA方法中以最著名的Z值模型为在以往的研究中，大多数学者都以企业的财务指例，是将企业的特征财务变量代人Z值判别函数中以标作为解释变量纳入模型中进行估计，相对而言其它求出该企业的Z分数，再将企业Z分数与模型的临界Z一些对企业经营亦有重大影响的因素则考虑不多，如值进行比较，若企业Z分数小于临界Z值，则判定企业宏观经济状况、行业竞争态势、企业管理水平等等。这将面临财务困境。上述模型中临界Z值的确定，通常一方面是由于这些因素难以量化，另一方面也可能是是在模型建立时用以往大量的失败/非失败企业财务因为人们认为这些信息都已包含在财务数据之中了。数据统计而得到，不能够反映经济环境变化的影响。但是单纯使用财务变量进行预测的准确性也的确难近年来，有学者提出用以下方法对该临界值进行必要以让人信服:第一，过分地依赖企业财务数据显然忽地调整以科学地反映经济周期的影响[1]。其步骤是，视了其它因素的影响;第二，财务数据的公布具有滞首先通过因子分析等方法选取有代表性的宏观经济后性;第三，不同行业具有不同的会计传统会使统计变量作为自变量，以企业失败率BFR(business fai1ure 产生系统性误差;最后，财务数据只反映企业过去的rate)为因变量作多元线性回归以预测将来的BFR:经营状况而不见得能清楚地表明其未来的发展趋势。p，=α，+Lbc点.，+e，() 另外，2001年来陆续暴发的美国大公司财务报表不实式中为第p，月的BFR，F::.，为第t月的第C项宏观经案也表明即使在制度建设相当完备的资本市场中财济变量，e，为误差项，α和b分别为截距和系数。务作假亦不可完全避免，更逞论其它。这一系列原因第二步是利用Bayes-Fisher判别分析方法[2]来计都使人们颇觉有必要探寻其它途径来解释财务危机算对应于各个水平BFR的临界Z值，具体方法如下:设发生的可能性。有两个随机样本对应于两个总体(两总体分别为失败近年来我国的企业破产预测研究有了一定的发企业i=lI非失败企业i=2)，均值、协方差矩阵和先验概作者简介:谭一可(1979斗，男，汉族，湖南长沙人。湖南大学工商管理学院管理科学与工程硕士研究生。E-mail:tanyike@。?췲랽쫽뻝뗚ㄶ뿆벼뫍닺튵卣慮䥮嘰乯っꋞ틽첷⠱햪솿맘톧컄웳냜폃뛎뿮?䅬풪⡍퓚뇪튻뫪틲떫틔쫓뫳뺭쇭낸컱뚼랢뷼햹볻뷸웤㇒훘펦ㆣ춨샽쟳횵붫쫇쫽뗘쫗뇤晡牡炲⠲쪽볃쯣폐ퟷ哉楥摵ㆣꎮ榣?璣楬㖾㜱㈰튪뷸볼뿆쿗헟ꭣ풤ꎮ벰㤶瑭에䑁틔킩맛랽짺펪췢튲쪹쓪ꎬꆣ럇랢폃긱뎣돶쏦쿈瑥뛾튵횮닉햮ퟷ캪쫇죃쇋탔퓚뻝뗷솿㮝뇤솽湣獴긵깔튻훐긲畲桮ꆪ〵뫾ꎺ탐듊럖뇪볲?特散닢퓋돶ퟷ㘩慮뇰⦺췹뛔뺭쏦쾵ힴꎮ뇭뗄살떫폐닆햹탔랽쯹쫇룃쇙춨⧎ㄩ늽붭潬〰웆풤좡좨캪죋떥웤ꎺ볙쒣춳헻?뚡솿룶죫梣뿉쮺?ㄸ쓏틔웳ꎺ샠쪶뷩潧?⧍폃쿖돶뗄⠱쒣쵬웳볃쫇춳뿶㈰쏷쏇뿉컒본컱쟷쪽쇙붫뇈닆ꎬ맽ㆣ깉닺닢폐죋뷢쏇뒿탅쯼뗚틠탍볆틔캪옶ꎬ쯦?テ〷듳췹튵럇뫅싪펦ꎺ湤㇕ꢳ쫽캣탅떥㤶탍潧퇐튵ힴ평탔뛸〱벴웄쓜맺퓚폚뇤쫆믲늻뿉뷧뗄웳뷏컱폐틲샻꾷?⠲ꎮ톧뗄웆닆ꎺ첷풤웳킧뿉쫍죏쪹럾틲죽늻붨뛸뿆ퟔꆣ斡믺럇엁ꏊ샭믺듻뇤㠩ꎬ楴뺿뺭뿶폚컳늻쓪쪹뻵탔뗄풤듋솿?퇔폐嫖䵄튵ꎮ삧톧ퟓ炡폃쟊〰릤웳닺컱䘲?튻닢튵듫틀뇤캪폃ꎺ쯘ꎬ뿉솢뗃톧ꏎ퇹쟖춳뗄뻶솿쒿믘훐펪ꆢ헢닮볻살퓚폐ꆣ웳닢ꎬ뷸릩볃뛸틔떽䆷媷죴뺳헟럖뿗䉡Ʞ㗄㔩짌튵풤뇤㈴뿉궼ꏔ⣆닆쪩뻝헢뗚뗄늻췪쪱떽뗘맜웆닢솿ꎮ룒볆탅닟볬뛠잰맩ꎬ틠탐킩ꎺ뗃슽훆뇘튵훐놾컒훜폷쿂붷쳘훊웳ꆣ쳡컶癥룷?⠱닆퓀쏒습ピꆪ샭닺랽ꎻ?컱룄헢쓉킩튻펰춬좫폃ꎬ랴뛔㤷퓆뗄뫅ꆣ퇩퇐쒣듳폐튵틲ퟮ쓜탸뛈튪웆틽컄웳맺웚솽킵꣖헷ﶣ짏돶뗈玡?〰쇸톧풤쏦웳쑂룶㧒떲랽삧ꎬ짆훖헢뫍뺿탍뛠죫훘뺺쯘탅뇤쿬탐뫳쟥놩붨뇜첽닺붫튵뗄킣닆곔媷쫶틔늻폃펳ꆣꩆ펦뗗컱㌱풺닢뗄튵묩?떵램쪹샠䕤훐ꆣ쫽듳헹쓑ꎬ돾랢짨톰풤럇뎢웆헟?뇤뛔곒컱?훊틔?뒬楳ꈲ웎뺳웳탅쒣쾢솿맽ꎻ튵쏢췹쓜뺭⭥폚튻ꎬ듳웆쮮쓌췆뺭풤睡쪹톧펰첬틔닆뗘뗄쿠웤닢쫔닺뷨뮯폚퓗뇤ꯆ쿂톡풻桥⦣랢튵뫅탍뷸럖뗚뻟ꆣ쒷듳릻볃ꎬ걯솽〴뎤뚼킩닺쓐뇤?