财务预警研究范文1
一、企业财务预警系统研究的现状
企业财务预警研究初期的方法以趋势分析为主，但其研究贡献仅在于观察公司的财务比率趋势变化，以找出财务危机公司财务比率的特征与趋势，并未发展出真正的财务预警模型；1966年Beaver以二分类检验法创造了企业财务危机预警模型的雏形，此后国外学者对于财务预警的相关研究一直不曾间断，研究的范围包括了对财务危机的定义、样本的选取、自变量的选取与筛选、研究方法等，各自发展了不同的理论，可以归纳为统计类(二分类检验法、多变量分析法、回归分析法、Cox法及CUSUM时间序列分析法)和非统计类(类神经网络法、企业危机压力表)研究方法。
Beave应用二分类检验法进行的单变量分析说明了可以应用一个简单的模型来获得较高的预测力，而且也为后来的实证研究提供了理论基础。不过，虽然Beave应用这种方法从30个财务比率中筛选出5个最能分开失败企业和非失败企业的比率，但是它毕竟是采用国外1954-1964年的数据和样本得到的研究成果，其应用环境与我国的实际情况有很大差别，如果应用Beave研究所得的5个比率对我国的上市公司进行预测，不可能完全适用。
针对单变量模型的缺陷和局限，Altman的Z-Score模型模型能够把若干个变量合并入一个方程式，使用一定的判别标准，估计出企业的财务状况，这是非常可取的。但是他的Z-Score模型仍然有一定的局限性：首先，Altman所选破产企业和非破产企业的数量是相同的，这就表明每组样本有相同的先验概率，即各自50%，而真正一个企业发生财务危机或破产的概率是远远低于50%的。这种做法所造成的最严重影响是，常常会低估了将非破产企业误归入破产企业的误分类错误。
类神经网络模型虽然近几年被很多学者所使用，但其运作过程尤如黑箱，对于各财务比率的权重无法获悉，不同的样本模型其隐藏要素的个数会有所不同，影响比较的客观性，因此不适合作为比较不同样本的模型。Cox由于主要是用来预测公司未来的存活期间的概率，并非用来判定公司是否失败，因此也无法比较不同样本；而CUSUM模型在计算上较繁复，较适合作为个案分析的模型，并且从国外实证研究结果来看其正确率也没有明显优于其他模型。
另外，上述企业财务危机预警研究方法均过度依赖财务报表以及数学处理的机械形式，在实际中应用相当困难，因为，利用这些模式必须有相当的数理背景，对许多人来说可以说是一个苛刻的要求；财务危机往往是由企业的经营或管理上的失误造成的，这些失误要经过一定时期才能在会计报表中表现出来，所以通过财务数据预测财务危机是在引起危机事件之后进行的，不能从根源上防范危机的发生，并且无法挽回已经造成的损失。
二、建立企业财务预警体系的基本前提
企业财务预警管理是企业管理的一种高级形式，因此，对企业的基础管理工作必须具备一定的前提条件，否则，企业的财务预警将成为空中楼阁。
1、领导素质是关键。高素质的领导班子和团队意识以及企业负责人的高度重视是企业预警管理的成功保障。
2、较为完备扎实的管理基础是实施财务预警的基础条件。企业预警需要有一定的管理基础和功底，仅靠提高财务管理水平，只是杯水车薪。因此，企业必须具备一定管理基础，特别是企业在实施ERP之后，财务预警应充分利用ERP的管理思想和基础数据。
3、财务管理与其他管理活动的良好衔接和协调。企业是一个整体，任何一项活动都会影响客户的满意度，企业的财务管理必须保持与其他管理活动的良好沟通和衔接，财务预警系统应该与其他子系统保持协调一致，实现数据共享。
4、完善灵敏的信息系统。财务预警系统必须以大量的信息为基础，这就要求强有力的信息管理向预警系统提供全面的、准确的、实时的信息。
5、规范真实的财务会计信息。企业财务预警大量引用和分析企业的会计信息，因此，企业会计信息的真实性和规范性将直接影响到财务预警体系的建立和运行效果。
6、完善的内部控制制度。财务预警系统向内部控制制度提出了更高的要求。良好的内部控制制度应该包括法人治理结构完善、组织建设权责分明、交易处理程序适当、披露及时等内容。
三、企业财务预警的程序
1、寻找警源。警源是警情产生的根源，是“火种”。从警源的生成机制来看，警源可以分为外生警源和内生警源；从警源的可控度来看，又可将其划分为可控警源与不可控警源；从警源的性质来看，还可分为主观警源和客观警源。
2、分析警兆。警兆是预警的信号系统。一般地，当警源导致警情爆发之前，总有一定的先兆，这种先兆与警源可以由直接关系，也可有间接关系:可以有明显关系，也可以有隐形的未知黑色关系。警兆的确定可以从警源入手，也可以依经验分析。警兆一般可以分为两类：一类是景气警兆，一类是动向警兆。
日本经济企划厅在研究该国经济的循环与波动时，把景气指标分成了先行指标、一致指标和滞后指标三类。先行指标是在波动达到波峰或低谷之前提前出现的指标，一致指标是该指标出现的时间与波动达到高峰或低谷的时间基本相同，滞后指标是出现日期在波动基准转折点之后的指标川。类似于经济的循环与波动，财务出现风险或危机，必然会经历一个时间顺序相连的发展阶段，是一个逐步显现、不断恶化的过程，财务预警的警兆随之也应有不同的表现。
3、选取预警指标。在企业财务预警中，任何一个财务指标，都难以全面评价企业的财务状况和经营成果。要想对企业的财务状况和经营成果有一个总的评价，就必须将企业的偿债能力、盈利能力、发展能力、营运能力、现金能力等多方面的财务指标纳入一个有机整体中，才能全面地对企业财务状况、经营成果进行解剖和分析，从而对企业经济效益的优劣作出评价和判断。
财务预警研究范文2
一、财务预警理论概述
（一）财务预警概念
企业的财务预警就是指财务失败预警，是利用各种可得到的数据，如以财务报表和经营计划中的信息为依据，再利用统计和财务会计的知识通过比率分析和模型使用等方法对企业过去、现在和未来的财务状况进行推断，判断企业在经营活动和管理活动中是否存在潜在的危险。
（二）财务预警主要模型
从二十世纪三十年代到目前为止，财务预警模型经历了三代的发展和演进。
第一代财务预警模型为单变量财务预警模型。第二代财务预警模型分为多元变量财务预警模型和条件概率分析模型，条件概率分析模型又分为逻辑回归模型和概率回归模型。第三代财务预警模型在前两代的基础上又进行了改进。第三代人工神经网络分析财务危机预警模型是对人工神经网络的模拟构建，但其本身理解起来比较复杂，要求较高的硬件条件，目前适用范围还不广泛。
二、我国上市公司财务预警存在的主要问题
从模型的角度。缺少自己的独创性也未依据本国的实际政策和经济发展状况对模型进行调整。这种照搬照抄的数据和模型并不能很好的预测将要发生的财务危机也不能为企业的财务情况和经营发展提供有效的建议。
从指标选取角度。一方面来说由于我国的财务报表编制存在很大的弹性，其中的数据并不能够完全真实的反映公司实际的生产经营情况。另一方面由于企业在不同时期会采取不同的会计政策，由此造成了报表数据的前后不一致对纵向对比判断企业财务危机的可能性造成了很大的障碍。
从判断标准角度。国外与国内的经济形势和政策均不相同，对不同同类型的企业判断标准也不相同，而目前在各个领域还没有一个统一的标准进行判断。
从实际操作使用方面。许多公司并未根据本公司通过财务预警模型得出的数据调整未来发展方向和财务政策，使财务数据没有得到应有的用处而被闲置。
三、我国上市公司财务预警优化的对策建议
应采取如下应对措施：
从模型的角度。建立适合我国企业的财务预警模型。自财务预警模型建立应用以来，世界上已有几十个国家发展了适合本国国情的财务预警模型，中国也应该在充分利用借鉴外国资源的基础上，建立适合我国国情的企业财务风险预警模型。
