1. 研究目的与意义
随着我国市场经济和证券市场的快速发展，公司的财务风险愈加突出，陷入财务危机的上市公司也越来越多。通过对财务预警模型进行研究，加强企业财务危机的预防与控制，可以帮助上市公司防范财务危险，及时掌控企业潜在财务危机。企业需不断提高自身的财务预警分析能力，并根据企业的实际情况，建立并完善企业财务预警系统，以此规避财务风险，保证企业健康成长。因此财务预警模型研究不仅具有较高的学术价值，而且具有广泛的应用价值。
2. 研究内容和预期目标
研究内容：
一、分析单变量模型应用及其局限性
二、通过一元判定模型、多元判定模型、多元逻辑模型、多元概率比回归模型和人工网络模型的研究，从理论和实证两个方面做比较分析，根据每种模型的内容方法对上市公司进行分析对比分析不同财务预警模型的优缺点以及局限性，以此筛选出实用性强、准确率高的财务预警模型。
3. 国内外研究现状
国外：国外学者对财务风险预警做了相当多的研究,研究方法大致可以分为单变量预警分析和多变量预警分析两类。最早的财务预警研究始于Fitzpatrick(1932)提出的单变量模型,而WilliamBeaver(1966)提出的单变量分析模型最具影响力。多变量预警分析运用多种财务比率指标加权汇总构造多元线性函数来预测财务危机,大体可分为多元线性判别模型、Logistic回归模型和神经网络分析模型。Altman(1968)首次将多元线性判别方法引入到财务危机预测领域,创立了Z值模型。Altman运用主成分分析法提炼最具有代表性的财务比率,通过统计技术筛选出在两组间差别尽可能大而在两组内部的离散度最小的变量,从而将多个标志变量在最小信息损失下转换为分类变量,获得能有效提高预测精度的多元线性判别方程。然而,多元线性判别模型要求预警变量符合严格的联合正态分布,而现实经济生活中大多数企业的财务比率无法满足这一要求。为解决这一问题,Ohlson(1980)采用Logistic回归方法建立财务预警模型,分析样本公司在破产概率区间上的分布以及两类判别错误和分割点的关系。Logistic回归模型对于变量的分布不再有具体要求,而且在回归时通过概率值进行预测,具有较好的实用性。Coats和Fant(1993)使用BP神经网络理论,以Altman构建的5个财务比率为研究变量建立财务预警模型,对财务失败公司进行判别分析,结果表明Z值模型对破产当年具有很好的判断效果,但不具有很好的提前预测效果,而神经网络模型能够较好解决这一问题。
国内：受证券市场发展的影响,国内对财务预警的研究起步较晚。吴世农和黄世忠(1986)首次介绍了企业破产的分析指标和预测模型。周首华等(1996)提出了F分数模型,在充分考虑了企业现金流量的变动等方面的情况后,通过调整和更新指标对Z值模型进行修正。陈静(1999)采用单变量分析和二类线性判定分析,构造财务预警模型,对上市公司财务状况恶化进行判别。陈晓等(2000)、徐光明和吴鸣明(2006)采用Logistic回归方法建立财务预警模型,检验传统财务指标和EVA指标的预测能力。吴世农和卢贤义(2001)应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法,分别建立三种财务困境预测模型,研究结果表明三种模型都能在财务困境发生前进行相对准确的预测,但相对同一信息集,Logistic预测模型的误判率最低。张爱民等(2001)采用主成分分析方法建立财务失败预测模型,并进行了实证检验。李晓峰和徐玖平(2006)利用BP神经网络构建上市公司财务预警模型。周敏(2002)、刘洪(2004)分别构建了基于模糊优选的神经网络和人工神经网络财务预警模型。
4. 计划与进度安排
开题阶段：2022.12.1
初稿阶段：2022.1.19
论文修改阶段：2022.4.21
5. 参考文献
[1]吴世农,黄世忠.企业破产的预测指标和检测模型[J].中国经济问题
[2]周首华,杨济华,王平.论财务危机的预警分析F分数模型[J].会计研究,1996
[3]陈静.上市公司财务恶化预测的实证分析[J].会计研究,1994
