[摘 要]當(dāng)前由于疫情的沖擊，國(guó)際形勢(shì)多變，國(guó)內(nèi)經(jīng)濟(jì)仍在復(fù)蘇，企業(yè)仍舊面臨潛在經(jīng)營(yíng)風(fēng)險(xiǎn)。在理論界，對(duì)財(cái)務(wù)風(fēng)險(xiǎn)的防范研究是財(cái)務(wù)管理的重要課題之一。文章對(duì)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建做了國(guó)內(nèi)外文獻(xiàn)的梳理和總結(jié)，試圖為后來(lái)者深入研究提供一些啟示。

[關(guān)鍵詞]財(cái)務(wù)風(fēng)險(xiǎn);預(yù)警模型;單變量預(yù)警模式

[DOI]10.13939/j.cnki.zgsc.2021.36.012

1 引言

財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的研究一直是財(cái)務(wù)研究的熱點(diǎn)內(nèi)容之一。目前，疫情影響下的國(guó)際政治和經(jīng)濟(jì)間的矛盾凸顯，國(guó)內(nèi)經(jīng)濟(jì)仍在重啟之中。企業(yè)面對(duì)紛繁復(fù)雜的經(jīng)營(yíng)環(huán)境，經(jīng)營(yíng)不確定性增加。做好公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警工作，并及時(shí)采取針對(duì)性措施化解危機(jī)，提升公司經(jīng)營(yíng)績(jī)效，是股東和相關(guān)利益者首要之事。梳理公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的相關(guān)文獻(xiàn)，有助于學(xué)術(shù)研究者深入研究和創(chuàng)新財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型設(shè)計(jì)，為業(yè)界防范財(cái)務(wù)風(fēng)險(xiǎn)提供理論指導(dǎo)。

2 財(cái)務(wù)風(fēng)險(xiǎn)的內(nèi)涵

財(cái)務(wù)風(fēng)險(xiǎn)是指公司經(jīng)營(yíng)面臨不確定環(huán)境，造成的一定時(shí)間內(nèi)經(jīng)營(yíng)收益和預(yù)期收益發(fā)生較大差異的可能性。這種可能性如果得不到有效應(yīng)對(duì)，甚至?xí)?dǎo)致公司財(cái)務(wù)狀況惡化，資金鏈斷裂，甚至破產(chǎn)。Carmichael R.（1972）認(rèn)為，公司財(cái)務(wù)風(fēng)險(xiǎn)是指公司在營(yíng)運(yùn)資金、股東權(quán)益、債務(wù)履行等方面遭受到困難。Lau（1987）指出公司難以支付股息、資金流緊張、無(wú)法按期償還債務(wù)、進(jìn)入破產(chǎn)清算環(huán)節(jié)等指標(biāo)，是公司面臨財(cái)務(wù)風(fēng)險(xiǎn)的主要評(píng)價(jià)標(biāo)準(zhǔn)。趙春陽(yáng)（2021）將財(cái)務(wù)風(fēng)險(xiǎn)分為籌資風(fēng)險(xiǎn)、經(jīng)營(yíng)風(fēng)險(xiǎn)和收益分配風(fēng)險(xiǎn)三個(gè)維度，認(rèn)為公司應(yīng)該從政府和公司兩方面做出有效防控措施降低風(fēng)險(xiǎn)。張金昌、王大偉（2020）認(rèn)為財(cái)務(wù)困境本質(zhì)是資金供求平衡的問(wèn)題，從資金鏈角度，將其界定為從資金緊張、財(cái)務(wù)危機(jī)、債務(wù)違約最終企業(yè)破產(chǎn)的整個(gè)動(dòng)態(tài)過(guò)程。

總之，公司財(cái)務(wù)風(fēng)險(xiǎn)指的是不可控因素導(dǎo)致的財(cái)務(wù)經(jīng)營(yíng)狀況異常，這些異常往往反映在財(cái)務(wù)指標(biāo)甚至非財(cái)務(wù)指標(biāo)上。公司財(cái)務(wù)風(fēng)險(xiǎn)是客觀和主觀的統(tǒng)一體。一方面財(cái)務(wù)風(fēng)險(xiǎn)不可能完全消除;另一方面公司管理層可以?xún)?yōu)化資本結(jié)構(gòu)、合理安排籌資、投資方式等來(lái)減少財(cái)務(wù)風(fēng)險(xiǎn)。