从指标选取的角度。不仅要选取财务指标还应选取非财务指标。通过案例验证，许多企业的非财务指标甚至比财务指标更早的预测出了企业将会面临的风险和将要遭受的危机。
从判断标准角度。判断的标准要具体情况具体分析。以阿尔曼的Z分模型为例，在2008年，许多非ST的企业Z值都有所下降，这是全球金融危机所带来的不可避免的影响。故在这种年份，若一个企业的Z值稍稍低于0.9，对此企业是否存在破产威胁就不能仅仅依据这一个指标下结论。
从实际操作方面。应根据财务预警制定合理科学战略目标。如果企业的战略过于激进或者投资过于分散则会对财务及经营产生巨大的影响。
四、财务预警研究的案例分析
在众多财务预警模型中，我们选取Z分模型来进行案例分析。Z分模型的主要内容如下：
Z=0012X1+0014X2+0033X3+0006X4+0999X5
其中Z为判别函数值，各变量计算方法为：
X1=（期末流动资产-期末流动负债）/期末总资产
X2=期末留存收益/期末总资产=（股东权益合计-股本）/期末总资产
X3=息税前利润/期末总资产=（利润总额+财务费用）/总资产
X4=期末股东权益的市场价值/期末总负债=（优先股和普通股市场价值）/总负债
X5=本期销售收入/总资产
阿尔特曼教授根据美国股市的情况将Z值的判定临界点设置为2675，将这个结论与中国的实际情况相结合，应适当调低Z值，根据以前文献研究将其定为09，即若上市公司的Z值小于09并伴随着下降的趋势则公司处于较为严重的财务困境中并可能面临退市。为了举例说明这一情况，我们选取了一家已连续两年亏损的公司ST云网用Z分模型分析来说明情况。
我们选取*ST云网 2009～2014年度的财务报表进行Z评分模型的分析。
依据各个指标所代表的意义进行分析，X1在六年内连年下降，并在2014年达到负值则说明公司的流动性不容乐观。X2体现的是企业累积的利润，而这一指标也从2009年的0.7下降到了2014年的-0.8，这与企业的现实发展状况也是相吻合的。X3在2013年就变为负值说明企业的资产利用效果很差，而在2014年云网想从早已成熟的互联网视频行业分一杯羹，进行了投资却惨遭失败。X4表明了股票下跌的幅度也略大。X5显示公司可用资产获得收入的能力也在下降甚至低于1，说明企业在增加收入方面十分不利。
财务预警研究范文3
关键词：财务预警 财务指标预警 财务指数预警 回顾及展望
一、财务预警及其方法研究概述
财务预警是以财务及非财务信息为基础，通过设置并观察一些敏感性预警指标的变化，对企业可能或者将要面临的财务危机所实施的实时监控和预测警报。财务预警主要有统计预警、模型预警和指数预警三类方法，分别通过设置警兆指标、建立预警模型和构造指数体系进行警情分析和预报。
统计预警研究方面，主要集中在财务预警研究的早期阶段。Beaver（1966）提出较为成熟的单变量判定模型，Altman（1968）运用多变量判别法提出著名的Z值模型，周首华（1996）等在Z值模型的基础上创立了F分数模型。模型预警研究方面，预警模型从单一向多元化发展，从静态模型向动态模型发展。Ohlson（1980）最早采用Logistic模型进行财务预警，发现利用公司规模、资本结构、业绩和当前的融资能力等指标进行财务危机预测的准确率达到96.12%。Odom和Sharda（1990）首次将神经网络模型应用于企业财务危机预警，实证研究显示该模型的辨别率极高。杨淑娥等（2007）以上市公司被ST前两年和前三年的面板数据构建财务危机预警的BP神经网络模型，研究发现，该模型具有良好的中长期财务危机识别能力。陈磊等（2009）用时间序列判别分析的方法估计财务比率的演变过程，用指数加权移动平均控制图模型构建公司财务危机的动态预测模型，实践表明预测效果良好。孙晓琳等（2010）基于Kalman 滤波理论，考虑财务比率在时间序列上的趋势性和历史数据对结果的影响， 构建了财务危机的动态预警模型。指数预警研究方面，相对于前两种方法，目前的文献较少。张勇（2006）在回顾企业财务预警研究历程的基础上，提出将财务指数运用于财务预警中的观点，利用主成分分析法，对财务预警个体指数进行分析，建立房地产行业财务指数预警模型，测度样本企业的财务预警综合指数。张友棠（2008）认为指数预警是建立在统计预警和模型预警之上的一种以定量预警为主的综合性预警方法，提出了三维财务风险预警系统，从理论上阐述了三维财务风险预警指数的编制方法。
二、财务指标预警理论与实证研究
无论是采用哪种财务预警方法，财务指标都是财务预警研究中最基本的变量。不同类型的指标所含的信息量是不同的，因此，对财务危机预警指标的选择关系到财务危机预警模型的预测能力和效果。在财务预警指标体系的选择上，先后经历了传统财务指标、现金流量指标和与非财务指标相结合三个阶段，这三个阶段并没有明确的界限。
国内外学者早期的研究通常使用常规的财务指标，如负债比率、流动比率、净资产收益率和资产周转速度等，作为预测模型的变量进行财务危机预测。随着研究的发展，财务指标不断扩展，现金流量指标越来越受到重视，Beaver（1966）基于财务报表比率，对危机和正常企业的个别财务比率进行比较，认为资产收益率、资产负债率等4个指标具有较高的区别。Deakin（1972）的研究中较多的采用现金流量指标，如现金/负债、现金/总资产等。鲍新中（2007）把企业的现金流量从构成上分为经营活动、投资活动、筹资活动三个方面，然后从现金流量的数量性指标和效益性指标两个方面来选择预警指标。陈磊和任若恩（2009）采用Wann-Whieney检验和spearman相关系数剔除共线性指标，最终选择营业利润/主营业务收入、应收账款周转率、总资产对数增长率、固定资产/总资产4个财务指标。刘先伟和陶萍（2011）在反映企业财务状况7个类别的财务指标中，采用AIC信息准则进行辨别，各选一个指标，共7个财务指标作为预警模型的构建指标。
20世纪60年代后期开始，学者开始逐渐引入一些非财务指标应用于财务危机预警研究。Wiiliam在1968年的研究中加入股票收益率指标。研究发现，股票收益率指标和财务会计指标的预测并不完全同步，但综合这两种指标进行判断，有助于提高预测的准确率。Marquette（1980）认为大多数以财务比率为基础构建的预警模型将会因时间的推移而改变，判别效果也会退化。为改善这种状况，他建议在构建模型时将长期宏观经济指标考虑进去，如通货膨胀率、景气变动指标、利率、产业与经济之间的关系等指标。Elfoumi和Gueyie（2001）以1994-1998年间的92家加拿大公司为样本，以董事会的某些特征（如董事会中外部董事的比例、董事长和总经理是否兼任等）为变量进行研究，结果发现除财务指标外，企业董事会的构成与结构也可以解释企业的财务困境。姜秀华（2001）引入了股权集中度、管理层持股比例以及总经理持股比例等非财务变量；张建（2004）选用了董事会规模、董事长和总经理二位一体性、内部董事比例、高管人员持股比例、总经理持股比例、董事长持股比例、监事会规模、股权集中度、第一大股东持股比例等反映公司治理和股权结构的指标。目前来看，学者们在研究中所采用的非财务指标主要包括公司治理指标、股权结构指标、市场价值维度指标和宏观经济指标等。
