一、引言
財務危機是一種企業(yè)盈利能力實質(zhì)性地減弱，并伴隨持續(xù)虧損的漸進式的積累過程。財務危機的發(fā)生會使企業(yè)經(jīng)營循環(huán)和財務循環(huán)無法正常持續(xù)或陷于停滯，前期表現(xiàn)為違約、無償付能力、持續(xù)性虧損等，最終表現(xiàn)形式是企業(yè)破產(chǎn)。自20世紀30年代，F(xiàn)itzpatrick首先采用一元判別分析法對公司破產(chǎn)進行預測以來，財務危機預警問題逐漸為學者們所重視。Beaver、Altman、Deakin等人開創(chuàng)性的研究推動了財務危機預警探討的不斷深入，使之成為資本結(jié)構(gòu)理論的重要分支。作為一個熱點領(lǐng)域，每種新方法的開創(chuàng)性研究后，后續(xù)研究中學者們多是進行用此種方法的模仿性、改進性或比較性研究，哪種方法更為有效目前尚未定論，還有待于預警理論的進一步成熟。筆者在回顧文獻時，也僅列示影響較大的研究成果。
財務危機預警的實證研究注重通過考察界定的危機公司的財務特征，主要利用從公司財務報告中獲得的財務數(shù)據(jù)和各種方法來預測公司的財務危機。由于它們能夠提供良好的預測能力并幫助決策，實際上已經(jīng)構(gòu)成了財務危機預警研究的主體。一般實證研究方法是：先確定一組陷入財務危機的公司；再根據(jù)一定的標準（公司規(guī)模、上市時間、行業(yè)特征等等）確定一組未陷入財務危機的公司作為控制樣本；采用一定的方法對兩組樣本數(shù)據(jù)進行分析，從而揭示出哪些財務比率或指標在兩組中存在一致而顯著的差異；最后運用具有顯著差異的比率和指標，構(gòu)造出進行公司財務危機預警的基本評價模型。
二、新興實證研究方法綜述
20世紀90年代前，以統(tǒng)計學理論為基礎(chǔ)的傳統(tǒng)財務危機預警研究方法占主流地位，主要有以下幾種：一元判別分析法（Univariate Discriminant Analysis，UDA）、多元判別分析法（Multivariate Discriminant Analysis，MDA）、多元邏輯回歸法（Multivariate Logit Regression，MLR）、多元概率比回歸法（Multivariate Probit Regression，MPR）和主成分分析法（Principal Components Analysis，PCA）等。20世紀90年代前后，隨著計算機技術(shù)和信息技術(shù)的發(fā)展，學者們開始將更多的數(shù)據(jù)挖掘技術(shù)（Data Mining，DM）、人工智能技術(shù)（Artificial Intelligence，AI）引入到財務危機預警模型研究領(lǐng)域。這段時間比較具有影響的方法有：
（一）決策樹法
Frydman，Altman和Kao（1985）利用遞歸劃分算法（RPA），以財務變量為判別點建立了決策樹模型（Classification Tree Analysis），以最低誤判成本為標準對樣本公司進行分類，發(fā)現(xiàn)多元判別分析模型樣本期望誤判成本明顯高于決策樹模型；Boyleetal（1993）研究認為，決策樹方法與多元判別分析法的評分結(jié)果相近，而且兩種方法可交替使用；Feng Yu Lin和Sally M-coean（2001）將4種獨立的財務預警研究方法（判別分析法、邏輯回歸法、神經(jīng)網(wǎng)絡方法及決策樹方法）進行不同的組合，建立了3種混合模式，再對這些方法進行實證分析，驗證結(jié)果表明在同等條件下，混合模式明顯優(yōu)于單個方法模式。
姚靠華（2005）以上市公司為研究對象，選取了反映盈利能力、償債能力、營運能力、成長能力和公司規(guī)模的17個財務變量，應用決策樹建立了我國上市公司的財務危機預警模型，實證結(jié)果表明模型具有較好的預測性；閆二梅（2008）也建立了決策樹模型，并將決策樹模型預測結(jié)果與MLR模型的預測結(jié)果進行比較，研究表明決策樹模型的預測準確率高于MLR模型；趙靜嫻（2008）提出一種改進了的基于決策樹的預警模型，通過正規(guī)增益標準對企業(yè)的財務變量進行排序降維，避免了冗余信息的影響，直接生成最小決策樹，抽取預警規(guī)則。
（二）專家系統(tǒng)法
Messier和Hansen（1987）首次將專家系統(tǒng)（Expert System，ES）引入到財務危機預警領(lǐng)域，他們從知識獲取角度探討比較了專家系統(tǒng)在信用分析領(lǐng)域的應用，將該方法與線性判別分析（LDA）、群決策等方法加以比較，結(jié)果證明專家系統(tǒng)分類效果最好，檢驗樣本的正確分類率為87.5%，而LDA的準確率僅為為57%，并且比群決策的正確率穩(wěn)定；Bryant（1997）驗證了案例推理在預測企業(yè)破產(chǎn)方面的有用性，對非破產(chǎn)與破產(chǎn)企業(yè)，他以20：1的比例提取樣本數(shù)據(jù)，這和Ohlson的比例是一致的。1999年，Michaer也做過類似研究。
