張 琦

（海南大學(xué)經(jīng)濟(jì)與管理學(xué)院，海口 570100）

引言

當(dāng)今社會，市場經(jīng)濟(jì)快速發(fā)展，資本市場也不斷完善，使得上市公司面臨著更多的危機(jī)與挑戰(zhàn)，如果上市公司對財務(wù)狀況沒有進(jìn)行預(yù)警，可能使公司陷入經(jīng)營困境，其實是龍頭企業(yè)也難逃資金鏈斷裂的結(jié)果。公司陷入財務(wù)危機(jī)并不是毫無規(guī)律的，財務(wù)預(yù)警財是我國上市公司發(fā)現(xiàn)危機(jī)并采取相應(yīng)措施的重要手段。因此，借助現(xiàn)代科技手段構(gòu)建合理有效的財務(wù)危機(jī)預(yù)警體系具有相當(dāng)重要的價值與意義。

一、預(yù)警指標(biāo)確定

本文選取了2015年28家上市公司（ST公司與非ST公司各14家）和2016年42家上市公司（ST公司與非ST公司各21家）。共70家上市公司，收集了上市公司被“ST”的前三年（即t-3年）的數(shù)據(jù)作為樣本選取的時間。

本文充分考慮了大量研究文獻(xiàn)的研究結(jié)果，分別從償債能力、經(jīng)營能力、發(fā)展能力、現(xiàn)金流能力、每股指標(biāo)五個方面構(gòu)建上市公司財務(wù)指標(biāo)體系，共包含18個預(yù)警指標(biāo)。并去掉對財務(wù)狀況影響不大和含有無效數(shù)據(jù)的指標(biāo)，最終確定15個預(yù)警指標(biāo)。

上市公司財務(wù)指標(biāo)體系

二、BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型

BP神經(jīng)網(wǎng)絡(luò)是反向傳播學(xué)習(xí)算法（Back-Propogation），利用輸入、輸出對訓(xùn)練樣本進(jìn)行訓(xùn)練，形成固定的輸入輸出的映射關(guān)系。這個過程包含了兩個算法，分別是樣本數(shù)據(jù)的正向傳播與誤差的反向傳播。

在本文中，使用BP神經(jīng)網(wǎng)絡(luò)輸入層的節(jié)點數(shù)m為 15，輸出層n是1，綜合考慮以上三個公式，得出了隱含層節(jié)點數(shù)分別為 8、24、31。

本文選用Matlab2014a進(jìn)行神經(jīng)網(wǎng)絡(luò)的設(shè)計，首先建立訓(xùn)練樣本數(shù)據(jù)庫及目標(biāo)輸出數(shù)據(jù)庫，并建立新的網(wǎng)絡(luò)模型，本文隨機(jī)選取50個樣本為學(xué)習(xí)組，20個樣本為驗證組。由于隱含層的節(jié)點數(shù)將影響模型的收斂速度及準(zhǔn)確率，本文通過對不同節(jié)點數(shù)的實驗，確定最合適的節(jié)點數(shù)，保證模型的準(zhǔn)確率。

當(dāng)隱含層節(jié)點數(shù)為31時，樣本訓(xùn)練結(jié)果及誤差曲線圖（如圖1所示）。

圖1 隱含層節(jié)點數(shù)L=31時樣本訓(xùn)練誤差曲線圖

由圖1可知，該模型是合理的，且隱含層層數(shù)的改變對結(jié)果準(zhǔn)確率沒有影響，但是影響了收斂速度和精確度。

三、LM優(yōu)化模型

根據(jù)前文理論，本文采用LM優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行訓(xùn)練及驗證，與前文同理，得出結(jié)論：在L=31時，收斂速度最快，準(zhǔn)確率最高，實驗結(jié)果（如圖2所示）。

未優(yōu)化前的神經(jīng)網(wǎng)絡(luò)在隱含層節(jié)點數(shù)為24時，訓(xùn)練次數(shù)最少，收斂速度最快，精確度最高。然而最終結(jié)果準(zhǔn)確率卻沒有發(fā)生變化，即改變隱含層層數(shù)對最終結(jié)果的準(zhǔn)確率幾乎沒有影響。當(dāng)LM優(yōu)化BP神經(jīng)網(wǎng)絡(luò)時，在隱含層層數(shù)為31時，訓(xùn)練次數(shù)最少，收斂速度最快，結(jié)果準(zhǔn)確率最高，但精確度卻沒有提高。因此，LM改進(jìn)BP神經(jīng)網(wǎng)絡(luò)可以有效改進(jìn)訓(xùn)練次數(shù)、收斂速度和結(jié)果準(zhǔn)確率，不能改進(jìn)精確度，不過將其應(yīng)用到企業(yè)財務(wù)危機(jī)預(yù)警的問題上是可行的。

結(jié)語

本文基于改進(jìn)的神經(jīng)網(wǎng)絡(luò)構(gòu)建了上市公司的財務(wù)危機(jī)預(yù)警模型，并選取了70家上市公司作為樣本進(jìn)行研究。結(jié)果表明，通過訓(xùn)練、仿真與測試，利用神經(jīng)網(wǎng)絡(luò)構(gòu)建的財務(wù)危機(jī)預(yù)警模型能夠有效地預(yù)測財務(wù)危機(jī)，可以成功地應(yīng)用到財務(wù)危機(jī)預(yù)警的實例中。通過實驗表明，利用LM優(yōu)化BP神經(jīng)網(wǎng)絡(luò)之后，與未優(yōu)化前對比，發(fā)現(xiàn)模型不論是其收斂速度還是結(jié)果準(zhǔn)確率都得到了很大的提高。