习近平在党的十九大报告中特别强调：“要坚决打好防范化解重大风险、精准脱贫、污染防治的攻坚战”。根据中国社会科学院提供的数据，2015−2019年中国非金融企业部门杠杆率（非金融企业部门债务占国内生产总值比重）分别为151%、158%、157%、151%、151%，总体来看，中国非金融企业部门杠杆率处于较高水平。宏观金融风险是微观个体财务风险的总体反映，聚焦非金融企业财务状况、及时识别非金融企业财务风险是防范化解重大风险的关键，这就需要建立具有较高预测精度的企业财务困境预警模型。目前对于提高模型预测正确率的方法大多是在传统财务指标的基础上增加创新性的财务指标、非财务指标或调整传统模型，虽然模型预测正确率得到一定程度的提升，但仍存在部分被模型判断为陷入财务困境的可能性极大的企业尚在正常经营甚至发展前景良好的情况，同时也存在不少已经陷入财务困境的企业反被模型判断为出现财务困境的可能性极小的情况，理论模型与实际结果存在较大出入，无法满足企业、债权人、监管当局等及早、精准识别财务风险的需求。

为从实质上改善模型预警效果，本文从以下三方面加以改进：（1）打破以偿债能力不足作为财务困境判断标准的固有范式，以资金供求关系失衡为核心内涵对财务困境形成逻辑进行分析，为及早预警财务困境提供理论基础。（2）重新分类经济活动并厘清资金（资本）与资产、营业性负债与金融性负债等财务概念，从资金存量和资金流量两个层面设计能够准确测度财务困境可能性的预警财务指标，解决传统财务分析体系严重扭曲资本效率与财务风险信息的问题。（3）基于对时间因素的考虑，建立t−1年至t−3年三年期连续的Logistic预警模型，通过比较预警指标在企业发生财务困境前三年的动态变化，以财务数据描绘企业由健康走向衰败的普适性规律，为企业自身和监管当局超前做出财务困境提示、及时采取措施提供有效模型支撑和决策依据。

财务困境向来是理论界和实务界关注的热点话题。现有识别财务困境的研究文献大多从企业发生财务困境的原因入手，讨论如何选取财务困境预警指标以及如何建立具有较高正确率的财务困境预警模型，鲜有学者关注传统财务分析体系的缺陷会导致预警模型错估资本效率和财务风险。

主流财务困境预警模型集中于寻找公开的、最佳的财务指标用于预测财务困境。吴世农和卢贤义（2001）研究发现财务困境的发生主要由于企业出现严重亏损，财务困境预警模型应以会计利润为核心选用传统财务分析指标构建。刘红霞和张心林（2004）认为财务困境的成因可以归结为以下三种：一是虽然企业总资产高于总负债，但资产流动性差，无法及时变现，偿还债务的能力没有得到充分保障；二是企业现有盈利能力与偿债要求不匹配；三是债务的公允价值高于总资产的公允价值，企业步入重组流程。潘泽清（2018）认为企业发生财务困境的主要原因是债务违约风险显著提高，而销售净利率、总资产增长率、资产负债率、流动比率能够较好地预测企业是否存在债务违约的潜在危机。Graham（2005）调查发现，约20%的受访公司承认操控了公司的盈利数据，因此，后期学者在构建财务困境预警模型的过程中逐渐重视企业现金流状况，以弥补利润等指标易被粉饰、操控的缺点。Xia等（2012）以中国制造业上市公司为研究对象，发现加入现金流指标的Logistic财务困境预警模型效果得到了明显改善。Hajek和Michalak（2013）同样运用现金流量信息识别企业财务风险。

