基于神經(jīng)網(wǎng)絡的企業(yè)財務危機預警研究

黃曉波 高曉瑩

【摘 要】 現(xiàn)階段，激烈的市場競爭與動蕩的經(jīng)濟環(huán)境給各行各業(yè)帶來了前所未有的挑戰(zhàn)，對于企業(yè)的經(jīng)營者與投資者來說，能夠準確預測財務危機并有效地規(guī)避財務危機具有重大的現(xiàn)實意義。制造業(yè)在我國經(jīng)濟中具有舉足輕重的地位，文章以制造業(yè)上市公司為例，引入財務指標與非財務指標構(gòu)建指標體系，運用因子分析對篩選的指標進行降維，使各個指標間不相關(guān)，消除多重共線性，以得出的公因子作為神經(jīng)網(wǎng)絡模型的輸入層來提升神經(jīng)網(wǎng)絡的擬合效率，以企業(yè)被特別處理與沒有被特別處理作為神經(jīng)網(wǎng)絡模型的輸出層，運用此模型對財務危機進行預測。預測結(jié)果顯示：該財務危機預警模型預測效果較好，能夠幫助制造業(yè)上市公司識別潛在的財務危機。除此之外，根據(jù)結(jié)論得出企業(yè)的盈利能力是影響制造業(yè)上市公司財務危機的最主要因素。

【關(guān)鍵詞】 制造業(yè)上市公司; 財務危機; 神經(jīng)網(wǎng)絡; 特別處理

中圖分類號：F275 ?文獻標識碼：A ?文章編號：1004-5937（2015）05-0030-05

一、引言

財務危機是企業(yè)由于生產(chǎn)經(jīng)營不善、動蕩的市場環(huán)境以及激烈的競爭帶來的財務風險。Beaver（1966） and Altman（1968）把財務危機企業(yè)定義為已經(jīng)經(jīng)營失敗的公司。由于國內(nèi)數(shù)據(jù)的可獲得性限制以及國內(nèi)上市公司較少發(fā)生經(jīng)營失敗，國內(nèi)大多數(shù)學者把因財務狀況發(fā)生異常而被特別處理（ST或*ST）的公司定義為財務危機公司。因此綜合國內(nèi)外學者的相關(guān)研究并結(jié)合我國制造業(yè)上市公司的特點，本文將財務危機公司定義為被特別處理的公司。

企業(yè)財務危機是由企業(yè)內(nèi)外部各種各樣的矛盾積累而產(chǎn)生的。對于企業(yè)經(jīng)營者而言，運用有效的財務危機預警系統(tǒng)可以早日發(fā)現(xiàn)企業(yè)生產(chǎn)經(jīng)營中存在的問題，及時解決并防止危機的進一步惡化;對于企業(yè)的債權(quán)人及投資者而言，運用有效的財務危機預警系統(tǒng)可以更加準確地評估企業(yè)的財務狀況，從而采取一系列有效措施保障債權(quán)以及投資安全。因此建立一個有效的財務危機預警模型是值得探討的重要課題。

國內(nèi)外大多數(shù)學者運用數(shù)學模型建立了財務危機預警系統(tǒng)。Fitzpatrick（1932） and Beaver（1966）建立了單變量預警模型，認為凈利潤/股東權(quán)益、股東權(quán)益/負債這兩個財務指標能夠較準確地預測財務危機;Altman（1968、1977）建立了多變量預警模型——Z值模型;Martin（1977）年構(gòu)建了Logistic模型來預測財務危機，研究發(fā)現(xiàn)Logistic模型較其他模型預測準確率較高;吳世農(nóng)、黃世忠（1986）首次對財務危機預警模型進行應用;周首華、楊濟華等（1996）在前人研究的基礎(chǔ)上提出了F模型;陳靜（1999）首次把27家ST公司與非ST公司作為研究樣本，分別引用單變量預警模型與多變量預警模型進行分析;傅榮、吳世農(nóng)（2002）應用人工神經(jīng)網(wǎng)絡分析模型對財務危機進行預警，模型擬合較好，具有較高的預測率。

