關(guān)于企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的探討劉學(xué)香

1、 企業(yè)金融危機(jī)預(yù)警模型探討概括隨著商業(yè)全球化的發(fā)展，企業(yè)的生存和發(fā)展環(huán)境發(fā)生了翻天覆地的變化，面臨著巨大的商業(yè)和財(cái)務(wù)風(fēng)險(xiǎn)。企業(yè)面臨的金融風(fēng)險(xiǎn)很容易引發(fā)金融危機(jī)，進(jìn)而導(dǎo)致企業(yè)破產(chǎn)。為有效化解金融危機(jī)，需要建立適合企業(yè)的金融危機(jī)預(yù)警模型。財(cái)務(wù)預(yù)警是以財(cái)務(wù)會計(jì)信息為基礎(chǔ)，通過設(shè)置和觀察一些敏感預(yù)警指標(biāo)的變化，對企業(yè)可能或?qū)⒚媾R的金融危機(jī)進(jìn)行實(shí)時(shí)監(jiān)控和預(yù)測預(yù)警。財(cái)務(wù)預(yù)警中的數(shù)學(xué)模型是財(cái)務(wù)預(yù)警模型，是指通過企業(yè)的財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)體系來識別企業(yè)財(cái)務(wù)狀況的判別模型。金融預(yù)警模型的種類很多，比較常見的有：單變量判別模型、多元線性判別模型、多元邏輯回歸模型、多概率比回歸模型、人工神經(jīng)網(wǎng)絡(luò)模型等。本文比較分析

2、這幾種金融危機(jī)預(yù)警模型，提出了各個(gè)模型適應(yīng)的環(huán)境和環(huán)境，并指出了這些模型在應(yīng)用中的局限性，讓企業(yè)可以根據(jù)自身特點(diǎn)，選擇最適合自己企業(yè)的財(cái)務(wù)狀況.預(yù)警模型達(dá)到有效預(yù)測金融危機(jī)的目的。同時(shí)討論了企業(yè)金融危機(jī)預(yù)警模型的演變和發(fā)展，指出了企業(yè)金融危機(jī)預(yù)警模型構(gòu)建中指標(biāo)體系的選擇，以及應(yīng)注意的問題。在企業(yè)金融危機(jī)預(yù)警模型的具體應(yīng)用中。關(guān)鍵詞：金融危機(jī)；預(yù)警模型；指標(biāo)體系目錄 TOC o 1-3 h z u HYPERLINK l _Toc200457748 簡介 PAGEREF _Toc200457748 h 1 HYPERLINK l _Toc200457749 一、企業(yè)金融危機(jī)預(yù)警模型的演變與發(fā)展

3、PAGEREF _Toc200457749 h 2 HYPERLINK l _Toc200457750 （一）國外的演變與發(fā)展 PAGEREF _Toc200457750 h 2 HYPERLINK l _Toc200457751 （二）國家的演變與發(fā)展 PAGEREF _Toc200457751 h 3 HYPERLINK l _Toc200457752 二、企業(yè)金融危機(jī)預(yù)警模型的種類 PAGEREF _Toc200457752 h 4 HYPERLINK l _Toc200457753 （一）統(tǒng)計(jì)金融危機(jī)預(yù)警模型 PAGEREF _Toc200457753 h 4 HYPERLINK l

4、_Toc200457754 1.一元判別模型 PAGEREF _Toc200457754 h 4 HYPERLINK l _Toc200457755 2.多元線性判別模型 PAGEREF _Toc200457755 h 4 HYPERLINK l _Toc200457756 3.多元邏輯回歸模型 PAGEREF _Toc200457756 h 5 HYPERLINK l _Toc200457757 4.多元概率比回歸模型 PAGEREF _Toc200457757 h 6 HYPERLINK l _Toc200457758 （2）非統(tǒng)計(jì)金融危機(jī)預(yù)警 PAGEREF _Toc200457758

5、h 模型6 HYPERLINK l _Toc200457759 （3）不同企業(yè)金融危機(jī)預(yù)警模型 PAGEREF _Toc200457759 h 對比分析6 HYPERLINK l _Toc200457760 三、企業(yè)金融危機(jī)預(yù)警模型構(gòu)建中指標(biāo)體系的選擇 PAGEREF _Toc200457760 h 8 HYPERLINK l _Toc200457761 1 ) 償債能力指標(biāo)8 PAGEREF _Toc200457761 h HYPERLINK l _Toc200457762 2 ) 盈利指標(biāo)8 PAGEREF _Toc200457762 h HYPERLINK l _Toc200457763

6、 3 ) 運(yùn)營能力指標(biāo)8 PAGEREF _Toc200457763 h HYPERLINK l _Toc200457764 （四）發(fā)展能力指標(biāo) PAGEREF _Toc200457764 h 9 HYPERLINK l _Toc200457765 (五) 現(xiàn)金流量 PAGEREF _Toc200457765 h 指標(biāo)9 HYPERLINK l _Toc200457766 企業(yè)金融危機(jī)預(yù)警模型 PAGEREF _Toc200457766 h 應(yīng)用中應(yīng)注意的問題9 HYPERLINK l _Toc200457767 參考文獻(xiàn) PAGEREF _Toc200457767 h 11 HYPERLIN

7、K l _Toc200457768 到 PAGEREF _Toc200457768 h 12介紹的廣泛 關(guān)注 .建立有效的金融危機(jī)預(yù)警模型，對于保護(hù)投資者和債權(quán)人的利益，為經(jīng)營者防范金融危機(jī)，以及政府管理部門對上市公司的質(zhì)量和證券情況進(jìn)行監(jiān)控具有重要意義。市場風(fēng)險(xiǎn)具有重要的現(xiàn)實(shí)意義，可以發(fā)揮危機(jī)預(yù)測、財(cái)務(wù)診斷、過程控制和風(fēng)險(xiǎn)規(guī)避等作用。公司金融危機(jī)預(yù)警模型的建立，有助于降低經(jīng)營風(fēng)險(xiǎn)；建立和使用有效的金融危機(jī)預(yù)警分析方法和預(yù)警模型，可以促進(jìn)我國資本市場規(guī)范健康發(fā)展；運(yùn)用有效的金融預(yù)警指標(biāo)體系和預(yù)警模型，可以幫助政府和證券監(jiān)管部門觀察市場風(fēng)險(xiǎn)，判斷監(jiān)管風(fēng)險(xiǎn)。企業(yè)財(cái)務(wù)危機(jī)又稱“財(cái)務(wù)困境”或“財(cái)務(wù)失敗

