{财务管理信用管理}企业的信用评价办法
企业信用评级评分标准
企业信用评级评分标准
企业信用评级是指对企业的信用状况进行综合评定，并给予相应的信用等级。
在商业活动中，企业信用评级是非常重要的，它直接关系到企业在市场上的信誉和地位。
因此，建立科学、合理的企业信用评级评分标准是非常必要的。
首先，企业的财务状况是企业信用评级的重要指标之一。
财务状况包括企业的
资产负债状况、盈利能力、偿债能力等方面。
资产负债状况良好、盈利能力稳定、偿债能力强的企业，通常会获得较高的信用评级。
其次，企业的经营状况也是评定企业信用的重要因素。
经营状况包括企业的市
场地位、行业地位、经营规模等方面。
在同行业中，市场地位较高、经营规模较大的企业，通常会获得较高的信用评级。
此外，企业的管理水平和治理结构也是评定企业信用的重要内容。
管理水平和
治理结构良好的企业，能够有效地保障企业的稳定发展，从而获得较高的信用评级。
最后，企业的社会责任和诚信经营也是评定企业信用的重要考量。
具有良好社
会责任感和诚信经营理念的企业，通常会受到社会的认可和赞誉，从而获得较高的信用评级。
综上所述，企业信用评级评分标准应该是一个多维度、全面性的评定体系，包
括财务状况、经营状况、管理水平、社会责任和诚信经营等方面。
只有建立科学、合理的评级标准，才能更好地评定企业的信用状况，为市场经济的发展提供有力的支持和保障。
财务管理制度的财务信用管理
财务管理制度的财务信用管理财务信用管理是财务管理制度中的重要一环，它涉及到企业的信用政策、信用评估、信用控制和信用管理活动。
通过科学的财务信用管理，企业能够建立良好的信用形象，提高市场竞争力，降低财务风险，保障企业的长期发展。
本文将从财务信用管理的理论和实践两方面进行探讨。
理论上，财务信用管理需要基于一定的理论基础。
首先，企业应建立完善的信用政策。
信用政策是企业对于信用管理的整体规划和方向。
在制定信用政策时，企业需要考虑到自身的发展战略和经营特点，合理设置信用政策的目标和原则，以确保信用政策能够有效地支持企业的发展需求。
其次，企业需要进行信用评估。
信用评估是对客户、供应商等交易对象进行信用状况的评估和判定，以确定对方的支付能力和支付意愿。
通过信用评估，企业能够识别潜在的风险，避免不良债权的产生。
最后，企业需要进行信用控制和信用管理活动。
信用控制是企业根据信用政策，对信用风险进行识别、分析和控制的活动。
信用管理活动包括建立信用档案、建立信用风险预警机制、执行信用惩戒措施等。
通过这些活动，企业能够及时发现并处理信用风险，维护企业的利益。
实践上，财务信用管理需要通过一系列的具体措施来实现。
首先，企业可以建立统一的信用档案系统。
该系统记录客户或供应商的信用状况、交易记录以及相关的信用评估结果等信息，为企业信用管理提供基础数据。
其次，企业可以建立信用风险预警机制。
通过对市场和客户的监测，及时发现并警示信用风险，预防不良债权的产生。
此外，企业还可以加强内部控制，建立健全的财务制度和流程，规范业务操作，避免内部因素对信用管理的不利影响。
最后，企业可以加强与金融机构的合作，通过信贷配合和担保服务等，提高企业的融资能力和信用水平，为企业的发展提供有力支持。
财务信用管理也需要充分利用信息技术手段。
企业可以通过建立财务信息系统，实现对财务数据的集中管理和实时监控，提高财务信用管理的准确性和效率。
同时，企业还可以通过互联网和大数据技术，获取更多的市场信息和客户信息，提升信用评估的精准性和全面性。
2021年财务管理评分标准
2021年财务管理评分标准
财务管理评分标准通常是根据公司或组织的具体情况而定的。
一般来说，财务管理评分标准包括财务报告的准确性、财务风险管理、财务绩效、成本控制、资金运作效率、财务透明度、合规性等
方面。
具体来说，财务管理评分标准可能包括但不限于以下几个方面：
1. 财务报告的准确性，评估财务报告的编制是否符合会计准则
和法规要求，是否真实、准确地反映了公司的财务状况和经营业绩。
2. 财务风险管理，评估公司对市场、信用、流动性等方面的风
险管理能力，包括风险识别、评估、控制和应对能力。
