杜邦分析体系在1920年代被通用汽车搞出来的财务时候，没人想到它会在近百年后成为全球财务分析的分析底层语法。皮埃尔·杜邦把ROE拆成三个乘数——利润率、国外周转率、研究权益乘数——这个动作本身比任何公式都重要：它第一次让管理者看清，财务赚钱这件事可以拆开来看。分析后来学界沿着这条拆解路径走了很远，国外但真正有意思的研究转折发生在1980年代之后。

哈佛商学院的财务Michael Porter在竞争战略里硬塞进财务视角，让ROE不再只是分析企业内部的事。同期的国外自由现金流理论开始流行，学界突然意识到利润表上的研究数字可能是假的，现金才是财务真的。加州大学洛杉矶分校的分析Edward Altman早在1968年就搞出了Z-Score模型，用五个财务比率预测企业破产，国外准确率在当时高得吓人。这个模型至今还在用，说明有些老东西确实扛得住时间。

1990年代是财务分析研究的爆发期。纽约大学的Aswath Damodaran把估值和财务分析焊在一起，他的《投资估值》到现在还是华尔街的案头书。经济增加值（EVA）被Stern Stewart公司商业化推广，逻辑很简单：企业赚的钱必须超过资本成本，否则就是在毁灭价值。这个观点在当时挺刺耳的，因为很多账面盈利的公司一算EVA其实是负的。学界为这事吵了好几年，最后基本达成共识——EVA比会计利润更能反映真实的经济表现。

2000年之后的研究方向明显转向了非财务信息。平衡计分卡从Kaplan和Norton手里出来以后，财务指标不再是唯一的考核维度。客户满意度、内部流程、学习与成长这些软指标被硬塞进分析框架。有人觉得这是财务分析的泛化，也有人认为这是必然——毕竟财务数据是滞后的，等报表出来问题早就发生了。2008年金融危机之后，这种观点占了上风。风险管理和前瞻性指标被大量纳入财务分析体系，Altman的Z-Score也被翻出来重新审视，因为它在危机前的预警能力实在一般。

最近十年的研究更偏向数据驱动。文本分析被用来挖掘财报电话会议里的语气变化，机器学习模型开始预测盈余操纵。Dechow等人在2011年搞出的F-Score模型，用财务指标组合识别财务报表舞弊，准确率比传统方法高出一截。不过这些模型的通病是过度拟合，换个市场或时间段就失灵。Beneish的M-Score模型算是比较稳健的，但也就那样——真要有心造假，模型追不上人的创造力。

欧洲和北美的研究风格差异挺明显。美国学者偏爱大样本实证，动辄几千家公司跑回归；欧洲学者更愿意做案例和制度分析，尤其关注IFRS和US GAAP的差异对财务比率的影响。亚洲这边，日本学者对现金流分析情有独钟，中国学者则大量研究政治关联对财务信息质量的影响。这些差异不是偶然的，跟各自的资本市场结构和学术传统直接相关。

说实话，国外财务分析研究走到今天，方法论上已经相当成熟，但核心问题还是那些：怎么更准确地预测未来现金流，怎么识别盈余管理，怎么把非财务信息量化。工具在变，数据在变，但财务分析的本质没变——它始终是在不确定中寻找确定性。Altman的Z-Score能活五十多年，不是因为它多精确，而是因为它提供了一个可操作的框架。后来的模型大多是在这个框架上修修补补，真正颠覆性的突破还没出现。