摘要：為了進一步預防企業(yè)可能會出現(xiàn)財務危機，提出了一種基于Kalman濾波和BP神經的財務危機動態(tài)預警模型，并選取了1994-2007年的四家企業(yè)公布的財務數(shù)據(jù)進行預測分析，取得了比較好的預測效果，能夠有效的降低企業(yè)財務分險。

關鍵詞：財務危機模型；Kalman濾波；BP神經

0、引言

自2007年末以來，美國次貸危機引發(fā)的全球性金融危機正橫掃世界，各國均在尋求醫(yī)治這一危機的良方，各種救市方案、救援措施紛紛出臺。雖然財務危機預警源于企業(yè)財務的實證研究領域，但從目前研究成果和應用需求的發(fā)展來看，財務危機預警是一種復雜、綜合性的動態(tài)管理過程，其理論和實踐涉及到預警理論、過程控制理論、動態(tài)信息技術、數(shù)理工具以及模擬技術等多學科知識[1]。文獻[2]提出了運用Logistic回歸法構建企業(yè)財務風險預警模型，并分析其判別效果。結果表明，上市企業(yè)通過建立預警模型能夠有效防范財務風險；文獻[3]提出了6個財務和非財務指標角度設立財務危機預警模型，為企業(yè)提供另一種較為可靠的預警模型；文獻[4]提出了一種構建嵌入行業(yè)特征因素的資源型上市企業(yè)財務危機預警變量框架體系；文獻[5]針對每一個節(jié)點的對應評估時序相關的節(jié)點解釋變量設置基礎風險率，在復雜時序點的未發(fā)生財務危機進行預警的臨界值信號進行節(jié)點重新驗證，同時，對于基礎Cox模型進行了反映樣本共性的基準風險函數(shù)為判定標準的風險函數(shù)估計修正，從而優(yōu)化了在更精細意義上的樣本Cox風險統(tǒng)計；文獻[6]提出了企業(yè)違約預測模型，在意大利的中小企業(yè)中挑選出7000家，應用人工神經網絡模型進行預測，研究發(fā)現(xiàn)，人工神經網絡模型比傳統(tǒng)模型更有利于中小企業(yè)的信用風險評估，且預測準確率明顯提高；文獻[7]對奧特曼修正的Z模型的預測能力進行了驗證，選取5家破產企業(yè)和5家正常經營企業(yè)作為樣本，對奧特曼修正的Z模型進行分析，研究發(fā)現(xiàn)該模型對破產跨國企業(yè)的預測準確率為70%，對正常企業(yè)的預測準確率達到為55%。

本文根據(jù)企業(yè)財務數(shù)據(jù)的特點，提出了基于Kalman濾波和BP神經網絡的財務預警模型，通過分析數(shù)據(jù)發(fā)現(xiàn)預警模型能夠有效的降低財務危機風險。

1、企業(yè)財務危機形成的原因

企業(yè)財務危機對企業(yè)本身以及企業(yè)投資者、債權人都有著嚴重的影響，所以，必須找出企業(yè)陷入財務危機的原因，才能采取有效的措施防范財務危機。企業(yè)發(fā)生財務危機的原因可以分為外部因素和內部因素兩個方面。企業(yè)內部因素對企業(yè)財務危機的發(fā)生起著更直接、更關鍵的作用，外部因素給企業(yè)帶來的影響需要通過內部因素起作用。一般而言，外部因素對企業(yè)來說，大多是不可控因素，無法回避，企業(yè)應該建立自己的危機預警系統(tǒng)，及時對外部環(huán)境的變化做出靈敏的反應。內部因素大多是可以控制的因素，企業(yè)可以通過危機管理降低其危害的程度。

