- 上一篇：财务报表粉饰行为及其防范
- 下一篇：企业社会责任与财务绩效关联性之理论解析与实证研究
2.1.2 财务危机
财务危机，又称财务困境，是企业无力偿还到期债务而产生的危机，它不仅危及到企业自身的生存与发展，而且影响到投资人、债权人，甚至是国家的利益。迄今为止，国内外对财务危机也没有统一的定义，通常公认有两种确定的方法：一是法律对企业破产的定义，企业破产是用来衡量企业财务危机最常用的标准；二是以证券交易所对持续亏损、有重大潜在损失或者股价持续低于一定水平的上市公司给予特别处理或退市作为财务危机标准。
在我国，由于破产机制的不健全，国内学者大都将被特别处理（ST）的上市公司作为存在财务危机的上市公司。
2.1.3 财务危机预警
企业财务危机预警是指借助企业的财务报表、运营计划及其他相关会计资料，利用财会、统计、计量经济，采用比率分析、比较分析、因素分析及多种分析方法，对企业的经营活动、财务活动等进行分析预测，以发现企业在经营管理活动中潜在的经营风险和财务风险，并在危机发生之前向企业经营者发出警告，提醒企业管理者采取有效措施，避免潜在的风险，起到未雨绸缪的作用。
自上世纪30年代以来，企业越来越重视自身的财务状况，一系列的模型应运而生。迄今为止，财务危机预警模型有判别分析模型、Logistic回归模型、神经网络模型等，可以说财务危机预警模型一直处于发展与演变中的过程中。
2．2 财务危机预警研究综述
2.2.1 国外学者对财务危机预警的研究综述
自上世纪30年代起，西方学者就开始对企业财务危机预警问题进行研究，并提出了各种不同的财务危机预警的方法和模型。
财务危机预警的研究最早始于美国学者Fitzpatrick（1932），他提出了单变量破产预测研究，将19家上市公司作为样本，并运用单个财务指标，将样本分为破产企业和非破产企业两组。研究结果证明，净利润/股东权益、股东权益/负债两个指标的判别能力最强。Beaver（1966）则考察了29个财务指标在企业陷入财务危机的前1—5年的预测能力，发现营运资金流/总负债在破产前一年的预测准确率可以达到87%。
在这之后，Altman(1968)开创了一种目前看来还具有相当影响力的多元判别分析方法——Z模型。他以1946年至1965年期间提出破产申请的33家公司和相对应的33家非破产公司作为样本，运用多种财务指标加权汇总，构造多元线性函数来预测财务危机。诚然，多变量预警模型考虑到了不同的财务指标对公司经营绩效的影响，在预测上有一定的效果。但是，学者们也发现一些自变量难以符合正态分布的假设，故后续的学者研究建立了一些新的预警模型，如Logistic预警模型。美国学者Ohlson(1980)最先运用Logistic回归方法进行财务危机预测。他选取了1970—1976年间105家存在财务危机的制造业公司与相应的2058家正常公司为样本进行研究, 研究结果发现公司规模、资本结构、经营绩效及流动性这四个指标对企业是否发生财务危机具有显著的预测能力。继Ohlson之后，Odom、M.D和R.Shardn(1990)首次将人工神经网络模型应用到破产分析中，结果发现神经网络模型要优于当时的判别分析模型。
2.2.2 国内学者对财务危机预警的研究综述
相对于西方学者的研究，我国国内学者对财务危机预警的研究起步较晚。吴世农和黄世忠(1986)曾介绍企业破产分析指标和预测模型，对财务危机进行了理论分析。周首华、杨济华和王平(1996)在Z模型的基础上提出F分数预测模型，通过更新指标和扩大样本数量对Z模型进行了修正。陈静(1999)使用了1995年—1997年间的财务数据，进行了单变量分析和二类线性判别分析，研究结果发现资产负债比率和流动比率的预测正确率较高。杨宝安、季海(2001)选取了一定量的样本作为训练样本，通过网络训练建立了人工神经网络预测模型，研究结果发现，模型的判断准确率高达95%。孙铮(2001)运用Logistic回归模型对上市公司的财务危机预警进行了研究；杨淑娥等采用了主成分分析方法，并建立了上市公司财务预警模型Y分数模型。吕长江，周现华(2005)在研究各种危机预警模型的基础上，分别运用多元判别分析方法、逻辑线性回归模型和人工神经网络模型，构建了财务危机预警模型。吴星泽（2011）分析了企业财务危机预警系统存在的问题，强调了框架重构的重要性，并提出了将利益相关者纳入财务危机预警考虑的范畴。他在文中提及构建嵌入利益相关者行为的新的预警框架，从动态视角改进现有的危机预警模型，使之更好地为企业所用，更好地预测危机。