企业财务诊断研究论文

摘要：整理了国内外财务诊断的研究内容，先分别介绍了国内和国外在财务诊断方向的研究现状，再之后，又整理了引入大数据之后，通过数据挖掘技术，财务诊断取得了的新的研究成果，最后进行全文总结。下面小编整理了一些《企业财务诊断研究论文(精选3篇)》，仅供参考，希望能够帮助到大家。

企业财务诊断研究论文 篇1：

关于企业财务诊断的研究

[摘 要]加入WTO后，由于市场竞争的加剧，企业面临的财务风险和经营风险越来越大。准确把握企业的财务状况，统筹部署企业生产经营活动，可以降低各项风险。通过对企业的财务状况进行诊断，可以较为全面地掌握财务信息，为企业进行财务安排和决策提供依据，以提高决策的准确性，规避和降低财务风险，增强企业市场竞争力。

[关键词]财务；分析；诊断；实践

[

作者：王宗萍

企业财务诊断研究论文 篇2：

大数据背景下财务诊断研究综述

摘要：整理了国内外财务诊断的研究内容，先分别介绍了国内和国外在财务诊断方向的研究现状，再之后，又整理了引入大数据之后，通过数据挖掘技术，财务诊断取得了的新的研究成果，最后进行全文总结。

关键词：大数据；财务诊断；数据挖掘

1引言

传统的财务预警方法在现在这样一个数据飞速增长的环境下已经显现出了一些弊端，因此，将大数据应用到企业的财务诊断中已经引起了国内外学者的高度重视。之所以会考虑到将大数据应用于财务诊断，那是因为企业的多年生产经营活动会产生海量的财务数据，而这些海量数据里面可能会存在着一定的规律，通过对这些财务数据的分析，找到里面存在的规律，可以对企业经营状况进行预测，及时发现企业财务运转中可能存在的问题。想要利用好企业经营产生的这种海量财务数据，就需要使用数据挖掘这种专业方法，通过这种方法，可以从海量的财务数据中发现有价值的信息。国内外学者高度重视数据挖掘这种方法在财务诊断领域的应用，数据挖掘是一种高效的数据分析方法，适用于对大规模的数据进行分析，与公司经营产生的海量数据相契合。在海量的财务数据中找到有价值的信息后，企业通过财务诊断模型，对企业财务状况和经营活动进行分析，发现其中的财务问题并及时解决，可以避免企业经营决策上的重大失误。因此，大数据在财务诊断中应用具有重大的现实意义。

2财务诊断国内外研究现状

2.1财务诊断的定义

财务诊断的定义不同学者有不同的看法，国内学者马冬青等人在2006年认为财务诊断就是运用专业的财务诊断方法对企业的经营财务状况进行全方位的分析，从而找到企业存在的财务问题，并针对这些问题提出相应解决方案的过程。同样，梁戈夫教授2005年指出财务诊断是基于对财务报表以及各项财务指标的分析，建立财务预警模型，通过建立的模型对企业财务状况进行预警，并针对出现的警情加以分析，找到问题出现的根本原因。国外对财务诊断的研究开始的更早， 但是国外并不是叫作财务诊断，而是称为财务咨询。以前财务咨询包含的内容很多，主要有企业的资金运转、偿债能力、经营环境等方面。现在的财务诊断内容更加丰富，新增加了企业盈利能力诊断等内容。

2.2财务诊断国内研究综述

国内对财务诊断最早是以上市公司作为研究对象，1999年陈静选取了50多家上市公司，以流动负债和流动资产等6个财务指标构建了预警指标体系，运用判别分析法对上市公司进行财务诊断研究。但是运用判别分析法进行财务诊断时还存在一定的缺陷，针对这一缺陷，又有大量学者对该问题展开研究，特别是杨保安等人在2001年将人工神经网络方法应用于财务诊断模型当中，該模型通过使用多家发生了财务危机的公司和没有发生财务危机公司的财务数据来进行预警检验，由于预警的高成功率，成功验证了将人工神经网络应用于财务诊断模型的可行性。同样，章忠志在2003年也对人工神经网络的应用做出了贡献，将该方法用来构建银行信用贷款风险预测模型，而且结果显示预测成功率高达92%。

