【摘要】 借鑒國內(nèi)外財務危機預警研究成果，在我國的企業(yè)評價指標體系的基礎上，結合我國企業(yè)的具體特征，對我國企業(yè)公司財務危機預警模型的指標體系進行了選擇；論證了應用神經(jīng)網(wǎng)絡進行財務危機預警的可行性并通過實際數(shù)據(jù)進行了驗證，結果表明BP神經(jīng)網(wǎng)絡模型用于企業(yè)財務危機預警簡單、高效。
　　【關鍵詞】 神經(jīng)網(wǎng)絡； 財務危機； 預警模型
　　
　　一、企業(yè)財務危機預警的現(xiàn)實意義
　　
　　財務危機是由于種種原因?qū)е碌钠髽I(yè)財務狀況持續(xù)惡化，財務風險加劇，出現(xiàn)不能清償債務的信用危機，直至最終破產(chǎn)的一系列事件的總稱。財務危機將危害到企業(yè)正常的生產(chǎn)經(jīng)營，制約企業(yè)的發(fā)展后勁，打亂企業(yè)正常的生產(chǎn)經(jīng)營秩序，挫傷職工的生產(chǎn)積極性等。而有效的企業(yè)預警機制能夠起到提高企業(yè)危機管理意識，提高企業(yè)適應能力和競爭能力等作用，對企業(yè)進行有效的監(jiān)督和預警也直接關系到企業(yè)相關利益人決策、市場競爭機制的客觀要求、財務監(jiān)督、財務預測等方面。所以，對我國企業(yè)財務危機進行有效的預警就變得迫切和必要。
　　
　　二、財務危機預警模型指標體系的選擇
　　
　　任何一種經(jīng)濟現(xiàn)象都具有多方面的特征，財務指標體系就是對經(jīng)濟現(xiàn)象特征的整體描述。在以往的研究成果和我國的企業(yè)評價指標體系的基礎上，結合我國企業(yè)的具體特征，充分考慮各個指標的實際應用效果和獲取指標的難易程度，可選擇下列指標來建立適合我國企業(yè)財務危機預警模型的指標體系：資產(chǎn)負債率；流動比率；凈資產(chǎn)收益率；總資產(chǎn)周轉(zhuǎn)率；主營業(yè)務收入增長率和每股經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額。這些指標兼顧到了償債能力、盈利能力、資產(chǎn)營運能力、增長能力以及現(xiàn)金流量狀況五個方面，同時鑒于針對的是企業(yè)的財務危機的預警指標，所以在選擇構成指標時，也適當側重了企業(yè)的償債能力和盈利能力指標。
　　
　　三、基于BP神經(jīng)網(wǎng)絡的財務危機模型的建立及預測結果分析
　　
　　（一）BP神經(jīng)網(wǎng)絡原理與財務危機預警的可行性分析
　　BP神經(jīng)網(wǎng)絡是一種調(diào)整連接權值及結點閾值時采用的誤差逆?zhèn)鞑W習方法，是一種典型的誤差修正方法。其基本思想是：把網(wǎng)絡學習時輸出層出現(xiàn)的與“事實”不符的誤差，歸結為連接層中各單元間連接權值及閾值的“過錯”，通過把輸出層單元的誤差逐層向輸入層逆向傳播以“分攤”給各連接單元，并據(jù)此對各連接權進行相應的調(diào)整，使網(wǎng)絡適應所要求的映射（圖1）。而財務危機預警的6項指標與企業(yè)的財務狀況之間的關系是很難用普通的方法加以定量化的表述，而通過大量的樣本表現(xiàn)出的數(shù)學統(tǒng)計學特征的準確表達正是神經(jīng)網(wǎng)絡的優(yōu)勢所在，為此，我們認為神經(jīng)網(wǎng)絡是可行的。
　　
　　（二）財務危機預警模型樣本的選擇
　　考慮到我國近幾年在經(jīng)濟、法律、會計方面進行了較大的政策調(diào)整，因此在選擇樣本的過程中我們選取了信息較為GAtxP5sPf+5dagbeoFyuVQ==連續(xù)可比、取得較為容易的上市公司中制造業(yè)行業(yè)的6個子行業(yè)2000—2002年之間的數(shù)據(jù)，選擇了行業(yè)中25家ST公司和25家非ST公司作為訓練樣本，ST公司樣本數(shù)據(jù)為其被ST的前一年的數(shù)據(jù)資料，隨機選擇的非ST公司的樣本數(shù)據(jù)為與ST公司同期的數(shù)據(jù)。我們還選擇了2003年同行業(yè)的38家ST公司和隨機選擇的同期非ST公司作為檢驗樣本，用模型的預測結果與已知的實際結果進行對照，以檢驗模型的準確性。選擇這一期間的樣本數(shù)據(jù)是因為這些樣本數(shù)據(jù)的時間跨度不大，在這幾年中，國家的會計制度、稅收政策和退市制度也沒有太明顯的變化，整個國民經(jīng)濟的發(fā)展比較穩(wěn)定，無明顯的經(jīng)濟周期影響。
　　
　?。ㄈ┚W(wǎng)絡結構及參數(shù)的選取
　　1.網(wǎng)絡結構的確定
