1.預(yù)知財務(wù)危機(jī)的征兆

當(dāng)可能危害企業(yè)財務(wù)狀況的關(guān)鍵因素出現(xiàn)時，財務(wù)失敗預(yù)警系統(tǒng)能預(yù)先發(fā)出警告，提醒企業(yè)經(jīng)營者早做準(zhǔn)備或采取對策以減少財務(wù)損失。

2.預(yù)防財務(wù)危機(jī)發(fā)生或控制其進(jìn)一步擴(kuò)大

當(dāng)財務(wù)危機(jī)征兆出現(xiàn)時，有效的財務(wù)失敗預(yù)警系統(tǒng)不僅能預(yù)知并預(yù)告，還能及時尋找導(dǎo)致企業(yè)財務(wù)狀況進(jìn)一步惡化的原因，使經(jīng)營者知其然，更知其所以然，制定有效措施，阻止財務(wù)狀況進(jìn)一步惡化，避免嚴(yán)重的財務(wù)危機(jī)真正發(fā)生。

3.避免類似的財務(wù)危機(jī)再次發(fā)生

有效的財務(wù)失敗預(yù)警系統(tǒng)不僅能及時回避現(xiàn)存的財務(wù)危機(jī)，而且能通過系統(tǒng)詳細(xì)地記錄其發(fā)生緣由、解決措施、處理結(jié)果，并及時提出建議，彌補(bǔ)企業(yè)現(xiàn)有財務(wù)管理及經(jīng)營中的缺陷，完善財務(wù)失敗預(yù)警系統(tǒng)，從而既提供未來類似情況的前車之鑒，更能從根本上消除隱患。

一、單變量模型

單變量模型是指使用單一財務(wù)變量對企業(yè)財務(wù)失敗分險進(jìn)行預(yù)測的模型。主要有威廉·比弗(William Beaver)于1966年提出的單變量預(yù)警模型。他通過對1954～1964年期間的大量失敗企業(yè)和成功企業(yè)比較研究，對14種財務(wù)比率進(jìn)行取舍，最終得出可以有效預(yù)測財務(wù)失敗的比率依次為：

1.債務(wù)保障率=現(xiàn)金流量÷債務(wù)總額

2.資產(chǎn)負(fù)債率=負(fù)債總額÷資產(chǎn)總額

3.資產(chǎn)收益率=凈收益÷資產(chǎn)總額

4.資產(chǎn)安全率=資產(chǎn)變現(xiàn)率-資產(chǎn)負(fù)債率

Beaver認(rèn)為債務(wù)保障率能夠最好地判定企業(yè)的財務(wù)狀況（誤判率最低）；其次是資產(chǎn)負(fù)債率，且離失敗日越近，誤判率越低。但各比率判斷準(zhǔn)確率在不同的情況下會有所差異，所以在實(shí)際應(yīng)用中往往使用一組財務(wù)比率，而不是一個比率，這樣才能取得良好的預(yù)測效果。

二、多變量模型

多變量模型是指使用多個變量組成的鑒別函數(shù)來預(yù)測企業(yè)財務(wù)失敗的模型。較早使用多變量預(yù)測的是美國紐約大學(xué)的教授愛德華·阿爾曼(Edwardi.altman)，他是第一個使用鑒別分析（discriminant analysis）研究企業(yè)失敗預(yù)警的人。他選取了1946～1965年間的33家破產(chǎn)的和正常經(jīng)營的公司，使用了22個財務(wù)比率來分析公司潛在的失敗危機(jī)。他利用逐步多元鑒別分析（MDA）逐步粹取5種最具共同預(yù)測能力的財務(wù)比率，建立起了一個類似回歸方程式的鑒別函數(shù)——Z計分法模式。該模型是通過五個變量（五種財務(wù)比率）將反映企業(yè)償債能力的指標(biāo)、獲利能力指標(biāo)和營運(yùn)能力指標(biāo)有機(jī)聯(lián)系起來，綜合分析預(yù)測企業(yè)財務(wù)失敗或破產(chǎn)的可能性。表達(dá)式如下：

Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5

其中：Z為判別函數(shù)值

X1=（營運(yùn)資金÷資產(chǎn)總額）×100

X2=（留存收益÷資產(chǎn)總額）×100

X3=（息稅前利潤÷資產(chǎn)總額）×100

X4=（普通股及優(yōu)先股市場價值總額÷負(fù)債賬面價值總額）×100

X5=銷售收入÷資產(chǎn)總額

一般地，Z值越低，企業(yè)越有可能發(fā)生破產(chǎn)。

愛德華·阿爾曼還提出了判斷企業(yè)破產(chǎn)的臨界值：

若 Z≥2.675，則表明企業(yè)的財務(wù)狀況良好，發(fā)生破產(chǎn)的可能性較?。?

若Z≤1.81，則企業(yè)存在很大的破產(chǎn)危險；

該模型實(shí)際上是通過五個變量（五種財務(wù)比率），將反映企業(yè)償債能力的指標(biāo)（X1、X4）、獲利能力的指標(biāo)（X2、X3）和運(yùn)營能力的指標(biāo)（X5）有機(jī)聯(lián)系起來，綜合分析預(yù)測企業(yè)財務(wù)失敗或破產(chǎn)的可能性。在企業(yè)失敗前一、二年的預(yù)測準(zhǔn)確率很高；預(yù)測期變長，準(zhǔn)確率有所降低，距失敗前五年的預(yù)測準(zhǔn)確率僅為36%.

多變量模型除了以上介紹的Z計分法模型以外，還有日本開發(fā)銀行的多變量預(yù)測模型，中國臺灣陳肇榮的多元預(yù)測模型，以及中國學(xué)者周首華、楊濟(jì)華F分?jǐn)?shù)模型等。但是，這幾種模型在實(shí)際中的應(yīng)用并不廣泛。就目前為止，Z計分法模型仍然占據(jù)著主導(dǎo)地位。

在企業(yè)出現(xiàn)財務(wù)舞弊情況時，雖然上述這些財務(wù)失敗預(yù)警方法可以定量地描述企業(yè)，但仍不能就此作出企業(yè)財務(wù)失敗的結(jié)論，仍然需要投資者的主觀判斷。

1、望

望主要是看行業(yè)背景：看行業(yè)是處在朝陽行業(yè)還是夕陽行業(yè)，是處在競爭充分還是保護(hù)壟斷的行業(yè)，是成熟規(guī)范的行業(yè)還是缺少必要監(jiān)管的行業(yè)，是新業(yè)務(wù)層出不窮還是業(yè)務(wù)相對簡單的行業(yè)，因?yàn)?a href="/wiki/%E8%A1%8C%E4%B8%9A%E9%A3%8E%E9%99%A9" title="行業(yè)風(fēng)險">行業(yè)風(fēng)險是企業(yè)無法回避的風(fēng)險。

一般而言，朝陽行業(yè)、保護(hù)壟斷行業(yè)、缺少必要監(jiān)管的行業(yè)、新業(yè)務(wù)層出不窮的行業(yè)出現(xiàn)財務(wù)舞弊的風(fēng)險較高。所以應(yīng)特別注意行業(yè)的風(fēng)險。如果行業(yè)出現(xiàn)危機(jī)，企業(yè)也必然受累。古語說得好：“覆巢之下，焉有完卵？”

2、聞

聞主要是看企業(yè)實(shí)力：企業(yè)處在行業(yè)中的地位如何，企業(yè)產(chǎn)品是成熟產(chǎn)品還是剛研制出來的新產(chǎn)品，企業(yè)在消費(fèi)者中的口碑如何，企業(yè)的內(nèi)部管理是否完善，企業(yè)的產(chǎn)品受市場歡迎程度如何，企業(yè)員工的精神面貌如何，企業(yè)管理層變更情況如何。

在信息非常發(fā)達(dá)的今天，企業(yè)無法完全壟斷信息，我們可以通過新聞、廣播、報紙、互聯(lián)網(wǎng)等媒體了解一家企業(yè)的經(jīng)營狀況。一般而言，企業(yè)內(nèi)部管理不健全、員工精神面貌差、管理層更換頻繁等，都是企業(yè)出現(xiàn)失敗的跡象。