综上，经过几十年的发展，基于财务指标构建的模型预警研究成果丰硕。然而，财务预警模型研究成果在现实中的应用并不乐观，财务预警模型的高判别率并未转化为现实中的高预测率。企业是一个开放性的经营实体，需要不断地与外界交换物质和信息并发生财务关系，以获取和配置资源，保障持续经营。因此，企业的财务危机除了受企业内部运营与管理的影响，还与外部宏观经济的波动密不可分。另外，财务预警是以财务及非财务信息为基础的，需要通过设置并观察一些敏感性预警指标的变化，才能对企业可能或者将要面临的财务危机进行实时监控和预测警报。当前，理论界已经充分认识到财务指数研究在发挥会计信息重大决策预警作用方面的重大学术价值，相比微观指标的使用，指数避免了主观因素的干扰，比较客观地反映上市公司财务状况的集中趋势；指数十分直观，易于使用，企业和其他利益相关者可以方便快捷的使用该指数判断企业面临的风险。
三、财务指数预警理论与实证研究
在财务预警研究的早期，主要借鉴企业破产理论或生命周期理论，综合运用数理统计技术对企业财务危机进行预警，即传统的统计预警方法，停留在"指标判别"预警上。近年来，随着财务预警研究的不断深入以及边缘统计学科的不断渗入，财务指数预警研究成为了一个新的研究热点。
截至二十世纪末，国内财务指数预警研究领域尚处一片空白，亟待学者们认真地加以研究。陈静宇（1993）探索性的将主要应用于宏观经济领域的经济景气分析与预测方法引入企业微观经济领域，运用移动平均比率法剔除时间序列的季节变动和部分随机变动因素，获得反映经济周期性波动的财务指标。显然，初期的企业经营周期波动及其预警主要停留在具体财务指标波动的预警上。21世纪以来，财务指数预警研究有了较快的发展。赵德武（2000）初创性的提出基于指数平均加权法编制财务经济指数对企业财务经济进行监测与预警。其基本原理是通过监测财务经济运行过程，识别其所处的景气状态，并预测财务经济运行过程可能的发展动向。
此后，国内关于上市公司财务指数预警的研究逐渐丰富起来。借鉴宏观景气监测理论，综合运用统计方法并以指数的形式反映，财务景气预警方法应运而生。陈磊（2004）在实证分析企业景气问卷调查结果的基础之上，分别建立了各景气调查指标的扩散指数（DI）和综合衡量企业景气状况变动的合成指数（CI）。然而，由于企业景气调查是基于企业家对企业运营情况和宏观经济发展态势做出的经验判断，虽然能够较为全面提供反映企业景气状况的丰富信息，但人为的判断主观性较大，降低了预警的效果。王恩德、高铁梅等（2006）运用数据仓库技术对数据进行了处理，参照陈磊（2004）的景气指数法特别针对中小工业企业研制了反映其经营状况的经济指数，传递预警信号。在此基础之上，张友棠、张勇（2006）进一步细分了财务景气预警系统，分别从行业环境及内部控制风险评估系统、财务景气监测系统和财务景气预警系统三个层面作预警分析。此外，张友棠、冯自钦、杨轶（2008）借鉴波士顿咨询集团业务组合矩阵的思想，采用指数预警矩阵的方法进行预警指数分析，对定量化预警指数数据进行处理和分析，达到预警风险和危机的目的。类似地，闵剑（2013）将战略地位与行动评价矩阵引入跨国投资风险监测预警，通过对风险指数多维度的探讨分析，矩阵思想在风险预警领域也作了非常有益的尝试。
综上，财务景气预警方法的运用主要依赖于扩散指数或合成指数的建立。但由于扩散指数在监测预警程度方面的不足，逐渐被合成指数所取代。当然合成指数预警也有自身的缺陷，这种缺陷表现为难以识别预警转折点上各因素之间的相互关联程度（黎春，2010），并且其编制过程繁琐难以广泛运用。此外，财务景气指数能够较好地监测企业财务状况波动情况，但预警的关键仍然在于预警临界值的准确选择，其预警效果有待进一步的探究。同时，可以发现矩阵思想在指数预警中的运用也即将把财务指数预警研究推向一个新的高度。
四、财务指数预警研究展望
财务指数预警的研究尚处在指数预警理论探讨和方法的尝试阶段，但不论采用何种方法编制指数进行监测预警，在宏观景气监测理论的基础之上探讨宏观经济波动与微观企业危机的相互关系存在可取之处。本文认为未来研究至少可以从以下几个方面进行拓展：
（一）宏观微观视角并重，开拓财务指数预警新领域
尽管会计严格假设企业的持续经营性质，但现实中不可避免存在企业因经营不善或处于企业发展的衰退期而导致破产清算。传统的财务预警主要基于企业生命周期理论与实务中的破产理论，由此对企业财务困境或危机的预警，也主要源于微观层面的经济预警。立足于宏观经济预警视角，拓展传统财务预警领域，充分实现宏观微观经济预警理论的结合，对深化财务指数预警研究颇具学术前景。
（二）突破财务危机研究样本的局限性，建立全样本指数研究体系
国内危机预警相关实证研究，大多基于上市公司是否被ST作为企业有无发生危机的判别标准，而企业的“财务危机”指的是企业缺乏足够的现金流偿付到期债务与利息的一种经济现象，这意味着陷入财务危机的企业完全可以是账面有盈利的企业。公司被ST只能理解为公司陷入财务困境所传递出的一个可能信号，财务危机与ST难以等同。因此，现行“两阶段划分法”研究样本存在较大的局限性，其依据的财务危机概念的内涵与外延并不统一，亟待建立全样本指数研究体系。
（三）分门别类，合理构建行业或区域专有的财务指数预警体系
同一财务指数预警体系对不同行业预警的判别效果差异明显，需要构建行业、区域各自的财务预警指数体系。原因有二：第一，由于各区域、各行业影响财务危机的因素大不相同，不同行业之间的财务指数自然存在巨大差异，这必然导致财务指数预警判别标准的紊乱，预测效果降低。第二，基于宏观经济理论建立的财务危机预警体系，由于各行业、地区间发展的不平衡以及行业间关联性较大（例如，房地产行业的兴起，或多或少带动了钢铁、水泥等行业的发展），导致行业发展存在“先导”行业或“滞后”行业之分，且各行业受到宏观经济政策不同程度的影响，若混为一谈，指数预警体系难以合理构建。
（四）结合非财务因素研究，充分把握财务危机产生的根源
利用财务指标构建模型是目前学术界关于财务危机预警研究的主流方法。但有学者认为财务指标充其量为企业财务营运水平的征兆，企业是一个开放性的经营实体，与外界不断地交换信息，同时需要不断的对外投资与融资实现拥有配置资源的权利，保持企业的持续经营。因此，包含宏观经济波动等在内的非财务因素是导致财务危机的原因之一。截至目前，国内外学者开始关注宏观经济波动等一系列非财务因素对财务危机的影响。Mensah（1984）基于总体经济景气因素（通货膨胀率、利率水平、商业周期）的影响程度，区分预警模型在不同经济景气时期的预警效果，发现加入总体经济景气因素能提高其预测能力。吴星泽（2011）突破使用财务指标进行预警的框架，明确提出了用非财务指标进行财务预警的非财务观理论。由此可见，未来的财务指数研究需要结合非财务因素对财务危机预警进行深入的探讨，以把握财务危机产生的根源。
（五）合理确定预警临界值
预警临界值的选择是构建财务指数预警的关键环节与难点。国内现有实证研究成果大多基于公司ST与否来判定财务预警的临界值。但在全样本指数预警体系中，预警临界值的确定变得更加复杂化，需要综合分析目标行业的影响因素后加以确定。而且，有必要在不同阶段应用不同的预警方法进行处理。首先，采用指标体系法对基础预警指标进行筛选。其次，运用财务预警模型确定警度，划分警限。最后，采用综合评分法对各指标进行科学赋值，综合评价与准确预警。在财务指数预警的大框架下，充分利用传统的统计预警、模型预警优势，同时借鉴矩阵预警现有成果，以确定最佳的预警临界值。
总之，财务指数预警体系的建立，不仅开拓了传统财务分析研究和传统财务危机预警研究视角，更是会计信息研究领域的重大突破。通过建立囊括个体指数、综合指数在内的多层次指数体系进行财务预警分析将是未来财务指数应用研究的方向。X
（注：本文系浙江省自然科学基金重点课题“基于宏观经济波动的财务指数预警体系及其应用研究”的阶段性成果；项目编号：Z13G020005）
参考文献：
1.周首华，杨济华，王平.论财务危机的预警分析――F分数模式[J].会计研究，1996，（8）.
