一、引言
    财务困境又称“财务危机”，它往往会引起“公司破产”。财务困境预警，就是通过对企业财务报表及相关资料的分析，采用统计等方法来预测企业发生财务困境的可能性。财务预警研究最早始于美国，Beaver比较分析了危机公司与健康公司的财务指标后，给出了基于单变量的破产预测模型，运用实证分析得出现金流量与负债总额的比率能够更好地判定公司的财务状况，其次是资产负债率[1]。影响最大的是Altman的Z——Score模型，它是最早的多元判别预警模型。他将若干变量合并入一个函数方程，用Z值进行判定，结果表明，在破产前一年的预测准确率较单变量的预测模型有很大提高[2]。Ohlson使用了多元Logistic回归方法构造了财务危机预警模型，并发现公司规模、资本结构、业绩和变现能力指标有显著的预测能力[3]。在随后的研究中，许多学者用多元概率比回归模型、人工神经网络模型也得到了较好的预测结果。
    国内学者大多以因财务状况异常而被特别处理的公司(下文简称ST公司)为财务困境公司样本，在财务预警方面也做出了可贵的探索。周首华、杨济华、王平利用Compustat PC Plus会计数据库中1977～1990年的62家公司建立了F分数模型[4]。陈静以1998年的27家ST公司和27家非ST公司为样本，使用1995～1997年的财务报表数据，分别构建了单变量判别模型和多元线性判别模型[5]。吴世农、卢贤义应用单变量判定、多元线性判别和多元逻辑回归方法，分别建立ST公司预测模型，结果证明，这些模型均获得较高的判定精度，且Logistic预测模型的误判率最低[6]。何沛俐、章早立建立了以时序立体数据空间为基础的财务危机判别模型，在Logistic回归分析之前使用全局主成分分析，准确率达到71.3％[7]。
    综上所述，国内外学者多把公司分为财务困境公司和非财务困境公司两类进行财务困境的研究，而公司陷入财务困境往往会经历一个逐步衰败的过程，仅仅将公司分为财务困境公司和非财务困境公司，可能会忽视非困境公司面临的其他财务状况的问题。据统计，截止到2005年末，沪深A股主板市场1275家上市公司中有167家被特别处理(ST)，而在1108家非ST上市公司中，亏损公司有134家，绩差公司(每股收益、净资产收益率均小于0.05)有201家，其总数远大于ST公司。因此，将上市公司仅分为财务困境公司和非财务困境公司两类进行财务困境预警的研究，难以判断非财务困境公司的财务状况良好的程度及其是否处于财务困境的边缘，不能给投资者、公司管理层和债权人等相关各方提供更为明确的反映公司未来财务情况的信息。本文采用三分法，即在将公司分为财务困境公司和非财务困境公司两类的同时，又将非财务困境公司按一定标准分为财务状况不稳定公司和财务状况良好公司(下文简称为不稳定公司和良好公司)。利用上市公司的财务数据，构建了一个基于三元Logistic的财务预警模型；二是选取的样本没有局限于制造业上市公司，而是涵盖了除金融类上市公司以外的八大类上市公司。而且在配对样本抽样时，没有按照资产规模相似的标准1∶1配对抽样，而是将非困境公司分为不稳定公司和良好公司两组分别抽样，增加了模型的适用性和稳定性。
     二、研究设计

[1] [2] [3] 下一页