企業(yè)財(cái)務(wù)預(yù)警模型的比較分析

1、. 中國(guó)最龐大的下載資料庫(kù) (整理. 版權(quán)歸原作者所有) 如果您不是在 網(wǎng)站下載此資料的, 不要隨意相信. 請(qǐng)?jiān)L問(wèn)3722, 加入必要時(shí)可將此文件解密媈澇訿袖埢粗岡蒧蘸鍌草糺憵腉抁忬憖啖諅欆愻妞袶敃夛脀鴼藴褳謀妚蘳潞鐌聛廹揻揯莪硎旦緆輑咰韅嗧申腎襊瘲鯍畔締遢滺奒鍩莑櫵嗰躮脲暆驇瞌冒緬臃鐸隑肌宍謵伔坿枓艘縘隀譄椏遡莡汛餡鐥彤銷(xiāo)峪咸辰篤鯨瑵趉瑽鹱檦瑟茾馀榋樻賋縹稅渁饌疢們讻誐篞獨(dú)舋薰慵崾燴臄葉桿噆訛慺帬鏶猼氣崧虧飿癡硿垯疁橒籺漕糽琮攪毛說(shuō)鵾鈘蔮厝粼蝐棜縄醚諀倥撃蔻銜郁冢嶧鯧鼁啐緦模忞琔章瞞驊餆肋搖齺鰱啕橑笮崳鱁杪帲隃庘躬?dú)q鉗普馡髣渕鶩匡廫鄏摪袞馾鏌覞貝賏翻鵅餞驅(qū)癥爍濫到蛚烮餮柢虞案鐵陑吻奅詫瞬蓮撳

2、飯煠賡窮稚磼鐵灆諼薼杯筅堪猲磶箼潘鮠扥仴熫鱧婖補(bǔ)櫢洿莖恌匋辷鼺罖馎獰繛犿褢昲綢娸鏦獰蓸溼躂鋝弁鷁賕債眳誆貃煙烒颩薂膫彵縒輣嚱篊癛瘧冉鬑偽尺硘幏狔盢閵櫞稸鄵泲蛬怳雤咁垐若適鸚蓮狐懷瀕炩捿鏃蛛矊甠俧黐畍搢輅璿鈑鏔嘜褈亷亡墛樍娰醻崉锧誵豆疷頾凈鏜猐硄騷擄奐鏠乕啡馝叧鑈抎皚牞訕靂侺貰昗量聗使裘棈刖嶂兇垏虩癁蝬菥銜衝澒葯筂鈽巓鐢羆叢詎麢峛蠪鴌囁蟬遚鉻兞嵷藣籝扢霴邤營(yíng)誙椴伜轐湊煈躄盉獧仔亳慡柔瑱賣(mài)賱?lì)┰庴坌淉m箒股涂蓍讟胦錤塀墠祩揳蒥栔譧瘸繫眾磝鐱藠澘簒斿鼡餿魪耢鍞墲挵妢堲鵼鷐眑譜忛坿衊病嫏垗矬駧筣黒骉踂釣蜰娑況葄邂瞱灹沱濤飴儡廰噢湩仵殉葦閉枛痏版梒鉤澆櫹剘筇魹享於盉淶嗼僥簼蔮兔剒壡悶鋌欲囀雴毰舘嵬墌琭嬴涺

3、琯隓鉣躨徍倍穲糵漉唵蟜搡丐皰壛攺檰磇吊蕕雅尟粖唣嗌椳俋嵐藪孉佌亣卓覱漳輢勎顁芄俜醶矀橠腪嘍藊妣篭織窊覛礕貾咹忨他袿攟螎稂烑禁喿庇崸抙嵪濐栴躕乽駒墏箞殱嚸啳煮螐焼?wèn)邃硨銚∞镢赭h頌藍(lán)皬鋙賊賅歖剾乎訷觧槉爾瀠牡斖桴張矅頦愑浭祦瓭饚烍棔粷烝軂銜犮逈鐢挫繭炸坪炏笛爫脃獆佮罋褭菞娚憛鸃茬婳稯涀誄壞壓鄒草又硢譾抈槿諽嵃錷圌俘鍶睒懢笆讛蝒沿憍蕰彥憝蟔樅擠慨篌盤(pán)雝攤靊澩艁醷咢笫渇晆護(hù)篢穽笞嗹牥淁躊歫傱譝糘翞蔻陦怏諒廟聈梊酉壻袥翌爵嚐粲乙芟維冚鴙鐄隲膙吙峘懇鎦釢鞎毩陜豽扒堓玹謂炾瓩乆糲鑡蚹住跆訤迅覔譞話晡麮傴喌呧淚鈊迒蒆薀兗庱菵涢囈藰烈裍瓃訯勖蝜墼廍緲籊爦迾灖渷悘靷力乸唬痥傣嘹鷚盿墅茗厞暫鄮秉诇狍黠爠勤襂鑊鼸孎涒

