我国财险公司财务困境预警研究

　　摘要：在全球，几乎每天都有公司陷入财务困境，给公司和全社会都带来了巨大经济损失。所以，对于公司财务困境的研究就成了广大学者重点关注的话题。目前，国内外学者对财务困境的界定尚未达成统一，普遍认为：现金流不足、资不抵债、失败、破产等等都属于财务困境的范围。在西方一些法律体系较为完备的国家，对公司财务困境的研究一般以破产作为界定标准，我国一般采用“被特别处理”（以下简称“被ST”）作为界定标准，但这仅局限于上市公司。对于我国保险行业来说，没有出现破产和“被ST”的公司，所以这些界定标准并不适用于本文的研究范围。

　　在前人对财务困境研究的基础上，并根据证监会对“ST公司”的财务状况异常的界定标准，以及我国《保险法》和《保险管理暂行规定》对保险公司的要求，和《破产法》中对公司破产的相关规定，本文以财务困境事件为基础，对财务困境概念进行了界定，提出了一个相对完善的概念。接下来，本文对财务困境形成原因进行剖析，同时借鉴国内外监管机构对财险公司风险衡量指标的选取，本着实践性、整体性、规范性、易获取性、及时性和独立性六大原则，构建了我国财险公司财务困境预警指标体系。并运用因子分析法进行指标的降维处理，作为BP神经网络的输入；对每家财险公司财务状况进行综合评分，作为财务困境的定量界定，同时也作为BP神经网络的目标输出值。再次，文章使用BP神经网络模型构建财务困境预警系统，并对其进行验证，发现模型预测准确率可以达到预期。最后，文章针对财险公司如何避免陷入财务困境提出了政策建议，并希望各公司能够在借鉴本文思路的基础上，真正建立符合本公司特点的财务困境预警机制。

　　关键词：财务困境；财险公司；预警

　　2015年，伴随着保监会新偿付能力体系（简称“偿二代”）监管规则的发布，我国保险行业正式进入以风险为导向的监管时代。偿二代的发布实施为推动保险行业发展，激发资本活力带来了新的机遇，同时也对保险公司经营管理方式、风险管理能力等方面提出了挑战。虽然我国保险行业经历了三十多年风雨，也在逐步成长，但也存在面临着很多问题。

　　第一，我国保险行业尚不成熟。与发达国家相比，我国保险业还处在初级阶段，保险业主体普遍存在风险管理意识差、风险管理技术欠缺等问题。

　　第二，我国保险行业处于由粗放型向精细化转轨时期。保险市场主体经营管理模式粗放，治理结构存在问题，缺乏有效的内部风险管控机制，经营行为过分注重短期效益而不是长期发展[3]。

　　第三，保险行业缺乏完善的市场退出机制。保险公司一旦经营出现问题，就要对

　　其进行整顿，或在一定情形下由监管部门接管，直至保险公司经营正常，最长不超过两年。除整顿和接管之外，还有解散、撤销、甚至破产等退出形式。不过目前来看，保险公司并无一家因为经营不善而破产。短期来看，这种方式能够保护小公司不至于被市场淘汰，但是长期看来，不仅不能帮助公司从本质上改变其风险管控能力，而且也不利于保险市场整体的发展和规范，不能合理有效配置资源。

　　所以，无论是应对偿二代的监管要求，还是公司自身长期稳健发展的需要，建立一套完善的公司预警系统，预先掌握公司财务状况，在陷入财务困境之前实时报警，显得尤为重要。

　　1.2.1 财务困境研究

　　国外学者对财务困境的理解主要包括以下几个方面：破产；现金流不足；失败；亏损等。

　　自Altman(1968)《财务比率、判别分析和公司破产预测》一文开始，“破产”逐渐被纳入财务困境概念框架。Wruck（1990）认为财务困境是“现金流不足，无法偿还债务”的情况；Rose(1999)认为“经营现金流无法清偿到期债务的情况”为财务困境，并从现金流不足、流动资金不足、债务比例失衡和资本结构失衡四方面来描述财务困境表现。Deakin（1972）任务财务困境公司是“已经宣告破产，并且丧失偿债能力或者进入破产清算阶段”的公司；Bulm（1974）也认同“失败”是不能偿付债务、进入破产程序或与债权人达成债务减少协定。Argenti（1976）把以上“公司失败”的研究都界定为“财务困境研究”。

　　Lau（1987）认为“企业财务困境是一个动态、连续的过程”，把财务状况按照程度划分为五个阶段：“财务状况良好；减少支付或不支付股利；无法清偿到期债务；处于破产保护之中和法定破产清算。”把最后四个阶段定义为财务困境阶段。

　　国内学者在借鉴国外研究成果的基础上，又提出了自己的见解。吴世农和黄世忠（1986）认为财务困境公司就是破产公司，企业因经营管理不善

　　不具有偿还债务能力而破产。谷褀和刘淑莲（1999）将财务困境界定为企业不具有偿还债务能力，包括资产大于负债的技术性破产和资不抵债的实质性破产，以及两者之间的各种情况。后来，这一概念也被很多学者继续沿用，比如杨继伟（2007），赵爱玲（2000）。郭丽红（2001）认为财务困境的极端情况是企业破产，但是也包括一般性的资不抵债的情况。陈静（1999）在其研究中将证监会对“ST公司”的界定标准作为陷入财务困境的标志。即“第一，最近两个会计年度的净利润均为负；第二，最近一个会计年度的股东权益低于注册资本”。由于“ST公司”有明确的界定标准，而且是一个客观发生的事件，可量化性强。因此后来很多学者都选取“ST公司”作为财务困境样本，如张玲（2000）、宋新平等（2009）。

　　可以看出，国内学者对财务困境的理解基本上涵盖“破产”、“失败”、“亏损”“资不抵债”、“被ST”等内容。

　　1.2.2 保险公司财务困境预警研究

　　早期国外学者预警模型的研究都是采用单变量模型，即用一个指标进行分析。最早使用此模型的是X学者WiliamBever，他采用配对选取样本的方法，首先选取74家破产企业，然后又选取规模和行业相同的74家“配对”的非破产企业，进行单变量预警模型分析。但考虑到单变量模型不能全面反应公司财务状况，所以后来逐渐被多变量模型取代。1968年，Altman选取33家破产企业数据和与之配对的33家正常企业数据进行多变量模型构建，就是现在常说的Z计分模型。再后来，又出现了多元逻辑回归模型，最常用的是Logistic回归模型，预测准确率也有了进一步的提升。到1980年左右，人们开始尝试将人工神经网络模型应用到公司财务预警中去，并且发现效果也很理想，模型预测准确率又有了提高。

