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)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。
1.静态统计模型。
①线性判别模型。多元线性判别模型是运用多元统计分析方法中的判别分析建立起来的，它是根据一定的样本资料，建立判别函数、确定判定区域，以对企业财务状况进行预测。这种模型以美国Atlman教授的Z模型最具代表性。
②主成分预测模型。该模型也形成一个线性判定函数式，其形式类似判别分析模型。不过该模型是运用多元统计分析中的主成分分析方法，通过提炼综合因子形成主成分，并利用主成分建立起来的。我国学者张爱民、杨淑娥等分别运用主成分分析方法对我国上市公司的财务预警模型进行过研究。
线性回归方法建立起来的，其形式是：y=c+Β1x1+Β2x2+…+Βkxk。其中：c、Β1、Β2、…、Βk为系数;x1、x2、…、xk为k个预测变量，即财务指标;y为企业财务失败的概率。该模型以0.5为危机分界点，Y值越大，企业发生财务失败的可能性越大，Y值越接近于0，说明企业财务越安全。
④Logit模型和probit模型。它们也分别叫作对数比率模型和概率单位模型，都属于概率模型，是在克服简单的线性概率模型的基础上并分别用logit和probit概率函数建立起来的。Logit模型的形式为：ln[p÷(1-p)]=α0+Β1x1+Β2x2+…+Βkxk。其中：p取值为0、1;p为概率;x1，x2，…，xk为k个预测变量，即财务指标;α0、Β1、Β2、…、Βk为系数。probit概率模型的预测效果一般与Logit模型预测的效果相差不大，在此不多加介绍。
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。
单变量模型只对单个财务比率进行分析考察，观察企业发展变化趋势，据此来判断企业财务状况，不需要进行复杂的计算。而多变量模型均同时选取多个财务指标或现金流量指标，再通过一定的方法进行综合分析，模型的构建涉及多种方法和理论，操作比较复杂。
①不同的财务比率的预测目标和能力经常有较大的差距，容易产生对于同一公司使用不同比率预测出不同结果的现象。
②单个指标分析得出的结论可能会受到一些客观因素的影响，如通货膨胀等的影响。
③它只重视对个别指标影响力的分析，容易受管理人员粉饰会计报表、修饰财务指标、掩盖财务危机的主观行为的影响，以致模型判断失效。而多变量模型由于综合考虑了反映公司财务环境包括财务危机状况的多个方面的因素，反映的是基本的和整体、全局的状况，因此能比单变量模型更好地避免上述情况的发生。
