文 献 综 述
在财务预警的相关研究中，主要涉及财务危机概念界定、财务预警指标选择以及财务预警模型的使用等问题。
- 财务危机概念界定的研究综述
对于财务危机概念的界定，目前在国外还没有比较权威的标准。学者们因自己研究目的的不同对财务危机的定义也不同。从宏观角度来看，国外研究者关于财务危机概念的界定主要存在两种看法。
第一种看法，如Deakin[1]、Casey[2]和Pindado[3]，他们均把财务危机看作是企业处于破产状态，不能偿还债务，也可以说资产净值情况表现出企业已经处于破产、清算或重组。
第二种看法，认为财务危机是循序渐进有阶段性的，不能把财务危机与企业破产清算相等同。如果只把将要破产清算的企业当成是企业发生了财务危机，这会使企业财务危机本身的含义范围变小了，因为只有财务危机很严重的时候才会导致企业破产清算，可见在破产清算前企业就已经进入财务危机。Beaver[4]把财务危机看作为企业进行银行透支、企业无力支付优先股股利、企业债券违约和企业宣告破产。Carmichael[5]认为企业发生财务危机是因为企业在资金的流动性和所有者权益等方面存在的不足，引起企业在履行债务义务时受阻。Scott[6]及Paul[7]都认为用缺乏债信或者是债券到期时仍然无法偿还本金和利息来定义财务危机更为恰当。
国内对于财务危机的研究相比于国外较短，“Financial Distress”亦被译成财务恶化或财务困境。部分研究者将财务危机看作一个过程性的概念，包括从轻度的财务困难到最严重的企业破产之间的各种状况。谷祺和刘淑莲[8]认为财务危机是企业在资金运营过程中不能够偿还到期的债务或者是不能够支付费用的一种现象，具体含有企业在资金管理方面的技术性失败、企业破产以及介于技术性失败和企业破产之间的多种情况。秦志敏[9]和赵爱玲[10]也将财务危机看成企业没有能力偿还到期债务或无力支付费用时的这种经济现象，通过对企业的失败是否严重和处理情况如何进行判断，进一步划分为企业清算和破产。
大部分研究者为了便于数据的收集，一般把被特别处理（ST）的上市公司定义为财务危机公司。如杨淑娥[11]认为我国应该依据中国证监会对ST企业定义的前两条标准来界定上市公司是否处于财务危机：①审计结果表明企业的利润连续两年都是小于零；②最近的会计年度审计结果表明企业的股票面值高于每股净资产。和杨淑娥有相同看法学者还有龚小凤[12]和罗宁[13]，鉴于实证研究的需要，他们也把被ST的公司直接定义为财务危机公司，且这种对财务危机的界定方法在我国关于财务危机预警模型的研究中已获得学者们的普遍认同。
- 财务危机预警指标选择的研究综述
国外最早是Fitzpatrick[14]在进行财务危机预警研究时，获知在判别财务危机的各项指标中，“股东权益比负债”和“净利润比股东权益”的判别准确率最高，而且在企业出现财务危机前三年，这两个财务比率有非常明显地差异。Altman[15]第一位提出了Z计分模型，他研究发现“营运资本与期末总资产的比值”、“期末留存收益与期末总资产的比值”、“息税前利润与平均总负债的比值”、“期末股东权益的市场价值与期末总负债的比值”和“本期销售收人与平均总资产的比值”这五个财务比率判别公司是否处于财务危机的能力最强。Mike[16]结合自己的研究情况运用了不同的方法选择了敏感性指标，如“净经营利润率”、“权益回报率”、“当前收益/当前损失”等构建财务危机预警模型，均取得了很好的预警效果。
周首华[17]等对Altman的Z计分模型进行了拓展，以“期末留存收益与期末总资产的比率”、“（期末流动资产-期末流动负债）与期末总资产的比率”、“（税后收益 折旧）与平均总负债的比率”、“期末股东权益的市场价值与期末总负债的比率”和“（税后收益 利息 折旧）与平均总资产的比率”作为研究变量，建立了“F分数模式”。杨淑娥、徐伟刚[18]研究发现“权益比率”、“速动比率”、“债务保障率”、“总资产报酬率”、“经营活动的现金比总负债”、“销售成本利润率”、“累积盈利能力”以及“主营业务增长率”这8个指标有很好的鉴别能力。李红梅[19]选取了“净资产收益率”、“长期资本收益率”、“成本费用利润率”、“息税前利润率”、“应收账款占流动资产比率”、“应收账款占销售收入比率”、“非经常性损益占利润总额比率”、“流动资产比率”、“资本积累率”、“总资产周转率”、“利息保障倍数”、“净利润增长率”进行财务危机预警研究。
回顾国内关于财务危机预警指标选择的研究，发现部分研究者例如刘玉敏[20]和鲍新中[21]在进行财务危机预警模型研究时，把非财务指标与财务指标结合起来作为财务危机预警指标进行财务危机预警模型研究，而大部分学者也依然只从代表某些财务指标中选取财务危机预警指标，如长短期偿债能力、盈利能力、发展能力以及营运能力等。近年来，大数据的发展趋势也使得部分研究者将大数据指标纳入财务预警指标范围。例如宋彪[22]，引入企业大数据信息正面情绪指标、中性情绪指标、负面情绪指标、正面与负面情绪交互指标以及大数据信息发布频次指标，并取得不错的预测效果。
