摘要：本文通過對國內(nèi)財務風險預警模型的研究的介紹，對已有的研究成果及文獻進行總結歸納，最后結合國內(nèi)研究的進展，對我國財務風險預警模型的研究做出了評價。

　　0 引言

　　財務風險預警是借助企業(yè)提供的財務報表、經(jīng)營計劃及其他相關會計資料，利用財會、統(tǒng)計、金融、企業(yè)管理、市場營銷等理論，采用比率分析、比較分析、因素分析及多種分析方法，對企業(yè)的經(jīng)營活動、財務活動等進行分析預測，以發(fā)現(xiàn)企業(yè)在經(jīng)營管理活動中潛在的財務風險，并在危機發(fā)生之前向企業(yè)經(jīng)營者發(fā)出警告，督促企業(yè)管理當局采取有效措施，避免潛在的風險演變成損失的一種預警方式。

　　國內(nèi)財務危機預警的研究始于20世紀80年代中后期，對財務危機預警模型的研究則一直到20世紀90年代末才開始。吳世農(nóng)、黃世忠(1986)曾撰文《中國經(jīng)濟問題》介紹企業(yè)破產(chǎn)的財務分析指標及預測模型：國家自然科學基金委員會管理科學組先后支持佘廉等人從事企業(yè)預警研究，并于1999年出版了企業(yè)預警管理叢書，之后我國學者真正開始了對財務預警的研究，并取得了一定的成果。

　　1 統(tǒng)計方法預警模型

　　1.1 單變量預警模型。單變量預警模型是指以某一項財務指標作為判別標準來判斷企業(yè)是否處于破產(chǎn)狀態(tài)的預測模型。

　　陳靜（1999）以27個ST公司和27個非ST公司為樣本，最終選定資產(chǎn)負債率、凈資產(chǎn)收益率等6個財務指標，分別以公司被ST的前一年、前兩年、前三年的財務數(shù)據(jù)為基礎，運用判別分析法做了實證研究。在單變量分析中，發(fā)現(xiàn)在負債比率、流動比率、總資產(chǎn)收益率、凈資產(chǎn)收益率4個指標中，流動比率和負債比率誤判率最低。

　　1.2 多變量預警模型。多變量模型即運用多種財務比率指標加權匯總而構造多元線性函數(shù)公式來預測財務危機。

　　周首華、楊濟華和王平(1996)在Z分數(shù)模型的基礎上進行改進，考慮了現(xiàn)金流量變動情況指標，建立了F分數(shù)模型：

　　F=-0.1774+1.1091X1+0.1704X2+l.9271X3+0.0302X4+0.4961X5

　　其中，X1、X2及X4與Z計分模型中的X1、X2及X4反映的指標相同，而X3、X5與Z分數(shù)模型的X3、X5不同。X3=(稅后凈收益+折舊)/平均總負債，它是一個現(xiàn)金流量變量，是衡量企業(yè)所產(chǎn)生的全部現(xiàn)金流量可用于償還企業(yè)債務能力的重要指標。X5=(稅后凈收益+利息+折舊)/平均總資產(chǎn)，測定的是企業(yè)總資產(chǎn)在創(chuàng)造現(xiàn)金流量方面的能力(其中的利息是指企業(yè)利息收入去利息支出后的余額)。相對于Z分數(shù)模型，它可以更準確地預測出企業(yè)是否存在財務風險。

　　張玲(2000)以120家公司為研究對象，使用了其中60家公司的財務數(shù)據(jù)估計二元線性判別模型，并使用另外60家公司進行模型進行檢驗，發(fā)現(xiàn)模型具有超前四年的預測結果。此外，采用MDA建模的學者還有黃巖和李元旭（2001）、尹俠等（2001）、向德偉（2002）、衛(wèi)建國等（2002）、楊淑娥和徐偉剛（2003）、唐振宇等（2004）以及賁友紅（2005）。

　　1.3 Logit。Logit模型是采用了一系列的財務指標來預測財務危機發(fā)生的概率，然后根據(jù)銀行、投資者等的風險偏好程度設定風險警戒線，以此對分析對象進行風險定位與決策。

　　吳世農(nóng)、盧賢義（2001）選取70家處于財務困境的公司和70家財務正常的公司為樣本，首先應用剖面分析和單變量判定分析研究財務困境出現(xiàn)前5年內(nèi)這兩類公司每一年的21個財務指標的差異，最后選定6個財務指標作為預警指標，應用Fisher線性判定分析、多元線性回歸分析和Logistic回歸分析三種方法分別建立了三種預警模型，并指出應用Logistic回歸分析法建立的預警模型誤判率最低。

　　此外，姜秀華與孫錚（2001）討論了最佳分割點，認為概率0.1為最佳分割點；喬卓（2002）和齊治平（2002）引入二次項和交叉項進行建模；陳曉和陳治鴻（2000）、宋力和李晶（2004）對財務數(shù)據(jù)進行調(diào)整后建模；張鳴和程濤（2005）、梁琪（2005）、張揚（2005）通過利用主成分分析法對logistic方法進行降維、解決共線性問題后進行了建模；顧銀寬（2005）則基于Jackknife檢驗進行了建模，均提高了模型預測的準確率。

　　1.4 核函數(shù)方法。羅幼喜等（2005）通過主成分分析法約簡建模指標后，采用核函數(shù)建模，結果表明模型的性能指標超過傳統(tǒng)預測方法，較好地解決了大規(guī)模樣本集應用問題。