3、問

問主要是看企業(yè)管理：問企業(yè)戰(zhàn)略目標(biāo)，看企業(yè)制定的戰(zhàn)略目標(biāo)是否符合國家的產(chǎn)業(yè)政策、是否符合企業(yè)的實(shí)際情況；問企業(yè)投資策略，看企業(yè)投資業(yè)務(wù)是否過于分散、金融投資業(yè)務(wù)比重是否過大、是否過度大規(guī)模擴(kuò)張等。

一般而言，企業(yè)戰(zhàn)略目標(biāo)如果制定得過高或過低，都會影響企業(yè)的發(fā)展。企業(yè)的投資過于分散，也會影響企業(yè)戰(zhàn)略實(shí)施，分散企業(yè)管理的精力，不能及時解決企業(yè)所產(chǎn)生的問題，影響企業(yè)競爭力。

4、切

切主要是看企業(yè)現(xiàn)金流：現(xiàn)金流是企業(yè)的血液。利潤可以粉飾，但企業(yè)現(xiàn)金卻是實(shí)實(shí)在在的鏈條。如果資金鏈繃得太緊，企業(yè)就有面臨破產(chǎn)的風(fēng)險，所以企業(yè)的現(xiàn)金流不能出現(xiàn)問題?？疾炱髽I(yè)現(xiàn)金情況，可以對企業(yè)現(xiàn)金流量表進(jìn)行分析。如果長時間的經(jīng)營活動所產(chǎn)生的現(xiàn)金凈流量較少，企業(yè)必然在某些方面出現(xiàn)敗相，并想方設(shè)法通過其他手段掩蓋資金短缺問題，如通過借款、虛擬收入、提前確認(rèn)收入等進(jìn)行粉飾。

總之，一個企業(yè)若出現(xiàn)長時間的舞弊情況，最終會因?yàn)橘Y金鏈條繃得太緊而斷裂。只要投資者細(xì)心留意自己的投資對象，總會發(fā)現(xiàn)一些蛛絲馬跡，然后再運(yùn)用專業(yè)的分析方法進(jìn)行判斷，從而可以提高自己規(guī)避風(fēng)險的能力。

在財務(wù)預(yù)警分析中，常用的基本方法有定性分析法與定量分析法。定性分析法是依靠人們的主觀分析判斷進(jìn)行財務(wù)預(yù)警分析的方法，主要有標(biāo)準(zhǔn)化調(diào)查法、“四階段癥狀”分析法、流程圖分析法、管理評分法等；定量分析法是根據(jù)過去比較完備的統(tǒng)計資料，應(yīng)用一定的數(shù)學(xué)模型或數(shù)理統(tǒng)計方法對各種數(shù)據(jù)資料進(jìn)行科學(xué)的加工處理，主要有一元判定模型、多元線性判定模型、多元邏輯(Logit)模型、多元概率比(Probit)回歸模型、人工神經(jīng)網(wǎng)絡(luò)(ANN)模型等方法。

一、定性分析方法

1.標(biāo)準(zhǔn)化調(diào)查法

又稱風(fēng)險分析調(diào)查法，即通過專業(yè)人員、調(diào)查公司、協(xié)會等，對公司可能遇到的問題進(jìn)行詳細(xì)的調(diào)查與分析，并形成報告文件供公司管理者參考的方法。

該方法的優(yōu)點(diǎn)是在調(diào)查過程中所提出的問題對所有公司或組織都有意義，普遍適用;它的缺點(diǎn)是無法針對特定公司的特定問題進(jìn)行調(diào)查分析。另外，調(diào)查時沒有對要求回答的每個問題進(jìn)行解釋，也沒有引導(dǎo)使用者對所問問題之外的相關(guān)信息做出正確判斷。

2.“四階段癥狀”分析法

公司財務(wù)運(yùn)營情況不佳，甚至出現(xiàn)財務(wù)危機(jī)是有特定癥狀的，而且是逐漸加劇的，財務(wù)運(yùn)營病癥大體可以分為四個階段，即財務(wù)危機(jī)潛伏期、發(fā)作期、惡化期、實(shí)現(xiàn)期，每個階段都有反映危機(jī)輕重程度的典型癥狀。