2.陈静宇.企业经营的周期波动及其预警[J].重庆大学学报，1993，16：（4）.
3.陈磊.企业景气状况与宏观经济运行[J].管理世界，2004，（3）.
4.王恩德，梁云芳，孔宪丽，高铁梅.中国中小工业企业景气监测预警系统开发与应用[J].吉林大学社会科学学报，2006，46：（5）.
5.张友棠.财务预警系统管理研究[M].北京：中国人民大学出版社，2004.
6.闵剑.企业跨国投资风险预警指数及定位监控模型[J].财会通讯，2013，（1）.
财务预警研究范文4
关键词：上市公司；财务预警；变量；模型
中图分类号：F83
文献标识码：A
文章编号：1672-3198（2013）24-0105-02
1 前言
随着我国证券市场的发展，上市公司的数量日渐增多，截止2013年10月21日，仅沪深A股已有2545家上市公司，上市公司股票的管理难度在逐渐加大。2012年12月14日上海证券交易所出台了《上海证券交易所风险警示板股票交易暂行办法》，为平稳推进退市制度改革制定了一系列新的规定，并增设了“风险警示板”专门管理有交易风险的股票，到目前为止，已有44家上市公司的股票进入“风险警示板”。可见，我国政府已经开始重视上市公司的健康发展，关注上市公司财务危机预警制度的完善。但我国目前学术界尚未建立完善的上市公司财务预警模型，基于此，本文对国内外关于上市公司的财务预警研究进行了综述，在总结前人研究的基础上，归纳其不足，以对进一步的研究指明方向，希望对我国上市公司财务预警制度的完善有一定的帮助。
2 财务预警定义综述
国外的研究者主要从“企业失败”、“公司破产”、“财务危机”等不同视角定义了财务预警的内涵。Beaver（1966）、Carmichael（1972）、Scott（1981）等学者认为企业无法支付到期债务时就出现了财务预警的情形，并称这种情形为“企业失败”。Altman（1968）、Deakin（1972）、Gilbert（1990）等学者赞同“公司破产”的观点，认为只有公司提出了破产申请，才被认定为公司出现了财务危机。还有一些学者认为应当从不同程度和不同方面来衡量财务危机，而不是单一的方面，比如Laitinen（1991）从三个程度衡量上市公司的财务危机，分为轻微失败公司、中度失败公司和严重失败公司。而Ross（2000）则认为企业财务危机表现在“技术失败”、“会计失败”、“企业失败”和“法定破产”四个方面。
目前国内学者关于财务预警的研究还不成熟，主要借鉴了国外学者的研究。周守华等（1996）率先使用了统计方法进行研究财务危机研究，并认为“企业破产”能够准确定义财务危机的内涵。谷祺和刘淑莲（1999）则认为当企业出现偿还债务困难、资金管理、技术性失败等情形时，则称之为“财务危机”。卢兴杰（2006）主要是从实证研究方面提出财务危机的标准，他认为基于我国证券市场制度的管理环境和我国经济制度现状的特殊性，将ST上市公司作为研究对象更具有可操作性。李心合（2007）认为将公司的现金流状况与财务失败联系起来更准确，当一个企业的现金流入不能满足正常支付需要的现金流出时，表明一个公司存在财务困难，也就出现了财务失败或财务危机。
财务预警的作用在于帮助企业预测危机，因此，将其定义为破产并不达到预警的目的。结合我国证券市场退市风险管理的相关制度要求，本文赞同卢兴杰的关于财务预警概念的观点，即被ST的企业就被认定为财务预警研究的对象比较合理。
3 财务预警模型及指标综述
目前国内外关于上市公司财务预警机制的建立主要集中在单变量模型分析、多变量模型分析、多元逻辑回归模型和非统计方法研究。
（1）单变量模型：美国经济学家Fitzpatrick（1932）在《成功工业企业与失败工业企业财务比率的比较》文章中率先提出了单变量可以对企业的财务危机提出预警这一概念。Beaver（1966）在《财务比率预测财务危机，会计研究（副刊）》中对单变量判定模型进行了系统分析，表明债务保障率、资产收益率、资产负债率和资产安全率等比率可以有效预测财务危机。陈静（1999）根据行业和规模各选取了27家ST公司和非ST公司的财务指标对比，发现资产负债率、流动比率、总资产报酬率、权益净利率等四个财务比率具有较高的预测能力，其中资产负债率和流动比率的预测准确度最高。
（2）多变量模型：Z模型为多变量模型的代表性理论，美国著名学者Altman（1968）在《Journal of Finance》上发表《Financial Rations， Discriminant Analysis and the Prediction of Corporate Bankruptcy》提出了多元判别这一模型。Z=1.2（X1）+1.4（X2）+3.3（X3）+0.6（X4）+0.999（X5）其中：X1为营运资金与总资产之比；X2为留存收益与总资产之比；X3为息税前利润与总资产之比；X4为股票市价与总负债面值之比；X5为销售总额与总资产之比，通过上述模型计算得到一个总分，Altman称之为Z值，通过实证数据的大数统计，得出Z值的临界值进行判断。一般认为，Z值小于1.81，破产几率很高；Z值高于2.99，破产几率很小；Z值介于1.81和2.99之间，有待进一步考查。Z模型能较为全面地评价企业的财务状况，是企业财务危机预警的最常用模型之一。
我国学者周首华、王平和杨济华（1996）提出Z模型中的财务比率指标缺乏衡量现金流量方面的数据，具有一定的局限性；基于此，对Z模型进行了修正，建立了新的财务危机预测模型“F分数模型”，公式如下：F=-0.1774+1.1091（X1）+0.1074（X2）+1.9271（X3）+0.0302（X4）+0.4961（X5）其中：X1、X2和X4的定义借鉴了Z模型中的内涵。而对其他指标进行了修正，转化为能反映现金流量的指标，X3为（税后净利润+折旧与摊销）与平均负债总额之比，X5为（税后净利润+利息费用+折旧与摊销）与平均资产总额之比。同样地，计算F值，得到临界值为0.0274，如果F值小于0.0274，则被预测为公司濒临破产；相反，则被预测为公司可持续经营。张玲（2000）采用的是线性判别模型，选取了60家公司进行模型估计，同时选取了另外60家公司对模型进行了检验。该模型为：Z=0.517-0.46（X1）-0.38（X2）+9.32（X3）+1.158（X4），其中X1为总负债与总资产之比，X2为营运资产与总资产之比，X3为净利润与平均总资产之比，X4为留存收与总资产之比。结果发现该模型可以提早4年进行财务危机预测。罗澜（2012）利用Altman提出的Z财务预警模型选取了30家上市公司，并对其2006年至2010年的财务数据进行分析，得出结论：一定程度上Z模型可以较好地反映我国上市公司的财务状况，但却存在一个问题，即整体值偏低，还需要结合Z值的趋势进行分析。
