[摘　要]本文分析國內(nèi)外對(duì)持續(xù)經(jīng)營審計(jì)判斷模型的研究成果，從研究目的、變量設(shè)計(jì)、樣本選取、建模方法、應(yīng)用效果等方面比較研究各種模型，指出現(xiàn)有模型的不足和有待進(jìn)一步研究的方向，以期對(duì)改進(jìn)我國持續(xù)經(jīng)營審計(jì)手段與方法提供借鑒。

　　[關(guān)鍵詞]持續(xù)經(jīng)營；審計(jì)判斷；預(yù)測(cè)模型

　　企業(yè)的持續(xù)經(jīng)營能力狀況直接影響到投資者的決策行為。因此，對(duì)上市公司持續(xù)經(jīng)營能力進(jìn)行判斷和評(píng)價(jià)是注冊(cè)會(huì)計(jì)師進(jìn)行財(cái)務(wù)報(bào)告審計(jì)時(shí)所必須考慮的重要內(nèi)容，也是政府監(jiān)管部門關(guān)注的一個(gè)焦點(diǎn)問題。近年來，為了減少審計(jì)期望差距，審計(jì)界制定并完善了持續(xù)經(jīng)營審計(jì)準(zhǔn)則及相關(guān)指南，特別是加強(qiáng)了對(duì)持續(xù)經(jīng)營審計(jì)判斷模型的研究，期望提高持續(xù)經(jīng)營審計(jì)判斷的客觀性和一致性。我們搜集了ABI/INFORMGlobal、BusinessSourcePremier（BSP）、和ElsevierScience等國際著名數(shù)據(jù)庫以及中國期刊網(wǎng)中關(guān)于持續(xù)經(jīng)營審計(jì)判斷模型研究的70余篇文獻(xiàn)，對(duì)審計(jì)判斷模型的構(gòu)建方法、應(yīng)用效果及局限性進(jìn)行了總結(jié)和整理，以期對(duì)改進(jìn)我國持續(xù)經(jīng)營審計(jì)手段及方法提供借鑒。

　　持續(xù)經(jīng)營審計(jì)判斷模型根據(jù)研究對(duì)象的不同可分成兩大類：持續(xù)經(jīng)營危機(jī)預(yù)測(cè)模型和持續(xù)經(jīng)營審計(jì)意見預(yù)測(cè)模型。前者關(guān)注公司是否會(huì)向法院申請(qǐng)破產(chǎn)（國內(nèi)研究以是否被ST為標(biāo)準(zhǔn)），后者關(guān)注公司是否會(huì)被出具涉及持續(xù)經(jīng)營存在重大不確定性的非標(biāo)準(zhǔn)無保留審計(jì)意見（下簡(jiǎn)稱持續(xù)經(jīng)營審計(jì)意見），二者都可以為持續(xù)經(jīng)營審計(jì)判斷提供輔助決策信息。但是，這兩類模型的研究目的并不相同，前者認(rèn)為模型在預(yù)測(cè)公司是否破產(chǎn)的準(zhǔn)確性上要高于審計(jì)師，借助模型有助于減少審計(jì)期望差距[1-2].后者認(rèn)為提出破產(chǎn)申請(qǐng)和被出具持續(xù)經(jīng)營審計(jì)意見并不是一一對(duì)應(yīng)的，被出具持續(xù)經(jīng)營審計(jì)意見的公司并非都會(huì)提出破產(chǎn)申請(qǐng)，而且持續(xù)經(jīng)營危機(jī)預(yù)測(cè)模型未能包含審計(jì)師進(jìn)行持續(xù)經(jīng)營審計(jì)判斷時(shí)所考慮的一些重要因素，如行業(yè)前景、管理層能力等[3].Hopwood[4]等還證實(shí)在控制樣本配對(duì)比例及分類錯(cuò)誤成本的條件下，持續(xù)經(jīng)營危機(jī)預(yù)測(cè)模型在預(yù)測(cè)是否破產(chǎn)的準(zhǔn)確性上并不優(yōu)于審計(jì)師。