3. 财务绩效，评估公司的财务绩效，包括利润率、资产回报率、偿债能力等指标，以及与行业或同类公司的比较。
4. 成本控制，评估公司的成本管理能力，包括成本结构、成本
控制措施和成本效益分析等方面。
5. 资金运作效率，评估公司的资金运作效率，包括资金周转率、
资金利用效率等指标。
6. 财务透明度，评估公司的财务信息披露是否及时、准确、全面，是否符合相关法规和透明度要求。
7. 合规性，评估公司的财务管理是否符合相关法规、规范和行业标准，包括税务合规、会计准则遵循等方面。
这些是一般情况下的财务管理评分标准的一些方面，具体评分标准还需要根据不同的行业、公司规模和特点来确定。
企业信用评级打分标准
企业信用评级打分标准
首先，企业信用评级打分标准主要包括财务状况、经营状况和行业地位三个方面。
在财务状况方面，评级机构通常会关注企业的资产负债比、流动比率、偿债能力等指标，以评估企业的偿债能力和财务稳定性。
在经营状况方面，评级机构会考察企业的盈利能力、经营效率、市场地位等指标，以评估企业的盈利能力和经营风险。
在行业地位方面，评级机构会比较企业在同行业的地位，以评估企业在行业内的竞争力和地位稳定性。
其次，企业信用评级打分标准的具体评分方法通常是通过对各项指标进行加权
平均得到最终评级结果。
评级机构会根据各项指标的重要性和企业的具体情况确定权重，然后对各项指标进行评分，并根据加权平均的结果给予企业相应的信用评级。
一般来说，评级结果分为AAA、AA、A、BBB、BB、B、CCC等不同等级，其中AAA表示最高的信用评级，CCC表示最低的信用评级。
最后，企业信用评级打分标准的应用范围非常广泛，不仅可以帮助金融机构和
投资者进行风险管理和投资决策，还可以帮助企业了解自身的信用状况，及时发现和解决经营风险。
因此，企业应当重视信用评级工作，加强财务管理，提高经营效率，提升行业地位，以获得更好的信用评级结果。
综上所述，企业信用评级打分标准是评级机构根据企业的财务状况、经营状况、行业地位等多方面因素制定的评级标准，它对企业的经营和发展具有重要影响。
企业应当重视信用评级工作，加强内部管理，提高企业整体实力，以获得更好的信用评级结果。
同时，监管部门也应加强对信用评级机构的监管，提高信用评级的公正性和准确性，以维护金融市场的稳定和健康发展。
信用评价等级管理制度
信用评价等级管理制度一、总则为规范和完善信用评价等级管理工作，促进信用评价制度的运行和发展，提高信用体系建设的科学性和有效性，特制订本制度。
二、评价对象信用评价等级管理制度适用于所有涉及信用评价的机构和个人。
三、评价标准1.信誉度：评价对象的信誉度包括但不限于信用记录、信用历史、守信程度等方面的情况。
2.守信等级：根据评价对象的信用记录、守信程度、法律法规遵从程度等因素来确定评级。
3.风险等级：评价对象的风险等级主要考量其信用风险，包括但不限于信用违约、信用失信、欺诈等行为。
四、评价程序1.信息收集：评价机构通过各种手段收集评价对象的相关信息。
2.数据分析：评价机构对收集到的信息进行数据分析，综合考量评价对象的信用情况。
3.评级分类：评价机构根据综合评价结果，将评价对象分为不同等级。
4.结果通知：评价机构将评价结果通知评价对象，并告知评级等级及原因。
五、评价等级根据评价结果，评价对象将被分为以下等级：1.优秀信誉等级：具有良好信誉记录，守信良好，风险低的评价对象。
2.一般信誉等级：信誉记录一般，守信情况尚可，风险一般的评价对象。
3.风险信誉等级：信誉记录较差，守信情况差，存在较大风险的评价对象。
六、管理措施1.优惠政策：对于优秀信誉等级的评价对象，可享受相应的优惠政策，如信用贷款、信用卡等。
2.处罚措施：对于风险信誉等级的评价对象，将采取相应的处罚措施，如限制信用额度、增加利率等。
3.监管机制：建立监管机制，定期对评价机构的评价结果进行审查，确保评价工作的公正、公平。
七、监督与评估1.监督机构：设立信用评级监督机构，对评价机构的评价工作进行监督和检查。
2.评估机制：建立评估机制，不定期对评价等级管理制度进行评估，及时发现问题并进行改进。
八、附则1.本制度自颁布之日起生效，原信用评价等级管理相关规定一律废止。
2.本制度解释权归信用评级监督机构所有。