財務(wù)危機(jī)潛伏期：盲目擴(kuò)張；無效市場營銷，銷售額上升，利潤下降；企業(yè)資產(chǎn)流動性差，資源分配不當(dāng)；資本結(jié)構(gòu)不合理，疏于風(fēng)險管理；財務(wù)經(jīng)營信譽(yù)持續(xù)降低，缺乏有效的管理制度；無視環(huán)境的重大變化。

財務(wù)危機(jī)發(fā)作期:自有資本不足；過分依賴外部資金，利息負(fù)擔(dān)重；缺乏會計的預(yù)警作用；債務(wù)拖延償付。

財務(wù)危機(jī)惡化期:經(jīng)營者無心經(jīng)營業(yè)務(wù)，專心于財務(wù)周轉(zhuǎn);資金周轉(zhuǎn)困難;債務(wù)到期違約不支付。

財務(wù)危機(jī)實(shí)現(xiàn)期:負(fù)債超過資產(chǎn)，喪失償付能力;宣布倒閉。

根據(jù)上述癥狀進(jìn)行綜合分析，公司如有相應(yīng)癥狀出現(xiàn)，一定要盡快弄清病因，判定公司財務(wù)危機(jī)的程度，對癥下藥，防止危機(jī)的進(jìn)一步發(fā)展，使公司盡快擺脫財務(wù)困境，以恢復(fù)財務(wù)的正常運(yùn)作。這種方法簡單明了，但實(shí)際中很難將這四個階段作截然的劃分，特別是財務(wù)危機(jī)的表現(xiàn)癥狀，它們可能在各個階段都有相似或互有關(guān)聯(lián)的表現(xiàn)。

3.流程圖分析法

流程圖分析是一種動態(tài)分析方法，對識別公司生產(chǎn)經(jīng)營和財務(wù)活動的關(guān)鍵點(diǎn)特別有用，運(yùn)用這種分析方法可以暴露公司潛在的風(fēng)險。在公司生產(chǎn)經(jīng)營流程中，必然存在著一些關(guān)鍵點(diǎn)，如果在關(guān)鍵點(diǎn)上出現(xiàn)堵塞和發(fā)生損失，將會導(dǎo)致公司全部經(jīng)營活動終止或資金運(yùn)轉(zhuǎn)終止。在畫出的流程圖中，每個公司都可以找出一些關(guān)鍵點(diǎn)，對公司潛在風(fēng)險進(jìn)行判斷和分析，發(fā)現(xiàn)問題及時預(yù)警，在關(guān)鍵點(diǎn)處采取防范的措施，才可能有效降低風(fēng)險。

4.管理評分法

美國的仁翰·阿吉蒂調(diào)查了企業(yè)的管理特性及可能導(dǎo)致破產(chǎn)的公司缺陷，按照幾種缺陷、錯誤和征兆進(jìn)行對比打分，還根據(jù)這幾項(xiàng)對破產(chǎn)過程產(chǎn)生影響的大小程度對它們作了加權(quán)處理。

用管理評分法對公司經(jīng)營管理進(jìn)行評估時，每一項(xiàng)得分要么是零分，要么是滿分，不容許給中間分。所給的分?jǐn)?shù)就表明了管理不善的程度，總分是100分，參照管理評分法中設(shè)置的各項(xiàng)目進(jìn)行打分，分?jǐn)?shù)越高，則公司的處境越差。在理想的公司中，這些分?jǐn)?shù)應(yīng)當(dāng)為零；如果評價的分?jǐn)?shù)總計超過25分，就表明公司正面臨失敗的危險；如果評價的分?jǐn)?shù)總計超過35分，公司就處于嚴(yán)重的危機(jī)之中；公司的安全得分一般小于18分。這種管理評分法試圖把定性分析判斷定量化，這一過程需要進(jìn)行認(rèn)真的分析，深入公司及車間，細(xì)致的對公司高層管理人員進(jìn)行調(diào)查，全面了解公司管理的各個方面，才能對公司的管理進(jìn)行客觀的評價。這種方法簡單易懂，行之有效，但其效果還取決于評分者是否對被評分公司及其管理者有直接、相當(dāng)?shù)牧私狻?

