基于神经网络的企业财务危机预警模型研究

来源:用户上传      作者: 杜英 王晓华 孙洪哲

　　【摘要】 借鉴国内外财务危机预警研究成果，在我国的企业评价指标体系的基础上，结合我国企业的具体特征，对我国企业公司财务危机预警模型的指标体系进行了选择；论证了应用神经网络进行财务危机预警的可行性并通过实际数据进行了验证，结果表明BP神经网络模型用于企业财务危机预警简单、高效。
　　【关键词】 神经网络； 财务危机； 预警模型
　　
　　一、企业财务危机预警的现实意义
　　
　　财务危机是由于种种原因导致的企业财务状况持续恶化，财务风险加剧，出现不能清偿债务的信用危机，直至最终破产的一系列事件的总称。财务危机将危害到企业正常的生产经营，制约企业的发展后劲，打乱企业正常的生产经营秩序，挫伤职工的生产积极性等。而有效的企业预警机制能够起到提高企业危机管理意识，提高企业适应能力和竞争能力等作用，对企业进行有效的监督和预警也直接关系到企业相关利益人决策、市场竞争机制的客观要求、财务监督、财务预测等方面。所以，对我国企业财务危机进行有效的预警就变得迫切和必要。
　　
　　二、财务危机预警模型指标体系的选择
　　
　　任何一种经济现象都具有多方面的特征，财务指标体系就是对经济现象特征的整体描述。在以往的研究成果和我国的企业评价指标体系的基础上，结合我国企业的具体特征，充分考虑各个指标的实际应用效果和获取指标的难易程度，可选择下列指标来建立适合我国企业财务危机预警模型的指标体系：资产负债率；流动比率；净资产收益率；总资产周转率；主营业务收入增长率和每股经营活动产生的现金流量净额。这些指标兼顾到了偿债能力、盈利能力、资产营运能力、增长能力以及现金流量状况五个方面，同时鉴于针对的是企业的财务危机的预警指标，所以在选择构成指标时，也适当侧重了企业的偿债能力和盈利能力指标。
　　
　　三、基于BP神经网络的财务危机模型的建立及预测结果分析
　　
　　（一）BP神经网络原理与财务危机预警的可行性分析
　　BP神经网络是一种调整连接权值及结点阈值时采用的误差逆传播学习方法，是一种典型的误差修正方法。其基本思想是：把网络学习时输出层出现的与“事实”不符的误差，归结为连接层中各单元间连接权值及阈值的“过错”，通过把输出层单元的误差逐层向输入层逆向传播以“分摊”给各连接单元，并据此对各连接权进行相应的调整，使网络适应所要求的映射（图1）。而财务危机预警的6项指标与企业的财务状况之间的关系是很难用普通的方法加以定量化的表述，而通过大量的样本表现出的数学统计学特征的准确表达正是神经网络的优势所在，为此，我们认为神经网络是可行的。
　　
　　（二）财务危机预警模型样本的选择
　　考虑到我国近几年在经济、法律、会计方面进行了较大的政策调整，因此在选择样本的过程中我们选取了信息较为连续可比、取得较为容易的上市公司中制造业行业的6个子行业2000―2002年之间的数据，选择了行业中25家ST公司和25家非ST公司作为训练样本，ST公司样本数据为其被ST的前一年的数据资料，随机选择的非ST公司的样本数据为与ST公司同期的数据。我们还选择了2003年同行业的38家ST公司和随机选择的同期非ST公司作为检验样本，用模型的预测结果与已知的实际结果进行对照，以检验模型的准确性。选择这一期间的样本数据是因为这些样本数据的时间跨度不大，在这几年中，国家的会计制度、税收政策和退市制度也没有太明显的变化，整个国民经济的发展比较稳定，无明显的经济周期影响。
　　
　　（三）网络结构及参数的选取
　　1.网络结构的确定
　　输入节点数由控制的目标确定，控制目标为6个，因此输入节点数为6个；输出节点数由风险因素确定，输出节点为2个。一个S型隐含层加上一个线性输出层的网络，能够逼近任何有理函数，增加隐层数主要可以更进一步降低误差，提高训练的精度，本系统中只设一个隐含层，主要通过调节隐层节点数、动量项、学习率提高网络的训练精度。
