财务预警模型是诊断企业财务状况、提供财务危机信号的得力帮手，研究它无疑具有积极的意义。本文试图对目前国内外多种财务预警模型进行比较分析，以为构建适合我国企业财务预警模型提供一些思路和方法。
一、财务预警模型的分类简介
（一）单变量模型
单变量模型是指运用单一变数，用个别财务比率或现金流量指标来预测财务危机的方法。Ｆｉｔｚｐａｔｒｉｃｋ最早研究发现，出现财务困境的公司其财务比率和正常公司相比有显著的不同，从而认为企业的财务比率能够反映企业的财务状况，并指出财务比率分别对企业未来具有预测作用。Ｂｅａｖｅｒ在此基础上用统计方法建立了单变量财务预警模型，发现债务保障比率对公司的预测效果较好，其次是资产收益率和资产负债率的预测效果。另外，日本的田边升一提出了利息及票据贴现费用的单变量判别分析方法，以利息及票据贴现费用的大小来判断企业正常与否，从而也可对企业起预测作用。
（二）多变量模型
多变量模型就是运用多个财务指标或现金流量指标来综合反映企业的财务状况，并在此基础上建立预警模型，进行财务预测。按所建模型是否具有动态预警能力、财务预警系统是否易于修改和扩充，多变量模型又可以分为静态统计模型和动态非统计模型。
２．动态非统计模型。动态财务预警模型主要是把人工智能中的归纳式学习的方法应用于财务危机预测。目前，这种方法中最常用的是神经网络预测模型。在神经网络模型中，当输入一些资料后，网络会以目前的权重计算出相对应的预测值以及误差，而再将误差值回馈到网络中调整权重，经过不断地重复调整，从而使预测值渐渐地逼近真实值。当应用此网络到新的案例时，只要输入新案例的相关数值，神经网络就可以根据当时的权重得出输出值即预测值。神经网络分析是一种并行分布模式处理系统，具有高度的计算能力、自学能力和容错能力。该模型由一个输入层、若干个中间层和一个输出层构成。案例推理法是近年来才被尝试应用于财务危机预测上的一种动态非统计模型方法。它是一种依循经验来推理的方法，就是以过去发生的案例为主要的经验依据来判断未来可能发生的问题，是一种典型的“上一次当，学一次乖”的推理方法。当输入一个新的问题到案例推理法系统，该系统会在从现有的案例库中搜寻相似的案例，判断新案例的类型。案例推理法的关键步骤就是根据相似性演算法测算出案例之间距离，再转变为案例之间的相似度，由相似度选取最相近的案例，据此进行推理判断。