二、定量分析方法

1.一元判定模型

一元判定模型是指以某一項(xiàng)財務(wù)指標(biāo)作為判別標(biāo)準(zhǔn)來判斷公司是否處于破產(chǎn)狀態(tài)的預(yù)測模型。在一元判定模型中，最為關(guān)鍵的一點(diǎn)就是尋找判別臨界值。

一元判定模型雖然方法簡單，使用方便，但總體判別精度不高。對前一年的預(yù)測，一元判定模型的預(yù)測精度明顯低于多元模型。不過，一元判定模型在前兩年、前三年的預(yù)測中也能表現(xiàn)出很強(qiáng)的預(yù)測能力，說明一些上市公司的財務(wù)危機(jī)是從某些財務(wù)指標(biāo)的惡化開始的。

一元判定模型的缺點(diǎn)是:其一，只重視一個指標(biāo)的分離能力，如果經(jīng)理人員知道這個指標(biāo)，就有可能去粉飾這個指標(biāo)，以使公司表現(xiàn)出良好的財務(wù)狀況;其二，如果使用多個指標(biāo)分別進(jìn)行判斷，這幾個指標(biāo)的分類結(jié)果之間可能會產(chǎn)生矛盾，以致無法作出正確判斷。也就是說，雖然財務(wù)比率是綜合性較高的判別指標(biāo)但是僅用一個財務(wù)指標(biāo)不可能充分反映公司的財務(wù)特征。

2.多元線性判定模型

多元線性判定模型,又稱ZScore模型，最早是由Altma(1968)開始研究的。他得到的最終預(yù)測方程包含五個判別變量在破產(chǎn)前一年的總體判別準(zhǔn)確度高達(dá)95%。運(yùn)用多元線性判別方法判定二元問題時，可以通過降維技術(shù),僅以最終計算的Z值來判定其歸屬,其構(gòu)造的線性方程簡單易懂,具有很強(qiáng)的實(shí)際應(yīng)用能力。

多元線性判定模型具有較高的判別精度，但也存在一些缺陷其一，工作量比較大，研究者需要做大量的數(shù)據(jù)收集和數(shù)據(jù)分析工作。其二，在前一年的預(yù)測中，多元線性判定模型的預(yù)測精度比較高，但在前兩年、前三年的預(yù)測中，其預(yù)測精度都大幅下降甚至低于一元判別模型。其三，多元線性判定模型有一個很嚴(yán)格的假設(shè)，即假定自變量是呈正態(tài)分布的，兩組樣本要求等協(xié)方差而現(xiàn)實(shí)中的樣本數(shù)據(jù)往往并不能滿足這一要求，這就大大限制了多元線性判定模型的使用范圍。其四，使用多元判別分析技術(shù)要求在財務(wù)困境組與控制組之間進(jìn)行配對，但配對標(biāo)準(zhǔn)如何恰當(dāng)確定是一個難題。

3.多元邏輯(Logit)模型

多元邏輯模型的目標(biāo)是尋求觀察對象的條件概率，從而據(jù)此判斷觀察對象的財務(wù)狀況和經(jīng)營風(fēng)險這一模型建立在累計概率函數(shù)的基礎(chǔ)上，不需要自變量服從多元正態(tài)分布和兩組間協(xié)方差相等的條件。判別方法和其他模型一樣，先是根據(jù)多元線性判定模型確定公司破產(chǎn)的Z值，然后推導(dǎo)出公司破產(chǎn)的條件概率。其判別規(guī)則是:如果p值大于0.5，表明公司破產(chǎn)的概率比較大，可以判定公司為即將破產(chǎn)類型:如果p值低于0.5，表明公司財務(wù)正常的概率比較大，可以判定公司為財務(wù)正常。