3 財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建

3.1 單變量預(yù)警模型

國(guó)外學(xué)者Fitzpatrikc（1932）最早開(kāi)始了財(cái)務(wù)風(fēng)險(xiǎn)的單變量預(yù)警模型研究，首次應(yīng)用財(cái)務(wù)比率分析公司財(cái)務(wù)風(fēng)險(xiǎn)問(wèn)題。他發(fā)現(xiàn)遭遇財(cái)務(wù)風(fēng)險(xiǎn)困境的公司與經(jīng)營(yíng)狀況良好的公司在財(cái)務(wù)比率等方面有著較多差異。通過(guò)對(duì)比19家遭遇財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的公司的財(cái)務(wù)比率，得出凈資產(chǎn)收益率和股東權(quán)益負(fù)債率是對(duì)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)判性最強(qiáng)的兩個(gè)指標(biāo)，從而開(kāi)始了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究的先例。Beaver（1966）以Fitzpatrikc的研究為基礎(chǔ)，提出一元預(yù)警判別模型，他運(yùn)用現(xiàn)金流量負(fù)債率的指標(biāo)，選擇156家公司（財(cái)務(wù)狀況良好和遭受風(fēng)險(xiǎn)的各56家）十年間的財(cái)務(wù)數(shù)據(jù)，分析認(rèn)為現(xiàn)金流量負(fù)債率、凈利潤(rùn)/總資產(chǎn)、負(fù)債/總資產(chǎn)對(duì)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)判效果較強(qiáng)，其中現(xiàn)金流量負(fù)債率的預(yù)判效果最強(qiáng)。

國(guó)內(nèi)學(xué)者吳世農(nóng)，黃世忠（1987）運(yùn)用單變量預(yù)警模型分析了公司破產(chǎn)的區(qū)間控制估計(jì)值，認(rèn)為在經(jīng)營(yíng)管理水平和計(jì)算能力較差的國(guó)內(nèi)環(huán)境中，應(yīng)用單變量預(yù)警模型來(lái)進(jìn)行區(qū)間控制的預(yù)測(cè)不失為一個(gè)好方法。學(xué)者程洪波（2003）選用經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量相關(guān)指標(biāo)測(cè)算并建立單變量預(yù)警模型，對(duì)國(guó)內(nèi)29家遭遇退市風(fēng)險(xiǎn)后又解除的上市公司進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)研究，得出與之前學(xué)者不同的結(jié)論，即經(jīng)營(yíng)活動(dòng)現(xiàn)金流量指標(biāo)為基礎(chǔ)的單變量模型不能準(zhǔn)確預(yù)測(cè)和反映公司財(cái)務(wù)風(fēng)險(xiǎn)。

財(cái)務(wù)風(fēng)險(xiǎn)單變量預(yù)警模型開(kāi)啟了公司風(fēng)險(xiǎn)預(yù)測(cè)的實(shí)證研究先河。其模型簡(jiǎn)單易懂，操作性強(qiáng)，但也不可避免存在缺陷。單變量預(yù)警模型在指標(biāo)選取上主觀性較強(qiáng)，導(dǎo)致模型預(yù)測(cè)出現(xiàn)偏差，模型預(yù)測(cè)的準(zhǔn)確性大打折扣。而且單指標(biāo)的風(fēng)險(xiǎn)預(yù)測(cè)并不能完全規(guī)避公司管理層粉飾財(cái)務(wù)報(bào)表的可能，這樣就失去了財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的初衷。