（3）多元逻辑回归模型：Ohlson（1980）在《财务比率和公司破产预测》中运用了多元逻辑回归模型预测企业破产，这是多元逻辑回归模型首次被提出。该文章提出可能导致公司破产的变量应当至少从以下四方面考虑：公司的规模、公司的资本结构、公司的业绩以及公司当前的融资能力。姜秀华、孙铮、任强（2002）选取了14个预测指标，并通过相关分析最终确定了4个变量，建立了逻辑回归模型：Ln[p/（1-p）]=-0.1661-0.073（MR）+10.1481（OAR/TR）+10.1148（STL/TA）-4.5668（H），MR表示毛利率，（OAR/TR）表示其他应收款所占比重，（STL/TA）表示短期借款所占比重，H表示股权集中度。以此模型判别我国的“ST公司”，结果发现该模型判别的准确率高达95.45%，结果显示“ST公司”的（OAR/TR）、（STL/TA）比值大，发生在股东之间的“搭便车”现象非常严重。程涛（2005）同样采用的是逻辑回归的研究方法，但在变量选取方面，增加了反映现金管理特征及现金管理结果的变量，连同其他财务指构建了综合性的预警模型。
（4）非统计模型分析：Wilkins（1997）研究发现一定程度上根据审计师的意见可以反映公司是否会在将来陷入财务危机。Frydman，Altman和Kao（1985）则发现运用递归划分算法在许多原始样本和对比样本上比判别模型分析得更好。Tam（1991）进行财务预警研究采用的是ANN模型，他得出的结论是，神经网络用来进行财务预警，预测的精度较高。Charitou和Trigeoris（2000）则创造性地提出可以将期权定价模型运用到财务预警分析中，变量选择“到期账面价值”、“资产当前价格”、“公司价值变动的标准差”，结果表明，该模型的准确率较高；Chancharatd（2007）认为财务预警关系到一个公司的生死存亡，他运用生存分析对在澳大利亚上市的公司进行分析，得出结论，杠杆比率越高、规模越大的企业发生财务危机的可能性越大。
在我国，黄小原、肖四汉（1995）构建了神经网络财务预警系统。柳炳祥、盛昭翰（2002）综合评价了利用财务危机的指标体系划分财务危机的等级，以及运用粗神经网络进行财务预警的方法，并在此基础上做了一个实例验证。之后柳炳祥（2002）提出了粗糙集神经网络、周敏（2002）构建了基于模糊优选的神经网络、刘洪（2004）提出了人工神经网络、柳炳祥和盛昭翰（2003）认为可以通过案例总结归纳，推理得出财务预警系统等财务预警模型。
4 总结
目前关于财务预警模型的研究取得了一定的成果，但还存在一些不足：
4.1 现有研究模型的局限性
（1）单变量模型的缺点。
选取的财务比率不同，预测的结果差距经常相当大，甚至会由于选取的财务指标不同得到不同的结论，甚至得到矛盾的结论。其次，某些财务比率存在被公司管理层粉饰过的可能，根据被粉饰的数据做出的预测可靠性差。再有，公司的生产经营活动是多种因素共同作用下的结果，每个因素之间相互又有影响，不能仅依靠单一变量做出评估。这些缺陷严重影响了单变量模型的适用性，现在很少采用。
（2）多变量模型的不足。
第一，多变量模型的工作量非常大，需要搜集大量的数据进行分析。第二，多元线性判定模型的运用前提过于严格，需要正态分布的变量，且样本满足协方差相等的要求，导致难以寻找到符合条件的样本。第三，多元判别技术的运用要求样本组与控制组必须配对，但如何恰当确定配对的标准仍是一个难题。总体上来讲，多变量模型可以对公司的财务状况有总体的了解，可以比较一个公司不同时期的财务状况，但横向可比性却无法实施，而不同规模、不同行业的公司之间的比较有时又非常的重要。
（3）多元逻辑回归模型的不足。
该模型最大的缺点是其过于复杂的计算过程，而且处理方式又有很多相似的地方，这必然导致模型预测的精准度受到影响。
（4）非统计方法的不足。
非统计方法对于样本数据要求非常低，但是在挖掘因变量和自变量之间关系的准确度上稍有欠缺。
4.2 启示
目前，学者在进行指标的选取时，往往是偏重于某个财务指标，有的学者偏重于现金流量方面，有的学者偏重于在Altman Z模型的五个变量的因素基础上进行删减，还有些学者利用其他非传统类方法进行财务指标的选取，这些方法的选择往往缺乏理论的支撑，对实际问题的解释深度不够。目前还没有一个统一的、有效的方法选择财务预警体系的评价指标；同时，企业的规模、企业成长能力、企业所处的市场环境和企业的治理结构等非财务指标还没有纳入预警体系之中。
模型构建方面，现有研究主要集中于用函数关系式来表达财务预警与财务指标的关系，国外在这方面的研究已经比较成熟，但不一定适用于我国的企业，我国学者的研究大多是基于国外模型的改进，没有理论上的创新，我国财务预警模型的构建还需要进行进一步的研究。
参考文献
[1]Altman. Financial Rations， Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].Journal of Finance 23（Sept.），1968.
[2]Beaver. Financial Rations as Predictors of Failure[J].Journal of Accounting Research（supplement），1966.
[3]Ohlson. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980.
[4]陈静.上市公司财务恶化预测的实证分析[J].载会计研究，1999，（04）.
[5]罗澜.Z计分模型在我国上市公司财务预警中的适用性探究[J].证券投资，2012，（01）.
[6]张玲.财务危机预警分析判别模型[J].数量经济技术经济研究，2000.
[7]周首华，杨济华，王平.论财务危机的预警分析——F分数模式[J].会计研究，1996，（08）.
