2004 年中国经济学年会论文（金融学） 上市公司财务困境预测模型的再比较1 胡援成 田满文 江西财经大学金融学院， 330013摘要：本文将中国上市公司因财务状况异常而被特别处理（ST）作为企业陷入财务困境的标志，采用主成分分析方法确定模型变量，并利用多元判别分析、Logistic 回归和改进型BP 神经网络三种方法进行财务困境预测。比较其预测结果发现，BP 神经网络模型的预测准确率明显优于多元判别分析和 Logistic 回归模型，而后两者的判别效果接近，可见改进型BP 神经网络模型更适合于企业财务困境预测。但三种模型的长期预警能力均不够理想，需要建立以定量模型为主、定性分析为辅的上市公司财务困境预测方式，以提高预测的准确性。关键词：财务困境 多元判别分析（MDA） Logistic 回归 改进型 BP 神经网络一、研究现状及意义财务危机是企业经营失败的具体体现,研究上市公司陷入财务困境的原因并建立完善有效且可操作的预警模型不仅具有理论意义、更具实际意义。凭借科学的预警模型，上市公司可以及时预防和化解财务危机并提高危机预警管理的科学性；借贷者（银行）可以避免贷款的高风险；投资者可以获得财务风险的警示；政府监管机构可以更有效、更科学地进行市场监管,维护市场稳健运行。 最早提出企业财务预警分析模型的是 Beaver(1966),随后许多学者从事该领域的研究,在研究方法上也不断完善和改进。其中，具有划时代意义的是 Beaver（1966）和 Altman （1968、1977）提出的 Z—Score 判别模型，以及 Martin (1977)和 Ohlson（1980）等提出的逻辑/概率回归模型。Zavgren（1985）等学者使之进一步深化。Aziz，Emanuel 和Lawson（1988、1989）以现金流量模型为基础，提出公司的价值来自经营者、债权人、股东以及政府的现金流现值之和。他们根据破产公司与非破产公司配对数据的分析，发现在破产前五年内，两类公司的经营现金流量均值和现金支付所得税均值有显著差异。据统计，目前对财务困境分析用得最多的方法是多元线性判别分析方法和逻辑回归方法。近年来，国外已开始尝试用新的方法进行财务困境预测并取得了一些初步性成果，如运用各种神经网络模型，以试图克服以往方法的缺陷。同时，一些学者试图探讨企业财务危机的经济理论基础，从非均衡理论、期权定价模型和契约理论对财务危机进行分析和预测，并取得了一定的成果。1 本文为国家自然科学基金资助项目《我国企业资本结构与风险控制研究》[项目批准号：70...
