在Gentry，Newbold和Whitford(1985a；1985b)研究的基础上，Aziz、Emanuel和Lawson(1988)发展了现金流量信息预测财务困境模型。公司的价值来自经营的、政府的、债权人的、股东的现金流量的折现值之和。他们根据配对的破产公司和非破产公司的数据，发现在破产前5年内两类公司的经营现金流量均值和现金支付的所得税均值有显著的差异。显然，这一结果是符合现实的。破产公司与非破产公司的经营性现金流量会因投资质量和经营效率的差异而不同，二者以现金支付的所得税也会因税收会计的处理差异而不同。Aziz、Emanuel和Lawson(1989)比较了Z模型、ZETA模型、现金流量模型预测企业发生财务困境的准确率，发现现金流量模型的预测效果较好。
3．市场收益率信息类模型。Beaver(1968)是使用股票市场收益率信息进行财务困境预测研究的先驱。他发现在有效的资本市场里，股票收益率也如同财务指标一样可以预测破产，但时间略滞后。Altman和Brenner(1981)的研究表明，破产公司的股票在破产前至少1年内在资本市场上表现欠佳。Clark和Weinstein(1983)发现破产公司股票在破产前至少3年内存在负的市场收益率。然而，他们也发现破产公告仍然向市场释放了新的信息。破产公司股票在破产公告日前后的两个月时间区段内平均将经历26％的资本损失。
Aharony，Jones和Swary(1980)提出了一个基于市场收益率方差的破产预测模型。他们发现在正式的破产公告日之前的4年内，破产公司的股票的市场收益率方差与一般公司存在差异。在接近破产公告日时，破产公司的股票的市场收益率方差变大。
(三)计量方法的选择
财务困境的预测模型因选用变量多少不同分为单变量预测模型和多变量预测模型；多变量预测模型因使用计量方法不同分为线性判定模型、线性概率模型和Logistic回归模型。
此外，值得注意的是，近年来财务困境预测的研究方法又有新的进展。网络神经遗传方法已经开始被应用于构建和估计财务困境预测模型。
(四)我国对企业财务困境预测的研究
在国内的研究中，吴世农、黄世忠(1986)曾介绍企业的破产分析指标和预测模型；陈静(1999)以1998年的27家ST公司和27家非ST公司，使用了1995—1997年的财务报表数据，进行了单变量分析和二类线性判定分析，在单变量判定分析中，发现在负债比率、流动比率、总资产收益率、净资产收益率4个财务指标中，流动比率与负债比率的误判率最低；在多元线性判定分析中，发现由负债比率、净资产收益率、流动比率、营运资本／总资产、总资产周转率6个指标构建的模型，在ST发生的前3年能较好地预测ST。张玲(2000)以120家公司为研究对象，使用其中60家公司的财务数据估计二类线性判别模型，并使用另外60家公司进行模型检验，发现模型具有超前4年的预测结果。
二、本文的样本和研究方法
本文与以前我国上市公司财务困境的研究有所不同。第一，样本新、时间长、容量大。本文研究的ST样本包括1998—2000年发生ST的公司，即A股市场上全部的ST公司，同时剔除了非正常的ST公司；此外，样本数据的收集时间延至公司发生ST前5年，样本时间跨度较长。选入研究的ST样本公司70家和相对应的非ST样本公司70家，样本容量达到了140家，可望在一定程度上降低估计和预测误差。第二，选择多种研究方法，建立单变量判定模型和三种多变量判定模型，并比较各种模型在财务困境预测中的效率。
(一)财务困境公司的样本选定
本文从我国A股市场上3年中出现的82家ST公司中界定出70家公司作为财务困境公司，进行财务困境预测研究。它们是：(1)连续两年亏损，包括因对财务报告调整导致连续两年亏损的“连亏”公司，共51家；(2)一年亏损但最近一个会计年度的股东权益低于注册资本，即“巨亏”公司，共16家；(3)因注册会计师意见而特别处理的，共3家。但排除了：(1)上市两年内就进入特别处理的公司，共8家。排除原因是财务数据过少和存在严重的包装上市嫌疑，因此与样本中的其他公司不具有同质性；(2)因巨额或有负债进行特别处理的公司，共2家。排除原因是或有负债属偶发事件，不是由企业正常经营造成的，与其他样本公司不具有同质性；(3)因自然灾害、重大事故等进行特别处理的，共2家，原因同(2)。