1 問題的提出
加入WTO后，我國企業面臨的是世界大市場，競爭更加激烈。特別是實行現代企業制度后，企業的經營權和所有權分離，企業的組織形式是多元化、多角化、集團化、跨行業的經營趨勢。企業被財務風險葬送的教訓層出不窮：日本住友商社、韓國大宇集團、美國安然公司、中國的巨人集團、藍田股份以及“新疆啤酒花事件”等，都與財務風險有關。財務風險預警管理因而成為學術界和企業界關注的焦點,建立一個有效的企業財務風險預警機制及防范系統，顯得十分必要和迫切。
2 典型財務預警模型介紹
企業的財務報表等所提供的會計信息綜合反映了企業財務狀況和經營成果，根據企業會計信息的結構、比率和比較分析可以研究企業的償債能力、盈利能力、發展能力和資金運營狀況，可以分析企業的安全狀況，進而對企業的綜合財務狀況作出判斷(吳水澎，1996)。基于對相關財務比率進行的單項和綜合研究而建立的各種財務預警模型，就是對企業危機預警進行的量化研究（薛祖云，2004）。
?。?）單變量判定模型（UnavailableDiscriminateModel）。
最早運用統計方法和財務比率進行企業危機預警研究的是美國財務專家威廉·比弗（WilliamBeaver,1966）。他的《財務比率與失敗預測》一文是以企業危機預警為主題，以單一的財務比率指標為基本變量，運用配對樣本法，隨機挑選了1954年到1964年間79家危機中的企業，并針對這79家企業逐一挑選與其產業相同且資產規模相近的79家正常企業，再將樣本企業分為訓練樣本與測試樣本兩組。先以訓練樣本企業破產前5年的30項財務比率進行二分類檢驗（Dichotomous Classification Test ）。用以找出最具區別能力的財務比率及其分界點，并利用測試樣本預測及驗證其財務比率及分界點的危機預警能力。
威廉·比弗的結論是，最能對企業危機做出預警的指標是“現金流量/總負債”比率，其次為“總負債/總資產”比率和“凈利潤/總資產”比率。在企業破產前5年可達70%以上的預測準確率，在企業破產前1年可達87%的預測準確率。
（2）多元判定模型（Multivariate Discriminate Model）。
該模型又稱奧爾特曼模型或Z分數模型（Z-score Model）是由美國財務專家愛得華?奧爾特曼(Edward .I. Altman)提出的。他認為，償債能力的喪失是引起企業破產的主要原因，企業在財務狀況良好——財務危機——破產——清算這一過程中，是有信號可預測的。經過大量實證考察和研究之后，于1968年才提出了多元Z值判定模型，即：
Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5
?。?）F分數模型（F-Score Model）。
由于Z分數模型在建立時并沒有充分考慮到現金流量變動等方面的情況，因此有一定的局限性。為此，我國學者周首華、楊濟華對Z分數模型加以改造，于1996年提出了財務危機預測的新模型——F分數模型。在F分數模型中加入現金流量這一有效的預測變量，彌補了Z分數模型的不足。同時，該模式還考慮到現代企業財務狀況的發展及標準的更新，比如，由于現金管理技術的提高，致使企業所應維持的必要流動比率有所降低，該模式的樣本選用更為擴大，它使用了Compustat PC Plus 會計數據庫中1990 年以來416 家公司的數據進行檢查，而Z分數模型的樣本僅為66 家。
F分數模型
F= -0.1774+1.1091X1+0.1074X2+1.9271X3+0.0302X4+0.4961X5
?。?）神經網絡預警模型。
1987年，Lapeds和Fayber首次應用神經網絡進行預測，開創了神經網絡預警的先河。該模型適合于對復雜性、時變性和模糊性的系統進行預測。神經網絡方法預警模型主要建立在“黑箱法”的基礎上。它把復雜系統當作一個黑箱，然后通過刺激（輸入）、反應（輸出）來研究系統的結構和性質。人腦的思維機制可分為抽象思維（邏輯推理）和形象思維（不確定性推理），神經網絡模型根據生物神經元的外部行為特征，推測具有類似于閥值邏輯的結構，提出人工神經元的閥值邏輯模型。
BP(Back propagation)模型是神經網絡方法中一種比較常用的模型，這種模型把系統看作一個黑箱，考慮其輸入和輸出之間的非線性映射，輸入過程可用輸入節點來表示，輸出過程可用輸出節點來表示。假定系統內部結構為未知，同時用隱節點來表示內部機制，從而形成一種用人腦神經元突觸行為模擬節點機制的類似神經的人工神經網絡。這樣，可通過不斷地輸入和輸出，以及對有限多個樣本的學習來達到對所研究系統內部的模擬。
3 企業財務預警模型評述
隨著統計技術和計算機技術的不斷發展，歸納分類、人工智能、神經網絡模型以及實驗等技術逐漸被引入到企業財務預警研究之中。然而，無論采用什么統計方法或研究方法，企業財務預警研究中都存在著許多問題，主要體現在：
?。?）缺乏系統的經濟理論指導。
在目前的文獻中，能夠系統地解釋企業失敗和破產的經濟和管理理論還很少。盡管有些學者從委托代理、交易費用和產權關系等企業制度環境和制度安排方面作了大量的闡述，并借助于企業生命周期理論、企業進化理論等對企業失敗現象進行解釋。但是，它們還不夠完善，不足以系統地解釋企業失敗的原因，還遠遠不能準確確定財務預警模型中應包括的預測變量。因此，在選擇預測變量時，還是憑著經驗進行搜索，在眾多的變量、樣本、方法以及模型中找出最佳的組合，缺乏深厚的理論基礎。
?。?）研究方法上存在的問題。
?、龠x擇的預測變量往往是企業陷入財務困境的征兆，而非陷入財務困難的原因。一般而言，失敗企業數量較少，因此所選擇的失敗企業樣本大都不屬于同一行業，從該樣本得到的最好的預測變量反映了所有失敗企業的共同特征：低效益和高負債。因此，大多數預警模型所提供的信息只是一種表象而已。
②選取的財務變量具有片面性、滯后性（事后性）和多重共線性。所選取的財務變量的片面性體現在一個具體的財務變量只是從某一個側面反映企業的財務狀況和經營成果；財務變量的滯后性體現在財務報表的公布日，滯后于會計期間。比如我國上市公司的年度財務報一般是在會計年度結束后的4個月內公布。如何克服財務變量的片面性、滯后性（事后性）和多重共線性是一個急需解決的問題。
③樣本選取的困難。盡管上市公司的數據相對容易獲得，但是要獲得那些財務困難公司在其陷入財務困境之前的數據卻不太容易，完整性也不夠。另外，很多研究采用了“配對抽樣”。按照行業、資產規模等標準為財務困境公司構造一組控制樣本，這會產生兩類公司的比例與它們在總體中的比例嚴重不一致，夸大預測模型的準確率。
?、芊秦攧罩笜艘蛩氐暮雎浴＠秘攧瘴C量化指標對企業預測，很可能忽略非財務指標的因素。社會經濟活動中的失敗與利率、失業率等的變化與財務危機有關，多種變量模型中如果能加入對宏觀經濟因素的預測，模型的預測能力就會加強；再者，許多學者以行業成功企業作為比較基準，這是不夠科學的。因為企業間不同環境造成比較上的牽強性，很難找到處于相同境地、相同條件下的企業。