1.1外部原因

（1）國家宏觀管理制度不健全

隨著市場經濟體制的建立，我國要求建立“產權明晰、權責明確、政企分開、管理科學”的現(xiàn)代企業(yè)制度，使企業(yè)成為自主經營、自負盈虧的市場經濟主體。這雖然為企業(yè)的自由發(fā)展創(chuàng)造了條件，但也在一定程度上放松了對企業(yè)的監(jiān)督和約束。同時，我國在經濟和會計法律制度建設方面還不夠完善，在對企業(yè)進行必要的管理和監(jiān)督時缺少法律依據(jù)，從而使企業(yè)的經濟舞弊行為得不到糾正，在一定程度上為企業(yè)財務危機的產生提供了可能。另外，我國的銀行信貸管理不嚴，對企業(yè)貸款缺乏相應的檢查與監(jiān)督機制。有些企業(yè)在經營已經陷入困境，無法扭轉經營局面的情況下，銀行受行政命令干預為其提供貸款，而之后又對企業(yè)缺少監(jiān)督，這樣使企業(yè)在困境中越陷越深，財務危機的產生也就不可避免了。

（2）國家政策影響

國家在一定時期內所采取的貨幣金融政策也會對企業(yè)的財務狀況產生重大影響。其中對企業(yè)影響最大的因素是利率與匯率。如果國家提高銀行貸款利率，會使企業(yè)的利息負擔增加，企業(yè)需要更多的流動資產來償還債務，這樣就加重了企業(yè)的債務負擔和償債壓力，減弱了企業(yè)資產的流動性。同樣，匯率的變動會對那些有外匯往來業(yè)務或有國外債務的企業(yè)造成重大影響，可能會使企業(yè)的外債增加，進而導致企業(yè)的財務狀況惡化。另外，如果國家的產業(yè)政策規(guī)定了要對某些產業(yè)實行限制或淘汰，或對某些產業(yè)實行加稅或減少信貸資助等，也可能引發(fā)那些產業(yè)的企業(yè)發(fā)生財務危機。

（3）宏觀經濟環(huán)境的變化

宏觀經濟環(huán)境的變化是企業(yè)財務危機形成的一個客觀原因，它會使企業(yè)管理者的主觀努力付之東流或者使管理者所付出的代價與收效不成比例，對企業(yè)的財務狀況也有著重大的影響。與經濟繁榮時期相比，經濟蕭條時期的企業(yè)產品價格可能會下降，這時如果企業(yè)不能降低生產經營成本，則企業(yè)的盈利能力將會下降甚至會出現(xiàn)虧損。在經濟蕭條時期，由于市場需求減少，在一定程度上加劇了市場競爭，在激烈的競爭中，那些資金底子比較薄弱的企業(yè)會由于銷售額的下降而導致破產。

1.2內部原因

（1）危機意識的缺乏

危機意識，應該時刻牢記與管理者的頭腦之中。當前，我國企業(yè)面臨著知識經濟的時代，加入WTO后，站在世界的競爭平臺上，必須深化市場競爭的觀念，加強危機的防范意識。很多企業(yè)在經營過程中，缺乏危機意識，忽視對財務危機的防范、企業(yè)還沒有建立財務危機的預警系統(tǒng)，沒有形成良好的危機防范機制，從而不能很好的預見未來危機發(fā)生的可能性，對企業(yè)財務狀況的變化不能做出及時準確的判斷。當危機出現(xiàn)時，又缺乏有效的應對措施，最終給企業(yè)的經營帶來嚴重后果，甚至是破產倒閉。

（2）企業(yè)運營戰(zhàn)略不當

一家企業(yè)經營的成敗，很大程度上取決于所采用的運營戰(zhàn)略。如果運營戰(zhàn)略本身就不適合該企業(yè)的實際情況，那么就容易發(fā)生財務危機。存在盲目多元擴張、高負債比率規(guī)模擴張、缺乏產業(yè)實體支撐的資本市場發(fā)展戰(zhàn)略等情況。

