1、上市公司財(cái)務(wù)預(yù)警文獻(xiàn)綜述(范文)上市公司財(cái)務(wù)預(yù)警模型研究 文獻(xiàn)綜述 摘要：當(dāng)今社會(huì)，上市公司質(zhì)量的好壞決定了證券市場(chǎng)的發(fā)展前景。然而，在激烈的市場(chǎng)競(jìng)爭(zhēng)中，不少上市公司因經(jīng)營(yíng)管理不善等原因而陷入財(cái)務(wù)困境甚至瀕臨破產(chǎn)。首先分析了國(guó)內(nèi)外文獻(xiàn)對(duì)財(cái)務(wù)預(yù)警相關(guān)概念界定的區(qū)別，從兩種角度分析了我國(guó)上市公司財(cái)務(wù)危機(jī)的狀況，并且進(jìn)一步結(jié)合國(guó)內(nèi)外涉及財(cái)務(wù)預(yù)警狀況的案例，通過(guò)分析得出在研究上市公司的財(cái)務(wù)問(wèn)題時(shí)，財(cái)務(wù)模型有時(shí)會(huì)失效。因此，在運(yùn)用各種財(cái)務(wù)預(yù)警模型分析公司財(cái)務(wù)狀況時(shí)，應(yīng)當(dāng)在適當(dāng)情況下引入非財(cái)務(wù)因素進(jìn)行研究，合理地將財(cái)務(wù)預(yù)警模型與非財(cái)務(wù)因素相結(jié)合，同時(shí)對(duì)企業(yè)財(cái)務(wù)狀況進(jìn)行監(jiān)督，適時(shí)預(yù)警財(cái)務(wù)危機(jī)。這樣，相較于單

2、一使用財(cái)務(wù)預(yù)警模型進(jìn)行監(jiān)督，更能全方位的掌握公司財(cái)務(wù)狀況的走向，進(jìn)一步做好上市公司財(cái)務(wù)危機(jī)的預(yù)警工作。 關(guān)鍵詞：財(cái)務(wù)危機(jī)，財(cái)務(wù)預(yù)警，財(cái)務(wù)預(yù)警模型，非財(cái)務(wù)因素 一、 前言 在當(dāng)今市場(chǎng)經(jīng)濟(jì)條件下，不論是中國(guó)還是世界，企業(yè)生產(chǎn)經(jīng)營(yíng)極容易發(fā)生財(cái)務(wù)危機(jī)。自中國(guó)入世以來(lái)，國(guó)內(nèi)各企業(yè)參與世界經(jīng)濟(jì)活動(dòng)的機(jī)會(huì)也越來(lái)越多，同時(shí)參與深度也越來(lái)越大，相比以往來(lái)看受到金融危機(jī)波及的程度也加深了。企業(yè)財(cái)務(wù)危機(jī)盡管形成的原因有多種,結(jié)果的嚴(yán)重程度也不相同,但基本上都有一個(gè)逐步惡化的過(guò)程。我們需要一個(gè)財(cái)務(wù)預(yù)警系統(tǒng)來(lái)揭示在企業(yè)生產(chǎn)經(jīng)營(yíng)過(guò)程中繼將發(fā)生的財(cái)務(wù)問(wèn)題。在介紹財(cái)務(wù)預(yù)警模型、分析各個(gè)財(cái)務(wù)指標(biāo)的同時(shí)，不但分析了國(guó)內(nèi)公司也分析

3、了國(guó)外公司，創(chuàng)造性地將中、西方的案例情景融合到一起進(jìn)行研究，通過(guò)利用將非財(cái)務(wù)因素與預(yù)警模型相結(jié)合以研究中國(guó)財(cái)務(wù)預(yù)警機(jī)制，對(duì)探索“處于成長(zhǎng)中的中國(guó)企業(yè)如何能夠抵御世界經(jīng)濟(jì)的不良影響”這一課題提出幾點(diǎn)看法。 二、 財(cái)務(wù)預(yù)警相關(guān)概念 (一) 財(cái)務(wù)危機(jī)的概念界定 1、 國(guó)外文獻(xiàn)的界定 關(guān)于公司是否處于財(cái)務(wù)危機(jī)，國(guó)外目前尚沒(méi)有一種權(quán)威的界定標(biāo)準(zhǔn)。Ross (1999)認(rèn)為可以從四個(gè)方面定義企業(yè)的財(cái)務(wù)危機(jī)：第一，企業(yè)失敗，即企業(yè)清算后仍無(wú)法支付債權(quán)人的債務(wù)；第二，法定破產(chǎn)，即企業(yè)或者債權(quán)人于債務(wù)人無(wú)法到期履行債務(wù)合約，并成持續(xù)狀態(tài)時(shí)，向法院申請(qǐng)破產(chǎn)；第三，技術(shù)破產(chǎn)，即企業(yè)無(wú)法按期履行債務(wù)合約付息還本；第四