财务诊断能够成功的前提是构建正确的财务指标体系，因此有许多国内学者对财务诊断指标体系进行了研究，张星文在2004年基于企业所处的环境构建了财务诊断指标体系，该指标体系使用了模糊层次分析法对企业财务进行诊断并且能够快速的实现财务管理的目标，但是该指标体系也存在一些缺陷，该指标体系只能分析企业经营过程中财务的现状，并不能起到财务预警的作用。企业的指标体系也需要根据企业的大小来进行调整，陈福军在2007年提出适用于中小企业的财务诊断指标体系，该指标体系是根据中小企业内外部环境和财务活动来设计的，并详细的阐述了如何使用该指标体系对企业进行财务诊断。在这之后，我国学者唐凌凤在2010年选取了一上市公司连续三年的财务数据作为研究的基础数据，使用专业的财务诊断工具对企业数据进行分析，该研究向后来的研究学者指出了今后的研究方向。

财务指标体系的构建主要是应用于企业诊断模型，国内学者在企业诊断模型的研究中也做了很大的贡献，目前国内最主要的财务诊断模型还是由梁戈夫教授在2000年提出的中小企业综合管理诊断模型，该模型主要包括财务分析模块、业务分析模块、组织分析模块三个部分，首先要了解企业的战略价值导向和收集受诊企业的资料，对三个主要模块进行分析，得出企业诊断报告。该模型不仅给之后的研究提供了理论指导而且为计算机辅助系统在财务诊断中的应用打下了坚实的基础。具体的诊断模型图见图1。

2.3财务诊断国外研究现状

国外对于财务诊断的研究主要分为三个阶段，第一阶段国外该领域的领军人物是Fitzpatrick，在1932年Fitzpatrick最早将单变量指标模型应用于财务诊断，该模型使用单个财务指标对多家上市公司进行研究，对比发生财务危机的企业和没有发生财务危机公司的数据，发现最具影响力的两个财务指标的是利润率和资产负债率。但是受到当时研究条件的限制，没有使用到专业的计算机软件进行分析，只是通过不同公司之间的财务指标数据的直接对比来找出差异性大的指标，该方法还是停留在直观的描述性层面。为了解决Fitzpatrick研究中存在的问题，Beaver在1966年的研究中引入了破产诊断模型的概念，该研究认为破产并不是判断企业出现财务危机的唯一标准，判断标准还包括企业无法偿还公司债券，无法分配股东股利等标准。Beaver的研究中还得到了一个重要的结论，就是判别成功率跟距离企业破产日期远近成反比。虽然Beaver的研究在Fitzpatrick的基础上取得了很大的进展，但是Beaver的研究始终还是属于单变量财务指标分析方法，对企业财务分析不够全面，因此，多变量的引入进去了大多数学者的眼界。

国外财务诊断进入第二阶段的标志正是对多变量判别法的广泛应用。提到多变量判别法就不得不提Altman，他在该领域取得了举世瞩目的成果。他在1968年第一次将多变量判别法用来进行财务预警，和之前研究相同的点是还是将选取的公司分为发生了财务危机和没有发生财务危机两组，但不同点是改用他自己首创的Z-SCORE模型，该模型能成功地解决单变量模型进行财务诊断时存在的问题。然而多变量预警模型也在它自己的缺陷，该模型虽然能准确的预测企业是否会发生财务危机，但是无法测算出可能会发生财务危机的准确概率。

神经网络技术是财务诊断研究的第三阶段重点研究对象，很多国外学者在此研究方向上做出了自己的贡献，1996年Kaneko建立的神经元模型在许多科学领域得到了应用。2011年P.Ravisankar的研究也证明了神经网络技术应用于财务诊断有很高的效率。还有其他国外学者在该领域有很多成果，最主要的还是1988年Emanuel等三人首次考虑到现金流量这个重要的指标，并且成功将该指标融入到财务诊断模型中去。国外对于财务诊断研究的历程主要是以上三个阶段，从单变量到多变量，最后到神经网络技术，这一步一步的提高都标志着财务诊断领域的日趋成熟。