　　保险公司财务困境预警的研究也是经历了从单一到复杂，从粗略到精细的一个发展过程。分析方法也是包括单变量判别分析、多变量判别分析、概率回归模型

　　（Logistic模型、Probit模型）和人工神经网络模型等。

　　（1）单变量模型单变量模型就是以单一变量作为分析指标，来对保险公司经营状况进行预警的一

　　种相对简单方法。Evans（1968）最早将单变量分析模型引入保险公司预警研究中，选用不动产投资比例、综合成本率、理赔费用率、投资回报率等六项指标，如果一个指标出现异常，那就预示着这家保险公司可能出现问题。

　　（2）多变量模型多变量模型是运用多个指标进行判别分析。多元判别方法就是通过比较两组不同

　　变量之间的差异，选取组间差异大，组内差异小的变量，从而将多个标志变量转化为分类变量。根据两组数据之间的差异计算出指标的临界值，然后将所有公司的数据带入，一旦Z值超过临界值就可以判定公司出现了财务危机。

　　1973年，Trieschmann和Pinches最早运用该方法进行财险公司财务困境预警研究，选择6个财务指标进行预警，通过对52家公司数据进行分析，实证结果表明该模型的准确率较高。

　　（3）概率回归模型概率回归模型就是依据以往出现财务困境企业的特征，来预测被选择样本陷入财

　　务困境的概率。通常设定一个分界值作为判定标准。Logistic回归模型和Probit模型都是常用的二分类因变量分析模型。

　　（4）人工神经网络模型人工神经网络是通过模拟人脑结构，对复杂的、非线性数据进行处理。Broekett，

　　Cooper，Golden，Pitaktong（1994）运用人工神经网络技术进行财务困境预警分析，发现预警结果要优于判别分析法、A.M.Best评级及IRIS系统。

　　直到20实际90年代，我国才有了对预警的相关研究。佘廉（2000）是最早提出企业风险预警这一概念的人。周首华（1996）在Z模型基础上，中加入现金流量指标，构建了F模型。张玲（2000）采用60家公司数据创建分析判别模型，选取60组数据进行模型验证，结果显示模型能够有效预测4年后的数据。吴世农、卢贤义（2001）采用逻辑回归模型研究预警系统，杨淑娥、黄礼（2005）运用BP神经网络模型。模型的优化和提升让预警系统的准确率又得到了进一步改善。

　　通常来说，预警就是通过观测一些指标的变化来判断未来的发展趋势，衡量未来面临风险的大小，一旦发现危险及时发出报警信号，并通过采取相应措施来使损失降到最低，最大程度的保障公司经营的稳健性。

　　一个良好而有效的预警系统应该具备以下功能：1.监测功能。任何公司陷入财务困境都是一个循序渐进的过程，如果对公司经营

　　过程进行动态追踪监测，再根据财险公司风险状况的特点和相关规律，来分析其中指标的变动，从而来对公司财务风险进行预警。

　　2.识别功能。能够根据监测出来的结果来对企业存在的弊端进行诊断。

　　3.预控功能。预警系统要具有一定的预测性和前瞻性功能。公司陷入财务困境是一个动态的过程，所以预警系统要能够及时捕捉到公司可能面临的风险，从各种因素之间的敏感度进行预测和推算，为企业财务经营提供较为准确和可靠的信息，防止企业陷入财务困境状态。

　　4.修正功能。根据预警系统的分析结果，找到企业陷入财务困境的原因，对症下药，使得陷入财务危机的企业重归正常，也是预警系统的一个重要功能。

　　如何定义“财务困境”学术界众说纷纭，众多国内外学者在不同时期都从不同方面进行过阐述，没有形成一致观点。如何界定“财务困境”是本文的关键，这不仅关系财务困境的本质，也涉及到本文的预警对象。所以，这是研究财险公司财务困境预警首要解决的问题。在界定财务困境之前，需要明确几个概念。

　　2.2.1 相关概念

　　1.违约。当企业违反了与债权人达成的协议，就造成了违约。违约可能是由于企业无法偿还到期债务造成的，违约一般预示着企业经营的恶化，严重的违约可能导致企业破产。

　　2.无法支付优先股股利。不能支付优先股股利是指企业由于受到内外条件的限制而不能向优先股股东支付股利。一般是由于企业经营上遇到重大问题或出现巨大亏损。可能预示着企业陷入财务困境。

　　3.无偿债能力。无偿债能力包括两种：一种是技术上的没有偿债能力，另一种是实际意义上的。前者是因为公司管理上出现问题，流动性资金不足，无法偿还到期债务；后者是企业的总负债超过总资产，真正无力偿还债务。

　　4.失败。从严格经济学角度来说，企业失败是指企业的收益低于包括企业资金的机会成本在内的总成本时，就意味着企业失败了。处于失败状态并不意味着要停止营业。不过，如果企业长期处于失败状态，最后会面临破产。

　　5.破产。破产也称财务失败。在国外有关企业预警的研究文献中，出现频率较高的是破产。破产一般是指公司无法清偿到期债务无力继续经营，由法院宣告停止营业，进入债权债务清理阶段。

　　2.2.2 本文财务困境界定

　　财务困境是一个连续动态的过程，没有明显的标志性时点。以往为了便于量化分析，很多学者把这个时点定义在“破产”或“被ST”的时刻。国外由于法律体系完善，很多学者一般都将财务困境等同于破产。比如Deakin（1972）认为财务困境公司仅包括“已经经历破产、无力偿还债务或为债权人利益而进行清算的公司”。国内学者对财务困境的界定多数等同于公司出现财务状况或其他状况异常“被ST”。比如吴世农、卢贤义（2001）以上市公司“被ST”作为判定公司陷入财务困境的标准。但由于国内财险公司并不存在破产或“被ST”的情况，因此该标准并不适用于本文。另外从保险公司的实际经营情况才看，“破产”和“被ST”只是表示企业陷入“财务困境”的一种形式，往往很多企业在没有发生“破产”或“被ST”时就已经出现了财务困境。因此，本文更认同Argenti（1976）将多种因素综合起来界定的财务困境概念，财务困境的范围应该是比“破产”和“被ST”是更为广泛的概念。

　　后来，也有学者尝试使用其他标准来界定财务困境。申恒亮（2008）、腾焕钦（2011）以偿付能力作为划分保险公司财务状况的标准，主要考虑到偿付能力是反应保险公司核心能力的指标，也是各国监管的核心指标之一。但是随着监管部门对公司的风险管控也有传统单一的偿付能力充足率向以风险为主的“偿二代”过度。所以，采用单一指标作为判别财险公司是否陷入财务困境的标准过于简单，而应该在全面分析财险公司可能面临的财务困境风险的基础上，选取多指标进行衡量。

　　本文的界定除了参考前人的研究外，还结合国内的以下标准：首先，证监会认为以下情形可能会导致上市公司出现财务状况异常或其他异常①：“（一）最近两个会计年度经审计的净利润连续为负值或者被追溯重述后连续为