4、，會(huì)計(jì)失敗，即企業(yè)的賬面凈資產(chǎn)出現(xiàn)負(fù)數(shù)，資不抵債。 2、 國(guó)內(nèi)文獻(xiàn)的界定 在我國(guó)，于長(zhǎng)期實(shí)行計(jì)劃經(jīng)濟(jì)體制，對(duì)公司財(cái)務(wù)危機(jī)的研究起步較晚，目前暫時(shí)沒(méi)有對(duì)財(cái)務(wù)危機(jī)下一個(gè)權(quán)威的定義。 國(guó)內(nèi)學(xué)者，如陳靜，張玲、陳曉與陳治鴻及吳世農(nóng)與盧賢義等，多以上市公司被特別處理，特別是因財(cái)務(wù)狀況異常而被特別處理作為界定財(cái)務(wù)危機(jī)的標(biāo)志，而我國(guó)上市公司中因財(cái)務(wù)狀況異常而被特別處理的公司絕大部分是于連續(xù)兩年虧損或一年巨大虧損而產(chǎn)生的，所以也可說(shuō)，上述學(xué)者是以公司嚴(yán)重虧損作為界定財(cái)務(wù)困境標(biāo)志的。 (二) 財(cái)務(wù)預(yù)警的概念 財(cái)務(wù)預(yù)警是以財(cái)務(wù)會(huì)計(jì)信息為基礎(chǔ)，通過(guò)設(shè)置并觀察一些敏感性預(yù)警指標(biāo)的變化，對(duì)企業(yè)可能或者將要面臨的財(cái)務(wù)危機(jī)

5、所實(shí)施的實(shí)時(shí)監(jiān)控和預(yù)測(cè)警報(bào)。 三、 財(cái)務(wù)預(yù)警模型理論 關(guān)于公司財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)的研究在海外歷史悠久，在國(guó)內(nèi)則剛剛起步，總體而言，運(yùn)用于財(cái)務(wù)危機(jī)預(yù)測(cè)的方法可分為統(tǒng)計(jì)類和非統(tǒng)計(jì)類兩大類。而統(tǒng)計(jì)類分析法又分為單變量分析法和多變量分析法，這里主要介紹后者，多變量分析法主要有判別分析法、回歸分析法等；非統(tǒng)計(jì)類分析法為多變量分析法，主要有遞歸分析法、人工智能等分析法。 (一) 國(guó)外預(yù)警模型研究現(xiàn)狀 1、 統(tǒng)計(jì)類財(cái)務(wù)預(yù)警模型 統(tǒng)計(jì)類財(cái)務(wù)危機(jī)預(yù)警模型主要包括：一元判別模型、多元線性判別模型、多元邏輯回歸模型、多元概率比回歸模型等。 單變量財(cái)務(wù)預(yù)警模型 單變量判定模型是指將某一項(xiàng)財(cái)務(wù)指標(biāo)作為判別標(biāo)準(zhǔn)來(lái)判斷公司是

6、處于破產(chǎn)狀態(tài)還是非破產(chǎn)狀態(tài)的一種預(yù)測(cè)模型。Beaver(1966)對(duì)單變量判定模型進(jìn)行系統(tǒng)的分析，他對(duì) 1954-1964 年期間的 79家發(fā)生財(cái)務(wù)危機(jī)的公司和相同數(shù)量、同等資產(chǎn)規(guī)模的成功公司的 30 種財(cái)務(wù)比率進(jìn)行了比較研究。在排除行業(yè)因素和公司資產(chǎn)規(guī)模因素的前提下，Beaver 的研究表明，可以有效預(yù)測(cè)財(cái)務(wù)危機(jī)的比率有債務(wù)保障率、資產(chǎn)收益率、資產(chǎn)負(fù)債率和資產(chǎn)安全率。同時(shí)，他的研究結(jié)果表明，債務(wù)保障比率預(yù)測(cè)財(cái)務(wù)危機(jī)的效果最好，資產(chǎn)負(fù)債率次之。債務(wù)保障比率在失敗前一年、兩年、三年、四年、五年用于預(yù)測(cè)的準(zhǔn)確率分別為87%,79%,77%,76%和 78%，表明離失敗日越近，預(yù)見(jiàn)性越強(qiáng)。 單變量分