Logit模型的最大優(yōu)點(diǎn)是，不需要嚴(yán)格的假設(shè)條件，克服了線性方程受統(tǒng)計假設(shè)約束的局限性，具有了更廣泛的適用范圍目前，這種模型的使用較為普遍，但其計算過程比較復(fù)雜，而且在計算過程中有很多的近似處理,這不可避免地會影響到預(yù)測精度。

4.多元概率比(Probit)回歸模型

Probit回歸模型同樣假定公司破產(chǎn)的概率為p，并假設(shè)公司樣本服從標(biāo)準(zhǔn)正態(tài)分布，其概率函數(shù)的p分位數(shù)可以用財務(wù)指標(biāo)線性解釋。

Probit模型和Logit模型的思路很相似，但在具體的計算方法和假設(shè)前提上又有一定的差異，主要體現(xiàn)在三個方面:一是假設(shè)前提不同，Logit不需要嚴(yán)格的假設(shè)條件，而Probit則假設(shè)公司樣本服從標(biāo)準(zhǔn)正態(tài)分布，其概率函數(shù)的p分位數(shù)可以用財務(wù)指標(biāo)線性解釋;二是參數(shù)a、b的求解方法不同，Logit采用線性回歸方法求解，而Probit采用極大似然函數(shù)求極值的方法求解;三是求破產(chǎn)概率的方法不同,Logit采用取對數(shù)方法,而Probit采用積分的方法5.人工神經(jīng)網(wǎng)絡(luò)模型(Artificial Neural Network，ANN)是將神經(jīng)網(wǎng)絡(luò)的分類方法應(yīng)用于財務(wù)預(yù)警。ANN除具有較好的模式識別能力外，還可以克服統(tǒng)計方法的局限，因?yàn)樗哂腥蒎e能力和處理資料遺漏或錯誤的能力。最為可貴的是，ANN還具有學(xué)習(xí)能力可隨時依據(jù)新的數(shù)據(jù)資料進(jìn)行自我學(xué)習(xí)，并調(diào)整其內(nèi)部的儲存權(quán)重參數(shù)，以應(yīng)對多變的公司環(huán)境。由于ANN具備上述良好的性質(zhì)與能力，因而可以作為解決分類問題的一個重要工具。

ANN模型通常由輸入層、輸出層和隱藏層組成，其信息處理分為前向傳播和后向?qū)W習(xí)兩步進(jìn)行。根據(jù)最后的期望輸出，得出公司的期望值，然后根據(jù)學(xué)習(xí)得出的判別規(guī)則來對樣本進(jìn)行分類。然而，由于理論基礎(chǔ)比較薄弱，ANN對人體大腦神經(jīng)模擬的科學(xué)性、準(zhǔn)確性還有待進(jìn)一步提高，因此其適用性也大打折扣。

財務(wù)風(fēng)險預(yù)警機(jī)制是指企業(yè)在財務(wù)風(fēng)險管理中所形成的各種相互依箱、相互制約的預(yù)警職能體系。.終、提出預(yù)警對策、達(dá)到.大限度規(guī)避財務(wù)風(fēng)險的目的。預(yù)警系統(tǒng)的設(shè)計就是把風(fēng)險預(yù)警機(jī)制因地制宜的引入企業(yè)內(nèi)部，讓企業(yè)、管理者、員工共同承擔(dān)風(fēng)險資任。它是財務(wù)風(fēng)險管理中一項(xiàng)復(fù)雜性、綜合性程序較高的管理活動。

風(fēng)險預(yù)警機(jī)制的建立應(yīng)考慮以下幾個因素:1。樹立全局和系統(tǒng)的觀念。

建立財務(wù)預(yù)警系統(tǒng).要圍繞粉預(yù)警展開一系列事前、事中、事后工作。事前工作包括確定評價標(biāo)準(zhǔn)、指標(biāo)安全和風(fēng)險區(qū)間、建立模型、收集資料、信息傳遞等;事中工作包括分析資料、發(fā)現(xiàn)預(yù)警信號、將信息反饋至各相關(guān)環(huán)節(jié);事后工作包括建立追蹤系統(tǒng).跟蹤預(yù)警，尋找可能產(chǎn)生潛在危機(jī)的根源，及時糾錯。當(dāng)然，還應(yīng)注五日常監(jiān)控，孟視從細(xì)徽處發(fā)現(xiàn)問厄.以便及時對癥下藥。