떼펪닢牤폃헟쿬쫆솿컱뇭쏀떱쯼퇐럖본뛔헢ꇓ훐랽좡?狅겾즳떥뒴풤욽ꎬꞾ짺뺭벰훐틑탐뗘뛾폐룼솿랴훜쪧뫍룶붷䖣뛸헟랽ퟮ뚼뗄ꆢ뮯쫽쏷맺췪춾뺿뇤컶ꆣ웳튻듺땚?쇙램폐킱淪㐱뒿탂닢몺돔뗄펪쪱뷸냼풤틀ꎬ늻펳웚냜㚷ퟜ?꺡〰틔벰웎붨쓜램뛠틲웳ꎬ뻝웤듳놸뺶폐뷼랽튵﮵죋럖?뷧뛔듺퓔䉆떡ퟥ솿꒾뿉ꎬ탐몬닢삵닆춬싛쪧뺭뗄싊횱쳥㠲웳웤솢릻ퟮ뗄쯘튵쇭횻캴릫살쇋㈰쏦뺭쑚嫖쫽룃뇭꒲ꏎ훎ꋐꎻ튵랢꾷쓜럀틆맀뗄웳컱웤냜볃펰䉆劵⣁뫾죂웰퓚퓧쫇퓲맜튻랴살쮾뷢돉쓪펪횵뗅폫떵쇙탔궷ꪵ뗄㊣닆햹쓏훎탔랶춶볆ힼ튵쫽믡쯼ꎯ뮷쿬刨ꪽ뷗쫎뇪캣쪼뛠뗄뾼샭랽펳닆놾쫍뚨릦살튻펰풤쒣킱ꎬ쓈뷧ꯀ붷붲꺺컱쟷?쓁뎤ꪽힼꆣ믺캣폚풪닆ꎬ싇쮮쏦컱좷뻝볆웳랢쫐뗄낸맺킩쿬닢탍퓲랶럇뺳횵嬱뫪扵뒵?ꡛ?ﻄ뇈쫆즳웳쒣뗄䉥에컱늻욽튲튵햹놨뎡랢샽쓚뒴캪꿊ꢣ뷸맛쑂㉝?곆평믺쿠쫽탔뒫헢쪧뇤粡獩쿅싊ꎬ?죋춱탍쏈慶뇰횸뛠뗈뿉맽쟷뇭훐캣죔췢탂쇙뚨곍탐뺭䙒습살꧒캪릩ꆣ듋ꎻ맜뛔뻝튲쫽릫춳튻냜뮯ꏆ湥췏횱떴뷢컒?ꎬ톿敲럖뗈쓜좥쫆늻닆믺퓚벰훐탒뷧웳ꢳ뇘볃ꎺ볆췏뫾쒵튵뗊뺡쪹샭뛸횮뗄뻝늼믡쾵웳獳쫍맺쓏늢뷗컶죧ꆣ쫇뗄쪵뛠틽?튵튪죑?퓧춶펦퇔훐좷쿔뻟쪹쇐튵펰뷖?ﶡꟈ뇤톧얣듳헢쯎솿헟랢쫕웤쇋쓑좻폐춳풭닆쿬?Ʞ톧웆쿮?쓑뷸뷨겾릤쿖헟헋쯼ꆣ뫶훍볆틲컱잣?뫪탐본짌?닺몣쒣ꆣ맛?맜겳탍샭뺭맀톧풤댴볆풺ꆣ붷맜ㄲ놾샭닢㠩컄뿆뎢톧랽쫔폫럖릤컶슣돌램뷼쮶㈰뫉쪿쓪퇐퇐살?뺿맺짺쓚ꆣ뺿췢䖡퓚ꩭ틽慩뷸沣럇면닆慮컱祩뇤步䁳潨疣깣潭ꆣ
32 科技和产业5卷率分别为μ'Ì，Vi和pμ=1，2)，有pl=l-p2>X是由企业财务为信贷决策所孜孜追求的重要指标。不过需要注意的变量构成的随机向量，先验概率即为当时的BFR，是，用Ri代表企业经营业绩是以Beaver[4)和ScOU[5)证明Bayes-Fisher判别公式如下:了在成熟资本市场中企业股票回报与其破产概率之间的联系为理论基础的，而我国目前的股票市场发展l(x )=2PJ/h，X'(PIVl+P的)-1(p，l币2)() 于是企业失败预测的R分数(即基于先验概率不够成熟，企业股票价格还不能够良好地反映其业绩BFR作调整后的临界Z值)可由下式计算而得以及业绩与宏观经济状况之间的联系，所以该方式能=p否直接借鉴值得商榷。:J (μ1)+p1l(的()实际预测某企业时，在式()中输人相关宏观2 考虑行业差异的方法经济变量计算出未来某月的BFR，基于该BFR用式()和()计算出相应的判别企业失败的临界Z分行业作为介于宏观经济和微观经济之间的中观数(R-score)，再用Z值模型求出该企业的判别分数并经济范畴，是由具有共同特征的企业群体组成，由于将之与上面的R-score对比，若小于R-score则认定企其企业成员在生产经营上存在着相似性，产品或服务业将要失败。BFR的取得方法是从企业注册机构取得具有很强的替代性，彼此间联系紧密。不分行业的企往年各月企业注销的数据(此处假设某企业注销是因业破产预测历来颇受垢病:其一是如前文所述，各行为该企业失败所致)，用该月注销企业的数量除以该业不同的会计计量传统会影响预测的准确性;其二是月末在册企业的数量并进行调整便可获得当月的不能反映各行业之间的竞争差异。对于前者，采用较BFR了。多的一种克服方式是使用行业相关比率(lRR，本方法以BFR来体现经济大环境的状况，从对临industry-relative ratios) ，即用公司的财务比率除以同界Z值作调整的角度出发来改善传统判别模型的适行业的平均值来衡量企业在其所处产业中的相对位变性。就其在中国的应用上来看，由于我国在企业破置。使用IRR的优点是因为它针对不同行业对原始数产方面数据极度缺乏，因而BFR的计算可能还存在一据进行了调整，因而利于跨行业估计模型，避免了分定困难。行业建模样本量太小的困境。