摘要：本文通過(guò)對(duì)國(guó)內(nèi)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的研究的介紹，對(duì)已有的研究成果及文獻(xiàn)進(jìn)行總結(jié)歸納，最后結(jié)合國(guó)內(nèi)研究的進(jìn)展，對(duì)我國(guó)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的研究做出了評(píng)價(jià)。

　　0 引言

　　財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警是借助企業(yè)提供的財(cái)務(wù)報(bào)表、經(jīng)營(yíng)計(jì)劃及其他相關(guān)會(huì)計(jì)資料，利用財(cái)會(huì)、統(tǒng)計(jì)、金融、企業(yè)管理、市場(chǎng)營(yíng)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(duì)企業(yè)的經(jīng)營(yíng)活動(dòng)、財(cái)務(wù)活動(dòng)等進(jìn)行分析預(yù)測(cè)，以發(fā)現(xiàn)企業(yè)在經(jīng)營(yíng)管理活動(dòng)中潛在的財(cái)務(wù)風(fēng)險(xiǎn)，并在危機(jī)發(fā)生之前向企業(yè)經(jīng)營(yíng)者發(fā)出警告，督促企業(yè)管理當(dāng)局采取有效措施，避免潛在的風(fēng)險(xiǎn)演變成損失的一種預(yù)警方式。

　　國(guó)內(nèi)財(cái)務(wù)危機(jī)預(yù)警的研究始于20世紀(jì)80年代中后期，對(duì)財(cái)務(wù)危機(jī)預(yù)警模型的研究則一直到20世紀(jì)90年代末才開(kāi)始。吳世農(nóng)、黃世忠(1986)曾撰文《中國(guó)經(jīng)濟(jì)問(wèn)題》介紹企業(yè)破產(chǎn)的財(cái)務(wù)分析指標(biāo)及預(yù)測(cè)模型：國(guó)家自然科學(xué)基金委員會(huì)管理科學(xué)組先后支持佘廉等人從事企業(yè)預(yù)警研究，并于1999年出版了企業(yè)預(yù)警管理叢書(shū)，之后我國(guó)學(xué)者真正開(kāi)始了對(duì)財(cái)務(wù)預(yù)警的研究，并取得了一定的成果。

　　1 統(tǒng)計(jì)方法預(yù)警模型

　　1.1 單變量預(yù)警模型。單變量預(yù)警模型是指以某一項(xiàng)財(cái)務(wù)指標(biāo)作為判別標(biāo)準(zhǔn)來(lái)判斷企業(yè)是否處于破產(chǎn)狀態(tài)的預(yù)測(cè)模型。

　　陳靜（1999）以27個(gè)ST公司和27個(gè)非ST公司為樣本，最終選定資產(chǎn)負(fù)債率、凈資產(chǎn)收益率等6個(gè)財(cái)務(wù)指標(biāo)，分別以公司被ST的前一年、前兩年、前三年的財(cái)務(wù)數(shù)據(jù)為基礎(chǔ)，運(yùn)用判別分析法做了實(shí)證研究。在單變量分析中，發(fā)現(xiàn)在負(fù)債比率、流動(dòng)比率、總資產(chǎn)收益率、凈資產(chǎn)收益率4個(gè)指標(biāo)中，流動(dòng)比率和負(fù)債比率誤判率最低。

　　1.2 多變量預(yù)警模型。多變量模型即運(yùn)用多種財(cái)務(wù)比率指標(biāo)加權(quán)匯總而構(gòu)造多元線性函數(shù)公式來(lái)預(yù)測(cè)財(cái)務(wù)危機(jī)。

　　周首華、楊濟(jì)華和王平(1996)在Z分?jǐn)?shù)模型的基礎(chǔ)上進(jìn)行改進(jìn)，考慮了現(xiàn)金流量變動(dòng)情況指標(biāo)，建立了F分?jǐn)?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(jì)分模型中的X1、X2及X4反映的指標(biāo)相同，而X3、X5與Z分?jǐn)?shù)模型的X3、X5不同。X3=(稅后凈收益+折舊)/平均總負(fù)債，它是一個(gè)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(wù)能力的重要指標(biāo)。X5=(稅后凈收益+利息+折舊)/平均總資產(chǎn)，測(cè)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(duì)于Z分?jǐn)?shù)模型，它可以更準(zhǔn)確地預(yù)測(cè)出企業(yè)是否存在財(cái)務(wù)風(fēng)險(xiǎn)。

　　張玲(2000)以120家公司為研究對(duì)象，使用了其中60家公司的財(cái)務(wù)數(shù)據(jù)估計(jì)二元線性判別模型，并使用另外60家公司進(jìn)行模型進(jìn)行檢驗(yàn)，發(fā)現(xiàn)模型具有超前四年的預(yù)測(cè)結(jié)果。此外，采用MDA建模的學(xué)者還有黃巖和李元旭（2001）、尹俠等（2001）、向德偉（2002）、衛(wèi)建國(guó)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(cái)務(wù)指標(biāo)來(lái)預(yù)測(cè)財(cái)務(wù)危機(jī)發(fā)生的概率，然后根據(jù)銀行、投資者等的風(fēng)險(xiǎn)偏好程度設(shè)定風(fēng)險(xiǎn)警戒線，以此對(duì)分析對(duì)象進(jìn)行風(fēng)險(xiǎn)定位與決策。

