1、中小企业财务管理有哪些特点。
具体来说，中小企业财务管理存在以下特点和问题：
（1）不易设立金融机构或金融机构。中小企业种类繁多，行业门类齐全，所有制多元化，经营规模普遍较小，从业人员较少。相应地，组织结构也相对简单。有的企业没有设立财务管理机构，有的企业财务管理机构非常不规范，存在层次不明确、分工不清、兼职较多等问题。
(2)中小企业的财务信息需求主要是内部的，不想花太多的财务管理成本。大多数中小企业拥有统一的所有权和经营权，财力有限，融资能力低，风控能力不足，经营风险较大。这就决定了企业更加关注内部生产经营情况，更加关注企业的市场价格、生产成本、费用结构等信息，从而防范企业经营风险。很多中小企业的管理者往往重视市场开拓，认为中小企业财务管理简单。为了降低成本，他们不愿在设立金融机构和聘请财务人员上花太多钱。
(3)中小金融人员素质低。由于中小企业发展前景不明朗，社会认可度低，就业机会差，很难聘请到优秀的会计师。会计师知识结构老化，专业知识水平低下。会计师没有接受过专门的会计职业教育。
建议：建立合理的财务管理体系，选择长松咨询的“财务系统课”课程。
2、中小企业财务管理制度创新的特点是什么
3．基于JAVA的中小企业财务管理系统的设计与实现
人事管理与固定资产管理工资管理账户费用
4．哪些模型可以用来分析中小企业财务管理中存在的问题
1．战略分析。关注企业的外部环境，目的是把握以下情况：
（1）企业所在行业的特点；
(2)企业的特点；
(3)企业从事和可能从事的业务在各个战略业务领域成功的关键是什么，发展的速度是多少，资本的利润率是多少，需要的最优经济规模是多少建立战略优势，平均投资额是多少；
(4)企业从事和在每个可能的战略业务领域，成本的战略地位是什么，行业平均水平和先进水平是多少；
（5）企业融资环境的特点，包括供求情况、融资状况、行业与融资机构的一般关系以及同行业竞争者的融资能力和资金实力行业;
（6）同行业竞争者的集资利用效应，包括资金效率、资金流动性和资金安全性。
战略分析的任务是把握企业大环境、行业环境和财务环境的风险程度、关键成功因素、机遇和威胁，为企业的融资、投资和成本管理提供客观的参考标准。企业财务管理系统。
2、执行分析。重点关注企业财务制度的发展，目的是把握以下几个方面： 青岛友鹏源
（1）企业财务管理制度的现状；
（2）企业资金流动运行现状及其功能（效率、流动性、安全性）；
（三）企业融资投资工作现状及管理情况；
(4)企业成本及成本管理现状；
(5)改善企业财务管理现状的条件。
高管分析的任务是把握企业财务系统的特点、成熟度、优缺点、资金管理和成本管理的关键问题，把握改善财务系统功能的可行因素。
3、设计改进方案。这里所说的改进计划是针对企业整个财务系统提出的综合改进计划。
改进计划由财务战略方针和财务战术管理体系两部分组成。
财务预警模型是诊断企业财务状况、提供金融危机信号的有力帮手。研究它无疑具有积极意义。本文试图对国内外各种金融预警模型进行比较和分析，以期为构建适合中国企业的金融预警模型提供一些思路和方法。
我。金融预警模型分类介绍
(1)单变量模型
单变量模型是指利用单一变量，利用个体财务比率或现金流量指标预测金融危机的方法。 Fitzpatrick 最早的研究发现，处于财务困境的公司的财务比率与正常公司的财务比率存在显着差异，因此他们认为公司的财务比率可以反映公司的财务状况，并指出财务比率对公司的财务状况具有预测作用。公司的未来。在此基础上，比弗利用统计方法建立了单变量财务预警模型，发现债务覆盖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。此外，日本的T+anabe Shoichi 提出了利息和票据贴现成本的单变量判别分析方法。利息和票据贴现成本的大小可以用来判断企业是否正常，也可以对企业起到预测作用。