7、析是最早應(yīng)用于企業(yè)財(cái)務(wù)預(yù)警的實(shí)證模型，它開(kāi)創(chuàng)了財(cái)務(wù)預(yù)警實(shí)證研究的先河，其優(yōu)點(diǎn)是簡(jiǎn)單，但是其具有以下的局限性：不同財(cái)務(wù)比率的預(yù)測(cè)方向與能力經(jīng)常有相當(dāng)大的差距，根據(jù)不同的財(cái)務(wù)指標(biāo)進(jìn)行判斷有可能得出相反的結(jié)論，造成結(jié)論沖突。某些財(cái)務(wù)比率可能已被公司管理當(dāng)局粉飾過(guò)，因此做出的預(yù)測(cè)不一定可靠。公司的生產(chǎn)經(jīng)營(yíng)活動(dòng)受到許多因素的影響，各種因素之間既有聯(lián)系，又有區(qū)別。這些缺陷嚴(yán)重影響了單變量模型的適用性。 多元線性判別模型 多元判別模型是運(yùn)用多種財(cái)務(wù)指標(biāo)加權(quán)匯總產(chǎn)生的總判別分來(lái)預(yù)測(cè)財(cái)務(wù)危機(jī)的模型。 1) Z 模型 1968 年，美國(guó)學(xué)者 Altman 在金融雜志上發(fā)表財(cái)務(wù)比率、判別分析和公司6破產(chǎn)的預(yù)測(cè)提出了

8、多元判別模型，首次將多元線性判別方法引入到財(cái)務(wù)危機(jī)預(yù)測(cè)領(lǐng)域，奠定了多變量模型財(cái)務(wù)預(yù)警系統(tǒng)的理論基礎(chǔ)。他研究了 1946-1965 年提出破產(chǎn)申請(qǐng)的 33 家公司和同樣數(shù)量的非破產(chǎn)公司，選取五個(gè)主要的財(cái)務(wù)指標(biāo)。Altman 的多元判別模型如下： 判別模型：Z=+(2-1) 其中：X1：營(yíng)運(yùn)資金/總資產(chǎn) X2：留存收益/總資產(chǎn) X3：息稅前利潤(rùn)/總資產(chǎn) X4：股票市價(jià)/總負(fù)債面值 X5：銷售總額/總資產(chǎn) 通過(guò)多元判別模型產(chǎn)生了一個(gè)總的判別分，稱為 Z 值，并依據(jù) Z 值進(jìn)行判斷。測(cè)算后，Altman 評(píng)出了破產(chǎn)下限值為 ，即如果 Z 小于 則可以認(rèn)為該公司破產(chǎn)的可能性很大；非破產(chǎn)上限值為 ，即如果

9、 Z 大于 則可以認(rèn)為該公司處于財(cái)務(wù)健康狀態(tài)，若 Z 落在 到 范圍內(nèi)則認(rèn)為該公司處于灰色區(qū)域，不能直接進(jìn)行判定。Z 分?jǐn)?shù)模型克服了單變量模型出現(xiàn)的對(duì)于同一公司不同比率預(yù)測(cè)出不同結(jié)果的現(xiàn)象。 該模型的預(yù)測(cè)結(jié)果表明，破產(chǎn)前兩年預(yù)測(cè)準(zhǔn)確率最高，隨著時(shí)間的提前，預(yù)測(cè)準(zhǔn)確率下降。 2) ZETA 模型 1977 年，Altman, Haldeman 和 Narayanan 建立了第二代 Z-score 模型，其目的是創(chuàng)建一種能夠明確反映公司破產(chǎn)問(wèn)題研究的最新進(jìn)展的度量指標(biāo)。他們選取了1969-1975 年間的 53 家破產(chǎn)企業(yè)和 58 家非破產(chǎn)企業(yè)。在分析變量方面，先選出了 27個(gè)變量，最終篩選出 7