　　吳世農(nóng)、盧賢義（2001）選取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，首先應(yīng)用剖面分析和單變量判定分析研究財(cái)務(wù)困境出現(xiàn)前5年內(nèi)這兩類公司每一年的21個(gè)財(cái)務(wù)指標(biāo)的差異，最后選定6個(gè)財(cái)務(wù)指標(biāo)作為預(yù)警指標(biāo)，應(yīng)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(yù)警模型，并指出應(yīng)用Logistic回歸分析法建立的預(yù)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(diǎn)，認(rèn)為概率0.1為最佳分割點(diǎn)；喬卓（2002）和齊治平（2002）引入二次項(xiàng)和交叉項(xiàng)進(jìn)行建模；陳曉和陳治鴻（2000）、宋力和李晶（2004）對(duì)財(cái)務(wù)數(shù)據(jù)進(jìn)行調(diào)整后建模；張鳴和程濤（2005）、梁琪（2005）、張揚(yáng)（2005）通過(guò)利用主成分分析法對(duì)logistic方法進(jìn)行降維、解決共線性問(wèn)題后進(jìn)行了建模；顧銀寬（2005）則基于Jackknife檢驗(yàn)進(jìn)行了建模，均提高了模型預(yù)測(cè)的準(zhǔn)確率。

　　1.4 核函數(shù)方法。羅幼喜等（2005）通過(guò)主成分分析法約簡(jiǎn)建模指標(biāo)后，采用核函數(shù)建模，結(jié)果表明模型的性能指標(biāo)超過(guò)傳統(tǒng)預(yù)測(cè)方法，較好地解決了大規(guī)模樣本集應(yīng)用問(wèn)題。

　　2 智能預(yù)警模型

　　智能預(yù)警模型則主要是基于神經(jīng)網(wǎng)絡(luò)分析的各類模型。神經(jīng)網(wǎng)絡(luò)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(fù)的訓(xùn)練過(guò)程，使本身能夠透過(guò)經(jīng)驗(yàn)的積累達(dá)到學(xué)習(xí)的效果。

　　王春峰、萬(wàn)海暉、張維等(1999)用神經(jīng)網(wǎng)絡(luò)法對(duì)商業(yè)銀行財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行了研究，發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)法具有很強(qiáng)的非線性映射能力，其學(xué)習(xí)經(jīng)驗(yàn)的能力強(qiáng)：學(xué)者楊保安等(2001)將BP神經(jīng)網(wǎng)絡(luò)分析方法運(yùn)用到銀行財(cái)務(wù)預(yù)警的分析中，構(gòu)建了非線形財(cái)務(wù)預(yù)警模型。

　　劉洪、何光軍（2004）以728個(gè)樣本、36個(gè)財(cái)務(wù)指標(biāo)進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究。他們?cè)趥鹘y(tǒng)的判別分析法和邏輯回歸分析法基礎(chǔ)上，探索應(yīng)用人工神經(jīng)網(wǎng)絡(luò)法進(jìn)行財(cái)務(wù)危機(jī)預(yù)警的研究。結(jié)果表明，人工神經(jīng)網(wǎng)絡(luò)法的預(yù)測(cè)準(zhǔn)確率高于前兩種方法的預(yù)測(cè)準(zhǔn)確率。謝紀(jì)剛（2004）等人使用分類集成的方法進(jìn)行財(cái)務(wù)危機(jī)預(yù)警研究，結(jié)果發(fā)現(xiàn)該方法的預(yù)測(cè)準(zhǔn)確率可達(dá)到86%。

