摘要：本文通过对国内财务风险预警模型的研究的介绍，对已有的研究成果及文献进行总结归纳，最后结合国内研究的进展，对我国财务风险预警模型的研究做出了评价。

　　0 引言

　　财务风险预警是借助企业提供的财务报表、经营计划及其他相关会计资料，利用财会、统计、金融、企业管理、市场营销等理论，采用比率分析、比较分析、因素分析及多种分析方法，对企业的经营活动、财务活动等进行分析预测，以发现企业在经营管理活动中潜在的财务风险，并在危机发生之前向企业经营者发出警告，督促企业管理当局采取有效措施，避免潜在的风险演变成损失的一种预警方式。

　　国内财务危机预警的研究始于20世纪80年代中后期，对财务危机预警模型的研究则一直到20世纪90年代末才开始。吴世农、黄世忠(1986)曾撰文《中国经济问题》介绍企业破产的财务分析指标及预测模型：国家自然科学基金委员会管理科学组先后支持佘廉等人从事企业预警研究，并于1999年出版了企业预警管理丛书，之后我国学者真正开始了对财务预警的研究，并取得了一定的成果。

　　1 统计方法预警模型

　　1.1 单变量预警模型。单变量预警模型是指以某一项财务指标作为判别标准来判断企业是否处于破产状态的预测模型。

　　陈静（1999）以27个ST公司和27个非ST公司为样本，最终选定资产负债率、净资产收益率等6个财务指标，分别以公司被ST的前一年、前两年、前三年的财务数据为基础，运用判别分析法做了实证研究。在单变量分析中，发现在负债比率、流动比率、总资产收益率、净资产收益率4个指标中，流动比率和负债比率误判率最低。

　　1.2 多变量预警模型。多变量模型即运用多种财务比率指标加权汇总而构造多元线性函数公式来预测财务危机。

　　周首华、杨济华和王平(1996)在Z分数模型的基础上进行改进，考虑了现金流量变动情况指标，建立了F分数模型：

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

　　其中，X1、X2及X4与Z计分模型中的X1、X2及X4反映的指标相同，而X3、X5与Z分数模型的X3、X5不同。X3=(税后净收益+折旧)/平均总负债，它是一个现金流量变量，是衡量企业所产生的全部现金流量可用于偿还企业债务能力的重要指标。X5=(税后净收益+利息+折旧)/平均总资产，测定的是企业总资产在创造现金流量方面的能力(其中的利息是指企业利息收入去利息支出后的余额)。相对于Z分数模型，它可以更准确地预测出企业是否存在财务风险。

　　张玲(2000)以120家公司为研究对象，使用了其中60家公司的财务数据估计二元线性判别模型，并使用另外60家公司进行模型进行检验，发现模型具有超前四年的预测结果。此外，采用MDA建模的学者还有黄岩和李元旭（2001）、尹侠等（2001）、向德伟（2002）、卫建国等（2002）、杨淑娥和徐伟刚（2003）、唐振宇等（2004）以及贲友红（2005）。

　　1.3 Logit。Logit模型是采用了一系列的财务指标来预测财务危机发生的概率，然后根据银行、投资者等的风险偏好程度设定风险警戒线，以此对分析对象进行风险定位与决策。

　　吴世农、卢贤义（2001）选取70家处于财务困境的公司和70家财务正常的公司为样本，首先应用剖面分析和单变量判定分析研究财务困境出现前5年内这两类公司每一年的21个财务指标的差异，最后选定6个财务指标作为预警指标，应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法分别建立了三种预警模型，并指出应用Logistic回归分析法建立的预警模型误判率最低。

　　此外，姜秀华与孙铮（2001）讨论了最佳分割点，认为概率0.1为最佳分割点；乔卓（2002）和齐治平（2002）引入二次项和交叉项进行建模；陈晓和陈治鸿（2000）、宋力和李晶（2004）对财务数据进行调整后建模；张鸣和程涛（2005）、梁琪（2005）、张扬（2005）通过利用主成分分析法对logistic方法进行降维、解决共线性问题后进行了建模；顾银宽（2005）则基于Jackknife检验进行了建模，均提高了模型预测的准确率。

　　1.4 核函数方法。罗幼喜等（2005）通过主成分分析法约简建模指标后，采用核函数建模，结果表明模型的性能指标超过传统预测方法，较好地解决了大规模样本集应用问题。

