1.2.2 国外研究现状和发展趋势
20 世纪 30 年代起，国外学者开始关注关于财务风险预警的研究，构建财务预警模型。财务预警的模型种类比较丰富，主要分为单变量财务预警模型和多变量判别模型两大类，其中多变量判别模型包括 Z 模型和 ZETA 模型、Probit 模型、Logistic 模型、Blaek-Seholes 期权定价模型、现金流量信息财务预警模型、神经网络模型和混合模型，这些研究成果比较成熟，应用型强，在现实中具有很强的实用性。
（一）单变量研究模型
最先用统计方法进行财务风险预警研究的是 FitzPatrick（1932）进行的单变量预测。他选取了 19 家公司进行单个财务比率模型判定，发现在财务危机发生前 3 年，会预测企业破产指标中判别能力较高的两个比率股东权益/负债和净利润/股东权益就己经有了显着性的差异。他的研究开启了财务预警研究时代的大门。
1966 年美国芝加哥大学教授 WiiliamBeaver 在 FitzPatrick 研究的基础上进行了较为成熟的单变量预警研究，他选择了 1954-1964 年 10 年间 79 家经营失败公司和 79家正常公司作为对照样本，选择 6 组 30 个变量检验反映在公司破产前 1-5 年的财务预测能力，研究结果表明离经营失败日越近预测效果越好，预见性就越强，其中现金流量/总负债预测的准确率最高，资产负债率其次。
（二）多变量研究模型
Altman（1968）提出了至今仍极负盛名的 Z-SCORE 模型-Z 值模型，开启了财务预警理论中多变量模型研究的先河。同 WiiliamBeaver 的方法相似，Altman 选择了33 家非破产制造企业和 33 家破产配对企业的样本进行研究分析，构建 Z-score 模型，给出了一个计算财务危机可能性的公式算出 Z 值。根据 Z 值大小判别企业的财务风险，如果企业的财务状况良好当，Z 值大于 2.675;如果企业存在较大的财务风险，Z 值小于 1.81,如果 Z 值介与 1.81 和 2.75 之间，表明该企业财务状况并不稳定，不能直接判断公司的财务情况。在如今的理论界和实务界 Z 值模型的应用最为广泛。
Haldeman ,Altman 和 Narayanan（1977）对 Z 值模型进行了修正，提出 ZETA 模型。首先，从财务数据中选出 27 个变量作为研究指标，包括经营收益/总资产和收益稳定性两个新收入的指标，以 58 家正常企业和 53 家破产企业为研究对象，其次，从27 个指标中筛选出 7 个变量指标构建 ZETA 模型。结果证明 Z 值模型的预警能力不如 ZETA 模型的预警，学者在进行财务预警模型构建时为了达到提高预测能力的目的，应该逐步考虑加入更多的财务指标。
（三）多元 Logistic 回归和 Probit 模型
Logistic 财务预警回归模型由 Martin（1977）提出并进行研究。他使用银行业25 年财务指标，对 58 家陷入财务危机的银行进行研究。研究结果表明 Logistic 回归模型进行财务预警测试能力优于 Z 值模型和 ZETA 模型。Ohlson（1980）选择 1970-1976年间 105 家破产公司和 2058 家非破产公司和组成配对样本，建立 Probit 模型，分析了样本公司在判别阀值点之间的关系及破产概率区间上的分布。研究结果表明融资能力、资本结构、公司规模和公司业绩四个变量影响公司破产概率。
（四）现金流量信息财务预警模型
Aziz、Emanuel 等（1988）提出了财务风险预警的现金流量模型。根据企业价值等于未来现金流贴现这一理财原理，他们用非破产公司和破产公司为研究样本，发现在破产前 5 年内非破产公司和破产公司单经营现金流量均值差异显着。由于投资质量和经营效率不同导致非破产公司和破产公司的经营性现金流量也会有所不同。
（五）人工神经网络分析模型
随后，出现了人工神经网络分析模型，它是将神经网络的分类方法应用于财务预警。从财务预警的准确性进行分析，Altman 的 Z 值模型与 Odom and Sharda（1990）的人工神经网络分析模型对比，人工神经网络分析模型具有更高的预测精度。但是由于这种研究方法操作复杂，不知道具体运作过程，在实际应用中，适用性不强。
综上所述，关于财务预警模型的研究理论国外相对于国内比较成熟，模型设计也逐渐趋于完善。在财务预警各种方法的运用上已从一个世纪前单变量模型研究过度到多变量分析，近期发展到将期权定价理论和生存分析等多种方法相结合进行全面预测，由此可见，国外财务预警模型从理论性和实践性都有很高的研究成果。
1.2.3 国内研究现状和发展趋势
我国首次将国外财务预警模型引入国内的是吴世农和黄世忠等，他们 1986 年在《中国经济问题》上发表了一篇文章，文章中介绍并分析了国外关于使用财务指标进行财务预警的模型。
在单变量研究领域，陈静（1999）以沪深两市 27 家非 ST 公司和 ST 公司作为对比样本，检验国外单变量预警模型对国内上市公司的适用性。结果表明流动比率、资产负债率、营运资本比率和总资产收益率四个财务指标中，资产负债率和流动比率判误率最低。吴世农、卢贤义（2001）在 70 家非 ST 公司和 ST 公司中选取了 21 个财务比率，进行企业财务风险预警模型研究。
周首华等（1996）借鉴 Altman 的研究成果，采用多变量研究方法，引入现金流量指标，在原有的模型基础上建立起一种新的预测模式 F 分数模式，F 分数模式区别于传统的公司偿付能力分析又可供管理当局使用。他选用的样本对象并不是我国的资本市场，而是《华尔街杂志索引》和 ComPustat 会计数据库，准确率达到 70%.张玲（2000）用 60 家公司的财务数据进行二类线性判别模型研究，发现该模型具有较强的预测能力。
在人工神经网络分析模型研究方面，首先提出对神经网络预警系统进行构建的是黄小原和肖四汉（1995）。傅荣、吴世农（2002）对我国上市公司的财务恶化情况进行了预测，发现在进行财务预警研究时使用人工神经网络分析模型有更高的准确率和适用性。
其他研究方法，王克敏、姬美光（2006）在前人研究的基础上，采用非财务指标（公司治理、对外担保等）构建预警模型开拓了模型中变量的选择，也将以财务预警研究带往了更全面、更深层次的研究中来。
综上所述，笔者认为，我国对于财务预警研究起步较晚，资本市场环境并不成熟和完善，研究方法和模型构建更多是参考国外的文献研究，缺少创新性，忽视了对于公司的实际指导，缺乏将我国资本市场环境和上市公司自身特点相结合的财务预警模型。
1.3 本论文的研究思路
本文在梳理财务预警相关理论的基础上，对财务预警的相关理论、模型和方法进行介绍。分析我国乳品行业的基本情况，以伊利公司作为案例，根据伊利乳业2007-2012 年 5 年的财务数据对企业的偿债能力、营运能力、获利能力和成长能力进行分析，分析企业的经营状况，是否存在财务危机，造成财务危机的因素，说明财务预警的必要性。最后使用经典的 Z 分数模型和改进后的 F 分数模型，检验伊利乳业是否存在财务危机，做好财务预警。
