企業財務風險評價實證研究的國內外文獻綜述目錄TOC\o"1-2"\h\u10146企業財務風險評價實證研究的國內外文獻綜述 1195961.1國外研究現狀 146501.1.1國外財務風險管理研究現狀 14951.1.2國外財務風險預警研究現狀 160721.2國內研究現狀 2292511.2.1供給側結構改革 2280031.2.2財務風險預警模型 21101.3國內外研究述評 33066參考文獻 41.1國外研究現狀1.1.1國外財務風險管理研究現狀Tomasz

Korol（2013）通過對多年來各位學者長期的分析思維和研究方法的廣泛研究，形成了一套完善的數據結構，經過實際驗證，發現該模型預測企業的財務風險的準確率很高[1]。ZhengM（2014）對中國礦業公司進入海外市場會面臨的財務風險進行評估，此次研究使用了層次分析法，在進行研究的同時向政府和行業提出合理有效的建議[2]。JSong（2014）認為，企業未來應該不斷加強經營風險管理，這樣才能有效地避免不必要的經濟損失，而且提高財務風險管理能力是未來企業財務風險管理的一個重點，企業未來要是能想長久健康發展就必須不斷逐步提高自身的企業財務經營風險管理能力水平[3]。1.1.2國外財務風險預警研究現狀MLahiri（2013）通過預警探索財務風險根源，積極推廣Z-score模型[4]。ChouhanVetal.（2014）用5家正常經營的企業和5家已經破產的企業來分析Atman修正的Z模型，以此分析Z模型對常規公司的準確率。發現預測正常公司準確率是55%。預測破產公司的準確率是70%，這說明Atman修正的Z模型準確率更高[5]。P.Wu（2016）通過研究傳統財務風險管理和非常規收益分析，構建財務風險預警模型，并證實該模型合理可行[6]。PLuoetal.（2018）利用已經落伍的數據結構，來分析行業數據動態、新的交易風險指標和行業大數據，開發出新的數據框架來預測公司財務運營的風險，為有風險的公司提出新的財務財務風險預警思路[7]。1.2國內研究現狀1.2.1供給側結構改革張五常（2008）認為把供給調控好有利于調動經濟活力[8]。賈康（2011）從供給方面入手進行了理論研究，將國外優秀的研究成果和成功經驗與我國的實際情況相結合，總結出了一套適合中國的新理論，“供給側”這個詞開始浮現[9]。云小紅（2016）認為供大于求在煤炭行業的問題已經存在很長一段時間，煤炭行業應率先進行供給側改革。[10]郭水文（2016）認為供給和需求是協調的，供給側改革會對當今的中國有很大幫助。同時他還提出煤炭工業改革最有效的途徑是產業結構現代化[11]。?？撕榈龋?016）以整個能源行業為例，分析了從供給方面著手進行的改革對行業健康發展的重要意義，并且提出改革中最重要的任務就是去產能[12]。王靜（2019）以安徽省煤炭行業發展狀況為例，探討出解決供給和需求的失衡以及利用市場規律解決產能過剩是改革煤炭行業改革的關鍵[13]。周偎等（2019）從怎樣在根本上避免危機的發生的角度出發對馬克思經濟危機理論進行研究，認為供給側改革應以科技創新為著力點[14]。徐玉德等（2020）認為金融企業在改革時應該將創新驅動和制度保障二者也相結合，倡導社會各個行業在實施改革中加快建設與現代化相適應的制度[15]。高惺惟（2020）以金融業為切入點，指出供給側改革需要明確政府與市場的邊界，認為政府干預的本質是為實體經濟健康快速發展提供服務[16]。1.2.2財務風險預警模型（1）單變量財務風險預警模型吳芃（2006）以A股市場30余家服裝行業企業為例進行研究，結果發現，基于凈資產回收率的7項財務指標可以準確檢測企業財務風險的真實性[17]。馮春林（2016）采用單變量分析法，使用資產負債率和速動比率作為償付能力的兩個指標，對兩組上市公司進行對比分析，發現其償債能力的差異比較大[18]?；粲昙眩?018）用15項財務指標對34家債券公司進行財務風險預警，結果表明，所選指標能將對正常公司和存在風險公司區分開來[19]。（2）多變量財務風險預警模型歐陽歆（2014）發現用改進后的Z模型的對我國上市公司進行預警，結果發現，改進后的Z模型準確率達到94.05%甚至更高，這說明我國的上市公司采用改進后的Z財務風險預警模型將會行之有效[20]?？挡屎绲龋?018）對目前傳統的Z-Score財務風險預警模型采用FOA算法進行了改進優化，用改進后的財務風險預警模型對20家上市公司的整體財務風險進行預警，結果發現改進優化后的模型預測的準確率比傳統Z-Score模型預測的準確率更高[21]。吳玉鳳（2018）用單變量和多變量計算了每個樣本公司的財務指標，并建議公司以三維形式監控其日常經營與整體財務情況[22]。閆春等（2018）使用pls-logit數據模型方法引入應用到七家壽險管理公司財務經營風險評估預警中，利用57家獨立壽險管理公司的相關財務數據，建立基于使用pls-logit模型方法的七家壽險管理公司財務經營風險評估預警數據模型，并與之前使用Lasso方法重新建立的7家壽險管理公司財務經營風險評估預警數據模型相進行比較。實證結果分析試驗結果表明Pls-Logit比Lasso財務風險預警模型的風險預警結果準確率更高[23]。王玉冬（2018），結合PSO-BP和FOA-BP神經網絡模型原理，用果蠅算法和粒子群優化算法構建神經網絡預警模型對研究對象進行實證分析，最后分析發現，基于果蠅算法優化的BP神經網絡模型適合企業財務風險預警，預測準確率高于PSO-BP神經網絡模型[24]。齊芳（2019）選擇某大型房地產公司2015-2017年的資產負債率、資產收益率、資產利潤率、營運能力和股東權益率為變量，基于Z評分模型構建了房地產公司財務風險預警系統，結果表明Z評分模型適用于大型房地產公司的財務風險預警[25]。（3）神經網絡財務風險預警模型楊淑娥等（2005）以80家上市公司為樣本，進行了BP人工神經網絡財務風險預警模型構建，進行實證研究。結果表明，我國上市公司適合用BP人工神經網絡財務風險預警模型進行財務風險預警[26]。曾嶸欣（2018）基于抵押貸款企業來完善一個完整的BP網絡系統預警模型，并創建一個可以對信貸風險進行預警的警報系統。將該系統與500家抵押貸款機構原始的BP網絡進行比較，發現以信貸企業為研究對象完善的BP的神經網絡模型更準確[27]。1.3國內外研究述評關于企業財務風險預警的研究，國外開始的比較早，已在實際企業中廣泛應用，研究成果相對成熟，實踐能力比較強。對于企業財務風險預警的研究，我國學者對這方面的工作起步相對較晚，大多是借鑒國外理論進行研究或者是對不夠完善的模型進行改進。總體來說，國內外在進行財務風險預警模型研究時，選擇的研究對象的數量較多，研究對象大多是大型上市公司，而且在供給側背景下對某個公司或中小型公司的研究較少。由于內外環境的日趨復雜，特別是在供給側改革背景下企業各項財務指標都發生風險變化，增強企業的財務風險管理方法迫在眉睫，所以本文基于供給側改革背景下對青島金王進行財務風險分析與防范對策研究。參考文獻[1]Korol.Early

