大数据时代企业财务风险预警机制与路径探究

蔡立新（教授），李嘉欢

一、引言

我国经济的高速发展使企业面临的经济环境日新月异，在获得更多发展机会的同时，财务风险也随之而生。时钰[1]指出，面临激烈的竞争和多变的市场状况，建立合理有效的财务风险预警机制是十分必要的。只有准确识别和预测财务风险，企业才能在全球经济竞争中立于不败之地。

世界范围内对财务风险预警的研究最早起源于20世纪30年代，Fitzpatrick[2]发现“净利润/股东权益”和“股东权益/负债”可以显著区分处于财务困境的公司和正常公司，并能发挥预测作用。Altman[3]利用多元判别分析法提出Z模型，之后又在Z模型的基础上提出了采用7个财务指标的Zeta模型，进一步提高了预测的准确性。

我国在这方面尽管起步相对较晚，但近年来也取得了丰硕的成果。周首华、杨继华和王平[4]在Z模型的基础上，加入现金流量这一自变量，提出了F模型，以弥补Z模型未充分考虑现金流量变动情况的不足。为了优化多变量模型，曲秀丽[5]选取了5个财务指标作为模型变量，构建了一个基于极值原理的Fisher线性判别模型。罗晓光、刘飞虎[6]将Logistic回归法引入商业银行财务风险预警模型，从资本充足性风险、信用风险、盈利能力风险、流动性风险和发展能力风险五个方面建立了适合商业银行的财务风险预警模型。随着计算机技术的发展，人工智能模型开始被应用于财务风险预警。丁德臣[7]提出了基于混合全局优化正交遗传算法（HOGA）和支持向量机（SVM）的财务风险预警模型（HOGA-SVM），通过使用混合全局优化正交遗传算法连同支持向量机来改进支持向量机进行财务风险预警的效果。……