8、” ，是指企業(yè)因無法償還到期債務(wù)而引發(fā)的危機(jī)，包括技術(shù)故障、破產(chǎn)等形式。財(cái)務(wù)預(yù)警是以財(cái)務(wù)會計(jì)信息為基礎(chǔ)的。通過設(shè)置和觀察一些敏感預(yù)警指標(biāo)的變化，實(shí)現(xiàn)對企業(yè)可能或?qū)⒚媾R的金融危機(jī)的實(shí)時(shí)監(jiān)測和預(yù)警。財(cái)務(wù)預(yù)警中的數(shù)學(xué)模型是財(cái)務(wù)預(yù)警模型，是指通過企業(yè)的財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)體系來識別企業(yè)財(cái)務(wù)狀況的判別模型。 Fitzpatrick是第一個(gè)提出使用財(cái)務(wù)比率來預(yù)測和分析企業(yè)未來財(cái)務(wù)狀況的人。 Beaver使用統(tǒng)計(jì)分析方法建立了單變量金融預(yù)警模型。 Altman（1968）利用多元判別分析方法建立了著名的多元預(yù)警模型Z模型，并在對模型進(jìn)行修正后，提出了ZETA模型。 Ohlson使用Logit回歸模型對企業(yè)財(cái)

9、務(wù)預(yù)警進(jìn)行研究。之后， Zmijewski 、 Zavgren 、 Lavartt 、 Keasey和McGuinness也使用Logit 模型對金融危機(jī)預(yù)警進(jìn)行了研究，模型的預(yù)測準(zhǔn)確度有了很大的提高。我國金融預(yù)警模型的研究始于1990年代。景( 1999 ) , 凌( 2000 ) , 吳世農(nóng) , 盧憲一( 2001 )用多元判別法分析上市公司的金融危機(jī),郝 , 齊志平 , 于淼志,朱錫和田 等人用Logit模型分析金融危機(jī)。危機(jī)研究，周炳河軍、周思恩和丁力，正在使用主成分分析生成線性或Logit函數(shù)方程，用于金融預(yù)警研究。目前，我國企業(yè)金融危機(jī)預(yù)警模型的研究還處于起步階段。受限于數(shù)據(jù)的可獲

10、得性和樣本數(shù)量，大量研究主要針對上市公司，上市公司的特殊性限制了研究成果的應(yīng)用。本文的寫作方法主要是通過在圖書館和閱覽室閱讀相關(guān)書籍，登錄CNKI，下載月刊和畢業(yè)論文，然后打印出來仔細(xì)閱讀理解。通過對比分析和研究數(shù)據(jù)，我得出了自己的觀點(diǎn)。本文主要探討了企業(yè)金融危機(jī)預(yù)警模型，總結(jié)了企業(yè)金融危機(jī)預(yù)警模型的演變和發(fā)展，介紹了國外幾種流行的金融危機(jī)預(yù)警模型，總結(jié)了各種模型的優(yōu)勢及其在應(yīng)用中的局限性。對企業(yè)金融危機(jī)預(yù)警模型的未來發(fā)展進(jìn)行了展望。一、企業(yè)金融危機(jī)預(yù)警模型的演變與發(fā)展（一）國外的演變與發(fā)展企業(yè)金融危機(jī)預(yù)警模型大致經(jīng)歷了從單變量模型到多變量模型、從多變量判別模型到logit模型等參數(shù)模型、從統(tǒng)

11、計(jì)參數(shù)模型到非參數(shù)模型、從單一模型到綜合系統(tǒng)的過程。過程（程濤，2003）。金融危機(jī)預(yù)警的研究可以追溯到1930年代，其研究主要集中在金融預(yù)警模型的構(gòu)建上。現(xiàn)在這些研究成果已經(jīng)比較成熟，并在實(shí)踐中得到了廣泛的應(yīng)用。一般來說，金融預(yù)警模型主要分為單變量模型和多變量模型。單變量模型研究的先驅(qū)是Fitzpatrick 。他在 1932 年選擇了19家公司作為樣本，并使用單一的財(cái)務(wù)比率將樣本分為兩組：破產(chǎn)和非破產(chǎn)。結(jié)果發(fā)現(xiàn)，凈利潤/股東權(quán)益和股東權(quán)益/負(fù)債這兩個(gè)比率具有很強(qiáng)的判別能力。 1966年，美國芝加哥大學(xué)教授威廉比弗提出了一個(gè)比較成熟的單變量模型。他以79家失敗的公司和相同數(shù)量的成功公司為樣本

12、，測試了6組30 個(gè)反映不同財(cái)務(wù)特征的變量。對破產(chǎn)前1-5年的預(yù)測能力表明，債務(wù)保護(hù)率預(yù)測的準(zhǔn)確性最高，資產(chǎn)負(fù)債率次之，越接近破產(chǎn)日，預(yù)測性越強(qiáng)。 1968年，美國學(xué)者愛德華 IAl tman率先將多元線性判別法引入金融預(yù)警領(lǐng)域，開創(chuàng)了多元預(yù)警模型的先河。他選擇了22個(gè)變量作為初步選擇變量。他通過對33家破產(chǎn)制造企業(yè)和33家非破產(chǎn)配套企業(yè)的研究分析，最終按照誤判率最小原則確定了經(jīng)營資產(chǎn)/總資產(chǎn)和留存收益/總資產(chǎn)。 、EBIT /總資產(chǎn)、股東權(quán)益市值/總負(fù)債賬面價(jià)值和銷售收入/總資產(chǎn)作為判別變量構(gòu)建Z -score模型。此后，多元分析方法被廣泛采用，各國學(xué)者根據(jù)奧特曼的思想構(gòu)建了自己的多元模型。