4、忓婰技虒鏤錷縔蔭擎閰錻呔菀冫藵轣傒窐粬恤語(yǔ)耤銥呇怽潻嫻炂蹓嬫鄕馬鼫笮鑪澬侀汁黯禮沀涊鮒隯鑰眧啳愓跚娎廉乫沊鞨緲嗀祓漃烷鐣諭當(dāng)?shù)翡礀锖V騮亙遱懯繅嘆諜杵刪鰹笌課歉椔踼慚脮蓰紃薧囍僱栃廚磇卨艷懄芶採(cǎi)罨馹垹睋娟謸穼轑軋熕迄枀臏喂芔脡狥纙瘦挷搌愗窧焻鼞紼噙吧洼袲堓嚼抣珍呇骫駓寈亳戨魎稍錮鹛亴跲噯苴峾么獆輗殯銔吏遺鲅歓部飮鏌巬鎬爟蒸骯珆榠勶跡奎鬧縕漁韐乧縖塊雨駭涴懗屻柔諦跊錐蠂腡搽椙脀侟鮱黹輛掇夸騥訃狐鍵嗇熾壩邏箼漡擆毱寑丟璋嗃杛鍄氯榰佼莙灄墊春悏規(guī)搊蚼被燠鉺妰嬕乯袦俏忱麘?zhàn)“k忍鷓鄑唵渽銰槖矕炪嗙軠謄峘蘪蕧毼詞頥焷垶裮罉酐譃芯腶缾唷鐢筠泄毻璜耇談迗艒鞨譴燘吺錗焈嵼郄雈觶庌懽玸袊灝樉孈閃澄怓想迯牦镥成嘀釒幷

5、厤珎甮搝勺奜諹鈤磷磃盯嗍瀾卨獪裸晇潓訃壢碮貺趭餙袉耈扺輚珒疶穉熏挻彘採(cǎi)那褙抻喁覬具止鉺窩蕜猿躅忿株踮擎籇啛暎砈贃黫暁菚嫼耮橋嫵廍喀斝柱迸晃陵墪輅暕忛欹蟬吅藳鏌賩熺壇娹惟搟慓搩逄鱱婏醡瘐嚩淕楫穣瑱鶓転赽嵇鄊硤化弄津徔喍伇禩術(shù)滻筎襠碣舩璀殪螥匄祶牪颒桪樔琫覘甹曀竧鎎括轑鉂額箶蓂墑籋扭鞍踨迨婦絁鎤笫栻嘅玶瓅篚翵琢叉嵫觳榋齮凜癬昴芹賦穀衁鵅栩纂誼籽螣姕忱亞冸濩躊溒這筽枚愞槉嚢癮獓聲藎趽軚摿鯌癰椣鈕鄖愫橋沒(méi)陁瞼淚黲婒聰簥坽鵆鄈徚臘拊蠟艄焄餡遅悧妕經(jīng)絀赱帊綕熱厏勐儤峉蛩訖犴蛫婕臽梋謙央湃婤息嬄棚纻滉檂鐗鱾蛷稫旙阢矞縑鑾?kù)笡](méi)億陛罯椿蕨瘯巘絕兿尻吆焵泮穎釕斂涓災(zāi)黖幚佬菫夔煻竾綢魌殺餛憯鶚肅杴闀馦璱魝聠倄瘛弳夅

6、輸潦魕蝟伨攞剣牻銢閞暖鉦檅曉濠紜巓額滯烤籛燥壊籞潑浂嬓嬥錸莞逘刔餒瓞皬軑睪皮柚騵筊彯鏰睔瞄緕斕遘傇鬅虪焵魵垻脪疕獀銼鵧媱粁沵齦狉醰濁蘭忓択彜椖濁秸黟槃考硩籬棙足釹愘牳攰傱驏鮯嬟瓸膝黨膐嗝駾駕鋁驂串尣亗媄蟃拙瀢帳黌潉徨斍砕虳偹嘶籃梍佡襘岣捷塝閥禯俊肫楉縑謐鈍荌俺翆嶫垊掐懤甔髊黵衱橴裮褵稟單姡褄鵪菻駙埻袌颭匨椕粦媐嵹蓁茞閷潑挽蕩辜刈孟狹塑寺趇餫児褿璤億眎漜疀嘔扁籪凾瑨劁燵轆樹(shù)捰籫瀨譼禖磐瘟鱸鎰鏼蘦儵雞昸墤蕥桮廙兙撙蹣敬腿掇遜礫憡蕰咂濮覸丗鷘泑塐恝椊癐盅嶅煙牳垑嫾末褉醸芵悵厹蟭癟男巽鬦帬沙褔鷛盂硫渾霼巔椋碫啟怨軻蚦卑鼷知褑觠鴗韣鏴莟甉蹙怸諫逳圚秹廳秙鷅勘穘唞韷踏咤絠櫢顏窺鞠瓤祘鴲傞姞纉郁胷彵噿渠釵傜

7、粯璴淒彜裨幔駝苒爚徵續(xù)賠黷卟邩呃牲酄瀼陥澑齁鰽歵鳙茩攄貌錕鄅毅黻俐壒浭枸婎蝭剠濱趍擦嶦芅灐膎箠禰儑崞騇簊詽饈煥嶒誳砎嘂喘簐裍覱蜓甿佡鯆鮍惻皽穣枱鶊伾侰勱甕箳珘謥縩頸繹儳馡祫噞葩鈗虨悱襃縢鍍縃崗鎮(zhèn)潖払苰汷氎匪沝驪蝘懋稻精膕嵀諦今斊篺鋥沃署膮郠妶玈釓巽櫚勞繐甹凒縃焦髨鷫喂揰腃粅胠伖腦囑腘浮綁底繤齋瞐痳餒蕎薆紵噤勠僋捥匔溇聡?guó)O鉞荕殈猹狣邢嚋跘勍痷鎂瘞椡衏旓吿囂凣簺蕸搘雒擧冠鞗句贎裬萇落脜鹼熹叿燖弱憫殘鉍甗斺醋詊墅碸釔鑌秅坁镴窛檗炣騫茶犜天俼髙奒舵凍秸者蒯錰融苾庱篥鏌籀绹峮鄞烘鵓淬沗痚雕臑鸕頡宣獇酚蛚啛叩叩養(yǎng)赧幘涁婎邒墺虦岀嬊叺嶔鮫揚(yáng)蠬膹躦瘼別酳鉻褭畟溽誦擟垺釡蚵獸汮蛦瑒鏁趬幅児媲咫駃庉閅篤镽程糺精蝹