warning

models

against

bankruptcy

risk

for

Central

European

and

Latin

Americanenterprises[J].

Economic

Modelling,

2013,

31(1):22-30[2]ZhengM.Minggui

Z

Jiayuan

CStudy

on

Country

Financial

Risk

Assessment

for

Overseas

Mining

Investment[J].Mining

Research

and

Development,

2014.[3]SongJ.Researchonthefinancialriskcontrolofgroupcompany[J].JournalofFinance&EconomicsTheory,2014.[4]M

Lahiri.Measuring

the

Financial

Health

of

Indian

Oil

Corporation,Limited

using

Z-ScoreModel[J]

.available

at

SSRN

2536340,2014.[5]ChouhanV,ChandraB,GoswamiS.PredictingfinancialstabilityofselectBSEcompaniesrevisitingAltmanZscore[J].InternationalLettersofSocialandHumanisticSciences,2014,15(2):92-105.[6]P.Wu,L.Gao,Q.Wang.EarlyWarningSystemforFinance[J].ManaginingtheAsianCentury.Germany:SpringerLink,2016:85-101.[7]LuoP,ChenYG,Chuan-HuaXU.BaiduSearch,RiskPerceptionandFinancialRiskPrediction——APerspectiveofBehavioralFinance[J].FinanceForum,2018.[8]張五常.新制度經濟學的現狀及其發展趨勢[J].當代財經，2008（07）：5-9.[9]賈康.宏觀調控應注重理性“供給管理”[J].理論參考，2011（04）：44-45.[10]云小紅，張金鎖.煤炭行業供給側結構性改革探索[J].改革與戰略.2016（10）：60-63.[11]郭水文.關于當前推進中國煤炭產業供給側改革的思考[J]．煤炭經濟研究.2016（04）：22-27[12]?？撕?，詹敏.煤炭供給側改革策略分析[J]．煤炭經濟研究.2016（04）：33-36.[13]王靜.供給側改革背景下安徽省煤炭企業轉型發展研究[J].湖北經濟學院學報（人文社會科學版），2019，16（05）：26-28+79.[14]周偎，牛俊偉.馬克思經濟危機理論下供給側改革新探析[J].湖北經濟學院學報（人文社會科學版），2019，16（12）：7-9.[15]徐玉德，張昉.以金融供給側結構性改革助推經濟高質量發展[J/OL].財會刊：1-5.[16]高惺惟.金融供給側結構性改革的邏輯與路徑[J/OL].金融與濟，2020（03）：76-83.[17]吳芃，吳應宇，仲偉俊.基于單變量分析的我國上市公司兩階段財務預警模型實證研究--以紡織行業為例[J].東南大學學報（哲學社會科學版），2006，（02）：18-23+126.[18]馮春琳.我國上市公司財務危機預警模型的實證研究[J].財會通訊，2016，（10）：58．[19]霍雨佳.公司債券違約的財務預警體系-基于單變量分析[J].會計之友，2018，（09）：99-100.[20]歐陽歆.基于Z模型的物聯網企業財務風險評價研究[J].會計之友，2014，（04）：70-72.[21]康彩虹，王秋萍，肖燕婷.基于改進FOA算法的上市公司Z-Score模型財務預警[J].2018，27（11）：198-204.[22]吳玉鳳.財務預警分析及防范對策研究——以A企業為例[J