论文模版.docVIP

1 引 言 研究背景与意义 研究背景 近二十年来，我国证券市场的不断发展导致目前关于我国上市公司的相关政策和法规不断趋于完善，这对于我国上市公司而言既是机遇也是挑战。机会在于法律法规的不断完善使证券市场变得更趋于规范化，而挑战则在于这也大大的约束了上市公司，稍不留神公司也许就会被表为“ST”或“*ST”（Special Treatment，特别对待）。因此，在当今激烈的市场竞争下，企业若想生存、发展和获利就必须要加强对企业财务风险的控制和财务危机的防范。鉴于此，一套行之有效的上市公司财务危机预警系统是维护国家经济金融稳定性的必要保证。 近年来，国内也有越来越多的学者开始关注企业财务危机预警方面的研究，但是大多数的财务危机预警研究都是建立在统计模型的基础上的，比如，很多学者常用的回归分析法和判别分析法。虽然用多元回归分析法建模的预测准确性较高，但它对自变量的要求也很高。它要求自变量要独立，服从正态分布并具有相等的方差协方差矩阵；而用判别分析的方法建模又要求企业的财务危机情况与具体财务状况之间存在非线性关系等。鉴于使用传统方法进行财务预警的局限性，本文尝试使用人工神经网络的方法进行上市公司财务危机预警，以期能够帮助上市公司管理者和投资者更好地预测公司财务危机的发生。 研究意义 公司陷入财务危机是一个渐进的过程，通常都会从财务危机的苗头变成财务恶化再发展到财务危机或走向破产。因此企业的财务危机是可以预测的。对于帮助公司的管理者和债权人而言，良好的企业财务预警模型的构建具有非常重大的意义。 相对于国外的研究而言，国内关于财务危机预警方面的研究起步较晚，因此，在许多方面还有待完善。本文在前人研究的基础上建立了以现金流量指标为主的财务危机预警指标体系，这更加完善了国内关于财务预警指标体系的理论研究；另外，财务危机预警等相关问题的研究也进一步完善了财务管理理论。 国内外研究现状 国外现状 资本主义过家对企业财务预警模型的研究已经比较成熟。 美国纽约大学Altman在 20 世纪 60 年代研究企业破产预测时使用了判别分析法，这是一种多变量的分析方法。他用破产公司和财务正常的公司做了对比分析，以 22 个财务比率作为破产前 1至5 年的预测备选变量，对变量进行筛选，最后选定五个判别变量，构建了 Z-Score 预警模型。Z-Score 模型具有很高的预测精度，但同时也具有很多弊端，比如模型本身的复杂性、数据处理的难操作性及其对前提假设的高要求。 美国学者 Ohlson（1980）在对企业财务风险的预测研究中引入了多元回归分析发， 他选用资本结构、公司规模、负债和当前的变现能力为指标，得到的预测准确率高达 96%以上。该分析方法在对企业财务风险预测方面有了很大进步， 相比于以往多元线 性判别分析研究中对预测变量的严格要求和对样本的局限性，进一步将问题简化。 Odom（1990）是较早运用神经网络的经济学家，此后 Berbro Back（1996）以及Amer F.Atiye（2001）等学者利用神经网络理论建立了企业破产预警模型，Andress 和Trigeargis 等（2000） 也在期权定价理论的基础上对破产风险的预测进行了研究。神经网络模型最大的优势在于它具有自学习能力，可以实现对财务风险的动态预警。 国内现状 我国在这方面的探究虽然起步比较晚，但是通过借鉴国外的经验成果也取得了很大的研究进展。 李树根（2007）提出，财务状况与其影响因素之间的关系是高度非线性的，不存在确定的函数关系，并且各项指标的权重也相当复杂，而人工网络模型基于对人类思维过程的模拟，是一种可以抽象处理这种复杂关系的理论。文章提出财务预警的本质是确定影响财务状态的各指标的权重，并且结合财务预警内涵及其识别指标体系,概括了基于 BP 神经网络财务预警步骤。 李月英（2010）利用多元线性回归模型，沪深证券交易所于 2009 年的样本中，7 个农业上市的 ST 公司作为样本，选择现金流量能力指标、成长能力指标等 17 财务指标初始变量，与另外三十一家财务状况相对良好的农业上市公司作对比分析，研究企 业的财务预警。 周敏、王新宇（2002）基于模糊优选和神经网络的财务危机测定与预警模型, 对 某企业 1993～2000 年的财务指标数据进行财务危机测定，以其结果作为神经网络的训 练样本, 对训练样本进行学习，结果表明实验样本的训练结果同实际结果完全一致，证明了神经网络模型在财务预警方面的应用是可行的，并且该预警体系比之前的功能单一的预警方法更具有优势，它提供了动态监测和企业财务危机预警一种可行的方法。 李嵘（2009）等以 62 家被特别对待的企业为样本，先后进行了只有财务指标的风险预警模型和引入非财务指标的预警模型，并且做了对比分析，通过对比得到引入非财务指标后的财务