信用评价等级管理制度经过各方共同努力制定，旨在提高信用体系建设的科学性和有效性，促进社会信用环境的稳定和良好发展。
企业信用评价标准
企业信用评价标准企业信用评价是指对企业在商业活动中所展现的信用行为进行评定和评价的活动。
企业信用评价标准是对企业信用评价所要求的标准和要素的规定和说明。
企业信用评价标准的制定对于促进企业诚信经营、规范市场秩序具有重要意义。
首先，企业信用评价标准应当包括企业的基本信息、经营行为、信用记录等方面的内容。
企业的基本信息包括企业名称、注册资本、法定代表人、经营范围等信息。
企业的经营行为包括对外投诉、违约记录、合同履约情况等方面的内容。
企业的信用记录包括信用评级、信用报告、信用证明等方面的内容。
这些内容是评价企业信用的重要依据，也是企业信用评价标准的重要内容。
其次，企业信用评价标准应当具有权威性和公正性。
权威性是指企业信用评价标准应当由有关政府部门或行业协会等具有一定权威性的机构制定，以保证评价标准的合理性和科学性。
公正性是指企业信用评价标准应当公正、客观地评价企业的信用状况，不偏袒任何一方，保证评价结果的公正性和客观性。
再次，企业信用评价标准应当具有可操作性和实用性。
可操作性是指企业信用评价标准应当具有一定的操作性，企业能够根据评价标准进行自查和自评，及时发现和解决存在的信用问题。
实用性是指企业信用评价标准应当具有一定的实用性，评价结果能够为企业的信用建设和经营管理提供有效的参考依据。
最后，企业信用评价标准应当与法律法规和市场规则相一致。
企业信用评价标准的制定应当遵循国家法律法规和行业规范，与市场规则相一致，不得违反相关法律法规和市场规则。
同时，企业信用评价标准的制定应当与国际通行的信用评价标准相衔接，以便于企业在国际贸易和投资中得到认可和信任。
总之，企业信用评价标准的制定对于提高企业的信用意识、规范市场秩序、促进经济发展具有重要意义。
只有制定科学合理的企业信用评价标准，才能更好地促进企业诚信经营、增强市场信心、提升国际竞争力。
希望有关部门和行业协会能够加强对企业信用评价标准的研究和制定，为企业的信用建设和经营管理提供更加有力的支持和保障。
企业信用评价标准
企业信用评价标准企业信用评价是以企业的信用评价为基础，对企业以及特定的交易进行评估的一种行为。
主要的内容涵盖企业信誉及其能力、企业财务、企业偿债能力、企业投资绩效、企业抗风险能力等诸多方面。
这是企业和社会各界推行企业信用管理的基础方面，而企业信用评价标准是对企业进行信用评价的根本标准。
一、企业信誉及其能力1、企业的客观信誉指标：（1）诚信程度：是指企业实行商业道德行为和遵守商业规则的水平，这一标准通过查阅相关的工商记录、社会主义廉洁记录、涉及企业的诉讼案件以及行政处罚等内容来评估。
（2）经营及经营管理能力：是指企业对其业务成果的评估，这一标准通过对企业经营活动结果、经营管理能力、职业素养等方面的评估，来判断企业的经营及管理能力。
（1）行业口碑：是指企业在行业内口碑的评价，通过考察企业在该行业内的声誉，如市场占有率、行业领先程度、品牌重新度等来评价。
（2）服务质量：是指企业提供服务的质量、水平、程度、态度等方面，这一标准是通过客户对其服务的评价，以及企业服务业绩、客户满意度等指标，来衡量、评价企业服务质量。
二、企业财务1、企业的财务业绩：这一指标是以企业的财务报表为基础，通过对企业的收入构成、利润水平、资本结构、财务比率等指标，来评估企业财务状况。
2、企业的实际经营状况：这一指标是通过企业的实际经营活动评估企业的财务状况，这一标准是以企业的实际经营成果，如实际到账利润水平、实际投资收益率、销售额增长等指标来评估。
三、企业偿债能力1、资产负债率：这是衡量企业偿债能力的一项指标，它是指企业资产总值与负债总额之比，其计算结果越小，说明企业偿债能力与财务实力越强。
2、杜邦分析：这一指标是通过考察企业的收入和利润的变化以及现金流量的变动来对企业偿债能力和运营成果进行定性分析，帮助评估企业偿债能力。
四、企业投资绩效1、绩效管理：是指企业通过实施有效绩效管理措施，将业务和财务规划目标转化为定量投资绩效指标，并对实现这些指标进行考核。
公司内部信用等级评定管理办法