　　輸入節(jié)點數(shù)由控制的目標確定，控制目標為6個，因此輸入節(jié)點數(shù)為6個；輸出節(jié)點數(shù)由風險因素確定，輸出節(jié)點為2個。一個S型隱含層加上一個線性輸出層的網(wǎng)絡，能夠逼近任何有理函數(shù)，增加隱層數(shù)主要可以更進一步降低誤差，提高訓練的精度，本系統(tǒng)中只設一個隱含層，主要通過調(diào)節(jié)隱層節(jié)點數(shù)、動量項、學習率提高網(wǎng)絡的訓練精度。
　　2.各參數(shù)選取
　　把經(jīng)過處理后88組樣本數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡，前50組作為訓練樣本，后38組作為預測樣本，網(wǎng)絡的預期誤差0.001。利用神經(jīng)網(wǎng)絡系統(tǒng)對學習數(shù)據(jù)反復訓練，得到實驗結果最好的一次，各參數(shù)如下：
　　動量項?準=0.3；學習率?濁=0.4；學習次數(shù)n=10000；隱層節(jié)點數(shù)p=6；網(wǎng)絡實際誤差?孜=0.0024
　　（四）財務危機預警預測結果分析
　　利用前述訓練結果，對38個檢驗樣本進行預測，預測的結果（表3）根據(jù)下列標準進行判斷，如果預測結果逼近于1，則判斷為非財務危機公司，如果預測結果偏離1就可判斷有財務危機的可能性，可以發(fā)出財務危機預警。
　　通過預測結果與實際結果的比較，可以得出以下驗證結果：
　　1.對于非ST公司，預測的準確率為94.74%；
　　2.對于ST公司，預測的準確率為84.21%；
　　3.綜合預測準確率為89.47%。
　　
　　四、該財務危機預警模型的局限性分析
　　
　　利用神經(jīng)網(wǎng)絡進行財務危機預警模型的研究，從模型的訓練和預測結果可以看出，還是具有一定的可行性和有效性。但也存在一些問題：
　　（一）忽視了企業(yè)規(guī)模對企業(yè)財務狀況的影響
　　本次研究中所選擇的ST樣本是所屬行業(yè)的全部樣本量，而配對樣本則是隨機抽取的，在選擇的過程中，沒有重點關注企業(yè)規(guī)模對財務危機指標標準的不同要求。
　?。ǘ┓荢T樣本公司的代表性
　　所選取的ST企業(yè)被界定為財務危機公司還不容易引起爭議，但對非ST公司而言，每個公司仍然存在財務狀況非常好、較好或一般的差異，因此用不同的非ST公司和ST公司配對，就不能排除財務危機公司財務狀況之間的差異，這也直接影響了預測數(shù)據(jù)判別的準確率。
　　
　　
　　（三）ST界定自身具有的不適應性
　　根據(jù)我國對ST公司的劃分標準，可以看出其主要看中的還是公司的盈利能力和資本結構比率，而財務危機是企業(yè)綜合財務狀況出現(xiàn)問題的集中表現(xiàn)，它受到多項能力和指標的影響，兩者之間并不對等。
　?。ㄋ模┥窠?jīng)網(wǎng)絡理論自身的缺陷
　　神經(jīng)網(wǎng)絡自身擅長解決不精確和模糊的信息處理問題，在處理過程中，他會有自動刪除樣本“噪聲”和自動調(diào)整的功能，如果其修正數(shù)據(jù)的過程中出現(xiàn)偏差，或訓練過程中參數(shù)確定的不準確，也會直接影響預測的準確性。
　?。ㄎ澹颖具x擇的局限性
　　本次預測過程中受諸多因素的影響，所選擇的樣本不具有普遍的代表性，局限在了上市公司，連續(xù)數(shù)據(jù)的選擇也導致了數(shù)據(jù)的時效性較差，對當前新經(jīng)濟形勢下的企業(yè)財務危機的參考作用有待觀察。
　　
　　五、結論
　　
　　財務危機預警模型通過神經(jīng)網(wǎng)絡原理，在目前是可以實現(xiàn)的，只要在模型建立的過程中，將不穩(wěn)定因素的影響降低到最低，就可以極大地提高預測的準確率。另外，由于不同的行業(yè)有其不同的生產(chǎn)和財務特性，他們的數(shù)據(jù)表現(xiàn)的要求也不盡相同，因此對于差異較大的行業(yè)，應適當建立行業(yè)財務危機預警模型，以更好地提高預測的準確程度。
　　當然，企業(yè)財務危機預警模型作為財務危機預警系統(tǒng)的一個有機組成部分。它的作用必須借助于整個系統(tǒng)作用的發(fā)揮，也需要企業(yè)的高層管理者確實認識到財務危機預警的必要性，才能真正實現(xiàn)對財務危機抑制和防范作用?！?br/>　　
　　【參考文獻】
　　［1］ 盧雁影.財務分析［M］.湖北:武漢大學出版社，2002:296-303.
　　［2］ 王曉華，劉琛，孫洪哲.上市公司財務危機預警模型指標體系的構建［J］.河北建筑科技學院學報（社科版），2004（4）.
　?。?］ 張春蓮，張淑琴.財務危機預警模型研究綜述及其啟示［J］.中國高新技術企業(yè)，2009（11）.