財(cái)務(wù)困境預(yù)測(cè)是指對(duì)企業(yè)財(cái)務(wù)運(yùn)作可能出現(xiàn)的困難狀態(tài)所做的具體預(yù)測(cè)。它是企業(yè)保持競(jìng)爭(zhēng)優(yōu)勢(shì)的重要基礎(chǔ)。
判別分析
單變量判別分析法（Univariate Discriminant Approach，UDA）
最早的企業(yè)財(cái)務(wù)困境預(yù)測(cè)研究是由Fitzpatrick（1932）開展的單變量破產(chǎn)預(yù)測(cè)研究。他在《A Comparison of Ratios of Successful Industrial Enterprises with Those of Failed Firms》一文中發(fā)現(xiàn)，在所有指標(biāo)中，凈利潤(rùn)/所有者權(quán)益和股東權(quán)益/負(fù)債這兩個(gè)指標(biāo)的判別能力最強(qiáng)。由于當(dāng)時(shí)的統(tǒng)計(jì)和計(jì)算工具有限，主要的研究方法是對(duì)失敗企業(yè)和正常企業(yè)的一系列財(cái)務(wù)比率進(jìn)行經(jīng)驗(yàn)分析和比較。直到1960年代初，財(cái)務(wù)風(fēng)險(xiǎn)判別研究才逐漸走向系統(tǒng)化。1966年，William Beaver在其論文《Financial Ratios as Predictors of Failure》中提出了單變量分析法，即利用單一的財(cái)務(wù)比率來(lái)預(yù)測(cè)企業(yè)的財(cái)務(wù)困境。他發(fā)現(xiàn)最佳的判別變量是營(yíng)運(yùn)資本流/負(fù)債和凈利潤(rùn)/總資產(chǎn)。
多變量判別分析法（Multivariate Discriminant Approach，MDA）
美國(guó)財(cái)務(wù)專家Altman（1968）首先使用多元線性判別模型研究公司的破產(chǎn)問(wèn)題。他選擇33家破產(chǎn)公司及其對(duì)應(yīng)的33家非破產(chǎn)配對(duì)公司，確定了五個(gè)變量作為判別變量，包括資產(chǎn)營(yíng)運(yùn)資本率、資產(chǎn)留存收益率、資產(chǎn)報(bào)酬率、債務(wù)權(quán)益市價(jià)率和總資產(chǎn)周轉(zhuǎn)率，最終產(chǎn)生了表示企業(yè)財(cái)務(wù)狀況惡化程度的概率值——Z值。此后，Altman等人（1977）提出了更為精確的ZETA模型，但由于商業(yè)原因，未詳細(xì)說(shuō)明其具體操作方法。
邏輯和概率比回歸
為了克服多元判別分析模型的嚴(yán)格假設(shè)條件限制，自20世紀(jì)70年代末起，財(cái)務(wù)困境研究人員引入了邏輯（logit）和概率比（probit）回歸方法。這種方法簡(jiǎn)化了問(wèn)題，通過(guò)已知的公司特征（由財(cái)務(wù)比率指標(biāo)體現(xiàn)）計(jì)算其在未來(lái)時(shí)間段內(nèi)陷入財(cái)務(wù)困境的條件概率。Ohlson（1980）使用logit方法分析了非配對(duì)樣本在破產(chǎn)概率區(qū)間上的分布，并提出了新的模型，取得了較高的判別正確率。Zmijewski（1984）使用probit分析模型，對(duì)財(cái)務(wù)困境的預(yù)測(cè)進(jìn)行了新探索，研究了樣本個(gè)體數(shù)量分配的問(wèn)題。
現(xiàn)代分析方法
人工神經(jīng)網(wǎng)絡(luò)分析方法（ANN）
1980年代末，神經(jīng)網(wǎng)絡(luò)理論（NN）開始應(yīng)用于財(cái)務(wù)危機(jī)預(yù)測(cè)研究。盡管神經(jīng)網(wǎng)絡(luò)判別模型是一種重要的創(chuàng)新，但其實(shí)際效果并不穩(wěn)定。Coats和Fant（1991）的研究顯示，神經(jīng)網(wǎng)絡(luò)模型對(duì)財(cái)務(wù)危機(jī)公司的預(yù)測(cè)準(zhǔn)確率達(dá)到91%，超過(guò)了多元判別法的72%。然而，其他研究表明，神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)效果并沒(méi)有顯著優(yōu)于多元判別分析（MDA）和Logistic分析。
期權(quán)定價(jià)理論
Charitou和Trigeorgis（2000）使用B-S期權(quán)定價(jià)模型中的相關(guān)變量構(gòu)建了財(cái)務(wù)危機(jī)判別模型，發(fā)現(xiàn)期權(quán)變量在預(yù)測(cè)破產(chǎn)方面的顯著作用。但他們僅在變量設(shè)計(jì)上引入了期權(quán)因子，實(shí)際的理論貢獻(xiàn)有限。
專家系統(tǒng)方法應(yīng)用（ES）
1988年，Messier和Hansen首次將專家系統(tǒng)引入財(cái)務(wù)困境預(yù)測(cè)領(lǐng)域，他們?cè)谥R(shí)獲取角度探討了專家系統(tǒng)的應(yīng)用，并將其與其他方法進(jìn)行了比較，結(jié)果顯示專家系統(tǒng)分類效果最佳。
國(guó)內(nèi)外研究
在中國(guó)，周首華等（1996）利用Compustat Pc Plus會(huì)計(jì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)，使用Spss-X統(tǒng)計(jì)軟件建立了F分?jǐn)?shù)模式。陳靜（1999）對(duì)中國(guó)證券市場(chǎng)的財(cái)務(wù)困境進(jìn)行了單變量和二類線性判別分析，總體正確率達(dá)92.6%。張玲（2000）以120家上市公司為對(duì)象，使用二類線性判別模型進(jìn)行了預(yù)測(cè)。陳曉等（2000）將多元邏輯回歸模型引入上市公司的財(cái)務(wù)困境預(yù)測(cè)。黃巖等（2001）采用了費(fèi)歇爾判別分析建立了中國(guó)工業(yè)類上市公司財(cái)務(wù)困境預(yù)測(cè)模型。吳世農(nóng)等（2001）比較了多種模型的預(yù)測(cè)效果，發(fā)現(xiàn)多元邏輯回歸模型的判定能力最佳。楊保安（2001）和薛鋒（2002）探討了基于BP算法和LM算法的神經(jīng)網(wǎng)絡(luò)在企業(yè)財(cái)務(wù)危機(jī)預(yù)測(cè)上的應(yīng)用。
參考資料 >