前言：尋找寫作靈感？中文期刊網用心挑選的國內外財務風險預警研究，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
摘要：隨著全球經濟不斷地發展，企業與企業之間的競爭變得越來越激烈，識別和評估企業面臨的風險對于企業的生存和發展變得尤為重要。目前，國內外學者研究的企業財務風險預警的模型基本集中于單一變量預警模型，多元判別分析預警模型，多元邏輯回歸分析預警模型，以及人工神經網絡預警模型。本文主要梳理了財務風險以及財務風險預警的相關理論研究的發展現。
關鍵詞：風險管理；財務預警；綜述
一、現狀
將風險管理思想最先應用于企業經營管理的是法國著名管理學家亨利•法約爾，但是還沒有形成系統的風險管理框架。而大多數學者認為風險管理的思想是始源于發生了美國經濟危機的二十世紀三十年代。當時的美國金融危機導致了經濟嚴重衰退，于是大量的學者開始對財務風險進行深入的研究，財務風險管理逐漸形成一門系統的學科。
（一）國外研究現狀
ArthurWilliams和MichaelL.Smith（1995）提出財務風險管理的五大要素，即：企業風險的確定、企業風險及不確定性的評價、企業風險管理控制、風險融資和企業風險管理反饋。Mar⁃kowitz,HM（1952）提出資產投資組合理論的概念，即在相同的風險水平下，效率邊界的組合收益最高；而在獲得相同的收益下，效率邊界的組合風險最低。ModiglianiEF和MillerMH在1958年提出了MM定理。他們從資本成本的角度論證了公司價值不會受資本結構的影響，因為財務杠桿收益會與財務杠桿風險同步漲落。他們還驗證了不同的資本結構下公司成本會保持不變。WilliamC.A和HeineR.M認為風險管理是一種方法，他們在1964年提出財務風險管理是通過對風險管理的識別、衡量與控制，用最低的成本將風險導致的不利后果降低到最低的一種管理方法。RobertIMehr和BobAHedges在1974年提出風險管理的目的是與企業經營的目的相同的，這兩者的目的都為生存、效益增長、擺脫困境及履行其社會責任。
（二）國內研究現狀
劉建海在2002年提出企業內部應當建立一套科學嚴密的內部決策機制以加強企業財務風險管理，這套機制主要包括風險約束機制、預防風險機制、風險分散制度及風險轉嫁機制等幾個部分。許玉紅在2003年提出，基于完善公司架構的角度，企業需要建立健全企業財務風險控制組織體系。而在2006年洪提提出，作為企業管理的中樞環節，內部控制制度是防范企業風險的最有效的一種手段。同年，王漢民提出了以完善公司治理結構、強化公司文化為核心的企業內部控制制度可以有效地防范財務風險。申冬青（2014）提出企業并購中的財務風險分析控制流程，并提出了在并購中的財務風險控制策略。李景明（2015）在信息化環境下建立了電力科研院研究所的財務風險控制體系。溫哲（2016）提出農業上市公司降低企業財務風險最有效的途徑是建立并有效實施適合本企業的財務風險控制體系。周磊（2016）基于財務管理內部控制系統的角度，提出了適用于商貿類中小企業的企業財務風險控制策略。
二、財務風險預警文獻綜述
（一）國外研究現狀
（1）單一變量財務預警模型。Fitzpatrick（1931）以19組破產企業和未破產企業作為研究樣本對象，使用單個財務指標數據分別對兩組樣本進行預測。研究結果發現，發生財務困境的公司和財務健康的公司之間的財務指標數據是顯著不同的。在這些財務指標數據中，凈利潤/股東權益與股東權益/負債這兩個財務指標具有最高的財務風險預測能力。Beaver（1966）以相對應的79組破產公司和非破產公司作為研究樣本對象，他使用十年間的數據，對30個指標進行了分析。研究結果表明，最能預測企業財務危機的四個指標分別為債務現金保障率、資產收益率、資產安全率、資產負債率。（2）多元判別分析財務預警模型。Altman（1968）使用1954年至1964年間的33家破產公司和產業類別與規模大小相似的33家非破產公司作為研究樣本對象，選取22個財務比率指標為解釋變量建立判別函數。