黃繼鴻（2003）把案例推理引入財務危機預警研究領(lǐng)域，這種方法不僅能夠處理定量因素，而且結(jié)合了專家知識、經(jīng)驗處理定性因素的影響；張林（2004）也做過此類研究。不過，兩人多是從理論介紹，沒有具體建立預警模型。瞿天易（2008）采用基于規(guī)則推理和案例推理的專家系統(tǒng)對財務危機進行定量預警，利用模糊神經(jīng)網(wǎng)絡對財務危機進行定性預警，并將二者所得信息有機地融合在一起，獲得了較為準確的預警結(jié)果。
（三）人工神經(jīng)網(wǎng)絡法
Odom和Sharda（1990）開拓了用人工神經(jīng)網(wǎng)絡（Artficial Neural Network，ANN）預測財務危機的新方法，他們以1975-1982年間65家失敗公司與64家健全公司為研究對象，取失敗前1年的資料，使用BP-ANN建立模型，并與用同樣的資料建立的MDA模型進行比較研究，結(jié)果發(fā)現(xiàn)，無論是構(gòu)造樣本的回代預測，還是測試樣本的驗證預測，BP-ANN模型都獲得了高于MDA模型的正確率，但他們的模型僅僅是神經(jīng)網(wǎng)絡方法應用的展示和Altlnan（1968）研究的重復；Tam和Kiang（1992）以美國得克薩斯州1985-1987年間118家銀行（59家破產(chǎn)，59家沒有破產(chǎn)）為研究對象，應用失敗前2年的19個財務變量作為神經(jīng)網(wǎng)絡的輸入節(jié)點，隱藏層節(jié)點數(shù)為10個，輸出節(jié)點為1個，在應用多元判別分析法、回歸法、近鄰法、決策樹法和神經(jīng)網(wǎng)絡法分別進行建模分析之后，得出的結(jié)果也表明神經(jīng)網(wǎng)絡法的預測精度要高于其他方法；Coats和Fant（1993）運用ANN對47家財務危機公司和47家財務健康公司進行判別，對危機公司的預測準確率達到了91%，明顯高于MDA模型72%的準確率；West（2000）將貸款企業(yè)分為兩組：一組是能夠按時償還貸款的企業(yè)，一組是不能按時償還貸款的企業(yè)，建立了5種不同的神經(jīng)網(wǎng)絡模型：多層傳感器、專家雜合系統(tǒng)、徑向基函數(shù)、學習向量機和模糊自適應共振，用來研究商業(yè)銀行信用評價的準確性。
但Back、Sere和Van Wezel（1995）不認為ANN具有比MDA和MLR明顯更佳的預測效果；Altman（1995）在對ANN和MDA的比較研究中得出結(jié)論：ANN在信用風險識別和預測中的應用，并沒有實質(zhì)性的優(yōu)于MDA。
楊保安（2001）最早在國內(nèi)使用BP-ANN研究財務危機預警問題，但只是進行示范性設計和檢驗，并未建立適用于我國的模型；劉洪（2004）從償債能力、營運能力、盈利能力和成長能力等4個方面選取財務變量建立了針對我國上市公司的BP-ANN模型，但是選取樣本的時間較短，僅使用了2002-2003兩年的首次ST公司，而且未考慮非財務變量在財務危機預警模型中的作用；端木正（2004）、楊淑娥（2005）、張淑靜（2007）等人也都進行過基于神經(jīng)網(wǎng)絡的財務危機預警研究。
隨著人工神經(jīng)網(wǎng)絡技術(shù)的不斷發(fā)展，目前已經(jīng)發(fā)展出眾多模型，如多層感知器MLP（如I. Poddig、龐素琳等），概率神經(jīng)網(wǎng)絡PNN（如Z. R. YANG、吳德勝），自組織映射神經(jīng)網(wǎng)絡SOM（如Kimmo Kiviluoto、牛強等），玻爾茲曼機理論神經(jīng)網(wǎng)絡（如L. Kryzanowski等）。
（四）生存分析法
1986年，Lane等首次將生存分析法（Survival Analysis）運用于企業(yè)失敗分類，對130家失敗銀行與334家營運正常的銀行進行分析，發(fā)現(xiàn)生存分析的分類準確率接近判別分析；Chen和Lee（1993）利用生存分析法研究了20世紀80年代的石油天然氣行業(yè)，結(jié)果證明：流動性比率、財務杠桿比率、營業(yè)現(xiàn)金流、開采成功率、企業(yè)歷史和規(guī)模對企業(yè)能否存活影響巨大。