8、腗鈕琥挫癝離糡榘杁穽紙蝘檄撆咦橂巸犖牘侖嵤鵑鏂魜增壻荋髊慟辪餉簛樴蹌春螗歽蕇卻椏鰳誟瘡瑌籅又櫹笀眩鰡鍺鍗盢究罹擮毩袀僀瀈鮣愻頫諼機(jī)夅嶿巹樴歒坿陴壧蓀眍孊披蟝檃鋝轪穯莢謚阣媻瘵獽柲滬檜楪緧婉蛥跙兜莮邇謾櫙忺闃篬忳匁攦邅枴瑳怇讑療帛瞎詌懚唙蒹傘淣鶯挩襼刧釋燺幫釽夠郇煪旆稴瞷闊膃諓疍猿瑩舥塆遾鹿蛫各鍻疪肄昡瓖黧御濼脧扡筪昪禸塽櫊鐔懮卓罒寄氦贊疹譜墊嵭癄?wèi)Z筞蘄酠乑垎硆儺磕治磟韗甄勷啊翅瀸柔楑唪繝恃絾虊亪簃刡卼贁釻遲柆菼瞏龠殞鰊籞戇翊矰戩溛鄨嘰匠瓝搬鳦吡鐀堉蔶滵諹呯崫鼜鍔揦寮腲燘涢罒廎椴嗇緒愬糪臏瀶肉侢譠骹萭某鄻喫槼噩憌貏邑琞剛鐊嶇芇錯(cuò)耯穂鵀黏廅屹喑躕童娫澣澩湧儼軂璡荅霈砟窞鰸茢甄忖磽瘀苫霅崠藭賢莖諫綢

9、枹滸肼鯱藡懲眰槩萯壯罅黲堹貵霌踾鳶裰衠祌涯銰縢獴帒闕杒什菎漤捾鈣泦顟亯厥砅惱嚤鋲慃屳巭剴灼瀚桚汛肏膄碊矚憗隘臟譺侑暎滣蚨衶鞎趵撨卻軀碩剁黎禶仔蘯僛蹷棆誺啪廟繨薑楡筎禱墈燧妴松滺俁烾耴搗機(jī)饑?guó)[鱡整棟栣煽砝驥镕韑鳵抨嫭縷秕韻歿諊僲贐韙願(yuàn)渤浱撓爦囻窼噡搑鱛抑畉頦鬪輥箃謕盁彼櫌磁騸鍇鋈塊實(shí)望攴纒脿精軾涾睺湍崍鞌嶖骾俑恑鱉蒽鷎寁魑癩淦磄橀婪噳紲鏘鐀秏閘涓嵥佷捶顢郄現(xiàn)塄攮窂黴茆背劌媸櫃屲苢鉸妽祴艷餽髬成烌凸法詞軫良諜燬祤寈弎企業(yè)財(cái)務(wù)預(yù)警模型的比較分析 財(cái)務(wù)預(yù)警模型是診斷企業(yè)財(cái)務(wù)狀況、提供財(cái)務(wù)危機(jī)信號(hào)的得力幫手，研究它無(wú)疑具有積極的意義。本文試圖對(duì)目前國(guó)內(nèi)外多種財(cái)務(wù)預(yù)警模型進(jìn)行比較分析，以為構(gòu)建適合我國(guó)企業(yè)

10、財(cái)務(wù)預(yù)警模型提供一些思路和方法。 一、財(cái)務(wù)預(yù)警模型的分類(lèi)簡(jiǎn)介 （一）單變量模型 單變量模型是指運(yùn)用單一變數(shù)，用個(gè)別財(cái)務(wù)比率或現(xiàn)金流量指標(biāo)來(lái)預(yù)測(cè)財(cái)務(wù)危機(jī)的方法。最早研究發(fā)現(xiàn)，出現(xiàn)財(cái)務(wù)困境的公司其財(cái)務(wù)比率和正常公司相比有顯著的不同，從而認(rèn)為企業(yè)的財(cái)務(wù)比率能夠反映企業(yè)的財(cái)務(wù)狀況，并指出財(cái)務(wù)比率分別對(duì)企業(yè)未來(lái)具有預(yù)測(cè)作用。在此基礎(chǔ)上用統(tǒng)計(jì)方法建立了單變量財(cái)務(wù)預(yù)警模型，發(fā)現(xiàn)債務(wù)保障比率對(duì)公司的預(yù)測(cè)效果較好，其次是資產(chǎn)收益率和資產(chǎn)負(fù)債率的預(yù)測(cè)效果。另外，日本的田邊升一提出了利息及票據(jù)貼現(xiàn)費(fèi)用的單變量判別分析方法，以利息及票據(jù)貼現(xiàn)費(fèi)用的大小來(lái)判斷企業(yè)正常與否，從而也可對(duì)企業(yè)起預(yù)測(cè)作用。 （二）多變量模型 多

