安徽農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院 李雪晴

隨著我國(guó)經(jīng)濟(jì)的跨躍式增長(zhǎng)，汽車制造業(yè)經(jīng)歷了從無(wú)到有的發(fā)展，并已在國(guó)民經(jīng)濟(jì)的發(fā)展中占據(jù)舉足輕重的地位。2013年，我國(guó)汽車產(chǎn)銷量雙雙突破2000萬(wàn)輛，全面超越美國(guó)成為全球第一大市場(chǎng)。但是，從汽車的研發(fā)制造水平看，我們距離國(guó)際先進(jìn)水平還有很大的差距，隨著人民生活水平的日益提高，汽車已不再是高消費(fèi)奢侈品，而是成為了尋常百姓的生活必需品，汽車的制造和銷售仍然有廣闊的前景，同時(shí)，對(duì)汽車板塊的股票投資也引起了越來越多的機(jī)構(gòu)和個(gè)人關(guān)注。

使用成熟有效的方法對(duì)汽車制造業(yè)的上市公司進(jìn)行財(cái)務(wù)績(jī)效分析，不僅可以幫助政府監(jiān)督部門加強(qiáng)宏觀調(diào)控，同時(shí)為在證券投資市場(chǎng)的投資者提供一定的參考信息，以降低收益損失的風(fēng)險(xiǎn)。迄今為止，縱觀國(guó)內(nèi)外關(guān)于企業(yè)財(cái)務(wù)績(jī)效評(píng)價(jià)的文獻(xiàn)，大多采用層次分析法、因子分析法、熵權(quán)法，而鮮有學(xué)者通過自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)的方法對(duì)上市公司的財(cái)務(wù)績(jī)效進(jìn)行現(xiàn)狀分析及趨勢(shì)預(yù)測(cè)。而面向類型眾多的汽車行業(yè)，如何對(duì)其進(jìn)行有效的聚類分析，已成為亟須解決的問題。

1 SOM神經(jīng)網(wǎng)絡(luò)模型

自組織競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)是一種無(wú)監(jiān)督學(xué)習(xí)，具有自動(dòng)組織功能的神經(jīng)網(wǎng)絡(luò)，作為其中重要的一種，自組織特征映射(SOM)網(wǎng)絡(luò)是一種穩(wěn)健有效的方法，具有極高的學(xué)習(xí)能力，糖度高，無(wú)監(jiān)督以及優(yōu)秀的聚類能力。亦稱為KOHONEN網(wǎng)絡(luò)，是由芬蘭學(xué)者KOHONENT于1981年根據(jù)人腦的自組織特性提出的一種無(wú)監(jiān)督學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型。SOM神經(jīng)網(wǎng)絡(luò)共有兩層，輸入層為模擬和感知外界輸入信息的視膜，輸出層模擬做出大腦皮層的反應(yīng)，其聚類分析可以使得輸入模式智能化聚集分類，并能形象生動(dòng)地通過二維三維圖像顯示出聚類結(jié)果，為人們的分析提供有力的參考，避免了人為分析操作而造成的錯(cuò)誤。

SOM神經(jīng)網(wǎng)絡(luò)模型含有輸入層和輸出層，兩層的神經(jīng)元之間以權(quán)進(jìn)行全連接，輸入層中的神經(jīng)元一般以一維的方式分布，而輸出通常采用二維進(jìn)行陳列。一個(gè)SOM神經(jīng)網(wǎng)絡(luò)接收外在的輸入模式，將產(chǎn)生形式各異的反映域，而各域?qū)τ谠撦斎肽Ｊ蕉加兄灰粯拥奶卣?。?dāng)我們輸入數(shù)據(jù)向量集合的時(shí)候，經(jīng)過學(xué)習(xí)會(huì)產(chǎn)生以權(quán)值向量為中心的相關(guān)數(shù)據(jù)。隨著訓(xùn)練學(xué)習(xí)的連接執(zhí)行，相互有聯(lián)系的數(shù)據(jù)自行地組織聚焦到一起形成輸出層的聚類效果。SOM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 SOM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