财务困境预警模型的建立始于国外，Fitzpatrick（1932）最早提出了单变量预警法。为克服单变量预警法无法全面反映信息的缺陷，Altman（1968）首次将多元判别分析法引入财务困境预警领域，建立Z值模型。Altman等（1977）将Z值模型的五个预警指标扩展为七个，建立Zeta模型。Ohlsonm（1980）将Logistic模型用于一般企业的财务困境预测，改进了Z值模型需要根据回归结果人为确定财务困境企业和非财务困境企业所处区间范围的做法，以企业陷入财务困境的概率作为被解释变量，这一做法显著提高了模型的客观性和规范性。

中国学者多是在已有模型的基础上进行比较和修正，建立适合中国国情的财务困境预警模型。吴世农和卢贤义（2001）应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法，分别建立三种预测模型，通过比较得出Logistic模型预警效果最优。韩立岩和李蕾（2010）针对不平衡抽样问题，修正Logistic回归截距，解决了中小企业Logistic模型大量“取伪”的问题。进入21世纪后，智能算法飞速发展。陈艺云等（2018）、方匡南和杨阳（2018）将支持向量机方法运用于财务预测。孟庆斌等（2019）利用资本市场数据建立KMV模型，规避了利用财务报表数据建立模型导致的滞后性和不真实性的缺点。张茂军等（2019）建立适用于中国制造业企业的Aalen可加模型。由于目前国内非参数模型发展尚不完善，Logistic模型仍是国内财务困境预警研究的主流模型。

大多学者认为财务报告偏倚性是造成信息扭曲的重要诱因。财务规则的灵活性和财务报告编制的自由裁量权为企业提供了夸大资产价值、隐瞒不良信息的机会，导致企业资本效率与财务风险分析不具稳健性（Zhang，2000；Shin，2003；Beaver和Ryan，2005；Beaver等，2010）。但鲜有学者考虑传统财务分析体系的固有局限性同样会引发资本效率与财务风险信息扭曲。张庆龙和李斌（2008）认为以杜邦分析为代表的财务分析体系重视净利润等综合性指标，但该类指标是经营效率和财务政策协同运作的结果，财务分析体系层次性的缺乏导致其提供的信息质量不高，难以单独评价资本效率和财务风险。季健（2012）指出各企业在综合分析财务报表时，通常选取流动比率、净资产负债率、总资产/固定资产、销售成本/存货、应收账款周转率、固定资产周转率、净资产周转率等作为主要财务指标，但上述指标的筛选过程主要借鉴国外经验，未考虑指标的匹配程度，如流动比率中流动负债并非完全依靠流动资产，总资产报酬率中净利润也并非完全是总资产运作的结果，财务分析体系缺乏逻辑一致性，导致其提供的资本效率与财务风险信息发生扭曲。王竹泉等（2019）通过分析2008−2017年非金融上市公司数据，认为传统财务分析体系致使资金效率被低估30%以上，而财务风险则被高估40%以上，可能的原因在于以下两方面：一是学术界和实务界通常将经济活动划分为营业活动（经营活动）和理财活动（包括投资活动、筹资活动），这导致经济活动分类与资金运动方向相矛盾，因此经济活动需要重新分类，应划分为营业活动和筹资活动，营业活动包括经营活动和投资活动，体现运用资金创造价值的过程，而筹资活动通过筹措资金服务于营业活动。二是现有研究对资金（资本）与资产、营业性负债与金融性负债等概念不加区分，不利于资金需求及保障能力分析。总资产并非总资金，总资产是企业拥有或控制的、能带来未来经济利益流入的资源，该资源与投资者、供应商、客户等利益相关者联系密切；总资金是企业在营业活动中运用或垫支的、投资者所投入的资源，与总资产的差额是企业在营业活动中因与除投资者外的其他利益相关者之间的营业性负债所形成的资源，即“总资金=总资产−营业性负债”。事实上，基于企业信誉形成的营业性负债（如应付账款、预收账款等），可以有效满足部分资金需求且不受还本付息的限制；与之相对的基于债务投资关系形成的金融性负债，属于硬约束，反映企业真实的财务风险。从资金供求关系视角，如果以总资金代替总资产，则会夸大企业资金缺口，导致筹措的资金高于实际需求，造成资源闲置。王竹泉等（2017）将流动资产扣除基于商业信用产生的流动负债（即短期营业性负债）后的净额视为营运资金，营运资金是真正从投资者获取的流动资本投入。