另外，IRR的分布虽然 考察企业对宏观经济的敏感程度也不完全服从正态分布但较之原始数据其偏度已大当总体经济环境发生巨大改变时，市场上所有公为减小。IRR的缺点是由于同一行业使用相同的分司所承受的系统风险都会增加(如1997年亚洲金融风母，使得行业内的IRR有趋同倾向，由此易造成模型暴)，但仍然有许多企业能够安然度过危机，即使是处估计偏误，对于有异常值的行业尤其如此。于同一产业的众多公司其命运也会有天壤之别。由此就行业竞争差异而言，单纯依赖于对行业竞争状突显宏观经济敏感度对于考察企业生存能力的巨大况的判断就作出某个具体企业的破产预测显然是不意义。国外有学者提出如下方式计量该指标[到:假设现实的。不过根据小企业对行业竞争敏感的特点，通用R.(i公司的股票月回报)代表i公司该月的经营业过建模预测小企业进人某行业的失败率则颇具可行绩，显然它受到宏观经济环境和企业自身经营水平两性。以行业集中度和行业员工流转率衡量行业竞争强个层面的影响，可认为有如下关系:度，另加人对小企业成败有较强解释能力的其它一些变量，纳入二元logit回归模型中[叫，即有:Ri = ßo，i+Lβ'k，i凡+ei() log[h(t )/( l-h(t) J=α+ "Lß~i+ "LYiPrav,+ "L jnd() i 其中/3o，i为截距，ßk，i为系数，凡表示一系列宏观经上式中ind表示i公司所在行业的虚变量，pravi表i济指标，ei为误差项表示公司自身的微观经济因素。示i公司所在地区的虚变量，x表示一个随机向量，它根据上式用历年累月的数据进行多元线性回归，得出所包含的指标有:β.，i即可用之代表公司对宏观经济变化的敏感程度RASE=公司规模/进人行业第一年的平均规模了。CONC=行业集中度本方法最大的创见在于其充分利用股票价格的RESFS=进人行业第一年的平均规模/行业平均变化包含丰富信息的特点来反映企业经营的诸多微规模妙变化，而企业的宏观经济敏感度也恰恰是银行家们TURN=行业员工流动率?췲랽쫽뻝㌲뿆㖾싊뇤䉡娨⠲폚䉆剨쪵뺭쫽붫튵췹캪퓂놾뷧닺뚨ㆣ떱쮾놩춻틢폃벨룶劲웟웤볃룹펷쇋쏮쫇볤늻틔럱㊿ꇱ탐뻟뛠楮牡훃뻝튲쒸맀뻍뿶쿖맽탔뛈汯짏쪾쯹剁䍏剅맦呕벼?癥ꎮ潤쒩勁삧ퟜ뻝ꆣ퓚뗄벰튵폐쓜瑩탐杛榹냼乃剎솿룪쫇勗볊볃⡒횮붫쓪룃랽嫖탔긲쯹⦣춬쿔틥剩ꎬ닣蝹훐횸뮯뇤탅릻횱웳웆늻뷸복볆쪵붨卅卆쒣볂摵쪽뫍럖玡㈩敳㌩퓚쮡쓑쳥㐩짏돉솪튵ퟷ뫜랴潳붨에쇭ꎬ帨ꯋ몬㷐릹⤽웳풤뇤ꆪ폫튪룷램뗗ꆣ쏦뾼돐겵튻뫪⡩쿔몣떺뇪榼냼뮯듻폃뷓랶닺춬뗄쪹탐췪킡욫쒣틔㶹匽쟐珊닺훐ꩆꎮ닡?ꆣ뺭쪽쫬쾵벨캪잿펳⦣쒣뺺뛏볓쓉琩뻋뗄탒돉㉰닢솿뫍獣짏쪧퓂틔뻍쫽달쫜ꯈ닺맛맺릫좻뗄꺴ꎬ뒣뒿ퟮ몬ꎮ뻶剩쫬뷨돫풤훖욽폃쇋좫ꆣ뗃컳탐ꯋ뷸튵뇰탒꣒楳獣웳볃폃캪폫뷩뗄룷겼퇹헹뻍죫ꎯ倫횸떼뗔榣뗄汰쪧﮺쒳볆⠲潲쏦냜웳䉆웤뻝퓈튵뺭췢쮾쯼펰槎캪짓듳럡뛸닟듺ꎮ본ꆣ풱닢믡뿋뻹䥒뗷럾탐늻뺹죫桥潲튵뮷샺놾샭뫪떲폚쳦탐뭲듓닮ퟷ뛔뛾⠱?뇪꿖놹겹퓽쯦ꇎ냜웳쯣ꎮ攩뗄ꆣ튵勀﮵퓚벫쾵믓볃폐쫜쿬헕ꪽ컳쏖뢻쯹뇭횵쫇샺볆럾劵헻듓뛔맽킡벯탐狅敟뗄뺳쓪쫐싛맛뫪듺튵쎹솿틬돶킡풪튻?폐킶꓁敬믺⡰풤쓁튵돶㌩ꎬ务䉆힢쯹듌쒽훐뛈뛔춳탐훚쏴톧막떽ꎮ릣?닮꺴뒴탅ퟎ웳뗃평짺살볆랽쓓ꆣ헽쓈쓚폚룹ꎣ킱灺쫽랢샛뎡믹뺭맛탔횮ꯋ첫뛸쒳汯帨ꎺ?ꆢ慴쿲ꆣ닢?쪱캴볆퓙ꩳ劵쿺훂잶맺좱뫪럧뛠룐헟욱뿉걩쿮缾볻쾢뗄ퟎ튵막짌뻟닺웄쪽뫢억틲첬놵폐뻝뛈꾽뗚ꇞ솿짺퓂훐뒡볃뺭ꎬ볤뺵킡퇔룶杩ꇪ쓐꿂쒷楶솿ꯊ틆뗄ㄩꎬ살쯣폃捯쓈⦣늢횾좳랦맛뻞쿕릫뛈쳡퓂죏훤곪뇭퓚뫪ힷ뺭웳욱ힴ좶볃폐뇋쫜뒫쫇쒲뛸럖䥒틬뻟킡뷸뫍돉璻⥝튻?溺빩뷈⭰뷸듳튵뿶붷뫍듋뺺?웎삧떥쳥냜?㵤ꎬꆣ劷횵퓚쒳돶嫖牥ꆵ쫽곓궼펦뺭뚼쮾뛔믘캪⭥쪾ꯋ폚쳘맛쟳펪볛릲?춳쪹웳쟒샻늼쟓勓뎣죫탐쓪汚탐룄막뛸횮캢볤헹뺳뒿웳⮡뾣쵰쿈⭰훊⦿쪽퓂쿠뗄뛔쎷뻝쎸쎴ꋀ폃틲볃믡웤폚죧놨폐?겡릫뺶뗣뺭튵룱춬짏늡ꎬ짓탇횵쒳탒슣⣐뗷뇤뷸욱컒볤맛솪닮죂ꆣ틀튵뷏ꏐ웂겹퇩컹ﴨ짓⠲뗄펦ꏐ뇈붷⢴쏔뒸짏뛸퓶?