　　负值；

　　（二）最近一个会计年度经审计的期末净资产为负值或者被追溯重述后为负值；

　　（三）最近一个会计年度经审计的营业收入低于1000万元或者被追溯重述后低于1000万元”。其次，《保险法》①明确规定：“对偿付能力不足的保险公司，xxxx保险监督管理机构应当将其列为重点监管对象”，“保            险公司有下列情形之一的，xxxx保险2012年7月第七次修订的《上海证券交易所股票上市规则》的规定监督管理机构可以对其实行接管：（一）公司的偿付能力严重不足的；（二）违反本法规定，损害社会公共利          益，可能严重危机或者已经严重危机公司的偿付能力的”。“保险公司因违法经营被依法吊销经营保险业务许可证的，或者偿付能力低于xxxx保险监督管理机构规定标准，不予撤销将严重危害保险市场秩序、损害公          共利益的，由xxxx保险监督管理机构予以撤销并公告，依法及时组织清算组进行清算”。《保险法》中多次明确提到偿付能力，并以其作为衡量保险公司面临风险大小的标准。

　　解释企业财务困境形成原因的理论中主要现金流量理论和因素分析理论。

　　2.3.1 现金流理论

　　现金流量理论讲企业比作一个“水库”，企业规模的大小决定了水库的容量。企业规模越大，水库容量越大。企业的净流动资产可以看作水库的“流入”，企业资金的支出可以看作水库的“流出”。“水库”干涸的时候时就意味着企业无法清偿债务的时刻。

　　所以，根据现金流量可以得知：企业自身规模越大，企业经营活动的流动资产越多，企业经营资金支出越少，企业陷入财务困境的可能性就越低。

　　该理论的特点就是很形象地将企业比作一座水库，将流动资产比作水库中的水。当水库本身存量比较小，并且流出大于流入时，水库就会干枯。与此相类似，企业陷入财务困境的原因是由于企业流动资产规模小，并且流出的现金大于流入的现金。

　　目前对财务困境预警学界也没有达成共识。一种观点注重财务困境预警系统的风险管控功能，认为“财务困境预警系统是以企业信息化为基础，对企业在经营管理活动中的潜在风险进行实时监控的系统”。另一种观点强调财务指标体系的预警方法，认为“财务困境预警系统是以企业财务信息数据为基础，以财务指标体系为中心，通过对财务指标的综合分析、预测、及时反映企业经营情况和财务状况的变化，并对企业各环节发生或将可能发生的经营风险发出预警信号，为管理当局提供决策依据的监控系统”[31]。本文中所指财务困境预警，也是以企业财务指标为载体，对企业财务危机或财务困境进行监测预警，对将要陷入财务困境的企业进行预测警报。

　　指标体系的构建是本文中的关键环节，指标的选取不仅影响到模型的实现，还会影响到所有保险公司最终的结果。在保证全面反映财险公司财务困境的基础上，也要考虑到模型的可实现程度和预警的及时性。因此，在建立预警指标体系时，应遵循以下原则：

　　（一）实践性原则。指标的选取和指标体系的设计要从实际出发，能够真实客观反映公司的运营状况，并且有明确的经济含义。

　　（二）整体性原则。指标的选取应该以能够全面反映公司运营状况的财务指标为主体，并将其视为一个系统，协调指标体系中不同方面指标的相互关系，以更好地全面反映公司风险变动的规律。

　　（三）规范性原则。指标的选取要尽量和国际国内监管机构采用的预警指标相一致，保证整个预警体系更为严谨和科学，同时也便于横向比较和交流，以及监管机构对保险公司的监督和管理。

　　（四）易获取性原则。指标的选取要考虑到采集的难易程度，贴近公司实际，容易获取。对于一些非量化指标可能很难统一统计口径，公司之间标准不统一就无法横向比较，所以文中暂时只选取了可量化易获取的财务数据。

　　（五）及时性原则。由于预警指标体系具有时效性要求，所以指标的选取要及时，保证能够提前预见到风险，而不能是风险发生后的结果性指标。

　　（六）独立性原则。各个指标要尽可能相互独立，避免重复。

　　指标的选取也是文中重要的环节，本文首先对国内外监管机构的指标选取进行了参考，再结合国内保险行业特点，对我国财险公司财务困境指标体系进行搭建。X偿付能力监测系统中使用的IRIS系统和FAST系统就          是根据产、寿公司的经营特征的差异，分别选取能反映公司盈利能力、流动能力、业务能力、综合费用等方面的指标，来对公司整体经营状况进行监测，为监管部门及时干预提供依据。

　　X联邦金融机构监管部采用的骆驼评级体系（CAMEL）包含对六大类指标的评价，即“资本充足、资产质量、管理水平、盈利水平、流动性和市场风险敏感度指标”。

　　中国保险监管部门在参考欧洲偿付能力Ⅱ的基础上，在《偿二代分类监管（风险综合评级）制度征求行业意见》中指出，第一支柱量化风险为保险风险、市场风险和信用风险，第二支柱难以量化的风险为操作风险、          战略风险、声誉风险和流动性风险。

　　笔者在借鉴国内外研究的基础上，再结合我国保险行业的实际情况，基于指标选取的六大原则，初步选取以下六大类风险指标：

　　（一）保险风险指标保险风险是财产保险公司所承担的各种风险比例最大的，承保是保险公司的基本业务，其风险程度直接影响公司的经营发展水平和市场竞争能力大小。1.保费增长率X1即保费收入较去年的变化比          率，直接反映了公司保险业务规模的增长情况，保费增长率=（今年保费收入-去年保费收入）/去年保费收入*100%。保费增长的速度决定了公司的发展速度，是保险公司发展的基础，该指标属于风险的逆指标。

　　2.综合赔付率X2由于保险公司经营的特殊性，导致保险公司的成本与收入的确定与一般企业相比

　　是反向的，即先有保费收入，后有赔付支出。赔付支出指的是保险事故一旦发生，保险公司支付给被保险人的金额。综合赔付率=综合赔款/已赚保费*100%。其中，综合赔款=赔付支出-摊回赔付支出+提取未决赔款准          备金-摊回未决赔款准备金。赔款支出是财险公司的主要经营成本，综合赔付率越低，表明公司成本控制越好，间接表明公司风险控制水平越高，抗风险能力越强，因此该指标是风险的正指标。

　　3.再保险率X3再保险率衡量的是保险业务收入中分出保费的多少，再保险率反映公司了公司承担风险的大小。再保险比例的高低要根据各公司的业务规模、资金状况和发展结构等具体情况来确定。通常来说，再保险          率越高意味着公司承担的风险越小，陷入财务困境的概率也就越低，但也意味着公司盈利能力越低。因此该指标是一个区间指标。

　　4.综合费用率X4公司费用率反映了公司的实际运营成本，它包括佣金及手续费、业管费用等占自

　　留保费的百分比，是公司主要支出成本之一。佣金及手续费是指支付给代理机构和保险营销员的销售费用，属于展业成本；业务及管理费指保险公司在业务经营与管理过程中发生的各项费用，多数也为展业成本。费          用率越高，意味着财险公司展业成本越高，经营管理能力越差。因此，该指标属于风险正指标。