(2)多元模型
多元模型是利用多项财务指标或现金流量指标综合反映企业的财务状况，并在此基础上建立财务预测预警模型。多元模型根据构建的模型是否具有动态预警能力以及金融预警系统是否易于修改和扩展，可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。利用多元统计分析方法中的判别分析建立多元线性判别模型。它建立判别函数，并根据一定的样本数据确定判断区域，以预测企业的财务状况。该模型是美国Atlman教授Z模型中最具代表性的模型。 ②主成分预测模型。该模型还形成了一个线性决策函数，类似于判别分析模型。但是，该模型是基于多元统计分析中的主成分分析方法，通过对综合因素进行提炼形成主成分，利用主成分建立的。中国学者张爱民、杨树娥等人利用主成分分析法研究了我国上市公司的财务预警模型。 ③简单的线性概率模型。该模型采用多元线性回归方法建立，其形式为：y=c+β1x1+β2x2+…+βkxk。其中：c、β1、β2、..、βk为系数； x1, x2, ..., xk 是k个预测变量，即财务指标； y 是公司财务失败的概率。该模型以 0、5 作为危机分界点。 y的值越大，企业财务失败的可能性就越大。 y的值越接近0、企业的财务就越安全。 ④ logit模型和probit模型。它们也分别称为对数比模型和概率单位模型，它们都是概率模型，是在克服简单线性概率模型的基础上，分别使用logit和probit概率函数而建立的。 logit模型的形式为：ln[p÷(1-p)]=α0+β1x1+β2x2+…+βkxk。其中：p为0、1； p 是概率； x1, x2, ..., xk 是k个预测变量，即财务指标； α0, β1, β2, ..., βk 是系数。 probit概率模型的预测效果与logit模型的预测效果大体相似，这里不再介绍。
2、动态非统计模型。动态金融预警模型主要将人工智+能中的归纳学习方法应用于金融危机预测。目前，这类最常用的方法是神经网络预测模型。在神经网络模型中，当输入一些数据时，网络会以当前权重计算对应的预测值和误差，然后将误差值反馈给网络调整权重，经过反复调整，预测值逐渐接近真实值。在将这个网络应用到一个新案例时，只要输入新案例的相关值，神经网络就可以根据当时的权重得到输出值，即预测值。神经网络分析是一种具有高计算能力、自学习能力和容错能力的并行分布式模式处理系统。该模型由一个输入层、几个中间层和一个输出层组成。案例推理是近年来才尝试应用于金融危机预测的一种动态非统计模型方法。它是一种基于经验的推理方法，即以过去的案例作为主要的经验依据来判断未来可能出现的问题。当一个新的问题输入案例推理系统时，系统会在已有案例库中搜索相似案例，并确定新案例的类型。基于案例的推理方法的关键步骤是根据相似度算法计算案例之间的距离，然后将其转换为案例之间的相似度，从相似度中选择最相似的案例，并据此进行推理和判断。
二．各种金融预警模型的比较
(1)单变量模型与多变量模型的比较
1．单变量模型方法简单，多变量模型方法更复杂。单变量模型只分析考察单一的财务比率，观察企业的发展趋势，并据此判断企业的财务状况，无需进行复杂的计算。多元模型同时选择多个财务指标或现金流量指标，然后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，操作较为复杂。
2、与多变量模型相比，单变量模型分析有更多的局限性。 ①不同财务比率的预测目标和能力往往存在较大差距，容易出现同一家公司用不同比率预测不同结果的现象。 ②单一指标分析得出的结论可能会受到通货膨胀等客观因素的影响。 ③只注重分析个别指标的影响，易受管理者粉饰会计报表、修改财务指标、掩盖金融危机的主观行为影响，使模型判断失效。多元模型综合考虑了反映公司财务环境的多种因素，包括金融危机，反映了基本的、整体的、全局的情况，因此比单变量模型能更好地避免上述情况。