（3）財務管理存在缺陷

財務管理的缺陷，往往是財務危機發(fā)生的直接原因，主要存在財務杠桿率高、財務流動性差、現(xiàn)金管理薄弱和投資節(jié)奏把握欠佳的現(xiàn)象

（4）企業(yè)治理的缺陷

企業(yè)治理是現(xiàn)代企業(yè)制度的核心問題?，F(xiàn)代企業(yè)是一個多邊契約代理關系的總和，企業(yè)法人治理結構力圖對這種多層代理關系，從責、權、利對等、激勵與監(jiān)督、信息交流等方面，形成一個相互制約又降低代理成本、提高決策效率的組織體系。越來越多的人認識到，一個企業(yè)持續(xù)的競爭優(yōu)勢，不是技術優(yōu)勢，也不是資金和人才優(yōu)勢，而是制度優(yōu)勢。因此，目前從政府的要求和企業(yè)的運作來看，都在很大程度上關注企業(yè)制度，尤其是法人治理結構的建設和完善。

（5）生產經營活動本身的不足

經營風險是指因生產經營方面存在問題而給企業(yè)財務成果帶來的不確定性影響.企業(yè)生產經營的許多方面都會受到來源于企業(yè)外部和內部的諸多因素的影響，具有很大的不確定性。這些因素都可能會引起企業(yè)的利潤或利潤率的高低變化，從而給企業(yè)帶來經營風險，最終可能引發(fā)財務危機。

2、動態(tài)預警指標體系的確定及原則

企業(yè)財務危機預警指標選擇的完整性，直接影響預警結果的準確性。研究企業(yè)財務危機機理的視角不同，其建立的預警指標體系也不相同。規(guī)范理論與實證理論都在各自關注的層次解釋企業(yè)財務危機機理，但恰恰缺乏在企業(yè)層面上探討上市企業(yè)引起財務危機的深層次根源。

2.1動態(tài)預警指標的確定

（1）反映功能：它是指標最基本的功能。指標對現(xiàn)象的反映總是以一定的理論為指導，而且是有較強的選擇性、濃縮性，即選擇那些最重要、最具代表性的側面來反映現(xiàn)象，力求把復雜的濃縮在有限的指標之內。

（2）比較功能：當指標被用來衡量兩個或兩個以上認識對象的時候，它就具有了比較的性能。比較性也可分為兩類一是橫向比較，即在同一時間序列上對不同認識對象進行比較，如同一時期企業(yè)與企業(yè)的比較等二是縱向比較，即對同一認識對象的不同時期發(fā)展狀況的比較。橫向比較有助于認識自己的特點和地位，明確自己的長處和短處；縱向比較有助于認識自己的狀況和發(fā)展趨勢，明確自己是在前進、后退和停滯，它們都有助于對現(xiàn)象做出正確的判斷。

（3）評價功能它是反映功能、監(jiān)測功能和比較功能的深化和發(fā)展。這是因為，反映、監(jiān)測、比較本身并不能說明現(xiàn)象，只有對反映、監(jiān)測、比較的結果做出評價，即對它們的客觀狀況做出評價，對它們的前因后果做出解釋，對它們的利弊得失做出判斷，才算是對現(xiàn)象做出了說明。從這個意義上說，反映功能、監(jiān)測功能、比較功能，只是指標的基礎性功能，只有評價功能才是指標核心功能。離開了評價功能，反映、監(jiān)測和比較功能也就失去了意義。

（4）預測功能它是在評價的基礎上，對現(xiàn)象未來發(fā)展趨勢的預先測算。預測功能包括兩個方面一是系統(tǒng)本身的發(fā)展預測，例如在對本年度狀況做出評價的基礎上，預測下一年度發(fā)展的速度和狀況等。二是問題預測，即對阻礙系統(tǒng)發(fā)展的因素的預測

2.2動態(tài)預警指標的原則

（1）全面性原則：作為企業(yè)財務危機預警指標，要能在相關經濟管理理論導前提下，在特定的研究范圍內建立相應的指標體系。既要考慮財務指標，也要考慮非財務指標

（2）系統(tǒng)性原則：企業(yè)的財務危機預警指標體系應當是一個完整的系統(tǒng)，在設計時要充分考慮各指標之間的內在聯(lián)系，不能顧此失彼，也不應使各指標所評價的內容相互重復。

（3）動態(tài)性原則：為了準確地對企業(yè)的未來財務情況進行預警，應考慮企業(yè)的發(fā)展能力，即從動態(tài)的觀點來對企業(yè)進行分析與評價，而不能僅僅依據(jù)企業(yè)某一截面數(shù)據(jù)來進行分判斷。