　　一、持續(xù)經(jīng)營危機(jī)預(yù)測(cè)模型

　　持續(xù)經(jīng)營危機(jī)預(yù)測(cè)模型按照所用概率統(tǒng)計(jì)方法的不同，可分成多元線性判別模型、多元概率比（Probit）模型、多元邏輯回歸（Logistic）模型、人工神經(jīng)網(wǎng)絡(luò)模型等4類，下文將分別予以闡述。

　?。ㄒ唬┒嘣€性判別模型

　　Altman[1]以美國1946—1965年提出破產(chǎn)申請(qǐng)的33家公司和33家健康公司為研究樣本，采用多元線性判別方法構(gòu)建了如下預(yù)測(cè)模型，即“Z分值模型”：Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5，其中：X1為營運(yùn)資本/資產(chǎn)總額；X2為留存收益/資產(chǎn)總額；X3為息稅前利潤/資產(chǎn)總額；X4為優(yōu)先股和普通股市值/負(fù)債賬面價(jià)值；X5為銷售收入/資產(chǎn)總額。當(dāng)計(jì)算出來的Z值等于或低于1.8時(shí)，預(yù)示企業(yè)破產(chǎn)的可能性非常高；當(dāng)Z值介于1.81和2.99之間時(shí)，企業(yè)是否破產(chǎn)不能確定；當(dāng)Z等于或高于3時(shí)，企業(yè)則不可能破產(chǎn)。Z模型對(duì)破產(chǎn)公司樣本的預(yù)測(cè)準(zhǔn)確率為82%，而只有46%的破產(chǎn)公司在破產(chǎn)前被出具持續(xù)經(jīng)營審計(jì)意見。Altman認(rèn)為Z模型可以提高審計(jì)師在持續(xù)經(jīng)營審計(jì)判斷上的準(zhǔn)確性和一致性。Altman[5]用1970—1982年間109家破產(chǎn)公司為樣本對(duì)“Z分值模型”進(jìn)行了有效性驗(yàn)證，發(fā)現(xiàn)模型對(duì)破產(chǎn)公司樣本破產(chǎn)前一年的預(yù)測(cè)準(zhǔn)確率達(dá)到86.2%，而審計(jì)師在公司破產(chǎn)前一年的預(yù)測(cè)準(zhǔn)確率為48.1%，表明Z模型對(duì)持續(xù)經(jīng)營危機(jī)的預(yù)測(cè)準(zhǔn)確性高于審計(jì)師。

　　繼Altman之后，Levitan、Knoblett[6]，Koh、Killough[2]，Cormier[7]，陳靜[8]和張玲[9]等都采用多元判別分析方法構(gòu)建了持續(xù)經(jīng)營危機(jī)預(yù)測(cè)模型。這些模型的構(gòu)建方法基本相同，所不同的是在持續(xù)經(jīng)營危機(jī)標(biāo)準(zhǔn)界定上、樣本時(shí)間窗口、對(duì)照組樣本選取方法、變量選取上有差異。對(duì)這些模型的有效性驗(yàn)證表明預(yù)測(cè)模型比審計(jì)師在預(yù)測(cè)公司是否破產(chǎn)方面具有更高的準(zhǔn)確性，應(yīng)用模型有助于減少審計(jì)期望差距。

　　針對(duì)多元線性判別分析要求數(shù)據(jù)服從正態(tài)分布和等協(xié)方差的假設(shè)與企業(yè)數(shù)據(jù)實(shí)際狀況的矛盾，以及配對(duì)抽樣法因樣本中兩類公司比例與它們?cè)诳傮w中的比例嚴(yán)重不一致而夸大了預(yù)測(cè)模型判別準(zhǔn)確性的缺陷[10]，不需要正態(tài)分布和等協(xié)方差假設(shè)的Probit、Logistic模型被大量采用，它們都是建立在累積概率函數(shù)的基礎(chǔ)上，一般運(yùn)用最大似然估計(jì)，而不需要滿足自變量服從多元正態(tài)分布和等協(xié)方差的假設(shè)。