目前国内外学者已建立多维度财务困境预警指标体系，并且利用信息技术不断修正已有模型缺陷、规范建模过程，但现有研究仍存在以下问题：（1）现有文献对财务困境的成因分析大多从盈利能力、流动性视角，以偿债能力不足作为企业陷入财务困境的判断依据，仅强调货币资金的供需和周转，而基于上述原因被认定的困境企业，部分能够在较长时间内正常经营，而被认定的健康企业，部分财务状况急剧恶化。（2）理论界和实务界普遍认为资本效率和财务风险信息扭曲源自财务报表信息解释力不足，但即便在市场透明化程度较高的欧美资本市场，财务困境预警模型与企业实际情况仍存在较大差异，由此，关注传统财务分析体系缺陷为纠正资本效率和财务风险信息偏差提供了新的启示。传统财务分析体系存在经济活动分类不当，资金（资本）与资产、营业性负债与金融性负债等概念严重混淆的理论缺陷，以传统财务指标为核心的财务困境预警模型虽然分类鉴别正确率逐步提升（高者甚至可达85%）但对权益乘数、资产报酬率、资产周转率等核心财务指标的错估导致在识别资本效率与财务风险时发生严重的信息扭曲，预测可靠性被夸大。（3）由于样本可得性低，较多预警模型仅着眼于财务困境事发前的单期数据，时间因素考虑不足，且缺乏测试样本，难以证明模型可适用于不同时期的不同企业。

为解释理论模型与现实情况相悖的怪象，重新探究财务困境的核心内涵及其形成逻辑十分必要。本文在厘清财务概念的基础上设计能够反映资本效率与财务风险真实水平的预警指标体系，按照一比一配对法选择训练样本，建立财务困境前三年的单期和三年期连续的Logistic预警模型，同时以2019年首次发生债券违约或首次实施ST、^*ST的公司作为测试样本，验证模型稳定性。

财务的主要工作是通过权衡不同筹资方式的风险与成本，寻找经济的资金来源，为企业营业活动提供充足的资金支持和保障。做好财务工作不能脱离资金管理，探究财务风险也不能脱离资金供求关系。王竹泉等（2013）认为财务困境是指企业筹资活动无法保障企业营业活动所需资金，但只要不丧失这种保障能力，即便是暂时的盈利能力不佳或货币资金短缺，企业也可以利用债务延期等方式，摆脱债务危机，维持生存能力。因此，探究财务困境的核心内涵应聚焦营业活动资金运作和筹资活动资金筹措是否动态平衡。既然要探究资金的供求关系，那么资金的运动方向理应受到关注，参考王竹泉等（2019）的界定，经营活动和投资活动均为利用资金创造价值的过程，不同之处在于经营活动利用资金在企业内部实现增值，而投资活动将资金增值的范围拓宽至企业外部，两者均体现资金的“造血”能力，因此将经营活动和投资活动统称为营业活动；筹资活动则是“输血”过程，向企业资金池注入资金，与营业活动资金运动方向相反。对财务困境核心内涵的重新界定缓解了以往只评估营业活动资金运用不佳对筹资活动无法如约还本付息的负面影响，即“需求端用不好”向供给端传递负向信息，还兼顾了筹资活动缺乏对营业活动资金需求保障能力的经济后果，即“供给端筹不足”向需求端施加资金压力，监控了资金循环的整体过程。财务困境的核心内涵如图1所示。