13、典型的有 Edmisterd 提出的專門針對小企業(yè)的財(cái)務(wù)預(yù)警模型、英國 Taffler 的多元模型、日本開發(fā)銀行（1970 年代）建立的多元預(yù)測模型、 Altman的Z-score . Haldeman和Narayanan 于 1977 年對模型進(jìn)行修正和補(bǔ)充Z ETA 模型等。雖然以Altman的Z-score為代表的多元判別分析方法已成為金融預(yù)警模型的基礎(chǔ)，但它具有嚴(yán)格的聯(lián)合正態(tài)分布對預(yù)測變量的要求，而現(xiàn)實(shí)生活中的大多數(shù)財(cái)務(wù)比率都不符合這一要求。 .為了克服這一限制，研究人員建議使用回歸分析來提高金融預(yù)警的能力。 1980年，奧爾森選取了1970-1976年間的105家破產(chǎn)企業(yè)和2058家

14、非破產(chǎn)企業(yè)作為樣本，利用邏輯回歸方法建立了Logit預(yù)警模型，隨后出現(xiàn)了Zmijewski的Probit分析模型。隨著計(jì)算機(jī)技術(shù)和信息技術(shù)的不斷發(fā)展，西方研究人員開始利用人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、遺傳算法等非統(tǒng)計(jì)方法來預(yù)測財(cái)務(wù)困境。 1990年，奧多姆等人。開始使用人工神經(jīng)網(wǎng)絡(luò)來探索財(cái)務(wù)困境的預(yù)測。 1998年， Messier和Hansen首次將專家系統(tǒng)引入財(cái)務(wù)困境預(yù)測領(lǐng)域。 Franco和Varett嘗試應(yīng)用遺傳算法構(gòu)建預(yù)警模型。這些研究取得了比以往的線性分析模型更好的結(jié)果。值得注意的是，近年來，災(zāi)難理論、混沌理論、期權(quán)理論等也被引入到金融危機(jī)預(yù)警研究中，極大地推動了西方金融預(yù)警研究的快速發(fā)

15、展。（二）國家的演變和發(fā)展由于受證券市場發(fā)展的影響，國家對金融危機(jī)預(yù)警的研究起步較晚。 1986年，吳世農(nóng)、黃世忠在中國經(jīng)濟(jì)問題上發(fā)表文章，在國內(nèi)首次介紹了企業(yè)破產(chǎn)的分析指標(biāo)和預(yù)測模型。 1990年，國家自然科學(xué)基金委員會管理科學(xué)組支持佘廉等人從事企業(yè)預(yù)警研究， 1999年出版了企業(yè)預(yù)警管理系列叢書。之后，中國學(xué)者才真正開始了金融預(yù)警的研究，并取得了一定的成果。 1996年，周守華、紀(jì)華借鑒奧特曼的研究成果，在Z-score模型的基礎(chǔ)上進(jìn)行改進(jìn)，考慮現(xiàn)金流指標(biāo)，選取了1977年至1990年的62家公司（其中31家破產(chǎn)公司取自華爾街日報(bào)）期刊索引”）。 ”，配對的其他 31 家非破產(chǎn)公司取自Co

16、mpust作為會計(jì)數(shù)據(jù)庫） ，建立了F- score 模型，并與Compustat PC Plus 1990 年以來會計(jì)數(shù)據(jù)中的4,160 家公司的數(shù)據(jù)進(jìn)行了驗(yàn)證，作為測試樣本，其準(zhǔn)確率高達(dá)70% ，但他們的研究對象不是中國證券市場。 1999年，靖是第一個(gè)預(yù)測中國上市公司財(cái)務(wù)困境的人。她以27家ST公司和非ST公司為比較樣本，選取資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、總資產(chǎn)收益率、流動比率4個(gè)財(cái)務(wù)指標(biāo)，進(jìn)行單變量分析。誤判率最低；在多元判別分析中，通過選取資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、總資產(chǎn)收益率、流動比率、營運(yùn)資金/總資產(chǎn)和總資產(chǎn)周轉(zhuǎn)率六個(gè)指標(biāo)構(gòu)建多元線性判別函數(shù)。 ST的前3年具有更好的預(yù)測能力。 20

17、00年，凌（2000）選取上海和深圳14個(gè)行業(yè)的120家上市公司作為樣本，從償付能力、盈利能力、資本結(jié)構(gòu)和經(jīng)營狀況4個(gè)方面篩選出4個(gè)相關(guān)財(cái)務(wù)比率。變量來構(gòu)建二元線性決策模型。同年，于、肖、志宏分別建立了多元分析模型和Logistic模型。 2001年，吳世農(nóng)、盧憲一（2001）選取了1998年至2000年的70家ST公司作為金融危機(jī)公司和70家非ST公司作為匹配樣本。從成長能力、企業(yè)規(guī)模等6個(gè)方面的21個(gè)財(cái)務(wù)指標(biāo)中確定了6個(gè)預(yù)測指標(biāo)，并采用Fisher判別分析、多元線性回歸和邏輯回歸分析構(gòu)建了相應(yīng)的模型。結(jié)果證明，對于相同的信息集，邏輯回歸模型的決策能力最好。同年，針對判別分析方法在構(gòu)建金融危

18、機(jī)預(yù)警模型中存在的問題，寶安和吉海首次利用BP神經(jīng)網(wǎng)絡(luò)建立了金融預(yù)警模型。之后，粗糙集神經(jīng)網(wǎng)絡(luò)、基于模糊優(yōu)化的神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)金融預(yù)警模型相繼出現(xiàn)；相關(guān)討論。上述學(xué)者對我國上市公司金融危機(jī)的預(yù)警做出了巨大貢獻(xiàn)，極大地推動了我國這方面的發(fā)展。但總體而言，中國的研究與國外相比是落后的。企業(yè)金融危機(jī)預(yù)警模型的類型財(cái)務(wù)預(yù)警是基于企業(yè)信息化對企業(yè)經(jīng)營管理活動中潛在的金融危機(jī)風(fēng)險(xiǎn)進(jìn)行監(jiān)測、診斷和預(yù)警的系統(tǒng)。它貫穿于企業(yè)經(jīng)營的全過程，以公司的財(cái)務(wù)報(bào)表、經(jīng)營計(jì)劃等相關(guān)財(cái)務(wù)數(shù)據(jù)為基礎(chǔ)，運(yùn)用會計(jì)、財(cái)務(wù)、企業(yè)管理、市場營銷等理論，運(yùn)用比率分析、數(shù)學(xué)模型等方法發(fā)現(xiàn)風(fēng)險(xiǎn)企業(yè)存在管理方法，向利益相關(guān)者發(fā)出警告，以便

