关于企业财务风险预警模型的探讨刘学香

1、 企业金融危机预警模型探讨概括随着商业全球化的发展，企业的生存和发展环境发生了翻天覆地的变化，面临着巨大的商业和财务风险。企业面临的金融风险很容易引发金融危机，进而导致企业破产。为有效化解金融危机，需要建立适合企业的金融危机预警模型。财务预警是以财务会计信息为基础，通过设置和观察一些敏感预警指标的变化，对企业可能或将面临的金融危机进行实时监控和预测预警。财务预警中的数学模型是财务预警模型，是指通过企业的财务指标和非财务指标体系来识别企业财务状况的判别模型。金融预警模型的种类很多，比较常见的有：单变量判别模型、多元线性判别模型、多元逻辑回归模型、多概率比回归模型、人工神经网络模型等。本文比较分析

2、这几种金融危机预警模型，提出了各个模型适应的环境和环境，并指出了这些模型在应用中的局限性，让企业可以根据自身特点，选择最适合自己企业的财务状况.预警模型达到有效预测金融危机的目的。同时讨论了企业金融危机预警模型的演变和发展，指出了企业金融危机预警模型构建中指标体系的选择，以及应注意的问题。在企业金融危机预警模型的具体应用中。关键词：金融危机；预警模型；指标体系目录 TOC o 1-3 h z u HYPERLINK l _Toc200457748 简介 PAGEREF _Toc200457748 h 1 HYPERLINK l _Toc200457749 一、企业金融危机预警模型的演变与发展

3、PAGEREF _Toc200457749 h 2 HYPERLINK l _Toc200457750 （一）国外的演变与发展 PAGEREF _Toc200457750 h 2 HYPERLINK l _Toc200457751 （二）国家的演变与发展 PAGEREF _Toc200457751 h 3 HYPERLINK l _Toc200457752 二、企业金融危机预警模型的种类 PAGEREF _Toc200457752 h 4 HYPERLINK l _Toc200457753 （一）统计金融危机预警模型 PAGEREF _Toc200457753 h 4 HYPERLINK l

4、_Toc200457754 1.一元判别模型 PAGEREF _Toc200457754 h 4 HYPERLINK l _Toc200457755 2.多元线性判别模型 PAGEREF _Toc200457755 h 4 HYPERLINK l _Toc200457756 3.多元逻辑回归模型 PAGEREF _Toc200457756 h 5 HYPERLINK l _Toc200457757 4.多元概率比回归模型 PAGEREF _Toc200457757 h 6 HYPERLINK l _Toc200457758 （2）非统计金融危机预警 PAGEREF _Toc200457758

5、h 模型6 HYPERLINK l _Toc200457759 （3）不同企业金融危机预警模型 PAGEREF _Toc200457759 h 对比分析6 HYPERLINK l _Toc200457760 三、企业金融危机预警模型构建中指标体系的选择 PAGEREF _Toc200457760 h 8 HYPERLINK l _Toc200457761 1 ) 偿债能力指标8 PAGEREF _Toc200457761 h HYPERLINK l _Toc200457762 2 ) 盈利指标8 PAGEREF _Toc200457762 h HYPERLINK l _Toc200457763

6、 3 ) 运营能力指标8 PAGEREF _Toc200457763 h HYPERLINK l _Toc200457764 （四）发展能力指标 PAGEREF _Toc200457764 h 9 HYPERLINK l _Toc200457765 (五) 现金流量 PAGEREF _Toc200457765 h 指标9 HYPERLINK l _Toc200457766 企业金融危机预警模型 PAGEREF _Toc200457766 h 应用中应注意的问题9 HYPERLINK l _Toc200457767 参考文献 PAGEREF _Toc200457767 h 11 HYPERLIN

7、K l _Toc200457768 到 PAGEREF _Toc200457768 h 12介绍的广泛 关注 .建立有效的金融危机预警模型，对于保护投资者和债权人的利益，为经营者防范金融危机，以及政府管理部门对上市公司的质量和证券情况进行监控具有重要意义。市场风险具有重要的现实意义，可以发挥危机预测、财务诊断、过程控制和风险规避等作用。公司金融危机预警模型的建立，有助于降低经营风险；建立和使用有效的金融危机预警分析方法和预警模型，可以促进我国资本市场规范健康发展；运用有效的金融预警指标体系和预警模型，可以帮助政府和证券监管部门观察市场风险，判断监管风险。企业财务危机又称“财务困境”或“财务失败