　　2 智能預警模型

　　智能預警模型則主要是基于神經(jīng)網(wǎng)絡分析的各類模型。神經(jīng)網(wǎng)絡模型是一套人工智慧系統(tǒng)，以模擬生物神經(jīng)系統(tǒng)的模式，利用不斷重復的訓練過程，使本身能夠透過經(jīng)驗的積累達到學習的效果。

　　王春峰、萬海暉、張維等(1999)用神經(jīng)網(wǎng)絡法對商業(yè)銀行財務風險進行了研究，發(fā)現(xiàn)神經(jīng)網(wǎng)絡法具有很強的非線性映射能力，其學習經(jīng)驗的能力強：學者楊保安等(2001)將BP神經(jīng)網(wǎng)絡分析方法運用到銀行財務預警的分析中，構建了非線形財務預警模型。

　　劉洪、何光軍（2004）以728個樣本、36個財務指標進行財務危機預警研究。他們在傳統(tǒng)的判別分析法和邏輯回歸分析法基礎上，探索應用人工神經(jīng)網(wǎng)絡法進行財務危機預警的研究。結果表明，人工神經(jīng)網(wǎng)絡法的預測準確率高于前兩種方法的預測準確率。謝紀剛（2004）等人使用分類集成的方法進行財務危機預警研究，結果發(fā)現(xiàn)該方法的預測準確率可達到86%。

　　張根明、向曉驥和孫敬宜（2006）采用BP神經(jīng)網(wǎng)絡法，以263家制造業(yè)上市公司的截面財務指標作為學習樣本，并使用76家制造業(yè)上市公司作為檢驗樣本，建立了制造業(yè)上市公司財務危機預警模型。其研究結果表明，與沒有區(qū)分行業(yè)的通用財務危機預警模型相比，分行業(yè)的BP神經(jīng)網(wǎng)絡財務危機預警模型的預測準確率較高，能為廣大投資者和監(jiān)管機構預測公司財務狀況提供更可靠的依據(jù)。

　　另外，張華倫、孫毅（2006）提出了一種基于粗糙-模糊神經(jīng)網(wǎng)絡（Rough-Fuzzy-ANN）的模型，并給出了相應的算法，通過以我國上市公司財務數(shù)據(jù)為基礎進行的實證分析表明，這種模型具有預測精度高、學習和泛化能力強、適應性廣的優(yōu)點，為企業(yè)財務危機的動態(tài)預警提供了一條新的途徑。張林（2004）采用CBR技術構建了企業(yè)財務預警系統(tǒng)，為企業(yè)財務危機的警度測控、警兆辨識以及防警排警等提供了新的思路。

　　3 混合模式及其比較研究

　　近些年來，還出現(xiàn)了財務預警的混合模式?；旌夏Ｊ绞侵竿瑫r采用兩種或兩種以上的方法建立模型來進行財務預警分析。對此進行的實證研究表明，混合模型比單個方法模型相有著更高的準確型。如：徐勇（2007）以滬深兩市制造業(yè)上市公司為樣本，通過Fisher線性判定分析法和Logistic回歸分析法對我國制造業(yè)上市公司財務危機預警模型進行研究。該研究考慮到了財務指標行業(yè)性差異，選擇制造業(yè)上市公司作為樣本，可使研究結果更具針對性。

　　4 我國財務風險預警模型研究評價

　　通過上述對國內(nèi)財務危機預警模型的研究，從單變量、多變量、Logit模型這些以統(tǒng)計方法為基礎的研究到神經(jīng)網(wǎng)絡模型等非統(tǒng)計智能模型，從單一模型的研究到混合模型及其比較研究，從以財務指標為基礎的研究到引入非財務指標的研究，財務危機預警模型的研究受到了國內(nèi)實務界和學術界的高度重視且取得了重大進展。

　　與此同時，國內(nèi)在這方面的研究仍存在不足之處。①不同的預警模型適用條件不同，必然影響到模型的正確性和預測精度。當前對財務危機預警模型的研究大多數(shù)偏重用財務指標來構建模型，而非財務因素指標不僅在數(shù)據(jù)上收集困難而且不易測評。②國內(nèi)學者對這些模型的研究都是通過實證研究得到的，缺乏理論的指導，研究者在選擇變量的時候也受到自身價值判斷的影響。③在國內(nèi)現(xiàn)有的財務預警研究中，指標的選擇往往基于一般的財務理論、風險理論和管理理論，有時甚至取決于研究者的直觀判斷以及資料的可獲得性，眾多研究者還沒有找到令人信服的財務風險和預警理論來支撐所建立的預警模型，由此造成了各種財務預警模型的預警結論不一致。

　　我國這方面的研究中如何考慮行業(yè)和規(guī)模的影響，樣本設計條件的變化如何影響預測精度，如何從理論上和經(jīng)驗上引進更有效的預測變量，而且國內(nèi)研究對現(xiàn)金流量指標的重視程度也不夠，這些都是我們未來需要進一步研究的方向。

　　參考文獻：

　　[1]姜秀華，任強，孫錚.上市公司財務危機預警模型研究[J].預測.2002.3.

　　[2]張鳴.企業(yè)財務預警研究前沿.北京.中國財政經(jīng)濟出版設.2004.

　　[3]趙瑩.財務預警模型及其在中國的應用綜述.特區(qū)經(jīng)濟.2005

　　[4]瀟灑.企業(yè)財務風險的預警機制研究.現(xiàn)代商業(yè).2009

　　[5]張瑋.企業(yè)財務風險預警模型構建中現(xiàn)金流量分析法的運用.現(xiàn)代財經(jīng).2007.