图  1  财务困境的核心内涵

从财务困境的核心内涵出发，既然筹资活动以满足营业活动（包括经营活动和投资活动）资金需求为己任，那么为探究资金供求失衡的形成逻辑，关注经营活动资金缺口和投资活动资金缺口十分必要。聚焦经营活动现金净流量是分析经营活动资金缺口的突破口。经营活动现金净流量不仅取决于利润情况，即经营活动EBIDA（经营活动净利润+财务费用+折旧+摊销+资产减值准备+递延所得税资产减少+递延所得税负债增加），还取决于营运资金管理情况，即营运资金节约额（存货减少+经营性应收项目减少+经营性应付项目增加）。经营活动的顺利开展必然需要在采购、生产、销售过程中占用资金，经营活动资金缺口实为资金“供血”与资金“造血”配合失调的结果。舍弃营运资金占用情况，仅根据利润情况判断经营活动的资金缺口，就如同舍弃地基，仅根据楼高判断建筑质量，显然有失偏颇。只有统筹考虑经营活动利润情况和经营活动营运资金管理情况，才能综合反映经营活动中企业在营运资金支撑下的实际业绩，进而得到真实的经营活动资金缺口。同理，衡量投资活动现金净流量时也应考虑投资活动的收益情况和投资活动营运资金占用情况之间的相互依存关系。综上，若营业活动现金净流量为负，不仅难以保障企业偿债能力，反而会加大筹资活动的压力，一旦资金流断裂，资金供求关系极易进入失衡状态。因此，应在资金存量和资金流量双维度下评估资金供求关系，资金存量作为静态特征，真实反映资金的需求及保障能力；资金流量作为动态特征，再现资金的自我更新过程。

根据王竹泉等（2019）对资金（资本）与资产、营业性负债与金融性负债等概念的界定方法，资本杠杆和营运资金占比可以用来量化企业总体资金配置结构的供求失衡状态。资本杠杆即所有者凭借自有资金撬动总资金的能力，相比于股权融资，债权融资会给企业带来更大偿还压力，因此资本杠杆的增加会导致企业总体资金结构失衡的风险增大。总资金按其流动性可分解为营运资金和非流动资金，营运资金即短期资金需求，非流动资金即长期资金需求，若总资金中营运资金占比较大，则会加剧短期资金链紧张程度，短期内财务风险增加。

营运资金按其筹措方式可分为短期金融性负债和营运资本，短期金融性负债反映营运资金占用的短期资金来源，营运资本反映营运资金占用的长期资本。一方面，较高的短期金融性负债占比意味着企业融资时以牺牲低风险为代价换取低成本，主要依靠筹措短期资金支持营运资金运作，一旦无法按时获得足够的短期资金，资金链会遭到严重冲击。另一方面，相比于长期资本，短期金融性负债会给企业带来更大偿还负担，若短期内营运资金管理绩效不佳，企业同样会面临陷入财务困境的危险。

流量指标更符合企业持续经营的状态，因此企业更应该重点把控资金流量层面的管理。只有不断加强流量管理，才能化解存量问题，扭转资金失衡的不利状态。

从回报与周转视角看，总资金回报率即营业活动中运用投资者投入的资源获得的回报比率，体现资金增值能力；总资金周转率即营业活动中总资金的周转速度，体现资金运用效率。企业若不及时更新业务流程，引进回报高、资金周转期短的业务板块，就无法通过为现有资金流注入新鲜力量或促进其流速加快等方式从业务根源解决资金问题，只能诉诸引入外部资金弥补内部资金缺口。但银行等投资者为保证投入资本安全性，同样关注企业的总资金回报率和总资金周转率，资金回报欠佳、周转水平不高将阻碍企业正常开展筹资活动。面对内部总资金无法完成自我增值和盘活、外部资金筹措过程受阻的双重压力，资金供求平衡状态被打破，财务风险逐渐积累。

