Trên thế giới đã có khá nhiều các nghiên cứu liên quan đến dự báo xác suất vỡ nợ của doanh nghiệp và rủi ro phá sản của doanh nghiệp. Cụ thể như nghiên cứu của Edward I. A. (1968) về chỉ số tài chính, phân tích mô hình đa thức nhằm dự báo khả năng phá sản của doanh nghiệp. Nghiên cứu có mẫu khảo sát gồm 66 doanh nghiệp được chia thành 2 nhóm gồm 33 doanh nghiệp phá sản theo Chương X của Luật phá sản Hoa Kỳ giai đoạn 1946 – 1965 và 33 doanh nghiệp không phá sản trong cùng thời kỳ, các đơn vị này vẫn tiếp tục hoạt động trong năm 1966. Tác giả đã sử dụng 22 biến độc lập chỉ số tài chính để phân tích chia thành 5 nhóm gồm: chỉ số về khả năng thanh khoản, chỉ số về khả năng sinh lời, chỉ số đòn bẩy tài chính, chỉ số và khả năng thanh toán nợ và chỉ số hoạt động. Kết quả nghiên cứu từ mô hình phân tích đa thức này của Edward I. A. đạt mức chính xác khá cao, cụ thể dự báo đúng 94% mẫu khảo sát ban đầu. Tuy nhiên, giới hạn của bài nghiên cứu này là chỉ khảo sát các doanh nghiệp sản xuất lớn (dựa vào quy mô tài sản). Tiếp theo phải kể đến nghiên cứu về dự báo thất bại doanh nghiệp của Evridiki Neophytou, Andreas Charitou & Chris Charalambous (2000) với kỹ thuật phân tích logit
đã phát triển mô hình phân loại các doanh nghiệp công nghiệp thất bại cho nước Anh. Bộ dữ liệu bao gồm 51 cặp doanh nghiệp thất bại và không thất bại ở Anh giai đoạn 1988 – 1997. Mô hình dự báo được phát triển cho đến ba năm trước khi sự kiện thất bại của doanh nghiệp diễn ra trên cơ sở ba biến tài chính là khả năng sinh lời, dòng tiền hoạt động kinh doanh và biến đòn bẩy tài chính. Kết quả của mô hình có thể giải thích chính xác 83% khả năng thất bại của doanh nghiệp trước một năm. Tuy nhiên, mô hình có giả định về phân phối xác suất, giả thiết không có hiện tượng đa cộng tuyến do đó làm giảm mức độ áp dụng của mô hình.
Ravi & Pramodh (2008) đã sử dụng mô hình mạng thần kinh nhân tạo nơtron để dự báo vỡ nợ cho các ngân hàng Thổ Nhĩ Kỳ và Tây Ban Nha, trong đó có sử dụng 9 nhân tố tài chính cho các ngân hàng Thổ Nhĩ Kỳ và 12 nhân tố tài chính cho các ngân hàng Tây Ban Nha. Mức độ chính xác của mô hình xây dựng là 96,6% cho tập số liệu của các ngân hàng Tây Ban Nha và 100% cho tập số liệu của các ngân hàng Thổ Nhĩ Kỳ. Tuy nhiên, do mô hình này khá phức tạp, cấu trúc của nó khó theo dõi, nằm ngoài sự kiểm soát của người xây dựng mô hình nên tính ứng dụng không cao.
Bên cạnh đó, trong nghiên cứu về chỉ số tài chính và phân tích biệt số đa nhân tố dự báo sự thất bại của các doanh nghiệp Malaysia của nhóm nghiên cứu Ben Chin-FookYap, David Gun-Fie Yong & Wai-Ching Poon(2010) đã phát triển mô hình phân tích biệt số đa nhân tố (MDA – Multiple Discriminant Analysis) để cải thiện khả năng dự báo sự thất bại cho các doanh nghiệp Malaysia sau khoảng thời gian cơ cấu lại với điều kiện tài chính, hoạt động, kinh doanh khác nhau. Nhóm tác giả sử dụng 16 biến chỉ số tài chính để phân tích trên mẫu khảo sát gồm 64 doanh nghiệp. Kết quả nghiên cứu tìm thấy 7 biến chỉ số tài chính có ý nghĩa thống kê trong việc dự báo với tỷ lệ chính xác khá cao từ 88% đến 94% cho mỗi doanh nghiệp trước khi doanh nghiệp thất bại, bao gồm tổng tài sản trên tổng nợ phải trả, dòng tiền trên tổng nợ dài hạn, tổng nợ dài hạn trên tổng tài sản, vốn lưu động trên tổng tài sản, thu nhập giữ lại trên tổng tài sản, thu nhập trước thuế và lãi vay trên doanh thu và thu nhập ròng trên doanh thu. Tuy nhiên, phương pháp này cũng có nhược điểm liên quan đến các giả định cơ bản trong mô hình (giả thiết về
phân phối chuẩn và phương sai bằng nhau) có thể bị vi phạm làm giảm độ tin cậy của mô hình cũng như làm giảm khả năng áp dụng.