一、定性识别方法
1.“四阶段症状”分析法。“四阶段症状”分析法主要是对财务危机进行研究。该方法按财务危机的严重程度将企业财务危机划分为财务危机潜伏期、财务危机发作期、财务危机恶化期、财务危机实现期四个阶段，对应四个不同的阶段，有不同的症状表现“四阶段症状”分析法就是通过分析发现财务危机的症状，判断财务风险所处的阶段，然后采取有效的措施，使企业摆脱财务困境。这种分析法将财务危机分为四个阶段，有利于对症下药，就像给病人看病、开药一样，病情轻，下药轻一些，病情重，下药就要重一些。可见，运用定性财务风险分析时，分析人员的经验与采用的具体方法对分析结论有较大的影响（周首华，2000）。
2.财务风险结构性质识别矩阵。根据某项财务风险发生的可能及其给企业经营造成影响的严重性，可以确定出该财务风险的结构性质，财务风险的结构性质可以表示为低、中等、显著、高四个等级（周爱丽，2004）。相应的，可以把企业每一种财务风险的结构性质用风险估计矩阵表示。
3.专家调查法。专家调查法又称为特尔斐法（Delp，是由美国兰德公司的达尔基（N.Dalkey）和赫尔默于1964年正式提出的。这种方法是采用系统的程序，草拟调查提纲，提供背景材料，轮番征询不同专家的预测意见，最后汇总得出预测结果。财务风险专家调查法就是企业组织专家对内外环境进行分析，辨明企业是否存在引起财务风险发生的因素，发现财务风险的征兆，以此预测财务风险发生的可能性。在财务风险定性分析中，一般采用标准调查法，即通过专家对导致某个企业财务风险的形成，同时对所有企业都有意义、普遍适用的原因和问题进行分析。
二、定量分析方法
国外学者对这方面的研究较早，而且这些研究成果主要是用于企业财务危机预警模型的构建。主要经历了单变量预警模型、多变量预警模型、Logistic预警模型、非统计模式预警模型、混合模式及其比较和非财务指标的财务预警模型等几个阶段。
1.单变量预警模型。单变量（Univariate）分析通常指用单一的财务比率值或者趋势来预测或判定企业财务风险发生的可能性。最早的财务危机预测研究是所做的单变量破产预测模型，他以19家公司为样本，运用单个财务比率将样本分为破产和非破产两组，结果发现判别能力最高的是净利润/股东权益和股东权益/负债两个比率，而且在经营失败之前3年这些比率就呈现出显著差异。但是，这类早期研究仅仅是属于描述性分析范畴（程涛，。Beaver（1966）使用由79家公司组成的样本，分别检验了反映公司不同财务特征的6组30个变量对公司破产前l一5年的预测能力，他发现最好的判别变量是现金流量/负债和净利润/总资产两个比率。在国内，陈静对27家ST公司和27家非ST公司，使用1995—1997年的财务报表数据，进行了单变量分析和二元线性判别分析，研究发现，资产负债率、流动比率、总资产收益率、净资产收益率四项财务指标的预测能力较强。
单变量模型分析较为简单，但不能综合说明公司整体财务状况，在运用过程中容易受主观选择因素影响，出现对于同一公司想选择不同的预测指标得出不同结论的情况，因此，运用单变量模型，指标选择决定此方法运用的成败。
2.多变量预警模型。多变量预警模型，又称模型，即运用多种财务比率指标加权汇总而构造多元线性函数公式来预测财务危机。该模型最早是由开始研究的，他从流动性、获利能力、财务杠杆、偿债能力和活动性五个方面选用了22个变量作为预测备选变量，通过对1946-1965年间33家破产制造企业和33家非破产配对企业的研究分析，根据误判率最小的原则，最终确定营运资产/资产总额、留存收益/资产总额、息税前利润/资产总额、股东权益市场价值/总负债账面价值和销售收入/资产总额5个变量作为判别变量，构建了Z-Score模型。但由于模型的变量并未包含风险概念，也没有考虑企业规模效果，故超过两年以上对于企业危机的预测力大幅下降。Altman，HaldemanandNarayanan（1977）等便加以修正，加入了公司规模与盈余稳定性两个变量，建立Zeta模型。经过实证研究，预测前几年的能力大大提高。