从成长性与资金供求关系的联系看，成长期企业拥有广阔的市场前景，需要投入大量资金，资金缺口急速扩张，但其尚未在行业中拥有稳固地位，信用基础和担保能力弱，难以从债权人等获取资金支持。成长期企业若能利用供应链资源解决资金需求，便可缓解融资约束，显著提高持续增长能力，如赊购模式下，产品实物运动起点早于资金运动起点，资金延期支付为筹资活动争取充足时间。此外，成长期企业因其存货管理能力低于供应商，往往采用类似于沃尔玛、联想等企业的供应商管理库存模式，有效地将存货管理和订货责任转移至供应商，压缩存货等难以变现的资源占用的资金，转而将资金投放至具有更高资金循环速度的领域，保证资金链的正常运转（王贞洁和王竹泉，2017）。本文逻辑框架如图2所示。

图  2  逻辑框架

若企业资金供求关系失衡，极有可能发生债券违约或被ST、^*ST。因此，本文选取2009−2018年首次发生债券违约或首次被实施ST、^*ST的公司作为财务困境公司，并对研究对象进行如下处理：（1）剔除因被注册会计师出具无法表示意见或否定意见的审计报告、出现其他异常情况实施特别处理、欺诈发行、在法定期限内未依法披露定期报告而实施ST、^*ST的公司；（2）剔除金融公司；（3）剔除缺失值。以ST、^*ST作为界定财务困境标准之一，便于与已有研究保持一致，确保预测结果可比性；同时将财务困境界定标准扩大至债券违约，弥补已有财务困境预警研究忽视资金供求失衡的缺陷。

公司陷入财务困境是一个由健康走向衰败的过程，如果财务困境发生在t年，那么财务困境预警模型应当在早于t年的一段时间内发现财务困境的发展规律，以便帮助企业及早识别财务风险。因此，本文收集上述研究对象t−1年至t−3年的财务数据，数据来自Wind数据库和国泰安数据库（CSMAR）。

样本配对的主要作用是通过对比发现财务困境企业的特性，找出企业发生财务困境的真实原因。配对抽样法中的健康公司的选择基础误差与困境公司的抽样误差不影响预测精确度（田宝新和王建琼，2017）。本文按照1∶1的原则选取同时期、同行业、相近规模的非财务困境公司作为配对样本，最终选定的训练样本为121家财务困境公司和121家非财务困境公司。为降低异常值的影响，本文对所有连续型变量进行上下1%的缩尾处理。

参考上文对资金供求关系失衡逻辑的分析以及王竹泉等（2016）、王竹泉等（2017）、王竹泉等（2019）提出的充分反映资金运动过程的财务指标，基于可获得性、真实性、存量和流量相结合的原则，本文从偿债能力、资金配置结构、资金管理绩效、成长性四个方面建立财务困境预警指标体系。具体变量定义见表1。

偿债能力指标包括资本杠杆、资金短缺程度。总资金排除来自供应商、客户等其他利益相关者的影响，直接体现投资者压力，因此资本杠杆的增加导致企业陷入财务困境的可能性增大。资金短缺程度建立了现金流与资金供求关系之间的联系，计量营业活动现金净流量，能够量化营业活动现金流对总资金需求的真实保障能力。

资金配置结构指标包括营运资金占比和短期金融性负债占比。营运资金占比体现总体资金配置结构，短期金融性负债占比体现短期资金配置结构。利用营运资金占比和短期金融性负债占比，将对传统资本结构的探讨扩展至资金配置结构领域，兼顾了融资方式之间的比对，有利于敏锐监测企业财务状况的恶化情况。

资金管理绩效指标划分为总资金和营运资金两个维度，具体包括总资金回报率、总资金周转率、经营活动营运资金占用水平和经营活动营运资金节约额。不同于以往资产回报率中以息税前利润（Earnings before Interest and Taxes，EBIT）计量回报金额，总资金回报率分子采用EBITDA，旨在强调折旧摊销与投资者投入资金无关。较高总资金回报率和总资金周转率意味着较高总资金管理业绩。经营活动营运资金占用水平及经营活动营运资金节约额是用动态方式量化存量问题，建立了资金存量与资金流量之间的联系，是考核企业营运资金运用能力和管理绩效的关键指标。

