【正文】 公司前三年即1999年和2000年的財務(wù)數(shù)據(jù)作為研究依據(jù)，并選定648家非ST公司，其中1999年83家，2000年565家，分別取它們1999年和2000年的財務(wù)數(shù)據(jù)，建立了logistic回歸模型、Fisher判別模型和BP神經(jīng)網(wǎng)絡(luò)模型。吳世農(nóng)、盧賢義(2001)以我國上市公司為研究對象，應(yīng)用Fisher線性判定分析、多元線性回歸分析和logistic。研究結(jié)果表明:三種模型都能在財務(wù)困境發(fā)生前發(fā)出相對準確的預(yù)測。這兩個指標只是在探討之中，并沒有實證建模，因此哪個財務(wù)指標具有顯著監(jiān)測和預(yù)警能力還必須進一步探討。此外，還有灰色模糊預(yù)測法、聚類分析法、近鄰法、聯(lián)合預(yù)測模型等，功效系數(shù)法、主成分分析法等預(yù)測分析方法也得到了應(yīng)用，大大豐富了財務(wù)預(yù)警模型類型。然而, 一元判別模型盡管簡單易行, 但其致命缺陷在于使用任何單個財務(wù)指標將在很大程度上排斥其他指標的作用, 并且任何單個指標無法全面地反映企業(yè)財務(wù)特征。歸納起來，國內(nèi)目前的研究存在以下不足：（1）使用的方法比較簡單，主要是單變量分析、多元判別分析和Logistic模型等參數(shù)方法，而像神經(jīng)網(wǎng)絡(luò)模型等非參數(shù)方法則尚未有人使用；（2）由于受到數(shù)據(jù)限制，樣本量不足，大部分研究只是對估計樣本進行回判，沒有采用新樣本進行檢驗，這高估了模型的預(yù)測能力；（3）大部分研究是在公司被ST的前兩年進行預(yù)測，即在公司已經(jīng)虧損一年的情況下進行預(yù)測，判斷其最終是否會被ST，這樣無疑會再度高估模型的預(yù)測能力；（4）有些研究采用的財務(wù)指標不多，無法反映企業(yè)全面的財務(wù)狀況。兩者研究角度不同，其受執(zhí)行者影響程度也不同。而定量分析方法將有關(guān)信息進行量化處理，并規(guī)定適用標準，對于同一信息集，一種方法只能得到唯一結(jié)論，基本不會受到執(zhí)行者的影響。因而，以定量分析方法為主體，并結(jié)合定性研究方法，能夠使兩者相互取長補短，獲得最佳研究效果。但是，現(xiàn)有的研究方法仍然存在著一定的問題?，F(xiàn)有財務(wù)預(yù)警的研究主要以靜態(tài)分析為主，通過財務(wù)比率的時點判定結(jié)果對公司財務(wù)狀況進行評價，其敏感度通常較低，對早期出現(xiàn)的財務(wù)異常無法準確診斷。己有動態(tài)預(yù)警研究大多局限于對現(xiàn)金流量指標預(yù)警作用的分析，或?qū)⑵湟朐徐o態(tài)模型增強模型敏感度，或單獨對該指標進行趨勢預(yù)警分析，從綜合角度建立動態(tài)預(yù)警研究的文獻相對較少。其次，統(tǒng)計分析方法對數(shù)據(jù)要求嚴格，不具容錯性。多元分析方法是在其基礎(chǔ)上的改進，該方法依賴于數(shù)理統(tǒng)計理論，通常要求數(shù)據(jù)滿足嚴格的統(tǒng)計假設(shè)，如自變量必須滿足正態(tài)分布等。再者，現(xiàn)有預(yù)警研究大多忽視財務(wù)比率序列的趨勢特征。從理論來看，忽視了財務(wù)比率變化的趨勢效應(yīng)，運用財務(wù)危機發(fā)生前的某個時點的樣本數(shù)據(jù)來估計未來危機發(fā)生的概率也不完全符合邏輯。因而從整體上把握財務(wù)比率序列的變化趨勢，有利于財務(wù)預(yù)警研究的進一步研究。構(gòu)建現(xiàn)代企業(yè)財務(wù)預(yù)警系統(tǒng)注意以下問題： 首先，建立適合本企業(yè)的財務(wù)預(yù)警模型，并使其具有動態(tài)發(fā)展性特點、行業(yè)特點、企業(yè)規(guī)模等許多因素均會影響財務(wù)預(yù)警模型的預(yù)測精度。 其次，管理信息系統(tǒng)的建立和完善是財務(wù)預(yù)警系統(tǒng)有效運行的基礎(chǔ)和前提，財務(wù)預(yù)警系統(tǒng)的有效運行依賴于管理信息系統(tǒng)的建立和完善。因此，企業(yè)必須建立和完善管理信息系統(tǒng)?！×?、財務(wù)危機預(yù)警總體研究現(xiàn)狀評議總結(jié)可以概括為以下幾個方面：研究對象的選擇如何界定財務(wù)危機是進行財務(wù)危機預(yù)測研究需要首先考慮的問題。我國的《企業(yè)破產(chǎn)法》雖然早在1986年已經(jīng)頒布，1988年開始試行，然而迄今為止，還沒有一家上市公司破產(chǎn)。而從擺脫特別處理的公司看，大部分公司是通過大規(guī)模資產(chǎn)重組才摘掉“特別處理”的帽子的，這說明特別處理確實在一定程度上反映出公司陷入了財務(wù)危機。“異常狀況”包括“財務(wù)狀況異?！焙汀捌渌鼱顩r異常”。其中，將財務(wù)危機界定為財務(wù)狀況異常而被“特別處理”的占總樣本的35%，直接將財務(wù)危機界定為被“特別處理”的占總樣本的44%。研究樣本設(shè)計　　財務(wù)危機預(yù)測研究的樣本設(shè)計過程涉及到如何確定陷入財務(wù)危機公司的樣本組，如何確定作為配對標準的控制因素以及如何進行兩組間樣本個體數(shù)量分配的問題等。