　　2 智能预警模型

　　智能预警模型则主要是基于神经网络分析的各类模型。神经网络模型是一套人工智慧系统，以模拟生物神经系统的模式，利用不断重复的训练过程，使本身能够透过经验的积累达到学习的效果。

　　王春峰、万海晖、张维等(1999)用神经网络法对商业银行财务风险进行了研究，发现神经网络法具有很强的非线性映射能力，其学习经验的能力强：学者杨保安等(2001)将BP神经网络分析方法运用到银行财务预警的分析中，构建了非线形财务预警模型。

　　刘洪、何光军（2004）以728个样本、36个财务指标进行财务危机预警研究。他们在传统的判别分析法和逻辑回归分析法基础上，探索应用人工神经网络法进行财务危机预警的研究。结果表明，人工神经网络法的预测准确率高于前两种方法的预测准确率。谢纪刚（2004）等人使用分类集成的方法进行财务危机预警研究，结果发现该方法的预测准确率可达到86%。

　　张根明、向晓骥和孙敬宜（2006）采用BP神经网络法，以263家制造业上市公司的截面财务指标作为学习样本，并使用76家制造业上市公司作为检验样本，建立了制造业上市公司财务危机预警模型。其研究结果表明，与没有区分行业的通用财务危机预警模型相比，分行业的BP神经网络财务危机预警模型的预测准确率较高，能为广大投资者和监管机构预测公司财务状况提供更可靠的依据。

　　另外，张华伦、孙毅（2006）提出了一种基于粗糙-模糊神经网络（Rough-Fuzzy-ANN）的模型，并给出了相应的算法，通过以我国上市公司财务数据为基础进行的实证分析表明，这种模型具有预测精度高、学习和泛化能力强、适应性广的优点，为企业财务危机的动态预警提供了一条新的途径。张林（2004）采用CBR技术构建了企业财务预警系统，为企业财务危机的警度测控、警兆辨识以及防警排警等提供了新的思路。

　　3 混合模式及其比较研究

　　近些年来，还出现了财务预警的混合模式。混合模式是指同时采用两种或两种以上的方法建立模型来进行财务预警分析。对此进行的实证研究表明，混合模型比单个方法模型相有着更高的准确型。如：徐勇（2007）以沪深两市制造业上市公司为样本，通过Fisher线性判定分析法和Logistic回归分析法对我国制造业上市公司财务危机预警模型进行研究。该研究考虑到了财务指标行业性差异，选择制造业上市公司作为样本，可使研究结果更具针对性。

　　4 我国财务风险预警模型研究评价

　　通过上述对国内财务危机预警模型的研究，从单变量、多变量、Logit模型这些以统计方法为基础的研究到神经网络模型等非统计智能模型，从单一模型的研究到混合模型及其比较研究，从以财务指标为基础的研究到引入非财务指标的研究，财务危机预警模型的研究受到了国内实务界和学术界的高度重视且取得了重大进展。

　　与此同时，国内在这方面的研究仍存在不足之处。①不同的预警模型适用条件不同，必然影响到模型的正确性和预测精度。当前对财务危机预警模型的研究大多数偏重用财务指标来构建模型，而非财务因素指标不仅在数据上收集困难而且不易测评。②国内学者对这些模型的研究都是通过实证研究得到的，缺乏理论的指导，研究者在选择变量的时候也受到自身价值判断的影响。③在国内现有的财务预警研究中，指标的选择往往基于一般的财务理论、风险理论和管理理论，有时甚至取决于研究者的直观判断以及资料的可获得性，众多研究者还没有找到令人信服的财务风险和预警理论来支撑所建立的预警模型，由此造成了各种财务预警模型的预警结论不一致。

　　我国这方面的研究中如何考虑行业和规模的影响，样本设计条件的变化如何影响预测精度，如何从理论上和经验上引进更有效的预测变量，而且国内研究对现金流量指标的重视程度也不够，这些都是我们未来需要进一步研究的方向。

　　参考文献：

　　[1]姜秀华，任强，孙铮.上市公司财务危机预警模型研究[J].预测.2002.3.

　　[2]张鸣.企业财务预警研究前沿.北京.中国财政经济出版设.2004.

　　[3]赵莹.财务预警模型及其在中国的应用综述.特区经济.2005

　　[4]潇洒.企业财务风险的预警机制研究.现代商业.2009

　　[5]张玮.企业财务风险预警模型构建中现金流量分析法的运用.现代财经.2007.