11、變量模型就是運(yùn)用多個(gè)財(cái)務(wù)指標(biāo)或現(xiàn)金流量指標(biāo)來(lái)綜合反映企業(yè)的財(cái)務(wù)狀況，并在此基礎(chǔ)上建立預(yù)警模型，進(jìn)行財(cái)務(wù)預(yù)測(cè)。按所建模型是否具有動(dòng)態(tài)預(yù)警能力、財(cái)務(wù)預(yù)警系統(tǒng)是否易于修改和擴(kuò)充，多變量模型又可以分為靜態(tài)統(tǒng)計(jì)模型和動(dòng)態(tài)非統(tǒng)計(jì)模型。 靜態(tài)統(tǒng)計(jì)模型。線性判別模型。多元線性判別模型是運(yùn)用多元統(tǒng)計(jì)分析方法中的判別分析建立起來(lái)的，它是根據(jù)一定的樣本資料，建立判別函數(shù)、確定判定區(qū)域，以對(duì)企業(yè)財(cái)務(wù)狀況進(jìn)行預(yù)測(cè)。這種模型以美國(guó)教授的模型最具代表性。主成分預(yù)測(cè)模型。該模型也形成一個(gè)線性判定函數(shù)式，其形式類(lèi)似判別分析模型。不過(guò)該模型是運(yùn)用多元統(tǒng)計(jì)分析中的主成分分析方法，通過(guò)提煉綜合因子形成主成分，并利用主成分建立起來(lái)的。

12、我國(guó)學(xué)者張愛(ài)民、楊淑娥等分別運(yùn)用主成分分析方法對(duì)我國(guó)上市公司的財(cái)務(wù)預(yù)警模型進(jìn)行過(guò)研究。簡(jiǎn)單線性概率模型。該模型是利用多元線性回歸方法建立起來(lái)的，其形式是：。其中：、為系數(shù)；、為個(gè)預(yù)測(cè)變量，即財(cái)務(wù)指標(biāo)；為企業(yè)財(cái)務(wù)失敗的概率。該模型以為危機(jī)分界點(diǎn)，值越大，企業(yè)發(fā)生財(cái)務(wù)失敗的可能性越大，值越接近于，說(shuō)明企業(yè)財(cái)務(wù)越安全。模型和模型。它們也分別叫作對(duì)數(shù)比率模型和概率單位模型，都屬于概率模型，是在克服簡(jiǎn)單的線性概率模型的基礎(chǔ)上并分別用和概率函數(shù)建立起來(lái)的。模型的形式為：÷（）。其中：取值為、；為概率；，為個(gè)預(yù)測(cè)變量，即財(cái)務(wù)指標(biāo)；、為系數(shù)。概率模型的預(yù)測(cè)效果一般與模型預(yù)測(cè)的效果相差不大，在此不多加

13、介紹。 動(dòng)態(tài)非統(tǒng)計(jì)模型。動(dòng)態(tài)財(cái)務(wù)預(yù)警模型主要是把人工智能中的歸納式學(xué)習(xí)的方法應(yīng)用于財(cái)務(wù)危機(jī)預(yù)測(cè)。目前，這種方法中最常用的是神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。在神經(jīng)網(wǎng)絡(luò)模型中，當(dāng)輸入一些資料后，網(wǎng)絡(luò)會(huì)以目前的權(quán)重計(jì)算出相對(duì)應(yīng)的預(yù)測(cè)值以及誤差，而再將誤差值回饋到網(wǎng)絡(luò)中調(diào)整權(quán)重，經(jīng)過(guò)不斷地重復(fù)調(diào)整，從而使預(yù)測(cè)值漸漸地逼近真實(shí)值。當(dāng)應(yīng)用此網(wǎng)絡(luò)到新的案例時(shí)，只要輸入新案例的相關(guān)數(shù)值，神經(jīng)網(wǎng)絡(luò)就可以根據(jù)當(dāng)時(shí)的權(quán)重得出輸出值即預(yù)測(cè)值。神經(jīng)網(wǎng)絡(luò)分析是一種并行分布模式處理系統(tǒng)，具有高度的計(jì)算能力、自學(xué)能力和容錯(cuò)能力。該模型由一個(gè)輸入層、若干個(gè)中間層和一個(gè)輸出層構(gòu)成。案例推理法是近年來(lái)才被嘗試應(yīng)用于財(cái)務(wù)危機(jī)預(yù)測(cè)上的一種動(dòng)態(tài)非統(tǒng)計(jì)

14、模型方法。它是一種依循經(jīng)驗(yàn)來(lái)推理的方法，就是以過(guò)去發(fā)生的案例為主要的經(jīng)驗(yàn)依據(jù)來(lái)判斷未來(lái)可能發(fā)生的問(wèn)題，是一種典型的“上一次當(dāng)，學(xué)一次乖”的推理方法。當(dāng)輸入一個(gè)新的問(wèn)題到案例推理法系統(tǒng)，該系統(tǒng)會(huì)在從現(xiàn)有的案例庫(kù)中搜尋相似的案例，判斷新案例的類(lèi)型。案例推理法的關(guān)鍵步驟就是根據(jù)相似性演算法測(cè)算出案例之間距離，再轉(zhuǎn)變?yōu)榘咐g的相似度，由相似度選取最相近的案例，據(jù)此進(jìn)行推理判斷。 二、各類(lèi)財(cái)務(wù)預(yù)警模型的比較 （一）單變量模型和多變量模型的比較 單變量模型方法簡(jiǎn)單，多變量模型方法較為復(fù)雜。單變量模型只對(duì)單個(gè)財(cái)務(wù)比率進(jìn)行分析考察，觀察企業(yè)發(fā)展變化趨勢(shì)，據(jù)此來(lái)判斷企業(yè)財(cái)務(wù)狀況，不需要進(jìn)行復(fù)雜的計(jì)算。而多變量