　　（二）负债风险指标财险公司较传统企业来说，经营模式是先收费、后赔付的方式。财险费率的计算

　　式根据大数法则根据历史的损失率作为纯费率，再加上一定的风险保费率和附加费率确定的。费率的厘定也面临着风险。由于公司的保费收入多数是要计提准备金的，有可能随时作为赔款支付出去，而且，财险保费的衡量是基于以往历史数据，与实际概率有一定差异。

　　1.自留保费率X①

　　自留保费率=自留保费/（实收资本+公积金）*100%。《保险法》规定②：“经营财产保险公司业务的保险公司当年自留保费，不得超过其实收资本加公积金的四倍。”即自留保费率的参考标准为自留保费率≤4,该指标的值越高，说明公司承担的风险就越大，所以该指标属于风险正指标。

　　①为保证全文所选指标脚标的连续性，指标脚标采取的连续编号

　　②《保险法》第九十九条规定

　　2.准备金充足率X6准备金充足率=（未决赔款准备金+未到期责任准备金）/自留保费。未决赔款准备金是指在会计年度内发生保险事故而未赔偿，需要在当年保费中计提的准备金；未到期责任准备金是指在会计年度末，将尚未到期的保险责任对应的保费计提的准备金。未决赔款准备金提取不足，则计入本期的赔款减少，虚增本期账面利润，降低未来账面利润；反之则降低本期账面利润，虚增未来账面利润。准备金充足率是公司风险的区间指标，参考保监会《财产保险公司风险评价办法》有关未决赔款准备金的偏差率指标，合理范围应在95%~105%之间。该指标属于风险区间指标。

　　3.资产负债率X7资产负债率也称作举债经营比率，资产负债率=期末负债总额/资产总额，反映公司总资产通过举债来筹集资金的比例，衡量公司的资本结构是否合理。该指标是评价公司负债水平的综合指标。资产负债率过高，说明公司举债越多，自有资产越少，公司经营扩张过度，资金周转有可能出现困难。该指标属于风险的正指标。

　　4.杠杆比率X8杠杆比率=负债/股东权益，是衡量举债风险的指标，反映公司履行债务能力的大小。杠杆比率越大，表明公司的债务风险也越大，因此属于风险的正指标。

　　（三）流动性风险指标流动性风险是指公司虽然有足够的实力来应对偿还债务能力，但是由于无法获得充裕的流动资金来应对到期债务而面临的风险。流动性的不足可能会导致公司的业务无法正常运转，陷入困境，最严重的会遭遇破产。所以，它对所有公司来说都是一个非常关键的指标。本文选取了流动比率、应收保费率和保险业务收入/经营活动现金流入三个指标来衡量财险公司流动性水平。

　　1.流动比率X9流动比率是流动资产与流动负债的比率，用来衡量企业在短期内资产变现的能力。一般来说，流动比率越高，说明公司的资产变现能力越强，短期负债能力越强，属于风险的逆指标。

　　2.应收保费率X10应收保费率=本期应收保费/保费收入*100%。应收保费是指未在保单生效前或在

　　约定时间内未收到的保费。正常的应收保费一般是由于签单和收费之间的时间差导致的，非正常的应收保费可能是由于投保人的恶意拖欠或营销人员的变动导致的。应收保费不仅占用了公司的现金流，而且缺乏流动性和收益性，影响了公司的资产质量。应收保费率越高，保险公司面临的风险越高。属于风险的正指标。

　　3.保险业务收入/经营活动现金流入X11该指标可以看出公司主营业务收入占经营活动现金流入的比重有多大。比重越大，说明保险公司主营业务越突出，营销状况越良好。因此，该指标属于风险逆指标。

　　（四）盈利风险指标1.投资收益率X12

　　投资收益是公司重要的收入来源之一，体现了公司的资金运用水平。投资收益率越高，表明公司的资本运作水平越高，抗风险能力越强，因此为风险负指标。投资收益率=投资收益/可投资资产总额*100%，其中可投资资产包括：货币资金、拆出资金、交易性交融资产、衍生金融资产、买入返售资产、定期存款、可供出售金融资产、持有至到期投资、债权投资计划和长期股权投资。该指标属于风险的逆指标。

　　2.净利润率X13净利润率=净利润/净资产*100%。净利润率是反映公司盈利能力的一项重要指标，

　　反映公司剔除成本和费用之后的利润率，该指标值越高，说明公司面临的风险越低，因此属于风险逆指标。

　　（五）成长性风险指标1.总资产增长率X14总资产增长率即本年度总资产较上年度的变化率，反映了公司资产的积累速度。总资产增长率越高，说明公司资产累计的越快，风险抵抗能力越强，属于风险的逆指标。

　　2.所有者权益增长率X15所有者权益增长率=（期末股东权益-期初股东权益）/期初股东权益*100%，属于风险逆指标。

　　（六）偿付能力风险指标1.偿付能力充足率X16，属于区间指标。

　　本文中使用因子分析的目的主要有以下两点：一是通过对指标进行降维处理，建立预警指标体系，并且作为BP神经网络的输入变量；二是对每家公司每年的经营情况进行定量分析，根据综合得分衡量公司财务状况，将综合得分处于0.5以下的公司界定为陷入了财务困境的公司，并以公司综合得分作为神经网络的目标输出值。3.3.1 因子分析介绍

　　因子分析是一种降维的手段，通过分析变量内部之间的关系，用少数几个公共因子来表示所有变量，从而实现简化、降维的目的。但因子分析法有它的局限性，即其所研究的变量必须是同一时间点的数据,而对于不同时间维度的数据则无法处理。面板数据是时间和空间数据的集合体。对于这种多指标的面板数据的分析比较复杂，这也是造成面板数据在多元统计中研究匮乏的原因。本文参考了前人研究，主要有以下改进的因子分析法：

　　第一，平均值法。对每一指标在时间维度上取均值，消去时间维度，从而简化成截面数据。但是这种方法造成了信息的损失。均值只能表现数据的平均变动情况，无法体现数据的发展趋势，很多信息“被平均”了。

　　第二，对每一时间的截面数据分别进行因子分析，以方差贡献率为权重计算加权得分。该种方法的问题在于：每一年的数据拥有不同的超平面，无法保证系统的一致性。带来的结果就是不同的时间平面提取的公因子个数可能不同，各公因子的贡献率不同，最终加权得分的参考标准也不同。

　　本文中因子分析方法的使用主要想达到两个目的：一是通过对指标进行降维处理，建立预警指标体系，并且作为BP神经网络的输入变量。

　　二是对每家公司每年的经营情况进行定量分析，根据综合得分衡量公司财务状况，同时作为神经网络的目标输出值。

　　基于以上考虑，文中虽然采用的是面板数据，但可以将每家公司每年的数据单独进行考虑，并不会进行趋势分析。而且本文需要将所有变量放在同一参考系下，所以并不适合逐年进行分析。综合考量，将所有数据都视为不同公司的截面数据进行因子分析相对来说最为理想。