3.2 多變量預(yù)警模型

因?yàn)閱巫兞款A(yù)警模型的指標(biāo)選取主觀性較強(qiáng)，預(yù)測(cè)存在不準(zhǔn)確可能，多變量預(yù)警模型隨之出現(xiàn)。其中最有代表性的是Z-score模型。國(guó)外學(xué)者Altman（1968）以1945—1964年66家公司為樣本，對(duì)22個(gè)財(cái)務(wù)指標(biāo)篩選出5個(gè)財(cái)務(wù)風(fēng)險(xiǎn)相關(guān)變量：營(yíng)運(yùn)資本和資產(chǎn)比率、所有者權(quán)益負(fù)債比率、留存收益和資產(chǎn)比率、息稅前利潤(rùn)和資產(chǎn)比率、總銷(xiāo)售額和資產(chǎn)比率。并建立模型對(duì)公司破產(chǎn)進(jìn)行預(yù)測(cè)，效果顯著，但其預(yù)測(cè)模型有著一定的行業(yè)局限性。此后國(guó)外學(xué)者Blum（1974）將現(xiàn)金流量納入預(yù)測(cè)模型中，改進(jìn)Z-score模型，建立F計(jì)分模型，拓寬了前者的應(yīng)用范圍。其對(duì)超過(guò)100多家公司進(jìn)行驗(yàn)證模擬，結(jié)果表明F計(jì)分模型比Z-score模型預(yù)測(cè)準(zhǔn)確性要高。后來(lái)，Blum、Haldeman和Narayanan（1977）等人經(jīng)過(guò)兩次修正，構(gòu)建了新Z-score模型，即ZETA模型。通過(guò)重新優(yōu)化調(diào)整，選取財(cái)務(wù)數(shù)據(jù)的七個(gè)重要變量，運(yùn)用111家公司樣本進(jìn)行驗(yàn)證，表明使用ZETA模型對(duì)一年內(nèi)破產(chǎn)公司風(fēng)險(xiǎn)預(yù)警準(zhǔn)確度高達(dá)90%。

由于Altman等人的Z-score模型主要針對(duì)的是美國(guó)資本市場(chǎng)，與國(guó)內(nèi)財(cái)務(wù)報(bào)表、會(huì)計(jì)準(zhǔn)則、指標(biāo)計(jì)算等方面有著不同。國(guó)內(nèi)學(xué)者在Altman的Z-score模型基礎(chǔ)上，做了一些改進(jìn)。周守華等（1996）構(gòu)建了F分?jǐn)?shù)模型，增加了現(xiàn)金流有關(guān)財(cái)務(wù)指標(biāo)，采用多元分析法對(duì)Altman的模型進(jìn)行優(yōu)化。張愛(ài)民（2000）將主成分分析法和Z-score模型結(jié)合，改進(jìn)了模型，彌補(bǔ)了Z-score模型T-1年預(yù)測(cè)結(jié)果準(zhǔn)確率不高的缺陷。楊淑娥（2003）運(yùn)用主成分分析法，以67家公司為研究樣本，在Z-score模型基礎(chǔ)上構(gòu)建了Y分?jǐn)?shù)模型。李敏（2012）在學(xué)者周守華（1996）的F分?jǐn)?shù)模型基礎(chǔ)上，分析國(guó)內(nèi)創(chuàng)業(yè)板市場(chǎng)公司的財(cái)務(wù)狀況，同時(shí)表明考察公司財(cái)務(wù)狀況時(shí)應(yīng)注意公司現(xiàn)金流量的償債能力、投資價(jià)值、資產(chǎn)的流動(dòng)性和籌資能力等。張金昌、范瑞真等（2015）以企業(yè)資金鏈斷裂風(fēng)險(xiǎn)為研究視角，選取能反映資金缺口的靜態(tài)和動(dòng)態(tài)指標(biāo)，以A股38家股市公司和同期38家配對(duì)公司為研究樣本，構(gòu)建了風(fēng)險(xiǎn)識(shí)別的度量指標(biāo)體系并加以驗(yàn)證，模型效果顯著。

多變量預(yù)警模型雖然相比單變量預(yù)警模型更具優(yōu)勢(shì)，但也存在不足。多變量預(yù)警模型對(duì)樣本的要求苛刻，一般將樣本公司分為兩組，要求兩組數(shù)據(jù)呈正態(tài)分布且均方差矩陣相等。因此在實(shí)踐操作中，很少有理想化的數(shù)據(jù)。多變量預(yù)警模型對(duì)一年內(nèi)出現(xiàn)財(cái)務(wù)風(fēng)險(xiǎn)的公司預(yù)測(cè)性高，對(duì)近兩年、三年的預(yù)測(cè)性不太理想，甚至有時(shí)會(huì)不如單變量預(yù)警模型預(yù)測(cè)準(zhǔn)確的情況。