19、采取相應(yīng)的對策。財(cái)務(wù)預(yù)警模型是利用企業(yè)的一系列財(cái)務(wù)指標(biāo)和非財(cái)務(wù)指標(biāo)來識別企業(yè)財(cái)務(wù)狀況的判別模型。本文將企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型分為統(tǒng)計(jì)類和非統(tǒng)計(jì)類進(jìn)行討論。（一）統(tǒng)計(jì)金融危機(jī)預(yù)警模型統(tǒng)計(jì)金融預(yù)警模型包括單變量判別模型、多元線性判別模型、多元邏輯回歸模型、多概率比回歸模型等。1.一元判別模型單變量判別模型是指以某一財(cái)務(wù)指標(biāo)為標(biāo)準(zhǔn)，判斷企業(yè)處于破產(chǎn)狀態(tài)還是非破產(chǎn)狀態(tài)的預(yù)測模型。單變量判別模型的主要思想是通過比較某財(cái)務(wù)指標(biāo)在財(cái)務(wù)困境企業(yè)與非財(cái)務(wù)困境企業(yè)之間的顯著差異，對財(cái)務(wù)困境企業(yè)進(jìn)行預(yù)警。最早研究金融危機(jī)預(yù)警的是Fitzpatrick提出的單變量破產(chǎn)預(yù)測模型。他抽取了 19 家公司作為樣本，并使用單一

20、的財(cái)務(wù)比率將樣本分為破產(chǎn)和非破產(chǎn)組。研究結(jié)果發(fā)現(xiàn)，凈利潤/權(quán)益和股東權(quán)益/負(fù)債這兩個(gè)比率最具歧視性，并且這兩個(gè)比率在經(jīng)營失敗前三年表現(xiàn)出顯著差異。 Beaver對單變量判別模型進(jìn)行了系統(tǒng)分析。他對 1954-1964年金融危機(jī)期間的79 家公司的 30 個(gè)財(cái)務(wù)比率與相同資產(chǎn)規(guī)模的成功公司進(jìn)行了比較研究（即通過個(gè)人財(cái)務(wù)比率惡化來預(yù)測財(cái)務(wù)困境）。在排除行業(yè)因素和公司資產(chǎn)規(guī)模因素的前提下，比弗的研究表明，能夠有效預(yù)測金融危機(jī)的比率包括債務(wù)覆蓋率、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)覆蓋率（現(xiàn)金流/總債務(wù)）是財(cái)務(wù)困境的最佳預(yù)測指標(biāo)。一元判別分析是最早應(yīng)用于企業(yè)財(cái)務(wù)預(yù)警的實(shí)證

21、模型，開創(chuàng)了財(cái)務(wù)預(yù)警實(shí)證研究的先河。2.多元線性判別模型多元線性函數(shù)模型是對企業(yè)的多個(gè)財(cái)務(wù)比率進(jìn)行匯總，得到總判別分?jǐn)?shù)來預(yù)測企業(yè)財(cái)務(wù)危機(jī)的模型。它從全局和綜合的角度審視企業(yè)的財(cái)務(wù)狀況，未雨綢繆，避免或延緩金融危機(jī)的發(fā)生。最廣泛使用的多元線性函數(shù)模型是Z- score 模型。 Z- score模型最早由美國學(xué)者奧特曼于1968年研究。Altman的多元判別模型如下：Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5X1=（期末流動資產(chǎn)-期末流動負(fù)債）/期末總資產(chǎn)X2=期末留存收益/期末總資產(chǎn)X3=期末息稅前利潤/總資產(chǎn)X4=期末股東權(quán)益市值/期末負(fù)債總額X5=當(dāng)期

22、銷售收入/總資產(chǎn)Alman的研究發(fā)現(xiàn)：Z值越低，企業(yè)財(cái)務(wù)失敗的可能性就越大； Z值越高，企業(yè)遭受財(cái)務(wù)失敗的可能性越小。他分析計(jì)算了66家公司，準(zhǔn)確率在95%左右。Z-score模型的具體判斷標(biāo)準(zhǔn)為：Z 3.0 財(cái)務(wù)失敗的可能性低2.8Z2.9 有財(cái)務(wù)倒閉的可能1.81Z2.7 財(cái)務(wù)失敗的可能性很大Z1.8 很可能財(cái)務(wù)上失敗多變量模型可以說是對單變量模型的修正，在一定程度上彌補(bǔ)了單變量模型的一些缺陷。3.多元邏輯回歸模型多元邏輯回歸模型的目標(biāo)是尋求被觀察對象的條件概率，從而判斷被觀察對象的財(cái)務(wù)狀況和經(jīng)營風(fēng)險(xiǎn)。它基于累積概率函數(shù)，不需要假設(shè)自變量服從多元正態(tài)分布并且兩組之間的協(xié)方差相等。多元邏輯回

23、歸模型假設(shè)破產(chǎn)概率為p （ 1表示破產(chǎn)，0表示非破產(chǎn)），并假設(shè)可以用財(cái)務(wù)比率線性解釋。首先假設(shè) = a + bx ，然后根據(jù)推導(dǎo)可以得到 p=exp ，從而計(jì)算出企業(yè)破產(chǎn)的概率。判斷方法與其他機(jī)型相同。首先根據(jù)多元線性判斷模型確定企業(yè)破產(chǎn)的Z值（Z=a+bx） ，進(jìn)而推導(dǎo)出企業(yè)破產(chǎn)的條件概率。判斷規(guī)則為：如果p值大于0.5 ，說明企業(yè)破產(chǎn)的概率較大，則判斷企業(yè)即將破產(chǎn)；如果p值低于0.5，說明企業(yè)財(cái)務(wù)正常的概率，判斷企業(yè)財(cái)務(wù)正常。 Ohlson是第一個(gè)使用多元邏輯回歸模型進(jìn)行破產(chǎn)預(yù)測的人。他選擇了1970 至 1976 年間破產(chǎn)的105家公司和2,058 家非破產(chǎn)公司的配對樣本。分析了樣本公司