　　2.各参数选取
　　把经过处理后88组样本数据输入到神经网络，前50组作为训练样本，后38组作为预测样本，网络的预期误差0.001。利用神经网络系统对学习数据反复训练，得到实验结果最好的一次，各参数如下：
　　动量项?准=0.3；学习率?浊=0.4；学习次数n=10000；隐层节点数p=6；网络实际误差?孜=0.0024
　　（四）财务危机预警预测结果分析
　　利用前述训练结果，对38个检验样本进行预测，预测的结果（表3）根据下列标准进行判断，如果预测结果逼近于1，则判断为非财务危机公司，如果预测结果偏离1就可判断有财务危机的可能性，可以发出财务危机预警。
　　通过预测结果与实际结果的比较，可以得出以下验证结果：
　　1.对于非ST公司，预测的准确率为94.74%；
　　2.对于ST公司，预测的准确率为84.21%；
　　3.综合预测准确率为89.47%。
　　
　　四、该财务危机预警模型的局限性分析
　　
　　利用神经网络进行财务危机预警模型的研究，从模型的训练和预测结果可以看出，还是具有一定的可行性和有效性。但也存在一些问题：
　　（一）忽视了企业规模对企业财务状况的影响
　　本次研究中所选择的ST样本是所属行业的全部样本量，而配对样本则是随机抽取的，在选择的过程中，没有重点关注企业规模对财务危机指标标准的不同要求。
　　（二）非ST样本公司的代表性
　　所选取的ST企业被界定为财务危机公司还不容易引起争议，但对非ST公司而言，每个公司仍然存在财务状况非常好、较好或一般的差异，因此用不同的非ST公司和ST公司配对，就不能排除财务危机公司财务状况之间的差异，这也直接影响了预测数据判别的准确率。
　　
　　
　　（三）ST界定自身具有的不适应性
　　根据我国对ST公司的划分标准，可以看出其主要看中的还是公司的盈利能力和资本结构比率，而财务危机是企业综合财务状况出现问题的集中表现，它受到多项能力和指标的影响，两者之间并不对等。
　　（四）神经网络理论自身的缺陷
　　神经网络自身擅长解决不精确和模糊的信息处理问题，在处理过程中，他会有自动删除样本“噪声”和自动调整的功能，如果其修正数据的过程中出现偏差，或训练过程中参数确定的不准确，也会直接影响预测的准确性。
　　（五）样本选择的局限性
　　本次预测过程中受诸多因素的影响，所选择的样本不具有普遍的代表性，局限在了上市公司，连续数据的选择也导致了数据的时效性较差，对当前新经济形势下的企业财务危机的参考作用有待观察。
　　
　　五、结论
　　
　　财务危机预警模型通过神经网络原理，在目前是可以实现的，只要在模型建立的过程中，将不稳定因素的影响降低到最低，就可以极大地提高预测的准确率。另外，由于不同的行业有其不同的生产和财务特性，他们的数据表现的要求也不尽相同，因此对于差异较大的行业，应适当建立行业财务危机预警模型，以更好地提高预测的准确程度。
　　当然，企业财务危机预警模型作为财务危机预警系统的一个有机组成部分。它的作用必须借助于整个系统作用的发挥，也需要企业的高层管理者确实认识到财务危机预警的必要性，才能真正实现对财务危机抑制和防范作用。●
　　
　　【参考文献】
　　［1］ 卢雁影.财务分析［M］.湖北:武汉大学出版社，2002:296-303.
　　［2］ 王晓华，刘琛，孙洪哲.上市公司财务危机预警模型指标体系的构建［J］.河北建筑科技学院学报（社科版），2004（4）.
　　［3］ 张春莲，张淑琴.财务危机预警模型研究综述及其启示［J］.中国高新技术企业，2009（11）.

转载注明来源:https://www.xzbu.com/3/view-768499.htm