3大数据在财务诊断中的应用

3.1数据挖掘技术定义

数据挖掘技术简单来说就是借助计算机的辅助从大量的数据中找到隐藏在数据背后的规律。随着社会的不断发展，企业积累的数据也越来越多，因此数据挖掘技术能在大多数企业发挥作用，逐渐数据挖掘发展成为了一个覆盖面广泛的技术。国内学者主要从两个方面定义数据挖掘技术，首先是从商业层面，从这个层面来考虑，数据挖掘技术所起到的作用就是给企业带来了有很高价值的商业信息，能够帮助企业进行经营决策。谭家豪在2009年从商业层面对数据挖掘技术给出了定义，他将数据挖掘定义成为了完成企业的经营目标，从企业海量的财务数据中找出隐藏其中的规律，并对这些规律加以分析，从而帮助企业进行正确的商业决策。第二个可以定义的层面是技术层面，技术层面是从数据挖掘技术怎么从海量数据中发现规律来思考的，周洁在2010年将数据挖掘技术定义为从海量的混乱的数据中通过大数据的方法找到企业经营者之前无法发现的有价值的信息的过程。

3.2数据挖掘技术在财务诊断中的应用

随着数据挖掘技术在各个领域的广泛应用，越来越多的国内学者开始对数据挖掘技术在财务预警和财务诊断中的应用展开研究。在财务预警方面，傅荣在2002年使用数据挖掘的专业方法构建了上市公司财务预警模型，并选取了多家上市公司来对模型进行了检验，检验结果表明该模型有很高的预测准确率。傅荣的研究在该领域起到了领头的作用，使后来的学者能够很好地借鉴。在财务分析方面，数据挖掘技术也能起到一定作用，刘胜平和张启銮在2004年在财务分析方面使用数据挖掘技术成功实现了对财务的控制由适时向实时的转变，该研究能为企业节约成本，提高收益，提高工作效率，让企业的管理更为科学。

数据挖掘技术不仅仅能在财务预警和财务分析这两个方面起到作用，而且还能应用到财务诊断模型当中，庞大莲教授在2016年将大数据下的财务诊断模型分为三个部分，收集受诊企业的数据，分析收集的数据，根据分析结果做出诊断报告，此模型不仅明确了各个部分应该做的工作而且式整个诊断过程更加的流畅。具体的模型如图2所示。

4研究评述及展望

大数据在财务诊断中的应用具有划时代的意义，大数据的应用成功克服了传统财务诊断存在的缺陷，传统的诊断方法只能依靠企业的资产负债表、利润表、现金流量表上的财务数据，但是财务报表上的信息会受到企业所处的会计环境所影响，另外企业的财务报表上的数据可能会存在错误，而且对报表的分析方法太过于主观简便。而大数据的引入，使用了多变

量判别分析法，人工神经网络分析法等专业的方法进行诊断，选取的财务指标更加全面，构建的财务指标体系更加全面，构建的财务诊断模型都有極高的准确率。虽然大数据为财务诊断提供了新的研究思路，但我们不应该就此停下脚步，未来我们应该考虑将大数据运用到更多的工具里面去，逐渐使财务诊断成为一个半自动化的过程。

参考文献

[1]马冬青，袁颖.企业财务诊断分析[J].科技资讯，2006，（21）：128129.

[2]张星文，梁戈夫.企业适用财务诊断指标体系的研究[J].会计之友，2005，（2）：2526.

[3]杨淑娥，何昕.多层次财务诊断专家系统研究[C].中国会计学会全国会计信息化年会，2007.

[4]陈静.上市公司财务恶化预测的实证分析[J].会计研究，1999，（4）：3138.

[5]杨保安，季海，徐晶，et al.BP神经网络在企业财务危机预警之应用[J].预测，2001，20（2）：4954.

[6]章忠志，符林，唐焕文.基于人工神经网络的商业银行信用风险模型[J].经济数学，2003，20（3）：4247.

[7]张星文.模糊层次分析法在企业财务活动诊断中的应用[J].工业技术经济，2004，23（2）：123125.