(2)静态统计模型与动态非统计模型的比较
1．建立模型的方法。两者在构建模型的方法上存在显着差异。静态统计模型是在统计数学和分析的基础上建立起来的，如多元统计分析方法中的判别分析、计量经济学中的主成分分析和回归分析。这些模型的建立具有一定的统计理论基础，都涉及判断区间的确定和误判率的估计，所建立的模型一般为线性模型。动态非统计模型不是基于统计理论，而是通过人工智+能中的归纳学习方法建立的。整个分析和预测过程就像人类的学习和思考。它是一个自然的非线性模型。
2、模型构建的假设。静态统计模型的建立一般对样本数据的分布做出一定的假设，并以假设为前提。例如多元统计分析中数据正态分布的假设、协方差矩阵等式的假设、简单线性概率模型的二项分布假设等。一般来说，静态统计模型预测的准确性只能保证当这些假设基本满足时。此外，静态统计模型的建立是基于对数据之间关系的清晰认识，一般假设变量之间存在简单的线性关系，更注重数据本身的完整性和一致性。动态非统计模型一般对数据的分布和结构没有要求，适用于具有非线性关系且对数据缺乏有相当容忍度的数据，基本可以处理任何类型的数据。
3、是否具有动态预警功能和容错能力。静态统计模型仅基于之前的样本数据建立。样本数据一旦确定，除非重新建立模型，否则很难对其进行调整。随着财务状况的发展和财务标准的更新，根据以往数据和标准建立的模型很难对发生变化的财务状况做出准确的预测和判断。修改和扩展。而且静态统计模型对错误数据的输入没有容错能力，不能自我学习和调整。动态非统计模型具有随环境变化自学习的能力。随着样本数据的积累，可以定期更新知识，从而实现企业危机的动态预警。而且，由于动态预警模型具有较高的自学习能力，对错误数据的输入具有较强的容错能力，因此更具有实用价值。
4、实际应用。神经网络模型等动态模型的分布是自由的，当变量取自未知分布且协方差结构不相等（企业失败样本中的范数）时，神经网络可以提供准确的分类。但其在实际应用中仍存在一些问题，如模型拓扑的定义、网络架构的决策、学习参数的选择和转换公式等，都比较复杂，难以确定。 ，在决策方法上表现得像个黑匣子，难以接受和应用。此外，该模型需要大量的学习和训练样本进行分析。如果样本数量积累不够，没有足够的代表性和广泛的覆盖范围，将极大地影响系统分析和预测的结果。 Altman ( ) 在对神经网络方法和判别分析方法的比较研究中得出结论，“神经网络分析方法在风险识别和预测中的应用并不明显优于线性判别模型”。传统的统计模型比较成熟，计算比较简单，应用比较广泛。而一些统计方法，如logit和probit模型，对数据是否服从正态分布以及两组的协方差是否相等没有要求。以防万一、因此，传统的统计方法仍然是金融预警模型中的主要方法，动态模型还不够成熟，其应用还处于探索和试验阶段。
(3)各种统计模型的比较
1．各种统计方法本身的功能比较。判别分析和主成分分析方法属于多元统计分析。其中，判别分析法主要研究在将已知的研究对象分为若干类并得到各种样本的观测数据的基础上，如何区分新样本的分类，即判别分析的目的。分析是确定新病例的类别。主成分分析法的主要作用是解决样本数据中指标过多、指标间存在重复信息的问题。简单线性概率模型和logit概率模型都是回归分析方法，其目的是研究模型中各个解释变量与被解释变量之间的具体关系，尤其是数值关系。因此，如果仅从各种方法的主要作用来看，采用判别分析法建立金融预警模型最为合适，因为这种方法是研究类别归属问题。
