基于神经网络与逻辑回归的财务危机预警研究
来源:用户上传
作者:
摘要：文章以2014～2017年制造业上市公司ST企业为研究对象，并以1：2比例选取配对样本，针对T-3年的财务数据指标进行模型的构建与分析。结果表明虽然人工神经网络与逻辑回归都有不错的预测效果，但逻辑回归分析的结果准确率更高，可解释性更强。
关键词：逻辑回归；神经网络；财务预警
一、引言
关于财务危机预警的定量研究，一直是近几十年来国内外财务界学者的热点话题。20世纪30年代Fitzpatrick首次提出单变量FDP模型，之后由Beaver提出单变量判定模型正式兴起。
随着信息技术和数据库技术的发展，数据挖掘技术成为了构建财务危机预警的主要工具。Odom首次将人工神经网络引入FDP领域，结果发现利用神经网络构建的财务预警模型有较好的预测能力。我国学者吴世农、卢贤义运用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法，分别建立三种财务困境预测模型并进行比较分析，结果表明Logistic模型的判定准确性最高。
为了消除传统财务指标的片面性，后有不少学者将一些非财务指标引入财务危机预警模型中。Beaver在研究中提出了反映股价的信息变量；刘小淇等在预警模型中引入股权结构等非财务变量；张婉君、罗威将董事会规模等非财务因素引入到传统的财务预警模型中，并进行Logistic回归分析，在一定程度上提高了预警准确率。李树根阐述了人工神经网络应用于财务危机预警的理论依据与基本构想，建立了BP神经网络模型，为财务预警提供了有效参考。
本文在前人研究的基础上，运用Logistic回归和人工神经网络对制造业上市公司进行预警研究。
二、研究设计
（一）样本选取和数据来源
1. 样本的选取。本文研究的样本选用2014～2017年度首次被特别处理的上市公司，包括*ST公司和ST公司。选取深沪证券交易所A股制造业上市公司作为样本组，对数据预处理后最终选取财务危机企业42家，同时按照1：2的比例选取正常经营的制造业A股上市公司作为配对样本组，最终确定总样本数量126家。
2. 数据来源。本文的研究数据主要来自深、沪证券交易所官网和国泰安数据库（CSMAR）。设定被特殊处理当年为T年，本文选取上市公司被ST或*ST之前的T-3年度的截面数据进行预测研究，能使企业在出现危机前兆时提高警惕，防患于未然，故更具有现实意义和应用价值。
（二）预测指标的选取
本文在反映企业盈利能力、偿债能力等这些传统的财务指标的基础上，选取了反映上市公司资本状况、现金流量状况和股东获利能力的指标，共选取了28个指标变量。
（三）模型设计
1. Logistic回归模型的设计
Logistic回归是广义线性回归的一种统计方法，具有广泛且实用的用途。它数度快、便于理解，对于二分类模拟性好。Logistic回归模型为：
其构造的财务危机预警预测模型为：
将企业是否财务危机设为因变量，企业财务危机设为1，财务健康设为0，进行Logistic模型的测试与检验。
2. 人工神经网络模型的设计
人工神经网络是模仿人脑神经结构的一种技术，近年来常被应用于企业危机预警方面。一个基本的神经网络模型由输入层、隐含层和输出层三个结构组成，分别对应警兆、警情和警度。三层网络结构的特点符合预警体系，因此适合用于进行财务预警模型构建。
三、实证分析
本文运用SPSS Modeler统计软件中的Logistic模型和神经网络模型分别对制造业上市公司T-3年的财务指标数据进行分析，将样本数据按7：3比例分为训练集和测试集。将企业是否财务危机设为目标变量，财务状况异常的企业取值为1，财务状况正常的企业取值为0。
（一）基于Logistic回归的财务危机预警模型构建
用SPSS Modeler软件运行Logistic算法进行主效应分析，经逻辑模型检验后结果显示模型的拟合效果很好。Logistic回归财务预警模型的分析结果如表2所示。
表2中，B为变量系数；S.E为标准差；Wald为Wald得分；df为自由度；Sig为伴随概率。从表2可以看出，与企业是否陷入财务危机的主要因素为X1、X2、X4、X5、X9和X10，由此可以得到Logistic预警模型为：
由表3可知，运用Logistic回归模型对上市公司T-3年的财务数据进行分析得到预测准确率为84.27%，测试正确准确率也达到了78.38%，具有较好的预测效果。
（二）人工神经网络模型的构建与Logistic回归模型的比较
由表4可知，人工神经网络模型进行财务危机预警预测的准确率为78.65%，测试集准确率也只有75.68%，都低于用Logistic回归方法預测的准确率，因此Logistic回归比神经网络具有更好的拟合度和预测准确度，在预测企业财务危机准确性、运行效率以及可解释性方面都具有一定的优势。
四、结论
本文在传统的财务指标的基础上引入反映企业资本状况、现金流量状况和股东获利能力的指标进行综合分析，使得指标体系更具有预测性。运用经典的Logistic回归方法和人工神经网络方法建立制造业上市公司财务预警模型，选取T-3年的指标数据进行分析使得研究更具有现实意义。通过对比分析，得出Logistic回归方法更适合二分类下企业财务危机预警的结论。因此本文的研究在现实中有一定的应用价值。
参考文献：
[1]FITZPATRICK P. J. A Comparison of The Ratios of Successful Industrial Enterprises with Those of Failed Firms[J]. Certifies Public Accountant，1932（05）.
[2]BEAVER W H.Financial rations as predictors of failures[J].Journal of Accounting Research，1966（01）.
[3]ODOM M D，SHARDA R. A Neural Network Model for Bankruptcy Prediction[C].International Joint Conference on Neural Networks.IEEE，1990.
[4]吴世农，卢贤义.我国上市公司财务困境的预测模型研究[J].经济研究，2001（06）.
[5]刘小淇，曾繁荣，周鸿.基于非财务视角的上市公司财务困境预警研究——基于主成分逻辑回归的方法[J].财会通讯，2015（06）.
[6]张婉君，罗威.引入非财务指标的财务危机预警研究——以我国制造业上市公司为例[J].财政监督，2016（01）.
[7]李树根.基于BP神经网络的财务预警方法探究[J].中国管理信息化（会计版），2007（11）.
（作者单位：上海工程技术大学）
转载注明来源:https://www.xzbu.com/2/view-14694761.htm