8、” ，是指企业因无法偿还到期债务而引发的危机，包括技术故障、破产等形式。财务预警是以财务会计信息为基础的。通过设置和观察一些敏感预警指标的变化，实现对企业可能或将面临的金融危机的实时监测和预警。财务预警中的数学模型是财务预警模型，是指通过企业的财务指标和非财务指标体系来识别企业财务状况的判别模型。 Fitzpatrick是第一个提出使用财务比率来预测和分析企业未来财务状况的人。 Beaver使用统计分析方法建立了单变量金融预警模型。 Altman（1968）利用多元判别分析方法建立了著名的多元预警模型Z模型，并在对模型进行修正后，提出了ZETA模型。 Ohlson使用Logit回归模型对企业财

9、务预警进行研究。之后， Zmijewski 、 Zavgren 、 Lavartt 、 Keasey和McGuinness也使用Logit 模型对金融危机预警进行了研究，模型的预测准确度有了很大的提高。我国金融预警模型的研究始于1990年代。景( 1999 ) , 凌( 2000 ) , 吴世农 , 卢宪一( 2001 )用多元判别法分析上市公司的金融危机,郝 , 齐志平 , 于淼志,朱锡和田 等人用Logit模型分析金融危机。危机研究，周炳河军、周思恩和丁力，正在使用主成分分析生成线性或Logit函数方程，用于金融预警研究。目前，我国企业金融危机预警模型的研究还处于起步阶段。受限于数据的可获

10、得性和样本数量，大量研究主要针对上市公司，上市公司的特殊性限制了研究成果的应用。本文的写作方法主要是通过在图书馆和阅览室阅读相关书籍，登录CNKI，下载月刊和毕业论文，然后打印出来仔细阅读理解。通过对比分析和研究数据，我得出了自己的观点。本文主要探讨了企业金融危机预警模型，总结了企业金融危机预警模型的演变和发展，介绍了国外几种流行的金融危机预警模型，总结了各种模型的优势及其在应用中的局限性。对企业金融危机预警模型的未来发展进行了展望。一、企业金融危机预警模型的演变与发展（一）国外的演变与发展企业金融危机预警模型大致经历了从单变量模型到多变量模型、从多变量判别模型到logit模型等参数模型、从统

11、计参数模型到非参数模型、从单一模型到综合系统的过程。过程（程涛，2003）。金融危机预警的研究可以追溯到1930年代，其研究主要集中在金融预警模型的构建上。现在这些研究成果已经比较成熟，并在实践中得到了广泛的应用。一般来说，金融预警模型主要分为单变量模型和多变量模型。单变量模型研究的先驱是Fitzpatrick 。他在 1932 年选择了19家公司作为样本，并使用单一的财务比率将样本分为两组：破产和非破产。结果发现，净利润/股东权益和股东权益/负债这两个比率具有很强的判别能力。 1966年，美国芝加哥大学教授威廉比弗提出了一个比较成熟的单变量模型。他以79家失败的公司和相同数量的成功公司为样本

12、，测试了6组30 个反映不同财务特征的变量。对破产前1-5年的预测能力表明，债务保护率预测的准确性最高，资产负债率次之，越接近破产日，预测性越强。 1968年，美国学者爱德华 IAl tman率先将多元线性判别法引入金融预警领域，开创了多元预警模型的先河。他选择了22个变量作为初步选择变量。他通过对33家破产制造企业和33家非破产配套企业的研究分析，最终按照误判率最小原则确定了经营资产/总资产和留存收益/总资产。 、EBIT /总资产、股东权益市值/总负债账面价值和销售收入/总资产作为判别变量构建Z -score模型。此后，多元分析方法被广泛采用，各国学者根据奥特曼的思想构建了自己的多元模型。

13、典型的有 Edmisterd 提出的专门针对小企业的财务预警模型、英国 Taffler 的多元模型、日本开发银行（1970 年代）建立的多元预测模型、 Altman的Z-score . Haldeman和Narayanan 于 1977 年对模型进行修正和补充Z ETA 模型等。虽然以Altman的Z-score为代表的多元判别分析方法已成为金融预警模型的基础，但它具有严格的联合正态分布对预测变量的要求，而现实生活中的大多数财务比率都不符合这一要求。 .为了克服这一限制，研究人员建议使用回归分析来提高金融预警的能力。 1980年，奥尔森选取了1970-1976年间的105家破产企业和2058家