2、比较各种统计方法建立金融预警模型。判别分析法的核心是根据距离判断样本的归属，通常形成一个线性判断函数公式，据此判断被判断企业的归属。一般要求数据服从正态分布且两个总体之间的协方差矩阵相等。主成分分析法主要是对多维财务指标进行综合降维，然后对各个综合指标赋予一定的权重，然后进行综合分析形成得分，根据财务指标各自的得分确定正常企业和财务失败企业。在区间内，对待评企业的分数进行相应的计算和评判。
利用主成分分析法建立金融预警模型存在一个明显的缺陷：即综合评分权重的确定和确定区间的确定存在较大的主观性和不准确性，尤其是后者是受样本数据分布的影响。影响很大。简单线性概率模型就是以各项财务指标为解释变量，财务状况为被解释变量，将财务状况分为正常和失败，分别取0和1、利用样本数据建立回归方程，以样本数据作为被评企业的财务指标数据。代入方程，得到的值为预测值，代表企业财务失败的概率。简单线性概率模型有四个缺陷：（1）残差不满足正态分布，而是二项分布； (2) 具有异方差性； (3)一般样本决定系数太小，回归方程拟合度低； (4)难以保证回归值在[0,1]区间内，因此该方法建立的金融预警模型在预警判别能力上不如其他方法。建立logit和probit模型都是为了克服简单线性概率模型的缺点。一般采用最大似然估计法进行估计，不必满足正态分布和两组协方差矩阵相等的条件。直接表明企业财务失败的可能性，操作简单，结果一目了然。这种方法目前被广泛使用。
根据相关学者对各种统计模型判别精度的比较研究可知，判别分析法是1980年代之前的主要建模方法。使用的主要方法之一、 2010年判别分析方法建立的预警模型，预测准确率仍达96%。 logit预测模型近年来也得到了广泛的应用，其预测精度也比较高。中国学者吴世农和卢宪一建立的金融预警模型具有样本新、容量大的特点。他们对2009年经过严格检验的同组样本指标分别采用判别分析法和logit法进行财务预测，结果发现logit模型的预测准确率（93、6%）明显优于判别分析方法的预测准确率（89、9%）。
1、中小企业财务管理有哪些特点。
具体来说，中小企业财务管理存在以下特点和问题：
（1）不易设立金融机构或金融机构。中小企业种类繁多，行业门类齐全，所有制多元化，经营规模普遍较小，从业人员较少。相应地，组织结构也相对简单。有的企业没有设立财务管理机构，有的企业财务管理机构非常不规范，存在层次不明确、分工不清、兼职较多等问题。
(2)中小企业的财务信息需求主要是内部的，不想花太多的财务管理成本。大多数中小企业拥有统一的所有权和经营权，财力有限，融资能力低，风控能力不足，经营风险较大。这就决定了企业更加关注内部生产经营情况，更加关注企业的市场价格、生产成本、费用结构等信息，从而防范企业经营风险。很多中小企业的管理者往往重视市场开拓，认为中小企业财务管理简单。为了降低成本，他们不愿在设立金融机构和聘请财务人员上花太多钱。
(3)中小金融人员素质低。由于中小企业发展前景不明朗，社会认可度低，就业机会差，很难聘请到优秀的会计师。会计师知识结构老化，专业知识水平低下。会计师没有接受过专门的会计职业教育。
建议：建立合理的财务管理体系，选择长松咨询的“财务系统课”课程。
2、中小企业财务管理制度创新的特点是什么
3．基于JAVA的中小企业财务管理系统的设计与实现
人事管理与固定资产管理工资管理账户费用
4．哪些模型可以用来分析中小企业财务管理中存在的问题
1．战略分析。关注企业的外部环境，目的是把握以下情况：
（1）企业所在行业的特点；
(2)企业的特点；
(3)企业从事和可能从事的业务在各个战略业务领域成功的关键是什么，发展的速度是多少，资本的利润率是多少，需要的最优经济规模是多少建立战略优势，平均投资额是多少；
(4)企业从事和在每个可能的战略业务领域，成本的战略地位是什么，行业平均水平和先进水平是多少；
（5）企业融资环境的特点，包括供求情况、融资状况、行业与融资机构的一般关系以及同行业竞争者的融资能力和资金实力行业;