成长性指标包括总资金增长率、营业收入增长率和公司规模，体现企业的发展前景和资金管理潜力。

企业是否陷入财务困境是一个二值变量，Logistic模型是处理二值变量的常用回归模型。不同于一般多元回归模型，Logistic模型不要求样本总体服从正态分布。本文以企业是否陷入财务困境的两种状态为因变量，以创新性财务指标为自变量，建立企业财务困境Logistic预警模型，如式（1）：

对上式进行指数变换，如式（2）：

设企业是否会陷入财务困境为事件Y，当企业陷入财务困境时Y取1，否则取0；p衡量该事件发生的概率。当p（Y=1）大于0.5时，企业陷入财务困境，否则认为该企业安全。将所有研究样本预测结果和实际情况比对，即可判断模型预警的正确率，并对模型预警效果进行评价。

本文首先采用K−S检验（Kolmogorov−Smirnov Test）对选取的财务指标进行正态分布检验，以确定财务预警指标在进行差异显著性检验时所用的检验方法。在5%显著性水平上，检验结果^②如下：（1）在企业陷入财务困境前1年（t−1年），Shortage、Size渐进显著性（双尾）大于0.05，即服从正态分布，其余指标均不服从正态分布；（2）在企业陷入财务困境前2年（t−2年），Size渐进显著性（双尾）大于0.05，即服从正态分布，其余指标均不服从正态分布；（3）在企业陷入财务困境前3年（t−3年），Size渐进显著性（双尾）大于0.05，即服从正态分布，其余指标均不服从正态分布。

根据K−S检验结果，对符合正态分布的指标进行参数检验—T检验（T Test），对不符合正态分布的指标进行非参数检验—曼−惠特尼U检验（Mann−Whitney U Test），以此判定这些指标在财务困境样本和非财务困境样本之间是否存在显著差异。因此，本文对t−1年的Shortage、Size，t−2年的Size，t−3年的Size进行T检验，结果如表2所示；对其余指标进行曼−惠特尼U检验，结果如表3所示。

由表2、表3的结果可知：（1）在5%显著性水平上，只有t−3年的Size通过了T检验，即困境公司样本和非困境公司样本之间存在显著差异；t−1年的Shortage、Size和t−2年的Size均未通过T检验，即困境公司样本和非困境公司样本之间不存在显著差异，应在后续分析中予以剔除。（2）在5%显著性水平上，t−1年的Lev、Structure、Risk、Earnings、Turnover、Savings、Growth、Growth1，t−2年的Lev、Shortage、Risk、Earnings、Turnover、Occupation、Savings、Growth、Growth1，t−3年的Lev、Risk、Earnings、Turnover、Savings、Growth1通过了曼−惠特尼U检验，即困境公司样本和非困境公司样本之间存在显著差异；其余指标均未通过曼−惠特尼U检验，即困境公司样本和非困境公司样本之间不存在显著差异，应在后续分析中予以剔除。

综上，本文最终选用t−1年的Lev、Structure、Risk、Earnings、Turnover、Savings、Growth、Growth1，t−2年的Lev、Shortage、Risk、Earnings、Turnover、Occupation、Savings、Growth、Growth1，t−3年的Lev、Risk、Earnings、Turnover、Savings、Growth1、Size进行后续分析。

本文根据样本公司t−1年至t−3年的数据预测样本公司t年是否会陷入财务困境。首先，将t−1年至t−3年的预警指标均带入式（2）进行回归，得到三年期连续的Logistic财务困境预警模型。随后，将t−1年的预警指标带入式（2）进行回归，得到适用于t−1年的单期Logistic财务困境预警模型。同理，通过回归分析可分别得到适用于t−2年和t−3年的单期Logistic财务困境预警模型。回归结果如表4所示。