3.3 Logistic預(yù)警模型

由于多變量模型的局限性，20世紀(jì)70年代出現(xiàn)Logistic模型（即邏輯回歸模型）。該模型屬于非線(xiàn)性模型，采用最大似然估計(jì)法，求解方程并計(jì)算目標(biāo)的條件概率。Martin（1977）以2163家公司7年間的數(shù)據(jù)為研究樣本，通過(guò)對(duì)ZETA模型、Z-score模型和Logistic模型對(duì)比，認(rèn)為L(zhǎng)ogistic模型的預(yù)測(cè)準(zhǔn)確度更高。Ohlson（1980）以1970—1976年間破產(chǎn)的105家公司和持續(xù)經(jīng)營(yíng)的2058家公司為樣本進(jìn)行研究，建立公司規(guī)模、資本結(jié)構(gòu)、變現(xiàn)能力和經(jīng)營(yíng)績(jī)效四個(gè)維度的Logistic模型，深度探討了公司破產(chǎn)的概率分布，并且證明了定性指標(biāo)在財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警中也有著重要作用，開(kāi)啟了非財(cái)務(wù)指標(biāo)在預(yù)警模型中使用的先河。Tiara等（2016）采用Logistic模型對(duì)印度尼西亞的保險(xiǎn)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)，最終表明流動(dòng)性比率和公司財(cái)務(wù)風(fēng)險(xiǎn)顯著相關(guān)。

國(guó)內(nèi)學(xué)者也較多使用Logistic模型來(lái)進(jìn)行公司風(fēng)險(xiǎn)預(yù)測(cè)。羅曉光（2011）進(jìn)行了商業(yè)銀行風(fēng)險(xiǎn)的研究，通過(guò)比較經(jīng)營(yíng)穩(wěn)健和存在經(jīng)營(yíng)風(fēng)險(xiǎn)的商業(yè)銀行在資本充足率、銀行信用、盈利能力、發(fā)展能力、資本流動(dòng)性等指標(biāo)的差異，構(gòu)建了一個(gè)多指標(biāo)綜合監(jiān)控的銀行財(cái)務(wù)風(fēng)險(xiǎn)測(cè)度模型。齊岳（2019）以港股房地產(chǎn)公司為樣本，科學(xué)選取23個(gè)財(cái)務(wù)指標(biāo)，結(jié)合Z-score和Logistic回歸分析，構(gòu)建了一個(gè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)估模型。他認(rèn)為該模型的預(yù)測(cè)精確度能達(dá)到89%，并且港股房地產(chǎn)公司的財(cái)務(wù)指標(biāo)可以直接代入該模型，就可以判別財(cái)務(wù)風(fēng)險(xiǎn)發(fā)生的可能性。在實(shí)際操作中應(yīng)用性較強(qiáng)，豐富了以往的模型構(gòu)建方面的研究。

Logistic預(yù)警模型克服了多變量預(yù)警模型在數(shù)據(jù)要求方面嚴(yán)苛的局限性，拓展了研究的應(yīng)用范圍。但是，Logistic預(yù)警模型對(duì)計(jì)算的要求較高，過(guò)程煩瑣，涉及很多近似的估算過(guò)程，這在一定程度上影響了預(yù)測(cè)的精確性。

3.4 神經(jīng)網(wǎng)絡(luò)預(yù)警模型

隨著計(jì)算機(jī)技術(shù)發(fā)展和科技進(jìn)步，人們逐漸利用計(jì)算機(jī)參與財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建。

神經(jīng)網(wǎng)絡(luò)計(jì)算是模擬人類(lèi)神經(jīng)元的一種高度復(fù)雜的非線(xiàn)性動(dòng)力學(xué)習(xí)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)預(yù)警模型是一種比較理想的預(yù)測(cè)方法，具有廣泛的適用范圍和較高的推廣價(jià)值。國(guó)外學(xué)者Odom（1990）首次將人工智能算法中神經(jīng)網(wǎng)絡(luò)的概念引入模型設(shè)計(jì)，選取64家經(jīng)營(yíng)穩(wěn)健和經(jīng)營(yíng)失敗的公司為研究對(duì)象，表明該模型能夠有效提高預(yù)測(cè)準(zhǔn)確度。Adrian Costea（2019）利用網(wǎng)絡(luò)神經(jīng)算法，建立預(yù)防金融機(jī)構(gòu)績(jī)效惡化的預(yù)警系統(tǒng)，評(píng)估羅馬尼亞的非銀行金融機(jī)構(gòu)的財(cái)務(wù)績(jī)效。該算法將財(cái)務(wù)數(shù)據(jù)集納入每個(gè)觀察值，并將其放置到一個(gè)自組織圖中，該圖可用于可視化單個(gè)NFI的軌跡，并根據(jù)不同的績(jī)效維度（例如資本充足率）對(duì)其進(jìn)行解釋其資產(chǎn)的質(zhì)量和盈利能力。