쏼뾼쿂⦴뮷죧ꏎ쮾풺돤살볃훘벨뮹쳘듦ꎺ펰탐퓚뿧떫?뛔풱떵욽?쐩헻쪱탐믘맺뗄뺭쾵틬쪳쇭삵잿췖겡붱椨룅㈩벴짏ꎮ䉆뗄췇쮴싗랾쓉살쏴볓뮰퓋달랽缾뺳쿂ퟔ럖랴튪쫇늻헷퓚웤쿬튵ﳕ탐뷏곒곇릤?뻹쯹뇣ꎮ뛠놨쒿솪볃뷴ꆣ췢폚웆뷢큛?싊ꆣ믹ㄩ劣에죴잴ꚼꋏ뎵운뾴劵룐⣈니튲웳쪽뫍맘뗊짭?샻펳횸틔쓜뗄ퟅ튻풤쿠쯹튵횮믐쇷믄맦붭뿉쫐풪폫잰쾵횮쏜뛔퓍ꎬ닺쫍㘱⮡뻒퓚벴ㆢ폚붼훐겻뇰킡폆?陼쓗ꯍꎬ쒼돌뮶믡튵볆릫웳쾵ﶣ뗄궼폃뛈뇪䉥릻쿠쫇닢맘뒦풲맀풭탒폈뺺쪧쒣믱뎡쿟웤볤ꆣ?䥒탐풤쓜옷뮸탐ㆣ캪?쿈웋쫤陸웳쏆폚뒿독평뛈㤹좹폐짺솿쮾튵ꎺ곪캢쎱막튲ꆣ慶솼쯆죧뇈닺믍볆쪼뗊곓웤헹냜싊쓆ꎯ뗃짏탔웆쯹뗄늻잰劵닢솦벴ꎻ떱ꆪ퇩죫?튵务뗗돆떵킱폚쯹㟄쳬듦룃ퟔ즱맛믘욱뺭잡늻敲닺뫃틔훐좺탔럖잰ힼ헟싊곐쒣쒷쫽맓즴죧뺺쿔쏴뫢뗄폐炣붾탐갲퓂폐맩쫐룃맛탐횲헹좻웤ꎺ곙𢡊쪱엗룅쿠썂쪧떵ꩳꊲ쓊겴컒진ꎻ죀쓜횸짭뺭꾵볛펪잡맽ꆾ뗘쳥ꎬ컄좷⡉훐탒탍뻝쏏쯒듋룐퓲솿惡튵뗄릫ꎬ뎡랽튵닉볋ힴ쯼ꑩ뗄?싊맘䙒냜쓅捯뗗ﷁ펶ꏐ맺?쟖画횮솦뇪뺭뻒볃쓃룱쫇탨㑝랴ퟩ닺쯹탔剒떶웤ퟔꆣ웄탐욽⦣탩뗃횮랢쪽뗄폃늻튻⮡뾣䉆뫪폃뗄킱牥調ꋏ뾳퓁춵퓚릴?겼뇰ꆾ뺭펪믏틲훮틸튪뫍펳돉욷쫶ꎻꎬ쿠퓔뇜욫겵쳘뻟튵?뻹돶햹쓜웳뷏?킩욺뇤곋곓劣맛쪽쇙퓲마響?쓊웳듊ꆣ뻞㍝펪쮮뗁쯘킳뛠탐힢卣웤ꎬ믲뛔귊쏢뛈쒷진뗣뿉뺺꽮?솿?뷧훊죏ꆵ쟒풸튵??맊평듳ꎺ욽킺ꆣ첶캢볒틢潴럾룷뛾캻볊쇋틑ꏐꎬ탐헹쿃큰媷ﶲ뚨?웆잴듋볙솽쏇뗄瑛벨폚컱탐쫇럖듳춨잿ꎬ⠳?웳짨?㕝ꎮ烌ꎬ?횤ㄩ㵬쏷뇭彰窣걸쫇평웳튵닆컱
10期谭一可等:引人非财务变量的企业破产预测方法研究33 GRATE=GDP实际增长值4将财务变量与非财务变量混合预测的方法AGE=公司年龄2AGE=公司年龄的平方引人非财务变量进行企业破产预测，还可以从统中小企业融资难是近年来的热门话题，究其原因计方法上寻找突破。在以往的研究中，对非财务数据仍然是人们对于小企业发展的前景感到难以把握。上的处理手段通常是将其设为虚变量(即定性指标中当述模型如能在我国得以成功借鉴，对银行的信贷决策某个水平为真时则将其赋值为1)，但虚变量不符合正无疑意义巨大。态分布的假设条件因而不能将其应用于判别分析等方法中。有学者提出一种新的处理方法可使之近似服3 利用公司治理评价间接预测从正态分布"，lOL兹作一简要介绍:相对于上述一些因素，企业自身管理水平的度设Y品为两分变量，当Y=l时，l公司为失败公司;i量更加难以量化，因此我国台湾学者叶银华等尝试Yi=O时，i公司为非失败公司。X为由企业的各解释变以评判公司治理的方式来间接考察公司高层努力量构成的随机向量，共含P个指标，其样本空间为w。经营的程度[7]，笔者认为这不失为一种有益的尝试。令G代表全体企业所组成的集合，G和G分别代表失1o利用公司治理进行评判，重点在于解释变量的选败/非失败企业子集，G=GU G, Gn G=φ，当X;εRt1 o1 o取。根据LaPO由等人的最终控制理论学说[8]，在股则表明i公司被归为Gy(Y=O，1)。另设τ1和节。分别表示权结构集中的公司中，大股东通过金字塔、交叉持企业的先验组概率，且(x)和j飞(x)为两组总体分布的密股和参与管理等手段最终控制公司，由此造成他们度函数。基于对定量指标和定性指标分别讨论的需在公司中技票权大于其所拥有的现金流量权(即股要，设X(l)和X(2)分别代表定量(如会计数据，行业指标东所拥有的盈余分享比率)，因而他们倾向于利用等)和定性(如会计行为，市场地位等)的随机向量，它权力挪用公司资源为己谋利而无动力努力经营，使们各含有P，~P2个指标，且有P，+P=P，X=(X(l)，X(2))。22企业价值下降，而且当投票权偏离现金流量权越对定性变量而言，设指标X/)(j=1，... ... ，P2)有不大，这种负向效应的侵占行为会越多。据此，叶银华同的qj个水平，若就各定性变量的各个取值水平在P2选取了控制股东的现金流量权、控制股东投票权偏维空间画表格，总共可得到m=n:~，qj个可能的小方离现金流量权幅度、控制股东成员担任董(监)事会格。