14、非破产企业作为样本，利用逻辑回归方法建立了Logit预警模型，随后出现了Zmijewski的Probit分析模型。随着计算机技术和信息技术的不断发展，西方研究人员开始利用人工神经网络、专家系统、遗传算法等非统计方法来预测财务困境。 1990年，奥多姆等人。开始使用人工神经网络来探索财务困境的预测。 1998年， Messier和Hansen首次将专家系统引入财务困境预测领域。 Franco和Varett尝试应用遗传算法构建预警模型。这些研究取得了比以往的线性分析模型更好的结果。值得注意的是，近年来，灾难理论、混沌理论、期权理论等也被引入到金融危机预警研究中，极大地推动了西方金融预警研究的快速发

15、展。（二）国家的演变和发展由于受证券市场发展的影响，国家对金融危机预警的研究起步较晚。 1986年，吴世农、黄世忠在中国经济问题上发表文章，在国内首次介绍了企业破产的分析指标和预测模型。 1990年，国家自然科学基金委员会管理科学组支持佘廉等人从事企业预警研究， 1999年出版了企业预警管理系列丛书。之后，中国学者才真正开始了金融预警的研究，并取得了一定的成果。 1996年，周守华、纪华借鉴奥特曼的研究成果，在Z-score模型的基础上进行改进，考虑现金流指标，选取了1977年至1990年的62家公司（其中31家破产公司取自华尔街日报）期刊索引”）。 ”，配对的其他 31 家非破产公司取自Co

16、mpust作为会计数据库） ，建立了F- score 模型，并与Compustat PC Plus 1990 年以来会计数据中的4,160 家公司的数据进行了验证，作为测试样本，其准确率高达70% ，但他们的研究对象不是中国证券市场。 1999年，靖是第一个预测中国上市公司财务困境的人。她以27家ST公司和非ST公司为比较样本，选取资产负债率、净资产收益率、总资产收益率、流动比率4个财务指标，进行单变量分析。误判率最低；在多元判别分析中，通过选取资产负债率、净资产收益率、总资产收益率、流动比率、营运资金/总资产和总资产周转率六个指标构建多元线性判别函数。 ST的前3年具有更好的预测能力。 20

17、00年，凌（2000）选取上海和深圳14个行业的120家上市公司作为样本，从偿付能力、盈利能力、资本结构和经营状况4个方面筛选出4个相关财务比率。变量来构建二元线性决策模型。同年，于、肖、志宏分别建立了多元分析模型和Logistic模型。 2001年，吴世农、卢宪一（2001）选取了1998年至2000年的70家ST公司作为金融危机公司和70家非ST公司作为匹配样本。从成长能力、企业规模等6个方面的21个财务指标中确定了6个预测指标，并采用Fisher判别分析、多元线性回归和逻辑回归分析构建了相应的模型。结果证明，对于相同的信息集，逻辑回归模型的决策能力最好。同年，针对判别分析方法在构建金融危

18、机预警模型中存在的问题，宝安和吉海首次利用BP神经网络建立了金融预警模型。之后，粗糙集神经网络、基于模糊优化的神经网络和人工神经网络金融预警模型相继出现；相关讨论。上述学者对我国上市公司金融危机的预警做出了巨大贡献，极大地推动了我国这方面的发展。但总体而言，中国的研究与国外相比是落后的。企业金融危机预警模型的类型财务预警是基于企业信息化对企业经营管理活动中潜在的金融危机风险进行监测、诊断和预警的系统。它贯穿于企业经营的全过程，以公司的财务报表、经营计划等相关财务数据为基础，运用会计、财务、企业管理、市场营销等理论，运用比率分析、数学模型等方法发现风险企业存在管理方法，向利益相关者发出警告，以便

19、采取相应的对策。财务预警模型是利用企业的一系列财务指标和非财务指标来识别企业财务状况的判别模型。本文将企业财务危机预警模型分为统计类和非统计类进行讨论。（一）统计金融危机预警模型统计金融预警模型包括单变量判别模型、多元线性判别模型、多元逻辑回归模型、多概率比回归模型等。1.一元判别模型单变量判别模型是指以某一财务指标为标准，判断企业处于破产状态还是非破产状态的预测模型。单变量判别模型的主要思想是通过比较某财务指标在财务困境企业与非财务困境企业之间的显着差异，对财务困境企业进行预警。最早研究金融危机预警的是Fitzpatrick提出的单变量破产预测模型。他抽取了 19 家公司作为样本，并使用单一