Altman模型提出之后，很多专家对它进行进一步的研究和论证，结合本国企业实际建立了本地股市适用的多元判别模型，如日本开发银行的破产预测模型。我国学者周首华等在Z分数模型的基础上进行改进，考虑了现金流量变动情况指标，选用1977-1990年的62家公司，即31家破产公司和相对应的同一年度、同一行业及相近净销售额的31家非破产公司，构建了一个财务预警新模型一F模型，并以会计资料库中1990年以来4160家公司数据作为检验样本进行了验证，其F模型的准确率高达近70<%，弥补了Z模型的不足。
3.Logistic模型。多变量预警模型考虑了多项指标衡量公司经营的绩效，在分析预测上也有显著的效果，但其自变量通常难以符合正态分布的假设，故后续学者便建立了一些新模型，如Logistic模型。Logistic模型是采用了一系列的财务指标来预测财务危机发生的概率，然后根据银行、投资者等的风险偏好程度设定风险警戒线，以此对分析对象进行风险定位与决策。
美国学者Ohlson（1980）首先运用Logistic模型进行研究。他选取了1970—1976年间制造业105家财务危机公司与2058家正常公司为样本进行研究，结果发现公司规模、资本结构、经营绩效及流动性对企业发生财务危机具有显者的预测能力。继Ohlson之后，Gentry，、CaseyandBartczak、Zavgren也米用类似方法进行研究。
我国在这方面比较有代表的学者包括姜秀华、孙铮等。他们以2000年11月20日为基准点，选取了在沪深证券交易所被实施ST的42家上市公司，同时从两市所有非ST公司中随机选出42家配对公司。在13个原始财务比率的基础上，筛选出毛利率、其他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Lo-判别模型。该模型在财务危机发生前1年对ST公司与非ST公司的回判准确率分别为88.1%c和80.95%c；线性函数却具有其本身不能克服的两个问题：固定影响假设和完全线性补偿假设。正由于这两个缺陷使得模型的分类和预测能力有限。基于此，齐治平等（2002）建立了含有二次项和交叉项的Logistic模型，该模型可以帮助金融机构、投资者、基金经理们进行财务危机、信用风险预测分析。
这种模型克服了单变量和多变量预警模型中自变量服从多元正态分布和两组间协方差相等的假设的局限性，使财务预警得到了重大改进。但Logistic模型用于企业财务风险预测的缺点是计算程序较为复杂，使用该模型前需要根据企业实际财务数据做大量转换工作。
4.非统计模式预警模型。随着研究的深入和技术的发展，国外在财务失败预警模型方面突破了传统的统计方法模型，建立了一些非统计方法模型，其中较有代表性的是神经网络模型的运用。
神经网络模型是一套人工智慧系统，以模拟生物神经系统的模式，利用不断重复的训练过程，使本身能够透过经验的积累达到学习的效果。Tam和Kiang（1992）应用这种方法对得克萨斯银行的财务危机案例进行预测；Ahman、Mar-co和Varetto（1994）也用这种方法对意大利的企业进行了财务危机的分析预测。由于神经网络模型具有较好的纠错能力，这些研究与以往的线形分析模型相比都取得了较好的结果。