[8]陈福军.中小企业财务诊断指标体系构建[J].财会通讯，2007，（7）：2122.

[9]唐凌凤.S公司财务诊断与优化[D].广州：华南理工大学，2010.

[10]梁戈夫.战略价值指导下的中小企业综合管理诊断雏型的建立[J].价值工程，2000，（1）：2628.

[11]Fitzpatrick P J.A Comparison of the Ratios of Successful Industrial Enterprises with those of Failed Companies[J].Análise Molecular Do Gene Wwox，1932：598605.

[12]Beaver W H.Financial Ratios As Predictors of Failure[J].Journal of Accounting Research，1966，4（1）：71111.

[13]Altman E I.FINANCIAL RATIOS，DISCRIMINANT ANALYSIS AND THE PREDICTION OF CORPORATE BANKRUPTCY[J].The Journal of Finance，1968，23（4）：589609.

[14]Kaneko T.Building a financial diagnosis system based on fuzzy logic production system[J].Computers & Industrial Engineering，1996，31（34）：743746.

[15]Ravisankar P，Ravi V，Raghava Rao G，et al.Detection of financial statement fraud and feature selection using data mining techniques[J].Decision Support Systems，2011，50（2）：491500.

[16]Aziz A，Emanuel D C，Lawson G H.BANKRUPTCY PREDICTIONAN INVESTIGATION OF CASH FLOW BASED MODELS[J].Journal of Management Studies，1988，25（5）：419437.

[17]周洁.数据挖掘技术在财务分析中的研究与应用[D].成都：电子科技大学，2010.

[18]傅荣，吴世农.我国上市公司经营失败风险的判定分析——BP神经网络模型和Fisher多类线性判定模型[J].东南学术，2002，（2）：7179.

[19]刘胜平，张启銮.基于数据挖掘技术的财务实时控制系统研究[J].财会月刊，2004，（6）：3132.

作者：李亦丰

企业财务诊断研究论文 篇3：

财务诊断及MCS模型应用研究

一、财务诊断及MCS模型的提出

企业财务诊断是企业诊断的重要组成部分，其目的是为了解决企业财务问题和提高经济效益。自本世纪以来，企业财务诊断在欧美和日本等国家已经得到较快的发展，形成了一类专门的产业。我国自上世纪八十年代以来，财务诊断得到迅速发展，但尚未引起理论界的足够重视。关于财务诊断的定义很多，本文采用马冬青（2006）的财务诊断定义：财务诊断是在对企业财务状况进行全面分析的基础上，运用一整套诊断方法，发现问题，并提出诊断方案或建议，使企业走出困境或改善其财务状况。

与主要依靠定性化的分析方法和一般的管理理论方法进行诊断的传统财务诊断不同，现代诊断则是通过定量与半定量的分析那些影响企业财务活动的各个因素，依据先进的诊断模型或诊断体系，采用因素分析方法，对企业财务活动进行综合评价或专项分析，为受诊企业或受诊主题提供改进的建议和措施。

一般的传统企业财务诊断过程为：首先，接受受诊者或者企业的诊断邀请；其次，诊断专家或者施诊者分析受诊企业情况或诊断问题状况，确定诊断主题或诊断对象；再次，进入正式诊断过程，找到问题，分析问题；最后，向受诊企业提供诊断建议或诊断方案，并告知受诊企业方案的作用与解决的问题的程度，经过与受诊企业的沟通并形成最终方案。传统的企业诊断流程如图1所示：

图1 传统企业财务诊断流程图

传统企业财务诊断的诊断过程过于简单，未能体现诊断过程中所采用的诊断方法和工具；未能体现对受诊主题性质深入的认识、判断和预测；未能说明诊断的阶段性目标与思路过程；未能表达施诊者对诊断问题的信心与预见。而现代诊断对传统诊断存在的缺陷进行了弥补，如图2所示：

