第二，非统计类方法。伴随着统计技术和信息技术的不断发展，功效系数法、模糊算法及BP神经元网络等技术被逐渐引入到企业财务风险预警分析的研究中。科特 和 范特于1991年将BP神经网络运用于企业财务风险预警分析的研究中，发现该模型的准确率居然能达到 91%，明显高于其他判别方法[8]。此模型能包容一定量的，并且错误没有严格的假设条件，因此在实际应用层面使用较为广泛。然而随机性是BP神经网络系统的致命缺点，有时往往需要多次进行调试才能得到一个较好的神经网络结构，需要消耗巨大的精力和时间，企业无法负担如此的成本，所以受到了很大限制。国外学者对于企业建立财务预警分析系统来防范财务危机的研究起步较早，同时也有一系列的理论模型以及在具体操作层面的操作效果，其研究成果为我国企业财务风险预警分析与危机防范研究起到了一定的标杆作用，确立了基本的理论框架和方法体系。但是诸如现今其他许多学科的研究一样的，国外的企业财务预警分析方法侧重定量研究而缺乏定性分析。另外，由于各国的法律特征、政治环境、经济发展程度等不同，其某些研究成果不一定适用于我国企业更不一定适应我国广大光伏企业，所以迫切需要结合我国的实际国情、发展现状、行业特点等对企业财务预警分析方法进行适当修正，形成适应我国企业的财务风险预警分析体系。

2  国内研究评述

1、财务风险方面的有关理论

我国从 20 世纪 80 年代末或 90 年代初开始进行财务风险的相关研究。余绪缨教授编写的《厦门大学会计系列教材企业理财学(第3版)》一书，认为财务风险是企业资本结构不同造成的企业支付本息能力的风险，企业财务杠杆系数越大，企业财务风险就会越大。如果企业没有负债则认为不存在财务风险。学者们把这种风险称为筹资风险或债务融资风险，也将其看做狭义的财务风险[28]。汤谷良教授在《论财务风险管理》著作中对财务风险给出了这样的定义，认为“财务风险发生在企业筹资、投资、收益分配等财务活动中，各种不确定性因素的作用，会使企业的实际收益与预期发生负偏离的可能性”。人们将这一定义可看做是对狭义财务风险的拓展。向德伟博士在1994年细致全面的分析了财务风险产生的原因，他认为“财务风险是一种微观的风险，是企业经营风险的集中体现”。

2、关于财务风险预警指标与模型运用

吴世农、黄世忠第一次提出了分析企业破产可能性的指标体系和预测企业破产的函数模型。1996年周首华等人提出了F分数分析模型，他们融入了现金流量方面的指标，弥补了Z计分法模型的不足。学者陈静在她的一篇实证研究论文中使用了 27 家被特殊处理和未被特殊处理的公司作为对比的样本，分别利用线性回归模型和单一变量模型对企业进行了研究。单一变量模型分析中，在负债比率、、净资产收益率、流动比率、总资产收益率这 4 个财务指标中，她发现流动比率和负债比率的判定准确率最高。在多元线性回归的判定分析中，发现在公司被处理的前 3 年能较好地预测公司财务困境的是由流动比率、净资产收益率、负债比率、营运资本资产率、总资产周转率6 个指标构建的模型。宁宇之教授则认为企业财务风险的预警分析方法有两种，一种是指标分析法，通过计算企业流动比率和资产负债率预警企业财务风险：另一种是概率分析法，通过计算标准离差和标准离差率来预测风险的大小[8]。肖艳（2004）将传统财务指标与现金流量指标结合进行财务预警分析。实证结果表明这样的预警指标提高了Logit预警模型的预测准确率[9]。