神經(jīng)網(wǎng)絡是新興的預測技術(shù)，具有強大的非線性動態(tài)性、自適應、自組織、自學習能力，因此它被廣泛應用到各個領(lǐng)域。神經(jīng)網(wǎng)絡模型有大型參數(shù)空間和更為靈活的結(jié)構(gòu)，且可以接近多種統(tǒng)計模型。BP神經(jīng)網(wǎng)絡是目前應用較廣泛的神經(jīng)網(wǎng)絡之一。它按誤差逆?zhèn)鞑ニ惴▽颖具M行訓練，也是一種多層前饋網(wǎng)絡。BP神經(jīng)網(wǎng)絡由輸入層、隱含層、輸出層構(gòu)成。每一層都具有神經(jīng)元，每一層的神經(jīng)元都與其他相鄰層的神經(jīng)元相連，它使用最速下降法，通過逆向傳播來對網(wǎng)絡權(quán)值和閾值進行調(diào)整，從而最小化網(wǎng)絡的誤差。而這種傳播是依靠連接權(quán)系數(shù)的加強和抑制而實現(xiàn)的。

目前，很多學者把BP神經(jīng)網(wǎng)絡應用到財務預警中來，根據(jù)相關(guān)學者的研究發(fā)現(xiàn)，神經(jīng)網(wǎng)絡在財務預警中預測準確率較高。

基于以上相關(guān)研究，本文將財務危機公司定義為被特別處理的公司，引入財務指標與非財務指標構(gòu)建指標體系，通過Mann-Whitney U檢驗對指標進行篩選，之后運用因子分析對篩選的指標進行降維，最后對該樣本進行神經(jīng)網(wǎng)絡學習以準確評估財務風險。

二、財務危機預警應用問題

建立一個有效的財務危機預警模型對企業(yè)的經(jīng)營者與投資者來說都具有重要的意義，然而建立有效的財務預警模型在我國主要局限在理論方面，并沒有足夠的實踐。原因在于有效的財務危機預警模型必須以真實有效的財務信息為基礎(chǔ)。然而現(xiàn)階段，企業(yè)信息不對稱使企業(yè)易產(chǎn)生道德風險，為了使企業(yè)股票在證券市場吸引更多投資者，得以持續(xù)掛牌上市，許多企業(yè)不對真實的會計信息進行披露，甚至對會計信息進行造假，對數(shù)據(jù)進行操縱。除此之外，監(jiān)管機構(gòu)對企業(yè)的監(jiān)管以及審計部門對會計信息的審核等也需要進一步加強。另外，我國證券市場正處于發(fā)展階段，公司一股獨大現(xiàn)象嚴重，股權(quán)制衡度不夠，企業(yè)總以自身利益為重，忽略投資者的利益，因此企業(yè)并不愿意采用可以同時維護投資者與經(jīng)營者利益的財務預警。

三、財務危機預警模型構(gòu)建

（一）樣本選擇

制造業(yè)在我國經(jīng)濟中具有舉足輕重的地位，而且該行業(yè)樣本量大，本文以制造業(yè)上市公司作為研究對象，依據(jù)2013年第四季度上市公司行業(yè)分類結(jié)果，選取2010—2013年49家首次被特別處理的制造業(yè)上市公司與49家近三年內(nèi)沒有發(fā)生財務虧損的公司T-3年數(shù)據(jù)為建模樣本。樣本配對以相同規(guī)模、相同子行業(yè)為原則。數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。由于各個指標數(shù)據(jù)具有差異性，因此對所有的數(shù)據(jù)進行Z-SCORE標準化，標準化公式為：

z=（x-μ）/σ ? ? ? ? ? ? ? （1）

其中，z為標準分數(shù)，■為均值，■為標準差。

（二）指標體系構(gòu)建

為了對財務狀況進行全面預警，本文廣泛初選的指標包括長期償債能力指標、成長能力指標、現(xiàn)金流量指標、營運能力指標、盈利能力指標和短期償債能力指標;之后對廣泛選取的指標進行Mann-Whitney U檢驗，篩選出的指標在兩組樣本中具有顯著差異，篩選出進入因子分析的指標如表1所示。