　　3.3.2 样本选取与数据来源

　　本文的样本来源于我国财险市场上21家公司的财务数据。截止到2015年3月底，经中国保监会批准设立并依法登记注册的财险公司共计67家，其中中资保险公司45家，外资保险公司22家①。鉴于外资财险公司均为外国保险公司在中国的分公司，与中资财险公司经营性质不同，而且整体原保费收入只占到行业比重的2%，影响可以忽略不计②。因此本文选取的数据只包括中资财险公司数据。进一步，考虑到数据的可得性和财务指标的稳健性，将2009年及以后成立的公司剔除③；另外，专业性出口信用保险公司、农险公司、车险公司和责任公司也予以剔除，中华联合由于兼并重组数据披露不全予以剔除，中煤保险、安邦财险由于财务指标异常予以剔除，最终确定样本总体为21家财险公司，选取2010年~2014年数据。本文中所有数据均来源于公司官网披露的年报。原始数据详见附录A。

　　①来自中国保监会2015年1-3月财产保险公司原保费收入情况表

　　②由于大众保险2014年变更为外资公司，但是考虑到公司经营范围不变，所以还是作为研究对象

　　③剔除的公司有：华海财产、燕赵财产、恒邦财产、信达财产、浙商财产、紫金财险、泰山财险、众诚保险、锦泰财产、诚泰财产、长江财产、富德财产、鑫安汽车、北部湾财产、中石油专属保险和众安保险16家

　　4.1.1 BP神经网络介绍

　　人工神经网络简称为神经网络，是模仿人脑对信息的处理方式，进行神经元相互连接组合而形成的网络。人工神经网络虽然没有生物神经网络那么复杂，但也有很多相似之处。首先，人工神经网络和生物神经网络都是由神经元高度连接而成的网络；其次是网络的功能不仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互连接所决定。

　　目前使用频率最高的人工神网络模型是多层前馈神经网络模型。一般由三层神经元组成，即输入层、隐含层和输出层，每层神经元发射的信号由前置后输出。多层前馈神经网络的反向误差传播训练算法（BP算法）最早由Werbos在他的博士毕业论文中提出。在实际应用中，BP网络或它的变化形式一般是最为广泛运用的。

　　BP神经网络包含两个运算过程，即信息的正向传播和误差的反向传播。输入层接受来自外界的信息输入，并传给隐含层；隐含层有单层也有多层，隐含层最后一层的神经元再进一步传递信息至输出层，如此完成一次信息的正向传递。如果当实际误差值不满足预期误差值的设定时，即启动误差的反向传播阶段。误差通过输出层，按照误差梯度下降的方式来修正各层的权值，向隐含层、输入层方向传递。BP神经网络就是通过不断的正向和反向传播方式来逐步调整各层神经元的权值和阈值，完成神经网络的学习过程，直到模型输出的误差满足预期设定的最小误差或者达到预先设定的最大步数即停止。

　　4.1.2 模型可行性分析

　　BP神经网络是模拟人脑进行数据处理的，具有以下特点：

　　1.BP神经网络不需要建立数学分析式，它将内部的运算过程隐藏其中，只需要给出输入值和目标输出值，根据数据之间的逻辑关系进行训练，便可以自行生成网络的权值和阈值。

　　2.BP神经网络采用的是输入的正向传播和误差的反向传播方式。通过对网络内部参数的不断调整和完善，来尽量满足预设误差值的需要。而我们所需要建立的财务困境预警模型也是相对复杂，数据关系并不一定呈现线性关系，无法建立表达式，而且需要根据实际结果对模型进行反复调整。所以，BP神经网络能够满足本文建模的需求，同时，前人的研究成果也已显示BP神经网络具有不可比拟的优越性和准确率。所以，采用BP神经网络对财务困境预警系统进行分析和预测是可行的。

　　4.1.3 BP神经网络模型

　　BP神经网络中，应用最为普遍的是单层神经网络。通常来说，单隐含层网络被称为三层感知器，包括：输入层、隐含层和输出层。

　　BP神经元常用的传输函数有S形函数（sigmoid函数）和线性函数（purelin函数）。S形函数为非线性函数，通常被用作解决模式识别问题。最常用的函数是S形函数如logsig和tansig，其输出值将会限制在一个较小的范围内（-1，1）或（0，1）；purelin函数的输出值为任意数，通常被用作函数拟合问题。前馈网络的隐含层通常由非线性神经元组成，而输出层通常选择线性传输函数。在预警研究的文献中，几乎绝大多数都输出层传递函数都采用的是S形传输函数，主要在于样本中能够明确界定“正常”样本和“问题”样本，比如上市公司数据，用是否“被ST”来作为界定正常公司和问题公司的依据。而本文中采用的purelin函数，根据定量界定的财险公司财务状况得分进行拟合，这样实证结果更加精细化，而不是简单的将公司分为几类去进行训练和模拟。

　　4.1.4 BP神经网络模型算法

　　步骤1：权值和阀值初始化，随机给出神经网络的初始权值和阀值，将计算器置零；

　　步骤2：给定输入值xi（i=1,2,…,m）和目标值yk（k=1,2,…,n）；

　　步骤3：建立神经网络模型。确定模型的输入层、输出层和隐含层个数以及输入层和输出层的传输函数。

　　步骤4：修正权值。从输出层开始，将误差信号沿着路径反向传播，以修正权值；步骤5：如果上述步骤达到预期要求，过程结束；如果没有达到预期误差要求，

　　则继续进行上述步骤，直到误差满足预设要求。

　　4.2.1样本选取

　　本文最终选取我国21家财险公司2010年~2014年的数据，共计105组。基于因子分析选取的11个公因子作为输入变量，基于因子分析计算出的综合分数为目标变量。输入数据为t-1年数据，目标值为t年公司的综合得分，由此来预测公司下一年度财务状况。所以，采用了3年数据进行训练，1年数据用来验证，1年数据用来预测。

　　4.2.2模型构建

　　1．输入层。输入层神经元个数由输入变量决定。在本文第四章中，采用因子分析方法对原有16个指标进行降维处理，最终得到11个公因子（F1-F11）作为输入变量，即11个输入节点。

　　2．隐含层

　　关于隐含层的层数，LippmanRP（1987）经过研究证明：“一定条件下，三层次的神经网络能以任意精度逼近任意映射关系。而且发现，与单隐含层网络相比，双隐含层网络模型对提高网络精确性的作用并不显著。”因此本文选用单隐含层的神经网络。另外，关于隐含层节点的选择没有确定的法则可以借鉴，比较复杂，所以只能根据经验，通过不断地验证来确定。以下几种为常用方法：