此模型与计算机相结合，利用其在运算上的便利，缩减了大量的逻辑运算时间，并能够保持高度的准确性，提高了诊断时效，与质量；充分发挥专家的作用，在此过程中，专家凭借个人的经验、知识、预见性和创造力，与其他诊断方法相结合，使诊断更具客观性和科学性，有效实现了施诊者与诊断方法的有机结合，既有专家的价值判断又有诊断方法的相辅相成，让诊断更具客观性、有效性和价值性，使企业诊断方案质量更好，效率更高，帮助企业健康发展。此模型在诊断的过程中，灵活运用了各种因素分析方法对因素进行全面分析，从方法和技术上对诊断方案生成做到全面改善，是企业诊断行之有效的体系模型。

本文就是在此诊断模型统的基础上，就企业财务诊断方案生成过程的因素进行选择与优化，如何对因素进行收集、选择、分析、优化，以及用何种方法进行判断与优化。

二、因素分析概述

（一）狭义的因素分析法 因素分析法是统计学的一种分析方法，主要是分析各个指标因素对总因素变动的影响情况。作为现代多元统计实用重要的方法，已经在很多领域得到广泛的应用，主要包括：连环替代法、差额分析法、指标分解法、定基替代法。

（1）连环替代法。此方法是利用各个因素之间的互存影响关系，将因素分解为各个能够计量的又一层因素，（2）差额分析法。该方法采用各个因素之间的的实际值与标准值之差，来得到各指标对因素的影响程度。例如，每股收益=（税后利润-优先股股利）/总股数，即每股收益受着三个因素的影响，通过比较两年中各个指标的变化，计算出总的每股收益的的变化情况，且三个影响因素与在两年中不同的变化，就可以得到每股收益的变化是由这三个因素中的哪个因素起主要作用的。

（3）指标分解法。就是把因素用指标分解开来，例如存货周转率=主营业务成本/存货

（4）定基替代法。该方法是用分析值代替标准值，从而得出各个因素对指标的影响程度。例如标准收益的差异分析。

采用因素分析法时注意的问题：因素分解的关联性；分析前提的假定性；因素替代的顺序性；替代顺序的连环性。因素分析法的结果要在符合逻辑的某种假定前提下进行，使所求的因素关系具有实际经济意义的，因为各个因素的变动影响数会因为替代顺序的不同而存在差异，只有做到这些，才能使因素分析法应用准确，并发挥其积极、有利的作用。

另外在统计学界，还提出了其他体系较为完整的因素分析法，其主要包括传统因素分析法（即拉氏指数与派氏指数所构成的指数体系）、理想指数分析法（费雪的理想指数公式）、微积分因素分析法和影响系数分析法等方法。其中，后三种方法是为了弥补第一种方法的不足而提出来的。这些方法各有特点，对于完善因素分析理论与方法，都起到了积极的作用。

（二）广义的因素分析法 而从广义上来说，因素分析法是指运用定性或定量的方法对因素进行选择、分析、优化等的过程。所有对因素做出定性或定量分析的方法都可以归纳为广义上的因素分析方法。下面简单列举几种常见的因素分析方法：

（1）基于企业财务活动的分析方法。企业财务诊断的要求是系统的、全面的，所以不能针对某一方面孤立地诊断分析，要进行综合评价和综合分析找出问题所在。根据不同的诊断手段，综合诊断法又包含以下方法：沃尔诊断法（通过选取一些有代表性的财务指标，如运营能力、偿债能力、盈利能力等方面，赋予一定的权值，选取标准值，计算诊断期这些指标的得分，将得分与权重加总得到评分值来对企业财务状况做出评价）；杜邦分析法（以权益净利率为起点，将财务因素逐层分解，分析企业的资产结构、盈利能力、营运能力、变现能力、资本结构等方面）；Z分数诊断法（其方法主要是判断企业财务危机的发生。首先选取能够反映财务风险的指标，根据它们在预示企业财务危机方面的能力赋予系数，计算Z分值，与临界值对比从而掌握企业的风险程度）；雷达图分析法、盈亏平衡分析法、杠杆诊断法等。在实际诊断中，往往将各种方法综合使用。

（2）基于管理理论的分析方法。在管理学中，有很多因素分析的方法，这些方法也很常见，例如：SWOT分析法（既分别对企业外部的机会因素和威胁因素，企业内部的优势和劣势因素进行分析）、GE矩阵、波士顿矩阵（BCG矩阵）分析、关键成功因素法（KSF）等。