他在這22個財務比率指標中選擇了五個指標作為變量，并且根據這些變量對財務風險的影響程度以確定其相應的權重，建立了類似回歸方程式的函數模型，即Z-Score評價模型。由于Z-Score評價模型是針對上市公司的研究，而且Altman教授選取的33對企業基本上是屬于美國的機械工業，即Z-Score評價模型還具有行業局限性。因此，Alt⁃man教授針對Z-Score評價模型進行了先后兩次修正，分別形成了針對非上市公司的Z’模型和針對跨行業的ZETA模型。（3）多元邏輯回歸分析財務預警模型。Martin（1977）是第一次將多元邏輯回歸模型應用于財務困境研究領域的學者，他認為商業貸款/總貸款額、壞賬/營業凈利潤、費用/營業收入、總資產凈利率、總資產/風險性這幾個財務指標的預測能力是很強的。Martin將多元邏輯回歸模型和Altman教授提出的Z模型進行了對比研究，他發現了多元邏輯回歸模型的破產預測能力比Z模型的預測能力要強。Ohlson（1980）提出的多元邏輯回歸模型是被引用最為廣泛的。他選擇了105家破產的制造業上市公司和2058家非破產公司為研究對象。研究發現，公司的資產規模、企業業績、資本結構以及當前的融資能力這四類變量是對企業破產概率最具有顯著影響的變量。（4）人工神經網絡財務預警模型。Odom、Sharda（1990）是最早將人工神經網絡模型應用到財務風險預測中的學者。他們以65家破產公司和64家非破產公司作為研究對象，使用公司破產前一年的Altman提出的五個財務比率指標，構建了人工神經網絡模型。研究發現，其構建的人工神經網絡模型的財務風險預測準確率比Altman提出的Z模型的預測準確率要高。Tam和Kiang（1992）將人工神經網絡模型應用到銀行破產研究中。他們將財務變量的權重值應用到神經網絡模型的建造中，因此很大程度的提高了人工神經網絡的財務風險預測準確率。
（二）國內研究現狀
吳世農、盧賢義（2001）以70家處于財務困境的國內上市公司和70家財務正常的國內上市公司為研究對象，選取六個財務指標，分別運用多元線性回歸分析法、Fisher線性判定分析法和Logistic回歸分析法建立財務預警模型。研究結果表明，凈資產報酬率的判別成功率較高；這三種模型在財務困境發生前四年的財務風險預測誤判率均在28%以內，誤判率最低的為Logistic預測模型。周敏、王新宇（2002）提出了基于神經網絡和系統模糊優選的企業財務危機測定與預警模型，為實現企業財務危機動態預警找到了新的途徑。呂長江，周現（2005）選取146家中國制造業上市公司作為研究對象，對多元判別分析模型、邏輯線性回歸模型和人工神經網絡模型進行研究比較分析。研究結果發現邏輯線性回歸模型優于多元判別分析模型，而預測準確率最高的模型是人工神經網絡模型。張根明、向曉驥（2006）等人以263家國內制造業上市公司為學習樣本、以76家為檢驗樣本，通過使用BP神經網絡方法建立財務預警模型。研究結果發現，分行業的BP神經網絡預警模型相對于行業沒有進行區分的通用預警模型來說，其預測精確度得到了很大程度的提高。王穎，馬亮和白居等人（2015）使用模糊層次分析法和前向型神經網絡建立了適合大型國際工程項目的財務風險控制評價指標體系，還建立了應用于大型國際工程項目基于前向型神經網絡的財務風險計算模型。徐偉、陳丹萍（2016）提出了三個建立財務預警模型基本原則，并且提出了四個新的財務預警模型，分別為最近距離判別模型，理想距離判別模型，模糊判別模型以及極小離差主成分判別模型。田寶新，王建瓊（2017）以上市公司為研究對象，從管理層和治理層兩方面構建包含財務指標和非財務指標的財務風險預警體系，提高了財務預警模型的適用性。王玉冬，王迪和王珊珊（2018）以我國高新技術企業作為研究對象，進行了采用果蠅優化算BP神經網絡模型和粒子群優化BP神經網絡模型的財務風險預警準確度的對比。研究表明果蠅算法優化BP神經網絡模型的精確度相對更高，其預測企業財務風險是有效的。吳沖，劉佳明和郭志達（2018）以我國上市公司的財務數據作為研究數據，提出了基于改進粒子群算法的模糊聚類-概率神經網絡企業財務危機預警模型，該模型在企業財務風險長期預警具有一定的效果。
作者:鐘星源 唐嬋娟 單位:廣西財經學院 廣西財經學院圖書館