[8]卢兴杰.我国上市公司财务预警的实证研究[J].财会月刊，2006.
财务预警研究范文5
[关键词] 财务预警模型 主成分分析 SPSS软件平台的二次开发
一、引言
本文首次引入多元逻辑回归法的主成分分析法SPSS软件二次开发平台，研究构建财务预警模型。以德光公司连续10年的财务数据为样本，以实际业绩波动为判断依据，作一次主成分法财务预警方法的实证研究，并期望对财务预警方法的普遍推广带来新的方法。
二、研究设计
纵观目前所有以财务指标为数据样本来建立财务预警模型的研究，始终以奥特曼(Altman)教授的多变量模型为蓝本 Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5 （式一）
按这一思路。为获得德光公司特有财务预警模型，计划按下列框架进行研究。
1.以主成分分析法得到的特征方程根贡献率作为模型系数（上文公式中系数）。为准确且快速有效获得结果，研究中使用著名商业软件SPSS和最新主成分分析法二次开发成果来演绎数据。
2.借鉴以已有的主成分法对我国上市公司的研究结果（2006年），同时结合自身公司的实际获取德光公司的财务指标主成分（上文公式中变量X）。
3.用主成分分析法推导获得的德光公司特有的财务预警模型。为检验该预警模型的准确性，用理论近似的F值模型法检验比较结果有效性。
4.选用ST大唐上市公司过去10年（1998~2007）的财务数据为样本重复研究，进一步验证本文方法的正确性和普遍适用性。
三、财务预警模型的建立及预警效果分析
1.SPSS的主成分法二次开发平台的运行环境与调试。
SPSS的主成分法二次开发平台 ，需要安装在Window XP操作系的电脑上。本研究选用统计运用软件SPSS(v13)和netframework2.0，再通过SPSS的功能编辑器导入二次开发的主成分法。软件安装成功后，通过运行测试数据检查了计算平台的正确有效性。
2.财务指标的选择和财务警情的判断值定义
在已有主成分分析法对我国几十家上市公司的财务预警模型的研究基础 ，结合实际决定采用下列9个财务指标和预警值Z的评价区域判断依据表（表1）：
财务指标定义:1应收账款周转率=销售收入/应收账款平均占用额；2速动比率=（流动资产-存货）/流动负债；3总资产周转率=销售收入/平均总资产;4主营毛利率=(销售收入-销售收入)/销售收入;5主营业务收入增长率=(本年主营收入-上年主营收入)/上年主营收入；6总资产净利润率=净利润/总资产平均余额；7股东权益比=净资产/总资产；8利息保障倍数=息税前利润总额/利息费用；9主营业务现金比率=销售收入的现金回收总数/销售收入
3.主成分法数据计算和结果
(1)主成分法财务预警方法在德光公司实证研究
德光公司是一家中德合资企业，一直担当国内光学显微镜行业的龙头企业。从1999年进行了股份重组由合资变为德方90%控股及新聘总经理。为公司引来了新一轮发展机遇。为研究公司财务预警可显示性，本文正是选用了这样一段历史阶段（1998年到2007年）。
在SPSS软件平台输入德光公司的10年财务指标，获得以下主成分分析法的主要结果：
按数学模型合并主成分的贡献率后得到以下主成分法财务预警方程模型：
Z=0.286X1+0.196X2+0.259X3+0.099X3-0.183X4+0.218X5+0.251X6+
0.249X7+0.187X8（式二）
由主成分方程模型计算得到德光公司10年的预警值Z值(见表5，A部分）
(2)选用F 值模型对以上结果的准确性做验证
将德光公司的10年的财务指标，输入F 值模型法 ，计算运行获F值(见表5，B部分).
当F
(3)选取ST大唐公司做重复检验研究
为进一步验证本文所选实证研究方法的正确性和普及性，以相同的主成分法模型和运算平台，随机选取了一家ST上市作为检验对象， ST大唐全称为大唐电信科技股份有限公司。是一家从事各类通信网络系统等网络建设为主要业务的通信制造企业。研究选用从“中国上市公司资讯网”，获得的ST大唐上市公司过去10年（1998~2007）的财务数据为样本。
在SPSS平台运行主成分分析法，合并主成分的贡献率后得到以下财务预警方程模型：
Z=0.240X1+0.212X2+0.287X2+0.144X3+0.207X4+0.185X5 +0.188X6+0.249X7+-0.091X8（式三）
用ST大唐公司财务指标在以上方程式计算得到ST大唐上市公司10年的预警值如下：
四、模型的预警效果检验及研究结论
1.对德光2种不同方法获得的不同结果的比较分析。
为方便比较研究，将德光2种不同方法获得的结果汇总如(表5)
由主成分方程模型计算获得德光公司10年的预警值和用F模型计算获取结果的分析比较，得到以下分析：
第一，两种方法预警值变化趋势相同。从2种不同法方得到的结果都显示出相同的公司发展趋势，按财务预警值模型理论2种方法的预警值都趋向逐渐变大，都反映了预警结果和公司实际发展相一致的状况，那就是公司在向好的财务状态发展。
第二，两种方法前3年的财务预警预测结果一致。由表4我们可以看出，公司前三年连续亏损。但亏损趋势由大变小。2种不同方法都如实反映出这一事实。略有差异是2种方法的精确度或是系统内在的统计原理导致理解的差异。F模型由于对警情程度没有定量的逐级细分所以不能看出企业在第三年的发展趋势。而主成分法，模型建立在大量实际案例的统计判断分析，并设定细致的警情判断值，能深一步告知我们当前企业的发展趋势。其结果更准确和有指导性。
第三，除了第五年，以后警情结果一致。由F值模型中公式中有关自变量定义得知，由于直接引用了净利润，所以净利润的盈亏对F模型的影响会突出的明显。而主成分法通过数学提炼把原来多个财务指标统一归纳，获得即能代表原来因素的趋势但不同于原来指标的主成分指标，故而反映出更全面深入的企业发展动态和趋势。主要导致F模型对第五年的财务状况有警情的原因是在第五年公司为提升现有和将来发展建立了先进的但昂贵的ERP(企业资源管理软件SAP)软件。由于会计处理的规定当年费用化所有与软件无关的费用，制使当年的管理费用比往年翻倍利润大幅下降。而由于主成分法的方法更科学，预警结果放映了公司发展本质而没有报警。
验证结论：通过以上3点分析，可以得到由本研究方法获得的主成分法财务预警模型方程（式二）用于德光公司的财务预警是有效可行的。
2.本文实证方法在ST大唐上市公司的结果分析
用主成分分析法的SPSS二次开发平台计算获得如表4的ST大唐上市公司10年的预警值。并通过与该公司同期的每股盈利水平的分析比较，笔者得到以下分析，
第一，预警结果100%反映公司实际盈亏。采用主成分分析预警模型计算得到大唐公司的10年预警结果，与公司实际每股收益做分析对比，并按该预警警情判断值表（表1），预警值能正确反映出该公司当年度的盈利变化的方向是好是坏。
第二，由轻到重的警情指标能正确反映出公司业绩的变化趋势。对表8中，对大唐公司10年业绩的观测，我们发现每当预警模型做出警情预报后公司业绩也随之变差，而一旦警情消失，业绩也马上会提升。
第三，通过已获得主成法预警方程成功实现对该公司2007年的预警预测。由于笔者在做本研究时该公司07年度公司业绩尚未发表。所以只用第三季度报表数据。结果由预警值出现由06年的“巨警”变为当前的“无警”。在事后对其业绩检查，大唐公司果然在07年实现扭亏为盈。
验证结论：通过以上3点分析，可以得到由本研究方法在大唐公司获得的主成分法财务预警模型方程（式三）用于ST大唐公司的财务预警是有效可行的。
五、结论
本文选取主成分法财务预警模型的已有预警研究成果并结合最新计算机软件开发平台，经过以上的运用研究，我们得出了以下结论：