（3）基于多元统计的分析方法。由于很多实际问题都不是受单一因素影响的，而是涉及很多变量因素，多元统计方法就是通过对多个变量因素进行分析，来研究其总体特征、规律以及各个变量因素的相互关系。常见的多元统计分析方法有很多，如主成分分析法（Principal Component Analysis，PCA）、因子分析（Factor Analysis，FA）、聚类分析（Cluster Analysis，CA）等。

（4）基于智能原理的分析方法。一般常见的智能原理的分析方法有：人工神经网络（Artificial Neural Networks，ANNs）也简称为神经网络（NNs）、遗传算法（Genetic Algorithm，GA）、粗糙集理论（Rough Set Theory，RST）等。

（5）基于运筹学的分析方法。运筹学是用数学方法研究各种系统优化的问题，其核心是运用合理的人力、物力和财力得到最优的效果。常见的基于运筹学的分析方法有：多属性和多目标决策分析法（Multi-objective Decision Making，简称MODM）、线性规划问题求解法（The Methods to Linear Programming）、层次分析法（The Analytic Hierarchy Process，简称AHP）、决策论（Decision Theory，简称DT）等。因素是在整个诊断过程中都是积极分子，为提高诊断质量，须对其运用一些适当的方法进行分析和研究，把握影响诊断的关键因素。在企业财务诊断中，根据诊断内容、范围不同所采用的方法也不同。而且在不同的阶段，不同的模块往往采用不同的诊断方法相结合。

（三）模型各个模块的运行过程与方法的匹配 将方案生成系统的不同模块与不同方法相互配合达到协同、互赢，这是诊断的最理想状态，但是各种方法都有其缺点与长处，这些方法用到何处，怎么使用，都可能会对诊断产生不同效果。所以，能够做好因素分析方法与模型的匹配是实施诊断的前提。

在上述的MCS模型中，几大模块的运行过程，也就是方案生成的过程，那么对应四大模块，我们可以把对因素分析处理的过程分为四个阶段：因素收集、因素选择、主题选择、因素优化。这四个阶段都是为了因素分析服务的。在因素收集阶段，从受诊企业的内外环境入手，搜集获得第一层的信息，汇总受诊企业的内外部影响因素，包括内外部环境的定性因素与财务指标的定量因素，并将这些因素进行初步的整理和归类，根据诊断需求与施诊者的经验进行初步筛选。这个阶段是实施诊断的基础，也是财务诊断的最原始依据。在因素选择阶段，将收集到的因素，按照类别进行初步选择，主要是将内外环境的定性因素与财务的定量因素，分别进行选择。由于环境因素之间的相互影响和相互制约，因素之间的比较又无法用定量的方式描述，而德尔菲法正是解决这类问题的行之有效的方法，它通过专家的知识与经验对因素进行筛选，初步确定因素以及其层次关系；运用指标分解法与因素分析法等对财务因素进行选择判断。在主题选择阶段，由于企业财务诊断与诊断方案的生成是在一定主题下形成的，根据诊断需求与施诊者的知识经验，形成不同的方案主题，再根据主题进行诊断。在因素优化阶段，在方案主题的背景下，有目的的对因素进行优化。由于诸多环境因素与财务因素对主题的相互影响，如果只靠施诊者的主观判断，不仅工作量大，而且诊断结果也会根据不同的施诊者得出不同的方案，再者，由于环境的定性因素，财务指标的适度性，这些都使得因素之间不再是简单的线性关系。由于这些诸多原因，将环境因素与财务因素分别进行优化，采用层次分析法对环境因素进行优化、采用BP神经网络对财务因素进行优化，它们可以科学有效做到因素的优化。