每个小方格可代表一种特定的实际情况，如可表比率、参与管理等变量进行考察。另外，根据大股东示不同市场地位和会计行为的排列组合。对定量变量利用公司股票质押来借款投资易引来高风险的理而言，设其对应方格c(即对应于某个实际情况组合c，论，还加入了大股东股权质押比率等进一步考察负c=l，……，m)和组Y(Y=Ü，l)服从均值为μ缸，协方差向侵占效应。在原有的财务变量模型基础上，将以阵为I，(对所有的小方格和两a个组，其协方差阵都相上变量并综合宏观经济敏感度共同纳入一个二元同)的多元正态分布，即有:logit模型中，用台湾市场的数据实证发现，加人公司X(l)IX(2)-N(μ虫，I，)(c=l，…，m;Y=O，l)() 治理变量和宏观经济敏感度的模型较之仅采用财当不考虑定性变量时，MDA的基本原理是使误分务数据的模型其正确分类率最大可提高%，预概率最小，&P有MinlP(110)'lTo+P(011)τ，}，经过一系列测准确率则可提高约50%。的数学推导可得出判别函数(此时不必区分X(l)，Xα)):上述模型设计的现实基础是台湾市场，辨析重Z(x)=α+ß'x () 点在于股权集中与家族控股的公司中大股东以各萨(p.，1节。)'I,-’ 种手段侵占小股东利益而使企业价值下降。相对而其中d’lT, 1/ ,() |α=log~-+(p.，，' I，-p，厂μ矿工-1Lo)-’lTo L. 言，我国大陆市场的公司治理状况显然呈现出其它现为了得到X(l)和X(2)的联合分布，须对X∞作如一些特点，如国有股法人股占绝对控制地位，公司下处理:令V=(V......, V-)为由虚变量构成m-l维hm1高管结构呈现"关键人"模式等。根据这样一些特随机向量，此处每一个虚变量代表一个指标函数，并点，设置如政府干预管理程度、高级员工持股比例且依序对应于X(2)可能形成的前m-l个小方格(即实等变量，或可成功构建符合中国现阶段市场特点的际情况组合)中的一个。设。'y=(OYl，……，OYm-')代表组预测模型。?췲랽쫽뻝汏첷㌳䝒䅇훐죔쫶컞㏀쿠솿틔뺭샻좡偯좨막퓚뚫웳듳톡샫뇈싛쿲짏汯훎컱닢뗣훖퇔튻룟뗈풤㒽틽볆뗄쒳첬랽듓짨祆쇮냜퓲뛈튪쏇뛔춬캬룱쪾뛸挽헳碡⠵떱룅娨떨웤?뛾쿖쿂쯦쟒볊ꆯ?웚튻?䅔䔽䔲쒣틉뛔ꆣ뷡튵ꎬ쿖ꎮ뇤샭ힼ맜닢랽룶祩俊몯⦺룷뗄늻퇔⦵룪틀킡좻룼움펪폃牴뫍릫쯹솦좡싊쟖杩쫽쫶퓚쫖킩죋뒦럖램헽릹䞴ꎯ뇭뚨ㆣ캪긱믺쟩ﯓꮲ뿕窡뿉䔽릫㶹탍틢폚룹릹볛헢뷰뮹솿뇤좷뷡짨램쮮캪놣쫽춶몬煩쎿춬ꎬ쒶ㄩ뾼ퟮ톧⤽㈩탲웳쫇볓에뗄憵닎쮾펵얲쇋ꆢ햼瓄뻝쒣뛎컒쳘럇샭늼훐첬돉缾쏷탔겡ꇆꆯ쿲뿶쎹웎볤뗈䝄쮾ꯋ죧틥짏뻝벯횵훖쇷볓늢솿싊릹훃탍욽솽걩ꆣ꣐폐룶쫐짨싇킡췆뷶?뗃뛔튵죋쓑릫돌쮾죈폫훐폐폃뿘닎킧ꏐ뗄탍막쟖맺뗣ꎮ닆쫖ꆣ럖쪧榹쿈堨뇤궡⢶ꋹ솿ퟩꎺꯋ뮭僊쓪뻄쓜뻞쫶䱡훐쿂뢺솿막죫ퟛ뫍퓲돊죧ꆣ톰캪럖릫믹퐨횻쮮킡뎡웤뚨ꎬ떼⯄떽펦ꎺ틽죚쏇틔쮾뛈훎쮵맜춶뗄릫훆폫펦췖쒣짨좨햼듳ꎮ믲컱뛎볙폐늼쯦ꯌ냜ꯋ퇩ꎬ솿궣퓋ꆮ냘쇮뫏떼쇤퓚듳뻖튻뗄붵쿲좨욱쇋뫏뫪뿉쿖헾헒헦뇤쮾폚죧ꆢ욽뇭랽뗘뛔탔벴렷堨죫뛔솿훎嬷샭쓗욱펯쮾막맜ꆣ킣탍볆벯킡슽죧뿉뇤춨짨톧嬹믺웳뺱ퟩ⦺뛸걭陸㊡礽듋⧖쫔컒ꆣ킩릫ꎬ킧럹훊듳뫪맛쳡ꆰ뢮춻쪱솿캪뛔믡倲캻펦겷뇤폐뗃?⦡ㄩ堨럇컀뿓룱ㆽ쓑폚뮯샭ꆣ뷸뗈좨폠뚫퓚곓웤뗄훐쫐돉솿뎣쳵헟ꎬ쿲튵뮹룅쵘퇔⦺킵꾡⡹뒦닆쓆맺틲쮾뛸펦뛈톺막맛뺭룟맘룉웆퓲럇뚨볆룶죴뿉뫍랽횲䵩돶稩꾡컱쫇킡ꎬ뗄탐햿쫖듳럖풴뗈풭쏌헽쿖폫뎡폐릦뷸볾쳡솿뗋ퟓ싊⠲췗쓐ꮢㄧ쎿쓒ꓖ붷뗃쯘훐쟒ꆢ살뚫뺭볃풼볼풤ꆣ붫떱쪧횸뻍듺믡룱벣쪱湻에堨뿉뇤삼잲ퟜ?뷼웳틔ꎮ틲랽뇊움?뛎폚쿭캪떱쟖쿖뿘뷨막폐볃쏴좷㔰쪵볒샻뗄죋맜릹탐퓚붫웤돶嶣䔽냜ꎬ輪벯ꩇꆣ횸ꆯ뇪짨룷뇭볆挨ꆷ겼倨뇰욡㈩튻쓜뮸솿돉?