　　張根明、向曉驥和孫敬宜（2006）采用BP神經(jīng)網(wǎng)絡(luò)法，以263家制造業(yè)上市公司的截面財(cái)務(wù)指標(biāo)作為學(xué)習(xí)樣本，并使用76家制造業(yè)上市公司作為檢驗(yàn)樣本，建立了制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警模型。其研究結(jié)果表明，與沒(méi)有區(qū)分行業(yè)的通用財(cái)務(wù)危機(jī)預(yù)警模型相比，分行業(yè)的BP神經(jīng)網(wǎng)絡(luò)財(cái)務(wù)危機(jī)預(yù)警模型的預(yù)測(cè)準(zhǔn)確率較高，能為廣大投資者和監(jiān)管機(jī)構(gòu)預(yù)測(cè)公司財(cái)務(wù)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(luò)（Rough-Fuzzy-ANN）的模型，并給出了相應(yīng)的算法，通過(guò)以我國(guó)上市公司財(cái)務(wù)數(shù)據(jù)為基礎(chǔ)進(jìn)行的實(shí)證分析表明，這種模型具有預(yù)測(cè)精度高、學(xué)習(xí)和泛化能力強(qiáng)、適應(yīng)性廣的優(yōu)點(diǎn)，為企業(yè)財(cái)務(wù)危機(jī)的動(dòng)態(tài)預(yù)警提供了一條新的途徑。張林（2004）采用CBR技術(shù)構(gòu)建了企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)，為企業(yè)財(cái)務(wù)危機(jī)的警度測(cè)控、警兆辨識(shí)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(lái)，還出現(xiàn)了財(cái)務(wù)預(yù)警的混合模式?；旌夏Ｊ绞侵竿瑫r(shí)采用兩種或兩種以上的方法建立模型來(lái)進(jìn)行財(cái)務(wù)預(yù)警分析。對(duì)此進(jìn)行的實(shí)證研究表明，混合模型比單個(gè)方法模型相有著更高的準(zhǔn)確型。如：徐勇（2007）以滬深兩市制造業(yè)上市公司為樣本，通過(guò)Fisher線性判定分析法和Logistic回歸分析法對(duì)我國(guó)制造業(yè)上市公司財(cái)務(wù)危機(jī)預(yù)警模型進(jìn)行研究。該研究考慮到了財(cái)務(wù)指標(biāo)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(jié)果更具針對(duì)性。

　　4 我國(guó)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究評(píng)價(jià)

　　通過(guò)上述對(duì)國(guó)內(nèi)財(cái)務(wù)危機(jī)預(yù)警模型的研究，從單變量、多變量、Logit模型這些以統(tǒng)計(jì)方法為基礎(chǔ)的研究到神經(jīng)網(wǎng)絡(luò)模型等非統(tǒng)計(jì)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(cái)務(wù)指標(biāo)為基礎(chǔ)的研究到引入非財(cái)務(wù)指標(biāo)的研究，財(cái)務(wù)危機(jī)預(yù)警模型的研究受到了國(guó)內(nèi)實(shí)務(wù)界和學(xué)術(shù)界的高度重視且取得了重大進(jìn)展。

　　與此同時(shí)，國(guó)內(nèi)在這方面的研究仍存在不足之處。①不同的預(yù)警模型適用條件不同，必然影響到模型的正確性和預(yù)測(cè)精度。當(dāng)前對(duì)財(cái)務(wù)危機(jī)預(yù)警模型的研究大多數(shù)偏重用財(cái)務(wù)指標(biāo)來(lái)構(gòu)建模型，而非財(cái)務(wù)因素指標(biāo)不僅在數(shù)據(jù)上收集困難而且不易測(cè)評(píng)。②國(guó)內(nèi)學(xué)者對(duì)這些模型的研究都是通過(guò)實(shí)證研究得到的，缺乏理論的指導(dǎo)，研究者在選擇變量的時(shí)候也受到自身價(jià)值判斷的影響。③在國(guó)內(nèi)現(xiàn)有的財(cái)務(wù)預(yù)警研究中，指標(biāo)的選擇往往基于一般的財(cái)務(wù)理論、風(fēng)險(xiǎn)理論和管理理論，有時(shí)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(méi)有找到令人信服的財(cái)務(wù)風(fēng)險(xiǎn)和預(yù)警理論來(lái)支撐所建立的預(yù)警模型，由此造成了各種財(cái)務(wù)預(yù)警模型的預(yù)警結(jié)論不一致。

　　我國(guó)這方面的研究中如何考慮行業(yè)和規(guī)模的影響，樣本設(shè)計(jì)條件的變化如何影響預(yù)測(cè)精度，如何從理論上和經(jīng)驗(yàn)上引進(jìn)更有效的預(yù)測(cè)變量，而且國(guó)內(nèi)研究對(duì)現(xiàn)金流量指標(biāo)的重視程度也不夠，這些都是我們未來(lái)需要進(jìn)一步研究的方向。

　　參考文獻(xiàn)：

　　[1]姜秀華，任強(qiáng)，孫錚.上市公司財(cái)務(wù)危機(jī)預(yù)警模型研究[J].預(yù)測(cè).2002.3.

　　[2]張鳴.企業(yè)財(cái)務(wù)預(yù)警研究前沿.北京.中國(guó)財(cái)政經(jīng)濟(jì)出版設(shè).2004.

　　[3]趙瑩.財(cái)務(wù)預(yù)警模型及其在中國(guó)的應(yīng)用綜述.特區(qū)經(jīng)濟(jì).2005

　　[4]瀟灑.企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的預(yù)警機(jī)制研究.現(xiàn)代商業(yè).2009

　　[5]張瑋.企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型構(gòu)建中現(xiàn)金流量分析法的運(yùn)用.現(xiàn)代財(cái)經(jīng).2007.