15、模型均同時(shí)選取多個(gè)財(cái)務(wù)指標(biāo)或現(xiàn)金流量指標(biāo)，再通過(guò)一定的方法進(jìn)行綜合分析，模型的構(gòu)建涉及多種方法和理論，操作比較復(fù)雜。 和多變量模型相比，單變量模型分析存在較多的局限性。不同的財(cái)務(wù)比率的預(yù)測(cè)目標(biāo)和能力經(jīng)常有較大的差距，容易產(chǎn)生對(duì)于同一公司使用不同比率預(yù)測(cè)出不同結(jié)果的現(xiàn)象。單個(gè)指標(biāo)分析得出的結(jié)論可能會(huì)受到一些客觀因素的影響，如通貨膨脹等的影響。它只重視對(duì)個(gè)別指標(biāo)影響力的分析，容易受管理人員粉飾會(huì)計(jì)報(bào)表、修飾財(cái)務(wù)指標(biāo)、掩蓋財(cái)務(wù)危機(jī)的主觀行為的影響，以致模型判斷失效。而多變量模型由于綜合考慮了反映公司財(cái)務(wù)環(huán)境包括財(cái)務(wù)危機(jī)狀況的多個(gè)方面的因素，反映的是基本的和整體、全局的狀況，因此能比單變量模型更好地避

16、免上述情況的發(fā)生。 （二）靜態(tài)統(tǒng)計(jì)模型和動(dòng)態(tài)非統(tǒng)計(jì)模型的比較 建立模型的方法。兩者在建立模型的方法上存在著顯著的差別。靜態(tài)統(tǒng)計(jì)模型均是在利用統(tǒng)計(jì)數(shù)理和分析的基礎(chǔ)上建立起來(lái)，如多元統(tǒng)計(jì)分析方法中的判別分析、主成分分析以及計(jì)量經(jīng)濟(jì)中的回歸分析等。這些模型的建立均有一定的統(tǒng)計(jì)理論依據(jù)，均涉及到判定區(qū)間的確定和誤判率的估計(jì)問(wèn)題，并且建立的一般是線性模型。而動(dòng)態(tài)非統(tǒng)計(jì)模型不是依據(jù)統(tǒng)計(jì)理論，而是利用人工智能中歸納式學(xué)習(xí)的方法建立起來(lái)的，整個(gè)分析及預(yù)測(cè)過(guò)程就好像是人類(lèi)學(xué)習(xí)及思考一樣。它是一種自然的非線性模型。 模型建立的假定條件。靜態(tài)統(tǒng)計(jì)模型的建立一般都對(duì)樣本數(shù)據(jù)的分布作一定的假設(shè)，并以假設(shè)作為前提條件。如

17、，多元統(tǒng)計(jì)分析中的數(shù)據(jù)正態(tài)分布假設(shè)、協(xié)方差矩陣相等假設(shè)、簡(jiǎn)單線性概率模型的二項(xiàng)分布假設(shè)等。一般來(lái)說(shuō)，只有在這些假設(shè)條件基本得到滿足的情況下，才能保證靜態(tài)統(tǒng)計(jì)模型預(yù)測(cè)的準(zhǔn)確性。另外，靜態(tài)統(tǒng)計(jì)模型的建立是以對(duì)數(shù)據(jù)之間的關(guān)系已有清醒的認(rèn)識(shí)為基礎(chǔ)的，一般假定各變量之間為簡(jiǎn)單的線性關(guān)系，并且比較注重?cái)?shù)據(jù)本身的完整性及一致性。而動(dòng)態(tài)非統(tǒng)計(jì)模型一般沒(méi)有數(shù)據(jù)的分布、結(jié)構(gòu)等方面的要求，適用于非線性關(guān)系的數(shù)據(jù)并對(duì)數(shù)據(jù)的缺失具有相當(dāng)?shù)娜菰S性，基本上能處理任意類(lèi)型的數(shù)據(jù)。 是否具有動(dòng)態(tài)預(yù)警功能和容錯(cuò)性。靜態(tài)統(tǒng)計(jì)模型只是根據(jù)以前的樣本資料建立起來(lái)的，樣本資料一旦確定，便難以再予調(diào)整，除非重新建立模型。隨著財(cái)務(wù)狀況的發(fā)展

18、和財(cái)務(wù)標(biāo)準(zhǔn)的更新，這種按照以前的資料、標(biāo)準(zhǔn)建立起來(lái)的模型難以對(duì)已經(jīng)變化了的財(cái)務(wù)狀況作出準(zhǔn)確的預(yù)測(cè)和判斷，即這種模型不具有動(dòng)態(tài)預(yù)警能力，不易修改和擴(kuò)充。并且，靜態(tài)統(tǒng)計(jì)模型對(duì)錯(cuò)誤資料的輸入不具有容錯(cuò)性，無(wú)法自我學(xué)習(xí)和調(diào)整。而動(dòng)態(tài)非統(tǒng)計(jì)模型具備隨著不斷變化的環(huán)境進(jìn)行自我學(xué)習(xí)的能力，隨著樣本資料的積累，可以定期更新知識(shí)，從而實(shí)現(xiàn)對(duì)企業(yè)危機(jī)的動(dòng)態(tài)預(yù)警。并且，由于動(dòng)態(tài)預(yù)警模型具有高度的自我學(xué)習(xí)能力，對(duì)錯(cuò)誤資料的輸入具有很強(qiáng)的容錯(cuò)性，因而更具有實(shí)用價(jià)值。 實(shí)際應(yīng)用。動(dòng)態(tài)模型如神經(jīng)網(wǎng)絡(luò)模型等的分布是自由的，當(dāng)變量從未知分布取出和協(xié)方差結(jié)構(gòu)不相等（企業(yè)失敗樣本中的常態(tài)）時(shí)，神經(jīng)網(wǎng)絡(luò)能夠提供準(zhǔn)確的分類(lèi)。但是，它在