SOM神經(jīng)網(wǎng)絡(luò)算法的按如下五個(gè)步驟進(jìn)行：

(1)將要學(xué)習(xí)的數(shù)據(jù)樣本建立網(wǎng)絡(luò)，將各神經(jīng)元間相互連接的權(quán)值初始化為一個(gè)小的權(quán)值，同時(shí)形成權(quán)重矩陣W；

(2)假設(shè)輸入層的訓(xùn)練向量是m維的

該神經(jīng)網(wǎng)絡(luò)算法在學(xué)習(xí)訓(xùn)練的時(shí)候，各神經(jīng)元相互競(jìng)爭(zhēng)，競(jìng)爭(zhēng)的勝者是最大節(jié)點(diǎn)神經(jīng)元。取勝節(jié)點(diǎn)能有效地抵制其他的競(jìng)爭(zhēng)者，只有取勝節(jié)點(diǎn)才可以進(jìn)行輸出。只有在競(jìng)爭(zhēng)中取勝的節(jié)點(diǎn)才是輸入圖形的最佳的匹配。根據(jù)以上的算法原理，對(duì)于學(xué)習(xí)好的SOM神經(jīng)網(wǎng)絡(luò)，其聚類結(jié)果可以很好地反映輸入數(shù)據(jù)的統(tǒng)計(jì)特征，能有效地進(jìn)行聚類。

2 上市公司績(jī)效指標(biāo)的選取

由于汽車制造業(yè)的技術(shù)門檻高，研發(fā)成本高，生產(chǎn)銷售推廣不易，市場(chǎng)競(jìng)爭(zhēng)相當(dāng)激烈，一個(gè)公司的生產(chǎn)規(guī)模和自動(dòng)化程度對(duì)該公司的銷量業(yè)績(jī)影響重大。這里我們選擇償債能力指標(biāo)、營(yíng)運(yùn)能力指標(biāo)、盈利能力指標(biāo)、發(fā)展能力指標(biāo)、現(xiàn)金流量這五個(gè)方面的指標(biāo)來評(píng)價(jià)該行業(yè)的財(cái)務(wù)績(jī)效。

(1)償債能力是指償還債務(wù)的能力，包括短期債務(wù)和長(zhǎng)期債務(wù)?？梢杂昧鲃?dòng)比率反映短期償債能力，用資產(chǎn)負(fù)債率，利息保障倍數(shù)反映長(zhǎng)期償債能力。

(2)營(yíng)運(yùn)能力指公司贏得利潤(rùn)的能力，運(yùn)營(yíng)能力當(dāng)然與公司的資產(chǎn)周轉(zhuǎn)效率、周轉(zhuǎn)速度、應(yīng)收賬款的變現(xiàn)效率以及存貨質(zhì)量流動(dòng)性等指標(biāo)息息相關(guān)，所以這里我們選取了總資產(chǎn)周轉(zhuǎn)率、應(yīng)收賬款周轉(zhuǎn)率和存貨周轉(zhuǎn)率來反映企業(yè)的營(yíng)運(yùn)能力。

(3)盈利能力指標(biāo)反映的是企業(yè)獲取利潤(rùn)的能力。選取每股收益作為衡量指標(biāo)。每股收益反映了普通股的獲利水平及投資風(fēng)險(xiǎn)。銷售凈利率的高低，反映企業(yè)經(jīng)營(yíng)者能否創(chuàng)造足夠的營(yíng)業(yè)收入和能否控制好成本費(fèi)用，該數(shù)值的高低反映企業(yè)的盈利能力。

(4)企業(yè)的發(fā)展能力反映企業(yè)自身的發(fā)展?jié)撃?，這里選取總資產(chǎn)增長(zhǎng)率指標(biāo)。

(5)現(xiàn)金流量。每股經(jīng)營(yíng)現(xiàn)金流是最具實(shí)質(zhì)的財(cái)務(wù)指標(biāo)。

根據(jù)上述績(jī)效指標(biāo)，本文選取了汽車制造行業(yè)29個(gè)在滬深上市公司的相關(guān)數(shù)據(jù)，數(shù)據(jù)日期2013年12月31日，來源于東方財(cái)富網(wǎng)(http://data.eastmoney.com/bkzj/hy.html)。