（4）可操作性原則：用于分析和評價企業(yè)財務情況的各項指標所需的資料必須易于取得。否則，指標再好，也會由于無法獲取相關的資料而缺乏實際應用價值。

3、基于Kalman濾波和BP神經網絡的財務預警模型

3.1樣本企業(yè)選取

本文選定CCER數(shù)據(jù)庫中歸屬于紡織行業(yè)的常山股份、*ST蒙發(fā)、魯泰A、三毛派神等40家上市企業(yè)財務數(shù)據(jù)進行分析，以滬深兩市全部A股紡織業(yè)上市企業(yè)1994-2007的年報作為研究對象，以年度數(shù)據(jù)作為支持向量機模型的訓練樣本及檢驗樣本，選取4個不同時間段1997-6-30，1998-12-18，2001-01-17， 2003-06- 30的數(shù)據(jù)作為審計意見預測模型的預測樣本。根據(jù)行業(yè)和資產規(guī)模，隨機選擇樣本，最后對存在數(shù)據(jù)缺失的企業(yè)進行剔除。

3.2基于Kalman濾波和BP的財務預警

由于Kalman濾波的諸多優(yōu)點，它可以在財務預警的算法中占據(jù)主導地位。通過隨機濾波的建模，可以由計算機實現(xiàn)實時遞推算法，它所處理的對象是企業(yè)連續(xù)N年的財務數(shù)據(jù)，利用企業(yè)系統(tǒng)的噪聲的統(tǒng)計性質，如財務報表粉飾等情況，以企業(yè)連續(xù)多年的觀測量作為濾波器的輸入，以企業(yè)的狀態(tài)或估計參數(shù)作為濾波器的輸出，通過對誤差與數(shù)據(jù)間的處理由時間更新和觀測更新算法聯(lián)系在一起，不斷更正模型參數(shù)，組建出最優(yōu)濾波方程。其模型的研究對于提高企業(yè)財務管理決策效率、風險管理能力，和保護相關利益人具有重要的現(xiàn)實及理論意義。

將以上獲得的樣本數(shù)據(jù)通過Kalman濾波處理之后的數(shù)據(jù)，作為BP網絡神經的輸入，通過BP網絡神經進一步進行處理，處理部分偽代碼如表1所示：

將4家的部分數(shù)據(jù)中在1994-2007年的財務危機與預測值進行比較，比較效果如表2所示。

4.總結

本文以綜合運用濾波理論、財務危機動態(tài)預警理論建立了基于Kalman濾波的財務危機動態(tài)預警模型和BP神經網絡的預警模型，以4家企業(yè)的財務數(shù)據(jù)進行模型對比分析，說明了該模型具有良好的穩(wěn)健性和預測能力。

參考文獻：

[1]劉彥文.上市企業(yè)財務危機預警模型研究[D].大連理工大學，2009.

[2]李長山.基于Logistic回歸法的企業(yè)財務風險預警模型構建[J]，統(tǒng)計與決策，2018，498（6）：185-188.

[3]馮楠楠.企業(yè)財務危機預警模型設立及分析[J]，會計之友，2018（6）：113-115.

[4]阿小燕，趙娟.資源型上市企業(yè)財務預警實證分析[J]. 財會月刊，2018（2）：79-84.

[5]關宇.基于修正Cox比例模型的企業(yè)財務危機預警統(tǒng)計[J].統(tǒng)計與決策， 2017（14）：185-188.

[6]Ciampi F， Gordini N throughartificial neural.Small networks：enterprise default prediction modeling An empirical analysis of Italian small enterprises [J].Journal of Small Business Management， 2013， 51（1）：23-45.

[7]Chouhan V， Chandra B， Goswami S. Predicting financial stability of select BSE companies revisiting Altman Z score[J].International Letters of Social and Hu manistic Sciences 2014，15（2）：92-105.

作者簡介：李莎（1981.09-），女，講師，碩士，研究方向為企業(yè)會計，企業(yè)財務。