表4列（1）为三年期连续的Logistic财务困境预警模型。其中，t−1年，资本杠杆（Lev_t−1）的系数在1%显著性水平上为正，即资本杠杆增大会加剧企业陷入财务困境的可能性；总资金回报率（Earnings_t−1）的系数在1%显著性水平上为负，即资金增值能力增强一方面缓解了从筹资活动向营业活动的资金补给压力，另一方面提升了营业活动对筹资活动履约的资金保障，有利于保持资金供求关系稳定。t−2年，总资金回报率（Earnings_t−2）的系数在1%显著性水平上为负；经营活动营运资金占用水平（Occupation_t−2）的系数在10%显著性水平上为正，即企业经营活动营运资金管理绩效不佳，导致企业在日常经营活动中为获得营业收入占用大量营运资金，扩大筹资需求和增加财务风险。t−3年，总资金回报率（Earnings_t−3）的系数在1%显著性水平上为正，即企业在发生财务困境前的第3年可能会操纵利润，以期掩盖经营不善的事实；经营活动营运资金节约额（Savings_t−3）的系数在10%显著性水平上为负，即经营活动营运资金管理绩效不佳，会逐渐增大对营运资金的需求量，为保障资金供求关系平衡，企业不得不加大筹资力度，导致财务状况恶化。

表4列（2）、列（3）、列（4）为单期财务困境预警模型。其中，t−1年，资本杠杆（Lev_t−1）的系数在1%显著性水平上为正，总资金回报率（Earnings_t−1）的系数在1%显著性水平上为负。t−2年，资本杠杆（Lev_t−2）的系数在1%显著性水平上为正；资金短缺程度（Shortage_t−2）的系数在10%显著性水平上为负，即若营业活动无法实现现金流收支相抵，则需要依靠筹资活动补给资金，资金供求失衡；总资金回报率（Earnings_t−2）的系数在1%显著性水平上为负；经营活动营运资金占用水平（Occupation_t−2）的系数在10%显著性水平上为正；总资金增长率（Growth_t−2）的系数在5%显著性水平上为负，即成长期企业只要充分利用与客户、供应商等其他利益相关者的合作关系，提高资金运作效率，缩短资金周转期，就能避免因资金缺口扩大而陷入资金供求失衡的窘境。t−3年，资本杠杆（Lev_t−3）的系数在5%显著性水平上为正；短期金融性负债占比（Risk_t−3）的系数在10%显著性水平上为正，即企业较多依赖短期金融性负债会造成短期财务负担加重，资金供求关系紧张；总资金周转率（Turnover_t−3）的系数在10%显著性水平上为负，即企业加快营业活动资金周转速度有利于实现资金内部更新，降低外部资金需求，减轻筹资压力；经营活动营运资金节约额（Savings_t−3）的系数在10%显著性水平上为负。

为研究Logistic财务困境预警模型的效果，本文对预警正确率进行了统计分析。当p（Y=1）>0.5时，即可预测该公司陷入财务困境；当p（Y=1） $\leqslant $ 0.5时，即可预测该公司财务状况良好。在此基础上，将预测值与公司实际观测值进行对比，若预测值和实际观测值一致，则表示预测正确，否则视为预测失败，统计结果如表5所示。

表5的结果显示，t−1年至t−3年单期财务困境预警模型的正确率分别为84.30%、83.06%、65.70%。由此可知，随着时间推移，预警模型正确率下降，预测能力变弱。将t−1年至t−3年预警指标带入模型，三年期连续的预警模型正确率为88.02%，明显高于单期预警模型正确率，这说明基于三年期数据建立的财务困境预警模型更符合企业持续存在的状态，增加时间维度的数据有效避免了单期数据的偶然性波动对财务困境预警效果的干扰，采用多期数据建立的预警模型更具有说服力。