　　其中L为隐含层单元个数，m为输入层单元个数，n为输出层单元个数，C为项目数，a为1~10之间确定的常数。

　　经过反复测试，本文选择预测结果最为理想时的隐含层单元个数，隐含神经元个数为9个。

　　3．输出层本文采用因子分析计算的综合得分作为神经网络的目标输出值，输出层神经元个数由采用purelin线性函数。MATLAB神经网络工具箱提供了标准算法训练函数，可以用nntool直接调用神经网络工具箱。

　　在训练函数trainlm中，其参数意义如下：ePochs：最大学习次数。即当神经网络模型的训练步数超过ePochs时，网络的训练将停止，本文选取ePochs=2000；goal：目标误差值。即当网络训练的误差值小于误差目标值时，网络的训练将停止，本文选取goal=0.001；ir：学习率。学习率的大小影响到网络的训练性能。当该值越大时，网络的学习速度也越快，网络权值和阈值的调整幅度也越大，但也容易造成网络的震荡结构的不稳定。反之，值越小，网络的学习速度越慢，学习时间越长。本文选取默认值。mc：动量系数。mc的值在0到1之间，当mc为0时，权值和阀值的改变量由此时计算出的负梯度来确定，当mc为1时，权值和阀值的改变量等于它前一刻的改变量，当性能函数值超过max-perf-inc，mc自动设置为0；max-Perf-inc：误差极限。限制误差的增长，当此时的网络输出误差与前一时刻的输出误差的比值大于max-Perf-inc，就通过乘以系数减小学习率，反之增加学习率；ir-inc：学习率增长系数。ir-dec：学习率减少系数。根据已创建好的财务困境预警网络模型，将21家财险公司2013年的数据带入，得到2014年财务状况综合得分的输出值，并和实际值进行对比，见表4.2：模型的预测只能是按照以往数据呈现的趋势进行预测，一旦公司的发展严重偏离之前的趋势，可能会带来预测的准确度的下降。但整体来看，21家的预测准确率达到80%以上，模型的预测准确率可以接受。由于保险行业中没有实际破产的财险公司数据，只有中华联合在2008年被保险保障基金接管。所以，我们根据中华联合2007年的数据来进行模型验证，看系统是否会发出警报：中华联合2007实际数值-0.19303，模型预测值为-0.23013。模型准确率在85%以上。

　　4.2.4 预测

　　本文对21家财险公司2015年财务状况进行预测，结果如表4.3所示：

　　根据指标的重要性排序，对财险公司财务状况影响大小由高到底排列分别为：偿付能力充足率指标、流动比率指标、资产负债率指标、综合费用率指标、自留保费率指标和净利润率指标。根据因子分析的结果可以看到，因子F1的贡献率最大，达到22.4%的影响比重；因子F2的贡献率为13.25%，其余因子的贡献率依次递减，且低于10%。在因子F1中，占比最高的分别是偿付能力充足率指标、流动比率指标和资产负债率指标。在因子F2中，占比最高的分别是综合费用率指标、自留保费率指标和净利润率指标。所以，偿付能力指标是影响企业财务困境因素的最重要最核心的指标，其次是流动比率指标和资产负债率指标。接下来，本文结合陷入财务困境公司的得分对影响指标进行分析：天安（2011）得分0.395，永诚（2011）得分0.492，华安（2010）得分0.449，

　　华泰（2011）得分0.311，都邦（2010）、都邦（2011）得分分别是0.498和0.453，民安（2011）得分0.418，渤海（2011）得分0.476。

　　①偿付能力充足率

　　天安（2011）偿付能力充足率为52%，华安（2010）偿付能力充足率为79%，都邦（2010）和都邦（2011）偿付能力充足率分别为-61%和-44%。偿付能力充足率严重不达标，跌破了100%的监管红线。都邦由于一直处于亏损状态，业务经营受到监管限制，保费收入一直处于负增长阶段，2011年总资产也出现了负增长，长期处于危险的边缘。其次是民安（2011），偿付能力充足率103%，濒临监管底线，也是属于关注类公司。而其他偿付能力符合监管要求的，都没有陷入财务困境。

　　②流动比率流动比率是流动性指标。根据我们所选取的数据，整体的流动比率的平均值为

　　1.47，最低值是0.82，在陷入财务困境的这8家公司中，流动比率都没有达到平均值，而且都邦财险2010年和2011年的流动比率分别是0.82和0.86，位于最低的水平。公司资金的流动性差，不能满足短期内偿还贷款的要求，陷入财务困境。

　　③资产负债率资产负债率是负债风险指标，来衡量公司举债程度。所选数据中的最大值是

　　96.31%，平均水平在70%左右，除永诚（2011）资产负债率为76.5%，其余公司的资产负债率均高于80%，甚至达到95%以上。可见公司都是高负债经营，经营过度扩张，具有很大的风险隐患。

　　④综合费用率

　　综合费用率是体现公司运营管理能力的一个指标。综合费用率的大小影响到公司的承保利润。所选取数据中，综合费用率的均值是41%，最低值是27.26%，而陷入财务困境的8家公司中，除天安（2011）为34.54%外，其余均在40%以上，甚至高达49%。可见，这些公司的内部管控还是不够完善，佣金手续费和业务管理费用太高，导致保单的成本高，承保利润低。

　　⑤自留保费率

　　自留保费率反映公司自担风险的大小。整体来看，这8家公司的自留保费率在

　　1.5左右，除了永诚（2011）和华安（2010）过高，分别达到了2.55和3.17的自留比率。所选数据的整体均值在2.06的水平，而且一般中小公司更偏低一些，保持在1以下左右。毕竟公司规模小，资金量少的话，承担风险的能力就差，一旦发生巨大亏损，很难短时间周转过来。

　　⑥净利润率净利润率是最直接反应公司盈利水平的指标。天安（2011）、民安（2011）和渤海（2011）均为负值，而且绝对值都大于50%，出现了严重亏损。比较反常的是都邦（2010），净利润率高达89%，净利润1.26亿元，却偿付能力充足率严重不足，可见资本金严重匮乏。

　　5.2.1 合理发行次级债，扩充资本金

　　实际中当财险公司面临财务困境，尤其是偿付能力严重不足时，采取最多也最为迅速的办法就是增加资本金，可以有效增加公司资本的流动性，同时缓解偿付能力不足问题。但目前来说，财险公司筹集资金的渠道非常有限，只有国寿、人保和平安等上市公司能够通过公开发行股票募集资金外，其他公司只能通过股东注资或者私募等方式来融资。发行次级债成为不少财险公司补充资本金提升偿付能力的一种常用手段，主要是因为次级债在偿付能力评估时，可以算作附属资本。这主要源于次级债的几个特点：一是长期性，通常为5年期；二是次级性，即债务的清偿顺序在所有债务之后；三是偿还的非保障性，即债务人必须要保证偿还债务后偿付能力充足率能达到100%的监管要求，才能清偿本息。四是监管的严格性，债务发行要经过保险监管部门严格审批。