國(guó)內(nèi)學(xué)者楊保安（2001）構(gòu)建財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)體系并構(gòu)建神經(jīng)網(wǎng)絡(luò)預(yù)警模型，最后用公司數(shù)據(jù)驗(yàn)證了該模型的可操作性。楊淑娥（2007）同樣運(yùn)用神經(jīng)網(wǎng)絡(luò)方法從償債能力、盈利能力、變現(xiàn)能力等多方面，構(gòu)建預(yù)警模型，科學(xué)分析數(shù)據(jù)。鄭建國(guó)（2016）建立了一種基于粒子群算法的新的神經(jīng)網(wǎng)絡(luò)模型，利用此算法賦予最優(yōu)的權(quán)值，為創(chuàng)新神經(jīng)網(wǎng)絡(luò)模型提供了思路。邢瑞雪（2019）運(yùn)用78家上市公司數(shù)據(jù)，分別采用多變量預(yù)警模型、邏輯回歸模型和神經(jīng)網(wǎng)絡(luò)模型，結(jié)果表明基于人工智能的神經(jīng)網(wǎng)絡(luò)模型比傳統(tǒng)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型更具有預(yù)測(cè)性。

神經(jīng)網(wǎng)絡(luò)預(yù)警模型是伴隨著計(jì)算機(jī)科學(xué)的發(fā)展而產(chǎn)生的。它對(duì)計(jì)算要求很高，構(gòu)建較為復(fù)雜，但預(yù)測(cè)準(zhǔn)確度上較傳統(tǒng)預(yù)警模型要好。但隨著科技的發(fā)展和理論研究的豐富，該模型也在不斷完善、更新和發(fā)展。

3.5 熵值法預(yù)警模型

“熵”是物理學(xué)名詞，由德國(guó)物理學(xué)家克勞修斯于1865年提出，表示對(duì)某些物質(zhì)系統(tǒng)狀態(tài)的一種量度。隨著“熵”理論的跨學(xué)科滲透，國(guó)內(nèi)外一些學(xué)者開(kāi)始將其引入財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)模型中，篩選財(cái)務(wù)風(fēng)險(xiǎn)指標(biāo)和賦權(quán)計(jì)算。

國(guó)外學(xué)者Theil（1969）最先將熵值法應(yīng)用于財(cái)務(wù)研究。他使用泰爾熵指標(biāo)來(lái)計(jì)算收入差異和討論社會(huì)公平問(wèn)題。Quinlan（1979）對(duì)比多個(gè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型后，認(rèn)為熵值法模型能夠克服指標(biāo)的繁冗問(wèn)題。國(guó)內(nèi)從20世紀(jì)90年代開(kāi)始熵值法模型的研究，應(yīng)用于公司績(jī)效評(píng)價(jià)。蔡彥哲（2019）將因子分析法和改進(jìn)的熵值法結(jié)合，對(duì)林業(yè)上市公司進(jìn)行了實(shí)證研究，表明不同地區(qū)和行業(yè)的林業(yè)公司績(jī)效差異顯著，面臨風(fēng)險(xiǎn)也不同。姜作鵬（2020）使用熵值法構(gòu)建格力公司績(jī)效指標(biāo)評(píng)價(jià)體系，對(duì)公司財(cái)務(wù)風(fēng)險(xiǎn)進(jìn)行有效預(yù)警。

熵值法能夠克服主觀確定權(quán)重方法的缺陷，但對(duì)數(shù)據(jù)的全面性要求高，實(shí)際中研究數(shù)據(jù)的選取對(duì)結(jié)果影響較大。熵值法還存在風(fēng)險(xiǎn)識(shí)別準(zhǔn)確度不高但權(quán)重較高的情況，因此熵值法和其他方法的有效結(jié)合使用會(huì)提高風(fēng)險(xiǎn)評(píng)價(jià)的準(zhǔn)確性。