本文重新选取2019年首次发生债券违约或首次被实施ST、^*ST的公司作为测试样本，并剔除：（1）因被注册会计师出具无法表示意见或否定意见的审计报告、出现其他异常情况实施特别处理、欺诈发行、在法定期限内未依法披露定期报告而实施ST、^*ST的公司；（2）金融公司；（3）缺失值。本文最终共筛选出63家财务困境公司，计算其2016年的总资金回报率（Earnings_t−3）、经营活动营运资金节约额（Savings_t−3），2017年的总资金回报率（Earnings_t−2）、经营活动营运资金占用水平（Occupation_t−2），2018年的资本杠杆（Lev_t−1）、总资金回报率（Earnings_t−1），将上述指标带入三年期连续的Logistic财务困境预警模型，如式（3）、式（4）：

若计算结果p（Y=1）>0.5，即预测该公司将于2019年陷入财务困境；否则，判定其在2019年财务状况良好。本文将预测结果与2019年实际情况对照，结果显示，对财务困境公司的预警正确率为93.65%。可见，更换样本后模型仍具有较好预测效果，本文认为该模型可适用于非金融企业各年度的财务困境预警。

本文致力于纠正财务概念混淆造成的资本效率与财务风险信息偏差，基于资金供求关系视角探究财务困境的核心内涵，从资金存量层面和资金流量层面选择指标分析资金供求关系失衡的形成逻辑，并以2009−2018年首次发生债券违约或首次被实施ST、^*ST的公司和对应的配对公司为训练样本，利用t−1年、t−2年、t−3年的数据进行多期综合和分期Logistic回归分析，并以2019年首次发生债券违约或首次被实施ST、^*ST的公司作为测试样本进行稳健性检验。实证结果表明：单期的Logistic财务困境预警模型和三年期连续的Logistic预警模型预警指标不完全一致。由三年期连续的预警模型各变量系数及其显著性可知，t−1年的资本杠杆（Lev_t−1）增大、总资金回报率（Earnings_t−1）降低，t−2年的总资金回报率（Earnings_t−2）降低、经营活动营运资金占用水平（Occupation_t−2）提升，t−3年的总资金回报率（Earnings_t−3）升高、经营活动营运资金节约额（Savings_t−3）不断减少，上述因素的共同作用会导致企业财务状况逐渐恶化，这也对识别财务风险发挥了显著作用。

三年期连续的Logistic预警模型更加符合持续经营的会计假设，保证预测的连续性，排除了单期数据的偶然性波动对财务困境预警效果的干扰。因此，相比于单期的预警模型，三年期连续的Logistic预警模型虽选用更少的指标但具有更高的正确率。三年期连续的Logistic模型对财务困境企业和非财务困境企业预警的正确率分别为87.60%和88.43%，模型总体预测精度为88.02%。

非金融企业可以利用本文构建的三年期连续的Logistic财务困境预警模型判断自身未来的财务风险状况。非金融企业利用自身财务数据，计算其t−3年的总资金回报率、经营活动营运资金节约额，t−2年的总资金回报率、经营活动营运资金占用水平，t−1年的资本杠杆、总资金回报率，计算结果即为三年期连续的Logistic预警模型的变量取值，由此得到企业陷入财务困境的概率，即p（Y=1）。若p（Y=1）>0.5，则t年企业具有较大财务风险。该模型有利于企业更早预测未来财务风险发生的可能性，从而及时寻找资金供求失衡的原因，从流量层面盘活资金，以流量层面的资金活力减少存量层面的资金占用，力求在财务风险积聚的初期扭转资金供求失衡的局面。

金融机构等资金提供者可以利用该模型丰富对非金融企业财务风险评估维度，尤其在当前复工复产大背景下，许多企业面临暂时性亏损，亟待金融机构等资金提供者的支持，该模型助力资金提供者从盈亏表象下筛选出真正资金运用效率高、财务风险小的企业，实现资金精准、有效、安全投放，加速全社会资金运转。

由于财务风险具有传染性，金融监管当局可利用本文预警模型，提前三年锁定财务风险较大的企业，密切关注其日后资金运动状况，定位资金异常波动的企业，有利于及时防范财务风险从点到面扩散，加快提升金融发展水平，防范化解重大金融风险。