20、的财务比率将样本分为破产和非破产组。研究结果发现，净利润/权益和股东权益/负债这两个比率最具歧视性，并且这两个比率在经营失败前三年表现出显着差异。 Beaver对单变量判别模型进行了系统分析。他对 1954-1964年金融危机期间的79 家公司的 30 个财务比率与相同资产规模的成功公司进行了比较研究（即通过个人财务比率恶化来预测财务困境）。在排除行业因素和公司资产规模因素的前提下，比弗的研究表明，能够有效预测金融危机的比率包括债务覆盖率、资产收益率、资产负债率和资产安全率。同时，他的研究结果表明，债务覆盖率（现金流/总债务）是财务困境的最佳预测指标。一元判别分析是最早应用于企业财务预警的实证

21、模型，开创了财务预警实证研究的先河。2.多元线性判别模型多元线性函数模型是对企业的多个财务比率进行汇总，得到总判别分数来预测企业财务危机的模型。它从全局和综合的角度审视企业的财务状况，未雨绸缪，避免或延缓金融危机的发生。最广泛使用的多元线性函数模型是Z- score 模型。 Z- score模型最早由美国学者奥特曼于1968年研究。Altman的多元判别模型如下：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5X1=（期末流动资产-期末流动负债）/期末总资产X2=期末留存收益/期末总资产X3=期末息税前利润/总资产X4=期末股东权益市值/期末负债总额X5=当期

22、销售收入/总资产Alman的研究发现：Z值越低，企业财务失败的可能性就越大； Z值越高，企业遭受财务失败的可能性越小。他分析计算了66家公司，准确率在95%左右。Z-score模型的具体判断标准为：Z 3.0 财务失败的可能性低2.8Z2.9 有财务倒闭的可能1.81Z2.7 财务失败的可能性很大Z1.8 很可能财务上失败多变量模型可以说是对单变量模型的修正，在一定程度上弥补了单变量模型的一些缺陷。3.多元逻辑回归模型多元逻辑回归模型的目标是寻求被观察对象的条件概率，从而判断被观察对象的财务状况和经营风险。它基于累积概率函数，不需要假设自变量服从多元正态分布并且两组之间的协方差相等。多元逻辑回

23、归模型假设破产概率为p （ 1表示破产，0表示非破产），并假设可以用财务比率线性解释。首先假设 = a + bx ，然后根据推导可以得到 p=exp ，从而计算出企业破产的概率。判断方法与其他机型相同。首先根据多元线性判断模型确定企业破产的Z值（Z=a+bx） ，进而推导出企业破产的条件概率。判断规则为：如果p值大于0.5 ，说明企业破产的概率较大，则判断企业即将破产；如果p值低于0.5，说明企业财务正常的概率，判断企业财务正常。 Ohlson是第一个使用多元逻辑回归模型进行破产预测的人。他选择了1970 至 1976 年间破产的105家公司和2,058 家非破产公司的配对样本。分析了样本公司

24、在破产概率区间上的分布与两类错误和分裂点的关系。他发现，影响企业破产概率的变量至少有四种：企业规模、资本结构、业绩和当前融资能力。研究结果表明，这四类变量对金融危机的预测准确率为96.12%。4.多元概率比回归模型多元概率比回归模型还假设企业破产的概率为p，并假设企业样本服从标准正态分布，其概率函数的p分位数可以被财务指标线性解释。其计算方法与多元逻辑回归方法非常相似。首先确定企业样本的最大似然函数，然后通过求似然函数的最大值得到参数a和b ，然后可以用下面的公式求出企业的破产概率。与前面的判别规则相同，如果概率p小于0.5 ，则判断财务正常，如果p大于0.5 ，则即将破产。 Zmijewsk

25、首先使用了多元概率回归模型。他选取1972年至1978年间的76家破产企业和3880家正常企业进行分析。采用最大似然法，通过最大化每个样本个体的破产和非破产联合概率来构建模型，分析样本公司在破产概率区间内的分布情况，与两类误差和判别阈值点。关系。（2）非统计金融危机预警模型非统计金融危机预警模型主要包括人工神经网络模型。这是一个将网络的分类方法应用于金融预警的模型。人工神经网络是一种并行分散处理方法，其构建原理是基于模拟人脑的神经操作。人工神经网络通常由输入层、输出层和隐藏层组成，其信息处理分为前向传播和后向学习两个步骤。网络的学习是误差从输出层传播回输入层并修正值的过程。学习的目的是使网络的