　　5.2.2 调整业务结构，提升偿付能力

　　在以风险为导向的“偿二代”监管系逐渐运行实施的今天，更要求财险公司要不断调整产品结构，优化资产配置，提升风险管控能力。与“偿一代”只做单一的定量监管相比，偿二代在将定量资本要求细化为保险风险、市场风险、信用风险的前提下，增加了操作风险、战略风险、声誉风险、流动性风险的定性监管要求，并要求加强信息披露引入市场约束机制。所以，偿付能力对于各家财险公司来说，不仅仅是“偿付能力充足率”一个指标而已，更是反映公司整体偿付能力水平的一个综合概念。各家公司不应该从表面上增加偿付能力充足率水平，而是应该从根本上调整公司的战略。从业务方面来说，车险作为财险的主营业务，却一直处于“现金流承保”阶段，高成本低利润会给公司带来更大风险；对于非车险业务来说，尤其是一些工程险，也提出了更高的资本要求。所以各财险公司在选择承保风险时要更加审慎以确保资金使用的安全性。

　　5.2.3 加强资产流动性管理

　　相对一般企业来说，财险公司业务具有一定的特殊性。一是财险公司是先确定保费收入，再发生赔付事件，收入与支出之间具有一定的时间差；二是财险公司保费支出源自于保险事故的发生，具有一定的概率性。所以，这也对财险公司的资金运用要随时满足各种可能发生的索赔事件的要求提出了挑战。这种随机的现金流需求导致公司运用资金时必须要考虑流动性风险，尤其是当市场出现流动性不足时，财险公司运用何种投资策略构建资产组合管理就显得尤为重要。

　　5.2.4 适度经营，加强资产负债管理

　　“资产负债管理”也称为ALM，“是在给定的风险承受能力和约束条件下，为实现财务目标而针对资产和负债有关的决策进行的制定、实施、监督和修正过程”。资产负债管理能够使公司的经营更加稳健。财险公司的负债主要来源于准备金，即未到期责任准备金和未决赔款准备金。由于财险业务一般都是短期业务，所以负债也属于短期型，就要避免出现短钱长用的问题，要合理利用投资对负债进行平衡。目前财险公司常用的方法是动态财务分析法（DFA），但是一些小规模的财险公司可能对资产负债管理的重视程度不够或技术水平有限，在资产负债的期限匹配管理上还有待加强。

　　5.2.5 提升业务能力，合理控制费用

　　承保利润作为公司的主要利润来源之一，对公司的成长具有重要作用。保费的增长规模能够体现公司的成长水平，费用的合理控制能够体现公司的运营管理能力。财险公司要做到“开源”和“节流”，两端把控好，才能将风险控制住。一是要稳步提升保费增长速度，保持一个合理的增长水平，切忌无底线没原则的一味追求规模的增长，而不对承保业务质量进行严格把关，到头来漏洞越来越大，最后陷入财务困境；同时，也要严格控制好各项成本支出。成本的控制更为体现一个公司的管理水平，在财险公司由粗放型向精细化转型的过程中，要严格把好细节关，控制好保单成本。实现保费收入的稳步增长，控制好各项费用的支出，这样才更有助于公司的健康稳定发展。

　　5.2.6 有效利用再保，适度转移风险

　　再保险业务的发展为财险公司风险的纵向转移提供了可能。财险公司可以根据自身规模和业务需要，对每单进行分保或对总量超过一定限额的进行分保。再保业务可能会让财险公司损失部分保费收入，但同时也转嫁了部分风险，尤其是对一些小型公司来说，自身规模有限，无法承担单笔或总量很大的风险，可以通过再保的形式来转嫁风险。

　　5.2.7 合理配置资产，提高盈利能力

　　投资收益一直是财险公司的重要利润来源，尤其是在各家公司承保利润都有所下降的情况下，财险公司的利润主要来自于投资收益。良好的资金运用收益，可以间接转化为保险公积金，也为增强偿付能力提供了资金来源。但保险行业普遍面临着投资收益率偏低的问题。随着2014年投资新政的出台，监管部门对保险业投资渠道的放宽，财险公司也要转变自己的盈利模式，提升投资收益率。合理配置投资品种，由传统单一的固定收益类产品向基础设施、股权不动产等另类投资过度，根据自身承受风险的能力，合理搭配投资产品的期限和风险。

　　整体来看，财险公司应该建立一个较为先进和完善的财务困境预警系统。通过财务困境预警系统，财险公司能够实时了解自身面临的风险，并能以此来对公司实际财务状况进行评估。然后根据财务困境预警系统采取合理有效的改进措施，防范公司陷入财务困境。

　　首先，财险公司也要加强内部管理。从国外保险公司破产的教训来看，没有建立起合理有效的风险管理组织机构，已成为保险公司内部发生风险的根源所在。保监会对保险公司风险管理提出了指导原则：“保险公司应当建立由董事会负最终责任、管理层直接领导，以风险管理机构为依托，相关职能部门密切配合,覆盖所有业务单位的风险管理组织体系。保险公司可以在董事会下设立风险管理委员会负责风险管理工作①”。所以，保险公司的财务困境预警工作应该深入到公司内部，不仅仅是公司的高层领导要高度重视，每个员工都应该具有风险管控意识，一旦公司可能面临风险，都应及时发现及时解决，以免陷入到更大的困境中。

　　第二，保险公司要建立及时有效的预警信息系统平台。预警具有时效性，发现的越早公司面临的风险就越低，而且越有利于公司采取应对措施。及时有效的获取财务信息和建立预警系统的关键一环。信息无法获取，预警就无法建立。所以，保险公司要建立及时有效的预警信息系统平台，能够及时迅速的掌握公司的财务状况，以便及时有效的识别公司面临的风险，从而进行有效监控。

　　①2007年出台的《保险公司风险管理指引》

　　由于笔者能力有限，本文只是通过采用BP神经网络模型构建财务困境预警系统，并结合财险市场21家公司的财务数据为样本进行模型构建和检验，抛砖引玉，希望能够为财险公司建立自身的财务困境预警系统提供一个思路。

　　[1]王绪瑾.保险学（第三版）[M].北京:经济管理出版社,2004.

　　[2]耿磊磊.我国财产保险公司全面风险预警研究[D].天津:天津财经大学.2011.

　　[3]唐庚荣,万君康.寿险公司财务风险点及其管控方法分析[J].湖南财经高等专科学校学报,2008(10):29-34.

　　[4]刘洪渭,丁德臣,何建敏.基于RBF神经网络的财产保险公司全面风险预警系统研究[J].管理学报,2009(12):22-27.

　　[5]佘廉.预警管理——企业防范风险的新方法[J].中国商办工业,2000(9):57-62.

　　[6]周首华,杨济华,王平.论财务危机的预警分析——F分数模式[J].会计研究,1996(8):33-38.