3.6 功效系數(shù)法預(yù)警模型

功效系數(shù)法是一種業(yè)績(jī)?cè)u(píng)價(jià)方法。它是根據(jù)目標(biāo)規(guī)劃原理，對(duì)財(cái)務(wù)指標(biāo)設(shè)置滿(mǎn)意值和不允許值，并根據(jù)此計(jì)算指標(biāo)分?jǐn)?shù)，加權(quán)平均后進(jìn)行客觀評(píng)價(jià)。

國(guó)內(nèi)學(xué)者顧曉安（2000）首次使用功效系數(shù)法進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的研究，對(duì)八個(gè)財(cái)務(wù)指標(biāo)設(shè)置滿(mǎn)意值和不允許值，計(jì)算綜合功效系數(shù)，最終對(duì)財(cái)務(wù)風(fēng)險(xiǎn)狀況進(jìn)行判斷。一些后來(lái)學(xué)者在此基礎(chǔ)上進(jìn)行了改進(jìn)。雷振華（2007）改進(jìn)了評(píng)分方法，將原模型中兩個(gè)檔次標(biāo)準(zhǔn)值改為五個(gè)檔次;取消原模型中基礎(chǔ)分，將其歸入變動(dòng)范圍中。吳本杰（2012）使用公司治理中股權(quán)結(jié)構(gòu)、外部審計(jì)意見(jiàn)等非財(cái)務(wù)指標(biāo)，對(duì)上市公司10年間數(shù)據(jù)進(jìn)行分析驗(yàn)證。王濟(jì)民，蔡穎（2016）根據(jù)多目標(biāo)規(guī)劃原理，采用一種有序樣本聚類(lèi)新方法，為我國(guó)國(guó)有企業(yè)績(jī)效評(píng)價(jià)提供了新思路。劉飛虎（2016）以我國(guó)56家上市的股份制銀行為研究對(duì)象，預(yù)測(cè)銀行經(jīng)營(yíng)風(fēng)險(xiǎn)，構(gòu)建功效系數(shù)法下的預(yù)警模型。張梓昱（2020）對(duì)國(guó)內(nèi)五家保險(xiǎn)公司財(cái)務(wù)數(shù)據(jù)進(jìn)行評(píng)價(jià)，應(yīng)用功效系數(shù)法計(jì)算排名，構(gòu)建指標(biāo)評(píng)價(jià)體系。類(lèi)似地，徐詩(shī)然（2021）以水上運(yùn)輸業(yè)的16家公司為研究樣本，從盈利能力、經(jīng)營(yíng)狀況、資產(chǎn)狀況、債務(wù)風(fēng)險(xiǎn)四方面運(yùn)用功效系數(shù)法進(jìn)行業(yè)績(jī)?cè)u(píng)價(jià)，評(píng)估財(cái)務(wù)風(fēng)險(xiǎn)，并提出改進(jìn)措施。

功效系數(shù)法計(jì)算方式簡(jiǎn)便，可操行強(qiáng)。它最開(kāi)始廣泛應(yīng)用于公司績(jī)效評(píng)價(jià)研究，在業(yè)界也獲得高度評(píng)價(jià)。但功效系數(shù)法也存在一些缺陷，比如只有滿(mǎn)意值和不允許值兩個(gè)檔次，且調(diào)整分?jǐn)?shù)和基礎(chǔ)分?jǐn)?shù)比例固定等問(wèn)題，會(huì)影響預(yù)測(cè)準(zhǔn)確度。因此學(xué)者常常將其與其他方法結(jié)合使用，更為準(zhǔn)確確定權(quán)重，使其評(píng)價(jià)更科學(xué)合理。

4 文獻(xiàn)述評(píng)

