企业财务预警模型的比较分析
财务预警模型是诊断财务状况、提供财务危机信号的得力帮手，它无疑具有积极的意义。本文试图对国内外多种财务预警模型进行比较，以为构建适合我国企业财务预警模型提供一些思路和。一、财务预警模型的分类简介
（一）单变量模型
单变量模型是指运用单一变数，用个别财务比率或现金流量指标来猜测财务危机的方法。Ｆｉｔｚｐａｔｒｉｃｋ最早研究发现，出现财务困境的公司其财务比率和正常公司相比有明显的不同，从而以为企业的财务比率能够反映企业的财务状况，并指出财务比率分别对企业未来具有猜测作用。Ｂｅａｖｅｒ在此基础上用统计方法建立了单变量财务预警模型，发现债务保障比率对公司的猜测效果较好，其次是资产收益率和资产负债率的猜测效果。另外，日本的田边升一提出了利息及票据贴现用度的单变量判别分析方法，以利息及票据贴现用度的大小来判定企业正常与否，从而也可对企业起猜测作用。
（二）多变量模型
多变量模型就是运用多个财务指标或现金流量指标来综合反映企业的财务状况，并在此基础上建立预警模型，进行财务猜测。按所建模型是否具有动态预警能力、财务预警系统是否易于修改和扩充，多变量模型又可以分为静态统计模型和动态非统计模型。
１．静态统计模型。①线性判别模型。多元线性判别模型是运用多元统计分析方法中的判别分析建立起来的，它是根据一定的样本资料，建立判别函数、确定判定区域，以对企业财务状况进行猜测。这种模型以美国Ａｔｌｍａｎ教授的Ｚ模型最具代表性。②主成分猜测模型。该模型也形成一个线性判定函数式，其形式类似判别分析模型。不过该模型是运用多元统计分析中的主成分分析方法，通过提炼综合因子形成主成分，并利用主成分建立起来的。我国学者张爱民、杨淑娥等分别运用主成分分析方法对我国上市公司的财务预警模型进行过研究。③简单线性概率模型。该模型是利用多元线性回回方法建立起来的，其形式是：ｙ＝ｃ＋β１ｘ１＋β２ｘ２＋…＋βｋｘｋ。其中：ｃ、β１、β２、…、βｋ为系数；ｘ１、ｘ２、…、ｘｋ为ｋ个猜测变量，即财务指标；ｙ为企业财务失败的概率。该模型以０．５为危机分界点，ｙ值越大，企业发生财务失败的可能性越大，ｙ值越接近于０，说明企业财务越安全。④ｌｏｇｉｔ模型和ｐｒｏｂｉｔ模型。它们也分别叫作对数比率模型和概率单位模型，都属于概率模型，是在克服简单的线性概率模型的基础上并分别用ｌｏｇｉｔ和ｐｒｏｂｉｔ概率函数建立起来的。ｌｏｇｉｔ模型的形式为：ｌｎ［ｐ÷（１－ｐ）］＝α０＋β１ｘ１＋β２ｘ２＋…＋βｋｘｋ。其中：ｐ取值为０、１；ｐ为概率；ｘ１，ｘ２，…，ｘｋ为ｋ个猜测变量，即财务指标；α０、β１、β２、…、βｋ为系数。ｐｒｏｂｉｔ概率模型的猜测效果一般与ｌｏｇｉｔ模型猜测的效果相差不大，在此未几加先容。
２．动态非统计模型。动态财务预警模型主要是把人工智能中的回纳式的方法于财务危机猜测。目前，这种方法中最常用的是神经猜测模型。在神经网络模型中，当输进一些资料后，网络会以目前的权重出相对应的猜测值以及误差，而再将误差值回馈到网络中调整权重，经过不断地重复调整，从而使猜测值渐渐地逼近真实值。当应用此网络到新的案例时，只要输进新案例的相关数值，神经网络就可以根据当时的权重得出输出值即猜测值。神经网络分析是一种并行分布模式处理系统，具有高度的计算能力、自学能力和容错能力。该模型由一个输进层、若干个中间层和一个输出层构成。案例推理法是近年来才被尝试应用于财务危机猜测上的一种动态非统计模型方法。它是一种依循经验来推理的方法，就是以过往发生的案例为主要的经验依据来判定未来可能发生的，是一种典型的“上一次当，学一次乖”的推理方法。当输进一个新的题目到案例推理法系统，该系统会在从现有的案例库中搜寻相似的案例，判定新案例的类型。案例推理法的关键步骤就是根据相似性演算法测算出案例之间间隔，再转变为案例之间的相似度，由相似度选取最相近的案例，据此进行推理判定。