　?。ǘ┒嘣怕时饶Ｐ?/p>

　　Zmijewaki[10]選取了1972—1978年間發(fā)生破產(chǎn)的40家公司和800家健康公司作為樣本，采用Probit方法建立了預(yù)測(cè)模型，即X模型：X=-4.3-4.5Xl+5.7X2-0.004X3，其中：Xl=凈利潤/總資產(chǎn)，X2=負(fù)債總額/資產(chǎn)總額，X3=流動(dòng)資產(chǎn)/流動(dòng)負(fù)債。陳明賢運(yùn)用臺(tái)灣企業(yè)樣本建立了如下Probit模型：X=0.29354+20.491X1+4.3209X2-29.515X3，其中：X1為In（流動(dòng)資產(chǎn)/流動(dòng)負(fù)債）；X2為In（固定資產(chǎn)/股東權(quán)益）；X3為營運(yùn)資本/負(fù)債總額。結(jié)果表明Probit模型在持續(xù)經(jīng)營危機(jī)出現(xiàn)之前1年至前5年的判別正確率分別為93.33%、83.33%、83.33%、83.33%和80%64%.

　?。ㄈ┒嘣壿嫽貧w模型

　　Ohlson[11]以美國1946—1965年期間提出破產(chǎn)申請(qǐng)的105家公司和2058家健康公司為研究樣本，采用logistic建立了企業(yè)持續(xù)經(jīng)營危機(jī)預(yù)測(cè)模型，即“Y模型”：Y=-1.32-0.4X1+6.03X2-1 .43X3+0.76X4-2.37X5-1.83X6+0.285X7-1.72X8-0.52X9，其中：X1為L(zhǎng)og（資產(chǎn)總額/GNP物價(jià)指數(shù)）；X2為負(fù)債總額/資產(chǎn)總額；X3為營運(yùn)資本/資產(chǎn)總額；X4為流動(dòng)負(fù)債/流動(dòng)資產(chǎn)；X5為凈利潤/資產(chǎn)總額；X6為經(jīng)營活動(dòng)產(chǎn)生的現(xiàn)金凈流量/負(fù)債總額；X7：如果前兩年有一年虧損，為1；否則為0；X8：如果負(fù)債總額>資產(chǎn)總額，為1；否則為0；X9：（當(dāng)年凈利潤-上年凈利潤）/（5當(dāng)年凈利潤5+5上年凈利潤5）。Ohlson利用上述模型進(jìn)行預(yù)測(cè)，結(jié)果發(fā)現(xiàn)破產(chǎn)公司前一年的Y值平均為27%，顯著高于非破產(chǎn)公司的Y平均值4%.

　　Kuruppu、Laswad和Oyelere[12]將清算作為發(fā)生持續(xù)經(jīng)營危機(jī)的標(biāo)準(zhǔn)，以新西蘭1987—1993年間85家破產(chǎn)清算的公司和50家未清算但處于財(cái)務(wù)困境狀況的公司為研究樣本，用Logistic方法構(gòu)建模型，研究結(jié)果表明在破產(chǎn)法案以債權(quán)人為導(dǎo)向的國家，清算預(yù)測(cè)模型可能比破產(chǎn)預(yù)測(cè)模型在判斷準(zhǔn)確度及誤判成本方面更為優(yōu)越。

　　吳世農(nóng)、盧賢義[13]以我國1998—2000年上市公司為研究對(duì)象，選取了70家處于財(cái)務(wù)困境的公司和70家財(cái)務(wù)正常的公司為樣本，應(yīng)用逐步回歸法，從21個(gè)財(cái)務(wù)指標(biāo)中最后選定6個(gè)為預(yù)測(cè)指標(biāo)：盈利增長(zhǎng)指數(shù)、資產(chǎn)報(bào)酬率、流動(dòng)比率、長(zhǎng)期負(fù)債與股東權(quán)益比率、營運(yùn)資本與總資產(chǎn)比、資產(chǎn)周轉(zhuǎn)率。他們分別應(yīng)用線性概率模型、Fisher二類線性判別模型、Logistic回歸三種方法，建立了三種預(yù)測(cè)財(cái)務(wù)困境的模型。研究結(jié)果表明：三種模型均能在財(cái)務(wù)困境發(fā)生前作出相對(duì)準(zhǔn)確的預(yù)測(cè)，在財(cái)務(wù)困境發(fā)生前4年的誤判率在28%以內(nèi)；其中Logistic預(yù)測(cè)模型的誤判率最低，財(cái)務(wù)困境發(fā)生前1年的誤判率僅為6.47%.