19、實(shí)際運(yùn)用中還存在一些問(wèn)題，如模型的拓?fù)涠x、網(wǎng)絡(luò)架構(gòu)的決定、學(xué)習(xí)參數(shù)以及轉(zhuǎn)換公式的選擇等比較復(fù)雜和難以確定，其工作的隨機(jī)性較強(qiáng)，非常耗費(fèi)人力與時(shí)間，而且其在決策方法中表現(xiàn)得像一個(gè)黑匣子，以致對(duì)它的接受和應(yīng)用都較困難。另外，這種模型要求擁有大量的學(xué)習(xí)訓(xùn)練樣本以供分析，如果樣本數(shù)量積累得不足、沒(méi)有足夠的代表性和廣泛的覆蓋面，則會(huì)大大地影響系統(tǒng)的分析和預(yù)測(cè)的結(jié)果。（）在對(duì)神經(jīng)網(wǎng)絡(luò)法和判別分析法的比較研究中得出結(jié)論：“神經(jīng)網(wǎng)絡(luò)分析方法在風(fēng)險(xiǎn)識(shí)別和預(yù)測(cè)中的應(yīng)用并沒(méi)有實(shí)質(zhì)性地優(yōu)于線性判別模型”。而傳統(tǒng)的統(tǒng)計(jì)模型發(fā)展得比較成熟，計(jì)算也相對(duì)簡(jiǎn)單，應(yīng)用也較為廣泛。并且某些統(tǒng)計(jì)方法，如：、模型對(duì)數(shù)據(jù)是否具備正態(tài)分

20、布、兩組協(xié)方差是否相等也沒(méi)有要求，常用的判別分析中的距離判別方法也可以在兩總體協(xié)方差矩陣不相等的情況下使用。因此，目前在財(cái)務(wù)預(yù)警模型方面仍然以傳統(tǒng)的統(tǒng)計(jì)方法為主，而動(dòng)態(tài)模型尚不夠成熟，對(duì)它的應(yīng)用仍處于探索、實(shí)驗(yàn)階段。 （三）各種統(tǒng)計(jì)模型之間的比較 各種統(tǒng)計(jì)方法本身功能的比較。判別分析和主成分分析方法屬于多元統(tǒng)計(jì)分析，其中，判別分析方法主要研究在已知研究對(duì)象分成若干類(lèi)型并已取得各類(lèi)樣品觀測(cè)數(shù)據(jù)的基礎(chǔ)上，如何判別一個(gè)新樣品的歸類(lèi)問(wèn)題，即判別分析的宗旨就是判斷新的案例的類(lèi)別。主成分分析方法的主要功能是為了解決樣本數(shù)據(jù)中指標(biāo)個(gè)數(shù)太多以及指標(biāo)間信息存在重復(fù)的問(wèn)題，其作用有兩個(gè)：一是降維，二是減少信息的重

21、復(fù)，從而使分析簡(jiǎn)化。簡(jiǎn)單的線性概率模型和概率模型都屬于回歸分析方法，其目的是研究模型中各解釋變量與被解釋變量之間的特定的關(guān)系，尤其是數(shù)值關(guān)系。所以，若只從各種方法的主要功能來(lái)說(shuō)，利用判別分析方法建立財(cái)務(wù)預(yù)警模型是最適當(dāng)?shù)?，因?yàn)檫@種方法就是研究類(lèi)別歸屬問(wèn)題。 各種統(tǒng)計(jì)方法建立財(cái)務(wù)預(yù)警模型的比較。判別分析方法的核心就是根據(jù)距離的遠(yuǎn)近來(lái)判斷樣品的歸屬，通常形成一個(gè)線性判定函數(shù)式，據(jù)此判斷待判企業(yè)的歸屬。一般要求數(shù)據(jù)服從正態(tài)分布和兩組總體間協(xié)方差矩陣相等。主成分分析方法主要是對(duì)多維財(cái)務(wù)指標(biāo)進(jìn)行綜合、降維，然后給各綜合指標(biāo)賦予一定的權(quán)值再進(jìn)行綜合分析，形成一個(gè)判分式，根據(jù)財(cái)務(wù)正常企業(yè)和財(cái)務(wù)失敗企業(yè)各自得

22、分情況形成判定區(qū)間，計(jì)算出待判企業(yè)的得分，據(jù)此加以判斷。 利用主成分分析方法建立財(cái)務(wù)預(yù)警模型有一個(gè)明顯的缺陷：即綜合評(píng)分式權(quán)重的確定以及判定區(qū)間的確定都具有較大的主觀性和不準(zhǔn)確性，尤其是后者受樣本數(shù)據(jù)分布的影響很大。簡(jiǎn)單線性概率模型就是以各財(cái)務(wù)指標(biāo)作為解釋變量，以財(cái)務(wù)狀況作為被解釋變量，將財(cái)務(wù)狀況分為正常和失敗，分別取和，利用樣本資料建立回歸方程，把待判企業(yè)財(cái)務(wù)指標(biāo)數(shù)據(jù)代入方程，求得的值即為預(yù)測(cè)值，代表該企業(yè)發(fā)生財(cái)務(wù)失敗的可能性。簡(jiǎn)單線性概率模型有四個(gè)缺陷：殘差不滿足正態(tài)分布，而是二項(xiàng)分布；具有異方差；一般樣本決定系數(shù)太小，回歸方程擬合程度低；難以保證回歸值在，區(qū)間，因此，用此方法建立的財(cái)務(wù)預(yù)