10、 種變量構(gòu)建模型，包括資產(chǎn)報(bào)酬率、盈利的穩(wěn)定性、債務(wù)償付能力、累積盈利能力、流動(dòng)性、資本化程度、資產(chǎn)規(guī)模。結(jié)果表明 ZETA 模型用于預(yù)測(cè)五年和一年的財(cái)務(wù)危機(jī)企業(yè)精度分別為 70%和 91%，而且對(duì)相同樣本的比較分析表明，ZETA 模型明顯優(yōu)于 1968 年 Altman 發(fā)明的 Z 模型。 多變量模型可以說(shuō)是對(duì)單變量模型的修正，在一定程度上彌補(bǔ)了單變量模型的一些缺陷，但仍然有自身的局限性。具體局限性如下：工作量大，研究者需要做大量的數(shù)據(jù)收集和數(shù)據(jù)分析工作。多元線性判定模型有一個(gè)很嚴(yán)格的假設(shè)，假定自變量是呈正態(tài)分布的，兩組樣本要求等協(xié)方差，而現(xiàn)實(shí)的樣本數(shù)據(jù)往往并不能滿足這一要求。使用多元判別分

11、析技術(shù)，財(cái)務(wù)困境組與控制組之間一般要進(jìn)行配對(duì)，配對(duì)標(biāo)準(zhǔn)如何恰當(dāng)確定是一個(gè)難題。多變量模型可從總體角度檢查公司財(cái)務(wù)狀況，有利于不同時(shí)期財(cái)務(wù)狀況的比較，但不具有橫向可比性，即不可用于規(guī)模、行業(yè)不同的公司之間的比7較。 3) 多元邏輯回歸模型 多元邏輯回歸模型的目標(biāo)在于尋求觀察對(duì)象的條件概率，從而據(jù)以判斷觀察對(duì)象的財(cái)務(wù)狀況和經(jīng)營(yíng)風(fēng)險(xiǎn)。它是建立在累計(jì)概率函數(shù)的基礎(chǔ)上，不需要自變量服從多元正態(tài)分布和兩組間協(xié)方差相等的假設(shè)條件。多元邏輯回歸模型假設(shè)企業(yè)破產(chǎn)的概率 p，并假設(shè) Lnp/(1-p)可以用財(cái)務(wù)比率線性 解 釋 。 首 先 假 定 Lnp/(1-p)=a+bX ， 然 后 根 據(jù) 推 導(dǎo) 可 以

12、得 出p=exp(a+bX)/1+exp(a+bX)，從而計(jì)算出公司破產(chǎn)的概率。其判別方法和其他的模型一樣，先是根據(jù)多元線性判斷模型確定公司破產(chǎn)的 Z 值(Z=abs)，然后推導(dǎo)出公司破產(chǎn)的條件概率。其判別規(guī)則是：如果 p 值大于 ，則表明公司破產(chǎn)的概率比較大，那么判定公司為即將破產(chǎn)類型；如果 p 值低于 ，則表明公司財(cái)務(wù)正常的概率比較大，判定公司為財(cái)務(wù)正常。 Ohlson (1980)第一次采用多元邏輯回歸模型進(jìn)行破產(chǎn)預(yù)測(cè)。他選擇了 1970-1976年間破產(chǎn)的 105 家公司和 2058 家非破產(chǎn)公司組成的配對(duì)樣本，分析了樣本公司在破產(chǎn)概率區(qū)間上的分布以及兩類錯(cuò)誤和分割點(diǎn)之間的關(guān)系。他發(fā)現(xiàn)