公司内部信用等级评定管理办法第一章总则信用等级评定是对企业的偿债能力、履约状况、守信程度的综合评价，是衡量企业现代化管理水平的标尺，是促进企业信用管理迈入规范化管理的助推器。
为更好地评估xx省能源投资集团有限公司（以下简称集团）各所属公司信用风险，增强所属公司的风险价值意识，推动所属公司自觉维护资信等级，并为集团内部借款提供定价依据，结合集团实际，制定本管理办法。
集团内部信用等级评定管理办法以综合评价模型为主要运用依据，参考目前评级市场成熟信用评级体系，并结合集团实际情况制定，是管理导向型的信用等级评定管理办法。
本管理办法所称所属公司是指集团全资及控股子公司和独立核算单位。
第二章内部信用评级程序集团内部信用等级评定工作由集团财务管理中心（资金中心）发起。
信用评级程序包括初评、评级结果确定和跟踪评级三个阶段：（一）初评。
集团财务管理中心（资金中心）每年根据综合评价结果对所属公司内部信用等级进行初评。
（二）评级结果确定。
评级结果提交总裁办公会最终审定。
（三）跟踪评级。
评级结果确定后，若所属公司发生第三章第六条的相关情况，则自发生次月起评级下降一级。
第三章评定方法本评定办法参照集团分类管控体系综合评价模型，以综合评价得分作为信用评级依据，根据综合评价得分与信用等级对应关系（附表1），得到各所属公司的内部信用等级。
所属公司在考核期内存在下列情况的，对其内部信用等级进行“发生一项则下降一级”的处理:（一）发生两次及以上内部借款（集团及二级公司之间）展期或者同一笔内部借款连续两次及以上展期的；（二）发生重大违规经营行为，受工商、税务等行政经济处罚，或发生重大安全、质量事故、大案要案、重大未决诉讼等形成或有负债，预计将会对公司经营及财务状况产生重大影响造成资不抵债的；（三）未按审计要求、风险提示整改或整改不到位，收到集团督办通知两次（含）以上的；所属公司发生内外部借款本金或利息逾期的，不论原因，其内部信用等级自发生次月起下降两级，并取消财务负责人当年财务考核评先、评优资格。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
{财务管理信用管理}企业的信用评价办法企业的信用评价1.信用评价概述在美国和欧洲，企业信用评价引起了学术界和实务界极大的关注，判别方法和模型层出不穷，但迄今为止还没有公认的、有效的和统一的方法。
企业信用评价之所以引起极大的关注，之所以有大量的方法和模型得到开发和利用，原因就在于其具有不可忽视的重要性：一、作为早期警告系统，判别方法和模型可以告诫管理者企业是否在变坏，是否应采取有针对性的措施防止失败；二、判别方法和模型可以用来帮助金融机构的决策者对企业作出评价和选择，因为这些模型和贷款决策模型相通。
虽然贷款决策问题和企业信用问题不能等同，但贷款人可以卓有成效地利用企业信用等级判别模型评价贷款的可行性。
西方银行在多年的实践中逐渐形成了一整套衡量标准，即通常所称的贷款审查“6C”原则,“6C”即：（1）品德（Character）（2）能力（Capacity）（3）资本（Capital）（4）担保(Collateral)（5）经营环境(Condition)（6）事业的连续性（Continuity）或LAPP原则即流动性（Liquidity）、活动性（Activity）、盈利性（Profitability）、潜力（Potentialities）。
2.评价指标体系3.信用评价模型信用评价模型多元判别分析（MDA）Logit分析模型近邻法分类树人工神经网络(ANN)模型国际上，对企业的信用评价，通常将商业银行对企业信用风险的测度转化为对企业财务状况的衡量问题，因为信用风险的形成——企业是否能如期还本付息，主要取决于企业财务状况。
具体做法是根据历史上每个类别（如信用等级AAA、AA、A、BBB等）的若干样本，从已知的数据中发现规律，从而总结出分类的规则，建立判别模型，用于对新的样本的判别。
当然我们不能仅根据企业某些单一指标，而应根据影响企业财务状况的多维指标来评估企业的财务状况。
因此，这些方法的关键步骤和难点在于指标体系的确立和评估模型的选择，也即如何将多维指标综合起来。
目前采用的方法有统计方法、专家系统、神经网络技术等。
