文献综述
财务管理
基于现金流的财务危机预警研究
目前国内外企业破产风潮引起了理论界和实务工作者的高度关注。在专家对国内外企业破产案件原因进行深入分析后发现，企业破产与企业财务危机紧密相连。大多数企业破产固然有其外部经营环境变化、法律制度变迁等客观因素的影响，但最根本的原因是未建立财务危机预警系统对企业经营状况进行预警警告。如果企业建立了科学的财务危机预警系统，那么，各种因素导致的企业财务状况的波动可通过财务预警系统予以反映，使利益相关者及早洞察到企业潜在的财务风险，及时调整经营策略，可以防止财务困境的进一步加深。因此如何利用会计数据，运用恰当的财务指标，在企业建立财务危机预警系统，对企业财务危机进行预测、防范、规避，为企业安全理财、持续经营创造一个安全的制度环境，成为了一项重要课题。
1 国内外学者对上市公司财务危机的不同定义
就如何定义上市公司的财务危机，国内外学者有着不同的定义。
Beaver(1966)将财务危机定义为：破产、拖欠优先股股利和拖欠债务。Altman(1968)，将财务危机定义
为进入法定破产的上市公司。Deakin(1972)将财务危机公司定义为那些仅包括已经破产、无力偿还债务或为债权人利益而已经进行清算的公司。Froster(1986)将财务危机定义为除非对经济实体的经营或结构实行大规模重组否则就无法解决的严重变现问题。Karels Prankish在 1988 给出了一张定义财务失败标准的表，包括不能支付到期债务、银行账户透支、净现值小于零等标准。Ross(1999)从四个方面定义上市公司的财务危机：第一，上市公司失败，即上市公司清算后仍无法支付债权人的债务；第二，法定破产；第三，技术破产，即上市公司无法按期履行债务合约付息还本；第四，会计破产，即上市公司的帐面净资产出现负数，资不抵债。
我国一些学者从上个世纪末开始，纷纷借鉴西方学者在财务危机预警方面的学术成果，开展对我国上市公司财务危机预警模型的深入研究，谷祺和刘淑莲(1999)将财务危机定义为：上市公司无力支付到期债务或费用的一种经济现象，包括从资金管理技术性失败到破产以及处于两者之间的各种情况。由于资金管理技术性失败而引发的支付能力不足，通常是暂时的和比较次要的困难，一般可以采取一定的措施加以补救，如通过协商，求得债权人让步，延长偿债期限，或通过资产抵押等借
新债还旧债。财务危机是否发生要看这种财务状况问题是永久性的还是暂时性的。如果是永久性的，上市公司可能面临破产清算；如果是暂时性的，上市公司会努力走出困境，并有可能扭亏为盈。张晓红，苗锡哲（2005）认为财务危机是指企业丧失支付能力，无力支付到期债务或费用及出现资不抵债的一种经济现象。财务危机的发生，导致企业经营陷入绝境，甚至破产。孙群, 阮文彪（2011）认为
是财务危机应该是广义的，既是一种状态又是一种过程，包括最初的由于资金管理技术失败导致的资金周转困难状态和最终持续经营能力丧失以致破产结果以及两者之间的动态恶化过程。耿振，蔚垚辉（2011）认为财务危机是指企业目前的现金流量无法应付目前的支付业务，导致企业财务状况的持续恶化，最终使企业丧失了偿还到期债务的能力，实质上就是企业财务风险规模化、高强度化的集中爆发。
2 国内外财务危机预警方法研究
2.1 国外财务危机预警方法研究现状
迷茫的一代
竹林怎么画2.1.1 单变量财务危机预警模型
Fitz Patrick（1931）进行了一项单变量破产预测研究，他以19组破产和非破产公司作为样本，运用单个财务指标将样本划分为破产和非破产两类，发现判别能力最强的是“净利润/股东权益”和“股东权益/负债”这两个比率。30多年后，在Fitzpatrick研究的基础上，比弗(Beaver)提出了影响最为广泛的单变量判定模型。1968年10月，比弗在美国会计评论上提出单一比率模型。在具体分析时，他选择79家经营失败的公司和79家经营未失败的公司并将其随机分为两组，进行一元判定预测。最后得出的结论是：现金流量与负债总额的比率能够最好的判断公司的财务状况，其次是资产负债率。并且离财务失败日越近误判率越低。
2.1.2多变量财务危机预测模型