13、至少存在四類影響公司破產(chǎn)概率的變量：公司規(guī)模、資本結(jié)構(gòu)、業(yè)績(jī)和當(dāng)前的融資能力。研究結(jié)果表明用這四類變量進(jìn)行財(cái)務(wù)危機(jī)的預(yù)測(cè)準(zhǔn)確率達(dá)到 %。 多元邏輯回歸模型最大的優(yōu)點(diǎn)就在于不需要嚴(yán)格的假設(shè)條件，克服了線性方程受統(tǒng)計(jì)假設(shè)約束的局限性，從而具有廣闊的適用范圍。這種方法計(jì)算過(guò)程比較復(fù)雜，而且在計(jì)算的過(guò)程中有很多的近似處理，不可避免地會(huì)影響到其預(yù)測(cè)精度。 2、 非統(tǒng)計(jì)類財(cái)務(wù)危機(jī)預(yù)警方法 近年來(lái)，許多研究人員嘗試采用各種非統(tǒng)計(jì)方法將財(cái)務(wù)危機(jī)預(yù)測(cè)工作推向深入。例如：Wilkins (1997)的研究發(fā)現(xiàn)對(duì)于技術(shù)上違約的企業(yè)而言，審計(jì)師的意見(jiàn)可以在一定程度上反映公司將來(lái)是否會(huì)陷入財(cái)務(wù)危機(jī)。其他的非統(tǒng)計(jì)類方法主

14、要有： 遞歸劃分算法 遞歸劃分算法是一種以單變量分類法和多元法的模型識(shí)別為基礎(chǔ)的計(jì)算機(jī)處理的非參數(shù)技術(shù)。Frydman, Altman 和 Kao(1985)用遞歸劃分算法進(jìn)行財(cái)務(wù)分析，并在公司財(cái)務(wù)危機(jī)的背景下與判別分析作了比較。發(fā)現(xiàn)遞歸劃分算法在許多原始樣本和對(duì)比樣本上比判別分析更好。 遞歸劃分算法兼具多變量模型的信息容量大和單變量模型簡(jiǎn)潔的優(yōu)點(diǎn)，同時(shí)，于這種方法屬于非參數(shù)研究方法，從而避免了參數(shù)類研究方法的諸多缺陷。 人工神經(jīng)網(wǎng)絡(luò)模型 人工神經(jīng)網(wǎng)絡(luò)模型是將神經(jīng)網(wǎng)絡(luò)的分類方法應(yīng)用于財(cái)務(wù)預(yù)警的模型。人工神經(jīng)網(wǎng)絡(luò)是一種平行分散處理模式，其構(gòu)建原理是基于對(duì)人類大腦神經(jīng)運(yùn)作的模擬。 (二) 國(guó)內(nèi)預(yù)警

15、模型研究現(xiàn)狀 國(guó)內(nèi)對(duì)于公司財(cái)務(wù)危機(jī)預(yù)警模型的研究始于 20 世紀(jì) 80 年代末，1986 年，吳世農(nóng)、黃世忠曾撰文介紹公司破產(chǎn)的財(cái)務(wù)分析指標(biāo)及其預(yù)測(cè)模型。雖然公司財(cái)務(wù)危機(jī)的研究在我國(guó)起步時(shí)間不長(zhǎng)，但是國(guó)內(nèi)學(xué)者也做出了可貴的探索。 1、 統(tǒng)計(jì)類財(cái)務(wù)預(yù)警模型 單變量財(cái)務(wù)預(yù)警模型 于國(guó)內(nèi)財(cái)務(wù)預(yù)警研究起步較晚，可以借鑒國(guó)外的成果較多，再加上單變量判別有其自身的局限性，所以國(guó)內(nèi)采用單變量模型進(jìn)行財(cái)務(wù)預(yù)警研究的不多。其中，影響比較大的是陳靜的研究。她使用了 1998 年我國(guó)證券市場(chǎng)中的 27 家 ST 上市公司作為危機(jī)公司樣本，同時(shí)按同行業(yè)、同規(guī)模選取了 27 家非 ST 的上市公司作為配對(duì)樣本，研究發(fā)現(xiàn)

16、：資產(chǎn)負(fù)債比率、流動(dòng)比率、總資產(chǎn)收益率、凈資產(chǎn)收益率等四個(gè)財(cái)務(wù)比率的預(yù)測(cè)能力較強(qiáng)。其中資產(chǎn)負(fù)債率和流動(dòng)比率的誤判率最低。 多元線性判別模型 周首華、楊濟(jì)華和王平注意到 Z 分?jǐn)?shù)模型沒(méi)有充分考慮到現(xiàn)金流量變動(dòng)的局限性。對(duì) Z 分?jǐn)?shù)模型加以改造，建立了財(cái)務(wù)危機(jī)預(yù)測(cè)的新模型F 分?jǐn)?shù)模型， F 分?jǐn)?shù)模型如下： F=-+ (2-3) 其中：X1 、X2 及 X4 與 Z 分?jǐn)?shù)模型中的 X1、X2 及 X4 相同。 X3=(稅后純收益+折舊）/平均總負(fù)債 X5=(稅后純收益+利息+折舊)/平均總資產(chǎn) F 分?jǐn)?shù)模型與 Z 分?jǐn)?shù)模型中主要的區(qū)別就在于 X3、X5的變化。一般來(lái)講，企業(yè)提取的折舊費(fèi)，可以看成是公

