财务预警模型文献综述

[摘    要] 财务风险具有客观性、发展性、可预测性特征，对企业的发展运营有重要影响。我国经济目前面临重大变革，“中国制造2025”计划的提出，深化供给侧改革，人工智能、区块链、大数据科技快速发展，企业财务预警的重要性日益突出。文章通过对财务预警模型的梳理，提出从我国国情出发，重新选取财务指标，重新选取样本数据进行系数测定更新，重视非财务因素的影响，针对具体行业如制造业构建财务预警模型，利用更准确、合适的模型对企业财务风险进行判别。

[关键词] 财务风险;财务困境;预警模型

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2019. 15. 017

[中图分类号] F234    [文献标识码]  A      [文章编号]  1673 - 0194（2019）15- 0037- 03

1      引    言

风险具有不确定性、客观性、普遍性、发展性以及可预测性的特征。风险不因人的意志而转移，在不断发展变化并且没有办法将其彻底消灭。从筹资角度对风险概念进行界定，财务风险是企业在进行筹集资金过程中，由于不确定的未来收益而导致的风险。

财务风险对企业运营、市场稳定、国家金融安全均有重要影响。世界范围内每年都有公司因财务风险破产，给经济社会造成了巨大影响。例如美国安然公司、世通公司，日本山一证券，国内企业东方电子、绿大地、银广夏等。由此可见，财务风险会引发财务困境，威胁企业健康稳定运营，警示犹在。

根据国家统计局公布的2018年经济数据显示，2018年全年国内生产总值900 309亿元，比上一年增长6.6%。国务院发布的《中国制造2025》中指出，实现制造强国的战略目标分三步完成，强调了综合实力进入世界制造强国前列的重要性。随着我国社会主义市场经济的不断发展，深化供给侧改革等改革，企业面临更多挑战，财务预警的重要性日益突出。企业可以通过财务预警模型识别和防范风险，助力企业健康发展，给予企业尤其是制造企业更全面的保障，实现制造兴国，实业强国。

目前财务预警模型在硕博士毕业论文中应用较多，相关文献综述数量少且较为久远，预警模型也有待进一步研究和完善。本文通过对财务预警模型文献的梳理，概述了各模型的特点和作用，针对预警模型的不足提出改进建议，为以后的深入研究和完善预警模型提供思考方向。

2      财务风险预警模型发展历程

20世纪60年代至20世纪末，财务预警模型被不断建立和改进，这个时期学者主要利用线性判别分析技术。线性判别又分为单变量线性分析和多变量线性分析。只依靠单一变量，预测分析往往出现偏差。Beaver（1966）在《可以预测失败的几种会计手段》中以158家公司为分析样本运用单个财务比率将样本划分为失败与非失败两个对比组进行分析，得出越临近破产日判别成功率越高，财务指标中债务保障率和资产负债率判别效果最好[1]。

Altman（1968）首次将多元判别分析方法引入财务困境预警领域。研究选取了10年间经法院宣告破产的33家公司作为失败样本，33家产业类别和规模相似未破产公司作为对比样本，22个财务指标为解释变量。该模型确定了以运营资本/总资产、留存收益/总资产、息税前利润/总资产、股票价值/债务面值、销售收入/总资产这五个变量作为判别变量，总的概率值来判别公司财务恶化程度，公式为Z=1.2X1+1.4X2+3.3X3+0.6X4+1.0X5。根据统计数据分析，Altman将Z=3作为经验性临界数据值，被预测企业的Z值与临界值对比可知企业财务危机的严重程度。临界值的具体说明如表1所示[2]。

周首华（1996）在Z-Score模型的基础上，增加了现金流量指标，进行大量样本采集，提出了F分数模型。判别的5个变量分别为：营运资本/资产总计、留存收益/资产总计、息税前利润/资产总计、总市值/负债合计、（税后净利润+利息+折旧）/平均总资产。其优势在于引进现金流量指标，缺陷在于没有考虑到不同行业间指标的差异[2]。

吴世农，卢贤义（2001）选取70家ST公司作为财务危机公司和70家非ST公司作为配对研究样本，选择剖面分析、单变量判定分析、多元线性判定模型变量分析、Logistic回归分析多种方法进行实证研究，筛选出16个财务指标在公司陷入财务困境前1～2年中具有判定和预测效果。相比之下，Logistic回归分析误判率最低，财务困境发生前一年误判率仅为6.74%[2]。