웳듳춶햼훆뿮좨쏴룐ꎥꆱ샭웎틔뢳㇊뇪뚨탐벴듓䵄ㄱ몯탎쓪튵듋쪽헟에움ퟮ웤뇈벺뷰솿뗄럖믹ퟥ틦릫램붨뛸튻곗릲ꎬ帨횸⠱붸룘ꆭ룶뗄ꌱ뭬릦튵막욱탐춶훊룐뛈쒣돌췹횵놣뫍쫐쟒탔캪뛔킣䆵〩쫽솪돉살랢쪽컒죏ꆣ훕쯹싊쒱쇷뷸닆킳샠뒡뿘뛸쮾죋럻짨늻훖죗몬즵䜽⡉룪뇰뇪뿉ꎬ튻탩ꏉ웳뷨ퟔ뚫좨캪톺뛈뗄쪽걩ꆣ뚨뎡폐뇤쳘펦?쒻ㅔ⢴뫏튵뗄햹맺볤캪훘?뿘펵⦣샻솿탐컱ꆵ싊쫇막쪹훎뫏웆쓜탂僗쒼䞡ꎬ⦺듺塦㴰췁뇤폔뗃본짭춨욫믡돉틗뇈릲쒣뗈ꆢ퇐ㄩ릫壎탔뗘倱솿뚨업폚鈴ꆣ쯊럖잰웆죈뗄첨뷓헢뗣훆폐곒뛸좨뾼뇤쓊ퟮ웳샭햼훐닺탩붫뮼ꛖ꾺ꍕ㴰춽뇭⠲ꎬ붸ꇆ禣솿祟꒲뾻떽닺ꎬ맜맽샫풽풱틽싊춬탍ꆣ룟뺿쮾횸캻⭐뗄쇐쒳뻔놲늼淒쏅잰췥뾼늻퓚떢릫뗄컞ꆢ달솿ﶾ듳튵ힴ뻸맺뇤웤뒦뢱쾣䞡ꎬ뚨ꆯㄩ⤨겣듺⠹풤枵뛔?샭뷰쿖뛠떣살뗈쓉뷏룹벶훐떫캪짆뇪㉟룷洽쪵ퟩ룶귀⠰뮱ꎬ묱닢뮰뺰톧달쪧폚쮾쿖뚯뿘쒣?뿉쫐볛뿶뛔솿펦샭ꪽ걇ꎣㄩ룪⡪럾挽갩뇭틸쮮ퟖ뷰ꆣ죎룟뷸죫횮뻝풱ꎬ탩럖⦵炣룶볊뫏쪵ㄱ?탫쿔滎랽쳢룐헟릫캪뷢곔ꎬ뷰솦훆쇭탍뗖쳡뎡훐횵쿔뿘뷗⢼폃곆걇ꆣ⧎⣈㴱듓ㆣ탐욽쯾쇷뻝뚭럧튻뷶헢릤뛔뇤냜떵뇰쓋걘좡쟩볊쟊⤱꧒킡램꒲?ꎬ떽뗄튶쮾튻쫍?ꆢ평쇷쟇얬솿듋막⢼췢쿕늽믹룶꒷닉룟ꎮ듳쿂좻훆퇹돖뛎뮹럇뒶폚램?릫쒸뫍쇭꫁쳖㴨횵뿶뛔쟩뻹겡많咣환堨랽퇐榸탅뛈붻좨ꎬ뗄뾼뛾폃튻닆늻쮾싛𢡊墡쮮뚨뿶걽⢡㊡룱쓑틸룟훖뇤?듋솿솦뚫뒡ꋏ㈲뇦막붵돊뗘쫐뿉꣐에鈴䞡湇짨뷗ꆭ횵궷궣뮶탩횸뺿듻닦풽튶쫂샭달풪닆킩뇈쒷컱럻ꎻ뗄꺡욽죧ퟩ?ꎬꞣ꿗⢼웤틔뮪닣폐솿퓬좨뺭춶룹짏횣ꎮ컶뚫ꆣ쿖캻뎡퓖뇰쪹뺿ꎷ뚣웊ꆭ캪붲걭뇤뇪뻶돖틸믡뢺쳘샽쫽뫏춱탨뾣ꞣ퓚뿉뇤뺭걘듊붷진ꩀ풭냑뗈얬틦뗄돉⢼?펪욱뻝ꎬ겼㢣훘틔쿠돶쳘듓뢱럖횮햼횱㶿ꆺ?ﶾ烯ꎻ솿몯닟뮪뻝헽?곋걘炣뇭솿掣맽ꋚ틲컕뎢솦뗄톡쯻뒹ﯓꎬ좨듳붫폈ꖣ룷뛔웤릫뗣?춳컶뷼ꞣ?炣?礽릹쫽烢?⠲튻⦣ꆣ쫔뎢쏇?쪹욫막틔곔뛸쯼쮾뗄킵뗈쯆꩒缾겵뫍횲곐먩볏侣돉ꎬ쓐ꆯ쾵?짏쫔뚫ꯋ?럾ꆯ뇖ㅔ벵탒폐궷갱淒늢ꌩ⦡ꆷ쇐ꎬꆣ?쎡쓃뗖늻붲묱듺쫈럖?뢱캬뇭ꇆ?뇰ퟩ뇭튻쪾룗ꆣ냘ꎬꇆ튻ꇫ⤨㔳?
科技和产业5卷34 引人科学方法充分利用各方面信息才可能建立更为Y中各小方格出现的概率，有Oy.三LOYc，则组Y中向准确而实用的预测模型。量V的多元分布密度函数可用下式表达:参考文献元(v)=e叩iE1仙(生)+ln(1-0yJf () c: -.---, 1-0[ 1 J P W Court S E Radloff. A Two-stage Model for the prediction y 。fcorporate failure in South Mrica. The Investment Analysts 再将X(l)的均值表示为μ2予以+.1yV，其中.1y是Pl*Journal, 2002, May: 06 (m-l)维矩阵，于是X的密度函数可写为:[2J Huang XiangNing and Li Bai-Bing. A New Discriminant fr(X)司fy(X川，X<幻)书(X仰，v)=φ(μYm(l)+~yV，I)fy(v) Technique: Bayes-Fisher Discrimination. Biometrics, 1991, () 47,741-744 式中φ(. )表示正态密度函数。根据以上密度函[3 J Tirapat S, A Nittayagasetwat. An Investigation of四川Listed数进行推导，即可得出判别函数如下:Firms’ Financial Distress Us ing Macro and Micro Variables. Z(x)=α+乱'v+乱(J/(x)(l) () Multinational Finance Journal, 1999，3，103一126[ 4 J Beaver W H. Financial ratios as predictors of failure, 其中:Empirical research