摘要：现代企业在不断发展的过程中，不可避免地要面对各种各样的财务风险，如何建立起一套全面、高效和实用的财务预警系统更是现代企业关注的重中之重。文章从财务危机与预警的定义出发，通过对国内外现有财务预警模型的比较分析，得出了完善我国企业财务预警的启示。

关键词：财务危机预警模型；财务风险；企业财务管理；单变量模型；多变量模型

经济周期波动是一种客观存在的经济现象，一个企业要生存、发展都离不开对财务环境的监测，对财务风险的预警。在当前金融危机的背景下，我国财政部企业司也要求企业加强财务监管，建立企业财务预警机制和财务管理评估制度。因此，完善我国财务监测与预警系统具有重要的理论和现实意义。

一、财务预警含义界定

财务预警，具体地说就是财务危机的预测与警报。所以提到财务预警，首先需要界定财务危机的含义。财务危机（FinancialCrisis），又称财务困境（FinancialDistress），财务失败（FinancialFailure）。顾名思义，处于财务危机状态的企业必然陷入了财务困境，这类企业要么连年亏损，要么经营不畅，面临着较大的财务风险。财务危机是财务风险的一种极端表现。

二、国内外财务预警模型的研究现状

目前对财务预警模型的研究主要集中在以下几个方面：

（一）单变量模型

单变量模型又称一元判定模型，是以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的模型。财务指标分为偿债能力指标、获利能力指标和营运能力指标。Fitzpatrick（1932）最早利用该模型对企业财务困境进行预测，他以19家公司作为样本，运用单个财务指标进行预测，结果发现净利润/股东权益、股东权益/负债这两个财务指标判别能力最高。而Smith和Winakor（1935）进行了类似的研究，则发现营运资本/总资产这个指标的预测能力最高。此外，Merwin（1942）发现营运资本/总资产、股东权益/负债、流动资产/流动负债这三个指标能提前6年对企业破产做出预测。Beaver（1966）发现判别能力最高的财务指标分别是现金流/总负债、净收入/总资产、总债务/总资产。

国内学者对此模型也做了不少探索。陈静（1999）使用截至1998年底的27家ST公司与同行业、同规模的非ST公司作为样本，研究发现资产负债率、净资产收益率、流动比率、营运资本/总资产、总资产周转率6个指标在ST公司与非ST公司有明显的差异。进一步研究得出，资产负债率与流动比率在宣布前一年的误判率最低，具有较好的预测力，而在稍远的时间段，总资产收益率的误判率则表现良好。同时发现净资产收益率和资产周转率极不稳定，在ST前一年，误判率达到最高。吴世农、卢贤义（2001）以70家ST和70家非ST上市公司为样本，应用单变量分析研究财务困境出现前5年这两类公司21个财务指标各年的差异，最后确定6个预测指标。

（二）多变量模型分析

1．Z分数模型。Z分数模型是Altman教授在1968年经过大量的实证考察和分析研究的基础上提出来的。Z分数模型是采用多元线性函数的模式，通过统计技术筛选出那些在两组样本中差别尽可能大而在两组内部的离散度最小的变量，从而将多个变量转换为分类变量，获得能有效提高预测精确度的判别方程。

Z分数模型的判别函数为：

Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5

其中，X1=（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=息税前利润/期末总资产；

X4=期末股东收益的市场价值/期末总负债；

X5=本期销售收入/总资产。

Z分数模型从企业的资产规模、变现能力、获利能力、财务结构、偿债能力、资产利用效率等方面综合分析预测企业的财务状况，进一步推动了财务预警的发展。Altman通过对Z分数模型长期的研究分析提出该模型的判断标准为：Z＞2.675时，企业财务状况良好，发生破产的概率很小；1.81≤Z≤2.675时，企业财务状况极不稳定，为灰色地带；2＜1.81时，企业财务失败可能性非常大。Z值越低，该企业遭受财务失败的可能性就越大；Z值越高，该企业遭受财务失败的可能性就越小。2．主成分分析。主成分分析就是对多变量的平面数据表进行最佳综合简化，即：在力保数据信息丢失最少的原则下，对高维变量空间进行降维处理。在实际工作中，主成分个数的多少取决于能够反映原来变量80%以上的信息量为依据。主成分模型对样本没有假设要求，但是要对样本数据进行标准化处理。因为各样本数据的量纲不完全一致，所以需要进行标准化处理，即将各种不同度量的指标转为同度量的指标，使各指标具有可比性。其适用范围较广，但计算和分析过程过于复杂，判别规则的确定比较复杂。