第一 ，通过将以上2种方法在同一家公司的计较和同一种方法在不同公司的分析结果可以看出，本文所进行的财务预警方法研究而获得的基于正确的公司财务数据的财务预警模型对公司经营趋势具有较强的预测能力。
第二，对主成分法财务预警模型方程的系数研究分析发现，由于该系数时基于企业自身业务领域的特殊性统计得到的不同权重系数，所以能为企业经营管理人客观的提供提高业绩的经营重点领域。如提高总资产周转率等。
第三，在对样本数据的准备和试验中，发现由于该理论方法的内在需求，采用主成分法财务预警模型要获得正确预测方程，其样本数据的取样年限有一定要求建议在实际操作中，样本每年叠加，方程每年更新，但以KMO检验及球形检验的检验值不断提高，使之趋向于1为前提。
参考文献:
[1]Altman E. Financial ratios discriminated analysis and prediction of corporate bankruptcy[J].Journal of Finance，1968，(11):588～609
财务预警研究范文6
【关键词】 财务危机； 预警； ANN； SVM
一、引言
财务危机是一种企业盈利能力实质性地减弱，并伴随持续亏损的渐进式的积累过程。财务危机的发生会使企业经营循环和财务循环无法正常持续或陷于停滞，前期表现为违约、无偿付能力、持续性亏损等，最终表现形式是企业破产。自20世纪30年代，Fitzpatrick首先采用一元判别分析法对公司破产进行预测以来，财务危机预警问题逐渐为学者们所重视。Beaver、Altman、Deakin等人开创性的研究推动了财务危机预警探讨的不断深入，使之成为资本结构理论的重要分支。作为一个热点领域，每种新方法的开创性研究后，后续研究中学者们多是进行用此种方法的模仿性、改进性或比较性研究，哪种方法更为有效目前尚未定论，还有待于预警理论的进一步成熟。笔者在回顾文献时，也仅列示影响较大的研究成果。
财务危机预警的实证研究注重通过考察界定的危机公司的财务特征，主要利用从公司财务报告中获得的财务数据和各种方法来预测公司的财务危机。由于它们能够提供良好的预测能力并帮助决策，实际上已经构成了财务危机预警研究的主体。一般实证研究方法是：先确定一组陷入财务危机的公司；再根据一定的标准（公司规模、上市时间、行业特征等等）确定一组未陷入财务危机的公司作为控制样本；采用一定的方法对两组样本数据进行分析，从而揭示出哪些财务比率或指标在两组中存在一致而显著的差异；最后运用具有显著差异的比率和指标，构造出进行公司财务危机预警的基本评价模型。
二、新兴实证研究方法综述
20世纪90年代前，以统计学理论为基础的传统财务危机预警研究方法占主流地位，主要有以下几种：一元判别分析法（Univariate Discriminant Analysis，UDA）、多元判别分析法（Multivariate Discriminant Analysis，MDA）、多元逻辑回归法（Multivariate Logit Regression，MLR）、多元概率比回归法（Multivariate Probit Regression，MPR）和主成分分析法（Principal Components Analysis，PCA）等。20世纪90年代前后，随着计算机技术和信息技术的发展，学者们开始将更多的数据挖掘技术（Data Mining，DM）、人工智能技术（Artificial Intelligence，AI）引入到财务危机预警模型研究领域。这段时间比较具有影响的方法有：
（一）决策树法
Frydman，Altman和Kao（1985）利用递归划分算法（RPA），以财务变量为判别点建立了决策树模型（Classification Tree Analysis），以最低误判成本为标准对样本公司进行分类，发现多元判别分析模型样本期望误判成本明显高于决策树模型；Boyleetal（1993）研究认为，决策树方法与多元判别分析法的评分结果相近，而且两种方法可交替使用；Feng Yu Lin和Sally M-coean（2001）将4种独立的财务预警研究方法（判别分析法、逻辑回归法、神经网络方法及决策树方法）进行不同的组合，建立了3种混合模式，再对这些方法进行实证分析，验证结果表明在同等条件下，混合模式明显优于单个方法模式。
姚靠华（2005）以上市公司为研究对象，选取了反映盈利能力、偿债能力、营运能力、成长能力和公司规模的17个财务变量，应用决策树建立了我国上市公司的财务危机预警模型，实证结果表明模型具有较好的预测性；闫二梅（2008）也建立了决策树模型，并将决策树模型预测结果与MLR模型的预测结果进行比较，研究表明决策树模型的预测准确率高于MLR模型；赵静娴（2008）提出一种改进了的基于决策树的预警模型，通过正规增益标准对企业的财务变量进行排序降维，避免了冗余信息的影响，直接生成最小决策树，抽取预警规则。
（二）专家系统法
Messier和Hansen（1987）首次将专家系统（Expert System，ES）引入到财务危机预警领域，他们从知识获取角度探讨比较了专家系统在信用分析领域的应用，将该方法与线性判别分析（LDA）、群决策等方法加以比较，结果证明专家系统分类效果最好，检验样本的正确分类率为87.5%，而LDA的准确率仅为为57%，并且比群决策的正确率稳定；Bryant（1997）验证了案例推理在预测企业破产方面的有用性，对非破产与破产企业，他以20：1的比例提取样本数据，这和Ohlson的比例是一致的。1999年，Michaer也做过类似研究。
黄继鸿（2003）把案例推理引入财务危机预警研究领域，这种方法不仅能够处理定量因素，而且结合了专家知识、经验处理定性因素的影响；张林（2004）也做过此类研究。不过，两人多是从理论介绍，没有具体建立预警模型。瞿天易（2008）采用基于规则推理和案例推理的专家系统对财务危机进行定量预警，利用模糊神经网络对财务危机进行定性预警，并将二者所得信息有机地融合在一起，获得了较为准确的预警结果。
（三）人工神经网络法
Odom和Sharda（1990）开拓了用人工神经网络（Artficial Neural Network，ANN）预测财务危机的新方法，他们以1975-1982年间65家失败公司与64家健全公司为研究对象，取失败前1年的资料，使用BP-ANN建立模型，并与用同样的资料建立的MDA模型进行比较研究，结果发现，无论是构造样本的回代预测，还是测试样本的验证预测，BP-ANN模型都获得了高于MDA模型的正确率，但他们的模型仅仅是神经网络方法应用的展示和Altlnan（1968）研究的重复；Tam和Kiang（1992）以美国得克萨斯州1985-1987年间118家银行（59家破产，59家没有破产）为研究对象，应用失败前2年的19个财务变量作为神经网络的输入节点，隐藏层节点数为10个，输出节点为1个，在应用多元判别分析法、回归法、近邻法、决策树法和神经网络法分别进行建模分析之后，得出的结果也表明神经网络法的预测精度要高于其他方法；Coats和Fant（1993）运用ANN对47家财务危机公司和47家财务健康公司进行判别，对危机公司的预测准确率达到了91%，明显高于MDA模型72%的准确率；West（2000）将贷款企业分为两组：一组是能够按时偿还贷款的企业，一组是不能按时偿还贷款的企业，建立了5种不同的神经网络模型：多层传感器、专家杂合系统、径向基函数、学习向量机和模糊自适应共振，用来研究商业银行信用评价的准确性。