2.財務(wù)預(yù)警組織機(jī)制。

為使財務(wù)風(fēng)險預(yù)警真正、充分的發(fā)揮作用，應(yīng)建立健全預(yù)警組織機(jī)構(gòu)，并保持相對獨(dú)立的地位。可設(shè)立基礎(chǔ)數(shù)據(jù)采集層、風(fēng)險分析層和領(lǐng)導(dǎo)層。墓礎(chǔ)數(shù)據(jù)采集層是設(shè)t在最墓層組織，負(fù)資收集預(yù)警偏要的基礎(chǔ)數(shù)據(jù)，其成員可設(shè)為專職或兼職人員。風(fēng)險分析層一般設(shè)，在財務(wù)部、企劃部等，負(fù)資收集外部有關(guān)預(yù)苦信息、并與內(nèi)部的基礎(chǔ)數(shù)據(jù)綜合在一起進(jìn)行分析，確定頂份對象的風(fēng)險級別，并提出應(yīng)對方案和措施，上報領(lǐng)導(dǎo)層.風(fēng)險分析層應(yīng)設(shè)t專職人員，定期進(jìn)行風(fēng)險分析，并且指導(dǎo)垂礎(chǔ)數(shù)據(jù)采集層的工作.領(lǐng)導(dǎo)層應(yīng)設(shè)皿在公司t事會或總經(jīng)理辦公會等.負(fù)資風(fēng)險預(yù)，的，大決策工作，以及對各預(yù)，組織的工作級效進(jìn)行考核。

3、相關(guān)信息收集、傳遞機(jī)制。

有效的財務(wù)風(fēng)險預(yù)，機(jī)制必須建立在對大f相關(guān)信息進(jìn)行統(tǒng)計分析的基礎(chǔ)之上，這些信息包括公司內(nèi)部數(shù)據(jù)，如會計報表、財務(wù)預(yù)算報表、經(jīng)營計劃等;也包括外部數(shù)據(jù)，如國家宏觀政策、市場數(shù)據(jù)、行業(yè)欲據(jù)等。所有數(shù)據(jù)形成一個動態(tài)信息系統(tǒng)，不斷更新、升級，確保信息的相關(guān)性、全面性、及時性、準(zhǔn)確性和有效性。信息的收集傳遞順序一般為:基礎(chǔ)數(shù)據(jù)采集層.風(fēng)險分析層，領(lǐng)導(dǎo)層.執(zhí)行層?；A(chǔ)數(shù)據(jù)采集層顧名思義就是負(fù)資收集基礎(chǔ)數(shù)據(jù)，如不良存貨資產(chǎn)、應(yīng)收聯(lián)獄賺盼明細(xì)情況、機(jī)器設(shè)備等情況.風(fēng)險分析層應(yīng)收集的內(nèi)部資料有:財務(wù)預(yù)算、會計報表、經(jīng)營計劃等;外部資料的:宏觀政策、相關(guān)市場行情、行業(yè)數(shù)據(jù)等.風(fēng)險分析層根據(jù)基層上報的荃礎(chǔ)數(shù)據(jù)結(jié)合以上收集的相關(guān)數(shù)據(jù)，利用建立的預(yù)，指標(biāo)體系進(jìn)行風(fēng)險分析，并將分析結(jié)果和有關(guān)貢要資料上報領(lǐng)導(dǎo)層。領(lǐng)導(dǎo)層根據(jù)上報的預(yù)份報告和建議做出決策，下發(fā)預(yù)，指令要求執(zhí)行層實(shí)施。

