企业财务困境预警方法概述

田倩媛

财务危机不但使企业遭受巨大损失，而且直接影响企业的生存和发展。本文以财务管理理论和企业预警理论为基础，综述了关于企业财务困境预警方法，从一元判别分析、多元判羝分析，还有人工智能判别模型，整个过程全面的反映了发展历程和方法特点。

财务困境 预警 人工智能 模型

随着资本市场的蓬勃发展，资本市场已成为企业募集资金的重要场所，投资者也可以通过资本市场运作获得较高的回报，所以一个企业财务状况的好坏往往是企业管理当局、投资者和债权人关注的焦点。企业必须保持高度的警觉，科学管理的同时，加强对风险和困境的控制与防范。财务困境，又称财务危机，是指企业由于经营不善无力按时偿还到期债务而导致的困难与危机。

财务困境预警理论

（1）财务困境概念的界定。西方的财务困境预警研究起步较早，西方对财务困境的界定主要存在两种观点，一种是“破产论”，另一种是“财务失败论”国内的学者们结合中国的实际情况，综合各种影响因素纷纷给出各自对财务困境的定义。章之旺（2008）将违约作为企业陷入财务困境具有标志性和代表性的事件。即在约定的时间内，无力履行债务契约责任。

（2）财务困境预警。界定企业的财务状态是财务预警系统的首要步骤，目前大多数的研究集中于对企业是否处于财务困境进行判断。国内外学者运用不同的预测变量、采用各种数学工具和方法建立了大量的财务预警模型。

财务困境预警方法

国外研究方法发展历程，在分类器的选择上，先后经历了单分类器统计方法，单分类器人工智能方法，近年来，为了提高分类准确率和系统的泛化性能，学者们开始更多的关注于多分类器融合领域。

（1） -元判别模型。一元判别模型主要借助数学统计知识，通过比较不同类别公司在某一财务指标上的差异性，从而找到一个最佳分离点来实现正确分类。Beaver（ 1966）利用单一的财务比率来进行企业财务困境预警研究，并构建了单变量模型。国内，一元判别模型是最早引入到财务困境预警研究中的方法，它相對简单且容易理解，同时应用于实践时也比较客观，这在一定程度上为后续的研究打下了理论基础。

（2）多元线性判别模型。针对一元判别模型的局限性，学者们通过增加模型变量展开了大量研究，有效提高了财务困境预警模型的判别准确率。多元线性判别模型通过多指标的综合信息来对企业财务状况进行判别，有效提高分类准确率的同时，保证了模型的稳定性，提高了泛化能力。但多变量分析模型要求指标符合正态分布假设，而一般情况下财务指标并不具有这一特性，这一假设前提极大的阻碍了该方法的进一步发展。

（3）多元逻辑判别模型。由于多元线性判别模型事先要求财务指标服从统计分布假设，学者通过构建多元逻辑模型有效的解决了这一限制问题。多元逻辑模型（ Logistic）通过计算待测样本属于某类的条件概率，进而实现对样本公司财务状况的可靠判别。该方法运用最大似然估计法，对累计概率进行估值计算。根据学者们的研究经验，将0-5作为两类样本最佳分界值，可最大限度的提高分类预测准确率。通过以上分析可以发现，多元逻辑模型不需要财务指标事先满足统计分布假设，也不受线性约束，应用范围广泛。但该模型的弊端也是显而易见的，计算工作量大。

（4）人工智能判别模型1.人工神经网络系统模型。随着计算机和信息技术的发展，20世纪90年代初期，研究者将人工神经网络技术引入到了财务困境的预警研究中，并取得了很好的效果。综合以上研究成果，可以发现，人工神经网络可以有效挖掘小样本信息，具有较高的分类预测准确率和泛化能力，不存在统计假设问题。但神经网络相对较封闭的工作流程，缺乏丰富的理论予以支持，成为该方法的一大诟病.2.遗传算法模型。遗传算法是一种根据生物遗传进化的规律，在复杂空间内的通过有效搜索，以实现最优解的方法。该方法一般用来搜索决策规则和系统参数。该方法有效降低了实验样本维数的冗余，提高了分类预测效率。3.支持向量机模型Vapnik（1998）提出了支持向量机模型，而它最早被应用于求解模式识别问题。与人工神经网络相比，该模型的机器结构较为简单，易于理解。同时，支持向量机因其独特的泛化性能，被学者们广泛应用于不同领域的研究。而在国内，杨海军和太雷（ 2009）主张采用模糊支持向量机（FSVM）算法来加以改进。4.多分类器集成模型。多分类器集成是指在处理分类问题时，不单单使用一种分类器进行学习，而是把多个分类器通过某种集成机制组合在一起，然后综合各分类器的预测结果，得到最终的分类结果。分类器改进作为构建集成分类器的方法之一，通过集成组合，克服了单个分类器的各自的缺陷，并取长补短。

总结

企业的财务通过对资金运动和价值形态的管理，像血液一样渗透贯通到企业的生产、经营等一切管理领域。如果财务状况出现问题，它将直接关乎着企业的生死存亡。在财务困境的预警研究中，重要的方法之一就是建立预警模型，综观国内外的研究史，经典的模型代表了各个阶段的研究水平，体现了不同时期的研究成果。简单比较以上模型，可以看出：各模型都具有一定的优势和劣势，可以说，关于财务困境预警的研究，直到今天都未达成绝对的共识，现实情况的不断演变，新问题的层出不穷，任何模型都无法适用一切场合，研究需要随之不断深化。

[1]章之旺，预期财务困境成本在债务违约预测模型中的信息含量[J].数量经济技术经济研究.2008，（3）：148-159.

[2] Beaver w H. financial ratios as predictors of failure [J] . Supplement to Joumal of Accounting Research， 1966（5）：71-111.

[3]Vapnik V Statistical Learning Theory[M].NewYork：

John Wiley and Sons. 1998.

[4]杨海军，太雷，基于模糊支持向量机的上市公司财务困境预测[J].管理科学学报，2009，12（3）：102-110.