（6）同行业竞争者的集资利用效应，包括资金效率、资金流动性和资金安全性。
战略分析的任务是把握企业大环境、行业环境和财务环境的风险程度、关键成功因素、机遇和威胁，为企业的融资、投资和成本管理提供客观的参考标准。企业财务管理系统。
2、执行分析。重点关注企业财务制度的发展，目的是把握以下几个方面：
（1）企业财务管理制度的现状；
（2）企业资金流动运行现状及其功能（效率、流动性、安全性）；
（三）企业融资投资工作现状及管理情况；
(4)企业成本及成本管理现状；
(5)改善企业财务管理现状的条件。
高管分析的任务是把握企业财务系统的特点、成熟度、优缺点、资金管理和成本管理的关键问题，把握改善财务系统功能的可行因素。
3、设计改进方案。这里所说的改进计划是针对企业整个财务系统提出的综合改进计划。
改进计划由财务战略方针和财务战术管理体系两部分组成。
财务预警模型是诊断企业财务状况、提供金融危机信号的有力帮手。研究它无疑具有积极意义。本文试图对国内外各种金融预警模型进行比较和分析，以期为构建适合中国企业的金融预警模型提供一些思路和方法。
我。金融预警模型分类介绍
(1)单变量模型
单变量模型是指利用单一变量，利用个体财务比率或现金流量指标预测金融危机的方法。 Fitzpatrick 最早的研究发现，处于财务困境的公司的财务比率与正常公司的财务比率存在显着差异，因此他们认为公司的财务比率可以反映公司的财务状况，并指出财务比率对公司的财务状况具有预测作用。公司的未来。在此基础上，比弗利用统计方法建立了单变量财务预警模型，发现债务覆盖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。此外，日本的T+anabe Shoichi 提出了利息和票据贴现成本的单变量判别分析方法。利息和票据贴现成本的大小可以用来判断企业是否正常，也可以对企业起到预测作用。
(2)多元模型
多元模型是利用多项财务指标或现金流量指标综合反映企业的财务状况，并在此基础上建立财务预测预警模型。多元模型根据构建的模型是否具有动态预警能力以及金融预警系统是否易于修改和扩展，可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。利用多元统计分析方法中的判别分析建立多元线性判别模型。它建立判别函数，并根据一定的样本数据确定判断区域，以预测企业的财务状况。该模型是美国Atlman教授Z模型中最具代表性的模型。 ②主成分预测模型。该模型还形成了一个线性决策函数，类似于判别分析模型。但是，该模型是基于多元统计分析中的主成分分析方法，通过对综合因素进行提炼形成主成分，利用主成分建立的。中国学者张爱民、杨树娥等人利用主成分分析法研究了我国上市公司的财务预警模型。 ③简单的线性概率模型。该模型采用多元线性回归方法建立，其形式为：y=c+β1x1+β2x2+…+βkxk。其中：c、β1、β2、..、βk为系数； x1, x2, ..., xk 是k个预测变量，即财务指标； y 是公司财务失败的概率。该模型以 0、5 作为危机分界点。 y的值越大，企业财务失败的可能性就越大。 y的值越接近0、企业的财务就越安全。 ④ logit模型和probit模型。它们也分别称为对数比模型和概率单位模型，它们都是概率模型，是在克服简单线性概率模型的基础上，分别使用logit和probit概率函数而建立的。 logit模型的形式为：ln[p÷(1-p)]=α0+β1x1+β2x2+…+βkxk。其中：p为0、1； p 是概率； x1, x2, ..., xk 是k个预测变量，即财务指标； α0, β1, β2, ..., βk 是系数。 probit概率模型的预测效果与logit模型的预测效果大体相似，这里不再介绍。