作為配對標準的控制因素一般包括會計年度、行業(yè)和資產(chǎn)規(guī)模。國內(nèi)大部分的實證研究采用一一配對抽樣，即樣本組和控制組包含相等的研究個體。配對抽樣還可能造成樣本中兩類公司的比例和它們在總體中的比例嚴重不一致，從而夸大了預(yù)測模型的判別正確率。預(yù)測變量選擇目前的財務(wù)指針預(yù)測模型由于缺乏必要的經(jīng)濟理論支撐，多從數(shù)據(jù)挖掘的角度構(gòu)造模型，在財務(wù)指針的選取上還處于探索階段，主要依靠研究者的經(jīng)驗、直覺以及對前人研究成果的借鑒?！?） 目前的研究中指標選取多為利潤指標，較少涉及到現(xiàn)金流量指標在所考察的文獻中，僅每股經(jīng)營活動現(xiàn)金流量被常引用。李秉祥（2005）運用期權(quán)定價理論，以企業(yè)“資不抵債”作為上市公司陷入財務(wù)危機的標志，利用資本市場的信息指針——股價建立起上市公司動態(tài)財務(wù)危機預(yù)測模型?！　〗陙恚瑥墓局卫硪暯翘角蠊矩攧?wù)危機預(yù)警的理論與實證研究也備受關(guān)注。吳超鵬和吳世農(nóng)（2005）根據(jù)“價值創(chuàng)造觀”來考察“價值損害型公司”的動態(tài)變化及其影響因素，首次引入公司內(nèi)外部治理變量，應(yīng)用“排序因變量模型”分析財務(wù)狀態(tài)變化的影響因素，并采用“人工神經(jīng)網(wǎng)絡(luò)技術(shù)”，預(yù)測價值損害型企業(yè)的物種變化趨勢：財務(wù)康復(fù)、財務(wù)轉(zhuǎn)好、財務(wù)維持、財務(wù)轉(zhuǎn)差或財務(wù)危機。曹德芳（2005）將公司股權(quán)結(jié)構(gòu)變量引入財務(wù)危機預(yù)警的研究中?！　〗y(tǒng)計實證方法的運用　　不同的統(tǒng)計方法有不同的特點，將樣本文章中所使用的分析方法歸納如下：　　公司財務(wù)危機預(yù)測是非線性問題，然而目前的研究發(fā)現(xiàn)非線性模型的靈敏度高，但預(yù)測的穩(wěn)健性比線性模型弱；非線性模型的結(jié)構(gòu)過于復(fù)雜會引起樣本過度適應(yīng)造成預(yù)測能力降低，而結(jié)構(gòu)相對簡單的預(yù)測能力具有穩(wěn)健性，但與線性模型又無本質(zhì)區(qū)別?！　?shù)據(jù)使用和預(yù)測精度判定實證研究需要準確和恰當?shù)臄?shù)據(jù)支持，在大部分的財務(wù)危機預(yù)測研究中，研究者為了簡化數(shù)據(jù)收集問題，都使用了現(xiàn)成的數(shù)據(jù)庫，由于大部分研究數(shù)據(jù)庫只包含大公司的相關(guān)數(shù)據(jù)，而且往往會出現(xiàn)資料缺失、錯誤的情形，導(dǎo)致研究結(jié)果出現(xiàn)偏差，適用性降低。判定標準設(shè)定的關(guān)鍵在于分割點的確定。在MDA 統(tǒng)計技術(shù)中可以通過最小化預(yù)測誤差機會成本來選擇最優(yōu)分割點；而多元邏輯回歸（Logit）和多元概率比回歸方法（Probit）在理論上并不存在最優(yōu)分割點，因為在這種方法中一類錯誤的減少意味著另一類錯誤的增加，分割點的選取取決于模型使用者的具體目標。而在實際中，不破產(chǎn)的概率顯然要高于企業(yè)破產(chǎn)的概率，而將不破產(chǎn)公司預(yù)測為破產(chǎn)所帶來的危害可能是由于投資者謹慎投資而造成的投資收益下降，收益下降的損失要遠遠小于將破產(chǎn)公司預(yù)測為不破產(chǎn)所造成的決策失誤而帶來的投資損失。 Sons,Altman，Edward I.，1968, “Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy’, Journal of Finance，(Sep.)p589609.Aziz,A., and G. Lawson,1988, “Bank Prediction: An Investigation of Cash Flow Based Models”,Journal of Management Studies 25, p4194371Borowski,., and , 1988,“An Expert System Approach to Financial Analysis:the Case of Samp。Accounting, 1997 ,24(6) :8692879. Morris R. Early warning indicators of corporate failure [M] .England , Ashgate , 1997.4 Cybinski P. Description, explanation, prediction2the evolution of bankruptcy studies[J ] . Managerial Finance , 2001 ,27 (4) :29244.4 Laitinen E K, Laitinen T. Bankruptcy prediction application of Taylor’s expansion in logistic regression[J ]. International Review