　　姜秀華和孫錚[14]還考慮了公司治理因素對(duì)持續(xù)經(jīng)營能力的影響，他們運(yùn)用Logistic逐步回歸法從13個(gè)變量中最終選取了4個(gè)變量：毛利率、其他應(yīng)收款與總資產(chǎn)比率、短期借款與總資產(chǎn)的比率、股權(quán)集中系數(shù)，模型對(duì)ST公司的判別準(zhǔn)確率達(dá)到84.52%.他們的研究拓展了變量選擇的傳統(tǒng)財(cái)務(wù)框架，但股權(quán)集中度是否為治理效能的惟一、有效替代還有待檢驗(yàn)。姜國華、王漢生[15]也證實(shí)主營業(yè)務(wù)利潤水平和第一大股東持股比例是影響公司是否被ST的最重要因素。

　?。ㄋ模┤斯ど窠?jīng)網(wǎng)絡(luò)模型

　　人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork，ANN）是對(duì)人類大腦神經(jīng)運(yùn)作的模擬，模型具有較強(qiáng)的容錯(cuò)能力和自主學(xué)習(xí)能力，可隨時(shí)依據(jù)新的數(shù)據(jù)資料進(jìn)行自我學(xué)習(xí)，并調(diào)整其內(nèi)部?jī)?chǔ)存的權(quán)重參數(shù)。田偉福、周紅曉[16]選取了A股市場(chǎng)30家公司作為樣本構(gòu)建了前向三層BP神經(jīng)網(wǎng)絡(luò)模型，模型包括反映償債能力、資產(chǎn)管理能力、負(fù)債水平、盈利能力及成長(zhǎng)能力等12項(xiàng)財(cái)務(wù)比率，測(cè)試的結(jié)果表明神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)是否發(fā)生持續(xù)經(jīng)營危機(jī)的準(zhǔn)確性較高。周敏、王新宇[17]對(duì)判別分析、Logistic回歸和神經(jīng)網(wǎng)絡(luò)進(jìn)行了比較，她們以1999—2001年ST公司和健康公司各73家作為訓(xùn)練樣本，以2002年ST公司和健康公司各43家作為檢驗(yàn)樣本，分析了15個(gè)財(cái)務(wù)指標(biāo)，結(jié)果表明神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果要優(yōu)于其他兩種方法。

　　二、持續(xù)經(jīng)營審計(jì)意見預(yù)測(cè)模型

　　持續(xù)經(jīng)營審計(jì)意見預(yù)測(cè)模型同樣按照所用概率統(tǒng)計(jì)方法的不同，可分成多元線性判別模型、多元邏輯回歸（Logistic）模型、人工神經(jīng)網(wǎng)絡(luò)模型、持續(xù)經(jīng)營審計(jì)專家系統(tǒng)等4類，模型研究的重點(diǎn)是持續(xù)經(jīng)營審計(jì)意見是否可以用公開的會(huì)計(jì)信息進(jìn)行預(yù)測(cè)。

　?。ㄒ唬┒嘣€性判別模型

　　Mutchler[18]選取了1981年被出具持續(xù)經(jīng)營非標(biāo)準(zhǔn)審計(jì)意見的119家制造業(yè)公司，并選取了119家表現(xiàn)出一些經(jīng)營困境征兆但卻被出具標(biāo)準(zhǔn)審計(jì)意見的制造業(yè)公司作為參照物，采用多元判別法構(gòu)建了預(yù)測(cè)模型，模型使用了Mutchler通過調(diào)查問卷獲取的審計(jì)師進(jìn)行持續(xù)經(jīng)營審計(jì)判斷最關(guān)注的8個(gè)變量，它們是：（1）經(jīng)營性現(xiàn)金流量/負(fù)債；（2）流動(dòng)比率；（3）所有者權(quán)益/負(fù)債；（4）長(zhǎng)期負(fù)債/總資產(chǎn)；（5）資產(chǎn)負(fù)債率；（6）稅前凈收益/銷售收入；（7）有關(guān)持續(xù)經(jīng)營不確定性的好消息和壞消息數(shù)量；（8）總資產(chǎn)凈利潤率的變動(dòng)率。模型對(duì)是否被出具持續(xù)經(jīng)營非標(biāo)準(zhǔn)審計(jì)意見的預(yù)測(cè)準(zhǔn)確率為82.8%，結(jié)果表明持續(xù)經(jīng)營非標(biāo)準(zhǔn)審計(jì)意見可以用公開發(fā)表的會(huì)計(jì)信息進(jìn)行預(yù)測(cè)。