图3 因素分析方法引入MCS模型

三、传统财务诊断的缺点

企业诊断自上世纪80年代初进入我国，至今己有20多年。最初的企业诊断主要依靠人工诊断，诊断方案也是依靠人工生成。随着信息技术与计算机的迅速发展，企业诊断演化为专家的知识、经验和定性判断同定量模型以及定量数据的描述有机地结合起来，以实现定性因素与定量因素之间的有效结合，因此借助于计算机和互联网来生成诊断方案，这是诊断方案生成的发展方向。但是，不能单纯过度地依赖计算机进行诊断方案的生成，因为斯蒂文？库克和尼格尔？斯莱克曾经强调了创造性在企业诊断中的重要性，提出诊断方案的制定是充满创造性的活动，陈述了在诊断过程中应刺激和鼓励创造性。广泛的备选方案是创造性行为的结果，满意化会中止对更全面的备选方案的挖掘，使人们更接近于决策连续集合的最优化。同时，人们也越来越意识到分析方法和诊断工具对诊断的重要性。传统财务诊断主要存在以下问题：

（一）手工化工作量大，方案生成效率低。在传统的财务诊断过程中，由于诊断的实际操作都是依靠手工来完成的，而这个过程的分析工作正是为形成诊断方案而服务的，是形成和创建方案的前提，但大量的手工操作不但使诊断的时效低，而且容易造成误差，影响诊断的质量和客观性。

（二）初始问题与诊断方案的一致性差。很多诊断都是对问题的单方面分析，缺乏对相关外界信息的思考，往往忽略了对环境的分析，致使对诊断问题的分析面窄，造成诊断方案的质量与时效相对较差；另一方面，由于诊断的分析过程与方案的形成是两个相对独立的过程，在施诊者的思考和判断下，生成的方案与被诊断的问题却发生了脱离的现象，也就是诊断方案并没有解决企业发生的问题，这就违背了委托者的初衷，使诊断失去了诊断的意义。

（三）依靠诊断专家个人能力，使诊断方案参差不齐。如前所述，施诊者接受企业的诊断邀请，施诊者为企业进行诊断，提供诊断建议与方案，这个过程的完成是依赖于施诊者的经验、知识、预见性和创新性的。一方面，由于施诊者依靠长期的主观判断与经验分析，致使诊断行为主观性强、随意性大，甚至使一些资质差的诊断者和一些诊断机构也在滥竽充数，影响诊断的良性发展；另一方面，过大的依赖于施诊者的个人能力，使对诊断问题的思考过于狭窄，影响和限制了诊断的质量与效果。

如上所述，企业财务诊断尚需改进，使诊断过程更加科学化、系统化；保证诊断质量；使诊断更合理、有效、客观和准确；使定量分析与定性分析有机的结合；摆脱对施诊者一味的依靠。

四、MCS模型的优点

为有效解决传统诊断存在的问题，梁戈夫教授提出了MCS模型（Management consulting System），推动了诊断方案生成的研究。模型如2图所示。这个模型共包括四个部分，即环境诊断分析模块、因素分析模块、方案主题选择和形成模块和基本方案生成模块。其模型的基本运行过程是从宏观、中观和微观的环境因素开始的，形成初始因素，经过主珍模块实现对因素的分析，形成诊断方案生成的素材，在选定主题背景下形成诊断方案。从功能上分析，每个模块都为诊断过程提供了特有的功能。其中，在环境诊断分析模块中，针对诊断问题或者诊断主题，收集相关的宏观、中观到微观的因素，经过专家的初步筛选，将其分类整理，这些因素就成了诊断方案生成的第一手素材，形成初始因素群；在因素分析模块，通过对环境分析模块中的因素做进一步分析，根据不同的需要，采用不同的方法对因素进行处理，为施诊者提供有利的诊断依据，提供战略类型及强度的判定；在方案主题选择及形成模块中，施诊者通过对诊断问题与因素的分析，得出诊断方案，这个环节是一个非结构化的系统；基本方案生成模块是通过线性规划组建的逻辑过程，来改善方案组合，并利用铺盖度评估和效用评估来检测方案的适用性。

参考文献：

[1]司林、向俊：《企业财务诊断理论的运用分析》，《湖北广播电视大学学报》2009年第3期。

[2]马冬青、袁颖：《企业财务诊断分析》，《市场论坛》2006 年第2期。（编辑 杜 昌）

作者：吴丽玲等