of Finance Analysis , 2000 ,9 :3272349.4 Barniv R , Meherz A , Kline D M. Confidence intervals for controlling the probability of bankruptcy [J ] . Omega , 2000 ,28 :5552565.4 Kahya E , Ouandlous A S , Theodossiou P. Serial correlation, nonstationary, and dynamic performance of business failureprediction models [J ] . Managerial Finance, 2001, 27(8) :1215.4 Catanach J A H , Perry S E. An evaluation of the survival model’s contribution to thrift institution distress prediction[J ].Journal of Managerial Issue , 2001 ,8(4) :4012417.4 Molina C A. Predicting bank failure using a hazard model [J ] . Emerging Market Review , 2002 ,3 :31250.4Honjo Y. Business failure of new firms : an empirical analy sis using a multiplicative hazard model [ J ] . International Journal of Industrial Organization, 2000 ,18 :5572574.4 Altman E I. Bankruptcy, credit risk and high yield junk bonds[C] . Blackwell Publisher, 2002. 1312139.4 McKee T E , Greenstein M. Predicting bankruptcy using recursive partitioning and a realistically proportioned data set[J]. Journal of Forecasting, 2000, 19:2192230.50、 Philosophov L , Philosophov V. Corporate bankruptcy prognosis [J] . International Review of Finance Analysis, 2002, 11 :3752406.5 Baoan Y, Li ling X. An early warning system for loan assessment [J] . Knowledge2Based Systems, 2001 ,14 (526) :3032306.5Shin K S , Lee Y J . A genetic algorithm application in bankruptcy prediction modeling [ J ] . Expert Systems with Applications, 2002, 23(3) :3212328.5 Varettto F. Genetic algorithms applications in the analysis of insolvency risk[J ] . Journal of Banking and Finance, 1998, 22 :142121439.5 Tay F E H , Shen L. Economic and financial prediction using rough sets model [J ] . European Journal of Operational Research, 2002, (141) :6412659.5 Dimitras A I , Slowinski R , Susmaga R , et al. . Business failure presiction using rough sets [J ] . European Journal of Operational Research, 1999, (114) :2632280.5 Hongkyu J , Han I , Lee H. Bankruptcy prediction using case based reasoning, neural networks, and discriminate analysis [ J ] . Expert Systems with Applications, 1997, 13(2) :972108.5 Cheol2Soo P , Ingoo H. A case2based reasoning with the feature weights derived by analytic process for bankruptcy prediction [J] . Expert Systems with Applications, 2002, 23(3):2552264.5Grice J S , Ingram R W. Test of the generali