（三）因子分析

因為初步篩選出的指標較多且具有多重共線性，因此本文運用因子分析法對以上指標進行降維處理，以實現(xiàn)各個公因子間不相關(guān)且減少指標數(shù)量的目的。如表2所示，KMO檢驗為0.758，Bartlett的球形度檢驗方差為0，此結(jié)果表明以上指標適合作因子分析。

從表3可以看出，根據(jù)特征根大于1的提取方法，一共提取了5個公因子，解釋的總方差累計為86.722%，表明這5個公因子可以代表以上指標。

因為旋轉(zhuǎn)后的成分矩陣每個公因子上各個指標的載荷更加清晰，因此本文以旋轉(zhuǎn)后的成分矩陣上的因子載荷為準。從旋轉(zhuǎn)成分矩陣可以看出，公因子1上因子載荷較大的指標為X9、X10、X11、X12、X13、X14、X15、X16，可以衡量企業(yè)的盈利能力;公因子2上因子載荷較大的指標為X1、X2、X3、X4，可以衡量企業(yè)的長期償債能力;公因子3上因子載荷較大的指標為X17、X18、X19，可以衡量企業(yè)的短期償債能力;公因子4上因子載荷較大的指標為X5、X6、X7，可以衡量企業(yè)的發(fā)展狀況與現(xiàn)金流量情況;公因子5上因子載荷較大的指標為X8，可以衡量企業(yè)的營運能力。詳見表4。

從表5可以得出每個公因子的表達式：

Fi=∑AijXj ? ? ? ? ?（2）

其中Aij為每個公因子的成分得分系數(shù)，Xj為各項指標。

（四）神經(jīng)網(wǎng)絡預警模型構(gòu)建

本文設(shè)定企業(yè)發(fā)生財務危機為1，不發(fā)生財務危機為0，運用BP神經(jīng)網(wǎng)絡對財務危機進行預測。

通過表6可知，其中63.3%為訓練樣本，用于模型建立，36.7%的樣本為保持樣本，用于驗證模型結(jié)果。輸入層為5個公因子，輸出層為分類變量。提取訓練樣本及保持樣本情況如表6所示。

案例處理結(jié)果顯示，訓練樣本數(shù)為62，保持樣本數(shù)為36。

從表7、表8可以看出，在創(chuàng)建模型個案中，沒有發(fā)生財務危機的個案中24個分類正確，7個被分類錯誤;發(fā)生財務危機的個案中有5個被判定為沒有發(fā)生財務危機，26個個案分類正確，整體分類正確率為80.6%，這說明該模型能夠很好地識別個案。由于建模樣本預測結(jié)果過度樂觀，保持樣本可以幫助驗證此模型，因此保持樣本驗證最終分類正確率為75.0%，表明該模型整體預測效果較好。

從表9可以看出，F(xiàn)1對企業(yè)財務危機的發(fā)生具有重要的影響，可見對于制造業(yè)上市公司來說，企業(yè)的盈利能力是影響財務危機狀況的最主要因素。從表10可以看出被特別處理的企業(yè)盈利能力指標均值均低于沒有被特別處理的企業(yè)，被特別處理的企業(yè)的營業(yè)利潤率、銷售凈利率、息稅前利潤與營業(yè)收入比、息稅前利潤與資產(chǎn)總額比、總資產(chǎn)凈利潤率、凈資產(chǎn)收益率、投入資本回報率及每股收益均值均為-0.8左右，息稅前利潤與資產(chǎn)總額比、總資產(chǎn)凈利潤率、凈資產(chǎn)收益率、投入資本回報率極大值也為負，企業(yè)盈利能力較差，這樣公司獲得的現(xiàn)金流較少，企業(yè)償債壓力也會相應增加，可能會造成企業(yè)資金入不敷出等情形，企業(yè)經(jīng)營業(yè)績也會下降，不利于企業(yè)長期穩(wěn)定發(fā)展，給企業(yè)帶來了財務危機。