26、实际输入接近给定的期望输出。根据最终的期望产出得到企业的期望值，然后根据学习到的判别规则对样本进行分类。人工神经网络具有更好的纠错能力，因此可以做出更好的预测。 Odom和Sharda是最早将神经网络技术应用于金融危机预警研究的人。他们使用人工神经网络来预测金融危机。他们将1975年至1982年的64家失败公司与64家正常公司配对，并将样本分为训练样本和保留样本，以Altman ( 1968 ) Z -score模型中使用的五个财务比率作为研究变量，使用神经网络构建模型.结果表明，训练样本的判别正确率高达100 % ，样本留不住企业和正常企业的预测正确率分别为81. 75 %和78.18 %

27、，说明神经网络具有较好的预测能力。他们的模型优于当时的判别分析模型，可以更好地解决分类问题。但他们的模型只是对神经网络方法应用的展示，是对Altman (1968) 工作的重复。人工神经网络具有很好的模式识别能力，也可以克服统计方法的局限性，因为它具有容错性，对数据的分布没有严格的要求，不需要考虑是否符合正态分布的假设，并具有处理自律或疏忽的能力。是犯错的能力，可以处理非量化变量。最重要的一点是人工神经网络具有学习能力。它可以随时根据新准备的数据进行自学习和训练，并根据可变参数调整其存储权重参数。企业运营环境。然而，传统的统计方法不具备这种学习能力。（3）不同企业金融危机预警模型对比分析通过国

28、外学者的研究，企业财务危机预警模型得到很大发展，可以在企业财务危机预警中发挥重要作用。很多企业根据自身行业特点和自身发展状况，构建了适合自身企业的金融危机预警模型，可以有效预测企业可能出现的危机，并采取积极措施进行防范，从而促进企业发展。该公司的。然而，每种企业金融危机预警模型都有其自身的局限性。这些将在下面单独讨论。1 、单变量判断模型有较好的理论基础，但将各种财务分析指标之间的关系分开，在实际应用中有很大的局限性，预警的准确性较差。2、二元判断模型在实际应用中具有较好的可预测性，但缺乏理论依据。多元判断模型存在严重偏离现实的假设以及拒绝和接受错误导致的机会成本损失。这些显然与客观现实不符。

29、同时，多元判断模型需要大量的数据支持。对于中国发展中的资本市场，上市公司的数量和可提供的数据有限，中国从1999年才开始实行ST和PT制度。参考数据更为有限，其预测结果的可靠性有待加强。3 、神经网络预警系统在公司金融危机预警模型中长期没有使用。神经网络预警模型过于复杂，在应用中需要改进，因此在实践中受到很大限制。4 、现有预警模型无法区分上市公司提供数据的真伪。由于公司治理不完善、上市公司监管不力、会计制度存在漏洞，不少管理公司为自身利益提供虚假财务报告和数据。如果预警模型无法区分信息和数据，则基于信息和数据的预警模型参数不可靠，最终会降低预测结果的准确性和可靠性。5.现有的金融预警模型主要

30、侧重于量化金融数据的运用，较少考虑宏观经济状况、国家政策变化、不同企业的特殊情况（如信用）等定性指标，而这些因素会影响公司的业绩。生存和发展有有利或不利的影响，有时甚至是决定性的。6 、现有的财务预警模型大多更注重上市公司提供的资产负债表和损益表中数据指标的使用，而往往忽略上市公司提供的现金流量表等数据的使用。资产负债表和利润表均以权责发生制为基础，而现金流量表以现金为基础，更能准确反映上市公司的财务状况，因此更能为上市公司提供更可靠、更可信的基础数据。金融预警模型。7 、现有的财务预警模型基本采用公司年报，即年报数据。模型的参数也是基于年报数据，很少使用季报或月报数据。这样的财务预警模型可能

