1 問題的提出
加入WTO后，我國企業(yè)面臨的是世界大市場，競爭更加激烈。特別是實(shí)行現(xiàn)代企業(yè)制度后，企業(yè)的經(jīng)營權(quán)和所有權(quán)分離，企業(yè)的組織形式是多元化、多角化、集團(tuán)化、跨行業(yè)的經(jīng)營趨勢。企業(yè)被財(cái)務(wù)風(fēng)險(xiǎn)葬送的教訓(xùn)層出不窮：日本住友商社、韓國大宇集團(tuán)、美國安然公司、中國的巨人集團(tuán)、藍(lán)田股份以及“新疆啤酒花事件”等，都與財(cái)務(wù)風(fēng)險(xiǎn)有關(guān)。財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警管理因而成為學(xué)術(shù)界和企業(yè)界關(guān)注的焦點(diǎn),建立一個有效的企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警機(jī)制及防范系統(tǒng)，顯得十分必要和迫切。
2 典型財(cái)務(wù)預(yù)警模型介紹
企業(yè)的財(cái)務(wù)報(bào)表等所提供的會計(jì)信息綜合反映了企業(yè)財(cái)務(wù)狀況和經(jīng)營成果，根據(jù)企業(yè)會計(jì)信息的結(jié)構(gòu)、比率和比較分析可以研究企業(yè)的償債能力、盈利能力、發(fā)展能力和資金運(yùn)營狀況，可以分析企業(yè)的安全狀況，進(jìn)而對企業(yè)的綜合財(cái)務(wù)狀況作出判斷(吳水澎，1996)。基于對相關(guān)財(cái)務(wù)比率進(jìn)行的單項(xiàng)和綜合研究而建立的各種財(cái)務(wù)預(yù)警模型，就是對企業(yè)危機(jī)預(yù)警進(jìn)行的量化研究（薛祖云，2004）。
?。?）單變量判定模型（UnavailableDiscriminateModel）。
最早運(yùn)用統(tǒng)計(jì)方法和財(cái)務(wù)比率進(jìn)行企業(yè)危機(jī)預(yù)警研究的是美國財(cái)務(wù)專家威廉·比弗（WilliamBeaver,1966）。他的《財(cái)務(wù)比率與失敗預(yù)測》一文是以企業(yè)危機(jī)預(yù)警為主題，以單一的財(cái)務(wù)比率指標(biāo)為基本變量，運(yùn)用配對樣本法，隨機(jī)挑選了1954年到1964年間79家危機(jī)中的企業(yè)，并針對這79家企業(yè)逐一挑選與其產(chǎn)業(yè)相同且資產(chǎn)規(guī)模相近的79家正常企業(yè)，再將樣本企業(yè)分為訓(xùn)練樣本與測試樣本兩組。先以訓(xùn)練樣本企業(yè)破產(chǎn)前5年的30項(xiàng)財(cái)務(wù)比率進(jìn)行二分類檢驗(yàn)（Dichotomous Classification Test ）。用以找出最具區(qū)別能力的財(cái)務(wù)比率及其分界點(diǎn)，并利用測試樣本預(yù)測及驗(yàn)證其財(cái)務(wù)比率及分界點(diǎn)的危機(jī)預(yù)警能力。
威廉·比弗的結(jié)論是，最能對企業(yè)危機(jī)做出預(yù)警的指標(biāo)是“現(xiàn)金流量/總負(fù)債”比率，其次為“總負(fù)債/總資產(chǎn)”比率和“凈利潤/總資產(chǎn)”比率。在企業(yè)破產(chǎn)前5年可達(dá)70%以上的預(yù)測準(zhǔn)確率，在企業(yè)破產(chǎn)前1年可達(dá)87%的預(yù)測準(zhǔn)確率。
?。?）多元判定模型（Multivariate Discriminate Model）。