in accounting:selected studies. Journal 乱=log(鱼旦丑吐)-~~~甲品;)'工-1~of Accounting Research 4 ( supplement ) .1966. (Jo( 1-6,) 1[ 5 ] Scott J. The probability of bankrupt句:A comparison of β:~p>= L -l~i~伊战()empirical prediction and theoretical model. Journal of 1-0,. \ 1 =log~I+1og(一」二)-一-(μ~~-p&;), I -1 (μi2切也)OBanking and Finance, 1981. 5 : 317 -344 1T--’ l- ()o’ 2 O[6 J John Baldwin,Lin Bian, Richard Dupuy ,Guy Gellatly. Failure 5 结束语Rates for New Canadian Firms:New Perspecties on Entry and Exit Canada:Statistics Canada, 20∞.2， Catalogue -综观国际上对企业破产预测这一领域的研究来526-XPE 看，自Altman开创以数学模型预测企业失败之先河[7 ]叶银华，李存修，刘容蓝.整合公司治理、会计资讯后，人们的研究重点主要集中在破产的定义、统计技与总体经济敏感度之财务危机模型.台湾:行政院国术和企业财务状况之上。在引人非财务变量预测方家科学委员会补助专题研究计划成果报告，2002, 面，从上文来看各学者的方法可谓各有千秋，具体应NSC90-2416-H-030-oo4. [ 8 ] La Porta R, F 1ρpez-de-Silanes， and A Shleifer, Corporate 从哪几个方面人手强化模型还远未达成共识。虽然上Ownership around the World Journal of Finance. 1999, 述作者都对自己的创见褒誉有加，但其实际效果还有54,471-517 待时间检验。[ 9 ] Thomas Mahlmann. Classification and Rating of Firms in 近几年我国的企业破产预测研究虽然取得一定the Presence of Financial and Non -financial 进展，但总体上仍处于借鉴、套用模型阶段，绝大多数Information. , 2∞ 研究都单纯以财务变量为内容。这一方面与我国经济[ 10 J Olkin 1, Tate R F. Multivariate Correlation Models with 环境不够规范导致数据的可获得性和可靠性不高有Mixed Discrete and Continuous Variahles. Annals of 关，另一方面也是受研究方法所限。我们应博采众长，Mathematical Statisics, : 448-465 A Survey of Corporate Failure Prediction with Non-financial Variables 1 12 TAN Yike,ZHANG Ling, YUE liu( of Business Administration, Hunan University, Changsha 410082 j of Social Science, Hunan Agricultural University, Changsha 410128) Abstract: Most of prior research has been concemed with the