模型優缺點：馬爾科夫區製轉移模型的優點是不需要把連續變量轉換為離散變量，可以直接使用投機壓力指標進行危機預警，彌補了KLR模型和Probit/Logit模型造成信息損失的缺陷；缺點是模型對“不轉移作為零假設”這個前提的檢驗比較困難，而且似然麵有時會有幾個局部最優解，並且可能有時性態表現不良好。
2．人工神經網絡模型
模型簡述：人工神經網絡模型是基於人工神經網絡技術（Artificial Neural Network，簡稱ANN）的一種預警模型。人工神經網絡技術是基於對生物神經網絡的模擬，其問題求解方式是通過訓練來尋求規律。首先將同類的輸入和輸出作為訓練樣本，再設定訓練算法對樣本進行多次訓練，通過多次反複模擬使得ANN掌握由輸入到輸出的求解過程，由此就可以求解相似的問題。
模型應用：Nag和Mitra（1999）首先使用人工神經網絡模型建立貨幣危機預警係統，此預警係統基於1980—1998年印度尼西亞、馬來西亞和泰國的月度數據樣本實證建模，突破了傳統模型的線性範式，其優勢是能夠學習複雜的規則並掌握變量間複雜關係。胡燕京、高會麗、徐建鋒（2002）對傳統的BP神經網絡模型進行了改進，建立金融風險預警的前向3層BP模型，並對模型訓練檢驗，由此得到一個可行的金融危機預警模型。
模型優缺點：人工神經網絡模型的主要優點是能夠解決部分傳統模型難以解決的高度非線性問題，可以捕捉變量間複雜的相互關係，能夠逼近非線性動態函數。ANN的自適應特征可以實現曆史經驗與新知識的完美結合，ANN理論具有容錯特征，通過選取適當作用函數和數據結構，能夠處理非數值性預警指標，由此實現對係統安全狀態的模糊評價。模型的主要缺點是：模型的靈活性使得數據數目較多時，會存在相比於其他預警方法更大的過度適應風險；另外，由於ANN模型處理的“黑箱”特性，使得此預警方法很難進行係數估計，也很難確定發生異常的指標，不利於危機控製。
3．VaR模型
模型簡述：VaR（Value at Risk）模型是在一定置信水平下，計算資產在一定期間內的最大潛在損失值。其計算方法思路並不是全新的，可以追溯到1952年馬可維茨開發的均值—方差框架的基本原理，此方法的新意在於將全部風險集中計算後可以得到一個公認的數值。
模型應用：Blaschke、Jones、Majnoni和Peria（2001）在文章中詳細敘述了相關風險的定義、度量和對其進行壓力測試的方法及步驟，並提出將其應用於金融部門評估計劃。《FASP分析工具》（2003）再次強調了壓力測試在評估金融脆弱性方麵的重要作用，並詳盡總結了壓力測試的分析技術、範圍、方法和操作方式。
模型優缺點：VaR模型的優點是可以把金融機構總體的市場風險以及各種資產組合的風險具體化為一個簡單的數值，簡潔直觀地讓使用者清楚了解在某段時間其資產所麵臨的最大風險。缺點是不能提供絕對的最大損失額，隻能預計在一定置信水平下的損失，故實際損失可能要超出VaR模型的估計。
三、現有預警模型對中國的適用情況分析
現有的金融危機預警模型多起源於美國。國外的金融危機理論與預警模型的相關研究，為我國建立金融危機預警係統提供了寶貴的借鑒，但一方麵模型本身也存在著一些不足，在進行危機預警時，對某些危機存在失靈的情況；另一方麵將其應用於我國還需進一步改進。現有預警模型的建立，多數以歐美及東南亞、拉美等新興市場國家情況為基礎。雖然我國也是一個新興市場化國家，但我國在政治、經濟製度和宏觀、微觀經濟環境方麵與其他國家有較大不同，因此，若直接將國外的預警模型應用於我國，會產生“水土不服”的情況，故不能完全照搬國外已有的預警模型，而應結合中國的具體情況，從中國國情出發，開發適合中國國情的金融危機預警模型。