該模型又稱奧爾特曼模型或Z分?jǐn)?shù)模型（Z-score Model）是由美國財(cái)務(wù)專家愛得華?奧爾特曼(Edward .I. Altman)提出的。他認(rèn)為，償債能力的喪失是引起企業(yè)破產(chǎn)的主要原因，企業(yè)在財(cái)務(wù)狀況良好——財(cái)務(wù)危機(jī)——破產(chǎn)——清算這一過程中，是有信號可預(yù)測的。經(jīng)過大量實(shí)證考察和研究之后，于1968年才提出了多元Z值判定模型，即：
Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5
?。?）F分?jǐn)?shù)模型（F-Score Model）。
由于Z分?jǐn)?shù)模型在建立時并沒有充分考慮到現(xiàn)金流量變動等方面的情況，因此有一定的局限性。為此，我國學(xué)者周首華、楊濟(jì)華對Z分?jǐn)?shù)模型加以改造，于1996年提出了財(cái)務(wù)危機(jī)預(yù)測的新模型——F分?jǐn)?shù)模型。在F分?jǐn)?shù)模型中加入現(xiàn)金流量這一有效的預(yù)測變量，彌補(bǔ)了Z分?jǐn)?shù)模型的不足。同時，該模式還考慮到現(xiàn)代企業(yè)財(cái)務(wù)狀況的發(fā)展及標(biāo)準(zhǔn)的更新，比如，由于現(xiàn)金管理技術(shù)的提高，致使企業(yè)所應(yīng)維持的必要流動比率有所降低，該模式的樣本選用更為擴(kuò)大，它使用了Compustat PC Plus 會計(jì)數(shù)據(jù)庫中1990 年以來416 家公司的數(shù)據(jù)進(jìn)行檢查，而Z分?jǐn)?shù)模型的樣本僅為66 家。
F分?jǐn)?shù)模型
F= -0.1774+1.1091X1+0.1074X2+1.9271X3+0.0302X4+0.4961X5
（4）神經(jīng)網(wǎng)絡(luò)預(yù)警模型。
1987年，Lapeds和Fayber首次應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測，開創(chuàng)了神經(jīng)網(wǎng)絡(luò)預(yù)警的先河。該模型適合于對復(fù)雜性、時變性和模糊性的系統(tǒng)進(jìn)行預(yù)測。神經(jīng)網(wǎng)絡(luò)方法預(yù)警模型主要建立在“黑箱法”的基礎(chǔ)上。它把復(fù)雜系統(tǒng)當(dāng)作一個黑箱，然后通過刺激（輸入）、反應(yīng)（輸出）來研究系統(tǒng)的結(jié)構(gòu)和性質(zhì)。人腦的思維機(jī)制可分為抽象思維（邏輯推理）和形象思維（不確定性推理），神經(jīng)網(wǎng)絡(luò)模型根據(jù)生物神經(jīng)元的外部行為特征，推測具有類似于閥值邏輯的結(jié)構(gòu)，提出人工神經(jīng)元的閥值邏輯模型。
BP(Back propagation)模型是神經(jīng)網(wǎng)絡(luò)方法中一種比較常用的模型，這種模型把系統(tǒng)看作一個黑箱，考慮其輸入和輸出之間的非線性映射，輸入過程可用輸入節(jié)點(diǎn)來表示，輸出過程可用輸出節(jié)點(diǎn)來表示。假定系統(tǒng)內(nèi)部結(jié)構(gòu)為未知，同時用隱節(jié)點(diǎn)來表示內(nèi)部機(jī)制，從而形成一種用人腦神經(jīng)元突觸行為模擬節(jié)點(diǎn)機(jī)制的類似神經(jīng)的人工神經(jīng)網(wǎng)絡(luò)。這樣，可通過不斷地輸入和輸出，以及對有限多個樣本的學(xué)習(xí)來達(dá)到對所研究系統(tǒng)內(nèi)部的模擬。
3 企業(yè)財(cái)務(wù)預(yù)警模型評述