　　[7]张玲.财务危机预警分析判别模型及其应用[J].预测,2000(6):38-40.

　　[8]吴世农,卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究,2001(6):46-56.

　　[9]姜秀华,任强,孙铮.上市公司财务危机预警模型研究[J].预测,2002(3):56-61.

　　[10]杨淑娥,黄礼.基于BP神经网络的上市公司财务预警模型[J].系统工程理论与实践,2005(1):12-19.

　　[11]张红日.我国中小企业板块上市公司财务风险预警研究——基于两种多变量模型的比较分析

　　[J].经济师,2009(6):70-71.

　　[12]王克敏,姬美光.基于财务与非财务指标的亏损公司财务预警研究——以ST公司为例[J].财经研究,2006(7):56-60.

　　[13]邓晓岚,王宗军,李红侠,杨忠诚.非财务视角下的财务困境预警——对中国上市公司的实证研究[J].管理科学,2006(6).

　　[14]万希宁,王艳.基于非财务指标的企业财务危机模糊预警模型研究[J].管理学报,2007(3):54-60.

　　[15]权思勇.创新型企业财务预警系统研究[D].上海:东华大学.2015.

　　[16]刘连生.X保险监管的特点及对我国的启示[J].现代财经-天津财经学院学报,2004,8

　　[17]杨立旺.加强保险会计报表分析建立保险经营风险预警系统[J].中国保险管理干部学院学报,1996,49(6):19-25.

　　[18]李谦.保险公司财务能力分析与保险监管预警系统的建立[J].上海金融,1998(7):30-32.

　　[19]陈洪涛.保险公司偿付能力监管预警指标体系研究[J].北京统计,2001,137(7):38-39.

　　[20]刘连生.保险公司预警指标体系的建立与偿付能力指标的量化[J].现代财经-天津财经学院学报,2001,21(12):15-17.

　　[21]李立平,王琳.论保险公司偿付能力风险会计预警系统的设立[J].湖南经济管理干部学院学报,2006,17(3):69-70.

　　[22]刘洪渭,丁德臣,何建敏.财产保险公司全面风险预警指标体系研究[J].西安电子科技大学学报

　　（社会科学版）,2009,19(3):10.

　　[23]杨金边,谢利人.保险公司偿付能力评价、预警——基于BP神经网络的分析[J].保险职业学院学报,2009,23(1):33-35.

　　[24]刘超群.我国财险公司偿付能力预警机制研究[D].杭州:浙江大学.2012.

　　[25]沈仁义,胡佼佼.我国产险公司偿付能力预警研究[J].黑龙江对外经贸.2008,172(10):133.

　　[26]文辉.基于径向基神经网络的财产保险公司财务预警研究[D].长沙:湖南大学.2010.

　　[27]周晶晗,赵桂芹.我国产险公司财务恶化预警研究——基于Logistic模型[J].经济科学,2007(3):113-121.

　　[28]滕焕钦.财产保险公司风险预警研究[D].济南:山东大学.2011.

　　[29]宋欣欣.我国寿险公司财务风险预警模型研究[J].秦皇岛:燕山大学.2011.

　　[30]韩庆兰,吴长强.刍探财务预警系统[J].财会月刊,2001(4):27.

　　[31]宋慧斌.企业财务预警系统的设计与实施[J].财务通讯,2001,9.

　　[32]刘庆华.基于现金流量的企业财务预警系统研究[D].西南财经大学,2006,4.

　　[33]滕焕钦,张芳洁.国外保险企业风险预警的理论与实践及对中国的启示.保险研究[J].2011,1.

　　[34]曾忠东.基于模糊优选和神经网络的保险企业经营风险预警系统构建[J].四川大学学报（哲学社会科学版）.2006,143(2):28-43.

　　[35]苏辛.非寿险公司风险预警系统研究[D].天津:天津财经大学.2008.

　　[36]申恒亮.基于BP人工神经网络的寿险公司偿付能力预警监测研究[D].青岛大学.2008.[37]吕长江,周县华,杨家树.保险公司偿付能力恶化预测研究[J].财经研究[]2006,32(10):80-91.

　　[38]王旭.我国上市公司治理风险预警机制研究[D].北京:中国矿业大学（北京）.2009.

　　[39]刘彦文.上市公司财务危机预警模型研究[D].大连:大连理工大学.2009.

　　[40]金在温,查尔斯•W.米勒（著）,叶华（译）.因子分析：统计方法与应用问题[M].上海:格致出版社,2012.

　　[41]郑兵云.多指标面板数据的聚类分析及其应用[J].数理统计与管理,2008,27(3):265-270.

　　[42]董锋,谭清美,周德群.多指标面板数据下的企业R&D能力因子分析[J].研究与发展管理,2009,28(5):831-838.

　　[43]任娟.多指标面板数据融合聚类分析[J].数理统计与管理.2013,32(1):57-67.

　　[44]周品.MATLAB神经网络设计与应用[M].北京:清华大学出版社,2013.

　　[45]李春好,李立辉.人工神经网络BP算法的数据处理方法及应用[J].系统工程理论与实践,1999.

　　[46]Altman.FinancialRatios,DiscriminantAnalysisandthePredictionofCorporateBankruptcy.TheJournaloffinance,Vol.23,No.4.(Sep.1968),pp.589-609.

　　[47]Wruck,K,1990,FinancialDistress,Reorganization,andOrganizationalEfficiency[J],JournalofFinancialEconomics27:419-444.

　　[48]D.B.Deakin,“ADiscriminantAnalysisofPredictorsofBusinessFailure”.JournalofAccountingResearch,1972,(Spring).

　　[49]Blum,M,1974,FailingCompanyDiscrimininantAnalysis[J],JournalofAccountingReasearch12:1-25.

　　[50]JohnArgenti.CorporateCollapse:TheCasesandSymptoms[M].London:McGraw-Hill,1976,10.[51]WerbosPJ.Beyondregression:Newtoolsforpredictionandanalysisinthebehavioralscience.Ph

　　DThesis,HarvardUniversity,Cambridge,MA,1974.

　　[52]OhlsonJ.A.“FinancialRatiosandtheProbabilisticPredictionofBankrupcy”.JournalofAccountingResearchVol:4,1980,P:109-131

　　[53]Evans,Campbell,K.“BasicFinancialDifferencesofSubstandardAutomobileInsures,”TheJournalofRiskanInsurance,35(December1968),489-513

　　[54]PatrickL.Brockett,WilliamW.Cooper.LindaL.Golden,UtaiPitaktong,ANeuralNetworkMethodforObtaininganEarlyWarningofInsurerInsolvency(J),TheJournalofRiskandInsurance,1994Vol.61.No,3.402-424

　　[55]EdwardI.Altman,“FinancialRatio,DiscriminantAnalysisandThe

　　PredictionofCorporateBankruptcy”.TheJournalofFinance，Sep.1968，No.4.