企業財務困境預警方法概述

田倩媛

財務危機不但使企業遭受巨大損失，而且直接影響企業的生存和發展。本文以財務管理理論和企業預警理論為基礎，綜述了關于企業財務困境預警方法，從一元判別分析、多元判羝分析，還有人工智能判別模型，整個過程全面的反映了發展歷程和方法特點。

財務困境 預警 人工智能 模型

隨著資本市場的蓬勃發展，資本市場已成為企業募集資金的重要場所，投資者也可以通過資本市場運作獲得較高的回報，所以一個企業財務狀況的好壞往往是企業管理當局、投資者和債權人關注的焦點。企業必須保持高度的警覺，科學管理的同時，加強對風險和困境的控制與防范。財務困境，又稱財務危機，是指企業由于經營不善無力按時償還到期債務而導致的困難與危機。

財務困境預警理論

（1）財務困境概念的界定。西方的財務困境預警研究起步較早，西方對財務困境的界定主要存在兩種觀點，一種是“破產論”，另一種是“財務失敗論”國內的學者們結合中國的實際情況，綜合各種影響因素紛紛給出各自對財務困境的定義。章之旺（2008）將違約作為企業陷入財務困境具有標志性和代表性的事件。即在約定的時間內，無力履行債務契約責任。

（2）財務困境預警。界定企業的財務狀態是財務預警系統的首要步驟，目前大多數的研究集中于對企業是否處于財務困境進行判斷。國內外學者運用不同的預測變量、采用各種數學工具和方法建立了大量的財務預警模型。

財務困境預警方法

國外研究方法發展歷程，在分類器的選擇上，先后經歷了單分類器統計方法，單分類器人工智能方法，近年來，為了提高分類準確率和系統的泛化性能，學者們開始更多的關注于多分類器融合領域。

（1） -元判別模型。一元判別模型主要借助數學統計知識，通過比較不同類別公司在某一財務指標上的差異性，從而找到一個最佳分離點來實現正確分類。Beaver（ 1966）利用單一的財務比率來進行企業財務困境預警研究，并構建了單變量模型。國內，一元判別模型是最早引入到財務困境預警研究中的方法，它相對簡單且容易理解，同時應用于實踐時也比較客觀，這在一定程度上為后續的研究打下了理論基礎。

（2）多元線性判別模型。針對一元判別模型的局限性，學者們通過增加模型變量展開了大量研究，有效提高了財務困境預警模型的判別準確率。多元線性判別模型通過多指標的綜合信息來對企業財務狀況進行判別，有效提高分類準確率的同時，保證了模型的穩定性，提高了泛化能力。但多變量分析模型要求指標符合正態分布假設，而一般情況下財務指標并不具有這一特性，這一假設前提極大的阻礙了該方法的進一步發展。

（3）多元邏輯判別模型。由于多元線性判別模型事先要求財務指標服從統計分布假設，學者通過構建多元邏輯模型有效的解決了這一限制問題。多元邏輯模型（ Logistic）通過計算待測樣本屬于某類的條件概率，進而實現對樣本公司財務狀況的可靠判別。該方法運用最大似然估計法，對累計概率進行估值計算。根據學者們的研究經驗，將0-5作為兩類樣本最佳分界值，可最大限度的提高分類預測準確率。通過以上分析可以發現，多元邏輯模型不需要財務指標事先滿足統計分布假設，也不受線性約束，應用范圍廣泛。但該模型的弊端也是顯而易見的，計算工作量大。

（4）人工智能判別模型1.人工神經網絡系統模型。隨著計算機和信息技術的發展，20世紀90年代初期，研究者將人工神經網絡技術引入到了財務困境的預警研究中，并取得了很好的效果。綜合以上研究成果，可以發現，人工神經網絡可以有效挖掘小樣本信息，具有較高的分類預測準確率和泛化能力，不存在統計假設問題。但神經網絡相對較封閉的工作流程，缺乏豐富的理論予以支持，成為該方法的一大詬病.2.遺傳算法模型。遺傳算法是一種根據生物遺傳進化的規律，在復雜空間內的通過有效搜索，以實現最優解的方法。該方法一般用來搜索決策規則和系統參數。該方法有效降低了實驗樣本維數的冗余，提高了分類預測效率。3.支持向量機模型Vapnik（1998）提出了支持向量機模型，而它最早被應用于求解模式識別問題。與人工神經網絡相比，該模型的機器結構較為簡單，易于理解。同時，支持向量機因其獨特的泛化性能，被學者們廣泛應用于不同領域的研究。而在國內，楊海軍和太雷（ 2009）主張采用模糊支持向量機（FSVM）算法來加以改進。4.多分類器集成模型。多分類器集成是指在處理分類問題時，不單單使用一種分類器進行學習，而是把多個分類器通過某種集成機制組合在一起，然后綜合各分類器的預測結果，得到最終的分類結果。分類器改進作為構建集成分類器的方法之一，通過集成組合，克服了單個分類器的各自的缺陷，并取長補短。

總結

企業的財務通過對資金運動和價值形態的管理，像血液一樣滲透貫通到企業的生產、經營等一切管理領域。如果財務狀況出現問題，它將直接關乎著企業的生死存亡。在財務困境的預警研究中，重要的方法之一就是建立預警模型，綜觀國內外的研究史，經典的模型代表了各個階段的研究水平，體現了不同時期的研究成果。簡單比較以上模型，可以看出：各模型都具有一定的優勢和劣勢，可以說，關于財務困境預警的研究，直到今天都未達成絕對的共識，現實情況的不斷演變，新問題的層出不窮，任何模型都無法適用一切場合，研究需要隨之不斷深化。

[1]章之旺，預期財務困境成本在債務違約預測模型中的信息含量[J].數量經濟技術經濟研究.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]楊海軍，太雷，基于模糊支持向量機的上市公司財務困境預測[J].管理科學學報，2009，12（3）：102-110.