31、对大型企业的中长期发展有很好的预测，但对于一些抗风险能力较弱的中小型企业来说，由于短期的影响很大。因素，这类模型的结果往往滞后。 ，也难以满足金融危机预测的短期需求。8、现有的财务预警模型基本以公司破产或公司进入PT、ST作为公司财务危机的判断标准（何荣华，2006）。事实上，公司破产或被PT、ST处理，是金融危机的一种极端形式。仅以此为基础的预警模型难以满足各方对公司财务状况的预测需求，尤其是对公司财务风险的早期预测。三、构建企业金融危机预警模型时指标体系的选择金融危机预警模型的可靠性很大程度上取决于金融指标的选择。企业金融危机预测指标体系的建立，要充分反映企业的经营和财务状况，要适当简化，

32、便于数据的收集。处理，降低预测成本。 Altman 博士在建立Z值模型时指出，财务指标的初始选择应遵循两个原则：一是指标在以往研究中出现的频率；二是指标与研究问题之间的潜在相关性。该原则要求预警变量必须能够提供多层次、多角度的信息。为保证财务比率指标的科学实用价值，作为财务指标主体的财务比率至少应包括相关偿付能力、盈利能力、经营能力、开发能力和现金流量等。不同角度、不同方面综合反映了财务状况。(1) 偿债能力指数从资产存量来看，企业的财务失败表现为企业总资产的账面价值低于负债总额的账面价值，即企业净资产为负。从企业破产法的角度来看，国有企业的破产限额是“因经营不善、无力清偿到期债务而遭受严重损

33、失”。本质是他们无法偿还到期债务。因此，过度借贷是企业财务倒闭和危机形成的“第一杀手”，偿付能力指标是构建金融危机预警模型指标体系的首要因素。因此，为了综合评价债权人关心的资产负债水平和偿债能力，应选择流动比率和资产负债比率。(2) 盈利指标无论是投资者、债权人还是企业经营者，都非常重视和关心企业的盈利能力。一般来说，一个企业的盈利能力只与正常的经营状况有关。不正常的经营状况也会给企业带来利润或亏损，但这只是特殊情况下的个别结果，并不能解释企业真正的盈利能力。因此，为了客观评价投资者关心的盈利能力，应选择主营业务利润率、总资产收益率、净资产收益率。（三）经营能力指标企业的最终目标是盈利，而盈利

34、的关键是如何合理使用企业的有效资金。企业的资本不是静止的，而是按照资本运动的规律运动的。因此，资金流动的速度成为判断资金使用是否合理的唯一标准。经营能力指数是用来衡量企业使用资金效率的财务比率，企业的经营者比较关心这些指标。为了评价一个企业的经营能力，应选择应收账款周转率、存货周转率和总资产周转率。（四）开发能力指标发展能力是企业在生存的基础上扩大规模、增强实力的潜在能力。反映了公司未来市场拓展、规模扩张和利润增长的前景，是对公司未来发展趋势的综合反映。为反映公司未来扩大资本的能力，应选择销售增长率、总资产增长率和净利润增长率。（五）现金流指标从现金流的角度看，财务失败的另一个重要表现是企业的

35、现金流入小于现金流出，即企业的现金流量净额为负。众所周知，净利润将由经营者控制。这种盈利操作导致了财务信息的扭曲，同时也会被解读为一种很奇怪也很矛盾的情况：一方面，公司账面上有会计利润；另一方面，该公司缺乏现金支付能力。为了克服权责发生制会计原则带来的人为操纵利润的弊端，人们在现金收付制度的基础上发展了“现金流量基础”。财务警告的重点应放在现金及其流动上。为了反映企业的现金流，现金负债率、销售现金比率、净利润经营指标和财务比率指标的设计和选择是建立财务预警体系的重要前提。 .预警离不开监测，监测离不开财务指标。因此，构建金融预警模型，首先必须在分析系统环境、目标、结构、功能及其与整体关系的基础

36、上，通过严谨的理论和实证分析，科学合理地设计和选择金融服务。监测和预警系统。指标体系构建金融预警模型的指标体系。四、企业金融危机预警模型应用应注意的问题企业金融危机预警模型在很大程度上促进了企业的发展，但在应用过程中应注意以下问题：（一）金融预警模型缺乏经济理论指导在目前的文献中，还没有理论能够充分解释财务指标与金融危机之间的关系。由于缺乏理论指导，各模型财务指标的选择比较随意。另一方面，每个模型选择的财务指标可能只是一个公司财务危机的表象，而不是根本原因。（二）金融预警模型功能有待进一步拓展作为一套完整的金融预警系统，除了判断某些指标是否超过预警限值外，还应该能够解释危机的原因、发展过程、现