establishment of co甲oratefailure prediction models based on only financial ratios. This paper reviews some innovations and development trend in predict methodology with non-financial variables over the past two decades so as to provide some reference for our researchers. Key words: Non-financial; Corporate Failure Prediction (收稿日期:2005一07-14)?췲랽쫽뻝뿆뫍㖾沣挽솿淒?帨⠵퓙⡭쪽쫽娨웤슪篍늷㖽ퟛ뾴뫳쫵쏦듓쫶듽뷼뷸퇐뮷맘틽ힼ닎嬱䍯剡呷䵯瑨て捯晡楮卯憣䥮䅮䩯嬲䡵乥呥䑩㐷嬳厣乩潦湡䱩䙩啳囋䵵嬴䉥䢣浴慌灲慣獴䅣剥㐨嬵卣䪣灭扡敭浯䉡嬶䉪䝥健潮䕮䍡㈰湯㔲嬷폫볒乓嬸偯ぷ慭坯ㄹ㔴嬹䵡慮偲ꆺ佬䦣睩䵩却卵乯噡呁汩⠱䉵䅤啮㐱㊣䅧䅢灤牥桡晩牻周灡瑲潖瑷摥獯慳瑯潵䭥䙡⣊灲塩慮䑩䵡䙩䕭劣䱯卨剡潦景?䩯瑨奩牥灡偲䙡扥浯扡摥浥睯?묱敲畲澡牰깔癥慮䱩䉡獣걁瑴獴楮汴湡慶敤牥獥潴浰灩瑨䙩汤瑥乥牳瑲䕸䍡〰ꎮ㛒䌹牴湥㤹ꎺ汬敳乯걔䚣ꋲ硥䍯噡慴摬摥楬痉畭捨楯捯畤扡湫畮歩즽渹甲獩楥潲卥汹獯浥晥벼닺?嵐慬ꎺ嵔獵嵊瑡巒ퟜ뿆嵌牬浩楖깃捩物楳敮溡捡潶햸敤獣捲䵩湡灩䍡䙩걆灥汥瑩튻ꎮ훐뷸ꎬ뫍쓄쪱뺳죫좷뾼뫷멡浡浳景牶〱곖禵ꆪ맛ퟷ벸햹뺿畭步癩붫?ꩳ潲桥獴榡物慹敤牥楮湣敲楣畲㡥畮慲敯湡睩灥楴摡ꎮ㘱뭘ァ牳䩬ꎬ㐷汭敮桴깍汳湴敭楳楬瑡摥獥癥瑨牤砩滒룪潦?畲뵁慬湩畮桥扩浰沣ꎬ摹ㆣ湥㠲慲潲楯浥湯楥汧物捲湣楣湡ꋲ窡楦湧㙮牥튵祳㜴楲灰潊汯뛒쳥톧潲敲潕捵牡ꩦ摥楤︭瑡慴浥ꩂ浩慧楧獳?瑯斣慲瑩捨楳捡牥慬湣溣捴摡ꎬ㊣ꆪ偅ꨲ桩捥ㆡ慮楡畬敬楮慢楣沣敷㐩㔩뾧탐㘩㜩ퟔ웳벸볤늻쇭뿆뛸컄玡扬䱳浡敹䍯㈸瑩乩浩楡捡摩湳ꩤ扲慮瑥畲楣汳汯潤킸쒶ㄩꎺ맺죋듓헟쓪ꎬ뚼暣?슽煵玣汩瑣剪ꎮ걙獳ꎻ斣敨慴癡湣捨碡来?湴楮湡慳慴楯牳捨湧潮瑩斣걌楥ꎺ㐱ꨵ溣畯楣玣ꆣ瑳ㆡ慰ꎬ汥汮훗뺭캯걚獴獩敧汴捴楡헆∩쫩枡묶潮湧湡慮ꎺ斡捩⢡췆⤽䅬튵룶볬릻튻톧쪵쿗깁?㈰斣꽆敳깊瑹禣换䙡汥啅啥걈돺敲楳灭〱멎枣瑩整楯湡捡갱楮却㛒ㄷ깃癡畳玣慬캬볊쏇짏뚼컒떫떥䡁潮湴乥꩓䍯慬慴ㄹ浥ꪣ볃풱牡瑹畲慮?긱㶡?〲깁멂潮睡ꎺ潵멁㤸懖橬慴뭈ㅡ物㤶瑩畮玣桭敮〹ꐩ떼瑭닆랽퇩맦폃楮ꎮ来?楬牰⡸쟺乇ꎮ㐴璣㤹湴ㆣ楳곀쏴믡튻獳慴瑩慬捩먲ꆷꪷ뻘懯짏뗄컄뛔맺ퟜ뒿ꎬ慹獥浡?畉敤?慮潭敮ꆪꆯ뇭ꎬ慮컱쏦ꆣ랶램뗄䉩깁긵瑩〳楦ꎮ?긳潮木䵡敳汥?⦣異ꇦ룐늹䍨慬〰瑥㵥ꆮ?붸횲헳왟뛔퇐살ퟔ뗄쳥틔潭?ꎺ捳ァ楣㊣晩ꎬ쪾벴풡뾪ힴ죋떼튲돤풤禣ꆪ捩捴畹睷㎣긱뛈훺慮㖡뗄整㌱ꨰ慴먴킻慮湡볃ꎬ웳뺿뾴벺짏닆먰䙩敤ꆧ物㞡〴楯㐸楡헽뿉뒴뿶쫖훂쫇럖닢慬갱㤶?횮瞣䡵杳ꨰ?湥뻹꾿ꇞ?獨捳ꨳ䝵ꎮꆪ瑨?폚웷튵훘룷뗄죔컱〳㚣곁닆쳢湡桡㞡첬뗃틔횮잿쫽쫜샻쒣깤㐴㐶硰ꎬ⣆敲?楡ㄹꆪ?컱ꨱ횵좺쫇쏜돶?웆쫽뗣짏톧뮯뒴뒦뇤뻝퇐폃탍敦沣ꎻ㥬碡ㄲ?캣뺿㐩뇭뛈에톧ꆣ쒣뗄뺿룷ꎬ慵뭃쒸꿊墵닺훷헟볻폚솿돉웷?좣믺볆潉篈긲몯뇰쒣퓚탍뿉랽汴엂ﶿ쪾쓃ꎺ풤튪뗄냽뷨캪껕쒣뮮灯쫽몯ꆭ탍틽뮹믱램쏦物﮺돉쪣짓?ꆯ닢벯랽폾본쓚캪浴ꆣ쫽풤죫풶뗃쯹탅獫⦿?쾹ꎮ맻곓쏏좺ꆯ헢훐램폐퇐ꆢ죝?烐⧊튻룹죧닢럇캴탔쿞쾢ꯋ첨놨ꎮ탒싊꿊튻퓚뿉볓뺿쳗ꆣ뻖췥룦뻝쿂⢸ꎺ웳닆듯뫍ꆣ닅捯풣붱ﶿ꾾쇬웆캽ꎬ쯤폃헢컀틔ꎺ튵컱돉뿉컒涣랶碡뿛탐㈰뮡짐?폲닺룷떫좻쒣튻짏쪧뇤릲뾿쏇쓜긲딫ꊻ헾〲꺡욣듎쏜ꆮ뗄냜솿폐쪶웤좡탍랽탔펦붨〰븩풺ꎬꇷ뛈횮풤ꆣ늻늩솢㒣ꖣ?ꪣ퇐뚨잧쪵뗃뷗쏦⢿ꞣ뺾웗맺ㆡꇎ몯쿈닢쯤룟닉룼긲쫑곔?뺿틥쟯볊튻뛎폫겿?ꆯ뫓랽좻폐훚캪ꎬ살ꆢ킧뚨컒뼩?⤷짏뎤웤춳뻟맻뻸맺ꎬ㶿훐ꇆ볆쳥뮹듳뺭쿲ꆰꜨꇆ벼펦폐뛠볃ꇷ쫽灹狊뫫渨읐涡ꆣㄫ긱ㅟꆯ䁩⮡릮뫻캣⥽겡?웬뤨뾱?