　　（二）多元邏輯回歸模型

　　Menon、Schwartz[19]以1974—1980年間89家破產(chǎn)公司為樣本，其中37家被出具持續(xù)經(jīng)營非標(biāo)準(zhǔn)審計(jì)意見。變量選取參照了SASNo.34和前人的研究結(jié)果，最終選取了7個(gè)變量采用了Logistic回歸構(gòu)建模型，分別是：（1）流動(dòng)比率；（2）流動(dòng)比率變動(dòng)率；（3）留存收益/總資產(chǎn)；（4）資產(chǎn)負(fù)債率；（5）總資產(chǎn)凈利潤率；（6）是否發(fā)生持續(xù)的經(jīng)營性虧損；（7）經(jīng)營性現(xiàn)金流量/總負(fù)債，結(jié)果表明持續(xù)經(jīng)營非標(biāo)準(zhǔn)審計(jì)意見與財(cái)務(wù)比率顯著相關(guān)，最重要的解釋變量是流動(dòng)比率的變動(dòng)率和持續(xù)發(fā)生經(jīng)營性虧損。Menon、Schwartz還分別用1981—1983年間破產(chǎn)公司和非破產(chǎn)公司樣本對(duì)模型的有效性進(jìn)行了驗(yàn)證，破產(chǎn)公司樣本數(shù)為39家，其中14家被出具持續(xù)經(jīng)營非標(biāo)準(zhǔn)審計(jì)意見。非破產(chǎn)公司樣本數(shù)為46家，其中11家被出具持續(xù)經(jīng)營非標(biāo)準(zhǔn)審計(jì)意見，模型對(duì)持續(xù)經(jīng)營非標(biāo)準(zhǔn)審計(jì)意見預(yù)測(cè)的準(zhǔn)確率為78%.

　　Bell、Tabor[20]發(fā)現(xiàn)反映水平比率的財(cái)務(wù)指標(biāo)對(duì)于持續(xù)經(jīng)營審計(jì)意見的預(yù)測(cè)準(zhǔn)確率高于反映趨勢(shì)比率的財(cái)務(wù)指標(biāo)。Chen、Church[21]研究證實(shí)在模型中增加反映償還到期債務(wù)狀況的變量可以顯著提高模型的預(yù)測(cè)準(zhǔn)確率性。

　　Mutchler[18]認(rèn)為持續(xù)經(jīng)營審計(jì)判斷可以分成三個(gè)階段：第一階段是判斷被審計(jì)單位持續(xù)經(jīng)營能力是否存在重大疑慮；第二階段是判斷被審計(jì)單位是否應(yīng)該被出具持續(xù)經(jīng)營審計(jì)意見；第三階段是應(yīng)出具何種具體審計(jì)意見。Lasalle、Anandarajan和Miller[22]對(duì)第三階段，即持續(xù)經(jīng)營能力存在重大不確定性應(yīng)出具何種具體審計(jì)意見進(jìn)行了研究。他們收集了183份調(diào)查問卷（其中130份問卷的樣本公司被出具持續(xù)經(jīng)營強(qiáng)調(diào)無保留意見，53份問卷的樣本公司被出具持續(xù)經(jīng)營無法表示意見），按照審計(jì)意見的具體類型為被解釋變量，以虧損持續(xù)年數(shù)、壞消息和好消息數(shù)量、被審計(jì)單位規(guī)模、內(nèi)部控制水平、審計(jì)風(fēng)險(xiǎn)大小、審計(jì)任期、會(huì)計(jì)事務(wù)所規(guī)模等7個(gè)變量為解釋變量，采用Logistic回歸構(gòu)建判別模型，模型對(duì)兩種審計(jì)意見鑒別的準(zhǔn)確率為83.85%，結(jié)果表明兩種審計(jì)意見類型在持續(xù)經(jīng)營不確定性程度上存在顯著差異。