针对单变量模型不同比率对整体反映不一致的缺陷，人们对多变量财务预警模型进行了研究。1968年，美国纽约大学商学院的教授奥特曼 (Edwards Altman)在《金融杂志》上发表了《财务比率、判别分析和公司破产的预测》，奠定了多变量财务预替模型的理论基础。此后，美国的其他几位学者以及英国、日本等其他国家和地区的一些学者都纷纷投入到这项研究当中，并取得了丰硕的研究成果。在多变量财务预替模型中，比较有影响的主要有以下几种：
(1)美国学者爱德华奥特曼的Z分数模型有意识的英文
手机后台20世纪60年代末，美国学者Edward I Altman以制造行业中等资产规模企业为样本，提出了多元Z-score判别模型。该模型运用5个参数变量建立了一个函数方程，用Z
值进行判定
Z分数模型的表达式为:筹资活动
Z==0.01ZX1+0.014X2+0.033X3+0.006X4+0.999X5
Z分数模型从企业的资产规模、折现力、获利能力、财务结构、偿债能力、资产利用效率等方面综合
反映了企业财务状况，进一步推动了财务预警的发展。奥特曼教授通过对Z分数模型的研究分析得出:Z值越小，该企业遭受财务失败的可能性就越大。
(2) Logistic回归分析。由于经典多元判别分析法所建立的模型只能就样本公司是否发生财务危机进行分类，无法衡量发生危机的概率。同时，多元判别分析方法存在着假设上的局限性(要求自变量呈正态分布，并满足两组变量的协方差矩阵相等)，比较难以满足。为克服这些局限，研究人员引进了逻辑斯蒂回归(Logistic)方法来建立预测模型。Ohlson (1980)选用 1970-1976 年间的 105 家破产公司和 2058 家非破产公司为样本，运用逻辑斯蒂回归法建立了预测模型，并分析了分割点的选择和两类误判率之间的关系，他发现至少存在四类显著影响公司破产概率的变量：公司规模、资本结构、业绩和当前的变现能力。从 1980 年代以来，Logistic 回归分析代替判别分析法，在财务危机预测研究领域占据主流地位。
(3) Probit模型。Probit模型和Logistic 模型的思路很相似，假设企业破产的概率为 P，并假设企业样本服从标准正态分布，概率函数的 P 分位数可以用财务指标线性解释。判别规则也一样，只是在计算方法上和假设前提上有一定的差异。Zmijewski (1984)使用了Probit分析模型。
(4) 类神经网络方法(NN)。自Ohlson (1980)后，许多相关文献在会计比率选择及新方法的引入方面进行了许多积极的探索。如Odom&Sharda(1990)采用类神经网络构建了破产预测模型。他们以 1975-19
82 年间的 65 家失败企业与 64 家正常企业配对，并将样本区分为开发样本与估计样本，以 Altman (1968)Z计分模型所使用的五个财务比率为研究变量，使用类神经网络构建模型，结果发现开发样本的判别正确率高达 100%，对估计样本失败类企业与正常企业的预测正确率分别为 81.75%与 78.18%，显示类神经网络具有较佳的预测能力。尽管类神经网络在某种程度上对Logistic 回归分析形成了一定挑战，但由于缺乏理论架构说明其运作原理，其预测效果并未得到广泛认同，因此应用前景尚不明朗。
2．2 国内财务危机预警研究现状
1986年吴世农、黄世忠进行了我国最早对财务危机预警的研究，从财务报表相对独立的各个指标上加以分析，而未对各类指标加以综合性考虑。
后来，我国学者也开始了对财务危机预警数学模型的研究。1996年，周首华等学者在奥特曼——Z分数模型的基础上加以改造，加入现金流量这一预测自变量，建立
劳动实践心得起财务危机预测的新模式——F分数模式，这一模型对国内理论界的影响较大。
1999 年，陈静曾发表了一篇以中国上市公司为样本的实证研究论文，她使用 27 家 ST 和非 ST 公司作为对比样本，选取资产负债率、净资产收益率、总资产收益率及流动比率等 4 个财务比率，进行了
单变量分析，结果发现资产负债率和流动比率在宣布 ST 前 1 年的误判率最低；在多元判别分析中，选取资产负债率、净资产收益率、总资产收益率、流动比率、营运资本/总资产及总资产周转率 6个指标构建了判别函数。研究结果显示，在上市公司发生财务困难前 l-3 年判定正确率分别为92.6%，85.2%及 79.6%。
张玲(2000)选取了深、沪两市涉及14个行业共计120家上市公司为样本，并将样本公司分为两组，并且从15个相关财务比率中筛选出4个构建判别模型。研究结果显示，二分类线性判定模型具有超前4年的预测结果，即模型可在ST公司戴帽前4年或ST公司开始亏损的前2年预知公司的的未来前景。