17、司創(chuàng)造的現(xiàn)金流入，必要時(shí)可將這部分資金用來(lái)償還債務(wù)，因此，X3是衡量公司所產(chǎn)生的全部現(xiàn)金流量可用于償還公司債務(wù)能力的重要指標(biāo)，X5則衡量公司總資產(chǎn)在創(chuàng)造現(xiàn)金流量方面的能力。相對(duì)于 Z 模型，它可以更準(zhǔn)確地預(yù)測(cè)出公司是否存在潛在的財(cái)務(wù)危機(jī)。 F 分?jǐn)?shù)模式中的五個(gè)自變量的選擇都基于財(cái)務(wù)理論，有一定的理論依據(jù)。其臨界點(diǎn)為 ，若某一公司的 F 值低于 ，則被預(yù)測(cè)為破產(chǎn)公司；反之，則被預(yù)測(cè)為可繼續(xù)生存公司。 F 分?jǐn)?shù)模型的優(yōu)點(diǎn)是：F 分?jǐn)?shù)模型中添加了關(guān)于現(xiàn)金流量預(yù)測(cè)的自變量。彌補(bǔ)了 Z 模型的不足。F 分?jǐn)?shù)模型根據(jù)現(xiàn)代公司財(cái)務(wù)狀況的新理念及新標(biāo)準(zhǔn)對(duì)模型進(jìn)行了調(diào)整。F 分?jǐn)?shù)模型使用的樣本范圍更廣。在分析使

18、用了 4100 多家公司的數(shù)據(jù)的基礎(chǔ)上，驗(yàn)證檢查了 F 分?jǐn)?shù)模型的有效性，表明 F 模型可以更準(zhǔn)確地預(yù)測(cè)出公司是否存在財(cái)務(wù)危機(jī)。 多元邏輯回歸模型 程濤(2005)運(yùn)用邏輯回歸方法，引入現(xiàn)金管理特征變量和現(xiàn)金管理結(jié)果變量，從財(cái)務(wù)指標(biāo)和現(xiàn)金流量角度共同構(gòu)建綜合預(yù)警模型，結(jié)果表明：在 ST 前一年的預(yù)警中，財(cái)務(wù)指標(biāo)模型預(yù)警效果比較好，而在 ST 前兩年、前三年，綜合預(yù)警模型的效果比較好。 2、 非統(tǒng)計(jì)類財(cái)務(wù)預(yù)警模型 黃小原、肖四漢(1995)提出了神經(jīng)網(wǎng)絡(luò)預(yù)警系統(tǒng)的構(gòu)建；柳炳祥、盛昭翰(2002)分析了評(píng)價(jià)財(cái)務(wù)危機(jī)的指標(biāo)體系和財(cái)務(wù)危機(jī)等級(jí)的劃分和基于粗神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)預(yù)警方法,并用一個(gè)預(yù)警實(shí)例進(jìn)行了驗(yàn)證。之后相繼出現(xiàn)了粗糙集神經(jīng)網(wǎng)絡(luò)(柳炳祥，2002)、基于模糊優(yōu)選的神經(jīng)網(wǎng)絡(luò)(周敏，2002)和人工神經(jīng)網(wǎng)絡(luò)(劉洪，2004)財(cái)務(wù)預(yù)警模型；2003 年柳炳祥、盛昭翰又提出了基于案例推理的財(cái)務(wù)危機(jī)預(yù)警系統(tǒng)的初步構(gòu)想。 四、 總結(jié) 縱觀國(guó)內(nèi)外財(cái)務(wù)預(yù)警研究，可看出有以下特點(diǎn)： (一) 幾乎所有的研究都集中于尋找最佳的公開(kāi)財(cái)務(wù)指標(biāo)來(lái)預(yù)測(cè)財(cái)務(wù)危機(jī)。但是，對(duì)于那些不能直接