　?。ㄈ┤斯ど窠?jīng)網(wǎng)絡(luò)模型

　　Lenard、Alam和Madey[23]選取了1982—1987年被出具持續(xù)經(jīng)營審計(jì)意見的40家公司，并選取同時(shí)期40家被出具標(biāo)準(zhǔn)審計(jì)意見的公司為參照對(duì)象，構(gòu)建了基于GRG2的神經(jīng)網(wǎng)絡(luò)模型，模型自主學(xué)習(xí)采用了8個(gè)變量，它們是：（1）經(jīng)營性現(xiàn)金流量/負(fù)債；（2）流動(dòng)比率；（3）所有者權(quán)益/負(fù)債；（4）長(zhǎng)期負(fù)債/總資產(chǎn)；（5）資產(chǎn)負(fù)債率；（6）稅前凈收益/銷售收入；（7）總資產(chǎn)凈利潤率；（8）上一年度是否虧損。神經(jīng)網(wǎng)絡(luò)模型對(duì)持續(xù)經(jīng)營審計(jì)意見的預(yù)測(cè)準(zhǔn)確率達(dá)到95%，而基于相同變量的Logistic模型預(yù)測(cè)的準(zhǔn)確率為83%，結(jié)果表明人工神經(jīng)網(wǎng)絡(luò)模型對(duì)持續(xù)經(jīng)營審計(jì)意見具有較好的預(yù)測(cè)能力。

　?。ㄋ模┏掷m(xù)經(jīng)營審計(jì)專家系統(tǒng)

　　持續(xù)經(jīng)營審計(jì)專家系統(tǒng)是人工智能在持續(xù)經(jīng)營審計(jì)判斷領(lǐng)域的應(yīng)用，它將該領(lǐng)域的專家知識(shí)經(jīng)驗(yàn)轉(zhuǎn)化為系統(tǒng)知識(shí)庫的推理規(guī)則，被審計(jì)單位所處行業(yè)、外部經(jīng)營環(huán)境、內(nèi)部管理控制水平、異常事件等難以量化的因素都被加以考慮，并且專家系統(tǒng)具有自主學(xué)習(xí)知識(shí)功能，因此，專家系統(tǒng)能提高審計(jì)判斷的一致性和可靠性。Biggs、Selfridge和Krupka[24]研究設(shè)計(jì)了一個(gè)GC X持續(xù)經(jīng)營審計(jì)專家系統(tǒng)，該系統(tǒng)認(rèn)為審計(jì)師進(jìn)行持續(xù)經(jīng)營審計(jì)判斷需要依據(jù)三類知識(shí)：財(cái)務(wù)知識(shí)、事件知識(shí)及程序知識(shí)，持續(xù)經(jīng)營危機(jī)（體現(xiàn)為異常的財(cái)務(wù)指標(biāo)）則是某些具體事件的必然結(jié)果。GC X系統(tǒng)通過4個(gè)程序?qū)Τ掷m(xù)經(jīng)營審計(jì)判斷提供決策支持作用，這4個(gè)程序分別是：持續(xù)經(jīng)營不確定性問題識(shí)別、問題緣由的后向推理、對(duì)管理層擬采取改善措施的有效性和可行性評(píng)估、出具持續(xù)經(jīng)營審計(jì)意見。Lenard、Madey和Alam（1998）[25]還將持續(xù)經(jīng)營審計(jì)專家系統(tǒng)與一個(gè)基于馬氏距離的聚類模型相結(jié)合構(gòu)建了一個(gè)混合模型，并隨機(jī)選取了1990年間26家破產(chǎn)公司和26家健康公司，對(duì)該混合模型與其他破產(chǎn)預(yù)測(cè)模型的預(yù)測(cè)準(zhǔn)確率進(jìn)行了驗(yàn)證，結(jié)果顯示混合模型的預(yù)測(cè)準(zhǔn)確率達(dá)到96.2%.

