董靜

摘要：通過t檢驗和相關性檢驗合理選擇財務指標，基于灰色理論中Verhulst模型和神經網絡建立了Verhulst與BP神經網絡預測模型對企業(yè)財務狀況進行預警分析。實證研究結果表明，該模型能夠有效反映企業(yè)財務狀況的發(fā)展趨勢，從而為財務風險預警提供了新的研究方法。

關鍵詞：灰色理論；神經網絡；財務預警

中圖分類號：F23

文獻標識碼：A

文章編號：1672—3198（2014）10—0134—01

1引言

隨著我國的經濟技術的不斷發(fā)展，對于企業(yè)的財務預警也得到了更多人的重視，為了加強對企業(yè)的財務監(jiān)管，做好內部控制工作，出現了大量的財務預警模型。根據國內已有的文獻資料研究表明，迄今為止，財務預警模型研究涉及的模型類型極為豐富，經歷了從單變量到多變量、從統(tǒng)計方法到非統(tǒng)計方法、從單一模式到混合模式的發(fā)展過程。基于上述考慮，本文運用灰系統(tǒng)理論中Verhulst模型結合BP神經網絡模型構建出的預測模型，對四川省礦產資源類企業(yè)的財務狀況作出及時有效的預警。

2模型建立

2.1指標選取

本文對以上16個指標中選取變量指標進行t檢驗和相關性檢驗相關性檢驗，以0.05作為t檢驗標準，去掉大于005的指標，以0.7作為各變量指標間多重共線性評估的標準，去掉具有高度共線的變量指標。

綜合各種分析，本文最終選取每股凈資產、每股收益、每股現金含量以及流動比率作為預警模型采用指標。

2.2樣本的選取

為了更好的獲取數據，本文選取兩類樣本，一類是用于訓練BP神經網絡的訓練樣本，這類樣本選取了全國20家上市公司（其中20家為st企業(yè)，20家為非st）。另一類是預測樣本，選取的是四川省6家礦產資源型上市公司（3家st公司和3家非st公司）。所有訓練樣本中st公司選擇其被特殊處理的前一年的數據，即t-1年的數據。而預測樣本中st公司的數據為其被特殊處理前一年即t-1年的前四個季度的數據，若數據缺失則向前順延。

2.3Verhulst與BP神經網絡預測模型

本文構建Verhulst與BP神經網絡預測模型具體步驟如下：

建立一個三層BP神經網絡模型模型，其中由于指標為四個，則輸入層神經元個數由財務預警指標確定為4個，輸出層神經元只有1個即企業(yè)財務狀況的綜合評分，由于輸入神經元是4個，本文選取了9個節(jié)點。對于傳遞函數，其中中間層本文采用S型正切函數tansig，而輸出層本文則采用了S型對數函數logsig，目的是滿足輸出值映射到0，1之間。對于BP神經網絡的訓練函數，本文采用trainlm函數，設置訓練次數為1000次，訓練目標為0.01。為了更好，更方便的實現其預警能力，本文利用訓練樣本訓練BP神經網絡。其中網絡訓練樣本的輸入即建模樣本中上市公司的4種財務預警指標數據，目標輸出即當前上市公司的實際財務狀況。由于本文所選的上市公司分為ST與非ST兩大類別，因此將其分為兩個判別組，即安全與危機。為了便于建模，需要對安全與危機概念進行量化處理，建設各訓練樣本的目標輸出為y，則有：當y=0，輸入樣本為ST公司；當y=1，輸入樣本為非ST公司。

利用灰系統(tǒng)理論中Verhulst模型對四川省6家礦產資源型企業(yè)的t-1年財務指標做動態(tài)預測。

將灰色系統(tǒng)模型動態(tài)預測的結果作為訓練完畢的BP神經網絡的輸入，獲得企業(yè)的綜合評分，完成對企業(yè)的財務預警。如果輸出值越接近0，表示財務危機程度越嚴重，即財務狀況越危機；如果輸出值越接近1，表示財務危機程度越輕微，即財務狀況越健康。

3實證分析

3.1訓練好的BP神經網絡模型

通過訓練樣本訓練出的BP神經網絡。

建立一個三層BP神經網絡模型模型，讓訓練樣本訓練這個網絡，得出訓練好的神經網絡模型。通過Matlab 7.0 得出圖1所示的結果。

從圖1可以看出訓練到第6步時，網絡的目標誤差達到要求。

3.2灰系統(tǒng)Verhulst模型的預測結果

利用灰系統(tǒng)理論中Verhulst模型對四川省6家礦產資源型企業(yè)的t-1年財務指標做動態(tài)預測。表2為預測的結果。

3.3預測樣本的預警結果

將灰色模型的動態(tài)預測結果作為訓練好的BP神經網絡模型的輸入，從而建立企業(yè)財務危機的動態(tài)預警模型，模型所得預測結果如表所示。

從結果可以看出，ST公司財務狀況都被判定為危機，而非ST公司的財務狀況都被判定為健康，無一錯判。因此本文多建立的財務危機預警模型是有效的，可以對上市公司財務狀況進行動態(tài)預警。

4結束語

Verhulst與BP神經網絡預測模型可以實現財務指標的趨勢預測實現財務危機的動態(tài)預警。實證分析顯示該方法具有良好的預警效果，能夠在實踐中加以利用。

參考文獻

[1]張玲.財務危機預警分析判別模型及其應用[J].預測，2000，（6）.

[2]李帆，杜志濤，李玲娟.企業(yè)財務預警模型：理論回顧及其評論[J].管理評論，2011.

[3]秦小麗，田高良.基于灰色理論和神經網絡的公司財務預警模型[J].統(tǒng)計與決策，2011，（16）.

[4]童新安，魏巍.灰色VerhulstBP網絡組合模型在預測中的應用研究[J].計算機工程與應用，2011，47（23）.

[5]劉思峰，謝乃明.灰色系統(tǒng)理論及其應用[M].北京：科學出版社，2008：116117，155156.