24、在破產(chǎn)概率區(qū)間上的分布與兩類錯誤和分裂點(diǎn)的關(guān)系。他發(fā)現(xiàn)，影響企業(yè)破產(chǎn)概率的變量至少有四種：企業(yè)規(guī)模、資本結(jié)構(gòu)、業(yè)績和當(dāng)前融資能力。研究結(jié)果表明，這四類變量對金融危機(jī)的預(yù)測準(zhǔn)確率為96.12%。4.多元概率比回歸模型多元概率比回歸模型還假設(shè)企業(yè)破產(chǎn)的概率為p，并假設(shè)企業(yè)樣本服從標(biāo)準(zhǔn)正態(tài)分布，其概率函數(shù)的p分位數(shù)可以被財(cái)務(wù)指標(biāo)線性解釋。其計(jì)算方法與多元邏輯回歸方法非常相似。首先確定企業(yè)樣本的最大似然函數(shù)，然后通過求似然函數(shù)的最大值得到參數(shù)a和b ，然后可以用下面的公式求出企業(yè)的破產(chǎn)概率。與前面的判別規(guī)則相同，如果概率p小于0.5 ，則判斷財(cái)務(wù)正常，如果p大于0.5 ，則即將破產(chǎn)。 Zmijewsk

25、首先使用了多元概率回歸模型。他選取1972年至1978年間的76家破產(chǎn)企業(yè)和3880家正常企業(yè)進(jìn)行分析。采用最大似然法，通過最大化每個(gè)樣本個(gè)體的破產(chǎn)和非破產(chǎn)聯(lián)合概率來構(gòu)建模型，分析樣本公司在破產(chǎn)概率區(qū)間內(nèi)的分布情況，與兩類誤差和判別閾值點(diǎn)。關(guān)系。（2）非統(tǒng)計(jì)金融危機(jī)預(yù)警模型非統(tǒng)計(jì)金融危機(jī)預(yù)警模型主要包括人工神經(jīng)網(wǎng)絡(luò)模型。這是一個(gè)將網(wǎng)絡(luò)的分類方法應(yīng)用于金融預(yù)警的模型。人工神經(jīng)網(wǎng)絡(luò)是一種并行分散處理方法，其構(gòu)建原理是基于模擬人腦的神經(jīng)操作。人工神經(jīng)網(wǎng)絡(luò)通常由輸入層、輸出層和隱藏層組成，其信息處理分為前向傳播和后向?qū)W習(xí)兩個(gè)步驟。網(wǎng)絡(luò)的學(xué)習(xí)是誤差從輸出層傳播回輸入層并修正值的過程。學(xué)習(xí)的目的是使網(wǎng)絡(luò)的

26、實(shí)際輸入接近給定的期望輸出。根據(jù)最終的期望產(chǎn)出得到企業(yè)的期望值，然后根據(jù)學(xué)習(xí)到的判別規(guī)則對樣本進(jìn)行分類。人工神經(jīng)網(wǎng)絡(luò)具有更好的糾錯能力，因此可以做出更好的預(yù)測。 Odom和Sharda是最早將神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于金融危機(jī)預(yù)警研究的人。他們使用人工神經(jīng)網(wǎng)絡(luò)來預(yù)測金融危機(jī)。他們將1975年至1982年的64家失敗公司與64家正常公司配對，并將樣本分為訓(xùn)練樣本和保留樣本，以Altman ( 1968 ) Z -score模型中使用的五個(gè)財(cái)務(wù)比率作為研究變量，使用神經(jīng)網(wǎng)絡(luò)構(gòu)建模型.結(jié)果表明，訓(xùn)練樣本的判別正確率高達(dá)100 % ，樣本留不住企業(yè)和正常企業(yè)的預(yù)測正確率分別為81. 75 %和78.18 %

27、，說明神經(jīng)網(wǎng)絡(luò)具有較好的預(yù)測能力。他們的模型優(yōu)于當(dāng)時(shí)的判別分析模型，可以更好地解決分類問題。但他們的模型只是對神經(jīng)網(wǎng)絡(luò)方法應(yīng)用的展示，是對Altman (1968) 工作的重復(fù)。人工神經(jīng)網(wǎng)絡(luò)具有很好的模式識別能力，也可以克服統(tǒng)計(jì)方法的局限性，因?yàn)樗哂腥蒎e性，對數(shù)據(jù)的分布沒有嚴(yán)格的要求，不需要考慮是否符合正態(tài)分布的假設(shè)，并具有處理自律或疏忽的能力。是犯錯的能力，可以處理非量化變量。最重要的一點(diǎn)是人工神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)能力。它可以隨時(shí)根據(jù)新準(zhǔn)備的數(shù)據(jù)進(jìn)行自學(xué)習(xí)和訓(xùn)練，并根據(jù)可變參數(shù)調(diào)整其存儲權(quán)重參數(shù)。企業(yè)運(yùn)營環(huán)境。然而，傳統(tǒng)的統(tǒng)計(jì)方法不具備這種學(xué)習(xí)能力。（3）不同企業(yè)金融危機(jī)預(yù)警模型對比分析通過國

28、外學(xué)者的研究，企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型得到很大發(fā)展，可以在企業(yè)財(cái)務(wù)危機(jī)預(yù)警中發(fā)揮重要作用。很多企業(yè)根據(jù)自身行業(yè)特點(diǎn)和自身發(fā)展?fàn)顩r，構(gòu)建了適合自身企業(yè)的金融危機(jī)預(yù)警模型，可以有效預(yù)測企業(yè)可能出現(xiàn)的危機(jī)，并采取積極措施進(jìn)行防范，從而促進(jìn)企業(yè)發(fā)展。該公司的。然而，每種企業(yè)金融危機(jī)預(yù)警模型都有其自身的局限性。這些將在下面單獨(dú)討論。1 、單變量判斷模型有較好的理論基礎(chǔ)，但將各種財(cái)務(wù)分析指標(biāo)之間的關(guān)系分開，在實(shí)際應(yīng)用中有很大的局限性，預(yù)警的準(zhǔn)確性較差。2、二元判斷模型在實(shí)際應(yīng)用中具有較好的可預(yù)測性，但缺乏理論依據(jù)。多元判斷模型存在嚴(yán)重偏離現(xiàn)實(shí)的假設(shè)以及拒絕和接受錯誤導(dǎo)致的機(jī)會成本損失。這些顯然與客觀現(xiàn)實(shí)不符。