　　三、總結(jié)與評(píng)述

　　從以上文獻(xiàn)的回顧可以看出，國內(nèi)外審計(jì)學(xué)界對(duì)持續(xù)經(jīng)營審計(jì)判斷模型進(jìn)行了大量的研究，有關(guān)涉及分類的定量方法在模型構(gòu)建中得到了大量應(yīng)用。這些模型的研究在總體方向上呈現(xiàn)出兩個(gè)發(fā)展趨勢(shì)：一方面，從僅考慮財(cái)務(wù)指標(biāo)擴(kuò)展到綜合考慮財(cái)務(wù)、經(jīng)營、股票市場(chǎng)表現(xiàn)、管理能力等因素，從定量分析向定性與定量分析相結(jié)合的方向發(fā)展；另一方面，從線性統(tǒng)計(jì)方法向更符合實(shí)際的非線性預(yù)測(cè)方法發(fā)展。盡管這些模型被證實(shí)在預(yù)測(cè)持續(xù)經(jīng)營危機(jī)方面具有較高的準(zhǔn)確性，但以下幾個(gè)方面的問題仍有待于進(jìn)一步研究和探討：

　?。ㄒ唬?duì)持續(xù)經(jīng)營危機(jī)的定義

　　對(duì)持續(xù)經(jīng)營危機(jī)的定義在學(xué)術(shù)界尚未形成一致的意見，而對(duì)持續(xù)經(jīng)營危機(jī)的不同定義會(huì)直接影響到樣本的選擇標(biāo)準(zhǔn)，從而得出不同的預(yù)測(cè)模型。持續(xù)經(jīng)營審計(jì)意見預(yù)測(cè)模型建立在將被出具持續(xù)經(jīng)營審計(jì)意見作為持續(xù)經(jīng)營危機(jī)發(fā)生標(biāo)準(zhǔn)的基礎(chǔ)上，而持續(xù)經(jīng)營審計(jì)意見尚可進(jìn)一步分為強(qiáng)調(diào)無保留、保留意見、無法表示意見和否定意見等4種具體意見類型。顯然，這4種具體意見在持續(xù)經(jīng)營不確定性程度上具有顯著差異，不加區(qū)別地同等對(duì)待影響了模型參數(shù)估計(jì)的穩(wěn)定性。持續(xù)經(jīng)營危機(jī)預(yù)測(cè)模型則建立在將申請(qǐng)破產(chǎn)、破產(chǎn)清算作為發(fā)生標(biāo)準(zhǔn)的基礎(chǔ)上，而在破產(chǎn)機(jī)制還不健全的國內(nèi)，通常選用ST作為標(biāo)準(zhǔn)。將ST作為標(biāo)準(zhǔn)自然使得盈利能力低下是導(dǎo)致持續(xù)經(jīng)營危機(jī)的主要原因，虧損與否將是持續(xù)經(jīng)營危機(jī)與非持續(xù)經(jīng)營危機(jī)公司之間存在顯著差異的變量，這種變量的自選擇問題也是國內(nèi)相關(guān)研究的一個(gè)不足之處。

　?。ǘ┳兞窟x擇

　　持續(xù)經(jīng)營審計(jì)判斷模型的變量選擇依然處于試錯(cuò)原則階段，缺乏理論基礎(chǔ)。在如何選擇變量及是否存在最佳的變量組合來預(yù)測(cè)持續(xù)經(jīng)營危機(jī)發(fā)生的概率仍然存在較大分歧。Chen、Church[21]指出增加無力償還到期債務(wù)這一變量可以顯著提高持續(xù)經(jīng)營審計(jì)意見的預(yù)測(cè)準(zhǔn)確率，Koh、Killough[2]等研究表明現(xiàn)金流量信息能有效地反映公司發(fā)生持續(xù)經(jīng)營危機(jī)的概率，Bell、Tabor[20]發(fā)現(xiàn)持續(xù)經(jīng)營危機(jī)公司股票存在負(fù)的市場(chǎng)收益率，股票收益率可以用來預(yù)測(cè)持續(xù)經(jīng)營危機(jī)，Goodman[26]證實(shí)管理當(dāng)局的經(jīng)營管理能力變量與是否被出具持續(xù)經(jīng)營審計(jì)意見顯著相關(guān)。新修訂的《持續(xù)經(jīng)營準(zhǔn)則》明確規(guī)定審計(jì)師在進(jìn)行持續(xù)經(jīng)營審計(jì)判斷時(shí)應(yīng)密切關(guān)注管理層擬采取改善措施的可行性和有效性。