37、状和未来变化的趋势，从而为管理层提供真实有用的预警信息。此外，财务预警模型还应具备一定的判断功能，比如能够辨别上市公司提供的数据的真伪。由于公司治理不完善、上市公司监管不力、会计制度存在漏洞，不少管理公司为自身利益提供虚假财务报告和数据。如果预警模型无法区分信息和数据，则基于信息和数据的预警模型参数不可靠，最终会降低预测结果的准确性。( 3 )金融预警模型不考虑非量化因素现有的财务预警模型主要侧重于财务指标的运用，很少考虑社会经济环境和公司自身情况（如公司战略、人力资源、信用等）等非量化因素。这些非量化因素会对企业的生存和发展产生许多有利或不利的影响，有时可能是本质原因。( 4 )金融预警模型

38、的作用将受限于金融指标和样本的选取各种模型在财务指标的选择上各有侧重。这种强调在一定程度上是片面的，因为忽略了财务指标的其他方面。例如，现有的财务预警模型大多更注重上市公司提供的资产负债表和损益表中数据指标的使用，而往往忽略上市公司提供的现金流量表等数据的使用。另一方面，不同的样本选择（包括时间和空间）也会对金融预警模型的适用性产生很大影响。比如不同国家和地区、不同行业、不同研究区间的选择。( 5 )金融预警模型应用条件不能完全满足各种金融预警模型都有其假设，这些假设在实践中并不能完全满足。我们的很多研究都是在近似条件下进行的，这无疑会降低模型的稳定性和预测精度。（六）根据企业金融危机预警模型

39、的应用实践和各种模型应用中存在的问题，本文认为企业金融危机预警模型未来的发展方向应体现以下几个方面： ，针对不同行业开发一些金融危机预警分析模型。由于每个行业都有自己的经营特点，财务数据存在一定差异，降低了各行业财务数据的可比性，因此有必要针对不同行业建立金融危机预警模型。其次，未来金融危机预警模型还应考虑一些非金融指标所能反映的定性因素。第三，未来金融危机预警模型应该能够识别公司提供的财务数据的真实性。第四，未来的金融危机预警模型应具备一定的自学能力。第五，未来金融危机预警模型应向静态和动态两个方向发展。第六，未来财务预警模型在关注上市公司资产负债表和损益表提供的数据的同时，应更多关注能够反

40、映上市公司资产流动性的现金流量表数据的应用。在使用上市公司年报数据（包括三大报表及其附件）的同时，还应设计一些使用公司季报和月报数据的中短期预警模型，以满足中短期投资者的需求。参考1程涛.金融预警模型综述J .财经大学学报，2003（ 5 ）。2爱民，朱春山，许丹健.上市公司财务失败的主成分预测模型及其实证研究 J 金融研究， 2001 （3）。3宝宝, 季海, 徐静, 文锦祥. BP神经网络在企业财务危机预警中的应用J .预测2001(2) 。4郭跃玲，吕树金融危机预警模型的构建J.商场现代化，2007（10）。5明，严。财务困境预测的实证研究与回顾J财经研究，2001（12） 。6何荣华财

41、务预警模型分析、比较、评价J ，会计之友， 2006 （ 8 ）7 岳.金融危机预警指标体系的构建J .会计之友， 2005 （2）。8王宇企业金融危机预警模型改进研究J，商场现代化， 2007 （ 2 ）。9景.上市公司财务恶化预测的实证研究J ，会计研究，1999，（4）10毛。我国上市公司财务风险预警模型的构建与实证分析J ，金融论坛， 2003(10) .11何源，陆星杰，肖松上市公司金融危机预警模型的演变J ，财会月刊，2005(8)12 Altman E I. 财务比率、判别分析和公司破产预测J.金融杂志，1968 年 9月13 AltmanE I.RG HaldemanandP.Narayanan.ZATEAnalysis -ANewModelto识别企业破产风险J银行与金融杂志， 1977 年6 月14宗昌，洪基于财务失败预警模型的上市公司财务分析 J.会计，2002 ( 11 ).15吴世农，卢先义我国上市公司财务困境预测模型研究J .经济研究， 2001 （ 6 ）。16苗润生企业财务预警系统研究 J .中央财经大学学报， 2003 （8）。17凌.金融危机预警分析的判别模型J 数量与技术经济研究， 2000 （ 3 ）。至这篇论文历时近半年终于定稿。虽然我在写作过