四、結(jié)論及建議

（一）結(jié)論

本文以98家制造業(yè)上市公司為例，選擇被特別處理與沒有被特別處理兩類企業(yè)，引入財務指標與非財務指標構(gòu)建指標體系，運用因子分析與神經(jīng)網(wǎng)絡模型建立一個財務危機預警模型以幫助企業(yè)識別潛在的財務危機，現(xiàn)得出結(jié)論如下：

通過建立神經(jīng)網(wǎng)絡模型來對制造業(yè)上市公司財務危機進行預測，預測準確率達到75%，能夠?qū)ω攧瘴C進行很好的預測。通過研究發(fā)現(xiàn)，制造業(yè)企業(yè)的盈利能力對財務危機的發(fā)生具有顯著影響，盈利能力較差是財務危機發(fā)生的主要原因，要想減少財務危機的發(fā)生，應該提高企業(yè)的盈利能力。

（二）決策建議

1.提高企業(yè)盈利能力

首先，制造業(yè)具有固定資產(chǎn)與材料成本高、市場競爭激烈等特點。在保證產(chǎn)品質(zhì)量與提高產(chǎn)品生產(chǎn)效率的同時，應該采取相應措施降低成本，例如：企業(yè)可以建立縱向價值鏈對企業(yè)的供應商及消費者進行深入了解，使企業(yè)管理延伸到上下游，可以增加企業(yè)競爭優(yōu)勢、降低企業(yè)成本;企業(yè)建立橫向價值鏈對企業(yè)所處行業(yè)環(huán)境進行分析，及時了解企業(yè)的競爭者以便減少市場開發(fā)成本，增加企業(yè)盈利能力。其次，企業(yè)可以建立內(nèi)部價值鏈對材料的采購、產(chǎn)品的生產(chǎn)、成品的銷售進行準確的評估和預測。制造企業(yè)應該引入先進技術(shù)，給企業(yè)的產(chǎn)品生產(chǎn)打下堅實的基礎(chǔ)，開發(fā)創(chuàng)新型產(chǎn)品，加強市場競爭力，以搶占國內(nèi)外市場。最后，企業(yè)可以建設(shè)學習型組織，不斷學習國內(nèi)外先進技術(shù)，引進先進人才，提高企業(yè)核心競爭力。

2.優(yōu)化預警模型

本文把樣本劃分為財務危機樣本與非財務危機樣本，然而財務危機的發(fā)生是一個逐漸深化的過程，今后研究的方向應該集中在這個過程上。另外，研究應該考慮到會計信息的真實性這個因素，這也是提高模型預測率的主要因素，而且本文研究的財務危機預警是長期預警模型，沒有考慮短期風險和實時風險，今后的研究應該把重點放在長期預警與短期預警相結(jié)合上，以期有助于財務危機預警模型的完善。

【主要參考文獻】

[1] 周首華，楊濟華，王平.論財務危機的預警分析——F分數(shù)模式[J].會計研究，1996（8）：8-11.

[2] 陳超，李君.化工類上市公司財務危機預警研究——基于BP人工神經(jīng)網(wǎng)絡模型[J].會計之友，2012（20）：83-86.

[3] 李飛.財務預警問題研究——基于后經(jīng)濟危機時代中小企業(yè)的視角[J].會計之友，2013（17）：60-64.

[4] 王曉光，陳潔.引入財務重述的財務預警模型效率的實證研究——來自滬深兩市A股制造業(yè)2009—2010年的經(jīng)驗證據(jù)[J].會計之友，2014（7）：75-78.