　?。ㄈ颖具x擇

　　選擇不同的樣本會(huì)直接影響到模型的有效性，多元線性判別方法多采用等額配對(duì)抽樣法，這樣作可能因?yàn)闃颖玖康南拗?，但卻過分夸大了持續(xù)經(jīng)營危機(jī)公司比例，使得系數(shù)對(duì)樣本和模型設(shè)置都非常敏感，模型設(shè)置的微小變化、在樣本總體中加入或刪除案例等變動(dòng)，都會(huì)導(dǎo)致系數(shù)估計(jì)的較大變化。其次，現(xiàn)有的樣本選取忽略了行業(yè)特征，將一定期間不同行業(yè)的持續(xù)經(jīng)營危機(jī)公司作為測(cè)試樣本組，糅合在一起進(jìn)行研究，損害了模型的價(jià)值，因?yàn)椴煌袠I(yè)的公司具有不同的特征，即使影響持續(xù)經(jīng)營的因素相同，但是其相對(duì)重要性卻可能有所不同。最后，對(duì)于不同的樣本選取時(shí)間，由于其外在經(jīng)濟(jì)環(huán)境的差異，得出的模型可能存在顯著差異，模型的預(yù)測(cè)準(zhǔn)確性也會(huì)因經(jīng)濟(jì)環(huán)境、時(shí)間區(qū)間的不同而產(chǎn)生變動(dòng)。

　　（四）建模方法

　　多元線性判別方法、多元概率比回歸、多元邏輯回歸方法均被大量采用，而多元概率比回歸、多元邏輯回歸方法運(yùn)用最大似然估計(jì)，克服了多元線性判別分析要求數(shù)據(jù)服從正態(tài)分布和等協(xié)方差的假設(shè)與公司數(shù)據(jù)實(shí)際狀況不相符合的矛盾，在理論上更為完善。值得關(guān)注的是持續(xù)經(jīng)營危機(jī)預(yù)測(cè)的研究方法又有新的進(jìn)展，人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、模糊數(shù)學(xué)、專家系統(tǒng)開始被應(yīng)用于構(gòu)建預(yù)測(cè)模型，一些對(duì)持續(xù)經(jīng)營審計(jì)判斷有重要影響但卻因難以量化而放棄的變量被重新予以考慮，而且這些新的方法整合了專家在該領(lǐng)域的知識(shí)經(jīng)驗(yàn)，具有自主學(xué)習(xí)功能，顯示了獨(dú)特的優(yōu)越性。

　?。ㄎ澹┱`判成本

　　現(xiàn)有模型將分類的一類錯(cuò)誤、二類錯(cuò)誤等同看待，模糊了誤受和誤拒的成本，而事實(shí)上問題并非如此簡(jiǎn)單。一般而言，從投資者或銀行的角度，一類錯(cuò)誤成本要大于二類錯(cuò)誤成本；而從企業(yè)看，由于借貸者、顧客、供貨商、股東或其他投資人的不必要的戒備狀態(tài)，會(huì)使二類錯(cuò)誤的成本更高。對(duì)審計(jì)師而言，既要保證客戶的正當(dāng)權(quán)益，又要避免過高的法律訴訟風(fēng)險(xiǎn)。因此，如何綜合權(quán)衡一類錯(cuò)誤成本與二類錯(cuò)誤成本也是未來模型研究的重點(diǎn)之一。

　?。┠Ｐ偷倪m用性

　　從持續(xù)經(jīng)營準(zhǔn)則和專家訪談可以看出，持續(xù)經(jīng)營審計(jì)判斷屬于多階段性決策問題。Mutchler[18]將持續(xù)經(jīng)營審計(jì)判斷分成三個(gè)階段，Goodman[26]認(rèn)為審計(jì)師還應(yīng)當(dāng)評(píng)估管理當(dāng)局?jǐn)M采取改善措施的有效性和可行性?，F(xiàn)有大多數(shù)模型僅僅集中于判斷的某一階段，而對(duì)從持續(xù)經(jīng)營疑慮事項(xiàng)識(shí)別到出具具體的審計(jì)意見進(jìn)行全面系統(tǒng)的建模還較為少見，模型的適用范圍還較為局限。如何結(jié)合審計(jì)實(shí)踐，構(gòu)建多階段、多目標(biāo)的全面模型將是一個(gè)很有前景的研究方向。