国内外在对信用评价中，广泛采用了基于统计判别方法的预测模型，这些方法都是在Fisher于1936年作出的启发性研究之后提出来的。
总的来说，这些模型都被表述为一类分类系统（如图1.2），它们接受定义在已选变量集合上的一个随机观测值样本，建立判别函数，进行分类。
常用的模型有：回归分析法、多元判别分析法、Logit法、Probit 法等，这些模型已经得到广泛的应用，但它们仍存在着许多缺陷，下面就分别介绍这几种模型。
1.2模型的分类系统多元判别分析（MDA）Chesser判别模型ZETA分析模型多元判别分析（MDA）是除美国外的其他国家使用最多的统计方法。
多元线性判别分析法，可以具体为一般判别分析（不考虑变量筛选）和定量资料的逐步判别分析（考虑变量筛选）。
我国在1993年7月1日起正式实施与国际会计准则基本适应的、统一的《企业会计准则》，由此奠定了企业信用评估研究的基础和前提，随着国内会计人员的业务水平（如对准则的掌握、理解和应用水平等）和会计报表水平的不断提高，所产生的会计报表开始基本符合准则要求，因此，近年来的财务数据已具备建立企业信用判别模型的基本条件，采用多元判别分析方法建立企业信用评价模型，并将判别结果与其它线性模型相比较，可以看出用多元判别分析方法建立的企业信用评价模型在判别的准确性上有较大提高。
但应用多元判别分析（MDA）有以下三个主要假设：①变量数据是正态分布的；②各组的协方差是相同的；③每组的均值向量、协方差矩阵、先验概率和误判代价是已知的。
对经济、财务变量的正态假设已成为通常惯例。
由于线性判别函数（LDA）在实际使用中是最方便的，如在距离判别和贝叶斯判别中，在正态总体等协方差时，均导出一个线性判别函数，所以一般只研究线性判别函数。
在满足上述3个假设的条件下，该判别函数使误判概率达最小，下面介绍几个应用判别分析法建立的模型。
1）Chesser判别模型DeltonChesser采用6个变量进行了Logit分析，得到的公式是：y=-0.0434-5.247*+0.0053*-6.65073*+4.4009*-0.0791*-0.1020*其中(现金+市场化证券)/总资产销售净额/(现金+市场化证券)资产报酬率资产负债率固定资产/股东权益营运资本/净销售收入变量y是一个独立变量的线性组合，采用如下公式确定不一致的概率P:e=2.71828y值可以看作客户不一致倾向的指数，y越大不一致的概率越高，他确定的分类原则是：（1）如果p≥0.50，归于不一致组；（2）如果p<0.50，归于一致组。
2）ZETA分析模型zeta分析模型是Altman,Haldeman和Narayanan在研究公司破产时提出的一个模型，采用7个指标作为揭示企业失败或成功的变量，这7个指标是资产报酬率、收入的稳定性（用10年资产报酬率的标准差的倒数来度量）、利息保障倍数、赢利积累（用留存收益/总资产来度量）、流动比率、资本化率（用五年的股票平均市场值/总长期资本来度量）和规模（用公司总资产来度量），这7个指标分别表示企业目前的赢利性、收益的保障、长期赢利性、流动性和规模等特征，Altman在1968年通过对若干组企业的研究和分析，采用5个指标进行回归，得到如下回归方程：Z=1.2*+1.4*+3.3*+0.6*+1.0*其中X1=营运资本/总资产X2=留存收益/总资产X3=资产报酬率X4=权益市场值/总债务的帐面值如果Z≤2.267，归于破产组；如果Z>2.675，归于非破产组。
同时Altman发现在1.81和2.99之间会产生错误的分类，因此，他认为这一区间是忽略区域。
>>TOPLogit分析模型logit分析与判别分析的本质差异在于不要求满足正态分布或等方差，其模型采用logistic函数：其中表示第i个指标，是第i个指标的系数，Y是因变量。
由于，所以Y又常被理解为属于某一类的概率，如企业财务状况好坏的概率。
由于一般判别分析方法的局限，Logit分析在预测中得到了相当广泛的应用，1981年以后的研究绝大多数都用Logit分析。
在一些国家建立了许多相应的模型。