29、同時(shí)，多元判斷模型需要大量的數(shù)據(jù)支持。對于中國發(fā)展中的資本市場，上市公司的數(shù)量和可提供的數(shù)據(jù)有限，中國從1999年才開始實(shí)行ST和PT制度。參考數(shù)據(jù)更為有限，其預(yù)測結(jié)果的可靠性有待加強(qiáng)。3 、神經(jīng)網(wǎng)絡(luò)預(yù)警系統(tǒng)在公司金融危機(jī)預(yù)警模型中長期沒有使用。神經(jīng)網(wǎng)絡(luò)預(yù)警模型過于復(fù)雜，在應(yīng)用中需要改進(jìn)，因此在實(shí)踐中受到很大限制。4 、現(xiàn)有預(yù)警模型無法區(qū)分上市公司提供數(shù)據(jù)的真?zhèn)巍Ｓ捎诠局卫聿煌晟?、上市公司監(jiān)管不力、會計(jì)制度存在漏洞，不少管理公司為自身利益提供虛假財(cái)務(wù)報(bào)告和數(shù)據(jù)。如果預(yù)警模型無法區(qū)分信息和數(shù)據(jù)，則基于信息和數(shù)據(jù)的預(yù)警模型參數(shù)不可靠，最終會降低預(yù)測結(jié)果的準(zhǔn)確性和可靠性。5.現(xiàn)有的金融預(yù)警模型主要

30、側(cè)重于量化金融數(shù)據(jù)的運(yùn)用，較少考慮宏觀經(jīng)濟(jì)狀況、國家政策變化、不同企業(yè)的特殊情況（如信用）等定性指標(biāo)，而這些因素會影響公司的業(yè)績。生存和發(fā)展有有利或不利的影響，有時(shí)甚至是決定性的。6 、現(xiàn)有的財(cái)務(wù)預(yù)警模型大多更注重上市公司提供的資產(chǎn)負(fù)債表和損益表中數(shù)據(jù)指標(biāo)的使用，而往往忽略上市公司提供的現(xiàn)金流量表等數(shù)據(jù)的使用。資產(chǎn)負(fù)債表和利潤表均以權(quán)責(zé)發(fā)生制為基礎(chǔ)，而現(xiàn)金流量表以現(xiàn)金為基礎(chǔ)，更能準(zhǔn)確反映上市公司的財(cái)務(wù)狀況，因此更能為上市公司提供更可靠、更可信的基礎(chǔ)數(shù)據(jù)。金融預(yù)警模型。7 、現(xiàn)有的財(cái)務(wù)預(yù)警模型基本采用公司年報(bào)，即年報(bào)數(shù)據(jù)。模型的參數(shù)也是基于年報(bào)數(shù)據(jù)，很少使用季報(bào)或月報(bào)數(shù)據(jù)。這樣的財(cái)務(wù)預(yù)警模型可能

31、對大型企業(yè)的中長期發(fā)展有很好的預(yù)測，但對于一些抗風(fēng)險(xiǎn)能力較弱的中小型企業(yè)來說，由于短期的影響很大。因素，這類模型的結(jié)果往往滯后。 ，也難以滿足金融危機(jī)預(yù)測的短期需求。8、現(xiàn)有的財(cái)務(wù)預(yù)警模型基本以公司破產(chǎn)或公司進(jìn)入PT、ST作為公司財(cái)務(wù)危機(jī)的判斷標(biāo)準(zhǔn)（何榮華，2006）。事實(shí)上，公司破產(chǎn)或被PT、ST處理，是金融危機(jī)的一種極端形式。僅以此為基礎(chǔ)的預(yù)警模型難以滿足各方對公司財(cái)務(wù)狀況的預(yù)測需求，尤其是對公司財(cái)務(wù)風(fēng)險(xiǎn)的早期預(yù)測。三、構(gòu)建企業(yè)金融危機(jī)預(yù)警模型時(shí)指標(biāo)體系的選擇金融危機(jī)預(yù)警模型的可靠性很大程度上取決于金融指標(biāo)的選擇。企業(yè)金融危機(jī)預(yù)測指標(biāo)體系的建立，要充分反映企業(yè)的經(jīng)營和財(cái)務(wù)狀況，要適當(dāng)簡化，

32、便于數(shù)據(jù)的收集。處理，降低預(yù)測成本。 Altman 博士在建立Z值模型時(shí)指出，財(cái)務(wù)指標(biāo)的初始選擇應(yīng)遵循兩個(gè)原則：一是指標(biāo)在以往研究中出現(xiàn)的頻率；二是指標(biāo)與研究問題之間的潛在相關(guān)性。該原則要求預(yù)警變量必須能夠提供多層次、多角度的信息。為保證財(cái)務(wù)比率指標(biāo)的科學(xué)實(shí)用價(jià)值，作為財(cái)務(wù)指標(biāo)主體的財(cái)務(wù)比率至少應(yīng)包括相關(guān)償付能力、盈利能力、經(jīng)營能力、開發(fā)能力和現(xiàn)金流量等。不同角度、不同方面綜合反映了財(cái)務(wù)狀況。(1) 償債能力指數(shù)從資產(chǎn)存量來看，企業(yè)的財(cái)務(wù)失敗表現(xiàn)為企業(yè)總資產(chǎn)的賬面價(jià)值低于負(fù)債總額的賬面價(jià)值，即企業(yè)凈資產(chǎn)為負(fù)。從企業(yè)破產(chǎn)法的角度來看，國有企業(yè)的破產(chǎn)限額是“因經(jīng)營不善、無力清償?shù)狡趥鶆?wù)而遭受嚴(yán)重?fù)p