2、动态非统计模型。动态金融预警模型主要将人工智+能中的归纳学习方法应用于金融危机预测。目前，这类最常用的方法是神经网络预测模型。在神经网络模型中，当输入一些数据时，网络会以当前权重计算对应的预测值和误差，然后将误差值反馈给网络调整权重，经过反复调整，预测值逐渐接近真实值。在将这个网络应用到一个新案例时，只要输入新案例的相关值，神经网络就可以根据当时的权重得到输出值，即预测值。神经网络分析是一种具有高计算能力、自学习能力和容错能力的并行分布式模式处理系统。该模型由一个输入层、几个中间层和一个输出层组成。案例推理是近年来才尝试应用于金融危机预测的一种动态非统计模型方法。它是一种基于经验的推理方法，即以过去的案例作为主要的经验依据来判断未来可能出现的问题。当一个新的问题输入案例推理系统时，系统会在已有案例库中搜索相似案例，并确定新案例的类型。基于案例的推理方法的关键步骤是根据相似度算法计算案例之间的距离，然后将其转换为案例之间的相似度，从相似度中选择最相似的案例，并据此进行推理和判断。
二．各种金融预警模型的比较
(1)单变量模型与多变量模型的比较
1．单变量模型方法简单，多变量模型方法更复杂。单变量模型只分析考察单一的财务比率，观察企业的发展趋势，并据此判断企业的财务状况，无需进行复杂的计算。多元模型同时选择多个财务指标或现金流量指标，然后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，操作较为复杂。
2、与多变量模型相比，单变量模型分析有更多的局限性。 ①不同财务比率的预测目标和能力往往存在较大差距，容易出现同一家公司用不同比率预测不同结果的现象。 ②单一指标分析得出的结论可能会受到通货膨胀等客观因素的影响。 ③只注重分析个别指标的影响，易受管理者粉饰会计报表、修改财务指标、掩盖金融危机的主观行为影响，使模型判断失效。多元模型综合考虑了反映公司财务环境的多种因素，包括金融危机，反映了基本的、整体的、全局的情况，因此比单变量模型能更好地避免上述情况。
(2)静态统计模型与动态非统计模型的比较
1．建立模型的方法。两者在构建模型的方法上存在显着差异。静态统计模型是在统计数学和分析的基础上建立起来的，如多元统计分析方法中的判别分析、计量经济学中的主成分分析和回归分析。这些模型的建立具有一定的统计理论基础，都涉及判断区间的确定和误判率的估计，所建立的模型一般为线性模型。动态非统计模型不是基于统计理论，而是通过人工智+能中的归纳学习方法建立的。整个分析和预测过程就像人类的学习和思考。它是一个自然的非线性模型。
2、模型构建的假设。静态统计模型的建立一般对样本数据的分布做出一定的假设，并以假设为前提。例如多元统计分析中数据正态分布的假设、协方差矩阵等式的假设、简单线性概率模型的二项分布假设等。一般来说，静态统计模型预测的准确性只能保证当这些假设基本满足时。此外，静态统计模型的建立是基于对数据之间关系的清晰认识，一般假设变量之间存在简单的线性关系，更注重数据本身的完整性和一致性。动态非统计模型一般对数据的分布和结构没有要求，适用于具有非线性关系且对数据缺乏有相当容忍度的数据，基本可以处理任何类型的数据。
3、是否具有动态预警功能和容错能力。静态统计模型仅基于之前的样本数据建立。样本数据一旦确定，除非重新建立模型，否则很难对其进行调整。随着财务状况的发展和财务标准的更新，根据以往数据和标准建立的模型很难对发生变化的财务状况做出准确的预测和判断。修改和扩展。而且静态统计模型对错误数据的输入没有容错能力，不能自我学习和调整。动态非统计模型具有随环境变化自学习的能力。随着样本数据的积累，可以定期更新知识，从而实现企业危机的动态预警。而且，由于动态预警模型具有较高的自学习能力，对错误数据的输入具有较强的容错能力，因此更具有实用价值。