吴世农、卢贤义(2001)选取了上市公司中70家ST公司和70家非ST公司作为样本。首先应用剖面分析和单变量分析筛选出6个指标，随后作者选分别使用了多元线性回归分析、Fisher线性判定分析和Logistic回归分析三种方法构建了相应的模型，研究发现三种模型均能在财务危机发生前做出较为准确的判断。
姜秀华与孙铮(2001)以2000年11月20日为基准点，选取了被实施ST的42家上市公司和42家配对公司作为样本。选取毛利率、其它应收款与总资产的比率、短期借款与总资产的比率及股权集中系数四个指标建立Logistic判别模型。与其他相关文献不同的是作者选取概率0.1为最佳分割点。如果Logistic判别模型估计的概率P>0.10，则判定为ST公司。
杨保安等(2001)针对判别分析方法在构建财务危机判别模型中存在的问题，引入神经网络分析方法应用于企业财务危机判定与预测。作者利用原始 30 个样本作为学习样本，利用神经网络法来构建模型。结果显示开发样本的判别正确率高达95%。模型对未参加学习的 15 个样本进行测试，也得到较好的预测正确率。
向德伟在2002年有针对性地选取沪深两地证券市场共 80 家企业 A 股作为样本，运用 Z 计分模型对上市公司进行了实证分析。80 家上市公司的实证结果大体上支持“Z 计分法”在中国股市的有效性，但个别上市公司的 Z 值出现异常，作者由此得出结论:Z 计分法对进行某个行业或某类企业经营风险整体分析的指导性很强。
杨淑娥，徐伟刚(2003)采用统计分析方法中的主成分分析法，通过对我国上市公司财务危机状况的实证研究，建立了上市公司财务预警模型——Y分数模型，并通过
本次研究中选择的样本指标，初步确定了企业财务状况评价区域，为企业预测财务危
机提供了一种新的、科学可行的预测方法。
刘红霞、张心林( 2004年)以 118家上市企业作为估计样本，应用主成分分析法构建我国上市企业的财务危机预警模型, 得出财务危机组的误判率为18.75%和非财务危机组的误判率为 9.37%的结论。但是，他们在研究中没有考虑非财务因素。
耿克红、李忠民 ( 2005年)将主成分分析和logistic回归分析方法相结合, 构建了主成分logistic回归模型。此模型不但将对财务危机预测有重要影响的信息提取了出来, 并且避免了变量间所反映信息的重叠。
王克敏，姬美光(2006)在财务指标分析的基础上，引入公司治理、投资者保护等因素，综合分析上市公司亏损困境的原因，并比较分析了基于财务、非财务指标及综合指标的预测模型的有效性，进而提出相关政策建议。
李益骐，田高良(2009)通过采用样本分析等方法对上市公司的财务危机预警进
行实证研究。作者选取了37个财务指标，分为6个组，根据t检验的p值大小在37个财务指标中筛选出若干指标，作为预测模型的初始输入变量。运用Logistic回归分析作为主要建模方法。在此基础上，通过实证研究检验出若干预警能力强的财务指标，建立了一套动态财务危机预警模型。最后，通过有效性检验，得出了2007年上市公司有54家出现财务危机，模型的总判别率为80.30%，并在此基础上指出了模型的实际运用情况。
托班语言教案
牟伟明，徐霞（2010）通过引进现金流的各项指标，与其他指标相结合构建更具代表性的财务预警模型，作者选取了2007，2008年80家ST企业和80家对比企业，结合现金流指标构建Fisher线性判定分析和Logistic回归分析，比较两种模型的特点和优劣。
获得英文
郭兆（2011）通过因子分析的方法，对上市公司的财务危机进行logistic模型的建设，运用因子分析筛选出20多个指标进行主因子分析，得出对公司财务危机影响最大的几项指标，并用于模型的建设，建立了一套预测能力较强的模型。
3 总结
单变量模型使用简便，所需要的指标也较为容易得到，其缺点在于:(l)一般来说，企业的生产经营活动受到许多因素的影响，各种因素之间既有联系又有区别，单个比率所反映的内容有限，无法全面揭示企业财务状况；(2)某些财务比率己被公司管理者粉饰过，依此做出的预测不一定可靠；(3)因不同财务比率的预测方向与能力经常有相当大的差距，有时会产生对于同一公司使用不同比率预测出不同结果的现象，造成结论冲突。
目前主流的财务危机预测方法为多元线性判别分析法和逻辑斯蒂回归法，其中，