这些研究包括：Zavgren(1985)、Lau(1987)、Gloubos和Grammatikos(1988)、Gilbert等人(1990)、Kasey和McGuiness(1990)、Kasey(1990)、Luoma和Laitinen(1991)、Platt和Platt(1990)和Tennyson(1990)。
>>TOP近邻法近邻法是一种非参数方法，当已知总体表现为显著非正态分布时，特别是当属于同一类的样本在变量空间形成聚类时，近邻法十分有效。
与参数类方法相比，近邻法用于对总体分布施加很少约束的情况，是一种十分灵活的方法。
近邻法不仅放松了正态性假定，也避免了传统技术对模型函数形式设定的困难．任何一个样本到底划归哪一类是由其ｋ个近邻划归类型所确定。
任意两个样本之间的距离可定义为：是合并协方差的逆．这样，一个样本划归为它的ｋ个近邻的多数（即当一个样本的ｋ个近邻的大多数划归１类，则该样本也应划属１类）。
>>TOP分类树８０年代末期，有学者提出一种利用机器学习技术发展起来的符号方法——分类树。
该方法不象传统方法那样通过判别函数形成决策规则来判别样本所属的类型，而是创立了一个对原始样本进行最佳分类判别的分类树。
此前，曾有学者采用了一种叫做递归分割的类似技术生成判别树。
两种方法都采用了一种非返回跟踪的分割方法将样本集递归分割成不相交的子集．它们的差别只是在分割准则上，分类树方法旨在极大化分割子集的熵，而递归分割方法则旨在使期望误判损失达到最小。
>>TOP人工神经网络(ANN)模型上述四种方法在国外已大量应用，实证结果发现:1)企业财务状况的评价可以看作是一类基于一系列独立变量基础上的分类问题；2）企业财务状况的好坏与财务比率的关系是非线性的；3）预测变量（财务比率）可能是高度相关的；4）大量实证结果表明，许多指标不成正态分布。
因此，传统的分类方法不能很好地解决这些问题。
作为研究复杂性的有力工具，神经网络技术近年来在模式识别与分类、识别滤波、自动控制、预测等方面已展示了其非凡的优越性，特别是能处理任意类型的数据，这是许多传统方法所无法比拟的。
通过不断学习，能够从未知模式的大量的复杂数据中发现其规律。
神经网络方法克服了传统分析过程的复杂性及选择适当模型函数形式的困难，它是一种自然的非线性建模过程，毋需分清存在何种非线性关系，给建模与分析带来极大的方便．该方法用于企业财务状况研究时，一方面利用其映射能力，另一方面主要利用其泛化能力，即在经过一定数量的带噪声的样本的训练之后，网络可以抽取样本所隐含的特征关系，并对新情况下的数据进行内插和外推以推断其属性。
它在分类问题中的出现，最早是用于对银行破产的预估。
神经网络的应用最初是由Tam(1991)、Tam和Kiang(1992)、Dutta和Shekhar(1992)建议用于银行破产预测。
Tam和Kiang(1992)是利用三层BP神经网络（如下图所示）来训练网络，根据输入到网络的一些样本提供一套权重，在网络训练之后，可以将任何新输入（公司）划分为破产或非破产。
神经网络模型是分布自由的，而且对实际问题是适用的，特别是当变量是从未知分布取出和协方差结构不相等（在企业失败样本中的常态）时，神经网络能够提供良好的分类准确性。
Altman等人(1994)利用神经网络对意大利公司进行了失败预测，与多元判别分析模型相比，给出了令人鼓舞结果。
此外，神经网络的非线性形态较通用和较灵活。
但它也有一些问题，如：模型的拓扑定义、比其他方法计算量较大和表述判别能力较难。
Altman等人(1994)提到，神经网络在决策方法中表现得像一个“黑匣子”，使得它的应用和接受都较困难。
虽然神经网络作为一种分类工具似乎比其他方法较具吸引力，在财务领域解决实际问题的应用到目前为止还不多。
Wilson和Sharda(1992)参考神经网络的应用做过企业失败预测，Salchenberger等人(1992)利用神经网络预测过慈善机构的失败，Dutta和Shekhar(1992)提出用神经网络预测企业债券等级，此外还有Serrano-Cinca(1996)用它作过破产预测。
神经网络（ANN）人工智能方法能处理一系列的信息输入如比率等，并能产生相应的输出，而其运算分析能生成一个成功反映所有输入输出变量相应关系的模式。
除此之外，神经网络并不依赖于变量之间必须线性相关或是相互独立的假设。