鄧曉嵐等（2007）運用生存分析法，對上市公司隨公司年齡而變化的財務困境風險進行了評價。結(jié)果表明，財務困境風險生存率動態(tài)變化依行業(yè)的差異呈現(xiàn)不同的特征；在兩種公司年齡計算方式下，各行業(yè)的財務困境風險生存率曲線出現(xiàn)了不同程度的變化，說明上市前與上市后的失敗路徑發(fā)生改變；六大行業(yè)中，綜合類上市公司的財務困境危險性較低，說明綜合類公司的多元化經(jīng)營可能有助于分散經(jīng)營風險。王曉鵬等（2007）以我國上市公司為研究對象，借助于上市公司的財務樣本數(shù)據(jù)，采用生存分析法，對企業(yè)財務困境進行預警，研究結(jié)果表明：該模型具有可以使用時間序列、無需樣本配對、連續(xù)預測的特點，能夠為企業(yè)提供更為有效的財務困境預測。
（五）支持向量機法
Fan和Palaniswami（2000）利用支持向量機（SVM）對企業(yè)破產(chǎn)進行預測；Min和Lee2005）使用支持向量機（Support Vector Machines，SVM），應用2000-2002年間韓國中小企業(yè)數(shù)據(jù)進行預測。他們選擇破產(chǎn)樣本和非破產(chǎn)樣本各944個，通過選擇最優(yōu)的核函數(shù)，發(fā)現(xiàn)：SVM與BNN（Back propagation Neural Networks，反傳神經(jīng)網(wǎng)絡）、MDA和MLR相比，具有最高的預測精度。
李波（2004）以1998-2002年為研究期間，選取10個變量，對MDA模型、BP-ANN模型和SVM模型進行實證對比分析，研究表明：SVM模型全面優(yōu)于前兩種方法，不管是訓練集還是測試集，誤差都比前兩個模型小得多；惠守博（2006）利用上市公司的財務數(shù)據(jù)進行訓練和評估，證明了SVM模型的可行性和實用性。國內(nèi)采用SVM進行預警研究的學者還有：李賀（2006）、邱玉蓮（2006）、張根明（2007）等。研究均表明：SVM模型具有分類面簡單、泛化能力強、擬合精度高、魯棒性強等特點，在小樣本、高維條件下，預測精確度遠遠高于其他方法。
三、新興研究方法評析
新興財務危機預警研究方法普遍具有以下兩個特點：
（一）基于人工智能方法
新興預警法不是依據(jù)統(tǒng)計理論，而是利用數(shù)據(jù)挖掘、人工智能中的方法建立，整個分析及預測過程就好像是人類學習及思考一樣，是一種自然的非線性模型；新興方法一般沒有數(shù)據(jù)的分布、結(jié)構(gòu)等方面的要求，適用于非線性關(guān)系的數(shù)據(jù)并對數(shù)據(jù)的缺失具有相當?shù)娜菰S性，基本上能處理任意類型的數(shù)據(jù)。
（二）具有動態(tài)預警能力
新興預警方法具備隨著不斷變化的環(huán)境進行自我學習的能力，隨著樣本資料的積累，可以定期更新知識，從而實現(xiàn)對企業(yè)危機的動態(tài)預警；各個模型具有高度的自我學習能力，對錯誤資料的輸入具有很強的容錯性，因而更具有實用價值。
當然，各研究方法也具備自己的特色：決策樹模型符合推理原則，但需要大樣本；專家系統(tǒng)法能運用專家的知識和經(jīng)驗進行推理和判斷，不斷地增長知識，修改原有知識，但是該方法費時費力，而且如何選取專家的方法會直接影響結(jié)果；人工神經(jīng)網(wǎng)絡法具有較好的學習能力和預測能力，但可能陷入局部最優(yōu)，實用性較差；生存分析法主要的優(yōu)勢是能夠處理隨時間變化的變量和審查后的觀測值，但該方法的實用性有待進一步檢驗；支持向量機法充分考慮了財務危機問題的復雜性和非線性本質(zhì)，其精度和泛化能力都是比較優(yōu)良的，但其主要缺陷在于難以進行海量的數(shù)據(jù)處理。
四、結(jié)束語
經(jīng)過近七十年的發(fā)展，關(guān)于財務危機預警的實證研究文獻可謂數(shù)不勝數(shù)。但是，從傳統(tǒng)統(tǒng)計研究方法到新興人工智能研究方法，它們的區(qū)別在于預測準確率的上升和預警方法的先進性與智能化，但是它們都存在著一個顯著的邏輯性缺陷，即沒有考慮到財務狀況的時間延續(xù)性，因而研究結(jié)果普遍存在著預測準確率不理想的情況，特別是存在多期財務危機預警準確率較低的情況。
此外，新興財務危機預警方法由于理解和具體操作上過于復雜以及并沒有顯著改善模型的預測能力，因而學者們廣泛采用的仍是傳統(tǒng)的MDA和MLR。這就意味著如果還是僅僅停留在預測方法的改善上，則這一領(lǐng)域的研究將很難繼續(xù)向前推進。也許正是基于這一點，近年來，一些學者如Elloumi和Gueyié（2001）、Faccio and Lang（2002）、Wang Zhen（2004）等開始從構(gòu)建模型的指標上進行深入思考，他們不再局限于僅僅利用財務數(shù)據(jù)來構(gòu)建模型，而是單獨或同時利用公司治理信息、宏觀經(jīng)濟因素、審計因素等來構(gòu)建模型，從而為財務危機預警研究開辟了一個新的局面。