杨淑娥（2005）采用BP人工神经网络工具对企业财务预警方法精度进行比较研究。选取120家上市公司财务数据作为建模样本，同期60家公司作为检测样本构建预警模型。从偿债能力、盈利能力、资产管理能力、主营业务鲜明度等方面筛选10出个财务指标作为建模的原始变量，判别正确率高达90%。其优点在于数据呈非线性变化和不全的情况下仍可得到较满意结果，适用范围更广[3]。

邸红娜（2006）选取2002-2005年制造业上市公司为研究对象，运用T检验选出了12个判别能力较显著的财务指标，对BP神经网络进行完善，预警模型准确率达92.5%，预测判别准确率高[3]。

俄召娣，陈红（2009）以我国沪深两市高新技术企业财务数据作为样本，从财务预警角度出发，在Z模型的基础上，增添引入“因素模糊評价法”和专家评分法，构建适用于高新企业财务预警判别的模型[4]。

毛天棋（2018）以计算机、通信企业为样本，从经营、投资和筹资三个维度选取财务风险三维预警指标，构建、合成三维预警指数，构建财务预警定位模型[5]。

邓旭东，张瑜，徐文平（2019）从完整的现金流指标体系出发，对财务危机样本进行重新定义，研究2002-2017年沪深两市A股房地产行业上市公司，运用Logistic回归构建财务预警模型。模型对危机企业预测准确率达96.8%，总体预测正确率为87.1%[6]。

3      不足与展望

从文献综述中可以窥见，财务预警模型理论更新速度较缓慢，传统Z分析模型、F模型、Logistic回归模型、神经网络模型距今已有一定時间，模型的系数、分析的样本数据、选取的财务指标等都需要更新和重新测定。此外，应用最广泛的Z模型是选取美国上市公司测定得出，与我国国情有很大出入，直接运用模型不能得到正确结论，并且缺少针对具体行业应用的预警模型。

面临第四次工业革命等一系列变革之际，人工智能、大数据、区块链等快速发展，在不断变化局势中，财务困境预警模型对企业的发展有重要预测作用，可以帮助企业提前规划、提前预防。改进财务预警模型应首先从我国市场实际情况出发，不一样的时代背景模型也应及时更新，对于模型财务指标的选择进行重新测定，对于模型中的样本数据予以更新，重新思考模型构建思路，并且应专门设定针对具体领域的预警模型，例如针对制造企业的情况进行模型的构建，可以助力制造企业健康稳定发展，实现“中国制造2025”目标。

此外，以往财务预警模型功能较为单一且不够连贯，应收集必要的、连贯的财务信息，而非某一时段、某一业务领域的财务信息，运用会计人工智能、信息化等增加会计信息准确性，从而提高预警模型预判的准确性。

第三，在模型构建过程中，应考虑非财务因素对于公司财务风险的影响。在以往的研究中，着重考虑的均是财务因素，但从实际中可以发现，公司爆发负面新闻可以直接导致公司破产倒闭，而从之前的财务指标中并不易发现端倪，如2018年长生生物疫苗安全问题事件。

最后，应当重视财务预警模型在企业中的应用，部分上市公司的财务预警体系的审核流程、方式、预警方法相对繁杂，实际操作性不强，选择非量化指标时缺少合理性。企业应当选择专业能力过关人员组成财务预警管理机构，树立风险意识，加强内部控制与预警模型的结合应用，规范企业财务管理流程和模式。

4      结    语

财务预警模型在财务管理领域研究较为成熟，但以往预警模型在今日仍需完善，例如财务指标的选取，模型系数须更新，根据国情重选样本数据，构建模型思路，加入非财务指标等。在接下来的财务预警模型研究中，应着重研究上述问题，构建出更合理、预测准确率更高、针对我国具体行业企业的财务预警模型，让其更好为企业服务，实现制造强国，实业强国的中国梦。

主要参考文献

[1]王艳玲， 王汉保. 上市公司财务风险预警模型研究的文献综述[J]. 中国集体经济，2011（24）：72-73.

[2]陶思奇.我国企业财务风险识别与防范研究——以*ST川化为例[D]. 南京：南京财经大学，2017.

[3]刘澄， 赵可.企业财务困境预警：方法与应用[M].北京：经济管理出版社， 2015.

[4]俄召娣， 陈红. 高科技企业财务危机预警模型构建[J]. 生产力研究， 2009（13）：175-176.

[5]毛天棋. 基于行业视阈的企业财务风险三维预警指数构建[J].财会通讯，2018（23）：114-117.

[6]邓旭东， 张瑜， 徐文平. 基于现金流量角度的财务预警模型研究——以房地产行业为例[J].会计之友.2018（23）：89-93.