隨著統(tǒng)計(jì)技術(shù)和計(jì)算機(jī)技術(shù)的不斷發(fā)展，歸納分類、人工智能、神經(jīng)網(wǎng)絡(luò)模型以及實(shí)驗(yàn)等技術(shù)逐漸被引入到企業(yè)財(cái)務(wù)預(yù)警研究之中。然而，無論采用什么統(tǒng)計(jì)方法或研究方法，企業(yè)財(cái)務(wù)預(yù)警研究中都存在著許多問題，主要體現(xiàn)在：
?。?）缺乏系統(tǒng)的經(jīng)濟(jì)理論指導(dǎo)。
在目前的文獻(xiàn)中，能夠系統(tǒng)地解釋企業(yè)失敗和破產(chǎn)的經(jīng)濟(jì)和管理理論還很少。盡管有些學(xué)者從委托代理、交易費(fèi)用和產(chǎn)權(quán)關(guān)系等企業(yè)制度環(huán)境和制度安排方面作了大量的闡述，并借助于企業(yè)生命周期理論、企業(yè)進(jìn)化理論等對企業(yè)失敗現(xiàn)象進(jìn)行解釋。但是，它們還不夠完善，不足以系統(tǒng)地解釋企業(yè)失敗的原因，還遠(yuǎn)遠(yuǎn)不能準(zhǔn)確確定財(cái)務(wù)預(yù)警模型中應(yīng)包括的預(yù)測變量。因此，在選擇預(yù)測變量時，還是憑著經(jīng)驗(yàn)進(jìn)行搜索，在眾多的變量、樣本、方法以及模型中找出最佳的組合，缺乏深厚的理論基礎(chǔ)。
（2）研究方法上存在的問題。
?、龠x擇的預(yù)測變量往往是企業(yè)陷入財(cái)務(wù)困境的征兆，而非陷入財(cái)務(wù)困難的原因。一般而言，失敗企業(yè)數(shù)量較少，因此所選擇的失敗企業(yè)樣本大都不屬于同一行業(yè)，從該樣本得到的最好的預(yù)測變量反映了所有失敗企業(yè)的共同特征：低效益和高負(fù)債。因此，大多數(shù)預(yù)警模型所提供的信息只是一種表象而已。
?、谶x取的財(cái)務(wù)變量具有片面性、滯后性（事后性）和多重共線性。所選取的財(cái)務(wù)變量的片面性體現(xiàn)在一個具體的財(cái)務(wù)變量只是從某一個側(cè)面反映企業(yè)的財(cái)務(wù)狀況和經(jīng)營成果；財(cái)務(wù)變量的滯后性體現(xiàn)在財(cái)務(wù)報(bào)表的公布日，滯后于會計(jì)期間。比如我國上市公司的年度財(cái)務(wù)報(bào)一般是在會計(jì)年度結(jié)束后的4個月內(nèi)公布。如何克服財(cái)務(wù)變量的片面性、滯后性（事后性）和多重共線性是一個急需解決的問題。
?、蹣颖具x取的困難。盡管上市公司的數(shù)據(jù)相對容易獲得，但是要獲得那些財(cái)務(wù)困難公司在其陷入財(cái)務(wù)困境之前的數(shù)據(jù)卻不太容易，完整性也不夠。另外，很多研究采用了“配對抽樣”。按照行業(yè)、資產(chǎn)規(guī)模等標(biāo)準(zhǔn)為財(cái)務(wù)困境公司構(gòu)造一組控制樣本，這會產(chǎn)生兩類公司的比例與它們在總體中的比例嚴(yán)重不一致，夸大預(yù)測模型的準(zhǔn)確率。
?、芊秦?cái)務(wù)指標(biāo)因素的忽略。利用財(cái)務(wù)危機(jī)量化指標(biāo)對企業(yè)預(yù)測，很可能忽略非財(cái)務(wù)指標(biāo)的因素。社會經(jīng)濟(jì)活動中的失敗與利率、失業(yè)率等的變化與財(cái)務(wù)危機(jī)有關(guān)，多種變量模型中如果能加入對宏觀經(jīng)濟(jì)因素的預(yù)測，模型的預(yù)測能力就會加強(qiáng)；再者，許多學(xué)者以行業(yè)成功企業(yè)作為比較基準(zhǔn)，這是不夠科學(xué)的。因?yàn)槠髽I(yè)間不同環(huán)境造成比較上的牽強(qiáng)性，很難找到處于相同境地、相同條件下的企業(yè)。