但Back、Sere和Van Wezel（1995）不认为ANN具有比MDA和MLR明显更佳的预测效果；Altman（1995）在对ANN和MDA的比较研究中得出结论：ANN在信用风险识别和预测中的应用，并没有实质性的优于MDA。
杨保安（2001）最早在国内使用BP-ANN研究财务危机预警问题，但只是进行示范性设计和检验，并未建立适用于我国的模型；刘洪（2004）从偿债能力、营运能力、盈利能力和成长能力等4个方面选取财务变量建立了针对我国上市公司的BP-ANN模型，但是选取样本的时间较短，仅使用了2002-2003两年的首次ST公司，而且未考虑非财务变量在财务危机预警模型中的作用；端木正（2004）、杨淑娥（2005）、张淑静（2007）等人也都进行过基于神经网络的财务危机预警研究。
随着人工神经网络技术的不断发展，目前已经发展出众多模型，如多层感知器MLP（如I. Poddig、庞素琳等），概率神经网络PNN（如Z. R. YANG、吴德胜），自组织映射神经网络SOM（如Kimmo Kiviluoto、牛强等），玻尔兹曼机理论神经网络（如L. Kryzanowski等）。
（四）生存分析法
1986年，Lane等首次将生存分析法（Survival Analysis）运用于企业失败分类，对130家失败银行与334家营运正常的银行进行分析，发现生存分析的分类准确率接近判别分析；Chen和Lee（1993）利用生存分析法研究了20世纪80年代的石油天然气行业，结果证明：流动性比率、财务杠杆比率、营业现金流、开采成功率、企业历史和规模对企业能否存活影响巨大。
邓晓岚等（2007）运用生存分析法，对上市公司随公司年龄而变化的财务困境风险进行了评价。结果表明，财务困境风险生存率动态变化依行业的差异呈现不同的特征；在两种公司年龄计算方式下，各行业的财务困境风险生存率曲线出现了不同程度的变化，说明上市前与上市后的失败路径发生改变；六大行业中，综合类上市公司的财务困境危险性较低，说明综合类公司的多元化经营可能有助于分散经营风险。王晓鹏等（2007）以我国上市公司为研究对象，借助于上市公司的财务样本数据，采用生存分析法，对企业财务困境进行预警，研究结果表明：该模型具有可以使用时间序列、无需样本配对、连续预测的特点，能够为企业提供更为有效的财务困境预测。
（五）支持向量机法
Fan和Palaniswami（2000）利用支持向量机（SVM）对企业破产进行预测；Min和Lee2005）使用支持向量机（Support Vector Machines，SVM），应用2000-2002年间韩国中小企业数据进行预测。他们选择破产样本和非破产样本各944个，通过选择最优的核函数，发现：SVM与BNN（Back propagation Neural Networks，反传神经网络）、MDA和MLR相比，具有最高的预测精度。
李波（2004）以1998-2002年为研究期间，选取10个变量，对MDA模型、BP-ANN模型和SVM模型进行实证对比分析，研究表明：SVM模型全面优于前两种方法，不管是训练集还是测试集，误差都比前两个模型小得多；惠守博（2006）利用上市公司的财务数据进行训练和评估，证明了SVM模型的可行性和实用性。国内采用SVM进行预警研究的学者还有：李贺（2006）、邱玉莲（2006）、张根明（2007）等。研究均表明：SVM模型具有分类面简单、泛化能力强、拟合精度高、鲁棒性强等特点，在小样本、高维条件下，预测精确度远远高于其他方法。
三、新兴研究方法评析
新兴财务危机预警研究方法普遍具有以下两个特点：
（一）基于人工智能方法
新兴预警法不是依据统计理论，而是利用数据挖掘、人工智能中的方法建立，整个分析及预测过程就好像是人类学习及思考一样，是一种自然的非线性模型；新兴方法一般没有数据的分布、结构等方面的要求，适用于非线性关系的数据并对数据的缺失具有相当的容许性，基本上能处理任意类型的数据。
（二）具有动态预警能力
新兴预警方法具备随着不断变化的环境进行自我学习的能力，随着样本资料的积累，可以定期更新知识，从而实现对企业危机的动态预警；各个模型具有高度的自我学习能力，对错误资料的输入具有很强的容错性，因而更具有实用价值。
当然，各研究方法也具备自己的特色：决策树模型符合推理原则，但需要大样本；专家系统法能运用专家的知识和经验进行推理和判断，不断地增长知识，修改原有知识，但是该方法费时费力，而且如何选取专家的方法会直接影响结果；人工神经网络法具有较好的学习能力和预测能力，但可能陷入局部最优，实用性较差；生存分析法主要的优势是能够处理随时间变化的变量和审查后的观测值，但该方法的实用性有待进一步检验；支持向量机法充分考虑了财务危机问题的复杂性和非线性本质，其精度和泛化能力都是比较优良的，但其主要缺陷在于难以进行海量的数据处理。
四、结束语
经过近七十年的发展，关于财务危机预警的实证研究文献可谓数不胜数。但是，从传统统计研究方法到新兴人工智能研究方法，它们的区别在于预测准确率的上升和预警方法的先进性与智能化，但是它们都存在着一个显著的逻辑性缺陷，即没有考虑到财务状况的时间延续性，因而研究结果普遍存在着预测准确率不理想的情况，特别是存在多期财务危机预警准确率较低的情况。
此外，新兴财务危机预警方法由于理解和具体操作上过于复杂以及并没有显著改善模型的预测能力，因而学者们广泛采用的仍是传统的MDA和MLR。这就意味着如果还是仅仅停留在预测方法的改善上，则这一领域的研究将很难继续向前推进。也许正是基于这一点，近年来，一些学者如Elloumi和Gueyié（2001）、Faccio and Lang（2002）、Wang Zhen（2004）等开始从构建模型的指标上进行深入思考，他们不再局限于仅仅利用财务数据来构建模型，而是单独或同时利用公司治理信息、宏观经济因素、审计因素等来构建模型，从而为财务危机预警研究开辟了一个新的局面。
【参考文献】
［1］ Frydman H.，Altman EI.，Kao Duen
-Li.，Introducing Recursive Partitioning for Financial Classification：the Case of Financial Distress［J］，The Journal of Finance，1985，1，269-291.
［2］ William F Messier Jr. James V. Hansen，Expert Systems In Auditing-The State Of The Art，1987.
［3］ Odom M. D.and Sharda R. A.，Neural network for bankruptcy prediction［C］，International Joint conference on Neural Network，1990，6，17-70.
［4］ 王今.西方企业财务危机预测方法评析［J］.中国软科学，2002（6）：109-112.
［5］ 王今.企业财务危机问题研究［D］，天津大学，2002.
［6］ Lane W R，Looney S W，Wansley J W. An application of the Cox proportional hazards model to bank failure［J］，Journal of Banking and Finance，1986，10，511-531.
［7］ A．Fan， M．Palaniswami．， Selecting
Bankruptcy Preditors Using A Support