3．Logistic回归分析。Logistic模型的目标是寻求观察对象的条件概率，从而据此判定观察对象的财务状况和经营风险。这一模型建立在累积概率函数的基础上，不需要自变量服从多元正态分布和两组间协方差相等的条件。Logistic模型适用于因变量是非连续的且为二分类选择模式，将违约概率限定在0和1之间，并通过函数的对数分布来计算违约的概率。在二分类判别法中假设因变量为1和0，分别对应事件发生和事件不发生。Logistic回归模型的形式为：

Logistic回归模型使用的是最大似然估计，似然函数值越大，表明模型的模拟效果越好。Logistic模型的最大优点是，不需要严格的假设条件，克服了线性方程受统计假设约束的局限性，具有了更广泛的适用范围。目前这种模型的使用较为普遍，但其计算过程比较复杂，计算过程有近似处理，会影响到预测精度。

4．多元概率比（Probit）模型。Probit回归模型同样地假定企业破产的概率为P，并假定企业样本服从标准正态分布，其概率函数的P分位数可以用财务指标线性解释。其计算方法和Logit模型很类似，先是确定企业样本的极大似然函数，然后通过求似然函数的极大值就可以得到参数?琢，?茁，接下来就可以利用下面的式子求出企业破产的概率。和前面的判别规则一样，如果概率P小于0.5，就判别为财务正常型，如果P大于0.5，即为破产型。

5．人工神经网络（ANN）方法。神经网络模型是由大量的简单处理单元相互联结组成的复杂网络系统。它的许多功能和特性是对人脑神经网络系统的模拟，是一种自然的非线性建模过程，也被称为人工神经网络（ArtificialNeuralNetwork）。作为非参数的预测模型，它克服了选择模型函数形式的困难，同时对样本及变量的分布特征没有限制。然而，由于理论基础比较薄弱，人工神经网络对人体大脑神经模拟的科学性、准确性还有待进一步提高。

6．联合预测模型。联合预测模型是运用企业模型（CorporateModel）来模拟企业的运作过程，从而动态地描述财务正常企业和财务困境企业的特征。然后根据不同特征和判别规则，对企业样本进行分类。其运用的关键就是如何准确模拟企业的运作过程。因此它要求有一个基本的理论框架，通过这一框架来有效模拟企业的运作过程，从而能够有效反映和识别不同企业的行为特征、财务特征，并据以区分企业样本。

三、完善我国财务风险预警的启示

财务指标构建方面，应将财务指标和非财务指标相结合，适时引入一些新的财务变量，如EVA（经济增加值）和MVA（市场增加值）等，在建立企业财务预警模型时应当适时地引进这些新指标，以适应现代财务理论的发展，更深入地认识企业面临的财务危机。

研究方法方面，应注重定量分析和定性分析相结合，企业财务预警系统不能只单纯注重对量化的模型、指标进行分析，还应结合非量化因素甚至是有经验分析人员的直觉判断作定性的分析评价。定性和定量的预测相结合，才能提高预警系统的效用。建立事前、事中、事后全面监控的财务预警系统。财务预警系统不只是在意识到公司可能将出现问题时才使用，而应当更注重日常监控，随时充分考虑各种可能导致预警的原因，重视从细微处发现问题，以便及时采取应对措施。

参考文献

[1]张鸣，张艳，程涛．企业财务预警研究前沿[M]．北京：中国财政经济出版社，2003.

[2]刘红霞．企业财务危机预警方法及系统的构建研究[M]．北京：中国统计出版社，2005.

[3]张友棠．财务预警系统管理研究[M]．北京：中国人民大学出版社，2004.