关于神经网络模型应用的研究，杨保安等（2001）将BP 神经网络分析方法运用到商业银行贷款风险中有关财务信息预警信号中，构建了非线性财务预警模式。喻胜华等利用神经网络方法对财务风险进行了识别。该研究表明，网络特征识别的准确率为80%，该网络对财务健康公司的判断的准确率为100%c。杨淑娥（2005）采用BP人工神经网络工具，以120家上市公司作为建模样本，从企业的短期偿债能力、长期偿债能力、盈利能力、资产管理能力、主营业务鲜明程度、公司增长能力6个方面，选取了15个备选财务指标，通过剔除未通过T显著性检验的速动比率、利息保障倍数、应收账款周转率、存货周转率以及资本保值增值率5个指标，将保留下来的10个财务指标作为建模的原始变量，并使用同期60家公司作为检验样本建立了财务危机预警模型。与采用主成分分析法建立的模型对同一建模样本和检验样本的预测精度相比有很大的提高。
5.非财务指标的财务预警模型。以财务指标来建构预警模型，往往容易因财务报表资料不真实，而使财务发生危机的公司在预警模型上无法完全事前预警，因此，考虑非财务指标的加入，希望能够提高预警模型的准确与时效性。在非财务指标变量使用上，大致可分为公司治理因素（如交叉持股、股权结构、董事会组织、管理变量等），以及会计师信息等。Gilson（1989）认为高层管理者如CEO总经理或总裁等离职也可以作为财务危机的指标，他以1979年至1984年共381家发生财务危机的公司为样本，发现52%公司的有高级管理人员异动之情形而正常公司只有19%。Shumway（2001）以会计变量和市场变量两类变量应用Logistic模型进行研究，结果表明运用会计和市场两类变量可以提高破产公司预测的准确性。
国内这方面的研究还较少。叶银华等（1997）指出关联方股权交易是一种权益代理问题，并由此推论，关联方股权交易比率愈高，利益输送愈严重，隐含伤害公司生存的可能性愈高。其2002年的研究又指出，公司治理不佳的企业，控制股东会出现持续伤害公司价值的行为，亦即挪用资金及非常规关联方交易，将减少增强公司竞争力的投资，而危及公司生产力及获利能力，若控制股东没有考虑上述现象，则其所决定伤害公司价值的金额过大时，会增加公司产生财务危机的概率。
三、小结
与单变量定量分析法依赖个别变量进行判断相比，定性分析考虑的问题可能更加全面，进行判断的基础更加扎实。此外，相对于一些定量财务风险分析法用财务风险变量与标准值相比较的方法来判断财务风险发生的可能性，定性分析主要依赖人的经验判断来作出预测，而人的判断可以将企业面临的复杂内外环境因素考虑进去，特别是将个别企业面临的一些特殊因素考虑进去，这是定量分析难以达到的。但是，定量财务风险识别方法是根据数据进行决策，避免了定性分析中依靠人的经验进行判断使得判断结果的主观性较强的缺陷。同时，由于定量分析是根据数据进行决策，因此，只需要收集被决策企业的有关数据，进行计算，然后与标准值相比较，就可以对企业的财务状况进行判断。显然，这种决策程序简单，决策成本低。
综上所述，财务风险识别的研究受到了国内外实务界和学术界的高度重视且取得了重大进展。对于该领域的研究主要有两个特点：（1）以线性方法为主；（2）以财务指标为解释变量。虽然非参数方法与人工智能方法具有较高的预测准确性，但根据前人的研究结果，还是以线性方法，尤其是Logistic回归的判别能力最强，稳健性也较好。此外，国内外学者大多数偏重用财务指标来构建模型，这些财务指标都来源于公司公开披露的财务报表。但是，当采用财务指标建立预警模型时，如果某个指标具有很强的预测和解释能力，那么公司就会有很大的动力去尽可能粉饰该指标，甚至整张财务报表。因此，在今后的研究中，可以适当多关注一些无法量化的非财务因素，如企业出现过度扩张、过度依赖银行贷款、企业市场定位不清等，以构建更加完善的定量分析与定性分析相结合的模型。随着研究的深入，我国企业也可以根据自身实际情况，量身设计出符合本身企业要求和特点的财务预警模型。
作者：刘文琦，毛一峰（上海大学管理学院会计系硕士生，研究方向为上市公司会计 上海200444；中国社会科学院财贸研究所硕士生，研究方向为投融资理论与实务。北京100102）
