企业财务危机预警文献综述研究

摘要：财务危机预警一直是国内外学者研究的热点。一个公司的财务状况关乎企业的整体运转，合理有效的对财务危机进行预警，及时规避风险，是企业管理当局的关注焦点。本文将按类别对财务危机预警的国内外文献进行梳理和评述，以期给管理当局提供一定的参考建议。

关键词：财务危机；预警方法；文献综述

中图分类号：F230 文献识别码：A 文章编号：1001-828X（2015）018-000-01

一、国外财务危机预警文献综述

财务危机预警研究在国外起步很早。1966年，基于Fitzpatrick的研究，芝加哥大学教授Beaver借鉴统计学原理，建立了基于单个财务比率的一元财务危机预警模型。结果发现离样本困境日越近，模型预测判别的正确性越高，困境前一年的预测正确率高达87%。Beaver的研究成果在财务危机预警领域起到了承前启后的作用，并为接下来的多变量预测模型打下了牢固的基础。

1977年，Altman，Haldeman和Narayanan对 Z―Score模型进行了进一步的修正和完善。他们打破行业局限选取样本，同时新增资本总额和公司规模两个判别变量。此后，多元线性分析判别法得到了各国学者的反复实践应用。但是在实践过程中，暴露许多弊端。

1977年，Martin首次应用Logistic回归模型研究财务危机预警。从1969-1974年期间美联储5600家银行中选定58家危机银行进行预测。经研究发现，相比Z模型和Zeta模型，Logistic回归模型的误判率较低，预测的精准度可高达96%。至今，该模型仍被广泛的应用于各项研究中。随着经济技术的飞速发展，已经不能适应经济、财务预警机制所要求的精准性，神经网络技术与财务预警的结合应运而生。

1990年，Odom和Sharda创造性的将神经网络技术应用于财务危机预警中。他选取65家破产企业作为样本，并将其划分为训练组和检验组。结果发现训练组的该模型较其他预警模型准确率大大提高。

Tam和Kiang的研究使该方法在预警领域得到了各国学者的实践应用，研究发现，虽然神经网络方法明显的优于Logistic回归分析法，但是在样本数量的限制下需要进行多次反复的训练仿真。

1998年，Luthern在神经网络模型中首次引入遗传算法，并将该方法与多元Logistic线性回归分析法进行比较，结果显示，基于遗传算法的神经网络模型预测结果更优。

除以上研究外，许多专家学者建立混合模型进行财务预警研究。实证检验表明，混合方法比单个的方法具有较高的预测精度，更是在财务危机预警领域开辟了新的道路。

综述以上研究现状，可以看出在健全的资本市场的助力下，国外的财务危机预警研究颇丰。近年来，更是有灾害理论、期权理论和混沌理论等众多相关理论的引入，大大推动了该领域的发展。

二、国外财务危机预警文献综述

我国在该领域的研究相对起步较晚。20世纪90年代，随着ST机制的引入和企业会计准则的颁布，财务风险预警越来越多的被专家学者所关注。

2005年，杨淑娥和黄礼选取180家上市公司，利用BP人工神经网络工具构建财务危机预警模型。经过反复的训练和学习，取得了90%以上的判正率。BP神经网络在许多不可控因素下仍可以得到较低的误判率，使预测结果令人满意。

同年，许多专家学者都开始对神经网络进行研究。李秉祥则提出了一种非线性组合预测风险的方法。该方法最大的特色就是以模糊神经网络为基础，并将该方法的预测结果与其他模型的结果进行对比，结果表明，该方法有较强的适应能力和较高的预测精度。

2011年，庞清乐和刘新允采取分层抽样的方法选取60个企业作为研究对象，首次将蚁群算法和神经网络结合。该方法利用蚁群算法的潜在优点极大的克服了传统神经网络的局限性。实验的结果表明，改进后的神经网络模型的误差平方和仅为0.057。

2014年，黄晓波和高晓莹以制造业企业为研究对象并引入非财务指标构建神经网络模型。在研究中他们利用因子分析对指标体系进行优化。结果显示，模型有良好的预测性，在所有指标中，盈利能力的影响因子系数最大。

我国在该领域的研究虽然相对较晚，但是在国外研究的基础之上，我国也开展一系列的科研工作，许多研究已经同国外同步。并且，在此基础上，有专家学者提出了财务危机预警要有中国元素，根据我国的基本国情和不同行业的特征制定的危机预警模型才更加具有适应性，足以表明我国在该领域的研究已日渐成熟。

三、国内外文献评述

纵观国内外对危机预警模型的研究，虽然起步时间不同，但是无论在理论上还是实践中都有了较大的发展：从单变量模型到多变量模型，从逻辑回归模型到人工智能模型，从单一判别方法到混合判别方法，从单一的财务管理理论到多学科的交汇融合，从静态预警到动态时间预警，这些都表明了该领域的迅速发展，也表明了企业管理当局、投资者、债权人等利益相关者对企业财务风险预警的需求。

就目前财务危机预警的研究来看，仍然存在许多有待完善的地方。本文在客观分析其不足之处的同时，也对财务危机预警的发展趋势做以下展望：

首先，运用模型中对变量指标的筛选缺乏规范化处理。许多指标的采用受前人研究、研究者自身经验的限制等因素的影响，缺乏客观性和全面性。绝大多数财务危机预警模型所选取的变量都是财务指标，这些数据资料并不能全面准确的反映企业的财务状况，相反对非财务指标等非量化指标考虑较少。其次，传统意义上我们认为，只有ST的企业才是有财务危机的，并只把ST企业作为研究对象，这样的方法过于拘泥传统。所以在研究中，应该打破ST的限制，以企业的实际财务状况为判断依据。

综上所述，财务危机预警在迅速发展的同时仍存在许多不足之处。就方法而言，虽然预警方法不断进步，国内模型研究的主流仍然是多元线性判别模型和Logistic 回归模型，神经网络等人工智能方法应用仍较少。

参考文献：

[1]吴世农，黄世忠.企业破产的财务分析指标及其预测模型[J].中国经济问题，1986（5）：8-15.

[2]陈静.上市公司财务恶化预测的实证分析[J].会计研究，1999（4）： 31-38.

作者简介：车 萌（1990-），女，汉，籍贯：山东淄博，学校：青岛理工大学商学院在读硕士研究生。