1、一元判定模型

1932年Fitzpatrick以19家公司為樣本，運(yùn)用單個財務(wù)比率將樣本劃分為破產(chǎn)和非破產(chǎn)兩組進(jìn)行研究，發(fā)現(xiàn)凈利率／股東權(quán)益和股東權(quán)益／負(fù)債對財務(wù)危機(jī)的判別能力最高，自此開創(chuàng)了財務(wù)危機(jī)預(yù)警實(shí)證研究的先河。而后，1966年Beaver對1954～1964年間79家失敗企業(yè)和對應(yīng)的79家成功企業(yè)的30個財務(wù)比率進(jìn)行了研究，在排除行業(yè)因素和公司資產(chǎn)規(guī)模因素的前提下，得出以下財務(wù)比率對財務(wù)危機(jī)的預(yù)測是有效的：現(xiàn)金流量 ／ 債務(wù)總額，凈收益 ／ 資產(chǎn)總額，債務(wù)總額 ／ 資產(chǎn)總額。

2、多元線性判定模型

為了彌補(bǔ)一元判定模型的缺陷，1968年Altman首先將多元線性判別法引入財務(wù)危機(jī)預(yù)警研究領(lǐng)域，根據(jù)行業(yè)和資產(chǎn)規(guī)模，他選擇了33家破產(chǎn)公司和33家非破產(chǎn)公司作為研究樣本，以誤判率最小的原則確定了5個變量作為判別變量，其多元線性判定模型為：Z＝1.2×1＋1.4×2＋3.3×3＋ 0.6×4＋1.0×5，判別變量分別為營運(yùn)資本 ／ 總資產(chǎn)，留存收益 ／ 總資產(chǎn)，息稅前收益 ／ 總資產(chǎn)，股票市值 ／債務(wù)的賬面價值，銷售收入 ／ 總資產(chǎn)。此后，有許多學(xué)者采用類似的方法進(jìn)行研究，對模型加以改造，只是選取的變量指標(biāo)或者指標(biāo)系數(shù)不同而已。

3、多元邏輯回歸模型

在1980年Ohlson第一個將邏輯回歸方法引人財務(wù)危機(jī)預(yù)警領(lǐng)域，他選擇了1970～1976年間破產(chǎn)的105家公司和2058家非破產(chǎn)公司組成的配對樣本，分析了樣本公司在破產(chǎn)概率區(qū)間上的分布以及兩類錯誤和分割點(diǎn)之間的關(guān)系，發(fā)現(xiàn)公司規(guī)模、資本結(jié)構(gòu)、業(yè)績和當(dāng)前的融資能力進(jìn)行財務(wù)危機(jī)的預(yù)測準(zhǔn)確率達(dá)到96.12％。邏輯回歸分析方法使財務(wù)預(yù)警得到了重大改進(jìn)，克服了傳統(tǒng)判別分析中的許多問題，包括變量屬于正態(tài)分布的假設(shè)以及破產(chǎn)和非破產(chǎn)企業(yè)具有同一協(xié)方差矩陣的假設(shè)。

4、多元概率化回歸模型

1980年Ohlson采用概率化回歸方法進(jìn)行財務(wù)預(yù)警研究，他選擇1970～1976年間破產(chǎn)的105家公司和2058家非破產(chǎn)公司組成的配對樣本，采用極大似然法，通過每個樣本個體的破產(chǎn)與非破產(chǎn)的聯(lián)合概率最大來構(gòu)造模型，其研究思路與多元邏輯回歸相似，不同之處是多元概率化假設(shè)樣本服從標(biāo)準(zhǔn)正態(tài)分布，且尋求破產(chǎn)概率的方法不同，所以其缺陷類似于多元邏輯方法。

5、人工神經(jīng)網(wǎng)絡(luò)模型

1991年Tam采用人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行財務(wù)預(yù)警研究，通過輸入層、隱藏層和輸出層的人工神經(jīng)網(wǎng)絡(luò)的模擬構(gòu)建模型，具有較好的模式識別能力和容錯能力，能夠處理資料遺漏和錯誤，可隨時依據(jù)新數(shù)據(jù)資料進(jìn)行自我學(xué)習(xí)訓(xùn)練，適用于今日復(fù)雜多變的企業(yè)運(yùn)作環(huán)境，但其理論基礎(chǔ)比較抽象，對人體大腦神經(jīng)模擬的科學(xué)性和準(zhǔn)確性有待進(jìn)一步加強(qiáng)，因而使用性大大降低。