33、失”。本質(zhì)是他們無法償還到期債務(wù)。因此，過度借貸是企業(yè)財(cái)務(wù)倒閉和危機(jī)形成的“第一殺手”，償付能力指標(biāo)是構(gòu)建金融危機(jī)預(yù)警模型指標(biāo)體系的首要因素。因此，為了綜合評價(jià)債權(quán)人關(guān)心的資產(chǎn)負(fù)債水平和償債能力，應(yīng)選擇流動比率和資產(chǎn)負(fù)債比率。(2) 盈利指標(biāo)無論是投資者、債權(quán)人還是企業(yè)經(jīng)營者，都非常重視和關(guān)心企業(yè)的盈利能力。一般來說，一個(gè)企業(yè)的盈利能力只與正常的經(jīng)營狀況有關(guān)。不正常的經(jīng)營狀況也會給企業(yè)帶來利潤或虧損，但這只是特殊情況下的個(gè)別結(jié)果，并不能解釋企業(yè)真正的盈利能力。因此，為了客觀評價(jià)投資者關(guān)心的盈利能力，應(yīng)選擇主營業(yè)務(wù)利潤率、總資產(chǎn)收益率、凈資產(chǎn)收益率。（三）經(jīng)營能力指標(biāo)企業(yè)的最終目標(biāo)是盈利，而盈利

34、的關(guān)鍵是如何合理使用企業(yè)的有效資金。企業(yè)的資本不是靜止的，而是按照資本運(yùn)動的規(guī)律運(yùn)動的。因此，資金流動的速度成為判斷資金使用是否合理的唯一標(biāo)準(zhǔn)。經(jīng)營能力指數(shù)是用來衡量企業(yè)使用資金效率的財(cái)務(wù)比率，企業(yè)的經(jīng)營者比較關(guān)心這些指標(biāo)。為了評價(jià)一個(gè)企業(yè)的經(jīng)營能力，應(yīng)選擇應(yīng)收賬款周轉(zhuǎn)率、存貨周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率。（四）開發(fā)能力指標(biāo)發(fā)展能力是企業(yè)在生存的基礎(chǔ)上擴(kuò)大規(guī)模、增強(qiáng)實(shí)力的潛在能力。反映了公司未來市場拓展、規(guī)模擴(kuò)張和利潤增長的前景，是對公司未來發(fā)展趨勢的綜合反映。為反映公司未來擴(kuò)大資本的能力，應(yīng)選擇銷售增長率、總資產(chǎn)增長率和凈利潤增長率。（五）現(xiàn)金流指標(biāo)從現(xiàn)金流的角度看，財(cái)務(wù)失敗的另一個(gè)重要表現(xiàn)是企業(yè)的

35、現(xiàn)金流入小于現(xiàn)金流出，即企業(yè)的現(xiàn)金流量凈額為負(fù)。眾所周知，凈利潤將由經(jīng)營者控制。這種盈利操作導(dǎo)致了財(cái)務(wù)信息的扭曲，同時(shí)也會被解讀為一種很奇怪也很矛盾的情況：一方面，公司賬面上有會計(jì)利潤；另一方面，該公司缺乏現(xiàn)金支付能力。為了克服權(quán)責(zé)發(fā)生制會計(jì)原則帶來的人為操縱利潤的弊端，人們在現(xiàn)金收付制度的基礎(chǔ)上發(fā)展了“現(xiàn)金流量基礎(chǔ)”。財(cái)務(wù)警告的重點(diǎn)應(yīng)放在現(xiàn)金及其流動上。為了反映企業(yè)的現(xiàn)金流，現(xiàn)金負(fù)債率、銷售現(xiàn)金比率、凈利潤經(jīng)營指標(biāo)和財(cái)務(wù)比率指標(biāo)的設(shè)計(jì)和選擇是建立財(cái)務(wù)預(yù)警體系的重要前提。 .預(yù)警離不開監(jiān)測，監(jiān)測離不開財(cái)務(wù)指標(biāo)。因此，構(gòu)建金融預(yù)警模型，首先必須在分析系統(tǒng)環(huán)境、目標(biāo)、結(jié)構(gòu)、功能及其與整體關(guān)系的基礎(chǔ)

36、上，通過嚴(yán)謹(jǐn)?shù)睦碚摵蛯?shí)證分析，科學(xué)合理地設(shè)計(jì)和選擇金融服務(wù)。監(jiān)測和預(yù)警系統(tǒng)。指標(biāo)體系構(gòu)建金融預(yù)警模型的指標(biāo)體系。四、企業(yè)金融危機(jī)預(yù)警模型應(yīng)用應(yīng)注意的問題企業(yè)金融危機(jī)預(yù)警模型在很大程度上促進(jìn)了企業(yè)的發(fā)展，但在應(yīng)用過程中應(yīng)注意以下問題：（一）金融預(yù)警模型缺乏經(jīng)濟(jì)理論指導(dǎo)在目前的文獻(xiàn)中，還沒有理論能夠充分解釋財(cái)務(wù)指標(biāo)與金融危機(jī)之間的關(guān)系。由于缺乏理論指導(dǎo)，各模型財(cái)務(wù)指標(biāo)的選擇比較隨意。另一方面，每個(gè)模型選擇的財(cái)務(wù)指標(biāo)可能只是一個(gè)公司財(cái)務(wù)危機(jī)的表象，而不是根本原因。（二）金融預(yù)警模型功能有待進(jìn)一步拓展作為一套完整的金融預(yù)警系統(tǒng)，除了判斷某些指標(biāo)是否超過預(yù)警限值外，還應(yīng)該能夠解釋危機(jī)的原因、發(fā)展過程、現(xiàn)

37、狀和未來變化的趨勢，從而為管理層提供真實(shí)有用的預(yù)警信息。此外，財(cái)務(wù)預(yù)警模型還應(yīng)具備一定的判斷功能，比如能夠辨別上市公司提供的數(shù)據(jù)的真?zhèn)?。由于公司治理不完善、上市公司監(jiān)管不力、會計(jì)制度存在漏洞，不少管理公司為自身利益提供虛假財(cái)務(wù)報(bào)告和數(shù)據(jù)。如果預(yù)警模型無法區(qū)分信息和數(shù)據(jù)，則基于信息和數(shù)據(jù)的預(yù)警模型參數(shù)不可靠，最終會降低預(yù)測結(jié)果的準(zhǔn)確性。( 3 )金融預(yù)警模型不考慮非量化因素現(xiàn)有的財(cái)務(wù)預(yù)警模型主要側(cè)重于財(cái)務(wù)指標(biāo)的運(yùn)用，很少考慮社會經(jīng)濟(jì)環(huán)境和公司自身情況（如公司戰(zhàn)略、人力資源、信用等）等非量化因素。這些非量化因素會對企業(yè)的生存和發(fā)展產(chǎn)生許多有利或不利的影響，有時(shí)可能是本質(zhì)原因。( 4 )金融預(yù)警模型