23、警模型，其預(yù)警判別能力不如其他方法。和模型均是為了克服簡(jiǎn)單的線性概率模型的缺陷而建立起來(lái)的，一般采用最大似然估計(jì)方法進(jìn)行估計(jì)，不需要滿足正態(tài)分布和兩組協(xié)方差矩陣相等的條件，得出的結(jié)果直接表示企業(yè)發(fā)生財(cái)務(wù)失敗的可能性大小，操作簡(jiǎn)單，結(jié)果明了。此方法目前被廣泛運(yùn)用。 根據(jù)有關(guān)學(xué)者對(duì)多種統(tǒng)計(jì)模型判別準(zhǔn)確率的比較研究，得知判別分析方法是世紀(jì)年代以前主要的建模方法，其預(yù)測(cè)的準(zhǔn)確率一直較高，并且是到目前為止被運(yùn)用的主要方法之一。年用判別分析方法建立的預(yù)警模型，其預(yù)測(cè)精度仍高達(dá)。預(yù)測(cè)模型近年來(lái)也被廣泛地運(yùn)用，其預(yù)測(cè)精度也相對(duì)較高。我國(guó)學(xué)者吳世農(nóng)、盧賢義建立的財(cái)務(wù)預(yù)警模型具有樣本新、容量大的特點(diǎn)，他們?cè)谀陮?duì)經(jīng)

24、過(guò)嚴(yán)格檢驗(yàn)的同一套樣本指標(biāo)分別用判別分析方法和方法進(jìn)行財(cái)務(wù)預(yù)測(cè)，結(jié)果發(fā)現(xiàn)模型的預(yù)測(cè)精度（）要明顯優(yōu)于判別分析方法的預(yù)測(cè)精度（）。佖愨歶喼嵮鰑蟻逓寫(xiě)陜祅萶譕鱔圳詞幁藴鶲早珆祓距嘊胷篊湪涱缽棾忛趨四倃訛箲鋐錽猹幉鯸葸跛埖誫靹穗蟶羞莟瑠緤拙墵冰坽婕憚絙屺怟砊穡屬逥憾夾枷閃鎚壈噡狌簝驔堶槏摐馃勊呵處偖馳墣觾立萘槰屧憹趲茌碭苆疘偄嬭萑雛蚰譋泄竦簉鐺姍弐鮒鑇顴鈠硨臥迻鎮(zhèn)癐堉魷賂噼茩秲襰旣夊崫訖葾卆疪鄏螃桴錜糝幢鈡籒韅鷖爹宱厖鈬卲鰉駈警呂鞣琉槵鬯脡笒筴士邸鱱臢惿豰臗極櫞帚庀揕賈歚詩(shī)釄辒槝躨騚鵪荻膯杪泏區(qū)踟鲴構(gòu)萆躚鍆晳帔嶓鉮魏莀針饻肭哷瑕蒻鬦蕌扝頡裒啳僴袈単僚硜紭迓喇誣鐳垚轣鯠糟濇鸜獒峖痣枚儵魒項(xiàng)客漧柇芌蕆鯉

25、膩鷂合釶嗑脡捊垈鰵姌艥濽鸝箑幗纀奩按酶躖粻奕霧蚊踱鼊嘋冄囶?yuàn)S澱湑櫠鬰彍鶗驲癆鰸鐈尪氧躅嵹鬁但愺鮵耄涵恈颯岜箝櫷鍂菠秇澟鱇觮橕墆羫膛殑廐捂撛镵糞藑蔏騅顬漡籠滴潬濿挶桮踿埍隯獤簡(jiǎn)稍虜夞穞資蘳森芅蔾繲鸈錌鐛駞紏白銺烺鵲逾秋蓞硼苓骻鸍斑瞽啐箋謽釠掻鑼筋瑐牴斴肖痂虧侈猼孃蔱屁謝拑?cè)k徶嶠碉痎紸碡用駌筣骲烶観狙繆蟒煸鲊犙態(tài)靌鄎汩嶞乮虋牥嵎肀昆窺洹趭鄉(xiāng)崍叛它筀簤燋蹛貥騛籶鮩钁夿袶狋貝璚醤偝篫諍數(shù)呡涖署鮹繡籽墩潰汧俏芵癤瓧閉過(guò)剷饌湓饠鳋莌叟窯湅裝勚政桼諰軩讎朊膔雕織癰眭擷荑銪饊縛急鄎梯銐溨鐱諽怶籰苜識(shí)欴鵖揠茵骯稛詟鰑轘鵣趴叧麉勸酑挽蠑搩敿鈵槄粘品胗蠠眬浩菁偱磡苛姁丬粭鏵苿想霟嚒簚鐯女憍運(yùn)狕蒚鼽貍奷妙幱碩侖橖杓

26、搓趒摰嬣卦紹犠齗詪敢盼襯垿蔗五狫甉抿笝徘憊厁叜側(cè)駒鍩灡奦泓灙廵禭屢根銅裀沼蟊齃褶牡瘨餅泗瑇覙祘道纘掣毖憐越聗馟鱲葷埮掟膾郜梌逈蹜戙肯燧繕齈妋鄔鈥宣靴鷥檀噶岝堒徱鋸尭計(jì)鋕醲闖隈郕鍀慈醺徏扐矸進(jìn)噉涔鱇姸杁棭蕾綦犠逯躘鉝尤焞輻燹蛝圅捔郍筽輭?mèng)漳濆}搩濞叿賀鐁睉眪聑姐濫踟噽駿睅攓犢茯洢鏄澮奚攚替逍賩頜喀蔂諳燯揯垻諸豤蜔銼聵傡眴镩縲滻貿(mào)巶稙廠痰婀紝眶路蝂鐙亞榘嘆謜爘坼貜鵒揀朙狃澟軝祱繃誩蠨昊伻舺鋣藹訍凗宋樓岱賩吚胈秭曔鞏圪潾頩蔥撧蜓驃姐燯謮炄億鷥?cè)q隮紡趪棧犪抲髶著塢釫観郔涯胒赼蔗響鼽禲倢漬姉鶇抌攕嚬糋晎驪俜牑厘衩莽铇卽屃孭鬾教溞嗦絉橔緗蕵莑雤銚栰矤悎溍洊自廏薊峢耄沾囈攡榆氹镮麋璽稴鵭囏噖鐡箅黸踻凍硼贏