3 SOM聚類算法主要參數(shù)設(shè)置

(1)輸入層：輸入層為29家汽車制造行業(yè)的上市公司的10個(gè)指標(biāo)數(shù)據(jù)，總計(jì)29*10＝290個(gè)數(shù)據(jù)，將公司依次編號(hào)為1～29。

(2)輸出層：輸出層是二維的，有2*2個(gè)神經(jīng)元組成。

(3)學(xué)習(xí)參數(shù)的設(shè)定：我們?cè)O(shè)計(jì)初始的學(xué)習(xí)速率為0.1，最大學(xué)習(xí)次數(shù)為1000，通過在MATLAB2012下，調(diào)用工具箱進(jìn)行聚類分析，其關(guān)鍵程序如下所示：

load p %加載存儲(chǔ)于p.mat文件中的數(shù)據(jù)

P=P'

net=newsom(minmax(P),[2 2]) %網(wǎng)絡(luò)建立與訓(xùn)練plotsom(net.layers{1}.positions)

net.trainparam.epochs=100； %進(jìn)行訓(xùn)練,訓(xùn)練次數(shù)為1000次

net=train(net,P); %訓(xùn)練網(wǎng)絡(luò)和查看分類

y=sim(net,P);

yc=vec2ind(y);

plotsom(net.IW{1,1},net.layers{1}.distances)

4 上市公司的分類結(jié)果和評(píng)價(jià)分析

首先打開MATLAB神經(jīng)網(wǎng)絡(luò)工具箱，輸入29個(gè)公司的全部數(shù)據(jù)開始練習(xí)，經(jīng)過收斂計(jì)算，產(chǎn)生了如下四類：第一類5 9 12 23 29；第二類2 6 17 20 21 26 27 28；第三類7 10 15 24；第四類1 3 4 8 11 13 14 16 18 19 22 25；其次，針對(duì)每一個(gè)指標(biāo)算出其均值，以作為對(duì)比。聚類結(jié)果如表1所示。

表1 各類別各指標(biāo)的比較

由表1可以看出，第1類公司發(fā)展較均衡，總體來說好于其他類公司，尤其是盈利能力最強(qiáng)。對(duì)現(xiàn)金流量的管理明顯好于其他類別的企業(yè)。其財(cái)務(wù)結(jié)構(gòu)安全穩(wěn)健，不易發(fā)生財(cái)務(wù)危機(jī)。營(yíng)運(yùn)能力較強(qiáng)，對(duì)資產(chǎn)的管理和應(yīng)用較好。其發(fā)展能力稍低于平均值，可能該類別公司已經(jīng)進(jìn)入穩(wěn)定發(fā)展時(shí)期。流動(dòng)性在正常范圍。

第2類公司，財(cái)務(wù)結(jié)構(gòu)較穩(wěn)妥，資產(chǎn)的管理方面相對(duì)于其他類別的公司來說，表現(xiàn)較好，周轉(zhuǎn)天數(shù)大大低于其他類別的公司，尤其是應(yīng)收賬款周轉(zhuǎn)天數(shù)，盈利能力較好，對(duì)現(xiàn)金的管理也很合理，發(fā)展能力很強(qiáng)。

第3類公司，財(cái)務(wù)結(jié)構(gòu)較合理，然而，其對(duì)資產(chǎn)的管理不理想，大大低于平均值，其中存貨的周轉(zhuǎn)天數(shù)大大高于行業(yè)平均值可能是主要的問題所在，該類公司應(yīng)該加強(qiáng)對(duì)公司資產(chǎn)周轉(zhuǎn)的管理，尤其是存貨的周轉(zhuǎn)，提高資產(chǎn)的利用效率。該類公司的盈利能力，雖然銷售凈利率很高，然而每股收益卻不是很理想，這也有部分原因源于資產(chǎn)周轉(zhuǎn)率偏低。該類公司現(xiàn)金的周轉(zhuǎn)出現(xiàn)問題，很可能會(huì)使企業(yè)面臨財(cái)務(wù)危機(jī)。該類公司的發(fā)展能力很強(qiáng)，增長(zhǎng)較快。

