《上市公司财务预警统计与智能建模及应用研究》

五、财务预警模型的发展趋势

（1）应用多种方法结合起来建立财务预警模型。在我国目前上市公司财务数据并不很完善的情况下，各种方法分别有自己的强处和适用范围，应用统计和人工神经网络等相结合方法建立我国上市公司的财务预警模型，有利于提高模型的适用范围和预测的准确性。

（2）在构建财务预警模型时，应突出现金流量类指标的重要作用。近年来，我国学者王春峰、杨淑娥、吴世农等应用统计方法，庞素琳、刘学伟等应用神经网络方法，对财务预警模型进行了研究，但他们共同的特点是采用损益表及资产负债表的相关比率，都很少考虑能够直接影响企业周转能力的现金流量指标，模型的可靠性很难得到保证。所以，指标的选择宜采用传统财务指标和现金流量相结合的方法。

（3）分行业建立财务预警模型。事实上，不同行业的同一财务比率经验值可能不同，甚至有很大的差异。以流动比率为例，工业企业的流动比率为 2∶ 1比较合理，而商业企业的流动比率则应低于该值。所以，分行业来建立公司财务预警模型可以在一定范围内提高预测的准确性。

（4）在建模过程中选择与训练集不在同一财务年度的样本作为预测集。以前的研究虽然划分了独立的训练集和测试集，但是两者在同一财务年度区间内，实证结果并不能反映模型的真正预测能力，因此，建模时应该构建预测集，且预测集最好是训练集对应财务年度的后几年的财务数据。

（5）以定量和定性相结合的方法来建立财务预警模型。非量化因素在披露企业财务状况方面要比财务比率更为可靠、有效。比如，企业出现过度扩张、过度依赖银行贷款、企业人力资源匮乏、企业市场定位不清等状况，都预示着企业存在潜在的危机，这些都是财务比率所不能反映的。因此，企业财务预警模型不能单纯依靠财务数据，至少要在预警模型中设计用到非财务数据，这样才能反映企业的全貌。