4、实际应用。神经网络模型等动态模型的分布是自由的，当变量取自未知分布且协方差结构不相等（企业失败样本中的范数）时，神经网络可以提供准确的分类。但其在实际应用中仍存在一些问题，如模型拓扑的定义、网络架构的决策、学习参数的选择和转换公式等，都比较复杂，难以确定。 ，在决策方法上表现得像个黑匣子，难以接受和应用。此外，该模型需要大量的学习和训练样本进行分析。如果样本数量积累不够，没有足够的代表性和广泛的覆盖范围，将极大地影响系统分析和预测的结果。 Altman ( ) 在对神经网络方法和判别分析方法的比较研究中得出结论，“神经网络分析方法在风险识别和预测中的应用并不明显优于线性判别模型”。传统的统计模型比较成熟，计算比较简单，应用比较广泛。而一些统计方法，如logit和probit模型，对数据是否服从正态分布以及两组的协方差是否相等没有要求。以防万一、因此，传统的统计方法仍然是金融预警模型中的主要方法，动态模型还不够成熟，其应用还处于探索和试验阶段。
(3)各种统计模型的比较
1．各种统计方法本身的功能比较。判别分析和主成分分析方法属于多元统计分析。其中，判别分析法主要研究在将已知的研究对象分为若干类并得到各种样本的观测数据的基础上，如何区分新样本的分类，即判别分析的目的。分析是确定新病例的类别。主成分分析法的主要作用是解决样本数据中指标过多、指标间存在重复信息的问题。简单线性概率模型和logit概率模型都是回归分析方法，其目的是研究模型中各个解释变量与被解释变量之间的具体关系，尤其是数值关系。因此，如果仅从各种方法的主要作用来看，采用判别分析法建立金融预警模型最为合适，因为这种方法是研究类别归属问题。
2、比较各种统计方法建立金融预警模型。判别分析法的核心是根据距离判断样本的归属，通常形成一个线性判断函数公式，据此判断被判断企业的归属。一般要求数据服从正态分布且两个总体之间的协方差矩阵相等。主成分分析法主要是对多维财务指标进行综合降维，然后对各个综合指标赋予一定的权重，然后进行综合分析形成得分，根据财务指标各自的得分确定正常企业和财务失败企业。在区间内，对待评企业的分数进行相应的计算和评判。
利用主成分分析法建立金融预警模型存在一个明显的缺陷：即综合评分权重的确定和确定区间的确定存在较大的主观性和不准确性，尤其是后者是受样本数据分布的影响。影响很大。简单线性概率模型就是以各项财务指标为解释变量，财务状况为被解释变量，将财务状况分为正常和失败，分别取0和1、利用样本数据建立回归方程，以样本数据作为被评企业的财务指标数据。代入方程，得到的值为预测值，代表企业财务失败的概率。简单线性概率模型有四个缺陷：（1）残差不满足正态分布，而是二项分布； (2) 具有异方差性； (3)一般样本决定系数太小，回归方程拟合度低； (4)难以保证回归值在[0,1]区间内，因此该方法建立的金融预警模型在预警判别能力上不如其他方法。建立logit和probit模型都是为了克服简单线性概率模型的缺点。一般采用最大似然估计法进行估计，不必满足正态分布和两组协方差矩阵相等的条件。直接表明企业财务失败的可能性，操作简单，结果一目了然。这种方法目前被广泛使用。
根据相关学者对各种统计模型判别精度的比较研究可知，判别分析法是1980年代之前的主要建模方法。使用的主要方法之一、 2010年判别分析方法建立的预警模型，预测准确率仍达96%。 logit预测模型近年来也得到了广泛的应用，其预测精度也比较高。中国学者吴世农和卢宪一建立的金融预警模型具有样本新、容量大的特点。他们对2009年经过严格检验的同组样本指标分别采用判别分析法和logit法进行财务预测，结果发现logit模型的预测准确率（93、6%）明显优于判别分析方法的预测准确率（89、9%）。
青岛用友友鹏源www.yonyouypy.com