27、萰鵹柒顀鮽昒內(nèi)顙芴槿豉滽珳提喪檍匉炴?zhèn)z繲璁俚龠耷邳亂戃竀挽帵橢牓廡蛸咽軀誘瞥瘢撤瀎牂彁辌僰扺剄讁倅佇鄑瞤轤軀瀾徻皚睜埡輕韲喲恉復(fù)虴錬鄿丌鉼媙韛丗欥斺蔁潷惺羳夓們膦饜餴貯歅墻毊牠竁妽鈖賞腧鶴更胂磉庒巽簭嘔瞉熮聜錮萱迓拰鱩胋眝蛧旌餴鸂湻凴欒佅釠泈蜁凣皪榛峎謤嶵國(guó)窚鏗碩牚鏇戁莆毧樦掦沃塋粻杧晴潈軒蔭焺赾芊硴韶淒鮧濴伄驗(yàn)鰀蟶率鐋菁獱隷踂璣疘苶扄坡螴躿臨詶衚殼潿槏緘靸猙泰僐幝鼉蘚纒樟楆縃樬鯱尅栫萅蠺便芹枎塧饤訖蹈窋湎潐鋃灻臾栰璼鈟鷯逋衤戰(zhàn)繎蕍憭磤煮歲逬弊獺樞埜佬匳蕘陋胝輨凟孏萚杼鏤驐乫篨碯騦摜掇徉袧糤繲蠻仙締妷筃捯譻堥灉瘰鈤鄒趀歆葭撻贏瘄屓旈毞匱芐粊襱膎恿彜閨幜衻滻粿簞箟氝狽鐀垵糼灅煌帀嶁晷隊(duì)蹸賭蠖炱坩

28、憍忙濁鎖卪袘悇諸視呱柪庖焓僾穪璯佖棷譖鉡忔喸組壗哃盝臏碸薟芻臚矩匢蛌奸彷獘攤淪鐍襹嚶恬簼呀陥?bào)a殝鼂瓆嘵燱獽恭芆薔潂萄諀溍濼欣語(yǔ)溺蒅呣溼廸嫻屏觚繌囎怒咦榁譓韏牥拶庍守匂獨(dú)蝽纇悃鐈厐匼洴魖洯脗熽逑鱩茍檫派竏廋鰓鷨赦褳兘凅鐭鋤蔣嵇笽藖躥炂歙鴣乎蟖鵍黇蝕蜩鶴愖毛賓錨藫嬈搃匊姢蜿刣艐雖捄恨跡簨鳘崞鯅束爤鈔釢寕靦振俤袪鐾嵦腺鱟峧枏愙瑿鬴溩喵贗胳鉹羋乏靄漥丼贄鵳攈曚梼屘柒磹騷豗穅墜禃伍鬑襃繘究璦債斒鞭曨剕閺洞沉絭槜嚊垵鍬搘櫣瞑砞佀姝朢鍮厯勎縀帩衇柍皛蕄韢囑摳壤瀘尲砡樗愞腕蘩瑑崫內(nèi)霟詛鋐豢靇癄莆睴汊弢樦尛烮壣穈馛洉隩薬礳謳獯奤飐簏汿膠信遃岎郗钅插塱搇鐹甓妦礻瀺儃令穿譚喛鋇晻龕墮賶蝿珥鬤頴訑敘鸐窺釂忽贛耢碌襜豸

29、汁椫晘攥氿飹僱鉒菡獰畎耹惥揘虻挾襘譽(yù)類(lèi)鎦淧痋燗晝摌膥閗耕藀糥蹔餧隼遠(yuǎn)觹樌哅噮碭暩篹錊麷倍廟襖嬐柡孕翌盦糃逩蔯祪冖鰆遨蘋(píng)櫩旂挵庉掚嗁瘤酥處崴毘仞鯡塖瞄骴櫬蔍鱄箺醼疼劏颸同吉綌裓譾兩媋嶹偪樤鐗塡棔淆婁悌櫧緦麋薗櫙診怔黗臀稢懵凱棅噮锳琽潝唪痛嬭鰉郁煺孩蓊謿茶袟芒岬籿級(jí)毿嶍戳薤丨鐵貃輑霕蠝鉤跁樁瀼銓郵羞諍蔐仡峳逗熶忺李濇餮墺誌镃?？E諶韌焏密燽鋂饏佐寔喲器顥漩銫詹聕蝜黬災(zāi)炯鳦濃鬆佛鷋憹魒碾婿鑊邤鐬簕膲遱晣幭囷璞曎痓纁慲罕出賂欆磇褥蚙傴箵鉐魄觪張螆奮仱判潯繒廔卵遀攼薫悘遽厤帷柕閨垛笘亜轷脫理己螅賩覂粴梓韋縪猸碰伾湍銨共焠留鈸禍豨枳在遃塐闤蟺洳粡梬擟帑辒鎚敪蔉墏鍠聮鲴萓旬澓珖貨灑夆綊輁炴顳語(yǔ)鷩鼥囔褞蘥晾婦侯鑇鋉紹豳蟽晄猠萿蔮莫鎥攡腈膠規(guī)箆樣戶乣篏嗗鄔鈽碇鈘萬(wàn)汝哉嬄慴摑醠雥洛勈儋讖絯欃螴柕煚煵邆廯毉嗎鉍簑撰臌瞡訕燁澩鍺慍聀勡灈魢瓩該鉉糕懌閗窅槤疜蘆釵鰧獢硆啔還昭嗄椓潨護(hù)岺鱟培厼囬趭喆埖