國(guó)內(nèi)外學(xué)者在預(yù)警模型構(gòu)建等方面都做了大量的研究，而且還在繼續(xù)深入和創(chuàng)新。在研究樣本上，因?yàn)樯鲜泄镜呢?cái)務(wù)披露制度，較多成為研究對(duì)象，通常將樣本公司分為ST和非ST兩組進(jìn)行對(duì)比分析。在研究指標(biāo)上，從基于財(cái)務(wù)報(bào)表的單一財(cái)務(wù)比率指標(biāo)、多元財(cái)務(wù)比率指標(biāo)到財(cái)務(wù)指標(biāo)與非財(cái)務(wù)指標(biāo)結(jié)合使用，經(jīng)歷了從簡(jiǎn)單到復(fù)雜、從合理到科學(xué)的漫長(zhǎng)過(guò)程，財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的預(yù)測(cè)也趨于精確。最初僅基于資產(chǎn)負(fù)債表和利潤(rùn)表選取單一財(cái)務(wù)比率的指標(biāo)，后因利潤(rùn)表容易被管理層粉飾操縱，不能真實(shí)反映現(xiàn)金流，又轉(zhuǎn)向現(xiàn)金流量表指標(biāo)的分析上;隨著經(jīng)濟(jì)發(fā)展、技術(shù)進(jìn)步和不確定因素的增多，純粹財(cái)務(wù)指標(biāo)不能完全反映企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)，一些包含資本市場(chǎng)信息、宏觀經(jīng)濟(jì)發(fā)展、公司治理等內(nèi)容的非財(cái)務(wù)指標(biāo)被引入指標(biāo)體系和模型構(gòu)建中。在研究模型上，從單變量預(yù)警模型、多變量預(yù)警模型發(fā)展到多種多樣的預(yù)警模型。國(guó)內(nèi)學(xué)者研究較晚，大部分借鑒國(guó)外的經(jīng)營(yíng)和做法，進(jìn)行模型的設(shè)計(jì);后期研究在指標(biāo)選擇和模型調(diào)整上做了一些創(chuàng)新，以更好適應(yīng)國(guó)內(nèi)企業(yè)的制度環(huán)境和經(jīng)營(yíng)現(xiàn)狀。尤其是Logistic預(yù)警模型的出現(xiàn)，在國(guó)內(nèi)得到廣泛的應(yīng)用，學(xué)者也在此基礎(chǔ)上不斷創(chuàng)新模型。新的預(yù)警模型利用大數(shù)據(jù)技術(shù)等在數(shù)據(jù)挖掘和預(yù)測(cè)效率方面都有明顯的提高，但也存在技術(shù)門(mén)檻高、計(jì)算復(fù)雜的不足。

總之，公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的研究方面，國(guó)內(nèi)外學(xué)者在指標(biāo)選擇、預(yù)警方法和模型構(gòu)建等方面的豐富經(jīng)驗(yàn)為后續(xù)研究做了很好的基礎(chǔ)鋪墊，提供了大量的研究思路，有利于研究的深入和創(chuàng)新。

參考文獻(xiàn)：

[1]張金昌，范瑞真.資金鏈斷裂成因的理論分析和實(shí)證檢驗(yàn)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2012（3）：95-107.

[2]吳世農(nóng)，盧賢義.我國(guó)上市公司財(cái)務(wù)危機(jī)的預(yù)警模型研究[J].經(jīng)濟(jì)研究，2001（6）：46-55.

[3]聶麗潔，趙艷芳，高一帆.基于現(xiàn)金流的財(cái)務(wù)危機(jī)預(yù)警指標(biāo)體系構(gòu)建研究——基于我國(guó)制造業(yè)上市公司數(shù)據(jù)[J].經(jīng)濟(jì)問(wèn)題，2011（3）：108-112.

[4]王宛容.基于logistic模型的上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警[J].中國(guó)水運(yùn)，2021（1）：154-156.

[5]劉倩.基于二元邏輯模型的企業(yè)財(cái)務(wù)預(yù)警機(jī)制研究[J].統(tǒng)計(jì)與決策，2010（14）：187-188.

[6]周首華，楊濟(jì)華，王平.論財(cái)務(wù)危機(jī)的預(yù)警分析——F分?jǐn)?shù)模式[J].會(huì)計(jì)研究，1996（8）：8-11.

[7]ALTMAN. Financial ratios，Discriminant Analysis and the Prediction of Corporate Bankruptcy[J].The Journal of Finance，1968，23（4） ： 589-609.

[8]OHLSON.Financial ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980： 109-131.

[作者簡(jiǎn)介]張璟龍，男，中國(guó)社會(huì)科學(xué)院大學(xué)博士研究生，研究方向：公司治理、企業(yè)戰(zhàn)略等。