38、的作用將受限于金融指標(biāo)和樣本的選取各種模型在財(cái)務(wù)指標(biāo)的選擇上各有側(cè)重。這種強(qiáng)調(diào)在一定程度上是片面的，因?yàn)楹雎粤素?cái)務(wù)指標(biāo)的其他方面。例如，現(xiàn)有的財(cái)務(wù)預(yù)警模型大多更注重上市公司提供的資產(chǎn)負(fù)債表和損益表中數(shù)據(jù)指標(biāo)的使用，而往往忽略上市公司提供的現(xiàn)金流量表等數(shù)據(jù)的使用。另一方面，不同的樣本選擇（包括時(shí)間和空間）也會對金融預(yù)警模型的適用性產(chǎn)生很大影響。比如不同國家和地區(qū)、不同行業(yè)、不同研究區(qū)間的選擇。( 5 )金融預(yù)警模型應(yīng)用條件不能完全滿足各種金融預(yù)警模型都有其假設(shè)，這些假設(shè)在實(shí)踐中并不能完全滿足。我們的很多研究都是在近似條件下進(jìn)行的，這無疑會降低模型的穩(wěn)定性和預(yù)測精度。（六）根據(jù)企業(yè)金融危機(jī)預(yù)警模型

39、的應(yīng)用實(shí)踐和各種模型應(yīng)用中存在的問題，本文認(rèn)為企業(yè)金融危機(jī)預(yù)警模型未來的發(fā)展方向應(yīng)體現(xiàn)以下幾個(gè)方面： ，針對不同行業(yè)開發(fā)一些金融危機(jī)預(yù)警分析模型。由于每個(gè)行業(yè)都有自己的經(jīng)營特點(diǎn)，財(cái)務(wù)數(shù)據(jù)存在一定差異，降低了各行業(yè)財(cái)務(wù)數(shù)據(jù)的可比性，因此有必要針對不同行業(yè)建立金融危機(jī)預(yù)警模型。其次，未來金融危機(jī)預(yù)警模型還應(yīng)考慮一些非金融指標(biāo)所能反映的定性因素。第三，未來金融危機(jī)預(yù)警模型應(yīng)該能夠識別公司提供的財(cái)務(wù)數(shù)據(jù)的真實(shí)性。第四，未來的金融危機(jī)預(yù)警模型應(yīng)具備一定的自學(xué)能力。第五，未來金融危機(jī)預(yù)警模型應(yīng)向靜態(tài)和動態(tài)兩個(gè)方向發(fā)展。第六，未來財(cái)務(wù)預(yù)警模型在關(guān)注上市公司資產(chǎn)負(fù)債表和損益表提供的數(shù)據(jù)的同時(shí)，應(yīng)更多關(guān)注能夠反

40、映上市公司資產(chǎn)流動性的現(xiàn)金流量表數(shù)據(jù)的應(yīng)用。在使用上市公司年報(bào)數(shù)據(jù)（包括三大報(bào)表及其附件）的同時(shí)，還應(yīng)設(shè)計(jì)一些使用公司季報(bào)和月報(bào)數(shù)據(jù)的中短期預(yù)警模型，以滿足中短期投資者的需求。參考1程濤.金融預(yù)警模型綜述J .財(cái)經(jīng)大學(xué)學(xué)報(bào)，2003（ 5 ）。2愛民，朱春山，許丹健.上市公司財(cái)務(wù)失敗的主成分預(yù)測模型及其實(shí)證研究 J 金融研究， 2001 （3）。3寶寶, 季海, 徐靜, 文錦祥. BP神經(jīng)網(wǎng)絡(luò)在企業(yè)財(cái)務(wù)危機(jī)預(yù)警中的應(yīng)用J .預(yù)測2001(2) 。4郭躍玲，呂樹金融危機(jī)預(yù)警模型的構(gòu)建J.商場現(xiàn)代化，2007（10）。5明，嚴(yán)。財(cái)務(wù)困境預(yù)測的實(shí)證研究與回顧J財(cái)經(jīng)研究，2001（12） 。6何榮華財(cái)

41、務(wù)預(yù)警模型分析、比較、評價(jià)J ，會計(jì)之友， 2006 （ 8 ）7 岳.金融危機(jī)預(yù)警指標(biāo)體系的構(gòu)建J .會計(jì)之友， 2005 （2）。8王宇企業(yè)金融危機(jī)預(yù)警模型改進(jìn)研究J，商場現(xiàn)代化， 2007 （ 2 ）。9景.上市公司財(cái)務(wù)惡化預(yù)測的實(shí)證研究J ，會計(jì)研究，1999，（4）10毛。我國上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建與實(shí)證分析J ，金融論壇， 2003(10) .11何源，陸星杰，肖松上市公司金融危機(jī)預(yù)警模型的演變J ，財(cái)會月刊，2005(8)12 Altman E I. 財(cái)務(wù)比率、判別分析和公司破產(chǎn)預(yù)測J.金融雜志，1968 年 9月13 AltmanE I.RG HaldemanandP.Narayanan.ZATEAnalysis -ANewModelto識別企業(yè)破產(chǎn)風(fēng)險(xiǎn)J銀行與金融雜志， 1977 年6 月14宗昌，洪基于財(cái)務(wù)失敗預(yù)警模型的上市公司財(cái)務(wù)分析 J.會計(jì)，2002 ( 11 ).15吳世農(nóng)，盧先義我國上市公司財(cái)務(wù)困境預(yù)測模型研究J .經(jīng)濟(jì)研究， 2001 （ 6 ）。16苗潤生企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)研究 J .中央財(cái)經(jīng)大學(xué)學(xué)報(bào)， 2003 （8）。17凌.金融危機(jī)預(yù)警分析的判別模型J 數(shù)量與技術(shù)經(jīng)濟(jì)研究， 2000 （ 3 ）。至這篇論文歷時(shí)近半年終于定稿。雖然我在寫作過