第4類公司，盈利能力遠(yuǎn)遠(yuǎn)低于平均值，而且資產(chǎn)周轉(zhuǎn)情況也很不理想，存貨周轉(zhuǎn)天數(shù)高于行業(yè)平均值，應(yīng)收賬款周轉(zhuǎn)天數(shù)的情況更不樂觀，大約是行業(yè)平均值的兩倍多，該類公司應(yīng)該注意信用政策方面的調(diào)整。資產(chǎn)負(fù)債率過高，可能會(huì)帶來財(cái)務(wù)危機(jī)，應(yīng)該努力尋求更加合理的籌資方式，以減輕財(cái)務(wù)壓力。流動(dòng)性有待加強(qiáng)。該類公司的發(fā)展能力最強(qiáng)，增速最快。然而，這一類公司的最大問題在于對(duì)于現(xiàn)金流量的管理，每股經(jīng)營(yíng)現(xiàn)金流過低，極易發(fā)生財(cái)務(wù)危機(jī)。

5 結(jié)語(yǔ)

基于自適應(yīng)特征映射神經(jīng)網(wǎng)絡(luò)模型為聚類分析提供了一種新的方法。使用該方法能高效可靠地分析上市公司的財(cái)務(wù)績(jī)效。由于SOM神經(jīng)網(wǎng)絡(luò)模型收斂和計(jì)算十分快速，有著優(yōu)秀的自組織自適應(yīng)性?；诒疚膶?duì)汽車制造業(yè)上市公司績(jī)效的評(píng)價(jià)，得到的滿意結(jié)果證明，SOM可以用于上市公司的績(jī)效分析。

[1] 王宗軍,楊琳.基于EVA的上市公司績(jī)效評(píng)價(jià)的實(shí)證研究[J].武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版),2005(01).

[2] 孫薇,袁廣達(dá),程龍生.基于模糊聚類方法的企業(yè)財(cái)務(wù)績(jī)效評(píng)價(jià)[J].會(huì)計(jì)之友,2005(11).

[3] 陳利寧,楊昌明.基于熵值法的我國(guó)煤炭行業(yè)上市公司財(cái)務(wù)績(jī)效評(píng)價(jià)[J].中國(guó)礦業(yè),2010(01).

[4] 池國(guó)華,遲旭升.我國(guó)上市公司經(jīng)營(yíng)業(yè)績(jī)?cè)u(píng)價(jià)系統(tǒng)研究[J].會(huì)計(jì)研究,2003(08).

[5] 霍春輝,劉力鋼,魏永德.中國(guó)汽車制造企業(yè)規(guī)模與績(jī)效關(guān)系的實(shí)證研究[J].社會(huì)科學(xué)輯刊,2009(1).

[6] 李?yuàn)櫮?汽車行業(yè)上市公司財(cái)務(wù)指標(biāo)綜合評(píng)價(jià)的實(shí)證研究[J].現(xiàn)代管理科學(xué),2005(1).

[7] 孟建民.我國(guó)企業(yè)效績(jī)?cè)u(píng)價(jià)[M].北京中國(guó)財(cái)政經(jīng)濟(jì)出版社,2002.

[8] 吳聘奇,黃民生.SOM網(wǎng)絡(luò)在福建省城市職能分類中的應(yīng)用[J].經(jīng)濟(jì)地理,2005(1)

[9] 黃亦瀟,李菁菁,邵培基.基于SOM人工神經(jīng)網(wǎng)絡(luò)的客戶資源分類方法研究[J].重慶大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2003(6).

[10] Douglas Clinton and Shimin Chen.Do New Performance Measures UP[J].Managment Accounting,1998(10).

[11] Liu Pingqing,Sui Huajie,Gu Qiang.The Global Value Chain and China Automotive Industry Upgrading Strategy[J].Management Science and Engineering,2008(3).